Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clases 2000 PDF
Clases 2000 PDF
Control Automtico 2
Julio H. Braslavsky
jbrasla@unq.edu.ar
10 de julio de 2000
Resumen
Estas notas son una transcripcin de las transparencias usadas para las clases de Control Automtico 2
dadas en el cuatrimestre de otoo de 2000. No pretende ser un apunte completo para el curso, sino una
gua detallada para el estudio del material citado como biliografa recomendada, en el cual se basa.
ndice General
1 Introduccin 4
1.1 Introduccin a Control Automtico 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1 Representacin Externa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Representacin Interna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Sistemas Estacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Panorama de la Materia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Bibliografa y Material de Estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Cursado y Regularizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Calendario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1
ndice General 2
3.11 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.12 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5 Estabilidad 58
5.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2 Estabilidad Entrada-Salida de Sistemas Estacionarios . . . . . . . . . . . . . . . . . . . . . . . 58
5.2.1 Representacin externa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2.2 Caso MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2.3 Representacin interna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2.4 Caso discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.3 Estabilidad Interna de Sistemas Estacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.3.1 Sistemas discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.4 El Teorema de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.5 Estabilidad Interna de Sistemas Discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.6 Estabilidad de Sistemas Inestacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.6.1 Estabilidad entrada/salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.6.2 Estabilidad interna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.6.3 Invariancia frente a transformaciones de equivalencia . . . . . . . . . . . . . . . . . . . 69
5.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.8 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
6 Controlabilidad y Observabilidad 72
7.8 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
7.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Introduccin
4
1. Introduccin 5
Para los sistemas lineales estacionarios es posible aplicar la transformada de Laplace, que es una herra-
mienta importante en anlisis y diseo (Control Automtico 1). Aplicando la transformada de Laplace a (1.4)
obtenemos la familiar representacin
#" /1
(1.7)
) *"RQGS +!+T
donde la funcin es la funcin o matriz transferencia del sistema. Ambas (1.4) y (1.7) son
representaciones ) externas; (1.4)
) en el dominio temporal, y (1.7) en el dominio frecuencial.
3. Wilson J. Rugh. Linear System Theory. Prentice Hall, 2nd edition, 1995.
Parciales: 40%
Trabajos Prcticos: 20%
Prctica Final: 20%
Coloquio Final: 20%
1.5 Calendario
13 Clase 3 14 15 Clase 4 16 17
2 2
20 Clase 5 21 22 Clase 6 23 24
3 3
1. Introduccin 7
10 Clase 11 11 12 Clase 12 13 14
4 4
17 Clase 13 18 19 Clase 14 20 21
5 5 Jueves santo Viernes santo
24 Clase 15 25 26 Clase 16 27 28
Mesas de abril Mesas de abril Mesas de abril Mesas de abril Mesas de abril
5 6
May 1 2 3 4 5
D. del Trabajador Primer parcial
8 Clase 17 9 10 Clase 18 11 12
6 6
15 Clase 19 16 17 Clase 20 18 19
6 7
22 Clase 21 23 24 Clase 22 25 26
7 7
5 Clase 25 6 7 Clase 26 8 9
8 8
12 13 14 Clase 27 15 16
Segundo parcial 8
19 Clase 28 20 21 Clase 29 22 23
8 9
26 Clase 30 27 28 Clase 31 29 30
9 9
8
2. Descripcin Matemtica de Sistemas 9
Kcd O O
;cJ O que la entrada para
Podemos pensar y las condiciones iniciales A determinan la evolucin del
sistema para
A .0,5^cJ O*egf A /1 !O ,EcR
O
A +!
del brazo de robot es finito-dimensional, puesto que el estado
El ejemplo en un instante cualquiera
de tiempo puede ser caracterizado completamente por un nmero finito de parmetros (en este caso, dos:
ngulo y velocidad angular).
Un ejemplo de sistema infinito-dimensional aparece en el problema de regulacin de la temperatura del
aula por medio de acondicionadores de aire. La temperatura aparece como una distribucin en todo el
volumen del aula, y su caracterizacin completa requiere un nmero infinito de datos (la temperatura en
todos los puntos del aula).
El trmino en tiempo continuo se refiere al hecho de que la variable es continua, en contraste al caso
de un sistema definido por una ecuacin diferencia
A
ih D%j "B A
ih DCFb/
A >
tenemos que
5D
Aq +!\D Ar .0,5^cJ O*e f A / q .O 5DM/ A r .0O ,EcJ
q r O (2.3)
+
s Ak .0,5^cJ O e f s A / k +!O 0,5cR sutv >
s k O (2.4)
Los sistemas no lineales, como el brazo de robot, no cumplen con el principio de superposicin.
tZv
y cada , tenemos que
+ D
A
0,5cJ O D ef A /H O D</ .0,5cR D >
r O (2.6)
Es decir, el sistema responde da la misma respuesta, corrida en tiempo, si se le aplica la misma entrada
corrida con iguales condiciones iniciales.
Un sistema que no cumple esta propiedad se dice inestacionario.
2.3. El sistema
Ejemplo
A[@ q ! " o
}> [A q . D o
}
A@ r ! . j
G
Ar .
."
o AA q +! D?/1 . (2.10)
r +!.
}~>
2.5 Linealizacin
La gran mayora de los sistemas fsicos son no lineales. Una clase importante de ellos se puede describir
por las ecuaciones de estado
A @ . "d A + !0,0/H+!0, A O 0 ,!4, A O ;" A O
!#" A + !0,0/H+!0, A O 0 ,!4, (2.11)
donde y son campos vectoriales no lineales, es decir, escrita en trminos escalares, la componente m de
A @ ! en (2.11) es
A @ k ."n k A q .0,>0>>, A ! / q .0,>0>>,0/ . 0 A q O 0,0>>0>, A O 0. Ak + O #" Ak O >
Este tipo de sistemas se trata en detalle en Sistemas No Lineales.
Una ecuacin de estado lineal es una herramienta til para describir sistemas como (2.11) en forma
aproximada. El proceso de obtencin de un modelo lineal a partir de uno no lineal se llama linealizacin.
La .linealizacin
A O /1 ! se realiza alrededor de un punto o trayectoria de operacin, definida por valores nomina-
les A , y que satisfacen (2.11),
A .0,5^cJ O*egf A O
/1 ! ,EcR O
Nos interesa el comportamiento de la /1 !ecuacin
X" /1 !no
D/0lineal
! (2.11)
A O " A O D A O para /0+! y A O suficientemente
para una entrada y estado inicial cerca-
nos a los valores^cJ O
nominales, es decir y
pequeos para . ." A +!D
correspondiente solucin permanece cercana a la nominal, y escribimos A
A +! para cada cJ O .
Suponemos que la
Asumiendo diferenciabilidad,
A ! y /H +! , reteniendo slo los trminos de primer orden. Notar que la expansin es en trminos
podemos expandir el lado derecho de esta ecuacin usando series de Taylor
/
alrededor de
de A y ; no se hace con respecto a la tercer variable .
Especificamos la operacin para la componente
AO A +! m , que queda 1
A O A . k A D A , /GDC/ ,.n k A , /H,.
A .
D A , /H,. A q D0 D k A ,
k /,! A
A[q A
D / A , /,! / q DM 0D / k
k A , /,! /
q
(2.12)
"j,>>0>0,
Repitiendo la operacin para cada m
Figura 2.5: Trayectoria de operacin y aproximacin
,
y volviendo a la notacin vectorial, obtenemos
A @ .5D A @ !;d A .0, /H .p\D A A , / ,! A #D / A , /H ,.0/0
x
donde la notacin representa el Jacobiano, o Matriz Jacobiana, del campo vectorial con respecto a A ,
x x >>0> x
x + x
x
> 0
> >
A >0 >>+>0> >>>0>>>0 >
x x >>0> x
+
@ +!^" A +!0, / .0,!4, A O ^" A O , ! / .
Dado que A la relacin entre A y (el modelo incremental) queda
aproximadamente descripto por una EE lineal inestacionaria de la forma
A @ .#"CB . A .5DMFb .0/ ! , A O #" A O <
A O
donde
B .;" A . 0, H/ .0,.,Fb .^" / A . 0, /1 . 0,.>
A
!;" A +!0,0/H+!0,!
De igual manera se expande la ecuacin de salida , de donde obtenemos la aproxima-
cin lineal
."%IK . A !5DCLN+!0/ .0,
.;" . ! ." A .0, H/ .0,.
donde
, con
y
IK .#" A +!0, / .0,!4,L: !;" / A +!0, / .0,!4>
A
obtenidas
Notar que las EE por linealizacin van a ser en general inestacionarias, an cuando las fun-
ciones originales y sean estacionarias, debido a que las matrices Jacobianas se evalan a lo largo de
trayectorias y no puntos estacionarios.
Ejemplo 2.4. Consideremos el pndulo invertido sobre un carro mvil de la Figura 2.6. Las ecuaciones de
movimiento son
/GD U @ r
V ]0_ ` U
VXW] _ ` UE ] U
Y " D VZ]0_ ` r U
@r
UY "
/l ] U
U V+]0_ ` Ul ] Ur DM V D W ] _ ` U >
D V] _ ` U
2. Descripcin Matemtica de Sistemas 14
U V
V:W
/
/"/ su
Consideramos ahora
O %} . No es difcil calcular la trayectoria nominal explcitamente mediante integra-
linealizacin alrededor una trayectoria nominal correspondiente a un valor cons-
tante de la entrada ! . .
cin directa, primero de A , luego Ar y finalmente Aq . Haciendo las cuentas obtenemos
W r D V O jD / O [ jD / O /O
A q +!;"
o / OK V \O V O
V O\
/
A r +!;"
W D j;D V O
O
A +!;" V DO C/ O >
1 Por simplicidad no escribimos la dependencia temporal de y .
2. Descripcin Matemtica de Sistemas 15
Las condiciones iniciales para las variables incrementales estn dadas por
}
A }" A }[
} >
V O
" j h
" V
1
ihN
V f } si
"
si h V
donde h y V son nmeros enteros. Notar que en el caso discreto los impulsos son fcilmente realizables
fsicamente. /
En un sistema lineal discreto toda secuencia de entrada
h puede representarse mediante la serie
/ " / V >
ih
1
ihP
V
,
Si W
ih V
denota la salida de una sistema discreto a una secuencia de impulsos aplicada en el instante
V , entonces tenemos que
1
ihN
V W
h , V
, / , /
1
ih V
V E W
h V
V (por homogeneidad)
, / W ,V / V >
1
ih V
V E
ih
(por aditividad)
2 Es decir, ponerse en correspondencia con los nmeros naturales.
2. Descripcin Matemtica de Sistemas 16
/
As la salida
ih excitada por la entrada i
h puede representarse mediante la serie
i
h " W
ih , V /
V > (2.13)
Si el sistema es causal no habr salida antes de que la entrada se aplique, por lo que
, "M} V
causalidad W
ih V para h .
ih " W i
h , V /
V ,
(
y si adems tenemos estacionariedad, entonces vale la propiedad de invariancia respecto de corrimientos
en el tiempo y llegamos a la representacin del sistema mediante la convolucin discreta
ih " W i
hN
V /
V " W
V / i
hN
V >
O O
2.7 Resumen
La matriz transferencia es racional sii el sistema es lineal, estacionario y de dimensin finita.
Las representaciones externas asumen condiciones iniciales nulas.
Los sistemas de dimensin infinita no pueden describirse en EE.
Mediante linealizacin, puede describirse el comportamiento de un sistema no lineal en forma aproxi-
mada mediante un modelo en EE incremental lineal.
La linealizacin se realiza alrededor de una trayectoria de operacin nominal conocida, y los modelos
incrementales obtenidos sern, en general, inestacionarios.
Los sistemas discretos tienen representaciones equivalentes a las de sistemas continuos mediante
series de convolucin, funciones transferencia en transformada , y EE diferencia.
A diferencia del caso continuo, los retardos puros no necesariamente dan lugar a un sistema discreto
distribuido.
2. Descripcin Matemtica de Sistemas 17
2.8 Ejercicios
+!
Ejercicio 2.1. A partir de la definicin de transformada de Laplace de
/H+!;"una] _ ` simple
usar ? }identidad
"C} @ }trigonomtrica
;"Rj como ayuda para encontrar una solucin nominal correspondente a
, , . Determinar una EE linealizada que describa el comportamiento del sistema
alrededor de esta trayectoria nominal.
Ejercicio 2.6. Linealizar la EE no lineal
j
A@ q + !;"
A r !
r
@A r + !;"n/1 ! A q !
}[;" A r }"dj /H ."C}
alrededor de la trayectoria nominal originada en A[ q ,y .
2.7. Para
Ejercicio la EE no lineal
[A @ q ! " Ar ! r
o A q ! r Ar !
A@ r ! .
[A q
.
5D A q .5D A r .5DM/H .
calcular las posibles soluciones constantes, a menudo denominadas estados de equilibrio, y las correspon-
dientes EE linealizadas.
2. Descripcin Matemtica de Sistemas 18
2"
ih "
h
O
probar que para un sistema lineal estacionario discreto 2#" W 2 /12
.
Captulo 3
Traza. Para una matriz cuadrada 8 , la traza es la suma de los elementos de su diagonal (en M ATLAB
trace(A))
4 5 B8" ( k k >
k q
B F BKF 4 5
BKF " 4 5
FB .
Si y son tales que es cuadrada, entonces
Determinante El determinante es otra familiar funcin escalar de una matriz cuadrada, 687 (M ATLAB
4 B
k)
k ) j k )
det(A)). El determinante puede evaluarse recursivamente mediante la expansin de
Laplace: j 9 jel
Sea
cofactor del elemento ( B , o sea el producto de
por el determinante de laj;submatriz
: :
obtenida de eliminar en la fila m y la columna ' . Entonces para cualquier m fijo, m ,
B8" k ) k ) >
67 4 ) q ( 9 (3.1)
1 Ojo con la transpuesta en M ATLAB cuando se trabaja con vectores o matrices complejos; representa la transpuesta conjugada, la
19
3. Herramientas de lgebra Lineal 20
Esta es la expansin sobre la fila m . Una expresin anloga existe para la expansin sobre una columna ' .
Vemos de (3.1) que el determinante no es ms que la suma de productos de los elementos de la matriz,
por lo B que F es una funcin matricial diferenciable
4 BKF^todas
;" las B;veces
4 que
F;" uno 4quiera.
pFB;
Si y son matrices P , entonces 687 687 4 67 67 .
q
yr
" j * " o o * v r.
Ejemplo 3.1. Consideremos los
A " vectores
jG * S
q
, rT . jGo
Como son LI, forman una base en
La representacin del vector
en las coordenadas es
* , que se obtiene de
3. Herramientas de lgebra Lineal 21
" Duo r
o sea que A puede escribirse como A
q .
q j
A " q r
o q j
" jo
" jj o
[j o j
! !
"
o , j
RTS
P
Q P U P
Q P
3.2.2 Ortonormalizacin
" * A " j A q * A r "
Un vector A de v est normalizado si F A F A A[q Ar
A r * A q "<} . Un conjunto de vectores Ak , m "nj,po~,0>K >0>0,
. Dos vectores y son ortogonales si
V , es ortonormal si
} " ,
A k * A) " f j si ml '
" >
si m '
S , ,>0>>0, T
S q ,j r un
Dado ,>0>>0conjunto
,j T de vectores LI q r , podemos obtener un conjunto ortonormal de vectores
usando el procedimiento de ortonormalizacin de Schmidt,
/q q / q F/qF ,
q
/r r
q* r q / r F/rF ,
> >0> r >0 >>
/
qq * / / >
I F F
DR" >>0> : D * DR"d
Si
q r D;D * es una matriz V , V , con todas sus columnas ortonormales, entonces .
Qu puede decirse entonces de ?
S q , r T verse fcilmente
Puede es una solucin. Con la base
del kernel de obtenida en el Ejemplo 3.2 podemos expresar la solucin general de (3.4) como
A " A D s qq D s rr
} j }
"
}! D s^q j j D s r o} ,
}
} j
donde s^q y sr pueden tomar cualquier valor en tZv .
A A son BC" ,
j j V vamos a encontrar el problema formulado en trminos de vectores fila,
A veces B * A * " * , donde
y . Puede tratarseB como " antes considerando el problema transpuesto .
En M ATLAB la solucin deB8A" puede obtenerse como x = A Y y. El smbolo Y denota divisin matricial
por izquierda. Para el caso A usamos la divisin matricial por derecha x = y/A.
B A " B
Teorema 3.3 (Sistemas cuadrados). Sea donde es cuadrada. Entonces
B A "nB q
B A "C} existe
1. Si es no singular
A "<una
} solucin nica para cada , dada por . En particular la nica
solucin de es .
B "R} B
2. La ecuacin homognea A B
tiene soluciones no nulas sii es singular. El nmero de soluciones
LI es igual a la dimensin del kernel de .
s qg s rg s g s . j #" D D r D D
B g
con el mismo polinomio caracterstico g ." ,0>>0>, *
En M ATLAB los autovalores de se calculan con la funcin r = eig(A), donde
lg q g ;
poly(r) da el polinomio caracterstico.
B Otro caso donde los autovalores (y el polinomio caracterstico) son particularmente evidentes es cuando
es diagonal,
q } } 0 }
g } } 0 }
g}r
B " }
8 g
0 } >
.. .. .. .. ..
}. }. }. 0 . .
g
B B
Pero, podemos siempre representar en forma diagonal? No siempre, depende de si tiene:
1. autovalores todos reales y distintos
2. autovalores complejos y distintos
3. autovalores repetidos
Analizamos cada caso.
B
Caso 1: autovalores de todos reales y distintos
S , ,0>>>0, T
B[
En este caso los autovectores correspondientes B[
B son LI. Usamos el conjunto de autovectores, q r ,
B q " q q
como base. Sea la representacin de en esta base. La columna 1 de es la representacin de
g en la base nueva,
p o
B q " q q " O
g
n m m m .
O..
B[ q }>0>>} * B " r r
y concluimos que la columna 1 de} } >
l>0g >~}
es . La columna 2 es la representacin de r g con
respecto a la base nueva, o sea
g r * . Siguiendo este procedimiento, llegamos a que
q } 0 }
g } 0 }
[ "
B8 g r >
.. .. .. ..
}. }. 0 . .
g
Concluimos que toda matriz con autovalores distintos tiene una representacin en forma diagonal (es diago-
nalizable).
