Introduccion Al Control Automatico PDF

INTRODUCCIÓN
AL
CONTROL
AUTOMÁTICO
INTRODUCCIÓN
AL
CONTROL
AUTOMÁTICO
Marcela N. Gatti
Facundo Quiñones
Rubén H. Milocco
AÑO 2016
EDUCO
UNIVERSIDAD NACIONAL DEL COMAHUE
Gatti, Marcela Noemí
Introducción al control automático / Marcela Noemí Gatti ; Facundo Quiñones ;
Rubén Horacio Milocco. - 1a ed. - Neuquén : EDUCO - Universidad Nacional del
Comahue, 2016.
174 p. ; 29 x 21 cm.
ISBN 978-987-604-458-5
1. Ingeniería. 2. Diseño de Sistemas. 3. Control Automático. I. Quiñones, Facundo

II. Milocco, Rubén Horacio III. Título
CDD 620.07
Índice general
1. Sistemas Dinámicos 1
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Modelado de Sistemas Dinámicos . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1. Ecuación de conservación . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Ejemplos de Sistemas Dinámicos . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Variables de Estado y Ecuación de Estado . . . . . . . . . . . . . . . . . . 10
1.5. Linealización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.6. Diagramas de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6.1. Álgebra de los diagramas de bloques . . . . . . . . . . . . . . . . . 19
1.7. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.8. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2. Respuesta Temporal 25
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2. Solución analı́tica de sistemas lineales . . . . . . . . . . . . . . . . . . . . . 26
2.3. Solución por la transformada de Laplace . . . . . . . . . . . . . . . . . . . 31
2.3.1. Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.2. Transformada de Laplace de funciones muy utilizadas . . . . . . . . 35
2.3.3. Relación entre la variable s y el operador derivada . . . . . . . . . . 38
2.3.4. Solución de la ecuación de estados . . . . . . . . . . . . . . . . . . . 39
2.4. Función de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4.1. Función de transferencia . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4.2. Propiedades de los Diagramas de bloques en el dominio de s . . . . 44
2.5. Ecuación de estado a partir de funciones de transferencia . . . . . . . . . . 45
2.6. Respuesta temporal de sistemas tı́picos . . . . . . . . . . . . . . . . . . . . 47
2.6.1. Sistemas de primer orden . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6.2. Sistemas de segundo orden . . . . . . . . . . . . . . . . . . . . . . . 49
2.6.3. Sistemas de orden mayor que dos . . . . . . . . . . . . . . . . . . . 52
2.6.4. Demora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.7. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.8. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3. Sistemas realimentados 57
3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2. Realimentación de sistemas naturales . . . . . . . . . . . . . . . . . . . . . 60
3.3. El principio de la realimentación . . . . . . . . . . . . . . . . . . . . . . . . 61
3.4. Elementos tecnológicos empleados en el lazo de control . . . . . . . . . . . 61
3.5. Sistemas de control automático . . . . . . . . . . . . . . . . . . . . . . . . 64
5
3.5.1. Función de transferencia de lazo cerrado . . . . . . . . . . . . . . . 65
3.5.2. Error de estado estacionario . . . . . . . . . . . . . . . . . . . . . . 65
3.6. Sistemas realimentados de primer orden . . . . . . . . . . . . . . . . . . . 68
3.7. Sistemas realimentados de segundo orden . . . . . . . . . . . . . . . . . . . 72
3.8. Sistemas realimentados de tercer orden . . . . . . . . . . . . . . . . . . . . 77
3.9. Sistemas realimentados de tercer orden con un cero . . . . . . . . . . . . . 78
3.10. Sistemas realimentados de orden mayor que dos . . . . . . . . . . . . . . . 81
3.11. Efecto del tiempo muerto o demora . . . . . . . . . . . . . . . . . . . . . . 82
3.12. Estabilidad de un sistema dinámico lineal . . . . . . . . . . . . . . . . . . . 84
3.12.1. Determinación de la ganancia lı́mite . . . . . . . . . . . . . . . . . . 84
3.12.2. Criterio de estabilidad de Routh . . . . . . . . . . . . . . . . . . . . 84
3.13. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.14. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4. Respuesta en frecuencia 91
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.2. Respuesta en frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.2.1. Respuesta de un sistema LTI ante entradas sinusoidales . . . . . . . 92
4.2.2. Respuesta de un sistema de primer orden . . . . . . . . . . . . . . . 93
4.2.3. Respuesta de sistemas de orden mayor ante entradas sinusoidales . 94
4.3. Representación Gráfica de la Respuesta en Frecuencia . . . . . . . . . . . . 98
4.3.1. Diagrama logarı́tmico o Diagrama de Bode . . . . . . . . . . . . . . 98
4.3.2. Diagramas polares . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.3.3. Criterio de estabilidad de Nyquist . . . . . . . . . . . . . . . . . . . 111
4.4. Margen de fase y de ganancia . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.5. Ajuste de controladores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.5.1. Control proporcional . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.5.2. Compensador adelanto-atraso . . . . . . . . . . . . . . . . . . . . . 121
4.6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.7. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
5. Controladores PID Industriales 127

5.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.2. Acciones P, I y D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.2.1. Acción P. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.2.2. Acción I. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.2.3. Acción PI. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.2.4. Acción Proporcional y Derivativa PD. . . . . . . . . . . . . . . . . . 130
5.2.5. Acción PID. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
5.3. Ajuste de los parámetros del controlador PID . . . . . . . . . . . . . . . . 133
5.3.1. Métodos de Ziegler y Nichols . . . . . . . . . . . . . . . . . . . . . . 133
5.3.2. Método del margen de fase . . . . . . . . . . . . . . . . . . . . . . . 141
5.3.3. Método gráfico por respuesta en frecuencia . . . . . . . . . . . . . . 142
5.4. Controladores PID analógicos . . . . . . . . . . . . . . . . . . . . . . . . . 142
5.5. Controladores PID digitales . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.5.1. Sistemas controlados por computadora . . . . . . . . . . . . . . . . 144
5.5.2. Operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
5.5.3. Aproximaciones numéricas . . . . . . . . . . . . . . . . . . . . . . . 148
5.5.4. Controladores PID digitales . . . . . . . . . . . . . . . . . . . . . . 148
i
5.5.5. Algoritmo PID digital . . . . . . . . . . . . . . . . . . . . . . . . . 151

5.6. Aspectos operacionales y consideraciones prácticas . . . . . . . . . . . . . . 152
5.6.1. Reset-windup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
5.6.2. Bumpless . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
5.7. Ajuste de PID digitales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
5.7.1. Selección del intervalo de muestreo . . . . . . . . . . . . . . . . . . 154
5.8. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
5.9. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
Anexo: Programas en Matlab y Simulink 161
Bibliografı́a 164
Capı́tulo 1
Sistemas Dinámicos
Durante su operación, un proceso debe satisfacer diferentes requerimientos impuestos

por sus diseñadores y por las condiciones sociales, económicas y técnicas. Estos requeri-
mientos, entre otros, se detallan a continuación:
1. Seguridad: La operación segura de un proceso es un requerimiento principal para

el bienestar tanto de la gente que se desempeña en el espacio fı́sico de la planta
como de la comunidad en general.
2. Especificaciones de producción: La planta debe producir la cantidad y la calidad

de productos finales requeridos.
3. Regulaciones medioambientales: Es fundamental minimizar el impacto que pue-

da tener el proceso sobre el medioambiente. Los entes públicos exigen el cumplimien-
to de diferentes legislaciones, cada vez más restrictivas, para garantizar una mı́nima
contaminación.
4. Restricciones de proceso: Los diferentes equipos que conforman un proceso tie-

nen que cumplir una serie de condiciones inherentes a su operación, las cuales se
deben verificar durante la operación de la planta. Por ejemplo, las bombas no pue-
den trabajar si no tienen una succión neta positiva en cabeza, los tanques no pueden
rebosar o vaciarse completamente, etc.
5. Economı́a: El proceso debe trabajar en los niveles óptimos de mı́nimo gasto económi-
co y máximo beneficio.
Para cumplir estos objetivos se debe constituir el sistema de control, que está formado
por personas (diseñadores de planta, operadores de planta) y equipos (dispositivos de me-
dida, válvulas, controladores, ordenadores). Para cumplir los requerimientos mencionados
anteriormente, el sistema de control debe lograr lo siguiente:
1. Suprimir la influencia de perturbaciones externas (cambios no deseados en

las variables de proceso): Por ejemplo, variaciones en la temperatura de los servicios
–vapor, agua caliente o fluido refrigerante– en los intercambiadores de calor de
placas, etc.
2. Asegurar la estabilidad del proceso: El sistema de control debe posibilitar que

el proceso opere de una manera estable en un punto de operación deseado y se
mantenga en el mismo.
1
2 CAPÍTULO 1. SISTEMAS DINÁMICOS
3. Optimización del rendimiento: El sistema de control debe permitir maximizar

el beneficio económico del proceso.
En este libro, el cual se compone de cinco capı́tulos, se busca dotar al alumno de las
herramientas que le permitan no sólo entender el comportamiento dinámico de un proceso,
sino también proponer un esquema de control del mismo. Para alcanzar este objetivo
se ha estructurado este libro en cinco capı́tulos: i) Sistemas Dinámicos, ii) Respuesta
temporal, iii) Sistemas realimentados iv) Respuesta en frecuencia y v) Controladores PID
Industriales. Cada uno de los capı́tulos propone una ejercitación variada la cual permitirá
que el alumno pueda aplicar y comprender la teorı́a expuesta.
1.1. Introducción
En un sentido amplio, un sistema es un conjunto coherente de elementos asociados
en forma tal que es capaz de cumplir con un objetivo dado: producir energı́a, acumular
materia, separar, transportar, etc. Estamos interesados en conocer el comportamiento de
ese sistema en diferentes situaciones, y cómo, la interacción entre sus partes determinan
su evolución temporal. Por el momento definiremos a un sistema como una caja negra
con una o varias entradas y con una o varias salidas, de manera que las salidas son una
respuesta causal a los cambios en la entrada. Un esquema se representa en la Figura 1.1.
La única restricción que imponemos es la de causalidad.
ENTRADA SISTEMA SALIDA
Figura 1.1: Sistema
Lo que
Cap1 podemos distinguir a esta altura son: el sistema propiamente dicho y las va-
Fig1
riables de entrada y salida del mismo. Cuando nos referimos a variables, nos referimos a
cantidades variables en el tiempo como presión, distancia, temperatura, caudal, tensión,
etc. Lo primero que haremos es una clasificación de los distintos tipos de sistemas. Un
sistema es siempre una de las dos alternativas que se describen en los siguientes items:
Estático / Dinámico: Un sistema es estático si la salida en el tiempo “t” sólo

depende del valor de la entrada en el mismo tiempo “t”, y diremos que es dinámico si
la salida depende del valor de la entrada en ese tiempo y de la historia de la entrada,
es decir de lo que pasó previamente al tiempo “t”. Por ejemplo el sistema del movi-
miento de un timón, al cual definiremos como salida del sistema, es estático en tanto
la posición de éste depende en cada momento de la posición del volante (entrada
del sistema). Toda posición del timón en un dado momento depende exclusivamente
de la posición del volante en ese mismo instante. En cambio, un ejemplo de sistema
dinámico es un horno que se mantiene a una temperatura dada mediante un sistema
de calentamiento eléctrico. En este sistema definiremos a la temperatura del horno
Cap1 Fig2
1.1. INTRODUCCIÓN 3
como la salida y la tensión al calefactor como la entrada del sistema. Si en un dado

momento se corta la tensión, es decir el calentamiento, la temperatura del horno
no cae inmediatamente sino que lo hace exponencialmente hasta llegar a igualar a
la temperatura ambiente después de un largo perı́odo. Esto es posible debido a que
contrariamente a un sistema estático, un sistema dinámico posee acumulación (el
horno acumula calor).
Lineal / No Lineal: Decimos que un sistema es lineal si cumple con el principio de
superposición. Este dice que dado el sistema cuya salida y(t) esta descripta por una
función de la entrada u(t) de la forma y(t) = f (u(t)) entonces si y1 (t) = f (u1 (t)),
e y2 (t) = f (u2 (t)) entonces Ay1 (t) + By2 (t) = f (Au1 (t) + Bu2 (t)), con A y B
constantes. Por ejemplo el sistema y = 2 × u es lineal, pero y = u2 o y = u + 1 son
no lineales.
Escalar / Multivariable: Decimos que un sistema es escalar si posee una entrada
y una salida. Decimos que es multivariable si el sistema está definido para varias
entradas y varias salidas.
Parámetros Concentrados / Parámetros Distribuidos: Los sistemas de
parámetros concentrados son aquellos en los que no es necesario considerar la distri-
bución espacial de sus parámetros (por ejemplo la masa en un sistema mecánico, la
resistencia eléctrica en un circuito) sino que se puede considerar concentrados. En
cambio los sistemas de parámetros distribuidos son aquellos en los que es necesario
considerar la distribución espacial de sus parámetros, como por ejemplo un proceso
difusivo.
Variante en el tiempo / Invariante en el tiempo: Decimos que el sistema
es variante en el tiempo si sus parámetros varı́an con el tiempo. Por ejemplo, un
circuito eléctrico en el cual las propiedades de los resistores y capacitores cambian
debido al efecto de la temperatura. Si los parámetros son constantes en el tiempo
decimos que el sistema es invariante en el tiempo.
Estable / Inestable: Un sistema es estable si apartando las variables de su punto
de equilibrio, estas vuelven naturalmente a éste, y es inestable si divergen de él sin
retorno. En el lı́mite el sistema es oscilatorio.
Ası́ como hemos clasificado a los sistemas también podemos clasificar las variables
temporales de entrada al mismo, también llamadas variables del sistema. Estas variables
temporales se clasifican en:
Determinı́sticas / Estocásticas: Decimos que una variable es determinı́stica si
ésta es predecible, es decir que tiene una forma que puede ser descripta por alguna
función, por ejemplo una sinusoide o una exponencial. Decimos que es estocástica
o aleatoria si no puede ser predicha y sólo podemos hablar de una probabilidad de
ocurrencia. Por ejemplo las variaciones de temperatura ambiente o las variaciones
de nivel debidas a un burbujeo.
Continuas en el tiempo/ Discretas en el tiempo: Decimos que una variable
es continua en el tiempo si está definida para todo tiempo “t”, por ejemplo la varia-
ción de nivel en un tanque o la variación de temperatura en un horno. Decimos que
es discreta si sólo está definida para tiempos discretos, por ejemplo, la temperatura
promedio de cada dia.
Los sistemas pueden ser naturales o tecnológicos y el conocimiento sobre su comporta-

miento es fundamental cuando se deben tomar decisiones, tanto para el perfeccionamiento
de una máquina como para el control de alguna función deseada de ese sistema. Para ello
es necesario construir un modelo matemático representativo. Este paso llamado modelado
matemático es fundamental en el diseño y análisis de los problemas de ingenierı́a debido
a que muchas decisiones se basan en los resultados obtenidos trabajando sobre el modelo
matemático del sistema. Sirve principalmente para predecir el comportamiento de un pro-
ceso o una señal. Esto luego se utiliza muy convenientemente en el control de ese sistema,
como se verá en los próximos capı́tulos, aunque también para predicción, entrenamiento
y estudios especı́ficos.
La idea de poder construir un modelo que represente al sistema que se desea estudiar,
motivó el desarrollo de la teorı́a de sistemas. A medida que aumentaba el conocimiento
de las leyes fı́sicas que rigen la naturaleza, pudo ser posible la representación matemáti-
ca de los sistemas o modelos del mismo. Un modelo básicamente sirve para predecir el
comportamiento de las variables tanto como evolución libre o forzada por aguna entrada
externa. El primer paso en el proceso de modelado, es poder separar al subsistema que
nos interesa del medio exterior definiendo un borde o lı́mite. El sistema se conecta con el
medio exterior a través de las variables de entrada y salida. En lo que sigue analizaremos
el modelado y análisis de sistemas dinámicos, invariantes en el tiempo, sujetos a entradas
de tipo determinı́sticas. El interés se centrará en las variables internas, propias del sistema
en estudio, las cuales son las variables que interpretan la energı́a acumulada.
1.2. Modelado de Sistemas Dinámicos

En este capı́tulo analizaremos los sistemas dinámicos, daremos varios ejemplos y defi-
niremos una forma canónica o normalizada de expresar matemáticamente estos sistemas
llamadas ecuaciones de estado. Con el fin de analizar el comportamiento de un proceso
quı́mico necesitamos una representación matemática de los fenómenos fı́sicos y quı́micos
que tienen lugar en él. Tal representación matemática constituye el modelo del sistema
mientras que las actividades que conducen a la construcción del modelo se denominan
modelado. Ver Figura 1.2. El modelado de un proceso quı́mico requiere el uso de todos
los principios básicos de la ciencia de la ingenierı́a quı́mica, tales como la termodinámica,
la cinética, los fenómenos de trasporte, etc. Para el diseño de controladores de los pro-
cesos quı́micos, el modelado es una etapa muy crı́tica que debe abordarse con cuidado y
consideración.
Los modelos pueden ser de tipo teórico o de tipo empı́rico:
Modelos Teóricos:
Las principales caracterı́sticas de estos modelos se dan a continuación:
Están constituidos por un conjunto de ecuaciones diferenciales ordinarias o a de-
rivadas parciales, con el tiempo como variable independiente, que relacionan las
variables del sistema en cada instante.
Las ecuaciones que los componen se basan en principios fisicoquı́micos involucrados
en el proceso (conservación de energı́a, leyes cinéticas, ecuaciones termodinámicas,
etc.).
Cap1 Fig1
1.2. MODELADO DE SISTEMAS DINÁMICOS 5
Figura 1.2: Modelo como representación del proceso
Cap1 Fig2
El grado de complejidad del modelo debe estar en relación al uso que se pretenda
del mismo. En ciertos casos es conveniente emplear un modelo reducido el cual se
obtiene eliminando los términos que menos influyen en su respuesta. Trabajar con
un modelo reducido permite disminuir el costo computacional a costa de la precisión.
En este libro vamos a tratar fundamentalmente este tipo de modelos.
Resolviendo el modelo matemático podemos obtener la evolución en el tiempo de las

distintas variables de salida ante cambios en las de entrada. En algunos es posible
obtener una solución analı́tica de la evolución temporal de las variables.
Modelos Empı́ricos:
Estos modelos presentan las siguientes caracterı́sticas:
En los modelos entrada/salida o tipo caja negra no se conocen los estados sino la
relación dinámica que existe entre la entrada y la salida.
Estos modelos no son por tanto fı́sicamente o dimensionalmente consistentes ni

universales, ya que en rigor sólo son válidas para el contexto espacio-temporal en el
que se obtuvieron.
Se caracterizan por un alto poder predictivo pero una escasa capacidad explicativa,
es decir, reproducen el funcionamiento del sistema razonablemente bien pero no
permiten saber por qué el sistema funciona ası́.
Entre los modelos empı́ricos se pueden citar, por ejemplo, las redes neuronales (Flórez
López, Fernández Fernández, 2008), interpolación Kriging, co-kriging (Stein, 2012), etc.
1.2.1. Ecuación de conservación

La forma en que se plantean las ecuaciones diferenciales de un sistema, para obtener
un modelo del mismo, es por medio de la ecuación de conservación la cual se introduce a
continuación:
Energı́a total que entra − Energı́a total que sale = Energı́a acumulada
(1.1)
Pe dt − Ps dt = dE
Notar que cada diferencial de energı́a es el producto entre una potencia y un diferen-
cial de tiempo. Entendiéndose como la potencia instantanea aplicada multiplicada por
el diferencial de tiempo en el que se aplica esa potencia. Es importante destacar que la
cantidad de ecuaciones que forman el sistema son iguales a la cantidad de acumulaciones
que ocurren en el mismo. A continuación se verán diferentes ejemplos para ilustrar la
implementación de la Ecuación de conservación y de esta manera obtener el modelo del
sistema.
1.3. Ejemplos de Sistemas Dinámicos
Ejemplo 1.1: Tanque de mezclado

Consideremos el sistema de tanque en el cual se mezcla y calienta una corriente de
reactivo Ca antes de ser alimentado a un reactor, ver Figura 1.3. La corriente de entrada
posee una concentración Ca0 ,una temperatura Ta0 y un caudal volumétrico Q.
Q, Ca0
Q, Ca
Al reactor
Figura 1.3: Tanque de mezclado.
Se pretende predecir la concentración Ca en la corriente de salida como función del

tiempo cuando la concentración y la temperatura de la alimentación (Ca0 y Ta0 , respec-
tivamente) son constantes. Como se puede ver, el tanque es un elemento almacenador
del componente A. Un balance de masa que nos conduzca a interpretar el sistema es el
siguiente:
Cap1Fig3 d(V Ca (t))

= QCa0 − QCa (t) (1.2)
dt
Un diagrama de bloques de esta ecuación puede verse en la Figura 1.4.
Como se considera que la corriente de entrada y salida poseen el mismo caudal vo-
lumétrico entonces resulta que el volumen permanecerá constante, luego reordenando la
ecuación 1.2 se tiene:
Ca0 + Ca
Q/V ʃ
-1
1.3. EJEMPLOS DE SISTEMAS DINÁMICOS 7
Ca0 + Ca
Q/V ʃ
-1
Figura 1.4: Diagrama en bloques del sistema de tanque de mezclado.
Cap1Fig4 dCa (t)

= τ −1 dt (1.3)
Ca0 − Ca (t)
donde τ es el tiempo de residencia hidráulico del tanque, igual a V /Q. Si se integra 1.3
entre t = 0 y t se tiene la siguiente expresión:
1
−ln(Ca0 − Ca (t)) = t+C (1.4)
τ
C es la constante de integración. Si se considera que para t = 0 Ca = 5g/L y Q = 30L/min
y Ca0 = 10gr/L para t ≥ 0 entonces se tiene la siguiente ecuación:
1
Ca (t) = 10 − 5e− τ t (1.5)
La solución de la ecuación 1.3 para una entrada arbitraria de Ca0 , nos da la variación de
la concentración de salida Ca en el tiempo. Por ejemplo si suponemos que Ca0 es constante
hasta un tiempo t1 y luego aumenta abruptamente a otro valor, la concentración variará
de la forma que se muestra en la Figura 1.5.
Aquı́ podemos ver que el sistema responde dinámicamente con un transitorio, que
luego desaparece, alcanzando un nuevo estado estacionario. También se puede apreciar
que Ca (t) es una variable temporal del sistema, en tanto que Q y V son constantes del
sistema. Si hemos medido bien estas constantes, la respuesta del sistema real, coincidirá
exactamente con la simulación del modelo del sistema.
Ejemplo 1.2: Crecimiento de una población

Un ejemplo extremo de un sistema dinámico es aquél que parece carecer de entradas,
el ası́ denominado sistema autónomo. Tal sistema responde a una entrada que estuvo
presente en algún momento pasado y que ahora no se encuentra presente. Por ejemplo,
considérese una población aislada de alguna especie. Tomando a N como el número total
de individuos que es la salida del sistema, y b y m como las razones de nacimientos y
defunciones por unidad de población por unidad de tiempo respectivamente, tenemos:
bN dt = número de individuos que nacen en un intervalo dt

mN dt = números de individuos que mueren en un intervalo dt
10
8
Ca gr/L
5
0 5 10 15 20 25 30 35 40 45 50
t min
Cap1Fig5
Figura 1.5: Respuesta al escalón del sistema de tanque de mezclado
Donde t es el tiempo que transcurre (variable independiente). La ecuación de balance

de la población es la siguiente:
dN
= (b − m)N (1.6)
dt
Ya que bN y mN son las razones de suministro y pérdida de la población, respecti-
vamente, esperamos que la población disminuya con el tiempo si mN es mayor que bN ;
N aumenta cuando mN es menor que bN ; y N permanece constante cuando mN = bN
(estado de equilibrio). Un análisis simple se aplica si los parámetros b y m son constantes.
Tomando r = b − m = constante, reescribimos la ecuación anterior como:
dN
= rN (1.7)
dt
Si el valor inicial N0 de la población N (t) en un momento especı́fico t = t0 se conoce,
entonces la solución de la ecuación diferencial de primer orden anterior es:
Z Z
1 dN
dN = rdt ⇒ = rdt ⇒ ln N = rt + C0 ⇒ N = N0 ert (1.8)
N N
Si graficamos N (t) en función del tiempo según la ecuación 1.7 vemos que la población
crece exponencialmente (explosión demográfica maltusiana) cuando m es menor que b (es
decir r positiva), que permanece constante si b = m y que cae a cero si b < m. Esto se
muestra en la Figura 1.6, A y B.
En un ecosistema real, aún si una especie se aisla completamente de las otras, los
parámetros b y m del sistema varı́an con el tiempo. Si b y m dependen de N como se
muestra en la Figura 1.6-C, entonces hay dos estados de equilibrio, que son: P1 y P2 .
En este caso son posibles cuatro tipos diferentes de respuestas. Si la población inicial
es igual a N1 o a N2 , la cantidad total de individuos permanece constante con el tiem-
po puesto que las razones de nacimientos y defunciones están exactamente balanceadas
en estos dos puntos (los puntos de equilibrio). Si la población inicial es mayor que N2 ,
podemos observar en la Figura 1.6-C que la razón de defunciones excede a la razón de
9
8
1.3. EJEMPLOS DE SISTEMAS DINÁMICOS 9
Ca gr/L
7
5
0 5 10 15 20 25 30 35 40 45 50
t min
Cap1Fig5
50 80
45
70
40
60
35 B
50
30
r>0
B,M
25 40
N
20 M 30
15
20
10
5
10 r=0
r<0
0 0
0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
N t
A B
2 12
1.8
10
1.6 M
1.4
I
N2 8
1.2
P II
2
B,M
1 6
N
0.8 B
N1 4
0.6
0.4
P 2
1
0.2
III
0 0
0 5 10 N1 15 N2 20 25 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
N t
C D
Figura 1.6: B: nacimientos /unidad de tiempo, M: defunciones /unidad de tiempo. Figura

A: nacimientos y defunciones en funcion de la población. B: respuesta temporal en función
de los valores de b y m ;r = b−m. C: nacimientos y defunciones en función de la población.
D: patrones de respuesta temporal para distintas condiciones iniciales
nacimientos hasta que la población se reduce a N2 , quizá debido a la falta de alimento

producida por la mayor población. Esta es la respuesta rotulada I. Si la población inicial
está entre N1 y N2 , la razón de nacimientos excede a la razón de defunciones hasta que la
población aumente a N2 (curva II). Finalmente, si la población inicial está por debajo de
N1 la especie (o esta población local de esa especie) está destinada a la extinción como
se indica en la curva de respuesta III, puesto que la razón de las defunciones es mayor
que la razón de los nacimientos, en las cercanı́as del punto de población cero. En estas
poblaciones muy bajas, la extinción puede causarse por insuficiente protección de la ju-
ventud, por dificultad de encontrar compañeros o por otras consecuencias debidas a una
población muy esparcida.
Los puntos de equilibrio se clasifican generalmente de acuerdo a sus propiedades de
estabilidad. En términos sencillos, un punto de equilibrio se considera estable si para los
valores de las variables cercanos al punto de equilibrio la respuesta tiende hacia ese punto.
En la Figura 1.6-C, P2 es un punto de equilibrio estable. Para valores de N muy próximos
a N2 la respuesta regresa a N2 como se muestra en I y II en la Figura 1.6-D. El punto
P1 es un ejemplo de equilibrio inestable. Para valores de N próximos a N1 las respuestas
tienden a retirarse del punto de equilibrio, como se muestra en II y III. Sin tener en
cuenta si el equilibrio es estable o inestable, se define como un punto de equilibrio puesto
que en cualquier momento en que las variables del sistema sean exactamente iguales a un
valor de equilibrio permanecen en ese valor. Ası́ la respuesta permanece invariable con
el tiempo en cualquier momento si N = N1 ; N = N2 ; N = 0 (que también es un valor
de equilibrio para ese sistema). El sistema anterior (Figura 1.6-A), únicamente tiene un
punto de equilibrio, en N = 0 y ése es un equilibrio inestable puesto que cualquier valor
positivo de No hace que la población aumente, es decir se aleje del punto de equilibrio.
En estos dos ejemplos, hemos modelizado a los sistemas con ecuaciones diferenciales
de primer orden, decimos entonces que estos son sistemas de primer orden. Se aprecia que
en estos sistemas se necesita una variable para representar dicha acumulación, la cual se
denomina variable de estado.
1.4. Variables de Estado y Ecuación de Estado

Por cada balance es posible escribir una ecuación diferencial que tiene en cuenta una
acumulación. Cada acumulación está evidenciada por la derivada de una variable xi . A
esta variable la llamamos variable de estado, al vector x lo llamamos vector de estados y
contiene las variables necesarias y suficientes para describir dinámicamente al sistema. El
número de variables de estado determina el orden del sistema. El conjunto de ecuaciones
diferenciales, función del vector de estados y de entradas u(t), la podemos escribir en una
forma normalizada, la cual se denominada ecuación de estado, y tiene la siguiente forma:
ẋ = F (x(t), u(t), t) (1.9)

donde
     
x1 u1 f1 (x(t), u(t), t)
x =  ...  ; u =  ..  ; F =  ..
   
.   . 
xn ur fn (x(t), u(t), t)
Las salidas del sistema requieren definir un conjunto de ecuaciones algebraicas que son
una combinación de los estados y de las entradas, y que pueden ser escritas en una forma
1.4. VARIABLES DE ESTADO Y ECUACIÓN DE ESTADO 11
normalizada que se denomina ecuación de salida:
y = H(x(t), u(t), t) (1.10)

donde
   
y1 h1 (x(t), u(t), t)
y =  ...  ; H =  ..
   
. 
ym hn (x(t), u(t), t)
La forma general para expresar un sistema dinámico, no lineal, y variante en el tiempo
está dada por las ecuaciones 1.9 y 1.10.
Si el sistema es lineal, las ecuaciones pueden expresarse de la siguiente forma:
ẋ = Ax(t) + Bu(t)
(1.11)
y(t) = Cx(t) + Du(t)
Las matrices A, B, C y D son matrices de elementos constantes llamados parámetros
del sistema. El orden del sistema esta dado por el número de variables de estado presentes
en él. Dentro de un mismo sistema es posible definir diferentes variables de estado pero
su número total siempre es el mismo, ya que el número de acumulaciones en un sistema
dado es siempre el mismo. Una combinación lineal de variables de estado no es un nuevo
estado ya que no representa una nueva acumulación.
A continuación veremos dos ejemplos en los cuales el sistema tiene dos acumulaciones,
es decir es de segundo orden y, por lo tanto, necesita dos variables de estado para su
representación. Veamos en primer lugar el modelado de un intercambiador de calor:
Ejemplo 1.3: Intercambiador de calor

Considerando mezclado perfecto, podemos agrupar en C1 y C2 las capacidades ca-
lorı́ficas [Kcal/ ◦ C] del interior y de la camisa del intercambiador, respectivamente. La
resistencia de la superficie de intercambio de calor es R = [◦C seg/Kcal]. Ignoremos las
pérdidas y llamemos w1 y w2 al producto de caudal másico por calor especı́fico con tempe-
ratura u1 y u2 para cada entrada, respectivamente. Llamemos x1 y x2 a las temperaturas
del interior y de la camisa respectivamente, ver Figura 1.7.
c2, x2
u1, w1 c1, x1
R
u2, wdel
Figura 1.7: Esquema 2
intercambiador de calor
Luego las ecuaciones del balance de calor correspondiente están dadas por :
C1 (dx1 /dt) = (1/R)(x2 − x1 ) + w1 (u1 − x1 )

(1.12)
C2 (dx2 /dt) = (1/R)(x1 − x2 ) + w2 (u2 − x2 )
c2, x2
u1, w1 c1, x1
Es decir:
f1 (x(t), u(t), t) = (1/C1 R)x2 − (1/C1 R)x1 + (1/C1 )w1 u1 − (1/C1 )w1 x1
f2 (x(t), u(t), t) = (1/C2 R)x1 − (1/C2 R)x2 + (1/C2 )w2 u2 − (1/C2 )w2 x2
En el ejemplo, notemos que las ecuaciones 1.12 son no lineales dado que se multiplican
variables entre sı́: caudales (w1 , w2 ) por temperaturas de entrada (u1 , u2 ) y variables de
estado (x1 , x2 ).
Si se considera que los caudales w1 , w2 son constantes, entonces las ecuaciones 1.12
pueden ser escritas empleando matrices con coeficientes constantes de la forma:
ẋ(t) = Ax(t) + Bu(t)

En la ecuación anterior el vector de estados y el de entradas son los que se muestran
a continuación:

x1 u1
x= ;u =
x2 u2
Al considerar que w1 y w2 son constantes, se obtienen las siguientes matrices de la
ecuación de estados:

−1/(RC1 ) − w1 /C1 1/(RC1 ) w1 /C1 0
A= ;B =
1/(RC2 ) −1/(RC2 ) − w2 /C2 0 w2 /C2
Si elegimos a x1 como salida del sistema, entonces:
y = [1 0] x
Veamos otro ejemplo:
Ejemplo 1.4: Sistema de tanques agitados continuos

en serie
Una solución con caudal volumétrico constante q con una concentración C0 (mo-
les/volumen) está pasando a través de dos tanques de mezclado con volúmenes V1 y
V2 , lo cual se aprecia en la Figura 1.8.
Llamemos x1 y x2 a las concentraciones en cada tanque respectivamente. Si suponemos
mezclado perfecto y ausencia de difusión, un balance molar en cada tanque conduce a las
siguientes ecuaciones de conservación en cada tanque:
dx1 q
dt
= V1 (C0 −x1 )
dx2 q (1.13)
dt
= V2 (x1 −x2 )
Se observa en la ecuación 1.13 que si q no es constante, el sistema es no-lineal. Si se

considera que el caudal que ingresa al sistema es constante se puede representar al sistema
empleando la ecuación 1.11 en la cual las matrices son las siguientes:

−q/V1 0 q/V1
A= ;B =
q/V2 −q/V2 0
1.4. VARIABLES DE ESTADO Y ECUACIÓN DE ESTADO
Cap1 fig7
13
C0, q
x1, V1
q
x2, V2 q
Cap1 Fig8
Figura 1.8: Esquema del sistema de tanques continuos.
El vector de estados y el de entradas son los siguientes:

x1
x= ; u = C0
x2
Si elegimos a x2 como salida del sistema, entonces:
y = [0 1] x
Tanto en el Ejemplo 3 como el 4, hemos modelado al sistema con dos ecuaciones
diferenciales, cada una representando un balance. Decimos entonces que estos sistemas
son de segundo orden. Dentro de un mismo sistema es posible definir diferentes variables
de estado pero su número total siempre es el mismo, ya que el número de acumulaciones
en un sistema dado es siempre el mismo. Una combinación lineal de variables de estado
no es un nuevo estado ya que no representa una nueva acumulación. Se verá un ejemplo
para evidenciar este hecho.
Ejemplo 1.5: Modelo de una epidemia

Supongamos tener una población de N habitantes afectada de una enfermedad conta-
giosa. En este caso, el crecimiento en el número de enfermos es proporcional al número de
contactos entre la gente susceptible a la enfermedad y los enfermos. Para el modelado de
la evolución de la epidemia, considérese a la población dividida en tres partes (ver Figura
1.9):
x1 = número de personas susceptibles a contraer la enfermedad

x2 = número de enfermos no aislados y por lo tanto en posible contacto con
los sanos.
x3 = número de personas que se recuperaron de la enfermedad y por lo tanto
son las inmunes, más las personas aisladas en el hospital, más las personas que
murieron.
X2
X1
X3
Figura 1.9: Diagrama esquemático de la evolución de una epidemia
Aquı́ podemos formular las siguientes ecuaciones:
x˙2 = K1 x1 x2 − K2 x2 (1.14)
x2 es la acumulación que resulta de la diferencia entre lo que entra (personas sanas que
enferman en una cantidad proporcional a los contactos) y lo que sale (enfermos que quedan
aislados), que suponemos es una proporción
X2 dada por la constante K2 de la gente enferma
x2 . Por otro lado la gente que queda aislada es la simple acumulación de lo que entra
desde x2 :
X1
X3x˙3 = K2 x2 (1.15)
por lo tanto el conjunto de ecuaciones que definen al modelo será:
x1 + x2 + x3 = N
x˙2 = K1 x1 x2 − K2 x2 (1.16)
x˙3 = K2 x2
(K1 x1 − K2 ) = r en el caso del problema de crecimiento de la población. Nótese que el
número deFig9
Cap1 variables de estado son dos x1 y x2 ; en tanto que x3 es una combinación lineal
de las anteriores, no es una variable de estado. La evolución de la epidemia puede ser
descripta con un sistema de segundo orden. Se podrı́an haber elegido como variables de
estado x1 ; x3 o también x2 ; x3 , pero siempre las variables son dos. Esto es debido a que el
sistema es cerrado, es decir N = constante, y en consecuencia no puede haber (según está
planteado el problema) tres acumulaciones, pues el número N ya no serı́a constante. Otro
aspecto importante para destacar, es que en este ejemplo no podemos formar una matriz
A de elementos constantes. Esto es debido a que el sistema es no lineal en la acumulación
debida a x2 la cual posee un término que contiene un producto de variables de estado.
Un diagrama en bloques de este conjunto de ecuaciones se muestra en la Figura 1.10.
Notemos que sólo x2 y x3 son variables de estado, en tanto que x1 queda expresada por una
suma y resta de x2 , x3 y la constante N . Es interesante observar aquı́ que si |K1 x1 (0)| <
K2 , donde x1 (0) es el número de personas susceptibles al comenzar la infección, esto es
x1 (0) ∼
= N (casi todos), entonces no hay crecimiento en la epidemia, esto significa que si
la proporción de gente que se aisla es mayor que la de enfermos que se genera, entonces
la epidemia no evolucionará (por ejemplo, servicio de sanidad social eficiente y de gran
capacidad, medicina preventiva, etc.).
La Figura 1.11 A muestra la evolución dinámica de una población con un total de
700 habitantes, 70 están aislados y queda sólo uno enfermo y 629 sanos. La suma de las
2
X20
1.4. VARIABLES DE ESTADO Y ECUACIÓN DE ESTADO 15
Cap1Fig10
Figura 1.10: Diagrama en bloques de la evolución de una epidemia
tres curvas en todo momento es igual a 700. Sin embargo debemos notar que el número
de muertos es proporcional a x3 . En la Figura 1.11 B se observa que aumentando K2 , se
logra obtener una mejora, y en la Figura 1.11 C aumentando aún más K2 se logra reducir
considerablemente el número de afectados.
Se verá a continuación un sistema de orden mayor que dos.
Ejemplo 1.6: Concentración en n tanques en cascada
Retomemos el problema de concentración presentado en el ejemplo 4, sólo que ahora

en vez de tener dos tanques en cascada tenemos n tanques, en los cuales la concentración
en cada tanque está dada por x1 , x2 , ..., xn y V1 , V2 , ..., Vn los volúmenes de los tanques.
En tal caso, la matriz A y B de la ecuación de estados esta dada por:
 
−q/V1 0 0 ··· 0 0  
q/V1
 q/V2 −q/V2 0 ··· 0 0 
   0 
A=
 0 q/V3 −q/V3 ··· 0 0 ;B = 
 
..


 .. .. .. .. .. ..   . 
 . . . . . . 
0
0 0 0 · · · q/Vn −q/Vn
El vector de estados es de dimensión ”n”:

 
x1
x =  ... 
 
xn
Si el caudal q se mantiene constante entonces éste es un sistema lineal de orden n.

