Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Introducci
on a los sistemas no lineales
1.1. Conceptos b
asicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1. SIMNON . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2. Sistemas lineales de primer orden . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.3. Sistemas lineales de segundo orden . . . . . . . . . . . . . . . . . . . . . . . .
1.1.4. Definiciones de especificaciones de respuesta transitoria . . . . . . . . . . . .
1.1.5. Descomposici
on de funciones de transferencia . . . . . . . . . . . . . . . . . .
1.2. An
alisis y dise
no de sistemas no lineales . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1. Comportamiento de sistemas no lineales . . . . . . . . . . . . . . . . . . . . .
1.3. An
alisis con el plano de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4. Sistemas no lineales de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1. Comportamiento de sistemas no lineales alrededor de los puntos singulares o
de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.2. An
alisis de las trayectorias de sistemas de segundo orden en las cercanas de
los puntos singulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.3. Ciclos lmites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
51
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
58
58
58
58
60
64
66
67
69
70
71
77
77
81
85
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
87
87
88
89
90
92
92
4. Control Realimentado
4.0.4. Objetivo de regulaci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.0.5. Objetivo de seguimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
94
94
97
. . . . . . . .
de Lyapunov
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
7
12
14
17
26
27
31
31
32
46
46
5. Pasividad
99
5.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.2. Sistema pasivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.3. Funci
on descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
Indice de figuras
1.
Gr
afica de Plano de Fase que se ver
a m
as adelante . . . . . . . . . . . . . . . . . . .
13
Indice de cuadros
Control No Lineal
Descripci
on de la materia
Aportaci
on al perfil del egresado
1. Reconocer
a el comportamiento din
amico no lineal en sistemas reales
2. Analizar
a los sistemas no lineales
3. Aprender
a tecnicas de dise
no
Objetivos
1. Analizar el comporamiento din
amico de sistemas no lineales reales
2. Tecnicas de simulaci
on de controladores anal
ogicos y digitales
3. Analizar la estabilidad de dichos sistemas
4. Metodologa de dise
no de controladores de sistemas no lineales
Temario
1. Introducci
on a los sistemas no lineales
a) Concepto b
asico de control no lineal
b) Ejemplos de sistemas no lineales
c) An
alisis en el plano de fase
d) Sistemas no lineales de segundo orden
1)
2)
3)
4)
Comportamiento cualitativo
M
ultiples puntos de equilibrio
Comportamiento cualitativo del entorno de puntos de equilibrio
Ciclos lmites
Aprendizajes requeridos
1. Ecuaciones diferenciales
2. An
alisis transitorio
3. Espacio de estados
4. Sistemas de control
6
Sugerencias did
acticas
1. B
usqueda de informaci
on
2. Dise
nar pr
acticas o simulaciones
3. Simuladores para la soluci
on de problemas
4. Soluci
on de problemas individualmente o en grupos
5. Trabajo final pr
actico
Evaluaci
on
Participaci
on en clase Puntos extra
Tareas y ejercicios (simulaciones) 45 %
Exposici
on de temas Puntos extras
Asistencia 15 %
Ex
amenes escritos 40 %
Desempe
no integral del alumno Puntos extras
Bibliografa
1. Khalil H. Non-linear systems. 3rd. Edition. Prentice Hall.
2. Slotine JJ, Li W. Applied non-linear control. Prentice Hall.
3. Shankar Sastry. Non-linear systems. Springer.
4. Kelly R, Santiba
nez V. Control de movimiento de robots manipuladores. Pearson.
Software
1. SIMNON
2. Matlab / Simulink
1.
1.1.
Introducci
on a los sistemas no lineales
Conceptos b
asicos
Modelo matem
atico.
Es la descripci
on matem
atica de las caractersticas din
amicas de un sistema.
Sistemas lineales.
Son aquellos en los que las ecuaciones del modelo son lineales.
Una ecuaci
on diferencial es lineal si los coeficientes son constantes o funciones u
nicamente de la variable independiente. Una propiedad importante de los sistemas lineales es que se les puede aplicar el
principio de superposici
on, el cual establece que la respuesta producida por la aplicaci
on simult
anea
de dos funciones excitadoras distintas es la suma de las dos respuestas individuales.
Sistemas invariantes en el tiempo.
Son aquellos que tienen coeficientes constantes (como un motor).
Sistemas variantes en el tiempo.
Son aquellos que tienen coeficientes variantes en el tiempo (como un vehculo espacial en el que vara
la gravedad y masa).
Ejemplos de ecuaciones lineales.
y = mx + b
dx(t)
dt = ax
A sen(t)
0
0
Trascendental
Algebraica
Muchos sistemas fsicos modelados linealmente, son en realidad sistemas no lineales en los cuales
se ha despreciado o ignorado sus elementos no lineales. Ejemplo:
Saturaci
on. Saturaciones existentes en motores,
v
alvulas, amplificadores, entre otros.
Zona muerta.
La ecuaci
on diferencial del sistema (basado en la ley de Newton)
f = fm + fb + fk
dy
d2 y
f = m 2 + b + ky
dt
dt
Este
es un sistema lineal, porque la ecuaci
on diferencial tiene coeficientes constantes.
Pasaremos este modelo al dominio de la variable compleja de Laplace, con condiciones iniciales
igual a cero:
d2 y
L m 2 = m(s2 y(s) sy(0) y(0))
dt
dy
= b(sy(s) y(0))
L b
dt
L {ky} = ky(s)
y(s)
1
G(s) =
=
f(s)
ms2 + bs + k
Circuito RLC
Seg
un la ley de Kirchoff:
eo (t)
z Z }| {
di(t)
1
ei (t) = L
+ Ri(t) +
i(t)dt
dt
C
Aplicando la transformada de Laplace, obtendremos la siguiente funci
on de transferencia
10
(FDT):
di(t)
L L
=
dt
ei (s)
eo (s)
L [si(s) i(0)]
eo (s)
z
1
Lsi(s) + Ri(s) +
C
11
i(s)
Cs
}| {
1
i(s)
s
Entrada = ei (s)
Salida = eo (s)
i(s)
LCs eo (s) + RCseo (s) + eo (s)
eo (s)
G(s) =
ei (s)
2
= Cseo (s)
= ei (s)
=
LCs2
1
+ RCs + 1
L = inductancia (H)
R = resistencia ()
C = capacitancia (F)
ei = voltaje de entrada (V)
eo = voltaje de salida (V)
eo (t) = 1 e RC t
11
1.1.1.
SIMNON
dx
= f(x, u, t)
dt
Donde: u entrada, y salida, x estado
y = g(x, u, t)
Para sistemas discretos, se tiene la siguiente forma generica, conocida como ecuaci
on de diferencias:
)
x(tk+1 ) = f(x(tk ), u(tk ), tk )
Donde: tk : k={1,2,3. . .} tiempo de muestreo, x variable de estado
y(tk ) = g(x(tk ), u(tk ), tk )
En el programa, el sistema se especifica como: DISCRETE SYSTEM
Tambien se puede trabajar con sistemas m
as complejos, como interconexi
on de subsistemas, ya
sean continuos o discretos. En este caso se debe declarar como CONNECTING SYSTEM.
El comando de operaci
on SIMU tiene algunas variantes:
SIMU 0 20 Simular
a el sistema de 0 a 20 segundos
SIMU Repite la simulaci
on anterior
SIMU? Entrega los valores actuales de la simulaci
on.
Ejemplo: OSCILADOR DE VAN DER POL
Este oscilador se representa con la siguiente ecuaci
on diferencial:
d2 y
dy
+ a[y2 b]
+y = 0
dt
dt
12
x1 = y
x1 = y = x2
x2 = y
MACRO MVDPOL
SYST VDPOL
AXES H -5 5 V -6 6
PLOT X2(X1)
FOR i=-4 TO 4 STEP 2
INIT X2[VDPOL]:i
FOR j=-4 TO 4 STEP 0.2
INIT X1[VDPOL]:j
SIMU 0 7
NEXT j
NEXT i
END
13
Figura 1: Gr
afica de Plano de Fase que se ver
a m
as
adelante
1.1.2.