B
Caso 2: autovalores de complejos y distintos
B
Cuando todos los autovalores son distintos, pero algunos son complejos, no podemos llevar a una forma
diagonal real B (aunque si compleja). "rq
Siendo real, los autovalores complejos aparecen siempre "n/G en pares conjugados g '=s , y dan lugar
a pares de autovectores tambinB complejos conjugados '10 .
En este caso se puede llevar a una forma real diagonal en bloques, para lo cual la nueva base se arma
con los autovectores reales, y las partes reales e imaginarias de los autovectores complejos. S , ,tq D
,q tq q ejemplo,
Por ,q tq r D si tenemos
,r wq r Tr autovalores reales
dos S q , y r dos
,/ q D paresq ,/ de 0
, / D
autovalores
, /
complejos, T g q g r q
'us
v'us 'us
v'=s con autovectores '10 q
v'10 q r '10 r r
v'10 r , formamos la
base
S q , r , / q , q , / r , r T;>
0 0
3. Herramientas de lgebra Lineal 26
B
En esta base la matriz tiene la representacin
q } } } } }
g } } } } }
g}r
[ " }
B8 q q
sq q
} } >
} } } }
} }
a} s q }
q
q r
} } } } sq r
as r r
o o
Hay un bloque de por cada par de autovalores complejos conjugados.
B
Caso 3: autovalores de repetidos
B
Este es un caso especial. Cuando tiene autovalores repetidos puede que no podamos llevarla a una forma
diagonal, pero siempreB se puede llevar a una forma triangular o diagonal en bloques.
Supongamos que t'v tiene un autovalor" ! g con multiplicidad , es decir, un slo autovalor repetido
veces. Para simplificar consideremos
B; .
Sabemos B; la matriz g
j,pes
que o~, singular. Ahora, caben las posibilidades de que el kernel (espacio
nulo) de g
tenga dimensin o! .
Si tiene dimensin ! , entonces sabemos que hay cuatro soluciones S independientes
, , , T (no nulas, pues la
nula es la solucin particular), correspondientes a una base del kernel q r .
s^q
B; A "<} x
g
A " q r ss r >
s
B S q, r, , T
j la base
En este caso hay ! autovectores independientes, y esB diagonalizable usando .
Veamos ahora el otro caso extremo, el kernel de tiene dimensin . En este caso slo podemos
encontrar una solucin independiente. Necesitamos tres vectores independientes ms para armar una base.
Una forma de lograrlo es usando el concepto de autovalores generalizados.
Un vector es un autovector generalizado de grado asociado al autovalor g si
B; <" } B; q M" }
g
y g
"dj " !
Si el problema se reduce al caso recin visto. Para definimos
B "J2B
g
g r
B J" 2B
r
g
g
B J" 2B >
q
g r
g
B
Estos "C} forman
vectores B r cadena
una "M} generalizados
"M} B de autovectores B; "<} de longitud 4, y cumplen las propiedades
g q ,
,g , , r ,
g y g
.
Los vectores q r LI por definicin, y cumplen con
B q "
g# q
B r " D
q g# r
B " r D
#g
B " D
g#
B S q, r, , T
As la representacin de con respecto a la base es
j } }
g} j }
y " } g} j >
} } g}
g
3. Herramientas de lgebra Lineal 27
y
! , en la base q r .
B , "dj,po~,~, S , , , T
Es fcil chequear que las columnas de son la representacin de k m
2B sellama
Esta matriz triangular bloque de Jordan de orden 4.
Si el kernel de
zg tiene dimensin S 2,
, entonces
T S/ ,/ hay
T S dosT cadenas
S/ ,/ ,de
/ T autovectores
S , , T generalizados
S[/ T cuya
longitudes sumadas dan 4. Pueden ser q r y q r , q y q r , q r y q . En este caso
la base se forma con los vectores B de las
dos cadenas.
Igualmente, si el kernel de
{g tiene dimensin 3, entonces hay tres cadenas de autovectores gene-
ralizados, etc. B D
En resumen, si tv tiene un autovalor g con multiplicidad 4, existe una matriz no singular tal que
B [ "ED q -B D
8
tiene una de las siguientes formas de Jordan
j } } } } } j } } } } } } } }
g} j } g} j } g} } } g} } } g} } }
} g} j } g} j } g} j } g} j } g} }
} } g} } } g} } } g} } } g} } } g}
g g g g g
La forma general a la que podemos llevar j j una matriz va a ser diagonal en
o o
bloques, donde los bloques pueden ser de para autovalores reales distintos,
para pares de autovalores complejos conjugados, y bloques de Jordan para
autovalores mltiples.
4 B " 67 4 D q B-[ DX" 687 4 D 687 4 D q 687 4 B [ . Como B [ es
La forma de Jordan puede usarse para establecer propiedades generales de
matrices. PorB [ ejemplo, 687
triangular, 687
4 es el producto de los autovalores,
4 B8" | k B;,
6 7 k q g
B
por lo que es no singular sii no tiene autovalores nulos. Camille Jordan
En M ATLAB podemos usarB [q,d] = eig(A) para calcular los autovalores (1838-1922)
y la base de autovectores si es diagonalizable (sino, Chen (1999) menciona
[q,d] = jordan(A), usable con restricciones, pero aparentemente disponible
solamente en las versiones de M ATLAB con el symbolic toolbox).
B decir, una matriz satisface su propio polinomio caracterstico. Sp,!BG,0>>0El r q T . Si multiplicamos (3.7) por B
>0,!B teorema
Es de Cayley-Hamilton implica
que se puede B q
escribir como una combinacin lineal de SBK,B ,>0>>0,B T
obtenemos que seS[puede ,!B q T como combinacin lineal de
p,!BK,>>0>0escribir , que a su vez se puede
escribir en trminos de B; .
B polinomio
En conclusin, todo } j puede expresarse, para apropiados ~ k , como una combinacin lineal
de las potencias de de a =
.
B;" D q BDM 0D q B q >
~ O ~ ~
B k
Si los autovalores g k de son todos distintos, los de g se pueden resolver del sistema de ecua-
ciones con incgnitas
k ;" k j k 5D k ;" k 4, " j,po~,0>>0>, >
R
g g g g g para m
B " j ^D
Si tiene autovalores repetidos, hay que derivar g g g g hasta obtener las ecuaciones
faltantes.
Queremos calcular B q O.O
Ejemplo 3.6. con
B8" } j
j o >
" q O.O B B
r de g g
j #"R D<elj problema
Planteamos
como
;"r q el D
clculo
O evaluado en . El polinomio caracterstico de es
g g . Sea g g . B " j
En el espectro (el conjunto de autovalores) de (dos elementos iguales en este caso, g
) tenemos
j #" j x j q O!O " q D O
f j #" j x j}[}= jtwK"r q ,
" j}[} O " ;" j}[}
& , o sea, g
q
y as concluimos que
,y
g
8 . Finalmente,
B q O!O "r q B D O
" j}[} } jo
j j}
& } j
"
jj }[&} j}}
j}?jN >
" k k
g k O ~ g
B
convergencia . Si todos los autovalores de
B;de
con radio tienen magnitud menor que , entonces podemos
definir como
B;" k B k >
k O ~ (3.8)
Esta definicin es en realidad equivalente a la anteriormente vista en el Teorema 3.5. No lo probamos, pero
mostramos un caso particular.
Ejemplo 3.9. Consideremos otra vez el bloque de Jordan del Ejemplo 3.8,
o q
o % O O
B8" OO<O o q o Oq >
O<O%O
3. Herramientas de lgebra Lineal 31
Supongamos que g tiene el siguiente desarrollo en serie de potencias alrededor de g q
"d q D< q q D o g q r
D 0
g g g g
g g
g q
Entonces
B;"d q 0~D<f q B q D o g q B r
D 0
g g
g
g q
;B "C} c " !
Por la propiedad de nilpotencia del bloque de Jordan, g
para h , la serie de potencias se
reduce inmediatamente a la expresin que sacamos en el Ejemplo 3.8.
} "J?D<B D
r BDM 0" B >
& o (EXP)
O h
}
En M ATLAB se calcula con la funcin expm(A),4 que implementa la expansin de Pad.
}
Usando (EXP) es fcil probar las siguientes dos propiedades de &
O "nH,
} ""} } ,
& & & &
} q "" } >
& &
} "/ }
Cmo probamos la tercera? En general & & & (por qu?).
Diferenciando trmino a trmino (EXP) obtenemos
3 } " q B
53 & j
q : h
B B
"M]
q h
" B
d B ,
q h
} "M B } "N } B
as tenemos que
& & & & .
4 Ojo no confundir con exp(A), que da la matriz de las exponenciales de los elementos de .
3. Herramientas de lgebra Lineal 32
`EZ (LYAP)
* * Eu * para todo .
Los autovalores de una matriz simtrica son todos reales, ya que para todo autovalor con autovector de
" * ,
1. el escalar (donde denota la transpuesta conjugada de ) es real (sea real o no),
y as
Toda matriz real simtrica es diagonalizable, es decir, el orden de su mayor bloque de Jordan es . Si no
lo fuera, es decir, si existiera un autovector generalizado de orden mayor que asociado a algn autovalor
repetido , tendra que verificarse que
,y
para algn (3.9)
(3.10)
Pero entonces
f t
(3.11)
debera ser nulo por (3.9) y no nulo por (3.10). Una contradiccin que prueba que no puede tener
*
bloques de Jordan de orden mayor que , y por lo tanto debe ser similar a una matriz diagonal: existe una
matriz Hb& no singular tal que J v , donde /b+8 es diagonal.
J
v "
* "
*
*
que implica que
* / y ; * . Toda matriz no singular con esta propiedad se llama ortogonal, y
sus columnas son vectores ortonormales.
Teorema 3.6. Para toda matriz real simtrica existe una matriz ortogonal tal que
J
v * o
JJ *
donde
, que son todos reales, en la diagonal.
es una matriz diagonal con los autovalores de
Una desigualdad importante para una matriz simtrica es la desigualdad de Rayleigh-Ritz, que dice
que para cualquier b
* *
*
donde y son respectivamente el menor y mayor autovalor de .
Teorema 3.7. Una matriz simtrica es definida positiva (semi-definida positiva) sii cualquiera de las si-
guientes condiciones se satisface:
1. Cada uno de sus autovalores es positivo (no negativo).
2. Todos sus primeros menores principales son positivos (todos su menores principales son no negativos).
3. Existe una matriz no singular
* .
< Nb+8 (una matriz singular < Jb+& , o una matriz < J / 8 , con
>=
J ) tal que < <
Una matriz simtrica es definida negativa (semi-definida negativa ) si es definida positiva (semi-
definida positiva).
Ejemplo 3.10. La matriz simtrica
w
w
es definida positiva si y slo si
w y w w ;
. Es semi-definida positiva si y slo si w
w ,y .
t t
,!$# / in * - / ,!$# * b
las matrices cuadradas
* y n * comparten los mismos autovalores positivos y slo difieren en el nmero
de autovalores nulos.
Supongamos que hay ? autovalores positivos de , y sea A@CB D8 . Entonces podemos ordenar
E
.EF +
+
Los valores singulares de la matriz son
G I HKJ ff++
*
Por el Teorema 3.7, para E existe una matriz ortogonal tal que
* * -NL
ZNM * MT
donde
es una matriz diagonal con los G en la diagonal. La matriz M es con los G en la diagonal.
Teorema 3.8 (Descomposicin en Valores Singulares). Para toda matriz /J / & , existen matrices or-
tonormales i y & tales que O / / P
G
+
G
+
. . .
. .. ..
.. ..
G +
. .. ..
*
.
O P 6
M H +
+
. . . . .
.. .. .. .. + ..
+
/ 8
donde G G
+ G .
3. Herramientas de lgebra Lineal 35
Los vectores en las columnas de y O Q-SR % & T T T & RVU 5 P W-SX % & T T T & XZY 5 son los vectores singulares izquierdos y
derechos respectivamente de .
Es fcil verificar comparando las columnas de las ecuaciones P OM y * O P M * que
t G \[f
* [ G t^] +f+f _
@`B D&
La descomposicin en valores singulares (SVD)6 revela muchas propiedades de la matriz . Por ejemplo, si
?es el ndice del valor singular positivo ms pequeo, entonces
1. el rango de es ? ,
2. los vectores EaF f+f+ son una base ortonormal del kernel de ,
3. los vectores "[ +f+ [ E son una base ortonormal de la imagen de ,
4. tenemos la representacin
bE G *
[
c
G d
kj G kl G
Los valores singulares representan precisamente las longitudes de los semiejes del hiper-elipsoide
fehg?ig
. La Figura 3.3 muestra el conjunto para una matriz con 1 p . d m
0.5
G
0
G G
0.5
1
1
0.5 1
0.5
0
0
0.5
0.5
1 1
Para no tener que resolver un problema de optimizacin con restricciones, calculamos gng a travs de G
* *
computando los autovalores de . El polinomio caracterstico de es
,!$# i * X-6,!$#
Las races de esta cuadrtica estn dadas por
J m
El radical puede escribirse de forma que su positividad es obvia. Eligiendo el signo positivo, y despus de un
poco de lgebra llegamos a
gnga J
J
(3.13)
De (3.13) se ve que
gnga G
A
@po$q&
La propiedad de que G es general, y ms an,
es mayor que la magnitud mayor de los autovalores de
para cualquier autovalor no nulo de b+&
G G
La norma espectral de una matriz en M ATLAB se calcula con norm(A).
Algunas propiedades tiles de la norma espectral de matrices:
gwgKgng,g?wg
g]gKg nTg Ngupg
g gKg ng,ug pT g
3.11 Resumen
En este captulo hemos repasado
Las definiciones bsicas relativas a vectores y matrices, traza, determinante, e inversa.
Bases y conjuntos ortonormales, independencia lineal, el concepto de norma, y el mtodo de ortonor-
malizacin de Schmidt.
Los resultados principales para la solucin de ecuaciones lineales algebraicas, y los conceptos de
imagen, rango y kernel de una matriz. En particular, la ecuacin
tiene solucin sii est en la imagen de .
!,X- (B @ !,b-
! b .
tiene solucin nica si
).
tiene infinitas soluciones si B @
3. Herramientas de lgebra Lineal 37
Transformaciones de similitud de matrices, que permiten representar una matriz en diferentes coorde-
nadas,
Formas diagonales y de Jordan, que muestran la estructura bsica de una matriz dada. No toda matriz
puede diagonalizarse, pero siempre se puede obtener la forma de Jordan (diagonal en bloques).
Funciones polinomiales de matrices y el teorema de Cayley-Hamilton, que dice que toda matriz satis-
face su polinomio caracterstico.
El polinomio mnimo, que es el polinomio de menor orden tal que b-
. Es siempre un factor
del polinomio caracterstico de la matriz (coincide con ste si no tiene autovalores repetidos).
Que una funcin de una matriz cuadrada, b puede definirse evaluando en el espectro de , y
por lo tanto, como una combinacin lineal de ??f+f?b (o de ??f+f? r n r
donde es el
orden del polinomio mnimo de ).
Diferenciacin e integracin de matrices, definida elemento a elemento.
La ecuacin de Lyapunov , que es una ecuacin lineal algebraica matricial que tiene
/
solucin nica b+ sii los autovalores de b+8 , y de E son tales que
, / /
f+ff +f+f .
*
Las formas cuadrticas , que son funciones escalares cuadrticas en los elementos del vector ,
donde puede tomarse como simtrica (o ser reemplada por `]
* ).
Que las matrices simtricas tienen siempre autovalores reales, y que son siempre diagonalizables.
Matrices simtricas definidas, y semi-definidas positivas, que son aquellas para las que * es
positiva, y no negativa, respectivamente.
La descomposicin en valores singulares de una matriz . Los valores singulares son la raz cuadrada
*
de los autovalores de .
, que es la inducida por la norma eucldea de vectores, y es el
La norma espectral de una matriz
mximo valor singular, de . G
3.12 Ejercicios
L-lZ S5 y L- S5
Ejercicio 3.2. Dados los vectores
* *
Swn v
b v , [ 0
39
4. Solucin de la Ecuacin de Estado y Realizaciones 40
Como la inversa de es y v " , como vimos en clases anteriores, finalmente arribamos a la solucin
de (4.4)
0tb
v S [ \ S (4.5)
La ecuacin (4.5) es la solucin general de la ecuacin de estado (4.4). Suele referirse como la frmula
de variacin de los parmetros.
La substitucin de (4.5) en la ecuacin de salida (4.3) expresa - t como 0
nSt-/
r
v r [ SzN
[ 0 t+ (4.6)
que evidencia la superposicin de la respuesta a entrada nula y la respuesta a condiciones iniciales nulas.
La solucin de la ecuacin de estado tambin puede calcularse en el dominio frecuencial haciendo la
transformada de Laplace de (4.2) y (4.3)1 y resolviendo las ecuaciones algebraicas obtenidas:
-
"b - E [ 5
T - /b- ] [ 5 6
[ +
Las frmulas (4.5) o (4.6) requieren la exponencial matricial . Como vimos, esta puede calcularse en
ms de una forma, entre otras,
1. Usando el Teorema 1 de la clase del 27 de marzo, evaluando { u= en el espectro de , y
calculando los coeficientes del polinomio matricial .
2. Encontrando la forma de Jordan de ] , usando la frmula explcita de (tambin vista el 27
de marzo), y despus haciendo E .
3. Como - \5 "iX , calculando la inversa de ib y antitransformando.
Ejemplo 4.1. Consideremos la ecuacin
Swb
0t
[ 0 t
Su solucin est dada por la ecuacin (4.5). Calculamos por el mtodo 3; la inversa de es
iX
^&a &X
&a &
La matriz es la antitransformada Laplace de X]b , que obtenemos expandiendo en fracciones
simples y usando una tabla de transformada Laplace (o en M ATLAB con el symbolic toolbox con la funcin
ilaplace).
: F ( : F (
: F
Nt u C
+ w
: F ( : F (
Finalmente, usando la frmula de variacin de los parmetros (4.5)
A w T v S T S[ S
Swb E + w
v - S 5 S0[ S
1 Clase del 8 de marzo.
4. Solucin de la Ecuacin de Estado y Realizaciones 41
4.1.2 Discretizacin
Una aplicacin directa de la frmula de variacin de los parmetros es la discretizacin de sistemas para
simulacin o diseo de controladores digitales.
[ - 5 [ S t -0t -
5
D/A s cIc ss F.F
RR
A/D
SwX]aSwSw]Sw [ 0 t
nSt-/0tSw+
Sw [ S w
Pretendemos obtener un modelo discreto en EE
asumiendo un bloqueador de orden cero a la entrada y
un muestreador a la salida.
