DISEÑO DE CONTROLADORES DIGITALES EN PRESENCIA DE

DISTURBIOS ALEATORIOS
Viviana Cabrera A.
vivi_ely7@hotmail.com
Rodrigo Escandón C.
rescandon@ieee.org
Mónica Romero S.
mony_r87@hotmail.com

Teoría de control III Universidad Politécnica Salesiana Sede-Cuenca

Abstracto: En los sistemas de control digital las

El presente ensayo es una recopilación sobre
un estudio realizado en base a uno de los
principales problemas que deben afrontar los
sistemas de control digital, enfrentarse a
disturbios aleatorios ya que los controladores
digitales que en su mayoría utilizan
microelectrónica son mucho más sensibles a
las múltiples perturbaciones eléctricas que los
controladores analógicos, Este trabajo se
centra en definir las perturbaciones, las formas
de representarla matemáticamente, y los
métodos correspondientes de control para el
filtrado de estos disturbios. Se hace también
especial énfasis en las técnicas para,
minimizar el efecto de estos disturbios y a su
vez mejorar las diferentes señales digitales del
sistema de control.
Por último se presenta una modelación
matemática para definir un proceso estable,
partiendo de un sistema con raíces que
definen inestabilidad, es decir se modelara un
controlador digital estable partiendo de un
controlador con una ecuación característica
con raíces inestables.
perturbaciones son por lo general al filtrar ruido
blanco el mismo que tiene una energía finita en un
rango de frecuencias de 0 a 0,5fs,de esta manera
existen diversas formas de procesar este tipo de
perturbaciones las que se desarrollaran a
continuación:
TEMA PRINCIPAL
1.1. DISTURBIOS
Descripción de un disturbio.- Las señales básicas
que se usan para establecer las perturbaciones
son: delta Dirac, escalón unitario y rampa, donde
estas dos últimas son el resultado de ingresar la
señal Delta Dirac a través de determinados filtros,
este método se conocen como modelamiento
determinístico de perturbaciones
1
1

1. INTRODUCCION:
REPRESENTACION DE ERRORES ALEATORIOS Figura [1], moldeamiento determinístico de
perturbaciones (Filtros)
Y TRATAMIENTO DE LOS MISMOS.
A continuación se aplicará el este concepto a la
Como se explicara después existen varias formas descripción de perturbaciones aleatorias o
de representar una perturbación en un sistema de estocásticas, las cuales no pueden ser
control digital, pues existen perturbaciones representadas de una manera determinística pues
determinantes que se pueden representar por
no son reproducibles
medio de una delta dirac que al pasar a través de
un filtro produce un escalón y una rampa, en
Primero es necesario tener claro que los procesos
cambio a las perturbaciones aleatorias tienen un
estocásticos se pueden describir por medio de la
función
, , siendo t el tiempo (variable real) y
proceso de representación más complejo pues no
son reproducibles. Este tipo de procesos pueden
ser determinantes cuando poseen características  la variable estocástica, dentro de un espacio de
idénticas en varias muestras o gausiano en el probabilidad S.
caso en el que la varianza y la media determinan
la probabilidad de ocurrencia de un valor en un De esta manera para un valor dado de  =  la
función
, , representa únicamente un tiempo
determinado tiempo.
cualquiera, mientras que para un t=t0
,  Varianza
resulta una variable aleatoria.

 =    = lim→  ∑
   =


!  [2]
Los procesos escolásticos poseen ciertas
características que nos permiten determinar
algunos aspectos del mismo como por ejemplo:
Covarianza
Si al realizar un análisis estadístico de un
experimento, se puede evidenciar que los "# =  − # =

lim→ ∑
  − # [3]
resultados obtenidos manteniendo un tiempo
constante ya sea en una o en varias muestras son % 

"0 =  = !  [4]
idénticos entonces podemos decir que es un
proceso ergódico.