De lo contrario es un sistema no lineal dado el producto entre variables de estado y la
entrada q.
700
X
1 X
600
3
500
400
X
300
200
X
100 2
0
0 10 20 30 40 50 60 70 80 90 100
t
A
700
X X
1
600 3
500
400
X
300
200
100 X
2
0
0 10 20 30 40 50 60 70 80 90 100
t
B
700
X
1
600
500
400
X
300
X
200
3
100
X
2
0
0 10 20 30 40 50 60 70 80 90 100
t
Figura 1.11: Evolución temporal de una epidemia con A: K1 = 0,001, K2 = 0,08, B:

K1 = Cap1Fig11
0,001, K2 = 0,3 y C: K1 = 0,001, K2 = 0,5
1.5. LINEALIZACIÓN 17
1.5. Linealización
En este libro nos dedicamos a los sistemas lineales, por tanto, en aquellos casos de sis-
temas no lineales o con no linealidades suaves, vamos a ver un método de Linealización.
Este método consiste en lograr un sistema lineal que se comporte igual al no lineal para
pequeñas variaciones de las variables alrededor de un punto de funcionamiento. Fuera de
ese entorno de validez, la linealización falla en representar al verdadero sistema produ-
ciendo resultados erróneos. La suposición básica es que la respuesta de la aproximación
lineal representa la respuesta del proceso en la región cercana al punto de operación, al-
rededor del cual se realiza la linealización. En esta sección veremos cómo un sistema no
lineal puede llevarse a una forma lineal. Veremos en primer término un caso sencillo de
linealización estática.
Ejemplo 1.7: Linealización de un elemento estático
10
s 1/2
9
s=f(e)
8
∆s
7
6
∆e
1 5
X
3
e0=1
2
0
0 10 20 30 40 50 60 70 80 90 e 100
e0=1 t
Cap1Fig12
Figura 1.12: Sistema no lineal y su linealización
Sea
√ un sistema de una entrada y una salida dada por una función no lineal de la forma
s = e que se muestra en la Figura 1.12. Obviamente éste es un sistema no lineal ya que
no cumple con el principio de superposición. Para linealizar a este sistema alrededor de
un punto de funcionamiento estacionario e0 , es decir derivadas temporales igual a cero,
aplicamos el desarrollo de la serie de Taylor alrededor de este punto:
df (e)
s = f (e) = f (e0 ) + |e (e − e0 ) + · · · términos de orden superior (1.17)
de 0
Eliminando los términos de orden superior, nos quedamos con la parte lineal. Como
se ve en la figura, esta parte lineal se corresponde con la recta tangente al punto de
linealización. Se puede observar entonces que la aproximación lineal sólo es válida para
pequeñas variaciones alrededor del punto. Para variaciones grandes, el sistema linealizado
se aparta demasiado del sistema real. Para que efectivamente el sistema quede lineal,
debemos poner el origen de coordenadas en el punto de linealización. Para ello podemos
expresar a la función válida para incrementos alrededor del punto e0 de la siguiente forma:
df (e)
f (e) − f (e0 ) = ∆f (∆e) ∼
= |e ∆e (1.18)
de 0
√
En el ejemplo queda f (∆e) = ∆e/(2 e0 ), linealizando alrededor de e0 = 1 ⇒ f (∆e) =
∆e/2. Los términos ∆f y ∆e se denominan variables de desviación. La variable de des-
viación se define como la diferencia entre el valor de la variable o señal y su valor en el
punto de operación.
En el caso ahora de sistemas dinámicos no lineales de orden ”n”, podemos utilizar el
mismo principio, con la diferencia que aplicamos el desarrollo de Taylor de una función
de varias variables en un punto de equilibrio (x0 , u0 ) del sistema. Los puntos de equilibrio
de un sistema dinámico son todos aquellos en que se cumple que ẋ = 0. Para ver la
linealización en el caso de sistemas dinámicos, veamos un sencillo ejemplo de un sistema
de primer orden ẋ = f (x, u). El desarrollo de la serie de Taylor de la función derivada
entorno al punto (x0 , u0 ) queda:
∂f (x,u) ∂f (x,u)
ẋ = f (x0 , u0 ) + ∂x
|x0 ,u0 (x − x0 ) + ∂u
|x0 ,u0 (u − u0 )+
(1.19)
+términos de orden superior
˙ tenemos que la
Como en los puntos de equilibrio f (x0 , u0 ) = 0, y como ẋ = ∆x,
ecuación anterior queda:
˙ = ∂f (x, u) |x0 ,u0 ∆x + ∂f (x, u) |x0 ,u0 ∆u

∆x (1.20)
∂x ∂u
En forma normalizada, la linealización de las ecuaciones 1.9 y 1.10 quedan de la forma:
˙
∆x(t) = A∆x(t) + B∆u(t)
(1.21)
∆y(t) = C∆x(t) + D∆u(t)
donde los elementos de las matrices de constantes A; B; C; D se obtienen calculando las
siguientes derivadas parciales evaluadas en el punto x0 ; u0
 
∂f1 (x, u)/∂x1 · · · ∂f1 (x, u)/∂xn
A=
 .. .. .. 
(1.22)
. . . 
∂fn (x, u)/∂x1 · · · ∂fn (x, u)/∂xn
 
∂f1 (x, u)/∂u1 · · · ∂f1 (x, u)/∂ur
B=
 .. .. .. 
(1.23)
. . . 
∂fn (x, u)/∂u1 · · · ∂fn (x, u)/∂ur
 
∂h1 (x, u)/∂x1 · · · ∂h1 (x, u)/∂xn
C=
 .. .. .. 
(1.24)
. . . 
∂hm (x, u)/∂x1 · · · ∂hm (x, u)/∂xn
1.6. DIAGRAMAS DE BLOQUES 19
 
∂h1 (x, u)/∂u1 · · · ∂h1 (x, u)/∂ur
D=
 .. .. .. 
(1.25)
. . . 
∂hm (x, u)/∂u1 · · · ∂hmn (x, u)/∂ur
Como ejercicio para verificar el procedimiento, compruebe que en el Ejemplo 3, las
ecuaciones 1.12 dan efectivamente las matrices A y B que se muestran en ese ejemplo
cuando se consideran los caudales de entrada w1 y w2 como constantes.
1.6. Diagramas de bloques

Un diagrama de bloques de un sistema es una representación gráfica de las funciones
realizadas por cada componente y del flujo de las señales. Esta es una herramienta muy
útil en el control de proceso. En un diagrama de bloques todas las variables del sistema
se enlazan entre sı́ a través de bloques funcionales. En general, los diagramas de bloques
constan de cuatro elementos básicos: flechas, puntos de sumatoria, puntos de derivación
y bloques. En la Figura 1.13 se ilustran estos elementos, de cuya combinación se forman
todos los diagramas de bloques. Las flechas indican, en general, el flujo de información;
representan las variables del proceso o las señales de control; cada punta de flecha indica la
dirección del flujo de información. Los puntos de sumatoria representan la suma algebraica
de las flechas que entran E(t) = R(t) − C(t). El punto de bifurcación es la posición sobre
una flecha, en la cual la información sale y va de manera concurrente a otros puntos de
sumatoria o bloques. Los bloques representan la operación matemática, por ejemplo G,
que se realiza sobre la señal de entrada (flecha) para producir la señal de salida.
Sumador Bloque
+ +
R(t) + E(t) M(t)
G
-
C(t) M(t) Punto de
Flecha Bifurcación
+
Figura 1.13: Elementos del diagrama de bloques
Las flechas y los bloques de la Figura 1.13 representan la siguiente expresión matemáti-
ca: M (t) = G(E(t)) = G(R(t) − C(t)). A continuación se dan algunas reglas útiles válidas
para sistemas LTI (Lineales e invariantes en el tiempo).
1.6.1. Álgebra de los diagramas de bloques

Cualquier diagrama de bloques se puede tratar o manejar de manera algebraica; en la
Figura 1.14 se muestran algunas reglas del álgebra de los diagramas a bloques, las cuales
son importantes siempre que se requiere simplificar un diagrama de este tipo.
Cap1Fig13
1. Y=A-B-C
B C B
- - -
A + + Y B - + Y A + Y
- + -
C A C
2. Y = G1 (G2 (A))= G2 (G1 (A))
A Y A Y A Y
G1 G2 G2 G1 G1G2
3. Y = G1 ( A – B )= G1 (A) – G1 (B)
B
-
A + + Y A + Y
G1 G1
B -
G1
4. Y = (G1 + G2 ) (A) = G1 (A) + G2 (A)
A + Y A + Y
G1 G2/G1 G1
+
+
G2
5. Y = G1 (A) + G2 (B)
A + Y
G1
B +
G2
Figura 1.14: Reglas del álgebra de los diagramas de bloques de sistemas lineales e inva-
riantes en el tiempo.
Un ejemplo muy corriente en los sistemas de control es la realimentación de una señal

la cual se muestra en la Figura 1.15. Este tipo de esquema se puede resolver a partir del
Teorema de Mason el cual se explica a continuación:
Teorema de Mason La función de lazo cerrado es igual al camino directo sobre 1±

el camino del lazo.
Entendiendo por:
Función de lazo cerrado: es la función entre la entrada A y la salida B (B=F(A)).
1.7. CONCLUSIONES 21
A X B A B
G F
±
Y
H
Figura 1.15: Realimentación de una señal
Camino directo: es la función que encontramos en el camino directo entre la entrada

A y la salida B, (B=G(A)).
Camino del lazo: es la función que resulta de recorrer todo el lazo cerrado (Y=H(G(A)).
Si se observa la Figura 1.15 de la izquierda se tiene:
X=A±Y
G
Si Cap1BFig
=15G (X) =⇒ B= 1∓GH
= F (A)
Y = H (B)
1.7. Conclusiones
En esta sección hemos tratado a los sistemas dinámicos, comenzando con su clasifi-
cación. Hemos visto una serie de ejemplos de cómo obtener un modelo matemático de
un sistema real. Esta formulación matemática consiste en un conjunto de ecuaciones di-
ferenciales y un conjunto de ecuaciones algebraicas, que en forma general quedan de la
forma:
ẋ = F (x(t), u(t), t)
y = H(x(t), u(t), t)
A estas ecuaciones las llamamos ecuación de estado y ecuación de salida respectiva-

mente. También hemos visto que el vector x es el vector de estados y que y es el vector de
salida. Otro aspecto importante es que en caso que el sistema sea invariante en el tiempo
y lineal (o que el sistema es no lineal pero lo linealizamos alrededor de algún punto), la
ecuación de estado y de salida queda expresada en una forma matricial muy sencilla dada
por la ecuación 1.11 y que a continuación repetimos:
ẋ(t) = Ax(t) + Bu(t)

De ahora en más trataremos con casos lineales e invariantes en el tiempo, por lo que
esta última ecuación nos debe quedar muy presente.
Finalmente hemos estudiado los elementos y el álgebra de los diagramas de bloques,
como ası́ también el Teorema de Mason. Estas herramientas son de gran utilidad en los
esquemas de control y se utilizarán en las siguientes unidades.
±
Y
H
1.8. Problemas
1. Si una válvula tiene una caracterı́stica no lineal entre movimiento del vástago y
apertura, ¿Es un sistema estático o dinámico?
2. La variable x es el nivel, Q1 y Q2 son los caudales en la Figura 1.16-a que representa

un esquema general, en el cual las variables pueden aplicarse a procesos térmicos,
de población, etc. Los caudales están relacionados al nivel de un sistema de almace-
namiento simple (tanque) como se muestra por las rectas en la Figura 1.16-b de tal
forma que Xe es un estado de equilibrio. ¿Es este estado estable? Sea ∆X = X − Xe
una desviación pequeña del estado de equilibrio en el instante t=0. Esquematı́cese
unaCap1 Figde15respuesta de ∆X con respecto a t. ¿Es esta curva exponencial?
curva
Cap1 Fig16 Problema 2 Figura 1.16: Problema 2
3. Considérese un proceso de intercambio de calor. Menciónense las variables de es-

tado que son necesarias y suficientes para describir el estado del sistema. También
determine las entradas y salidas.
√
4. El caudal de salida desde un orificio en el fondo de un tanque es η x, donde x es
la altura del lı́quido (medida desde el fondo del tanque) y η se asume constante. El
área de la superficie libre C es constante, la altura inicial es x0 y no hay caudal de
entrada. Determine la respuesta transitoria x(t) y el tiempo t1 que transcurre hasta
que el tanque se vacı́a completamente.
5. Considérese un tanque agitado completamente lleno de agua y que tiene una entrada
Cap1 Fig16
y salida Problema
constante 5 de la Figura 1.17, donde la temperatura de entrada θ1
de agua
es una entrada. La temperatura de salida θ2 es igual a la temperatura del agua en
el tanque. Si la temperatura de entrada es alta y el contenido del tanque está frı́o
hay una diferencia en el flujo de calor transportado por el agua que entra y sale del
tanque. ¿A dónde va esta diferencia de energı́a? ¿Hay alguna analogı́a (cualitativa)
entre la temperatura del tanque y el nivel del lı́quido del tanque con escape ? (ayuda:
plantear los balances dinámicos).
6. Supóngase que θ1 y θ2 en la Figura 1.17 son concentraciones de algún componente

quı́mico disuelto en el agua medidas en moles por litro. De qué manera es este
sistema análogo al sistema térmico del problema anterior?
1.8. PROBLEMAS 23
Figura 1.17: Problema 5
7. Dos tanques con escape están colocados en cascada como se muestra en la Figura
1.18. Obtener las matrices A, B, C y D de la ecuación de estado y de salida.
8. Las temperaturas y las capacidades térmicas de dos cámaras separadas por una pa-
red conductora (ver Figura 1.19) son x1 , C1 , x2 y C2 , respectivamente. A la primera
cámara se le suministra calor a razón de u1 (t) (Kcal/min). La ley de enfriamiento
de Newton se aplica a los flujos de calor Q1 , Q2 y Q3 (Kcal/min). Estos se muestran
en la figura por flechas que indican la dirección del flujo positivo
x1 − x 2 x1 − u2 x2 − u 2
Q1 = ; Q2 = ; Q3 =
R1 R2 R3
donde u2 =temperatura ambiente y Ri =resistencia de la i-esima pared (◦C min/Kcal)
Obténganse las matrices A y B para la ecuación vectorial de estados. Discútase la
analogı́a con un sistema eléctrico, un sistema de concentración de algún compuesto
quı́mico y un sistema de población.
9. De acuerdo a la ecuación maltusiana dN (t)/dt = rN (t), una población N (t) “ex-
plota” cuando r es una constante positiva.
P.F. Verhulst modificó esta ecuación en 1938 tomando a r como una función lineal
de N (t)
N (t)
r = k1 (1 − )
N1
donde k1 y N1 son constantes positivas. Determı́nense los estados de equilibrio ¿Es
estable este sistema?
Capı́tulo 2
Respuesta Temporal
2.1. Introducción
Hasta ahora hemos planteado las ecuaciones diferenciales de distintos sistemas lineales,
y si bien hemos mostrado el comportamiento del modelo propuesto a través de su respuesta
temporal, no hemos dicho nada respecto de cómo se obtiene esa respuesta o solución del
sistema de ecuaciones diferenciales. Tanto la respuesta del sistema a excitaciones forzadas
desde la entrada, como la de tipo libre, (sin entrada y con condiciones iniciales no nulas),
puede obtenerse analı́ticamente. En este capı́tulo trataremos el problema de obtener la
solución de las ecuaciones diferenciales que describen un sistema dado.
Una división fundamental entre sistemas lineales y no lineales permite la utilización de
distintas técnicas para obtener la solución del sistema. Básicamente hay dos procedimien-
tos a seguir: la solución analı́tica y la simulación por computadora digital. La solución
analı́tica de ecuaciones diferenciales no lineales es en general compleja de obtener. Para
este caso la simulación por computadora digital es el camino más apropiado. En cambio,
si el sistema es lineal, existen soluciones analı́ticas relativamente sencillas como hemos
visto. Un camino alternativo para los sistemas no lineales es el de linealizar alrededor de
algún punto de trabajo y aplicar al sistema linealizado la solución de sistemas lineales.
Los sistemas lineales también pueden ser resueltos vı́a simulación (o solución numérica).
En la Figura 2.1 puede verse un esquema sobre las posibles vı́as de solución del problema.
En aquellos casos en que un sistema lineal está sujeto a perturbaciones de tipo aleatoria,
la solución analı́tica es imposible, por lo que se debe recurrir a una solución numérica por
computadora. Sin embargo debemos hacer notar que la solución analı́tica posee un valor
didáctico valioso, ya que permite desarrollar una base conceptual sobre el comportamiento
de los sistemas dinámicos lineales muy útil para la comprensión de la problemática del
control de procesos. En el transcurso de este capı́tulo veremos ejemplos sobre la respuesta
de un sistema dinámico cuando aplicamos a la entrada una señal tan sencilla como un
escalón. Esto que parece un caso didáctico, no es tal, ya que en la mayorı́a de los procesos
industriales, se utiliza este tipo de excitación en forma muy frecuente como lo son por
ejemplo los cambios de un punto de operación a otro, o perturbaciones como una variación
abrupta de ingreso o salida de producto.
En la sección 2 veremos la solución analı́tica por el método de la diagonalización,
también veremos otra forma de solución analı́tica utilizando la transformada de Laplace
en la sección 3. En la sección 4 veremos la definición de la función de transferencia. En la
sección 5 se explica cómo llevar una función de transferencia a la forma de la ecuación de
estados y en la sección 6 veremos las respuestas temporales de funciones de transferencia
25
26 CAPÍTULO 2. RESPUESTA TEMPORAL
tı́picas. Finalmente en la sección 7 se presentan las conclusiones.
SISTEMAS Linealización SISTEMAS
LINEALES NO LINEALES
SOLUCIÓN SOLUCIÓN NUMÉRICA
ANALÍTICA O POR ORDENADOR
Figura 2.1: Esquema de solución de un sistema dinámico
SISTEMAS Linealización SISTEMAS

Cap2 Fig1
2.2. SoluciónLINEALES NO LINEALES
analı́tica de sistemas lineales
Veremos en esta sección la solución analı́tica de un sistema de ecuaciones diferenciales
lineales que representan dinámicamente a un sistema.
SOLUCIÓN
Para tratar el problema SOLUCIÓNlineales,
de la solución de sistemas NUMÉRICAreescribimos la ecuación
de estado de un sistema dinámico lineal, cuya representación en diagramas de bloques se
ANALÍTICA O POR ORDENADOR
puede ver en la Figura 2.2.
ẋ(t) = Ax(t) + Bu(t)

y = Cx(t) + Du(t)
Cap2 Fig1
𝐱̇ (t) x(t)
B + ∫ C +
u(t) y(t)
Figura 2.2: Diagrama de bloques de la ecuación de estados

Cap2 Fig2
La solución general consiste en obtener x(t) cuando el sistema posee una entrada
forzante u(t) y también un estado inicial del vector de estado x0 . La solución de la
ecuación de estados puede obtenerse fácilmente si definimos la exponencial de una matriz
como una suma infinita equivalente a la expansión en serie de la exponencial de un escalar,
es decir:
2.2. SOLUCIÓN ANALÍTICA DE SISTEMAS LINEALES 27
1 22 1
eAt = I + At + A t + · · · + An tn + · · · (2.1)
2! n!
Nótese que la exponencial de una matriz sólo tiene realización si la matriz es cuadrada,
dando como resultado otra matriz cuadrada. En base a la definición anterior, y utilizando
la propiedad (deAt /dt) = AeAt = eAt A podemos establecer la siguiente igualdad:
d(e−At x) dx
= e−At ( − Ax) = e−At Bu (2.2)
dt dt
integrando en ambos lados respecto del tiempo se tiene que:
Z t
−At
e x(t) = x0 + e−Aτ Bu(τ )dτ (2.3)
0
donde τ es una variable de integración. Por último, multiplicando por eAt ambos miembros
tenemos la solución buscada:
Z t
At
x(t) = e x0 + eA(t−τ ) Bu(τ )dτ (2.4)
0
El primer término de la ecuación es la respuesta libre del sistema, y se da cuando

los estados poseen una condición inicial no nula. El segundo término es una integral de
convolución y representa la respuesta forzada del sistema cuando aplicamos una entrada
arbitraria u(t). Note que la solución está escrita de forma tal que la entrada es un vector
que agrupa un conjunto de entradas, un caso más sencillo es cuando se considera una
sola entrada, es decir el caso escalar. La solución x(t) presenta el problema de resolver la
exponencial eAt llamada matriz de transición. Un error corriente es resolver la exponencial
eAt , haciendo la exponencial de cada elemento de la matriz A. Esto es erróneo, ya que la
exponencial está definida por el desarrollo mostrado en la ecuación 2.1. Si bien el cálculo
de la exponencial puede hacerse aplicando la expansión definida en la ecuación 2.1, resulta
prćticamente imposible usarla a menos que el sistema no supere un segundo o tercer orden
debido a los errores numéricos que se cometen. Un truco consiste en observar que si la
matriz A es diagonal, de la forma:
 
λ1 0 · · · 0
 0 λ2 · · · 0 
A = Λ =  .. (2.5)
 
.. . . .. 
 . . . . 
0 0 · · · λn
la exponencial puede obtenerse muy fácilmente como:
 
e λ1 t 0 ··· 0
 0 eλ2 t ··· 0 
eΛt =  .. (2.6)
 
.. .. .. 
 . . . . 
0 0 · · · eλn t
Compruebe como un ejercicio, que la ecuación 2.6 es correcta. Como en general la
matriz A no es diagonal, un método para encontrar la solución usando este procedimiento
consiste en su diagonalización. Esto se puede realizar a través de una transformación lineal
de las variables de estado del sistema utilizando una matriz cuadrada de transformación
T . Básicamente el método consiste en encontrar otras variables de estado x∗ (realizando
un cambio de coordenadas), tales que la matriz A de la nueva representación del sistema

sea diagonal. Veamos esto con ecuaciones:
x(t) = T x∗ (t) ⇒ x∗ (t) = T −1 x(t) (2.7)

donde:
 
T11 T12 · · · T1n
 T21 T22 · · · T2n 
T = (2.8)
 
.. .. . . . .. 
 . . . 
Tn1 Tn2 · · · Tnn
Se mostrará el procedimiento para un sistema libre, es decir cuando las entradas for-
zantes u(t) en la ecuación de estados son nulas. En este caso la ecuación para los estados
queda dada por:
d(x)
= Ax (2.9)
dt
Posteriormente generalizaremos el caso en que existen entradas forzantes. Reempla-
zando x(t) por x∗ (t) en la ecuación diferencial obtenemos:
d(T x∗ )
= AT x∗ (2.10)
dt
o sea:
d(x∗ )
= T −1 AT x∗ (2.11)
dt
T −1 AT debe ser diagonal, de la forma Λ = T −1 AT , (ecuación 2.5). Escribiendo a T
en una forma más conveniente, tenemos:
T = [v 1 · · · v n ]; donde v i = [T1i · · · Tni ]T (2.12)

donde [· · · ]T significa transpuesta. Entonces para que Λ sea diagonal se debe cumplir (esto
debido a las reglas de multiplicación matricial), que:
Av i = λi v i ; o sea que (λi I − A)v i = 0 (2.13)
Es decir que estamos interesados en encontrar los λi y los vi que cumplan con la
condición dada por la ecuación 2.13. Para ello, debemos encontrar la solución no trivial
de 2.13. Según las propiedades de matrices, la solución no trivial sólo se da si se cumple
la siguiente condición para el determinante:
|λi I − A| = 0 (2.14)
A esta altura podemos decir que los λi se llaman autovalores y los v i autovectores de
la matriz A, y que existen tantos autovalores y autovectores como orden del sistema. Una
vez hallada la matriz T es posible diagonalizar a la matriz A. Finalmente la solución libre
de x(t) queda expresada como:
2.2. SOLUCIÓN ANALÍTICA DE SISTEMAS LINEALES 29
 
eλ1 t x∗1 (0)
 eλ2 t x∗2 (0) 
x∗ (t) = eΛt x∗0 =  ; x∗0 = T −1 x0 (2.15)
 
..
 . 
eλn t x∗n (0)
Entonces la solución para el verdadero vector de estados es:
x(t) = T x∗ (t) = T eΛt x∗0

o sea:
x1 = T11 eλ1 t x∗1 (0) + · · · + T1n eλn t x∗n (0)

.. (2.16)
.
xn = Tn1 eλ1 t x∗1 (0) + ··· + Tnn eλn t x∗n (0)
Puede verse claramente que la solución x(t) del sistema está dada por una suma de ex-
ponenciales, cada una relativa a un autovalor de la matriz A, pesadas con los coeficientes
de la matriz T . Cada exponencial es un modo del sistema caracterizado por los autovalores
λi . Estos autovalores de la matriz A son los mismos que los de la matriz Λ y constituyen
la caracterı́stica dinámica del sistema, es decir que indican la forma en que evoluciona el
sistema en el tiempo. Debemos observar que los autovalores surgen como solución de una
ecuación polinomial (2.13), es decir son las raı́ces de un polinomio en potencias de λ con
coeficientes reales, entonces, los autovalores pueden ser o reales puros o complejos conju-
gados. Si los autovalores tienen parte real negativa, los modos son estables (esto debido
a que la exponencial eλi t es decreciente), en tanto que si poseen parte real positiva darán
modos inestables. Los autovalores complejos conjugados (como se verá más adelante) dan
modos de tipo oscilatorios o sinusoidales, crecientes o decrecientes dependiendo del signo
de la parte real. Podemos decir en consecuencia, que los autovalores poseen la información
de la estabilidad del sistema. Veremos en un ejemplo cómo se halla la solución del sistema
diagonalizando la matriz A.
Ejemplo 2.1
Hallar la solución del siguiente sistema, cuando se lo libera desde las condiciones
iniciales x0 de los estados.

ẋ1 −3/2 3/2 x1 x1 (0) 1
= ; =
ẋ2 1/6 −3/2 x2 x2 (0) 1
1. Cálculo de los autovalores de A:

λ 0 −3/2 3/2
= λ2 + 3λ + 2 = 0
|λI − A| = −
0 λ 1/6 −3/2
Lo cual se cumple para λ1 = −1 y λ2 = −2
2. Cálculo de la matriz T
Para hallar la matriz T debemos encontrar los autovectores de A resolviendo la
ecuación 2.13. Para el primer autovalor se tiene:

1 −1 0 −3/2 3/2 v11
(λ1 I − A)v = − =0
0 −1 1/6 −3/2 v21
lo cual se cumple para todo v11 = 3v21 . Podemos elegir arbitrariamente el siguiente
autovector:

1 v11 3
v = =
v21 1
Si hacemos lo mismo para v 2 obtenemos:

2 v12 −3
v = =
v22 1
Entonces la matriz T queda formada como:

3 −3 −1 1 1 3
T = ; T =
1 1 6 −1 3
3. Diagonalización de la matriz A:

−1 −1 0
Λ=T AT =
0 −2
Obsérvese que los elementos diagonales son los autovalores de la matrı́z A.
4. Transformación de los valores iniciales

Transformamos el valor de las condiciones iniciales haciendo uso de la ecuación 2.7.
x∗1 (0)

1 1 3 1 2/3
= =
x∗2 (0) 6 −1 3 1 1/3
5. Respuesta temporal de los estados:

Hallamos la solución x(t) del sistema utilizando la ecuación 2.16, la cual da el
siguiente resultado:
x1 (t) = 2e−t − e−2t

x2 (t) = (2/3)e−t + (1/3)e−2t
En la figura 2.3 se muestra la respuesta libre de este sistema.
Hemos visto como encontrar la solución x(t) por medio de la diagonalización cuando
el sistema responde libremente a condiciones iniciales. Al considerar el caso general de
tener una entrada forzante u(t), la ecuación de estado transformada queda dada por:
ẋ∗ (t) = T −1 AT x∗ (t) + T −1 Bu(t)

(2.17)
y(t) = CT x∗ (t) + Du(t)
Luego la solución puede hallarse resolviendo la integral de convolución dada por la
ecuación 2.4.
2.3. SOLUCIÓN POR LA TRANSFORMADA DE LAPLACE 31
2 1
(-t)
2e 0.9
1.5
0.8 X
2
0.7
1
0.6
X 2/3e(-t)
2
1
0.5 0.5
x
x
1
0.4
0
0.3
-0.5
-e(-2t)
0.2
1/3e(-2t)
0.1
-1 0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t t
Figura 2.3: Gráfica de la respuesta temporal del ejemplo 2.1

Cap1Fig3
2.3. Solución por la transformada de Laplace
La misma solución que obtuvimos en la sección precedente puede hallarse por otro
método que utiliza la Transformada de Laplace. En este apartado se estudia el método
de la transformada de Laplace para resolver ecuaciones Cadiferenciales lineales. Mediante
Ca0 +
Q/Vuna ecuación diferencial lineal en una algebraica, que, a
este método se puede convertir ʃ
su vez, permite el desarrollo del útil concepto de funciones de transferencia. Puesto que
las ecuaciones diferenciales que representan la mayorı́a de los procesos son no lineales,
estudiamos anteriormente el método de linealización para aproximarlas a las ecuaciones
diferenciales lineales, de manera que se les pueda aplicar la técnica de transformadas de
Laplace. El conocimiento de esta técnica-1 es esencial para entender los fundamentos de la
dinámica del proceso y del diseño de los sistemas de control.
Antes de introducirnos en esta solución daremos un breve repaso de las propiedades
fundamentales de la transformada de laplace.
2.3.1. Transformada de Laplace

Cap1Fig4
La transformada de Laplace de una función del tiempo f (t), escrita como L{f (t)} =
F (s), tiene la propiedad de convertir una ecuación diferencial en una algebraica, con las
consecuentes ventajas de cálculo que de ello se derivan. La transformada de Laplace de
una función arbitraria f (t) está definida como:
Z ∞
F (s) = f (t)e−st dt (2.18)
0
donde se asume que f (t) existe solo para t > 0 y donde s = σ + jω es una variable
compleja.
La transformada de Laplace de una función f (t) existe si la integral de Laplace con-
verge. La integral convergerá si f (t) es seccionalmente continua en cada intervalo finito
en el intervalo t > 0 y si es de un orden exponencial conforme t tiende a infinito. Se dice
que una función f (t) es de orden exponencial si existe una constante r real positiva tal
que la función:
e−rt |f (t)|
tiende a cero conforme t tiende a infinito. Si el lı́mite de la función e−rt |f (t)| tiende a cero
para r > rc y el lı́mite tiende a infinito para r < rc , el valor de rc , se denomina abscisa de
convergencia, y define la region de convergencia (ROC, por sus siglas en inglés). La ROC
es la región del plano complejo en donde la transformada F (S) existe. En este libro, solo
trataremos el caso de señales que son cero para tiempos negativos, y por ende, siempre la
ROC estará a la derecha de la abscisa de convergencia. Sin embargo en el caso general,
siempre debe definirse la ROC junto con la F (s).
Para la función f (t) = Ae−αt se tiene:
lı́m e−rt |Ae−αt |

t→∞
R ∞tiende a cero si r > −α. En este caso la abscisa de convergencia

puede verse que este lı́mite
es rc = −α. La integral 0 f (t)e−st dt sólo convergerá si la parte real de r es mayor que
la abscisa de convergencia rc . Por tanto, la ROC de esta transformada es Re(s) > rc .
Veamos un ejemplo de aplicación de la Transformada de Laplace. Sea una función tipo
escalón:
Z ∞
1 t≥0 1
f (t) = ⇒ F (s) = e−st dt =
0 t<0 0 s
La transformada de Laplace convierte una función del dominio del tiempo al dominio
de la variable s. Algunas de las propiedades más importantes de la transformada de
Laplace son:
1. La Transformada de Laplace de un producto de una constante A y una función del

tiempo f (t) es la constante A multiplicado por la transformada de Laplace de f (t),
esto es: L{Af (t)} = AL{f (t)}.
2. La transformada de Laplace de una suma (o diferencia) de dos funciones en el

tiempo es la suma (o diferencia ) de las transformadas de cada función, esto es:
L{f1 (t) + f2 (t)} = L{f1 (t)} + L{f2 (t)}. Se observa que la Transformada de Laplace
es una función lineal dado que cumple el principio de superposición.
3. La transformada de Laplace de la derivada de una función f (t) es “s” veces la

transformada de f (t) menos el lı́mite de f (t) para t → 0+ , esto es:

d(f (t))
L = sF (s) − lı́m+ f (t) = sF (s) − f (0)
dt t→0
y en general:
dn (f (t)) dn−1 f (t)

df (t)
L = sn F (s) − sn−1 f (0) − sn−2 |t=0 − · · · − |t=0
dtn dt dtn−1
4. La transformada de la integral de una función f (t) con respecto al tiempo es la

transformada de f (t) dividido “s”:
hR i
t
Z t
F (s) −∞
f (τ )dτ F (s) f −1 (0)
t→0
L f (τ )dτ = + = +
0 s s s s
con f −1 (0) la primitiva de f evaluada en cero (f −1 (0) =

R
f (t)dt evaluada en t = 0).
En general:
tn−1 t1 t n
F (s) X f −k (0)
Z Z Z
L ··· f (τ )dτ dτ1 · · · dτn−1 = n +
0 0 0 s k=1
sn−k+1
5. La transformada de una función f (t) demorada en un tiempo L es la transformada

de f (t) multiplicada por e−Ls , esto es: L{f (t − L)} = e−sL F (s)
6. Teorema de valor final: relaciona el comportamiento en estado estable de f (t) con

el comportamiento de sF (s) en la vecindad de s = 0. Sin embargo, este teorema se
aplica si y sólo si existe lı́mt→∞ f (t) (lo que significa que f (t) se asienta en un valor
definido para t → ∞). Notar que si todos los polos de sF (s) se encuentran en el
semiplano izquierdo del plano s, entonces la ROC de sF (s) contendrá al origen y en
ese caso será posible evaluar este lı́mite. En caso contrario no será posible evaluar
este lı́mite y por ende no podrá aplicarse el teorema del valor final. Como un caso
lı́mite de este hecho podemos citar la función sinusoidal, f (t) = sen(ωt) en donde
el lı́mt→∞ f (t) no existe ya que la ROC no contiene al origen.
El teorema del valor final propone lo siguiente:
lı́m f (t) = lı́m sF (s)

t→∞ s→0
7. Teorema de valor inicial: es la contraparte del teorema de valor final. Este teorema
nos permite encontrar el valor de f (t) en t = 0+ directamente, a partir de la trans-
formada de Laplace de f (t). El teorema de valor inicial no proporciona el valor de
f (t) exactamente en t = 0, sino en un tiempo ligeramente mayor que cero.
El teorema de valor inicial se plantea del modo siguiente: si f (t) y df (t)/dt se pueden
transformar por el método de Laplace y si existe lı́ms→∞ sF (s), entonces, el valor
que adopta la función f (t) cuando el tiempo tiende a cero es el mismo que el de
sF (s) cuando s tiende a infinito:
lı́m f (t) = lı́m sF (s)

t→0 s→∞
Ası́ como se define la transformada de Laplace, también puede definirse la antitrans-

formada de Laplace. La antitransformada de Laplace permite obtener la función en el
tiempo f (t) a partir de la función transformada F (s). La antitransformada está dada por:
Z c+jω
−1 1
f (t) = L {F (s)} = F (s)e−st ds (2.19)
2π c−jω
donde “c” es una constante real más grande que la parte real de cualquier singularidad de
F (s). Las singularidades de la función F (s) son todos los puntos en el plano s donde la
función o sus derivadas no existen. La evaluación de la antitransformada es muy tediosa
por lo que la transformada inversa se obtiene normalmente a través de tablas de transfor-
madas de Laplace. En la Tabla 2.1 se muestran transformadas de Laplace de diferentes
funciones de t.
Tabla 2.1: Tabla de transformadas de Laplace
f (t) F (s)
1 Impulso unitario δ(t) 1
1
2 Escalón unitario u(t) s
1
3 t s2
tn−1 1
4 (n−1)!
(n = 1, 2, 3, ...) sn
5 e−at 1
s+a
6 te−at 1
(s+a)2
7 tn e−at (n = 1, 2, 3 ...) n!
(s+a)n+1
e−at −e−bt 1
8 (b−a) (s+a)(s+b)
9 1
ab
[1 + 1
a−b
(be−at − ae−bt )] 1
s(s+a)(s+b)
ω
10 sen(ωt) s2 +ω 2
s
11 cos(ωt) s2 +ω 2
12 e−at sen(ωt) ω
(s+a)2 +ω 2
13 e−at cos(ωt) s+a

(s+a)2 +ω 2
p 2
ωn
14 √ωn e−ζωn t sen(ωn 1 − ζ 2 t) s2 +2ζωn s+ω 2
2
1−ζ
√
p 1−ζ 2
15 √−1 e−ζωn t sen(ωn 1 − ζ 2 t − Φ), Φ = tan−1 ζ s
s2 +2ζωn s+ω 2
2
1−ζ
√
2 2
−1 1−ζ ωn
p
−ζωn t
16 1− √1 e 2
sen(ωn 1 − ζ t + Φ), Φ = tan ζ s(s2 +2ζωn s+ω 2 )
1−ζ 2
En todos los casos consideramos que f (t) = 0 ∀ t < 0. Por ende, la ROC en cada
caso es la región a la derecha de la menor parte real de todos los polos de F (s).
2.3.2. Transformada de Laplace de funciones muy utilizadas
Función escalón
Este es un cambio súbito de la variable en un tiempo igual a cero; dicha función se
ilustra gráficamente en la figura 2.4, y se representa algebraicamente mediante la expre-
sión:
Z ∞
A t≥0 A
f (t) = ⇒ F (s) = Ae−st dt =
0 t<0 0 s
Si A=1 es un escalón unitario.
6
f(t)
A
-
t
Figura 2.4: Función escalón de altura A
Si la función escalón tiene una demora se define de la siguiente manera:

A t ≥ to
f (t) =
0 t < to
O lo que es lo mismo:

A t − to ≥ 0
f (t − to ) =
0 t − to < 0
Aplicando la propiedad número 5, la transformada de Laplace queda:
A
L{f (t − to )} = e−sto L{f (t)} = e−sto
s
Función Pulso
Se trata de una función pulso con área A ∗ t0 , la cual se muestra en la figura 2.5:
6
f(t)
A
-
t0 t
Figura 2.5: Función pulso de altura A
La función pulso se define como:


 0 t<0
f (t) = A 0 ≤ t < to
0 to ≤ t

Nos interesa hallar la transformada de Laplace de la función pulso. Si definimos dos

funciones escalón:

0 t<0
f1 (t) =
A 0≤t

0 t < to
f2 (t) =
A to ≤ t
Si se restan los dos escalones f1 (t) y f2 (t) se obtiene la función pulso f (t):
f (t) = f1 (t) − f2 (t)

La función f2 (t) es la función f1 (t) demorada un tiempo t0 como se aprecia a conti-
nuación:
f2 (t) = f1 (t − to )
Finalmente la transformada de Laplace de f (t) resulta:
L{f (t)} = L{f1 (t)} − L{f2 (t)}
A
1 − e−sto

L{f (t)} =
s
Función impulso unitario

Matemáticamente esta función puede obtenerse como el lı́mite de la función pulso
cuando t → 0. Supongamos una función pulso como la figura 2.5 de duración t0 y altura
A = 1/t0 . El área de dicho pulso será la unidad para cualquier valor de t0 . Luego si
hacemos tender t0 → 0, esta función se convierte en un impulso del tipo delta Dirac
que se representa con el sı́mbolo δ(t).
δ(t) = lı́m f (t),

t0 →0
siendo f (t) la función pulso. Luego, su transformada de Laplace será:
L{δ(t)} = 1
La función impulso unitario es un pulso ideal de amplitud infinita y duración cero cuya
área es la unidad, en otras palabras, un pulso de área unitaria con toda ella concentrada
en un tiempo igual a cero, ver Figura 2.6.
6
f (t) ∞
6
-
0 t
Figura 2.6: Función impulso unitario
Función rampa
La función rampa tiene la siguiente expresión:
f (t) = Kt, t ≥ 0
la cual se muestra en la Figura 2.7. La transformada de esta función está dada por:
Z ∞
Kte−st dt

L{f (t)} =
0
El término de la derecha se puede resolver de la siguiente forma:
Z ∞ −st
Kte−st ∞ K ∞ −st
Z
Ke K
|0 − dt = e dt = 2
−s 0 −s s 0 s
6
f(t)
Kt
-
t
Figura 2.7: Función rampa
Función exponencial
La transformada de la función exponencial se muestra a continuación:
f (t) = e−at , t ≥ 0,
Z ∞
1
e−at e−st dt =

