Sistemas de Control

SISTEMAS DE CONTROL
Ing. Mauricio Améstegui Moreno
UNIVERSIDAD MAYOR DE SAN ANDRES

LA PAZ – BOLIVIA
AGOSTO DE 2004
Contenido
CONTENIDO
1 Preliminares Matemáticos
1.1 Números Complejos
1.2 Vectores
1.3 Matrices
1.4 Funciones de variable compleja
1.5 La Transformada de Laplace

1.5.1 Definición
1.5.2 Propiedades de la Transformada de Laplace
1.5.3 Inversión por expansión en fracciones parciales y solución de ecuaciones
diferenciales ordinarias lineales
2 Modelos Matemáticos de Sistemas Dinámicos

2.1 Descripción mediante ecuaciones diferenciales ordinarias
2.2 Descripción mediante funciones de transferencia
2.3 Diagramas de bloques
2.4 Modelos en el espacio de estado
2.5 Ejemplos de modelos no lineales en el dominio del tiempo

2.5.1 Péndulo simple
2.5.2 Sistema de tanques en cascada
2.6 Linealización de sistemas no lineales
3 Sitemas realimentados
3.1 Sistemas realimetnados
3.1.1 Aproximación de la salida del sistema en lazo cerrado a la señal de
referencia
3.1.2 Visión estática de las propiedades de la realimentación
3.1.3 Uso de la realimentación como mecanismo de linealización
3.1.4 Reducción de la variación en la dinámica del proceso
3.1.5 Sensibilidad del sistema en lazo cerrado
Ing. Mauricio Améstegui M. Pág. 1

Agosto de 2004
Contenido
3.1.6 Efecto de las perturbaciones sobre un sistema realimentado
3.2 Acciones básicas de control

3.2.1 Control On/Off
3.2.2 Control PID
3.3 Estabilidad de sistemas lineales invariantes

3.3.1 Definición
3.3.2 Prueba de estabilidad de Routh
3.3.3 Ejemplos de aplicación al análisis de un sistema de control
3.4 Ejemplo de un sistema de control de velocidad de un

motor de CD controlado por armadura
4 Análisis y Diseño de Sistemas en el Dominio del

Tiempo
4.1 Introducción
4.1.1 Ecuaciones diferenciales lineales ordinarias y funciones de transferencia
4.1.2 Respuesta de sistemas lineales a señales típicas
4.2 Respuesta transitoria de un sistema de primer orden

4.2.1 Respuesta al impulso
4.2.2 Respuesta al escalón
4.2.3 Respuesta a la rampa unitaria
4.3 Respuesta transitoria de un sistema de segundo orden

4.3.1 Descripción del sistema
4.3.2 Respuesta al escalón unitario del sistema de segundo orden
4.4 Control con especificaciones de la respuesta transitoria

4.4.1 Control de un sistema de primer orden
4.4.2 Control de un sistema de segundo orden
4.5 Sistemas de mayor orden con polos dominantes de

segundo orden
4.6 Respuesta en estado estacionario

4.6.1 Respuesta a una entrada escalón unitario
4.6.2 Respuesta a una entrada rampa unitaria
4.6.3 Respuesta a una entrada parábola unitaria

Agosto de 2004
Contenido
4.6.4 Respuesta a una entrada senoidal de magnitud unitaria
4.7 Análisis del error en estado estacionario

4.7.1 Error en estado estacionario a una entrada escalón unitario
4.7.2 Error en estado estacionario a una entrada rampa unitaria
4.7.3 Error en estado estacionario a una entrada parábola unitaria
4,7,4 Principio del modelo interno
5 Análisis y Diseño de Sistemas de Control usando la

Técnica del Lugar de las Raíces
5.1 Introducción
5.2 Técnica del lugar de las raíces

5.2.1 El lugar de las raíces
5.2.2 Construcción de un bosquejo del lugar de las raíces para un sistema de
tercer orden
5.3 Análisis y diseño empírico de un sistema de control de

segundo orden
5.3.2 Descripción del sistema en lazo abierto
5.3.3 Control proporcional
5.3.4 Control proporcional-derivativo (PD)
5.3.5 Control proporcional-integral (PI)
2.3.6 Control proporcional-integral-derivtivo (PID)
6 Análisis y Diseño de Sistemas de Control en el

Dominio de la Frecuencia
6.1 Representaciones gráficas de la respuesta en frecuencia
6.1.1 Diagramas de Bode
6.1.2 Diagrama de Nyquist
6.2 Identificación del tipo de sistema

6.2.1 Identificación del tipo de sistema a partir de un diagrama de Bode
6.2.2 Identificación del tipo de sistema a partir de un diagrama polar
6.3 Criterio de estabilidad de Nyquist

6.3.1 Principio del argumento
6.3.2 Criterio de Nyquist
6.3.3 Análisis de estabilidad de sistemas utilizando el criterio de Nyquist

Agosto de 2004
Contenido
6.4 Estabilidad relativa

6.4.1 Margen de ganancia
6.4.2 Margen de fase
6.4.3 Interpretación de los márgenes de ganancia y de fase
6.4.4 Ejemplos
6.5 Especificaciones de sistemas de lazo cerrado en el

dominio de la frecuencia
7 Diseño de Compensadores
7.1 Introducción
7.2 Diseño de compensadores basados en la técnica del lugar

de las raíces
7.2.1 Compensación de atraso de fase
7.2.2 Controlador PI
7.2.3 Compensación de adelanto de fase
7.2.4 Controlador PD
7.2.5 Compensación de adelanto-atraso de fase
7.2.6 Controlador PID
7.3 Diseño de compensadores basados en la respuesta en

frecuencia
7.3.1 Compensación de adelanto de fase

7.3.2 Compensación de atraso de fase
8 Diseño de Sistemas en el Espacio de Estado

8.1 Introducción
8.2 Controlabilidad y Observabilidad

8.2.1 Controlabilidad
8.2.2 Observabilidad
8.3 Diseño por localización de polos

8.3.1 Problema del regulador
8.3.2 Regulador con señal de referencia
8.3.3 Regulador con control integral
8.4 Estimación del estado

Agosto de 2004
Contenido
8.4.1 Estimador de orden completo

8.4.2 Estimador de orden reducido
8.5 Realimentación de la salida
Bibliografía

Agosto de 2004
Capítulo 1: Preliminares Matemáticos
1 Preliminares Matemáticos
1.1 Números Complejos
1.1.1 Fundamentos
Un número complejo x es una combinación de dos números reales σ y ω denotado por:

x = σ + jω , donde j = − 1 . El número σ se denomina parte real y el número ω se
denomina parte imaginaria. Los números reales y los números imaginarios son casos especiales
de números complejos obtenidos haciendo la parte imaginaria igual a cero, en el caso de los
reales, y la parte real igual a cero, en el caso de los imaginarios. Por su parte, el número
complejo x = σ − jω se denomina el complejo conjugado del número x .
La aritmética de números complejos satisface las siguientes propiedades:
o Si σ + jω = 0 , entonces σ = 0 y ω = 0 .
o Si σ 1 + jω1 = σ 2 + jω 2 , entonces σ 1 = σ 2 y ω1 = ω 2 .
o Si x = σ 1 + jω1 y y = σ 2 + jω 2 , entonces
x ± y = (σ 1 ± σ 2 ) + j (ω1 ± ω 2 )
xy = (σ 1σ 2 − ω1ω 2 ) + j (σ 2ω1 + σ 1ω 2 )
o Si x = σ + jω entonces xx = σ 2 + ω 2
Ejemplo.- Considere los números complejos:
x = 2 + j3
y = 1 − j2
entonces:
x + y = 2 + j3 + 1 − j 2 = 3 + j
xy = ( 2 ⋅ 3 − 1 ⋅ ( −2)) + j (1 ⋅ 3 + 2 ⋅ ( −2)) = 8 + j 0 = 8
x = 2 − j3
y = 1 + j2
xx = 2 2 + 3 2 = 4 + 9 = 13
yy = 12 + (−2) 2 = 1 + 4 = 5
La magnitud de un número complejo x = σ + jω , denotada por x , está dada por la siguiente

expresión:
x = σ 2 +ω2 (1.1)
Por su parte, el ángulo de x , denotado por ∠x , está dado por la siguiente expresión:
Ing. Mauricio Améstegui M. Pág. 1.1

Agosto de 2004
ω (1.2)
∠x = tan −1
σ
En función de la magnitud y del ángulo, un número complejo también puede ser representado de
la siguiente manera:
x = x e j∠x = x (cos(∠x) + j sin(∠x) ) (1.3)
Ejemplo.- Considere el número complejo x = 2 + j 3 . Entonces:
x = 2 2 + 3 2 = 13
3
arg x = tan −1
2
De aquí:
⎡ ⎛ 3⎞ ⎛ 3 ⎞⎤
3
j tan
x = 13e 2
= 13 ⎢cos⎜ tan −1 ⎟ + j sin ⎜ tan −1 ⎟⎥
⎣ ⎝ 2⎠ ⎝ 2 ⎠⎦
1.2 Vectores
1.2.1 Fundamentos
Un escalar es una cantidad que define una cierta magnitud como masa, longitud, densidad o
temperatura. Por su parte, un vector es una cantidad que tiene una magnitud, una dirección y un
sentido como fuerza, posición, velocidad, etc. Un vector de dimensión menor o igual que 3 puede
ser representado geométricamente por un segmento de línea orientado con una flecha; la Fig.
2.1 muestra un vector de dimensión 2 en la plano cartesiano.
x2
x
x1
Fig. 2.1 Representación de un vector en el plano cartesiano
Un vector x ∈ R n se denota por una n -tupla de números reales de la siguiente manera:
⎡ x1 ⎤ (2.1)
⎢x ⎥
x = ⎢ 2 ⎥ = [x1 x2 L xn ]
T
⎢M⎥
⎢ ⎥
⎣ xn ⎦

Agosto de 2004
donde x1 , x 2 ,L , x n son las coordenadas o elementos componentes del vector x y T denota

transposición. Los vectores, como elementos de un espacio lineal, satisfacen dos operaciones: la
suma vectorial y la multiplicación por un escalar, las mismas que tienen las siguientes
propiedades:
Para todo x, y, z en el espacio lineal Ω y todo escalar α , β en el campo K , se tiene que:
o x + y∈Ω
o x+ y = y+x
o ( x + y) + z = x + ( y + z)
o Existe un 0 ∈ Ω tal que 0 + x = x
o Existe un y tal que x + y = 0
o αx ∈ Ω
o α ( β x ) = (αβ ) x
o α ( x + y ) = αx + αy
o (α + β ) x = αx + β x
o Existe un 1 ∈ K tal que 1x = x
Producto interno de vectores
El producto interno de dos vectores x, y ∈ R n está definido como:
⎡ y1 ⎤
⎢y ⎥ n
x T y = [x1 x2 L x n ]⎢ 2 ⎥ = ∑ xi y i
⎢ M ⎥ i =1
⎢ ⎥
⎣ yn ⎦
Se puede fácilmente verificar que el producto interno de dos vectores satisface las siguientes
propiedades:
x T y = y T x , para todo x, y ∈ R n
x T ( y + z ) = x T y + x T z , para todo x, y, x ∈ R n
Ejemplo.- Sean los vectores
⎡1 ⎤ ⎡ 4⎤
x = ⎢ ⎥; y = ⎢ ⎥
⎣ 2⎦ ⎣ 3⎦
entonces:
⎡4⎤
x T y = [1 2]⎢ ⎥ = 1 ⋅ 4 + 2 ⋅ 3 = 10
⎣3⎦
Magnitud de un vector

Agosto de 2004
La magnitud de un vector está dada por su norma euclidiana x , x ∈ R n que se define como:
n
x = ∑x
i =1
2
i = xT x
donde sólo se considera la parte positiva de la raíz cuadrada. Inmediatamente se puede

comprobar que la norma euclidiana satisface las siguientes propiedades:
x = 0 sí y sólo si x = 0 ∈ R n
x > 0 , para todo x ∈ R n con x ≠ 0 ∈ R n
ax = a x , para todo a ∈ R y x ∈ R n
x − y ≤ x + y ≤ x + y , para todo x, y ∈ R n
x T y ≤ x y , para todo x, y ∈ R n (desigualdad de Schwarz)
Ejemplo.- La magnitud del vector
⎡ 3⎤
x=⎢ ⎥
⎣ 4⎦
está dada por:
x = x T x = 3 2 + 4 2 = 25 = 5
1.3 Matrices
1.3.1 Fundamentos
La matrices representan herramientas convenientes para la sistematización de cálculos

laboriosos, ya que proveen una notación compacta para almacenar información y describir
relaciones complicadas.
Una matriz de p × q es un arreglo rectangular A de pq números encerrados en corchetes

cuadrados; los números en el arreglo se denominan elementos y están colocados en p filas y
q columnas. El elemento i, j se denota por a ij y es lo que se encuentra en el cruce de la i -
esima fila con la j -esima columna. Así, una matriz de n filas y m columnas A ∈ R n×m está
descrita por:
⎡ a11 a12 L a1m ⎤

⎢a L a 2 m ⎥⎥
A = {aij } = ⎢ 21
a 22
⎢ M M O M ⎥
⎢ ⎥
⎣a n1 an2 L a nm ⎦

Agosto de 2004
Un vector x ∈ R n puede ser interpretado como una matriz particular perteneciente a

R n×1 = R n
Igualdad de matrices
Dos matrices A y B son iguales sí y sólo si tienen el mismo número de filas, el mismo número
de columnas y todos los elementos correspondientes son iguales, a ij = bij para todo i, j .
Suma de matrices
Dos matrices A y B se pueden sumar sí y sólo si tienen el mismo número de filas y el mismo
número de columnas. Sea C = A + B entonces cij = a ij + bij . La suma de matrices satisface la
ley de conmutativa y la ley asociativa.
Ejemplo.- Sean las matrices:
⎡ 5 2⎤ ⎡1 3 ⎤
A=⎢ ⎥ ; B=⎢ ⎥
⎣− 1 4⎦ ⎣2 − 3⎦
Entonces:
⎡ 5 2⎤ ⎡1 3 ⎤ ⎡ 5 + 1 2 + 3⎤ ⎡6 5⎤
A+ B = ⎢ ⎥+⎢ ⎥=⎢ ⎥=⎢ ⎥
⎣− 1 4⎦ ⎣2 − 3⎦ ⎣− 1 + 2 4 − 3⎦ ⎣1 1⎦
Producto de matrices
El producto de dos matrices A y B de p × q y q × r , respectivamente, se define en términos

de los productos de las filas de A por las columnas de B tal que C = AB es una matriz de
p × r cuyos elementos están dados por:
q (3.1)
cij = ∑ aik bkj
k =1
Ejemplo.- Sean las matrices:
⎡2 1 ⎤
⎡1 2 3 ⎤
A=⎢ ⎥ ; B = ⎢− 3 2 ⎥⎥
⎢
⎣ 4 − 1 2⎦ ⎢⎣ 4 − 2⎥⎦
Entonces:
⎡2 1 ⎤
⎡1 2 3 ⎤ ⎢ ⎡ 1 ⋅ 2 + 2 ⋅ 3 + 3 ⋅ 4 1 ⋅ 1 + 2 ⋅ 2 + 3 ⋅ (−2) ⎤ ⎡ 8 − 1⎤
AB = ⎢ ⎥ ⎢ − 3 2 ⎥⎥ = ⎢ ⎥=⎢ ⎥
⎣4 − 1 2⎦ ⎢ 4 − 2⎥ ⎣4 ⋅ 2 − 1 ⋅ (−3) + 2 ⋅ 4 4 ⋅ 1 − 1 ⋅ 2 + 2 ⋅ (−2)⎦ ⎣19 − 2⎦
⎣ ⎦

Agosto de 2004
Traza de una matriz
La suma de los elementos diagonales de una matriz cuadrada se llama traza de la matriz y está
definida por:
n
(3.2)
Tr ( A) = ∑ a ii
i =1
Ejemplo.- Sea la matriz:
⎡2 4 5⎤
A = ⎢− 1 3 − 2⎥⎥
⎢
⎢⎣ 5 − 1 1 ⎥⎦
Entonces
Tr ( A) = 2 + 3 + 1 = 6
Determinante de una matriz
El determinante de una matriz es un número denotado por det A , que puede ser calculado a
partir de A usando ciertas reglas. Es la suma de todos los productos posibles de elementos de
A formados con un elemento solamente de cada fila y de cada columna, con signo más o
menos según sea par o impar la permutación de subíndices:
det A = ∑ ± a1i1 a1i2 L a1in (3.3)
El determinante se puede evaluar mediante la expresión de Laplace dada por:
n (3.4)
det A = ∑ aij cij
j =1
donde c ij es el cofactor del elemento a ij , o sea el producto de ( −1) i+ j por el determinante de

la submatriz C de ( n × 1)( n × 1) obtenida al eliminar en A la fila i y la columna j :
cij = (−1) i + j det C (3.5)
El determinante satisface
det( AB ) = det A det B = det( BA) (3.6)
Casos especiales de determinantes
Sean las matrices:

Agosto de 2004
⎡ a11 a12 a13 ⎤

⎡a a12 ⎤
A = ⎢ 11 ; B = ⎢⎢a 21 a 23 ⎥⎥
a 21 ⎥⎦
a 22
⎣a 21 ⎢⎣a31 a32 a33 ⎥⎦
Entonces:
det( A) = a11a 22 − a12 a 21

det( B) = a11 a 22 a33 + a12 a 23 a31 + a13 a 21 a32 − a13 a 22 a31 − a12 a 21 a33 − a11 a 23 a32
Inversa de una matriz
La inversa de una matriz está definida por C = adj A / det A donde adj A es la matriz adjunta
de A . La inversa de una matriz se denota por A −1 . Note que la matriz es invertible (o no
singular) si el determinante de la matriz A es diferente de cero. En este caso:
AA −1 = A −1 A = I (3.7)
El elemento ij de adj A es el cofactor ji de la matriz A ; es decir:
adj A = C T (3.8)
donde C es la matriz de cofactores de A .
Ejemplo.- Calcular la inversa de la matriz:
⎡ 8 − 1⎤
A=⎢ ⎥
⎣19 − 2⎦
La inversa está entonces dada por:
⎡ 2 1⎤
− − ⎢−3
T
−1
A =
1 1⎡
C = ⎢
T 2 19 ⎤
=⎢ 3⎥
det( A) 3⎣ 1 8 ⎥⎦ 19 8⎥
⎢− ⎥
⎣ 3 3⎦
Algunas propiedades de inversa de matrices
Si A y B son matrices invertibles, entonces:
( AB )−1 = B −1 A −1 (3.9)
Un lema de mucha utilidad en la teoría de control es el denominado lema de inversión:
Lema de inversión.- Dadas las matrices R, S , U , V de dimensiones compatibles, donde R y S

son cuadradas y no singulares, se tiene que:

Agosto de 2004
(R − US V )−1 −1
= R −1 + R −1U ( S − VR −1U ) −1VR −1 (3.10)
Transpuesta de una matriz
La transpuesta de una matriz A denotada por B = AT cuyos elementos están dados por
bij = a ji . Esta operación satisface las siguientes propiedades:
o (A )T T
=A
o ( A ± B )T = AT ± B T
o (cA)T = cAT
o ( AB )T = B T AT
Valores propios de una matriz
Un número complejo λ es un valor propio de la matriz cuadrada A de n × n si existe un vector

no nulo v de dimensión n tal que:
Av = λv (3.11)
Este vector v es un vector propio (por derecha) de A asociado al valor propio λ . Los valores
propios de A se encuentran resolviendo la ecuación algebraica:
(λI − A)v = 0 (3.12)
Este sistema admite soluciones no nulas si la matriz (λI − A) es singular (determinante cero).
Defina ahora el polinomio característico de A como:
∆(λ ) = det(λI − A) (3.13)
El polinomio ∆ (λ ) es mónico (el coeficiente del término de mayor orden es 1) de grado n y

tiene coeficientes reales. Para cada raíz de ∆ (λ ) , la matriz (λI − A) es singular y, por tanto, la
ecuación algebraica de la ecuación (3.12) tiene al menos una solución no nula. Como ∆ (λ )
tiene grado n , la matriz A tiene n valores propios, aunque no necesariamente todos distintos.
Los valores propios de una matriz cuadrada A están dados por las raíces del denominado
polinomio característico definido como:
P ( s ) = det( sI − A) (3.11)
Ejemplo.- Calcular los valores propios de la matriz:
⎡2 1⎤
A=⎢ ⎥
⎣− 3 − 5⎦
Entonces:

Agosto de 2004
⎡λ − 2 − 1 ⎤
λI − A = ⎢
⎣ 3 λ + 5⎥⎦
det(λI − A) = (λ − 2)(λ + 5) + 3 = λ2 + 3λ − 7
Los valores propios son las raíces de:
λ 2 + 3λ − 7 = 0
cuya solución está dada por:
− 3 ± 9 + 28 − 3 ± 37
λ12 = =
2 2
Para una matriz de orden mayor a 2, en general es necesario recurrir a métodos numéricos para
el cálculo de los valores propios.
1.4 Funciones de Variable compleja
Si la parte real y/o imaginaria de un número complejo son variables, entonces se obtiene lo que
se denomina una variable compleja. Sea s una variable compleja dada por:
s = σ + jω (4.1)
donde σ es la parte real y ω es la parte imaginaria de la variable compleja. Sea F (s ) una

función de la variable compleja s , entonces:
F ( s ) = Fx (σ , ω ) + jF y (σ , ω ) (4.2)
donde Fx (σ , ω ) y Fy (σ , ω ) son cantidades reales. La magnitud y la fase de F (s ) están

definidas por:
F ( s) = Fx2 (σ , ω ) + Fy2 (σ , ω ) (4.3)
Fy (σ , ω ) (4.4)
∠F ( s) = tan −1
Fx (σ , ω )
Los sistemas lineales invariantes en el tiempo pueden ser representados por funciones de la
variable compleja de Laplace, en cuyo caso, estas funciones toman la forma de una función
racional como la que se muestra en la siguiente expresión:
K ( s + z1 )( s + z 2 ) L ( s + z m ) (4.5)
F (s) =
( s + p1 )( s + p 2 ) L ( s + p n )

Agosto de 2004
Los números complejos − z i para 1,2, L , m , se denominan ceros, debido a que son los puntos
en los que son los puntos en los que la función F (s ) se hace cero. Por su parte, los números
complejos − pi , para i = 1,2, L , n , se denominan polos y son los puntos en los que
F (s ) = ∞ .
1.5 La Transformada de Laplace
1.5.1 Definición
Sea f (t ) una función en el dominio del tiempo tal que f (t ) = 0 para t < 0 . La transformada
de Laplace de la función f (t ) está definida por la siguiente integral, suponiendo que la integral
existe:
∞ (5.1)
L { f (t )} = F ( s) = ∫ f (t )e − st dt
0
donde s es una variable compleja. La correspondiente transformada inversa está dada por:
1
σ + j∞ (5.2)
f (t ) = ∫ F ( s)e st ds
2πj σ − j∞
donde s = σ + jω . En este caso, la integral se evalúa en la recta del plano complejo

perpendicular al eje real en el punto σ , desde σ − jω hasta σ + jω , y asegura la
convergencia de la integral. Para calcular dicha integral, es necesario utilizar la técnica de
integración de contorno en el plano complejo, lo que no sólo es difícil, sino que está fuera del
alcance de estos apuntes. Sin embargo, en el caso de funciones racionales es posible invertir
utilizando un método de descomposición en fracciones parciales de la función F (s ) , como se
verá más adelante.
1.5.2 Propiedades de la Transformada de Laplace.

Algunas de las propiedades más útiles de la Transformada de Laplace se listan a continuación:
Propiedad 1 (Linealidad).- Si L { f1 (t )} = F1 ( s) y L { f 2 (t )} = F2 ( s) , entonces

L {af1 (t ) + bf 2 (t )} = aF2 ( s) + bF2 ( s)
{ }
Propiedad 2 (Corrimiento).- Si L { f (t )} = F ( s) entonces L e − at f (t ) = F ( s + a)
Propiedad 3 (Transformada de una derivada).- Si L { f (t )} = F (s) entonces

⎧d ⎫
L ⎨ f (t )⎬ = sF ( s ) − f (0)
⎩ dt ⎭

Agosto de 2004
Propiedad 4 (Transformada de una integral).- Si L { f (t )} = F (s) entonces

⎧t ⎫ 1
L ⎨∫ f (t )dt ⎬ = F ( s )
⎩0 ⎭ s
Propiedad 5 (Teorema del valor inicial).- Si L { f (t )} = F ( s) y f (0) existe, entonces

lim f (t ) = lim sF ( s )
t →0 s →∞
Propiedad 6 (Teorema del valor final).- Si L { f (t )} = F ( s) y todos los polos de sF (s ) están

en el semiplano izquierdo del plano complejo s , entonces lim f (t ) = lim sF ( s )
t →∞ s →0
Tablas de transformadas
En la literatura sobre transformadas de Laplace se pueden encontrar tablas con un numeroso
conjunto de pares de transformadas directas e inversas como la que se muestra a continuación:
f (t ) F (s )
δ (t ) 1
1; t ≥ 0 1
s
t 1
s2
t n ; n = 1,2, L n!
s n +1
e − at 1
s+a
t n e − at n!
( s + a ) n +1
sin ωt ω
s +ω2
2
cos ωt s
s +ω2
2
sin(ωt + θ ) s sin θ + ω cos θ

s2 + ω 2
sinh at a
s − a2
2
cosh at s
s − a2
2
1 1
(1 − e − at )
a s( s + a)
1
b−a
(
e − at − e −bt ) 1
( s + a )( s + b)
; a≠b
1 s
(be − at − ae −bt ) ; a≠b
b−a ( s + a )( s + b)

Agosto de 2004
1 ⎡
⎢1+
1
ab ⎣ a − b
( ⎤
be − at − ae −bt ⎥ ) 1
s( s + a)( s + b)
; a ≠ b; a ≠ 0; b ≠ 0
⎦
1 ⎡ b(α − a ) − at a (α − b) −bt ⎤ s +α
⎢α− e + e ⎥ ; a ≠ b; a ≠ 0; b ≠ 0
ab ⎣ b−a b−a ⎦ s( s + a)( s + b)
e − at e −bt e − ct 1
; a ≠ b; b ≠ c;
+ +
(b − a)(c − a) (c − b)(a − b) (a − c)(b − c) ( s + a )( s + b)( s + c)
a≠c
ae − at be − bt ce − ct s
; a ≠ b; b ≠ c;
+ +
(a − b)(c − a) (b − c)(a − b) (c − a)(b − c) ( s + a)( s + b)( s + c)
a≠c
1 1
(1 − cos ωt ) ;ω≠0
ω2 s(s + ω 2 )
2
α α 2 +ω2 s +α
− cos(ωt + φ ) ;ω≠0
ω2 ω2 s(s 2 + ω 2 )
ω
φ = tan −1
α
ωn ω n2
e −ξω t sin ω n 1 − ξ 2 t ; 0 < ξ < 1
n
1−ξ 2 s 2 + 2ξω n s + ω n2
1−
1
e −ξωnt sin(ω n 1 − ξ 2 t − φ ) ; ω n2
1−ξ 2 s ( s 2 + 2ξω n s + ω n2 )
1− ξ 2
φ = tan −1
; 0 < ξ <1
ξ
1.5.3 Inversión por expansión en fracciones parciales y solución de

ecuaciones diferenciales ordinarias lineales
La transformada de Laplace es de mucha utilidad cuando se trata de resolver ecuaciones

diferenciales ordinarias, lineales e invariantes en el tiempo. El procedimiento es transformar las
ecuaciones diferenciales al dominio de la transformada de Laplace, encontrar la solución en el
dominio transformado y aplicar la transformada inversa.
Una función racional F (s ) se puede expandir en fracciones más simples como sigue:
N (s) α1 α2 αj αn (5.3)
F (s) = = + +L+ +L+
D ( s ) s + p1 s + p 2 s + pj s + pn
donde n es el orden del polinomio D (s ) y los p i son los valores negativos de las raíces de
D (s ) . Las constantes α i se denominan residuos. Note que de la ecuación anterior F (s ) se
puede convertir al dominio del tiempo término por término como sigue:
⎧ α ⎫ ⎧ α ⎫ ⎧ α ⎫ (5.4)
f (t ) = L−1 {F ( s )} = L−1 ⎨ 1 ⎬ + L−1 ⎨ 2 ⎬ + L + L−1 ⎨ n ⎬
⎩ s + p1 ⎭ ⎩ s + p2 ⎭ ⎩ s + pn ⎭

Agosto de 2004
Esto trabaja gracias a la propiedad de linealidad de la transformada de Laplace. Esta técnica de

inversión se conoce como inversión por expansión en fracciones parciales o bien como inversión
por expansión de Heaviside. Para calcular los residuos se deben considerar tres casos diferentes
como se muestra a continuación con algunos ejemplos.
Caso 1.- D (s ) tiene raíces reales y distintas.
Considere la función:
6s 2 − 12 6 s 2 − 12 α α α (5.5)
F (s) = = = 1 + 2 + 3
s + s − 4 s + 4 ( s + 1)( s + 2)(s − 2) s + 1 s + 2 s − 2
3 2
Para encontrar los valores de los residuos se aplica la siguiente idea:
Si se multiplica ambos lados de la ecuación (5.5) por ( s + 1) se obtiene:
6s 2 − 12 α α (5.6)
= α 1 + 2 ( s + 1) + 3 ( s + 1)
( s + 2)( s − 2) s+2 s−2
Puesto que la expresión anterior es válida para todo s , si se elige s = −1 , se obtiene:
6s 2 − 12 (5.7)
α1 = =2
( s + 2)( s − 2) s = −1
Similarmente para α 2 y α 3 se tiene que:
6s 2 − 12 (5.8)
α2 = =3
( s + 1)(s − 2) s = −2
6s − 12
2 (5.9)
α3 = =1
( s + 1)( s + 2) s =2
Por tanto:
2 3 1 (5.10)
F ( s) = + +
s +1 s + 2 s − 2
La expresión anterior es equivalente a 5.5 como se muestra a continuación:
2 3 1 2( s + 2)( s − 2) + 3( s + 1)( s − 2) + ( s + 1)( s + 2)

F ( s) = + + =
s +1 s + 2 s − 2 ( s + 1)( s + 2)( s − 2)
2( s 2 − 4) + 3( s 2 − s − 2) + ( s 2 + 3s + 2) 6 s 2 − 12
= =
( s + 1)( s + 2)( s − 2) ( s + 1)( s + 2)( s − 2)
Convirtiendo al dominio del tiempo mediante tablas se tiene que:

Agosto de 2004
f (t ) = 2e − t + 3e −2t + e 2t (5.11)
En el caso general, el cálculo de los coeficientes se puede generalizar mediante la siguiente

expresión:
(5.12)
α i = (s + p i )
N ( s)
D( s ) s = − pi
Caso 2.- D (s ) tiene raíces complejas
Considere ahora la siguiente función racional:
s+5 s+5 (5.13)

F (s) = =
s + 4 s + 13 [s − (− 2 + 3 j )][s − (− 2 − 3 j )]
2
α α*
= +
s − (− 2 + 3 j ) s − (− 2 − 3 j )
donde α * es el complejo conjugado de α . Aplicando la misma idea que en el ejemplo anterior

se tiene que:
s+5 (−2 + 3 j ) + 5 j +1 1 (5.14)

α= = = = (1 − j )
s − ( −2 − 3 j ) s = −2 + 3 j
(−2 + 3 j ) + 2 + 3 j 2j 2
y su complejo conjugado es:
1 (5.15)
α * = (1 + j )
2
Por lo tanto, la transformada inversa es:
1 1 (5.16)
f (t ) = (1 − j )e ( −2+ 3 j )t + (1 + j )e ( −2−3 j ) t
2 2
=
1 − 2t
2
[
e (1 − j )e j 3t + (1 + j )e − j 3t ]
Aplicando la identidad de Euler se obtiene:
(5.17)
e [(1 − j )(cos 3t + j sin 3t ) + (1 + j )(cos 3t − j sin 3t )]
1 −2t
f (t ) =
2
e [2(cos 3t + sin 3t )]
1 − 2t
=
2

Agosto de 2004
2
que, aplicando la identidad trigonométrica sin(θ + π / 4) = (sin θ + cos θ ) , también se
2
puede escribir como:
⎛ π⎞ (5.18)
f (t ) = 2e − 2t sin ⎜ 3t + ⎟
⎝ 4⎠
Caso 3.- D (s ) tiene raíces repetidas.
Considere ahora la siguiente función racional:
2 (5.19)
F (s) =
( s + 1) ( s + 2)
3
Para mantener el numerador de cada fracción parcial con residuos compuestos por una
constante simple se tiene que expandir como:
2 α1 α2 α3 α4 (5.20)
F (s) = = + + +
( s + 1) ( s + 2) ( s + 1) ( s + 1)
3 2
( s + 1) 3
( s + 2)
Encontrar α 3 y α 4 es fácil, ya que se puede utilizar el mismo procedimiento de los anteriores

ejemplos:
2 (5.21)
α3 = =2
s + 2 s = −1
2 (5.22)
α3 = = −2
( s + 1) 3 s = −2
Para encontrar α 2 lo que se hace es multiplicar la expansión por ( s + 1) 3 tal que:
2 α ( s + 1) 3 (5.23)
= α 1 ( s + 1) 2 + α 2 ( s + 1) + α 3 + 4
s+2 s+2
Luego se obtiene la derivada con respecto a s que resulta en:
(5.24)
= 2α 1 ( s + 1) + α 2 + 0 + [α 4 × términos con ( s + 1)]
2
−
( s + 2) 2
Puesto que esta expresión también es válida para todo s , se puede sustituir s = −1 para
encontrar α 2 como sigue:
α 2 = −2 (5.25)

Agosto de 2004
Para encontrar α 1 se obtiene la segunda derivada de la ecuación (5.23) con respecto a s , lo

que resulta en:
(5.26)
= 2α 1 + 0 + 0 + [α 4 × términos con ( s + 1)]
4
( s + 2) 3
lo que produce, si se selecciona s = −1 , el siguiente valor para α 1 :
α1 = 2 (5.27)
De aquí se tiene que:
2 2 2 2 2 (5.28)
F (s) = = − + −
( s + 1) ( s + 2) ( s + 1) ( s + 1)
3 2
( s + 1) 3
( s + 2)
Se puede comprobar que la expresión (5.28) es equivalente a (5.20) haciendo:
2 2 2 2 2( s + 1) 3 − 2( s + 1)( s + 2) + 2( s + 2) − 2( s + 1) 3
F ( s) = − + − =
( s + 1) ( s + 1) 2 ( s + 1) 3 ( s + 2) ( s + 1) 3 ( s + 2)
2( s 3 + 4s 2 + 5s + 2) − 2( s 2 + 3s + 2) + 2( s + 2) − 2( s 3 + 3s 2 + 3s + 1) 2
= =
( s + 1) ( s + 2)
3
( s + 1) ( s + 2)
3
Aplicando tablas de transformadas de Laplace a las fracciones parciales de (5.28) se obtiene:
⎡⎛ t2 ⎞ −t ⎤ (5.29)
f (t ) = 2 ⎢⎜⎜1 − t + ⎟⎟e − e − 2t ⎥
⎣⎝ 2 ⎠ ⎦
En general la transformada inversa de las raíces repetidas tiene la forma:
⎧ α1 α2 αn ⎫ (5.30)
L−1 ⎨ + +L+ ⎬
⎩ ( s + p) ( s + p) ( s + p) n ⎭
2
⎡ α α n n −1 ⎤ − pt
= ⎢α 1 + α 2 t + 3 t 2 + L + t ⎥e
⎣ 2! (n − 1)! ⎦
Ejemplos de solución de ecuaciones diferenciales
Ejemplo.- Solución de una ecuación diferencial de primer orden. Considere la respuesta al

escalón de un sistema de primer orden dado por la ecuación diferencial:
dy (t ) (5.31)
τ + y (t ) = Ku (t ) ; y (0) = 0
dt
Sea u (t ) igual a una constante M para todo t ≥ 0 . Transformando al dominio de Laplace se

obtiene:

Agosto de 2004
K M KM 1 (5.32)
Y ( s) = ⋅ = ⋅
τs + 1 s τ ⎛ 1⎞
s⎜ s + ⎟
⎝ τ⎠
Expandiendo en fracciones parciales
⎡ ⎤ (5.33)
⎢ α1 α 2 ⎥ KM
Y ( s) = ⎢ + ⎥
⎢s + 1 s ⎥ τ
⎢⎣ τ ⎥⎦
donde los residuos α 1 y α 2 están dados por:
1 (5.34)
α1 = = −τ
s s =− 1
τ
(5.35)
1
α2 = =τ
⎛ 1⎞
⎜s + ⎟
⎝ τ⎠ s =0
De esta manera:
⎡ ⎤ ⎡ ⎤ (5.36)
⎢τ τ ⎥ KM ⎢1 1 ⎥
Y (s) = ⎢ − ⎥ = KM ⎢ − ⎥
⎢ s 1
s+ ⎥
τ ⎢s s + 1 ⎥
⎢⎣ τ ⎥⎦ ⎢⎣ τ ⎥⎦
Transformando al dominio del tiempo finalmente se obtiene:
[
y (t ) = KM 1 − e − t / τ ] (5.37)
Note que τ determina la velocidad de decaimiento del término exponencial, por lo que se le
denomina constante de tiempo. Si la constante de tiempo es grande el decaimiento es lento. Si la
constante de tiempo es más pequeña el decaimiento es rápido. Esto implica que la respuesta del
sistema, cuando la constante de tiempo es más pequeña, más rápido llega a su valor
estacionario. La respuesta del sistema para diferentes constantes de tiempo se muestra en la
Fig. 5.1 donde KM = 1 y las constantes de tiempo utilizadas son τ = 0.1,1,2 .

Agosto de 2004
Incremento de τ
Fig. 5.1 Respuesta al escalón de un sistema de primer orden para diferentes constantes de tiempo.
Note que el valor final de la respuesta puede obtenerse aplicando el teorema del valor final de la
transformada de Laplace como sigue:
⎡ MK ⎤
y (∞) = lim sY ( s ) = lim ⎢ = MK
s → 0 τs + 1 ⎥
s →0
⎣ ⎦
Ejemplo.- Ecuación diferencial de segundo orden. Considere ahora la siguiente ecuación

diferencial de segundo orden dada por:
&y&(t ) + 3 y& (t ) + 2 y (t ) = u& (t ) + 3u (t ) (5.38)
con condiciones iniciales y variable independiente dadas por:
y& (0) = y (0) = u (0) = 0 (5.39)

y u (t ) = δ (t ) (5.40)
donde δ (t ) es la función impulso unitario o delta de Dirac.
Transformando al dominio de Laplace se obtiene:
( s 2 + 3s + 2)Y ( s) = ( s + 3)U ( s) (5.41)
Puesto que U ( s ) = 1 , se tiene:
s+3 (5.42)
Y (s) =
( s + 1)( s + 2)
La función anterior, se puede también expresar de la siguiente manera:
α1 α2 (5.43)
Y (s) = +
s +1 s+2

Agosto de 2004
que es la expansión en fracciones parciales de F (s ) y los coeficientes α i se son los

correspondientes residuos. En este caso, note que la función F (s ) tiene dos polos distintos, tal
que los residuos se pueden calcular fácilmente como se muestra a continuación:
s+3 (5.44)
α1 = =2
s + 2 s =−1
s+3 (5.45)
α2 = = −1
s + 1 s = −2
Por tanto:
2 1 (5.46)
Y (s) = −
s +1 s + 2
De esta manera, la transformada inversa de F (s ) puede ser obtenida fácilmente como sigue:
⎧ 2 ⎫ - −1 ⎧ 1 ⎫ (5.47)
y (t ) = L-−1 ⎨ ⎬−L ⎨
−t
⎬ = 2e − e
− 2t
⎩ s + 1⎭ ⎩s + 2⎭
La Fig. 5.2 muestra la curva de respuesta al impulso del sistema dado por la ecuación diferencial
(5.38), obtenida utilizando Matlab.
Fig. 5.2 Respuesta al impulso del sistema descrito por la ecuación diferencial (5.38)
Algunas características sobre las raíces de un polinomio de grado n
Muchas veces es necesario encontrar las raíces de un polinomio. Esto ocurre cuando se debe
hallar la respuesta temporal de un sistema por medio de la transformada inversa de Laplace, en
cuyo caso es necesario obtener las raíces de la ecuación característica antes de proceder con la
transformación inversa. Para sistematizar y simplificar el proceso de obtención de raíces se han
recopilado las siguientes características.
Suponga que se tiene un polinomio de grado n dado por la siguiente expresión:

Agosto de 2004
A( s ) = a n s n + a n −1 s n −1 + L + a1 s + a 0 = 0
Las raíces del polinomio anterior satisfacen las siguientes características:
1. El número de raíces es igual al grado de la ecuación n .

2. Las raíces complejas aparecen en pares conjugados. Por tanto, si n es impar entonces
debe haber al menos una raíz real.
3. El número de raíces reales positivas es igual a un número par, menos el número de
variaciones de signo de los coeficientes de A(s ) . En particular, hay exactamente una raíz
real positiva si los coeficientes presentan una variación de signo. Esta regla se aplica para
investigar el posible número de raíces reales negativas.
4. El criterio de Routh que se describe en el próximo capítulo, permite la determinación del
número exacto de raíces con su parte real positiva. Pueden determinarse también las raíces
puramente imaginarias.
5. Si los coeficientes ai son enteros y existe alguna raíz racional, ésta está dada por r / m ,
donde r es un divisor de a 0 y m es un divisor de a n .
6. El polinomio A(s ) tendrá raíces complejas si hay tres coeficientes consecutivos ai −1 , ai y
ai +1 que satisfacen la siguiente desigualdad:
a i2 < a i −1 a i +1
7. Dadas las raíces p1 , p 2 ,L p n de un polinomio A(s ) de grado n , los coeficientes a0 , a n −1

y a n satisfacen las siguientes relaciones:
a n −1
= −( p1 + p 2 + L + p n )
an
a0
= (−1) n ( p1 p 2 L p n )
an
Ejemplo.- Considere el polinomio dado por:
A( s) = s 5 + 5s 4 + 4s 3 + 16s 2 + 22s − 2
o Este polinomio tiene las siguientes características:
o Existen 5 raíces, ya que el polinomio es de grado 5
o Existe al menos una raíz real, ya que el polinomio tiene grado impar
o El número de raíces reales positivas puede ser 4-1=3 o 2-1=1, de acuerdo al punto 3.
o El polinomio tiene raíces complejas ya que
a 32 < a 2 a 4
16 < 16 ⋅ 5 = 80

Agosto de 2004
Obtenido las raíces con Matlab se tiene:
s1 = −4.6567
s 2 = 0.4646 + j1.8666
s3 = 0.4646 − j1.8666
s 4 = −1.3586
s5 = 0.0855
Note también que:
a4 5
= = −(−4.6567 + 0.4646 + j1.8666 + 0.4646 − j1.8666 − 1.3586 + 0.0855) = 5
a5 1
a0 − 2
= = (−1) 5 (−4.6567)(0.4646 + j1.8666)(0.4646 − j1.8666)(−1.3586)(0.0855) = −2
an 1

Agosto de 2004
Capítulo 2: Modelos Matemáticos de Sistemas Dinámicos
2 Modelos Matemáticos de Sistemas Dinámicos

2.1 Descripción mediante ecuaciones diferenciales ordinarias
La elección de un modelo para un proceso o planta física depende de la matemática a ser
utilizada en el análisis. No es muy útil elegir un modelo muy preciso y que no pueda ser
analizado usando los métodos existentes. También es poco útil elegir un modelo que pueda ser
analizado fácilmente pero que no represente fielmente al sistema que se está modelando. Por
tanto, la elección de los modelos no es una tarea simple y a menudo se logra mediante un
compromiso entre la facilidad de análisis y la semejanza con respecto al sistema físico real.
Los sistemas que son usados en la teoría de control clásico están limitados a aquellos que
pueden ser descritos por ecuaciones diferenciales lineales ordinarias con coeficientes reales
constantes, como se muestra en la siguiente expresión:
d n y (t ) d n −1 y (t ) dy (t ) (1.1)
an n
+ a n −1 n −1
+ L + a1 + a 0 y (t )
dt dt dt
d m u (t ) d m −1u (t ) du (t )
= bm m
+ b m −1 m −1
+ L + b1 + b0 u (t )
dt dt dt
donde los coeficientes ai y bi son constantes reales y n ≥ m . Para que un sistema pueda ser
descrito por este tipo de ecuaciones, el sistema debe ser lineal, invariante en el tiempo y de
parámetros concentrados. A grandes rasgos, un sistema es lineal si satisface la propiedad de
aditividad (es decir, la respuesta a la señal de entrada u1 (t ) + u 2 (t ) es igual a la suma de la
respuesta de u1 (t ) y la respuesta de u 2 (t ) ) y también satisface la propiedad de homogeneidad
(la respuesta de αu (t ) es igual a α veces la respuesta de u (t ) ). Un sistema es invariante en
el tiempo si sus características, como la masa o el momento de inercia en sistemas mecánicos,
no cambian con el tiempo. Un sistema es de parámetros concentrados si el efecto de cualquier
entrada pasada u (t ) para t ≤ t 0 sobre la salida futura y (t ) , para t ≥ t 0 puede ser resumido
por un número finito de condiciones iniciales en t = t 0 .
Ejemplo de un sistema dinámico lineal invariante en el tiempo

Los diagramas esquemáticos con muy útiles para describir el comportamiento cualitativo del
sistema, mostrando aspectos de su implementación y funcionamiento. Considere el ejemplo de
una laminadora de acero que se muestra en el diagrama esquemático de la Fig. 1.1. En este
caso, la laminadora está manejada por un motor de corriente continua controlado por armadura
con excitación independiente y corriente de campo constante. En este tipo de motores el par
generado por el motor es función de la corriente de armadura. Antes de ingresar el material de
entrada a la laminadora, ésta se encuentra descargada; cuando el material se introduce en la
laminadora, la carga aumenta bruscamente a un valor considerablemente grande produciendo
una desaceleración en el motor y por consiguiente un efecto negativo en la velocidad de
producción de la máquina.

Agosto de 2004
Fig. 1.1 Diagrama esquemático de una laminadora
El propósito del sistema de control, para esta máquina, es tratar de eliminar el efecto de la carga
en la laminadora sobre la velocidad del motor y, de esta manera, mantener la velocidad del
motor alrededor de su velocidad nominal.
El comportamiento cuantitativo del sistema puede ser descrito por un modelo matemático que
describa la dinámica del sistema, considerando las leyes físicas que rigen el comportamiento de
sus variables (corriente y velocidad angular), con respecto a sus condiciones iniciales y a las
variaciones en las señales de entrada (voltaje aplicado al motor y par de carga).
El sistema está compuesto por dos partes: una parte eléctrica que genera la corriente necesaria
para producir un par en el eje del motor y una parte mecánica que gira por efecto del par
aplicado. La parte eléctrica puede ser descrita utilizando las leyes de Kirchhoff y la parte
mecánica utilizando las leyes de Newton. Por otro lado, es importante también describir la
interrelación entre la parte eléctrica y la parte mecánica haciendo uso de los principios físicos
que rigen a las máquinas eléctricas como las leyes de inducción magnética entre el estator y el
rotor del motor que rigen el movimiento del eje.
La ecuación diferencial para la corriente de armadura del motor, de acuerdo a la ley de voltajes
de Kirchhoff, está dada por :
di (1.2)
L + Ri + em = V
dt
donde i es la corriente en la armadura del motor, V es el voltaje aplicado en las terminales del
motor, em es la fuerza contraelectromotriz y L y R son la inductancia y la resistencia de
armadura del motor, respectivamente.
Por su parte la ecuación de movimiento de la parte mecánica del sistema, de acuerdo a la

segunda ley de Newton, está dada por :
dω (1.3)
Jm + bω + τ l = τ m
dt

Agosto de 2004
donde ω es la velocidad angular del motor, τ l es el par0 de la carga, τ m es el par generado

por el motor y J m , b son la inercia del motor y el coeficiente de amortiguación viscosa,
respectivamente.
El voltaje de fuerza contraelectromotriz es directamente proporcional a la velocidad angular del

motor y está dada por
em = K v ω (1.4)
donde K v es una constante de proporcionalidad, que depende del flujo magnético entre el rotor
y el estator del motor y que en este ejemplo se considera constante. Finalmente, el par generado
por el motor es proporcional a la corriente de armadura y está dado por :
τ m = Ka i (1.5)
donde K a es la constante de proporcionalidad respectiva, que también depende del flujo

magnético entre el rotor y el estator del motor.
2.2 Descripción mediante funciones de transferencia

La función de transferencia, G (s ) , de un sistema lineal es la relación de la transformada de
Laplace de la salida con respecto a la transformada de Laplace de la entrada cuando, las
condiciones iniciales son puestas a cero:
Y (s) (2.1)
G ( s) =
U (s) condiciones iniciales = 0
donde Y (s ) es la transformada de Laplace de la salida y U (s ) es la transformada de Laplace

de la entrada. En el caso de un sistema lineal invariante en el tiempo, G (s ) es una función
racional de la variable compleja s .
Ejemplo de un circuito RC
Considere el circuito RC que se muestra en la Fig. 2.1:
v1 i v2
C
Fig. 2.1 Circuito eléctrico RC
En función del tiempo se pueden escribir las siguientes ecuaciones:

Agosto de 2004
1 (2.2)
C ∫t
v1 (t ) = i (t ) R + i (t )dt
1
C ∫t
v 2 (t ) = i (t )dt
Considerando condiciones iniciales nulas, las ecuaciones anteriores se escriben en el dominio de

la transformada de Laplace como sigue:
1 I ( s) ⎛ 1 ⎞ (2.3)
V1 ( s ) = RI ( s ) + = ⎜R + ⎟ I (s)
C s ⎝ Cs ⎠
1 I (s)
V2 ( s ) =
C s
Entonces, la función de transferencia, según la definición, se obtiene dividiendo la segunda

ecuación entre la primera, lo cual produce:
V2 ( s ) 1 (2.4)
G ( s) = =
V1 ( s) RCs + 1
La función de transferencia anterior se puede también representar mediante un bloque de

transferencia como se muestra en la Fig. 2.2:
V1 ( s ) 1 V2 ( s )
RCs + 1
Fig. 2.2 Bloque de transferencia del circuito RC
La representación mediante bloques de transferencia es una representación causal que permite

realizar la interconexión de los componentes de un sistema y representar el flujo de las señales
desde las entradas hasta las salidas como se muestra a continuación.
Polos y Ceros de una Función de Transferencia
La solución de la ecuación diferencial de un sistema lineal invariante en el tiempo descrito por:
d n y (t ) d n −1 y (t ) dy (t ) (2.5)
an n
+ a n −1 n −1
+ L + a1 + a 0 y (t )
dt dt dt
d m u (t ) d m −1u (t ) du (t )
= bn m
+ b n −1 m −1
+ L + b1 + b0 u (t )
dt dt dt
está dada por una expresión de la forma:
n t (2.6)
y (t ) = ∑ C k −1 (t )e α k t + ∫ g (t − τ )u (τ )dτ
k =1 0
donde los C k (t ) son polinomios y la respuesta al impulso g está dada por:

Agosto de 2004
g (t ) = b1 h ( n −1) (t ) + b2 h ( n − 2 ) (t ) + L + bn h(t ) (2.7)
donde h es la solución de la ecuación diferencial homogénea con condiciones iniciales
h(0) = 0; h' (0) = 0;L; h ( n − 2) (0) = 0; h ( n −1) (0) = 1 (2.8)
El sistema lineal está caracterizado por dos polinomios:
A( s) = a n s n + a n −1 s n −1 + L + a1 s + a0 (2.9)
B( s) = bm s m + bm −1 s m −1 + L + b1 s + b0
La raíces de A(s ) se denominan polos y las raíces de B (s ) se llaman ceros. Los polos dan las
componentes de las funciones de tiempo que componen la solución y están representados en la
solución por los coeficiente α k . Por tanto, para un sistema estable, en el sentido de que
responde a una señal de entrada acotada con una salida acotada, los polos tienen parte real
negativa, de otra manera, la señal de salida no sería acotada.
Por su parte, si s = β es un cero (es decir, es una raíz del polinomio B (s ) ), y se elige una
entrada tal que u (t ) = Ce βt , entonces la ecuación diferencial satisface:
B( β )Ce βt = 0 (2.10)
Esto es, un cero de B (s ) en s = β bloquea la transmisión de la señal u (t ) = Ce βt .
N (s)
Dada una función de transferencia racional G ( s ) = , donde N (s ) es el polinomio
D(s)
numerador, D (s ) es el polinomio denominador. Suponga que N (s ) y D (s ) no tienen factores
en común; entonces, los ceros de G (s ) son las raíces del polinomio N (s ) y los polos son las
raíces del polinomio D (s ) . Los polos del sistema juegan un papel muy importante en el
comportamiento transitorio del sistema, ya que determinan las características de su respuesta en
el dominio del tiempo y la estabilidad entrada/salida del sistema. Por su parte, los ceros
determinan el comportamiento en estado estacionario.
Sistemas con retardo de tiempo
Recuerde que la propiedad de corrimiento de tiempo de la transformada de Laplace establece

que:
L{ f (t − t 0 )} = e − t0 F ( s ) (2.11)
Un retardo de tiempo también se llama tiempo muerto o retardo de transporte y es el tiempo que
tarda la respuesta del sistema en manifestarse desde la aplicación de una entrada. Por ejemplo,
un sistema de primer o segundo orden con retardo de tiempo se puede expresar por las
siguientes funciones de transferencia.

Agosto de 2004
Y ( s) Ke −td s (2.12)
=
U ( s) s + a
Y ( s) Ke − td s (2.13)
= 2
U ( s ) s + 2ξω n + ω n2
Para manejar el retardo de tiempo no se suele expandir la función exponencial en series de

Taylor. Normalmente se usa la llamada aproximación de Padé que aproxima la función como una
razón de dos polinomios. La forma más simple es la Aproximación de Padé de Primer Orden:
td (2.14)
1− s
e −t d s ≈ 2
t
1+ d s
2
El término en el denominador introduce un polo negativo en el semiplano izquierdo. Por su parte,

el numerador introduce un cero positivo en el semiplano derecho, que es necesario para hacer
que la aproximación sea más precisa que la serie de Taylor de primer orden.
Existen también aproximaciones de alto orden. Por ejemplo, la Aproximación de Padé de

Segundo Orden está dada por:
−t d s t d2 s 2 − 6t d s + 12 (2.15)
e ≈ 2 2
t d s + 6t d s + 12
Nuevamente, esta forma introduce polos en el semiplano izquierdo y al menos un cero en el

semiplano derecho.
Polos y Ceros Dominantes
En general, es muy difícil encontrar fórmulas analíticas para evaluar el desempeño de un sistema
de alto orden. Sin embargo, en muchos casos existe una separación natural entre polos y ceros.
Algunos polos están más cerca del eje imaginario que otros. En estos casos, aquellos polos y
ceros alejados del eje imaginario tienen un pequeño impacto sobre el tiempo de asentamiento y
otras especificaciones de diseño. Se pueden encontrar buenas aproximaciones de sistemas de
bajo orden despreciando aquellos polos y ceros menos significativos, tal que el sistema de alto
orden pueda ser simplificado extrayendo el comportamiento dominante en una función de
transferencia de bajo orden.
Algunos polos y ceros están más cerca del eje imaginario que otros. Aquellos polos alejados del
eje imaginario tienen un pequeño impacto sobre la respuesta del sistema y aquellos más
cercanos al eje imaginario predominan en la respuesta del sistema. Este hecho implica que se
pueden encontrar buenas aproximaciones de bajo orden, despreciando aquellos polos y ceros
menos significativos, tal que el análisis pueda ser simplificado y se puedan aplicar fórmulas de
desempeño de sistemas de bajo orden.
El criterio de cercanía al eje imaginario puede ser apreciado en la Fig. 2.3:

Agosto de 2004
jω
Región de Región de
polos no polos
dominantes dominantes
0 σ
D
d
Fig. 2.3 Regiones de polos y ceros dominantes y no dominantes
D
Típicamente, si > 5 a 10 , los polos y ceros en la región d son los polos y ceros dominantes
d
y aquellos que se encuentran más allá de la región D son los polos y ceros no dominantes.
Ejemplo de eliminación de un polo no dominante
Considere primero la eliminación de un polo no dominante de una función de transferencia. Para

esto suponga que el sistema está dado por la siguiente función de transferencia:
10 10 (2.16)
G ( s) = = 2
s + 11s + 11s + 10 ( s + s + 1)( s + 10)
3 2
En este caso es fácil ver que existe una dinámica rápida, representada por el polo en -10, y una
dinámica lenta o dominante, representada por las raíces del factor en el denominador
s 2 + s + 1 , cuyos ceros tienen parte real igual a -0.5. La dinámica rápida puede ser eliminada
como sigue:
10 10 1 (2.17)
G ( s) = = ≈ = G2 ( s)
( s + s + 1)( s + 10)
2
⎛ s ⎞ ( s + s + 1)
2
10( s 2 + s + 1)⎜ + 1⎟
⎝ 10 ⎠
Con el propósito de poder apreciar la aproximación, el sistema aproximado puede ser

comparado con el sistema original simulando, en Matlab, la respuesta al escalón unitario de
ambos sistemas como se muestra en la siguiente gráfica:

Agosto de 2004
Step Response
1.4
Respuesta del sistema

1.2
0.8
Amplitude
0.6
0.4 Respuesta del sistema

0.2 aproximado
0
0 2 4 6 8 10 12
Time (sec)
Fig. 2.4 Comparación de la respuesta al escalón del sistema original con respecto al sistema aproximado al
eliminar un polo no dominante
En la gráfica anterior, la respuesta del sistema original es ligeramente más lenta, en cuanto al
tiempo de levantamiento; sin embargo, el sistema aproximado prácticamente tiene el mismo
sobrepaso y el mismo tiempo de asentamiento; por tanto, representa al sistema original con
suficiente precisión con respecto a estos parámetros de desempeño.
Ejemplo de eliminación de un cero no dominante
Considere ahora la eliminación de un cero no dominante de una función de transferencia. Para

esto, suponga que el sistema original está dado por la siguiente función de transferencia:
s + 10 (2.18)
G ( s) =
s + s +1
2
En este caso se tiene un cero no dominante en -10. Por tanto, el sistema puede ser aproximado
como sigue:
⎛ s ⎞ (2.19)
10⎜ + 1⎟
s + 10
= 2⎝
10 ⎠ 10
G ( s) = 2 ≈ 2 = G2 (s)
s + s +1 s + s +1 s + s +1
El comportamiento del sistema aproximado puede ser comparado con el del sistema original
simulando la respuesta al escalón unitario, lo que resulta en la siguiente gráfica:

Agosto de 2004
Respuesta del sistema Step Response

12
10
Amplitude
6
Respuesta del sistema

4
aproximado
2
0
0 2 4 6 8 10 12
Time (sec)
Fig. 2.5 Comparación de la respuesta al escalón del sistema original con respecto al sistema aproximado al
eliminar un cero no dominante
Observe que la respuesta al escalón de ambos sistemas presenta prácticamente el mismo

sobrepaso y el mismo tiempo de asentamiento, por lo que el sistema aproximado representa con
suficiente precisión al sistema original. En este caso, el sistema con ligeramente menor tiempo
de crecimiento representa al sistema original.
Aproximación de Sistemas de alto orden por sistemas con retardo
Suponga que se tiene un proceso de orden n cuya función de transferencia es de la siguiente

forma:
K (2.20)
G(s) =
(τ 1 s + 1)(τ 2 s + 1) L (τ n s + 1)
donde τ 1 > τ 2 > L > τ n . Suponga además que se tienen k polos dominantes
correspondientes a las constantes de tiempo τ 1 ,τ 2 ,Lτ k . Suponga también que el sistema tiene
un polo múltiple; entonces, al incrementar el orden de un sistema, la respuesta al escalón se
comporta como se muestra en la siguiente figura:
Incremento
del orden
Figura 2.6 Comportamiento del sistema al incrementar el orden

Agosto de 2004
Observe que el sistema de alto orden se comporta como un sistema con retardo de transporte
significativo.
De la figura anterior, se observa que se puede utilizar una aproximación de bajo orden con un
retardo de tiempo de la siguiente manera:
Ke − td s (2.21)
G(s) ≈
(τ 1 s + 1)(τ 2 s + 1) L (τ k s + 1)
donde
n
(2.22)
td ≈ ∑τ
i = k +1
i
El extremo de esta idea es utilizar una función de primer orden con retardo de tiempo. Una
función de segundo orden generalmente proporciona un mejor estimado y es cómo se puede
hacer una aproximación rápida.
Ejemplo.- Considere el sistema
Y (s) 3
G ( s) = =
U ( s) (3s + 1)( s + 1)(0.5s + 1)(0.1s + 1)
1
En este ejemplo, el polo dominante está en − , correspondiente a la constante de tiempo más
3
grande, τ 1 = 3 . De acuerdo a lo discutido anteriormente, el sistema puede ser aproximado por:
3e − td s 3e −1.6 s
G ( s) ≈ =
3s + 1 3s + 1
donde el retardo de tiempo ha sido estimado usando (2.22) como sigue:
t d = τ 2 + τ 3 + τ 4 = 1 + 0.5 + 0.1 = 1.6
La siguiente figura muestra las respuestas al escalón del sistema original y del aproximado,
donde la aproximación utiliza la aproximación de Padé de primer orden.

