Está en la página 1de 315

Departamento de Ingenier a de Sistemas y Autom atica. Universidad de Sevilla.

Apuntes de Regulaci on Autom atica


2 Curso de Ingenier a T ecnica Industrial Electr onica Industrial

Sevilla, Octubre de 2004

Indice
I Introducci on y fundamentos 1

1 Introducci on a los sistemas de control. 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 Noci on de control autom atico. . . . . . . . . . . . . . . . . . . . . . . . . . . . Necesidad del modelo matem atico del sistema. . . . . . . . . . . . . . . . . . . Idea de realimentaci on. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Realimentaci on, retardos y oscilaci on. . . . . . . . . . . . . . . . . . . . . . . . Sensibilidad y realimentaci on. . . . . . . . . . . . . . . . . . . . . . . . . . . . Las Matem aticas y el control autom atico. . . . . . . . . . . . . . . . . . . . . . Bosquejo hist orico del control autom atico. . . . . . . . . . . . . . . . . . . . . . Se nales y sistemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Servomecanismos y reguladores. . . . . . . . . . . . . . . . . . . . . . . . . . .

3 3 4 6 7 8 9 11 12 13

2 Introducci on a los sistemas realimentados 2.1 2.2 2.3 Servomecanismo de posicio n . . . . . . . . . . . . . . . . . . . . . . . . . . . . Acci on proporcional m as derivada (PD). . . . . . . . . . . . . . . . . . . . . . . Acci on proporcional m as integral (PI). . . . . . . . . . . . . . . . . . . . . . . .

17 17 19 22

3 Descripci on de los sistemas din amicos i

25

ii 3.1

INDICE
Transformaci on de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 3.1.2 3.1.3 3.2 3.3 Denici on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Resumen de Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . Calculo de antitransformadas . . . . . . . . . . . . . . . . . . . . . . . . 25 25 26 29 33 35 35 35 37 37 39 40

Noci on de sistema din amico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Formas de las relaciones entrada-salida en sistemas. . . . . . . . . . . . . . . . . 3.3.1 3.3.2 Sistemas est aticos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sistemas din amicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4

Descripci on externa de los sistemas din amicos. . . . . . . . . . . . . . . . . . . 3.4.1 3.4.2 Respuesta impulsional. . . . . . . . . . . . . . . . . . . . . . . . . . . . Funci on de transferencia. . . . . . . . . . . . . . . . . . . . . . . . . . .

3.5

Sistemas de control realimentados . . . . . . . . . . . . . . . . . . . . . . . . .

4 Modelado y Simulaci on 4.1 Modelado de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.1 4.1.2 4.1.3 4.1.4 4.1.5 4.2 Exactitud del modelo frente a su sencillez . . . . . . . . . . . . . . . . . Modelo externo e interno de un sistema . . . . . . . . . . . . . . . . . . Modelos deterministas y no deterministas . . . . . . . . . . . . . . . . . Modelos param etricos y no param etricos . . . . . . . . . . . . . . . . . Modelos con par ametros concentrados y distribuidos . . . . . . . . . . .

43 43 44 45 46 46 47 47 48 52 56

Modelado de sistemas mec anicos . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.1 4.2.2 Sistemas mec anicos traslacionales . . . . . . . . . . . . . . . . . . . . . Sistemas mec anicos rotacionales . . . . . . . . . . . . . . . . . . . . . .

4.3

Sistemas hidr aulicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

INDICE
4.3.1 4.3.2 4.3.3 4.4 Dep osito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tuber a y v alvula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Modelos de sistemas hidr aulicos . . . . . . . . . . . . . . . . . . . . . .

iii 56 57 57 58 58 59 60 60 61 62 62 63 63 63 64 65 66 67 72 73 77 78 79

Modelado de sistemas el ectricos . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1 4.4.2 4.4.3 4.4.4 4.4.5 4.4.6 Resistencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Condensador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bobina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fuente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Motores de corriente continua . . . . . . . . . . . . . . . . . . . . . . . Modelos de sistemas el ectricos . . . . . . . . . . . . . . . . . . . . . . .

4.5

Sistemas t ermicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5.1 4.5.2 4.5.3 4.5.4 Transferencia de calor por conduccio n . . . . . . . . . . . . . . . . . . . Transferencia de calor por conveccio n . . . . . . . . . . . . . . . . . . . Transferencia de calor por radiacio n . . . . . . . . . . . . . . . . . . . . Modelos de sistema t ermicos . . . . . . . . . . . . . . . . . . . . . . . .

4.6

Linealizaci on de modelos no lineales . . . . . . . . . . . . . . . . . . . . . . . . 4.6.1 4.6.2 Punto de funcionamiento de un sistema . . . . . . . . . . . . . . . . . . Linealizaci on de un sistema din amico . . . . . . . . . . . . . . . . . . .

4.7

Simulaci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.7.1 M etodos num ericos de integraci on . . . . . . . . . . . . . . . . . . . . .

4.8

Algebra de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.8.1 4.8.2 ales . . . . . . . . . . . . . . . . . . . . . . . . . Operaciones sobre sen Operaciones sobre bloques: reduccio n de sistemas . . . . . . . . . . . .

iv

INDICE

II An alisis en el dominio del tiempo

83

5 Sistemas din amicos lineales de primer orden 5.1 5.2 Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Soluci on de la ecuaci on diferencial de primer orden . . . . . . . . . . . . . . . . 5.2.1 5.2.2 5.2.3 5.2.4 5.3 5.4 Se nal de entrada nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . Se nal de entrada no nula . . . . . . . . . . . . . . . . . . . . . . . . . . Respuestas a se nales de entrada especiales . . . . . . . . . . . . . . . . . Respuesta arm onica . . . . . . . . . . . . . . . . . . . . . . . . . . . .

85 85 87 87 87 90 96 99

Ejemplos de sistemas de primer orden . . . . . . . . . . . . . . . . . . . . . . .

El sistema de primer orden como integrador . . . . . . . . . . . . . . . . . . . . 104

6 Sistemas din amicos lineales de segundo orden y superior 6.1

105

Denici on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 6.1.1 6.1.2 6.1.3 Respuesta de un sistema de segundo orden a una entrada en escal o n . . . 108 Respuesta en frecuencia de un sistema de segundo orden . . . . . . . . . 115 Ecuaciones diferenciales de orden n . . . . . . . . . . . . . . . . . . . . 118

7 An alisis de errores en r egimen permanente 7.1

123

Relaci on entre las constantes de error y los polos y ceros. . . . . . . . . . . . . . 123 7.1.1 7.1.2 7.1.3 7.1.4 Seguimiento de posici on. . . . . . . . . . . . . . . . . . . . . . . . . . . 124 Seguimiento de velocidad. . . . . . . . . . . . . . . . . . . . . . . . . . 126 Seguimiento de aceleracio n . . . . . . . . . . . . . . . . . . . . . . . . 129 Sistemas con error nulo . . . . . . . . . . . . . . . . . . . . . . . . . . . 130

INDICE

III An alisis de sistemas din amicos en el dominio de la frecuencia

133

8 Representaci on gr aca de la funci on de transferencia 8.1

135

Diagramas m as comunes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 8.1.1 8.1.2 8.1.3 8.1.4 Diagrama de polos y ceros: caso racional . . . . . . . . . . . . . . . . . 135 Diagrama de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 Diagrama logar tmico o de Bode . . . . . . . . . . . . . . . . . . . . . . 137 Diagrama de Black . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

8.2

Diagrama de Bode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 8.2.1 8.2.2 8.2.3 8.2.4 8.2.5 Diagrama de Bode de una constante . . . . . . . . . . . . . . . . . . . . 139 Diagrama de Bode de una integracio n pura . . . . . . . . . . . . . . . . 139 Diagrama de Bode de un sistema de primer orden . . . . . . . . . . . . . 141 Diagrama de Bode de una diferenciacio n pura . . . . . . . . . . . . . . . 142 Diagrama de Bode del t ermino asociado a un cero . . . . . . . . . . . . . 143

8.3 8.4

Sistemas de fase m nima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 C rculos M y N . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145

IV Estabilidad de sistemas din amicos

149

9 Estabilidad de los sistemas din amicos 9.1 9.2

151

Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 Criterios de estabilidad relativos a la descripcio n externa . . . . . . . . . . . . . 152 9.2.1 9.2.2 Criterio de Routh-Hurwitz . . . . . . . . . . . . . . . . . . . . . . . . . 156 Matriz de Hurwitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160

vi 9.3

INDICE
Criterio de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161 9.3.1 Grado de estabilidad e interpretacio n del criterio de Nyquist . . . . . . . 166

M etodos cl asicos de s ntesis

169
171

10 Compensaci on de sistemas realimentados

10.1 Introducci on. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 10.2 An alisis en el dominio de la frecuencia de la red PD . . . . . . . . . . . . . . . . 174 10.3 An alisis en el dominio de la frecuencia de la red PI . . . . . . . . . . . . . . . . 177 10.4 Acci on proporcional, integral y diferencial (PID) . . . . . . . . . . . . . . . . . 179 10.5 Compensaci on por avance de fase . . . . . . . . . . . . . . . . . . . . . . . . . 181 10.6 Efecto en el dominio de la frecuencia . . . . . . . . . . . . . . . . . . . . . . . . 183 10.7 M etodo pr actico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184

Parte I

Introducci on y fundamentos

Tema 1

Introducci on a los sistemas de control.


1.1 Noci on de control autom atico.
De una manera intuitiva se concibe el control autom atico, como la rama de la t ecnica que tiene por objeto concebir ingenios que funcionen auto nomamente, es decir, y hablando llanamente, que funcionen solos. Esta noci on intuitiva requiere unas ciertas matizaciones, pero es v alida como punto de partida. Bajo cierto punto de vista se puede considerar que en todo proceso industrial intervienen por una parte la informaci on ( ordenes) y por otra la potencia. Bajo este mismo punto de vista cabe considerar el funcionamiento de un proceso como la adopci o n de las acciones necesarias frente al mismo (se nales de mando o control) para la conveniente dosicaci o n de la energ a en los distintos puntos del proceso para que el funcionamiento del conjunto sea el conveniente. En todo proceso, sea la fabricacio n de un producto, un avi on en vuelo, una m aquina funcio nando, etc.., se realizan una serie de acciones que presuponen la dosicaci o n de la aplicaci on de energ a en determinados puntos, bien bajo la accio n de unas o rdenes que se suministran al mismo, bien de una manera aleatoria por parte del medio en el que se halla inmerso. Se puede representar un proceso de esta naturaleza, al que a partir de ahora denominaremos sistema por medio de un bloque, o rect angulo, tal como el representado en la gura 1.1. A la izquierda de este bloque se han representado unas echas que se han denotado por u 1 , u2 ... y en que representan las distintas acciones que se pueden tomar sobre el proceso; se denominar a lo que sigue se nales de control, mando, o entrada. A la derecha del bloque se han representado otras echas, como saliendo del mismo, que se han denotado por y 1 , y2 , ... y que representan los productos que produce el proceso; sobre el car acter de estas magnitudes se volver a m as adelante. Obs ervese que este esquema, al nivel que se ha desarrollado hasta ahora, tiene una ampl sima aplicaci on. Por ejemplo la conducci on de un autom ovil por una carretera puede considerarse como un proceso sistema representado con un diagrama similar al de la gura 1.1 siendo u 1 la posici on del volante; u2 la posici on del viento sobre la estabilidad del automo vil, etc.., y siendo y1 3

Necesidad del modelo matem atico del sistema.

u1 u2
q q q

y1 y2

Sistema a controlar

q q q -

un

ym

Figura 1.1: Sistema din amico la velocidad del autom ovil; y2 la separaci on del mismo de la cuneta, etc. De una manera intuitiva se entiende que un proceso est a automatizado cuando funciona solo, es decir, sin intervenci on del ser humano. Por ejemplo, un automo vil completamente automatizado ser a aqu el que funcionase completamente solo. Se comprende que en este ejemplo trivial la automatizaci on no parece previsible para un futuro inmediato, aunque s se han realizado ciertas automatizaciones parciales como la del cambio de marcha. a Volviendo al problema original, se puede decir que el funcionamiento del proceso se har a partir de la serie de se nales ui que se le aplique. El problema de controlar (mandar) el proceso, ales de entrada ( se reduce al de establecer las sen ordenes), a que deber a ser sometido para que su funcionamiento sea el apetecido. Por lo tanto, el problema de controlar el funcionamiento de un proceso queda reducido al de ales de mando del mismo. la toma de decisi on de la secuencia de valores que deben tomar las se n Es decir, volviendo al ejemplo trivial de la conduccio n del autom ovil, la decisi on de las maniobras que debe efectuar el conductor (sobre el volante, sobre el freno, sobre el acelerador...) para que el funcionamiento del autom ovil sea el adecuado.

1.2 Necesidad del modelo matem atico del sistema.


Se ha visto en el apartado anterior co mo el gobierno de un proceso se reduc a al establecimiento de la secuencia de acciones de mando que debe aplic arsele para que el funcionamiento sea el apetecido. Se va a considerar ahora un primer aspecto del establecimiento de esta secuencia. La toma de decisi on sobre la se nal que debe aplicarse al sistema implica que existan distintas alternativas. Es decir, que existan distintas acciones posibles cada una de las cuales dar a un ales, aquellas cuyo resultado resultado distinto. El problema se reduce al de elegir entre estas se n sea el apetecido. Al existir distintas opciones respecto a la accio n a tomar para gobernar el proceso, para realizar la elecci on conveniente de la se nal de entrada que determine un funcionamiento apetecido, es

Introducci on a los sistemas de control.

necesario que se sepa predecir qu e resultados se obtendr a de cada una de las posibles acciones. Es decir, quien tome la decisi on respecto a cual de las posibles acciones a tomar debe adoptarse, debe predecir in mente, las acciones que resultar an de cada una de sus posibles opciones, con el n de escoger aquella se nal de entrada a la que corresponda un resultado que sea el buscado. Por lo tanto, se requiere el conocimiento exhaustivo de las relaciones que existen entre las posibles acciones a tomar sobre el sistema, y los resultados que determinar an cada una de ellas. Esto es lo que se llama un modelo matem atico del proceso, y est a constituido por las relaciones formales que ligan a las se nales ui e yi . El conductor del autom ovil, que es quien toma la decisio n del posicionamiento de los distintos o rganos que tiene a su alcance (volante, frenos, acelerador...) lo que hace en todo instante es prever cu al ser a el resultado de las decisiones tomadas con el n de mantener el proceso que gobierna (el autom ovil), en un estado de marcha y funcionamiento apetecido. Para construir un modelo matem atico de un proceso, se requiere establecer de una forma pre ales de entrada y de salida) as cisa, las magnitudes que lo denen (sen como las relaciones formales que ligan a estas magnitudes. En la vida ordinaria, cuando se construyen modelos, de una manera subconsciente, para la toma de decisiones, e stos no tienen el nivel de formalidad que se acaba de indicar. Sin embargo, cuando se quiere automatizar un proceso, es indispensable la construcci o n de estos modelos for males con el n de poder trasladar el proceso de toma de decisi o n a una m aquina construida al efecto, as que determinar a las acciones a tomar precisamente a partir del modelo del sistema del que disponga. La posibilidad de construir un modelo del proceso que se est e considerando, constituye una de las mayores limitaciones que a priori se pueden establecer respecto a la posibilidad de automatizar un determinado proceso. Consid erese, por ejemplo, el problema del establecimiento de un tratamiento por un m edico para uno de sus enfermos. En la medida en que fuese posible en primer lugar denir una serie de magnitudes que caracterizasen el estado del enfermo (temperatura, tensi on arterial, resultados de an alisis cl nicos...) y de las relaciones formales que ligan a estas magnitudes, ser a posible automatizar completamente el problema del establecimiento de un tratamiento, que no es sino determinar la accio n a seguir sobre el enfermo para conseguir que la evoluci on del mismo estado de salud se realice en forma apetecida. En ciertos casos es posible establecerse un modelo matem atico del proceso que ligue de una manera un voca a cada una de las acciones que se tomen un u nico resultado. Se tiene entonces un sistema determinista. En otros casos, para cada una de las acciones posibles, no se tiene sino una predicci on estad stica de posibles resultados; se tienen entonces los llamados sistemas estoc asticos.

Idea de realimentaci on.

1.3 Idea de realimentaci on.

El conocimiento del modelo matem atico del sistema sobre el que se debe tomar una decisio n para gobernar su funcionamiento, no es suciente para la toma de esta decisi o n. Se requiere adem as informaci on sobre lo que, de una forma intuitiva de momento se puede denominar estado actual del mismo. Es f acil encontrar ejemplos que ilustren este punto. Supo ngase, por ejemplo, un automo vil que debe hacer el recorrido Sevilla - C adiz. Sup ongase que se dispone de un modelo matem atico del funcionamiento del automo vil as como un trazado minucioso de la autopista que une las dos ciudades. Parece posible, en principio, prever un programa extraordinariamente detallado que permitiese realizar por medio de un programa previo la toma de decisiones sobre la conducci o n del autom ovil. Un programa que ser a algo as como una secuencia de instrucciones del tipo: avanzar en l nea recta 150 m, realizar un giro a la derecha, con radio de giro de 1 km.,.... Sin embargo parece claro que en principio no quepa augurar un feliz resultado a la empresa. Este tipo de programa dar a lugar a un control en bucle abierto en el que no se tiene informaci o n sobre la situaci on actual. El conductor no hace sino desde su posicio n de gobierno de la conduccio n del autom ovil introducir, especialmente por medio de sus ojos, informaci o n sobre el estado actual del automo vil, permitiendo de esta forma el que la toma de decisio n respecto a la condici on del mismo, adquiera un grado de ecacia realmente able. Este ejemplo, pese a su aparente articiosidad es similar al que se presenta cuando se trata de enviar una c apsula a la luna. Debe notarse que la necesidad de la realimentaci o n surge como consecuencia de la aparici on de perturbaciones aleatorias que modican el funcionamiento del sistema de acuerdo con un plan previsto, o sencillamente por la imperfecci o n del modelo del sistema que le impide una prediccio n exacta, a largo plazo, del funcionamiento del mismo. Desde un punto de vista general, cabe decir que los sistemas con realimentaci o n son aqu ellos en los que la adopci on de decisiones cara al futuro est a completamente inuenciada por los efectos de las previamente adoptadas. Dicho con otras palabras, son los sistemas en los que si la acci o n que se lleva a efecto persigue una determinada meta, es la diferencia entre las cotas alcanzadas en esta meta, y ella misma, la que determina las acciones posteriores. Este tipo de actuaciones son las que se denominan control en bucle cerrado o control por realimentaci o n. En la gura 1.2 se representa en forma de diagrama de bloques lo anterior. En dicha gura se representa por un lado el Sistema, cuya variable de Salida pretendemos controlar de forma que siga a la Entrada. Para ello se dispone de un Elemento de medici o n, que nos proporciona el valor de al de entrada se toma la decisi la se nal de salida y posteriormente una vez comparada con la se n on correspondiente para actuar sobre el sistema.

Introducci on a los sistemas de control.

Entrada

Toma de decisi on
6

Salida Planta

Elemento de medici on

Figura 1.2: Realimentaci on

1.4 Realimentaci on, retardos y oscilaci on.


La existencia de retardos en un circuito (bucle) de realimentaci o n, conduce a la aparici on de fen omenos oscilatorios en el comportamiento din amico del mismo. Este hecho tiene una importancia capital al considerar el comportamiento din amico de los sistemas realimentados y gran parte del problema de dise no de los mismos reside en el amortiguamiento (o anulaci o n) de estas oscilaciones. Con el n de ilustrar de una manera intuitiva este hecho, consid erese a un conductor que conduce un autom ovil, proceso que se puede interpretar con un bucle de realimentaci o n tal como el de la gura 1.3. Entre la deteccio n de un obst aculo, y la acci on correctora consiguiente (girar el volante, actuar sobre los frenos...), se produce un cierto retardo que el conductor experimentado tiene perfectamente asimilado, y no constituye un obst aculo para una conducci on normal. Perturbaciones

Referencia

Ojos (Sentidos)
6

- Conducci on

Posici on Coche
-

Figura 1.3: Ejemplo de realimentacio n Sup ongase que se trata de mantener el coche en l nea recta sobre una supercie completamente

Sensibilidad y realimentaci on.

llana, sin ning un obst aculo. Sobre el autom ovil s olo act uan las peque nas perturbaciones (baches) del terreno y el conductor puede conseguir su objetivo con relativa facilidad. Sup ongase ahora que el conductor debe realizar su cometido con los ojos cerrados, llevando a su lado un copiloto que es el que le va transmitiendo las indicaciones respecto a las desviaciones de la l nea recta que se trata de seguir. El circuito de realimentaci o n se modica, en este caso, al de la gura 1.4, con ello lo que se ha introducido es de una manera articiosa un notable retardo en el bucle de realimentaci on. Es f acil comprender, que en este segundo caso, y debido precisamente al retraso que se introduce en el bucle de realimentacio n, la conducci on ser a fuertemente oscilante. Perturbaciones
? ? ?

Ref.

Ojos (Sentidos)
6

on - Transmisi oral

- Conducci on

Posici on Coche
-

Figura 1.4: Sistema con retardo Un hecho importante que ilustra tambi en el anterior ejemplo es que cuanto mayor sea la ve locidad a la que pretende conducirse el automo vil, mayores ser an los efectos de oscilaci on que se han indicado. El dilema entre velocidad de respuesta (precisi o n) y estabilidad (ausencia de oscilaciones), constituye una de las constantes que aparecen en el estudio de sistemas realimentados.

1.5 Sensibilidad y realimentacio n.


Un sistema se dice sensible a la variacio n de un determinado par ametro cuando e ste inuye de forma importante en el comportamiento del mismo. Por ejemplo, la conducci o n de un autom ovil es extraordinariamente sensible al estado del rme de la carretera. M as adelante se dar a una denici on precisa de este concepto; aqu , de momento, con esta nocio n intuitiva es suciente. Los sistemas realimentados son enormemente menos sensibles a las perturbaciones que los sistemas sin realimentar. En efecto, un ejemplo trivial ayudar a a jar esta idea. Consid erese que se trata de preparar una ducha de agua templada. El sistema se puede considerar en bucle abierto, es decir, sin realimentacio n, si una vez realizado el ajuste de las proporciones de agua fr a y caliente, e ste permanece inalterado durante toda la ducha. Si aparece cualquier perturbaci o n, por ejemplo, que en otro lugar de la casa se abra un grifo de agua caliente, lo que inuye en la mezcla, las consecuencias desagradables para el que se ducha no se pueden atenuar. El sistema es enormemente sensible.

Introducci on a los sistemas de control.

Por el contrario, si se puede actuar sobre los grifos durante todo el proceso, entonces se tiene un sistema en bucle cerrado en el que la persona que se ducha puede tomar las decisiones oportunas, y actuar sobre el sistema a trav es de los grifos, para corregir cualquier perturbacio n que se pueda producir. El sistema, en conjunto, ha atenuado las posibles perturbaciones exteriores, por lo tanto ha disminuido su sensibilidad sobre las mismas. Este ejemplo ayuda tambi en a poner de maniesto uno de los problemas m as importantes que se pueden producir como consecuencia de la introducci o n de la realimentaci on. Consid erese que:

Los grifos se encuentran alejados del depo sito de agua caliente; y Una peque na variaci on de cualquiera de los grifos inuye sensiblemente en la temperatura del agua.

Es claro que en tales condiciones se producir an oscilaciones de la temperatura del agua, puesto que ser a enormemente dif cil ajustar la misma. Ello es debido a que cualquier accio n que se tome tarda un cierto tiempo en detectarse (en la espalda del que se ducha que es el o rgano de medida), y por lo tanto e ste posiblemente se pase en la correccio n. El sistema se convierte entonces en un sistema inestable, y la correcci on de ese tipo de inestabilidad constituye uno de los primeros problemas con los que se enfrenta el dise nador de sistemas realimentados. Ello se pondr a ampliamente de maniesto a lo largo de este curso.

1.6 Las Matem aticas y el control autom atico.


Las matem aticas tienen un doble empleo en las ciencias emp ricas y aplicadas.

Las matem aticas pueden usarse como lenguaje cuando se pretende formular los problemas con la ayuda de conceptos matem aticos buscando con ello la precisio n y claridad. Las matem aticas pueden emplearse como herramientas cuando una vez planteado el problema en t erminos matem aticos se resuelven las ecuaciones que resultan (anal ticamente o por simulaci on)

Por otra parte, cabe considerar que la ingenier a puede describirse como una mezcla de sentido com un y ciencia. Se trata de recurrir a planteamientos teo ricos que permitan profundizar en los problemas que se est en tratando, pero sin perder de vista que en u ltimo extremo de lo que se trata es de conseguir algo que funcione. Estas consideraciones previas deben hacerse por cuanto que, como es l o gico seg un lo que se ha visto en los apartados anteriores, las matem aticas juegan un papel fundamental en la moderna teor a del control autom atico. Tan es as que en alg un sentido puede considerarse la teor a del control autom atico como una rama de las matem aticas aplicadas.

10

Las Matem aticas y el control autom atico.

En la gura 1.5 se tiene un sencillo diagrama en el que se pretende expresar las fases del m etodo en control autom atico. Estas fases pueden resumirse en:

1. A partir del proceso, por abstraccio atico del mismo. Esta n, se construye el modelo matem primera fase no es espec ca del especialista en control, y requiere del concurso del especialista en el proceso a controlar. 2. Una vez obtenido el modelo matem atico se determina qu e tipo de acci on debe efectuarse sobre el mismo para que su comportamiento se adecue a las metas propuestas. Se trata de determinar, lo que m as adelante se denominar a ley de control. 3. Por u ltimo, se trata de realizar f sicamente, la ley de control determinada en el punto anterior para lo que se requiere el concurso de instrumentos f sicos que realicen esta funci on. En esta u ltima fase se requiere de nuevo el concurso del especialista en el proceso a controlar (en forma de instrumentista).

Modelo Matem atico


6 6

Ley de Control

Abstracci on

Implementaci on

Sistema F sico

Sistema de Control

Figura 1.5: Fases del M etodo de Control De las tres fases anteriores, la espec ca del especialista en sistemas de control es la segunda, que tiene un car acter fundamental matem atico. Se ha llegado incluso a decir que el especialista en control en realidad no trata con los sistemas f sicos, sino exclusivamente con sus modelos matem aticos. Por lo tanto, el terreno en que se mueve el especialista en control autom atico, est a fuertemente inuido por las matem aticas aplicadas, aunque nunca debe olvidarse las consideraciones hechas m as arriba respecto a la labor del ingeniero.

Introducci on a los sistemas de control.

11

1.7 Bosquejo hist orico del control autom atico.


A lo largo de la historia de la t ecnica se encuentran m ultiples ingenios en cuya concepcio n in terviene la idea de realimentacio n. Uno de los primeros ingenios de esta naturaleza es el llamado reloj de agua (clepsidra). Seg un algunos autores, su origen es chino y se remonta a la dinast a Chen (siglo XI - XII a.C.), y seg un otros al mec anico griego Ktesibios (siglo XIII a.C.). En cualquier caso su antig uedad e ingeniosidad son innegables. El primer trabajo signicativo en control autom atico fue el regulador centr fugo de James Watt. Se trata de un regulador de bolas de una m aquina de vapor. En el regulador de Watt se regula la velocidad de una m aquina de vapor por medio de un sencillo articio consistente en dos bolas met alicas de cierta masa sobre las que actu a las fuerzas centr fugas al girar el eje del que son solidarias a trav es de unos brazos (gura 1.6). Estos brazos est an articulados de manera que la fuerza centr fuga que act ua sobre las bolas puede determinar, a trav es de dichas articulaciones, una mayor o menor apertura de la v alvula de alimentaci on de la m aquina. Se tiene por lo tanto una cadena cerrada de acciones tal como la que se indica en el diagrama de la gura 1.7.
Caldera vapor

:velocidad del eje.


eje de la mquina.

vlvula

Cilindro

Figura 1.6: Regulador centr fugo de Watt

+ -

Transmisin

vlvula

Mquina de vapor

bolas

Figura 1.7: Diagrama de bloques: Regulador de Watt El inter es que suscita en su tiempo, la m aquina de Watt es grande, puesto que en ella se presentan los problemas de estabilidad a los que se alud a en los apartados 1.4 y 1.5. Tan es as que James Clerk Maxwell, uno de los mayores f sicos te oricos del siglo XIX se siente atra do por el problema y publica un trabajo titulado On governors que constituye uno de los trabajos pioneros de la mod erna teor a del control. Sin embargo, aparte de este trabajo, y alg u n otro de Routh a nales de siglo,

12

Se nales y sistemas.

no es hasta los a nos 30 de este siglo, cuando se acomete de una manera sistem atica el estudio de las ar sistemas realimentados. Durante la Segunda t ecnicas matem aticas que permitan estudiar y disen Guerra Mundial, la necesidad de construir sistemas de control altamente sosticados para nes militares, condujo al desarrollo tanto en los Estados Unidos como en la Uni o n Sovi etica, de lo que hoy se conviene en llamar teor a cl asica de los servomecanismos, y que se estudiar a m as adelante en este curso. En aquellos a nos Norbert Wiener publica la importante obra Cibernetics, en la que se recalca el car acter fundamental de la noci on de realimentaci on como concepto cient co. La teor a cl asica de los servomecanismos tiene enormemente limitadas su posibilidades de aplicaci on por cuanto que la clase de sistemas a las que se aplica es reducida. En ello determin o la realizaci on de estudios te oricos que permitiesen construir una teor a de sistemas que abarcarse una clase m as amplia de los mismos. Con ello se ha llegado al desarrollo de la teor a moderna del control, basada sobre la nocio n de estado, y que se estudiar a con detenimiento a lo largo de este curso.

1.8 Senales y sistemas.


En el estudio de los sistemas de control es fundamental adquirir previamente una idea clara de los conceptos de se nal y sistema. Se entiende por se nal, en un sentido amplio, toda magnitud f sica que evoluciona en el tiempo. En un sentido m as restringido se requiere adem as que esta se nal tenga cierto contenido informa ales generalmente empleacional, es decir que sea signicativa en cierto aspecto, los tipos de se n dos en sistemas de Control son tensiones o intensidad el ectricas, desplazamientos mec anicos y presiones neum aticas o hidr aulicas, si bien en principio no hay ningu n inconveniente en incluir otro tipo de se nales. Se emplear a aqu la notaci on habitualmente empleada en matem aticas para referirse a una magnitud f sica X que, en cada instante t , toma un cierto valor. La denici on de sistema es m as ambigua. Se entiende por sistema un conjunto de partes entrelazadas operativamente de manera que unas act u en sobre otras y que en conjunto formen un todo. Un ejemplo de sistema de acuerdo con esta denici o n lo constituye el Sistema Econ omico Nacional, en el que salarios, nivel de precios, ahorro, etc, interaccionan entre s . Aqu interesar a la consideraci on de sistemas m as simples en los que los elementos interactuantes son f sicos y, de hecho, puedan denirse magnitudes f sicas que describan su comportamiento. Un sistema puede ales, en el sentido de que excitado con determinadas tambi en denirse como un procesador de sen se nales responde con otras. Es por lo tanto evidente que la consideracio n del comportamiento din amico de un sistema al es una magnitud f tendr a un papel preponderante, por cuanto que una se n sica que evoluciona en ales. el tiempo, y un sistema es un procesador de sen Normalmente, los sistemas que interesan en Autom atica, tendr an puntos de acceso llamados ales llamadas se entradas, por los que pueden ser excitados por sen nales de entrada. As mismo tendr an otros accesos en los que la evolucio n de ciertas magnitudes f sicas podr a leerse. Estos puntos se llamar an salidas y las magnitudes a ellos ligadas sen ales de salida. La voz punto,

Introducci on a los sistemas de control.

13

empleada en las anteriores deniciones de entrada y salida, debe tomarse en un sentido amplio y no geom etrico. Los sistemas se representan por medio de bloques tal como se indica en la gura 1.8.
potencia perturbaciones

Seales de entrada u(t)

Seales de salida y(t)

Figura 1.8: Sistema din amico Juntamente con las se nales de entrada y salida interesa considerar que un sistema puede estar sometido a otro tipo de entradas como son las de suministro de potencia o las perturbaciones. Pero con el n de poder estudiar en su comportamiento ciertas regularidades, que permitan su estudio matem atico, se considerar a que estas, o bien se mantienen constantes (potencial), o bien sufren al de salida pueda solo variaciones despreciables (perturbaciones), de manera que el valor de la se n al de entrada. Por considerarse funci on exclusivamente del conjunto de valores tomados por la se n lo tanto normalmente la representacio n de un sistema se har a como indica la gura 1.1. Como ejemplo de lo dicho se puede considerar un motor el ectrico en el cual el campo se mantiene constante y se var a la velocidad actuando sobre la corriente de inducido. (Figura 1.9)
Intensidad de inducido

Excitacin Constante velocidad

Figura 1.9: Motor el ectrico Desde el punto de vista que se est a considerando se dir a que el motor es un sistema que, a una al de salida y(t ) (velocidad del motor). se nal de entrada u(t ) (intensidad de inducido), da una se n Se puede, en cierto aspecto, prescindir de la consideraci o n del campo.

1.9 Servomecanismos y reguladores.


La autom atica es un campo vast simo. En e l se entrelazan aspectos te oricos y tecnol ogicos de suerte que es dif cil establecer en el mismo sistematizaciones de cara a su estudio. Sin embargo

14

Servomecanismos y reguladores.

atendiendo a su desarrollo hist orico y al inter es de ciertas aplicaciones a las que, por otra parte, se ha podido aplicar una teor a sencilla y fecunda, es posible extraer de todo el complejo mundo de la autom atica campos de estudio concretos como son los servomecanismos y los reguladores. Un servomecanismo es un ingenio con el que se pretende controlar una posici o n. Ejemplos de servomecanismos se encuentran en campos tan variados como son los posicionamientos de los timones de un barco, posicionamiento de las antenas de radar, posicionamiento de las ruedas de un cami on en una servodirecci on, posicionamiento de la herramienta en un torno automatizado, posicionamiento de la pluma en un registrador de precisi o n, etc... El control de la posicio n se hace de acuerdo con un sencillo esquema de realimentaci o n como el de la gura 1.10.

+ -

y amplificador u motor

Figura 1.10: Servomecanismo de posicio n Siempre que la posici on de salida no se encuentre en la posicio n requerida por la referencia aparece un error que actuando sobre el servomotor determina que e ste act ue corrigiendo el error. La u nica posici on de equilibrio es aqu ella en que la posici on de salida es igual a la referencia. Por lo tanto un servomecanismo es, esencialmente, un sistema seguidor o reproductor en el al de entrada (referencia). Una caracter que la posici on de salida sigue o reproduce a la sen stica es al encial, que justica las aplicaciones de los servomecanismos es que el nivel de potencia de la se n al de entrada. En el esquema anterior se ve como lo de salida puede ser muy superior al de la sen que posiciona es el servomotor, que viene actuado por una potencia externa al conjunto (el campo) y una se nal que viene del servoamplicador y que es la que realmente corrige (alimentaci o n del inducido). Obs ervese que la misma se nal que viene del servoamplicador ha recibido, en e sta, ales de potencia del exterior. Por lo tanto un servomecanismo es un ingenio que reproduce se n posici on a un nivel de potencia superior. El precio de esta mayor potencia en la posici o n de la salida es una p erdida de calidad en la se nal, es decir, de una cierta distorsio n. Precisamente las t ecnicas de dise no de servomecanismos tratan de conseguir que esta p erdida de calidad de la se nal sea m nima. Un problema, aunque desde un punto de partida distinto al de los servomecanismos pero que conduce a planteamientos semejantes, es el de los reguladores. Una determinada magnitud f sica se dice que est a regulada si est a provista de un sistema que reaccione frente a los cambios del medio externo que afecten a esta magnitud, de suerte que se mantenga en un valor aproximada mente constante. Un ejemplo trivial de ello lo suministra un sistema de regulaci o n de temperatura en una habitaci on. El sistema calefactor, a trav es de un termostato, debe reaccionar a las variaciones del medio (aperturas de puertas, entrada de m as o menos gente, p erdidas naturales distintas en el d a que en la noche, etc...) de suerte que la temperatura se mantenga constante.

Introducci on a los sistemas de control.


Ta a K + V Vr b Kc Kp c Ti Kt + Vt + -

15

Figura 1.11: Regulador de temperatura El esquema que permite la regulacio n de temperatura es esencialmente el mismo de un servomecanismo, tal y como se ve en la gura 1.11. Sin embargo, deben notarse las diferencias, desde un punto de vista f sico, entre ambos sistemas.

1. En el servomecanismo, la entrada (referencia) es variable y se pretende que la salida siga a la entrada. Mientras que en el regulador la entrada es constante. 2. En el servomecanismo la fuente de error es la variacio n de la referencia. En el regulador la fuente de error son perturbaciones exteriores que separan el sistema del estado requerido. 3. En el servomecanismo se produce una amplicacio n de potencia en la se nal de salida, que al de salida en s es lo que interesa. En el regulador, la sen no interesa, sino que s olo es una medida de algo que sucede en la planta controlada, que es lo que realmente interesa.

Junto a estas diferencias y a otras que pudieran establecerse se presenta la profunda semejanza entre ambos problemas, ya que los dos conducen al mismo diagrama de bloques realimentado que se muestra en las guras 1.10 y 1.11. Bas andose en esta semejanza es por lo que el estudio de ambos problemas se hace simult aneo pero no debe olvidarse nunca que f sicamente se trata de dos problemas diferentes.

16

Servomecanismos y reguladores.

Tema 2

Introducci on a los sistemas realimentados


2.1 Servomecanismo de posici on
Vamos a dedicar esta secci on a analizar un tipo de sistema realimentado que presenta particular inter es: el servomecanismo de posicio n. Con e l se trata de posicionar un eje, que est a asociado al de salida del sistema. La se al eje de un motor, y que constituye la sen nal de entrada es otra posici on, que se pretende que reproduzca el eje de salida del sistema. Se dispone de un mecanismo que permite detectar la discrepancia entre las posiciones de entrada y de salida. Esta discrepancia o error es amplicada convenientemente para activar el motor que, actuando sobre el eje de salida, determina su movimiento hasta anular el error; es decir, hasta conseguir alinear el eje de salida en la direcci on indicada por el eje de entrada.
J

f y(t) u(t) amplificador

Figura 2.1: Bucle abierto de un servomecanismo de posici o n En la gura 2.1 se muestra el bucle abierto de un servomecanismo. En ella se pone de mani al u(t ) adquiere el nivel adecuado para actuar sobre esto c omo, mediante una amplicador la sen un motor, cuyo eje representa la posicio n de salida del servomecanismo. Este eje es solidario con una inercia J y una fricci on f . En la gura 2.2 se muestra el bucle cerrado del servomecanismo. Al esquema de la gura 2.1 se ha a nadido una se nal de referencia r(t ) que se compara con la salida del motor, y cuya 17

18

Servomecanismo de posici on

al u(t ). discrepancia da lugar al error e, a partir del cual se obtiene la se n


J f r(t) + e(t) K u(t) amplificador y(t)

Figura 2.2: Bucle cerrado de un servomecanismo de posici o n al En la gura 2.1 se puede hacer la hipo tesis de que el par del motor es proporcional a la sen electrica de alimentaci on del amplicador u(t ). Con este supuesto se puede escribir que la posici o n del motor y(t ) viene dada por la ecuacio n diferencial:

dy d2y +f = u(t ) 2 dt dt

siendo en este caso y(t ) un a ngulo , J la inercia del conjunto motor-carga, y f el coeciente de fricci on viscosa del mismo conjunto. Para que un sistema de control realimentado actu e aceptablemente, necesita satisfacer unas determinadas especicaciones de funcionamiento, tanto para su r egimen permanente como para su transitorio que, normalmente, no se consigue con los elementos que consituyen el bucle de control. Hay veces en que un simple aumento de la ganancia est atica es suciente para lograr precisio n, sin que se afecte demasiado a las caracter sticas en estado transitorio. No obstante, como lo normal es que e stas se vean empeoradas con una actuacio n de este tipo, o en el mejor de los casos, no se consigan exactamente las que se pretende que tenga el sistema, es por lo que se desarrollaran a continuaci on los procedimientos de compensacio n que se han dado en llamar en llamar cla sicos ya que fueron los primeros que se utilizaron. Se emplean tres tipos de acciones:

Acci on proporcional m as derivada (PD); Acci on proporcional m as integral (PI) y Acci on proporcional m as integral y m as derivada (PID).

Introducci on a los sistemas realimentados

19

2.2 Acci on proporcional m as derivada (PD).


Tiene lugar cuando la se nal de mando del sistema es la suma de los t erminos, proporcional y derivado de la se nal de error. En este caso se dice que la compensacio n es del tipo PD. Consid erese el servomecanismo elemental descrito en el p arrafo anterior. Se va estudiar el caso en que la se nal de mando sea proporcional al error y a su derivada, es decir el caso en que se tenga una acci on PD. La se nal de mando ser a, por lo dicho, u(t ) = K e + Kd quedando J y como e = r y J d2y dy de +f = Ke + Kd 2 dt dt dt (2.1) de dt

dy dr dy d2y +f = Kr Ky + Kd Kd 2 dt dt dt dt d2y dr dy + ( f + Kd ) + Ky = Kr + Kd 2 dt dt dt

(2.2)

al de error y por un impulso. La ecuaci on 2.1 muestra que el sistema es excitado ahora por la se n La consecuencia inmediata es que el efecto corrector (inversi o n del par motor) se aplica antes que cuando el control era s olo proporcional, como se muestra en la gura 2.3 a) y b) En efecto, con control proporcional solamente, el error cambia de signo en el punto f de la gura b) mientras que si la se nal de error es del tipo PD indicado, el cambio de signo se verica en el instante g de la al de salida llegue al valor de la gura d, es decir, el par corrector se aplica antes de que la se n de referencia. En consecuencia, la sobreoscilacio n ser a menor. La red PD tiene as un car acter anticipativo, ya que en cierta manera se anticipa a lo que va a ocurrir. Esta misma consecuencia se pone de maniesto en la ecuaci o n 2.2, que muestra la ecuacio n diferencial del sistema en bucle cerrado. En ella se aprecia que el coeciente de la primera derivada se ha incrementado en el valor Kd , es decir, el efecto ha sido aumentar la friccio n del sistema prim itivo y, por tanto, hacer que el conjunto tenga una respuesta temporal con menor sobreoscilaci o n. Por otro lado, tambi en en la ecuaci on 2.2 se aprecia que la parte no homog enea de la ecuaci on diferencial no es un escal on, sino un escal on, m as un impulso. Ello determina que el sistema responda m as r apidamente ya que no s olo es sensitivo a la referencia, sino que tambi en lo es a su variaci on. Todo se pone de maniesto observando las guras 2.4 De lo anterior se desprenden las dos caracter sticas esenciales de una acci on PD :

1. Disminuci on de la sobreoscilaci on 2. Disminuci on del tiempo de subida

20

Acci on proporcional m as derivada (PD).

y r

(a)
t e

(b)
f
de dt

(c)
t e + de dt

(d)
g y y r t

(e)
t
Figura 2.3: Compensaci on con PD.

Introducci on a los sistemas realimentados

21

respuesta a Kr

(a)
respuesta a Kd dr dt t

y respuesta a Kr + Kd dr dt r

(b)

t
Figura 2.4: Respuesta temporal con red PD.

22

Acci on proporcional m as integral (PI).

Estos efectos se han considerado para un caso particular y especialmente simple, el de un servomecanismo elemental de posicio n. Sin embargo son igualmente v alidos, en general, para cualquier tipo de sistema.

2.3 Acci on proporcional m as integral (PI).


al En este caso, la se nal de mando es la suma de un t ermino proporcional y otro integral, de la sen de error.
t

u(t ) = K e + Ki

e dt
0

Sea un sistema como el de la gura 2.5, al que se le ha incorporado una acci o n integral en paralelo con la acci on proporcional, es decir, se la ha dotado de una acci o n PI.
Ki + e K + + G(s)

Figura 2.5: Diagrama de un sistema con regulacio n PI Sup ongase que a dicho sistema, en un r egimen estacionario, se le aplica un par externo Pe sobre la carga, es decir, sobre el eje de salida. El sistema reaccionar a tratando de anular dicho par puesto que la aplicaci on del mismo, determina la aparicio n de un error, el cual alimenta al motor y le obliga a suministrar un par creciente con el tiempo. Si la acci o n de la red fuese s olo proporcional, es claro que el equilibrio se alcanzar a cuando el par generado por el motor fuese igual al aplicado externamente. Interesa ver con cierto detenimiento lo que ocurre cuando la acci o n de mando es del tipo PI. Para ello, en primer lugar, se establecen las ecuaciones que rigen la evoluci o n del sistema y que resultan ser d2y dy +f + Pe = Ke + Ki 2 dt dt
t

e dt
0

siendo Pe el par externo aplicado y e = r y Eliminado se tiene d2r d2e dr de J +f f = Ke + Ki 2 2 dt dt dt dt


t

Pe + J

e dt
0

Introducci on a los sistemas realimentados

23

Pe + J

d2e dr de d2r = J + K e + Ki + f +f 2 2 dt dt dt dt

e dt
0

Si la referencia es un escal on, se tendr a que

dr =0 dt

d2r =0 dt 2

En el r egimen permanente, cuando t , si la introduccio n del integrador no ha hecho inestable al sistema, se tendr a que

de =0 dt con lo cual,

d2e =0 dt 2

Pe = K e p + Ki

e dt
0

Como Pe es nito, la u nica forma de que se cumpla la ecuacio n anterior es que e p = 0 ya que en caso contrario, 0 edt . En consecuencia, el sistema reacciona eliminando el error en regimen permanente (e p ). Por lo dicho, una red PI mejora considerablemente el r egimen permanente, no s olo de una manera cuantitativa, sino esencialmente cualitativa por cuanto que cambia el tipo del sistema, es decir, no es que el sistema se mejore, sino que se convierte en otro, de caracter sticas distintas. La interpretaci on f sica del fen omeno es muy simple. La aplicacio n del par externo Pe , tiende al de referencia (gura a separar la posici on del eje de salida del valor en que la ha jado la sen 2.6.a). Ello trae consigo la aparicio n del consiguiente error (gura 2.6.b). Si la se nal de actuaci on sobre el sistema es proporcional al error, m as su integral, se aplica una se nal tal como la que se muestra en la gura 2.6.d. El feno meno que se produce entonces puede interpretarse diciendo que el par del motor empezar a a crecer hasta que vence al que se aplica exteriormente. La evoluci on del error y de la se nal de salida se muestran en las guras e) y f). al sobre el motor para que e Obs ervese como es el elemento integrador el que mantiene la se n ste venza al par exterior.

24

Acci on proporcional m as integral (PI).

r t
a)

e
b)

z t

edt
c)

e + edt
d)

edt
e)

z t

r
f)

Figura 2.6: Respuesta temporal a red PI

Tema 3

Descripci on de los sistemas din amicos


3.1 Transformaci on de Laplace
En esta secci on vamos a repasar la transformada de Laplace que suministra una herramienta de gran inter es para el estudio de los sistemas cuya descripcio n matem atica viene dada por ecuaciones lineales invariantes en el tiempo.

3.1.1

Denici on

El m etodo de la transformada de Laplace es un m etodo opcional que puede utilizarse con ventaja para la resoluci on de ecuaciones diferenciales lineales. La transformada de Laplace se dene como:
0

L [ f (t )] = F (s) =

f (t )est dt

f (t ) es una funci on del tiempo tal que f (t ) = 0 para t < 0, s = + jw una variable compleja y L un s mbolo operacional. La existencia de la transformada F (s) est a condicionada a la convergencia de la integral. Si existe una constante real y positiva tal que para > c , et | f (t ) | tiende a cero cuando t , mientras que para < c tiende a innito. El valor c recibe el nombre de abscisa de convergencia. La integral converge, y por tanto existe la transformada de Laplace, si la parte real de s, () es mayor que la abscisa de convergencia c . En t ermino de los polos de la funci on F (s), la abscisa de convergencia c , corresponde a la parte real del polo m as alejado hacia la derecha en el plano s. 25

26

Transformaci on de Laplace
A la funci on f (t ) se la conoce como la anti-transformada de Laplace, F (s) y se expresa as ,

f (t ) = L 1 [F (s)] En la tabla siguiente se tienen las transformadas de Laplace de las funciones m as usuales en autom atica.

Tabla de Transformadas de Laplace

Se nal Impulso Escalon Rampa Par abola Rampa de orden n Decrecimiento exponencial Onda sinusoidal Onda cosenoidal Sinusoide con decrecimiento exponencial Cosenoide con decrecimiento exponencial

f (t ) (t ) 1 (t 0) t (t 0) 2 t (t 0) t n (t 0) et sent cost t e sent et cost

F (s) 1
1 s 1 s2 2 s3 n! sn+1 1 (s+) (s2 +2 ) s (s2 +2 ) ((s+)2 +2 ) s+ ((s+)2 +2 )

3.1.2

Resumen de Propiedades

1. Linealidad: Si F1 (s) y F2 (s) son las transformadas de f 1 (t ) y f2 (t ), F1 (s) + F2 (s) es la transformada de Laplace de f 1 (t ) + f2 (t ), seg un se desprende de la denici on. 2. Derivaci on real: Si L [ f (t )] = F (s), entonces

L
En efecto, como F (s) =
0

d f (t ) = sF (s) f (0) dt

f (t ) est , realizamos la integraci on por partes haciendo 1 est dt = est y dv = est dt s vdu

u = f (t ) ; du = f (t ) dt ; v =

u dv = uv por lo que resulta,

f (t ) e
0

st

f (t )est dt = s

1 est f (t )dt = s

Descripci on de los sistemas din amicos

27

F (s) = luego:

f (0) 1 + s s

f (t ) est dt ,

pero
0

f (t ) est dt = L f (t )

L f (t ) = sF (s) f (0) c.q.d.


3. Integraci on real: Si L [ f (t )] = F (s),

L
Si en la expresi on F (s) =
0

t 0

f () d =

F (s) + s

f (0) dt s

f (t ) est dt se hace: u = est ; du = sest dt v= f (t ) dt ; dv = f (t )dt

se tiene que,

F (s) =
0

f (t )est dt = est

f (t )dt
0

sest

f (t )dt dt =

f (0)dt + s
0

f (t )dt est dt ;

y como
0

f (t )dt est dt = L F (s) + s

f (t )dt =

L
4. Teorema del valor nal:

f (t )dt =

f (0)dt c.q.d. s

Hay veces en que hechas las operaciones precisas con la ecuaci o n transformada, interesa conocer el valor de la funci on f (t ) cuando t , que en el caso de un servosistema, corresponder a al r egimen permanente. El procedimiento consistir a en hallar la antitransformada y hacer que t . El procedimiento es laborioso y resulta mucho m as c omodo vericar el valor de la variable sobre la propia ecuaci on transformada. Supondremos que existe L [ f (t )] y L [ f (t )] y demostraremos que,
t

lim f (t ) = lim sF (s)


s0

Sabemos que

28

Transformaci on de Laplace

f (t )est dt = sF (s) f (0)


s0

haciendo que s 0 (3.1)

lim

f (t )est dt = lim [sF (s) f (0)]


s0 t

pero lim

s0

f (t )est dt =

f (t )dt = lim
0

t 0

f ()d =

= lim [ f (t ) f (0)]
t

y sustituyendo en 3.1, se tiene, lim [ f (t ) f (0)] = lim [sF (s) f (0)]


s0

y como f (0) no depende de t ni de s, queda, lim f (t ) = lim sF (s) c.q.d.


s0

5. Teorema del valor inicial: Si lo que nos interesa conocer del sistema es su comportamiento cuando t 0, que corresponder a en un servosistema a conocer su comportamiento transitorio, se puede hallar tambi en sobre la ecuaci on transformada, ya que
t 0

lim f (t ) = lim sF (s)


s

Al igual que antes, en la expresio n

L f (t ) =

f (t )est dt = sF (s) f (0) hacemos que s

s 0

lim

f (t )est dt = lim [sF (s) f (0)]


s

y como el primer miembro es cero, lims sF (s) = lims f (0) = f (0) ya que f (0) no depende de s y como f (0) es limt 0 f (t ) quedar a
t 0

lim f (t ) = lim sF (s) c.q.e.


s

6. Integral de Convoluci on: Sean F1 (s) = L [ f1 (t )] El producto de ambas, y F2 (s) = L [ f2 (t )]

Descripci on de los sistemas din amicos

29

F1 (s) F2 (s) = =

0 0

f1 (t )est dt
0

f2 ()es d = (3.2)

f1 (t ) f2 ()es(t +) dt d

(3.3)

Haciendo el cambio de variables, t = uv = v el Jacobiano de la transformacio n vale, t, )= u, v


t u u t v v

v = u = t +

J(

1 1 0 1

=1

Como t > 0, u > v luego v variar a de 0 a u. La ecuaci on 3.3 queda

u 0

F1 (s) F2 (s) = =

0 0

f1 (u v) f2 (v)esu dv du =
u

f1 (u v) f2 (v)dv esu du

luego F1 (s) F2 (s) = L


u 0

f1 (u v) f2 (v) dv

La expresi on encerrada en el corchete se conoce como integral de convoluci o n y representa la antitransformada del producto de dos transformadas.

3.1.3

Calculo de antitransformadas

Con el c alculo de antitransformadas se pretende determinar a partir de la transformada de Laplace F(s) la correspondiente antitransformada; es decir,

f (t ) = L 1 [F (s)]

30 La transformada posee s olo polos reales y simples

Transformaci on de Laplace

Sup ongase que el denominador de la funcio n de la que se quiere hallar la antitransformada, F (s), es de la forma d (s) = (s + p1 )(s + p2 ) . . . (s + pn ) de modo que los diferentes pi son reales y diferentes entre si. En tal caso la funcio n F (s) admite una descomposici on en fracciones simples de la forma F (s) = n(s) a1 a2 an = + +...+ d (s) s + p1 s + p2 s + pn

los coecientes ai reciben la denominaci on de residuos de F (s) en s = pi . Multiplicando los dos miembros de la expresi on anterior por (s + pi ) y haciendo s = pi se tiene ai = n(s)(s + pi ) d (s)

s= pi

puesto que se sabe, de la tabla de transformadas, que ai = a i e pi t (s + pi )

L 1 =

se tiene que f (t ) = a1 e p1t + a2 e p2t + . . . an e pnt En esta expresi on se pone de maniesto que a cada pi se asocia una funci on (una trayectoria o un comportamiento) de la forma e pit . Estas funciones reciben la denominacio n de modos naturales del sistema. Se dice que un modo natural es asint oticamente estable si pi 0. Ejemplo Sea la transformada de Laplace F (s) = (s + 3) (s + 1)(s + 2)

se tiene que los residuos resultan ser a1 = a2 = luego (s + 3) (s + 2) (s + 3) (s + 1) =2


s=1

s=2

= 1

f (t ) = 2et e2t t 0

Descripci on de los sistemas din amicos


La transformada posee polos complejos

31

Supongamos ahora que la transformada de Laplace posee un par de polos complejos conjugados p1 y p on en fracciones simples tomar a la forma: 1 . En tal caso la descomposici n(s) 1 s + 2 a3 an = + +...+ d (s) (s + p1 )(s + p s + p3 s + pn 1)

F (s) =

Si se multiplican los dos miembros de esta expresio n por (s + p1 )(s + p 1 ), y se hace s = p1 , se tendr a: n(s)(s + p1 )(s + p 1) d (s)

(1 s + 2 )s= p1 =

s= pi

Esta expresi on permite determinar 1 y 2 igualando partes reales e imaginarias. Para hallar la antitransformada correspondiente al t ermino asociado al par complejo basta recordar que: = et sent L1 ((s + )2 + 2 )

L1
En concreto, si se supone:

s+ = et cost ((s + )2 + 2 )

p1 = a + j y p 1 = a j se tendr a

1 s + 2 1 s + 2 = = (s + p1 )(s + p ) ( s + a + j)(s + a j) 1 s+a (2 1 a) + 1 2 2 ((s + a) + ) ((s + a)2 + 2 )

Ejemplo Sea la transformada de Laplace F (s) = (s + 1) s(s2 + 2s + 2)

32 Se tiene: a3 = (s + 1) (s2 + 2s + 2)
s=0

Transformaci on de Laplace

1 2

Por tanto, F (s) = = = De donde se tiene, f (t ) = 1 1 1 t e cost + et sent t 0 2 2 2 11 1 s 2 2 s 2 s + 2s + 2 11 1 s 2 s 2 (s + 1)2 + 1 1 s+1 1 11 1 + 2 2 s 2 (s + 1) + 1 2 (s + 1)2 + 1

La transformada posee polos multiples Sup ongase que una de las ra ces del polinomio del denominador de la transformada de Laplace es m ultiple. Por ejemplo, sup ongase que la ra z p1 tiene multiplicidad r. En tal caso el denominador admitir a la descomposici on: d (s) = (s + p1 )r (s + p2 ) . . . (s + pn ) En tal caso, la transformada de Laplace admite la descomposici o n: n(s) br a2 an br1 b1 = + +...+ + +...+ r r 1 d (s) (s + p1 ) (s + p1 ) s + p1 s + p2 s + pn

F (s) =

Si se multiplican los dos miembros de esta expresio n por (s + p1 )r se tendr a: br = Obs ervese que (s + p1 )r F (s) = br + br1 (s + p1 ) + . . . + b1 (s + p1 )r1 + derivando esta expresi on con respecto a s se tiene d [(s + p1 )r F (s)] = br1 + 2br2 (s + p1 ) . . . + (r 1)b1 (s + p1 )r2 + ds d an (s + p1 )r d a2 (s + p1 )r +...+ ds s + p2 ds s + pn a2 (s + p1 )r an (s + p1 )r +...+ s + p2 s + pn n(s)(s + p1 )r d (s)

s= p1

Descripci on de los sistemas din amicos


y haciendo en esta expresi on s = p1 se tiene d [(s + p1 )r F (s)]s= p1 = br1 ds Derivando de nuevo con respecto a s y procediendo an alogamente se tiene

33

br2 = En general se tendr a

1 d2 [(s + p1 )r F (s)]s= p1 2 ds2

br j =

1 dj [(s + p1 )r F (s)]s= p1 j! ds j

Ejemplo Sea F (s) = que se descompone F (s) = Se tendr a b3 = [s2 + s + 2]s=1 = 2 b1 = 1 Por tanto F (s) = De donde se tiene, f (t ) = (t 2 t + 1)et 2 1 1 + (s + 1)3 (s + 1)2 (s + 1) b2 = [2s + 1]s=1 = 1 b2 b1 b3 + + (s + 1)3 (s + 1)2 (s + 1) s2 + s + 2 (s + 1)3

3.2 Noci on de sistema din amico.


Uno de los conceptos b asicos empleados en autom atica es el de sistema. En el lenguaje ordinario se entiende por sistema una coleccio n de objetos unidos por cierta forma de interaccio n o interdependencia. En el contexto de la autom atica el concepto de sistema adquiere un signicado m as preciso.

34

Noci on de sistema din amico.

Consid erese un objeto f sico, , por ejemplo un motor el ectrico, al cual aparecen asociadas una serie de magnitudes, como pueden ser su velocidad de giro, la intensidad que alimente el inducido, etc. Desde el punto de vista que interesa en autom atica lo que conviene de son las relaciones matem aticas entre las distintas magnitudes m1 (t ), m2 (t )...mn (t ) que se asocian a dicho objeto f sico. Estas relaciones constituyen un objeto abstracto, por abstracci o n de unas caracter sticas de un objeto f sico. En autom atica los objetos f sicos que intervienen son tales que las magnitudes f sicas que a ellos se asocian se pueden clasicar en dos grupos:

1. magnitudes cuyo valor puede ser variado directamente desde el exterior del objeto f sico, que reciben el nombre de se nales de entrada, de control, de mando o est mulos; y 2. magnitudes cuyo valor puede ser medido pero cuya variaci o n es indirecta, a trav es de las se nales de entrada, y que reciben el nombre de sen n o respues ales de salida, de observacio tas.

ales de salida se emplea y(t ), Para denotar a las se nales de entrada se emplea u(t ) y para las sen siendo, en general, u(t ) e y(t ) vectores. ales Se entiende por sistema el objeto abstracto formado por las relaciones que ligan las se n u(t ) e y(t ). Un sistema se presenta en forma esquem atica como se hace en la gura 3.1, representaci on que recibe el nombre de diagrama funcional del sistema. Denido as un sistema representa una formalizaci on del uso vulgar de este t ermino.

u(t)

Figura 3.1: Sistema din amico

y(t)

El problema de la representaci on matem atica de los sistemas se reduce a encontrar la forma matem atica, bien sea una ecuaci on o, de forma m as general, un algoritmo, que permita generar los pares de se nales u(t ), y(t ) que denen el sistema. Las se nales u(t ) e y(t ) pueden registrarse o bien de una manera continua en el tiempo, o bien de una forma discontinua, es decir tomando medidas cada cierto intervalo de tiempo. En el primer caso se tienen los llamados sistemas en tiempo continuo y en el segundo los sistemas en tiempo discreto. Estos u ltimos tienen un particular inter es pr actico cuando se emplean computadores puesto que estas m aquinas trabajan de una forma discreta.