L{f (t)} =
0 a+s
Veremos un ejemplo de aplicación de la transformada de Laplace para resolver ecua-
ciones diferenciales
Ejemplo 2.2
Dada la siguiente ecuación diferencial, hallar la solución.
d2 x dx
+ 3 + 2x = 5u(t); ẋ(0) = 2; x(0) = −1
dt dt
donde u(t) es una función escalón. Aplicando las propiedades 1 y 3 de la transformada
de Laplace a la ecuación diferencial, tenemos:
s2 X(s) − sx(0) − ẋ(0) + 3sX(s) − 3x(0) + 2X(s) = 5/s
reemplazando y despejando:
−s2 − s + 5 5 5 3/2
X(s) = = − +
s(s + 1)(s + 2) 2s s + 1 s + 2
El término a la derecha de la última ecuación se denomina expansión en fracciones

parciales y sirve para poner a un cociente de polinomios en una suma de funciones simples
de modo que pueda utilizarse fácilmente la tabla de transformadas de Laplace para obtener
la transformación inversa.
Aplicando la transformación inversa,tenemos
5 3
x(t) = − 5e−t + e−2t
2 2
2.3.3. Relación entre la variable s y el operador derivada

En el ejemplo 2.2 tenemos la ecuación diferencial:
d2 x dx
+ 3 + 2x = 5u(t)
dt dt
la cual en el campo transformado, considerando condiciones iniciales nulas, es:
s2 X(s) + 3sX(s) − 2X(s) = 5U (s)
Comparando estas dos ecuaciones vemos que la variable s en el campo transformado

cumple la función de lo que en el campo temporal es el operador derivada.
d
s→
dt
d2
s2 →
dt2
Z
1
→ dt
s
2.4. FUNCIÓN DE TRANSFERENCIA 39
2.3.4. Solución de la ecuación de estados

Después de haber repasado algunas de las propiedades más importantes de la transfor-
mada de Laplace, veremos cómo podemos obtener la solución, o respuesta temporal de un
sistema dinámico utilizando esta transformada. Sabemos que una propiedad importante
de la transformación de Laplace es convertir a una ecuación diferencial en una ecuación
algebraica. De esta manera la solución en el campo transformado es simplemente alge-
braica. Para ello aplicamos la transformada de Laplace a la ecuación de estado, lo cual
da:
sX(s) − x0 = AX(s) + BU(s)

(2.20)
⇒ X(s) = (sI − A)−1 x(0) + (sI − A)−1 BU(s)
luego la solución está dada por la transformación inversa de Laplace:
x(t) = L−1 [(sI − A)−1 ]x(0) + L−1 [(sI − A)−1 BU(s)] (2.21)
Veamos en un ejemplo cómo se obtiene la solución por este método:
Ejemplo 2.3
Tomemos el mismo caso del ejemplo 2.1
( −1 )
x1 s + 3/2 −3/2 1
= L−1 [(sI − A)−1 ]x(0) = L−1
x2 −1/6 s + 3/2 1

x1 −1 s + 3/2 3/2 1 1
=L
x2 1/6 s + 3/2 (s + 1)(s + 2) 1
2 −1
− s+2

x1 −1 s+1
=L 2/3 1/3
x2 s+1
− s+2
Aplicando ahora la antitransformada de Laplace tenemos:
x1 (t) = 2e−t − e−2t

x2 (t) = (2/3)e−t + (1/3)e−2t
Que según puede observarse, coincide con la solución hallada en el ejemplo 2.1
2.4. Función de transferencia

A través de la transformación de Laplace, es posible definir una relación funcional
entre las salidas y las entradas del sistema. Como se ha visto, la transformada de Laplace
de la ecuación de estado queda definida por la ecuación 2.20, a la cual debemos agregarle
la transformada de la ecuación de salida. Reescribiremos estas ecuaciones para claridad:
X(s) = (sI − A)−1 X(0) + (sI − A)−1 BU(s)

(2.22)
Y(s) = CX(s) + DU(s)
La relación funcional entre las salidas transformadas Y(s) y las entradas U(s) queda
definida cuando consideramos estados iniciales nulos , y se llama función de transferencia
para el caso de una entrada y una salida, o matriz de funciones de transferencia si se
trata de un caso multivariable, es decir varias entradas y salidas para estado inicial nulo.
Despejando de la ecuación 2.22, tenemos:
Y(s) = G(s)U(s)
(2.23)
G(s) = C(sI − A)−1 B + D
G(s) es una matriz función de transferencia de tamaño m × r que relaciona las m
salidas con las r entradas. Cada elemento de la matriz G(s) representa una componente
que relaciona cada entrada con cada salida. Desde ya que si hubiera una sola entrada y
una sola salida, la matriz G(s) tendrı́a un solo elemento. En forma general cada elemento
de G(s) lo podemos escribir como:
gn (s)
gij = gdijij (s)
gnij (s) = polinomio numerador en s (2.24)
gdij (s) = polinomio denominador en s
Dado que el determinante |sI − A| aparece en el denominador de todos los gij (s),
el polinomio |sI − A| es llamado polinomio caracterı́stico del sistema. En tanto que la
ecuación |sI − A| = 0 es llamada ecuación caracterı́stica. Las raı́ces del polinomio |sI −
A| son los polos del sistema. Notemos que los autovalores de A se calculan obteniendo
las raı́ces justamente de este determinante, por lo tanto los polos del sistema son los
autovalores de la matriz A del sistema. Por otro lado, las raı́ces del numerador de gij (s)
se denominan ceros del sistema, ya que para esos valores de s, la función se hace cero.
Veamos algunos ejemplos en donde se muestra la forma de obtener una función de
transferencia.
Ejemplo 2.4 Sistema de primer orden

Tomemos el caso de un tanque con escape que drena por gravedad.
Nuestro objetivo es predecir la altura del lı́quido en el tanque como función del tiempo
para cualquier caudal de entrada arbitrario Qentrada (t) función del tiempo. Como podemos
ver, el tanque es un elemento almacenador de lı́quido, un balance que nos conduzca a
interpretar el sistema es el siguiente:
Z t
V = (Qentrada − Qsalida )dt + Vi (2.25)
t0
Donde Vi es el valor del volumen en el tiempo inicial t0 . Es decir el volumen contenido

dentro del tanque es igual a la acumulación debida al lı́quido que entra menos el que sale.
Si además el tanque es de sección uniforme se cumple que: h = V /A, entonces:
Z t
1
h= (Qentrada − Qsalida )dt + hi (2.26)
A t0
Otra relación de interés es la que relaciona el caudal de salida Qsalida y el nivel h.

Podemos hallar esta función en forma analı́tica en base al teorema de Bernoulli, del cual
se obtiene la siguiente relación:
p
Qsalida (t) = C h(t) (2.27)
donde C es un parámetro de la válvula.
El sistema queda resuelto como un conjunto formado por una ecuación diferencial para
la acumulación y una algebraica para la caracterı́stica estática nivel/caudal de la siguiente
forma:
A(dh/dt) = Qentrada − f (h)

(2.28)
Qsalida = f (h)
Las ecuaciones 2.28 que representan a este sistema pueden ser linealizadas alrededor
de un valor dado de caudal de salida. La expresión linealizada
√ para el caudal de salida en
función de la altura tiene la forma: Qsalida (t) = C/(2 h̄)h(t). Donde h(t) es la variable
de estado que definiremos como la salida y(t) del sistema, h̄ es el valor de la altura del
tanque alrededor del cual se ha hecho la linealización. La entrada al sistema es Qentrada (t).
Poniendo a esta ecuación en la forma normalizada, tenemos:
Qentrada (t)
ḣ(t) = − 2√Ch̄A h(t) + A (2.29)
y(t) = h(t)
La función de transferencia puede obtenerse aplicando la transformada de Laplace en
forma directa al conjunto de ecuaciones diferenciales según las ecuaciones 2.22 y 2.23.
Después de simples manipulaciones algebraicas, la función de transferencia entre la salida
Y (s), y la entrada Qentrada (s) queda:
√
Y (s) 2 h̄/C K
= G(s) = √ = (2.30)
Qentrada (s) 2 h̄A
s+1 Ts + 1
C
Donde K es la ganancia estática, y T la constante de tiempo del sistema. La constante
K es llamada ganancia estática debido a que si aplicamos una entrada escalón unitario a
la función de transferencia de primer orden, y obtenemos el valor de la salida cuando se
extingue el transitorio, es decir en estado estacionario, podremos observar que el valor de
la salida es justamente K. Compruebe esto aplicando el teorema de valor final. Por otro
lado, la constante de tiempo T , es la inversa del autovalor y tiene unidades de tiempo. La
constante de tiempo es el tiempo en que la respuesta al escalón alcanza el 63 % del estado
final (ver figura
√ 2.13). La función de transferencia anteriormente descrita, posee un polo
en s = −C/(2 h̄A), es decir que da un modo estable. En este tipo de sistema los polos
pueden ser únicamente reales. Notar que si C = 0 (no hay escape de lı́quido), la función
de transferencia queda expresada como:
1
G(s) = (2.31)
s
es decir la transformada de Laplace de un integrador puro (propiedad 4 de las transforma-
das de Laplace). Esto es ası́ dado que al no haber escape todo lo que ingresa se acumula
tal cual un integrador.
Ejemplo 2.5 Sistema de segundo orden

Veamos cómo obtener la función de transferencia de un sistema de segundo orden.
Para ello tomemos el ejemplo 1.3 de un intercambiador de calor. Supongamos que los
caudales w1 y w2 son constantes, lo cual convierte al sistema en lineal. Tomando a la
variable x1 como salida, tendremos una función de transferencia entre la salida y cada
una de las entradas, es decir que tendremos dos funciones de transferencia, a saber:
Y (s) = G1 (s)u1 (s) + G2 (s)u2

Donde las funciones de transferencia se obtienen aplicando la ecuación 2.23 y están
dadas por:
w1 R(1 + w2 R + RC2 s) w2 R
G1 (s) = ; G2 (s) =
∆ ∆
donde
∆ = (C1 C2 R2 )s2 + [(C1 + C2 )R + (C1 w2 + C2 w1 )R2 ]s + (w1 R + w2 R + w1 w2 R2 )
Compruebe que este resultado es correcto.

Observemos que en el caso de sistemas de segundo orden o mayores, pueden darse
una de las siguientes posibilidades para los polos del sistema (o raı́ces de la función de
transferencia o autovalores de la matriz A): i) el caso de dos polos reales o ii) el caso de
dos polos complejos conjugados.
En el caso del ejemplo del intercambiador de calor se obtienen polos reales, éstos
darán modos exponenciales (ver la ecuación 2.16) crecientes o decrecientes según el signo
del polo.
Veremos un ejemplo en el cual el sistema tiene polos complejos conjugados. Sea un
sistema que está descripto con la siguiente función de transferencia:
2s + 12
G(s) =
s2
+ 2s + 5
El polinomio del denominador se puede factorizar como:
s2 + 2s + 5 = (s + 1 + j2)(s + 1 − j2)
Si la función G(s) contiene un par de polos complejos conjugados, es conveniente no
expandir G(s) en las fracciones parciales acostumbradas, sino expandirlas en la suma de
una función seno amortiguada y una función coseno amortiguada. Si se tiene en cuenta que
s2 + 2s + 5 = (s + 1)2 + 22 y nos remitimos a las transformadas de Laplace de e−α sen(ωt)
y e−α cos(ωt), rescritas a continuación:
ω
L e−α sen(ωt) =

(s + α)2 + ω 2
y
s+α
L e−α cos(ωt) =

(s + α)2 + ω 2
La G(s) se puede expresar como una suma de una función seno amortiguada y una
función coseno amortiguada para lo cual se reescribirán la función de transferencia de la
siguiente forma:
10 + 2(s + 1) 2 s+1
G(s) = 2 2
=5 2 2
+2
(s + 1) + 2 (s + 1) + 2 (s + 1)2 + 22
Si se aplica a este sistema una entrada impulso unitario, dado que su transformada de
Laplace es la unidad, entonces Y (s) = G(s). Si se calcula la antitransformada de Laplace
2 1
L−1 a la expresión2eanterior
(-t) se obtiene: 0.9
1.5
0.8 X
2
0.7
1
−t −t0.6
y(t) = 5e sen(2t) + 2e cos(2t), para t ≥ 0
X 2/3e(-t)
2
1
0.5 0.5
x
x
1
Se observa que la parte oscilatoria se debe a los términos sen(ωt) y cos(ωt) mientras
0
0.4
0.3
que la envolvente la determina el término: eσt . En el ejemplo,

-e(-2t)
-0.5
ω = 2 y σ = −1. En la
1/3e(-2t) 0.2
figura 2.8 se muestran tres situaciones de respuesta oscilatoria, en las cuales la frecuencia
-1
0.1
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
de la oscilación está dada por
t ω y la envolvente por σ, el signo
t de esta última establece
la estabilidad de la respuesta oscilatoria.
Cap2Fig3
1 2
0.8
1.5 =0
0.6 <0 1
0.4
0.5
0.2
0 0
-0.2
-0.5
-0.4
-1
-0.6
-1.5
-0.8
-1 -2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t t
150
100 >0
50
-50
-100
-150
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t
Figura 2.8: Respuestas oscilatorias.

Cap2Fig4
Ejemplo 2.6 Caso de una demora

Los procesos de transporte de materia pueden ser modelados como un sistema cuya
salida (el producto al final de un mecanismo de trasnsporte) es la entrada a ese sistema
demorada un tiempo L. Es decir que y(t) = u(t − L) donde y(t) es la salida y u(t) la
entrada al sistema. La función de transferencia de este sistema está dada por la propiedad
número 5 de la transformada de Laplace, y resulta ser Y (s) = e−Ls U (s).
2.4.1. Función de transferencia

La mayor parte de los sistemas que tienen una entrada y una salida y cuya dinámica
puede modelarse a través de ecuaciones diferenciales ordinarias con parámetros constantes,
pueden ser representados en forma general como un cociente de polinomios de la forma
N (s)/D(s). Consideremos que estos polinomios poseen grado “m” y “n” respectivamente,
entonces la función de transferencia puede escribirse como:
N (s) nm sm + · · · + n0
G(s) = = n (2.32)
D(s) s + dn−1 sn−1 + · · · + d0
donde los ni y los di son constantes reales. El orden del sistema es igual al orden del
polinomio denominador D(s). El grado de N (s) es siempre menor o igual que el grado
de D(s) para el caso de sistemas causales. El caso lı́mite para un sistema fı́sicamente
realizable es cuando el orden del numerador es igual al del denominador, y corresponde al
caso en que la matriz D de la ecuación de estados es distinta de cero. Esto significa que
hay una influencia directa de la entrada sobre la salida del sistema. El hecho de que el
numerador tenga un orden mayor que el denominador, indica que el sistema tiene términos
derivativos puros. Una función de transferencia de este tipo no es fı́sicamente realizable
ya que necesita energı́a infinita para reproducir saltos abruptos, aún siendo de amplitud
infinitesimal. Es decir, el modelo que se obtenga a partir de esta función de transferencia,
será útil sólo para funciones de entrada que sean suaves, es decir continuas y derivables
en todo punto.
Para obtener la transformada inversa de Laplace de esta función, es posible expandir
a G(s) en una suma de fracciones parciales de la forma:
N1 N2
X Ai X Bi s + Ci
G(s) = + 2 + ω2)
+K (2.33)
i=1
s + s i i=1
((s + σ i ) i
donde N 1 es el número de raı́ces reales y N 2 es el número de raı́ces complejas conjugadas.

Como la transformada inversa de Laplace (o antitransformada) de una suma es la
suma de las antitransformadas, podemos decir que hallando la antitransformada de cada
fracción en la ecuación 2.33, y sumándolas obtenemos el resultado buscado. Debe notarse
que la antitransformada de cada sumando corresponde a un modo del sistema, estos modos
coinciden con los obtenidos en la solución analı́tica del sistema dinámico, es decir con las
exponenciales de los autovalores del sistema. La constante K tiene un valor distinto de
cero si el grado del numerador es igual al del denominador, esto es m = n.
Observe que en la función de transferencia generalizada 2.32, la ganancia de estado
estacionario es lims→0 G(s) = n0 /d0 .
2.4.2. Propiedades de los Diagramas de bloques en el dominio

de s
Las propiedades de asociación, conmutación y linealidad expuestas en el capı́tulo 1
son válidas en el dominio de la variable s y se detallan a continuación:
1. Y (s) = A(s) − B(s) − C(s),
2. Y (s) = G1 (s)G2 (s)A(s) = G2 (s)G1 (s)A(s),
3. Y (s) = G1 (s)(A(s)–B(s)) = G1 (s)A(s)–G1 (s)B(s),
4. Y (s) = (G1 (s) + G2 (s))(A(s)) = G1 (s)A(s) + G2 (s)A(s),
5. Y (s) = G1 (s)A(s) + G2 (s)B(s),
Estas propiedades se aplicarán durante todo el desarrollo del curso por lo cual es
necesario tenerlas muy en cuenta.
2.5. ECUACIÓN DE ESTADO A PARTIR DE FUNCIONES DE TRANSFERENCIA 45
2.5. Ecuación de estado a partir de funciones de trans-

ferencia
En la sección anterior hemos derivado la función de transferencia a partir de la ecuación
de estados. En esta sección veremos el problema inverso, es decir dada la función de
transferencia obtener la ecuación de estados. Para ello tomemos el caso de un sencillo
sistema de primer orden:
Y (s) n0
G(s) = = G(s) = (2.34)
U (s) s + d0
Operando obtenemos:
sY (s) + Y (s)d0 = n0 U (S) (2.35)

Llevando al dominio temporal, como se explicó anteriormente:
dy
+ d0 y = n0 u (2.36)
dt
Tomando a y como estado del sistema y = x tenemos:
ẋ = −d0 x + n0 u
(2.37)
y=x
Se observa en la ecuación 2.37 que el autovalor de la matriz A = −d0 , es igual al polo
de la función de transferencia dada por la ecuación 2.34. Un diagrama de bloques de este
sistema se muestra en la figura 2.9 el cual se presenta en el dominio de la variable s.
U(s) Y(s)
n0 +
1/s
-
d0
Figura 2.9: Diagrama de bloques de un sistema de primer orden
Cap2 Fig9
La función de transferencia de un primer orden puede tener, también, un término de
primer orden en el numerador:
0
Y (s) n1 s + n0 n0 0
= G(s) = = n1 + ; n0 = n0 − n1 d0 (2.38)
U (s) s + d0 s + d0
En la figura 2.10 se muestra un diagrama en bloques de éste sistema. Por analogı́a con
el caso anterior, las ecuaciones de estado de éste sistema son:
0
ẋ = −d0 x + n0 u
(2.39)
y = x + n1 u
Para el caso de sistema de segundo orden, la construcción del vector de estados se
realiza de forma muy similar. Consideremos un sistema simple de segundo orden, esto es
con una constante en el numerador:
Cap1Fig11
Cap2 Fig9
n1
+
U(s) Y(s)
n0 + +
1/s
-
d0
Figura 2.10: Diagrama en bloques de un sistema de primer orden con la entrada influyendo
directamente en la salida
Cap2 Fig10
Y (s) n0
= G(s) = 2 (2.40)
U (s) s + d1 s + d0
Para esta función de transferencia, podemos realizar dos diagramas en bloques posibles,
que se muestran en la figura 2.11.
U(s) X2(s) X1(s) Y(s)

n0 + 1/s + 1/s
-d1
-d0 a
U(s) X2(s) X1(s) Y(s)

+ 1/s 1/s n0
-d1
-d0 b
Figura 2.11: Diagrama en bloques de un sistema de segundo orden

Cap2 Fig11
Las ecuaciones para cada caso, figura 2.11(a) y 2.11(b) son respectivamente:

ẋ1 −d1 1 x1 0 x1
= + u; y = [1 0] (2.41)
ẋ2 −d0 0 x2 n0 x2
y
2.6. RESPUESTA TEMPORAL DE SISTEMAS TÍPICOS 47

ẋ1 0 1 x1 0 x1
= + u; y = [n0 0] (2.42)
ẋ2 −d0 −d1 x2 1 x2
Finalmente veamos que ocurre cuando tenemos una función de transferencia de orden
arbitrario tanto en el denominador como en el numerador según la ecuación 2.32. Podemos
obtener dos representaciones normalizadas, una de ellas de la forma:
   
  0 1 0 ··· 0 0   0
ẋ1 
 0 0 1 ··· 0 0 
 x1 
 0 

 ..   .. .. .. .. .. .. ..  +  ..
 . =  u;
 
 . . . . . . 
 .    . 
ẋn  0 0 0 ··· 0 1  xn  0 
(2.43)
−d0 −d 1 −d 2
 · · · −d n−2 −d n−1 1
x1
y = [n0 · · · nm · · · 0]  ... 
 
xn
y otra posible de la forma:

   
−dn 1 0 ··· 0 0
 .. 
   
ẋ1 
 −dn−1 0 1 ··· 0 
 x1  . 
 ..   .. .. .. .. .. ..
=   nm  u;
+
   
 .   . . . . . .  . 
 .. 
 
ẋn  −d1 0 0 ··· 1  xn
(2.44)
−d0 0 0 ··· 0 n0
 
x1
 .. 
y = [1 0 · · · 0]  . 
xn
De esta manera es posible obtener la ecuación de estados a partir de la función de

transferencia. Notemos que las variables de estado son seguramente diferentes a las pos-
tuladas cuando se plantean los balances y se obtiene la ecuación de estado desde el sistema
fı́sico.
2.6. Respuesta temporal de sistemas tı́picos

En esta sección veremos la respuesta temporal de diversos sistemas que muestran
caracterı́sticas, y por lo tanto funciones de transferencia, tı́picas. Veremos la respuesta de
estos sistemas cuando aplicamos una excitación de entrada tipo escalón unitario, la cual
está definida como:

1, 0 ≤ t
u(t) = (2.45)
0, 0 > t
y su transformada de Laplace es U (s) = 1/s. Veremos las respuestas a sistemas carac-

terı́sticos de primer y segundo orden.
2.6.1. Sistemas de primer orden

Dentro de los sistemas de primer orden veremos al integrador, y al sistema polo cero.
Integrador puro
La función de transferencia del integrador puro está dada por la propiedad 4 de la
transformada de Laplace, esto es G(s) = 1/s. Dentro de este tipo de sistemas podemos
citar a todo aquel que se presenta como un acumulador de todo lo que entra, por ejemplo
un recipiente sin orificio de salida al cual le ingresa un caudal y aumenta su nivel o un
capacitor al cual le ingresa una corriente y aumenta su tensión. La respuesta al escalón
está dada por:
Y (s) = G(s)U (s) = 1s 1s

(2.46)
y(t) = L−1 {(1/s2 )} = t
La gráfica correspondiente se muestra en la figura 2.12. En el Anexo se muestran los
comandos utilizados para generar esta figura en Matlab.
Step Response
3
2.5
y(t) (−), u(t) (−−)
1.5
0.5
0
0 0.5 1 1.5 2 2.5 3
t (sec)
Figura 2.12: Respuesta de un integrador puro para una entrada escalón
Sistemas polo cero

La función de transferencia de este tipo de sistemas expresada en forma de constantes
de tiempo es de la forma:
T1 s + 1 (1 − (T1 /T2 )(k/T2 )

F (s) = k = (kT1 /T2 ) + (2.47)
T2 s + 1 s + (1/T2 )
Los sistemas que poseen este tipo de caracterı́stica dinámica son diversos, por lo que
podrı́amos dividirlos según los valores que adoptan las constantes de tiempo. Veamos la
respuesta al escalón de este tipo de sistemas la cual está dada por:
y(t) = (T1 k/T2 ) + (1 − (T1 /T2 ))k(1 − e−t/T2 ) (2.48)

Veremos los cuatro casos posibles de patrones de respuesta:
Caso en que: T1 = 0. En este caso tenemos un sistema de primer orden tı́pico de

sistemas con una sola acumulación y pérdidas como por ejemplo un tanque con
escape, la temperatura en un horno o un circuito RC paralelo cuya entrada es
una fuente de corriente constante (escalón de corriente). La respuesta se muestra

en la figura 2.13. En el Anexo se muestran los comandos de Matlab para obtener
dicha figura. Notemos que la constante de tiempo puede ser obtenida por inspección
directa de la respuesta.
Step Response
k 1
0.8
T2
y(t) (-), u(t) (--)
0.6  0.63 k
0.4
0.2
0
0 5 10 15 20 25
t (sec)
Figura 2.13: Respuesta temporal de un sistema de primer orden con T1 = 0 para una
entrada escalón
Caso en que T1 < T2 . En este caso puede verse que debido al camino directo de
la entrada sobre la salida, el salto inicial de la respuesta es mayor que en el caso
anterior. La figura 2.14 muestra esta respuesta temporal
Caso en que T1 > T2 . En este caso, la influencia directa de la entrada sobre la salida
se refleja en un valor inicial mayor aún que en el caso anterior. Notemos que la
evolución temporal siempre es una exponencial de constante de tiempo T2 , ligada al
polo del sistema. En la figura 2.15 se muestra esta respuesta.
Caso en que T1 < 0. En este caso vemos que la influencia directa de la entrada
sobre la salida hace que para la respuesta al escalón, inicialmente, la respuesta sea
de sentido inverso al valor de estado estacionario final. A este efecto se lo denomina
de respuesta inversa y se corresponde a sistemas con un cero real positivo. Casos
tı́picos de sistemas que poseen respuesta inversa son el nivel de agua en calderas,
quema de bagazo en hornos, potencia de una turbina hidráulica. En la figura 2.16
se muestra la respuesta de este tipo de sistemas.
2.6.2. Sistemas de segundo orden

De los posibles sistemas de segundo orden, podremos obtener dos tipos de respuestas:
la que corresponde a polos reales, y las que poseen polos complejos conjugados. La que
posee polos reales, tiene una respuesta sobreamortiguada, es decir no presentan valor de
sobrepico. Podemos citar ejemplos como dos tanques en cascada (la salida del primero es
Step Response
k 1
0.8 T
2
y(t) (-), u(t) (--)
0.6
0.4
0.2  k T /T
1 2
0
0 5 10 15 20 25
t (sec)
Figura 2.14: Respuesta temporal de un sistema de primer orden con T1 < T2 para una
entrada escalón
Step Response
1.8  k T /T
1 2
1.6
1.4 k
T2
y(t) (-), u(t) (--)
1.2
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25
t (sec)
Figura 2.15: Respuesta temporal de un sistema de primer orden con T1 > T2 para una
entrada escalón
Step Response
k 1
0.8
0.6 T
2
0.4
y(t) (-), u(t) (--)
0.2
-0.2
-0.4
-0.6  k T /T
1 2
-0.8
-1
0 5 10 15 20 25
t (sec)
Figura 2.16: Respuesta temporal de un sistema de primer orden con T1 < 0 para una
entrada escalón
la entrada del segundo), un horno con dos etapas de acumulación de calor, un circuito
con dos capacitores o dos inductores, entre otros. Por otro lado, los sistemas de segundo
orden que poseen polos complejos conjugados, poseen una respuesta de tipo oscilatoria.
Sistemas que poseen este tipo de patrón de respuesta son los sistemas interactuantes,
como por ejemplo dos tanques interconectados, una masa con resorte o un circuito RLC
etc.
El sistema de segundo orden puede ser generalizado como:
Y (s) k
G(s) = =
U (s) ω2
s + ω2ξn s + 1
1 2
n
kωn2
G(s) = (2.49)
s2 + 2ξωn s + ωn2
donde ωn es la frecuencia natural no amortiguada, y ξ es el factor de amortiguamiento
relativo del sistema.
El comportamiento dinámico del sistema de segundo orden se describe a continuación
en términos de dos parámetros ξ y ωn . Las raı́ces del sistema están dadas por:
p
s1,2 = −ξωn ± ωn ξ2 − 1 (2.50)
En la figura 2.17 se muestra el plano de s en el cual se puede apreciar una raı́z del
sistema.
Si 0 < ξ < 1: se tienen 2 raı́ces complejas conjugadas. El sistema, entonces se

denomina subamortiguado.
La respuesta al escalón está dada por:
p !!
e−ξωn t 1 − ξ2
y(t) = k 1 − p sen ωd t + tan−1 para t > 0 (2.51)
1−ξ 2 ξ
1−
n
− 0
Figura 2.17: Plano de s. Raı́z del sistema de segundo orden.

Cap1Fig17
Si ξ = 1: se tienen 2 raı́ces reales e iguales. El sistema se denomina crı́ticamente

amortiguado.
Cap1Fig12
y(t) = k(1 − e−ωn t (1 + ωn t)) para t > 0 (2.52)
Si ξ > 1: se tienen 2 raı́ces reales distintas. El sistema denomina sobreamortiguado

y la respuesta temporal es:
!
ωn p
y(t) = k p e−ξωn t sinh ξ 2 − 1ωn t para t > 0 (2.53)
ξ2 − 1
Si ξ = 0: la respuesta transitoria no se amortigua, es decir se tiene una oscilación

sostenida. Entonces la respuesta temporal es:
y(t) = k(1 − cos(ωn t)) para t > 0 (2.54)
Si ξ < 0: la respuesta transitoria diverge.
La respuesta transitoria de los sistemas crı́ticamente amortiguados y sobreamorti-

guados no oscila.
En la figura 2.18 se muestra la respuesta al escalón ante una entrada en escalón de

sistemas que poseen diferentes ξ. En el Anexo se muestra el código para obtener estas
figuras en Matlab. Cuando se tienen valores del coeficiente de amortiguamiento en el
siguiente intervalo 0 < ξ < 1 se corresponde con los casos de la figura 2.8 en el cual σ > 0
y σ < 0, si ξ = 0, corresponde al caso en el cual σ = 0.
2.6.3. Sistemas de orden mayor que dos

La dinámica de un sistema está formada por combinaciones lineales de los modos
del sistema, como ya hemos visto. Por lo tanto para un sistema de orden mayor que
dos, la respuesta será cualquier combinación de las respuestas que hemos visto para los
Step Response
=0
1.8
1.6
1.4
 = 0.5
y(t) (-), u(t) (--)

1.2
1
=1
0.8
 = 1.2
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
t (sec)
Figura 2.18: Curvas de la respuesta al escalón de un sistema de segundo orden ante una
entrada en escalón
sistemas de orden uno y dos. Note que la resolución matemática puede aplicarse de la
misma manera, el procedimiento es realizar una descomposición en fracciones parciales
para obtener la antitransformada de cada sumando. Luego la solución será la suma de
las soluciones individuales de cada sumando. Cada sumando tendrá algunas de las formas
vistas en los distintos casos analizados en esta sección.
2.6.4. Demora
Los sistemas que presentan una demora son aquellos relacionados con los fenómenos de
transporte. Ejemplo de ellos puede ser una cinta transportadora, un ducto por el que fluye
un caudal, etc. La transformada de Laplace de estos sistemas está dada por la propiedad
número 5 de la sección 2.3.1.
2.7. Conclusiones
Hemos visto en este capı́tulo la solución a los sistemas dinámicos lineales, causales e
invariantes en el tiempo. Se han visto dos formas de obtener la solución, una en el dominio
del tiempo a través de la diagonalización y otra a través del uso de la transformada de
Laplace. En ambos casos la solución es la misma y está dada como una sumatoria de
modos pesados con coeficientes de la forma Tij eλi t . Cada modo es de tipo exponencial en
el tiempo si el autovalor es real. Si el autovalor es complejo, entonces habrá otro que es
su conjugado, de manera que en la respuesta ambos están presentes dando en su conjunto
un modo oscilatorio. Hemos definido la relación funcional entre la entrada y la salida
utilizando el operador de la transformada de Laplace llamada función de transferencia
y se han expuesto patrones de funciones de transferencia de diferentes procesos con su
respuesta temporal.
Se han dado las herramientas básicas para introducirnos a partir del próximo capı́tulo
en el problema del control de los sistemas dinámicos.
2.8. Problemas
1. Pruébese que la tangente a una respuesta exponencial en cualquier instante intersec-
ta el valor final asintótico de la respuesta T unidades de tiempo después del punto
de tangencia, donde T es la constante de tiempo.
2. Probar que la matriz Λ = T −1 AT tiene los mismos autovalores que la matriz A.
3. La matriz A de un sistema lineal de segundo orden es:

−1,6 0,2
A=
1,2 −1,4
Obténgase la ecuación caracterı́stica, los modos, los autovectores. ¿ Es estable este

sistema?
4. En el sistema del problema 1.8 los parámetros son:
1
C1 = 1 , C2 = 1 , R1 = 1 , R2 = R3 = 2
Determine la matriz de funciones de transferencia para las entradas y salidas mos-

tradas en la figura 1.19.
5. Sea un sistema descripto por las ecuaciones de estado y salida siguientes:
ẋ(t) = Ax(t) + Bu(t)

(2.55)
A las variables de estado de este sistema se les aplica una transformación lineal
x(t) = T x∗ (t). El sistema queda descripto entonces por la ecuación de estado trans-
formada:
ẋ∗ (t) = T −1 AT x∗ (t) + T −1 Bu(t)

(2.56)
y(t) = CT x∗ (t) + Du(t)
Demostrar que la función de transferencia que relaciona u(t) con y(t) en las ecua-
ciones (2.55) y (2.56) es la misma. Explicar porqué.
6. Un sistema de segundo orden, descrito por la ecuación de estado

d x1 p 1 x1
=
dt x2 0 p x2
está caracterizado por un autovalor doble p (verificarlo) y consiste de un sistema

libre de primer orden
dx2
= px2
dt
y de otro sistema de primer orden para el cual x2 actua como entrada
2.8. PROBLEMAS 55
dx1
= px1 + bu(t) , u(t) = x2 (t) , b = 1
dt
Aplicando la ecuación (2.4) a la última ecuación para x1 obténgase la matriz solución

eAt del sistema de segundo orden. Aplı́quese una técnica similar para obtener la
matriz solución para un sistema de tercer orden descrito por
    
x1 p 1 0 x1
d 
x2  =  0 p 1   x2 
dt
x3 0 0 p x3
7. Un sistema lineal está descrito por

d x1 −2 0 x1 1
= + u(t)
dt x2 5 −3 x2 −2
Utilizando el enfoque de la transformada de Laplace, obténgase

a) La matriz solución

2
b) x(t) para x(0) =
−3
c) x(t) para un estado inicial cero y una entrada paso unidad.

0
8. En el problema anterior, hágase x(0) = y u(t) una entrada paso unidad.
0
a) Encuéntrese la respuesta forzada por convolución. Grafı́quela para cada variable
de estado.
b) ¿Cuáles son los valores de estado estacionario de x1 (t) y x2 (t), es decir a medida
que t → ∞? ¿Cómo se comparan estos valores con los valores de equilibrio de x1 (t)
y x2 (t) hallados al establecer ẋ1 (t) y ẋ2 (t) iguales a cero en las ecuaciones de estado?
9. En la figura 2.19 se muestra un sistema térmico donde: w= producto de caudal y

calor especı́fico del fluido que entra (que se toma igual que el del fluido que sale);
C1 y C2 = capacidad calorı́fica del fluido en los tanques; x1 y x2 = desviaciones de
temperatura y u = entrada de calor. No hay pérdida de calor, la capacidad térmica
de la pared del tanque es despreciable, en el tanque ocurre mezclado perfecto y
la desviación de temperatura de la bocatoma del fluido es cero. La desviación de
temperatura en el primer tanque se toma como una salida, y = x1 . Obténgase la
función de transferencia del sistema.
10. Para la función de transferencia de tercer orden
n2 s2 + n1 s + n0
G(s) = (2.57)
s 3 + d2 s 2 + d1 s + d0
Obtener las matrices A, B, C y D para el modelo de estados según la ecuación 2.43.

Dibujar el diagrama en bloques.
Cap1Fig17
y u
C1, X1 C2, X2
w w
Cap1Problema9 Figura 2.19: Problema 9
11. Considerar la siguiente función de transferencia:
n2 s2 + n1 s + n0
G(s) = (2.58)
s2 + d1 s + d0
a) Simular, empleando una herramienta de simulación como Simulink de Matlab, es-
ta función de transferencia para una entrada escalón, dando valores a los coeficientes
n2 , n1 , n0 , d1 y d0 para los siguientes casos:
(a.1) Integrador simple. (a.5) Dos polos reales.

