Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ingenieria en Electronica: Teoria de Control
Ingenieria en Electronica: Teoria de Control
TEORIA DE CONTROL
BASICAS..........................................................................................................................1
DISEÑO DE CONTROL DE SISTEMAS DE CONTROL EN EL ESPACIO DE
ESTADOS.........................................................................................................................3
Introducción...................................................................................................................3
Ubicación de Polos........................................................................................................3
Condición necesaria y suficiente para la ubicación de polos....................................5
Pasos de Diseño para la Ubicación de Polos.............................................................8
Fórmula de Ackermann...........................................................................................10
Progama con Matlab................................................................................................14
Diseño de sistemas del tipo regulador mediante la ubicación de polos..................16
Obtención de la matriz de ganancias de retroalimentación del estado K con Matlab
.................................................................................................................................21
1
Obtención de la respuesta del sistema ante condiciones iniciales...........................23
Respuesta del sistema del pendulo con Matlab.......................................................24
Observadores de Estado..............................................................................................27
Observador de estado de orden completo................................................................28
Diseño de observadores de estado de orden completo............................................30
Enfoque de sustitución directa para obtener la matriz de ganancias del observador
de estado Ke............................................................................................................35
Principio de la Separación.......................................................................................39
Observador de orden minimo..................................................................................44
Ejemplo de un sistema de control con seguidores..................................................53
Caracteristicas de la respuesta escalon unitario del sistema diseñado, simulación en
Matlab......................................................................................................................58
Conclusiones................................................................................................................61
Bibliografia..................................................................................................................61
2
DISEÑO DE CONTROL DE SISTEMAS DE CONTROL EN
EL ESPACIO DE ESTADOS
Introducción
Matlab es una herramienta muy versátil al modelar sistemas, aki se emplea para
poder ver con mayor facilidad como se comportan estos sistemas de control.
Dichas técnicas no son nuevas pero son muy empleadas hoy en día por todo tipo
científicos en instituciones alrededor del mundo, a continuación se muestran algunas
técnicas empleadas para poder hacer un control confiable.
Ubicación de Polos
3
frecuencia natural no amortiguada ωn. De este modo suponemos que el efecto de los polos
dominados es insignificante. Sin embargo al especificar todos los polos de lazo cerrado
tenemos un costo asociado porque hacerlo requiere de mediciones exitosas en todas las
variables de estado, o bien requiere de la implementación de un observador de estado en el
sistema.
También requerimos que el sistema sea controlable para que los polos se ubiquen en
posiciones elegidas de manera arbitraria.
x = Ax + Bu• (1)
en donde x = vector de estado (n x 1)
u = señal de control (escalar)
A = matriz de estado (n x n)
B = matriz de control (n x 1)
Las matrices A y B son conocidas y constantes. Elegimos la señal de control
mediante la retroalimentación lineal del estado:
u = -Kx (2)
x(t) = (A − BK)x(t)
(3)
En donde x(0) es el estado inicial provocado por alguna perturbación externa que ya
no está presente. La estabilidad y la velocidad de la respuesta transitoria dependen de los
valores principales de la matriz A - BK. Si elegimos la matriz K de manera adecuada, la
matriz A - BK se convierte en una matriz que producirá estabilidad de manera asintótica y
será factible lograr que x(t) tienda al origen conforme aumenta el tiempo. Los eigenvalores
de la matriz A - BK.se denominan como polos reguladores. Si estos se ubican en el lado
izquierdo del plano complejo s entonces x(t) tenderá al origen. El problema de ubicar los
polos de lazo cerrado en los lugares deseados constituye el tópico central de este capítulo.
En la figura 1(a) se ilustra el sistema dado por (1) y en la figura 1(b) al sistema
retroalimentado dado por (4).
4
Como se enunció antes demostraremos que el cálculo de la matriz de
retroalimentación K sólo es posible si el sistema es controlable completamente.
K = KP = k M k
5
∧
Concluimos que la controlabilidad es una condición necesaria para poder ubicar los
polos de lazo cerrado del regulador.