En un proceso escolástico gausiano, los datos Covarianza Normalizada

como la media y la varianza nos permiten
'(
determinar la probabilidad de ocurrencia de un
"&# = "&0 = 1 [4]
valor específico. '

Casi todas las perturbaciones presentes en un
sistema de control automático pueden ser
representadas por medio de un ruido blanco en
tiempo discreto que pasa a través de un filtro. El
cual no es más que una señal aleatoria cuya
energía se distribuye uniformemente para un
rango de frecuencias de0 a 0,5 fs
El ruido blanco en tiempo discreto constituye una
El ruido gausiano blanco es un proceso ergódico
de una secuencias de variables aleatorias
independientes y debido a la naturaleza del
proceso la resolución de e(t), no puede ser e(t+1),
e(t+2),…… como se había planteado, la más
acertada es e(t)=0.
La propiedad de independencia se evidencia en la
auto correlación:

"# = "&# = 0 # = 1,2,3 … … . . , −1, −2, −3

señal físicamente real puesta que posee una
energía y una banda de frecuencias finitas, no así
el ruido blanco en tiempo continuo pues posee un [5]
rango de frecuencias infinitas en su desarrollo.

Al pasar el ruido blanco a través de los filtros,

estos modifican su espectro de frecuencias en la
distribución de energías y de esta manera generar
una distribución que corresponda a las de las
distintas perturbaciones aleatorias presentes.

Haciendo una analogía con el caso determinístico

el ruido aleatorio tiene el comportamiento de una
delta dirac, es decir es el generador fundamental
de las señales.
A continuación se describirán las ecuaciones que
permiten determinar varios parámetros dentro de
una señal de ruido blanco gausiano.
Media:

Figura [2], Correlación Normalizada (Ruido Blanco)
La secuencia de ruido blanco gausiano, posee una
propiedad estacionaria de procesos escolásticos
muy poco representativa, debido a e(t) es una
constante y e(t-i) es una función de i.
Por medio del cálculo de la covarianza R(i)en este
tipo de procesos se puede llegar a determinar la
densidad espectral de energía, la cual esta dada
. . =  = lim→ ∑
  = 0
por la transformada de Fourier de la función
 covarianza así:
[1]

∅. = ∑
(0 "#
01(2
/
[6]
 :
Debido a que en el ruido blanco "# = 0 3  # ≠ J= 0  = 1 + ∑( K
( =0( = 1 +
0
= 0 J∗ =0  [14]
' 56
∅. = =
/ /
[7] La densidad espectral de energía está dada por:

 
MODELO DE PERTURBACIONES ∅D H = LM LMNO  ∅I H [15]
ALEATORIAS
3.- Proceso auto-regresivo movimiento de
Las perturbaciones aleatorias cuyas densidades
media (ARMA)
espectrales pueden ser expresadas como una
función racional de frecuencia, son resultados de
Este proceso se obtiene cuando la señal pasa por
la filtración de un ruido blanco, este tipo de
un filtro con polos y ceros.
proceso se realiza de diferentes formas :
Se describe por medio de la siguiente ecuación:
1.- Proceso movimiento de media (MA)

Su formula general es:

J= 0 7 = <= 0  [16]

: Donde J=0  es un polinomio cuyas raíces deben

7 =  + ∑(
;
9(  − # = <= 0 
encontrarse dentro del círculo unitario se puede
[8] obtener por medio de la ecuación [14] y <=0 
con la [9].
Donde

:
<= 0  = 1 + ∑( 9( = 0 = 1 +
Densidad espectral de energía:
;

QEM NO F
= < =  [9]
0 ∗ 0 QM
∅D H = PLMR PLMNO R ∅I H [17]
Este proceso cumple con la siguiente propiedad
El modelo ARMAX (Planta + Perturbación)

"# = 0 # ≥ @A + 1; # ≤ −@A + 1 Este modelo se utiliza para representar los efectos

[10] del control y de las perturbaciones en la planta.

