MA4703 - Control ptimo

Laboratorio #2:
Controlabilidad, observabilidad estabilidad y
detectabilidad

Valentina Toro & Cristbal Valenzuela

6 de Octubre del 2015

Parte A. Modelamiento y simulacin

Ejercicio 1
El objetivo de este primer ejercicio es modelar el movimiento del barco San AntonioGuangszhou, como un sistema no-lineal no autnomo:
~ 0 (t) = F (t, X(t)),
~
X

t 0.

(1)

Para esto, se asume:

El par (x(t), y(t)) es el vector (abscisa,ordenada) que indica la posicin del barco
en el ocano en un tiempo t.
El barco se mueve con rapidez constante igual a V .
El mar posee corrientes marinas que dependen de la posicin del barco (x(t), y(t)),
y que influyen en su movimiento actuando como una fuerza externa, denotada por
~
G(x,
y) = (G1 (x, y), G2 (x, y))t .
La masa del barco disminuye a medida que este consume combustible. Por simplicidad, se supone que esta disminucin de masa es conocida y depende slo del
tiempo t, obteniendo as una funcin m(t).

 Los efectos del roce o viscosidad son despreciables.

~ considerando que la
Teniendo todo lo anterior en cuenta, se pide identificar el vector X,
parte derecha del modelo (1) viene dado por
~ = A(t)X
~ + G(
X),
~
F (t, X)
con

0
1

0 m(t)

m(t)
A(t) =
0
0
0
0

0
0
0
0

0
1
m(t)

0 m(t)

G1 (x1 ,x3 )

~
y G(X) = m(t) .
0

G2 (x2 ,x4 )
m(t)

~ se puede identificar como

El vector X

x1
x
x2 x
~ = = .
X
x3 y
x4
y
En efecto, a partir de la segunda ley de Newton, se ve que
dP~
~
= F~ext = G(x,
y),
dt
~ (t) es el momentum del barco, y la ltima igualdad est dada por
donde P~ (t) = m(t)V
el hecho que las corrientes marinas son la nica fuerza externa descrita en el ejercicio.
Considerando la igualdad anterior, se obtiene el siguiente desarrollo
~ (t) + m(t)V
~ (t) = G(x,
~
m(t)
V
y)
=

m(t)
x(t)
+ m(t)
x(t) = G1 (x, y)

m(t)
y(t)
+ m(t)
y (t) = G2 (x, y)
G1
m

x
= x +
m
m
m

G2
y = y +
m
m

~ que se propone es
Las ltimas ecuaciones para x
, y son las que aseguran que el vector X
el correcto.

Ejercicio 2
(a) Se solicita reescribir el modelo (1) de forma que el lado derecho sea una funcin
~ = A(t)
X.
~
lineal no autnoma F (t, X)
~
Como la funcin G(x,
y) = (G1 (x, y), G2 (x, y))t es lineal, se puede reescribir de la
forma
~
G(x,
y) = (ax + by , cx + dy)
del ejercicio anterior
para ciertos valores a, b, c, d. Considerando esto, la matriz G
se transforma en

0
ax+by

~
G(X) = m(t) .
0
cx+dy
m(t)

As, la matriz A buscada corresponde a

0
0
m(t)

m(t)
m(t)

A=
0
0
c
0
m(t)

0
0

0
0
0

d
m(t)

m(t)
m(t)

b
m(t)

(b) Para maniobrar el barco se introduce un motor que produce cambios de aceleracin
horizontales y verticales, dados por u y v respectivamente. Considerando esto,
se pide describir el movimiento del barco como un sistema lineal (no autnomo)
controlado.
El sistema corresponde a
~ 0 (t) = AX(t)
~
~ (t),
X
+ BU
~ (t) = (u(t), v(t))t es el control y
donde U

0
1
B=
0
0

0
0
.
0
1

Parte B. Controlabilidad, observabilidad y

estabilidad
En adelante, se supondr que la masa es constante, es decir, m(t) = m > 0 para todo
t > 0 (por simplicidad, m = 1). Adems se considerarn las siguientes configuraciones
de parmetros:
(i) (a, b, c, d) = (1, 2, 4, 5).
(ii) (a, b, c, d) = (1, 0, 4, 1).

