Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Enfoque de Proyecto
Área de Automática
Profesor:
José Miguel Ramı́rez S.
Facultad de Ingenierı́as
Santiago de Cali
12 de febrero de 2011
Contenido
1. La ingenierı́a de control 1
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Definiciones y representación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1. Diagramas de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2. Sistemas de control de lazo abierto y lazo cerrado . . . . . . . . . . . . . . 7
1.2.3. La regulación y el seguimiento . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.4. Tipos de señales y sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.5. Tipos de procesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.6. Representación ISA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3. Las buclas tı́picas de realimentación . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1. La bucla tı́pica de realimentación análoga . . . . . . . . . . . . . . . . . . 20
1.3.2. La bucla tı́pica de realimentación digital . . . . . . . . . . . . . . . . . . . 23
1.3.3. La bucla tı́pica de realimentación discreta . . . . . . . . . . . . . . . . . . 23
1.4. El proyecto de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4.1. El análisis y diseño de los sistemas de control . . . . . . . . . . . . . . . . 26
1.4.1.1. El análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.4.1.2. El diseño . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4.1.3. El problema de diseño de los sistemas de control . . . . . . . . 28
1.4.1.4. Métodos de diseño . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.4.2. Ingenierı́a del proceso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.4.3. Ingenierı́a básica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.4.3.1. Las especificaciones . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.4.3.2. Diseño conceptual . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Detalle de entradas, salidas y componentes del sistema. . . . . . . 33
La estructura del sistema de control. . . . . . . . . . . . . . . . . . 36
1.4.3.3. La justificación del proyecto . . . . . . . . . . . . . . . . . . . . 37
Estimación de beneficios. . . . . . . . . . . . . . . . . . . . . . . . . 37
Estimación de costos. . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Herramientas financieras. . . . . . . . . . . . . . . . . . . . . . . . 39
1.4.3.4. Los términos para la contratación . . . . . . . . . . . . . . . . . 41
1.4.4. Ingenierı́a de detalle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.4.5. Ingenierı́a de puesta en marcha . . . . . . . . . . . . . . . . . . . . . . . . 43
1.5. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.6. Lecturas complementarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
ii
1.7. Ejercicios lúdicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.8. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.9. Actividades sugeridas de proyecto . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2. Modelado análogo 51
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.2. El modelado para el diseño de los sistemas de control . . . . . . . . . . . . . . . . 52
2.3. Propiedades de los sistemas dinámicos . . . . . . . . . . . . . . . . . . . . . . . . 55
2.3.1. Propiedades generales de los sistemas dinámicos . . . . . . . . . . . . . . 55
2.3.1.1. Sistemas eléctricos . . . . . . . . . . . . . . . . . . . . . . . . . . 56
Resistencia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
Capacitancia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Inductancia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.3.1.2. Sistemas mecánicos . . . . . . . . . . . . . . . . . . . . . . . . . 58
Amortiguación. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Elasticidad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Masa y Momento de Inercia. . . . . . . . . . . . . . . . . . . . . . . 59
Traslación y rotación. . . . . . . . . . . . . . . . . . . . . . . . . . 61
Engranajes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.3.2. Sistemas térmicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.3.2.1. Resistencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.3.2.2. Capacitancia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.3.3. Sistemas de fluidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.3.3.1. Resistencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.3.3.2. Capacitancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.3.3.3. Inductancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.3.4. Sistemas de gases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.3.4.1. Resistencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.3.4.2. Capacitancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.3.5. Sistemas quı́micos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.3.5.1. Resistencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.3.5.2. Capacitancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.3.6. Sistemas con tiempo muerto . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.4. Normalización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.5. Representación de la incertidumbre (I) . . . . . . . . . . . . . . . . . . . . . . . . 74
2.6. Sistemas lineales análogos en representación entrada salida . . . . . . . . . . . . 76
2.6.1. La transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.6.2. La función de transferencia continua . . . . . . . . . . . . . . . . . . . . . 81
2.6.2.1. Caracterı́sticas de la función de transferencia . . . . . . . . . . . 83
2.6.2.2. La función de transferencia del tiempo muerto . . . . . . . . . . 84
2.6.3. Trazado de diagramas de bloques en frecuencia . . . . . . . . . . . . . . . 86
2.6.4. Álgebra de diagramas de bloques . . . . . . . . . . . . . . . . . . . . . . . 87
2.6.4.1. Simplificación de diagramas de bloques con una entrada . . . . . 88
2.6.4.2. Simplificación de diagramas de bloques con múltiples entradas . 91
2.6.4.3. Diagramas de bloques con MATLAB . . . . . . . . . . . . . . . 93
2.6.5. Funciones de transferencia de dinámicas no modeladas (I) . . . . . . . . . 94
2.6.6. Modelado del disturbio y del ruido . . . . . . . . . . . . . . . . . . . . . . 97
2.7. Sistemas análogos en representación de estado . . . . . . . . . . . . . . . . . . . . 101
2.7.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
2.7.2. Linealización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
2.7.3. Representación de sistemas en el espacio de estado . . . . . . . . . . . . . 109
2.7.3.1. Ecuaciones dinámicas a partir del sistema . . . . . . . . . . . . . 109
2.7.3.2. Ecuaciones dinámicas a partir de las ecuaciones diferenciales . . 112
Entrada única sin términos derivativos. . . . . . . . . . . . . . . . . 112
Entrada única con términos derivativos. . . . . . . . . . . . . . . . 114
Entradas y salidas múltiples. . . . . . . . . . . . . . . . . . . . . . 116
2.7.3.3. Ecuaciones dinámicas a partir de las funciones de transferencia . 117
2.7.3.4. Ecuaciones dinámicas con el MATLAB . . . . . . . . . . . . . . 119
2.8. Matrices de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
2.9. Identificación de modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
2.10. Reducción de modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
2.10.1. Modelo de red abierta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
2.10.2. Reducción con los valores singulares de Hankel . . . . . . . . . . . . . . . 125
2.11. Simulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
2.12. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
2.13. Lecturas complementarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
2.14. Ejercicios lúdicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
2.15. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
2.16. Actividades sugeridas de proyecto . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
xii
1.35. Diagrama esquemático del proceso de producción de azúcar de caña, fuente Ceni-
caña. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.36. Modelo del tanque de jugo diluido. . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.37. Servomecanismos de lectura de discos ópticos. . . . . . . . . . . . . . . . . . . . . 32
1.38. Las comunicaciones en la pirámide de automatización industrial. . . . . . . . . . 35
1.39. Disminución del punto de operación de un proceso, por un control efectivo. . . . 37
1.40. Aumento del rendimiento de un proceso, por un control efectivo. . . . . . . . . . 38
1.41. Diagrama ISA del control de flujo de floculante Perez [2010]. . . . . . . . . . . . 42
1.42. Consumo de floculante y molienda de caña, antes y después del control Perez
[2010]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.43. Tanque con intercambiador de calor. . . . . . . . . . . . . . . . . . . . . . . . . . 48
1.44. Accionamientos para una carga alta inercial. . . . . . . . . . . . . . . . . . . . . . 49
4.1. Errores estacionarios en red abierta y en red cerrada con control P y PI. . . . . . 200
4.2. Ventajas y desventajas de los sistemas de control realimentados. . . . . . . . . . 202
xxiv
5.1. Caracterı́sticas de la respuesta al escalón. . . . . . . . . . . . . . . . . . . . . . . 228
5.2. Polinomios del numerador y ceros de la función de trasferencia de pulsos (5.79). . 277
5.3. Polinomios del numerador y ceros de la función de trasferencia de pulsos (5.81). 279
5.4. Aproximación de tiempo muerto para filtros Bessel de diferente orden y con
frecuencia de corte ω0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
8.1. Función de transferencia de red abierta para diferentes perı́odos de muestreo. . . 413
10.1. Frecuencias de avance de fase máximas ωm para las dos redes de adelanto de fase.556
La Ingenierı́a del Control Automático juega un papel fundamental en los sistemas y procesos
tecnológicos modernos, y los beneficios que se obtienen con un buen control incluyen productos
de mejor calidad, menor consumo de energı́a, minimización de desechos, mayores niveles de
seguridad y reducción de la polución.
La dificultad es que algunos de los aspectos más avanzados de la teorı́a requieren una base
matemática. Sin embargo, su impacto práctico sólo se puede medir por los beneficios que trae
en sus aplicaciones. En este libro se presentan los fundamentos de control para sistemas lineales
en tiempo discreto y continuo, muy útiles para posteriormente realizar análisis y diseño de es-
trategias de control aplicadas a un sistema real.
2. Actividades lúdicas antes del desarrollo matemático de los contenidos, para comprender
más fácilmente al concepto.
3. Contenidos, donde se presenta la teorı́a necesaria para resolver la etapa del proyecto;
los diferentes conceptos y herramientas matemáticas de análisis se ilustran con ejemplos
dentro de los cuales se presentan los casos de proyectos que se desarrollan a lo largo del
libro. El cómo hacerlo, se ilustra con listas de comandos del programa MATLAB.
4. Resumen en extenso, donde se sintetiza el capı́tulo y se resaltan los aspectos más impor-
tante a considerar para el desarrollo del proyecto.
6. Ejercicios propuestos, para revisión de las técnicas de análisis estudiadas; los últimos
ejercicios son de opción múltiple, para entrenamiento en pruebas de estado.
xxvi
A continuación se describe el contenido del libro:
El libro se puede usar como libro de texto en cursos de sistemas de control para pregrados en
ingenierı́a; para un curso de un semestre se pueden usar los primeros seis capı́tulos; el contenido
total se puede ver en dos semestres. También se puede utilizar como referencia para cursos
de posgrado, en aspectos particulares que desarrolla el libro con algún detalle: el proyecto de
control; las bases para el modelado, análisis y control de sistemas inciertos; los aspectos prácticos
de la implementación de una acción de control.
xxx
Agradecimientos
A la Universidad del Valle por haberme concedido el año sabático para la elaboración del
libro.
A los colegas del grupo de investigación en control industrial por sus aportes y observaciones
que enrriquecieron el libro.
xxxi
Capı́tulo 1
La ingenierı́a de control
1.1. Introducción
Los sistemas de control han sido de gran impacto para el desarrollo de nuestra sociedad; sus
orı́genes se remontan desde los tiempos en que la humanidad buscó dominar la naturaleza; los
primeros sistemas de control conocidos se remontan a 300 años AC, en la Alejandrı́a donde se
usó en mecanismos de regulación de nivel con flotadores en relojes Mayr [1982], ver la figura. El
ı́ndice marca la hora sobre el tambor rotatorio horario; el desplazamiento lineal con el tiempo
del ı́ndice se garantiza gracias a un flujo de entrada de agua uniforme al tanque principal; la
regulación de flujo se logra en el tanque secundario con una válvula flotador en forma de punta;
si el nivel en este tanque disminuye, la válvula desciende aumentando el flujo de agua de entrada
y viceversa; esto permite mantener un nivel de agua constante en el tanque secundario, lo que
a su vez garantiza el flujo constante de agua al tanque principal.
1
1.1. INTRODUCCIÓN
los desarrollos tecnológicos de hoy, como los discos de almacenamiento óptico compacto, DVD
o el Blu-Ray (ver el ejemplo 1.16), los trenes de alta velocidad, los satélites, los aviones, etc.;
incluso juegan un rol importante en la gestión de datos de los servidores de la Internet (ver el
ejemplo 1.12).
Los sistemas de control han permitido incrementar enormemente la precisión de instrumen-
tos cientı́ficos como los microscopios de fuerza atómica, espectrómetros de masa o los telescopios
K.J.Aström and Murray [2009]; también han automatizado tareas humanas repetitivas, tediosas
y/o peligrosas; en la industria, permiten trabajar con tolerancias mucho menores mejorando la
calidad de los productos, disminuyen los costos de producción en mano de obra e insumos, mejo-
ran la seguridad de operación de las máquinas y procesos y permiten disminuir las emisiones
contaminantes, ayudando a preservar el medio ambiente.
Los sistemas de control tienen vastas áreas de aplicación; en la industria manufacturera
(producción de partes para autos, equipos domésticos, etc.), la de procesos (variables como
temperatura, flujo, presión, PH, nivel, densidad, composición, viscosidad, color,...) y la de
transporte, incluyendo la aeroespacial; en la agroindustria, la generación y transmisión de la
energı́a eléctrica, las industrias de procesos quı́micos y en los sistemas mecánicos, eléctricos y
electromecánicos; incluso en sectores como la medicina y los sistemas biológicos, económicos,
polı́ticos y sociales; a lo largo de este capı́tulo se presentarán diversos ejemplos de aplicación
del los sistemas de control en diferentes contextos.
Se encuentran en la cotidianidad: desde la nevera hasta el sistema de control de combustión
electrónica de los automóviles y ası́ como en el cuerpo humano: el control de la temperatura
corporal, la presión arterial, el equilibrio; el simple acto de señalar con el dedo es un sistema de
control; en general, los sistemas realimentados son ubicuos en la naturaleza; la homeostasis en
la biologı́a es la caracterı́stica de los organismos vivos, que mediante la realimentación, se regula
el ambiente interno (quı́mico, térmico, etc.) para mantener una condición estable y constante.
Ejemplo 1.1
Un ejemplo de sistema de control biológico es la regulación de la glucosa en la sangre;
la glucosa ingresa al torrente sanguı́neo a través de los alimentos y la utilizan las células del
cuerpo para producir energı́a; luego de una comida se da un exceso de concentración de glucosa,
entonces el páncreas libera la hormona insulina, la cual hace que el hı́gado y otras células
absorban más glucosa. Si los niveles de glucosa son bajos, el páncreas libera la hormona glucagón
la cual actúa sobre células en el hı́gado que liberan glucosa. Ası́, la acción hormonal del páncreas
busca mantener una concentración constante de glucosa en la sangre, aproximadamente de 90
mg por 100 ml de sangre. △
Ahora bien, para la aplicación de los sistemas de control, se requiere de varias tecnologı́as
como la informática, la eléctrica, la electrónica y las comunicaciones; también exige buena
fundamentación matemática y conocimientos del proceso a controlar.
De todo lo anterior se deriva que los sistemas de control sean un área multidisciplinar y
transversal a las ingenierı́as y a otras ciencias.
Ejemplo 1.2
La figura muestra un diagrama esquemático de un sistema de excitación para generadores
sincrónicos.
El propósito es mantener constante el voltaje en terminales del generador G, requisito
operativo para alimentar la carga eléctrica; esto se logra ajustando adecuadamente el nivel
de voltaje de excitación Ef del generador; el Control Automático recibe la señal de medida del
voltaje en terminales VT con el transformador TP de medida, esta señal se usa para definir el
valor adecuado del ángulo de disparo del puente rectificador PRA, con ello se define el nivel
de corriente de excitación a la excitatriz Exc, IE la cual a su vez alimenta el voltaje de campo
del generador. El sistema permite operar manualmente el nivel de excitación al generador con
el Control Manual. Para este sistema de control, la señal de entrada es el voltaje nominal del
También se usan sumadores para sumar o restar señales y puntos de reparto para usar una
señal varias veces.
r + r+b r + r−b
+ −
b b
c
+
r + r−b+c
−
C C
La Figura 1.10 muestra un ejemplo del uso del sumador y el punto de reparto en un diagrama
de bloques.
1. Para diferentes grados de inclinación del plano, suelte el cilindro desde el extremo más
alto y observe los diferentes desplazamientos del cilindro a lo largo del plano. ¿Cuál es
planta? ¿Cuáles son la entrada y la salida? ¿La planta es estable?
2. Tomando el plano en sus manos, lleve el cilindro desde un extremo al centro. Tome nota
del desplazamiento del cilindro a lo largo del plano, en particular cuánto tarda en alcanzar
el centro y si lo rebasa oscilando alrededor de él. Obtenga un diagrama de bloques que
represente a este sistema de control. Qué serı́a un disturbio para este sistema?
3. Repita el paso anterior con los ojos cerrados.
4. Repita el paso 2 sosteniendo el plano desde un extremo, con el brazo recto al frente y
articulando solo desde el hombro, ver la figura 1.8. Observe y compare con la respuesta
obtenida en el paso 2.
5. Repita el paso 2 llevando el cilindro intermitentemente desde un extremo al centro y
viceversa.
6. ¿Qué puede concluir acerca del comportamiento del sistema?
Bien sea por tacto, visión o gusto el cocinero se hace una idea de la temperatura de cocción
(temperatura observada), la compara con la deseada y usa esta diferencia o error para ajustar
el flujo de calor hacia el alimento. Ası́, en un sistema de control de lazo cerrado, se compara la
entrada y la salida y se usa la diferencia o error como acción de control; se requiere por lo tanto
de una realimentación de la salida controlada de la planta. En la lúdica 1.1 es la realimentación
Ejemplo 1.5
La figura 1.12 muestra un servomecanismo hidráulico de posición.
Entre los puntos de entrada y salida del aceite hay alta presión hidráulica; si la referencia se
desplaza hacia derecha, el desplazamiento de la válvula permite aplicar la presión al servomotor
hidráulico, desplazándolo hacia la derecha y con ello a la carga mecánica; el flujo de aceite se
muestra con las flechas sobre la figura. El desplazamiento del servomotor desplaza también
la leva de realimentación, la cual desplaza la válvula en dirección contraria a la referencia,
llevándola (después de un transitorio) a su posición de equilibrio; en esta posición, cesa la
presión sobre el servomotor y este se detiene en la nueva posición deseada. △
Ejemplo 1.6
La figura 1.13 muestra un esquema básico de la generación hidráulica de la energı́a eléctrica;
la energı́a potencial hidráulica almacenada en el embalse, se convierte en energı́a mecánica en la
turbina, la que a su vez se convierte en energı́a eléctrica en el generador; las variables eléctricas
Figura 1.15: Diagrama de bloques del control de velocidad para una turbina hidráulica.
Los ejemplos 1.2 y 1.6, han presentado dos sistemas de control fundamentales para el correcto
suministro de la energı́a eléctrica; pero no solo el voltaje y la velocidad se deben controlar
de manera distribuida en las centrales de generación de energı́a; en los sistemas de potencia,
los generadores están interconectados entre ellos y con las cargas a través de redes a largas
distancias, conformando un sistema complejo con diversos requerimientos de control; uno de
ellos es que los generadores deben permanecer en sincronismo, pero en la operación del sistema
de potencia hay cambios de la demanda y eventos impredecibles como fallas en la generación o
las redes de transmisión, que generan oscilaciones entre los rotores de las unidades, requiriéndose
sistemas de control para su estabilización; igualmente, se requiere balancear en el lapso de los
minutos, la generación con el nuevo consumo global, para mantener la frecuencia del sistema
en la deseada. Si los disturbios son muy grandes, debe asegurarse la seguridad y confiabilidad
del suministro a la mayor cantidad de usuarios, lo que puede exigir acciones de control como
desconectar lı́neas y usuarios. Esto muestra cómo en estos sistemas distribuidos y complejos, se
requiere del control en diversos niveles y de diversa forma.
Ejemplo 1.7
La figura muestra otros niveles de control en los sistemas eléctricos de potencia.
Para los generadores, aparte de los controles presentados atrás de voltaje y velocidad, se
tiene un estabilizador del sistema de potencia que actúa a través del sistema de excitación
para amortiguar las oscilaciones del rotor. Los controles asociados al sistema de transmisión
buscan mantener los voltajes adecuados en él; son controles distribuidos sobre el sistema de
potencia que actúan sobre diversos dispositivos como Taps de transformadores, condensadores,
reactores, compensadores estáticos, etc. El control automático de generación, es un control
centralizado que monitorea la frecuencia eléctrica y flujos de potencia en lı́neas de frontera
con otras áreas, para balancear la generación con la carga más las pérdidas y ası́ regular la
frecuencia a la nominal y los intercambios de potencia entre áreas del sistema; actúa como un
control suplementario sobre el control de velocidad de determinados generadores del sistema;
también puede distribuir la generación para disminuir los costos operativos. △
Ejemplo 1.8
En la generación térmica de energı́a eléctrica, una caldera provee el vapor a la turbina, ver
un esquema para una caldera en la figura 1.17.
mezcla de agua y vapor re realimenta al domo en la tuberı́a de ascenso; del domo sale el vapor
saturado que se lleva al sobrecalentador donde se eleva la temperatura del vapor para llevarlo a
vapor sobrecalentado; este vapor acciona la turbina de alta presión; el vapor de salida de ella,
se realimenta a la caldera y se pasa por el recalentador donde el vapor gana energı́a térmica
para alimentar la turbina de baja presión.
Para la correcta operación de la caldera se requiere medir y actuar sobre múltiples variables,
entre otras:
El nivel del agua en el domo, ajustando el flujo de agua de alimentación; de ser muy alto,
puede pasar agua al vapor, lo que puede destruir la turbina; si es muy bajo, se pueden
destruir los tubos sin agua de la caldera.
La temperatura y presión del vapor para la correcta operación de las turbinas; para variar
la temperatura del vapor se realizan inyecciones de agua; para ajustar la presión del vapor,
se debe actuar sobre la combustión, variando los flujos de combustible y aire.
La presión en el hogar; se busca una presión inferior a la atmosférica para concentrar las
llamas en el hogar; para esto se ajusta la velocidad de la extracción de humos con un
ventilador.
El oxı́geno u otros gases en los humos, para garantizar una combustión eficiente y evitar
emisiones indebidas de gases al medio ambiente; para ello se manipula sobre los flujos de
combustible y aire. △
Existen también diversos tipos de señales involucradas en los sistemas de control. En el
sistema de control de velocidad de la figura 1.14 las señales son análogas pues solo involucra
señales mecánicas de posición o velocidad. Las señales análogas son de tiempo continuo (se
definen sobre un rango continuo del tiempo) con un rango continuo de amplitud.
En la actualidad, el procesamiento de señales no se realiza mecánicamente como en la figura
1.14, sino digitalmente en procesadores electrónicos; la figura 1.18 ilustra el tratamiento de señal
en un sistema de control moderno.
La señal medida del proceso b(t) es análoga, ver la figura 1.19; al pasar por el proceso de
muestreo y retención S/H (del inglés Sampler and Holder ), la señal solo queda definida en
instantes discretos de tiempo (señal de tiempo discreto), extrapolada por corto tiempo, con un
rango continuo de valores, denominándose señal de datos muestreados b∗ (Kt), ver por ejemplo
la figura 1.20; en la conversión Análoga a Digital A/D, se realiza un proceso de codificación,
obteniéndose una secuencia de números binarios b(Kt), la cual es una señal digital ; las señales
digitales son de tiempo discreto con amplitud cuantificada, esto es que solo pueden tener un
valor finito de valores, ver la figura 1.21. Normalmente los procesos de muestreo, retención y
codificación se realizan en un solo dispositivo conversor análogo a digital.
El Reloj sincroniza el procesamiento de las señales digitales con los procesos de codificación
y decodificación; cabe anotar que si el sistema es multivariable, se tendrán adicionalmente
circuitos multiplexores y demultiplexores de señal.
Ası́, a partir del tipo de señal presente en el sistema, se clasifican en:
Sistemas análogos: si solo contienen señales análogas; los sistemas análogos se describen
mediante ecuaciones diferenciales.
Sistemas discretos: si solo contienen señales discretas; estos sistemas se describen mediante
ecuaciones de diferencia.
En un proceso por lotes, las cantidades de material de entrada pasan por un conjunto orde-
nado de actividades de procesamiento sobre un periodo finito de tiempo; el producto de salida
aparece en cantidades finitas de material.
En estos procesos algunas actividades de procesamiento pueden exigir la regulación o el
seguimiento de ciertas variables continuas de interés.
Ejemplo 1.9
En muchos Ingenios azucareros, el proceso de cristalización del azúcar se realiza por lotes. El
objetivo de este proceso es obtener sólidos en forma de cristal, a partir de una solución lı́quida
saturada. En los cristalizadores a vacı́o llamados tachos, ver la figura 1.23, inicialmente se 1 carga
la meladura y se somete a un calentamiento con vapor hasta lograr una solución sobresaturada
en sacarosa (2 concentración de meladura); luego al tacho se le introducen núcleos de sacarosa
previamente formados (3 siembra), para lograr la formación y crecimiento de los cristales de
azúcar, trasladándose el contenido de sacarosa de la meladura al cristal. Se continúa con la 4
concentración y una vez se obtiene la masa cocida, se 5 descarga y envı́a a la centrifugación; el
tacho se lava y se deja listo para el siguiente ciclo. Por ejemplo, durante la etapa de concentración
de meladura, se controlan su densidad, la presión de vacı́o en la cámara y la presión en la
calandria, ver la figura 1.23. △
Los procesos por lotes son un hı́brido entre los procesos continuos y discretos y su correcto
control requiere del uso de las disciplinas de la automática (regulación y seguimiento) y la
prodúctica (mandos y eventos). Se debe tener en cuenta que los procesos continuos pueden
tener condiciones de operación gobernadas por eventos; como en el ejemplo, las más usuales
son durante el arranque y la parada del sistema, en donde se deben verificar enclavamientos y
seguir una secuencia de eventos. El análisis y control de los procesos discretos no es objeto de
este libro; lo son los procesos continuos en su régimen de operación normal.
Identificación funcional
TIC
101
Identificación de lazo
Figura 1.24: Representación ISA
se conoce como la bucla de realimentación tı́pica. De acuerdo al tipo de señales del sistema de
control, las buclas tı́picas son analógicas, digitales o discretas.
Salida controlada c(t): es la cantidad o condición que se mide y trata de controlar del
sistema; representa la respuesta del sistema a todas las entradas, por lo que puede ser
diferente de la entrada de referencia. Por notación, en algunas partes del libro se usará
también a y(t) como la salida controlada.
Señal de realimentación b(t): es una señal imagen de la salida controlada, adecuada (en
tipo y magnitud) para la comparación con la señal de entrada deseada.
Señal de control a(t): es la señal de salida del controlador; en algunas partes del libro se
usará también la variable u(t) como la señal de control.
Variable manipulada m(t): es la variable de la planta que permite variar la salida contro-
lada.
Ruido n(t): es una señal de entrada al sistema, a través de los elementos de realimentación,
cuyos efectos son indeseables para la operación del sistema de control.
Actuador o elemento final de control : se encarga de adecuar los niveles de potencia entre
la señal de control y la variable manipulada. Entre el controlador y el actuador pueden
existir transductores (conversores y/o adecuadores de la señal) o transmisores de señal.
Ejemplo 1.10
La figura 1.27 muestra la bucla de realimentación tı́pica para el sistema de control de la
excitación descrito en el ejemplo 1.2.
Ejemplo 1.11
La figura 1.28 muestra la bucla de realimentación tı́pica para el sistema de control de ve-
locidad descrito en el ejemplo 1.6.
El sensor de velocidad corresponde a las bolas giratorias que generan la señal de posición
En este caso el controlador corresponde al descrito en la figura 1.18. Los demás elementos
y señales de la bucla, corresponden a los de la bucla tı́pica análoga de la figura 1.26.
Ejemplo 1.12
El uso masivo de los computadores y la Internet ha llevado a sistemas de cómputo altamente
distribuidos y complejos en los cuales los sistemas de control se pueden utilizar para alcanzar
altos niveles en la calidad del servicio. Los problemas y aplicaciones del control en esta área
son muy diversos e incluyen el control de congestión, enrutamiento, manejo de recursos como
memoria y CPU, etc. Los retardos en las comunicaciones y los cambios en las caracterı́sticas
del tráfico y la demanda, hacen difı́ciles estos problemas de control.
Las funcionalidades básicas de un servidor de la Internet se ilustran en la figura. Cuando
una solicitud de servicio llega, una aplicación de control de admisión decide si se acepta, y en
tal caso, se envı́a a una cola de espera luego de la cual se procesa la solicitud y se envı́a la
respuesta.
Para el control realimentado, se mide una variable que represente la calidad del servicio,
como el tiempo de respuesta a los usuarios, la rata del servicio (número de solicitudes aten-
didas por unidad de tiempo) o el uso de la memoria. Como variables manipuladas se pueden
tener el número de solicitudes entrantes aceptadas, las prioridades en el sistema operativo o de
asignación de memoria. El objetivo del sistema de control será buscar mantener la calidad del
servicio en un rango aceptable de valores. La figura muestra la bucla tı́pica de control discre-
ta cuyo propósito es mantener un cierto número de solicitudes en la memoria del servidor, lo
que permite una alta utilización del servidor sin sobrecarga. En este sistema, las variables son
Figura 1.32: Bucla de realimentación tı́pica del control de solicitudes en un servidor de Internet.
Ingenierı́a del proceso: se analiza el sistema a controlar para definir el problema de control.
Ingenierı́a básica: se especifican los objetivos deseados para el sistema de control; se
realiza un diseño conceptual para realizar el análisis inicial de costo-beneficio y justificar
el proyecto ante la dirección de la empresa; luego de su aprobación, se elaboran los términos
de la contratación.
Ingenierı́a de detalle: se realiza el diseño detallado de la solución, se escoge y compra la
tecnologı́a de implementación y se definen las actividades e información requerida para la
implementación.
Ingenierı́a de puesta en marcha; se implementan los diseños, se pone en marcha la solución
y se analiza su validez evaluando el alcance de los objetivos planteados.
Nótese que en el desarrollo del proyecto de los sistemas de control, existe una iteración cı́clica
de actividades de análisis y diseño; la información obtenida en el análisis permite conocer mejor
al sistema, para optimizar el diseño.
1.4.1.1. El análisis
En el análisis de un sistema, se extraen sus partes para estudiarles por separado su es-
tructura, caracterı́sticas y funciones; se estudian luego las relaciones entre las partes y las
caracterı́sticas del sistema completo.
1.4.1.2. El diseño
El diseño, es el proceso mediante el cual se obtiene un resultado que cumple unos requisitos
de desempeño bajo ciertas restricciones. La figura 1.34 muestra el diagrama de bloques básico
de los sistemas de control, con las variables de interés para el diseño.
La planta generalizada compacta la representación de la planta a controlar, los actuadores,
los sensores, conversores, etc; es todo lo que se asume ya seleccionado; en su representación
de alguna forma se deben considerar que los modelos no son perfectos y existen dinámicas
no representadas y que la planta cambia por variaciones en los puntos de operación o en los
parámetros del proceso. El controlador es el elemento a diseñar. Las señales en el diagrama
pueden ser vectores; a son todas las señales de control, b las medidas, w todas las entradas
como referencias, disturbios y ruidos; las señales w no se conocen completamente, solo alguna
información, como una propiedad estocástica o sus máximos y mı́nimos; c son todas las señales
que se desean controlar: las salidas controladas, errores entre las referencias y las medidas, las
señales de control a mantener un rango, etc.; sobre la dinámica del sistema y las señales se
modeladas, no linealidades, perturbaciones, etc., y realizar los ajustes requeridos; una vez se
implementa el control, igualmente se require reajustarlo.
Ejemplo 1.13
En este ejemplo se presenta el proceso para la producción de azúcar a partir de la caña de
azúcar; después de un año de sembrada la caña, se transporta hasta el Ingenio en donde pasa
por varias etapas, ver por ejemplo el proceso de la figura 1.35.
Figura 1.35: Diagrama esquemático del proceso de producción de azúcar de caña, fuente Ceni-
caña.
Muy a menudo el diseño global del proceso se realiza para condiciones de operación esta-
cionarias lo que puede generar dinámicas más difı́ciles de controlar, por lo que se recomienda
que el ingeniero de control haga parte integral del equipo de diseño; debe por lo tanto estar en
capacidad de modelar y analizar el comportamiento del proceso, esto es, del conocimiento de la
fı́sica del proceso (balances de masa, energı́a, momento, flujos de materiales, etc.) y de sus di-
mensiones, cómo se modifican sus comportamientos transitorio y estacionario. En los capı́tulos
2 y 3 se presentará en modelado de procesos continuos y discretos y en el capı́tulo 5 el análisis
temporal.
Ejemplo 1.14
En el proceso de producción del azúcar, se considera un tanque de área transversal C para
el jugo diluı́do; el modelo matemático se obtiene de un balance de materia: la integral del jugo
que entra menos el que sale es el que se acumula en el tanque:
Z t
C N ivel = (f lujo entrada − f lujo salida) dt (1.1)
−∞
El modelo es simple pero captura la esencia del comportamiento del tanque; para dimen-
sionarlo se deben considerar la tasa de producción de jugo y los posibles desbalances máximos
entre la producción de jugo diluido y la demanda del proceso de limpieza; el volumen del tanque
debe ser tal que no se rebase o vacı́e durante la operación; su capacitancia C (área de la sección
recta) define las velocidades de llenado o vaciado y el tiempo de residencia del jugo en el tanque;
este tiempo no puede ser muy largo pues con él aumentan las pérdidas de sacarosa por inversión
Perez [2010]; nótese que para una misma diferencia de flujos, un tanque con baja capacitancia
tiene cambios (transitorios) más rápidos de nivel. △
El análisis del proceso completo debe identificar cada planta a controlar y sus necesidades
de control ; para plantear adecuadamente las necesidades de control, se deben investigar con
el ingeniero de proceso o el operador, revisar casos similares, la normativa, etc., para expresar
textualmente los requerimientos de control; al final se identifican claramente las variables de
interés de cada planta: salidas medidas, salidas no medidas, variables manipuladas y disturbios.
Ejemplo 1.15
Para el tanque de jugo diluido en el proceso de producción del azúcar, por seguridad en la
operación, es necesario evitar el derrame del jugo; se requiere por lo tanto controlar su nivel,
manipulando con una válvula el flujo de jugo de salida del tanque (flujo al proceso de limpieza);
el flujo de jugo de entrada al tanque será el principal disturbio en este control de nivel. △
Conocer los objetivos de control es saber que se desea que alcance el sistema: una referencia,
disminución de costos operativos, seguridad, calidad del producto, y que nivel de desempeño
se desea para ello (precisión permanente, velocidad de respuesta, estabilidad, etc.), todo esto
en presencia de cambios en los puntos de operación, cambios en los parámetros del proceso,
dinámicas no representadas, disturbios externos y ruidos en el sensor. El siguiente ejemplo
ilustra la definición de los objetivos de control.
Ejemplo 1.16
La figura 1.37 muestra los servomecanismos para el posicionamiento del lector de un disco
de almacenamiento óptico de rayo azul (Blu Ray, BD), el cual es similar al de un disco compacto
(CD) o un disco versátil digital (DVD). El disco óptico se lee en espiral desde el centro siguiendo
una pista o surco, con un cabezal posicionado con un arreglo de resortes, bobinas e imanes,
llamado actuador magnético. En el cabezal, hay un emisor de rayos láser, lentes y espejos que
enfocan el haz de luz en un punto de la capa reflectiva en aluminio del disco y lo reflejan hacia
fotorreceptores de cuatro cuadrantes que convierten la luz reflejada en señales eléctricas; a lo
largo del surco hay grabados huecos y salientes de una profundidad asociada a la longitud de
onda del láser, de forma que la interferencia del haz con su reflejo cancele o no la onda de luz,
permitiendo leer en los fotoreceptores dos tipos de información: los errores de desviación de las
posiciones radial y vertical y una señal de alta frecuencia portadora de la información digital
almacenada en el disco.
Dos objetivos de control se definen para la correcta lectura del disco: el buen posicionamien-
to radial para seguir la pista y el ajuste adecuado de la separación entre el punto de lectura
y el cabezal, para el correcto enfocado del láser. Sin embargo, las imperfecciones de los discos
generan grandes perturbaciones para su lectura, la cual por realizarse a velocidad constante,
hace que estas perturbaciones sean periódicas. La inclinación o deformación del disco, generan
Tabla 1.1: Errores máximos de posición vertical y radial para discos de almacenamiento óptico.
Tipo de disturbio Máximo error de seguimiento DVD BD
Error vertical µm 2N A2 0.903 0.280
Error radial µm q/10 0.074 0.032
Cabe anotar que este ejemplo ilustra cómo un objetivo de control de mantener una señal
pequeña, se define en términos de una norma de la señal, en este caso el máximo valor absoluto
del error para todo tiempo: emax = max∀t |e(t)|; las especificaciones de desempeño se han
definido como cotas o valores máximos permitidos para las normas de estas señales de interés.
dores o pantallas industriales; en este nivel se tiene una imagen virtual de la planta en ambientes
de Supervisión, Control y Adquisición de Datos SCADA (Supervisory Control And Data Acqui-
sition); el SCADA realiza la adquisición de datos y su transmisión desde los niveles inferiores,
utilizando las diversas redes de comunicación (buses de campo, Ethernet, etc), almacenan infor-
mación en bases de datos especı́ficas con tiempos de acceso muy cortos para el control. Permiten
visualizar la información utilizando interfaces hombre-máquina amigables, realizan funciones de
control como el cambio de los parámetros de los controladores y permiten la comunicación con
diversas aplicaciones informáticas del nivel superior para la gestión de procesos, tales como el
mantenimiento predictivo y el MES (Manufacturing Execution System), para la gestión integral
de la producción. En el nivel superior se tienen los sistemas de gestión de la empresa; en el ERP
(Enterprise Resource Planning), se integran los módulos de gestión, control y planificación de
la empresa en una base de datos común; el acceso a la información de los niveles más bajos,
permite generar información a los directivos sobre los costos y tiempos de producción, nivel de
almacenamiento del producto final, rendimiento de la planta, etc., con lo que pueden tomar
decisiones para optimizar el funcionamiento de la planta con los requerimientos del mercado.
Esta jerarquı́a corresponde a un control distribuı́do, donde la planta compleja con múltiples
entradas y salidas, se divide en elementos más simples como el lazo, agrupados en unidades o
áreas, hasta abarcar la planta total.
En este libro se estudian los niveles 1 y 2 de la tabla anterior; la estructura del sistema
de control normalmente se especifica mediante el diagrama ISA de tuberı́a e instrumentación
(P & ID, Pipe and Instrumentation Drawing); esta estructura, depende del número de salidas
controladas y entradas manipuladas del proceso; para el nivel 1, la estructura corresponde a la
bucla de realimentación tı́pica; para diseñarla, se debe escoger el tipo de controlador y ajustarle
sus parámetros. El controlador más empleado para ello es el que genera la señal de control a
partir de una combinación de la Proporción, Integración y Derivación del error, el controlador
PID; este controlador se estudiará en el capı́tulo 6. Para plantas multivariables como la de la
figura 1.25, se tienen múltiples lazos tı́picos y estructuras diferentes a la de la bucla tı́pica, como
lazos en cascada, control directo de disturbios medidos, control directo de referencia, etc.; estas
estructuras se estudiarán en el capı́tulo 10, también se pueden tener otros tipos de controladores
como los RST o la realimentación de estados, ver capı́tulos 6, 10 y 11.
La definición de la estructura del sistema de control es fundamental en la solución del
problema de control; como se observó en la lúdica 1.1, no es lo mismo controlar el cilindro con
el plano sostenido con las dos manos, sin mirarlo o sosteniéndolo con un solo brazo extendido; el
sensor o actuador disponible, puede hacer la diferencia para lograr un buen sistema controlado;
por otro lado, las dinámicas propias de los componentes seleccionados afectan el comportamiento
del sistema de control; el filtrado en la medición, la dinámica del actuador, los retardos en las
comunicaciones y en el cálculo de la ley de control, cambian la dinámica del lazo y deben por
lo tanto tenerse en cuenta en la definición de la estructura y el ajuste del control; el desempeño
del lazo será tan bueno como lo sea el del elemento más débil, lo que nos lleva a la necesidad de
tener homogeneidad en la precisión y calidad de los diferentes elementos del sistema de control.
Figura 1.39: Disminución del punto de operación de un proceso, por un control efectivo.
Un mejor control disminuye las desviaciones en la variable controlada y por ende del pro-
ducto; la figura 1.39 muestra las funciones de densidad de probabilidad para un control manual
o pobre y uno de alto desempeño; un buen control permite disminuir la varianza de la salida
manteniéndola más cerca de la referencia; por exigencias de calidad u operativas existen lı́mites
en las variables; por ejemplo, en las laminadoras o en la producción de papel, es un requisito
de calidad mantener un espesor mı́nimo del producto; ası́, si en la figura 1.39 la variable es el
espesor, el control de alto desempeño permite bajar el punto de operación, lográndose un pro-
ducto de menos espesor, lo que disminuye el reproceso de la materia prima, generando grandes
ahorros en costos de energı́a, mantenimiento de equipos, etc.
Estimación de costos. Los costos son lo que se debe pagar para adquirir un bien o servi-
cio; en el proyecto de control corresponden a la inversión inicial y la operación posterior; en la
inversión inicial se incluye: instrumentación (sensores, actuadores, transmisores), soporte fı́sico
(procesadores, tarjetas de comunicación, alimentación de potencia, tarjetas de entrada-salida,
racks, gabinetes, etc.), soporte lógico, (sistema operativo, Scada, comunicaciones), infraestruc-
tura (eléctrica, mecánica, neumática), personal, entrenamiento, documentación, manejo del
proyecto, etc.
Su cuantificación se puede realizar a partir de cotizaciones de proveedores, costeo de órdenes
de producción, de proceso, estándar Peña [2007] o de estimaciones generales; para estas últimas,
en un caso tı́pico, el control y la instrumentación está en el orden del 5 al 10 porciento del costo
total de la instalación nueva de una planta continua (para procesos por lotes este costo es
de un 50 % más); de este costo, aproximadamente la mitad es de instrumentación, 5-10 % de
infraestructura, 5-10 % hardware y un 10 % de software.
Los costos de funcionamiento corresponden a los que se tendrı́an, una vez esté operativo el
sistema; entre otros se tienen el costo de la energı́a eléctrica, contratos de mantenimiento, el
soporte técnico, personal, repuestos, etc.
activos diferidos (los no fijos los requeridos para realizar el proyecto, como diseño, construcción,
instalación, puesta en marcha, administración, investigación, patentes, etc.) y el capital de tra-
bajo (activos corrientes requeridos para la operación del proyecto, como el efectivo, las cuentas
por cobrar, los inventarios). Dependiendo de la legislación tributaria, los activos fijos se pueden
depreciar y los diferidos amortizar, lo que merma las utilidades antes de impuestos, generando
un ahorro fiscal que beneficia positivamente el flujo neto de efectivo.
El flujo neto de caja o efectivo son los beneficios netos esperados del proyecto en cada
perı́odo, como las utilidades (si es un producto nuevo), los ahorros fiscales, de personal, de
operación y de materia prima.
La tasa de descuento o tasa de oportunidad del mercado, es la tasa de interés del costo del
capital exigido por la fuente de financiación del proyecto, o bien, la tasa que se obtendrı́a si
se invierte el dinero en otro proyecto o medio de inversión con riesgo similar. Si el V P N es
positivo, el proyecto es bueno para la empresa pues genera más beneficios que los costos del
capital, o la rentabilidad es mayor que la tasa de oportunidad.
La Tasa Interna de Retorno T IR, es la que hace el V P N cero:
N
X Fk
V PN = 0 = − I0 (1.3)
(1 + T IR)k
k=1
Ejemplo 1.17
Se considera un proyecto de control para pasar de un control manual accionado por un
operador a uno automático realimentado; la tabla siguiente muestra el flujo neto de efectivo,
para cinco años.
Se han considerado como beneficios directos, el ahorro de mano de obra del operador, con un
aumento anual salarial del 5 %, y la disminución de desechos; se considera también un aumento
importante en la calidad del producto final que disminuye las devoluciones del producto. El
En el análisis se pueden incluir otros aspectos como considerar el incremento de los beneficios
por la inflación o realizar un análisis de sensibilidad para ver la evolución del V P N al cambiar
variables crı́ticas como la tasa de descuento. Estas herramientas suministran una base cuanti-
tativa que sirve de criterio para aceptar o rechazar el proyecto de acuerdo con su rendimiento
económico; sin embargo, puede suceder en la práctica que se acepten proyectos cuyo rendimien-
to económico sea inferior al mı́nimo requerido o que se rechacen proyectos rentables, debido a
aspectos cualitativos como los gustos de la gerencia, aspectos de competencia, saturación del
mercado, etc.
Otro escenario se da cuando el departamento encargado de la instrumentación en la planta
tiene un presupuesto anual a discreción para el desarrollo de proyectos de control; en este caso
es importante tomar información para la comparación del desempeño antes y después de la
implementación de la solución de control.
Ejemplo 1.18
En el proceso de la producción del azúcar de la figura 1.35, se requiere adicionar floculante
al jugo diluido para aumentar la eliminación de los lodos contenidos en el jugo, en los clarifi-
cadores; en Perez [2010], se implementó un control de flujo del floculante en función del flujo
de jugo; antes de la implementación, el flujo de floculante se mantenı́a constante, independiente
del flujo de jugo, excediendo la mayor parte del tiempo el flujo teórico requerido; el exceso de
floculante en algunas ocasiones entorpece la buena decantación de las impurezas, perjudicando
el cumplimiento de los estándares de calidad establecidos. Adicionalmente, se requiere preparar
el floculante con una alta concentración para mermar la adición de agua al jugo; el agua añadi-
da implica más consumo de vapor en la etapa posterior de evaporación, incrementando los
costos de producción. Por ello se propuso preparar el floculante con una mayor concentración
y diluirlo posteriormente en lı́nea con jugo clarificado, antes de ser inyectado en las torres de
prefloculación, ver la propuesta del control para este proceso en la figura 1.41.
La figura 1.42 presenta las partes por millón ppm de floculante añadido al jugo en los
primeros semestres de 2008 y 2009, junto con las toneladas de molienda mensual; se observa
que aunque la molienda fue mayor con el control de flujo de floculante implementado, las ppm
de floculante fueron inferiores, generando un ahorro importante a la empresa. △
Figura 1.41: Diagrama ISA del control de flujo de floculante Perez [2010].
Figura 1.42: Consumo de floculante y molienda de caña, antes y después del control Perez
[2010].
Datos detallados del sistema: datos medidos, o calculados, datos almacenados, perı́odo
de almacenamiento y resolución, archivos y copias de respaldo, exportación de datos,
facilidades para el intercambio de información, etc. (OPC, SQL, xls, etc)
Interfaces del sistema: detalle de las entradas y salidas análogas y digitales, interfaces
con terceros, protocolos lógicos (MODBUS, ASCI I , etc) y fı́sicos (TTY, RS232, RS485,
Ethernet), interfaces hombre-máquina, fuentes, CPU, discos, requerimientos para el so-
porte y mantenimiento del sistema, estándares y metodologı́as a seguir para el desarrollo
del software y hardware ( IEC1131, IEEE 142, NEMA, etc.).
Cronograma de actividades.
Se documentan los valores de parámetros y pruebas de cada lazo, se elaboran los planos y
manuales de operación y mantenimiento definitivos y los resultados de las pruebas de validación
de las especificaciones con las cuales se comprueba que lo instalado opera y cumple con los
requerimientos de la especificación funcional. Finalmente se realiza la capacitación del personal
para el mantenimiento y operación del sistema.
1.5. Resumen
Los sistemas de control han sido de gran importancia para el desarrollo de nuestra sociedad,
siendo parte de cualquier sistema de ingenierı́a moderno; han permitido mejorar la productivi-
dad, flexibilidad y seguridad de operación, calidad de los productos y disminuir los desperdicios
y las emisiones contaminantes.
Sus aplicaciones son extensas y transversales a las ingenierı́as y otras ciencias; en este capı́tu-
lo se presentaron ejemplos de sistemas de control en sistemas biológicos, control de velocidad y
posición de sistemas mecánicos, los sistemas eléctricos, en variables de procesos como la tem-
peratura, nivel, flujo, presión y composición y en sistemas de uso cotidiano como un disco de
lectura láser y un servidor de la Internet.
Es multidisciplinar pues para su aplicación se requieren diversas tecnologı́as de la informática,
instrumentación, actuación, computación y comunicaciones; su viabilidad se analiza con las cien-
cias económicas y las relaciones sociales entre los diversos sujetos activos (gerente de proyecto,
ingeniero de desarrollo, operador de planta, etc.) de los proyectos de diseño de los sistemas de
control y de la sociedad en general, juegan un rol importante para su éxito y pertinencia.
Es la realimentación la que permite diseñar los sistemas de control para resolver sus dos
problemas básicos: regular una variable en un valor preestablecido o seguir una referencia vari-
ante; sin embargo, tiene dos limitantes importantes: la posibilidad de la inestabilidad y el ruido
en la medición en un sistema de mayor complejidad. En el diseño de los sistemas de control
se busca un controlador viable de implementar, que logre un comportamiento en red cerrada
estable y lo más cercano posible al deseado, independiente de los cambios en el proceso, las
perturbaciones externas sobre el lazo y el ruido de medida.
Mediante los diagramas de bloques o los ISA, se pueden representar los sistemas de control;
dependiendo de los tipos de sistemas y señales involucrados, se representan mediante buclas de
realimentación tı́picas análogas, digitales o discretas; en ellas se definen los diferentes elementos
y señales que hacen parte de los sistemas de control.
En el proyecto de diseño de los sistemas de control se realizan actividades para el conocimien-
to del proceso, la definición del problema de control, los objetivos a cumplir, el establecimiento
de los requerimientos funcionales, un diseño básico, la justificación económica y los términos de
la contratación; en la ejecución se detalla el diseño y finalmente se pone en marcha la solución
verificando el alcance de los objetivos propuestos.
Para más detalles de los ejemplos discutidos en el capı́tulo, ver Khoo [2000] sobre el control
del azúcar en la sangre; en Kundur [1994] se describen los diferentes componentes y sistemas
de control de los sistemas de potencia, incluyendo los controles de tensión y frecuencia y de la
caldera; para el proceso de producción del azúcar, ver además de las referencias dadas Hugot
[1986]; para el control del servidor de Internet ver Hellerstein [2004]. Para los lectores de discos
ópticos ver las referencias citadas.
Los múltiples aspectos relacionados en el proyecto de control se detallan en las referencias
dadas a lo largo del libro.
1. Defina el rol de cada persona con relación a los elementos y variables de control.
2. Proponga un diagrama de bloques para describir cualitativamente al sistema.
Ejercicio 1.2
Suponga que las personas del ejercicio anterior se encuentran en una habitación aislada,
cerrada y sin ventanas; B usa gafas; un niño D juega con el interruptor de la luz prendiéndolo
y apagándolo rı́tmicamente. Una persona E camina por la habitación, chocando a veces con los
demás. Escoja la opción que considere correcta.
A. el valor X.
B. el ángulo del plano.
C. el niño D.
D. la persona E.
3. La variable manipulada es
4. La salida controlada es
Ejercicio 1.4
Plantee el diagrama de bloques que describa el sistema de control del reloj de agua de
Ktesibios.
Ejercicio 1.5
Plantee el diagrama de bloques que describa el regulador de Watt de la figura 1.2.
Ejercicio 1.6
Diseñe un sistema de control para la regulación automática del nivel de azúcar en la sangre;
represéntelo mediante una bucla de realimentación tı́pica.
Ejercicio 1.7
Durante una operación médica, un anestesista controla la profundidad de la inconsciencia
del paciente variando la concentración de isoflurano, en una mezcla vaporizada con oxı́geno
y óxido nitroso; la profundidad de anestesia la evalúa a partir de la presión sanguı́nea del
paciente. Dado que el anestesista debe administrar otros medicamentos, se desea soportarlo con
un sistema de control automático; diseñe este sistema y obtenga un diagrama de bloques de la
bucla de realimentación tı́pica.
Ejercicio 1.8
Obtenga la bucla de realimentación tı́pica para el sistema de control de temperatura de una
nevera.
Ejercicio 1.9
Un sistema de control multivariable casero consiste en la ducha con llaves de agua frı́a y
caliente; se desean una temperatura y flujo de salida del agua para un baño confortable. Dibuje
un diagrama de bloques para este sistema de control.
Ejercicio 1.10
(Dorf y Bishop, 1989). Adam Smith (1723-1790) analizó el tema de la libre competencia
entre los participantes de una economı́a en su libro ‘La riqueza de las Naciones’. Puede decirse
que Smith sugirió que:
1. Los trabajadores, como un todo, comparan los diferentes empleos posibles y toman aque-
llos que ofrecen mayor remuneración.
2. En cualquier empleo el pago disminuye según aumenta el número de trabajadores solici-
tantes.
Suponiendo que r es el total promedio de pagos en todas las actividades, c el total de pagos
en una actividad particular y q, la afluencia de trabajadores dentro de una actividad especı́fica,
dibuje un diagrama de bloques que represente este sistema realimentado.
Ejercicio 1.11
Investigue los sistemas de control utilizados en las variables descritas para la caldera del
ejemplo 1.8.
Ejercicio 1.12
La figura 1.43 muestra el diagrama de instrumentación del tanque de un intercambiador de
calor.
El dispositivo A genera una señal eléctrica b1(t) igual al nivel del producto en el tanque
h(t): el dispositivo B varı́a el flujo del producto frı́o qf(t) de acuerdo a la señal a1(t). El flujo del
producto caliente qc(t) se regula de forma independiente con un sistema de control externo que
garantiza las demandas del producto caliente en el resto del proceso. El dispositivo C calcula
cada T segundos la señal a(k), la cual se envı́a a un retenedor de orden cero cuya salida es la
señal a1(t). Identifique los diferentes elementos y señales de la bucla tı́pica de realimentación
correspondiente.
Ejercicio 1.13
Para confort del conductor, se ha desarrollado un sistema de control para mantener la
velocidad va de un automóvil en un valor x. Un Encoder toma la velocidad de giro ω de una
de las ruedas y la lleva a la computadora central del automóvil; ésta implementa la estrategia
de control, descrita mediante la ecuación:
Z
v1 = kp (x − v) + ki (x − v)dt
Donde v1 es una tensión que se aplica a una válvula que maneja el flujo de combustible
al motor y v es la señal del Encoder, la cual es proporcional a la velocidad ω. Identifique los
diferentes elementos y señales de la bucla de realimentación tı́pica para este sistema de control.
Ejercicio 1.14
Se desea diseñar un sistema de control automático para regular la velocidad de un automóvil
en un valor dado V. Un disturbio para este sistema es
B. el valor V.
C. la inclinación de la vı́a.
D. la aceleración del automóvil.
Ejercicio 1.15
La figura muestra el diagrama esquemático de un sistema de control para mover una carga
de gran inercia J sujeta a un par externo tL ; se usan dos motores para repartir la carga y
aumentar la confiabilidad del sistema. ω es la velocidad de la carga, t1 y t2 son los pares
motores sobre el eje de la carga de los motores 1 y 2 respectivamente, proporcionales a sus
tensiones de alimentación Ea .
En operación normal, el motor 2 genera un par base constante t2 , mientras que para el motor
1, con el bloque control y el accionador 1, se desarrolla una estrategia de control en cascada
para regular controlar la corriente de armadura ia y la velocidad de la carga.
En las siguientes preguntas, seleccione una o varias de las opciones que considere correctas.
A. El motor 1.
B. La carga.
C. Los motores y la carga.
D. Los accionadores, motores y carga.
A. Ea1
B. ref
C. iref
D. t1
A. El motor 1.
B. El encoder.
C. La inercia J.
D. El accionador 1.
4. Un disturbio es:
A. ia
B. ref
C. tL
D. t2
Ejercicio 1.16
En un proceso de producción de azúcar de caña, se separa el jugo del bagazo en molinos
mediante mazas que a cierta separación presionan el bagazo. La tecnologı́a de instrumentación
y control es neumática y obsoleta, por lo que se decide desarrollar un proyecto de modernización
con sistemas de control digitales. Si con la nueva instrumentación y control se logra un aumento
en el porcentaje de extracción de jugo con relación al volumen de caña y un mayor consumo
energético de los molinos, es porque el sistema opera con
3. Considere una bucla de realimentación tı́pica para el sistema de control; identifique los
diferentes elementos y señales; analice la secuencia de eventos que aparecen luego de una
variación en la entrada deseada o del disturbio.
6. Estime costos y beneficios y discuta los impactos sociales que tiene el sistema de control en
cuanto a calidad de producto, seguridad de operación industrial, mano de obra, confort,
medio ambiente, etc.
Modelado análogo
2.1. Introducción
En la sección 1.4.1 se discutió cómo el modelado matemático es un paso importante en el
análisis de los sistemas de control; entre mejor se conoce la planta, mejor se puede controlar.
Para lograr un adecuado balance en los compromisos de diseño se requiere evaluar el efecto de
cambios en los parámetros o en la estructura del control, pero no siempre el proceso se puede
manipular para este propósito, por lo costoso que esto puede ser en la producción o simplemente
por restricciones operativas y de seguridad del sistema. También interesa conocer cómo operarı́a
el sistema realimentado si hay cambios en la operación o caracterı́sticas del proceso, o cómo
responderı́a a grandes disturbios o ante una falla del sensor, pero esto no se puede realizar
en la práctica; para lo anterior, el diseñador puede usar modelos matemáticos que relacionen
parámetros, entradas, disturbios y condiciones iniciales, con las variables internas y la salida;
estos modelos simulados en un computador, permiten realizar este tipo de análisis.
En este capı́tulo se presenta el modelado de sistemas análogos para el diseño del sistema
de control; con ello se obtiene el modelo para la planta generalizada de la figura 1.34 y si el
controlador es analógico o digital con frecuencia elevada de muestreo, para la bucla tı́pica de
realimentación análoga presentada en la sección 1.3.
Inicialmente se discuten los aspectos generales a considerar en la construcción de modelos
para propósitos de diseño del sistema de control, como el grado de complexidad requerido en el
modelado y las diferentes aproximaciones que existen para obtener modelos. Luego se presentan
propiedades generales de los sistemas dinámicos, a partir de las cuales se modelan diversas clases
de sistemas utilizados en los ejemplos presentados a lo largo del libro.
En este capı́tulo se presentarán los dos tipos de modelos más utilizados en control, de entrada
salida mediante funciones de transferencia y de representación interna con variables de estado.
El comportamiento dinámico de los sistemas análogos se describe por medio de ecuaciones
diferenciales; si se pueden linealizar, la transformada de Laplace permite obtener relaciones de
entrada-salida para los componentes del sistema y los subsistemas en la forma de funciones de
transferencia. Los bloques de las funciones de transferencia se pueden organizar en diagramas
de bloques para representar las interconexiones de una manera gráfica. Los diagramas de blo-
ques son por lo tanto representaciones de entrada-salida adecuadas para diseñar y analizar los
51
2.2. EL MODELADO PARA EL DISEÑO DE LOS SISTEMAS DE CONTROL
sistemas de control.
Por otro lado, el control moderno se basa en el conocimiento del comportamiento interno
de los sistemas, reflejado en las variables que influyen en su dinámica. El conocimiento de
la evolución de todas las variables que influyen en la dinámica del sistema, permite efectuar
un mejor control del sistema y su utilización en el control de sistemas más complejos. Esta
representación se aplica de forma directa a sistemas multivariables, no-lineales o con parámetros
variantes.
Este capı́tulo presenta el modelado de los sistemas análogos tanto para la representación
entrada-salida como la de estado. La representación y el posterior análisis y diseño del sistema
de control se facilita con el uso de programas de cómputo como el MATLAB
, R para el cual se
presentarán en este libro los principales comandos, en la medida en que se vayan necesitando.
También se presentan los aspectos de error de modelado, el modelado de las entradas externas
disturbios y ruidos, la normalización de modelos, la linealización de modelos no-lineales, una
introducción a la obtención de los parámetros de los modelos y finalmente como reducir los
modelos. El capı́tulo se ilustra con el modelado de diversos sistemas fı́sicos, que involucran
sistemas quı́micos, mecánicos, hidráulicos, neumáticos, térmicos y eléctricos.
2. Abra un poco más el grifo y observe de nuevo el comportamiento del nivel hasta que se
estabilice; repita este procedimiento hasta que el agua rebose el vaso.
4. Repita el procedimiento de llenado, pero trate de llegar y mantener el nivel, tan cerca
como pueda, en la mitad del vaso.
5. ¿Qué puede concluir sobre la forma de la evolución del nivel durante el llenado y el
vaciado?
6. Plantee una ecuación diferencial que describa a este sistema, para el llenado y vaciado
(pasos 1 a 3); cómo podrı́a obtener sus parámetros?
Si el flujo fuera laminar, esta relación serı́a lineal. El coeficiente de proporción k se podrı́a
calcular también a partir de leyes fı́sicas, pero es más fácil obtenerlo a partir del enfoque de
caja gris, midiendo en régimen estacionario el caudal para diferentes niveles; el caudal se puede
medir, por ejemplo, colocando en la descarga de agua un recipiente de volumen conocido y
midiendo el tiempo que tarda en llenarse; el valor de k para el modelo se puede obtener del
promedio de los diferentes
√ valores de k obtenidos en los experimentos, o mediante una regresión
lineal entre q y h. Sustituyendo (2.1) en (1.1) y usando el subı́ndice e para la entrada, se
obtiene: Z t √
c(h)h = (qe − k h)dτ (2.2)
−∞
Esta ecuación describe la dinámica del proceso, donde un aspecto importante es que la in-
tegral, considera los hechos pasados que afectan el comportamiento actual del proceso. Nótese
que el nivel h está implı́cito en la ecuación y no es claro cómo calcularlo; otra forma de repre-
sentar la ‘historia’ del proceso, es relacionando las ratas de cambio o derivadas de las variables;
dh 1 √
= qe (t) − k h , h(t0 ) = h0 (2.3)
dt f (h)
c
Donde f (h) = dh h + c(h) es una función conocida de h definida por la geometrı́a del vaso. Esta
ecuación es una ecuación diferencial y por ser no-lineal, puede no existir una solución analı́tica
que relacione directamente la salida h con la entrada qe ; sin embargo, es muy fácil utilizar un
programa de cómputo que la resuelva numéricamente.