T = MW (5)
M = [ B ! AB !. . .!An-1B] (6)
y la matriz no singular
Donde
6
La ecuación (8) está en la forma canónica controlable. Por tanto, dada una ecuación
de estado, la ecuación (1) se transforma a la forma canónica controlable si el sistema es de
estado completamente controlable y si el vector de estado x se transforma en el vector de
estado ∧x usando la matriz de transformación T obtenida mediante la ecuación (5)
Seleccionemos al conjunto de valores principales deseados como μ1 , μ2,. . .,μn. En este
caso la ecuación característica deseada se convierte en
Escribamos
La ecuación característica es
7
controlable. Remitiéndonos a las ecuaciones (9), (10), (12), tenemos que
Esta es la ecuación característica para el sistema con una realimentación del estado.
Por
tanto, debe ser igual a la ecuación (11), que es la ecuación característica deseada. Igualando
los coeficientes de las potencias iguales de s, obtenemos.
a1 + δ1 = α1
a2 + δ2 = α2
...
an + δn = αn
8
La matriz de ganancia de realimentación K que obliga a los valores principales de A
– BK a ser μ1, μ2, . . . ,μn (valores deseados) se determina mediante los pasos siguientes:
(si μi es un valor principal complejo, su conjugado también debe ser un valor principal
de A – BK. )
Paso 4: Usando los valores principales deseados (los polos de lazo cerrado
deseados), escribir el polinomio característico que se busca:
(s - μ1)(s - μ2). . .(s - μn) = sn + α1sn-1 + . . . + αn-1s + αn y determinar los valores de α1, α2
. . ., αn.
9
como la fórmula de Ackermann para calcular la matriz de ganancias de realimentación del
estado K.
Fórmula de Ackermann
Considerar el sistema obtenido mediante la ecuación (1), que puede reescribirse
como:
u = -Kx
Definamos
Multiplicando las ecuaciones anteriores, en orden, por α3, α2, α1, α0 (en donde α0 =
1 ), respectivamente, y agregando los resultados, obtenemos
10
Remitiéndonos a la ecuación (16), tenemos que
Esta ultima ecuación produce la matriz de ganancias del estado K deseada. Para un
entero positivo arbitrario n, tenemos que
11
Comentarios. Es importante señalar que la matriz K no es la única para el
sistema
determinado, sino que depende de las ubicaciones de los polos en lazo cerrado deseados (los
cuales determinan la velocidad y el amortiguamiento de la respuesta) seleccionados.
Observe que la selección de los pozos en un lazo cerrado deseados, o de la ecuación
característica deseada, es un compromiso entre la rapidez de la respuesta del vector de error
y la sensibilidad ante perturbaciones y el ruido en la medición. Es decir, si incrementamos
la velocidad de respuesta de error, por lo general se incrementan los procesos adversos de
las perturbaciones y el ruido en la medición. Si el sistema es de segundo orden, su dinámica
(las características de respuesta) se correlacionan precisamente con la ubicación de los
pozos en lazo cerrado deseados y los ceros de la planta. Para sistema de orden superior, la
ubicación de los polos en lazo cerrado y la dinámica del sistema (las características de
respuesta) no se correlacionan fácilmente. Por tanto, al determinar la matriz de ganancias de
realimentación del estado K para un sistema determinado, es conveniente analizar mediante
simulaciones de computadora las características de respuesta del sistema para varias
matrices K diferentes (con base en varías ecuaciones características deseadas distintas) y
elegir aquella que ofrezca el mejor desempeño del sistema general.
Veamos primero un ejemplo para ilustrar las dos fórmulas para calcular la matriz de
realimentación de estado.
En este caso los valores principales de A son –1, -2 y +2, por lo que tenemos un
caso de inestabilidad de lazo abierto, por lo que la matriz de ganancia deberá proporcionar
la estabilidad mediante la realimentación adecuada.
Con la fórmula tradicional empezamos con el paso 1, que consiste en calcular la
matriz de controlabilidad:
de donde: a1 = 1, a2 = -4 y a3 = -4.
