Está en la página 1de 7

1

Análisis y Simulacion de un Sistema Masa-Resorte-Amortiguador con Perturbación

Christian Leonardo Juiza Farfan Cod:1802069 , Juan David Gutierrez Quijano Cod:1802025 , Julian Enrique Bolaño Rodriguez Cod:1801884

Abstract—.In practice we develop the ability to model a given system, identifying its state equations and by representing state variables, use a properly simulation software Matlab, to develop drivers, we can offer an answer desired control from design parameters, and this will help us to implement it in real life.

I. INTRODUCTION

la práctica desarrollamos la habilidad para modelar sistema dado, identificando sus ecuaciones de estado

y representándolas mediante variables de estado, utilizar de

una manera adecuada el software de simulación Matlab, para poder desarrollar controladores, que nos puedan ofrecer una respuesta de control deseada a partir de unos parámetros de

diseño, y que esto nos sirva para poder ponerlo en práctica en

la vida real.

E

N

un

II. OBJETIVOS

Reforzar los conceptos adquiridos de control en espacio

de estados.

Modelar un sistema mediante las formas canónicas con- trolable y observable de la representación de estados.

Simular el sistema en espacio de estados usando MAT- LAB.

Diseñar observadores de estados.

Diseñar servosistemas.

III. MARCO TEÓRICO

El lugar geométrico de raíces y la respuesta en frecuencia son métodos convencionales donde pueden ser utilizados cuando el sistema tiene una sola entrada y una sola salida y están basados en la función de transferencia. Los métodos anteriormente mencionados no se pueden usar en el diseño de sistemas de control variante en el tiempo y/o no lineal.

El control moderno puede tener múltiples salidas y múltiples entradas, siendo más adecuados el análisis por espacio de estados, el cual está basado en la descripción del sistema en termino de ecuaciones diferenciales de primer orden que se pueden adecuar en forma matricial.

Por espacio de estados se puede diseñar un sistema de control con respecto a los índices de desempeño, y es realizable para cualquier clase de entrada con opción de incluir condiciones iniciales de diseño, sin necesidad de ser una entrada específica.

ESTADO

Es un conjunto de variables de estado, donde el conocimiento de las variables y la entrada del sistema, determinan el comportamiento del sistema para un tiempo t.

VARIABLES DE ESTADO

Son aquellas que conforman el conjunto de variables que determinan el estado del sistema dinámico, para describir su comportamiento se necesita un numero n de variables de manera que el estado futuro del sistema quede determinado dando la entrada y el estado inicial del sistema.

VECTOR DE ESTADO

Si se necesitan n variables de estado para describir el comportamiento de un sistema, esas variables se pueden considerar como los componentes del vector, el cual se conoce como vector de estado, el cual determina el estado del sistema para cualquier tiempo conociendo el estado y la entrada.

ESPACIO DE ESTADOS

Es el espacio de n dimensiones donde sus ejes coordenados están formados pero el eje Xn, se puede representar por un punto dentro del espacio de estado. Figura 1

por un punto dentro del espacio de estado. Figura 1 Figura 1 1. Representacion de Estados

Figura 1 1. Representacion de Estados

Las ecuaciones de estado estan dadas por:

˙

x(t) = Ax(t) + Bu(t)

y(t) = Cx(t) + Du(t)

2

2 Figura 2 2. Ley de Control • OBSERVADORES DE ESTADO Cuando no se puede medir

Figura 2

2. Ley de Control

OBSERVADORES DE ESTADO

Cuando no se puede medir todos los estados se puede realizar un observador de estados para prever dichos estados y de este modo solo medir la salida. Se puede decir que un observador es una copia de la planta, donde un termino adicional compara la salida actual con la salida estimada del sistema. Figura 3.