(a.2) Integrador doble. (a.6) Dos polos complejos conjugados.
(a.3) Un polo. (a.7) Dos polos imaginarios conjugados.
(a.4) Un polo y un cero. (a.8) Dos polos y un cero con
respuesta inversa.
b) Investigar la estabilidad para diferentes valores de los coeficientes y comprobar

por simulación.
c) Comprobar en (a.1) a (a.8) los teoremas del valor inicial y final.
d) Extraer conclusiones.
12. En el problema 2.8, encuéntrese la matriz de funciones de transferencia que relaciona

la entrada u(t) a los estados x1 (t) y x2 (t):

X1 (s) G1 (s)
= U (s)
X2 (s) G2 (s)
Simúlense estas dos funciones de transferencia cuando se aplica un escalón unitario

a U (s) empleando una herramienta de simulación. Comparar con los resultados del
problema 2.8a.
Capı́tulo 3
Sistemas realimentados
3.1. Introducción
En este capı́tulo y en lo que resta del curso trataremos el problema de control au-
tomático de sistemas lineales. Existen principalmente dos tipos de problemas de control
que deben resolverse: el asociado a las perturbaciones que influyen en el comportamiento
del proceso y el seguimiento del valor en el cual se desea que éste se mantenga. El proble-
ma de control consiste en lograr que la evolución dinámica de un proceso se aproxime lo
mejor posible a un comportamiento deseado. La aproximación debe lograrse a pesar de
las incertidumbres y la presencia de perturbaciones externas no controlables que actúan
sobre el proceso y sobre las mediciones de la salida.
Si se conoce como será la y(t) salida del proceso
A1 cuando aplicamos una entrada y, además,
hemos establecido cuál debe ser el comportamiento deseado,A2 entonces la forma más simple
Valor de estado
de resolver el problema estacionario
de control es invertir la relación entrada - salida. Esta inversión nos
permitirá calcular la entrada u(t) necesaria para que la salida y(t) se comporte como se
desea. Esta modalidad de control se llama: control de lazo abierto. Un sistema de control de
este tipo se muestra en forma generalizada en la figura 3.1. En esta figura todas las señales
están representadas por sus transformadas de Laplace: R(s) = L(r(t)), t U (s) = L(u(t))
e Y (s) = L(y(t)). El denominado proceso consiste en la función de transferencia de un
sistema al cual leCap3 Prob9
queremos controlar la salida Y (s) a través de su entrada U (s). El
control es un dispositivo en mayor o menor medida inteligente que deberá tomar la acción
necesaria para llevar a la variable Y (s) a un valor deseado R(s). La entrada al controlador
es el valor deseado de la salida.
Valor Salida ó
deseado de Variable
la salida controlada
Control Proceso
R(s) U(s) Y(s)
Variable de
control
Figura 3.1: Esquema de control de lazo abierto
Veremos cómo se diseña el controlador de este tipo de control para el problema de

Cap3 Fig
intercambio de calor del1 ejemplo 1.3 .
57
58 CAPÍTULO 3. SISTEMAS REALIMENTADOS
Supongamos que el control está pensado para manejar el caudal (corriente) w2 de

manera que en el equilibrio (estado estacionario), la variable x1 quede en un valor deseado.
A partir del análisis de la ecuación 1.12 considerando derivadas nulas, es posible obtener
la relación entre w2 y x1 en estado estacionario:
(u1 − x1 )
w2 = w1 (3.1)
x1 − u2 − w1 R(u1 − x1 )
Como todos los valores a la derecha de la ecuación 3.1 son conocidos, el controlador
está compuesto sencillamente por la misma ecuación 3.1. Fijando el valor deseado de x1
(x1 (t) = r(t)) en la ecuación, podemos obtener el caudal w2 requerido. (No confundir R
= resistencia al paso del calor de la pared del intercambiador con R(s) = transformada
de Laplace del valor deseado).
El controlador anterior sólo será efectivo en estado estacionario, es decir luego de
concluidos los transitorios. Si se quiere que este controlador intervenga también en el
transitorio, deberá pensarse en una estrategia al respecto. Una puede ser utilizar la función
de transferencia del proceso G(s) entre w2 y x1 . Empleando la inversa de ésta, podrı́a
obtenerse la señal necesaria para que la variable x1 llegue al valor deseado tan rápido
como se quiera, esto es, la señal de control esta dada por:
1
W2 (s) = X1 (s) (3.2)
G(s)
con lo cual
1
X1 (s) = G(s)W2 (s) = G(s) R(s) = R(s) ⇒ x1 (t) = r(t)
G(s)
Hallando luego la antitransformada de W2 (s) cuando X1 (s) es un escalón (salto abrup-
to al nuevo valor deseado de x1 ), se tiene la señal de control w2 (t) tal que la salida
controlada del proceso x1 (t) salte abruptamente al valor deseado.
Si bien este tipo de controlador puede utilizarse en muchos casos, posee varias desven-
tajas que a continuación detallaremos.
Si hay perturbaciones sobre la variable controlada, el controlador no es capaz de
eliminarla.
Si hay variación en los parámetros de la planta, la variable controlada sale de espe-

cificación.
Si la inversa de la función de transferencia de la planta es inestable esta técnica no

puede utilizarse.
Estas desventajas del control de lazo abierto hacen que no se pueda utilizar en la
mayorı́a de los casos. Una forma de resolver los problemas del control de lazo abierto,
consiste en producir una señal a la entrada del proceso que tenga en cuenta a la salida
controlada. En la figura 3.2 se muestra esta estrategia llevada a cabo manualmente por
un operador del proceso de intercambio antes mencionado.
El operador observa la temperatura del sistema x1 , y manipula la entrada a través de
la apertura de válvula de manera de llevar a x1 a la temperatura deseada, o bien para
que ésta no se aparte de ese valor cuando alguna perturbación le afecta. Por ejemplo, si
el proceso es de calentamiento del producto w1 , cuando la temperatura aumenta, cierra
la válvula, y la abre si la temperatura disminuye. Un esquema de diagrama en bloques
3.1. INTRODUCCIÓN 59
Termómetro
Ojo Ojo
Mano
V
,
Válvula
Voltímetro
Figura 3.2: Control de lazo cerrado manual
se muestra en la figura 3.3. Se aprecia en esta figura que la temperatura x1 se mide con
el termómetro, medida que es detectada por el ojo del operador. El hombre realiza una
comparación con el valor deseado de dicha temperatura r(t) y decide qué hacer, es su
cerebro el que decide qué acción tomará (si cierra o abre la válvula y en qué proporción),
posteriormente la acción será realizada por su mano que es el actuador, dado que es el
que toma contacto con la válvula para realizar la acción. Este es claramente un sistema
de lazo cerrado, ya que la posición de la válvula, y por lo tanto el caudal w2 depende de la
salida del sistema o variable controlada x1 . Decimos que este sistema está realimentado.
A diferencia del caso de control de lazo abierto, este sistema si se puede controlar frente
a variaciones de la planta o perturbaciones. Finalmente un paso más avanzado consiste
en diseñar un sistema tecnológico capaz de ejercer la misma función que el operador, o
mejor aún.
Valor deseado Cerebro Mano

de la salida W2 X1
+ + Control Actuador Válvula Proceso

-
Ojo humano Termómetro
Medición
Operador
Figura 3.3: Esquema de control de lazo cerrado manual
En este capı́tulo trataremos el problema de la realimentación negativa tanto desde el

punto de vista natural, es decir de la realimentación que se encuentra en la naturaleza,
como la que se implementa tecnológicamente. La realimentación es un procedimiento por
el cual, la salida de un sistema interviene en la entrada del mismo. En forma natural, los
sistemas poseen realimentación lo cual se describe en la próxima sección.
3.2. Realimentación de sistemas naturales

Para comprender el fenómeno de la realimentación comenzaremos por observarla en los
sistemas naturales. Un ejemplo sencillo es la autoregulación. Tomemos el caso de un tanque
con escape, el flujo neto, que es la diferencia entre el flujo que ingresa y el flujo saliente se
integra (es decir se acumula) en el tanque y determina su nivel. El nivel a su vez afecta el
flujo saliente, que modifica la entrada al elemento almacenador. Notemos que, si partimos
de algún punto de equilibrio estable y aumentamos el ingreso de caudal, aumentará el nivel.
Debido al aumento de la presión en el orificio de salida, consecuentemente aumentará
la cantidad de flujo saliente, hasta que el flujo saliente iguale al entrante y el sistema
alcanza un nuevo estado de equilibrio. En este caso, el sistema realiza esta compensación
en forma natural, y decimos que la realimentación es negativa, pues un aumento en el
nivel (el cual consideramos la salida del sistema) produce una disminución en la entrada
al elemento almacenador. Si fuese al revés, la llamarı́amos realimentación positiva. En
el ejemplo, una realimentación positiva producirı́a inestabilidad en el sistema, ya que el
nivel aumentarı́a indefinidamente. Un ejemplo de realimentación positiva es el proceso de
reacción en cadena de un reactor nuclear. Es bien conocido que bajo ciertas condiciones,
la captura de un neutrón causa fisión, lo cual libera neutrones. Estos neutrones liberados,
son desacelerados por un moderador (por ejemplo agua pesada). Un esquema de este
sistema se puede observar en la figura 3.4. Esta es una reacción en cadena caracterizada
por un factor km que es la relación entre números de neutrones de una generación con
respecto al número en la generación precedente. La ecuación dinámica para el número de
neutrones “y” está dada por:
(km − 1)
ẏ = y
l
Donde “l” es el tiempo de vida medio de un neutrón. Note que el modo del sistema
(km−1)
es e l y en consecuencia si el moderador no es suficiente la constante km puede ser
mayor que la unidad, en cuyo caso la realimentación se torna positiva con la consecuente
caracterı́stica inestable del sistema.
Otros ejemplos de realimentación natural son la regulación de temperatura del cuerpo
humano, o la acción de tomar un objeto con la mano. En este último caso, la posición de
la mano es la variable de salida, que es medida por la vista. La señal visual la recibe el
cerebro que envı́a una orden a los músculos para corregir la posición de la mano. Si hay
un obstáculo, esta realimentación permite corregir nuevamente la posición.
Moderador
W, Us W: caudal.
Ue: temperatura
de entrada
Us: temperatura de
salida
W, Ue
Us>Ue
Reactor nuclear
Figura 3.4: Autoregulación de un reactor nuclear

3.3. EL PRINCIPIO DE LA REALIMENTACIÓN 61
3.3. El principio de la realimentación

La idea de la realimentación es muy simple y extremadamente poderosa. Ha tenido una
influencia muy profunda en la tecnologı́a. Su aplicación ha resultado en mayores avances
en control, comunicación e instrumentación. Muchas patentes se han concedido basadas
en esta idea. Suponga por simplicidad que la variable de salida de un proceso aumenta
cuando aumenta la variable manipulada. El principio puede expresarse de la siguiente
manera:
Incremente la variable manipulada cuando la variable de salida del proceso es más baja
que su valor deseado (o set-point) y disminuya la variable manipulada cuando la variable
del proceso es más grande que el set-point.
Este tipo de realimentación se llama realimentación negativa, porque la variable ma-

nipulada se mueve en dirección opuesta a la variable del proceso. La razón por la cual los
sistemas con realimentación negativa son de interés es que la misma hace que la variable
del proceso pueda permanecer cercana al valor deseado a pesar de las perturbaciones y de
las variaciones en las caracterı́sticas de la planta o del proceso. Es importante aclarar que
si la variable del proceso disminuye cuando aumenta la variable manipulada, habrı́a que
tomar la acción inversa al caso anterior para que la realimentación siga siendo negativa.
3.4. Elementos tecnológicos empleados en el lazo de

control
La realimentación puede ser tecnológica, es decir, se puede medir la salida de un sistema
y utilizarla para generar una entrada regulada al mismo, según se detalló anteriormente.
Retomemos el ejemplo del lazo cerrado manual del intercambiador de calor de la figura
3.3. Se puede implementar un lazo cerrado tecnológico en el cual las acciones llevadas a
cabo por el operador se reemplacen por elementos técnicos. Esto se puede apreciar en la
figura 3.5 en la cual se muestra un diagrama de implementación tecnológica de un lazo
cerrado.
Valor TT: sensor de temperatura.

TC TT TC: control de temperatura.
deseado
Actuador
Válvula
Figura 3.5: Esquema de control de lazo cerrado tecnológico

Se observa que para implementar un lazo tecnológico son necesarios los siguientes
componentes básicos:
Sensor, que también se conoce como elemento primario.
Transmisor, el cual se conoce como elemento secundario.
Controlador, que es el cerebro del sistema de control.
Elemento final de control también llamado actuador.
Con los sensores y transmisores se realizan las operaciones de medición en el sistema

de control. En el sensor se produce un fenómeno mecánico, eléctrico o similar, el cual se
relaciona con la variable de proceso que se mide; el transmisor, a su vez, convierte este
fenómeno en una señal que se puede transmitir y, por lo tanto, ésta tiene relación con la
variable del proceso.
Existen tres términos importantes que se relacionan con la combinación sensor trans-
misor: la escala, el rango y el cero del instrumento. A la escala del instrumento la definen
los valores superior e inferior de la variable a medir del proceso; esto es, si se considera
que un sensor/transmisor se calibra para medir la temperatura entre 20 y 50 ◦ C de un
proceso, se dice que la escala de la combinación sensor/transmisor es de 20 - 50 ◦ C. El
rango del instrumento es la diferencia entre el valor superior y el inferior de la escala, para
el instrumento citado aquı́ el rango es de 30 ◦ C. El valor inferior de la escala se conoce
como cero del instrumento, este valor no necesariamente debe ser cero para llamarlo ası́;
en el ejemplo dado más arriba el cero del instrumento es de 20 ◦ C.
Para el análisis del sistema es necesario obtener los parámetros con que se describe el
comportamiento del sensor/transmisor; la ganancia es bastante fácil de obtener una vez
que se conoce el rango.
Consideren un sensor/transmisor electrónico de presión cuya escala va de 0-200 psig.
La ganancia se define como el cambio en la salida o variable de respuesta entre el cambio
en la entrada o función de forzamiento; en el ejemplo citado aquı́, la salida es la señal
electrónica, 4-20 mA; y la entrada es la presión en el proceso, 0-200 psig; por lo tanto:
20mA − 4mA 16mA mA
KT = = = 0,08
200psig − 0psig 200psig psig
Ya que es la relación del rango de la entrada respecto al rango de la salida. En muchos
sensores/transmisores industriales la ganancia es constante, sobre todo el rango de ope-
ración; sin embargo, existen algunos casos en que esto no es cierto, por ejemplo algunos
sensores diferenciales de presión que se usan para medir flujo. La respuesta dinámica de
la mayorı́a de los sensor/transmisores es mucho más rápida que la del proceso; en conse-
cuencia se comporta como un sistema estático, es decir sus constantes de tiempo y tiempo
muerto se pueden considerar despreciables y, por tanto, la función de transferencia es la
ganancia pura. En cambio, cuando se analiza la dinámica del instrumento generalmente
se representa mediante un sistema de primer o segundo orden.
En la siguiente sección estudiaremos con detalle el diseño de un lazo de control tec-
nológico, por lo tanto, no se abordará este tema en esta sección.
El elemento final de control o actuador, es el encargado de llevar a cabo la decisión
tomada por el controlador. Frecuentemente se trata de una válvula de control aunque
no siempre. Otros elementos finales de control comúnmente utilizados son las bombas
de velocidad variable, los transportadores y los motores eléctricos como ası́ también las
3.4. ELEMENTOS TECNOLÓGICOS EMPLEADOS EN EL LAZO DE CONTROL 63
fuentes de corriente y tensión. A modo de ejemplo, en la figura 3.6 se muestra una válvula
de diafragma utilizada comúnmente en esquemas de control.
Figura 3.6: Válvula de control.
La importancia de estos componentes estriba en que realizan las tres operaciones

básicas que deben estar presentes en todo sistema de control, estas operaciones son:
1. Medición (M): la medición de la variable que se controla se hace generalmente me-

diante la, combinación de sensor y transmisor.
2. Decisión (D): con base en la medición, el controlador decide que hacer para mantener
la variable en el valor que se desea.
3. Acción (A): como resultado de la decisión del controlador se debe efectuar una
acción en el sistema, generalmente ésta es realizada por el elemento final de control.
Definiciones
Ahora es necesario definir algunos de los términos que se usan en el campo del control
automático de proceso. El primer término es la variable controlada, ésta es la variable
que se debe mantener o controlar dentro de algún valor deseado. El segundo término
es el punto de control, de consigna, de referencia o set-point, es el valor que se desea
tenga la variable controlada. La variable manipulada o variable de control que se utiliza
para mantener a la variable controlada en el punto de control (punto de fijación o de
régimen). Finalmente, cualquier variable que ocasiona que la variable de control se desvı́e
del punto de control se define como perturbación; en la mayorı́a de los procesos existe
una cantidad de perturbaciones diferentes, por ejemplo, en un intercambiador de calor

las posibles perturbaciones son la temperatura de entrada en el proceso, Ti (t), el flujo del
proceso, q(t), la calidad de la energı́a del vapor, las condiciones ambientales, la composición
del fluido que se procesa, la contaminación, etc. Aquı́ lo importante es comprender que
en la industria de procesos, además de necesitar un lazo de control para garantizar la
estabilidad del proceso, las perturbaciones son la causa más común de que se requiera el
control automático del proceso; si no hubieran alteraciones prevalecerı́an las condiciones
de operación del diseño y no se necesitarı́a supervisar continuamente el proceso.
Una vez definidos los diferentes elementos que se emplean en un lazo de control, en
la próxima sección veremos sistemas de control automático, es decir, el estudio de la
realimentación y su implementación tecnológica. Es importante destacar que el control
por realimentación es una técnica muy simple, que compensa todas las perturbaciones.
Cuando la variable controlada se desvı́a del punto del control por la influencia de una
perturbación, el controlador cambia su salida para que la variable regrese al punto de
control. El circuito de control no detecta qué tipo de perturbación entra al proceso, úni-
camente trata de mantener la variable controlada en el punto de control y de esta manera
compensar cualquier perturbación. Sin embargo, también es importante tener en cuenta
que la realimentación puede compensar la perturbación una vez que la variable controlada
se ha desviado del punto de control, es decir, la perturbación se debe propagar por todo
el proceso antes de que la pueda compensar el control por realimentación.
3.5. Sistemas de control automático

Estamos interesados ahora en el análisis de la realimentación de manera tal de poder
dotarnos de las herramientas necesarias para diseñar e implementar un esquema tecnológi-
co para propósitos de control automático. La figura 3.7 muestra una estructura común
de un lazo de control (realimentación), para el caso de un sistema de una entrada y una
salida. Esta configuración se usa en la mayorı́a de los sistemas tecnológicos de ingenierı́a
con el propósito de mantener las variables de la planta Y (s) cerca de su valor deseado
R(s).
V(s)
Gper(s)
+ Y(s)
R(s) E(s) U(s) +
+ + +
Gc(s) Gv(s) Gp(s)
-
B(s)
H(s)
Figura 3.7: Esquema general de un sistema realimentado tecnológicamente.
En este esquema puede verse un controlador por realimentación representado por la

función de transferencia Gc (s), cuya entrada es el error E(s) y que produce una señal
3.5. SISTEMAS DE CONTROL AUTOMÁTICO 65
que alimenta la función de transferencia del actuador (Gv (s)) quien a su vez genera la
señal o variable manipulada U (s). El sistema a controlar o proceso, está representado por
una función de transferencia Gp (s). La salida Y (s) es la respuesta de este sistema a la
entrada U (s) a través de la función Gp (s) y a la entrada de perturbación V (s) a través
de la función Gper (s). El camino de realimentación puede tener, o no, un elemento H(s)
que representa la función de transferencia del sensor trasmisor de la variable controlada.
La diferencia entre R(s) y B(s) es el error E(s) = R(s) − B(s) que se realimenta al
controlador.
3.5.1. Función de transferencia de lazo cerrado

En la figura 3.7 se mostró una estructura de control por realimentación. Utilizando el
álgebra de diagramas de bloques podemos obtener la expresión de la salida en función de
las dos entradas al sistema:
Gc (s)Gv (s)Gp (s) Gper (s)

Y (s) = R(s) + V (s) (3.3)
1 + Gc (s)Gv (s)Gp (s)H(s) 1 + Gc (s)Gv (s)Gp (s)H(s)
donde: G(s) = Gc (s)Gv (s)Gp (s) se denomina función de transferencia de lazo abierto. El
término lazo abierto para la función G(s), describe la respuesta de la planta incluido el
controlador, sin la realimentación.
Como regla general, se puede establecer que la función de transferencia entre una
entrada y una salida de un sistema cerrado puede obtenerse utilizando el teorema de
Mason, que establece que la función de lazo cerrado es igual al producto de las funcio-
nes de transferencias del camino directo dividido 1 + las del camino del lazo cerrado
Gc (s)Gv (s)Gp (s)H(s) si la realimentación es negativa. Nótese en consecuencia que lo que
cambiará entre las distintas entradas (en esta caso hay dos: R y V ) es sólo el camino
directo mientras que el denominador será el mismo e igual a 1 + Gc (s)Gv (s)Gp (s)H(s)
(ver ecuación 3.3) al que llamamos polinomio caracterı́stico del sistema de lazo cerrado.
Las raı́ces del polinomio caracterı́stico son los polos del sistema a lazo cerrado, y por lo
tanto definen la dinámica del sistema de lazo cerrado. La ecuación caracterı́stica se puede
obtener a partir de la matriz Alc de la ecuación de estados del lazo cerrado (ver capı́tulo
2, ecuación 2.23) por medio de la siguiente expresión:
|sI − Alc | = 0 (3.4)

Como la función de transferencia del controlador interviene en la ecuación caracterı́sti-
ca del sistema, es de esperar que una apropiada elección del controlador permita dotar al
sistema de lazo cerrado de caracterı́sticas deseadas.
3.5.2. Error de estado estacionario

Al controlar un sistema, buscamos lograr dos objetivos fundamentales:
Que la variable de salida del sistema siga al valor deseado en la forma más precisa
posible. Este objetivo se llama precisión del lazo de control.
Que la variable de salida del sistema no se vea afectada por la presencia de posibles
perturbaciones. Este objetivo se denomina rechazo a perturbaciones.
La medida en que se cumplen estos dos objetivos en un sistema de control determina

el desempeño del mismo.
Tanto la precición del lazo de control como el rechazo a perturbaciones indeseables,

están definidas por la capacidad del lazo para que el error sea en todo momento lo más
próximo a cero, en cuyo caso se cumple Y (s) = R(s). El error se puede obtener de la
siguiente manera:
E(s) = R(s) − Y (s) (3.5)

Gc (s)Gv (s)Gp (s) Gper (s)
E(s) = R(s) − R(s) − V (s)
1 + Gc (s)Gv (s)Gp (s) 1 + Gc (s)Gv (s)Gp (s)
1 Gper (s)
E(s) = R(s) − V (s)
1 + Gc (s)Gv (s)Gp (s) 1 + Gc (s)Gv (s)Gp (s)
donde hemos considerado H(s) = 1. Podemos ver que si la ganancia del controlador es
Gc (0) = kc , y haciendo que kc → ∞, la ecuación (3.5) queda:
E(s) = 0; Y (s) = R(s) (3.6)

Es decir que logramos los objetivos buscados, sin embargo, un análisis de la ecuación
caracterı́stica, seguramente nos indicará que con un valor de kc muy grande, los polos de
lazo cerrado son tales que el sistema a lazo cerrado es inestable, o posee una caracterı́stica
dinámica no apropiada (por ejemplo oscilaciones). Entonces la posibilidad de aumentar
demasiado la ganancia del controlador no es una opción siempre válida para lograr los
objetivos buscados. Por lo tanto, ya que la dinámica depende de los polos de lazo cerrado
(autovalores del sistema de lazo cerrado), el sistema de control debe ser diseñado de
manera de resolver el compromiso entre precisión y estabilidad.
Uno de los aspectos más importantes en lo que se refiere a la medida de la precisión
es la existencia del denominado error de estado estacionario. Este error está definido de
la siguiente manera:
eee = lı́m (r(t) − y(t)) = lı́m e(t) (3.7)

t→∞ t→∞
Otra forma de calcular el error de estado estacionario es utilizando el teorema de valor

final (siempre que este lı́mite en el dominio s pueda calcularse, ver sección 2.3.1), esto es:
eee = lı́m sE(s) (3.8)

s→0
El error de estado estacionario es importante en los procesos industriales cuando se

desea que una variable permanezca fija en un valor deseado dado. El caso práctico es
el siguiente: consideremos que las variables de un proceso están expresadas en forma de
desviación respecto de un punto de equilibrio. En este punto de equilibrio del sistema se
cumple que r(t) = y(t) = 0, queremos saber el valor de estado estacionario de la salida
y(t) cuando se aplica un cambio, tipo escalón, de valor deseado r(t) de amplitud R0 y se
considera que la entrada de perturbación es nula.
Recordemos que:
1
E(s) = R(s) (3.9)
1 + Gc (s)Gv (s)Gp (s)
3.5. SISTEMAS DE CONTROL AUTOMÁTICO 67
Como la transformada de la entrada escalón es R0 /s, suponiendo que el denominador no

tiene ninguna raı́z en el semiplano derecho, el error de estado estacionario es:
R0
eee = lı́m (3.10)
s→0 1 + Gc (s)Gv (s)Gp (s)
lo cual queda:
R0 R0
eee = = (3.11)
1 + Gc (0)Gv (0)Gp (0) 1 + Ke
donde Ke = Gc (0)Gv (0)Gp (0) es la ganancia estática del lazo.
Más aún, puede obtenerse el error de estado estacionario porcentual como:
eee = lı́m E(s)100 % (3.12)

s→0
Reemplazando el error por la expresión obtenida en 3.5, tenemos que el error porcentual
de estado estacionario es:
R0 R0 R0
eee = lı́m 100 % = 100 % = 100 % (3.13)
s→0 1 + G(s) 1 + G(0) 1 + Ke
con G(s) = Gc (s)Gv (s)Gp (s).
Ahora analicemos el caso en que un escalón de amplitud V0 aparezca en la entrada de
perturbación (considerando la entrada de valor deseado nula), en cuyo caso, el error está
dado por:
Gper (s)
E(s) = − V (s) (3.14)
1 + Gc (s)Gv (s)Gp (s)
Entonces, el error de estado estacionario está dado por:

Gper (s) V0
eee = lı́m s − (3.15)
s→0 1 + Gc (s)Gv (s)Gp (s) s
lo cual resulta en:

Gper (s)
eee = lı́m − V0 (3.16)
s→0 1 + Gc (s)Gv (s)Gp (s)
Gper (0)V0
eee = − (3.17)
1 + Gc (0)Gv (0)Gp (0)
Gper (0)V0
eee = − (3.18)
1 + Ke
Se puede definir un error porcentual de la siguiente forma:
Gper (0)V0
eee = − 100 % (3.19)
1 + Ke
En este caso, al igual que en el anterior, si Ke >> 1 el error entre la salida y el valor
deseado tiende a cero, es decir que se elimina la influencia de la perturbación en estado
estacionario. Note que en este esquema el valor deseado es cero y la salida coincide con la
señal de error (ver figura 3.7, si R(s) = 0 ⇒ Y (s) = E(s)).
Sin embargo, como ya hemos mencionado anteriormente ganancias altas pueden dar
sistemas inestables a lazo cerrado. Para analizar esto en detalle, veremos sistemas reali-
mentados de primer, segundo y mayor orden cuando son realimentados con una ganancia
estática (Gc (s) = Kc ) también llamada control proporcional.
3.6. Sistemas realimentados de primer orden

Veamos en primer término, el caso en que Gp (s) es un sistema de primer orden dado
por la siguiente función de transferencia general:
τ1 s + 1
Gp (s) = Kp (3.20)
τ2 s + 1
Obsérvese que Kp = Gp (0) es la ganancia estática y τ1 , τ2 son constantes de tiempo.
Recuérdese también que la inversa de las constantes de tiempo (con signo cambiado) son
el cero y el polo del sistema respectivamente. Consideremos que existe una entrada de
perturbación V (s) afectando la salida del sistema. y que el controlador es una ganancia
estática del tipo: Gc = Kc según se muestra en la figura 3.8.
V(s) Ku
+
R(s) E(s) U(s) τ s+1 + Y(s)
+ + +
Kc Kv Kp
τ s+1
-
Figura 3.8: Sistema de primer orden realimentado con una ganancia.
Se debe determinar la función de transferencia de circuito cerrado y la respuesta a

un cambio escalón unitario en la entrada R(s) utilizando un controlador proporcional:
Gc = Kc . Consideramos que Gv (s) = Kv , y H(s) = 1. Entonces la función de transferencia
que vincula Y(s) con R(s) y V(s) está dada por:
Kc Kv Kpτ(τ2 s+1
1 s+1)
Ku
Y (s) = R(s) + V (s) (3.21)
1+ Kc Kv Kpτ(τ2 s+1
1 s+1)
1 + Kc Kv Kpτ(τ2 s+1
1 s+1)
Kc Kv Kp (τ1 s + 1) Ku (τ2 s + 1)
Y (s) = R(s) + V (s) (3.22)
τ2 s + 1 + Kc Kv Kp (τ1 s + 1) τ2 s + 1 + Kc Kv Kp (τ1 s + 1)
Kc Kv Kp Ku
1+Kc Kv Kp 1
(τ s + 1) 1+Kc Kv Kp 2
(τ s + 1)
Y (s) = (τ2 +Kc Kv Kp τ1 )s
R(s) + (τ2 +Kc Kv Kp τ1 )s
V (s) (3.23)
1+Kc Kv Kp
+ 1 1+Kc Kv Kp
+ 1
Si llamamos
Kc Kv Kp
Klc =
1 + Kc Kv Kp
3.6. SISTEMAS REALIMENTADOS DE PRIMER ORDEN 69
Ku
Kulc =
1 + Kc Kv Kp
y
τ2 + Kc Kv Kp τ1
τlc =
1 + K c K v Kp
Entonces
Klc (τ1 s + 1) Kulc (τ2 s + 1)

Y (s) = R(s) + V (s) (3.24)
τlc s + 1 τlc s + 1
Observemos que cada función de transferencia correspondiente a cada entrada posee el
mismo denominador, la ecuación caracterı́stica (ver 3.4), y que cada una continúa siendo
de primer orden. Esto es debido a que no hemos agregado al sistema de lazo cerrado
nuevas acumulaciones, y por lo tanto el número de estados es el mismo que en lazo
abierto. Observemos además que el cero permanece sin variación y que el polo de lazo
cerrado está dado por:
1 (1 + Kc Kv Kp )
s=− =−
τlc τ2 + Kc Kv Kp τ1
el cual es una función de Kc . Esto significa que el polo del sistema de lazo cerrado tendrá
un valor que depende de la ganancia del controlador. Notemos que si la ganancia del
controlador aumenta indefinidamente, la función de transferencia entre Y (s) y R(s) dada
por la ecuación (3.22) da la unidad, lo que significa que el polo de lazo cerrado y el cero
de lazo abierto se cancelan mutuamente en (3.24). Es decir Klc → 1 y τlc → τ1 . Además
Kulc → 0 lo cual indica que el lazo cerrado puede reducir significativamente el efecto de
la perturbación.
Para el sistema de primer orden:
!
1 V0 V0
eee = lı́m s τ s+1 eee = (3.25)
s→0 1 + Kc Kv Kp τ2 s+1 s
1
1 + K c Kv Kp
Para valores finitos de Kc existe un error de estado estacionario. Cuando Kc → ∞ entonces

eee → 0. El error de estado estacionario porcentual es:
1
eee = 100 (3.26)
1 + Kc Kv Kp
Lugar de las raı́ces

En base a lo que venimos analizando, consideremos un sistema cuya función de trans-
ferencia es
2s + 1
Gp (s) = (3.27)
5s + 1
La función de transferencia de lazo cerrado utilizando un control proporcional Kc está
dada por:
Kc (2s + 1)
Glc (s) = (3.28)
(5 + 2Kc )s + 1 + Kc
De esta expresión se obtiene que el cero de lazo cerrado es s = −0,5 y el polo de lazo
cerrado está dado por la siguiente expresión:
1 + Kc 1
s=− =
5 + 2Kc τlc
Podemos dibujar en el plano complejo de la variable s, la ubicación del polo y del cero a
medida que la ganancia del controlador Kc varı́a desde cero a infinito.
Esta función tiene un polo de lazo abierto en s = −0,2. En la figura 3.9 se muestra
este diagrama en donde puede observarse que el polo recorre toda una trayectoria para
cancelarse finalmente con el cero de lazo abierto según explicamos previamente. Las flechas
indican el corrimiento de la raı́z a medida que Kc aumenta. Con una cruz × se indica el
polo de lazo abierto (s = −0,2) y con un ◦ se indica el cero de lazo abierto (s = −0,5)
que coincide con el polo de lazo cerrado cuando Kc → ∞.
s = σ + jw jw
− , − , σ
Figura 3.9: Lugar de las raı́ces para Gp (s) = 2s + 1/(5s + 1).
A este tipo de diagramas lo llamamos lugar de las raı́ces y brinda información valiosa
sobre la trayectoria de los polos de lazo cerrado del sistema controlado. Se puede observar
que si el sistema de primer orden a lazo abierto y su inversa es estable, y la ganancia del
controlador es positiva, entonces el lazo cerrado siempre será estable ya que el polo del
sistema nunca se pasa al semiplano real positivo. Recordemos que si un polo está ubicado
en el semiplano real positivo, dará modos inestables (capı́tulo 2). Podemos concluir que
un sistema de primer orden, con polo y cero de lazo abierto estables, admite ganancias
muy elevadas sin que sea inestable.
En el caso que el cero está en el semiplano derecho, habrá un valor lı́mite de Kc que
hará que el polo de lazo cerrado se pase al semiplano derecho en su camino hacia el cero.
En este caso el sistema será inestable para valores de Kc mayores que ese valor lı́mite.
Otro aspecto de interés que debemos puntualizar es que si el cero del sistema se
encuentra en valores negativos muy grandes, a medida que el polo va a alcanzarlo cuando
se aumenta la ganancia, el sistema de lazo cerrado se hace más rápido. Esto es porque la
constante de tiempo del sistema de lazo cerrado se achica a medida que el polo se aleja
del origen (la constante de tiempo es la inversa negativa del polo o autovalor del sistema).
Esto pone en evidencia una propiedad muy importante de los sistemas realimentados que
consiste en aumentar la velocidad de respuesta dinámica.
3.6. SISTEMAS REALIMENTADOS DE PRIMER ORDEN 71
Por último observemos que la función de transferencia del sistema que corresponde a la
entrada de perturbación, se hace cero a medida que aumenta la ganancia del controlador,
sin que el sistema se torne inestable.
Ejemplo 3.1:
Veamos un ejemplo de un sistema cuya función de transferencia es de primer orden.
Supongamos que tenemos la estructura de control como en la figura 3.8 donde Kv = 1,
el controlador es un proporcional (Gc = Kc ) y las transferencias de la planta (Gp ) y de la
perturbación (Gv ) son:
2 0,75
Gp (s) = ; y Gv (s) = (3.29)
5s + 1 5s + 1
La función de transferencia de lazo cerrado será:
2Kc 0,75
1+2Kc 1+2Kc
Y (s) = 5 R(s) + 5 V (s) (3.30)
1+2Kc
s+ 1 1+2Kc
s+ 1
Veamos la respuesta al escalón para diferentes valores de Kc . En la figura 3.10 se
muestra la respuesta y(t) para una entrada escalón unitaria en el valor deseado r(t)
cuando varı́a Kc . Observe qué ocurre con el error de estado estacionario cuando aumenta
Kc .
1
0.9
Kc=6
0.8
0.7
0.6
Amplitud
0.5 Kc=2
0.4
Kc=1
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.10: Respuesta de y(t) para una entrada escalón en el valor deseado.
En la figura 3.11 se muestra la respuesta y(t) para una entrada de escalón unitaria de
la perturbación v(t). ¿Qué ocurre al aumentar la constante del controlador? Se observa
que al aumentar el valor de Kc disminuye el error de estado estacionario ante una entrada
escalón en el valor deseado, y se reduce el efecto de la perturbación. Debido a que el
sistema es estable con inversa estable, teóricamente podrı́a aumentarse el valor de Kc
hasta obtener un error en estado estacionario tan chico como se quiera, aunque esto
tiene limitaciones prácticas y tecnológicas (no es posible diseñar un amplificador con una
ganancia excesivamente alta por ejemplo).
0.25
Kc=1
0.2
0.15
Amplitud Kc=2
0.1
0.05
Kc=6
0
0 0.5 1 1.5 2 2.5
t (seg)
Figura 3.11: Respuesta de y(t) para una entrada escalón en la perturbación.
Nota: para graficar el lugar de raı́ces de una función de transferencia en Matlab

consulte la función rlocus.
3.7. Sistemas realimentados de segundo orden

Supongamos ahora tener un sistema de segundo orden de la forma:
Gp (s) = Kp /(T1 s + 1)(T2 s + 1)
que realimentamos con una ganancia Kc según se muestra en la figura 3.12. Se observa la
presencia de una perturbación que afecta a la salida.
V(s) Ku
+
R(s) E(s) U(s) Kp + Y(s)
+ + Kc (T s + 1)(T s + 1) +
-
Figura 3.12: Esquema realimentado de un sistema de segundo orden con control propor-
cional.
La ecuación de salida está dada a través de las siguientes relaciones funcionales:
Kc Kp 2
Y (s) = (T1 T2 )s2 +(T1 +T2 )s+(1+Kc Kp )
R(s) + Ku (T1 T2(T)s12T+(T
2 )s +(T1 +T2 )s+1
1 +T2 )s+(1+Kc Kp )
V (s) (3.31)
3.7. SISTEMAS REALIMENTADOS DE SEGUNDO ORDEN 73
Se observa que las funciones de transferencia de lazo cerrado son:

Y (s) Kc Kp
Glc = R(s)
= (T1 T2 )s2 +(T1 +T2 )s+(1+Kc Kp )
(3.32)
Y (s) 2
Glc = V (s)
= Ku (T1 T2(T)s12T+(T
2 )s +(T1 +T2 )s+1
1 +T2 )s+(1+Kc Kp )
La ecuación caracterı́stica es:
(T1 T2 )s2 + (T1 + T2 )s + (1 + Kc Kp ) = 0
Aquı́ observamos que las raı́ces del denominador o ecuación caracterı́stica, son de la
forma:
s 2
T1 + T2 T1 + T2 1 + Kc Kp
s1,2 = − ± − (3.33)
2T1 T2 4T1 T2 T1 T2
Es decir que la parte real se mantiene constante, para un T1 y T2 dados, pero la parte
imaginaria cambia según sea el valor de Kc . Un gráfico del lugar de raı́ces para este caso
se muestra en la figura 3.13.
jw
s = σ + jw
− / − / σ
Figura 3.13: Lugar de raı́ces de un sistema de segundo orden.
La parte imaginaria de las raı́ces tienden a +∞ y a −∞ para cancelarse con los ceros
del sistema a lazo abierto respectivamente. Los dos ceros de este sistema están desde luego
en el infinito de C. Puede parecer extraño que este sistema tenga ceros en infinito pero
notemos a la función de transferencia le podemos agregar en el numerador un término
(−T s + 1) con T → 0. Sin embargo este indica un cero en 1/T → ∞. De la misma forma
podemos agregar un término (T s + 1) en el numerador en el cual 1/T → −∞. En general,
si el denominador de la función tiene r raı́ces más que el numerador, habrá r ceros en ∞.
Al aumentar Kc habrá r polos que tienden a ∞.
Analizando la ecuacion 3.33 se pueden tener tres casos.
1. Si (T1 + T2 )2 − 4T1 T2 (1 + Kc Kp ) = 0 ⇒ 2 raı́ces reales negativas e iguales ⇔

1 (T1 +T2 )2
Kc = Kp 4T1 T2
−1
2. Si (T1 + T2 )2 − 4T1 T2 (1 + Kc Kp ) > 0 ⇒ 2 raı́ces reales negativas y distintas ⇔

2

Kc < K1p (T4T1 +T2 )
1 T2
− 1
3. Si (T1 + T2 )2 − 4T1 T2 (1 + Kc Kp ) < 0 ⇒ 2 raı́ces complejas conjugadas con parte real

negativa ⇔

1 (T1 +T2 )2
Kc > Kp 4T1 T2
−1
Generalmente a la ecuación caracterı́stica de segundo orden se la trata en forma nor-

malizada según la siguiente forma (Capı́tulo 2):
T1 + T2 1 + Kc Kp
s2 + s+ = s2 + 2ξωn s + ωn2 (3.34)
T1 T2 T1 T2
donde las raı́ces quedan expresadas como:
p
s1,2 = −ξωn ± ωn (ξ 2 − 1) (3.35)
Notemos que si ξ < 1 las raı́ces son complejas conjugadas dando modos oscilatorios
según se vio en el capı́tulo 2. Al valor ξ se lo denomina factor de amortiguamiento ya que
está relacionado con la atenuación de las oscilaciones. Si el factor de amortiguamiento es
cero, las oscilaciones son sostenidas. A medida que aumenta el factor de amortiguamiento
las oscilaciones se atenúan.
Podemos ver entonces que aumentando la ganancia del controlador, el sistema, aún sin
pasarse al semiplano derecho, puede oscilar en forma indeseable, puesto que el lugar de
raı́ces se desplaza hacia ξ menores, (oscilaciones más atenuadas), por lo que en este caso la
ganancia no puede aumentar en forma indefinida como en el caso de primer orden. En el
caso de sistema de segundo orden, necesariamente habrá un error de estado estacionario
cuando se utiliza un controlador con una ganancia estática (control proporcional). La
frecuencia ωn se denomina frecuencia natural del sistema, y es la que determina el periodo
de oscilación del sistema de lazo cerrado.
De la ecuacion 3.34 vemos que:
r
1 + Kc Kp T1 + T2
ωn = , ξωn = (3.36)
T1 T2 2T1 T2
En la figura 3.14 se muestra el lugar de raı́ces en función de ξ y ωn .
La respuesta al escalón de un sistema con raı́ces complejas está dado por:
√
e(−ξωn t) sen(ωn 1−ξ 2 t−ϕ)
y(t) = 1 + √
1−ξ2
donde (3.37)
√
1−ξ 2
ϕ = tan−1 −ξ
;
De la ecuación 3.37 se observa que:
1. −ξωn es la parte real de la raı́z, es decir e−ξωn es la envolvente de la respuesta

temporal independiente del valor de Kc .
p
2. ωd = ωn 1 − ξ 2 es la parte imaginaria de la raı́z, determina el perı́odo de oscilación
de la respuesta temporal.
3.7. SISTEMAS REALIMENTADOS DE SEGUNDO ORDEN 75
jw
±ω 1−
− / − / σ
−ξ ω
Figura 3.14: Lugar de raı́ces en función de ξ y ωn .
3. Las ganacias determinan el valor final de la respuesta (t → ∞, e−ξωn t → 0).
Recordar que, en el plano complejo, el factor de amortiguamiento relativo ξ de un par

de polos complejos conjugados está relacionado con el ángulo θ, que se mide a partir del
eje jω, tal como se muestra en la figura 3.15 con ξ = sen θ.
En otras palabras, la razón de amortiguamiento constante ξ tiene lı́neas radiales que
pasan por el origen, como se aprecia en la figura 3.15(b). Por ejemplo, un factor de amor-
tiguamiento relativo de 0.5 requiere que los polos complejos se encuentren sobre las lı́neas
dibujadas a través del origen, formando ángulos de ±60◦ con el eje real negativo. Si la
parte real de un par de polos complejos es positiva, lo cual significa que el sistema es ines-
table, la ξ correspondiente es negativa. El factor de amortiguamiento relativo determina
la ubicación angular de los polos, en tanto que la distancia del polo al origen la determina
la frecuencia natural no amortiguada ωn .
Figura 3.15: a) polos complejos, b) lı́neas de factor de amortiguamiento relativo constante