El modelo discreto (4.7) es simple de obtener, pero inexacto inclusive en los instantes de muestreo.
Discretizacin exacta
Un modelo discreto exacto del sistema continuo puede obtenerse usando la frmula de variacin de los
parmetros que da la solucin general de la EE.
La salida del bloqueador de orden cero (D/A) se mantiene constante durante cada perodo de muestreo
hasta la prxima muestra,
[ S wb [ H [ - 5 para e _ = .
Para esta entrada seccionalmente constante, evaluamos el estado del sistema continuo en el instante de
muestreo n" ,
F *
-
S5 H ? - \ F * 3 F * S [ 0
* v F \ *
*
* *
S [ S 3 F \ * S [ - 5
v *
sr
*
* - 5 G [ - 5
v
4. Solucin de la Ecuacin de Estado y Realizaciones 43
[ - 5 (4.8)
donde
H *
H * ,T
H -
H
v
El modelo (4.8) da el valor exacto de las variables en n
Usando la igualdad
* *
.
v
_ , si es no singular podemos computar
con la frmula
r
+
Un mtodo mejor, que vale para toda , surje del siguiente resultado
Teorema 4.1 (Van Loan (1978)). Sean dados los enteros positivos tales que . Si definimos
la matriz triangular z
%
donde 8 , &
% ( ( y % 8 ( , entonces para
'
Sw S
w b
%
0 t donde Swb (
S
w
% (
SwX v S
Aplicando el teorema para vv obtenemos y .
La funcin M ATLAB [Ad,Bd] = c2d(A,B,T) calcula y de estas expresiones.
4.2 Ecuaciones de Estado Equivalentes
La descripcin en EE para un sistema dado no es nica. Dada una representacin en EE, un simple cambio
de coordenadas nos lleva a una representacin en EE distinta equivalente del mismo sistema.
Ejemplo 4.3. Sea el circuito RLC de la figura, donde , , y r . Como salida tomamos la
tensin en el capacitor.
Si elegimos como variables de estado la tensin
en la resistencia y la tensin en el capacitor, obte-
nemos la descripcin
EE
en
[
u u
Si en cambio elegimos las corrientes de lazo y u u
obtenemos
[
descripciones
Las dos en EE valen para el mismo circuito. De hecho puede verificarse que
es decir ^ o .
iX?++
Z b i
(4.9)
iX +
vlida para todo que no sea un autovalor de , podemos escribir (4.9) como
rb r-b
X +
-
Teorema 4.2 (Equivalencia a Estado Cero). Dos EE lineales y estacionarias fv- $
y v
son equivalentes a estado cero sii J y - , para ?1pff+
/ /
-
-nu
..
.
Ejemplo 4.4 (Equivalencia
algebraica equivalencia a estado cero). Los sistemas
SwX
Sw
[ 0t [ S w SwX
nSt- 1St
-SwbSt
son equivalentes a estado cero, ya que para ambos
y H , - / para todo , y por
ende, tienen la misma funcin transferencia, - = . No son, sin embargo, algebraicamente equivalentes
(tienen distinta dimensin).
Obviamente se requiere que la matriz sea no singular (lo que veremos sucede si el sistema es controlable).
Esta forma cannica tiene una relacin uno a uno con el polinomio caracterstico de , nb ,!$#
- + .
En M ATLAB la funcin [Ac,Bc,Cc,Dc] = canon(A,B,C,D,modal) genera la forma cannica mo-
dal y canon(A,B,C,D,companion) la forma cannica controlable.
4.4 Realizaciones
Como vimos, todo sistema lineal estacionario (invariante en el tiempo) puede describirse por una represen-
tacin entrada-salida con matriz transferencia
T -
[ +
y si el sistema es de dimensin finita, tambin por una representacin interna en EE
SwX]SwE
[ St
nSt-/Sw6
[ Sw+
4. Solucin de la Ecuacin de Estado y Realizaciones 47
trictamente) propias.
Teorema 4.3 (Realizabilidad). Una matriz transferencia es realizable es una matriz racional y
propia.
Demostracin. (
) Si es realizable, entonces existen matrices f-r
tales que
bNb i6
"!$#b ou ib++
Como vimos, una matriz transferencia es realizable sii es racional y propia. Vimos tambin (en
la prueba del teorema) una forma de obtener las matrices fv de la realizacin ( es ). En el caso
}
SISO esta forma es particularmente simple y se reduce a la forma cannica del controlador
SwX ...
.. .. .. .. Sw .. [ S w (4.11)
. . . . .
nSt- St (4.12)
para una funcin transferencia dada por
b
+
4. Solucin de la Ecuacin de Estado y Realizaciones 48
En el caso SIMO (una entrada y varias salidas) la forma es tambin simple; la nica modificacin en la
ecuacin (4.11) es en la ecuacin de salida
+ t
+ w w
nSt-
. . . .. Sw (4.13)
+
.. .. .. .
+
para , y la matriz transferencia es
w +
t +
..
+
.
b
+
La realizacin SISO (4.11)-(4.12), o la SIMO (4.11)-(4.13), pueden escribirse directamente por inspeccin
de la matriz transferencia .
El caso MIMO puede encararse como la superposicin de varios SIMOs,
[
t + / [
. t . + / . .
..
w [ /
. .. .. + . . . .
+ /
[
[
+ / .
[ /
..
[
[ [ / /
[
[
[
..
.
/
/
Si + es la realizacin de la columna $
8 ,
+f+f , de entonces una realizacin de
la superposicin es
+ [
. + . . . [
.. .. . .. .. .. . ..
.. . .. .. .. . ..
. . .
+ / /
/
[ /
[
[
{ / ..
+
/ ..
. .
/ [/
4. Solucin de la Ecuacin de Estado y Realizaciones 49
De forma similar, la realizacin de un sistema MIMO tambin se puede encarar, mutatis mutandis, como
la superposicin de varios sistemas MISOs subdividiendo la matriz transferencia por filas.
Ejemplo 4.7. Consideramos la matriz transferencia
b w v
F FF
F \ \: F : F *
(
* F FF (
u * F \: F * F
: *F
F *
( 0 : : F
: \
: F (
F( F
(4.14)
u
Realizamos la parte estrictamente propia de (4.14) por columnas.
F
[
( 0F : F *
nl
(
[
: F F m
: \
( F * F
l
Finalmente superponemos las realizaciones de las columnas de
para obtener su realizacin completa.
[
[
m
(4.15)
nl l [
u [
4.4.1 Realizacin Mnima
Notamos que estos mtodos de obtener una realizacin de una matriz transferencia (por columnas, por filas,
etc.) dan en general realizaciones de distintos rdenes.
Para toda matriz transferencia realizable existen siempre realizaciones de orden mnimo, llamadas reali-
zaciones mnimas. stas son entre s no slo equivalentes a estado cero, sino algebraicamente equivalentes.
Las realizaciones mnimas estn intrnsecamente relacionadas con las propiedades de controlabilidad y
observabilidad del sistema que estudiaremos en 6.
La funcin M ATLAB [Am,Bm,Cm,Dm] = minreal(A,B,C,D) lleva una realizacin dada f- de $
a una realizacin mnima.
para el que asumimos solucin nica para cada condicin inicial S v y cada entrada de control [ S w .
Antes de ir al caso ms general tratamos el sistema homogneo
SwbEaSt0t
(4.17)
0 S
t w con condicin inicial es
Swb 2S + (4.18)
SwbEaSt0t+
(4.19)
S
donde a wX& es una funcin continua de . Entonces para cada condicin inicial 0 v existe una nica
solucin w . S
Supongamos que tomamos un conjunto de condiciones iniciales ; Zb , S v 1+ff+ , que
S
darn soluciones = .4 Apilamos estas soluciones en una matriz i
#
S 0
tn = + ? & para cada .S S
4 La notacin $"&%('*)0 representa la solucin de (4.19) con condicin inicial $,&%,+^ ) .
4. Solucin de la Ecuacin de Estado y Realizaciones 51
S v - St 0 v -
/ # #
(
Ejemplo 4.9. Para el sistema (4.21) en el ejemplo anterior obtenemos
#
SwX 7 ( F 0w ; , y as
/
S v - v mv u
u C v m u
0 v ^
Como hemos visto, el mtodo usado en el caso estacionario no poda aplicarse para derivar la solucin
general de EE inestacionarias (esencialmente porque a w no conmuta con a
). S S
Hemos tambin definido
4. Solucin de la Ecuacin de Estado y Realizaciones 52
S v S 0 v S v v
/ / /
1 -Ea w + -/ (4.22)
StX"
/
(4.23)
S v - S v t
/ /
(4.24)
S v - S S v +
/ / /
(4.25)
SwX]aSwSw]Sw [ 0t
nSt -/0t Sw +
Sw [ Sw
(4.26)
/
S v b S v v v
S v + [ S
/
/
v v
Usando (4.22) y la regla de Leibniz,5 obtenemos
0 1 1
/
0 v v S [ S
/
tb 1 1 +
1
/
]aSw S v v 1 S *+ [ \S3 S w+Sw [ Sw
/ /
]aSw S v v aSt S * [ S3 StSw [ St
/ / /
]aSw St ]0t [ Sw +
/
nSt-/0t S v v r
/
0t S *+ [ \ S\+
Sw [ S t
La respuesta a entrada nula es
nSt-/0t S v v
/
nSt-A ?Sw 0+\6
Sw32Sn [ \ S
/
(4.28)
5 Clase del 27 de marzo 4 < 5;: %3>@?,3AB?
&%3>0?,"D C &%\ %3>0?" SC &%\& < 5=:
&%(>0?,3AG? .
4*5768&9 5=: 68&9 5;:FE 5
9 9 E
4. Solucin de la Ecuacin de Estado y Realizaciones 53
nSt-A
0 [ S (4.29)
Comparando (4.28) y (4.29) concluimos que la respuesta del sistema (4.26) a un impulso aplicado en el
instante est dada por
S * /
-/ w + S S
w32 +
S S
# #
/ w t + S S w32 T + \ \ +
S S
(4.30)
SwbEaSt0t+
St , o la solucin de la ecuacin
#
para obtener
1
1
S
/
v -EaSw 0 v
/
para obtener S v . Salvo para casos especiales, estas ecuaciones son difciles de resolver.
/
Sin embargo, estos casos especiales pueden ser tiles: es decir, si
1. La matriz aSw es triangular; como por ejemplo en
Sw w 0
t 0 t
Sw 0
t w 0t
S
w
Swz
En este caso podemos resolver la ecuacin escalar
t Sw Sw y substituir la solucin en la
ecuacin de ,
S wb
St St w Sw Sw+
2. La matriz aSw posee la propiedad conmutativa
aSt
\S
aS aSw
para todo y (como es el caso de v 0t diagonal o constante). Entonces puede probarse que la
solucin est dada por
b
2S I H J aS
S v b
/
cIv
es mucho ms simple que el caso en tiempo continuo. En forma similar definimos la matriz de transicin de
estados discreta como la solucin de
/
-
]
/
con
/ v 5 8- 5 - v 5
- v v 5
para
v v f+f Pero en este caso la solucin se obtiene en forma explcita como
/
- vS5 ]8- S5 n- 5&+ 8- v05 (4.32)
para
N v y / - v v5 " .
4. Solucin de la Ecuacin de Estado y Realizaciones 54
Notar: Dado que la matriz fundamental en el caso en tiempo continuo es no singular para todo , la matriz
de transicin de estados est definida para todo , y v = v
(lo que implica que podemos resolver la
- v 5
EE en tiempo invertido).
/
En el caso discreto, si la matriz es singular la inversa de no est definida, por lo que la contra-
partida discreta de la propiedad (4.25)
/
- v 5 - 5 - v 5
/ /
slo vale si
v.
La solucin general de la EE en el caso discreto es
/ b /
- 5 - v05 v - S5 - p5'[ - p5 6
C- 5V[ - 5
/c
4.6 Ecuaciones Inestacionarias Equivalentes
Definicin 4.3 (Equivalencia de EE Inestacionarias). Sea w una matriz S _ no singular y continua-
mente diferenciable para todo . Sea
w t . Entonces la EE S S
Sw Sw
SwX a
Sw [ 0 t
nSt- St Sw
Sw [ Sw (4.33)
donde
0tbL- SwtaSwT
Sw 5' fSt 0tb S w+Sw
a 0 tbNSw Sw
0 tb
0 t
se dice (algebraicamente) equivalente a la EE (4.26) y w es una transformacin de equivalencia. S
No
#
S #
es difcil ver que si t es una matriz fundamental del sistema original (4.26), entonces t 0
S S
#
t w es una matriz fundamental del sistema (4.33).
Una propiedad interesante en el caso inestacionario es que es posible llevar al sistema a una forma
S
equivalente donde a t sea constante.
Teorema 4.4 (Transformacin a matriz de evolucin estacionaria). Sea una matriz iE constante v
cualquiera. Entonces existe una transformacin de equivalencia que lleva (4.26) a (4.33) con wbE . S v
#
S #
Demostracin. Sea w una matriz fundamental de tva w t , y definamos t t . En-
S S S 0 0
tonces,
Swb S tw0t St St
a
#
w0t v Sw Sw Sw
# # #
(4.34)
Sw # 0 t
Como
St S wX
# # #
(4.35)
que sigue de derivar St S wX/ , el reemplazo de (4.35) en (4.34) muestra que
# #
a SwbE v S w 0t ] v
# #
Una representacin considerablemente ms simple, aunque necesitamos conocer una matriz fundamental
del sistema original para obtenerla.
Es fcil ver usando (4.30) que la respuesta al impulso inestacionaria es invariante con respecto a trans-
formaciones de equivalencia.
Sin embargo, y a diferencia de lo que pasaba en el caso estacionario, las propiedades de la matriz de
S
evolucin del sistema a w pueden cambiar drsticamente con una transformacin de equivalencia!
Esta es una excepcin donde el caso estacionario no es un caso particular del caso inestacionario (nunca
S
vamos a poder transformar la matriz a w en la matriz nula con una transformacin de equivalencia estacio-
naria).
4. Solucin de la Ecuacin de Estado y Realizaciones 55
nSt-A
0 [ S
Si el sistema es de dimensin finita tiene representacin en EE. Vimos en (4.30) que de la representacin
en EE (4.26) la respuesta al impulso est dada por
S *-/Sw # St # \+\+
Sw32ST+ para , (4.36)
Si 0
Sw - < Sw [ 0t
-Sw -Sw Sw 6
St [ Sw
efecto, si aSw a
entonces Sw es una matriz fundamental y
#
es una realizacin del sistema. En
Sw + <
N
St (2ST - S .
Ejemplo 4.10. La respuesta al impulso Swb> u= , o S *-
S -NS u S , puede factorizarse
como
S *-
u u hu0h u
4. Solucin de la Ecuacin de Estado y Realizaciones 56
4.8 Resumen
En este captulo:
Obtuvimos la solucin general de la ecuacin de estado para sistemas lineales estacionarios, conocida
como frmula de variacin de los parmetros.
Aplicamos la frmula de variacin de los parmetros para obtener la discretizacin exacta de un sistema
con un bloqueador de orden cero a la entrada y un muestreador a la salida.
Vimos que sistemas cuyas representaciones en EE estn relacionadas a travs de un cambio de coor-
denadas no singular son equivalentes.
Equivalencia a estado cero de EE, que implica que dos representaciones en EE tienen la misma matriz
transferencia, aunque no necesariamente sean algebraicamente equivalentes.
Algunas formas cannicas tiles de EE: modal, controlable y del controlador.
El problema de realizacin, que consiste en obtener una descripcin en EE dada una matriz transfe-
rencia racional y propia.
La realizacin de una matriz transferencia en forma cannica del controlador es particularmente simple
para los casos de una entrada.
Esta simplificacin es til para subdividir la realizacin de una matriz transferencia con varias entradas
(columnas) superponiendo las realizaciones de cada columna.
La teora de realizacin vista se aplica sin modificaciones a sistemas en tiempo discreto.
Primera conclusin en la solucin de la EE para sistemas lineales inestacionarios: el mtodo usado
para derivar la solucin en el caso estacionario no sirve.
#
Para la solucin general definimos la matriz fundamental w , formada apilando soluciones LI del S
/
sistema, y la matriz de transicin de estados ;
# #
S v
t , que en el caso estacionario se S S v
reduce a . Continuar f+
Mostramos la frmula de la solucin general de la EE lineal inestacionaria, utilizando la matriz de
/
S *
transicin definida en la clase pasada.
/
Una dificultad en el caso inestacionario es el cmputo de , que es difcil salvo casos especiales S *
S
como los de a w triangular, diagonal o constante.
Para sistemas discretos
/
- v05
s se puede calcular explcitamente (la solucin en tiempo discreto es
vlida en la direccin positiva del tiempo).
Vimos transformaciones de equivalencia (algebraica) inestacionarias. Estas llevan el sistema a una
forma con la misma descripcin entrada-salida, pero en la que la matriz t puede tener propiedades 0
muy distintas.
La respuesta al impulso de un sistema inestacionario es realizable sii
S * admite una factorizacin
simple que separa la dependencia en y .
4. Solucin de la Ecuacin de Estado y Realizaciones 57
4.9 Ejercicios
Ejercicio 4.1. Utilizando la regla de Leibniz para derivar expresiones integrales,6 verificar que (4.5) satisface
(4.2) con estado inicial .
Ejercicio 4.2. Probar que los sistemas descriptos por EE equivalentes tienen la misma funcin transferencia.
casos de la matriz ,
4.3. Para los siguientes
Ejercicio
8 l
m
obtener una expresin de la respuesta a entrada nula, wX] w , y dibujar en forma cualitativa el diagrama
S S
S S
de fases ( w versus w ). Cmo es la respuesta a condiciones iniciales sobre las direcciones de los
autovalores de ?
Verificar los diagramas obtenidos mediante simulacin numrica con un conjunto de distintas condiciones
iniciales en el marco de la ventana , .
(Los diagramas corresponden a los tipos de sistemas de segundo orden conocidos respectivamente como
nodo, nodo degenerado, foco y ensilladura.)
Ejercicio 4.4. Terminar los detalles de la demostracin del Teorema 4.3.
Ejercicio 4.5. Hallar una realizacin para la matriz transferencia
b wFF : F \w F\ : F
Ejercicio 4.6. Hallar una realizacin de cada columna de en el ejercicio anterior por separado, y des-
pus conectarlas en un solo modelo en EE. Son las realizaciones obtenidas equivalentes?