Y u densidad espectral de energía está

determinada por:

56  56
∅D . = <E 12 F<E 012 F = G< 12 G
/ /
[11]

Esta ecuación representa una relación entre el

espectro de la señal de entrada y el del proceso
de movimiento de media. Figura [3], Generación del proceso aleatoria ARMAX

∅D H = <H<H 0 ∅I H H =  12 Las perturbaciones en la planta se representa

como:
[12]
S NT UES NO F QES NO F
7 = V + 
LS NO  LS NO 
2.- Proceso Auto-regresivo (AR) [18]
El proceso auto-regresivo esta determina por la
Dentro de esta ecuación de puede identificar
siguiente fórmula:
claramente que el primer término corresponde al
J= 0 7 =  [13] efecto del control y el segundo a la presencia de la
perturbación.
Donde
Para el desarrollo de la ecuación anterior en Ejemplo:
primera instancia multiplicamos los 2 lados de la
ecuación por J=0 : Consideremos la planta y perturbaciones
existentes representadas por medio del siguiente
J=0 yt = =0Y Z= 0  modelo ARMAX:
+ <= 0 ; Z=0 
7 + 1 = − 7 + [ V + 9  +
= =0Y Z∗ = 0   + 1 [26]
[19] La predicción del error es

a + 1 = c− 7 + [ V + 9  −

Reemplazando [14] y [9], en la ecuación anterior

7ˆ + 1d +  + 1 [27]

tenemos:

:
7 + 1 = − ∑(
K
( 7 + 1 − # +
∑:(
] :^
[( V + 1 − \ − # + ∑( 9(  + 1 −
En la ecuación [27], el término entre corchetes

# +  + 1 = J∗ = 0 7 +
corresponde a la variable real en el tiempo t,
mientras que el segundo representa el ruido en un
Z∗ = 0 V − \ + <= 0  + 1 [20] tiempo t+1.

La varianza calculada debe ser mínima por lo cual

Al analizar la ecuación [18], se puede determinar
se debe escoger un error apropiado.
que los términos provienen tanto de la función de

c7 + 1 − 7ˆt + 1d  = c− 7 +

transferencia de la planta y de la del filtro de

[ V + 9  − 7ˆ + 1d  +

perturbaciones, por lo que los denominadores son
diferentes así:
   + 1 + 2 + 1c− 7 +
S NT UO ES NO F Q6 ES NO F
7 = V +  [ V + 9  − 7ˆ + 1d [28]
LO S 
NO L6 S NO 
[21]
Analizando la ecuación anterior podemos observar
Reduciendo denominadores comunes tenemos
que el tercer término de la misma es nulo debido a
S NT U Q
7 = V +  J=
que el ruido blanco en el instante t+1 e totalmente
L L
independiente de todas las demás señales en los
JJ Z = Z J < = < J [22] instantes t y t-1; y debido a que el segundo
termino no depende de nuestra elección de
Predicción Óptima predictor, que únicamente afectará al primer
término.
Debido a la naturaleza aleatoria que presentan las
perturbaciones no se puede llegar a detectar o Por lo tanto la mejor elección es la que anula el
conocer exactamente un valor futuro de y(t) término en todos los instantes así:

c− 7 + [ V + 9  −

usando un modelo ARMAX.

Es por ello que se usa la predicción óptima del 7ˆ + 1d  = 0 [29]
valor futuro de y(t) a partir de los datos de y y u en
un instante t dado y se expresa como sigue: El predictor óptimo que se puede escoger bajo

7ˆ P + 1`R [23]
estas condiciones es:

7ˆt + 1ef = −1 7 + [1 V + 91 

El error de predicción se define como: [30]

a + 1 = 7 + 1 − 7ˆt + 1 [24] Con este tipo predictor escogido la predicción del
error se convierte en:

at + 1ef = 7 + 1 − 7ˆt + 1ef =  +

La varianza de predicción del error es minimizada:


7 + 1 − 7ˆt + 1 = b#@ [25] 1 [31]
En el ruido blanco se puede observar entonces:
a =  [32]
De acuerdo con la ecuación [32] el predictor
óptimo se escribe como:
7ˆt + 1ef = −1 7 + [1 V + 91 a
[33]
1.2. REGULACION Y SEGUIMIENTO DE
LA VARIANZA MINIMA
Este método busca la generación de controladores
óptimos, cuya fluctuación de la variable alrededor
de la referencia sea mínima en el caso de
disturbios aleatorios. Puede ser aplicado
únicamente a plantas de tiempo discreto con ceros
estables.
En la figura a) podemos observar la salida de un
sistema y en la b) se representa la misma salida
incorporada con este procedimiento.
Figura [4]. Desempeño del control de mínima varianza
en presencia de disturbios aleatorios.
Si la varianza de la señal de salida controlada es
significativa de obtiene una grafica de
distribución de los valores como la figura 4. Se
puede observar que un importante porcentaje de
los datos se encuentran aislados del valor de
referencia. En una gran variedad de aplicaciones
es necesario que garantizar un valor mínimo para
la salida controlada, estamos obligados a
establecer como referencia como un valor
significativamente mayor al mínimo necesario.
Figura [5]. Histograma de una salida controlada
Si el controlador reduce significativamente la
varianza de la salida controlada, se obtiene que la
distribución se minimice en torno a la referencia.
Esto permite mejorar la calidad del producto y
reducir el valor de referencia para aproximar al
valor mínimo deseado.
gEVF =

c7 − 7 d ~ ∑
∗
c7 −

7 ∗ d = b#@ [34]
Donde 7 − 7 ∗  representa la diferencia entre
la salida el valor deseado 7 ∗ en el instante t.
Para resolver el problema se debe considerar el
modelo de la planta como el modelo de los
disturbios, la estructura que se emplea es el
modelo ARMAX que incorpora los dos modelos.
Es indispensable que se conozcan los dos
modelos antes mencionados para implementar
este modelo de control.
Caso general
Teniendo en cuenta la similitud del seguimiento y
regulación determinista con objetivos
independientes, el controlador computacional
será definido por:
i= 0  = <= 0  [35]
El proceso de disturbio es descrito mediante la
siguiente expresión:

J= 0 7 = = 0Y Z= 0 V

+ <= 0 

[36]

De donde:

J= 0  = 1 + 1=0 +….+:L = 0:L

Z= 0  = [1=0 +….+:U = 0:L

<= 0  = 1 + 91= 0 +….+9:Q = 0:Q

Figura [6] Varianza mínima de seguimiento y regulación

La función de transferencia en lazo cerrado [Fig. 4]

[37] sin j= 0  esta determinada mediante la siguiente
ecuación:
Teniendo en consideración que Z= 0  debería
tener ceros estables como <=0  que sUt = 0 
= 0Yu Z∗ = 0 
=
especifique el lazo cerrado de los polos. Por otra
parte <=0  es siempre estable si los disturbios
J= 0 l= 0  + = 0Yu Z∗ = 0 "= 0 
=0Yu = 0Yu Z∗ =0 
son estáticos.

= =
El controlador esta dado por: <= 0  Z∗ = 0 <=0 
j= 0  y ∗ t + d + 1 − "= 0 7
V =
l= 0 
[40]

[38]
Debido al seguimiento y regulación con objetivos
La trayectoria de referencia está definida por: independientes tenemos:

Bn =0  l=0  = Z∗ = 0 l′= 0  [41]

y ∗ t + d + 1 = rt
Am=0 
Si
Zq = 0  = [q + [q = 0
+⋯
l= 0  = 1 +
′ = 0 +
′ = 0 + ⋯ +
Jq =0  = 1 + q = 0 + q = 0 + ⋯
′Y =0Y [42]

[39] Y

"= 0  =  + =
0
+⋯+ :L =
0:Lu
[43]

Resolviendo las dos ecuaciones anteriores

tenemos:

J=0 l= 0  + =0Yu Z∗ = 0 "= 0  =

Z∗ = 0 <=0  [44]

Si tomamos la estructura de l= 0 , la ecuación

anterior se convierte en:
J=0 l= 0  + =0Yu "= 0  = <=0  Si sustituimos la ecuación J= 0 7 + \ + 1 =
Z∗ =0 V + <= 0  + \ + 1 y dividimos para
<= 0 , obtenemos:
[45]

7 + \ + 1 =
Tomamos que:

0 
i= = <= 0
 [46] 'ES NO F
7 +
U∗ ES NO Fz { ESNO F
V +
QS 
NO QS NO 
y = 0 
Y resolvemos la ecuación computacionalmente l + \ + 1 [53]
mediante el comando predisol presentado por
Matlab. El pre compensador deberá haber Los resultados obtenidos son:
compensado los polos de la función en lazo
cerrado y tenemos: c7 + \ + 1 − 7 ∗  + \ + 1d 
j= 0  = <=0  [47] "= 0 
=  |} 7
<=0 
l y = 0 
Para estudiar el efecto de la minimización de la
+ V
<= 0 
varianza, dado por el controlador ecuación 40
en el error [wx − w∗ x].