12
Paso 4: Calculamos la ecuación característica deseada:
13
Progama con Matlab
A = [1 -1 0,
3 -1 -1,
7 1 -4 ]
B = [0,
-2,
7]
C = [20 0 0]
D = 0;
%Polos de lazo cerrado deseados
Pc = [-4+5j,
-4-5j,
-8]
echo on
%Cálculo de la matriz de ganancia
K = acker(A, B, Pc)
sys1 = ss(A-B*K, 0*B, C, D); %modelo continuo en el tiempo
%Define la variable tiempo
t = 0:0.02:1.6;
%Se fijan las condiciones iniciales
x0 = [-2 1 2]';
%Respuesta a las CI
[Y, T, X] = initial(sys1, x0, t);
subplot(2,1,1)
plot(t,X)
title('Respuesta a las CI del regulador con realimentación lineal de estado')
xlabel('tiempo en segundos')
ylabel('x1, x2 y x3')
grid on
%Reconstruye la señal de control
u = -X*K';
subplot(2,1,2)
plot(t,u)
%title('Respuesta del regulador con realimentación lineal de estado')
xlabel('tiempo en segundos')
ylabel('señal de control u')
grid on
14
15
Diseño de sistemas del tipo regulador mediante la ubicación
de polos
Se supone que la masa esta en la punta de la varilla y que la varilla no tienen masa
16
Ml ( M m) g u (21)
M x u mg (22)
La ecuación 21 se obtubo eliminando x de las ecuaciones 19 y 20 la 22 se
obtubo eliminando de las ecuaciones 19 y 20, a partir de alli obtenemos la ecuación
de transferencia:
(s) 1
U ( s ) Mls ( M m) g
2
(s) 1 1
2 2
U ( s ) s 20.601 s (4.539) 2
La planta tiene dos polos uno sobre el eje real negativo en (s=-4.539) y otro en el
eje real positivo (s=4.539). Por tanto, la planta es inestable en lazo abierto.
x1
x2
x3 x
x4 x
y1 x1
y
y 2 x x3
17
x1 x 2
M m 1
x2 gx1 u
Ml Ml
x3 x 4
m 1
x4 gx1 u
M M
x1 0 1 0 0 x1 0
M m 1
x 2 Ml
g 0 0 0 x 2 Ml
u (23)
0 0 0 1 x3 0
x3 m 1
g 0 0 0 x 4
M M
x 4
x1
y1 1 0 0 0 x 2
y 2 0 0 1 0 x3 (24)
x 4
Estas son una representación enb el espacio de estados del sistema del pendulo
invertido.
M m m 1 1
g 20.601, g .4905, 1, 0.5
Ml M Ml M
x1 =Ax+Bu
Y=Cx
En donde
18
0 1 0 0 0
20.601 0 0 0 1 1 0 0 0
A , B , C
0 0 0 1 0 0 0 1 0
.4905 0 0 0 0.5
U=-Kx
0 1 0 20.601
1 0 20.601 0
M B AB A2 B A B
3
0 0.5 0 0.4905
0.5 0 0.04905 0
Por lo tanto
a1 0, a 2 20.601, a3 0, a4 0
1 2 j 2 3 , 2 2 j 2 3 , 3 10 , 4 10
En este caso u1 y u2 son los dos polos dominantes en lazo cerrado deseados con
0.5 y n 4 los otros dos polos se hallan lejos a la izquierda del par dominante y
por ende su efecto es pekeño. Así se cumplen los requerimientos de velocidad y
amortiguamiento la ecuación característica se convierte en:
19
( s 1 )( s 2 )( s 3 )( s 4 ) ( s 2 j 2)( s 2 j 2)( s 10)(s 10)
( s 2 4s 16)( s 2 20s 100)
s 4 24s 3 196s 2 720s 1600
s 4 1s 3 2 s 2 3 s 4 0
T=MV
Y M y W se obtienen mediante las ecuaciones 5 y 6 respectivamente, Asi,
0 1 0 20.601
1 0 20.601 0
M B AB A2 B A B
3
0 0.5 0 0.4905
0.5 0 0.04905 0
a3 a2 a1 1 0 20.601 0 1
a a1 1
0 20.601 0 1 0
W 2
a1 1 0 0 0 1 0 0
1 0 0 0 1 0 0 0
0 0 1 0
0 0 0 1
T MW
9.81 0 0.5 0
0 9.81 0 0.5
De modo que,
0.5 1
9.81 0
9.81
0
0.5 1
T 1 0 0
9.81 9.81
1 0 0 0
0 1 0 0
20
La matriz de ganancias de retroalimentación desada K se convierte en:
21
%--Diseño de un sistema de control de pendulo invertido
%-- este programa determina la matriz de ganancias del estado
%--K=[k1,k2,k2,k4] usando la formula de Ackerman
A=[ 0 1 0 0;
20.601 0 0 0;
0 0 0 1;
-0.4905 0 0 0];
B=[0;-1;0;0.5];
C=[ 1 0 0 0;
0 0 1 0];
D=[0;0];
J=[-2+2*sqrt(3)*i 0 0 0;
0 -2-2*sqrt(3)*i 0 0;
0 0 -10 0;
0 0 0 -10];
JJ=poly(J)
JJ=
1.0e+003*
Phi polyvalm(poly(J),A);
K=[ 0 0 0 1]*(inv(M))*Phi
K=
22
Obtención de la respuesta del sistema ante condiciones iniciales
Para poder saber la respuesta del sistema usamos simulaciones matematicas,
para eso obtenemos primero las ecuaciones de estado.