ln(exp) = 1
x
ln(exp) = x
ln(expln(x) ) = ln(x)
porque
ln(x) ln(exp) = ln(x)
ln(expx ) = x
expln(x) = x
ln(xy ) = y ln(x)
Homogenea
x = ax
Ecuaci
on diferencial lineal escalar:
No homogenea
x = ax + bu
Soluci
on a la ecuaci
on diferencial homogenea: (por separaci
on de variables)
dx
= adt
x
x(t)
x(0)
dx
=a
x
x(t)
ln( x(0 )
exp
x(t)
= expat
x(t)
= expat x(t) = eat x(0)
x(0
F DT
1
1
1
C(s)
= Ts 1 =
= T
R(s)
Ts + 1
1 + Ts
s+
1
T
14
x(t)
= at
x(0)
1
s+a
= expat
(
1; t = 0
r(t) =
0; t 6= 0
C(s) =
c(t) =
1
T
s+
R(s) = 1
L 1
1
T
1 c(t) =
1 1t
e T
T
1 1t
e T
T
2. Respuesta al escal
on unitario
(
1; t 0
r(t) =
0; t < 0
C(s) =
R(s) =
1
T
s+
1
T
1
A
B
+
=
1
s
s
s+ T
A=
B=
C(s) =
1
1
s s+
L 1
1
T
1
s
1
T
|s= T1 = 1
1
T
s+
|
1 s=0
T
=1
1
c(t) = 1 e T t
15
c(t) = 1 e T t
r(t) =
1
d
T
ds s +
1
T
C(s)
B1
1 2
s
s2
s=0
B2
=
=
=
C(s)
1
T
s+
1
T
1
T
|
1
s2 s= T
t; t 0
0; t < 0
R(s) =
1
s2
A
B2
1
B1
=
+ 2 +
s2
s
s
s + T1
=T
1
T
|s=0 = 1
s + T1
d
A 2
d B2 2
d B1 2
s
+
s
+
s
ds s + T1
ds s2
ds s
s=0
s=0
s=0
1
h 1 i
d
d
1
T
T
s2
=
|s=0 = T
ds s + T1 s2
ds s + T1
s=0
d
s + T1 2s s2 ds
s + T1
d
d
B
B
A
+
+
s
= B2
1
2
2
ds
ds
s + T1
s=0
s=0
s=0
T
1
T L 1
1
c(t) = T e T t + t T
1 + s2 s
s+ T
Derivadas
dv
v du
d u
dx u dx
dx v =
v2
Comprobar la relaci
on de las salidas derivando las entradas:
d
r(t) = 1 Escal
on
dt
r(t) = t Rampa
16
c(t) = T e T t + t T
Si derivamos con respecto al tiempo la respuesta del sistema a la rampa obtenemos la respuesta al
escalon unitario:
1
1
1
d 1t
T e T + t T = T
e T t + 1 = 1 e T t
dt
T
d
u(t) = (t) Impulso
dt
u(t) = 1 Escal
on
r =referencia de posici
on angular
ia
Ra
La
=corriente de armadura
=resistencia armadura
=inductancia armadura
=posici
on del eje del motor
17
Donde:
dia
+ ia Ra + fcm
dt
dia
d
k1 ei = La
+ ia Ra + k3
dt
dt
Modelo mec
anico
k1 ei = La
d
dt
k3 = constante de la fcm
Donde:
Jo = momento de inercia del motor,
engranes y carga referido al eje del motor
fo = coeficiente de fricci
on viscosa
d2
d
+ fo
=
dt
dt
d2
d
Jo
+ fo
= k2 ia
dt
dt
Jo
(1)
(s)
E(s) ,
(2)
1 2
C(s)
K1 K2 n
K1 K2 n
Ra
i=
h
= h
=
2 +R f s+K K s
E(s)
R
J
s
2
a
o
a
o
2
3
s Ra(Jo s + fo ) + K2 K3
Jo s + fo +
18
K2 K3
Ra
5. Definimos ahora:
J=
f =
K2 K3
Ra
n2
fo +
K=
Jo
Momento de inercia referido al eje de salida
n2
coeficiente de fricci
on viscosa referido al eje de salida
K1 K2
ganancia equivalente referido al eje de salida
nRa
C(s)
K
K
=
=
2
E(s)
Js + fs
s(Js + f)
subamor
C(s)
K
K
s(Js+f)
=
=
=
K
R(s)
s(Js + f) + K
Js2 + fs + K
1 + s(Js+f)
Es conveniente para el an
alisis temporal de los sistemas de segundo orden, expresar la FDT
de lazo cerrado en la siguiente forma:
C(s)
n2
= 2
R(s)
s + 2n s + n2
Donde n es la frecuencia natural no amortiguada y es el factor de amortiguamiento. Estos
19
n2
K
s2 + 2n s + n2
J
r
K
K
2
n =
n =
J
J
=
2n =
=
(3)
(4)
f
J
f 1
f 1
q
=
J 2n
J2 K
J
Para obtener la respuesta transitoria, obtendremos las races caractersticas del sistema de segundo orden:
s1,2 =
2n
s1,2
s2 + 2n s + n2 = 0
2
(2n ) 4n2
1
= n
2
4(n ) 4n2
p
p
1
= n 2n 2 1 = n n (1)(1 2 )
2
p
s1,2 = n jn 1 2
2
C(s)
n2
p
p
=
R(s)
(s + n jn 1 2 )(s + n + jn 1 2 )
(5)
1. 0 < < 1
Los polos son complejos conjugados y est
an colocados en el semiplano izquierdo de s. Se dice que el
sistema es subamortiguado y la respuesta transitoria presentar
a varias oscilaciones ante una entrada
escalon.
(6)
2. = 1
En este caso se dice que el sistema tiene amortiguamiento crtico. Los polos son reales e iguales
(s= s2 = n )
3. > 1
Se dice que el sistema es sobreamortiguado, es
decir, no presenta oscilaciones ante una entrada escal
on.
4. = 0
La respuesta ante una entrada escal
on oscilar
a permanentemente, cuya frecuencia ser
a n . Se le conoce
como sistema no amortiguado.
s2 = n2
s1,2 = jn
n2
1
(s + n jd )(s + n + jd ) s
3
1 s + 2
+
(s + n jd )(s + n + jd )
s
21
p
1 2.
n2
1
(s + n jd )(s + n + jd )
(s + n jd )(s + n + jd ) s
s=n jd
1 s + 2
(s + n jd )(s + n + jd )
(s + n jd )(s + n + jd )
=
=
s=n jd
=0
}|
{
z
3
(s + n jd ) (s + n + jd )
s
s=n jd
1 s + 2
+
n2
s s=n jd
n2
n jd
s=n jd
(n jd )1 + 2
Multiplicar por el complejo conjugado para igualar las partes real e imaginaria:
n2
n jd
n3 + jn2 d
=
n jd n jd
2 n2 + d2
jn2 d
n3
+
= (n 1 + 2 ) jd 1
2 n2 + d2
2 n2 + d2
Igualar los coeficientes de la parte real e imaginaria y encontrar los valores de las tres constantes:
n3
2 n2 + d2
= n 1 + 2
n2 d
2 n2 + d2
= d 1
Por tanto:
jn2 d
= jd 1
2 n2 + d2
n2
n2
=
= 1
2 n2 + d2
2 n2 + n2 (1 2 )
n3
n3
n3
n =
n = 2n
2 + n (1) = 2 2
2
2
+ d
n + n (1 )
n2
n2
2
n2
= 2 2n 2 = 2 2
= 1
(s + n jd )(s + n + jd ) s=0
n + d
n + n2 (1 2 )
2 n2
C(s) =
1
s + 2n
s (s + n jd )(s + n + jd )
1
s + n
n
2
2
s (s + n ) + d
(s + n )2 + d2
22
2
2
s (s + n ) + d
(s + n )2 + d2
n n t
n t
e
sin(d t)
c(t) = 1 e
cos(d t)
d
n t
c(t) = 1 e
cos(d t) + p
sin(d t)
1 2
en t p
2
p
c(t) = 1
1 cos(d t) + sin(d t)
1 2
C(s) =
(7)
(8)
(9)
(10)
Donde = tan1
en t
c(t) = 1 p
sin(d t + )
1 2
1 2
Demostraci
on: Si de un tri
angulo rect
angulo obtenemos las siguientes
relaciones
p
sin = 1 2
cos =
p
1 2
tan =
Y utilizando la identidad:
en t
c(t) = 1 p
sin(d t + )
1 2
La se
nal de error resulta ser:
en t
e(t) = r(t) c(t) = 1 1 + p
sin(d t + )
1 2
t , e(t) 0
Para = 0
Relaci
on de amortiguamiento nula. La respuesta es no amortiguada y presenta oscilaci
on sostenida.
Reemplazando = 0 en (9):
p
c(t) = 1 cos(d t) = 1 cos(n 1 2 t)
Resultando finalmente:
c(t) = 1 cos(n t)
n representa la frecuencia de oscilaci
on no amortiguada, frecuencia a la que oscilar
a el sistema si el
amortiguamiento se reduce a cero.
Para = 1
p
La frecuencia natural amortiguada d = n 1 2 es menor que la frecuencia natural no amortiguada. Un incremento en reduce la frecuencia natural amortiguada. Si > 1, la respuesta es
sobreamortiguada, no produce oscilaci
on de (5), con = 1, tenemos:
n2
n2
C(s)
=
=
R(s)
(s + n )2
(s + n )2
24
n2
(s + n )2
n2
s s=n
1
1
3
1
=
+
+
2
s
(s + n )
s + n
s
2
n
n
=
=
n
=1
1 = n
n2
n2
1
d n2
=
=
=
ds s s=n
s2 s=n
2 n2
2 =1
2 = 1
n2
n2
1
=
=
s + n )2 s=0
2 n2
2 =1
3 = 1
C(s) =
n
1
1
+
(s + n )2
s + n
s
Para > 1
La respuesta es sobreamortiguada ya que los polos son negativos, reales y distintos. Otra forma de
expresar la FDT:
C(s)
n2
p
p
=
(11)
R(s)
(s + n + n 2 1)(s + n n 2 1)
25
C(s)
=
=
=
=
n2
1
(s + n + n 2 1)(s + n n 2 1) s
2
3
1
p
p
+
+
2
2
s
s + n + n 1 s + n n 1
1
n2
2
p
pn
p
=
(s + n n 2 1)s s=n n 2 1
2n 2 1 n n 2 1
p
2n2
n2
1+
2n2 ( 2
1
p
p
2
2 1( + 2 1)
1)
1
n2
p
p
p
=
2
2
2
(s + n + n 1)s s=n +n 1
2n 1 n + n 2 1
n2
1
1
p
p
p
= p
2 2 1( + 2 1)
2 2 1( 2 1)
n2
n2
p
p
= 2 2
= 1
n n2 ( 2 1)
(s + n + n 2 1)(s + n n 2 1) s=0
+ 2 1 n t
2 1 n t
e
e
p
p
c(t) = 1 + p
p
2
2
2 1( + 1) 2 2 1( 2 1)
1.1.4.
26
3. Tiempo pico (tp )[Peak time]. Es el tiempo requerido por la respuesta para alcanzar el primer pico del
sobreimpulso.
4. Sobreimpulso m
aximo (Mp )[Overshoot]. Es el valor
pico m
aximo de la respuesta medido desde la unidad.
El maximo sobreimpulso porcentual lo obtenemos:
Mp =
c(tp ) c()
c()
1.1.5.
Descomposici
on de funciones de transferencia
Descomposici
on directa. Metodo u
til para derivadas en el numerador de la FDT.