IV. PROCEDIMIENTO

la salida estimada del sistema. Figura 3. IV. P ROCEDIMIENTO Matemático: Figure 1. sistema masa resorte

Matemático:

Figure 1. sistema masa resorte

1) Modelo

Matemático: Figure 1. sistema masa resorte 1) Modelo Figura 3 3. Observador de estado mx =

Figura 3

3. Observador de estado

mx = U FB FK

FB = Bx

FK = K(x p)

El modelo matematico del sistema esta dado por :

mx + Bx + k(x p) = U

Representacion de estados

Variables de estado

X = Ax + Bu

Y = Cx + Du

x1 = x

SERVOSISTEMA

Es un sistema de control realimentado en donde la salida puede ser posición, velocidad o aceleración, con el uso de los servosistemas se puede lograr una operación automática de maquinas o herramientas. Figura 4.

operación automática de maquinas o herramientas. Figura 4. Figura 4 4. Servosistema x 2 = x

Figura 4

4. Servosistema

x2 = x1 = x

y = x1

Mx2 + Bx2 + Kx1 Kp = U

x2 = Kx1

 

Bx2

+

M + Kp

U

M

M

M

2 = − K x 1   − Bx 2 + M + Kp U M

Figure 2. Diagrama De Bloques

(1)

(2)

(3)

3

2) Matriz

[

0

k

m

1

b

m

de

][

X

V ] + [

estados::

0

1 ]u + [

0

k ]P

m m

Con:

Y

= [

1

0

][

X

V

]

m = 1, k = 20, b = 10

3) Controlabilidad:

AB = [

0

20

10 ][ 1 0

1

] = [

1

10 ]

[B :: AB] = [

0

1

1

10 ]

det = 1

= 0

El sistema es controlable

4) Forma Canonica

[

˙

X

˙

V

] = [

0

20

1

10 ][

X

V

Controlable:

] + [

0

1

]u

[ 1

0

][

5) Observabilidad:

C T A = [

1

[

0

] T [

C

CA

0

20

] = [

1

1

X

V

]

1

10

] = [

0

10 ]

1

10 ]

det = 10

= 0

El sistema es observable

6) Forma

Canonica

[

˙

X

˙

V

] = [

0

1

20

10 ][

X

V

[ 0

1

][

X

V

]

Observable:

] + [

1

0

]u

A. Metodos Retro de Estados

1) Metodo de Akerman: El programa utilizado para hallar la solución por el método de Akerman es el siguiente,

donde las variables k, b, m son las constantes del resorte, amortiguador y masa respectivamente, y las variables ts y sita son las variables del tiempo de establecimiento y de factor de amortiguamiento para el control

clc syms S A=[0 1;(-k/m) (-b/m)]

B=[0;1/m]

E=[0;k/m]

C=[1 0]

Ts=1;

e=0.5;

Wn=4/(e*Ts);

Pd=[1 2*e*Wn Wn^2]; Mc=[Bc Ac*Bc];

Mci=Mc^-1;

i=eye(2)

Ol=(Ac^2+Pd(2)*Ac+Pd(3)*i)

Ki=[0 1]*Mci*Ol

Ki=[44 -2]

Obtenemos como resultado nuestras constates del control. 2) Metodo de Igualacion: El programa utilizado para hallar la solución por el método de Igualación es el siguiente, donde al igual que en el método de Akerman, las variables k, b, m son las constantes del resorte, amortiguador y masa respectivamente, y las variables ts y sita son las variables del tiempo de establecimiento y de factor de amortiguamiento

para el control:

clc syms S K1 K2

m=1;

k=20;

b=10;

Ts=1;

e=0.5;

Wn=4/(e*Ts);

Pd=[1 2*e*Wn Wn^2] A=[0 1;(-k/m) (-b/m)];

B=[0;1/m];

E=[0;k/m];

C=[1 0]; K=[K1 K2]; SI=[S 0;0 S];

pd=det(SI-Ac+Bc*K)

Pol=coeffs(pd,S)

K1=solve(Pol(1)==Pd(3),K1)

K2=solve(Pol(2)==Pd(2),K2)

Ki=[44 -2]