Este ejercicio muestra que la abstracción en términos matemáticos de un fenómeno fı́sico, es
de por si un proceso de razonamiento elaborado; a esto se añade el que los sistemas fı́sicos pueden
tener comportamientos extremadamente variados y complejos; se puede considerar, por ejemplo,
que el impacto del agua entrando al vaso crea variaciones aleatorias y distribuidas del nivel de
agua; se podrı́an también considerar los efectos que puedan tener sobre el comportamiento
del sistema, la elasticidad del vaso, la compresibilidad del agua, la temperatura ambiente o la
presión atmosférica.
Qué tanto debe aproximarse el modelo al comportamiento real del sistema, depende del
propósito del modelo; los modelos para el diseño del proceso, pueden considerar detalles internos
como la distribución de esfuerzos mediante modelos en elementos finitos o dinámicas distribuidas
como ocurre en el diseño de una central de generación hidráulica, ver la figura 1.13, donde se
analizan las ondas viajeras de distribución de presiones a lo largo de la tuberı́a de presión con
modelos en derivadas parciales que consideran la compresibilidad del agua y la elasticidad de
la tuberı́a on Prime Mover and Models [1992]. Para el diseño de los sistemas de control, un
modelo muy complejo puede enmascarar el comportamiento básico del sistema; los modelos
para control deben describir las dinámicas fundamentales del proceso que intervienen entre
las entradas, salidas y las variables internas; de ser necesario, se pueden utilizar técnicas que
reduzcan el modelo, preservando el comportamiento fundamental, ver sección 2.10.
Como se verá más en detalle en el capı́tulo 4, el uso de la retroalimentación rechaza perturba-
ciones, disminuye los efectos de los cambios del proceso, minimiza el efecto de las alinealidades
y permite que el sistema funcione con pequeñas variaciones alrededor de un punto de operación;
en estas condiciones se pueden utilizar modelos simplificados lineales de la planta generalizada
para el diseño del controlador. Para el vaso con agua de la lúdica 2.1, si se desprecia la depen-
dencia de la capacitancia con la altura considerándola como una constante Cf y se define a Rf
como la resistencia al paso del flujo en la descarga (ley de Poiseuille):
Rf = h/qs (2.4)
Los modelos por lo tanto solo dan aproximaciones al comportamiento de los sistemas y siem-
pre existirá un error de modelado, definido como la diferencia entre el modelo nominal utilizado
en el diseño del control y un modelo más detallado que incluye caracterı́sticas adicionales a
las requeridas para el diseño del control y que de alguna forma se relaciona con el desempeño
del sistema; normalmente el error de modelado no se conoce en detalle, solo cotas o rangos.
Para un diseño robusto del sistema de control, se debe tener en cuenta el error de modelado de
forma que pueda estimarse hasta donde se degrada el comportamiento del sistema al aplicarle
el control a la planta real.
Estas leyes permiten el cálculo de las equivalencias para elementos lineales de tipo resistivo,
inductivo y capacitivo, conectados en serie o paralelo, presentadas en la Tabla 2.2.
En las subsecciones siguientes se discuten las variables y parámetros y los modelos para los
sistemas de la tabla 2.1. Para ciertas variables como el flujo, se utilizará el mismo sı́mbolo (q)
para diversos sistemas fı́sicos; la diferenciación se hace dependiendo del contexto.
de fuerza actuante, que genera el paso a través de la resistencia, del flujo de la cantidad ele-
mental del sistema, las cargas eléctricas. Nótese la equivalencia de la resistencia eléctrica con
la resistencia al paso de un fluido dada en (2.4).
Ejemplo 2.1
La figura 2.2 muestra a un generador de corriente continua para el cual se considera un
funcionamiento a velocidad ω constante y operación de la excitación en el rango lineal; en
estas condiciones, la tensión interna generada eg es proporcional a la corriente de excitación:
suma de tensiones a lo largo de una maya es nula, para los circuitos de excitación y armadura,
se obtienen las ecuaciones que describen el comportamiento del generador:
dif
ef = Rf if + Lf
dt
eg = kg if
et = eg − Ra ia (2.10)
F = fa /v (2.11)
donde K es la constante elástica del resorte; la capacitancia de los sistemas mecánicos es por
lo tanto 1/K. Igual sucede con los sistemas mecánicos de rotación con la torsión de un eje,
proporcional a la diferencia angular.
Las tablas siguientes presentan las ecuaciones básicas que definen las relaciones entre variables
y parámetros y las unidades en el sistema internacional SI, utilizadas en la descripción de los
sistemas mecánicos traslacionales y rotacionales.
Ejemplo 2.2
Se considera un sistema mecánico rotacional simple, como el de la turbina hidráulica de
la figura 1.13, operando con el generador en régimen aislado; la figura muestra un diagrama
esquemático del sistema. Se considera un momento de inercia equivalente para el generador y
la turbina, como un cilindro de largo l y de radio R. Para la integral de volumen que define el
momento de inercia J, se considera como diferencial de volumen, a un cilindro concéntrico de
espesor dr y radio r; si ρ es la densidad de volumen, el diferencial de masa es una lámina del
cilindro: dm = ρdv = ρ2πlrdr; el momento de inercia es:
Z m Z R
2
J= r dm = ρ2πl r3 dr. = ρπlR4 /2
0 0
d (J(t)ω(t)) X
= ti . (2.14)
dt
En esta ecuación se observa que el momento de inercia J puede depender del tiempo, depen-
diendo de la geometrı́a de la carga; por ejemplo, en una bobinadora cambia dependiendo de
la cantidad de material enrollado; en un robot, una articulación tiene momentos de inercia
diferentes dependiendo de las diversas posiciones angulares de todas las articulaciones. Para
el sistema mecánico de la figura 2.3, el momento de inercia es constante, luego se obtiene la
ecuación diferencial:
dω
J = −F ω + tm . (2.15)
dt
△
Traslación y rotación. Muchas cargas accionadas como los vehı́culos, las cintas transporta-
doras y los ascensores involucran los movimientos traslacionales y rotacionales, la figura ilustra
el caso de una masa desplazándose horizontalmente, accionada por poleas de radio r de masa
despreciable.
La masa m es la relación del peso G a la aceleración de la gravedad: m = G/g; el torque es el
producto de la fuerza tangencial por el radio: td = Rfd , tL = RfL ; la velocidad tangencial es el
producto de la velocidad angular por el radio: v = Rω; aplicando la ley de Newton traslacional
a la masa:
d(mv)
fd − fL = ,
dt
luego:
d(mRω) dω
td − tL = R = mR2 . (2.16)
dt dt
En esta ecuación, Je = R2 es el momento de inercia equivalente de la masa m, referido al eje
de la polea.
Engranajes. Los engranajes son muy frecuentes en los sistemas mecánicos pues permiten
acondicionar las velocidades entre dos extremos; la figura ilustra a dos engranajes de radios R1
y R2 respectivamente. Se consideran los engranajes ideales, esto es sin fricción, ni deslizamiento
ni huelgo; f2 es la fuerza de contacto tangencial ejercida por la rueda 2, es carga para la rueda 1.
los pares de carga se refieren el eje motor, multiplicándolos por la relación entre la velocidad
de la carga y la del eje motor.
Ejemplo 2.3
La figura muestra una grúa con engranajes. La inercia total referida al eje 1 es:
2 2
ω2 ω3
J1e = J1 + J2 + J3 + m3 R32 ,
ω1 ω1
donde m3 R32 es la inercia equivalente de la masa m3 con el movimiento traslacional vertical. La
ley de Newton es:
dω1 ω3
td = J1e + R3 gm3 .
dt ω1
2.3.2.1. Resistencia
La transferencia de calor se puede realizar por conducción, convección o radiación; la con-
ducción entre dos sistemas se da con contacto directo de sus partı́culas sin flujo de materia; La
ley de Fourier para la transferencia de calor por conducción, establece que el flujo de calor qt
conducido a través de un material es directamente proporcional a la diferencia de temperatura
θ que existe a través del material:
1
Rt = θ/qt = , (2.18)
λA
donde A es el área normal atravesada por el flujo de calor y λ el coeficiente de conductividad
térmica del material, en unidades de W/m.K; la tabla 2.6 presenta valores para materiales
comunes.
La transferencia de calor por convección se realiza por intermedio de un fluido (aire, agua)
que transporta el calor entre zonas con diferentes temperaturas; se expresa con la ley del enfri-
amiento de Newton:
1
Rt = θ/qt = , (2.19)
hA
donde h es el coeficiente de convección, A el área del cuerpo en contacto con el fluido y θ, la
diferencia de temperatura en la superficie del cuerpo y del fluido lejos del cuerpo. El coeficiente
de convección depende de múltiples factores asociados con el flujo del fluido a través del cual se
da la convección, como su conductividad térmica, viscosidad, la temperatura, si la convección
es forzada o natural, el valor del flujo, si es laminar o turbulento, la forma de la superficie, etc.
La conducción y convección son los mecanismos principales de transferencia de calor de los
sistemas fı́sicos pues la transmisión por radiación es muy pequeña a bajas temperaturas; la
define la ley de Stefan-Boltzmann como proporcional a la temperatura absoluta del cuerpo a
2.3.2.2. Capacitancia.
La capacidad térmica Ct representa la cantidad de calor almacenado en un medio, por
unidad de diferencia de temperatura que existe entre el interior y exterior. La capacitancia
térmica depende de las dimensiones y del calor especı́fico c del medio:
Ct = cM. (2.20)
El calor especı́fico es una propiedad del material y relaciona la energı́a necesaria para elevarle
J
la temperatura, por unidad de masa; se expresa en julios por kilogramo y por kelvin ( kg.K ). La
tabla 2.7 presenta valores para algunas sustancias.
Material c Material c
Acero 0.46 Cobre 0.38
Agua vapor (100o C) 2.08 Fibra de vidrio 0.79
Agua vapor (0o C) 1.85 Hierro 0.45
Agua lı́quido (25o C) 4.18 Ladrillo 0.84
Agua sólido (0o C) 2.14 Madera 0.48
Aire seco presión cte (0o C) 1.0 Mercurio 0.14
Aire seco volumen cte 0.72 Oro 0.13
Aluminio 0.89 Plata 0.24
Bronce 0.36 Vidrio 0.05-0.75
La tabla 2.8 presenta las ecuaciones básicas y unidades para los sistemas térmicos.
Ejemplo 2.4
En un motor eléctrico, las pérdidas de potencia generadas en el proceso de conversión de ener-
gı́a eléctrica a mecánica generan flujos de calor en el motor y transitorios térmicos, que deben ser
tenidos en cuenta para su correcta operación; las temperaturas más altas se dan en los devanados
por estar parcialmente embebidos en ranuras; por ello el material aislante determina la máxima
temperatura que soporta la máquina; por ejemplo, para un motor con aislamiento clase A
(aislamiento con materiales orgánicos como algodón, seda, papel, impregnados o cubiertos con
dieléctricos lı́quidos, barnices o esmaltes), el incremento máximo de la temperatura es de 65o C,
con relación a una temperatura ambiente asumida de 40o C.
Las pérdidas de potencia en las máquinas eléctricas se originan por pérdidas óhmicas en los
devanados, cables, escobillas, anillos rozantes y conmutador; pérdidas en el núcleo magnético,
que corresponden a las de Eddy y las de histéresis y pérdidas por fricción en rodamientos,
escobillas y ventilación.
Por la geometrı́a y el uso de diferentes tipos de materiales, es muy difı́cil calcular la dis-
tribución interna de flujos de calor y temperaturas, pero se puede asumir que el diseñador ha
escogido grandes conductores y canales de enfriamiento de forma que no se exceden los lı́mites
de temperatura bajo ciertas condiciones de operación; bajo esta suposición, se puede considerar
al motor como un cuerpo homogéneo con almacenamiento térmico, ver la figura. La tempe-
ratura ambiente es θ y la del cuerpo θ0 ; P1 y P2 son los flujos de energı́a entrando y saliendo;
el cuerpo tiene una capacitancia térmica Ct y una resistencia Rt ; el balance de energı́a en un
tiempo δt es:
δθ
Ct δθ = (P1 − P2 )δt ⇒ Ct = P1 − P2 .
δt
En el lı́mite δt → 0:
dθ
Ct = P1 − P2 . (2.21)
dt
El flujo de calor al ambiente es:
θ − θ0 ∆θ
P2 = = ,
Rt Rt
reemplazando en (2.21) se obtiene la ecuación diferencial para el sistema:
d∆θ ∆θ
Ct + = P1 , (2.22)
dt Rt
d∆θ
τt + ∆θ = Rt P1 , (2.23)
dt
con τt = Rt Ct , la constante de tiempo térmica; esta constante define la duración de los transi-
torios en el sistema térmico.
∆θ∞ = 90 − 40 = 50◦ C = Rt P1 ,
∆θ∞
Rt = = 5.75 × 10−3 .
P1
De (2.20) y de la tabla 2.7 se obtiene el calor especı́fico para el hierro, ası́:
La constante de tiempo es: τ = Rt Ct =34.5min lo que muestra cómo los transitorios térmicos
son mucho más lentos que los mecánicos (10ms-10s) y los electromagnéticos (0.1-100ms), lo que
permite usualmente su análisis por separado. △
2.3.3.2. Capacitancia
La propiedad general de almacenamiento de un fluido es su volumen por unidad de altura,
esto es, el área de la sección recta A:
Cf = A. (2.25)
2.3.3.3. Inductancia
La inductancia de los fluidos relaciona los cambios de presión debidos a la aceleración del
fluido:
dqf
h=I . (2.26)
dt
A la inductancia hidráulica se le denomina inertancia. La tabla 2.9 presenta las ecuaciones
básicas y unidades para los sistemas de fluido.
Ejemplo 2.5
La figura 1.13 muestra un diagrama esquemático para una turbina hidráulica; es una columna
inelástica de sección A y longitud L donde el agua (asumida incompresible) con densidad ρ, es
impulsada por los cambios de cabeza h generando un flujo (turbulento) de agua a la salida de
la turbina; este flujo de agua varı́a con la apertura de la compuerta u y la cabeza:
√
qf = ku u h. (2.27)
dqf /A
ρAL = ρAg(h0 − h), (2.28)
dt
donde g es la aceleración de la gravedad y h0 la cabeza hidráulica inicial estacionaria; la
L
inductancia hidráulica es en este caso Ag . Con la ecuación (2.27) (no lineal), la (2.28) y la
potencia mecánica P = hqf (no lineal) entregada al generador, se describe la dinámica de la
turbina hidráulica. △
Rg = p/qg . (2.29)
2.3.4.2. Capacitancia
Para un gas en un recipiente de volumen dado, la capacitancia se representa como la relación
entre el gas almacenado en el volumen, por unidad de presión (pequeña señal, temperatura
constante):
Cg = g/p. (2.30)
La tabla 2.10 presenta las ecuaciones básicas y unidades para los sistemas de gases.
Ejemplo 2.6
La figura muestra una cámara de vapor de volumen V y capacitancia C, como puede
corresponder al recalentador en la caldera de la figura 1.17.
2.3.5.1. Resistencia
En los sistemas quı́micos el flujo qq de una sustancia quı́mica a través de una membrana
permeable que separa dos lı́quidos con concentraciones diferentes, es proporcional a la diferencia
de concentración ρ (ley de difusión de Fick ):
Rq = ρ/qq . (2.37)
La tabla 2.11 presenta algunas densidades de sustancias.
2.3.5.2. Capacitancia
En los sistemas quı́micos, la propiedad de almacenamiento está representada por el volumen
de lı́quido que contiene a las sustancias quı́micas y a la concentración de la sustancia.
Cq = V ρ. (2.38)
La tabla 2.12 presenta las ecuaciones básicas y unidades para los sistemas quı́micos.
En ciencias como la medicina, ingenierı́a y ambiente, se utiliza el modelado de procesos
quı́micos mediante compartimentos, como se ilustra en el siguiente ejemplo para la adminis-
tración de medicamentos.
Sustancia ρ
Agua destilada (4o C) 1000
Aire 1.2
Alcohol 780
Cuerpo humano 950
Sangre 1480-1600
Ejemplo 2.7
En el modelado por compartimentos en medicina, el cuerpo humano se ve como un cierto
número de compartimentos como el plasma sanguı́neo, riñón, páncreas, hı́gado y tejidos que
están separados por membranas, donde la difusión se da por la ley de Fick; se asume un
mezclado perfecto en cada compartimento para tener una concentración constante; la figura 2.9
ilustra lo anterior, para la farmacocinética en la administración de medicamentos K.J.Aström
and Murray [2009]. Se considera un modelo simple para el flujo del medicamento con solo dos
compartimentos, en donde qi son los flujos del lı́quido, ci las concentraciones de las sustancias
de interés y Vi los volúmenes de los compartimentos. La droga se inyecta con concentración
c0 al compartimento 1, a una rata de q1 ; el flujo entre los dos compartimentos es q; se desea
conocer la concentración en el segundo compartimento c2 . La conservación de masa en cada
compartimento, permite obtener:
dc1
V1 = q1 c0 + qc2 − qc1 − q2 c1 ,
dt
dc2
V2 = qc1 − qc2 . (2.39)
dt
Este modelo simple tiene un rango limitado de validez, por cambios lentos en los parámetros
del cuerpo con el tiempo y por no considerar cambios rápidos de las variables por usar concen-
traciones promedias; también hay comportamientos no lineales que afectan el transporte entre
los compartimentos, como sucede en la dinámica de la regulación de la glucosa en la sangre
descrita en el ejemplo 1.1. Los mecanismos que controlan la glucosa y la insulina son comple-
jos, se han observado dinámicas que van desde segundos hasta horas. Los modelos de estos
En general, los sistemas con transporte de la cantidad elemental, como en los mecánicos,
térmicos o quı́micos, se podrán tener tiempos muertos; los procesadores digitales en la figura
1.18 pueden también incluir tiempos muertos al sistema de control, por el tiempo de cálculo del
algoritmo de control. Los tiempos muertos en los sistemas de control tienen efectos adversos en
su desempeño, con un fuerte efecto en disminuir la estabilidad.
Ejemplo 2.8
Si para el calentamiento de un cuerpo homogéneo de la figura 2.7, se considera un tiempo
muerto por la conducción del calor, entre la fuente de calor y la medida de temperatura, la
ecuación diferencial (2.23) es:
d∆θ(t − Tm )
τt + ∆θ(t − Tm ) = Rt P1 . (2.42)
dt
Aunque este es un modelo simple, es un modelo que se encuentra en muchas aplicaciones de
control de procesos. △
2.4. Normalización
Obtenido un modelo para el sistema, en ocasiones es útil escalar las variables para obtenerlas
adimensionales en por unidad; esto permite reducir el número de parámetros del modelo y
permite estudiar más directamente ciertas propiedades del mismo; igualmente, la normalización
facilita la simulación pues todas las variables tienen rangos de operación similar lo que evita
problemas de condicionamiento numérico.
El procedimiento es simple, basta seleccionar valores bases para las variables de interés y
dividir las ecuaciones por estos valores; la variable x sobre su valor base xb , será la variable
en por unidad: xpu = x̌ = x/xb . Aunque las bases pueden ser cualesquiera, se busca mantener
relaciones entre ellas para reducir el número de parámetros explı́citos del modelo; la relación más
usada comúnmente es la de estado estacionario; el ejemplo siguiente ilustra este procedimiento.
Ejemplo 2.9
Se considera el generador de corriente continua del ejemplo 2.1. Las bases que generalmente
se toman para el generador son:
etb : Tensión nominal en terminales; si alimenta el campo de un generador sincrónico, se
toma el valor base escogido para la tensión de campo del generador.
egb = etb .
etb
iab : La corriente de cortocircuito: iab = Ra .
egb
if b : La requerida para producir el et base: if b = kg .
Nótese que el sistema pasó de tener cuatro parámetros en (2.10) a solo uno en (2.44), siendo el
único parámetro la constante de tiempo del campo τf = Lf /Rf . △
sistema; algunos fenómenos no representados pueden ser pequeños tiempos muertos, o cambios
de comportamiento a alta frecuencia.
Ejemplo 2.10
En el ejemplo 2.8, se obtuvo el nuevo modelo (2.42) considerando un tiempo muerto por
conducción de calor; nótese la diferencia con respecto al modelo original (2.23); adicionalmente
se podrı́a considerar la dinámica de la alimentación que provee energı́a al motor;
dP0
τa + P0 = P1 , (2.45)
dt
donde P0 es una nueva señal de control de la alimentación; el sistema dinámico ahora se describe
por (2.42) y (2.45). △
Otra fuente de incertidumbre son los cambios en los parámetros del sistema, como los cam-
bios lentos de parámetros por envejecimiento, o los debidos a cambios en el punto de operación
de un modelo linealizado. El ejemplo siguiente ilustra la caracterización de incertidumbres a
partir de cambios de los parámetros en el sistema.
Ejemplo 2.11
En el control de posicionamiento radial y vertical del lector de un disco de almacenamiento
óptico presentado en el ejemplo 1.16, el servomecanismo se modela con una resistencia R e
inductancia L para la bobina, con una tensión de fuerza contraelectromotriz eg proporcional a
la velocidad del eje: eg = Ke ẋ; a partir de las propiedades de los sistemas dinámicos presentadas
en la sección 2.3, se obtienen las siguientes ecuaciones que describen al servomecanismo:
e − Ke ẋ = Ri + Ldi/dt
Ke i = M ẍ + F ẋ + Kx, (2.46)
en donde la entrada es la tensión e aplicada a la bobina; como los lectores se producen en masa,
se tienen tolerancias en la manufactura para reducir los costos de producción, por lo que el
controlador a diseñar, deberá lograr un buen desempeño para un conjunto de múltiples lectores;
las ecuaciones (2.46) con parámetros promedios corresponderán al modelo nominal; el conjunto
de todos los lectores fı́sicos, se puede modelar a partir del modelo nominal y considerando
variaciones en los parámetros; la tabla 2.13 presenta los valores nominales y las variaciones
porcentuales de los parámetros de un servomecanismo comercial Filardi [2003].
ecuación diferencial:
donde σ la abscisa de convergencia, es una constante real mayor que la parte real más grande
de los polos de F (s) (ası́ la trayectoria de integración está a la derecha de los polos). La
transformada de Laplace existe si la integral (2.50) converge, lo cual se da si se cumplen las tres
condiciones:
1. f (t) = 0, ∀t < 0
TL
ր ց
f(t) F(S)
տ TIL ւ
f (t) F (s)
1 Impulso unitario δ(t) 1
1
2 Escalón unitario µ(t) s
1
3 t s2
1
4 e−at s+a
1
5 te−at (s+a)2
n!
6 tn (n = 1, 2, 3, . . .) sn+1
n!
7 tn e−at (n = 1, 2, 3, . . .) (s+a)n+1
1 −at −bt 1
8 b−a e − e (s+a)(s+b)
1 −bt s
9 b−a be − ae−at (s+a)(s+b)
h i
1 1 −at −bt 1
10 ab 1 + a−b be − ae s(s+a)(s+b)
1 −at 1
11 a2 at − 1 + e s2 (s+a)
ω
12 senωt s2 +ω 2
s
13 cosωt s2 +ω 2
ω
14 e−at senωt (s+a)2 +ω 2
s+a
15 e−at cosωt (s+a)2 +ω 2
p 2
ωn
16 √ωn 2 e−ρωn t sen ωn 1 − ρ2 t s2 +2ρωn s+ω 2
1−ρ
p
17 √−1 2 e−ρωn t sen ωn ( 1 − ρ2 )t − θ s
s2 +2ρωn s+ω 2
1−ρ
p 2
ωn
18 1 − √ 1 2 e−ρωn t sen ωn ( 1 − ρ2 )t + θ s(s2 +2ρωn s+ω 2 )
1−ρ
1−e−sT
19 µ(t) − µ(t − τ ) s
√
1−ρ2
θ = arctan ρ
Ejemplo 2.12
Se considera el sistema mecánico rotacional del ejemplo 2.2; se analiza la respuesta en
velocidad, para con el sistema mecánico girando inicialmente a 16.96 rad/s (162 rev/min) y se
aplica súbitamente un torque motor de 7.1×106 N.m.
Tm (s) Jω(0)
W (s) = + . (2.53)
Js + F Js + F
El primer sumando corresponde a la transformada de Laplace de la respuesta forzada debida a
la entrada y el segundo a la respuesta natural debida a las condiciones iniciales. Sustituyendo
los parámetros se tiene:
En este libro se adopta la siguiente representación gráfica de la figura 2.12 para los ceros y
polos de una señal o de un sistema.
jω
Por la propiedad de combinación lineal, el cálculo de las señales temporales a partir de las
frecuenciales, se facilita expandiendo éstas últimas en fracciones parciales:
k1 k2
W (s) = + , (2.55)
s s + 0.51
donde las constantes k1 y k2 se denominan residuos de la expansión y se calculan ası́:
16.95(s+0.57)
k1 = s+0.51 = 18.94
s = 0
16.95(s+0.57)
k2 = s = −1.99.
s = −0.51
Nótese que el valor de los residuos depende tanto del valor de los polos como de los ceros.
La transformada inversa de Laplace es:
18.94 1.99
ω(t) = £−1 { − },
s s + 0.51
w(t)[rpm]
180
162
t [s]
2 4 6 8 10
Figura 2.13: Respuesta temporal del sistema mecánico rotacional.
71 + 124.6s
ω(t) = lı́m sW (s) = = 16.95 (162 rev/min).
t→0 s→∞ 7.35s + 3.77
s−→∞
Obsérvese la relación directa entre la ubicación de los polos y ceros y la forma de la respuesta.
△
Usando esta definición sobre la ecuación diferencial general (2.49), se obtiene la forma general
de las funciones de transferencia:
C(s) b0 sm + b1 sm−1 + ...bm−1 s + bm N (s)
G(s) = = = . (2.58)
R(s) sn + a1 sn−1 + ...an−1 s + an D(s)
1. De forma similar a la definición dada para las señales, las raı́ces de la ecuación de ceros
N (s) = 0, son los ceros del sistema y las raı́ces de la ecuación caracterı́stica D(s) = 0, los
polos del sistema.
3. El grado relativo g, es la diferencia entre los grados de los polinomios del denominador y
del numerador: g = n − m.
6. Si n < m, es impropia con grado relativo negativo; cabe anotar que para los sistemas
fı́sicos m ≤ n y por lo tanto no pueden tener funciones de transferencia impropias.
Ejemplo 2.13
Para el sistema mecánico de rotación del ejemplo anterior, usando la definición de la función
de transferencia en la ecuación (2.53), se obtiene:
W (s) 1
= . (2.59)
Tm (s) Js + F
Ejemplo 2.14
Este ejemplo ilustra cómo crear y analizar funciones de transferencia con el MATLAB. Se
desea crear la función de transferencia:
s + 0.5
G(s) = . (2.60)
s2 + 3s + 2
El comando en MATLAB que lo hace es ‘tf’, el cual requiere de dos vectores con los coefi-
cientes de los polinomios de numerador y denominador, en orden descendiente de potencias:
>>num1=[1,0.5]; den1=[1,3,2];
>>G=tf(num1,den1)
Transfer function:
s + 0.5
---------------
s^2 + 3 s + 2
Los comandos:
calculan los polos, ceros y los trazan sobre el plano complejo, respectivamente. El comando:
>>[r, p, k] = residue(num1,den1)
r =
1.5000
-0.5000
p =
-2
-1
k =
[]
obtiene los residuos ‘r’, polos ‘p’ y el término directo ‘k’ de la expansión en fracciones parciales
de la función de transferencia. El comando ‘ilaplace(F)’, obtiene la respuesta analı́tica temporal,
de la transformada inversa de Laplace de la función simbólica F; para la función de transferencia
(2.54):
>> syms s % Define a ’s’ como variable simbólica
>> ilaplace(16.95*(s+0.57)/(s*(s+0.51)))
ans =
-339/170*exp(-51/100*t)+6441/340
7. Los teoremas de valor inicial y final, permiten evaluar la ganancia transitoria y permanente
de una función de transferencia para una entrada de escalón.
Ejemplo 2.15
La figura muestra un diagrama de bloques para un controlador de tipo proporcional y
derivativo, en el capı́tulo 6 se presentará este controlador en detalle. Si el error es un escalón
B(s)
= e−Tm s . (2.62)
H(s)
Ejemplo 2.16
Para el sistema descrito por la ecuación (2.42), la función de transferencia es:
P1 (s) Rt −Tm s
= e . (2.63)
∆θ(s) τs + 1
Aunque esta función es bastante simple es importante para el análisis, pues se encuentra en
muchas aplicaciones de control de procesos. △
con:
(2n − k)!n!
ck = , k = 0, 1, · · · , n. (2.65)
2n!k!(n − k)!
Para n = 1, c0 = 1, c1 = 1/2, la aproximación es de primer orden:
1 − Tm s/2
e−Tm s ≈ ; (2.66)
1 + Tm s/2
P1 (s) 1 −s
= e . (2.68)
∆θ(s) s+1
Transfer function:
1
exp(-1*s) * -------
s + 1
El comando ‘Ga = pade(G,n)’, produce la función aproximada de Padé ‘Ga’, sin tiempo muerto:
>>Ga=pade(G,1);
>>zpk(Ga) % Presenta Ga en forma de cero, polo y ganancia estática
Zero/pole/gain:
- (s-2)
-----------
(s+2) (s+1)
△
D
+
+ M C
R E A +
G1 G2 G3 G4
−
B
H
A partir del sistema fı́sico, el diagrama de bloques en frecuencia se puede obtener mediante
los siguientes tres pasos principales:
1. Aplicar la transformada de Laplace a cada componente o ecuación, con condiciones ini-
ciales nulas.
2. Reemplazar los elementos transformados por bloques simples.
3. Interconectar los bloques.
Ejemplo 2.19
Se considera el generador de corriente continua del ejemplo 2.1; las ecuaciones obtenidas que
describen al generador, se presentan en la primera columna de la siguiente tabla; en la segunda
y tercer columnas se presentan los resultados de los pasos 1 y 2.
Ra
Ia (s)
et = eg − Ra ia Et (s) = Eg (s) − Ra Ia (s)
Obsérvese que las ecuaciones en frecuencia son algebraicas y se podrı́a en principio despejar
cualquier variable; la selección de la variable a despejar depende del flujo de información de las
señales, el cual se ha definido al establecer las entradas y salidas para el sistema de control.
Finalmente, interconectando los bloques individuales, se obtiene el diagrama de bloques en
frecuencia que modela el generador de corriente continua. △
Ia (s)
Ra
−
Et (s) 1 If (s) Eg (s) Et (s)
Rf +sLf Kg
+
A AG1 +AG2
4 Reducción bloques en paralelo G2 G1 + G2
A A− B
G AG−B
A AG AG−B +− G
G +−
B
B
5 Sumador hacia adelante de bloque B
G 1
G
AG−BG A AG AG−BG
A A−B G +−
+− G
B B BG
6 Sumador hacia atrás de bloque G
A AG
A AG G
G
AG
7 Toma hacia adelante de bloque AG G
A AG
A AG G
G
AG A
8 Toma hacia atrás de bloque A 1
G
A G1 B
+− A 1 B
G2 +− G1 G2
A G1 B
+−
A G1 B
10 Reducción de la forma canónica G2 1+G1 G2
Ejemplo 2.20
En la figura 2.15 eliminando el disturbio, quedan los bloques Gi (s) en cascada; reduciéndolos
mediante la regla 4, al bloque equivalente: G(s) = G1 (s)G2 (s)G3 (s)G4 (s), se obtiene la forma
canónica de los sistemas de control:
R + E G(s)
C
−
B H(s)
De la figura:
C(s) G(s)
= . (2.69)
R(s) 1 + GH(s)
△
A continuación se definen ciertas funciones de transferencia de la forma canónica de la figura
2.17.
C(s)
G(s) = E(s) : Función de transferencia directa.
H(s) = B(s)
C(s) : Función de transferencia de la realimentación.
GH(s) = B(s)
E(s) : Función de transferencia de lazo abierto.
C(s)
T (s) = R(s) : Función de transferencia de lazo cerrado.
Para simplificar un diagrama de bloques complejo se recomienda realizar los siguientes pasos:
1. Reducir bloques en cascada y/o en paralelo.
2. Desplazar e intercambiar puntos de toma y suma.
3. Reducir de nuevo aplicando los pasos 1. y 2. sucesivamente hasta llegar a la forma canónica.
Ejemplo 2.21
Un sistema de control de la excitación como el de la figura 1.3 en control automático puede
tener compensadores serie y paralelo (ver detalles de esquemas de control en la sección 10.10); la
alimentación de potencia al actuador PRA desde la variable controlada del voltaje en terminales
+
R(s)+ C(s)
G1 G2 G3
+
−
+
H1
+
H2
G2 : excitatriz Exc.
G3 : generador.
H1 : Dcompensador paralelo.
H2 : medida de la tensión.
1
+ G1
R(s) + C(s)
G1 G2 G3
−
+ 1
H1 G3
+
H2
1
G1
R(s)+ C(s)
G1 G 2 G3
−
+ H1
G3
+
H2
R(s)+ C(s)
G1 G 2 G3
−
H1 1
H2 + G3 − G1
R(s) G1 G2 G3 C(s)
H
1+G1 G2 G3 (H2 + G1 − G1 )
3 1
2. Simplificar el diagrama.
D(s)
R(s) C(s)
+− G1 ++ G2
Figura 2.20: Diagrama de bloques de la bucla tı́pica análoga con entradas de referencia y de
disturbio.
Ejemplo 2.22
La figura siguiente muestra el diagrama de bloques de la bucla tı́pica de realimentación
análoga con entradas de referencia y de disturbio.
Aplicando el primer paso, se obtiene:
D(s)
1
G1
R(s) + C(s)
+− G1 G2
D(s)
1
G1
R(s) + G1 G2
C(s)
+− 1+G1 G2 H
G2 (s)
C( s) = CR (s) + CD (s) = [G1 R(s) + D(s)].
1 + G1 G2 H(s)
Ejemplo 2.23
El diagrama de bloques del ejemplo 2.21 con H1 = H y H2 = 1, se le definen las señales,
como se muestra en la figura.
Se definen los sistemas G1,G2 y H en el MATLAB usando el comando ‘tf’ para funciones
racionales en ‘s’:
>>s=tf(’s’);G1=tf(50);G2=1/(s+1);G3=1/(4*s+1);H=0.25*s/(4*s+1);
>>G1.InputName=’E’;G1.OutputName=’A’;G2.InputName=’F’;G2.OutputName=’M’;
>>G3.InputName=’M’;G3.OutputName=’C’;H.InputName=’M’;H.OutputName=’B1’;
>>Sum1= sumblk(’F’,’A’,’C’,’++’); Sum2 = sumblk(’B2’,’B1’,’C’,’++’);
>>Sum3 =sumblk(’E’,’R’,’B2’,’+-’);
>> T = connect(G1, G2, G3, H,Sum1,Sum2,Sum3,’R’,’C’)
Ge (s)
C(s) = G(s)R(s) = Gm (s) 1 + G∆ (s) R(s); G∆ (s) = (2.71)
Gm (s)
Ge (s) es la función de transferencia del error aditivo y G∆ (s) la del error multiplicativo, por
sus correspondientes diagramas de bloques.
Figura 2.22: Funciones de transferencia del error de modelado. (a) Error aditivo. (b) Error
multiplicativo.
La función de transferencia del error aditivo es una cantidad absoluta, mientras que la del
error multiplicativo tiene la ventaja de ser relativa con respecto al modelo nominal, el siguiente
ejemplo ilustra este aspecto.
Ejemplo 2.24
Se considera un sistema P (s) con un tiempo muerto adicional; con la aproximación de
Padé de primer orden para el tiempo muerto (2.66): G(s) = e−Tm s P (s); Gm (s) = 1−Tm s/2
1+Tm s/2 P (s),
las funciones de error son:
1 − Tm s/2
Ge (s) = G(s) − Gm (s) = e−Tm s − P (s),
1 + Tm s/2
Ge (s) 1 + Tm s/2
G∆ (s) = = Tm s −1
Gm (s) e (1 − Tm s/2)
Note cómo Ge (s) = depende del proceso P (s), mientras que ello no ocurre con G∆ (s).
Si el error se debe al valor numérico del tiempo muerto: G(s) = e−Tm s P (s);
Gm (s) = e−Tn s P (s), las funciones de error son:
Ge (s) = e−Tm s − e−Tn s , P (s) (2.72)
G∆ (s) = e−(Tm −Tn )s − 1 . (2.73)
En estado estable (s → 0), ambas funciones de error son nulas; en transitorios rápidos (s → ∞),
normalmente los sistemas fı́sicos responden lento y la ganancia de P (s) tiende a cero, luego
la función del error (2.72) tiende a cero, mientras que (2.73) tiende a -1; la función del error
multiplicativo (2.73) muestra que entre mayor sea el error absoluto del tiempo muerto: |Tm −Tn |,
más pronto empezará a aumentar G∆ (s) con la frecuencia s. △
La imprecisión numérica también se puede dar en los valores de los polos o ceros de las
funciones de transferencia, como lo ilustra el siguiente ejemplo.
Ejemplo 2.25
Se considera el sistema dinámico:
1
G(s) = P (s), (2.74)
τs + 1
1
para el cual hay un error de modelado en el polo simple: Gm (s) = (τ +δ)s+1 P (s). No hay error
en complejidad ni en la ganancia estática. Las funciones de error son:
δs
Ge (s) = H(s), (2.75)
(τ s + 1)((τ + δ)s)
δs
G∆ (s) = . (2.76)
τs + 1
Las ganancias de baja frecuencia son nulas; en alta frecuencia, Ge (s) es nula mientras que
G∆ (s) tiende a δ/τ . △
Ejemplo 2.26
Ahora se considera un error por complejidad para la planta (2.74), con un modelo que
no considera el polo simple: Gm (s) = P (s), donde de nuevo no hay error para la ganancia
estacionaria; las funciones de error son:
−τ s
Ge (s) = P (s), (2.77)
τs + 1
−τ s
G∆ (s) = . (2.78)
τs + 1
De nuevo el comportamiento frecuencial es pasabanda para Ge (s) y paso alto para G∆ (s). △
donde e(ω) es una función positiva dada; para facilidad del análisis, se considera la función de
transferencia estable variable:
M ax |∆(jω)| < 1. (2.80)
ω
Esta función en serie con una función de transferencia de peso W (s), genera las cotas como
en (2.79), permitiendo modelar incertidumbres no estructuradas, como se muestra en la figura
2.23 para el caso de la multiplicativa; en este caso se tiene G∆ (s) = W (s)∆(s). La forma de las
funciones de peso es similar a las funciones de transferencia del error Ge (s) o G∆ (s).
El siguiente ejemplo ilustra el uso del MATLAB para el modelado de incertidumbres estruc-
turadas y no estructuradas.
Ejemplo 2.27
Se tiene el sistema dinámico incierto:
k
G(s) = (1 + W (s)∆(s)) ,
τs + 1
1.1s
donde la ganancia k = 5, varı́a entre 4.5 y 5.5, τ es 1 ± 20 % y W (s) = s+1 ; la representación
en el MATLAB del sistema es:
>> k = ureal(’k’,5,’Range’,[4.5 5.5]); tau = ureal(’tau’,1,’Percentage’,20);
>> Delta = ultidyn(’Delta’,[1 1], ’Type’,’GainBounded’,’Bound’,1);
>> % Delta es un sistema monovariable, con ganancia lı́mite de 1.
>> W = makeweight(0,1,1.1);%ganancia estática de 0,
>> % inversa de la constante de tiempo de 1 y ganancia transitoria de 1.1
>> G = tf(k,[tau 1])*(1+W*Delta)
USS: 2 States, 1 Output, 1 Input, Continuous System
Delta: 1x1 LTI, max. gain = 1, 1 occurrence
k: real, nominal = 5, range = [4.5 5.5], 1 occurrence
tau: real, nominal = 1, variability = [-20 20]%, 2 occurrences
La clase de sistemas inciertos ‘USS’, se pueden muestrear para el análisis posterior temporal
o frecuencial con el comando ‘usample(G,N)’, donde N es el número de muestreos; por ejemplo,
la respuesta al escalón de cinco sistemas generados aleatoriamente es:
>> title(’Respuestas al escalón’)
>> step(G.NominalValue,’+-’,usample(G,5),20)
>> legend(’Nominal’,’Muestras’)
Nótese los diferentes valores estacionarios, definidos por el valor de k. △
Respuestas al escalón
7
Nominal
Muestras
6
4
C(t)
0
0 2 4 6 8 10 12 14 16 18 20
Tiempo (sec)
Z Te
1
σ2 = (bd (t) − b̄d )dt,
Te 0
con un intervalo de tiempo Te suficientemente largo para la estacionalidad de la señal. Para
una señal muestreada, las integrales se calculan como sumas; en el MATLAB los comandos
‘mean(y)’ y ‘std(y)’ calculan el promedio y la desviación estándar del conjunto de datos y.
El comportamiento de una señal estacionaria también se puede describir por la función de
densidad espectral φ(ω), la cual indica el contenido frecuencial de una señal; el valor φ(ω)∆ω
es proporcional a la energı́a promedio de la señal en la banda de frecuencias ∆ω alrededor de
ω; la energı́a promedio de la señal es:
Z ∞
1
σ2 = φ(ω)dω.
2π −∞
Una señal con φ(ω) constante tiene distribuida su energı́a homogéneamente en todas las
frecuencias, se denomina ruido blanco. En el MATLAB existen diversos comandos para calcular
la densidad espectral de una señal, el ejemplo siguiente ilustra el uso de uno de ellos.
Ejemplo 2.29
El comando ‘spectrum.periodogram’ crea una estimación espectral con el método de esti-
mación del periodograma Inc. [2010], a partir de la cual se calcula de densidad espectral de
potencia con el comando ‘psd’:
>> Fs = 1000; t = 0:1/Fs:.3;
>> b=10*cos(2*pi*t*200)+randn(size(t));%se~ nal aleatoria con sinusoide de 200Hz
>> mean(b) % calcula el valor promedio de la se~ nal
ans =
-0.0110
>> std(b) %calcula la desviación estándar de la se~
nal
ans =
7.1420>>
>> h = spectrum.periodogram; %calcula la estimación espectral
>> Gpsd = psd(h,b,’Fs’,Fs); %calcula la densidad espectral de potencia
>> plot(Gpsd)
20
10
Potencia/frecuencia (dB/Hz)
−10
−20
−30
−40
−50
0 0.1 0.2 0.3 0.4 0.5
Frecuencia (kHz)
Si se conocen los estados iniciales y las entradas presentes y futuras al sistema, las variables
de estado definen por completo el comportamiento futuro del sistema y permiten por lo
tanto calcular las salidas en función de las entradas y las variables de estado.
Nótese que las variables de estado no son necesariamente las salidas del sistema, las salidas
son las variables medidas de interés para el control y son función de las variables de estado.
No todas las variables de estado se miden y existe una gran flexibilidad para escogerlas, lo que
es una ventaja para el análisis. El siguiente ejemplo ilustra una selección de variable de estado
para un circuito eléctrico.
Ejemplo 2.31
La figura 2.28 muestra un circuito serie de una resistencia R y una bobina L. Al circuito se
R L
+
e(t) i(t)
aplica una tensión de tipo escalón con magnitud v. Las variables de salida de interés podrı́an ser
la corriente o las tensiones en la resistencia o la bobina; en este circuito RL el comportamiento
de cualquier variable, está definido por la entrada de voltaje e(t) y la corriente en la bobina
i(t); mediante la ley de voltajes de Kirchoff, se obtiene la ecuación diferencial para la corriente
en el circuito:
di(t)
e(t) = Ri(t) + L , (2.82)
dt
para t ≥ 0.
Aplicando la transformada de Laplace:
v Li(0)
I(s) = + . (2.84)
s(R + sL) R + sL
Aplicando la transformada inversa de Laplace:
v R R
i(t) = (1 − e− L t ) + i(0)e− L t . (2.85)
R
Esta ecuación define todo el comportamiento futuro del circuito, dada la magnitud de la entrada
de voltaje y la condición inicial de la corriente; por lo tanto, la corriente i(t) se puede usar como
variable de estado para describir matemáticamente al circuito serie RL, esto es debido a que la
inductancia L almacena energı́a y es la capacidad de almacenar energı́a la que da la información
sobre la evolución del circuito; lo mismo sucede con el voltaje para el caso de un condensador
en un circuito RC. △
El uso de las variables de estado para el análisis y diseño de sistemas lineales de control, en
particular de sistemas multivariables, permitió en la década de los sesentas, un mejor control
mediante el uso de herramientas de diseño por sı́ntesis, como el control óptimo y adaptati-
vo. En la actualidad estas técnicas se aplican a sistemas multivariables con representación
entrada-salida (matrices de transferencia) y se puede afirmar que ambas representaciones son
complementarias. Por la forma de escoger las variables de estado, ellas permiten calcular el
estado futuro del sistema, por ello es la representación adecuada para la simulación digital de
sistemas dinámicos. La representación de estado aplica para los sistemas no lineales, por ello
para esta clase de sistemas y cuando se requiera observar estados internos, la representación de
estado es la más apropiada.
2.7.1. Definiciones
En esta sección se presentan definiciones asociadas a la representación de estado.
Estado: El estado de un sistema es un conjunto mı́nimo de números tales que el conocimiento
de estos números y de las funciones de entrada, junto con las ecuaciones que describen la
dinámica, proporcionan la salida y el estado futuro del sistema.
Variables de estado: Las variables de estado de un sistema dinámico son el conjunto mı́nimo
de variables cuyo conocimiento en cualquier instante t0 (usualmente t0 = 0), más la información
sobre la entrada aplicada posteriormente, sea suficiente para determinar el estado del sistema
en cualquier instante futuro t ≥ t0 .
Vector de estado: Si se requieren n variables de estado para describir el comportamiento de
un sistema, se pueden considerar las n variables de estado como n componentes de un vector
X(t), llamado vector de estado. El vector X(t) determina unı́vocamente el estado del sistema,
especificada la entrada, para cualquier t ≥ t0 .
Espacio de estado: Es el espacio n-dimensional cuyos ejes de coordenadas son las variables
de estado: x1 , x2 , · · · xn ; el estado del sistema se representará como un punto en el espacio de
estado.
Ecuaciones de estado: Para un sistema con p entradas y n estados (lineal o no lineal, variante
dx1
= f1 (x1 , x2 , · · · xn ; r1 , r2 , · · · rp )
dt
dx2
= f2 (x1 , x2 , · · · xn ; r1 , r2 , · · · rp )
dt
..
.
dxn
= fn (x1 , x2 , · · · xn ; r1 , r2 , · · · rp ), (2.86)
dt
donde: x1 , x2 , · · · xn son las variables de estado y r1 , r2 , · · · rn son las entradas. Obsérvese que
en el lado izquierdo de la igualdad solo hay derivadas de los estados, mientras que en el derecho,
solo hay variables de estados y entradas.
Ecuación de salida: Relaciona las salidas del sistema con las variables de estado y las en-
tradas; si existen q salidas:
c1 = g1 (x1 , x2 , · · · xn ; r1 , r2 , · · · rp )
c2 = g2 (x1 , x2 , · · · xn ; r1 , r2 , · · · rp )
..
.
cq = gn (x1 , x2 , · · · xn ; r1 , r2 , · · · rp ), (2.87)
2.7.2. Linealización
Para la Lúdica 2.1 si se considera como variable de estado la altura del vaso, la ecuación (2.3)
es la ecuación de estado del sistema; es no lineal como en la estructura general planteada en las
ecuaciones (2.86) y (2.87). Casi cualquier sistema dinámico tiene no linealidades, sin embargo,
muchos se pueden describir por un sistema lineal bajo ciertas condiciones de operación; el interés
de obtener una descripción lineal está en poder usar las ampliamente desarrolladas técnicas de
análisis de sistemas lineales, como se ilustró con el uso de la transformada de Laplace para la
solución de una ecuación diferencial lineal.
La técnica de linealización aplica para sistemas continuos o discretos, con modelos de
entrada-salida o de estado; por simplicidad, en esta sección se presenta la linealización de los
modelos en variables de estado. Antes de ello, se simplifica la representación de estado de las
ecuaciones (2.86) y (2.87), utilizando los vectores de estado X(t), entrada R(t) y salida C(t),
definidos por:
x1 (t) r1 (t) c1 (t)
x2 (t) r2 (t) c2 (t)
X(t) = . , R(t) = . , C(t) = . . (2.88)
. . . . . .
xn (t) rp (t) cq (t)
(2.89)
C(t) = G X(t), R(t) ,
(2.90)
C̄(t) = G X̄(t), R̄(t) .
Si se consideran las trayectorias {X(t), R(t), C(t), t ∈ ℜ}, cercanas a X̄(t), R̄(t), C̄(t), t ∈ ℜ ,
se puede aproximar el modelo, con una expansión en series de Taylor de primer orden, obteniéndose:
dX̄(t)
∂F
dt ≈ F X̄(t), R̄(t) + ∂X
X̄,R̄
X(t) − X̄(t) + ∂F
∂R X̄,R̄ R(t) − R̄(t)
(2.91)
∂G
C̄(t) ≈ G X̄(t), R̄(t) + ∂X
X̄,R̄
X(t) − X̄(t) + ∂G
∂R X̄,R̄ R(t) − R̄(t) ,
donde las derivadas están evaluadas en las trayectorias nominales y se ha usado la notación ∂Y
∂Z
para la matriz cuyo ij-ésimo elemento es ∂y ∂F
∂zi ; por ejemplo, la matriz ∂X es:
i
∂f ∂f1 ∂f1
1
∂x1 ∂x2 . . . ∂x n
∂f2 ∂f2 ∂f
∂F ∂x1 ∂x2 . . . ∂xn2
= . .. .. (2.92)
..
∂X .. . . .
∂fn ∂fn ∂fn
∂x1 ∂x2 . . . ∂x n
∂G
⊂= ∂X
X̄,R̄
D = ∂G
∂R X̄,R̄
y los incrementos: ∆X = X(t) − X̄(t), ∆R = R(t) − R̄(t), ∆C = C(t) − C̄(t), t ∈ ℜ ; entonces
el modelo descrito por (2.91) es:
d∆X(t)
dt = A∆X(t) + B∆R(t)
(2.93)
∆C(t) =⊂ ∆X(t) + D∆R(t).
En general las matrices A, B, ⊂ y D son dependientes del tiempo; si se consideran las trayectorias
nominales como puntos de equilibrio: X̄, R̄, C̄ , entonces: X̄˙ = 0 y el sistema (2.93) es lineal
e invariante en el tiempo, con las matrices de coeficientes constantes:
a11 a12 . . . a1n b11 b12 . . . b1p
a21 a22 . . . a2n b21 b22 . . . b2p
An×n = . . .. . B n×p = .. .. .. ..
.. .. . .. . . . .
an1 an2 ... ann bn1 bn2 ... bnp
(2.94)
c11 c12 ... c1n d11 d12 ... d1p
c21 c22 ... c2n d21 d22 ... d2p
⊂q×n = .. .. .. .. Dq×p = .. .. .. .. .
. . . . . . . .
cq1 cq2 ... cqn dq1 dq2 ... dqp
La matriz A se le denomina matriz del sistema por cuanto determina la dinámica interna o
movimientos propios de los estados del sistema, estos movimientos los definen los valores propios
de la matriz, los cuales corresponden a los polos de la función de transferencia del sistema; su
orden n, corresponde al número de variables de estado que es también el orden del sistema.
La matriz B es la matriz de entrada e indica como se distribuyen las p entradas sobre la
dinámica de los estados.
La matriz ⊂ se denomina matriz de salida o de observación, pues determina cómo se trans-
mite el estado interno a las q salidas; permite observar a través de ellas el estado interno del
sistema.
La matriz D es la matriz de acoplamiento o de interconexión e indica el acoplamiento directo
entre la salida y la entrada: en la mayorı́a de los sistemas de control D es nula, existirá en
sistemas con igual número de polos y ceros.
La figura 2.29 muestra un diagrama de bloques de las ecuaciones dinámicas (2.93), en donde
las flechas corresponden a los vectores de las señales.
Ejemplo 2.32
Las ecuaciones normalizadas para la turbina del ejemplo 2.5, son:
qf2 dqf
h= ; I = −(h − h0 ); P = qf h;
u2 dt
considerando como estado al flujo: x = qf , entrada a la posición de la compuerta: u y como
salida a la potencia mecánica: y = P , las ecuaciones dinámicas para la turbina son:
2
x h0
ẋ = − Iu 2 + I
x3 (2.95)
y = u2 .
3x2 2x3
∆y = u2
∆x − u3
∆u
1 1
∆ẋ = − I/2 ∆x + I/2 ∆u
(2.96)
∆y = 3∆x − 2∆u.
Ejemplo 2.33
La figura muestra un diagrama esquemático para el péndulo planteado en el ejemplo 1.4.
La masa m se asume concentrada a una distancia l del pivote. El ángulo θ es cero en el
equilibrio estable y positivo en sentido sinestrogiro; en el pivote se aplica un torque externo te .
Considerando que la aceleración tangencial es lθ̈ y la fuerza de fricción lf θ̇, de la segunda ley
de Newton se tiene:
te
mlθ̈ = −mg senθ − lf θ̇ + ,
l
donde f es el coeficiente de fricción viscosa y g la constante de aceleración de la gravedad.
Considerando como variables de estado y variables de salida a la posición y velocidad angular:
x1 =θ
x2 = θ̇,
ẋ1 = x2
ẋ2 = − gl senx1 − f
m x2 + te
l (2.97)
c1 = x1
c2 = x2 .
Para encontrar los puntos de equilibrio sin entrada externa te = 0, se hace ẋ1 = ẋ2 = 0 y resulta
el conjunto de puntos de equilibrio aislados:
Nótese que solo la matriz A depende del estado, evaluándola en los puntos de equilibrio:
0 1
A= ,
∓ gl − mf
donde el signo (-) corresponde a los puntos de equilibrio estables θ = ±2nπ y el (+) a los
inestables θ = ±(2n + 1)π. Si se tienen pequeñas variaciones alrededor de un punto de equilibrio
dado, el modelo linealizado del péndulo es:
∆ẋ1 0 1 ∆x1 0
= + ∆te
∆ẋ2 ∓ gl − mf
∆x2 1
l
(2.99)
∆c1 1 0 ∆x1
= .
∆c2 0 1 ∆x2
R L
+
+
e(t) i(t) C ec (t)
−
−
Z
di(t) 1
e(t) = Ri(t) + L + i(t)dt.
dt C
Esta es una ecuación integro-diferencial, a partir de la cual se pueden escribir las ecuaciones de
estado; definiendo las variables de estado como:
Z
x1 (t) = i(t); x2 (t) = i(t)dt, (2.100)
se obtiene:
dx1 (t) 1
e(t) = Rx1 (t) + L + x2 (t) (2.101)
dt C
dx2 (t)
= i(t) = x1 (t). (2.102)
dt
Organizando las ecuaciones (2.101) y (2.102) en la forma de (2.93) se obtienen las ecuaciones
de estado:
R 1
ẋ1 (t) − L − LC x1 (t) 1/L
= + e(t). (2.103)
ẋ2 (t) 1 0 x2 (t) 0
Se observa que ambas ecuaciones son de primer orden. La ecuación de salida a partir de los
estados es:
x1 (t)
ec (t) = 0 1/C . (2.104)
x2 (t)
Si se comparan (2.103) y (2.104) con (2.108) y (2.109) se observa que las ecuaciones dinámicas
no son las mismas; por el carácter no único de las variables de estado se pueden tener distintas
ecuaciones dinámicas para representar un sistema, sin embargo, cualquiera sea la elección de las
variables de estado, el objetivo con el cual se definen es el de obtener ecuaciones diferenciales
de primer orden. △
estado independientes son aquellas que no pueden ser expresadas en términos de las restantes
variables de estado seleccionadas.
En algunos sistemas se podrán requerir más de las variables de estado asociadas a los
elementos almacenadores de energı́a, dependiendo de las salidas requeridas, como se ilustra en
el siguiente ejemplo.
Ejemplo 2.35
La figura muestra el diagrama esquemático de un motor de corriente continua. Hay dos
La if = cte
+ Ra
+
ea ia eg
− θm ωm
− t
f
J
Bobina Le Corriente i
Le i2
2
Resorte K Desplazamiento x
Kx2
2
Nivel h
Área de la sección A Ah2
2
Reordenando se obtiene:
ẋ1 (t) − FJ − KJt x1 (t) 0
= + ea (t) (2.111)
1
ẋ2 (t) −K
La
b
−Ra
La
x2 (t) La
Si la posición θ es también una salida requerida, debe considerarse otra variable de estado
x3 = θ; con la ecuación diferencial: θ̇ = ω la ecuación de estado es: ẋ3 = x1 , la descripción del
sistema por variables de estado será:
KT
ẋ1 (t) − FJ J 0 x1 (t) 0
ẋ2 (t) = − Kb − Ra 0 x2 (t) + 1 ea (t) (2.113)
La La La
ẋ3 (t) 1 0 0 x3 (t) 0
x1 (t)
ω(t) 1 0 0
= x2 (t) . (2.114)
θ(t) 0 0 1
x3 (t)
dx2 (t)
dt = x3 (t)
dx3 (t)
dt = x4 (t)
.. ..
. .
dxn−1 (t)
dt = xn (t) .
dX(t)
= AX(t) + BR(t)
dt
C(t) =⊂ X(t),
donde:
0 1 0 0 0 ... 0
0 0 1 0 0 ... 0
0 0 0 1 0 ... 0
A= .. .. .. .. .. .. ..
. . . . . . .
0 0 0 0 0 ... 1
−an −an−1 −an−2 −an−3 −an−4 . . . a1 (n
x n)
0
0
B= . ⊂= 1 0 . . . 0 (1 n) .
.. ×
1 (n 1)
×
Esta forma también se conoce como forma canónica de variables de fase o forma canónica
asociada. Esta representación tiene ciertas caracterı́sticas que facilitan el análisis y diseño por
realimentación de estado, como se verá en el capı́tulo 11.
Ejemplo 2.36
Sea la ecuación diferencial:
d3 c(t) d2 c(t) dc(t)
+ 5 + + 2c(t) = r(t);
dt3 dt2 dt
despejando el término de la máxima derivada:
y la ecuación de salida:
x1
c(t) = 1 0 0 x2
.
x3
△
x˙1 = x2
x˙2 = x3
x˙3 = x4
.. ..
. .
x˙n = −an x1 − an−1 x2 . . . − a1 xn + b0 un + b1 un−1 + . . . + bn−1 u̇ + bn u
c = x1 .
Debido a los términos derivativos de la n-ésima ecuación de estado, no se llega a la forma
normalizada. Tratando de mantener la matriz A de la forma canónica controlable, se define el
siguiente conjunto de variables de estado:
ẋ1 = x2 + β1 r
ẋ2 = x3 + β2 r
ẋ3 = x4 + β3 r
.. ..
. .
ẋn = xn−1 + βn−1 r
c = x1 + β0 r.
Las constantes βi se obtienen reemplazando c(t) en la ecuación diferencial; ası́ Ogata [1998]:
β0 = b0
β1 = b1 − a1 β0
β2 = b2 − a1 β1 − a2 β0
β3 = b2 − a1 β2 − a2 β1 − a3 β0
.. ..
. .
βn = bn − a1 βn−1 − . . . − an−1 β1 − an β0 .
Con esta elección las ecuaciones dinámicas del sistema serán:
b0 p n b1 pn−1 bn−1 p bn
c(t) = r + r + ... + r + r,
D(p) D(p) D(p) D(p)
donde D(p) = pn + a1 pn−1 + . . . + an−1 p + an . Seleccionando como variables de estado:
r pr pn−2 r pn−1 r
x1 = ; x2 = ; ... xn−1 = ; xn = ,
D(p) D(p) D(p) D(p)
se obtienen las relaciones:
ẋ1 = x2 ẋ2 = x3 ẋ3 = x4 ... ẋn−1 = xn
...
ẍ1 = x3 x 1 = x4 ... x1n−1 = xn .
de
r
x1 =
D(p)
se tiene:
x˙1 = x2
x˙2 = x3
x˙3 = x4 (2.115)
.. ..
. .
x˙n = −a1 xn − a2 xn−1 . . . − an−1 x2 − an x1 + r.
