Control: Modelado de sistema dinmicos

Introduccin al control de sistemas

Dr. Francisco Ronay LPEZ ESTRADA

1 SISTEMA EDUCATIVO DESCARTES

1,2,3

Introduccin y definiciones

Modelado de sistemas dinmicos

Simulacin de ecuaciones diferenciales

Transformada de Laplace

Dr. LPEZ ESTRADA et al (SE DESCARTES)

2 / 39

Modelo matemtico

Definicin
Un modelo matemtico, puede definirse como una construccin matemtica abstracta y
simplificada relacionada a una parte de la realidad y creada para un propsito particular.
Los modelos pueden obtenerse principalmente mediante:
Primeros principios (leyes de conservacin de materia, masa, energa).
Identificacin (datos de entrada/salida).
Combinacin de ambos.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

3 / 39

Modelo matemtico

Definicin
Un modelo matemtico, puede definirse como una construccin matemtica abstracta y
simplificada relacionada a una parte de la realidad y creada para un propsito particular.
Los modelos pueden obtenerse principalmente mediante:
Primeros principios (leyes de conservacin de materia, masa, energa).
Identificacin (datos de entrada/salida).
Combinacin de ambos.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

3 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Metodologa de modelado

Conceptualizacin.
I
I
I
I
I

Conocer de forma general el proceso que se quiere modelar.

Definir de los objetivos del modelo.
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio que debe ser
tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica (leyes de
conservacin de la masa, energa y momento).
Dividir el sistema en subsistemas interconectados.

Formalizacin.
I

Formular el modelo en forma de ecuaciones diferenciales y/o algebraicas y una serie de

condiciones lgicas haciendo uso de los primeros principios.

Parametrizacin.

Simulacin.

I
5

Ajuste de los parmetros de modelo y de las condiciones iniciales.

Programacin.

Validacin.
I

Datos experimentales vs. datos de simulacin.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

4 / 39

Simplicidad vs exactitud
En general, una mayor exactitud requiere de una mayor complejidad.
Es preferible un modelo adecuado, que cumpla el principio de parsimonia:

Definicin
Siendo iguales otras cosas, los modelos simples son preferibles a los complejos.

Ejemplo: Incluir o no, las no-linealidades.

Despreciar dinmicas rpidas no significativas.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

5 / 39

Simplicidad vs exactitud
En general, una mayor exactitud requiere de una mayor complejidad.
Es preferible un modelo adecuado, que cumpla el principio de parsimonia:

Definicin
Siendo iguales otras cosas, los modelos simples son preferibles a los complejos.

Ejemplo: Incluir o no, las no-linealidades.

Despreciar dinmicas rpidas no significativas.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

5 / 39

Simplicidad vs exactitud
En general, una mayor exactitud requiere de una mayor complejidad.
Es preferible un modelo adecuado, que cumpla el principio de parsimonia:

Definicin
Siendo iguales otras cosas, los modelos simples son preferibles a los complejos.

Ejemplo: Incluir o no, las no-linealidades.

Despreciar dinmicas rpidas no significativas.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

5 / 39

Criterios para modelar un sistema

Existen diferentes representaciones dependiendo de:

1

El mtodo analtico empleado

Caractersticas del sistema que se interesa estudiar

De las entradas y salidas

Entradas y salidas y partes componentes del sistema

Dr. LPEZ ESTRADA et al (SE DESCARTES)

6 / 39

Descripcin externa o entrada salida

No se conoce la estructura interna del sistema
Slo se tiene acceso a las terminales de entrada y salida
Se aplican diferentes seales de entrada y se miden sus seales de salida correspondientes
Las caractersticas y propiedades del sistema se obtienen del anlisis de las pares
entrada-salida

Figura : Sistema lineal de p entradas q salidas

Donde:
U =[u1 u2 ...Up ]0 (px1)

(1)

Y =[y1 y2 ...yq ] (qx1)