4

3) Metodo de Matriz de Pesos: El programa utilizado para hallar la solución por el método de Igualación es el siguiente, donde al igual que en los dos métodos anteriores, las variables k, b, m son las constantes del resorte, amortiguador y masa respectivamente, y las variables ts y sita son las variables del tiempo de establecimiento y de factor de amortiguamiento para el control:

clc syms S K1 K2 Ki

m=1;

k=20;

b=10;

A=[0 1;(-k/m) (-b/m)]

B=[0;1/m]

E=[0;k/m]

C=[1 0]

Ts=1;

e=0.5;

Wn=4/(e*Ts);

Pd=[1 2*e*Wn Wn^2] SI=[S 0;0 S]; pd=det(SI-Ac); Pol=coeffs(pd,S); a1=Pol(2) a2=Pol(1) a11=Pd(2) a12=Pd(3) K=[a12-a2 a11-a1] Ki=[44 -2]

B. Observador

1) Ackerman: El programa utilizado para hallar el observador por el método de Akerman es el siguiente, donde se observa que es similar al metodo en Ackerman para realimentacion de estados:

m=1

k=20

b=10

syms s k1 k2 l1 l2

ts=1/10;

sita=0.5;

wn=4/(sita*ts);

A=[0 1;1-k/m -b/m];

B=[0;1/m];

C=[1 0]; L=[l1; l2]; Mo=[C;C*A]; det(Mo); O=A-L*C; pd=det(s-O); pol=coeffs(pd,s); pde=[1 2*sita*wn wn^2];

2) Igualacion: El programa utilizado para hallar el observador por el método de Igualacion es el siguiente, donde se observa que es similar al metodo por Igualacion para realimentacion de estados:

clc syms S L1 L2 A=[0 1;(-k/m) (-b/m)]

B=[0;1/m]

E=[0;k/m]

C=[1 0]

L=[L1;L2]

Ts=1;

e=0.5;

Tso=Ts/10;

Wn=4/(e*Tso);

Pd=[1 2*e*Wn Wn^2]; SI=[S 0;0 S]; pd=det(SI-(A-L*C)) Pol=coeffs(pd,S)

L1=solve(Pol(2)==Pd(2),L1)

L2=solve(Pol(1)==Pd(3),L2)

L2=eval(L2)

Ke=[70;5680]

3) Matriz de Transformacion: El programa utilizado para hallar el observador por el método de Matriz de Transformacion es el siguiente, donde se observa que es similar al metodo por Matriz de Transformacion para realimentacion de estados: Figura

m=1

k=20

b=10

syms s k1 k2 l1 l2

ts=1/10;

sita=0.5;

wn=4/(sita*ts);

A=[0 1;1-k/m -b/m];

B=[0;1/m];

C=[1 0];

L=[l1;l2];

si=[s 0;0 s]; Mo=[C;C*A]; det(Mo); pd=det((si-A)); pol=coeffs(pd,s); pde=[1 2*sita*wn wn^2]; W=[pol(2) 1;1 0]; T=Mo*W;

K=inv(T)*[pde(1)-pol(1);

I=eye(2)

pde(2)-pol(2)];

phi=A^2+pde(2)*A+pde(1)*I;

vpa(K)

L=phi*inv(Mo)*[0;1]

5

C. Servosistema

El programa utilizado para hallar el servosistema por el método de Akerman es el siguiente, donde se observa que es similar los metodos de retro de estados y de observador, teniendo en cuenta estos y complementandolos. Figura

clc syms S K1 K2 Ki

m=1;

k=20;

b=10;

Ts=1;

e=0.5;

Wn=4/(e*Ts);

Pd=[1 (10*Wn+2*Wn*e) (20*Wn^2*e + Wn^2) 10*Wn^3] A=[0 1;(-k/m) (-b/m)];

B=[0;1/m];

E=[0;k/m];

C=[1 0]; K=[K1 K2]; SI=[S 0 0;0 S 0;0 0 S]; p=(A-B*K); l=B*Ki; A1=[p l;-C 0];

pd=det(SI-A1);

Pol=coeffs(pd,S)

K1=solve(Pol(2)==Pd(3),K1)

K2=solve(Pol(3)==Pd(2),K2)

Ki=solve(Pol(1)==Pd(4),Ki)