ξ.
Ejemplo 3.2:
Veamos un ejemplo, ahora de segundo orden, descrito por las siguientes funciones de
transferencia:
2
Gp (s) =
(3s + 1)(s + 1)
0,65
Gper (s) =
(3s + 1)(s + 1)
(3.38)
Donde Gp y Gper son las funciones de transferencia de la planta y de la perturbación

respectivamente. La función de transferencia del lazo cerrado es:
2Kc 0,65
(3s+1)(s+1) (3s+1)(s+1)
Y (s) = 2Kc
R(s) + 2Kc
V (s)
1 + (3s+1)(s+1) ) 1 + (3s+1)(s+1) )
2Kc 0,65
Y (s) = R(s) + V (s)
(3s2 + 4s + 1 + 2Kc ) 2
(3s + 4s + 1 + 2Kc )
Veamos la respuesta al escalón del sistema. Para ello analizamos que ocurre si ingresa
un escalón en el valor deseado y en la perturbación:
1.8
Kc=40
1.6 Kc=25
1.4 Kc=12
1.2
Amplitud
0.8
Kc=4
0.6
Kc=2
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.16: Respuesta temporal y(t) ante una entrada escalón unitario del valor deseado.
Notemos como al aumentar el valor de Kc , disminuye el error de estado estacionario

(ver figura 3.16), aumenta la velocidad de respuesta, y disminuye la influencia de la
perturbación en la salida (figura 3.17), sin embargo, el sistema se vuelve mas oscilatorio.
Si bien el sistema siempre es estable (ya que la parte real de los polos es siempre menor
a cero) las oscilaciones en el lazo de control son indeseadas.
3.8. SISTEMAS REALIMENTADOS DE TERCER ORDEN 77
0.16
0.14
0.12 Kc=2
0.1
Amplitud
0.08 Kc=4
0.06
0.04 Kc=12
Kc=25
0.02 Kc=40
0
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.17: Respuesta temporal y(t) ante una entrada escalón unitario en la perturbación.
En la figura 3.18 se muestra el lugar de las raı́ces del sistema. Cuando se cierra el lazo,
las raı́ces varı́an hasta alcanzar el punto medio entre los polos de lazo abierto. A partir de
este valor las raı́ces pasan a ser complejas, a medida que Kc aumenta la parte imaginaria
tiende a ± ∞.
Root Locus
0.4
0.3
0.2
Imaginary Axis
0.1
-0.1
-0.2
-0.3
-0.4
-1.2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2
Real Axis
Figura 3.18: Lugar de raı́ces de la función Gp = 2/(3s2 + 4s + 1).
3.8. Sistemas realimentados de tercer orden

Supongamos un sistema de tercer orden del tipo:
Kp
Gp (s) = ;
(T1 s + 1)(T2 s + 1)(T3 s + 1)
Kc Kp Ku
(T1 s+1)(T2 s+1)(T3 s+1) (T1 s+1)(T2 s+1)(T3 s+1)
Y (s) = R(s) + V (s)
1 + (T1 s+1)(TK2cs+1)(T
Kp
3 s+1)
1 + (T1 s+1)(TK2cs+1)(T
Kp
3 s+1)
con
Y (s) Kc Kp
= ;V = 0
R(s) (T1 T2 T3 )s + (T1 T2 + T1 T3 + T2 T3 )s2 + (T1 + T2 + T3 )s + 1 + Kc Kp
3
Y (s) Ku
= ;R = 0
V (s) (T1 T2 T3 )s + (T1 T2 + T1 T3 + T2 T3 )s2 + (T1 + T2 + T3 )s + 1 + Kc Kp
3
La ecuación caracterı́stica es:
(T1 T2 T3 )s3 + (T1 T2 + T1 T3 + T2 T3 )s2 + (T1 + T2 + T3 )s + 1 + Kc Kp = 0
Ejemplo 3.3:
Consideremos a modo de ejemplo la siguiente función de transferencia de la planta:
0,332
Gp (s) =
(s + 1)(0,5s + 1)(0,33s + 1)
En lazo abierto (Kc = 0) las raı́ces son: -1, -2, y -3. Considerando Kv = 1, la ecuación
caracterı́stica es:
0,165s3 + 0,995s2 + 1,83s + 1 + Kc Kp = 0 El lugar de raı́ces de este ejemplo obtenido con
Matlab se muestra en la figura 3.19. Se observa que al ser un sistema de tercer orden sin
ceros dos ramas del lugar de raı́ces cortan al eje imaginario en dos puntos, lo cual indica
que a partir de un determinado valor de Kc el sistema será inestable. El valor de Kc que
hace que las raı́ces estén sobre el eje imaginario es el máximo valor que puede tomar la
ganancia y en el ejemplo considerado es Kcmax = 30.
En la figura 3.20 se muestra la respuesta temporal y(t) para un escalón en el valor
deseado, del ejemplo de tercer orden, empleando diferentes valores de Kc . En la figura 3.21
se muestra la respuesta temporal y(t) para el caso de un escalón en la perturbación. Se
aprecia que al aumentar el valor de Kc , disminuye el error de estado estacionario, aumenta
la velocidad de respuesta, y disminuye el efecto de las perturbaciones. Se observa además
que al emplear el valor de la Kcmax el sistema oscila de manera sostenida y que al emplear
valores más elevados que la constante máxima el sistema se vueve inestable. Esto ocurre
porque los polos del sistema tienen parte real positiva cuando la ganancia del controlador
es superior al valor de Kcmax .
3.9. Sistemas realimentados de tercer orden con un

cero
En esta sección analizaremos un sistema de tercer orden que incluya un cero como el
caso del siguiente sistema:
3.9. SISTEMAS REALIMENTADOS DE TERCER ORDEN CON UN CERO 79
Root Locus
5
2
Imaginary Axis
-1
-2
-3
-4
-5
-8 -7 -6 -5 -4 -3 -2 -1 0 1
Real Axis
Figura 3.19: Lugar de raı́ces de la función Gp = 0,332/[(s + 1)(0,5s + 1)(0,33s + 1)].
3.5
3 Kc=35
2.5
2
Kc=10
Amplitud
1.5
0.5
-0.5 Kc=2
Kc=30
-1
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.20: Respuesta temporal y(t) ante una entrada escalón de valor deseado.
0.7
0.6
0.5 Kc=2
0.4
Amplitud
Kc=10
0.3
0.2
0.1
Kc=30 Kc=35
-0.1
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.21: Respuesta temporal y(t) ante una entrada escalón en la perturbación.
Kp (Ta s + 1)
Gp = (3.39)
(T1 s + 1)(T2 s + 1)(T3 s + 1)
Si al sistema lo realimentamos de manera unitaria con un controlador proporcional

Kc , la expresión de Y (s) resulta:
Kc Kp (Ta s + 1)
Y (s) = R(s) (3.40)
(T1 s + 1)(T2 s + 1)(T3 s + 1) + Kc Kp (Ta s + 1)
Donde la ecuación caracterı́stica es:
(T1 T2 T3 )s3 + (T1 T2 + T1 T3 + T2 T3 )s2 + (T1 + T2 + T3 + Kc Kp Ta )s + 1 + Kc Kp = 0
Nos podemos plantear la siguiente cuestión ¿El sistema de lazo cerrado es estable?:
Depende de la posición del cero respecto de los polos de la función de transferencia en
lazo abierto.
Retomemos el ejemplo anterior, y vamos a agregarle un cero. Analizaremos que ocurre
cuando variamos Ta , para ello consideremos que T1 , T2 , y T3 toman los valores 1, 1/2 y
1/3 respectivamente y Kc Kp = 1. Se observa en la figura 3.22 las variaciones significativas
que se producen en el lugar de raı́ces del sistema.
Note como a medida que el cero se aleja del origen hacia −∞ pierde influencia sobre
los polos del sistema produciendo que el lugar de las raı́ces pasen al semiplano derecho
del plano complejo.
3.10. SISTEMAS REALIMENTADOS DE ORDEN MAYOR QUE DOS 81
Ta =0.4 Ta =0.2
5 20
Imaginary Axis
10
0 0
-10
-5 -20
-4 -2 0 2 -6 -4 -2 0 2
Ta =0.15 Ta =0.1
40 40
Imaginary Axis
20 20
0 0
-20 -20
-40 -40
-10 -5 0 5 -15 -10 -5 0 5
Real Axis Real Axis
Figura 3.22: Lugar de raı́ces para distintos valores de Ta .
3.10. Sistemas realimentados de orden mayor que dos

En el caso general de sistemas realimentados de orden mayor que dos, la función de
transferencia de lazo cerrado tiene la forma general que se describe a continuación:
Qm0 Qm00 2 2
Y (s) j=1 (Tj s + 1) j=1 (s + 2ξj ωnj s + ωnj )
= Q 0 Q 00 (3.41)
R(s) n
(Ti s + 1) n (s2 + 2ξi ωni s + ω 2 )
i=1 i=1 ni
0 00 0
Donde m son los ceros reales; m son los ceros complejos conjugados; n son los polos
00
reales y n son los polos complejos conjugados. Cada uno de los polos del sistema de lazo
cerrado se mueven en el plano complejo a medida que aumenta el valor de Kc . El lugar
de raı́ces sigue ciertas reglas de comportamiento que podemos resumir en las siguientes:
Los polos de lazo cerrado se cancelan con los de lazo abierto del sistema a medida
de Kc → ∞.
Si Gp (s) tiene n polos, entonces el lugar de raı́ces tiene n ramas asintóticas, con
Kc > 0.
El lugar de raı́ces es simétrico respecto del eje real.
Ahora puede aplicarse el mismo razonamiento que en los casos de primer y segundo
orden vistos en las secciones precedentes para obtener el lugar de raı́ces de todo el conjunto.
Cómo en la mayorı́a de los casos, cuando aumenta la ganancia el sistema se torna inestable
(los polos del sistema pasan al semiplano real positivo dando los modos inestables). No es
posible aumentar excesivamente la ganancia del controlador. Esto hace que nos alejemos
de las condiciones ideales que establecimos en la ecuación 3.6. En consecuencia, el error
de estado estacionario será distinto de cero y se evidencia el compromiso entre estabilidad
y precisión para el diseño del controlador.
3.11. Efecto del tiempo muerto o demora

Supongamos que tenemos un sistema cuya función de transferencia tiene una demora,
es decir la entrada ingresa al sistema y la salida se manifiesta luego de un tiempo. Una
demora de L segundos puede representarse en el dominio de la variable s por el factor
e−Ls (compruebe ésto utilizando la propiedad de desplazamiento de la transformada de
Laplace). Entonces supongamos que la función de transferencia es:
Kp e−Ls
Gp = (3.42)
Ts + 1
Una manera de aproximar el término que contiene la demora es emplear la aproximación

de Padé de primer orden (Smith y Corripio, 1991):
−Ls 1 − 12 Ls
e = (3.43)
1 + 12 Ls
La función de transferencia se reduce a:
Kp (1 − 12 Ls)
Gp = (3.44)
(T s + 1)(1 + 12 Ls)
La función de transferencia del lazo cerrado es:
Kc Kp (1− 12 Ls)
(T s+1)(1+ 12 Ls)
Glc (s) = Kc Kp (1− 12 Ls)
(3.45)
1+ (T s+1)(1+ 21 Ls)
Entonces, la ecuación caracterı́stica es la siguiente:
1 1 1
T Ls2 + ( L + T − LKc Kp )s + 1 + Kc Kp = 0 (3.46)
2 2 2
Al aumentar Kc , el término lineal se hace negativo, entonces aparece una raı́z positiva.
Ejemplo 3.4:
Esquematicemos este hecho con un ejemplo, para ello consideremos el sistema con
demora:
2e−0,75s
Gp = (3.47)
5s + 1
Supongamos que lo realimentamos unitariamente con un controlador proporcional Kc . Si

variamos el valor de esta ganancia, su respuesta al escalón será:
3.11. EFECTO DEL TIEMPO MUERTO O DEMORA 83
K =6
c
1.5
1
Amplitud
0.5
Kc=5.5
0
Kc=2
-0.5
0 1 2 3 4 5 6 7 8 9 10
t (seg)
Figura 3.23: Primer orden con demora. Respuesta temporal al escalón en el valor deseado.
Utilizando la aproximación de Padé de primer orden (dada por la ecuación 3.43), el

lugar de las raı́ces del sistema realimentado será:
Root Locus
4
2
Imaginary Axis
-1
-2
-3
-4
-2 0 2 4 6
Real Axis
Figura 3.24: Lugar de raı́ces para el primer orden con demora.
La inestabilidad aparece en los sistemas con demoras debido al retardo que se produce
entre la acción de control y la medición de la misma.
En la mayorı́a de los casos analizados anteriormente hemos visto que aumentando la
ganancia del controlador el sistema tiende a ser inestable, es decir, los polos del sistema
pasan al semiplano real positivo dando modos inestables. Es decir que no es posible, en
la mayorı́a de los casos, aumentar excesivamente la ganancia del controlador. Esto hace
que nos alejemos de las condiciones ideales que establecimos en la ecuación 3.6. El error
de estado estacionario es distinto de cero, y se evidencia el compromiso entre estabilidad

y performance para el diseño del controlador.
3.12. Estabilidad de un sistema dinámico lineal

3.12.1. Determinación de la ganancia lı́mite
En las secciones anteriores hemos analizado fundamentalmente el control proporcional,
y hemos establecido el compromiso entre performance versus estabilidad. Hemos visto
que para tener precisión y rechazo a perturbaciones, es necesario tener una ganancia del
controlador grande, pero también se ha visto que aumentando la ganancia del controlador,
el sistema tiende a ser inestable.
Se está interesado en conocer cuál es la ganancia del controlador que torna al sistema
de lazo cerrado inestable, que denominaremos ganancia lı́mite Kcmax . Ésta provoca que el
sistema de lazo cerrado posea oscilación sostenida. Veamos cómo se puede obtener dicha
cantidad.
Los polos de lazo cerrado son las raı́ces de la ecuación caracterı́stica de lazo cerrado:
1 + G(s)Kc = 0
Donde G(s) incluye todas las funciones de transferencia del lazo excepto la ganancia del
controlador Kc . Nos interesa el valor de Kcmax que hace que el sistema esté en el lı́mite de
la estabilidad. Obtener el Kcmax consiste en determinar el valor de Kc que hace que algún
polo esté en el eje imaginario del plano s. Es decir que existirá algún ω = ωc que hace que
la ecuación caracterı́stica tenga alguna solución con parte real nula y parte imaginaria
igual a jωc . Luego para calcular el valor de Kcmax debemos resolver la siguiente ecuación:
−1
1 + G(jωc )Kcmax = 0 ⇒ G(jωc ) = (3.48)
Kcmax
Donde se ha cambiado s por jωc porque los polos (valores de s que hacen que la
ecuación caracterı́stica se iguale a cero) que nos interesan están sobre el eje imaginario.
Notemos que, para que las raı́ces de la ecuación caracterı́stica estén en el eje jω:
−1
Im {G(jωc )} = 0; Re {G(jωc } = (3.49)
Kcmax
1
|G(jωc )| = y ∠G(jωc ) = −180◦ (3.50)
Kcmax
Por lo tanto de estas dos ecuaciones podemos despejar el valor de ωc (altura a la cual
el lugar de raı́ces corta al eje imaginario) y el valor de Kcmax .
3.12.2. Criterio de estabilidad de Routh

Dado que la información sobre la estabilidad está dada por la ubicación que poseen los
polos de la ecuación caracterı́stica de lazo cerrado, existen varios métodos que permiten
detectar la presencia de polos en el semiplano derecho. Uno de los más populares es el
criterio de Routh que veremos a continuación.
Este criterio es de fácil aplicación y consiste en chequear dos condiciones para decir
que un sistema es estable: una es que todos los coeficientes del polinomio caracterı́stico
3.12. ESTABILIDAD DE UN SISTEMA DINÁMICO LINEAL 85
deben ser distintos de cero y del mismo signo. Esta es una condición necesaria pero no
suficiente. La segunda nos da la condición de suficiencia y consiste en realizar un arreglo
con los coeficientes y verificar ciertas condiciones.
El criterio de estabilidad de Routh nos dice si existen o no raı́ces con parte real
positiva en una ecuación polinomial, sin tener que obtenerlas en realidad. Este criterio de
estabilidad sólo se aplica a los polinomios con una cantidad finita de términos.
El procedimiento denominado criterio de estabilidad de Routh, es el siguiente:
Escribir el polinomio caracterı́stico en s de la siguiente forma:
d0 sn + d1 sn−1 + · · · + dn−1 s + dn = 0 (3.51)
donde los coeficientes son cantidades reales. Se supone que dn 6= 0, es decir, se ha
quitado cualquier raı́z igual a cero.
Si cualquiera de los coeficientes es cero o negativo en la presencia de por lo menos
un coeficiente positivo, hay una o más raı́ces que son imaginarias o que tienen parte
real positivas (primera condición ya mencionada anteriormente).
Si todos los coeficientes son positivos, agrupar los coeficientes del polinomio en filas
y columnas de acuerdo con el siguiente esquema:
sn d0 d2 d4 d6
sn−1 d1 d3 d5 d7
sn−2 e1 e2 e3 e4
sn−3 f1 f2 f3 f4
sn−4 g1 g2 g3 g4
.. .. ..
. . . . .
s2 h1 h2 . .
s1 i1 . . .
s0 j1 . . .
Los coeficientes e1 , e2 , . . . son calculados del siguiente modo:
d1 d2 −d0 d3
e1 = d1
d1 d4 −d0 d5
e2 = d1
d1 d6 −d0 d7
e3 = d1
···
La evaluación de ei continúa hasta que las restantes sean todas ceros. Se sigue de la
misma forma para las demás filas según:
e1 d3 −d1 e2
f1 = e1
e1 d5 −d1 e3
f2 = e1
e1 d7 −d1 e4
f3 = e1
···
Este proceso continúa hasta haber completado la n-ésima fila. El conjunto completo
de los coeficientes es triangular. El criterio de Routh entonces dice que la cantidad
de raı́ces del polinomio caracterı́stico con partes reales positivas es igual al número
de cambios de signo de los coeficientes de la primera columna del conjunto.
Veamos un ejemplo que clarifique el procedimiento.
Ejemplo 3.5:
Se desea saber cuándo un sistema de tercer orden con polinomio caracterı́stico de la
forma:
d0 s3 + d1 s2 + d2 s1 + d3 = 0 (3.52)
es estable. Para eso hallaremos la condición que deben cumplir los coeficientes para que
las raı́ces queden siempre en el semiplano izquierdo. La primera condición es que todos los
coeficientes sean mayores que cero. Para la segunda condición, el conjunto de coeficientes
del criterio queda como:
s3 d0 d2
s2 d1 d3
d1 d2 −d0 d3
s1 d1
.
s0 d3 .
La condición de que todas las raı́ces tengan parte real negativa está dada por: d1 d2 >
d0 d3 ; d0 > 0; d1 > 0; d2 > 0; d3 > 0.
Ejemplo 3.6:
Veremos ahora si la ecuación caracterı́stica dada por: s4 + 2s3 + s2 + 4s1 + 4 = 0 es
estable. Dado que todos los coeficientes son positivos, veremos el arreglo de Routh:
s4 1 1 4 0
s3 2 4 0 .
s2 −1 4 0 .
s1 12 0 . .
s0 4 0 . .
. 0 . . .
En este sistema hay dos raı́ces en el semiplano derecho del plano “s”, pues hay dos cambios
de signo.
Caso especial:
Si el término de la primera columna de cualquier renglón es cero, pero los términos
restantes no son cero, o no hay términos restantes, el término cero se sustituye con un
número positivo muy pequeño y se evalúa el resto del arreglo. Por ejemplo, considere la
ecuación: P (s) = s3 + 2s2 + s + 2 = 0 El arreglo de coeficientes es:
s3 1 1
s2 2 2
1
s ≈0
s0 2
3.13. Conclusiones
En este capı́tulo hemos presentado el sistema en lazo cerrado, y hemos estudiado las
ventajas de utilizar el control por realimentación. También hemos presentado el compro-
miso entre precisión y estabilidad para el diseño del controlador. Hemos visto el control
por realimentación más sencillo que se conoce que es el control proporcional, es decir,
cuando el controlador es sólo una ganancia estática. Este tipo de control fue analizado
para los casos de sistemas de primer, segundo y órdenes mayores. La evolución dinámica
del sistema de lazo cerrado queda dada por los polos de la ecuación caracterı́stica que fue-
ron analizados según el método del lugar de raı́ces. Hemos definido una medida del error
entre el valor deseado y el valor real de la variable controlada que es el error de estado
estacionario. Esta es una medida incompleta de la precisión, ya que sólo tiene en cuenta
el apartamiento de la variable respecto de su valor de estado estacionario. Una medida
más completa, además de considerar el error de estado estacionario, es tener en cuenta el
error producido en los transitorios. Esto conduce a controladores más elaborados, algunos
de los cuales se verán en este curso. Finalmente, se presentó el criterio de estabilidad de
Routh como una herramienta para conocer si un sistema en lazo cerrado será inestable a
partir de su ecuación caracterı́stica, sin la necesidad de calcular sus raı́ces.
3.14. Problemas
1. El proceso de intercambio de calor del ejemplo 1.3 se controla a lazo abierto según
la figura 3.1. Los parámetros del proceso son: C1 = C2 = 1 Kcal/◦ C ; R =
1◦ Cseg/Kcal.
w1 se mantiene constante en 1Kcal/◦ Cseg y las temperaturas de entrada se man-
tienen constantes en u1 = 30◦ C y u2 = 75◦ C.
El sistema se encuentra funcionando en estado estacionario con x1 = 45◦ C.
a)Calcular w2 de estado estacionario para las condiciones dadas.
b)Calcular el w2 necesario para que el valor de x1 en estado estacionario cambie a
50 ◦ C.
c)Simular el proceso con el w2 calculado en b). En la simulación el parámetro w2 se
cambia al nuevo valor en t = 10segs. y en t = 80segs. se añade una perturbación
escalón (no medible) a u1 .
Extraer conclusiones, en base a la simulación, sobre cómo la perturbación afecta a
este sistema de control. Proponga posibles soluciones.
2. Considérese el sistema de control que se muestra en la figura 3.7, donde la función

de transferencia de la planta Gp (s) está dada por la ecuación 2.32 y se usa un
controlador proporcional Gc (s) = Kc .
a) Determı́nese el error de estado estacionario para una entrada de referencia escalón
unitario (sin perturbación).
b) Supóngase que Gper (s) = Gp (s) en la figura 3.7 y obténgase el error de estado
estacionario para una entrada de perturbación escalón unitario y valor de referencia
cero.
3. Un sistema inercial con fuerza como entrada y desplazamiento como salida (es decir,
un integrador doble) tiene un lazo de realimentación positiva, lo que significa que
la fuerza aumenta en proporción al aumento del desplazamiento. Dibujar el lugar
geométrico de las raı́ces.
4. Un sistema de nivel de lı́quido mostrado en la figura 3.25 posee un control propor-
cional.
a) Determinar la matriz A del sistema de lazo cerrado con control proporcional
(ganancia kc ).
b) Determinar el rango de kc para que el sistema sea estable.
u
Kc
C1 C2
y=x3
x1 x2
R3
R2 R1
C3
x3
R4
5. Las funciones
Cap3de transferencia
Problema 4 siguientes se usan para aproximar una demora:
1− 12 Ls (Ls)2 −6Ls+12
G1 (s) = 1+ 21 Ls
, G2 (s) = (Ls)2 +6Ls+12
.
a) Obtener la respuesta al escalón de G1 y G2 .

b) Determinar el lugar geométrico de raı́ces de G1 (s) y G2 (s) con control propor-
cional.
6. Usando el criterio de Routh pruébese la estabilidad de un sistema representado por
la siguiente ecuación caracterı́stica:
s5 + 7s4 + 18s3 + 23s2 + 17s + 6 = 0

7. Un sistema cuya función de transferencia es:
1
G(s) =
s(T s + 1)(2s + 1)
se realimenta con un control proporcional Kc . Usando el criterio de Routh, encontrar
el valor de Kc para cada T que haga que el sistema de control esté en el lı́mite de
la estabilidad. Graficar en un plano Kc , T .
3.14. PROBLEMAS 89
8. Un proceso de reacción inversa
1 − 12 s
Gp (s) =
(1 + s)(1 + 12 s)
está bajo control proporcional. Obténgase :

a) Las condiciones del lı́mite de estabilidad.
b) Las condiciones para que el sistema tenga polos dobles de lazo cerrado.
c) Dibújese el lugar geométrico de las raı́ces.
9. En la respuesta temporal de los sistemas de segundo orden se define la relación de

atenuación r = A2 /A1 , donde A1 y A2 se muestran en la figura 3.26. La misma es
función del factor de amortiguamiento ζ:

√−2πζ
1−ζ 2
r=e
Dada la siguiente función de transferencia
1
G(s) =
(s + 1)(s + 3)
a) Realimentarla con un controlador proporcional kc y obtener el valor de kc tal que

r = 1/8, 1/4, 1/2.
b) Obtener el error de estado estacionario para los valores de kc hallados cuando se
aplica un escalón unitario al valor deseado R(s).
10. Simular el sistema del problema anterior para una entrada escalón unitario en el
valor deseado. Realizar la simulación para los valores de kc hallados y comprobar
los valores de la relación de amplitud por perı́odo y del error de estado estacionario.
Extraer conclusiones sobre los pro y los contra de ajustar el controlador proporcional
con cada uno de los valores de kc .
Step Response
Y(t)
0.5
Valor de
estado 0.4
estacionario Q)
"C
::1
0.3
E
<(
0.2
0.1
1 2 3 4 5 6 7 8
t
Capı́tulo 4
Respuesta en frecuencia
4.1. Introducción
En este capı́tulo se estudiará la respuesta en frecuencia de los sistemas dinámicos li-
neales e invariantes en el tiempo, que es una de las técnicas más populares para el análisis
y diseño de lazos de control de sistemas lineales. Una ventaja del enfoque de la respuesta
en frecuencia es que las pruebas necesarias son, en general, sencillas y pueden ser muy
precisas con el uso de generadores de señales senoidales que se obtienen con facilidad y un
equipo de medición preciso. En general, las funciones de transferencia de los componen-
tes complicados se determinan experimentalmente mediante pruebas de la respuesta en
frecuencia. El capı́tulo está organizado de la siguiente manera, comenzaremos por definir
la respuesta en frecuencia de un sistema lineal e invariante en el tiempo (LTI) causal.
Veremos su representación gráfica en diagramas logarı́tmicos y en diagramas polares. Con
estas herramientas estudiaremos la estabilidad y detallaremos el criterio de estabilidad de
Nyquist. Definiremos el margen de ganancia y el margen de fase, como una medida de
la estabilidad de un lazo de realimentación. Veremos el diseño de controladores más ela-
borados que el simple controlador proporcional. Las herramientas dadas en este capı́tulo
son indispensables para comprender los controladores industriales utilizados en control de
procesos que se verán en detalle en el capı́tulo 5.
4.2. Respuesta en frecuencia
Figura 4.1: Modelo de entrada-salida.
Por el término respuesta en frecuencia se entiende la respuesta en estado de régi-

men permanente (extinguidos los transitorios), de un sistema ante una entrada sinusoidal
(también en régimen permanente). Es decir, cómo se comporta el sistema ante entradas
sinusoidales de distinta frecuencia. Probaremos el hecho de que se pueden obtener las ca-
racterı́sticas de respuesta en frecuencia de un sistema evaluando la función de transferencia
91
92 CAPÍTULO 4. RESPUESTA EN FRECUENCIA
a lo largo del eje jω.
4.2.1. Respuesta de un sistema LTI ante entradas sinusoidales

En esta sección obtendremos la respuesta temporal de un sistema causal lineal e in-
variante en el tiempo (LTI) cuando se lo excita con una entrada sinusoidal. Para lo cual
estudiemos primero la respuesta de dicho sistema a una entrada exponencial compleja
dada por ejωt . Sea una entrada u(t) = ejωt la cual excita a un sistema g(t) LTI causal. La
respuesta temporal se puede obtener a través de la integral de convolución, ya estudiada
en el Capı́tulo 2:
Z +∞
y(t) = g(τ )ejω(t−τ ) dτ (4.1)
0
la cual se puede expresar de la siguiente manera:

Z +∞
y(t) = e jωt
g(τ )e−jω(τ ) dτ (4.2)
0
La expresión de la integral corresponde a la transformada de Laplace de la respuesta

al impulso L(g(t)) = G(s) si se considera s = jω:
y(t) = G(jω)ejωt (4.3)
G(jω) es una constante compleja cuyo valor depende de la frecuencia ω y que está rela-
cionada con la respuesta al impulso del sistema por la siguiente expresión:
Z +∞
G(jω) = g(τ )e−jω(τ ) dτ (4.4)
0
La exponencial compleja es una función propia del sistema LTI. Se denomina función
propia a una señal de entrada para la cual la salida temporal es dicha entrada multiplicada
por una constante (posiblemente compleja), ver ecuación 4.3.
Ahora consideremos que la entrada forzante es senoidal (es decir una suma de expo-
nenciales complejas) dada por:
1 jωt 1
u(t) = sen(ωt) = e − e−jωt (4.5)
2j 2j
La respuesta temporal se puede obtener a partir de la integral de convolución:
Z +∞
1 jω(t−τ ) 1 −jω(t−τ )
y(t) = g(τ ) e − e dτ (4.6)
0 2j 2j
la cual se puede expresar de la siguiente manera:
Z +∞ Z +∞
1 −jωτ 1
y(t) = ejωt g(τ )e dτ − e−jωt g(τ )ejωτ dτ (4.7)
2j 0 2j 0
Esta expresión queda:
1 jωt 1
y(t) = e G(jω) − e−jωt G(−jω) (4.8)
2j 2j
4.2. RESPUESTA EN FRECUENCIA 93
Las expresiones complejas G(jω) y G(−jω) se pueden expresar en función de su módulo

y fase (φ = ∠G(jω)):
1 jωt 1
y(t) = e |G(jω)|ejφ − e−jωt |G(−jω)|e−jφ (4.9)
2j 2j
Reordenando la expresión anterior y considerando que |G(jω)| = |G(−jω)|:

1 j(ωt+φ) 1 −j(ωt+φ)
y(t) = |G(jω)| e − e (4.10)
2j 2j
La expresión entre paréntesis corresponde a una señal senoidal de frecuencia ω y fase φ

de la siguiente forma:
y(t) = |G(jω)| sen(ωt + φ) (4.11)
G(jω) es la respuesta en frecuencia del sistema y de la ecuación 4.11 puede verse que
si un sistema LTI se fuerza con una onda senoidal, la respuesta temporal es una onda
senoidal con la misma frecuencia que la de la entrada. La amplitud y la fase de la onda
de salida se modificarán de acuerdo a la ecuación 4.11.
4.2.2. Respuesta de un sistema de primer orden

Veamos que ocurre si se tiene un sistema LTI de primer orden con la siguiente función
de transferencia:
kp
G(s) = (4.12)
Ts + 1
Si la entrada al sistema es sinusoidal con la siguiente forma:
u(t) = A0 sen(ωt) (4.13)
Entonces, de acuerdo a la ecuación 4.11, la salida de estado estacionario o permanente

puede ser expresada como:
yp (t) = A0 |G(jω)| sen(ωt + ∠G(jω)) (4.14)

la cual resulta en la siguiente expresión al reemplazar el módulo y la fase de G(jω)
A0 kp
yp (t) = √ sen(ωt − tg −1 (ωT )) (4.15)
1 + ω2T 2
La salida yp (t) es una señal sinusoidal de la misma frecuencia que la señal de en-
trada, pero de diferente amplitud y fase.
El cambio de amplitud y de fase dependen de la frecuencia, es decir, los valores de la

función de transferencia que modifican la señal sinusoidal de entrada son diferentes
para distintos valores de frecuencia.
Es decir que un sistema lineal e invariante en el tiempo sometido a una entrada sinu-
soidal, da como salida, después de extinguidos los transitorios, otra señal sinusoidal de la
misma frecuencia (ω) pero con amplitud y fase cambiadas (ver Figura 4.2). La amplitud
de la salida está afectada por el módulo de la función de transferencia cuando en ella se
Figura 4.2: Señales sinusoidales de entrada y salida.
reemplaza s por jω y el cambio de fase entre la sinusoide de entrada y la de salida está

dada por la fase de la función de transferencia para s = jω. Sobre esta base se tienen las
siguientes igualdades:

Y (jω)
|G(jω)| = ; ∠G(jω) = ∠ Y (jω) (4.16)
X(jω) X(jω)
Tanto el módulo como la fase de G(jω) son funciones de la frecuencia ω.
4.2.3. Respuesta de sistemas de orden mayor ante entradas si-

nusoidales
Consideremos una función de transferencia G(s) genérica, representada en la variable
s y supongamos también que puede escribirse como un cociente de polinomios:
n(s) n(s)
G(s) = = . (4.17)
d(s) (s + s1 )(s + s2 )...(s + sn )
Considerando que el proceso es sometido a una entrada de tipo sinusoidal, de la forma:
Aω
u(t) = Asen(ωt) −→ U (s) = (4.18)
s2 + ω2
Entonces la salida queda expresada como:
n(s) Aω
Y (s) = G(s)U (s) = (4.19)
d(s) s2 + ω 2
El estudio se limitará exclusivamente a sistemas LTI estables. Para estos sistemas
las partes reales de las raı́ces del polinomio d(s) tienen valores negativos, esto permitirá
analizar la respuesta en estado permanente del proceso y además se podrán suponer
condiciones iniciales nulas ya que se extinguen a medida que t 7→ ∞. Supongamos, sin
perdida de generalidad, que Y (s) tiene únicamente polos distintos, entonces el desarrollo
en fracciones parciales de la salida puede expresarse como:
n(s) Aω a ā b1 b2 bn
Y (s) = 2 2
= + + + + .... + (4.20)
d(s) s + ω s + jω s − jω s + s1 s + s2 s + sn
donde a y bi (con i = 1, 2, . . . n) son constantes y ā es el complejo conjugado de a. De este

modo y utilizando el principio de superposición se tiene que la salida puede ser expresada
en el dominio temporal como:
y(t) = ae−jωt + āe+jωt + b1 e−s1 t + b2 e−s2 t + ..... + bn e−sn t t≥0 (4.21)

Para un sistema estable las exponenciales asociadas a los si (con i = 1, 2, . . . n) tienden
a cero a medida que el tiempo supera el transitorio. Ası́ los únicos términos que perma-
necen en la respuesta permanente del sistema serán los dos primeros quedando entonces:
yp (t) = ae−jωt + āe+jωt t≥0 (4.22)

Resta ahora calcular los valores de la constantes a y ā.
Aω a ā
G(s) = + (4.23)
s2 +ω 2 s + jω s − jω
Con lo cual:

(s + jω)AωG(s)
a = lı́m (s + jω)Y (s) = lı́m (4.24)
s→−jω s→−jω (s2 + ω 2 )

AωG(s) AG(−jω)
a = lı́m =− (4.25)
s→−jω (s − jω) 2j
A |G(jω)| e−j∠G(jω)
a=− (4.26)
2j
De manera similar se tiene que:
A |G(jω)| e+j∠G(jω)
ā = lı́m (s − jω)Y (s) = (4.27)
s→+jω 2j
De este modo la salida permanente en el dominio transformado queda expresada como:
A |G(jω)| ej∠G(jω) e−j∠G(jω)

Yp (S) = − (4.28)
2j s − jω s − jω
Mediante la transformada inversa de Laplace se tiene que:
ej∠G(jω) ejωt + e−j∠G(jω) e−jωt

yp (t) = A |G(jω)| (4.29)
2j
yp (t) = A |G(jω)| sen(jωt + ∠G(jω)) (4.30)
Note que una vez extintos las diferentes componentes exponenciales transitorias, la
salida es una señal sinusoidal de igual frecuencia que la de entrada pero de diferente
amplitud y fase, de igual manera que ocurre con los sistemas de primer orden.
De las deducciones anteriores podemos destacar una serie de conclusiones, a saber:
La respuesta en frecuencia de un sistema lineal e invariante en el tiempo y estable

puede ser obtenida directamente reemplazando s por jω en la función de transferen-
cia (siempre que la región de convergencia de la transformada de Laplace contenga al
eje imaginario, note que esto siempre se cumple para sistemas LTI estables causales).
La respuesta en frecuencia es una función de ω, de manera que para cada frecuen-

cia, consiste en un número complejo, es decir módulo y fase, o parte real y parte
imaginaria.
Si no se tiene la función de transferencia, ya sea porque el sistema es complejo y

no se sabe cómo plantear los balances energéticos o por otras razones, entonces es
posible obtenerla en forma experimental. Esto consiste en aplicar ondas sinusoidales
a la entrada y medir la amplitud y la fase de la onda sinusoidal a la salida después
de extinguido el transitorio. Note que este método dependerá mucho de la calidad
de los datos obtenidos, es decir de que tan preciso sea el instrumento adquisidor de
las mediciones de salida y de que tan contaminada esté esta señal con ruido.
Ejemplo 4.1: Respuesta de un sistema LTI a una entrada periódica no sinu-

soidal
Supongamos que tenemos un sistema LTI y lo excitamos con una entrada perı́odica
como la onda cuadrada que se muestra en la figura 4.3. Si queremos conocer la salida no
podemos usar estrictamente la respuesta en frecuencia ya que la entrada no es una señal
sinusoidal pura. Sin embargo, es posible aproximar esta señal utilizando una combinación
lineal de señales sinusoidales relacionadas armónicamente cuya frecuencia fundamental es
ωf = 2π/T = 2π/2 = π, resultando en:
u(t)
−1 1 t[seg]
−1
Figura 4.3: Señal de entrada u(t).
X∞
u(t) = ak sen {(2k + 1)πt} (4.31)
k=0
donde
4
ak = k = 0, 1, ....∞. (4.32)
(2k + 1)π
Si como aproximación se consideran los primeros cuatro términos (esto equivale a truncar
la sumatoria en)
XN
N = 3; u(t) ≈ ak sen {(2k + 1)πt} , (4.33)
k=0
Entonces:

4 1 1 1
u(t) ≈ sen(πt) + sen(3πt) + sen(5πt) + sen(7πt) (4.34)
π 3 5 7
Si además la función de transferencia del proceso es:
1
G(s) = (4.35)
Ps + 1
se tiene que:
1
|G(jω)| ≈ p ; ∠G(jω) = − tan−1 (P ω) = Φ(ω) (4.36)
(P ω)2 +1
Por lo tanto la salida puede ser hallada como:
4 X
y(t) ≈ |G(jnπ)|sen(nπt + ∠G(jnπ)) (4.37)
π n=1,3,5,7
Supongamos que el polo del sistema está en s = −5, es decir P = 0,2, entonces reempla-
zando en 4.36 se tiene que:
y(t) ≈ π4 [0,95sen(πt + ∠G(j1)) + 0,23sen(3πt + ∠G(j3)) + (4.38)

+0,1sen(5πt + ∠G(j5)) + 0,05sen(7πt + ∠G(j7))] (4.39)
De esta manera queda caracterizada la salida cuando la entrada es aproximada con N = 3.

Es interesante observar que a medida que aumenta la frecuencia, por ejemplo si se agregan
coeficientes ak asociados a sinusoidales de mayor frecuencia, con lo que se tendrı́a una
mejor aproximación de u(t), la señal de salida del proceso prácticamente no se modifica.
A continuación en las figuras siguientes puede verse la comparación entre la señal de
entrada y la salida cuando se utilizan N = 3 y N = 14 coeficientes para aproximar la
señal de entrada.
2.5
u(t)
2 Aproximmación u(t), N=3
Aproximmación u(t), N=14
1.5
0.5
-0.5
-1
-1.5
0 1 2 3 4
segundos
Figura 4.4: Comparación de las aproximación de la señal u(t) para N = 3 y N = 14.