(2)

Las entradas y salidas estn definidas desde hasta +

U denota una funcin vectorial definida sobre ( , +)
U(t) denota el valor de U en tiempo t
U(t0 ,t1 ) denota a la funcin U definida en [t0 ,t1 )
Dr. LPEZ ESTRADA et al (SE DESCARTES)

7 / 39

Linealidad
Definicin (Sistema lineal)
Un sistema en reposo es lineal, s y slo s:
f (1 x1 + 2 x2 ) = 1 f (x1 ) + 2 f (x2 )

(3)

por cualesquiera x1 , x2 , 1 y 2 ; 1 , 2 son nmeros reales. Si la Ecuacin 3 no se cumple, el

sistema es no lineal.
La definicin anterior se escribe en forma equivalente como:
f (x1 + x2 ) = f (x1 ) + f (x2 )

(4)

f (x1 ) = f (x1 )

(5)

Donde la Ec.4 se conoce como propiedad de aditividad y la Ec. 5 como la propiedad de

homogeneidad
Aplica el principio de superposicin!
En general, todos los sistemas son no lineales y tienen entradas y salidas acotadas.
Muchas veces se linealiza alrededor del punto de operacin si as es posible simplificar el
modelo.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

8 / 39

Linealidad
Definicin (Sistema lineal)
Un sistema en reposo es lineal, s y slo s:
f (1 x1 + 2 x2 ) = 1 f (x1 ) + 2 f (x2 )

(3)

por cualesquiera x1 , x2 , 1 y 2 ; 1 , 2 son nmeros reales. Si la Ecuacin 3 no se cumple, el

sistema es no lineal.
La definicin anterior se escribe en forma equivalente como:
f (x1 + x2 ) = f (x1 ) + f (x2 )

(4)

f (x1 ) = f (x1 )

(5)

Donde la Ec.4 se conoce como propiedad de aditividad y la Ec. 5 como la propiedad de

homogeneidad
Aplica el principio de superposicin!
En general, todos los sistemas son no lineales y tienen entradas y salidas acotadas.
Muchas veces se linealiza alrededor del punto de operacin si as es posible simplificar el
modelo.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

8 / 39

Sistema dinmico

Sistemas sin memoria o instantneos:La salida del sistema en el tiempo t1 depende

nicamente de la entrada aplicada en el tiempo t1

Sistemas con memoria La salida del sistema en el tiempo t1 , depende de la entrada

aplicada en el tiempo t1 y adems de la entrada aplicada antes y despus de t1

Sistema es determinstico: Es aquel que para cada entrada le corresponde una y solo una
salida. de otra forma el sistema se denomina estocstico.

Discusin: Cual de los dos es un sistema dinmico?

Dr. LPEZ ESTRADA et al (SE DESCARTES)

9 / 39

Sistema dinmico

Sistemas sin memoria o instantneos:La salida del sistema en el tiempo t1 depende

nicamente de la entrada aplicada en el tiempo t1

Sistemas con memoria La salida del sistema en el tiempo t1 , depende de la entrada

aplicada en el tiempo t1 y adems de la entrada aplicada antes y despus de t1

Sistema es determinstico: Es aquel que para cada entrada le corresponde una y solo una
salida. de otra forma el sistema se denomina estocstico.

Discusin: Cual de los dos es un sistema dinmico?

Dr. LPEZ ESTRADA et al (SE DESCARTES)

9 / 39

Sistema SISO,MISO, SIMO y MIMO

Definicin
Sistema monovariable. Es aquel que solo tiene una entrada y una salida, tambin llamados
sistemas SISO (por sus siglas en ingls). Si el sistema tiene ms de una entrada o ms de una
salida se llamar multivariable y pueden ser de tipo MISO (mltiples entradas - una salida),
SIMO (una entrada - mltiples salidas) o MIMO (mltiples entradas - mltiples salidas).