x Ax Bu
Y la ecuación de control
u Kx
x ( A BK ) x
x1
0 1 0 0 x1
x 2 277.5494 60.6972 163.0989 73.3945 x 2
x3 0 0 0 1 x3
148.5847
30.3486 81.5495 36.6972 x 4
x 4
x1 (0) 0.1
x (0) 0
2
x3 (0) 0
x 4 (0) 0
x Ax
En donde
0 1 0 0
277.5494 60.6972 163.0989 73.3945
A
0 0 0 1
148.5847 30.3486 81.5495 36.6972
23
0.1
0
B
0
0
Asi la respuesta se obtiene despejando de las siguientes ecuaciones
z Az Bu
x C D u
En donde
C A, D B
A =AA, B =BB y asi para C y D
24
%--Respuesta a condiciones iniciales
%--Este programa obtiene la respuesta inicial del sistema
A=[ 0 1 0 0;
20.601 0 0 0;
0 0 0 1;
-0.4905 0 0 0];
B=[0;-1;0;0.5];
K=[-298.1504 -60.6972 -163.0989 -73.3945];
AA=A-B*K;
BB=[0.1;0;0;0];
[x,z,t]=step(AA,BB,AA,BB);
x1=[ 1 0 0 0]*x’;
x2=[ 0 1 0 0]*x’;
x3=[ 0 0 1 0]*x’;
x4=[ 0 0 0 1]*x’;
%--Grafique las curvas de respuesta x1 contra t, x2 contra t, x3 contra t y
x4 contra t en %--un diagrama
subplot (2,2,1);
plot(t,x1);grid
title(‘x1(Theta) contra t’)
xlabel(‘t segs’)
ylabel(‘x1=Theta’)
subplot (2,2,2);
plot(t,x2);grid
title(‘x2(punto Theta) contra t’)
xlabel(‘t segs’)
ylabel(‘x2=punto Theta’)
subplot (2,2,3);
plot(t,x3);grid
title(‘x3(desplazamiento de carro) contra t’)
xlabel(‘t segs’)
ylabel(‘x3=desplazamiento de carro’)
subplot (2,2,4);
plot(t,x4);grid
title(‘x4(velocidad del carro) contra t’)
xlabel(‘t segs’)
ylabel(‘x4=velocidad del carro)
25
26
Observadores de Estado
En el capítulo en que se presentó un enfoque de ubicación de polos para el diseño de
sistemas de control, supusimos que todas las variables de estado estaban disponibles para su
realimentación. Sin embargo, en la práctica, no todas las variables están disponibles para su
realimentación. Entonces, necesitamos estimar las variables de estado que no están
disponibles. Es importante señalar que debemos evitar diferenciar una variable de estado
para generar otra.. La diferenciación de una señal siempre decrementa la relación señal a
ruido, porque este último, por lo general fluctúa más rápido que la señal de comando. En
ocasiones, la relación señal a ruido se decrementa varias veces mediante un proceso único
de diferenciación. Existen métodos para estimar las variables de estado que no se miden sin
un proceso de diferenciación. La estimación de semejantes variables de estado por lo
general se denomina observación. Un dispositivo (o un programa de computadora) que
estima u observa las variables de estado se llama observador de estado o simplemente
observador. Si el observador de estado capta todas las variables del sistema, sin importar
si algunas están disponibles para una medición directa, se denomina observador de
estado de orden completo.
Hay ocasiones en las que un observador tal no es necesario, en las que solo se
requiere de la observación de variables de estado que no se miden, pero no de aquellas que
también se miden directamente. Por ejemplo, dado que las variables de salida son
observables y se relacionan en forma lineal con las variables de estado, no necesitamos
observar todas las variables de estado, sino sólo las n – m variables de estado, en donde n
es la dimensión del vector de estado y m es la dimensión del vector de salida. Un
observador que estima menos de n variables de estado, en donde n es la dimensión del
vector de estado, se denomina observador de estado de orden reducido o,
simplemente, observador de orden reducido. Si el observador de estado de orden
reducido tiene el orden mínimo posible, se denomina observador de estado de
orden mínimo, u observador de orden mínimo. En esta sección analizaremos el
observador de estado de orden completo y el observador de estado de orden mínimo.
control deseado.
