H∞

Juan Carlos Fabian Pliego y José Alberto Aparicio Santos1

Resumen— donde

I. I NTRODUCCI ÓN x
xcl = (8)
La optimización de un sistema lineal invariante en el tiem- xf
po(LTI) puede ser descrito por el diagrama de bloque ??. En  
este diagrama, el bloque P representa la planta, la cual es un B1 + B2 Df D2 1
Bcl = (9)
modelo LTI definido por un modelo en espacio de estados de Df D21
dimensión finita. 
A + B2 Df C2 B2 Cf

Acl = (10)
Bf C2 Af
 
Ccl = C1 + D12 Df C2 D12 Cf (11)

 
Dcl = D11 + D12 Df D12 (12)
El controlador K es estabilizante, en el sentido de que Acl
es una matriz Hurwitz.
La optimización H∞ tiene como proposito minizar la norma
k G k∞ de la matriz de transferencia del lazo cerrado G:

Figura 1. Diagrama estandar de un diseño realimentado k G k2∞ = máx σmax (G(λ)) (13)
λ∈Ω0

Donde Ω̄ = jR ∪ ∞.
ẋ(t) = Ax(t) + B1 w(t) + B2 u(t) (1) Para que el controlador K sera estabilizante se requiere que
el par (A, B2 ) sea estabilizable, por ejemplo que exista una
matriz F tal que A + B2 F sea una matriz Hurwitz. El par
ė(t) = C1 x(t) + D11 w(t) + D12 u(t) (2) (C2 , A) debe ser detectable, es decir que exista una matriz L
tal que A + LC2 es una matriz Hurwitz.
ẏ(t) = C2 x(t) + D21 w(t) (3) Las siguiente condiciones garantizan la existancia de un
minimizado, en la optimización H∞ .
Todas las matrices A, Bi , Ci , Di k son conocidas. El bloque Las matrices Ec (λ), donde Ec (∞) = D12 y
K representa el controlador, un modelo LTI definido por un  
modelo en espacio de estados de dimensión finita. A − λI B2
Ec (λ) = ∀λ ∈ C (14)
C1 D12
ẋf (t) = Af xf (t) + Bf y(t) (4) Son invertibles por la izquierda ∀λ ∈ Ōmega0
Por otro lado las matrices Eo (λ), donde Eo (∞) = D21 y
u(t) = Cf xf (t) + Df y(t) (5)  
A − λI B1
Eo (λ) = ∀λ ∈ C (15)
Donde Af , Bf , Cf , Df son los coeficiente a diseñar. C2 D21
La entrada de P está particionada en dos vetores w (per-
son invertibles por la derecha ∀λ ∈ Ω̄0 .
turbaciones) y u (señal de control, que es tambie la salida de
Las matrices que se propusieron son las siguientes.
K). La salida de P está dividida en dos vectores e (costo) y y
(sensores, que es tembien la entrada de K).
 
0
Como u(t) no entra directamente en la expressión de y(t) 0
en 3, el diagrama de bloqes define un modelo valido en espacio B1 = 0
 (16)
de estados. 0

ẋcl (t) = Acl xcl (t) + Bcl w(t) (6) B2 = B (17)

 
e(t) = Ccl xcl (t) + Dcl w(t) (7) C1 = 0 0 0 0 (18)
 en la medición, sin embargo el resultado no fue satisfactorio,
D11 = 1; (19) ya que presenta un error en estado estable de una magnitud
considerable.
Por último se implementó un controlador H∞ , dando como
D12 = 1; (20) resultado un error de seguimiento muy cercano a cero en
  presencia de ruido Gaussiano en uno de los estados.
0 Comparando las gráficas se puede concluir que el con-
D21 = (21)
1 trolador que obtuvo un mejor desempeño con la planta es
  el diseñado con asignación de polos, los observadores de
0 Kalman y Ludenberger tienen un desempeño similar, aunque
D22 = (22)
0 el observador de Ludenberger tiene una convergencia de los
Ası́ ya es posible obtener la planta generalizada en P . estados menor. Aun ası́ el filtro de Kalman es una mejor opción
Simulando el sistema obtenemos los siguientes resultados: gracias a su capacidad de lidiar con perturbaciones.
R EFERENCIAS
Referencia
600 [1] Brian D. O. Anderson, John B. Moore Optimal Control: Linear Quadratic
Carga viral (copias/ml)

Referencia
400 Salida Methods, Prentice Hall, United States, 1989, p. 178–206
200

−200
0 50 100 150 200 250 300 350 400 450 500
Señal de error
400

200

−200

−400
0 50 100 150 200 250 300 350 400 450 500
Días

Figura 2. (a)Comparción entre la señal de referencia y la salida. (b)Señal de

error.

Señal de control
200

100

1
−100

−200 0

−300
−1
490 495 500

−400

−500
0 50 100 150 200 250 300 350 400 450 500
Días

Figura 3. Señal de control de controlador H∞

II. C ONCLUSIONES
Se diseñaron diversas tecnicas de control lineal para con-
trolar una planta no lineal.
El diseño por asignación de polos es más intuitivo y se
logró una buena estabilización de la señal, el controlador
resultante se combinó con dos diferentes observadores Kalman
y Ludenberger.
Se diseñó un controlador por LQR, cuyo diseño es igual al
de un control LQG sin tomar en cuenta ruidos en el proceso o