Dr. LPEZ ESTRADA et al (SE DESCARTES)

10 / 39

Causalidad e Invariancia
Definicin (Causalidad)
Un sistema es causal o no anticipatorio si la salida en el tiempo t, no depende de la entrada
aplicada despus del tiempo t, es decir depende nicamente de la entrada aplicada antes y en el
tiempo t. La causalidad es una propiedad inherente de todo sistema fsico.

Definicin (Invariancia en el tiempo)

Un sistema en reposo es invariante en el tiempo, s y slo s: HQU = QHU, para cualquier
entrada U y cualquier real .
De otra manera el sistema vara con el tiempo.Donde Q es el operador de desfasamiento

Figura : Sistemas invariantes en el tiempo

Dr. LPEZ ESTRADA et al (SE DESCARTES)

11 / 39

Modelos matemticos de sistemas

Ecuaciones diferenciales

d 2 xo
K
K
C dxo
= xi xo
dt
m
m
m dt

Funciones de transferencia
G (s) =

s2

K
m
C
s
m

K
m

(6)

(7)

Espacio de estados
x i (t)

Ax + Bu

(8)

yj

Cx + D

(9)

Otras formas de modelado: modelos ARX, ARMAX, NARMAX, output-error, modelos

Voterra, redes neuronales, etc...

Dr. LPEZ ESTRADA et al (SE DESCARTES)

12 / 39

Modelos matemticos de sistemas

Ecuaciones diferenciales

d 2 xo
K
K
C dxo
= xi xo
dt
m
m
m dt

Funciones de transferencia
G (s) =

s2

K
m
C
s
m

K
m

(6)

(7)

Espacio de estados
x i (t)

Ax + Bu

(8)

yj

Cx + D

(9)

Otras formas de modelado: modelos ARX, ARMAX, NARMAX, output-error, modelos

Voterra, redes neuronales, etc...

Dr. LPEZ ESTRADA et al (SE DESCARTES)

12 / 39

Modelos matemticos de sistemas

Ecuaciones diferenciales

d 2 xo
K
K
C dxo
= xi xo
dt
m
m
m dt

Funciones de transferencia
G (s) =

s2

K
m
C
s
m

K
m

(6)

(7)

Espacio de estados
x i (t)

Ax + Bu

(8)

yj

Cx + D

(9)

Otras formas de modelado: modelos ARX, ARMAX, NARMAX, output-error, modelos

Voterra, redes neuronales, etc...

Dr. LPEZ ESTRADA et al (SE DESCARTES)

12 / 39

Modelos matemticos de sistemas

Ecuaciones diferenciales

d 2 xo
K
K
C dxo
= xi xo
dt
m
m
m dt

Funciones de transferencia
G (s) =

s2

K
m
C
s
m

K
m

(6)

(7)

Espacio de estados
x i (t)

Ax + Bu

(8)

yj

Cx + D

(9)

Otras formas de modelado: modelos ARX, ARMAX, NARMAX, output-error, modelos

Voterra, redes neuronales, etc...

Dr. LPEZ ESTRADA et al (SE DESCARTES)

12 / 39

Expresiones algebraicas vs dinmicas

La forma ms sencilla de caracterizar un sistema es a travs de su relacin salida entrada. En este

tipo de enfoque no es tan importante conocer internamente el sistema. Cuando el sistema no
posee una dinmica interna. Es decir, su respuesta ante una entrada es instantnea o si existe
dinmica pero es despreciable. La relacin salida entrada es caracterizada por una expresin
algebraica.
Sin embargo, cualquier sistema interesante, por ms sencillo que sea, es de naturaleza dinmica y
consecuentemente para su representacin es necesario el uso de ecuaciones diferenciales.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

13 / 39

Ejemplo de expresiones dinmicas y estticas

Cuadro : Sistema mecnicos

Elemento

Simbologa

Fuerza

N
)
Resorte ( m

F = ky

Amortiguador ( Ns
)
m

F = b dy
dt

Masa (kg )