Ejercicio 4.7. Hallar una realizacin de cada fila de en el ejercicio anterior por separado, y despus
conectarlas en un solo modelo en EE. Cmo se compara la realizacin obtenida con las de los ejercicios
anteriores?
/
Ejercicio 4.8. Probar que la matriz de transicin satisface las siguientes propiedades S v
/
S v
1. es la nica solucin de la ecuacin diferencial matricial
/
0 v braSw S v S v v b"
/ /
Stb ,
/
2.
S v - S v t ,
/ /
3.
4. S v - S S v .
/ / /
S v - t S v / SS vv
/ /
/
t
para todo v , donde K S v -] S v para .
/ /
K
Ejercicio 4.11. Llevar un sistema estacionario +vX a
S w+ S w mediante una transformacin de
equivalencia inestacionaria.
Ejercicio 4.12. Encontrar una realizacin inestacionaria y una estacionaria de la respuesta al impulso
S t-
= .
6 Clase 27/03/00.
Captulo 5
Estabilidad
5.1 Introduccin
La estabilidad de un sistema puede pensarse como una continuidad en su comportamiento dinmico. Si
se presenta un cambio pequeo en las entradas o condiciones iniciales, un sistema estable presentar
modificaciones pequeas en su respuesta perturbada.
St
Estable
Sw
v
v Inestable
En un sistema inestable, cualquier perturbacin, por pequea que sea, llevar estados y/o salidas a
crecer sin lmite o hasta que el sistema se queme, se desintegre o sature.
La estabilidad es un requerimiento bsico de los sistemas dinmicos destinados a realizar operaciones o
procesar seales, y es lo primero que debe garantizarse en el diseo.
Estudiaremos la estabilidad de sistemas estacionarios e inestacionarios por separado, empezando por
los primeros.
nSt-A 0T [ SA
v v [ 0 S (5.1)
[ Sw N R para todo .
58
5. Estabilidad 59
S
Demostracin. Supongamos que t es absolutamente integrable. Sea [ St una entrada arbitraria acotada,
[ S R
es decir, w Z para todo . Entonces
-Sw v [ S0
+ v 4 [ ST
R v H \
N
R _
el sistema es BIBO.
N
Supongamos ahora que Sw no es absolutamente integrable, es decir que existe algn tal que
%
v _
}
Consideremos la entrada acotada
[ S
-ML
si
si =
La salida del sistema para esta entrada y n es
%
nS -A
v % [ SS
v ^ }
el sistema no es BIBO.
9
para SR .
Teorema 5.2 (Estabilidad BIBO y respuesta en rgimen permanente). Si un sistema con respuesta al im-
S
pulso w es estable BIBO, entonces cuando }
1. La salida correspondiente a una entrada constante [ Stb , para , tiende a la constante .
2. La salida correspondiente a una entrada sinusoidal [ Sw x!,D v , para C
v x!,8D 0 v UT v ? . , tiende a la sinusoide
Demostracin.
1 Bounded Input Bounded Output.
5. Estabilidad 60
1. Si [ S tb para todo , entonces
-Sw-A
v
[ SS _ \S
v
y as V
v H S^ v H
B@ -SwX
XW
H
cIv
2. Si [ Stb+x!,D v , para
, entonces
-Sw-A
v x^!,DY v S 0
A .- x^!,Z
D v ! v 3x!,DZ v
x x v 5
v $
+x^! D v v [x v x! v v x!,DY v w (5.2)
a cx T n x^!,dD T +
Finalmente de (5.2), cuando }
-Sw x!, D v v H x v w !x v h v H x^! ZD v w
x^!,Z D v e.! v !x v c fk@ $ v
v - x^! D v xgT v
x v x^! DhT v 5
v x^!,8D v
iT v +
El teorema anterior es bsico; especifica la respuesta de un sistema BIBO a seales constantes y sinu-
soidales una vez que los transitorios se extinguen. Esta es la base del filtrado de seales.
El resultado siguiente establece la estabilidad BIBO en trminos de funciones transferencia racionales y
propias.
Teorema 5.3 (Estabilidad BIBO para funciones racionales y propias). Un sistema SISO con una funcin
transferencia racional y propia es BIBO estable si y slo si todos los polos de tienen parte real
negativa.
Si tiene un polo en con multiplicidad , es claro que su expansin en fracciones simples incluir
los trminos
f+ff
/
La transformada de Laplace inversa de la respuesta al impulso del sistema relajado incluir com-
binaciones lineales de las exponenciales
?ff+f / t
Es fcil chequear que todos estos trminos sern absolutamente integrables si y slo si pertenece al
semiplano (abierto, sin incluir al eje ) izquierdo del plano complejo.
5. Estabilidad 61
Ejemplo 5.1. Sea el sistema en realimentacin positiva de la Figura 5.1 que incluye un retardo unitario,
, y una ganancia esttica de valor . El sistema es de dimensin infinita, puesto que incluye un retardo,
[ 0
y no tiene funcin transferencia racional. Cuando la entrada es un impulso, tj2 w , la salida est dada S
por
b
Swb 2S 2ST + H 2 ST
2S
c
Podemos considerar los impulsos como positivos, con lo que 0 t jk c 2S , y as
H
b }mm
v H Sw -IH l m m =+} si =/ .
si
L
c
Concluimos que el sistema es BIBO estable si y slo si
=Z .
[ +
+
,!$#ib o b+i6
y as si todos los autovalores de tienen parte real negativa, todos los polos de tendrn parte real
negativa, y el sistema ser BIBO.
No obstante, no todo autovalor de es un polo de , ya que puede haber cancelaciones entre ceros y
polos al computar . As un sistema puede ser BIBO estable aunque algunos autovalores de no tengan
parte real negativa.
El sistema
Ejemplo 5.2.
Sw
St [ Sw
nSt- pS w- [ Sw+
a pesar de tener un autovalor con parte real positiva en , es BIBO estable porque su funcin transfe-
rencia
-Nb++
N
p
tiene su nico polo en ;" .
5. Estabilidad 62
5 b b
- nH .- p5'[ - p
p5 5 oH .- p5'[ -
c/ Iv c/ Iv
- 5 es la secuencia respuesta a un impulso discreto aplicado en el instante
donde . .
Resumimos los resultados principales en los siguientes teoremas.
- 5
-2 - 5Z5 - 5
Teorema 5.4 (Estabilidad BIBO discreta). Un sistema discreto MIMO con matriz respuesta al impulso
es estable BIBO si y slo si cada es absolutamente sumable, es decir,
b 5 N
cIv = }
.
- H
Teorema 5.5 (Respuesta en rgimen permanente discreta.). Si un sistema discreto con respuesta al im-
pulso .- 5 es estable BIBO, entonces, cuando } ,
1. La salida excitada por [ - 5
, para , tiende a .
2. La salida excitada por [ - 5 x!,Z
D , tiende a x^! &D v qT ? , donde - es
p , para
la transformada r de .- 5 ,
b
- XsH .- pX5 - /
/ chv
Teorema 5.6 (Estabilidad BIBO para funciones racionales y propias). Un sistema discreto MIMO
triz transferencia racional y propia - - - 5 es BIBO estable si y slo si todo polo de - tiene
con ma-
magnitud menor que .
Notar: Que en el caso de tiempo continuo las funciones absolutamente integrables pueden no ser aco-
}
tadas, o no tender a cuando
. En el caso de tiempo discreto, si
entonces debe necesariamente ser acotada y aproximarse a cuando .
es absolutamente sumable
} - 5
- 5 , para
- 5
Ejemplo 5.3. Sea un sistema discreto estacionario con respuesta al impulso ,y
- 5
. Analizamos si es absolutamente sumable,
b
H cIv .- 5
m
m
+
j
+
l +
}
La secuencia de la respuesta al impulso es acotada pero no sumable, por lo tanto el sistema no es BIBO.
La estabilidad interna describe las propiedades de convergencia de las trayectorias a puntos de operacin
o de equilibrio del sistema.
5. Estabilidad 63
Sw St?
Definicin 5.2 (Punto de Equilibrio). Un punto de equilibrio de un sistema en EE es un
vector constante tal que si n , entonces tb para todo .
S
La definicin de punto de equilibrio vale para sistemas no lineales, que pueden tener varios. Para sis-
temas lineales, salvando los casos en que la matriz tenga autovalores nulos, existe un solo punto de
equilibrio: el origen.
Ejemplo 5.4. Sean los sistemas
Swb
Sw -
S5
- 5 SwXNx^!,DSw
u
En el primer sistema la matriz tiene un autovalor nulo, por lo que tiene un kernel no trivial generado por el
- S5
vector p ut . La direccin definida por es un conjunto de equilibrio.
En el segundo sistema, los equilibrios estn definidos por los tales que , es decir, - 05 - 5
i . Como la matriz es no singular, el nico equilibrio
v
es u t
xw .
0 +x^! D - 5
El tercer sistema es no lineal. Haciendo tb obtenemos , donde f+f .
Para los sistemas lineales que tratamos en la materia, interesa un equilibrio nico y estable en el origen.
ste ser un equilibrio en cualquier representacin en EE equivalente del sistema.
Definicin 5.3 (Estabilidad en el sentido de Lyapunov). El (equilibrio del) sistema t w es esta-
S S
ble en el sentido de Lyapunov, o simplemente estable, si toda condicin inicial finita origina una trayectoria
acotada.
Definicin 5.4 (Estabilidad Asinttica). El sistema tN t es asintticamente estable si toda condi-
S S
cin inicial finita origina una trayectoria acotada que adems tiende al origen cuando . }
Definicin 5.5 (Inestabilidad). El sistema 0tb]St es inestable si no es estable.
Para sistemas del tipo (5.3) la estabilidad queda determinada por los autovalores de .
Teorema 5.7 (Estabilidad Interna). El sistema
0tb]St es
1. estable en el sentido de Lyapunov si y slo si todos los autovalores de tienen parte real no positiva,
y aquellos con parte real cero estn asociados a un bloque de Jordan de orden de .
2. asintticamente estable si y slo si todos los autovalores de tienen parte real negativa.
Demostracin. Notamos primero que la estabilidad de una EE no ser alterada por transformaciones de
equivalencia algebraica, puesto que en w S
w , donde es una matriz no singular, si t es acotado S 0
0 0 S
S
tambin lo ser t . Y si t tiene a cero, tambin lo har w .
En el sistema transformado es w3 w , donde b tiene los mismos autovalores que . S
Sean f+ff son los autovalores de b& con multiplicidad
k
/ . ? /c ?
Sea la transformacin de equivalencia que lleva el sistema a su forma cannica modal, o sea que es
diagonal en bloques,
+
+
. . + .
.. .. .. .. ..
. .
+ /
5. Estabilidad 64
;y ;y E E
donde el bloque es el bloque de Jordan asociado al autovalor .
S S
La solucin de wX w es wX dz , donde dz tambin es diagonal en bloques S
%
+
(
+
9 +
z . .
.. .. .. .. ..
. . .
+ U
Como vimos, cada y involucra trminos con las exponenciales y y y , etc., dependiendo de u
la multiplicidad de . Es claro entonces que la respuesta del sistema slo puede ser acotada si ningn
autovalor tiene parte real positiva y todos los autovalores con parte real nula estn asociados a bloques de
Jordan de orden .
Para que el estado converja asintticamente al origen, es necesario que todos los autovalores tengan
parte real estrictamente negativa.
Ejemplo 5.5. Sea el sistema
Swb
0t+
Tiene un autovalor doble en y uno simple en . Como el autovalor nulo est asociado a dos bloques de
Jordan de orden , concluimos que el sistema es estable en el sentido de Lyapunov.
El sistema
Swb
0t+
sin embargo, tiene los mismos autovalores, pero esta vez el autovalor nulo est asociado a un bloque de
Jordan de orden , y por lo tanto el sistema es inestable.
Como ya discutiramos, todo polo de la matriz transferencia del sistema
bNb++
debe ser un autovalor de , por lo que estabilidad interna implica estabilidad BIBO.
Sin embargo, no todo autovalor de aparecer como polo de , por lo que estabilidad BIBO no implica
estabilidad interna.
w- w- 5
Las definiciones de estabilidad en el sentido de Lyapunov y asinttica son las mismas para sistemas en
tiempo discreto S5
E . El teorema 5.7 se reformula de la siguiente forma.
Teorema 5.8 (Estabilidad Lyapunov para sistemas discretos). El sistema - S5 ]-
5 es
1. estable en el sentido de Lyapunov si y slo si todos los autovalores de tienen magnitud no mayor que
, y aquellos con magnitud igual a estn asociados a un bloque de Jordan de orden de .
2. asintticamente estable si y slo si todos los autovalores de tienen magnitud menor que .
Teorema 5.9 (Teorema de Lyapunov). La matriz es Hurwitz si y slo si dada cualquier matriz simtrica y
<
definida positiva , la ecuacin de Lyapunov
Demostracin. (
) La ecuacin (5.4) es un caso especial de la ecuacin de Lyapunov
`EZ
que viramos en la clase del 27 de marzo, con Z t , rJ , y H . Como y t tienen los mismos <
autovalores, si es Hurwitz no hay dos autovalores y tales que
. As, por lo visto en 3, la
ecuacin de Lyapunov es no singular y tiene una solucin nica para cada . <
Postulamos la siguiente candidata a solucin
A H 7{= <
v (5.5)
A H
7{= < 0~
v }|
{ <; H cIv
V < N <
donde hemos usado el hecho de que puesto que B@ es Hurwitz. As mostramos que en efecto
de (5.5) es solucin de la ecuacin de H Lyapunov (5.4).
De (5.5) se ve tambin que si es simtrica, tambin lo es < . Factoricemos < < t < donde < es una
matriz no singular, y consideremos
ctN H ct { < t
<
nA H
v v g < ig (5.6)
<
Como y son no singulares, para cualquier no nulo el integrando de (5.6) es positivo para cada . Es
decir, t
para todo , y concluimos que es definida positiva.
<
(
) Mostramos que si y son definidas positivas entonces es Hurwitz. Sea un autovalor de
+
y
el autovector correspondiente, es decir, - . Tomando la traspuesta conjugada obtenemos
t = . As, de (5.4)
< t _
/ ]e.! b (5.7)
Como los trminos y $< son reales y positivos, como viramos en el 3, (5.7) implica que e.! =
y muestra que es Hurwitz.
5. Estabilidad 66
A H { <
v
5.5 Estabilidad Interna de Sistemas Discretos
#
La contrapartida discreta de la ecuacin general de Lyapunov ]E Z vista en el Captulo 3 es
#
N- (5.8)
#
donde las matrices e son respectivamente X y y las matrices y son b . De forma similar
al caso visto,2 la ecuacin (5.8) es una ecuacin lineal en que puede reescribirse en la forma .
#
Si es un autovalor de y un autovalor de , la condicin para que exista una solucin nica de
(5.8) es que
para todo l (5.9)
Puede verse intuitivamente como surge esta condicin. Sea un autovector derecho (vector columna ) [
asociado al autovalor de ; o sea,
# #
[ [
. Sea un autovector izquierdo (vector fila ^ ) asociado al
autovalor 8 de ; o sea, E .
Si pensamos a la ecuacin (5.8) en trminos de la funcin matricial
#
H
la ecuacin se reduce a -Z . Evaluando en la matriz 1 , tenemos que [
[
n 1
#
1 [
" =8
1 [ [
por lo que lo 8
son autovalores de (5.8). Si
, entonces existe una solucin nica de la f
ecuacin -/ . De otro modo, pueden o no existir soluciones.
Volvemos entonces ahora a la condicin de estabilidad para el sistema discreto r . - S5 - 5
Teorema 5.11 (Teorema de Lyapunov Discreto). Todos los autovalores de la matriz b& tienen mag-
nitud menor que si y slo si dada cualquier matriz simtrica y definida positiva , o t , donde < < < w<
< /
& con E tiene la propiedad =
<
<
ao"DB ..
.
<
/ &
2 En la clase del 27/03/2000.
5. Estabilidad 67
nSt-A
0 [ S
decimos que el sistema es BIBO estable si toda entrada acotada produce una salida acotada.
La condicin necesaria y suficiente para estabilidad BIBO es que exista una constante finita tal que
para todo y todo , , v K v
g S *$gJ_
5.6.2 Estabilidad interna
S S S
Como en el caso estacionario, la ecuacin w3 a w w es estable en el sentido de Lyapunov si toda
condicin inicial genera una respuesta acotada. Como la respuesta est gobernada por
Swb S v S v
/
concluimos que la respuesta es Lyapunov estable si y slo si existe una constante finita tal que para todo
v K v
y , ,
g S v $gZ = }
/
(5.12)
La ecuacin Sw v"0tSw
es asintticamente estable si la respuesta generada por toda condicin inicial
es acotada y adems tiende a cero cuando }
. Las condiciones de estabilidad asinttica incluyen (5.12)
y adems
/
g S v $g
cuando .
}
Como en el caso inestacionario la respuesta depende del tiempo inicial , interesa caracterizar la es- v
tabilidad del sistema de como una propiedad independiente de . As surgen las nociones de estabilidad v
uniforme y estabilidad asinttica uniforme.
5. Estabilidad 68
SwbEaSt0t+
S v b v
es uniformemente estable si existe una constante finita positiva tal que para cualquier v y v la solucin
correspondiente satisface
g?Strg ?g v gu L v (5.13)
Notar que como la ecuacin (5.13) debe satisfacerse en n , la constante debe ser mayor que . v
El adjetivo uniforme se refiere precisamente a que no debe depender de la eleccin del tiempo inicial,
como se ilustra en la Figura 5.2.
"
Z3 Z
X X
Figura 5.2: Estabilidad uniforme.
S7 ]
]
( F 0 F (
wb 0 v (5.14)
v
Es fcil ver que para un fijo, existe un tal que (5.14) es acotada por para todo , dado que el g vg 8 v
C
trmino domina en el exponente cuando crece.
Sin embargo, la ecuacin de estado no es uniformemente estable. Con un estado inicial fijo, conside-
v
remos
w
la secuencia ]
xw
, con v
1+ff , y los valores de las correspondientes soluciones evaluadas
segundos ms tarde:
w
p b
X F \ u v
Claramente, no hay cota del factor exponencial independiente de , o sea que va a depender forzosamente
de , y as del tiempo inicial . v
Definicin 5.7 (Estabilidad Exponencial Uniforme (EEU)). La ecuacin
SwbEaSt0t+
S v b v (5.15)
es uniformemente exponencialmente estable si existen constantes finitas positivas tales que para cual-
v v
quier y la solucin correspondiente satisface
g?Strg X u ?g v gu L v
Nuevamente,
, y el adjetivo uniforme se refiere a que y son independientes de v , como se
ilustra en la Figura 5.3.