Suponga:
C(s)
a0 s2 + a1 s + a2
=
R(s)
b0 s2 + b1 s + b2
27
R(s)
b0 + b1 s1 + b2 s2 X(s)
3. Igualar los numeradores y denominadores respectivamente:
C(s) = a0 X(s) + a1 s1 X(s) + a2 s2 X(s)
R(s) = b0 X(s) + b1 s1 X(s) + b2 s2 X(s)
4. Exprese X(s) a partir de la ecuaci
on de entrada:
X(s) =
1
b1
b2
R(s) s1 X(s) s2 X(s)
b0
b0
b0
5. Dibuje el diagrama de estado. Como es usual, la salida de los integradores definen a las variables
de estado:
Ayud
andonos de:
C(s) = a0
b1
b2
1
r(s) s1 X(s) s2 X(s) + a1 s1 X(s) + a2 s2 X(s)
b0
b0
b0
la ecuaci
on de estado ser
a:
dX1
= X 1 = X2
dt
dX2
1
b2
b1
= X 2 = r(t) x1 (t) x2 (t)
dt
b
b0
b
0
0
a0 b 2
a0 b 1
a0
c(t) = a2
X1 + a1
X2 +
r(t)
b0
b0
b0
Sumar todas las ganancias desde los estados.
Simulaci
on del sistema de segundo orden.
C(s)
n2
= 2
R(s)
s + 2n s + n2
C(s)
n2 s2
X(s)
=
R(s)
1 + 2n s1 + n2 s2 X(s)
1
R(s) = X(s) + 2n s
C(s) = n2 s2 X(s)
X(s) + n2 s2 X(s)
(12)
dX1
dt = X1 = X2
2
2
Ecuaciones de estado dX
dt = X2 = R(t) 2n x2 (t) n x1 (t)
2
c(t) = n X1 (t)
d2
d
c(t) + 2n c(t) + n2 c(t) = n2 r(t)
dt2
dt
d
Definir c(t) = X1 y X2 = X 1 = dt
c(t). Por lo tanto:
X 1 = X2
2
X2 = n r(t) 2n X2 n2 X1
c(t) = X1
El codigo en SIMNON para el sistema ser
a:
CONTINUOUS SYSTEM SEGORDEN
Inputs & Outputs
OUTPUT C
States derivatives & time
STATE X1 X2
DER DX1 DX2
TIME t
Equations
DX1=X2
DX2=-(WN*WN*X1)-(2*ZETA*WN*X2)+(WN*WN*R)
C=X1
Parameter values
WN:1
ZETA:1
R:1
END
29
30
10 = 3,2
1.2.
An
alisis y dise
no de sistemas no lineales
El problema de dise
no de un controlador para un sistema consiste en construir un controlador
tal que un sistema en lazo cerrado presente ciertas caractersticas de comportamiento deseadas y
especificadas previamente.
Mientras que el problema de an
alisis radica en que dado un sistema la tarea es encontrar sus caractersticas de comportamiento.
Por lo tanto, los problemas de an
alisis y dise
no de los sistemas de control est
an intrnsecamente
relacionados.
Por qu
e el control no lineal?
La razon de estudiar sistemas de control no lineales estriba en el hecho de que en la realidad la
mayora de los sistemas son NO lineales.
Un amplia area de aplicaci
on son: control de robots, control de procesos, control de sistemas mecatr
onicos, control de sistemas biol
ogicos, control espacial, etc.
Razones de inter
es para estudiar los sistemas no lineales
1. Mejoramiento de sistemas de control existentes.
A diferencia de los metodos de control lineal que trabajan en peque
nos rangos de operaci
on,
los controladores no lineales pueden manejar no linealidades en grandes rangos de operaci
on.
2. An
alisis de no linealidades duras.
Como fricci
on de Coulomb, histeresis, saturaci
on, zonas muertas, backlash (juego mec
anico).
3. Tratan con incertidumbres en el modelo.
Los controladores lineales suponen que conocen todos los par
ametros de un modelo; sin embargo, sabemos que existen modelos que cambian sus par
ametros durante su operaci
on normal.
Por ejemplo: la masa de una nave aerea (el combustible consumido afecta la masa inicial),
masa en el elemento terminal de manipuladores rob
oticos (cambia el objeto manipulado, desde
peque
nas piezas hasta un motor por ejemplo), etc. Para estos casos son recomendables sistemas
de control no lineal como control robusto y control adaptable.
4. Simplicidad en el dise
no.
Existen sistemas no lineales en los cuales es m
as intuitivo y sencillo usar la din
amica propia
no lineal del sistema para modificar su comportamiento a uno no deseado. Por ejemplo: el
pendulo simple.
1.2.1.
Los sistemas no lineales son descritos por ecuaciones diferenciales no lineales, donde podemos
tener no linealidades inherentes (fuerzas centrpetas, fuerzas centrfugas en movimientos de rotaci
on,
fricci
on de Coulomb entre superficies de contacto, saturaciones de par en los motores, etc). Sea un
sistema lineal descrito por:
x = Ax
Donde: x Rn : vector de estado, A Rnn : matriz
31
analtica.
En presencia de entrada externa, i.e.
x = Ax + Bu
4. Presencia de entradas externas acotadas , la estabilidad puede depender del valor de la entrada.
Por ejemplo, sea el sistema bilineal x = xu, si la entrada u = 1:
x = x y x(t) 0
o si u = 1:
x = x y x(t)
5. La presencia de ciclos lmites, es decir, oscilaciones aisladas de magnitud fija y periodo fijo sin
entrada externa. Por ejemplo: la ecuaci
on de Van der Pol
m
x + 2c(x2 1)x + kx = 0
Esta ecuaci
on puede ser considerada como un sistema masa-resorte-amortiguador. El sistema
responde de la siguiente manera:
6. Un sistema no lineal puede presentar el fen
omeno de bifurcaci
on, lo cual significa que, si los
par
ametros cambian tambien puede cambiar el n
umero de puntos de equilibrio.
7. Un sistema no lineal puede tambien presentar el fen
omenos de caos o respuestas ca
oticas, lo
cual significa que la salida es extremadamente sensible a las condiciones iniciales. Ejemplo:
x
+ 0,05x + x3 = 7,5u(t)
1.3.
An
alisis con el plano de fase
(13)
Otra manera de representar las soluciones es tomar x y x como coordenadas, donde a cada estado
del sistema corresponde un punto en el plano x,x.
Esta curva se denomina trayectoria y a este tipo
de representaci
on se le denomina en plano de fase.
M
etodo del plano de fase (introducido por Henry Poincar
e)
Usado para obtener gr
aficamente la soluci
on de dos ecuaciones diferenciales de primer orden aut
ono-
33
(14)
(15)
donde: f1 y f2 pueden ser lineales o no lineales, y x = xx12 .
El plano con coordenadas rectangulares x1 y x2 se le denomina plano de fase o plano de estado.
Frecuentemente (14) y (15) toman la forma siguiente:
dx1
= x2
dt
dx2
= f(x1 , x2 )
dt
Una ecuaci
on de estado bien definida se representa por la primera derivada temporal de los estados
en el lado izquierdo de la ecuaci
on, mientras que en el lado derecho de la ecuaci
on tendremos a los
estados y las entradas.
Puntos singulares
Del teorema fundamental de unicidad de soluci
on de ecuaciones diferenciales simult
aneas se sabe
que la soluci
on de las ecuaciones (14) y (15) para una condici
on inicial dada es u
nica, siempre y
cuando f1 (x1 , x2 ) y f2 (x1 , x2 ) sean analticas:
dx1
= f1 (x1 , x2 )
dt
dx2
= f2 (x1 , x2 )
dt
34
Una funci
on es analtica en un punto dado si es posible obtener un desarrollo en serie de Taylor
alrededor del punto dado. Este resultado no se aplica a los puntos en los que simult
aneamente
f1 (x1 , x2 ) = 0 y f2 (x1 , x2 ) = 0. Estos puntos se denominan puntos singulares. Los puntos son puntos
de equilibrio.
Obtenci
on de ecuaciones diferenciales de primer orden para sistemas de segundo orden
De (14) y (15) podemos obtener:
dx2
f2 (x1 , x2 )
=
(16)
dx1
f1 (x1 , x2 )
la cual es una ecuaci
on diferencial de primer orden que relaciona x1 y x2 . Esta ecuaci
on da la
pendiente de la tangente a la trayectoria que pasa por el punto x1 ,x2 . La soluci
on de (16) es:
x2 = (x1 )
(17)
(18)
Definimos
x1 = x
dx1
= x2
dt
dx2
= x2 x1
dt
La ecuaci
on (18) da:
dx2
dt
dx1
dt
x2 x1
dx2
=
dx1
x2
1. Integrar la ecuaci
on (16) para obtener (17) (aplica s
olo si la ecuaci
on es integrable).
2. Obtener x1 y x2 como funciones del tiempo y luego eliminar el tiempo de esas ecuaciones
(aplica s
olo si es f
acil el procedimiento de eliminar el tiempo).
Ejemplo: sea el sistema de segundo orden
x + 2 x = 0
(19)
x
+ 2 x =
dx Z
x(t)
+ 2 x(t)
xdx
x2 x(t)
|
2 x(0)
2
x(0)2
2 x(t)
2
2
2
=
=
x(0)
+ 2 x(0)
x(t)
2
+ x(t)
2
x/dt
o x
= x ddx/dt
. Por
xd
x =
x 2 x(t)
|
2 x(0)
x(t)
2
x(0)
2
2
2
dx
dt
x(0)
2
+ x(0)
2
Recordando la ecuaci
on del crculo: x2 + y2 = r 2
x(t)
2
+ x(t) = A2
2
donde A = constante determinada por las condiciones iniciales
r
x(0)
2
+ x(0)2
A=
2
Tambien puede ser resulta por el segundo m
etodo analtico:
L x + 2 x = 0
= s2 x(s) sx(0) x(0)
+ 2 x(s) = 0
x(s)[s2 + 2 ] =
Aplicando: L 1
as + b
s2 + 2
x(s)
x(s)
L 1
sx(0) + x(0)
sx(0) + x(0)
2
s + 2
s
x(0)
x(0) 2
+
s + 2
s2 + 2
2
s + 2
36
= sen(t) L 1
s
2
s + 2
= cos(t)
x(t) =
x(t) =
x(0)
sin t
A cos(t) + B sin(t)
A = x(0)
con: B = x(0)
C = A2 + B 2
x(0) cos(t) +
cos() =
A
B
, sen() =
C
C
luego tenemos:
tan() =
sen()
B/C
B
=
=
cos()
A/C
A
por tanto:
= tan1 (
B
)
A
= A cos(t) + B sen(t)
= C cos() cos(t) + C sen() sen(t)
= C cos() cos(t) + sen() sen(t)
x(t)
x(t)
2
2
x(t)
= C sin(t )
= C 2 sin2 (t )
= C 2 cos2 (t + )
(20)
= 0. La ecuaci
on se puede
escribir como:
x
Z
dx
dx
xd
x =
x 2 x(t)
|
=
2 0
x 2 (t)
=
2
x 2 (t) =
dx
x(t)
M x|0
M [x(t) x0 ]
2M [x0 x(t)]
N
otese que la ecuaci
on de una par
abola con eje paralelo al eje x es
(y y0 )2 = 4a[x x0 ]
Para M = 1
N
otese como para x positivas las lneas van hacia la
derecha
mientras que para x las lneas van hacia la izquierda.