Descripci on de los sistemas din amicos

35

3.3 Formas de las relaciones entrada-salida en sistemas.


Se ha indicado en la secci on 3.2, que un sistema est a formado por las relaciones matem aticas que liga las se nales u(t ) e y(t ) que lo denen. En esta seccio n se van a considerar algunas formas ales u(t ) e y(t ) en tipos de sistemas comu matem aticas de las relaciones que ligan a las sen nmente encontrados en la pr actica. Sin embargo, en el resto de estos apuntes so lo se estudiar a una de las clases consideradas en esta seccio n. Una posible primera clasicacio n elemental de las relaciones que ligan a las se nales de entrada y salida de los sistemas, es en sistemas est a ticos y sistemas din amicos.

3.3.1

Sistemas est aticos.

El caso m as simple de relaci on entre las se nales u(t ) e y(t ) es aqu el en que e sta se reduce a una ecuaci on alg ebrica. Por una consideraci on elemental de realizabilidad f sica es claro que en tal caso se podr a escribir: y(t ) = F {u(t )} (3.4) en donde, para los casos de inter es pr actico F{.} es una funci on uniforme. Los sistemas que admiten esta forma de representacio n reciben el nombre de sistemas esta ellos en ticos, y son aqu los que el valor que toma la se nal de salida y(t ), en un cierto tiempo t depende exclusivamente del valor tomado por la se nal de entrada u(t ) en dicho instante de tiempo t, y no de los valores tomados por u(t ) en el pasado. Los sistemas l ogicos combinacionales, constituyen un ejemplo de sistemas est a ticos denidos ales de entrada u(t ) y salida y(t ) toman sus valores del conjunto por la propiedad de que las sen nito U = Y = {0, 1}. Para la representacio n matem atica de los sistemas l ogicos combinacionales ales se recurre a tablas en las que se indican para cada combinaci o n posible de los valores de las sen ales de salida. Desde un punto de vista matem de entrada, los correspondientes de la sen atico estas tablas constituyen una de las formas m as simples de representar una funcio n.

3.3.2

Sistemas din amicos

Normalmente las relaciones que ligan las magnitudes f sicas que denen un sistema no son ecuaciones algebraicas, que conducen a sistemas est aticos, sino ecuaciones diferenciales. Ello es debido a que la mayor parte de las leyes de la f sica se expresan por medio de esta clase de ecuaciones. Aqu se considerar an exclusivamente las ecuaciones diferenciales de la forma, dny dy dnu + ... + a + a ( t ) y = b ( t ) + ... + bn (t )u n 1 n 0 dt n dt dt n (3.5)

llamadas ecuaciones diferenciales lineales. El hecho de limitarse a esta clase de ecuaciones diferenciales es debido a:

36

Formas de las relaciones entrada-salida en sistemas.


1. s olo para esta clase de sistemas es posible establecer, en la actualidad, una teor a que sea a la vez general y simple; y 2. al menos en una primera aproximacio n, gran parte de los sistemas encontrados en la pr actica admiten esta forma de representacio n.

Cabe considerar que la teor a de sistemas lineales es a la teor a de sistemas no-lineales, como la geometr a eucl dea es a las formas de geometr a no-eucl dea. Es sabido que la geometr a eucl dea es un u til de un inter es pr actico incuestionable; lo mismo sucede con la teor a de los sistemas lineales. Otra relaci on entre la entrada y salida de un sistema es la que presentan las ecuaciones en diferencias nitas. De ellas las que mayor inter es tienen son, por consideraciones semejantes a las realizadas m as arriba respecto a las ecuaciones diferenciales lineales, las ecuaciones en diferencias nitas lineales cuya forma general es, y(t + n) + ... + am1 y(t + 1) + am y(t ) = b0 u(t + n) + ... + bn1 u(t + 1) + bm u(t ) (3.6)

Los sistemas descritos por las ecuaciones en diferencias nitas son sistemas en tiempo dis creto, en los que la escala de tiempos toma so lo una serie de valores discretos. Esta forma de relaci on se presenta en aquellas aplicaciones en las que se emplean computadores. Por u ltimo cabe recordar como otra forma de relacio n entre las se nales de entrada y salida de un sistema la que ofrecen los diagramas de estados de los circuitos l o gicos secuenciales (o, m as general, de los aut omatas). En dichos diagramas se ten a representada la evoluci on de las se nales de entrada u(t ) y de salida y(t ) de un sistema cuya caracter stica adicional es que las se nales de entrada y de salida s olo podr an tomar sus valores de un conjunto nito. Los sistemas descritos por ecuaciones diferenciales, por ecuaciones en diferencias nitas, o por diagramas de estados reciben la denominacio n de sistemas din amicos y en ellos el valor tomado por la se nal de salida y(t ), en un cierto instante de tiempo t depende del valor tomado por u(t ), no s olo en el instante t (como suced a en los est aticos), sino en todos los instantes anteriores a t . En ellos, por lo tanto, la consideracio n del tiempo juega un papel esencial. De ah la denominaci on de din amicos. Obs ervese que los sistemas est aticos pueden considerarse como una forma particular y degenerada de los din amicos por lo que son estos u ltimos los u nicos que se consideran en lo que sigue. En estos apuntes no se tratar an expl citamente, los sistemas l ogicos secuenciales. No obstante si e stos son lineales son susceptibles de ser estudiados con las t ecnicas aqu desarrolladas. Sin embargo, ello no se har a aqu de forma expl cita. La forma de representaci on de los sistemas din amicos por ecuaciones diferenciales, o por ecuaciones en diferencias nitas, no tiene inter es pr actico para el desarrollo de la autom atica. Para el estudio de los sistemas din amicos se han desarrollado dos formas peculiares de representaci o n, que son la descripci on externa y la descripci on interna que se pasan a estudiar a continuacio n.

Descripci on de los sistemas din amicos

37

3.4 Descripci on externa de los sistemas dina micos.


Puesto que las se nales que denen un sistema din amico son las de entrada u(t ) y las de salida y(t ) interesa disponer de una relacio cita directa entre ambas. Esta relacio n la suministra la n expl descripci on externa que se dene por una funcio n de entrada-salida F tal que hace corresponder al de entrada u en un cierto intervalo (t0 , t ), el valor al conjunto de valores tomados por la sen tomado por la salida y(t ) en el instante t . Formalmente se puede escribir, y(t ) = F (u[t0 , t ]) (3.7)

en donde F (.) es un funcional, es decir una funcio n cuyo argumento lo constituye el conjunto de valores tomados por u(t ) en el intervalo (t0 , t ). Desde el punto de vista de la descripcio n externa un sistema din amico lineal se dene cono aquel que cumple la propiedad de linealidad, en virtud de la cual,

F (1 u1 [t0 , t ] + 2 u2 [t0 , t ]) = 1 F (u1 [t0 , t ]) + 2 F (u2 [t0 , t ]) en donde 1 , 2 son n umeros reales arbitrarios. Esta propiedad recibe tambi en, impropia mente, la denominaci on de principio de superposicio n. Habitualmente se emplean dos formas de descripcio n externa: la respuesta impulsional y la funci on de transferencia.

3.4.1

Respuesta impulsional.

Una forma de escribir la soluci on a una ecuaci on diferencial como la de la expresio n (3.5) es la siguiente:
t

y(t ) =

en donde h(t , ) recibe el nombre de respuesta impulsional del sistema. La expresi o n (3.8) es una forma de descripci on externa de un sistema din amico ya que corresponde al caso de una funcio n l neal. La respuesta impulsional de un sistema puede tener las siguientes propiedades: 1. Propiedad de causalidad o realizabilidad, en virtud de la cual un efecto no puede preceder a una causa, lo que implica que h(t , ) = 0 para t <

h(t , )u()d

(3.8)

2. Propiedad de estabilidad, en virtud de la cual la estabilidad del sistema exige la convergencia de (3.8), lo que se traduce en lim h(t , ) = 0
t

38

Descripci on externa de los sistemas din amicos.


3. Propiedad de estacionaridad, en virtud de la cual el sistema es invariante con el tiempo, lo que se traduce en que h(t , ) = h(t , 0) = h(t ) Ejemplo: Sea el sistema din amico descrito por la ecuaci on diferencial,

dy + ay = bu dt En donde a y b son dos n umeros reales. La soluci on de esta ecuaci on de la forma de la expresi on (3.8) es la siguiente,

y(t ) =

ea(t ) b u()d

En donde la respuesta impulsional h(t , ) = bea(t ) , es claro que cumple las propiedades de causalidad, estabilidad y estacionaridad. La respuesta impulsional admite un signicado adicional muy preciso. Sup o ngase un sistema con una sola entrada y una sola salida. Supo ngase, adem as, que dicho sistema se somete a la siguiente se nal de entrada: u(t ) = (t1 ) en donde (t ) es la funci on de Dirac. En tal caso se tiene que, y(t ) = h(t , t1 ) si el sistema no es estacionario o y(t ) = h(t t1 ) si el sistema es estacionario. En la gura 3.2 se muestra la respuesta impulsional del sistema del ejemplo anterior. De lo anterior se desprende que la respuesta impulsional de un sistema es determinable experimentalmente en la medida en que se pueda realizar f sicamente una se nal de entrada u(t ) = (t ). Es sabido que esta u ltima no tiene signicado f sico, pero sin embargo se pueden concebir aproximaciones aceptables. Debe a nadirse que en la pr actica como realmente se miden las respuestas impulsionales es por las t ecnicas de correlaci on que no se van a tratar aqu . Para sistemas multivariables, con m entradas y p salidas, la respuesta impulsional es una matriz, de dimensi on p m, cuyo t ermino hi, j representa la respuesta del i-esimo canal de salida, cuando se aplica una entrada u(t ) = (t ) al canal j-esimo, siendo nulas el resto de las entradas.

Descripci on de los sistemas din amicos

39

y(t)

Figura 3.2: Respuesta Impulsional

3.4.2

Funci on de transferencia.

Para los sistemas lineales estacionarios existe una forma de descripci o n externa muy empleada en la pr actica: la funci on (matriz) de transferencia. Se puede denir la funcio n de transferencia como la transformada de Laplace de la respuesta impulsional de un sistema.

H (s) =
0

h()es d

(3.9)

Aplicando la transformaci on de Laplace a la expresi on (3.8), para el caso de un sistema estacionario, se tiene Y (s) = H (s) U (s) (3.10) ales de entrada en donde Y (s) y U (s) son, respectivamente, las transformadas de Laplace de las se n y salida. En la pr actica la funci on de transferencia se determina directamente a partir de la ecuaci o n diferencial. Un punto muy importante a considerar es que esta determinaci on se hace suponiendo ales u(t ) e y(t ). condiciones iniciales nulas para las sen Ejemplo: Sea el sistema descrito por la ecuacio n diferencial,

dy d2y + a1 + a2 y = bu 2 dt dt La transformada de Laplace de los distintos t erminos de la ecuaci on es la siguiente,

40

Sistemas de control realimentados

s2Y (s) + a1 sY (s) + a2Y (s) = bU (s) Con lo que se tiene,

Y (s) b = H (s) = 2 U (s) s + a1 s + a2 es decir que la transformaci on de Laplace de la respuesta impulsional es la funcio n de transferencia. Para el caso de sistemas multivariables con m entradas y p salidas la funci o n de transferencia se convierte en una matriz cuyo t ermino Hi j representa el cociente entre la transformada de Laplace al de de la se nal de salida que se obtiene por el canal i y la transformada de Laplace de la se n ales de entrada. entrada que se aplica al canal j, supuestas nulas las otras se n

3.5 Sistemas de control realimentados


Un sistema de control realimentado se representa esquem aticamente como se indica en la gura 3.3. Sobre este esquema vamos a recordar una serie de conceptos que consideramos de inter e s.

r(t ) +

 e @ -@ @ @  6m

u K

y(t ) G(s)

H (s)

Figura 3.3: Sistema de Control realimentado

al de Cadena directa o de acci on, es la que une los elementos comprendidos entre la se n error y la de salida. Ambas se nales est an relacionadas por la expresio n, Y (s) = KG(s) E (s) siendo G(s) la funci on de transferencia del sistema considerado.

Descripci on de los sistemas din amicos

41

Cadena de realimentaci on, es la que une la se nal de salida con la de informacio n m(t ), que ales se relacionan as es comparada con la de referencia. Ambas sen , M (s) = H (s) Y (s) En este caso H(s) es la funci on de transferencia de la cadena de realimentacio n. Se llama bucle abierto, al conjunto de elementos que constituyen todo el sistema, si este se al de entrada fuese e(t ) y la de salida m(t ). abriese por el punto m(t ), es decir, como si la sen La funci on de transferencia del conjunto as dispuesto ser a M (s) = KG(s)H (s) E (s) ales Se llama bucle cerrado, al sistema conectado como se indica en la gura 3.3. Las se n y(t ) y r(t ) se relacionan por la conocida fo rmula, f acil de deducir, KG(s) Y (s) = R(s) 1 + KG(s)H (s) al de actuaci Obs ervese que, en este caso, la sen on sobre el sistema es proporcional a la se nal de error. Se trata pues de un control proporcional (P). El valor de la ganancia K del amplicador ser a, por tanto, un par ametro susceptible de ser variado de acuerdo con las necesidades del problema. En lo que sigue se supondr a siempre que la cadena de realimentacio n es unitaria, con lo que el esquema fundamental quedar a de la forma que se indica en gura 3.4 y quedando la funci on de transferencia en bucle cerrado reducida a Y (s) KG(s) = R(s) 1 + KG(s) Naturalmente en este caso cadena de accio n y bucle abierto son dos conceptos coincidentes. Por el hecho de introducir una compensacio n sobre el bucle antes mencionado, el esquema se modica de alguna manera, como se muestra m as adelante. Se distinguen dos tipos de compensaci on: Compensaci on en serie: Cuando el elemento corrector se coloca en cascada, en la cadena de acci on; y Compensaci on por realimentaci on: Cuando el elemento corrector constituye una segunda cadena de realimentaci on, en el bucle de control. Los esquemas b asicos para uno y otro caso se muestran, respectivamente, en las guras 3.5 y 3.6. Como ya se ha indicado, en el caso de la compensaci o n en serie, la red correctora se coloca en cascada con los elementos de la cadena de accio n, y delante del amplicador para que el nivel de potencia a que trabaje sea el del error, es decir, bajo.

42

Sistemas de control realimentados

r(t ) +

 e -@ @ @ @  6m

u K

y(t ) G(s)

Figura 3.4: Sistema de Control realimentado unitariamente

r(t ) +  e

 6 m

u Gr (s)

u K

y(t ) G(s)

Figura 3.5: Compensaci on en serie

r(t ) +  e 

-@ @ @ -@ @ @ @ @   6 6 m

u K

y(t ) G(s)

Gr (s)

Figura 3.6: Compensaci on por realimentaci on

Tema 4

Modelado y Simulaci on
4.1 Modelado de sistemas
En anteriores temas se ha visto que un sistema din amico se caracteriza porque su estado evoluciona con el tiempo y que adem as se puede representar mediante ecuaciones matem aticas, que toman la forma de ecuaciones diferenciales, en el caso de ser sistemas continuos, o de ecuaciones en diferencias, en el caso de sistemas discretos. Pero no se debe perder de vista que los sistemas din amicos son sistemas concretos, sean reales o imaginarios, que pueden ser sistemas f sicos, biol ogicos, econ omicos, etc. Todos ellos tienen ciertas magnitudes asociadas que evolucionan en el tiempo, por ejemplo la posici o n de un cuerpo en el caso de un sistema f sico, o el n umero de individuos de una poblacio n bacteriana en un cultivo en el caso de un sistema biolo gico, o bien el valor de unas acciones en el mercado de la Bolsa en el caso un sistema econo mico. Resulta de inter es obtener una forma de caracterizar las magnitudes asociadas al sistema en cuesti on con el n de estudiar su comportamiento (an alisis) o bien reproducir el comportamiento que va a tomar e ste bajo ciertas condiciones (simulacio n). Este procedimiento se denomina mod elado de un sistema. El sistema se puede caracterizar en forma de expresiones matem a ticas (mod elado matem atico) o bien mediante reproduccio n a escala del sistema (modelado a escala). Esta u ltima t ecnica es muy utilizada en campos como la aeron autica, en las que los fen omenos implicados son muy complejos y adem as permite la reproducci on de los sistemas en laboratorio. La teor a de sistemas est a basada en la descripci on matem atica de los sistemas din amicos, por lo que en lo sucesivo se asimila el modelado de un sistema a la obtenci o n de e sta. Se denomina modelo de un sistema al conjunto de expresiones matem aticas que caracterizan la evoluci on temporal de las magnitudes del sistema. Un modelo est a bien planteado cuando el n umero de expresiones matem aticas independientes que se obtienen es igual al nu mero de se nales del sistema que intervienen en e l. En un modelo, adem as de las se nales, est an involucrados los par ametros del sistema, que son 43

44

Modelado de sistemas

valores que lo caracterizan o distinguen de otro sistema semejante. A la hora de modelar sistemas reales, puede ser necesario obtener ciertos par ametros a partir de las se nales del sistema din amico real, con el n de que el modelo reproduzca lo m as elmente posible su comportamiento. Este procedimiento se denomina identicacio n de un sistema. Una vez identicado un sistema, el modelo obtenido se debe validar, comparando las magnitudes reales obtenidas con las resultantes del modelo.

4.1.1

Exactitud del modelo frente a su sencillez

Un modelo est a sujeto a errores y puede no representar exactamente el sistema. Para ilustrar este punto se va a tomar una serie de sistemas reales que son complejos.

El mercado de la Bolsa. En este sistema la discrepancia se puede deber a la existencia de una serie de magnitudes cuyo comportamiento no se puede conocer de una forma precisa, estando sujetas a probabilidad, como por ejemplo el car acter impredecible de las personas o de los mercados cuya evolucio n afecta al comportamiento de la bolsa. El tiempo atmosf erico. El error en el conocimiento de su evolucio n se puede deber al desconocimiento de algunas de las magnitudes que inuyen en el sistema o a la forma en la que e stas lo hacen, as como de la impredecibilidad de ciertos eventos, como terremotos, etc. Es decir, resulta imposible establecer un conjunto de expresiones que modelen la globalidad del sistema. El horno de una f abrica de yeso. En este caso se conocen los feno menos f sicos que intervienen en el proceso, pero resulta impensable obtener un modelo de todos los elementos que forman el sistema. Es decir, que es posible establecer las expresiones que modelan el sistema, pero resulta tan complejo en su formulacio n o bien en su utilizaci on que se desecha la posibilidad.

De esto se desprende que existen razones, ya sean de car acter pr actico o bien te orico, por las que el modelo no se aproxima con total precisio n al sistema que se quiere modelar. Por tanto un modelo de un sistema real siempre tiene asociado un grado de exactitud. En el modelado de sistemas es importante la ponderacio n entre la exactitud con la que el modelo es capaz de representar el comportamiento del sistema y la simplicidad de e ste, que facilita el tratamiento del mismo. Dependiendo del uso que se vaya a hacer del modelo, e ste se orienta hacia la exactitud o hacia la sencillez. Por ejemplo, en modelos destinados al an alisis del sistema, se suelen tomar sucientemente sencillos como para que sean tratables matem aticamente. Por el contrario, los modelos destinados a la simulaci on interesa que sean precisos, de cara a reproducir con la mayor abilidad el comportamiento del sistema que se pretende simular.

Modelado y Simulaci on

45

4.1.2

Modelo externo e interno de un sistema

El modelo de un sistema depende del tipo de magnitudes que intervienen en e l, que pueden ser:

Variables externas: Salidas. Entradas: Entradas manipulables. Perturbaciones Variables internas. Consid erese un sistema para proporcionar agua caliente en una instalaci o n dom estica. En este sistema, el agua se calienta en un depo sito aislado t ermicamente hasta alcanzar una cierta temperatura. El agua caliente y el agua fr a son conducidas por tuber as hasta el grifo donde se mezclan produciendo un solo caudal a una temperatura comprendida entre la que tiene la corriente ales que evolucionan en el tiempo: fr a y la que tiene la caliente. En este sistema existen varias se n la temperatura del agua a la salida del grifo, el caudal de salida, la apertura del grifo de agua fr a, el caudal de agua fr a, la apertura del grifo de agua caliente, el caudal de agua caliente o la temperatura del agua a la salida del termo. Para un usuario de esta instalaci o n, resulta de inter es el estudio del comportamiento de la temperatura a la salida del grifo, sin embargo para un encargado de mantenimiento de la instalacio n resulta de inter es la temperatura a la salida del termo, por al de salida ejemplo. Por tanto la decisi on de qu e se nal del sistema se considera como una sen depende del prop osito con el que se modela el sistema. Por otro lado existen una serie de entradas manipulables al sistema, como son las aperturas de los grifos del agua caliente y fr a, que se var an con el n de determinar el caudal y la temperatura ales cuya evoluci de la corriente de agua de salida que se desea. Existen otras se n on inuye sobre el sistema pero que no son manipulables por el ususario, como por ejemplo la presi o n del agua ales son perturbaciones al en la instalaci on o el caudal de gas que alimenta el termo. Estas sen sistema. El resto de se nales como el caudal de agua fr a, el de agua caliente, la temperatura a la salida del termo, etc. son se nales internas al sistema. El modelo de un sistema se hace con el n de obtener una representaci o n del comportamiento din amico del mismo. Sin embargo, parece razonable centrar la representaci o n sobre las salidas del sistema exclusivamente, dado que son e stas las se nales que resultan de inter es. Esta representaci on se denomina modelo externo del sistema o modelo entrada-salida. ales internas el modelo se denomina modelo interno del En el caso de que intervengan sen sistema y se obtiene de forma que las ecuaciones diferenciales que representan el sistema sean de ales que intervienen en el modelo son variables de estado, y su primer orden. En este caso las sen ales del sistema. conocimiento permite conocer la evolucio n de todas y cada una de las sen

46

Modelado de sistemas

En sistemas aut onomos, el modelo depender a tan s olo de las magnitudes internas o externas elegidas. Es decir, que partiendo de una determinada situaci o n inicial, el sistema evoluciona por s mismo a lo largo del tiempo. Por tanto, la trayectoria seguida por cada magnitud depender a exclusivamente de la situaci on inicial de la que parte (condiciones iniciales del sistema). Sin embargo en sistemas no aut onomos las magnitudes de entrada al sistema intervienen en el sistema, y por tanto aparecen en el modelo, sea e ste de tipo interno o externo. Por tanto, la trayectoria de cada magnitud asociada el sistema evolucionar a dependiendo de las condiciones iniciales del mismo y de los valores que tomen las magnitudes de entrada del sistema a lo largo del tiempo.

4.1.3

Modelos deterministas y no deterministas

Se dice que un modelo es determinista cuando se parte de la base de que el modelo es capaz de expresar de forma u nica la evoluci on del sistema. Es decir, que conocido el modelo de un sistema y las condiciones iniciales de las que parte, as como la evoluci on de las entradas (en el caso de sistemas no aut onomos), el sistema siempre evoluciona de la misma forma. Por el contrario, un modelo no determinista o estoc astico considera que intervienen factores aleatorios, imposibles de modelar ni predecir. Por tanto tan so lo se podr an modelar ciertas caracter sticas estad sticas de las magnitudes temporales del sistema, pero no la evoluci o n de las mismas, pues var an por la inuencia de eventos impredecibles. Segu n esto, ante unas mismas condiciones iniciales y magnitudes de entrada, el sistema evolucionar a cada vez de una forma de distinta, pero conservando una serie de caracter sticas comunes de tipo estad stico, que son las que se pueden modelar.

4.1.4

Modelos param etricos y no param etricos

Un sistema es una entidad compleja resultante de la integraci o n de sus partes en una unidad sustantiva. Por tanto, si se conoce el comportamiento de cada una de las partes que conforman el sistema y la forma c omo e stas se relacionan, se puede obtener un modelo del sistema. Este tipo de modelos se denominan modelos param etricos, pues dependen de los par ametros de las ecuaciones que denen el modelo de cada elemento del sistema. Para ilustrar este tipo de modelos, v e anse los propuestos en los sistemas de los temas 1 y 2. El modelo de cada elemento que forma el sistema viene dado por las denominadas ecuaciones de fen omenos elementales. A las ecuaciones que interrelacionan a los elementos entre s se denominan ecuaciones de balance del sistema. Sin embargo el sistema se puede modelar obteniendo expresiones matem aticas que relacionen magnitudes del sistema sin considerar ni las partes que forman el sistema ni la forma c o mo se integran en e ste. Este tipo de modelos se denominan modelos no param etricos o modelos de caja negra. En secciones posteriores se ver a c omo se obtienen modelos param etricos de sistemas f sicos, tales como sistemas mec anicos, el ectricos, t ermicos o hidr aulicos, describiendo en cada caso las ecuaciones de los fen omenos elementales m as t picos, as como las ecuaciones de balance.

Modelado y Simulaci on

47

4.1.5

Modelos con par ametros concentrados y distribuidos

Enunciados como: sea una masa puntual ..., consid erese una carga concentrada en un punto del espacio ..., etc. son frecuentes en cursos b asicos de F sica. Es notable sin embargo el hecho de que tales objetos no tienen existencia real. Los sistemas reales son por lo general de par a metros distribuidos. As , una resistencia es un trozo de material de longitud no nula, por lo que

La se nal el ectrica tarda cierto tiempo en atravesarla; es decir, la transmisi o n no es instant anea. Existe cierta inductancia y capacitancia; es decir, adem as de un valor R habr a que tener en cuenta unos valores de L y C.

Estos fen omenos son a menudo despreciados, considerando la resistencia como un elemento sin inductancia ni capacitancia que transmite instant aneamente los cambios en la intensidad que circula por ella. Los elementos idealizados de esta forma reciben el nombre de elementos de par ametros concentrados. Los modelos basados en par ametros concentrados son m as f aciles de desarrollar y usar que los de par ametros distribuidos, por lo que suelen ser el objeto de estudio de cursos b asicos de teor a de sistemas y control. Los modelos que tienen en cuenta que los objetos reales no tienen sus propiedades concentradas en un punto reciben el nombre de modelos de par ametros distribuidos, y son m as complejos que los de par ametros concentrados, por lo que so lo se usan cuando estos u ltimos no producen el resultado requerido.

4.2 Modelado de sistemas mec anicos


Un sistema mec anico es aqu el formado por cuerpos que var an su posici on ante la acci on de una serie de fuerzas. Como se sabe, un cuerpo r gido puede describir tres traslaciones y tres rotaciones independientes entre s . Se denomina grado de libertad a cada movimiento independiente que puede tener un s olido. Por tanto un cuerpo puede tener como m aximo 6 grados de libertad. Cada elemento que forma un sistema mec anico se modelar a por una serie de ecuaciones que determinan el movimiento descrito por el cuerpo en funci o n de las fuerzas que act uan sobre e l. Las ecuaciones de balance surgen de la aplicacio n de las leyes de Newton sobre cada uno de los elementos. El a rea de la F sica encargada del estudio del comportamiento din amico de los cuerpos es la Mec anica y est a fuera del alcance de este curso el profundizar en esta disciplina. Por ello se describen a continuaci on unos casos sencillos, pero que representan a un amplio espectro de sistemas mec anicos, en los que se muestra co mo se obtienen modelos din amicos.

48

Modelado de sistemas mec anicos

4.2.1

Sistemas mec anicos traslacionales

Un sistema mec anico en el que el movimiento de los cuerpos que lo forman se reduce a traslaciones en una misma direcci on se denomina sistema mec anico traslacional. Por tanto todos los cuerpos del sistema tienen un solo grado de libertad y sus movimientos describen trayectorias rec tas todas con la misma direcci on. En consecuencia, la posicio n de cada cuerpo viene dada por el desplazamiento que realiza en la direccio n del movimiento. Los elementos m as comunes que forman un sistema mec anico traslacional son los siguientes:

Masa m ovil

Una masa sometida a una fuerza experimenta una aceleraci o n como consecuencia de e sta. Aparece entonces una fuerza de reaccio n a la aceleraci on experimentada por el cuerpo denominada fuerza de inercia y cuya magnitud es directamente proporcional a la aceleraci o n del cuerpo y su sentido el contrario al de movimiento del cuerpo.

Fi(t)

F(t)

x
Figura 4.1: Esquema de una masa mo vil . La ecuaci on que rige el movimiento de este elemento es:

Fi (t ) = M

d 2 x(t ) = F (t ) dt 2

(4.1)

La constante de proporcionalidad M es la masa del cuerpo. N otese que la fuerza ejercida sobre el cuerpo no inuye directamente sobre la posici o n del cuerpo, si no sobre la aceleracio n que e ste experimenta. La aceleracio n produce un cambio en la velocidad con la que se mueve el cuerpo, y la velocidad produce a su vez una variaci o n en la posici on de e ste. Por tanto, conocida la fuerza resultante que actu a sobre un cuerpo, es necesario saber tanto la velocidad como la posicio n que tiene inicialmente el cuerpo para poder conocer el movimiento que e ste realizar a.

Modelado y Simulaci on
Resorte o muelle

49

Un resorte es un elemento el astico que ante la acci on de una fuerza se deforma variando su lon gitud. El resorte ejerce una fuerza que se opone a la fuerza impulsora que es funci o n de la defor maci on experimentada. Una vez que la accio n de la fuerza cesa, el resorte es capaz de recuperar su posici on original, gracias a su caracter stica el astica. Generalmente se supone que la relacio n entre la fuerza aplicada sobre el muelle y el desplaza miento que e ste experimenta es lineal. A este tipo de resortes se les denomina resortes lineales.

l natural

F(t)

l(t)

Figura 4.2: Esquema de un resorte o muelle. El modelo de este elemento viene dado por F (t ) = K (l (t ) lnatural ) (4.2)

La constante de proporcionalidad K se conoce como constante del muelle. Al desplazamiento del muelle se le denomina elongacio n. Se llama elongaci on natural lnatural a la longitud que tiene el muelle en ausencia de la accio n de la fuerza.

Amortiguador Un amortiguador es un elemento que se deforma bajo la acci o n de una fuerza ejerciendo una fuerza de reacci on que es funci on de la velocidad con la que el elemento se deforma. Elementos con rozamiento viscoso tienen este tipo de comportamiento.

F(t)

x(t)

Figura 4.3: Esquema de un amortiguador. Un amortiguador se denomina lineal cuando la fuerza de reacci o n a la deformaci on es propor cional a la velocidad de e sta.Su modelo viene dado por:

F (t ) = C

dx(t ) dt

(4.3)

50

Modelado de sistemas mec anicos


Siendo C la constante de rozamiento viscoso y x(t ) la deformaci o n del elemento.

Modelos de sistemas mec anicos traslacionales Una vez conocidos los modelos de todos y cada uno de los elementos que forman el sistema, el modelo del sistema completo surge de la aplicacio n de las leyes de Newton. La segunda ley de Newton indica que la suma de las fuerzas aplicadas a un cuerpo, incluyendo las fuerzas de inercia es nula.

F (t ) = 0

(4.4)

Se debe tener en cuenta que tanto las fuerzas como los desplazamientos son magnitudes vec toriales. Esto quiere decir que no so lo inuye el valor que toma la magnitud, si no su direcci o ny sentido. En el caso de sistemas traslacionales la direccio n de todas las magnitudes est a restringida a la direcci on del movimiento, por tanto es el sentido del vector el que hay que tener en cuenta a la hora de plantear las ecuaciones de balance. Ejemplo Para ilustrar c omo obtener las ecuaciones que modelan un sistema mec anico, se va a tomar como ejemplo el sistema de la gura 4.4, que consiste en un sistema aut o nomo formado por dos masas puntuales sin rozamiento unidas entre s por un muelle y una de ellas unida a la pared ja.


x1 K1 K2 M1 M2
Figura 4.4: Ejemplo de un sistema traslacional. Las ecuaciones de de las fuerzas que intervienen en cada una de las masas son las siguientes:

x2

1. Fuerzas ejercidas sobre la masa M1:

Fi1 = M 1 Fm11

Fm21 = K 2(x2 x1 l2n )

d 2 x1 dt 2 = K 1(x1 l1n )

Modelado y Simulaci on

51

Fi1 Fm11 M1
Figura 4.5: Balance de fuerzas sobre el cuerpo M1 siendo Fi1 la fuerza de inercia de la masa 1, Fm11 la fuerza que el muelle 1 ejerce sobre la masa 1, y Fm21 la fuerza que el muelle 2 ejerce sobre la masa 1. 2. Fuerzas ejercidas sobre la masa M2:

Fm21

Fi2 Fm22 M2
Figura 4.6: Balance de fuerzas sobre el cuerpo M2

Fi2 = M 2 Fm22

d 2 x2 dt 2 = K 2(x2 x1 l2n )

siendo Fi2 la fuerza de inercia de la masa 2 y Fm21 la fuerza que el muelle 2 ejerce sobre la masa 2.

Aplicando la segunda ley de Newton a cada cuerpo se llegan a las siguientes ecuaciones:

Fi1 + Fm11 Fm21 = 0 Fi2 + Fm22 = 0

d 2 x1 + K 1(x1 l1n ) K 2(x2 x1 l2n ) = 0 dt 2 d 2 x2 M 2 2 + K 2(x2 x1 l2n ) = 0 dt M 1

Estas son las dos ecuaciones que modelan el comportamiento del sistema. N o tese que dado que el sistema tiene 2 grados de libertad, son necesarias dos ecuaciones independientes para modelar su comportamiento. N otese adem as que el modelo es un modelo param etrico, pues depende de par ametros que denen el comportamiento de cada elemento del sistema. En este caso los par ametros son M 1, M 2, K 1, K 2, l1n y l2n .

52

Modelado de sistemas mec anicos

4.2.2

Sistemas mec anicos rotacionales

Se denominan sistemas mec anicos rotacionales a aqu ellos en los que los cuerpos que forman el sistema realizan rotaciones en el mismo plano, es decir, que los ejes de rotaci o n de todos los cuerpos son paralelos. En estos sistemas, los giros realizados por los cuerpos var an por la acci on de los pares de fuerzas ejercidos sobre ellos. El movimiento de cada cuerpo que forma el sistema viene caracterizado por el giro que el cuerpo experimenta. Por tanto es el a ngulo girado por el cuerpo el u nico grado de libertad que e ste posee.

Momento de inercia Un cuerpo de masa M sometido a un par de fuerzas experimenta un movimiento de rotaci o n tal que el par de fuerzas de inercia cancela el par que lo impulsa. (t ) PSfrag replacements J T (t )

Figura 4.7: Giro de un cuerpo con un momento de inercia J . Por tanto la ecuaci on que rige el comportamiento de este elemento viene dada por: d2 = T (t ) dt 2

(4.5)

Siendo el a ngulo girado por el cuerpo, T el par aplicado sobre e ste y J su momento de inercia. Este par ametro est a relacionado con la masa del cuerpo y su geometr a. La acci on del par sobre el cuerpo no afecta directamente sobre la posici o n del cuerpo, sino sobre la aceleraci on angular que e ste experimenta. La posici on angular del cuerpo depender a pues de las condiciones de velocidad y posicio n de las que parta.

Muelle de torsi on Es un elemento el astico que se deforma ante la accio n de un par. El elemento se opone a ser girado desarrollando un par de reaccio n proporcional al a ngulo girado por e ste al deformarse. La ecuaci on que rige el comportamiento de este elemento es la siguiente: K ( o ) = T (t ) (4.6)

Modelado y Simulaci on
PSfrag replacements T (t ) (t )

53

Figura 4.8: Esquema de un muelle de torsio n Siendo K la constante de torsi on del muelle y o el a ngulo del muelle en estado de reposo.

Amortiguador Un amortiguador es un elemento que se deforma bajo la acci o n de un par creando un par de reacci on que es funci on de la velocidad angular con la que el elemento se deforma. Elementos con rozamiento viscoso tienen este tipo de comportamiento. B T (t ) (t )

PSfrag replacements

Figura 4.9: Esquema de un amortiguador de rotacio n La ecuaci on que rige el comportamiento de este elemento es la siguiente:

d (t ) = T (t ) dt

(4.7)

Siendo B la constante de rozamiento viscoso en el giro.

Engranajes Un engranaje es un dispositivo que transmite el movimiento giratorio de un eje a otro, transfor mando las propiedades de e ste, tales como el a ngulo girado o el par aplicado al eje. Generalmente los engranajes se componen de dos ruedas dentadas que engranan entre s transmitiendo la energ a de un eje a otro. Otros dispositivos de acoplamiento de ejes como por correas de transmisi o no cadenas son asimililables a engranajes.

54

Modelado de sistemas mec anicos

La relaci on entre el a ngulo girado por cada eje es igual a la relacio n entre los radios de las ruedas dentadas, en caso de no existir deslizamiento u holguras entre ellas. Dado que el n u mero de dientes que tiene una rueda (N ) es directamente proporcional a su radio (R), es habitual referirse ae stos en vez de utilizar los radios. Por tanto: 2 R1 N1 = = 1 R2 N2

(4.8)

En la gura 4.10 se muestra un engranaje de ruedas dentadas. Los a ngulos girador por cada eje son proporcionales, pero el sentido del giro de cada eje se invierte por efecto del engranaje. En un engranaje ideal, no hay p erdida de energ a por rozamiento, transmiti endose toda la energ a mec anica de un eje a otro. Seg un esto T1 2 N1 = = T2 1 N2

1 T1 = 2 T2 PSfrag replacements 1 T1

(4.9)

R1 2

T2

R2 Figura 4.10: Esquema de un engranaje.

Modelos de sistemas mec anicos rotacionales Una vez conocidos los modelos de todos y cada uno de los elementos que forman el sistema, el modelo del sistema completo surge de la aplicacio n de las leyes de Newton. La segunda ley de Newton, expresada en forma de pares de fuerzas, indica que la suma de los pares aplicados a un cuerpo, incluyendo los pares de inercia, es nula.

T (t ) = 0

(4.10)

Al igual que en el caso de sistemas traslacionales, a la hora de establecer las ecuaciones del modelo del sistema se debe tener en cuenta el sentido de los pares de fuerzas, ya que son magnitudes vectoriales. Ejemplo

Modelado y Simulaci on PSfrag replacements

55

En la gura 4.11 se muestra un sistema tal que sobre un eje con un momento de inercia J1 y una constante de fricci on B1 se aplica un par motor T (t ). Este eje est a conectado mediante un engranaje de relaci on N1 /N2 = R1 /R2 a otro eje que acciona una carga cuyo momento de inercia es J2 , con una constante de fricci on B2 . T (t ) B1 J1 2 R2 Te2 B2 J2 1 Te1 R1

Figura 4.11: Ejemplo de sistema mec anico rotacional Sea 1 el a ngulo girado por el eje 1 respecto a la posicio n de reposo del mismo, y sea 2 el an alogo en el eje 2. Ecuaciones de balance sobre el eje 1: T J1 d 1 d 2 1 B1 Te1 = 0 2 dt dt (4.11)

Ecuaciones de balance sobre el eje 2: Te2 J2 Ecuaci on de balance en el engranaje: 1 N2 = 2 N1 Te1 N1 = Te2 N2 Sustituyendo la ecuaci on (4.13) en la ecuaci on (4.12) de balance del eje 2 se tiene N1 d 2 1 N1 d 1 B2 =0 N2 dt 2 N2 dt (4.13) (4.14) d 2 d 2 2 B2 =0 2 dt dt (4.12)

Te2 J2

(4.15)

Teniendo en cuenta la ecuacio n (4.14) y sustituyendo la ecuacio n anterior en la ecuaci on (4.11) de balance del eje 1, se llega a: d 1 N1 N1 d 2 1 N1 d 1 d 2 1 B J 2 + B2 1 2 2 dt dt N2 N2 dt N2 dt

T J1

=0

56 Operando se obtiene

Sistemas hidr aulicos

T J1 +

N1 N2

J2

d 2 1 N1 B1 + 2 dt N2

B2

d 1 =0 dt

De esta ecuaci on se desprende que una carga de momento de inercia J2 unida a un eje 2 que est a conectado a otro eje 1 mediante un engranaje de relaci o n N2 /N1 , es equivalente a una carga en el eje 1 con un momento de inercia J2 torsi on del eje.
N1 N2 2

. Esto es extensible al fen omeno de fricci on y

4.3 Sistemas hidr aulicos


Son aquellos sistemas en los que se produce una circulaci o n de l quido a lo largo de los elementos que forman el sistema bajo la accio n de diferencias de presi on. Los caudales de l quido y la diferencia de presiones son las magnitudes que se pretenden modelar. Las ecuaciones de balance surgen de la ley de conservacio n de masa.

4.3.1

Dep osito

Un dep osito es un elemento que, alimentado por un caudal de entrada, es capaz de acumular l quido, suministr andolo en un caudal de salida. Como efecto de la acumulaci o n de l quido, e ste se encuentra sometido a una presio n hidrost atica que en el fondo del depo sito es proporcional a la altura del l quido en el mismo. El modelo de un dep osito prism atico de secci on S es el siguiente:

dV (t ) = qneto (t ) dt p(t ) = pa + g h(t ) V (t ) = S h(t )

(4.16)

Siendo V (t ) el volumen de l quido contenido en el dep osito, h(t ) la altura del l quido en el dep osito, qneto (t ) el caudal de l quido neto que entra en el depo sito , p(t ) la presi on hidrost atica en el fondo del dep osito, es la densidad del l quido, S la secci on del dep osito, pa la presi on atmosf erica y g la constante gravitatoria. Normalmente se trabaja con presiones relativas ( p(t ) n atmosf erica pa . pa ), desapareciendo de los modelos la inuencia de la presi o

Modelado y Simulaci on

57

4.3.2

Tuber a y v alvula

Estos dos elementos se analizan conjuntamente por tener un modelo semejante. Por una tuber a (o por una v alvula) circula un caudal de l quido tal que la ca da de presi on a lo largo del elemento es proporcional al cuadrado del caudal circulante. Esta ca da de presi on se debe a la fricci on del l quido con las paredes del elemento. El modelo de estos elementos es el siguiente:

q(t ) = K p

p1 (t ) p2 (t )

(4.17)

Siendo q(t ) el caudal de l quido que circula a lo largo del elemento del punto de mayor presi o n p1 (t ) al de menor presi on p2 (t ). El par ametro K p es la constante de fricci on del elemento. En el caso de una tuber a este par ametro depende de su luz y del material del que est a hecha y es constante para una tuber a dada. Sin embargo en el caso de una v alvula, esta constante depende de la geometr a de la v alvula y de su apertura, de forma que cuanto m as cerrada est e la v alvula, mayor ser a la fricci on que e sta produce, y por tanto menor ser a la constante K p. Generalmente se considera la constante de friccio n proporcional al porcentaje de apertura de la v alvula.

4.3.3

Modelos de sistemas hidr aulicos

Estos modelos surgen de la aplicacio n de las ecuaciones de balance sobre el sistema. En este caso las ecuaciones de balance vienen dadas por la ley de conservaci o n de masa, por la cual la masa del l quido que entra en un elemento es igual a la masa del l quido que sale m as la cantidad de l quido que se acumula. Ejemplo El sistema est a formado por dos dep ositos interconectados entre s . El primer dep osito se llena con un caudal de entrada Qe (t ). Al estar los dep ositos conectados entre s , pasa el agua del dep osito 1 al 2, llen andose tambi en e ste. El dep osito 2 se vac a mediante un conducto de forma que esta descarga se debe a la presio n del agua en e ste dep osito. El sistema se ilustra en la gura 4.12 Las ecuaciones que rigen el comportamiento del sistema son las siguientes:
1 A1 dh dt dh2 A2 dt Qi (t ) Qs (t )

= Qe (t ) Qi (t ) = Qi (t ) Qs (t ) = Kh1 h 1 h2 = Kh2 h2

Siendo Qi (t ) el caudal de l quido que circula del dep osito 1 al 2, Qs (t ) el caudal que sale del

58 Qe

Modelado de sistemas el ectricos

PSfrag replacements h1 Qi h2 Qs

Figura 4.12: Sistema de dos depo sitos interconectados dep osito 2, A1 y A2 el a rea del dep osito 1 y 2 respectivamente y Kh1 y Kh2 las constantes de fricci on de las tuber as.

4.4 Modelado de sistemas el ectricos


Los sistemas el ectricos, o circuitos el ectricos, est an formados por una serie de elementos interconectados entre s por los que circula una intensidad el ectrica que da lugar a una ca da de potencial el ectrico en el mismo. La energ a potencial es la que impulsa la corriente el ectrica, que pierde energ a al paso por un elemento. Esta energ a se transforma en energ a electrost atica, magn etica o bien t ermica. Dado que en todo elemento el ectrico debe circular una intensidad, e stos deben tener al menos dos puntos de conexi on con el circuito o nodos. Adem as los elementos se deben conectar entre s formando bucles, es decir, de forma que no existan nodos de alg u n elemento sin conexi on con otro. Existe una analog a clara entre los sistemas el ectricos y los hidr aulicos. En e stos el l quido circula a trav es de los elementos accionado por la diferencia de presi o n en el l quido. En los sistemas el ectricos es la intensidad (que no deja de ser un caudal de electrones) la que circula a trav es de los elementos accionada por la diferencia de potencial. Las fuentes el ectricas son semejantes a las fuentes de l quido que surten al sistema hidr aulico. Las ecuaciones de balance surgen al aplicar las Leyes de Kirchoff al sistema. A continuaci o n se detallan los elementos m as comunes de este tipo de sistemas.

4.4.1

Resistencia

Es un elemento tal que al circular una intensidad por e l, e sta disipa energ a calor ca (efecto Joule) produciendo una ca da de potencial. La ecuaci on del modelo de la resistencia viene dado por la

Modelado y Simulaci on
ley de Ohm, que se expresa de la siguiente forma:

59

i(t ) =

V (t ) R

(4.18)

Siendo V (t ) la diferencia de potencial a la que se somete la resistencia, i(t ) la intensidad que circula y R la resistencia del elemento. i(t ) PSfrag replacements V (t )

Figura 4.13: Esquema de una resistencia el ectrica Este elemento es an alogo a una tuber a en un sistema hidr aulico.

4.4.2

Condensador

Es un elemento que al someterse a una diferencia de potencial, se genera una intensidad propor cional a la variaci on de la diferencia de potencial. La ecuacio n del modelo de este elemento es:

dV (t ) i(t ) = dt C

(4.19)

Se denomina al par ametro C capacidad del condensador. i(t )

PSfrag replacementsV (t )

Figura 4.14: Esquema de un condensador el ectrico El condensador es an alogo a un dep osito en un sistema hidr aulico.

60

Modelado de sistemas el ectricos

4.4.3

Bobina

Es un elemento que al someterse a una diferencia de potencial se genera una variaci o n en la intensidad que circula por e ste proporcional a la diferencia de potencial. Las bobinas almacenan energ a el ectrica en forma de energ a magn etica. La ecuaci on del modelo es la siguiente:

V (t ) = L

di(t ) dt

(4.20)

Siendo L la constante de autoinduccio n de la bobina. i(t )

PSfrag replacementsV (t )

Figura 4.15: Esquema de una bobina el ectrica

4.4.4

Fuente

Es un elemento que crea una diferencia de potencial, de forma tal que, al conectarla a elementos el ectricos, se genera una intensidad, que aporta energ a el ectrica al circuito. Es por tanto un elemento activo. i(t ) PSfrag replacements V (t ) +

Figura 4.16: Esquema de una fuente el ectrica de corriente continua Si la diferencia de potencial generada es constante a lo largo del tiempo, la fuente de denomina fuente de corriente continua. Por el contrario, si la diferencia de potencial toma la forma de una onda senoidal se denomina fuente de corriente alterna.

Modelado y Simulaci on

61

4.4.5

Motores de corriente continua

Son dispositivos el ectricos que transforman la energ a el ectrica en energ a mec anica de rotaci on (es decir que accionan una carga rotacional con un determinado par a una determinada velocidad angular) mediante la creaci on de campos magn eticos. El motor consta de dos partes: una ja llamada armadura o est ator y otra m ovil denominada rotor. El eje motor se encuentra unido solidariamente a la parte m o vil del motor, es decir, al rotor. En el interior del motor existen dos circuitos el ectricos que inducen dos campos magn eticos: el cir cuito de la armadura y el circuito de campo. La alimentaci o n principal del motor es la del circuito de armadura, por el que circula la intensidad de armadura i a (t ). Esta crea un campo magn etico que al interactuar con el campo generado por el circuito de campo, produce un movimiento relativo entre ellos. As se crea una ca da de potencial en el circuito de la armadura denominada fuerza contraelectromitriz y que es proporcional a la velocidad angular del eje (velocidad relativa de los dos campos). Es claro que tambi en se debe alimentar el circuito de campo, aunque es frecuente que este circuito se sustituya por un im an permanente, que produce un campo de intensidad constante, dando lugar a los denominados motores de im an permanente. Ra La ia (t )
ic ( t)

PSfrag replacements V (t ) Vce (t )

Figura 4.17: Esquema de un motor de corriente continua Las ecuaciones que modelan un motor son: Va (t ) = Ra ia + La d dt T (t ) = K ia ic Vce = Kce dia + Vce dt (4.21)

Siendo ia (t ) y Va (t ) la intensidad y tensi on (respectivamente) del circuito de la armadura, Vce la fuerza contraelectromotriz, (t ) el a ngulo girado por el eje motor y T (t ) el par con el que e ste gira, K es la constante del par motor, Kce es la constante contraelectromotriz, ic (t ) la intensidad que circula por el circuito de campo y Ra y La son la resistencia y la inductancia del circuito de la armadura.

62

Sistemas t ermicos

El motor de corriente continua suele funcionar de dos modos: accionado por armadura o por campo. El funcionamiento por armadura es el m as com un y se utiliza cuando la intensidad de campo es constante o bien se sustituye el circuito de campo por un im an permanente. En este caso, variando la tensi on (o bien la intensidad) del circuito de la armadura, se controla la velocidad del eje motor. N otese que en este caso el par generado por el motor ser a proporcional a la intensidad de la armadura ia (t ), de forma que T (t ) = Kr ia (t ). En el funcionamiento por campo, es la intensidad de campo la que se var a para controlar la velocidad del motor, manteni endose constante (de alguna forma) la intensidad de armadura. Este procedimiento es m as complejo, y por lo tanto menos extendido, que el anterior.

4.4.6

Modelos de sistemas el ectricos

Las ecuaciones de balance de este tipo de sistemas se expresan mediante las leyes de Kirchoff. Estas leyes se enuncian de la siguiente forma:

1. La suma de las intensidades que entran en un nodo es igual a la suma de las intensidades que salen. 2. La suma de las diferencias de potencial entre los nodos de los elementos que forman un bucle es nula.

Ejemplo En temas anteriores se han formulado modelos de circuitos. En el apartado 2.4 del tema 2 se propone modelar un circuito (v ease la gura 2.4 del tema 2) y se obtienen las ecuaciones correpondientes aplicando las ecuaciones de los elementos y las leyes de Kirchoff.

4.5 Sistemas t ermicos


Se denominan sistemas t ermicos a aquellos sistemas cuyos elementos var an su estado termodin amico (temperatura, presi on, densidad, entalp a, entrop a, etc.) bajo la acci on de aportes o transferencias de calor. Un ejemplo de sistema t ermico puede ser el termo para calentar agua en las instalaciones dom esticas. Este sistema pretende calentar un caudal de agua que circula a trav es de e l mediante el aporte de calor fruto de la combustio n de gas. El estado termodin amico de un elemento var a por la transferencia de calor con otro elemento del sistema o con el ambiente. La transferencia de calor puede realizarse mediante una serie de mecanismos que se detallan a continuacio n.

Modelado y Simulaci on

63

4.5.1

n Transferencia de calor por conduccio

Esta transferencia de calor se produce entre elementos que est an en contacto. El calor uye a trav es del que tiene mayor temperatura al que tiene menor. La cantidad de calor que uye de un se modela considerando que es directamente proporcional a cuerpo a otro por unidad de tiempo Q la diferencia de temperatura entre ellos.

= Kcond (T1 T2 ) Q

(4.22)

Siendo Kcond la constante de conducci on de calor por un cuerpo, que depende de la supercie de contacto y de las caracter sticas de los cuerpos. Cuando se calienta un cuerpo mediante una fuente de calor, por ejemplo, un metal en una fragua, se produce este mecanismo de transferencia de calor. El calor pasa de la fuente, en este caso las brasas, al metal que se encuentra en contacto con ellas.

4.5.2

n Transferencia de calor por conveccio

Esta transferencia de calor se produce entre elementos que est an a distintas temperaturas, pero el mecanismo de la transferencia tiene asociado el movimiento de un uido. Por ejemplo, cuando se enfr a un cuerpo caliente introduci endolo en una corriente de agua fr a, el enfriamiento del cuerpo se produce porque el calor se transere del cuerpo con mayor temperatura al caudal de agua que est a a menor temperatura, transportando el caudal de agua la energ a substra da al cuerpo caliente. El modelo de este tipo de transferencia viene dado por la siguiente ecuaci o n:

= Kconv (T1 T2 ) Q

(4.23)

Siendo Kconv la constante de convecci on un par ametro que depende del movimiento del uido que interviene en la transferencia y de la supercie de contacto.

4.5.3

n Transferencia de calor por radiacio

Es un fen omeno por el cual un cuerpo con una determinada temperatura emite una radiaci o n electromagn etica. De esta forma, libera energ a cal orica trasri endola a otros cuerpos. La trans ferencia de calor entre cuerpos mediante este mecanismo, se produce por la exposici o n de uno de los cuerpos a la radiaci on emitida por el otro. El modelo de este fen omeno viene dado por:

64

Sistemas t ermicos

= Krad (T1 4 T2 4 ) Q

(4.24)

Siendo la contante de radiaci on Krad un par ametro que depende de la geometr a, de la posici on relativa y de las propiedades de los cuerpos.

4.5.4

Modelos de sistema t ermicos

Los modelos de sistemas t ermicos surgen de la aplicaci on de las ecuaciones de balance de masa y de energ a al conjunto de los elementos. Las ecuaciones de balance de masa son an alogas a las que se aplican para modelar sistemas hidr aulicos, y expresan que la masa de un producto que entra en un elemento es igual a la masa del producto que sale de e ste m as la masa que se acumula en el sistema. Por otro lado las ecuaciones de conservacio n de la energ a indican que la cantidad de calor que se aporta a un elemento menos la cantidad de calor que e ste desprende es igual a la cantidad de calor acumulado por e ste. A la diferencia entre la cantidad de calor aportado y la cantidad de calor desprendido se denomina la cantidad de calor neto. Estas ecuaciones se pueden expresar de la siguiente forma:

d (m Ce T ) aportado Q desprendido = Q neto =Q dt

(4.25)

Siendo m la masa del elemento sobre el que se realiza el balance, y Ce el calor espec co del elemento. Este par ametro depende de la naturaleza del elemento. Ejemplo Vamos a ver c omo se obtiene el modelo de un sistema formado por una caldera que contiene un l quido que se calienta con una fuente de calor, por ejemplo un quemador de gas. Adem a s el l quido est a en contacto con el ambiente, a una temperatura Ta , con el que intercambia calor. Las transferencias de calor que se ven implicadas son la que se produce entre el l quido y el ambiente y el aporte de calor por la combustio n. La primera de ellas se produce por conveccio n, por lo que la ecuaci on de la transferencia de calor es: la = Kconv (Tl Ta ) Q Siendo Tl la temperatura del l quido, Ta la temperatura del ambiente. La fuente de calor se modela como un aporte de la cantidad de calor por unidad de tiempo al l quido constante y de valor Q. Aplicando la ecuaci on de balance de energ a al l quido se tiene que : m Ce dTl neto = Q Q la = Q Kconv (Tl Ta ) =Q dt

Modelado y Simulaci on
Ta

65

Tl

PSfrag replacements

Figura 4.18: Calentamiento de un l quido en una caldera En esta ecuaci on la magnitud que nos interesa es la temperatura del l quido Tl (t ), cuya evoluci on y de la temperatura ambiental Ta . depende del calor aportado por la fuente de calor Q

4.6 Linealizaci on de modelos no lineales


Anteriormente se ha visto c omo la obtenci on de un modelo conduce generalmente a la representaci on del comportamiento del sistema mediante una serie de ecuaciones, generalmente ecuaciones diferenciales, en las que se relacionan entre s magnitudes del sistema, con derivadas de e stas respecto al tiempo. A continuacio n se tratar a con el modelo entrada/salida o descripcio n externa del sistema, pero todo el an alisis hecho es extensible a modelos internos del sistema. El modelo del sistema en su formulacio n entrada/salida tiene la forma de:

F(

d n yny dyny d m u1 d m unu dy1 du1 dunu d n y1 , y1 , ..., , yny , m , ..., , u1 , ..., , unu ) = 0 (4.26) , ..., , ..., , ..., n n dt dt dt dt dt dt dt m dt

Siendo y1 , ..., yny las salidas del sistema a modelar, y u1 , ..., unu las entradas al sistema. La funci on F () representa el conjunto de ecuaciones que relacionan las entradas con las salidas del sistema. Para que el sistema est e bien planteado, el n umero de ecuaciones debe ser igual al n umero de variables a determinar, en este caso las salidas del sistema, por tanto son necesarias ny ecuaciones. Sin p erdida de generalidad, y en aras de la sencillez en la exposici o n, supondremos en adelante que el sistema es monovariable, es decir, que tan so lo tiene una salida y una entrada. En este caso el modelo viene dado por la ecuacio n:

f(

dy d m u du dny , ..., , y, m , ..., , u) = 0 n dt dt dt dt

(4.27)

66

Linealizaci on de modelos no lineales


Seg un la forma que toma la funci on f se pueden clasicar los sistemas en:

Sistemas lineales: aqu ellos en los que la funci on f es una funci on lineal. Es decir, en los que la ecuaci on diferencial es una combinacio n lineal de las entradas y salidas y de sus derivadas.Por tanto toma la forma siguiente: dny d n1 y dy dmu d m1 u du + a + . . . + a + a y = b + b + . . . + bm1 + bm u 1 n 1 n 0 1 n n 1 m m 1 dt dt dt dt dt dt (4.28) Siendo (a1 , . . . , an , b0 , . . . , bm ) par ametros constantes del modelo lineal del sistema. La linealidad de los sistemas es una propiedad que les conere una serie de caracter sticas que los hace muy interesantes y que se detallar an en temas posteriores. Entre ellas se pueden destacar las siguientes: 1. Soluci on sencilla de las ecuaciones diferenciales. 2. Tratamiento sistem atico de sistemas (generalizaci on de resultados), utilizando por ejemplo su representaci on por funci on de transferencia. 3. Aplicaci on de potentes procedimientos de an alisis, como la transformada de Laplace o el an alisis frecuencial. Sistemas no lineales: aqu ellos en los que la funci on f es una funci on no lineal.