También, a partir de las anteriores relaciones se obtiene la ecuación de salida:
luego las matrices que definen las ecuaciones dinámicas de estado son:
0 1 0 0 0 ... 0 0
0 0 1 0 0 ... 0 0
0 0 0 1 0 . . . 0 0
A= . .. .. .. .. .. .. B = .. D = b0
.. . . . . .
.
.
0 0 0 0 0 ... 1 0
−an −an−1 −an−2 −an−3 −an−4 . . . a1 1
⊂= (bn − b0 an ) (bn−1 − b0 an−1 ) (bn−2 − b0 an−2 ) . . . (b1 − b0 a1 ) .
Nótese que la máxima derivada para c1 es dos y para c2 es uno; esto sugiere seleccionar dos
estados para c1 y uno para c2 ; una selección es:
x1 = c1
x2 = ċ1
x3 = c2 .
C(s) = b0 R + [(b1 − b0 a1 )s−1 + (b2 − b0 a2 )s−2 + ... + (bn − b0 an )s−n ]Y (s). (2.120)
De (2.119):
Y (s) = R − a1 s−1 Y (s) − a2 s−2 Y (s)... − an s−n Y (s); (2.121)
escogiendo como variables de estado a las transformadas inversas de Laplace de:
Ejemplo 2.38
Se tiene el diagrama de bloques del sistema de control de la figura 2.34. Para obtener la
Ejemplo 2.39
El modelo en espacio de estado dado por (2.117) y (2.118) se crea con:
>> A=[0,1,0;0,-4,3;-1,-1,-2];B=[0,0;1,0;0,1];C=[1,0,0;0,0,1];D=[0];
>> sis1=ss(A,B,C,D,’inputname’,{’r1’ ’r2’},’outputname’, {’c1’ ’c2’})
a=
x1 x2 x3
x1 0 1 0
x2 0 -4 3
x3 -1 -1 -2
b=
r1 r2
x1 0 0
x2 1 0
x3 0 1
c=
x1 x2 x3
c1 1 0 0
c2 0 0 1
d=
r1 r2
c1 0 0
c2 0 0
Las salidas ‘a,b,c’ y ‘d’ son nombres por defecto y no están en el espacio de estado; si no se
especifican nombres a las entradas, estados o salidas, éstos se dan por defecto como ‘xi’ a los
estados, ‘ui’ a las entradas y ‘yi’ a las salidas.
Si el argumento del comando ‘ss’ es una función ‘tf’, se obtiene un modelo en espacio de
estados en la forma canónica controlable. Para la función de transferencia (2.124), se obtiene:
b=
u1
x1 0
x2 0
x3 1
c=
x1 x2 x3
y1 640 160 0
d=
u1
y1 0
entonces:
X(s) = (sI − A)−1 X(0) + (sI − A)−1 BR(s). (2.125)
Aplicando la transformada de Laplace a la ecuación de salida y reemplazando X(s), se tiene:
Los vectores de estado y de salida son: £−1 {X(s)} y £−1 {C(s)}. La solución en el tiempo
de las ecuaciones dinámicas se verá en detalle en el capı́tulo 5.
Si en la ecuación (2.125) se hacen nulas las condiciones iniciales X(0) = 0, se define la matriz
de transferencia G(s):
C(s)
G(s) = =⊂ (sI − A)−1 B + D; (2.126)
R(s)
G(s) es una matriz de funciones de transferencias de dimensión (qxp):
C1 G11 G12 . . . G1p R1
C2 G21 G22 . . . G2p R2
.. = .. .. .. .. .
. . . . .
Cq Gq1 Gq2 . . . Gqp Rp
Ejemplo 2.40
Para obtener la matriz de funciones de transferencia para el sistema del ejemplo 2.37, el
cálculo de (sI − A) es:
s −1 0
(sI − A) = 0 s + 4 −3 .
1 1 s+2
El determinante de (sI − A) es:
Usando (2.126):
s2 + 6s + 11 s+2 3 0 0
1 0 0 1 1 0 ,
G(s) = −3 s(s + 2) 3s
0 0 1 |sI − A|
−(s + 4) −(s + 1) s(s + 4) 0 1
luego:
1 s+2 3
G(s) = .
3 2
s + 6s + 11s + 3 −(s + 1) s(s + 4)
△
>> G=tf(sis1)
-s - 1
c2: ----------------------
s^3 + 6 s^2 + 11 s + 3
s^2 + 4 s
c2: ----------------------
s^3 + 6 s^2 + 11 s + 3
particular aquellos que relacionan variables medidas en régimen estacionario, como la ganancia
estática de una función de transferencia entre la señal de control y la salida.
Para obtener los parámetros asociados a la respuesta transitoria del sistema, normalmente
se requiere realizar un experimento; para sistemas de bajo orden, la respuesta a un escalón de
entrada, puede servir para obtener los parámetros del modelo, esto se analizará en el capı́tulo 5
del análisis temporal de los sistemas de control. Sin embargo, las variables medidas tienen ruido,
lo que genera error en los cálculos de los parámetros. Los métodos de identificación paramétrica
permitan identificar los modelos analı́ticos teniendo en cuenta el ruido de la medición; en estos
métodos se usan señales más ricas que el escalón para excitar las dinámicas del sistema; también
usan la optimización, para obtener el mejor conjunto de parámetros que minimizan una función
de costo del error entre la respuestas del modelo y las experimentales, con ello generan ı́ndices
que permiten evaluar el grado de precisión del modelo; igualmente, estos métodos permiten
validar los modelos identificados, usando un juego de datos diferente de los usados para el
cálculo de los parámetros.
Los experimentos de los métodos de identificación toman los datos de manera discreta y es
por ello que la mayor cantidad de herramientas se han desarrollado para los sistemas discretos;
el capı́tulo siguiente estudiará el modelado de los sistemas discretos y en el se presentará una
breve introducción a la identificación paramétrica de estos sistemas; por supuesto que si la rata
de muestreo es suficientemente alta, el modelo discreto se puede aproximar al continuo.
La aplicación de los métodos de identificación a un modelo con estructura conocida, se
conoce como un enfoque de modelado de caja gris; pero no siempre se conocen las estructuras
de un modelo, como sucede por ejemplo, en sistemas fisiológicos complejos; los métodos de
identificación se pueden aplicar igualmente a estos sistemas, en cuyo caso el enfoque se denomina
de caja negra.
Existe una relación directa entre la función de transferencia de un sistema lineal y las
respuestas del sistema en estado estable a sinusoides de entrada de diferentes frecuencias, esta
respuesta se conoce como la respuesta frecuencial; se puede por lo tanto realizar la identificación
del sistema en el dominio de la frecuencia; este aspecto será analizado en el capı́tulo 9.
Existe por lo tanto un amplio abanico de recursos para la parametrización de un modelo
a escoger dependiendo de las condiciones del proceso, como la posibilidad o no de realizar
experimentos, la información técnica disponible del sistema (datos de diseño, caracterı́sticas de
los materiales, etc.) y los recursos tecnológicos y humanos disponibles para este propósito; en la
práctica, es a menudo muy útil utilizar una combinación de métodos analı́ticos y experimentales.
Ejemplo 2.41
Se considera el sistema:
>> Gfull=zpk(-2,[-2.05,-10,-.5+sqrt(3/4)*j,-.5-sqrt(3/4)*j],10)
Zero/pole/gain:
10 (s+2)
------------------------------
(s+2.05) (s+10) (s^2 + s + 1)
Se observa que el polo se puede cancelar con el cero, esto lo realiza el comando ‘minreal(G,tol)’,
donde tol es la tolerancia para la cancelación (si no se especifica, es sqrt(eps) por defecto):
>> Gmin=zpk(minreal(Gfull,.1))%
Zero/pole/gain:
10
---------------------
(s+10) (s^2 + s + 1)
(Tm s)2
eTm S = 1 + Tm s + + ...,
2
luego e−Tm s ≈ 1/(Tm s + 1) y la constante del tiempo muerto se puede incluir en la constante
de tiempo equivalente: X
τe = T m + τpi − τzi .
La aproximación es válida si el controlador se diseña de modo que τe < τd ; normalmente esto
se da si se usa la acción integral. No se deben incluir en la equivalencia, constantes importantes
cuyo valor sea mayor que la suma de las demás; por ejemplo si se tiene un sistema con tiempo
muerto y constantes: τp1 > Tm + τp2 + τp3 + . . ., entonces la aproximación de la dinámica de
red abierta es:
k
G(s) ∼= ,
(1 + τp1 s)(1 + τe s)
con: τe = Tm + τp2 + τp3 + . . .; el mismo criterio aplica si hay dos o más constantes importantes;
de esta forma se llegará a sistemas reducidos de menor orden.
En la constante de tiempo equivalente también se pueden incluir polos del controlador,
como los rápidos del filtrado de la acción derivativa Td′ (ver sección 6.3.4). Por ser τe una
representación de una dinámica equivalente, no aplica para una cancelación polo cero.
Ejemplo 2.42
Sea la función de transferencia de red abierta:
ke−Tm s (1 + τz1 s)(1 + τz2 s)
G(s) =
(1 + τp1 s)(1 + τp2 s)(1 + τp3 s)(1 + τp4 s)
Si: τe = Tm + τp1 + τp2 + τp3 + τp4 − τz1 − τz2 > 0, el sistema se puede simplificar al sistema de
primer orden:
k
G(s) ∼=
(1 + τe s)
Si τp1 > τp2 > τp3 > τp4 ; τp3 es mayor que Tm , τz1 y τz2 y se desea obtener un modelo
reducido válido para una dinámica de red cerrada en el rango: τp2 ≤ τd ≤ τp3 ; las constantes
τp2 y τp3 se retienen; como τp1 es más lenta que las demás, se aproxima a un integrador; las
demás constantes son menores que τp3 , por lo que se aproximan a: τe = Tm + τ4 − τz1 − τz2 . Si
τe > 0, el sistema se aproxima a:
k
G(s) =
τp1 s(1 + τp2 s)(1 + τp3 s)(1 + τe s)
k(τe s + 1)
G(s) =
τp1 s(1 + τp2 s)(1 + τp3 s)
Se observa que el tercer valor singular de Hankel es muy pequeño, lo que indica que el tercer
estado se puede eliminar, esto lo realiza el comando ‘modred(G,estado)’:
>> Gred=tf(modred(Gbal,3))
Transfer function:
0.007407 s^2 - 0.09608 s + 0.9971
---------------------------------
s^2 + s + 0.9971
Los coeficientes en s y s2 del numerador son pequeños y se pueden despreciar, lo que lleva a la
función de transferencia simplificada 1/(s2 + s + 1).
Cabe anotar que para cancelaciones polo-cero no exactas con una tolerancia más grande, la
función ‘minreal(G,tol)’ no preserva la ganancia estacionaria y puede ser necesario reajustarla;
el comando ‘modred(G,estado)’ si preserva la ganancia de estado estable del sistema.
Para modelos con incertidumbre, el MATLAB tiene diversas funciones para reducir los
modelos, en donde adicionalmente se pueden analizar o especificar los máximos errores absolutos
(2.70) o relativos (2.71) entre el modelo completo y el reducido, ver el capı́tulo de control robusto
en Inc. [2010].
2.11. Simulación
Para el diseño de los sistemas de control se utilizan modelos reducidos linealizados con
aproximaciones a las señales de disturbio, por lo que es usual validar el diseño en simulación
digital incluyendo alinealidades, dinámicas de más alto orden, efectos de disturbios y ruidos,
etc. Para ello existen numerosos programas de simulación digital, aquı́ se presenta brevemente
cómo simular digitalmente un modelo en el programa SIMULINK basado en el MATLAB.
Hay diversas formas para definir un modelo en el SIMULINK; se pueden dar las ecuaciones
diferenciales que describen al sistema en un archivo de extensión ‘.m’ o realizarlo gráficamente
interconectando bloques predefinidos. Enmascarando partes del modelo se pueden crear jerar-
quı́as con subsistemas.
El programa se inicia escribiendo ‘simulink’ desde la ventana de comandos del MATLAB;
aparece una ventana con las librerı́as de bloques en donde se encuentran herramientas para
diversos tipos de modelos: continuos, discretos, lógicos, matemáticas, fuentes y salidas (sinks),
entre otras. En esta ventana la opción F ile > N ew > M odel abre una nueva ventana titulada
‘untitled’ a la cual se pueden llevar los bloques desde las librerı́as, esto se hace arrastrando el
bloque seleccionado con el clic izquierdo presionado; por ejemplo desde la librerı́a Continuous
el bloque Transfer Fcn; con un doble clic en este bloque se pueden cambiar sus parámetros,
el denominador ajustado a [1 1 1] permite simular el modelo reducido de la sección anterior;
igualmente desde la librerı́a Sources se lleva a la ventana ‘untitled’ el bloque Step y desde Sinks
el bloque Scope. Con el clic izquierdo presionado se interconectan los bloques, obteniéndose
el diagrama de la figura. En la ventana ‘untitled’, desde la opción Simulation > Start se
inicia la simulación y con la opción Simulation > Conf igurationP arameters, en una ventana
emergente se definen la duración y los parámetros del método numérico de integración. El
resultado se observa en la ventana emergente obtenida con un doble clic en el bloque Scope.
Cualquier variable definida en el espacio de trabajo del MATLAB se pude utilizar como
parámetro en los bloques; igualmente los resultados de la simulación se pueden utilizar en el
espacio de trabajo usando el bloque To Workspace de la librerı́a Sinks. Los modelos creados se
salvan para posterior uso con la opción F ile > Save de la ventana ‘untitled’.
2.12. Resumen
En el modelado analı́tico se plantean las leyes fı́sicas que describen las dinámicas de los
sistemas; para sistemas de fluidos, eléctricos, mecánicos, de gases, térmicos y quı́micos, estas
leyes se plantean para las propiedades generales de resistencia, capacitancia e inductancia.
Además se consideran los tiempos muertos pues impactan fuertemente el desempeño de los
sistemas de control.
Los modelos se pueden escalar para usar variables adimensionales con lo que se reduce el
número de parámetros del modelo y se simplifica su análisis y simulación.
La descripción obtenida son ecuaciones diferenciales continuas. Si son lineales, su solución
se facilita mediante la transformada de Laplace la cual las convierte en ecuaciones algebraicas.
La función de transferencia es la relación entre las transformadas de la entrada y la salida del
sistema sin condiciones iniciales, ella describe las propiedades de entrada salida de los sistemas
lineales en forma algebraica de la variable compleja s.
Los múltiples componentes de un sistema de control se pueden representar cada uno me-
diante funciones de transferencia interconectados en un diagrama de bloques. El diagrama se
simplifica a la forma canónica usando relaciones algebraicas entre las variable.
Si las ecuaciones diferenciables tienen alinealidades diferenciables, se pueden linealizar en
una vecindad mediante el primer término de la expansión de las funciones no lineales en series
de Taylor.
Con la representación de estado, las ecuaciones diferenciales se representan mediante múlti-
ples ecuaciones de primer orden; es una representación en el dominio del tiempo, con vectores de
variables y matrices de parámetros. Ambas representaciones son equivalentes, pero con ventajas
especı́ficas en el análisis y diseño de los sistemas de control.
Los sistemas dinámicos pueden cambiar sus caracterı́sticas con el tiempo y pueden tener
órdenes muy altos; las incertidumbres paramétricas y dinámicas no modeladas se consideran
en el modelado para poder analizar y diseñar sistemas de control robustos; los errores de mo-
delado se pueden describir mediante cantidades aditivas, multiplicativas y/o cotas máximas; la
incertidumbre en general se incrementa con la frecuencia.
Dado que para el análisis y diseño de los sistemas de control se utilizan modelos que recogen
las dinámicas más importantes, los modelos se pueden reducir cancelando polos y ceros cercanos,
despreciando los rápidos y lentos o eliminando los estados con poca energı́a. Los efectos de las
dinámicas despreciadas, alinealidades y otras señales externas se analizan mediante simulación
digital.
Ejercicio 2.2
Ate un extremo de un nylon elástico de un metro a una masa de 150 gr y el otro extremo a
un apoyo fijo; levante la masa sin que el nylon deje de halar, suéltela y observe la evolución de
la misma. A partir de la respuesta observada y el análisis del sistema, plantee la estructura de
un modelo que describa a este sistema.
Ejercicio 2.3
Ate un extremo de un nylon inelástico de un metro a una masa de 150 gr, el otro extremo
a un apoyo fijo, cerca de la pared, para restringir los desplazamientos a un plano; desplace la
masa, suéltela y observe la evolución de la misma. Plantee el modelo linealizado que describa
la dinámica para el ángulo del péndulo.
Ejercicio 2.5
Linealice las ecuaciones obtenidas en el ejercicio 2.4 y obtenga las funciones de transferencia.
Ejercicio 2.6
La figura muestra un diagrama esquemático de un accionamiento para un ascensor.
En este sistema, la parte inferior del cable, compensa su peso; Ma es la masa de la cabina
más los pasajeros, Mcp la masa del contrapeso, Jm el momento de inercia del motor, J1 y J2 los
momentos de inercia de los engranajes y J3 la inercia de la rueda que mueve el cable. Considere
que el frotamiento en el sistema y la elasticidad del cable son despreciables. Obtenga la ecuación
diferencial que describe la dinámica mecánica del sistema.
Ejercicio 2.7
La administración de medicamentos es un problema de control; la receta: ‘tome una pastilla
cada 6 horas’, es una solución de lazo abierto basada en la edad y peso del paciente.
Para diseñar sistemas de control automáticos, se puede utilizar un modelo de un com-
partimento al cual se administra el medicamento, y en el que éste se remueve con una rata
proporcional a su concentración. Con c la concentración del medicamento, V el volumen y q el
flujo de salida, plantee la ecuación diferencial que describe la concentración del medicamento,
luego de ser inyectado.
Ejercicio 2.8
La figura 2.38 muestra a un intercambiador de calor en un recipiente térmicamente bien
aislado. El lı́quido entra frı́o con flujo ca a temperatura θi y sale caliente a la temperatura
medida θm la cual tiene un retardo de tiempo muerto T con relación a la temperatura del
lı́quido a la salida θo ; qi1 y qi2 son los flujos de entrada de calor del lı́quido y del calentador
respectivamente; qo el flujo de calor de salida. En este sistema con flujo de calor por conducción,
la resistencia térmica es R = 1/cca . Se desea conocer la relación entre θi y qi2 y la temperatura
medida θm . Obtenga las ecuaciones diferenciales que describen la dinámica del sistema y las
funciones de transferencia de interés para el mismo.
Ejercicio 2.9
Obtenga la función de transferencia para el sistema del ejemplo 2.6.
Ejercicio 2.10
Hallar la salida para el diagrama de bloques de la figura 2.39.
Ejercicio 2.11
Reducir el diagrama de bloques de la figura 2.40 a la forma canónica.
Ejercicio 2.12
Obtenga el modelo normalizado del motor de corriente continua del ejemplo 2.35 y trace el
diagrama de bloques que represente al motor, considerando como salidas la posición, la velocidad
y la corriente de armadura.
Ejercicio 2.13
Para el ejercicio 1.13, las ruedas tienen un radio r, el Encoder se rige por la relación: v = Ke va
Ejercicio 2.14
Se consideran los accionamientos para mover una alta carga inercial J, de fricción despre-
ciable, ver la figura 1.44. Para el Motor 1 con el bloque control y el accionador1, se tiene una
estrategia de control, descrita mediante las ecuaciones:
Z
Va1 = Kpω (ωref − ωb ) + Kiω (ωref − ωb )dt; Ea1 = K1 Va1 ; ωb = Kb ω.
Ejercicio 2.15
El diagrama de bloques para los accionamientos del ejercicio 2.14 tiene la estructura mostra-
da en la figura 2.41. Calcule la función de transferencia C(s)/R(s).
Figura 2.41: Diagrama de bloques para los accionamientos del Ejercicio 2.14.
Ejercicio 2.16
Para el sistema de control de la figura 2.41, se desea analizar el comportamiento de la señal
de control interna B; calcule la función de transferencia B(s)/R(s).
Ejercicio 2.17
La figura 2.42 muestra el diagrama de instrumentación de un sistema de calentamiento. En
el tanque 2, TT3 genera una señal eléctrica b3 proporcional a la temperatura del agua en el
tanque θ con factor K1 ; el controlador C3 implementa la ley de control:
Z
Kp t
a3(t) = Kp (R3 (t) − b3 (t)) + (R3 − b3 )dτ.
Ti 0
La caja eléctrica genera una tensión V3 que obedece a la relación: K2 V 3 = a3. La bobina se
modela con inductancia L y resistencia interna R. La transferencia de calor en el tanque 2
Ejercicio 2.18
En los sistemas mecánicos flexibles existen modos resonantes que no se modelan; se considera
el modelo de un sistema mecánico M (s) cuya ganancia en alta frecuencia tiende a cero, con un
modo resonante adicional no modelado:
ωn2
G(s) = M (s), 0 < ρ < 1.
s2 + 2ρωn s + ωn2
Para este sistema, calcule las funciones de error Ge (s) y G∆ (s) y analice su comportamiento en
baja y alta frecuencia.
Ejercicio 2.19
Para los tanques en cascada del ejercicio 2.4, obtenga el modelo no lineal y linealizado en el
espacio de estados.
Ejercicio 2.20
Obtenga el modelo linealizado en espacio de estados y las funciones de transferencia para el
sistema de glucosa-insulina, representado por las ecuaciones diferenciales (2.40).
Ejercicio 2.21
El siguiente juego de ecuaciones diferenciales, representa la dinámica de un sistema multi-
variable:
ċ1 − 2c2 + c1 = 0
c̈2 + 3ċ2 + 8c2 + 3c1 = u̇1 + 3u1 + 3u2 .
Obtenga un modelo en espacio de estados y la matriz de transferencia del sistema.
Ejercicio 2.22
El siguiente juego de ecuaciones diferenciales representa a un sistema dinámico:
ċ1 + c1 + c2 = u1
ċ2 + c2 − c1 = u2 .
Defina un conjunto adecuado de variables de estado y obtenga las ecuaciones dinámicas y la
matriz de transferencia del sistema.
Ejercicio 2.23
A partir de los diagramas de bloques obtenidos para los ejercicios 2.13, 2.14 y 2.17, plantee
las ecuaciones dinámicas correspondientes en el espacio de estados.
Ejercicio 2.24
Obtenga modelos reducidos para las siguientes funciones de transferencia de red abierta:
(2s + 1)(s + 1)
G1 (s) = , τd = 1s
(2.02s + 1)(6s + 1)
(s + 1)(3s + 1)e−0.5s
G2 (s) = , 5 ≤ τd ≤ 15
(20s + 1)(10s + 1)(5s + 1)2 (2s + 1)
Ejercicio 2.25
Obtenga modelos reducidos para las siguientes funciones de transferencia:
s+2
G1 (s) = ,
s2 + 3.05s + 2.05
8(s + 5)
G2 (s) = 2
,
(s + 10s + 100)(s + 0.8)(s + 0.5)
150s + 72
G3 (s) = .
s5 + 15.9s4 + 167.1s3 + 238.1s2 + 223.2s + 72
Ejercicio 2.26
Se considera un cilindro en un plano inclinado; sean k1 , k2 y k3 parámetros ajustables; si
se considera que la fuerza aplicada al cilindro es proporcional al ángulo del plano y que existe
fricción entre el cilindro y el plano, la función de transferencia adecuada para modelar la planta
a controlar de este sistema es:
A. k1 /(s2 + k2 ).
B. k1 /(s2 + k2 s + k3 ).
C. k1 /(s2 + k2 s).
D. k1 /s2 .
Ejercicio 2.27
Si para el ejercico 2.25 se desprecia la fricción entre el rodillo y el plano, la matriz del sistema
para variables de estado de fase es:
0 1
A. .
0 −k2
0 1
B. .
−k2 0
0 1
C.
−k3 −k2
0 1
D. .
0 0
3.1. Introducción
La aplicación de control por computadora ha hecho posible el movimiento inteligente de
robots industriales, la optimización de economı́a de combustible en los automóviles, la gestión
de datos en el Internet y en general ha permitido la alta penetración de los sistemas de control
en la sociedad actual. La capacidad en la toma de decisiones y la flexibilidad en los progra-
mas de control son las mayores ventajas de los sistemas de control digital. Los controladores
digitales se utilizan para alcanzar el desempeño óptimo como la productividad máxima, el
beneficio máximo, costo mı́nimo o la utilización de mı́nima de energı́a. Como se estudió en la
primera unidad, un sistema de control digital, aparte de la planta análoga, incluye los conver-
sores analógico a digital, digital a analógico y el procesador en sı́ mismo. Para cada uno de
estos elementos se requiere una representación matemática. La planta análoga se representa
por su función de transferencia o su representación de estado. El conversor A/D mediante una
representación matemática del muestreo; el conversor D/A mediante su función de transferen-
cia. Para el modelado del procesador digital, a usar en las buclas tı́picas de control digital o
discreta, se utilizará la transformada Z, con la cual las soluciones a las ecuaciones en diferencias
se convierten en un problema de naturaleza algebraica similar a la transformada de Laplace.
En esta unidad se presentará el modelado de los sistemas discretos y digitales tanto para la
representación entrada- salida como de estado.
1. Tome el plano inclinado entre sus manos, en posición inicial horizontal y lleve el cilin-
137
3.3. MODELADO DEL PROCESADOR DIGITAL
dro desde un extremo hasta el centro. Luego repita lo anterior, cerrando y abriendo los
ojos rı́tmicamente. Tome nota del desempeño logrado en el posicionamiento del cilindro
para ambos casos, esto es, que tan rápido se logra el posicionamiento y con cuánta pre-
cisión. ¿Qué puede concluir acerca del desempeño del sistema de control con respecto a
la frecuencia de la visual?
2. Ahora se busca que el cilindro rodando por el piso limpio, alcance una distancia dada
marcada de antemano aproximadamente a 3m del punto de lanzamiento; se acepta un
error (diferencia entre la distancia deseada y la alcanzada por el cilindro) de ±3cm. El
cilindro se lanza, soltándolo sobre el plano inclinado, apoyado al piso en un extremo y con
el extremo libre ajustado a una altura dada. Lance el cilindro repetidas veces para distintas
inclinaciones del plano; trate de establecer una relación entre la altura del extremo del
plano y la distancia alcanzada por el cilindro.
3. Calcule la nueva altura del plano como la altura anterior más un veinteavo del error.
Repita el experimento hasta diez veces o hasta alcanzar la banda admisible del error.
Tabule los datos en una tabla y grafı́quelos. ¿Qué puede concluir sobre la forma de la
evolución del error?
4. Plantee una ecuación que describa al sistema de control del paso 3. ¿Cuáles serı́an sus
parámetros?
3.3.1. Secuencias
En los pasos 2 y 3 de la Lúdica 3.1 se toman los valores para cada ensayo k, de la altura
del extremo del plano a(k) y del error e(k). En general para un procesador digital o un sistema
discreto que realizan los cálculos periódicamente, interesa conocer el valor de la señal digital en
instantes infinitesimales, separados por el perı́odo de muestreo T . Este conjunto de valores se
denomina secuencia; por ejemplo:
n o
xk , x(k) , x kT = {1, 0, 0.51, -0.26, . . . }
− kT
x kT =e 3 cos( kT
4 ) k = 0, 1, 2, . . . , n; T = 1s.
Las secuencias se pueden representar por la serie de datos o en forma cerrada si ello es
posible. Algunas secuencias importantes se presentan en la tabla 3.3.1.
matemáticamente en el dominio del tiempo, mediante la secuencia Aδ(k − m). Una secuencia
arbitraria nula para k < 0 es una suma ponderada de pulsos unitarios desplazados:
x(k) = x(0)δ(k) + x(1)δ(k − 1) + x(2)δ(k − 2) + . . ., luego se describe por:
∞
X
x(k) = x(m)δ(k − m). (3.1)
m=0
En el caso de que la señal continua sea nula para t < 0, las sumatorias en (3.2) inician en cero.
Para la representacion en el dominio de la frecuencia de la señal muestreada x∗ (t), su
transformada de Laplace es:
X∞
X ∗ (s) = x(kT )e−skT . (3.3)
k=−∞
1
0 k=
6 0 k
Pulso unitario: δ(k) =
1 k=0
µ(k)
1
0 k<0 k
Escalón unitario: µ(k) =
1 k≥0
r(k)
0 k<0 k
Rampa unitaria: r(k) =
kT k ≥ 0
0 k<0
Aceleración unitaria: a(k) =
kT2 k≥0
r(k)
a>0
0<a<1
0 k<0
Polinomial: x(k) = k
akT k≥0
b<0
0 k<0 b>0
Exponencial: x(k) =
e−bkT k≥0
x(k)
k
0 k<0
Senoidal: x(k) =
senωkT k≥0
x(t) x*(t)
T
δ T (t)
t
−3T −2T −T T 2T 3T
Procesador
e(kT ) → → a(kT )
digital
e(0), e(1),. . ., e(k) a(0), a(1),. . ., a(k − 1).
a(k) = −a1 a(k −1)−a2 a(k −2)−. . . −an a(k −n)+b0 e(k)+b1 e(k −1)+. . . +bm e(k −m). (3.5)
Ejemplo 3.1
En el ejemplo 1.12 se presentaron algunas funcionalidades tı́picas para un servidor de Inter-
net. El servidor IBM Lotus Hellerstein [2004] administra correos electrónicos y documentos de
los usuarios; los computadores clientes, interactúan con el servidor mediante ‘llamadas de pro-
cedimiento remoto’ (RCPs de sus siglas en inglés); el servidor mide el número total de solicitudes
y las que son atendidas: RIS (RCPs en el servidor). La carga del servidor se controla con el
parámetro MaxUsers, el cual define el número de conexiones del servidor con los clientes. El
servidor se puede representar para operación alrededor de un punto nominal, como un sistema
dinámico lineal, con MaxUsers como entrada y RIS como salida, descrito por:
donde c(k) =(RIS−135) y m(k) =(MaxUsers−165) son las desviaciones de RIS y MaxUsers
con relación al punto nominal de operación del sistema. El perı́odo de muestreo es del orden
del minuto. △
Ejemplo 3.2
La ecuación en diferencias: a(k) = a(k − 1) + a(k − 2) para k ≥ 2, con condiciones iniciales
a(0) = a(1) = 1, genera la serie de Fibonacci. La tabla 3.2 muestra la generación de la serie
mediante su solución iterativa. △
3.3.5. Transformada Z
La transformada de Laplace para una señal muestreada nula para t < 0 es:
∞
X
£{x∗ (t)} = x(kT)e−kTs .
k=0
z , eTs , (3.7)
TZ
ր ց
x(t) F(Z)
ւ
x∗ (t)← TIZ
Ejemplo 3.3
Calcular la transformada Z del pulso unitario y de los pulsos de las figuras 3.4 y 3.5.
1. Pulso unitario:
2. Pulso desplazado:
1 δ(k − m)
X(z) = 3 − z −1 + 2z −2 .
3
2
−1
x(kT ) → z −1 → x(kT − T )
x(k) x(k − 1)
Ejemplo 3.4
Resolver la ecuación en diferencias: x(k + 2) + 3x(k + 1) + 2x(k) = δ(k), con x(k) = 0 para
k ≤ 0.
Aplicando la transformada Z:
n o n o
Z x(k + 2) + 3x(k + 1) + 2x(k) = Z δ(k) = 1, (3.10)
luego:
z 2 X(z) − z 2 x(0) − zx(1) + 3zX(z) − 3zx(0) + 2X(z) = 1. (3.11)
Se requieren dos condiciones iniciales para resolver la ecuación de diferencias (3.11), en
x(0) = 0; la condición inicial x(1) se obtiene al evaluar la ecuación de diferencias en k = −1:
n Para
o obtener n
la transformada
o inversa Z de (3.12), nótese que:
k z k z
Z a = z−a , Z (−a) = z+a y que la transformada inversa Z del término zX(z) se obtiene
n o
de: Z x(k + 1) = zX(z) − zx(0) = zX(z); luego la transformada inversa Z de (3.12) es:
△
X(z)
Obsérvese que en muchos casos conviene expandir en fracciones parciales el término z ,
pues varias transformadas Z de funciones elementales tienen a z en su numerador.
Ejemplo 3.5
10z
Obtener x(k) si X(z) = z 2 −1.2z+0,2 .
X(z)
La expansión de z y la transformada inversa Z son:
X(z) 10 12,5 12,5
z = z 2 −1,2z+0,2 = z−1 − z−0,2
h i
z z
X(z) = 12,5 z−1 − z−0,2
h i
x(k) = 12,5 µ(k) − (0,2)k ; k = 0, 1, 2, . . .
A(z) b0 + b1 z −1 + . . . + bm z −m
= G(z) = .
E(z) 1 + a1 z −1 + a2 z −2 + . . . + an z −n
Si n ≥ m se tiene:
b0 z n + b1 z n−1 + . . . + bm z n−m
G(z) = = . (3.13)
z n + a1 z n−1 + a2 z n−2 + . . . + an
La función de transferencia discreta G(z) es una función racional de una variable compleja,
al igual que la función de transferencia continua G(s), de donde también aplican las definiciones
vistas en el capı́tulo anterior en la sección 2.6.2, para los polos, ceros, grado relativo, etc.
Ejemplo 3.6
La ecuación de diferencias (3.4) es una forma aproximada simple de calcular la integral del
error; los controladores digitales pueden calcular esta integral de forma más precisa mediante
su aproximación por la regla trapeoidal, ver la figura 3.6.
El área A bajo la curva del error e(t) es:
Z tk
A= e(t)dt,
tk−1
la que se puede aproximar por el área del trapezoide formado por la recta entre e(k − 1) y e(k):
1
A ≈ T e(k) + e(k − 1) − e(k) T,
2
T
A≈ e(k) + e(k − 1) .
2
e(t)
e(k − 1)
e(k)
A
t
tk − 1 tk
T
Si a(k − 1) es el área calculada bajo la curva hasta el instante tk−1 , el área para el instante
tk es:
T
a(k) = a(k − 1) + e(k) + e(k − 1) .
2
La función de transferencia discreta para este controlador digital se obtiene aplicando la trans-
formada Z:
T T
A(z) = z −1 A(z) + E(z) + z −1 E(z),
2 2
luego:
A(z) T z+1
G(z) = = . (3.14)
E(z) 2 z−1
△
Igualmente de forma similar al caso continuo, se puede usar el álgebra de los diagramas de
bloques para calcular funciones de transferencia discretas equivalentes, modelar incertidumbres
y tiempos muertos en tiempo discreto. En el MATLAB, solo basta adicionar el perı́odo de
muestreo en la definición de la función de transferencia discreta.
Ejemplo 3.7
Los comandos MATLAB para definir la función de transferencia discreta (3.14) para T = 1,
con dos retardos por tiempo muerto, son:
Transfer function:
z + 1
z^(-2) * -------
2 z - 2
Sampling time: 1
δ(kT )
1
Proceso de retención
t de orden cero H0 (s) t
kT kT kT + T
T
1 − e−sT
H0 (s) = ; (3.15)
s
con s = jω (ver capı́tulo 9), su respuesta en frecuencia es:
jωT jωT jωT
2e− 2 e 2 −e− 2
1−e−jωT
H0 (jω) = jω = 2jω
La figura 3.8 muestra la respuesta frecuencial del retenedor de orden cero, donde ωs = 2π T es
la frecuencia de muestreo [rad/s]; se observa que es un filtro pasa bajo no ideal, con distorsión a
baja frecuencia por la curva no plana; el retenedor deja pasar señales indeseadas con frecuencias
mayores a ω2s .
Los retenedores de más alto orden mejoran la respuesta de frecuencia |H0 (jω)| pero aumen-
tan el retardo de fase y pueden adicionar ruido al sistema, por ello, el Retenedor de Orden Cero
(ROC) es el retenedor más ampliamente usado.
|Ho (jw)|
0.64T
0.21T
0.13T
w
ws
2
ws 2ws 3ws
La Lúdica anterior considera la situación de intentar reconstruir una señal continua original
e(t), a partir de su señal muestreada e∗ (t); en el primer paso, solo se observa el brazo arriba en
una posición casi constante, la observación es que el brazo no se mueve; en el segundo caso al
aumentar la velocidad de muestreo, se observa el brazo en dos posiciones y se puede al menos
concluir que gira y no esta quieto. La figura ilustra la reconstrucción de señales para el caso de
filtrar la señal muestreada con un retenedor de orden cero:
e(t) e*(t)
t → kt →
e(t) e*(t)
T → ROC → e(t)
Claramente, la frecuencia de muesteo ωs debe ser lo suficientemente alta para poder ver las
componentes de alta frecuencia de la señal e(t).
donde: Z T ∞
X
1 2
Cn = δ(t − kT )e−jnωs t dt.
T − T2 k=−∞
R∞
Como −∞ f (t)δ(t − a)dt = f (a) y en el intervalo [− T2 ; T2 ] sólo hay un impulso en t = 0,
entonces Cn = T1 e0 = T1 . Como la señal muestreada es e∗ (t) = e(t)δT (t), se tiene:
X∞
1 jnωs t
e∗ (t) = e(t) e .
n=−∞
T
∞ Z ∞
1 X
E ∗ (s) = e(t)e−(s−jnωs )t dt,
T n=−∞ −∞
∞
∗ 1 X
E (s) = E(s − jnωs ). (3.16)
T n=−∞
La ecuación (3.16) muestra que la respuesta de frecuencia de una señal muestreada e∗ (t) es un
tren infinito de la banda de frecuencia E(jω), ver la figura 3.9.
Si en la frecuencia ω1 hay componentes de E(jω1 ) y de E(−jω0 ), se tiene un sobrelapamiento
frecuencial, afectándose el espectro original de la señal. La frecuencia ω0 , se denomina el alias
de la frecuencia ω1 ; por lo tanto, señales con componentes de frecuencia mayores a ω2s , tendrán
componentes adicionales entre 0 y ω2s ; la frecuencia máxima de la señal ωN = ω2s se conoce
como frecuencia de Nyquist.
Para evitar el sobrelapamiento de espectros (Aliasing) en los sistemas de control digitales,
se debe mantener ωs suficientemente elevada e incluir un prefiltro pasobajo continuo que limite
el ancho de banda de la señal de realimentación B(jω).
E(jω)
ω0
ω1
−2 2π
−ω1 2π
T − 2π
T T = ωs 2 2π
T
e2 (t) = sen( ω1 + nωs t),
2π
con n: entero. Si se muestrean con T = ωs entonces:
e1 (kT ) = sen(ω1 kT ),
e2 (kT ) = sen( ω1 + nωs kT ) = sen(ω1 kT + 2nkπ),
e2 (kT ) = sen(ω1 kT ) = e1 (kT ).
Ejemplo 3.8
Sea la sinusoide con frecuencia ω1 = π4 : e1 (t) = sen( π4 t); si se muestrea con un perı́odo de
muestreo de T = 1s, ωs = 2πfs = 2π, la frecuencia alias es: ω0 = ω1 − ωs = π4 − 2π = − 7π 4 ; la
figura 3.8 muestra las sinusoides de frecuencias 8π 4 y 7π
4 , nótese como coinciden los valores de
las señales en los instantes de muestreo k = 0, 1, . . . , 8. △
El teorema del muestreo indica cuál debe ser la mayor frecuencia de E(jω) para evitar el
sobrelapamiento de su espectro. Para recuperar una señal a partir de sus muestras, se debe
muestrear por lo menos al doble de la mayor frecuencia de la señal: ωs > 2ω1 , donde ω1 es la
componente de más alta frecuencia presente en la señal de tiempo continuo.
Una señal continua muestreada inapropiadamente, puede presentar oscilaciones ocultas, si
tiene componentes de frecuencia que sean múltiplos enteros de ωs , como lo ilustra el siguiente
ejemplo.
Ejemplo 3.9
La figura 3.11 muestra los gráficos de la señal x(t) = sent + sen3t y de cada componente
x1 (t) = sent y x2 (t) = sen3t, muestreadas con una frecuencia de muestreo ωs = 3 rad/s. La
señal muestreada x(k) presenta una frecuencia de un rad/s y no tiene la oscilación con frecuencia
de ω = 3 rad/s. △
1.5
Sen(2πt/8)
Sen(7πt/4)
0.5
−0.5
−1
−1.5
0 1 2 3 4 5 6 7 8
Tiempo
8π 7π
Figura 3.10: Sinusoides de frecuencias 4 y 4 .
x(t)=x1(t)+x2(t)
x(t)=sen(t)+sen(3t)
1
x(kT)=sen(2π/3 k)
0
−1
1 x1(t)=sen(t)
0.5
x1(t)
0
−0.5
−1
0 pi 2pi 3pi 4pi
t
1 x2(t)=sen(3t)
0.5
x2(t)
0
−0.5
−1
0 pi 2pi 3pi 4pi
t
1 Ws=3rad/seg
0.5
x(k)
0
−0.5
−1
0 1 2 3 4 5 6
k
x(t) Zm (x(t))
1 ax(t) aX(z, m)
2 x1 (t) + x2 (t) X1 (z, m) + X2 (z, m)
d
3 tx(t) (−T z dz + m) [x(z, m)]
−at −am
4 e x(t) e X(zeaT , m)
5 x(mT ) lı́mhz→∞ zX(z, m)i si ese lı́mite existe
(z−1) z−1
6 x(∞) lı́mz→1 z X(z, m) si z 2 X(z) es analı́tica
P
7 x(k − 1 + m) X(1, m)
Ejemplo 3.10
Se desea calcular la transformada Zm modificada para el sistema continuo
e−0.4s
G(s) = ,
s(s + 1)
con un perı́odo de muestreo de T = 1s.
De (3.17), d = 0 y 0.4 = (1 − m)T , m = 0.6. Luego de la tabla 3.5
−0.4s
e (1 − e−0.6 )z + e−0.6 − e−1
Z = G(z, 0.6) = .
s(s + 1) (z − 1)(z − e−1 )
△
Programa de
Computador Planta + Actuador
A/D D/A
R(s) + E(s) E ∗ (s) A∗ (s)
1−e−sT
A(s) C(s)
D(z) G(s)
T s
−
H(s)
Figura 3.13: Sistema continuo G(s) sujeto a una entrada muestreada A∗ (t).
señal; el cálculo se simplifica si sólo interesa c(t) en los instantes de muestreo c∗ (t) , lo que se
representa con el muestreador ficticio S2 .
Considerando la transformada de Laplace de una señal muestreada (3.16), se tiene:
∞
1 X
£ c∗ (t) = C ∗ (s) = [G(s)A∗ (s)]∗ = C(s − jnωs ),
T n=−∞
∞
1 X
C ∗ (s) = G(s − jnωs )A∗ (s − jnωs ). (3.20)
T n=−∞
P∞
Para evaluar el término A∗ (s − jnωs ) en 3.20, nótese que A∗ (s) = T1 n=−∞ A(s − jnωs ) es
una señal periódica infinita en frecuencia con periodicidad ωs ; A∗ (s − jnωs ) es la señal A∗ (s)
desplazada un número entero n de perı́odos, por lo tanto: A∗ (s − jnωs ) = A∗ (s). Ası́, 3.20 es:
∞
1 X
C ∗ (s) = A∗ (s) G(s − jnωs ) = A∗ (s)G∗ (s),
T n=−∞
Para la figura 3.12 la función de transferencia de pulsos entre A∗ (s) y C ∗ (s) será:
h 1 − e−sT i G(s)
C(s) = G(s)A∗ (s) = 1 − e−sT A∗ (s) . (3.22)
s s
En 3.22 se ha factorizado C(s) de forma que el primer factor solo es función de s, mientras que
el segundo factor, solo lo es de z = esT , luego:
n o∗ n ∗ o∗
G(s)
C ∗ (s) = s 1 − e−sT
A (s) ,
n on o
G(s)
C(z) = Z s 1 − e−sT A∗ (s) ,
esT =z
n o
G(s)
C(z) = Z s 1 − z −1 A(z);
z z
C(z) = z−1 − z−e−T
,
c(kT ) = 1 − e−kT .
Es una respuesta exponencial que tiende a 1; en este caso, como el retenedor de orden cero
recibe un escalón discreto y entrega un escalón continuo, reconstruye perfectamente la señal. △
Tabla 3.7: Funciones de transferencia de pulsos G(z) para el muestreo del sistema de tiempo
continuo G(s) precedido de un retenedor de orden cero. r = ra = e−aT , rb = e−bT .
G(s) G(z)
1 T
1 s z−1
2
1 T z+1
2 s2
2
2 z−1
n
h i
dn
3 1
sn
z−1
z lı́m a→0 (−1)
n! dan
z
z−e−aT
−sT 1
4 e z
a 1−r
5 s+a z−r
1 1
a aT −1+r z+ a 1−r−aT r
6 s(s+a)
a
z−1 z−r
a2 1−r−raT z+r r+aT −1
7 (s+a)2
2
z−r
s z−1 rT
8 (s+a)2
2
z−r
b(1−ra )−a(1−rb )
a(1−rb )ra −b(1−ra )rb
ab z+
9 (s+a)(s+b) , a 6= b b−a
b−a
z−ra z−rb
rb −ra +(1−rb )c/b−(1−ra )c/a
cr r (b−c)r (c−a)r
a b
s+c z+ ab + b(a−b)a + a(a−b)b
10 (s+a)(s+b) , a 6= b a−b
z−ra z−rb
ω2 1−cosωT z+1
11 s2 +ω 2 z 2 −2cosωT z+1
1
s ω senωT z−1
12 s2 +ω 2 z 2 −2cosωT z+1
a2 +ωd2 1−r(cosωd T + ωa senωd T ) z+r 2 +r ωa senωd T −cosωd T
13 (s+a)2 +ωd2
d
z 2 −2rcosωd T z+r 2
d
1
s ωd rsenωd T z−1
14 (s+a)2 +ωd2 z 2 −2rcosωd T z+r 2
Transfer function:
0.6321
----------
z - 0.3679
Sampling time: 1
H(s)
Ejemplo 3.12
Calcular C(z) para el sistema de la figura 3.12. Las señales de entrada a cada muestreador
E1 (s), E2 (s) y la salida del sistema C(s) en función de las salidas de los muestreadores E1∗ (s), E2∗ (s)
y de la entrada R(s) del sistema, son
E1 (s) = R(s) − G2 (s)E2∗ (s),
E2 (s) = G1 (s)E1∗ (s) − G2 (s)H(s)E2∗ (s);
C(s) = G2 (s)E2∗ (s);
R + E1 +− E2 G2 C
− T G1 T
E1∗ (s) = R∗ (s) − G∗2 (s)E2∗ (s) → E1 (z) = R(z) − G2 (z)E2 (z),
E2∗ (s) = G∗1 (s)E1∗ (s) − G2 H ∗ (s)E2∗ (s) → E2 (z) = G1 (z)E1 (z) − G2 H(z)E2 (z);
C ∗ (s) = G∗2 (s)E2∗ (s) → C(z) = G2 (z)E2 (z).
G1 (z)G2 (z)R(z)
C(z) = .
1 + G1 (z)G2 (z) + G2 H(z)
Las discretizaciones para sistemas de primer y segundo orden con retardo se muestran en la
tabla 3.8.
Ejemplo 3.13
Se desea calcular la función de transferencia de pulsos del sistema:
e−0.4s
Gp (s) = ,
s+1
con T = 1s; el retardo es menor del perı́odo de muestreo, luego d = 0; en el ejemplo 3.10, se
e−Tm s “ (1 − e− m
τ
T m T
) + (e− τ T − e− τ )z −1 ”
τs + 1 z −d−1 T
1 − e− τ z −1
2 e−Tm s
(1 + e−maT secφB) − (2e−aT cos(ωd T ) + e−maT secφA)z −1 + e−2aT z −2
ωn z −d−1 ( )
2 2
1 − 2e−aT z −1 + e−2aT z −2
s + 2ρωn s + ωn
a = ρωn p
ωd = ωn 1 − ρ2
φ = tan−1 (− ωa )
d
A = cos(mωd T + φ)
B = e−aT cos((1 − m)ωd T − φ)
En el MATLAB el comando ‘c2d’ soporta los retardos fraccionales, luego es directa la dis-
cretización.
Transfer function:
1
exp(-0.4*s) * -----
s + 1
>> Gz=c2d(Gp,1)
Transfer function:
0.4512 z + 0.1809
z^(-1) * -----------------
z - 0.3679
donde:
La configuración básica es la misma que la de los sistemas continuos por lo que también
aplican las técnicas de representación vistas.
Ejemplo 3.14
Obtener la representación de estado del sistema descrito por:
x1 (k) = y(k)
(3.30)
x2 (k) = x1 (k + 1) + nu(k) ,
x2 (k + 1) = x1 (k + 2) + nu(k + 1),
x2 (k + 1) = −5x
1 (k + 1) − 3x1(k) + u(k + 1) + 2u(k) + nu(k + 1),
x2 (k + 1) = −5 x2 (k) − nu(k) − 3x1 (k) + u(k + 1) + 2u(k) + nu(k + 1),
x2 (k + 1) = −5x2 (k) + 5nu(k) − 3x1 (k) + (n + 1)u(k + 1) + 2u(k).
x1 (k + 1) = x2 (k) + u(k),
x2 (k + 1) = −3x1 (k) − 5x2 (k) − 3u(k).
x1 (k + 1) 0 1 x1 (k) 1
= + u(k)
x2 (k + 1) −3 −5 x2 (k) −3
x1 (k)
y(k) = 1 0 .
x2 (k)
>> T=1;G=[0,1;-3,-5];H=[1;-3];E=[1,0];D=[0];
>> sis=ss(G,H,E,D,T, ’inputname’,’u’,’outputname’,’y’)
a =
x1 x2
x1 0 1
x2 -3 -5
b =
u
x1 1
x2 -3
c =
x1 x2
y 1 0
d =
u
y 0
Sampling time: 1
Discrete-time model.
La figura 3.20 muestra un diagrama de flujo de estos pasos. Como se observa el procedimiento
es iterativo en donde el conocimiento previo adquirido, permite mejorar la estimación de los
parámetros.
1111 en todos los registros, luego de lo cual inicia el segundo perı́odo de la señal, ver la figura
3.23.
El espectro frecuencial de una SBPA se caracteriza por el número de registros nr y el
perı́odo de reloj Tr . El número de registros nr define la longitud del perı́odo de la señal SBPA
N = 2nr −1 y el perı́odo de reloj Tr permite ajustar su duración y densidad espectral de potencia.
Para escogerlos, se considera que el ancho de banda del espectro de potencia de la señal es:
ωB = 2.8/Tr Ljung [1999]; por otro lado, la máxima duración del pulso de la SBPA es nr Tr
y durante éste, el sistema debe alcanzar el régimen estacionario para poder identificar apro-
piadamente su ganancia estática, es por lo tanto útil tener pruebas de respuesta al escalón
antes de diseñar la SBPA para tener una idea general de la magnitud de la señal, la dinámica
a identificar y la duración de los transitorios.
Para el experimento también debe escogerse el perı́odo de muestreo; éste se escoge respetando
los compromisos entre la relación señal ruido y la captura de las dinámicas rápidas del sistema.
Si es muy pequeño se pueden generar problemas numéricos en los algoritmos de identificación;
Temperatura
7
6
0.1ºC
3
0 10 20 30 40 50 60 70 80
Time
Potencia
7
6
Watts
3
0 10 20 30 40 50 60 70 80
Time
si es muy grande con relación a las constantes de tiempo del sistema, se tendrán errores en la
identificación; se recomienda un T del orden de Tr /M, M ≤ 4 (Tr debe ser un múltiplo entero
de T ) y de al menos un décimo del tiempo de estabilización deseado para el sistema en lazo
cerrado.
Obtenidos los datos, estos se adecúan para el procesamiento posterior; se puede requerir fil-
trar las señales para los rangos de interés, remover tendencias, datos fuera de rango, remuestrear
a más baja frecuencia, etc. Se escogen dos conjuntos de datos, uno para la identificación de los
parámetros y otro para la posterior validación del modelo. La caja de herramientas para iden-
tificación del MATLAB dispone de rutinas para estos procedimientos y la interfaz gráfica para
el usuario ‘ident’ que facilita todo el proceso de identificación.
Ejemplo 3.15
Aquı́ se presentan algunos comandos para el tratamiento previo de los datos en el proceso
de identificar el sistema térmico de laboratorio utilizado en el demo ‘iddemo’ del MATLAB; se
trata de un sistema similar a un calentador manual de cabello, consistente de un tubo al cual
se le inyecta aire caliente en un extremo y se mide la temperatura en el extremo de salida; la
variable manipulada es la potencia aplicada a una resistencia que calienta el aire de entrada.
Se realizó un experimento para identificación con perı́odo de muestreo de 80ms; los datos del
experimento se encuentran en el archivo dryer2.mat.
>> load dryer2 % carga de los datos en el espacio de trabajo
>> sec=iddata(y2,u2,0.08,’OutputName’,’Temperatura’,
’InputName’,’Potencia’,’OutputUnit’,’o C’,’InputUnit’,’Watts’)
%Crea el objeto de datos para identificación
La figura 3.21 muestra los datos del experimento; obsérvese que se aplicó una SBPA sobre un
punto de operación diferente de cero; el comando:
>> di = detrend(sec(1:300));
escoge los primeros 300 datos para la identificación y les quita los valores promedio.
Dada la fı́sica del sistema térmico, es de esperarse un retardo de tiempo muerto; la respuesta
al impulso obtenida a partir de los datos por análisis de correlación Ljung [1999], con una región
de confianza alrededor de cero, permite tener una primera idea de la dinámica del sistema, en
particular si existe tiempo muerto considerando que los datos por fuera de la región de confianza
son significativos:
>> impulse(di,’sd’,3)
From Potencia
1.8
1.6
1.4
1.2
To Temperatura
0.8
0.6
0.4
0.2
−0.2
−2 −1 0 1 2 3 4 5
Time
En la figura 3.24 se observa que para una región de confianza de 3 desviaciones estándar (hay
un 99.7 % de probabilidad de que la respuesta real esté en el intervalo de confianza), hay retardo
de tiempo muerto y una duración total del transitorio de alrededor de 1.5s.
Si en la respuesta al impulso existen retardos de tiempo negativos, esto es un indicativo de
que existe realimentación en los datos, como puede ocurrir por ejemplo con una planta inestable
para la cual el experimento se realiza en lazo cerrado. △
donde w(k) y ǫ(k) son señales estocásticas y los elementos de las matrices los parámetros a
identificar.
Ejemplo 3.16
Un primer modelo para el ejemplo 3.15 se puede obtener con el método de error de predicción,
comando ‘pem’, el cual obtiene el modelo (3.33), (3.34) con w(k) = Kǫ(k); el orden y los
parámetros del modelo se obtienen minimizando el error entre la salida medida y la predecida
por el modelo.
>> m1=pem(di)
State-space model: x(t+Ts) = A x(t) + B u(t) + K e(t)
y(t) = C x(t) + D u(t) + e(t)
A =
x1 x2 x3
x1 0.95423 -0.21174 0.06628
x2 0.24784 0.6466 0.23888
x3 -0.04934 -0.65945 0.13319
B =
Potencia
x1 0.00023682
x2 0.016849
x3 0.051534
C =
x1 x2 x3
Temperatura -14.059 0.094448 0.043373
D =
Potencia
Temperatura 0
K =
Temperatura
x1 -0.06584
x2 0.0090332
x3 0.10811
x(0) =
x1 0
x2 0
x3 0
de espacio de estado como modelos de caja gris con parámetros preestablecidos ‘idgrey’ y
estructuras especı́ficas para modelos de procesos ‘idproc’.
predicción e(k) van a reflejar de manera cercana al ruido de medición ǫ(k). Si la estructura del
modelo escogido no es adecuada, sobre el error de predicción habrán las contribuciones por el
ruido de medida y las estructurales por la incapacidad del modelo de predecir adecuadamente,
lo que generará errores en los parámetros estimados. El algoritmo que resuelve el problema de
optimización también puede contribuir con errores en la identificación paramétrica.
Existe una gran cantidad de algoritmos numéricos para resolver el problema de optimización;
en el caso de una función de costo cuadrática del error con un modelo lineal en los parámetros,
el método de los mı́nimos cuadrados da una solución analı́tica. Para ilustrarlo se considera un
modelo ARX para estimar la salida ŷ(k) a partir de los datos anteriores:
y la matriz:
ϕ(1)T
ϕ(2)T
Φ= .. ,
.
ϕ(N )T
ası́:
N
1 X 1 1
J= [e(k)]2 = [Y − Φθ]2 = [Y − Φθ]T [Y − Φθ]. (3.37)
N N N
k=1
Para minimizar 3.37 con respecto a θ, de deriva e iguala a cero:
∂J 1
= [−2Y T Φ + 2ΦT Φθ̂] = 0,
∂θ θ=θ̂ N
de donde se obtienen los parámetros estimados θ̂ que minimizan a J:
Para que la solución 3.38 exista, la matriz (ΦT Φ) no debe ser singular, esto es, tener filas
linealmente independientes; el caso ideal para invertir una matriz es que sea diagonal con los
elementos en la diagonal diferentes de cero; note que la matriz (ΦT Φ) depende de la secuencia
de entrada, la solución se garantiza si la entrada se escoge de forma que su valor en un instante
dado no dependa de los anteriores (ruido blanco), o en general, si la secuencia de entrada excita
suficientemente al sistema en el rango de frecuencia de interés.
Ejemplo 3.17
Se desea estimar los parámetros a y b del sistema de primer orden:
En k = 2:
a
y(2) = −ay(1) + bu(1) = [−y(1) u(1)] .
b
En k = 3:
a
y(3) = −ay(2) + bu(2) = [−y(2) u(2)] ,
b
luego:
y(2) −y(1) u(1) a
= .
y(3) −y(2) u(2) b
y(2) −y(1) u(1) a
En este caso: Y = ,Φ= yθ= .
y(3) −y(2) u(2) b
La solución es 3.38 con:
y(1)2 + y(2)2 −y(1)u(1) − y(2)u(2)
ΦT Φ = ,
−y(1)u(1) − y(2)u(2) u(1)2 + u(2)2
T −y(1)y(2) − y(2)y(3)
Φ Y = ;
y(2)u(1) + y(3)u(2)
si:
[y(1)2 + y(2)2 ][u(1)2 + u(2)2 ] − [y(1)u(1) + y(2)u(2)]2 6= 0,
para N datos, las matrices ΦT Φ y ΦT Y son:
" PN −1 PN −1 #
T y(k)2 − y(k)u(k)
Φ Φ= PNk=1
−1
k=1
PN −1 2
,
− k=1 y(k)u(k) k=1 u(k)
" P #
N −1
T k=1 y(k + 1)y(k)
Φ Y = PN −1 .
k=1 y(k + 1)u(k)
Ejemplo 3.18
Para los sistemas obtenidos en los ejemplos anteriores, el comando del MATLAB:
>> step(m1,di)
obtiene las respuestas al escalón para el modelo de espacio de estados y la calculada con los
datos (modelo FIR con filtros de entrada), ver la figura 3.26. Para el modelo ARX, el mapa
de polos y ceros con regiones de incertidumbre en su ubicación de tres desviaciones éstandar
(figura 3.27), se calcula con:
>> pzmap(m2,’sd’,3)
Nótese que el proceso de identificación del modelo lleva de manera directa a un modelo con
incertidumbre; las desviaciones éstandar del modelo son:
From Potencia
1.2
0.8
To Temperatura
0.6
0.4
0.2
−0.2
−2 −1 0 1 2 3 4 5
Time
ans =
0 0.0209 0.0191
ans =
0 0 0 0.0021 0.0033
El comando ‘compare’ permite comparar las respuestas del modelo con la real del sistema;
usando los datos de validación se obtiene la comparación de la figura 3.28.
>> dv = detrend(sec(500:600));compare(dv,m2)
From Potencia
1
0.8
0.6
0.4
To Temperatura
0.2
−0.2
−0.4
−0.6
−0.8
−1
−1 −0.5 0 0.5 1
Figura 3.27: Mapa de polos y ceros de los modelos para el sistema térmico.
del ruido blanco es nula para k 6= 0. Igualmente, para una buena identificación no debe haber
correlación entre la entrada y los residuos. El comando del MATLAB ‘resid’ calcula estas
estadı́sticas, con los intervalos de confianza del 99 %.
1
Temperatura
0.5
−0.5
−1
−1.5
40 42 44 46 48
Time
Figura 3.28: Comparación entre los datos de validación dv y la respuesta del modelo ARX.
Ejemplo 3.19
>> resid(dv,m2)
Como se observa en la figura 3.29, para −25 ≤ k ≤ 25, la autocorrelación de los residuos y su
correlación con la entrada, están dentro de los intervalos de confianza. △
Se puede dar el caso de tener una correlación entre los residuos y la entrada adecuada, pero
no la autocorrelación de los residuos; esto es un indicativo de un buen modelo entre la entrada
y la salida, pero no para el disturbio e(k).
Si el modelo no pasa las pruebas de validación, se debe identificar otro, bien sea de mayor
orden, con otra estructura o con otro método numérico; la causa de una invalidación se puede
deber también a los datos en cuyo caso se debe repetir el proceso desde la experimentación.