Para M = 1
N
otese como para x positivas las lneas van hacia la
derecha
mientras que para x las lneas van hacia la izquierda.
38
Tambien pueden obtenerse las trayectorias eliminando el tiempo en las respuestas temporales de
los estados:
L x
= M
M
s
comox(0)
=0
x(s)
Aplicar L
1
sn
M/s + sx(0)
M
x(0)
= 3 +
s2
s
s
tn
(n 1)!
x(t) =
M t2
+ X0
2
De aqu obtenemos
x(t)
= M t
x 2 (t) = M 2 t2
x 2 (t)
t2 =
M2
M
etodos gr
aficos para el trazado de trayectorias
Puede haber simetra en los diagramas de plano de fase:
39
(21)
dx
f(x, x)
dx
=
dx
x
Para que las trayectorias sean simetricas con respecto al eje x, la pendiente
de signo contrario en x > 0 y x < 0:
dx
f(x, x)
Para x > 0
=
dx
x
f(x, x)
dx
=
Para x < 0
dx
x
Por tanto,
f(x, x)
f(x, x)
x
x
f(x, x)
= f(x, x)
40
dx
dx
f(x, x)
f(x, x)
=
=
=
=
=
0
0
a|x|
+x
a| x|
+x
a|x|
+x
luego:
f(x, x)
= f(x, x)
41
f(x,x)
dx
para xi > 0
dx = h
x
f(x,x)
dx
dx = x para
x<0
f(x, x)
= f(x, x)
f(x, x)
= f(x, x)
f(x, x)
= f(x, x)
f(x, x)
= f(x, x)
M
etodo gr
aficos para el trazado de trayectorias. M
etodo de las isoclinas
Este metodo es u
til para trazar el plano de fase sin resolver las ecuaciones diferenciales y se aplica
a ecuaciones de primer orden de la siguiente forma:
f2 (x1 , x2 )
dx2
=
dx1
f1 (x1 , x2 )
(22)
0
0
Simetra con
respecto al
eje x
Simetra con
f(x, x)
= 2 x
respecto al
f(x, x)
= 2 (x) = 2 x
eje x
f(x, x)
= 2 x
f(x, x)
= 2x
STATES x1 x2
DER dx1 dx2
x1:0
x2:0
dx1=x2
dx2=-omega*omega*x1
omega=1
Comandos:
MACRO MSIM4
SYST SIM4
AXES H -15 15 V -15 15
PLOT x2(x1)
FOR i=1 TO 10 STEP 1
INIT x1[SIM4]:i
FOR j=1 TO 10 STEP 1
INIT x2[SIM4]:j
SIMU 0 10
NEXT j
NEXT i
END
MSIM4
43
El lugar de los puntos en que las trayectorias tienen una pendiente dada se denomina una isoclina.
Su importancia radica en que si se trazan las isoclinas correspondientes a diversos valores de se
pueden obtener los campos de direcciones de las tangentes a las trayectorias.
Ejemplo de un caso tpico de un sistema de segundo orden
Sea la ecuaci
on diferencial
x + 2x + 2 x = 0
(24)
La cual se puede escribir como:
x
Defina ahora
dx
dx
dx
+ 2x + 2 x = 0
dx
2
x
+ 2
(25)
12
x
x=
+ 2(0,5)(1)
+1
Para = 1,2
x = 5x
44
Para = 1:
Pendiente infinita
1
x=
x =
1 + (2)(0,5)(1)
z}|{
1
Ahora para encontrar la pendiente entre dos trayectorias: Al unir A y B con una pendiente de -1.1
y repetir el procedimiento con el resto de las isoclinas formamos la trayectoria mostrada. ENTRE
PUNTOS, MAS
EXACTO.
MAS
Otra manera es trazar las rectas isoclinas y luego encontrar (pendiente de la trayectoria en un
punto dado). Con este fin n
otese que (25) es equivalente a:
x
2
=
x
+ 2
Defina ahora
x
x
Por tanto:
tan()
( + 2) tan()
tan()
2
+ 2
2
2 2 tan()
1
[2 + 2 tan()
tan()
2
=
+ 2
tan
45
Ejemplo:
Obtener el diagrama de plano de fase de la siguiente ecuaci
on usando metodo de las isoclinas:
x + a|x|
+x= 0
donde a > 0.
Especificamente en estos casos donde se involucran valores absolutos o no linealidades duras, es
recomendable construir el plano de fase por tramos:
Para x > 0 tenemos:
x
+ ax + x = 0
Para x < 0 tenemos:
x
ax + x = 0
Resulta que en el semiplano superior (x > 0), la ecuaci
on de la isoclina es:
x
dx
+ax + x
dx
|{z}
= 0
[ + a] x + x
= 0
1
x
a+
y en el semiplano inferior (x < 0), la ecuaci
on de la isoclina es:
x
dx
ax + x =
dx
|{z}
1.4.
1.4.1.
[ a] x + x =
x =
1
x
(a + )
Aproximaci
on de sistemas no lineales
Suponemos que las variables se desvan poco alrededor de un punto de operaci
on x. Sea y = f(x)
en las condiciones de operaci
on y, x.
46
|x=x [x x
] + t.o.s
x
2! x2
donde t.o.s son los terminos de orden superior.
Suponga ahora que y es funci
on de dos variables: y = f(x1 , x2 ), donde las condiciones de
operaci
on x1 , x2 son constantes. Su expansi
on en series de Taylor ser
a:
f
f
y = f(x1 , x2) = f(x1 , x2 ) +
|x ,x [x1 x1 ] +
|x ,x [x2 x2 ]
x1 1 2
x2 1 2
2
1
f
2f
2
|
[x
]
+
2
|x ,x [x1 x1 ] [x2 x2 ]
+
x
,
x
1
1
2!
x21 1 2
x1 x2 1 2
2f
2
+
|
[x
]
+
t.o.s
x
,
x
2
2
x22 1 2
1.4.2.
An
alisis de las trayectorias de sistemas de segundo orden en las cercanas de
los puntos singulares
Conociendo:
dx1
= f1 (x1 , x2 )
(26)
dt
dx2
= f2 (x1 , x2 )
(27)
dt
Donde f1 y f2 son funciones analticas de x1 y x2 en las cercanas del punto de operaci
on.
Sup
ongase que el origen del plano de estado: xx12 = 00 es un punto de equilibrio o punto singular
del sistema conformado por (26) y (27).
Se procede ahora a desarrollar la serie de Taylor alrededor del punto x1 = 0, x2 = 0:
a1
b1
z }| {
z }| {
dx1
f1
f1
= f1 (x1 , x2 ) = f1 (0, 0) +
[x
0]
+
[x
0]
1
2
dt
x1 0,0
x2 0,0
a11
a12
z
}| {
z 2 }| {
1
f1
2 f1
2
+
[x1 0] + 2
[x1 0] [x2 0]
2!
x21 0,0
x1 x2 0,0
a22
z }| {
2 f1
2
+
[x
0]
+
t.o.s
2
x22 0,0
dx1
= f1 (x1 , x2 ) = a1 x1 + b1 x2 + [a11 x21 + a12 x1 x2 + a22 x22 ] + t.o.s
dt
dx2
f2
f2
= f2 (x1 , x2 ) = f2 (0, 0) +
[x1 0] +
[x2 0]
dt
x1 0,0
x2 0,0
2
1
f2
2 f2
2
+
[x
0]
+
2
[x1 0] [x2 0]
1
2!
x21 0,0
x1 x2 0,0
2 f2
2
+
[x2 0] + t.o.s
x22 0,0
47
(28)
dx2
= f2 (x1 , x2 ) = a2 x1 + b2 x2 + [b11 x21 + b12 x1 x2 + b22 x22 ] + t.o.s
(29)
dt
En el entorno del origen, en el que x1 y x2 son muy peque
nas, (28) y (29) pueden ser aproximadas
tomando s
olo en cuenta sus terminos lineales, simplific
andose a esta forma:
dx1
= a1 x 1 + b 1 x 2
dt
dx2
= a2 x 1 + b 2 x 2
dt
(30)
(31)
Es u
til encontrar las trayectorias soluci
on de (30) y (31) para mostrar su comportamiento en el
diagrama de fase.
Las ecuaciones (30) y (31) pueden ser expresadas como una ecuaci
on diferencial de segundo orden
que ya hemos estudiado:
x
+ bx + cx = 0
(32)
Donde: x = x1 , b = a1 b2 , c = a1 b2 a2 b1 .
Demostraci
on de como obtener (32) apartir de (30) y (31) (para esto usaremos el operador derivativo
d
).
p = dt
b 1 x2
a1 x1 + b1 x2 = px1
a2 x 1
a2 x1 + b2 x2 = px2 x2 (p b2 ) = a2 x1 x2 =
p b2
z }| {
a2 b 1 x 1
(p b2 )a1 x1 + a2 b1 x1
a1 px1 a1 b2 x1 + a2 b1 x1
px1 = a1 x1 +
=
=
p b2
p b2
p b2
2
p x1 pb2 x1 = a1 px1 a1 b2 x1 + a2 b1 x1
1,2
2 + b + c = 0
b b2 4c
=
2
48
49
50
1.4.3.