4.6.1

Punto de funcionamiento de un sistema

En los procesos industriales es habitual que el comportamiento del sistema evolucione en torno a un punto de funcionamiento. Es decir, en una situaci o n tal que las magnitudes del sistema evolucionan en torno a un valor constante. Por ejemplo, pi ensese en un dep osito que se llena constantemente con un caudal de entrada Qe y que descarga a trav es de una tuber a de forma que la descarga se produce por gravedad. Las ecuaciones del modelo son las siguientes: A dh(t ) = Qe Qs = Qe K dt h(t )

En el que A, el a rea del dep osito, es de 1m2 , h su altura y K la constante de friccio n de la 1 / 2 tuber a, de 10l /(min m ) . Se considera que el caudal de entrada Qe es constante con un valor de 10 l/min. En la gura 4.19 se muestra la evolucio n de la altura del dep osito y del caudal de salida partiendo de una situaci on inicial en la que el dep osito est a vac o. El sistema evoluciona hasta un punto en el que la altura del dep o sito permanece constante (en = 0). En este punto el caudal de salida es igual al caudal de entrada, es decir 10 consecuencia dh dt

Modelado y Simulaci on

67

altura del depsito ( m )

1 0.8 0.6 0.4 0.2 0 0 0.5 tiempo (s) 1 1.5

12

Caudal de salida ( l/min )

10 8 6 4 2 0 0 0.5 tiempo (s) 1 1.5

Figura 4.19: Evoluci on de la altura y del caudal de salida. l/min y la altura en la que se queda el depo sito es: Qs = Q e K ho = Q e h o = Qe K
2

= 1m

El sistema permanecer a en ese punto indenidamente hasta que no cambie el caudal de entrada. Esto quiere decir que el sistema est a en equilibrio. Al estado en el que el sistema permanece se denomina punto de equilibrio del sistema. En el funcionamiento normal del sistema se sabe que el caudal de entrada est a en torno a 10 l/min, por lo que la altura del depo sito evolucionar a hasta un valor en torno a 1 m y el caudal de salida en torno a 10 l/min (v ease la gura 4.20). Por tanto el sistema permanecer a normalmente en torno al punto de equilibrio antes calculado. Este punto se denomina punto de funcionamiento, y corresponde al estado en el que se considera que el sistema funciona normalmente. Este punto debe ser un punto de equilibrio.

4.6.2

Linealizaci on de un sistema din amico

Como ya se ha visto, el conjunto de ecuaciones que modelan el comportamiento din a mico de un sistema puede ser lineal o no lineal. Los sistemas lineales resultan convenientes por el hecho de su sencillez de tratamiento y an alisis. Dado que un sistema en su funcionamiento normal evoluciona en torno a un punto de funcionamiento, parece razonable pensar que el an alisis del sistema ser a m as sencillo si trat asemos de analizar el comportamiento del sistema alrededor de e ste, sin considerar c omo ser a fuera del rango en que va a evolucionar el sistema. Es bien sabido que una funci on no lineal se puede aproximar en un determinado rango por una funci on lineal. A este procedimiento se le denomina linealizaci o n de una funci on en torno a un

68
Caudal de entrada ( l/min )

Linealizaci on de modelos no lineales

11 10 9 0 0.5 tiempo (s) 1 1.5

altura del depsito ( m )

0.5

0.5 tiempo (s)

1.5

Caudal de salida ( l/min )

10

0.5 tiempo (s)

1.5

Figura 4.20: Evoluci on del caudal de salida y de la altura del depo sito ante variaciones en torno al punto de funcionamiento.

punto. Toda aproximaci on est a sujeta a un determinado error, asociado al rango de aproximaci o n. Cuanto mayor sea e ste, mayor ser a el error cometido por la aproximacio n. Extendiendo esto a sistemas din amicos, parece razonable aproximar el modelo no lineal del sistema por un modelo lineal en torno al punto de funcionamiento. Este modelo lineal aproximado guardar a las caracter sticas del sistema din amico en su evoluci on en el punto de funcionamiento y en el rango de variaci on del sistema en torno a e ste. Este modelo por ser lineal tiene todas las caracter sticas beneciosas de los sistemas lineales. Adem as, como toda aproximaci on, tiene asociado un error que se comete y que ser a tanto mayor cuanto mayor sea el rango de variacio n del sistema. A este procedimiento se le denomina linealizaci o n de un sistema.

C alculo del modelo lineal aproximado

Como es sabido el modelo de un sistema din amico monovariable en general viene dado por la ecuaci on (4.27) en la que, para simplicar la exposicio n, se va a denominar las variables del siguiente modo:

dny yn) , . . . , dt n dmu um) , . . . , dt m

dy y dt du u dt

Un procedimiento para linealizar una funcio n en torno a un punto es mediante un desarrollo en serie de Taylor de la funci on en ese punto. Seg un esto la funci on se puede aproximar por:

Modelado y Simulaci on

69

f yn) + f um)
0

(yn) yn) ) + . . . +
0 0

f y

(y y ]0 ) + f u
0

f y

(y y]0 ) +

(um) um) ) + . . . +

f u

(u u ]0 ) +

(u u]0 ) + O(2) = 0

ales en el punto de funcionamiento Siendo yn) ]0 , ..., y ]0 , y ]0 , y]0 los valores que toman dichas sen y O(2) los t erminos de orden superior, que se consideran despreciables en el modelo linealizado. Haciendo el cambio de variables siguiente:

u u]0 se tiene que :

y y]0

yn) yn)

n)

. . . y y ]0 um) um) y y]0


0

m)

. . . u u ]0 u u]0

y teniendo en cuenta que los t erminos de las derivadas parciales particularizadas en el punto de funcionamiento son constantes, haciendo las siguientes asignaciones:

f yn1) 0 f yn) 0

a1

. . .
f y 0 f yn) 0

an1

70
f y 0 f yn) 0

Linealizaci on de modelos no lineales

an

f um) 0 f yn) 0

b0

. . .
f u 0 f yn) 0 f u 0 f yn) 0

bm1

bm

se obtiene la siguiente ecuaci on

+ bm + an = b0 m) + b1 m1) + . . . + bm1 n) + a1 n1) + . . . + an1 que es la ecuaci on lineal del modelo linealizado del modelo no lineal en torno al punto de funcionamiento. Ejemplo Para ilustrar el procedimiento se va a linealizar el modelo del sistema del dep o sito visto anteriormente en torno a su punto de funcionamiento. El modelo del sistema es el siguiente: dh + K h Qe = 0 dt

En este caso, la salida del sistema, representada por y en el ep grafe anterior, es la altura del dep osito h, y la actuaci on o entrada al sistema, representada por u en el ep grafe anterior, es el caudal de entrada Qe . El punto de funcionamiento viene dado por los siguientes valores: Qe ]0 = 10 h]0 = 1 dh dt = 0
0

l /min m m/s

Modelado y Simulaci on
Haciendo el cambio de variables = h h]0 = = h1

71

= Qe Qe ]0

Qe 10

y calculando los coecientes del desarrollo en serie de Taylor de la ecuaci o n del modelo

f h f h f Qe

= A=1
0

=
0

K 2 h

=
0

10 =5 2 1

= 1

se obtienen los coecientes de la ecuacio n del modelo lineal. En este caso n = 1 y m = 0.


f h 0 f h 0

a0

5 =5 1 1 =1 1

b0 =

f Qe 0 f h 0

Se llega a la siguiente ecuaci on lineal: d + 5 = 1 dt

El modelo lineal aproxima el comportamiento del sistema en torno al punto de funcionamiento, de forma que, cuanto m as alejados estemos de este punto, m as error se cometer a en el comportamiento obtenido por este modelo, frente al no lineal. En la gura 4.21 se muestra el compor tamiento del modelo no lineal (l nea continua) y el del modelo linealizado (l nea a trazos). En e sta se muestra la evoluci on del caudal de entrada Qe al dep osito (v ease la gura 4.21 (a)). Durante un cierto periodo de tiempo el caudal de entrada var a en torno al punto de funcionamiento en 10 l/min. En este periodo el modelo no lineal y el linealizado representan pr acticamente el mismo comportamiento de la altura en el depo sito y del caudal de salida (v eanse las guras 4.21 (b) y (c)). Sin embargo, despu es se produce un cambio del caudal de entrada Qe evolucionando en torno a otro punto distinto, en este caso 5 l/min. Entonces se observa que el comportamiento de las magnitudes del sistema derivado del modelo no lineal diere en gran medida del derivado del modelo linealizado, tomando la altura incluso valores imposibles.

72
12 11
1.2

Simulaci on

11 10

modelo no lineal modelo lineal


1

modelo no lineal modelo lineal

Caudal de entrada Qe ( l/min )

altura en el depsito h ( m )
0 0.5 1 1.5 2 2.5 3 3.5 4

10

Caudal de salida Qs ( l/min )

0.8

0.6

0.4

0.2

5 4

0.5

1.5

2.5

3.5

0.2

0.5

1.5

2.5

3.5

tiempo ( s )

tiempo ( s )

tiempo ( s )

(a)

(b)

(c)

Figura 4.21: Comparaci on del comportamiento del modelo no lineal con el modelo linealizado

4.7 Simulaci on
El objeto del modelado de un sistema din amico es la obtenci on de una expresi on matem atica del comportamiento del sistema con el n de analizar su evoluci o n o bien, reproducir lo m as elmente posible la evoluci on de sus se nales. Ya sea para uno u otro n, es necesario calcular cu al va a ser la evoluci on de las se nales del sistema bajo unas ciertas condiciones iniciales y para unas entradas determinadas. A este procedimiento se denomina simulaci o n del sistema y es una herramienta fundamental en el estudio de sistemas din amicos. La evoluci on del sistema depender a de las condiciones iniciales de las que parte el sistema y, en sistemas no aut onomos, de sus se nales de entrada. La elecci on de las se nales de entrada que se utilizan para la simulaci on condiciona la evoluci on del mismo. Las se nales de entrada ales m pueden ser se nales de prueba, del tipo escalo n, impulso o rampa, o bien sen as realistas que imiten las condiciones de operacio n del sistema f sico. Las se nales de prueba se utilizan para comprobar y comparar la evolucio n del sistema de una forma sistem atica, deniendo par ametros que cuantican la idoneidad de la evolucio n de la se nal ante ese tipo de se nales de entrada. La simulaci on del sistema, si es sucientemente el al comportamiento del sistema real, permite un estudio de la inuencia de la variacio n de par ametros o de se nales de entrada o de sus condiciones iniciales, sobre el comportamiento de las magnitudes del sistema. En modelos matem aticos en forma de ecuaciones diferenciales, para obtener la evoluci o n temporal de las se nales es necesario integrar las ecuaciones diferenciales de e ste. Por tanto la simulaci on de este tipo de modelos se traduce en un procedimiento para integrar las ecuaciones diferenciales involucradas en el modelo. Esta tarea se puede llevar a cabo de dos formas distintas:

Anal ogica: Se desarrolla un circuito electro nico utilizando m odulos anal ogicos que realizan ciertas funciones, por ejemplo integradores o ganancias. Por tanto el circuito electr o nico obtenido es a su vez un sistema din amico cuya evoluci on es an aloga a la del modelo que se desea simular. El modelo matem atico se debe manipular para poder expresarlo utilizando tan s olo las funciones que realizan los mo dulos electr onicos. Cada uno de estos m odulos se realizan utilizando componentes electro nicos como resistencias, condensadores o ampli cadores. Los par ametros de e stos pueden no ser constantes, pues pueden variar por ejemplo

Modelado y Simulaci on

73

con el tiempo o con la temperatura del circuito. Esto hace que la respuesta din amica del cir cuito var e al variar e stos. Por tanto la precisi on de la simulaci on est a sujeta a la bondad de los componentes que intervienen en el circuito. Este problema, junto a la complejidad en su dise no y la poca exibilidad que la tecnolog a anal ogica permite, son las razones principales que han condicionado su uso para el c alculo, y en particular, para la simulacio n. Digital: Para la simulaci on se utiliza un computador digital, que tiene la propiedad de poder realizar un cierto procesamiento de informacio n (n umeros o caracteres) y generar un resultado. Esta tarea se lleva a cabo en forma de secuencia de operaciones b asicas, que constituyen un programa. Por tanto es posible realizar programas que resuelvan problemas de c alculo de una forma secuencial, es decir, como una secuencia de operaciones. Este tipo de algoritmos se denominan m etodos num ericos. La simulaci on se reduce pues a desarrollar un algoritmo o m etodo num erico que integre ecuaciones diferenciales y codicarlo en forma de programa. Una simulaci on del sistema bajo unas ciertas condiciones equivale a ejecutar este programa para unos datos de entrada determinados. Entre las caracter sticas principales de la utilizaci on del c alculo digital se encuentra el hecho de que la precisi on del resultado de la simulaci on es constante, y tan s olo depende del n umero de bits que utiliza el computador para codicar las cantidades num ericas. Tambi en es importante el hecho de que un computador es capaz de realizar cualquier tipo de programa, y ejecuciones del mismo para distintos datos de entrada.

4.7.1

M etodos num ericos de integraci on

Un m etodo num erico de integraci on consiste en un algoritmo iterativo que integra ecuaciones diferenciales. La integraci on anal tica de las ecuaciones diferenciales da como resultado la expresi on expl cita de las se nales que intervienen en ellas. Por ejemplo para el caso del modelo entrada-salida del sistema, la solucio n de la integraci on anal tica tiene la forma y = y(t ). Esta funci on depender a en general de los par ametros del modelo, de las condiciones iniciales del sistema as como de las se nales de entrada (y = y(t , u(t ), y0 , par ametros)). La integraci on anal tica es muy compleja y no siempre es posible de obtener para todos los sistemas. Tan s o lo se conocen m etodos de integraci on anal tica de ciertos tipos de ecuaciones diferenciales. En un m etodo num erico de integraci on, no se obtiene la expresi on anal tica de la se nal como al a lo largo del funci on del tiempo, sino que se obtiene una secuencia de valores que toma la se n tiempo. Al ser un m etodo iterativo, se discretiza el tiempo, de forma que se calcula en cada instante el valor que tomar a la se nal en funci on del valor que tomaba e sta, sus derivadas y las se nales de en trada en el instante anterior. Por tanto cada iteracio n del algoritmo corresponde al c alculo del valor aproximado que toma la se nal en un instante determinado en funcio n de los valores aproximados de las se nales obtenidas en iteraciones anteriores y (ti ) = F (y (ti1 ), , y (t1 ), y (t0 ), u(ti1 ), , u(t1 ), u(t0 ) ), obteni endose la evoluci on aproximada de la se nal hasta ese instante. Las iteraciones terminar an cuando se complete el intervalo de tiempo que se desea simular. El resultado de la simulaci o n es al en una secuencia de instantes por tanto una secuencia de valores aproximados que toma la se n determinados: t0 t1 t2 t f inal y (t0 ) y (t1 ) y (t0 ) y (t f inal )

74

Simulaci on

Al intervalo de tiempo que hay entre los instantes de la secuencia se denomina paso de in al se tegraci on. Como es razonable, cuanto menor sea e ste, m as cantidad de valores de la sen calcular an, y por tanto mayor ser a la precisi on con la que se obtienen los valores. El paso de inte graci on es por tanto un par ametro del m etodo de integraci on que es muy importante, y su eleccio n est a relacionada con las caracter sticas de las ecuaciones diferenciales del modelo. Si se elige un paso de integraci on grande, la aproximaci on de los valores num ericos obtenidos a los anal ticos ser a muy basta. Sin embargo, si se toma un paso de integraci o n muy peque no, el n umero de iteraciones del algoritmo es mucho mayor y adem as se incurre en errores de redondeo en el c alculo con el computador. Estos errores de redondeo se deben al hecho de que los computadores utilizan un n umero limitado de bits para representar los valores num ericos, y por lo tanto un n umero limitado de decimales en su resoluci on. Por tanto si los c alculos requieren un gran n umero de decimales, el error cometido por la p erdida de decimales debido a esta limitacio n es importante. Existen m etodos de integraci on en los que el paso de integracio n es constante, entre los que se encuentra el m etodo de Euler, y otros en los que el paso var a, eligi endose en cada instante en funci on de la evoluci on de la se nal hasta ese instante, entre los que se encuentra el m etodo de Runge-Kutta.

El m etodo de integraci on de Euler Para ilustrar este m etodo, se va a considerar un caso concreto. Sea la ecuaci o n dx dt = f(t ) con condici on inicial x(0) = x0 .Por tanto, en el instante de tiempo t = 0 se sabe que x(t ) = x 0 . Adem as se sabe que x(t ) x0 x(h) x0 t 0 t 0 h

x (0) = f (0) = lim

o. Es decir, que el valor de x(t ) en un instante tomando un valor h = t sucientemente pequen h pr oximo a cero es aproximadamente x(h) x0 + h f (0). Del mismo modo, para el instante 2h se puede escribir x(2h) x(h) + h f (h), como x(h) no es conocido se puede utilizar su valor aproximado x (h) = x0 + h f (0). Queda claro que de este modo se puede obtener una secuencia de valores aproximados {x (kh)}, k = 0, 1, 2, . No tese que este m etodo equivale a hacer una extrapolaci on lineal con la derivada en cada punto. Para ilustrar el m etodo de Euler se parte de la situacio n mostrada en la gura 4.22 (a). El eje horizontal representa la variable t , en el eje vertical se ha colocado el valor x(0) = x 0 . A partir de este punto se traza una recta con pendiente f (0). Sobre esta recta se halla el punto de abcisa h y ordenada x (h) = x0 + h f (0). La nueva situaci on es la mostrada en 4.22 (b): ahora se toma x (h) como punto de partida para trazar una nueva recta de pendiente f (h) y obtener sobre ella el punto de abcisa 2h y ordenada x (2h) = x (h) + h f (h). En la gura 4.22 (c) se muestra el resultado obtenido al repetir los pasos anteriores 50 veces con h = 0.1, siendo f (t ) = cos(t ) y x(0) = 0. Se observa que la soluci on proporcionada por la integracio n num erica es un conjunto de valores {x (kh)}, k = 0, 1, 2, 50. Estos valores se han representado uniendo mediante segmentos los puntos (kh, x (kh)), de forma que se obtiene una aproximaci o n mediante trozos rectos. En la citada gura se muestra tambi en con trazo punteado la solucio n exacta obtenida resolviendo dx dt = cos(t ), con x(0) = 0 que da como resultado x(t ) =sen(t ).

Modelado y Simulaci on
1

75

0.9

0.8

^ x(h)
^ x(h) x0

^ x(2h)

0.7

0.6

x0

0.5

0.4

0.3

0.2

t 0 h

t 0 h 2h

0.1

0.5

1.5

2.5

(a)

(b) Figura 4.22: El m etodo de Euler para integraci on num erica

(c)

A continuaci on vamos a ver c omo se aplica el m etodo de Euler a modelos entrada/salida de la forma que se expresa en la ecuacio n (4.27). Este modelo se puede poner de la forma siguiente:

dy = y dt dy = y dt . . . dyn1) = yn) dt yn) (t ) = g(yn1) (t ), ..., y (t ), y(t ), um) (t ), ..., u (t ), u(t )) Aplicando el m etodo de Euler a cada ecuacio n se obtienen las siguientes ecuaciones iterativas: y ((k + 1)h) = y (kh) + y (kh) h . . . yn1) ((k + 1)h) = yn1) (kh) + g([yn1) (kh), ..., y (kh), y(kh), um) (kh), ..., u (kh), u(kh)]) h Se puede observar que el valor de todas las magnitudes en el instante t = (k + 1)h dependen de valores de las magnitudes en el instante anterior t = kh. Esto hace que la integraci o n de las ecuaci on diferencial del modelo se pueda hacer mediante un algoritmo iterativo, en el que en cada iteraci on se calcula la evoluci on de las se nales del sistema tras un periodo de tiempo h. Este procedimiento termina una vez alcanzado el tiempo nal hasta el que se quiere simular el sistema. Ejemplo Consideremos un dep osito prism atico (secci on constante) alimentado por un caudal. Si u representa el caudal que llega al depo sito medido en metros c ubicos por segundo, y la altura del y((k + 1)h) = y(kh) + y (kh) h

76

Simulaci on

nivel medida en metros y A es la seccio n del dep osito en metros cuadrados, se tiene que la derivada del volumen de l quido es el caudal aportado. Puesto que el volumen es V = Ay y A es constante se tiene que A operando se obtiene que dy =y dt 1 y = u A (4.29) dy =u dt

Aplicando el m etodo de Euler se obtienen las ecuaciones iterativas:

y((k + 1)h) = y(kh) + y (kh) 1 y (kh) = u(kh) A (4.30)

El valor del nivel en el instante inicial y(0) es una condicio n inicial necesaria para la integraci on de la ecuaci on. Los valores tomados por la entrada son tambi en necesarios para calcular la evoluci on del nivel. El algoritmo iterativo para la integracio n es:

1. Asignar el valor inicial k 1. 2. Hacer: 2.1 Si k=1, se asigna el valor inicial yk y(0) si no, se calcula el nuevo valor yk yk1 + hdyk1 2.3 Calcular t kh
1 2.2 Calcular dyk A uk

2.4 Actualizar k k + 1 2.5 Si t t f inal , ir a 2

3. Fin del algoritmo.

En el algoritmo se obtiene como resultado unos vectores con los valores de la salida y de sus derivadas (en este caso denominados y y dy), en cada per odo de integraci on. El par ametro h del algoritmo es muy importante y su valor depende del comportamiento din amico del sistema, y por lo tanto de los par ametros de e ste. N otese que el algoritmo toma como datos de entrada el paso

Modelado y Simulaci on

77

0.5

0.5

0.5

y
0.4 0.4 0.4

u
0.3 0.3

u
0.3

u
0.2 0.2 0.2

y
0.1 0.1

y
0.1

0 2

10

0 2

10

0 2

10

a) A = 10m2 , y(0) = 0m

b) A = 5m2 , y(0) = 0m

c) A = 10m2 , y(0) = 0.2m

Figura 4.23: Tres experimentos de simulacio n realizados con el modelo de llenado de un depo sito. al de entrada en cada de integraci on h, las condiciones iniciales del sistema y(0), el valor de la se n instante uk y el tiempo de simulaci on t f inal . En la simulaci on del sistema se pueden plantear diversos experimentos:

Analizar la inuencia de la se nal u en la evoluci on de y. Para ello basta con proporcionar la ley u(t ) y usar el modelo para calcular el nivel. V ease gura 4.23 a). Analizar la inuencia de los par ametros. En este caso el u nico par ametro es la secci on del dep osito. La forma de proceder consiste en realizar varias simulaciones con valores de A diferentes, manteniendo iguales el resto de condiciones. V ease gura 4.23 b). Analizar la inuencia de los valores iniciales. La forma de proceder es similar al caso anterior. En cada experimento simulado se utiliza un valor inicial y(0) diferente. V ease gura 4.23 c).

4.8

Algebra de bloques

Como es sabido al modelar un sistema se obtienen una serie de ecuaciones diferenciales que pueden ser lineales o no lineales. En el caso de modelos no lineales es posible obtener un modelo lineal aproximado del modelo no lineal, v alido en un rango de variaci on de las magnitudes del sistema en torno al punto de funcionamiento. En consecuencia siempre es posible obtener un modelo lineal de un sistema din amico. El inter es de obtener este tipo de sistemas reside en la sencillez de tratamiento y an alisis de este tipo de modelos. Es frecuente que un sistema din amico que se pretende modelar est e formado por una serie de subsistemas no aut onomos interconectados entre s . Cada subsistema tiene una magnitud de entrada que excita al subsistema y una magnitud de salida que evoluciona en consecuencia. Al estar conectado con otros subsistemas, su salida afectar a a la entrada de alg un o algunos subsistemas

78

Algebra de bloques

perteneciente al mismo sistema o incluso a s mismo. A su vez su entrada estar a inuida por las salidas o entradas de otros subsistemas. Para un an alisis sistem atico de los modelos de los sistemas, e stos se suelen representar gr acamente, describiendo cada subsistema que lo forma mediante un bloque. Cada uno de ellos tiene una mag nitud de entrada y una magnitud de salida cuya evoluci o n es consecuencia de la accio n de la entrada sobre e l. Las se nales se representan por echas que indican cuyo sentido indican si son entradas o salidas( ver gura 4.24) .
entrada BLOQUE (subsistema) salida

Figura 4.24: Representaci on de un subsistema mediante un bloque En el caso de modelos lineales de los subsistemas, cada uno de e stos se puede modelar por una ecuaci on diferencial lineal. Utilizando la transformada Laplace para representar el modelo del sistema y sus magnitudes de entrada y de salida, cada bloque es equivalente a una funci o n de transferencia G(s), de forma que las magnitudes de entrada y de salida se representan por su transformada Laplace U (s) e Y (s) (v ease la gura 4.25) . La se nal de salida verica que Y (s) = G(s)U (s).
entrada U(s) salida

G(s)

Y(s)

Figura 4.25: Representaci on de un subsistema lineal mediante un bloque y la transformada Laplace Un sistema quedar a pues representado por una serie de bloques que est an interconectados entre s formando lo que se denomina el diagrama de bloques del sistema. Esta representaci o n resulta interesante por una serie de razones: Permite la obtenci on de las ecuaciones de todo el sistema o de parte de e l mediante una ales y los bloques que forman el diagrama. serie de operaciones que se realizan sobre las sen Estas operaciones dan lugar al a lgebra de bloques. Mantiene identicado cada subsistema, lo que permite introducir f acilmente cambios en el modelo del sistema. Permite visualizar de una forma sencilla las relaciones causa-efecto involucradas en el sistema. Facilita el an alisis del papel que juega cada subsistema en el comportamiento global del sistema

4.8.1

Operaciones sobre senales

Estas operaciones son:

Modelado y Simulaci on

79

1. Bifurcaci on: Representa la conexi on de varios subsistemas que tienen la misma entrada. Por tanto la se nal se bifurca entrando en ambos subsistemas.

U(s)

U(s)

U(s)
Figura 4.26: Operaci on de bifurcaci on de se nales

2. Suma: dos o m as se nales, generalmente salidas de subsistemas, se superponen formando una u nica se nal, sum andose o rest andose.
Y1(s) + Y2(s) + Y1(s) + Y2(s)

Figura 4.27: Operaci on de suma de se nales

3. Transformaci on de una se nal en un bloque: una se nal al entrar en un bloque se transforma al de salida. generando una determinada sen
entrada U(s) salida

G(s)

Y(s)

Y (s)

G(s)U (s)

Figura 4.28: Transformaci on de una se nal en un bloque

4.8.2

n de sistemas Operaciones sobre bloques: reduccio

Los diagramas de bloques representan subsistemas conectados entre s . A veces resulta intere sante obtener las ecuaciones de todo el sistema o bien de una parte de e l. El a lgebra de bloques ales que permiten y simplican permite realizar una serie de operaciones sobre los bloques y se n la obtenci on de bloques equivalentes de todo o parte del diagrama de bloques. Esta operaci o n se denomina reducci on del diagrama de bloques. Existen una serie de operaciones sobre bloques destinadas a la reducci o n de los diagramas:

80 1. Bloques en cascada o en serie:


U G 1(s) Z G 2(s) Y U

Algebra de bloques

G 1(s) G 2(s)

2. Bloques en paralelo:
U G 1(s) Y1 + + Y2 Y
U G 1(s) + G 2(s) Y

G 2(s)

3. Realimentaci on:
U + Y G 1(s)
U G 1(s) 1 + G 1(s) G 2(s) Y

G 2(s)

4.
U G(s) + + Z Y
U + + G(s) Y

1/G(s) Z

5.
U + + Z G(s) Y

G(s)

+ +

G(s)

Modelado y Simulaci on
6.
U G(s) Y
U G(s) Y

81

G(s)

7.
U G(s) U Y

Y G(s) 1/G(s) U

Ejemplo: Calcular utilizando el a lgebra de bloques la funci on de transferencia del sistema dado por el siguiente diagrama de bloques:
R(s) + -

G1 ( s ) G3 ( s )
+ +

G2 ( s )

Y(s)

Observando dicho diagrama se puede ver que es equivalente al siguiente:


R(s) + + -

G1 ( s )

G2 ( s )

Y(s)

G3 ( s )

En este se tienen dos estructuras de realimentacio n unitaria negativa anidadas, lo cual se puede reducir a

R(s) + -

G1 ( s) 1+G1 ( s) G3 ( s)

G2 ( s )

Y(s)

82

Algebra de bloques
Y de este diagrama ya se puede obtener la funcio n de transferencia pedida: G(s) =
G1 (s)G2 (s) 1+G1 (s)G3 (s) G1 (s)G2 (s) 1 + 1+ G1 (s)G3 (s)

G1 (s)G2 (S) 1 + G1 (s)(G2 (s) + G3 (s))

Parte II

An alisis en el dominio del tiempo

83

Tema 5

Sistemas din amicos lineales de primer orden


5.1 Introducci on

Se denomina sistema lineal diferencial de primer orden de entrada u(t ) y salida y(t ) al sistema regido por una ecuaci on diferencial de la forma

dy + ay = bu dt

(5.1)

en donde a y b son dos constantes, denominadas coecientes de la ecuaci o n; u(t ) es una se nal denominada se nal de entrada o excitaci on; e y(t ) es otra se nal denominada se nal de salida del sistema. El conjunto se interpreta con un diagrama de bloques tal como el de la gura 5.1. La ecuaci on diferencial anterior admite una solucio nu nica siempre que se je el valor inicial de y(t ). Este valor inicial se denotar a en lo que sigue por . La ecuacio n (5.1) establece que la pendiente de y(t ) en cada instante de tiempo, es una combinacio n lineal de los valores que toma en este instante u(t ) e y(t ). En la gura 5.2 se muestran las evoluciones de u(t ) e y(t ). En la pr actica se presentan m ultiples sistemas que pueden ser representados por una ecuaci o n diferencial de primer orden. De hecho es una de las aproximaciones m as sencillas que se pueden hacer del comportamiento din amico de un sistema. En el apartado 5.3 se presentan distintos sistemas que pueden ser representados por una ecuaci o n diferencial de primer orden. 85

86

Introducci on

u(t)

y(t)

Figura 5.1: Sistema de primer orden (1)

u(t )

dy(t ) dt

y(t ) t

Figura 5.2: Sistema de primer orden (2)

Sistemas din amicos lineales de primer orden

87

5.2 Soluci on de la ecuaci on diferencial de primer orden


Para el estudio de la soluci on de la ecuaci on diferencial de primer orden, conviene distinguir dos casos:

5.2.1

de entrada nula Senal

En el supuesto de que la se nal de entrada u(t ) sea nula para todo t , la ecuacio n diferencial de primer orden se convierte en

dy = ay dt

y(0) =

(5.2)

lo que constituye la parte homog enea de la ecuaci on diferencial de primer orden de (5.1). La soluci on de esta ecuaci on puede obtenerse por integracio n directa haciendo,

dy = a dt y cuya integraci on conduce a,

ln y(t ) ln y(0) = at lo que, teniendo en cuenta que y(0) = , puede escribirse, yh (t ) = eat El sub ndice h se reere a que esta solucio n lo es de la parte homog enea de (5.1). Las guras 5.3 y 5.4 muestran la forma general de la evoluci o n de yh (t ) seg un que a sea, respectivamente, negativa o positiva. Estas guras muestran c o mo se comporta un sistema en ausencia de excitaci on. Aparece una clara distincio n entre dos formas de comportamiento que permiten una primera clasicacio n de los sistemas en estables o inestables, segu n que la evoluci on libre de los mismos tienda a una estado de reposo o no.

5.2.2

de entrada no nula Senal

Se trata de resolver la ecuaci on diferencial (5.1) en el caso en que u(t ) no sea id enticamente nula. Para simplicar la notaci on se escribir a v(t ) = b0 u(t ), con lo que la ecuaci on (5.1) se convierte en

88

Soluci on de la ecuaci on diferencial de primer orden

y(t)

Figura 5.3: Primer orden divergente

y(t)

Figura 5.4: Primer orden convergente

Sistemas din amicos lineales de primer orden

89

dy + ay = v dt

(5.3)

Se trata de determinar qu e funci on w(t ) debe sumarse a la solucio n homog enea yh (t ) para obtener la soluci on de la ecuaci on (5.3). Es decir, se supone que y(t ) se descompone en, y(t ) = yh (t ) + w(t ) (5.4)

lo que llevado a la ecuaci on (5.3) resulta,

d (yh + w) + a(yh + w) = v dt es decir, dyh dw + ayh + + aw = v dt dt

yh (0) + w(0) =

w(0) = yh (0)

que, teniendo en cuenta la expresio n (5.2), se puede escribir,

dw +aw = v dt

w(0) = 0

(5.5)

Por lo tanto la ecuaci on diferencial que satisface w(t ) es exactamente la (5.1), pero con una al w(t ) notable diferencia, y es que las condiciones iniciales para w(t ) son 0. Es decir, la se n al de entrada u(t ) a partir del reposo. constituye la respuesta del sistema ante la sen La discusi on anterior permite interpretar la expresio n (5.4) diciendo que la respuesta y(t ) de un sistema din amico lineal a una se nal de entrada u(t ) a partir de un valor inicial y(0) puede considerarse como la suma de la respuesta del sistema, a partir del valor inicial y(0), ante una se nal de entrada nula m as la respuesta del sistema a la se nal de entrada u(t ) a partir del reposo. Es f acil ver que w(t ) viene dada por,

w(t ) = eat

t o

ea v()d

(5.6)

En efecto, en primer lugar es inmediato ver que w(0) = 0. Adem as sustituyendo la expresi on (5.6) en la (5.5) se tiene que,

dw = a eat dt

t o

ea v()d + eat

d dt

t o

ea v() d = a w + v

90

Soluci on de la ecuaci on diferencial de primer orden

Combinando los anteriores resultados se tiene que la respuesta de un sistema regido por una al de entrada u(t ) viene dada por, ecuaci on diferencial lineal de la forma (5.1) ante una sen y(t ) = eat + eat
t o

ea b u() d

(5.7)

A este mismo resultado se puede llegar empleando las t ecnicas basadas en la transformada de Laplace, con las cuales se puede demostrar directamente de una forma muy sencilla la expresi o n (5.6). Adem as, en las aplicaciones pr acticas, es de esta u ltima forma como se procede. Sin embargo para un planteamiento teo rico m as general, conviene desarrollar el estudio de los sistemas lineales como se ha hecho anteriormente.

5.2.3

Respuestas a senales de entrada especiales

ales Se discuten a continuaci on las respuestas de un sistema diferencial lineal de primer orden a se n ales en escal de entrada que presentan especial inter es en las aplicaciones como son las sen on, en rampa y sinusoidal. de entrada en escal Senal on al de entrada en escal Se dice que un sistema se somete a una sen on en el instante inicial t = 0, si en dicho instante se somete el sistema a una variacio n brusca de la se nal de entrada permaneciendo al de entrada de esta forma. esta en un valor u(t ) = constante. En la gura 5.5 se representa una se n Si se supone y(0) = , u = 1, y teniendo en cuenta la expresi o n (5.7), se tendr a,

b b y(t ) = eat + (eat 1) = eat + (1 eat ) a a


u

(5.8)

Figura 5.5: Entrada en escal on En la gura 5.6 se representa la respuesta de un sistema lineal de primer orden a una entrada en escal on. Para estudiar la respuesta en el tiempo de un sistema lineal de primer orden a una entrada en

Sistemas din amicos lineales de primer orden

91

t
Figura 5.6: Respuesta al escal on escal on, es interesante escribir la ecuacio n diferencial de primer orden de la forma siguiente: dy + y = Ku dt (5.9)

en donde = 1/a y K = b/a. Si se supone adem as, para simplicar, que = 0 se tendr a que la expresi on (5.8) se puede escribir,

y(t ) = K (1 e )

(5.10)

La constante K recibe la denominacio n de ganancia est atica del sistema, puesto que representa la relaci on entre la se nal de salida (y(t )) y la se nal de entrada (u(t )) para t . La constante que tiene una dimensi on de tiempo, se llama constante de tiempo del sistema. El resultado (5.10) puede obtenerse de una forma m as sencilla empleando la transformada de Laplace. En efecto, la ecuacio n diferencial de un sistema de primer orden viene dada por la al escal expresi on (5.1), y puesto que la transformada de Laplace de una se n on es:

U (s) =

1 s

se tiene que la de la se nal de salida ser a,

Y (s) =

A B K = + s(1 + s) s 1 + s

Las constantes A y B resultan ser:

92

Soluci on de la ecuaci on diferencial de primer orden

A=

K (1 + s)

=K
s=0

B=

K s

s= 1

= K

con lo que se tiene Y (s), cuya antitransformada de Laplace resulta ser, y(t ) = L 1 [Y (s)] = K (1 et / ) es decir la expresi on (5.1) En la gura 5.7 se representa la respuesta a una entrada en escal o n de un sistema de primer orden de ganancia K y constante de tiempo .
1.0 0.9 0.8 0.7 0.632 0.6

y(t)/K

0.5 0.4 0.3 0.2 0.1 0.0 0.0

0.4

0.8

1.2

1.6

2.0 t/

2.4

2.8

3.2

3.6

4.0

Figura 5.7: Respuesta a un escalo n unitario de un sistema de primer orden de ganancia K y de constante de tiempo . La constante de tiempo caracteriza la velocidad de respuesta del sistema, es decir, la duraci o n del r egimen transitorio. Ello se pone de evidencia por las dos consideraciones siguientes.

1. Existe una relaci on entre la constante de tiempo y la tangente y(t ) en el origen. En efecto de la expresi on (5.10) se tiene, dy K t = e dt haciendo t = 0 se tiene, K dy (0) = dt (5.12) (5.11)

Sistemas din amicos lineales de primer orden

93

lo cual puede interpretarse tal como se hace en la gura 5.8. Recu erdese que se ha hecho u = 1.

tg =

Figura 5.8: Relaci on constante amplicaci on y tang. al de 2. haciendo t = se tiene que la constante de tiempo es el tiempo al cabo del cual la se n respuesta alcanza la fracci on 1 del valor nal (gura 5.9) 1 2 0.632 e 3

K 0.64K

Figura 5.9: Relaci on constante de tiempo y amplicacio n Observando la gura 5.7 se tiene que la respuesta de un sistema de primer orden en una entrada en escal on alcanza su valor nal con un error menor del 5 % para un tiempo 3. ales de respuesta a una entrada en escalo En la gura 5.10 se representan las sen n para distintos sistemas lineales con diferentes constantes de tiempo.

94

Soluci on de la ecuaci on diferencial de primer orden

3 3>2

Figura 5.10: Diferentes constantes de tiempo En la pr actica se presenta el problema de determinar el modelo matem atico de un sistema a partir del conocimiento de la respuesta del sistema a una entrada en escal o n. En el caso de un sistema de primer orden, la determinacio n de los par ametros K y que aparecen en la ecuacio n diferencial (5.9), resulta extremadamente sencilla a partir de la respuesta del sistema a una entrada en escal on. En efecto, de acuerdo con la gura 5.7 el valor de la constante de tiempo se determina midiendo la abscisa correspondiente a la ordenada que sea el 63,2% del valor alcanzado por el sistema en r egimen estacionario. La constante est atica K es sencillamente el cociente entre el valor alcanzado por la respuesta en r egimen estacionario y la amplitud de la entrada en escal o n. de entrada en rampa Senal al de entrada cuyos valores crecen Sup ongase una se nal de entrada en rampa, es decir, una sen adem lineal con el tiempo, u = t , tal como la que se representa en la gura 5.11. Se supondr a as, para simplicar, que = 0. De acuerdo con la expresio n (5.7) se tiene que, y(t ) = wbeat
t o

ea d =

wb a

1 eat + a a

(5.13)

esta u ltima expresi on introduciendo la ganancia K y la constante de tiempo , puede escribirse, y(t ) = wK (t + e )
t

(5.14)

Este mismo resultado se puede obtener con ayuda de la transformada de Laplace. En efecto, para el caso de una entrada en rampa, se tiene s2

U (s) =

con lo que , Y (s) =

K s2 (1 + s)

A1 A2 B + + 2 s s 1 + s

Sistemas din amicos lineales de primer orden

95

u u = t

t
Figura 5.11: Entrada en rampa siendo, A1 = A2 = B = K 1 0! (1 + 2s) = wK
s=0

K 1 d 1! ds (1 + s) K s2

s=0

= K

= K 2
s= 1

de donde se desprende que y(t ) tendr a la forma (5.14). En la expresi on (5.14) se observa que el tercer t ermino del par entesis del segundo miembro tiende a cero cuando el tiempo tiende a innito. Este t ermino constituye el r egimen transitorio de la respuesta total. Una vez desaparecido el r egimen transitorio, la respuesta en r egimen permanente ser a,

yrp (t ) = K (t ) Para interpretar esta respuesta cabe distinguir dos casos:

(5.15)

1. K = 1. En tal caso se tiene que la respuesta viene dada por yrp = (t ) (5.16)

es decir, en el instante t la salida es igual a la entrada en el instante t . La salida se encuentra retardada segundos con respecto a la entrada. En la gura 5.12 se representa la expresi on (5.14) para K = 1. Se observa en esta gura co mo la se nal de salida se encuentra al de entrada. El error en r retardada con respecto a la sen egimen permanente es igual a . Este error recibe la denominaci on de error de arrastre.

96

Soluci on de la ecuaci on diferencial de primer orden

u(t )

y(t )

u(t1 )

y(t1 )

Figura 5.12: Respuesta a rampa. Respecto al r egimen transitorio se tiene que para t = y() = K K e 3 (5.17)

al de es decir, que el sistema ha respondido so lo en un tercio del valor alcanzado por la sen entrada. En la gura 5.12 se interpreta este resultado. La consideraci on del error de arrastre en la respuesta de un sistema de primer orden, es sumamente importante en ciertos casos como por ejemplo cuando el sistema en cuesti o n es un aparato de medida. Supo ngase un globo en el que se encuentra un termo metro de mercurio. Se supone que la temperatura var a linealmente con la altura; se tiene entonces al de entrada en rampa. Las lecturas del que el term ometro se encuentra sometido a una sen term ometro, seg un las consideraciones anteriores, presentan un error de arrastre. 2. K = 1. La salida y entrada divergen, por lo que el error de arrastre se hace innito.

5.2.4

Respuesta arm onica

Si la se nal de entrada es sinusoidal, es decir, u = sent y suponiendo = 0, se tiene que la respuesta del sistema, de acuerdo con la expresio n (5.7), viene dada por

y(t ) = eat +

wb a2 + w 2

b a2 + w 2

(a senw t w coswt )

(5.18)

En la gura 5.13 se muestra una forma t pica de esta respuesta. Para t , es decir un tiempo sucientemente grande, el primer t ermino del segundo miembro se anula, por lo que la respuesta en r egimen permanente resulta ser

Sistemas din amicos lineales de primer orden

97

Figura 5.13: Respuesta arm onica.

yrp (t ) =

b (a senwt w coswt ) a2 + w 2

(5.19)

Esta expresi on se puede escribir de una forma m as sencilla haciendo, a cos = 2 a + w2 con lo que 5.19 puede escribirse, y(t ) = Y sen(wt + ) (5.21) w sen = 2 a + w2

(5.20)

siendo, tag = w/a = w b K Y = = a2 + w 2 1 + 2 w2 (5.22) (5.23)

La expresi on (5.21) puede interpretarse diciendo que la respuesta de un sistema lineal a una se nal sinusoidal, es otra se nal sinusoidal de la misma frecuencia cuya amplitud ha variado en una relaci on Y , y que ha adquirido un desfase . Tanto la relacio n de amplitudes Y como el desfase , son funci on de la frecuencia angular w de la entrada. En la gura 5.14 se representa Y () y (). Otra forma de representar gr acamente la respuesta en frecuencia de un sistema lineal es por medio de un diagrama polar en el que se representa vectores cuyos m o dulos y argumentos son respectivamente Y () y (). Haciendo variar se obtiene un lugar geom etrico, en el que es el par ametro. En la gura 5.15 se representa la respuesta en frecuencia correspondiente a un sistema lineal de primer orden. El lugar est a graduado en frecuencias reducidas (normalizadas) u = .

1.0

Relacion de Amplitudes

98

0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 0.0 0.2 0.4 0.6

Soluci on de la ecuaci on diferencial de primer orden

0.8

1.0

1.2

1.4

1.6

1.8

2.0

-10 -30

Fase(grados)

-50 -70 -90 -110 -130 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0

Figura 5.14: Amplitud y fase.

= Y

=0

Figura 5.15: Respuesta en frecuencia.

Sistemas din amicos lineales de primer orden

99

Existen otras formas de representar gr acamente la respuesta en frecuencia de un sistema lineal que ser an estudiadas m as adelante. Filtrado con un sistema lineal. al arbitraria, la reproducci Si la se nal de entrada a un sistema lineal es una sen on de la misma a a. Es decir, la salida ser a muy el si la constante de tiempo del sistema es sucientemente peque n si la constante de tiempo del sistema es menor que las m as r apidas variaciones que se produzcan en esta se nal de entrada. Lo que a su vez se puede interpretar en el dominio de la frecuencia a como para que el ancho de diciendo que la constante de tiempo sea lo sucientemente peque n banda sea lo sucientemente grande para permitir el paso de todos los arm o nicos de la se nal de entrada, (recordar la gura 5.13). La gura 5.16 ilustra este hecho.

pequeo
a)

grande
b)

Figura 5.16: Filtrados. Por el contrario si la constante de tiempo es grande, la respuesta del sistema es lenta, por lo que el sistema no puede seguir las variaciones r apidas de la se nal de entrada resultando de ello que al e stas desaparecen de la se nal de salida. El sistema act ua como limando las asperezas de la sen de entrada. La gura 5.16 ilustra este hecho que recibe la denominaci o n de ltrado de la se nal de entrada. Se puede dar del mismo una interpretacio n en el dominio de la frecuencia similar a la a. dada m as arriba para el caso de una constante de tiempo peque n al es enormemente importante y lo u De hecho, el concepto de ltrado de una sen nico que se ha hecho hasta aqu ha sido introducirlo, ilustrando una forma de comportamiento de los sistemas din amicos lineales de primer orden.

5.3 Ejemplos de sistemas de primer orden


Circuito el ectrico LR. El circuito representado en la gura 5.17 est a regido por una ecuaci on diferencial de la forma E L dI +I = R dt R

100

Ejemplos de sistemas de primer orden


considerando la se nal de entrada, la tensi on aplicada al sistema y la se nal de salida a la intensidad que recorre el circuito, se tiene un sistema de primer orden. La ganancia est a tica es 1/R y la constante de tiempo es L/R.
L

Figura 5.17: Circuito RL. Circuito el ectrico RC.

El circuito de la gura 5.18 es un circuito cl asico de carga de un condensador a trav es de una resistencia, siendo la ecuacio n diferencial que rige el proceso la siguiente: RC dq + q = CE dt

La ganancia est atica es C, puesto que Q/E es, en r egimen permanente, la capacidad del condensador. La constante de tiempo es RC.
R

C E q E (t ) R, C q(t )

Figura 5.18: Circuito RC. Term ometro de mercurio.

al de entrada u es la Un term ometro puede considerarse como un sistema en el que la se n al de salida y, es la temperatura temperatura del medio en el que se encuentra inmerso y la se n indicada por el mismo. Si se denota por Q la cantidad de calor intercambiada entre el medio y el term ometro, y por C la capacidad calor ca de la ampolla, se tendr a que dy dQ =C dt dt

Por otra parte el ujo de calor as que entra en el mercurio se aporta fundamentalmente por conducci on. De acuerdo con la ley de Newton es aproximadamente proporcional a la diferencia de temperatura entre el medio y el mercurio.

Sistemas din amicos lineales de primer orden

101

dQ = k(u y) dt Se concluye de las dos ecuaciones anteriores que un term o metro de mercurio puede considerarse como un sistema lineal de primer orden. Obs ervese que, como corresponde a un sistema de medici on, la ganancia est atica es k = 1.
Temperatura indicada (y)

Temperatura (u)

Figura 5.19: Term ometro de mercurio. Reacci on qu mica. Sup ongase la descomposici on espont anea de una mol ecula A en dos mol eculas B y C: A B +C la cual se efect ua de manera que la velocidad de reaccio n es proporcional al n umero de mol eculas A presentes. Si se denota por y la concentracio n de la sustancia A, se tiene es decir, 1 dy +y = 0 k dt Se trata de un sistema lineal de primer orden auto nomo de constante de tiempo 1/k. El par ametro k se denomina por los qu micos constante de velocidad de la reaccio n, y en la pr actica presenta una gran dependencia de la temperatura. Dinam ometro. Se trata de medir la fuerza u por el desplazamiento y que imprime a un dinam o metro de coeciente de elasticidad k y de coeciente de viscosidad , gura 5.20. Seg un las leyes de la Mec anica se tiene dy = ky dt

102

Ejemplos de sistemas de primer orden

Figura 5.20: Dinam ometro

u = ky +

dy dt

Por lo tanto un dinam ometro es un sistema de medida lineal de primer orden. Mezcla de dos uidos. Sup ongase un recipiente (gura 5.21) en el que se contiene una masa m del l quido que contiene una fracci on Cr de un componente A, y sup ongase que el recipiente se alimenta por un caudal Q de un l quido en el que la fracci on de componente A es Ce . Se supone que la mezcla es instant anea, es decir, que la composicio n es la misma en todo instante en todo el recipiente. Se supone adem as que el ujo de entrada es igual al de salida, con lo que la masa contenida en el recipiente es constante. Es f acil ver que en estas condiciones se tiene, Ce Q dt = Cr Q dt + M dCr es decir, M dCr + Cr = Ce Q dt Se trata por lo tanto de un sistema de primer orden. Motor el ectrico de corriente continua. Sup ongase el motor el ectrico de corriente continua cuyo diagrama se ha representado en la gura 5.22. El par motor supuesto el ujo constante, viene dado por P = k I al de Por otra parte la intensidad I de inducido y la tensio n que alimenta al inducido u (sen entrada), est an relacionadas por la siguiente ecuacio n. u = RI + L dI + K dt

Sistemas din amicos lineales de primer orden

103

Ce

Cr Cr

Figura 5.21: Mezcla de Fluidos.

De acuerdo con las leyes de la Mec anica el par motor P y la velocidad de salida del motor , est an ligados por la ecuaci on, d + B dt

P=J

J B

Figura 5.22: Motor el ectrico. De las tres ecuaciones anteriores se obtiene,

d + (B + kK ) = k u dt R R

al de entrada la tensi al es decir, considerando como sen on aplicada al inducido y como sen de salida la velocidad de giro del motor, se tiene un sistema de primer orden.

104

El sistema de primer orden como integrador

5.4 El sistema de primer orden como integrador


En los apartados anteriores se ha considerado un sistema lineal de primer orden como el regido por una ecuaci on diferencial de la forma 5.1. Esta misma ecuacio n puede escribirse tambi en de la forma siguiente:
t

y(t ) = y(0) +
0

(bu ay)dt

(5.24)

La consideraci on de esta segunda forma de escribir la ecuacio n que rige el comportamiento de un sistema lineal de primer orden es sumamente interesante, por cuanto que su sentido f sico es m as claro. La acci on del sistema puede descomponerse en dos partes:

Una parte est atica (sin memoria) en la que se determina f = bu ay (5.25)

Los valores de f determinados para cada instante de tiempo t se van acumulando (integrando) dando con ello lugar a la variable de salida y.

En la gura 5.23 se tiene representado un esquema en el que se distinguen la parte est a tica del integrador. La parte est atica puede ser no lineal, sin que por ello se alteren las anteriores consideraciones. Esta manera de interpretar el funcionamiento de un sistema lineal de primer orden, es m a s intuitiva desde un punto de vista f sico por cuanto que en la naturaleza es m as f acil interpre tar los procesos en t erminos de integraciones que de diferenciaciones. De hecho la integraci o n (acumulaci on) es un proceso normal del que es muy sencillo encontrar ejemplos, mientras que la diferenciaci on es enormemente m as articiosa. No debe olvidarse sin embargo, que la resoluci o n de una ecuaci on diferencial es m as simple que la de una ecuacio n integral, y es por ello que en cualquier caso el planteo por ecuaciones diferenciales es m as frecuente que el que aqu se presenta.
u K
+ 1 S

Figura 5.23: Integrador.

Tema 6

Sistemas din amicos lineales de segundo orden y superior


6.1 Denici on
Se dene un sistema lineal de segundo orden como el regido por una ecuaci o n diferencial de la forma, dy du d2 y + a1 + a2 y = b 0 + b1 u (6.1) dt 2 dt dt En lo que sigue se considerar au nicamente el caso en que b0 = 0 y b1 = , dej andose para m as adelante el estudio del caso general. El problema del estudio de un sistema de segundo orden queda reducido a la resoluci o n de la anterior ecuaci on diferencial cuando la se nal de entrada u(t ) se particulariza en una cierta funcio n del tiempo. Para que la soluci on est e completamente determinada se requiere el conocimiento de los valores iniciales de y(t ) y de dy/dt . En esta seccio n se puede hacer un desarrollo com pletamente paralelo al realizado en la seccio n anterior para los sistemas de primer orden. La complejidad de tratamiento algebraico que esto requiere es grande, y es por ello por lo que se va a estudiar sencillamente los casos simplicados que ofrecen mayor inter es pr actico. En este sentido, y como primera hipo tesis simplicadora, se va a suponer siempre que se trabaja con unas condiciones iniciales nulas. La ecuaci on diferencial de un sistema de segundo orden que se va a considerar aqu es, d2 y dy + a1 + a2 y = u 2 dt dt La ecuaci on caracter stica de un sistema de segundo orden se dene como: 105 (6.2)

106

Denici on

r 2 + a1 r + a2 = 0

(6.3)

la cual se puede escribir tambi en, en el supuesto de que sus raices sean p1 y p2 , de la forma siguiente, (r + p1 ) (r + p2 ) = 0 (6.4) Otra forma frecuente de escribir la ecuacio n diferencial de un sistema de segundo orden es la siguiente,

d2 y dy 2 + 2 + 2 n n y = n k u(t ) 2 dt dt

(6.5)

Esta forma es especialmente u til cuando se trata con sistemas cuyas raices de la ecuaci o n carac ter stica son complejas. Los par ametros que intervienen en esta forma reciben una denominaci o n especial.

El par ametro k recibe la denominacio n de ganancia est atica, y es una constante que carece de dimensiones. El par ametro n recibe el nombre de frecuencia propia no amortiguada y se expresa en radianes por segundo. El par ametro recibe el nombre de factor de amortiguamiento, y es un n u mero sin dimensiones.

Las relaciones que ligan a los par ametros de la forma (6.2) con los de la forma (6.5) son las siguientes. 2 n

n =

1 a2

k=

a1 2n

(6.6)

Los par ametros k, n y son, normalmente, positivos. Una ecuaci on diferencial de orden n puede descomponerse en n ecuaciones diferenciales de primer orden. Este es un resultado conocido que por otra parte ser a estudiado con detalle en un cap tulo posterior. Aqu se va a estudiar el caso n = 2; introduciendo las variables adicionales x1 y x2 , y siendo p1 y p2 las raices de la ecuaci on caracter stica, es f acil ver que una ecuaci on diferencial de segundo orden del tipo 6.2 se puede escribir, x 1 = p1 x1 + u y = c 1 x1 + c 2 x2

x 2 = p2 x2 + u

(6.7) (6.8)

Sistemas din amicos lineales de segundo orden y superior


siendo c1 = p2 + p 1 y c2 = p1 p 2

107

(6.9)

Para comprobar este resultado basta proceder por sustituci o n, lo que se invita a hacer al lector. M as adelante se estudiar a el procedimiento general que permite este tipo de descomposiciones. Empleando el c alculo matricial, las expresiones 6.7, 6.8 y 6.9 pueden escribirse de la forma siguiente, x = Ax + Bu y = Cx (6.10)

en donde A= p1 0 0 p2 B= 1 1 C = [c1 c2 ] (6.11)

La ecuaci on diferencial de la expresi on 6.10 es de la misma forma de la 5.1, con la diferencia de que mientras all se trataba con escalares aqu se trata con vectores y matrices. Por lo tanto, el desarrollo realizado al estudiar los sistemas de primer orden, puede generalizarse al de los sistemas de segundo orden, sin m as observaci on que tener presente que la diferencia b asica que existe entre el a lgebra de los n umeros reales y la de las matrices, es que esta u ltima no es conmutativa. al de entrada u(t ), a partir del estado La respuesta de un sistema de segundo orden ante una se n x(t ), vendr a dada por,

y(t ) = CeAt +

t 0

eA B u() d

(6.12)

En esta expresi on aparece la exponencial eAt , cuyo signicado ser a discutido m as adelante. A partir de la expresi on 6.12 se puede estudiar la respuesta de un sistema de segundo orden ante distintos tipos de se nales de entrada, tal como se hizo anteriormente para los sistemas de primer orden. En lo que sigue se estudiar a exclusivamente la respuesta de un sistema de segundo orden a una entrada en escal on, por ser la que m as inter es tiene desde un punto de vista pr actico. La respuesta para otro tipo de entradas, como la entrada en rampa o la entrada sinusoidal, pueden ser obtenidas de forma an aloga a como se obtiene la respuesta a una entrada en escal o n.

108

Denici on

6.1.1

n Respuesta de un sistema de segundo orden a una entrada en escalo

Se supondr a que las condiciones iniciales son nulas, = 0. A partir de la expresi o n 6.12 se tendr a, y(t ) = C eAt
0 t

eA B u()d

(6.13)

La entrada en escal on es constante desde t = 0 hasta innito. Por lo tanto se tendr a que, u() = u = const A partir del concepto de funci on de una matriz diagonal se puede escribir, (6.14)

eAt =

e p1 t 0

0 e p2 t

(6.15)

con lo que se tiene,

t 0

eA B u() d =

u p (1 e p1t ) 1 u (1 e p2t ) p 2

(6.16)

Recordando la expresi on 6.8 se tiene, u u (1 e p1t ) + C2 (1 e p2t ) p1 p2

y(t ) = C1

(6.17)

y=

u u (1 e p1t ) + (1 e p2t ) p1 ( p 2 p 1 ) ( p1 p2 ) p2

Haciendo, sin p erdida de generalidad, u = 1 y tras una serie de manipulaciones alg ebricas, se puede escribir, e p1 t e p2 t p1 p2 ( p 2 p 1 ) p 1 p2 ( p 1 p 2 )

y(t ) =

(6.18)

Si se escribe la ecuaci on diferencial de segundo orden en la forma dada por la expresi o n 6.5 se tendr a que las raices de la ecuaci on caracter stica p1 y p2 vendr an dadas por: p1 = n n 2 1 2 1 (6.19)

p2 = n + n

Sistemas din amicos lineales de segundo orden y superior

109

u(t ) y(t )

a)

n t

u(t ) y(t )

b)

n t
1.38 1

y(t )

u(t )

c)

n t
3.3
Figura 6.1: Respuesta sistema de segundo orden

110 Obs ervese que, p1 p2 = 2 n = 2 n p2 p1 = 2n 2 1

Denici on

(6.20)

Este mismo resultado se puede alcanzar con mayor sencillez operativa empleando la transformada de Laplace. En efecto, teniendo en cuenta que la transformada de Laplace de una entrada en escal on es U (s) = 1/s, se tiene que, de acuerdo con la expresi o n 5.2, la transformada de Laplace de la salida y(t ) resulta 1 2 n s s2 + 2n s + 2 n

Y (s) =

cuya antitransformada de Laplace resulta ser, ent sen (0t + ) y(t ) = 1 1 2 0 = n 1 2


1 = tg

siendo,

1 2

factor de amortiguamiento al de entrada en escal En el estudio de la respuesta a una sen on de un sistema de segundo orden pueden distinguirse tres casos segu n que el factor de amortiguamiento sea mayor, menor o igual que uno.

1. Factor de amortiguamiento mayor que la unidad A partir de la expresi on 6.18 teniendo en cuenta las expresiones 6.20 se tiene que, y(t ) = 1 + + 2(2 2(2 + 2 1 1) 2 1 1)
1 1 2 1)n t 2 1)n t

e( e(+

(6.21)

Esta expresi on suministra la forma anal tica de la respuesta de un sistema de segundo orden, con factor de amortiguamiento mayor que la unidad, a una entrada en escal o n. En la gura 6.1 se representa la forma general de esta respuesta; desde un punto de vista cualitativo la caracter stica esencial de esta respuesta es su car acter de lentitud en alcanzar el valor y = 1. 2. Factor de amortiguamiento menor que la unidad Si el factor de amortiguamiento es menor que la unidad, es decir, < 1, entonces sucede que las raices p1 y p2 son complejas. En la gura 6.2 se representa la situacio n de las raices p1 y p2 en el plano complejo.

