Departamento

de Sistemas e Tipo de documento:

Informática
(DSI)
Reporte técnico

Escuela de Ingeniería
Disponible en:
Electrónica (EIE), Facultad
http://www.dsi.fceia.unr.edu.ar/downloads/samplingjitter.doc
de Ciencias Exactas,
Ingeniería y Agrimensura
(FCEIA) de la Universidad
Nacional de Rosario (UNR)

Autor: Director:

Nora S. M. Blet Sergio Junco

Título: Fecha:

Control robusto H de 27/12/2007

sistemas muestreados con
periodos de muestreo
variables

Resumen:

Se plantea el diseño en un paso de un controlador robusto tipo H por realimentación de

estados, obtenido resolviendo un problema mixto de performance y estabilidad robusta
frente a intervalos de muestreo de variación arbitraria, aunque acotada. El diseño se basa en
un teorema de la literatura para derivar la solución del problema de control H  por
realimentación de estados, planteado como un problema mixto de sensibilidades,
conjuntamente con la aplicación de un criterio de estabilidad para sistemas lineales con
retardos variantes en el tiempo, inciertos aunque acotados. El tratamiento exhaustivo de un
ejemplo de referencia permite una evaluación intrínseca del método y un análisis
comparativo con otra técnica de la literatura.

Idioma:
Palabras claves:
Control H, Periodo de muestreo variable, Modelo de
retardo de tiempo variable, Problema mixto de Español
sensibilidades, Teorema de la pequeña ganancia.

1
 Control robusto H de sistemas muestreados con periodos de muestreo
variables

Nora S. M. Blet

Departamento de Sistemas e Informática

Facultad de Ciencias Exactas, Ingeniería y Agrimensura — Universidad Nacional de Rosario
nblet@fceia.unr.edu.ar

Resumen— Se plantea el diseño en un paso de un controlador robusto tipo H  por

realimentación de estados, obtenido resolviendo un problema mixto de performance y
estabilidad robusta frente a intervalos de muestreo de variación arbitraria, aunque
acotada. El diseño se basa en un teorema de la literatura para derivar la solución del
problema de control H por realimentación de estados, planteado como un problema
mixto de sensibilidades, conjuntamente con la aplicación de un criterio de estabilidad
para sistemas lineales con retardos variantes en el tiempo, inciertos aunque acotados.
El tratamiento exhaustivo de un ejemplo de referencia permite una evaluación
intrínseca del método y un análisis comparativo con otra técnica de la literatura.

Palabras Clave— Control H, Periodo de muestreo variable, Modelo de retardo de

tiempo variable, Problema mixto de sensibilidades, Teorema de la pequeña ganancia.

I Introducción
En este informe se trata el problema de estabilización robusta por realimentación de
estados de sistemas muestreados, con periodos de muestreo de variación arbitraria pero
acotada. Se considera al sistema muestreado compuesto de una planta lineal, invariante en
el tiempo (LTI) y, un controlador digital por realimentación completa de los estados de
dicha planta, conectado a la misma a través de bloques de muestreo y retención de orden
cero (ZOH, zero order hold). Este esquema es lo suficientemente general como para
representar sistemas distribuidos de control, cuyos lazos de realimentación se cierran sobre
una red de comunicación, (abreviados aquí como NCS, por Networked Control Systems,
una de las denominaciones más difundidas en inglés), con pérdida de paquetes y retardos
inducidos por la red.
Efectivamente, como se indica en (Naghshtabrizi y Hespanha, 2005), (Hespanha et al.,
2007) y en (Yi et al., 2007) los efectos de la pérdida de paquetes en un NCS pueden
capturarse como un retardo ficticio con derivada uno, prácticamente en todos los instantes
de tiempo, que es el mismo modelo que se adopta aquí para representar periodos de
muestreos variables. En Fig. 1, extraída de (Hespanha et al., 2007), se muestra la evolución
del retardo ficticio variable t (t ) , para el caso de muestreo periódico con periodo
h = tk +1 - tk , "k �� y retardo inducido por la red constante t 0 = t k , "k ��.

2
 t (t )

2h + t 0

h +t0

t0

tk -1 + t 0 tk + t 0 tk +1 + t 0 tk + 2 + t 0 t

Figura 1. Efectos de la pérdida de un paquete como retardo ficticio (Hespanha et al.,

2007).
Un sistema de control diseñado sin tener en cuenta la variación no uniforme de los
intervalos de muestreo, ve degradada su performance pudiendo incluso, llegar a perder la
estabilidad si funciona en lazo abierto durante periodos excesivamente largos. Igualmente
importante, resulta la evaluación de los efectos de esta fuente de incertidumbre en la etapa
de implementación en tiempo real, a fin de poder “relajar” las estrictas exigencias
temporales impuestas por la teoría del control digital tradicional.
Si el patrón de muestreo se desconoce en la etapa de diseño del controlador, la situación
es más complicada con respecto al caso de periodos de muestreo uniformes puesto que, el
sistema discretizado es incierto (Mirkin, 2007), con complicada dependencia de sus
parámetros con respecto a dicho patrón y, el uso de métodos basados en discretización
puede conducir a resultados algo conservadores.
Un importante número de resultados han intentado caracterizar un límite superior de los
intervalos de muestreo variables, o una cota inferior para la velocidad de transmisión de los
datos muestreados en NCS, que garanticen la estabilidad del sistema en lazo cerrado.
En (Walsh et al., 1999) y en (Zhang y Branicky, 2001) se considera planta y
controlador lineales y en tiempo continuo, conectados a través de una red de comunicación;
el efecto de la misma se tiene en cuenta usando la teoría de perturbaciones. Las condiciones
de estabilidad se obtienen mediante argumentos de Lyapunov, los resultados alcanzados son
demasiado conservadores para utilizarlos en la práctica (tal como lo indican los propios
autores, en página 55 de Zhang (2001)).
Montestruque y Antsaklis (2004) derivan condiciones de estabilidad para sistemas
lineales en tiempo continuo, cerrados sobre una red de comunicación, en términos de
inecuaciones matriciales lineales (LMI); los instantes de muestreo se suponen variables