Respuesta a u(t)
6
Rta. con aprox. N=3
Rta. con aprox. N=14
4
-2
-4
0 1 2 3 4
Figura 4.5: Comparación de la respuestasegundos
del sistema cuando se utilizan las aproximaciones
para u(t).
En este ejemplo puede apreciarse la poca variación que se produce en la señal de

salida, cuando N aumenta, dado que la |G(jω)|, tiende a 0 a medida que la frecuencias
de las sinusoidales que componen la señal u(t) aumenta. En la próxima sección se verán
algunos diagramas de la respuesta en frecuencia que facilitan la comprensión de este tipo
de análisis.
4.3. Representación Gráfica de la Respuesta en Fre-

cuencia
La respuesta en frecuencia de un sistema es, como se vio en las secciones anteriores,
un número complejo cuyo valor (módulo y fase) varı́a para cada valor de frecuencia.
Para algunas aplicaciones es cómodo y sencillo hacer un análisis del sistema a través de
un gráfico que represente la respuesta en frecuencia del sistema. Aquı́ estudiaremos dos
maneras de hacer ésto que son el diagrama de Bode, donde el módulo y la fase se grafican
por separado y el diagrama de Nyquist que es un diagrama polar donde módulo y fase se
grafican en un mismo par de ejes.
4.3.1. Diagrama logarı́tmico o Diagrama de Bode

Un diagrama de Bode consta de dos trazados: uno es un diagrama del logaritmo del
módulo de una función de transferencia escrita en función de la frecuencia (G(jω)), y el
otro es un diagrama de la fase. Ambos son representados en función de la frecuencia en
escala logarı́tmica. Frecuentemente, el módulo se lo representa en decibeles. La transfor-
mación de los valores de módulo ρ en decibeles (Db) está dada por: 20 log(ρ), de esta
manera un valor de ρ = 10 son 20Db, un valor de ρ = 100 son 40Db, etc. No hay razón
fı́sica alguna para usar la unidad decibel para expresar el módulo en el diagrama de Bode.
Una escala logarı́tmica puede usarse sin convertir el módulo a decibeles, es solo una cues-
tión de escala (ver figura 4.6). La utilidad de usar diagramas logarı́tmicos radica en que
la respuesta en frecuencia de un producto de funciones de transferencia puede obtenerse
sumando los diagramas de Bode de cada función por separado. Esto es posible puesto
que en una escala logarı́tmica los productos se transforman en sumas. Otra ventaja del
diagrama de Bode es que con la escala de frecuencias logarı́tmicamente espaciadas, la
respuesta en frecuencia de sistemas lineales puede obtenerse por trazado de ası́ntotas.
4.3. REPRESENTACIÓN GRÁFICA DE LA RESPUESTA EN FRECUENCIA 99
log | ( )| | ( )|
2 100
1 10
0 1
−1 0.1
−1 0 1 2 log
0.1 1 10 100
Figura 4.6: Equivalencia de la escala Logarı́tmica.
Esta aproximación, mediante ası́ntotas (lı́neas rectas), es suficiente si sólo se necesita

información general sobre la caracterı́stica de la respuesta en frecuencia. Si se desea obte-
ner curvas exactas, es fácil corregir las curvas asintóticas. Es muy provechoso ampliar el
rango de frecuencias bajas mediante el uso de una escala logarı́tmica, dado que las carac-
terı́sticas de las frecuencias bajas son lo más importante en los sistemas prácticos. Aunque
no es posible graficar las curvas hasta una frecuencia cero, debido a que (log0 = −∞),
esto no significa un problema serio.
Con estas ventajas, sólo basta aprender a trazar los elementos básicos constitutivos de
una función de transferencia para poder trazar el diagrama de Bode de cualquier función
de transferencia. Estos elementos básicos constitutivos de una función de tranferencia los
veremos a continuación.
Como se planteó antes, la ventaja principal de usar una traza logarı́tmica es la facilidad
relativa de graficar las curvas de la respuesta en frecuencia. Los factores básicos que suelen
ocurrir en una función de transferencia arbitraria son:
1. Ganancia K.
2. Factores integrales s−1 , o derivativos s.
3. Factores de primer orden (1 + sT )±1 .
4. Factores cuadráticos [1 + 2ξ(s/ωn ) + (s/ωn )2 ]±1 .
5. Factor demora e−sL
Una vez que nos familiarizamos con las trazas logarı́tmicas de estos factores básicos, es
posible utilizarlas con el fin de construir una traza logarı́tmica compuesta para cualquier
forma de G(jω). Una manera de hacerlo es factorizando la función de transferencia G(s) en
elementos básicos, trazando las curvas para cada factor y agregando curvas individuales en
forma gráfica, ya que agregar los logaritmos de las ganancias corresponde a multiplicarlos
entre sı́. El proceso de obtener la traza logarı́tmica se simplifica todavı́a más mediante
aproximaciones asintóticas para las curvas de cada factor. Si es necesario, es fácil hacer
correcciones a una traza aproximada, con el fin obtener una precisa.
La ganancia K:
G(jω) = K
La constante K es invariante en frecuencia, y se tiene:
log |G(jω)| = log(|k|) (4.40)

∠G(jω) −→ 0
−→ −180 (4.41)
El efecto de variar la ganancia K en la función de transferencia es que sube o baja

la curva de magnitud logarı́tmica de la función de transferencia en la cantidad constante
correspondiente, y el aporte de fase también es constante y puede ser cero (en este caso
no afecta la curva de fase) o 180◦ .
Bode Diagram
1
10
Ganancia positiva
Magnitude (abs)
Ganancia negativa
0
10
-1
10
180
Phase (deg)
90
-90
-180 0 1
10 10
Frequency (rad/sec)
Figura 4.7: Diagrama de Bode para el caso de K = ±1.
Los factores integrales y derivativos (jω)±1 :
Si G(jω) = 1/(jω) entonces se tiene que:
1
|G(jω)| = (4.42)
ω
∠G(jω) = 0 − tan−1 (ω/0) = 0 − 90 = −90 (4.43)
En cambio, si G(jω) = (jω) entonces:
|G(jω)| = ω (4.44)
∠G(jω) = tan−1 (ω/0) = 90 (4.45)
En las trazas de Bode, las razones de frecuencia se expresan en términos de octavas o

décadas. Una octava es una banda de frecuencia de ω1 a 2*ω1 , en donde ω1 es cualquier
frecuencia. Una década es una banda de frecuencia de ω1 a 10 ∗ ω1 , en donde, otra vez, ω1
es cualquier frecuencia. (Note que cualquier razón de frecuencia determinada se representa
mediante la misma distancia horizontal. Por ejemplo, la distancia horizontal de ω = 1 a
ω = 10 es igual a la de ω = 3 a ω = 30.)
Notemos que si G(jω) = (jω) 1
entonces log(|G(jω)|) = log(ω −1 ) = −log(ω). Si se grafi-
ca log(|G(jω)|) versus ω en escala logarı́tmica entonces se obtiene una recta de pendiente
-1 (ver figura 4.8). Es decir, si ω1 = 10 y ω2 = 100 (aumenta 1 década la frecuencia)
entonces el cambio en el logaritmo del módulo se obtiene de la siguiente manera:

1 1
log(|G(jω2 )|) − log(|G(jω1 )|) = log( ) − log(
j10 )
(4.46)
j100

1
) − log( 1 ) = −log(100) + log(10) = −2 + 1 = −1

log( (4.47)
100 10
Bode Diagram
1
10
Magnitude (abs)
(j)-1
0
10 j
-1
10
180
Phase (deg)
90
-90
-180 0 1
10 10
Frequency (rad/sec)
Figura 4.8: Diagrama de Bode de (jω ±1 ).
Es fácil observar que las diferencias en las respuestas en frecuencia de los factores 1/jω
y jω estriban en los signos de las pendientes de las curvas de magnitud logarı́tmica y en
los signos de los ángulos de fase. Si la función de transferencia contiene el factor (1/jω)n
o (jω)n la magnitud logarı́tmica se convierte, respectivamente, en:
Para (1/jω)n :
log(|(1/jω)n |) = −nlog(|jω|) = −nlog(ω) (4.48)
∠(1/jω)n = n(0 − tan−1 (ω/0) = −n90 (4.49)
Para (jω)n :
log(|(jω)n |) = nlog(|jω|) = nlog(ω) (4.50)
∠(jω)n = n(tan−1 (ω/0) = n90 (4.51)
Los factores de primer orden (1 + jω)±1 :

1
Si G(jω) = 1+jωT
entonces se tiene que:

1 1
1 + jωT = √1 + ω 2 T 2 (4.52)

1
= −tan−1 (ωT )
∠ (4.53)
1 + jωT
Notemos que para las frecuencias bajas tales que ω << 1/T , la amplitud se aproxima
asintóticamente a la unidad (cero Db), y que para frecuencias altas tales que ω >>
1/T , la amplitud se aproxima asintóticamente a (1/ωT ), es decir que si el gráfico es
en escala logarı́tmica, para altas frecuencias la amplitud decae con pendiente -1 y si
está en Db, corresponde a -20Db por década de frecuencia. Esto puede comprobarse
inmediatamente realizando el log(1/ωT ) y obteniendo la derivada de éste respecto del
log(ω). Una representación de diagrama de Bode de este sistema se muestra en la figura
4.9. A la frecuencia cero el ángulo de fase es cero, a la frecuencia ω = 1/T , la fase es
de -45 grados, y en infinito, la fase vale -90 grados. Se puede calcular el error que se
produce al trazar el diagrama por ası́ntotas. De esta manera puede trazarse por un lado
el diagrama de magnitud mediante las ası́ntotas. Por otro lado para el diagrama de fase,
puede utilizarse una aproximación mediante una recta de pendiente −45◦ /década, que
cruza a la curva verdadera en ω = 1/T .
Bode Diagram
0
10
Magnitude (abs)
-1
10
-2
10
0
Phase (deg)
-30
-60
-90
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
Figura 4.9: Curva de logarı́tmo de la amplitud, junto con ası́ntotas y ángulo de fase de
(1 + jωT )−1 , con 1/T = 3.
El mismo análisis puede ser realizado para G(jω) = (1 + jωT ), en este caso se tiene
que:
p
|G(jω)| = 1 + (ωT )2 ∠G(jω) = tan−1 (ωT ) (4.54)
El diagrama de amplitud y fase y la aproximación por ası́ntotas puede verse en la
figura 4.10.
Bode Diagram
2
10
Magnitude (abs)
1
10
0
10
90
Phase (deg)
45
0
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
Figura 4.10: Curva de logarı́tmo de la amplitud, junto con ası́ntotas y ángulo de fase de
(1 + jωT ), con 1/T = 3.
La función de transferencia 1/(1 + jωT ) tiene la caracterı́stica de un filtro paso-bajas.

Para frecuencias arriba de ω = 1/T , la magnitud logarı́tmica disminuye rápidamente
hacia −∞. Esto se debe, en esencia, a la presencia de la constante de tiempo. En el
filtro paso-bajas, la salida sigue fielmente una entrada senoidal a frecuencias bajas. Pero,
para frecuencias altas, la amplitud de la salida tiende a cero y el ángulo de fase de la
salida tiende a −90o . En este caso, si la función de entrada contiene muchos armónicos,
los componentes de baja frecuencia se reproducen fielmente en la salida, en tanto que los
componentes de alta frecuencia se atenúan en amplitud y cambian en fase. Por tanto,
un elemento de primer orden produce una duplicación exacta, o casi exacta, sólo para
fenómenos constantes que varı́an lentamente.
Los factores cuadráticos:
Los sistemas frecuentemente poseen factores cuadráticos de la forma: [1 + 2ξ(s/ωn ) +

(s/ωn )2 ]±1 . Si ξ > 1, se puede expresar este factor cuadrático como el producto de dos de
primer orden con polos reales. Si 0 < ξ < 1, este factor cuadrático es el producto de dos
factores complejos conjugados. Las aproximaciones asintóticas a las curvas de respuesta
de frecuencia, son muy poco exactas para un factor con valores bajos de ξ. Esto se debe
a que la magnitud y la fase del factor cuadrático dependen de la frecuencia natural del
sistema (ωn ) y del factor de amortiguamiento relativo ξ. La respuesta en frecuencia del
sistema de segundo orden dado por:
1
G(jω) = (4.55)
[1 + 2ξ(jω/ωn ) + (jω/ωn )2 ]
y se puede observar en la figura 4.11 para distintos valores del factor de amortigua-
miento ξ. El módulo de la respuesta en frecuencia de este sistema está dado por:
1 1
= p (4.56)
|[1 + 2ξ(jω/ωn ) + (jω/ωn )2 ]| (1 − (ω/ωn )2 )2 + (2ξ(ω/ωn ))2
Figura 4.11: Curva de logaritmo de la amplitud, junto con ası́ntotas y ángulo de fase del
factor cuadrático.
Se puede tener una curva de respuesta en frecuencia asintótica del módulo, al igual que
en los casos anteriores, observando que para frecuencias bajas respecto de la frecuencia
natural (ω ωn ), la ası́ntota es una lı́nea horizontal en el valor uno (cero en Db), y que
para frecuencias mucho mayores que la natural (ω ωn ), la ası́ntota es una recta con
pendiente -2, o -40Db por década. La ası́ntota de altas frecuencias corta a la de bajas
frecuencias en ω = ωn . Cerca de la frecuencia natural se produce un pico de resonancia,
en donde el factor de amortiguamiento ξ cumple un papel determinante.
El ángulo de fase del factor cuadrático está dado por:
" ω
#
2ξ

1 ωn
∠ = − tan−1 (4.57)
[1 + 2ξ(jω/ωn ) + (jω/ωn ) ]2 1 − ωω22
n
Un diagrama simétrico al de la figura 4.11 se tiene si se considera un factor cuadrático

numerador.
Factor demora, retardo o tiempo muerto: El factor demora está dado

por:
G(jω) = e−jωL (4.58)
Claramente puede verse que el módulo de esta función es siempre la unidad, y que la fase
está dada por −ωL. Note que, si se representa la escala de ω de manera lineal esta gráfica
es una recta, sin embargo si el eje es logarı́tmico, quedara una gráfica como la de la figura
4.12.
Figura 4.12: Diagrama de Bode de una demora con L = 1.
Procedimiento general para trazar curvas logarı́tmicas de res-

puesta en frecuencia:
El procedimiento para trazar un diagrama logarı́tmico de respuesta en frecuencia de

un sistema cualquiera, consiste en considerar por separado los distintos factores que com-
ponen al sistema. Como tratamos con sistemas lineales a parámetros concentrados las
funciones de transferencia serán siempre racionales, es decir cocientes de polinomios de
la variable s que podrán estar afectados por una demora e−Ls . Podremos siempre por
lo tanto factorizar a la función de transferencia en factores como los vistos y trazar las
respuestas en frecuencia de cada uno como se ha explicado. Notemos que siempre las pen-
dientes de las ası́ntotas de módulo serán 0, ±1 o ±2. Finalmente se suman las respuestas
en frecuencia de cada factor para obtener la respuesta en frecuencia total del sistema.
Como se dijo, éste es uno de los motivos para trabajar con diagramas logarı́tmicos para el
módulo, puesto que el producto de los módulos queda convertido en una suma al tratar-
los logarı́tmicamente. Al sumar las ası́ntotas de los módulos tendremos un diagrama de
ası́ntota total cuya pendiente podrá valer 0, ±1, ±2 o combinaciones de ellas, ya que será
una suma de las mismas. Los puntos donde la ası́ntota cambia de pendiente se llaman
puntos de quiebre y a esas frecuencias se las llama frecuencias de quiebre o de corte.
Por otra parte, las fases se suman debido a que la fase del producto de dos funciones
complejas es la suma de las fases de cada una de ellas.
En Matlab se obtiene el diagrama de bode de una función de transferencia G empleando
el comando bode(G).
Sistemas de fase mı́nima y de fase no mı́nima:
Las funciones de transferencia que no tienen polos ni ceros en el semiplano derecho

del plano s son funciones de transferencia de fase mı́nima, en tanto que las que tienen
polos y/o ceros en el semiplano derecho del plano s, aunque sea uno, son funciones de
transferencia de fase no mı́nima. Para un sistema de fase mı́nima, el ángulo de fase en

ω = ∞ se convierte en −90 ∗ (q − p), donde p y q son los grados de los polinomios del
numerador y el denominador de la función de transferencia, respectivamente. Para un
sistema de fase no mı́nima, el ángulo de fase en ω = ∞ difiere de −90 ∗ (q − p).
En cualquier sistema, la pendiente de la curva de magnitud logarı́tmica en ω = ∞ es
igual a −1(q − p)/década. Por lo tanto, es posible detectar si el sistema es de fase mı́nima,
si se examinan tanto la pendiente de la ası́ntota de alta frecuencia de la curva de magnitud
logarı́tmica, como el ángulo de fase en ω = ∞. Si la pendiente de la curva de magnitud
logarı́tmica, conforme ω tiende a infinito, es −1(q − p)/década y el ángulo de fase es igual
a −90 ∗ (q − p), el sistema es de fase mı́nima.
Los sistemas que no presentan estas caracterı́sticas son:
Sistemas con tiempo muerto.
Sistemas con respuesta inversa (ceros positivos).
Sistemas de circuito abierto inestable (polos positivos), por ejemplo, algunos reac-
tores quı́micos exotérmicos o un péndulo invertido.
En la figura 4.13 se muestra el diagrama de Bode de dos sistemas de primer orden con un
cero, uno de fase mı́nima (con cero en el semiplano izquierdo) y otro de fase no mı́nima
(con cero en el semiplano derecho). En Bode
mbosDiagram
casos, el módulo es unitario para todas las
frecuencias:
Magnitude (abs)
1 + jωT 1 − jωT
G1 (jω) = ; G2 (jω) = ; 0 < T1 < T (4.59)
1 + jωT1 1 + jωT1
45
0
Phase (deg)
-45
G1(j)
-90
G2(j)
-135
-180
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Figura 4.13: Fase de G1 y G2
Si un sistema es de fase mı́nima, entonces dado el módulo de la respuesta en frecuencia,

es posible hallar en forma unı́voca la fase del mismo y viceversa, en cambio si el sistema
es de fase no mı́nima, dado el módulo, no es posible hallar en forma unı́voca la fase. Por
ejemplo, si a un sistema lo multiplicamos por un factor de fase no mı́nima (-Ts+1)/(Ts+1)
no el cambiamos el módulo pero le modificamos la fase.
4.3.2. Diagramas polares

El diagrama polar, o también llamado diagrama de Nyquist, de la respuesta en fre-
cuencia de una función G(jω) consiste en un diagrama de la amplitud y del ángulo de fase
en coordenadas polares al variar ω desde cero a infinito. Posee la desventaja que no puede
trazarse por ası́ntotas como en el caso del diagrama de Bode, pero tiene la ventaja de
representar la respuesta en frecuencia del sistema en un solo diagrama. Debe notarse que
la frecuencia no aparece explı́icitamente en este diagrama, si no en forma paramétrica.
Una forma fácil de trazar un diagrama polar es construyendo el diagrama de Bode por
ası́ntotas y luego en base a éste dibujar el diagrama polar.
Factores (jω)±1 :
El diagrama polar de un integrador es el eje imaginario negativo ya que si G(jω) =

1/jω, se tiene que:
G(j0) = ∞∠ − 90◦
G(j∞) = 0∠ − 90◦
La traza polar se observa en la figura 4.14 a. Luego, la traza polar de un factor derivativo
es el eje imaginario positivo. El análisis es análogo al del factor integral (ver figura 4.14
b).
Im Im
0
Re ∞
=∞
0
Re
0
=0
(a) (b)
Figura 4.14: Traza polar de (jω)±1 .
Factores (1 + jωT )±1 :
Analicemos primero el caso de un polo simple:
1
G(jω) = (4.60)
1 + jωT
entonces, se tiene que se puede escribir la función de transferencia como:

1 1 − jωT 1 −ωT
G(jω) = = 2
+j = X + jY (4.61)
1 + jωT 1 − jωT 1 + (ωT ) 1 + (ωT )2
Luego notemos que:

2 2
2 2 1 −ωT
(X − 1/2) + Y = − 1/2 +
1 + ω2T 2 1 + ω2T 2
(1 − ω 2 T 2 )2 ω2T 2
= +
4(1 + ω 2 T 2 )2 (1 + ω 2 T 2 )2
1 + 2ω 2 T 2 + (ω 2 T 2 )2
= = 1/4
4(1 + ω 2 T 2 )2
Es decir, la gráfica de G(jω) es una circunferencia de radio 1/2 centrada en 1/2. Luego,
si analizamos G(jω) para 0 < ω < ∞ la gráfica será la parte inferior del semicı́rculo.
Algunos valores particulares para G(jω):
G(j0) = 1∠0◦
√
G(j1/T ) = 1/ 2∠ − 45◦
G(j∞) = 0∠ − 90◦
De esta manera se obtiene el gráfico que se muestra en la figura 4.15.
Im
0 0,5 =0
Re
=∞
= 1/
Figura 4.15: Traza polar de (1 + jωT )−1 .
Supongamos ahora que tenemos un cero simple, entonces la función de transferencia

será G(jω) = 1 + jωT . Notemos que al variar 0 < ω < ∞ la parte real siempre vale uno
y la parte imaginaria aumenta su valor conforme lo hace ω. De esta manera se obtiene el
gráfico de la figura 4.16.
Im
∞
=0
Re
0 1
Figura 4.16: Traza polar de (1 + jωT ).
Factores cuadráticos
Analicemos el caso de un factor cuadrático en el denominador:

1
G(jω) = ξ>0 (4.62)
1 + 2jξ(ω/ωn ) + (jω/ωn )2
entonces se tiene que:
G(j0) = 1∠0◦
G(j∞) = 0∠ − 180◦
(4.63)
La forma exacta de una traza polar depende del valor del factor de amortiguamiento
relativo ξ, pero la forma general de la traza es igual tanto para el caso subamortiguado
(0 < ξ < 1) como para el caso sobreamortiguado (ξ > 1), ver figura 4.17.
Notemos que si 0 < ξ < 1 se tiene que G(jωn ) = 2ξ1 ∠ − 90 y entonces la gráfica polar
cortará al eje imaginario negativo en 2ξ1 . En cambio, para el caso sobreamortiguado, ξ toma
valores bastante mayores que la unidad y la intersección de la gráfica con el eje imaginario
se aproxima al origen, generando un gráfico que se aproxime a una circunferencia (como
en el caso de un polo simple). Esto es coherente ya que para un sistema fuertemente
amortiguado las raı́ces son reales y una es mucho mayor que la otra. Para este tipo de
sistemas el efecto de la raı́z más pequeña predomina sobre la otra y por ende el sistema
tiende a comportarse como uno de primer orden.
Demora
Un sistema con una demora pura de L segundos puede escribirse como G(jω) =
e−jωL . Observemos que el módulo de esta función de transferencia es uno para todas
las frecuencias y su fase es una función lineal de ω. Es decir, a medida que aumente la
frecuencia, la fase aumentará. Recuerde que una fase de 360◦ equivale a una fase de 0◦ ,
por lo tanto la gráfica será un cı́rculo de radio uno, centrado en el origen, ver figura 4.18.
Figura 4.17: Traza polar del factor cuadrático.
|G(jω)| = 1 ∀ω
∠G(jω) = ωL
Im
=0
0
Re
1
aumento
Figura 4.18: Traza polar de la demora.
Demora y primer orden, comparación
Para frecuencias bajas, el retardo e−jωT y el atraso de primer orden 1/(1 + jωT ) se
comportan en forma similar ya que ambos son tangentes entre sı́ en ω = 0 (ver figura
4.19).
Im
=∞ =0
0
Re
aumento región de baja

frecuencia
(1 + )
Figura 4.19: Traza polar de un retardo y un primer orden.
4.3.3. Criterio de estabilidad de Nyquist

En una forma preliminar e intuitiva podemos dar ciertas condiciones para que un lazo
de control sea estable. Supongamos tener un sistema a lazo cerrado controlado por un
control de tipo proporcional como se muestra en la figura 4.20.
Figura 4.20: Sistema de control proporcional.
Ahora, supongamos que al sistema lo excitamos desde el valor deseado con una onda
sinusoidal de una frecuencia ωc tal que el sistema de lazo abierto posea, a esa frecuencia,
una retardo de fase de -180 grados. Se aprecia en la figura 4.20 que la ganancia del lazo a
esa frecuencia ωc está dada por Kc |G(jωc )|. Tres son las posibilidades de las oscilaciones
del lazo. Una es que la ganancia del lazo abierto a esa frecuencia sea menor que la unidad,
en cuyo caso la onda se atenuará hasta extinguirse (este caso corresponde a un sistema
estable a lazo abierto). Otra cosa que puede ocurrir es que si la ganancia del lazo a esa
frecuencia es mayor que la unidad, la sinusoide se amplifique y crezca indefinidamente
(el sistema es inestable). Una tercera posibilidad, es cuando la ganancia es unitaria, en
tal caso la sinusoide se mantiene y el sistema está en el lı́mite de la estabilidad. Esta
explicación conduce a establecer que la condición para que un sistema en lazo cerrado sea
estable es que a la frecuencia ωc (frecuencia a la cual el sistema en lazo abierto produce
un retardo de fase de -180 grados) llamada frecuencia crı́tica, la ganancia del lazo debe
ser menor que la unidad. Sin embargo debemos demostrar que esta condición derivada en
forma intuitiva es correcta. Para ello se presenta el denominado criterio de estabilidad de
Nyquist.
Para analizar la estabilidad de los sistemas de control lineales, se elije un contorno
cerrado en el plano complejo s que encierre todos los polos y ceros que tengan parte real
positiva, es decir que M sea más grande que el mayor módulo de todos los polos y ceros
que estén en el semiplano derecho (ver figura 4.21).
jw
Plano s
B
jM
M
A C
0 σ
−jM
D
Figura 4.21: Trayectoria de Nyquist.
Al hacer tender M a infinito, el contorno estará formado por el eje s = jω completo,

desde ω = −∞ a ω = ∞, y una trayectoria semicircular de radio infinito de manera
de cubrir todo el semiplano derecho del plano complejo. Dicho contorno se conoce como
trayectoria de Nyquist. Note que la trayectoria se forma en el sentido de las manecillas
del reloj, sentido horario. Si se aplica la trayectoria al sistema en lazo cerrado, se estarán
analizando los polos y ceros de 1 + G(s) (suponiendo que G(s) es la transferencia de lazo
abierto y se lo realimentó unitariamente), en este caso el sistema en lazo cerrado será
estable si 1 + G(s) no posee ceros en esta región del plano. Es necesario que el contorno
cerrado, o la trayectoria de Nyquist, no pase por ningún cero ni polo de 1 + G(s). Si
hubiera uno o más polos en el origen del plano s, el mapeo del puntos s = 0 se vuelve
indeterminado. En estos casos, se debe evitar pasar por el origen mediante una desviación.
Criterio de estabilidad de Nyquist

Este criterio establece lo siguiente:
Si realimentamos en forma unitaria y negativa una función de transferencia G(s) =
B(s)/A(s) con P0 números de polos con parte real positiva (en lazo abierto), entonces el
número de polos Pc del lazo cerrado con parte real positiva está dado por:
Pc = N + P0 . (4.64)
Donde N es el número de revoluciones en el sentido de las agujas del reloj alrededor

del punto −1 + j0 que da el gráfico polar de G(s) cuando s recorre la trayectoria de
Nyquist (figura 4.21).
Antes de realizar la demostración del criterio de Nyquist, mostraremos un ejemplo
para que se entienda bien el criterio.
Ejemplo 4.2 Veamos el caso de un sistema de tercer orden de la forma:
K
G(s) =
(s − s1 )(s − s2 )(s − s3 )
con s1 , s2 y s3 son números reales negativos. Deseamos saber si realimentando en forma
unitaria y negativa a esta función de transferencia, el sistema de lazo cerrado resultante
será estable. El procedimiento a seguir es el que sigue:
Primero obtenemos el diagrama polar de la función G(s) cuando s recorre la tra-

yectoria presentada en la figura 4.21. Notemos que cuando s recorre el camino entre
“A” y “B” por el eje imaginario (s = jω), su diagrama polar es el que se explicó en
la sección anterior.
Continuando con el recorrido de la trayectoria, el diagrama polar que resulta cuando
s recorre la trayectoria desde “D” hasta “A” (s = −jω), es el simétrico respecto del
eje real al obtenido anteriormente.
Para la parte de la trayectoria entre “B” y “D” por “C” notemos que está dada por
un vector de longitud infinita, se corresponde con G(∞) = 0. En el gráfico de la
izquierda de la figura 4.22 se muestra el diagrama polar o de Nyquist resultante.
Calculamos ahora el número de vueltas que realiza un vector que con base en -1 gira
en el sentido de las agujas del reloj sobre el diagrama de Nyquist, a medida que se
recorre toda la trayectoria (trayectoria de frecuencias crecientes). En este ejemplo
obtenemos N = 0.
Por último calculamos el número de polos de lazo cerrado con parte real positiva, es
decir Pc = N + P0 = 0, ya que P0 = 0. Concluimos que no hay polos de lazo cerrado
con parte real positiva, por lo cual el sistema de lazo cerrado es estable.
Veamos ahora qué ocurre en este mismo ejemplo cuando la ganancia K aumenta. Si
aplicamos los mismos pasos que se describieron anteriormente, obtenemos un diagrama de
Nyquist como el que se muestra en el gráfico de la derecha de la figura 4.22. El número de
vueltas da N = 2, luego resulta Pc = 2, lo que significa que hay dos polos en el semiplano
derecho del plano s, con lo que el sistema de lazo cerrado para esa ganancia es inestable.
Finalmente podemos decir que si la ganancia del lazo K fuese exactamente Kcmax ,
entonces estarı́amos en el lı́mite de la estabilidad Kcmax G(jωc ) = −1. Si este fuera el
caso, el diagrama de Nyquist cortarı́a al eje real negativo en −1 + j0. Tenemos entonces
que a la frecuencia crı́tica ωc la función de transferencia G(s) tiene una fase de −180◦ y
una ganancia unitaria. Luego, para valores de K menores a Kcmax tenemos el caso de la
izquierda de la figura 4.22 en que el número de vueltas es N = 0 =⇒ Pc = 0. Para K
mayores a Kcmax tenemos el caso de la derecha de la figura 4.22 donde N = 2 =⇒ Pc = 2.
Nyquist Diagram Nyquist Diagram

1.5 10
8
1
6
4
0.5
Imaginary Axis
Imaginary Axis
2
0 0
-2
-0.5
-4
-6
-1
-8
-1.5 -10
-1 0 1 2 0 5 10
Real Axis Real Axis
Figura 4.22: Diagrama de Nyquist del sistema del ejemplo 4.2. Izquierda: ganancia pe-
queña. Derecha: ganancia grande.
Demostración del criterio de Nyquist

La ecuación caracterı́stica del lazo cerrado es 1 + G(s) = 0, sustituyendo G(s) =
B(s)/A(s) tenemos:
Pn
B(s) A(s) + B(s) j=1 (s − sj )
1+ = = Pn (4.65)
A(s) A(s) i=1 (s − si )
Donde si son los polos del sistema de lazo abierto y los sj son los polos de lazo cerrado.
Ahora bien, notemos que un factor como (s − p) es un vector en el plano s. El ángulo de
ese vector cambia a medida que nos movemos en una trayectoria particular de s (como
por ejemplo la de la figura 4.23 (a)). Este vector da una rotación completa de 2π radianes
si se encuentra dentro del contorno cerrado en donde se realiza la trayectoria. En cambio
si se encuentra fuera del contorno de esa trayectoria, el ángulo de rotación es nulo (figura
4.23 (b)).
La relación de fase para la ecuación caracterı́stica está dada según la ecuación 4.65,
esto es:
n
X n
X
∠(1 + G(s)) = ∠(s − sj ) − ∠(s − si ) (4.66)
j=1 i=1
Analizamos esta expresión por partes:

Para los polos de lazo cerrado sj , al recorrer la trayectoria de la figura 4.23 tendremos
que los vectores (s − sj ) realizarán una rotación completa de 2π radianes para
aquellos sj que estén en el semiplano derecho. La fase de toda la sumatoria se
obtendrá entonces multiplicando 2π por el número de polos de lazo cerrado que
están en el semiplano derecho Pc .
jw jw
B B
jM jM
A C A C
0 0 σ
−jM D −jM D
(a) (b)
Figura 4.23: Vector (s − p) que recorre una trayectoria en el plano s. M es más grande
que el mayor módulo de todos los polos y ceros que están en el semiplano derecho. a) Polo
dentro de la trayectoria, b) polo fuera de la trayectoria.
Para los polos de lazo abierto si , al recorrer la trayectoria de la figura 4.23 tendremos
que los vectores (s−si ) realizarán una rotación completa de 2π radianes para aquellos
si que estén en el semiplano derecho. La fase de toda la sumatoria se obtendrá
entonces multiplicando 2π por el número de polos de lazo abierto que están en el
semiplano derecho P0 .
La fase de 1 + G(s) estará dada por el número de vueltas de N que dé el diagrama
de 1 + G(s) alrededor del origen, al recorrer la variable s la trayectoria de la figura
4.21, multiplicado por 2π.
Esto significa que si se recorre un ciclo completo a lo largo del entorno cerrado semi-
infinito en sentido de las agujas del reloj, el ángulo total de rotación de la ecuación
caracterı́stica tiene la siguiente relación:
2πN = 2πPc − 2πP0 (4.67)

De donde se deriva la relación que conforma el criterio de Nyquist. Notemos que N
es el número de vueltas que da el diagrama 1 + G(s) respecto del origen, o lo que es lo
mismo, contando el número de vueltas que da un vector con base en -1 cuando ω va desde
−∞ a ∞. Para determinar N, contamos el número de vueltas que realiza un vector con
base en el punto -1 al girar sobre el diagrama de Nyquist en el sentido de las frecuencias
crecientes.
Al examinar la estabilidad de los sistemas usando el criterio de Nyquist se puede dar
uno de los siguientes casos posibles:
No se encierra el punto −1 + j0. Esto significa que el sistema de lazo cerrado es

estable si no hay polos de G(s) en el semiplano derecho de s, en caso contrario el
sistema es inestable.
Hay uno o varios rodeos antihorarios de punto −1 + j0. En este caso el sistema de
lazo cerrado es estable si la cantidad de rodeos antihorarios es igual a la de polos de
G(s) en el semiplano derecho de s; en caso de no serlo, el sistema es inestable.
Hay uno o varios rodeos del punto −1+j0 en sentido horario. En este caso el sistema
de lazo cerrado es inestable.
Podemos ver que las condiciones que se obtuvieron al principio, en forma intuitiva, en
el sentido que para que el sistema de lazo cerrado sea estable era necesario que la ganancia
del lazo a la frecuencia crı́tica sea menor que la unidad, pueden ser derivadas en forma
rigurosa a través del criterio de Nyquist.
Casos Especiales: G(s) involucra polos y/o ceros sobre el eje s = jω.
En el análisis anterior, se supuso que la función de transferencia en lazo abierto G(s)

no tenı́a polos ni ceros en el origen. Consideremos ahora el caso donde sı́ ocurre esto, es
decir G(s) contiene polos y/o ceros sobre el eje s = jω.
Dado que la trayectoria de Nyquist no debe pasar por polos o ceros de G(s), si la
función G(s) tiene polos o ceros en el origen (o sobre el eje s = jω para puntos diferentes
del origen), debe modificarse el contorno en el plano s. La forma usual de modificar el
contorno cerca del origen es mediante un semicı́rculo con el radio infinitesimal , como se
aprecia en la figura 4.24.
jw
Plano s
D
jM
M
C
B E
A σ
≪1
−jM
F
Figura 4.24: Caso especial de un sistema con un polo o cero en el origen.
Ası́ desde el punto A al C, la trayectoria se desplaza a lo largo del semicı́rculo con

radio (donde 1). Este segmento de la trayectoria puede ser representado como:
4.4. MARGEN DE FASE Y DE GANANCIA 117
s = ejθ ; −90◦ < θ < 90◦

Si se considera, por ejemplo, un sistema en lazo cerrado cuya función de transferencia
en lazo abierto es de la forma:
k(Ta s + 1)(Tb s + 1)...