Teorema 5.13 (EEU para a w acotada). Supongamos que existe S g S $g
tal que a w para todo .
Entonces la ecuacin lineal (5.15) es uniformemente exponencialmente estable si y slo si existe
tal
que
g / S G $ gu G para todo , .
5. Estabilidad 69
g? v g
g? v g
gSw$g g Sw$g
v v
Figura 5.3: Estabilidad exponencial uniforme.
S v S 0 v
/ /
1 -Ea w
y es por lo tanto la matriz de transicin de estados del sistema (5.16). Como la entrada
t de t crece S 0
en forma ilimitada con , el sistema no puede ser asintticamente o Lyapunov estable.
A diferencia del caso estacionario, los autovalores de t no son tiles para chequear estabilidad. 0
5.6.3 Invariancia frente a transformaciones de equivalencia
En el caso inestacionario las propiedades de estabilidad, determinadas por los autovalores de , son inva-
riantes frente a transformaciones de equivalencia.
En el caso inestacionario sabemos que esta propiedad no se conserva, ya es posible llevar la matriz a w S
a una matriz constante arbitraria mediante una transformacin de equivalencia inestacionaria t . 0
S
No obstante, para ciertas t , es posible hacer que las propiedades de estabilidad sean tambin inva-
riantes en el caso inestacionario.
Definicin 5.8 (Transformacin de Lyapunov). Una matriz { w que es continuamente diferenciable S
e invertible en cada se llama transformacin de Lyapunov si existen constantes y tales que para todo
g S trg
"!$# Sw (5.17)
Una condicin equivalente a la (5.17) es la existencia de una constante tal que para todo
g S trg g 0t$g
5. Estabilidad 70
5.7 Resumen
Hemos introducido los primeros conceptos de estabilidad de sistemas estacionarios, comenzando por
la estabilidad entrada-salida BIBO: entrada-acotada/salida-acotada.
Vimos que un sistema es BIBO estable si y slo si
su respuesta al impulso es absolutamente integrable (sumable, para sistemas discretos), o
si su funcin transferencia (en discreto - ) es racional y propia, todos los polos de
tienen parte real negativa (los polos de - tienen magnitud menor que ).
Los sistemas MIMO son BIBO estables si y slo si todos los subsistemas SISO que conectan las
diferentes entradas y salidas son BIBO estables.
La respuesta en rgimen permanente de un sistema BIBO a una entrada sinusoidal de frecuencia v
es sinusoidal de la misma frecuencia, y con magnitud y fase dadas por el la magnitud y fase de la
funcin transferencia del sistema evaluada en ^ (-
en sistemas discretos. v
Definimos estabilidad interna para un sistema con entradas nulas. Definimos estabilidad segn Lyapu-
nov, y estabilidad asinttica.
La condicin necesaria y suficiente para estabilidad segn Lyapunov es que la matriz en {Z no
tenga autovalores con parte real positiva, y para aquellos autovalores con parte real nula, que no estn
asociados a un bloque de Jordan de dimensin mayor que .
La condicin necesaria y suficiente para estabilidad asinttica es que todos los autovalores de tengan
para real negativa (Hurwitz).
Presentamos un mtodo alternativo de chequear si la matriz es Hurwitz (tiene todos sus autovalores
con parte real negativa), mediante la existencia de solucin de una ecuacin de Lyapunov..
Vimos el teorema de Lyapunov para sistemas discretos, que vincula la existencia de solucin de la
ecuacin t _N <
con la propiedad de que tenga todos sus autovalores dentro del crculo
unitario.
Vimos las nociones de estabilidad para sistemas lineales inestacionarios, incluyendo estabilidad uni-
forme y estabilidad exponencial uniforme.
Una nota importante es que los autovalores de aSw en general no determinan la estabilidad en siste-
mas lineales inestacionarios.
5.8 Ejercicios
Ejercicio 5.1. Probar que las funciones y son absolutamente integrables si y slo si .3
& (
Ejercicio 5.2. Es el sistema con funcin transferencia
-
F BIBO estable?
b w F excitado por [ Stb] y [ SwX x^! DT para ?
Ejercicio 5.3. Cules son las respuestas en rgimen permanente de un sistema con funcin transferencia
Ejercicio 5.4. Probar los Teoremas 5.5 y 5.6 para sistemas discretos.
3 x G
.
5. Estabilidad 71
(
Ejercicio 5.10. Mostrar que la ecuacin del problema anterior puede transformarse, usando SwX S t0t
S
con wX , en
Swb
( Sw+-SwX 0t+
[
Es el sistema transformado BIBO estable? Estable en el sentido de Lyapunov? Asintticamente estable?
S
Es t una transformacin de Lyapunov?
Captulo 6
Controlabilidad y Observabilidad
Ver notas de clase de Anbal Zanini, disponibles de las pginas de Control Automtico 2 en http://vcyt-
22.unq.edu.ar/.
1. Controlabilidad
2. Observabilidad
3. Descomposiciones cannicas
4. Condiciones en ecuaciones en forma de Jordan
5. Ecuaciones de estado discretas
6. Controlabilidad y muestreo
7. Sistemas inestacionarios
72
Captulo 7
Especificaciones y Limitaciones de
Diseo
Como referencias generales a los temas de este captulo pueden consultarse Goodwin, Graebe & Salga-
do (2000, 5), para las definiciones de funciones de sensibilidad y arquitecturas de realimentacin; Doyle,
Francis & Tannenbaum (1992) y Snchez Pea (1992), para los resultados relativos a robustez; y Seron,
Braslavsky & Goodwin (1997, 1), para los resultados relativos a limitaciones en la respuesta al escaln.
/
Figura 7.1: Lazo de control de un grado de libertad.
73
7. Especificaciones y Limitaciones de Diseo 74
7.1.1 Perturbaciones
Las seales espreas representan perturbaciones que bajo condiciones ideales deberan ser nulas, pero
que estn presentes, en mayor o menor medida en todo sistema real.
Ejemplo 7.1. El control de corriente de armadura de un motor de corriente continua se suele implementar
mediante inversores que trabajan por modulacin de ancho de pulso (PWM: pulse width modulation), w . La S
v S
componente continua de la seal, w , es el control efectivo; las armnicas representan una perturbacin
de entrada t , wb S S
t w . v S + S
Sw
v Sw
Actuador PWM
Definicin 7.1 (Sensibilidad). Cuando un sistema de control retiene su desempeo nominal frente a per-
turbaciones se dice que tiene buenas propiedades de rechazo, o baja sensibilidad, a perturbaciones.
7.1.2 Incertidumbre
La incertidumbre en el modelado surge de que es imposible conocer con exactitud el modelo de un sistema.
As, el modelo con el que se disea el controlador (nominal) es una aproximacin al verdadero sistema sobre
el cual este actuar.
Por ejemplo, si diseamos un controlador basados en el modelo linealizado alrededor de un punto de
operacin nominal de un sistema no lineal, las alinealidades se presentarn como incertidumbres de mode-
lado.
Ejemplo 7.2. Sea el sistema no lineal
SwbSt St [ Sw
/ 1 0t0t [ 0t+
El modelo linealizado alrededor del origen es t wb
0
t , y as el control S [ S [ S w uSw estabiliza
asintticamente el sistema linealizado.
Sin embargo, este control aplicado al sistema real da el lazo cerrado
Swb/XSt St
/; St?St
y por lo tanto slo alcanza estabilidad asinttica para un conjunto acotado de condiciones iniciales, e =
.
Para tener en cuenta la incertidumbre del modelo en el diseo del controlador es necesario contar con
una representacin de la incertidumbre con alguna cota conocida.
Por ejemplo, es habitual representar la incertidumbre con un modelo lineal multiplicativo
b
v 1 (7.1)
v
donde representa la funcin transferencia real, la funcin transferencia nominal (el modelo utiliza-
do para diseo), y una funcin transferencia desconocida salvo por alguna cota del tipo a , g $gn
con conocida.
Ejemplo 7.3. Supongamos que tenemos el sistema
b
a
7. Especificaciones y Limitaciones de Diseo 75
donde existe incertidumbre en la posicin del polo, { 2 , donde _ v v es el valor nominal. La represen-
tacin de esta incertidumbre en el modelo multiplicativo (7.1) es
b
v S2t
v
v v aq2
2
v v aq2
v +
Definicin 7.2 (Robustez). Un sistema de control que retiene sus propiedades de estabilidad y desempeo
frente a incertidumbres de modelo en la planta se dice robusto.
No siempre es posible alcanzar buen rechazo de perturbaciones conjuntamente con robustez, y as deben
adoptarse soluciones de compromiso en el diseo.
Para alcanzar soluciones de compromiso adecuadas a las condiciones de perturbaciones e incertidumbre
existentes en el sistema considerado, es til disponer de ndices que de alguna forma midan las propie-
dades de sensibilidad y robustez de un controlador dado. Dos ndices tradicionalmente utilizados son las
funciones de sensibilidad del lazo.
de donde resolvemos
[ -
? n / p
T -
? n / p
La arquitectura del esquema de la Figura 7.1 se llama de un grado de libertad. Este nombre refleja el
? /
hecho de que slo existe un grado de libertad para definir las funciones transferencias de lazo cerrado que
mapean y a n , y y p a n .
As, si se disea para obtener una particular respuesta a la seal de referencia,
T
?
se induce al mismo tiempo una nica respuesta a la perturbacin de salida,
n
p
A menudo, es deseable ajustar las respuestas a referencia y perturbaciones en forma independiente.
Esto puede lograrse con una arquitectura de dos grados de libertad, como la de la Figura 7.2. La salida en
este caso esta dada por
n b ?
p
/
-
7. Especificaciones y Limitaciones de Diseo 76
p
?
[
n
-
/
Figura 7.2: Lazo de control de dos grados de libertad.
Ahora puede usarse para ajustar la respuesta a la perturbacin (que tiene la misma transferencia
que en la arquitectura de un grado de libertad), y puede usarse para ajustar la respuesta a la referencia
independientemente, dada por
T
?
No obstante, notar que an en la arquitectura de dos grados de libertad quedan funciones transferencias
cuya dinmica no puede
ajustarse independientemente. /
As, el controlador puede usarse para ajustar la respuesta a una perturbacin , p o ,
pero una vez elegido, las restantes respuestas quedan determinadas.
La salida del controlador en el esquema de la Figura 7.2 est dada por
[ -
? T
p
/
-
La respuesta a lazo cerrado del sistema de la Figura 7.2 est entonces gobernada por cuatro funciones
transferencia, colectivamente llamadas funciones de sensibilidad,
H
X (7.2) M H
M H
M R H
(7.3)
e individualmente
MX ee Sensibilidad complementaria
M e Sensibilidad de entrada
Sensibilidad
M R e Sensibilidad de control
La funciones de sensibilidad estn algebraicamente relacionadas, y estas relaciones son unas de las mani-
festaciones de las restricciones inherentes al lazo de control en realimentacin. No es difcil ver que
M -
b
M b XM -
M R - MX -
7. Especificaciones y Limitaciones de Diseo 77
|T(j)|
|S(j)|
0.5 0.5
0 0
2 1 0 1 2 2 1 0 1 2
10 10 10 10 10 10 10 10 10 10
Figura 7.3: Formas tpicas para M X and a .
7.4 Robustez
7.4.1 Estabilidad Robusta
Adems de especificar la respuesta del sistema a seales, las funciones y X sirven para especifi- M
car las propiedades de robustez del sistema.
Supongamos que representamos la incertidumbre en el modelo con estructura multiplicativa
b
v
+ (7.4)
transferencia nominal
v
Ejemplo 7.4 (Incertidumbre de modelado). Supongamos que la planta es estable y se obtuvo su funcin
mediante experimentos de respuesta en frecuencia: La magnitud y fase de la
salida se miden para sinusoides de referencia de distintas frecuencias ff++ . El experimento se
repiti veces.
nominal se puede obtener ajustando a
v
Denotamos el par (magnitud,fase) para la frecuencia y el experimento como . El modelo
a estas mediciones, por ejemplo, minimizando el error cuadrtico
medio total (tpico en Identificacin de Sistemas).
Una vez obtenida la funcin transferencia nominal , se puede obtener eligindola de forma
v
tal que
3 y
a
+f+f
f+f
v
Existen distintos criterios para ajustar . La Figura 7.4 muestra los resultados de un experimento real
en un sistema intercambiador de calor experimental ( ] ).
7. Especificaciones y Limitaciones de Diseo 78
Nyquist nominal
Mediciones
0.5
Incertidumbre
0 0
10
Parte Imaginaria
Magnitud
0.5
Diagrama de Nyquist 1
1 10
Diagrama de Bode
Demostracin. Ver por ejemplo Snchez Pea (1992, 2) o Doyle et al. (1992, 4).
Este resultado nos dice que si existe mucha incertidumbre de modelo a una determinada frecuencia,
v
debe disearse (a travs de ) para tener valores bajos a esa frecuencia, o la estabilidad nominal
del sistema puede llegar a perderse en la planta real.
El resultado anterior tiene la siguiente interpretacin grfica: Puesto que
a v a =Z
a
=
v a
0 a v a =
a
v
entonces, para
cada frecuencia el punto crtico v se encuentra fuera del disco de centro y
radio a .
7.4.2 Desempeo robusto
El desempeo nominal del sistema puede especificarse definiendo la forma de M X a con una funcin de
peso dada requiriendo que
M a
=
M /
X = (7.7)
Si (7.7) se preserva de la planta nominal a la planta real, y adems se preserva la estabilidad, decimos que
el sistema tiene desempeo robusto.
El desempeo robusto, como intuitivamente puede esperarse, requiere la estabilidad robusta (7.6) como
condicin necesaria.
El siguiente resultado establece una condicin necesaria y suficiente para el desempeo robusto de los
sistemas de la Figura 7.1, 7.2.
7. Especificaciones y Limitaciones de Diseo 79
imag
real
+
+
v
Teorema 7.2 (Desempeo robusto con incertidumbre multiplicativa). Sea la planta nominal con
incertidumbre de modelo estable y dada por (7.4) y (7.5). Entonces, si los lazos de control de la
Figura 7.1, 7.2 son estables, y se cumple (7.7) con la planta nominal , el sistema tiene desempeo
v
robusto si y slo si
M v v =Z para todo ,
(7.8)
v ). M v y v son la sensibilidad y sensibilidad complementaria nominales (de (7.2) con \
donde
Demostracin. Ver Snchez Pea (1992, 2) o Doyle et al. (1992, 4).
La condicin de desempeo robusto tambin admite una buena interpretacin grfica:
imag
real
+
+
Ua
7.5 Restricciones algebraicas en y
M
En resumen, se pueden especificar las propiedades del sistema de control a lazo cerrado especificando una
M
forma en la respuestas en frecuencia de X y .
que pueden tomar b
y
M
Sin embargo, X y a
no pueden ajustarse arbitrariamente. Existen restricciones en los valores
para ciertos valores de que imponen restricciones sobre los valores en
el eje .
La restriccin ms obvia es la relacin de complementariedad
Mb -
v
Otras restricciones surgen en los ceros y polos a lazo abierto debido al requerimiento de estabilidad del lazo
cerrado.
7. Especificaciones y Limitaciones de Diseo 80
Lema 7.1 (Restricciones de Interpolacin). Si el sistema a lazo abierto no tiene cancelaciones polo-
cero inestables, entonces, para cualquier control que estabilice al sistema a lazo cerrado, X y deben M
satisfacer las siguientes condiciones
1. si es un polo inestable de ( e
! )
MX - y -
( e
!
2. si
es un cero de fase no mnima de )
MX - y -
Demostracin. Por el requerimiento de estabilidad del lazo cerrado, ceros y polos con parte real positiva
de la planta o el controlador no pueden cancelarse, por lo que permanecern en . Las condiciones de
interpolacin siguen directamente de las definiciones de X y . M
Sea cual fuera el controlador elegido, las funciones de sensibilidad debern satisfacer estas restricciones en
los polos y ceros de parte real no negativa del lazo abierto.
@
0
respuesta temporal es ms directa respecto de lo que se pretende del sistema, pero entonces es ms difcil
traducir estas especificaciones a condiciones para las funciones transferencia del lazo cerrado.
Los parmetros tpicos para la respuesta al escaln son
sobrevalor 3
subvalor
tiempo de crecimiento
tiempo de establecimiento @
Definimos los parmetros de la respuesta al escaln sobre el sistema de la Figura 7.1, y definimos el
error de seguimiento 33d3 .
sobrevalor: es el mximo valor en que la respuesta del sistema excede su valor de rgimen permanente,
x3aj 37
7. Especificaciones y Limitaciones de Diseo 81
tiempo de crecimiento: cuantifica aproximadamente el tiempo mnimo que toma la salida en alcanzar el
nuevo punto de operacin,
j h3a g
G para todo en el intervalo B
tiempo de establecimiento: cuantifica el tiempo que tardan los transitorios en decaer permanentemente
por debajo de un determinado nivel , usualmente entre el 1 y 10% del valor de rgimen permanente,
para todo en el intervalo
[
La salida y el error de seguimiento en la respuesta al escaln del sistema de la Figura 7.1 satisfacen las
siguientes condiciones integrales.
Teorema 7.3 (Polos inestables). Supongamos que el sistema a lazo abierto & tiene un polo en , con
. Entonces si el lazo cerrado es estable
h
(7.9)
h h
(7.10)
Demostracin. Veamos primero que al ser el sistema estable, el error 3 es acotado, digamos
. En efecto,
, y por lo tanto su transformada Laplace & no tiene singularidades en
[
&
3
d
para todo !
.
Demostracin. Ejercicio.
Estos teoremas muestran que si la planta tiene ceros o polos en el semiplano derecho del plano complejo,
entonces el error y la salida a una entrada escaln deben satisfacer relaciones integrales independientemen-
te del controlador usado para estabilizar el sistema.
Damos interpretaciones de diseo de estas integrales en trminos de los parmetros de la respuesta al
escaln.