3
aleatorias idénticamente distribuidas e independientes (i.i.d.) o modeladas como una cadena
de Markov.
Fridman et al. (2004) modelan un sistema muestreado como uno en tiempo continuo
con un retardo en la entrada de control, variante en el tiempo, incierto aunque acotado por
la longitud del periodo de muestreo máximo. Las condiciones de estabilidad, en forma de
LMI, se derivan empleando funcionales de Lyapunov-Krasovskii. La importancia de este
trabajo radica en que permite aplicar los resultados obtenidos, en forma sencilla, a un
amplio espectro de problemas de control robusto de sistemas muestreados, tales como
aquellos con incertidumbre en los parámetros de la planta o con alguna no linealidad (por
ejemplo: saturación, cuantización, etc.).
Yue et al. (2004 y 2005) utilizando este mismo enfoque, derivan condiciones de
estabilidad y al mismo tiempo diseñan un controlador para un NCS, al igual que en
Naghshtabrizi et al. (2006). Se consideran además, retardos variantes en el tiempo y
pérdida de paquetes inducidos por la red de comunicación. Los resultados de Yue et al.
(2004 y 2005) en lo referente a estabilidad son idénticos a los de Fridman et al., 2004.
Naghshtabrizi et al. (2006) adoptan un enfoque de modelado diferente: el sistema
muestreado con ZOH es representado como un sistema híbrido y para establecer la
estabilidad del mismo, se emplea una función de Lyapunov con discontinuidades. Los
autores demuestran que las condiciones de estabilidad obtenidas son menos conservadoras
que las de Fridman et al., 2004 y Yue et al., (2004 y 2005).
En (Zhang et al., 2001) se demuestra la equivalencia para algunas condiciones de
estabilidad de sistemas LTI con retardos, basadas en Lyapunov, con aquellas de estabilidad
robusta obtenidas por medio del teorema de la pequeña ganancia escalado, aplicadas a uno
equivalente, llamado sistema de comparación, con incertidumbre no estructurada y libre de
retardos. Esta equivalencia proporciona una nueva interpretación en el dominio frecuencia
de los criterios de estabilidad basados en Lyapunov, con la ventaja adicional de hacer
evidente las fuentes de conservadurismo, las cuales no son aparentes en estos últimos.
Mirkin (2007), al igual que (Suplin et al., 2005), retoman la idea de (Zhang et al.,
2001) y logran mayor transparencia al aplicarla a los resultados de (Fridman et al., 2004),
sobreparametrizados aunque equivalentes, Este tratamiento fue propuesto por (Kao y
Lincoln, 2004) para sistemas lineales con retardos variantes en el tiempo, inciertos aunque
acotados. En dicho artículo se presenta un método para estudiar la estabilidad, simple,
aunque poderoso.
Mirkin (2007), va un paso más allá y demuestra que el máximo periodo de muestreo
admisible calculado en Fridman et al., 2004, puede incrementarse en un factor p 2 , sin
costo adicional aplicando el teorema de la pequeña ganancia escalado, directamente al
sistema muestreado original.
No todos los artículos revisados resuelven el problema de estabilización por
realimentación de estados del sistema muestreado incierto; en los que lo hacen, se diseña un
controlador a partir de las condiciones de estabilidad, expresadas en forma de LMI.

4
 En (Fridman et al., 2005) y su complementario (Suplin et al., 2005, Sección VI), y en
(Yue et al., 2005), dichas condiciones se aplican a fin de alcanzar un determinado nivel de
performance, de tipo H.
Se plantea aquí el diseño en un paso de un controlador robusto tipo H  por
realimentación de estados, obtenido resolviendo un problema mixto de performance y
estabilidad robusta frente a intervalos de muestreo de variación arbitraria, aunque acotada.
El diseño se basa en el teorema 3 de (Sampei et al., 1989) que resuelve un problema mixto
de sensibilidades y, en el criterio de estabilidad de (Kao y Lincoln, 2004), caso en tiempo
continuo, aprovechando que dicho criterio se expresa en términos de la cota superior del
módulo de una función transferencia asociada al lazo cerrado. El diseño se comparará con
el propuesto en Suplin et al., (2005), ambos obtenidos considerando el efecto de los
periodos de muestreo variables como un bloque de incertidumbre no estructurada y
aplicando alguna variante del teorema de la pequeña ganancia (Zhang et al., 2001) al
sistema resultante. Se repiten aquí, los resultados centrales de los artículos mencionados en
este párrafo.
A destacar del método presentado aparte de su simplicidad: se considera aquí que la
incertidumbre introducida por los periodos de muestreos no uniformes impone una
limitación fundamental en el ancho de banda sistema en lazo cerrado. El hecho de plantear
el problema en el dominio frecuencia, en el caso de un sistema SISO, permite evaluar
directamente el trade-off entre el ancho de banda del sistema en lazo cerrado, el límite
superior de los intervalos de muestreo variables y la cota superior del módulo de una
función transferencia asociada al lazo cerrado.
El resto del informe está estructurado de la siguiente forma: en sección II se analiza el
problema a resolver e introduce un ejemplo motivador, que se usa como benchmark en casi
todos los trabajos mencionados, en cuanto a los resultados de estabilidad. III detalla los
resultados previos pertinentes al método propuesto, que se presenta en IV junto a elementos
básicos del problema mixto de sensibilidades H por realimentación de estados. En V se
trata exhaustivamente el ejemplo de benchmark, incluyendo diferentes resultados
numéricos que permiten una evaluación intrínseca del método y comparativa con el de
(Suplin et al., 2005). Finalmente, en VI se presentan las conclusiones.

II Estabilidad en lazo cerrado de sistemas muestreados con periodos de muestreo

variables

II.1 Formulación del problema

Considere un sistema muestreado compuesto de una planta lineal, invariante en el
tiempo (LTI) y, un controlador por realimentación completa de los estados de dicha planta,
con ganancia constante K, conectado a la misma a través de bloques de muestreo y
retención de orden cero. El modelo de la planta en el espacio de estados viene dado por
.
x ( t ) = Ax ( t ) + Bu ( t ) , (1 a)

donde, x ( t ) �� , es el vector de estados y, u ( t ) �� , es la acción de control. Se supone

n m

que se miden todos los estados de la planta sólo en los instantes de muestreo,

5
 0 = t0 < t1 < L < tk L , lim tk = �
k ��

El objetivo es hallar un controlador digital por realimentación de estados dado por

u (t ) = Kx(tk ), "t �[t k , tk +1 ), (1.b)
que estabilice el sistema en lazo cerrado.
Se asume además que
tk +1 - tk �hmax , "k �0, (2)

para algún hmax > 0 conocido.

Este esquema es lo suficientemente general como para representar NCS con pérdida de
paquetes. Tal podría ser el caso de un sistema de control donde el estado de la planta se
determina mediante una red de sensores inalámbricos; en este tipo de configuración la tasa
de pérdida de paquetes puede ser superior al 50% cuando varios nodos transmiten
simultáneamente.
En la literatura de NCS (Hespanha et al., 2007), la cota superior hmax , suele
denominarse MATI, por maximum allowable transfer interval. En realidad, en la práctica,
el límite superior verdadero está dado por el min(hmax , hmax* ) , donde, hmax* representa el
máximo periodo de muestreo permitido por el NCS, a partir del cual fuerza a la planta a
transmitir información al controlador sobre el estado de la misma.
En el fondo, el interés real en el cálculo de esta cota, reside en minimizar la tasa de
transferencia de paquetes, con el fin de obtener un mejor aprovechamiento del ancho de
banda del NCS, sin sacrificar estabilidad ni performance. Esta cuestión, es de particular
relevancia en NCS que utilizan redes de sensores inalámbricos puesto que, un nodo sensor
“inteligente” puede ejecutar 3000 instrucciones con el mismo gasto de energía que supone
enviar un bit de información a una distancia de 100 metros. Reducir la tasa de transferencia
de paquetes tiene la ventaja adicional de disminuir la pérdida y posterior retransmisión de
los mismos. Esta forma de control distribuido se conoce como “NCS con comunicación
reducida” (Colandairaj et al., 2007).

II.2 Análisis de la estabilidad en lazo cerrado

Puesto que se adoptará aquí un enfoque de entrada-salida, considere la matriz de
ganancia en lazo abierto del lazo de realimentación de estados, Lsf , que se calcula como la
función transferencia entre la entrada de la planta u (t ) y la salida del controlador por
realimentación de estados, u ' (t ) , de acuerdo a lo indicado en Fig. 2 (Hespanha, 2005). El
modelo en el espacio de estados de u a u’ viene dado por
.
x ( t ) = Ax ( t ) + Bu ( t ) , u ' (t ) = - Kx (t ),

6
que corresponde a la matriz de ganancia en lazo abierto de realimentación de estados, de
-1
orden m �m , Lsf = - K ( sI - A) B , con s el operador de Laplace. En particular aquí, se
enfocará la atención en procesos con una sola entrada (m=1), para los cuales, Lsf , es una
función transferencia escalar.
u’ u
K B (sI-A)-1
x
-

Figura 2. Ganancia en lazo abierto, realimentación de estados

El siguiente ejemplo motivador se usa como benchmark en casi todos los trabajos
mencionados, en cuanto a los resultados de estabilidad.