Ejercicio 3
Se calculan las matrices de controlabilidad para ambas configuraciones de parmetros, a
travs de la definicin matricial y del comando ctrb del toolbox de control de Matlab.
Para ambos mtodos se obtienen los mismos resultados, los cuales se presentan a continuacin:

C(i)

0
1
=
0
0

0
0
0
1

1
0
0
0

0 0
0 1 0
0 1 0
0
0
,
1 0
0
4 1
0 4 1 0
0

C(ii)

0
1
=
0
0

0
0
0
1

1
0
0
0

0 0
0 1 2
0 1 2 0
0

1 0
0
4 5
0 4 5 0
0

Ejercicio 4
~ = CX
~ +DU
~,
Se supone que se puede observar la evolucin del sistema segn el modelo Y
con C y D matrices de la forma




1 0 0 0
0 0
C=
, D=
.
0 0 1 0
0 0
Con lo anterior, el sistema queda de la forma
~ 0 = AX
~ + BU
~
X
~ = CX
~ + DU
~
Y

(2)
(3)

Se calculan las matrices de observabilidad para ambas configuraciones de parmetros, a

travs de la definicin matricial y del comando obsv del toolbox de control de Matlab.
Para ambos mtodos se obtienen los mismos resultados, los
uacin:

1
0
0
0
1

0
0
0
1
0

0
0
1
0
0

0
0
0
0
1

O(i) =
, O(ii) =

1
0
0
1 0

4
4
0
1
0

0 1 0
0
0
0
4
0 1
0

cuales se presentan a contin

0
0
0
0
1
0

1
0
0

0
0
1
.
0 2 0

0 5 0

1 0 2
4
0 5

Ejercicio 5
En este ejercicio se solicita obtener el grammiano para los sistemas asociados a ambas
configuraciones de parmetros.

En una primera instancia, se intentan obtener los grammianos asociados a la controlabilidad y observabilidad (Wc y Wo , respectivamente) de forma directa tras definir cada
sistema. Sin embargo, esto genera errores ya que ninguno de los sistemas asociados es
estable.
Para solucionar este problema, se usa el comando stabsep, que permite rescatar las
partes estable e inestable del sistema. As, se obtienen los grammianos de las partes
estables de ambos sistemas.
Primera configuracin:
Wc(i) = ( );

Wo(i) = ( ).

Segunda configuracin:


0.2387 0.02463
Wc(ii) =
,
0.0246
0.1125

Wo(ii) =



0.6721 0.1567
0.1567 0.8910

Ejercicio 7
~ = K X
~ para una matriz K apropiada (es decir, un regulador feedback
Considerando U
lineal ), el sistema (2) se puede escribir
~ 0 = (A BK)X.
~ (4)
X
Se busca obtener una matriz de ganancia K tal que A BK sea asintticamente estable,
a travs de dos mtodos: el comando place y el comando lqr.
K = place(A,B,P):
Recibe como inputs las matrices A, B y el vector P , entregando una matriz K
tal que A BK tiene como valores propios los valores en el vector P . Considerando esto, para asegurarse que la matriz A BK se entrega el vector P =
(1, 2, 3, 4)T para ambas configuraciones de parmetros, obteniendo
K(i)



2.0038 4.0017 0.1583 0.0635
,
=
4.1211 0.0520 6.9961 5.9983

K(ii) =



2.0038 4.0017 1.8417 0.0635
.
4.1211 0.0520 2.9962 5.9983

[K,Sol,E] = lqr(S,Q,R,N):
Recibe como inputs el sistema S (que para el caso corresponde a ss=(A,B,C,D)) y
las matrices Q, R y N . Entrega como resultado una matriz de ganancia ptima K
~ = K X
~ minimiza la funcin de costo
tal que el control U
Z
~ T QX
~ +U
~ T RU
~ +2X
~ T NU
~ dt
J= X

~ 0 = AX
~ + BU
~ . Adems, entrega la solucin de la ecuacin
sujeta a la dinmica X
algebraica de Riccati asociada en la matriz Sol y los valores propios de (A BK)
en el vector E.
Considerando esto, se le entregan a lqr las siguientes matrices
Q = C T C,

R = I,

N = 0.

La justificacin de esto est en que...

As, se obtienen la siguiente matriz K para ambas configuraciones de parmetros:

0.5854


0.5854
1.9601 1.8961 2.4784 0.5700

K=
, Re (E) =
0.7457 < 0.
0.9606 0.5700 0.4563
0.7666
0.7457
Ntese que como la parte real de los valores propios de (A BK) es negativa, se
tiene que esta matriz K tambin es asintticamente estable.