Corolario 7.1 (Polos inestables reales y sobrevalor). Si la planta tiene un polo inestable real en
@
, su
respuesta al escaln tiene forzosamente sobrevalor. Ms an, si es el tiempo de crecimiento del sistema
a lazo cerrado, entonces se cumple que
3'&
)(+*
@ (7.13)
&
Demostracin. Necesariamente el error deber cambiar de signo para que la integral (7.9) sea nula a
menos que sea idnticamente nulo. As, la salida deber superar a la referencia en algn momento ,.-
sobrevalor.
De la definicin de @ tenemos que 3a!@ para 0 , o sea que &
!@
. Usando esta cota
en la integral (7.9) tenemos que
)( )(
* 0/ & 21
*
43
@
0/
)(
& 1
3
, 0/
@
* (7.14)
Los polos inestables demandarn accin de control rpida para un mejor desempeo (menor sobrevalor).
Cuanto mayores (ms rpidos) sean los polos inestables, mayor ser esta demanda.
Ejemplo 7.5. Supongamos que nuestra planta a lazo abierto tiene un polo en
. Entonces tenemos que
la cota en sobrevalor en la respuesta al escaln del lazo cerrado (estable) es
3'& @
"
Corolario 7.2 (Ceros de fase no mnima y subvalor). Si la planta tiene un cero de fase no mnima real en
, su respuesta al escaln tiene forzosamente subvalor. Ms an, si es el tiempo de establecimiento
a un nivel del sistema a lazo cerrado, entonces se cumple que
&
# 09
Demostracin. Similar a la del Corolario 7.1. Ejercicio.
La interpretacin del Corolario 7.2 es que si la planta tiene un cero real de fase no mnima,
necesariamente hay subvalor en la respuesta al escaln
el pico del subvalor ser mayor cuanto menor sea el tiempo de establecimiento del lazo cerrado.
Los ceros de fase no mnima demandarn accin de control lenta para un mejor desempeo (menor subva-
lor). Cuanto menores (ms lentos) sean los ceros de fase no mnima, mayor ser esta demanda.
En conclusin podemos extraer las siguientes reglas prcticas de diseo bsicas para evitar sobrevalor o
subvalor excesivos:
1. El polo dominante a lazo cerrado deber mayor (en magnitud) que cualquier polo inestable a lazo abierto
del sistema.
2. El polo dominante a lazo cerrado deber menor (en magnitud) que el menor cero no mnima fase del
sistema.
;< = ;>< =
? @
Corolario 7.3 (Plantas inestables y no mnima fase). Consideremos el esquema de control de un grado
de libertad con realimentacin unitaria. Supongamos que & & & tiene un cero real
"
BA "
y un polo
real
, con . Entonces
1. si " el sobrevalor satisface
3 C& "
(7.15)
"
2. si
"
el subvalor satisface
&
"
x (7.16)
Demostracin. Para el caso 1, combinando las relaciones integrales de los teoremas sobre ceros de fase no
mnima y polos inestables de la clase pasada obtenemos
%#
"
De la definicin de sobrevalor entonces sigue
#
"
3
"
"
q 3 (7.17)
7. Especificaciones y Limitaciones de Diseo 84
y(t)
14.20
10.76
7.32
3.88
0.44
-3.00
-6.44
-9.88
-13.32
-16.76
t
-20.20
0.00 2.86 5.71 8.57 11.43 14.29 17.14 20.00
@
2. si la planta & tiene un par de polos en TU , entonces
WXZY $h ;<
< h
3Y "$
<
Demostracin.
1. Extendiendo formalmente las relaciones integrales vistas en la clase anterior (puede probarse riguro-
samente que vale), tenemos que
[]\^
d
U
El resultado entonces sigue usando ;<
WXZY _\`^ * \`^
Y <
\`^
\^
< ;
2. Se prueba de la misma forma usando las expresiones correspondientes para polos.
Estas restricciones son particularmente severas si los ceros en el eje imaginario se encuentran cercanos al
origen (cercanos con respecto al ancha de banda de lazo cerrado), como vemos en el siguiente ejemplo.
Ejemplo 7.7. Supongamos que tenemos una planta con un par de ceros sobre el eje imaginario en . VU
Por simplicidad, supongamos que podemos definir el tiempo de establecimiento en forma exacta, es decir,
como
;<
] a 3]ba d c &
asumiendo que podemos despreciar directamente los transitorios para & . Entonces, del Corolario 7.4-1
9 Y
tenemos
3
$
" d
<
Asumiento que fe obtenemos <
^ 9 que
3
Y
g &
hWXZ< Y
, & <
<
,
<
3
& <
WXZY
7.8 Resumen
La implementacin prctica de un sistema de control est afectado de perturbaciones e incertidumbres de
modelado que afectarn su desempeo, apartndolo de las especificaciones idealizadas en la etapa de
diseo. Algunas de estas perturbaciones e incertidumbres pueden tenerse en cuenta de cierta forma en el
diseo si se lleva a cabo un diseo robusto.
Distinguimos las propiedades de robustez en
1. Estabilidad robusta: el sistema real preserva las caractersticas de estabilidad (Lyapunov, BIBO, etc.)
del sistema nominal.1
2. Desempeo robusto: el sistema real preserva las caractersticas de respuesta a referencias y rechazo
de perturbaciones del sistema nominal.
El anlisis de las propiedades de robustez y rechazo de perturbaciones
Estabilidad nominal
Desempeo nominal
Estabilidad robusta
Desempeo robusto
del sistema de control puede hacerse a priori, sin embargo, mediante las funciones de sensibilidad, que
|S(j)|
0.5 0.5
0 0
2 1 0 1 2 2 1 0 1 2
10 10 10 10 10 10 10 10 10 10
Los ceros y polos a lazo abierto en el semiplano derecho 2: imponen restricciones fundamentales en la
respuesta del sistema. Estas restricciones valen para todo controlador estabilizante.
1 En lo que sigue, con estabilidad nos referiremos a estabilidad interna asinttica.
7. Especificaciones y Limitaciones de Diseo 87
compromiso velocidad/sobrevalor si la planta tiene un polo real instable, necesariamente existir sobre-
valor en la respuesta al escaln. Cuanto ms lento se disee el lazo cerrado, mayor ser el sobrevalor.
compromiso velocidad/subvalor si la planta tiene un cero real no mnima fase, necesariamente existir
subvalor en la respuesta al escaln. Cuanto ms rpido se disee el lazo cerrado, mayor ser el
subvalor.
Estos compromisos indican que para un desempeo aceptable, los polos inestables requieren un lazo cerra-
do rpido, mientras que los ceros no mnima fase uno lento.
7.9 Ejercicios
Ejercicio 7.1. Considerar el control en realimentacin de una planta con modelo &a
@
: | | 6 . Suponiendo
que el controlador es tal que la sensibilidad complementaria es
} &
& *~ 6
?
1. calcular la funcin transferencia del controlador & ,
2. si la referencia es un escaln, calcular la respuesta en rgimen permanente de la seal de entrada de
la planta.
3. calcular el mximo error instantneo en la salida siguiendo a esta referencia.
Ejercicio 7.2. El modelo nominal de una planta es un doble integrador &
@
6
llado (que tomamos como la planta real) incluye un retardo, de forma que &
@ Un
4 6
modelo ms deta-
, y slo se sabe
que pertenece al intervalo
g
. Expresar esta incertidumbre como multiplicativa y obtener una funcin
6
tal que
< @
@ 6
;>< < <
;<
Ejercicio 7.3. La funcin transferencia de una planta est dada por
@ &
donde la ganancia es incierta pero se sabe que pertenece al intervalo
7GB
. Representar la familia de
plantas posibles con un modelo de incertidumbre multiplicativa, eligiendo una planta nominal y una funcin
peso 6
tales que
@ <
@ 6
;>< < <
;< @
Ejercicio 7.4. Para el modelo nominal de un doble integrador &
6 ,gelB requerimiento de desempeo
es que la salida de la planta siga referencias en el intervalo de frecuencias . La funcin peso de desem-
peo | puede elegirse como la magnitud de un filtro pasa-bajos de magnitud constante en este rango
<
de frecuencias, y que decae a frecuencias mayores, como por ejemplo un filtro Butterworth.
Butterworth de tercer orden para | con frecuencia de corte rad/s. Tomar el peso 6 como
Elegir un filtro
* < <
6
< ;>;< < ?
1. Disear un controlador propio & para obtener estabilidad nominal del lazo de control.
}
2. Chequear la condicin de estabilidad robusta 6
. Si no se satisface, redisear &
?
< ;><
hasta conseguirlo. No es necesario obtener buen desempeo.
7. Especificaciones y Limitaciones de Diseo 88
| ! }
RY Z
<6 ;<
^
< ;< por el controlador elegido?
Cul es el valor de alcanzado
Ejercicio 7.5. Obtener los parmetros de la respuesta al escaln de
*
@ &
6* *
&
&
2. Tabular los parmetros del controlador y cotas para el sobrevalor y el subvalor2 de la respuesta al
escaln del sistema a lazo cerrado para los siguientes casos:
0.5 0.5 0.2
-0.5 0.2 0.5
&
x3
&
3. Con los valores calculados simular el sistema a lazo cerrado y medir los valores efectivos de sobrevalor
y subvalor obtenidos. Comparar con las cotas tericas.
Realimentacin de Estados y
Observadores
que llamamos la planta o ecuacin de estados en lazo abierto, mediante la aplicacin de una realimentacin
lineal de estados de la forma
K3B ? Z (8.2)
?
donde B es el nuevo nombre para la seal de entrada. La matriz es la ganancia de realimentacin de
estados y la ganancia de precompensacin.
La substitucin de (8.2) en (8.1) da la ecuacin de estados en lazo cerrado
Z 3 _ ?
Z3 *T 3
hxZ3 (8.3)
K
Es obvio que el sistema a lazo cerrado tambin es lineal y estacionario. La Figura 8.1 representa el esquema
de control por realimentacin de estados para un sistema SISO. El control es esttico, pues depende slo
-
?
Figura 8.1: Realimentacin de estados
de valores presentes de y .
89
8. Realimentacin de Estados y Observadores 90
K
Cuando los estados del sistema no pueden medirse, se recurre a estimarlos mediante un observador de
estados, que reconstruye a partir de mediciones de y .
La combinacin de un observador y realimentacin de estados es un controlador dinmico por realimen-
tacin de salida, esquematizado en la Figura 8.2.
K
-
?
Observador
La meta a alcanzar:
saber disear un sistema de control lineal por realimentacin de salida (va
realimentacin de estados + observador) para satisfacer especificaciones
deseadas de estabilidad, desempeo y robustez.
En la primera mitad del captulo introducimos las tcnicas para sistemas SISO. En la segunda, presen-
tamos una tcnica para sistemas MIMO. Veremos otra tcnica (ptima) para sistemas MIMO en el captulo
que sigue.
Comenzamos con sistemas SISO y el esquema de control de la Figura 8.1, suponiendo por el momento
para simplificar la notacin.
1 Nota histrica extrada de un artculo de Eduardo Sontag en el SIAM News, 6/94.
8. Realimentacin de Estados y Observadores 91
* K3
Z3
Z3
h > Z
(8.4)
j |6|
5 x| 6
es controlable y observable, ya que las matrices de controlabilidad , y observabilidad
, son no singulares.
El control por realimentacin de estados Bd K |
en (8.4) lleva al sistema a lazo cerrado
3 Z3 * K3
Z
h Z
(8.5)
$ |6
, que es no singular y comprueba que el sistema realimen-
La matriz de controlabilidad de (8.5) es
tado es controlable. Sin embargo, la matriz de observabilidad de (8.5) es
, que es singular, por lo
|| 66
que el sistema con esta realimentacin no es observable.
Z3
Z3 * K!
8. Realimentacin de Estados y Observadores 92
1 |
26 3 *
|
*
6
6 | G
(8.7)
| G
La funcin transferencia & queda dada por
@
@ & * | | * * 6 6 * * P * *
| | 6 6 (8.8)
controlable puede llevarse a la forma (8.6). Denotemos con y las matrices en
Demostracin. Si (8.1) es
(8.6). As tenemos que | y . Puede verse tambin que
GG 5 | G 5 | (8.9)
8. Realimentacin de Estados y Observadores 93
| |
por lo que
Substituyendo F
y la matriz de la extrema derecha en (8.7) es .
? ? | ?
en la realimentacin de estados da
K
j
donde
? ? | . Puesto que ?
S ? P | , vemos que S ? y ? tienen los mismos
autovalores.
Ahora, de cualquier conjunto de autovalores deseados podemos formar el polinomio caracterstico
& * | | * P *
deseado
?
(8.10)
Si elegimos
G 6 U 6 | | , la ecuacin de estado de lazo cerrado deviene (en las
nuevas coordenadas)
3 ...
Z
Z 3 ..
K 3
.
.. .. .. ..
. . . .
| 6 |
h
| 6 | Z
Por estar en forma companion, el polinomio caracterstico de
? , y consecuentemente el de
? ,
es (8.10). As el sistema realimentado tiene los autovalores deseados.
? ? $ |
Finalmente, la ganancia de realimentacin en las coordenadas originales es, usando (8.9),
?
q
| | * 6 6 * P *
En lazo cerrado, la funcin transferencia del sistema cambia de (8.8) a
@
* | | * 6 * *
&
6
(8.11)
lo que muestra que si bien hemos movido los polos del sistema, sus ceros han quedado invariantes. Esta es
una propiedad general:
La realimentacin de estados puede mover los polos de una planta pero no
tiene ningn efecto sobre los ceros.
Esta propiedad explica por qu la realimentacin de estados puede alterar la propiedad de observabilidad,
ya que uno o ms polos pueden ubicarse mediante realimentacin para cancelar ceros del sistema, lo que
vuelve esos modos inobservables. ?
Resumimos los pasos para calcular en el siguiente procedimiento:
Procedimiento para asignacin de autovalores (via forma cannica)
1. Obtener los coeficientes
GG
| 6
del polinomio caracterstico del sistema a lazo abierto.
2. Formar las matrices de controlabilidad
G |
y
88 $88s Z | |
... ... ... ...| ...
Z|
|
3. Elegir los coeficientes | 6 G del polinomio caracterstico deseado
& y determinar la ga-
nancia de realimentacin en coordenadas de
? G G | |
6 6
4. Determinar la ganancia de realimentacin en coordenadas originales
? ? g |
8. Realimentacin de Estados y Observadores 94
?
Considerar un par
Procedimiento para asignacin de autovalores (via Lyapunov)
?
controlable, donde es y . Encontrar un vector real
tenga cualquier conjunto de autovalores deseados que no contenga autovalores de . tal que
8.4 Estabilizacin
Si una ecuacin de estado es controlable, sus autovalores pueden asignarse arbitrariamente mediante reali-
mentacin de estados. Veamos qu se puede hacer cuando la ecuacin de estado no es controlable.
Toda ecuacin de estado incontrolable puede llevarse a la forma
o | 6 4 * K (8.12)
Kj ? ? | 6 7
? | | ? " *
lleva al sistema a lazo cerrado
"
6 6
(8.13)
Vemos de (8.13) que los autovalores de o no son afectados por la realimentacin,
no slo es suficiente sino tambin
y por lo tanto no pue-
Definicin 8.1 (Estabilizabilidad). El sistema (8.12) es estabilizable si o es Hurwitz y el par
es 2
controlable.
La propiedad de estabilizabilidad es una condicin ms dbil que la de controlabilidad para alcanzar
estabilidad a lazo cerrado. Es equivalente a pedir que los autovalores no controlables sean estables.
? ?
Si el sistema es controlable, sabemos que podemos asignar los autovalores del lazo cerrado calculando
para obtener la matriz de evolucin S . La respuesta del sistema realimentado entonces est dada
por
h
Z
B * Z
3
Z * 1 [ i
3
i
, Z
=
, a &4 *T ? |
g
, a
? | (8.14)
disear ? para que todos los autovalores de ? tengan parte real negativa.
constantes: Es necesario que _ sea controlable y
a4 | A . Se requiere entonces
Para seguimiento de referencias
disear ? para que todos los autovalores de ? tengan parte real negativa,
disear Za
? | .
La condicin de controlabilidad del par
puede relajarse a la de estabilizabilidad. La restriccin
estar en que no habr entonces control total de la velocidad de convergencia del error. Si hubiera modos no
controlables muy cercanos al eje , la respuesta podra ser demasiado lenta u oscilatoria para considerar
la regulacin y seguimiento satisfactorios.
;<
mos la ganancia de realimentacin
G ? ~
Ejemplo 8.3 (Seguimiento de referencia constante). En el segundo ejemplo de la clase pasada calcula-
que asigna los autovalores a lazo cerrado del sistema
Z3
1
Z3
| 6 3 *
3
en
U. Supongamos que el sistema tiene la salida h
7
, que se pretende que siga asintti-
;
camente referencias constantes. La funcin transferencia del sistema a lazo cerrado resulta
@
&
6* *
@5
A
, h3 tender a para una referencia constante 3 .
Como
Incorporamos precompensacin rediseando ! 3 Z3 , conK ?
U
8. Realimentacin de Estados y Observadores 96
0.2 1.4
1.0
0.1
0.6
0.2
-0.1
-0.2
-0.2
-0.6
-0.3 -1.0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
La Figuras 8.3 y 8.4 muestran la respuesta del sistema a lazo cerrado a un escaln unitario en 3 sin y
*
con precompensacin. La funcin transferencia del sistema a lazo cerrado con precompensador resulta
@ @ i
*6 *
& h 3
.
Ejemplo 8.4 (Efecto de incertidumbres en el modelo). Retomemos el sistema anterior, pero supongamos
que existe un error en el modelo usado para el diseo de control y la planta real tiene una matriz de evolucin
R * *
q F
1.1
0.9
0.7
0.5
0.3
0.1
-0.1
-0.3
-0.5
-0.7
-0.9
0 1 2 3 4 5 6 7 8 9 10
-
?
- -
?
x * K T
*
La EE del sistema original con perturbacin de entrada es
x
* + K * *
de modo que el sistema aumentado a lazo abierto queda
La realimentacin de estados K da el sistema a lazo cerrado de la Figura 8.6
? * + * (8.15)
?
La idea entonces es disear para que la matriz de evolucin
particular, la estabilizacin de implcitamente produce el seguimiento deseado, ya que
en (8.15) sea Hurwitz. En
J
3j
@ 4 |
Teorema 8.3 (Controlabilidad de la planta aumentada con un integrador). Si
i a no tiene ceros en
es controlable y si
?
, los autovalores de la matriz de evolucin aumentada
en (8.15) pueden asignarse arbitrariamente seleccionando la matriz de realimentacin .
Demostracin. Ver Chen (1999, p. 244-245).