II.2.1 Ejemplo 1 (Branicky et al., 2000, Ejemplo 1)

Considere el siguiente modelo en el espacio de estados de una planta conectada en un
NCS
�. � � 1 �� � 0 �
�x1 � 0 �x1 � �
� � � �
�. �= � �� �+ � � u, (3)
x
�2 � � x
�� � ��
0 - 0.1� 2 � 0.1�
��� � �

con ganancia de realimentación de estados, K = - [ 3.75 11.5] . Para el diseño del

controlador por realimentación de estados no se tuvo en cuenta los efectos del NCS.

Caso períodos de muestreo constantes

Mediante una simple verificación del valor de autovalores de matrices, Naghshtabrizi

et al., (2006) demuestran que el sistema en lazo cerrado permanece estable, si y sólo si, el
intervalo de muestreo constante es menor que 1.7 s. El máximo periodo de muestreo
constante determinado por Teorema 2 de Naghshtabrizi et al., (2006), es 1.3277s. Estos
valores se tienen en cuenta para medir el grado de conservadurismo del criterio empleado
para calcular hmax .

Caso períodos de muestreo variantes en el tiempo

En Tabla 1 se resumen los resultados obtenidos en los artículos revisados:

7
 Método Cota superior, hmax [s]
Walsh et al. (1999) 2.7 x 10-4
Zhang y Branicky (2001) 0.0593
Fridman et al. (2004)/ Kao y Lincoln (2004) 0.8696
Yue et al. (2004) 0.8696
Yue et al. (2005) 0.8871
Naghshtabrizi et al. (2006) 1.1137
Mirkin (2007) 1.3659

Tabla 1. Resultados de Ejemplo 1

En la mayoría de los artículos, las condiciones de estabilidad se presentan en forma de
LMI, las cuales se resuelven numéricamente usando la Toolbox respectiva de MATLAB.
Un parámetro adicional a tener en cuenta en la evaluación de los distintos resultados, es
el número de variables escalares de las LMI, (en la literatura, llamadas variables de
decisión, de diseño o de optimización) que es necesario calcular para llegar a las mismas:
para una planta de dimensión n, por cada matriz simétrica incógnita n �n se requieren
n(n + 1)
determinar y, por cada matriz incógnita m �n se necesitan encontrar m.n . Por
2
ejemplo, en el criterio de Fridman et al. (2004) el número de variables desconocidas es
5n 2 + 2n , en Yue et al. (2004 y 2005) 7n 2 + n y 16n 2 + 3n , respectivamente, en
Naghshtabrizi et al. (2006), 3.5n 2 + 1.5n y en Kao y Lincoln (2004) expresado en forma de
LMI/Mirkin (2007), 0.5( n 2 + n) + 1 . Este último enfoque requiere un número
considerablemente menor de variables a determinar, en un factor mayor a 4 para n > 2 ,
comparado con las requeridas en Naghshtabrizi et al. (2006) y Fridman et al. (2004).

Análisis usando JITTERBUG

JITTERBUG (Sanfridson, 2004b) es una toolbox basada en MATLAB y en la teoría de
control óptimo que calcula un índice de performance cuadrático para sistemas de control
lineales, bajo distintas condiciones temporales, permitiendo evaluarlos en forma analítica y
estocástica, con respecto a retardos, pérdidas de paquetes (en el caso de NCS) y variaciones
en parámetros temporales (jitter).
La función de costo cuadrática general que evalúa JITTERBUG es
�
� 1
T
�
�
J = E�
�
lim
T
�T �� 0
�
( xT (t )Q1 x(t ) + u T (t )Q2u (t )) dt �
�
(4)

La función de costo, frecuentemente usada en control óptimo y relacionada con la

norma H2, describe la performance del sistema en un horizonte de tiempo infinito.
Un valor mayor en J indica que el sistema en lazo cerrado es menos estable (más
oscilante) y, un valor infinito, significa que es inestable, en términos de estabilidad
cuadrática.

8
 En JITTERBUG, las señales externas al sistema de control (perturbaciones/entradas de
referencias), se modelan como ruido blanco gaussiano que ingresa al mismo, en distintos
puntos del lazo de realimentación.
Para evaluar el ejemplo de referencia se supone que la planta es perturbada por ruido
blanco gaussiano en tiempo continuo, con varianza unitaria y que, la función de costo (4),
se pondera por Q1 = 0 y Q2 = 0.1 ; es decir se penaliza la acción de control por
realimentación de estados, u (t ) = - Kx(t ) .
En Figuras 3 y 4 pueden apreciarse los resultados obtenidos para los casos de periodos
de muestreo constante y variantes en el tiempo, respectivamente.
Para el caso de periodo de muestreo constante, el máximo admisible para este
parámetro es 1.67 s; valor que se aproxima al de 1.7s, indicado en Naghshtabrizi et al.
(2006).
En caso de considerar periodos de muestreo variantes en el tiempo hmax=1.18 s; esta
cifra se encuentra entre la indicada en Naghshtabrizi et al. (2006), hmax =1.1137 s y el valor
hmax =1.3659 s, calculado en Mirkin (2007) y, bastante alejado de todos las otras cotas
predichas. Los valores obtenidos confirman que el modelado del sistema (1) como uno
híbrido produce resultados menos conservadores.
4 Análisis con Jitterbug para h constante
x10
3.5

Inestable para 1.67s.

3

2.5
Función de costo J

1.5

0.5

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
h[s]

Figura 3-Análisis con JITTERBUG (Caso periodos de muestreo constantes)

9
 Análisis con Jitterbug caso sampling jitter
1400

1200
Para jitter=1.18s. el sistema
es inestable

1000
Función de costo J

800

600

400

200

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4
sampling jitter[s]

Figura 4. Análisis con JITTERBUG (Caso periodos de muestreo variantes en el tiempo)

III Estabilización de sistemas muestreados inciertos

Se plantea aquí el diseño en un paso de un controlador robusto tipo H  por
realimentación de estados, obtenido al resolver un problema mixto de performance y
estabilidad robusta frente a intervalos de muestreo de variación arbitraria, aunque acotada,
basado en el criterio de estabilidad de Kao y Lincoln (2004), caso tiempo continuo y, en el
teorema 3 de Sampei et al. (1989). Este diseño se comparará con el propuesto en Suplin et
al. (2005), ambos obtenidos considerando el efecto de los periodos de muestreo variables
como un bloque de incertidumbre no estructurada y aplicando alguna variante del teorema
de la pequeña ganancia al sistema resultante.
A fin de realizar una comparación, no se consideró el diseño, de tipo H , de Yue et al.
(2005) puesto que es necesario ajustar el valor de 5 escalares arbitrarios en las LMI
correspondientes, lo que le resta posibilidad de aplicación en la práctica. Tampoco se tuvo
en cuenta los controladores de Yue et al. (2004) ni el de Naghshtabrizi et al. (2006) puesto
que fueron obtenidos resolviendo un problema optimización mixta donde el controlador
logrado estabiliza el sistema para un valor arbitrariamente grande de hmax . En un trabajo
reciente de Mirkin, (2007a), el autor considera importante mencionar que el diseño de un
controlador basado solamente en maximizar el periodo de muestreo admisible no parece ser
muy valioso, y sí lo sería, en cambio, obtenerlo resolviendo un problema de optimización
donde a la vez que se maximiza hmax , se impone otra restricción en alguna medida de
performance, que permita reflejar los requerimientos de desempeño del lazo de
realimentación.