F = m ddt 2y

Dr. LPEZ ESTRADA et al (SE DESCARTES)

Energa Alamcenada

E =

1
ky 2
2

No almacena energa

E =

1
mv 2
2

14 / 39

Modelado de un sistema mecnico

Figura : Sistema Mecnico

Linealizando (de manera practica)

Friccin: Se considera la friccin viscosa (K1 )
Resorte: Se Considera la Reaccin lineal (K2 )
Aplicando la 2da. ley de Newton se obtiene las ecuaciones diferenciales que describen el sistema.
m y = u b y ky
Donde:
dy
d 2y
y =
, y =
dt
dt 2
se tiene
m y + b y + ky = u
Dr. LPEZ ESTRADA et al (SE DESCARTES)

15 / 39

Ejercicio

Determinar su representacin de espacios de estados

Figura : Sistema Mecnico con entradas y salidas acopladas

Dr. LPEZ ESTRADA et al (SE DESCARTES)

16 / 39

Solucin
Primero identificamos las entradas y las salidas:
Entradas: F1 y F2
Salidas: y1 y y2
En el siguiente paso es encontrar las ecuaciones diferenciales que representan el comportamiento
dinamico del sistema Mecnico:
d 2 y1
dt 2

k1 y1 b1

dy1
b2
dt

m1

d 2 y2
dt 2

k2 y2 b3

dy2
+ b2
dt

m2

d 2 y1
dt 2

y1 dy1 = y1

y1

y2

dy1
dy2

dt
dt

dy1
dy2

dt
dt

+ F1 (t)
+ F2 (t)

Haciendo:
d 2 y2
dy2
= y2
= y 2
dt 2
dt
k1
b1
b2
y1
y 1
(y 1 y 2 ) +
m1
m1
m1
k2
b3
b2
y2
y 2
(y 1 y 2 ) +
m2
m2
m2

Dr. LPEZ ESTRADA et al (SE DESCARTES)

F1
(t)
m1
F2
(t)
m2

17 / 39

Sistema elctricos

Cuadro : Sistemas electrcos

Elemento

Simbologa

Resistencia ()
Inductor (H)
Capacitor (F )

Dr. LPEZ ESTRADA et al (SE DESCARTES)

Corriente

Voltaje

Impedancia

iR = V
R
R
iL = L1 VL dt

V = RiR

ZR = R

c
ic = C dV
dt

VL =
Vc =

1
C

L didtL

ZL = Ls

Zc =

iC dt

1
Cs

18 / 39

Ejemplo de sistema elctrico

Figura : Circuito Electrco RCL

Considere el caso SIMO con las salidas:

a) Voltaje en el Capacitor
b) El Voltaje en el capacitor mas el voltaje en el inductor
c) La corriente i(t)
Solucin:
Las ecuaciones diferenciales que representan la dinmica del circuito son:

di(t)
1
+ Ri(t) +
dt
C

Z
i(t)d (t)

ve (t)

dvc
dt

i (t)

C
Dr. LPEZ ESTRADA et al (SE DESCARTES)

19 / 39

Ejemplo de sistema elctrico

Figura : Circuito Electrco RCL

Considere el caso SIMO con las salidas:

a) Voltaje en el Capacitor
b) El Voltaje en el capacitor mas el voltaje en el inductor
c) La corriente i(t)
Solucin:
Las ecuaciones diferenciales que representan la dinmica del circuito son:

di(t)
1
+ Ri(t) +
dt
C

Z
i(t)d (t)

ve (t)

dvc
dt

i (t)

C
Dr. LPEZ ESTRADA et al (SE DESCARTES)

19 / 39

Ejercicio

Encuentre el modelo matemtico del siguiente circuito elctrico.