En trminos de polos y ceros: si la planta tuviera un cero en
, su conexin en cascada con el integrador
de producira una cancelacin polo-cero inestable y hara que la planta aumentada sea no controlable.
donde entran y ?
Propiedades de seguimiento y rechazo de perturbaciones. Intercambiando el orden de los sumadores
en la Figura 8.6 obtenemos el diagrama de bloques de la Figura 8.7, donde
& &
* & B * & * & &
Figura 8.7: DB equivalente.
constantes, 3 , , entonces B y &7 , y la salida del sistema a lazo cerra-
Si la referencia y la perturbacin de entrada son
& * &
do es
d&
* & & * !
A , obtenemos
Finalmente,
usando el Teorema del valor final, vlido pues el lazo cerrado es estable, y la hiptesis de que
que
h
h &
*
* j * !
*
8.6 Observadores
El control con realimentacin de estados asume la disponibilidad de las variables de estado. Este puede
no ser el caso en la prctica, ya sea porque ciertos estados no son medibles, o es muy difcil o muy caro
medirlos.
Para implementar una realimentacin de estados, entonces, debemos disear un dispositivo dinmico,
llamado observador o estimador de estados, cuya salida sea una estima del vector de estados.
En esta seccin introduciremos observadores de orden completo, donde el observador tiene el mismo
orden que la planta es decir, estimamos todo el vector de estados. Denotamos con Z 3 a la estima de
Z .
T
Z3 Z3 * K
Consideramos entonces el sistema
x
h Z3 (8.16)
donde y K
son conocidas, y la entrada ! y salida 3 son medibles, aunque no el estado . El
problema es estimar Z3 de esta informacin.
8. Realimentacin de Estados y Observadores 99
Este sistema podra construirse en forma electrnica con amplificadores operacionales, o, discretizado, me-
diante un programa en una computadora y una placa de entradas/salidas, como podra ser un PLC moderno.
-
Definamos el error de estimacin
Z3 Zd 3
Veamos qu condiciones debe cumplir para que tienda asintticamente a cero.
Derivando Z3 y
Z 3 Z d 3
substituyendo (8.16) y (8.18), obtenemos
*T K 3i_ Y 3h K! x Z3
Z 3d
Z 3
Y3
(8.19)
La ecuacin (8.19) gobierna la dinmica del error de estimacin. Si todos los autovalores de se
pudieran asignar de forma que tengan parte real menor que, digamos, , con
, entonces el error de = =
estimacin en todos los estados decrecera a una velocidad mayor o igual a .
As, aunque hubiera un error grande en los estados iniciales, el estado estimado Z 3 podr aproximarse
al estado real Z
3
rpidamente.
Teorema 8.4 (Asignacin de Autovalores en Observadores). Dado el par
, todos los autovalores de
pueden asignarse arbitrariamente seleccionando un vector real si y slo si es observable.
? sirven
As, los mismos procedimientos usados para calcular la matriz de realimentacin de estados
para calcular la matriz del observador.
Resumimos el procedimiento dual al de la ecuacin de Sylvester. Consideramos el sistema -dimensional
3TZ 3 * K
SISO
Z
hxZ 3 (8.20)
* } K *
4. Entonces la ecuacin de estados
}
3 3
3 |
(8.21)
..
. |
8. Realimentacin de Estados y Observadores 102
a
a
| GG a
6 a
|
| n G
En estas coordenadas la salida queda como el primer estado, y as, no es necesario construir un observador
para estimar todo el estado, sino solamente los
restantes. Este observador es de orden reducido.
Procedimiento de diseo de observador de orden reducido
1. Elegir una matriz Hurwitz
cualquiera que no tenga autovalores en comn con los de
.
2. Elegir un vector
S
cualquiera tal que
sea controlable.
} } } }
3. Calcular la solucin nica
una matriz
.
, no singular, de la ecuacin de Sylvester . Notar que es
3 * } K * 3
3 } |
genera una estima asinttica de Z .
Si
construir un observador.
es observable, podemos construir un observador de orden completo o reducido con autovalores
arbitrarios. Discutimos aqu slo el caso de observador completo
Z 3
Y 3 * K3 * 3
La estima Z 3 se aproximar asintticamente a Z3 a una velocidad determinada por la eleccin de .
Como Z 3 converge a Z3 , es natural aplicar la realimentacin de estados a la estima
K 33d ?
?
Tres dudas bsicas surgen frente a la conexin controlador-observador:
1. Los autovalores de se obtienen de K ?
con K
?
? . Seguiremos teniendo los mismos autovalores
8. Realimentacin de Estados y Observadores 103
-
?
K ?
Para contestar a estas preguntas recurrimos a las EE que describe el sistema completo (juntando las del
sistema y las del observador y con
? ? *
):
Consideremos la transformacin de equivalencia
j
(8.23)
|
? ? * +
Notemos que . La transformacin (8.23) lleva al sistema controlador-observador a la forma
autovalores de U
Como la matriz de evolucin ? y U es block-triangular, los autovalores del sistema completo son la unin de los
. Esto implica que el estimador no afecta la realimentacin de estados
original; tampoco son afectados los autovalores del observador por la realimentacin de estados.
? ? *
Finalmente, notemos que la EE
+
evidencia los modos controlables y los no controlables. As, vemos que los modos del error de estimacin
Z son no controlables, por lo que no aparecern en la funcin transferencia del sistema completo, que
?
*
queda determinada por la ecuacin de estados de orden reducido
x
es decir: & a& @ 4 h
* ? |
8. Realimentacin de Estados y Observadores 104
M ATLAB la funcin K = place(A,B,P) es vlida en el caso multi-entrada, y permite asignar los autova-
lores especificados en P, inclusive repitiendo autovalores un nmero mximo de veces igual al nmero de
entradas.
Antes de entrar en los mtodos de diseo, vale remarcar que los resultados de controlabilidad y asig-
nabilidad de autovalores se extienden al caso multivariable. Los resumimos en los siguiente teoremas; las
pruebas siguen de cerca el caso SISO y no las repetimos.
?
, es controlable si y slo si
Teorema 8.5 (Controlabilidad y realimentacin MIMO). El par q
? es controlable.
, para cualquier matriz real
Teorema 8.6 (Asignabilidad de autovalores MIMO). Todos los autovalores de pueden asig-
?
?
do la matriz constante real si y slo si
narse arbitrariamente (siempre y cuando los autovalores complejos conjugados se asignen en pares) eligien-
es controlable.
Ejemplo 8.6.
|
|
|
6
6
6
6
6
6 6
La matriz | es cclica: | tiene slo un bloque de Jordan de orden 1 y 6 slo uno de orden 3.
La matriz 6 no es cclica: | tiene un bloque de Jordan de orden 1 pero 6 tiene dos, uno de orden 2 y
uno de orden 1.
con entradas
controlabilidad con entrada). Si el sistema de orden
, el sistema
Teorema 8.7 (Controlabilidad
con entradas
es controlable y si es cclica, entonces para casi cualquier vector
de 1 entrada es controlable.
No probamos este resultado pero mostramos su validez intuitivamente.
Como la controlabilidad es invariante bajo transformacin de coordenadas, asumimos en forma de
Jordan. Para ver la idea bsica consideremos el ejemplo siguiente:
q |
~ 6 (8.24)
Hay slo un bloque de Jordan asociado a cada autovalor; por lo tanto es cclica. La condicin para que
sea controlable en estas coordenadas es que la tercera y ltima fila de sean distintas de cero.
Las condiciones necesarias y suficientes para que el par de una entrada
sea controlable son
A
y A
en (8.24). Como
q
| * 6 y |
El vector
6 puede asumir cualquier valor
en 6 que no est en la unin de las dos lneas
mostradas en la Figura 8.12. La probabilidad de
6
que un elegido aleatoriamente caiga sobre estas
lneas es nula, y por lo tanto, para casi todo el par
ser controlable.
|
La condicin de que sea cclica es esencial.
Por ejemplo, el par
q 6 6|
h
6| 6|
6 |
6
es controlable, puesto que las filas son y de
|
linealmente independientes. Sin embargo, no hay
ningn tal que sea controlable (dos blo-
ques de Jordan asociados al mismo autovalor y una
Figura 8.12: 6
sola entrada).
Si todos los autovalores de son distintos, en-
tonces hay slo un bloque de Jordan asociado a cada uno, y por lo tanto la matriz es cclica.
Teorema 8.8 (Cclica por realimentacin). Si ?
? _
real constante , la matriz
es controlable, entonces para casi toda matriz
tiene autovalores distintos y, por lo tanto, es cclica. _
No es difcil ver que la probabilidad de que, eligiendo al azar, los autovalores de y coincidan ?
?
?
es nula. Este resultado, junto con el anterior, nos da el procedimiento para asignar los autovalores de
en los lugares deseados.
8. Realimentacin de Estados y Observadores 106
K ? |
Procedimiento de asignacin de autovalores por diseo cclico
R ? |
es controlable,
1. Si no es cclica, introducir tal que q sea cclica. Como
tambin lo es .
2. Elegir una
|
tal que
sea controlable.
? ? ? sean los deseados.
tal que los autovalores de
3. Introducir ! 6 , donde 6 ? * | sea
? 6
4. La realimentacin final es K
i
|
6 .
En M ATLAB, partiendo de matrices A,B y autovalores a lazo cerrado deseados en el vector P:
>> (n,p) = size(B);
>> K1 = rand(p,n);
>> V = rand(p,1);
>> K2 = place(A-B*K1,BV,P);
>> K = K1 + V*K2;
K
- -
?|
?
6
Figura 8.13: Realimentacin por diseo cclico
?
sistema controlable de orden y entradas
?
El mtodo de diseo via la solucin de una ecuacin de Sylvester se extiende al caso multi-entrada. Sea un
. El problema es encontrar una matriz real constante
tal que
autovalor de . tenga cualquier conjunto de autovalores deseados siempre que no contenga ningn
Procedimiento de asignacin de autovalores por diseo va ecuacin de Sylvester
1. Elegir una matriz con el conjunto de autovalores deseados que no contenga ninguno de .
2. Elegir una matriz
arbitraria tal que
?
sea observable. ?
3. Hallar la nica solucin
} }
en la ecuacin de Sylvester } ? .
} ?
4. Si es singular, elegir una distinta y repetir el proceso. Si
} es no singular,
? ? } | , y
?
tiene el conjunto de autovalores deseados.
}
Si es no singular, la ecuacin de Sylvester y
?} ? implican
? } } o
? } }|
y as
? y son similares y tienen los mismos autovalores. }
} _ ?
A diferencia del caso SISO, donde
es siempre no singular, en el caso MIMO puede ser singular an cuando es controlable y
observable.
8. Realimentacin de Estados y Observadores 107
`| || || 6 |`| |`| | 6 | | 66
6 || 6 | 6 6 | 6 | 66 | 6`66
Ahora, de cualquier conjunto de 6 autovalores deseados podemos formar el polinomio
* `| |`| * `| | 6 * `| | * `| | & 6 * | *
& &
6 6`6 6 6`6
Eligiendo
? como
?
| 6 | ||`|
||`| | | 6
|`| 6 | |
|`| ||
|`| a | 6 | a | 6` 6
6 `| | 6 |`| 6 | 6 6|6 6| 6| 6| 6 | 6`6 | 6`6 | `6 66 6`66
Como F
? es triangular en bloques, para cualesquiera |" $# xgg , su polinomio caracterstico es
6 ~
de rdenes ~ y . Como estos
igual al producto de los polinomios caractersticos de los bloques diagonales ?
es igual al deseado. Finalmente
? ? estn
bloques en forma companion, el polinomio
ubica los autovalores de ? caracterstico de
en las posiciones deseadas.
"
Todo lo que discutimos sobre observadores en el caso SISO vale para el caso MIMO; para el sistema de
estados, entradas y salidas
x
* K
x
K
el problema de observacin consiste en usar la entrada y la salida medida para obtener una estima
*T K *
asinttica del estado del sistema . Como en el caso SISO, el observador est dado por las ecuaciones
Este es un observador de orden completo. Definiendo el error de estimacin como en el caso SISO,
Z3 Zd 3
llegamos a que la dinmica del error est dada por
Z
Si el par
los autovalores de
S
pueden asignarse arbitrariamente por
medio de una eleccin adecuada de . As, la velocidad de convergencia de la estima al estado actual
es observable, entonces
Sea el par
observable, donde i y i
Procedimiento de diseo de observador MIMO de orden reducido
PZ # "
. Asumimos que el rango de es (es decir, todas
las salidas son l.i.).
1. Elegir una matriz Hurwitz cualquiera '
%# %#
que no tenga autovalores en comn con los de
%# #
.
2. Elegir una matriz cualquiera tal que
sea controlable.
}
3. Calcular la solucin nica $# de la ecuacin
} } .
4. Si la matriz P
( es singular, volver al paso 2 y repetir el proceso. Si es no singular,
entonces la EE
3 * } K * 3
3 } |
* | | * P *
caracterstico deseado
&
4 Sin embargo, esto no necesariamente implica que el error pueda reducirse arbitrariamente. Puede mostrarse que ceros y polos
| 6
| |
6
G
. 6 . |
G
? ... .. .. G ... ... ... |
6 6 6 | G (8.25)
| | | GG
G | es la matriz de controlabilidad del sistema.
donde ?
Notamos de (8.25) que ser mayor en magnitud (norma):
cuanto ms se desplacen los autovalores respecto de las posiciones de lazo abierto (mayores diferen-
cias entre y ), "
"
cuanto ms cerca de ser singular est (cuanto menos controlable sea el sistema, mayor esfuerzo
llevar controlarlo).
<
Los polinomios cuyos ceros tienen la configuracin Butterworth son los polinomios de Butterworth. Los
| *
primeros 4 son:
&
& 6 * S *
6 & * 6 * *
& * * * S 6 * *
Los filtros de Butterworth, cuyos denominadores son los polinomios de Butterworth, se pueden calcular en
M ATLAB con la funcin
8. Realimentacin de Estados y Observadores 110
~
7g[
Figura 8.14: Configuracin de polos Butterworth para ~.
Arquitectura de control
Chequeo de robustez
Especificaciones
no
OK?
Modelo matemtico
si
8.11 Resumen
?
de la matriz de evolucin ?
Vimos dos mtodos para calcular la ganancia de realimentacin de estados para asignar los autovalores
del lazo cerrado en las races de un polinomio caracterstico deseado:
& * | | * P *
8. Realimentacin de Estados y Observadores 111
| 6 | |
6|
G
.. 6
G
..
? ..
. .. G .. ..
. |
6|
. . . .
6 6 |
G
|
|
G
G
Tarea de estudio Ver la justificacin del segundo mtodo en Chen (1999, 8.2.1, pginas 239-41).
?
Convenientemente, M ATLAB tiene la funcin K = place(A,B,P) que calcula para ubicar los autovalores
en los valores dados en el vector . Restriccin: no permite repetir autovalores.
8. Realimentacin de Estados y Observadores 112
8.12 Ejercicios
Ejercicio 8.1. Calcular un control por realimentacin de estados M K ? para estabilizar el sistema del
pndulo invertido dado por las EE
*
n
@
Ejercicio 8.3. Es posible cambiar la funcin de transferencia a lazo abierto
@
: | | 6 : 6 : |
: 6 :
& a la de lazo cerrado &
mediante realimentacin de estados? Ser el sistema resultante BIBO estable? Y asintticamente esta-
: | | : 6 :
ble? Qu puede decirse para
@ &
al lazo cerrado &
A@ @ : |
6
* K
Ejercicio 8.5. Disear un observador de orden completo y uno de orden reducido para estimar los estados
del sistema del Ejercicio 8.4. Elegir los autovalores de los estimadores dentro del conjunto
g
.
U
Ejercicio 8.6. Calcular la funcin transferencia de a del sistema a lazo cerrado del Ejercicio 8.4. Repetir ;
el clculo si la realimentacin se aplica al estado estimado con el observador de orden completo diseado
en el Ejercicio 8.5. Repetir pero ahora con la estima obtenida del observador de orden reducido. Son las
tres funciones transferencia la misma?
Ejercicio 8.7. Considerar el diseo del control de posicin del motor de corriente continua del ejemplo tuto-
rial en Matlab.
1. Implementar el sistema con controlador en S IMULINK. Simular la respuesta a un escaln en , y a un
escaln de torque de perturbacin aplicado segundos ms tarde.
2. Disear un observador de orden reducido. Asignar los autovalores del observador de modo que no
afecten la respuesta especificada para el sistema.
3. Incorporar el observador al modelo S IMULINK y aumentar el valor del momento de inercia del motor en
un 20%. Repetir el ensayo de respuesta a un escaln de la referencia y perturbacin de torque. Se
conserva el desempeo? Cul es la mxima perturbacin admisible?
8. Realimentacin de Estados y Observadores 113
9.1 Introduccin
El mtodo de diseo combinado de observador y realimentacin de estados que vimos en el captulo pasado
es una herramienta fundamental en el control de sistemas en variable de estados. Sin embargo, no es
siempre el mtodo ms til; tres dificultades obvias:
1. La traduccin de especificaciones de diseo a ubicacin de polos no es directa, especialmente en
sistemas complejos; cul es la mejor configuracin de polos para especificaciones dadas?
2. Las ganancias de realimentacin en sistemas MIMO no son nicas; cul es la mejor ganancia para
una configuracin de polos dada?
3. Los autovalores del observador deben elegirse ms rpidos que los del controlador, pero, tenemos
algn criterio adicional para preferir una configuracin a otra?
Los mtodos que introduciremos en este captulo dan respuestas a stas preguntas. Veremos que las
ganancias de realimentacin de estados, y del observador pueden elegirse de forma que minimicen un
criterio de optimizacin dado.
El criterio particular que veremos es un funcional cuadrtico del estado y la entrada de control,
K DCZ * K ? !K
B Z3 3
?
donde C y son matrices constantes (aunque no necesariamente) semi-definida y definida positivas res-
pectivamente.
El control que se obtiene de minimizar este criterio es lineal. Como el criterio se basa en funcionales cua-
drticos, el mtodo se conoce como lineal-cuadrtico (LQ: linear-quadratic), del que se obtiene el regulador
lineal cuadrtico (LQR).
Criterios similares de optimizacin se siguen para el diseo de observadores, slo que el funcional de-
pende del error de estimacin, y se basa en una caracterizacin estadstica de los ruidos que afectan al
sistema. Este estimador ptimo lineal-cuadrtico se conoce como el filtro de Kalman.