Agosto de 2004
Figura 2.7 Respuesta al escalón
2.3 Diagramas de bloques

Muchos sistemas de control automático son construidos con numerosos componentes, de tal
manera que su estudio resulta complejo si no se disponen de representaciones que permitan
visualizar las relaciones entre las variables internas y externas del proceso. Es posible
representar los diferentes componentes de un sistema en diagramas donde se manifiesta con
claridad la relación funcional entre ellos, además de apreciarse el conjunto del sistema.
Un diagrama de bloques es una representación gráfica del sistema que muestra el flujo de las
señales a través de bloques de transferencia, desde las entradas hacia las salidas,
representando un comportamiento causal. Es decir, la salida de un bloque es causada por su
señal de entrada.
En un diagrama de bloques los diferentes elementos del proceso se muestran como cajas. Cada
caja tiene entradas denotadas por líneas cuyas flechas apuntan hacia la caja y las salidas están
denotadas por líneas que salen de la caja.
Un bloque es una abstracción de un componente del sistema que oculta los detalles internos del
mismo, guardando una relación causal entre las entradas y las salidas.
Ejemplo.- Considere el sistema de control de tanques de líquido en cascada vertical, cuyo

diagrama esquemático se muestra en la Fig. 3.1.
Figura 3.1 Diagrama esquemático de un sistema de control de tanques

Agosto de 2004
En términos de un diagrama de bloques, el sistema se puede representar como se muestra en la

Fig. 3.2.
Figura 3.2 Diagrama de bloques de un sistema de control de tanques
Para usar la representación de diagramas de bloques es necesario que el sistema pueda ser
particionado en subsistemas con dependencia causal. Esto puede ser una dificultad como se
muestra en el siguiente ejemplo.
Ejemplo.- Considere el diagrama esquemático de dos tanques interactuantes, que es una

combinación en cascada horizontal de dos tanques como se muestra en la Fig. 3.3.
Figura 3.3 Sistema de tanques interactuantes
En este caso, el sistema no puede ser representado por bloques en cascada como se muestra
en la Fig. 3.4, porque el nivel en el segundo tanque influye sobre el flujo entre los tanques y
viceversa, produciendo relaciones entrada/salida no causales.
Figura 3.4 Diagrama de bloques erróneo del sistema de tanques interactuantes
Es necesario, por tanto, elegir bloques que puedan ser representados por interacciones
causales. Frecuentemente sucede que los componentes físicos individuales no necesariamente
corresponden a bloques específicos, tal que puede ser necesario usar matemáticas para obtener
el bloque. Esto se muestra con el siguiente ejemplo.
Ejemplo.- Amplificador realimentado
Considere el amplificador realimentado, cuyo diagrama de circuito se muestra en la Fig. 3.5.

Agosto de 2004
R2
R1
I
−
V
+
V1 V2
Fig. 3.5 Diagrama de circuito del amplificador realimentado
Para desarrollar el diagrama de bloques primero se decide representar el amplificador como un

bloque puro. Este tiene entrada V y salida V2 . La relación entrada/salida del amplificador está
dada por:
V2 = −GV
donde G es la ganancia del amplificador y el signo negativo indica que está configurado como
amplificador inversor. Si la corriente I de entrada al amplificador es despreciable, entonces la
corriente a través de las resistencias R1 y R2 es la misma; por tanto:
V1 − V V − V2
=
R1 R2
Resolviendo esta ecuación para V se obtiene:
R2V1 + R1V2 R2 ⎛ R ⎞
V= = ⎜⎜V1 + 1 V2 ⎟⎟
R1 + R2 R1 + R2 ⎝ R2 ⎠
R2
Esta ecuación se puede representar por un bloque con ganancia y entrada
R1 + R2
R1
V1 + V2 . Esto resulta en el siguiente diagrama de bloques:
R2
V1 + e R1 V V2
−G
R1 + R2
+
R1
R2
Figura 3.6 Diagrama de bloques el amplificador realimentado

Agosto de 2004
El diagrama de bloques de la Fig. 3.6 describe el comportamiento de las señales e , V y V2 a

una señal de entrad V1 . El punto de suma, representado por el círculo, indica la realimentación
de la señal V2 a la entrada del amplificador V . Puesto que el amplificador es un inversor,
entonces dicha realimentación es una realimentación negativa.
Ejemplo.- Tanques interactuantes
Considere el sistema cuyo diagrama esquemático se muestra en la Fig. 3.7.

q
C1
h1 C2
h2
R1 R2
q1 q2
Fig. 3.7 Diagrama esquemático de un sistema de tanques interactuantes
En este sistema interactúan los dos tanques. Por tanto, la función de transferencia del sistema
no es el producto de las funciones de transferencia de cada uno de los tanques por separado.
Los símbolos utilizados en la figura están definidos de la siguiente manera:
• h1 y h2 son las alturas en el tanque 1 y tanque 2, respectivamente

• C1 y C2 son los valores las capacitancias en el tanque 1 y tanque 2, respectivamente
• R1 y R2 son los valores de las resistencias al flujo en las válvulas 1 y 2,
respectivamente
donde las capacitancias y resistencias están definidas por:
Cambio en el líquido almacenadol, m 3

C=
Cambio en la altura, m
Cambio en la diferencia de nivel
R=
Cambio en la velocidad del flujo
A partir de las definiciones anteriores, y considerando un flujo laminar, se obtienen las siguientes
ecuaciones que describen el sistema:

Agosto de 2004
h1 − h2
= q1
R1
dh1
C1 = q − q1
dt
h2
= q2
R2
dh2
C 21 = q1 − q 2
dt
Transformando al dominio de l transforma de Laplace, las ecuaciones anteriores pueden ser

representadas en el diagrama de bloques que se muestra en la Fig. 3.8.
Q + 1 H1 − 1 Q1 + 1 H2 1 Q2
− C1 s + R1 − C2 s R2
Fig. 3.8 Diagrama de bloques del sistema de tanques interactuantes
Uso de funciones de transferencia en diagramas de bloques
Una función de transferencia dada por:
Y ( s)
G( s) =
U ( s)
puede ser representada por el bloque de la Fig. 3.9:
U (s ) Y (s )
G (s )
Fig. 3.9 Representación de una función de transferencia por un bloque
Un sistema complejo puede tener varios bloques interconectados entre sí por relaciones de
causa y efecto. A continuación se muestran algunos ejemplos de interconexiones básicas.
Ejemplos de interconexiones
Interconexión aditiva con la misma entrada.- Dada la configuración mostrada en la siguiente
figura:

Agosto de 2004
G1 ( s)
+
u y
+
G2 ( s)
Y (s)
la relación se puede representar por:
U ( s)
Y ( s) (3.1)
= G1 ( s ) + G2 ( s)
U ( s)
Interconexión acoplada.- Considere la configuración mostrada en la siguiente figura:
u y
G1 ( s ) G2 ( s)
Entonces:
Y (s) (3.2)
= G1 ( s )G2 ( s )
U (s)
Interconexión aditiva con diferentes entradas.- Considere la configuración:
u1
G1 ( s )
+
y
u2 +
G2 ( s)
Entonces:
Y ( s) = G1 ( s)U 1 ( s) + G2 ( s)U 2 ( s) (3.3)
Interconexión con realimentación negativa.- Considere los sistemas G (s ) y H (s ) en un

lazo con realimentación negativa, como se muestra en la siguiente figura:
R (s) + Y (S )
G (s )
−
H (s )

Agosto de 2004
En este caso, la salida está dada por:
Y ( s) = G ( s)[R( s) − H ( s)Y ( s)] (3.4)
Agrupando términos en Y (s ) se tiene:
[1 + G(s) H (s)]Y (s) = G(s) R(s) (3.5)
tal que la función de transferencia de lazo cerrado está dada por:
Y ( s) G(s) (3.6)
Gcl ( s) = =
R( s ) 1 + G ( s ) H ( s)
Interconexión con realimentación positiva
Si el lazo es de realimentación positiva, como se muestra en la siguiente figura:
R (s ) + Y (S )
G (s )
+
H (s )
se puede mostrar que la función de transferencia de lazo cerrado está dada por:
G(s) (3.7)
Gcl ( s ) =
1 − G ( s) H ( s)
Compare la ecuación (3.7) con la ecuación (3.6) y observe la diferencia en el signo del
denominador.
Ejemplo del diagrama de bloques de un motor de corriente continua

controlado por armadura
El diagrama de bloques del motor de corriente continua mostrado en la Fig. 1.1, en términos de
variables transformadas al dominio de Laplace, se puede representar como la conexión bloques
de transferencia que se muestra en la Fig. 3.10. Cada bloque representa la relación entre una
señal de entrada y una señal de salida de forma tal que su interconexión permite mostrar el flujo
de señales desde las señales de entrada del motor (voltaje aplicado a la armadura y par de
carga) hasta la señal de salida del motor (velocidad angular del motor).

Agosto de 2004
τl
+
V + 1 i τm + 1 ω
Ka
Ls + R Jms + b
−
em
Kv
Fig. 3.10 Diagrama de bloques de un motor de corriente continua controlado por armadura
Aquí es importante mencionar que el modelo de la Fig. 3.10 tiene una entrada manipulable (el
voltaje aplicado a la armadura) y una entrada no manipulable (el par de carga). Las entradas no
manipulables se conocen como perturbaciones. A su vez, las perturbaciones pueden ser debidas
a perturbaciones de carga, como el par de carga, y a ruidos de medición.
Observe también que el diagrama de la Fig. 3.10 muestra la representación del comportamiento
entrada/salida del modelo, así como las variables internas como la corriente en la armadura del
motor i , el par generado por el motor τ m y la fuerza contraelectromotriz dada por em = K v ω .
Observe también que la fuerza electromotriz se realimenta internamente con realimentación
negativa.
Considere ahora el caso particular donde τ l ≡ 0 ; entonces, el diagrama de bloques se reduce al

mostrado en la Fig. 3.11:
V + 1 i τm + 1 ω
Ka
Ls + R Jms + b
−
em
Kv
Fig. 3.11 Diagrama de bloques del motor de corriente continua controlado por armadura, sin considerar
perturbaciones de carga
Entonces, aplicando la ecuación (3.6), se encuentra que la función de transferencia del sistema
está dada por:
Ka (3.8)
Y (s) ( Ls + R)( J m s + b) Ka
G ( s) = = =
R( s) Ka Kv LJ m s + ( RJ m + Lb) s + Rb + K a K v
2
1+
( Ls + R)( J m s + b)
o bien por:

Agosto de 2004
Ka (3.9)
LJ m
G ( s) =
RJ + Lb Rb + K a K v
s2 + m s+
LJ m LJ m
El sistema resultante es un sistema de segundo orden con polos en el semiplano izquierdo del
plano complejo s , si los coeficientes en el polinomio denominador son positivos, lo cual puede
ser físicamente verificado para cualquier motor real.
Manipulación de diagramas de bloques
Una vez que se obtiene un diagrama de bloques para un sistema de control, el siguiente paso es
simplificar el diagrama de bloques a un solo bloque o, equivalentemente encontrar la función de
transferencia global. Es muy poco útil analizar cada bloque individualmente debido a que el
comportamiento del sistema de control está afectado sólo indirectamente por las funciones de
transferencia individuales de cada uno de los componentes.
Para simplificar un diagrama de bloque existen dos técnicas disponibles:
o Álgebra de bloques
o Regla de Mason
Álgebra de bloques
La manipulación de diagramas de bloques mediante esta técnica está basada en los diagramas
equivalentes que se muestran en la Tabla 1:
Tabla 1. Diagramas de bloques equivalentes

u1 + y u1 + + y
± ± ± ±
u2 u3
u2 u3
1
y1 y1
u u
G y G y
y2 y3
2 y2 y3
u1 + y +
G y
u1 G
± ±
u2
3
u2 G

Agosto de 2004
+ +
y G
u1 G u1
± ±
1
u2 u2
4 G
u G y1 u G y1
y2
5 G y2
u G y1 u G y1
y2 1
6 y2
G
u G1G2 y
u G1 G2 y
u G1 ± G 2 y
G1
+
u y
±
G2
8
G1
+ u y
u G1 y 1 m G1G 2
±
G2
9
Ejemplo de aplicación del álgebra de bloques en la simplificación de

diagramas de bloques
Considere el diagrama de bloques que se muestra en la siguiente Fig. 3.12:

Agosto de 2004
+
R + + + Y
G1 G2 G3
+ + + −
D
H1 H2
H3
Fig. 3.12 Diagrama de bloques de un sistema con múltiples componentes
Aplicando los diagramas equivalentes de la Tabla 1, la función de transferencia global del

sistema se puede obtener siguiendo los pasos que se explican a continuación:
a) Asuma primero que R ≠ 0 y D ≡ 0 . Entonces:
i) Aplicando la regla 9 de la Tabla 1, cierre primero los lazos internos. Esto resulta
en:
+
R + G1 + G3 Y
G2
+ + 1 − G1 H 1 1 + G3 H 2
H3
ii) Aplicando la regla 4 de la Tabla 1, mueva el primer punto de suma al lugar del
segundo punto de suma y simplifique los productos:

Agosto de 2004
+
R G1 + + G 2 G3 Y
1 − G1 H 1 1 + G3 H 2
+
G1 H 3
1 − G1 H 1
iii) Aplique la suma en el lado izquierdo (regla 8) y cierre el lazo en el lado derecho
(regla 4). Entonces:
F (1 − G1 H 1 ) + G1 G2 G3 (1 − G1 H 1 )
1 − G1 H 1 1 − G1 H 1 + G3 H 2 − G1G3 H 1 H 2 − G1G2 G3 H 3
lo que resulta en la siguiente función de transferencia:
Y (s) G2 G3 ( F (1 − G1 H 1 ) + G1 ) (3.10)
G yr ( s) = =
R ( s) 1 − G1 H 1 + G3 H 2 − G1G3 H 1 H 2 − G1G2 G3 H 3
b) A continuación, asuma ahora que R ≡ 0 y que D ≠ 0 . Entonces, un procedimiento

similar al anterior produce que:
Y (s) G2 G3 (1 − G1 H 1 ) (3.11)
G yd ( s) = =
D( s) 1 − G1 H 1 + G3 H 2 − G1G3 H 1 H 2 − G1G2 G3 H 3
Por tanto, aplicando el principio de superposición de los sistemas lineales, la salida del sistema
puede ser expresada como sigue:
Y ( s ) = G yr ( s ) R ( s ) + G yd ( s ) D ( s ) (3.12)
Regla de Mason
Para aplicar la regla de Mason es necesario primero considerar una representación equivalente a
la del diagrama de bloques, conocida como diagrama de flujo de señal. Para el ejemplo anterior,
el diagrama de flujo de señal puede ser dibujado como se muestra en la Fig. 3.13:

Agosto de 2004
Fig. 3.13 Diagrama de flujo de señal equivalente al diagrama de bloques de la Fig. 3.12
En la Fig. 3.13 se puede observar que los nodos del diagrama de flujo de señal representan
señales o salidas de puntos de suma y las flechas representan las funciones de transferencia de
los componentes del sistema.
Introduzca ahora la siguiente terminología:
o Trayecto.- Es cualquier conexión unidireccional
o Trayecto directo.- Un trayecto directo de r a y es cualquier trayecto desde la entrada

r a la salida y .
o Ganancia de un trayecto.- Es el producto de todas las funciones de transferencia

(incluyendo los signos) a lo largo del trayecto.
o Lazo.- Es cualquier trayecto unidireccional que se origina y termina en el mismo punto

sin pasar por ningún punto más de una vez.
o Ganancia de lazo.- Es el producto de todas las funciones de transferencia (incluyendo

signos) a lo largo del lazo.
o Lazos que no se tocan.- Dos lazos no se tocan si no tienen nodos en común.
En el ejemplo anterior, se puede observar que existen dos trayectos directos desde R hasta Y ,
un trayecto directo desde D hasta Y , tres lazos y dos lazos no se tocan entre sí.
Las ganancias de los trayectos directos están dadas por:
P1 yr = FG 2 G3 (3.13)
P2 yr = G1G 2 G3
P1 yd = G 2 G3
Por su parte, las ganancias de lazo están dadas por:

Agosto de 2004
L1 = G1 H 1 (3.14)
L2 = G 3 H 2
L3 = G1G 2 G3 H 3
Los lazos que no se tocan son L1 y L2 , ya que no tienen nodos en común.
Con las definiciones anteriores se puede ahora introducir la fórmula de Mason, la cual está
basada en la regla de Cramer para la solución de ecuaciones algebraicas lineales y, por tanto,
preserva cierta terminología:
La función de transferencia desde una entrada r a una salida y se obtiene de la siguiente

manera:
1 n (3.15)
G yr = ∑ Piyr ∆ iyr
∆ i =1
donde n es el número de trayectos directos; Pi es la ganancia del i -ésimo trayecto directo

desde r hasta y ; ∆ , el determinante del diagrama de flujo de señal, está dado por:
productos de todas las posibles (3.16)

∆ = 1 − ∑ ganancias de lazo + ∑ −
ganancias de 2 lazos que no se tocan
productos de todas las posibles
∑ ganancias de 3 lazos que no se tocan + L
y ∆ i , el cofactor del trayecto directo i , está constituido por las partes remanentes de ∆ ,
eliminando todas las partes que tocan al i -ésimo trayecto directo.
En el ejemplo, para el cálculo de la función de transferencia de R a Y , el determinante ∆ y los

cofactores ∆ i se obtienen como sigue:
∆ = 1 − ( L1 + L2 ) + ( L1 L2 ) = 1 − G1 H 1 + G3 H 2 − G1G2 G3 H 3 − G1 H 1G3 H 2 (3.17)

∆ 1 yr = 1 − L1 = 1 − G1 H 1 (3.18)
∆ 2 yr = 1 (3.19)
tal que la función de transferencia G yr se obtiene, aplicando la fórmula de Mason, lo que resulta
en:
P1 ∆ 1 + P2 ∆ 2 FG2 G3 (1 − G1 H 1 ) + G1G2 G3 (3.20)

G yr = =
∆ 1 − G1 H 1 − G3 H 2 − G1G2 G3 H 3 − G1 H 1G3 H 2
Similarmente, para el cálculo de la función de transferencia G yd , observe que existe un solo

trayecto directo que no toca al lazo L1 ; su cofactor, por tanto, está dado por:

Agosto de 2004
∆ 1 yd = 1 − L1 = 1 − G1 H 1 (3.21)
De esta manera, la función de transferencia G yd está dada por:
P1 yd ∆ 1 yd G2 G3 (1 − G1 H 1 ) (3.22)
G yd = =
∆ 1 − G1 H 1 − G3 H 2 − G1G2 G3 H 3 − G1 H 1G3 H 2
Aplicando el principio de superposición se obtiene que:
Y ( s ) = G yr ( s ) R ( s ) + G yd ( s ) D ( s ) (3.23)
Observe que los resultados son similares a los obtenidos con el método del álgebra de bloques.
2.4 Modelos en el Espacio de Estado

Descripción de las ecuaciones en el espacio de estado
La función de transferencia describe sólo la relación entre la entrada y la salida de un sistema y

se representa en el dominio de la transformada de Laplace. La descripción en el espacio de
estado es esencialmente una descripción interna del sistema, escrita como un conjunto de
ecuaciones diferenciales de primer orden como se muestra en la siguiente expresión:
x& (t ) = Ax(t ) + Bu (t ) (4.1)

y (t ) = Cx (t ) + Du (t )
donde x(t ) es el vector de estado de dimensión n ; u (t ) es el vector de entradas de dimensión

m ; y (t ) es el vector de salidas de dimensión p y A, B, C y D son matrices constantes de
dimensiones apropiadas (esto es: A ∈ R n×n , B ∈ R n×m , C ∈ R p×n y A ∈ R p×m ).
El estado es un conjunto mínimo de n variables de estado tal que el conocimiento de sus

valores iniciales y de las variables de entrada definen la respuesta dinámica del sistema.
Ejemplo de un motor de corriente continua
Considere nuevamente el modelo del motor de corriente continua descrito por las ecuaciones
diferenciales (1.2) –(1.5):
di (1.2)
L + Ri + em = V
dt
dω (1.3)
Jm + bω + τ l = τ m
dt
em = K v ω (1.4)
τ m = Ka i (1.5)
Por simplicidad considere que τ l = 0 . Defina las variables de estado, la entrada y la salida
dadas por:
Agosto de 2004
x1 = i (4.2)
; u = V y y = x2
x2 = ω
Entonces, las ecuaciones anteriores se pueden escribir como sigue:
R Kv 1 (4.3)
x&1 = − x1 − x2 + u
L L L
K b
x& 2 = a x1 − x2
Jm Jm
y = x2
En forma matricial se tiene:
⎡ R Kv ⎤ (4.4)
− − ⎡1⎤
⎡ x&1 ⎤ ⎢ L L ⎥ ⎡ x1 ⎤ + ⎢ ⎥u
=
⎢x ⎥ ⎢ K a b ⎥⎢x ⎥ ⎢ L ⎥
⎣ &2 ⎦ ⎢ − ⎥⎣ 2 ⎦ ⎣ 0 ⎦
⎣⎢ J m J m ⎦⎥
⎡x ⎤
y = [0 1]⎢ 1 ⎥
⎣ x2 ⎦
Solución de la ecuación de estado
La solución de la ecuación de estado puede ser expresada por la siguiente ecuación:
t (4.5)
x(t ) = e x(0) + ∫ e A(t −τ ) Bu (τ )dτ
At
donde la matriz exponencial puede calcularse a partir de la expresión:
e At = L −1 {( si − A) −1 } (4.6)
También puede obtenerse aplicando la transformada de Laplace, en cuyo caso:
X ( s) = ( sI − A) −1 x(0) + ( sI − A) −1 BU ( s) (4.7)
y la solución en el dominio del tiempo se obtiene aplicando la transformada inversa de Laplace.
Ejemplo de solución de una ecuación de estado
Considere un modelo con ecuación de estado dada por:
⎡ x&1 ⎤ ⎡ 0 1 ⎤ ⎡ x1 ⎤ ⎡0⎤ (4.8)

⎢ x ⎥ = ⎢− 8 − 6⎥ ⎢ x ⎥ + ⎢8⎥u
⎣ &2 ⎦ ⎣ ⎦⎣ 2 ⎦ ⎣ ⎦

Agosto de 2004
con condiciones iniciales
⎡ x1 (0) ⎤ ⎡1⎤ (4.9)

⎢ x (0)⎥ = ⎢0⎥
⎣ 2 ⎦ ⎣ ⎦
y una entrada rampa u (t ) = 2t para t ≥ 0
La solución de la ecuación de estado se obtiene entonces como sigue:
⎡ s 0⎤ ⎡ 0 1 ⎤ ⎡s − 1 ⎤ (4.10)
sI − A = ⎢ ⎥ −⎢ ⎥=⎢ ⎥
⎣0 s ⎦ ⎣− 8 − 6⎦ ⎣8 s + 6⎦
tal que
⎡ s + 6 1⎤ (4.11)
⎢ ⎥
−1 adj(sI − A) ⎣ − 8 s ⎦
( sI − A) = =
det(sI − A) s 2 + 6s + 8
Entonces, la solución en el dominio de s está dada por:
⎡ s + 6 1⎤ ⎡1⎤ ⎡ s + 6 1⎤ ⎡0⎤ 2 (4.12)

⎢ ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥
⎡ X 1 ( s ) ⎤ ⎣ − 8 s ⎦ ⎣0⎦ ⎣ − 8 s ⎦ ⎣8⎦ s 2
⎢ X ( s)⎥ = 2 +
⎣ 2 ⎦ s + 6s + 8 s 2 + 6s + 8
escribiendo las ecuaciones individuales para X 1 ( s) y X 2 ( s) :
s+6 16 (4.13)
X 1 ( s) = + 2 2
s + 6s + 8 s ( s + 6s + 8)
2
−8 16
X 2 ( s) = 2 +
s + 6s + 8 s ( s + 6s + 8)
2
Antitransformando al dominio del tiempo se obtiene:
3 3 − 4t (4.14)
x1 (t ) = 4e − 2t + 2t − − e
2 2
x 2 (t ) = −8e −2t + 6e − 4t + 2
Obtención de la función de transferencia a partir de la representación en el

espacio de estado
Dado el modelo en el espacio de estado:

Agosto de 2004
x& = Ax + Bu (4.15)
y = Cx + Du
su correspondiente función de transferencia se obtiene transformando las ecuaciones anteriores

al dominio de la transformada de la Laplace y considerando condiciones iniciales cero:
sX ( s ) = AX ( s ) + BU ( s ) (4.16)
Y ( s ) = CX ( s ) + DU ( s )
de donde:
[ ]
Y ( s) = C ( sI − A) −1 B + D U ( s) (4.17)
tal que:
G ( s) = C ( sI − A) −1 B + D (4.18)
o bien como:
C adj( sI − A) B (4.19)
G ( s) = +D
det( sI − A)
El polinomio det( sI − A) es conocido como polinomio característico. Note que las raíces del
polinomio característico representan los polos del sistema; esto es, los valores propios de la
matriz A son los polos del sistema.
Ejemplo de obtención de la función de transferencia de un motor de corriente

continua dada su representación en el espacio de estado
El modelo en el espacio de estado de un motor de corriente continua está dado por las
siguientes ecuaciones:
⎡ R Kv ⎤ (4.20)
− − ⎡1⎤
⎡ &1 ⎤ ⎢ L
x L ⎥ ⎡ x1 ⎤ + ⎢ ⎥u
⎢x ⎥ = ⎢ K a b ⎥⎢x ⎥ ⎢ L ⎥
⎣ &2 ⎦ ⎢ − ⎥⎣ 2 ⎦ ⎣ 0 ⎦
⎣⎢ J m J m ⎦⎥
⎡x ⎤
y = [0 1]⎢ 1 ⎥
⎣ x2 ⎦
Aquí:
⎡ R Kv ⎤ (4.21)
⎢− L − ⎡1⎤
L ⎥ ; B = ⎢ ⎥ ; C = [0 1] y D = 0
A=⎢K b ⎥ L
⎢ a − ⎥ ⎢0⎥
⎣ ⎦
⎢⎣ J m J m ⎥⎦

Agosto de 2004
De esta manera:
⎧ ⎡ R K ⎤⎫
−1 (4.22)
⎪⎪⎡ s 0⎤ ⎢− − v ⎥⎪ ⎡1⎤
G ( s ) = C ( sI − A) −1 B + D = [0 1]⎨⎢ − ⎢ KL L ⎪ ⎢L⎥
⎥ b ⎥⎬ ⎢0⎥
⎪ ⎣0 s ⎦ ⎢ a − ⎥⎪ ⎣ ⎦
⎪⎩ ⎢⎣ J m J m ⎥⎦ ⎪⎭
Calculando la inversa de la matriz sI − A se obtiene:
⎡ b Kv ⎤ (4.23)
+ −
L ⎥ ⎡⎢ ⎤⎥
⎢ s 1
[0 1] K
⎢
Jm
⎥
R L
⎢ s + ⎥ ⎢⎣ 0 ⎥⎦
a Ka
⎢⎣ J m L⎦⎥ LJ m
G ( s) = =
RJ + Lb Rb + K a K v RJ + Lb Rb + K a K v
s2 + m s+ s2 + m s+
LJ m LJ m LJ m LJ m
Compare este resultado con el obtenido a partir de la simplificación del diagrama de bloques de
la Fig. 4.1:
V + 1 i τm + 1 ω
Ka
Ls + R Jms + b
−
em
Kv
Fig. 4.1 Diagrama de bloques de un motor de corriente continua controlado por armadura, sin considerar
perturbaciones de carga
el cual se obtiene cerrando el lazo de realimentación negativa como sigue:
Ka (4.24)
Y (s) ( Ls + R)( J m s + b) Ka
G ( s) = = =
R( s) Ka Kv LJ m s 2 + ( RJ m + Lb) s + Rb + K a K v
1+
( Ls + R)( J m s + b)
La función de transferencia anterior también puede escribirse como:
Ka (4.25)
LJ m
G ( s) =
RJ m + Lb Rb + K a K v
s2 + s+
LJ m LJ m

Agosto de 2004
Note que este sistema tiene dos polos y no tiene ceros finitos. Los polos del sistema están dados
por las raíces de la ecuación característica:
RJ m + Lb Rb + K a K v (4.26)
det( sI − A) = s 2 + s+ =0
LJ m LJ m
es decir, por:
2 (4.27)
RJ + Lb 1 ⎛ RJ m + Lb ⎞ Rb + K a K v
s1, 2 =− m ± ⎜⎜ ⎟⎟ + 4
2 LJ m 2 ⎝ LJ m ⎠ LJ m
Obtención de la representación de estado a partir de la función de

transferencia
Considere primero un sistema de orden n descrito por la siguiente ecuación diferencial

ordinaria:
y ( n ) + a1 y ( n −1) + L + a n −1 y& + a n y = bu (4.28)
con condiciones iniciales cero. Defina las n variables de estado como sigue:
x1 = y (4.29)
x 2 = y&
M
x n = y ( n −1)
Derivando las anteriores ecuaciones se obtiene:
x&1 = x 2 (4.30)
x& 2 = x3
M
x& n −1 = x n
x& n = −a n x1 − L − a1 x n + bu
o bien, en forma matricial:
x& = Ax + Bu (4.31)
donde:

Agosto de 2004
⎡ x1 ⎤ ⎡ 0 1 0 L 0 ⎤ ⎡0 ⎤ (4.32)
⎢x ⎥ ⎢ 0 0 1 L 0 ⎥ ⎥ ⎢0 ⎥
⎢ 2 ⎥ ⎢ ⎢ ⎥
x = ⎢ M ⎥; A = ⎢ M M M O M ⎥ ; B = ⎢M⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ x n −1 ⎥ ⎢ 0 0 0 L 1 ⎥ ⎢0 ⎥
⎢⎣ x n ⎥⎦ ⎢⎣− a n − a n −1 − a n−2 L − a1 ⎥⎦ ⎢⎣b ⎥⎦
La salida también se puede expresar en forma matricial como sigue:
⎡ x1 ⎤ (4.33)
⎢x ⎥
⎢ 2 ⎥
y = [1 0 L 0 0]⎢ M ⎥
⎢ ⎥
⎢ x n −1 ⎥
⎢⎣ x n ⎥⎦
o bien:
y = Cx ; C = [1 0 L 0] (4.34)
Ahora bien, si la ecuación diferencial del sistema involucra derivadas de la función de entrada:
y ( n ) + a1 y ( n −1) + L + a n −1 y& + a n y = b0 u ( n ) + b1u ( n −1) + L + bn −1u& + bn u (4.35)
cuya función de transferencia es:
b0 s n + b1 s n −1 + L + bn −1 s + bn (4.36)
G ( s) =
s n + a1 s n −1 + L + a n −1 s + a n
se puede demostrar que es equivalente a la función de transferencia obtenida con el siguiente

diagrama de bloques:
β n −1 β1 β0
+ xn + x2 + x1 + y
u βn
− ∫ + ∫ + ∫ +
a1 a n −1 an
+ + + +
Fig. 4.2 Representación de la función de transferencia de la ecuación (4.36)

Agosto de 2004
donde:
β 0 = b0 (4.37)
β 1 = b1 − a1 β 0
β 2 = b2 − a1 β1 − a 2 β 0
β 3 = b3 − a1 β 2 − a 2 β1 − a3 β 0
M
β n = bn − a1 β n −1 − L − a n −1 β 1 − a n β 0
Del diagrama se obtienen las ecuaciones de estado como sigue:
x&1 = x 2 + β 1u (4.38)
x& 2 = x3 + β 2 u
M
x& n −1 = x n + β n −1u
x& n = −a n x1 − a n −1 x 2 − L − a1 x n + β n u
o bien:
x& = Ax + Bu (4.39)
donde:
⎡ x1 ⎤ ⎡ 0 1 0 L 0 ⎤ ⎡ β1 ⎤ (4.40)
⎢x ⎥ ⎢ 0 0 1 L 0 ⎥ ⎥ ⎢β ⎥
⎢ 2 ⎥ ⎢ ⎢ 2 ⎥
x = ⎢ M ⎥; A = ⎢ M M M O M ⎥; B=⎢ M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ x n −1 ⎥ ⎢ 0 0 0 L 1 ⎥ ⎢ β n −1 ⎥
⎢⎣ x n ⎥⎦ ⎢⎣− a n − a n −1 − a n−2 L − a1 ⎥⎦ ⎢⎣ β n ⎥⎦
y la ecuación de salida como:
y = x1 + β 0 u (4.41)
o bien:
y = Cx + Du (4.42)
donde:
C = [1 0 L 0] ; D = β 0 = b0 (4.43)

Agosto de 2004
Ejemplos de obtención de modelos en el espacio de estado a partir de

funciones de transferencia
Ejemplo 1.- Considere un sistema con función de transferencia dada por:
K (4.44)
G ( s) =
s + a1 s + a 2 s + a 3
3 2
Puesto que el sistema no tiene ceros finitos, la representación en el espacio de estado está dada
por:
⎡ 0 1 0 ⎤ ⎡0⎤ (4.45)
x& = ⎢⎢ 0 0 1 ⎥ x + ⎢⎢ 0 ⎥⎥u
⎥
⎢⎣− a1 − a2 − a3 ⎥⎦ ⎢⎣ K ⎥⎦
Ejemplo 2.- Considere ahora el sistema cuyo diagrama de bloques está dado por:
u + s+z 1 y
− s+ p s2
Fig. 1.22 Diagrama de bloques del sistema del ejemplo 2
En este caso, la función de transferencia de lazo cerrado está dada por:
s+z 1 (4.46)
Y (s) s + p s2 s+z
G ( s) = = = 3
U ( s) s + z 1 s + ps 2 + s + z
1+
s+ p s 2
que es de la forma:
b2 s + b3 (4.47)
G ( s) =
s + a1 s 2 + a 2 s + a3
3
Puesto que la función de transferencia tiene un cero, la representación en el espacio de estado

está entonces dada por:
⎡ 0 1 0 ⎤ ⎡ β1 ⎤ (4.48)
⎢
x& = ⎢ 0 0 1 ⎥ x + ⎢⎢ β 2 ⎥⎥u
⎥
⎢⎣− a3 − a 2 − a1 ⎥⎦ ⎢⎣ β 3 ⎥⎦
y = [1 0 0]x + β 0 u
donde:
Agosto de 2004
β 0 = b0 = 0 (4.49)
β1 = b1 − a1 β 0 = 0
β 2 = b2 − a1 β1 − a 2 β 0 = b2 = 1
β 3 = b3 − a1 β 2 − a 2 β1 − a3 β 0 = b3 − a1 β 2 = z − p
tal que:
⎡0 1 0 ⎤ ⎡ 0 ⎤ (4.50)
x& = ⎢⎢ 0 0 1 ⎥ x + ⎢⎢ 1 ⎥⎥u
⎥
⎢⎣− z − 1 − p ⎥⎦ ⎢⎣ z − p ⎥⎦
y = [1 0 0]x
Es posible mostrar que el modelo entrada/salida del sistema descrito por la ecuación (4.50) es la
función de transferencia dada en la ecuación (4.47). Esto se hace como sigue a continuación:
Y ( s)
G ( s) = = C ( sI − A) −1 B
U ( s)
Calculando sI − A se obtiene:
⎡ s 0 0⎤ ⎡ 0 1 0 ⎤ ⎡s − 1 0 ⎤
⎢ ⎥ ⎢
sI − A = ⎢0 s 0⎥ − ⎢ 0 0 ⎥ ⎢
1 ⎥ = ⎢0 s − 1 ⎥⎥
⎢⎣0 0 s ⎥⎦ ⎢⎣− z − 1 − p ⎥⎦ ⎢⎣ z 1 s + p ⎥⎦
Invirtiendo la matriz anterior se obtiene:
⎡ s 2 + ps + 1 s+ p 1⎤
1 ⎢ ⎥
( sI − A) −1 = 3 ⎢ s+ p s + ps s ⎥
2
s + ps + s + z
2
⎢ 1 − ( s + z ) s 2 ⎥⎦
⎣
Premultiplicando la matriz anterior por C se obtiene:
⎡ s 2 + ps + 1 s+ p 1⎤
⎢ ⎥
⎢ s+ p s + ps s ⎥
2
C ( sI − A) −1 = [1 0 0]
⎢
⎣ 1 [
− ( s + z ) s 2 ⎥⎦ s 2 + ps + 1 s + p 1
=
]
s 3 + ps 2 + s + z s 3 + ps 2 + s + z
Postmultiplicando la matriz anterior por B finalmente se obtiene:

Agosto de 2004
⎡ 0 ⎤
G ( s) =
Y ( s)
= C ( sI − A) −1 B =
s 2
+[ ps + 1 s + p 1 ]
⎢ 1 ⎥= s+z
U ( s) s + ps + s + z
3 2 ⎢ ⎥ s + ps 2 + s + z
3
⎢⎣ z − p ⎥⎦
que es precisamente la función dada en la ecuación (4.46).
2.5 Ejemplos de Modelos No Lineales en el dominio del tiempo

2.5.1 Péndulo simple
Considere el modelo del péndulo simple que se muestra en la Fig. 5.1:
l
q
mg
Fig. 5.1 Diagrama esquemático de un péndulo simple
En este caso, la descripción del sistema está dada por la siguiente ecuación diferencial no lineal
de segundo orden:
Jq&& + mgl sin(q ) = τ (5.1)
donde q es la posición angular, τ es el par aplicado al eje, J es la inercia, m es la masa y l

es la longitud del péndulo. Se asume que no existe fricción.
La ecuación anterior puede ser presentada en el espacio de estado de la forma:
x& = f ( x, u ) (5.2)
donde x es el vector de estado u es la variable de entrada al sistema y f (⋅,⋅) es una función

continua de x y u . Haciendo:
⎡q ⎤ (5.3)
x = ⎢ ⎥ y u =τ
⎣q& ⎦
se tiene que:

Agosto de 2004
x&1 = x 2 (5.4)
x& 2 =
1
(τ − mgl sin( x1 ) )
J
Observe la no linealidad en la segunda ecuación de estado en el término mgl sin( x1 ) .
2.5.2 Sistema de tanques en cascada
Considere el sistema de tanques en cascada que se muestra en la Fig. 5.2:
h1
α1
V β
h2
α2
Fig. 5.2 Diagrama esquemático de un sistema de tanques en cascada
Las ecuaciones del sistema se obtienen aplicando las ecuaciones de balance de flujo de masa,
asumiendo que se tiene un flujo turbulento a la salida de cada tanque. Entonces:
dh1 (5.5)
= −α 1 h1 + β V
dt
dh2
= α 1 h1 − α 2 h2
dt
donde h1 representa la altura del nivel en el tanque superior, h2 representa la altura del nivel en
el tanque inferior, V es el voltaje aplicado a la bomba y α 1 , α 2 y β son constantes de
proporcionalidad de los flujos de entrada y salida de cada tanque.
Defina ahora las variables de estado y la variable de entrada al sistema como sigue:
x1 = h1 (5.6)
x 2 = h2
u =V
entonces las ecuaciones de estado se pueden escribir como:
x&1 = −α 1 x1 + β u (5.7)
x& 2 = α 1 x1 − α 2 x 2

Agosto de 2004
Note que el sistema está descrito por dos ecuaciones diferenciales no lineales de primer orden
de la forma:
x& = f ( x, u ) (5.8)
donde
f1 = −α 1 x1 + β u (5.9)
f 2 = α 1 x1 − α 2 x 2
Observe las no linealidades en los términos x1 y x2 .
2.5.3 Modelo matemático de un paciente diabético
El problema del paciente con diabetes Mellitus I

El páncreas produce dos tipos de células denominadas células α y β , respectivamente. Las células α
secretan una hormona llamada glucagón y las células β generan la hormona denominada insulina. La
insulina y el glucagón permiten regular el nivel de azúcar en la sangre. El glucagón acelera el proceso de
glucogenólisis en el hígado, mediante el cual el glucógeno (azúcar) almacenado en las células del hígado
se convierte en glucosa, que luego pasa al torrente sanguíneo. Por su parte, la insulina reduce la cantidad
de concentración de glucosa en la sangre. Cada célula del cuerpo absorbe glucosa, que es la principal
fuente de energía del cuerpo y su conversión en energía no podría tener lugar sin la presencia de
insulina. En un paciente con diabetes Mellitus I, las células β del páncreas no secretan insulina, por lo
que ésta tiene que ser proporcionada externamente. Puesto que la insulina es una hormona que ayuda a
convertir en energía la glucosa generada por el hígado, a través de la alimentación, al no producirse
insulina, la concentración de glucosa en el torrente sanguíneo aumenta ocasionando un periodo de
hiperglucemia, el cual se evita inyectando insulina al paciente artificialmente. Una vez que se le inyecta
insulina, el paciente puede experimentar un periodo de hipoglucemia si no se inyecta una dosis
adecuada. Tanto la hiperglucemia como la hipoglucemia pueden causar la muerte del paciente.
Modelo matemático
Considere el diagrama esquemático del proceso de regulación de insulina en el cuerpo de un paciente
diabético, que se muestra en la siguiente figura:.

Agosto de 2004
v k3
x 2 (t )
x5 (t )
a7 k sc x1 a6 x 2 a 5 x3 a2 x2 a4 x4
x1 (t ) x3 (t ) x 4 (t )
u (t )
En la figura anterior se muestra que el páncreas secreta las hormonas glucagón e insulina hacia
el torrente sanguíneo. El hígado absorbe el glucagón generado por el páncreas y la convierte en
glucosa. Los órganos saturados de sangre como el riñón, el corazón, el cerebro y los intestinos,
así como los músculos y tejidos adiposos consumen la glucosa, lo que produce un cierto nivel de
glucosa en el torrente sanguíneo. Los volúmenes que ocupan el torrente sanguíneo, los órganos
saturados de sangre y los músculos y tejidos adiposos son aproximadamente:
• Volumen del torrente sanguíneo: 45 ± 3 ml / Kg

• Volumen de sangre en órganos saturados de sangre: 17 ± 6 ml / Kg
• Volumen de sangre en los músculos y tejidos adiposos: 95 ± 8 ml / Kg
Transferencia de masa de insulina del depósito subcutáneo hacia el torrente

sanguíneo:
La variación de la masa de inulina que ingresa al tejido subcutáneo es proporcional a la masa en el
depósito más la masa de insulina que ingresa mediante la inyección externa. Esto es:
x&1 (t ) = −k sc x1 (t ) + u (t )
donde
x1 (t ) masa de insulina en el depósito subcutáneo en µU

u (t ) insulina que ingresa al depósito subcutáneo en µU / min
k sc fracción de la masa de insulina que se transfiere del depósito subcutáneo al torrente
sanguíneo en min −1 .
Cinética de la insulina
Por su parte, la variación de la cantidad de insulina en el torrente sanguíneo, en los órganos saturados de
sangre y en los músculos y tejidos adiposos se obtiene mediante un balance de flujo, guardando las
proporciones entre cada uno de ellos. Esto es:

Agosto de 2004
x& 2 (t ) = −a3 x 2 (t ) + a 4 x 4 (t ) + a5 x3 (t ) + a 7 k sc x1 (t )
x& 3 (t ) = −a5 x3 (t ) + a6 x 2 (t )
x& 4 (t ) = −a1 x4 (t ) + a 2 x2 (t )
donde
x2 (t ) cantidad de insulina en el torrente sanguíneo en mU

x3 (t ) cantidad de insulina en órganos saturados de sangre como riñones, corazón, cerebro e
intestinos
x4 (t ) cantidad de insulina en músculos y tejidos adiposos
a1 L a 7 proporciones
Metabolismo de la glucosa
Finalmente, la variación del nivel de glucosa en el torrente sanguíneo se obtiene también mediante un
balance de masa que resulta función del consumo de glucosa, el aporte del índice de aspecto endógeno y
el índice de aspecto exógeno. Esto es:
x& 5 = −(k1 + k 2 x 4 (t )) x5 (t ) + k 3 + v
donde
x5 (t ) concentración de glucosa en el torrente sanguíneo

k1 , k 2 proporciones
k 3 índice de aspecto de la glucosa en mg / dl / min
v índice de aspecto exógeno de la glucosa que sigue a una comida en mg / dl / min
Parámetros
Como referencia, se puede considerar los siguientes parámetros para un paciente con diabetes Mellitas I.
Cada persona diferentes parámetros correspondientes.
k1 = 0.0236 min −1
k 2 = 7.07 × 10 −5 [mU ⋅ min ]
−1
k 3 = 2.36 mg / dl / min
a1 = 0.021 min −1
a 2 = 0.042 min −1
a3 = 0.435 min −1
a 4 = 0.021 min −1
a5 = 0.394 min −1
a6 = 0.142 min −1
a7 = 0.47 %
k sc = 1

Agosto de 2004
Nivel deseado de glucosa en la sangre

El nivel deseado de la glucosa en la sangre es de alrededor de 100 mg / dl ; un nivel menor a 70
mg / dl se considera hipoglucemia y un nivel mayor a 126 mg / dl se considera hiperglucemia
Estado, entradas y salida del sistema:

Las variables de estado están conformadas por las cantidades:

intestinos
La entrada manipulable del sistema es:
Por su parte, la entrada no manipulable es:
Se asume como salida la variable de estado x5 (t ) y se asume que ésta esta disponible para su
medición:
2.5.4 Modelo de un reactor químico
Descripción del reactor

La siguiente figura muestra el diagrama esquemático de un reactor químico con chaqueta de
enfriamiento. Se supone que el reactor y la chaqueta están combinados perfectamente, que los
volúmenes y las propiedades físicas son constantes y que las pérdidas de calor se pueden despreciar.

Agosto de 2004
F ALIMENTACION
C Ai
Ti
V
CA
F C
T VC
T C
TC
FC
TC i
F
CA
T
Aplicación de las ecuaciones de Balance de Masa
Para describir el comportamiento de la composición de los reactivos es necesario hacer uso de las
ecuaciones de balance de masa. En el caso particular del reactivo A se tienen las siguientes ecuaciones:
dC A F
dt
=
V
(
C Ai − C A − kC A2 )
donde:
F es la razón de alimentación en m 3 / s
V es el volumen del reactor en m 3
C A es la concentración del reactivo A en el reactor en kgmol / m 3
C Ai es la concentración del reactivo en la alimentación en kgmol / m 3
k es el coeficiente de razón de reacción dado por:
E
R (T + 273.16 )
k = k0e
donde:
k 0 es el parámetro de frecuencia de Arrhenius en m 3 / s − kgmol

E es la energía de activación de la reacción en J / kgmol
R es la constante de la ley de los gases ideales, 8314 .39 J / kgmol − K

Agosto de 2004
T es la temperatura en el reactor en o C
Aplicación de las ecuaciones de Balance de Energía
Para describir el comportamiento de la temperatura en el reactor se hace uso de las ecuaciones de

Balance de Energía en el reactor, lo que resulta en:
∆H R
= (Ti − T ) − (T − TC )
dT F UA
kC A2 −
dt V ρC p VρC p
donde:
Ti es la temperatura de alimentación en o C
∆H R es el calor de la reacción que se supone constante en J / kgmol
ρ es la densidad del contenido del reactor en kgmol / m 3
C p es la capacidad calorífica de los reactivos en J / kgmol − C
U es el coeficiente de transferencia total de calor en J / s − m 2 − C
A es el área de transferencia de calor en m 2
TC es la temperatura de la chaqueta en o C
De la misma manera, para describir el comportamiento de la temperatura en la chaqueta de enfriamiento

se hace uso de las ecuaciones de Balance de Energía en la chaqueta, lo que resulta en:
dTC
dt
=
UA
VC ρ C C p C
(T − TC ) − FC TC − TCi
VC
( )
donde:
VC es el volumen de la chaqueta de enfriamiento en m 3

ρ C es la densidad del enfriador en kg / m 3
C pC es el calor específico del enfriador en J / kg − C
TCi es la temperatura de entrada del enfriador en o C
En este modelo, las variables de estado son C A , T y TC ; asuma que la variable de entrada es FC y
que la variable de salida es la temperatura T ; por su parte, asuma que las cantidades F , C Ai , Ti y
TCi son valores constantes;. Por ejemplo, el flujo de alimentación de reactivos, la temperatura del flujo de
alimentación y la temperatura de entrada del líquido refrigerante, pueden ser considerados constantes.
Parámetros
Para efectos de simulación del reactor se pueden considerar los siguientes valores de los parámetros:
F = 7.5 × 10 −3 m 3 / s
V = 7.08m 3

Agosto de 2004
C Ai = 2.88Kgmol/m3
k 0 = 0.0744 m 3 / s - Kgmol
E = 1.182 × 10 7 J/Kgmol
R = 8314 .39 J/Kgmol-º K
Ti = 66º C
∆H R = −9.86 × 10 7 J/Kgmol
ρ = 19.2Kgmol/m3
C p = 1.815 × 10 5 J/Kgmol-º C
U = 3550 J/s - m 2 -º C
A = 5.4 m 2
VC = 1.82 m 3
ρ C = 1000 Kg/m 3
C pc = 4184 J/Kg-º C
TCi = 27 º C
El nivel de temperatura deseado para la salida del reactor es de 88ºC.
2.6 Linealización de sistemas no lineales

Descripción del proceso de linealización alrededor de un punto de operación
Considere un sistema no lineal descrito en el espacio de estado por las siguientes ecuaciones de
estado y de salida:
x& = f ( x, u ) (6.1)
y = g ( x, u )
La tripleta (u 0 , x 0 , y 0 ) ∈ R m × R n × R p es un punto de equilibrio del sistema si
f ( x0 , u 0 ) = 0 (6.2)
y 0 = g ( x0 , u 0 )
El significado físico de un punto de equilibrio es que si el sistema tiene condición inicial x 0 y se

le aplica la entrada constante u 0 , entonces el estado y la salida permanecerán constantes con
valores x 0 y y 0 , respectivamente, para todo tiempo. Es decir:
u (t ) = u 0 x(t ) = x0
implican que para todo t > 0 .
x(0) = x0 y (t ) = y 0
Asuma que se tiene interés en el comportamiento alrededor del punto de operación. Suponiendo
que u (t ) − u 0 y x(0) − x0 son lo suficientemente pequeños, entonces x(t ) − x0 y y (t ) − y 0

Agosto de 2004
también serán pequeños. Si, además, se define la variación alrededor del punto de operación por
las expresiones:
v = u (t ) − u 0 (6.3)
z = x(t ) − x0
w = y (t ) − y 0
entonces, f y g pueden expandirse en series de Taylor como sigue:
∂f ∂f (6.4)
x& = f ( x0 , u 0 ) + z+ v + Términos de alto orden
∂x x = x 0 ;u = u 0 ∂u x = x 0 ;u = u 0
∂g ∂g
y = g ( x0 , u 0 ) + z+ v + Términos de alto orden
∂x x = x0 ; u = u 0 ∂u x = x 0 ;u = u 0
donde:
⎡ ∂f 1 ∂f 1 ∂f1 ⎤ ⎡ ∂f1 ∂f 1 ∂f1 ⎤ (6.5)

⎢ ∂x L ⎥ ⎢ L
∂x 2 ∂x n ∂u ∂u 2 ∂u m ⎥
⎢ 1 ⎥ ⎢ 1 ⎥
∂f ∂f 2 ∂f 2 ⎥ ∂f 2 ∂f 2 ∂f 2 ⎥
∂f ⎢ 2 L ∂f ⎢ L
= ⎢ ∂x1 ∂x 2 ∂x n ⎥ ; = ⎢ ∂u1 ∂u 2 ∂u m ⎥
∂x ⎢ ⎥ ∂u ⎢
M M O M M M O M ⎥
⎢ ∂f ∂f n ∂f n ⎥ ⎢ ∂f n ∂f n ∂f n ⎥
⎢ n L ⎥ ⎢ L ⎥
⎢⎣ ∂x1 ∂x 2 ∂x n ⎥⎦ ⎢⎣ ∂u1 ∂u 2 ∂u m ⎥⎦
⎡ ∂g1 ∂g1 ∂g1 ⎤ ⎡ ∂g1 ∂g1 ∂g1 ⎤
⎢ ∂x L ⎥ ⎢ L
∂x 2 ∂x n ∂u ∂u 2 ∂u m ⎥
⎢ 1 ⎥ ⎢ 1 ⎥
∂g ∂g 2 ∂g 2 ⎥ ∂g ∂g 2 ∂g 2 ⎥
∂g ⎢ 2 L ∂g ⎢ 2 L
= ⎢ ∂x ∂x 2 ∂x n ⎥ ; = ⎢ ∂u ∂u 2 ∂u m ⎥
∂x ⎢ 1 ⎥ ∂u ⎢ 1
M M O M M M O M ⎥
⎢ ∂g ∂g p ∂g p ⎥ ⎢ ∂g ∂g p ∂g p ⎥
⎢ p L ⎥ ⎢ p L ⎥
⎢⎣ ∂x1 ∂x 2 ∂x n ⎥⎦ ⎢⎣ ∂u1 ∂u 2 ∂u m ⎥⎦
Note que puesto que x = x 0 + z y que x 0 es constante, entonces x& = z& . También note que
y = y 0 + ω = g ( x 0 , u 0 ) ; por tanto, ω = y − g ( x 0 , u 0 ) . De aquí, la ecuación (6.4),
despreciando los términos de alto orden, se puede entonces escribir como:
z& = Az + Bv (6.6)
w = Cz + Dv
donde:
∂f ∂f ∂g ∂g (6.7)
A= ; B= ;C= ; D=
∂x x = x0 ; u = u 0 ∂u x = x 0 ;u = u 0 ∂x x = x0 ; u = u 0 ∂u x = x0 ;u = u 0

Agosto de 2004
Por tanto, el estado, la señal de control y la salida del sistema se puede aproximar por:
u (t ) = u 0 + v (6.8)
x(t ) = x0 + z
y (t ) = y 0 + w
Ejemplo de linealización sobre el sistema de tanques en cascada
Considere ahora el sistema de tanques dado por:
x&1 = −α 1 x1 + β u (6.9)
x& 2 = α 1 x1 − α 2 x 2
cuya ecuación de salida es simplemente:
y (t ) = x 2 = [0 1]x (6.10)
es decir el nivel en el tanque inferior. En este caso se tiene
f1 = −α 1 x1 + β u (6.11)
f 2 = α 1 x1 − α 2 x 2
Considerando el punto de operación: x10 , x 20 , u 0 , el cual satisface que:
− α 1 x10 + β u 0 = 0 (6.12)
α 12 x10 = α 22 x 20
las matrices A y B del sistema linealizado se pueden encontrar mediante:
⎡ ∂f1 ∂f1 ⎤ ⎡ ∂f1 ⎤ (6.13)

⎢ ∂x ∂x 2 ⎥ ⎢ ⎥
A=⎢ 1 ⎥ ; B = ⎢ ∂u ⎥
⎢ ∂f 2 ∂f 2 ⎥ ∂f
⎢ 2⎥
⎢⎣ ∂x1 ∂x 2 ⎥⎦ ⎣ ∂u ⎦
lo que da el modelo en el espacio de estado:
⎡ α1 ⎤ (6.14)
⎢− 0 ⎥ β
z& = ⎢
2 x10 ⎥ z + ⎡ ⎤v
⎢ α1 α 2 ⎥ ⎣ 0 ⎥⎦ ⎢
⎢ 2 x −
⎣ 10 2 x 20 ⎥⎦
w = [1 0]z
tal que:
Agosto de 2004
u (t ) = u 0 + v (6.15)
x(t ) = x0 + z
y (t ) = y 0 + w
Con el propósito de evaluar la aproximación considere una instancia del modelo anterior
alrededor del punto de operación dado por
u 0 = 220 (6.16)
2
⎛ βu ⎞
x10 = ⎜⎜ 0 ⎟⎟ = 0.1482
⎝ α1 ⎠
α 2x
x 20 = 1 210 = 0.5928
α2
donde α1 = 0.8 ; α 2 = 0.4 y β = 0.0014 . Entonces, las matrices A, B, C y D del sistema

linealizado están dadas por:
⎡− 1.0390 0 ⎤ ⎡0.0014⎤ (6.17)

A=⎢ ⎥ ; B=⎢ ⎥ ; C = [0 1]; D = 0
⎣ 1.0390 − 0.2597⎦ ⎣ 0 ⎦
Suponga ahora que se aplica tanto al sistema no lineal como al sistema linealizado una entrada
u = 220 , la misma entrada que la entrada de operación del sistema, es decir u = u 0 .
La gráfica comparativa de la respuesta al escalón y (t ) del sistema no lineal vs. el sistema

linealizado se muestra a continuación en la siguiente figura:
Respuesta del
0.7
sistema no lineal
0.6
0.5
0.4
0.3
Respuesta del
0.2
sistema
linealizado
0.1
0
0 5 10 15 20 25
En la figura anterior, la respuesta más lenta corresponde a la del sistema linealizado. Observe la
diferencia con respecto al sistema no lineal.

Agosto de 2004
Capítulo 3: Sistemas Realimentados
3 Sistemas Realimentados
3.1 Sistemas realimentados
El Principio de realimentación
La idea de la realimentación es simple y muy poderosa. A lo largo de su historia ha tenido una

fuerte influencia en la evolución de la tecnología. Por ejemplo, la Ingeniería Electrónica no
hubiera evolucionado sin la introducción del amplificador realimentado. Las aplicaciones del
principio de realimentación han tenido éxito en los campos de control, comunicaciones e
instrumentación. Para entender el concepto, asuma que el proceso es tal que cuando el valor de
la variable manipulada se incrementa, entonces se incrementan los valores de las variables de
proceso. Bajo este concepto simple, el principio de realimentación puede ser expresado como
sigue:
Incrementar la variable manipulada cuando la variable del proceso sea más pequeña
que la referencia y disminuirla cuando ésta sea más grande.
Este tipo de realimentación se llama realimentación negativa debido a que la variable

manipulada se mueve en la dirección opuesta a la variable del proceso. El principio puede ser
ilustrado por el diagrama de bloques que se muestra en la Fig. 1.1:
r + e u y
−
Figura 1.1. Sistema de control realimentado
Si la salida se encuentra por debajo de la señal de referencia , entonces el controlador debe

incrementar la señal de entrada a la planta u para así incrementar la salida y . Por su parte, si
la salida se encuentra por encima de la señal de referencia, entonces el controlador debe
disminuir u para disminuir la salida de la planta. A este efecto se le conoce como realimentación
negativa ya que se produce un efecto contrario al movimiento de la salida de la planta.
3.1.1 Aproximación de la salida del sistema en lazo cerrado a la señal de

referencia
Considere el sistema de control realimentado dado en la Fig. 1.2.