Figura : Sistema Elctrico

las ecuaciones diferenciales del sistema. Considere dos salidas v1 y v2

Su representacin en espacio de estados

Dr. LPEZ ESTRADA et al (SE DESCARTES)

20 / 39

Solucin
Analizando el nodo 1:

1
L1

i1

(vi v1 ) dt

i2 + i3
Z
1
dv1
+
C
v1 dt
dt
R + L2

derivando toda la ecuacin con respecto al tiempo:

d 2 v1
v1
1
(vi v1 ) = C
+
L1
dt 2
R + L2
Haciendo:
dv
= v
dt
d 2v
= v1
dt
Entonces:
1
v1
(vi v1 ) = C v1 +
L1
R + L2


1
1
1
C v1 =

v1 +
vi
L1
R + L2
L1
Dr. LPEZ ESTRADA et al (SE DESCARTES)

21 / 39

Solucin
Analizando el nodo 1:

1
L1

i1

(vi v1 ) dt

i2 + i3
Z
1
dv1
+
C
v1 dt
dt
R + L2

derivando toda la ecuacin con respecto al tiempo:

d 2 v1
v1
1
(vi v1 ) = C
+
L1
dt 2
R + L2
Haciendo:
dv
= v
dt
d 2v
= v1
dt
Entonces:
1
v1
(vi v1 ) = C v1 +
L1
R + L2


1
1
1
C v1 =

v1 +
vi
L1
R + L2
L1
Dr. LPEZ ESTRADA et al (SE DESCARTES)

21 / 39

Continuacin

Nodo 2:
i3 = i4
Z
1
(v1 v2 )
=
v2 dt
R
L2
Derivando toda la ecuacin con respecto al tiempo:
1 d (v1 v2 )
v2
=
R
dt
L2
v2
1
(v 1 v 2 ) =
R
L2
v2
1
1
v 2 =
+ v 1
R
L2
R
R
v 2 = v2 + v 1
L2

Dr. LPEZ ESTRADA et al (SE DESCARTES)

22 / 39

Sistema hidrulicos

Cuadro : Sistemas hidrulicos

Elemento

Simbologa

Resistencia hidrulica

Capacitancia hidrulica
Inertancia hidrulica

Dr. LPEZ ESTRADA et al (SE DESCARTES)

Ecuacin

Energa Alamcenada

p1 p2 = Rq

p=

1
C

(q1 q2 )dt

No almacena energa

p1 p2 = I dq
dt

23 / 39

Simulacin de ecuaciones diferenciales en SCILAB

Dado un sistema en ODEs

dx
= F (x, t), x(t0 ) = x0
dt
Donde la variable x puede ser un estado, la forma de simularlo es mediante el comando ODE,
como
>x=ode(x0,t0,t,f)
donde:
y0 es el vector de condiciones iniciales
t0 es un escalar real que indica el tiempo inicial
t es el vector real de tiempo
f es una funcin externa que contiene el lado derecho de la ecuacin
Solvers validos: "adams", "stiff", "rk", "rkf", "fix", "discrete", "roots". rtol

Dr. LPEZ ESTRADA et al (SE DESCARTES)

24 / 39

Ejemplo 1:

considere el siguiente sistema de ODE,

dx
dt
dx
dt

F (x, t)

x 2 xsin(t)cos(t)

Su cdigo equivalente en Scilab sera

function ydot=f(t, y)
ydot=y^2-y*sin(t)+cos(t)
endfunction
y0=0;
t0=0;
t=0:0.1: %pi;
y = ode(y0,t0,t,f);
plot(t,y)

Dr. LPEZ ESTRADA et al (SE DESCARTES)

25 / 39

Ejemplo 2:

Resolver el siguiente sistema

x + 2x + x = 2e t , x(0) = 0
Solucin
clear();
function dy=f(t,y)
dy=[x(2); 2*exp(t)-2*x(2)-x(1)]
endfunction
t0=0;
t=0:0.3:6
x0=[0;1]
x=ode(x0,t0,t,f)
plot(t,x(1,:))