Sistemas din amicos lineales de segundo orden y superior

111

Im j n 1 2

n n

Re j n 1 2

Figura 6.2: raices complejas La consideraci on del a ngulo , tal como se ha indicado en la gura 6.2 permite escribir, cos = sen = 1 2 (6.22)

Escribiendo las expresiones 6.19 y 6.20, empleando en las mismas el a ngulo , se tiene: p1 = n e j p2 p1 = 2n jsen (6.23)

La expresi on 6.18 se puede escribir, teniendo en cuenta la expresi o n 6.23 de la forma siguiente, y(t ) = 1 + e j (n jn 12 )t e 2 jsen e j (n jn 12 ) t e 2 jsen (6.24)

Esta expresi on puede escribirse en forma m as compacta como sigue: ent sen(n y(t ) = 1 + 1 2 1 2 t )

(6.25)

Esta expresi on suministra la forma anal tica en la respuesta de un sistema de segundo orden, con factor de amortiguamiento menor que la unidad, a una respuesta en escal o n. La forma general de la respuesta se tiene en la gura 6.1, en la que se observa que el comportamiento de un sistema de segundo orden con factor de amortiguamiento menor que la unidad est a caracterizado por la presencia de oscilaciones. Esta forma de respuesta, que se caracteriza por una sinusoide exponencialmente amortiguada, se dice que es subamortiguada.

112

Denici on
El valor del primer pico de sobreoscilacio n, y el instante de tiempo en que se produce, son dos tipos de caracter sticas muy interesantes para denir el comportamiento de un sistema de segundo orden. De la observacio n de la expresi on 6.25 se desprende que la frecuencia de oscilaci on del sistema viene dada por, p = n 1 2 (6.26)

La frecuencia p se denomina frecuencia propia del sistema. El periodo de oscilaci o n del sistema viene dado por Tp = 2 n 1 2 (6.27)

Instante de tiempo al cual se produce el primer pico de oscilaci o n del sistema, puede obten erse, de una forma anal tica, derivando y(t ) con relacio n al tiempo, e igualando esta derivada a cero. En efecto, se tiene: dy(t ) n ent sen(n = dt 1 2 Esta derivada se anular a cuando, n 1 2 t = 0, , 2, .. n 1 2 1 2 t ) + n ent cos (n 1 2 t ) = 0 (6.28)

por lo tanto, el primer pico de oscilacio n se producir a cuando , tp = (6.29)

El tiempo t p recibe la denominaci on de tiempo de pico. Llevando el valor de t p a la expresi on 6.25 se tiene, e/ 1 ymax (t ) = 1 + sen( ) 1 2
2

(6.30)

la cual, teniendo en cuenta de que, sen( ) = sen y sen = puede escribirse, ymax (t ) = 1 + e

12

1 2

(6.31)

(6.32)

Normalmente se expresa la amplitud de la primera oscilaci o n en % del valor del escal on de entrada. Gen ericamente se suele denominar sobreoscilacio n a este tanto por ciento. Por lo tanto se puede escribir:

SO = 100 e

12

(6.33)

Sistemas din amicos lineales de segundo orden y superior

113

En la gura 6.3 se representa la sobreoscilacio n, en funci on del factor de amortiguamiento, para sistemas de segundo orden. Es interesante considerar el problema de determinar los par ametros a1 , a2 y de la ecuaci on 6.2 a partir del conocimiento de la respuesta del sistema a una entrada en escal o n especialmente en el caso de un sistema subamortiguado. 3. Factor de amortiguamiento igual a la unidad En el caso de que el factor de amortiguamiento sea igual a la unidad, es decir = 1, se tendr a que las dos raices de la ecuaci on caracter stica ser an iguales entre s , es decir, p1 = p2 es una ra z doble de la ecuaci on caracter stica. En tal caso, las constantes c1 y c2 que aparecen en la expresi on 6.8 no est an denidas, como se concluye observando las expresiones 6.9. Es decir, que la anterior discusi on s olo era v alida cuando las dos raices p1 y p2 eran distintas. Para poder aplicar el anterior razonamiento al caso de que las dos raices sean iguales, se procede a suponer, en principio, que e stas son diferentes entre s en una peque na cantidad , que posteriormente se hace tender a cero. Supo ngase, por lo tanto que las dos raices son: p1 = p p2 = p + Llevando estos dos valores a los t erminos segundo y tercero, del segundo miembro, de la expresi on 6.18 se tiene, pt b et 1 e e( p+)t = e pt p ( p + ) p ( p + ) (6.34)

Interesa determinar el l mite de esta expresi on cuando tiende a cero. Para ello se procede, por ejemplo, a desarrollar en serie et y tras una serie de sencillas manipulaciones se obtiene, lim 1 tp 1 et = p ( p + ) p2 (6.35)

Con este resultado es inmediato obtener que la respuesta a una entrada en escal o n del sistema con factor de amortiguamiento igual a la unidad, viene dada por, y(t ) = 1 n tent ent (6.36)

Esta respuesta se ha representado en la gura 6.1. Esta respuesta se dice que est a cr ticamente amortiguada.

En la gura 6.4 se representan las respuestas a una entrada en escal o n para distintos valores del factor amortiguamiento. Se observa como factores de amortiguamiento inferiores a la unidad, se tiene un comportamiento oscilatorio, el cual es m as oscilante cuanto menor es el valor de . Por otra parte, para valores del amortiguamiento mayor que la unidad, se tienen respuestas sin sobreoscilaci on, pero que son considerablemente m as lentas. Esto u ltimo hace que las aplicaciones pr acticas se tienda siempre a tener respuestas amortiguadas, puesto que son m as r apidas, aunque siempre manteniendo oscilaciones dentro de unos l mites razonables.

114

Denici on

100

80

Sobreoscilacion

60

40

20

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

Figura 6.3: Sobreoscilaci on en funci on del factor de amortiguamiento

2.0 1.8 1.6 1.4 1.2 0.5 0.7 1.0 0.8 0.6 0.4 0.2 0.0 0.0 5.0 1.0 1.2 1.5 2.0 =0.1

y(t)

1.2

2.4

3.6

4.8

6.0 nt

7.2

8.4

9.6

10.8

12.0

Figura 6.4: Respuesta ante escalo n en funci on del factor de amortiguamiento

Sistemas din amicos lineales de segundo orden y superior

115

6.1.2

Respuesta en frecuencia de un sistema de segundo orden

Si se aplica una se nal sinusoidal a un sistema de segundo orden, es decir, si u(t ) = Vo sent , la determinaci on de la se nal de salida y(t ) se puede hacer procediendo en forma similar a como se hizo en el apartado anterior. Aqu sin embargo se proceder a exclusivamente a estudiar el r egimen transitorio que resulta de la aplicacio n de la se nal sinusoidal. Es decir, se va a determinar exclusi vamente la soluci on particular de la completa cuando en la expresio n 6.2 se hace u = Vo sent . Se tiene que y(t ) ser a de la forma, y(t ) = Yo sen(t + ) (6.37) siendo Yo = Vo
2 (a2 )2 + a2 1

(6.38) = tg
1

a1 /(a2 )
2

(6.39)

Este resultado se puede comprobar por sustitucio n. Se ha tomado como se nal de entrada una se nal sinusoidal de amplitud unitaria para que la amplitud de la se nal de salida suministrase directamente la relacio n de amplitudes entre las se nales de entrada y salida. En las guras 6.5 y 6.6 se representan las relaciones de amplitudes y los desfases correspondientes a distintos valores del factor de amortiguamiento. Se observa como la forma de la respuesta en frecuencia del sistema de segundo orden depende del factor de amortiguamiento. Cuanto menor es e ste, mayor es el pico de resonancia que presenta la respuesta en frecuencia. El efecto de resonancia indica que para determinada frecuencia la am plitud de la se nal sinusoidal correspondiente, en el espectro de frecuencias, sufre una amplicaci o n al atravesar el sistema. El valor m aximo de la amplitud de la respuesta en frecuencia, recibe la denominaci o n de factor de resonancia. Es f acil demostrar que el factor de resonancia viene dado por,

Q=

1 2 1 2

(6.40)

La frecuencia a la que se produce este m aximo, que recibe la denominacio n de frecuencia de resonancia, viene dada por,

R = n

1 22

(6.41)

Se observa que cuando el factor de amortiguamiento es nulo la frecuencia de resonancia coin cide con la frecuencia propia no amortiguada del sistema. De ah la denominaci on de e sta u ltima.

116

Denici on

5 =0.1 4

RELACION DE AMPLITUDES

3 0.2

0.3 0.4 0.5

1 5.0 0 0.0 2.0 1.0

0.707

0.5

1.0 1.5 PULSACION /n

2.0

2.5

Figura 6.5: Amplitudes correspondientes a distintos factores de amortiguamiento.

Sistemas din amicos lineales de segundo orden y superior

117

-30

-60

0. 0.3 5 0. 70 7 0.4 1. 0 2. 0 5. 0
=5. 2.0 0

0.

= 2

0.1

DESFASE

-90

-120

-150

0.1

0.7 1.0 07 0.5 0 0. 0.2 .3 4

-180 0.0

0.5

1.0

1.5 2.0 2.5 PULSACION /n

3.0

3.5

4.0

Figura 6.6: Desfases correspondientes a distintos factores de amortiguamiento.

118

Denici on

6.1.3

Ecuaciones diferenciales de orden n

Una vez estudiado los sistemas de primero y segundo orden, conviene recordar los resultados correspondientes a sistemas de orden n. Supo ngase que el modelo matem atico del sistema que se est a considerando tiene la forma,

dny dm u d n1 y dy + a y = b + a + + a + + bm u n o 1 n1 dt n dt n1 dt dt m

(6.42)

en donde, por razones de realizabilidad f sica que se considerar an m as adelante, n > m. Si las condiciones iniciales son nulas, su transformada de Laplace es

Y (s)(sn + a1 sn1 + + an1 s + an ) = U (s) (bo sm + b1 sm1 + + bm )

(6.43)

por lo tanto, la transformada de Laplace de la salida del sistema y(t ), correspondiente a una entrada u(t ), cuya transformada es U (t ) = L [u(t )] resulta ser bo sm + b1 sm1 + + bm U (s) sn + a1 sn1 + + an1 s + an

Y (s) =

(6.44)

Puesto que U (s) se supone conocido, el problema es el de determinar Y (s), problema que se reduce al c alculo de la antitransformada de Y (s). Para las funciones normalmente empleadas en Autom atica U (s) es el cociente de dos polinomios en s, por lo que Y (s) ser a a su vez el cociente de dos polinomios, es decir,

Y (s) =

Q(s) Q(s) = n P(s) (s p1 ) 1 (s p2 )n2 . . . (s pq )np

(6.45)

El polinomio del denominador U (s) se ha factorizado, siendo p i las raices de la ecuaci on P(s) = 0, que recibe la denominacio n de polos de Y (s). Para mayor generalidad, se ha supuesto que cada uno de los polos tiene una multiplicidad ni aunque normalmente ni = 1, para todo i. El cociente de polinomios Y (s) se puede descomponer en fracciones simples, escribi e ndose, Y (s) =
q

i=1 k=1

ni

cik (s pi )k

(6.46)

en donde los coecientes cik reciben la denominaci on de residuos de Y (s) en el polo pi . Los residuos se calculan con ayuda de la expresio n

Sistemas din amicos lineales de segundo orden y superior

119

cik =

1 (ni k)!

d nik (s pi )ni Y (s) dsnik

(6.47)
s= pi

Si todos los polos son simples, es decir, si todos los valores de n i son igual a la unidad, entonces la expresi on 6.46 se escribe

Y (s) =

i=1

ci1 s pi

(6.48)

y los residuos se determinan por la expresio n

cik = ci1 = (s pi ) Y (s) |s= pi

(6.49)

expresiones que no son sino particularizaciones para n i = 1 de las correspondientes expresiones 6.46 y 6.47. En el caso de polos simples, los residuos pueden determinarse de forma gr aca sobre el plano complejo. Para ello, en primer lugar, consid erese que Y (s) puede escribirse k m i=1 (s zi ) n i1 (s pi )

Y (s) =

(6.50)

en donde se ha factorizado tambi en el polinomio del numerador. Por zi se denotan las raices de la ecuaci on P(s) = 0 y estas raices se denominan ceros del sistema. Puesto que Y (s) es, en general, una funci on compleja, se puede escribir,

Y (s) =| Y | e j =| Y |

(6.51)

en donde | Y (s) | es el m odulo (valor absoluto) de Y (s) y es el argumento de Y (s), siendo


1 = tan

Im{Y (s)} Re{Y (s)}

La expresi on compleja Y (s), de acuerdo con la expresio n 5.8, puede escribirse

Y (s) =

m n k m i=1 | s zi | ( iz ip ) n i=1 | s pi | i=1 i=1

(6.52)

120

Denici on

es decir, puesto que Y (s), de acuerdo con la expresi o n 6.52, se determina como el cociente de dos expresiones complejas, cada una de las cuales es a su vez el producto de t erminos elementales de la forma (s pi ) el m odulo de Y (s) ser a el cociente de los productos de los respectivos mo dulos, mientras que el argumento ser a la diferencia de las sumas de los correspondientes argumentos. Interesa por tanto, representar en el plano complejo, los componentes elementales (s z i ) y (s pi ) con el n de determinar sus m odulos y argumentos para poder realizar con ellos las operaciones de multiplicaci on y adici on a las que se acaba de aludir. En la gura 6.1.3 se muestra la representacio n gr aca del vector asociado a (s zi ) y a (s pi ). En el caso de (si zi ) se tiene un vector que va desde el cero, zi al punto s, y an alogamente para pi .

Im s s Zi Zi Re

Pi

s Pi s

Figura 6.7: Vectores asociados El residuo ci1 = ci , correspondiente al polo pi , resulta ser de acuerdo con la expresio n 6.49, k(s pi ) m i=1 (s zi ) n ( s pi ) i=1

ci = (s pi ) Y (s) |s= pi =

s= pi

cuya determinaci on gr aca puede hacerse siguiendo los siguientes pasos:

1. dibujar en el plano complejo los ceros, ci y los polos pi de Y (s). 2. dibujar los vectores desde todos los polos y ceros al polo p i en el que se est a determinando el residuo. 3. determinar el m odulo del residuo | ci | multiplicando los m odulos de todos los vectores desde los ceros y dividi endolos por el producto de los mo dulos de todos los vectores desde los polos.

Sistemas din amicos lineales de segundo orden y superior

121

4. determinar el argumento del residuo ci sumando los argumentos de los vectores desde los ceros y rest andole la suma de los argumentos de los vectores desde los polos.

122

Denici on

Tema 7

An alisis de errores en r egimen permanente


7.1 Relaci on entre las constantes de error y los polos y ceros.
Sea G(s) la funci on de transferencia en bucle abierto de un sistema con realimentaci o n unitaria. La funci on de transferencia en bucle cerrado correspondiente Td (s) ser a:

Td (s) =

Y (s) G(s) = R(s) 1 + G(s)

(7.1)

y la relaci on entre la se nal de error y la referencia vendr a dada por

1 E (s) = R(s) 1 + G(s)

(7.2)

Sup ongase que los polos de Td (s) se denotan por pi y que los ceros se hacen por ci . En tal caso se tiene:

Td (s) =

k(s + c1 ) (s + c2 ) (s + cm ) (s + p1 ) (s + p2 ) (s + pn )

(7.3)

Por otra parte desarrollando en serie E (s) /R(s) se tiene:

E (s) = e o + e 1 s + e 2 s2 + R(s) 123

(7.4)

124

Relaci on entre las constantes de error y los polos y ceros.

Se van a estudiar a continuaci on las relaciones entre las constantes de posicio n k p , velocidad kv , y aceleraci on ka y los polos y ceros de Td (s).

7.1.1

Seguimiento de posici on.

Sup ongase una entrada en escalo n de posici on, de manera que R(s) = 1/s. En tal caso (7.4) se convierte en eo + e1 + e2 s + ... s

E (s) =

(7.5)

Es decir que

sE (s) = eo + e1 s + e2 s2 + ...

(7.6)

Por lo tanto aplicando el teorema de valor nal, el valor del error en r egimen permanente erp ser a:

erp = limt e(t ) = lims 0 sE (s) = lims 0 Deniendo la constante de error de posicio n k p como

1 = eo 1 + G(s)

(7.7)

k p = lims 0 G(s) se tiene que e0 viene dado por

(7.8)

eo =

1 1 + kp

(7.9)

Por otra parte puesto que

E (0) 1 = lim R(0) s 0 1 + G(s) Y considerando (7.4), es decir e0 = E (0) / R(0), se tendr a que

(7.10)

An alisis de errores en r egimen permanente

125

E (0) 1 = R(0) 1 + k p Adem as se sabe que

(7.11)

E (s) Y (s) = 1 R(s) R(s) A partir de (7.11) y (7.12), haciendo s = 0, se obtiene

(7.12)

kp Y (0) = R(0) 1 + k p de donde, resolviendo para k p , se tiene

(7.13)

kp =

Y (0) / R(0) 1 Y (0) / R(0)

(7.14)

Por otra parte se tiene que haciendo s = 0 en (7.1) se llega a


m Y (0) k j=1 c j = n R(0) j=1 Pj

(7.15)

en donde

m j=1C j = producto de ceros n j=1 Pj = producto de polos

Llevando (7.15) a (7.14) se tiene la siguiente expresio n en donde k p est a expresada en funci on de los polos y ceros. k m j=1 C j
m n j=1 Pj k j=1 C j

kp =

(7.16)

En la pr actica tiene un especial inter es la consideraci on de los sistemas de tipo 1 en bucle abierto. Este caso se presenta cuando se estudian los servomecanismos de posici o n. Para los

126

Relaci on entre las constantes de error y los polos y ceros.

sistemas de tipo uno, o superior, recordando la expresi o n (8), es inmediato que k p tiende a innito. En tal caso, y de acuerdo con (9) es claro que e0 = 0. Por ello considerando (7.4) y (12) se tendr a que

Y (s) E (s) = 1 = 1 e 1 s e 2 s2 R(s) R(s) Obs ervese que haciendo s = 0 se tiene

(7.17)

Y (0) =1 R(0)

(7.18)

lo que signica que en r egimen permanente no existe error de seguimiento, cosa que era sabida para los sistemas de tipo uno. Haciendo s = 0 en la expresi on (7.3), y teniendo en cuenta (7.18) se tendr a que

1=

k c1 ......cm p1 p2 ...... pn

(7.19)

Esta expresi on muestra la relaci on existente entre los polos ceros y la constante k de un sistema en bucle cerrado para que el error de seguimiento en posici o n sea nulo. La constante de posici on k p es adimensional.

7.1.2

Seguimiento de velocidad.

Sea un sistema con error de seguimiento en posicio n nulo (eo = 0) y sup ongase que se le aplica una entrada en rampa de manera que R(s) = 1/s2 . En tal caso se tiene que E (s) vendr a dado por

E (s) =

1/s2 e1 = + e2 + .... 1 + G(s) s

(7.20)

Aplicando el teorema del valor nal se tendr a que el error en r egimen permanente a una rampa ser a

erp = lim e(t ) = lim sE (s)


t s0

An alisis de errores en r egimen permanente


= lim 1 s + sG(s) 1 = e1 = lim s0 sG(s)
s0

127

Se dene la constante de error de velocidad kv como

kv = lims 0 sG(s) de manera que e1 vendr a dada por

(7.21)

e1 =

1 kv

(7.22)

La constante de seguimiento en velocidad kv tiene un valor nito para sistemas en bucle abierto de tipo 1, es decir, para sistemas con una integracio n pura. En tal caso se tiene que e0 = 0, con lo que se tiene, habida cuenta de la expresio n (7.4).

Y (s) = 1 e1 s e2 s2 .... R(s) Derivando esta expresi on con relaci on a s, y haciendo s = 0, se tiene

d Y (s) ds R(s)

s=0

= e1 =

1 kv

(7.23)

Si, adem as se tiene presente que para sistemas de tipo 1

Y (s) R(s) a partir de las dos expresiones anteriores

=
s=0

Y (0) =1 R(0)

d ds (Y (s)/R(s)) s=0 1 Y (s) d = ln = kv (Y (s)/R(s))s=0 ds R(s)

(7.24)
s=0

Llevando la anterior expresi on a (7.4) se tiene que

128

Relaci on entre las constantes de error y los polos y ceros.

d 1 = (ln k + ln(s + c1 ) + .. ln(s + p1 ) ..) s = 0 kv ds lo que puede escribirse

(7.25)

1 1 1 = ( + .... ...)s = 0 kv s + c1 s + p1 o de forma m as compacta

n m 1 1 1 = kv i=1 pi j=1 c j

(7.26)

Por consiguiente 1/kv es igual a la suma de los inversos de los polos menos la suma de los inversos de los ceros, todo en bucle cerrado. Si se quiere que el error de seguimiento en velocidad sea nulo se requerir a que kv tienda a innito, en cuyo caso se tendr a que

j=1

1 = pj

j=1

1 cj

(7.27)

Ejemplo. Sea un sistema de segundo orden cuya funcio n de transferencia en forma normalizada se escribe Y (s) 2 n = 2 R(s) s + 2n s + 2 n Este sistema presenta un error de seguimiento en posicio n igual a cero, es decir Y (0)/R(0) = 1. Por lo tanto interesa calcular kv en funci on de los par ametros n y . Los polos de la anterior funci on de transferencia ser an p1,2 = n jn 1 2 y por lo tanto aplicando la expresio n (7.26) se tendr a que n 2

kv =

(7.28)

La constante de velocidad kv tiene dimensi on de seg1 . En efecto

An alisis de errores en r egimen permanente


kv

129

erp =

a y como erp se mide en metros (o radianes) y en metros por segundo (o rad / seg) se tendr que kv vendr a dada por seg1 .

7.1.3

Seguimiento de aceleraci on

Sea un sistema con errores de seguimiento de posicio n y velocidad nulos. Para el estudio de un seguimiento en aceleraci on se procede de forma similar a como se ha hecho anteriormente. Si se supone una entrada en aceleracio n se tendr a que R(s) = 1/s3 , con lo que el valor de E (s) ser a e2 + e3 + s e4 + ... s

E (s) =

(7.29)

Aplicando nuevamente el teorema del valor nal se tendr a que el error de seguimiento en aceleraci on cuando el tiempo tiende a innito ser a

erp = lims0 s E (s) = e2 Y deniendo la constante de error en aceleracio n ka como

ka = lims s2 G(s) se tendr a que

e2 =

1 ka

Tomando la segunda derivada de (29) se tendr a que

d2 ds2

ln

Y (s) R(s)

(Y /R)1 (Y /R) Y /R Y /R

de donde es f acil de deducir haciendo s = 0, que


n 1 1 2 = 2+ 2 ka kv j=1 p j m

j=1

1 c2 j

130

Relaci on entre las constantes de error y los polos y ceros.


expresi on que permite calcular la constante de velocidad ka . La constante de aceleraci on ka tiene dimensi on seg2 .

7.1.4

Sistemas con error nulo

Sup ongase que la funci on de transferencia de un sistema en bucle cerrado viene dada, en forma normalizada, por la expresi on siguiente Y (s) bo sm + + bm1 s + bm = n R(s) s + a1 sn1 + + an1 s + an

(7.30)

Esta expresi on, considerada como cociente de dos polinomios, puede desarrollarse en serie, de la forma siguiente:

Y (s) R(s)

= c o + c 1 s + c 2 s2 +

bo sm + + bm1 s + bm sn + a1 sn1 + + an1 s + an

La determinaci on de los coecientes ci del desarrollo en serie, puede hacerse f acilmente mul tiplicando ese desarrollo en serie por el denominador de la funci o n de transferencia, e igualando coecientes entre ambos miembros. Con ello se obtiene que

co =

bm an

(7.31)

c1 =

bm1 co an1 bm

Recordando la expresi on (7.4) se tiene que el error vendr a dado por

E (s) T (s) = 1 R(s) R(s) Si se supone una entrada en escalo n R(s) = 1/s, entonces es evidente que el error ser a nulo en r egimen permanente si c0 = 1, es decir, si an = bm . Por consiguiente es necesario que bm = an para que el error en r egimen estacionario sea nulo, cuando se aplica como se nal de entrada una se nal en escal on.

An alisis de errores en r egimen permanente

131

Para obtener un error de seguimiento en posicio n nulo, para un sistema cuya funcio n de transferencia sea de la forma (30), existen distintas formas posibles. Si el numerador consiste u nicamente en una constante, entonces la forma que se obtiene es u nica y es la siguiente

Y (s) an = n R(s) s + + an1 s + an Sup ongase que c0 = 1. En tal caso, c1 se convierte en bm1 an1 bm

(7.32)

c1 =

(7.33)

Ahora suponiendo una entrada en rampa, el error tendr a un valor nulo en r egimen permanente si an1 = bm1 . En tal caso una forma posible para la funcio n de transferencia en bucle cerrado es an1 s + an Y (s) = R(s) sn + a1 sn1 + + an1 s + an

(7.34)

Estas expresiones se pueden generalizar para entradas de orden superior. El inter e s de las mismas radica en que permite especicar el numerador, a partir de consideraciones de comportamiento en r egimen permanente, partiendo del denominador, obtenido por consideraciones de comportamiento transitorio.

132

Relaci on entre las constantes de error y los polos y ceros.

Parte III

An alisis de sistemas din amicos en el dominio de la frecuencia

133

Tema 8

Representaci on gr aca de la funci on de transferencia


Es usual emplear representaciones gr acas de la funci on de transferencia. Ello es especialmente patente en los m etodos cl asicos, en los que se trabaja en el dominio de la frecuencia. Vamos a ver algunas de las formas de representacio n gr acas m as usuales.

8.1 Diagramas m as comunes


8.1.1 Diagrama de polos y ceros: caso racional

Sea la funci on de transferencia K (s + c1 ) . . . (s + cm ) (s + p1 ) . . . (s + pn )

G(s) =

Se puede representar G(s) indicando la posicio n de sus ceros ci y de sus polos pi en el plano de la variable compleja s (g. 8.1).

8.1.2

Diagrama de Nyquist

La funci on de transferencia G(s) se representa mediante una curva en un diagrama polar. Esta curva se construye representando para cada valor de el m o dulo y el argumento de la expresio n compleja que resulta de hacer s = j en G(s). Como se sabe, el m o dulo y el argumento de G( j) representan la amplicaci on (o atenuaci on) y el desfase de una se nal sinusoidal que atraviese el sistema. En la gura 8.2 se representa un diagrama de esta naturaleza. Conviene observar que var a de 0 a . 135

136

Diagramas m as comunes

Im

K Re

Figura 8.1: Diagrama de polos y ceros

Im =0 Re =1 = 10

= = 100

Figura 8.2: Diagrama de Nyquist

Representaci on gr aca de la funci on de transferencia

137

El diagrama de Nyquist es por tanto una curva parametrizada en que, para cada punto (es decir, para cada frecuencia), da el mo dulo y el argumento de la funcio n de transferencia.

8.1.3

Diagrama logar tmico o de Bode

En este caso, la funci on de transferencia G(s) se representa mediante el conjunto de las dos curvas siguientes (g. 8.3):
log |G(j)|

log

Arg G(j)

log

-180

Figura 8.3: Diagrama logar tmico

Curva de fase: arg G(s) en funcio n de log .

Curva de amplitud: log |G(s)| en funcio n de log ;

El empleo de logaritmos para representar los mo dulos permite facilitar la combinacio n de fun ciones de transferencia en serie, ya que en tal caso el producto de los m o dulos se convierte en la suma de sus logaritmos. Conviene recordar que la medida logar tmica de la relaci on entre dos se nales A se expresa en decibelios (dB), 20 log10 A d ecadas log10 A octavas log2 A Este conjunto de curvas, como veremos a continuaci o n, es el m as utilizado en la pr actica para representar gr acamente la funci on de transferencia.

138

Diagrama de Bode

8.1.4

Diagrama de Black

En este diagrama se representa la funcio n de transferencia G(s) mediante una curva parametrizada en en un plano cuyos ejes de coordenadas est an denidos por arg(G( j)) y 20 log10 A (g: 8.4).
log|G(j)| =1

-180

-90

0 Arg G(j)

Figura 8.4: Diagrama de Black

8.2 Diagrama de Bode


Como se ha indicado m as arriba, el diagrama de Bode consiste en la representaci o n gr aca de la funci on de transferencia mediante dos curvas, una relativa a la amplitud y la otra a la fase. En ambas curvas, en abcisas se representa el logaritmo de . En coordenadas se representa en un caso la relaci on de amplitudes en escala logar tmica, mientras que en el segundo la fase en escala natural (en grados o en radianes). La representaci on de una funci on de transferencia G(s) en el diagrama de Bode se hace medi ante unas aproximaciones asinto ticas que simplican enormemente su trazado. Para estudiar estas aproximaciones consideremos la funcio n de transferencia G( j) = k( j + c1 )( j + c2 ) . . . ( j)N ( j + p1 )( j + p2 ) . . .

La denominada forma de Bode de esta funcio n de transferencia es la siguiente k G( j) = ci p j 1+ j c1 j 1+ p1 1+ j ... c2 j 1+ ... p2

(8.1)

( j)N

Representaci on gr aca de la funci on de transferencia


en donde la denominada ganancia de Bode viene dada por kB = k ci p j

139

La expresi on (8.1) es una expresi on compleja en funci on de . Es decir, para cada valor de tomar a un valor complejo y, por tanto, tendr a un m odulo y un argumento. El m odulo ser a tal que si tomamos su logaritmo se podr a escribir 20 log |G( j)| = 20 log |kB | + 20 log +20 log 1 + 20 log ( j)N 1+ 1 1+ j p1 j c1 +... +... (8.2)

mientras que el argumento ser a 20 arg G( j) = 20 arg kB + 20 arg 1 + +20 arg 1 + 20 arg ( j)N 1 1+ j p1 j +... c1 +... (8.3)

Obs ervese que mediante la adopcio n de una escala logar tmica para el m odulo se ha descompuesto aditivamente en las aportaciones de cada uno de los elementos que aparecen en (8.1). Esta descomposici on aditiva, junto con la que se da de una manera natural para el argumento, permite que se obtenga la representacio n gr aca en el diagrama de Bode a partir de la repre sentaci on gr aca de cada uno de los elementos que aparecen en (8.1). Vamos a ver a continuaci o n c omo se representa gr acamente cada uno de estos elementos.

8.2.1

Diagrama de Bode de una constante

La representaci on en el diagrama de Bode de una constante es inmediata y se tiene en la gura 8.5.

8.2.2

n pura Diagrama de Bode de una integracio

El diagrama de Bode de una integracio n pura G( j) = 1 j

viene dada por una recta de pendiente -20 decibelios por d ecada (o -6 decibelios por octava) y con un desfase constante igual a -90 grados

140

Diagrama de Bode

20logK

K>1

Amplitud(dB)

-20logK

K<1

K(numero positivo) 0.0

Fase(grados)

-90.0

K(numero negativo) -180.0 (rad/s)

Figura 8.5: Diagrama de Bode de una constante

20

Amplitud (dB)

0 -20 -40 -20dB/dec

90

Fase(grados)

-90

-180 -1 10

10

10 (rad/s)

10

Figura 8.6: Diagrama de Bode de una integracio n pura

Representaci on gr aca de la funci on de transferencia

141

8.2.3

Diagrama de Bode de un sistema de primer orden

Sea el sistema de funci on de transferencia 1 1+ j p

Para estudiar su representaci on en el diagrama de Bode consideraremos, en primer lugar, dos situaciones extremas: En tal caso se tendr a que 20 log | 1 1+ j p | 20 log 1 = 0dB p

en cuyo caso 20 log | j 1+ p 1 | 20 log | 1 | = 20 log j p p p

Por tanto, la representaci on gr aca del m odulo de G presenta dos as ntotas. Para valores bajos de la as ntota es sencillamente la recta horizontal trazada en 0 dB; mientras que para valores altos de la frecuencia la as ntota es una recta de pendiente -20 dB/d ecada. Estas dos as ntotas se cortan en el punto = p. Para completar la curva podemos considerar dos puntos interesantes:

para / p = 0.5 se tiene |G( j)| = 1 dB. para / p = 1 se tiene |G( j)| = 3 dB. Por lo que respecta a la fase no es posible hacer unas aproximaciones asint o ticas como las que acabamos de ver para la amplitud. No obstante, se dispone de una plantilla que permite trazar la curva de fase correspondiente.

142

Diagrama de Bode

20

Amplitud(dB)

0 1dB -20 3dB

1dB

-40

Fase(grados)

-45

-90 -1 10

10

10 (rad/s)

10

Figura 8.7: Diagrama de Bode de un sistema de primer orden

8.2.4

n pura Diagrama de Bode de una diferenciacio

El diagrama de Bode de un diferenciador puro G( j) = j se obtiene de forma similar al de un integrador puro. En la gura 8.8 se representa el diagrama correspondiente. En este caso la curva de amplitud tiene pendiente positiva y la de fase es positiva.

40

Amplitud(dB)

20 +20dB/dec 0 -20

90

Fase(grados)

45

0 -1 10

10

10 (rad/s)

10

Figura 8.8: Diagrama de Bode de una diferenciacio n pura

Representaci on gr aca de la funci on de transferencia

143

8.2.5

Diagrama de Bode del t ermino asociado a un cero

El t ermino asociado a un cero G( j) =

j +1 p

conduce, por consideraciones an alogas a las que se han hecho para un sistema de primer orden (asociado a un polo), tiene la forma que se muestra en la gura 8.9.
40

Amplitud(dB)

+20dB/dec 20 1dB 0 3dB 1dB

90.0

Fase(grados)

67.5 45.0 22.5 0.0 -1 10 10


0

10 (rad/s)

10

Figura 8.9: Diagrama de Bode del t ermino asociado a un cero

Combinando todo lo que se acaba de ver, y teniendo en cuenta las expresiones (8.2 y (8.3), se puede obtener la representacio n gr aca de la funci on de transferencia del sistema cuya funcio n de transferencia viene dada por la expresio n (8.1).

8.3 Sistemas de fase m nima


Un sistema con un cero con parte real positiva recibe la denominaci o n de sistema de fase no m nima, mientras que si todos ceros tienen parte real negativa recibe la denominaci o n de sistema de fase m nima. En los sistemas de fase no m nima el valor que toma la fase es mayor, para un mismo valor de la frecuencia, que si todos los polos y ceros estuvieran en el semiplano de la izquierda (el sistema fuera de fase m nima). Con el n de ilustrar el concepto de sistema de fase m nima consid erense los sistemas de funci on de transferencia: sz G1 (s) = (8.4) s+ p y s+z (8.5) G2 (s) = s+ p

144
Im G1 (s) p 0 z Re G2 (s) z p

Sistemas de fase m nima


Im

Re

Figura 8.10: Diagrama de polos y ceros de G1 y de G2 Vamos a comparar los diagrams de Bode de estas dos funciones de transferencia. Para ello consid erese la gura 8.10. Es claro que | G1 ( j) |=| G2 ( j) | 0 y, por tanto, las curvas de amplitud en el diagrama de Bode ser an las mismas para las dos funciones de transferencia. Sin embargo, por la que respecta a los argumentos es claro que se tendr a: arg G1 ( j) arg G2 ( j) 0 En la gura 8.11 se tienen las correspondientes curvas de fase. Se comprende la denominaci o n de sistema de fase m nima para G2 .

180

90

G1(j)

10

-1

10

10

10 G2(j)

-90

Figura 8.11: Curvas de fase en el diagrama de Bode de G 1 y de G2

Representaci on gr aca de la funci on de transferencia

145

8.4 C rculos M y N
Para proceder al dise no de sistemas realimentados, mediante m etodos gr acos, es necesario disponer de un m etodo gr aco que permita pasar de la funcio n de transferencia en bucle abierto G(s) a la correspondiente a bucle cerrado T (s). Como se sabe la expresi o n que liga a estas dos funciones de transferencia es la siguiente G(s) T (s) = 1 + G(s) Si se interpreta vectorialmente esta expresio n se tendr a que el vector T ( j) tendr a como m odulo el cociente de los vectores G( j) y 1 + G( j), y como argumento la diferencia de los argumentos de estos dos vectores. En la gura 8.12 se tienen representados los correspondientes vectores. A
Im

(1 + j0) A 1+G

0 P G Re

Figura 8.12: Diagrama polar de la funcio n de transferencia, con vectores asociados partir de esta gura resulta que para cada valor de el mo dulo de T ( j) se determinar a mediante el cociente de las medidas de los segmentos OP y AP, y el argumento de T ( j) vendr a dado por la expresi on arg C/R = (8.6) Con el n de facilitar la aplicaci on pr actica de este m etodo gr aco se procede a denir en el plano polar un sistema de coordenadas curvil neas que permita resolver gr acamente la determinaci on del m odulo y el argumento de T ( j). Para ello se procede a dibujar el lugar geom etrico de los puntos para los que el m odulo (respectivamente el argumento) de T ( j) sea constante. Sea (x, y) un punto gen erico del plano complejo (gura 8.13). A partir de las guras 8.12 y 8.13 se puede escribir OP = x2 + y2 AP = (1 + x)2 + y2

M=

OP = AP

x 2 + y2 (1 + x)2 + y2

Elevando al cuadrado esta expresio n, y tras algunas manipulaciones algebr aicas, se tiene y2 + x2 + 2x M2 M2 = M2 1 M2 1

146

C rculos M y N

Figura 8.13: Plano complejo Sumando y restando a esta expresio n M2 M2 1 se tiene y2 + x2 + 2x de donde se concluye y2 + x + M2 M2 1
2 2

M2 M2 + M2 1 M2 1

M2 M2 1 M2 M2 1

M2 M2 1

Esta expresi on indica que el lugar geom etrico en el plano complejo de los puntos para los que el m odulo de T ( j) es constante viene dado por un c rculo de centro c= y de radio r= M M2 1 M2 M2 1

La familia de c rculos correspondientes a diferentes valores de M se tiene en la gura 8.14. Esta gura admite una f acil interpretaci on. Si en ella se dibuja la funci on de transferencia en bucle abierto G( j) entonces leyendo esta misma curva en el sistema de coordenadas curvil neas denido por los c rculos M se tiene el m odulo de la funci on de transferencia en bucle cerrado T ( j). Por lo que respecta a las fases, se puede proceder de manera an aloga a como se ha hecho con los m odulos. En este caso se tiene que, de acuerdo con la expresi o n (8.6) el argumento de T ( j) viene dado por el a ngulo APO en la gura 8.12. En la gura 8.15 se representa el lugar geom etrico de todos los a ngulos APO de valor constante. Este lugar geom etrico resulta ser un c rculo, de acuerdo con una bien conocida propiedad de la geometr a, y el valor de este a ngulo est a perfectamente denido en el c rculo y resulta ser de /2, de acuerdo con la gura 8.15. Es decir G 1/2 arg = = = arctan 1+G 2 y siendo y= G 2 tan()

Representaci on gr aca de la funci on de transferencia

147

Im

Re

Figura 8.14: C rculos M

1 + j0 1+G

0 G

Figura 8.15: C rculos N

148

C rculos M y N

De este modo se tiene denida otra familia de c rculos, los c rculos N , en los que se puede leer la fase del sistema en bucle cerrado si se dibuja en coordenadas polares la funci o n de transferencia en bucle abierto. En la pr actica no se emplean los c rculos M y N en el diagrama polar, sino su traslacio na un diagrama de coordenadas rectangulares, en el que se representa en abcisas el logaritmo de y en coordenadas la relaci on de amplitudes en decibelios. Este diagrama recibe la denominaci o n de a baco de Black, en libros europeos, mientras que en libros americanos es frecuente que se denomine a baco de Nichols.

Parte IV

Estabilidad de sistemas din amicos

149

Tema 9

Estabilidad de los sistemas dina micos


9.1 Introducci on

La estabilidad es una propiedad cualitativa de los sistemas din amicos a la que cabe considerar como la m as importante de todas. Ello es debido a que, en la pr actica, todo sistema debe ser estable. Si un sistema no es estable, normalmente carece de todo inter es y utilidad. El estudio de la estabilidad de los sistemas din amicos ocupa un lugar primordial en el an alisis y en la s ntesis de los sistemas realimentados. De hecho, la s ntesis de un sistema de control estar a presidida por un imperativo de estabilizacio n del sistema realimentado que resulte. El presente cap tulo se va a dedicar al an alisis de la estabilidad de los sistemas din amicos, es decir, a establecer criterios que permitan discernir si un determinado sistema din amico, dado en una cierta forma de representacio n matem atica, es estable o no. En cap tulos posteriores se estudiar an las modicaciones a introducir en los sistemas din amicos para modicar su estabilidad. El estudio de la estabilidad de los sistemas din amicos, se har a atendiendo a la forma de representaci on adoptada; en este sentido se estudiar a en primer lugar la estabilidad de los sistemas din amicos dados por su descripcio n externa, y luego se har a el estudio para la descripci on interna de los mismos. Al mismo tiempo se ver a a lo largo de este cap tulo c omo existen distintas deniciones de estabilidad, lo que da lugar a distintos criterios, asociados a las distintas deniciones. No obstante, se ver a que pese a la aparente diversidad de deniciones y criterios, existe una profunda unidad subyacente en todo el tema. 151

152

Criterios de estabilidad relativos a la descripcio n externa

9.2 Criterios de estabilidad relativos a la descripci o n externa


Una forma intuitiva de afrontar el problema de la estabilidad de un sistema es considerar que e ste ser a estable si las distintas magnitudes que lo denen no alcanzan valores innitos. Basados en esta idea intuitiva se puede dar la siguiente denicio n precisa de estabilidad. Denici on al de entrada acotada, Un sistema, inicialmente en reposo, se dice estable si ante cualquier se n al de salida acotada. es decir, que no alcanza valores innitos, responde con una se n Formalmente se dice de una se nal x(t ), denida en un cierto intervalo (t0 , t1 ), que est a acotada en dicho intervalo, si para todo t (t0 , t1 ) existe un valor k < tal que |x(t )| < k De una forma m as compacta puede decirse que un sistema es estable si,

se nal de entrada acotada se nal de salida acotada.

Desde un punto de vista intuitivo esta denicio n de estabilidad es satisfactoria; tiene, adem as, la ventaja adicional de que conduce a resultados matem aticos interesantes, seg un se ver a en lo que sigue. Para el caso de sistemas multivariables esta denicio n es igualmente v alida, sustituyendo las ales de entrada y de salida. se nales de entrada y de salida por los vectores de sen En los libros anglosajones a la estabilidad anteriormente denida se la llama estabilidad BIBO (bounded-input bounded-output). Si se adopta la forma de descripcio n externa dada por la integral de convolucio n, es decir, si la relaci on entre la se nal de entrada u(t ) y la se nal de salida y(t ) est a dada por una expresi on de la forma,

y(t ) =

h(t , ) u() d

(9.1)

entonces el criterio de estabilidad de un sistema viene dado por el siguiente teorema. Teorema Un sistema, inicialmente en reposo, representado por una expresi o n de la forma (9.1) es estable si y s olo si existe un n umero nito k tal que para todo t ,

Estabilidad de los sistemas din amicos

153

| h(t , ) | d k <

(9.2)

Demostraci on

1. Suciencia al de entrada Se trata de demostrar que si se cumple la condicio n (9.2), entonces ante una sen acotada, | u(t ) |< k1 para todo t , la se nal de salida y(t ) es tambi en acotada. En efecto, se tiene:

| y(t ) |=|

h(t , ) u()d | k1

t t

| h(t , ) | u() | d | h(t , ) | d kk1

2. Necesidad Se trata de demostrar que si las se nales de entrada u(t ) y de salida y(t ) son acotadas, entonces siempre se cumple la expresi on 9.2. Ello es equivalente a demostrar que si no se cumple la ales de salida y(t ) que no est expresi on 9.2 entonces pueden existir sen en acotadas aunque lo est e la se nal de entrada u(t ). Sup ongase que la expresi on (9.2) no se cumple, es decir
t

| h(t1 , ) | d =

al de entrada se tiene una salida no acotada. En Si a este sistema se le aplica la siguiente sen efecto, sea u(t ) = sgn[h(t1 , )] en donde, 0 si x = 0 1 si x > 0 sgn x = 1 si x < 0 h(t1 , ) u() d =
t1

al de salida del sistema no lo es, Es claro que u(t ) es acotada. Sin embargo la sen y(t1 ) =
t1

| h(t1 , ) | d =

Queda demostrado la necesidad de que se cumpla la expresi o n (9.2) para que el sistema sea estable.

154

Criterios de estabilidad relativos a la descripcio n externa

Para sistemas multivariables el anterior resultado se generaliza diciendo que un sistema ser a estable si la propiedad de la expresio n (9.2) se cumple para cada uno de los elementos de la matriz H (t , ). Para sistemas invariantes en el tiempo la expresio n (9.1) se convierte en
t

y(t ) =
0

h(t ) u() d

(9.3)

Y la expresi on (9.2) se convierte en,


0

| h() | d < k <

(9.4)

Para sistemas invariantes en el tiempo, la forma de descripci o n externa usualmente empleada es la funci on de transferencia. Interesa enunciar un criterio de estabilidad en t erminos de dicha funci on de transferencia. Es lo que se hace en el siguiente teorema. Teorema Un sistema lineal y estacionario, representado por una funci o n racional propia G(s) es estable si y s olo si, todos los polos de G(s) est an situados en el semiplano izquierdo abierto del plano s. Una forma equivalente de expresar lo anterior es decir que los polos de G(s) tienen la parte real negativa. En el semiplano izquierdo abierto, a que se alude en el anterior teorema, se excluye el eje imaginario. Si se incluye este eje imaginario se habla del semiplano izquierdo cerrado. Demostraci on Si G(s) es una funci on racional propia entonces puede desarrollarse en fracciones parciales, de manera que se descompone en la suma de un nu mero nito de t erminos de la forma, K (s pi )l Y adem as, posiblemente, una constante pi denota un polo de G(s). Al hallar la antitransformada de Laplace de G(s) se tiene que g(t ) es la suma de un n u mero nito de t erminos de la forma t 1 e pi t y, adem as, una posible funci on de Dirac. Es f acil de mostrar que t 1 e pi t es absolutamente integrable si y so lo si pi tiene la parte real negativa. Por lo tanto el sistema G(s) ser a estable si y s olo si todos los polos de G(s) tienen la parte real negativa.

Ejemplo 1

Estabilidad de los sistemas din amicos

155

Sea el sistema cuya funci on de transferencia es G(s) = 1/s. Este sistema no es estable, de acuerdo con las anteriores deniciones. En efecto, consid erese una se nal de entrada en escal on U (s) = 1/s. Se tendr a que la se nal de salida ser a Y (s) = 1/s2 . Por lo tanto y(t ) = L 1 (1/s2 ) = t la se nal de salida y(t ) no es acotada y por lo tanto el sistema no es estable. Ejemplo 2 Seg un la denici on anterior un oscilador simple es un sistema inestable. En efecto, consid erese el sistema cuya funci on de transferencia es G(s) = 1/(1 + s2 ) que corresponde a un oscilador. La respuesta impulsional correspondiente es g(t ) = sen t , la cual se representa al de entrada en la gura 9.1 (a). Sup ongase ahora que se aplica a dicho sistema una sen peri odica rectangular, de amplitud unidad y de periodo el mismo del oscilador, tal como la de la gura 9.1 (b). La se nal de salida viene dada por la expresio n 9.3. ales g() u() Sup ongase ahora que en la expresio n 9.3 se hace t = 0. El producto de sen est a representado en la gura 9.1 (c). Es claro que y(0) es precisamente el a rea cubierta por dicha curva, cuando tiende a innito. Por lo tanto y(0) = . Es decir, el sistema es inestable. A este mismo resultado se llega inmediatamente considerando los polos de la funci o n de transferencia, que resultan estar situados en el eje imaginario.

Para sistemas multivariables se generalizan inmediatamente los anteriores resultados diciendo que un sistema multivariable denido por una matriz de transferencia G(s) ser a estable si cada uno de sus elementos satisface el anterior teorema. Sea la funci on de transferencia de la forma: H (s) = b0 sm + b1 sm1 + + bm b(s) = sn + a1 sn1 + + an a(s) (9.5)

Figura 9.1: Para determinar si H (s) es estable o no, es necesario:

1. comprobar si m < n; 2. determinar si las raices de a(s) est an situadas en el semiplano abierto negativo.

Para comprobar si las raices de un determinado polinomio se encuentran en el semiplano abierto negativo, se aplica el criterio de Routh-Hurwitz que se estudia en el apartado siguiente.

156

Criterios de estabilidad relativos a la descripcio n externa

9.2.1

Criterio de Routh-Hurwitz

Una funci on de transferencia T (s) representa a un sistema estable si sus polos se encuentran en el semiplano izquierdo negativo. Por lo tanto el problema del an alisis de la estabilidad de un sistema se reduce al del an alisis de los ceros del polinomio del denominador. Un polinomio se denomina un polinomio de Hurwitz si todas sus raices tienen la parte real negativa. Por lo tanto el problema de la estabilidad se reduce al de determinar si el polinomio del denominador es, o no, un polinomio de Hurwitz. El m etodo directo de comprobar si un determinado polinomio es o no un polinomio de Hurwitz consiste en determinar todas las raices de dicho polinomio. Este procedimiento puede ser, adem a s de excesivamente laborioso, inu til por cuanto que suministra una informacio n superior a la que se negativa requiere. No se trata de saber cuales son las raices, sino, simplemente, si su parte real ser a o no. El m etodo de Routh-Hurwitz, permite determinar si las partes reales de las raices ser an negativas o no sin necesidad de determinarlas. Consid erese un polinomio como el siguiente:

sn+1 + a1 sn + + an

(9.6)

Para determinar si el anterior polinomio tiene raices con parte real negativa se procede como sigue:

1. Si alg un coeciente del polinomio es negativo o cero, entonces existe al menos una raiz en el semiplano cerrado derecho. El sistema es, por lo tanto, inestable. 2. En el caso de que no se cumplan los supuestos de 1), se procede a construir la siguiente tabla: 1 a 2 a4 . . . n+1 a1 a3 a5 . . . n 1 2 3 n1 (9.7) 1 2 3 n2 ... ... 1 1 en donde la generaci on de las distintas las se hace como sigue, a partir de los elementos de las dos anteriores

1 =

a1 a2 a 3 1 a1 (9.8) a1 a4 a 5 1 a1

2 =

Estabilidad de los sistemas din amicos

157

La tabla anterior recibe la denominacio n de tabla de Routh, y el algoritmo que permite su construcci on se denomina algoritmo de Routh. Independientemente de los trabajos de Routh, que public o originalmente el algoritmo que conduce a la construcci o n de la tabla anterior, Hurwitz public o un criterio de estabilidad, que se estudiar a en una secci on posterior de este tema, que esencialmente coincide con el de Routh. Por ello el criterio lleva conjuntamente el nombre de los dos autores. Toda la depende de las dos las precedentes. Se procede sucesivamente a determinar las hasta que se determine una cuyos elementos sean todos 0. Para un polinomio de orden n se determinan n + 1 las. El criterio de estabilidad de Routh-Hurwitz dice que el polinomio tiene sus raices en el semiplano abierto negativo si todos los elementos de la primera columna son positivos y no nulos. El n umero de cambios de signo en la primera columna es igual al n u mero de raices del polinomio (9.6) en el semiplano positivo abierto. Ejemplo Sea el polinomio s4 + 5s3 + 3s2 + s + 2 = 0. Para determinar el n umero de raices en el semiplano positivo, se construye la tabla de Routh y se tiene,

4 3 2 1 0

1 5 14/5 36/14 2

3 2 1 0 2 0

como hay dos cambios de signo en la primera columna existir an dos raices en el semiplano derecho. Por consiguiente el sistema es inestable. En la pr actica el criterio de Routh-Hurwitz se aplica para determinar si el sistema es estable o no y, en general, no interesa saber el nu mero de raices en el semiplano positivo abierto. Por lo tanto, cuando lo u nico que interese sea conocer si el sistema ser a estable o no, se proceder aa construir la tabla de Routh hasta encontrar un elemento de la primera columna que sea negativo o cero. Cuando aparezca un elemento negativo o nulo, se suspender a la construcci on de la tabla, y se dictaminar a que el sistema es inestable. En el caso de que interesase conocer cuantas raices existir an en el semiplano positivo, o en el eje imaginario, se procede a construir la tabla de Routh completa. En la construcci o n de la tabla de Routh, para el caso en que interese completarla au n cuando aparezcan elementos nulos en la primera columna, se presentan los dos casos singulares siguientes :

1. Aparece un 0 en la primera columna, siendo no nulos los otros elementos de la misma la. 2. Aparece una la con todos los elementos nulos, antes de llegar a la la n + 2.

158

Criterios de estabilidad relativos a la descripcio n externa

o . Se completa la tabla En el primer caso se sustituye el 0 por un nu mero arbitrariamente pequen y se calcula el l mite de los elementos en los que aparezca haciendo 0. Ejemplo Consid erese el polinomio: s4 + s3 + 2s2 + 2s + 3 Al construir la tabla de Routh se encuentra un cero en la primera columna, en la la dos. Se sustituye este cero por y se procede a completar la tabla, que resulta la siguiente: 4 3 2 1 0 1 2 3 1 2 0 3
23

Una vez construida la tabla se determina el l mite de aquellos elementos en la primera columna en los que aparezca , cuando 0. El elemento correspondiente a la la 1 tiene el siguiente l mite, 2 3 =

lim

Por lo tanto, la primera columna queda como sigue:

1 1 0 3 Se presentan dos cambios de signo en la primera columna, y por consiguiente el sistema tiene dos raices en el semiplano derecho, y es inestable. El segundo caso particular m as arriba enunciado, es decir, el caso en que se presente toda una la de ceros, indica que el polinomio tiene, al menos, un factor par. Es decir, que existe un par de raices reales sim etricas con respecto al eje imaginario, que existen dos raices imaginarias puras conjugadas, o que existen cuatro raices complejas situadas sim etricamente con relaci on al origen. Cuando esto sucede se procede a formar una ecuaci o n subsidiaria a partir de los coecientes de la la anterior a aquella en la que todos los elementos sean nulos. La expresi o n as obtenida resulta ser el factor par del polinomio. Para obtener la la siguiente, en la tabla de Routh, se procede a derivar esta expresi on una vez con respecto a s y situar sus coecientes en la la cuyos elementos se hab an anulado. A partir de esta sustitucio n se prosigue la construcci on de la tabla de Routh normalmente. Un ejemplo ayudar a a jar ideas.

Estabilidad de los sistemas din amicos


Ejemplo Consid erese el siguiente polinomio: s4 + 3s3 + 3s2 + 3s + 2

159

Si se construye la tabla de Routh correspondiente al llegar a la la 1, se encuentra que todos los elementos son ceros. En efecto

4 3 2 1

1 3 2 0

3 2 3 0 2 0

La ecuaci on subsidiaria que se obtiene empleando los coecientes de la segunda la es la siguiente: 2s2 + 2 = 0 que corresponde al factor par s2 + 1. La derivada de la ecuacio n subsidiaria es 4s. Por lo tanto la tabla se completa como sigue

4 3 2 1 0

1 3 2 4 2

3 0 3 0 2 0

De la observaci on de esta tabla se desprende que el polinomio considerado no tiene raices en el semiplano positivo. La factorizacio n del polinomio anterior conduce a, (s2 + 1) (s + 2) (s + 1)

El anterior ejemplo muestra qu e sucede cuando el polinomio en cuestio n tiene raices en el eje imaginario. En tal caso estas raices dan lugar a un factor par, de la forma del que aparece en el ejemplo, que se pone de maniesto al aparecer una la de ceros en la tabla de Routh. Procediendo como se ha hecho en el ejemplo, se elimina la la de ceros y se tiene una tabla de Routh que indica, por medio de los cambios de signos si existen raices en el semiplano derecho. Obs e rvese que aunque no existan raices en el semiplano derecho, como sucede en el ejemplo anterior, el sistema ser a inestable, puesto que existen raices en el eje imaginario. La aplicaci on de las dos reglas anteriores, a los dos casos singulares que se acaban de discutir, debe tomarse con ciertas reservas. En particular, la aplicaci o n de la primera regla (introduccio n de peque nos par ametros ) s olo est a justicada cuando el polinomio no tiene raices sobre el eje imaginario. En el libro Theorie des matrices de Gantmacher, p ag. 181, se tiene un ejemplo de un caso al que la aplicaci on de las reglas no es v alida. Ello, sin embargo, no debe preocupar puesto que lo que normalmente interesa de la aplicacio n del criterio de Routh-Hurwitz es, sencillamente,

160

Criterios de estabilidad relativos a la descripcio n externa

determinar si el sistema ser a estable o no, lo cual puede hacerse en todo caso sin ninguna am biguedad, detectando si existe algu n cero o alg un cambio de signo en la primera columna de la tabla de Routh. El criterio de Routh-Hurwitz suministra una determinacio n r apida de la estabilidad absoluta de un sistema. Sin embargo no suministra ninguna indicaci o n respecto a la posibilidad de alterar la situaci on de las raices. Su principal inter es reside en su empleo como un paso previo, antes de aplicar otros m etodos.

9.2.2

Matriz de Hurwitz

El criterio de Routh-Hurwitz, objeto del apartado anterior, en realidad fue desarrollado originalmente por Routh. Sin embargo es completamente an alogo al desarrollado por Hurwitz, al que se va a dedicar este apartado. Sea un polinomio a(s) tal como:

a(s) = sn + a1 sn1 + + an1 s + an

(9.9)

Se dene la matriz de Hurwitz como la matriz formada por los coecientes del anterior polinomio, siguiente:

H =

a1 a3 1 a2 0 a1 0 1 . . . . . . 0 0

a5 a4 a3 a2 . . . 0

... ... ... ...

0 0 0 0 . . .

0 0 0 0 . . .

(9.10)

. . . an2 an

El criterio de estabilidad de Routh-Hurwitz se puede enunciar diciendo que el polinomio a(s) es un polinomio de Hurwitz si y s olo si los menores principales diagonales de H son todos positivos. Los menores principales diagonales de H son los siguientes: H1 = a1 H2 = det a1 a3 1 a2 (9.11)

H3

a1 a3 a5 = det 1 a2 a4 0 a 1 a3

Hn = det H

Estabilidad de los sistemas din amicos

161

Si en la tabla de Routh los elementos de la primera columna se denotan por 1 , 1 , 1 . . . p1 , entonces es posible demostrar, despu es de algunas manipulaciones alg ebricas, que, H1 = 1 H2 = 1 1 H3 = 1 1 1 (9.12)

Por ello es evidente que el procedimiento de determinar H1 , H2 , . . . , Hn y ver si son positivos no nulos es equivalente al de construir la tabla de Routh. Los determinantes H1 , H2 , . . . reciben la denominaci on de determinantes de Hurwitz. Para aplicaciones pr acticas se recomienda emplear el m etodo tabular de Routh, por ser m as simple que la determinaci on de las matrices de Hurwitz.