27
que representa al observador de estado. Observe que el observador de estado tiene y
y u como entradas y x como salida. El ultimo término del segundo miembro de esta
~
ecuación modelo, ecuación (3), es un termino de corrección que contiene la diferencia entre
la salida y medida y la salida C x estimada. La matriz Ke funciona como una matriz de
~
discrepancia entre las matrices A y B usadas en este modelo y las del sistema real, la
adición del término de corrección ayuda a reducir los efectos producidos por la diferencia
entre el modelo dinámico y el sistema real. La siguiente figura muestra el diagrama a
bloques del sistema y el observador de estado de orden completo.
El orden del observador de estado que se analizara aquí es igual al del sistema.
Suponga que el sistema se define mediante las
ecuaciones (1) y (2) y que el modelo del observador se define mediante la ecuación (3).
28
Definamos la diferencia entre x y ~x como el vector de error e
PROBLEMA DUAL
El problema de diseñar un observador de orden completo se convierte en determinar
la matriz de ganancias del observador Ke tal que la dinámica de error definida mediante la
ecuación (5) sea asintóticamente estable con una velocidad de respuesta suficiente. (La
estabilidad asintótica y la velocidad de respuesta de la dinámica de error se determinan
mediante los valores principales de la matriz A - KeC ). Por tanto, el diseño del observador
de orden completo se convierte en determinar un Ke apropiado tal que A - KeC tenga los
valores principales deseados. Por ello, aquí el problema se convierte en el mismo que en el
caso de ubicación de polos analizado en el tema anterior.
29
Considerando que los valores principales de AT - CTK y los de A – KT C son
iguales, tenemos que
30
observable. Como se presento antes, esto se hace del modo siguiente: defina una matriz de
transformación Q mediante
s = Qξ (10)
en donde
31
Las ecuaciones (11) a (12) están en la forma canónica observable. Por tanto, dada
una ecuación de estado y una ecuación de salida, ambas pueden transformarse a la ecuación
canónica observable si el sistema es completamente observable y si el vector de estado
original x se transforma en un nuevo vector de estado ξ mediante la transformación
obtenida a partir de la ecuación (10). Observe que si la matriz A ya está en la forma
canónica observable, entonces
Q = I.
Como se planteo antes, elegimos que la dinámica del observador de estado se
obtenga mediante
Ahora defina
Defina
32
Requerimos que la dinámica del error sea asintóticamente estable y que ε(t) llegue a
cero con una velocidad adecuada. El método para determinar la matriz Ke es elegir primero
los polos del observador deseados (los valores principales de A - KeC ) y a continuación
calcular la matriz Ke para que produzca los polos deseados del observador.
Donde
33
La ecuación característica [sI - Q-1 (A - KeC)Q]= 0 se convierte en
O bien
observe que cada una de las δn δn-1 ,. . . , δ1 se asocian con sólo uno de los
coeficientes de la ecuación característica.
(Observar que los valores principales μi determinan que tan rápido converge el
estado observado al estado real de la planta)
Comparando los coeficientes de los términos con potencias iguales de s en las
ecuaciones (22) y (23), obtenemos
Por tanto,
34
La ecuación (24) especifica la matriz de ganancias del observador de estado comple
o Ke necesaria.
Observar que, hasta aquí hemos supuesto que las matrices A y B del observador
son exactamente iguales a las de la planta real. En la práctica, esto no podría ser cierto.
ecuación, determinamos los valores de ke1, ke2, ke3. Este enfoque es conveniente si
n = 1, 2 o 3, en donde n es la dimensión del vector de estado x. (Aunque se use este
enfoque
35
cuando n = 4, 5, 6, ..., los cálculos implícitos se vuelven muy tediosos.)
Para el dual del sistema definido mediante las ecuaciones (26) y (27),
en donde μ1, μ2, ..., μn, son los valores característicos deseados. La ecuación (29) se
denomina fórmula de Ackermann para la determinación de la matriz de ganancias del
observador Ke.