La ecuación general del disturbio puede ser − 7 + \ + 1~ 

+ cl y =0  + \

reescrita de la siguiente forma:

J= 0 7 + \ + 1 = Z ∗ =0 V + + 1d 

<= 0  + \ + 1 [48] "= 0 
+ 2 €} 7
<= 0 
l y = 0 
Si reemplazamos la ecuación del controlador y
multiplicamos por l=0  ambos lados de la
+ V
ecuación, se obtiene: <= 0 
J= 0 l= 0 7 + \ + 1 = − 7 ∗  + \ + 1~
Z∗ = 0 <=0 7 ∗  + \ + 1 −
= 0Yu Z∗ =0 "= 0 7 + \ + 1 + × cl y = 0  + \ + 1d
l= 0 <=0  + \ + 1 [49]
c54d
Resolviendo la ecuación y dividiéndola para
Z∗ =0 <= 0  tenemos:

7 + \ + 1 − 7 ∗  + \ + 1 =
1.3. APROXIMACION MINIMA (CASO DE

l′= 0  + \ + 1 [50]

En otras palabras el error de seguimiento y
regulación mínima de la varianza mines un
proceso de orden d para d=0, 7 + \ + 1 −
CEROS INESTABLES)
Diseño del controlador:
En primer lugar recordar que el seguimiento de
varianza mínima y la regulación para el caso en

7 ∗  + \ + 1 es un ruido blanco.
que los ceros ecuación modelada de la planta se
encuentran dentro del círculo unitario (ceros
asintóticamente estables)
Este proceso corresponde a la minimización de la
varianza del error 7 − 7 ∗ , se le puede
es equivalente a un diseño de ubicación de polos
con:
representar de la siguiente manera:
i= 0  = Z ∗ =0 <= 0  [55]
<=0 7 + \ + 1 = cJ= 0 l yES F +
NO

= 0Yu "= 0 d7 + \ + 1 [52] En el caso que Z∗ =0  contenga polos

inestables, debemos aplicar la colocación de un
polo pero reemplazando el cero inestable de i=0  = Zu =0 Z0 =0 <= 0 
Z∗ =0  utilizando aproximaciones estables.
i= 0  =
Para realizar esto, primero se factoriza el J=0 l= 0  + =0Yu Z∗ = 0 "=0 
polinomio Z∗ =0  de la siguiente manera: [60]

Z∗ = 0  = Zu =0 Z0 = 0  [56] De la ecuación Z∗ =0  = Zu = 0 Z0 =0  que se

mostro anteriormente, resulta que
Donde se consideran los siguientes parámetros en
esta ecuación: l= 0  = Zu = 0 l y = 0  [61]
• Zu = 0  contiene todos los ceros de
Zu = 0  que sean asintóticamente
Al considerar la ecuación:

estables, es decir que se encuentran Z0 ′= 0 <=0 

= J= 0 l′= 0 
dentro del circulo unitario.
Z0 = 0  contiene todos los ceros de
+ = 0Yu Z0 =0 "= 0 
•
Zu = 0  que sean asintóticamente
inestables, es decir que se encuentran
fuera del circulo unitario. [62]

La factorización se realiza de manera que el Por lo tanto las raíces de esta ecuación son:

l y = 0 
coeficiente de mayor grado sea la unidad “1” es
decir el coeficiente de = 0:] del polinomio Z0 =0 .
"=0 
Ahora se define el reciproco del polinomio de
Z0 = 0 , el polinomio resultante que lo
denominaremos Z0 ′=0  tiene todos los ceros en
[63]

El polinomio j=0  esta dado entonces por:

el interior del circulo unitario.