Agosto de 2003
R (s ) + Y (s )
G (s )
−
H (s )
Fig. 1.2 Diagrama de bloques de un sistema realimentado
La función de transferencia del sistema en lazo cerrado está dada por:
Y ( s) G(s) (1.1)
Gcl ( s ) = =
R( s) 1 + G ( s) H ( s)
Note que si G ( s ) H ( s ) >> 1 , entonces la función de transferencia de lazo cerrado se puede

aproximar por:
1 (1.2)
Gcl ( s ) ≈
H ( s)
Es decir, la salida sólo está afectada por H (s ) que puede ser una constante. Para un sistema
con realimentación unitaria se tiene que:
Gcl ( s ) ≈ 1 (1.3)
Esto es, la salida es aproximadamente igual a la referencia. El hecho de que conforme se

aumenta la magnitud de la función de transferencia de lazo G ( s ) H ( s ) , la salida se aproxima a
la referencia, representa un concepto de mucha utilidad para entender los sistemas
realimentados. Sin embargo, la elección de G ( s ) H ( s ) >> 1 puede hacer que la respuesta sea
altamente oscilatoria y aún inestable, sin importar si la planta en lazo abierto es estable o no.
3.1.2 Visión estática de las propiedades de la realimentación
Concepto de modelo estático de un sistema
Considere un modelo estático descrito por la función no lineal:
y = f (u )
donde u y y son, respectivamente, las señales de entrada y salida de la planta. El modelo

anterior es una forma simple para caracterizar la relación entre la entrada y la salida de un
bloque y es un modelo estático debido a que un cambio en la entrada produce un cambio
instantáneo en la salida (los modelos estáticos carecen de comportamiento transitorio). La Fig.
1.3 muestra una curva característica típica del comportamiento estático de un sistema.

Agosto de 2003
y = f (u )
Fig. 1.3 Comportamiento estático de un sistema
Linealización de un modelo estático

Para pequeñas perturbaciones alrededor de un punto de operación dado, la curva puede ser
aproximada por su tangente en ese punto, tal como se muestra en la Fig. 1.4. La pendiente de la
tangente se llama “ganancia del sistema”.
y = f (u ) K
y0
u0 u
Fig. 1.4 Aproximación lineal alrededor de un punto de operación
Asuma que la variable de control alrededor del punto de operación tiene valor u 0 , lo que implica
que y 0 = f (u 0 ) . Para valores de la variable u cerca del punto de operación, el sistema se
puede aproximar por el modelo:
y − y 0 = f (u ) − f (u 0 ) ≈ f ' (u 0 )(u − u 0 )
donde
df
f '=
du
La aproximación anterior fue obtenida mediante la expansión en series de Taylor de f (u ) ,

despreciando términos de alto orden. A esto se le denomina linealización. La constante:
K = f ' (u 0 )
se llama ganancia del sistema en el punto de operación; por tanto, el sistema puede ser descrito
alrededor del punto de operación por:

Agosto de 2003
y = Ku
Análisis estático de un sistema realimentado

Considere el sistema realimentado cuyo diagrama de bloques se muestra en la Fig. 1.5.
d n
r + e u + − v x + + y
C P
−
Fig. 1.5 Sistema de control realimentado sujeto a perturbaciones de carga y ruido de medición
En la Fig. 1.5, d representa a una perturbación de carga y n representa al ruido de medición.

Asuma que C , el controlador, y P , la planta, pueden ser descritos por modelos estáticos
lineales. Sea k p la ganancia del proceso y k c la ganancia del controlador. Del diagrama de
bloques de la Fig. 1.5 se obtiene que las señales y , x, v, u y e satisfacen las siguientes
relaciones:
y = x+n
x = k pv
v=u+d
u = kc e
e=r−y
Resolviendo estas ecuaciones para y , x , u y e , se obtiene:
k p kc kp 1 ⎛ d n ⎞
y= r− d+ n = G1 ⎜ r − + ⎟
1 + k p kc 1 + k p kc 1 + k p kc ⎜ kc kc k p ⎟
⎝ ⎠
k p kc kp k p kc ⎛ d ⎞
x= r− d− n = G1 ⎜⎜ r − − n ⎟⎟
1 + k p kc 1 + k p kc 1 + k p kc ⎝ kc ⎠
kc k p kc kc ⎛ r n ⎞
u= r+ d− n = G1 ⎜ +d − ⎟
1 + k p kc 1 + k p kc 1 + k p kc ⎜k kp ⎟
⎝ p ⎠
1 kp 1 ⎛ r d n ⎞
e= r+ d− n = G1 ⎜ + − ⎟
1 + k p kc 1 + k p kc 1 + k p kc ⎜ ⎟
⎝ kc k p kc kc k p ⎠
donde
k p kc
G1 =
1 + k p kc

Agosto de 2003
Sea L = k p k c , denominada ganancia de lazo. De las expresiones anteriores se tiene que si la

ganancia de lazo es grande, entonces se tiene que G1 → 1 . Asuma que la ganancia de lazo es
grande; por tanto, en ausencia de perturbaciones se tiene que:
y→r
x→r
r
u→
kp
e→0
Esto es, la salida medida y y la salida de la planta x se aproximan a la referencia (observe

también que el error e tiende a cero). Por su parte, la señal de control u es directamente
proporcional al valor de la señal de referencia e inversamente proporcional a la ganancia estática
de la planta; por tanto, si la planta tiene una ganancia alta, el valor de u será pequeño y, si la
planta tiene ganancia pequeña entonces el valor de u será grande.
El efecto de la perturbación de carga, sobre x o y , se puede reducir con una ganancia alta del
controlador. Por su parte, la señal de control es proporcional al valor de la perturbación de carga;
esto es, cuando la perturbación de carga se incrementa también lo hace el valor de la señal de
control y, viceversa, cuando la perturbación de carga disminuye, también lo hace el valor de la
señal de control.
Note también que el efecto del ruido sobre la medición de la salida de la planta y y, como
consecuencia sobre la señal de error e , disminuye cuando la ganancia de lazo es grande. Sin
embargo, esto no ocurre sobre la salida de la planta x , puesto que el ruido afecta sobre la salida
de la planta de la misma manera en que lo hace la señal de referencia. Por su parte el efecto del
ruido de medición sobre el valor de la señal de control es inversamente proporcional a la
ganancia estática de la planta, lo que quiere decir que si la planta tiene alta ganancia el efecto
del ruido sobre el valor de la señal de control es menor que si la planta tiene una ganancia baja.
Este análisis simple captura varias propiedades de la realimentación. Sin embargo, el análisis
puede invalidarse si no se considera también la dinámica del proceso y del controlador. En
realidad, la dificultad más seria es que la mayoría de los sistemas realimentados se vuelven
inestables cuando se incrementa la ganancia de lazo.
Otro factor es que el compromiso entre la reducción de perturbaciones de carga y la inyección de

ruido de medición, no está bien representada. En la práctica, las perturbaciones de carga a
menudo están dominadas por componentes de baja frecuencia, mientras que el ruido de
medición tiene componentes de alta frecuencia.
Ejemplo.- Considere un proceso con ganancia unitaria k p = 1 . La siguiente figura muestra la

salida del proceso x y la señal de control u , en ausencia de perturbaciones, al variar la
ganancia del controlador k c desde 0 a 100, considerando que una señal de referencia unitaria.

Agosto de 2003
x u
kc kc
Observe que y ≈ r para ganancias altas del controlador y que la magnitud de la señal de
control es proporcional es similar a la salida obtenida.
Suponga ahora que se introduce una perturbación de carga al sistema. La siguiente figura
muestra el efecto de la perturbación de carga sobre la salida del sistema para valores de la
perturbación d = 0,1,3 al variar la ganancia del controlador desde 0 hasta 100.
u
x
d =0 d =3
d =1
d =3
Señal de control
Salida de la planta
Incremento de la perturbación
de carga
d =1
d =0
Ganancia del controlador kc Ganancia del controlador kc
Observe que en bajas ganancias la salida de la planta es negativa, lo cual se debe a que el
efecto de la perturbación es mayor que el efecto de la señal de control. Sin embargo, en altas
ganancias la salida se aproxima a la referencia aún en presencia de perturbaciones. Observe
también el incremento en la magnitud de la señal de control al incrementar el valor de la
perturbación.
Efecto de las variaciones en la ganancia del proceso
Para investigar los efectos de las variaciones en la salida de la planta, con respecto a las
variaciones en la ganancia del proceso k p , considere el sistema en lazo cerrado en ausencia de
perturbaciones, esto es:
k p kc
x= r
1 + k p kc

Agosto de 2003
Entonces:
dx d ⎛⎜ k p k c ⎞
⎟= kc
= r
dk p dk p ⎜⎝ 1 + k p k c ⎟ (1 + k k ) 2
⎠ p c
La ecuación anterior muestra que esta variación es inversamente proporcional al cuadrado de la

ganancia de lazo. La variación relativa en la salida de la planta causada por una variación
relativa en la ganancia del proceso puede ser encontrada de la siguiente maneta:
dx kc kc 1 x 1
= r= ⋅ r= ⋅
dk p (1 + k p k c ) 2
1 + k p kc 1 + k p kc k p 1 + k p kc
de aquí, la variación relativa porcentual está dada por:
dx / x d log x 1
= =
dk p / k p d log k p 1 + k p k c
La cantidad anterior es pequeña si la ganancia de lazo es grande. Nuevamente, es importante

también considerar la dinámica del proceso, ya que la relación anterior sólo considera los modos
de baja frecuencia. En general, los modos de alta frecuencia, atenúan la ganancia del proceso,
por lo que en altas frecuencias la relación anterior tiende a 1.
Ejemplo.- Para un proceso con ganancia k p = 1 , en la siguiente figura observe cómo cambia la
variación relativa porcentual al incrementar la ganancia desde 0 hasta 100.
Variación relativa porcentual
Ganancia del controlaror kc
3.1.3 Uso de la realimentación como mecanismo de linealización

Otra característica interesante de la realimentación es que puede ser usada para obtener
relaciones lineales precisas entrada/salida cuando el proceso puede ser descrito por una
característica estática no lineal (aunque esto también es cierto aún si el proceso es variante en el
tiempo). Por ejemplo, considere el sistema realimentado que se muestra en la Fig. 1.6, donde el

Agosto de 2003
proceso está representado por la característica no lineal y = f (u ) biyectiva (es decir, su

modelo inverso existe) y el controlador está representado por una ganancia estática lineal k .
r + e u y
k f (u )
−
Fig. 1.6 Sistema de control realimentado
Entonces la salida del proceso está dada por:
y = f (u ) = f ( ke) = f ( k ( r − y ))
de aquí:
−1
k (r − y ) = f ( y)
Despejando la salida del proceso y , se obtiene:
1 −1
y=r− f ( y)
k
De esta manera, si el controlador tiene alta ganancia, entonces y ≈ r ; es decir, se obtiene una
relación aproximadamente lineal. También se puede demostrar que la relación lineal es muy
insensible a variaciones en la no linealidad.
3.1.4 Reducción de la variación en la dinámica del proceso
Con el propósito de ilustrar el efecto de las variaciones en la dinámica del sistema realimentado,
considere primero un cambio en el proceso de tal forma que la salida del sistema en lazo cerrado
está ahora dada por:
G ( s ) + ∆G ( s ) (1.4)
Y ( s ) + ∆Y ( s) = R( s)
1 + (G ( s ) + ∆G ( s )) H ( s)
Entonces, el cambio en la salida puede ser aproximado por:
∆G ( s ) (1.5)
∆Y ( s ) = R( s)
(1 + (G ( s ) + ∆G ( s )) H ( s ))(1 + G ( s ) H ( s ))
Cuando G ( s ) H ( s ) >> ∆G ( s ) H ( s ) , como es el caso frecuente, se tiene:
∆G ( s ) (1.6)
∆Y ( s ) = R( s)
(1 + G ( s ) H ( s )) 2

Agosto de 2003
De esta manera, la selección de una alta ganancia para el término G ( s ) H ( s ) puede reducir el
efecto de la variación de la dinámica del proceso, comparado con el efecto que producirían las
variaciones de la dinámica del proceso en un esquema de control de lazo abierto, donde:
Y ( s ) + ∆Y ( s ) = (G ( s ) + ∆G ( s )) R ( s ) (1.7)
∆Y ( s ) = ∆G ( s ) R ( s ) (1.8)
Note en este caso que las variaciones en la dinámica del proceso no pueden ser reducidas.
También note que en un sistema de lazo cerrado las variaciones en los parámetros del proceso
se reducen por un factor 1 + G ( s ) H ( s ) .
3.1.5 Sensibilidad del sistema en lazo cerrado
Sensibilidad del sistema en lazo cerrado con respecto a cambios en la

dinámica del proceso
La sensibilidad de los cambios del sistema en lazo cerrado, con respecto a cambios en la
dinámica del proceso, se define como la relación del cambio porcentual de la función de
transferencia del sistema en lazo cerrado, con respecto al cambio porcentual en la función de
transferencia del proceso. Esto se puede representar por:
∂Gcl / Gcl ∂ ln Gcl 1 G 1 (1.9)

S GGcl = = = =
∂G / G ∂ ln G (1 + GH ) G /(1 + GH ) 1 + GH
2
Por tanto, la sensibilidad a variaciones en la dinámica del sistema de lazo cerrado, con respecto
a cambios en la dinámica del proceso, se puede reducir incrementando la ganancia de
G ( s ) H ( s ) en las frecuencias de interés.
Sensibilidad del sistema en lazo cerrado con respecto a cambios en la

dinámica del elemento de realimentación
Por su parte, la sensibilidad del sistema en lazo cerrado, con respecto a cambios en la dinámica
del elemento de realimentación H (s ) , está dada por:
∂Gcl H ⎛ G ⎞ −H
2
− GH (1.10)
S Gcl
= =⎜ ⎟ =
∂H Gcl ⎝ 1 + GH ⎠ G /(1 + GH ) 1 + GH
H
Cuando G ( s ) H ( s ) es grande, en las frecuencias de interés, la sensibilidad se aproxima a la

unidad y los cambios en H (s ) afectan directamente a la respuesta de salida. Por tanto, es
importante utilizar componentes de realimentación que no varíen con los cambios del medio
ambiente o que puedan mantenerse constantes a lo largo del tiempo.
Ejemplo.- Considere el sistema realimentado que se muestra en la siguiente figura:

Agosto de 2003
K
s +1
K
Aquí G ( s ) = y H ( s ) = 1 . Entonces, la sensibilidad del sistema de lazo cerrado, con
s +1
respecto a variaciones en la dinámica del proceso está dada por:
1 s +1
S GGcl = =
K s + ( K + 1)
1+
s +1
1
En bajas frecuencias, ( s << K + 1 ) se tiene que S GGcl → . Por tanto, la sensibilidad
K +1
puede ser reducida aumentando el valor de K . Sin embargo, en altas frecuencias ( s >> K + 1 ),
la sensibilidad tiende a 1, haciendo que el sistema sea muy sensible a variaciones en la dinámica
del proceso.
Por su parte, la sensibilidad, con respecto a las variaciones en el elemento de realimentación

está dada por:
K
−
= s +1 = −
K
S HGcl
K s + ( K + 1)
1+
s +1
En bajas frecuencias ( s << K + 1 ) se tiene que S HGcl → 1 , lo cual significa que el proceso se
hace muy sensible a variaciones en el elemento de realimentación. Sin embargo, note que en
altas frecuencias ( s >> K + 1 ) la sensibilidad tiende a 0, haciendo que el sistema sea insensible
a variaciones en el elemento de realimentación.
Las observaciones anteriores, manifiestan una dicotomía que sólo puede ser resuelta mediante
una solución de compromiso al elegir la ganancia del controlador en las frecuencias de interés.
Sin embargo, puesto que el sistema trabajará, en general, en bajas frecuencias, es muy
importante tomar precauciones en la elección del elemento de realimentación.
3.1.6 Efecto de las perturbaciones sobre un sistema realimentado
Considere el sistema de control sujeto a perturbaciones de carga y ruidos de medición que se

muestra en la Fig. 1.7.

Agosto de 2003
d i (t ) d 0 (t )
r (t ) e(t ) y (t )
Gc (s ) G (s )
H (s )
Fig. 1.7 Sistema realimentado sometido a perturbaciones de carga y ruidos de medición
Se puede demostrar que, en este caso, la señal de error en el dominio de la transformada de

Laplace está dada por:
E ( s) =
1
R( s) +
H ( s)
D0 ( s ) +
G(s) H (s)
Di ( s )
(1.11)
1 + Gc ( s )G ( s ) H ( s ) 1 + Gc ( s )G ( s ) H ( s ) 1 + Gc ( s )G ( s ) H ( s )
Como se observa en la ecuación anterior, el error consiste de las siguientes tres partes:
o la debida a la señal r (t )
o la debida al ruido de medición d 0 (t ) de la salida y (t )
o la debida a la perturbación de carga d i (t )
Para reducir los efectos del ruido de medición, la función de transferencia:
H (s) (1.12)
Gd 0 ( s) =
1 + Gc ( s )G ( s ) H ( s )
debe ser pequeña. Similarmente, para reducir los efectos de la perturbación de carga, la función
de transferencia:
G ( s) H ( s) (1.13)
G di ( s ) =
1 + Gc ( s )G ( s ) H ( s )
debe hacerse pequeña. Sin embargo para rechazar las perturbaciones d i (t ) y d 0 (t ) en estado
estacionario, las funciones de transferencia Gd 0 ( s) y Gdi (s ) deben ser también estables. Por
otro lado, si d i (t ) = M = cte ; t ≥ 0 , se debe asegurar que Gc ( s )G ( s ) tenga al menos un
polo en el origen, como se ilustra en el siguiente ejemplo.
Ejemplo de rechazo a perturbaciones de carga constantes
Sean las funciones de transferencia del controlador, el proceso y el elemento de realimentación

dadas por:
2 8 (1.14)
Gc ( s ) = ; G( s) = ; H (s) = 1
s s+4

Agosto de 2003
y una perturbación de carga constante dada por:
d i (t ) = 1 para t ≥ 0 (1.15)
En este caso:
8 (1.16)
Ei ( s) = Gdi ( s) Di ( s ) = s + 4
1 8s 1 8
= =
2 8 s s 2 + 4s + 16 s s 2 + 4s + 16
1+
s s+4
De aquí:
8s (1.17)
ei (∞) = lim sE i ( s ) lim =0
s →0 s →0 s + 4 s + 16
2
3.2 Acciones básicas de control

3.2.1 Control On/Off
El mecanismo de realimentación más simple es, sin duda, el controlador On/Off. Su algoritmo de
control está basado en la siguiente expresión matemática:
⎧u e>0
u = ⎨ max
⎩u min e<0
donde e = r − y es el error entre la señal de referencia r y la salida de la planta y ; u max es

una acción correctiva máxima que se aplica cuando el error es positivo y u min es una acción
correctiva extrema mínima que se aplica cuando el error es negativo. Estas acciones correctivas
están relacionadas con los límites físicos del actuador. De acuerdo al principio de realimentación,
si el error es positivo (la salida es menor que la referencia), entonces u max causará un
incremento de la salida de la planta, disminuyendo el error y, si el error es negativo (la salida es
mayor que la referencia), entonces u min causará una disminución de la salida de la planta,
disminuyendo así el error absoluto. La Fig. 2.1 muestra la característica del controlador On/Off.
u
u max
u min
e
Fig. 2.1 Característica del controlador On/Off

Agosto de 2003
El control On/Off muchas veces es apropiado para mantener la variable controlada del proceso
cerca de la referencia, pero típicamente resulta en un sistema donde las variables oscilan en
estado estacionario como se muestra en el siguiente ejemplo.
Ejemplo. Considere el sistema de control realimentado que se muestra en la Fig. 2.2.
r + e u 1 y
− ( s + 1) 3
Fig. 2.2 Diagrama de bloques de un sistema de control On/off
El controlador es del tipo On/Off y la planta está representada por la función de transferencia:
1
G ( s) =
( s + 1) 3
Suponga que r = 1 , u max = 1 y u min = 0 . Entonces, la respuesta del sistema de control a la

señal de referencia es la que se muestra en la Fig. 2.3.
Fig. 2.3 Respuesta del sistema de un sistema de control On/Off obtenida en Simulink
Observe que la respuesta del sistema oscila alrededor de la referencia en estado estacionario.
3.2.2 Control PID
El controlador PID (Proporcional-Integral-Derivativo) de lejos es el algoritmo de control más

común. Su estudio puede ser abordado desde múltiples puntos de vista. Más del 90% de los
problemas de control en la actualidad se resuelven con controladores PID, de los cuales la
mayoría son sólo controladores PI. De ahí su importancia en el control de procesos industriales.
La ley de control u (t ) de un controlador del tipo PID está dada por la siguiente expresión:
⎛ 1
t
de(t ) ⎞
u (t ) = K ⎜ e(t ) + ∫ e(τ )dτ + Td
⎜ ⎟
⎟
⎝ Ti 0 dt ⎠

Agosto de 2003
donde e = r − y es el error, definido como la diferencia entre la señal de referencia r dada por
el operador y la medición de la salida de la planta y , obtenida a través de un sensor; K es la
ganancia proporcional, Ti es la constante de tiempo integral y Td es la constante de tiempo
derivativa. La acción proporcional actúa sobre el valor presente del error, la acción integral toma
en cuenta los errores pasados y la acción derivativa tiene un efecto predictivo del error en un
cierto horizonte de tiempo. Por tanto, el controlador PID calcula su señal de control combinando
la información sobre el error actual, los errores pasados y una predicción de los errores futuros.
Acción Proporcional
La razón por la que el control On/Off resulta en oscilaciones, es que el sistema sobreactúa
cuando ocurre un pequeño cambio en el error. Esto hace que la variable manipulada cambie
sobre su rango completo. Este efecto se puede evitar modificando el controlador On/Off de forma
que, alrededor del error cero, la acción de control sea proporcional a dicho error. La
característica de este controlador se muestra en la Fig. 2.4.
u
u max
K
ub
u min
Banda
e
Proporcional
Fig. 2.4 Característica de un controlador proporcional
El controlador, dentro de la banda proporcional, actúa en forma proporcional al error. De esta

manera, se evitan los cambios extremos característicos del control On/Off, ya que errores
pequeños producirán señales de control pequeñas y errores más grandes señales de control
más grandes. Note también que, fuera de la banda proporcional, el controlador ejecuta acciones
de control extremas, típicas del control On/Off, que dependen de los límites físicos de los
actuadores. La pendiente K de la recta dentro de la banda proporcional se denomina ganancia
proporcional, la cual está relacionada con la banda proporcional a través de:
u max − u min
K=
Pb
donde Pb es el valor de la banda proporcional. Note que la ganancia proporcional es

inversamente proporcional a Pb . A mayor ganancia, menor será la banda proporcional y, a
menor ganancia mayor será la banda proporcional. Por tanto, si se desea utilizar una banda
proporcional ancha, manteniendo una ganancia proporcional alta, será necesario incrementar el
rango de valores de control a través del uso de un actuador de mayor potencia.
El valor u b , que intersecta la curva característica del controlador con el eje vertical, se denomina
señal de polarización o señal de reset. El propósito de esta señal es introducir una polarización
en la respuesta del sistema tal que el sistema de control en estado estacionario presente un error

Agosto de 2003
en estado estacionario cero. De esta manera, el controlador dentro de la banda proporcional se

puede representar mediante la siguiente expresión matemática:
u (t ) = Ke(t ) + u b
El diagrama de bloques de este controlador se muestra en la Fig. 2.5
Ub
E (s ) + U (s )
K
Fig. 2.5 Diagrama de bloques de un controlador proporcional con señal de polarización o reset
Análisis estático del controlador proporcional
Considere el sistema de control realimentado, cuyo diagrama de bloques se muestra en la Fig.

2.6. Suponga que el controlador proporcional trabaja en la banda proporcional.
ub
+
K
Fig. 2.6 Diagrama de bloques de un sistema de control proporcional
Asuma que el proceso está representado por un modelo estático lineal con ganancia K p ,
entonces:
x = K p (u − d )
donde x es la salida del proceso, u es la señal de control y d es la perturbación de carga.

Además:
u = Ke + u b
y = x+n
e=r−y
La eliminación de las variables intermedias produce la siguiente relación entre la variable del
proceso x , la referencia r , la perturbación de carga d y el ruido de medición n :
KK p Kp
x= ( r − n) + (u b − d )
1 + KK p 1 + KK p

Agosto de 2003
En este caso, la ganancia de lazo es L = KK p . Suponga primero que u b = 0 , entonces en

ausencia de perturbaciones x ≈ r si la ganancia de lazo es grande; de otra manera la diferencia
1
entre r y x está dada por: . Esta diferencia puede ser eliminada con la señal de
1 + KK p
1
polarización haciendo que u b = r . De esta manera, en ausencia de perturbaciones, se
Kp
logra la igualdad x = r . Note que la señal de polarización es inversamente proporcional a la
ganancia estática de la planta y proporcional a la señal de referencia. Por tanto, para calibrarla,
es necesario realizar una estimación del valor de K p . Note que la razón por la que a u b se le
denomina reset es porque pone el error a cero cuando el sistema se encuentra en estado
estacionario.
Ejemplo.- Considere un sistema de control realimentado con acción proporcional para una
planta descrita por la función de transferencia:
1
G ( s) =
( s + 1) 3
Inicialmente suponga que u b = 0 , entonces la respuesta al escalón unitario del sistema en lazo
cerrado para valores de K = 1,3,7 está dada como se muestra en la Fig. 2.7.
Fig. 2.7 Respuesta al escalón unitario del sistema de control con controlador proporcional y sin señal de
polarización para diferentes valores de la ganancia proporcional.
Observe que la repuesta en estado estacionario se acerca más a la referencia al aumentar la

ganancia, sin embargo la respuesta es más oscilatoria.
Ahora suponga que K = 1 y u b = 1 para t ≥ 0 . La Fig. 2.8 muestra la respuesta al escalón

unitario del sistema en lazo cerrado del sistema con señal de polarización comparada con la
respuesta cuando u b = 0

Agosto de 2003
ub = 1
ub = 0
Fig. 2.8 Efecto de la señal de polarización sobre la respuesta al escalón.
Observe que el error en estado estacionario es cero cuando se inyecta la señal de polarización.
Acción Integral
La función principal de la acción integral es asegurar que la salida del proceso coincida, en
estado estacionario, con la referencia. Una acción puramente proporcional sin señal de
polarización, produciría normalmente un error en estado estacionario diferente de cero.
Incorporando la acción integral un pequeño error positivo siempre producirá un incremento en la
señal de control y un error negativo dará una señal decreciente, sin importar cuan pequeño sea
el error.
Para entender los efectos de la acción integral considere el controlador PI dado por la ley de
control:
⎛ 1
t
⎞
u (t ) = K ⎜⎜ e(t ) + ∫ e(τ )dτ ⎟⎟
⎝ Ti 0 ⎠
El siguiente argumento simple muestra que el error en estado estacionario siempre será cero,
debido a la introducción de la acción integral:
Suponga que el sistema se encuentra en estado estacionario. Esto significa que u (t ) = u 0 y

e(t ) = e0 son constantes. Sustituyendo estos valores constantes en la ecuación anterior se tiene
que:
⎛ e t⎞
u 0 = K ⎜⎜ e0 + 0 ⎟⎟
⎝ Ti ⎠
De la expresión anterior, se observa que u 0 sólo puede ser constante si e0 = 0 . Por tanto, si un
sistema de control con controlador PI llega al estado estacionario, entonces lo hace con un error
en estado estacionario cero.
La introducción de la acción integral también puede ser vista como un reset automático de un
controlador proporcional. Para ver esto, transforme al dominio de la transformada de Laplace la
ecuación del controlador. Entonces:

Agosto de 2003
K T s +1
U ( s ) = KE ( s) + E (s) = i KE ( s)
Ti Ti s
o bien:
1 1
U ( s) = KE ( s ) = U ( s ) − KE ( S )
Ti s + 1 Ti s
Despejando U ( s ) en el lado derecho se obtiene:
1
U ( s ) = KE ( s ) + U ( s)
Ti + 1
La implementación del diagrama de bloques de la expresión anterior se muestra en la Fig. 2.9.
E (s ) + U ( s)
K
+
Ub
1
Ti s + 1
Fig. 2.9 Representación en diagrama de bloques del reset automático
Compare el diagrama de bloques de la Fig. 2.9 con el diagrama de bloques de la Fig. 2.5,
correspondiente al controlador proporcional con señal de reset. Note que en el caso del
controlador PI, la señal de reset se genera automáticamente a partir de una realimentación de la
propia señal U , mediante un filtro de primer orden con constante de tiempo Ti , razón por la
cual a esta constante se le denomina constante de tiempo integral. Esta constante de tiempo
determina el acercamiento del sistema de control a la señal de referencia; si es pequeña
entonces se observa un incremento rápido de U b , cuando el error es positivo, y una disminución
rápida de U b , cuando el error es negativo, produciendo un rápido acercamiento a la referencia;
por su parte, si la constante de tiempo es grande entonces el acercamiento será lento.
También note que si Ti = ∞ , entonces el controlador PI se reduce a un controlador proporcional

sin señal de polarización.
Ejemplo.- Considere el sistema de control PI para la planta descrita por la función de

transferencia:
1
G ( s) =
( s + 1) 3
La respuesta al escalón unitario del sistema en lazo cerrado se muestra en la Fig. 2.10 para los
valores de K = 1 y Ti = ∞,5,1.5

Agosto de 2003
Ti = 1.5
Ti = 5
Ti = ∞
Fig. 2.10 Respuesta al escalón unitario de un sistema de control PI al variar la constante de tiempo integral
Observe el acercamiento lento a la referencia para el valor de Ti = 5 , así como el

comportamiento como un controlador proporcional puro para Ti = ∞ . Observe también que la
respuesta es más oscilatoria cuando se disminuye la constante de tiempo integral.
Acción derivativa
El propósito de la acción derivativa es mejorar la estabilidad del sistema en lazo cerrado,

haciendo que el controlador tenga una capacidad anticipativa a través del uso de una predicción
del error. Una predicción simple del error con un horizonte de predicción Td puede hacerse
truncando, en el término de primer orden, la expansión en series de Taylor de e(t + Td ) , lo cual
resulta en:
de(t )
e(t + Td ) ≈ e(t ) + Td
dt
La expresión anterior predice el error Td unidades de tiempo hacia delante, como se muestra en
la Fig. 2.11.
e(t )
e(t + Td )
e(t )
t t + Td
Predicción de e(t + Td )
Fig. 2.11 Predicción de la señal de error en un horizonte de tiempo Td
Por tanto, un controlador PD dado por la siguiente ley de control:

Agosto de 2003
⎛ de(t ) ⎞
u (t ) = K ⎜ e(t ) + Td ⎟
⎝ dt ⎠
puede ser interpretado como un controlador proporcional que usa una predicción del error en Td
unidades de tiempo, basada en una extrapolación lineal. Esto equivale a decir:
u (t ) ≈ Ke(t + Td )
Note que la precisión de la predicción depende del horizonte de tiempo Td . Si este horizonte es
muy grande el error de predicción puede ser muy grande y si este horizonte es pequeño, el error
de predicción se hace pequeño. Pero si el horizonte de de predicción es muy pequeño, el
controlador se comportará como lo hace un controlador proporcional sin señal de polarización.
La Fig. 2.12 muestra cómo se puede incrementar el error de predicción con un horizonte de
tiempo más grande.
e(t )
e(t + Td )
e(t )
t t + Td
Predicción de e(t + Td )
Fig. 2.12 Incremento del error de predicción cuando el horizonte de predicción es más grande.
Ejemplo.- Considere nuevamente una planta con función de transferencia:
1
G ( s) =
( s + 1) 3
junto con un controlador del tipo PD. La Fig. 2.13 muestra la respuesta al escalón unitario del
sistema de control en lazo cerrado para valores de K = 1 y Td = 0,1,3 .
Td = 0
Td = 1
Td = 3
Fig. 2.13 Respuesta al escalón unitario de un sistema de control PD

Agosto de 2003
Observe que para Td = 0 , la respuesta corresponde a la de un controlador proporcional puro.

Para Td = 1 se observa una respuesta más suave sin el sobrepaso generado con el controlador
proporcional. Para Td = 3 , la respuesta es considerablemente más lenta. Note que en los tres
casos, el error en estado estacionario es de 0.5 con respecto al escalón unitario. El error en
estado estacionario puede eliminarse inyectando una señal de polarización como en el caso del
controlador proporcional. Considerando una señal de polarización dada por u b = 1 (igual que en
el caso del controlador proporcional, la respuesta al escalón unitario presenta un error en estado
estacionario cero, tal como se muestra en la Fig. 2.14.
Td = 0
Td = 1
Td = 3
Fig. 2.14 Respuesta al escalón unitario de un sistema de control PD con señal de polarización
Note que el efecto de u b sobre la salida simplemente es un escalamiento de las señales de la

Fig. 2.14. Combinando ahora los tres tipos de acciones para conformar un controlador PID, la
respuesta al escalón unitario, para valores de K = 1 , Ti = 1.5 t Td = 1 , se obtiene la respuesta
que se muestra en la Fig. 2.15.
Fig. 2.15 Respuesta al escalón unitario de un sistema de control PID
La respuesta al escalón anterior puede ser mejorada afinando los valores de los parámetros del
controlador. Cambiando los valores a K = 4 , Ti = 1.2 y Td = 2.5 , se obtiene la respuesta al
escalón que se muestra en la Fig. 2.16.

Agosto de 2003
Fig. 2.16 Respuesta al escalón unitario de un sistema de control PID con parámetros modificados
Observe cómo mejora la velocidad de la respuesta y mejora el sobrepaso.
Otras parametrizaciones del controlador PID

Existen otras parametrizaciones utilizadas para representar el algoritmo de control PID, que son
muy comunes en la implementación de reguladores industriales. Dos de ellas están dadas por
las siguientes expresiones:
⎛ 1 ⎞
⎟⎟(1 + Td s )
U ( s)
= K ⎜⎜1 +
E ( s) ⎝ Ti s ⎠
U (s) K
= K p + i + Kd s
E ( s) s
La primera parametrización es muy común en muchos controladores comerciales, debido a

razones históricas que imponen que los nuevos controladores mantengan la compatibilidad, con
respecto a productos anteriores, sobre todo en los procedimientos de ajuste de las ganancias.
Los antiguos controladores neumáticos eran más fáciles de implementar con la primera
configuración. La segunda parametrización es más general pero no permite tener la
interpretación del reset automático y de la predicción del error.
3.3 Estabilidad de Sistemas Lineales Invariantes

3.3.1 Definición
La estabilidad es una propiedad cualitativa de los sistemas dinámicos. Este concepto es muy
importante ya que cada sistema de control debe ser estable. Si un sistema de control no es
estable, usualmente desbocará o se desintegrará. Existen tres tipos de estabilidad:
o Estabilidad de entrada acotada – salida acotada (BIBO)

o Estabilidad en el sentido de Lyapunov
o Estabilidad asintótica

Agosto de 2003
En el análisis de los sistemas de control clásico, usualmente el concepto de estabilidad se refiere

a estabilidad BIBO (Bounded Input – Bounded Output) y usualmente se denomina simplemente
estabilidad.
Una función u (t ) definida para t ≥ 0 se dice que está acotada si su magnitud no se aproxima al
infinito o, equivalentemente, existe una constante M tal que:
u (t ) ≤ M < ∞ para todo t ≥ 0 . (3.1)
Definición de Estabilidad.- Un sistema es estable si cada entrada acotada aplicada al sistema

produce una salida acotada. De otra manera, se dice que el sistema es inestable.
Para probar la estabilidad de un sistema, se dispone de los siguientes teoremas:
Teorema de Estabilidad 1.- Un sistema lineal invariante en el tiempo con función de respuesta
al impulso g (t ) es estable sí y sólo si:
∞ (3.2)
∫
0
g (t ) dt < ∞
Teorema de Estabilidad 2.- Un sistema con función de transferencia racional propia G ( s ) es

estable sí y sólo si cada polo de G ( s ) tiene parte real negativa o, equivalentemente, están
dentro del semi-plano abierto izquierdo del plano complejo s .
La aplicación de este teorema puede ser poco práctica en el caso de sistemas de orden mayor a
2, ya que involucra el cálculo de las raíces de polinomios de alto orden, para el cual no existen
procedimientos analíticos, aunque esto no es ningún problema si se utilizan métodos numéricos
apropiados implementados en una herramienta computacional. Otra alternativa que permite
determinar si un polinomio tiene o no raíces en el semiplano derecho (región de inestabilidad),
sin resolver las raíces es utilizar la denominada Prueba de Estabilidad de Routh.
3.3.2 Prueba de Estabilidad de Routh
Considere un sistema con función de transferencia:
N ( s) (3.3)
G (s) =
D( s)
Se asume que N ( s ) y D ( s ) no tienen factores en común. Para determinar la estabilidad de

G ( s ) usando el teorema de estabilidad BIBO, se debe primero calcular los polos de G ( s ) o,
equivalentemente, las raíces del polinomio D ( s ) . Si el grado de D ( s ) es tres o mayor, puede
ser complicado calcular las raíces en forma manual, sin el uso de métodos numéricos
implementados en alguna herramienta computacional. Por tanto, es deseable tener un método
para determinar la estabilidad sin resolver las raíces. A continuación se introduce un método
llamado Prueba de Routh o Prueba de Routh-Hurwitz.

Agosto de 2003
Definición de Polinomio Hurwitz.- Un polinomio con coeficientes reales se llama polinomio

Hurwitz si todas sus raíces tienen partes reales negativas.
La Prueba de Routh es un método que sirve para ver si un polinomio es o no Hurwitz, sin
resolver sus raíces. La aplicación más significativa de la prueba es para probar la estabilidad de
sistemas de control. Considere el polinomio:
D ( s ) = a n s n + a n −1 s n −1 + L + a1 s + a 0 ; a n > 0 (3.4)
donde ai ; i = 0,1,2, L , n son constantes reales.
Teorema de condición necesaria para que un polinomio sea Hurwitz.- Si D ( s ) es un polinomio

Hurwitz, entonces cada coeficiente de D ( s ) debe ser positivo. En otras palabras si a D ( s ) le
falta un término (un coeficient cero) o si existe algún coeficiente negativo, entonces D ( s ) no es
Hurwitz.
Introduzca ahora la denominada Tabla de Routh dada por:
sn an an−2 an−4 a n −6 ....

s n −1 a n −1 a n −3 a n −5 a n −7 ....
s n−2 b1 b2 b3 b4 ....
s n −3 c1 c2 c3 c4 ....
M
s2 k1 k2
s1 l1
s0 m1
donde
1 an an−2 a n −1 a n − 2 − a n a n −3
b1 = − =
a n −1 a n −1 a n −3 a n −1
1 an a n−4 a n −1 a n − 4 − a n a n −5
b2 = − =
a n −1 a n −1 a n −5 a n −1
1 an a n −6 a n −1 a n −6 − a n a n −7
b3 = − =
a n −1 a n −1 a n −7 a n −1
1 a n −1 a n −3 b1 a n −3 − a n −1b2
c1 = − =
b1 b1 b2 b1

Agosto de 2003
1 a n −1 a n −5 b1 a n −5 − a n −1b3
c2 = − =
b1 b1 b3 b1
1 a n −1 a n −7 b1 a n −7 − a n −1b4
c3 = − =
b1 b1 b4 b1
1 k1 k2
m1 = − = k1 = a 0
l1 l1 0
Teorema de condición necesaria y suficiente para que un polinomio sea Hurwitz (Routh
1875).- El número de raíces en el semiplano derecho de D ( s ) es igual al número de cambios
de signo en la primera columna de la Tabla de Routh.
Como corolario al teorema anterior, D ( s ) es estable sí sólo si todos los elementos en la primera
columna de la Tabla de Routh son positivos.
Existen tres casos diferentes que deben tratarse separadamente, puesto que requieren
modificaciones adecuadas del procedimiento de cálculo del arreglo:
i) Ningún elemento en la primera columna es cero

ii) Hay un cero en la primera columna pero algunos otros elementos de la fila que
contiene el cero en la primera columna no son igual a cero.
iii) Hay un cero en la primera columna y los otros elementos de la fila que contiene el
cero también son iguales a cero.
Caso (i)
Ejemplo 1.- El polinomio característico de un sistema de segundo orden es:
D ( s ) = a 2 s 2 + a1 s + a 0 (3.5)
La tabla de Routh se escribe como:
s2 a2 a0
1
s a1
s0 b1
donde:
a1 a0 − a 2 (0)
b1 = = a0
a1

Agosto de 2003
Por tanto, el requisito para un sistema estable de segundo orden es simplemente que todos los
coeficientes sean positivos
Ejemplo 2.- El polinomio característico de un sistema de tercer orden es:
D ( s ) = a 3 s 3 + a 2 s 2 + a1 s + a 0 (3.6)
El arreglo es:
s3 a3 a1
s2 a2 a0
1
s b1
s0 c1
donde
a 2 a1 − a3 a 0 ba
b1 = y c1 = 1 0 = a 0
a2 b1
Para que el sistema de tercer orden sea estable, es necesario y suficiente que los coeficientes
sean positivos y a 2 a1 > a3 a 0 .
La condición cuando a 2 a1 = a3 a 0 da como resultado un caso de estabilidad límite; en este caso

dos de las raíces están sobre el eje imaginario del plano s . Este caso límite corresponde al caso
(iii) y se lo analiza más adelante.
Ejemplo 3.- Considere el polinomio característico:
D( s ) = s 3 + s 2 + 2s + 24 (3.7)
que tiene sus raíces en s = −3 y s = 1 ± j 7 . Puesto que el polinomio tiene dos raíces en el
semiplano derecho, el sistema es inestable. Esto puede ser comprobado a través de la Prueba
de Routh:
s3 1 2
s2 1 24
s1 -22
s0 24
Como se tienen dos cambios de signo en la primera columna, se concluye que existen dos
raíces en el semiplano derecho, confirmando que el sistema es inestable.
Si el propósito hubiese sido solamente determinar la estabilidad, únicamente hubiese sido

necesario verificar la condición a 2 a1 > a3 a 0 . En este caso no se verifica ya que
a 2 a1 = 1 ⋅ 2 = 2 y a3 a 0 = 1 ⋅ 24 = 24 .

Agosto de 2003
Caso (ii)
Si únicamente un elemento del arreglo es cero, éste puede ser reemplazado por un pequeño
número positivo ε que tiende a cero, lo que permite completar la tabla de Routh.
Ejemplo 1.- Considere el polinomio característico dado por:
D( s ) = s 5 + 2s 4 + 2 s 3 + 4 s 2 + 11s + 10 (3.8)
La Tabla de Routh es entonces:
s5 1 2 11
s4 2 4 10
s3 ε 6
s2 12 10
−
ε
s 1
6
s0 10
Hay dos cambios de signo debido al número negativo grande de la primera columna
c1 = −12 / ε . Por tanto el polinomio no es Hurwitz y tiene dos raíces en el semiplano derecho
del plano complejo s .
Ejemplo 2.- Considere el polinomio característico:
D( s ) = s 4 + s 3 + s 2 + s + K (3.9)
donde se desea determinar la ganancia K que de como resultado un sistema estable. La tabla
de Routh es entonces:
s4 1 4 10
s3 1 6
s2 ε K
s1 K
−
ε
0
s K
Como se observa en la primera columna de la tabla, desafortunadamente para cualquier valor de

K positivo, el sistema es inestable.
Caso (iii)
Este caso ocurre cuando todos los elementos de una fila son cero o cuando la fila está
constituida por un único elemento que es cero. Esta condición se presenta cuando el polinomio
contiene singularidades que se localizan simétricamente respecto al origen del plano s . Este
problema se evita utilizando el polinomio auxiliar que precede inmediatamente al elemento cero

Agosto de 2003
en la tabla de Routh. El grado del polinomio auxiliar siempre es par e indica el número de pares
de raíces simétricas con respecto al origen.
Ejemplo 1.- Considere un polinomio característico de grado tres:
D( s ) = s 3 + 2s 2 + 4 s + K (3.10)
donde K es una ganancia ajustable. La tabla de Routh es entonces:
s3 1 4
s2 2 K
s1 8− K
2
s0 K
Por tanto, para lograr un sistema estable se requiere que 0 ≤ K < 8 . Cuando K = 8 se tienen
dos raíces en el eje imaginario y un caso de estabilidad límite. Observe que se obtiene una fila
de ceros (caso (iii)) cuando K = 8 . Los coeficientes del polinomio auxiliar, U ( s ) , son los
coeficientes del polinomio que precede a la fila de ceros. En este caso, el polinomio de la fila que
precede a la de ceros es el que se obtiene de la fila s 2 . Recuerde que esta fila contiene los
coeficientes de potencias pares de s y por tanto se tiene:
U ( s) = 2s 2 + Ks 0 = 2 s 2 + 8 = 2( s 2 + 4) = ( s + j 2)( s − j 2)
Para demostrar que el polinomio auxiliar es realmente un factor del polinomio característico,
divida D ( s ) entre U ( s ) para obtener:
D( s) s 3 + 2s 2 + 4s + 8 1
= = s +1
U ( s) 2s 2 + 8 2
Puesto que D ( s ) es divisible por U ( s ) , los factores del polinomio característico son:
D ( s ) = ( s + 2)( s + j 2)( s − j 2)
Ejemplo 2.- Considere el polinomio característico
D( s) = s 5 + s 4 + 4 s 3 + 24s 2 + 3s + 63 (3.11)
En este caso la tabla de Routh es:
s5 1 4 3
s4 1 24 63
s3 -20 -60
s2 21 63
s1 0
s0

Agosto de 2003
Por tanto, el polinomio auxiliar es:
U ( s) = 21s 2 + 63
lo que implica que sus raíces son s1, 2 = ± j 3 y, además:
D( s )
= s 3 + s 2 + s + 21
U ( s)
Estableciendo una tabla de Routh para este polinomio, se tiene:
s3 1 1
s2 1 21
s1 -20
s0 21
Los dos cambios de signo en la primera columna indican la presencia de dos raíces en la parte
derecha del plano s , y por tanto el sistema es inestable.
Los casos especiales (ii) y (iii) no tienen mucha relevancia en el análisis y diseño de sistemas de
control, puesto que ya se sabe que producen sistemas inestables.
3.3.3 Ejemplo de aplicación al análisis de un sistema de control

Considere el esquema de control que se muestra en la Fig. 5.1
+
Gc (s ) G (s )
−
donde:
10 (3.12)
G ( s) =
( s + 1)( s + 2)
y Gc (s) es un controlador PI dado por:
Ki (3.13)
Gc ( s ) = K p +
s
Se tiene interés en encontrar los rangos permisibles de los parámetros K p y K i tal que el
sistema en lazo cerrado sea estable.
Agosto de 2003
Gc ( s)G ( s ) 10( K p s + K i ) (3.14)

Gcl ( s ) = = 3
1 + Gc ( s )G ( s) s + 3s 2 + (2 + 10 K p ) s + 10 K i
Entonces el polinomio característico está dado por:
D( s) = s 3 + 3s 2 + (2 + 10 K p ) s + 10 K i (3.15)
La correspondiente tabla de Routh está dada por:
s3 1 2 + 10 K p
s 2
1 10 K i
s 1
3(2 + 10 K p ) − 10 K i
3
s0 10 K i
Aplicando la prueba de estabilidad de Routh se requiere que:
3(2 + 10 K p ) − 10 K i (3.16)
>0
3
10 K i > 0
Es decir:
3 + 15 K p − 5K i > 0 (3.17)
Ki > 0
siendo la región de estabilidad la que se muestra en la Fig. 3.2:
Kp
0.6 Ki
− 0.2
Fig. 3.2 Región de estabilidad de los parámetros del controlador PI

Agosto de 2003
3.4 Ejemplo de un sistema de control de velocidad de un motor de CD

controlado por armadura
Considere el problema de control de velocidad de un motor de CD controlado por armadura cuyo

diagrama esquemático y diagrama de bloques se muestran en la Fig. 4.1.
τl
+
V + 1 i τm + 1 ω
Ka
Ls + R Jms + b
−
em
Kv
Fig. 4.1 Diagrama esquemático y diagrama de bloques de un motor de CD controlado por armadura
El diagrama de bloques de la figura muestra las siguientes variables:
V : Voltaje de entrada a la armadura del motor

i : Corriente en la armadura del motor
τ m : Par generado por el motor
τ l : Par opuesto por la carga (laminadora)
ω : velocidad angular del eje del motor
em : fuerza contraelectromotriz
Considere, además, los siguientes parámetros del motor:
Inductancia de la armadura del motor: L = 0.1

Resistencia de la armadura del motor: R = 0.5
Constante de par del motor: K a = 1
Inercia del rotor: J m = 10
Coeficiente de fricción viscosa: b = 0.1
Constante de fuerza contraelectromotriz: K v = 0.1
Del diagrama de bloques, la relación entrada/salida del motor se puede escribir, haciendo abuso
de notación, mediante la siguiente expresión:
ω = GV ( s )V − Gτ ( s)τ l
donde GV (s ) representa la función de transferencia desde la entrada manipulable V a la salida

ω y Gτ (s) la función de transferencia desde la entrada no manipulable τ l a la salida ω .
GV (s ) y Gτ (s) están dadas por:

Agosto de 2003
Ka
Gv ( s ) =
LJs + ( RJ + Lb) s + Rb + K a K v
2
Ls + R
Gτ ( s ) =
LJs + ( RJ + Lb) s + Rb + K a K v
2
Control en lazo abierto
Suponga que se tiene una perturbación de carga constante y que quiere controlar la velocidad en
estado estacionario del motor en un valor de ω r = 200 . Entonces, el voltaje aplicado a la
armadura del motor se puede obtener a partir de la siguiente expresión:
ω r = Gv (0)V − Gτ (0)τ l
donde GV (0) es la ganancia estática (también conocida como ganancia de CD) de la función de
transferencia GV (s ) y Gτ (0) es la ganancia estática de la función de transferencia Gτ (s) .
Los valores de las ganancias estáticas están dadas por:
Ka
GV (0) =
Rb + K a K v
R
Gτ (0) =
Rb + K a K v
Despejando el voltaje V de la ecuación anterior se obtiene:
ω r + Gτ (0)τ l
V=
GV (0)
Observe que el voltaje de control depende de la velocidad de referencia, las ganancias estáticas
de GV (s ) y Gτ (s) y del conocimiento del valor de la perturbación de carga que, además se
asume constante.
Suponga que la perturbación de carga está dada por τ l = 500 , entonces sustituyendo valores
se obtiene que el voltaje que se debe aplicar con control de lazo abierto de tal forma que la
velocidad del motor en estado estacionario sea de 200, está dado por
V = 280
Aplicando el voltaje anterior al motor se obtiene la respuesta de velocidad que se muestra en la

Fig. 4.2.

Agosto de 2003
Fig. 4.2 Simulación de la respuesta del sistema de control de lazo abierto
Observe que la respuesta del sistema alcanza su valor en estado estacionario en

aproximadamente 150 segundos, lo que significa que es una respuesta muy lenta para un motor.
Desafortunadamente, el control de lazo abierto propuesto no puede modificar el comportamiento
transitorio. La lentitud de la respuesta se debe principalmente a la dinámica del motor que
requiere de un voltaje mayor en el transitorio. Observe también que el 95% del valor final de la
respuesta se alcanza en aproximadamente 100 segundos. Finalmente, observe el efecto de la
carga en el momento de arranque del sistema (la velocidad se hace negativa).
Suponga ahora que existe una variación de ± 20% en el coeficiente de fricción del motor.
Aplicando el mismo voltaje de entrada y la misma carga al motor la velocidad en estado
estacionario varía como se muestra en la Fig. 4.3.
Incremento del
coeficiente de
friccción
Fig. 4.3 Simulación de la respuesta del sistema de control de lazo abierto variando ± 20% el valor del
coeficiente de fricción.
Observe que al incrementar la fricción disminuye la velocidad del motor.
En los casos anteriores, se ha asumido que el motor arranca con la carga conectada, para la
cual se ha ajustado la velocidad en estado estacionario. Sin embargo, suponga que por error del
operador el motor parte sin carga y luego se acopla la carga después de 50 s; en este caso, se
obtiene la respuesta que se muestra en la Fig. 4.4

Agosto de 2003
Fig. 4.4 Comportamiento de la velocidad del motor cuando parte sin carga y luego se acopla la carga a los
50 s.
Observe cómo se incrementa la velocidad del motor hasta un valor cercano a 1500 y al
acoplarse la carga disminuye su valor hasta el valor de la referencia calculada por el operador.
Control On/off
Considere ahora el motor de CD, junto con un controlador del tipo On/off dado por:
⎧V e>0
V (t ) = ⎨ max ; e = ωr − ω
⎩0 e<0
donde ω r es la velocidad de referencia y ω es la velocidad del motor.
Aplicando esta ley de control al motor, con Vmax = 350 y ω r = 200 , se obtiene la respuesta de
velocidad que se muestra en la Fig. 4.5.
Fig. 4.5 Izquierda: Comportamiento de la velocidad del motor. Derecha: señal de control aplicada al motor
por el controlador On/off.
Observe cómo mejora la velocidad de la respuesta, con respecto al sistema de control de lazo
abierto. Sin embargo, la respuesta del motor sigue siendo aún lenta. Observe también cómo
actúa el controlador para mantener la velocidad en la referencia; lo hace conmutando entre 0 y la
velocidad máxima a una elevada frecuencia, lo que puede excitar los modos rápidos del motor y
conducir a la inestabilidad del sistema.
La velocidad de respuesta se puede incrementar aún más, incrementando el valor del voltaje
máximo (esto supone sobredimensionar la electrónica de potencia que maneja la entrada al

Agosto de 2003
motor). La Fig. 4.5 muestra la respuesta de la velocidad del motor cuando Vmax = 800 . En este
caso, el comportamiento de la señal de control es bastante similar al caso anterior para mantener
la velocidad del motor en el valor de la señal de referencia.
La velocidad de respuesta puede aún ser incrementada incrementando aún más el voltaje
máximo como se muestra en la Fig. 4.7. Sin embargo, observe cómo se incrementa la oscilación
de la señal e control.
Por tanto, para obtener una velocidad de respuesta más rápida será necesario un mayor voltaje,
hasta el límite de potencia permitida por el motor.
Suponga ahora que se implementa el controlador que produce la respuesta de la Fig. 4.5, con un
voltaje máximo de 800 V, pero el motor experimenta una variación de ± 20% en el coeficiente
de fricción. La Fig. 4.8 muestra que la respuesta de la velocidad es prácticamente la misma ya
sea incrementando o disminuyendo el coeficiente de fricción. Esto es, el controlador On/off
puede tolerar variaciones en los parámetros del modelo de la planta, gracias a la realimentación.
Compare este resultado con el resultado obtenido en la Fig. 4.3.

Agosto de 2003
Fig. 4.8 La respuesta de la velocidad del motor es prácticamente la misma al variar el coeficiente de fricción
entre ± 20% .
Si ahora se considera la ley de control dada por:
⎧V e>0
V (t ) = ⎨ max ; e = ωr − ω
⎩− Vmax e<0
Observe que el controlador está descrito por un relevador simétrico. Para Vmax = 800 se obtiene
la respuesta de la velocidad del motor que se muestra en la Fig. 4.9
Fig. 4.9 Respuesta de la velocidad del motor con un controlador On/Off simétrico.
Comparando esta figura con la obtenida en la Fig. 4.6 (izquierda) se observa una mejoría en
términos de una disminución del sobrepaso y del tiempo de asentamiento de la velocidad del
motor. Sin embargo, la ley de control con relevador simétrico requiere una implementación más
sofisticada, al considerar do niveles de variación de voltaje de la señal de entrada.
La frecuencia de oscilación de la señal de control puede ser disminuida si se considera un

controlador basado en un relevador con histéresis. La Fig. 4.10 muestra el comportamiento de la
velocidad del motor cuando se introduce una histéresis simétrica de 5V para la señal de error.
Observe que la respuesta ahora es oscilatoria y que la señal de control es periódica en estado
estacionario.

Agosto de 2003
Fig. 4.10 Comportamiento de la velocidad del motor con un controlador On/off con histéresis sobre la señal
de error.
Observe que la velocidad oscila alrededor de un valor por debajo de la referencia; por su parte la
señal de control tiene una frecuencia menor y no se requiere de una electrónica de potencia
rápida.
En las simulaciones anteriores, se ha supuesto que el motor arranca con carga. Suponga ahora
que el motor arranca sin carga y, después de 3 segundos se acopla la carga. Considere un
controlador con relevador sin histéresis. La Fig. 4.11 muestra el comportamiento de la velocidad
del motor y de la señal de control:
Fig. 4.11 Comportamiento de la velocidad del motor (izquierda) y de la señal de control (derecha) cuando se
acopla la carga después de 3s de arrancado el motor.
En la anterior figura se observa un efecto poco significativo de la carga sobre la velocidad del
motor en el tiempo de 3 segundos. Observe también como disminuye la frecuencia de la señal
de control cuando se acopla la carga. En todos los casos, se puede demostrar que la señal de
control en estado estacionario es periódica, como se muestra en la Fig. 4.12.
Fig. 4.12 Comportamiento periódico de la señal de control en estado estacionario.

Agosto de 2003
Control Proporcional
El control On/off, visto en la sección anterior, produce señales de control que requieren se
conmutadas a muy alta frecuencia, para lograr mantener la velocidad del motor en la velocidad
de referencia. Esto a veces no es muy recomendable, ya que exige una electrónica de potencia
sofisticada. La señal de control debería ser lo más suave posible, sin introducir señales de alta
frecuencia a la planta que exciten los modos altos del sistema produciendo un
malfuncionamiento por pérdida de estabilidad. Esto se puede lograr con una señal de control que
no tome acciones correctivas extremas, cuando el error entre la velocidad de referencia y la
velocidad real del motor sea pequeño.
Considere la ley de control:
V (t ) = Ke (t ) ; e(t ) = ω r − ω (t )
que trabaja en la banda proporcional sin restricciones en el actuador. Sustituyendo la ley de

control en el modelo del motor se obtiene la respuesta del sistema de lazo cerrado dada por:
KGV ( s ) Gτ ( s)
ω= ωr + τl
1 + KGV ( s) 1 + KGV ( s )
Desde el punto de vista estático, al aumentar la ganancia K del sistema, se obtiene un mayor
acercamiento de la velocidad del motor a la velocidad de referencia y se disminuye el efecto de
la carga.
Suponga primero que el controlador tiene una ganancia K = 20 , que la referencia es

ω r = 200 y que la carga τ l tiene un valor de 500. Suponga también que el motor arranca sin
carga y luego, después de 3 segundos, se acopla la carga. Entonces la respuesta del sistema y
la señal de control resultan como se muestra en la Fig. 4.13.
Fig. 4.13 Velocidad del motor y señal de control con control proporcional de ganancia K = 20
Observe el efecto de la carga sobre la velocidad y sobre la señal de control. Cuando el motor
arranca sin carga, obtiene su valor en estado estacionario al comenzar el tercer segundo. Cuan
ingresa la carga a los 3 segundos, el motor disminuye su velocidad considerablemente. Por su
parte, el arranque el motor requiere un alto voltaje, pasado el transitorio se mantiene en un valor
muy pequeño y, al ingresar la carga, aumenta su valor para disminuir el efecto de la carga sobre
la velocidad. También observe que ahora la señal de control no es oscilatoria.