9.3 Criterio de Nyquist


El criterio de Routh permite analizar la estabilidad de un sistema lineal a partir de los coecientes de la ecuaci on caracter stica. El criterio de Nyquist (1932) permite realizar un an alisis de la misma naturaleza a partir de la representacio n gr aca de la funci on de transferencia. Este criterio est a basado en un teorema de Cauchy. Consideres una funci o n racional F (s) (formada por un cociente de polinomios en s). Si s representa a la variable compleja s = + j entonces F (s) aplica el plano complejo s sobre un plano complejo denido por las partes reales e imaginaria de F (s) (gura 9.2), de modo que a cada vector de s se corresponde un vector de
j C Z=3 P=1 ReF (s) ImF (s)

F (C)

Figura 9.2: Teorema de Cauchy F (s). Conviene recordar que el argumento del vector F (s) se forma de la manera siguiente. En el plano s se denen los vectores que unen los polos y ceros de F (s) con el punto gen e rico s. Pues bien, es f acil ver que el argumento de F (s) se forma sumando los argumentos de los vectores desde los ceros y restando los argumentos de los vectores desde los polos (gura 9.3). Sup ongase ahora que se dene una curva cerrada C en el plano s y la correspondiente curva imagen F (C) en el plano F (s). Supo ngase, adem as, que la curva C se recorre en un determinado

162

Criterio de Nyquist

Figura 9.3: Aplicaci on del contorno C1 : (a) C1 no rodea ning un polo ni cero; (b) C1 rodea un polo sentido (por ejemplo, el de las agujas del reloj). A la curva imagen F (C) se asociar a tambi en un sentido. El teorema de Cauchy establece que el nu mero de veces que la curva F (C) rodea al origen (tomando el sentido positivo el de las agujas del reloj) es igual a la diferencia entre el n u mero de ceros y el de polos que encierra la curva C en el plano s. Es decir,

N = Z P en donde N es el n umero de veces que la curva F (C) rodea al origen, y Z y P representan, respectivamente, el n umero de ceros y de polos contenidos en la curva C en el plano s. Nyquist bas o su criterio en una aplicaci on muy ingeniosa del teorema de Cauchy. Consider o un sistema realimentado con realimentacion unitaria, como el de la gura 9.4. La funcion de transferencia del sistema en bucle cerrado correspondiente viene dado por la expresi o n

+ -

H(s)

Figura 9.4: Sistema realimentado con realimentacio n unitaria G(s) 1 + G(s)

T (s) =

de esta expresi on resulta claro que los polos de T (s) son los ceros de 1 + G(s). Para estudiar la estabilidad de un sistema en bucle cerrado Nyquit propuso denir en el plano s la curva cerrada C que se muestra en la gura 9.5, y que recibe la denominaci o n de contorno de

Estabilidad de los sistemas din amicos

163

Nyquist. Este contorno rodea el semiplano de parte real positiva del plano complejo. Es decir, la regi on del plano complejo en la que no debe haber polos de la funci o n de transferencia en bucle cerrado, si se quiere que el sistema sea estable.
j ImH (s)

A C R= 0 1

H (s) 1 + H (s)

H (C)

ReH (s)

Figura 9.5: Contorno de Nyquist C para estudiar la estabilidad

Hemos visto que los polos de la funcio n de transferencia en bucle cerrado T (s) son los ceros de 1 + G(s). Por tanto, la estabilidad del sistema en bucle cerrado estar a garantizada si no existe ceros de 1 + G(s) en el interior del contorno de Nyquist. Veamos ahora c omo se construye la funci on G(s). Para ello basta observar que el contorno de Nyquist se compone de tres partes. La recta OA que corresponde al eje imaginario del plano complejo y que, por tanto, corresponde a la funcio n de transferencia G( j) para valores positivos de . La recta BO correspondiente a la parte negativa del eje imaginario. Y, por u ltimo, a la curva que une AB, que se encuentra situada en el innito del semiplano positivo del plano s. Por tanto, al recorrer OA, se est a recorriendo G( j) para valores de de cero a innito. An alogamente, al recorrer BO se est a recorriendo G( j) desde menos innito a cero. Por u ltimo, al recorrer de A a B se est a en valores de s con m odulo innito. En este u ltimo caso, si G( j) es tal que el grado del polinomio del numerador es menor que el del denominador, esta funci o n tomar a el valor cero. Aplicando el teorema de Cauchy, para el caso F (s) = 1 + G(s), se puede decir que un sistema realimentado, con realimentacio n unitaria, es estable si y s olo si G(C) rodea al punto cr tico s = 1, en el sentido de las agujas del reloj, un nu mero de veces igual al n umero de polos inestables de la funci on de transferencia G(s). Conviene observar que la parte de G(C) correspondiente al semieje imaginario [0, j] es, en realidad, la representaci on polar de la funci on de transferencia G(s). As mismo, la parte correspondiente al semieje imaginario negativo [ j, 0] es sim etrica con relaci on a esa representaci on polar. Por lo que respecta a la parte correspondiente al semic rculo de radio innito (y eventual mente a un semic rculo innitesimal que rodee al origen) es evidente que si la funci o n de transferencia es tal que el grado del numerador es inferior a del denominador, se reduce a un punto. Por todo ello, el trazado de G(C) es inmediato conociendo la representaci o n polar de la funci on de transferencia G( j).

164 ImH (s) <0

Criterio de Nyquist

= =

ReH (s)

>0

Figura 9.6: Diagrama polar y contorno G(C) para un sistema de primer orden Por ejemplo, en 9.6a se tiene la representacio n de la funci on de transferencia G(s) = 1 (1 + s)

A partir de esta representaci on gr aca, se desprende que G(C) tendr a la forma que se indica en la gura 9.6b. Aplicando el criterio de Nyquist se tiene que este sistema es estable (lo que sucede para todos los sistemas de primer orden cuya funcio n de transferencia sea de la forma 9.6).
j C R= C0 1 ImH (s) H (C0 ) R= = = ReH (s)

Figura 9.7: Contorno de Nyquist y G(C) para un sistema con un polo en el origen

En la gura 9.7 se tiene otro ejemplo de aplicacio n del criterio de Nyquist, el correspondiente a la funci on de transferencia 1 G(s) = s(1 + s) en este caso se tiene que la funcio n de transferencia G(s) presenta un polo en el origen, el cual debe adiendo ser evitado por el contorno de Nyquist, por lo que se recurre a modicarlo ligeramente a n el contorno innitesimal C0 que se muestra en la gura 9.7. Es f acil ver que la adici on de este contorno no modica el planteamiento anterior.

Estabilidad de los sistemas din amicos


Un u ltimo ejemplo que vamos a considerar es el siguiente G(s) = s+1 s s( 1) 10

165

(9.13)

En este caso se tiene que el sistema presenta un polo inestable. En la gura 9.8 se tiene el trazado G(C) correspondiente. Im

>0

Re

<0 0

Figura 9.8: Diagrama de Nyquist del sistema del ejemplo

En el diagrama de la gura 9.8 el punto cr tico se ha representado en funcio n de la ganancia K . Obs ervese que la peque na desviaci on C0 alrededor del polo s = 0 (gura 9.9) da lugar a un gran arco en el innito. Este arco se situa en el semiplano izquierdo, ya que atraviesa el eje real negativa debido a la contribucio n de fase de 180 grados del polo en el semiplano de la derecha. Para valores grandes de K (Kg en la gura 9.8) se observa que G(C) rodea al punto cr tico en el sentido contrario de las agujas del reloj; es decir, N = 1. Por otra parte P = 1, debido al polo en el semiplano de la derecha, por lo que Z = N +P = 0 donde se concluye que no hay raices inestables en el sistema. Para valores peque nos de K (K p en la gura 9.8) la curva G(C) rodea al punto cr tico en el sentido positivo de las agujas del reloj, por lo que N = +1 y Z = 2, por lo que el sistema posee dos raices con parte real negativa y es inestable. De los anteriores ejemplos se desprende que la aplicaci o n del teorema de Nyquist hay que tener especial cuidado en los dos puntos siguientes:

166 Im

Criterio de Nyquist

180o Re

Figura 9.9: Contorno C0 para el sistema del ejemplo Tener en cuenta la posible presencia de polos inestables en bucle abierto; La evaluaci on del n umero de vueltas en torno al punto cr tico -1 en el caso en el que haya ramas innitas (ver el u ltimo ejemplo). Sin embargo, para los sistemas de fase m nima, es posible enunciar la siguiente regla pr actica: Regla pr actica de Nyquist Un sistema realimentado es estable en el caso en el que recorriendo el trazado polar de la funci on de transferencia en el sentido de las crecientes el punto cr tico -1 quede a la izquierda.

9.3.1

n del criterio de Nyquist Grado de estabilidad e interpretacio

Seg un se acaba de enunciar en la regla pr actica del criterio de Nyquist se tiene que la estabilidad depende de la posici on del punto cr tico con relaci on al trazado polar de la funci on de transferencia (gura 9.10). Este hecho sugiere la conveniencia de introducir una medida de la distancia de G(C) a este punto cr tico, por lo que se dene grado de estabilidad del sistema realimentado por
1 El margen de ganancia Gm = 20 log10 A , siendo A la ganancia correspondiente a la fase de 180 grados;

El margen de fase m , que es el desfase del punto correspondiente a la ganancia unidad. En la gura 9.10 se representan Gm y m . La estabilidad equivale entonces a una de las condiciones siguientes:

Estabilidad de los sistemas din amicos


ImH ( j)

167

1 m 1

ReH ( j)

Figura 9.10: Grado de estabilidad Para el vector en bucle abierto correspondiente a un m o dulo unidad el desfase es superior a -180 grados. Para una fase de 180 grados el mo dulo del vector de la funci on de transferencia en bucle abierto debe ser inferior as la unidad.

De este modo, los m argenes de fase y de ganancia establecen las posibles variaciones de la funci o n de transferencia G(s) debidas a perturbaciones eventuales que no afecten a la estabilidad del sistema. En la pr actica se considera que un margen de fase de 50 grados y un margen de ganancia de 10 dB son satisfactorios. Un margen de ganancia por debajo de los 30 grados no suele ser aceptable.

168

Criterio de Nyquist

Parte V

M etodos cl asicos de s ntesis

169

Tema 10

Compensaci on de sistemas realimentados


10.1 Introducci on.
Un sistema de control realimentado se representa esquem aticamente como se indica en la gura 10.1. Sobre este esquema vamos a recordar una serie de conceptos que consideramos de inter e s.

r(t ) +

 e @ -@ @ @  6m

u K

y(t ) G(s)

H (s)

Figura 10.1: Sistema de Control realimentado

al de Cadena directa o de acci on, es la que une los elementos comprendidos entre la se n error y la de salida. Ambas se nales est an relacionadas por la expresio n, Y (s) = KG(s) E (s) siendo G(s) la funci on de transferencia del sistema considerado. 171

172

Introducci on.
Cadena de realimentaci on, es la que une la se nal de salida con la de informacio n m(t ), que ales se relacionan as es comparada con la de referencia. Ambas sen , M (s) = H (s) Y (s) En este caso H(s) es la funci on de transferencia de la cadena de realimentacio n. Se llama bucle abierto, al conjunto de elementos que constituyen todo el sistema, si e ste se al de entrada fuese e(t ) y la de salida m(t ). abriese por el punto m(t ), es decir, como si la sen La funci on de transferencia del conjunto as dispuesto ser a M (s) = KG(s)H (s) E (s) ales Se llama bucle cerrado, al sistema conectado como se indica en la gura 10.1. Las se n y(t ) y r(t ) se relacionan por la conocida fo rmula, f acil de deducir, Y (s) KG(s) = R(s) 1 + KG(s)H (s) al de actuaci Obs ervese que, en este caso, la sen on sobre el sistema es proporcional a la se nal de error. Se trata pues de un control proporcional (P). El valor de la ganancia K del amplicador ser a, por tanto, un par ametro susceptible de ser variado de acuerdo con las necesidades del problema. En lo que sigue se supondr a siempre que la cadena de realimentacio n es unitaria, con lo que el esquema fundamental quedar a de la forma que se indica en gura 10.2 y quedando la funci on de transferencia en bucle cerrado reducida a Y (s) KG(s) = R(s) 1 + KG(s) Naturalmente en este caso cadena de accio n y bucle abierto son dos conceptos coincidentes. Por u ltimo, en algunas ocasiones se recurrir a a alg un servosistema f sico, concretamente al conocido servomecanismo elemental de posicio n, que responde en bucle abierto a una ecuaci on diferencial lineal de la forma J dy d2y +f = u(t ) 2 dt dt

siendo en este caso y(t ) un a ngulo (), J la inercia del conjunto motor-carga y f el coeciente de fricci on viscosa del mismo conjunto.

Para que un sistema de control realimentado actu e aceptablemente, necesita satisfacer unas determinadas especicaciones de funcionamiento, tanto para su r egimen permanente como para su transitorio que, normalmente, no se consigue con los elementos que constituyen el bucle de control.

Compensaci on de sistemas realimentados

173

r(t ) +

 e -@ @ @ @  6m

u K

y(t ) G(s)

Figura 10.2: Sistema de Control realimentado unitariamente

Hay veces en que un simple aumento de la ganancia est atica es suciente para lograr precisio n, sin que se afecte demasiado a las caracter sticas en estado transitorio. No obstante, como lo normal es que e stas se vean empeoradas con una actuacio n de este tipo, o en el mejor de los casos, no se consigan exactamente las que se pretende que tenga el sistema, es por lo que se desarrollaran a continuaci on los procedimientos de compensacio n que se han dado en llamar Cl asicos en raz on de ser los primeros que se utilizaron. Por el hecho de introducir una compensacio n sobre el bucle antes mencionado, el esquema se modica de alguna manera, como se muestra m as adelante. Se distinguen dos tipos de compensaci on:

Compensaci on en serie: Cuando el elemento corrector se coloca en cascada, en la cadena de acci on; y Compensaci on por realimentaci on: Cuando el elemento corrector constituye una segunda cadena de realimentaci on, en el bucle de control.

Los esquemas b asicos para uno y otro caso se muestran, respectivamente, en las guras 10.3 y 10.4. Como ya se ha indicado, en el caso de la compensaci o n en serie, la red correctora se coloca en cascada con los elementos de la cadena de accio n, y delante del amplicador para que el nivel de potencia a que trabaje sea el del error, es decir, bajo. As mismo, se distinguir an tres tipos de acciones:

Acci on proporcional m as derivada (PD); Acci on proporcional m as integral (PI) y Acci on proporcional m as integral y m as derivada (PID).

174

An alisis en el dominio de la frecuencia de la red PD

r(t ) +  e
 6 m

u Gr (s)

u K

y(t ) G(s)

Figura 10.3: Compensaci on en serie r(t ) + e 


-

  6 m 6

u K

y(t ) G(s)

Gr (s)

Figura 10.4: Compensaci on por realimentaci on

10.2 An alisis en el dominio de la frecuencia de la red PD


Tiene lugar cuando la se nal de mando del sistema es la suma de los t erminos, proporcional y derivado de la se nal de error. En este caso se dice que la compensacio n es del tipo PD. La funci on de transferencia de una red de este tipo es de la forma,

Gr(s) = K (1 + s)

La discusi on del caso general se har a en el dominio de la frecuencia, en donde los resultados adquieren mayor generalidad y sencillez. Para ello se estudiar a en primer lugar la respuesta en frecuencia de un corrector PD. Su representacio n en Bode es la que se indica en la Fig. 10.5. a la fase y la magnitud de la cadena Vemos pues que la red, a frecuencias mayores que 1 aumentar de acci on del sistema en el que se introduce. Para frecuencias algo menores que para frecuencias bajas.
1

el efecto es menos notorio llegando a ser despreciable

En el diagrama de Bode, que se representa en la gura 10.6, se observan dos efectos fundamentales sobre la respuesta en frecuencia de un sistema:

Compensaci on de sistemas realimentados

175

Amplitud(dB)

+20dB/dec

1/ (rad/s)

-260

Fase(grados)

-310

-360

1/

Figura 10.5: Diagrama de Bode para red PD 1. Aumento del ancho de banda: contrapartida, en el dominio de la frecuencia, de la disminuci on del tiempo de subida en la respuesta temporal del sistema. Este efecto es m as notable en el diagrama de Black, como se ver a un poco m as adelante, ya que all se trata la respuesta del sistema en bucle cerrado. 2. Aumento del margen de fase: contrapartida, en el dominio de la frecuencia, de la disminuci on de la sobreoscilaci on en el dominio del tiempo.

Compensada

Amplitud(dB)

0 dB Sin compensar

Fase(grados)

Compensada -180
o

MF2 MF1 Sin compensar

(rad/s)

Figura 10.6: Bode sistema con compensacio n PD Las guras 10.7 y 10.8 muestran la variacio n de la funci on de transferencia en bucle abierto de un sistema en el diagrama de Black, al introducir un corrector PD. Si se elige 1 < wR , se consiguen dos efectos:

176

An alisis en el dominio de la frecuencia de la red PD

1. Disminuir el pico de resonancia (Mr ) del sistema en bucle cerrado y 2. Aumentar la frecuencia de resonancia.

60

Amplitud(dB)

30

0 -360

-270

-180 Fase(grados)

-90

Figura 10.7: Diagrama de Black red PD


100

Sin compensar 50

Amplitud(dB)

Compensado -50

-100 -300

-240

-180 Fase(grados)

-120

-60

Figura 10.8: Diagrama de Black sistema con comp. PD Estos efectos de la red PD en el diagrama de Black tienen sus correspondientes en el dominio del tiempo, a saber: Aumento de la frecuencia de resonancia equivale a decir aumento del ancho de banda del sistema en bucle cerrado; por tanto, el sistema deja pasar un espectro mayor de frecuencias. La consecuencia inmediata es una respuesta m as r apida y, en consecuencia, un menor tiempo de subida.

Compensaci on de sistemas realimentados

177

Disminuir el pico de resonancia, tiene como consecuencia un aumento del margen de fase, y se sabe que este efecto va muy ligado a una disminuci o n de la sobreoscilaci on del sistema en bucle cerrado.

Queda a nadir, nalmente, que las redes PD, son irrealizables f sicamente, porque el grado de su polinomio numerador es mayor que el grado de su polinomio denominador. No obstante, en un sistema el ectrico, s se puede conseguir una red de este tipo utilizando elementos activos, aunque a un en este caso, la soluci on no tiene inter es pr actico ya que estas redes presentan un comportamiento muy malo frente a los ruidos.

10.3 An alisis en el dominio de la frecuencia de la red PI


al En este caso, la se nal de mando es la suma de un t ermino proporcional y otro integral, de la sen de error.
t

u(t ) = K e + Ki

e dt
0

La compensaci on es denominada PI y la funcio n de transferencia de una red de este tipo ser a: Gr(s) = K (1 + 1 + s 1 ) = K( ) s s

adir un polo en el origen (cambia el tipo del mismo) y una El efecto sobre el sistema es, pues, an acci on derivada. La respuesta en frecuencia de un corrector PI se muestra en la gura 10.9. Se ve que su acci o n consiste en disminuir la fase del sistema original, aumentando simult aneamente la ganancia en bajas frecuencias. Para altas frecuencias, no modica la respuesta.

Amplitud(dB)

-20dB/dec

1/

Fase(grados)

-45

-90

1/ (rad/s)

Figura 10.9: Respuesta en frecuencia Red PI

178

An alisis en el dominio de la frecuencia de la red PI

Amplitud(dB)

Compensado

0 dB Sin compensar

Fase(grados)

Sin compensar -180


o

MF1 MF2 Compensado

(rad/s)

Figura 10.10: Efecto Red PI El efecto de una red PI sobre un sistema puede verse en la gura 10.10. La gura 10.10, muestra que 1 debe elegirse menor que wR para afectar solamente la respuesta del sistema a bajas frecuencias y aumentar la precisio n del mismo, ya que si por el contrario, se 1 elige > wR aumentar a el pico de resonancia, pudiendo llegarse a inestabilizar el sistema original, como muestra la gura 10.10. La acci on PI se utiliza cuando se quiere mejorar el r egimen permanente de un sistema, es decir, cuando se quiere disminuir el error de seguimiento, y cuando se quiere que el sistema en cuesti o n sea insensible a variaciones en la carga. La introducci on de una red PI es causa de que el sistema, en bucle cerrado, tenga peor r egimen transitorio. Se puede dar una interpretacio n f sica de ello muy simple, y que servir a para comparar el efecto de esta red, con el que proporciona una red PD. La gura 2.6 muestra en diferentes pasos, co mo en este caso, la inversi on del par corrector se realiza con posterioridad al alineamiento de ambos ejes. La consecuencia de ello es que aumentar a la sobreoscilaci on y disminuir a el tiempo de subida, y el sistema ser a m as inestable. En resumen una red PI: Cambia el tipo del sistema (a nade un polo en el origen), Aumenta la sobreoscilaci on y disminuye el tiempo de subida de la respuesta temporal en bucle cerrado. Aumenta la precisi on est atica, compensando las variaciones de la carga a la salida. La red PI se encuentra en el mercado con facilidad, llevando normalmente incorporado el

Compensaci on de sistemas realimentados


50

179

Amplitud(dB)

25

0 -100

-80

-60 -40 Fase(grados)

-20

Figura 10.11: Respuesta PI.(Black)

comparador, con lo que el conjunto forma lo que se llama un regulador de acci o n PI.

10.4 Acci on proporcional, integral y diferencial (PID)


al de mando contiene tres t Como f acilmente se comprende, en este caso, la sen erminos, de tal suerte que la funci on de transferencia del compensador que recibe el nombre de PID es:
t

u(t ) = K e + Ki

e dt + Kd

de dt

Gr(s) = K (1 +

1 K + 2 s) = (1 + 1 s + 1 2 s2 ) 1 s 1 s

Se ve pues que, con una accio n PID, al sistema se le a nade un polo en el origen (se cambia el tipo), una acci on derivada primera, y una accio n derivada segunda. Tomando 1 = 2 = el diagrama de Bode queda como indica la gura 10.12 y su efecto sobre un sistema se muestra en la gura 10.13. on para el caso de correctores PD y PI) se pueden conseguir Si se elige 1 < R (que era condici buenas caracter sticas, tanto en el r egimen transitorio como en el permanente, es decir, es posible beneciarse de los efectos de ambos tipos de redes.

180

Acci on proporcional, integral y diferencial (PID)

Amplitud(dB)

-20dB/dec

20dB/dec

1/ (rad/s)

90

Fase(grados)

-90 1/ (rad/s)

Figura 10.12: Respuesta en frecuencia Red PID

100

50

Amplitud(dB)

-50

-100 -300

-240

-180 Fase(grados)

-120

-60

Figura 10.13: Diagrama de Black sistema con comp. PID

Compensaci on de sistemas realimentados

181

10.5 Compensaci on por avance de fase


Como se ha visto en el tema anterior una red PD aumenta la fase de la funci o n de transferencia y superiores, es decir, aumenta el margen de del sistema a corregir para frecuencias pro ximas a 1 fase (disminuye la sobreoscilacio n) y aumenta el ancho de banda (disminuye el tiempo de subida). Tambi en se ha dicho que una red PD es irrealizable f sicamente. No obstante, es posible conseguir elementos correctores que constituyen una aproximaci o na una red PD, en el rango de frecuencias en que los efectos son interesantes. Estas redes reciben el nombre de redes de adelanto de fase. Las redes de adelanto de fase tienen una funcio n de transferencia de la forma: Gr(s) = 1 + s ; 1 + s < 1 = 1 1 <

cuya representaci on gr aca se tiene en la gura 10.14.


|20log|

Amplitud(dB)

0 dB

1/ (rad/s)

1/at

-300

Fase(grados)

-330

-360

1/ (rad/s)

1/at

Figura 10.14: Respuesta en frecuencia Red de adelanto de fase La forma de la gr aca justica ampliamente la denominacio n de red de adelanto de fase. Su efecto constituye una aproximacio n excelente a una red PD. En efecto, la accio n de una red de adelanto de fase sobre la funcio n de transferencia del sistema en bucle abierto se muestra en la gura 10.15; si se compara e sta con la gura 10.6, se observar a que los efectos sobre el ancho de banda y el margen de fase son pr acticamente los mismos que los que produce una red PD. La diferencia entre ambas redes radica en el t ermino (1 + s) cuyo efecto sobre el ancho de banda y sobre el margen de fase es pr acticamente despreciable si se elige convenientemente el valor de 1/. Este valor, como es natural, debe elegirse notablemente superior al de la frecuencia para la cual la ganancia es 0dB, con objeto de que su efecto sea despreciable. Los criterios que presidir a n la elecci on de estos valores se ver an m as adelante, al considerar los m etodos de dise no. Lo que aqu interesa resaltar es el car acter de aproximaci on a la red PD que presenta la red de adelanto de fase.

182

Compensaci on por avance de fase

Amplitud(dB)

Compensado

0 dB Sin compensar

Fase(grados)

Compensado -180
o

MF2 Sin compensar

10

-1

10

10 (rad/s)

10

10

Figura 10.15: Efecto Red de adelanto de fase

En el mercado se pueden encontrar redes de adelanto de fase de tipo neum atico, hidr aulico o el ectrico, por ejemplo. A continuacio n se propone una red para un servosistema de tipo el ectrico, de f acil realizaci on, y que se muestra en la gura 10.16. En e sta se tiene:
R

ei

es

Figura 10.16: Realizaci on de una red de avance

ei = jZ + eo con e0 = jR siendo

Z=

1 R jwC

R+

1 jwC

R 1 + jwCR

Compensaci on de sistemas realimentados

183

ei =

eo e0 e0 R eo R + R + jwCRR Z + e0 = (Z + R ) = ( +R ) = R R R 1 + jwCR R 1 + jwCR

e0 R (1 + jwCR) R 1 + jwCR = = . ei R + R + jwCRR R + R 1 + jwC. RRR +R y llamando


R R+R

= y = CR queda e0 1 + jw = ei 1 + jw ; Gr(s) = 1 es 1 + jw G r(s) = = ei 1 + jw

G r(s) =

como funci on de transferencia de la red.

10.6 Efecto en el dominio de la frecuencia


La respuesta en frecuencia de esta red el ectrica de adelanto de fase, se muestra en la gura 10.15. De la expresi on de la funci on de transferencia se puede ver que el desfase que produce la red propuesta es: w w 1 + w2 2

tan = y la frecuencia a la cual se produce el m aximo: w = wm = el valor de = m es m aximo, tan m = y de aqu tan m sen m = = 1 + tan2 m
1 2

1 1 1 =

wm (1 ) wm (1 ) 1 = = 2 1 + w2 1+1 2 m

1+

(1)2 4

1 1 = = 2 4 + 1 + 2 1 +

relaci on e sta m as manejable que la anterior y que da el valor de para el margen de fase apetecido, m . El valor de se deducir a de la expresi on wm = 1 1 = 1 = wm

184

M etodo pr actico

sustituyendo wm por la pulsaci on para la cual queremos que se produzca el m aximo adelanto de fase. Debe hacerse notar que para que la ganancia est atica del sistema no quede afectada, hay que 1 on que produce la red a aumentar la ganancia del amplicador en el valor , siendo la atenuaci bajas frecuencias. La gura 10.17. muestra el efecto de una red de adelanto de fase sobre la respuesta en bucle cerrado del sistema, en el plano de Black. Puesto que se pretende un efecto del tipo PD, se comprende f acilmente que la frecuencia wR debe situarse en las proximidades de la frecuencia de resonancia del sistema wR para que de esta forma la nueva frecuencia de resonancia w R sea menor que wR . Asimismo, el pico de resonancia M ser a menor que el anterior, M .

50 Mm

m1

Amplitud(dB)

Sin compensar -50

m2

Compensada

-150 -300

-240

-180 Fase(grados)

-120

-60

Figura 10.17: Diagrama de Black sistema con Red de adelanto de fase NOTA: Otros autores utilizan como expresio n de la funci on de transferencia de la red la siguiente expresi on 1 1 + as a 1+ s siendo las equivalencias entre e sta y la estudiada anteriormente, las siguientes: 1 = a 1 wm = a = sen m = a1 a+1

10.7 M etodo pr actico


Para ver el m etodo pr actico de compensaci on mediante una red de avance, lo haremos con la ayuda de un ejemplo. Dicho ejemplo consiste en compensar el sistema cuya funci o n de transferencia en bucle abierto es:

Compensaci on de sistemas realimentados

185

G(s) =

K s(1 + s)(1 + 0.0125s)

para que cumpla las siguientes especicaciones: 1. Margen de fase > 50 , 2. Error de seguimiento para una entrada u(t ) = t , menor que el 1 %. Resoluci on: Para cumplir la especicaci on de r egimen permanente, Kv = K = Las dos frecuencias de esquina son 1 y 1 R = = 100 E 0.01 = 80

1 0.0125

En Bode se ve que el sistema es inestable. El margen de fase es de unos 2 aproximadamente. Se compensar a el sistema mediante una red de adelanto.

Para el c alculo de , se toma un a ngulo m algo mayor que el m nimo requerido, por ejemplo 55 y se tendr a que, sen 55 = Para hallar se procede as : 1 = 0.82 de donde 0.1 1+

1. Se calcula la atenuaci on total de la red, que ser a: 20 log = 20 log 0.1 = 20 dB 2. Se busca la frecuencia para la cual la atenuacio n del sistema es la mitad que la de la red, es decir, 10 dB, y se elige aquella como la frecuencia para la que se quiere la m a xima desviaci on de fase. Con ello, en el nuevo punto de corte (que estar a desplazado ligeramente hacia la derecha con respecto al anterior), se tendr a el margen de fase buscado. Por lo dicho, 1 wm = = 18 rad /seg luego w1 = 1 = wm = 5.7 rad /seg. 1 wm w2 = = = 57 rad /seg.

186 As la funci on de transferencia de la red ser a G r(s) = 1 + 51 1 + s .7 s = 0.1 1 1 + s 1 + 57 s Gr(s) = o 1 + 0.1754s 1 + 0.01754s

M etodo pr actico

Para que la ganancia a bajas frecuencias no se altere, ha de introducirse una ganancia adicional de Ka = 1/ = 10, con lo que el sistema, una vez corregido, tendr a como funci on de transferencia: 100(1 + 51 .7 s)
1 s) s(1 + s)(1 + 0.0125s)(1 + 57

G (s) =

Con este ejemplo se han ilustrado los pasos necesarios para la colocaci o n de una red de avance de fase, de forma que su aprovechamiento sea el m aximo posible.

Amplitud(dB)

0dB -10dB

1 m 2

10

-1

10

10 (rad/s)

10

10

Figura 10.18:

Automatizaci on de Procesos Industriales (REPASO TEORIA DE CONTROL) Ingeniero de Organizaci on. Curso 1o

Jose Mari Gonz alez de Durana Dpto. I.S.A., EUITI e ITT - UPV/EHU Vitoria-Gasteiz Marzo 2002

Indice
1. Modelos de procesos continuos 1.1. Procesos de tiempo cont nuo . . . . . . . . . . . . . 1.2. La realimentaci on en los sistemas de control . . . . 1.3. Elementos b asicos un sistema de control . . . . . . 1.4. Dise no de los sistemas de control . . . . . . . . . . 1.4.1. Nociones de estabilidad, rapidez y precisi on 1.5. Clasicaci on de los sistemas de Control . . . . . . 1.6. Modelo de funci on de transferencia . . . . . . . . . 1.7. Modelo de estado . . . . . . . . . . . . . . . . . . . 1.8. Linealizaci on . . . . . . . . . . . . . . . . . . . . . 1.9. Transformaciones entre modelos . . . . . . . . . . . 2. Respuesta temporal 2.1. Diagramas de bloques . . . . . . 2.2. Grafos de ujo de se nal . . . . . 2.3. C alculo de la respuesta temporal 2.4. Sistema de primer orden . . . . . 2.5. Sistema de segundo orden . . . . 2.6. Respuesta del modelo de estado . 2.6.1. An alisis Modal . . . . . . 5 5 6 7 9 9 9 11 13 13 17 21 21 25 28 32 34 40 42 45 45 45 47 48 56 56 59 63 63 65 67 68

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

3. Respuesta de frecuencia 3.1. Respuesta de frecuencia . . . . . . . . . . . . 3.2. Respuesta de un sistema a entrada sinusoidal 3.3. Diagramas de Nyquist . . . . . . . . . . . . . 3.4. Diagramas de Bode . . . . . . . . . . . . . . . 3.5. Trazado por computador . . . . . . . . . . . . 3.6. Criterio de estabilidad de Nyquist . . . . . . 3.7. M argenes de fase y de ganancia . . . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

4. Lugar de las ra ces 4.1. Fundamento del m etodo . . . . . . . . . . . . . . . . . 4.2. Reglas b asicas del trazado del lugar de las ra ces . . . 4.2.1. Trazado del lugar de las ra ces por computador 4.3. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . 3

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

4 5. Funcionamiento de los sistemas de control 5.1. Especicaciones de funcionamiento . . . . . . . 5.2. An alisis del error . . . . . . . . . . . . . . . . . 5.3. Sensibilidad a las variaciones de los par ametros 5.4. Sensibilidad a las variables perturbadoras . . . 5.5. Indicies de comportamiento de los sistemas . . 5.6. Estabilidad de los sistemas de control . . . . . 5.7. Controlabilidad y Observabilidad . . . . . . . .

INDICE 71 71 76 80 81 82 83 87 95 95 95 96 96 97 99 99 100 100 100 101 102 102 103 104 105 105 105 106 106 107 107 108 109 113 114 116 116 116 117 118 118 119 119

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

6. Sistemas de Tiempo Discreto 6.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . 6.2. Sistemas de tiempo discreto . . . . . . . . . . . . . . . . 6.2.1. Sistemas intr nsecamente discretos . . . . . . . . 6.2.2. Sistemas controlados por computador . . . . . . 6.3. Sistemas de tiempo continuo muestreados . . . . . . . . 6.4. Reconstrucci on de la se nal muestreada . . . . . . . . . . 6.4.1. Teorema del muestreo . . . . . . . . . . . . . . . 6.4.2. Teorema de Shannon . . . . . . . . . . . . . . . . 6.4.3. El elemento de retenci on de orden cero (ZOH) . 6.4.4. La transformada estrella . . . . . . . . . . . . . . 6.5. La transformada z . . . . . . . . . . . . . . . . . . . . . 6.5.1. Propiedades y teoremas de la transformada z . . 6.5.2. Transformadas de algunas funciones elementales 6.5.3. Transformada z de diferencias nitas . . . . . . . 6.6. Ecuaciones diferencia y funciones de transferencia en z . 6.7. Obtenci on de la transformada z inversa . . . . . . . . . 6.7.1. M etodo de integraci on compleja . . . . . . . . . 6.7.2. M etodo de la divisi on directa . . . . . . . . . . . 6.7.3. M etodo de expansi on en fracciones simples . . . 6.8. M etodo de resoluci on num erica de la ecuaci on diferencia 6.9. Modelos matem aticos de los sistemas de tiempo discreto 6.9.1. Filtros digitales . . . . . . . . . . . . . . . . . . . 6.9.2. Sistemas continuos muestreados . . . . . . . . . . 6.9.3. Modelo de estado de tiempo discreto . . . . . . . 7. Sistemas controlados por computador 7.1. Estabilidad en el plano z . . . . . . . . . . . . 7.2. Dise no del controlador digital . . . . . . . . . 7.2.1. Equivalencia al muestreo y retenci on. 7.2.2. Invariancia al impulso . . . . . . . . . 7.2.3. Invariancia al escal on . . . . . . . . . 7.2.4. Integraci on num erica . . . . . . . . . . 7.2.5. Coincidencia de polos y ceros . . . . . 7.2.6. Transformaci on bilineal . . . . . . . . 7.2.7. M etodos modernos de dise no. . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

Cap tulo 1

Modelos de procesos continuos


Los procesos continuos o, mejor dicho, de tiempo continuo, son los que admiten modelos matem aticos relativamente simples, basados en ecuaciones diferenciales. Estos modelos muchas veces son lineales, o admiten ser linealizados, por lo que se obtienen con relativa facilidad y son exactos (siempre y cuando las hip otesis supuestas sean ciertas). Suelen representar el comportamiento de sistemas f sicos que siguen leyes f sicas elementales. Los procesos continuos pueden controlarse utilizando controladores anal ogicos o digitales dando lugar, respectivamente, a sistemas de control anal ogicos a sistemas controlados por computador.

1.1.

Procesos de tiempo cont nuo

Tiempo continuo signica que la variable independiente de las ecuaciones del modelo matem atico es el tiemp t del proceso y que este var a de forma continua en un intervalo de R. Las ecuaciones diferenciales del modelo son, en general, ecuaciones en derivadas parciales (EDP) pero muchas veces se pueden reducir a ecuaciones diferenciales ordinarias (EDO) e incluso a veces a ecuaciones diferenciales ordinarias lineales y con coecientes constantes. Esto da lugar a la siguiente clasicaci on de los sistemas de tiempo cont nuo: Sistemas de par ametros distribuidos (EDP) Sistemas de par ametros concentrados (EDO) Sistemas lineales (EDO lineales) Sistemas lineales de par ametros constantes (EDO lineales con coecientes constantes) De todos ellos los u ltimos son los m as simples y para ellos se ha desarrollado una teor a matem atica muy potente basada en el Algebra Lineal. Esto es importante para el ingeniero ya que puede calcular con facilidad la soluci on de muchos problemas que aparecen en algunas ramas t ecnicas como por ejemplo Circuitos el ectricos Sistemas mec anicos Sistemas t ermicos Sistemas de uidos 5

6 Amplicadores electr onicos Sistemas de control Rob otica

CAP ITULO 1. MODELOS DE PROCESOS CONTINUOS

Sistemas din amicos lineales en general Los paquetes inform aticos denominados Computer Aided Control System Design (CACSD) son de gran ayuda para estos menesteres. Algunos de ellos son Matlab y Scilab. Par ametros y variables En los modelos matem aticos las magnitudes que evolucionan en el tiempo se llaman variables del sistema o, a veces, se nales. Estas variables son funciones de la variable independiente t, que representa el tiempo. Las magnitudes que no evolucionan (o cuya evoluci on no se tiene en cuenta) se llaman par ametros del sistema. En cada uno de los sistemas f sicos que vamos a estudiar (mec anicos, el ectricos, t ermicos, de uidos, t ermicos y mixtos) existe un conjunto de variables y par ametros que lo caracterizan. En los sistemas el ectricos, por ejemplo, las variables son el voltaje, la carga, la intensidad, el ujo magn etico, etc. mientras que los par ametros son la resistencia, el coeciente de autoinducci on, la capacidad, etc. En los sistemas mec anicos de translaci on las principales variables que intervienen son la fuerza f , el desplazamiento x, la velocidad v y la aceleraci on a siendo sus par ametros signicativos la masa m, el componente de rozamiento b y el componente de elasticidad k . En los sistemas mec anicos de rotaci on estas variables son el momento T , el desplazamiento angular , la velocidad angular y la aceleraci on siendo sus par ametros signicativos el momento de inercia J , el componente de rozamiento B y el componente de elasticidad K . En los sistemas t ermicos las variables son el ujo calor co q y la temperatura , y las variables la resistencia t ermica Rt y la capacitancia t ermica Ct . Y, por u ltimo, en los sistemas de uidos las variables son el caudal f y la presi on p y sus par ametros la resistencia del uido Rf , la inductancia del uido Lf y la capacitancia del uido Cf [?, sec. 2.2]. Clase de Sistema Sistemas Mec anicos (tras.) Sistemas Mec anicos (rot.) Sistemas El ectricos Sistemas T ermicos Sistemas de Fluidos Variables f, x, v, a T, , , v, i, , q p, f Par ametros m, k, b m, k, b R, L, C Rt , Ct Rf , Cf

A pesar de las diferencias que existen entre las variables que caracterizan a las distintas clases de sistemas f sicos, existen ciertas semejanzas fundamentales que pueden y deben ser aprovechadas de manera que la modelizaci on resulte sencilla y a ser posible unicada para todos los sistemas.

1.2.

La realimentaci on en los sistemas de control

Un sistema de control sirve para controlar el valor de ciertas variables de salida por medio de otras variables de entrada. Hay dos procedimientos para ello denominados control en lazo abierto y control en lazo cerrado. Veamos c omo funcionan en el caso monovariable.

1.3. ELEMENTOS BASICOS UN SISTEMA DE CONTROL

En el control en lazo abierto (gura 1.1) la entrada u(t) act ua directamente sobre el dispositivo de control (controlador) C del sistema para producir el efecto deseado en la variables de salida, aunque sin comprobar el valor que toma dicha variable. w(t) u(t)
-

? - m-

y (t) P
-

Figura 1.1: Control en lazo abierto Un sistema de control en lazo cerrado tiene una entrada u(t), llamada de referencia o de consigna, que sirve para introducir en el sistema el valor deseado para la salida y (t). Esta salida se mide con un de captador M y dicha medida ym (t) se compara con el valor u(t) de la entrada de referencia. La diferencia (t) = u(t) ym (t) entre ambos valores incide sobre el dispositivo controlador C y la salida de este, vc (t), sobre el elemento actuador A el cual a su vez ejerce la debida acci on sobre planta P en el sentido de corregir la diferencia (t). En la gura 1.2 se ha representado un sistema de control en lazo cerrado. Con un razonamiento intuitivo podemos llegar a la conclusi on de que el sistema en lazo cerrado responde mejor ante la presencia de la entrada perturbadora w(t). Y as es en muchos casos. Sin embargo, hay que ser muy cautos ante este tipo de razonamientos ya muchas veces que pueden fallar. No es posible predecir el comportamiento del sistema con feedback sin conocer previamente su modelo matem atico. w(t) u(t) -+ m (t) - C

vc (t ) -

v (t) ? m +

- P

) r y (t-

ym (t) M 

Figura 1.2: Sistema de control en lazo cerrado El procedimiento de medir la se nal de salida y restarla de la de entrada se llama realimentaci on negativa. El lazo que se forma al realizar la realimentaci on suele denominarse lazo o bucle de regulaci on.

1.3.

Elementos b asicos un sistema de control

Los sistemas de control se pueden realizar con diversas tecnolog as (mec anica, neum atica, electr onica, etc.) pero sus elementos esenciales, indicados a continuaci on, son siempre los mismos. Advertimos, no obstante, que la terminolog a puede ser algo enga nosa en ciertos contextos, quiz as por utilizaci on inadecuada, por traducci on defectuosa del Ingl es o por uso generalizado de algunos t erminos. As , en nuestra area de conocimiento el t ermino controlar se usa en el sentido de gobernar o conducir, mientras que en el lenguaje coloquial se dice a veces controlar con otro signicado.

CAP ITULO 1. MODELOS DE PROCESOS CONTINUOS

Entradas: son los terminales que tiene el sistema de control por los que puede recibir est mulos que inuyen en su evoluci on. Pueden ser Entradas de mando o de control: sirven para introducir ordenes. Entradas de referencias o consigna: son entradas de mando que imponen los valores deseados a sus correspondientes salidas. Entradas perturbadoras: son entradas que reciben est mulos indeseados. Salidas: son los terminales que tiene el sistema de control para emitir la respuesta, es decir, para que la respuesta pueda ser observada por el hombre o medida por una m aquina. Planta: es el objeto que se desea controlar. Es un conjunto de componentes y piezas ensamblados entre s y que cumplen una determinada funci on. Proceso: es una serie de operaciones que se realizan sobre uno o varios objetos con un n determinado. Perturbaciones: Son alteraciones que se pueden producir en los componentes de una planta o proceso. Controlador Es un dispositivo que procesa la se nal (t), es decir la diferencia entre la entrada de referencia u(t) y la medida de la salida ym (t), y produce una se nal de salida v (t) adecuada para controlar la planta. Actuador Es el dispositivo que convierte la se nal de salida del controlador vc (t) en otra se nal v (t), posiblemente de distinta naturaleza y generalmente de mayor potencia, y la aplica a la planta o proceso. Captador Es el dispositivo de medida. Convierte la se nal de salida y (t) en otra magnitud (generalmente el ectrica) ym (t), apta para ser restada del valor de la entrada u(t). Ejercicio 1.3.1 Describir el funcionamiento de los siguientes sistemas de control e identicar todos los elementos b asicos de cada uno de ellos. 1. Sistema de control de la temperatura de una habitaci on utilizando una estufa el ectrica con termostato. Sistema de control del nivel de un dep osito de agua utilizando un otador y una v alvula. Control de la trayectoria que sigue de un ser humano al desplazarse. Control de posici on de un ca no n. Control del nivel de un dep osito. Regulaci on de la velocidad de un motor. Control de la posici on angular de un motor con reductor. Regulaci on de la velocidad de la m aquina de vapor.

2. 3. 4. 5. 6. 7. 8.

DE LOS SISTEMAS DE CONTROL 1.4. DISENO

1.4.

Dise no de los sistemas de control

Como hemos visto, la fase de an alisis de un sistema tiene por objeto la obtenci on de un modelo matem atico a partir de observaciones y experiencias obtenidas a partir de un sistema real. El problema inverso consiste en la s ntesis o dise no y construcci on, si procede, de un determinado sistema a partir de un supuesto modelo. Este problema se denomina realizaci on. La realizaci on tiene en general una mayor dicultad que el an alisis, precisando de la utilizaci on de conceptos matem aticos de cierta complejidad. La realizaci on tiene adem as la dicultad a nadida del montaje y puesta a punto ya que resulta pr acticamente imposible construir un sistema cuyo funcionamiento sea exactamente igual al previsto en el modelo. Por ello suele ser necesario un proceso de aproximaciones sucesivas con repetidas fases de an alisis-s ntesis.

1.4.1.

Nociones de estabilidad, rapidez y precisi on

Tanto en la fase de an alisis como en la de s ntesis resulta de gran utilidad disponer de m etodos de medida que permitan cuanticar el comportamiento din amico de los sistemas. Estas medidas se efect uan en t erminos de las denominadas especicaciones de funcionamiento de los sistemas din amicos de las cuales las m as relevantes son estabilidad, precisi on y rapidez [Ogata 82, sec. 10.1]. Estas especicaciones tratan de dar una medida del mayor o menor grado de buen funcionamiento del sistema. La estabilidad es la especicaci on m as importante ya que es exclusiva, es decir, es una condici on necesaria para el funcionamiento del sistema. Todo el mundo tiene una noci on intuitiva de estabilidad. Cuando hablamos de la estabilidad (o inestabilidad) de un barco, de un avi on, de un autom ovil o de cualquier otro objeto din amico, sabemos m as o menos a qu e nos estamos reriendo. La inestabilidad puede provocar una r apida parada o, en ocasiones, puede conducir al deterioro e incluso a la destrucci on del sistema. La rapidez y la precisi on son virtudes, esencialmente contrapuestas, exigibles en mayor o menor medida a los sistemas de control. Parece l ogico, por ejemplo, que una m aquina herramienta realice sus operaciones de forma r apida y precisa; sin embargo se puede ver intuitivamente que ciertas operaciones de gran precisi on no pueden ser adem as muy r apidas.

1.5.

Clasicaci on de los sistemas de Control


Causalidad Los sistemas de control se pueden clasicar atendiendo a diferentes propiedades. Se dice que un sistema es causal si existe una relaci on de causalidad entre entradas y salidas. Los sistemas f sicos existentes en la Naturaleza son siempre causales. Atendiendo a esta propiedad tenemos Sistemas causales Sistemas no causales N umero de variables Un sistema se denomina monovariable cuando tiene una u nica variable de entrada y una u nica variable de salida. En los dem as casos se llama multivariable. Tenemos asi, Sistemas monovariables

10 Sistemas multivariables

CAP ITULO 1. MODELOS DE PROCESOS CONTINUOS

Linealidad Seg un que las ecuaciones diferenciales sean lineales o no lo sean: Sistemas lineales Sistemas no lineales Evoluci on en el tiempo Sistemas de tiempo continuo Sistemas de tiempo discreto Sistemas de eventos discretos Los sistemas de tiempo continuo son aquellos en que las magnitudes se representan por funciones continuas de la variable real tiempo. En los sistemas de tiempo discreto las magnitudes s olo pueden tomar un n umero nito de valores y son funciones de la variable discreta tiempo. Los sistemas de eventos discretos, hoy d a llamados sistemas comandados por eventos (event-driven systemas ) o sistemas reactivos, son los que est an comandados esencialmente por se nales eventuales. Esto es, no existe un per odo que marque las transiciones de las variables sino que estas evolucionan u nicamente cuando en el sistema suceden ciertos sucesos o eventos con ellas relacionados. Invariancia de los par amtros. Sistemas estacionarios Sistemas no estacionarios Un sistema invariante en el tiempo o sistema estacionario es aquel cuyos par ametros no var an con el tiempo. La respuesta de un sistema estacionario es independiente del instante de tiempo en el que se aplique la entrada y los coecientes de la ecuaci on diferencial que rige el funcionamiento del sistema son constantes. Un sistema no estacionario es el que tiene uno o m as par ametros que var an con el tiempo. El instante de tiempo en que se aplica la entrada al sistema debe conocerse y los coecientes de su ecuaci on diferencial dependen del tiempo. Determinismo Seg un que la evoluci on del sistema pueda o no ser determinada con antelaci on: Sistemas estoc asticos Sistemas deterministas Cuando se conocen exactamente las magnitudes que se aplican a las entradas y leyes que rigen la evoluci on del sistema, su comportamiento futuro es predecible. Un sistema se denomina determinista cuando, dentro de ciertos l mites, su comportamiento futuro es predecible y repetible. De otro modo el sistema se denomina estoc astico, por contener variables aleatorias. Localizaci on de los par ametros:

DE TRANSFERENCIA 1.6. MODELO DE FUNCION Sistemas de par ametros concentrados Sistemas de par ametros distribuidos

11

En los primeros los par ametros se suponen concentrados en puntos concretos del sistema mientras que en los segundos est an distribuidos espacialmente. Ejercicio 1.5.1 En los siguientes sistemas de control identicar las entradas y salidas e indicar c omo se controlan y como obtiene la respuesta. Fuerza actuando sobre una masa Bicicleta Climatizador de un autom ovil M aquina tragaperras M aquina herramienta funcionando con un aut omata. Ejercicio 1.5.2 Poner ejemplos de otros sistemas de control y repetir con ellos el ejercicio anterior.

1.6.

Modelo de funci on de transferencia

El modelo matem atico de funci on de transferencia se obtiene aplicando la transformaci on de Laplace a las ecuaciones diferenciales que modelizan un sistema lineal de par ametros constantes. Si el sistema es monovariable la ecuaci on diferencial que lo describe es de la forma (??): an y (t) + . . . + a2 y (t) + a1 y (t) + a0 y (t) = bm u (t) + . . . + b2 u (t) + b1 u (t) + b0 u(t) Apliquemos la transformaci on de Laplace a las variables u(t) e y (t): L[u(t)] = U (s) L[y (t)] = Y (s) (1.1)
(m) (n)

Para hallar la transformada de Laplace de la ecuaci on diferencial (1.1) es necesario conocer los valores de las condiciones iniciales, es decir, los valores de la funci on y de sus derivadas desde primer orden hasta orden n 1 en el instante t = 0. Sean estos valores los siguientes: y0 , y 0 , y 0 ,
(n1) y0

(1.2)

Aplicando la transformaci on de Laplace a ambos miembros de la ecuaci on (1.1) obtenemos: an [sn Y (s) sn1 y0 . . . y0 ] + . . . +a2 [s2 Y (s) sy0 y 0 ] + a1 [sY (s) y0 ] + a0 Y (s) = U (s)[bm sm + . . . + b2 s2 + b1 s + b0 ]
(n1)

(1.3)

Pasando los t erminos correspondientes a las condiciones iniciales al segundo miembro queda Y (s)(an sn + . . . + a2 s2 + a1 s + a0 ) = U (s)(bm sm + . . . + b2 s2 + b1 s + b0 ) +sn1 an y0 + . . . + s[an y0 + . . . + a2 y0 ] + an y0 + . . . + a2 y 0 + a1 y0
(n2) (n1)

(1.4)

12 y haciendo

CAP ITULO 1. MODELOS DE PROCESOS CONTINUOS

cn1 = an y0 ... c1 = an y0 + . . . + a2 y0 c0 = an y0 + . . . + a2 y 0 + a1 y0 la ecuaci on puede escribirse de la forma Y (s) = bm sm + . . . + b2 s2 + b1 s + b0 U (s) an sn + . . . + a2 s2 + a1 s + a0 cn1 sn1 + . . . + c2 s2 + c1 s + c0 + an sn + . . . + a2 s2 + a1 s + a0 (1.6) (1.7)
(n1) (n2)

(1.5)

Se dene la funci on de transferencia como el cociente entre las transformadas de Laplace de la salida Y (s) y de la entrada U (s) del sistema cuando todas las condiciones iniciales son nulas. Es decir bm sm + . . . + b2 s2 + b1 s + b0 b(s) G(s) = = (1.8) n 2 an s + . . . + a2 s + a1 s + a0 a(s) Entonces la expresi on de la transformada de Laplace de la salida del sistema puede escribirse Y (s) = G(s)U (s) + c(s) a(s) (1.9)

El polinomio denominador a(s) de la funci on de transferencia se denomina polinomio caracter stico del sistema. La ecuaci on an sn + . . . + a2 s2 + a1 s + a0 = 0 (1.10)

que resulta de igualar a cero el polinomio caracter stico se denomina ecuaci on caracter stica del sistema. Sistemas multivariables La generalizaci on del concepto de funci on de transferencia a sistemas multivariables se realiza por medio de la matriz de funciones de transferencia. La matriz de funciones de transferencia de un sistema con q entradas y p salidas es una matriz g11 (s) . . . g1j (s) . . . g1q (s) . . . .. . . . . . . . G(s) = (1.11) gi1 (s) . . . gij (s) . . . giq (s) . . . . . .. . . . . . gp1 (s) . . . gpj (s) . . . gpq (s) cuyos elementos son funciones racionales. El elemento gij de esta matriz denota la funci on de transferencia existente entre la salida yi y la entrada uj del sistema: gij (s) = Yi (s) Uj (s) (1.12)

1.7. MODELO DE ESTADO

13

Los sistemas de ecuaciones diferenciales admiten una representaci on m as general que las dadas por los modelos de funci on de transferencia o de estado. Aplicando la transformaci on de Laplace al sistema (??) obtenemos P (s)X (s) = Q(s)U (s) Y (s) = R(s)X (s) + W (s)U (s) que se denomina descripci on polin omica del sistema (1.13)

1.7.

Modelo de estado

El modelo matem atico de un sistema lineal monovariable de par ametros constantes es una ecuaci on diferencial ordinaria lineal an (t) x (t) + . . . + a2 (t) x(t) + a1 (t)x (t) + a0 (t)x(t) = u(t) junto con otra ecuaci on algebraica y (t) = bm (t) x (t) + . . . + b2 (t) x(t) + b1 (t)x (t) + b0 (t)x(t),
(m) (n)

(1.14)

(1.15)

o bien un sistema de ecuaciones diferenciales lineales. Entonces es siempre posible despejar la derivada de orden m aximo y obtener una expresi on de la forma = f (t, x), x (1.16)

que suele llamarse forma normal. Haciendo los cambios x1 := x, x2 := x , x3 := x , . . ., el sistema se pueden escribir en la forma = Ax + B u x y = C x + Du en donde x1 x2 x= . . . xn u1 u2 u= . . . uq y1 y2 y= . . . xp xi , uj , yk R i = 1 . . . n, j = 1 . . . q, k = 1 . . . p. A Rnn B Rnq C Rpn D Rpq (1.17)

(1.18)

La primera ecuaci on de (1.17) se llama ecuaci on de estado y la segunda, ecuaci on de salida.

1.8.

Linealizaci on

La teor a de los sistemas lineales es aplicable a cualquier clase sistema din amico cuyo comportamiento pueda expresarse en la forma = Ax + B u x y = C x + Du Los sistemas f sicos son en general no lineales. La mayor dicultad que surge en el estudio de estos sistemas es que no existen clases de sistemas no lineales, mediante las cuales su estudio

14

CAP ITULO 1. MODELOS DE PROCESOS CONTINUOS

podr a asemejarse al de los sistemas lineales, sino que han de ser estudiados de forma individual y utilizando m etodos particulares en cada caso. Por ello los resultados que se obtienen no son generales sino que est an circunscritos al ambito del sistema objeto de estudio. En muchos casos el u nico m etodo existente para el estudio de un sistema no lineal dado, aparte de la experimentaci on en el propio sistema, es la simulaci on. Los actuales paquetes de CACSD (dise no asistido por computador de sistemas de control) permiten simular con facilidad una gran variedad de sistemas no lineales. Un m etodo muy importante para el estudio de los sistemas no lineales es el de Linealizaci on. Este m etodo permite que algunos sistemas no lineales puedan ser considerados como lineales dentro de un entorno alrededor de cierto punto, o trayectoria, de funcionamiento. La importancia de este m etodo radica en que al convertir un sistema no lineal dado en otro lineal, pueden aplicarse al mismo todos los resultados de la teor a de Sistemas Lineales con lo que su estudio resulta sistem atico y los resultados obtenidos son generales en el ambito de los sistemas lineales. Sea un sistema din amico no lineal denido por el sistema de ecuaciones no lineales de primer grado = f (x, t), x x(t0 ) = x0 (1.19) donde f est a denida en alg un subconjunto abierto I Rn R. Se dice que el sistema descrito por (1.19) tiene un punto de equilibrio aislado xe Rn si se cumple 1. f (xe , t) = 0, 2. f (x, t) = 0, t I t I x = xe en alg un entorno de x

Como xe es independiente de t, podemos escribir = x d (x xe ) dt = f ((x xe ) + xe , t) = g(x xe , t) para alguna funci on g . De aqu que = g( x x), = x xe x (1.20)

O es un punto de equilibrio de (1.20). Por tanto, podemos considerar siempre el Entonces x = origen como un punto de equilibrio, sin m as que realizar un simple cambio de coordenadas. Si un sistema evoluciona con peque nas desviaciones alrededor de un punto de funcionamiento o estado de equilibrio (x0 , u0 ), puede admitir ser linealizado en ese punto. De forma m as general, el sistema puede admitir ser linealizado a lo largo de una trayectoria (x0 (.), u0 (.)) en el espacio de estado. Vamos a suponer que el sistema est a expresado en forma de un sistema de ecuaciones diferenciales de primer grado, en general no lineales, denominadas ecuaciones de estado: = f (x(t), u(t), t), x x Rn , u R q (1.21)

y que {x0 (.), u0 (.)} es una soluci on nominal del sistema, que representa una trayectoria en el espacio de estado. Consideremos primeramente el caso monovariable x = f (x(t), u(t), t), x R, u R

1.8. LINEALIZACION Supongamos que perturbamos la soluci on de forma que x(t) = x0 (t) + x(t), u(t) = u0 (t) + u(t)

15

(1.22)

y que las potencias (x)i , (u)i , i > 1, son muy peque nas comparadas con x, u. Es decir (x)i = o(x, u), (u)i = o(x, u), i > 1 Derivando (1.22) tenemos (t) x (t) = x 0 (t) + x de donde (t) = x x (t) x 0 (t) Supongamos ahora que f (.) es lo sucientemente lisa (sin cambios bruscos) para admitir el desarrollo en serie de Taylor f [x(t), u(t), t] = f [x0 (t), u0 (t), t] + fx (t)x(t) + fu (t)u(t) + o(x, u) x (t) x 0 (t) = fx (t)x(t) + fu (t)u(t) + o(x, u) (t) = fx (t)x(t) + fu (t)u(t) + o(x, u) x en donde fx (t) = f x f u (1.23)

,
x0 ,u0

fu (t) =

x0 ,u0

En el caso multivariable f (.), x(.), u(.) son vectores. Entonces fx (.) y fu (.) son los jacobianos Jx0 , Ju0 de f (.) respecto de x y de u, respectivamente, que dependen de x0 (.), u0 (.). f1 f1 f1 f1 . . . . . . xn un f f x1 u1 Jx0 = = ... ... ... , Ju0 = = ... ... ... (1.24) x x0 ,u0 u fn fn fn fn x ,u o 0 x1 . . . xn u1 . . . un
x0 ,u0 x0 ,u0

De esta manera se obtiene la ecuaci on linealizada x = fx x + fu u que se puede escribir en la forma habitual (t) = Ax (t) + B u (t) x (t) = x(t), u (t) = u(t), A(t) = fx (t), B (t) = fu (t). Es importante destacar que las siendo x matrices A y B (jacobianos) son funciones de tiempo si la soluci on de la ecuaci on diferencial no es constante. Ejemplo 1.8.1 El dep osito de la gura ?? tiene secci on constante de area A1 y est a lleno de agua hasta una altura h(t) variable. El caudal q (t) de salida de agua se controla mediante una v alvula que abre o cierra el oricio de salida de area a(t). Vamos a obtener el primero modelo no lineal, y despu es, el modelo lineal por linealizaci on. La energ a potencial de una masa m de agua situada en la supercie, es decir a una altura h(t) es Ep = mgh(t). La misma masa de agua cuando sale por el tubo tendr a una energ a cin etica 1 2 on de la energ a, ambas energ as han de ser iguales, Ec = 2 mv (t) . Por el principio de conservaci 1 Ep = mgh(t) = mv (t)2 = Ec , 2 (1.25)

16

CAP ITULO 1. MODELOS DE PROCESOS CONTINUOS

h( t )

q( t ) a( t )

Figura 1.3: Dep osito

por lo que la velocidad de salida del agua es v (t) = 2gh(t).

Como el caudal de salida se obtiene multiplicando el area a(t) de salida por la velocidad v (t) del agua, tenemos q (t) = a(t)v (t) = a(t) 2gh(t) Por otro lado, el caudal q (t) ha de ser igual a la variaci on del volumen A1 h(t) de agua en el dep osito, es decir d dh q (t) = A1 h(t) = A1 dt dt Igualando las dos u ltimas expresiones obtenemos la ecuaci on diferencial, no lineal, que es el modelo matem atico. dh 1 = a(t) 2gh(t) dt A1 Vamos a hacer la linealizaci on del sistema. Para ello, lo primero es escoger un punto de funcionamiento (o estado de equilibrio). Vamos a escoger a0 y h0 como valores de equilibrio para a(t) y h(t). Esto, en la pr actica, signicar a que la altura h(t) se va a mantener con un valor pr oximo a h0 y que el valor del caudal q (t) va a ser cercano a a0 . Esto mismo se puede expresar deniendo dos nuevas variables x(t) := h(t) h0 y u(t) := a(t) a0 que representan los peque nos incrementos que toman las variables h(t) y a(t) respecto del punto de equilibrio. La funci on f de la ecuaci on 1.20 es ahora 1 a(t) 2gh(t), A1 en donde h(t) y a(t) hacen el papel de x(t) y u(t), respectivamente. Las derivadas parciales de f , respecto de h y respecto de u, en el punto ho , a0 , nos dan los par ametros de la linealizaci on. Derivando f respecto de h, tenemos f (h, a) = f h =
ho ,a0

1 2ga A1 2 2gh

=
ho ,a0

ga 0 := A, A1 2gh0

1.9. TRANSFORMACIONES ENTRE MODELOS y, derivando f respecto de a, f a =


ho ,a0

17

1 A1

2gh0 := B.