Dr. LPEZ ESTRADA et al (SE DESCARTES)

26 / 39

Dr. LPEZ ESTRADA et al (SE DESCARTES)

27 / 39

Transformada de Laplace

Definicin
El mtodo de la transformada de Laplace convierte las ecuaciones diferenciales lineales de difcil
solucin en ecuaciones algebraicas simples.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

28 / 39

Definicin: Transformada de Laplace

Definicin
Sea f una funcin definida en [0, ). La transformada de Laplace L {f (t)} o F (s)es la
transformada integral
Z
F (s) = L {f (t)} =
e st f (t)dt
0

donde la integral se entiende en el sentido impropio, o sea

Z

e st f (t)dt =

Z
h

e st f (t)dt

donde:
f (t) es una funcin en el dominio del tiempo.
F (s) es la transformada de Laplace de f (t).
s es una variable compleja.
L es el operador lineal de Laplace.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

29 / 39

Propiedad de linealidad

La transformada de Laplace cumple la siguiente propiedad de linealidad

L {f (t) + g (x)} = L {f (t)} + L {g (x)} = L {f (t)} + L {g (x)}
Ejemplo
L {sen(4t) 2t 3 } = L {sen(4t)} 2L {t 3 }

Dr. LPEZ ESTRADA et al (SE DESCARTES)

30 / 39

Ejemplo 1:

Considere las siguientes

transformadas de Laplace

Z
1 , t>a
2
2
e x tx dt = , t R
,
L {e x }(t) =
L {e ax }(t) = t a

0
ta

Que clase de funciones tienen transformadas de Laplace?

Dr. LPEZ ESTRADA et al (SE DESCARTES)

31 / 39

Ejemplo 1:

Considere las siguientes

transformadas de Laplace

Z
1 , t>a
2
2
e x tx dt = , t R
,
L {e x }(t) =
L {e ax }(t) = t a

0
ta

Que clase de funciones tienen transformadas de Laplace?

Dr. LPEZ ESTRADA et al (SE DESCARTES)

31 / 39

Funciones de orden exponencial

Definicin
Funciones de orden exponencia Una funcin f es de orden exponencial si existen dos constantes
no negativas c y M tales que |f (t)| < Me ct , t > 0, la integral converger para c > .

Teorema
Si f es una funcin continua a trozos de orden exponencial entonces f tiene transformada de
Laplace para todo t suficientemente grande.
Considerar (integracin por partes)
Z

Z
u.dv = u.v

v .du

Demostracin.
tenemos, para t > c
|e tx f (x)| = e tx |f (x)| Me tx+cx = Me x(tc)
Considerando la integral

Z
0

e x(tc) dx =

Z
h

Dr. LPEZ ESTRADA et al (SE DESCARTES)

e x(tc) dx =

e (ct)h1
M
=
c t
t c

32 / 39

Funciones de orden exponencial

Definicin
Funciones de orden exponencia Una funcin f es de orden exponencial si existen dos constantes
no negativas c y M tales que |f (t)| < Me ct , t > 0, la integral converger para c > .

Teorema
Si f es una funcin continua a trozos de orden exponencial entonces f tiene transformada de
Laplace para todo t suficientemente grande.
Considerar (integracin por partes)
Z

Z
u.dv = u.v

v .du

Demostracin.
tenemos, para t > c
|e tx f (x)| = e tx |f (x)| Me tx+cx = Me x(tc)
Considerando la integral

Z
0

e x(tc) dx =

Z
h

Dr. LPEZ ESTRADA et al (SE DESCARTES)

e x(tc) dx =

e (ct)h1
M
=
c t
t c

32 / 39

Funciones de orden exponencial

Definicin
Funciones de orden exponencia Una funcin f es de orden exponencial si existen dos constantes
no negativas c y M tales que |f (t)| < Me ct , t > 0, la integral converger para c > .