10
III.1 Resultados previos
Fridman et al. (2004) modelan un sistema muestreado como uno en tiempo continuo
con un retardo en la entrada de control, variante en el tiempo, incierto aunque acotado por
la longitud del periodo de muestreo máximo. A éste, equivalente al sistema muestreado
original, puede aplicársele el siguiente teorema.

III.1.1 Teorema 1 (Caso en tiempo continuo) Kao y Lincoln (2004)

Considere el sistema SISO de Figura 5, con planta P(s) y controlador C(s), perturbado
por un retardo , que puede afectarlo en cualquier parte del lazo de realimentación y con la
condición que el sistema en lazo cerrado es estable para retardo cero. El sistema en lazo
cerrado es estable para cualquier retardo definido por
 (m) = m(t - d (t )), 0 �d (t ) �hmax
si
P( jw )C ( jw ) 1
< , "w Υ [ 0, ].
1 + P( jw )C ( jw ) hmax w

d
+ C
-


P

Figura 5. Lazo de realimentación con retardo variable, representado por el operador .

A hmax los autores le llaman margen de jitter; la demostración del teorema se basa en
t
representar la incertidumbre (retardo variable) con un operador  F (m) := � m(q )dq
t -d ( t )

1 1
(Fig. 6), tal que, n(t ) =  F m(t ) = (  - 1) m(t ) , donde denota el operador de integración,
s s
y en el teorema de la pequeña ganancia.
En (Kao y Lincoln, 2004, Lema 1) se demuestra que la norma inducida L2 de  F está
acotada según:  F �hmax .

11
 Figura 6. Transformación del lazo de realimentación del sistema con retardo de Fig. 5

El sistema transformado de Fig. 6 es equivalente al de Fig. 5 y la estabilidad del

sistema original puede verificarse aplicándole el teorema de la pequeña ganancia y
analizando si es estable: esto es así si la norma inducida L2 de la parte lineal del sistema
desde n a m está acotada por 1/ hmax , es decir:

P ( jw)C ( jw) 1
Gnm = sup <
L2
wΥ[ 0, ] 1 + P( jw)C ( jw) hmax w
Kao y Lincoln (2004) observan que, a pesar que el criterio de estabilidad considera
sistemas SISO, puede extenderse fácilmente al caso MIMO expresándolo como un conjunto
de LMI dependientes de la frecuencia, las cuales fueron obtenidas posteriormente en Kao y
Rantzer (2007).
Mirkin (2007) usando el teorema de la pequeña ganancia escalado, reescribe el criterio
en forma de LMI (Mirkin, 2007, Ecuaciones 11 u 11’), aplicables al caso MIMO o SISO y
equivalentes, como se mencionó, al criterio de estabilidad propuesto en Fridman et al.
(2004). Mirkin (2007) comenta que para el caso SISO la simplicidad lograda por el enfoque
basado en el teorema de la pequeña ganancia, puede reducir sustancialmente la carga
computacional que supone resolver las LMI equivalentes.
Remarcable de este criterio es la sencillez de su comprobación en forma gráfica para el
caso de un sistema SISO, que se reduce simplemente a una inspección del diagrama de
Bode de una función transferencia en lazo cerrado. Los autores suministran una versión del
teorema para el caso más real de retardos variables con mínimos distintos de cero,
conocidos en la literatura como “pequeños retardos”. Esta variante podría aplicarse al caso
más real de periodos de muestreo variables en el intervalo hmin �h �hmax , con hmin > 0.

12
 Mirkin (2007), al igual que Suplin et al. (2005), aplican el siguiente teorema llamado
de la pequeña ganancia escalado al sistema de Fig. 6 y, lo transforman en uno nuevo,
llamado de comparación, con incertidumbre no estructurada y libre de retardos.

III.1.2 Teorema de la pequeña ganancia escalado (Zhang et al., 2001)

Considere el siguiente sistema de comparación, con incertidumbre no estructurada y
libre de retardos, tal como el indicado en Fig. 7:
. � �
x = A x + Bw
� �
y = C x + D w,
w = y
donde x ��n almacena el estado del sistema, w , y ��r y, la incertidumbre  tiene la

� r = r,
L
estructura  = diag { d1 I r1 ,K , d L I rL } , i donde d i son escalares que satisfacen
i =1

 �
�1, i = 1,K , L.

Dicho sistema es estable si existen matrices constantes X > 0 y Q de la forma

Q = diag { Q1 ,K , QL } que satisfacen las LMI:

13
 ��T � � �T
�
�A X + X T A T
X B C Q�
� �
� �
� �T �
� * -Q D Q �< 0.
� �
� �
� �
� �
� * * -Q �
� �

a b�
� a b �
�
Notación: � �se utiliza para indicar la matriz simétrica �T �.
* c�
� b c�
�

III.1.3 Controlador de Suplin et al. (2005), Sección VI

Considere el sistema
.
x(t ) = A0 x (t ) + B1w(t ) + B2u (t )
(5 a, b)
z (t ) = C0 x (t ) + D12u (t ),

donde, x(t ) ��n es el vector de estados, w(t ) ��nw es la perturbación externa, u (t ) ��nu es
la entrada de control y z (t ) ��nz es la salida controlada.
Se supone que la acción de control se mantiene constante, gracias a un ZOH, durante
los intervalos de tiempo comprendidos entre los valores discretos,

0 = t0 < t1 < L < tk L , con lim tk = �.

k ��

u (t ) = ud (tk ), "t �[tk , tk +1 ),

donde, ud es la ley de control digital. Se trata de hallar un controlador por realimentación de

estados de la forma
u (t ) = Kx(tk ), "t �[tk , tk +1 ),

el cual, para todos los intervalos de tiempo que satisfacen

tk +1 - tk �hmax , "k �0,

estabiliza el sistema en lazo cerrado, a la vez que permite alcanzar el siguiente nivel de
rechazo a las perturbaciones externas, con norma H

14
 �
J c ( w) =
�( z (s) z(s) - g w (s)w(s))ds < 0
T 2 T
(5.c)
0

para x(0) = 0, t �0 y, para todo w Υ L2 [0, ) no nula.

Usando la idea de Fridman et al. (2004), se representa la ley de control digital como
una en tiempo continuo con retardo, variante en el tiempo, incierto aunque acotado:
u (t ) = ud (t k ) = ud (t - (t - tk )) = ud (t - t (t )),
tk �t < tk +1 , t (t ) = t - tk ,

donde ud es una señal de control discreta y el retardo variante en el tiempo t (t ) = t - tk es

.
seccionalmente constante con derivada t (t ) = 1 para todo t �tk . Más aún, t �tk +1 - tk .

El controlador por realimentación de estados resulta, entonces, de la forma

u (t ) = Kx (t - t (t )), (6)
donde,
.
0 �t (t ) �hmax , t (t ) = 1.
Sustituyendo (6) en (5 a y b), se obtiene el sistema en lazo cerrado
.
x(t ) = A0 x (t ) + B2 Kx (t - t (t )) + B1w(t ),
(7)
z (t ) = C0 x (t ) + D12 Kx(t - t (t )).
Lema 6 Suplin et al. (2005), Sección VI
La norma H del sistema en lazo cerrado (7) es menor que un g > 0 , predeterminado,
si existen matrices P > 0 e Y y un escalar e que satisfacen las LMI

A0 P + B2Y + PA0T + Y T B2T

� B2Y B1 PA0T + Y T B2T PC0T + Y T D12T �
� �
*
� - P e hmax 0 Y T B2T Y T D12T �
�
* * -g 2 B1T 0 � <0
� �
�
* * * - P (e hmax ) 0 �
� �
*
� * * * -I �
� �

Si dichas LMI tienen solución, la ganancia de realimentación de estados, que cumple

con la cota predeterminada para la norma H del sistema en lazo cerrado, está dada por

K = YP -1 .
Para demostrar el lema, se construye el sistema de comparación equivalente al (7)

15
 .
x(t ) = ( A0 + B2 ) x(t ) + B2 K w(t ) + B1w(t ),
z (t ) = ( C0 + D12 ) x(t ) + D12 K w(t ),
y (t ) = ( A0 + B2 ) x(t ) + B2 K w(t ) + B1w(t ),
w(t ) = y (t ),
 �
�h.

y se le aplica el teorema de la pequeña ganancia escalado.