Con esto, ya tenemos el modelo linealizado en h0 , a0 respecto de las variables x(t) y a(t): x (t) = Ax(t) + Bu(t) y (t) = Cx(t) + Du(t) Obs ervese que para obtener el modelo hemos supuesto (impl citamente) que no hay p erdidas de energ a por rozamiento.

1.9.

Transformaciones entre modelos

En las anteriores secciones hemos visto las expresiones habituales de los modelos matem aticos de los sistemas de tiempo continuo. El modelo m as general, v alido para sistemas lineales y no lineales, es el modelo de ecuaci on diferencial. Los sistemas lineales admiten el modelo de estado y, si son de coecientes constantes, el modelo de funci on de transferencia o, m as general, el modelo denominado representaci on polinomial. La preguntas que surgen inmediatamente son que, dada la representaci on de un sistema en uno de los modelos, es posible obtener su representaci on en otros modelos? Si la respuesta a esta pregunta es armativa, c omo se pasa de unos a otros modelos? Ecuaci on diferencial funci on de transferencia La obtenci on del modelo de funci on de transferencia a partir del modelo de ecuaci on diferencial lineal y de coecientes constantes se realiza de modo inmediato, como hemos visto en la secci on (1.6), aplicando la transformaci on de Laplace a la ecuaci on diferencial (1.1), suponiendo condiciones iniciales nulas: an y (t) + . . . + a2 y (t) + a1 y (t) + a0 y (t) = bm u (t) + . . . + b2 u (t) + b1 u (t) + b0 u(t) con lo que se obtiene la funci on de transferencia (1.8) G(s) = b(s) bm sm + . . . + b2 s2 + b1 s + b0 = n 2 an s + . . . + a2 s + a1 s + a0 a(s)
(m) (n)

Como puede verse, si exceptuamos las condiciones iniciales, la funci on de transferencia contiene exactamente la misma informaci on que la ecuaci on diferencial. Los coecientes de constantes ai , bj , i = 0, . . . , n, j = 0, . . . , m de la ecuaci on diferencial son los coecientes de los polinomios denominador a(s) y numerador b(s) de la funci on de transferencia G(s). La transformaci on inversa, de funci on de transferencia a ecuaci on diferencial, se obtiene 1 aplicando la transformaci on inversa L de Laplace a la expresi on X (s)(bm sm + . . . + b2 s2 + b1 s + b0 ) = Y (s)(an sn + . . . + a2 s2 + a1 s + a0 ) En el supuesto de unicidad de la transformaci on inversa L1 de Laplace, el resultado vuelve a ser la ecuaci on diferencial (1.1)

18

CAP ITULO 1. MODELOS DE PROCESOS CONTINUOS

Ecuaci on diferencial ecuaciones de estado Este paso, como ya se ha indicado en la secci on (1.14) consiste en obtener el sistema en forma normal equivalente a la ecuaci on diferencial dada. Funci on de transferencia ecuaciones de estado El paso del modelo de estado al de funci on de transferencia se realiza aplicando la transformaci on de Laplace a las ecuaciones de estado del sistema. El paso inverso, del modelo de funci on de transferencia al de estado se denomina realizaci on. Obtenci on de la matriz de transferencia a partir del modelo de estado Sea un sistema din amico cuyo modelo de estado viene dado por las ecuaciones = Ax + B u x y = C x + Du (1.26)

en donde x Rn , u Rq , y Rp , A Rnn , B Rnq , C Rpn , D Rpq . Apliquemos la transformaci on de Laplace a la ecuaci on de estado sIn X(s) = AX(s) + B U(s) sIn X(s) AX(s) = B U(s) (sIn A)X(s) = B U(s) La matriz sIn A es un haz regular de matrices, o matriz polin omica de grado uno. Es decir, es una matriz cuyos elementos son polinomios cuyo grado m aximo es uno. Esta matriz se llama matriz caracter stica del sistema. Su determinante |sI A| se llama polinomio caracter stico del sistema y es siempre distinto de cero por lo que esta matriz es siempre invertible. Por tanto podemos poner X(s) = (sIn A)1 B U(s) (1.27) Apliquemos ahora la transformada de Laplace a la ecuaci on de salida, segunda ecuaci on de(1.26) Y(s) = C X(s) + DU Sustituyendo (1.27) en esta ecuaci on queda Y(s) = C (sIn A)1 B U(s) + DU con lo que la matriz de transferencia es G(s) = Realizaci on La obtenci on del modelo de estado a partir del modelo de matriz de transferencia se llama realizaci on. Esta denominaci on se debe a que la informaci on suministrada por el modelo de estado, que contiene datos sobre la estructura interna del sistema, se encuentra m as pr oxima a la realidad que la dada por el modelo de funci on de transferencia que s olo se reere a la relaci on entre la entrada y la salida del sistema. Como veremos m as adelante, a partir de las matrices A, B, C, B , que denen un modelo de estado dado, puede obtenerse inmediatamente Y(s) = C (sIn A)1 B + D U(s)

1.9. TRANSFORMACIONES ENTRE MODELOS

19

el denominado diagrama de simulaci on. Este diagrama contiene toda la informaci on necesaria para construir un sistema f sico (anal ogico o digital) que responde al modelo de estado dado. Por ello, por conveniencia, se suele llamar realizaci on a la cuaterna de matrices A, B, C, D. Dada la realizaci on A, B, C, D de un sistema cuyo modelo de estado = Ax + B u x y = C x + Du (1.28)

corresponde a la matriz de transferencia G(s), es decir que G(s) = C (sIn A)1 B + D, podemos escribir otra realizaci on haciendo el cambio de base , x = Px |P | = 0 (1.29)

obtenemos como modelo de estado en el espacio de estado. Sustituyendo en (1.28) x por P x transformado: x u = P 1 AP x + P 1 B u = A +B x (1.30) + Du = C x + Du y = CP x Obs ervese c omo al hacer un cambio de base en el espacio de estado hemos obtenido una nueva B, C, D . Parece l realizaci on denida por las matrices A, ogico pensar que un cambio de base no deber a de afectar al comportamiento din amico entrada-salida del sistema y, en efecto, as ocurre. Es f acil ver que las matrices de transferencia y los polinomios caracter sticos de las realizaciones B, C, D son id A, B, C, D y A, enticos. Existen, por tanto, innidad de realizaciones de una matriz de transferencia G(s), ya que podemos denir innitas matrices P de transformaci on. La transformaci on del vector de estado denida en (1.29) se llama transformaci on de semejanza ya que la matriz de planta A del modelo de estado original y P 1 AP del transformado son semejantes. De las innitas posibles realizaciones de una determinada matriz de transferencia G(s), denidas cada una de ellas por sus matrices A, B, C, D, hay algunas, denominadas can onicas, que tienen una forma especial y que corresponden a ciertas conguraciones con nombre propio del sistema f sico a ellas asociado. Son las formas can onicas denominadas controlador, observador, controlabilidad, observabilidad y diagonal. Veamos c omo son las formas can onicas correspondientes a una funci on de transferencia dada G(s) (caso monovariable). Supongamos que el polinomio caracter stico de G(s) es m onico, es decir, el coeciente del t ermino de grado n-simo es 1, y que G(s) es estrictamente propia. Entonces la funci on de transferencia se puede escribir de la forma G(s) = sn b1 sn1 + b2 sn2 + . . . + bn1 s + bn + a1 sn1 + a2 sn2 + . . . + an1 s + an (1.31)

Obs ervese que los coecientes ai , bj de los polinomios numerador y denominador aparecen en orden inverso al habitual. Las matrices que denen la forma can onica controlador de G(s) son a1 a2 . . . an1 an 1 1 0 0 . . . 0 0 0 1 . . . 0 0 Acr = Bcr = 0 . . . . . .. . . . (1.32) . . . . . . . . 0 0 ... 1 0 0 Ccr = b1 b2 . . . bn1 bn Dcr = 0

20

CAP ITULO 1. MODELOS DE PROCESOS CONTINUOS Las matrices que denen la forma can onica observador de G(s) son a1 1 0 . . . 0 b1 a2 0 1 . . . 0 b2 . . . . . . . . . Aor = . B = . or . 0 . . . an1 0 0 . . . 1 bn1 an 0 0 . . . 0 bn Cor = 1 0 0 . . . 0 Dor = 0

(1.33)

Las matrices que denen la forma can onica controlabilidad de G(s) son 0 0 . . . 0 an 1 1 0 . . . 0 an1 0 Acd = 0 1 . . . 0 an2 Bcd = 0 . . . .. . . . . . . . . . . . . . 0 0 0 . . . 1 a1 Ccd = 1 2 . . . n1 n Dcd = 0

(1.34)

Las matrices que denen la forma can onica observabilidad de G(s) son 0 1 0 ... 0 1 0 2 0 1 ... 0 . . . . .. . . . Aod = . B = od . 0 . . . . 0 n1 0 0 ... 1 an an1 . . . a2 a1 n Cod = 1 0 0 . . . 0 Dod = 0

(1.35)

Los n umeros 1 , 2 , . . . , n que aparecen en las dos u ltimas formas can onicas, controlabilidad y observabilidad, son los denominados par ametros de Markov, cuyo valor viene dado por 1 0 ... 0 0 1 a1 b1 1 . . . 0 0 2 b2 . . .. .. .. . . . . . . ... = . ... .. n1 bn1 . a a 1 0 n 2 n 3 bn n .. . an1 an2 a1 1 Por u ltimo, las matrices de la forma can onica diagonal correspondiente a una realizaci on denida por sus matrices A, B, C, D, est a denida por la transformaci on P que pasa la matriz de planta a su forma diagonal. Si los valores propios de A son todos distintos, la transformaci on P es una matriz cuadrada cuyas columnas son los vectores propios de A. Las nuevas matrices, por (1.30) son: = P 1 AP = diag[1 , 2 , . . . , n ] A (1.36) = P 1 B, C = CP, D =D B Si la matriz A tiene valores propios repetidos, la matriz P es la que transforma A en su forma can onica de Jordan.

Cap tulo 2

Respuesta temporal
2.1. Diagramas de bloques

Un diagrama de bloques es un conjunto de rect angulos o bloques, cada uno de los cuales representa un componente del sistema, enlazados entre s a trav es de echas que representan a variables del sistema.

U(s)

G(s)

Y(s)

H(s)
Figura 2.1: Diagrama de bloques de un sistema de regulaci on

Los diagramas de bloques utilizan cuatro elementos b asicos en sus esquemas: 1. Flecha: Representa a una variable del sistema. Sobre la misma se indica la correspondiente variable. En la gura 2.1, U (s) e Y (s) son dos variables. 2. Bloque: Representa a un componente del sistema. Es un rect angulo dentro del cual se indica la correspondiente funci on de transferencia. Tiene una variable de entrada y otra de salida, representadas por dos echas, de forma que la variable de salida es el producto de la variable de entrada por la funci on de transferencia. El bloque G(s) de la gura 2.1 representa a un componente del sistema identicado matem aticamente por su funci on de transferencia G(s). La variable de entrada es E (s) y la de salida Y (s) , de manera que, Y (s) = E (s)G(s) 3. Punto de suma: Representa la operaci on de suma o resta entre varias variables. Se representa por un c rculo con varias variables de entrada y una de salida, siendo esta u ltima igual a la suma algebraica de todas las variables de entrada. Los signos de esta suma deben 21

22

CAP ITULO 2. RESPUESTA TEMPORAL indicarse en cada variable si son negativos. En la gura 2.1 se suman algebraicamente las variables U (s) e R(s) siendo E (s) el resultado, es decir, E (s) = U (s) H (s)Y (s)

4. Punto de bifurcaci on: Una echa, que representa a una variable, se puede bifurcar en varias, cada una de las cuales representa a la misma variable. Se representa por un punto grueso. En la gura 2.1 la variable de salida Y (s) se bifurca en dos, en el punto de bifurcaci on indicado. El diagrama de bloques permite representar un sistema de regulaci on incluyendo todos sus componentes y especicando la funci on de transferencia de cada uno de ellos. Cuando el n umero de componentes es elevado puede resultar conveniente realizar agrupamientos entre varios bloques para simplicar el esquema. Por otro lado suele ser necesario obtener funciones de transferencia globales de un conjunto de bloques, o incluso de todo el diagrama, para efectuar posteriores procesos de c alculo. Existen una serie de reglas, derivadas de los teoremas del algebra elemental, que sirven para simplicar los diagramas de bloque, obteniendo un bloque u nico y su correspondiente funci on de transferencia, a partir de otros varios. El bloque es un elemento multiplicativo: la variable de salida de un bloque es igual a la variable de entrada al mismo multiplicada por su funci on de transferencia. Por otro lado, las variables se suman algebricamente en los puntos de suma. Por tanto, podemos aplicar a los diagramas de bloques las propiedades alg ebricas de la suma y el producto, tales como: Propiedad conmutativa del producto y de la suma. Propiedad asociativa del producto y de la suma. Propiedad distributiva del producto respecto a la suma. Elementos neutros de la suma y del producto. Elementos sim etricos de la suma y del producto. En las tablas 2.1 y 2.2 se muestran algunas de estas reglas que, sin ser las u nicas, pueden resultar de utilidad para simplicar los diagramas de bloques. En cada la de la tabla se ha representado el diagrama de bloques original, en la primera columna, y el diagrama equivalente o simplicado en la segunda. Diagrama de bloques del modelo de estado Sabemos que el modelo de estado de un sistema din amico es x (t) = Ax(t) + Bu(t) y (t) = Cx(t) + Du(t) en donde x Cn , u Cq , y Cp . Aplicando la transformada de Laplace, supuestas nulas las condiciones iniciales, obtenemos sX (s) = AX (s) + BU (s) Y (s) = CX (s) + DU (s) (2.1)

2.1. DIAGRAMAS DE BLOQUES

23

Diagrama de bloques

Diagrama equivalente

Z X U V X V

G1

G2

G 1G 2

G1

G1+G 2

G2

1/G

Cuadro 2.1: Simplicaci on de diagramas de bloque

24

CAP ITULO 2. RESPUESTA TEMPORAL

Diagrama de bloques
U Y

Diagrama equivalente
U G Y

G V

V G

1/G

U 1/H

G 1+GH

G 1+G

Cuadro 2.2: Simplicaci on de diagramas de bloque

2.2. GRAFOS DE FLUJO DE SENAL

25

que es el modelo transformado. Este modelo de estado transformado puede representarse mediante un diagrama de bloques en el cual U(s) es la entrada, Y(s) la salida y X(s) el estado, las tres transformadas por Laplace. Por ser estas variables son multidimensionales, se acostumbra a representarlas mediante echas m as gruesas que las que se utilizan para los bloques monovariables [Ogata 82, sec. 14.2]. En la gura 2.2 se ha representado el diagrama de bloques correspondiente a 2.1.

U(s) B

sX(s)

1 s

X(s) C

Y(s)

Figura 2.2: Diagrama de bloques del modelo de estado

2.2.

Grafos de ujo de se nal

Cuando los sistemas son de cierta complejidad, el m etodo de representaci on por diagramas de bloques puede resultar laborioso en su construcci on y m as a un en la tarea de simplicaci on para obtener las funciones de transferencia, puesto que las reglas de simplicaci on de los diagramas de bloque no son sistem aticas. El m etodo de los grafos de ujo de se nal resulta entonces m as adecuado, por su mayor simplicidad y por disponer de una formula para la obtenci on de las funciones de transferencia [Ogata 82, sec. 4.7].

U(s)

T(s)
T(s)

Y(s)

U(s)

Y(s)

Figura 2.3: Rama entre dos nodos Los grafos de ujo de se nal tienen u nicamente dos elementos, que se indican a continuaci on:

26

CAP ITULO 2. RESPUESTA TEMPORAL

1. Arista: Es un segmento de l nea orientado que discurre entre dos nodos. Corresponde a un componente del sistema denido por su funci on de transferencia o transmitancia. Es equivalente al elemento bloque de los diagramas de bloque. En la gura 2.3, se ha representado una rama, con transmitancia T (s), entre los nodos correspondientes a las variables U (s) y Y (s), y su diagrama de bloques equivalente. Se cumple que Y (s) = U (s)T (s) 2. Nodo: Es un peque no c rculo y corresponde a una variable del sistema. El valor de la variable de un nodo es igual a la suma de los productos transmitancias de todas las ramas que entran al nodo, multiplicadas por las variables correspondientes a los nodos de los que parten. El nodo sustituye a la echa de variable, al punto de suma y al punto de bifurcaci on de los diagramas de bloque. As , en la gura 2.4, el valor de la variable y es Y = U1 T1 + U2 T2 + U3 T3

U1(s) T1(s) T2(s) U2(s) T3(s) Y(s)

U3(s)

Figura 2.4: Nodo con tres ramas de entrada

En los grafos de ujo de se nal la suma algebraica de variables se realiza mediante transmitancias unitarias con signo positivo o negativo. Por ejemplo, en la gura 2.5, X = U1 U2 + U3 El punto de bifurcaci on de los diagramas de bloque se realiza tambi en mediante una transmitancia unitaria, como puede apreciarse en la gura 2.6, en la que la variable U se bifurca a otros tres nodos.

Formula de la ganancia de Mason El diagrama de bloques y el grafo de ujo de se nal contienen la misma informaci on: ambos describen conjunto de ecuaciones lineales entre las variables del sistema. Las funciones de transferencia determinan las relaciones existentes entre cada salida y cada una de las entradas. La formula de la ganancia de Mason viene a ser un caso particular de resoluci on de sistemas de ecuaciones por aplicaci on de la regla de Crammer. Para aplicar la formula de Mason es preciso realizar las deniciones siguientes:

2.2. GRAFOS DE FLUJO DE SENAL


U1(s) 1 -1 U2(s) 1 Y(s)

27

U3(s)

Figura 2.5: Suma algebraica de variables

Y(s) 1 T(s) U(s)

1 Y(s)

1 Y(s)

Figura 2.6: Realizaci on de un punto de bifurcaci on

1. Trayectoria: Es cualquier camino, recorrido en el sentido indicado por las echas de las ramas, entre un nodo de entrada y otro de salida, que pase s olo una vez por cada nodo. Se denomina ganancia de trayectoria al producto de las transmitancias de todas las ramas de la trayectoria. 2. Ciclo: Es cualquier camino cerrado, recorrido en el sentido indicado por las echas de las ramas, que pase s olo una vez por cada nodo. Se denomina ganancia de lazo al producto de las transmitancias de todas las ramas del lazo. Sean P1 , P2 , . . . , Pn las ganancias de todas las trayectorias existentes entre un nodo de entrada P y otro de salida Q, y sean L1 , L2 , . . . , Ln las ganancias de todos los lazos del grafo. La funci on de transferencia TQP = YQ /UP dada por la f ormula de Mason es: TQP = P1 1 + P2 2 + . . . + Pn n

siendo el determinante del grafo de ujo de se nal (con m as propiedad de la matriz asociada al grafo) y 1 , 2 , . . . , n los cofactores correspondientes a cada una de las trayectorias. El determinante del gr afo se obtiene mediante la expresi on siguiente (f ormula de Mason): =1 Li + Li Lj Li Lj Lk + . . . (2.2)

en la que Li es la suma de las ganancias de todos los ciclos, Li Lj es la suma de los productos de las ganancias de todas las combinaciones posibles de dos ciclos disjuntos, Li Lj Lk es la suma de los productos de las ganancias de todas las combinaciones posibles de tres ciclos disjuntos, etc.

28

CAP ITULO 2. RESPUESTA TEMPORAL

El cofactor i de una trayectoria Pi se obtiene eliminando de la expresi on (2.2) del determinante del grafo, los t erminos en los que aparezcan ciclos que tocan a la trayectoria.

2.3.

C alculo de la respuesta temporal

La respuesta temporal de un sistema es el conjunto de valores que toma su salida en funci on del tiempo cuando al mismo se aplica una entrada dada. Los t erminos entrada y salida se reeren a una variable (sistema monovariable), o a varias (sistema multivariable). Existen varios m etodos de obtenci on de la respuesta temporal, de los que mencionaremos los siguientes:

U(s)

G(s)

Y(s)

Figura 2.7: Funci on de transferencia de un sistema

1.

Resoluci on de las ecuaciones diferenciales. Una vez obtenido el modelo matem atico por medio de ecuaciones diferenciales pueden aplicarse los m etodos matem aticos de resoluci on anal tica las mismas para hallar la respuesta. De este m etodo derivan los m etodos basados en la transformada de Laplace, para el caso de sistemas lineales, y los basados en la integraci on num erica de las ecuaciones diferenciales, validos para sistemas lineales y no lineales.

2.

M etodos basados en la transformada de Laplace. La aplicaci on transformada de Laplace suministra un m etodo de resoluci on de las ecuaciones diferenciales lineales, ya descrito anteriormente, que permite obtener la salida (transformada) de un sistema multiplicando la entrada (transformada) por la funci on de transferencia (Figura 2.7).

3.

Resoluci on de las ecuaciones de estado. El m etodo de obtenci on de la respuesta y (t), dada la entrada u(t), es el siguiente: a ) Hallar G(s) a partir de las ecuaciones del sistema f sico. b) c) d) Hallar U (s) = L[u(t)] Hallar Y (s) = U (s)G(s) Hallar y (t) = L1 [Y (s)] = L1 [U (s)G(s)]

A partir de este m etodo general se han desarrollado diferentes variantes en funci on, sobre todo, del procedimiento empleado para realizar el apartado 3d , es decir, el c alculo de la funci on antitransformada de la funci on Y (s).

2.3. CALCULO DE LA RESPUESTA TEMPORAL M etodo de la integral de convoluci on

29

Este m etodo [Ogata 82, sec. 6.1] consiste en aplicar la propiedad de convoluci on de la transformada de Laplace cuya expresi on es, L[f1 (t) f2 (t)] = F1 (s)F2 (s) siendo la operaci on de convoluci on denida por la expresi on:
t t

(2.3)

f1 (t) f2 (t) =
0

f1 (t )f2 ( )d =
0

f1 ( )f2 (t )d

Si la entrada u(t) es un impulso de Dirac aplicado en t = 0 es decir u(t) = (t), entonces U (s) = 1 y la respuesta y (t) se denomina respuesta impulsional del sistema o funci on ponderatriz. Su expresi on es y (t) = L1 [1.G(s)] = g (t) La funci on ponderatriz es la transformada inversa de Laplace de la funci on de transferencia. Conocida la funci on ponderatriz g (t) puede hacerse el c alculo de la respuesta a una entrada cualquiera u(t) aplicando la propiedad (2.3): y (t) = L1 [U (s)G(s)] = u(t) g (t) es decir y (t) =
0 t

u( )g (t )d

Este m etodo puede utilizarse cuando no resulta f acil obtener el modelo matem atico del sistema y puede obtenerse la respuesta impulsional por alg un m etodo experimental. tambi en se utiliza en el an alisis y dise no de los sistemas discretos. M etodo de integraci on compleja Consiste en aplicar la denici on matem atica de la transformada inversa de Laplace para hallar la respuesta: +j 1 y (t) = L1 [Y (s)] = Y (s)est ds 2j j Aunque no se utiliza en la pr actica del c alculo de la respuesta, por existir otros procedimientos m as simples, la integraci on compleja constituye la base matem atica de los m etodos basados en el c alculo de ra ces y residuos que vamos a ver a continuaci on. M etodo de descomposici on en fracciones simples Como sabemos, si el sistema es lineal, monovariable y de par ametros concentrados, la funci on de transferencia G(s) es una funci on racional en s: G(s) = b(s) a(s)

Si la entrada es u(t) y su transformada de Laplace es U (s), la expresi on de la transformada de Laplace Y (s) de la salida, en el caso de condiciones iniciales nulas, es Y (s) = U (s)G(s) = U (s) bm sm + . . . + b1 s + b0 an sn + . . . + a1 s + a0 (2.4)

30 es tambi en una funci on racional de la forma Y (s) =

CAP ITULO 2. RESPUESTA TEMPORAL

N (s) D(s)

(2.5)

en donde N (s) y D(s) son polinomios es s. Dado que las funciones racionales admiten siempre una expansi on en fracciones simples, la expresi on (2.5) puede expresarse como suma de fracciones simples [Ogata 82, sec. 2.4]. Para ello hallaremos las ra ces s1 , s2 , s3 , . . . , sn del denominador D(s). Si D(s) es m onico, Y (s) puede escribirse en la forma N (s) Y (s) = (2.6) (s s1 )(s s2 )(s s3 ) . . . (s sn ) Seg un que las ra ces de D(s) sean simples (todas distintas) o m ultiples, la expansi on en fracciones simples de la expresi on (2.5) es diferente. Ra ces simples Si las ra ces son simples (reales o complejas) la expresi on (2.5) admite la siguiente descomposici on en fracciones simples: Y (s) = K1 K2 K3 Kn + + + ... + s s1 s s2 s s3 s sn (2.7)

en la cual los n umeros K1 , K2 , K3 , . . . , Kn se llaman los residuos de la funci on Y (s) (ver Ap endice sobre Variable Compleja) y se obtienen por la f ormula Ki = N (s) (s si ) D(s) (2.8)
s=si

La obtenci on de la respuesta y (t) resulta trivial, ya que la funci on antitransformada de cada sumando de la expresi on (2.7) es conocida. Por tanto y (t) = K1 es1 t + K2 es2 t + K3 es3 t + . . . + Kn esn t (2.9)

Si hay ra ces complejas puede obtenerse una expresi on alternativa a la (2.8) para cada par de ra ces conjugadas. Sean si , sj un par de ra ces complejas conjugadas si = + j, sj = j

Puede verse f acilmente que los residuos correspondientes Ki yKj , calculados por la f ormula (2.8), Ki = A + jB, Kj = A jB

son tambi en complejos conjugados. Pasando a coordenadas polares, los residuos se escriben, Ki = M , y en forma exponencial, Ki = M ej , Kj = M ej (2.10) siendo M el m odulo y y el argumento de los residuos. La parte yc (t) de la respuesta, dada por (2.9), asociada a este par de ra ces complejas conjugadas es yc (t) = Ki esi t + Kj esj t Kj = M

2.3. CALCULO DE LA RESPUESTA TEMPORAL Sustituyendo los valores de Ki y Kj dados por (2.10) queda yc (t) = M ej e(+j)t + M ej e(j)t y operando, yc (t) = M et ej (t+) + ej (t+) pero e+j (t+) = cos(t + ) + j sin(t + ) ej (t+) = cos(t + ) j sin(t + ) Sustituyendo en (2.11) resulta yc (t) = 2M et cos(t + ) Ra ces m ultiples

31

(2.11)

(2.12)

Si el polinomio D(s) tiene ra ces m ultiples la expansi on de Y (s) en fracciones simples diere de la dada por (2.7). Sea sj una ra z repetida r veces (grado de multiplicidad r) y sean las otras ra ces, s1 , s2 , . . . , sn , todas ellas simples. La expresi on de Y (s) es ahora Y (s) = N (s) (s s1 )(s s2 ) . . . (s sj )r . . . (s sn )

Entonces la expansi on de Y (s) en fracciones simples es de la forma Y (s) = Kj1 Kj2 Kjr K1 Kn + ... + + + ... + + ... + 1 2 r s s1 (s sj ) (s sj ) (s sj ) s sn (2.13)

Para hallar los residuos correspondientes a las ra ces simples sigue siendo v alida la expresi on (2.8), mientras que para los residuos Kj1 , Kj2 , . . . , Kjn , asociados a la ra z m ultiple sj , deben aplicarse las f ormulas siguientes: Kjr Kjr1 = = . . . Kjrk = . . . Kj1 = 1 (r 1)! dr1 N (s) (s sj )r dsr1 D(s)
s= sj

N (s) (s sj )r D(s)

s=sj

d N (s) (s sj )r ds D(s)

s = sj

1 K!

dk N (s) (s sj )r dsk D(s)

s=sj

(2.14) La respuesta y (t), antitransformada de Laplace de la expresi on (2.13), es: y (t) = K1 es1 t + K2 es2 t + K3 es3 t + . . . + Kn esn t +Kj 1 esj t + tKj 2 esj t + . . . + tr1 Kjr esj t (2.15)

32

CAP ITULO 2. RESPUESTA TEMPORAL

Calculo de las ra ces, residuos y respuesta por ordenador Cuando el polinomio denominador D(s) de la funci on Y (s) es de segundo grado, las ra ces se obtienen por la f ormula de la ecuaci on de segundo grado. Si es de grado superior al segundo puede aplicarse el m etodo de Runi, cuando las ra ces son enteras, pero, en general, se debe recurrir al empleo de m etodos num ericos. Dada al actual disponibilidad de ordenadores personales, el c alculo de las ra ces por m etodos num ericos es quiz as el m etodo adecuado, ya que, adem as, pueden utilizarse los recursos del computador para efectuar otros c alculos, tales como residuos, respuesta temporal etc., as como para realizar todo tipo de representaciones gr acas.

2.4.

Sistema de primer orden

Sabemos que el orden de un sistema con funci on de transferencia G(s) = b(s)/a(s) es el grado del polinomio a(s) denominador de G(s) [Ogata 82, sec. 6.3]. La funci on de transferencia de un sistema de primer orden estrictamente causal se puede escribir en la forma G(s) = A s+a

Su diagrama de bloque puede verse en la gura 2.8. Vamos a analizar dos casos, correspondientes

U(s)

A s+a

Y(s)

Figura 2.8: Diagrama de bloque de un sistema de primer orden

a entrada impulso y a entrada escal on, con condiciones iniciales nulas. Entrada impulso. Respuesta impulsional Si u(t) = (t), impulso de Dirac, hallamos su transformada de Laplace U (s): U (s) = [ (t)] = 1 por tanto Y (s), transformada de Laplace de su salida, es Y (s) = U (s)G(s) = La respuesta temporal, dada por (2.17) es y (t) = Aeat = Aet/ El par ametro = 1/a se llama constante de tiempo del sistema de primer orden. En la gura 2.9 se ha representado la respuesta impulsional de un sistema de primer orden. A s+a

2.4. SISTEMA DE PRIMER ORDEN


Respuesta impulsional 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0

33

0.5

1.5

2.5 t

3.5

4.5

Figura 2.9: Respuesta impulsional del sistema de primer orden

Entrada escal on unitario Si la entrada al sistema es el escal on unitario, u(t) = 1(t), su transformada de Laplace es U (s) = L[1(t)] = 1 s

por tanto Y (s), transformada de Laplace de su salida es Y (s) = U (s)G(s) = Para hallar la respuesta temporal a partir de Y (s) = A K1 K2 = + s(s + a) s s+a A s(s + a)

hemos de calcular los residuos mediante la formula (2.16): K1 = K2 = A (s 0) s(s + a) A (s + a) s(s + a) =


s=0

A a A a

=
s= a

Una vez hallados los residuos, la respuesta dada (2.17) es y (t) = A A at e a a

En la gura 2.10 se ha representado la respuesta a una entrada escal on de un sistema de primer orden.

34

CAP ITULO 2. RESPUESTA TEMPORAL


Respuesta al escalon 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0

0.5

1.5

2.5 t

3.5

4.5

Figura 2.10: Respuesta al escal on del sistema de primer orden

Cuando las condiciones iniciales no son nulas, no es aplicable la ecuaci on (2.4) sino que hemos de recurrir a la (1.7). En el caso del sistema de primer orden con m = 0, n = 1, la ecuaci on diferencial del sistema (??) se escribe, a1 y + a0 y = b0 u Aplicando la ecuaci on (1.7), tenemos Y (s) = U (s) b0 a1 y (0) + a1 s + a0 a1 s + a0

Dividiendo numerador y denominador de (2.44) por a1 y haciendo b0 /a1 = A, a0 /a1 = a queda, Y (s) = U (s) A y (0) + s+a s+a

A partir de esta ecuaci on se puede determinar f acilmente y (t) conociendo u(t).

2.5.

Sistema de segundo orden

El polinomio caracter stico de un sistema de segundo orden es de segundo grado [Ogata 82, sec. 6.4]. La funci on de transferencia tiene la forma para m = 1, n = 2: G(s) = a2 s2 b1 s + b 0 + a1 s + a0

Vamos a estudiar en primer lugar el caso en que b = 0, cuya transmitancia se suele expresar: G(s) =
2 n 2 s2 + 2n s + n

2.5. SISTEMA DE SEGUNDO ORDEN

35

U(s)
2

n s + 2 ns + n
2

Y(s)

Figura 2.11: Diagrama de bloque de un sistema de segundo orden

2 = a /a , 2 = a /a . El par siendo n ametro n se llama frecuencia natural del sistema 0 2 n 1 2 mientras que se denomina coeciente de amortiguamiento. Su diagrama de bloque puede verse en la gura 2.11 Analizaremos dos casos, correspondientes a entrada impulso y a entrada escal on, con condiciones iniciales nulas.

Entrada impulso. Respuesta impulsional Si u(t) = (t), impulso de Dirac, hallamos su transformada de Laplace U (s): U (s) = L[ (t)] = 1 por tanto Y (s), transformada de Laplace de su salida es Y (s) = U (s)G(s) = Las ra ces de la ecuaci on caracter stica son: s1,2 = n jn Para hallar los residuos aplicamos la formula (2.16): K1 = de donde resulta K1 = Del mismo modo K2 = En coordenadas polares, M= con lo que los residuos se expresan K1 = K2 = 2 2 2 1 n , , 2 2 1 n 2 , 2
2 n 2 n 2 n (s + n jn 2 s2 + 2n s + n 2 n 2 s2 + 2n s + n

1 2

1 2)
s = s1

s + n + jn

=
s= s1

jn 2 1 2 jn 2 1 2

s + n jn n 1

1 2 ,

=
s= s1

36

CAP ITULO 2. RESPUESTA TEMPORAL

y la respuesta temporal se obtiene ahora aplicando la f ormula (2.12): y (t) = n 1 2 en t sin n 1 2 t

En la gura 2.12 se ha representado la respuesta impulsional del sistema de segundo orden.


Respuesta impulsional 3 2.5 2 1.5 1 0.5 0 -0.5 -1 -1.5 0

0.5

1.5

2.5 t

3.5

4.5

Figura 2.12: Respuesta impulsional del sistema de 2o orden

Entrada escal on unitario Si la entrada al sistema es el escal on unitario, u(t) = 1(t), su transformada de Laplace U (s) es, 1 s por tanto Y (s), transformada de Laplace de su salida es, U (s) = L[1(t)] = Y (s) = U (s)G(s) =
2 n 2) s(s2 + 2n s + n

Las ra ces de la ecuaci on caracter stica son ahora, s1 = 0, s2,3 = n jn 1 2

Calculemos los residuos, por la formula (2.16): K1 = K2 = K3 =


2 n (s 0) 2) s(s2 + 2n s + n 2 n (s s2 ) 2) s(s2 + 2n s + n 2 n 2) s(s2 + 2n s + n

=1
s=0

s=s2

(s s3 )
s=s3

1 j = + 2 2 1 2 1 j = 2 2 1 2

2.5. SISTEMA DE SEGUNDO ORDEN El m odulo y el argumento de K2 son M = 1 2 1 1 2 1 2

37

= arctan En coordenadas polares, K2 = M ,

K3 = M

La respuesta temporal se obtiene aplicando las f ormulas (2.12) y (2.9): y (t) = 1 + 1 1 2 en t cos(n 1 2 t + ))

Im s2 n Re

s3

Figura 2.13: Situaci on de las ra ces complejas conjugadas

A veces interesa indicar la respuesta en funci on del angulo correspondiente a las ra ces complejas conjugadas. Dichas ra ces son s2,3 = n jn de donde = arctan Pero como = arctan ha de ser = 90o . Si introducimos una nuava variable , tal que + = 180o , tenemos = 90 = 90 (180 ) = 90, 1 2 . 1 2 , 1 2

38

CAP ITULO 2. RESPUESTA TEMPORAL

y ello nos permite expresar la respuesta en funci on de . y (t) = 1 + =1 1 1 1 1 2 2 en t cos(n en t sin (n 1 2 t + 90o )) 1 2 t + ).

Es interesante la interpretaci on gr aca de la gura 2.13. Las ra ces s2 y s3 se hallan situadas en un c rculo de radio wn , formando angulos y con el eje real; el angulo es el suplementario de . En la gura 2.14 se ha representado la respuesta a una entrada escal on del sistema de segundo orden. Si el sistema tiene condiciones iniciales no nulas se procede de igual modo que el indicado para el sistema de primer orden, utilizando la ecuaci on (1.11), y hallando la antitransformada de Laplace de la expresi on resultante.
Respuesta al escalon 1.5

0.5

0 0

0.5

1.5

2.5 t

3.5

4.5

Figura 2.14: Respuesta al escal on del sistema de segundo orden

Elemento de retraso en el tiempo Es un componente que provoca el retraso de una se nal en el tiempo. En concreto, si u(t) es la se nal de entrada al elemento de retraso, entonces la salida y (t) es id entica a la entrada u(t) aunque retrasada un tiempo dado T . Es decir y (t) = u(t T )1(t T ) Cual ser a su funci on de transferencia?
U (s) ) - RT (s) Y (s-

2.5. SISTEMA DE SEGUNDO ORDEN Por el teorema de traslaci on en el tiempo de la transformada de Laplace sabemos que L[f (t T )1(t T )] = esT F (s), en donde L(f (t)) = F (s), asi que ha de ser L(y (t)) = L(u(t T )1(t T )) = esT U (s), por lo que la funci on de transferencia de este elemento es RT (s) = esT

39

El elemento de retraso en el tiempo aparece frecuentemente en la pr actica y hace que el sistema deje de ser lineal y que su control resulte m as dif cil. Uno de los ejemplos m as t picos es un tubo por el que circula un uido que transporta una se nal de temperatura. En la gura 2.16 tenemos el esquema de un sistema de control de calefacci on. Funciona asi: si la medida m que da el term ometro es menor que la temperatura de referencia ref (previamente jada) entonces el controlador aumenta la se nal el ectrica vc que env a a v alvula y esta se abre un poco m as; en cambio, si > ref , disminuye dicha se nal cerrando un poco la v alvula y, si son iguales, ( = ref ) la se nal que env a no cambia y la v alvula permanece en la misma posici on. Se trata, pues, de un sistema de control en lazo cerrado que responde al diagrama de bloques de la gura 2.15.
Perturbaci on ref

-+ m

vc

- K

V alvula y Caldera

- Tubo

? -+ m

- Habitaci on

r -

m Term ometro 

Figura 2.15: Sistema de control de temperatura

Respuesta de los sistemas de orden superior El m etodo general de obtener la expresi on de la respuesta temporal en sistemas de orden superior es el indicado en la secci on 2.3. El c alculo de ra ces y residuos puede resultar tedioso para sistemas de orden superior al segundo, por lo que se hace casi imprescindible el empleo de un computador. La respuesta temporal de un sistema de orden superior consta de una serie de sumandos, tal y como aparece en las expresiones (2.13) y (2.15). Como puede verse, est a formada por una superposici on de t erminos asociados a los polos de la ecuaci on caracter stica. Puesto que para sistemas estables los t erminos exponenciales deben ser decrecientes con el tiempo, algunos de ellos habr an quedado casi totalmente amortiguados al transcurrir un peque no intervalo de tiempo, mientras que otros permanecer an durante tiempos m as largos. Los polos correspondientes a los t erminos que m as tiempo permanecen inuyendo en la respuesta se llaman polos dominantes. Son siempre los t erminos asociados a las ra ces m as pr oximas al eje imaginario. A menudo resulta conveniente hacer un an alisis simplicado de los sistemas de orden superior. Este an alisis suele consistir en la sustituci on de la transmitancia del sistema por otra

40
Referencia de Temperatura Controlador poporcional

CAP ITULO 2. RESPUESTA TEMPORAL

Tubo Aire

Termmetro Caldera Vlvula

Habitacin

Gas Ventilador

Figura 2.16: Control de la temperatura de una habitaci on

cuya ecuaci on caracter stica sea de orden inferior, segundo o tercero generalmente, con ra ces situadas en los polos dominantes de la transmitancia original. Por este motivo, el conocimiento del comportamiento del sistema de segundo orden resulta de importancia transcendental en el an alisis y dise no de los sistemas [Ogata 82, sec. 6.5].

2.6.

Respuesta del modelo de estado

Se trata de obtener la expresi on de la respuesta y (t) de un sistema din amico dado, conociendo las matrices A, B, C, D que constituyen su modelo de estado x (t) = Ax(t) + Bu(t) y (t) = Cx(t) + Du(t) as como la entrada o control del sistema, u(t) [Ogata 82, sec. 14.5]. La soluci on de la ecuaci on diferencial del vector de estado x (t) = Ax(t) + Bu(t) (2.16) se puede obtener por un procedimiento similar al utilizado para resolver una ecuaci on diferencial lineal de primer orden de la forma x (t) = ax(t) + bu(t) en la que x(t) y u(t) son funciones del tiempo. Por ello resolveremos primeramente esta ecuaci on. Tomando la transformada de Laplace tenemos: s X (s) x(0) = aX (s) + bU (s) X (s)(s a) = x(0) + bU (s) x(0) b X (s) = + U (s) sa sa

2.6. RESPUESTA DEL MODELO DE ESTADO La transformada inversa L1 se obtiene aplicando el teorema de convoluci on: L1 [F1 (s)F2 (s)] =
0 t

41

f1 (t )f2 ( )d

Tomando F1 (s) = 1/(s a) y F2 (s) = bU (s) obtenemos


t

x(t) = eat x(0) +


0

ea(t ) b u( )d

(2.17)

Intuitivamente podemos esperar que la soluci on de la ecuaci on del vector de estado (2.16) tenga una forma parecida a (2.17) Para obtenerla utilizaremos la funci on exponencial matricial que se dene como: Xk Xk X2 + ... + = eX = exp(X ) = In + X + 2! k! k!
k=0

en donde X e In es la matriz identidad de orden n. Se sabe por la teor a de funciones de matrices que esta serie converge para todo t nito y para toda matriz cuadrada A nita. Ahora, para resolver la ecuaci on diferencial del vector de estado (2.16), utilizaremos el mismo m etodo que nos ha servido para hallar la soluci on de la ecuaci on diferencial de primer orden. Aplicando la transformada de Laplace al sistema x (t) = Ax(t) + Bu(t) obtenemos X (s) x(0) = AX (s) + BU (s) X (s)(sIn A) = x(0) + BU (s) X (s) = (sIn A)1 x(0) + (sIn A)1 BU (s) (2.18)

Cnn

Para hallar la antitransformada x(t) supongamos primero que u(t) = 0. Entonces tenemos X (s) = (sIn A)1 x(0) = = 1 A 1 In x(0) s s 1 A A2 In + + 2 + . . . x(0) s s s

La soluci on x(t) buscada se obtiene hallando la transformada inversa de esta serie: x(t) = 1(t) In + At +

A2 t 2 + . . . x(0) 2!

=
k=0

(At)k = eAt k!

Supongamos ahora el caso general, es decir u(t) = 0. Aplicando el teorema de convoluci on se deduce de (2.18) que
t

x(t) = eAt x(0) +


0

eA(t ) Bu( )d

(2.19)

que es la soluci on de la ecuaci on del vector de estado.

42

CAP ITULO 2. RESPUESTA TEMPORAL

Una vez conocida x(t), la respuesta temporal y (t) del sistema se obtiene inmediatamente de (2.16) por sustituci on: y (t) = Cx(t) + Du(t) Otra forma de obtener la soluci on del modelo de estado x (t) = Ax(t) + Bu(t) es la siguiente. Denotemos por x(t) al vector de estado, es decir x(t) = [x1 (t), . . . , xn (t)]T y por
t 0 x( )d

a su integral en t:
t t t

x( )d = [
0 0

x1 ( )d, . . . ,
0

xn ( )d ]

Consideremos primero el caso simplicado en que A = 0. Entonces la ecuaci on de estado queda reducida a x (t) = Bu(t) Para resolverla vamos a realizar el cambio de variable z (t) = eAt x(t) Derivando esta ecuaci on tenemos z (t) = AeAt x(t) + eAt x (t) = AeAt x(t) + eAt (Ax(t) + Bu(t)) = eAt Bu(t) Integrando esta ecuaci on diferencial obtenemos
t

(2.20)

z (t) = z (0) +
0

eA Bu( )d

y, deshaciendo el cambio (2.20), eAt x(t) = z (0) +


0 t

eA Bu( )d

ya que z (0) = eAt x(0) = z (0). Despejando x(t) obtenemos


t

x(t) = eAt x(0) +


0

eA(t ) Bu( )d

que es la soluci on buscada.

2.6.1.

An alisis Modal

Hemos obtenido una f ormula que nos permite hallar la soluci on x(t) del modelo de estado, dadas las matrices A y B y el valor x(0) de condiciones iniciales. Vamos a estudiar ahora las relaciones que existen entre ciertas propiedades de los datos A, B y x(0) y de la soluci on x(t). Para ello hemos de repasar previamente algunos conceptos de Algebra Lineal.

2.6. RESPUESTA DEL MODELO DE ESTADO Dependencia lineal Vamos a suponer que tenemos un sistema de n vectores columna a11 a12 a1n a21 a22 a2n a1 = . , a2 = . , . . . , an = . . . . . . . am1 am2 amn

43

pertenecientes al espacio vectorial Cm (a veces puede ser Cm ) y n escalares x1 , . . . , xn C. La operaci on b1 a11 x1 + a12 x2 + . . . + a1n xn a21 x1 + a22 x2 + . . . + a2n xn b2 a1 x1 + a2 x2 + . . . + an xn = = . . . . . . am1 x1 + am2 x2 + . . . + amn xn bm se denomina combinaci on lineal de a1 , a2 , . . . , an . En forma matricial se escribe Ax = b en donde A Cmn , x Cn , b Cn . Si, dados a1 , . . . , an , existe un conjunto de escalares x1 , . . . , xn , no todos nulos, tales que los elementos de la combinaci on lineal b1 , b2 , . . . , bn , son todos nulos, entonces se dice que los vectores a1 , a2 , . . . , an son linealmente dependientes. En caso contrario se dice que son linealmente independientes. Un concepto estrechamente relacionado con la dependencia lineal es el de rango. Se dene el rango de una matriz A = [aij ] , como el n umero m aximo de las (o de columnas) linealmente independientes. Resulta evidente que si disponemos de alg un procedimiento para calcular el rango de una matriz podemos averiguar si un sistema de vectores es linealmente independiente o no lo es. Recordemos que la dimensi on de un espacio vectorial V es el n umero m aximo de vectores linealmente independientes en V . Si en un espacio vectorial, por ejemplo en Cn , tenemos n vectores e1 , e2 , . . . , en linealmente independientes, estos forman una base del espacio vectorial. Valores propios y vectores propios Sea A una aplicaci on lineal, dada en cierta base por la matriz cuadrada A Cnn , en el n espacio vectorial C . 1. Sea C. Se dice que es un valor propio de A si existe un vector x Cn , x = 0, tal que Ax = x Es importante remarcar que x ha de ser no nulo (x = 0) ya que de otro modo todo elemento C ser a un vector propio. Los valores propios son las ra ces i , i = 1, . . . , n de la ecuaci on |In A| = 0 2. Sea x Cn . Se dice que x es un vector propio de A si existe un escalar C tal que Ax = x Cada vector propio wi es la soluci on x del sistema de ecuaciones Ax = i x, en donde i es un valor propio, para i = 1, . . . , n. Los vectores propios w1 , . . . , wn se suelen denominar vectores propios por la derecha.

44 Diagonalizaci on

CAP ITULO 2. RESPUESTA TEMPORAL

Otro resultado conocido importante es que si una aplicaci on lineal A : Cn Cn tiene n valores propios distintos 1 , 2 , . . . n , entonces tiene n vectores propios w1 , w2 , . . . , wn linealmente independientes. En este caso la matriz W = [w1 , w2 , . . . , wn ], cuyas columnas son los vectores propios, es invertible y entonces se verica W 1 AW = = = = W 1 A[w1 , w2 , . . . , wn ] W 1 [Aw1 , Aw2 , . . . , Awn ] W 1 [1 w1 , 2 w2 , . . . , n wn ] diag[1 , 2 , . . . , n ]

:= es decir que la matriz A es semejante a una matriz diagonal . Las las v1 , v2 , . . . , vn de la matriz V = W 1 suelen denominarse vectores propios por la izquierda ya que, seg un acabamos de ver, W 1 AW = = [1 , 2 , . . . , n ] y, por tanto, W 1 A = 1 W es decir V A = V . Respuesta espectral Veamos ahora c omo podemos caracterizar la respuesta del sistema libre x = Ax, x Cn , A Cnn (2.21)

en relaci on a los valores propios y vectores propios de la matriz A. Vamos a suponer que los valores propios 1 , 2 , . . . , n de A sean todos distintos. En este caso, sus vectores propios (por la derecha), w1 , w2 , . . . , wn son linealmente independientes y, por tanto, forman una base de Cn . Entonces podemos expresar la soluci on x(t) de (2.21), por pertenecer a Cn , como una combinaci on lineal de los vectores de la base, es decir, de la forma x(t) = x1 (t)w1 + x2 (t)w2 + . . . + xn (t)wn en donde x1 (t), . . . , xn (t) C. Derivando esta ecuaci on y sustituyendo en (2.21) queda x 1 (t)w1 + x 2 (t)w2 + . . . + x n (t)wn = = A(x1 (t)w1 + x2 (t)w2 + . . . + xn (t)wn ) = 1 x1 (t)w1 + 2 x2 (t)w2 + . . . + n xn (t)wn de donde, por ser w1 , . . . , wn linealmente independientes, se deduce que x 1 (t) = 1 x1 (t) x 2 (t) = 2 x2 (t) . . . x n (t) = n xn (t) Las soluciones de este sistema de ecuaciones, que se obtienen de forma inmediata, son xi (t) = xi (0)ei t , Sustituyendo en (2.22) obtenemos como soluci on
n

(2.22)

i = 1, 2, . . . , n

x(t) =
i=1

xi (0)ei wi

Cap tulo 3

Respuesta de frecuencia
3.1. Respuesta de frecuencia

Se dene la respuesta de frecuencia de un sistema como la respuesta en estado estacionario ante una entrada sinusoidal. Los m etodos de an alisis y dise no de sistemas basados en la respuesta de frecuencia han sido y son muy utilizados por varias razones. En primer lugar, la facilidad de obtenci on de la respuesta y estabilidad de los sistemas por m etodos gr acos supon a una ventaja, dada la escasa disponibilidad de los computadores digitales, sobre los complicados c alculos con n umeros complejos exigidos por los m etodos de respuesta temporal y del lugar de las ra ces. En segundo lugar, los m etodos de respuesta de frecuencia pueden servir para el an alisis y dise no de sistemas cuya funci on de transferencia se desconoce, por sencillas mediciones de amplitud y fase en la entrada y en la salida, pudiendo incluso determinarse la funci on de transferencia. Y en tercer lugar por ser muchas de las variables de entrada a los sistemas de naturaleza sinusoidal u ondulatoria, siendo en estos casos necesario el conocimiento de la respuesta de frecuencia [Ogata 82].

A sin(t)

G(s)

y(t)

Figura 3.1: Sistema con entrada sinusoidal

3.2.

Respuesta de un sistema a entrada sinusoidal

Vamos a considerar un sistema lineal, monovariable y estable, con funci on de transferencia G(s), representado en la gura 3.1, al cual se aplica una entrada sinusoidal. Para hallar la respuesta aplicamos el m etodo de descomposici on en fracciones simples basado en el c alculo de las ra ces de la ecuaci on caracter stica y de los residuos. En primer lugar, dada la funci on de entrada u(t) = A sin t (3.1) obtenemos U (s) = L[u(t)] = 45 s2 A + 2

46

CAP ITULO 3. RESPUESTA DE FRECUENCIA

Por tanto la transformada de Laplace de la respuesta es Y (s) = U (s)G(s) = A G(s) s2 + 2

Hallando su transformada inversa obtenemos la respuesta temporal: y (t) = L1 [Y (s)] = L1 s2 A G(s) + 2

Por tratarse de un sistema lineal, G(s) es una funci on racional que se puede expresar como cociente entre el polinomio N (s) y el polinomio D(s): G(s) = N (s) D(s)

Las ra ces del denominador de Y (s) ser an las del factor s2 + 2 junto con las las de D(s), es decir, s1 = j, s2 = j, s3 , s4 , . . . y, por lo tanto, Y (s) puede descomponerse en fracciones simples de la forma Y (s) = K1 K2 K3 K4 + + + + ... s j s + j s s3 s s4 (3.2)

Para hallar K1 y K2 aplicamos la f ormula (2.8) del cap tulo 5: K1 = s2 A G(s)(s j ) + 2 A s2 + 2 G(s)(s + j )
s=j

=
s=j

AG(j ) 2j AG(j ) 2j

(3.3)

K2 =

(3.4)

Sustituyendo (3.3) y (3.4) en (3.2) queda Y (s) = AG(j ) AG(j ) K3 K4 (s j ) + (s + j ) + + + ... 2j 2j s s3 s s4

La transformada inversa de Laplace de esta funci on es la respuesta temporal. y (t) = AG(j ) jt AG(j ) jt e e + K3 es3 t + K4 es4 t + . . . 2j 2j (3.5)

Obs ervese que, por tratarse de un sistema estable, las ra ces correspondientes a la ecuaci on caracter stica D(s) = 0 estar an en el semiplano complejo izquierdo y, por tanto, los sumandos K3 es3 t + K4 es4 t + . . . de la respuesta tender an a cero en estado estacionario. G(j ) es una cantidad compleja que en notaci on exponencial se puede expresar G(j ) = M ej siendo M = |G(j )| y = G(j ). Del mismo modo, G(j ) = M ej (3.7) (3.6)

3.3. DIAGRAMAS DE NYQUIST

47

Sustituyendo (3.6) y (3.7) en (3.5) la expresi on de la respuesta en estado estacionario yss y queda yss (t) = o bien yss = AM sin(t + ) (3.8) La respuesta de un sistema lineal a una entrada sinusoidal es tambi en sinusoidal, de la misma frecuencia, con una amplitud igual a la de la entrada multiplicada por M , y con un de fase respecto a la entrada, siendo M el m odulo y el argumento de G(j ). Mediante la f ormula anterior se puede obtener la respuesta de un sistema a una entrada u(t) = A sin t, para cualquier valor de . Para ello, para una dada, se determinan los valores de M y de y se sustituyen en (3.8). Para evitar los c alculos con n umeros complejos se desarrollaron m etodos gr acos para hallar M y en funci on de por medio de diagramas. Los mas empleados son los diagramas de Nyquist y de Bode. AM ej jt AM ej jt ej (t+) ej (t+) e e = AM 2j 2j 2j

3.3.

Diagramas de Nyquist

El diagrama de Nyquist es el lugar geom etrico que describe el vector G(j ) en el plano complejo al variar entre y [Ogata 82, sec. 9.3]. Aunque la frecuencia negativa no tiene signicado f sico, s que tiene un signicado matem atico que permite formular el criterio de estabilidad de Nyquist. Un m etodo b asico para confeccionar el diagrama de Nyquist consiste en escribir una tabla en la que para cada valor de calculemos los valores del m odulo M y del argumento de G(j ), o bien la parte real y la parte imaginaria. Por ejemplo, para la funci on G(s) = 1 s+1

sustituimos s por j y damos a los valores 0, 0,5, 1, 1,5, . . ., y calculamos M = |G(j )| y = G(j ), coloc andolos en la tabla 3.1. 0.0 0.5 1.0 1.5 2.0 3.0 5.0 10.0 M 1.000 0.894 0.707 0.555 0.447 0.316 0.196 0.100 0.0 -26.6 -45.0 -56.3 -63.4 -71.6 -78.7 -84.3

Cuadro 3.1: Respuesta de frecuencia Con la ayuda de esta tabla se traza f acilmente el diagrama de Nyquist, representado en la gura 3.2, dibujando en el plano complejo cada uno de los extremos de los vectores G(j ) dados por la tabla en coordenadas polares que, como puede apreciarse, es una circunferencia. En la gura 3.2 se muestran los diagramas de Nyquist de diferentes sistemas denidos por sus funciones de transferencia.

48

CAP ITULO 3. RESPUESTA DE FRECUENCIA

a s+a
Imag Imag

a.b (s+a)(s+b)

Real

Real

Imag

Imag

a.b.c (s+a)(s+b)(s+c)

a.b s(s+a)(s+b)

Real

Real

Figura 3.2: Algunos diagramas de Nyquist

Los diagramas de Nyquist no son ecaces para efectuar medidas del m odulo y fase de G(j ), dada la dicultad de determinar con precisi on el valor de que corresponde a cada punto de la curva. Sin embargo pueden servir para identicar las funciones de transferencia de algunos sistemas por comparaci on de la forma de sus gr acas de Nyquist con la de otras te oricas previamente trazadas. Adem as, muestran gr acamente la estabilidad de los sistemas de control, por aplicaci on del criterio de Nyquist, seg un el numero de veces que la curva circunde al punto (1 + 0j ) del plano complejo.

3.4.

Diagramas de Bode

Los diagramas de Bode representan el vector G(j ) en dos gr acas, una para el m odulo y otra para la fase. En la primera se representa el m odulo M = G(j ) en decibelios, en funci on del logaritmo decimal de , y en la segunda la fase, = G(j ) tambi en en funci on de log [Ogata 82, sec. 9.2]. Como vamos a ver, el trazado de los diagramas de Bode se simplica por utilizar coordenadas logar tmicas. Supongamos que las ra ces del numerador (ceros) de G(s) son z1 , z2 , . . . , zm y que las del denominador (polos) son p1 , p2 , . . . , pn . G(s) puede entonces expresarse de la forma G(s) = A (s z1 )(s z2 ) . . . (s zm ) (s p1 )(s p2 ) . . . (s pn ) (3.9)

Para hallar la respuesta de frecuencia sustituimos s por j en (3.9). G(j ) = A (j z1 )(j z2 ) . . . (j zm ) (j p1 )(j p2 ) . . . (j pn ) (3.10)

Calculemos el m odulo y el argumento de esta expresi on. M = |G(j )| = A |j z1 ||j z2 | . . . |j zm | |j p1 ||j p2 | . . . |j pn | (3.11)

3.4. DIAGRAMAS DE BODE o, de forma m as conveniente para los diagramas, G(j ) = K


|j z1 + 1||j z2 + 1| . . . |j zm + 1| |j p1 + 1||j p2 + 1| . . . |j pn + 1|

49

(3.12)

en donde K es la ganancia est atica de G(s) K=A El argumento o fase de G(j ) vale = G(j ) = (j z1 ) + (j z2 ) + . . . + (j zm ) (j p1 ) + (j p2 ) + . . . + (j pm ) MdB = 20 log M con lo que la expresi on (3.12) puede ponerse, MdB = 20 log K +20 log 20 log z1 p1
2

(z1 )(z2 ) . . . (zm ) (p1 )(p2 ) . . . (pn )

(3.13)

En los diagramas de Bode, el m odulo M se expresa en decibelios, es decir

(3.14) + 1 + 20 log
2

z2 p2

+ 1 + . . . + 20 log
2

zm pn

+1
2

+ 1 20 log

+ 1 . . . 20 log

+1

M = 20 log K

= 0

Figura 3.3: Diagrama de Bode del factor K De aqu se deduce que el diagrama de Bode se puede realizar trazando las gr acas correspondientes a cada uno de los sumandos de las expresiones (3.15), para el m odulo, y (3.13), para el argumento, y sumando luego dichas gr acas. Vamos a ver como se realiza el trazado, individualizado para cada sumando del m odulo y de la fase, seg un que las ra ces sean nulas, reales o complejas, as como para la constante de ganancia est atica K .