Ciclos lmites
=
=
x2 x1 (x21 + x22 1)
x1 x2 (x21 + x22 1)
=
=
x2 + x1 (x21 + x22 1)
x1 + x2 (x21 + x22 1)
x 2
x 2
(33)
x21
x2 = 0 x 1 = 0
2x1 0,5x2 = 0 x 2 = 0
x1 (x1 + 2) = 0
x1 = 0
x1 = 2
x2 = 0
x2 = 0
Como se puede observa hay dos puntos singulares, por lo que el plano de fase queda de la siguiente
manera:
52
Obtengamos ahora el comportamiento del sistema cerca de los puntos singulares; linealizaremos
alrededor de cada punto de operaci
on.
1. En las vecindades del punto x1 = 0, x2 = 0 tenemos: (f
ormula de expansi
on de series de Taylor
alrededor del origen sin los terminos de segundo orden porque queremos linealizar)
f
f
y = f(x1 , x2 ) +
[x
]
+
[x
]
1
1
2
2
x1 x1 ,x2
x2 x1 ,x2
y = 0 + [2x1 2]0,0 [x1 0] + [0,5]0,0 [x2 0]
dx2
= 2x1 0,5x2
dt
Regresando a una ecuaci
on diferencial de segundo orden:
dx1
dt
px1 = x2
dx2
+ 2x1 + 0,5x2
dt
px2
(p + 0,5)x2
=
=
x2
px1
p2 x1 + 0,5px1 + 2x1
2x1 0,5x2
2x1
2x1
p + 0,5
2x1
p + 0,5
0
x + 0,5x + 2x =
p
0,52 4(2)
=
2
1 = 0,25 + j1,391
0,5
2 = 0,25 j1,391
Dado que son races complejas conjugadas en el semiplano izquierdo, el sistema se comportar
a como un FOCO ESTABLE alrededor del origen.
2. Ahora procedemos a evaluar la serie de Taylor pero en el punto x1 = 2, x2 = 0. Hacemos un
cambio de variables en la ecuaci
on (33), reescribiendola para trasladar el punto de equilibrio
al origen; para esto definimos: y = x x1 = x (2) = x + 2 . Por tanto:
x=y2
x = y
(34)
(35)
x
= y
(36)
y + 0,5y 2y + y2 = 0
(37)
z2
[z
]
+
[z2 z2 ]
1
1
z1 0,0
z2 0,0
0 + [2 2z1 ]0,0 [z1 0] + [0,5]0,0 [z2 0]
=
=
=
2z1 0,5z2
=
=
0
0
=
=
1
2
=
=
=
0,52 4(2)
2
0,5
0,25 + 8
2
2
0,25 1,436
1,18
1,68
0,5
Dado que son races reales, pero una en el semiplano izquierdo y otra en el semiplano derecho,
el sistema alrededor de los puntos x1 = 2, x2 = 0 presenta la forma SILLA DE MONTAR.
P
endulo simple
54
La ecuaci
on de este sistema es:
ml2 + mgl sin = 0
g
= sin
l
Obtener la ecuaci
on de la trayectoria y luego obtener un diagrama de fase:
g
d
= sin
d
l
Z
Z
= g sin d
d
l
g
1 2
= cos + K
2
l
1 2 g
cos = K
2
l
La ecuaci
on de la isoclina
d
d
Ecuaci
on de la trayectoria
sin
p
donde = gl
luego la isoclina de (38) ser
a
g/l
sen()
55
(38)
por tanto
dx1
dt
dx2
dt
x2
g
sen(x1 )
| l {z
}
f(x1 ,x2 )
x1
x2
x1
x2
0
0
=
=
=
dx2
=
dt
|{z}
g
+
l
g
2
+
l
h
gi
2
+
l
1,2
x2
f
f
f(0, 0) +
[x1 0] +
[x2 0]
x1 x1 = 0
x2 x1 = 0
x2 = 0
x2 = 0
h g
i
0 + cos(x1 )
x
x1 = 0 1
l
x2 = 0
g
x1
l |{z}
r
g
l
56
y =
y =
g
+ sen()
l
g
sen(y + )
l
definimos z1 = y, z2 = y,
z2 = y
z1
z2
z2 = f(z1 , z2 )
z2
z2
dz2
=
dt
|{z}
y
y =
g
y y
l
h
gi
2
y
l
z2
g
sen(z1 + )
l
f
f
f(0, 0) +
[z1 0] +
[z2 0]
z1 z1 = 0
z2 z1 = 0
z2 = 0
z2 = 0
h g
i
0 + cos(z1 + ) z = 0 [z1 ]
1
l
z2 = 0
g
g
cos()z1 = z1
l
l
g
z1
l |{z}
y
g
y
l
0
r
g
l
r
g
57
2.
2.1.
Preliminares matem
aticas
2.1.1.
Simbologa
R
R+
|x|
2.1.2.
Para todo
Existe
Pertenece a
Implica
Si y s
olo si
Conjunto de n
umeros reales
Conjunto de n
umeros reales no negativos
Valor absoluto de x R
Vectores
x2
y1
y2
. . . xn . = x1 y1 + x2 y2 + . . . + xn yn
..
yn
x y=
n
X
xi yi
i=1
xT y = y T x
x, y Rn
2. Distributiva
xT [y + z] = xT y + xT z
x, y, z Rn
Norma Euclidiana
||x||2 = xT x = x1
x2
x1
x2
. . . xn . = x21 + x22 + . . . + x2n
..
xn
58
v
u n
uX
||x|| = +t
x2i
i=1
||x|| = 0 x = 0 Rn
||x|| > 0 x Rn si x 6= 0 Rn
||x|| = ||||x|| R, x Rn
Desigualdad del tri
angulo: ||x|| ||y|| ||x + y|| ||x|| + ||y|| x, y Rn
Desigualdad de Schwarz: |xT y| ||x||||y|| x, y Rn
Desigualdad de Schwarz
|xT y| ||x||||y||
De la definici
on de producto punto tenemos:
xT y = ||x||||y|| cos
(39)
|xT y| ||x||||y|| x, y Rn
(40)
= xT x + xT y + y T x + y T y
= xT x + 2xT y + yT y
2
(41)
(42)
2||x||||y||
2x y 2||x||||y||
2.1.3.
Matrices
A = {aij } = .
..
..
.
.
.
.
.
.
.
an1 an2 . . . anm
La matriz transpuesta de A:
a11
a12
AT = {aji } = .
..
a1m
an1
an2
mn
.. R
.
a21
a22
..
.
...
...
..
.
a2m
. . . anm
C = AB = {cij } = .
..
.. ..
..
..
..
..
..
.
.
.
.
.
.
.
am1 am2 . . . amp
bp1 bp2 . . . bpn
Pp
Pk=1 a1k bk1
p a2k bk1
k=1
{cij } =
..
Pp .
k=1 amk bk1
Propiedades de matrices
Pp
a1k bk2
Pk=1
p
k=1 a2k bk2
..
Pp .
k=1 amk bk2
60
Pp
a1k bkn
Pk=1
p
..
Pp .
...
a
b
k=1 mk kn
...
...
..
.
1. [AB]T = B T AT
A Rmp , B Rpn
2. En general AB 6= BA
3. A[B + C] = AB + AC
4. ABC = A[BC] = [AB]C
A Rmp , B, C Rpn
Matrices particulares
1. A es cuadrada si m = n
2. A Rnn es simetrica si A = AT
a11 0 . . .
0 a22 . . .
5. Matriz identidad
1 0
0 1
I = diag{1} = . .
.. ..
0 0
0
0
..
.
. . . ann
Rnn
... 0
. . . 0
..
..
. .
... 1
diag{0} Rnn
7. Matriz singular. Una matriz cuadrada A Rnn es singular si su determinantes es nulo:
det[A] = 0. Por tanto una matriz singular NO tiene inversa.
Una matriz cuadrada no necesariamente simetrica se dice que es definida positiva si: xT Ax > 0
x Rn con x 6= 0. Por ejemplo:
1 0
A=
0 1
Usamos la definici
on para saber si es definida positiva:
1 0 x1
x1
xT Ax = x1 x2
= x1 x2
= x21 + x22
0 1 x2
x2
61
A + AT
2
81
<0
4
62
Una matriz cuadrada A se puede descomponer en su parte simetrica (As ) y antisimetrica (Aa ):
A = As + Aa =
A + AT
A AT
+
2
2
Como la definici
on de A definida positiva es que xT Ax > 0 x 6= 0 Rn , entonces es equivalente
escribir:
xT [As + Aa ]x > 0 = xT As x + xT Aa x = xT As x > 0
Por eso el teorema de Sylvester usa la matriz simetrica.
Notaci
on para A definida positiva:
A>0
Cualquier matriz A = AT > 0 (simetrica y definida positiva) es NO SINGULAR (s existe su
inversa).
A = AT > 0 A1 = (A1 )T > 0 (A es simetrica definida positiva, si y s
olo si, la inversa
de A es simetrica y definida positiva)
A > 0, B > 0 A + B > 0 (la suma de dos matrices definidas positivas tambien es definida
positiva)
A = AT > 0, B = B T > 0 ; AB = (AB)T y tampoco AB > 0 (el producto de dos matrices
simetricas definidas positivas no resulta en general simetrico ni definido positivo, sin embargo
la matriz resultante es no singular). Por ejemplo:
A=
4 1
1 3
>0
B
AB
2 1
=
>0
1 1
9 5
>0
5 4
Es definida positiva.
A=
5
2
2
1
>0
AB
ABs
=
2
1
1
1
>0
8
3
No es simetrica
3 1
8 0
Ni definida positiva
0 1
2.1.4.
Para cada matriz cuadrada A Rnn existen n valores propios (en general n
umeros complejos)
denotados por 1 {A}, 2 {A}, . . . , n {A}, los cuales satisfacen:
det[i {A}I A] = 0
para i = 1, 2, . . . , n.
Si la matriz es simetrica (A = AT ) se tiene que 1 {A}, 2 {A}, . . . , n {A} son n
umeros reales.