Agosto de 2003
Observe que con carga el motor experimenta un error en estado estacionario diferente de cero
considerable. Para disminuir este error en estado estacionario, es necesario incrementar la
ganancia del controlador. Suponga que esta ganancia se incrementa a K = 50 , entonces la
respuesta del sistema de control en términos de la velocidad del motor y la señal de control
aplicada es la que se muestra en la Fig. 4.14
Compare la figura anterior con la Fig. 4.13 y observe cómo se ha disminuido el error en estado
estacionario cuando el motor trabaja con carga. Sin embargo, también note que se ha
incrementado notablemente el voltaje de arranque del motor de un valor cercano a 4000 hasta
un valor cercano a 10000 y también se ha incrementado el sobrepaso de la respuesta, lo que
hace suponer, que al seguir incrementando la ganancia del controlador se obtendrá un pobre
desempeño durante el comportamiento transitorio. Por ejemplo, par una ganancia K = 200 se
observa el transitorio que se muestra en la Fig. 4.15.
Observe que ahora la velocidad del motor tiene un sobrepaso considerable y que presenta un
desempeño pobre durante el transitorio, aunque el error en estado estacionario se ha reducido
considerablemente. Por su parte, la señal de control ha crecido en el arranque hasta valores
imprácticos.
El error en estado estacionario, durante el funcionamiento del motor sin carga, se puede apreciar
disminuyendo la ganancia del controlador a un valor de K = 7 . En este caso observe la
respuesta del sistema de control mostrada en la Fig. 4.16

Agosto de 2003
Fig. 4.16 Velocidad del motor y señal de control con control proporcional de ganancia K =7
Si ahora se restringe el voltaje de entrada al motor a un valor máximo de Vmax = 1500 , tal que
− Vmax ≤ V ≤ Vmax , y se mantiene la ganancia del controlador en K = 50 dentro de la banda
proporcional, entonces la respuesta se convierte en la que se muestra en la Fig. 4.17.
Fig. 4.17 Velocidad del motor y señal de control cuando existen restricciones en el voltaje de alimentación
del motor.
Observe cómo disminuye la velocidad de respuesta durante el arranque, debido a la limitación de
la señal de control; sin embargo esto no afecta al funcionamiento en estado estacionario.
Control PI
Considere ahora un controlador del tipo PI, descrito por:
Ks + K i
V (t ) = G PI ( s)e(t ) ; e(t ) = ω r − ω (t ) ; G PI ( s ) =
s
El propósito de la acción integral es reducir el error en estado estacionario a cero. Ahora la

respuesta del sistema de control de lazo cerrado está dada por:
G PI ( s)GV ( s ) Gτ ( s )
ω= ωr + τl
1 + G PI ( s)GV ( s) 1 + G PI ( s )GV ( s )
Se puede demostrar que la ganancia estática de la primera función de transferencia en el lado

derecho de la ecuación anterior es 1 y que la ganancia estática de la segunda función de
transferencia es 0. Es decir:

Agosto de 2003
G PI ( s)GV ( s) Gτ ( s)
lim = 1 y lim =0
s →0 1 + G ( s )G ( s ) s →0 1 + G ( s )G ( s )
PI V PI V
Esto quiere decir que el sistema de control produce un error en estado estacionario cero cuando
la señal de referencia y el par de carga son constantes; es decir, ω → ω r cuando t → ∞ . La
Fig. 4.18 muestra esto para el caso de un controlador PI con parámetros K = 50 y K i = 10
Fig. 4.18. Velocidad del motor y señal de control con controlador PI cuyos parámetros fueron ajustados a los
valores K = 50 y K i = 10 .
Sin embargo, observe también que la señal de control al inicio es muy alta. Si se limita dicha
señal a un valor de 1500, se obtiene entonces la respuesta que se muestra en la Fig. 4.19
Fig. 4.19 Velocidad del motor y señal de control considerando restricciones de voltaje en la entrada del
motor.
Observe cómo la respuesta de la velocidad del motor se ha distorsionado debido a la restricción

en el voltaje de entrada al motor. Primero que la respuesta es mucho más lenta y segundo que
no se observa que el sistema llegue el estado estacionario en el tiempo de 5 segundos. El
sobrepaso sostenido, se debe fundamentalmente al crecimiento del término integral debido a la
lentitud de la respuesta.
Control PID
Considere ahora un controlador del tipo PID, descrito por:
K d s 2 + Ks + K i
V (t ) = G PID ( s)e(t ) ; e(t ) = ω r − ω (t ) ; G PID ( s) =
s

Agosto de 2003
El propósito de la acción derivativa es incorporar una acción predictiva en un cierto horizonte de

predicción, que mejore el desempeño del sistema de control. Ahora la respuesta del sistema de
control de lazo cerrado está dada por:
G PID ( s )GV ( s) Gτ ( s )
ω= ωr + τl
1 + G PID ( s)GV ( s ) 1 + G PID ( s)GV ( s )
Se puede demostrar que la ganancia estática de la primera función de transferencia en el lado

derecho de la ecuación anterior es 1 y que la ganancia estática de la segunda función de
transferencia es 0. Es decir:
G PID ( s)GV ( s ) Gτ ( s )
lim = 1 y lim =0
s →0 1 + G s →0 1 + G
PID ( s )GV ( s ) PID ( s )GV ( s )
Para observar el efecto de la acción derivativa sobre la respuesta del sistema, considere el
ajuste de los parámetros del controlador con K = 50 ; K i = 5 y K d = 6 . La respuesta del
sistema se muestra en la Fig. 4.20.
Fig. 4.20 Velocidad del motor y señal de control con controlador PID ajustado con K = 50 ; K i = 5 y
Kd = 6
Observe también que la señal de control al inicio es muy alta. Si se limita dicha señal a un valor
de 1500, se obtiene entonces la respuesta que se muestra en la Fig. 4.21

Agosto de 2003
Fig. 4.21 Velocidad del motor y señal de control considerando restricciones de voltaje en la entrada del
motor.
Observe cómo la respuesta de la velocidad del motor se ha distorsionado debido a la restricción
en el voltaje de entrada al motor. Primero que la respuesta es mucho más lenta y segundo que
no se observa que el sistema llegue el estado estacionario en el tiempo de 5 segundos. El
sobrepaso sostenido, se debe fundamentalmente al crecimiento del término integral debido a la
lentitud de la respuesta.

Agosto de 2003
Capítulo 4: Análisis y Diseño en el Dominio del Tiempo
4 Análisis y Diseño de Sistemas en el Dominio del

Tiempo
4.1 Introducción
4.1.1 Ecuaciones diferenciales ordinarias lineales y funciones de
transferencia
El análisis en el dominio del tiempo es el estudio de la respuesta que presentan los sistemas
cuando son sometidos a la acción de señales dadas de entrada. La respuesta de un sistema es
la evolución en el tiempo que presenta su señal de salida en respuesta a una señal de entrada;
se obtiene resolviendo la ecuación diferencial correspondiente. La solución de la ecuación
diferencial proporciona información sobre el comportamiento transitorio y permanente de la
respuesta. En el caso más general, los sistemas lineales invariantes están descritos por una
ecuación diferencial de la forma:
n
d i y (t ) m d i u (t ) (1.1)
∑ ai
i =0 dt i
= ∑ bi
i =0 dt i
donde u (t ) es la variable independiente (entrada al sistema) y y (t ) es la variable dependiente

(salida del sistema). Transformando la ecuación anterior al dominio de la transformada de
Laplace, se obtiene la siguiente expresión:
n
⎡ i −1
i −1− k k ⎤
m
⎡ i −1
⎤ (1.2)
∑ a
⎢ i
i =0 ⎣
( s j
Y ( s ) − ∑
k =0
s y )
0 ⎥ = ∑ b
⎢ i
⎦ i =0 ⎣
( s j
U ( s ) − ∑
k =0
s i −1− k x 0k )⎥
⎦
donde
dky d ku (1.3)
y = k
k
0 yu = kk
0 con k = 0,1, L n − 1
dt t =0
dt t =0
son las condiciones de frontera del sistema (condiciones iniciales). Despejando de la ecuación
(1.13) la transformada de la señal de salida, se obtiene la respuesta en el dominio transformado:
m m i −1 n i −1
(1.4)
∑ bi s i ∑∑ bi s i −1−k u 0k ∑∑ a s i
i −1− k
y 0k
Y ( s) = i =0
n
U ( s) − i =0 k =0
n
+ i =0 k =0
n
∑a s
i =0
i
i
∑a s
i =0
i
i
∑a s
i =0
i
i
Entonces, la solución de la ecuación diferencial (1.1) es la transformada inversa de Laplace de la

ecuación (1.4); esto es:

Agosto de 2004
⎧ m ⎫ ⎧ m i −1 i −1− k k n i −1
⎫ (1.5)
⎪⎪ ∑ i ⎪⎪ ∑∑ i ∑∑ ai s i −1−k y 0k ⎪
i
b s ⎪⎪ b s u
⎪
0
y (t ) = L- 1 ⎨ i =n0 U ( s )⎬ − L-1 ⎨ i =0 k =0n + i =0 k =0n ⎬
⎪ ∑ ai s i ⎪ ⎪ ∑ ai s i
∑ ai s i ⎪
⎪⎩ i =0 ⎪⎭ ⎪⎩ i =0 i =0 ⎪⎭
Observe que todas las fracciones de la ecuación anterior poseen el mismo denominador, el cual
está dado por el polinomio:
m
(1.6)
D ( s ) = ∑ ai s i = a n s n + a n −1 s n −1 + L + a 0
i =0
Al polinomio D (s ) se le conoce como polinomio característico del sistema. Igualándolo a cero

se convierte en la ecuación característica del sistema que está representada por la ecuación:
D ( s ) = a n s n + a n −1 s n −1 + L + a 0 = 0 (1.7)
Si se consideran condiciones iniciales nulas, la solución de la ecuación diferencial (1.5) queda

reducida a la siguiente expresión:
⎧ m ⎫ (1.8)
⎪⎪ ∑ bi s
i
⎪⎪
y (t ) = L ⎨ n
-1 i =0
U ( s)⎬ = L- 1 {G ( s)U ( s)}
⎪ ∑ ai s i ⎪
⎪⎩ i =0 ⎪⎭
donde G (s ) es la función de transferencia del sistema. A esta parte de la solución se le llama

solución forzada del sistema.
Conocidas, por tanto, la función de transferencia y la señal de entrada, se puede efectuar el

cálculo de la señal de salida aplicando la transformada inversa de Laplace. La secuencia de
cálculo se puede expresar como sigue:
y (t ) = L-1 {G ( s) L{u (t )}} (1.9)
Además, se puede demostrar que la respuesta temporal de un sistema estable, a señales de

entrada dadas, puede ser separada en dos partes:
o La respuesta transitoria, y t (t ) , que, para un sistema estable, tiende a cero cuando

t →∞.
o La respuesta en estado estacionario, y s (t ) , que depende de la entrada aplicada hasta
el tiempo t .
Los conceptos anteriores son de mucha importancia para evaluar el desempeño de los sistemas
de control y establecer las especificaciones de diseño que lograrán el comportamiento deseado.
Por ejemplo, se puede especificar que la respuesta tenga un cierto sobrepaso máximo y un
cierto tiempo de asentamiento, además se puede establecer una cierta especificación en
términos del error en estado estacionario.
Agosto de 2004
Ejemplo de obtención de la respuesta temporal de un sistema lineal

invariante
Considere un proceso o sistema descrito por la siguiente función de transferencia de primer

orden:
Y (s) 1 (1.10)
G ( s) = =
U ( s) s + 1
y considere una señal de entrada rampa unitaria:
u (t ) = t ; t ≥ 0 (1.11)
cuya transformada de Laplace está dada por:
1 (1.12)
U (s) =
s2
entonces, la salida en el dominio transformado está dada por:
1 (1.13)
Y ( s) =
s ( s + 1)
2
antitransformando la salida al dominio del tiempo se obtiene la respuesta del sistema:
y (t ) = e − t − 1 + t (1.14)
Puesto que el sistema es estable, la respuesta transitoria y la respuesta en estado estacionario

pueden ser separadas como sigue:
yt (t ) = e −t (1.15)
y s (t ) = −1 + t
Note que, cómo la parte transitoria y t (t ) → 0 cuando t → ∞ , el comportamiento asintótico de

la respuesta del sistema a la señal de entrada dada por la ecuación (1.11), está dado por la parte
estacionaria y s (t ) .
4.1.2 Respuesta de sistemas lineales a señales típicas
En el análisis de la respuesta transitoria de sistemas lineales, es útil considerar algunas entradas

típicas para evaluar el desempeño. Las señales típicas normalmente son una de las que se listan
a continuación:
o Entrada impulso.- Aplicada a un sistema lineal invariante en el tiempo, dará información

acerca de las características de estabilidad del sistema.

Agosto de 2004
o Entrada escalón.- Proporciona información acerca de las características de regulación

del sistema.
o Entrada rampa.- Proporciona información acerca de las características de seguimiento
a señales que varían con velocidad constante.
o Entrada parabólica.- Proporciona información acerca de las características de
seguimiento a señales que varían con aceleración constante.
o Entrada senoidal.- Proporciona información acerca de la respuesta en frecuencia del
sistema, base de la aplicación de las técnicas de análisis en el dominio de la frecuencia.
Respuesta al impulso unitario
La respuesta al impulso es la respuesta temporal de un sistema sometido a una señal de entrada

impulso unitario. La expresión temporal de un impulso unitario está dada por:
u (t ) = δ (t ) (1.16)
donde δ (t ) es la señal “delta de Dirac”, cuya transformada de Laplace está dada por:
U ( s) = L{δ (t )} = 1 (1.17)
La salida expresada en el domino de la transformada de Laplace está entonces dada por:
Y (s) = G (s) (1.18)
Aplicando la transformada inversa de Laplace, la respuesta en el dominio del tiempo está dada
por:
y (t ) = L−1 {G ( s )} (1.19)
De la ecuación (1.19) se observa que la respuesta al impulso de un sistema es igual a la

transformada inversa de Laplace de su función de transferencia. Por esta razón, se dice que la
respuesta al impulso es una representación equivalente de la función de transferencia del
sistema.
Es bien conocido que un sistema lineal invariante en el tiempo puede ser descrito por su
respuesta al impulso g (t ) y que la salida del sistema a una entrada dada puede ser obtenida
aplicando la integral de convolución como sigue:
∞ (1.20)
y (t ) = ∫ g (τ )u (t − τ )dτ
0
Respuesta al escalón unitario

La respuesta al escalón unitario de un sistema es la respuesta temporal del sistema sometido a
una señal de entrada escalón unitario. La expresión temporal de un escalón unitario está dada
por:

Agosto de 2004
u (t ) = 1 ; t ≥ 0 (1.21)
y su transformada de Laplace está dada por:
(1.22)
U ( s ) = L{1} =
1
s
La salida en el dominio de la transformada de Laplace está entonces dada por:
G (s) (1.23)
Y (s) =
s
Aplicando la transformada inversa de Laplace, la respuesta en el dominio del tiempo, está dada
por:
⎧ G (s) ⎫ (1.24)
y (t ) = L−1 ⎨ ⎬
⎩ s ⎭
Por tanto, la respuesta al escalón unitario de un sistema es igual a la transformada inversa de

Laplace de su función de transferencia dividida por s .
Respuesta a la rampa unitaria
Es la respuesta temporal de un sistema sometido a una señal de entrada de tipo rampa unitaria.
La expresión temporal de la rampa unitaria está dada por:
u (t ) = t ; t ≥ 0 (1.25)
y su transformada de Laplace está dada por:
(1.26)
U ( s ) = L{t} =
1
s2
Por tanto, la salida en el dominio del tiempo se puede expresar como:
⎧ G (s) ⎫ (1.27)
y (t ) = L−1 ⎨ 2 ⎬
⎩ s ⎭
Esto es, la respuesta a la rampa unitaria de un sistema es igual a la transformada inversa de

Laplace de su función de transferencia dividida por s 2 .
4.2 Respuesta Transitoria de un Sistema de Primer Orden

Considere ahora un sistema de primer orden, cuya función de transferencia está dada por la
siguiente expresión:

Agosto de 2004
1 (2.1)
G( s) =
Ts + 1
La constante T se denomina constante de tiempo del sistema, ya que su valor determina la

velocidad de respuesta del sistema.
4.2.1 Respuesta al Impulso
Considere una entrada impulso unitario cuya transformada de Laplace es U ( s ) = 1 , entonces la

salida del sistema, en el dominio de la transformada de Laplace, está dada por:
1 (2.2)
Y ( s ) = G ( s )U ( s ) =
Ts + 1
que también puede ser escrita en el dominio del tiempo aplicando la transformada inversa a la
ecuación anterior, lo que resulta en:
1 −t / T (2.3)
y (t ) = e para t ≥ 0
T
Observe que la respuesta del sistema es una exponencial decreciente. Note, también, que
cuanto menor es la constante de tiempo, mayor es la velocidad de decaimiento de la respuesta y
mayor es el valor inicial de la respuesta (ver Fig. 2.1).
y (t )
1
T
t
Fig. 2.1 Respuesta al impulso típica de un sistema de primer orden.
Ejemplo de respuesta al impulso
Considere los sistemas de primer orden con constantes de tiempo T = 1,0.5,0.25 , cuyas
funciones de transferencia son:
1 1 1 (2.4)
G1 ( s ) = ; G2 ( s) = y G3 ( s ) =
s +1 0 .5 s + 1 0.25s + 1
La respuesta al impulso de estos tres sistemas puede ser graficada en Matlab, utilizando la
función impulse, lo que resulta en la gráfica que se muestra a continuación:

Agosto de 2004
T = 0.25
T = 0 .5
T =1
Note que cuanto menor es la constante de tiempo del sistema, más rápida es la respuesta del
sistema y más grande es la magnitud inicial de la respuesta.
4.2.2 Respuesta al Escalón
1
Dado que la transformada de Laplace de la función escalón unitario es U ( s ) = , la respuesta
s
del sistema de primer orden a esta señal de entrada se puede expresar mediante:
1 1 (2.5)
Y ( s ) = G ( s )U ( s ) =
Ts + 1 s
Expandiendo en fracciones parciales la ecuación anterior se obtiene:
1 T (2.6)
Y (s) = −
s Ts + 1
Tomando la transformada inversa de Laplace se tiene:
y (t ) = 1 − e − t / T para t ≥ 0 (2.7)
Las características más importantes de la respuesta al escalón de este tipo de sistemas son las
siguientes:
o Para t = T el valor de y (t ) es y (T ) = 1 − e −1 = 0.632 , el 63.2% del valor final de la

respuesta.
o Los valores respectivos para t = 3T y t = 4T son y (3T ) = 0.9502 y
y ( 4T ) = 0.9817 . Esto es, la respuesta entra dentro de una banda de alrededor del
± 5% en el tiempo t = 3T y dentro de una banda del ± 2% en el tiempo t = 4T .
Estos tiempos son conocidos como tiempos de asentamiento.
o Cuanto más pequeña es la constante de tiempo, más rápida es la respuesta del sistema
y menor es el tiempo de asentamiento del sistema.
1
o En t = 0 , la pendiente de la línea tangente es y& (0) = . Esto implica que la respuesta
T
alcanzaría el valor final en t = T si se mantuviera la velocidad de respuesta inicial.

Agosto de 2004
La Fig. 2.1 muestra la respuesta al escalón unitario, típica de este tipo de sistemas, donde se
muestra la constante de tiempo, el tiempo de asentamiento y la pendiente inicial.
y (t )
Banda del 5 o 2%
1
T
63.2%
T ts t
Fig. 2.1 Respuesta al escalón típica de un sistema de primer orden con constante de tiempo de T .
Si se define el tiempo de crecimiento del sistema como el tiempo que toma a la respuesta en
subir desde el 10% al 90% del valor final de la respuesta, como se ilustra en la Fig. 2.2.
y (t )
90%
10% tr
t1 t2 t
Fig. 2.2 Definición del tiempo de crecimiento de la respuesta al escalón de un sistema de primer orden.
Con referencia a la figura anterior, el tiempo de crecimiento está dado por:
t r = t 2 − t1 (2.8)
donde t1 y t 2 son los tiempos en los cuales y (t1 ) = 0.1 y y (t 2 ) = 0.9 ; es decir, satisfacen
que:
−
t1
(2.9)
1− e T
= 0 .1
t2
−
1− e T
= 0. 9

Agosto de 2004
Resolviendo las ecuaciones anteriores, se obtiene que el tiempo de crecimiento del sistema está
dado por:
t r = (ln(0.9) − ln(0.1))T ≈ 2.2T (2.10)
Ejemplo de respuesta al escalón unitario
Considere los sistemas de primer orden con constantes de tiempo T = 1,0.5,0.25 , cuyas
funciones de transferencia están dadas por la ecuación (2.4). La respuesta al escalón unitario
puede ser graficada en Matlab, utilizando la función step. La Fig. 2.3 muestra las curvas
resultantes de los tres sistemas.
Step Response
1
0.9
T = 0.5
0.8
0.7
0.6
Amplitude
0.5
T = 0.25
0.4
0.3
0.2
T =1
0.1
0
0 1 2 3 4 5 6
Time (sec)
Fig. 2.3 Respuesta al escalón de sistemas de primer orden con diferentes constantes de tiempo.
En la Fig. 2.3, la respuesta más rápida corresponde al sistema con menor constante de tiempo
( T = 0.25 ). Note que a medida que crece la constante de tiempo, más lenta se hace la
respuesta del sistema y mayor es el tiempo de asentamiento. También note que el crecimiento
inicial de la respuesta es mayor cuanto menor es la constante de tiempo, lo que significa también
un menor tiempo de crecimiento.
4.2.3 Respuesta a la Rampa Unitaria
En este caso, la transformada de Laplace de una entrada rampa unitaria está dada por:
1
R ( s ) = 2 . Aplicando esta entrada a un sistema lineal de primer orden con constante de tiempo
s
T , se obtiene la salida, que en dominio de la transformada de Laplace está dada por:
1 1 (2.10)
Y ( s) = G ( s) R( s) =
Ts + 1 s 2
Expandiendo, el lado izquierdo de la ecuación anterior, en fracciones parciales se obtiene que la

salida puede también ser expresada por:
1 T T2 (2.11)
Y (s) = 2 − +
s s Ts + 1

Agosto de 2004
Aplicando la transformada inversa de Laplace, la salida en el dominio del tiempo está dada por:
y (t ) = t − T + Te − t / T para t ≥ 0 (2.12)
Note que la respuesta en estado estacionario es:
y s (t ) = t − T (2.13)
es decir, la respuesta del sistema es paralela a la señal de entrada rampa. Note, además, que a
medida que disminuye la constante de tiempo, también disminuye la distancia entre la respuesta
del sistema y la entrada rampa unitaria.
Ejemplo de respuesta a la rampa
Para obtener la respuesta del sistema a la rampa unitaria de los sistemas dados en la ecuación
(2.4), se puede utilizar la función lsim de Matlab como sigue:
>> t=0:.1:10;
>> u=t;
>> lsim(g1,g2,g3,u,t)
Aquí, t representa el tiempo y u la entrada al sistema (en este caso, una rampa unitaria). El
resultado gráfico se muestra en la siguiente figura:
Linear Simulation Results

10
8 T = 0 .5
7
6
Amplitude
T =1
4
1
T = 0.25
0
0 1 2 3 4 5 6 7 8 9 10
Time (sec)
Fig. 2.4 Respuesta a la rampa de sistemas de primer orden con diferentes constantes de tiempo
La respuesta más lenta, corresponde al sistema con la constante de tiempo más grande.
Observe que la distancia de la respuesta con respecto a la entrada rampa unitaria es más
grande cuanto más grande es la constante de tiempo.
4.3 Respuesta Transitoria de un Sistema de Segundo Orden

Considere un sistema de segundo orden con función de transferencia dada por:

Agosto de 2004
ω n2 (3.1)
G ( s) =
s 2 + 2ξω n s + ω n2
donde ω n es llamada la frecuencia natural no amortiguada del sistema y ξ su coeficiente de

amortiguamiento. Dependiendo del valor que toma ξ los sistemas descritos por la función de
transferencia de la ecuación (3.1) se clasifican en:
o Sistemas oscilatorios o no amortiguados, donde ξ = 0

o Sistemas subamortiguados, donde 0 < ξ < 1
o Sistemas críticamente amortiguados, donde ξ = 1
o Sistemas sobreamortiguados, donde ξ > 1
En términos de la ubicación de los polos del sistema, un sistema oscilatorio tiene sus polos sobre
el eje imaginario y una respuesta al escalón oscilatoria; un sistema subamortiguado tiene sus
dos polos complejos conjugados con parte real negativa y una respuesta al escalón con
oscilaciones subamortiguadas; un sistema críticamente amortiguado tiene polos reales repetidos
y una respuesta al escalón sin oscilaciones subamortiguadas; por su parte, un sistema
sobreamortiguado tiene sus dos polos reales y distintos y una respuesta al escalón sin
oscilaciones subamortiguadas, aunque más lenta que la del correspondiente sistema
críticamente amortiguado. Note que los polos del sistema están dados por la siguiente expresión:
s1, 2 = −ξω n ± ω n ξ 2 − 1 (3.2)
Sistema oscilatorio
Note que cuando ξ = 0 se tiene un par de raíces imaginarias, como se muestra en la Fig. 3.1.
Plano s
jω n
− jω n
Fig. 3.1 Raíces del polinomio característico de un sistema de segundo orden oscilatorio
Observe que la magnitud de las raíces corresponden con el valor de la frecuencia natural no
amortiguada.
Sistemas submortiguados
Por su parte, cuando 0 < ξ < 1 las raíces son de la forma − ξω n ± jω n 1 − ξ 2 . Su ubicación
en el plano s se muestra en la Fig. 3.2.
Agosto de 2004
Plano s
jω d
ωn
β
−σ
− jω d
Fig. 3.2 Raíces del polinomio característico de un sistema de segundo orden subamortiguado.
La cantidad ω d en la Fig. 3.2 representa la magnitud de la parte imaginaria de las raíces y está
dada por:
ωd = ωn 1 − ξ 2 (3.3)
Esta cantidad es conocida como frecuencia natural amortiguada. Por su parte, la magnitud de la
parte real de las raíces está dada representada por σ y está dada por:
σ = ξω n (3.4)
De esta manera, la magnitud de las raíces está dada por:
s1 = s1 = σ 2 + ω d2 = (ξωn )2 + ω n2 (1 − ξ 2 ) = ω n (3.5)
También observe que:
σ ξω n (3.6)
cos β = = =ξ
ωn ωn
o bien:
β = cos −1 (ξ ) (3.7)
El ángulo β representa la pendiente de la recta sobre la cual todos las raíces que se encuentran
en la misma, tienen el mismo coeficiente de amortiguamiento.
Sistemas críticamente amortiguados
Cuando ξ = 1 se tienen dos raíces repetidas en − ω n , tal como se muestra en la Fig. 3.3.

Agosto de 2004
Plano s
− ωn
Fig. 3.3 Raíces del polinomio característico de un sistema de segundo orden críticamente amortiguado
Observe que la magnitud de las raíces corresponde con el valor de la frecuencia natural no
amortiguada.
Sistemas sobreamortiguados
Cuando ξ > 1 se tienen dos raíces reales y distintas dadas por:
s1 = −ξω n − ω n ξ 2 − 1 (3.8)
s 2 = −ξω n + ω n ξ 2 − 1
como se muestra en la Fig. 3.4
Plano s
s1 s2
Fig. 3.4 Raíces del polinomio característico de un sistema de segundo orden sobreamortiguado
En este caso, observe que la magnitud de la raíz s1 (raíz más alejada del origen) es mayor que
la frecuencia natural no amortiguada y que la magnitud de la raíz s2 (raíz más próxima al origen)
es menor que la frecuencia natural no amortiguada.
Por tanto, manteniendo el valor de ω n constante y variando ξ desde 0 hasta infinito, el lugar
geométrico de las raíces del sistema, al variar ξ puede ser representado como se muestra en la
Fig. 3.5.

Agosto de 2004
jω
0 < ξ <1
ξ =0
σ
ξ >1 ξ =1
Fig. 3.5 Lugar geométrico de las raíces de un sistema de segundo orden al variar el coeficiente de
amortiguamiento, ξ , desde 0 hasta infinito.
En la figura anterior, observe cómo al incrementar ξ , disminuye la frecuencia natural

amortiguada ω d , volviéndose cero cuando ξ > 1 , desapareciendo de esta manera las
oscilaciones subamortiguadas.
Es de particular interés la respuesta al escalón unitario de este tipo de sistemas, la cual depende
también del valor del coeficiente de amortiguamiento como se muestra a continuación:
4.3.2 Respuesta al escalón unitario del sistema de segundo orden
Sistemas no amortiguados
En el dominio de la transformada de Laplace, la respuesta al escalón del sistema de segundo

orden de la ecuación (2.1) está dada por:
ω n2 1 s (3.9)
Y ( s) = = − 2
s( s 2 + ω n2 ) s s + ω n2
Aplicando la transformada inversa de Laplace, la salida en el dominio del tiempo está dada por:
y (t ) = 1 − cos ω n t (3.10)
La gráfica de la respuesta se muestra en la Fig. 3.6.

Agosto de 2004
2π
y (t ) T=
ωn
2
Fig. 3.6 Respuesta de un sistema oscilatorio
2π
Note que el periodo de oscilación en segundos está dado por T = , como se muestra en la
ωn
figura anterior; esto es, la frecuencia natural no amortiguada determina la frecuencia de
oscilación del sistema.
Sistemas Subamortiguados
En el dominio de la transformada de Laplace se tiene:
ω n2 1 s +σ ξ ωd (3.11)
Y ( s) = = − −
s( s + 2ξω n s + ω n ) s ( s + σ ) + ω d
2 2 2 2
1 − ξ (s + σ ) + ω d
2 2 2
donde σ = ξω n y ω d = ω n 1 − ξ 2 . Antitransformando al dominio del tiempo, se tiene:
y (t ) = 1 −
e −σt
1−ξ 2
( 1−ξ 2
cos ω d t + ξ sin ω d t ) (3.12)
que también se puede escribir como:
e −σt (3.13)
y (t ) = 1 − sin(ω d t + β )
1−ξ 2
donde β = cos −1 ξ . Observe, que la respuesta tiene oscilaciones submortiguadas acotadas por
e −σt
las curvas envolventes 1 ± como se muestra en la Fig. 3.7.
1− ξ 2

Agosto de 2004
y (t )
Envolvente
e −σt
1−
1−ξ 2
Fig. 3.7 Respuesta de un sistema subamortiguado, acotada por curvas envolventes.
En términos de los valores de ξ y ω n , se pueden calcular, además, cuatro parámetros de

desempeño de la respuesta del sistema subamortiguado:
Tiempo de crecimiento ( t r ).- El tiempo de crecimiento está definido como el tomado por el
sistema en levantarse desde el 10% al 90% del valor final de su respuesta. Sin embargo, si el
sistema tiene un sobrepaso, es costumbre tomar como tiempo de crecimiento, el tiempo en el
cual la respuesta cruza por primera vez el valor final de la respuesta. Este tiempo puede
entonces ser calculado haciendo y (t r ) = 1 , lo que resulta en la siguiente expresión:
⎛ 1−ξ 2 ⎞ (3.14)
tan −1 ⎜ ⎟
1
tr =
ωn 1−ξ 2 ⎜ ξ ⎟
⎝ ⎠
Tiempo pico ( t p ).- Es el tiempo tomado por el sistema en alcanzar el valor pico máximo. El
tiempo pico no existe en sistemas con polos reales y sin ceros. Usualmente también es una
indicación del tiempo de crecimiento. Este tiempo puede ser calculado obteniendo el mínimo
tiempo, diferente de cero, que satisfaga y& (t ) = 0 , lo que resulta en la siguiente expresión:
π (3.15)
tp =
ωn 1 − ξ 2
Máximo sobrepaso ( M p ).- Es el valor de la respuesta en el tiempo pico menos el valor final de
la respuesta del sistema y se calcula mediante la siguiente expresión:
ξπ (3.16)
1−ξ 2
Mp =e
Usualmente este valor se representa en porcentaje, denominándosele Porcentaje de Sobrepaso

(PO).

Agosto de 2004
Tiempo de asentamiento ( t s ).- Es el tiempo tomado por el sistema en entrar dentro de una
banda de porcentaje δ , alrededor del valor final de la respuesta. Usualmente este porcentaje
corresponde a 2% o 5%. Desafortunadamente no existe una expresión analítica para determinar
el tiempo de asentamiento; sin embargo, este valor puede ser aproximado considerando que la
respuesta y (t ) está acotada por las curvas envolventes de la respuesta subamortiguada. Es
decir:
e −ξωnt e −ξωnt (3.17)

1− ≤ y (t ) ≤ 1 +
1−ξ 2 1−ξ 2
De esta manera, la banda δ satisface la siguiente expresión:
e −ξωnt (3.18)
≤δ
1−ξ 2
De acuerdo a la expresión anterior, la cota inferior del tiempo de asentamiento es:
ln(δ 1 − ξ 2 ) (3.19)
ts ≥ −
ξω n
Por ejemplo, si se supone una banda del 2% (es decir, δ = 0.2 ), entonces:
⎧ 4.06 (3.20)
ξ ≤ 0.5
3.912 − 0.5 ln(1 − ξ ) ⎪⎪ ξω n
2
ts ≥ ≈⎨
ξω n ⎪
4.74
0.5 < ξ ≤ 0.9
⎪⎩ ξω n
Un buen estimado del tiempo de asentamiento está dado por la siguiente expresión:
⎧ 4 (3.21)
⎪⎪ξω Para una banda del 2% alrededor del valor final
ts ≈ ⎨ n
3
⎪ Para una banda del 5% alrededor del valor final
⎪⎩ξω n
Esto debido a que la envolvente es una función exponencial. La envolvente inferior puede ser
interpretada como la respuesta al escalón de un sistema de primer orden con constante de
1
tiempo .
ξω n
Periodo de oscilación ( T ).- Es el tiempo entre el primer pico de la respuesta y el siguiente

pico. Su valor está dado por:
2π 2π (3.22)
T= =
ωn 1 − ξ 2 ωd

Agosto de 2004
El doble de su recíproco, multiplicado por π se conoce como frecuencia natural amortiguada:
ωd = ωn 1 − ξ 2 (3.23)
Note que además se tiene que:
T = 2t p (3.24)
es decir, el periodo de oscilación es dos veces el tiempo pico.
Razón de decaimiento ( Rd ).- Se define como la razón entre el sobrepaso del segundo pico
M ' p con respecto al sobrepaso del primer pico M p . Esto es:
M 'p (3.25)
Rd =
Mp
Se puede demostrar que este valor corresponde a la siguiente expresión matemática:
−
2πξ (3.26)
1−ξ 2
Rd = e =M 2
p
Note que Rd es el cuadrado del máximo sobrepaso M p . También note que ambas cantidades
sólo son funciones de ξ .
Las características anteriores, se pueden ilustrar gráficamente en la respuesta transitoria que se

ilustra en la Fig. 3.8.
y (t )
T
Mp
M 'p
tr tp ts
t
Fig. 3.8 Caracterísitcas de desempeño de un sistema de segundo orden subamortiguado.
Ejemplo

Agosto de 2004
Considere el sistema dado por:
100 (3.27)
G(s) =
s + 4 s + 100
2
En este caso, la frecuencia natural no amortiguada y el coeficiente de amortiguamiento se

pueden obtener de la siguiente manera:
ω n = 100 = 10 (3.28)
4 2
2ξω n = 4 ⇒ ξ = = = 0.2
2ω n 10
La frecuencia natural amortiguada está entonces dada por:
ω d = ω n 1 − ξ 2 = 10 1 − 0.04 = 9.798 (3.29)
Por su parte, el tiempo de crecimiento, el tiempo pico, el máximo sobrepaso, el tiempo de

asentamiento, el periodo de oscilación y la razón de decaimiento se obtienen de la siguiente
manera:
⎛ 1− ξ 2 ⎞ (3.30)
tr =
1
tan −1 ⎜ ⎟ = 1 tan −1 ⎛⎜ 1 − 0.04 ⎞⎟ = 0.1398
ωd ⎜ ξ ⎟ 9.798 ⎜ 0.2 ⎟
⎝ ⎠ ⎝ ⎠
π π π (3.31)
tp = = = = 0.3206
ω d ω n 1 − ξ 2 10 1 − 0.04
−
ξπ
−
0.2π (3.32)
1−ξ 2
Mp =e =e 1− 0.04
= 0.5266
⎧ 3 (3.33)
⎪⎪ξω banda del 5%
⎧1.5 banda del 5%
ts ≈ ⎨ n =⎨
4
⎪ banda del 2% ⎩2 banda del 2%
⎪⎩ξω n
T = 2t p = 0.6412 (3.34)
Rd = M p2 = (0.5266) 2 = 0.2773 (3.35)
De (3.30) también se obtiene el sobrepaso del segundo pico:
M ' p = Rd M p = 0.2773 * 0.5266 = 0.1460
La Fig. 3.10 muestra la simulación en Matlab de la repuesta al escalón unitario del sistema
(3.22). Observe cómo se verifican los cálculos anteriores.
Agosto de 2004
T = 0.64
M p = 0.53
M ' p = 0.15
t s (5%) t s (2%)
tr t p
Fig. 3.10 Respuesta al escalón unitario del sistema dado por la ecuación (3.27)
Sistema críticamente amortiguado

En el dominio de la transformada de Laplace se tiene:
ω n2 1 1 ωn (3.36)
Y ( s) = = − −
s( s + ω n ) 2
s s + ωn (s + ω n ) 2
Antitransformando al dominio del tiempo se tiene que:
y (t ) = 1 − e −ωnt (1 + ω n t ) (3.37)
Note que, en este caso, la respuesta transitoria es decreciente, aunque el término entre
paréntesis sea creciente, puesto que el término exponencial decrece más rápidamente que la
rampa al interior del paréntesis. La gráfica de la respuesta al escalón unitario del sistema
críticamente amortiguado se muestra en la Fig. 3.11.
y (t )
Fig. 3.11 Respuesta al escalón de un sistema críticamente amortiguado

Agosto de 2004
Observe que han desaparecido las oscilaciones subamortiguadas. Observe también que la curva
de la respuesta presenta un punto de inflexión es cual puede ser calculado derivando dos veces
la ecuación (3.37) e igualando a cero:
dy (t ) (3.38)
= tω n2 e −ωnt
dt
2
d y (t ) (3.39)
= ω n2 e −ωnt − tω n3 e −ωnt = 0
dt 2
lo que produce un tiempo para el punto de inflexión:
1 (3.40)
tq =
ωn
para el cual el valor de la respuesta está dada por:
y (t q ) = 1 − 2e −1 = 0.2642 (3.41)
El punto de inflexión se muestra en la Fig. 3.12.
y (t )
26.42%
1 t
tq =
ωn
Fig. 3.12 Representación del punto de inflexión en un sistema de segundo orden críticamente amortiguada
Sistemas sobreamortiguados
Sean s1 = −ξω n − ξ 2 − 1 y s 2 = −ξω n + ξ 2 − 1 los polos del sistema. Entonces su

respuesta en el dominio de la transformada de Laplace está dada por:
ω n2 ωn ⎛1 1 1 1 ⎞ (3.42)
Y ( s) = = ⎜⎜ − ⎟⎟
s ( s − s1 )( s − s 2 ) 2 ξ 2 − 1 ⎝ s 2 s − s 2 s1 s − s1 ⎠
Antitransformando al dominio del tiempo se tiene:
ωn ⎛ e s2t e s1t ⎞ (3.36)

y (t ) = 1 + ⎜⎜ − ⎟⎟
2 ξ 2 − 1 ⎝ s2 s1 ⎠
Agosto de 2004
En este caso, note que la respuesta transitoria tiene dos componentes. El segundo componente
decrece más rápidamente que el primer componente, ya que involucra un término exponencial
que es función del polo más alejado del eje imaginario, el polo s1 ; mientras que el componente
lento involucra un término exponencial que es función del polo más cercano al eje imaginario, el
polo s2 , siendo así el componente que predomina en la respuesta transitoria.
La Fig. 3.13 muestra la respuesta de un sistema sobreamortiguado comparada con la respuesta

de un sistema críticamente amortiguado.
y (t )
Sistema
críticamente
amortiguado Sistema
sobreamortiguado
Fig. 3.13 Respuesta de un sistema sobreamortiguado comparada con la de un sistema críticamente

amortiguado
4.4 Control con Especificaciones de la Respuesta Transitoria

Considere el esquema de control que se muestra en la Fig. 4.1:
r (t ) e(t ) u (t ) y (t )
Gc (s ) G (s )
+
−
donde r (t ) es la señal de referencia; y (t ) es la salida de la planta; e(t ) es la señal de error

entre la referencia y la salida de la planta, G ( s ) es la función de transferencia de la planta y
Gc (s) es la función de transferencia del controlador.
4.4.1 Control de un Sistema de Primer Orden
Considere una planta de primer orden con función de transferencia:
b (4.1)
G( s) =
s+a
junto con un controlador PI dado por:

Agosto de 2004
Ki K p s + Ki (4.2)
Gc ( s ) = K p + =
s s
donde K p es la ganancia proporcional y K i es la ganancia integral. Bajo estas condiciones, el

sistema en lazo cerrado está descrito por la siguiente función de transferencia:
Gc ( s )G ( s) ( K p s + K i )b ( K p s + K i )b (4.3)
Gcl = = = 2
1 + Gc ( s)G ( s) s ( s + a) + ( K p s + K i )b s + (a + K p ) s + K i b
Elija las ganancias del controlador como:
1 a (4.4)
Kp = y Ki =
Tb Tb
donde T es la constante de tiempo deseada del sistema de lazo cerrado. Entonces:
⎛ s a ⎞ (4.5)
⎜ + ⎟b
Gcl ( s ) = ⎝ Tb Tb ⎠ =
1
⎛ s a ⎞ Ts + 1
s ( s + a ) + ⎜ + ⎟b
⎝ Tb Tb ⎠
Con este ajuste del controlador PI, la respuesta al escalón del sistema de lazo cerrado posee las
siguientes características:
1 (4.6)
y& (0) =
T
y (T ) = 0.632
⎧4T Para una banda del 2%
ts = ⎨
⎩3T Para una banda del 5%
t r = 2.2T
Esto quiere decir que el controlador PI ajustado como:
1 ⎛1 a ⎞ (4.7)
Gc ( s ) = ⎜ + ⎟
T ⎝ b bs ⎠
puede especificar la constante de tiempo del sistema para lograr una cierta pendiente inicial, o el
tiempo en el 63.2% del valor final de la respuesta, o un tiempo de asentamiento especificado por
el usuario o un tiempo de crecimiento también especificado por el usuario.
Por ejemplo, si el sistema tiene la siguiente función de transferencia:
1.5 (4.8)
G( s) =
s+2
Agosto de 2004
donde a = 2 y b = 1.5 . Entonces, sustituyendo a y b en el controlador, se obtiene:
1⎛2 4 ⎞ (4.9)
Gc ( s ) = ⎜ + ⎟
T ⎝ 3 3s ⎠
que permite la especificación por el usuario de la constante de tiempo T del sistema de lazo
cerrado. Por tanto, si el usuario especifica un tiempo se asentamiento de del sistema de lazo
cerrado de 2 seg,, para una banda del 2%, la constante de tiempo debe ser calculada mediante:
ts 2 1 (4.10)
T= = =
4 4 2
La simulación en Matlab del sistema de control se muestra en la Fig. 4.2.
Step Response
1
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 0.5 1 1.5 2 2.5 3 3.5
Time (sec)
Fig. 4.2 Respuesta al esclaón del sistema de control con especificación de tiempo de asentamiento de 2
segundos
Observe que se logra la especificación de tiempo de asentamiento de 2 seg. para una banda de
2%.
4.4.2 Control de un Sistema de Segundo Orden

Considere ahora un sistema de segundo orden con función de transferencia dada por:
b (4.11)
G ( s) =
s + a1 s + a 2
2
junto con el controlador dado por:
ω n2 ( s 2 + a1 s + a 2 ) (4.12)
Gc ( s ) =
bs ( s + 2ξω n )
En este caso, el sistema de lazo cerrado está dado por:

Agosto de 2004
Gc ( s)G ( s ) ω n2 (4.13)
Gcl ( s ) = = 2
1 + Gc ( s)G ( s) s + 2ξω n s + ω n2
Con este controlador, el usuario puede especificar el funcionamiento del sistema en lazo cerrado
en términos de una de las siguientes especificaciones:
o Tiempo de crecimiento y tiempo pico

o Tiempo de crecimiento y máximo sobrepaso
o Tiempo de crecimiento y tiempo de asentamiento
o Tiempo pico y máximo sobrepaso
o Tiempo pico y tiempo de asentamiento
o Máximo sobrepaso y tiempo de asentamiento
En general es mucho más razonable especificar Máximo Sobrepaso y Tiempo de Asentamiento,

no sólo por la facilidad de cálculo, sino porque es más fácil para el operador del sistema de
control imaginarse la forma de la respuesta tanto en el transitorio como en el estado estacionario.
Recuerde que el máximo sobrepaso y el tiempo de asentamiento se calculan de la siguiente
manera:
ξπ (4.14)
1−ξ 2
Mp =e
⎧ 4 (4.15)
⎪⎪ξω Para una banda del 2%
ts = ⎨ n
3
⎪ Para una banda del 5%
⎪⎩ξω n
De las expresiones anteriores, es fácil despejar ξ y ω n en función de M p y t s como sigue:
ln M p (4.16)
ξ=
ln 2 M p + π 2
⎧ 4 (4.17)
⎪⎪ξt Para una banda del 2%
ωn = ⎨ s
3
⎪ Para una banda del 5%
⎪⎩ξt s
Con los valores calculados de ξ y ω n en función de M p y t s , el usuario del controlador

Gc (s) puede especificar el máximo sobrepaso y el tiempo de asentamiento arbitrariamente, de
acuerdo a las necesidades de su aplicación.
A manera de ejemplo, considere el sistema con la siguiente función de transferencia:
2 (4.18)
G (s) =
s + 5s + 2
2

Agosto de 2004
donde b = 2 ; a1 = 5 y a 2 = 2 . En este caso el controlador está dado por:
ω n2 ( s 2 + 5s + 2) (4.19)
Gc ( s ) =
2s ( s + 2ξω n )
donde ξ y ω n dependen de las especificaciones de máximo sobrepaso y tiempo de

sentamiento. Ahora bien, suponga un máximo sobrepaso del 15% y un tiempo de asentamiento
de 2 segundos. La respuesta al escalón, simulada en Matlab, se muestra en la Fig. 4.3.
Step Response
1.4
1.2
0.8
Amplitude
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3
Time (sec)
Fig. 4.3 Respuesta al escalón del sistema de segundo orden
Observe que se logra las especificaciones de máximo sobrepaso y tiempo de asentamiento.
Ejemplo. Control de la velocidad de crucero de un auto

Aquí el propósito del control es mantener constante la velocidad de un automóvil. En este
problema, el conductor del auto lo lleva a una velocidad deseada y luego activa un botón para
mantener la velocidad del sistema constante. La perturbación principal proviene de los cambios
de pendiente del camino que genera fuerzas sobre el auto debidas a la acción de la gravedad.
Existen también perturbaciones del aire y la resistencia de fricción. El sistema de control mide la
diferencia entre la velocidad deseada y la real y genera una señal d control que intenta mantener
el error pequeño a pesar de los cambios en la pendiente del camino. La señal de control es
enviada a un actuador que influye sobre el acelerador y sobre la fuerza de impulsión generada
por el motor.
Un esquema del problema se muestra en la Fig. 4.4.

Agosto de 2004
mg
Fig. 4.4 diagrama esquemático del problema de control de velocidad de crucero de un auto.
Modelado.- Suponiendo que la pendiente del camino es suficientemente pequeña, el sistema se

modela efectuando un balance de la cantidad de movimiento. El modelo resultante está dado
por:
dv (4.20)
m + cv = F − mgθ
dt
donde v es la velocidad del auto, m es la masa del auto, F es la fuerza generada por el motor,
c es el coeficiente de fricción, g es la constante de aceleración de la gravedad y θ es la
pendiente del camino. En el modelo se ha supuesto que el ángulo de la pendiente es pequeño,
tal que sin θ ≈ θ . Un modelo particular, con parámetros razonables resulta en:
dv (4.21)
+ 0.02v = u − 10θ
dt
donde la señal de control está normalizada en el intervalo 0 ≤ u (t ) ≤ 1 ; la máxima aceleración

corresponde a u (t ) = 1 .
Puesto que es deseable que el controlador mantenga la velocidad del auto constante durante
condiciones estacionarias, es natural elegir un controlador con acción integral. Un controlador PI
es una elección razonable, que puede ser descrito por:
t (4.22)
u (t ) = k (v r − v) + k i ∫ (v r − v(τ ))dτ
0
La Fig. 4.5 muestra el diagrama de bloques del sistema de control.
θ
vr + e u F −
v
− +
Fig. 4.5 Diagrama de bloques del sistema de control de la velocidad de cruce de un auto.

Agosto de 2004
Para entender cómo trabaja el sistema de control, se debe encontrar el comportamiento de lazo
cerrado. Sustituyendo la ecuación (4.22) en la (4.21) se obtiene:
dv
t (4.23)
+ 0.02v = k (v r − v) + k i ∫ (v r − v(τ ))dτ − 10θ
dt 0
Puesto que el efecto de la velocidad es el interés principal se debe derivar una ecuación que
diga cómo el error de velocidad e = vr − v depende de la pendiente del camino. Asumiendo que
vr es constante se encuentra que:
dv de d 2 v d 2e (4.24)
=− ; 2 =− 2
dt dt dt dt
Por tanto, diferenciando la ecuación (4.23) se puede encontrar que el sistema de lazo cerrado
está dado por:
d 2e de dθ (4.25)
2
+ (0.02 + k ) + k i e = 10
dt dt dt
Note que si e y θ son constante, es decir el sistema se encuentra en estado estacionario,

entonces se tiene que e = 0 . Para entender el efecto de los parámetros del controlador k y k i
se puede hacer la analogía con un sistema masa-amortiguador-resorte dado por:
d 2x dx (4.26)
M 2
+ D + Kx = 0
dt dt
donde M es la masa, D es el coeficiente de fricción viscosa y K es la constante del resorte.

Este sistema se puede volver a escribir como:
d 2x dx (4.27)
2
+ 2ξω n + ω n2 = 0
dt dt
donde ξ es el coeficiente de amortiguamiento y ω n es la frecuencia natural no amortiguada. Si

se supone que θ es constante, entonces la parte derecha de (4.25) es igual a cero.
Comparando la parte izquierda de las ecuaciones (4.25) y (4.27) se pueden encontrar los
parámetros del controlador en términos de ξ y ω n , lo cual resulta en:
k = 2ξω n − 0.02 (4.28)

k i = ω n2
Por tanto, el desempeño del controlador puede ser ajustado en términos de ξ y ω n para
obtener un comportamiento deseado en función, por ejemplo, del sobrepaso y del tiempo de
asentamiento.

Agosto de 2004
La Fig. 4.6 muestra la simulación de la respuesta al escalón del sistema de control para los
siguientes valores: vr = 1 ; θ = 15º = 0.2618 rad ; ξ = 0.7 y ω n = 1 .
Fig. 4.6 Respuesta al escalón unitario del sistema de control de la velocidad de cruce de un auto.
En la simulación se supone que el vehículo parte del reposo y está sobre la pendiente de 15º.
Como es de suponer, el vehículo experimenta un retroceso al momento de partir, debido a la
pendiente del camino; la velocidad experimenta luego un pequeño sobrepaso y luego se
establece en su valor estacionario que coincide con el valor de la referencia.
Sistemas de segundo orden con ceros
Considere un sistema con función de transferencia:
ωn s + βω n (4.29)
G ( s) = ⋅ 2
β s + 2ξω n s + ω n2
Se desea observar el efecto del cero en la respuesta al escalón del sistema. Note que la función
de transferencia ha sido parametrizada tal que la ganancia en estado estacionario G (0) es igual
a 1. La ecuación (4.29) se puede escribir como:
ω n2 1 sω n (4.30)
G ( s) = + ⋅ 2
s + 2ξω n s + ω n β s + 2ξω n s + ω n2
2 2
Sea y 0 (t ) la respuesta al escalón del sistema:
ω n2 (4.31)
G0 ( s ) =
s 2 + 2ξω n s + ω n2
De (4.30) se sigue que la respuesta al escalón de G ( s ) está dada por:
1 dy 0 (t ) (4.32)
y (t ) = y 0 (t ) + ⋅
βω n dt

Agosto de 2004
Observe que si β > 0 el sobrepaso de G ( s ) se incrementa con respecto al sobrepaso de

G0 ( s) , mientras que el sobrepaso disminuye cuando β < 0 . Note también que el efecto del
cero es pequeño si β tiene una magnitud grande.
dy
Se puede demostrar que la magnitud más grande de es aproximadamente 0.4ω n , lo que
dt
0.4
implica que el valor más grande del segundo término es aproximadamente . De esta
β
manera, el término es menor al 8% si β > 5 .
La respuesta inicial al escalón se va en la dirección errónea cuando β < 0 . Este fenómeno se

llama respuesta en reversa (ver ecuación (4.32)).
Cuando β < 0 la función de transferencia (4.29) tiene un cero en el semiplano derecho; esto es,
el sistema es de fase no mínima, una característica que es común en algunos sistemas físicos
como los generadores de electricidad, las aeronaves y en los vehículos con timón de llanta
trasera.
Ejemplo.- Considere el sistema cuya función de transferencia está dada por:
b (4.33)
P( s) =
s+a
junto con un controlador PI dado por:
ki (4.34)
C (S ) = k +
s
interconectados como se muestra en el diagrama de bloques de la Fig. 4.7.
r + e u y
C (s ) P (s )
−
Fig. 4.7 Diagrama de bloques de un sistema de control realimentado.
La función de transferencia del sistema de lazo cerrado está dada por:
P ( s)C ( s ) L( s ) (4.35)
Gcl ( s ) = =
1 + P ( s)C ( s ) 1 + L( s)
donde L( s ) es la función de transferencia de lazo dada por:
n L ( s) kbs + k i b (4.36)
L( s) = P( s)C ( s) = =
d L ( s) s( s + a)
Agosto de 2004
La función de transferencia de lazo cerrado está entonces dada por:
Y ( s) n L ( s) b(ks + k i ) (4.37)
Gcl ( s) = = = 2
R( s ) d L ( s) + n L ( s) s (a + bk ) s + bk i
El sistema de lazo cerrado es de segundo orden y su polinomio característico es:
d L ( s ) + n L ( s ) = s 2 + ( a + bk ) s + bk i (4.38)
Eligiendo los parámetros de control que den el polinomio característico deseado:
s 2 + 2ξω n s + ω n2
se tiene que:
2ξω n − a (4.39)
k=
b
ω n2
ki =
b
tal que Gcl (s) se convierte en:
(2ξω n − a) s + ω n2 (4.40)
Gcl ( s) =
s 2 + 2ξω n s + ω n2
a
Haciendo β = 2ξ − se obtiene:
ωn
ωn s + βω n (4.41)
Gcl ( s) = ⋅ 2
β s + 2ξω n s + ω n2
Puesto que 0 < ξ < 1 , para una elección razonable de ξ ( ξ ≥ 0.5 ), el sistema tiene un β
entre 1 y 2. Esto implica que el sistema (4.41) tiene una respuesta al escalón con un sobrepaso
significativo, como se muestra en la Fig. 4.8 donde se ha obtenido, utilizando Matlab, la
respuesta al escalón unitario del sistema de control de lazo cerrado, considerando ω n = 1 y
ξ = 0.5 .

Agosto de 2004
Fig. 4.8 Respuesta al escalón del sistema de lazo cerrado dado en la ecuación (4.41)
Para eliminar este sobrepaso, se puede realizar la siguiente modificación simple del controlador:
t (4.42)
u (t ) = −ky(t ) + k i ∫ (r − y (τ ))dτ
0
Transformando a Laplace se obtiene:
ki (4.43)
U ( s) = −kY ( s ) + ( R( s ) − Y ( s))
s
Sustituyendo la ecuación del controlador en la ecuación de la planta se tiene:
b ⎡ k ⎤ (4.44)
Y ( s ) = P( s )U ( s) = ⎢ − kY ( s) + i ( R( S ) − Y ( s))⎥
s+a⎣ s ⎦
y de aquí, el sistema de lazo cerrado está dado por:
Y ( s) bk i ω n2 (4.45)
Gcl = = 2 = 2
R( S ) s + (a + bk ) s + bk i s + 2ξω n s + ω n2
donde Gcl (s) ahora no tiene ceros.
La Fig. 4.9 muestra el diagrama de bloques de los dos sistemas de control.
r+ e ki u y r+ e ki + u y
k+ P (s ) P(s )
− s − s −
Fig. 4.9 Controlador PI convencional y controlador PI con dos grados de libertad.