Teorema
Si f es una funcin continua a trozos de orden exponencial entonces f tiene transformada de
Laplace para todo t suficientemente grande.
Considerar (integracin por partes)
Z

Z
u.dv = u.v

v .du

Demostracin.
tenemos, para t > c
|e tx f (x)| = e tx |f (x)| Me tx+cx = Me x(tc)
Considerando la integral

Z
0

e x(tc) dx =

Z
h

Dr. LPEZ ESTRADA et al (SE DESCARTES)

e x(tc) dx =

e (ct)h1
M
=
c t
t c

32 / 39

Ejemplo 1:transformada de L {t n }

La transformada de Laplace de 1

L {1}

Z h
st
st
e
dt
1e
dt =
0
h 0
h


e st 
1
1
e sh
 =
+ =


s
s
s
s
0

F (s) =

La transformada de Laplace de t
L {t} = F (s) =

Z h

t, du = dt

dv

st

e
lim
h 0

st

dt

lim
h

G
h

Z
0

dt, v =

te st
s

he sh

te

e sh

h
dt
0

G
}|

lim
h

e s.0

) 0
(
:

1 
*+0 1
h 




st
s


e s
e
s2
s2

s2

te st

dt

e st

Z e st
+

st

lim
h

e st
s2

s2
1
=

s2

1
=
La transformada de Laplace de t

s2

2
2
L {t } = F (s) =

Dr. LPEZ ESTRADA et al (SE DESCARTES)

n!

Z
2
2 st
t e
dt ==
0
s3
33 / 39

Ejemplo 1:transformada de L {t n }

La transformada de Laplace de 1

L {1}

Z h
st
st
e
dt
1e
dt =
0
h 0
h


e st 
1
1
e sh
 =
+ =


s
s
s
s
0

F (s) =

La transformada de Laplace de t
L {t} = F (s) =

Z h

t, du = dt

dv

st

e
lim
h 0

st

dt

lim
h

G
h

Z
0

dt, v =

te st
s

he sh

te

e sh

h
dt
0

G
}|

lim
h

e s.0

) 0
(
:

1 
*+0 1
h 




st
s


e s
e
s2
s2

s2

te st

dt

e st

Z e st
+

st

lim
h

e st
s2

s2
1
=

s2

1
=
La transformada de Laplace de t

s2

2
2
L {t } = F (s) =

Dr. LPEZ ESTRADA et al (SE DESCARTES)

n!

Z
2
2 st
t e
dt ==
0
s3
33 / 39

Tabla de transformadas

Dr. LPEZ ESTRADA et al (SE DESCARTES)

34 / 39

Transformada inversa

El objetivo es pasar de una funcin en s a una funcin en t

t

y
s


L F (s) = f (t)
Hacer uso de las tablas de transformadas
Cumple con la propiedad de linealidad

Dr. LPEZ ESTRADA et al (SE DESCARTES)

35 / 39

Ejemplos
Ejemplo 1: La transformada inversa de

1
s3

L 1 {

1
1
} = L 1 { 2+1 }
s3
s

para n = 2
L 1 {

1
2!
1
1
} = L 1 { 2+1 } = t 2
s 2+1
2
s
2

Ejemplo 2:
L 1 {

3
1
1
6
1
+ 2
} = 3 + L 1 { 2
} = 3 + sen(4t)
s
s + 36
6
s + 36
6

Ejemplo 3:
L 1

L 1

5
s2 9

5
s2 9

L 1

(s + 3)


=

Dr. LPEZ ESTRADA et al (SE DESCARTES)

5
(s + 3)(s 3)