Obtenido el modelo discreto, se puede convertir a uno continuo si es del caso, mediante el
comando ‘d2c’:
>> m3=d2c(m2)
Continuous-time IDPOLY model: A(s)y(t) = B(s)u(t) + C(s)e(t)
A(s) = s^2 + 11.66 s + 29.23
0.5
−0.5
0 5 10 15 20 25
lag
Cross corr. function between input Potencia and residuals from output Temperatura
0.4
0.2
−0.2
−0.4
−25 −20 −15 −10 −5 0 5 10 15 20 25
lag
El MATLAB tiene también distintas rutinas que estiman modelos de tiempo continuo; esto
es de interés en el caso de modelos de caja gris, para los cuales se conocen a priori algunos
parámetros.
3.7. Resumen
Los sistemas lineales discretos procesan secuencias de datos mediantes ecuaciones de diferen-
cia; mediante la transformada Z se resuelven las ecuaciones de diferencia en forma algebraica;
la función de transferencia discreta relaciona las transformadas Z de las entradas y salidas en
forma algebraica.
Con la representación matemática del muestreo mediante la modulación por impulsos y la
función de transferencia de la retención, un sistema de control digital se representa en diagramas
de bloques; si solo se calculan las variables en los instantes de muestreo, el diagrama de bloques
se representa con funciones de transferencia de pulsos. La interconexión de las funciones de
transferencia de pulsos depende de la ubicación de los muestreadores.
Para reconstruir una señal original en tiempo continuo a partir de la señal muestreada, se
debe muestrear al menos con el doble de la frecuencia de la señal continua. Si no se cumple esto,
aparecen alias indeseados de frecuencias más altas en el espectro de la señal y se pueden perder
oscilaciones de la señal. Para evitar lo anterior, en los sistemas de control se debe muestrear
suficientemente rápido la señal de realimentación limitada en ancho de banda mediante un filtro
pasobajo de antiplegamiento.
Al igual que para los sistemas continuos, los sistemas de tiempo discreto se modelan también
mediante el espacio de estados.
En la identificación paramétrica de sistemas de tiempo discreto, primero se aplica una señal
rica en frecuencia pero simple de generar como la SBPA. Se toman dos conjuntos de datos uno
para la identificación y el otro para la validación del modelo. Con los datos de identificación y un
modelo previamente escogido, se estiman los parámetros del modelo de forma que su respuesta
a los datos de entrada, se ajuste lo mejor posible a los datos de salida medidos; el ajuste se
realiza minimizando una función de costo del error de predicción. El modelo obtenido se prueba
con los datos de validación, comparando las respuestas del modelo con las medidas y usando la
autocorrelación del error y la correlación entre la entrada y el error. El proceso es iterativo pues
si el modelo no pasa las pruebas de validación, se debe identificar otro, bien sea de orden mayor,
con otra estructura, otro método numérico o nuevos datos de experimentación. Finalmente, si
se requiere, el modelo discreto se pueden convertir a uno continuo.
Ejercicio 3.2
Palantee una ecuación analı́tica que de la solución del ejercicio anterior.
1+z −1 −z −2
b) X(z) = 1−z −1 .
z
c) X(z) = z 2 −2z+1 .
z
d) X(z) = (z−1)2 (z−2) .
Ejercicio 3.6
Resuelva (k + 2)x(k + 2) − 2(k + 1)x(k + 1) + kx(k) = 1 con x(k) = 0 para k ≤ 0.
Ejercicio 3.7 Kuo [1996]
Calcule YR(z)
(z)
para los sistemas de las figuras 3.30 a 3.31, con T = 0.5 s.
(b)
(c)
(d)
(e)
(f)
Ejercicio 3.8
Para el sistema de datos muestreados de la figura 3.32, obtenga las ecuaciones de estado
discretas del sistema.
1
G(s) = s+1 T = 1s
Ejercicio 3.9
La figura 3.33 muestra el diagrama de bloques de un sistema de control en cascada, con los
dos muestreadores perfectamente sincronizados.
z+1 1 B(z)
1. Con Gc1 = z−1 y G1 (s) = 2s+1 calcule la dinámica del lazo de control interno, A2 (z) .
Ejercicio 3.10
Para el sistema de la figura 3.34, obtenga la función de transferencia discreta y una repre-
sentación del sistema en el espacio de estado discreto.
Ejercicio 3.11
La figura 3.35 muestra el diagrama de bloques de un sistema de control digital. Obtenga
una representación del sistema en el espacio de estado discreto, considerando a c(k) y a a(k)
como salidas.
Ejercicio 3.12
Ejercicio 3.14
La figura 3.38 muestra el diagrama de bloques de un sistema de control digital. La dinámica
C(z)
del sistema, R(z) es
0.5(z−0.5)z
A. 1.5z 2 −1.9z+0.6 .
0.4(z−0.5)
B. z 2 −1.2z+0.4 .
0.5(z−0.5)
C. 1.5z 2 −1.9z+0.6 .
0.4(z−0.5)
D. z 2 −2z+0.8 .
4.1. Introducción
En el capı́tulo 1 se planteó la necesitad de introducir la retroalimentación para mejorar el
desempeño de un sistema dinámico; igualmente se ha observado en los capı́tulos anteriores,
que los sistemas a controlar pueden estar sujetos a variaciones parámetricas indeseadas, co-
mo el cambio de una resistencia por calentamiento en un circuito eléctrico o en un motor, a
perturbaciones que desvı́an la salida del valor deseado, como la carga en el sistema, y a ruido
en la medición; también es deseable ajustar a los valores deseados, el comportamiento en lazo
cerrado tanto transitorio como permanente. Se añade a lo anterior, la necesidad que el sistema
realimentado sea estable para que pueda ser útil.
En este capı́tulo se analizan los principales efectos de la realimentación en ciertas propiedades
de los sistemas, tales como: ganancia, respuesta transitoria, error permanente, sensibilidad a
los cambios de parámetros, perturbaciones y la estabilidad del sistema; se realiza una compara-
ción de estas caracterı́sticas para sistemas compuestos por el actuador y el proceso a controlar,
operando con un control manual de lazo abierto y con respecto al mismo proceso realimen-
tado con un control automático. El análisis es en tiempo continuo mediante las funciones de
transferencia.
Inicialmente se definen las funciones de error y las de sensibilidad, con las cuales se cuantifican
los efectos en el sistema debidos a disturbios, ruido e incertidumbre en la planta; también se
describe el funcionamiento transitorio de un sistema realimentado y se muestra cómo puede
mejorarse con el controlador en lazo cerrado. También se considera brevemente el problema de
la estabilidad de los sistemas realimentados, tema que será tratado en detalle más adelante.
Por supuesto, las ventajas de un sistema de control realimentado vienen acompañadas de un
costo adicional por el controlador y el sensor, al cual se le exige en particular, alta insensi-
bilidad paramétrica e inmunidad al ruido; se muestra cómo se logran grandes mejoras con la
realimentación, diseñando adecuadamente el controlador y selecccionando apropiadamente el
sensor.
187
4.2. SISTEMAS EN RED ABIERTA Y EN RED CERRADA
2. Tome el plano con sus manos cerca de usted y posicione el cilindro en el centro; trate
de mantener la posición mientras camina en distintas direcciones. Repita lo anterior con
los ojos cerrados. Tome nota de la precisión con la que puede mantener el cilindro en el
centro.
4. Sostenga el plano con sus manos cerca de usted y posicione el cilindro en el centro; con
los ojos cerrados, otra persona frente a usted le indica oralmente la acción a realizar sobre
el plano para mantener el cilindro en el centro.
A partir del desempeño logrado para cada caso, ¿qué puede concluir acerca del compor-
tamiento del sistema con relación a los disturbios y al cansancio? ¿Es el sistema estable
con y sin realimentación?
R(s)
ec (t) = r(t) − c(t); Ec (s) = [R(s) − C(s)] = [1 − G(s) + GH(s)]; (4.1)
1 + GH(s)
R(s)
e(t) = r(t) − b(t); E(s) = [R(s) − H(s)C(s)] = . (4.2)
1 + GH(s)
Note que el error actuante E(s) es el error de control Ec (s), cuando H(s) = 1, lo cual debe ocur-
rir en régimen estacionario o en baja frecuencia, para un sistema controlado con una adecuada
medición y normalización.
Gc Gp Gc Gp Gp 1
C = CR +CN +CDe +CDs = R− N+ De + Ds
1 + Gc Gp H 1 + Gc Gp H 1 + Gc Gp H 1 + Gc Gp H
(4.3)
La función de transferencia entre la salida y la perturbación de salida Ds en (4.3) es:
1 1
S= = , (4.4)
1 + GH 1 + Gc Gp H
4.3. Ganancia
Se observa en los sistemas de las figuras 4.1 y 4.2 que la entrada al controlador es R(s) en
red abierta, mientras que en red cerrada es el error actuante E(s). Es de esperarse por lo tanto,
que para el mismo valor de la entrada R(s), la salida del sistema en red cerrada sea menor, en
efecto, las funciones de transferencia son:
Ejemplo 4.1
Se considera un sistema de control para el voltaje en terminales en generadores sincrónicos,
con una dinámica de primer orden para la planta y el actuador: Gp (s) = 1+τ1 g s , τg = 5s y un
controlador proporcional de ganancia kA , ajustada de forma que ante un escalón en la entrada
R(s) = VR (s) = 1/s, el voltaje de salida C(s) = VT (s) sea uno en por unidad PU en estado
estable, con tolerancia del 1 %: vT (t)t→∞ = 1 ± 0,01. Usando el teorema del valor final y deno-
tando los valores estacionarios de la entrada y la salida por: vRss , vT ss el ajuste de la ganancia
para cada condición de operación es:
VT (s) kA VT (s) kA
= =
VR (s) 1 + τg s VR (s) 1 + τg s + kA
VT (s) vT ss VT (s) kA
= = kA =
VR (s) s→0 vRss VR (s) s→0 1 + kA
vT ss = kA vRss kA
vT ss = vRss
1 + kA
1 = kA kA
0.99 =
1 + kA
kA = 1 kA = 99
Para mantener los mismos niveles de señal a la entrada y salida del lazo, se debe incremetar
la ganancia de amplificación kA para contrarestar la pérdida de ganancia al realimentar. Los
sistemas de control de la excitación para generadores sincrónicos tienen exigencias elevadas de
error estacionario que les exigen ganancias que pueden llegar hasta 400, IEEE [2006]. △
Este ejemplo ilustra el uso de la calibración para ajustar la salida al valor deseado; en el
paso 2 de la lúdica 4.1, se hizo lo mismo al posicionar inicialmente en el centro el cilindro y
luego cerrar los ojos.
Los sistemas de control pueden tener controladores de dos grados de libertad, el controlador
sobre el error Gc (s) y un controlador directo Gf (s) entre la entrada de referencia y el comparador
de error. En el capı́tulo 10 de diseño de sistemas de control, se analizará más en detalle esta
estrategia de control.
Para el ejemplo anterior, en red abierta el control se calibra de forma que el error estacionario
es nulo y en red cerrada es del 1 %; sin embargo, en red cerrada se puede eliminar este corrimiento
del 1 % usando el control directo estático Gf (s) = kf =1.01.
También es posible eliminar el error permanente eSS usando una acción integral en el con-
trolador: Gc (s) = ki /s, note de (4.2) que el error permanente es:
sR(s) 1
ess = lı́m = lı́m ki
= 0,
s→0 1 + GH(s) s→0 1 + s(1+τ
g s)
en donde se asume sE(s) no tiene polos en el eje imaginario o en el semiplano derecho, para
garantizar que el lı́mite existe.
Los sistemas de control de alta ganancia pueden saturar el actuador y amplificar
el ruido; observe que la función de transferencia entre la entrada al generador y la entrada de
referencia es, en red abierta:
EF
= kA = 1,
VR
por lo que se aplica al generador la tensión nominal EF = 1/s.
En red cerrada:
EF kA (1 + τg s)
= .
VR 1 + τg s + kA
Esta función responde en el instante del escalón con su ganancia transitoria de:
99(1 + τg s)
lı́m = 99,
s→∞ 100 + τg s
el actuador de estos sistemas tiene una salida máxima de 10, por lo tanto se saturará; es por
ello que estos sistemas tienen secuencias especiales de arranque que solo permiten la operación
en control automático, muy cerca del punto nominal del voltaje.
Ejemplo 4.2
El controlador PI: Gc = 8(s + 1)/s, tiene acción integral para eliminar el error permanente
y una ganancia transitora aceptable de 8. Las figuras en la página siguiente muestran las
respuestas al escalón para la tensión en terminales vt (t) y la tensión de campo ef (t), con
el sistema en red abierta RA, y en red cerrada usando los controladores proporcional P y
Proporcional Integral, PI. El control en red abierta responde con la dinámica lenta del generador;
el control P responde muy rápido, exigiendo al máximo al actuador al inicio del transitorio,
luego se estabiliza con el error estacionario de 0.01PU; el controlador PI alcanza con sobrepaso
el valor final sin error estacionario en aproximadamente 5 segundos, lo cual es suficientemente
rápido para estos sistemas. △
Aunque en principio mediante una adecuada calibración del control manual y del control
directo se pueden lograr errores nulos en red abierta y en red cerrada, la ventaja de la realimen-
tación es que trata de mantener estos valores en presencia de cambios del sistema y disturbios.
En la lúdica 4.1 el cilindro no se mantiene en el centro en las actividades con los ojos cerrados.
Las siguientes secciones analizan el comportamiento de los sistemas en red abierta y en red
cerrada ante variaciones paramétricas y disturbios.
1.4 11
PI PI
P 10 P
1.2 RA RA
9
1 8
7
0.8
6
VT
EF
5
0.6
4
0.4 3
2
0.2
1
0 0
0 2 4 6 8 10 0 2 4 6 8 10
Tiempo Tiempo
Figura 4.3: Respuestas del voltaje en terminales vt (t) (izquierda) y del voltaje de campo ef (t)
(derecha).
4.4. Incertidumbre
En la lúdica 4.1 la precisión con que se ubica el cilindro en el centro cambia con el tiempo
de duración del ejercicio, debido al cansancio o por el deterioro de los elementos. Como se men-
cionó en la sección 2.5, los modelos tienen incertidumbres asociadas a dinámicas no modeladas
o cambios de los parámetros con la edad, el punto de operación, los cambios de carga, cambios
ambientales, etc.
Para el análisis del efecto de la incertidumbre en los sistemas de red abierta y red cerrada,
se considera que la función de transferencia de red directa G(s) sufre un cambio infinitesimal
en su dinámica y adquiere el nuevo valor: G(s) + ∆G(s). La función de sensibilidad del sistema
T
SG (s) se define como la relación entre el cambio relativo en su función de transferencia T (s)
(esto es ∆T /T ) y el cambio relativo en la planta G(s), (∆G/G):
" #
T ∆T /T dT G
SG = lı́m = . (4.9)
∆→0 ∆G/G dG T
Una sensibilidad baja o nula, indica que el sistema de control es robusto con respecto a las
variaciones en la planta; una sensibilidad cercana a uno o mayor, indica una alta sensibilidad
del sistema controlado a las variaciones del proceso, como sucede en red abierta, pues T = G y
T
la función de sensibilidad es: SG = 1.
En red cerrada la evaluación de (4.9) con T dado por (4.6), es:
" #
T G dT G(1 + GH) 1 + GH − GH 1
SG = = = . (4.10)
T dG G (1 + GH)2 1 + GH
T
Note que la sensibilidad en T (s) a la incertidumbre en G(s), SG (s) corresponde a la función
de sensibilidad S(4.4). Si la sensibilidad S es pequeña al aumentar GH(s) en el rango
T −GH(s)
SH = . (4.11)
1 + GH(s)
T
Con alta ganancia en GH(s), SH ≈ −1 (el signo negativo indica un decremento relativo en T
para un aumento relativo en H y viceversa); note que una integración en el controlador o el
proceso genera una ganancia muy alta en GH en baja frecuencia, por lo que no se eliminan los
errores generados por la impreción de la realimentación en estado estable. Se requiere por lo
tanto tener una medida insensible y precisa.
De manera similar a 4.9, se define la función de sensibilidad paramétrica del sistema SkT ,
para cuantificar los cambios en la función de transferencia del sistema T (s) debidos a cambios
en el parámetro k: " #
T ∆T /T dT k
Sk = lı́m = . (4.12)
∆→0 ∆k/k dk T
En general, si el parámetro k es lineal en los polinomios del numerador y denominador:
A1 (s) + A2 (s)k
T (s) = ,
A3 (s) + A4 (s)k
donde los Ai (s) son polinomios de la frecuencia s, el cálculo de la función de sensibilidad (4.12)
es:
k(A2 A3 − A1 A4 )
SkT = . (4.13)
(A3 + kA4 )(A1 + kA2 )
En el caso en que el parámetro sea la ganancia de G(s) = kN (s)/D(s), la función de
transferencia de red cerrada es T = kN/(D + kN H); evaluando (4.13) con A1 = 0, A2 =
N, A3 = D, A4 = N H, se obtiene:
1
SkT = T
= SG . (4.14)
1 + GH
Ejemplo 4.3
Para el sistema de control del ejemplo 4.1, la dinámica del generador cambia con el punto
de operación debido a la saturación magnética; sea la función de transferencia del generador
k
con el actuador: Gp (s) = 1+5s , donde k = 1 y varı́a entre 0.8 y 1.1. La figura siguiente mues-
tra las respuestas al escalón de entrada en red abierta y con el control P en red cerrada para
cinco sistemas generados aleatoriamente en cada caso, utilizando las ganancias kA ajustadas
en el ejemplo 4.1; nótese cómo se reduce la dispersión en las respuestas para el sistema en red
1.4 1
Nominal 0.9
1.2 Muestras
Nominal
0.8
Muestras
1 0.7
0.6
Amplitude
Amplitude
0.8
0.5
0.6
0.4
0.4 0.3
0.2
0.2
0.1
0 0
0 2 4 6 8 10 12 14 16 18 20 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Time (sec) Time (sec)
cerrada. Ahora se analizan los efectos en estado estable sobre la tensión en terminales debido a
una atenuación del 10 % en la ganancia del generador y una variación igual en la ganancia de
la medida (kM ). Como la entrada R(s) no cambia, los cambios de la salida C(s) = T (s)R(s)
solo se deben a los cambios en T : ∆C(s) = ∆T (s) = SkT ∆k.
En red abierta: SkT = 1, luego ∆vT ss = ∆k=0.1 y vT ss se atenúa en 0.1, pasando de 1 a 0.9
PU.
En red cerrada con GH(s) = 99/(1 + 5s), la sensibilidad es:
1 1 + 5s
SkT (s) = = .
1 + GH(s) 1 + 5s + 99
En estado estable: SkT (0) = 0.01, luego ∆vT ss =0.01∆k, vT ss sólo se atenúa en 0.001, pasando
de 0.99 a 0.9890 PU.
Para la variación en la realimentación,
−GH(s) −99
SkTM = = .
1 + GH(s) 1 + 5s + 99
Ejemplo 4.4
En el ejemplo 2.28 se presentó el modelo del generador sincrónico con el disturbio que
representa la conexión súbita de un motor de inducción. Con este modelo, ante la conexión del
motor a la tensión nominal de 1PU, la salida cae inicialmente 0.9PU y luego del transitorio
gobernado por la constante τc =0.3, la salida tiende asintóticamente a 0.85PU, ver la respuesta
del modelo del generador sin regulación en la figura 4.5.
En red abierta la respuesta del generador es:
1.5(1 + 0.2s)
C(s) = 1 − (0.1/s). (4.17)
(1 + 0.3s)
1 1
0.98 0.98
0.96 0.96
0.94 0.94
Voltaje en terminales
Voltaje en terminales
0.92 0.92
0.9 0.9
0.88 0.88
0.86 0.86
0.84 0.84
0.82 0.82
0.8 0.8
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tiempo (sec) Tiempo (sec)
Figura 4.5: Respuestas transitorias al disturbio, sin regulación (izquierda), con regulación
(derecha).
1.5(1 + 0.2s) 1 + τg s
C(s) = 0.99 − (0.1/s) . (4.18)
(1 + 0.3s) 100 + τg s
La salida pasa de 0.99PU y luego del transitorio se recupera a 0.9885PU en régimen estacionario,
ver la respuesta regulada en la figura 4.5. △
La salida es: h i h i
G GH2
C(s) = R(s) − N (s) .
1 + GH1 H2 1 + GH1 H2
R(s) C(s)
G(s)
+
− +
H2 H1
B(s) +
N (s)
Se puede disminuir la componente del ruido si H2 es pequeña, pero esto exige un mayor
valor de H1 para mantener el producto H1 H2 en el mismo orden. La relación señal a ruido de
la medida RSR, es la relación entre la señal medida debida la salida BC y la componente de
ruido en la medida BN :
BC H1 H2 C H1 C
RSR = = = . (4.20)
BN H2 N N
Baja H2 y alta H1 para mejorar el comportamiento del ruido en la salida, equivale a tener
una medida de alta inmunidad al ruido.
Ejemplo 4.5
En algunos sistemas de control de la tensión en terminales de un generador sincrónico,
la señal de medida del voltaje en terminales se obtiene en corriente continua al rectificar las
tensiones trifásicas; la tensión rectificada tiene los picos de las ondas senoidales a una frecuencia
de 360 Hz, por lo que se requiere rectificarla. El actuador en este sistema es tı́picamente un
puente trifásico rectificador controlado, el cual tiene componentes armónicas a 360 Hz. En este
ejemplo se analiza la diferencia de tener un ruido en el actuador y en la medición; se considera
el sistema de control realimentado para el voltaje en terminales del ejemplo 4.1 con τg = 1s, y
un ruido aproximado a la componente fundamental de las ondas, esto es una sinusoide con una
variación pico - pico de 0.15PU.
Para el ruido en la medición:
b(t) = vT + n(t),
B(s) = VT (s) + T L[0.15 sin ωt] ; ω = 2π(360) = 2262rad/s;
99
99
VT (s) = s+100 VR (s) − s+100 N (s),
99
VT (s) = s+100 VR (s) − N (s) .
Se observa de (4.21) y (4.22) que el efecto del ruido en la medida es 100 veces mayor que en
el actuador. △
Ejemplo 4.6
La respuesta transitoria de red abierta la define la planta a controlar la cual se asume
definida y en muchos casos inadecuada. En el ejemplo 4.1 la dinámica es:
VT kA
= ,
VR 1 + τg s
para un escalón unitario de entrada es en estado estable: ecss = 1 − G(0), el cual es nulo si con
una correcta calibración se ajusta G(0) = 1.
En red cerrada el error de control (4.1) (H = 1) en estado estable para un escalón unitario
1
de referencia es: ecss = 1+G(0) , el cual es nulo si hay integración en G de forma que G(0) → ∞.
△
Aunque en red abierta es posible anular el error permanente, los cambios paramétricos y las
perturbaciones no se compensan, reapareciendo el error; la tabla siguiente compara los errores
estacionarios en red abierta RA, con control proporcional P y proporcional integral PI en red
cerrada, para el sistema de contol de voltaje analizado en los ejemplos anteriores, generados por
el ajuste del controlador, una disminución del 10 % en la ganancia del generador y el disturbio
generado por la conexión del motor. El sistema realimentado, mantiene altos desempeños en el
error estacionario.
Tabla 4.1: Errores estacionarios en red abierta y en red cerrada con control P y PI.
Causa del error ecss RA ecss P ecss PI
Ajuste de Gf,c 0 0.01 0
Cambio de 10 % en k 0.1 0.001 0
Perturbación D 0.15 0.0015 0
4.7. Estabilidad
Se discutió en el capı́tulo 1 cómo la estabilidad es un aspecto central en el análisis de los
sistemas de control. Una primera noción de estabilidad es que un sistema será estable si se
obtiene una respuesta acotada ante una entrada acotada con condiciones iniciales acotadas.
Con el cilindro y el plano en la lúdica 4.1, para una inclinación del plano, el cilindro cambia de
posición indefinidamente hasta que sale del plano, es por lo tanto un sistema inestable de red
abierta.
Por la expansión en fracciones parciales, un sistema dinámico con función de transferencia
G(s), p polos cada uno con multiplicidad nj , tiene como respuesta:
nj
p X
X rji
C(s) = G(s)R(s) + . (4.23)
j=1 i=1
(s − pj )i
La respuesta es la suma del término debido a la entrada (respuesta forzada) más la suma
ponderada por los residuos rji función de las condiciones iniciales, de cada polo por separado
(sistemas con polos complejos tendrán polos y residuos complejos), por lo que esta noción de
estabilidad exige que el sistema tenga los polos en el semiplano izquierdo del plano complejo S.
Para el sistema en red abierta con función de transferencia G(s) = kN (s)
D(s) , el sistema será es-
table si las raı́ces de D(s) = 0 están en el semiplano izquierdo del plano S.
Si esta planta G(s) es estable en red abierta, en red cerrada la función de transferencia es:
G(s) N (s)
T (s) = = . (4.24)
1 + GH(s) D(s) + kN (s)H(s)
técnicas analı́ticas para evaluar el grado de estabilidad, estas técnicas se estudiarán más adelante
a lo largo del libro.
Ahora bien, si la planta G(s) es inestable, es forzoso utilizar la realimentación para estabilizar
el sistema. La figura 4.7 ilustra las relaciones de estabilidad de red abierta a red cerrada.
Estable Estable
Inestable Inestable
Ejemplo 4.7
En un modelo lineal para los sistemas de control de la excitación autoexcitados, la auto-
excitación se refleja como una realimentación positiva interna [Ramı́rez, 1989], como se muestra
en la figura 4.8.
VR (s) + 1 VT (s)
kA = 1 +
τg s+1
VR (s) 1 VT (s)
+
− 99 τg s
VT (s) 99 1
= = τ ,
VR (s) 99 + τg s 1 + 99g s
como se tiene un polo en el semiplano izquierdo del plano s: s = − 99
τg , el sistema es estable. △
4.8. Resumen
La tabla 4.2 resume el análisis realizado en este capı́tulo mostrando las ventajas y desventajas
de la realimentación.
VENTAJAS DESVENTAJAS
1. ¿Cuáles son los principales disturbios y cómo afectan el desempeño en cada caso?
2. ¿Cómo varı́a la dinámica del sistema con el tiempo? ¿Qué impacto tiene este cambio en
el posicionamiento del vehı́culo?
3. ¿Cuáles son las principales fuentes de ruido de medida y su impacto en la posición del
vehı́culo?
4. ¿Cómo serı́a el comportamiento del vehı́culo en ambos casos si por desgaste tiene mucho
huelgo en el sistema de dirección?
Ejercicio 4.2
Para el control de la temperatura de una habitación, se tiene un sistema en red abierta
calibrado en la mañana a una temperatura confortable y uno realimentado con un termostato.
Analice y compare los desempeños de cada sistema con respecto a los disturbios, la respuesta
transitoria y permanente y los cambios en la dinámica térmica de la habitación.
Ejercicio 4.4
Para el sistema de control de temperatura del ejercicio 2.17, analice y compare el desempeño
de los sistemas en red abierta y red cerrada con relación al caudal qa y los cambios en la
resistencia R de la bobina; calcule la sensibilidad en red cerrada a los cambios en la constante
k1 del transmisor de temperatura.
Ejercicio 4.5
Para el sistema de control de la figura 4.10, Dorf and Bishop [2005], calcule la ganancia k
de forma que el error error de estado estable debido a un escalón en la perturbación sea menor
del 5 %. ¿Cuál es la sensibilidad al parámetro b?.
D(s)
R(s) + b
Y (s)
+ k +
− s+1
Para los ejercicios 4.6, 4.7 y 4.8, analice la respuesta transitoria mediante simu-
lación digital.
Ejercicio 4.6
Considere el sistema de control de la figura 4.11:
D(s)
R(s) + k
C(s)
+
− Gc (s) +
τ s+1
RA
RC
Ejercicio 4.7
La figura 4.12 muestra el diagrama de bloques de un sistema de control. Con a = 1, D(s) = 0
y R(s) = 1s , calcule los valores de KRA en red abierta y KRC en red cerrada, de forma que la
salida c(t) en estado estable sea de 0.9.
Analice y compare el funcionamiento del sistema en red abierta y en red cerrada, usando
los respectivos controladores KRA y KRC , con respecto a:
3. Capacidad de disminuir los errores de estado estable, generados por una perturbación
D(s) = 0.1/s.
Ejercicio 4.8
La figura 4.13 muestra el diagrama de bloques de un sistema de control de posicionamiento
mecánico, en red abierta y en red cerrada.
D(s)
R(s) − k
C(s)
Posición deseada
+
− Gc (s) +
s2 +0.2s+1 Posición de salida
RA
RC
Analice y compare el funcionamiento del sistema en red abierta y en red cerrada, usando los
respectivos controladores, con respecto a:
3. Capacidad de reducir los errores permanentes generados por una perturbación D(s) =
0.5/s.
Ejercicio 4.9
Se tiene una planta a controlar con dinámica: G(s) = k/(s + 1), ganancia nominal k = 1
con variaciones del 1 % y disturbio de salida con saltos en escalón de: D(s) = 0.2/s. Se desea
regular su salida en 1 ± 0.05 por lo que se utiliza un controlador y un sensor lineal pero con
ruido a partir de 1KHz; la planta se controla con retroalimentación principalmente para:
3. Capacidad de reducir los errores permanentes generados por una perturbación de carga
de D(s) = 0.1k/s.
Análisis de la respuesta en el
tiempo
5.1. Introducción
El modelo matemático obtenido en los capı́tulos 2 y 3, se puede utilizar para analizar el
desempeño del sistema. Los principales métodos de análisis son en el dominio del tiempo y en
el de la frecuencia. En este capı́tulo se analiza la respuesta temporal de los sistemas dinámicos;
la respuesta frecuencial será desarrollada más adelante.
En el análisis y diseño de sistemas de control, es conveniente tener una base de comparación
del desempeño de diversos sistemas. Esta base se configura a partir de señales de entrada de
prueba particulares y comparando las respuestas obtenidas de varios sistemas a estas señales de
entrada. Esta comparación se realiza a partir de ciertas caracterı́sticas de las respuestas; estas
caracterı́stican también sirven para definir los comportamientos deseados de los sistemas de con-
trol. Sinembargo, no se puede especificar este comportamiento sin considerar los compromisos
que existen entre las caracterı́sticas.
En este capı́tulo se presentan las respuestas de los sistemas a las señales aperiódicas impulso,
escalón, rampa y parábola. El capı́tulo incluye las respuestas de los sistemas de primer y segundo
orden, el efecto de polos o ceros adicionales, tanto para sistemas análogos como discretos. Se
definen caracterı́sticas para estas respuestas como velocidad, amortiguamiento de la oscilación,
valores máximos y mı́nimos y precisión permanente. También se analizarán las limitaciones
de desempeño a tener en cuenta para definir una especificación adecuada. Para este análisis
se utiliza la representación entrada-salida de los sistemas continuos, discretos y de pulsos; al
final del capı́tulo, se analiza la respuesta temporal de los sistemas representados en variables
de estado, tanto continuos como discretos.
207
5.3. RESPUESTA TEMPORAL CONTINUA
Velocidad
Precisión
Grado de estabilidad
Entrada Salida
Sistema
Sinembargo, las entradas a los sistemas son muchas veces de naturaleza aleatoria; no se conoce
con exactitud en que forma un operador va a variar una referencia del sistema y en muchos
casos, no se conoce cuándo y cómo variará la carga en el mismo; por ejemplo, la predicción del
uso de agua en una ciudad para prever el flujo de descarga de un tanque de almacenamiento
solo puede realizarse a partir de estadı́sticas de los consumos históricos.
Para el diseño del sistema realimentado, es importante poder comparar las respuestas con
distintos parámetros y/o esquemas; de aquı́ se deriva la necesidad de usar entradas tı́picas de
prueba.
Para estas señales interesa que:
Sean fáciles de generar
Exijan dinámica y/o estáticamente al sistema
Permitan correlacionar las respuestas a estas entradas estándares con la respuesta del
sistema a la entrada normal
Para la respuesta de frecuencia se usan señales de prueba sinusoidales. Para la respuesta en el
tiempo se usan las señales de la figura 5.1, en donde a la derecha se muestran las relaciones
entre sus derivadas.
Los sistemas lineales tienen la propiedad de poder calcular la derivada o integral de una
entrada, derivando o integrando la salida, ver la figura 5.2; luego basta obtener la respuesta a
una sola entrada tı́pica, las otras se obtienen derivando e integrando esta respuesta.
δ(t)
1
d
Impulso δ(t) = dt .µ(t)
t
µ(t)
1
d
Escalón µ(t) = dt .r(t)
t
r(t)
1 d
Rampa r(t) = 2 dt .a(t)
t
a(t)
Parábola a(t)
x(t) y(t)
′
x (t) y ′ (t)
R Sistema Lineal R
x(t)dt y(t)dt
términos del error permanente alcanzado en el estado estable. En el capı́tulo 4 se observó que
los errores permanentes se pueden originar por la capacidad del sistema de seguir la entrada,
las incertidumbres en el sistema, los disturbios y ruidos; más adelante se presentarán errores
permanentes causados por deficiencias en los sensores y actuadores.
En esta sección se analizan los errores permanentes debidos a señales externas que entran
al sistema de control de la figura 4.2, esto es la referencia, los disturbios de entrada y salida y
el ruido.
Si sE(s) no tiene polos en el eje imaginario o en el semiplano derecho, el error permanente es:
Para el análisis del error permanente se clasifican a los sistemas de control de acuerdo al
número de integraciones en GH(s).
sR(s) P
essp = lı́m = .
s→0 1 + GH(s) 1 + lı́ms→0 GH(s)
Se define a:
KP = lı́m GH(s) (5.4)
s→0
Si GH(s) tiene al menos una integración, la constante de error de posición tiende a infinito
KP → ∞ y el error de posición es nulo essp → 0.
La integral asintótica del error es:
Z ∞
P P
e(t)dt = lı́m = lı́m . (5.6)
0 s→0 s + sGH(s) s→0 sGH(s)
Por lo tanto, para entradas escalón de entrada de referencia (o escalones negativos de ruido
y disturbio de salida):
P P
Los sistemas tipo 0 tienen un error de posición constante de: essp = 1+KP = 1+k .
El error permanente ess en (5.1) para un disturbio de entrada escalón De (s) = −P/s es:
luego, para un entrada escalón negativa de disturbio a la entrada del proceso, se cumple que:
P Gp (0)
Los sistemas tipo 0 tienen un error de posición constante de: esspd = 1+KP .
Los sistemas con una integración o más en el controlador no tienen error de posición:
esspd = 0.
Los sistemas con una o más integraciones en el proceso y sin integración en el controlador,
P
tienen un error de posición constante de: esspd = Gc (0)H(0) .
luego, para un entrada rampa negativa de disturbio a la entrada del proceso, se cumple que:
Los sistemas sin integración en el controlador no son capaces de eyectar el disturbio y
tienen un error de velocidad creciente: essvd → ∞.
Los sistemas con una integración en el controlador tienen un error de velocidad constante
de:
V
essvd = lı́m .
s→0 sGc (s)H(s)
Los sistemas con dos integraciones o más en el controlador no tienen error de velocidad:
essvd = 0.
Los sistemas con
R ∞tres integraciones o más en el controlador tienen una integral asintótica
del error nula: 0 e(t)dt = 0.
luego:
Los sistemas sin al menos dos integraciones en el controlador no son capaces de eyectar
el disturbio y tienen un error de aceleración creciente: essad → ∞.
Los sistemas con dos integraciones en el controlador tienen un error de aceleración cons-
tante de:
A
essad = lı́m 2 .
s→0 s Gc (s)H(s)
Los sistemas con tres integraciones o más en el controlador no tienen error de velocidad:
essad = 0.
Los sistemas con
R∞cuatro integraciones o más en el controlador tienen una integral asintótica
del error nula: 0 e(t)dt = 0.
El análisis anterior ha mostrado que las integraciones de la planta no afectan los
errores permanentes debidos a disturbios a la entrada del proceso.
En el diseño de un sistema de control se especifican las constantes de error de acuerdo al
funcionamiento deseado en régimen permanente, cumpliendo el compromiso de funcionamiento
adecuado en régimen transitorio.
Ejemplo 5.1
Se considera un controlador serie Gc (s) para el sistema de control de la excitación de la
figura 5.3.
Se analizan los errores permanentes para este sistema de control con entradas escalón, rampa
y parábola unitarias y utilizando el controlador P:
Gc (s) = kp ,
con kp = 100 y el controlador PI:
kp (s + 1/Ti )
Gc (s) = ,
s
con kp = 100 , Ti = τG = 5. Las funciones de transferencia de red abierta para cada controlador
son:
kp
GHP (s) = ,
(τE s + 1)(τG s + 1)
no hay integración luego es tipo 0.
kp (s + 1/Ti ) kp
GHP I (s) = = ,
s(τE s + 1)(τG s + 1) τG s(τE s + 1)
como tiene una integración es tipo 1.
1
KP = lı́ms→0 GHP (s) = kp =⇒ essp = 1+kp = 0.0099.
son q polos de primer orden y r pares de polos conjugados complejos. Expandiendo en fracciones
parciales, la respuesta para un escalón en la entrada de referencia R(s) = 1/s es:
q r
a X aj X a1k + a2k s
C(s) = + + . (5.12)
s j=1 s + pj s + 2ρk ωk s + ωk2
2
k=1
Nc Np Dh Np Dc Dh Dc Dp Dh
C = CR + CN + CDe + CDs = (R − N ) + De + Ds . (5.14)
D D D
donde D = Dc Dp Dh + Nc Np Nh es la ecuación caracterı́stica que define los polos para cualquier
señal, la cual depende de todos los polos y ceros de las funciones de transferencia del lazo;
los polos de la ecuación caracterı́stica aportan a la forma de la respuesta a cualquier entrada
definiendo los exponentes de los términos exponenciales y las frecuencias de oscilación.
La respuesta a N solo cambia en signo con relación a la de la referencia R. Los polos de la
medida Dh son ceros para las respuestas a todas las entradas; los demás ceros dependen de la
señal de entrada; los ceros también influyen en la forma de las respuestas a cada entrada pues
afectan las magnitudes y signos de los residuos.
En esta sección se analizará la respuesta transitoria al escalón en la entrada referencia; para
ella se considerarán los efectos que tienen los ceros en la respuesta, por lo que en general el
análisis aplica para cualquier entrada. Los aspectos especı́ficos a tener en cuenta en las respuestas
transitorias a las entradas de disturbio, se analizarán en la sección 5.8.
1. Ubique uno de los vasos sin perforar en una superficie plana y horizontal, sobre él, ubique
los dos vasos perforados uno encima del otro. Llene con agua el otro vaso sin perforar y
vacı́elo rápidamente sobre el vaso perforado superior, ver la figura 5.5.
2. Tome datos de la evolución del nivel con el tiempo del vaso perforado inferior, cuando
se llena y luego cuando se desocupa. (Sugerencia: tomar el tiempo cada que el nivel pasa
por una lı́nea de relieve del vaso); bosqueje la evolución temporal.
3. Repita el experimento y observe la evolución del nivel con el tiempo durante el llenado
del vaso sin perforar inferior.
¿Qué puede concluir sobre la forma de la evolución del nivel durante el llenado y el vaciado?
¿Cuánto tarda en alcanzar un nivel constante el vaso perforado inferior? ¿Cómo es el compor-
tamiento del nivel en el vaso sin perforar inferior?
Como se analizó en la sección 2.2, el vaso perforado lo describe la ecuación diferencial lineal
(2.5), aplicándole la transformada de Laplace se obtiene el diagrama de bloques de la figura 5.6.
C(s) k
= , (5.15)
R(s) 1 + τs
jw
Plano S
− τ1 σ
c(t)
0.982
1
0.95
0.865
0.632
τ 2τ 3τ 4τ t
R(s) + 1 C(s)
τs
−
Ejemplo 5.2
La figura 5.9 muestra la respuesta experimental de un circuito electrónico a un escalón de
entrada de 6 voltios continuos.
La forma de onda es de un sistema de primer orden, cuya ganancia estática es la relación
entre el cambio del voltaje de salida dY y el voltaje aplicado: k = 5.96/6 = 0.99. La constante
de tiempo del circuito es la diferencia de tiempo entre el instante inicial del transitorio, hasta
el instante donde el voltaje de salida es igual a 0.632dY, τ = 0.16s. △
1. Ate el nylon elástico a la masa pequeña, el otro extremo a una base fija, que permita el
libre desplazamiento de la masa.
2. Una vez se estabilice la masa pequeña, agrege la masa de 150gr y observe la evolución de
su altura h, ver la figura 5.10. Tome nota de la deviación final, del número de oscilaciones
y de cuánto tarda el sistema en alcanzar de nuevo el reposo.
Que puede concluir sobre la forma de la evolución de la altura de la masa? Cuánto es la máxima
desviación?
La figura 5.12 muestra la ubicación de las raı́ces en el plano complejo S para un sistema
subamortiguado estable.
La componente imaginaria: p
ωd = ωn 1 − ρ2
se denomina frecuencia natural amortiguada. La parte real de las raı́ces α = ρωn se denomina
constante de amortiguamiento; como corresponde al exponente del acotamiento exponencial de
la oscilación, su inversa define la constante de tiempo equivalente del sistema:
1 1
τeq = = .
α ρωn
Note que la frecuencia natural ωn es la distancia de la raı́z al origen del plano complejo y que
el amortiguamiento define el ángulo θ:
ρ = cos θ.
La respuesta al escalón unitario del los sistemas subamortiguados 0 < ρ < 1, con k = 1 es:
e−ρωn t
C(t) = 1 − p sen(ωd t + θ), t ≥ 0, (5.19)
1 − ρ2
observe que la respuesta oscila a la frecuencia natural amortiguada ωd .
e−ρωn t
El error: e(t) = r(t)−c(t) = p sen(ωd t + θ), es una oscilación sinusoidal amortiguada,
1 − ρ2
con valor estacionario nulo ess = 0.
Si en (5.19) se toma el lı́mite: ρ → 0, entonces c(t) = 1 − sen(ωn t + 90) = 1 − cos ωn t, luego
sin amortiguamiento la respuesta osciları́a a la frecuencia natural ωn .
Las respuestas al escalón para varios coeficientes de amortiguamiento se grafican como una
familia de curvas con parámetro ρ y abscisa adimensional ωn t, ver la figura 5.13. Se observa
Figura 5.13: Respuestas al escalón de sistemas de segundo orden para diferentes amortiguamien-
tos.
que dos sistemas con frecuencias naturales ωn distintas e igual amortiguamiento, tienen una
respuesta de la misma forma, pero escalada en el tiempo de forma que a mayor frecuencia
natural, la respuesta es más rápida. Para la misma frecuencia natural, la respuesta más rápida
ocurre para el amortiguamiento crı́tico ρ = 1. Entre los sistemas subamortiguados, la respuesta
con ρ = 0.7 se aproxima más rápidamente al valor final, es por ello que una especificación de
diseño en muchos sistemas de control que toleran el sobrepaso, es que el sistema realimentado
se comporte aproximadamente como uno de segundo orden con amortiguamiento ρ = 0.7.
Tiempo de retardo td : para alcanzar por primera vez la mitad del valor final:
e−ρωn td
p sen(ωd td + θ) = 0.5, (5.20)
1 − ρ2
es una ecuación implı́sita que se resuelve numéricamente; una aproximación lineal de la
solución es:
1 + 0,7ρ
td ≈ .
ωn
e−ρωn tr
Tiempo de subida tr : para alcanzar el valor final: p sen(ωd tr + θ) = 0, como la
1 − ρ2
exponencial no es nula, el primer valor que anula la función seno es:
π−θ
tr = . (5.21)
ωd
Tiempo de pico: para alcanzar el primer pico de sobrepaso se debe derivar la ecuación e
igualarla a cero, lo que equivale a igualar a cero la respuesta al impulso, de la tabla 2.13:
ωn e−ρωn td
ċ(t) = p sen(ωd td ) = 0, (5.22)
1 − ρ2
la solución es:
π
tp =, (5.23)
ωd
es medio perı́odo de la oscilación amortiguada ωd .
El valor máximo cmax se obtiene al evualar la respuesta en el tiempo de pico c(tp ):
− ρω nπ
cmax = 1 + e ω d , (5.24)
luego el sobrepaso es:
− √ ρπ
Mp = e 1−ρ2 . (5.25)
Si k 6= 1, se puede utilizar el sobrenivel porcentual :
Mp − V alorf inal
× 100 %. (5.26)
V alorf inal
Ejemplo 5.3
Este ejemplo ilustra un procedimiento para obtener los parámetros del modelo matemático
para un sistema de segundo orden sin ceros a partir de su respuesta al escalón. Se asume que en
la lúdica 5.2 se observa una desviación final de 6cm, una máxima de 10cm y unas 5 oscilaciones
que ocurren en aproximadamente 10s; se aplica la masa de 150gr pero se desconoce el valor de
la masa inicial m1 .
De (5.17) en régimen estacionario: fe = Kx∞ , luego: K = 0.150/0.06 = 2.5Kgf/m.
2π
La frecuencia natural amortiguada es: ωd = 10/5 = 3.14 r/s, luego la frecuencia natural
ω
ωn = √ d 2 = 3.17r/s; obsérvese que por ser bajo el amortiguamiento las frecuencias amor-
1−ρ
tiguada y no amortiguada son muy similares.
Para el ejemplo anterior las 5 oscilaciones dan a través de esta aproximación un amortiguamiento
de ρ =0.127.
Ejemplo 5.4
La figura 5.14 muestra el diagrama de bloques normalizado de un sistema de control de la
excitación, autoexcitado, con excitatriz de corriente continua y un controlador Proporcional con
ganancia ajustable kA . Se analiza la respuesta temporal para las ganancias kA = 5 y kA = 100,
con τE = 1seg; τG = 5seg.
La función de transferencia de red directa es:
kA kEQ
G(s) = ,
s(1 + τEQ s)
VR (s) + +
1 1 VT (s)
kA + 1+τE s 1+τG s
−
1 τE τG
donde: kEQ = τE +τG y τEQ = τE +τG . La función de transferencia de red cerrada es:
kA
VT (s) τE τG
= 2 1 kA
. (5.29)
VR (s) s + τEQ s + τE τG
kA = 5 kA = 100
VT (s) 1 VT (s) 20
= 2 = 2
VR (s) s + 1.2s + 1 VR (s) s + 1.2s + 20
El comando ‘damp(G)’ del MATLAB facilita el análisis de los sistemas de segundo orden:
>> s=tf(’s’);G5=1/(s^2+1.2*s+1);G100=20/(s^2+1.2*s+20);
>> damp(G5)
>> damp(G100)
La tabla 5.1 muestra los valores del coeficiente de amortiguamiento ρ, las frecuencias natural no
amortiguada ωn y amortiguada ωd , y las caracterı́sticas de la respuesta transitoria a un escalón
en la referencia.
Se observa que con ganancia kA alta el sistema tiene poco amortiguamiento, con una res-
puesta inicial muy rápida pero con la misma duración total de la respuesta para la ganancia
kA baja, ver las respuestas en la figura 5.15.
1.8
1.6
kA=100
1.4
1.2
1
vt(t)
0.8
0.6
0.4 kA=5
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tiempo (sec)
Los transitorios observados muestran que para cumplir un requerimiento de error perma-
nente menor al 1 %, la ganancia kA = 100 del control proporcional, no da una respuesta tran-
sitoria adecuada y debe usarse un controlador diferente para este sistema. △
corresponde a la del sistema de segundo orden con ρ = 0.5 en la figura 5.13; con el polo real
disminuyendo por arriba de la parte real de los polos complejos p ≥ ρωn > 0, se reduce el
sobrepaso máximo y aumenta el tiempo de subida tr ; si el polo es menor de la parte real de
las raı́ces complejas 0 < p < ρωn , empieza a dominar la respuesta y aumenta el tiempo de
estabilización ts .
Ejemplo 5.5
La figura 5.18 muestra un sistema de control de la excitación con excitatriz (dinámica con
constante de tiempo τE ) y un controlador paralelo (ver sección 10.10), el cual se conoce como
‘red estabilizadora’. La excitatriz y el generador tienen constantes de tiempo: τE = 1 y τG = 5
respectivamente. Los parámetros del controlador son: kA = 100, kF = 0.01 y τF = 1.
Para el análisis el diagrama de bloques se reduce al de la figura 5.19.
1.2
p inf
p=2
p=0.5
0.8
p=1
c(t)
0.6
p=0.25
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tiempo (sec)
La parte real de las raı́ces complejas es de -1.078, del mismo orden del polo real; sin embargo,
el cero está muy cerca del polo real cancelándole su efecto; cancelando el polo con el cero y
ajustando la misma ganancia estacionaria de 0.99, se tiene:
VT (s) 19.16
≈ 2 ,
VR (s) s + 2.156s + 19.35
VR (s) 1 1 VT (s)
kA
+ τE s+1 τG s+1
−
kF s
+ τF s+1
+
1.5
Orden 2
Orden 3
1
vt(t)
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (sec)
Figura 5.20: Respuestas de tercer orden y aproximada de segundo orden, control paralelo.
VT (s) 20(Td s + 1)
= 2 .
VR (s) s + (1.2 + 20Td )s + 20.2
1.4
Orden 3
1.2
Orden 2
0.8
vt(t)
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70
Tiempo (sec)
Figura 5.21: Respuestas de tercer orden y aproximada de segundo orden, control integral.
La dinámica tiene los dos modos pero el cero depende de los pesos de cada polo k1 , k2 y sus
dinámicas τ1 , τ2 ; hay combinacions de estos parámetros que pueden incluso cancelar el cero
con un polo y eliminar esta componente de la respuesta. En general los ceros de un sistema
dependen de donde se aplica la entrada y de cómo se forma la salida como una función de
los polos; la ubicación de los ceros determina en que proporción se combinan los modos para
aparecer en la salida.
La posición de los ceros en el semiplano izquierdo con relación a los polos dominantes también
los clasifica como ceros rápidos si están muy alejados de los polos dominantes y ceros lentos si
están más cerca del eje complejo que los polos dominantes. Los ceros en el semiplano derecho
del plano complejo S son ceros de fase no mı́nima.
0.8
0.6
vt(t)
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Tiempo (sec)
Figura 5.24: Mapa de polo y cero para un sistema de primer orden con un cero.
Ejemplo 5.6
En el ejemplo 2.32, se obtuvo el modelo linealizado de una turbina hidráulica ideal sin
pérdidas; la ecuación (2.126) permite hayar la función de transferencia entre los cambios en
posición de la compuerta de agua ∆u y los cambios de la potencia mecánica ∆y desarrollada
por la turbina:
Y (s) 1 − Is
= . (5.32)
U (s) 1 + I2 s
Para I = 2, la respuesta de la potencia mecánica (torque) a un escalón unitario en la apertura
de la compuerta corresponde a la de la figura 5.25 con z = −0.5; el torque inicialmente cae a
-2PU y luego del transitorio tiende al valor de uno. Este comportamiento se debe a la inercia
del agua, ecuación 2.28; las ecuaciones linealizadas son:
∆q = ∆u + ∆h/2 (5.33)
2
z=0.5
1.5
z=1
0.5 z=2
c(t)
z inf
0
−0.5
z=−1
−1
−1.5
z=−0.5
−2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (sec)
Figura 5.25: Respuestas al escalón para un sistema de primer orden con un cero.
ver la figura 5.27 para k = τ = 1. El transitorio lo define la constante de tiempo τ , el salto inicial
la relación k/τ y por tener ganancia estacionaria nula, la respuesta tiende asintóticamente a
cero. Este comportamiento es útil para disminuir la ganancia transitoria de un sistema de control
al utilizar un control paralelo que inyecta la salida del derivador filtrado como realimentación
negativa, ver por ejemplo la red estabilizadora en la figura 5.18.
Figura 5.26: Diagrama de bloques del modelo lineal de una turbina hidráulica.
0.9
0.8
0.7
0.6
C(t)
0.5
0.4
0.3
0.2
0.1
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (sec)
nominales calculadas con el modelo, la función de sensibilidad (4.4) real alcanzada con la in-
certidumbre es:
1 1 1 1
S= = = = ,
1+G 1 + Gm + Gm G∆ 1 + Gm + Tm (1 + Gm )G∆ (1 + Gm )(1 + Tm G∆ )
z=0.5
1.5
z=1
z inf
c(t)
0.5
z=−1
z=−0.5
−0.5
0 1 2 3 4 5 6 7 8 9 10
Tiempo (sec)
Figura 5.29: Respuestas el escalón, sistema de segundo orden con cero real.
S = Sm S∆ , (5.41)
donde:
1
S∆ = (5.42)
1 + Tm G∆
se denomina el error de sensibilidad.
Similarmente se puede mostrar que las funciones de sensibilidad complementaria T , de
entrada Se y de salida Ss son:
T = Tm (1 + G∆ )S∆ , (5.43)
Ss = Ssm S∆ . (5.45)
Se observa que el comportamiento dinámico a entradas de referencia, ruido y los disturbios
se modifica con relación al nominal calculado con el modelo, debido a los errores de modelado.
Igualmente, si S∆ ≈ 1, el desempeño real no será muy diferente del nominal; esto se cumple si
en (5.42):
Ejemplo 5.7
En el ejemplo 4.2 se controló el generador: Gp (s) = 1/(5s + 1) con el el PI: Gc1 (s) = 8s + 8/s
para polos complejos conjugados en red cerrada con amortiguamiento ρ =0.71 y frecuencia
natural ωn1 =1.26; se considera la incertidumbre en la ganancia del generador k entre 0.8 y 1.1
del ejemplo 4.3; se sabe que hay incertidumbre en el modelo del generador por dinámicas rápidas
de filtrado de medida y del actuador del orden de 0.1s (frecuencia de corte de 10rad/s); se usa
otro controlador PI: Gc2 (s) = 70 + 500/s para una respuesta más rápida en red cerrada con el
mismo amortiguamiento ρ =0.71 y frecuencia natural ωn2 =10, para la cual la incertidumbre del
modelo es importante. De acuerdo con la sección 2.6.5 el modelo del generador con incertidumbre
en el MATLAB se obtiene con los comandos:
La figura 5.30 presenta cinco muestras para cada controlador, de las respuestas en red cerrada
al escalón de referencia. Se observan respuestas sin mucha dispersión para el controlador Gc1 (s),
mientras que para Gc2 (s) las respuestas son más rápidas pero con mayor dispersión, existiendo
incluso una que es inestable, con la oscilación de magnitud creciente. El análisis de la pérdida
de estabilidad con la incertidumbre se realizará en la sección 9.2.4.
Si el sistema es estable para toda la incertidumbre, cabrı́a preguntarse cómo se degradan las
caracterı́sticas de desempeño con ella; la figura 5.31 muestra las respuestas al escalón del sistema
con el controlador Gc1 (s) para 200 muestras. El sobrepaso máximo alcanza el 30 % y el tiempo
de estabilización aumenta unos dos segundos, pero el sistema siempre es estable. La figura 5.32
muestra el mapa de polos de las diferentes muestras tomadas al sistema; todos los modos del
sistema son estables; los modos menos amortiguados tienen un coeficiente de amortiguamiento
de ρ =0.44. Sinembargo, el muestreo se realiza con el método de Montecarlo Inc. [2010] por lo
que no hay garantı́a que existan otras combinaciones de incertidumbres que generen un menor
coeficiente de amortiguamiento, o en general peores desempeños de la respuesta temporal.
Los métodos de análisis y diseño de sistemas inciertos se han desarrollado principalmente
en el dominio de la frecuencia; para toda la incertidumbre, estas técnicas permiten obtener los
rangos entre los que se encuentran las máximas ganancias de la respuesta frecuencial de una
función de transferencia de interés como las funciones de sensibilidad, ver la sección 9.2.4; las
2.5
Gc=8+8/s
Gc=70+500/s
2
1.5
VT
0.5
−0.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (sec)
Figura 5.30: Respuestas de la tensión en terminales para dos controladores PI con incertidumbre
en el modelo del sistema de control.
1.4
Smax
Tmax
1.2
Nominal
0.8
VT
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
Tiempo (sec)
Figura 5.31: Respuestas de la tensión en terminales para Gc1 (s) = 8 + 8/s con incertidumbre
en el modelo del generador.
2
Imaginaria(S)
−1
−2
−3
−4
−5
−8 −7 −6 −5 −4 −3 −2 −1 0 1
Real(S)
Figura 5.32: Modos del sistema de control con el controlador Gc1 (s) = 8 + 8/s y diferentes
muestreos de la incertidumbre en el modelo del generador.
ası́, si no hay ceros lentos, de acuerdo con (5.25), el sobrepaso del sistema estará entre:
2.5 % ≤ Mp ≤ 25 %.
3−4
α≥ . (5.48)
tsmax
Una cota para el sobrepaso Mp define el valor aceptable para el coeficiente de amor-
tiguamiento; puede ser el rango (5.47) o una cota ρ ≥ ρmin .
Π−Θ
√
El tiempo de subida: tr = lo define principalmente la frecuencia natural no
ωn 1−ρ2
amortiguada ωn ; una aproximación para coeficientes de amortiguamiento alrededor de
0.5 es: tr ≈ 2.4
ωn ; para tener un tiempo de subida máximo: tr ≤ trmax , se debe tener la
frecuencia natural no amortiguada mı́nima de:
2.4
ωnmin ≥ . (5.49)
trmax
ρ = 0.8
−ρωn
σ
La figura 5.33 muestra el área deseada de ubicación de los polos dominantes para cumplir las
restricciones (5.47), (5.48) y (5.49).
Ejemplo 5.8
Para un sistema de control de la excitación se desea que su respuesta al escalón tenga un
sobrepaso menor del 16 %, tiempo de estabilización menor de tsmax ≤ 3s y tiempo de subida
menor a trmax ≤ 1s. Se busca que el sistema de control en red cerrada tenga un par de polos
complejos dominantes; trazar el área deseada de ubicación de las raı́ces.
Las desigualdades que definen el área deseada de las raı́ces para estas especificaciones, son:
4
ρ ≤ 0.5, ρωn ≥ y ωnmin ≥ 2.4.
3
La figura 5.34 muestra el área deseada para los polos complejos dominantes; se ha trazado
usando la interfaz gráfica de usuario del MATLAB para el diseño de sistemas de control sisotool.
La interfaz permite dibujar en el plano complejo las lı́neas de amortiguamiento ρ constante y
de frecuencia ωn constante.
Los rectángulos señalan las raı́ces de (5.29) para kA = 5; se observa que estos polos no
cumplen los requerimientos de velocidad de respuesta. △
cabe preguntarse si estas son fı́sicamente alcanzables por el sistema o si por el contrario, existe
una limitación fundamental que no permite lograrlas.
Esta sección se basa en el análisis de Goodwin et al [2001] para las limitaciones fundamentales
de la respuesta temporal de los sistemas realimentados, asociadas a los componentes del sistema
de control como los sensores y actuadores, a la incertidumbre del modelo, a los disturbios y a
aquellas que son estructurales a la dinámica del sistema a controlar.
5.8.1. Sensores
Los sensores proveen la información del proceso al controlador, por lo que las deficiencias
en la medida impactarán fuertemente el desempeño del sistema de control. Entre los aspectos
considerados para la selección de la instrumentación de medida, ver el diseño conceptual en la
sección 1.4.3.2, los principales impactos en el desempeño del sistema de control son:
Las alinealidades como zona muerta e histéresis en pequeña magnitud afectan principal-
mente al error permanente; con valores altos, pueden comprometer seriamente la esta-
bilidad del sistema.
La falla del sensor (fiabilidad) abre el lazo y lleva el sistema al control manual; para
sistemas de control crı́ticos, hay estrategias que apuntan a mantenerlos operativos con
desempeños degradados.
La inmunidad al ruido corresponde a tener una alta RSR (4.20) de la medida para evitar
componentes del ruido en la salida. Una señal de ruido a alta frecuencia tiene el efecto
adverso de generar variaciones rápidas en la señal de control a(t) lo cual es indeseable para
la operación del sistema, pues causa desgaste innecesario del actuador y puede incluso
saturarlo. Los sistemas dinámicos entre más rápido responden mayor ancho de banda
tienen; de la función de sensibilidad del ruido (4.8):
Gc T
Ss = = , (5.50)
1 + GH Gp
una alta velocidad de respuesta en red cerrada con relación a la de red abierta incrementa
la relación T /Gp , teniéndose componentes de ruido indeseables en la señal de control. Por
lo tanto, para evitar la amplificación del ruido existe un lı́mite máximo en la
velocidad de respuesta (ancho de banda) del sistema en red cerrada.
Como:
Gc
Ss = = SGc (5.51)
1 + GH
a alta frecuencia la función de sensibilidad S tiende a 1, luego el comportamiento de la
sensibilidad al ruido Ss lo define las caracterı́sticas de alta frecuencia del controlador; por
lo tanto, se requiere un buen filtrado del controlador en alta frecuencia.