50 Factor de ganancia est atica K

CAP ITULO 3. RESPUESTA DE FRECUENCIA

El factor K de (3.12) representa un sumando constante, de valor 20 log K , ya que no depende de . La fase vale cero para todo valor de .

20 M =

log

= 90

Figura 3.4: Diagrama de Bode del factor s

Factor s en el numerador Un factor s en el numerador corresponde a un cero de G(s) en el origen (z1 = 0). La gr aca del m odulo est a determinada por la ecuaci on. MdB = 20 log |j | = 20 log Esta ecuaci on representa una recta, de pendiente 20 dB, en el diagrama de Bode. La gr aca de la fase viene dada por = j = 90o El diagrama de Bode se ha representado en la gura 3.4.

Factor s en el denominador Un factor s en el denominador corresponde a un polo de G(s) en el origen (p1 = 0). La gr aca del m odulo est a determinada por MdB = 20 log 1 = 20 log j

Esta ecuaci on representa una recta, de pendiente -20 dB, en el diagrama de Bode. La gr aca de la fase viene dada por 1 = = 90o j

3.4. DIAGRAMAS DE BODE

51

M = -20

log

= -90

Figura 3.5: Diagrama de Bode del factor 1/s

El diagrama de Bode se ha representado en la gura 3.5.

j Factor ( z1 + 1) del numerador j Si z1 es un cero real de G(s), la gr aca del m odulo del factor ( z1 + 1) del numerador de G(s) viene dada, seg un (2.24) por

MdB = 20 log

+1

(3.15) 1

siendo 1 = z1 . Vamos a considerar tres partes de la curva. En la zona en que despreciamos (/1 )2 frente a la unidad, con lo que el m odulo vale MdB = 20 log 1 = 0 En la zona en que

1 despreciamos la unidad frente a (/1 )2 con lo que el m odulo vale MdB = 20 log 1

que corresponde a una recta, de pendiente 20 dB, que pasa por el punto log = log 1 del eje log . Por u ltimo, en el punto = 1 , seg un (3.15), el m odulo vale MdB = 20 log 2 = 3dB Para trazar la curva de la fase procedemos de manera similar a la empleada para el m odulo. El argumento del factor (j z1 ) del numerador de G(s) es = tan1 1 (3.16)

52

CAP ITULO 3. RESPUESTA DE FRECUENCIA

20

dB

c de

ad

1/10

10 1

j Figura 3.6: Diagrama de Bode del factor ( z1 + 1)

Para

1 la fase, dada por (3.16), es = tan1 (0) = 0

Para

1 ,

= tan1 () = 90o = tan1 (1) = 45o

Y para = 1 ,

Para trazar el diagrama de Bode se efect uan aproximaciones rectas de las curvas de m odulo y de fase en las zonas de 1 y de 1 , que se unen con el punto = 1 , en el cual el m odulo vale 3 decibelios y la fase 45 grados, mediante un segmento de curva realizada a mano alzada o con una plantilla. En la pr actica se considera que 1 cuando es diez veces (una d ecada) menor y que 1 cuando es diez veces mayor. La gr aca de Bode del factor (s/1 + 1) se representa en la gura 3.6.
j Factor ( p1 + 1) del denominador

Este caso es muy similar al anterior. Si p es un polo real de G(s), las expresiones del m odulo y de la fase son, haciendo 1 = p1 , id enticas a las obtenidas en el apartado anterior, aunque j con signo cambiado. En efecto, el m odulo de 1/( un (3.15): p1 + 1) es, seg MdB = 20 log(1) 20 log y el argumento, = 0 tan1 1 = tan1 1 1
2

+ 1 = 20 log

+1

3.4. DIAGRAMAS DE BODE

53

-2

dB

/d

ec

ad

1/10

10 1

j Figura 3.7: Diagrama de Bode del factor 1/( z1 + 1)

Las gr acas de m odulo y de fase, sim etricas respecto al eje a las obtenidas para el factor j ( + 1) del numerador, se han representado en la gura 3.7. p1 Ra ces m ultiples Si G(s) tiene un n umero nz de ceros z1 o un n umero np de polos p1 repetidos, existir a un factor de la forma (s z1 )nz en el numerador o de la forma (s p1 )np en el denominador de la expresi on (3.10). Las expresiones del m odulo y fase, obtenidas a partir de (3.12) y (3.13) fase son, para el primer caso MdB = 20nz log = nz tan1 1 1
2

+1

El diagrama de Bode correspondiente se ha representado en la gura 3.8. En el segundo caso existir a un factor de la forma (s p1 )np en el denominador de G(s). Las expresiones del m odulo y de la fase ser an: MdB = 20np log = np tan1 1 1
2

+1

El diagrama de Bode se ha representado en la gura 3.9. Si las ra ces z1 o p1 repetidas son nulas (ra ces en el origen del plano complejo) se obtienen diagramas de Bode similares a los representados en las guras 3.4 y 3.5, si bien la pendiente de la recta del m odulo es 20nz o 20np , y la ordenada de la recta de fase es +90o nz o 90o np .

54

CAP ITULO 3. RESPUESTA DE FRECUENCIA

20

nz

dB

e /d

ca

da

nz /2

j nz Figura 3.8: Diagrama de Bode del factor ( z1 + 1)

Ra ces complejas en el numerador Si dos ra ces z1 , z2 del numerador de G(s) son complejas conjugadas, los t erminos (s z1 ) y (s z2 ) de la expresi on (3.9) pueden agruparse dando lugar a un factor de segundo orden, de la forma
2 s2 + 2n s + n

(3.17)

en el que n es la pulsaci on natural y el coeciente de amortiguamiento. Dividiendo por n obtenemos s s 2 + 2 +1 (3.18) n n Vamos a considerar en primer lugar el caso en que = 1. Entonces la expresi on (3.18) queda s n
2

+2

s n

+1=

s +1 n

Este caso corresponde a una ra z doble s = n , y ha sido estudiado en el apartado anterior. El diagrama de Bode es, por tanto, el de la gura 3.8 con nz = 2. Para valores de menores que la unidad hemos de obtener el m odulo y el argumento de la expresi on (3.18), en funci on de , para cada valor de . Sustituyendo s por j queda 1 n
2

+ 2

El diagrama de Bode se ha representado en la gura 3.10.

3.4. DIAGRAMAS DE BODE

55

-2

0n z

dB

/d

ec

-/2 nz

j np Figura 3.9: Diagrama de Bode del factor 1/( z1 + 1)

Ra ces complejas en el denominador Como f acilmente puede deducirse, si existe un factor de segundo orden de la forma s n
2

+ 2

s n

+1

en el denominador de G(s), los diagramas de Bode son sim etricos, respecto al eje , a los obtenidos en el apartado anterior. Se han representado en la gura 3.11. Para valores de = 1, 1/2, 1/4 . . ., el m odulo y el argumento de del factor de 2o orden de la expresi on (3.17) ha sido calculado por computador y representado en la gura 3.12. Los valores de > 1, no representados en las gr acas, corresponden al caso de ra ces reales y distintas, ya estudiado. Elemento de retraso en el tiempo Corresponde a un elemento del sistema que provoca un retraso en el tiempo en un determinada magnitud. Sea una magnitud x(t) que se aplica a la entrada del elemento de retraso representado en la gura 3.13. La salida y (t) es id entica a la entrada x(t) aunque retrasada un tiempo dado T . Es decir y (t) = x(t T )u(t T ) La funci on de transferencia de este elemento es esT ya que L[x(t T )u(t T )] = X (s)esT Es un elemento no lineal por lo que no est a incluido en la expresi on de G(s) dada en (3.9). El diagrama de Bode se realiza hallando el m odulo y el argumento de esT para s = j . M = |ejT | = 1 = ejT = T = 10log T

56

CAP ITULO 3. RESPUESTA DE FRECUENCIA

n=10 =1/8

40

dB

ec /d

n/10

10n

2) Figura 3.10: Diagrama de Bode del factor (s2 + 2n s + n

3.5.

Trazado por computador

La realizaci on de un programa de ordenador que genere los trazados de Nyquist o de Bode es muy sencilla. Se sigue un procedimiento an alogo al empleado en el apartado 3.3 para la confecci on manual del diagrama de Nyquist por medio de una tabla. A partir de un valor inicial de , igual o pr oximo a cero, el computador ha de calcular |G(j )| y G(j ). A continuaci on se incrementa y se vuelven a calcular los mismos valores, continuando as el proceso hasta que alcance un valor establecido previamente. Los valores calculados pueden almacenarse en un chero del disco para su posterior representaci on por medio de otro programa de gr acos o bien pueden ir represent andose a la vez que se calculan en la pantalla del ordenador [Maltab].

3.6.

Criterio de estabilidad de Nyquist

Una de las principales aplicaciones de los m etodos de respuesta de frecuencia es la determinaci on de la estabilidad, absoluta y relativa, de los sistemas de control. El criterio de Nyquist permite conocer la estabilidad de un sistema en lazo cerrado, tal como el representado en la gura 3.14 conociendo la respuesta de frecuencia de su funci on de transferencia en lazo abierto G(s)H (s) [Ogata 82, sec. 9.5]. Puesto que la respuesta de frecuencia de un sistema en lazo abierto puede hallarse experimentalmente, se puede por este m etodo averiguar la estabilidad de un sistema sin conocer su funci on de transferencia. El sistema de control de la gura 3.14 ser a estable si su funci on de transferencia, dada por T (s) = G(s) 1 + G(s)H (s)

no tiene polos en el semiplano derecho complejo. Como los polos de T (s) son los ceros de la funci on F (s) = 1 + G(s)H (s), una forma de averiguar la estabilidad del sistema ser a hallar el n umero de ceros que tiene F (s) en el semiplano derecho.

3.6. CRITERIO DE ESTABILIDAD DE NYQUIST

57

-4
n=10 =1/8

dB

/d ec

2) Figura 3.11: Diagrama de Bode del factor 1/(s2 + 2n s + n

El criterio de Nyquist est a basado en el principio del argumento, de Cauchy, estudiado en la teor a de variable compleja. Este principio establece que, dada una funci on F (s) de la variable compleja s, anal tica en un recinto R limitado por camino cerrado c excepto en un n umero nito de polos, la diferencia entre el n umero ZF de ceros y el n umero PF de polos de F (s) existentes en el recinto R, es igual al n umero de vueltas que da el vector F (s) alrededor del origen del plano de la funci on, en un sentido dado, al recorrer la variable s el camino cerrado c que rodea a R, en el mismo sentido. Es decir, ZF PF = 1 c arg[F (s)] 2

en donde c arg F (s) signica el incremento del argumento de F (s) al recorrer la variable un camino c. Este principio nos puede servir para averiguar la diferencia entre el n umero de ceros ZF y el n umero de polos PF de una funci on F (s) en el semiplano derecho C>0 . Para ello la variable s ha de recorrer un camino (camino de Nyquist) que encierre por completo a dicho semiplano. El camino de Nyquist, como puede apreciarse en la gura 3.15 se compone del eje imaginario del plano complejo s y de una semicircunferencia de radio innito situada en el semiplano derecho. Al recorrer la variable s este camino en el sentido de las echas, la funci on F (s) recorre una curva en el plano F (s). El n umero de vueltas, en el sentido del camino de Nyquist, que da el vector F (s) alrededor del origen ser a igual a ZF PF . Si utilizamos el plano G(s)H (s) en lugar de F (s) y representamos en el la funci on G(s)H (s), vemos que la curva obtenida es igual a la obtenida en el plano F (s) pero desplazada en una unidad hacia la izquierda(gura 3.16). Por tanto el n umero de vueltas que da el vector F (s) alrededor del origen en el plano F (s) es igual al n umero de vueltas que da el vector 1 + G(s)H (s) alrededor del punto (1 + 0j ) en el plano G(s)H (s) (guras 3.15 y 3.16).

58

CAP ITULO 3. RESPUESTA DE FRECUENCIA


=1/128 =1/64 =1/32 =1/16 =1/8 =1/4 =1/2 =1

=1/128

=1

Figura 3.12: Variaci on del coeciente de amortiguamiento

Elemento de retraso

X(s)

-sT

Y(s)

Figura 3.13: Elemento de retraso en el tiempo

Por otro lado, sea G(s) =

ng , dg

H (s) =

nh , dh

en donde (ng , dg ) y (nh , dh ) son los polinomios numerador y denominador de G(s) y de H (s), respectivamente. Entonces tenemos que ng d h G(s) dg T (s) = = = ng nh = d g d h + ng nh 1 + G(s)H (s) 1 + dg dh y que F (s) = 1 + G(s)H (s) = d g d h + ng nh dg dh
ng

de donde los polos de T (s) son los ceros de F (s). Adem as, los polos de G(s)H (s) son los polos de F (s). Por tanto, PT = ZF , PGH = PF , los polos de F (s) son los mismos que los de G(s)H (s). Adem as, como ya se ha indicado anteriormente, los polos de T (s) son los ceros de la funci on F (s) = 1 + G(s)H (s). Por lo tanto se deduce que:

3.7. MARGENES DE FASE Y DE GANANCIA

59

U(s)

G(s)

Y(s)

H(s)
Figura 3.14: Sistema de control en lazo cerrado

PLANO s im im

PLANO F(s)

re

re

Figura 3.15: Camino de Nyquist y curva G(s)H (s)

No o bien:

No de vueltas de G(s)H (s) alrededor de (-1 + 0j) = polos de T (s) en spd - No de polos de G(s)H (s) en spd

No de polos de T (s) en spd = N o de vueltas de G(s)H (s) alrededor de (1 + 0j ) + No de polos de G(s)H (s) en spd Esta u ltima expresi on constituye el criterio de Nyquist. Puesto que generalmente (aunque no siempre) la funci on de transferencia en lazo abierto G(s)H (s) corresponde a un sistema estable, el No de polos de G(s)H (s) en spd suele ser cero.

3.7.

M argenes de fase y de ganancia

Adem as de servir para hallar la estabilidad absoluta, los diagramas de Nyquist y de Bode nos informan sobre el grado de estabilidad o estabilidad relativa del sistema [Ogata 82, sec. 9.7]. El margen de fase y el margen de ganancia son dos magnitudes que pueden obtenerse de dichos diagramas y que son unos ndices de la estabilidad relativa del sistema.

60

CAP ITULO 3. RESPUESTA DE FRECUENCIA

PLANO s im
im

PLANO G(s)H(s)

re

-1

re

Figura 3.16: Camino de Nyquist y curva 1 + G(s)H (s)

Margen de ganancia de un sistema estable es la mayor constante real M , por la cual podemos multiplicar la funci on de transferencia en lazo abierto G(s)H (s), manteniendo estable el sistema en lazo cerrado. En el diagrama de Nyquist de G(s)H (s) representado en la gura 3.17 el margen de fase M vale 1 Kc MG = = K1 d siendo K la ganancia est atica de la funci on G(s)H (s) cuya estabilidad relativa queremos determinar y K la ganancia est atica para que el sistema sea marginalmente estable, es decir la correspondiente a la curva que pasa por (1 + 0j ), como puede verse en la gura 3.17. Margen de fase es el m aximo incremento de fase, sin afectar al m odulo, que puede darse a la funci on de transferencia en lazo abierto G(s)H (s), manteniendo estable el sistema en lazo cerrado. Es igual a 180o + , siendo la fase de G(s)H (s) cuando la curva pasa por (1 + 0j ). Los m argenes de fase y de ganancia pueden tambi en obtenerse del diagrama de Bode, tal y como puede apreciarse en la gura 3.18.

3.7. MARGENES DE FASE Y DE GANANCIA

61

PLANO G(s)H(S) im im

PLANO G(s)H(S)

-1

re

-1 m

re

Margen de ganancia = 1/d

Margen de fase = m

Figura 3.17: M argenes de ganancia y de fase

Mg

Figura 3.18: M argenes de ganancia y de fase en el diagrama de Bode

62

CAP ITULO 3. RESPUESTA DE FRECUENCIA

Cap tulo 4

Lugar de las ra ces


Los par ametros de un sistema lineal de regulaci on pueden variar por motivos diversos. La variaci on puede ser involuntaria, por cambios que se van produciendo en los componentes con el paso del tiempo, por inuencia de los cambios del medio, etc., o voluntaria, cuando se desea modicar valores de algunos componentes para mejorar el comportamiento del sistema. Hemos visto c omo la posici on de las ra ces de la ecuaci on caracter stica en el plano complejo indica la estabilidad, absoluta y relativa del sistema, as como otros datos de inter es relacionados con sus especicaciones de funcionamiento. El lugar geom etrico de las ra ces es el lugar geom etrico que

U(s) K G(s)

Y(s)

H(s)

Figura 4.1: Sistema de control con K variable

describen las ra ces de la ecuaci on caracter stica cuando var a un par ametro del sistema desde cero hasta innito. Este par ametro variable est a relacionado con uno o con varios coecientes de la ecuaci on caracter stica y puede ser, en general, un valor asociado a un componente cualquiera del sistema, si bien el caso m as usual es indicado en la gura 4.1, en la que el par ametro variable es la ganancia est atica K de la funci on de transferencia en lazo abierto [Ogata 82, cap8].

4.1.

Fundamento del m etodo

Vamos a considerar el sistema lineal cuyo diagrama de bloques aparece en la gura 4.1. G(s) y H (s) son funciones de transferencia, es decir funciones racionales, y K es el par ametro cuya variaci on va a producir el lugar de las ra ces. La funci on de transferencia del sistema es: T (s) = KG(S ) 1 + KG(S )H (s) 63 (4.1)

64

CAP ITULO 4. LUGAR DE LAS RA ICES

La funci on de transferencia en lazo abierto KG(s)H (s) puede ponerse en la forma KG(S )H (s) = K Z (s) (s z1 )(s z2 ) . . . (s zm ) =K P (s) (s p1 )(s p2 ) . . . (s pn ) (4.2)

en donde z1 , z2 , . . . , zm son los ceros y p1 , p2 , . . . , pn son los polos de G(s)H (s), ra ces de los polinomios Z (s) y P (s) respectivamente. Puesto que KG(s)H (s) es una funci on de variable compleja, vamos a expresarla en forma exponencial para poder operar con los vectores en modo gr aco. KG(S )H (s) = K |s z1 |ejz1 |s z2 |ejz2 . . . |s zm |ejzm |s p1 |ejp1 |s p2 |ejp2 . . . |s pn |ejpn

Esta ecuaci on, agrupando los m odulos por un lado y los argumentos por otro, puede escribirse KG(S )H (s) = K en donde i = z1 + z2 + . . . + zm p1 p2 . . . pn La ecuaci on caracter stica del sistema es 1+K o bien, K y en forma exponencial, K Z (S ) = ej (2k+1) P (s) k = 0, 1, 2, . . . (4.7) Z (S ) = 1 P (s) (4.6) Z (S ) =0 P (s) (4.5) (4.4) |s z1 ||s z2 | . . . |s zm | j i e |s p1 ||s p2 | . . . |s pn | (4.3)

ya que el n umero 1 es un vector de m odulo unidad y argumento m ultiplo impar de . Por tanto, en cada uno de los puntos del lugar geom etrico de las ra ces se debe satisfacer la ecuaci on K |s z1 ||s z2 | . . . |s zm | j i e = ej (2k+1) |s p1 ||s p2 | . . . |s pn | (4.8)

De esta ecuaci on se deducen las denominadas condiciones de magnitud y de angulo. La condici on del angulo establece que el argumento de G(s)H(s) ha de ser un m ultiplo impar de en todos los puntos del lugar. Es decir arg[KG(s)H (s)] = i = (2k + 1) (4.9)

La condici on de magnitud dice que el m odulo de G(s)H (s) debe ser igual a la unidad en todos los puntos del lugar geom etrico de las ra ces. |KG(s)H (s)| = K o bien K= |s z1 ||s z2 | . . . |s zm | =1 |s p1 ||s p2 | . . . |s pn | (4.10)

|s p1 ||s p2 | . . . |s pn | |s z1 ||s z2 | . . . |s zm |

Estas dos condiciones permiten establecer un proceso en dos etapas para la construcci on del lugar de las ra ces.

4.2. REGLAS BASICAS DEL TRAZADO DEL LUGAR DE LAS RA ICES 1.

65

Se construye el lugar de las ra ces aplicando solamente la condici on de angulo, tomando todos los puntos s del plano complejo para los cuales la suma de los angulos zi de todos los vectores que van desde los ceros de G(s)H (s) hasta s, menos la suma de los angulos pj de todos los vectores que van desde los polos hasta s, sea un m ultiplo impar de . Una vez que se ha trazado el lugar, se aplica la condici on de magnitud (4.10) para determinar el valor de K que corresponde a cada punto s del lugar. El valor de K en cada punto s del lugar es igual al producto de las longitudes de todos los vectores que van desde s a los polos, dividido entre el producto de las longitudes de todos los vectores que van desde s a los ceros. Basadas en las condiciones de angulo y magnitud y en los principios del c alculo complejo, se deducen una serie de reglas pr acticas que permiten bosquejar con relativa facilidad el trazado del lugar de las ra ces.

2.

4.2.

Reglas b asicas del trazado del lugar de las ra ces

N umero de ramas Existe una rama simple del lugar por cada ra z de la ecuaci on caracter stica siendo por tanto el n umero de ramas igual al orden de la ecuaci on caracter stica, e igual al mayor entre los n umeros de polos y de ceros de G(s)H (s) [Ogata 82, sec. 8.4]. Origen y nal del lugar El lugar comienza para K = 0 en los polos de G(s)H (s) y termina para K = en los ceros de G(s)H (s). Cada rama del lugar parte de un polo, ya que para K = 0 los polos en lazo cerrado coinciden con los polos en lazo abierto, y termina en un cero, ya que para K = los polos en lazo cerrado (polos de G(s)/[1 + G(s)H (s)] coinciden con los ceros en lazo abierto (ceros de G(s)H (s)). Si el n umero de polos es mayor que el n umero de ceros, cabe suponer que hay en el innito tantos ceros como polos en exceso y, por tanto, existir an ramas que terminan en el innito. De igual modo, si el n umero ceros excede al de polos, existir an ramas que parten de polos situados en el innito. Tramos en el eje real El lugar geom etrico pasa por todos los puntos del eje real que est an a la izquierda de un n umero impar de polos y ceros. La demostraci on, aplicando la condici on de angulo es inmediata. Simetr a del lugar El lugar es sim etrico respecto al eje real del plano complejo. En efecto, para cada punto del lugar, asociado a una ra z compleja de la ecuaci on caracter stica, existir a otro sim etrico respecto al eje real, asociado a la ra z compleja conjugada de la primera. N umero de as ntotas Si el n umero de polos de G(s)H (s) es mayor que el de ceros (n > m), (funci on de transferencia en lazo abierto estrictamente propia) hay n m ramas que terminan en el innito y existen n m as ntotas tangentes a las ramas del lugar en los ceros ubicados en el innito. Si el n umero de

66

CAP ITULO 4. LUGAR DE LAS RA ICES

polos de G(s)H (s) es menor que el de ceros (n > m) hay m n ramas que se inician en el innito y existen m n as ntotas tangentes a las ramas del lugar en los polos ubicados en el innito. Angulos de las as ntotas con el eje real El angulo formado por cada as ntota y el eje real viene dado por la expresi on: = (2k + 1) nm K = 0, 1, 2, . . . (4.11)

Si n > m, hay ramas que terminan en ceros situados en el innito de modo que, a medida que s tiende a innito, esas ramas se van acercando a las as ntotas. En el l mite, el angulo formado entre un punto s del lugar y un polo pi o un cero zj ser a el angulo a de la as ntota. = l m arg(s pi ) = l m arg(s zj ) = l m arg(s)
s s s

y, aplicando la condici on de angulo expresado en (4.9), m n = (2K + 1), K = 0, 1, 2, . . .

de donde se deduce que el angulo es el dado por (4.11). Si n < m, las as ntotas son tangentes a las ramas en los polos situados en el innito y sigue siendo v alida la expresi on (4.11). Intersecci on de las as ntotas con el eje real Todas las as ntotas se cortan en un punto del eje real c , denominado centroide de las as ntotas, dado por la expresi on c =
n i=1 pi

nm

m i=1 zi

(4.12)

Puntos de ruptura de salida y de entrada al eje real Un punto de ruptura de salida del eje es un punto del lugar en el que dos ramas, que discurren por el eje real y que se aproximan cada vez m as entre s a medida que aumenta K , se unen, bifurc andose sim etricamente en el plano complejo a partir de el. Un punto de ruptura de entrada al eje es un punto del lugar en el que dos ramas, que discurren sim etricas por el plano complejo y se aproximan cada vez m as entre s a medida que aumenta K , se unen, bifurc andose en el eje real a partir de el. Los puntos de ruptura de salida y de entrada al eje se determinan por la condici on dK =0 ds pero por (4.6) podemos poner dK d P (s) = ds ds Z (s) de donde d d P (s) P (s) Z (s) = 0 (4.14) ds ds Las ra ces reales de esta ecuaci on nos dar an los valores de los puntos de ruptura de salida y de entrada. No todas las ra ces han de ser necesariamente puntos de ruptura. Z (s) (4.13)

4.2. REGLAS BASICAS DEL TRAZADO DEL LUGAR DE LAS RA ICES Angulos de partida y de llegada del lugar

67

Son los angulos de las tangentes al lugar de las ra ces en los puntos inicial y nal, respectivamente. El angulo de partida del lugar desde un polo, para K = 0, y el angulo de llegada del lugar a un cero, para K = , se determinan por medio de la condici on de angulo expresada en (4.9), hallando el angulo de un punto s innitamente pr oximo al polo o cero considerado.

4.2.1.

Trazado del lugar de las ra ces por computador

La ecuaci on caracter stica (4.5) del sistema puede expresarse P (s) + KZ (s) = 0 (4.15)

Un m etodo num erico directo de obtener el trazado del lugar de las ra ces consiste en hallar todas las ra ces de la ecuaci on (4.15) para cada valor de K , representando gr acamente cada una de ellas por un punto en el plano complejo. Un computador puede hallar, mediante un procedimiento de c alculo num erico, las ra ces de la ecuaci on caracter stica para un conjunto nito de valores de K pertenecientes a un intervalo tambi en nito, y representar gr acamente el lugar geom etrico resultante en la pantalla o impresora. Eligiendo un intervalo de valores de sucientemente amplio y un incremento de K sucientemente peque no, puede obtenerse un trazado de apariencia continua al quedar los puntos del trazado muy pr oximos entre s . Mediante programas espec cos de dise no asistido por computador de sistemas de control (CACSD) puede trazarse con facilidad el lugar de las ra ces. As , por ejemplo, el programa MATLAB [Maltab] dispone de una librer a de CACSD denominada control toolbox en la que se encuentra una funci on, denominada rlocus que efect ua el trazado del lugar de las ra ces en la pantalla, y si se desea en la impresora, del ordenador. De este mode se ha realizado el trazado del lugar geom etrico de las ra ces de la gura 4.2 que corresponde a un sistema cuya funci on de transferencia en lazo abierto es 10 G(s)H (s) = s(s2 + 4s + 5)

1 Eje Imag

-1

-2

-3

-4 -4

-3

-2

-1

0 Eje Real

Figura 4.2: Trazado del lugar de las ra ces mediante MATLAB

68

CAP ITULO 4. LUGAR DE LAS RA ICES

4.3.

Ejemplos

Como aplicaci on vamos a realizar el trazado del lugar de las ra ces de un sistema de regulaci on cuya funci on de transferencia en lazo abierto es G(s)H (s) = s+6 (s + 2)(s2 + 8s + 25)

El m etodo que vamos a seguir consiste en utilizar las reglas expuestas en el cap tulo para obtener los elementos geom etricos que faciliten el trazado a mano alzada. 1. N umero de ramas. La ecuaci on caracter stica es (s + 2)(s + 8s + 25) + K (s + 6) = 0 Es de orden 3 luego el lugar tiene 3 ramas. 2. Origen y nal del lugar. Los polos de G(s)H (s) son: s1 = 2, Los ceros de G(s)H(s) son: z1 = 6 El lugar comienza en los polos y termina en los ceros. Como hay dos polos en exceso, hay dos ramas que terminan en el innito. 3. Tramos en el eje real. Desde el polo s = 2 hasta el cero z = 6, los puntos del eje est an a la izquierda de un n umero impar de polos mas ceros, luego el lugar coincide con el eje entre s1 y z1 . 4. Simetr a del lugar. El lugar es sim etrico respecto al eje real del plano complejo. Esta condici on siempre se cumple. 5. N umero de as ntotas. En este caso: n = n umero de polos = 3, m = n umero de ceros = 1. Por lo tanto, hay 3 1 = 2 as ntotas. 6. Angulos de las as ntotas con el eje real. Aplicando la f ormula (4.11) = (2k + 1) nm K = 0, 1, 2, . . . s2 = 4 + 3j, s3 = 4 3j

los angulos de las as ntotas valen, para K = 0: = /2. Es decir, las dos as ntotas cortan al eje real en angulo recto.

4.3. EJEMPLOS 7. Intersecci on de las as ntotas con el eje real.

69

El punto c de intersecci on de las as ntotas con el eje real se obtiene mediante la f ormula 4.12, sumando todos los polos, restando los ceros y dividiendo el resultado entre n m: c = 2 4 + 3j 4 3j (6) = 2 32

8. Puntos de ruptura de salida y de entrada al eje real. Aplicando la ecuaci on (4.14) tenemos (s + 6) d d (s + 2)(s2 + 8s + 25) (s + 2)(s2 + 8s + 25) (s + 6) = 0 ds ds (s + 6)(s2 + 20s + 41) (s3 + 10s2 + 41s + 50) = 0 2s3 + 28s2 + 120s + 196 = 0 Las ra ces de esta ecuaci on son s1 = 8,069682 s2 = 2,965159 + 1,830861j s3 = 2,965159 + 1,830861j La ra z real s1 = 8,069682 de esta ecuaci on no corresponde a ning un punto de ruptura ya que queda fuera del lugar.

10

Eje Imag

-5

-10 -10 -5 0 Eje Real 5 10

Figura 4.3: Trazado del lugar de las ra ces mediante MATLAB

9. Angulos de partida y de llegada del lugar. Tomando un punto s del lugar muy pr oximo al polo p2 , vamos a aplicar la condici on de ngulo (4.9): a z1 p1 p2 p3 = (2k + 1) Los angulos que forman los vectores dirigidos a p2 desde todos los dem as polos y ceros son: z1 p1 p3 = arg(p2 z1 ) = arctan(3/2) = 56 18 32 = arg(p2 p1 ) = 180 z1 = 123 41 = arg(p2 p3 ) = 90

(4.16) (4.17) (4.18)

70

CAP ITULO 4. LUGAR DE LAS RA ICES El angulo de partida es p2 ya que es el angulo del vector que va desde p al punto s, innitamente pr oximo. Despejando p2 , p2 = z1 p1 p3 (2k + 1) y para K = 0 queda p2 = 56 18 32 123 41 90 + 180 = 22 37 11

El trazado del lugar de las ra ces de este ejemplo, generado por computador con el programa MATLAB, aparece en la gura 4.3. En la gura 4.4 se ha realizado el trazado del lugar de las ra ces del sistema cuya funci on de transferencia en lazo abierto es G(s)H (s) = s+1 s(s + 2)(s2 + 6s + 13)

La obtenci on de este trazado, a mano alzada y siguiendo las reglas estudiadas en este cap tulo se deja como ejercicio al lector.
6

2 Eje Imag

-2

-4

-6 -6

-4

-2

0 Eje Real

Figura 4.4: Trazado del lugar de las ra ces mediante MATLAB

Cap tulo 5

Funcionamiento de los sistemas de control


5.1. Especicaciones de funcionamiento

Cada sistema din amico evoluciona en el tiempo de una forma particular que lo caracteriza. Las especicaciones de funcionamiento son las cualidades que permiten describir los rasgos m as interesantes del comportamiento din amico de los sistemas [Ogata 82, sec. 10.1]. Un sistema de control est a siempre asociado al proceso o planta que controla y, por tanto, ser an las condiciones exigidas al comportamiento de este las que demanden unas determinadas prestaciones al sistema de control. A menudo deber a satisfacer un gran n umero de especicaciones y frecuentemente existir an varias soluciones aceptables. El dise no suele aceptarse como bueno si en el se da un adecuado compromiso entre coste y prestaciones. El comportamiento se maniesta en la evoluci on de las variables de salida del proceso o planta y puede medirse mediante ndices de funcionamiento. El control deber a dise narse de manera que se optimicen algunos de estos ndices de funcionamiento, con ciertas condiciones o restricciones impuestas a las variables para asegurar el correcto comportamiento del sistema. Se plantea as un problema optimizaci on, similar a los que se dan en otras areas la econom a, ingenier a etc., cuya resoluci on puede abordarse por m etodos matem aticos. En t erminos generales, el problema de optimizaci on consiste en minimizar una funci on, denominada funci on objetivo, sujeta a determinadas restricciones. No vamos a abordar aqu el tema de la optimizaci on de sistemas, desarrollado en tratados avanzados de ingenier a de control, sino a mostrar una serie de especicaciones generales de funcionamiento que deben cumplir los sistemas de control. De algunas de estas especicaciones se derivan ndices de funcionamiento que pueden ser utilizados en el dise no de los sistemas de control, bien por el m etodo de optimizaci on o bien por otros m etodos. Las especicaciones m as importantes que ha de satisfacer un sistema de control se reeren a los siguientes aspectos de su comportamiento: 1. Estabilidad. La condici on de estabilidad absoluta es esencial para todo sistema de control. La estabilidad relativa es un ndice del buen funcionamiento del sistema. 2. Rapidez de respuesta. La rapidez de respuesta de un sistema viene dada por sus caracter sticas de su respuesta temporal o bien de su respuesta de frecuencia. 3. Precisi on. La respuesta de un servosistema debe seguir lo m as elmente posible a la entrada de referencia y por tanto la diferencia entre ambas o error debe ser m nima. 71

72

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

Estas especicaciones de funcionamiento pueden apreciarse analizando las curvas de respuesta temporal y de respuesta de frecuencia del sistema objeto de estudio. Respuesta temporal La forma m as natural de observar el funcionamiento de un sistema es el examen de su respuesta temporal. Si la salida del sistema debe seguir a la entrada, podemos aplicar una funci on conocida a dicha entrada y examinar la salida obteniendo de la misma las caracter sticas de inter es. Se utilizan como funciones de entrada el impulso de Dirac, la funci on escal on unitario, y las funciones rampa, par abola, y sucesivas potencias de t. Las especicaciones de respuesta temporal de un sistema de control se suelen referir generalmente a la respuesta del sistema a una entrada escal on unitario ya que en tal respuesta aparecen de forma clara ciertas caracter sticas esenciales del sistema de control [Ogata 82, sec. 6.4]. La respuesta de un sistema a un escal on unitario se suele representar en forma de una gr aca, en la que se indican unas determinadas especicaciones de sus caracter sticas m as notables. En el caso del sistema de segundo orden, las e especicaciones pueden hallarse anal ticamente. En la gura 5.1 se ha representado la respuesta al escal on de un sistema y sus correspondientes especicaciones. Se ha supuesto que la ganancia est atica del sistema vale la unidad es decir yss = 1.

Figura 5.1: Respuesta temporal

Rebasamiento m aximo Es la desviaci on m axima MP de la respuesta respecto al escal on de entrada. Se suele expresar en tanto por ciento del valor del escal on. El valor de MP puede hallarse, para el caso del sistema de segundo orden, igualando a cero la derivada de su expresi on de la respuesta temporal 1 y (t) = 1 + en t sin(n 1 2 t ) (5.1) 1 2

5.1. ESPECIFICACIONES DE FUNCIONAMIENTO para hallar sus valores extremos. y (t) = en t = en t n 1 2 n 1 2 sin(n sin(n 1 2 t ) + n cos(n 1 2 t) cos() cos(n 1 2 t ) 1 2 t) sin()

73

+n cos(n pero sabemos que

1 2 t)cos() + sin(n

1 2 t) sin()

(5.2)

sin = Sustituyendo en (5.2) queda y (t) = en t n 1 2

1 2,

cos =

( ) sin(n

1 2 t)

1 2 cos(n 1 2 t)

1 2 t)

+ n en t ( ) cos(n Operando resulta, y (t) = en t Igualando a cero la derivada queda

1 2 t) +

1 2 sin(n

2 n 1 2

+ n

1 2

sin(n

1 2 t)

sin(n

1 2 t) = 0

Los valores de t que satisfacen esta ecuaci on son t= n n 1 2 , n = 0, 1, 2, . . .

Para n = 0, instante inicial, t = 0, y (t) tiene un m nimo. Para valores sucesivos de n se van alternando m aximos y m nimos. La sobreoscilaci on m axima MP corresponde al primer m aximo de y (t), es decir para n = 1. El instante tP en que se produce es tP = n 1 2

El valor m aximo 1 + MP se obtiene sustituyendo tP en (5.1): 1 + MP = y (tP ) = 1+ Mp = e/ 1 1 2


1 2

en tp ( 1 2 cos + sin )

74

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

Tiempo de subida Es el tiempo tr que transcurre desde que la respuesta es del 10 % hasta que alcanza el 90 % del valor nal. Suele tambi en denirse como el tiempo que tarda la respuesta en alcanzar por primera vez el valor nal. En el sistema de segundo orden puede calcularse. El valor de y (t) dado por (5.1) ha de valer 1: y (t) = 1 = 1 + y, por tanto, sin(n operando queda sin(n es decir tan(n 1 2 t) = tan = 1 2 1 2 t) cos = cos(n 1 2 t) sin 1 2 t ) = 0 1 1 2 en t sin(n 1 2 t )

despejando t obtenemos el tiempo de subida: tr = arctan( 1 2 / ) n 1 2

Tiempo de retraso Es el tiempo td transcurrido desde el instante inicial hasta que la respuesta adquiere el 50 % del valor nal. Tiempo de respuesta Es el tiempo ts transcurrido desde que se aplica la entrada escal on hasta que la respuesta se estabiliza dentro de una banda de tolerancia de error denida por un porcentaje del valor nal. Para un sistema de segundo orden subamortiguado, se calcula teniendo en cuenta que la respuesta est a comprendida entre las dos curvas envolventes exponenciales dadas por la siguiente expresi on: 1 y (t) = 1 en t 2 1 La constante de tiempo es 1/(n ). Si se ja una banda de tolerancia de error del 2 %, y se cumple que 0 < < 0,9, tenemos, en el caso peor, en t < 0,02 1 0,92 n t < ln(0,02 1 0,92 ) = 4,74

El tiempo de establecimiento es, por tanto ts > es decir, unas cinco constantes de tiempo. 4,74 n

5.1. ESPECIFICACIONES DE FUNCIONAMIENTO Valor de estado estacionario

75

Es el l mite al que tiende la respuesta cuando el tiempo tiende a innito. Para una entrada escal on unitario tiene un valor igual a la ganancia est atica del sistema. Puede hallarse aplicando el teorema del valor nal de la transformada de Laplace. La transformada de la respuesta es, Y (s) = [y (t)] = U (s) T (s) siendo U (s) la transformada de la entrada y T (s) la funci on de transferencia. Aplicando el teorema del valor nal, yss = l m y (t) = l m [sY (s)] = l m [s U (s) T (s)]
t s0 s0

(5.3)

Pero la transformada de Laplace de la funci on escal on unitario es 1/s, luego 1 yss = l m [s T (s)] = l m T (s) s0 s s0 Respuesta de frecuencia La respuesta de frecuencia de un sistema se dene como la respuesta en en estado estacionario del sistema a una entrada sinusoidal [Ogata 82, sec. 9.2]. Como ya sabemos, para una entrada sinusoidal, u(t) = A sin(t) la respuesta en estado estacionario de un sistema lineal, con funci on de transferencia G(s), es tambi en sinusoidal, de la forma yss (t) = M sin(t + ), M = |G(j )|, = G(j )

La respuesta de frecuencia se suele expresar mediante diagramas en los que se representan el m odulo y la fase en funci on de la pulsaci on . En la gura 5.2 se ha representado el diagrama de Bode de un sistema en el que se indican ciertos valores de la respuesta de frecuencia que se utilizan habitualmente y que tienen relaci on con las especicaciones de funcionamiento. Tales valores son: Frecuencias de corte. Generalmente el sistema tiene una zona, denominada zona de frecuencias medias, en que la ganancia |G(j )| se mantiene pr acticamente constante, siendo menor fuera de dicha zona. Las frecuencias de corte A y B son aquellas en que la ganancia M es inferior en 3 dB a la ganancia en la zona de frecuencias medias. En los sistemas de control es frecuente que A sea cero. Anchura de banda BW. Es la banda o intervalo de frecuencias comprendida entre la frecuencia de corte inferior A y la frecuencia de corte superior B . Ganancia a frecuencias medias. A veces la ganancia del sistema a frecuencias comprendidas dentro de la anchura de banda se considera constante, con un valor de M = |G(jm )|, siendo m un valor intermedio de la pulsaci on. Margen de fase y margen de ganancia. Son una medida de la estabilidad relativa de los sistemas.

76

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

Figura 5.2: Respuesta de frecuencia

5.2.

An alisis del error

El error es una variable que aparece en todo sistema de control como consecuencia de la realimentaci on negativa y es un ndice relacionado directamente con la precisi on del sistema [Ogata 82, cap. 7]. En el sistema de la gura 5.3 el error es . El error depende de la funci on de entrada u(t) aplicada y del propio sistema denido por las funciones G(s) y H (s). Para facilitar el an alisis del error, se dene el tipo del sistema y se calcula el error en estado estacionario considerando unas funciones de entrada predenidas.

U(s)

G(s)

Y(s)

H(s)
Figura 5.3: Sistema de Control

Error de estado estacionario Es el error existente para una entrada determinada cuando la variable de salida se ha estabilizado. Se calcula aplicando el teorema del valor nal de la transformada de Laplace.
ss

= l m (t) = l m s (s)
t s0

(5.4)

5.2. ANALISIS DEL ERROR Si consideramos el sistema de la gura 5.3, el error vale (s) = U (s) (s)G(s)H (s) y, por tanto, (s) = U (s) 1 + G(s)H (s)

77

(5.5)

Se llama trasmitancia de error WE (s) a la funci on de transferencia que relaciona la entrada al sistema U (s) con el error (s). WE = (s) 1 = U (s) 1 + G(s)H (s)

En los sistemas lineales, G(s) y H (s) son funciones racionales de s. Por tanto podemos poner G(s)H (s) = N (s) D(s)

siendo N (s) y D(s) dos polinomios en s. La trasmitancia de error puede expresarse ahora de la forma, D(s) WE (s) = N (s) + D(s) Mediante la expresi on (5.5) podemos obtener (t), hallando la antitransformada de Laplace, y el error de estado estacionario
ss

= l m s (s) = l m
s0

s0

sU (s) 1 + G(s)H (s)

(5.6)

o bien,
ss

= l m sU (s)
s0

D(s) N (s) + D(s)

(5.7)

Entradas de mando b asicas Para analizar el error de un sistema se utilizan, por simplicidad, las funciones de entrada b asicas o normalizadas que son la funci on escal on, la funci on rampa, la funci on par abola y otras de orden superior en t (gura 5.4).

Escaln u(t) = r0 1(t)

Rampa u(t) = v0 t

Parbola u(t) = 2 a 0 t 2
1

t
Figura 5.4: Funciones de prueba

78

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

Es interesante conocer el error del sistema para cada una de las funciones de mando b asicas ya que, conocidas estas, puede hallarse, por el principio de superposici on, el error para una funci on de entrada cualquiera. En efecto, si la funci on de entrada es u(t), se puede desarrollar en serie de Taylor de la forma, u(t) = u(0) + u (0) r (0) 2 t+ t + ... 1! 2!

por lo que el error para la entrada u(t) ser a igual al error para entrada escal on m as el error para entrada rampa etc. Constantes de error Las constantes de error de posici on Kp , de velocidad Kv y de aceleraci on Ka se denen, asociadas a las funciones b asicas de entrada escal on, rampa y par abola, de la forma siguiente: Kp = l m [G(s)H (s)]
s0 s0 s0

Kv = l m [sG(s)H (s)] Ka = l m [s2 G(s)H (s)] Ahora podemos hallar los errores de estado estacionario correspondientes a las entradas escal on, rampa y par abola, en funci on de estas constantes, aplicando la f ormula (5.6).
ss

= l m

s0

sU (s) 1 + G(s)H (s)

Si la entrada es un escal on, como u(t) = r0 u(t) y U (s) = r0 /s, el error para entrada escal on es:
pss

= l m

s0

r0 r0 = 1 + G(s)H (s) 1 + Kp

Si la entrada es de tipo rampa, u(t) = v0 t, U (s) = v0 /s2 y el error para entrada rampa ser a:
vss

= l m

s0

v0 v0 = s + sG(s)H (s) Kv U (s) = a0 /s3 , el error para entrada par abola es:

Si la entrada es de tipo par abola, u(t) =


ass

a0 2 2 t ,

= l m

s0

a0 a0 = s2 + s2 G(s)H (s) Ka

Tipo de sistema Se llama tipo de sistema al n umero de ra ces nulas del numerador de la trasmitancia de error, o bien del denominador de la funci on, denominada funci on de transferencia en lazo abierto, G(s)H (s). Dicho de otra manera, es el n umero de integradores que tiene la funci on G(s)H (s). Sea p el tipo de un sistema denido por las funciones G(s) y H (s). La funci on de transferencia en lazo abierto del sistema es: G(s)H (s) = N (s) N (s) = p D(s) s D1 (s)

5.2. ANALISIS DEL ERROR

79

siendo D1 (s) un polinomio sin ra ces nulas. La ecuaci on (5.3) puede ponerse en forma factorizada hallando las ra ces de N (s) y D(s): G(s)H (s) = KGH sp
n j =1 (aj s m i=1 (ai s

+ 1) + 1)

Obs ervese que la constante KGH es equivalente a Kp para un sistema de tipo cero, a Kv para un sistema de tipo 1, y a Ka para un sistema de tipo 2. Vamos a determinar cuanto vale el error de estado estacionario para cada una de las entradas b asicas, y para cada tipo de sistema. Poniendo N (s) y D(s) en la forma factorizada y aplicando la f ormula (5.7) queda
ss

= l m

sU (s)sp KGH
m i=1 (ai s

s0

n j =1 (aj s + 1) 1) + sp n j =1 (aj s

+ 1)

= l m

sp+1 U (s) s0 KGH + sp

Mediante la f ormula (5.4) se ha confeccionado la tabla 4.1 que da los valores del error de estado estacionario para cada tipo de sistema y para entradas escal on, rampa y par abola. Tipo 0 1 2 3 Escal on
r0 1+KGH

Rampa
v0 KGH

Par abola
a0 KGH

0 0 0

0 0

Cuadro 5.1: Error de estado estacionario Se puede deducir de esta tabla que, a medida que aumenta el tipo del sistema, disminuye el error. No obstante, ello implica la adici on de integradores en la funci on de transferencia en lazo abierto G(s)H (s), lo que puede afectar a la estabilidad. Coecientes de error Se suelen denominar a veces coecientes din amicos de error y se utilizan para hallar el error en funci on del tiempo, con lo que no s olo podemos determinar el error de estado estacionario sino tambi en el error din amico. La expresi on del error viene dada, en funci on de estos coecientes, por C1 C2 Cn (n) u (t) (t) = C0 u(t) + r (t) + u (t) + . . . + 1! 2! n! siendo C0 , C1 , C2 , . . . , Cn los coecientes de error y u(t) la entrada de referencia. Para hallar los coecientes de error ha de aplicarse la integral de convoluci on al c alculo de ( t):
t

(t) =
0

wE ( )u(t )d

(5.8)

siendo w(t) la transformada inversa de la trasmitancia de error W (s) = 1/[1 + G(s)H (s)]

80

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

Si existen las n primeras derivadas de u(t), la funci on u(t ) puede desarrollarse en serie de Taylor de la forma: 2 u(t ) = u(t) u (t) + u (t) . . . 2! Aplicando la f ormula (5.8) para el c alculo de (t) y tomando el valor nal de la expresi on resultante, se deduce que los coecientes de error vienen dados por las expresiones siguientes: C0 = l m wE (s),
s0

C1 = l m C2

Cn

dwE , s0 ds d2 wE = l m s0 ds2 . . . dn wE = l m s0 dsn

5.3.

Sensibilidad a las variaciones de los par ametros

La sensibilidad de un sistema a las variaciones de los par ametros expresa el cambio que se produce en su comportamiento al cambiar el valor de tales par ametros [2, sec. 5.3]. En t erminos matem aticos, la sensibilidad de una funci on F respecto a otra funci on P se dene como el F cociente entre la variaci on relativa de F y la variaci on relativa de P , y se denota por SP
P SF =

dF/F d(ln F ) P dF = = dP/P d(ln P ) F dP

(5.9)

Un sistema de control cuyas funciones de sensibilidad tienen valores reducidos se suele denominar sistema robusto. En nuestro caso F es una funci on de la variable compleja s, que representa una funci on de transferencia que determina el comportamiento del sistema, y P es un par ametro o funci on cuya variaci on hace que F tambi en var e. En la gura (5.5) se representa un sistema compuesto por dos bloques en cascada, con funciones de transferencia G1 y G2 , y otro formado por los mismos bloques en lazo cerrado. Vamos a hallar la sensibilidad del sistema, en ambos casos, con respecto a las variaciones de G1 . En el primer caso los bloques G1 y G2 est an en cascada. La funci on de transferencia total del sistema es F = G1 G 2 Seg un (5.9) la sensibilidad respecto del par ametro G1 es:
F SG = 1

G1 G1 dF = G2 = 1 F dG1 G1 G 2

Este resultado indica que, en este sistema de lazo abierto, a una variaci on reactiva en el par ametro P corresponde una variaci on relativa id entica en F y por lo tanto en su respuesta. El segundo caso es un sistema con realimentaci on negativa de la salida a trav es del bloque G2 . La funci on de transferencia es: G1 F = 1 + G1 G2

5.4. SENSIBILIDAD A LAS VARIABLES PERTURBADORAS

81

U(s)

G1(s)

G2(s)

Y(s)

U(s)

G1(s)

Y(s)

G2(s)
Figura 5.5: Sistemas en cascada y en lazo cerrado

La sensibilidad respecto del par ametro G1 es ahora:


F SG 1 =

G1 dF 1 = F dG1 1 + G1 G 2

Lo que indica que la sensibilidad respecto a la variaci on del par ametro G1 se ha dividido por un factor (1 + G1 G2 ) en relaci on al caso anterior. Sin embargo, si hallamos la sensibilidad respecto al par ametro G2 , elemento de realimentaci on,
F SG = 2

G2 G2 G1 G2 G2 dF 1 = = 2 F dG2 F (1 + G1 G1 ) 1 + G 1 G2

vemos que el sistema es muy sensible sus variaciones.

5.4.

Sensibilidad a las variables perturbadoras

Hasta ahora se ha analizado la respuesta temporal y algunas especicaciones como la precisi on de los sistemas de control, considerando que la entrada o entradas al sistema son se nales de referencia o mando deseadas e impuestas al sistema para obtener un determinado comportamiento. Los sistemas se ven a menudo afectados por otras entradas no deseadas, de origen diverso, que se aplican en algunos de sus componentes. Este tipo de entradas se suelen denominar entradas perturbadoras y suelen producirse por ruidos que afectan a las entradas de mando, variaciones inevitables en los par ametros del sistema o cambios en el medio en que est a actuando el sistema [2, sec. 5.4]. En los casos en que no sea posible eliminar las entradas perturbadoras puede reducirse su efecto por medio de la realimentaci on negativa. Consideremos la entrada no deseada d del diagrama de bloques de la gura 5.6. Las funciones de transferencia relativas a la salida y con relaci on a cada una de las entradas

82

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

D(s) X(s) G 1(s) G 2(s) Y(s)

H(s)

Figura 5.6: Sistema de control con entrada perturbadora

son: Y (s) U (s) Y (s) D(s) = = G1 G2 1 + G1 G 2 H G2 1 + G1 G 2 H

Los polinomios caracter sticos de ambas ecuaciones son id enticos pero los numeradores dieren en el factor G1 de la primera. Para atenuar el efecto de la entrada d se deber a hacer cumplir la condici on G1 >> G2, actuando sobre los componentes del sistema.

5.5.

Indicies de comportamiento de los sistemas

En el dise no de un sistema de control de tipo SISO (Single Input Single Output) pueden utilizarse como ndices de funcionamiento los valores caracter sticos de la respuesta temporal o de la respuesta de frecuencia que hemos visto en el presente cap tulo [Ogata 82, sec. 7.3]. Mediante estos ndices se establecen criterios de control que, aplicados al dise no de los componentes de los sistemas, pueden determinar los valores optimos de ciertos par ametros. Por ejemplo, puede establecerse como criterio minimizar el tiempo de respuesta del sistema. Para ello podr a tomarse como ndice de comportamiento del sistema el tiempo de subida t denido por la curva de respuesta temporal de la gura 5.1. Quiz as sea m as conveniente, en otro sistema de control, el criterio de minimizar el error de estado estacionario. Suelen as mismo adoptarse otros ndices de calidad del sistema tales como
t 2 0 t t

(t)d(t),
0

| (t)|dt,
0

t| (t)|dt

En la teor a de control moderna, aplicable a sistemas MIMO (M ultiple Input M ultiple Output) el ndice I de comportamiento que ha de minimizarse para establecer un control optimo suele tener la forma
t1

I=
t0

f [x(t), u(t), t]d(t)

en la que x(t) es el vector de estado, u(t) el vector de entradas y f la funci on objetivo. Se han desarrollado diferentes m etodos de dise no como el de asignaci on de polos, controlador optimo y otros basados en la teor a de la programaci on lineal y en la estad stica.

5.6. ESTABILIDAD DE LOS SISTEMAS DE CONTROL

83

5.6.

Estabilidad de los sistemas de control

La estabilidad es la m as importante entre las especicaciones de funcionamiento. M as a un, es una condici on necesaria para un aceptable comportamiento din amico del sistema [Kuo 82, cap. 7]. Como ya hemos estudiado, la respuesta de un sistema de control cuyo modelo externo es una funci on de transferencia de orden n se basa en las ra ces si , i = 1, . . . , n de su ecuaci on caracter stica. Si alguna de las ra ces si tiene parte real positiva, el t ermino exponencial correspondiente de la respuesta, dada por
n

y (t) =
i=1

ki esi t

tiende a innito y el sistema es inestable. La inestabilidad de un sistema origina un funcionamiento incorrecto del mismo, al quedar la respuesta fuera de los l mites aceptables y puede, en ocasiones, causar la destrucci on del sistema o de algunos de sus componentes. Pero no s olo se requiere una repuesta estable del sistema denido por los valores actuales de los par ametros asociados a sus componentes (estabilidad absoluta), sino que tal respuesta debe permanecer estable aunque determinados par ametros sufran ciertas variaciones (estabilidad relativa). Estados de equilibrio Supongamos que el modelo de un sistema din amico es la ecuaci on diferencial x = f (x, t) (5.10)

en donde x Rn , t R, f : Rn R Rn y supongamos que la funci on f satisface las condiciones necesarias para la existencia y unicidad de la soluci on x(t). Si f (x, t) no depende expl citamente de t decimos que el sistema din amico es aut onomo. Por ejemplo, un p endulo que oscila libremente
y

mg

Figura 5.7: Estado de equilibrio de un p endulo (gura 5.7), sin fuerzas exteriores, es un sistema aut onomo. En efecto, aplicando la 2a ley de

84

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

Newton, la ecuaci on diferencial de este sistema es m l2 es decir, d2 (t) g = sin (t), dt l = x2 , obtenemos cuyo segundo miembro no depende de t en forma expl cita. Si hacemos = x1 , como modelo de estado x 1 (t) = x2 (t) x 2 (t) = g l sin x1 (t) Una noci on que todo el mundo intuye es la de punto de equilibrio. En el caso del p endulo, un punto de equilibrio es el denido por las condiciones iniciales (t) = 270 , (t) = 0 puesto que, con esa posici on y velocidad iniciales y en ausencia de fuerzas exteriores, no se mover a. Con la notaci on habitual en el espacio de estado, dicho punto de equilibrio es xe1 = xe1 xe2 =
3 2

d2 (t) = m g l sin (t) dt

1 Otro punto de equilibrio es xe2 = [ 2 , 0]T . Se dice que un sistema din amico denido por la ecuaci on diferencial (5.10) tiene un punto o estado de equilibrio en x = xe , siendo xe un vector constante, si se cumple que f (xe , t) = 0 para todo t. Se deduce de (5.10) que, si x(t0 ) = xe , entonces x(t) = xe para todo t > t0 . Es decir que toda soluci on x(t) cuyo punto inicial es x(t0 ) = xe permanece en el mismo punto xe . Un punto de equilibrio se denomina aislado si en un entorno de dicho punto no existe otra soluci on constante. Si realizamos el cambio x = x xe se ve que el punto de equilibrio xe se traslada al origen del espacio de estado en las nuevas variables de estado x . Por ello se suele considerar habitualmente el origen como punto de equilibrio.

Estabilidad La estabilidad de un sistema puede denirse con diferentes criterios que han dado lugar a sucesivos conceptos de estabilidad aunque con signicados equivalentes. Podemos pensar intuitivamente que un sistema din amico es estable en un punto xe de equilibrio si una peque naperturbaci on de dicho estado en un instante t0 produce una evoluci on din amica tambi en peque napara t > t0 . Volviendo al ejemplo del p endulo, se ve que este sistema es estable en el 3 T estado de equilibrio xe1 = [ 2 , 0]T , pero es inestable en el punto xe2 = [ 1 2 , 0] . Otro ejemplo en el que se podemos apreciar la idea de estabilidad es el representado en la gura (5.8) Se trata de una bola colocada en una depresi on topogr aca (a), en la c uspide de una altitud (b) y en un punto de un valle elevado (c). Vamos a suponer que existe rozamiento y que, a partir de cada posici on de equilibrio, se imprime un peque no desplazamiento a la bola. Sabemos por la experiencia que en el caso (a) la bola se mover a de forma oscilante hasta que nalmente quedar a en reposo en el mismo estado de equilibrio que antes (equilibrio estable). En el caso (b), un peque no desplazamiento har a que la bola caiga al precipicio (equilibrio inestable). Por u ltimo, en el caso (c), un peque no desplazamiento har a que la bola vuelva a su posici on de equilibrio estable, como en el caso (a), pero un desplazamiento mayor puede hacer que la bola pase a una nueva posici on de equilibrio estable o incluso, para un desplazamiento a un mayor, caiga al precipicio.

5.6. ESTABILIDAD DE LOS SISTEMAS DE CONTROL

85


(a) (b)


(c)

Figura 5.8: Posiciones de equilibrio de una bola

Por estos y otros ejemplos podemos pensar que el concepto de estabilidad no parece del todo simple. As es, y por ello se ha denido de muchas formas a lo largo del tiempo. A continuaci on se da la denici on de Lyapunov. Denicion 1 [Estabilidad] Se dice que un estado de equilibrio en x = 0 es (i) Estable : si para cualquier escalar x(t) e < para todo t t0 . > 0 existe un escalar tal que x(t0 )
e

< implica

(ii) Asint oticamente estable : si es estable y si, adem as, x 0 cuando x (iii) Inestable : si no es estable.
x2

x(t) x0 x1

Figura 5.9: Estabilidad de Lyapunov La gura (5.9) puede ayudar a comprender esta denici on. En ella se ha representado una posible trayectoria en R2 y dos c rculos de radios y . Decimos que el sistema es estable si para

86

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

cada existe un tal que si el estado inicial x0 est a dentro del c rculo de radio entonces la trayectoria x(t) queda dentro del c rculo de radio , para t t0 . Prueba de Routh-Hurwitz Si la ecuaci on caracter stica del sistema se halla en forma factorizada, la estabilidad del sistema puede determinarse de modo inmediato por inspecci on de las ra ces. Si hay alguna ra z con parte real positiva el sistema es inestable. La prueba de Routh es un m etodo para averiguar el n umero de ra ces de la ecuaci on caracter stica que se encuentran en la mitad derecha del plano complejo, es decir, tienen parte real positiva [Kuo 82, sec. 7.5]. Consideremos un sistema cuya ecuaci on caracter stica sea an sn + an1 sn1 + . . . + a2 s2 + a1 s + a0 = 0 (5.11)

Una condici on necesaria para que las ra ces de la ecuaci on tengan todas la parte real negativa es que los coecientes de dicha ecuaci on tengan todos el mismo signo y que no haya ninguno nulo. La condici on necesaria y suciente para que las ra ces de la ecuaci on caracter stica se encuentren ubicadas en el semiplano derecho es que los determinantes de Hurwitz D1 , D2 , . . . , Dn de dicha ecuaci on sean todos positivos. Los determinantes de Hurwitz correspondientes a la ecuaci on caracter stica (5.11) est an denidos de la siguiente manera: D1 = an1 , D2 = an1 an3 an an2 an1 an3 an an2 0 an1 0 0 . . . .. . 0 0 , D3 = an1 an3 an5 an an2 an4 0 an1 an3 ... ... ... ... .. . a0

Dn =

an5 an4 an3 an2 .. . 0

an7 an6 an5 an4 .. . ...