Las LMI obtenidas resultan mucho más simples y con bastante menos matrices
incógnitas que las de Fridman et al. (2005). Los autores concluyen, entre otras
consideraciones, que los modelos entrada-salida obtenidos pueden aplicarse en el dominio
frecuencia para obtener resultados más exactos en cuanto a estabilidad y estabilización.

IV Controlador H por realimentación de estados propuesto

Se plantea aquí el diseño en un paso de un controlador robusto tipo H  por
realimentación de estados, obtenido al resolver un problema mixto de sensibilidades
aplicado a las normas H de las llamadas funciones de sensibilidad y de sensibilidad
complementaria de realimentación de estados, Ssf y Tsf, respectivamente definidas como:
S sf =(1 + Kf B) -1 = (1 + Lsf ) -1 , Tsf = Kf B(1 + Kf B) -1 = Lsf (1 + Lsf ) -1, (8)
-1
con, f ( s) = ( sI - A) -1 y, Lsf = K ( sI - A) B , la ganancia en lazo abierto, de acuerdo a lo
mostrado en Fig.2 y explicado en II.2.
Las respuestas en frecuencia de Ssf y Tsf, pueden usarse como una medida de la
performance del sistema en lazo cerrado (Seron et al., 1997); dichas funciones transferencia
están relacionadas con muchas propiedades claves del lazo de realimentación tales como,
sensibilidad a variaciones en los parámetros de la planta, estabilidad robusta y respuesta a
las perturbaciones.
A tal fin, se presenta la propuesta de Sampei et al. (1989), para resolver el problema
mixto de sensibilidades H por realimentación de estados, usando el Bounded Real Lemma
y operaciones algebraicas, que permiten una demostración simple y clara de los teoremas
presentados en dicho artículo.

IV.I Resultados previos

IV.1.1 Problema mixto de sensibilidades (Sampei et al., 1989)

Sampei et al. (1989) obtienen una clase de controladores por realimentación de estados,
que estabilizan el sistema
.
x(t ) = Ax(t ) + Bu (t )
y (t ) = Cx(t ),

16
con ( A, B ) estabilizable y (C , A) detectable y, realimentación de estados

u (t ) = - Kx(t )

que satisfacen además, Gc ( s ) �1 donde, Gc ( s ) es un criterio de performance

determinado. En particular,
� A - BK B�
� �
� 12 � �
def �m Tsf ( s ) � ��
� � ��
Gc ( s) = � 1 = �1 � � �� (9)
��
� ��
�m 2 K � 0 ��
�
e 2
� sfS ( s ) �� � � � ��
�
�
1
� � 12 � �
�
�
�-e 2 K �
� e K ��
� �
Es decir, se resuelve el problema mixto de sensibilidades H

m Tsf ( s )
�1 (0 < m , 0 < e < 1).
e S sf ( s )

O, en forma equivalente,
Tsf � 1 = e1 y S sf � 1 = e2. (10 a, b)
m e
Teorema 3 (Sampei et al. (1989))
Si K satisface Gc ( s ) �1 con Gc ( s ) dado por (9), entonces existen matrices H, X
arbitrarias y P0, que satisfacen la ecuación de Riccati algebraica
1- m
PA + AT P - PBBT P + H T H + X T X = 0 (10 c)
q
con q = m + e (1 - m ) ; K queda expresada como

1 T 1- e
K= B P+ X (10 d)
q q
Los autores demuestran además, que en el caso de elegir X=0, el controlador obtenido
es más robusto que el regulador óptimo LQ equivalente, en cuanto a margen de fase y de
ganancia. La matriz arbitraria H puede elegirse siguiendo las pautas indicadas para el
diseño del controlador óptimo LQ.

IV.2 El método propuesto

Los valores máximos de las normas H de las funciones de sensibilidad y de
sensibilidad complementaria de realimentación de estados, que en sistemas SISO
corresponden a los picos del Bode de amplitud de las mismas, están estrechamente

17
relacionados (Felicione et al., 2005) con los márgenes de estabilidad; Ssf, lo está también
con la máxima amplificación del peor caso de perturbaciones externas. Se recomienda,
(Middleton (1991))
S sf < 1.4 (11, Condición 1)
�

Tsf < 2 (11, Condición 2)

�

Para sistemas SISO y, de acuerdo a Kao y Lincoln (2004), además de cumplir con esta
condición, la curva de magnitud de la respuesta en frecuencia de Tsf debe está acotada para
toda frecuencia por la curva 1 (h s ) , es decir,
max

1
Tsf ( w) < , "w Υ [0, ). (11, Condición 3)
hmax w
En particular esta condición debe cumplirse para la frecuencia a la que ocurre el pico
del módulo de la función de sensibilidad complementaria; para calcularla se puede usar
cualquiera de los siguientes enfoques:
1. Kao y Lincoln (2004) observan que dicho pico usualmente ocurre a wc , la llamada
frecuencia de corte, a la cual C ( jwc ) P( jwc ) = 1 . En la práctica 0.5wb �wc �wb ,
donde, wb es el ancho de banda del sistema en lazo cerrado, a la cual
Tsf ( jw) = 1 @ -3dB . A la frecuencia wc se tiene:
2
C ( jwc ) P ( jwc 1 1
� < � jm > hmaxwc . j m es el margen de fase
1 + C ( jwc ) P( jwc ) jm hmaxwc
requerido, que efectivamente constituye una salvaguarda frente a la incertidumbre
introducida por los retardos de tiempo. Existe una estrecha relación entre el margen
de fase y los valores de pico de S (nombrado en la literatura como MS) y T
(conocido como MT):
�1 � 1
jm �2 arcsin � �� [rad]
�2M S � MS
�1 � 1
jm �2 arcsin � �� [rad]
�2M T � MT
2. O, se puede suponer que el pico de la función de sensibilidad complementaria,
típicamente se produce a una frecuencia
0.7 wb �w1 �0.75wb (11 a)

Por tanto a la frecuencia w1 (o a la frecuencia wc , si se usa el enfoque 1) se deben

verificar (11, Condición 2) y (11, Condición 3):

18
 1
Tsf ( w1 ) �min ( 2, ) , o,
hmax w1
1
e1 = 1 �min ( 2, ) (11 b)
m hmax w1
Con respecto a la elección de wb, Åström y Wittenmark (1997) recomiendan como regla
general muestrear con un periodo h, que verifique: wb h �0.2 - 0.6 .
Middleton (1991) observa:

 El trade-off en el diseño, impuesto por esta relación, se vuelve más problemático a

medida que se incrementa el valor de h, puesto que para que se verifique, debe
disminuirse el ancho de banda del sistema en lazo cerrado, con lo cual se pierden
muchas de las ventajas de la realimentación.
 Esta relación se sugiere en muchos libros de control como una “regla general”, sin
embargo, en pocos se consideran las implicancias en las magnitudes de las funciones
de sensibilidad, al violar esta proposición. Se demuestra que, para lograr
S sf �1.4 y Tsf � 2 , wb h debe ser pequeño comparado con 1, es decir, en
� �

general es preferible un muestreo rápido.