Ejemplo 5.9
En el proceso de producción del azúcar descrito en el ejemplo 1.13, los molinos separan el
jugo de la fibra de la caña; el bagazo se alimenta al molino a través de una tolva, a la cual se
le controla su altura para evitar derrames del bagazo. La altura del bagazo en la tolva se mide
con una serie de sensores capacitivos de proximidad espaciados uniformemente a lo largo de la
tolva y cuya salida se suma electrónicamente para generar el valor medido de altura, el cual es
una función continua cuantizada en amplitud, como se observa en la figura 5.35 Rosero [2006].
El controlador reacciona a los saltos de la señal medida generando acciones fuertes de con-
trol y oscilaciones en el sistema. La figura 5.36 muestra la simulación de un molino con un
accionamiento eléctrico utilizando un filtro estándar de primer orden usado en esta industria y
un filtro de media móvil con función de transferencia discreta:
N −1
1 X −i
H(z) = z (5.52)
N i=0
propuesto en Rosero [2006]. El molino tiene 5 sensores capacitivos por lo que la resolución es
de solo 20 %.
Se observa que el filtro de media móvil de orden 5, mejora el desempeño del molino compara-
do con un filtro de primer orden, disminuyendo las oscilaciones de torque mm , mmed , corriente
I, velocidad ω y altura h, suavizando la operación del molino. △
5.8.2. Actuadores
Entre los aspectos considerados para la selección de los actuadores, ver la sección 1.4.3.2,
los principales impactos en el desempeño del sistema de control son:
La disipación de potencia genera cambios lentos en parámetros como la resistencia en los
T
motores; esto corresponde a la sensibilidad SG , la cual se puede eliminar en baja frecuencia
con acción integral en el controlador. Por supuesto que exceder los lı́mites máximos de
disipación de potencia lleva al disparo por protección del actuador y a la parada del
sistema.
Lı́mites máximos de la variable manipulada, incluyendo estados del actuador. En la sección
4.3 se analizó cómo sistemas de control con alta ganancia y respuesta rápida pueden
saturar el actuador. También algunos actuadores tienen lı́mites en la rata de cambio de la
variable manipulada, estos lı́mites también se alcanzan con velocidades de respuesta muy
altas en red cerrada con relación a la del proceso y su impacto se puede analizar igualmente
Ejemplo 5.10
La figura 5.37 muestra un modelo para un servomecanismo hidráulico como el mostrado en
la figura 1.12.
0.5
0.4
0.3
x(t) 0.2
0.1
0
0 2 4 6 8 10
1.5
1
u(t)
0.5
0
0 2 4 6 8 10
t(s)
Figura 5.39: Respuestas del servomecanismo con control PI, sin saturación de velocidad y con
banda muerta.
5.8.3. Incertidumbre
Se analizó en la sección 5.6 cómo cambian las diferentes funciones de sensibilidad con la
incertidumbre del modelado. El modelo es bueno en baja frecuencia pero su error aumenta
con la frecuencia donde cobran importancia las dinámicas despreciadas, esto exige limitar la
velocidad de respuesta del sistema realimentado por lo que para un desempeño robusto se
debe tener un lı́mite superior en la velocidad de respuesta (ancho de banda) del
sistema realimentado.
5.8.4. Disturbios
En (4.16) la salida debida a los disturbios de entrada y salida es:
0.8
0.6
x(t)
0.4
0.2
0
0 10 20 30 40 50
10
5
u(t)
−5
0 10 20 30 40 50
t(s)
Figura 5.40: Respuestas del servomecanismo con control PI, con saturación de velocidad y banda
muerta.
0.41
0.4
x(t)
0.39
0.38
0.37
30 35 40 45 50
0.5
0.45
u(t)
0.4
0.35
0.3
30 35 40 45 50
t(s)
Figura 5.41: Respuestas en estado estable del servomecanismo con control PI, saturación de
velocidad, banda muerta y huelgo.
Las perturbaciones son tı́picamente constantes, de transitorios lentos o periódicas de baja fre-
cuencia; como el proceso Gp es dado, se debe mantener S pequeña en las frecuencias de los
disturbios. Como son ceros de S los polos del controlador (ver (5.56)), éstos se pueden escoger
para eliminar los disturbios en ciertas frecuencias, como fue el caso analizado en el capı́tulo 4
y en el análisis de la respuesta permanente con el uso de la integración en el controlador para
eliminar los errores estacionarios.
De: T + S = 1 con S muy pequeño, T ≈ 1, lo que equivale a tener una velocidad mı́nima
de respuesta (ancho de banda mı́nimo) del sistema en red cerrada, para un rechazo
efectivo de los disturbios.
5.8.5. Estructurales
Se observó en secciones anteriores cómo los sistemas de primer y segundo orden presentan
subpaso con un cero de fase no mı́nima; existen restricciones de carácter estructural al modelo
del sistema que no pueden evitarse en el desempeño del sistema de control.
5.8.5.1. Retardos
En la sección 2.3.6 se observó como el transporte de la cantidad elemental del sistema lleva
a retardos de tiempo muerto. La figura 5.42 muestra a un sistema con un disturbio y un retardo
a la salida.
El efecto del disturbio en la salida solo se observa después del retardo, lo que retraza la
respuesta del controlador para eyectarlo. La dinámica entre la salida y el disturbio es:
CD (s) e−sT 1
= −sT
= sT . (5.54)
D(s) 1 + Gc (s)Gp (s)e e + Gc (s)Gp (s)
En alta frecuencia, esta función de transferencia es dominada por la exponencial del denomi-
nador, luego el retardo se mantiene independientemente del controlador que se utilice, por lo
que los retardos limitan la capacidad de rechazo de los disturbios.
Con errores grandes del tiempo muerto, la magnitud del error multiplicativo (2.73) se in-
crementa al valor de uno en bajas frecuencias afectando la robustéz del desempeño del sistema
(5.42).
Para la estructura de control serie de la figura 5.42 entre más rápido se busque controlar al
sistema en red cerrada, más importante será el efecto inamovible del retardo, lo que impone un
lı́mite superior en la velocidad de respuesta.
5.8.5.2. Algebraicas
Se considera la definición de polos y ceros del ı́tem 5.5.1 para un sistema realimentado
unitario H = 1; las funciones de sensibilidad definidas en la sección 4.2.2, cumplen las siguientes
restricciones algebraicas:
Nc N p
T = , (5.55)
D
tiene como ceros a los ceros del controlador Nc y los del proceso Np .
La función de sensibilidad del sistema S que relaciona la salida con el disturbio de salida:
Dc Dp
S= , (5.56)
D
tiene como ceros a los polos del controlador Dc y del proceso Dp .
S(zT ) = 1 (5.57)
T (zS ) = 1 (5.58)
5.8.5.3. Integradores
El uso de la acción integral en el control es muy frecuente para eliminar los errores esta-
cionarios de seguimiento, variaciones parétricas o disturbios; la integración sin embargo crea
compromisos en la respuesta temporal de los sistemas realimentados.
Sobrepaso y error permanente. En el análisis del error permanente 5.4.3 se definieron las
condiciones para las cuales el error permanente es nulo y la integral asintótica del error, para el
esquema de control serie de la figura 4.2. Con esta integral nula, el área del error por debajo y por
encima de cero debe ser nula, lo que implica que el error cambia de signo y por lo tanto la salida
supera la referencia durante el transitorio; si la entrada es un escalón el sobrepaso es inevitable.
Se debe por lo tanto respetar estas restricciones y definir coherentemente los requerimientos en
integración en el controlador para eliminar errores estacionarios y la respuesta transitoria.
Polos lentos e inestables del proceso. Los integradores imponen restricciones en la veloci-
dad de respuesta de los sistemas realimentados. Sea un sistema de control diseñado con polos
estables en red cerrada a la izquierda de −α < 0, al menos un integrador en el controlador y
con un polo del proceso en s = p, con parte real a la derecha de los polos de red cerrada (puede
ser lento o inestable). Para un escalón positivo unitario de entrada (o disturbio negativo de
salida), la transformada de Laplace del error es:
Z ∞
E(s) = e−st e(t)dt = S(s)1/s; (5.61)
0
esto indica que el producto e−pt e(t) decrece aún si p es estable p < 0. En la integral (5.62) la
exponencial es siempre positiva por lo que el error debe cambiar de signo y habrá sobrepaso.
Luego, un sistema realimentado con acción integral en el controlador para una planta
estable y con velocidad de respuesta en red cerrada mayor que un polo de red
abierta, tendrá sobrepaso.
El sobrepaso se puede evitar cancelando el polo lento del proceso con un cero en el con-
trolador; para el proceso Gp (s) = G(s)/(s + p) el controlador se diseña Gc (s) = C(s)(s + p),
ası́:
Gc (s)Gp (s) C(s)G(s)
T (s) = =
1 + Gc (s)Gp (s) 1 + C(s)G(s)
y la parte del controlador C(s) se diseña para controlar el proceso G(s) sin el modo lento. Sin
embargo, la función de transferencia entre la salida y el disturbio de entrada es:
Gp (s) G(s)
Se (s) = = ,
1 + Gc (s)Gp (s) (s + p) 1 + G(s)C(s)
el modo lento aún aparece en la respuesta al disturbio de entrada, lo que la hará inapropiada-
mente muy lenta. Este polo aparece como un cero lento en la función de transferencia entre
la señal de control y la referencia Ss por lo que se puede saturar el actuador. Los sobrepasos
a escalones en la referencia debidos a ceros lentos en el controlador o el proceso, si se pueden
evitar cancelándolos con filtros en la señal de referencia en un esquema de control con dos
grados de libertad; en este caso no se compromete el desempeño ante disturbios.
Si el polo es inestable y mucho más rápido que los polos de red cerrada, entonces la exponen-
cial que acota al error en (5.62) decae mucho más rápido que el error por lo que se requerirán
valores grandes negativos del error para que la integral sea nula; esto implica elevados sobrepa-
sos en la salida, por lo que para evitar grandes sobrepasos se debe ajustar la dinámica
de red cerrada mayor que la del polo inestable más rápido.
Ejemplo 5.11
s+4
Se considera el proceso Gp (s) = s+p con el controlador Gc = k(s+z c)
s(s+pc ) , el cual se diseña para
obtener una dinámica de red cerrada con tres polos repetidos en s = −2. La tabla muestra los
parámetros del controlador para diferentes valores del polo del proceso p.
p k zc pc
1 1.66 1.2 3.33
0.5 2.07 0.96 3.43
-1 3.4 0.59 3.60
-3 5.29 0.38 3.71
Se observa que el polo del controlador no varı́a mucho, pero si aumenta la ganancia y el
cero disminuye, volviéndose cada vez más lento, lo que para los mismos polos de red cerrada,
aumenta el sobrepaso, como se muestra en la figura 5.43. El polo lento del proceso induce en el
diseño el cero lento del controlador, para obtener la dinámica deseada de red cerrada. △
1.8
1.6 p=−3
1.4
1.2 p=−1
C(t)
0.8
p=0.5
0.6
0.4
p=1
0.2
0
0 1 2 3 4 5 6 7
Tiempo (sec)
con un error de transitorio rápido a cero, esto obliga a tener picos positivos elevados de error
(grandes subpasos), para obtener el valor elevado positivo 1/z de la integral. Por lo anterior,
para evitar grandes subpasos, la velocidad de red cerrada debe ser menor que la
del cero de fase no mı́nima más lento.
Si el escalón es de un disturbio de entrada, un razonamiento similar lleva a:
Z ∞
e−zt e(t)dt = 0, (5.64)
0
por lo que sistemas en red cerrada más rápidos que algún cero de red abierta (lento
o de fase no mı́nima) tendrán sobrepaso en la respuesta a escalones en el disturbio
de entrada.
Ejemplo 5.12
s+z
Se considera el proceso Gp (s) = s+2 y se desean polos repetidos con la misma velocidad
k(s+2)
en red cerrada en s = −2; para ello se diseña el controlador Gc = s(s+p c)
, como lo muestra la
tabla para diferentes valores del cero del proceso z.
La figura 5.44 muestra las respuestas al escalón para los diferentes valores del cero; para el
cero rápido en s = −10, la respuesta es sobreamortiguada con amortiguamiento ρ = 1 y sin
sobrepaso; con el cero lento en s = −1, aparece sobrepaso de acuerdo con (5.63). Con los ceros
en el semiplano derecho, aparece un elevado subpaso pues la velocidad de red cerrada es mayor
que la de los ceros de fase no mı́nima. △
z k pc
10 0.4 3.6
1 4 0
-1 -4 8
-.5 -8 12
1.5
z=1
1
0.5 z=10
c(t)
0 z=−1
−0.5 z=−0.5
−1
−1.5
0 1 2 3 4 5 6
Tiempo (sec)
e(k) a(k)
Gc (z)
E(z) A(z)
señales de tiempo continuo, la distancia del cilindro al objetivo para la lúdica 3.1; para el
z = esT . (5.65)
El análisis de la respuesta temporal para los sistemas discretos se puede por lo tanto inferir
del comportamiento del sistema continuo correspondiente en el plano S.
En lo que sigue se presentará un análisis similar al dado en 5.4 para la respuesta permanente;
luego se estudiará la correlación entre los planos S y Z para inferir el comportamiento de la
respuesta transitoria discreta a partir de lo estudiado en la sección anterior.
actuante es: e(t) = r(t) − b(t); se define el error de estado estable en los instantes de muestreo
e∗ss :
e∗ss = lı́m e∗ (t) = lı́m e(kT ).
t→∞ k→∞
C(z) G(z)
= ,
R(z) 1 + GH(z)
n o n o
G (s) G (s)H(s)
donde: G(z) = (1 − z −1 )Z ps D(z) y GH(z) = (1 − z −1 )Z p s D(z), por lo que la
transformada Z del error es:
R(z)
E(z) = ;
1 + GH(z)
reeemplazando E(z) en (5.66) se tiene:
" #
R(z)
e∗ss = lı́m (1 − z −1 ) . (5.67)
z→1 1 + GH(z)
De manera similar a lo obtenido para el caso continuo, ver ecuación (5.1) para la referencia
R(s), el error depende de las integraciones en la entrada R y en GH; la integración en el plano
S es un polo en s = 0 el cual corresponde en (5.65) a un polo en el plano Z en z = 1. Las
señales de prueba discretas tı́picas para evaluar el comportamiento del error permanante de los
sistemas discretos son la contraparte de las utilizadas en tiempo continuo, el escalón, la rampa
y la parábola, ver la tabla 3.3.1.
P
Para una entrada escalón: R(z) = 1−z −1 el error es:
" #
∗ P P
essp = lı́m = ,
z→1 1 + GH(z) 1 + KP∗
el cual se define como el error permanente discreto de posición, donde:
KP∗ = lı́m GH(z)
z→1
T V z −1
Para una entrada rampa R(z) = , el error es
(1 − z −1 )2
! !
T V z −1 TV
e∗ssv = lı́m = lı́m ,
z→1 (1 + GH(z))(1 − z −1 ) z→1 GH(z)(1 − z −1 )
V
e∗ssv = ,
KV∗
el cual se define como el error permanente discreto de velocidad, donde
GH(z)(1 − z −1 )
KV∗ = lı́m
z→1 T
es la constante de error de velocidad.
AT 2 (1 + z −1 )z −1
Similarmente para una entrada aceleración: R(z) = ,
2(1 − z −1 )3
A
e∗ssa = ∗
KA
es el error permanente discreto de aceleración, donde
∗ (1 − z −1 )2 GH(z)
KA =
T2
es la contante de error de aceleración.
Se observa que las expresiones del error permanente discreto e∗ss y de las constantes de error
∗
K tienen la misma forma del caso continuo; sinembargo, para entradas variantes las constantes
de error KV∗ y KA ∗
dependen del perı́odo de muestreo.
Recuérdese que la función de transferencia de pulsos para elementos en cascada depende de
la ubicación de los muestreadores, por lo que el cálculo de la función de transferencia discreta de
red abierta GH(z) debe realizarse con un análisis similar al hecho en el ı́tem 3.4.3. El siguiente
ejemplo ilustra este aspecto.
Ejemplo 5.13
Para el sistema:
R(s) + C(s)
G1 (z) G2 (z)
T T
−
B(s)
H(s)
Las constantes de error son:
Los sistemas de control digitales también se clasifican como de tipo N-ésimo de acuerdo al
número de polos en z = 1 (integraciones ) de la función de transferencia de pulsos de lazo abierto.
Las conclusiones derivadas en el análisis estacionario para los sistemas continuos en términos de
la entrada, el tipo de sistema, el error permanente, la integral (sumatoria en discreto) asintótica
del error y el error debido a disturbios de entrada, aplican también para el caso de los sistemas
de control digitales.
jω Plano Z
e(k) Plano S
1
σ
kT
5.11.1.3. Exponencial
z
Para la señal exponencial discreta: e(k) = rk µ(k), E(z) = z−r , su contraparte continua
−t/τ 1
e(t) = e µ(t) tiene transformada de Laplace E(s) = s+1/τ , ver la figura 5.48. Se observa
Plano S jω Plano Z
e(k) r>1
1 σ
− τ1
0<r<1
kT
τ = T /ln(1/r). (5.68)
Plano S jω Plano Z
θ
e(k) T r
1
N =8 σ θ
− T1 lnr θ = 45◦
r = 0.6
kT
Ejemplo 5.14
Sea la señal análoga x(t) = cosωo t = cos 2π
To , donde To es el perı́odo de la señal.
Si se muestrea cada T segundos: x(kT ) = cos 2π T
To kT , por lo que la frecuencia digital es θ = 2π To .
To ωs
Como N = 2π θ = T = ωo , entonces la frecuencia de muestreo debe ser un múltiplo entero mayor
a uno de la frecuencia de la señal análoga, para que ambas señales tengan la misma periodicidad.
Si ωs /ωo es un número irracional, la señal discreta es aperiódica.
Si la señal análoga tiene una frecuencia de60 Hz y se muestrea con T = 1ms, se genera una
1/60 50
señal discreta con N ′ = 10 −3 = 3 muestreos por ciclo de la oscilación análoga; la señal discreta
2π
x(k) = cos 50/3 k se repite al cabo de N = 50 muestreos, esto es luego de los tres perı́odos de la
señal análoga.
La señal análoga x(t) = cos100t, muestreada con T = 1 ms, da N ′ = 2π/100 10−3 = 20π, lo que
corresponde a un número irracional de muestreos por ciclo, es decir, es aperiódica. △
PLANO S PLANO Z
Cı́rculo j
jω Unitario
jπ/T e±jπ
−1 1
σ
σ
−jπ/T −j
j 0<r<1
jω
Eje Real
Eje Real positivo σ > 0 r>1
z=r
negativo S = σ < 0 σ z=e σ 1
Cı́rculos de
Lugar de atenuación radio r
jω r2 = eσs T
constante z = ejθ
S = σ + jω, σ : cte. r = eσT
r1 = eσ1 T
σ
σ1 σ2
j
Lugar de jω jω2
frecuencia cte.
s = σ + jω jπ/T jω1
ω =cte 1
jω1
jω2 jπ/T
luego polos o ceros en el plano S con frecuencias que difieren en un múltiplo entero de la
frecuencia de muestreo 2π/T , se trasladan a la misma posición en el plano Z; esto genera en el
plano S una banda primaria (ver la figura 5.51) y unas bandas complementarias con imágenes
iguales en el plano Z, como lo ilustra la figura 5.52.
PLANO S PLANO Z
Jω J
3 2
Jπ/T
1
1 2 3
σ 5 4
−Jπ/T
4 5
Jω
B.C
J5π/T J
B.C
Banda J3π/T
Complementaria Jπ/T
Banda
Primaria σ
−Jπ/T 1
B.C
−J3π/T
B.C
−J5π/T
B.C
PLANO S PLANO Z
| ln r|
ρ= p , (5.71)
θ2 + ln2 r
y la frecuencia natural: p
θ2 + ln2 r
ωn = . (5.72)
T
Una señal oscilatoria amortiguada análoga, muestreada a diferentes frecuencias tendrá los
polos en el plano Z sobre la espiral.
Ejemplo 5.15
Señal análoga con ρ = 0.3, muestreada con ωs1 = ωd , ωs2 = 2ωd y ωs3 = 4ωd , tendrá polos
en el plano Z en: zi = ri ejθi con: r1 = 0.27, θ1 = 2π = 0◦ ; r2 = 0.37, θ2 = π ; r3 = 0.6, θ3 =
π
2. △
De forma similar al trazo de los lugares a amortiguamiento constante se pueden obtener los
lugares de frecuencia natural ωn constante; en el plano S las curvas de amortiguamiento cons-
tante (rectas por el origen) y de frecuencia natural constante (circunferencias) son ortogonales
(sus intersecciones son en ángulos rectos); la transformación z = esT mantiene también esta
propiedad en el plano Z, ver la figura 5.54.
El gráfico obtenido para las curvas de ρ constante y ωn constante en el plano Z se dispone
como un ábaco (ver figura 5.55) que permite en el análisis de los sistemas discretos, correlacionar
directamente la posición de los polos en Z con el amortiguamiento y la frecuencia natural en
S.
Lugar de ωn cte Jω
ωn = 0.4 ω2s ωn = 0.4 ω2s
ρ =variable
ωn = 0.1 ω2s ωn = 0.2 ω2s
ωs
σ ωn = 2
Root Locus
1
0.5π/T
0.6π/T 0.4π/T
ρ
ωn
0.8 0.7π/T 0.1 0.3π/T
0.2
0.3
0.6
0.8π/T 0.2π/T
0.4
0.5
0.4 0.6
0.7
0.9π/T 0.1π/T
0.8
0.2
0.9
Imaginary Axis
π/T
0
π/T
−0.2
0.9π/T 0.1π/T
−0.4
0.8π/T 0.2π/T
−0.6
0.6π/T 0.4π/T
0.5π/T
−1
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
Real Axis
0.8
c(k), r = 0.6
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
2
c(k), r = − 0.6
1.5
0.5
0
0 1 2 3 4 5 6 7 8 9 10
k
Figura 5.56: Respuesta al escalón de un sistema de primer orden; arriba r = 0.6; abajo r =
−0.6.
Ejemplo 5.17
Se considera el sistema de segundo orden del ejemplo anterior con r = 0.834, θ = 18◦ con
un cero en z = a:
k(z − a)
G(z) = 2
z − 1.58z + 0.7
con k tal que G(1) = 1.
En la figura 5.58 se muestran las diferentes respuestas para varias localizaciones del cero; se
observa de nuevo un aumento del sobrepaso; la figura 5.59 muestra el sobrenivel porcentual S.P
versus la posición del cero a, para distintos valores de los polos (θ = 18, 45, 72◦ , con ρ = 0.5
y ρ = 0.707). El efecto del cero es muy pequeño cuando está en el eje real negativo y fuerte
cuando se acerca a z = 1. △
1.2
1.1
0.9
0.8
0.7
c(k)
0.6
0.5
0.4
0.3
0.2
0.1
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40
k
1.5 a=−0.8
1
c(k)
0.5 a=inf
a=1
0
−0.5 a=−1.2
−1
0 5 10 15 20
k
Figura 5.59: Respuesta al escalón, sistema de segundo orden con cero. S.P vs. a, para ρ = 0.5
y ρ = 0.7.
Ejemplo 5.18
Sea el sistema de tiempo discreto de segundo orden analizado en los ejemplos anteriores,
con un polo real en z = p:
k
G(z) =
(z − p)(z 2 − 1.58z + 0.7)
b0 z n + b1 z n−1 + . . . + bm z n−m
G(z) = = = b0 + b1 z −1 + . . . + bm z −m . (5.74)
zn
1.4
p=1
1.2
0.8
p=0.7
c(k)
orden 2
0.6
0.4
p=0.9
0.2
0
0 5 10 15 20 25 30 35 40
k
Figura 5.60: Respuesta al escalón, sistema de segundo orden con polo. tr vs. p
ρ = 0.5
100
tr (escala logarı́tmica)
# de muetreos a 0.95
50 72o
45o
30 18o
20
10
5
3
2
Figura 5.61: Respuesta al escalón, sistema de segundo orden con polo. tr vs. p
De la propiedad (3.9), la respuesta al pulso δ(k) de (5.74) tiene un transitorio solo hasta k = m;
en una respuesta al escalón, la salida tiende al valor final estacionario en un número finito de
Ejemplo 5.19
La figura 5.62 muestra la respuesta al escalón para el sistema de tiempo discreto descrito
por la función de transferencia:
1.4
1.2
0.8
c(k)
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
k
El filtro de media móvil descrito por (5.52) es también un ejemplo de este tipo de sistemas.
N (z)
G(z) = = g(0)z 0 +g(T )z −1 +g(2T )z −2 +... . . .+g(nT )z −n +...
z n + a1 z n−1 + a2 z n−2 + . . . + an
(5.75)
de donde despejando el polinomio del numerador:
N (z) = g(0)z 0 + g(T )z −1 + g(2T )z −2 + ... z n + a1 z n−1 + a2 z n−2 + . . . , (5.76)
se observa que con g(0) = 0, el orden del numerador N (z) de la función de transferencia de pulsos
G(z) es (n − 1). Excepción a lo anterior son los sistemas que eliminen los términos siguientes
en el primer factor de 5.76, como sistemas con tiempos muertos o respuesta transitoria inversa
por ceros de fase no mı́nima.
Polos y ceros de G(s). Los polos y ceros de G(s) se trasladan a G(z) a través de muestrear
la respuesta de G(s) al pulso continuo unitario de duración T ; el transitorio de tiempo continuo
de esta respuesta lo definen los polos de G(s), por lo que al discretizarla, los n polos de G(s)
a través de la transformación z = esT son los polos de G(z). Los m ceros de G(s) se trasladan
de manera diferente afectados por la retención de orden cero y el muestreo; si el perı́odo de
muestreo es muy pequeño, el pulso aplicado a G(s) tiende a comportanse como un impulso, por
lo que al muestrear la señal continua, los ceros en si de la función de transferencia continua,
son los ceros zi de la función de transferencia de pulsos ubicados en:
zi ≈ esi T . (5.77)
El siguiente ejemplo ilustra la transformación de los polos y ceros del sistema continuo a la
función de transferencia de pulsos.
Ejemplo 5.20
La tabla 3.7 da la función de transferencia de pulsos para la función de transferencia continua
s+c
G(s) = (s+a)(s+b) ; efectivamente los polos se trasladan al plano z a través de z = esT , mientras
que el cero depende de los valores de a, b, c y T .
12(s−0.5)
Sea la función de transferencia continua: G(s) = (s+2)(s+3) (a = 2, b = 3, c = −0.5), con un
cero de fase no mı́nima; el cero en z = z1 de G(z) en función del perı́odo de muestreo se ubica
en:
14e−2T − 15e−3T + e−5T
z1 = − .
1 − 15e−2T + 14e−3T
La figura 5.63 muestra la variación de la ubicación del cero z1 en función del perı́odo de
muestreo T .
1
Cero z1
−1
−2
−3
0 0.5 1 1.5 2
Paríodo de muestreo T
12(s−0.5)
Figura 5.63: Cero de la función de transferencia de pulsos G(z) para G(s) = (s+2)(s+3) , en
función del perı́odo de muestreo.
0.5
T=1.2
0
c(kT)
−0.5
T=0.5
−1
−1.5
0 1 2 3 4 5 6
Tiempo (sec)
Figura 5.64:
n Respuesta
o al escalón para la función de transferencia de pulsos:
12(s−0,5)
G(z) = Z s(s+2)(s+3) 1 − z −1 , para diferentes perı́odos de muestreo.
0.8
c(kT)
0.6
T=1.5
0.4
0.2
T=2
0
0 1 2 3 4 5 6
Tiempo (sec)
Figura 5.65:
n Respuesta
o al escalón para la función de transferencia de pulsos:
12(s−0,5)
G(z) = Z s(s+2)(s+3) 1 − z −1 , para diferentes perı́odos de muestreo.
(−1)(g−1) d(g−1) h z i
G(z) = lı́m .
a→0 (g − 1)! da(g−1) z − e−aT
Desarrollando esta expresión para diversos grados relativos (g) de G(s), se obtienen explı́sita-
mente los polinomios Nm (z) del numerador que definen los ceros de muestreo para la función
de transferencia de pulsos G(z) de (5.78):
n 1 o
G(z) = Z g+1 1 − z −1 , (5.79)
s )
ver la tabla 5.2. Nótese que los ceros son negativos, con poco efecto en la respuesta transitoria;
hay ceros de fase no mı́nima, por lo que sistemas de fase mı́nima de tiempo continuo, pueden
tener ceros de fase no mı́nima en su función de transferencia de pulsos.
Tabla 5.2: Polinomios del numerador y ceros de la función de trasferencia de pulsos (5.79).
g Nm (z) Ceros
1 1 –
2 z+1 -1
3 z 2 + 4z + 1 -3.73,-0.27
4 z + 11z 2 + 11z + 1
3
-9.9,-1,-0.1
5 z + 26z 3 + 66z 2 + 26z + 1
4
-23.2, -2.32, -0.43, -0.04
Ejemplo 5.21
6
Sea la función de transferencia continua G(s) = (s+2)(s+3) ; de la tabla 3.7, el cero en z = z1
de G(z) en función del perı́odo de muestreo se ubica en:
−0.1
−0.2
−0.3
−0.4
Cero z1
−0.5
−0.6
−0.7
−0.8
−0.9
−1
0 0.5 1 1.5 2 2.5 3 3.5 4
Período de muestreo T
6
Figura 5.66: Cero de la función de transferencia de pulsos G(z) para G(s) = (s+2)(s+3) , en
función del perı́odo de muestreo.
La figura 5.66 muestra la variación de la ubicación del cero z1 en función del perı́odo de muestreo
T . Como el grado relativo es g = n − m = 2, con T pequeño el cero tiende a −1, según la tabla
5.2. Cuando el perı́odo de muestreo aumenta, el cero tiende al valor de cero. Para un muestreo
adecuado de la dinámica más rápida (polo en s = −3) de (5.68) con r = 0.6, el perı́odo de
muestreo es T ≈ 0.2; con T pequeño el cero se puede aproximar a z1 ≈ −1 + 3T /2. La figura
5.67 muestra las respuestas al escalón de G(z) para diferentes perı́odos de muestreo. △
Ceros por retardo fraccional. En la sección 3.4.4 se analizó la discretización con retenedor
de orden cero de sistemas continuos con tiempos muertos que generan retardos fraccionales; si
se comparan las funciones de transferencia de la tabla 3.8 con sus contrapartes en la tabla 3.7
se observa que el muestreo del retardo fraccional genera un cero adicional de muestreo; ası́, para
un sistema de tiempo continuo con n polos y m < n ceros y un retardo fraccional, la función
de transferencia de pulsos tendrá n polos y n ceros, con g = n − m ceros de muestreo en G(z).
Con el muestreo rápido el comportamiento de los ceros de muestreo tienden a los ceros de la
función de transferencia de pulsos para la función de transferencia continua:
e−Tm s
G(s) = . (5.80)
sg
De la tabla de transformadas Zm 3.5, la transformada Z para G(s) = e−Tm s /sg , es:
(−1)g dg h e−amT i
G(z) = lı́m .
a→0 g! dag z − e−aT
Desarrollando esta expresión para diversos grados relativos (g) de G(s), se obtienen explı́sita-
mente los polinomios Nm (z) del numerador que definen los ceros de muestreo para la función
0.8
c(kT)
0.6
0.4
T=1
0.2 T=0.5
T=0.1
0
0 1 2 3 4 5 6
Tiempo (sec)
Figura 5.67:
n Respuesta
o al escalón para la función de transferencia de pulsos:
6
G(z) = Z s(s+2)(s+3) 1 − z −1 , para diferentes perı́odos de muestreo.
Tabla 5.3: Polinomios del numerador y ceros de la función de trasferencia de pulsos (5.81).
Ejemplo 5.22
Para el sistema de primer orden con tiempo muerto de la tabla 3.8, la figura 5.68 muestra
la ubicación del cero z = z1 :
e−T /τ − e−mT /τ
z1 = ,
1 − e−mT /τ
en función de e−T /τ , para distintos valores de m < 0.5 que corresponden a retardos fraccionales
mayores a T /2; los ceros están en la parte real negativa del plano Z, se observa que si el muestreo
es rápido T ≪ τ los ceros son de fase no mı́nima; con e−T /τ → 1, los ceros tienden según la
tabla 5.3 al valor z1 = 1 − 1/m.
0
m=0.5
−1
m=0.4
−2
m=0.3
−3
−4
1
Cero z
m=0.2
−5
−6 m=0.1
−7
−8
−9
0 0.2 0.4 0.6 0.8 1
−(T/τ )
e
e−Tm s
Figura 5.68: Cero de la función de transferencia de pulsos para sistemas de primer orden τ s+1
con retardos fraccionales m = 1 − Tm /T , en función de e−T /τ .
La figura 5.69 muestra las respuestas al escalón para un sistema con τ = 1, T = 1 y tiempos
muertos de Tm =0.1, 0.5 y 0.9s. La variación del cero ajusta la respuesta transitoria para que
corresponda al muestreo de la respuesta continua de primer orden retrazada con cada retardo
fraccional. △
0.9
0.8
0.7
0.6 m=0.9
c(t)
0.5
0.4 m=0.5
0.3
0.2
0.1 m=0.1
0
0 1 2 3 4 5 6
Tiempo (s)
Ejemplo 5.23
Sea el sistema de tiempo continuo:
4π 2
G(s) = .
(s + 1)(s2 + 0.05πs + 4π 2 )
Los modos oscilatorios del sistema tienen muy poco amortiguamiento y una frecuencia de la
oscilación amortiguada de aproximadamente la frecuencia natural de 2π, esto es un perı́odo de
oscilación de un segundo. La figura 5.70 muestra la respuesta al escalón del sistema de tiempo
continuo, sus valores muestreados con T = 1s y señales muestreadas con diferentes retardos,
calculadas con (5.82). Las señales muestreadas no muestran la oscilación del sistema pues la
frecuencia de muestreo es igual a la de la señal continua, pero cambian de magnitud para los
valores entre muestreos, lo que indica la presencia de la oscilación oculta. La figura 5.71 muestra
la respuesta del sistema con un muestreo de T = 0.9s; se observa la oscilación con la frecuencia
alias de ω0 = 2π − 2.22π = 0.22π, para un perı́odo de oscilación de 9s. △
c(k−3T/4)
c(k−T/4)
0.8
c(t)
c(t), c(k)
0.6 c(k)
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Tiempo (sec)
Figura 5.70: Respuestas al escalón para un sistema con oscilación oculta, T = 1s.
Otra fuente de oscilaciones ocultas son las causadas por la oscilación de la señal de control;
esto se da cuando existen polos oscilatorios en el controlador, como ocurre si se cancelan ceros
de muestreo del proceso con polos en el controlador; note de la función de sensibilidad de salida:
A(z)
Ss = R(z) = 1+GcG c (z)
(z)Gp H(z) que los polos del controlador lo son de esta función, por lo que un
modo oscilatorio en el controlador generará oscilaciones en la señal de control. Si la estrategia de
0.8
c(t), c(k)
0.6
0.4
0.2
0
0 2 4 6 8 10 12 14 16 18 20
Tiempo (sec)
Figura 5.71: Respuestas al escalón para un sistema con oscilación oculta, T = 0.9s.
Ejemplo 5.24
Sea el sistema de tiempo continuo doble integrador: G(s) = s12 ; de la tabla 3.7 su función de
z+1 4z−2
transferencia de pulsos para T = 1s es: G(z) = 2(z−1) 2 . El controlador Gc (z) = z+1 cancela el
En general no es conveniente cancelar ceros poco amortiguados, por las oscilaciones que se
generan en la señal de control; la figura 5.73 muestra la región de ubicación de los ceros que si
se pueden cancelar.
Es importante analizar vı́a simulación o con la transformada Zm modificada el compor-
tamiento del sistema entre muestreos para detectar oscilaciones ocultas; éstas no aparecerán si
se escoge apropiadamente el perı́odo de muestreo y se diseña el controlador sin polos oscilatorios.
c(t), c(k)
1
−1
0 1 2 3 4 5 6
15
10
5
a(k)
0
−5
−10
−15
0 1 2 3 4 5 6
Tiempo
Figura 5.72: Respuesta al escalón para un sistema con oscilación oculta generada en la señal de
control.
Región de
ceros cancelables
ρ cte
wn cte
se especifican las áreas deseadas en el plano Z de ubicación deseada para los polos complejos
dominantes del sistema, correspondientes a una especificación temporal de desempeño.
Plano Z
Tiempo de subida: área dentro del cı́rculo de radio unidad y la curva de ωn constante,
2.4
ωnmin ≥ trmax
de antiplegamiento, los convertidores análogo digital A/D, digital análogo D/A y el cálculo de
la ley de control en el procesador digital.
A(z) Gc (z)
Ss = = . (5.86)
R(z) 1 + Gc (z)Gp H(z)
por tener una curva plana de magnitud versus la frecuencia lo que no distorsiona las señales;
los filtros de Bessel se definen por:
n
X (2n − i)!
DB (0)
Gf (s) = ; DB (s) = n−i i!(n − i)!
si , (5.87)
DB (s/ω0 ) i=0
2
donde n es el orden del filtro y ω0 es su frecuencia de corte. Para n = 2, el filtro es:
3 √ √
Gf (s) = s2
; ω n = 3ω 0 , ρ = 3/2. (5.88)
ω02
+ 3 ωs0 + 3
En baja frecuencia el filtro de Bessel tiene una caracterı́stica de desfase lineal con la fre-
cuencia por lo que se puede aproximar a un tiempo muerto el cual se adiciona a la dinámica del
proceso a controlar Gp (s); la tabla 5.4 presenta la aproximación de tiempo muerto para diversos
órdenes de este filtro. Esta propiedad del filtro permite simplificar el diseño del controlador,
reduciendo su orden, por ello se encuentran comúnmente en los sistemas de control digitales.
Tabla 5.4: Aproximación de tiempo muerto para filtros Bessel de diferente orden y con frecuencia
de corte ω0 .
Orden ω0 Tm
2 1.3
4 2.1
6 2.7
En el análisis de los sistemas de control digital a menudo debe tenerse en cuenta el efecto
del filtro de antiplegamiento, ello depende del tipo de filtro, la magnitud del ruido, su rango
de frecuencia, el ancho de banda del sistema controlado y la frecuencia de muestreo escogida.
Para una atenuación de 0.1 en la frecuencia de Nyquist ω2s , un filtro de Bessel de sexto orden
requiere una frecuencia de corte de ω0 = ω5s Aström and Wittenmark [1997]; para la práctica de
muestrear entre T = 0.2 0.6
ωB y T = ωB , donde ωB es el ancho de banda del sistema en red cerrada,
se tienen frecuencias de muestreo entre 10πω 3
B
y 10πωB . Por lo tanto la frecuencia de corte del
2πωB
filtro está entre ω0 = 3 y ω0 = 2πωB . Usando la aproximación de la tabla 5.4, el retardo
de fase del filtro en la frecuencia ω es: φ(ω) ≈ − 2.7
ω0 ω (ver ecuación (9.16); en la frecuencia de
ancho de banda del sistema, el filtro de antiplegamiento genera un retraso entre:
2.7 2.7 180 3 180
φ(ωB ) ≈ − ωB = − = 24.6o y − 2.7 = 73.9o
ω0 2π π 2π π
lo que muestra en este caso que es necesario tener en cuenta la dinámica del filtro en el modelo
del sistema, lo cual se puede realizar mediante la aproximación de tiempo muerto dada.
La salida del conversor D/A cambia en escalones cada perı́odo de muestreo; en sistemas con
modos oscilatorios de bajo amortiguamiento, los pequeños saltos pueden excitar estos modos;
en tal caso se pueden usar filtros análogos a la salida del conversor para suavizar la señal de
control antes de aplicarla al actuador.
Ejemplo 5.25
Se considera el sistema de control de la excitación del ejemplo 4.2 con el controlador PI
digital:
8(z − e−T )
Gc1 (z) = , (5.89)
z−1
equivalente discreto (sección 10.7) del utilizado en el ejemplo. Se busca el sistema realimentado
tres veces más rápido que en red abierta (ωB = 5/3). El perı́odo de muestreo es T = 0.2s
y se tiene una señal indeseada sinusoidal en la medida: 0.1sen4πt; para evitar su efecto en
el sistema de control, se agrega un filtro Bessel de segundo orden con frecuencia de corte
ω0 = 2πω3
B
= 0.4π:
4.74
Gf (s) = 2 .
s + 3.77s + 4.74
El sistema de control con el filtro y el controlador Gc1 (z) es inestable; se reajusta el controlador
a Gc2 (z) = 3.4(z − e−T /5 )/(z − 1). La figura 5.74 presenta la salida del voltaje en terminales
V T y la variable manipulada de la tensión de campo EF , para el sistema de control digital sin
el filtro de antiplegamiento y con él. Sin el filtro la salida del sistema presenta una oscilación
estacionaria inaceptable con valores pico a pico de ±0.015; con el filtro la respuesta del sistema
es aproximadamente 1.5s más lenta pero no hay la oscilación estacionaria; la respuesta del
sistema de control digital con el filtro de antiplegamiento se puede lograr más rápida con otro
tipo de controlador o usando un filtro de mayor orden. △
1.4
1.2 Con filtro
1
0.8 Sin filtro
VT
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
8
7
6
5 Sin filtro
4
EF
3 Con filtro
2
1
0
−1
0 1 2 3 4 5 6 7 8 9 10
Tiempo (s)
Figura 5.74: Respuestas al escalón para un sistema de control digital de la excitación, con y sin
filtro de antiplegamiento.
Dado que la cuantización es un fenómeno no lineal, no todos los sistemas de control digital
responderán como en el ejemplo anterior, por lo que el análisis debe realizarse caso por caso;
en la práctica se utilizan conversores D/A de alrededor 10 bits y A/D de 14 bits, por lo que los
efectos de la cuantización son despeciables es esos casos.
Los procesos de conversión A/D/A toman tiempo y generan retardos en órdenes de mi-
crosegundos a a milisegundos, en particular si el convertidor se usa multiplexado para varias
señales; en tal caso se generan tiempos muertos por la conversión, los cuales se adicionan a los
requeridos por la ejecución de la ley de control en el procesador digital.
1.02
1.01
VT
0.99
0.98
0 2 4 6 8 10 12 14 16 18 20
1.5
1.3
1.1
EF
0.9
0.7
0.5
0 2 4 6 8 10 12 14 16 18 20
Tiempo
Figura 5.75: Simulación del sistema de control digital de la excitación con conversor A/D de 6
bits.
1.02
1.01
VT
0.99
0.98
0 2 4 6 8 10 12 14 16 18 20
1.5
1.3
1.1
EF
0.9
0.7
0.5
0 2 4 6 8 10 12 14 16 18 20
Tiempo
Figura 5.76: Simulación del sistema de control digital de la excitación con conversor D/A de 6
bits.
Ejemplo 5.27
Hallar la ecuación caracterı́stica para el sistema:
ẋ1 = x2
ẋ2 = −2x1 − 3x2 + r
c= x2 .
Del sistema:
0 1
A= ,
-2 -3
1 0 0 1 s 0 0 1
sI − A = s − = − ,
0 1 -2 -3 0 s -2 -3
s -1
sI − A = ;
2 s+3
|sI − A| = s(s + 3) + 2 = s2 + 3s + 2.
donde φ es un vector n×1. Para una solución no trivial debe cumplirse: |λI −A| = 0, equivalente
a (5.92), luego los valores propios de A, λ1 , λ2 , · · · λn son solución de la ecuación caracterı́stica,
son por lo tanto los polos del sistema.
Las raı́ces de la ecuación caracterı́stica se denominan valores propios de la matriz A;
obsérvese que si el sistema se da en la forma canónica controlable (ver sección 2.7.3), los coefi-
cientes de la ecuación caracteristica: sn + a1 sn−1 + ... + an vienen dados en la última fila de la
matriz A.
Ejemplo 5.28
La matriz A del ejemplo anterior está en la forma canónica controlable; luego la última fila
son los coeficientes de la ecuación caracterı́stica: −a2 , −a1 ; le ecuación es: s2 + 3s + 2 = 0,
(s + 1)(s + 2) = 0; los valores propios de A son: λ1 = −1; λ2 = −2. △
ψi (λi I − A) = 0, i = 1, 2 · · · (5.95)
como el vector propio izquierdo asociado al valor propio λi . El vector propio ψi es de la forma:
Los vecores propios derecho e izquierdo de diferentes valores propios λi , λj son ortogonales:
ψj φi = 0. (5.96)
Para un mismo valor propio λi se cumple: ψi φi = ci , con ci una constante no nula; con un
adecuado escalamiento, los vectores propios se pueden normalizar de tal forma que:
ψi φi = 1. (5.97)
Ejemplo 5.29
El vector propio derecho para el sistema del ejemplo anterior, φ1 asociado al valor propio
λ1 = −1 se obtiene de:
(−I − A)φ1 = 0,
-1 0 0 1 φ11
− = 0,
0 -1 -2 -3 φ12
-1 -1 φ11
= 0,
2 2 φ12
)
−φ11 − φ12 = 0
φ11 = −φ12 ;
2φ11 + 2φ12 = 0
es una sola ecuación para dos incógnitas, por lo que existen infinitas soluciones; asumiendo
φ11 = 1, entonces φ12 = −1, ası́:
1
φ1 = .
−1
(−2I − A)φ2 = 0,
−2 −1 φ21
= 0,
2 1 φ22
)
−2φ21 − φ22 = 0
φ22 = −2φ21 ;
2φ21 + φ22 = 0
ψ11 = 2ψ12 ;
-2 -1
[ψ21 , ψ22 ] = 0,
2 1
ψ21 = ψ22 ;
ans =
-1
-2
>> [VD,L]=eig(A)%calcula la matriz VD de vectores propios derechos
VD =
0.7071 -0.4472
-0.7071 0.8944
L =
-1 0
0 -2
VI =
0.8944 0.7071
0.4472 0.7071
L =
-1 0
0 -2
Cada vector propio lo calcula normalizado para magnitud unitaria: kφk = kψk = 1.
De (5.94) se cumple:
Aφ1 = λ 1 φ1
Aφ2 = λ 2 φ2
..
.
Aφn = λn φn ,
ψφ = I,
luego la matriz de vectores propios izquierdos se puede calcular como la inversa de la matriz de
vectores propios derechos:
ψ = φ−1 .
Φ̇(t) = AΦ(t).
−1
X(s) = (s I − A) X(0).
Tomando la transformada inversa de Laplace:
−1
X(t) = L−1 (s I − A) X(0), t ≥ 0,
por lo tanto,
−1
Φ(t) = L−1 (s I − A) . (5.103)
De forma alterna, suponiendo una solución clásica de ecuaciones diferenciales en la forma
de un vector en series de potencia del tiempo:
X(t) = K0 + K1 t + K2 t2 + · · · Kj tj + · · · ; Ki(n×r)
de donde por analogı́a con la serie infinita de potencias de la función exponencial escalar, se
denomina:
X∞
Aj tj
Φ(t) = eAt = ( ) : Matriz exponencial de A.
j=1
j!
gobernando la respuesta debida a las condiciones iniciales del sistema, definiendo por completo
la transición del estado desde el instante inicial t = 0, a cualquier tiempo t, cuando las entradas
son nulas.
Nótese que Φ(t) solo depende de la matriz A; de (5.104) la evolución de cada estado es
en general una combinación lineal de modos asociados a todos los estados. Considerando la
transformación:
X = φZ (5.105)
el nuevo vector de estado Z tiene la representación:
Ẋ = AX = φŻ,
AφZ = φŻ,
Ż = φ−1 AφZ = ΛZ. (5.106)
Si los valores propios λ1 , λ2 , · · · λn son distintos entonces (5.106) corresponde a n ecuaciones
diferenciales desacopladas de primer orden:
z˙i = λi z, i = 1, 2, · · · , n
Si hay valores propios repetidos, Φ(t) contendrá; además de eλ1 t , eλ2 t · · · eλn t términos tales
como : teλi t , t2 eλi t .
La respuesta en las coordenadas originales es:
z1 (t)
z2 (t)
X(t) = φZ(t) = [φ1 , φ2 , · · · , φn ] . ;
..
zn (t)
Ejemplo 5.30
De (5.103) para la matriz
0 1
A=
-2 -3
la matriz de transición de estado es:
s −1 −1 1 s+3 1
sI − A = ; (sI − A) = 2 .
2 s+3 s + 3s + 2 −2 s
At −1
−1
2e−t − e−2t e−t − e−2t
e =L (s I − A) = .
−2e−t + 2e−2t −e−t + 2e−2t
Si el vector de condiciones iniciales es:
1
X(0) = φ1 = ,
−1
En general cualquiera que sea la fuente de excitación de un modo del sistema, por condiciones
iniciales o la entrada, con la transformación:
en Z(t) los modos están desacoplados, luego los vectores propios derechos muestran cómo se
ponderan los diferentes modos eλi , i = 1, 2, · · · , n para cada variable de estado xi (t) dada; el
grado de actividad del i-ésimo modo eλi en la variable de estado xk (t), lo da el elemento φik
de φ. De:
Z(t) = ψX(t) = [ψ1T , ψ2T , · · · , ψnT ]T X(t); (5.112)
el vector propio izquierdo ψi indica qué combinación de las variables de estado originales genera
un comportamiento únicamente con el modo i-ésimo.
Esta propiedad muestra que el proceso de transición del estado se puede dividir en varias
transiciones secuenciales.
se obtuvo en el capı́tulo 2:
−1 −1
X(s) = (sI − A) X(0) + (sI − A) B R(s).
Ejemplo 5.31
Calcular la salida del sistema dinámico:
Z t
2e−t − e−2t e−(t−τ ) − e−2(t−τ )
x(t) = + dτ ,
−2e−t + 2e−2t 0 −e−(t−τ ) + e−2(t−τ )
−t t −2t 1 2t 1
e e −1 −e 2e − 2
2e−t − e−2t
x(t) = +
.
−2e−t + 2e−2t
−t t −2t 1 2t 1
−e e − 1 + 2e 2e − 2
Note que el vector de condiciones iniciales excita ambos modos en los estados; simplificando se
obtiene:
0.5 + e−t − 0.5e−2t
x(t) = ;
−e−t + e−2t
x1
c(t) = 1 1 = 0.5 + 0.5e−2t .
x2
△
>> syms s
>> A=[0,1;-2,-3];B=[0;1];C=[1,1];D=[0];CI=[1;0];I=[1,0;0,1];
>> F=inv([s*I-A])
F =
[ (s+3)/(s^2+3*s+2), 1/(s^2+3*s+2)]
[ -2/(s^2+3*s+2), s/(s^2+3*s+2)]
>> X=F*CI+F*B*(1/s)
X =
(s+3)/(s^2+3*s+2)+1/s/(s^2+3*s+2)
-1/(s^2+3*s+2)
>> x=ilaplace(X)
x =
exp(-t)-1/2*exp(-2*t)+1/2
-2*exp(-3/2*t)*sinh(1/2*t)
>> c=ilaplace(C*X)
c =
exp(-t)-1/2*exp(-2*t)+1/2-2*exp(-3/2*t)*sinh(1/2*t)
Este ejemplo para un sistema monovariable ilustra que se requieren más cálculos que utilizar
directamente la solución vı́a la transformada de Laplace. La utilidad en más evidente para el
caso multivariable.
X∞ = −A−1 BU∞ .
Reemplazando en la salida:
Y∞ = D− ⊂ A−1 BU∞ .
La ganancia estacionaria de las matrices de transferencia es:
Los ceros se calculan resolviendo las ecuaciones dinámicas en frecuencia con la salida nula
Y (s) = 0:
sX(s) = AX(s) + BU (s),
0 =⊂ X(s) + DU (s);
organizando las ecuaciones de forma matricial:
sI − A −B X(s)
= 0.
⊂ D U (s)
La solución para entrada U (s) y estado X(s) no nulos es que la matriz de la izquierda no tenga
rango pleno; por lo tanto, los ceros de un sistema continuo representado en el espacio de estado,
son los valores de s que hacen que pierda rango la matriz:
sI − A −B
N (s) = . (5.117)
⊂ D
Se observa que los ceros dependen de las matrices A, B, ⊂ y D, esto es de como las entradas
y las salidas se acoplan a los estados; si B o ⊂ son cuadradas de rango pleno, hay n filas o
columnas linealmente independientes para cualquir valor de s y el sistema no tiene ceros; esto
ocurre cuando hay actuadores o medidores para todos los estados.
Ejemplo 5.32
El sistema del ejemplo anterior tiene ganancia transitoria nula pues la matriz D = 0; la
ganancia estacionaria es:
−1.5 −0.5 0 −0.5
G(0) = − ⊂ A−1 B = −[1 1] = −[1 1] = 0.5.
1 0 1 0
−1 −1
X(z) = (zI − G) zX(0) + (zI − G) HU (z), (5.119)
luego la matriz de transición de estado se calcula mediante:
Gk = Z −1 (zI − G)−1 z (5.120)
Ejemplo 5.33
0 1
Para el sistema discreto en espacio de estado X(k + 1) = GX(k) + HU (k); G = ,
−0.6 −1
1
H= , se desea calcular la evolución del estado X(k) para la entrada escalón U (k) = µ(k)
1
T
y con condiciones iniciales: X(0) = 1 −1 .
4 k k k k
3 (−0.2) − 13 (−0.8) 5
3 (−0.2) − 35 (−0.8)
Φ(k + 1) = .
4 k 4 k k k
− 15 (−0.2) + 15 (−0.8) − 31 (−0.2) + 4
3 (−0.8)
De (5.119) se tiene:
−1 z
X(z) = (zI − G) zX(0) + HU (z) ; U (z) = z−1 ;
2
z
z−1
zX(0) + HU (z) = ,
−z 2 +2z
z−1
z z2 + 2
X(z) = (z+0.2)(z+0.8)(z−1) 2 ,
−z + 1.84z
k k
− 17
6 (−0.2) +
22
9 (−0.8) + 25
18
X(k) = Z −1
X(z) = . △
17 k 38 k 7
30 (−0.2) + 45 (−0.8) + 18
Por lo tanto:
X(kT + T ) = G(T )X(kT ) + H(T )U (kT ), (5.122)
donde:
G(T ) = eAT , (5.123)
Z T
H(T ) = Aη .B. (5.124)
e dη
0
Se observa que la matriz del sistema discreto G y la de entrada discreta H dependen del perı́odo
de muestreo.
La ecuación de salida es:
Y (kT ) = E X(kT ) + D U (kT ). (5.125)
Ejemplo 5.34
0 1
Se tiene el sistema de tiempo continuo: Ẋ = AX + BU, Y = EX; con A = ,
0 −2
0
B= , E = 0 1 ; se desea obtener la representación de estado de tiempo discreto con
1
un perı́odo de muestreo de T = 1s.
Una forma de calcular la matriz del sistema de tiempo discreto: G(T ) es a partir de la
transformada inversa de Laplace de (s I − A)−1 , evaluando t en T :
−1
G(T ) = eAT = L−1 (s I − A) t−→T
, (5.126)
1
0 2 (1 − e−2T )
G(T ) = .
0 e−2T
La matriz de entrada es:
1 e−2T −1
Rt 1 1 −2τ
0 2 (T + )
2 (1 −e ) 2
H(T ) = dτ = ;
0 0 e−2τ 1 1 −2T
2 (1 −e )
con T = 1 se obtiene:
1 0.43 0.28
G(T ) = ; H= .
0 0.13 0.43
Las ecuaciones dinámicas en tiempo discreto son:
x1 (k + 1) 1 0.43 x1 (k) 0.28
= + u(k),
x2 (k + 1) 0 0.13 x2 (k) 0.43
x1 (k)
y(k) = 1 0 .
x2 (k)
△
ans =
-0.0037
-0.0015
>> G=ss(A,B,C,D);
>> Gd=c2d(G,60)
a =
x1 x2
x1 0.8386 0.0239
x2 0.1142 0.8768
b =
u1
x1 0.1375
x2 0.009024
c =
x1 x2
y1 0 1
d =
u1
y1 0
La figura 5.78 muestra las respuestas al escalón, continua y discreta. Se observa la respuesta
sobreamortiguada con suficiente frecuencia de muestreo para control. △
Las ecuaciones (5.123) y (5.124) permiten también hallar la contraparte continua de un
modelo discreto:
1
A= log G. (5.127)
T
Z !−1
T
B= eAη dη H. (5.128)
0
siempre y cuando la matriz G del sistema discreto no tenga polos en el eje real negativo. En el
MATLAB, el comando ‘logm(G)’ calcula la matriz logarı́tmica de G.
Ejemplo 5.36
En el ejemplo 3.1 se planteó el modelo de tiempo discreto (3.6) para un servidor de Internet,
con G = 0.43 y H = 0.47; si se desea diseñar un control de tiempo continuo para el sistema
con T = 60s, se tiene:
1
A= log 0.43 = −0.014,
60
Z 60
B= e0.014η dη 0.47 = 0.011,
0
luego la ecuación diferencial:
ċ(t) = −0.014c(t) + 0.011m(t),
0.9
0.8
0.7
0.6
y(t),y(k)
0.5
0.4
0.3
0.2
0.1
0
0 500 1000 1500 2000 2500 3000 3500 4000
Tiempo (sec)
5.17. Resumen
Este capı́tulo se dedicó al análisis en el dominio del tiempo de sistemas de control lineales en
tiempo continuo y en tiempo discreto. Para calcular la respuesta se utilizaron señales de prueba
como la escalón, rampa y parábola. La respuesta temporal se divide en respuesta transitoria y
de estado estable. El error de estado estable es una medida de la exactitud del sistema cuando el
tiempo se aproxima al infinito; el error se caracteriza dependiendo del número de integraciones
en la señal de entrada, el punto de entrada de la señal al lazo de control y las integraciones en el
controlador y la planta. Si los sistemas son estables, las integraciones aseguran una entrada nula
al integrador en estado estable, por ello las integraciones en el controlador serie cuya entrada es
el error, aseguran errores estacionarios nulos para entradas con igual número de integraciones,
independientemente de donde se aplique la señal de entrada al lazo. Las integraciones de la
planta no afectan los errores permanentes por los disturbios de entrada al proceso.
La respuesta transitoria al escalón de un sistema lineal es una suma de exponenciales y
sinusoides acotadas exponencialmente. Se puede por lo tanto analizar a partir de las respuestas
de los sistemas de primer y segundo orden. Estas respuestas se caracterizan en términos de
caracterı́sticas como el subpaso, sobrepaso máximo, tiempo de subida, tiempo de retardo y
tiempo de estabilización. Los sistemas de primer orden se especifican con la constante de tiempo;
El rechazo de los disturbios exige una velocidad de respuesta mı́nima del lazo.
El análisis de la respuesta temporal de los sistemas discretos es una extensión del análisis de
tiempo continuo a través de la correlación entre los planos S y Z. Los sistemas discretos tienen
sinembargo ciertos comportamientos que no tienen los continuos, como la respuesta oscilatoria
de un sistema de primer orden para raı́ces en el eje real negativo del plano Z y los transitorios
de duración finita para los polos en el origen.
Los sistemas de datos muestreados tienen funciones de transferencia de pulsos de grado
relativo uno; existen por lo tanto ceros de muestreo si el grado relativo de la planta continua es
mayor a uno. Estos ceros dependen del perı́odo de muestreo y pueden ser de fase no mı́nima. Si
estos sistemas son oscilatorios con frecuencias de oscilación múltiplo entero de la de muestreo,
tendrán oscilaciones ocultas; también las habrá si el controlador tiene modos oscilatorios. Por
lo anterior el controlador no debe tener modos oscilatorios y la frecuencia de muesteo debe lo
ser lo sufucientemente alta; también debe analizarse la respuesta entre muestreos del sistema,
vı́a simulación o con la transformada Zm modificada.
Para los sistemas de control digitales también se definen especificaciones deseadas de de-
sempeño como un área deseada para las raı́ces en el plano Z y deben respetar las limitaciones
de desempeño similares a las del caso continuo; los procesos de conversión y tratamiento de
señal imponen restricciones adicionales; la dinámica del filtro de antiplegamiento debe incluirse
en muchos casos para lo cual se pueden usar aproximaciones como retardos para los filtros de
Bessel; los conversores A/D y D/A generan errores de cuantificación que pueden analizarse
como señales de disturbio en la realimentación y a la entrada del proceso. El procesamiento
de señal impone tiempos de muestreo mı́nimos para respetar el tiempo muerto fraccional del
retardo computacional y genera errores por redondeo en los cálculos y por la cuantificación de
los parámetros.
Finalmente se obtuvo la respuesta temporal de las ecuaciones dinámicas continuas y discre-
tas. La solución debida a las condiciones iniciales la define la matriz del sistema A; sus valores
propios son los polos del sistema; sus vectores propios derechos muestran cómo se ponderan
los diferentes modos para cada variable de estado; estos vectores también permiten calcular la
matriz de transformación para obtener la representación de estado con la matriz del sistema di-
agonal, donde los elementos de la diagonal son los valores propios; también la matriz del sistema
define la matriz de transición de estado con la cual se calcula la solución explı́sita (homogénea
y forzada) de las ecuaciones de estado. De la representación de estado se pueden calcular direc-
tamente las ganancias transitoria y permanente de la matriz de funciones de transferencia y sus
ceros. Para un sistema continuo en representación de estado, las ecuaciones (5.123) y (5.124)
permiten calcular directamente la matriz del sistema G y de entrada H de la representación de
estado discreta.