Denotando los valores propios m
aximo y mnimo de A por max {A} y mn {A} respectivamente, el
teorema de Rayleigh establece que para todo x Rn se tiene que:
max {A}||x||2 xT Ax mn {A}||x||2
Ejemplo:
2
A=
0
0
1
para i = 1, 2, . . . , n.
Si A es simetrica entonces se cumple que:
Ax + bu
=
=
=
=
Cx
Cx(s)
Ax(s) + bu(s)
bu(s)
=
=
64
0
Sea A = 0
6
1
0
0
1 R33
11 6
0
I A = 0
0 0
0
0
0 0
1
0
0
1 = 0
11 6
6
1
0
1
11 + 6
1
0
x1
0
0
1 x2 + 0 u
11 6 x3
6
Otro ejemplo:
Sea un sistema homogeneo de segundo orden:
(
y + by + cy =
u con entrada
0 sin entrada
x1
=
"
x2
1
b
#" # " #
x1
0
+
u con entrada
x2
1
1
b
#" # " #
x1
0
+
u sin entrada
x2
0
65
det [I A] = det
0
det [I A] = 0
"
#
0
0
1
= det
c b
c
#
1
+b
det [I A] = 2 + b + c = 0
b b2 4c
1,2 =
2
Obtengamos ahora la respuesta temporal de y(t) tomando en cuenta las condiciones iniciales:
(
u con entrada
2
s Y (s) sy(0) y(0)
Y (s)
y(0)
+ sy(0) + by(0)
y(0)
+ sy(0) + by(0)
[s2 + bs + c]
=
=
=
0
+ bs + c
k0
(s 1 )(s 2 )
k2
k1
+
s 1
s 2
s2
y(t) = k1 e1 t + k2 e2 t
donde k1 y k2 son constantes que dependen de las condiciones iniciales.
2.1.5.
Norma espectral
mn| {A}|
i
i
1
mn {A}
Propiedades
1. ||A|| = 0 A = 0 Rnn
2.2.
Puntos fijos
Este concepto es u
til para determinar condiciones, existencia y unicidad de soluciones para una
clase particular de ecuaciones.
Considerese una funci
on continua f : Rn Rn (una funci
on vectorial f que tiene n elementos y cada
uno de ellos a la vez tiene n elementos). El vector x Rn es un punto fijo de f(x) si f(x ) = x .
Si x es un punto fijo de f(x) entonces obviamente x es soluci
on de f(x) x = 0 y x f(x) = 0
porque evaluado en x tenemos f(x ) x = 0 f(x ) = x
Algunas funciones tienen uno o m
as puntos fijos, pero tambien hay algunas que no tienen.
Por ejemplo:
67
x
f(x, )
n
Luego x R es un punto fijo de f(x, ) para cualquier si f(x , ) = x
Ejemplo: f(x, ) = k sin(x ) el punto fijo sera x si f(x , ) = k sin(x ) = x
68
2.2.1.
Teorema de contracci
on de mapas
Sup
ongase que existe una constante no negativa k tal que para todo x, y Rn y se tiene que:
||f(x, ) f(y, )|| k||x y||
Si la constante k es estrictamente menor que la unidad, entonces dando cualquier se tiene que
la funci
on f(x, ) posee un u
nico punto fijo, el cual sera x Rn
Una interpretaci
on importante del teorema de contracci
on de mapas es la siguiente:
Sup
ongase que la funci
on f(x, ) posee un u
nico punto fijo (satisface la condici
on del teorema de
contracci
on de mapas), entonces f(x, ) x = 0 tiene soluci
on en x y esta, ademas, es la UNICA.
Ejemplo:
Considerese la funci
on h(x, )
h(x, ) = kp x mgl sin( x)
SOLUCION:
El problema de encontrar condiciones sobre kp y mgl para que h(x, ) = 0 tenga una u
nica soluci
on,
es equivalente a encontrar condiciones kp y mgl para que
f(x, ) =
mgl
sin( x)
kp
tenga un u
nico punto fijo, es decir que
mgl
sin( x) = x
kp
Usaremos ahora el teorema de contracci
on de mapas:
|f(x, ) f(y, )| = |
mgl
mgl
sin( x)
sin( y)|
kp
kp
mgl
|| sin( x) sin( y)|
(43)
kp
Hacemos un peque
no parentesis para enunciar el teorema de valor medio que utilizaremos para
acotar | sin( x) sin( y)|:
Teorema del valor medio
Considerese la funci
on continua f : Rn R. Si f(z1 , z2 , . . . , zn ) tiene derivadas parciales continuas
entonces para dos vectores constantes x, y Rn tenemos que:
f(z1 ,z2 ,...,zn ) T
|f(x, ) f(y, )| = |
f(z1 ,z21,...,zn )
z2
f(x) f(y) =
..
.
f(z1 ,z2 ,...,zn )
zn
69
z=
[x y]
Donde es un vector convenientemente seleccionado en el segmento de lnea que une los vectores
x, y.
En nuestro caso, tenemos al aplicar el teorema del valor medio:
sin( x) sin( y) =
f(sin( z))
|z= [( x) ( y)]
z
f(sin( z))
|z= ||x + y|
z
OJO: f(sin(z))
= cos( z) pero cos() s
olo toma valores de 1 a -1 y en el valor absoluto |1| =
z
| 1| = 1, por lo tanto un valor m
aximo es 1. Entonces tenemos:
| sin( x) sin( y)| 1|x + y|
(44)
mgl
kp ,
mgl
|x y|
kp
soluci
on de nuestra funci
on original; k ser
a menor que 1 si escogemos kp > mgl
2.3.
= f(t, x(t))
(45)
x(0) Rn t 0
Donde x(t) representa el vector de estados del sistema y es un vector de Rn , x(0) es el vector de
estado inicial, f : R+ Rn Rn es una funci
on continua en t y x(t).
Se supone que f(t, x(t)) es tal que:
1. Tiene una u
nica soluci
on en el intevalo [0, ) correspondiente a cada condici
on inicial x(0)
2. Si x(t) es la soluci
on de 44 correspondiente a la condici
on inicial x(0), entonces x(t) depende
de manera continua del estado inicial.
Si la funci
on f no depende explcitamente del tiempo f(t, x(t)) = f(x(t)), se dice que 44 es aut
onoma.
Si la funci
on en el tiempo se puede expresar:
f(t, x(t)) = A(t)x(t) + u(t)
con A(t) Rnn , siento A(t) y u(t) funciones u
nicamente del tiempo o constantes, se dice que
x(t)
70
2.3.1.
Conceptos b
asicos de la teora de Lyapunov
=0
La trayectoria permanece constante porque la derivada de una constante es cero.
Tradicionalmente el equilibrio Xe lo situamos en el origen del espacio de estado. Si ese no es
el caso recurrimos a un cambio de variables. Por ejemplo: y = x Xe .
Ejemplos.
Considerese la siguiente ecuaci
on diferencial lineal:
x(t)
= ax(t) + bu(t)
x(0) Rn , donde a 6= 0 y b 6= 0 son constantes reales y u(t) = R+ Rn es una funci
on
continua.
Si u(t) = 0 constante, la ecuaci
on diferencial es aut
onoma con un equilibrio en:
b
Xe = 0
a
Sea la ecuaci
on diferencial
x(t)
= ex(t)
x(0) R. Esta
no tienen puntos de equilibrio
Sean
x1 (t) = x2 (t)
x2 (t) = sin(x1 (t))
71
Ejemplos:
Sea el sistema:
x1 = x2
x2 = x1
Este
es un sistema lineal con un u
nico punto de equilibrio en el origen, donde las soluciones
son:
x1 (t) = x1 (0) cos(t) + x2 (0) sin(t)
x2 (t) = x1 (0) sin(t) + x2 (0) cos(t)
0
Es el equilibrio Xe =
estable?
0
Sea la ecuaci
on de Van der Pol, la cual representa una oscilaci
on lineal:
x1 = x2
x2 = x1 + (1 x1 )2 x2
Encuentre su punto de equilibrio y la estabilidad de dicho punto
)
0 = x2
0
X
=
e
0
0 = x1 + (1 x1 )2 x2
72
0
Es el equilibrio Xe =
estable?
0
3. Estabilidad asint
otica. El origen x = 0 Rn es un equilibrio asint
oticamente estable de
x(t)
La estabilidad del origen debe ser intepretada como dada una peque
na discrepancia de la
condici
on inicial x(0) con respecto al equilibrio (origen), la soluci
on x(t) correspondiente permanecer
a acotada evolucionando relativamente cerca del punto de equilibrio. Por ejemplo, el
punto de equilibrio del pendulo simple localizado en x1e = 0, x2e = 0 es estable porque si
partimos relativamente cerca de el, la soluci
on x(t) queda muy cerca del punto de equilibrio.
4. Estabilidad en el sentido de Lyapunov
Sistemas din
amicos.
x(t)
= f(t, x(t))
x(0) Rn
t 0
(46)
Suponemos:
Soluci
on u
nica correspondiente a una condici
on inicial x(0)
x(t) depende de una manera continua del estado inicial x(0)
=0
t 0
El origen es estable
El origen es atractivo globalmente, es decir desde todo el espacio de estado:
||x(t)|| 0
x(0) Rn
Equilibrio:
0 = x2
0 = x1 + (1 x1 )2 x2
74
0
Xe =
0
0 = 0,5r(1 r)
0 = sin2
re
0
r
1
=
o tambien e =
e
0
e
2n
Equilibrio en:
0 = x2
0 = x1
0
Xe =
0
4. Pendulo simple
La ecuaci
on de este sistema sin par es:
ml2 q + mgl sin(q) = 0
q(0), q R
Reescribiremos la ecuaci
on haciendo un cambio de variables x1 = q y x2 = q:
x1 = x2
g
x2 = sin(x1 )
l
Puntos de equilibrio:
0 = x2
g
0 = sin(x1 )
l
x1e
0
x1e
n
=
o tambien
=
x2e
0
x2e
0
76
2.3.2.