Tso=Ts/10;

Wn=4/(e*Tso);

Pdo=[1 2*e*Wn Wn^2]; SI=[S 0;0 S]; pdo=det(SI-(A-L*C)) Pol=coeffs(pdo,S)

L1=solve(Pol(2)==Pdo(2),L1)

L2=solve(Pol(1)==Pdo(3),L2)

L2=eval(L2)

Ke=[L1;L2]

K=[K1 K2]

K=[684 78];

Ki=5120;

Ke=[70;5680]

V. S IMULACIONES

A. Realimentación de Estados

Imagen con las constantes de la realimentación de estados para una respuesta subamortiguada

realimentación de estados para una respuesta subamortiguada Como podemos ver Por los tre metodos da las

Como podemos ver Por los tre metodos da las mismas constates K=[44 -2 ]

:

1) Diagrama de la simulación en Retro de Estados

-2 ] : 1) Diagrama de la simulación en Retro de Estados 2) Señal en la

2) Señal en la salida : En la figura se observa un tiempo de establecimiento en 1 s respuesta subamortiguada sita=0.5.

de establecimiento en 1 s respuesta subamortiguada sita=0.5. Figura 12 En la figura se observa un

Figura 12

En la figura se observa un tiempo de establecimiento en 1 s respuesta Criticamente amortiguada sita=1.

6

6 3) Retro de Estados en X : En la figura se observa el comportamiento de

3) Retro de Estados en X : En la figura se observa el comportamiento de los dos estados presentes. Figura 13.

el comportamiento de los dos estados presentes. Figura 13. Figura 13. B. Observador Imagen con las

Figura 13.

B. Observador

Imagen con las constantes del observador

13. B. Observador Imagen con las constantes del observador 1) Diagrama de la simulacion para el

1) Diagrama de la simulacion para el observador

observador 1) Diagrama de la simulacion para el observador :   2) Respuesta en Y :

:

 

2) Respuesta en Y

:

Debido a que las constantes por los tres métodos emplea-

dos son las mismas ante cualquier condición de diseño, la respuesta en simulación es la misma para Akerman, Igualación y Matriz de Transformación. En la grafica se observa que la salida Y para el sistema y para el observador son iguales.

Figura 14.

para el sistema y para el observador son iguales. Figura 14. Figura 14 3) Respuesta en

Figura 14

3) Respuesta en X

: En la grafica se observa que la salida X perteneciente a los estados en el sistema y en el observador. Figura 15.

la grafica se observa que la salida X perteneciente a los estados en el sistema y

Figura 15

7

C. Servosistema

1) Diagrama

del

Servosistema:

7 C. Servosistema 1) Diagrama del Servosistema: 2) Salida servosistema: Respuesta subamortiguada Servo- sistema Completo

2) Salida servosistema: Respuesta subamortiguada Servo- sistema Completo sita = 0.5 Ts = 1 s

subamortiguada Servo- sistema Completo sita = 0.5 Ts = 1 s Figura 16. VI. C ONCLUSIONES

Figura 16.

VI. CONCLUSIONES

• Un mismo sistema puede tener diversas representaciones

de estado, algunas de ellas pueden ser efectivas para determi- nar parámetros de control de una manera más óptima; Todas ellas deben poseer una salida

común cuando son sometidas a entradas comunes.

• Es muy importante analizar los sistemas en lazo abierto,

pues de esta manera podremos observar parámetros de gran importancia como la estabilidad y el error; Luego conocer dichos parámetros podremos realizar el diseño de control adecuado, evitando problemas como el sobredimensionamiento de algunos valores con los que ya se cuenta. • Los métodos utilizados para la determinación de las constantes de realimentación, las contantes del observador y las constantes del servosistema están ligados en gran medida al uso de recursos de máquina, entregando con gran precisión de manera teórica los valores que cumplen con los parámetros requeridos y de esta manera asegurar el comportamiento deseado del sistema.

VII. BIBLIOGRAFÍA

[1] K.Ogata, Sistemas de control en tiempo Discreto.