Caliente un litro de agua en la estufa con ajuste ‘bajo’, durante 5 minutos; observe la tem-
peratura cada 30s con un termómetro de cocina. ¿Cómo es su evolución con la estufa prendida
y apagada? ¿Cuál serı́a la temperatura a alcanzar si se deja la estufa prendida indefinidamente?
¿Cómo cambia ésta evolución si se calientan 5 litros de agua? ¿Cómo se afecta la evolución con
la forma del recipiente utilizado?
Ejercicio 5.2
Un conductor nota desinflada la llanta de su vehı́culo; la infla aplicando un compresor
durante 10s, midiendo luego la presión durante 5s y ası́ sucesivamente hasta lograr la presión
deseada para la llanta. ¿Cómo es la evolución en el tiempo de la presión observada? ¿Cómo
es esta evolución si desea desinflar la llanta y para ello quita el gusanillo y aplica el mismo
proceso de medición de la presión? ¿Cómo cambian éstas evoluciones con el volumen de aire de
la llanta?
Ejercicio 5.3
Un conductor enciende su viejo vehı́culo con carburador mecánico, en una mañana frı́a;
cuando lleva el acelerador a una posicı́on dada, observa inicialmente que el motor trata de
apagarse bajando sus RPM y luego de ello si responde a las RPM deseadas. ¿Cuál es la dinámica
de este sistema de control?
Ejercicio 5.4
Organice de nuevo el péndulo del ejercicio 2.3; una vez se estabilice la masa, desplace el
extremo superior rápidamente a unos 10cm de la posicón inicial, manteniendo la misma altura.
Observe la posición de la masa con respecto a su posición inicial. ¿Cómo es la forma de evolución
de la posición de la masa? ¿Cuántas oscilaciones observa? ¿Cuál es la máxima desviación?
¿Cuáles son los parámetros de la dinámica oscilatoria del sistema?
Ejercicio 5.6
Un sistema de control de velocidad gira una carga a velocidad constante ωe , en un plano
vertical, como se muestra en la figura 5.79. El frotamiento en el sistema es despreciable.
ωe
m
θ l
mg
Ejercicio 5.7
Un sistema mecánico rotacional con J = 0.1 en unidades del SI, con frotamiento despre-
ciable, gira a 1000 RP M , cuando se le aplica un par motor constante de 10N − m, durante
1s; luego de 2s, se aplica un par de fricción tf = 0.1ω indefinidamente; calcule la evolución
temporal de la velocidad ω.
Ejercicio 5.8
Se tiene un motor con ventilación externa, de 500kW , 1.8T on, con eficiencia nominal de
0.94; a la potencia nominal, el motor incrementa su temperatura en 50o C. Utilice el modelo
térmico simplificado del ejemplo 2.4 para calcular:
1. La evolución temporal de la temperatura si se arranca a temperatura ambiente de 40o C,
con sobrecarga del 10 %.
Ejercicio 5.9
Para el ejercicio 2.7, la ecuación diferencial:
dc
V = −qc,
dt
describe la evolución de la concentración del medicamento en el compartimento; calcule la
evolución temporal de la concentración c, después de inyectarse una cantidad conocida m de
medicamento; calcule la concentración inicial y los parámetros del modelo, si se miden varias
muestras de la concentración del medicamento.
Ejercicio 5.10
Considere el sistema de control de posición mecánico, con realimentación unitaria y función
de transferencia de lazo abierto:
K
G(s) = .
s(Js + F )
Analice los efectos de variar los valores de K y F sobre el error permanente de velocidad essv ;
mediante un programa de simulación, trace curvas de respuesta a una rampa unitaria, para
valores de K = 0.1, 1 y 10; asuma J = F = 1.
Ejercicio 5.11
Sea un sistema de control realimentado unitario con función de transferencia de red cerrada:
C(s) ks + b
= 2 .
R(s) s + as + b
Calcule la función de transferencia de red abierta G(s) y los errores permanentes de posición y
de velocidad.
Ejercicio 5.13
Un modelo normalizado para el sistema de control de velocidad de un vehı́culo para los
ejercicios 1.13 y 2.13 es:
1
Va (s) = V1 (s) − T1 (s) ,
20s + 1
4s + 1
V1 (s) = X(s) − Va (s) .
s
Halle las respuestas al escalón unitario en la entrada de referencia X(s) y en el disturbio T1 (s).
Ejercicio 5.14
Obtenga las respuestas al escalón unitario de los sistemas realimentados unitarios, cuyas
funciones de transferencia en lazo abierto son:
1
1. G(s) = .
s(s + 1)
2s + 1
2. G(s) = .
s2
Obtenga los tiempos de subida, de pico, los sobrepasos máximos y los tiempos de estabilización.
Ejercicio 5.15
Considere el sistema en lazo cerrado descrito mediante la función de transferencia:
C(s) ωn2
= 2 .
R(s) s + 2ρωn s + ωn2
Determine los valores de ρ y ωn para que el sistema responda a una entrada escalón con un
sobrepaso del 10 % y con un tiempo de estabilización de 1s, evaluado con el criterio del 2 %.
Ejercicio 5.16
Para el sistema de la figura 5.81, determine el valor de k de modo que el coeficiente de
R(s) + + 16 1 C(s)
s+0.8 s
− −
k
amortiguamiento ρ sea 0.5. Luego obtenga el tiempo de subida tr , el tiempo pico tp , el sobrepaso
máximo Mt y el tiempo de estabilización ts , para la respuesta al escalón unitario.
R(s) + 1 C(s)
5 s(5s+1) Control P
−
R(s) 1 C2 (s)
+ 5(1 + 0.8s) s(5s+1) Control PD
−
R(s) + + 1 1 C3 (s)
5 5s+1 s Control P con
− − realimentación
0.8 de velocidad
Ejercicio 5.25
Resuelva los ejercicios 4.6, 4.7 y 4.8, utilizando el análisis temporal visto en este
capı́tulo.
Ejercicio 5.26
El diagrama de bloques de un sistema de control de datos muestreados se muestra en la
figura 5.82.
Kt
Ejercicio 5.27
Para el sistema de control digital del ejercicio 3.8, calcule la respuesta del sistema en los
instantes de muestreo, si se aplica un escalón unitario en la entrada.
Ejercicio 5.28
Para el sistema del ejercicio 3.10, figura 3.34, calcule la salida c(kT ) para un escalón unitario
en la entrada r(kT ).
Ejercicio 5.29
Para el sistema de control digital del ejercicio 3.11, calcule la respuesta a un escalón de
entrada.
Ejercicio 5.30
Analice la respuesta a un escalón unitario en la entrada de un filtro de media móvil con
N = 5.
Ejercicio 5.31
Para el diagrama de bloques del sistema de control de datos muestreados de la figura 5.83,
se calculó en el ejercicio 3.7 la función de transferencia en lazo cerrado. Calcule la respuesta en
los instantes de muestreo a un escalón unitario de entrada, para los perı́odos de muestreo de
T = 0.1s y 0.05 s. ¿Cómo se afecta la respuesta?
Ejercicio 5.32
Se desea que un sistema de datos muestreados responda con la dinámica de un sistema
continuo con tiempo de estabilización menor a 4s (criterio del 2 %), sobrepaso menor al 15 % y
tiempo de subida menor de 1s; dibuje el área deseada de ubicación de las raı́ces en el plano Z.
Ejercicio 5.33
Analice las respuestas al escalón para las funciones de transferencia de pulsos del ejercicio
5.20, con los diferentes valores del cero z.
Ejercicio 5.34
Analice con qué perı́odos de muestreo pueden aparecer oscilaciones ocultas, para la función
de transferencia de pulsos del sistema de tiempo continuo:
1
G(s) = .
s2 + 1
Igualmente, analice las oscilaciones que pueda generar la señal de control si se utiliza el contro-
lador:
21z − 16.5
Gc (z) = ,
z+1
con T = 0.2s.
Ejercicio 5.35
Para el sistema del ejercicio anterior, se tiene el controlador:
az + b
Gc (z) =
z+1
con a y b parámetros ajustables y perı́odo de muestreo de T = 0.2s; se desea que el sistema
responda en red cerrada con una ecuación caracterı́stica que tenga un coeficiente de amor-
tiguamiento ρ = 0.5 y frecuencia amortiguada ωn = k, con k < 1; analice para la respuesta al
escalón del sistema el efecto del cero del controlador.
Ejercicio 5.36
Analice en simulación el efecto de la cuantización debida a los conversores A/D y D/A de
6bits, para el control digital del sistema doble integrador: G(s) = 1/s2 analizado en el ejercicio
5.23, usando los controladores:
5z − 4.368
Gc1 (z) = ,
z − 0.368
5z − 3.1
Gc2 (z) = .
z − 0.368
Ejercicio 5.37
El sistema doble integrador, con perı́odo de muestreo de 1s, se controla con:
z − 0.95
Gc (z) = .
z − 0.15
Diseñe un filtro Bessel de segundo orden de antireplegamiento de frecuencia con frecuencia de
corte de ω0 = 5rad/s; analice los desempeños del sistema con y sin filtro ante un escalón de
entrada. Compare las respuestas temporales para ambos casos si existe un ruido senoidal en la
realimentación con frecuencia de 20rad/s.
Ejercicio 5.38
Para el sistema dinámico:
0 1
ẋ(t) = Ax(t) + R(t), (5.129)
1 0
0 1
C(t) = x(t), (5.130)
1 0
calcule:
1. Los valores propios y vectores propios derechos.
2. La matriz de transición de estados.
3. Las salidas
para:
1 µ(t)
x(0) = , R(t) = .
0 µ(t)
4. Las ganancias transitorias, estacionarias y los ceros de la matriz de transición de estados.
Ejercicio 5.39
Para el sistema de la figura, escriba las ecuaciones dinámicas y resuélvalas para obtener c(t)
con x(0) = [1 0 0]T y R(s) = 1/s.
Ejercicio 5.40
En el ejercicio 2.21 se obtuvo un modelo en espacio de estados para las ecuaciones diferen-
ciales:
ċ1 − 2c2 + c1 = 0,
c̈2 + 3ċ2 + 8c2 + 3c1 = u̇1 + 3u1 + 3u2 .
Para el sistema, calcule:
1. Los valores propios y vectores propios derechos asociados al sistema.
3. Calcule la evolución temporal de c1 (t) y c2 (t) debida a las condiciones iniciales: c1 (0) = 1,
u1 (0) = u2 (0) = 0, c2 (0) = 1, ċ2 (0) = 0; u1 = u2 = 0.
Ejercicio 5.41
En el ejercicio 2.22 se obtuvo un modelo en espacio de estados para las ecuaciones diferen-
ciales:
ċ1 + c1 + c2 = u1 ,
ċ2 + c2 − c1 = u2 .
Para el sistema, calcule:
3. Calcule la evolución temporal de c1 (t) y c2 (t) debida a las condiciones iniciales: c1 (0) = 0
c2 (0) = 1; u1 = u2 = 0.
4. Las ganancias transitorias, estacionarias y los ceros de la matriz de transición de estados.
Ejercicio 5.42
Para el el sistema:
Escriba las ecuaciones dinámicas discretas y resuélvalas para obtener c(kT ), con c(0) = 1,
ċ(0) = 0.
Ejercicio 5.43
En el ejercicio 3.10, se obtuvo la representación de estado de tiempo discreto para el sistema
de la figura 3.34; calcule c(kT ) si r(kT ) = 0, c(t = 0) = 1 y T = 1s.
Ejercicio 5.44
Para el sistema de la figura 5.84, las ecuaciones de estado son:
ẋ1 = x2 ,
C ∗ (t)
U (t) U ∗ (t) r(t) C(t) T
T
ROC ẋ = Ax + Br
Ejercicio 5.45
Sea el sistema de la figura 5.85; obtenga las ecuaciones de estado y de salida discretas para
el sistema en red cerrada.
Ejercicio 5.46
Luego del modelado matemático de un sistema, se obtiene su representación de estado:
ẋ1 = x2
ẋ2 = −x1 − 2x2 + u
c= x1 .
Ejercicio 5.47
Calcule el modelo de tiempo continuo para el modelo discreto con las matrices de su repre-
sentación de estado:
1.723 −0.741 0.125
G= ;B = .
1 0 0
Ejercicio 5.48
Un sistema de control digital con perı́odo de muestreo de un segundo, controla la planta con
función de transferencia:
0.25
G(s) = 2 .
s + 0.4s + 0.25
El sistema se controla de forma que la ecuación caracterı́stica del sistema realimentado sea
dominada por el polinomio: z 2 + 0.5z + 0.25. Al comparar las dinámicas de ambos sistemas,
se puede afirmar que el sistema realimentado es más
A. rápido y amortiguado.
B. lento y amortiguado.
C. rápido y oscilatorio.
D. lento y oscilatorio.
Ejercicio 5.49
Un proceso con función de transferencia: G(s) = 1/(s + 1), se le regula su salida con el
controlador proporcional integral: k(s + 9/4)/s . Se √
requiere que el sistema en lazo cerrado
responda con un coeficiente de amortiguamiento de 2/2; cumpliendo este requerimiento, el
ajuste para la ganancia proporcional k del controlador que da la velocidad de respuesta más
rápida posible, es
A. k = 1/2.
B. k = 1.
C. k = 2.
D. k = 4.
Ejercicio 5.50
Luego del modelado matemático de un sistema, se obtiene su representación de estado:
ẋ1 = x2
ẋ2 = −x1 + u
c= x1 .
4. Simule el sistema de control con un controlador P, PI, PD o PID ajustado con un método
empı́rico (ver próximo capı́tulo); verifique si se cumplen las especificaciones deseadas de
desempeño (tiempo continuo o discreto).
7. Analice en simulación los efectos en el desempeño del sistema de control debidos a las
alinealidades en el actuador.
9. Para el sistema de control digital, seleccione un perı́odo de muestreo apropiado (ver sección
6.7.8); analice la posibilidad de oscilaciones ocultas y el efecto de la cuantización en los
conversores A/D y D/A.
10. Analice la respuesta temporal del sistema de control para su representación en el espacio
de estado (continua y/o discreta); evalúe las ganancias transitoria y estacionaria y los
ceros de la matriz de transferencia del sistema.
Acciones de control
6.1. Introducción
Un control automático compara el valor medido de la salida de una planta con el valor
deseado, determina la desviación y produce una señal de control que busca reducir la desviación
a cero o a un valor pequeño. La forma en que el control automático produce la señal de control
recibe el nombre de acción de control.
En este capı́tulo se presentan las acciones de control básicas utilizadas comúnmente en los
controles automáticos industriales; se estudiarán las acciones de control serie que calculan la
acción de control a partir del error: Todo-Nada, Proporcional (P), Integral(D), Proporcional-
Integral (PI), Proporcional-Derivativa (PD), Proporcional-Integral-Derivativa (PID) y de ade-
lanto atraso; para la acción de control PID se analizarán los principales efectos de cada compo-
nente en el funcionamiento del sistema, se presentarán criterios de ajuste empı́ricos, los cuales
utilizan pocas mediciones sobre la planta real para aplicar una regla heurı́stica de ajuste. Se
introducirá el diseño por asignación de polos para plantas hasta de segundo orden con un
controlador PID.
Se analizará la extensión del algoritmo PID al general RST, el cual utiliza filtros de cualquier
orden sobre la referencia, la señal de realimentación y el error con lo que se explota plenamente
la flexibilidad de programación de los sistemas de control digitales; también se analizará la
representación general de estado de una acción de control.
Finalmente se presentará la forma de implementar estas acciones de control, la análoga
mediante amplificadores operacionales y los algoritmos de las ecuaciones de recurrencia para la
implementación digital; para esta última, se analizarán aspectos prácticos como la selección del
perı́odo de muestreo, la longitud de palabra, compensación de efectos no lineales y aspectos de
operación.
Lúdica 6.1
Esta actividad tiene una duración estimada de 30 minutos y requiere de un plano, un cilindro
de alrededor 5cm de diámetro, un cilindro con diámetro menor a 2cm y peso mayor a 100g (un
marcador para tablero) y una regla.
1. Apoye el centro del plano sobre el cilindro de mayor diámetro y ambos sobre una superficie
plana; con posición inicial de un extremo del plano apoyado a la superficie, lleve el cilindro
325
6.2. ACCIÓN TODO NADA
pequeño desde el otro extremo al centro del plano; hágalo solo apoyando rápidamente los
extremos del plano a la superficie. Analice que tan rápido se posiciona el cilindro cerca
del centro y con qué error permanente lo hace.
2. Ahora se trabaja el plano como en la lúdica 3.1 (alcance del cilindro pequeño de 3m
±3cm de error). Calcule la altura del plano, como 7cm más un veinteavo del error; repita
el experimento hasta diez veces o hasta que el cilindro alcance una distancia dentro de la
banda admisible de 2.97 a 3.03m. Tabule los datos en una tabla y grafı́quelos.
3. Calcule la nueva altura del plano como la altura anterior más un veinteavo del error.
Repita el experimento hasta diez veces o hasta alcanzar la banda admisible de error.
Tabule los datos en una tabla y grafı́quelos.
4. Calcule la nueva altura del plano como la mitad del error medido más un veinteavo de la
diferencia entre el error medido y el error anterior. Repita el experimento hasta diez veces
o hasta alcanzar la banda admisible del error. Tabule los datos en una tabla y grafı́quenlos.
5. Realice otros experimentos de 2 a 4 con mayores ganancias del error.
6. ¿Que puede concluir sobre la forma de la evolución del error para los diferentes algoritmos?
¿Cómo cambian los desempeños para cada caso? ¿Qué tipo de acción de control se realiza
en los pasos 2 a 4? ¿Cuales son los parámetros de cada ley de control? ¿Cómo cambian
los desempeños para cada caso?
6.2.1. Definición
La figura 6.1 muestra el diagrama de bloques de esta acción de control. Es una acción muy
simple en donde la señal de control solo tiene dos valores: A1 para errores positivos y A2 para
errores negativos:
A1 , si e(t) > H/2
a(t) = .
A2 , si e(t) < −H/2
Generalmente A2 es cero o −A1 ; también se puede tener un controlador de tres posiciones
diferentes: A1 , A2 y cero. La histéresis H, es el rango en el cual se debe desplazar la señal de
control antes de que se produzca la conmutación; con ello la señal de control mantiene su valor
hasta que el error supere ±H/2, con lo que se limita la frecuencia de conmutación.
Nótese que el controlador Todo Nada es no lineal, convirtiendo la señal análoga o discreta
del error en una señal de control cuantificada con dos o tres posiciones.
6.2.2. Funcionamiento
El funcionamiento de este controlador se ilustrará con un ejemplo.
Ejemplo 6.1
La figura 6.2 muestra el diagrama de bloques en SIMULINK para simular el control Todo
Nada de un sistema de primer orden con constante de tiempo τ =1s; el controlador tiene los
parámetros: A1 = 2, A2 = 0 y H = 0.2.
La figura 6.3 muestra la simulación del sistema de control; se aplica un escalón durante 2s y
luego la referencia es nula; la salida busca la referencia de 1 y se queda oscilando a su alrededor
con error de ±0,1; se observa que la evolución de la oscilación corresponde a los transitorios de
subida y bajada. Como el rango de variación de la señal de control (de cero a dos) es simétrico
con respecto al valor requerido para lograr la referencia de uno, la duración de la señal de
control en A1 es igual a la duración de la señal en A2 .
Con la salida oscilando dentro de la histéresis, si H ≪ ref , la evolución temporal se puede
aproximar a una recta con pendiente ±ref /τ ; luego el perı́odo TT N de la oscilación es:
2τ H
TT N ≈ . (6.1)
ref
Esta ecuación permite relacionar la frecuencia de la oscilación con la histéresis; hay por lo tanto
un compromiso entre la precisión permanente (baja H) y el perı́odo de la oscilación TT N el cual
se busca grande para evitar un desgaste excesivo del actuador. △
1.5
ref(t), c(t)
1
TTN c(t)
0.5
ref(t)
0
0 1 2 3 4 5
2
a(t)
−1
0 1 2 3 4 5
Tiempo(s)
a(t) = kp e(t).
kp es la ganancia proporcional.
Históricamente también se ha usado el término Banda Proporcional BP [ %] para definir la
ganancia; es la relación entre la desviación porcentual del error a la variación en el pleno rango
de la señal de control:
aM ax − aM in [ %]
BP [ %] = ,
kp
si la variación de la señal de control es del 100 % como es la práctica usual:
100
BP [ %] = . (6.3)
kp
6.3.1.2. Funcionamiento
Para analizar los efectos de la acción Proporcional, se considera el sistema de control de la
excitación con un controlador P, ver la figura 6.5.
VR (s) + 1 VT (s)
−
kp τG s+1
τG
La constante de tiempo equivalente del sistema en red cerrada es: τeq = , luego a
1 + kp
mayor acción proporcional, mayor es la velocidad de respuesta.
1
Para el régimen estacionario, el error de posición es: essp = 1+k p
; a este error se le de-
nomina corrimiento y disminuye, aumentando la ganancia proporcional kp . El corrimiento es
caraterı́stico de una planta tipo cero sujeta a una acción P. Plantas tipo 1 o mayor, no tienen
corrimiento respecto a la referencia, pero como se analizó en el capı́tulo anterior sección 5.4.3,
si existe por señales perturbadoras de entrada a la planta; para la figura 6.6, con un escalón
unitario de disturbio, el error permanente es: esspd = G−1 c (0)
= − k1p , existe por tanto un error
permanente debido al disturbio, el cual se puede disminuir usando alta ganancia proporcional en
el controlador, respetando el grado de estabilidad requerido; por las limitaciones en estabilidad,
plantas de alta ganancia tendrán menor ganancia proporcional con mayor corrimiento.
D(s)
+
R(s) + E(s) 1 C(s)
−
kp + s(τs+1)
El uso de alta ganancia para disminuir el error permanente en sistemas de orden 2 o más,
se limita por la pérdida de amortiguamiento, generándose oscilaciones y llegando incluso a
producir inestabilidad. El error permanente se puede eliminar de forma manual adicionando
una compensación en la señal de control ab (t); usualmente esta compensación se ajusta en el
control manual como el valor requerido en la señal de control para la operación nominal; en
control automático se mantiene constante por lo que la compensación solo es efectiva hasta
que varı́e la magnitud del disturbio o la ganancia del proceso; el error se corrige de manera
automática utilizando la acción integral.
ki
A(s) = E(s),
s
donde ki , se denomina constante integral ; ki = 1/TI , donde TI es el tiempo de acción integral.
Este tiempo corresponde al tiempo que tarda la señal de control en alcanzar la señal de error,
cuando se aplica un escalón de error en lazo abierto, como se ilustra en la figura 6.8.
Se observa que a menor tiempo integral TI , mayor es la pendiente en la señal de control a(t)
y por tanto mayor es la acción integral. Al tiempo integral se le denomina también tiempo de
reposición, en alusión a la corrección automática del corrimiento de la acción P. A ki = 1/TI
a(t)
e(t)
TI t
6.3.2.2. Funcionamiento
Para analizar los efectos de la acción integral, se considera el sistema de control de la
excitación sujeto a una acción Integral; la función de transferencia de red abierta es:
1
GH(s) = .
TI s(τG s + 1)
La función de transferencia del sistema es:
VT (s) 1 1/TI τG
= = 2 ,
VR (s) TI s(τG s + 1) + 1 s + τ1G s + 1/TI τG
p q
luego la frecuencia natural es ωn = 1/TI τG y el coeficiente de amortiguamiento: ρ = 21 τTGI .
El sistema ahora puede ser subamortiguado oscilatorio a diferencia del lazo abierto que es de
primer orden; como se ha aumentado en uno el grado de la ecuación caracterı́stica, se tiene un
sistema menos estable.
Ahora se compara la velocidad de respuesta de la acción I con respecto a la P; con la acción
P la velocidad de respuesta es:
ts = 4τeq = 4τG /(1 + kp ).
Con la acción I, asumiendo que el sistema es subamortiguado:
1
ts = 4/ρωn ; ρωn = , ts = 8τG .
2τG
El sistema controlado con acción P es mucho más rápido que el lazo abierto, mientras que
con la acción I, se hace dos veces más lento. Como la acción de control Integral actúa con el
error acumulado, es una acción lenta.
Para el análisis del régimen estacionario, el sistema con la acción integral es tipo 1, luego
la constante de error de posición es infinita y el error permanente de posición nulo; también se
eliminan los errores permanentes debidos a los disturbios, ver la sección 5.4.3.
Obsérvese que la señal de control en un instante dado, es el área bajo la curva del error
hasta ese momento; por ello, si el error es nulo, la señal de control no necesariamente debe ser
nula; el valor que permanece se denomina remanencia estacionaria RE, ver la figura 6.9.
e(t)
a(t)
RE
t
Por otro lado, un efecto indeseado de la acción de control se da con la saturación del actuador;
el ejemplo 5.10 mostró cómo durante la saturación del actuador, la integración del error en red
abierta genera oscilaciones indeseables en el sistema.
− TI s
B(s)
A(s) kp (1 + TI s)
= .
E(s) TI s
La respuesta al escalón en el error e(t), en lazo abierto se muestra en la figura 6.11. En este
caso la fecuencia de reposicón 1/TI es al número de veces por minuto que la acción I duplica la
componente de acción P.
a(t)
2kp acción PI
kp
acción P
TI t
6.3.3.2. Funcionamiento
Para el análisis, se considera al sistema de control de la excitación con acción PI, ver la
figura 6.12.
El coeficiente de amortiguamiento:
r
1 + kp 1 TI
ρ= p
kp 2 τG
1 + kp
se incrementa en el factor p con respecto al amortiguamiento calculado para la acción I,
kp
por lo tanto, la adición del cero mejora el amortiguamiento.
4τG
En cuanto a la velocidad de respuesta el tiempo de estabilización es: ts = , más rápido
1 + kp
que con la acción I; sinembargo, para un amortiguamiento ρ apropiado, la ganancia kp con la
acción PI es menor que la obtenida para la acción P y por ello, la acción PI es más lenta que
la P.
Para el comportamiento en régimen estacionario, de nuevo el sistema es tipo 1 y el e-rror
de posición es nulo essp = 0, eliminando el corrimiento. El PI también elimina los errores
permanentes debidos a perturbaciones a la entrada o salida del proceso.
Como la acción de control PI aprovecha las ventajas de las acciones P e I, es la acción de
control de mayor uso en sistemas de control.
a(t)
PD
P
Td t
donde Td′ es la constante de tiempo del filtro; tı́picamente los controladores industriales definen
esta constante como una fracción de la constante de tiempo derivativa:
Td
Td′ = ,
N
con N en el rango: 3 ≤ N ≤ 20.
6.3.4.2. Funcionamiento
Para el análisis, se considera un sistema de control de la excitación con excitatriz DC y
acción PD, como se muestra en la figura 6.15.
IL (s)
+
VR (s) + 1 1 VT (s)
kp (1 + Td s) τE s+1 τG s+1 +
−
k
R
+ k + A
− T1 s +
+
B
kT2 s
R(s) + E(s) k(1+T1 s+T1 T2 s2 ) A(s)
− T1 s
B(s)
donde el error e(t) = r(t) − b(t); como la ganancia k afecta las tres componentes del con-
trolador, se le denomina PID dependiente; la forma de la ecuación (6.2) se conoce como PID
independiente.
Las figuras 6.17 y 6.18 muestran las respuestas del controlador en red abierta al escalón y a
la rampa en el error, respectivamente.
a(t)
impulso
a(t) PID
PD
6.3.5.2. Funcionamiento
Se considera el sistema de control de la excitación con excitatriz, actuador de dinámica
apreciable y acción de control PID, ver la figura 6.19.
IL (s)
+
VR (s) + kp (TI s+1)(Td s+1) 1 1 1 VT (s)
− TI s τA s+1 τE s+1 τG s+1 +
+
VR (s) + kp 1 VT (s)
− TI s τA s+1 +
El tiempo de estabilización es: ts ≃ 4τA = 1.5s, luego el sistema tiene una alta velocidad de
respuesta en red cerrada. q
TI
El coeficiente de amortiguamiento es: ρ = √1 τ , se puede ajustar con la ganancia
2 kp A
Como el sistema es tipo 1 por la acción integral en el controlador, los errores permanentes
de posición y de los disturbios son nulos: essp = esspd = 0.
El controlador PID suma las caracterı́sticas de funcionamiento de las acciones P, I y D.
A(s) 1 Td s
= kp 1 + + . (6.8)
E(s) TI s 1 + TNd s
2. Aplicar escalones de pequeña señal y observar la señal de control a(t), aumentando pro-
gresivamente la ganancia proporcional kp , hasta observar una oscilación sostenida; la
oscilación debe ser lineal y no debe confundirse con las variaciones producidas por ampli-
ficación del ruido de medición.
Acción kp TI Td
P 0.50kc − −
PI 0.45kc Tc /1.2 −
PID 0.60kc 0.5Tc Tc /8
El ajuste busca un sistema subamortiguado con decaimiento del segundo pico al primero de
1/4, para procesos de primer orden con tiempo muerto:
ke−Tm s
Gp (s) = . (6.9)
τs + 1
La figura 6.21 muestra las respuestas al escalón de referencia para sistemas con modelo
dado por (6.9), para k = 1, τ = 1s y diferentes tiempos muertos: Tm = 0.5, 1 y 2s. Se
utilizó un controlador PI ajustado mediante el método de oscilación de Ziegler-Nichols. La
tabla 6.2 presenta los resultados de aplicar el método y el ajuste de los controladores para cada
proceso.
1.4
1.2
Tm=0.5
Tm=1
0.8
c(t)
0.6
Tm=2
0.4
0.2
0
0 5 10 15 20 25
Tiempo (s)
Tiempo muerto kc Tc kp TI
0.5 3.8 1.7 1.71 1.42
1 2.26 3.1 1.02 2.58
2 1.52 5.5 0.68 4.58
Se observa una gran sensibilidad del desempeño del sistema con la relación Tm /τ ; el método
busca la ganancia para el sistema marginalmente estable, forzar esta condición en el proceso
puede ser inconveniente y riesgoso, por ello existe una versión modificada que busca la osci-
lación con decaimiento entre picos de 1/4; el método busca un desempeño en red cerrada con
decaimiento a un cuarto entre picos, lo que corresponde a un bajo amortiguamiento, pues para
un sistema de segundo orden, el decamiento del rebase máximo a un cuarto corresponde a un
amortiguamiento aproximado de ρ =0.25.
yf
Tangente de
máxima pendiente
c(t)
yi
0 t0 t1 t2
Tiempo (s)
Tabla 6.3: Ajuste del PID con el método de la curva de reacción de Ziegler-Nichols.
Acción kp TI Td
P τ /kTm − −
PI 0.9τ /kTm 3Tm −
PID 1.2τ /kTm 2Tm 0.5Tm
La figura 6.23 muestra las respuestas al escalón de referencia para sistemas con modelo
dado por (6.9), para k = 1, τ = 1s y diferentes tiempos muertos: Tm = 0.5, 1 y 2s, usando
el controlador PI ajustado mediante el método de la curva de reacción de Ziegler-Nichols. La
tabla 6.4 presenta los parámetros de ajuste de los controladores para cada proceso.
Tiempo muerto kp TI
0.5 1.8 1.5
1 0.9 3
2 0.45 6
Se observa igualmente una gran sensibilidad del desempeño del sistema con la relación Tm /τ .
Aunque hay sensibilidad del desempeño del sistema con la relación Tm /τ , esta es menor
que con el método de Ziegler Nichols; se observa en las respuestas transitorios que se presentan
sobrepasos elevados.
De las respuestas obtenidas se observa que los métodos empı́ricos tienen limitaciones aunque
se pueden usar como una guı́a inicial para el ajuste. En el capı́tulo 10 se presentarán métodos
1.4
1.2
Tm=0.5
0.8
Tm=1
c(t)
0.6
0.4
Tm=2
0.2
0
0 5 10 15 20 25
Tiempo (s)
Tabla 6.5: Ajuste del PID con el método de la curva de reacción de Cohen-Coon.
Acción kp TI Td
τ
P kTm (1 + Tm /3τ ) − −
τ
PI kTm (0.9 + Tm /12τ ) Tm (30τ + 3Tm )/(9τ + 20Tm ) −
τ
PID kTm (4/3 + Tm /4τ ) Tm (32τ + 6Tm )/(13τ + 8Tm ) 4Tm τ /(11τ + 2Tm )
Tiempo muerto kp TI
0.5 1.88 0.83
1 0.98 1.14
2 0.53 1.47
más rigurosos que permiten ajustar los parámetros del controlador para obtener la dinámica
deseada de red cerrada.
1.6
Tm=0.5
1.4
Tm=1
1.2
1
c(t)
0.8
0.6
Tm=2
0.4
0.2
0
0 5 10 15 20 25
Tiempo (s)
Figura 6.24: Desempeños con el método de la curva de reacción de Cohen-Coon, para un con-
trolador PI con un proceso de primer orden y diferentes tiempos muertos.
Para propósitos de comparación, la figura 10.43 muestra los desempeños logrados con un
controlador PI y un predictor de Smith; si se conoce bien la dinámica del proceso, este pre-
dictor permite ajustar el controlador PI de forma independiente del tiempo muerto; nótese la
uniformidad del transitorio lograda independientemente de la relación Tm /τ .
d1 = 1/kp
kd
d2 = N kp
n0 = ki
n1 = (1 + ki kd /N )
n2 = kd (1 + 1/N ). (6.12)
kp = 1/d1
ki = n0
kd = n2 − d2 /d1
d1 n2
N= d2 − 1. (6.13)
Como planta a controlar Gp (s) se considera a un sistema de segundo orden estrictamente propio:
B(s) b1 s + b0
Gp (s) = = 2
. (6.14)
A(s) a2 s + a1 s + a0
La ecuación caracterı́stica deseada define el polinomio caracterı́stico P (s) del lazo cerrado:
este polinomio lo escoge el diseñador para cumplir con las especificaciones deseadas de de-
sempeño; ası́, para obtener los polinomios del controlador A(s) y B(s), se debe resolver la
ecuación:
A(s)Dc (s) + B(s)Nc (s) = P (s); (6.15)
esta ecuación se denomina ecuación diofántica y tiene solución si no existen factores comunes
entre A(s) y B(s) (son polinomios coprimos, sin cancelaciones polo-cero) y el orden de P (s) es:
np = 4 Goodwin et al [2001]. Reemplazando en (6.15) los polinomios definidos:
Ejemplo 6.2
Se desea diseñar un controlador PID para estabilizar al sistema oscilador:
1
Gp (s) = ; (6.18)
s2 + 1
la dinámica de red cerrada se debe estabilizar con amortiguamiento de ρ = 0.7 y la misma
frecuencia natural: ωn = 1; el polinomio caracterı́stico se escoge:
donde el segundo par de polos complejos se escogen alejados de los dominantes con ρ = 0.7 y
ωn = 4. La solución con el MATLAB es:
>> P=[16,28,24.84,7,1]’;
>> M=[0,0,1,0,0;1,0,0,1,0;0,1,0,0,1;1,0,0,0,0;0,1,0,0,0];
>> X=inv(M)*P
X =
7.0000
1.0000
16.0000
21.0000
23.8400
Zero/pole/gain:
23.84 (s^2 + 0.8809s + 0.6711)
-------------------------------
s (s+7)
La figura 6.25 muestra las respuestas del sistema controlado ante escalones de referencia y
disturbios de salida; se logra estabilizar al sistema en red cerrada aunque hay señales de control
muy grandes. Nótese que el controlador tiene ceros complejos, por lo que debe ser un PID
paralelo. △
1
0.5
c(t)
c(t)
0.5
0
0 −0.5
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Tiempo (sec) Tiempo (sec)
30 10
20 0
u(t)
u(t)
10 −10
0 −20
−10 −30
0 1 2 3 4 5 6 0 1 2 3 4 5 6
Tiempo (sec) Tiempo (sec)
Figura 6.25: Respuestas de controlador PID; izquierda: salida (arriba) y señal de control (abajo)
para un escalón de referencia; derecha: salida (arriba) y señal de control (abajo) para un escalón
de disturbio de salida.
Si hay restricciones adicionales como limitar la ganancia del controlador en alta frecuencia
para no amplificar el ruido de medición o si el sistema a controlar es de mayor orden, la
estructura a obtener en el controlador con el método de asignación de polos ya no será del tipo
PID.
A(s) (T1 s + 1)
= kp ; (6.19)
E(s) (T2 s + 1)
1.5 0.1
0
1
C(t)
C(t)
−0.1
0.5
−0.2
0 −0.3
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
(sec) (sec)
PID RST
RST PID
10 1.5
8
1
U(t)
U(t)
6
4
0.5
2
0 0
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
Tiempo (sec) Tiempo (sec)
Figura 6.26: Respuestas de los controladores RST y PID; izquierda: salida (arriba) y señal de
control (abajo) para un escalón de referencia; derecha: salida (arriba) y señal de control (abajo)
para un escalón de disturbio de entrada.
B(z) n G (s) o
p
G(z) = =Z 1 − z −1
A(z) s
las funciones de transferencia de red abierta GRA (z) y red cerrada GRC (z) son:
donde:
P (z) = A(z)Sc (z) + B(z)Rc (z) = 1 + p1 z −1 + p2 z −2 + ...
es la ecuación caracterı́stica del sistema que define los polos de red cerrada; los polinomios Rc (z)
y Sc (z) permiten definir la dinámica de red cerrada del lazo, la cual se encarga de rechazar los
disturbios D(z) sin amplificar el ruido de medición N (z); adicionalmente el polinomio fuera del
lazo Tc (z) permite cumplir especificaciones de desempeño para el seguimiento de la referencia
R(z), con lo que se pueden tener desempeños adecuados para requerimientos de regulación de
perturbaciones y seguimiento de la referencia. Como los polinomios del controlador se pueden
escoger de cualquier orden, se pueden cumplir exigencias adicionales como rechazo de pertur-
baciones en rampa o sinusoidales, bloqueo del lazo en ciertas frecuencias para no excitar modos
resonantes del proceso y filtrado adicional para un diseño robusto.
La figura 6.28 muestra como el controlador PID es un caso particular del controlador RST,
para T = R.
u(t) c(t)
r(t) +
R/S B/A
−
Proceso
m
r(t) + u(t) c(t)
T =R 1/S B/A
−
Proceso
x1 (t)
x2 (t)
u(t) = f r(t) − [k1 k2 · · · kn ] .. = f r(t) − KX(t), (6.22)
.
xn (t)
donde K es la Matriz de realimentación de estado y f es una ganancia para ajustar el error
permanente a cero. La figura 6.29 muestra el diagrama de bloques de esta acción de control.
Mediante esta ley de control se pueden ajustar los polos de red cerrada a los valores deseados
para un desempeño adecuado y esto sin agregar ceros a la dinámica de red cerrada.
Ejemplo 6.4
El sistema oscilador (6.18) tiene la representación de estado:
ẋ1 (t) 0 1 x1 (t) 0
= + u(t), (6.23)
ẋ2 (t) −1 0 x2 (t) 1
x1 (t)
y(t) = [1 0] , (6.24)
x2 (t)
ẋ1 (t) 0 1 x1 (t) 0
= + r(t).
ẋ2 (t) −k1 − 1 −k2 x2 (t) f
Se observa que la matriz del sistema realimentado Ac depende de las ganancias de la matriz
de realimentación de estados; para asignar la dinámica de red cerrada igual a la del ejemplo
6.3: s2 + 1.4s + 1, de la ecuación (5.92) se calcula la ecuación caracterı́stica del sistema en red
cerrada:
s −1
0 = |sI − Ac | = = s2 + k2 s + k1 + 1 = s2 + 1.4s + 1,
k1 + 1 s + k2
luego: k1 = 0 y k2 = 1.4; de la ecuación (5.116) la ganancia estacionaria de la función de
transferencia del sistema controlado es:
−1
0 1 0
G(0) = D − CA−1 c B = −[1 0] = f = 1.
−1 −1.4 f
La figura 6.30 muestra la respuesta al escalón de referencia del sistema controlado; se observa que
logra amortiguar la respuesta con poco esfuerzo de control, esto lo hace usando la información
interna del sistema la rata de cambio de la salida x2 (t) para generar la acción de control que
amortigua; sinembargo como no realimenta la salida c(t), el sistema de control no rechaza el
disturbio de salida; en el capı́tulo 11 se verá como diseñar sistemas con realimentación de estados
y rechazo de disturbios. △
1
c(t)
0.5
0
0 1 2 3 4 5 6
Tiempo (sec)
1.5
1
u(t)
0.5
0
0 1 2 3 4 5 6
Tiempo (sec)
Como no todos los estados del sistema son medidos, se requiere utilizar un observador de
estados, el cual es un elemento dinámico adicional en la ley de control; a esta ley de control se le
pueden adicionar integradores sobre el error de las referencias y salidas medidas para aumentar
el tipo de sistema y mejorar el error permanente. Con dinámica en la ley de control y un sistema
multivariable, el controlador se representa como un sistema en variables de estado Xc (k) con
entradas Y (k) y R(k) y salidas U (k):
Xc (k + 1) = Gc Xc (k) + Hy Y (k) + Hr R(k)
U (k) = Cc Xc (k) + Dy Y (k) + Dr R(k), (6.25)
esta ley de control corresponde a una representación general de estado. El análisis y diseño de
esta acción de control se verá en el capı́tulo 11.
IR IF
UR
ZR (s) ZF (s)
IB I=0
UB
ZR (s)
−
+
UA
R0
ZF (s) y ZR (s) son las transimpedancias de los circuitos de cuatro terminales (cuadripolos),
esto es la relación entre el voltaje de entrada a la corriente de salida del cuadripolo. Son
función de la frecuencia pues se calculan utilizando las impedancias operacionales: Ls para la
inductancia y 1/Cs para la capacitancia.
ZF (s)
UA (s) = − [UR (s) − UB (s)]. (6.26)
ZR (s)
A esta configuración se le pueden sumar otros amplificadores operacionales para la adición
de más señales y filtros y con ello implementar leyes de control más elaboradas; la configuración
básica solo permite implementar acciones de control simples como la PID de la siguiente sección.
(RI CI s + 1)[(RA + RD ) CD s + 1]
ZR (s) = RR ; ZF (s) = ,
∝ CI s(RA CD s + 1)
luego la función de transferencia entre la señal de control UA (s) y el error E(s) = UR (s)−UB (s)
es:
UA (s) RI (RI CI s + 1) ((RA + RD )CD s + 1)
=− .
UR (s) − UB (s) αRR RI CI s RA CD s + 1
El circuito corresponde a un PID serie de la ecuación (6.7), con los parámetros:
h 1 1 + scTds 1 1 + sTds i
A(s) = ± kps b + R(s) − 1 + B(s) + Ab (s) , (6.28)
sTis 1 + sTds /N sTis 1 + sTds /N
y de la paralela (6.2):
h kp kdp s i
A(s) = ± kpp bR(s) − B(s) + i R(s) − B(s) + k p cR(s) − B(s) + Ab (s) . (6.29)
s 1 + Nd s
Tener componentes separadas de la referencia y la salida medida del proceso en el cálculo
de la acción de control (6.27), permite lograr mejores desempeños para el rechazo de disturbios
y el seguimiento de la referencia; sinembargo, el análisis y diseño del controlador se dificulta
con métodos analı́ticos. Adicionalmente en la acción de control PID práctica (6.27) se pueden
tener filtros adicionales para la referencia y la señal de control; en algunas aplicaciones se usan
no linealidades como una banda muerta sobre el error para mermar la frecuencia de activación
de la acción de control en actuadores mecánicos, o un valor cuadrático del error e|e| para tener
ganancias elevadas con errores grandes en la acción P, lo que es útil en aplicaciones con disturbios
de baja frecuencia en la medida, como ocurre en el control de nivel de tanques suavizadores de
flujo.
También en la implementación hay que considerar señales de control especiales por el tipo
de actuador disponible; tal es el caso de actuadores de dos o tres posiciones como calentadores
o enfriadores (prendido y apagado) y motores (dos sentidos de giro y parado), en donde solo
se tienen los valores positivo A1 , negativo A2 y cero; para ello lo usual es convertir la señal de
control en una modulación de ancho de pulso; para un perı́odo de modulación Tm la señal de
control es el ancho del pulso Tp :
a(kT ) − A2
Tp (kT ) = Tm . (6.30)
A1 − A2
El ancho del pulso varı́a linealmente entre cero para a(kT ) = A2 y Tm para a(kT ) = A1 ; el
perı́odo de modulación debe ser lo suficientemente pequeño para que las componentes de alta
frecuencia de la señal de control sean filtradas por el proceso y no aparezcan en la señal de
salida.
Aplicando la transformada Z:
h 1 1 − z −1
A(z) = ± kp bR(z) − B(z) + Ab (z) + KI E(z) + K D (cR(z) − B(z))
1 − z −1 1 + s1 z −1
(6.35)
k T k NT Td
donde KI = Tpi , KD = Tdp+N dT y s1 = − Td +N T ;a este algoritmo se le conoce como la forma
posicional del controlador PID.
Cualquier otra discretización llevará a una ley de control en la forma general (6.20) con R,
S y T polinomios de segundo orden en z −1 , con la acción integral en el polinomio:
S = (1 − z −1 )(1 + s1 z −1 ).
Para el controlador PID estándar paralelo:
1Td s
Gc (s) = kp [1 + + ]
Ti s Td
1+ s
N
el controlador PID discreto se obtiene de (6.35) con b = c = 1:
R(z) r0 + r1 z −1 + r2 z −2
Gd (z) = = ; (6.36)
S(z) (1 − z −1 )(1 + s1 z −1 )
los parámetros del controlador discreto son:
s1 = −Td /(Td + N T ),
T
r0 = kp (1 + − N s1 ),
Ti
T
r1 = kp [s1 (1 + + 2N ) − 1] y
Ti
r2 = −kp s1 (1 + N ).
Se observa que se requiere 0 ≤ |s1 | ≤ 1 para que el filtro 1/(1 + s1 z −1 ) tenga un equivalente
Td
continuo de primer orden: 1/(1 + s), por lo tanto, pueden obtenerse PID discretos sin tener
N
un equivalente PID continuo, por ejemplo si −1 < |s1 | < 0.
este algoritmo se denomina forma incremental o de velocidad del controlador. Esta imple-
mentación facilita la implementación de los cambios manual-automático sin saltos, ver la sección
6.7.12. Como requiere la acción integral, no permite la implementación de la acción de control
PD; la acción P se puede implementar realimentando el estado previo de la salida K.J.Aström
and T.Hagglund [1995]:
donde ub (kT ) es el nivel del bias; como ∆u(kT ) = u(kT ) − u(kT − T ) se tiene efectivamente la
acción P:
u(kT ) = kp e(kT ) + ub (kT ).
3. Escribir a(k).
5. Cuando k 7→ k + 1 vaya a 1.
El ejecutivo anterior muestra las tareas básicas a realizar para implementar la ley de control;
hay otras tareas que se implementan como visualizar y/o comunicar información (después de
3.), gestionar la parada del lazo por una interrupción externa, verificar si el tiempo del ciclo es
menor al perı́odo de muestreo, entre otras. Para la lectura del conversor A/D, luego de ordenar
la lectura se debe esperar a que el dispositivo realice la conversión para leer el dato; también
se verifica sobrerango y se normaliza el dato. En la escritura se verifica si hay sobrerango, en
tal caso se envı́a el valor máximo (saturación) al conversor.
El ejemplo siguiente presenta un ejecutivo de control para una función de transferencia
discreta de segundo orden, con el cual se puede implementar el controlador PID discreto dado
en la ecuación (6.36).
Ejemplo 6.5
La función de transferencia discreta de segundo orden:
A(z) b0 z 2 + b1 z + b 2
= 2 (6.38)
E(z) z + a1 z + a2
3. a1 (k) = b0 .e(k).
5. Escribir a(k).
7. Cuando k 7→ k + 1 vaya a 1. △
Un controlador digital comercial tiene perı́odos de muestreo en órdenes de 200ms, por lo que
el sistema de control digital se puede analizar como si fuera continuo para este tipo de procesos.
Para un controlador PI un criterio práctico para escoger el perı́odo de muestreo es:
esto da para el ajuste por Ziegler-Nichols perı́odos de muestreo entre: T ≈ (0.01 − 0.06) Tm ,
mucho menores que para el PI.
Cambios abruptos de la magnitud por rebose; en este caso se pasa del valor máximo
posivo o mı́nimo negativo a cero, generándose un cambio muy grande en las señales de
control con efectos muy dañinos para el desempeño del sistema; por ello se normalizan las
ecuaciones de forma que las magnitudes en los cálculos no sean muy grandes.
pjn−i
∆pj ≈ − Q ∆ai . (6.44)
k6=j (pj − pk )
pjn−i
∆pj ≈ − Q (∆ai )1/m . (6.45)
(p
k6=j j − p k )
Si el controlador tiene polos estables, |pj | < 1, el mayor valor para el numerador es 1
para i = n, luego el coeficiente an es el de mayor sensibilidad para desplazar los polos. Se
observa que los polos cercanos tienen alta sensibilidad; igualmente de (6.45) la sensibilidad
es mayor si existen polos repetidos.
Ejemplo 6.6
Se considera un controlador con función de transferencia discreta (6.38); la implementación
directa (6.39) se denomina ası́ porque los coeficientes de la función de transferencia ai , bi apare-
cen explı́sitamente en el algoritmo de control; se emplean 5 multiplicaciones, 4 sumas y 4 datos
en memoria: a(k − 1), a(k − 2), e(k − 1) y e(k − 2); esta implementación tiene la ventaja de que
los coeficientes ai , bi multiplican valores retardados de la entrada y la salida, lo que permite
cambiar directamente los parámetros sin necesidad de recalcular variables internas; sinembargo,
esto hace que la posición de los polos y ceros sea altamente sensitiva a los errores de redondeo;
para p1 = 0.45 y p2 = 0.95, D(z) = z 2 − 1.4z + 0.4275 la variación de p1 por una disminución
del 1 % en a2 , ∆a2 = −0.01 de (6.44) es:
1 0.01
∆p1 ≈ − ∆a2 = = −0.02;
p1 − p2 0.45 − 0.95
Los errores por el redondeo de los parámetros aumentan con el orden del controlador, por
lo que para la implementación se utiliza la función de transferencia factorizada, bien sea en
multiplicación o suma de términos de primer y segundo orden.
El perı́odo de muestreo también afecta los errores de redondeo, como lo ilustra el siguiente
ejemplo.
Ejemplo 6.7
En el ejemplo 3.6 se obtuvo la ecuación de diferencias de la integración aproximada por la
regla trapezoidal; en un controlador PID esta acción se pondera con la constante de tiempo
integral Ti de la forma:
T
a(k) = a(k − 1) + e(k) + e(k − 1) .
2Ti
Un perı́odo de muestreo pequeño de T = 0.01s con tiempo integral alto Ti = 360s da una
T
relación 2T i
= 1.4 × 10−5 en órdenes de la resolución para 16 bits: 2−16 = 1.7 × 10−5 ; para
evitar redondeos, se utiliza en los controladores comerciales resolución de 24 bits en el cálculo
de la acción integral. △
El ejemplo anterior también pone de manifiesto que utilizar frecuencias de muestreo altas
exige alta precisión en la representación de los coeficientes de las ecuaciones de diferencia.
En aplicaciones de uso masivo, bajo costo y alto desempeño, es importante reducir el área
del procesador y su consumo; en tal caso se pueden usar procesadores con aritmética de punto
fijo para la cual el hardware requerido es más simple y las operaciones más rápidas que para la
representación de punto flotante. Sinembargo, la representación de punto fijo tiene menor rango
de valores que la de punto flotante y menor precisión, como lo ilustra el siguiente ejemplo.
Ejemplo 6.8
Con tres dı́gitos de precisión y un decimal en punto fijo se pueden representar los números
12.3, 1.2, 0.1 mientras que en punto flotante con dos dı́gitos de precisión y un exponente de
un dı́gito, se representa desde 12 × 10−9 = 0.000000012 hasta 12 × 109 = 12000000000. La
representación de punto flotante requiere más memoria para codificar la posición del punto
decimal, pero esto permite más precisión en las operaciones; el producto: 1.2 × 1.2 en punto
fijo es 1.4 mientras que en punto flotante podrı́a ser: 12.0 × 10−1 × 12.0 × 10−1 = 14.4 × 10−1 ,
por lo que la libertad de posición del pundo decimal evita afectar el resultado por el redondeo.
△
6.7.10. Antiembalamiento
El siguiente ejemplo ilustra el deterioro del desempeño de un sistema de control cuando hay
saturación del actuador y acción integral en el controlador.
Ejemplo 6.9
1
En el ejemplo 4.2 se analizó el control de la excitación del generador Gp (s) = 1+5s con
el controlador PI: Gc = 8(s + 1)/s; la ganancia transitoria del controlador es de 8 por lo que
habrá saturación si el actuador tiene un lı́mite máximo de 2. La figura 6.33 muestra la salida y
la señal de control para la respuesta al escalón de entrada utilizando el PI equivalente discreto
dado en (5.89), con perı́odo de muestreo T = 0.2s. La integración del error durante la saturación
mantiene la variable manipulada saturada por más de 6s lo que provoca un sobrepaso elevado
del 50 % en el transitorio. △
Hay muchas alternativas para evitar el embalamiento del integrador; la base de ellas es tener
una respuesta acotada del controlador cuando ocurre la saturación; para ello se requiere medir
o estimar la variable manipulada saturada y cambiar la dinámica de integración a una estable
en tal evento.
La estructura del controlador RST, ver la figura 6.27, facilita la implementación de la función
de antiembalamiento, pues la salida u(z) es la salida del bloque 1/S(z −1 ) el cual realiza la
acción integral. La figura 6.34 presenta el controlador RST con la función de antiembalamiento;
la variable manipulada saturada es u(k):
umax si a(k) ≥ umax
u(k) = Sat(a(k)) = a(k) si umin < a(k) < umax ;
umin si a(k) ≤ umin
1.5
Sin antiembalamiento
1
VT
0.5
Con antiembalamiento
0
0 5 10 15 20
2.5
2
1.5
EF
1
0.5
Con antiembalamiento Sin antiembalamiento
0
−0.5
0 5 10 15 20
Tiempo (s)
Figura 6.33: Respuesta del control de la excitación sin y con antiembalamiento de la integración.
Ejemplo 6.10
Para el ejemplo anterior, el controlador PI discreto (5.89) en z −1 es:
8 − 8e−T z −1
Gc1 (z −1 ) = ;
1 − z −1
se implementa con la estructura generalizada de entrada salida RST de acuerdo a la figura 6.28
con:
Ejemplo 6.11
Para analizar la compensación de la banda muerta, se considera el sistema de control de
un servomecanismo hidráulico sin realimentación mecánica, ver la figura 6.36,con una banda
muerta grande de ±0.2. La figura 6.37 muestra la salida del servo y la señal de control con y sin
compensación de la banda muerta, ante un escalón unitario en la referencia y un escalón de -0.1
en el disturbio de salida; con la banda muerta el sistema tarda más en alcanzar el valor de la
referencia tanto para el seguimiento de la entrada como para el rechazo del disturbio; también
aparece un error permanente que la acción de integral trata de restablecer muy lentamente,
como se observa en la pequeña pendiente de la señal de control después de los transitorios
rápidos. △
1.3
1.2
x(t)
1.1
0.9
Con compensación de BM
Sin compensación de BM
3
2
u(t)
−1
0 1 2 3 4 5 6 7 8 9 10
Tiempo (s)
Figura 6.37: Respuestas del servo hidráulico con y sin compensación de banda muerta.
En los diferentes cambios de los modos de operación y de los parámetros del controlador se
deben realizar transiciones suaves que eviten discontinuidades y cambios bruscos en la operación
del sistema.
luego:
u(kT ) = u(kT − T ) + um (kT ), (6.51)
lo que corresponde a la aproximación rectangular de la integral con entrada los pulsos um (kT ).
La figura 6.39 muestra el diagrama de bloques de este arreglo, donde se utiliza un integrador
con antiembalamiento.
Figura 6.39: Control manual y automático para un controlador con integrador incremental.
Para la forma posicional del controlador PID o en general para el controlador RST, la
función de antiembalamiento controla la salida del controlador cuando se abre el lazo de control
por la saturación del actuador; esto se puede aprovechar para seguir la variable manipulada
del proceso cuando el controlador no está en operación; la figura 6.40 muestra el esquema de
control manual y automático con transferencia sin saltos para este caso.
Con la operación en control manual la señal de control del RST es:
(A(z −1 ) − S(z −1 )u(k) + e(k)
aa (k) = ;
A(z −1 )
haciendo r(k) = y(k) durante la operación en control manual, el error se hará nulo (luego de los
retardos definidos por el orden de los polinimios R y T) y dado que A(z −1 ) se escoge estable y
para transitorios rápidos, la señal de control aa (k) seguirá la salida del actuador u(k). El control
manual tiene la misma estructura del control automático, luego asegurando rm (k) = 0 durante
la operación en automático, se hará el seguimiento de u(k) durante este modo de operación.
Para el generador de rampas en control manual, se escoge Sm (z −1 ) = 1 − z −1 ; el polinomio
Am (z −1 ) define la dinámica del seguimiento. El esquema se puede extender a otros controladores
de más modos de operación. En este esquema el seguimiento de la variable manipulada con el
controlador inactivo se realiza en red abierta; en sistemas complejos con muchas interacciones
puede requerirse un controlador del controlador, para eliminar los efectos de las interacciones,
ver por ejemplo el esquema propuesto en Goodwin et al [2001].
El mismo concepto aplica para la ley de control en la representación general de estado con
antiembalamiento dada por las ecuaciones (6.48) y (6.49); note que U (k) en (6.48) impone el
seguimiento al estado del controlador Xc (k) cuando ésta ley de control no esté activa.
6.7.12.2. Inicialización
En el inicio de operación del controlador automático se requiere inicializar su estado antes de
que entre a operar para realizar luego la transferencia sin saltos al modo de control automático;
esto usualmente se realiza operando el controlador en control manual un corto perı́odo hasta que
los transitorios de seguimiento de la variable manipulada terminen. Si no hay acción integral,
se debe ajustar el valor del bias ab (k) en (6.35), con r(k) = b(k), para igualar la salida del
controlador a la salida del control manual.
Ejemplo 6.12
El siguiente ejecutivo de control implementa una acción de control PI:
0. Inicialización.
4. Escribir a(k).
se observa en el cálculo de la señal de control 3. que con error nulo e(k) = 0 un cambio en los
parámetros kp (k) o TI (k) genera un salto en la señal de control a(k). △
Ejemplo 6.13
El siguiente ejecutivo de control implementa una acción de control PI sin saltos en la señal
de control por cambios en los parámetros.
0. Inicialización.
4. Escribir a(k).
6. Cuando k 7→ k + 1 vaya a 1.
ahora el estado del integrador depende también de los parámetros y con error nulo, los cambios
en los parámetros no generan saltos en la señal de control. △
La ley de control de forma incremental (6.37) garantiza los cambios de parámetros sin saltos
con error nulo en régimen estacionario; con T (1) = R(1) en régimen permanente, el lado derecho
de la ecuación (6.37) es proporcional al error, luego si es cero la señal de control no se afecta
con los cambios en los coeficientes de los polinomios R(z −1 ) y T (z −1 ); el polinomio S ′ (z −1 )
impone cálculos de ∆u(kT ) en función de los valores anteriores: ∆u(kT − T ), ∆u(kT − 2T )....;
con el sistema en régimen constante, estos valores son nulos y tampoco se generan saltos en la
señal de control con cambios en los coeficientes del polinomio S ′ (z −1 ).
Para algoritmos en la forma posicional, se deben incluir los parámetros ajustables en el
cálculo del estado del controlador; para el algoritmo PID (6.34), la componente PI se puede
calcular como se hizo en el ejemplo anterior; la acción D es nula en régimen constante, por lo
que cambios de los parámetros Td y N en (6.33) no generan cambios en la señal de control.
Para el controlador RST de posición (6.20) el estado del controlador son las entradas r(k) y
y(k) y la salida u(k) retardadas, en un arreglo para el cual no hay garantı́a de evitar los saltos
de la salida con los cambios de los parámetros. Para la representación general de estado de un
controlador (6.25), habrán cambios de parámetros sin saltos de la acción de control, si se escoge
una representación de estado que no requiera cambiar los parámetros de las matrices Cc , Dy y
Dr .
6.8. Resumen
En este capı́tulo se presentaron las acciones de control más importantes para resolver pro-
blemas de control. El controlador más utilizado en la práctica genera la señal de control como
una combinación de acciones Proporcional, Integral y derivativa del error; sus principales carac-
terı́sticas de funcionamiento son:
La acción Proporcional tiene alta velocidad de respuesta en el transitorio pero corrimiento
en el régimen estacionario.