Se concluye que, la incertidumbre en el valor del periodo de muestreo, modelada aquí
como un retardo de variación arbitraria aunque acotado, impone un trade-off en el diseño
que limita el ancho de banda del sistema en lazo cerrado (Middleton (1991) y Skogestad y
Postlethwaite (1996)). Esta es una restricción fundamental en el diseño del sistema de
control, tal como lo es la expresada en (11, Condición 1), independientes del método usado
para obtener un controlador específico. Por tanto, es de esperar que el controlador obtenido
basado en las ideas de Sampei et al. (1989), tendrá un mejor desempeño que el propuesto
en Suplin et al. (2005), Sección VI, puesto que, en el primero pueden integrarse estas
limitaciones, directamente en el diseño (11b, 10b y 11, Condición 1).

V Ejemplo 2

Teniendo en cuenta el efecto de la perturbación externa en el sistema (3) de Ejemplo 1,

para resolver el problema de diseño de un control robusto H  , el modelo en el espacio de
estados puede expresarse (Yue et al. (2005)) como
0
� 1 � 0 �
� 0.1�
�
.
�
x=� � � � � �
�x (t ) + � �u (t ) + � �w(t ), (12)
0 - 0.1�
�
� � �
0.1�
� � �
0.1�
� �
z (t ) = [ 0 1] x(t ) + 0.1 u (t ).

19
V.1 Diseño controlador Suplin et al. (2005), (Sección VI)
En Suplin et al. (2005), Sección VI no se calcula el controlador para el ejemplo de
referencia, por tanto, para lograr este objetivo se adoptan aquí los siguientes valores para
comenzar con el proceso iterativo de diseño:

g 6.83 Índice de performance (Ec. 5c), valor tomado de Yue et al. (2005)
para este ejemplo.
e 0.001 Escalar de ajuste de las LMI (Lema 6, Suplin et al. (2005)) elegido
teniendo en cuenta los valores adoptados en ejemplos del citado
artículo y Fridman et al. (2005).
hmax [s] 0.8696 s. Máximo periodo de muestro.

Aplicando Lema 6 de Suplin et al. (2005), Sección VI, se obtiene

K = [-6.5314 -7.4287].

V.2 Diseño controlador propuesto

De (11, Condición 1) y (10 b), se obtiene: e2 1.4 y 0.5102 = 1 1.4 �e < 1 . Para este
2

ejemplo se eligió para comenzar el proceso iterativo de diseño:

1
e=0.9, o equivalentemente, S sf �e 2 = 1.0541 = e.
Como primera imposición al valor de m, aplicando (11, Condición 2) y (10 a), se
obtiene:
e1  2 y m  1/2.
Teniendo en cuenta las recomendaciones de Middleton (1991) para determinar wb y,
considerando hmax= 0.8696 s, se calcula w1 (11a) y, a dicha frecuencia, la cota en el valor de
m (11b).
1
Se adopta m=0.791  1/2, que corresponde a un valor de Tsf = 1.1244 = 0.791
.

Con estos valores de m, e y, las matrices X=0 y H = I 2 x 2 , aplicando Teorema 3 de

Sampei et al. (1989), (10c), se obtiene la ganancia de realimentación de estados

K = [-2.2106 -10.6854].

V.3 Análisis comparativo

En las Figuras 8 y 9 se muestran los diagramas de Bode de los módulos de las
funciones de sensibilidad complementaria (con la cota superior de Kao y Lincoln (2004)) y
de sensibilidad, respectivamente.

20
 60

50

Cota superior criterio Kao-Lincoln

40

30

20
Magnitude (dB)

10

Controlador propuesto
0

-10

Controlador Suplin et.al

-20

-30

-40
-2 -1 0 1 2
10 10 10 10 10

Figura 8. Funciones de sensibilidad complementaria (T)

Bode Diagram
20

Controlador Suplin et.al.

0

-20

Controlador propuesto
Magnitude (dB)

-40

-60

-80

-100
-3 -2 -1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)

Figura 9. Funciones de sensibilidad (S)

21
 En Tabla 2 se resumen algunos valores asociados a cada diseño.

Controlador Suplin et al. (2005), Sección VI Controlador propuesto

wb 1.3860 1.1810 rad/s
wb h < 1 h<0.7215 s h < 0.8467 s
Tsf 1.3631 1.0432
�

S sf 1.1252 1
�

jm @54º @84º

Tabla 2. Resultados del ejemplo 2

En Tabla 2 puede observarse que para el controlador de Suplin et al. (2005), Sección
VI, se obtiene un margen de fase menor que en el caso de un controlador óptimo LQ (de
por lo menos 60º).
En Fig. 10 se comparan ambos controladores usando JITTERBUG; nuevamente se
supone que la planta es perturbada por ruido blanco en tiempo continuo con varianza
unitaria y que, las matrices de pesos de la función de costo son Q1 = 0 y Q2 = 0.1 . El
controlador propuesto, parece ser menos sensible al jitter en el periodo de muestreo, que el
obtenido basado en Suplin et al. (2005), lo que es coherente con los resultados obtenidos en
simulación. Se observa además para el controlador propuesto, que el valor de hmax
calculado por JITTERBUG, se aproxima bastante al predicho por Mirkin (2007),
hmax = 0.8696*(p / 2)s. = 1.366s.

Figura 10 – Análisis de los controladores usando JITTERBUG

22
 Se realizó una simulación para ilustrar la efectividad del método propuesto y permitir la
comparación entre los controladores.

V.4 Respuesta temporal

El sistema (12) se simuló para ambos controladores, considerando para ello los valores
iniciales de los estados, x1(0)=-5 y x2(0)=5. La señal de perturbación w(t) se define como:

30 5s �t �10 s
�
w(t ) = �
0 en otro caso
�

El ZOH para el caso de periodo de muestreo variante en el tiempo se implementó

usando una S-function de MATLAB.
Los resultados de la simulación son coherentes con lo comentado y con lo obtenido con
JITTERBUG.
Caso extremo inferior del intervalo de variación del periodo de muestreo igual a 0
En Figs. 15-18 se realizaron las simulaciones para ambos controladores pero
considerando ruido del proceso (w) blanco gaussiano tal como se hizo en las simulaciones
con JITTERBUG.

23
 Controlador Suplin - Periodo de muestreo variante en [0 s - 0.8695 s]
20

x1
x2
15 z

10

-5

-10

-15
0 10 20 30 40 50 60 70
t [s]

Figura 11. Estados y salida para el controlador de Suplin et al. (2005)

Controlador propuesto - Periodo de muestreo variante en [0 s - 0.8695s]
20
x1
x2
z
15

10

-5

-10

-15
0 10 20 30 40 50 60 70
t [s]

Figura 12. Estados y salida para el controlador propuesto

24
 Controlador Suplin - Periodo de muestreo variante en [0 s- 0.8695 s]
150

100

50

0
u

-50

-100

-150
0 10 20 30 40 50 60 70
t [s]

Figura 13. Acción de control para el controlador de Suplin et al. (2005)

Controlador propuesto -Periodo de muestreo variante en [0 s - 0.8695 s]

150

100

50

0
u

-50

-100

-150
0 10 20 30 40 50 60 70
t [s]

Figura 14. Acción de control para el controlador propuesto

25
 Controlador Suplin - Periodo de muestreo variante en [0-0.8695] ruido del proceso blanco gaussiano
5
x1
x2
4
z

-1

-2

-3

-4

-5
0 10 20 30 40 50 60 70 80
t[s]