Agosto de 2004
El primer controlador se dice que tiene error realimentado debido a que todas las acciones de
control están basadas en el error e = r − y . El segundo controlador se dice que tiene dos
grados de libertad debido a que el trayecto de la señal de r a u es diferente a uno de los
trayectos de y a u . Por su parte, la Fig. 4.10 muestra la simulación en Matlab de la respuesta
al escalón del sistema de control con cero y del sistema de control sin cero, para los mismos
valores de ξ y ω n utilizados en la respuesta al escalón de la Fig. 4.8.
Fig. 4.10 Respuesta al escalón de los sistemas de control de la Fig. 4.8
Observe cómo se ha eliminado el sobrepaso introducido por el cero. Sin embargo, el costo fue
una menor velocidad de respuesta.
Control PID de sistemas de segundo orden
Considere la función de transferencia genérica de un proceso de segundo orden dada por:
b1 s + b2 (4.46)
P( s ) =
s + a1 s + a 2
2
Control proporcional
Considere un controlador proporcional con función de transferencia dada por:
C (s) = k (4.47)
En este caso, la función de transferencia de lazo está dada por:
k (b1 s + b2 ) n ( s) (4.48)
L( s) = P( s)C ( s ) = = L
s + a1 s + a 2 d L ( s)
2
tal que la función de transferencia de lazo cerrado es:

Agosto de 2004
P ( s )C ( s ) L( s ) nL (s) (4.49)
Gcl ( s ) = = =
1 + P ( s )C ( s ) 1 + L( s ) d L ( s ) + n L ( s )
k (b1 s + b2 ) k (b1 s + b2 )
= = 2
s + a1 s + a 2 + k (b1 s + b2 ) s + (a1 + kb1 ) s + a 2 + kb2
2
En este caso el sistema de lazo cerrado es de segundo orden, tal que el polinomio característico
correspondiente tiene dos coeficientes. Sin embargo, el controlador tiene tan sólo 1 parámetro
ajustable. Si se ajusta el polinomio característico de la ecuación (4.49) con respecto al polinomio:
s 2 + 2ξω n s + ω n2
igualando los coeficientes se obtiene:
a1 + kb1 = 2ξω n (4.50)

a 2 + b2 k = ω n2
Puesto que existen dos ecuaciones y sólo una incógnita, el problema tiene muchas soluciones.
Se puede, por tanto, obtener una solución haciendo que ω n sea un parámetro de elección libre.
De esta forma se obtiene:
ω n2 − a 2 (4.51)
k=
b2
lo que resulta en un sistema con un coeficiente de amortiguamiento fijo dado por:
a1 + b1 k a1b2 + ω n2 − a 2 (4.52)
ξ= =
2ω n 2b2ω n
Note que ω n da la velocidad de respuesta y ξ da el sobrepaso. Por tanto, si se elige ω n

grande se obtiene un coeficiente de amortiguamiento grande y, por tanto, un menor sobrepaso.
Ejemplo.- Considere que el proceso está dado por la siguiente función de transferencia:
s +1 (4.53)
G ( s) =
s + s +1
2
Considere también el controlador proporcional dado por:
C (s) = k (4.54)
Elija, por ejemplo, ω n = 2 ; entonces, de acuerdo a las expresiones (4.51) y (4.52) los valores de
k y ξ están dados respectivamente por:

Agosto de 2004
ω n2 − a 2 4 −1 (4.55)
k= = =3
b2 1
a1 + b1 k 1 + 1 ⋅ 3
ξ= = =1
2ω n 2⋅2
La respuesta al escalón del sistema de lazo cerrado se muestra en la Fig. 4.11.
Fig. 4.11 Respuesta al escalón unitario del sistema (4.53) junto con el controlador (4.54) ajustado de acuerdo
a (4.55)
Observe que, aunque el sistema de lazo cerrado es críticamente amortiguado ( ξ = 1 ), la

respuesta al escalón tiene un sobrepaso debido al cero de su función de transferencia. Observe
también que, en el caso de elegir ω n = 1 se obtiene k = 0 . Esto se debe a que el sistema en
lazo abierto tiene frecuencia natural no amortiguada también igual a 1.
También puede procederse de forma que ξ sea el parámetro de libre elección y dejar ω n fijo,
ajustando el valor de k . Sin embargo, esto conduce a una ecuación cuadrática de k , para la
que puede no existir una solución real. Esta ecuación cuadrática está dada por:
2b1 a1 − 4ξ 2 b2 a 2 − 4ξ 2 a 2
k2 + k+ 1 =0
b1 b1
Control PI
Ahora considere un control PI cuya función de transferencia está dada por:
k i ks + k i (4.56)
C ( s) = k + =
s s
La función de transferencia de lazo se convierte en:
n L ( s) (ks + k i )(b1 s + b2 ) (4.57)

L( s) = P( s)C ( s) = =
d L ( s) s 2 + a1 s + a 2

Agosto de 2004
El polinomio característico de lazo cerrado es entonces:
n L ( s ) + d L ( s ) = s 3 + ( a1 + kb1 ) s 2 + ( a 2 + kb2 + k i b1 ) s + b2 k i (4.58)
Nuevamente, el sistema de lazo cerrado es de orden 3 y su polinomio característico tiene tres

coeficientes. Sin embargo, el controlador tiene tan sólo dos coeficientes. Por tanto, el controlador
PI no puede ubicar arbitrariamente los polos de lazo cerrado en localizaciones arbitrarias.
Suponga que el polinomio característico deseado tiene la forma:
( s 2 + 2ξω n s + ω n2 )( s + αω n ) = s 3 + (α + 2ξ )ω n s 2 + (1 + 2αξ )ω n2 s + αω n3 (4.59)
Note que con α grande, la dinámica de los polos dominantes es de segundo orden. Entonces,
por igualación de coeficientes se tiene que:
a1 + b1 k = (α + 2ξ )ω n (4.60)
a 2 + b1 k i + b2 k = (1 + 2αξ )ω n2
b2 k i = αω n3
Para obtener una solución se puede hacer que ω n sea un parámetro de libre elección. y que ξ
quede fijo. De esta manera:
αω n3 (4.61)
ki =
b2
(α + 2ξ )ω n − a1
k=
b1
1 ⎡ a 2 + b1 k i + b2 k ⎤
ξ= ⎢ − 1⎥
2α ⎣ ω n2 ⎦
Ejemplo.- Considere un proceso con función de transferencia:
s +1 (4.62)
G ( s) =
s + s +1
2
junto con un controlador PI con función de transferencia:
k i ks + k i (4.63)
C ( s) = k + =
s s
ajustado de acuerdo a la ecuación (4.61) considerando ω n = 2 y α = 10 , que resultan en los

siguientes valores de los parámetros del controlador y del coeficiente de amortiguamiento:

Agosto de 2004
k i = 80 (4.64)
k = 23.2892
ξ = 1.2536
La Fig. 4.12 muestra la simulación en Matlab de la respuesta al escalón unitario del sistema de
lazo cerrado.
Fig. 4.12 Respuesta al escalón unitario de un sistema de segundo orden con control PI ajustado de acuerdo
a la ecuación (4.64).
Observe que aunque el sistema sea sobreamortiguado, existe un sobrepaso debido a la

introducción de ceros en el sistema de lazo cerrado.
Control PID
Ahora considere el controlador PID cuya función de transferencia está dada por:
ki k s 2 + ks + k i (4.65)
C ( s) = k + + kd s = d
s s
En este caso, la función de transferencia de lazo está dada por:
n L ( s) (k d s 2 + ks + k i )(b1 s + b2 ) (4.66)
L( s) = P( s )C ( s) = =
d L ( s) s ( s 2 + a1 s + a 2 )
Por su parte, la ecuación característica del sistema de lazo cerrado está dada por:
⎡ a + b2 k d + b1 k 2 a 2 + b2 k + b1 k i bk ⎤ (4.67)
d L ( s) + n L ( s) = (1 + b1 k d ) ⎢ s 3 + 1 s + s+ 2 i ⎥=0
⎣ 1 + b1 k d 1 + b1 k d 1 + b1 k d ⎦
Suponga que el polinomio característico deseado tiene la forma:
( s 2 + 2ξω n s + ω n2 )( s + αω n ) = s 3 + (α + 2ξ )ω n s 2 + (1 + 2αξ )ω n2 s + αω n3 (4.68)

Agosto de 2004
entonces k, k i y k d se pueden elegir resolviendo el sistema de ecuaciones algebraicas:
a1 + b2 k d + b1 k (4.69)
= (α + 2ξ )ω n = c1
1 + b1 k d
a 2 + b2 k + b1 k i
= (1 + 2αξ )ω n2 = c 2
1 + b1 k d
b2 k i
= αω n3 = c3
1 + b1 k d
El sistema anterior en forma matricial da:
⎡ b1 0 b2 − b1c1 ⎤ ⎡ k ⎤ ⎡ c1 − a1 ⎤ (4.70)
⎢b b1 − b1c 2 ⎥⎥ ⎢⎢ k i ⎥⎥ = ⎢⎢c 2 − a 2 ⎥⎥
⎢ 2
⎢⎣ 0 b2 − b1c3 ⎥⎦ ⎢⎣k d ⎥⎦ ⎢⎣ c3 ⎥⎦
De aquí, la solución se obtiene de la siguiente manera:
⎡b1b2 c 2 − b12 c3 b22 − b1b2 c1 b12 c1 − b1b2 ⎤ (4.71)

⎢ ⎥
⎢b1b2 c3
2
b1 c3 b1 c 2 + b2 − b1b2 c1 ⎥
2 2
⎡ k ⎤ ⎡ b1 0 b2 − b1c1 ⎤ ⎢ 2 ⎥ ⎡ c1 − a1 ⎤
⎢ k ⎥ = ⎢b ⎥ ⎣b2 b1b2 b12 ⎦ ⎢c − a ⎥
⎢ i⎥ ⎢ 2 b1 − b1c 2 ⎥ = ⎢ 2 2⎥
b23 − b1b22 c1 + b12 b2 c 2 − b13 c3
⎢⎣k d ⎥⎦ ⎢⎣ 0 b2 − b1c3 ⎥⎦ ⎢⎣ c3 ⎥⎦
lo que resulta en el siguiente conjunto de parámetros:
− a 2 b22 − a 2 b1b2 c1 + 2b12 c1c3 − a1b1 (b2 c 2 + b1c3 ) + b2 (b2 c 2 − b1c3 ) (4.72)
k=
b23 − b1b22 c1 + b12 b2 c 2 − b13 c3
(−a1b1b2 + a 2 b12 + b22 )c3
ki =
b23 − b1b22 c1 + b12 b2 c 2 − b13 c3
− a1b22 + a 2 b1b2 + b22 c1 + b1b2 c 2 + b12 c3
kd =
b23 − b1b22 c1 + b12 b2 c 2 − b13 c3
Ejemplo.- Considere un proceso dado por la función de transferencia:
s +1 (4.73)
G ( s) =
s + s +1
2
junto con un controlador PID dado por la ecuación (4.67) y ajustado de acuerdo a la ecuación
(4.72) con ω n = 2 , ξ = 0.7 y α = 10 , lo que resulta en los siguientes parámetros del
controlador:

Agosto de 2004
k = −81.5072 (4.74)
k i = −1.9139
k d = −1.0239
42.8( s + 79.58)( s + 1)( s + 0.02349) (4.75)

Gcl ( s ) =
( s + 3407)( s + 0.9874)( s + 0.02378)
Note que los parámetros del controlador resultan negativos y que el sistema de lazo cerrado
tiene tres ceros. La simulación de la respuesta al escalón de este sistema se muestra en la Fig.
4.13
Fig 4.13 Simulación de la respuesta al escalón del sistema de control PID para la planta dada en la ecuación
(4.73).
Observe la forma de la respuesta. La respuesta empieza en el valor de 42.8 correspondiente a la

ganancia del sistema de lazo cerrado. Este valor se debe a la elección del valor de α = 10 . Al
disminuir el valor de α a valores de 5, 3 y 1 se observa lo que se muestra en la Fig. 4.14
Fig 4.14 Respuesta al escalón del sistema de control PID para diferentes valores de α

Agosto de 2004
Por otro lado, si el valor de α se elige muy pequeño, entonces el sistema se convierte en un
sistema de fase no mínima (un sistema con ceros en el semiplano derecho del plano complejo
s ). En este caso, para α = 0.2 la respuesta al escalón está dada por:
Fig. 4.15 Respuesta al escalón del sistema de control PID para valores pequeños de α.
Observe que la respuesta toma ahora valores iniciales negativos, típicos en los sistemas de fase
no mínima.
Ejemplo.- Considere un proceso con función de transferencia:
1 (4.76)
G ( s) =
s + s +1
2
junto con el sistema de control PID, ajustado de acuerdo a la ecuación (4.72) con ω n = 2 ,
ξ = 0.7 y α = 10 , lo que resulta en los siguientes parámetros del controlador:
k = 59 (4.77)
k i = 80
k d = 21.8
21.8( s 2 + 2.706s + 3.67) (4.78)

Gcl ( s) =
( s + 20)( s 2 + 2.8s + 4)
Observe que los parámetros del controlador son positivos y que el sistema de lazo cerrado tiene
ahora dos ceros. La respuesta al escalón del sistema (4.76) obtenida con Matlab, se muestra en
la Fig. 4.16.

Agosto de 2004
Fig. 4.16 Sistema de control PID para la planta dada en la ecuación (4.76)
La respuesta del sistema es sobreamortiguada y el sobrepaso se debe a los ceros del sistema
de lazo cerrado. Observe también que la respuesta es considerablemente más lenta que para el
sistema de control correspondiente a la planta dada en la ecuación (4.73).
PID modificado
También se puede demostrar que el controlador PID modificado, dado por:
ki (4.79)
U ( s) = k (bR( s) − Y ( s )) + ( R( s) − Y ( s )) + k d s (cR( s ) − Y ( s))
s
produce un sistema de lazo cerrado con el mismo polinomio característico y una función de
transferencia de lazo cerrado dada por:
(b1 s + b2 )(ck d s 2 + bks + k i ) (4.80)

Gcl ( s ) =
( s + αω n )( s 2 + 2ξω n s + ω n2 )
con las mismas elecciones de k, k i y k d . Sin embargo, en este caso los parámetros b y c
tienen una fuerte influencia sobre la forma de la respuesta transitoria de este sistema. El
parámetro b permite reducir el sobrepaso del sistema y el parámetro c , cuando es nulo, elimina
un cero de la función de transferencia de lazo cerrado; si se elige también b = 0 , entonces se
eliminan los dos ceros de la función de transferencia de lazo cerrado.
4.5 Sistemas de mayor orden con polos dominantes de segundo

orden
Si los polos de lazo cerrado están dominados por un par de polos complejos conjugados,
entonces el sistema puede ser aproximado por un sistema de segundo orden.
Desde el punto de vista de diseño de control, es muy útil establecer la relación entre las
especificaciones de desempeño y la localización de los polos de lazo cerrado. Por ejemplo, si el
sistema tiene una dinámica dominante definida por un par de polos complejos conjugados,

Agosto de 2004
entonces el tiempo de asentamiento y máximo sobrepaso, se pueden estimar a partir de las

expresiones:
4 (5.1)
ts = para una banda del 2%
ξω n
−
ξπ (5.2)
1−ξ 2
Mp =e
donde − ξω n es la parte real de los polos dominantes.
Ejemplo de estimación del máximo sobrepaso y del tiempo de asentamiento

en un sistema realimentado
Considere el sistema realimentado que se muestra en la Fig. 5.1
R (s ) + Y (s )
G (s )
−
Fig. 5.1 Sistema realimentado
donde:
10( s + 10) (5.3)

G ( s) =
s( s + 3)( s + 5)
10( s + 10) 10( s + 10) (5.4)

Gcl ( s ) = =
( s + 6.5182)( s + 1.482 s + 15.34) ( s + 6.5182)(( s + 0.7409) 2 + 3.84612 )
2
Está claro que el par de polos en − 07409 ± j 3.8461 son los polos dominantes del sistema en
lazo cerrado.
El desempeño del sistema puede ser estimado en base a este par de polos, puesto que el cero
está muy lejos en comparación con la ubicación de este par de polos.
Para el par de polos dominantes se tiene que la frecuencia natural no amortiguada es

ω n = 3.92 y el coeficiente de amortiguamiento es ξ = 0.189 . Por tanto, las características
estimadas de la respuesta transitoria a un escalón unitario del sistema de la Fig. 5.1 están dadas
por:

Agosto de 2004
4 (5.5)
ts = = 5.399
ξω n
ξπ
−
1−ξ 2
Mp =e = 0.5463
La simulación en Matlab del sistema realimentado se muestra en la Fig. 5.2.
Fig. 5.2 Respuesta al escalón unitario del sistema dado por la ecuación (5.3)
Observe que la simulación del sistema de tercer orden proporciona un máximo sobrepaso dado
por M p = 0.49 y un tiempo de asentamiento de t s = 5.1 para una banda del 2%. Note que,
aunque los valores simulados están por debajo de los calculados mediante la estimación, son
valores próximos que pueden ser utilizados en el análisis del sistema de control.
4.6 Respuesta en Estado Estacionario

Sea G ( s ) una función de transferencia estable y u (t ) su señal de entrada. Considere ahora la
respuesta en estado estacionario para algunas entradas típicas.
4.6.1 Respuesta a una entrada escalón unitario
1
En este caso, U ( s ) = . Se puede demostrar que la respuesta en el dominio de la
s
transformada de Laplace está dada por:
(6.1)
+ (partes estrictamente propias y estables )
1 G ( 0)
Y ( s) = G ( s) =
s s
Aplicando la transformada inversa de Laplace, se obtiene la salida en el dominio del tiempo dada
por:
y (t ) = G (0) + (partes exponencialmente decrecientes) (6.2)
De la ecuación anterior, se deduce que la respuesta en estado estacionario está dada por la
ganancia estática del sistema ( G (0) ); es decir:

Agosto de 2004
y s (t ) = G (0) (6.3)
4.6.2 Respuesta a una entrada rampa unitaria
1
s2
(6.4)
+ 2 + (partes estrictamente propias y estables )
1 G ' ( 0) G ( 0)
Y ( s) = G ( s) =
s2 s s
Aplicando la transformada inversa de Laplace, se obtiene la salida en el dominio del tiempo,

dada por:
y (t ) = G ' (0) + G (0)t + (partes exponencialmente decrecientes) (6.5)
De la ecuación anterior, se deduce que la respuesta en estado estacionario está dada por:
y s (t ) = G ' (0) + G (0)t (6.6)
4.6.3 Respuesta a una entrada parábola unitaria
1
s3
(6.7)
+ 2 + 3 + (partes estrictame nte propias y estables )
1 G ' ' ( 0) G ' ( 0) G ( 0)
Y (s) = G (s) =
s3 s s s
Aplicando la transformada inversa de Laplace, se obtiene la salida en el dominio del tiempo:
t2 (6.8)
y (t ) = G ' ' (0) + G ' (0)t + G (0) + (partes exponencialmente decrecientes )
2
De la ecuación anterior, se deduce que la respuesta en estado estacionario está dada por:
t2 (6.9)
y s (t ) = G ' ' (0) + G ' (0)t + G (0) .
2
Ejemplo.- Considere un proceso dado por la siguiente función de transferencia de primer orden:
1
G( s) =
s+a
De aquí:

Agosto de 2004
1
G' (s) = −
( s + a) 2
2
G' ' (s) =
( s + a) 3
Por tanto:
1
G ( 0) =
a
1
G ' ( 0) = −
a2
2
G ' ' ( 0) = 3
a
De aquí, las respuestas al escalón, rampa y parábola en estado estacionario están dadas
respectivamente por las expresiones:
1
Respuesta al escalón: y (t ) = G (0) =
a
1 1
Respuesta a la rampa: y (t ) = G ' (0) + G (0)t = − + t
a2 a
t2 2 1 1 t2
Respuesta a la parábola: y (t ) = G ' ' (0) + G ' (0)t + G (0) = 3 − 2 t + ⋅
2 a a a 2
4.6.4 Respuesta a una entrada senoidal de magnitud unitaria
ω
En este caso U ( s ) = Se puede demostrar que la respuesta en el dominio de la
s +ω2 2
ω sImG ( jω ) + ωReG ( jω ) ⎛ partes estrictamente propias ⎞ (6.10)

Y ( s) = G ( s) = + ⎜⎜ ⎟⎟
s +ω
2 2
s2 + ω 2 ⎝ y estables ⎠
Aplicando la transformada inversa de Laplace, se obtiene la salida en el dominio del tiempo:
⎛ partes exponencialmente ⎞ (6.11)

y (t ) = Im(G ( jω )) cos ωt + Re(G ( jω )) sin ωt + ⎜⎜ ⎟⎟
⎝ decrecientes ⎠
De esta manera, la respuesta en estado estacionario está dada por:
y s (t ) = Im(G ( jω )) cos ωt + Re(G ( jω )) sin ωt = G ( jω ) sin(ωt + ϕ ) (6.12)
donde:

Agosto de 2004
G ( jω ) = Re 2 (G ( jω )) + Im 2 (G ( jω )) (6.13)
ImG ( jω )
ϕ = tan −1
ReG ( jω )
son la magnitud y la fase de G ( jω ) , respectivamente.
Por tanto, la respuesta de un sistema lineal invariante estable a una entrada senoidal es también
una señal senoidal de la misma frecuencia, pero desfasada en el tiempo por el ángulo de fase.
Ejemplo.- Considere un proceso con función de transferencia de primer orden dada por:
1
G( s) =
s+a
La respuesta a una entrada senoidal u (t ) = sin(ωt ) está dada por:
y (t ) = G ( jω ) sin(ωt + ϕ )
donde
1 a − jω a − jω
G ( jω ) = ⋅ = 2
jω + a a − jω a + ω 2
a2 + ω 2 1
G ( jω ) = =
a2 + ω2 a2 + ω2
ω
ϕ = − tan −1
a
Observe que la magnitud de la respuesta a una señal senoidal de baja frecuencia se aproxima al
1
valor , mientras que la magnitud de la respuesta a señales de entrada de alta frecuencia se
a
aproxima a cero.
4.7 Análisis del Error en Estado Estacionario
Considere el sistema de control que se muestra en la Fig. 7.1
r (t ) + e(t ) u (t ) y (t )
Gc (s ) G (s )
−
H (s )

Agosto de 2004
donde Gc (s) es la función de transferencia del controlador, G ( s ) es la función de transferencia

de la planta o proceso y H ( s ) es la función de transferencia del elemento de realimentación de
la salida.
La transformada de Laplace del error se puede encontrar como sigue:
E ( s ) = R ( s) − H ( s )Y ( s) = R( s ) − H ( s)G ( s )Gc ( s ) E ( s ) (7.1)
Despejando E ( s ) se obtiene:
1 (7.2)
E ( s) = R( s)
1 + Gc ( s )G ( s ) H ( s )
Suponga que el sistema en lazo cerrado es estable, entonces el error en estado estacionario del
sistema puede se encontrar a partir de la aplicación del teorema del valor final de la
transformada de Laplace como sigue:
e(∞ ) = lim sE ( s ) (7.3)

s→0
siempre y cuando el límite exista.
Para efectuar el análisis del error en estado estacionario, primero defina la función de
transferencia de lazo como sigue:
Gl ( s) = Gc ( s)G ( s) H ( s ) (7.4)
Es útil clasificar a los sistemas de control como el de la Fig. 7.1 de acuerdo al número de
integradores que posee la función de transferencia de lazo Gl (s) . De acuerdo a esta
clasificación, un sistema se denomina tipo 0, tipo 1, tipo 2 ..., si Gl (s) no tiene polos, tiene un
polo, tiene dos polos, .... en el origen.
Esta clasificación de sistemas de control tiene que ver con la capacidad de éstos para seguir
entradas escalón, rampa, parábola, etc. En la práctica, las entradas con frecuencia se
consideran combinaciones de las entradas mencionadas. Las magnitudes de los errores en
estado estacionario, producidos por estas entradas individuales, indican las prestaciones del
sistema de control de lazo cerrado.
4.7.1 Error en estado estacionario a una entrada escalón unitario
1
Ahora, suponga que la entrada al sistema es un escalón unitario; es decir, R ( s ) = . Entonces,
s
el error en estado estacionario está dado por:
1 1 (7.5)
e(∞) = lim = ; K p = lim Gl ( s )
s →0 1 + G ( s ) 1+ K p s →0
l

Agosto de 2004
donde K p se llama constante de error de posición.
Es fácil ver que la constante de error de posición es finita si Gl (s) no tiene integradores y es
infinita si Gl (s) tiene uno o más integradores. Es decir, si el sistema es de tipo 0, entonces K p
es una constante finita dada por:
K p = G ( 0) (7.6)
tal que el error en estado estacionario es:
1 1 (7.7)
e(∞ ) = =
1 + K p 1 + G (0)
Sin embargo, si el sistema es de tipo 1 o mayor se tiene:
Kp = ∞ (7.8)
lo cual implica que el error en estado estacionario está dado por:
1 1 (7.9)
e (∞ ) = = =0
1+ K p 1+ ∞
4.7.2 Error en estado estacionario a una entrada rampa unitaria
1
Si la entrada es una rampa unitaria, R ( s ) = , entonces:
s2
1 1 (7.10)
e(∞) = lim = ; K v = lim sG l ( s )
s →0 s + sGl ( s ) K v s →0
donde K v es la constante de error de velocidad.
Es fácil ver que la constante de error de velocidad es cero si Gl (s) no tiene integradores; es
una constante diferente de cero si Gl (s) tiene un integrador y es infinita si Gl (s) tiene dos o
más integradores. Es decir, si el sistema es de tipo 0, entonces K v está dada por:
Kv = 0 (7.11)
1 1 (7.12)
e( ∞ ) = = =∞
Kv 0
Si el sistema es de tipo 1 se tiene que

Agosto de 2004
G1l ( s) (7.13)
K v = lim sGl ( s) = lim s = G1l (0)
s →0 s →0 s
donde
G1l ( s ) = sGl ( s ) (7.14)
1 1 (7.15)
e (∞ ) = =
K v G1l (0)
Kv = ∞ (7.16)
1 1 (7.17)
e( ∞ ) = = =0
Kv ∞
4.7.3 Error en estado estacionario a una entrada parábola unitaria
1
Si la entrada es una parábola unitaria, R ( s ) = , entonces:
s3
1 1 (7.18)
e(∞) = lim = ; K a = lim s 2 Gl ( s )
s →0 s + s Gl ( s ) K a
2 2 s →0
donde K a es la constante de error de aceleración.
Es fácil ver que la constante de error de aceleración es cero si Gl (s) no tiene integradores o
tiene un solo integrador, es una constante diferente de cero si Gl (s) tiene dos integradores y es
infinita si Gl (s) tiene tres o más integradores. Es decir, si el sistema es de tipo 0 o de tipo 1,
entonces K v está dada por:
Ka = 0 (7.19)
1 1 (7.20)
e(∞ ) = = =∞
Ka 0
Si el sistema es de tipo 2 se tiene que

Agosto de 2004
G2l ( s ) (7.21)
K a = lim s 2 Gl ( s ) = lim s 2 = G2l (0)
s →0 s →0 s2
donde
G 2 l ( s ) = s 2 Gl ( s ) (7.22)
1 1 (7.23)
e(∞ ) = =
K a G 2l (0)
Ka = ∞ (7.24)
1 1 (7.25)
e(∞ ) = = =0
Ka ∞
4.7.3 Resumen del error en estado estacionario según tipo de sistema y señal
de entrada
Los resultados anteriores pueden ser resumidos en la siguiente tabla
Tipo de sistema Señal de entrada

Escalón Rampa Parábola
Tipo 0 1 ∞ ∞
1+ K p
Tipo 1 0 1 ∞
Kv
Tipo 2 0 0 1
Ka
Note que los cálculos anteriores son válidos sólo si el sistema en lazo cerrado es estable.
4.7.4 Principio del modelo interno

Sea R ( s ) la transformada de Laplace de la señal de referencia que tiene todos sus polos en el
eje imaginario. Entonces, se puede demostrar que el error en estado estacionario es cero sí y
sólo si los polos de la función de transferencia de lazo:
Gl ( s) = Gc ( s)G ( s) H ( s ) (7.26)

Agosto de 2004
contienen a todos los polos en el eje imaginario de R ( s ) .
Por ejemplo, considere la señal de referencia:
r (t ) = At + B cos ω 0 t (7.27)
La transformada de Laplace de esta señal está dada por:
A s A( s 2 + ω 02 ) + Bs 3 (7.28)
R( s) = 2 + B 2 =
s s + ω 02 s 2 ( s 2 + ω 02 )
Entonces, el error en estado estacionario será cero si Gl (s) tiene al menos dos polos en el
origen y un par de polos en ± jω 0

Agosto de 2004
Capítulo 5: Análisis y Diseño de Sistemas de Control usando la Técnica del Lugar de las Raíces
5 Análisis y Diseño de Sistemas de Control usando la

Técnica del Lugar de las Raíces
5.1 Introducción
La técnica del lugar de las raíces se utiliza para estudiar los cambios que ocurren en el
comportamiento de sistemas lineales invariantes realimentados, con respecto a variaciones de sus
parámetros. Cuando cambia un parámetro del sistema, las raíces de la ecuación característica se
mueven en el plano complejo s , a lo largo de caminos, denominados ramas, que conforman lo que
se conoce como el lugar de las raíces.
Comúnmente, el lugar de las raíces se utiliza como herramienta de ayuda para el análisis y diseño
de sistemas de control. En el proceso de diseño, se introducen, en el controlador, uno o más
parámetros ajustables que se utilizan para sintonizar el comportamiento del sistema en lazo cerrado.
Una vez realizado el diseño, se fijan todos los parámetros. Sin embargo, pueden existir otros
parámetros de la planta que cambian o se alejan de sus valores nominales; por ejemplo, la masa y el
centro de gravedad de un cohete cambian a medida que el combustible se consume y la masa de un
automóvil varía según el número de ocupantes y los componentes resistivos e inductivos de un
sistema de potencia eléctrico varían al cambiar la carga o con el aumento de temperatura.
Para asegurar que un sistema de control automático opere en forma fiable, es necesario anticipar y
analizar el efecto de los cambios en los parámetros, utilizando herramientas de análisis apropiadas.
Una alternativa para esto es la utilización del lugar de las raíces.
5.2 Técnica del lugar de las raíces

5.2.1 El lugar de las raíces
Considere el sistema de control realimentado que se muestra en la Fig. 2.1
r (t ) + e(t ) u (t ) y (t )
Gc (s ) G (s )
−
H (s )
Fig. 2.1 Sistema de control realimentado típico, conformado por un controlador, una planta y un elemento de
realimentación.
La función de transferencia del sistema en lazo cerrado de la Fig. 2.1 está dada por la expresión:

Agosto de 2004
Gc ( s )G ( s ) (2.1)
Gcl ( s ) =
1 + Gc ( s)G ( s) H ( s)
De la ecuación anterior, está claro que los polos del sistema en lazo cerrado están dados por las
raíces de la siguiente ecuación:
1 + Gc ( s )( s )G ( s ) H ( s ) = 0 (2.2)
Por simplicidad en la exposición, defina la función de transferencia de lazo como sigue:
Gl ( s ) = Gc ( s )G ( s ) H ( s ) (2.3)
Asuma que Gl (s ) es una función racional de la forma:
K ( s + z1 )( s + z 2 ) L ( s + z m ) (2.4)
Gl ( s ) =
( s + p1 )( s + p 2 ) L ( s + p n )
donde − z1 , L ,− z m y − p1 , L ,− p n son los ceros y polos de lazo abierto, respectivamente, y K es

una ganancia variable.
El objetivo es estudiar cómo los polos de lazo cerrado cambian cuando K varía desde 0 hasta ∞ .
De esta manera, variando K , el lugar de las raíces muestra todos aquellos puntos que satisfacen la
ecuación:
Gl ( s ) = −1 (2.5)
Puesto que Gl (s ) es una función de variable compleja, para satisfacer la igualdad anterior, se
tienen que satisfacen las siguientes dos condiciones:
a) condición de magnitud:
Gl ( s ) = 1 (2.6)
b) condición de fase:
∠Gl ( s ) = (2k + 1)180º , k = 0,±1,±2, L (2.7)
Es fácil demostrar que siempre se puede satisfacer la condición de magnitud si se eligen una K ≥ 0
apropiada. Por otro lado, es fácil ver que la condición de fase no depende de K , ya que:
m n (2.8)
∠Gl ( s ) = ∑ ∠( s + z i ) − ∑ ∠( s + p j ) = (2k + 1)180º
i =1 j =1

Agosto de 2004
Por tanto, la clave en la construcción del lugar de las raíces es encontrar todos aquellos puntos que
satisfacen la condición de fase.
A partir de la condición de fase se pueden derivar un conjunto de reglas básicas para la construcción
del lugar de las raíces. Estas reglas se resumen a continuación:
Regla 1.- El lugar de las raíces es simétrico con respecto al eje real.
Regla 2.- Las ramas del lugar de las raíces empiezan en los n polos (cuando K = 0 ) y se
aproximan a los n ceros ( m de los cuales son finitos y n − m ceros están en el infinito,
cuando K → ∞ ).
Regla 3.- El lugar de las raíces incluye todos los puntos sobre el eje real a la izquierda de un
número impar de polos y ceros reales del sistema en lazo abierto.
Regla 4.- A medida que K → ∞ , n − m ramas del lugar de las raíces se aproximan
asintóticamente a n − m líneas rectas, llamadas asíntotas, que se inician en un punto sobre
el eje real dado por:
n m
∑ (− p ) − ∑ (− z
i =1
i
j =1
j )
∑ polos − ∑ ceros
σ= =
n−m n−m
a partir del cual parten con ángulos dados por:
(2k + 1)180º
θ= ; k = 0,±1,±2, L
n−m
Regla 5.- Los puntos de salida o de entrada al eje real están entre las raíces de la ecuación:
dGl ( s)
=0
ds
siempre y cuando se cumpla previamente la regla 3.
Regla 6.- El ángulo de salida desde un polo − p k está dado por:
m n
φ k = ∑ ∠(− p k + z i ) − ∑ ∠(− p k + p j ) ± 180º
i =1 j =1
j≠k
Si − p k tiene multiplicidad l , entonces el ángulo de salida está dado por:

Agosto de 2004
φlk = φ k / l
Regla 7.- El ángulo de llegada a un cero − z k está dado por:
m n
ψ k = ∑ ∠(− z k + z i ) − ∑ ∠(− z k + p j ) ± 180º
i =1 j =1
i≠k
Si − z k tiene multiplicidad l , entonces el ángulo de llegada está dado por:
ψ lk = ψ k / l
Normalmente se puede obtener un buen bosquejo del lugar de las raíces usando sólo las
reglas 1 a 4. Las reglas 5 a 7 rara vez son usadas ya que se puede obtener un lugar de las
raíces exacto mediante un programa computacional, por ejemplo Matlab.
5.2.2 Construcción de un bosquejo del lugar de las raíces para un sistema de

tercer orden
Considere el sistema de control con función de transferencia de lazo dada por:
8K ( s + 2) (2.9)
Gl ( s ) = Gc ( s )G ( s ) H ( s ) =
( s + 1)( s + 5)( s + 10)
Por la regla 3, existe lugar de las raíces sobre el eje real en los intervalos [-2,-1] y [-10,-5], como se
jω
Plano s
−2
− 10 −5 −1 σ
Fig. 2.2 Lugar de las raíces sobre el eje real
Por la regla 2, uno de los lugares empieza en el polo en -1 y termina en el cero en -2. Los otros dos
empiezan en -10 y -5 y luego se aproximan a ceros en el infinito siguiendo dos asíntotas.
Por la regla 4, las asíntotas empiezan en el punto sobre el eje real dado por:

Agosto de 2004
(−1 − 5 − 10) − (−2)

σ= = −7
3 −1
y salen del eje real con ángulos:
180
θ1 = = 90º
3 −1
3(180)
θ2 = = 270º = −90º
3 −1
con lo que el lugar de las raíces queda como se muestra en la Fig. 2.3.
jω
Plano s
270º
90º
−2
− 10 −5 −1 σ
Fig. 2.3 Asíntotas de las ramas del lugar de las raíces
Hasta aquí se tiene un buen bosquejo del lugar de las raíces. El lugar de las raíces exacto puede ser
encontrado utilizando herramientas computacionales como Matlab. La Fig. 2.4 muestra el lugar de
las raíces exacto del sistema analizado en este ejemplo.
Fig. 2.4 Lugar de las raíces del sistema (2.9), obtenido con Matlab

Agosto de 2004
Compare el resultado, obtenido con Matlab, de la Fig. 2.4 con el bosquejo obtenido en la Fig. 2.3.
Existe una ligera diferencia que no es relevante para la mayoría de los propósitos de análisis.
Ejemplos de lugares de las raíces
A continuación se muestran los lugares de las raíces, obtenidos con Matlab, de varios ejemplos de
funciones de transferencia de lazo.
10 10
G(s) = G (s) =
s ( s + 5)( s + 10) s ( s + 5) 2
10 s
G ( s) = G ( s) =
( s + 1)( s + 5)( s + 10)
2
( s + 1)( s + 5)( s + 10)
2

Agosto de 2004
s s+7
G ( s) = G(s) =
s + 2s + 2
2
( s + 2)( s + 4)
s2 +1 s 2 + 2s + 2
G ( s) = G ( s) =
s 2 + 2s + 2 s2 +1
s + 10 s + 10
G ( s) = G ( s) =
( s + 1)( s + 0.5)( s + 0.7)
2
( s + 2 s + 2)( s + 0.5)( s + 0.7)
2

Agosto de 2004
2 2( s + 0.5)
G(s) = G(s) =
( s + 1)( s + 3) ( s + 1)( s + 3)
2( s + 2) 2( s + 4)
G(s) = G(s) =
( s + 1)( s + 3) ( s + 1)( s + 3)
2( s + 0.5) 2( s + 2)
G ( s) = G ( s) =
s ( s + 1)( s + 3) s ( s + 1)( s + 3)

Agosto de 2004
2( s + 4) 2( s + 0.2)( s + 0.8)
G ( s) = G ( s) =
s ( s + 1)( s + 3) s ( s + 1)( s + 3)
2( s + 0.8)( s + 2) 2( s + 0.8)( s + 4)
G ( s) = G ( s) =
s ( s + 1)( s + 3) s ( s + 1)( s + 3)
2( s + 1.5)( s + 2.5) 2( s + 2.5)( s + 4)

G ( s) = G ( s) =
s ( s + 1)( s + 3) s ( s + 1)( s + 3)

Agosto de 2004
2( s + 4)( s + 5) 2( s 2 + 2 s + 2)
G ( s) = G ( s) =
s ( s + 1)( s + 3) s( s + 1)( s + 3)
5.3 Análisis y Diseño Empírico de un sistema de control de segundo

orden
Considere la planta descrita por la función de transferencia de segundo orden:
Y ( s) b (3.1)
G ( s) = = 2
U ( s ) s + a1 s + a 2
donde b = 2 , a1 = 4 y a 2 = 3 . En este caso, el sistema tiene polos en -1 y en -3, por lo que se

trata de un sistema sobreamortiguado estable. Además tiene una ganancia de CD (ganancia estática
G (0) ) dada por b / a 2 , es decir 2/3=0.6667.
Considere, también, el esquema de control con realimentación unitaria que se muestra en la Fig. 3.1.
r (t ) e(t ) u (t ) y(t )
Gc (s ) G (s )
+
−
Fig. 3.1 Esquema de control para la planta dada por la ecuación (3.1)
donde Gc (s ) es la función de transferencia del controlador. La función de transferencia del sistema

en lazo cerrado está dada por:
Y (s) Gc ( s )G ( s) (3.2)
Gcl ( s ) = =
R( s) 1 + Gc ( s )G ( s)

Agosto de 2004
5.3.2 Desempeño del Sistema en Lazo Abierto

El desempeño del sistema, sin control, puede ser evaluado observando la respuesta al escalón
unitario que se muestra en la Fig. 3.2.
Step Response
0.7
System: sysg
0.6 Time (sec): 5.88
Amplitude: 0.664
0.5
0.4
Amplitude
0.3
0.2
0.1
0
0 1 2 3 4 5 6
Time (sec)
Fig. 3.2 Respuesta al escalón del proceso dado por la ecuación (3.1)
Observe que la respuesta del sistema en lazo abierto es sobreamortiguada. El valor final es
ligeramente superior al valor marcado en la figura que tiene una amplitud de 0.664; en los hechos,
b 2
es la ganancia estática del sistema, G (0) = = = 0.6667 , lo que significa que se tiene un
a2 3
error en estado estacionario de e(∞ ) = 1 − 0.6667 = 0.3333 .
El tiempo de crecimiento puede ser medido en la gráfica, tomando el intervalo de tiempo en el que la
respuesta pasa del 10% (0.0667) de su valor final al 90% (0.6). Utilizando Matlab, estos valores
pueden ser marcados en la gráfica de la respuesta, como se muestra en la Fig. 3.3.
Step Response
0.7 System: sysg
Time (sec): 2.71
Amplitude: 0.6
0.6
0.5
0.4
Amplitude
0.3
0.2
System: sysg
Time (sec): 0.315
0.1 Amplitude: 0.0667
0
0 1 2 3 4 5 6
Time (sec)
Fig. 3.3 Marcado de los puntos en los que la respuesta es del 10 y 90% de su valor final
En la Fig. 3.3, se observa que los tiempos respectivos al 10 y 90% del valor final de la respuesta son
t1 = 0.315 y t 2 = 2.71 , respectivamente, tal que el tiempo de crecimiento está dado por
t r = t 2 − t1 = 2.71 − 0.315 = 2.395 seg.

Agosto de 2004
El sistema de control pretende mejorar las características del sistema en lazo abierto, a través de la
introducción de un controlador con ganancias ajustables, que permita que la respuesta del sistema
se desarrolle de acuerdo a ciertas especificaciones de desempeño, propias de la aplicación.
5.3.3 Control Proporcional
Considere ahora un controlador proporcional cuya función de transferencia es:
Gc ( s ) = K p (3.3)
donde K p es la ganancia proporcional ajustable del controlador. Puesto que el controlador está
caracterizado por un solo parámetro, se dice que éste tiene un grado de libertad, ya que la única
forma de variar los polos del sistema en lazo cerrado es variando la ganancia. Sustituyendo la
ecuación del controlador (3.3) en la ecuación (3.2), la función de transferencia de lazo cerrado está
dada por:
2K p (3.4)
Gcl ( s) =
s + 4s + 3 + 2 K p
2
Utilizando Matlab, se obtiene el lugar de las raíces de G c G (s ) que se muestra en la Fig. 3.4.
Root Locus
1.5
0.5
Imag Axis
-0.5
-1
-1.5
-3 -2.5 -2 -1.5 -1 -0.5 0
Real Axis
Fig. 3.4 Lugar de las raíces de la función de transferencia de lazo Gl ( s ) = Gc ( s )G ( s )
Observe que el sistema en lazo cerrado es siempre estable para todo valor positivo de K p . También
observe que la ganancia estática del sistema de control de lazo cerrado está dada por:
2K p
Gcl =
3 + 2K p
lo que significa que el error e estado estacionario a una entrada escalón unitario será de:

Agosto de 2004
2K p 3
e∞ = 1 − =
3 + 2K p 3 + 2K p
Por tanto, el error será menor cuanto más alta sea la ganancia.
Para ajustar esta ganancia, se puede elegir un punto sobre el lugar de las raíces tal que los polos del
sistema en lazo cerrado se ubiquen en localizaciones deseadas. Para esto, considere los siguientes
casos:
o Caso 1.- Los polos de lazo cerrado son reales y distintos.

o Caso 2.- Los polos de lazo cerrado son reales repetidos
o Caso 3.- Los polos de lazo cerrado son complejos conjugados
Utilizando Matlab, se puede encontrar la ganancia del controlador marcando la localización del polo
en un punto deseado sobre el lugar de las raíces.
Caso 1. Sistema de lazo cerrado con polos reales y distintos
Considere el punto sobre el lugar de las raíces que se encuentra marcado en la siguiente Fig. 3.5.
Root Locus
1.5
1
System: sysg
Gain: 0.366
0.5 Pole: -2.52
Damping: 1
Overshoot (%): 0
Imag Axis
Frequency (rad/sec): 2.52

0
-0.5
-1
-1.5
-3 -2.5 -2 -1.5 -1 -0.5 0
Real Axis
Fig. 3.5 Marcado de la localización de un polo de lazo cerrado correspondiente a una ganancia K = 0.356 .
Note que el polo seleccionado corresponde a una ganancia del controlador dada por K p = 0.366 .
Con este valor de ganancia, la función de transferencia del sistema en lazo cerrado está dada por:
Gc ( s)G ( s ) 0.732 (3.5)

Gcl ( s ) = = 2
1 + Gc ( s)G ( s ) s + 4s + 3.732
que tiene una ganancia estática está dada por Gcl (0) = 0.1961 . Su respuesta al escalón unitario,
obtenida con Matalb, se muestra en la Fig. 3.6.

Agosto de 2004
Step Response
0.2
0.18
0.16
0.14
0.12
Amplitude
0.1
0.08
0.06
0.04
0.02
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Time (sec)
Fig. 3.6 Respuesta del sistema de control en lazo cerrado para una ganancia pequeña del controlador
proporcional.
Observe que la ganancia de CD del sistema en lazo cerrado, coincide con el valor final simulado de
la respuesta. También note que, con esta ganancia, el error en estado estacionario es 1-
0.1961=0.8039. Compare este valor con el obtenido en la respuesta al escalón unitario del sistema
en lazo abierto, mostrada en la Fig. 3.2. Note en este caso que la velocidad de respuesta crece, pero
el valor de la respuesta en estado estacionario es considerablemente mucho menor.
Caso 2. Sistema de lazo cerrado con polos repetidos
Haciendo uso de Matlab, ubique el punto sobre el lugar de las raíces en el punto de salida del eje
real, tal como se muestra en la Fig. 3.7.
Root Locus
1.5
1
System: sysg
Gain: 0.5
0.5 Pole: -2 - 0.00489i
Damping: 1
Overshoot (%): 0
Imag Axis
Frequency (rad/sec): 2
0
-0.5
-1
-1.5
-3 -2.5 -2 -1.5 -1 -0.5 0
Real Axis
Fig. 3.7 Selección del punto de salida del eje real sobre el lugar de las raíces
El polo seleccionado corresponde a una ganancia K p = 0.5 . Con este valor de ganancia, la función
de transferencia del sistema en lazo cerrado está ahora dada por:
Gc ( s)G ( s ) 1 (3.6)
Gcl ( s) = = 2
1 + Gc ( s )G ( s) s + 4s + 4

Agosto de 2004
En este caso, los polos repetidos del sistema en lazo cerrado están ubicados en -2. Ahora la
ganancia estática del sistema es 0.25 y la respuesta al escalón unitario es la que se muestra en la
Fig. 3.8.
Step Response
0.25
0.2
0.15
Amplitude
0.1
0.05
0
0 1 2 3 4 5 6 7
Time (sec)
Fig. 3.8 Respuesta al escalón unitario del sistema en lazo cerrado con polos repetidos en el punto -2
Observe que la ganancia de CD coincide con el valor final de la respuesta. También note que, con
esta ganancia, el error en estado estacionario del sistema en lazo cerrado es 1-0.25=0.75. Compare
este valor con el obtenido en el las figuras 3.2 y 3.6. Note que el sistema responde rápidamente, sin
sobrepaso, pero el valor final de la respuesta sigue siendo muy pequeño, con respecto al valor de la
referencia.
Caso 3. Sistema de lazo cerrado con polos complejos conjugados
Haciendo uso de Matlab, ubique los polos del sistema en lazo cerrado como se muestra en la Fig.
3.9.
Root Locus
1.5
System: sysg
Gain: 1.63
Pole: -2 + 1.5i
1 Damping: 0.8
Overshoot (%): 1.52
0.5
Imag Axis
-0.5
-1
-1.5
-3 -2.5 -2 -1.5 -1 -0.5 0
Real Axis
Fig. 3.9 Selección de un polo complejo conjugado
El polo seleccionado corresponde a una ganancia de K p = 1.63 . Con este valor de ganancia, la
función de transferencia del sistema en lazo cerrado es:
Gc ( s )G ( s) 3.26 (3.7)
Gcl ( s ) = = 2
1 + Gc ( s)G ( s) s + 4s + 6.26

Agosto de 2004
En este caso, los polos del sistema en lazo cerrado son complejos conjugados, ubicados en los
puntos − 2 ± j1.5033 del plano complejo s ; la ganancia estática es Gcl (0) = 0.5208 y la
respuesta al escalón se muestra en la Fig. 3.10.
Step Response
0.7
0.6
0.5
Amplitude 0.4
0.3
0.2
0.1
0
0 0.5 1 1.5 2 2.5 3
Time (sec)
Fig. 3.10 Respuesta al escalón unitario del sistema en lazo cerrado con polos complejos conjugados
Observe que la ganancia de CD coincide con el valor final de la respuesta. También note que, el
error en estado estacionario es ahora 1-0.5208=0.4792. Compare este valor con el obtenido en las
figuras 3.2, 3.6 y 3.8. Producto de esta comparación es posible inferir que el error en estado
estacionario tiende a disminuir cuanto más se incrementa el valor de la ganancia proporcional del
controlador. Sin embargo, observe en la Fig. 3.10 que se empieza a percibir una oscilación
subamortiguada, producto de la elección de los polos de lazo cerrado. También observe que en la
Fig. 3.10 se ha reducido el tiempo de crecimiento de la respuesta con respecto a los casos
anteriores.
Si se continúa incrementando el valor de la ganancia del controlador, por ejemplo a K p = 5 , se

obtiene la respuesta al escalón mostrada en la Fig. 3.11.
Step Response
1.4
1.2
0.8
Amplitude
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3
Time (sec)
Fig. 3.11 Respuesta al escalón unitario del sistema en lazo cerrado obtenido con una ganancia proporcional
mayor a la correspondiente en la Fig. 3.10

Agosto de 2004
Note cómo se reduce drásticamente el error en estado estacionario y se hacen más perceptibles las
oscilaciones subamortiguadas. En este caso, la función de transferencia de lazo cerrado está dada
por:
Gc ( s)G ( s) 20 (3.8)
Gcl ( s) = = 2
1 + Gc ( s )G ( s) s + 4 s + 23
Note que los polos de lazo cerrado están en − 2 ± j 4.3589 y la ganancia estática es
Gcl (0) = 0.8696 .
La Fig. 3.12 muestra una gráfica comparativa de las respuestas al escalón, correspondientes a
diversas ganancias proporcionales del controlador.
Step Response
1.4
1.2
Kp = 5
1
0.8 K p = 0.63
Amplitude
0.6
0.4
K p = 0 .5 K p = 0.366
0.2
0
0 1 2 3 4 5 6 7
Time (sec)
Fig. 3.12 Respuesta al escalón unitario del sistema en lazo cerrado al incrementar la ganancia proporcional del
controlador, comparadas con la respuesta al escalón en lazo abierto.
La Fig. 3.12 muestra las respuestas de los sistemas de control con valores de ganancia K p iguales
a 0.366, 0.5, 1.63 y 5, comparadas con la respuesta en lazo abierto del sistema. La figura muestra
que se puede mejorar arbitrariamente el error en estado estacionario aplicando un control
proporcional con alta ganancia; sin embargo, un error muy pequeño sólo será posible a expensas de
un pobre comportamiento del estado transitorio.
Observe también que, al incrementar la ganancia del controlador, se ha incrementado la velocidad

de respuesta, en términos del tiempo de crecimiento. Es importante recordar también que el error
r
puede ser llevado a cero si se utiliza una señal de polarización u b = como fue demostrado en
G (0)
el capítulo 2.
5.3.4 Control Proporcional-Derivativo (PD)
En este caso, el controlador está dado por la siguiente expresión:

Agosto de 2004
de(t ) (3.9)
u (t ) = K p e(t ) + K D
dt
donde K p es la ganancia proporcional y K D es la ganancia derivativa del controlador. La función

de transferencia de este controlador puede ser puesta en el dominio de la transformada de Laplace
como:
U ( s) (3.10)
Gc ( s ) = = K D (s + z c )
E (s)
donde − z c es el cero ajustable introducido por el controlador y K D , la ganancia derivativa, es la

ganancia ajustable. El valor de z c está dado por K p / K D . Por tanto, el cero ajustable representa la
relación entre la ganancia proporcional y la ganancia derivativa del controlador. Cuando esta relación
es pequeña, se introduce un cero cercano al eje imaginario. Por el contrario, si esta relación es
grande el controlador introduce un cero alejado hacia la izquierda del eje imaginario.
Se dice que el controlador PD tiene dos grados de libertad. El primero permite variar la ganancia de
lazo abierto del sistema y, el segundo, introduce un cero ajustable a partir de la variación de la
ganancia proporcional K D del controlador.
Sustituyendo la ecuación del controlador en la función de transferencia de lazo cerrado se obtiene:
Gc ( s )G ( s) K D b( s + z c ) (3.11)
Gcl ( s ) = = 2
1 + Gc ( s)G ( s) s + (a1 + K D b) s + a 2 + K D bz c
Caso 1. Cero del controlador a la izquierda del polo de la planta ubicado en -1.
Suponga ahora que el cero introducido por el controlador está a la derecha del polo de la planta
ubicado en -1; es decir z c < 1 . Elija z c = 0.5 , lo cual implica elegir K p = 0.5 K D . Con esta
elección se tiene que la función de transferencia de lazo está dada por:
2( s + 0.5) (3.12)
Gl ( s ) = Gc ( s )G ( s ) = K D
s 2 + 4s + 3
El lugar de las raíces de Gl (s ) , se puede obtener utilizando Matlab, lo que resulta en la gráfica
mostrada en la Fig. 3.13.

Agosto de 2004
Root Locus
0.4
0.3
0.2
0.1
Imag Axis
0
-0.1
-0.2
-0.3
-0.4
-9 -8 -7 -6 -5 -4 -3 -2 -1 0
Real Axis
Fig. 3.13 Lugar de las raíces de la función de transferencia de lazo con cero cercano al eje imaginario del plano
complejo s
Observe que las raíces del sistema de lazo cerrado son siempre reales cuando K D varía desde
cero hasta infinito. Esto implica que se pueden utilizar ganancias altas. Seleccione ahora un punto
sobre el lugar de las raíces y obtenga la ganancia K D y los correspondiente polos del sistema de
lazo cerrado, utilizando las utilidades de Matlab. Para el punto seleccionado en la Fig. 3.14, la
ganancia derivativa del controlador es K D = 1.4474 y los polos del sistema en lazo cerrado son -
6.1745 y -0.7203
Root Locus
0.4
0.3
0.2
0.1
Imag Axis
-0.1
-0.2
-0.3
-0.4
-9 -8 -7 -6 -5 -4 -3 -2 -1 0
Real Axis
Fig. 3.14 Selección de un punto sobre el lugar de las raíces.
Para el valor de K D , correspondiente al punto seleccionado, la función de transferencia de lazo

cerrado está dada por:
Gc ( s)G ( s ) 2.895s + 1.447 (3.13)

Gcl ( s ) = = 2
1 + Gc ( s )G ( s) s + 6.895s + 4.447
cuya respuesta al escalón unitario se muestra en la Fig. 3.15.

Agosto de 2004
Step Response
0.45
0.4
0.35
0.3
0.25
Amplitude
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6
Time (sec)
Fig. 3.15 Respuesta al escalón unitario para el sistema en lazo cerrado dado en la ecuación (3.13)
Observe que la respuesta de la Fig. 3.15 es sobreamortiguada, pero tiene un sobrepaso con
respecto a su valor final, debido al cero de Gcl (s ) . Es importante notar que el sobrepaso observado
no implica subamortiguamiento, ya que la respuesta no presenta oscilaciones decrecientes.
Observe también que la ganancia estática del sistema de lazo cerrado está dada por:
1.447
Gcl (0) = = 0.3254
4.447
tal que el error en estado estacionario es e∞ = 1 − 0.3254 = 0.6746
Note que la respuesta tiene un sobrepaso con respecto a su valor final. Este sobrepaso se debe al
cero introducido en el sistema de lazo cerrado.
Elija ahora un punto sobre el lugar de las raíces correspondiente a una mayor ganancia. Suponga
que la ganancia elegida es K D = 2.9806 , para la cual, los polos del sistema en lazo cerrado están
en -9.3195 y -0.6417 y la función de transferencia en lazo cerrado es:
5.961s + 2.981 (3.14)

Gcl ( s ) =
s + 9.961s + 5.981
2

Agosto de 2004
Step Response
0.7
0.6
0.5
0.4
Amplitude
0.3
0.2
0.1
0
0 1 2 3 4 5 6
Time (sec)
Fig. 3.16 Respuesta al escalón unitario del sistema en lazo cerrado dado por la ecuación (3.14)
Compare esta respuesta con la respuesta de la Fig. 3.15. Note que al aumentar el valor de K D , el
error en estado estacionario disminuye. Observe que el sobrepaso ha disminuido.
Incremente ahora la ganancia derivativa del controlador a un valor de 10. La Fig. 3.17 muestra la
respuesta al escalón del sistema en lazo cerrado correspondiente.
Step Response
0.9
0.8
0.7
0.6
0.5
Amplitude
0.4
0.3
0.2
0.1
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
Time (sec)
Fig. 3.17 Respuesta al escalón unitario del sistema en lazo cerrado utilizando una ganancia derivativa
K D = 10 .
De la Fig. 3.17, note que el error en estado estacionario continúa disminuyendo a medida que se
aumenta el valor de la ganancia derivativa y que el sobrepaso se hace menos perceptible.
Caso 2. Cero del controlador ubicado al medio de los polos de la planta
Suponga que el cero introducido por el controlador está al medio de los polos de la planta; es decir
z c ∈ (1,3) . Elija z c = 2 , lo cual implica elegir K p = 2 K D . Con esta elección, la función de
transferencia de lazo está dada por:
2( s + 2) (3.15)
Gl ( s ) = Gc ( s )G ( s ) = K D
s + 4s + 3
2

Agosto de 2004
Utilizando Matlab, el lugar de las raíces de Gl (s ) se muestra en la Fig. 3.18.
Root Locus
0.4
0.3
0.2
0.1
Imag Axis
0
-0.1
-0.2
-0.3
-0.4
-9 -8 -7 -6 -5 -4 -3 -2 -1 0
Real Axis
Fig. 3,18 Lugar de las raíces de la función de transferencia de lazo de la ecuación (3.15)
Observe que, en este caso, también los polos son reales cuando K D varía desde cero hasta infinito.
Suponga que se selecciona un punto sobre el lugar de las raíces correspondiente una ganancia
K D = 2.9567 y polos localizados en -8.0779 y -1.8355. Luego, después de obtener la función de
transferencia de lazo cerrado, la respuesta al escalón unitario se muestra en la Fig. 3.19.
Step Response
0.8
0.7
0.6
0.5
Amplitude
0.4
0.3
0.2
0.1
0
0 0.5 1 1.5
Time (sec)
Fig. 3.19 Respuesta al escalón del sistema en lazo cerrado.
Observe que, en este caso, no se tuvo sobrepaso en la respuesta al escalón unitario, debido a que
el cero introducido en la función de transferencia de lazo cerrado no introduce una dinámica
dominante.
Caso 3. Cero del controlador ubicado a la derecha del polo de la planta ubicado
en -3
Suponga que el cero introducido por el controlador está al medio de los polos de la planta; es decir
z c > 3 . Elija z c = 5 , lo cual implica que K p = 5 K D . Con esta elección, la función de transferencia
de lazo cerrado es:

Agosto de 2004
2( s + 5) (3.16)
Gl ( s ) = Gc ( s )G ( s ) = K D
s + 4s + 3
2
cuyo lugar de las raíces, utilizando Matlab, se muestra en la Fig. 3.20.
Root Locus
2.5
1.5
0.5
Imag Axis
-0.5
-1
-1.5
-2
-2.5
-14 -12 -10 -8 -6 -4 -2 0

Real Axis
Fig. 3.20 Lugar de las raíces de la función de transferencia de lazo de la ecuación (3.16)
Observe que el lugar de las raíces tiene tanto polos reales como polos complejos conjugados. Elija
primero los puntos que se muestran en la Fig. 3.21.
Root Locus
2.5
1.5
0.5
Imag Axis
-0.5
-1
-1.5
-2
-2.5
-14 -12 -10 -8 -6 -4 -2 0

Real Axis
Fig. 3.21 Selección de polos del sistema en lazo cerrado sobre el lugar de las raíces
La ganancia derivativa correspondiente es K D = 3.0756 , los polos de lazo cerrado están en

− 5.0756 ± j 2.8274 y la respuesta al escalón del sistema de lazo cerrado se muestra en la Fig.
3.22.