Para evitar el c alculo de determinantes de orden elevado se forma la tabla de Routh, de la forma que continuaci on se indica. Las primera la se forma con los coecientes pares y la segunda con los impares. Las sucesivas las se forman a partir de las dos primeras del modo siguiente: an an2 an1 an3 , an1 an an4 an1 an5 , an1 an an6 an1 an7 an1

b1 =

b2 =

b3 =

an1 an3 an1 an5 an1 an7 b1 b 2 b1 b3 b1 b4 c1 = , c2 = , c3 = (5.12) b1 b1 b1 De este modo se calculan los coecientes y se van colocando en la tabla de Routh como se indica en la tabla 5.2. El proceso contin ua hasta la la n + 1. El criterio de Routh establece que la condici on necesaria y suciente para que todas las ra ces de la ecuaci on caracter stica tengan parte real negativa es que todos los elementos de la primera columna de la tabla tengan el mismo signo. De otro modo, el n umero de cambios de signo habidos en los elementos de dicha columna es igual al n umero de ra ces de la ecuaci on caracter stica con parte real positiva. Puede probarse

5.7. CONTROLABILIDAD Y OBSERVABILIDAD la la la la 1: 2: 3: 4: an an1 b1 c1 . . . e1 f1 g1 an2 an3 b2 c2 . . . e2 f2 0 an4 an5 b3 c3 . . . e3 0 0 an 6 an7 b4 c4 . . . 0 0 0 an8 an9 b5 c5 . . . 0 0 0 ... ... ... ... ... ... ...

87

la n-2: la n-1: la n:

Cuadro 5.2: Tabla de Routh

que la condici on de los determinantes de Hurwitz es equivalente a la condici on de los elementos de la primera columna de la tabla de Routh. Si en la primera columna de la tabla de Routh aparece alg un elemento nulo, el m etodo falla por producirse divisi on entre cero. Debe entonces sustituirse cada elemento nulo por un arbitrario, peque no y positivo n umero , tal que 0 < < 1, procediendo a realizar el citado algoritmo. Si es cero un elemento de la primera columna y son adem as nulos todos los elementos de la la correspondiente, debe hallarse, en primer lugar, la ecuaci on auxiliar cuyos coecientes son los de la la de encima a la de coecientes nulos. Algunas ra ces de la ecuaci on caracter stica se obtienen resolviendo la ecuaci on auxiliar. Luego se divide el polinomio caracter stico por el polinomio de la ecuaci on auxiliar, y se aplica la prueba de Routh al resultado de la divisi on. La prueba de Routh sirve tambi en para determinar intervalos de ciertos par ametros ajustables para los cuales el sistema es estable. Para ello se forma una tabla de Routh que puede tener elementos expresados como funci on de par ametros. Expresando la condici on de que no exista ning un cambio de signo en la primera columna de la tabla, resultar an las relaciones que deben de cumplir los par ametros para asegurar la estabilidad. Estabilidad relativa El criterio de Routh es un m etodo r apido de an alisis de la estabilidad de un sistema de control sin hallar las ra ces de la ecuaci on caracter stica. No solo sirve para hallar la estabilidad absoluta sino que puede utilizarse para hallar la estabilidad relativa. Se dene la estabilidad relativa como la distancia entre el eje imaginario y la ra z de la ecuaci on caracter stica m as pr oxima al mismo. Para hallar la estabilidad relativa por el criterio de Routh se debe proceder por tanteo. Si un sistema dado es estable, la prueba de Routh nos dir a que todas las ra ces quedan en el semiplano izquierdo complejo. Desplazamos los ejes hacia la izquierda una distancia arbitraria a, haciendo el cambio de variable s = z a, y volvemos a aplicar la regla de Routh. Si, por no existir cambios de signo en la primera columna de la tabla, las ra ces vuelven a quedar en el semiplano izquierdo, la estabilidad relativa ser a de, por lo menos, a unidades.

5.7.

Controlabilidad y Observabilidad

Dado el modelo lineal de un sistema din amico x (t) = Ax(t) + Bu(t) y (t) = Cx(t) (5.13)

88

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

en donde A Rnn , B Rnm , C Rpn , sabemos que si u(t) es una funci on continua (o continua a trozos), la soluci on x(t) de la ecuaci on diferencial con la condici on inicial x(0) = x0 tiene una u nica soluci on, que viene dada por la expresi on
t

x(t) = eAt x(0) +


0

eA(t ) Bu( )d

Para demostrar esta f ormula, multipliquemos ambos miembros de (5.13) por eAt , por la izquierda: eAt x (t) = eAt Ax(t) + eAt Bu(t) Teniendo en cuenta que d At [e x(t)] = eAt Ax(t) + eAt x (t) dt queda d At [e x(t)] = eAt Bu(t) dt e, integrando, obtenemos la soluci on:
t

x(t) = eAt x(0) +


0

eA Bu( )d

Si el instante inicial es t = t0 en vez de t = 0, las condiciones iniciales ser an x0 = x(t0 ) y la expresi on de la soluci on es entonces x(t) = eA(tt0 ) x(t0 ) + A veces se utiliza la notaci on (t, t0 ) := eA(tt0 ) en donde (t, to ) se denomina matriz de transici on entre estados. Es f acil ver que tiene las siguientes propiedades 1.
d dt (t, t0 ) t t0

eA( t0 ) Bu( )d

(5.14)

= A(t, t0 )

2. (t, t) = In 3. (t0 , t) = 1 (t, t0 ) 4. (t, t0 ) = (t, t1 )(t1 , t0 ), t 0 t1 t

Utilizando la matriz de transici on, la soluci on se escribe


t

x(t) = (t, t0 ) x(t0 ) +


t0

(t0 , )Bu( )d

(5.15)

5.7. CONTROLABILIDAD Y OBSERVABILIDAD Controlabilidad

89

Ya sabemos hallar la soluci on del sistema (5.13), aplicando la f ormula (5.15). Dado que el n estado x(t) del sistema pertenece al espacio vectorial R , obviamente hay en el mismo un numero innito de estados. Nos plantemos el siguiente problema: Es controlable el sistema? Es decir, es posible, por medio del control, alcanzar todos los estados? M as exactamente, dados dos estados cualesquiera, uno inicial x(t0 ) = x0 y otro x1 , existir a alg un vector de entrada u(t) tal que la soluci on x(t) del sistema, para un tiempo nito t = t1 > t0 , valga x(t1 ) = x1 ? Denicion 2 Se dice que el sistema (5.13) es completamente controlable (o, sin m as, controlable) si, dado un instante inicial t0 y dados dos estados cualesquiera, uno inicial x(t0 ) = x0 y otro nal xf , existe un tiempo t1 > t0 y un vector de control u(t), t0 t t1 , tales que x(t1 ) = xf . Es f acil ver (realizando el cambio de coordenadas x = x xf ) que siempre podemos considerar que el estado nal es el origen del espacio de estado, es decir, xf = 0. Por ello, no se pierde generalidad si en los razonamientos suponemos xf = 0. Si en la f ormula (5.14) ponemos t0 = 0, x(0) = x0 , xf = 0, queda eAt1 x(0) =
0 t1

eA(t1 ) Bu( )d

y, simplicando,
t1

x(0) =
0

eA Bu( )d

Consideremos el conjunto
t1

t1 =
0

eA Bu( )d :

u(t) C z [0, t1 ]

en donde C z [0, t1 ] denota el espacio lineal de las funciones continuas a trozos, con discontinuidades de salto nito, en [0, t1 ]. Podemos considerar que el conjunto t1 est a denido por la aplicaci on lineal C z [0, t1 ] Rn t u(t) 0 1 eA( Bu( )d con lo que t1 es un subespacio vectorial que se denomina subespacio de controlabilidad. Como vamos a ver a continuaci on, la matriz Q Rnnm dada por Q = [B AB A2 B . . . An1 B ] est a estrechamente relacionada con el problema que estamos estudiando y se llama matriz de controlabilidad. Teorema 5.7.1 El sistema x (t) = Ax(t) + Bu(t) (5.16) en donde A Rnn , B Rnm , es controlable si y s olo si la matriz de controlabilidad Q tiene rango n

n: Demostracio a) Necesidad : Sistema controlable = rg Q = n

90

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

Supongamos que el sistema es controlable. Para probar que rg Q = n vamos a ver que la condici on contraria, rg Q < n, nos lleva a una contradicci on. Si rg Q < n, las las de la matriz Q son linealmente dependientes, por lo que ha de existir un vector no nulo q Rn tal que qB = 0, qAB = 0, qA2 B = 0, . . . , qAn1 B = 0 Sabemos que la soluci on del sistema (5.16) es
t

(5.17)

x(t) = eAt x(0) +


0

eA Bu( )d

(5.18)

Sea t0 = 0, x(0) = x0 e impongamos que x(t) = 0 para t = t1 > 0, lo cual puede hacerse por ser el sistema controlable. Entonces tenemos x(t1 ) = 0 = eAt x(0) +
0 t1

eA Bu( )d

Sabemos, por la teor a de matrices [?, p.69], que la funci on exponencial matricial eAt se puede expresar como polinomio en A de grado, a lo sumo, n 1, de la forma eAt = r0 I + r1 A + . . . + rn1 An1 en donde ri , i = 0, . . . , n 1, son funciones escalares de que pueden calcularse. Sustituyendo en la ecuaci on anterior y simplicando, queda
t1

x0 =
0

(r0 I + r1 A + . . . + rn1 An1 )B u( )d

Multiplicando por la izquierda por q tenemos


t1

qx0 =
0

(qr0 I + qr1 A + . . . + qrn1 An1 )B u( )d

pero, seg un (5.17), ha de ser qB = 0, qAB = 0, . . . , qAn1 B = 0, de donde resulta que qx0 = 0 Al ser el sistema completamente controlable, esto ha de ser v alido para cualquier x0 , es decir x0 : qx0 = 0, lo cual implica que ha de ser q = 0. Hemos llegado a una contradicci on y, por tanto, se ha de vericar que rg Q = n b) Suciencia : rg Q = n = Sistema controlable. Suponiendo que rg Q = n, vamos a probar que, para cualquier estado inicial x0 , existe un control u(t), 0 t t1 , que, sustituido en (5.18), hace que x(t1 ) = 0. Vamos a fabricar una funci on u(t) cumpla esto. Para ello vamos a utilizar la matriz sim etrica constante
t1

M=
0

eA BB T eA

5.7. CONTROLABILIDAD Y OBSERVABILIDAD y su forma cuadr atica asociada T M =


0 t1 t1

91

T eA BB T eA ( )T ( )d ( )
e 2

(5.19)

=
0 t1

=
0

d 0

En donde Rn . Est a claro que M es semidenida positiva y que ser a singular si y s olo si n existe un vector no nulo R tal que T M =0 (5.20)

ya que entonces Ker M = {0}. Pero, si fuera as , seg un (5.20) y por la propiedad de la norma eucl dea de matrices que dice A = 0 A = 0, entonces deber a ser ( ) = 0, 0 t1 . Ahora bien, como t3 t2 eAt = In + At + A2 + A3 + . . . 2! 3! tenemos que ( ) = T eAT = T (In A + A2 de donde se deduce que T B = 0, T AB = 0, T A2 B = 0, . . . y, por tanto, T Q = 0. Pero esto no es posible ya que, por hip otesis, rg Q = n. Por tanto no puede existir un vector que verique (5.20), como hab amos supuesto, y resulta que la matriz M no es singular. Si ahora tomamos como vector fabricado de control u(t) = B T eA t M 1 x0 , sustituyendo en (5.18) para t = t1 queda x(t1 ) = eAt1 [x0
0 t1
T

2 3 A3 + . . .) B = 0, 2! 3!

0 t1

0 t t1 ,

eA

M 1 x0 d ]

= eAt1 [x0 M M 1 x0 ] = 0 que era lo que quer amos y, por tanto, el sistema es controlable. Observabilidad En un sistema din amico las variables accesibles, observables si se quiere, son las salidas. En cambio, las variables de estado son variables internas que, en principio, no son accesibles ni, por tanto, observables, al menos directamente. La observabilidad es la cualidad que permite, cuando existe, determinar las variables de estado de un sistema din amico a partir de las variables de salida del mismo. 2

92

CAP ITULO 5. FUNCIONAMIENTO DE LOS SISTEMAS DE CONTROL

Denicion 3 Se dice que un sistema din amico lineal, denido por x (t) = Ax(t) + Bu(t) y (t) = Cx(t) (5.21)

es completamente observable o, sin m as, observable, si para cualquier instante inicial t0 y para cualquier estado inicial x(t0 ) = x0 existe un tiempo nito t1 > t0 tal que el conocimiento de u(t) y de y (t) para t0 < t < t1 es suciente para determinar x0 de forma u nica. Teorema 5.7.2 El sistema din amico lineal y de coecientes constantes (5.21) es observable si y s olo si la matriz de observabilidad R Rnmn , C CA 2 R := CA , . . . CAn1 tiene rango igual a n. La demostraci on es parecida a la del teorema (5.7.1). Ver [?, p.113].

Bibliograf a
[1] P.H. Lewis, C. Yang Sistemas de Control en Ingenier a. Prentice Hall, Madrid, 1999. [Kuo 82] B. Kuo Sistemas Autom aticos de Control Ed. Continental. 1982 [Maltab] MATLAB Reference Guide The MathWorks Inc., 1994 [Ogata 82] K. Ogata Ingenier a de Control Moderna Prentice Hall International, 1982 [Ogata 87] K. Ogata Discrete-Time Control Systems Prentice Hall International, 1987

93

94

BIBLIOGRAF IA

Cap tulo 6

Sistemas de Tiempo Discreto


6.1. Introducci on

El progresivo perfeccionamiento y la disminuci on del coste de los microprocesadores, desde su aparici on en 1971, ha permitido su utilizaci on en aplicaciones diversas entre las que destacan las de control. En la actualidad los sistemas de control basados en microprocesadores pueden competir en precio con los dise nados con componentes anal ogicos, incluso en sistemas monovariables, siendo de prestaciones muy superiores. Un controlador digital puede realizar la funci on de un controlador anal ogico en un sistema de regulaci on. Pero adem as, el controlador digital puede realizar procesos de control mucho mas complejos y precisos no s olo en sistemas monovariables sino tambi en en los multivariables. Adem as de la tarea de control el microprocesador puede realizar otras como, por ejemplo, el almacenamiento de datos en la memoria, la visualizaci on de resultados, la comunicaci on con otros controladores u ordenadores para intercambio de datos, la supervisi on del proceso, c alculos de todo tipo, y otras muchas, inimaginables en un sistema de control de tipo anal ogico. Por todo ello los sistemas de control digital se han extendido desde las tradicionales aplicaciones aeroespaciales y militares hasta otras de consumo como, por ejemplo, la industria automovil stica y los electrodom esticos.

6.2.

Sistemas de tiempo discreto

Para un estudio detallado de estos sistemas vease [Ogata 87]. Los sistemas de tiempo discreto son aquellos cuyas magnitudes s olo pueden tomar un n umero nito de valores las cuales son funciones de la variable discreta tiempo (gura 6.1). Los sistemas f sicos existentes en la Naturaleza son siempre de tiempo continuo. Los sistemas de tiempo discreto surgen de una manera

. . . . . . . . . . . . . . . 0.5cm,0.5cmpoint at 0 0 0.25cm[0.15,0.6] from 9.9 0 to 10 0 0.25cm[0.15,0.6] from 0 5.9 to 0 6 ..0.25cm[0.15,0.6] x ( t) t t t t . t ..k ... 0 1 2

Figura 6.1: Se nales de tiempo continuo y discreto 95

96

CAP ITULO 6. SISTEMAS DE TIEMPO DISCRETO

Computador u(kT) - Algoritmo -

D/A

u(t)

Planta

y(t)

y(kT)
Reloj

A/D

Figura 6.2: Sistema de control por computador

articial al considerar, por diferentes razones, que los valores de las variables s olo existen para valores discretos del tiempo.

6.2.1.

Sistemas intr nsecamente discretos

Existen sistemas inherentemente discretos, como son los sistemas electr onicos digitales secuenciales s ncronos, en los que las transiciones entre estados solo ocurren en instantes discretos de tiempo dados por un oscilador. As , aunque las se nales existen para todos los valores del tiempo, el sistema solo es activo en los instantes que va marcando el reloj; en el resto del tiempo el sistema permanece est atico, no cambia. Los computadores son un claro ejemplo de este tipo de sistemas. Filtros digitales Son tambi en sistemas intr nsecamente discretos son los ltros digitales. Un ltro digital es un programa de computador que opera sobre una secuencia n um erica de entrada y obtiene como resultado otra secuencia nu erica de salida. Dicretizaci on del tiempo por razones de c alculo En cierto sentido pueden considerarse discretos los sistemas que, siendo continuos, se discretizan a efectos de c omputo por resultar as mas sencilla la obtenci on de resultados por ordenador. Ello permite la obtenci on de modelos digitales de sistemas continuos y su resoluci on por ordenador.

6.2.2.

Sistemas controlados por computador

Los sistemas de control por computador son sistemas mixtos, es decir, tienen una parte o subsistema que evoluciona en tiempo cont nuo y otra que lo hace en tiempo discreto. El subsistema de tiempo discreto se suele denominar controlador digital. Este, en instantes discretos de tiempo, muestrea un conjunto de se nales del subsistema continuo, las procesa y las transmite de nuevo al sistema. Estos sistemas, cuya naturaleza es continua en parte, son discretos desde el punto de vista del controlador que s olo conoce los valores de las se nales en instantes discretos. En la gura 6.2 se represenenta el diagrama de bloques de uno de estos sistemas [?].

6.3. SISTEMAS DE TIEMPO CONTINUO MUESTREADOS


Clk(kT)

97

x(t)

x h(t)

Figura 6.3: Circuito de muestreo y retenci on

Sistemas de eventos discretos En estos sistemas existen procesos que evolucionan de modo concurrente, es decir, simult aneamente. Cada proceso puede estar gobernado localmente por un sistema digital apropiado, con frecuencia un aut omata programable, y todos los procesos est an controlados por un computador central. Este computador puede estar a su vez conectado con otros mediante una red de area local (LAN). Su estudio abarca ciertas areas t ecnicas como automatismos, sistemas operativos de tiempo real, buses de conexi on de perif ericos y redes locales asi como otras m as te oricas como son los distintos modelos matem aticos existentes, entre los que podemos citar, GRAFCET, redes de Petri [1] y las teor as sobre procesos estoc asticos y procesos de colas. Su campo de aplicaci on es la automatizaci on de procesos industriales.

6.3.

Sistemas de tiempo continuo muestreados

El proceso de muestreo de una se nal anal ogica consiste en sustituir la se nal original continua en el tiempo por una secuencia de valores que corresponden a instantes discretos de tiempo [2, sec. 11.1]. En la gura 6.1, x(t) se ha representado una se nal continua en el tiempo. El muestreo de esta se nal consiste en obtener la secuencia x (t0 ), x (t1 ), x (t2 ), x (t3 ), . . . correspondiente a los valores de x(t) en los instantes t0 , t1 , t2 , t3 , . . .. A este proceso sigue otro de cuanticaci on que consiste en convertir los valores anal ogicos obtenidos por el muestreo en n umeros. En la pr actica, la se nal x(t) es generalmente de naturaleza el ectrica. El proceso de muestreo se realiza mediante un circuito electr onico de muestreo y retenci on o Sample and Hold (S&H) similar al de la gura 6.3. En este circuito, el interruptor S es activado por un impulso de control en cada instante de muestreo tk , cargando el condensador C a la tensi on x(tk ). El condensador mantiene la teni on hasta que se vuelve a cerrar S en el instante tk+1 . En la gura 6.4 se han representado las se nales de entrada x(t) y de salida xh (t) de este circuito. Si el intervalo de tiempo (tk+1 tk ) que transcurre entre cada dos muestreos consecutivos es constante el muestreo se denomina peri odico y el intervalo T = (tk+1 tk ), per odo de muestreo. Otros tipos de muestreo son el de orden m ultiple, el de per odo m ultiple y el de per odo aleatorio. El m as com un es el muestreo peri odico. Puede observarse en la gura 6.4 que la se nal de salida del circuito de muestreo y retenci on no es una funci on de tiempo discreto sino que es continua (constante) en cada per odo de muestreo, presentando discontinuidades en los instantes de muestreo.

98

CAP ITULO 6. SISTEMAS DE TIEMPO DISCRETO

. 0.25cm 0.5cm,0.5cmpoint at 0 0 0.25cm[0.15,0.6] from 23.9 0 to 24 0 0.25cm[0.15,0.6] from 14 5.9 to 14 6 .1cm x t) .......... h( t t t t . t ..k ... 0 1 2

Figura 6.4: Muestreo y retenci on de la se nal

x(t) Vcc 3R/2

CIRCUITO COMBINACIONAL

b2 b1 b0

R/2

Figura 6.5: ADC de 3 bits de tipo ash

DE LA SENAL 6.4. RECONSTRUCCION MUESTREADA

99

(t) . 0.5cm,0.5cmpoint at 0 0 0.25cm[0.15,0.6] from 0 0 to 10 0 0.25cm[0.15,0.6] from 0 0 to 0 6 .1cm 0.25cm[0.15, . . . . . . . . . . x t t t t . t ..k ... t t t . t ..k ... 0 1 2 0 1 2

Figura 6.6: Reconstrucci on de la se nal con ZOH

El proceso de cuanticaci on es realizado por otro circuito electr onico, un convertidor anal ogico digital (ADC), que obtiene el c odigo binario de cada uno de los valores xh (t) que el circuito S&H va presentando en su salida. Entre los ADC existentes podemos rese nar los tipos de aproximaciones sucesivas, integrador, contador y paralelo (ash). Por su simplicidad se ha representado en la gura 6.5 un ADC de 3 bits de tipo ash. Este convertidor efect ua la conversi on del valor anal ogico de xh (t) presentado en su entrada a c odigo Jhonson, que es convertido a binario natural por un circuito combinacional. Este tipo de convertidores proporciona una gran velocidad de conversi on, s olo limitada por los tiempos de los comparadores y del circuito l ogico combinacional.

6.4.

Reconstrucci on de la se nal muestreada

El problema complementario al de muestreo de una se nal es el de la reconstrucci on de la misma a partir de una secuencia de muestras. Consiste en obtener la se nal original continua en el tiempo a partir de una secuencia de valores que corresponden a instantes discretos de tiempo. El m etodo utilizado en la pr actica consiste en realizar dos etapas: conversi on digital-anal ogica y retenci on de la se nal de salida del convertidor [2, sec. 11.4]. Un convertidor digital-anal ogico realiza la primera etapa mientras que la segunda es producida por un circuito de retenci on incorporado generalmente en el propio convertidor. Por este m etodo se obtiene la se nal xr a partir de sus muestras x (t) (gura 6.6). Debe observarse que la se nal xr (t) no es la se nal original x(t) sino una se nal obtenida a base de pulsos de altura x(kT ) y anchura T . No obstante, la se nal original x(t) puede obtenerse, en teor a exactamente, a partir de sus muestras siempre que sea una se nal de banda limitada, es decir, que la m axima pulsaci on de los arm onicos de su espectro sea inferior a una dada max = B .

6.4.1.

Teorema del muestreo

Si una se nal x(t) de banda limitada (max = B ) se muestrea con per odo Ts , tal que s = 2/Ts > 2B , la se nal x(t) puede ser reconstruida completamente a partir de la se nal muestreada x (t).

100

CAP ITULO 6. SISTEMAS DE TIEMPO DISCRETO

(t)

ZOH(s)

1(t)-1(t-T)

Figura 6.7: Elemento de retenci on de orden cero

6.4.2.

Teorema de Shannon

Si una se nal x(t) de banda limitada (max = B ) se muestrea con per odo Ts , tal que s = 2/Ts > 2B , la se nal original x(t) viene dada por la expresi on

x(t) =
k=

x(kTs )

sin[s (t kTs )/2] s (t kTs )/2

(6.1)

La demostraci on de estos teoremas puede hallarse en [?, sec. 6.5]

6.4.3.

El elemento de retenci on de orden cero (ZOH)

El ltro paso-bajo ideal realiza la operaci on expresada por (6.1). Sin embargo tal ltro no existe en la realidad por lo que la reconstrucci on de la se nal a partir de sus muestras debe hacerse en la pr actica con ltros paso-bajo reales de orden cero, uno etc. El mas sencillo es el circuito de retenci on de orden cero o Zero Order Hold (ZOH). Este circuito consta en esencia de un condensador que se mantiene cargado a la tensi on de cada uno de los impulsos que constituyen las muestras x (t) (gura 6.3) Supongamos que, en t = 0, se aplica un impulso unitario a la entrada del ZOH. La salida es un pulso de duraci on T (gura 6.7). Las transformadas de Laplace las variables de entrada y salida son: L[ (t)] = 1, L[1(t) 1(t T )] = (1 esT ) s

y por tanto, la funci on de transferencia del circuito de retenci on de orden cero es ZOH(s) = 1 esT s (6.2)

6.4.4.

La transformada estrella

La se nal muestreada x (t) puede expresarse matem aticamente por medio de una suma de impulsos en los instantes de muestreo, de amplitud x(kT ), de la forma x (t) = x(0) (t) + x(T ) (t T ) + x(2T ) (t 2T ) + . . .

=
k=0

x(kT ) (t kT )

(6.3)

Su transformada de Laplace, a veces denominada transformada estrella [Ogata 87, sec. 3.5], es

X (s) = x(0) + x(T )esT + x(2T )e2sT + . . . =


k=0

x(kT )eskT

(6.4)

6.5. LA TRANSFORMADA Z

101

Transformada estrella de la secuencia 1(kT)

25 20 Parte real de 1*(s) 15 10 5 0 -5 -10 10 5 0 -5 imag -10 -1 0 -0.5 real 0.5 1

Figura 6.8: Aspecto de una funci on X (s) (parte real)

Podemos ver que X (s) es una funci on peri odica en el plano s (gura 6.8), con per odo js . En efecto, si s = 2/T es la pulsaci on de muestreo y n es un n umero entero:

X (s + jns ) =
k=0

x(kT )e

kT (s+jns )

=
k=0

x(kT )eskT e2knj

(6.5)

es decir que X (s + jns ) =

x(kT )eskT = X (s)


k=0

(6.6)

La expresi on matem atica de la se nal xr puede hallarse teniendo en cuenta que se obtiene a partir de x (t) y de la sucesi on de pulsos obtenidos con el elemento ZOH. Por tanto, 1 esT Xr (s) = ZOH(s)X (s) = s

x(kT )ekT s
k=0

(6.7)

6.5.

La transformada z

Hemos visto que la transformada de Laplace de una se nal muestreada x (t) es (6.4): L[x (t)] = X (s) =
k=0

x(kT )ekT s

(6.8)

Denimos una nueva variable z mediante el cambio esT = z

102

CAP ITULO 6. SISTEMAS DE TIEMPO DISCRETO

Con la nueva variable z , la ecuaci on (6.4) se puede escribir

X (s) =
k=0

x(kT )z k = X (z )

(6.9)

La transformada z de una funci on x(t) se dene como

Z [x(kT )] = X (s)|esT =z =
k=0

x(kT )z k = X (z )

(6.10)

La transformada z de una funci on x(t) es la transformada de Laplace de la funci on x (t) (x(t) sT muestreada), haciendo e = z . As como la transformada de Laplace serv a para modelizar los sistemas continuos, la transformada z hace el mismo papel en los de los sistemas discretos.

6.5.1.

Propiedades y teoremas de la transformada z

Se describen a continuaci on algunas propiedades de la transformada z . Por simplicidad se supone que el per odo de muestreo T es la unidad. Las demostraciones son inmediatas aplicando la denici on de la transformada z . Para un estudio m as completo v ease [Ogata 87, sec. 2.4]. 1. Es una transformaci on lineal: Z [ax(k ) + by (k )] = aZ [x(k )] + bZ [y (k )] = aX (z ) + bY (z ) 2. Multiplicaci on por la constante ak : Z [ak x(k )] = X 3. Traslaci on real: Z [x(k n)] = z n X (z )
n1

z a

Z [x(k + n)] = z [X (z )
k=0

x(k )z k ]

4.

Traslaci on compleja: Z [eak x(k )] = X (ea z )

5.

Valor inicial: x(0) = l m X (z )


z

6.

Valor nal:
k

l m x(k ) = l m (1 z 1 )X (z )
z 1

6.5.2.

Transformadas de algunas funciones elementales

Aplicando la denici on, las propiedades y los teoremas antes enunciados, pueden obtenerse las transformadas z de algunas funciones sencillas, de uso com un, que se indican en la tabla 6.1

6.5. LA TRANSFORMADA Z

103

f (t) (t) 1(t) t


1 2 2t 1 3 3! t 1 n n! t

F (s) 1
1 s 1 s2 1 s3 1 s4 1 sn 1 s+a w s2 +w 2 s s2 +w 2 s+a (s + a )2 + w 2 w (s + a )2 + w 2 (s+ ) sin()+w cos() (s + )2 + w 2 (s+ ) cos()w sin() (s + )2 + w 2

F (z ) K (0)
z z 1 Tz (z 1)2 1 T 2 z (z +1) 2 (z 1)3 1 T 3 z (z 2 +1+4 z ) 3! (z 1)4

l ma0

(1)n1 n1 z (n1)! an1 z eaT z z e(a T )

e(a t) sin(w t) cos(w t) e(a t) cos(w t) e(a t) sin(w t) e( t) sin(w t + ) e( t) cos(w t + )

sin(w T ) z 2 z cos(w T )+z 2 +1 z (cos(w T )+z ) 2 z cos(w T )+z 2 +1 z (e(a T ) cos(w T )+z ) 2 z e(a T ) cos(w T )+z 2 +e(2 a T ) 2 z e(a T ) z e(a T ) sin(w T ) cos(w T )+z 2 +e(2 a T )

z (cos() e( T ) sin(w T )sin() cos(w T ) e( T ) +sin() z ) e(2 T ) 2 z cos(w T ) e( T ) +z 2 z (cos() e( T ) cos(w T )+sin() sin(w T ) e( T ) cos() z ) e(2 T ) +2 z cos(w T ) e( T ) z 2

Cuadro 6.1: Transformadas z de algunas funciones

6.5.3.

Transformada z de diferencias nitas

Se dene la diferencia primera hacia atr as, entre x(k ) y x(k 1), como x(k ) = x(k ) x(k 1) La transformada z de x(k ) es Z [x(k )] = Z [x(k ) x(k 1)] = Z [x(k )] Z [x(k 1)] = X (z ) z 1 X (z ) = (1 z 1 )X (z ) La diferencia segunda hacia atr as se dene como la diferencia de la diferencia primera, es decir 2 x(k ) = [x(k )] = [x(k ) x(k 1)] = [x(k )] [x(k 1)] = x(k ) x(k 1) x(k 1) + x(k 2) = x(k ) 2x(k 1) + x(k 2) Por tanto, la transformada z de la diferencia segunda es Z [2 x(k )] = Z [x(k ) 2x(k 1) + x(k 2)] = X (z ) 2z 1 X (z ) + z 2 X (z ) = (1 2z 1 + z 2 )X (z )

104 es decir

CAP ITULO 6. SISTEMAS DE TIEMPO DISCRETO

Z [2 x(k )] = (1 z 1 )2 X (z ) y del mismo modo pueden obtenerse Z [3 x(k )] = (1 z 1 )3 X (z ) Z [4 x(k )] = (1 z 1 )4 X (z ) . . . Z [n x(k )] = (1 z 1 )n X (z ) Se deduce aqu que la operaci on de tomar la diferencia hacia atr as de orden n de x(k ) corresponde a multiplicar por (1 z 1 )n su transformada X (z ). La diferencia primera hacia delante entre x(k + 1) y x(k ), se dene como x(k ) = x(k + 1) x(k ) La transformada z de esta diferencia es Z [x(k )] = Z [x(k + 1) x(k )] = Z [x(k + 1)] Z [x(k )] = zX (z ) zx(0) X (z ) = (z 1)X (z ) zx(0) La diferencia segunda hacia adelante es 2 x(k ) = [x(k + 1) x(k )] = x(k + 1) x(k ) = x(k + 2) x(k + 1) x(k + 1) + x(k ) = x(k + 2) 2x(k + 1) + x(k ) La transformada z de esta diferencia es Z [2 x(k )] = Z [x(k + 2) 2x(k + 1) + x(k )] = z 2 X (z ) z 2 x(0) zx(1) 2[zX (z ) zx(0)] + X (z ) = (z 1)2 X (z ) z (z 1)x(0) z [x(1) x(0)] y, por tanto, Z [2 x(k )] = (z 1)2 X (z ) z (z 1)x(0) z x(0) siendo x(0) = x(1) x(0). Procediendo de as podemos obtener las expresiones de las diferencias hacia adelante tercera, cuarta etc. La transformada z de la diferencia hacia adelante de orden n resulta:
n1

Z [ x(k )] = (z 1) X (z ) z
i=0

(z 1)ni+1 i x(0)

6.6.

Ecuaciones diferencia y funciones de transferencia en z

Una ecuaci on diferencia de orden n es una expresi on de la forma: an y (k ) + an1 y (k 1) + . . . + a0 y (k n) = bn x(k ) + bn1 x(k 1) + . . . + b0 x(k n) (6.11) en donde x e y son funciones de la variable discreta k . Hallando la transformada z de ambos miembros de la expresi on queda: (an + an1 z 1 + . . . + a0 z n )Y (z ) = (bn + bn1 z 1 + . . . + b0 z n )X (z )

DE LA TRANSFORMADA Z INVERSA 6.7. OBTENCION La relaci on entre Y (z ) y X (z ) se denomina funci on de transferencia discreta G(z ): G(z ) = Y (z ) bn + bn1 z 1 + . . . + b0 z n = X (z ) an + an1 z 1 + . . . + a0 z n bn z n + bn1 z n1 + . . . + b0 an z n + an1 z n1 + . . . + a0

105

(6.12)

o, multiplicando numerador y denominador por z n , G(z ) =

Puede apreciarse la semejanza de las ecuaciones (6.11) y (6.12) con ecuaci on diferencial an y + . . . + a2 y + a1 y + a0 y = bm x + . . . + b2 x + b1 x + b0 x y la funci on de transferencia G(s) = bm sm + bm1 sm1 + . . . + b1 s + b0 an sn + an1 sn1 + . . . + a1 s + a0
(n) (m)

de un sistema continuo. La ecuaci on diferencial y la funci on de transferencia en s describen un sistema continuo, mientras que la ecuaci on diferencia y la funci on de transferencia en z describen uno discreto.

6.7.

Obtenci on de la transformada z inversa

La transformada inversa Z 1 de una funci on X (z ) es la sucesi on de valores x(kT ), k = 0, 1, 2, . . ., tal que Z [x(kT )] = X (z ). Hay que tener en cuenta que con Z 1 no se obtiene la funci on x(t), puesto que en la sucesi on obtenida x(kT ) no est an incluidos los valores de x(t) comprendidos entre cada dos valores consecutivos de k . A continuaci on se indican los m etodos mas usuales de hallar la transformada 1 Z [Ogata 87, sec. 2.5].

6.7.1.

M etodo de integraci on compleja

La transformaci on inversa se obtiene, por integraci on en el campo complejo, resolviendo la integral (6.13) a lo largo de un contorno cerrado C del plano complejo z que encierre a todos los polos. n 1 z k1 X (z )dz = Ki (6.13) x(kT ) = 2j c
i=1

siendo K1 , K2 , . . . , Kn , los residuos de la funci on

z k1 X (z )

en cada uno de sus polos z1 , z2 , . . . , zn .

6.7.2.

M etodo de la divisi on directa

La transformada inversa Z 1 de una funci on X (z ), expresada en forma de cociente entre los polinomios N (z ) y D(z ), puede hallarse efectuando la divisi on larga de N (Z ) entre D(z ), obteni endose una serie innita de potencias en z 1 : X (z ) = N (z ) = a0 + a1 z 1 + a2 z 2 + . . . D(z )

La secuencia x(kT ) es, directamente, la formada por los coecientes ak : x(kT ) = ak

106

CAP ITULO 6. SISTEMAS DE TIEMPO DISCRETO

6.7.3.

M etodo de expansi on en fracciones simples

Este m etodo es similar al utilizado en la transformaci on inversa de Laplace. Consiste en descomponer la funci on X (z ), cuya antitransformada x(kT ) se desea hallar, en suma de fracciones simples, de la forma X (z ) k1 k2 kn = + + ... + z z p1 z p 2 z pn en donde p1 , p2 , . . . , pn son los polos (simples) de X (z ). De aqu se obtiene inmediatamente Z 1 , ya que zai = ai pk Z 1 i z pi Si X (z ) tiene polos m ultiples se utilizan las mismas f ormulas de expansi on en fracciones simples para el caso de ra ces m ultiples utilizadas en la obtenci on de la transformada inversa de Laplace.

6.8.

M etodo de resoluci on num erica de la ecuaci on diferencia

Si G(z ) est a expresada en forma de cociente de polinomios en z , con coecientes num ericos, la antitransformada y (k ) puede hallarse num ericamente mediante computador, resolviendo una ecuaci on diferencia. Para simplicar las expresiones suponemos una G(z ) con numerador de segundo orden el denominador de tercero, de la forma G(z ) = b2 z 2 + b1 z + b0 z 3 + a2 z 2 + a1 z + a0 (6.14)

Sea X (z ) la funci on de entrada de G(z ) e Y (z ) la de salida. Entonces, Y (z ) = b2 z 2 + b 1 z + b 0 X (z ) z 3 + a2 z 2 + a1 z + a0

Si la entrada x(kT ) es la funci on de Kroneker, x(k ) = 1, k = 0x(k ) = 0, k > 0 su transformada es X (z ) = 1 y, por tanto, Y (z ) = G(z ). Pongamos la funci on de transferencia (6.14) en forma de ecuaci on diferencia: y (k + 3) + a2 y (k + 2) + a1 y (k + 1) + a0 y (k ) = b2 x(k + 2) + b1 x(k + 1) + b0 x(k ) o bien y (k + 3) = b2 x(k + 2) + b1 x(k + 1) + b0 x(k ) a2 y (k + 2) a1 y (k + 1) a0 y (k ) Demos valores a k . Para k = 3 obtenemos: y (0) = b2 x(1) + b1 x(2) + b0 x(3) a2 y (1) a1 y (2) a0 y (3) Pero x(1) = x(2) = x(3) = y (1) = y (2) = y (3) = 0, luego y (0) = 0. Para k = 2: y (1) = b2 x(0) + b1 x(1) + b0 x(2) a2 y (0) a1 y (1) a0 y (2) = b2 x(0) = b2 Para k = 1: y (2) = b2 x(1) + b1 x(0) + b0 x(1) a2 y (1) a1 y (0) a0 y (1) = b1 a2 b2 (6.15)

6.9. MODELOS MATEMATICOS DE LOS SISTEMAS DE TIEMPO DISCRETO

107

U(z)

G(z)

Y(z)

Figura 6.9: Sistema SISO de tiempo discreto

Los valores y (0), y (1), y (2) obtenidos hasta aqu son las condiciones iniciales que debe tener la ecuaci on diferencia (6.15) para que la funci on Y (z ) obtenida al hallar su transformada z sea la propuesta. Por tanto, para hallar la transformada inversa Z 1 de la funci on Y (z ), se resuelve la ecuaci on diferencia (6.15) con condiciones las iniciales y (0), y (1), y (2) halladas. Para ello, se van dando a k los valores 0, 1, 2, . . ., obteni endose los valores de y (k ) correspondientes a Z 1 [X (z )]. Es decir y (3) = b2 x(2) + b1 x(1) + b0 x(0) a2 y (2) a1 y (1) a0 y (0) y (4) = b2 x(3) + b1 x(2) + b0 x(1) a2 y (3) a1 y (2) a0 y (1) y (5) = b2 x(4) + b1 x(3) + b0 x(2) a2 y (4) a1 y (3) a0 y (2) y (6) = b2 x(5) + b1 x(4) + b0 x(3) a2 y (5) a1 y (4) a0 y (3) . . . . . . Este proceso puede implementarse en un sencillo programa de ordenador que resuelva la ecuaci on diferencia (6.15) con los datos y condiciones iniciales indicadas. Si los polinomios que forman Y (z ) fueran de orden n, la ecuaci on diferencia (6.15) ser a de orden n, procedi endose de modo similar.

6.9.

Modelos matem aticos de los sistemas de tiempo discreto

Sabemos que un sistema de tiempo discreto es aquel cuyas variables son funciones de la variable discreta tiempo. En la gura 6.9 se ha representado el diagrama de bloques de un sistema SISO de tiempo discreto. Del mismo modo que un sistema lineal y continuo en el tiempo es aquel cuyo modelo matem atico es una ecuaci on diferencial lineal, de orden n, de coecientes constantes, un sistema lineal de tiempo discreto es aquel cuyo modelo matem atico es una ecuaci on diferencia lineal, de orden n, de la forma indicada por (6.11): an y (k ) + an1 y (k 1) + . . . + a0 y (k n) = bn x(k ) + bn1 x(k 1) + . . . + b0 x(k n) Esta ecuaci on relaciona los valores de la salida discreta y (k ) con los valores de la entrada discreta x(k ), en los instantes k, (k 1), . . . , (k n). La relaci on entre Y (z ), transformada z de la salida y (k ), y X (z ), transformada z de la entrada X (k ), es la funci on de transferencia del sistema discreto: Y (z ) = G(z )X (z )

6.9.1.

Filtros digitales

La implementaci on de una ecuaci on diferencia mediante un programa de ordenador es un ltro digital. El computador genera los valores de la secuencia y (k ) dados por la ecuaci on diferencia (6.11). Un ltro digital es, por naturaleza, un sistema discreto ya que las variables de entrada y de salida son discretas (secuencias de n umeros) y la relaci on entre ambas es una ecuaci on diferencia.

108

CAP ITULO 6. SISTEMAS DE TIEMPO DISCRETO

x(t) X(s) T

x (t) X (s)
*

y(t)

y (t) T Y (s)
*

G(s)
Y(s)

Figura 6.10: Sistema continuo muestreado

6.9.2.

Sistemas continuos muestreados

La entrada a un sistema continuo de funci on de transferencia G(s) es una se nal x (t) muestreada con per odo T , dada por (6.3):

x (t) =
k=0

x(kT ) (t kT )

siendo x(t) una se nal de tiempo continuo. A su vez, la salida y (t) se vuelve a muestrear, con igual per odo, obteni endose y (t). Deseamos hallar la relaci on entre la salida muestreada Y (s) y la entrada muestreada X (s) (gura 6.10). La transformada de Laplace de la salida y (t) es Y (s) = X (s)G(s) y, por tanto, y (t) = L1 [Y (s)] = L1 [G(s)X (s)] Aplicando el teorema de convoluci on,
t

y (t) =
0

g (t )x ( )d

Sustituyendo el valor de x (t) dado por (6.3) resulta


t

y (t) =
0

g (t )
k=0 t

x(kT ) ( kT )d

=
k=0 0

g (t )x(kT ) ( kT )d g (t kT )x(kT )
k=0

(6.16)

que es una se nal continua. La salida y (t) se muestrea, dando y (t)


y (t) =
n=0 k=0

g (nT kT )x(kT ) (t nT )

y, por tanto,

Y (s) = Y (z ) =
n=0 k=0

g (nT kT )x(kT ) z n

6.9. MODELOS MATEMATICOS DE LOS SISTEMAS DE TIEMPO DISCRETO ahora, haciendo m = n k queda

109

Y (z ) = Z [y (t)] =
m=0 k=0

g (mT )x(kT )z (k+m)


m k=0

=
m=0

g (mT )z

x(kT )z k (6.17) (6.18)

= G(z )X (z ) En consecuencia, Y (s) = [X (s)G(s)] = G (s)X (s) es decir G (s) = o bien G(z ) = Y (s) X (s) Y (z ) X (z )

Este resultado dice que dado un sistema de tiempo continuo, denido por su funci on de transferencia G(s), con entrada x (t) obtenida mediante muestreo de per odo T de una se nal continua x(t), y con salida continua y (t) que se muestrea con igual per odo T para obtener y (t) (gura 6.10), se comporta como un sistema discreto con funci on de transferencia G(z ), siendo G(z ) la transformada z de la funci on ponderatriz g (t) del sistema.

6.9.3.

Modelo de estado de tiempo discreto

El acercamiento al modelo de estado de tiempo discreto puede hacerse de diferentes maneras. Una de ellas, que exponemos a continuaci on, consiste en convertir el modelo de estado de tiempo continuo, denido por (6.19), en discreto. El procedimiento que seguiremos consiste en discretizar el tiempo, es decir, dividirlo en intervalos nitos, y hallar la soluci on del sistema de ecuaciones diferenciales (6.19) en cada intervalo [Ogata 87, cap2]. El problema de hallar la soluci on del sistema de ecuaciones diferenciales lineales de coecientes constantes = Ax + B u x y = C x + Du (6.19)

es un resultado conocido de la teor a de ecuaciones diferenciales (cons ultese por ejemplo [?]): x(t) = eA(tt0 ) x(0) + La matriz (t) = eAt (6.21) se denomina matriz de transici on. Por ser la funci on exponencial de la matriz At, est a denida mediante la serie (At)k At (t) = e = (6.22) k!
k=0 t t0

eA(t ) B u( )d

(6.20)

y existen varios procedimientos para calcularla. Utilizando esta matriz, la ecuaci on (6.20) se puede escribir
t

x = (t t0 )x(0) +
t0

(t )B u( )d

(6.23)

110

CAP ITULO 6. SISTEMAS DE TIEMPO DISCRETO


uk T u k-1 Td yk-2 yk-1 yk yk+1 yk+2 yk+3 u k+1 u k+3

u k-2

u k+2

Figura 6.11: Sistema continuo muestreado

Supongamos que la entrada al sistema descrito por descrito por (6.19) es un conjunto de se nales denotadas por u(t) y que cada una de estas se nales es del tipo de la se nal xh (t) representada en la gura (6.4). Se trata pues de se nales que proceden, posiblemente, de un proceso previo de muestreo y retenci on, con per odo T , de otras se nales de tiempo cont nuo. Entonces se cumple u(t) = u(kT ), kT t < (k + 1)T, k = 0, 1, 2, . . .

ya que el valor de las se nales se mantiene constante en cada intervalo T . Supongamos ahora que las se nales de salida que forman y(t) se muestrean con el mismo per odo T pero con un retraso Td , tal que 0 < Td < T , respecto de la entrada u(k ) (gura 6.11), de modo que los instantes de muestreo de las se nales de salida son t = kT + Td , para k = 0, 1, 2, . . .. Denotemos por uk e yk las secuencias de entrada y salida obtenidas. Sus valores son uk = u(kT ), yk = y(kT + Td ) La f ormula (6.20) nos permite obtener la soluci on de la ecuacion diferencial del vector de estado (6.19) en un intervalo cualquiera. Consideremos el intervalo [tk , tk+1 ]. En el mismo, las se nales de entrada u(t) son constantes y su valor es uk . Sea xk el valor de las variables de estado en el instante inicial tk . Entonces, x(tk+1 ) = eA(tk+1 tk ) x(tk ) + o bien, sustituyendo tk por kT y tk+1 por kT + T ,
T tk+1 tk

eA(tk ) B u(tk )d

(6.24)

x(kT + T ) = eAT x(kT ) +


0

eA d B u(tk )

(6.25)

La salida, obtenida a partir de (6.19) y (6.25) es y(k ) = y(kT + Td ) = CeATd x(kT ) + C


0 Td

eA d B u(kT ) + Du(kT )

Si hacemos = eAT , A = CeATd , C = B


0 T

eA d B
Td 0

=C D

eA d B + D

(6.26)

6.9. MODELOS MATEMATICOS DE LOS SISTEMAS DE TIEMPO DISCRETO el sistema discreto obtenido queda descrito por las ecuaciones uk xk + B xk+1 = A uk yk = C xk + C

111

(6.27)

Estas ecuaciones se llaman ecuaciones de estado de tiempo discreto y constituyen el modelo de es la que hemos denominado estado, o interno, de tiempo discreto. Obs ervese que la matriz A , B , C y D pueden hallarse matriz de transici on (t) en (6.22), para t = T . Las matrices A facilmente por c alculo num erico a partir de la serie (6.22).

112

CAP ITULO 6. SISTEMAS DE TIEMPO DISCRETO

Cap tulo 7

Sistemas controlados por computador


Los sistemas controlados por computador han cobrado creciente importancia en el mundo industrial durante las u ltimas d ecadas. El control digital sustituye con ventaja al anal ogico incluso hasta en las m as modestas aplicaciones [?]. En los sistemas de control por computador (gura 7.1) el controlador digital (P) recibe la secuencia de valores e(kT ) = e (t), muestreada de la se nal continua e(t) y cuanticada por un CAD, y realiza con ellos el algoritmo de control denido por la funci on D(z ), obteniendo la secuencia x (t) = x(kT ). Un CDA conectado a un elemento ZOH genera la se nal continua xr (t) que se aplica a la planta del sistema. En este tipo de sistemas hay que tener en cuenta la funci on
P u e T e
*

ZOH D/A x
*

Planta xr G(s) y

A/D

D(z)

1-e s

-sT

Figura 7.1: Sistema de control por computador

de transferencia del elemento de retenci on ZOH tal como se ha representado en la gura 7.1. Si la salida y (t) se muestrea, podemos considerar al conjunto formado por el elemento ZOH y la planta como un sistema continuo muestreado. Estos dos bloques pueden asociarse formando en

ZOH x
*

Planta xr G(s) y T y*

1-e -sT s

Figura 7.2: Bloques ZOH y planta

113

114

CAP ITULO 7. SISTEMAS CONTROLADOS POR COMPUTADOR

uno cuya funci on de transferencia sea G1 (s) = 1 esT G(s) s

La relaci on entre las transformadas z de las secuencias de salida y de entrada ser a G1 (z ) = siendo G1 (z ) = G 1 (s)|z =esT = es decir G1 (z ) = (1 z 1 )Z G(s) s 1 esT G(s) s Y (z ) X (z )

= (1 z 1 )
z =esT

G(s) s

z =esT

La funci on de transferencia total del sistema en lazo cerrado se obtiene ahora con facilidad por las reglas de simplicaci on de los diagramas de bloques. T (z ) = Y (z ) D(z )G1 (z ) = U (z ) 1 + D(z )G1 (z )

La funci on de transferencia T (z ) sirve para realizar la simulaci on del sistema completo.

7.1.

Estabilidad en el plano z

La estabilidad absoluta y relativa de un sistema lineal de tiempo invariante est a determinada por la posici on de sus polos en el plano s: si est an ubicados en el semiplano de la izquierda, el sistema es estable. La transformada z es una transformaci on conforme del plano s en el plano z dada por la expresi on: z = esT Mediante esta transformaci on la recta s = j (eje imaginario) del plano s se transforma en un c rculo de radio unidad en el plano z . En efecto, aplicando la transformaci on queda z = ejT que es la ecuaci on de un c rculo de radio unidad (gura 7.3) en el plano z . La condici on de estabilidad en el plano s es que la parte real de todos y cada uno de los polos sea negativa: i < 0 i = 1, . . . , n

siendo i la parte real de cada uno de los polos. En el plano z , esta condici on se transforma ya que, si < 0, z = esT = e(+j)T = eT ejT implica |z | = eT < 1 Por tanto, la condici on de estabilidad en el plano z es que los polos del sistema han de quedar dentro de la circunferencia de radio unidad y de centro el origen del plano z .

7.1. ESTABILIDAD EN EL PLANO Z

115

S1

S2

S3

S4 z1

z2

z3

S0

z5

z0

S5

Figura 7.3: Transformaci on z = esT

C(s)

G(s)

H
Figura 7.4: Sistema con controlador anal ogico C (s)

116

CAP ITULO 7. SISTEMAS CONTROLADOS POR COMPUTADOR

7.2.

Dise no del controlador digital

En los sistemas controlados por computador el objetivo del dise no es hallar los algoritmos que debe efectuar el computador para que el funcionamiento del sistema sea el adecuado. Existen numerosos m etodos de dise no basados tanto en la teor a cl asica de funciones de transferencia como en la teor a moderna de variables de estado y control optimo. Los procedimientos que a continuaci on se describen se basan en sustituci on de un controlador anal ogico dado por otro digital, tal que su funcionamiento entrada-salida sea similar. En la gura 7.4 se ha representado un sistema con control anal ogico C (s). El controlador anal ogico C (s) se desea sustituir por otro digital D(z ) obteni endose el diagrama de bloques de la gura 7.5. Para hacer que el funcionamiento entrada-salida del controlador digital D(z ) sea lo mas parecido posible al del anal ogico C (s) al que sustituye existen varios procedimientos, de los que cuales citamos algunos a continuaci on [Ogata 87, sec. 4.2].

7.2.1.

Equivalencia al muestreo y retenci on.

Este m etodo consiste en hacer que el funcionamiento en modo muestreado con retenci on de orden cero (ZOH) del controlador anal ogico sea equivalente al del controlador digital por el que va a ser sustituido (7.5). Para que el funcionamiento entrada-salida de ambos controladores
ZOH
e(t) E(s) T e (t) E (s)
* *

Controlador
er (t) E r(s) x(t) x (t) X (s)
* *

1-e s

-sT

C(s)
X(s) T

e(t) E(s) T

e (t) E (s)
*

A/D

D(z)

D/A

x(t) X(s) T

x (t) X (s)
*

Controlador Digital

Figura 7.5: Sustituci on por equivalencia ZOH sea equivalente, ha de ser igual la relaci on X (s)/E (s) entre la salida muestreada y la entrada muestreada. Es decir que 1 esT D(z ) = C (s) s

= (1 z 1 )Z [
z =esT

C (s) ] s

7.2.2.

Invariancia al impulso

Al aplicar un impulso unitario a la entrada de ambos controladores, la salida del controlador digital ha de ser igual a la salida muestreada del controlador anal ogico. En este caso no existe retenci on de la se nal de entrada en el controlador anal ogico (7.6). Puesto que la entrada es un u nico impulso, la entrada e(t) y la entrada muestrada e (t) son id enticas. La respuesta al impulso es, para el primer controlador X (s) = E (s)C (s)

DEL CONTROLADOR DIGITAL 7.2. DISENO


Controlador
e(t) E(s) T e (t) E (s)
* *

117

x(t)

x (t) X (s)
*

C(s)
X(s) T

e(t) E(s) T

e (t) E (s)
*

A/D

D(z)

D/A

x(t) X(s) T

x (t) X (s)
*

Controlador Digital

Figura 7.6: Sustituci on por invariancia al impulso

mientras que su respuesta muestreada es X (s) = [E (s)C (s)] = E (s)C (s) Por tanto, para que la salida del controlador digital sea tambi en X (s), ha de vericarse que X (z ) = E (z )D(z ) de donde se deduce que D(z ) = C (s)|z =esT = Z [C (s)]

7.2.3.

Invariancia al escal on

Al aplicar un escal on unitario a la entrada de ambos controladores, la salida del controlador digital ha de ser igual a la salida muestreada del controlador anal ogico (7.7). En este caso la respuesta al escal on del controlador anal ogico es
Controlador
e(t) x(t) x (t) X (s)
* *

C(s)
E(s) X(s) T

e(t) E(s) T

e (t) E (s)
*

A/D

D(z)

D/A

x(t) X(s) T

x (t) X (s)
*

Controlador Digital

Figura 7.7: Sustituci on por invariancia al escal on

1 X (s) = E (s)C (s) = C (s) s

118

CAP ITULO 7. SISTEMAS CONTROLADOS POR COMPUTADOR

La salida muestreada del controlador anal ogico ser a X (s) = 1 C (s) s

Como la salida del controlador digital ha de ser tambi en X (s), se deduce que X (z ) = E (z )D(z ) = 1 C (s)
z =esT

1 = Z [ C (s)] s

(7.1)

pero la transformada z de la entrada escal on unitario es Z [e(t)] = Sustituyendo en (7.1) queda z 1 D(z ) = Z [ C (s)] z1 s y la funci on de transferencia del controlador ha de ser D(z ) = z1 1 Z [ C (s)] z s z z1

Obs ervese que se obtiene el mismo resultado que en m etodo de equivalencia al muestreo y retenci on.

7.2.4.

Integraci on num erica

Este m etodo consiste en implementar un algoritmo en el controlador que realice la integraci on num erica de la ecuaci on integro diferencial del controlador anal ogico. Por ejemplo, para un controlador de tipo PID, con funci on de transferencia C (s) = X (s) Ki = Kp + + sKd E (s) s

la salida se relaciona en el dominio del tiempo con la entrada por la ecuaci on


t

x(t) = Kp e(t) + Ki
0

e(t)dt + Kd

de(t) dt

(7.2)

esta ecuaci on se puede resolver num ericamente a trav es diferentes algoritmos, basados en utilizar diferencias hacia adelante o diferencias hacia atr as, regla trapezoidal para integrales, etc. Una de las posibles ecuaciones diferencia que resuelven la ecuaci on (7.2) es x(k ) = Kp + Kd Ki T + 2 T e(k ) Kp 2Kd Ki T + 2 T e(k 1) + Kd e(k 2) 2

7.2.5.

Coincidencia de polos y ceros

Los polos y ceros del controlador digital se hacen coincidir con los polos y ceros del controlador anal ogico mapeados en el plano z mediante la transformaci on z = esT .

DEL CONTROLADOR DIGITAL 7.2. DISENO

119

7.2.6.

Transformaci on bilineal
s=

2 z1 T z+1 se denomina transformaci on bilineal y hace corresponder el semiplano de la izquierda del plano complejo s con el interior del c rculo de radio unidad en el plano complejo z . Se obtiene al utilizar la regla trapezoidal en la integraci on num erica de las ecuaciones diferenciales. El controlador digital obtenido por este m etodo es estable si su hom ologo anal ogico tambi en lo es.

La transformaci on

7.2.7.

M etodos modernos de dise no.

En los sistemas actuales de control multivariable (MIMO) se utilizan t ecnicas de Dise no Asistido por Ordenador de Sistemas de Control, CACSD (Computer-Aided Control System Design), que facilitan el trabajo a los ingenieros de dise no de sistemas. Se han desarrollado paquetes de Software de Autom atica y Control que integran potentes herramientas para el an alisis, simulaci on y dise no de sistemas. De algunos de estos programas existen versiones para ordenadores personales como, por ejemplo, MATLAB, CC, MATRIX, CTRL-C, SIMNON, etc [Maltab, Control Toolbox]. En el aspecto del dise no se utilizan, adem as de los m etodos cl asicos del lugar de las ra ces y los m etodos gr acos de respuesta de frecuencia, los m etodos modernos, que permiten optimizar el dise no en funci on de las especicaciones requeridas (control optimo), realizar controladores que se adaptan de forma autom atica al proceso que controlan (autosintonizados) etc., y son, por tanto, de gran utilidad.

120

CAP ITULO 7. SISTEMAS CONTROLADOS POR COMPUTADOR

Bibliograf a
[1] M. Silva Las Redes de Petri: en la Autom atica y la Inform atica. Editorial AC [2] Charles L. Phillips Feedback Control Systems Prencice Hall Inc., 1988 [3] K.Lockyer La producci on industrial, su administraci on. Representaciones y Servicios de Ingenier a S.A., Mexico, 1988. [4] M.P. Groover Automation, Production systems and Computer Integrated Manufacturing. Prentice Hall. [5] David Harel Statecharts: A Visual formalism for Complex Systems, Science of Computer Programming 8, (1987), pp. 231-274. [6] Object Modeling Group OMG Unied Modeeling Language Specication. Object Modeling Group, Inc., Version 1.3, June 1999. [7] Hans Vangheluwe Modeling and Simulation Concepts. McGill, CA, CS 522 Fall Term 2001.

121