Figura 15. Estados y salida controlador de Suplin et al. (2005), ruido blanco gaussiano
Controlador propuesto- periodos de muestreo variantes en [0-0.8695]s., ruido del proceso blanco gaussiano
5
x1
x2
4
z

-1

-2

-3

-4

-5
0 10 20 30 40 50 60 70 80
t[s]

Figura 16. Estados y salida para el controlador propuesto, ruido blanco gaussiano

26
 Controlador Suplin-Periodos de muestreo variante en [0-0.8695]s., ruido del proceso blanco gaussiano
20

10

-10
u

-20

-30

-40
0 10 20 30 40 50 60 70 80
t[s]

Figura 17. Acción de control, controlador de Suplin et al. (2005), ruido blanco gaussiano
Controlador propuesto- Periodos de muestreo variantes en [0-0.8695]s., ruido del proceso blanco gaussiano
20

10

-10
u

-20

-30

-40

-50
0 10 20 30 40 50 60 70 80
t[s]

Figura 18. Acción de control, controlador propuesto, ruido blanco gaussiano

27
Caso extremo inferior del intervalo de variación del periodo de muestreo mayor a 0
El periodo de muestreo utilizado es variante en el tiempo, en forma aleatoria, en un
-
intervalo [ hmin , hmax ] con hmin > 0, hmax = 0.8695s y h valor medio del intervalo, que
podría representar un caso más real de un NCS. A medida que hmin crece y por consiguiente
-
el h del intervalo, el sistema se hace más inestable. El valor elegido para estas simulaciones
es el max( hmin ) , a partir del cual el sistema en lazo cerrado se vuelve inestable.
Para verificar en simulación si el sistema en lazo cerrado permanece estable para
valores mayores a hmax = 0.8695s , se realizaron otras simulaciones (Figs. 23 a 28). Mirando
-
las diferentes respuestas, a medida que se aumenta hmax y h , puede apreciarse que la
respuesta transitoria (tiempo de crecimiento y establecimiento, overshoot, etc.) del sistema
depende claramente del valor de los periodos de muestreo, tal como se anticipa en Andreff
(2004) y en Marti (2002).
Finalmente se simuló (Figs. 27 y 28), sólo para el controlador propuesto (con el otro
controlador el sistema es inestable en lazo cerrado), el caso hmax =1.3659s= 0.8695 * p 2 ,
hmax determinado por Mirkin (2007) y hmin>0.

28
 Controlador Suplin - Periodo de muestreo variable entre [0.3 - 0.8695]
20
x1
x2
15 z

10

-5

-10

-15

-20
0 20 40 60 80 100 120 140 160 180 200
t [s]

-
Figura 19. Estados y salida para el controlador de Suplin et al. (2005), h =0.5889s

Controlador propuesto - Periodo de muestreo variable entre [0.72 -0.8695] s.

20
x1
x2
15
z

10

-5

-10

-15

-20
0 20 40 60 80 100 120 140 160 180 200
t [s]

-
Figura 20. Estados y salida para el controlador propuesto, h =0.7992s

29
 Controlador Suplin Periodo de muestreo variable en [0.3s-0.8695s.]
150

100

50

0
u

-50

-100

-150
0 20 40 60 80 100 120 140 160 180 200
t[s]

-
Figura 21. Acción de control para el controlador de Suplin et al. (2005), h =0.5889s

Controlador propuesto - Periodo de muestreo variable entre [0.72 - 0.8695]s.

150

100

50

0
u

-50

-100

-150
0 20 40 60 80 100 120 140 160 180 200
t [s]

-
Figura 22. Acción de control para el controlador propuesto, h =0.7992s

30
 Controlador Suplin -Periodo de muestreo variante en [0.05 s-1.1137s], promedio=0.5943 s.
60
x1
x2
z

40

20

-20

-40

-60
0 20 40 60 80 100 120 140 160 180 200
t [s]

-
Figura 23. Estados y salida para el controlador de Suplin et al. (2005), h =0.5943s,
hmax=1.1137s. y hmin=0.05s.

Controlador propuesto -Periodo de muestreo variante en [0.51s - 1.1137s] promedio=0.8228 s

60
x1
x2
z
40

20

-20

-40

-60
0 20 40 60 80 100 120 140 160 180 200

t [s]

-
Figura 24. Estados y salida para el controlador propuesto,
h =0.8228, hmax=1.1137s. y hmin=0.51s.

31
 Controlador Suplin - Periodos de muestreo variantes en [0.05 -1.1137] promedio: 0.5943
400

300

200

100

0
u

-100

-200

-300

-400
0 20 40 60 80 100 120 140 160 180 200
t [s]

-
Figura 25. Acción de control para el controlador de Suplin et al. (2005),
h =0.5943s, hmax=1.1137s. y hmin=0.05s.

Controlador propuesto - Periodo de muestreo variante en [0.51s - 1.1137 s] Promedio: 0.8228 s.

400

300

200

100

0
u

-100

-200

-300

-400
0 20 40 60 80 100 120 140 160 180 200
t [s]

-
Figura 26. Estados y salida para el controlador propuesto,
h =0.8228, hmax=1.1137s. y hmin=0.51s.

32
 Controlador propuesto - Periodo de muestreo variante en [0.2 - 1.3658] Promedio: 0.8008 s.
20
x1
x2
z
15

10

-5

-10
0 20 40 60 80 100 120 140 160 180 200

t [s]

-
Figura 27. Estados y salida para el controlador propuesto,
h =0.8008, hmax=1.3658s. y hmin=0.2s.
Controlador propuesto - Periodo de muestreo variante en [0.2 s- 1.3658 s] - Promedio 0.8008 s.
60

40

20

-20
u

-40

-60

-80

-100

-120
0 20 40 60 80 100 120 140 160 180 200

t [s]

-
Figura 28. Acción de control para el controlador propuesto,
h =0.8008, hmax=1.3658s. y hmin=0.2s.

33
VI Conclusiones
Se resolvió un problema H por realimentación de estados, de robustez frente a
intervalos de muestreo de variación arbitraria, aunque acotada. El diseño se basó en un
teorema de la literatura para derivar la solución del problema de control H  por
realimentación de estados, planteado como un problema mixto de sensibilidades,
conjuntamente con la aplicación de un criterio de estabilidad para sistemas lineales con
retardos variantes en el tiempo, inciertos aunque acotados.
El hecho de plantear el problema en el dominio frecuencia, en el caso de un sistema
SISO, permitió evaluar directamente el trade-off entre el ancho de banda del sistema en
lazo cerrado, el límite superior de los intervalos de muestreo variables y la cota superior del
módulo de una función transferencia asociada al lazo cerrado. Adicionalmente se genera
otra aplicación del artículo de Kao y Lincoln, 2004, donde se presenta un método para
estudiar la estabilidad, simple, aunque poderoso, para sistemas lineales con retardos
variantes en el tiempo (jitter), inciertos aunque acotados. Anteriormente dicho artículo fue
aplicado al diseño de compensadores de jitter: (Lincoln, (2002), Felicione et al., 2005,
Eriksson et al., (2007 a y b); al concepto de jitter margin para tareas de control periódicas
(Cervin et al., (2004), Rodrigues de la Rocha et al., (2005) y Perez (2006)).
El diseño y análisis del sistema de control se hicieron con el apoyo de herramientas
numéricas del entorno MATLAB, lo que permitió una evaluación exhaustiva del método a
través de distintos indicadores y bajo distintas hipótesis, tanto en términos intrínsecos como
en comparativos con otra técnica de la literatura (Suplin et al. (2005)), ambos obtenidos
considerando el efecto de los periodos de muestreo variables como un bloque de
incertidumbre no estructurada y aplicando alguna variante del teorema de la pequeña
ganancia al sistema resultante. El método es evaluado favorablemente en cuanto a
simplicidad de diseño y de implementación, y también en cuanto a la robustez y la
performance prestada.
Sería interesante considerar el diseño de controladores que exploten situaciones más
prácticas: suponer que la única información disponible acerca de los periodos de muestreo
es su cota superior no es muy realista; por ejemplo podría considerarse el caso de periodos
de muestreo en el rango [h1 , hmax ] , para algún h1 >0 conocido o, el diseño de un controlador
para el caso en que se disponga del patrón de muestreo o pueda reconstruirse on-line, con lo
cual podrían esperarse resultados menos conservadores.