Z0 ′= 0 <=0 
A manera de un ejemplo explicativo se considera
j=0  =
Z ∗ 1
que:

Z0 =0  = 0.5 + =0 [57]

Esta ecuación tiene un cero en 2 + „0 fuera del
circulo unitario.
Se encuentra el polinomio reciproco que es:
[64]
Para poder entender y dar fe de mejor forma a
este método, considere el siguiente ejemplo:

Z0y = 0  = 1 + 0.5 = 0 [58]

Planta:

• \=0
En cambio esta ecuación tiene un cero en 0.5 + „0
• Z= 0  = 0.1 =0 + 0.2 = 0
J=0  = 1 − 1.3= 0 + 0.42=0
dentro del circulo unitario.
•
Podemos observar también que Z0′ = 0  es una
buena aproximación de Z0 =0  en el dominio de Las características dinámicas del sistema
la frecuencia: son:

.Š‹ŒY
…
UN EI N†‡ F
… = 1 3  ˆ\ˆ ‰ [59] • j
= 1
‰ =  = 0.9
IŽ
UN{ EI N†‡ F
• Zb = +0.0927 + 0.0687 =0 
La aproximación de la varianza mínima de • Jb = −1-1.2451 = 0 + 0.4066 =0
• i=0  = 1 + 0.5= 0 1 −
seguimiento y regulación se obtiene por

1.34=0 + 0.49= 0 
aplicar el diseño para la ubicación de polos
 Ley de control: 1.4. SEGUIMIENTO Y REGULACIÓN DE

l= 0 V + "= 0 7

LA MÍNIMA VARIANZA

= j= 0 7 ∗  + \ + 1
GENERALIZADA

Zq = 0 
Esta técnica se puede aplicar únicamente a
∗ 
7 + \ + 1 = } ~ 
Jq = 0 
plantas de sistemas que tengan un moldeamiento
discreto con ceros estables.

Este método describe un control V el cual

c65d
minimiza el siguiente criterio:
Controlador:

 —}7 + \ + 1 − 7 ∗  + \ + 1
• "=0  = 4.813 − 6.118 =0 +
2.055 = 0 
˜= 0 
l= 0 =1-0.02139 = 0 - 0.9786 + V~ ™
<= 0 
•
= 0
• j=0 =-2.80 =0 -0.6 = + 
1
0.8166 = 0“ š }7 + \ + 1 − 7 ∗  + \ + 1
&
•  ”@ \ ”@@9#: 2.082 (

 ”@ \

: 58.5 \” ˜=0 
+ V~ = b#@
•
•  ”@ \  
ˆ: 1.42
<= 0 
•  ”@ \ bˆ\V–ˆ: 0.520−5.69 \Z
[67]
Resolución:
En donde:

›1 − = 0 
La planta modelada tiene un cero inestable, para

˜=0  =
definir el deseado lazo cerrado primero se debe
factorizar: Z∗ =0  1+∝ = 0
Z∗ = 0  = 0.1 + 0.2=0 = 0.20.5 + =0 
= Zu =0 Z0 =0 
[68]

Donde <= 0  caracteriza la distribución en el

De esta forma se obtiene que: modelo ARMAX de la salida de la planta.

Z0= 0  = 0.5 + = 0 Z0 ′= 0  Dado el caso que ∝= 0, el criterio de la ecuación

= 1 + 0.5= 0 anterior es:

La modelación del disturbio <= 0 

 ž7 + \ + 1
estaría
definida por las ecuaciones [60] y [62]
›
+ cV − V − 1d
<= 0 
El controlador puede ser realizado utilizando las
ecuaciones:

i=0  = Zu =0 Z0 =0 <= 0  − 7 ∗  + \ + 1Ÿ ™ = b#@

Z0 ′= 0 <=0 
= J= 0 l′= 0 
[69]

+ =0Yu Z0 =0 "= 0  La cantidad 7 + \ + 1 +

 
cV − V − 1d
QS NO 
es interpretada como una salida generalizada, y
[66]
sus variaciones alrededor de 7 ∗  + \ + 1 serán El controlador diseñado es realizado en dos
minimizadas. etapas:

Para › = 0, esta estrategia corresponde con el • La primera etapa consiste en realizar los
seguimiento de mínima varianza y reglamento. polinomios "=0 , l=0  y j=0  = <= 0 
para ˜= 0  = 0 para el método de la mínima
Para › = 0, la varianza de la diferencia entre la
varianza y regulación si Z=0  tiene ceros
salida generalizada y la trayectoria de referencia
y* será minimizada pero no más que la c7 +
inestables.
\ + 1 − 7 ∗  + \ + 1d  para esto un valor más • La segunda etapa consiste en introducir el
pequeño de › asegurara un valor estable en lazo polinomio ˜= 0  con un valor de › > 0
cerrado en la práctica. utilizando la ecuación ˜= 0  =
 0SNO 
u∝S NO
tenemos que:
Se puede notar también que › tiene un efecto
importante a las variaciones de V y por lo tanto
J= 0  l=0 
+ = 0Yu Z∗ = 0 "=0 
puede ser utilizado incluso en el caso de plantas
con ceros estables a fin de reducir la variación de
la señal de control. = Z∗ = 0 <=0 
c72d
Diseño del controlador:
Como regla general se escoge λ menor a 1 y se
Utilizando criterios anteriores podemos chequea que el polinomio cJ= 0  ˜= 0  +
definir qué: Z= 0  <=0 d define la ecuación de lazo cerrado
con polos asintóticamente estables, de no ser el

 —}7 + \ + 1 − 7 ∗  + \ + 1
caso el valor λ’ cambiaria.

Como opción inicial, en el caso de las raíces

 inestables de Z∗ =0 , toma el valor de λ que
˜= 0 
+ V~ ™
<= 0 
permite obtener una estabilidad polinomio
l= 0  + ˜=0  para ∝= 0. Esto hace que el
regulador sea estable.
"= 0  l= 0 
=  —} 7 + V
<= 0  <= 0 
2. CONCLUSIONES:

˜= 0 
+ V •
<=0 
En este ensayo se consideraron el diseño de
controladores en presencia de disturbios
 aleatorios, muchos de estos disturbios fortuitos
−7 ∗ 
+ \ + 1~ ™ fueron tomados en consideración de muestras
practicas, estos pueden ser modelados de
+  cl y = 0  + \ forma discreta en función del tiempo como
+ 1d  ruido blanco pasados a través de un filtro. El
conocimiento de este filtro es llamado
moldeamiento de un disturbio, que permite
[70] caracterizar completamente esta función.

Para minimizar este criterio V debe ser elegido • Para el diseño de controladores digitales en
para que el primer término de la derecha sea cero, presencia de disturbios aleatorios se
esto se obtiene de la siguiente manera: presentaron varias formas de filtrado y control

<= 0 7 ∗  + \ + 1 − "=0 7

de las señales, uno de estas era la llamada
V =
l= 0  + ˜= 0 
ARMAX a la cual hacemos especial énfasis
porque genera una consideración de control en
función de la entrada y la salida del sistema de
[71] control completo, la misma que por obvias
razones es más comúnmente manipulable por
 tener una analogía directa con la función de
transferencia común en lazo cerrado de un
sistema de control común.

• También se pudo describir soluciones

matemáticas de moldeamiento y de inspección
para solucionar, las variaciones que presentan
las señales digitales alteradas, suavizando la
respuesta en estas y describiendo un
controlador, que defina estabilidad al sistema
en raíz de uno que tenga ceros inestables.

3. REFERENCIAS:

[1] Jenkins G.M. (1970) Time Series Analysis,

Forecasting and Control,

[2]Åström K.J., Wittenmark B. (1997) Computer

Controlled Systems - Theory and Desing 3th Edition

[4]Clarke D.W., Gawthrop P.J. (1979) Self-tuning Control,

Proc. IEEE, vol. 122 & 126, pp.633-40. & pp. 929-934

[5]Landau I.D. (1981) Model Reference Adaptive

Controllers and Stochastic Selftuning
Regulators
Meas. and Control, vol. 103, n°4, pp. 404-416.

[6]Landau I.D., Lozano R., M’Saad M. (1997) Adaptive

Control, (Chapter 7),

[7]Camacho, E.F., Bordons, C. (2004) Model Predictive

Control, 2nd edition.