Definici
on de funciones
Funci
on definida positiva localmente y funci
on definida positiva
W (x1 , x2 ) = x21 + x22
Una funci
on continua W : Rn R+ es definida positiva localmente si:
W (0) = 0
Una funci
on continua W : Rn R+ es definida positiva si:
W (0) = 0
W (x) > 0 x 6= 0 Rn
De acuerdo a la definici
on de una funci
on definida positiva y a la de una matriz definida
positiva, entonces una funci
on cuadr
atica f : Rn R de la forma:
f(x) = xT P x
con P Rnn , es definida positiva, si y s
olo si, P > 0.
Si W (x) es definida positiva, entonces W (x) es definida negativa.
77
Funci
on radialmente desacotada
Una funci
on continua W : Rn R es radialmente desacotada si:
W (x) cuando ||x||
Funci
on menguante
Una funci
on continua dependiente del tiempo y de los estados V : R+ Rn R es menguante
globalmente si existe una funci
on definida positiva W : Rn R+ tal que:
V (t, x) W (x) t 0 x Rn
Funci
on definida positiva dependiente del tiempo
Es aquella funci
on V : R+ Rn R+ tal que satisface:
V (t, x) W (x) t 0 x Rn
donde W (x) > 0.
Funci
on dependiente del tiempo radialmente desacotada
V (t, x) W (x) > 0
donde W (x) es radialmente desacotada. Ejemplos:
78
Funci
on candidata de Lyapunov
Una funci
on V : R+ Rn R+ es una funci
on candidata de Lyapunov para el equilibrio
79
x = 0 Rn de la ecuaci
on x = f(t, x) si:
V (t, x) es una funci
on definida positiva al menos localmente
V (t,x)
t
V (t,x)
x
es una funci
on continua con respecto a t y x
es una funci
on continua con respecto a t y x (definida positiva, continuamente
diferencial)
Derivada de la funci
on candidata de Lyapunov
Sea V (t, x) una funci
on candidata de Lyapunov para x = f(t, x(t)).
La derivada de V (t, x) a lo largo de las trayectorias denotada por V (t, x) vendr
a dada por:
V (t, x) (V (t, x))T
d
+
f(t, x(t))
V (t, x) = V (t, x) =
dt
t
x
Cuando V no depende explcitamente del tiempo, es decir, es una funci
on u
nicamente del
estado V (x), su derivada ser
a:
(V (x))T
(V (x))T
V (x) =
x =
f(x)
x
x
Funci
on de Lyapunov
Una funci
on candidate de Lyapunov para x = f(t, x(t)) es una funci
on de Lyapunov si su
derivada a lo largo de las trayectorias satisface: V (t, x) 0 t 0 al menos para ||x|| peque
nas.
Ejemplo.
Sea:
x1
f1 (x1 , x2 , . . . , xn)
x2 f2 (x1 , x2 , . . . , xn)
.. =
= x = f(x) Rn
..
.
.
xn
fn (x1 , x2 , . . . , xn)
V
V (x) =
x
80
#T
(x1 , x2 , . . . , xn )
x1
x2
(x1 , x2 , . . . , xn )
= ..
..
.
.
xn
V (x1 , x2 , . . . , xn )
V
x1
V
x2
V (x1 , x2 , . . . , xn )
=
x
xn
Y lo sustituimos:
"
V
V (x) =
x
#T
x = x1
Y llegamos a lo mismo:
x2
x1
x2
. . . xn . = x1 x1 + x2 x2 + . . . + xn xn
..
xn
Teoremas de estabilidad
Condiciones suficientes
El origen x = 0 Rn es un estado de equilibrio estable de la ecuaci
on x(t)
81
0
Xe =
0
1 2 1 2
x + x
2 1 2 2
Xe =
0
0
1 2 1 2
x + x
2 1 2 2
Y ahora su derivada temporal evaluada en las trayectorias del sistema:
V (x) =
d
V (x) = x1 (x1 + kx2 ) + x2 (kx1 ) = x21 0
dt
V (x) es semidefinida negativa porque V (x) = 0 x1 = 0, x2 R2
Concluimos estabilidad y acotamiento de soluciones
Teorema de estabilidad asint
otica global
El origen x = 0 Rn es un estado de equilibrio asint
oticamente estable en forma global de
x(t)
82
1 2
x
2
La derivada temporal de la f.c.l. evaluada en la trayectoria:
V (x) =
d
V (x) = x(ax) = ax2 < 0
dt
V (x) es definida negativa x 6= 0
Concluimos estabilidad asint
otica global del origen
Teorema de La Salle
Sup
ongase un sistema descrito por x = f(x) donde f(0) = 0 t 0. Si existe una funci
on
candidata de Lyapunov tal que:
V (x) >= 0 (f.c.l definida positiva)
V (x) 0 (derivada temporal de f.c.l. semidefinida negativa)
V ((x0 )) (la derivada temporal de f.c.l. no desaparece identicamente para cualquier xo 6=
0, donde (x0 ) indica la trayectoria soluci
on que comienza en x0 )
entonces el origen es asint
oticamente estable.
Ejemplo 1. Sea el sistema:
x1 = x1 + kx2
x2 = kx1
donde k 6= 0.
El equilibrio:
0 = x1 + kx2
0 = kx1
0
Xe =
R2
0
1 2 1 2
x + x >0
2 1 2 2
Y ahora su derivada temporal evaluada en las trayectorias del sistema:
V (x) =
d
V (x) = x1 (x1 + kx2 ) + x2 (kx1 ) = x21 0
dt
Semidefinida negativa porque nada m
as depende explcitamente de x1 , por tanto V (x) = 0 en
valores diferentes del origen. Usando el teorema anterior habamos concluido hasta el momento
que el equilibrio es estable y las soluciones acotadas.
Ahora usaremos el Teorema de La Salle: para concluir estabilidad asint
otica global nos enfocaremos en el tercer punto del teorema. Si V (x) se ha de anular identicamente para todo t 0
porque V (x) = 0 t 0 es necesario y suficiente que x1 (t) = 0 t 0, lo cual implica que
x1 (t) = 0. Por lo tanto, de la ecuaci
on del sistema tenemos:
x1 = x1 + kx2
kx2 = 0
x2 = 0
x2 = 0
83
Xe =
0
R2
0
x1 = 0
x1 = 0
84
2.3.5.
An
alisis de estabilidad de sistemas lineales invariantes en el tiempo
V (x) sera definida negativa si Q > 0. Si esto sucede concluimos ESTABILIDAD ASINTOTICA
GLOBAL.
Ejemplo. Sea el sistema:
x1
0
=
x2
1
1
1
x1
x2
Q = AT p + pA
0
0 1 p11 p12
p
p12
0
1
=
+ 11
1
1 1 p12 p22
p12 p22 1 1
p12
p22
p12 p11 p12
=
+
p11 p12 p12 p22
p22 p12 p22
2p12
p11 p12 p22
=
p11 p12 p22
2p12 2p22
3
>0
2
det[p] =
3 1
5
= >0
2 4
4
86
3.
Anteriormente se vio una metodologa que da condiciones necesarias y suficientes para probar
que el equilibrio de un sistemas lineal x = Ax es asint
oticamente estable en forma global. Donde
dada cualquier matriz Q > 0 Rnn , si existe una matriz p = pT > 0 que satisface Q = AT p + pA
entonces el origen es un punto asint
oticamente estable globalmente.
Teorema 1. Estabilidad
1. V (x) > 0 (local o global)
2. V (x) 0
Teorema 2. Estabilidad y acotamiento de soluciones
1. V (x) > 0 (global)
2. V (x) cuando ||x||
3. V (x) 0
Teorema 3. Estabilidad asint
otica global
1. V (x) > 0 (local o global)
2. V (x) cuando ||x||
3. V (x) < 0
Teorema 4. Estabilidad asint
otica global (La Salle)
1. V (x) > 0 (local)
2. V (x) cuando ||x||
3. V (x) 0
4. V (x(t)) no desaparece identicamente en t 0
para cualquier x0 6= 0
Introduciremos ahora un metodo de an
alisis de estabilidad que da:
Condiciones necesarias y suficientes para sistemas lineales
Condiciones suficientes para sistemas no lineales
3.1.
Teorema de Krasovskii
Sea el sistema x
= f(x), donde X Rn y f : Rn Rn .
Suponga que f(0) = 0 (el origen es equilibrio) y que f (x) es derivable con respecto a x. La matriz
87
f1 (x)
x1
f2 (x)
x1
F (x) =
Defnase:
..
.
fn (x)
x1
f1 (x)
x2
f2 (x)
x2
..
.
fn (x)
x2
...
...
..
.
...
f1 (x)
xn
f2 (x)
xn
..
.
fn (x)
xn
det[F (x)] = 0 si x = 0
Por tanto tendremos u
nicamente un equilibrio en todo el espacio de estado, entonces:
(
V (0) = 0
T
V (x) = f(x) f(x)
V (x) 6= 0 x =
6 0
2. Prueba de negatividad definida de V (x).
f(x)
=
x = F (x)x
x
Tendremos que:
V (x) = (F (x)x)
T f(x) + f(x)T (F (x)x)
V (x) < 0
f1 (x)
x1
x
f(x) =
=
y x= 1
f2 (x)
x1 x2 x32
x2
1
0
F (x) =
1 1 3x22
2
1
F (x) = F (x)T + F (x) =
1 2 6x22
F (x) =
3.2.
Caso de estudio: P
endulo
= K(q(t), q(t))
U (q(t))
Donde:
L(q(t), q(t))
R es el Lagrangiano,
K(q, q)
R es la energa cinetica,
U (q) R es la energa potencial,
L, K, U : Rn Rn R,
q Rn1 es la posici
on o coordenadas generalizadas (estados),
q Rn1 es la velocidad.
89
L(q, q)
=
dt
q
q
Donde Rn1 son los pares o fuerzas ejercidos, as como fuerzas no conservativas (fricci
on,
resistencia al movimiento de un objeto dentro de un fluido, y en general las que dependen del
tiempo o de la velocidad).
En el caso de un solo elemento qi R, tenemos:
"
#
d L(q, q)
L(q, q)
= i
dt
qi
qi
3.2.1.