Agosto de 2004
Step Response
1
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 0.2 0.4 0.6 0.8 1 1.2
Time (sec)
Fig. 3.22 Respuesta al escalón del sistema en lazo cerrado
Observe que en este caso existe una pequeña oscilación subamortiguada, debida a los polos
complejos conjugados.
También se pueden elegir los polos del sistema en lazo cerrado como se muestra en la Fig. 3.23.
Root Locus
2.5
1.5
0.5
Imag Axis
-0.5
-1
-1.5
-2
-2.5
-14 -12 -10 -8 -6 -4 -2 0

Real Axis
Fig. 3.23 Selección de un punto de alta ganancia sobre el lugar de las raíces
que corresponde a una ganancia derivativa K D = 7.9372 , polos de lazo cerrado en -13.9839 y -
5.8905. La respuesta al escalón unitario se muestra en la Fig. 3.24.
Step Response
1
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6
Time (sec)

Agosto de 2004
Observe que ha disminuido notablemente el error en estado estacionario lo que, principalmente, se

debe al incremento de la ganancia K D . En este caso, el sobrepaso se debe a la dinámica del cero
introducido en el sistema de lazo cerrado.
5.3.5 Control Proporcional-Integral (PI)
En esta sección considere el sistema de control en lazo cerrado con un controlador del tipo PI cuya
señal de control se calcula de la siguiente manera:
t (3.17)
u (t ) = K p e(t ) + K I ∫ e(τ )dτ
0
Aquí K p es la ganancia proporcional y K I es la ganancia integral del controlador. La función de

transferencia de este controlador puede ser puesta en el dominio de la transformada de Laplace
como:
U ( s) s + zc (3.18)
Gc ( s ) = = Kp
E (s) s
donde − z c es un cero ajustable introducido por el controlador y K p , la ganancia proporcional, es la

ganancia variable del controlador. El valor de z c está dado por: K I / K p . Note también que tiene un
polo fijo en el origen, lo que convierte a la función de transferencia de lazo Gl ( s ) = Gc ( s )G ( s ) en
un sistema tipo 1, lo cual implica que, siempre que el sistema en lazo cerrado sea estable, el error en
estado estacionario a una entrada escalón es cero.
El controlador PI, como el controlador PD, también tiene dos grados de libertad: el primero introduce
en Gl (s ) una ganancia ajustable y el segundo introduce un cero ajustable con la ganancia integral
del controlador.
Sustituyendo la ecuación del controlador (3.18) en la función de transferencia de lazo cerrado (3.11)
se obtiene:
Gc ( s)G ( s) K p b( s + z c ) (3.19)
Gcl ( s) = = 3
1 + Gc ( s)G ( s) s + a1 s 2 + (a 2 + K p b) s + K p bz c
Note que el sistema de lazo cerrado es ahora de tercer orden con un cero real. También note que los
parámetros del controlador afectan a sólo dos de los tres coeficientes del polinomio denominador de
la función de transferencia de lazo cerrado

Agosto de 2004
Caso 1. Cero del controlador ubicado a la izquierda del polo de la planta ubicado
en -1
Suponga ahora que el cero introducido por el controlador está a la derecha del polo de la planta
ubicado en -1; es decir z c < 1 . Elija z c = 0.5 , lo cual implica que K I = 0.5 K p . Con esta elección,
la función de transferencia de lazo es:
2( s + 0.5) (3.20)
G c ( s )G ( s ) = K p
s ( s 2 + 4 s + 3)
El lugar de las raíces resultante, utilizando Matlab, está dado en la Fig. 3.25.
Root Locus
4
1
Imag Axis
-1
-2
-3
-4
-3 -2.5 -2 -1.5 -1 -0.5 0
Real Axis
Fig. 3.25 Lugar de las raíces de la función de transferencia de lazo dada en la ecuación (3.20)
Observe que existen dos ramas del lugar de las raíces que se dirigen a ceros que están en el infinito
con ángulos de asíntotas de +90º y -90º, respectivamente.
Seleccione el punto de salida del eje real como se muestra en la Fig. 3.26
Root Locus
4
1
Imag Axis
-1
-2
-3
-4
-3 -2.5 -2 -1.5 -1 -0.5 0
Real Axis

Agosto de 2004
La ganancia proporcional del controlador para el punto seleccionado es K p = 0.6719 , uno de los
polos del sistema en lazo cerrado está ubicado en el punto -0.1846 del eje real y los otros dos están
en el punto -1.9077. La función de transferencia de lazo cerrado es:
1.244 s + 0.6719 (3.21)

Gcl ( s ) =
s + 4 s 2 + 4.344 s + 0.6719
3
Por su parte, la respuesta al escalón unitario se puede encontrar utilizando Matlab, lo que resulta en
la gráfica que se muestra en la Fig. 3.28.
Step Response
1
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8
Time (sec)
Observe el crecimiento bastante lento de la respuesta. Sin embargo, como el sistema es de tipo 1,
se espera que el error en estado estacionario sea cero.
Seleccione ahora un punto con mayor ganancia proporcional. La selección de este punto produce la
ganancia K p = 8.0912 y los polos de lazo cerrado ubicados en -0.461 y − 1.7695 ± j 3.7973 . Por
su parte, la función de transferencia del sistema es:
16.18s + 8.091 (3.22)

Gcl ( s ) =
s + 4 s 2 + 19.18s + 8.091
3

Agosto de 2004
Step Response
1.4
1.2
0.8
Amplitude
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7
Time (sec)
Observe cómo ha mejorado la velocidad de respuesta del sistema, aunque también se muestra un
sobrepaso menor al 20%. Compare también los valores de las ganancias: en el primer caso la
ganancia K p = 0.6719 , mientras que en el segundo la ganancia es de 8.0912. Note también que el
tiempo de crecimiento y el tiempo pico son menores a 1 seg. El acercamiento lento a la referencia se
debe al cero del sistema de lazo cerrado.
Caso 2. Cero del Controlador ubicado al medio de los polos de la planta
Suponga ahora que el cero introducido por el controlador está al medio de los polos de la planta; es
decir z c ∈ (1,3) . Elija z c = 2 , lo cual implica que K I = 2 K p . Con esta elección, la función de
transferencia de lazo es:
2( s + 2) (3.23)
Gl ( s ) = Gc ( s )G ( s ) = K p
s ( s 2 + 4 s + 3)
cuyo lugar de las raíces, utilizando Matlab, es el que se muestra en la Fig. 3.30.
Root Locus
2
Imag Axis
-2
-4
-6
-3 -2.5 -2 -1.5 -1 -0.5 0

Real Axis
Fig. 3.30 Lugar de las raíces de la función de transferencia de lazo dada en la ecuación (3.23)

Agosto de 2004
Compare este lugar de las raíces con el obtenido en el Caso 1. Observe cómo en ambos casos el
cero del controlador actúa como un atractor del lugar de las raíces. Sin embargo, a diferencia del
caso anterior, los polos subamortiguados son más dominantes en el sentido de que están más cerca
del eje real.
Seleccione ahora, un punto cercano al punto de salida del eje real como se muestra en la Fig. 3.31.
Root Locus
2
Imag Axis
-2
-4
-6
-3 -2.5 -2 -1.5 -1 -0.5 0

Real Axis
El punto seleccionado corresponde a una ganancia proporcional del controlador dada por
K p = 0.2096 , que produce los polos de lazo cerrado ubicados en los puntos -2-931, -0.5345 y -
0.5345. La respuesta al escalón unitario del sistema en lazo cerrado se muestra en la Fig. 3.32
Step Response
1
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 2 4 6 8 10 12
Time (sec)
Observe que la respuesta es sobreamortiguada y con un crecimiento mayor al observado en el

correspondiente ejemplo del Caso 1. Esto se explica porque el polo dominante, en el Caso 1, está
mucho más cerca del eje imaginario. En cambio, los puntos elegidos en este ejemplo están más
alejados y son, además, los polos más dominantes del sistema que no producen sobrepaso.
Ahora elija un punto con mayor ganancia proporciona, como se muestra en la Fig. 3.33.

Agosto de 2004
Root Locus
Imag Axis
0
-2
-4
-6
-3 -2.5 -2 -1.5 -1 -0.5 0

Real Axis
Fig. 3.33 Selección de un punto de ganancia alta sobre el lugar de las raíces
En este caso, K p = 8.2834 y los polos del sistema en lazo cerrado están ubicados en
− 0.9369 ± j 3.8347 y -2.1263. Por su parte, la respuesta al escalón se muestra en la Fig. 3.34.
Step Response
1.6
1.4
1.2
1
Amplitude
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6
Time (sec)
Observe que la respuesta es más rápida, pero tiene un sobrepaso de más del 50%. Sin embargo,
aunque en muchas aplicaciones esto puede no ser permisible, note que la respuesta es mucho más
rápida en cuanto a tiempo de crecimiento y tiempo de asentamiento.
Caso 3. Cero del controlador ubicado a la derecha del polo de la planta ubicado
en -3
Suponga ahora que el cero introducido por el controlador está al medio de los polos de la planta; es
decir z c > 3 . Elija z c = 5 , lo cual implica que K I = 5 K p . Con esta elección, la función de
transferencia de lazo es:
2( s + 5) (3.24)
G c ( s )G ( s ) = K p
s ( s 2 + 4 s + 3)
cuyo lugar de las raíces, obtenido con Matlab, se muestra en la Fig. 3.35.

Agosto de 2004
Root Locus
15
10
Imag Axis
0
-5
-10
-15
-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0

Real Axis
Fig. 3.35 Lugar de las raíces de la función de transferencia de lazo dada por la ecuación (3.24)
Observe que el sistema es inestable para altas ganancias proporcionales del controlador. La
ganancia más alta, sin que el sistema pierda estabilidad, puede encontrarse seleccionando el punto
donde el lugar de las raíces cruza el eje imaginario, como se muestra en la Fig. 3.36.
Root Locus
15
10
5
Imag Axis
-5
-10
-15
-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0

Real Axis
Fig. 3.36 Selección de un punto cercano al eje imaginario sobre el lugar de las raíces
En este caso, note que el valor de la ganancia, K p , es inferior a 5.8839. Con este valor, el sistema
en lazo cerrado tiene sus polos en -3.9924 y − 0.0038 ± j 3.839 . La respuesta al escalón unitario
se muestra en la Fig. 3.37.

Agosto de 2004
Step Response
2
1.8
1.6
1.4
1.2
Amplitude
1
0.8
0.6
0.4
0.2
0
0 500 1000 1500
Time (sec)
Fig. 3.37 Respuesta al escalón del sistema en lazo cerrado cuyos polos dominantes se encuentran muy
próximos al eje imaginario
Note el comportamiento subamortiguado del sistema debido a la pequeña contribución negativa de

la parte real de los polos seleccionados. También note que el tiempo de simulación efectuado es de
1500 seg.
Un valor de ganancia ligeramente superior, produciría un sistema inestable. Por ejemplo para una
ganancia K p = 6 se obtendría la respuesta al escalón unitario mostrada en la Fig. 3.38, que
corresponde a un sistema oscilatorio cuyos polos se encuentran en el margen de la estabilidad.
Step Response
2
1.8
1.6
1.4
1.2
Amplitude
0.8
0.6
0.4
0.2
0
0 2 4 6 8 10 12 14 16
Time (sec)
Fig. 3.38 Respuesta al escalón unitario del sistema en lazo cerrado cuyos polos dominantes se encuentran sobre
el eje imaginario
5.3.6 Control Proporcional-Integral-Derivativo (PID)
Considere el sistema de control en lazo cerrado con un controlador del tipo PID, cuya expresión es la
siguiente:
t
de(t ) (3.25)
u (t ) = K p e(t ) + K I ∫ e(τ )dτ + K D
0
dt

Agosto de 2004
donde K p es la ganancia proporcional, K I es la ganancia integral y K D es la ganancia derivativa

del controlador. La función de transferencia del controlador PID puede ser puesta en el dominio de la
transformada de Laplace como:
U ( s) s 2 + b1 s + b2 ( s + z c1 )( s + z c 2 ) (3.26)
Gc ( s ) = = KD = KD
E (s) s s
donde − z c1 y − z c 2 son los ceros ajustables introducidos por el controlador y K D , la ganancia

derivativa, es la ganancia variable del sistema en lazo abierto. El valor de b1 está dado por:
K p / K D y el valor de b2 por K I / K D . Note también que tiene un polo fijo en el origen, que
convierte a la función de transferencia de lazo, Gl ( s ) = Gc ( s )G ( s ) , en un sistema tipo 1.
El controlador PID tiene tres grados de libertad; el primero introduce una ganancia ajustable del
sistema en lazo abierto y los otros dos introducen ceros ajustables con la ganancia proporcional e
integral del controlador.
Sustituyendo la ecuación del controlador en la función de transferencia de lazo cerrado se obtiene:
Gc ( s )G ( s ) K D b( s 2 + b1 s + b2 ) (3.27)
Gcl ( s ) = = 3
1 + Gc ( s )G ( s ) s + (a1 + bK D ) s 2 + (a 2 + K D bb1 ) s + K D bb2
Note que Gcl (s ) es también de tercer orden, como lo es el sistema de lazo cerrado con control PI.
Sin embargo, en este caso, los parámetros del controlador afectan a los tres coeficientes del
polinomio característico de Gcl (s ) . Con K D se puede ajustar el primer coeficiente; con
b1 = K p / K D el segundo coeficiente y con b2 = K I / K D el tercero.
Ubicando los ceros del controlador en diferentes localizaciones, se pueden obtener diferentes formas
del lugar las raíces y, por tanto, diferentes tipos de comportamiento del sistema de lazo cerrado.
como se muestra a continuación en el análisis de los siguientes casos.
Caso 1.- Considere el lugar de las raíces que se muestra en la siguiente figura. El lugar de las raíces
ha sido obtenido ubicando ambos ceros del controlador dentro del intervalo [-1,0]. En este caso, los
polos de Gcl (s ) fueron elegidos cercanos a los ceros del sistema de lazo abierto. Por su parte la
respuesta al escalón es bastante lenta (el tiempo de simulación es de 45 seg.), comparada con los
casos siguientes.

Agosto de 2004
Root Locus Step Response

1
0.4
0.9
0.3
0.8
0.2 0.7
0.1 0.6
Imag Axis
Amplitude
0 0.5
-0.1 0.4
-0.2 0.3
0.2
-0.3
0.1
-0.4
0
-9 -8 -7 -6 -5 -4 -3 -2 -1 0 0 5 10 15 20 25 30 35 40 45
Real Axis Time (sec)
ha sido obtenido ubicando ambos ceros del controlador dentro del intervalo [-3,-3]. Los polos de
Gcl (s ) fueron elegidos de forma que se obtenga la respuesta más rápida posible (los polos
corresponden al punto de llegada al eje real del lugar de las raíces). Observe la respuesta al escalón
unitario. Aquí es importante observar que el tiempo de simulación es de 3 seg (mucho más rápida
que en el caso anterior).

1.4
0.6
1.2
0.4
1
0.2
0.8
Imag Axis
Amplitude
0.6
-0.2
0.4
-0.4
0.2
-0.6
0
-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0 0.5 1 1.5 2 2.5 3
ha sido obtenido ubicando ambos ceros del controlador a la izquierda de los tres polos del sistema
de lazo abierto. Los polos de Gcl (s ) fueron elegidos de forma que se obtenga la respuesta más
rápida posible (los polos corresponden al punto de llegada al eje real del lugar de las raíces).
Observe la respuesta al escalón unitario. Aquí es importante observar que el tiempo de simulación
es de 0.6 seg (mucho más rápida que en los casos anteriores).

Agosto de 2004

1.4
5
4 1.2
3
1
2
1
0.8
Imag Axis
Amplitude
0
0.6
-1
-2
0.4
-3
-4 0.2
-5
0
-18 -16 -14 -12 -10 -8 -6 -4 -2 0 0 0.1 0.2 0.3 0.4 0.5 0.6
Caso 4.- Considere el lugar de las raíces que se muestra en la siguiente figura, el cual fue obtenido
ubicando un cero del controlador dentro del intervlo [-1,0] y el otro cero dentro del intervalo [-3,-1]. En
este caso, los polos de Gcl (s ) fueron elegidos cercanos a los ceros del sistema de lazo abierto. La
respuesta al escalón es relativamente lenta (el tiempo de simulación es de 9 seg.), comparada con
los casos 2 y 3.

1
0.4
0.9
0.3
0.8
0.2 0.7
0.1 0.6
Imag Axis
Amplitude
0 0.5
-0.1 0.4
-0.2 0.3
0.2
-0.3
0.1
-0.4
0
-9 -8 -7 -6 -5 -4 -3 -2 -1 0 0 1 2 3 4 5 6 7 8 9
ubicando un cero dentro del intervalo [-3,-1] y el otro cero a la izquierda de los tres polos del sistema
de lazo abierto. Los polos de Gcl (s ) fueron elegidos de forma que se obtenga la respuesta más
rápida posible (los polos corresponden al punto de llegada al eje real del lugar de las raíces).
Observe la respuesta al escalón unitario. Aquí es importante observar que el tiempo de simulación
es de 0.9 seg., una respuesta más lenta que en el Caso 3.

Agosto de 2004

1.4
2.5
2
1.2
1.5
1
1
0.5
0.8
Imag Axis
Amplitude
0
0.6
-0.5
-1
0.4
-1.5
-2 0.2
-2.5
0
-10 -8 -6 -4 -2 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
ubicando ambos ceros de forma que sean complejos conjugados con parte real dentro del intervalo
[-3,-1]. En este caso los polos de Gcl (s ) fueron elegidos como se muestra en la figura. El tiempo de
simulación es de 5 seg.

1.4
1.5
1.2
1
1
0.5
0.8
Imag Axis
Amplitude
0.6
-0.5
0.4
-1
0.2
-1.5
0
-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Los seis casos anteriores permiten tener una idea de cómo elegir los parámetros del controlador
para obtener una buena respuesta del sistema de lazo cerrado. Observe que, para lograr respuestas
rápidas, se deben ubicar los ceros del controlador lo más alejados posibles a la izquierda de los
polos de la planta y luego elegir un punto, preferentemente sobre el eje real.

Agosto de 2004
Capítulo 6: Análisis y Diseño de Sistemas de Control en el Dominio de la Frecuencia
6 Análisis y Diseño de Sistemas de Control en el

Dominio de la Frecuencia
6.1 Representaciones gráficas de la respuesta en frecuencia
Considere la función de transferencia de una planta definida por la relación entre la transformada
de Laplace de su salida con respecto a la transformada de Laplace de su entrada:
Y ( s) (1.1)
G( s) =
U ( s)
donde Y (s ) es la transformada de Laplace de la salida y U (s ) es la transformada de Laplace

de la entrada. Si se aplica la entrada u (t ) = sin(ωt ) , la correspondiente salida en estado
estacionario está dada por:
y (t ) = G ( jω ) sin(ωt + arg G ( jω )) (1.2)
donde:
G ( jω ) es la magnitud de la salida y arg G ( jω ) es la fase dadas por:
G ( jω ) = Re 2 G ( jω ) + Im 2 G ( jω ) (1.3)
⎛ ImG ( jω ) ⎞
arg G ( jω ) = tan −1 ⎜⎜ ⎟⎟
⎝ ReG ( jω ) ⎠
Note que la respuesta del sistema a la entrada senoidal es también una señal senoidal de la
misma frecuencia desfasada y con una amplitud que depende de la frecuencia de la señal de
entrada.
Existen tres representaciones gráficas de la respuesta en frecuencia:
o Diagramas de Bode
o Diagramas de Nyquist
o Diagramas de Nichols
En estos apuntes, sólo se consideran las dos primeras representaciones.
6.1.1 Diagramas de Bode
Un diagrama de Bode está conformado por dos gráficas: una de ellas muestra la magnitud
logarítmica en dB (decibeles) de la respuesta en función de la frecuencia presentada en una
escala logarítmica y, la otra, muestra el ángulo de fase de la respuesta con respecto a la señal
de entrada en función de la frecuencia presentada en escala logarítmica.

Agosto de 2004
Factores simples.
Una función de transferencia racional, G (s ) , se puede expresar como:
⎛ (1.4)
s ⎛⎜ s ⎞⎟ ⎞⎟
2
n1 n2
⎜
K ∏ (1 + sTi )∏ ⎜1 + 2ξ +
i =1 j =1 ω nj ⎜⎝ ω nj ⎟⎠ ⎟
G(s) = ⎝ ⎠
d3 ⎛ ⎛ s ⎞ ⎞⎟
2
d2
s d1 ∏ (1 + sTi )∏ ⎜⎜1 + 2ξ '
s
+⎜ ⎟
i =1 j =1 ω ' nj ⎜⎝ ω ' nj ⎟⎠ ⎟
⎝ ⎠
Note que los factores en el numerador y en el denominador son de los siguientes tipos:
K Ganancia
( j ω )± 1 Factores derivativo e integral
(1 + jω )±1 Factores lineales
⎛ 2
⎞
±1 Factores cuadráticos
⎜1 + 2ξ jω + ⎛⎜ jω ⎞⎟ ⎟
⎜ ω n ⎜⎝ ω n ⎟⎠ ⎟
⎝ ⎠
La ventaja del uso de los diagramas de Bode es que la multiplicación de magnitudes se convierte
en adición de cantidades logarítmicas. Por tanto, si se factoriza la función de transferencia,
entonces la respuesta en frecuencia se puede obtener a partir de la contribución individual de
cada uno de los factores que la componen.
La representación gráfica de cada factor en el dominio de la frecuencia se muestra como sigue:
Ganancia K
En este caso, la respuesta en frecuencia satisface las siguientes relaciones:
dB = 20 log K (1.5)
arg K = 0º
El diagrama de Bode, obtenido con Matlab se muestra en la Fig. 1.1.

Agosto de 2004
Bode Diagram
15
14.5
Magnitude (dB)
14
13.5
13
12.5
1
0.5
Phase (deg)
-0.5
-1
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 1.1 Diagrama de Bode de una ganancia pura
Factor integral
La respuesta en frecuencia de un factor derivativo se obtiene a partir de las siguientes

expresiones:
dB = 20 log ( jω ) −1 = −20 log ω (1.6)
arg( jω ) −1 = −90º
El diagrama de Bode, obtenido utilizando Matlab se muestra en la Fig. 1.2.

Bode Diagram
40
20
Magnitude (dB)
-20
-40
-60
-89
-89.5
Phase (deg)
-90
-90.5
-91
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 1.2 Diagrama de Bode de un factor integral
Observe que el diagrama de magnitud cruza por 0 dB en la frecuencia ω = 1, lo cual es fácil

verificar a partir de la expresión de magnitud.
Factor derivativo
La respuesta en frecuencia de un factor derivativo se obtiene a partir de las siguientes

expresiones:

Agosto de 2004
dB = 20 log jω = 20 log ω (1.7)

arg( jω ) = 90º
El diagrama de Bode, obtenido utilizando Matlab, se muestra en la Fig. 1.3

Bode Diagram
60
40
Magnitude (dB) 20
-20
-40
91
90.5
Phase (deg)
90
89.5
89
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 1.3 Diagrama de Bode de un factor derivativo
Observe que el diagrama de magnitud cruza por 0 dB en la frecuencia ω = 1, lo cual es fácil

verificar a partir de la expresión de magnitud.
1
Factor
1 + jωT
En este caso, la respuesta de magnitud y de fase se calculan a partir de las siguientes

expresiones:
1 (1.8)
dB = 20 log = −20 log 1 + ω 2T 2
1 + jω T
⎛ 1 ⎞
φ = arg⎜⎜ ⎟⎟ = − tan −1 ωT
⎝ 1 + j ω T ⎠
Para T = 1 , el diagrama de Bode de este factor, obtenido con Matlab, se muestra en la Fig. 1.4

Agosto de 2004
Bode Diagram
0
-20
Magnitude (dB)
-40
-60
-80
0
Phase (deg)
-45
-90
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 1.4 Diagrama de Bode de un factor lineal en el denominador
1
Observe que en bajas frecuencias ( ω << ), la respuesta de magnitud puede aproximarse por:
T
− 20 log 1 + ω 2T 2 ≈ −20 log1 = 0dB (1.9)
1
Por su parte, en altas frecuencias ( ω >> ), la respuesta de magnitud puede aproximarse por:
T
− 20 log 1 + ω 2T 2 ≈ −20 log ωT (1.10)
Por tanto, la curva de respuesta en frecuencia puede ser aproximada por dos asíntotas rectas.
La frecuencia a la cual se intersectan las asíntotas se denomina frecuencia de corte y su valor
1
está dado por ω = . Por otro lado, el error máximo del comportamiento asintótico con respecto
T
a la curva real es de 3 dB y ocurre en la frecuencia de corte.
También observe que, para una frecuencia cero, el ángulo de fase es de 0º. Por su parte, en la
frecuencia de corte el ángulo de fase es:
⎛T ⎞ (1.11)
φ = − tan −1 ⎜ ⎟ = − tan −1 1 = −45º
⎝T ⎠
Finalmente, cuando ω → ∞ , el ángulo de fase es φ = −90º .
Factor 1 + jωT

expresiones:

Agosto de 2004
dB = 20 log 1 + jωT = 20 log 1 + ω 2T 2 (1.12)
φ = arg(1 + jωT ) = tan −1 ωT
Para T = 1 , el diagrama de Bode de este factor, obtenido con Matlab, se muestra en la Fig. 1.5.
Bode Diagram
80
60
Magnitude (dB)
40
20
0
90
Phase (deg)
45
0
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 1.5 Diagrama de Bode de un factor lineal en el numerador
1
Observe que en bajas frecuencias ( ω << ), la respuesta de magnitud puede aproximarse por:
T
20 log 1 + ω 2T 2 ≈ 20 log 1 = 0dB (1.13)
1
Por su parte, en altas frecuencias ( ω >> ), la respuesta de magnitud puede aproximarse por:
T
20 log 1 + ω 2T 2 ≈ 20 log ωT (1.14)
1
está dado por ω = . Por otro lado, el error máximo del comportamiento asintótico con respecto
T
a la curva real es de 3 dB y ocurre en la frecuencia de corte.
También observe que, para una frecuencia cero, el ángulo de fase es de 0º. Por su parte, en la
frecuencia de corte el ángulo de fase es:
⎛T ⎞ (1.15)
φ = tan −1 ⎜ ⎟ = tan −1 1 = 45º
⎝T ⎠
Finalmente, cuando ω → ∞ , el ángulo de fase es φ = 90 º .

Agosto de 2004
1
Factor 2
jω⎛ jω ⎞
1 + 2ξ + ⎜⎜ ⎟
ω n ⎝ ω n ⎟⎠

expresiones:
(1.16)
2
1 ⎛ ω2 ⎞ ⎛ ω ⎞
dB = 20 log = −20 log ⎜⎜1 − 2 ⎟⎟ + ⎜⎜ 2ξ ⎟⎟
⎝ ωn ⎠ ⎝ ωn
2
⎛ jω ⎞ ⎛ j ω ⎞ ⎠
1 + 2ξ ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟
⎝ ωn ⎠ ⎝ ωn ⎠
⎛ ⎞
⎜ 2ξ ω ⎟
⎜ ωn ⎟
φ = tan −1 ⎜ 2
⎟
⎜ ⎛ω ⎞ ⎟
⎜ 1 − ⎜⎜ ⎟⎟ ⎟
⎝ ⎝ ωn ⎠ ⎠
Para ξ = 1 y ω n = 1 , el diagrama de Bode, obtenido con Matlab, se muestra en la Fig. 1.6
Bode Diagram
0
Magnitude (dB)
-50
-100
-150
0
-45
Phase (deg)
-90
-135
-180
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 1.6 Diagrama de Bode de un factor cuadrático en el denominador
Observe que en bajas frecuencias ( ω << ω n ), la respuesta de magnitud puede aproximarse por:
dB ≈ −20 log 1 = 0dB (1.17)
Por su parte, en altas frecuencias ( ω >> ω n ), la respuesta de magnitud puede aproximarse por:
ω2 ω (1.18)
dB ≈ −20 log 2 = −40 log
ωn ωn

Agosto de 2004
está dado por ω = ω n .
Por su parte, en ω = 0 el ángulo de fase es 0º; en ω = ω n es -90º y en ω = ∞ es -180º.
Las curvas de respuesta en frecuencia para valores de ξ desde 0.1 hasta 1, obtenidas con
Matlab, se muestran en la Fig. 1.7.
Bode Diagram
50
0
Magnitude (dB)
-50
-100
-150
0
-45
Phase (deg)
-90
-135
-180
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 1.7 Diagrama de Bode de un factor cuadrático en el denominador para diferentes valores del coeficiente
de amortiguamiento
En la figura anterior, observe que en la gráfica de magnitud, la curva con mayor pico de
resonancia corresponde al sistema con menor coeficiente de amortiguamiento. Por su parte, en
la gráfica de fase, la curva con mayor pendiente corresponde al sistema con menor coeficiente
de amortiguamiento.
Frecuencia de resonancia y valor pico de resonancia
La magnitud del factor cuadrático:
1 (1.19)
G ( jω ) = 2
⎛ jω ⎞ ⎛ j ω ⎞
1 + 2ξ ⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟
ω
⎝ n⎠ ⎝ n⎠ ω
está dada por:
G ( jω ) =
1 ⎡ ω 2 − ω n2 1 − 2ξ 2 ⎤ ( ) ( )
(1.20)
=⎢ ⎥ + 4ξ 1 − ξ
2 2
⎛ ω2 ⎞ ⎛ ω ⎞
2
⎣ ωn 2
⎦
⎜1 − 2 ⎟ + ⎜⎜ 2ξ ⎟
⎟
⎜ ω ⎟
⎝ n ⎠ ⎝ ωn ⎠

Agosto de 2004
Si G ( jω ) tiene un valor pico en alguna frecuencia ω r , ésta se denomina frecuencia de

resonancia. El valor pico ocurre cuando la función dada por:
⎛ ω2 ⎞ ⎛
2
⎞
2 (1.21)
ω
g (ω ) = ⎜⎜1 − 2 ⎟⎟ + ⎜⎜ 2ξ ⎟⎟
⎝ ωn ⎠ ⎝ ωn ⎠
toma su valor mínimo. El valor de la frecuencia a la que ocurre el valor mínimo de la ecuación
(1.21) se obtiene derivando la función e igualándola a cero, lo que resulta en la siguiente
expresión:
ω r = ω n 1 − 2ξ 2 para 0 ≤ ξ ≤ 0.707 . (1.22)
Por su parte, la magnitud pico de resonancia M r , para 0 ≤ ξ ≤ 0.707 está dada por:
1 (1.23)
M r = G ( jω r ) =
2ξ 1 − ξ 2
Conforme ξ → 0 se tiene que M r → ∞ .
También note que:
1 − 2ξ 2 ξ (1.24)
∠G ( jω r ) = − tan −1
= −90º + sin −1
ξ 1−ξ 2
A manera de ejemplo, considere la función de transferencia de segundo orden dada por:
25 (1.25)
G ( s) = , con ξ = 0.01
s + 10ξs + 25
2
la frecuencia de resonancia, el pico de resonancia y la fase en el pico de resonancia de la

respuesta en frecuencia del sistema (1.25) pueden ser calculados como sigue:
ω r = ω n 1 − 2ξ 2 = 5 1 − 2 ⋅ 0.012 = 4.9995 (1.26)

1 1 (1.27)
Mr = = = 50.0025 = 33.9798 dB
2ξ 1 − ξ 2
2 ⋅ 0.01 1 − 0.01 2
ξ 0.01 (1.28)
∠G ( jω r ) = −90º + sin −1 = −90º + sin −1 = −89.427 º
1−ξ 2
1 − 0.012
El diagrama de Bode de la ecuación (1.25) se muestra en la Fig. 1.8.

Agosto de 2004
Bode Diagram
40
20
Magnitude (dB)
0
-20
-40
-60
0
-45
Phase (deg)
-90
-135
-180
0 1 2
10 10 10
Frequency (rad/sec)
Fig. 1.8 Diagrama de Bode del sistema dado por la ecuación (1.25)
Note que el pico de resonancia depende sólo del coeficiente de amortiguamiento, como ocurre
con el máximo sobrepaso en la respuesta al escalón unitario del sistema. Por tanto, dado el pico
de resonancia y el máximo sobrepaso en la repuesta al escalón unitario pueden ser
relacionados a través del coeficiente de amortiguamiento. Despejando ξ de la ecuación (1.23)
se obtiene:
1 (1.29)
1− 1−
M r2
ξ=
2
Sustituyendo ξ en la expresión:
−
ξπ (1.30)
1−ξ 2
Mp =e
se obtiene el máximo sobrepaso de la respuesta al escalón unitario. En el caso del sistema dado
por la ecuación (1.25) se tiene:
1 (1.31)
1− 1− 1
1− 1−
M r2 50.0025 2
ξ= = = 0.01
2 2
Sustituyendo la ecuación (1.31) en (1.30) se obtiene:
−
ξπ
−
0.01*π (1.32)
1−ξ 2
Mp =e =e 1− 0.012
= 0.9691
25
Es decir el sistema G ( s ) = , con ξ = 0.01 tiene un sobrepaso del 96.91%
s + 10ξs + 25 2
como se muestra en la respuesta al escalón del sistema de la Fig. 1.9, obtenida con Matlab.

Agosto de 2004
Step Response
2
1.8
1.6
1.4
1.2
Amplitude
1
0.8
0.6
0.4
0.2
0
0 20 40 60 80 100 120
Time (sec)
Fig. 1.9 Respuesta al escalón del sistema dado por la ecuación (1.23)
2
⎛ jω ⎞
jω
Factor 1 + 2ξ + ⎜⎜ ⎟
ω n ⎝ ωn ⎟⎠
En este caso, las curvas de respuesta en frecuencia se pueden obtener simplemente si se

invierte el signo de la magnitud logarítmica y el ángulo de fase del factor:
1
2
(1.33)
jω ⎛ jω ⎞
1 + 2ξ + ⎜⎜ ⎟
ω n ⎝ ω n ⎟⎠
De esta manera, utilizando Matlab, las gráficas de Bode variando el coeficiente de

amortiguamiento ξ se muestran en la Fig. 1.10.
Bode Diagram
150
100
Magnitude (dB)
50
-50
180
135
Phase (deg)
90
45
0
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 1.10 Diagramas de Bode de factores cuadráticos en el numerador, obtenidos variando el coeficiente de
amortiguamiento ξ .
Compare la Fig. 1.10 con la Fig. 1.7. Observe la simetría de los diagramas de Bode con respecto
al eje de 0 dB.

Agosto de 2004
Diagramas de Bode de una Función de Transferencia con varios tipos de

factores
Considere el sistema con función de transferencia:
10( s + 3) (1.34)
G ( s) =
s ( s + 2)( s 2 + s + 2)
El sistema, en el dominio de la frecuencia, puede ser puesto de la forma:
⎛ jω ⎞ (1.35)
7.5⎜ + 1⎟
G ( jω ) = ⎝ 3 ⎠
⎛ j ω ⎞ ⎡ ( jω ) jω ⎤
2
jω ⎜ + 1⎟ ⎢ + + 1⎥
⎝ 2 ⎠⎣ 2 2 ⎦
La contribución de cada uno de los factores se muestra en la Fig. 1.11.
Bode Diagram
100
50
Magnitude (dB)
-50
-100
-150
90
45
0
Phase (deg)
-45
-90
-135
-180
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 1.11 Contribución de cada uno de los factores de la función de transferencia dada en la ecuación (1.35)
Note que la suma punto a punto de la respuesta en frecuencia de cada uno de los factores
individuales resulta en la respuesta en frecuencia de la función de transferencia del sistema,
como se muestra a continuación en la Fig. 1.12.

Agosto de 2004
Bode Diagram
100
50
Magnitude (dB)
0
-50
-100
-150
-200
-90
-135
Phase (deg)
-180
-225
-270
-2 -1 0 1 2 3
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 1.12 Diagrama de Bode de la respuesta en frecuencia del sistema de la ecuación (1.35)
Sistemas de Fase No Mínima
Las funciones de transferencia que no tienen ceros en el semiplano derecho del plano s, son
funciones de transferencia de fase mínima. Por su parte, las funciones de transferencia que
tienen ceros en el semiplano derecho del plano s son funciones de transferencia de fase no
mínima.
Considere, por ejemplo, las funciones de transferencias:
1 + jω T 1 − jω T (1.36)
G1 ( s ) = y G2 (s) =
1 + jωT1 1 + jωT1
cuyos respectivos diagramas de Bode se muestran en la Fig. 1.13.
Bode Diagram
15 Bode Diagram
15
Magnitude (dB)
10
Magnitude (dB)
10
5
5
0
0
60
0
-45
Phase (deg)
Phase (deg)
30 -90
-135
0 -180
-2 -1 0 1 2 3 -2 -1 0 1 2 3
10 10 10 10 10 10 10 10 10 10 10 10
Frequency (rad/sec) Frequency (rad/sec)
Fig. 1.13 Diagramas de Bode de los sistemas dados en la ecuación (1.36)
Note que ambas funciones de transferencia tienen el mismo diagrama de magnitud pero
diferente diagrama de fase.
Sistemas con retardo de transporte
Un retardo de transporte puro puede ser representado por la siguiente función de transferencia:
Agosto de 2004
G ( s) = e − sT (1.37)
donde T es el retardo de transporte. Puesto en términos de la frecuencia, la ecuación anterior

se convierte en:
G ( jω ) = e − jωT (1.38)
La respuesta en frecuencia de un retardo puro tiene las siguientes características:
La magnitud es siempre unitaria, puesto que:
G ( jω ) = cos ωT − j sin ωT = 1 (1.39)
Por su parte, la fase está dada por:
arg G ( jω ) = −ωT (1.40)
Para manejar el retardo de tiempo, usualmente no se expande la función como una serie de
Taylor. Normalmente se usa la llamada aproximación de Padé que aproxima la función como una
razón de dos polinomios. La aproximación de Padé más simple es la de primer orden:
T (1.41)
1− s
e −Ts ≈ 2
T
1+ s
2
Esta forma sirve para muchos propósitos. El término del denominador introduce un polo negativo
en el semiplano izquierdo del plano complejo s y así introduce probables efectos dinámicos al
polinomio característico del sistema en lazo cerrado. Por su parte, el numerador introduce un
cero positivo en el semiplano derecho del plano complejo s que es necesario para darle una
características de fase no mínima al sistema. La aproximación de Padé de primer orden es más
precisa que la expansión en series de Taylor de primer orden.
Existen también aproximaciones de alto orden. Por ejemplo, la aproximación de Padé de

segundo orden está dada por:
−Ts T 2 s 2 − 6Ts + 12 (1.42)

e ≈ 2 2
T s + 6Ts + 12
Nuevamente, esta forma introduce polos en el semiplano izquierdo y al menos un cero en el

semiplano derecho. La Fig. 1.14 muestra el diagrama de Bode de una aproximación de Padé de
orden 10, obtenida con Matlab, de un retardo puro de T = 0.1 seg .

Agosto de 2004
-5
x 10 Bode Diagram
1
0.5
Magnitude (dB)
0
-0.5
-1
0
-90
-180
Phase (deg)
-270
-360
-450
-540
-630
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
Fig. 1.14 Diagrama de Bode de un retardo de transporte puro utilizando una aproximación de Padé de orden
10
Note que la aproximación de Pade es válida sólo en un rango de frecuencias, como se puede
observar cuando se amplía el rango de frecuencia anterior a un valor de 1000 rad/seg:
-6
x 10 Bode Diagram
5
Magnitude (dB)
-5
-10
0
-360
Phase (deg)
-720
-1080
-1440
-1800
-1 0 1 2 3
10 10 10 10 10
Frequency (rad/sec)
Fig. 1.15 Diagrama de Bode de un retardo de transporte puro utilizando una aproximación de Padé de orden
10 en un mayor rango de frecuencia.
Observe que en este caso, existe una frecuencia donde la curva de fase cambia de pendiente.
Esto es debido a que se aproxima al retardo por un sistema de orden finito.
6.1.2 Diagrama de Nyquist
Es una gráfica de la magnitud de G ( jω ) contra el ángulo de fase en coordenadas polares,

conforma ω varía desde − ∞ hasta ∞ . En Matlab, para obtener el diagrama de Nyquist se
utiliza la función nyquist.
Factores constantes, simples y cuadráticos

Los diagramas de Nyquist, correspondientes los factores vistos en los diagramas de Bode se
muestran en la Fig. 1.16.
Agosto de 2004
Nyquist Diagram Nyquist Diagram

0.1
25
2042dB
10
0dB
6dB
dB
dB -20 dB-10 dB -6 dB -4 dB -2 dB 0 dB
0.08
20
0.06 15
0.04 10
0.02 5
Imaginary Axis
Imaginary Axis
2
6 dB
4 dB -2
-6 dB
-4 dB
0 0
-0.02 -5
-0.04 -10
-0.06 -15
-20
-0.08
-25
-0.1
-1 0 1 2 3 4 5 -1 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1
Real Axis Real Axis
(a) (b)
0.5
0 dB 6 dB4 dB 2 dB 0 dB -2 dB -4 dB -6 dB
30
0.4
-10 dB
10 dB
20 0.3
0.2
10
20 dB -20 dB
0.1
Imaginary Axis
Imaginary Axis
2
4 dB -2
-4 dB
dB
0 0
-0.1
-10
-0.2
-20 -0.3
-0.4
-30
-0.5
-1 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis Real Axis
(c) (d)
60 -6 dB
0 dB 4 dB
0.6 6 dB 2 dB 0 dB -2 dB -4 dB
40
0.4 -10 dB
10 dB
20 0.2
20 dB -20 dB
Imaginary Axis
Imaginary Axis
2 dB -2 dB
0 0
-20 -0.2
-0.4
-40
-0.6
-60
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis Real Axis
(e) (f)
Nyquist Diagram
0 dB
100
50
Imaginary Axis
-50
-100
-2500 -2000 -1500 -1000 -500 0

Real Axis
(g)
Fig. 1.16 Diagramas de Nyquist de factores simples: a) ganancia constante, b) factor derivativo, c) factor
integral, d) factor simple en el denominador, e) factor simple en el numerador, f) factor cuadrático en el
denominador, g) factor cuadrático en el numerador.
Agosto de 2004
Ganancia constante
En la gráfica la Fig. 1.16(a) se observa que el diagrama de Nyquist es un punto en K = 5 ; es

decir la respuesta es constante en todo el rango de frecuencias.
Factor integral
El factor integral representado por:
1 1 (1.43)
G ( jω ) = = ∠ − 90º
jω ω
tiene una respuesta, para frecuencias positivas, en el eje imaginario negativo y, para frecuencias
negativas, en el eje imaginario positivo, como se observa en la Fig. 1.16(b).
Factor Derivativo
El factor derivativo representado por:
G ( jω ) = jω = ω∠90 º (1.44)
tiene una respuesta, para frecuencias positivas, en el eje imaginario positivo y, para frecuencias
negativas, en el eje imaginario negativo, como se observa en la Fig. 1.16(c).
Factor lineal en el denominador
Para el factor de primer orden representado por:
1 1 (1.45)
G ( jω ) = = ∠ − tan −1 ωT
1 + jωT 1+ ω T
2 2
1
los valores en ω=0 y en ω= son, respectivamente: G ( j 0) = 1∠0º y
T
⎛ j⎞ 1
G⎜ ⎟ = ∠ − 45º .Por otro lado, si ω → ∞ entonces G ( jω ) → 0 y ∠G ( jω ) → −90 º .
⎝T ⎠ 2
El diagrama de Nyquist para frecuencias positivas es un semicírculo en el cuarto cuadrante cuyo
centro se ubica en 0.5 sobre el eje real y cuyo radio es 0.5. Para frecuencias positivas se obtiene
también un semicírculo simétrico al anterior, con respecto al eje real. La Fig. 1.16(d) muestra el
diagrama de Nyquist de este factor para T = 1 .
Factor lineal en numerador

Por su parte, el factor representado por:
G ( jω ) = jω + 1 (1.46)

Agosto de 2004
tiene una respuesta, para frecuencias positivas a lo largo de la mitad superior de la recta que
pasa por el punto (1,0) en el plano complejo y paralelo al eje imaginario; para frecuencias
negativas se obtiene el reflejo con respecto al eje real. La Fig. 1.16(e) muestra el diagrama de
Nyquist de este factor para T = 1 .
Factor cuadrático en el denominador
El factor representado por:
1 (1.47)
G ( jω ) = 2
;ξ >0
jω ⎛ jω ⎞
1 + 2ξ + ⎜⎜ ⎟
ω n ⎝ ω n ⎟⎠
tiene las siguientes principales características:
lim G ( jω ) = 1∠0º (1.48)

ω →0
lim G ( jω ) = 0∠ m 180º
ω → ±∞
La quinta Fig. 1.16(f) muestra la curva de Nyquist de este factor para ξ = 1 y ω n = 1 .
Factor cuadrático en el numerador
Finalmente, el factor representado por:
⎛ jω ⎞
jω
2
(1.49)
G ( jω ) = 1 + 2ξ + ⎜⎜ ⎟ ;ξ >0
ω n ⎝ ω n ⎟⎠
tiene las siguientes principales características:
lim G ( jω ) = 1∠0º (1.50)

ω →0
lim G ( jω ) = ∞∠ ± 180º
ω → ±∞
tal que se tiene una curva de Nyquist como se muestra en la Fig. 1.16(g) para ξ = 1 y ω n = 1 ..
Retardo puro
También se puede considerar el diagrama de Nyquist de un retardo de transporte puro dado por:
G ( jω ) = e − jωT = 1∠(cos ωT − j sin ωT ) (1.51)
La Fig. 1.17 muestra el diagrama de Nyquist de un retardo puro utilizando la aproximación de

Padé de orden 10.

Agosto de 2004
Nyquist Diagram
1 -4 dB
2 dB 0 dB -2 dB
4 dB
0.8
-6 dB
0.6 6 dB
0.4 10 dB -10 dB
0.2
Imaginary Axis
20 dB -20 dB
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis
Fig. 1.17 Diagrama de Nyquist de un retardo puro utilizando la aproximación de Padé de orden 10
Observe que el diagrama de Nyquist sigue aproximadamente un círculo unitario.
6.2 Identificación del Tipo de Sistema

6.2.1 Identificación del Tipo de Sistema a partir de un Diagrama de Bode
Considere el sistema de control con realimentación unitaria con la siguiente función de
transferencia en lazo abierto G (s ) :
⎛ s2 s ⎞ ⎛ s2 s ⎞ (2.1)
K (T1 s + 1) L (Tm1 s + 1)⎜⎜ 2 + 2ξ + 1⎟⎟ L ⎜⎜ 2 + 2ξ + 1⎟⎟
⎝ ω n1 ω n1 ⎠ ⎝ ω nm1 ω nm1 ⎠
G ( s) =
⎛ s2 s ⎞ ⎛ s2 s ⎞
s N (T1 s + 1) L (Tn1 s + 1)⎜⎜ 2 + 2ξ + 1⎟⎟ L ⎜⎜ 2 + 2ξ + 1⎟⎟
⎝ ω n1 ω n1 ⎠ ⎝ ω nn1 ω nn1 ⎠
donde el valor de N ≥ 0 representa el tipo de sistema.
El tipo de sistema determina la pendiente de la curva de magnitud logarítmica en frecuencias

bajas. Además, las constantes de error de posición, velocidad y aceleración pueden ser
determinadas a partir de las curvas de magnitud logarítmica como se muestra en los siguientes
ejemplos:
Sistema Tipo 0
Considere primero un sistema de tipo 0 dado por la función de transferencia:
1000s 2 + 10000s + 16000 (2.2)

G0 ( s ) = 3
s + 62s 2 + 800s + 3375
En este caso, la constante de error de posición puede ser calculada mediante la siguiente
expresión:
K p = lim G ( jω ) (2.3)
ω →0

Agosto de 2004
Note que la asíntota de baja frecuencia es una línea horizontal con magnitud 20 log K p dB . La
curva de magnitud del diagrama de Bode, junto con la asíntota de baja frecuencia se muestran
en la Fig. 2.1.
Bode Magnitude Diagram

30
20 System: k0
Magnitude (dB): 13.5
10
Magnitude (dB)
0
-10
-20
-30
-2 -1 0 1 2 3 4
10 10 10 10 10 10 10
Frequency (rad/sec)
Fig. 2.1 Estimación de la constante de error de posición de la función de transferencia de la ecuación (2.2)
Observe que la magnitud en el punto marcado es de 13.5 dB. Por tanto:
K p = 1013.5 / 20 = 4.7315 (2.4)
El cálculo exacto de la constante de error de posición es:
K p = G0 ( s ) = 16000 / 3375 = 4.7407 (2.5)
La diferencia se debe a la precisión de la lectura sobre el diagrama de magnitud.
Sistema Tipo 1
Considere ahora un sistema de tipo 1 dado por la función de transferencia:
1000s 2 + 10000s + 16000 (2.6)

G1 ( s ) =
s ( s 3 + 62s 2 + 800s + 3375)
En este caso, el comportamiento del sistema en bajas frecuencias puede ser aproximado por la
asíntota de baja frecuencia:
Kv (2.7)
G1 ( jω ) =
jω
donde K v es la constante de error de velocidad. Sea ω1 la intersección de la asíntota de baja

frecuencia con 0 dB. Entonces:
Kv (2.8)
=1
jω1

Agosto de 2004
tal que:
K v = ω1 (2.9)
La curva de magnitud del diagrama de Bode, junto con la asíntota de baja frecuencia, se

60
40
20 System: ints1
Magnitude (dB): -0.00888
0
Magnitude (dB)
-20
-40
-60
-80
-100
-120
-1 0 1 2 3
10 10 10 10 10
Frequency (rad/sec)
Fig. 2.2 Estimación de la constante de error de velocidad de la función de transferencia de la ecuación (2.6)
Observe que la intersección con 0 dB ocurre a una frecuencia aproximada de 4.75. Por tanto, la
constante de error de velocidad identificada es:
K v = 4.75 (2.10)
El valor calculado en la Sección 3.5 es K v = 4.7407 . La diferencia se debe al error de lectura.
Sistema Tipo 2
Considere ahora un sistema tipo 2 con función de transferencia dada por:
1000s 2 + 10000s + 16000 (2.11)

G2 ( s) =
s 2 ( s 3 + 62s 2 + 800s + 3375)
En este caso, el comportamiento del sistema en bajas frecuencias puede ser aproximado por la
asíntota de baja frecuencia:
Ka (2.12)
G1 ( jω ) =
( jω ) 2
donde K a es la constante de error de aceleración. Sea ω a la intersección de la asíntota de baja

frecuencia con 0 dB. Entonces:
Ka (2.13)
=1
( jω a ) 2

Agosto de 2004
tal que:
ωa = K a (2.14)
o bien:
K a = ω a2 (2.15)
La curva de magnitud del diagrama de Bode, junto con la asíntota de baja frecuencia, se

60
40
20 System: ints2
0
Magnitude (dB)
-20
-40
-60
-80
-100
-120
-1 0 1 2 3 4
10 10 10 10 10 10
Frequency (rad/sec)
Fig. 2.3 Estimación de la constante de error de aceleración de la función de transferencia dada por la
ecuación (2.11)
Observe que la intersección con 0 dB ocurre a una frecuencia aproximada de 2.18. Por tanto, la
constante de error de velocidad identificada es:
K a = 2.18 2 = 4.7524 (2.16)
El valor calculado en la Sección 3.5 es K a = 4.7407 . La diferencia se debe al error de lectura.
6.2.2 Identificación del Tipo de Sistema a partir de un Diagrama Polar

Considere sistemas dados por una función de frecuencia de la forma:
⎛ ( jω ) 2 jω ⎞ ⎛ ( jω ) 2 jω ⎞ (2.17)
K ( jωT1 + 1) L ( jωTm1 + 1)⎜⎜ 2 + 2ξ b1 + 1⎟⎟ L ⎜⎜ 2 + 2ξ bm + 1⎟⎟
⎝ ω nb1 ω nb1 ⎠ ⎝ ω nam ω nbm ⎠
G ( jω ) =
⎛ ( j ω ) 2
j ω ⎞ ⎛ ( j ω ) 2
j ω ⎞
( jω ) N ( jωT1 + 1) L ( jωTn1 + 1)⎜⎜ 2 + 2ξ a1 + 1⎟⎟ L ⎜⎜ 2 + 2ξ an + 1⎟⎟
⎝ ω na1 ω na1 ⎠ ⎝ ω nan ω nan ⎠
Sistema Tipo 0
En este tipo de sistemas el punto inicial del diagrama de Nyquist en ω = 0 es finito y está sobre
el eje real positivo. La tangente del diagrama polar en ω = 0 es perpendicular al eje real. Por su
parte, el punto terminal en ω = ∞ está en el origen y la curva es tangente a uno de los ejes.

Agosto de 2004
A manera de ejemplo, considere el sistema tipo 0 dado por:
1000s 2 + 10000s + 16000 (2.18)

G0 ( s ) =
s 3 + 62s 2 + 800s + 3375
El diagrama de Nyquist se muestra en la Fig. 2.4.
Nyquist Diagram
10
0 dB
8
4
System: g0
-2 dB Real: 4.74
2 2 dB
Imaginary Axis
-4 dB Imag: -0.0315
4
6 dB
-6 dB
dB Freq (rad/sec): -0.0171
0
-2
-4
-6
-8
-10
0 2 4 6 8 10 12 14 16 18
Real Axis
Fig. 2.4 Diagrama de Nyquist del sistema tipo 0 dado en la ecuación (2.18)
Observe que diagrama de Nyquist se inicia sobre el eje real en un punto alrededor del punto
indicado en la figura. Note que este valor corresponde a la constante de error de posición del
sistema ( K p ).
Sistema Tipo 1
En este tipo de sistemas, el término jω en el denominador contribuye con -90º al ángulo de

fase total de G ( jω ) para 0 ≤ ω < ∞ . En ω = 0 se tiene que G ( jω ) = ∞ y el ángulo de fase
es -90º. En frecuencias bajas el diagrama es asintótico a una línea paralela al eje imaginario. Por
su parte, en ω = ∞ se tiene que G( jω ) = 0 y la curva converge hacia el origen tangente a
uno de los ejes.
1000s 2 + 10000s + 16000 (2.19)

G1 ( s ) =
s ( s 3 + 62s 2 + 800s + 3375)

Agosto de 2004
Nyquist Diagram
0 dB
60
40
20
Imaginary Axis
2 dB -2 dB
0
-20
-40
-60
-1 -0.5 0 0.5 1 1.5

Real Axis
Observe que diagrama de Nyquist se inicia en el infinito con una fase de -90º, en bajas
frecuencias el comportamiento asintótico es paralelo al eje imaginario y en altas frecuencias
converge al origen.
Sistema Tipo 2
En este tipo de sistemas, el término ( jω ) 2 en el denominador contribuye con un ángulo de -

180º al ángulo de fase total de G ( jω ) para 0 ≤ ω < ∞ . En ω = 0 se tiene que G ( jω ) = ∞
y el ángulo de fase es -180º. En frecuencias bajas el diagrama es asintótico a una línea paralela
al eje real negativo. Por su parte, en ω = ∞ se tiene que G( jω ) = 0 y la curva converge hacia
el origen tangente a uno de los ejes.
1000s 2 + 10000s + 16000 (2.20)

G2 ( s) =
s 2 ( s 3 + 62s 2 + 800s + 3375)
Nyquist Diagram
0 dB
20
15
10
5
Imaginary Axis
-5
-10
-15
-20
-500 -400 -300 -200 -100 0

Real Axis

Agosto de 2004
Observe que diagrama de Nyquist se inicia en el infinito con una fase de -180º, en bajas
frecuencias el comportamiento es asintótico al eje real negativo y en altas frecuencias converge
al origen.
6.3 Criterio de Estabilidad de Nyquist

Considere el sistema de lazo cerrado que se muestra en la Fig. 3.1.
R (s) + Y (S )
G (s )
−
H (s )
cuya función de transferencia en lazo cerrado está dada por:
Y ( s) G(s) (3.1)
Gcl ( s) = =
R( s) 1 + G ( s) H ( s)
Recuerde que la estabilidad del sistema está determinada por las raíces de:
1 + G (s) H (s) = 0 (3.2)
6.3.1 Principio del Argumento
Sea F ( s ) = 1 + G ( s ) H ( s ) una función racional en s y sea C1 un contorno cerrado simple en

el plano complejo s . Suponga también que F (s ) no tiene polos sobre C1 . Sean Z y P los
números de polos y ceros de F (s ) (contando las multiplicidades) circundados por C1 . Sea C2
el contorno mapeado de C1 por F (s ) al plano F . Entonces C2 circundará el origen del plano
F ( Z − P ) veces en la misma dirección de C1 .
Si el contorno C1 cerrado en el plano s encierra el semiplano derecho del plano s como se

muestra en la Fig. 3.2, el mapeo de C1 al plano F se denomina diagrama de Nyquist y permite
determinar la estabilidad del sistema en lazo cerrado.
jω
C1 Plano s
R→∞
0 σ
Fig. 3.2 Contorno que encierra las singularidades en el semiplano derecho

Agosto de 2004
6.3.2 Criterio de Nyquist
La función de transferencia de lazo cerrado dada por:
Y ( s) G(s) (3.3)
Gcl ( s) = =
R( s) 1 + G ( s) H ( s)
es estable sí y sólo si el diagrama de Nyquist de G ( s ) H ( s ) no pasa por el punto crítico (-1,0) y

el número de circundamientos en el sentido de las manecillas del reloj de (-1,0) es igual a
número de ceros menos el número de polos de lazo abierto en el semiplano derecho:
N =Z−P (3.4)
Si G ( s ) H ( s ) no tiene ceros en el semiplano derecho, entonces Gcl (s) es estable si no pasa

por (-1,0) y el número de circundamientos en el sentido contrario a las manecillas del reloj es
igual al número de polos de lazo abierto en el semiplano derecho.
Si Z = 0 y P = 0 , entonces Gcl (s) es estable si no pasa por (-1,0) y no circunda el punto (-

1,0).
En el caso de que G ( s ) H ( s ) tenga singularidades en el eje imaginario, el contorno C1 se

puede modificar de la manera en que se muestra en la Fig. 3.3, donde los pequeños
semicírculos tienen un radio r → 0 .
jω
C1 Plano s
R→∞
×
0 σ
r→0
Fig. 3.3 Contorno que evita las singularidades en el eje imaginario.
6.3.3 Análisis de estabilidad de sistemas utilizando el Criterio de Nyquist.
Ejemplo 1.- Considere un sistema en lazo cerrado cuya función de transferencia en lazo abierto
se obtiene mediante:
K K /(T1T2 ) (3.5)
G ( s) H ( s) = =
(T1 s + 1)(T2 s + 1) ⎛1 1⎞ 1
s 2 + ⎜⎜ + ⎟⎟ s +
⎝ T1 T2 ⎠ T1T2

Agosto de 2004
donde K , T1 y T2 son constantes positivas. El sistema en lazo cerrado es estable para

cualesquiera valores positivos de K , T1 y T2 puesto que la función de transferencia de lazo
cerrado está dada por:
K /(T1T2 ) (3.6)
Gcl ( s ) =
⎛1 1⎞ 1 K
s 2 + ⎜⎜ + ⎟⎟ s + +
⎝ T1 T2 ⎠ T1T2 T1T2
El diagrama de Nyquist de este sistema para T1 = 1 / 2 , T2 = 1 / 5 y K = 2 se muestra en la

Fig. 3.4.
Nyquist Diagram
2 dB 0 dB -2 dB
-4 dB
1
4 dB
-6 dB
6 dB
0.5
10 dB -10 dB
Imaginary Axis
20 dB -20 dB
0
-0.5
-1
-1 -0.5 0 0.5 1 1.5 2

Real Axis
Fig. 3.4 Diagrama de Nyquist del sistema dado en la ecuación (3.5)
Dado que G ( s ) H ( s ) no tiene polos en el semiplano derecho del plano s y el punto − 1 + j 0

no está encerrado por el lugar geométrico G ( jω ) H ( jω ) , se puede concluir que el sistema es
estable.
Ejemplo 2.- Ahora considere el sistema con función de transferencia:
K K /(T1T2 ) (3.7)
G ( s) H ( s) = =
s(T1 s + 1)(T2 s + 1) ⎛1 1⎞ 1
s 3 + ⎜⎜ + ⎟⎟ s 2 + s
⎝ T1 T2 ⎠ T1T2
El número de polos en el semiplano derecho del plano s es cero. Por tanto, para que este
sistema sea estable, es necesario que N = Z = 0 o que el lugar geométrico de G ( jω ) H ( jω )
no encierre el punto − 1 + j 0 .
Para valores pequeños de K , el punto − 1 + j 0 no queda encerrado. Este es el caso del

diagrama de Nyquist de G ( s ) H ( s ) con T1 = 1 / 2 , T2 = 1 / 5 y K = 2.5 que se muestra en la
Fig. 3.5.