La acción Integral elimina el corrimiento pero merma la estabilidad y la velocidad de
respuesta del transitorio.
La acción Derivativa tiene un efecto anticipativo en la señal de control por responder a
la rata de cambio del error, con ello aporta amortiguamiento y trata de estabilizar (con
excepción de los sistemas de fase no mı́nima); por su alta ganancia en alta frecuencia
amplifica el ruido de realimentación.
La tabla 6.8 muestra los efectos de cada acción de control en el desempeño de un sistema
de control estable Li Yun and Chong [2006].
Para el ajuste de los parámetros de la acción de control PID se pueden usar métodos
empı́ricos como el de ganancia crı́tica o la curva de reacción de Ziegler y Nichols; con ellos
a partir de una prueba simple sobre el proceso real y una regla heurı́stica, se puede ajustar el
controlador; sinembargo éstos métodos están limitados a sistemas estables amortiguados en red
abierta; son muy sensibles a las dinámicas del proceso como a la relación Tm /τ para sistemas
de primer orden con constante de tiempo τ y tiempo muerto Tm y obtienen respuestas en red
cerrada con bajo amortiguamiento.
Sin acción integral pura, el controlador PID se puede analizar como un compensador de
adelanto y/o atraso de fase. La acción de control PID es un caso particular de la forma general
tr Mp ts ess Estabilidad
Aumentar kp Disminuye Aumenta Aumenta poco Disminuye Empeora
Aumentar ki Disminuye poco Aumenta Aumenta Disminuye mucho Empeora
Aumentar kp Disminuye poco Disminuye Disminuye Disminuye poco Mejora
señal de control, por cambios de los parámetros del controlador o entre los modos de control
automático y manual, cuando el sistema opera en régimen estacionario y sin error permanente.
Ejercicio 6.5
Aplique el método de oscilación de Ziegler y Nichols al proceso:
1
Gp (s) =
(s + 1)4
para ajustar un controlador PID en la forma estándar (6.8) con N = 10. Compare el desempeño
logrado a la respuesta al escalón de entrada con la obtenida para el PID serie, ecuación (6.7).
Ejercicio 6.6
Para los sistemas:
e−s e−s
G(s) = e−s , G(s) = , G(s) = ,
s (s + 1)2
determine los parámetros de las acciones de control P, PI y PID con los métodos de ajuste
empı́ricos presentados en este capı́tulo; compare en simulación los resultados obtenidos con los
diferentes métodos, para las respuestas a escalones de entrada y disturbios de salida.
Ejercicio 6.7
Para el control del sistema oscilador de la figura 6.41 se desea que la ecuación caracterı́stica
R(s) + 1 C(s)
Gc (s) s2 +1
−
π
en red cerrada, esté dominada por una dinámica de segundo orden con tiempo de pico de √
3
segundos y sobrenivel porcentual del 16 %.
3. Analice si es posible cumplir las especificaciones dadas, para cada una de las siguientes
acciones de control:
a) Gc (s) = kp .
ki
b) Gc (s) = s .
c) Gc (s) = kp (TiTs+1)
is
.
d ) kp (Td s + 1).
Ejercicio 6.8
Para el sistema oscilador del ejercicio anterior, diseñe controladores PID para obtener
dinámicas de red cerrada dominadas por un par de polos complejos con coeficiente de amor-
tiguamiento de ρ = 0.7 y frecuencias naturales de 2 y 4 rad/s. Compare los desempeños
obtenidos ante escalones de referencia y disturbios de salida.
Ejercicio 6.9
Analice las condiciones para la asignación de polos del controlador:
n1 s + n0
Gc (s) = , (6.52)
d1 s + d0
controlando el sistema de segundo orden (6.14). Cuáles son los parámetros del controlador PD
en función de los parámetros del controlador (6.52). Analice si es posible controlar el sistema
oscilador (6.18) para obtener en red cerrada el par de polos complejos dominantes: (s2 +1.4s+1).
Ejercicio 6.10
Diseñe la acción de control por realimentación de estados (6.21), para que el sistema doble
integrador: Gp (s) = 1/s2 tenga polos de red cerrada con amortiguamiento de ρ = 0.7 y fre-
cuencia natural ωn = 1.
Ejercicio 6.11
Diseñe la acción de control por realimentación de estados (6.21), para que el sistema:
Ejercicio 6.12
El sistema de control de carga de un servidor de Internet presentado en el ejemplo 1.12, se
modeló en el ejemplo 3.1; defina unas especificaciones adecuadas de desempeño, seleccione y
ajuste una acción de control adecuada.
Ejercicio 6.13
En el ejemplo 5.5 se analizó un sistema de control de la excitación con diferentes acciones de
control análogas; seleccione un perı́odo de muestreo apropiado, discretice las diferentes acciones
de control usadas en el ejemplo con las aproximaciones realizadas para la discretizacion del PID
y analice la dominancia de los polos de red cerrada del sistema de tiempo discreto obtenido.
Ejercicio 6.14
Para el sistema de control digital de la figura 6.42, se desea: lı́mk→∞ e∗ (kT ) → 0 para
E ∗ (s)
R(s) + E(s) 1 C(s)
Gc(z) ROC C(kT )
2s+1
− T = 1s
T = 1s
R(s) = 1/s y una dinámica dominada por un par de polos complejos conjugados con coeficiente
de amortiguamiento ρ = 0.5 y tiempo de estabilización igual a 6 segundos (criterio del 5 %).
Seleccione y ajuste la acción de control Gc (z) de tipo PID más simple posible que cumpla
con estas especificaciones.
Ejercicio 6.15
Para el sistema de control digital:
1
D(s) = s
+
R(s) + E(s) E ∗ (s) + C(s)
1
Gc (z) ROC s+1
− T = 0.5
Se desea:
1. Error de estado estable debido al disturbio e∗sspd = 0
2. Respuesta transitoria sobreamortiguada o dominada por un par de polos conjugados com-
plejos con coeficiente de amortiguamiento ρ ≥ 0.5
3. Tiempo de estabilización ts ≤ 2 seg, criterio del 2 %.
Seleccione y ajuste la acción de control PID más simple posible que cumpla con las especifica-
ciones dadas.
Ejercicio 6.16
Para el sistema de la √figura 6.43, se desea una ecuación caracterı́stica en red cerrada de
√
segundo orden con ρ = 22 y ωn = 2. Ajuste el controlador proporcional derivativo, para
cumplir la especificación deseada.
R(z) + 1 C(z)
Kp + Kd (1 − z −1 ) 2(z−1)
−
Ejercicio 6.17
Se desea que el sistema descrito por la función de transferencia discreta:
0.1z + 0.06
G(z) = ,
(z − 0.6)2
responda con una dinámica en red cerrada dominada por un par de polos complejos conjugados
con coeficiente de amortiguamiento de 0.5 y tiempo de estabilización menor de 4 seg, evaluado
con el criterio del 5 %. Para ello se dispone de un controlador PID digital, el retenedor de orden
cero y perı́odo de muestreo de T = 0.5 seg. Seleccione la acción de control PID digital más
simple posible que cumpla con las especificaciones deseadas.
Ejercicio 6.18
Escoja el perı́odo de muestreo para la implementación digital del sistema de control del
ejercicio 5.13.
Ejercicio 6.19
Escoja el perı́odo de muestreo adecuado para el sistema de control digital de la figura 3.34.
Ejercicio 6.20
Para el sistema en red cerrada del ejercicio 4.8, escoja el perı́odo de muestreo adecuado;
compare los desempeños obtenidos con escalones de entrada y disturbio, para el sistema de
control digital con el controlador PD ideal y con el filtro de alta frecuencia para N = 2 y 10.
Ejercicio 6.21
Para el controlador:
b2
Gc (z) = ,
(z + a)2
con b = 1 + a calcule la sensitividad de los polos con respecto a los coeficientes para imple-
mentaciones directa y paralela. Evalúela para a = 0.98, con una variación del 1 % en a.
Ejercicio 6.22
La figura 6.44 muestra una función de antiembalamiento para un controlador PID estándar.
la ganancia kg ajusta la dinámica del control durante la saturación; analice la filosofı́a de
operación de esta función; aplı́quela y verifique su operación para el sistema analizado en el
ejemplo 6.10.
Ejercicio 6.23
Analice en simulación el comportamiento de la compensación de banda muerta del ejercicio
6.11, con respecto a disturbios antes del integrador y en la señal de control.
Ejercicio 6.24
La compensación de la banda muerta solamente es efectiva si la alinealidad está en serie con
la señal de control; tal no es el caso para el servo analizado en el ejemplo 5.10; para el sistema
de control de ese ejemplo, analice en simulación digital la compensación de la banda muerta.
Ejercicio 6.25
Para el controlador PID con antiembalamiento de la figura 6.44 proponga una función de
transferencia sin saltos entre los modos de operación manual y automático.
Ejercicio 6.26
Proponga un ejecutivo de control para el controlador PID de la figura 6.44 con funciones
que eviten saltos en la señal de control por cambios de parámetros y cambios entre los modos
de operación manual y automático.
Ejercicio 6.27
La figura muestra el diagrama de bloques del controlador RST con funciones de antiembal-
amiento por saturación de magnitud y rata de cambio de la variable manipulada, Goodwin et
al [2001].
La realimentación positiva sobre el bloque de saturación antes de la salida u(k) tiene la dinámi-
ca: 1/(1 − z −1 ) lo que corresponde a la integral discreta; la entrada al bloque es por lo tanto
Ejercicio 6.28
Proponga un sistema de antiembalamiento de un controlador RST como el de la figura
6.45 para limitar la aceleración de la señal de control. Extiéndalo a la limitación de magnitud,
velocidad y aceleración de la señal. Analice en simulación el efecto en el desempeño del sistema
de control para el proceso:
1
G(s) = ,
s(s + 5)
con el controlador
5(s + 1)
Gc (s) =
s
y lı́mites de velocidad y aceleración de ±0.1.
Ejercicio 6.29
Un sistema de control digital con perı́odo de muestreo de π/3s, controla la planta con función
de transferencia discreta: G(z) = z/(z 2 − z + 1). La entrada deseada es un valor constante y se
quiere alcanzar con un error menor del 10 % en régimen estacionario. El sistema dispone de un
controlador Gc (s) de tipo proporcional, integral y derivativo, PID. Para controlar este sistema
cumpliendo las especificaciones dadas, la acción de control más apropiada es la
A. integral.
B. proporcional derivativa.
C. proporcional integral.
D. proporcional.
Ejercicio 6.30
Se desea que el sistema descrito por la función de transferencia discreta: G(z) = 0.4/(z−0.6)
responda con una dinámica en red cerrada más rápida que la de red abierta y que regule sin
error entradas de referencia constantes. Para ello se dispone de un controlador PID digital, el
retenedor de orden cero y perı́odo de muestreo de T = 0.5s. La acción de control PID digital
más simple posible que cumple con las especificaciones deseadas es la
A. integral.
B. proporcional derivativa.
C. proporcional integral.
D. proporcional.
6. Evalúe en el controlador escogido o implemente y evalúe, las funciones para los cambios
sin saltos en la señal de control, por cambios de los parámetros del controlador o entre
los modos de control automático y manual.
10. Ajuste el controlador PID con uno de los métodos empı́ricos vistos. Verifique si se cumplen
las especificaciones deseadas de desempeño.
11. Si es disponible, use la función de soporte para el ajuste en lı́nea del controlador; compare
el desempeño logrado con este ajuste, con relación al logrado en el punto anterior.
12. Calcule o mida el retardo de cómputo del controlador. Analice los efectos en el desempeño
del sistema por los retardos de cómputo y la longitud de palabra finita del controlador y
los conversores A/D y D/A.
14. Si es disponible, evalúe las funciones de supervisión y diagnóstico en lı́nea del desempeño
del controlador.
15. Evalúe las demás funcionalidades disponibles en el controlador, como las interfaces hombre-
máquina, comunicaciones, seguridad, etc.
Estabilidad de sistemas
dinámicos
7.1. Introducción
Entre los muchos tipos de especificaciones de desempeño utilizadas para el diseño de un
sistema de control, el requerimiento más importante es que el sistema sea estable; por lo general,
un sistema inestable se considera inútil. Existen muchas nociones de estabilidad, una de ellas
es considerar que un sistema es estable si al aplicarle una entrada de magnitud finita, su salida
es también finita.
Este capı́tulo trata las condiciones que se deben satisfacer para que los sistemas lineales
invariantes de una entrada y una salida, sean estables. Para estos sistemas, en la sección 4.7
se mostró que el requerimiento de estabilidad se puede definir en términos de los polos de la
función de transferencia en lazo cerrado. El análisis de estabilidad se realizará para los sistemas
continuos y discretos en términos de la estabilidad absoluta, esto es solo saber si el sistema es o
no es estable; para ello se estudiará el criterio de estabilidad de Routh para sistemas continuos y
el de Jury para los discretos; estos criterios se desarrollaron para evitar el entonces difı́cil cálculo
numérico de las raı́ces del polinomio caracterı́stico; hoy en dı́a con las poderosas herramientas de
análisis numérico como el programa MATLAB, ello ya no es una limitante y se pueden calcular
las raı́ces de la ecuación caracterı́stica fácilmente con el comando ‘pole’, ver el ejemplo 2.14, o
para una representación de estado, los valores propios de la matriz del sistema con el comando
‘eig(A)’; sinembargo, estas herramientas aún son útiles pues también permiten obtener las
relaciones entre los coeficienctes de la ecuación caracterı́stica y la estabilidad; estos coeficientes
dependen como ya se sabe de los parámetros del modelo del proceso y del controlador.
En el análisis de la estabilidad interesa conocer que tan cerca está de ser inestable un
sistema estable; este análisis se conoce como de estabilidad relativa y se presentará en los dos
próximos capı́tulos. El análisis de estabilidad se realizará en este capı́tulo para la planta nominal;
sinembargo, en el ejemplo 5.7 se observó un caso donde el sistema de control nominal es estable,
pero un muestreo sobre la incertidumbre del modelo arrojó un comportamiento inestable en red
cerrada; es importante igualmente saber cuándo la incertidumbre del modelo permite sistemas
controlados inestables; en la sección 9.2.4 se analizará esta noción de estabilidad, conocida como
381
7.2. ESTABILIDAD ABSOLUTA NOMINAL
estabilidad robusta.
1. Analice la respuesta del cilindro para una inclinación dada. ¿Cuál es la dinámica básica
a controlar?
2. Se busca posicionar el cilindro en el centro, partiendo desde un extremo; inicie todos los
ensayos con las mismas condiciones iniciales, cilindro quieto en un extremo sin inclinación
del plano. Si es necesario, realice varios ensayos antes de realizar la observación final.
Defina caracterı́sticas apropiadas para evaluar el desempeño en cada uno de los siguientes
casos:
a) Con el plano en sus manos a la altura del pecho.
b) El plano sostenido desde un extremo con una sola mano, con el brazo completamente
extendido al frente, accionando solo con la articulación del hombro.
3. De acuerdo al desempeño logrado para cada caso, ¿qué pueden concluir acerca del com-
portamiento del sistema?
En la sección 4.7 se observó que la dinámica en red abierta del plano y el cilindro es inestable,
en el sentido que para una inclinación dada del plano, el cilindro rueda hasta salirse del plano;
esta es una respuesta no acotada para una entrada acotada; la dinámica de este sistema es la
de una masa sometida a una fuerza (la gravedad por el seno de la inclinación del plano), lo
que corresponde para la posición como salida, a un doble integrador (o a un integrador con
dinámica de primer orden si se considera la fricción viscosa); la evolución de la posición para
una inclinación dada del plano es por lo tanto parabólica con el tiempo. La realimentación
estabiliza esta dinámica en el paso 2a pero es difı́cil lograrlo con el brazo extendido en el paso
2b.
Se dice que un sistema lineal, invariante y monovariable, tiene estabilidad de Entrada
Limitada-Salida Acotada ELSA (en inglés BIBO, ‘Bounded Input-Bounded Output’), si toda
entrada acotada produce una salida acotada. Esta propiedad esta muy asociada con la respuesta
al impulso continua g(t) o discreta g(k) del sistema; sea el sistema de tiempo continuo descrito
por su función de transferencia:
C(s)
= G(s). (7.1)
R(s)
La condición de estabilidad ELSA exige que si |r(t)| ≤ N < ∞ para t ≥ 0, entonces
|c(t)| ≤ M < ∞ para t ≥ 0.
A partir de la respuesta calculada vı́a la integral de convolución:
Z ∞ Z ∞
|c(t)| ≤ |r(t − τ )||g(τ )|dτ ≤ N |g(τ )|dτ ≤ M
0 0
se requiere que el área de la curva debajo de |g(τ )| debe ser finita; note que es necesario que
lı́m g(t) → 0, para que el sistema continuo sea ELSA estable.
t→∞
lo cual exige que lı́m g(k) → 0, para que el sistema discreto sea ELSA estable.
k→∞
Las condiciones anteriores en g(t) o g(k) permiten relacionar la estabilidad ELSA con la
ubicación de las raı́ces en los planos S o Z respectivamente.
C Gp
= Se = , (7.3)
De 1 + Gc Gp
C C Gc Gp
= =T = , (7.4)
R −N 1 + Gc Gp
A(s) A(s) A(s) A(s) Gc
= = = = Ss = . (7.5)
R −N −Ds −N 1 + Gc Gp
Se define el sistema de control como internamente estable, si las funciones de sensibilidad (7.2)
a (7.5) son estables. Esto equivale a exigir que todas las señales en el lazo sean acotadas para
cada conjunto de entradas r(t), de (t), ds (t) y n(t) acotadas.
La estabilidad interna se puede asociar también a las raı́ces de la ecuación caraterı́stica.
Sean Gc (s) = Rc (s)/Sc (s) y Gp (s) = B(s)/A(s); luego el sistema realimentado es internamente
estable, si y solo si las raı́ces de la ecuación caracterı́stica:
Ejemplo 7.1
Para: Gc (s) = (−s+1)
s y Gp (s) = 1
(s+1)(−s+1) , la función de transferencia entre la salida C(s)
y la entrada de referencia R(s):
C(s) 1
T (s) = = 2
R(s) s +s+1
con coeficientes pi reales, tiene todas sus raı́ces con parte real negativa, esto es, si es Hurwitz.
Por supuesto que para ello se puede simplemente calcular las raı́ces del polinomio; sinembargo,
en muchos casos es útil estudiar la relación entre la posición de las raı́ces y ciertos coeficientes
del polinomio. Algunas propiedades polinomiales de interés para ello son:
1. El coeficiente pnp −1 satisface:
n
X
pnp −1 = − λi ,
i=1
3. Si todas las raı́ces de P (s) tienen parte real negativa, entonces necesariamente pi > 0, i ∈
{0, 1, ...(n − 1)}.
4. Si cualquiera de los coeficientes del polinomio es no positivo (negativo o cero), entonces
al menos una de las raı́ces tiene parte real no negativa.
a0 sn + a1 sn−1 + · · · + an−1 s + an = 0; an 6= 0.
2. Verificar que todos los coeficientes de la ecuación tienen el mismo signo y ninguno de
los coeficientes es igual a cero (condición necesaria pero no suficiente); de lo contrario,
existe al menos una raı́z que es imaginaria o tiene parte real positiva y el polinomio no es
Hurwitz.
3. Elaborar la tabla.
sn a0 a2 a4 . . .
n−1
s a1 a3 a5 . . .
sn−2 b1 b2 b3 . . .
sn−3 c1 c2 c3 . . .
. . . . . . .
. . . . . . .
. . . . . . .
s1 d1 . . . . .
s0 f1 . . . . .
a1 a2 − a0 a3 a1 a4 − a0 a5 a1 a6 − a0 a7
b1 = , b2 = , b3 = , ...
a1 a1 a1
b1 a3 − a1 b2 b1 a5 − a1 b3
c1 = , c2 = , ...
b1 b1
En este caso crea la ecuación auxiliar, con los coeficientes de la fila superior a la fila nula y se
reemplaza la fila nula con los coefientes de la ecuación auxiliar; esta ecuación es de orden par
y sus raı́ces son también de la ecuación caracterı́stica.
Ejemplo 7.2
Este ejemplo ilustra cómo el método permite analizar la estabilidad absoluta en función de
parámetros del sistema. Se considera el sistema de control de la excitación de un generador con
excitatriz de la figura 5.3:
1
Gp (s) = τe , τg > 0,
(τe s + 1)(τg s + 1)
τe τg s3 + (τe + τg )s2 + s + kI = 0.
s3 τe τg 1
s2 τe + τg kI
s1 1 − τeq kI 0
s0 kI
τe τg
donde τeq = τe +τg ; para que todos los elementos de la primera fila sean positivos, se requiere:
1 τe +τg
1 − τeq kI > 0 y kI > 0, luego: 0 < kI < τeq = τe τg .
τe +τg
Por otro lado, si la ganancia kI es la ganancia crı́tica: kIc = τe τg , la fila s1 es nula y hay
raı́ces conjugadas en el eje complejo; la ecuación auxiliar es:
τe + τg
(τe + τg )s2 + = 0,
τe τg
1
s2 = −
,
τe τg
s
1
s1−2 = ±j ,
τe τg
q
luego el sistema oscila con la frecuencia: ωo = τe1τg .
Dividiendo la ecuación caracterı́stica por la ecuación auxiliar se obtiene la tercera raı́z en:
s3 = − τ1eq . △
1. |an | < a0 ,
2. P (z)|z=1 > 0,
> 0 Si n es par
3. P (z)|z=−1 = ,
< 0 Si n es impar
4.
|bn−1 | > |b0 |
|cn−2 | > |c0 |
.
.
.
|q2 | > |q0 |,
.
.
.
p3 p2−k
qk = det k = 0, 1, 2.
p0 pk+1
Note que la última fila tiene 3 elementos, con excepción de los sistemas de segundo orden para
los cuales habrá 2n − 3 = 1, un elemento; observe que los elementos de una fila par son los de
la fila impar superior, en sentido inverso.
Ejemplo 7.3
En este ejemplo se evalúa la estabilidad del sistema con ecuación caracterı́stica:
P (z) = z 4 − 1.2z 3 + 0.07z 2 + 0.3z − 0.08 = 0.
Los coeficientes de la ecuación caracterı́stica son:
a0 = 1, a1 = −1.2, a2 = 0.07, a3 = 0.3, a4 = −0.08.
Se verifica si se cumplen las condiciones:
1. |an | < a0 : | − 0.08| < 1, cumple.
2. P (1) = 0.09 > 0, cumple.
3. P (−1) = 1.89 > 0, cumple.
4.
z0 z1 z2 z3 z4
1 −0.08 0.3 0.07 −1.2 1
2 1 −1.2 0.07 0.3 −0.08
3 −0.994 1.176 −0.075 −0.204
4 −0.204 −0.075 1.176 −0.994
5 0.946 −− 0.315
|b3 | = | − 0.994| = 0.994 > |b0 | = | − 0.204| = 0.204, cumple.
|c2 | = |0.946| = 0.946 > |c0 | = | − 0.315| = 0.315, cumple.
Por lo tanto el sistema es estable. △
Ejemplo 7.4
Este ejemplo ilustra el uso del método de Jury para evaluar la estabilidad en función del
rango de valores de la ganancia k; se considera el sistema de control de la figura 7.2.
La función de transferencia del sistema es:
C(z) k(0.3679z + 0.2642)
= 2
R(z) z + (0.3679k − 1.3679)z + 0.3679 + 0.2642k
por lo que la ecuación caracterı́stica es:
1 z 2 + (0.3679k − 1.3679) z + 0.3679 + 0.2642k .
|{z} | {z } | {z }
a0 a1 a2
Como el sistema es de segundo orden solo se requiere verificar las primeras tres condiciones:
R(z) + (0.3679z+0.2642)
C(z)
k (z−0.3679)(z−1)
−
1. |a2 | < a0 .
2. P (1) > 0.
3. P (−1) > 0.
De la condición 1. se obtiene:
|0.3679 + 0.2642k| < 1,
−5.1775 < 2.3925k.
De la condición 2. se obtiene:
P (1) = 0.6321k > 0,
k > 0.
De la condición 3. se obtiene:
k < 26.38.
La solución es la intersección de las tres condiciones previas:
σ 2 + 2σ + 1 + ω 2 < σ 2 − 2σ + 1 + ω 2 ; σ < 0,
lo que corresponde al semiplano izquierdo; por lo tanto, se puede aplicar el criterio de Routh
en el dominio de W para evaluar la estabilidad absoluta.
Ejemplo 7.5
Sea el polinomio:
P (z) = z 3 − 1.3z 2 − 0.08z + 0.24 = 0;
con
W +1 W + 1 3 W + 1 2 W + 1
z= , P (W ) = − 1.3 − 0.08 + 0.24 = 0,
W −1 W −1 W −1 W −1
W 3 − 7.57W 2 − 36.43W − 14.14 = 0.
El sistema es inestable pues los coeficientes no tienen el mismo signo.
Usando el comando ‘pole’ del MATLAB se obtienen directamente los polos de ambas ecua-
ciones caracterı́sticas:
>> pole(tf(1,[1 -1.3 -0.08 0.24],1))
ans =
1.2000
0.5000
-0.4000
%El polo en z=1.2 es inestable por ser mayor a 1.
>> pole(tf(1,[1 -7.57 -36.43 -14.14]))
ans =
10.9990
-3.0006
-0.4284
%El polo en W=10.999 es inestable por ser positivo
△
El cálculo de la estabilidad absoluta del modelo nominal para un sistema discreto a través
de la transformada bilineal exige más cálculos que el método de Jury, pero permite calcular la
frecuencia de oscilación ωo para la ganancia crı́tica kc .
7.3. Resumen
En este capı́tulo se dieron las definiciones de estabilidad de entrada-salida e interna en
tiempo continuo y discreto, para sistemas nominales lineales e invariantes en el tiempo. La
condición para la estabilidad la define las raı́ces de la ecuación caracterı́stica. Para que un
sistema en tiempo continuo sea estable, las raı́ces de la ecuación caracterı́stica deben localizarse
en el semiplano izquierdo del plano S. Para que un sistema en tiempo discreto sea estable, las
raı́ces de la ecuación caracterı́stica deben localizarse dentro del cı́rculo unitario en el plano Z.
La estabilidad de entrada limitada-salida acotada para la entrada de referencia y la salida
del sistema controlado, no es suficiente para garantizar que el sistema de control es internamente
estable; se requiere que todas las funciones de sensibilidad lo sean, lo que se da si no existen
cancelaciones de polos o ceros en el semiplano derecho.
Las condiciones necesarias para que un polinomio P (s) no tenga ceros sobre el eje jω y
en el semiplano derecho del plano S, es que todos sus coeficientes deben ser del mismo signo
y ninguno puede ser cero. El criterio de Routh-Hurwitz, verifica las condiciones necesarias y
suficientes para que P (s) tenga ceros solamente en el semiplano izquierdo del plano S.
Para sistemas en tiempo discreto, se debe verificar la ecuación caracterı́stica P (z) para
raı́ces sobre y fuera del cı́rculo unitario en el plano Z, esto se puede verificar directamente con
la prueba de estabilidad de Jury. El criterio de Routh Hurwitz no puede aplicarse directamente
a esta situación, pero se puede aplicar al sistema transformado vı́a la transformada bilineal,
pues esta transformación lleva el cı́rculo unitario en el plano Z al eje imaginario del plano W .
Esto además permite el cálculo la frecuencia de oscilación para la ganancia crı́tica del sistema.
Ejercicio 7.2
Se considera el péndulo invertido en la mano del ejemplo 1.3; intente equilibrar la barra obser-
vando su extremo superior, el centro y la mano. Analice la estabilidad del sistema controlado
para cada caso.
10(s + 1)
Gc (s) = .
s
Verifique analı́ticamente la estabilidad interna del sistema de control. Analice el diseño con
relación a la magnitud de la señal de control para escalones en la referencia y la respuesta a
disturbios de entrada y salida.
Ejercicio 7.4
Analice la estabilidad interna del sistema controlado del ejercicio anterior, si el controlador es
análogo e implementa erróneamente la acción de control integral, con la función de transferencia:
10(s + 1)
Gc (s) = ,
s+ǫ
donde ǫ es un número positivo o negativo pequeño.
Ejercicio 7.5
El sistema:
2z −1 + 2z −2
Gp (z) = ,
1 − 2z −1 + z −2
se controla de forma que su función de transferencia de red cerrada es: T (z) = z −2 . Analice la
estabilidad del sistema controlado.
Ejercicio 7.6
Utilizando un programa de cálculo de raı́ces, analice la estabilidad de las ecuaciones carac-
terı́sticas:
s4 + 12s3 + s2 + 2s + 10 = 0,
z 3 + 2z 2 + 1.2z + 0.5 = 0.
Ejercicio 7.7
La figura 7.3 muestra un péndulo invertido que representa la situación del ejercicio 7.2 en
una sola dirección; el péndulo tiene longitud l y la masa m concentrada en su extremo superior;
la base de masa M es móvil con desplazamientos y debidos a la fuerza aplicada f .
Ejercicio 7.11
El sistema de primer orden:
1
Gp (s) =
τs + 1
se controla con el controlador digital integral:
kI z
Gc (z) = .
z−1
Calcule los lı́mites de la ganancia integral kI en función del número de muestreos por constante
de tiempo: Nτ = τ /T , para que el sistema de control digital sea estable.
Ejercicio 7.12
Plantee como utilizar el criterio de Routh-Hurwitz para analizar si una ecuación carac-
terı́stica tiene polos lentos, con velocidad de respuesta menor a una constante de tiempo τmin
dada.
Ejercicio 7.13
El sistema de tiempo discreto:
z + 0.7
Gp (z) =
10.6(z − 0.6)2
se controla con el controlador digital integral:
kI z
Gc (z) = .
z−1
Calcule la ganancia integral kI crı́tica y la frecuencia de oscilación.
Ejercicio 7.14
Seleccione la afirmación que considere correcta.
El criterio de Routh-Hurwitz se aplica directamente al sistema dinámico
1. continuo con tiempo muerto.
2. continuo no lineal.
3. discreto lineal.
4. discreto con transformada bilineal.
Ejercicio 7.15
Un sistema dinámico de tercer orden tiene las siguientes dos primeras filas de la tabulación
de Routh.
s3 4 4
s2 4 4
Para el sistema se puede afirmar que tiene
A. dos raı́ces reales, una positiva y una negativa de igual magnitud.
B. dos raı́ces complejas: s = j, s = −j y una raı́z real negativa.
C. dos raı́ces complejas: s = 2j, s = −2j y una raı́z real positiva.
D. dos raı́ces complejas: s = −2 + 2j, s = −2 − 2j y una raı́z real negativa.
2. Analice el punto anterior, para un diseño que obtenga la función de transferencia de red
cerrada sin ceros y con polos en el origen del plano Z.
3. Considere el modelo nominal del proceso con el controlador PID ajustado en el paso 10
del capı́tulo 6; calcule el rango de la ganancia de una acción de control, manteniendo las
demás en el ajuste dado, de forma que el sistema sea estable en lazo cerrado. Si aplica,
obtenga la ganancia crı́tica y la frecuencia de la oscilación sostenida en cada caso.
4. Para el modelo nominal del proceso con el controlador PID ajustado en el paso 10 del
capı́tulo anterior, calcule el rango de valores del perı́odo de muestreo para el cual el sistema
controlado es estable.
8.1. Introducción
Las caracterı́sticas básicas de la respuesta transitoria de un sistema realimentado las deter-
minan los polos de lazo cerrado, por lo que en el análisis de un sistema de control es importante
poder ubicar estos polos en lugares apropiados del plano S. En el diseño de un sistema de
control, el ajuste de los parámetros del controlador cambia las posiciones de los polos y ceros de
lazo abierto, buscando ubicar los polos del lazo cerrado en las posiciones deseadas del plano S.
Como los polos de lazo cerrado son las raı́ces de la ecuación caracterı́stica, es importante para
el análisis conocer los efectos en la ubicación de las raı́ces de lazo cerrado cuando cambia un
parámetro en la ecuación caracterı́stica. El lugar geométrico de las raı́ces son las trayectorias
de la ecuación caracterı́stica cuando un parámetro de ella varı́a.
A continuación se presentan los conceptos básicos del método del lugar de las raı́ces, el
procedimiento general para dibujar los lugares de las raı́ces y se analizan los efectos de adicionar
polos y ceros al lugar, para sistemas de tiempo continuo; al final se presentará la técnica del
lugar de las raı́ces para sistemas de tiempo discreto.
1. Se busca posicionar el cilindro en el centro, partiendo desde un extremo; inicie todos los
ensayos con las mismas condiciones iniciales, cilindro quieto en un extremo sin inclinación
del plano. Si es necesario, realice varios ensayos antes de realizar la observación final.
Defina caracterı́sticas apropiadas para evaluar el desempeño en cada uno de los siguientes
casos:
397
8.2. LUGAR GEOMÉTRICO DE LAS RAÍCES EN TIEMPO CONTINUO
2. Con el plano al frente sostenido con el pulgar hacia arriba del plano, realice el experimento
para cada uno de los siguientes casos:
a) Con el extremo del plano opuesto al de sujeción con la mano, apoyado al espaldar
de una silla.
b) Con el plano pivotado en el centro.
c) Con el plano pivotado lo más cerca posible de la mano. Ver la figura 8.1.
d ) Con el plano sin apoyo y el brazo pegado al cuerpo, accionando con la muñeca.
e) Con el plano sin apoyo y el brazo pegado al cuerpo hasta el codo, accionando con la
articulación del codo.
f ) Con el plano sin apoyo y el brazo recto al frente, accionando con la articulación del
hombro. Ver la figura 8.2.
3. ¿Con el plano pivotado, cómo es el comportamiento del sistema controlado con relación
a la posición del apoyo?
¿Cómo es el comportamiento del sistema controlado, con el plano con apoyo y sin él?
¿Cómo es el comportamiento del sistema controlado con el plano sin apoyo, con relación
a la articulación usada para desplazarlo?
¿Que puede concluir acerca del comportamiento del sistema?
¿Puede esbozar algún gráfico que de información general del funcionamiento del sistema
para los diferentes casos estudiados?
En esta actividad se observa cómo cambia la respuesta del sistema controlado con la posición
del pivote o la longitud entre el plano y el punto de giro de la articulación; entre más cerca el
pivote a la mano, mayor es la amplificación entre el desplazamiento de la mano y el ángulo del
plano; sucede lo mismo con el ángulo de la articulación y la longitud entre ésta y el plano. Si
se dibujan en el plano S los cambios de los polos del sistema realimentado con el cambio de un
parámetro, se obtiene el lugar geométrico de las raı́ces; el parámetro más usado para este lugar
es la ganancia de amplificación del error.
Si k es pequeño y tiene a cero, las raı́ces de la ecuación caracterı́stica 8.1 son las raı́ces de
D(s) = 0, los polos de red abierta; si k es muy grande, las raı́ces de la ecuación caracterı́stica
son las raı́ces de N (s) = 0, los ceros de red abierta; por lo tanto, para k : [0, ∞), los polos de red
cerrada varı́an desde los polos de red abierta hacia los ceros de red cerrada, donde terminan.
D(s1 ) + kN (s1 ) = 0
o bien:
GH(s1 ) = −1,
por lo que se debe cumplir:
1.
∠GH(s1 ) = ±180(2L + 1), L = 0, 1, 2, ... (8.2)
Esta expresión se denomina criterio del ángulo y define qué punto del plano S pertenece
al lugar geométrico de las raı́ces.
2. D(s )
1
|GH(s1 )| = 1, o bien: |k| = . (8.3)
N (s1 )
Esta expresión se denomina criterio de magnitud y da la ganancia k en el punto del lugar
geométrico de las raı́ces.
Con estos dos criterios se podrı́a trazar el lugar geométrico de las raı́ces por tanteos en el plano
s; esta evaluación de forma gráfica se ilustra en la figura 8.3, donde se tiene un sistema con un
cero en s = −2 y un par de polos complejos en s = −1 ± j para la función de transferencia de
lazo abierto.
El criterio del ángulo se evalúa restándole a la suma de los ángulos de los ceros, los ángulos
de los polos; estos ángulos se obtienen entre el eje real o un eje de jω constante y el vector
dirigido entre el cero o polo y el punto s1 ; esto es:
∠GH(s1 ) = γ − β − α;
si se cumple, el punto s1 será una raı́z de lazo cerrado para algún valor de k.
El criterio de magnitud es:
Q
magnitud de los vectores desde los polos de GH a s1
|k| = Q ,
magnitud de los vectores desde los ceros de GH a s1
A.C
|k|s=s1 = .
B
La construcción del lugar por esta vı́a serı́a muy dispendiosa manualmente; el comando
‘rlocus(GH)’ del MATLAB traza el lugar de las raı́ces de la función de transferencia GH. Antes
de disponer de programas como éste, se utilizaban reglas de construcción que simplificaban la
obtención del lugar; las reglas aún son útiles pues muestran los patrones de variación de los
polos de red cerrada, lo que es útil para el análisis del sistema de control.
Plano S jω
α
K=0
A
−1 + j
S1
B γ
K=∞
−2 0 σ
C
β
K=0
−1 − j
2. Las n ramas del lugar, parten de los polos −pj hacia los ceros −zi .
3. Hay lugar en el eje real, a la izquierda de un número impar de polos y ceros.
4. El lugar tiende a ası́ntotas rectas para s → ∞ que cortan el eje real en:
n
X m
X
pi − zj
i=1 j=1
σc = −
n−m
y forman un ángulo con el eje real de:
(2l + 1)180
β= [grados] l = 0, 1, 2, ...|n − m| − 1.
n−m
Los puntos de ruptura del lugar corresponden a raı́ces de orden múltiple, reales o com-
plejos; en general, los puntos de ruptura del lugar deben satisfacer:
dGH(s) dk
=0⇔ = 0.
ds ds
Estas ecuaciones son solo una condición necesaria; adicionalmente deben satisfacer la
ecuación caracterı́stica para algún k real.
6. El lugar parte o llega desde polos o ceros complejos formando ángulos de:
Ejemplo 8.1
Este ejemplo ilustra el uso de las reglas para trazar el lugar de las raı́ces para el sistema
de control de la excitación con excitatriz y acción integral, variando la ganancia de integración
kI , para τE = 0.5 y τG = 1. También se calcula la ganacia kI y las raı́ces de red cerrada que
tengan un coeficiente de amortiguamiento ρ = 0.5. La función de transferencia de red abierta
es:
kI 2kI
G(s) = = ,
s(s + 1)(0.5s + 1) s(s + 1)(s + 2)
k
= , k = 2kI .
s(s + 1)(s + 2)
2. Tres ramas.
4. 3 Ası́ntotas:
* Centroide:
1+2
σc = − = −1.
3
* Ángulos con eje real:
180
l = 0, β = = 60; l = 1, β = 180; l = 2, β = 300.
3
5. Punto de separación:
1 1 1
+ + = 0,
σB σB + 1 σB + 2
2
3σB + 6σB + 2 = 0;
σB1 = −0.42, σB2 = −1.57.
Como no hay lugar en el eje real entre (−2, − 1), el punto de separación es σB1 = −0.42;
el punto σB2 corresponde al lugar para k < 0.
6. No hay polos o ceros complejos de red abierta.
En el punto de despegue:
1
k= = 0.385.
GH(−0.42)
Raı́z real:
s3 + 3s2 + 2s + 0.385
= s + 2.16.
(s + 0.42)2
Raı́ces complejas con ρ = 0.5, corresponden a un ángulo con el eje real de: θ = 60o
Se asume la parte real = −0.4 (menor que -0.42)
k = 1.04 ; kI = 0.52.
Para k = 1.04 la tercera raı́z está en:
s3 + 3s2 + 2s + 1.04
= s + 2.33.
(s + 0.33 + j0.58)(s + 0.33 − j0.58)
jω
K→∞
j2
K=6
ρ = 0.5
j
60◦
K = 1.04
K = 6 K = 0.385
−3 −2 −1 0 σ
K = 1.04 K = 0.385
−j
−j2
K→∞
Ejemplo 8.2
Se considera el sistema de control de la excitación con excitatriz, acción integral y red
estabilizadora, ver el diagrama de bloques en la figura 8.2 y el reducido en la figura 8.2.
Con τF = τG , la función de transferencia de la realimentación es: H(s) = 1 + T s. Se desea
diseñar el sistema de control, calculando kI y T para que el sistema cumpla las especificaciones:
1
a) essv ≤ 3,
b) ρ ≥ 0.4,
c) ts ≤ 6 seg (5 %).
a)
1 1
essv = ≤ , KV ≥ 3.
KV 3
vR(s)
+ 1 1 vT (s)
kI
s τE s+1 τGs+1
−
Ts
+ τF s+1
+
Figura 8.5: Sistema de control de la excitación con excitatriz, acción integral y red estabilizadora.
vR(s) + kI
vT (s)
s(s+1)(s+2)
−
1 + T(τs(τGs+1)
s+1)
F
k(1 + T s) k
KV = lı́m s = ,
s→+∞ s(s + 1)(s + 2) 2
k ≥ 6.
b) Raı́ces de red cerrada en el semiplano izquierdo por debajo de la lı́nea: θ = cos−1 (0.4) =
66.4o .
c) ts = ρw3 n ≤ 6s (5 %) luego ρwn ≥ 0.5 esto es tener raı́ces complejas con parte real
≥ 0.5.
La figura 8.2 muestra el área deseada para las raı́ces del sistema de control en red cerrada.
La función de transferencia de red abierta es:
k(1 + T s)
GH(s) = .
s(s + 1)(s + 2)
Se consideran inicialmente las variaciones de k, asumiendo T = 0:
k
GH1 (s) = .
s(s + 1)(s + 2)
Esta función de transferencia de red abierta GH(s) tiene el lugar del ejemplo anterior,
ver la figura 8.4.
Area Deseada
jω
de Localizacion
de las Raices
−0.5 σ
s3 + 3s2 + 2s + k(1 + T s) = 0;
para cumplir la regla 1, se divide la ecuación caracterı́stica por los términos restantes al
del parámetro de variación:
kT s
1+ = 0,
s3 + 3s2 + 2s + k
kT s
GH2 (s) = .
s3 + 3s2 + 2s + k
Los polos donde inicia el lugar de GH2 (s) dependen de k y corresponden al lugar de GH1 (s);
para k = 6, se tienen polos en el eje complejo y la tercera raı́z en s = −3, ver la figura 8.8.
Las ası́ntotas tienen centroide en σc = −1.5 con ángulos β = ± 90o . Como el coeficiente
de s2 en la ecuación caracterı́stica es 3 independiente de k y corresponde a la suma de los polos
de GH2 (s), entonces la ası́ntota es del contorno.√
El lugar sale de los polos complejos en s = j 2 con un ángulo de partida:
s
θd = 180 + ang √ = 154.8o .
(s + j 2)(s + 3) s=j √2
Graficando GH2 (s) para los valores de k = 3, 6 y 20, se obtiene el contorno de las raı́ces de la
figura 8.9.
Para ajustar los parámetros de control que den las raı́ces de red cerrada cumpliendo las
especificaciones, se observa en la figura 8.9 que con k = 6 y T = 1, las raı́ces están dentro
del área deseada con polos en: s1−2 = −1 ± j2.23 que corresponden al polinomio de segundo
orden: s2 + 2s + 6 el cual tiene un coeficiente de amortiguamiento ρ = 0.41 ≥ 0.4 y parte real
ρωn = 1 ≥ 0.5. La tercera raı́z está en s3 = −1, por lo que se cumplen las especificaciones. △
jω
ΘD
k=6
−3 −1.5 σ
asintota
Los contornos de las raı́ces se crean fácilmente con el comando ‘rlocus’ invocando varios
argumentos; los siguientes comandos generan el contorno para k = 3, 6 y 20:
>> s=tf(’s’);G1=1/(s*(s+1)*(s+2));
>> G2=s/(s*(s+1)*(s+2)+3);G3=s/(s*(s+1)*(s+2)+6);G4=s/(s*(s+1)*(s+2)+20);
>> rlocus(G1,G2,G3,G4)
clf;s=tf(’s’);G1=1/(s*(s+1)*(s+2));
rlocus(G1)
hold;
for i=1:20
G2=s/(s*(s+1)*(s+2)+i);
rlocus(G2)
end
T →∞
T =1
K→∞
Plano S T = 1/2
T =1 T = 7/30
T = 1/2 K = 20, T = 0
T =1
Asintota del contorno
K = 6, T = 0
T = 1/2
K = 3, T = 0
Contorno de las raices
K = 20
T =0
T =∞
−4 3.85 −3 −2 −1 0 σ
Contorno de las raices sobre el eje real
K = 3, T = 0
T = 1/2
K = 6, T = 0
T = 1/2
T =1 K = 20, T = 0
T = 7/30
K=3
T = 1/2 K→∞
K=6
T →∞ T =1
K = 20
15
10
5
Eje imaginario
−5
−10
−15
−4 −3.5 −3 −2.5 −2 −1.5 −1 −0.5 0 0.5 1
Eje real
de los lugares hacia la izquierda. El ángulo de las ası́ntotas aumenta y para los lugares de la
figura 8.12 los sistemas son estables para todo valor de la ganancia K.
1 + GH(z) = 0,
tiene la misma forma de la ecuación caracterı́stica usada para trazar el lugar de las raı́ces en el
plano S: 1 + GH(s) = 0; por lo tanto, las reglas de construcción del lugar de las raı́ces en el
plano Z son las mismas usadas para determinar el lugar en el plano S.
Claro está que la ubicación de las raı́ces en el plano Z tiene un significado distinto con
relación a la respuesta transitoria, permanente y la estabilidad del sistema, como se analizó en
la sección 5.11.
K→∞ jω
K→∞ jω Plano S K→∞
Plano S b=∞
K→∞
K→∞ K→∞
(a) (b)
K→∞
K→∞ K→∞ jω K → ∞ jω
Plano S
K→∞ K→∞
b=c=∞
K=0
c=∞
Plano S
K=0 K=0 K=0 K=0 K=0 K=0
−c −b −a 0 σ −a 0 σ
K→∞ K=0
K→∞
K→∞ K→∞
K→∞ K→∞
Figura 8.11: Efecto en el lugar de las raı́ces al adicionar polos a GH(s). Arriba a la derecha:
K K
GH(s) = s(s+a) ; arriba a la izquierda: GH(s) = s(s+a)(s+b) ; abajo a la derecha: GH(s) =
K K
s(s+a)(s+b)(s+c) ; abajo a la izquierda: GH(s) = s(s+a)(s2 +bs+c) .
Ejemplo 8.3
Este ejemplo analiza con el lugar de las raı́ces el sistemas de tiempo discreto de la figura
8.13, que corresponde a una planta de primer orden sujeta a una acción de control integral; se
analizan los efectos sobre el comportamiento del sistema de variar el perı́odo de muestreo, para
T = 0.5, 1 y 2s. La función de transferencia de red abierta es:
kz 1 − e−T s kz 1 − e−T
G(z) = Z = .
z−1 s(s + 1) z − 1 z − e−T
La tabla 8.1 muestra los valores de G(z), para cada valor del perı́odo de muestreo T . La figura
8.14 muestra los lugares generados al variar k con el valor de los polos para k = 2.
jω jω
Plano S
b=∞ Plano S
K=∞
K→∞
K=∞ K=0 K=0 K=0 K=0
−b −a −a/2 0 σ −b −a −a/2 0 σ
K→∞
K→∞
(a) (b)
K→∞ jω
K→∞
Plano S c→∞
K→∞ K→∞
(c)
Figura 8.12: Efecto en el lugar de las raı́ces al adicionar ceros a GH(s). Arriba a la derecha:
K(s2 +bs+c)
GH(s) = K(s+b)
s(s+a) ; arriba a la izquierda: GH(s) = s(s+a)
K(s+c)
; abajo: GH(s) = s(s+a)(s+b) .
R(z) k C(z)
+ 1−e−T s 1
− δT 1−z −1 s s+1
Tabla 8.1: Función de transferencia de red abierta para diferentes perı́odos de muestreo.
T G(z)
0.3935kz
0.5 (z−1)(z−0.6065)
0.6321kz
1 (z−1)(z−0.3679)
0.8647kz
2 (z−1)(z−0.1353)
K = 8.165 K = 0.1244
K = 8.041
0.6065 1 Re
−0.7788
Im Plano Z
K = 4.083 T=1 seg
K=2
K = 4.328 K = 0.2449
0.3679 1
Re
Im
Plano Z T=2 seg
K = 0.4622
K = 2.626 K = 2.164
1 Re
K=2 0.1353
Circulo unitario
Z1−2 = 0.3 ± j0.21
ρ = 0.36 θ = 143.9
Figura 8.14: Lugares de las raı́ces para varios perı́odos de muestreo. Arriba T = 0.5; centro
T = 1 y abajo T = 2.
K=2
c(kT )
1.5
1.0
0.5
0 1 2 3 4 5 6 7 8
kT (s)
c(kT )
1.5
1.0
0.5
0 1 2 3 4 5 6 7 8
kT (s)
c(kT )
1.5
1.0
0.5
0 1 2 3 4 5 6 7 8 kT (s)
Se observa que con un perı́odo de muestreo alto sube un poco el sobrepaso y la salida discreta
c(kT ) ya no da una buena representación de la salida continua c(t); el número de muestras por
ciclo de la oscilación amortiguada: m = 360
θ es para cada caso:
K=2
c(kT )
Error de estado estable = 0.25
6
0 1 2 3 4 5 kT (s)
c(kT )
Error en estado permanente = 0.50
6
0 1 2 3 4 5 6 kT (s)
c(kT )
10 Error en estado permanente = 1.00
8
0 1 2 3 4 5 6 7 8 9 kT (s)
2
T=0.5 Kv = 0.5 = 4,
2
T=1 Kv = 1 = 2,
2
T=2 Kv = 2 = 1,
8.4. Resumen
En esta unidad se ha presentado la técnica del lugar geométrico de las raı́ces para sistemas
de control lineales tanto continuos como discretos. Este lugar corresponde a la variación de
los polos de red cerrada cuando cambia un parámetro en el sistema; para valores bajos del
parámetro, el lugar parte de los polos de red abierta y con el aumento del parámetro se dirige a
los ceros de red abierta, donde termina; si hay más polos que ceros, el lugar tiende a ası́ntotas
rectas que buscan ceros en infinito.
La gráfica es útil para el análisis y diseño de los sistemas de control, pues muestra las
contribuciones de los cambios del parámetro y de la ubicación de los polos y ceros de red
abierta, a los polos de red cerrada, con lo que se puede ajustar la ganancia y los polos y ceros
del controlador. En general, la adición de polos orienta el lugar hacia el semiplano derecho y la
de ceros hacia el izquierdo.
El criterio del ángulo permite verificar si un punto del plano S o Z pertenece al lugar;
el criterio de magnitud da el valor de la ganancia para un punto perteneciente al lugar. Con
estos criterios se plantean reglas que facilitan la construcción manual del lugar de las raı́ces;
sinembargo, en la actualidad se utilizan programas de computadora para realizar la gráfica del
lugar o del contorno de las raı́ces en caso de variar más de un parámetro.
Las propiedades y la construcción del lugar geométrico de las raı́ces en el plano Z son en
esencia las mismas que aquellas para sistemas de tiempo continuo, pero el análisis se debe
realizar con las interpretaciones de la ubicación de los polos para cada plano en particular.
Ejercicio 8.2
¿Cómo cambiarı́a la respuesta del ejercicio 6.1 luego de fatigarse la persona que lo realiza?
¿Cómo puede obtener un boceto del lugar de las raı́ces para este sistema?
R(z) C(z)
+
k(z−a) 0.4
− z−1 z−0.6
T = 0.5seg
Figura 8.17: Sistema de control digital para el ejercicio 8.3.
2. Con a = 0, muestre que el lugar de las raı́ces complejas para variaciones de k, describe
una circunferencia en el plano Z con centro en el origen.
3. Con a = 0, calcule el lugar de las raı́ces en el eje real, el centroide y ángulo de las ası́ntotas
y los puntos de despegue o llegada del lugar al eje real.
4. Trace un boceto manual del lugar de las raı́ces con a = 0 en el ábaco de la figura 8.18;
analice si el sistema puede responder como uno de tiempo continuo, con tiempo de esta-
bilización menor de 4 segundos evaluado con el criterio del 2 %.
5. Utilice los criterios de magnitud y ángulo para calcular k y a, de forma que el sistema
tenga un par de polos complejos con coeficiente de amortiguamiento ρ = 0.5 y frecuencia
natural ωn = 1.88
Ejercicio 8.4
La figura 8.19 muestra el lugar de las raı́ces para la variación de la ganancia k de un sistema
de control digital realimentado unitario, con perı́odo de muestreo de 1s.
1
0.5π/T
0.6π/T 0.4π/T
0.2
0.3
0.6
0.8π/T 0.2π/T
0.4
0.5
0.4 0.6
0.7
0.9π/T 0.1π/T
0.8
0.2
0.9
π/T
0
π/T
−0.2
0.9π/T 0.1π/T
−0.4
0.8π/T 0.2π/T
−0.6
0.6π/T 0.4π/T
0.5π/T
−1
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
Figura 8.18: Ábaco del plano Z para diferentes coeficientes de amortiguamiento y frecuencias
naturales.
3. Ajuste k de forma que el sistema tenga un par de polos complejos conjugados con coefi-
ciente de amortiguamiento ρ = 0.5- ¿Cuál es el margen de ganancia para este ajuste? ¿El
sistema se puede aproximar a uno de segundo orden?
Ejercicio 8.5
Con la ayuda de un programa de computador, trace los lugares de las raı́ces para los sistemas
de los ejercicios 5.16 y 5.26, con respecto a las ganancias de la realimentación.
Ejercicio 8.6
Considere los sistemas con realimentación unitaria y las funciones de transferencia de red
abierta:
1.
k
G(s) = ,
(s + 1)3
Root Locus
1
0.5π/T
0.6π/T 0.4π/T
ρ
0.8 0.7π/T 0.1 0.3π/T
0.2
0.6
0.3 k=1
0.8π/T 0.4 0.2π/T
k=0.62
0.5 k=0.42
0.4 0.6 k=0.35
0.7 k=0.30
0.9π/T 0.1π/T
0.8
0.2 k=0.26
0.9
Imaginary Axis
k=0.15
π/T
0
π/T
k=0.16
−0.2
k=1
k=0.18
0.9π/T 0.1π/T
−0.4 k=0.20
0.6π/T 0.4π/T
0.5π/T
−1
−1 −0.5 0 0.5 1
Real Axis
2.
k(s + 1)
G(s) = ,
s2
3.
k(s + 2)
G(s) = ,
s2 + 1
4.
k(s + 2)
G(s) = ,
s2 (s + 1)
5.
k(s + 2)2
G(s) = .
(s2 + 4)(s + 5)2
Con la ayuda de un programa de computador, grafique los lugares geométricos de las raı́ces;
calcule si existe, el rango de valores de la ganancia k para el cual el sistema es estable.
Ejercicio 8.7
El sistema oscilador:
1
G(s) =
s2 +1
se controla con:
Gc (z) = a + bz −1 ,
con a y b parámetros ajustables y perı́odo de muestreo de T = 0.2s; se desea que el sistema
responda en red cerrada con una ecuación caracterı́stica que tenga un coeficiente de amor-
tiguamiento ρ = 0.7 y frecuencia amortiguada ωn = 2. Con la ayuda de un programa de
computador, trace el contorno de las raı́ces para variaciones de a y b; encuentre si existen los
parámetros que cumplan con la dinámica deseada.
Ejercicio 8.8
El sistema doble integrador:
1
G(s) =
s2
se controla con:
az − b
Gc1 (z) = ,
z − 0.368
con a y b parámetros ajustables y perı́odo de muestreo de T = 0.2s; se desea que el sistema
responda en red cerrada con una ecuación caracterı́stica que tenga un coeficiente de amor-
tiguamiento ρ = 0.7 y frecuencia amortiguada ωn = 1. Con la ayuda de un programa de
computador, trace el contorno de las raı́ces para variaciones de a y b; encuentre si existen los
parámetros que cumplan con la dinámica deseada.
Ejercicio 8.9
La figura 8.20 muestra el lugar de las raı́ces para el sistema:
k
G(s) = .
s(s2 + 6.4s + 16)
Para las siguientes preguntas, marque LA opción que considere correcta.
1. El rango de valores de k para el cual el sistema es estable es
A. 0 < k < 12.8.
B. 0 < k < 80.
C. 0 < k < 102.4.
D. 0 < k < 144.
2. La frecuencia de oscilación [rad/s] para el sistema marginalmente estable es
A. 0.16.
B. 1.
5
0.86 0.76 0.64 0.5 0.34 0.16
k=144
4 k=102.4
k=80
3
0.94 k=44.8
2
k=24
k=12.8 k=16
0.985
Eje imaginario
1
k=102.4
8 7 6 5 4 3 2 1
0
−2
0.94
−3
−4
C. 4.
D. 80.
A. 12.8.
B. 16.
C. 24.
D. 80.
A. 11.25.
B. 6.4.
C. 4.26.
D. 3.21.
A. 0o .
B. 90o .
C. -90o .
D. 180o .
A. 6.
B. 24.
C. 44.8.
D. 80.
9. El lugar tiene
A. una ası́ntota.
B. dos ası́ntotas.
C. tres ası́ntotas.
D. cuatro ası́ntotas.
A. cero.
B. -1.06.
C. -2.13.
D. 1.06.
2. Considere el modelo nominal del proceso y el perı́odo de muestreo escogido en las ac-
tividades de proyecto previas. Utilice una acción de control proporcional o integral si la
requiere; trace el lugar de las raı́ces para la ganancia proporcional kp o la integral ki y
verifique si se cumplen las especificaciones. Calcule si existe, la ganancia crı́tica kc y las
raı́ces de red cerrada para ganancias kc /2 y kc /3. Calcule si existe, la ganancia para tener
dos raı́ces reales iguales.
3. Analice si el sistema puede tener una ecuación caracterı́stica con un par de polos complejos
con coeficiente de amortiguamiento mayor o igual a 0.5; en tal caso, calcule la ganancia
para un amortiguamiento de 0.5 y el margen de ganancia. ¿La dinámica del sistema se
puede aproximar a la de segundo orden?
4. Considere el modelo nominal del proceso con el controlador PID ajustado en el paso 10
del capı́tulo 6; trace el lugar de las raı́ces para variaciones de la ganancia de una acción de
control, manteniendo las demás en el ajuste dado. Si aplica, obtenga la ganancia crı́tica
y la frecuencia de la oscilación sostenida en cada caso.
5. Para el paso anterior, analice los cambios de desempeño para diferentes perı́odos de
muestreo mediante los lugares de las raı́ces para la ganancia proporcional.
6. Para el paso 4 trace contornos de las raı́ces para las variaciones de la ganancia proporcional
con otra acción de control.
Análisis de la respuesta en
frecuencia
9.1. Introducción
Por el término respuesta en frecuencia se entiende la respuesta en estado de régimen perma-
nente de un sistema ante una entrada sinusoidal. Esta respuesta se puede representar gráfica-
mente de diversas formas; también tiene una estrecha relación con la función de transferencia
del sistema, lo que hace de esta herramienta un método muy poderoso para analizar y diseñar
sistemas de control. Este método es especialmente útil para controlar el ancho de banda del
sistema y evitar amplificar ruido en el lazo; también lo es para evaluar la estabilidad incluyendo
variaciones de la función de transferencia a controlar (estabilidad robusta) y para sistemas con
tiempos muertos.
En este capı́tulo se presentará el análisis en el dominio de la frecuencia de una función de
transferencia por medio de diagramas de magnitud y fase de bode, gráficas polares, y el criterio
de estabilidad de Nyquist tanto para sistemas de tiempo continuo como discretos.
1. Ate un extremo del nylon elástico a la masa y el otro extremo al nylon inelástico, marque
esta última unión con plastilina lo que definirá el desplazamiento x(t) del nylon inelástico;
observe que el desplazamiento máximo X de x(t) es πD. Pase el extremo libre del nylon
inelástico por un pivote y luego átelo a un lapicero, como se muestra en la figura 9.1.
Una persona girará a un ritmo ω constante el lapicero sobre el vaso; el ritmo se define
a partir del conteo muestreado de los segundos del reloj o desde cualquier otro patrón
424
9.2. RESPUESTA FRECUENCIAL DE SISTEMAS CONTINUOS
2. Desplace con la mano la masa para observar su oscilación libre; tome nota del número
total de oscilaciones y su frecuencia ωd .
3. Para los siguientes casos, observe la desviación pico a pico Y de la masa m y su altura
y(t) para un punto de referencia dado de x(t) (el máximo o mı́nimo, por ejemplo); tome
datos, solo después de alcanzar un movimiento periódico uniforme. Registre en una tabla:
ω, Y y x(t).
a) Al ritmo más lento posible, asegurando una velocidad uniforme del lapicero.
b) Un poco más rápido que en el paso anterior, donde observe que Y aumenta.
c) Al ritmo donde se observe la máxima Y .
d ) Al ritmo donde la posición de la masa y(t) esté en contrafase con la de x(t) (si es
posible).
e) Más rápido que en el paso anterior y donde observe iguales desplazamientos pico a
pico X y Y (si es posible).