= L 1

A
B
+
(s + 3)
s 3



5
5

=
(s + 3)(s 3) s=3
6


5
5

(s 3)
=
(s + 3)(s 3) s=3
6

5 3t
5
e
+ e 3t
6
6

36 / 39

Ejemplos
Ejemplo 1: La transformada inversa de

1
s3

L 1 {

1
1
} = L 1 { 2+1 }
s3
s

para n = 2
L 1 {

1
2!
1
1
} = L 1 { 2+1 } = t 2
s 2+1
2
s
2

Ejemplo 2:
L 1 {

3
1
1
6
1
+ 2
} = 3 + L 1 { 2
} = 3 + sen(4t)
s
s + 36
6
s + 36
6

Ejemplo 3:
L 1

L 1

5
s2 9

5
s2 9

L 1

(s + 3)


=

Dr. LPEZ ESTRADA et al (SE DESCARTES)

5
(s + 3)(s 3)

= L 1

A
B
+
(s + 3)
s 3



5
5

=
(s + 3)(s 3) s=3
6


5
5

(s 3)
=
(s + 3)(s 3) s=3
6

5 3t
5
e
+ e 3t
6
6

36 / 39

Ejemplos
Ejemplo 1: La transformada inversa de

1
s3

L 1 {

1
1
} = L 1 { 2+1 }
s3
s

para n = 2
L 1 {

1
2!
1
1
} = L 1 { 2+1 } = t 2
s 2+1
2
s
2

Ejemplo 2:
L 1 {

3
1
1
6
1
+ 2
} = 3 + L 1 { 2
} = 3 + sen(4t)
s
s + 36
6
s + 36
6

Ejemplo 3:
L 1

L 1

5
s2 9

5
s2 9

L 1

(s + 3)


=

Dr. LPEZ ESTRADA et al (SE DESCARTES)

5
(s + 3)(s 3)

= L 1

A
B
+
(s + 3)
s 3



5
5

=
(s + 3)(s 3) s=3
6


5
5

(s 3)
=
(s + 3)(s 3) s=3
6

5 3t
5
e
+ e 3t
6
6

36 / 39

Ejercicios

Ejercicio 1: La transformada inversa de

3s + 5
s2 + 7

Ejercicio 2: La transformada inversa de

3(s + 3)
s 2 + 6s + 8

Dr. LPEZ ESTRADA et al (SE DESCARTES)

37 / 39

Ejercicios

3s + 5
s2 + 7




3s
1
L 1
+ 5L 1
2
2
s +7
s +7

s
5
3 1
7
1
L
 2 + L
 2

7
s2 +
s2 +
7
7

Ejercicio 1: La transformada inversa de

L 1

3s + 5
s2 + 7


=

5
3cos( 7t) + sen( 7t)
7

Ejercicio 2: La transformada inversa de

Dr. LPEZ ESTRADA et al (SE DESCARTES)

3(s + 3)
s 2 + 6s + 8

37 / 39

Ejercicios

3s + 5
s2 + 7




3s
1
L 1
+ 5L 1
2
2
s +7
s +7

s
5
3 1
7
1
L
 2 + L
 2

7
s2 +
s2 +
7
7

Ejercicio 1: La transformada inversa de

L 1

3s + 5
s2 + 7


=

5
3cos( 7t) + sen( 7t)
7

3(s + 3)
Ejercicio 2: La transformada inversa de 2
s + 6s + 8


3(s + 3)
= 1.5e 4t + 1.5e 2t
L 1
2
s + 6s + 8

Dr. LPEZ ESTRADA et al (SE DESCARTES)

37 / 39

Tabla de transformadas

Dr. LPEZ ESTRADA et al (SE DESCARTES)

38 / 39

Tabla de transformadas

Dr. LPEZ ESTRADA et al (SE DESCARTES)

39 / 39

Richard C. Dorf, (2010). Modern Control Systems, 12/E. Editorial Pearson.

Dr. LPEZ ESTRADA et al (SE DESCARTES)

40 / 39

Dr. LPEZ ESTRADA et al (SE DESCARTES)

41 / 39