P
endulo simple
1 2 2 1 2
ml q + I q
2 c
2
90
1 2 2
ml q +
2 c
Obtener el modelo del pendulo con las ecuaciones
L(q, q)
=
1 2
I q + mglc cos(q)
2
de movimiento de Lagrange:
L(q, q)
= mlc2 q + I q
q
"
#
d L(q, q)
= mlc2 q + I q
dt
q
L(q, q)
= mglc sin(q)
q
La expresi
on para el modelo din
amico del pendulo simple:
[mlc2 + I]
q + mglc sin(q) =
La ecuaci
on de estado es:
q
d q
= 1
mglc sin(q)
dt q
ml2 +I
c
q
0
= 1
0
ml2 +I mglc sin(q)
c
Equilibrio en:
q
q : mglc sin(q) = 0
=
q
0
91
3.2.2.
An
alisis de estabilidad
1
[mlc2 + I]q2 mglc cos(q)
2
Pero hay que verificar que sea definida positiva:
V (q, q)
=
V (q, q)|
0,0 = 0 + [mglc cos(0)]
Esto no es igual a cero, conviene sumar el termino mglc , y entonces la nueva f.c.l. es:
V (q, q)
=
1
[mlc2 + I]q 2 + [mglc cos(q)] + mglc
2
Definida localmente
V (q, q)
> 0 q [2, 2], q 6= 0
2
V (q, q)
= [mlc2 + I]qq + mglc sin(q)q + 0
2
Sustituyendo q de la ecuaci
on de lazo cerrado tenemos:
1
2
V (q, q)
= [mlc + I]q
mglc sin(q) + mglc sin(q)q
mlc2 + I
= mglc sin(q)q + mglc sin(q)q = 0
Concluimos estabilidad en el origen, de acuerdo al teorema 1
3.2.3.
P
endulo con fricci
on viscosa
El modelo din
amico del pendulo con fricci
on:
[mlc2 + I]
q + fv q + mglc sin(q) =
La ecuaci
on de lazo cerrado con = 0 es:
q
d q
= 1
dt q
ml2 +I fv q mglc sin(q)
c
92
El equilibrio:
q
n
=
q
0
Para an
alisis de estabilidad, proponemos f.c.l.:
V (q, q)
=
1
[mlc2 + I]q 2 + [mglc cos(q)] + mglc
2
mgl
sin(q)
+ mglc sin(q)q
v
c
mlc2 + I
= q[mgl
+ mglc sin(q)q
c sin(q) + fv q]
= fv q 2
Entonces V (q, q)
0, por tanto, vamos a utilizar el teorema 4:V (q(t), q(t))
= 0 t 0, si y s
olo si,
q(t)
= 0 t 0
d
q(t)
= q(t) = 0 t 0.
Pero, para que q(t)
= 0 t 0, implica que dt
Luego, de la ecuaci
on del sistema:
1
q =
f
q
mgl
sin(q)
v
c
mlc2 + I
1
0=
mgl
sin(q)
c
mlc2 + I
Despejando implica que sin(q(t)) = 0 q(t) = 0 t 0 q (2, 2); concluyendo ESTABILI
DAD ASINTOTICA
LOCAL
93
4.
Control Realimentado
Objetivo de control:
1. Regulaci
on. El objetivo de control es encontrar una ley de control de tal manera que los
estados del sistema x tiendan a estados deseados constantes. (xd Rn ).
Encontrar una ley de control u(t) Rn , tal que:
lm x(t) = xd
O equivalentemente es:
Encontrar u(t) Rn , tal que:
lm x
(t) = 0
Donde x
(t) = xd x(t) representa el vector de estados
2. Seguimiento. El estado deseado xd depende del tiempo, no es constante. El objetivo de control de seguimiento es:
Encontrar una ley de control u(t) Rn , tal que:
lm x(t) = xd (t)
O equivalentemente es:
Encontrar u(t) Rn , tal que:
lm x
(t) = 0
Objetivo de regulaci
on
Modelo din
amico del pendulo simple:
[mlc2 + I]
q + mglc sin(q) =
94
q
d q
= 1
dt q
ml2 +I kp (qd q) kv q mglc sin(q)
c
q
0
= 1
0
ml2 +I kp (qd q) kv q mglc sin(q)
c
q
d q
= 1
kp (qd q) kv q
dt q
ml2c +I
95
El equilibrio:
(
q
0
q = 0
= 1
0
k
(q
q)
k
q
2
p
d
v
kp(qd q) = 0
ml +I
c
Recorremos al origen el punto de equilibrio. Para esto usaremos un cambio de variable denotando el error de posici
on:
q = qd q
Luego la ecuaci
on de lazo cerrado en la nueva variable es: (q = q porque qd es constante)
q
d q
= 1
kv q
dt q
ml2 +I kp q
c
Donde ahora el u
nico equilibrio es en el origen (cuando el error sea cero):
q
0
=
q
0
An
alisis de estabilidad del punto de equilibrio
Proponer f.c.l.:
V (q, q)
=K+U
1
1
(mlc2 + I)q2 + kp q2
2
2
V (
q , q)
= (mlc + I)q
kp q kv q + kp q(q)
= kv q2
mlc2 + I
Dado que V (
q , q)
es semidefinida negativa, aplicamos el teorema 4: V (
q , q)
= 0 si y s
olo si q(t)
=0
t 0; esto implica que q(t) = 0 t 0, y en la ecuaci
on de lazo cerrado:
)
q(t) = 0
t 0
q(t)
=0
Por tanto V (
q , q)
= 0 t 0 y concluimos ESTABILIDAD ASINTOTICA
GLOBAL. Con lo cual
se satisface globalmente el objetivo de regulaci
on:
lm q(t) = 0
96
NOTAS:
Un contrapeso o compensaci
on de gravedad es el equivalente fsico de la constante que le sumamos
al pendulo simple, mientras que un resorte lo sera para la acci
on proporcional del controlador y un
amortiguador para la acci
on derivativa.
Si utilizaramos un control PID, no necesitaramos saber los par
ametros del pendulo lc y m, sino que
con la acci
on integral sera la compensaci
on de gravedad.
4.0.5.
Objetivo de seguimiento
1
[mlc2 + I][qd + kv (qd q)
+ kp (qd q)] + mglc sin(q)
2
97
La ecuaci
on de lazo cerrado:
1
1
(mlc2 + I)
q + mglc sin(q) = (mlc2 + I)[qd + kv q + kpq] + mglc sin(q)
2
2
1
1
(mlc2 + I)[qd + kv q + kp q] (mlc2 + I)
q=0
2
2
1
(mlc2 + I)[qd q + kv q + kp q] = 0
2
q
+ kv q + kp q] = 0
Esta
u
ltima es una ecuaci
on diferencial lineal de segundo orden aut
onoma.
La ecuaci
on en variables de estado:
d q
q
=
kv q kp q
dt q
El equilibrio ser
a en:
q
0
=
0
q
V (
q , q ) es semidefinida negativa, por lo que aplicaremos el teorema 4: V (
q , q)
desaparece identicamente s
olo en q = 0, q = 0 como lo comprobaremos enseguida:
V (
q , q)
= 0 t 0
Luego
q(t) = 0 t 0
q (t) = 0 t 0
q
(t) = 0 t 0
lo cual de la ecuaci
on de lazo cerrado:
q(t) = 0 t 0
kp q(t) = 0 t 0
Es decir, V (
q (t), q (t)) u
nicamente si q = 0, q = 0. Por lo cual concluimos estabilidad asint
otica global
del equilibrio, logrando el objetivo de seguimiento.
98
5.
Pasividad
Un sistema pasivo satisface la siguiente propiedad:
E(t1 ) = E(0) + Es (0, t1 ] El (0, t1 ]
5.1.
Definiciones
Trabajo. El trabajo realizado en un sistema mec
anico es el producto de la fuerza por la
distancia (o par multiplicado por el desplazamiento angular)
W = F Nm
Ejemplo:
Resorte traslacional con constante k, el trabajo hecho por un desplazamiento dx es dado por:
Z x
W =
F dx
0
kxdx =
1 2
kx
2
99
1 2
mv
2
1 2
J
2
dW
F dx
dK
=
= m
xx = mvv
P =
dt
dt
dt
Potencia disipada en un amortiguador
P =
F dx
dW
=
= bx x = bx 2
dt
dt
SISTEMA INTERNACIONAL DE UNIDADES:
Joule
C
Nm
= W att = V A = V
=
s
s
s
En sistemas electricos, la energa se disipa en la resistencia y se almacena en el condensador y
la inductancia.
P =
5.2.
Sistema pasivo
Un sistema con entrada u y salida y donde u(t) Rn y y(t) Rn , es pasivo si existe una
constante tal que:
Z T
y(t)T u(t)dt T 0
0
Si u(t), y(t) R:
u(t)y(t)dt
Ejemplo:
Sea el pendulo simple, demostrar que el sistema es pasivo de a q
100
1
[mlc2 + I]q2 + mglc [1 cos(q)] 0
2
V (q, q)
= [mlc2 + I]q q + mglc sin(q)q
La evaluamos en las trayectorias:
V (q, q)
= [mlc2 + I]q
1
mglc sin(q) + mglc sin(q)q
mlc2 + I
= q[
mglc sin(q) + mglc sin(q)]
= q
d
V (q(t), q(t))dt
=
dt
q(t)
(t)dt
V (q(t),q(t))
dV (q(t), q(t))
V (q(0),q(0))
q(t)
(t)dt
V (q(t), q(t))
V (q(0), q(0))
q(t)
(t)dt
0:
V (q(t), q(t))
V (q(0), q(0))
V (q(0), q(0))
entonces:
V (q(0), q(0))
q(t)
(t)dt
5.3.
Funci
on descriptiva
La funci
on descriptiva de un elemento no lineal, es la relaci
on compleja entre la componente
armonica fundamental de la salida con respecto a la entrada:
N =
y1
1
x
101
donde: N es la funci
on descriptiva, y1 es la amplitud de la componente arm
onica fundamental de la
salida, x es la amplitud de la sinusoide de entrada, 1 es el desplazamiento de fase de la arm
onica
fundamental de la salida.
Por ejemplo: no linealidad ON-OFF
(
M; x 0
y=
M ; x < 0
4M
x
102