Ejercicio 8
Como usulamente es difcil conocer completamente las variables de estado, se trabajar
suponiendo que slo se puede observar la posicin del barco (x1 , x3 ) = (x, y). As, se
considera un observador de la forma
~ = C X,
~
Y
donde
~ =
Y

 
x
,
y


C=

(5)

1 0 0 0
.
0 0 1 0

~ como la solucin del siguiente sistema

Se define el estimado X
~
~ 0 (t) = AX(t)
~ + B U
~ (t) + L(Y
~ (t) C X),
X
~
~ 0 es conocido y se puede fijar el valor a gusto, y la
donde el estado inicial X(0)
= X
matriz L representa la ganancia de la diferencia entre la observacin y la estimacin del
estado.
Se solicita, a travs de los comandos del Ejercicio 7, encontrar matrices L para ambas
~ converja asintticamente a X,
~ es decir, que el
configuraciones, tales que el estimador X
~
~
error de estimacin ~e(t) := X(t)
X(t)
converja a cero cuando t +.

Con este objetivo, es til notar que

~
~ (t)
~ 0 (t) = AX(t)
X
+ BU
~
~ + B U
~ (t) + L(Y
~ (t) C X)
~ 0 (t) = AX(t)
X

~
~ 0 (t) = (ALC)(XX)(t),
~ X)
(X

por lo que el problema se reduce a encontrar L tal que la matriz (A LC) sea asintticamente estable.
L= place(A,C,P):
Ntese que los valores propios de la matriz (A LC) coindicen con los de (A
LC)T = (AT C T LT ), donde esta ltima tiene la forma del problema que resuelve
place. Luego, al comando se le entrega como inputs At , C t y P = (1, 3, 1, 2).
Tras trasponer la matriz devuelta por place, se obtienen para cada configuracin
de parmetros

3.8000 0.3999
3.800
0.3999
1.8000 0.3999

; L(ii) = 1.8000 1.6000 .

L(i) =
0.3999 3.1999
0.3999 3.1999
4.3999 1.1999
4.3999 2.8000
lqr:
Lo primero importante a destacar es la definicin del sistema. Para poder utilizar
este comando, se supondr que el sistema es completamente observable, es decir,
hay un observador
~ = I4 X
~ = X.
~
Y
Dado esto y por una justificacin anloga a la de place, a lqr se le entrega como
input (At , C t , I4 , I2 , 0), obteniendo para cada configuracin:

1.2185 0.4756
0.7998
0.3555 0.4032

; Re E(i) = 0.7998 ,
L(i) =
0.4756 2.5394
1.0791
2.1907 2.8375
1.0791

1.6818 0.7197
1.1733 0.8699

=
0.7197 1.8409 ;
3.4053 1.4534

L(ii)

0.8449

0.8449

Re E(ii) =
0.9165 .
0.9165

Ejercicio 9
~
~
Ntese que de la definicin del error ~e(t) := X(t)
X(t)
y lo obtenido en (?) se tiene
~e0 (t) = (A LC)~e(t).

(?)

Considrese el siguiente desarrollo:

~ 0 (t) = AX(t)
~ + B U
~ (t) + L(Y
~ (t) C X)
~
X
~ BK X
~ + LC(X
~ X)
~
= AX
~ + LC ~e
~ BK (~e + X)
= AX
~ + (LC BK) ~e
= (A BK)X
~ se puede deducir la ecuacin
De los dos resultados obtenidos para ~e0 y X
" #0
" #
~
~
X

= A(A,
B, C, K, L) X ,
~e
~e
donde



A BK LC BK

A=
0
A LC

Se sabe que en general, dadas matrices H, P, Q de dimensiones n n, n m y m m

respectivamente, se tiene que


H P
= det(H) det(Q)
det
0 Q
As, calculando K, L de manera que ABK y ALC tuvieran valores propios negativos,
tenemos que los valores propios
dada la propiedad anterior y la forma de la matriz A,

de A son los valores propios de ABK y ALC. En particular se tendr que A es estable.
Considerando todo lo anterior, se pueden tomar las matrices K, L obtenidas a travs del
mtodo place en los Ejercicios 7 y 8.