36
% Uso del comando acker y el concepto de sistema dual para un sistema continuo
A = [-2 5; 0 1]; % matriz de estado
B = [0; 4]; C = [-1 1];
Po = [-4;-6]; % Polos del observador en –4 y -6
Ke = acker(A',C',Po)' % Calcula ganancia para ubicación del sistema dual
-26.5000
-17.5000
Ao = A - Ke*C;
Bo = [Ke B];
eig(Ao) % calcula eigenvalores del observador
-6
-4
37
38
Principio de la Separación
39
La ecuación característica para el sistema viene dada por
en donde optamos porque los valores principales de la matriz del observador sean
40
Para determinar la matriz de ganancias del observador Ke, usamos la ecuación (24)
en donde
es la matriz de observabilidad y
Por lo tanto
Dado que
El diagrama de bloques del sistema con una realimentación del estado observado se
aprecia en la figura.
41
La figura muestra un diagrama de bloques del sistema.
Para la planta
42
Para el observador
43
La ecuación característica es
Los observadores analizados hasta ahora se diseñan para reconstruir todas las
variable de estado. En la práctica, algunas de dichas variables de estado se miden con
precisión, por lo que no es necesario incluirlas en el diseño del observador.
44
Sin embargo, es importante considerar que si la medición de las variables de salida
contienen ruido significativo y es relativamente inexacta, el uso del observador de orden
completo puede ocasionar un mejor desempeño del sistema.
Para ofrecer la idea básica del observador de orden mínimo, sin complejidades
matemáticas innecesarias, presentaremos el caso en el que la salida es un escalar (esto es, m
= 1) y obtendremos la ecuación de estado para el observador de orden mínimo. Considerar
el sistema
en donde el vector de estado x se divide en dos partes x a (un escalar) y xb (un vector
de orden n-1). Aquí la variable de estado xa es igual a la salida y, y por tanto, se mide
directamente y xb es la parte que no se puede medir del vector de estado. De esta manera, el
estado dividido y las ecuaciones de salida se vuelven
45
A partir de la ecuación (31), la ecuación para la parte medida del estado se vuelve
o bien
Los términos del primer miembro de la ecuación (33) se pueden medir. La ecuación
(33) funciona como la ecuación de salida. Al diseñar la ecuación de orden mínimo,
consideramos que el primer miembro de la ecuación (33) contiene cantidades conocidas.
Por tanto la ecuación (33) relaciona las cantidades medibles y no medibles del
estado.
Considerando que los términos Abaxa + Bbu son cantidades conocidas, la ecuación
(34) describe la dinámica de la parte no medida del estado.
A continuación presentaremos un método para diseñar un observador de orden
mínimo.
El procedimiento de diseño se simplifica si utilizamos la técnica de diseño
desarrollada para el observador de estado de orden completo.
Comparemos la ecuación de estado para el observador de orden completo con la del
observador de orden mínimo. La ecuación de estado para el observador de orden completo
es
El diseño del observador de orden mínimo se realiza del modo siguiente: primero
considere que la ecuación del observador para el observador de orden completo se obtuvo a
partir de la ecuación (25), la cual repetimos aquí:
46
Así, haciendo las sustituciones de la tabla (1) en la ecuación (35), obtenemos:
Si definimos
47
definamos el error como
Se deduce que e es un vector de orden n-1 y (42) es la dinámica del error para el
observador de orden mínimo.
es de rango n –1.
en donde μ1, μ2, . . , μn-1 son los polos deseados del observador de orden mínimo.
La
matriz de ganancias del observador K se determina eligiendo primero los polos deseados
para el observador [ubicando las raíces de la ecuación (43) en los lugares adecuados del
plano complejo] y después usando el procedimiento desarrollado para el observador de
orden completo con las modificaciones de la tabla 1. Por ejemplo, para usar la fórmula para
calcular la matriz Ke obtenida mediante la ecuación (24), ésta se debe modificar a
48
Así mismo, se puede emplear la fórmula de Ackermann obtenida mediante la
ecuación (29), modificándola a
en donde
Donde
49
A continuación usaremos la fórmula de Ackermann obtenida mediante la ecuación
(45)
Recordando las ecuaciones (38) y (39) la ecuación para el observador de orden mínimo
se obtiene mediante
50
La figura es un diagrama a bloques que exhibe la configuración del sistema
realimentado a partir del estado observado, usando el observador mínimo.