Cuando se combinan la ganancia de realimentacin de estados LQ con el filtro de Kalman, obtenemos
lo que se conoce como un controlador lineal-cuadrtico-gaussiano (LQG). (Lo de gaussiano viene de la
caracterizacin estadstica del ruido empleada.)
Como material de estudio para este captulo recomendamos Bay (1999, Captulo 11) y Friedland (1986,
Captulos 9, 10 y 11).
114
9. Introduccin al Control ptimo 115
Cuando se asocia un criterio de optimizacin al sistema, cada transicin de estado tiene asociado un
costo o penalidad. Por ejemplo, pueden penalizarse las transiciones de estado que se alejan demasiado del
estado final deseado, o las acciones de control de valores demasiado elevados. A medida que el sistema
evoluciona de estado en estado, los costos se suman hasta acumular un costo total asociado a la trayectoria.
Ilustramos el concepto con el grafo de la Figura 9.1, que representa 8 estados de un sistema discreto con
K
tiempo determinado por la entrada y las ecuaciones
*
Rx T
* K
sus transiciones posibles. El estado inicial es el 1, y el final el 8. El sistema pasa de un estado a otro en cada
Las transiciones posibles se representan
por los arcos que conectan el estado inicial 4
al final a travs de los estados intermedios. 2
El costo asociado B a cada transicin se repre- 7
senta con la letra ; por ejemplo,
moverse del estado 3 al 5 es
B
.
el costo de 1
5
8
| * * *
da en rojo, por ejemplo, tiene un costo total
B B B B
L .
Como hay varias rutas alternativas del es- Figura 9.1: Posibles trayectorias de 1 al 8.
tado 1 al 8, el costo total depender de la tra-
K
yectoria elegida. La seal de control GM que determina la trayectoria de menor costo es la estrategia
ptima. Como ya veremos, en sistemas de tiempo continuo, la acumulacin de costos se representa me-
diante integracin, en vez de suma.
La herramienta matemtica que usaremos para determinar la estrategia ptima es el principio de optima-
lidad de Bellman.
"
En cualquier punto intermedio en una trayectoria ptima entre y 6N , la
estrategia desde " al punto final N
debe ser en s una estrategia ptima.
Este obvio principio nos permitir resolver en forma cerrada nuestros problemas de control ptimo. Tam-
bin se usa en el cmputo recursivo de las soluciones ptimas en un procedimiento llamado programacin
dinmica.
Johann Bernoulli
(1667-1748)
Q P
Braquistocrono
Una formulacin
matemtica moderna del problema del braquistocrono es la siguiente: encontrar la seal
control R que lleve al sistema
Z 3K3 L h3
d 3 3 L h
9. Introduccin al Control ptimo 116
desde el punto U TS al punto U V en mnimo tiempo, sujeto a la restriccin K6 * 6
. Tpico problema de
S V
control ptimo.
El problema de control que queremos resolver es: Encontrar la secuencia de control K que lleve al siste-
ma (9.1) de la condicin inicial " al estado final N , minimizando el funcional cuadrtico
|
B | ! * | Y C * K ? K
"XW
6 6 " (9.2)
! penaliza (9.2) puede interpretarse como el costo total de la transicin de " a y, en particular, el trmino
El funcional el error en! alcanzar el estado final deseado.
?
Las matrices de peso C y pueden ! seleccionarse para penalizar ciertos estados/entradas
otros. Como veremos, las matrices y C deben ser semi-definidas positivas, y la definida positiva.
?
ms que
el paso i
Para encontrar el control a aplicar al sistema de forma que se minimice (9.2), supongamos que estamos en
de la trayectoria ptima. As, el costo (9.2) de la transicin de i
a es
B
| W d6| c ! * | C | * K | ? K |fe (9.3)
! | *T K |e * ? K |
? *Tc ! K
c
e | *T ! | (9.4)
j 6 B K |8W ? * !
j 6 |
Como vemos, (9.5) es un control lineal por realimentacin de estados de la forma habitual
K M | ? | |
donde
? | ? * ! | ! a
e
c
(9.6)
1 Para abreviar las expresiones, cambiamos la habitual notacin discreta /6l mAn a /po .
9. Introduccin al Control ptimo 117
? ? * ! e | !
! | c ? | e ! ? | e * C * ? | ?'? |
c c
9.2.2 Transicin Z5[\ksh_a` Z5[b_
Tomamos otro paso para atrs en el cmputo del control ptimo y consideremos ahora que estamos en el
paso i . Notemos primero de (9.2) que
*
6 W | |W
B B B
6W
Por lo tanto, para calcular la estrategia ptima para ir del estado en al estado final en , usamos el
*
principio de optimalidad para deducir que
6W | |W
B M
B
B M
6W
| ! * C * K ? K
. Obtenemos
6 W | d6 c | | | B 6 6 6 6 e
B
donde
6
? ? * ! | e | ! | a
6 c
9.2.3 Transicin Zut3_v` Z5[b_
K M ?
? ? *T
! : | | ! : |
(9.9)
!
? ! : |
? * C * ? ?'? (9.10)
!
(9.11) de se resuelve para atrs, comenzando en
! ! (9.11)
Notar que la ecuacin en diferencias
B !
costo ptimo de a es M W | .
. El
6
El conjunto de ecuaciones (9.9), (9.10) y (9.11) representa el controlador LQ completo para el sistema
discreto (9.1), que resulta, en general, inestacionario.
La ecuacin en diferencias (9.11) se conoce como la ecuacin matricial en diferencias de Riccati. El ?
}
hecho de que se resuelva para atrs en el tiempo le da a la peculiaridad de que los transitorios aparecen
al final del intervalo , en vez de al principio.
9. Introduccin al Control ptimo 118
: | * K
Z h
| * | Y
* K 6
w
B | |
6 6 |
?
Las siguientes lneas de cdigo M ATLAB computan y en lazo cerrado.
% Costo
Q=[2 0;0 0.1];R=2;S=diag([5,5]);
k=10;
% Sistema
A=[2 1;-1 1];B=[0;1];x0=[2;-3];
% Solucion de la ecuacion de Riccati
while k>=1
K(k,:)=inv(R+B*S*B)*B*S*A;
S=(A-B*K(k,:))*S*(A-B*K(k,:))+Q+K(k,:)*R*K(k,:);
k=k-1;
end
% Simulacion del sistema realimentado
x(:,1)=x0;
for k=1:10
x(:,k+1) = A*x(:,k)-B*K(k,:)*x(:,k);
end
La matriz de realimentacin
?
debe calcularse en tiempo invertido y almacenarse para ser aplicada
posteriormente al sistema en tiempo normal.
2
xzy { | }
x ~ {| }
-1
-2
-3
0 2 4 6 8 10
|
U
Aunque la planta a lazo abierto es inestable (autovalores en ), vemos que el estado es estabilizado
K 6 6
asintticamente por GM . Notar que la planta a lazo cerrado es inestacionaria, ya que el control lo es.
La Figura 9.2 muestra la evolucin de las ganancias de control. Podemos comprobar que sus valores
cambian ms sobre el final del intervalo, ms que al comienzo, donde permanecen casi constantes.
9. Introduccin al Control ptimo 119
2.5
| y {| }
| ~ {| }
1.5
0.5
-0.5
-1
0 1 2 3 4 5 6 7 8 9
|
*T K
La deduccin del control ptimo LQ para el sistema en tiempo continuo,
Z3 3 (9.12)
sigue los mismos pasos que el de tiempo discreto, slo que las transiciones se reducen a incrementos
* |
infinitesimales. El costo es ahora
K |
B Z !
* K
3 ? 3 * K
6
N Z N 3DC Z3
6 c e
Haciendo tender los incrementos a cero se obtienen los equivalentes de tiempo continuo de las ecuaciones
(9.9), (9.10) y (9.11), que definen el control ptimo LQ en este caso (ver detalles en Bay (1999, 11.1.2)),
K M 3 ?
Z3
? 3 ? | _ (9.13)
3 3 ? | aCaS
(9.14)
3 (9.15)
La ecuacin (9.15) es la famosa ecuacin diferencial matricial de Riccati, que, como en el caso discreto,
tambin debe resolverse hacia atrs en el tiempo, con condiciones iniciales a5N . !
Como en el caso discreto:
El control ptimo LQ es una realimentacin lineal de estados, aunque inestacionaria.
Los transitorios en y ? ocurrirn sobre el final del intervalo N .
Pero, la ecuacin diferencial (9.15) es en general de difcil solucin. An, hacindolo numricamente,
cmo pueden guardarse los (infinitos) valores de 3 calculados en tiempo invertido para ser aplicados
luego al sistema?
Esta dificultad lleva a buscar una solucin ptima estacionaria, 3
? ?
caso de horizonte infinito N
. i , que surge de considerar el
c
En rigor, no sabemos an si estas soluciones algebraicas de rgimen permanente resuelven los corres-
pondientes problemas ptimos de horizonte infinito. Analizamos este punto a continuacin.
Queremos controlar el sistema
Z 3 T
* K 3
con una realimentacin esttica de estados ! K ? tal que se minimice el funcional de costo
B
DC Z3 * K K
3 ? !3 *
e
c
incurriendo en un costo
B
DC Z3 * ? C? e *
?
c
La solucin de (9.16) es Z3 , que reemplazada en la expresin del costo da
B 1 Z C * ? ?'? e
3
c
x (9.17)
Teorema 9.1. Si
!
!
es estabilizable, entonces, independientemente del peso , existe una solucin es-
ttica finita ( ) de la ecuacin diferencial (diferencia) de Riccati (9.15) ( (9.11)). Esta solucin ser tambin
una solucin de la ecuacin algebraica de Riccati correspondiente, y ser la solucin ptima en el caso de
} }
horizonte infinito.
Teorema 9.2. Si la matriz de peso C puede factorearse en la forma Cj
(!
, entonces la solucin esttica
}
es detectable.
es estabilizable y detectable, existe una solucin nica de (CARE) ( (DARE))
En conclusin, si ?
que da la ganancia ptima de realimentacin. Con M ATLAB, se puede calcular con K = lqr(A,B,Q,R)
(continuo) y K = dlqr(A,B,Q,R) (discreto).
En esta seccin trataremos algunos modelos simples de ruido y determinaremos formas de tenerlos en
cuenta en el diseo de observadores y realimentacin de estados.
Consideraremos primero ruido perturbando la observacin del estado de un sistema. Con un modelo
en ecuaciones de estado que incluye ruido, generaremos el mejor observador posible, es decir, el que
mejor rechaza el efecto del ruido. Estos observadores suelen llamarse estimadores, y el particular que
desarrollaremos es el filtro de Kalman.
: | x * K * @
Consideramos el sistema en tiempo discreto
x * (9.19)
;
La funcin denota la media estadstica (para una breve introduccin a procesos aleatorios ver por ejemplo
Consideraremos adems que el estado inicial del sistema (9.19) es en tambin una variable aleatoria
Friedland 1986, 10).
ya que raramente podemos conocerlo con exactitud. Consideramos que es ruido blanco, con varianza
e
e
!
c c
Asumimos que no est correlacionado con y .
La entrada , que acta a la salida, ruido de
se llama ruido de planta, o de proceso, y la entrada
medicin.
El ruido de planta modela el efecto de entradas ruidosas que actan en los estados mismos, mientras que
el ruido de medicin modela efectos tales como ruido en los sensores. La entrada es la habitual entrada K
de control, considerada determinstica.
9. Introduccin al Control ptimo 122
Observador actual
Suponiendo por el momento que no hay ruidos ( ), rederivamos el observador para sistemas
discretos con una ligera variante: Separamos el proceso de observacin en dos etapas:
1. prediccin del estado estimado en d base a datos en (estima anterior + entrada actual),
D (9.20)
La
diferencia con lo derivado anteriormente es que ahora corregimos la estima con la medicin actual
D Dp en vez de utilizar la medicin vieja 1 .
De (9.20) y (9.21), obtenemos la ecuacin del as llamado observador actual
D 6D
$
$ 6 D
(9.22)
La ecuacin del observador (9.22) difiere significativamente de la que presentamos anteriormente con siste-
mas continuos:
A A A A
$ G
sta suele denominarse la estima a priori, porque se hace antes de medir la salida (o sea que no tiene
correccin). Una vez disponible la salida en el instante q , terminamos de armar el observador actualizando
la estima obteniendo la, a menudo llamada, estima a posteriori:
D Dh=D D D (9.23)
Notar que usamos una ganancia de observacin variante en el tiempo, lo que, como veremos, es necesario.
En observadores determinsticos, se seleccionaba para asignar la dinmica del error de estimacin. En
este caso, adems, trataremos de minimizar el efecto de los ruidos.
9. Introduccin al Control ptimo 123
Criterio de optimizacin
El filtro de Kalman es ptimo en el sentido de que da la mejor estima del estado y al mismo tiempo minimiza
el efecto de los ruidos. Su derivacin surge de minimizar el error de estimacin a posteriori
Como est afectado por ruido, y por lo tanto depende de variables aleatorias, su valor en un instante dado
puede no ser representativo de las bondades de la estimacin. Buscamos entonces tratar de minimizar su
valor en promedio para todo el conjunto de ruidos posibles. Definimos entonces la covarianza a posteriori
Cuanto menor sea la norma de la matriz , menor ser la variabilidad del error de estimacin debida a
ruidos, y mejor el rechazo de stos.
1 1
line 1 line 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
-0.2 -0.2
0 50 100 150 200 250 300 350 0 50 100 150 200 250 300 350
Figura 9.4: Dos seales ruidosas con mayor (iz.) y menor (der.) variabilidad.
h
dDa aa=
h a dD= h
vpq r
( = = D Dv=
( $ a r==
Usando esta expresin de obtenemos
.b a d
$ a dD = q
. $ a dD dD = (9.25)
q$ =
= +
9. Introduccin al Control ptimo 124
De las hiptesis sobre las propiedades estadsticas de los ruidos vistas la clase pasada, tenemos que
r u D D8 5D 3 (9.26)
D ( D (9.27)
( D v 5 D
D ( v (9.28)
( v
D u$ D
=u D Dp D (9.29)
La expresin recursiva (9.29) representa la dinmica de la covarianza del error de estimacin. Esta expre-
sin, sin embargo, no es enteramente til, pues todava no conocemos D , que determinaremos en lo que
sigue.
Ahora derivamos (9.30) con respecto a D . Los dos primeros trminos dan cero, pues no dependen de
D . Para los siguientes trminos usamos las siguientes propiedades de la derivada de la traza de una
matriz (ver Bay 1999, Apndice A),
r
$ p
$
As obtenemos de (9.30)
=D
p
D
q=DA
1
33D
D
^
z
'
(9.31)
Esta es la ganancia ptima para el estimador dado por la ecuacin (9.23), y se conoce como la ganancia de
Kalman. Como supusimos, es inestacionaria, ya que depende de , que se obtiene resolviendo la ecuacin
en diferencias (9.29).
3 Aunque s lo estn { y , dado que { !"#$% .
9. Introduccin al Control ptimo 125
D
1
inicializada con la estima inicial
( . ( &
2. Calculamos la ganancia de Kalman de (9.31),
D^X
'
'
que inicializamos con la covarianza original ( $ ( & & &
.
3. Calculamos la estima a posteriori, corregida con la salida medida D mediante (9.23), que puede
simplificarse a
D $3DA
3DTD
D D ' D Dp D
y el proceso se repite el siguiente paso.
9.6 Notas
) La ecuacin diferencia de Riccati (9.29) que determina la matriz de covarianza se calcula para
adelante en el tiempo, a diferencia del dual caso de control ptimo LQ. Esto implica que el filtro de
Kalman puede implementarse en su forma inestacionaria en tiempo real.
) El filtro de Kalman derivado es el mejor estimador si los ruidos de proceso y medicin son Gausianos.
Para otras distribuciones probabilsticas, el filtro de Kalman es el mejor estimador lineal.
) El filtro de Kalman puede obtenerse tambin en tiempo continuo, aunque es raramente usado en la
prctica, ya que casi siempre se implementa en una computadora digital, para la que la versin discreta
es ms natural. La derivacin de las ecuaciones es similar al caso continuo, y lleva a una ecuacin
diferencial de Riccati, dual al caso de control LQ (ver Bay 1999, 11.2.3).
) Como en el caso de control ptimo LQ, tambin en el caso del filtro de Kalman pueden calcularse
soluciones estacionarias de la ecuacin diferencia (diferencial) de Riccati que determina la matriz de
covarianza. Esta solucin ser aproximadamente ptima, y nica si y slo si r es estabilizarle,
y *
detectable, donde a . *+*
) En M ATLAB, la funcin kalman computa el filtro de Kalman estacionario (continuo o discreto).
) Naturalmente, el filtro de Kalman puede combinarse con cualquier control por realimentacin de es-
tados. Cuando el controlador elegido es el ptimo LQ, la combinacin da lo que se conoce como
controlador lineal cuadrtico gausiano (LQG).
) La robustificacin de un regulador LQG mediante agregado de accin integral es exactamente igual
al caso visto en asignacin de polos y se aplica de la misma manera (la accin integral es parte del
diseo de la arquitectura de control, y no del control en s).
) Pueden verse algunas aplicaciones industriales del filtro de Kalman en Goodwin et al. (2000) (hay una
copia disponible en IACI).
9. Introduccin al Control ptimo 126
9.7 Ejercicios
Ejercicio 9.1. Para el sistema discreto
3-, -.
3z0.
D
3
3
3 -/
3
encontrar la secuencia de control que minimiza el funcional de costo
43
87
1 2 5
2
"6
;
; ;
determinar el control por realimentacin de estados que minimiza el criterio
1 2:5 ; 9 2
6
disear una realimentacin de estados para ubicar los autovalores a lazo cerrado en 3 3 . < 7>= 7@?
Disear un observador de orden completo estndar, y uno actual. Programar ambos en M ATLAB y comparar
sus desempeos mediante simulacin.
Ejercicio 9.4. La medicin ruidosa en tiempo discreto de una constante desconocida A satisface el modelo
6 A D
Ejercicio 9.5. Considerar el problema de medicin en tiempo discreto de una senoide de frecuencia conoci-
da pero amplitud y fase desconocidas, es decir:
Seron, M. M., Braslavsky, J. H. & Goodwin, G. C. (1997), Fundamental Limitations in Filtering and Control,
CCES Series, Springer-Verlag.
Van Loan, C. (1978), Computing integrals involving the matrix exponential, IEEE Trans. on Automatic Control
23(3), 395404.
127