Referencias

Andreff, N., “Robustness to jitter in real-time systems.”, Master thesis, Department of

Automatic Control, Lund Institute of Technology, Lund, Sweden (2004).

Åström, K. y B. Wittenmark, Computer Controlled Systems, Prentice Hall, Englewood

Cliffs, N. J. (1997).

Branicky M., S. M. Philips y W. Zhang, “Stability of networked control systems: explicit

analysis of delay”, Proceedings of the American Control Conference, 2352-2357 (2000).

34
Cervin, A., B. Lincoln, J. Eker, K.-E. Årzén y G. Buttazzo, “The jitter margin and its
application in the design of real-time control systems.”, Proceedings of the 10th
International Conference on Real-Time and Embedded Computing Systems and
Applications, Göteborg, Sweden, Best paper award, (2004).

Colandairaj, J., G. W. Irwin y W. G. Stanlon, “Wireless networked control systems with

QoS-based sampling”, IEE Proceedings Control Theory & Applications, 1(1), 430-438
(2007).

Eriksson, L. y M. Johansson, “PID controller tuning rules for varying time delay systems.”,
Proceeding of American Control Conference, pages 619–625, USA, (2007a).

Eriksson, L. M. y M. Johansson, “Simple PID tuning rules for varying time-delay systems.
IEEE Conference on Decision and Control, (2007b).

Felicioni, F. E., N. S. M. Blet y S. J. Junco, “Control robusto H  de sistemas distribuidos

con retardos variables en la red de comunicación”, XI RPIC, (2005).

Fridman E., A. Seuret y J. P. Richard, “Robust sampled-data stabilization of linear systems:

an input delay approach”, Automatica, 40(8), 1441-1446 (2004).

Fridman E., U. Shaked y V. Suplin, “Input/output delay approach to robust sampled-data H

control”, Systems & Control Letters, 54(3), 271-282 (2005).

Hespanha J., Lecture notes on LQR/LQG controller design, Disponible en

http://www.uz.zgora.pl/~wpaszke/materialy/kss/lqrnotes.pdf (2005).

Hespanha J. P., P. Naghshtabrizi y Y. Xu, “A survey of recent results in networked control

systems”, Proceedings of the IEEE, 95(1), 138-162 (2007).

Kao C. –Y. y B. Lincoln, “Simple stability criteria for systems with time varying delays”,
Automatica, 40(8), 1429-1434 (2004).

Kao C. –Y. y A. Rantzer, “Stability analysis of systems with uncertain time-varying

delays”, Automatica, 43 (6), 959 – 970 (2007).

Lincoln, B. “Jitter compensation in digital control systems,” American Control Conf.,

Anchorage, 2985–2990 (2002).

Marti, P., “Analysis and Design of Real-Time Control Systems with Varying Control
Timing Constraints,” PhD Thesis, Department of Automatic Control, Technical University
of Catalonia, Barcelona, España, (2002).

Middleton R. H., “Trade-offs in linear control systems design”, Automatica 27(2), 281-292
(1991).

35
Mirkin L., “Some remarks on the use of time-varying delay to model sample-and-hold
circuits”, IEEE Trans. on Automat. Contr., 52(6), (2007).

Mirkin L., “On the use of time-varying delay to represent sample-and-hold circuits”, Proc.
of 46th Conference on Decision and Control, 420-425 (2007a).

Montestruque L. A. y P. Antsaklis, “Stability of model-based networked control systems

with time-varying transmision times”, IEEE Transactions on Automatic Control, vol. 49,
no. 9, 1562-1572 (2004).

Naghshtabrizi, P. y J. P. Hespanha, “Designing an observer-based controller for a network

control system,” en Proceedings of the 44th IEEE Conference on Decision and Control and
European Control Conference (CDC-ECC '05), 848–853, (2005).

Naghshtabrizi P., J. P. Hespanha y A. R. Teel, “On the robust stability and stabilization of
sampled-data systems: A hybrid system approach”, Proc. of the 45th Conf. on Decision and
Contr., 4873-4878 (2006).

Perez, D. A., “Propostas de co-projeto para sistemas de controle via rede.” Dissertação
(Mestrado em Engenharia Elétrica) - Universidade Federal de Santa Catarina, Conselho
Nacional de Desenvolvimento Científico e Tecnológico, (2006).

Rodrigues de la Rocha, F., R. S. de Oliveira, “Modelo de Tarefas Baseado em Instante

Ideal.” en: 7 Workshop de Tempo Real - WTR'2005, V. 1., 17-24, (2005).

Sampei M., T. Mita, Y. Chida y M. Nakamichi, “A direct approach to H  control problems

using bounded real lemma”, Proc. of 28th Conference on Decision and Control, 1494-1499
(1989).

Sanfridson, M., “Discretization of loss function for a control loop having time-varying
period and control delay”, Technical Report, ISRN KTH/MMK/R-03/2-SE, (2004a).

Sanfridson, M., “Quality of control and real-time scheduling : allowing for time-variations
in computer control systems”, PhD Thesis, ISRN/KTH/MMK-04/07-SE, Royal Institute of
Technology (KTH), Suecia, (2004b).

Seron, M.M., J. H Braslavsky and G. Goodwin, “Fundamental Limitations in Filtering and

Control”, Springer Verlag, London (1997).

Skogestad, S e I. Postlethwaite, Multivariable feedback control, Wiley, (1996).

Suplin V., E. Fridman y U. Shaked, “Input-output approach to the control of time-delayed

systems”, Proc. of the 2005 IEEE International Symposium on, Mediterrean Conference on
Control and Automation, 1556-1560 (2005).

Walsh G. C., H. Ye y L. Bushnell , “Stability analysis of networked control systems”,

Proceedings of the American Control Conference, San Diego, 2876-2880 (1999).

36
Yi, J., Q. Wang, D. Zhao, J. T. Wen, “BP neural network prediction-based variable-period
sampling approach for networked control systems”, Applied Mathematics and
Computation, 185(2), 976-988 (2007).

Yue D., Q.-L. Han y J. Lam, “Network-based robust H control of systems with
uncertainty”, Automatica, 41(6), 999-1007 (2005).

Yue D., Q.-L. Han y C. Peng, “State feedback controller design of networked control
systems”, IEEE Trans. on Automat. Contr., 51(11), 640-644 (2004).

Zhang, W. (2001). “Stability analysis of networked control systems.”, Ph.D. Thesis, Case
Western Reserve University, (2001).

Zhang W. y M. S. Branicky , “Stability of networked control systems with time-varying

transmission period”, Allerton Conf. Communication, Contr. and Computing, Urbana,
1205-1214 (2001).

Zhang J., C. R. Knopse y P. Tsiotras, “Stability of time-delay systems: equivalence between

Lyapunov and scaled small-gain conditions”, IEEE Trans. on Automat. Contr., 46(3),
(2001).

37