51
52
Ejemplo de un sistema de control con seguidores
Suponemos que el angulo del pendulo y la velosidad angular son pequeños,
por lo que sen , cos y 0.
53
Remitiéndonos a la sección anterior sabemos que son las ecuaciones del sistema
Ml ( M m) g u (21)
M x u mg (22)
20.601 u (30)
x 0.5u 0.4905 (31)
x1
x2
x3 x
x4 x
Asi con las ecuaciones 30 y 31 y la figura 1 considerando la posicion del carro x
coo la salida del sistema, obtenemos las ecuaciones para el sistema del modo siguiente:
x Ax Bu (32)
y Cx (33)
u Kx k1 (34)
r y r Cx (35)
54
donde
0 1 0 0 0
20.601 0 0 0 1 1 0 0 0
A , B , C
0 0 0 1 0 0 0 1 0
.4905 0 0 0 0.5
e A e B ue (36)
En donde
0 1 0 0 0 0
20.601 0 0 0 0 1
A 0
B
A
C 0 0 0 0 1 0 , B 0
0
0.4905 0 0 0 0 0.5
0 0 1 0 0 0
u e Ke
Donde
K K | k1 k1 k 2 k 3 k 4 | k1
Determinamos la matriz de ganancias de retroalimentación K necesaria
mediante la tecnica de ubicación de polos.
Debemos examinar el rangop de la matriz P, en donde
A B
P
C 0
0 1 0 0 0
20.601 0 0 0 1
A 0
P 0 0 0 1 0
C 0
0.4905 0 0 0 0.5
0 0 1 0 0
55
El rango de la matriz es 5 por lo tanto es controlable, y vuscamos la ecuación
caracteristica para el sistema con la ecuación 36
s 1 0 0 0
20.601 s 0 0 0
| S A | 0 0 s 1 0
0.4905 0 0 s 0
0 0 1 0 s
s 3 ( s 2 20.601)
s 2 20.601s 3
s 5 a1 s 4 a 2 s 3 a3 s 2 a 4 s a5 0
Por tanto
a1 0, a 2 20.601, a3 0, a 4 0, a5 0,
1 1 j 3, 2 1 j 3, 3 5 4 5 5
T MW
0 1 0 20.601 0
1 0 20.601 0 2
(20.601)
M 0 0.5 0 0.4905 0
0.5 0 0.4905 0 10.1048
0 0 0.5 0 0.4905
56
0 0 20.601 0 1
0 20.601 0 1 0
W 20.601 0 1 0 0
0 1 0 0 0
1 0 0 0 0
Entonces
0 0 0 1 0
0 0 0 0 1
T MV 0 9.81 0 0.5 0
0 0 9.81 0 0.5
9.81 0 0.5 0 0
La inversa de T es
.25 0.5 1
0 0
(9.81) 2 (9.81) 2 9.81
0.5 1
0 0 0
9.81
1 9.81
T 0.5 1
0 0 0
(9.81) 2 9.81
1 0 0 0 0
0 1 0 0 0
57
Caracteristicas de la respuesta escalon unitario del sistema
diseñado, simulación en Matlab
Una ves diseñado el sistema la respuesta del sistema se obtiene de la siguente
manera con Matlab
58
plot(t,x2); grid
title(‘ x2 contra t’)
xlabel(‘tseg’)
ylabel(‘x2)
subplot(3,2,3);
plot(t,x3); grid
title(‘ x3 contra t’)
xlabel(‘tseg’)
ylabel(‘x3)
subplot(3,2,4);
plot(t,x4); grid
title(‘ x4 contra t’)
xlabel(‘tseg’)
ylabel(‘x4)
subplot(3,2,5);
plot(t,x5); grid
title(‘ x5 contra t’)
xlabel(‘tseg’)
ylabel(‘x5)
59
60
Conclusiones
La obtención de los modelos matemáticas de sistemas es una tarea complicada y
larga, pero es una manera muy eficiente de crear soluciones a problemas de cualquier
tipo.
Matlab es una herramienta muy poderosa, que nos permite ahorrar tiempo, y
visualizar de mejor manera el comportamiento de los sistemas, además permite
aventajar trabajo facilitando cálculos muy complejos como lo son las operaciones con
matrices, al innovar en este tipo de situaciones es muy útil no solo para los matemáticos,
si no también para la electrónica, Química, Biología, estadística, etcétera.
Bibliografia
61