G(s) =
s(T1 s + 1)(T2 s + 1)...
entonces
k k
G(ejθ ) ∼
= jθ = e−jθ = K2 e−jθ
e
K2 tiende a ∞ y el ángulo θ varı́a de 90 a −90◦ .
◦
4.4. Margen de fase y de ganancia

En esta sección introduciremos dos conceptos de suma importancia en la teorı́a de con-
trol: el Margen de Fase y el Margen de Ganancia. Para ello consideremos una función de
transferencia como la del ejemplo 4.2. En la figura 4.25 se muestran los diagramas polares
de G(jω) para tres valores diferentes de ganancia de lazo abierto K. Para un valor grande
de K el sistema se hace inestable (como ya hemos visto anteriormente). Al disminuir la
ganancia hacia determinado valor, el lugar de G(jω) pasa por el punto −1 + j0. Esto
significa que el sistema está al borde de la inestabilidad, y que presentará oscilaciones
sostenidas, es aquı́ donde determinamos el valor de Klim . Para un valor pequeño de la
ganancia, el sistema será estable. En general cuanto más cerca pasa el lugar de G(jω) de
rodear el punto −1 + j0, más oscilatorio se vuelve el sistema. Se puede utilizar la proxi-
midad del lugar de G(jω) al punto −1 + j0 como una medida del margen de estabilidad.
Es habitual representar la cercanı́a en términos de margen de fase y margen de ganancia.
Definiremos ambas medidas:
jw
−1 0 σ
K grande
K
K pequeño
Figura 4.25: Diagramas polares del sistema del ejemplo 4.2 para tres valores distintos de
K.
Margen de fase: es la cantidad de retardo de fase adicional necesaria a la frecuencia

de cruce ωx (frecuencia en la que |G(jωx )| = 1), para que el sistema quede al borde de
la estabilidad. Es decir, el margen de fase γ es un valor que representa la cantidad de
retardo fase que debe ser adicionada al sistema para que éste produzca un desfasaje
(en lazo cerrado) de −180◦ a la frecuencia ωx , en fórmula:
γ = 180◦ + ∠G(jωx ) (4.68)
En la figura 4.26 (b) se muestra gráficamente el margen de fase para dos casos
distintos. El margen de fase puede ser visualizado también en un diagrama de Bode
según se indica en la figura 4.26 (a) para los mismos dos casos.
Margen de ganancia: El margen de ganancia Kg es la ganancia necesaria para que

a la frecuencia crı́tica ωc (frecuencia para la cual la fase de G(jωc ) es -180 grados),
el lazo cerrado gane la unidad. El margen de ganancia está dado por:
1 1
Kg = = (4.69)
|G(jωc )| ρ−180
Entonces un margen de ganancia mayor que la unidad significa un sistema estable, en

cambio un margen de ganancia menor que la unidad significa un sistema inestable.
En la figura 4.26 se muestra gráficamente el margen de ganancia para dos casos de
sistema estable e inestable.
El margen de ganancia puede ser expresado en decibeles. El criterio se aplica a la

figura 4.26 para los sistemas que son de fase mı́nima y el módulo decreciente a medida
que aumenta la frecuencia, lo cual se verifica en la mayorı́a de los proceso quı́micos. Si el
proceso no describe un comportamiento de este tipo puede que no se cumpla esa forma
de evaluar el margen de ganancia y de fase.
Veremos un ejemplo para mostrar el procedimiento para obtener el margen de fase y
de ganancia.
Ejemplo 4.3
Un sistema tiene la siguiente función de transferencia:
1
G=
s(s + 1)(s + 5)
Obtener los márgenes de fase y ganancia del sistema cuando se realimenta con un
control porporcional K para los casos de K = 10 y K = 100. En la figura 4.27 se grafica
un diagrama de bode del sistema de lazo abierto para los dos valores de K. De la misma
figura se pueden obtener los márgenes buscados . El margen de fase y ganancia cuando la
ganancia es 10 está dado por:
- Margen de fase γ = 21◦ .
- Margen de ganancia Kg = 2,51 = 8Db.
Para el caso en que la ganancia es de 100, los valores obtenidos son:
- Margen de fase γ = −30◦ .
- Margen de ganancia Kg = 0, 251 = −12Db.
4.5. AJUSTE DE CONTROLADORES 119
Figura 4.26: Margen de fase y de ganancia en sistemas estables e inestables. A) Diagrama

de Bode. B) Diagramas polares.
Entonces el sistema será estable para una ganancia de 10 pero será inestable para una
ganancia de 100.
Se hace notar que los valores recomendados para un lazo de control es de un margen
de fase mayor o igual a 30 grados, y un margen de ganancia mayor o igual que 2.
4.5. Ajuste de controladores
En esta sección veremos el ajuste de controladores utilizando la respuesta en frecuencia

y los conceptos de margen de fase, margen de ganancia y error de estado estacionario. Se
tratarán en primer lugar el caso sencillo de un control proporcional, y luego el diseño de
controladores más elaborados como los del tipo adelanto o atraso.
Bode Diagram
100
80
60
40
Magnitude (dB)
20
-20
-40
-60
-80
-100
-90
-135
Phase (deg)
-180
-225
-270
-2 -1 0 1 2
10 10 10 10 10
Bode Diagram
A Frequency (rad/sec)
100
80
60
40
Magnitude (dB)
20
-20
-40
-60
-80
-100
-90
-135
Phase (deg)
-180
-225
-270
-2 -1 0 1 2
10 10 10 10 10
B Frequency (rad/sec)
Figura 4.27: Diagrama de Bode del ejemplo 4.3, A) K = 10 y B) K = 100

4.5.1. Control proporcional

El ajuste de un simple control proporcional consiste en obtener el valor de la ganancia
de un controlador Kc tal que al cerrar el lazo sobre la función de transferencia G(s)
como se muestra en la figura 4.20, se cumplan los requerimientos de estabilidad. Estos
requerimientos están dados por los márgenes de ganancia y de fase. El procedimiento es
como sigue:
1. Obtener el diagrama de Bode de la función G(s).
2. Determinar la frecuencia crı́tica ωc y la ganancia a esa frecuencia denominada ρ−180 .
3. Calcular la ganancia necesaria del controlador de manera de cumplir con el reque-

rimiento de margen de ganancia, por ejemplo margen de ganancia 2. La ganancia
entonces puede obtenerse aplicando la siguiente ecuación:
1 1
Kc ρ−180 = ⇒ Kc = (4.70)
2 2ρ−180
Con este valor de Kc queda asegurado el margen de ganancia deseado.
4. En este paso debemos verificar el margen de fase. Para ello consideramos el diagrama
de Bode del lazo abierto dado por Kc G(s) donde el valor de Kc es el obtenido en el
paso previo. Este nuevo diagrama es el mismo que el de G(s) salvo que cambia la
escala del módulo, que queda afectada por el valor de Kc . Luego, determinamos la
frecuencia ωx , que es la frecuencia en donde el módulo vale la unidad. Verificamos
que el margen de fase sea igual o mayor que el deseado, por ejemplo 30 grados. Si
no se cumple, entonces debemos reducir la ganancia del controlador de manera que
se cumpla. Finalmente esa será la ganancia que llevará el controlador.
Puede resultar que con el valor de ganancia obtenido para cumplir con los requeri-
mientos de márgenes de fase y ganancia, el error de estado estacionario definido en el
capı́tulo 3 sea demasiado grande. El control proporcional solo no puede mejorar este error
sin empeorar la estabilidad del lazo. Veremos entonces otros tipos de controladores más
elaborados.
4.5.2. Compensador adelanto-atraso

A este tipo de controladores se los denomina compensador, ya que se utilizan para
compensar el comportamiento de un sistema. Es decir, pueden utilizarse para aumentar
(en una cierta proporción) la velocidad del sistema o para mejorar el comportamiento en
estado estacionario. Sin embargo, el aporte (y retardo) de fase que puede lograrse esta
limitado, por ser estos conpensadores pasivos. Es decir son compensadores que tecnológica-
mente están implementados con elementos pasivos sin utilizar una fuente de alimentación
externa. Un compensador adelanto-atraso tiene una función de transferencia del tipo:
T1 s + 1
Gc (s) = Kc (4.71)
T2 s + 1
Dependiendo del valor de T1 y T2 , este controlador tiene caracterı́sticas diferentes. Si
T1 > T2 , el controlador tiene una respuesta en frecuencia como se indica en el diagrama
de Bode de la figura 4.28 y se lo denomina controlador por adelanto, debido al aporte de
fase positiva en el lazo de control. Este controlador amplifica la zona de altas frecuencias
y aporta fase positiva, permitiendo aumentar la frecuencia crı́tica del lazo y ası́ la rapidez
del sistema. Si en cambio, T1 < T2 , su respuesta en frecuencia es de la forma que se indica
en la figura 4.29 y se lo denomina controlador por atraso. Este controlador aumenta
la ganancia en bajas frecuencias y aporta un retardo de fase. Por lo general se utiliza
para reducir el error en estado estacionario. Veremos cómo se utilizan estos controladores
analizándolos por separado.
Bode Diagram
-1
-2
Magnitude (dB)
-3
-4
-5
-6
20
15
Phase (deg)
10
0
-2 -1 0 1
10 10 10 10
Frequency (rad/sec)
Figura 4.28: Diagrama de Bode de un controlador por adelanto cuya función es

G(s)=0.5(10s+1)/(5s+1)
Bode Diagram
-1
-2
Magnitude (dB)
-3
-4
-5
-6
-7
-8
0
-5
Phase (deg)
-10
-15
-20
-2 -1 0 1
10 10 10 10
Frequency (rad/sec)
Figura 4.29: Diagrama de Bode de un controlador por atraso cuya función es

G(s)=(5s+1)/(10s+1)
Técnicas de diseño de controladores por atraso utilizando la respuesta en

frecuencia: La función del controlador por atraso es la de proveer el error de estado
estacionario requerido sin comprometer la estabilidad del lazo. El procedimiento para

determinar los parámetros del controlador de describen a continuación:
1. Se determina la ganancia del controlador Kc de manera de cumplir con el requeri-

miento de error de estado estacionario.
2. Con esta ganancia, trazar el diagrama de Bode de lazo abierto, o sea de: Kc G(s).
Determinar el margen de fase y de ganancia.
3. Si las condiciones de estabilidad no son satisfechas, las constantes de tiempo T1 y T2

del controlador deben ser ajustadas teniendo en cuenta las siguientes consideracio-
nes: El sistema debe satisfacer los márgenes de ganancia y de fase , y el controlador
debe introducir la mayor ganancia posible en todas las frecuencias. Para lograr estos
objetivos, hacemos cumplir el margen de ganancia Kg en la zona de altas frecuencias
del controlador, con lo que queda fijado Kc T1 /T2 . Esto se logra haciendo :
1
Kg = (4.72)
ρ−180 Kc T1 /T2
Notemos que la relación T1 /T2 ya queda fija.
4. Un anteúltimo paso consiste en correr la frecuencia de quiebre 1/T1 todo lo posible

hacia la derecha hasta que el aporte de fase negativa al lazo no supere los 3 a 5
grados.
5. Finalmente verificar el margen de fase, si no se cumple, reducir la ganancia Kc .
Técnicas de diseño de controladores por adelanto utilizando la respuesta en

frecuencia: La frecuencia crı́tica del lazo realimentado, es prácticamete la misma que la
frecuencia natural del sistema de lazo cerrado (ver respuesta en frecuencia de un sistema
de segundo orden). Por lo tanto un aumento de la frecuencia crı́tica está relacionado con
un aumento de la velocidad de respuesta del sistema de lazo cerrado. El controlador por
adelanto tiene la función de aportar fase positiva al lazo, esto permite que aumente la
frecuencia crı́tica del sistema controlado. Puede ser también que lo que se desee es aportar
fase a una frecuencia arbitraria, por ejemplo para obtener un margen de fase deseado. El
procedimiento de ajuste de los parámetros es como sigue:
1. Determinar la relación α = (T1 /T2 ) para lograr el ángulo de adelanto de fase deseado.
Esto se calcula conociendo la siguiente relación:
1−α
sen(φ) = (4.73)
1+α
Donde φ es el máximo ángulo de adelanto que se obtiene con el controlador (ver
figura 4.20). Con este procedimiento queda fijado el valor de la relación T1 /T2 .
2. Ubicar a la frecuencia 1/T1 de manera que la frecuencia central (en escala logarı́tmi-
ca) entre 1/T1 y 1/T2 coincida con la frecuencia a la cual se le quiere modificar la
fase.
3. Determinar la ganancia del controlador Kc de manera de satisfacer los requerimien-

tos de margen de ganancia y de fase.
Hemos visto cómo ajustar controladores más elaborados que el simple control pro-
porcional. Sin embargo, es posible que queramos obtener las ventajas de anular el error
de estado estacionario y además aumentar la frecuencia crı́tica del sistema. Para esto es
posible utilizar ambas acciones en conjunto. Esto se verá en el próximo capı́tulo cuando
se analicen los controladores PID.
4.6. Conclusiones
En este capı́tulo hemos desarrollado el conocimiento de respuesta en frecuencia de
un sistema dinámico. Las herramientas que se derivan son fundamentales para el análisis
de la estabilidad de un lazo de control, como también para el diseño del controlador.
Hemos derivado el criterio de Nyquist, el cual permite establecer las condiciones para la
estabilidad del lazo.
Se estudió el problema del control proporcional y se introdujo el control por adelanto
y por atraso. Estas dos formas de control no van separadas, pues junto con el control
proporcional, forman uno de los controladores más difundidos en la industria, que se
llama Control proporcional + integral + derivarivo y que desarrollaremos en el capı́tulo
que sigue.
Por último pero no menos importante, el concepto de respuesta en frecuencia, permite
realizar la identificación experimental de un sistema del cual no conocemos su caracterı́sti-
ca dinámica. Este tema no será abordado en este curso, pero sus derivaciones prácticas
son enormes por lo que recomendamos leer bibliografı́a al respecto.
4.7. Problemas
1. De los datos obtenidos en la prueba de la respuesta en frecuencia, se dedujeron
los siguientes valores para las relaciones de amplitud de entrada-salida para las
frecuencias de quiebre:
w rad/seg 0.2 2 20 200 2000

|G| db +20 0 0 -20 -60
a) Dibújese la curva de amplitud de Bode (suponer que las pendientes al comienzo

y al final pueden extrapolarse).
b) Calcúlese la función de transferencia del sistema.
c) Esquematı́cese la curva de desplazamiento de fase de Bode.
d) Esquematı́cese la curva de Nyquist.
2. Una temperatura u (◦ C) está cambiando sinusoidalmente con una frecuencia de

0.2 ciclos por segundo. La respuesta y (◦ C) de un termómetro está descripta por
T dy
dt
+ y = u, donde T = 3 segundos. Si la amplitud de y es de 2◦ C, cuál es la
amplitud verdadera?
3. Esquematı́cense los diagramas de Bode y Nyquist para

4.7. PROBLEMAS 125
1 − Ts
G(s) =
1 + Ts
¿ Es éste un sistema de fase mı́nima?
4. Un controlador integral kc /s se aplica a un proceso cuya función de transferencia de

lazo abierto es
1
G(s) =
(1 + s)(1 + 2s)
a) Obtener el valor de la ganancia kc del controlador integral para la estabilidad
lı́mite.
b) Determinar el valor de kc que satisfaga un margen de ganancia de 2 y el que
satisfaga un margen de ganancia de 4.
c) Determinar el valor de kc que satisfaga un margen de fase de 30◦ y el que satisfaga
un margen de fase de 50◦ .
d) Simular el sistema con el controlador a lazo cerrado, empleando una herramienta
de simulación como Simulink de Matlab, cuando se aplica un escalón unitario al
valor deseado r, para los valores de kc hallados en los incisos anteriores. Simularlo
también para un valor de kc que haga que el sistema de lazo cerrado sea inestable.
5. Un sistema a controlar se aproxima por un integrador con retardo y la ley de control

es una acción proporcional, de tal manera que la función de transferencia de lazo
abierto es:
kc e−s
G(s) =
s
donde el tiempo muerto se toma como una unidad de tiempo. Determı́nese la ga-
nancia para la estabilidad lı́mite. Dibújese el diagrama de Nyquist de la función de
transferencia de lazo abierto.
6. Un parámetro desconocido k de un sistema dinámico

    
x1 −1 1 0 x1
d 
x2  =  −2 −(k + 1) −1   x2 
dt
x3 0 k −2 x3
se quiere investigar en relación a la estabilidad por el método de respuesta en fre-

cuencia. Encontrar una G(s) para este propósito. Obtener un diagrama de módulo
de Bode por ası́ntotas.
7. Dado el sistema
k
G(s) =
(s + 1)(s + 2)(s + 3)
a) Qué valores de k llevan a un margen de ganancia de 6 db? Resolver este problema
en forma analı́tica, no gráfica.
b) Trazar el diagrama polar de G(jw), indicando los márgenes de ganancia y de

fase.
8. La función de transferencia de lazo abierto de un sistema de control realimentado
es
k
G(s) =
s(0,1s + 1)(s2 + 0,2s + 1)
Determinar el k que satisface los criterios de margen de ganancia = 2 y de margen
de fase = 30◦ .
9. Dada la siguiente función de transferencia de lazo abierto
k
G(s) =
s(0,2s + 1)(0,08s + 1)
a) Obtener la ganancia k para la condición de margen de fase 30◦ . Para esta ganancia
obtener la frecuencia crı́tica.
b) A la función de transferencia se la compensa con un controlador por adelanto
con Kc = 0,1, T1 = 0,2 y T2 = 0,02. Obténgase la ganancia k y la frecuencia crı́tica
para la condición de margen de fase 30◦ . Decir cuáles son las ventajas y desventajas
obtenidas respecto del inciso a).
c) A la función de transferencia se la compensa con un controlador por atraso con
Kc = 1, T1 = 3 y T2 = 30. Obténgase la ganancia k y la frecuencia crı́tica para
la condición de margen de fase 30◦ . Decir cuáles son las ventajas y desventajas
obtenidas respecto del inciso a).
10. Un controlador que posee las ventajas de los controladores por atraso y adelanto
es el controlador PID que se estudiará en detalle en el Capı́tulo 5. Considerar la
siguiente función de transferencia:
e−0,5s
G(s) =
(s + 1)(0,5s + 1)(0,1s + 1)
a) Determinar la ganancia del controlador proporcional kc tal que cumpla un margen
de ganancia de 8db y un margen de fase de 30◦ .
b) Reemplazar el controlador proporcional por un controlador PID cuya ley escrita
en forma de producto es:

1
Gc (s) = kc 1 + (Td s + 1)
Ti s
Seleccionar los valores de Ti y de Td de manera tal que los dos retardos dominantes
del proceso (constantes de tiempo más lentas) sean cancelados. Determinar el valor
de kc tal que se cumpla un margen de ganancia de 8db. Comprobar que la frecuencia
crı́tica es más alta que la del sistema de control proporcional (esto se debe a la acción
derivativa que aumenta la velocidad del lazo). Verificar, además, que la ganancia
de bajas frecuencias se incrementa indefinidamente debido a la acción integral (esto
hace que se elimine el error de estado estacionario).
Capı́tulo 5
Controladores PID Industriales
5.1. Introducción
En el ambiente industrial, y en particular para controlar procesos térmicos y quı́micos,
se emplean casi con exclusividad los controladores PID. Esto se debe a que han demostrado
un comportamiento robusto y su ajuste es relativamente sencillo. Dada la amplia difusión
de este controlador, una parte importante de este capı́tulo está dedicado a su estudio.
P(s)
R(s) + E(s) U(s) Y(s)
Gc(s) Gp(s) +
-
Figura 5.1: Esquema básico de un sistema de control
Cap5 Fig1
5.2. Acciones P, I y D
El controlador PID surge como consecuencia de la combinación de tres acciones básicas
de control: acción proporcional, integral y derivativa. A los fines de recordar los efectos
de estas tres acciones considérese el esquema de control indicado en la figura 5.1 donde
E(s) de transferencia del U(s)
Gp (s) representa la función P + sistema cuya variable de salida y(t) se
desea controlar y Gc (s) representa la función de transferencia del controlador; r(t) es el
valor deseado, valor de referencia o set point de la variable controlada y p(t) representa
posibles perturbaciones; e(t) es la señal de error (diferencia entre el valor deseado r(t) y
la variable controlada y(t)), y u(t) es la señal de control que genera el controlador para
anular ese error. I
127
128 CAPÍTULO 5. CONTROLADORES PID INDUSTRIALES
5.2.1. Acción P.
Esta acción de control se analizó en el capı́tulo 3, ahora recordemos algunas cuestiones
básicas de este controlador. Si la acción del controlador es proporcional tendremos que la
señal de control será proporcional al error:
u(t) = kc e(t). (5.1)

Analicemos cómo se comporta el sistema de lazo cerrado. La función de transferencia
de r(t) a e(t), escrita en la variable de Laplace, es
E(s) 1
= , (5.2)
R(s) 1 + kc Gp (s)
donde Gp (s) la podemos suponer en forma general como un cociente de polinomios en
s:
1 + n1 s + · · · + nm s m
Gp (s) = kp (5.3)
1 + d1 s + · · · + dn sn
Si aplicamos un escalón al valor deseado (R(s) = 1/s) y calculamos el error de estado
estacionario por el teorema del valor final (para esto suponemos que el sistema es estable):
1 1 1
lı́m e(t) = lı́m sE(s) = lı́m s = . (5.4)
t→∞ s→0 s→0 1 + kc Gp (s) s 1 + kc kp
Como ya vimos en el capı́tulo 3, vemos que el error de estado estacionario sólo se
puede anular haciendo muy grande la ganancia del controlador proporcional, pero esto
puede ocasionar que el sistema se torne inestable.
Como conclusión de la acción proporcional podemos decir que tiene el inconveniente
de poseer error de estado estacionario u offset y que el ajuste implica un compromiso
entre disminuir este error y la estabilidad del lazo.
En resumen, cuando se incrementa K:
el error de estado estacionario se reduce,
la respuesta es más rápida,
las oscilaciones aumentan (la estabilidad disminuye).
Note que para que haya una señal de control el error deberı́a ser distinto de cero. Por
esta razón se adiciona un valor fijo Uo de manera que para un valor deseado constante se
pueda usar el control proporcional sin error. Sin embargo, si se cambia el valor deseado
aparece un error.
5.2.2. Acción I.
Debido a las limitaciones del controlador proporcional, presentamos ahora la acción
integral. En este controlador, la señal de control es la integral (acumulación) de la señal
de error, es decir:
Z t
u(t) = k1 e(τ )dτ (5.5)
0
5.2. ACCIONES P, I Y D 129
Si se asegura la estabilidad del sistema realimentado entonces en el estado estacionario

u(t) es constante, condición que sólo se verifica para error nulo (ecuación 5.5). En efecto,
en este caso tendremos:
E(s) 1 s
= k
= (5.6)
R(s) 1 + s Gp (s)
1 s + k1 Gp (s)
Vemos que al aplicar un escalón en r(t) el error de estado estacionario es:
lı́m e(t) = 0
t→∞
Ası́ con acción integral un pequeño error positivo siempre dará como resultado una
acción de control creciente y un error negativo dará una acción decreciente sin importar
que tan pequeño sea el error. Por tanto, el error en estado estacionario debe ser cero.
Es decir, el controlador integra (acumula) el error hasta que el sistema llega a un punto
de equilibrio. Si el sistema es estable este punto de equilibrio se logra cuando el error se
anula. Por lo tanto este controlador es capaz de lograr una señal de control aún cuando
el error es cero.
Como inconveniente fundamental, la acción integral pura presenta un efecto desestabi-
P(s)de transferencia
lizador importante debido al retardo de fase de 90◦ que posee su función
(Capı́tulo 4).
R(s) + E(s) una acción U(s)
En resumen, cuando se introduce Integral: Y(s)
el error de estado estacionario seGanula
G (s)
c(s) para valores finitos
p de T , +
i
-
en la medida que reducimos Ti la respuesta se vuelve más rápida pero también
más oscilatoria, inclusive podemos hacer que el sistema de lazo cerrado se vuelva
inestable.
5.2.3. Acción PI.

El efecto desestabilizador de la acción integral pura puede ser reducido si se le adiciona
una acción proporcional, en la cual la acción de control responde a la siguiente ecuación:
1 t
Z
Cap5 Fig1 u(t) = kc e(t) + e(τ )dτ (5.7)
Ti 0
El hecho de sumar una acción proporcional a la acción integral tiene el efecto de
reducir el retardo de fase respecto de la acción integral pura. Esto tiende a disminuir la
inestabilidad producida por la acción integral sola.
E(s) U(s)
P +
Figura 5.2: Controlador PI
Cap5Fig2
5.2.4. Acción Proporcional y Derivativa PD.

Si bien la acción integral elimina el error en estado estacionario, introduce un retardo
de fase en el lazo y, por consiguiente, la respuesta se vuelve más lenta y hasta podrı́a
inestabilizar todo el conjunto. Una acción derivativa por el contrario introduce un aporte
de fase en el lazo lo cual aumenta la frecuencia crı́tica (quien en definitiva define la velo-
cidad del sistema de lazo cerrado). Recordar que la ganancia de lazo cerrado idealmente
deberı́a ser infinita excepto en la frecuencia crı́tica que es donde se define la estabilidad.
En resumen:
el propósito de la acción derivativa es mejorar la velocidad del sistema de lazo

cerrado.
La variable manipulada en un controlador con acción proporcional y derivativa puede

interpretarse como si el control fuese proporcional a una predicción de la salida de
la planta.
La predicción de la salida se hace extrapolando el error por medio de la tangente a

la curva del error.
La estructura básica de un control PD es:

de(t)
u(t) = kc e(t) + Td (5.8)
dt
Veamos ahora que la expansión en serie de Taylor de e(t + Td ) es
de(t)
e(t + Td ) ∼
= e(t) + Td , (5.9)
dt
claramente, la señal de control es una estimación del error en el tiempo Td hacia
adelante, donde la estimación se obtiene por extrapolación lineal.
Cuando aumenta Td el sistema se vuelve más rápido y más estable.
Sin embargo, esto es válido hasta cierto punto y si las señales no están contaminadas
con ruido.
Si aumentamos Td por encima de un determinado valor la estabilidad del sistema

comenzara a empeorar.
Como ya hemos mencionado, la función de la acción derivativa es estimar el cam-

bio del error en Td unidades de tiempo hacia adelante, cuando Td es grande esta
estimación es mala.
La idea es incluir una acción que haga que la señal de control se incremente con la
pendiente del error más que con su valor actual (o con su acumulación). En términos
de la respuesta en frecuencia, la acción derivativa aporta fase positiva, es decir,
disminuye el retardo de fase del lazo. Esto permite que la frecuencia crı́tica aumente
con lo que el lazo cerrado se torna más rápido. Un aspecto negativo de esta acción es
que provee un módulo creciente en frecuencias altas amplificando las perturbaciones
de alta frecuencia que darán, inevitablemente, oscilaciones indeseadas al actuador.
5.2. ACCIONES P, I Y D 131
5.2.5. Acción PID.

Entonces, como hemos visto, utilizando la acción derivativa puede mejorarse el contro-
lador PI analizado anteriormente, dando lugar al controlador PID (proporcional, integral
y derivativo).
La acción de control resulta:
1 t
Z
de(t)
u(t) = kc e(t) + e(τ )dτ + Td (5.10)
Ti 0 dt
donde las constantes kc , Ti y Td son conocidas como ganancia proporcional, tiempo

integral y tiempo derivativo, respectivamente. En el ambiente industrial a la ganancia
proporcional se la suele expresar a través de la “banda proporcional”: BP = 100/kc .
La función de transferencia del controlador PID (ver figura 5.3) resulta (primera forma
normalizada):

U (s) 1
Gc P ID (s) = = kc 1 + + Td s
E(s) Ti s
U (s) kc (1 + Ti s + Ti Td s2 )
Gc P ID (s) = = (5.11)
E(s) Ti s
También se lo puede expresar (segunda forma normalizada):

1
Gc P ID (s) = k̃c (1 + T̃d s) 1 + (5.12)
T̃i s
Las dos formas están relacionadas por:
kc
k̃c =
r
Ti
T̃i =
r
T̃d = Td r
2
r= p
1+ 1 − 4Td /Ti
Es necesario destacar que esta función de transferencia ideal de un PID no es realizable

por poseer mayor número de ceros que de polos (sistema no causal). Sin embargo es posible
lograr una función de transferencia cuyo comportamiento se aproxime al ideal en la banda
de frecuencias de interés, agregando polos en alta frecuencia para la acción derivativa y
en baja frecuencia para la acción integral. La respuesta en frecuencia del controlador PID
ideal se representa en la figura 5.4. Como puede verse este controlador tiene ganancia
elevada en altas y bajas frecuencias, y pequeña en frecuencias intermedias.
E(s) U(s)
Kc sTd +
1/(sTi)
Figura 5.3: Controlador PID ideal.
Cap5Fig3
|Gc|
-1/dec 1/dec
k� c
ω
1 1
�i
T �d
T
< Gc
+90
0
ω
-90
Cap5fig4
Figura 5.4: Respuesta en frecuencia del controlador PID ideal.
Kp
0,632Kp
k� c
5.3. AJUSTE DE LOS PARÁMETROS DEL CONTROLADOR PID 133
ω
5.3.
1
Ajuste de los parámetros del controlador PID
1
�d derivativo T . Al
�itiempo de integración T y el tiempo
Notemos que para emplear un controlador PID necesitamos conocer o calcular tres
T
parámetros: la ganancia k , el
c i T d
cálculo de estos parámetros se lo conoce como ajuste del controlador.
Para la selección de estos parámetros pueden utilizarse métodos empı́ricos, analı́ticos
o gráficos. Entre los primeros tenemos los métodos de Ziegler y Nichols, dentro de los
G
segundos tenemos el método de margen de fase y los terceros se basan en el diagrama de
< Bodec de la respuesta en frecuencia.
5.3.1.
+90 Métodos de Ziegler y Nichols
Ziegler y Nichols propusieron dos métodos que dan un conjunto de reglas para el ajuste
de los controladores PID. Debe tenerse presente que un conjunto de reglas es óptimo para
un conjunto de suposiciones, y una de ellas en particular es la estructura del proceso. En
ambos se pretende obtener un 25 % de sobreelongación máxima en la respuesta al escalón.
0
ω
Primer método de Ziegler y Nichols o de lazo abierto
Este método se aplica a procesos cuya respuesta temporal al escalón tiene forma de
“S”(ver figura 5.5). Si la respuesta no exhibe esta forma, el método no es pertinente. Si
-90 no contiene integradores ni polos dominantes complejos conjugados, la curva de
la planta
respuesta escalón unitario puede tener esta forma. El primer método de Ziegler y Nichols
se basa en registrar la respuesta a un escalón unitario del sistema a lazo abierto, para
luego ajustar los tres parámetros de un modelo de primer orden con retardo dado por:
Cap5fig4 Kp −sL
Gp (s) = e (5.13)
Ts + 1
Kp
0,632Kp
0.238Kp
tb tc td
ta
L
Figura 5.5: Primer método de Ziegler y Nichols.

Cap5Fig5
Se calcula la pendiente en el punto de inflexión y la intersección de esa recta con el

eje de tiempos, lo cual permite determinar los siguientes parámetros:
T = 1,5(tc − tb ); L = tc − T ;
cuya respuesta al escalón es:
c(t) = Kp 1 − e(t−L)/T

(5.14)
Los parámetros obtenidos permiten definir la constante de tiempo y el retardo de un
sistema equivalente de primer orden con demora. A partir de dichos parámetros Ziegler y
Nichols recomiendan la utilización de los siguientes valores:
Tabla 5.1: Parámetros del Primer Método de Ziegler y Nichols
Controlador K Ti Td
1 T
Control P Kp L ∞ 0
Control PI 0,9 K1p TL 3L 0
Control PID 1,2 K1p TL 2L 0,5L
Recordar que el método de Ziegler y Nichols es empı́rico. Este método considera que los
sistemas cuya respuesta al escalón tienen forma de “S” se los puede aproximar empleando
un integrador en serie con una demora. A este tipo de sistemas se les ajusta un PID para
que la respuesta al escalón tenga relación de amortiguación 1/4.
Segundo método de Ziegler y Nichols o de lazo cerrado

Este método también se conoce como “de ciclo lı́mite”. Se basa en la información
obtenida a partir de las condiciones en el lı́mite de estabilidad del proceso en lazo cerrado
empleando un controlador proporcional puro.
Este método se basa en una caracterización simple de la dinámica de la planta. El
método requiere conocer el punto donde el diagrama de Nyquist de la transferencia de
la planta Gp (s) cruza el eje real negativo. Este punto es caracterizado por la ganancia
última kc max y el periodo último Pu . Estos parámetros se obtienen anulando las acciones
integral y derivativa (Ti = ∞, Td = 0) e incrementando lentamente la ganancia Kc del
controlador hasta observar que el sistema de lazo cerrado comience a oscilar. El menor
valor de ganancia que hace oscilar de manera sostenida al sistema es la ganancia última
kc max y el perı́odo de la oscilación es el perı́odo último Pu (ver figura 5.6).
Ziegler y Nichols recomiendan los valores empı́ricos que se muestran en la tabla 5.2.
+ Kc max Proceso
-
A)
Pu
y(t)
B)
Cap5fig6
Figura 5.6: Segundo método de Ziegler y Nichols. A) control proporcional puesto en el

A
A/4
lı́mite de la estabilidad, B) perı́odo último.
y(t)
Tabla 5.2: Parámetros del Segundo Método de Ziegler y Nichols
Controlador K Tit Td
Control P 0,5Kc max ∞ 0

Cap5fig7
Control PI 0,4Kc max 0,8Pu 0
Control PID 0,6Kc max 0,5Pu 0,125Pu

Evaluación de los métodos de Ziegler-Nichols
Los métodos estudiados en esta sección:
Son simples e intuitivos.
Requieren poco conocimiento de la planta a controlar.
Pueden aplicarse con poco esfuerzo.
La respuesta que se obtiene con el ajuste de Ziegler y Nichols presenta un modo

de oscilación cercano al denominado “relación de atenuación de un cuarto” (quarter
decay) donde la amplitud de la segunda sobreelongaci ón de la respuesta al escalón
disminuye a la cuarta parte de la primera (ver figura 5.7). Este tipo de respuesta
se considera como un buen compromiso entre velocidad de respuesta y adecuada
estabilidad.
Estas son algunas de las razones por las cuales los métodos de Ziegler- Nichols son tan
populares. Sin embargo, los métodos tienen algunas deficiencias como las que se detallan
a continuación:
Fueron diseñadas originalmente para obtener un buen rechazo de las perturbaciones.
Se obtuvieron en forma empı́rica por medio de extensivas simulaciones en una amplia

variedad de plantas.
Fueron elegidas para lograr una tasa de atenuación de 1/4. Esto da como resultado
un buen rechazo de las perturbaciones pero también un sistema de lazo cerrado muy
poco amortiguado y con pobres márgenes de estabilidad.
El método de la respuesta en frecuencia suele ser más confiable que el método de la

respuesta al escalón. Esto se debe a que la ganancia última está definida en forma
única, a diferencia de los parámetros de la respuesta al escalón.
Los métodos de Ziegler – Nichols suelen lograr mejores resultados cuando se diseñan
controladores PID que cuando se diseñan controladores PI.
Las reglas de Ziegler-Nichols no logran el comportamiento de una tasa de atenuación

de 1/4 en cualquier tipo de planta.
Un parámetro que suele utilizarse para establecer el rango de validez de los métodos
de sintonı́as es el cociente v = L/T . En general, los mejores resultados se obtienen
en procesos donde el parámetro v está entre 0,1 y 1.
El ajuste de los parámetros del controlador por medio de las reglas de Ziegler Nichols
puede ser mejorado significativamente usando otros métodos.
A
A/4
y(t)
Cap5fig7 Figura 5.7: Respuesta de atenuación de un cuarto.
Ejemplo 5.1 Aplicación del primer método

El estado de equilibrio de un proceso fue cambiado por una señal de ensayo escalón
de magnitud 2 psi (figura 5.8 A). De la gráfica de la respuesta y(t) se obtuvo un valor
L = 0,8min, ver figura 5.8 B. Encontramos que tb = 1.4 min y tc = 2.6 min, entonces T
= 1.8 min. Con estos valores, el ajuste de un controlador PID para este proceso es:
1,2 T
kc = K p L
= 0,8 1,2 1,8min
min pulg/psi
psi
= 2,7 pulg ; Ti = 1,6 min y Td = 0,4 min.
Ejemplo 5.2 Aplicación del segundo método

Consideremos el control de temperatura del intercambiador de calor modelado en los
ejemplos 1.3 y 2.5. Un sensor introducido en el proceso mide la temperatura (figura 5.9
A). La función de transferencia del sensor, que relaciona la temperatura medida y(t) con
la salida del sensor c(t), es:
1
Gp2 (s) =
1 + T3 s
La entrada u2 (t) es la variable manipulada (salida del controlador) y la temperatura
u1 (t) se considera una perturbación p(t) (figura 5.9 B).
La función de transferencia Gp1 (s), que relaciona u2 con y fue obtenida en el ejemplo
2.5. La misma puede escribirse en forma normalizada:
kp1
Gp1 =
(1 + T1 s)(1 + T2 s)
La función de transferencia de lazo abierto del sistema con un controlador proporcional,
Gc = kc , es
kc kp1
G(s) = Gc Gp1 Gp2 =
(1 + T1 s)(1 + T2 s)(1 + T3 s)
Encontremos kc max (ganancia del controlador proporcional que hace que el sistema
de lazo cerrado esté en el borde de la estabilidad). Asumamos T1 = 2 seg, T2 = 1 seg,
U(t)
A)
2 psi
U(t) Y(t)
Proceso
Y(t)
2
(pulg)
1.26 B)
0.48
1.4 2.6 t (min)

L=0.8 min
Figura 5.8: Ejemplo del primer método de Ziegler-Nichols

Cap5Fig8
T3 = 1/2 seg .
La ecuación caracterı́stica de lazo cerrado es
1 + kc Gp1 Gp2 = 0
las raı́ces de esta ecuación son los polos de lazo cerrado del sistema.
Recordemos del capı́tulo 3 que, si un sistema está en el lı́mite de estabilidad, sus polos
dominantes están sobre el eje imaginario. Por lo tanto se debe cumplir que:
1
={Gp1 (jwc )Gp2 (jwc )} = 0 y <{Gp1 (jwc )Gp2 (jwc )} = −
kc max
donde = significa parte imaginaria y < parte real.
kc max es la ganancia crı́tica del controlador proporcional y wc es la frecuencia del ciclo
lı́mite. Encontramos estos valores:

kp1
= =0
(−3,5wc2 + 1) + jwc (3,5 − wc2 )
p 2π
⇒ wc = 3,5 ⇒ Pc = = 3,4
wc
c2, x2
P=u1, w1 c1, x1 y A)
R
c Gp2
u=u2, w2
R
Gc
P
G1 B)
R + U + Y c
Gc Gp1 Gp2
+
-
Figura 5.9: Control de temperatura de un intercambiador de calor

kp1 1
< 2 2
=−
(−3,5wc + 1) + jwc (3,5 − wc ) kc max
11,25
⇒ kc max =
kp1
Si se desea un controlador PID, entonces los parámetros del controlador deben ajus-
tarse con los siguientes valores:
6,75
kc = 0,6kc max =
kp1
Ti = 0,5Pc = 1,7
Td = 0,125Pc = 0,425
En la figura 5.10 se muestra la salida c(t) del sensor que mide la temperatura, ob-
Cap5Fig9
tenida por simulación del intercambiador de calor con el controlador PID ajustado con
los parámetros indicados cuando se aplica un escalón al valor deseado. Obsérvese que el
sistema no tiene error de estado estacionario y que la respuesta es de tipo relación de ate-
nuación un cuarto. En el Anexo se muestra el código para realizar esta figura en Matlab
en la cual se ha considerado kp1 = 1.
1.5
Temperatura 1
0.5
0
0 5 10 15 20 25
t (seg)
Figura 5.10: Respuesta al escalón del intercambiador de calor con control PID
Ejemplo 5.3 Aplicación del segundo método
En el ejemplo anterior se conocı́a la función de transferencia de la planta y los paráme-

tros kc max y Pc se obtuvieron analı́ticamente. Si la función de transferencia de la planta no
es conocida puede procederse en forma experimental para determinar los valores de kc max
y Pc , realimentando el sistema con un controlador proporcional y variando la ganancia
de éste hasta las proximidades de la condición lı́mite que define kc max y Pc . En la figura
5.11 se muestran los resultados simulados de este ensayo (con kp1 = 1) y puede verse que
cuando kc = kc max = 11,25/kp1 = 11,25 el sistema está en el lı́mite de la estabilidad y
oscila con un perı́odo Pc = 3,4, resultados que coinciden con los del ejemplo anterior.
Obviamente que no todos los procesos pueden ser sometidos a este tipo de experiencia.
Step Response
2.5 Kc max=11.26
1.5
Temperatura
0.5
Kc
0
-0.5
-1
0 1 2 3 4 5 6 7 8 9 10
t (sec)
Figura 5.11: Determinación experimental de kc max y Pc

5.3.2. Método del margen de fase

En este método se usa el criterio de diseño del margen de fase que se deduce del
teorema de Nyquist (capı́tulo 4).
Con un controlador PI o PID es posible mover el diagrama de Nyquist a una posición
arbitraria del plano complejo. Notemos que:
cambiando la ganancia, el diagrama de Nyquist se mueve en dirección radial desde

el origen.
cambiando la acción integral es posible mover el diagrama de Nyquist en dirección

ortogonal.
Teniendo en cuenta esta propiedad de los controladores PI o PID, es posible formular un

método para diseñar controladores que logran un cierto margen de fase.
La función de transferencia del controlador PID en el dominio de la frecuencia es:

1
Gc (jw) = kc 1 + j Td w − (5.15)
Ti w
Si se pretende que el sistema tenga un determinado margen de fase M F a una frecuencia
w1 particular debe verificarse que:
◦ −M F )
Gc (jw1 )Gp (jw1 ) = e−j(180 (5.16)
donde Gp (s) es la función de transferencia del proceso. Esta ecuación puede descomponerse
en las siguientes condiciones para el módulo y la fase de Gc (jw1 ):
1
|Gc (jw1 )| = (5.17)
|Gp (jw1 )|
∠Gc (jw1 ) = Θw1 = −180◦ + M F − ∠Gp (jw1 ) (5.18)

A partir de las ecuaciones 5.15, 5.17 y 5.18 resulta:
cos Θw1
kc = Re(Gc (jw)) = |Gc (jw1 )| cos Θw1 = (5.19)
|Gp (jw1 )|

1 sin Θw1
kc Td w1 − = Im((Gc (jw)) = |Gc (jw1 )| sin Θw1 = (5.20)
Ti w1 |Gp (jw1 )|
Por consiguiente, conocida la función de transferencia Gp (jw) del sistema, los paráme-
tros kc , Ti y Td del controlador PID pueden ser elegidos para cumplir los requerimientos
de margen de fase a una determinada frecuencia w1 . Puede observarse que se dispone de
un grado de libertad para determinar kc , Ti y Td , ya que se dispone de sólo dos ecuaciones
para tres incógnitas.
Es importante hacer notar que si las ecuaciones 5.19 y 5.20 se verifican en forma
simultánea, variar Td y Ti implica variar el margen de ganancia sin modificar el de fase.
En algunos casos se selecciona Td = αTi , como en las reglas de Ziegler-Nichols, donde
α = 0,25. Pero conforme se seleccione el valor de M F , se obtendrán resultados diferentes
que los obtenidos mediante el método de Ziegler-Nichols.
La información necesaria sobre Gp (jw) puede reducirse al mı́nimo si se toma como

frecuencia de margen de fase (frecuencia a la cual |Gc (jw)Gp (jw)| = 1), la frecuencia
crı́tica, frecuencia a la cual el proceso realimentado en forma negativa y con controlador
proporcional puro se hace inestable (f = wc /2π). De esta manera la fase del controlador
coincide con el margen de fase deseado, ya que la fase del proceso Gp (jw) a esta frecuencia
resulta ser de −180◦ .
5.3.3. Método gráfico por respuesta en frecuencia