Agosto de 2004
Nyquist Diagram
1
0.8
0.6
0.4
0.2
Imaginary Axis
0
-0.2
-0.4
-0.6
-0.8
-1
-1.5 -1 -0.5 0
Real Axis
Fig. 3.5 Diagrama de Nyquist del sistema dado en la ecuación (3.7) con con T1 = 1 / 2 , T2 = 1 / 5 y
K = 2.5
Para valores grandes de K , por ejemplo K = 10 , se obtiene el diagrama que se muestra en la

Fig. 3.6.
Nyquist Diagram
1
0.8
0.6
0.4
0.2
Imaginary Axis
-0.2
-0.4
-0.6
-0.8
-1
-2.5 -2 -1.5 -1 -0.5 0
Real Axis
Fig. 3.6 Diagrama de Nyquist del sistema dado en la ecuación (3.7) con con T1 = 1 / 2 , T2 = 1 / 5 y
K = 10
Note que el lugar geométrico de G ( jω ) H ( jω ) encierra el punto − 1 + j 0 dos veces en el

sentido de las manecillas del reloj, lo cual indica que hay dos polos de lazo cerrado en el
semiplano derecho del plano s y que el sistema es inestable.
Ejemplo 3.- La estabilidad de un sistema en lazo cerrado con función de transferencia de lazo
abierto dada por:
K (T2 s + 1) (3.8)
G ( s) H ( s) =
s 2 (T1 s + 1)
depende de las magnitudes relativas de T1 y T2 . Considere los siguientes tres casos:
a) T1 < T2
b) T1 = T2
c) T1 > T2

Agosto de 2004
El diagrama de Nyquist correspondiente al caso a) con T1 = 1 / 5 , T2 = 1 / 2 y K = 2.5 se

Nyquist Diagram
1
0.8
0.6
0.4
0.2
Imaginary Axis
0
-0.2
System: gh
Real: -0.371
-0.4
Imag: -0.175
System: gh Freq (rad/sec): 3.1
-0.6 Real: -1.41
Imag: -0.494
-0.8 Freq (rad/sec): 1.42
-1
-1.5 -1 -0.5 0 0.5 1 1.5
Real Axis
Fig. 3.7 Diagrama de Nyquist del sistema de la ecuación (3.8) con T1 = 1 / 5 , T2 = 1 / 2 y K = 2.5 .
En este caso, el lugar geométrico de G ( jω ) H ( jω ) proviene desde el infinito en ω = 0 + con

un ángulo de fase de -180º hacia el origen en ω = ∞ con una fase también de -180º, donde en
el trayecto se observa primero un incremento de fase y luego una disminución debido al adelanto
de fase del polinomio numerador. Para frecuencias negativas parte del origen en ω = −∞ con
un ángulo de fase de -180º y luego se va al infinito en ω = 0 − con una fase de -180º
experimentando una disminución de fase y luego un incremento. El diagrama de Nyquist, por
tanto, no encierra el punto − 1 + j 0 , de donde se concluye que el sistema en lazo cerrado es
estable.
Por su parte, para el caso b), con K = 2.5 se tiene el diagrama de Nyquist que se muestra en la
Fig. 3.8:
Nyquist Diagram
0.1
10 dB 6 -2
dB4dB
-4
dB2dB
-6
dB0dB
-10
dB dB
0.08
0.06
0.04
0.02
Imaginary Axis
-0.02
-0.04
-0.06
-0.08
-0.1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2
Real Axis
Figura 3.8 Diagrama de Nyquist del sistema dado en la ecuación (3.8) con, K = 2.5
donde el lugar geométrico de G ( jω ) H ( jω ) pasa por el punto − 1 + j 0 , lo cual indica que hay
polos de lazo cerrado sobre el eje jω .
Finalmente, para el caso c) con T1 = 1 / 2 , T2 = 1 / 5 y K = 2.5 se tiene el diagrama de Nyquist

que se muestra en la Fig. 3.9.

Agosto de 2004
Nyquist Diagram
1
0.8
System: gh
0.6 Real: -1.13
Imag: 0.383
Freq (rad/sec): 1.36 System: gh
0.4
Real: -0.243
Imag: 0.112
0.2 Freq (rad/sec): 2.56
Imaginary Axis
0
-0.2
-0.4
-0.6
-0.8
-1
-1.5 -1 -0.5 0 0.5 1 1.5
Real Axis
Fig. 3.9 Diagrama de Nyquist del sistema dado en la ecuación (3.8) con T1 = 1 / 2 , T2 = 1 / 5 y K = 2.5
En este caso, el lugar geométrico de G ( jω ) H ( jω ) proviene desde el infinito en ω = 0 + con

un ángulo de fase de -180º hacia el origen en ω = ∞ con una fase también de -180º, donde en
el trayecto se observa primero una disminución de fase y luego un incremento debido al atraso
de fase del polinomio denominador. Para frecuencias negativas parte del origen en ω = −∞ con
un ángulo de fase de -180º y luego se va al infinito en ω = 0 − con una fase de -180º
experimentando un incremento de fase y luego una disminución. El diagrama de Nyquist, por
tanto, encierra el punto − 1 + j 0 dos veces en el sentido de las manecillas del reloj. Por tanto, el
sistema en lazo cerrado tiene dos polos de lazo cerrado en el semiplano derecho del plano s y
el sistema en lazo cerrado es estable.
Ejemplo 4.- Considere el sistema de lazo cerrado que tiene la siguiente función de transferencia
en lazo abierto:
K (3.9)
G ( s) H ( s) =
s(Ts + 1)
La función G ( s ) H ( s ) tiene un polo s = 1 / T en el semiplano derecho del plano s . El diagrama

de Nyquist de este sistema se muestra en la Fig. 3.9.
Nyquist Diagram
10
System: gh
8 Real: -2.16
Imag: 5.54
6 Freq (rad/sec): 0.394
System: gh
4 Real: -1.27
Imag: 1.31
2 dB
2 Freq (rad/sec): 0.988 -2 dB
Imaginary Axis
4 dB -4 dB
0
-2
-4
-6
-8
-10
-2.5 -2 -1.5 -1 -0.5 0
Real Axis
Fig. 3.9 Diagrama de Nyquist del sistema dado en la ecuación (3.9) con T = 1 y K = 2.5

Agosto de 2004
El diagrama de Nyquist indica que el lugar geométrico de G ( jω ) H ( jω ) pasa encierra el punto

− 1 + j 0 una vez en el sentido de las manecillas del reloj. Por tanto, N = 1 . Dado que
Z = N + P se tiene que Z = 2 . Esto significa que el sistema en lazo cerrado tiene dos polos
en el semiplano derecho del plano s y es inestable.
6.4 Estabilidad Relativa

Considere nuevamente el sistema de control realimentado que se muestra en la Fig. 4.1.
R (s) + Y (S )
G (s )
−
H (s )
La función de transferencia del sistema está dada por:
Y ( s) G(s) (4.1)
Gcl ( s) = =
R( s) 1 + G ( s) H ( s)
La distancia entre el diagrama de Nyquist de G ( s ) H ( s ) ; para ω > 0 , y el punto crítico

− 1 + j 0 puede ser usada como una medida de la estabilidad de Gcl (s ) . Cuanto mayor es esta
distancia más estable es el sistema. La distancia se puede encontrar dibujando un círculo que
toque el diagrama de Nyquist como se muestra en la Fig. 4.2.
Im
×
−1
Re
Fig. 4.2 Representación de la estabilidad relativa del sistema realimentado de la ecuación (4.1)
Sin embargo, esta distancia no es fácil de medir y no es conveniente para el diseño.
6.4.1 Margen de Ganancia
Considere el diagrama de Nyquist para ω ≥ 0 que se muestra en la Fig. 4.2.

Agosto de 2004
Im
MG > 0
×
−1
ωp Re
Fig. 4.2 Representación del margen de ganancia
Sea ω p > 0 la frecuencia a la que la fase de G ( jω ) H ( jω ) es -180º. Esta frecuencia se

denomina frecuencia de cruce de fase, es la frecuencia a la cual el diagrama de Nyquist para
ω ≥ 0 cruza el eje real negativo. La distancia entre el punto − 1 + j 0 y G ( jω p ) H ( jω p ) se
llama margen de ganancia. Esta distancia normalmente se mide en dB y está dada por:
MG = −20 log G ( jω p ) H ( jω p ) (4.2)
6.4.2 Margen de Fase
Sea ω g > 0 la frecuencia a la que G ( jω g ) H ( jω g ) = 1 . Es la frecuencia a la cual el

diagrama de Nyquist para ω ≥ 0 interfecta con un círculo unitario como se muestra en la Fig.
4.3.
Im
1
−1
×
Re
MF > 0 ωg
Fig. 4.3 Representación del margen de fase.
ω g se denomina frecuencia de cruce de ganancia. Si se dibuja una línea recta desde el origen a
G ( jω g ) H ( jω g ) , entonces el ángulo entre la línea recta y el eje real negativo se llama margen
de fase y se calcula como:
MF = 180 º − arg G ( jω g ) H ( jω g ) (4.3)
donde arg G ( jω g ) H ( jω g ) debe ser medida en el sentido de las manecillas del reloj.

Agosto de 2004
Note que si G ( jω g ) H ( jω g ) > 1 o el diagrama de Nyquist para ω > 0 interfecta el eje real
negativo sobre el lado izquierdo de -1, entonces el margen de ganancia es negativo. Por su
parte, si la intersección con el círculo unitario ocurre en el tercer cuadrante, entonces el margen
de fase es positivo. Pero si la intersección ocurre en el segundo cuadrante como se muestra en
la Fig. 4.4., el margen de fase es negativo.
Im
ωg
ωp 1
×
−1
MG < 0 MF < 0 Re
Fig. 4.4 Representación de los márgenes de estabilidad de un sistema realimentado inestable
Los márgenes de fase y de ganancia son mucho más fáciles de obtener a partir del diagrama de
Bode como se muestra en la Fig. 5.5.
dB dB
ω MG < 0 { ω
ωg ωp
} MG > 0
∠ ∠
ωp ω ωg ω
MF > 0 {
− 180º − 180º }
MF < 0
Fig. 5.5 Representación de los márgenes de estabilidad de un sistema realimentado con diagramas de Bode.
6.4.3 Interpretación de los Márgenes de Ganancia y de Fase

Si G ( s ) H ( s ) no tiene polos en el semiplano derecho, entonces el sistema en lazo cerrado
Gcl (s) es estable si tanto MG y MF son positivos. Mientras más grandes sean MG y MF ,
más estable será el sistema. Al diseñar un sistema es típico especificar que MG > 6 dB y que
MF > 30º .
Agosto de 2004
Nota.- Si G ( s ) H ( s ) tiene polos en el semiplano derecho, para que Gcl (s) sea estable, el
diagrama de Nyquist debe circundar el punto crítico − 1 + j 0 . En este caso, el diagrama de
Nyquist para ω > 0 debe tener un número de frecuencias de cruce de fase y un número de
frecuencias de cruce de ganancia, lo que hace que los márgenes de fase y los márgenes de
ganancia no sean únicos como se muestra en la Fig. 5.6.
Im
1
×
−1
Re
Fig. 5.6 Dificultades en la determinación de los márgenes de estabilidad en sistmas con múltiples cruces de
ganancia y múltiples cruces de fase
Más aún, para que el sistema sea estable, algunos márgenes de fase deben ser positivos y
algunos negativos. Por esta razón, si G ( s ) H ( s ) tiene polos en el semiplano derecho, los
conceptos de márgenes de ganancia y de fase no son útiles.
6.4.4 Ejemplos
Considere los sistema dados por las siguientes funciones de transferencia:
2s + 2 (4.4)
G1 ( s ) = ;
s + 8s + 15s 2 + s + 1 4 3
3
G2 ( s) = 3
s + 3s + 3 s + 1
2
El margen de fase y el margen de ganancia de ambos sistemas se muestran en la Fig. 5.7.
Bode Diagram
Gm = 28.782 dB (at 2.645 rad/sec), Pm = 16.165 deg (at 0.46371 rad/sec) Bode Diagram
50 Gm = 8.5206 dB (at 1.7322 rad/sec), Pm = 41.691 deg (at 1.0393 rad/sec)
20
0
Magnitude (dB)
0
Magnitude (dB)
-50
-20
-100
-40
-150
-60
0
0
-45
-45
-90
Phase (deg)
-90
Phase (deg)
-135 -135
-180 -180
-225 -225
-270 -270
-2 -1 0 1 2 -1 0 1
10 10 10 10 10 10 10 10
Frequency (rad/sec) Frequency (rad/sec)
Fig. 5.7 Márgenes de estabilidad de los sistemas dados en la ecuación (4.4)

Agosto de 2004
Note que ambos sistemas son estables ya que los dos tienen margen de ganancia y margen de
fase positivos, por lo que ambos sistemas son estables.
6.5 Especificaciones de Sistemas de Lazo Cerrado en el Dominio de

la Frecuencia
Dada una planta G (s ) las especificaciones de su desempeño en lazo cerrado se establecen
generalmente en términos de error de posición, tiempo de crecimiento, tiempo de asentamiento,
tiempo pico y máximo sobrepaso. Si el diseño se lleva a cabo en el dominio de la frecuencia, las
especificaciones en el dominio del tiempo deben ser llevadas al dominio de la frecuencia.
6.5.1 Funcionamiento en Estado Estacionario
Escriba la función de transferencia de lazo cerrado Gcl (s) como:
Gcl ( jω ) = G ( jω ) e jθ (ω ) (5.1)
donde
⎛ ImGcl ( jω ) ⎞ (5.2)
θ (ω ) = tan −1 ⎜⎜ ⎟⎟
⎝ ReGcl ( jω ) ⎠
Las gráficas típicas de amplitud y de fase son de la Fig. 5.1.
Gcl ( jω )
Mr
Gcl (0)
0.707Gcl (0) Ancho de banda
ωc
ω
∠Gcl ( jω )
ω
Fig. 5.1 Gráficas típicas de amplitud y fase
La gráfica anterior ha sido generada utilizando Matlab, donde la función de transferencia

correspondiente está dada por:
ω n2 (5.3)
G ( s) = 2
s + 2ξω n s + ω n2

Agosto de 2004
Del teorema del valor final se conoce que el funcionamiento en estado estacionario está
determinado por Gcl (s) cuando s → 0 (en el dominio del tiempo) o por Gcl ( jω ) cuando
ω → 0 (en el dominio de la frecuencia).
Recuerde que el error de posición está dado por:
e p (t ) = 1 − Gcl (0) × 100% (5.4)
tal que puede ser determinado inmediatamente a partir de Gcl (0) .
Por su parte, el error de velocidad en estado estacionario a una entrada rampa está dado por:
ev (t ) = (1 − Gcl (0))t − G ' cl (0) × 100% (5.5)
Para tener un error de velocidad finito se requiere que Gcl (0) = 1 . En este caso, la expresión
anterior se reduce a:
ev (t ) = G ' cl (0) × 100% (5.6)
lo cual implica que el error de velocidad depende sólo de la pendiente de Gcl ( jω ) en ω = 0 : si

la pendiente es cero, el error de velocidad es cero. De esta manera, el funcionamiento en estado
estacionario puede ser fácilmente llevado a valores de Gcl ( jω ) y su derivada en ω = 0 .
6.5.2 Funcionamiento Transitorio
Las especificaciones más comunes en el estado transitorio son sobrepaso, tiempo de

asentamiento y tiempo de crecimiento. Estas especificciones están cercanamente relacionadas
al pico de resonancia M r y al ancho de banda de la respuesta de amplitud. Recuerde que el
pico de resonancia está definida por la siguiente expresión:
M r = max Gcl ( jω ) para ω ≥ 0 (5.7)
y corresponde a la magnitud más grande de Gcl ( jω ) en frecuencias positivas. Por su parte, el

ancho de banda está definido como el rango de frecuencia en la cual la magnitud de Gcl ( jω )
es igual o mayor a 0.707 Gcl (0) .
La frecuencia ω c a la que Gcl ( jω c ) = 0.707 Gcl (0) se llama frecuencia de corte. Si

Gcl (0) = 1 o 0 dB, la amplitud de Gcl (s) en ω c está dada por:
20 log 0.707 = −3 dB (5.8)
y, debido a que la potencia es proporcional a G cl ( jω ) , la potencia de Gcl (s) en ω c es:

2

Agosto de 2004
(0.707) 2 = 0.5 (5.9)
De esta manera, la frecuencia de corte es también llamada punto de potencia media o punto a -3
dB.
Note también que ω c es la frecuencia a la cual su amplitud es 70% o 3 dB por debajo del nivel
en ω = 0 o a la mitad de la que se tiene en ω = 0 .
Además de lo anterior, se puede demostrar que el pico de resonancia está relacionado con el
sobrepaso a través del coeficiente de amortiguamiento ξ y el ancho de banda está relacionado
con la velocidad de respuesta. Mientras más grande es el ancho de banda más rápida es la
respuesta del sistema y, por tanto, menor es el tiempo de crecimiento o el tiempo de
asentamiento.
En el caso particular del sistema:
ω n2 (5.10)
Gcl ( s ) =
s 2 + 2ξω n + ω n2
se tiene que:
⎧ 1 (5.11)
⎪ para ξ < 0.707
M r = ⎨ 2ξ 1 − ξ 2
⎪0 para ξ ≥ 0.707
⎩
que está relacionado con el sobrepaso, a través de ξ , dado por la siguiente expresión:
−πξ (5.12)
1−ξ 2
Mp =e
Por su parte, el ancho de banda es proporcional a ω n . Por tanto, cuanto mayor es el ancho de
banda, más pequeño será el tiempo de crecimiento y, de aquí, más rápida será la respuesta.
Por ejemplo considere ω n = 1 y ξ = 0.5 , entonces el pico de resonancia y el máximo

sobrepaso están dados por:
M r = 1.1547 (5.13)
M p = 0.163 (5.14)
Bajo estas condiciones, la respuesta en frecuencia es la que se muestra en la Fig. 5.2.

Agosto de 2004
1.5
0.5
0
0 1 2 3 4 5 6 7 8 9 10
-50
-100
-150
-200
0 1 2 3 4 5 6 7 8 9 10
Fig. 5.2 Respuesta en frecuencia del sistema dado por la ecuación (5.10) con ω n = 1 y ξ = 0.5
Si se diminuye el coeficiente de amortiguamiento, entonces aumentan el pico de resonancia y el

máximo sobrepaso. Por ejemplo, si el coeficiente de amortiguamiento se disminuye a ξ = 0.1 ,
entonces, la se obtiene que:
M r = 5.0252 (5.15)
M p = 0.7292 (5.16)
Bajo estas condiciones la respuesta en frecuencia resulta como se muestra en la Fig. 5.3.
0
0 1 2 3 4 5 6 7 8 9 10
-50
-100
-150
-200
0 1 2 3 4 5 6 7 8 9 10
Fig. 5.3 Respuesta en frecuencia del sistema dado en la ecuación (5.10) con ω n = 1 y ξ = 0.1
Ahora considere que ξ = 0.5 e incremente el valor de ω n = 4 , entonces la respuesta en

frecuencia es la que se muestra en la Fig. 5.4.

Agosto de 2004
1.5
0.5
0
0 1 2 3 4 5 6 7 8 9 10
-50
-100
-150
-200
0 1 2 3 4 5 6 7 8 9 10
Fig. 5.4 Respuesta en frecuencia del sistema dado en la ecuación (5.10) con ω n = 4 y ξ = 0.5
Observe cómo se ha incrementado el ancho de banda del sistema. También observe el efecto
sobre la velocidad de respuesta del sistema a una entrada escalón unitario que se muestra en la
Fig. 5.5.
Step Response
1.4
1.2
0.8
Amplitude
0.6
0.4
0.2
0
0 2 4 6 8 10 12
Time (sec)
Fig. 5.5 Efecto sobre la respuesta al escalón del sistema de la ecuación (5.10) al incrementar el ancho de
banda
En esta figura puede verse que el cambio del valor de la frecuencia natural no afecta el valor de
sobrepaso del sistema.

Agosto de 2004
Capítulo 7: Diseño de Compensadores
7 Diseño de Compensadores
7.1 Introducción
Los sistemas de control se diseñan para realizar tareas específicas. Los requerimientos impuestos
sobre el sistema de control se detallan como especificaciones de desempeño con respecto a la
precisión en estado estacionario, la estabilidad relativa del sistema de control y la velocidad de
respuesta. Por tanto, la parte más importante de la fase de diseño de un sistema de control es el
planteamiento de las especificaciones en conformidad con los objetivos planteados en el
funcionamiento de la aplicación.
Los compensadores constituyen una de las muchas alternativas para resolver problemas de diseño
de sistemas de control. Entre los muchos tipos de compensadores, los de mayor uso son los
compensadores de atraso, adelanto, y atraso-adelanto. El diseño de estos compensadores puede
ser realizado utilizando la técnica del lugar de las raíces, o bien la respuesta en frecuencia.
7.2 Diseño de compensadores basados en la técnica del lugar de las

raíces
7.2.1 Compensación de Atraso de fase
Controlador de Atraso de Fase

Un controlador de atraso de fase tiene la siguiente función de transferencia:
K 0 (s + z) (2.1)
Gc ( s ) = ; con z > p > 0
s+ p
La ganancia de CD del controlador está dada por:
K0 z (2.2)
G c ( 0) = K s =
p
Esto implica que el controlador de atraso de fase tiene potencial para incrementar la ganancia
constante de estado estacionario por un factor igual a z / p , comparado con un controlador de
ganancia pura.
Por su parte, la fase del controlador es arg(G ( s )) < 0 por lo que el controlador contribuye con fase
negativa. Un controlador de atraso de fase es diseñado de tal forma que Gc (s ) contribuye con muy
poca fase negativa en la ubicación de los polos del sistema de lazo cerrado, proporcionando a la vez
un incremento sustancial de ganancia para reducir el error en estado estacionario. Por tanto, este

Agosto de 2004
controlador es un controlador de ganancia. Más específicamente, suponga que s1 es la localización

deseada del polo dominante, entonces, típicamente, z y p se eligen tal que:
s1 + z (2.3)
≈ 1 lo cual implica que Gc ( s1 ) ≈ K 0
s1 + p
De esta manera se tiene:
Gc ( s1 )G ( s1 ) H ( s1 ) ≈ K 0 G ( s1 ) H ( s1 ) = −1 (2.4)
Esto usualmente se logra eligiendo − z y − p lejos de s1 , pero relativamente cerca del origen.
Procedimiento de diseño de un controlador de atraso de fase
El diseño de un controlador de atraso de fase sigue generalmente el siguiente procedimiento:
o Construya el lugar de las raíces de KG ( s ) H ( s )
o Encuentre los polos dominantes de lazo cerrado s1 y s1 sobre el lugar de las raíces que den la
respuesta transitoria deseada y encuentre el correspondiente valor de K 0 .
o Calcule el valor de K s requerido para producir la respuesta deseada en estado estacionario.
o Tome un z tal que sea mucho más pequeño que s1 y haga:
K0 z
p=
Ks
Alternativamente tome un polo que sea mucho más pequeño que s1 y haga:
Ks p
z=
K0
o Verifique el diseño del controlador mediante simulación o repita el último paso hasta encontrar
un desempeño acorde a las especificaciones deseadas.
Ejemplo de diseño de un controlador de atraso de fase

Para ilustrar el procedimiento de diseño, considere el diseño de un compensador de atraso de fase
para la planta con función de transferencia:

Agosto de 2004
10 10 (2.5)
G(s) = = 3 y H (s) = 1
s ( s + 5)( s + 10) s + 15s 2 + 50 s
Considere, además, las siguientes especificaciones de desempeño:
o Respuesta transitoria.- Para una entrada escalón se requiere que el porcentaje de sobrepaso PO
sea menor o igual a 20% y que el tiempo de asentamiento sea menor o igual que 4 seg.
o Respuesta en estado estacionario.- Para una entrada rampa unitaria se requiere que el error en
estado estacionario sea menor que 0.05.
A partir de las especificaciones de la respuesta transitoria calcule los valores mínimos de ξ y ξω n

como sigue:
log(M p ) log 0.2 (2.6)

ξ ≥− = = 0.4559
π 2 + log 2 ( M p ) π 2 + log 2 0.2
4 4 (2.7)
σ = ξω n ≥ = =1
ts 4
Por tanto, el polo dominante del sistema de lazo cerrado deberá tener un ξ ≥ 0.4559 y un
σ = ξω n > 1 .
Por otro lado, a partir de las especificaciones de la respuesta en estado estacionario calcule cota
inferior de la constante de error de velocidad como sigue:
1 1 (2.8)
Kv = ≥ = 20
e(∞) 0.05
Tome el valor de la cota inferior, K v = 20 . Además recuerde que:
K v = lim sG c ( s )G ( s ) H ( s ) = Gc (0) lim sG ( s ) H ( s ) = K s lim sG ( s ) H ( s ) (2.9)

s →0 s →0 s →0
lo que implica que:
Kv 20 (2.10)
Ks = = = 100
lim sG ( s ) 10 / 50
s →0
Utilizando Matlab, obtenga ahora el lugar de las raíces del sistema sin compensar. Este se muestra
en la Fig. 2.1.

Agosto de 2004
Root Locus
20 0.84 0.74 0.6 0.46 0.3 0.16
15
0.93
10
0.98
5
Imag Axis
30 25 20 15 10 5
0
-5
0.98
-10
0.93
-15
-20 0.84 0.74 0.6 0.46 0.3 0.16
-30 -25 -20 -15 -10 -5 0 5

Real Axis
Fig. 2.1 Lugar de las raíces de la función de transferencia de lazo
Ahora seleccione el punto sobre el lugar de las raíces correspondiente a una línea que satisfaga la
condición ξ ≥ 0.4549 y obtenga la ganancia K 0 y la ubicación del polo dominante s1 . Un punto
que satisface esta condición se muestra en la gráfica de la Fig. 2.2.
Root Locus
20 0.84 0.74 0.6 0.46 0.3 0.16
15
0.93
10
0.98
5
Imag Axis
30 25 20 15 10 5
0
-5
0.98
-10
0.93
-15
-20 0.84 0.74 0.6 0.46 0.3 0.16

-30 -25 -20 -15 -10 -5 0 5
Real Axis
Fig. 2.2 Selección de un punto sobre el lugar de las raíces que satisface las especificaciones de diseño
La ganancia K 0 y los polos del sistema en lazo cerrado sin compensación están dados por:
K 0 = 13.684
s1 = −11.7324
s 2,3 = −1.6338 ± j 2.999
Note que los polos dominantes son − 1.6338 ± j 2.9990 y que la parte real de estos polos es
menor que − 1 , entonces lo que significa que se satisfacen las especificaciones de la respuesta
transitoria. Elija ahora el cero − z del controlador tal que se satisfaga la condición z << s 2 , donde
s 2 es la magnitud de uno de los polos dominantes, y calcule el polo − p del controlador para
obtener finalmente la función de transferencia del controlador. De acuerdo a esto, elija z = 0.1 , tal
que

Agosto de 2004
K 0 z 13.684(0.1) (2.11)
p= = = 0.01368
Ks 100
De esta manera, la función de transferencia del controlador de atraso está dada por:
13.68s + 1.368 (2.12)

Gc ( s ) =
s + 0.01368
Con este controlador, la función de transferencia del sistema de control en lazo cerrado está dada
por
136.8s + 13.68 (2.13)

Gcl ( s ) =
s + 15.01s + 50.21s 2 + 137.5s + 13.68
4 3
La respuesta al escalón unitario y la respuesta a la rampa unitaria del sistema de control en lazo
cerrado se muestra en la Fig. 2.3.
Step Response
18
1.4
16
1.2
14
1 12
0.8 10
Amplitude
8
0.6
6
0.4
4
0.2
2
0 0
0 2 4 6 8 10 12 14 16 18 0 2 4 6 8 10 12 14 16 18
Time (sec)
Fig. 2.3 Respuesta al escalón y a la rampa del sistema en lazo cerrado
Note en las figuras anteriores que se han satisfecho las especificaciones de diseño del problema.
7.2.2 Controlador PI
En este caso el controlador está dado por:
s+z (2.14)
Gc ( s ) = K 0 ; z>0
s
o El procedimiento de diseño es similar al del controlador de atraso de fase:
o Construir el lugar de las raíces de G ( s ) H ( s ) .

Agosto de 2004
o Encontrar los polos dominantes de lazo cerrado s1 y s1 sobre el lugar de las raíces que den la
respuesta transitoria deseada y encontrar el valor de la ganancia K 0 .
o Tomar un z tal que sea mucho más pequeño que s1 .
o Verificar el diseño del controlador mediante simulación.
Ejemplo de diseño con un controlador PI
Considere la misma planta y las mismas especificaciones de diseño que se establecieron para el
controlador de atraso de fase. Es decir:
o Planta:
10 10 (2.15)
G(s) = = 3 y H (s) = 1
s ( s + 5)( s + 10) s + 15s 2 + 50 s
o Respuesta transitoria.- Para una entrada escalón se requiere que el porcentaje de sobrepaso PO
sea menor o igual a 20% y que el tiempo de asentamiento sea menor o igual que 4 seg.
o Respuesta en estado estacionario.- Para una entrada rampa unitaria se requiere que el error en
estado estacionario sea menor que 0.05.
Si se toma el mismo s1 (es decir, s1 = 1.6338 + j 2.9990 lo cual implica que K 0 = 13.6840 ) y el
mismo z (es decir, z = 0.1 ) se tiene que el controlador está dado por:
s + 0 .1 (2.16)
Gc = 13.6840
s
Con este controlador, se obtienen curvas muy similares a las obtenidas con el controlador de atraso
de fase, como se puede verificar en la Fig. 2.4.
Step Response
1.4 18
16
1.2
14
1
12
0.8 10
Amplitude
0.6 8
6
0.4
4
0.2
2
0 0
0 2 4 6 8 10 12 14 16 18 20 0 2 4 6 8 10 12 14 16 18
Time (sec)
Fig. 2.4 Respuesta al escalón y a la rampa del sistema de control en lazo cerrado

Agosto de 2004
7.2.3 Compensación de Adelanto de Fase
Controlador de Adelanto de Fase
Suponga que en el ejemplo del controlador de atraso de fase se quiere que el tiempo de
asentamiento sea menor que 1seg. (es decir, t s < 1 ). Entonces, es fácil ver que ningún controlador
de atraso de fase o PI puede satisfacer esta especificación ya que los polos dominantes deseados
4
tendrían que tener partes reales − ξω n menores que -4, ya que ξω n > = 4 . Observe en el lugar
ts
de las raíces de G ( s ) H ( s ) (ecuación 2.5), que se muestra en la Fig. 2.5, que el polo en -4 no
corresponde a un polo dominante.
Root Locus
20 0.84 0.74 0.6 0.46 0.3 0.16
15
0.93
10
0.98
5
Imag Axis
30 25 20 15 10 5
0
-5
0.98
-10
0.93
-15
-20 0.84 0.74 0.6 0.46 0.3 0.16
-30 -25 -20 -15 -10 -5 0 5

Real Axis
Fig. 2.5 Lugar de las raíces del sistema descrito en el ecuación (2.5)
Para satisfacer las nuevas especificaciones de diseño, se requiere entonces un controlador de

adelanto de fase para mover los polos dominantes un poco más lejos del eje imaginario. Dicho
controlador tiene la siguiente forma general:
s+z (2.17)
Gc = K 0 ; p>z>0
s+ p
Aunque estructuralmente el controlador de adelanto es similar al controlador de atraso, el polo del

controlador de adelanto está más alejado del eje imaginario que su respectivo cero. Observe que,
puesto que arg(Gc ( s )) > 0 , el controlador de adelanto de fase contribuye con un ángulo positivo o
de adelanto de fase.
El procedimiento de diseño de un controlador de adelanto de fase es como sigue:
o Determinar los polos dominantes de lazo cerrado deseados s1 y s1 que den la respuesta
transitoria deseada.

Agosto de 2004
o Calcular el ángulo requerido tal que s1 esté sobre el lugar de las raíces. Es decir, se calcule el
valor θ = arg(Gc ( s1 )) de la siguiente manera:
θ = (2k + 1)180º − arg(G( s1 ) H ( s1 )) > 0 (2.18)
o Encontrar z y p tal que se satisfaga:
arg(s1 + z ) − arg(s1 + p) = θ (2.19)
y asegúrese de que sea el polo dominante. Note que existen infinitamente muchas elecciones
para ubicar z y p , dos de las cuales se muestran en la Fig. 2.6:
s1 s1
× Plano s
× Plano s
θ θ
× ×
− p −z −p −z
Fig. 2.6 Posibles elecciones del cero y del polo del controlador de adelanto
o Encontrar K 0 tal que se satisfaga la condición de magnitud:
s1 + z (2.20)
K0 G ( s1 ) H ( s1 ) = 1
s1 + p
o Verificar el diseño del controlador mediante simulación.
Ejemplo de diseño con un controlador de adelanto de fase
Para ilustrar el procedimiento, considere la misma planta que en el ejemplo del controlador de atraso
de fase:
10 10 (2.21)
G(s) = = 3 y H (s) = 1
s ( s + 5)( s + 10) s + 15s 2 + 50 s
En este caso, considere las siguientes especificaciones de la respuesta transitoria:

Agosto de 2004
o Para una entrada escalón se requiere que el porcentaje de sobrepaso PO sea menor o igual
a 20% y que el tiempo de asentamiento sea menor o igual que 1 seg. para una banda del
2%.
Observe que sólo se especifica el comportamiento transitorio. Esto es debido a que el controlador de
adelanto de fase no es un controlador de ganancia.
De las especificaciones de la respuesta transitoria se puede calcular las cotas de ξ y σ = ξω n de

las expresiones:
log(M p ) log 0.2 (2.22)

ξ ≥− = = 0.4559
π 2 + log 2 ( M p ) π 2 + log 2 0.2
4 4 (2.23)
σ = ξω n ≥ = =4
ts 1
Esto significa que el polo dominante deberá tener un coeficiente de amortiguamiento ξ > 0.4559 y
que su parte real deberá ser menor que -4. Bajo estas condiciones proponga el polo dominante
s1 = −5 + j5 . De acuerdo al diagrama mostrado en la Fig. 2.7, el ángulo β es 45º; y el polo
dominante tiene una parte real Re(s1 ) = −5 < −4 y corresponde a un coeficiente de
amortiguamiento ξ = 0.7071 > 0.4559 .
s1
× jω d = jω n 1 − ξ 2
ωn
β
−σ
σ = ξω n
ξ = cos β
Fig. 2.7 Elección del polo dominante deseado
Para que el punto s1 quede sobre el lugar de las raíces, se necesita satisfacer la condición de
ángulo:
arg Gc ( s1 ) + arg G ( s1 ) H ( s1 ) = 2(k + 1)180º (2.24)
de aquí el ángulo de fase del controlador en el polo dominante requerido para que s1 esté sobre el
lugar de las raíces es:

Agosto de 2004
θ = arg Gc ( s1 ) = (2k + 1)180º − arg G ( s1 ) H ( s1 ) > 0 (2.25)
lo cual implica que:
10 (2.26)
θ = 180º − arg = 180º −90º = 90º > 0
s ( s + 5)( s + 10) s = −5 + j 5
Observe el valor de θ y note que para obtener un z y un p que satisfagan la relación:
arg(s1 + z ) − arg(s1 + p) = θ (2.27)
se tiene que tener que z < 5 , de otra manera el polo p → ∞ como se muestra en la Fig. 2.8.
s1
× j5
90º
−z
−5
Fig. 2.8 Si se elige el cero en -5, no existe posibilidad para encontrar un polo que satisfaga la condición de fase
Sin embargo, si z < 5 entonces existe algún polo finito que puede satisfacer la anterior relación,
como se muestra en la Fig. 2.9.
s1
× j5
90º
×
−p −5 −z
Fig. 2.9 Si se elige el cero mayor a -5 entonces existe la posibilidad de encontrar un polo que satisfaga la
condición de fase
Elija primero z = 2 . Entonces p satisface que:

Agosto de 2004
arg(s1 + p) = arg(s1 + z ) − θ (2.28)
Si s1 = σ 1 + jω1 entonces:
s1 + p = (σ 1 + p) + jω1 (2.29)
tal que
⎛ ω1 ⎞ (2.30)
arg(s1 + p) = tan −1 ⎜⎜ ⎟⎟
⎝ σ1 + p ⎠
ω1 (2.31)
tan (arg(s1 + p) ) = = tan (arg(s1 + z ) − θ )
σ1 + p
y de aquí:
ω1 (2.32)
p= − σ1
tan(arg(s1 + z ) − θ )
donde:
⎛ ω1 ⎞ (2.33)
arg(s1 + z ) = tan −1 ⎜⎜ ⎟⎟
σ
⎝ 1 + z ⎠
que finalmente resulta en:
p = 13.3333 (2.34)
Ahora bien, para encontrar K 0 se tiene que satisfacer la condición de magnitud:
Gc ( s1 )G ( s1 ) H ( s1 ) = 1 (2.35)
o bien:
s1 + z (2.36)
K0 G ( s1 ) H ( s1 ) = 1
s1 + p

Agosto de 2004
s1 + p (2.37)
K0 =
s1 + z G ( s1 ) H ( s1 )
que finalmente resulta en:
K 0 = 41.6667 (2.38)
La función de transferencia del controlador y la función de transferencia del sistema de lazo cerrado
están dadas entonces por:
41.67 s + 83.33 (2.39)

Gc ( s ) =
s + 13.33
416.7 s + 833.3 (2.40)
Gcl ( s ) = 4
s + 28.33s 3 + 250 s 2 + 1083s + 833.3
La respuesta al escalón unitario del sistema en lazo cerrado se muestra en la Fig. 2.10.
Step Response
1
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6
Time (sec)
Fig. 2.10 Respuesta al escalón unitario del sistema en lazo cerrado, eligiendo cero del controlador en el punto -2.
Observe que la respuesta al escalón no satisface las especificaciones de la respuesta transitoria ya

que el tiempo de asentamiento claramente es mucho mayor que 1. Para explicar esto, calcule los
polos del sistema en lazo cerrado y observe la localización de éstos en el plano s . Utilizando Matlab
se puede encontrar que los polos del sistema están localizados en los puntos -17-364, − 5 ± j 5 y -
0.9593. Es decir el sistema en lazo cerrado tiene un polo dominante en -0.9593, y no en el par
− 5 ± j5 .
Este hecho muestra que el procedimiento de diseño es un procedimiento de “prueba y error”. Si

ahora se elige el cero del controlador en z = 4 y se efectúan los mismos cálculos, entonces se
obtiene que la función de transferencia del controlador y la función de transferencia del sistema en
lazo cerrado están dadas por:
125s + 500 (2.41)

Gc ( s ) =
s + 30

Agosto de 2004
1250 s + 5000 (2.42)

Gcl ( s ) =
s + 45s + 500 s 2 + 2750 s + 5000
4 3
En este caso los polos del sistema en lazo cerrado están localizados en los puntos -31.8614,
− 5 ± j 5 y -3-1386, que producen la respuesta al escalón unitario que se muestra en la Fig. 2.11.
Step Response
1
0.9
0.8
0.7
0.6
Amplitude
0.5
0.4
0.3
0.2
0.1
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
Time (sec)
Fig. 2.11 Respuesta al escalón unitario del sistema en lazo cerrado, eligiendo el cero del controlador en el punto
-4.
Observe que en este caso se satisfacen plenamente las especificaciones de la respuesta transitoria.
7.2.4 Controlador PD
Un controlador PD toma la forma:
Gc ( s ) = K 0 ( s + z ) ; z > 0 (2.43)
Este controlador puede ser considerado un caso especial del controlador de adelanto de fase, donde
se desprecia la dinámica del polo. De esta manera, se puede aplicar esencialmente el procedimiento
de diseño del controlador de adelanto de fase:
o Calcular el ángulo requerido tal que si s1 esté en el lugar de las raíces:
θ = arg G( s1 ) = (2k + 1)180º − arg G( s1 ) H ( s1 ) > 0 (2.44)
o Encontrar z tal que:
arg(s1 + z ) = θ (2.45)
o y asegurar que s1 sea el polo dominante.

Agosto de 2004
o Encontrar K 0 tal que
K 0 s1 + z G ( s1 ) H ( s1 ) = 1 (2.46)
o Verificar el diseño mediante simulación
Continuando con el ejemplo anterior, también se puede diseñar un controlador PD que satisfaga las
condiciones de diseño. Si nuevamente se toma s1 = −5 ± j 5 y se toma z = 5 , entonces se
requiere que K 0 = 5 , lo que da el controlador PD:
Gc ( s ) = 5( s + 5) (2.47)
En este caso, el sistema en lazo cerrado está dado por:
50 s + 250 (2.48)
Gcl =
s + 15s 2 + 100 s + 250
3
La repuesta al escalón unitario del sistema en lazo cerrado resultante se muestra en la Fig. 2.12.
Step Response
1.4
1.2
0.8
Amplitude
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2
Time (sec)
Fig. 2.12 Respuesta al escalón unitario del sistema en lazo cerrado con controlador PI
Observe que la respuesta al escalón ha alcanzado las especificaciones de diseño.
7.2.5 Compensación de Adelanto-Atraso de Fase
Controlador de Adelanto-Atraso
Algunas veces un controlador puro de atraso o de adelanto de fase puede no proporcionar suficiente
grado de libertad para satisfacer las especificaciones de diseño. En este caso es necesaria una
combinación adelanto/atraso. La idea básica es usar adelanto de fase para satisfacer las
especificaciones de la respuesta transitoria y atraso de fase para satisfacer los requerimiento de
estado estacionario.

Agosto de 2004
Ejemplo de diseño de un controlador de adelanto-atraso

Considere, por ejemplo la planta dada por:
10 10 (2.49)
G(s) = = 3 y H (s) = 1
s ( s + 5)( s + 10) s + 15s 2 + 50 s
junto con las siguientes especificaciones:
o La respuesta al escalón del sistema de lazo cerrado no tenga más de 20% de sobrepaso y el
tiempo de asentamiento no sea mayor a 1seg.
o El error en estado estacionario a una entrada rampa unitaria no sea mayor a 0.05.
Las especificaciones traducidas en términos de ξ y ξω n , se obtienen de la siguiente manera:
log(M p ) log 0.2 (2.50)

ξ ≥− = = 0.4559
π 2 + log 2 ( M p ) π 2 + log 2 0.2
4 4 (2.51)
σ = ξω n ≥ = =4
ts 1
El lugar de las raíces del sistema sin compensar se muestra en la Fig. 2.13
Root Locus
20 0.84 0.74 0.6 0.46 0.3 0.16
15
0.93
10
0.98
5
Imag Axis
30 25 20 15 10 5
0
-5
0.98
-10
0.93
-15
-20 0.84 0.74 0.6 0.46 0.3 0.16
-30 -25 -20 -15 -10 -5 0 5

Real Axis
Fig. 2.13 Lugar de las raíces del sistema sin compensar
Note que la planta es la misma que la utilizada en los ejemplos de compensación de atraso y
compensación de adelanto, desarrollados anteriormente. Por tanto, para el adelanto de fase se
puede usar el compensador que resultó en el diseño del controlador de adelanto, cuya función de
transferencia es:
125( s + 4) (2.52)
Glead ( s ) =
s + 30

Agosto de 2004
que satisface las especificaciones del comportamiento transitorio; es decir, un porcentaje de

sobrepaso menor al 20% y un tiempo de asentamiento menor que 1 seg.
Siguiendo el procedimiento de diseño, defina ahora un nuevo modelo de planta que incluye al
controlador de adelanto de fase. Esto es:
~ ( s ) = G ( s )G ( s ) = 1250 s + 5000 (2.53)

G
s + 45s 3 + 500 s 2 + 1500 s
lead lead 4
Tomando en cuenta las especificaciones de error en estado estacionario calcule K s como sigue:
Kv 20 300 (2.54)
Ks = ~ = = =6
lim sGlead ( s ) 50 / 15 50
s →0
~
El lugar de las raíces de Glead ( s) está entonces dado como se muestra en al Fig. 2.14.
Root Locus
80 0.72 0.6 0.46 0.3 0.16

0.83
60
0.92
40
20 0.98
Imag Axis
100 80 60 40 20
0
-20 0.98
-40
0.92
-60
0.83
-80 0.72 0.6 0.46 0.3 0.16
-100 -80 -60 -40 -20 0 20

Real Axis
Fig. 2.14 Lugar de las raíces del sistema dado por la ecuación (2.49)
Elija el cero del controlador de atraso al menos diez veces más pequeño que los polos dominantes
~
del lugar de las raíces de Glead ( s) y calcule su respectivo polo.
Elija el cero del controlador de atraso al menos diez veces menor que el polo dominante, por ejemplo
z lag = 0.08 , luego calcule el polo del controlador de atraso:
z lag (2.55)
plag = = 0.0133
Ks
tal que la función de transferencia del controlador de atraso y la función de transferencia del
controlador de adelanto-atraso están dadas por:
s + 0.08 (2.56)
Glag ( s ) =
s + 0.0133

Agosto de 2004
125s 2 + 510 s + 40 (2.57)

Gc ( s ) = Glag ( s )Glead ( s ) =
s 2 + 30.01s + 0.4
Entonces, la función de transferencia de lazo cerrado está dada por:
1250s 2 + 5100s + 400 (2.58)

Gcl ( s ) =
s 5 + 45.01s 4 + 500.6 s 3 + 2757 s 2 + 5120 s + 400
cuya respuesta al escalón unitario y a la rampa unitaria se muestra en la Fig. 2.15.
Step Response
18
1.4
16
1.2
14
1 12
0.8 10
Amplitude
8
0.6
6
0.4
4
0.2
2
0 0
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16 18
Time (sec)
7.2.6 Controlador PID

Alternativamente al controlador de atraso también se puede implementar un controlador PID,
utilizando el mismo procedimiento del controlador de adelanto/atraso.
Considere, por ejemplo la planta dada por:
10 10 (2.59)
G(s) = = 3 y H (s) = 1
s ( s + 5)( s + 10) s + 15s 2 + 50 s
junto con las siguientes especificaciones:
o La respuesta al escalón del sistema de lazo cerrado no tenga más de 20% de sobrepaso y el
tiempo de asentamiento no sea mayor a 1seg.
o El error en estado estacionario a una entrada rampa unitaria no sea mayor a 0.05.
Las especificaciones traducidas en términos de ξ y ξω n están dadas por:
log(M p ) log 0.2 (2.60)

ξ ≥− = = 0.4559
π 2 + log 2 ( M p ) π 2 + log 2 0.2

Agosto de 2004
4 4 (2.61)
σ = ξω n ≥ = =4
ts 1
El lugar de las raíces del sistema sin compensar se muestra en la Fig. 2.16.
Root Locus
20 0.84 0.74 0.6 0.46 0.3 0.16
15
0.93
10
0.98
5
Imag Axis
30 25 20 15 10 5
0
-5
0.98
-10
0.93
-15
-20 0.84 0.74 0.6 0.46 0.3 0.16
-30 -25 -20 -15 -10 -5 0 5

Real Axis
Fig. 2.16 Lugar de las raíces del sistema sin compensar
Note que la planta es la misma que la utilizada en el ejemplo de compensación de adelanto/atraso,

desarrollado anteriormente. Primero use el controlador PI calculado en la sección anterior
Glead ( s ) = 5( s + 5) (2.62)
que satisface las especificaciones del comportamiento transitorio; es decir un porcentaje de

sobrepaso menor al 20% y un tiempo de asentamiento menor que 1 seg.
Siguiendo el procedimiento de diseño, defina ahora un nuevo modelo de planta que incluye al
controlador de adelanto de fase:
Esto es:
~ (2.63)
Glead ( s) = Glead ( s)G ( s )
~
La función de transferencia de Glead ( s) está entonces dada por:
~ ( s) = 50 s + 250 (2.64)
G
s + 15s 2 + 50 s
lead 3
Tomando en cuenta las especificaciones de error en estado estacionario K s se puede obtener a

partir de la siguiente expresión:
Kv (2.65)
Ks = ~ ( ) =4
lim sG lead s
s →0

Agosto de 2004
~
Por su parte, el lugar de las raíces de Glead ( s) se muestra en la Fig. 2.17.
Root Locus
2.5 0.96 0.92 0.86 0.76 0.58 0.35
2
0.984
1.5
1
0.996
0.5
Imag Axis
10 8 6 4 2
0
-0.5
0.996
-1
-1.5
0.984
-2
-2.5 0.96 0.92 0.86 0.76 0.58 0.35
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0
Real Axis
~
Fig. 2.17 Lugar de las raíces de Glead ( s)
Elija el cero del controlador de atraso al menos diez veces más pequeño que los polos dominantes y
calcule su respectivo polo. La función de transferencia del controlador de atraso está entonces dada
por:
s + 0.08 (2.66)
Glag ( s ) =
s
tal que la función de transferencia del controlador de adelanto-atraso está dada por:
5s 2 + 25.4 s + 2 (2.67)
Gc ( s ) =
s
Por su parte, la función de transferencia de lazo cerrado está dada por:
50 s 2 + 254 s + 20 (2.68)
Gcl ( s ) =
s 4 + 15s 3 + 100 s 2 + 254 s + 20
y las respuestas al escalón unitario y a la rampa unitaria se muestran en la Fig. 2.18.

Agosto de 2004
Step Response
18
1.4
16
1.2
14
1 12
0.8
10
Amplitude
8
0.6
6
0.4
4
0.2
2
0 0
0 2 4 6 8 10 12 0 2 4 6 8 10 12 14 16 18
Time (sec)
Note que el controlador PID resultante es de menor orden que el controlador de adelanto/atraso
anterior y produce un comportamiento muy similar.
7.3 Diseño de compensadores basados en la respuesta en frecuencia

7.3.1 Compensación de Adelanto de Fase
Compensadores de Adelanto
Considere un controlador de adelanto de fase cuya función de transferencia es la siguiente:
1 (3.1)
s+
Gc ( s ) = K c T ; donde 0 < α < 1
1
s+
αT
El compensador tiene un cero en s = −1 / T y un polo en s = −1 /(αT ) . Puesto que 0 < α < 1 se

tiene que el cero se ubica a la derecha del polo en el plano complejo. La función principal del
compensador de adelanto es dar forma a la curva de respuesta en frecuencia de un proceso, a fin de
obtener un ángulo de adelanto de fase suficiente para compensar el atraso de fase excesivo
asociado con los componentes de la planta. La respuesta en frecuencia del compensador está dada
por:
jω T + 1 (3.2)
G c ( jω ) = K c α
jωαT + 1
Es posible demostrar que el ángulo de fase máximo φ m satisface la siguiente relación:
1−α (3.3)
sin φ m =
1+α

Agosto de 2004
La Fig. 3.1 muestra el diagrama de Bode de un controlador de adelanto de fase cuando K c = T = 1

y α = 0.1 :
Bode Diagram
0
-5
Magnitude (dB)
-10
-15
-20
60
Phase (deg)
30
0
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
Fig. 3.1 Diagrama de Bode de un controlador de adelanto de fase
Las frecuencias de esquina para el compensador de adelanto son: ω = 1 / T y ω = 1 /(αT ) .

Examinando la figura anterior, se puede ver que la fase máxima ocurre a una frecuencia ω m que es
la media geométrica de las dos frecuencias de esquina; es decir:
1⎛ 1 1 ⎞ (3.4)
log ω m = ⎜ log + log ⎟
2⎝ T αT ⎠
Por tanto:
1 (3.5)
ωm =
αT
Procedimiento de Diseño
Considere ahora el sistema de la Fig. 3.2.
r (t ) e(t ) u (t ) y (t )
Gc (s ) G (s )
+
−
Suponga que las especificaciones del desempeño se dan en términos del margen de fase, del
margen de ganancia, de las constantes de error estático de posición y velocidad, etc. El

Agosto de 2004
procedimiento de diseño de un compensador de adelanto se puede establecer de la siguiente

manera:
Paso 1.- Suponga el siguiente compensador de adelanto de fase:
1 (3.6)
s+
Gc ( s ) = K c T ; donde 0 < α < 1
1
s+
αT
Defina:
K = K cα (3.7)
tal que:
Ts + 1 (3.8)
Gc ( s ) = K
αTs + 1
La función de transferencia en lazo abierto del sistema compensado es:
Ts + 1 Ts + 1 (3.9)
G c ( s )G ( s ) = K G(s) = G1 ( s )
αTs + 1 αTs + 1
donde
G1 ( s) = KG( s) (3.10)
Determine la ganancia K que satisfaga el requerimiento sobre la constante estática de error

determinada para el sistema compensado
Paso 2.- Usando la ganancia K determinada en el paso anterior, dibuje el diagrama de Bode de
G1 ( jω ) , el sistema con la ganancia ajustada pero sin compensar. Calcule luego el valor del margen
de fase requerido.
Paso 3.- Determine el ángulo de adelanto de fase φ necesario que se debe agregar al sistema para
satisface las especificaciones de diseño.
Paso 4.- Determine el factor de atenuación α a partir de la siguiente expresión:
1−α (3.11)
sin φ m =
1+α

Agosto de 2004
Luego, establezca la frecuencia a la cual la magnitud del sistema no compensado G1 ( jω ) es igual

a − 20 log(1 / α ) . Seleccione esta frecuencia como la nueva frecuencia de cruce de ganancia, la
cual es correspondiente a ω m = 1 /( α T ) . También calcule el cambio de fase máximo φ m que
ocurre en ella.
Paso 5.- Determine las frecuencias de esquina del compensador de adelanto del modo siguiente:
1
Cero del compensador de adelanto: ω =
T
1
Polo del compensador de adelanto: ω =
αT
Paso 6.- Usando el valor de K determinado en el Paso 1 y el de α establecido en el Paso 4,

calcular la constante K c a partir de:
K (3.12)
Kc =
α
Paso 7.- Verifique el margen de ganancia para asegurarse de que es satisfactorio. De no ser así
repita el proceso de diseño modificando la ubicación de los polos y ceros del compensador hasta
obtener un resultado satisfactorio.
Ejemplo de Diseño
Problema.- Considere el sistema con función de transferencia en lazo abierto dada por:
4 (3.13)
G ( s) =
s ( s + 2)
Se quiere diseñar un compensador para el sistema de modo que la constante de error estático de
velocidad sea de 20 seg -1 , el margen de fase sea al menos de 50º y el margen de ganancia al
menos 10 dB.
Paso 1.- Defina
4K (3.14)
G1 ( s ) = KG ( s ) =
s ( s + 2)
donde K = K cα . La ganancia K debe ajustarse tal que satisfaga la especificación de desempeño

en estado estacionario (en este caso la constante de error estático de velocidad requerida).
Entonces

Agosto de 2004
Ts + 1 4 Ks (3.15)
K v = lim sGc ( s )G ( s ) = lim s G1 ( s ) = lim = 2 K = 20
s →0 s →0 αTs + 1 s →0 s ( s + 2)
de donde se obtiene que:
K = 10 (3.16)
Con K = 10 , el sistema compensado cumple el requerimiento en estado estacionario.
Paso 2.- El diagrama de Bode de la función de transferencia dada por:
40 20 (3.17)
G1 ( jω ) = =
jω ( jω + 2) jω (0.5 jω + 1)
se muestra en la Fig. 3.3.
Bode Diagram
50
System: g1
Magnitude (dB)

Magnitude (dB): 0.0402
0
-50
-90
Phase (deg)
-135 System: g1
Phase (deg): -162
-180
0 1 2
10 10 10
Frequency (rad/sec)
Fig. 3.3 Diagrama de Bode la función de transferencia de la ecuación (3.17)
En el diagrama se observa que los márgenes de fase y de ganancia del sistema son 18º y + ∞ dB,
respectivamente. Un margen de fase de 18º implica que el sistema es muy oscilatorio; por tanto,
satisfacer la especificación en estado estacionario produce un desempeño deficiente de la respuesta
transitoria. La especificación requiere un margen de fase de al menos 50º. Por tanto, resulta
necesario encontrar el adelanto de fase adicional con el propósito de satisfacer el requerimiento de
que la estabilidad relativa sea de 32º. Para obtener un margen de fase de 50º sin disminuir el valor
de K , el compensador de adelanto debe contribuir al ángulo de fase requerido.
Paso 3.- Tomando en cuenta que la adición de un compensador de adelanto modifica la curva de
magnitud del diagrama de Bode, se observa que la frecuencia de cruce de ganancia se moverá a la
derecha. El atraso de fase incrementado de G1 ( jω ) debe ser compensado. Considerando el
cambio de la frecuencia de cruce de ganancia se supone que φ m , el adelanto de fase máximo
requerido, es de aproximadamente 37º, donde se han agregado 5º para compensar el cambio en la
frecuencia de cruce de ganancia.

Agosto de 2004
Paso 4.- Dado que:
1−α (3.18)
sin φ m =
1+α
un φ m = 38º corresponde a
α = 0.2486 (3.19)
Paso 5.- Una vez establecido el factor de atenuación α en base al ángulo de adelanto de fase
requerido, el paso siguiente es determinar las frecuencias de esquina ω = 1 / T y ω = 1 /(αT ) del
compensador de adelanto. Para conseguirlo, primero observe que el ángulo de adelanto de fase
máximo φ m ocurre en la media geométrica de las dos frecuencias de esquina o ω = 1 /( α T )
producida por la inclusión del término (Ts + 1) /(αTs + 1) es:
1 + jω T (3.20)
= 8.6162 dB
1 + jωαT ω =1 /( α T )
Del diagrama de Bode anterior observe que G1 ( jω ) = −8.6162 dB corresponde a ω = 10.3

rad/seg, como se observa en la Fig. 3.4.
Bode Diagram
50
Magnitude (dB)
System: g1
0 Magnitude (dB): -8.6
-50
-90
Phase (deg)
-135
-180
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
Fig. 3.4 Determinación de la frecuencia a la que G1 ( jω ) = −8.6162 dB
Elija ésta como la nueva frecuencia de cruce de ganancia ω c . Tomando en cuenta que
ω c = 1 /( α T ) , se obtiene:

Agosto de 2004
1 (3.21)
T= = 0.1947
ωc α
Paso 6.- La ganancia K c del compensador se obtiene a partir de:
K (3.22)
Kc = = 40.2279
α
Por tanto, el compensador de adelanto está dado por:
40.23s + 206.6 (3.23)

Gc ( s ) =
s + 20.66
El sistema compensado tiene la siguiente función de transferencia en lazo abierto:
160.9 s + 826.3 (3.24)

G c ( s )G ( s ) =
s + 22.66 s 2 + 41.32 s
3
Paso 7.- La verificación del diseño se hace mediante simulación como sigue:
El sistema en lazo cerrado del sistema no compensado está dado por la siguiente función de
transferencia:
G(s) 4 (3.25)
Gcl ( s ) = = 2
1 + G ( s) s + 2s + 4
Por su parte, la función de transferencia del sistema compensado está dado por:
Gc ( s)G ( s) 160.9 s + 826.3 (3.26)

Gcl ( s) = = 3
1 + Gc ( s)G ( s ) s + 22.66s 2 + 202.2 s + 826.3
El diagrama de Bode del sistema compensado, obtenido en Matlab, se muestra en la Fig. 3.5.