Este método se basa en ajustar los parámetros del controlador en forma gráfica usando
el diagrama de Bode de lazo abierto del proceso con el controlador. Es más conveniente
usar la segunda forma normalizada del controlador PID:

1
Gc P ID (s) = k̃c (1 + T̃d s) 1 +
T̃i s
Los puntos a tener en cuenta son:
• El parámetro k̃c afecta la estabilidad del lazo, puesto que afecta tanto el margen de
ganancia como el de fase. Por lo tanto, este parámetro debe elegirse teniendo en cuenta
el valor de estos márgenes que se desee obtener en el diseño.
• Disminuyendo T̃i , se incrementa la ganancia a bajas frecuencias, con lo cual se
reduce el error de estado estacionario. El inconveniente de aumentar T̃i es que se reduce
la frecuencia crı́tica de lazo abierto (frecuencia a la cual la fase es de −180◦ ), es decir
disminuye la velocidad de respuesta del sistema.
• Con el parámetro T̃d se puede aumentar la frecuencia crı́tica del lazo, es decir se
puede hacer que el sistema tenga una respuesta más rápida. En la práctica no se puede
hacer que el sistema tenga alta ganancia a altas frecuencias porque serı́a muy sensible al
ruido, razón por la cual nunca se utiliza acción derivativa pura.
Teniendo en cuenta los puntos anteriores el procedimiento de ajuste consiste en los

siguientes pasos:
1. Considerar sólo un controlador proporcional y ajustar k̃c de manera que a la fre-

cuencia crı́tica wc el sistema tenga un margen de ganancia de 2, es decir ρ−180 = 0,5.
2. Ajustar el valor de T̃i de manera que el conjunto P+I aporte no más de 3 a 5 grados
de fase (negativa) en la frecuencia crı́tica y que permita aumentar la ganancia en
bajas frecuencias (anulación del error de estado estacionario).
3. Ajustar el valor de T̃d de manera de aumentar la frecuencia crı́tica wc todo lo posible

(esto aumenta la velocidad de respuesta del lazo cerrado)
4. Reajustar el valor de k̃c (generalmente aumentándolo) para mantener el margen de

ganancia en 2.
5.4. Controladores PID analógicos

La acción PID ideal se describe en la ecuación 5.11. Los controladores PID fueron
originariamente implementados usando tecnologı́a analógica, la cual pasó a través de
varias etapas: neumáticos, relés y motores, transistores y circuitos integrados. En este
5.4. CONTROLADORES PID ANALÓGICOS 143
desarrollo se fue acumulando una gran experiencia en el diseño de los controladores PID y
se les fueron incorporando modificaciones que mejoraron sus caracterı́sticas. Como hemos
dicho, una derivada pura no puede implementarse porque es un no causal, además de
otorgar una amplificación muy grande del ruido de medición. La ganancia de la acción
derivativa debe ser, por lo tanto, limitada. Esto se puede hacer aproximando la función
de transferencia sTd de la siguiente manera:
sTd
sTd ≈ (5.21)
1 + sTd /N
Esta función de transferencia aproxima bien la derivada a bajas frecuencias pero la
ganancia es limitada a altas frecuencias. N tı́picamente está en el rango de 3 a 20.
La función de transferencia del PID queda entonces:

1 sTd
U (s) = kc 1 + + E(s) (5.22)
Ti s 1 + sTd /N
Esta función de transferencia tiene igual número de polos que de ceros, por consiguiente
es realizable.
Otra forma de limitar la alta ganancia de la acción derivativa es agregar a la función de
transferencia del PID ideal un polo de alta frecuencia en (−N/Td ) de la siguiente manera:

kc 1
U (s) = 1+ + sTd E(s) (5.23)
1 + sTd /N Ti s
Este controlador también es realizable ya que contiene igual número de polos que de
ceros.
El diagrama de Bode del mismo se muestra en la figura 5.12 donde se ve que está
limitada la ganancia a altas frecuencias.
|Gc|
-1/dec
1/dec
k� c
1 1 𝑁𝑁 ω
�
Ti �
Td �
Td
< Gc
+90
0
ω
-90
Cap5Fig12
Figura 5.12: Respuesta en frecuencia controlador PID fı́sicamente realizable
5.5. Controladores PID digitales

Veremos ahora los controladores PID digitales. Para ello daremos una breve explica-
ción de cómo se controla en forma general un proceso por medio de una computadora.
Luego estudiaremos cómo obtener un controlador PID digital que aproxime al analógico.
Obtendremos un algoritmo para el controlador PID, implementable en una computadora.
5.5.1. Sistemas controlados por computadora

Las computadoras digitales se implementan en los sistemas de control, como el que
se describe esquemáticamente en la figura 5.13. La salida y(t) del proceso es una señal
continua en el tiempo, la cual mediante el empleo de un muestreador o conversor analógico
digital (A-D) se transforma en una señal digital. Este procedimiento, mediante el cual una
señal continua en el tiempo es reemplazada por una secuencia de números, se denomina
muestreo de la señal continua en el tiempo. La conversión es realizada en los intervalos de
muestreo tk y produce una secuencia de números {y(tk )} (ver figura 5.14), denominada
señal discreta en el tiempo. Normalmente los instantes de muestreo están igualmente
espaciados en el tiempo:
tk = kh , k ∈ {0, 1, 2, . . .}
Este caso se denomina muestreo periódico y h es el perı́odo de muestreo.
Computadora
Reloj
{y(tk)} {u(tk)} u(t) y(t)

A-D Algoritmo D-A Proceso
Cap5Fig13
Figura 5.13: Sistema controlado por computadora
La computadora toma la señal convertida como una secuencia de números {y(tk )},
procesa las mediciones usando un algoritmo, y da como salida una nueva secuencia de
números {u(tk )}. Esta secuencia de números es convertida en una señal analógica u(t)
por un conversor digital analógico (D-A). El conversor D-A produce una señal continua
en la salida a partir de un valor digital en la entrada. Para esta tarea puede utilizarse
un mantenedor de orden cero. Este es un dispositivo que mantiene de manera constante
(durante un perı́odo de muestreo) el valor de la muestra hasta que ingresa una nueva
muestra al conversor (figura 5.15).
5.5. CONTROLADORES PID DIGITALES 145
y(t)
y(tk)
y(h)
y(2h) y(5h y(6h)
y(0)
y(3h) y(4h)
0 h 2h 3h 4h 5h 6h t
Figura 5.14: Muestreo de una señal contı́nua (conversión A-D)

Cap5Fig14
u(kh)
u(t)
0 h 2h 3h 4h 5h kh t
Figura 5.15: Conversión digital analógica estandar (D-A)

Tanto el muestreo como la conversión (D-A) deben estar sincronizados, y esto se logra
utilizando un reloj en la computadora. Los conversores A-D y D-A se encuentran imple-
mentados comercialmente en plaquetas de adquisición de datos, que se conectan en el
interior de la computadora, y que realizan las funciones descriptas. En la figura 5.16 se
muestra, como ejemplo, una plaqueta comercial RS232/485 que posee las siguientes ca-
racterı́sticas: 16 entradas analógicas, 2 salidas analógicas, 16 entradas digitales, 4 salidas
digitales y velocidad de muestreo programable hasta 30 kHz (h = 33,3µ seg). Además de
realizar las conversiones A-D y D-A posibilitando entradas y salidas analógicas, permite
adquirir y emitir señales digitales que posibilitan llevar a cabo operaciones como: secuen-
ciar eventos, monitorear el sistema a través de contactos (por ejemplo fines de carrera),
emitir alarmas, realizar control lógico, encender o apagar motores, etc.
La tarea de diseñar un controlador digital es desarrollar un algoritmo que realice los
cálculos apropiados a partir de la secuencia muestreada de la salida del proceso {y(tk )} y
dé como resultado una secuencia de números {u(tk )}. Ésta señal digital luego de ser con-
vertida a forma analógica, será la señal de control que actúa sobre el proceso a controlar.
Este algoritmo es implementado como un programa en la computadora digital.
Existen varios métodos de diseño de controladores digitales. El método que veremos
aquı́ es el utilizado en los controladores PID disponibles en el mercado, y consiste en
aproximar un controlador analógico por uno digital con propiedades similares. Es también
posible usar métodos de diseño digital que permiten explotar completamente el potencial
del control por computadoras, pero estos métodos están fuera del alcance de este capı́tulo.
Para realizar la aproximación se emplean los operadores que se describen a continuación.
5.5.2. Operadores
Al trabajar con ecuaciones diferenciales lineales suele usarse el operador diferencial
p. Este operador aplicado a una variable temporal da como resultado la derivada en el
tiempo de esa variable:
dx(t)
p x(t) = (5.24)
dt
Es de utilidad notar la relación que existe entre el operador diferencial p y la variable
compleja s de la transformada de Laplace, sin embargo conceptualmente son distintos ya
que el operador p actúa sobre una señal en el tiempo dando como resultado la derivada de
la misma, mientras que la variable compleja s multiplica a un polinomio (escrito también
en s) dando como resultado otro polinomio de mayor orden. Veamos la siguiente ecuación
diferencial:
d2 x dx
2
+ 3 + 2x = u(t)
dt dt
utilizando el operador p la ecuación diferencial queda de la forma:
p2 x + 3px + 2x = u
la transformada de Laplace de la ecuación diferencial es:
2
dx dx
L +L 3 + L[2x] = U (s)
dt2 dt
⇒ s2 X(s) + 3sX(s) + 2X(s) − x0 (0) − sx(0) − 3x(0) = U (s)
Figura 5.16: Plaqueta de adquisición de datos comercial

Obsérvese que los primeros tres términos de la ecuación transformada son similares a
la forma operacional de la ecuación reemplazando p por s y x(t) por X(s).
En los sistemas discretos se utiliza el operador adelanto q que tiene la siguiente pro-
piedad:
q f (kh) = f (kh + h) (5.25)

es decir que, aplicado a una señal discreta, da como resultado el valor de la señal un
intervalo de muestreo más adelante.
El inverso del operador adelanto es el operador demora q −1 :
q −1 f (kh) = f (kh − h) (5.26)

que aplicado a una señal discreta da el valor de la señal un intervalo de muestreo más
atrás.
5.5.3. Aproximaciones numéricas

Asumamos que un controlador continuo en el tiempo es dado como una función de
transferencia Gc (s). Se desea encontrar un algoritmo para una computadora tal que el
sistema digital aproxime la función de transferencia Gc (s). Existen diferentes aproxima-
ciones que básicamente consisten en transformar la ecuación diferencial que representa
al sistema continuo en el tiempo a una ecuación a diferencias que representa al sistema
digital.
Método de Euler : o de diferencias hacia adelante, consiste en aproximar la derivada
de la siguiente forma:
dx(t) x(t + h) − x(t) q−1 q−1

px(t) = ≈ = x(t) ⇒ p ≈ (5.27)
dt h h h
Método de diferencias hacia atrás: consiste en aproximar la derivada de la siguiente

forma:
dx(t) x(t) − x(t − h) q−1 q−1

px(t) = ≈ = x(t) ⇒ p ≈ (5.28)
dt h qh qh
Notar que estas aproximaciones son válidas para perı́odos de muestreo pequeños, esto
hace que en general, la aproximación de controladores continuos por computadoras digi-
tales lleve a perı́odos de muestreo bastante cortos. Note que al utilizar esta aproximación
en sistemas LTI, tiempos cortos significa tiempos menores a la constante de tiempo mas
rápida del sistema.
Usando los métodos de aproximación se obtiene un operador de transferencia H(q)
(que representa al sistema digital) reemplazando el argumento s de Gc (s) por (q − 1)/h
en el método de Euler o por (q − 1)/qh en el método de diferencias hacia atrás (recordar
la relación que hay entre p y s).
5.5.4. Controladores PID digitales

En la actualidad virtualmente todos los controladores PID son implementados digital-
mente. Estos vienen implementados en los paquetes de software de control comerciales los
cuales permiten realizar el control de múltiples lazos. En estos casos se usa una compu-
tadora o red de computadoras con plaquetas de adquisición de datos como la mostrada
en la figura 5.16 para implementar el control. Estos paquetes de software tienen varias fa-
cilidades, una de ellas es la interfaz con el operador que se efectúa por medio de pantallas
en monitores de computadora y en donde se muestra en formas de diagramas de barras
o de diagramas temporales, la evolución de las distintas variables del proceso. Una de
estas pantallas, de un software comercial, se muestra en la figura 5.17. La pantalla que se
muestra es del software SCADA acrónimo de Supervisory Control And Data Acquisition
(Supervisión, Control y Adquisición de Datos). Este es un software para computadoras
que permite controlar y supervisar procesos industriales a distancia. Facilita la retroali-
mentación en tiempo real con los dispositivos de campo (sensores y actuadores), y controla
el proceso automáticamente. Provee de toda la información que se genera en el proceso
productivo (supervisión, control de calidad, control de producción, almacenamiento de
datos, etc.) y permite su gestión e intervención. Normalmente los monitores que permiten
supervisar el funcionamiento del proceso están instalados en salas de control.
Cap5fig17 Figura 5.17: SCADA de un reactor quı́mico
Otra implementación común de controladores PID digitales consiste en unidades in-

dependientes que permiten controlar un único lazo. Un ejemplo de un controlador de
temperatura estándar se muestra en la figura 5.18. Estos equipos poseen un microproce-
sador que lleva a cabo las operaciones del algoritmo de control que tiene incorporado en
un programa de memoria.
Figura 5.18: Controlador estándar de un solo lazo
El controlador descripto por la ecuación 5.22 puede ser discretizado usando los métodos
de aproximación vistos. La acción PID del controlador analógico 5.22 la dividimos en cada
una de sus acciones básicas y las aproximamos por separado.

1 sTd
U (s) = kc 1 + + E(s) = P (s) + I(s) + D(s) (5.29)
Ti s 1 + sTd /N
Parte proporcional : debido a que es una parte puramente estática no hay conversión
alguna:
P (s) = kc E(s) ⇒ p(t) = kc e(t)

⇒ p(kh) = kc e(kh) (5.30)
Parte integral : la aproximamos usando el método de Euler:
kc E(s) di(t) kc i(kh + h) − i(kh) kc

I(s) = ⇒ = e(t) ⇒ = e(kh)
Ti s dt Ti h Ti
kc h
⇒ i(kh + h) = i(kh) + e(kh) (5.31)
Ti
Parte derivativa: la aproximamos usando el método de diferencias hacia atrás:
kc sTd Td dD(t) de(t)

D(s) = E(s) ⇒ + D(t) = kc Td
1 + sTd /N N dt dt
Td D(kh) − D(kh − h) e(kh) − e(kh − h)
⇒ + D(kh) = kc Td
N h h
Td kc Td N
⇒ D(kh) = D(kh − h) + [e(kh) − e(kh − h)] (5.32)
Td + N h Td + N h
Teniendo en cuenta las ecuaciones 5.30, 5.31 y 5.32, el controlador PID digital se puede
expresar usando el operador q, de la siguiente forma:
!
h Td q−1
u(kh) = kc 1 + + Td
e(kh) (5.33)
Ti (q − 1) h + Td /N q − N h+T
d
Esta forma se llama algoritmo de posición.

En algunos casos es ventajoso mover la acción integral fuera del algoritmo de control.
Esto es natural cuando se usa un motor paso a paso que, por ejemplo, se conecta a
una válvula. La salida del controlador deberá entonces representar los incrementos de la
señal de control y el motor implementa el integrador. En estos casos se usa el algoritmo
incremental o de velocidad dado por:
∆u(kh) = u(kh) − u(kh − h) =

h i (5.34)
−1 q −1 h Td (1−2q −1 +q −2 )
kc 1 − q + Ti
+ (h+Td /N )(1−q −1 Td /(N h+Td ) )
e(kh)
Una primera ventaja del algoritmo de velocidad es que si la computadora digital falla,
los actuadores interpretan una salida cero del controlador como “sin cambio” y retienen
sus últimas posiciones. Además los conversores D-A requieren menos precisión (menos
bits) debido a que el rango de los tamaños que un cambio de la señal de control puede
tomar en un solo paso es usualmente mucho más pequeño que el rango de valores absolutos
que puede tener la señal de control.
5.5.5. Algoritmo PID digital

De las ecuaciones 5.33 ó 5.34 se puede obtener un algoritmo para el controlador PID
digital, el cual se puede implementar en un programa de computadora para controlar un
proceso dado.
De la ecuación 5.33 podemos obtener una forma normalizada del algoritmo de posición:
(b2 q 2 + b1 q + b0 )
u(kh) = e(kh) (5.35)
(q 2 + a1 q + a0 )
donde los coeficientes b2 , b1 , b0 , a1 y a0 se obtienen fácilmente de la ecuación 5.33.
Aplicando las propiedades de los operadores q y q −1 podemos escribir:
u(kh) = b2 e(kh) + b1 e(kh − h) + b0 e(kh − 2h) − a1 u(kh − h) − a0 u(kh − 2h) (5.36)
Esta última ecuación nos da el algoritmo de posición de un controlador PID digital, el

cual es fácilmente implementable en un programa de computadora. Nótese que la salida
presente del controlador es una suma pesada de la entrada presente, las dos entradas
pasadas y las dos salidas pasadas. El programa consiste sencillamente en leer la entrada
presente, almacenar en memoria las dos entradas y las dos salidas anteriores, y efectuando
la suma 5.36, calcular la salida presente del controlador.
A las ecuaciones del tipo de la 5.36 se las denomina ecuaciones a diferencias y son
el equivalente en los sistemas discretos de las ecuaciones diferenciales en los sistemas
continuos.
5.6. Aspectos operacionales y consideraciones prácti-

cas
Cuando se diseñan controladores no sólo es de importancia el modo de regulación nor-
mal, sino también algunos aspectos operacionales como la transición de control manual a
automático, etc. Veremos algunos de estos aspectos operacionales y algunas consideracio-
nes prácticas para el ajuste.
5.6.1. Reset-windup
Todo controlador y elemento accionador real presenta una región de saturación. Por
ejemplo, una válvula presenta un comportamiento lineal estático entre dos zonas de satu-
ración, cuando está completamente abierta y cuando está completamente cerrada (figura
5.19 A). Si u representa la señal de comando de la válvula y m representa la apertura de
la misma, hay una región l donde m varı́a linealmente con u. Si la válvula está funcio-
nando en c (completamente cerrada) disminuciones de u mas allá de ubajo no ocasionan
efecto alguno en m, y si está funcionando en a (completamente abierta) aumentos de u
por encima de ualto tampoco ocasionan variaciones en m.
α
m(t)
l A)
c
ubajo ualto u(t)
B)
P
e(t) + u(t)
+
I
Cap5 Figura
fig19 5.19: A) Saturación, B) Controlador PI con saturación
Este hecho, 1.5

sumado al efecto integrador del PID puede producir un fenómeno deno-
minado reset-windup. Para comprender el problema supongamos un sistema controlado
1
a través de un PI que presenta saturación (figura 5.19 B)
c(t)
0.5
0
0 5 10 15 20 25
t
60
5.7. AJUSTE DE PID DIGITALES 153
Ante una perturbación que produzca un error apreciable, el controlador satura inme-
diatamente debido a su acción proporcional u1 (t). La acción integral u2 (t) no presenta
respuesta inmediata pero comienza a integrar el error. Notar que, continuar con esta in-
tegración, es inútil ya que el controlador está saturado (salida constante). Puede suceder
que la amplitud que toma este error integrado inútilmente sea muy grande. Para que el
integrador disminuya su salida (“des-integre”) es necesario que el error cambie de signo.
A causa de esto se producirán inevitablemente sobrepicos en la variable controlada pa-
ra que se produzca un error de signo cambiado de suficiente magnitud que haga que el
controlador vuelva a su zona operativa (sin saturación).
Algoritmos antireset-windup
Una posibilidad de evitar el fenómeno de reset-windup es parar la integración cuando
el actuador se satura. Una forma de implementar esto en un programa es colocando
una sentencia condicional en el algoritmo tal que el término integral se actualice
sólo si la salida del controlador está entre los valores ubajo y ualto , donde el actuador
no se encuentra saturado, y que en caso contrario, mantenga el último valor hasta
tanto vuelva a estar entre esos valores. En el problema 5.9 puede verse un ejemplo
de simulación del funcionamiento de un controlador sin antireset-windup y de uno
con antireset-windup.
5.6.2. Bumpless
Normalmente, en los procesos industriales, el sistema a controlar es llevado al punto
de trabajo bajo la acción de control manual. Una vez alcanzada la zona de operación,
el sistema pasa a ser controlado en forma automática (se cierra el lazo de control). Para
que la transición de control manual a automático se produzca sin sobresaltos debe veri-
ficarse que las variables del controlador presenten los estados adecuados. Es ası́ que, en
los controladores industriales, se implementan algoritmos, denominados de “Bumpless”,
cuyo objetivo es ir adecuando los estados del controlador a medida que se ejerce la acción
de control manual.
5.7. Ajuste de PID digitales

Un regulador PID digital tiene como parámetros a kc , Ti , Td , N , ubajo y ualto que deben
ser elegidos. El parámetro N puede elegirse como un valor fijo, por ejemplo N = 10. Los
parámetros ubajo y ualto deben seleccionarse de acuerdo a los lı́mites de saturación de los
actuadores.
Para variables de procesos comunes se dan las siguientes recomendaciones prácticas
para efectuar un muestreo correcto:
Tipo de variable Tiempo de muestreo [seg]
Caudal 1a3
Nivel 5 a 10
Presión 1a5
Temperatura 10 a 20
Los controladores digitales comerciales tienen comúnmente un intervalo de muestreo

fijo de 200 milisegundos. Comparado con los valores recomendados es este intervalo es muy
corto. Esto implica que los controladores se pueden ver como continuos en el tiempo dado
que su comportamiento es muy similar. Por lo tanto, se pueden usar las reglas estudiadas
en la sección 5.3, y luego calcular los parámetros del controlador digital en base a los
obtenidos en el continuo.
5.7.1. Selección del intervalo de muestreo

Algunas reglas prácticas para elegir el intervalo de muestreo para controladores digi-
tales son las siguientes:
Para controladores PI: h/Ti ≈ 0.1 a 0.3

Para controladores PID: hN/Td ≈ 0.2 a 0.6
Para controladores con acción derivativa se requieren perı́odos de muestreo significa-

tivamente menores. Cuando el intervalo de muestreo es muy reducido se hace crı́tico el
tiempo que demora la computadora para realizar los cálculos del algorimo digital, puesto
que dichos cálculos debe realizarse dentro del intervalo de muestreo. En tales casos, el
algoritmo y el código del programa, deben optimizarse al máximo, o debe recurrirse a
métodos de diseño digital en lugar de realizar la aproximación del controlador analógico.
Ejemplo 5.5 Control del intercambiador de calor con un PID

digital
En el ejemplo 5.2 se obtuvo un controlador PID analógico para controlar un intercam-
biador de calor. Ahora se busca obtener un controlador digital como una aproximación
del analógico.
Primero se elige el intervalo de muestreo:
hN/Td = 0,4
Tomando N = 10 se obtiene h = 0,017 segundos. Se elige h = 0,02 segundos.
Es importante notar que, si N >> 1, el PID dado por la ecuación 5.22 (de la cual se
obtuvo el PID digital 5.33) se comporta de mandera similar al PID ideal de la ecuación
5.11 en la zona de frecuencias de interés. Luego, se pueden emplear los mismos parámetros
kc , Ti , y Td del controlador analógico hallados en el ejemplo 5.2. De esta manera, de la
ecuación 5.33, se obtiene el controlador digital equivalente que está dado por:

0,0118 q−1
u(kh) = 6,75 1 + + 6,8 e(kh)
(q − 1) q − 0,68
Considerando kp1 = 1.
En la figura 5.20 se muestra la simulación del intercambiador de calor con el controlador
digital calculado. Se observa que la respuesta es similar a la obtenida con el controlador
analógico (figura 5.10). En las figuras 5.21, 5.22, y 5.23 se muestran simulaciones obtenidas
con diferentes perı́odos de muestreo. Notar como a medida que el h aumenta, la respuesta
del sistema se deteriora, llegando a hacerse inestable con h = 0,6 segundos. Vemos la
influencia del perı́odo de muestreo en la estabilidad del lazo. Este efecto debe tenerse en
cuenta en la elección del perı́odo de muestreo. En las figuras también se muestra la señal
5.7. AJUSTE DE PID DIGITALES 155
de control, la cual es de tipo escalera. Esto se debe a que el conversor D-A mantiene la
señal entre instantes de muestreo (ver figura 5.15). En el anexo se muestra la pantalla de
Simulink del programa empleado para realizar estas simulaciones.
1.5
1
c(t)
0.5
0
0 5 10 15 20 25
t
60
50
40
30
u(t)
20
10
−10
0 5 10 15 20 25
t
Figura 5.20: Respuesta del intercambiador de calor con PID digital, h = 0,02 segundos
1.5
c(t)
0.5
0
0 5 10 15 20 25
t
20
15
10
u(t)
−5
0 5 10 15 20 25
t
1.5
c(t)
1
0.5
0
0 5 10 15 20 25
t
15
10
5
u(t)
−5
−10
0 5 10 15 20 25
t
2
c(t)
−1
−2
0 5 10 15 20 25
t
30
20
10
u(t)
−10
−20
0 5 10 15 20 25
t
5.8. Conclusiones
En este capı́tulo se han visto los aspectos conceptuales de los controladores PID, como
ası́ también las caracterı́sticas de cada acción (proporcional, integral y derivativa) por
separado. Se han descripto métodos para su ajuste. También se ha estudiado el contro-
lador PID digital. El diseño de este último se obtuvo de la aproximación del controlador
analógico, el cual se emplea en los controladores digitales comerciales. Por último se han
discutido algunos aspectos prácticos de los controladores PID. Debe tenerse presente que
en las implementaciones industriales se pueden encontrar distintas versiones, las cuales tie-
nen incorporadas diferentes modificaciones que les confieren determinadas caracterı́sticas.
5.9. PROBLEMAS 157
No obstante, el principio de funcionamiento es el mismo.
5.9. Problemas
1. Sea un proceso con la siguiente función de transferencia:
1
Gp (s) =
(s + 0,2)(s + 0,3)(s + 0,5)
El mismo se realimenta con un controlador proporcional kc . Hallar el error de estado

estacionario cuando se aplica un escalón unitario al valor deseado para diferentes
valores de kc . Simular el sistema para esos valores de kc . Extraer conclusiones y
proponer posibles mejoras para el control del sistema.
2. a) Para el proceso del problema anterior obtener los ajustes de un controlador PID
por el segundo método de Ziegler y Nichols calculando kc max y Pc en forma analı́tica.
Comprobar estos valores por simulación.
b) Simular el sistema con el controlador PID calculado para entrada escalón en el
valor deseado.
3. Se ensayó un horno aplicando un escalón a la potencia eléctrica sobre las resistencias

calefactoras de 961 watts. La respuesta temporal que se registró se muestra en la
figura 5.24, donde también se muestra el escalón de potencia aplicado. Obtener los
ajustes para un controlador PID empleando el primer método de Ziegler y Nichols.
50
45
Temperatura (°C)
40
35
30
25
0 100 200 300 400 500 600 700 800 900 1000 1100
t (min)
Figura 5.24: Temperatura del horno

4. Demostrar la ecuación 5.33 del algoritmo de posición.
5. Demostrar la ecuación 5.34 del algoritmo de velocidad.
6. Supóngase que la señal e(kh) en la ecuación 5.35 es un escalón muestreado. Dando

valores numéricos a los coeficientes b2 , b1 , b0 , a1 y a0 obténga y grafique la señal
u(kh). Estudie el caso en que todas las raı́ces del polinomio denominador de la
ecuación 5.35 tienen módulo menor que uno y el caso en que algunas de ellas tienen
módulo mayor que uno. Establezca cuál es la condición de estabilidad de los sistemas
discretos.
7. a) Obtener la aproximación discreta de algoritmo de posición del controlador analógi-

co hallado en el problema 5.2. Calcular los coeficientes b2 , b1 , b0 , a1 y a0 de la ecuación
a diferencias 5.35.
b) Simular el sistema con el controlador digital calculado, para un escalón en el valor
deseado.
c) Extraer conclusiones.
8. Considérese el sistema de tanques de la figura 5.25, cuya ecuación de estados y de

salida son:

dx −0,0197 0 0,0263
= x+ u
dt 0,0178 −0,0129 0
y = [0 1]x
x1
x2
Cap5 Prob8
Figura 5.25: Sistema de dos tanques
Para el sistema de lazo cerrado se dan las siguientes especificaciones:

1-Error de estado estacionario cero luego de un escalón en el valor deseado.
5.9. PROBLEMAS 159
2-Margen de fase de 50◦ a la frecuencia 0,025 rad/seg.
a) Diseñar un controlador PI tal que cumpla las especificaciones.

b) Elija el intervalo de muestreo y aproxime el controlador PI con uno digital.
c) Simule el sistema con el controlador digital para un escalón en el valor deseado
(ver apéndice).
d) Extraer conclusiones.
9. Considérese el sistema del tanque de la figura 5.26 A. La válvula de la entrada es

controlada por un regulador para mantener el nivel constante. La válvula de salida
es manipulada externamente y es considerada como una perturbación. El sistema
se describe por
dh
= (qin − qout )/10
dt
p
qout = aout 2gh
donde qin es función de u según se muestra en figura 5.26 B (saturación), aout es el
área de la válvula de salida.
Simular el sistema con un controlador P digital, con un controlador PI digital sin
antireset-windup y con un controlador PI digital con antireset-windup. En los tres
casos el perı́odo de muestreo es h = 5 segundos. El tanque está inicialmente vacı́o y
en el instante inicial se aplica un escalón de magnitud 2 a href . En el tiempo t = 100
segundos el área de la válvula de salida se incrementa de 0.01 a 0.05. Simular el
sistema y extraer conclusiones.
qent
A)
u
href h
Regulador
qsa
qent
1
B)
0 de tanque con1 dos válvulas

Figura 5.26: A) Sistema u y controlador, B) Saturación de la
válvula de salida
Cap5 Prob9
Anexo: Programas en Matlab y
Simulink
En este Anexo se dan los comandos utilizados en el programa Matlab para generar las
figuras citadas.
Figura 2.12
A=tf([1],[1 0]);
figure(1);hold;plot([0:5],ones(1,6));step(A,[0:5]);hold;
Figura 2.13
T1=0;T2=1;k=5;
A=k*tf([T1 1],[T2 1])
figure(1);hold;plot([0:0.1:5],ones(1,51));step(A,[0:0.1:5]);hold;
Figura 2.18
wn=5; chi=1.2;
A=tf([wn2 ],[1 2*chi*wn wn2 ]);
chi=1;
B=tf([wn2 ],[1 2*chi*wn wn2 ]);
chi=0.5;
C=tf([wn2 ],[1 2*chi*wn wn2 ]);
chi=0;
D=tf([wn2 ],[1 2*chi*wn wn2 ]);
figure(1);hold;
plot([0:25],ones(1,26),’--k’,’LineWidth’,1);
step(A,’k’,2);
step(B,’k’,2);
step(C,’k’,2);
step(D,’k’,2);
xlabel(’t’);ylabel(’y(t) (-), u(t) (--)’);xlim([0 2]);ylim([0 2]);
161
162
Figura 3.10 y 3.11
Kc=[1 2 6];
figure(1);
hold;
for i=1:3
Klc=Kc(i)*2/(1+Kc(i)*2);
a=Kc(i);
taulc=5/(1+Kc(i)*2);
Gvd=tf([Klc],[taulc 1]);
figure(1);step(Gvd);
end
figure(2);
hold;
for i=1:3
Kulc=0.75/(1+Kc(i)*2);
Gu=tf([Kulc],[taulc 1]);
figure(2);step(Gu);
end
Figura 5.10
kc=6.75;
Ti=1.7;
Td=0.425;
r=2/(1+sqrt(1-4*Td/Ti));
kcm=kc/r;
Tim=Ti/r
Tdm=Td*r;
Gp2=tf([ 1],[0.5 1]);
Gp1=tf([ 1],conv([2 1],[1 1]));
GcPID=kcm*tf([Tdm 1],[Tdm/20 1])*tf([Tim 1],[Tim 0]);
sys=feedback(GcPID*Gp1,Gp2);
figure(1);hold;
step(sys);
xlabel(’t’);ylabel(’Temperatura’);xlim([0 25]);ylim([0 2]);
-5
0 5 10 15 20 25
Figura 5.11 t
40
kc=[1 4 6.75 11.25];
Gp2=tf([201],[0.5 1]);
Gp1=tf([ 1],conv([2 1],[1 1]));
u(t)
0
figure(2);hold;
for i=1:length(kc)
-20
sys=feedback(kc(i)*Gp1,Gp2);
step(sys,’k’,10,[0:5]);
end -40
0 5 10 15 20 25
xlabel(’t’);ylabel(’Temperatura’);xlim([0 10]);ylim([-1 3]);hold;
t
Cap5fig23 h=0.6
Figuras 5.20, 5.21, 5.22 y 5.23
Figura 5.27: Respuesta del intercambiador de calor con PID digital, Pantalla de Simulink
Bibliografı́a
La bibliografı́a disponible sobre la temática incluida en los contenidos es vasta, y aun-

que cada una da diferentes pesos a los distintos temas, en general el enfoque es semejante.
La Cátedra ha elaborado un apunte con alto grado de detalle que es la base del curso. La
bibliografı́a de consulta es:
Åström K.J., Murray R.M. Feedback Systems: An Introduction for Scientists and
Engineers. Second Edition. Princeton University Press. www.cds.caltech.edu/ mu-
rray/amwiki/index.php/Main Page, 2016.
Auslander, D., Takahashi, Y., Rabins, M. Introducción a Sistemas y Control. Ed.

McGraw-Hill, 1976.
Cooper, Douglas J. Practical Process Control using LOOP-PRO Software, Control

Station, Inc, 2005.
Coughanowr, D.R. , LeBlanc, S.E. Process Systems Analysis and Control Third
Edition. McGraw-Hill Chemical Engineering Series. New York, 2009.
Florez Lopez, R., Fernández Fernández, J.M. Serie Metodologı́a y análisis de da-
tos en ciencias sociales. Las redes neuronales artificiales: fundamentos teóricos y
aplicaciones prácticas. Oleiros. La Coruña. Netbiblo, 2008.
Marlin, T.E. Process Control –Designing Processes and Control Systems for dynamic
Performance. Ed.Mc Graw-Hill,inc. Unitated States, 1995.
Ogata, K. Ingenierı́a de Control Moderna, 4ta. edición, Pearson Educación, 2003.
Ollero de Castro, P., Fernández Camacho, E. Control e Instrumentación de Procesos

Quı́micos. Ed. Sı́ntesis, 1997.
Smith, C. A., Corripio, A.B. Control Automático de Procesos. Teorı́a y Práctica.

Editorial Limusa, 1991.
Stein, L.S. Interpolation of Spatial Data: Some Theory for Kriging. Springer Science
& Business Media. New York, 2012.
Stephanopoulos, G. Chemical Process Control: An introduction to theory and prac-

tice. Ed. Prentice Hall, 1984.
165

Introduccion Al Control Automatico PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Introduccion Al Control Automatico PDF

Cargado por

Copyright:

Formatos disponibles

INTRODUCCIÓN

1. Ingeniería. 2. Diseño de Sistemas. 3. Control Automático. I. Quiñones, Facundo

5. Controladores PID Industriales 127

5.5.5. Algoritmo PID digital . . . . . . . . . . . . . . . . . . . . . . . . . 151

Anexo: Programas en Matlab y Simulink 161

Durante su operación, un proceso debe satisfacer diferentes requerimientos impuestos

1. Seguridad: La operación segura de un proceso es un requerimiento principal para

2. Especificaciones de producción: La planta debe producir la cantidad y la calidad

3. Regulaciones medioambientales: Es fundamental minimizar el impacto que pue-

4. Restricciones de proceso: Los diferentes equipos que conforman un proceso tie-

1. Suprimir la influencia de perturbaciones externas (cambios no deseados en

2. Asegurar la estabilidad del proceso: El sistema de control debe posibilitar que

3. Optimización del rendimiento: El sistema de control debe permitir maximizar

ENTRADA SISTEMA SALIDA

Figura 1.1: Sistema

Estático / Dinámico: Un sistema es estático si la salida en el tiempo “t” sólo

como la salida y la tensión al calefactor como la entrada del sistema. Si en un dado

Los sistemas pueden ser naturales o tecnológicos y el conocimiento sobre su comporta-

1.2. Modelado de Sistemas Dinámicos

Los modelos pueden ser de tipo teórico o de tipo empı́rico:

Figura 1.2: Modelo como representación del proceso

Resolviendo el modelo matemático podemos obtener la evolución en el tiempo de las

Estos modelos presentan las siguientes caracterı́sticas:

Estos modelos no son por tanto fı́sicamente o dimensionalmente consistentes ni

1.2.1. Ecuación de conservación

1.3. Ejemplos de Sistemas Dinámicos

Ejemplo 1.1: Tanque de mezclado

Figura 1.3: Tanque de mezclado.

Se pretende predecir la concentración Ca en la corriente de salida como función del

Cap1Fig3 d(V Ca (t))

1.3. EJEMPLOS DE SISTEMAS DINÁMICOS 7

Figura 1.4: Diagrama en bloques del sistema de tanque de mezclado.

Cap1Fig4 dCa (t)

Ejemplo 1.2: Crecimiento de una población

bN dt = número de individuos que nacen en un intervalo dt

Donde t es el tiempo que transcurre (variable independiente). La ecuación de balance

Figura 1.6: B: nacimientos /unidad de tiempo, M: defunciones /unidad de tiempo. Figura

nacimientos hasta que la población se reduce a N2 , quizá debido a la falta de alimento

1.4. Variables de Estado y Ecuación de Estado

ẋ = F (x(t), u(t), t) (1.9)

normalizada que se denomina ecuación de salida:

y = H(x(t), u(t), t) (1.10)

Ejemplo 1.3: Intercambiador de calor

C1 (dx1 /dt) = (1/R)(x2 − x1 ) + w1 (u1 − x1 )

ẋ(t) = Ax(t) + Bu(t)

Si elegimos a x1 como salida del sistema, entonces:

Ejemplo 1.4: Sistema de tanques agitados continuos

Se observa en la ecuación 1.13 que si q no es constante, el sistema es no-lineal. Si se

El vector de estados y el de entradas son los siguientes:

Ejemplo 1.5: Modelo de una epidemia

x1 = número de personas susceptibles a contraer la enfermedad

Figura 1.9: Diagrama esquemático de la evolución de una epidemia

Aquı́ podemos formular las siguientes ecuaciones:

Ejemplo 1.6: Concentración en n tanques en cascada

Retomemos el problema de concentración presentado en el ejemplo 4, sólo que ahora

El vector de estados es de dimensión ”n”:

Si el caudal q se mantiene constante entonces éste es un sistema lineal de orden n.

Figura 1.11: Evolución temporal de una epidemia con A: K1 = 0,001, K2 = 0,08, B:

Ejemplo 1.7: Linealización de un elemento estático

˙ = ∂f (x, u) |x0 ,u0 ∆x + ∂f (x, u) |x0 ,u0 ∆u

1.6. Diagramas de bloques

1.6.1. Álgebra de los diagramas de bloques

2. Y = G1 (G2 (A))= G2 (G1 (A))