Agosto de 2004
Bode Diagram
50
System: gcg
Magnitude (dB)
0
-50
-90
System: gcg
Phase (deg)
Phase (deg): -130
-135
-180
0 1 2
10 10 10
Frequency (rad/sec)
Fig. 3.5 Diagrama de Bode del sistema compensado
Observe que se han alcanzado las especificaciones de margen de fase. La respuesta al escalón y a
la rampa unitaria del sistema sin compensar comparada con el sistema compensado se muestran en
la Fig. 3.6.
Step Response Linear Simulation Results

1.4 6
1.2
5
1
4
0.8
Amplitude
Amplitude
0.6
2
0.4
1
0.2
0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Time (sec) Time (sec)
Fig. 3.6 Respuesta al escalón y a la rampa unitaria del sistema en lazo cerrado sin compensar y el sistema en
lazo cerrado compensado.
Observe que la respuesta a la rampa unitaria tiene un error estático de velocidad muy pequeño.
Según las especificaciones este error es igual a 1 / K v = 1 / 20 = 0.05 . En la gráfica puede
observarse que se satisfacen las especificaciones.
7.3.2 Compensación de Atraso de Fase
Compensadores de Atraso
Considere un compensador de atraso cuya función de transferencia está dada por:

Agosto de 2004
1 (3.27)
s+
Gc ( s ) = K c T ; β >1
1
s+
βT
El compensador de atraso tiene un cero en s = −1 / T y un polo en s = −1 /( β T ) . En este caso, a

diferencia del compensador de adelanto, el polo está a la derecha del cero.
La función principal de un compensador de atraso es proporcionar una atenuación en el rango de

altas frecuencias con el propósito de aportar un margen de fase suficiente al sistema. La Fig. 3.7
muestra el diagrama de Bode de un compensador de atraso de fase con K c = T = 1 y β = 10 :
Bode Diagram
20
15
Magnitude (dB)
10
0
0
Phase (deg)
-30
-60
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Fig. 3.7 Diagrama de Bode de un controlador de atraso de fase con K c = T = 1 y β = 10 .
Las frecuencias de esquina del compensador de atraso están en ω = 1 / T y ω = 1 /( β T ) . Como se

observa en la figura anterior, el compensador de atraso de fase es esencialmente un filtro pasa-bajo.
Procedimiento de Diseño
El procedimiento de diseño de un controlador de atraso de fase se puede establecer de la siguiente

manera:
Paso 1.- Suponga el controlador de atraso de fase dado por:
1 (3.28)
s+
Gc ( s ) = K c T ; β >1
1
s+
βT
Defina:

Agosto de 2004
Kcβ = K (3.29)
tal que:
Ts + 1 (3.30)
Gc ( s ) = K
β Ts + 1
La función de transferencia de lazo abierto del sistema compensado es:
Ts + 1 Ts + 1 (3.31)
Gc ( s )G ( s ) = K G ( s) = G1 ( s )
βTs + 1 βTs + 1
donde
G1 ( s) = KG( s) (3.32)
Determine la ganancia K que satisfaga el requerimiento de la constante de error estático

establecida.
Paso 2.- Si el sistema G1 ( jω ) = KG( jω ) no satisface las especificaciones de margen de fase y

de ganancia, entonces encuentre el punto de frecuencia en el cual el ángulo de fase de la función de
transferencia G1 ( s) sea igual a -180º más el margen de fase requerido. Este corresponde al
margen de fase especificado mas la adición entre 5 y 12º para compensar el atraso de fase con que
contribuye el propio compensador. Seleccione esta frecuencia como la nueva frecuencia de cruce de
ganancia.
Paso 3.- Para evitar los efectos nocivos del atraso de fase producido por el compensador, el polo y
el cero del compensador de atraso deben ubicarse mucho más abajo de la nueva frecuencia de
cruce de ganancia. Para esto, seleccione la frecuencia de esquina ω = 1 / T , correspondiente al
cero del compensador, una década por debajo de la nueva frecuencia de cruce de ganancia.
Paso 4.- Determine la atenuación necesaria para disminuir la curva de magnitud a 0 dB en la nueva
frecuencia de cruce de ganancia. Considerando que esta atenuación es − 20 log β , determine el
valor de β . Luego obtenga la otra frecuencia de esquina, correspondiente al polo del compensador
de atraso, a partir de la expresión ω = 1 /( β T ) .
Paso 5.- Usando el valor de K determinado en el Paso 1 y el de β obtenido en el Paso 4, calcule

la constante K c a partir de la expresión:
K (3.33)
Kc =
β
Paso 6.- Verifique el diseño mediante simulación.

Agosto de 2004
Ejemplo de Diseño
Considere el sistema con función de transferencia de lazo abierto dada por:
1 (3.34)
G ( s) =
s ( s + 1)(0.5s + 1)
Se desea compensar el sistema de manera que la constante de error estático de velocidad K v sea
5 seg -1 , el margen de fase sea de cuando menos 40º y el margen de ganancia sea de cuando
menos 10 dB.
Paso 1.- El primer paso en el diseño es ajustar la ganancia K para que satisfaga la especificación
de la constante de error estático de velocidad. Por tanto:
Ts + 1 sK (3.35)
K v = lim sGc ( s)G ( s ) = lim G1 ( s ) = lim sG1 ( s ) = lim =K =5
s →0 s →0 βTs + 1 s → 0 s → 0 s ( s + 1)(0.5s + 1)
Con K = 5 , el sistema compensado satisface el requerimiento de desempeño en estado

estacionario.
Paso 2.- La Fig. 3.8 muestra el diagrama de Bode de G1 ( jω )
Bode Diagram
100
System: g1
50 Frequency (rad/sec): 1.8
Magnitude (dB)

0
-50
-100
-150
-90
-135
System: g1
Phase (deg)

-180 Phase (deg): -193
-225
-270
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Fig. 3.8 Diagrama de Bode de G1 ( jω )
La figura anterior muestra que el margen de fase es de -13º, lo que significa que el sistema G1 ( s)
es inestable. Considerando que la adición de un compensador de atraso modifica la curva de fase
del Diagrama de Bode, se debe permitir entre 5 y 12º a fin de que el margen de fase especificado
compense la modificación de la curva de fase. Observe la frecuencia a la que ocurre un margen de
fase de 40º en la Fig. 3.9.

Agosto de 2004
Bode Diagram
100
50
Magnitude (dB)
0
-50
-100
-150
-90 System: g1
Phase (deg): -140
-135
Phase (deg)
-180
-225
-270
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Fig. 3.9 Representación de la frecuencia a la que ocurre un margen de fase de 40º
Dado que la frecuencia correspondiente a un margen de fase de 40º es de 0.639 rad/seg, la nueva
frecuencia de cruce de ganancia del sistema compensado debe ser seleccionada cercana a este
valor.
Paso 3.- Con el fin de evitar las constantes de tiempo muy grandes para el compensador de atraso,
se puede elegir la frecuencia de esquina ω = 1 / T del compensador en un valor de 0.1 rad/seg. Con
esta elección, el parámetro T del compensador es: T = 10 .
Paso 4.- Dado que esta frecuencia no está muy debajo de la nueva frecuencia de cruce de
ganancia, la modificación de la curva de fase tal vez no sea muy pequeña. Por tanto, para
compensar el atraso de fase introducido por el compensador se agrega 12º al margen de fase
especificado por el problema, proporcionando así una tolerancia razonable para obtener un sistema
compensado que satisfaga las especificaciones del problema. Por tanto, el margen de fase requerido
se convierte en 52º, lo que quiere decir que el ángulo de fase de la función de transferencia de lazo
abierto no compensada es de -128º. Como se observa en la Fig. 3.10, esto ocurre en la cercanía de
la frecuencia ω = 0.464 rad/seg :

Agosto de 2004
Bode Diagram
100
System: g1
System: g10.46
Frequency (rad/sec):
50 Frequency
Magnitude (dB): 19.7 (rad/sec): 1.81
Magnitude (dB)
0
-50
-100
-150
System: g1
-90
Phase (deg): -128
-135
Phase (deg) System: g1
-180 Phase (deg): -193
-225
-270
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Fig. 3.10 Diagrama de Bode del sistema no compensado
Por tanto, la nueva frecuencia de cruce de ganancia se toma como 0.464 rad/seg. Por su parte, para
bajar la curva de magnitud hasta 0 dB en esta nueva frecuencia de cruce de ganancia, el
compensador de atraso debe proporcionar la atenuación necesaria que, este caso es de -19.7 dB,
como se observa en la figura anterior. Por tanto:
1 (3.36)
20 log = −19.7 , o bien β = 9.6605
β
La otra frecuencia de esquina ω = 1 /( β T ) , que corresponde al polo del compensador de atraso se

determina mediante la siguiente expresión:
1 (3.37)
= 0.0104 rad/seg
βT
Paso 5.- Dada que la ganancia K , la cual fue calculada como K = 5 y el parámetro β = 10 , se
procede a calcular el parámetro K c del controlador como sigue:
K 5 (3.38)
Kc = = = 0.5176
β 9.6605
Una vez obtenidos los parámetros K c , β y T , se puede calcular la función de transferencia del
compensador de atraso, lo cual resulta en:
5.176 s + 0.5176 (3.39)

Gc ( s ) =
96.61s + 0.5176
Por su parte, la función de transferencia en lazo abierto del sistema compensado está dada por:

Agosto de 2004
10.35s + 1.035 (3.40)

Gc ( s )G ( s ) =
96.61s + 290.8s 3 + 196.2 s 2 + 2 s
4
Paso 6.- El diagrama de Bode del sistema compensado satisface las especificaciones de margen de
fase como se muestra en la Fig. 3.11.
Bode Diagram
50
Magnitude (dB) 0
System: gcg
-50 Magnitude (dB): 0.0203
-100
-150
-90 System: gcg
Phase (deg): -140
-135
Phase (deg)
-180
-225
-270
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Fig. 3.11 Diagrama de Bode del sistema compensado. Verificación del margen de fase
También observe que se satisface las especificaciones de margen de ganancia, ya que el margen de
ganancia resultante es de 36.6 dB, como se muestra en la Fig. 3.12.
Bode Diagram
50
System: gcg
0 Frequency (rad/sec): 1.31
Magnitude (dB)
-50
-100
-150
-90
-135 System: gcg

Phase (deg)
Phase (deg): -180

-180
-225
-270
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Fig. 3.12 Diagrama de Bode del sistema compensado. Verificación del margen de ganancia
Con el propósito de verificar el desempeño del sistema en el dominio del tiempo considere la
comparación de la respuesta al escalón y a la rampa el sistema compensado versus el sistema no
compensado que se muestra en la Fig. 3.13.

Agosto de 2004
Step Response
200
1.4
180
1.2 160
140
1
120
0.8
Amplitude
100
0.6 80
60
0.4
40
0.2
20
0 0
0 20 40 60 80 100 120 140 160 180 200 0 20 40 60 80 100 120 140 160 180 200
Time (sec)
Fig. 3.13 Respuesta al escalón y a la rampa del sistema compensado comparada con la del sistema no
compensado.

Agosto de 2004
Capítulo 8: Diseño de Sistemas de Control en el Espacio de Estado
8 Diseño de Sistemas en el Espacio de Estado

8.1 Introducción
Antes de formular un sistema de control en el espacio de estado se necesitan analizar dos
aspectos importantes. Uno es si la elección de las entradas (las variables manipuladas) pueden
producir cambios en los estados y el segundo es si se puede evaluar todos los estados en base
a la salida observada. Estos aspectos son los que se llaman problemas de controlabilidad y
observabilidad.
8.2 Controlabilidad y observabilidad

8.2.1 Controlabilidad
Se dice que un sistema es de estado completamente controlable si existe una entrada u (t ) que
puede llevar al sistema desde cualquier estado inicial x 0 a cualquier otro estado deseado x(t ) .
Para derivar el criterio de controlabilidad considere la descripción de un sistema en el espacio de

estado de orden n , de una entrada y una salida.
x& = Ax + Bu (2.1)
y = Cx
Considere también la solución de la ecuación de estado de la ecuación (2.1) dada por:
t (2.2)
x(t ) = e x(0) + ∫ e A(t −τ ) Bu (τ )dτ
At
Con la definición de controlabilidad no existe pérdida de generalidad si se elige tener un estado

deseado x (t ) = 0 ; es decir, se desea el movimiento del sistema desde una condición inicial
arbitraria hacia el origen. En este caso, la ecuación (2.2) se convierte en:
t (2.3)
x(0) = − ∫ e − Aτ Bu (τ )dτ
0
Se puede demostrar que la función exponencial matricial se puede expandir en una serie cerrada
dada por:
e At = α 0 (t ) I + α 1 (t ) A + α 2 (t ) A 2 + L + α n −1 (t ) A n −1 (2.4)
donde los α i ; i = 0,1, L , n − 1 son funciones del tiempo. Entonces, sustituyendo la ecuación
anterior en la ecuación (2.3) se obtiene:

Agosto de 2004
n −1 t (2.5)
x(0) = −∑ A B ∫ α k (τ )u (τ )dτ
k
k =0 0
Defina ahora el vector β cuyos elementos están dados por:
t (2.6)
β k (τ ) = ∫ α k (τ )u (τ )dτ ; k = 1,2, L , n
0
De esta manera, la ecuación (2.5) se puede escribir ahora como:
⎡ β0 ⎤ (2.7)
⎢β ⎥
[ ]
n −1
x(0) = −∑ A k Bβ k = B AB A B L A B⎢ 1 ⎥
2 n −1
k =0 ⎢ M ⎥
⎢ ⎥
⎣ β n −1 ⎦
[
Si el sistema satisface la ecuación (2.7), entonces la matriz B AB A2 B L An −1 B debe ]
ser de rango n . Esta es una condición necesaria y suficiente para la controlabilidad. De aquí, un
sistema es completamente controlable sí y sólo si la matriz de controlabilidad definida por:
C0 = B [ AB A 2 B L A n −1 B ] (2.8)
es de rango n .
8.2.2 Observabilidad
El sistema lineal invariante en el tiempo de las ecuación (2.1) es completamente observable si

cada estado inicial x(0) puede ser determinado a partir de la salida y (t ) sobre un intervalo de
tiempo finito. El concepto de observabilidad es útil debido a que en un sistema dado, no todas
las variables de estado son accesibles a mediciones directas. Se necesita estimar las variables
no medibles a partir de la salida para construir la señal de control.
Debido a que el enfoque es establecer el lazo entre la salida y y el estado x (observabilidad),

es suficiente considerar el problema no forzado:
x& = Ax (2.10)
y = Cx
Entonces, sustituyendo la solución de la ecuación de estado en la ecuación de salida se obtiene:
y (t ) = Ce At x(0) (2.11)
Nuevamente, expanda la función exponencial de manera que:

Agosto de 2004
⎡ C ⎤ (2.12)
n −1 ⎢ CA ⎥
y (t ) = ∑ α k (t )CA k x(0) = [α 0 α 1 L α n −1 ]⎢ ⎥ x(0)
k =0 ⎢ M ⎥
⎢ n −1 ⎥
⎣CA ⎦
De esta ecuación se puede inferir que, para tener observabilidad completa, la matriz de
observabilidad:
⎡ C ⎤ (2.13)
⎢ CA ⎥
Ob = ⎢ ⎥
⎢ M ⎥
⎢ n −1 ⎥
⎣CA ⎦
debe ser de rango n .
Ejemplo .- Considere un modelo de tercer orden:
⎡0 1 0⎤ ⎡0 ⎤ (2.14)
⎢
A=⎢ 0 0 1 ⎥⎥ , B = ⎢⎢0⎥⎥ ,
⎢⎣− 6 − 11 − 6⎥⎦ ⎢⎣1⎥⎦
C = [1 0 0]
En este caso, la matriz de controlabilidad está dada por:
⎡0 0 1⎤ (2.15)
C0 = B [ AB 2
]
A B = ⎢0 1 − 6⎥⎥
⎢
⎢⎣1 − 6 25 ⎥⎦
que es de rango 3. Por su parte, la matriz de observabilidad está dada por:
⎡ C ⎤ ⎡1 0 0 ⎤ (2.16)
Ob = ⎢⎢ CA ⎥⎥ = ⎢⎢0 1 0⎥⎥
⎢⎣CA 2 ⎥⎦ ⎢⎣0 0 1⎥⎦
que también es de rango 3. Por tanto, el sistema es completamente controlable y completamente

observable.
8.3 Diseño por localización de polos

8.3.1 Problema del regulador
Con la representación en el espacio de estado se tiene la herramienta matemática para elegir
todos los polos del sistema en lazo cerrado.

Agosto de 2004
Considere nuevamente el modelo en el espacio de estado de un sistema de una entrada y una

salida, dado por:
x& = Ax + Bu (3.1)
y = Cx
Con un sistema de control, la entrada u es la variable manipulada manejada por la señal de

control. Por el momento considere sólo el problema de regulación y omita los cambios en la
señal referencia. Formule la ley de control de forma que u dependa de una realimentación de
todas las variables de estado:
u (t ) = − Kx = −k1 x1 (t ) − k 2 x 2 (t ) − L − k n x n (t ) (3.2)
donde K es el vector de ganancia de realimentación. El esquema de control se muestra en la

Fig. 3.1
+ u + x y
1
B C
− + s
Fig. 3.1 Sistema de control con realimentación del estado
En esta formulación la información de realimentación que requiere el controlador es x(t ) , lo que

significa que se debe tener disponible la medición de todas las variables de estado.
Sustituyendo la ecuación (3.2) en (3.1) se obtiene la descripción del sistema realimentado dada
por:
x& = ( A − BK ) x (3.3)
Los valores propios de la matriz A − BK son los polos del sistema en lazo cerrado. Ahora bien,
se desea encontrar K tal que el ajuste de sus parámetros permita ubicar arbitrariamente los
polos del sistema en lazo cerrado.
Para hacer esto primero, suponga que la ecuación de estado del sistema de la ecuación (3.1) se
lleva, mediante un cambio de coordenadas, a la denominada forma canónica controlable que
está dada por:
⎡ 0 1 0 L 0 ⎤ ⎡0 ⎤ (3.4)
⎢ 0 0 1 L 0 ⎥ ⎥ ⎢0 ⎥
⎢ ⎢ ⎥
x& = ⎢ M M M O M ⎥ x + ⎢ M ⎥u
⎢ ⎥ ⎢ ⎥
⎢ 0 0 0 L 1 ⎥ ⎢0 ⎥
⎢⎣− a 0 − a1 − a2 L − a n −1 ⎥⎦ ⎢⎣1⎥⎦

Agosto de 2004
Después de sustituir u se encuentra que la matriz del sistema de lazo cerrado está dada por:
⎡ 0 1 0 L 0 ⎤ ⎡0⎤ (3.5)
⎢ 0 0 1 L 0 ⎥⎥ ⎢0⎥
⎢ ⎢ ⎥
A − BK = ⎢ M M M O M ⎥ − ⎢ M ⎥[k1 k2 L kn ]
⎢ ⎥ ⎢ ⎥
⎢ 0 0 0 L 1 ⎥ ⎢0⎥
⎢⎣− a 0 − a1 − a2 L − a n −1 ⎥⎦ ⎢⎣1⎥⎦
o bien como:
⎡ 0 1 0 L 0 ⎤ (3.6)
⎢ 0 0 1 L 0 ⎥
⎢ ⎥
A − BK = ⎢ M M M O M ⎥
⎢ ⎥
⎢ 0 0 0 L 1 ⎥
⎢⎣− a 0 − k1 − a1 − k 2 − a2 − k3 L − a n −1 − k n ⎥⎦
De esta manera, La ecuación característica del sistema en lazo cerrado det( sI − A + BK ) = 0

toma la siguiente forma:
s n + ( a n −1 + k n ) s n −1 + L + ( a1 + k 2 ) s + ( a 0 + k1 ) = 0 (3.7)
La ecuación anterior muestra que todos los polos del sistema pueden ser localizados
arbitrariamente en términos de valores propios deseados para la matriz A − BK del sistema en
lazo cerrado. Suponga que los valores propios deseados son λ1 , λ2 ,L, λn . Entonces la
ecuación característica deseada de lazo cerrado está dada por:
( s + λ1 )( s + λ 2 ) L ( s + λ n ) = s n + α n −1 s n −1 + L + α 1 s + α 0 = 0 (3.8)
donde los coeficientes α i se calculan expandiendo los términos sobre el semiplano izquierdo del
plano complejo s . Igualando los coeficientes de la misma potencia de s de las ecuaciones (3.7)
y (3.8) se obtiene:
a 0 + k1 = α 0 (3.9)
a1 + k 2 = α 1
L
a n −1 + k n = α n −1
En general, se pueden calcular todos los parámetros de la matriz de ganancia K mediante:
k i = α i −1 − ai −1 , i = 1,2, L , n (3.10)
Este es el resultado del diseño por ubicación de polos mediante realimentación del estado. Si el
sistema es completamente controlable, se puede calcular la matriz de ganancia K de forma que

Agosto de 2004
se alcancen las especificaciones en términos de los polos de deseados del sistema en lazo
cerrado.
Existen otro métodos de diseño por localización de polos. Uno de ellos es la fórmula de
Ackermann. La derivación de la ecuación (3.10) fue realizada bajo la suposición de que la
ecuación de estado del sistema (3.1) se llevaba a la forma canónica controlable. La fórmula de
Ackermann requiere sólo que el sistema (3.1) sea completamente controlable. Si lo es, entonces
se puede calcular la ganancia de realimentación como:
K = [0 0 L 1] B [ AB L A n −1 B α c ( A) ]−1 (3.11)
donde:
α c ( A) = A n + α n −1 A n −1 + L + α 1 A + α 0 I = 0 (3.12)
es el polinomio característico deseado evaluado en la matriz A del sistema. Por tanto, α c ( A)

es una matriz de n × n .
Ejemplo.- Considere el sistema dado por:
⎡0 5 0 ⎤ ⎡0⎤ (3.13)
x& = ⎢0 − 0.1 60 ⎥ x + ⎢⎢ 0 ⎥⎥
⎢ ⎥
⎢⎣0 − 1.4 − 50⎥⎦ ⎢⎣10⎥⎦
y = [1 0 0]x
En este caso, K es de la forma:
K = [k1 k2 k3 ] (3.14)
Suponga que la ecuación característica del sistema en lazo cerrado está dada por:
α c ( s ) = ( s + 20) 3 = s 3 + 60 s 2 + 1200 s + 8000 = 0 (3.15)
Entonces:
K = [0 0 1] B [ AB ]
A 2 B α c ( A) = [0 0 1]C 0−1α c ( A)
−1
(3.16)
donde
⎡0 0 3000 ⎤
⎢
C 0 = ⎢ 0 600 − 30060⎥⎥
⎢⎣10 − 500 24160 ⎥⎦

Agosto de 2004
⎡8000 5550 2970 ⎤

α c (A) = ⎢⎢ 0 7057 36901⎥⎥
⎢⎣ 0 − 861 23632⎥⎦
lo que resulta en:
K = [2.6667 1.85 0.99] (3.17)
8.3.2 Regulador con señal de referencia
Ahora, introduzca un cambio en la señal de referencia r (t ) . Mediante una selección apropiada

en la indexación de las variables de estado, seleccione y = x1 . En un lazo realimentado, la
entrada al modelo del proceso puede tomar la forma:
u (t ) = k r r (t ) − Kx(t ) (3.13)
donde k r es alguna ganancia asociada con el cambio en la referencia y K es la ganancia de

realimentación del estado. Una de las formas es elegir k r = k1 , tal que u (t ) está ahora dada
por:
u (t ) = k1 (r (t ) − x1 (t )) − k 2 x 2 (t ) − L − k n x n (t ) (3.14)
donde se puede reconocer que r (t ) − x1 (t ) es el error e(t ) .
La ecuación del sistema en lazo cerrado es ahora:
x& = Ax + B(k1r − Kx) (3.15)
o bien:
x& = ( A − BK ) x + Bk1 r (3.16)
Note que la matriz el sistema en lazo cerrado y también el procedimiento de diseño permanecen
los mismos que en el caso del problema de regulación de la ecuación (3.3).
El sistema debe ser asintóticamente estable. En el estado estacionario (cuando t → ∞ ) se

tiene:
( A − BK ) x(∞) + Bk1 (r − r (∞)) (3.17)
Sustrayendo esta ecuación de la ecuación (3.16) se tiene que:
x& = ( A − BK )( x − x(∞)) + Bk1 (r − r (∞)) (3.18)
Si se define e = x − x (∞ ) y también r (t ) como una función escalón tal que r = cte para
t ≥ 0 , la ecuación simplemente es:

Agosto de 2004
e& = ( A − BK )e (3.19)
Note que no sólo que esta ecuación es idéntica en forma a la ecuación (3.3) sino que el análisis
y la forma de encontrar K también son equivalentes.
8.3.3 Regulador con control integral

Para implementar la acción integral se requiere añadir una variable de estado como se muestra
en la Fig. 3.2
1 x n +1 + u + x y
1
k n +1 B C
s − + s
Fig. 3.2 Realimentación del estado con control integral
Aquí se integra el error r (t ) − x1 (t ) par generar la nueva variable x n +1 . Esta cantidad es

multiplicada por la ganancia de realimentación adicional k n +1 antes de ser añadida al resto de
los datos de realimentación.
La entrada al modelo del proceso ahora toma la forma:
u (t ) = k n +1 x n +1 (t ) − Kx(t ) (3.20)
La ecuación diferencial para x n +1 es:
x& n +1 = r (t ) − Cx (3.21)
Puesto que y = x1 = Cx se puede empaquetar esta ecuación en la forma matricial que se

muestra a continuación:
⎡ x& ⎤ ⎡ A − BK Bk n +1 ⎤ ⎡ x ⎤ ⎡0⎤ (3.22)

⎢x ⎥ = ⎢ − C +
0 ⎥⎦ ⎢⎣ x n +1 ⎥⎦ ⎢⎣1⎥⎦
r
⎣ & n +1 ⎦ ⎣
En términos de las dimensiones A − BK , B y C permanecen. La ecuación anterior se puede

también interpretar como:
⎡ A − BK Bk n +1 ⎤ ⎡ A 0⎤ ⎡ B ⎤ (3.23)
⎢ −C = − [K − k n +1 ] = A
~−B
~K~
⎣ 0 ⎥⎦ ⎢⎣− C 0⎥⎦ ⎢⎣ 0 ⎥⎦
donde ahora la tarea es encontrar las n + 1 ganancia de realimentación del estado:

Agosto de 2004
K~ = [K k n +1 ] (3.24)
Con la ecuación (3.23) se puede ver que la ecuación característica del sistema está dada por:
~+B
det(sI − A ~K~ ) = 0 (3.25)
que está en la forma familiar de la ecuación (3.3) del problema del regulador. De esta manera, se
pueden usar las técnicas de localización de polos vistas en la sección 6.3.1.
8.4 Estimación del estado

El diseño de localización de polos se basa en la realimentación de todas las variables de estado
x . Bajo muchas circunstancias, esto no puede ser posible. Se tiene que estimar las variables de
estado no medibles o las señales que son demasiado ruidosas para mediarlas con precisión.
Una técnica para trabajar con este problema es estimar el vector de estado con un modelo. El
algoritmo que ejecuta esta estimación se denomina observador de estado o estimador de estado.
Un observador de orden completo estima todos los estados a partir de la medición de la salida.
Un observador de orden reducido no toma en cuanta los estados que pueden ser medibles.
8.4.1 Estimador de orden completo

La tarea es ahora buscar un modelo para el observador. Considere un sistema de una entrada y
una salida; sin embargo, el concepto de estimación del estado puede ser extendido a múltiples
salidas. Un modelo probable puede ser descrito por:
x&ˆ = Axˆ + Bu + L ( y − Cxˆ ) = ( A − LC ) xˆ + Bu + Ly (4.1)
Aquí yˆ = Cxˆ es la estimación de la salida. La matriz L realiza la ponderación de los errores de

estimación y − yˆ . Ahora bien, sea el error de estimación dado por:
e = x − xˆ (4.2)
Entonces, el error de estimación puede ser descrito por:
e& = x& − xˆ& = Ax + Bu − Axˆ − Bu − L( y − Cxˆ ) = ( A − LC )e (4.3)
Si los valores propios de ( A − LC ) se sitúan en el semiplano izquierdo del plano complejo s ,

entonces e(t ) → 0 cuando t → ∞ . Esto es, si el polinomio característico de la ecuación (4.3):
det( sI − A + LC ) = 0 (4.4)
tiene sus raíces con parte real negativa. La determinación de la matriz L en el observador de la
ecuación (4.1) es el mismo problema matemático que la determinación de la matriz K en el
problema de localización de polos. Los aspectos prácticos también están cercanamente
relacionados. La selección de los polos del observador es un compromiso entre la sensibilidad
de los errores de medición y la rápida recuperación de los errores iniciales. Un observador rápido
converge rápidamente pero también será sensible a los errores de medición.

Agosto de 2004
La determinación de la matriz L es el dual de encontrar la matriz de ganancia K para la

localización de polos por realimentación del estado. Este problema es resuelto por la fórmula de
Ackermann. Usando las relaciones:
K → LT ; C 0 → ObT ; A → AT (4.5)
se sigue de la ecuación (3.11) que L está dada por:
LT = [0 L 0 1](ObT ) −1 α o ( AT ) (4.6)
o bien por:
L = α o ( A)Ob−1 [0 0 L 1] (4.7)
T
donde:
α o ( A) = A n + α n −1 A n −1 + L + α 1 A + α 0 I = 0 (4.8)
es el polinomio característico deseado evaluado en la matriz A del sistema que describe el error
de estimación del estado. La dualidad con la localización de polos también implica que L es
especialmente simple para determinar si el sistema está en la forma observable.
8.4.2 Estimador de orden reducido
No se deberían estimar las variables de estado que se pueden medir. Es lógico diseñar un
estimador de orden reducido que estime sólo los estados que no pueden ser medidos o que son
muy ruidosos para ser medidos con precisión. Por tanto, considere sólo una salida medida. El
siguiente desarrollo asume que se ha seleccionado x1 como la variable de estado medible. Por
tanto la salida está dada por:
y = Cx = [1 0 L 0]x (4.9)
A continuación divida el vector de estado como:
⎡x ⎤ (4.10)
xe = ⎢ 1 ⎥
⎣x⎦
donde xe = [x2 x3 L x n ] contiene los n − 1 estados que tienen que ser estimados. La
T
ecuación de estado del modelo en el espacio de estado de la ecuación (3.1) es particionado de

acuerdo a:
⎡ x&1 ⎤ ⎡ a11 A1e ⎤ ⎡ x1 ⎤ ⎡ b1 ⎤ (4.11)

⎢x ⎥ = ⎢ A +
Aee ⎥⎦ ⎢⎣ xe ⎥⎦ ⎢⎣ Be ⎥⎦
u
⎣ & e ⎦ ⎣ e1

Agosto de 2004
La siguiente tarea es usar las ecuaciones del estimador de estado completo. Antes de eso se
tiene que remodelar la ecuación (4.11) como si fuese un problema de estimación de estado
completo. Este ejercicio requiere algo de cuidado en la notación. Tome primero la fila de la
ecuación (4.11) y haga que constituya la ecuación de salida:
x&1 − a11 x1 − b1u = A1e xe (4.12)
tal que tome la forma y = Cx . Se repite la segunda fila de (4.11) y se la pone como:
x& e = Aee xe + ( Ae1 x1 + Be u ) (4.13)
tal que pueda ser calculado con x& = Ax + Bu .
El siguiente paso es tomar el estimador de estado completo de la ecuación (4.1)
x&ˆ = ( A − LC ) xˆ + Bu + Ly (4.14)
y sustituir término por término usando las ecuaciones del modelo de orden reducido:
Estimador de estado de orden completo Estimador de estado de orden reducido

x̂ x̂e
y x&1 − a11 x1 − b1u
C A1e
A Aee
Ln×1 Lr ( n −1)×1
Bu Ae1 x1 + Be u
El resultado finalmente es:
x&ˆ e = ( Aee − Lr A1e ) xˆ e + ( Ae1 x1 + Be u ) + Lr ( x&1 − a11 x1 − b1u ) (4.15)
que el equivalente de orden reducido del observador de la ecuación (4.1). Note que en esta
ecuación y = x1 .
El cálculo de los n − 1 parámetros de L puede estar basado en la forma equivalente de la

ecuación (4.3). Nuevamente, realizando la sustitución de notaciones se obtiene que el
comportamiento del error de estimación está dado por:
e& = ( Aee − Lr A1e )e (4.16)
lo que significa que la fórmula de Ackermann toma la forma:

Agosto de 2004
⎡ A1e ⎤
−1
⎡0 ⎤ (4.17)
⎢A A ⎥ ⎢0 ⎥
Lr = α e ( Aee ) ⎢ 1e ee ⎥ ⎢ ⎥
⎢ M ⎥ ⎢M⎥
⎢ n −1 ⎥ ⎢ ⎥
⎣ A1e Aee ⎦ ⎣1⎦
8.5 Realimentación de la salida

Considere nuevamente una planta de una entrada y una salida, descrita en el espacio de estado
por las siguientes ecuaciones:
x& = Ax + Bu (5.1)
y = Cx
y un observador de estado dado por:
xˆ& = Axˆ + Bu + L ( y − Cxˆ ) (5.2)
junto con una ley de control dada por:
u (t ) = gr − Kxˆ (5.3)
El estado estimado x̂ es entonces usado como la señal de realimentación en un sistema de

control, como se muestra en la Fig. 4.1.
r + u Proceso y
g (Planta)
−
Kxˆ
Estimador de
K estado
Fig. 5.1 Sistema de control que usa una realimentación basada en la estimación del estado
Sea e = x − xˆ , entonces:
e& = ( A − LC )e (5.4)
Por otro lado sustituyendo (5.3) en (5.1) se obtiene:
x& = Ax + B ( gr − Kxˆ ) = Ax + B ( gr − K ( x − e)) (5.5)
o bien:
x& = ( A − BK ) x + BKe + Bgr (5.6)
Las ecuaciones (5.4) y (5.6) se pueden empaquetar en la forma matricial:

Agosto de 2004
⎡ x& ⎤ ⎡ A − BK BK ⎤ ⎡ x ⎤ ⎡ B ⎤ (5.7)
⎢e ⎥ = ⎢ 0 +
A − LC ⎥⎦ ⎢⎣ e ⎥⎦ ⎢⎣ 0 ⎥⎦
gr
⎣ &⎦ ⎣
⎡ x⎤
y = [C 0]⎢ ⎥
⎣e ⎦
Sean:
~ = ⎡ A − BK BK ⎤ ~ ⎡ B ⎤ ~ (5.8)
⎢ 0 ; B = ⎢ ⎥ ; C = [C 0]
A − LC ⎥⎦
A
⎣ ⎣0⎦
Entonces la función de transferencia de lazo cerrado es:
Y ( s) ~ ~ ) −1 B
~g (5.9)
G ( s) = = C ( sI − A
R( s)
La ganancia estática del sistema está dada por:

~~ ~ (5.10)
K p = G(0) = −CA −1 B g
Para una especificación de ganancia estática K p = 1 , la ganancia g debe ser ajustada como:
1 (5.11)
g = − ~ ~ −1 ~
CA B
~
Se puede demostrar que los valores propios de A están dados por las raíces de la ecuación
característica dada por:
~) = det(sI − ( A − BK )) det(sI − ( A _ LC )) = 0
det(sI − A (5.12)
Bajo estas condiciones, si r es constante, entonces y (t ) → r y e(t ) → 0 cuando t → ∞ .
Ejemplo.- Control de un sistema de tercer orden

Considere la planta dada por:
⎡1 2 0⎤ ⎡0 ⎤ (5.13)
x& = ⎢⎢0 − 0.1 3 ⎥⎥ x + ⎢⎢0⎥⎥u
⎢⎣0 − 1.4 − 1⎥⎦ ⎢⎣2⎥⎦
y = [1 0 0]x
Suponga que los polos introducidos por el regulador se quieren todos en -2 y que los polos
introducidos por el observador se quieren todos en -5.
Para resolver este problema considere el programa hecho con Matlab que se lista a
continuación:

Agosto de 2004
% Elaborado por Mauricio Amestegui

% 25 de abril de 2002
% Planta
A=[1 2 0; 0 -0.1 3;0 -1.4 -1]
B=[0;0;2]
C=[1 0 0]
D=0
sys=ss(A,B,C,D)
ref=input('referencia: ')
% Matriz de controlabilidad y calculo de su rango
Wc=ctrb(sys)
rWc=rank(Wc)
% Matriz de observabilidad y calculo de su rango
Wo=obsv(sys)
rWo=rank(Wo)
% Polos localizados por el controlador
Pc=[-2 -2.01 -2.02]
% Diseño del regulador
K=place(A,B,Pc)
% Polos localizados por el observador
Po=[-5 -5.01 -5.02]
% Diseño del observador
L=place(A',C',Po)'
% Sistema en lazo cerrado
A111=A-B*K
A112=B*K
A121=[0 0 0;0 0 0;0 0 0]
A122=A-L*C
A1=[A111 A112;A121 A122]
B11=B
B12=[0;0;0]
B1=[B11;B12]
C11=C
C12=[0 0 0]
C1=[C11 C12]
g=-1/(C1*inv(A1)*B1)
D1=0
syst=ss(A1,B1,C1,D1)
% Señal de referencia
t=[0:.1:10];
% ref=10
r=ref+0*t;
% Polos del sistema en lazo cerrado
s=pole(syst)
% Condiciones iniciales del estado y del error de estimacion
x0=[.5 -0.5 0.5 1.5 -0.5 0.5]
% Simulacion del sistema de control en lazo cerrado
[y,t,x]=lsim(syst,r*g,t,x0);
x1=x(:,1:3); % Estado
e=x(:,4:6); % Error de Estimacion
x1hat=x1-e; % Estimacion del estado
% Graficas de los resultados de la simulacion
subplot(2,2,1);
plot(t,x1);
title('estado')
grid;
subplot(2,2,2);
plot(t,e);
title('error de estimacion')
grid;

Agosto de 2004
subplot(2,2,3);
plot(t,y);
title('salida')
grid;
subplot(2,2,4);
plot(t,x1hat);
title('estado estimado')
grid;
el cual produce los siguientes resultados:
K = [2.2725 2.3762 2.9650]
⎡ 14.93 ⎤
L = ⎢⎢27.8386⎥⎥
⎢⎣ 1.6958 ⎥⎦
Los resultados de simulación se muestran en la Fig. 5.2
Fig. 5.2 Resultados de simulación del sistema de control con estimador de estado.
Ejemplo.- Control de un paciente diabético
Modelo matemático
Considere el modelo de un paciente diabético, discutido en el capítulo 2, dado por el siguiente conjunto
de ecuaciones:
x&1 (t ) = −k sc x1 (t ) + u (t )
x& 2 (t ) = −a3 x 2 (t ) + a 4 x 4 (t ) + a5 x3 (t ) + a 7 k sc x1 (t )
x& 3 (t ) = −a5 x3 (t ) + a6 x 2 (t )
x& 4 (t ) = −a1 x4 (t ) + a 2 x2 (t )
x& 5 = −(k1 + k 2 x 4 (t )) x5 (t ) + k 3 + v

Agosto de 2004
donde

k sc fracción de la masa de insulina que se transfiere del depósito subcutáneo al torrente
sanguíneo en min −1 .
intestinos
a1 L a 7 proporciones
k1 , k 2 proporciones
k 3 índice de aspecto de la glucosa en mg / dl / min
cuyos parámetros están dados por:
k1 = 0.0236 min −1
k 2 = 7.07 × 10 −5 [mU ⋅ min ]
−1
k 3 = 2.36 mg / dl / min
a1 = 0.021 min −1
a 2 = 0.042 min −1
a3 = 0.435 min −1
a 4 = 0.021 min −1
a5 = 0.394 min −1
a6 = 0.142 min −1
a7 = 0.47 %
k sc = 1
Considere también que el nivel deseado de la glucosa en la sangre es de alrededor de 100 mg / dl ; un

nivel menor a 70 mg / dl se considera hipoglucemia y un nivel mayor a 126 mg / dl se considera
hiperglucemia
Linealización del modelo

Asuma que el punto de equilibrio del sistema está dado por: (x0 , u 0 , v0 , y 0 ) donde x05 = 100 ,
u 0 = 0 , v0 = 0 y y 0 = x05 . Alrededor de este punto de equilibrio se satisfacen las siguientes
ecuaciones:
− k sc x01 + u 0 = 0
− a3 x02 + a 4 x04 + a5 x03 + a 7 k sc x01 = 0

Agosto de 2004
− a5 x03 + a6 x02 = 0
− a1 x04 + a 2 x02 = 0
− (k1 + k 2 x04 ) x05 + k 3 + v0 = 0
Bajo estas condiciones es posible calcular:
k1 x05 − k 3 − v0
x04 = − =0
k 2 x05
a1 x04
x02 = =0
a2
a6 x02
x03 = =0
a5
a3 x02 − a 4 x04 − a5 x03

x01 = =0
a 7 k sc
Sea
f1 ( x, u, v) = −k sc x1 + u
f 2 ( x, u, v) = −a3 x 2 + a 4 x 4 + a5 x3 + a 7 k sc x1
f 3 ( x, u , v ) = − a 5 x 3 + a 6 x 2
f 4 ( x, u, v) = −a1 x 4 + a 2 x2
f 5 ( x, u , v ) = − ( k1 + k 2 x 4 ) x 5 + k 3 + v
Entonces, el modelo linealizado alrededor del punto de operación, sin considerar la perturbación v , se
puede calcular como:
∂f ∂f ∂f ∂f
z& (t ) = z+ (u − u 0 ) = z+ u
∂x x0 ,u 0 ∂u x0 , u 0 ∂x x0 ,u 0 ∂u x0 , u 0
donde
⎡ ∂f1 ∂f1 ∂f 1 ∂f 1 ∂f1 ⎤

⎢ ∂x ∂x 2 ∂x3 ∂x 4 ∂x5 ⎥
⎢ 1 ⎥
⎢ ∂f 2 ∂f 2 ∂f 2 ∂f 2 ∂f 2 ⎥ ⎡ − k sc 0 0 0 0 ⎤
⎢ ∂x1 ∂x 2 ∂x3 ∂x 4 ∂x5 ⎥ ⎢a k ⎥
⎢ ∂f − a3 a5 a4 0
∂f ∂f 3 ∂f 3 ∂f 3 ∂f 3 ⎥ ⎢ 7 sc ⎥
A= =⎢ 3 ⎥ =⎢ 0 a6 − a5 0 0 ⎥
∂x ⎢ ∂x1 ∂x 2 ∂x3 ∂x 4 ∂x5 ⎥ ⎢ ⎥
x0 ,u 0
⎢ ∂f 4 ∂f 4 ∂f 4 ∂f 4 ∂f 4 ⎥ ⎢ 0 a2 0 − a1 0 ⎥
⎢ ⎥ ⎢⎣ 0 0 0 − k 2 x05 − k1 − k 2 x04 ⎥⎦
⎢ ∂x1 ∂x 2 ∂x3 ∂x 4 ∂x5 ⎥
⎢ ∂f 5 ∂f 5 ∂f 5 ∂f 5 ∂f 5 ⎥
⎢ ∂x ∂x 2 ∂x3 ∂x 4 ∂x5 ⎥⎦ x
⎣ 1 0 ,u 0

Agosto de 2004
⎡1 0⎤
⎢0 0⎥⎥
∂f ⎢
B= = ⎢0 0⎥
∂u ⎢ ⎥
⎢0 0⎥
⎢⎣0 1⎥⎦
y
ω = [0 0 0 0 1]z
tal que
x = x0 + z
y = y0 + ω
Controlabilidad y Observabilidad
El cálculo de la matriz de controlabilidad, efectuado en Matlab, es el siguiente:
⎡1 − 1 1 −1 1 ⎤
⎢0 0.47 − 0.6744 0.7901 − 0.8624⎥
⎢ ⎥
Co = B [ AB A2 B A3 B ]
A 4 B = ⎢0 0 0.0667 − 0.1221 0.1603 ⎥
⎢ ⎥
⎢0 0 0.0197 − 0.0287 0.0338 ⎥
⎢⎣0 0 0 − 0.0001 0.0002 ⎥⎦
cuyo rango es 5. Por tanto, el sistema es completamente controlable.
El cálculo de la matriz de observabilidad, efectuado en Matlab, es el siguiente:
⎡ C ⎤ ⎡ 0 0 0 0 1 ⎤
⎢ CA ⎥ ⎢ 0 0 0 − 0.0071 − 0.0236⎥⎥
⎢ ⎥ ⎢
Ob = ⎢CA 2 ⎥ = ⎢ 0 − 0.0003 0 0.0003 0.0006 ⎥
⎢ 3⎥ ⎢ ⎥
⎢CA ⎥ ⎢− 0.0001 0.0001 − 0.0001 − 0.0000 − 0.0000⎥
⎢⎣CA 4 ⎥⎦ ⎢⎣ 0.0002 − 0.0001 0.0001 0.0000 0.0000 ⎥⎦
cuyo rango es 5. Por tanto, el sistema es completamente observable.
Puesto que el sistema es completamente controlable y observable, entonces es factible utilizar la

combinación de las técnicas de realimentación del estado y observación del estado.
Diseño del controlador

Los cálculos de diseño del regulador pueden ser realizados en Matlab efectuando los comandos que se
muestran a continuación en el siguiente listado:
%Cálculo del regulador y observador para el problema de control

%de un paciente diabético

Agosto de 2004
% Parámetros
k1=0.0236;
k2=7.07e-5;
k3=2.36;
a1=0.021;
a2=0.042;
a3=0.435;
a4=0.021;
a5=0.394;
a6=0.142;
a7=0.47;
ksc=1;
%Punto de operacion
x50=100
x40=(k3-k1*x50)/(k2*x50)
x20=a1*x40/a2
x30=a6*x20
x10=(a3*x20-a4*x40-a5*x30)/(a7*ksc)
v0=0
u0=ksc*x10
%Matriz A del sistema linealizado
A=[-ksc 0 0 0 0;a7*ksc -a3 a5 a4 0;0 a6 -a5 0 0;0 a2 0 -a1 0;0 0 0 -k2*x50 -k1-k2*x40]
Bv=[1 0;0 0;0 0;0 0;0 1]
B=[1;0;0;0;0]
C=[0 0 0 0 1]
%controlabilidad
co=ctrb(A,B)
rco=rank(co)
%Observabilidad
ob=obsv(A,C)
rob=rank(ob)
%Polos localizados por el controlador
pc=[-0.25 -0.25 -0.25 -0.25 -0.25]
%Diseño del regulador
K=acker(A,B,pc)
K1=K(1)
K2=K(2)
K3=K(3)
K4=K(4)
K5=K(5)
%Polos localizados por el observador
po=[-1 -1 -1 -1 -1]
%Diseño del observador
L=acker(A',C',po)
l1=L(1)
l2=L(2)
l3=L(3)
l4=L(4)

Agosto de 2004
l5=L(5)
%Sistema de lazo cerrado
A111=A-B*K
A112=B*K
A121=[0 0 0 0 0;0 0 0 0 0;0 0 0 0 0;0 0 0 0 0;0 0 0 0 0]
A122=A-L'*C
A1=[A111 A112;A121 A122]
B11=B
B12=[0;0;0;0;0]
B1=[B11;B12]
C11=C
C12=[0 0 0 0 0]
C1=[C11 C12]
%Ganancia de prealimentacón
g=-1/(C1*inv(A1)*B1)
3.1 Cálculo de la ganancia del regulador

El cálculo de la matriz K del regulador, utilizando la fórmula de Ackermann implementada en Matlab,
considerando los cinco polos deseaos reales localizados en el plano complejo en -0.25, resulta en:
K = [− 0.6236 0.3067 − 0.0215 1.6233 − 11.5065]
3.2 Cálculo de la ganancia del observador

De la misma manera, la matriz de observabilidad, ubicando todos los polos del observador en -1, resulta
en:
L = [0 − 3156.4 − 2186.9 − 451.3 3.1]
3.3 Cálculo de la ganancia de prealimentación

Con estos valores, el lazo cerrado del sistema linealizado resulta en:
⎡ x& ⎤ ⎡ A − BK BK ⎤ ⎡ x ⎤ ⎡ B ⎤
⎢ e& ⎥ = ⎢ 0 +
A − LC ⎥⎦ ⎢⎣ e ⎥⎦ ⎢⎣ 0 ⎥⎦
gr
⎣ ⎦ ⎣
⎡ x⎤
ω = [C 0]⎢ ⎥
⎣e ⎦
Sean:
~ ⎡ A − BK BK ⎤ ~ ⎡ B ⎤ ~
A=⎢ ; B = ⎢ ⎥ ; C = [C 0]
⎣ 0 A − LC ⎥⎦ ⎣0⎦
entonces la función de transferencia de lazo cerrado está dada por:

Agosto de 2004
Ω( s ) ~ ~ ~
G ( s) = = C ( sI − A) B g
R( s)
La ganancia estática del sistema está dada por:

~~ ~
K p = G (0) = −CA −1 B g
Para una ganancia estática unitaria, la ganancia debe ser ajustada como:
1
g = − ~~ −1 ~
CA B
Realizando todas estas operaciones en Matlab, se obtiene:
g = −17.7598
Simulación del sistema de control con el modelo linealizado

La simulación del sistema de control puede ser efectuada utilizando Simulink de Matlab. El modelo de
simulación para el sistema linealizado se muestra en la siguiente figura:
Modelo de simulación considerando el sistema linealizado
El Regulador y el Observador se muestran a continuación:

Agosto de 2004
Modelo de simulación del Regulador
Modelo de simulación del Observador
Observe cómo se ha implementado, por ejemplo, la estimación del segundo estado:

Agosto de 2004
Modelo de simulación para la Estimación del segundo estado
Regulación sin perturbación ni restricción en el actuador
La siguiente figura muestra el nivel de glucosa con el modelo linealizado para un tiempo de simulación de
200 min. Observe que se tiene un sobrepaso ligeramente por encima del nivel de glucosa de 125 mg/dl.
Respuesta ideal lograda con el sistema linealizado
Sin embargo, observe que, para lograr la regulación, la señal de control se eleva a valores imprácticos en
el tiempo inicial de la simulación, como se muestra en la siguiente figura:
Señal de control aplicada al modelo linealizado para obtener la respuesta ideal

Agosto de 2004
Observe también que la señal de control toma valores positivos y negativos. En el caso de la presente
simulación sólo son útiles los valores negativos, ya que un valor positivo significaría sacar insulina del
paciente.
Regulación sin perturbación con restricción en el actuador
Considere ahora una saturación en el actuador tal que la señal de control tome valores sólo en el rango
de [-250,0]. El nivel de glucosa experimenta el deterioro que se muestra en la siguiente figura:
Respuesta con el sistema linealizado considerando restricciones en el actuador
En este caso, como era de suponer, la respuesta del paciente es muy lenta, considerando que el tiempo
de simulación es de 600 min.
Regulación con perturbación y con restricción en el actuador
Considere ahora una perturbación que introduce glucosa por el aparato digestivo a una razón de 3
mg/dl/min, durante 30 minutos a partir del minuto 300, manteniendo las restricciones en el actuador. En
este caso, el comportamiento del nivel de glucosa se deteriora como se muestra en la siguiente figura:
Respuesta del sistema considerando perturbación elevada y restricciones en el actuador
Observe cómo se incrementa el nivel de glucosa, cuando existe la perturbación.
Sin embargo, si el nivel de la perturbación se reduce a 1.5 mg/dl/min, entonces se obtienen resultados
más satisfactorios para el paciente, como se muestra en la siguiente figura:

Agosto de 2004
Respuesta del sistema considerando perturbación moderada y restricciones en el actuador
Simulación con el Modelo no lineal

Descripción del modelo en Simulink
Modelo de simulación para el sistema no lineal
El observador y el regulador utilizados fueron los que se calcularon para el sistema linealizado.
Regulación sin perturbaciones ni restricciones en el actuador
La siguiente figura muestra el nivel de glucosa con el modelo no lineal para un tiempo de simulación de
200 min. Observe que se tiene un sobrepaso dentro de los márgenes aceptables y existe un error en
estado estacionario, debido a la no linealidad y a que la ganancia de prealimentación g fue calculada
como el inverso de la ganancia estática del sistema de lazo cerrado con modelo linealizado. A pesar de
ello, la respuesta, aunque más lenta se muestra dentro de los márgenes aceptables para la aplicación.
Respuesta del sistema sin perturbaciones ni restricciones en el actuador

Agosto de 2004
De la misma manera que en el caso anterior, observe que la señal de control toma valores positivos y
negativos como se muestra en la siguiente figura:
Señal de control en la simulación de la respuesta del sistema sin perturbaciones ni restricciones en el

actuador
En el caso de la presente simulación sólo son útiles los valores positivos, ya que un valor negativo
significaría sacar insulina del paciente.
Regulación sin perturbación con restricción en el actuador
Considere ahora una saturación en el actuador tal que la señal de control tome valores sólo en el rango
de [0,250]. El nivel de glucosa experimenta el comportamiento que se muestra en la siguiente figura:
Respuesta del sistema con modelo no lineal sin perturbación y con restricciones en el actuador
El sistema de control hace que el nivel de glucosa se establezca en el nivel deseado en un tiempo de 200
min. Compare esta respuesta con la correspondiente obtenida para el modelo linealizado.
Regulación con perturbación y con restricción en el actuador
Considere ahora una perturbación que introduce glucosa por el aparato digestivo a una razón de 3
mg/dl/min, durante 30 minutos a partir del minuto 300, manteniendo las restricciones en el actuador. En
este caso, el comportamiento del nivel de glucosa se deteriora como se muestra en la siguiente figura:

Agosto de 2004
Respuesta del sistema con modelo no lineal con perturbación y restricciones elevadas en el actuador
Al igual que con el modelo linealizado, se experimenta un periodo de hiperglucemia. Sin embargo, en este
caso también se experimenta un periodo de hipoglucemia, ya que el nivel de glucosa baja por debajo de
los 70 mg/dl. Pero, si el nivel de la perturbación se reduce a 1.5 mg/dl/min, entonces se obtienen
resultados más satisfactorios para el paciente, como se muestra en la siguiente figura:
Respuesta del sistema con modelo no lineal con perturbaciones moderadas y restricciones en el actuador
Observe que el nivel de glucosa está dentro de los márgenes permisibles.
Análisis comparativo
Considere el siguiente análisis comparativo de los resultados de simulación
Caso sin perturbación ni restricciones
Con modelo linealizado Con modelo no lineal

Agosto de 2004
La simulación con el modelo no lineal difiere considerablemente tanto en el transitorio como en el estado
permanente. La respuesta con modelo no lineal es más lenta y tiene un error en estado estacionario,
aunque tiene un menor sobrepaso.
Caso de perturbación elevada con restricciones
La simulación con el modelo no lineal difiere considerablemente en los transitorios. La respuesta con el
modelo no lineal experimenta un periodo corto de hiperglucemia y un periodo corto de hipoglucemia. No
se experimenta hipoglucemia con el modelo linealizado.
Caso de perturbación moderada con restricciones
La simulación con el modelo no lineal difiere considerablemente en los transitorios. La respuesta con el
modelo no lineal está dentro de los márgenes aceptables para el paciente, sin embargo la simulación con
el modelo linealizado experimenta un periodo corto de hiperglucemia.
Aunque la simulación con el modelo no lineal muestra mejores resultados, para el paciente
correspondiente a los parámetros considerados, esto no significa que el control diseñado sea satisfactorio
para todos los pacientes. Así como las diferencias, en este caso, fueron hacia abajo, también lo pueden
ser hacia arriba.
Sin embargo, note que el controlador diseñado para el modelo lineal no pierde estabilidad con el modelo
no lineal.

Agosto de 2004
Bibliografía
BIBLIOGRAFIA
Chen C. Analog and Digital Control System Design. Transfer function, State Space, and Algebraic Methods.
Saunders College Publishing , 1993.
Dorf R. Sistemas Automáticos de control. Teoría y Práctica. Fondo Educativo Interamericano 1974
Leigh J. Applied Digital Control. Theory, Design and Implementation. Second Edition. Prentice Hall
International (UK) Ltd. 1985, 1992.
Lewis P.H., Yang Ch. Sistemas de Control en Ingeniería. Prentice Hall, 1999.
Ogata K. Ingeniería de Control Moderna. Tercera Edición. PHH Prentice Hall, 1998.
Chau P. Process Control. A First Course with Matlab. Cambridge University Press. 2002.
Roca A. Control de Procesos. Alfaomega Grupo Editor S.A. de C.V., 1999.
Rodríguez J. Introducción a la Ingeniería del Control Automático. McGraw Hill 1997
Smith C, Corripio A. Control Automático de Procesos. Teoría y Práctica. Limusa 1995.

Octubre de 2003

Sistemas de Control

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistemas de Control

Cargado por

Copyright:

Formatos disponibles

SISTEMAS DE CONTROL

Ing. Mauricio Améstegui Moreno

UNIVERSIDAD MAYOR DE SAN ANDRES

1.4 Funciones de variable compleja

1.5 La Transformada de Laplace

2 Modelos Matemáticos de Sistemas Dinámicos

2.2 Descripción mediante funciones de transferencia

2.3 Diagramas de bloques

2.4 Modelos en el espacio de estado

2.5 Ejemplos de modelos no lineales en el dominio del tiempo

2.6 Linealización de sistemas no lineales

Ing. Mauricio Améstegui M. Pág. 1

3.1.6 Efecto de las perturbaciones sobre un sistema realimentado

3.2 Acciones básicas de control

3.3 Estabilidad de sistemas lineales invariantes

3.4 Ejemplo de un sistema de control de velocidad de un

4 Análisis y Diseño de Sistemas en el Dominio del

4.2 Respuesta transitoria de un sistema de primer orden

4.3 Respuesta transitoria de un sistema de segundo orden

4.4 Control con especificaciones de la respuesta transitoria

4.5 Sistemas de mayor orden con polos dominantes de

4.6 Respuesta en estado estacionario

Ing. Mauricio Améstegui M. Pág. 2

4.6.4 Respuesta a una entrada senoidal de magnitud unitaria

4.7 Análisis del error en estado estacionario

5 Análisis y Diseño de Sistemas de Control usando la

5.2 Técnica del lugar de las raíces

5.3 Análisis y diseño empírico de un sistema de control de

6 Análisis y Diseño de Sistemas de Control en el

6.2 Identificación del tipo de sistema

6.3 Criterio de estabilidad de Nyquist

Ing. Mauricio Améstegui M. Pág. 3

6.4 Estabilidad relativa

6.5 Especificaciones de sistemas de lazo cerrado en el

7.2 Diseño de compensadores basados en la técnica del lugar

7.3 Diseño de compensadores basados en la respuesta en

7.3.1 Compensación de adelanto de fase

8 Diseño de Sistemas en el Espacio de Estado

8.2 Controlabilidad y Observabilidad

8.3 Diseño por localización de polos

8.4 Estimación del estado

Ing. Mauricio Améstegui M. Pág. 4

8.4.1 Estimador de orden completo

8.5 Realimentación de la salida

Ing. Mauricio Améstegui M. Pág. 5

Un número complejo x es una combinación de dos números reales σ y ω denotado por:

La aritmética de números complejos satisface las siguientes propiedades:

Ejemplo.- Considere los números complejos:

La magnitud de un número complejo x = σ + jω , denotada por x , está dada por la siguiente

Ing. Mauricio Améstegui M. Pág. 1.1

x = x e j∠x = x (cos(∠x) + j sin(∠x) ) (1.3)

Ejemplo.- Considere el número complejo x = 2 + j 3 . Entonces:

Fig. 2.1 Representación de un vector en el plano cartesiano

Un vector x ∈ R n se denota por una n -tupla de números reales de la siguiente manera:

Ing. Mauricio Améstegui M. Pág. 1.2

donde x1 , x 2 ,L , x n son las coordenadas o elementos componentes del vector x y T denota

Para todo x, y, z en el espacio lineal Ω y todo escalar α , β en el campo K , se tiene que:

Producto interno de vectores

El producto interno de dos vectores x, y ∈ R n está definido como:

Ejemplo.- Sean los vectores

Ing. Mauricio Améstegui M. Pág. 1.3

donde sólo se considera la parte positiva de la raíz cuadrada. Inmediatamente se puede

Ejemplo.- La magnitud del vector