4. ¿Cuál es aproximadamente la dinámica del sistema masa resorte? ver ejemplo 5.3.
5. ¿Cuál es la relación de magnitudes Y /X y de desfase entre las sinusoides del nylon in-
elástico y de la masa, a ritmos muy bajos y a ritmos muy altos?
7. ¿En el paso 3d cuál es la relación Y /X? Si fuera uno, serı́a más fácil o difı́cil controlar el
sistema?
8. ¿En el paso 3e que desfase se observa? Si fuera de 180o , serı́a más fácil o difı́cil controlar
el sistema?
10. ¿Puede esbozar algún(os) gráfico(s) que de(n) información general del funcionamiento del
sistema para los diferentes casos analizados?
En la lúdica anterior se analiza la respuesta en estado estable del sistema masa resorte a
una señal sinusoide de entrada con frecuencia variable: x(t) = Xcos(ωt) y la salida es también
una señal sinusoidal y(t) = Y cos(ωt + φ) de la misma frecuencia pero de magnitud y fase
diferentes. Este análisis se denomina respuesta de frecuencia y como se observa en la lúdica
9.1 la determinación experimental de la respuesta en frecuencia es simple por la facilidad de
generar x(t) y de medir y(t).
Y
La relación de magnitudes X (ω) y el desfase φ(ω) son función de la frecuencia ω de la
entrada y están directamente relacionados con la función de transferencia. Como la función
coseno se expresa por la identidad de Euler como: cos(ωt) = (ejωt + e−jωt )/2, interesa conocer
la respuesta del sistema dinámico a la entrada exponencial compleja: x(t) = ejωt .
1 1
Con X(s) = s−jω la transforma de Laplace de la salida es Ye+ (s) = s−jω G(s); expandiéndola
en fracciones parciales:
G(jω)
Ye+ (s) = + Yt (s),
s − jω
donde:
nj
p X
X rji
Yt (s) =
j=1 i=1
(s − pj )i
son los términos de la expansión de los polos de G(s), estos términos en el dominio del tiempo
decrecen exponencialmente si el sistema es estable, por lo que la respuesta a ejωt en estado
estable es:
ye+ (t → ∞) = G(jω)ejωt . (9.1)
La función G(jω) es compleja y puede expresarse en coordenadas polares como:
donde φ(jω) = ∠G(jω) es el ángulo de G(jω), ası́ la salida en estado estable (9.1) es:
de (9.3) promediando las respuestas a Xejω y Xe−jω se obtiene la respuesta en estado estable
para x(t) = Xcos(ωt):
X 1 j(ωt+φ(ω))
y(t → ∞) = (ye+ + ye− ) = X|G(jω)| e + e−j(ωt+φ(ω)) , (9.4)
2 2
y(t → ∞) = X|G(jω)|cos(ωt + φ(ω)). (9.5)
Por lo tanto, la respuesta en estado estable a una sinusoide de entrada, es una sinusoide de
la misma frecuencia con amplitud: Y = X|G(jω)| y desfase ∠G(jω), donde G(jω) es la función
de transferencia del sistema evaluada en s = jω:
Y
G(s) = G(jω) = (ω) ejφ(ω) ; (9.6)
s=jω X
G(jω) se denomina función de transferencia sinusoidal y es una función compleja de la frecuen-
cia ω:
G(jω) = U (jω) + jV (jω). (9.7)
Por lo anterior, la respuesta de frecuencia permite también obtener experimentalmente el modelo
matemático de un sistema dinámico lineal.
Ejemplo 9.1
Este ejemplo ilustra el uso del MATLAB para obtener la función de transferencia o la
representación de estado de un sistema dinámico continuo, a partir de los datos experimentales
de su respuesta en frecuencia. La tabla 9.1 muestra los datos experimentales para la ganancia
(relación entre los máximos de la salida y la entrada) Y /X y el desfase en grados para ocho
valores de la frecuencia de la sinusoide de entrada. Los datos se tomaron con una precisión de
un decimal para la ganancia y de 5o para la fase. El comando ‘frd’ crea modelos de datos de
respuesta de frecuencia, compatibles con los modelos tipo función de transferencia y espacio
de estado; la conversión directa tiene la restricción que no construye el modelo del ruido. Para
la función de transferencia se puede realizar la identificación con el método de error de salida,
comando ‘oe’ (ver la sección 3.6.2); la identificación con el método de error de predicción ‘pem’
obtiene el modelo de espacio de estado con K = 0.
u1
y1 0
x(0) =
x1 0
x2 0
x3 0
Estimated using PEM from data set Gw
Loss function 0.000750725 and FPE 0.0016516
>> compare(Gw,Gs,X)
La figura 9.2 muestra la salida del comando ‘compare’ con la comparación de las curvas de
magnitud versus la frecuencia, entre los datos medidos y los obtenidos usando los modelos
identificados; se observa el buen ajuste de los modelos identificados, pese a la poca cantidad de
datos, lo que muestra la compresión de información de la respuesta de frecuencia. Si se tienen
datos de la respuesta temporal, se pueden también realizar las validaciones en el dominio del
tiempo vistas en el sección 3.6.4. △
1
10
Function Gw
Gs Fit: 97.12%
X Fit: 97.33%
Magnitud
0
10
−1
10 0
10
Frecuencia [Rad/s]
el caso del modelo nominal; en la siguiente sección se verán las gráficas para sistemas con
incertidumbre.
0.5
0
Eje imaginario
−0.5
Gw
−1 Gs
X
−1.5
−2
−2 −1.5 −1 −0.5 0 0.5 1 1.5
Eje real
20log|G(jω)| vs log ω,
φ(ω) vs log ω.
La figura 9.4 muestra el diagrama de Bode de los datos y la función de transferencia Gs del
ejemplo 9.1, trazados con el comando ‘bode’ del MATLAB; se valida igualmente la fase de los
modelos identificados.
Con el eje de frecuencias lineal en logω se logra una representación compacta de la respuesta
de frecuencia para intervalos grandes de frecuencia; el eje de frecuencias usualmente se da
en décadas, donde una década corresponde a un intervalo de frecuencias dentro del cual la
Bode Diagram
20
Gw
0 Gs
Magnitud (dB)
−20
−40
−60
−80
0
Fase (grados)
−90
−180
−270
−2 −1 0 1
10 10 10 10
Frequency (Hz)
frecuencia final es diez veces la inicial. La fase se da en una escala lineal en grados o radianes. La
magnitud en decibeles permite buena precisión para valores grandes y pequeños de la magnitud
de la función de transferencia sinusoidal |G(jω)|, con trazos que tienden a lı́neas rectas y la
facilidad de adicionar polos o ceros sumando las gráficas de cada término, con lo que se simplifica
el cálculo y la descripción gráfica de la respuesta de frecuencia.
Aunque los programas de computador dibujan el diagrama de Bode completo, es importante
para el análisis conocer la forma de los diagramas de Bode de polos y ceros de primer y segundo
orden y del tiempo muerto. Para el trazo de un diagrama de Bode, conviene primero llevarlo a
la forma de Bode:
Ym
jω
kB 1+ e−sTm
j=1
z j
G(jω) =
Yn q 2 ! , (9.8)
N jω Y jω ω
(jω) 1+ 1 + 2ρk −
i=1
pi ωk ωk
k=1
donde kB es la constante de Bode. Si hay ceros complejos tendrán la misma forma de los polos
complejos en (9.8).
De (9.8), la magnitud en decibeles [db] es:
m
X jω
20log |G(jω)| = 20logkB + 20 log 1 + − 20log (jω)N − · · ·
j=1
zj
La fase es:
Xm
ω
φ(jω) = tan−1 − ωTm − N (90o ) · · ·
j=1
z j
se observa por lo tanto que los diagramas de magnitud y fase total, son la suma gráfica de cada
factor individual y que existen solo cinco términos simples:
1. Ganancia constante kB .
4. Tiempo muerto.
5. Polos o ceros conjugados complejos.
20Log10K dB (K=10)
40
30
20
G(jω) (dB)
10
−10
−20
−30
−40
180
135
90
∠ G(jω) (Grados)
45
∠ K (K>0)
0
−45
−90
−135
∠ K (K<0)
−180
−2 −1 0 1 2
10 10 10 10 10
ω (rad/s)
Polos o ceros en el origen. La curva de magnitud tiene una pendiente de menos (mas)
N 20 decibeles por década ∓N 20db/dec; en ω = 1 la magnitud es N 20 log (1) = 0db. La fase es
constante con valor de ∓90o , ver la figura 9.6.
Polos o ceros en el eje real. La figura 9.7 muestra los diagramas de Bode de un polo
o cero real en el semiplano izquierdo: (1 + jωT )±1 y de un polo o cero real en el semiplano
derecho: (1 − jωT )±1 . En baja frecuencia con relación a la frecuencia 1/T , no hay aporte de
magnitud ni de fase; en alta frecuencia la curva de magnitud tiende a ası́ntotas con pendiente
±20db/dec; las curvas de fase pasan de cero a ±90o , con una transición desde una década antes
hasta una después de 1/T ; en ω = 1/T las fases son ±45o . Se observa en la figura que las curvas
de magnitud no cambian con el signo del polo o cero (ubicación en el semiplano izquierdo o
derecho): p
20log|1 + jωT | = 20log|1 − jωT | = 20log 1 + ω 2 T 2 ; (9.9)
1 1 p
20log = 20log = −20log 1 + ω 2 T 2 . (9.10)
1 + jωT 1 − jωT
60 2
ω)
a (j
écad ω)
40
B/d ada (j
+40
d B/déc
+20d
20
G(jω) (dB)
−20dB
−20 /décad
a (1/jω
)
−40
−40
dB/d
−6 éca
0d da (
−60
B/ 1/jω 2
dé )
ca
da
−80 (1/
jω) 3
−100
180
2
∠ (jω)
90
∠ (jω)
∠ G(jω) (grados)
∠ (1/jω)
−90
2
∠ (1/jω)
−180
−270
3
∠ (1/jω)
−360
−2 −1 0 1 2
10 10 10 10 10
ω (rad/s)
Mientras que las curvas de fase cambian de signo con el signo del polo o cero:
40
30
20
G(s) = 1+Ts
10
G(jω) (dB)
Asintóticas
0
−10 1
G(s) = −−−−−−−−−−−−
−20 1+Ts
−30
−40
90
45
∠G(jω) (grados)
G(s) = 1+Ts
0
1
G(s) = −−−−−−−−−
1+Ts
−45
−90
−2 −1 0 1 2
10 10 10 10 10
ω (rad/seg)
Figura 9.7: Magnitud en decibeles y fase para polos o ceros en el eje real negativo.
función de avance de fase: (s + z)/(s + p) con |z| < |p|, igualando a cero la derivada de la fase
se demuestra que el avance de fase máximo φm es:
p − z
φm = arcsen (9.13)
p+z
y que se alcanza en la frecuencia:
√
ωm = pz, (9.14)
la cual corresponde a la media geométrica entre el polo y el cero.
−s+1
La función G−d (s) = 0.1s+1 tiene el cero a más baja frecuencia que el polo pero está en
el semiplano derecho; la curva de magnitud es igual a la de G+d (s) pero la curva de fase esta
siempre con atraso de fase.
La función de atraso de fase G+t (s) = 0.1s+1
s+1 es la recı́proca de la de adelanto G+d (s), por
lo que tiene sus curvas cambiadas de signo; con esta función se aprovecha para el diseño del
sistema de control, la disminución de la ganancia en bajas frecuencias; la curva de atraso de fase
tiene un valor mı́nimo de −φm en la frecuencia (9.14); la función con el cero en el semiplano
derecho: G−t (s) = −0.1s+1
s+1 , no tiene la curva de fase con un mı́nimo, de esto se deriva el nombre
de cero de fase no mı́nima a los ubicados en el semiplano derecho.
20
10
Magnitud (dB)
|±jω+1|
|0.1jω+1|
0
|±0.1jω+1|
|jω+1|
−10
−20
90
∠{jω+1}
∠{0.1jω+1}
Fase (deg)
0
∠{0.1jω+1}
∠{jω+1}
−90
∠{−jω+1} ∠{−0.1jω+1}
∠{0.1jω+1} ∠{jω+1}
−180
−2 −1 0 1 2 3
10 10 10 10 10 10
Frecuencia (rad/sec)
±s+1 ±0.1s+1
Figura 9.8: Diagramas de bode de 0.1s+1 y s+1 .
Los sistemas con polos o ceros en el semiplano izquierdo se denominan sistemas de fase
mı́nima y tienen la propiedad de tener una relación unı́voca entre las curvas de magnitud y
fase, Bode mostró la relación:
π d log |G(jω)|
∠G(jω) ≈ [rad], (9.15)
2 d log ω
entre la fase y la pendiente de la curva logarı́tmica de magnitud; una pendiente de Rω = −1
en decimales indica que la magnitud de |G(jω)| cae en un factor de diez (-20db) cuando la
frecuencia se incrementa en un factor de diez (década), lo que equivale a −20 decibeles por
década. Para una pendiente Rω constante de la curva de magnitud, la fase es de Rω π/2; esta
aproximación no es válida cerca a frecuencias naturales de polos o ceros de orden dos con
bajo amortiguamiento; la relación es exacta para sistemas integradores o derivadores puros:
G(s) = 1/sN .
e−jωTm = 1 ∠ − Tm ω; (9.16)
a una frecuencia dada, el tiempo muerto no cambia la magnitud pero si adiciona un retardo de
fase de Tm ω ◦ ; la figura 9.9 muestra la respuesta de frecuencia del tiempo muerto para Tm = 1.
0.5
Magnitud (dB)
−0.5
−1
0
−180
Fase (deg)
−360
−540
−720
−2 −1 0 1
10 10 10 10
Frecuencia (rad/sec)
La curva de magnitud es 0db. La curva de fase decrece rápidamente para ω ≥ 1; como el eje
de la frecuencia es logarı́tmico, el aumento del retraso de fase es exponencial, es por lo tanto es
un sistema de fase no mı́nima.
Polos o ceros conjugados complejos. La figura 9.10 muestra los diagramas de bode para
los polos complejos G(jω) = [(1 + (2ρ/wn )jω + (jω/wn )2 ]−1 . La magnitud pasa de cero en
baja frecuencia con relación a ωn a una recta asintótica en alta frecuencia con pendiente de
−40db/dec; la fase pasa de cero a baja frecuencia a 180o en alta frecuencia; las transiciones de
las curvas de magnitud y fase dependen del coeficiente de amortiguamiento ρ.
40
30
ρ = 0.05
20
ρ = 0.1
10 ρ = 0.2
G(jω) (dB)
ρ = 0.3
−10
ρ = 0.5
−20 ρ=1
−30
−40
0
ρ = 0.05
ρ = 0.1
−45 ρ = 0.2
∠G(jω) (grados)
−90
ρ = 0.3
ρ = 0.5
ρ=1
−135
−180
−2 −1 0 1 2
10 10 10 10 10
u=ω/ωn Relación de frecuencia
Ejemplo 9.2
Se considera un sistema de control de la excitación con excitatriz y acción integral de un
generador de baja potencia para una red eléctrica industrial:
kI
G(s) = ,
s (s + 1) (0.1s + 1)
con ganancia integral kI = 2; se desea analizar su respuesta frecuencial de red abierta mediante
los diagramas de Bode; primero se organiza la función de transferencia en red abierta en la
forma de Bode:
2
G(jω) = jω
. (9.17)
jω (jω + 1) 10 +1
Las aproximaciones asintóticas de cada término son:
50
Magnitud (dB)
−50
−100
−90
−135
Fase (deg)
−180
−225
−270
−1 0 1 2
10 10 10 10
Frecuencia (rad/sec)
La gráfica 9.11 presenta los diagramas de Bode; en baja frecuencia la curva de magnitud tiene
una pendiente de −20db/dec debida al integrador; en ω = 1 entra el término 1/(jω + 1) para
cambiar la pendiente a −40db/dec; en ω = 1 este término resta tres decibeles a los 6db del
término de Bode, por ello la altura de la curva es de 3db; en ω = 10 entra el otro polo para una
pendiente de alta frecuencia de −60db/dec.
La curva de fase tiene -90o en baja frecuencia por el integrador; en ω = 0.1 la fase tiene
una pendiente de −45o /dec hasta ω = 1 donde actúa la fase del término 1/( jω 10 + 1) para una
fase de −90o /dec hasta ω = 10 donde deja de actuar la fase del término 1/(jω + 1); se observa
que la fase tiende asintóticamente en alta frecuencia a −90g, donde g = 3 es el grado relativo
de G(s).
La figura 9.12 muestra las curvas de magnitud de las respuestas de frecuencia para las
funciones de sensibilidad del sistema obtenidas con el comando ‘bodemag’. La respuesta para
S T
3 2
Magnitud (abs)
Magnitud (abs)
1.5
2
1
1
0.5
0 0
−1 0 1 2 −1 0 1 2
10 10 10 10 10 10 10 10
Frecuencia (rad/sec) Frecuencia (rad/sec)
Se Ss
1.5 4
Magnitud (abs)
Magnitud (abs)
3
1
2
0.5
1
0 0
−1 0 1 2 −1 0 1 2
10 10 10 10 10 10 10 10
Frecuencia (rad/sec) Frecuencia (rad/sec)
Figura 9.12: Diagramas de magnitud de Bode para las funciones de sensibilidad del ejemplo 9.2.
20log|G(jω)| vs φ(jω),
con parámetro la frecuencia ω; esta gráfica presenta información equivalente a la del diagrama
de Bode en una sola gráfica; la ventaja es que facilita obtener la información de la respuesta de
frecuencia de red cerrada:
G(jω)
T (jω) =
1 + G(jω)
a partir de la respuesta de frecuencia de red abierta G(jω), para sistemas con realimentación
unitaria H(jω) = 1.
Con G(jω) = U (ω) + jV (ω):
40
0 dB
30 0.25 dB
Ganancia de red abierta (dB)
0.5 dB
20 1 dB
−1 dB
10 3 dB
−3 dB
6 dB
ωSb=0.81
0 ωg=1.24
−6 dB
ωTb=2.04 −12 dB
−10
−20 dB
−20
−225 −180 −135 −90 −45 0
Fase de red abierta (deg)
2
Figura 9.13: Carta de Nichols para el sistema G(s) = s(s+1)(0.1s+1) .
en la gráfica de Nyquist:
2 2
1
= 1 + U (ω) + V (ω)2 . (9.19)
MS (ω)
Esta ecuación describe una familia de cı́rculos para cada magnitud de la función sensibilidad
MS (ω), con centro en el punto crı́tico (−1, 0) y radio 1/MS . Por lo tanto, el vector trazado desde
el punto crı́tico hasta la gráfica de Nyquist tiene magnitud igual al inverso de la magnitud de
la función sensibilidad: |1 + GH(jω)|.
La intersección de la gráfica de Nyquist para GH(jω) con el cı́rculo de MS constante, da la
magnitud de S(jω) en la frecuencia indicada para GH(jω). La figura 9.14 ilustra caracterı́sticas
de interés que se definirán en la sección 9.2.5, para la función de sensibilidad del sistema con
1
función de transferencia de red abierta: GH(s) = s(s+1) .
2.5
2
MS=1.47
1.5
1 MS=0.7
Eje imaginario
0.5
−0.5 ωSr=1.17
−1
−1.5 ωSb=0.56
−2
−2.5
−2.5 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5
Eje real
1
Figura 9.14: Diagrama de Nyquist de GH(s) = s(s+1) y cı́rculos de MS constantes.
nyquist(usample(G,100),’y’,G.NominalValue,’.-’);
permiten obtener las gráficas de Nyquist para la función de transferencia del sistema dinámico
incierto:
1 1.1s
G(s) = Gm (s) 1 + W (s)∆(s) , Gm (s) = , W (s) = , (9.20)
s(s + 1) (s + 4.6)
ver la figura 9.15. Se tiene el modelo nominal Gm (s) con una incertidumbre multiplicativa con
función de peso W (s). En una frecuencia dada ω1 , el vector Gm (jω1 ) da la posición en el plano
de Nyquist de la función de transferencia sinusoidal nominal; en este punto se suma el término
Gm (jω1 )W (jω1 )∆(jω1 ), en donde la función ∆(jω1 ) es un conjunto de infinitas funciones de
transferencia estables evaluadas en jω1 con magnitud limitada |∆(jω1 )| < 1, esto genera un
disco de incertidumbre de radio |Gm (jω1 )W (jω1 )| centrado en el punto Gm (jω1 ). En la medida
que varı́a la frecuencia, el disco se desplaza centrado sobre la curva de Gm (jω) cambiando su
radio con la función de peso W (jω). Gráficas de Nyquist como ésta para sistemas inciertos,
permiten evaluar la estabilidad de los sistemas con su incertidumbre, ver la sección 9.2.4.
Los diagramas de Bode también se pueden usar para el análisis de los sistemas inciertos en
frecuencia; la figura 9.16 muestra los diagramas de Bode para el sistema de control de posi-
cionamiento del lector de un disco de almacenamiento óptico, presentado del ejemplo 2.11. La
incertidumbre solo es paramétrica para los porcentajes de variación dados en la tabla 2.13, se
observa en la curva de magnitud que la incertidumbre es relativamente constante con la fre-
cuencia. Las incertidumbres paramétricas tienen las desventajas de requerir un mayor esfuerzo
0.8
0.6
0.4
Eje imaginario
0.2
−0.2
−0.4
|Gm(jω1)|
−0.6
|WGm(jω1)|
−0.8
−1
−1.5 −1 −0.5 0 0.5
Eje real
Ejemplo 9.4
Se tiene un sistema de primer orden con ganancia y constante de tiempo de un segundo y
variaciones de cada parámetro del 20 %. La figura 9.17 muestra el diagrama de la magnitud de
Bode para la función de transferencia del error multiplicativo:
G(s) − Gm (s)
G∆ (s) = ,
Gm (s)
>> k=ureal(’k’,1,’Percentage’,20);tau=ureal(’tau’,1,’Percentage’,20);
>> G=tf(k,[tau,1]);T=0.9;W=0.2*(2.25*T*s+1)/(T*s+1);
>> bodemag((usample(G,200)-G.NominalValue)/G.NominalValue,’y’,W,’.-’);
Para ajustar la cota |G∆ (jω)| < e(ω), la máxima ganancia se puede acotar en baja frecuencia
a 0.2 y en alta frecuencia a 0.45; para estas cotas se obtiene la función de peso
0.2(2.25T s + 1)
W (s) = ,
Ts + 1
100
80
Magnitud (dB)
60
Incertidumbre
40 Gm
20
0
−45
Fase (deg)
−90
−135
−180
0 1 2 3
10 10 10 10
Frecuencia (Hz)
donde T =0.9 se obtiene por ajuste sobre la gráfica de Bode. En la figura 9.17 se observa también
la respuesta de frecuencia para la magnitud de la función de peso: W (jω), la cual siempre es
mayor que la máxima |G∆ (jω)|. △
0.5
0.45 |G∆(jω)|
|W(jω)|
0.4
0.35
Magnitud (abs)
0.3
0.25
0.2
0.15
0.1
0.05
0
−2 −1 0 1
10 10 10 10
Frecuencia (rad/sec)
Figura 9.17: Diagrama de Bode del error multiplicativo para el sistema del ejemplo 9.4.
plano a un punto se determinan con un eje perpendicular al plano en el punto y atando una
cuerda desde este eje hasta la trayectoria; al recorrer la trayectoria el número de rodeos son las
vueltas dadas por la cuerda sobre el eje.
Nyquist definió la trayectoria Γ de la figura 9.18 la cual recorre el eje complejo desde
jω = − ∞ hasta jω = ∞, luego hace un semicı́rculo de radio R → ∞ abarcando el
semiplano derecho; si hay polos en el eje complejo como es el caso de la figura para el polo en el
origen, se evitan con un pequeño semicı́rculo de radio r → 0. Esta trayectoria es un buscador de
polos inestables para cualquier función de transferencia; al aplicarla a la ecuación caracterı́stica:
1 + GH(s) = 0, se analiza si la imagen de la trayectoria en el plano de GH(s) rodea el punto
crı́tico: (−1, 0).
transferencia sinusoidal cumple GH(jω) = −GH(−jω), entonces basta obtener GH(jω) con ω
entre [o, ∞), la porción para (−∞, 0] es la imagen espejo de la anterior con respecto al eje real.
Ejemplo 9.5
La figura 9.19 muestra las gráficas de Nyquist de la función de transferencia sinusoidal (9.17)
del ejemplo 9.2, para kI = 2 y kI = 20, obtenida con el comando ‘nyquist’ del MATLAB. En
alta frecuencia las gráficas de Nyquist tienden al origen; en baja frecuencia, como hay un polo
en el origen se debe circunvalar con el semicı́rculo mostrado en la figura 9.18; el semicı́rculo de
radio r se proyecta en la gráfica de Nyquist como un cı́rculo de radio infinito cerrando sobre el
semiplano derecho (no mostrado en la figura 9.19).
Para kI = 2 el lugar de Nyquist no rodea el punto crı́tico; para kI = 20 lo rodea dos veces,
indicando que el sistema tiene dos polos inestables en red cerrada. △
0.5
0.4
kI=2
0.3
kI=20
0.2
Eje imaginario
0.1
−0.1
−0.2
−0.3
−0.4
−0.5
−3.5 −3 −2.5 −2 −1.5 −1 −0.5 0
Eje real
Ejemplo 9.6
Sea la función de transferencia sinusoidal de red abierta para el sistema de control de la
excitación:
kI
GH(jω) = ,
jω (τe jω + 1) (τg jω + 1)
k
GH(jω) = I .
ω − τe τg ω3 j − τe + τg ω 2
Racionalizando se obtiene:
ω − τe τg ω 3 j + τe + τg ω 2
−kI
GH(jω) = 2 2 . (9.21)
ω − τe τg ω 3 + τe + τg ω 4
La parte imaginaria es nula con: ω − τe τg ω 3 = 0, luego la frecuencia de oscilación es:
s
1
ωo = .
τe τg
Con la ganancia kIc la gráfica de Nyquist pasa por el punto crı́tico en la frecuencia ωo ; para
ganancias mayores a kIc el lugar de Nyquist rodea el punto crı́tico y el sistema es inestable.
Estos valores de ganancia crı́tica y frecuencia de oscilación coinciden con los calculados con el
método de Routh en el ejemplo 7.2. △
Z =N +P (9.22)
donde N es el número de rodeos destrogiro sobre el punto crı́tico (−1, 0) que realiza la imagen
de la trayectoria Γ (figura 9.18) sobre GH(s). Para que el sistema sea estable, se requieren al
menos N = −P rodeos sinestrogiro.
Ejemplo 9.7
Se considera el control PD para el péndulo invertido del ejercicio 7.7, con la función de
transferencia de red abierta:
kp (s + 2)
GH(s) = .
(s + 20)(s + 1)(s − 1)
La dinámica del péndulo tiene un polo inestable, P = 1. La figura 9.20 muestra los diagramas
de Nyquist para este sistema con kp = 5 y kp = 20. Obsérvese que en la frecuencia nula:
GH(0) = −kp /10 está sobre el eje real negativo, por lo que la gráfica de Nyquist rodea el punto
crı́tico si kp > 10. Con kp = 20 el rodeo del punto crı́tico es negativo (destrogiro) N = −1, por
lo que el número de polos inestables de red cerrada es Z = N + P = −1 + 1 = 0 y el sistema
es estable. Para kp = 5, no hay rodeos del punto crı́tico y el sistema tiene un polo inestable en
red cerrada. Este ejemplo confirma lo analizado en el capı́tulo 7, de requerirse alta ganancia y
alta velocidad del sistema de control para estabilizar plantas con polos inestables. △
Los dos ejemplos anteriores ilustran las ventajas del análisis de Nyquist de establecer la
estabilidad del sistema realimentado a partir de la respuesta de frecuencia de red abierta; ello
facilita escoger el controlador para que la curva de Nyquist tenga la forma deseada sin rodear
el punto crı́tico, ver la sección 10.6; el criterio de estabilidad se puede extender fácilmente a
los sistemas inciertos como se verá en la próxima sección; finalmente el método da medidas de
estabilidad relativa, definiendo márgenes que indiquen la cercanı́a de la curva de Nyquist al
punto crı́tico, como se verá en la sección 9.2.5.
1
kp=5
0.8
kp=20
0.6
0.4
Eje imaginario
0.2
−0.2
−0.4
−0.6
−0.8
−1
−2 −1.5 −1 −0.5 0
Eje real
0.5
0
α
Eje imaginario
|1+GH(jω)| |GH(jω)|
−0.5
−1
−1.5 −1 −0.5 0 0.5
Eje real
Ejemplo 9.8
La gráfica de Nyquist para GH(jω) en la figura 9.21 corresponde a la analizada en el ejemplo
9.5 para:
2
GH(s) = .
s(s + 1)(0.1s + 1)
Se tiene P = 0 y Pω = 1; α(j0) = −90; α(j∞) = 0, luego el recorrido es α(∞) − α(0) = +90,
ası́:
Z = 0.5 × 1 − 90/180 = 0
y el sistema es estable. △
Ejemplo 9.9
La figura 9.22 muestra la gráfica de Nyquist para la función de transferencia de red abierta:
con k = 2; la función de transferencia GH(s) tiene dos polos inestables: P = 2 y uno en el eje
complejo: Pω = 1; el ángulo α es -90 en baja frecuencia, da un rodeo al punto crı́tico de +360o
y termina en 0o en alta frecuencia para un recorrido total de +450o , luego el número de polos
inestables en red cerrada es:
Z = 2 + 0.5 − 450/180 = 0
−1
Eje imaginario
−2
−3
−4
−5
−3.5 −3 −2.5 −2 −1.5 −1 −0.5 0 0.5
Eje real
y el sistema es estable en red cerrada. La figura 9.23 muestra el lugar de las raı́ces para este
sistema cuando varı́a la ganancia k. El lugar corta dos veces el eje complejo del plano S; en
la gráfica de Nyquist hay dos cortes con el eje real en la gráfica 9.22, por ello con baja y
alta ganancia el sistema es inestable; cuando la estabilidad depende de múltiples valores de la
ganancia, el sistema se denomina condicionalmente estable. △
el sistema controlado con el mismo Gc (s) sigue siendo estable; esta noción se denomina esta-
bilidad robusta.
La figura 9.24 muestra las gráficas de Nyquist para las funciones de transferencia en red
abierta con el modelo nominal Gm (s)Gc (s) y el real G(s)Gc (s), este último corresponde al
borde izquierdo del disco de incertidumbre analizado en la figura 9.15 para la incertidumbre
multiplicativa. Se asume que G(s) y Gm (s) tienen el mismo número de polos inestables, por
lo tanto el sistema real será estable si y solo si la gráfica de Nyquist de GGc (jω) encierra el
0.8
System: untitled1
0.6 Gain: 2.02
Pole: −0.083 + 0.741i
0.4 Damping: 0.111
Overshoot (%): 70.3
Eje complejo
−0.2
−0.4
−0.6
−0.8
−1
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3
Eje real
punto crı́tico (-1,0) el mismo número de veces y en la misma dirección que lo hace la gráfica de
Gm Gc (jω); de la figura 9.24 se observa que una condición suficiente para lo anterior es:
luego:
|Ge Gc (jω)|
= |Ge (jω)Sm (jω)Gc (jω)| < 1, ∀ω, (9.25)
|1 + Gm Gc (jω)|
donde Sm (s) es la función de sensibilidad nominal. Esta restricción impone tener un buen
conocimiento del modelo en frecuencias donde la magnitud de la función de sensibilidad |Sm (jω)|
alcanza su máximo; como el valor mı́nimo del vector 1+Gm Gc (jω) en la figura 9.24 da la menor
distancia al punto crı́tico, para garantizar la estabilidad robusta se debe acotar el valor
máximo de la función de sensibilidad.
En términos de la incertidumbre multiplicativa, como Ge (jω) = Gm (jω)G∆ (jω), la ecuación
anterior es equivalente a:
|Gm Gc (jω)G∆ (jω)|
= |Tm (jω)G∆ (jω)| < 1, ∀ω, (9.26)
|1 + Gm Gc (jω)|
donde Tm (s) es la función de transferencia nominal de red cerrada. Esta condición indica que la
respuesta de frecuencia en red cerrada debe ser pequeña en las frecuencias donde la incertidum-
bre es grande, lo cual ocurre usualmente en alta frecuencia, lo que impone un lı́mite máximo
0.5
0
Eje imaginario
1+GmGc(jω1)
−0.5
GmGc(jω1)
−1
GeGc(jω1)
−1.5
GGc(jω) GmGc(jω)
−2
−1.5 −1 −0.5 0 0.5
Eje real
Figura 9.24: Diagramas de Nyquist para la planta nominal Gm Gc (ω) y la real GGc (jω)
El sistema se controla con los PI Gc1 (s) = 8s + 8/s y Gc2 (s) = 70 + 500/s, para respuestas en
red cerrada con amortiguamiento de 0.71 y frecuencias naturales de 1.26 y 10 respectivamente.
Para el análisis de los sistemas inciertos el MATLAB dispone de comandos que calculan
dentro del conjunto de incertidumbres el peor caso que da la máxima ganancia de una función de
transferencia sinusoidal, como el genérico ‘wcgain’ para cualquier función o el comando ‘wcsens’
para las funciones de sensibilidad. Con ellos se puede directamente calcular la distancia más
corta al punto crı́tico de la función de transferencia sinusoidal de red abierta para el sistema
incierto: |1 + GGc (jω)|min = 1/Smax , ver la figura 9.24; la figura 9.25 muestra las funciones de
sensibilidad nominales y máximas (para el peor caso) calculadas con los comandos:
>> S1 = feedback(1,G*Gc1); S2 = feedback(1,G*Gc2);
>> [S1max,pci1] = wcgain(S1); [S2max,pci2] = wcgain(S2);
>> S1max
S1max =
LowerBound: 1.5115
UpperBound: 1.5868
CriticalFrequency: 2.9488%frecuencia para la cual se da S1max
>> S2max
S2max =
LowerBound: Inf
UpperBound: Inf
CriticalFrequency: 6.1324%frecuencia para la cual se da S2max
>> bodemag(S1.Nom,’b’,usubs(S1,pci1),’r’,S2.Nom,’b.-’,usubs(S2,pci2),’r.-’)
Ambas sensibilidades nominales no tienen valores máximos elevados, pero S2m rechaza dis-
turbios de salida hasta más altas frecuencias de lo que lo hace S1m . En S1max y S2max se dan
las cotas dentro de las cuales se encuentra el máximo valor posible para las funciones de sen-
sibilidad; la peor función de sensibilidad para el sistema con el controlador Gc1 (s) = 8s + 8/s
tiene un valor máximo de 1.5868 lo que indica que la distancia mı́nima de la curva de Gc1 G(jω)
al punto crı́tico, es de 1/1.5868=0.63, por lo que el sistema siempre es estable para cualquier
valor de la incertidumbre. Para el controlador Gc2 (s) = 70 + 500/s las cotas son infinitas lo que
indica que el sistema es inestable para algún conjunto de incertidumbres.
Para analizar la estabilidad robusta verificando si se cumple la desigualdad (9.26) se requiere
tener el modelo con incertidumbre multiplicativa no estructurada G∆ (s) = W (s)∆(s) que
incluya la incertidumbre paramétrica de la ganancia k; con un procedimiento similar al realizado
en el ejemplo 9.4 se obtiene la función de peso:
0.2(1.25s + 1)
W (s) = . (9.28)
0.2s + 1
La figura 9.26 muestra las magnitudes de las respuestas de frecuencia para las funciones
|Tm1,2 (jω)G∆ (jω)| = |Tm1,2 (jω)W (jω)|; se observa que el sistema con el controlador Gc1 (s)
cumple la cota (9.26) mientras que no lo hace para el controlador Gc2 (s). △
1.8
1.6
1.4
S2max
Magnitud (abs)
1.2 S1max
1
0.8
S1m
0.6
0.4 S2m
0.2
−1 0 1
10 10 10
Frecuencia (rad/sec)
definen las cotas o rangos que especifican el comportamiento adecuado del sistema a cumplir
en el diseño del controlador. Es esta sección se presentan las caracterı́sticas de la respuesta de
frecuencia más importantes en el análisis y diseño de los sistemas de control; se dan las fórmulas
de cálculo para los sistemas de segundo orden.
Primero se presentan márgenes de estabilidad relativa que definen la cercanı́a de la curva de
Nyquist al punto crı́tico; luego se presentarán caracterı́sticas de máximos de ganancia del lazo
cerrado T (s) y de la función de sensibilidad S(s) y frecuencias de ancho de banda del sistema
asociadas a la velocidad de respuesta.
1.4
|T1m(jω)W(jω)|
1.2
|T2m(jω)W(jω)|
1
Magnitud (abs)
0.8
0.6
0.4
0.2
0
−1 0 1 2 3
10 10 10 10 10
Frecuencia (rad/sec)
Figura 9.26: Funciones |T1,2m (jω)W (jω)| para el sistema de control de la excitación incierto.
El margen de ganancia es el mı́nimo factor por el cual se puede aumentar la ganancia del
sistema para que alcance el lı́mite de estabilidad, es pues un margen contra variaciones de la
ganancia estática del sistema. Para para los sistemas de segundo orden la fase va asintóticamente
a 180o por lo que el margen de ganancia es infinito. En la gráfica de Nyquist el aumento de
ganancia expande la curva radialmente; en los diagramas de Bode desplaza hacia arriba la curva
de ganancia.
Ejemplo 9.11
Se analiza la estabilidad relativa del sistema de control de la excitación con excitatriz y
acción integral del ejemplo 9.2 el cual se ajustó con una ganancia kI = 2; se desea calcular la
ganancia de la acción integral kI para obtener un margen de fase de M F = 60o .
La figura 9.28 muestra el diagrama de Bode del sistema con los márgenes de ganancia, fase
y retardo.
La fase pasa por -180o en ωπ =3.16 rad/s; en esa frecuencia la curva de ganancia está -14.8db
por debajo de cero siendo éste el margen de ganancia.
La ganancia pasa por cero decibeles en ωg =1.24rad/s; en ésta frecuencia la fase es -148.3o
por lo que el margen de fase es de 180 − 148.3 = 31.7o . De la aproximación ρ ≈ 0.01M F
el amortiguamiento es aproximadamente de 0.31, bajo con un sobrepaso elevado del 40 %. El
margen de retardo es: 31.7 × π/(180 × 1.24) = 0.446.
50
System: G
Gain Margin (dB): 14.8
At frequency (rad/sec): 3.16
Magnitud (dB)
−50
−100
−90
−135
Fase (deg)
System: G
−180 Phase Margin (deg): 31.7
Delay Margin (sec): 0.445
At frequency (rad/sec): 1.24
−225 Closed Loop Stable? Yes
−270
−1 0 1 2
10 10 10 10
Frecuencia (rad/sec)
2
Figura 9.28: Márgenes de ganancia y de fase para el sistema G(s) = s(s+1)(0.1s+1) .
Para lograr un margen de fase de 60o , se observa que la fase pasa por -120o en ω =0.5rad/s;
en esta frecuencia la curva de magnitud es de 11db; variar la ganancia integral kI equivale
a variar la constante de Bode, luego incrementos o decrementos en la ganancia kI suben o
bajan la curva de magnitud; para bajar 11db, se requiere multiplicar la ganancia inicial por
una constante de atenuación kAT ; luego 20logkAT = −11 ası́, kAT = 0.28. La ganancia para el
margen de fase de 60o es por lo tanto: kI60 = 0.28 × 2 = 0.56. △
La interpretación de los márgenes de ganancia y de fase es múltiple si la gráfica de Nyquist
tiene varias veces magnitud unitaria o corta el eje real negativo varias veces, en tal caso el
margen es el de menor valor; si la función de transferencia de red abierta tiene polos inestables,
el criterio de Nyquist exige analizar el número de circunvalaciones del punto crı́tico y no solo
su cercanı́a a la gráfica de respuesta de frecuencia, en tal caso márgenes de ganancia y fase
positivos no garantizan la estabilidad; la figura 9.29 muestra los diagramas de Bode del sistema
analizado en el ejemplo 9.9 con la ganancia k = 0.2; hay dos frecuencias con fase de −180o y
el margen de ganancia positivo de 10.9db corresponde a la frecuencia de 0.96rad/s; el margen
de fase también es positivo de 90.7o ; los márgenes son positivos pero el sistema es inestable.
40
20
Magnitud (dB)
−20
−40
−45
−90
Fase (deg)
−135
−180
−225
−2 −1 0 1
10 10 10 10
Frecuencia (rad/sec)
Figura 9.29: Márgenes de ganancia y de fase para el ejemplo 9.9 con k = 0.2.
Otra limitación de los márgenes de ganancia y de fase es que buenos márgenes no garantizan
que la curva de Nyquist esté lejos del punto crı́tico; la figura 9.30 muestra la gráfica de Nyquist
de la función para la transferencia:
1.5(s2 + 0.3s + 1.5)
G= .
s(s + 3)(s2 + 0.2s + 1.2)
0
Eje imaginario
−0.5
−1
System: G
Phase Margin (deg): 77.7
Delay Margin (sec): 1.96
At frequency (rad/sec): 0.691
Closed Loop Stable? Yes
−1.5
−1 −0.8 −0.6 −0.4 −0.2 0
Eje real
1.5(s2 +0.3s+1.5)
Figura 9.30: Gráfica Nyquist para G = s(s+3)(s2 +0.2s+1.2) .
1
como el margen del módulo es el mı́nimo del inverso de la función sensibilidad: M M ≤ S(ωg ) ,
imponer un margen de módulo garantiza el mı́nimo margen de fase:
MM
M F ≥ 2arcsen( ). (9.37)
2
En la frecuencia de fase crı́tica se cumple: GH(jωπ ) = −1/M G, luego:
1 1
=1− ≥ MM (9.38)
S(jωπ ) MG
de donde se obtiene la cota mı́nima para el margen de ganancia a partir del margen del módulo:
1
MG ≥ . (9.39)
1 − MM
Ejemplo 9.12
En la figura 9.12 se muestra la función de sensibilidad S para el el sistema analizado en
ejemplos anteriores con función de transferencia (9.17); el margen del módulo se calcula como
el inverso del valor máximo de la función sensibilidad:
>> s=tf(’s’);G=2/(s*(0.1*s+1)*(s+1));
>> MM=1/norm(feedback(1,G),’inf’)
MM =
0.4595
ans =
UpperBound: 0.8103
LowerBound: 0.8103
DestabilizingFrequency: 8.4515
Un margen de estabilidad robusta mayor a uno indica que el sistema es robustamente estable
y que la incertidumbre se puede amplificar en 100M ER % y el sistema es estable para todas
las incertidumbres. El margen para el controlador Gc2 (s) de 0.81 indica que el sistema es
robustamente estable para valores de incertidumbres que varı́en menos del 81 % de su rango
de variación permitido o que hay un conjunto de incertidumbres que con un 19 % de variación,
hacen al sistema realimentado inestable. △
2.5 System: S
Frequency (rad/sec): 1.55
Magnitude (abs): 2.16
System: T
Frequency (rad/sec): 1.28
2 Magnitude (abs): 1.84
|S(jω)|
|T(jω)|
Magnitud (abs)
1.5
0.5
0
−1 0 1
10 10 10
Frecuencia (rad/sec)
2
Figura 9.31: Gráficas de |S(jω)| y |T (jω)| para G(s) = s(0.1s+1)(s+1) .
cuál será la máxima salida del sistema controlado para el barrido de frecuencia; sistemas con
Tmax elevados se pueden destruir si se exitan con frecuencias cercanas a la de resonancia y es
por ello que se considera como un indicio de la estabilidad relativa del sistema.
Para sistemas de segundo orden:
1 √
Tmax = p , 0 ≤ ρ ≤ 2/2, (9.40)
2ρ 1 − ρ2
p √
ωT r = ωn 1 − 2ρ2 , 0 ≤ ρ ≤ 2/2 (9.41)
En la carta de Nichols, el cı́rculo de mayor MT tangente a la función de transferencia sinu-
soidal de red abierta G(jω) corresponde a la magnitud pico de frecuencia Tmax y la frecuencia
en el punto de tangencia corresponde a la frecuencia de resonancia ωT r .
Ejemplo 9.14
2
2 dB 0 dB −2 dB
1.5
4 dB −4 dB
1
6 dB −6 dB
Eje imaginario
0.5 10 dB −10 dB
20 dB −20 dB
0
−0.5
System: G
Real: −0.82
−1 Imag: −0.488
Frequency (rad/sec): 1.28
−1.5
−2
−3 −2.5 −2 −1.5 −1 −0.5 0 0.5 1
Eje real
2
Figura 9.32: Gráfica de Nyquist para G(s) = s(0.1s+1)(s+1) .
Para los sistemas de segundo orden, la figura 9.33 muestra las curvas de magnitud para la
respuesta de frecuencia de la función de sensibilidad S(jω); la forma de la curva con un máximo
aplica en general a los sistemas de control de grado relativo mayor a uno, o bien, de la ecuación
9.38 se observa que:
1
|S(jωπ )| = >1
1 − M1G
luego si existe ωπ entonces forzosamente |S(jω)|max > 1. En baja frecuencia la ganancia de la
función sensibilidad es pequeña por la alta ganancia en GH(jω), si hay integración en GH(jω)
la ganancia de la función sensibilidad es nula en la frecuencia cero. En alta frecuencia, como
los sistemas fı́sicos tienen grado relativo estrictamente mayor a cero, la ganancia de GH(jω)
tiende a cero y la función de sensibilidad tiende a uno. Se observa que el valor máximo aumenta
inversamente con el coeficiente de amortiguamiento ρ.
−1 0 1
10 10 10
6
5 ρ = 0.1
4
Magnitud (abs)
3
ρ = 0.2
2 ρ = 0.3
ρ = 0.5
ρ = 0.4
ρ = 0.6
1 ρ = 0.8
ρ = 0.7
ρ = 0.9
ρ=1
0
Frecuencia (ω/ωn) (rad/sec)
Figura 9.33: Curvas de magnitud de la función sensibilidad para un sistema de segundo orden
con diferentes coeficientes de amortiguamiento.
Para los sistemas de segundo orden, la frecuencia del máximo ωSr y el máximo Smax para
la función de sensibilidad:
−ω 2 + 2ρωn ωj
S(jω) = 2
ωn − ω 2 + 2ρωn ωj
son:
s p
1 + 1 + 8ρ2
ωSr = ωn , (9.42)
2
v p
u1
u + 4ρ2 + 1 + 8ρ2 2ρ2 + 1
u2 2
Smax =t p . (9.43)
1 2 2 2 1
2 + 4ρ + 1 + 8ρ 2ρ − 2
5.5
4.5
3.5
Smax
2.5
1.5
1
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
ρ
Figura 9.34: Máximo de la función de sensibilidad para un sistema de segundo orden en función
del coeficiente de amortiguamiento.
En la gráfica de Nyquist para G(jω) con los cı́rculos de MS constantes, el cı́rculo de ma-
yor MS (menor radio) tangente a la función de transferencia sinusoidal de red abierta G(jω)
corresponde al máximo de la función de sensibilidad Smax , su radio es el margen del módulo
M M y la frecuencia en el punto de tangencia corresponde a la frecuencia de resonancia ωSr .
Ejemplo 9.15
La figura 9.35 muestra las caracterı́sticas de la función sensibilidad en la gráfica de Nyquist
con los cı́rculos de MS constantes, para el sistema de control de la excitación con acción integral.
El máximo de la función sensibilidad Smax y la frecuencia de resonancia ωSr corresponden a
los de la figura 9.31. △
2.5
2
Ms=2.16
1.5
Ms=1
1 Ms=0.7
Eje imaginario
0.5
−0.5
−1
ωSr=1.55
−1.5
ωg=1.24
−2 ωSb=0.81
−2.5
−2.5 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5
Eje real
2
Figura 9.35: Diagrama de Nyquist de G(s) = s(0.1s+1)(s+1) y cı́rculos de MS constantes.
ruido de alta frecuencia y como se ha analizado anteriormente, a las incertidumbres del sistema.
Los sistemas con bajo ancho de banda tienen respuestas temporales lentas y mayor robustéz a
las incertidumbres.
La función de transferencia sinusoidal de red cerrada T (jω) es del tipo paso bajo con ganan-
cia de baja frecuencia por acción del control de aproximadamente cero decibeles, por lo que el
ancho de banda es la mayor frecuencia ωT b donde la curva de magnitud vale −3db; para los
sistemas de segundo orden nomalizados con 20log|T (0)| = 0 el ancho de banda para T (jω) es:
q p
ωT b = ωn (1 − 2ρ2 ) + 4ρ4 − 4ρ2 + 2. (9.45)
Ejemplo 9.16
La figura 9.13 muestra la carta de Nichols con las frecuencias de anchos de banda de interés
para el sistema de control de la excitación con acción integral. Como la curva sigue en baja
frecuencia la lı́nea de cero decibeles, el ancho de banda de red cerrada ωT b corresponde a la
frecuencia donde la curva de respuesta de frecuencia corta la lı́nea de −3db de red cerrada;
obsérvese que esta lı́nea es bastante plana para la fase de red abierta entre −225o y −135o
intervalo para el cual la curva de respuesta de frecuencia usualmente corta la lı́nea de −3db, la
altura de la lı́nea corresponde aproximadamente a una magnitud de −7db para la magnitud de
red abierta |GH(jω)|; esto indica que una aproximación del ancho de banda de red cerrada en
el diagrama de bode de red abierta, es la mayor frecuencia donde la curva de magnitud vale
−7db. En la figura 9.28 la frecuencia para 20log|GH(jω)| = −7db es de 1.97rad/s, muy cercana
a la medida en la figura 9.13.
10
0
Magnitud (dB)
System: S System: T
−10 Frequency (rad/sec): 0.812 Frequency (rad/sec): 2.04
Magnitude (dB): −3 Magnitude (dB): −3.01
−20
−30
−40
180
90
Fase (deg)
0
System: T
System: T Frequency (rad/sec): 2.04
−90 Phase (deg): −155
Frequency (rad/sec): 0.81
Phase (deg): −30.7
−180
−270
−1 0 1
10 10 10
Frecuencia (rad/sec)
2
Figura 9.36: Diagramas de Bode de T (jω) y S(jω) para G(s) = s(s+1)(0.1s+1) .
La figura 9.36 muestra los diagramas de Bode de T (jω) y S(jω) con sus respectivas frecuen-
cias de ancho de banda ωT b = 2.04rad/s y ωSb = 0.81rad/s. La fase de T (jω) en ωSb = 0.81
es de solo −30.7o mientras que para ωT b = 2.04 es de −155o mostrando degradación del
seguimiento en esta frecuencia. △
Ejemplo 9.17
2
La figura 9.37 muestra las curvas de magnitud en decibeles para G(s) = s(s+1)(0.1s+1) y
G(s)
T (s) = 1+G(s) .
20
15
10
System: G
Frequency (rad/sec): 1.1 System: T
5 Magnitude (dB): 1.69 Frequency (rad/sec): 1.8
Magnitude (dB): 0.107
Magnitud (dB)
0
System: G
−5 Frequency (rad/sec): 1.32
Magnitude (dB): −0.887 System: T
Frequency (rad/sec): 2.16
−10 Magnitude (dB): −4.45
−15
−20
−25
−30
−1 0 1
10 10 10
Frecuencia (rad/sec)
2
Figura 9.37: Diagramas de Bode de 20log|G(jω)| y 20log|T (jω)|. para G(s) = s(s+1)(0.1s+1) .
La figura 9.37 muestra que la magnitud de la respuesta de frecuencia de red cerrada tiende a
la de red abierta en alta frecuencia; esta es en general una propiedad de los sistemas con grado
relativo mayor o igual a uno; para la función de transferencia de red abierta:
kt (s + z1 )(s + z2 ) . . . (s + zm )
GH(s) = (9.47)
sN (s + p1 )(s + p2 ) . . . (s + p(n−i) )
luego las curvas de magnitud de ambas funciones tienden a una de pendiente −g con altura
dada por la constante kt . Las curvas de fase tienden a −90o g si GH(s) es de fase mı́nima.
La figura 9.38 muestra las curvas de magnitud de Bode para las funciones de sensibilidad,
de red cerrada, de lazo abierto y de su inversa; en baja frecuencia la función de transferencia
de red abierta queda dominada por el tipo de sistema:
kB
GH(s → 0) = ,
sN
donde kB es la constante de Bode de la ecuación 9.8. La función de sensibilidad se comporta
como:
1 sN
S(s → 0) = kB
= ,
1 + sN kB
luego en baja frecuencia por la alta ganancia de GH(s), la magnitud de la función de sensibilidad
tiende al inverso de la magnitud de la función de transferencia de red abierta, variando con una
pendiente de +N 20db/dec a una altura definida por la constante de Bode.
En la gráfica 9.38 se observan claramente tres zonas de frecuencia bien diferenciadas: baja,
media y alta con relación a la frecuencia de ganancia crı́tica ωg ; en baja y alta frecuencia,
las funciones de transferencia de red cerrada T y S (igualmente para Se y Ss ) tienden a sus
aproximaciones asintóticas de baja y alta frecuencia. En baja frecuencia hay el comportamiento
definido por el control mientras que en alta frecuencia el control no actúa y la respuesta es la
de lazo abierto. Para este ejemplo, aproximadamente entre 0.2 y 10 rad/s, las curvas están en
la zona de transición alrededor de ωg , su comportamiento en esta zona es determinante para la
estabilidad y robustéz del sistema.
60
T
S
40
GH
1/GH
20
Magnitud (dB)
−20
−40
−60
−2 −1 0 1 2
10 10 10 10 10
Frecuencia (rad/sec)
Figura 9.38: Diagramas de magnitud de Bode para la función sensibilidad S(jω), la función
2
de transferencia de red cerrada T (jω), la de red abierta GH(s) = s(0.1s+1)(s+1) y su inversa
1/GH(s).
de la sensibilidad de salida 20log|Ss (jω)|, para el sistema de control de la excitación con acción
integral.
60
40 Se
Ss
Gc
20 Gp
Magnitud (dB)
−20
−40
−60
−2 −1 0 1 2
10 10 10 10 10
Frecuencia (rad/sec)
1
Figura 9.39: Diagramas de magnitud de Bode para el proceso Gp (s) = (0.1s+1)(s+1) , controlador
2 10s
Gc (s) = s , sensibilidad de entrada Se = (s+10.21)(s2 +0.79s+1.96) y sensibilidad de salida Ss =
2(s+10)(s+1)
(s+10.21)(s2 +0.79s+1.96) .
Ejemplo 9.19
La figura 9.40 muestra los diagramas de Bode para la respuesta de frecuencia de red abierta
de un sistema dinámico.
En baja frecuencia se observa una pendiente de −40db/dec y la fase de −180o lo que indica
que es un sistema tipo dos. En ω = 1, la curva de magnitud es de 14db aproximadamente, por
lo que la constante de error de aceleración es: KA = 1014/20 ∼
= 5.
100
80
Magnitud (dB)
60
40
20
0
Asíntota de baja frecuencia
−20
−40
−90
Fase (deg)
System: G
−120
Phase Margin (deg): 21.4
Delay Margin (sec): 0.0389
At frequency (rad/sec): 9.61
−150 Closed Loop Stable? Yes
−180
−2 −1 0 1 2
10 10 10 10 10
Frecuencia (rad/sec)
El margen de fase M F = 21.4o es bajo lo que indica un sistema poco amortiguado con
coeficiente de amortiguamiento ρ ≈ M F/100 = 0.21. La frecuencia de ganancia crı́tica es de
9.61, casi igual a ωT r = 9.59 y cercana a ωSr =10.5. El sistema se puede aproximar a uno de
segundo orden con ρ = 0.21 y ωn = 9.6, que tiene un sobrepaso aproximado (ecuación (5.25))
de 50.9 % y tiempo de estabilización de ts = 4/(0.21 × 9.6) ∼ = 2s; la figura 9.41 muestra
la respuesta al escalón del sistema; se observa que el sobrepaso es del 55.5 % y el tiempo de
estabilización de 1.94s muy cercanos a los estimados con la correlación tiempo frecuencia. △
1.6
System: T
1.4 Peak amplitude: 1.55
Overshoot (%): 55.5
At time (sec): 0.321
1.2
System: T
Settling Time (sec): 1.94
1
Amplitud
0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3
Tiempo (sec)
Figura 9.41: Respuesta al escalón de red cerrada para el sistema del ejemplo 9.19.
ganancia crı́tica ωg en el cruce de la curva de magnitud por 0db. Esta frecuencia debe escogerse
a partir de los compromisos de velocidad de respuesta, inyección de ruido, error permanente y
robustéz del sistema. Su inverso define el tiempo de subida de la respuesta temporal. Para los
márgenes de estabilidad se acepta tı́picamente un margen de fase mı́nimo:
M F ≥ 30o (9.48)
M G ≥ 6db. (9.49)
2M F
Rω (ωg ) ≈ −2 + (9.50)
π
con la pendiente en decimales y el margen de fase en radianes. Para la cota del margen de fase
(9.48), esta aproximación define la máxima rata de corte de la curva de magnitud de red abierta
en ωg ; adicionalmente para limitar la magnitud de GH(jω) en alta frecuencia, se tiene el rango
de Rω (ωg ) entre:
− 1 ≤ Rω (ωg ) ≤ −5/3; (9.51)
− 20 ≤ Rω (ωg ) ≤ −100/3 [db/dec]. (9.52)
Las especificaciones deseadas de funcionamiento en frecuencia para GH(jω) se dan como
cotas en los diagramas de Bode o funciones de transferencia deseadas de red abierta GHd (jω).
Ejemplo 9.20
En el ejemplo 5.7 se analizó el control del generador Gp (s) = 1/(5s + 1) con dos contro-
ladores PI; la figura 9.42 muestra las magnitudes de las respuestas de frecuencia de red abierta
8(s+1)
nominales: GH1 (s) = s(5s+1) y GH2 (s) = 500+70s
s(5s+1) .
Se ha utilizado la herramienta ‘sisotool’ del MATLAB la cual permite definir requerimientos
de diseño (clic derecho sobre la gráfica) de máximos, mı́nimos de las curvas de respuesta de
frecuencia y cotas mı́nimas de los márgenes de ganancia y de fase. Para el control del generador
se impone una cota mı́nima en la magnitud de respuesta de frecuencia en baja frecuencia para
cumplir los requisitos de error permanente; en este caso se tiene una pendiente de -20db/dec
en baja frecuencia para exigir una acción integral en el controlador asegurando un error de
posición nulo, la altura es de cero db aproximadamente una década por debajo de la ganancia
crı́tica ωg1 = 1.8. En alta frecuencia se impone una cota máxima de la magnitud para asegurar
la robustéz del sistema; la cota se define en función de la incertidumbre (9.28), la cual pasa
de una magnitud de 0.2 en baja frecuencia a 1.25 en alta frecuencia teniendo magnitud uno
en ω = 6.5rad/s; se impone una cota superior con pendiente de −20db/dec a partir de la
frecuencia de 6.5rad/s. Se exige un margen de ganancia mayor a 6db y uno de fase mayor a
30o .
La pendiente para GH1 (jω) en ωg1 es de aproximadamente −24db/dec y para GH2 (jω) en
ωg2 es de aproximadamente de −25db/dec, ambas aceptables; los márgenes de ganancia son
8(s+1)
Figura 9.42: Magnitud de las respuestas de frecuencia para GH1 (s) = s(5s+1) y GH2 (s) =
500+70s
s(5s+1) .
infinitos y el margen de fase es de −67.5o para ambos sistemas; sinembargo el sistema con el
controlador Gc2 (s) no cumple el requisito de baja ganancia en alta frecuencia por robustéz.
Para el diseño una función de transferencia deseada simple que cumple estos requisitos es:
ωgd
GHd (s) = , (9.53)
s
en donde la frecuencia de corte deseada de red abierta ωgd , se escoge en función de la velocidad
de respuesta deseada en red cerrada: τRC = 1/ωgd ; para este ejemplo: ωgd = 1, que corresponde
a una constante de tiempo en red cerrada de un segundo 1s, para una velocidad de respuesta
5 veces más rápida que en red abierta. △
del sistema, por lo que es la función de red cerrada más apropiada para imponer caracterı́sticas
de desempeño a cumplir en el diseño. Las especificaciones tı́picas para esta función son:
El ancho de banda ωSb define hasta donde actúa el control para el rechazo de disturbios
y el seguimiento de la referencia; se define un ancho de banda mı́nimo ωSd en función de
la velocidad de respuesta deseada en red cerrada, tan grande como sea posible sin afectar
la estabilidad ni entrar en los rangos de frecuencia del ruido del sistema.
para atenuar el error debido al disturbio se debe cumplir: |S(jω)Gd (jω)| < 1, ∀ω, luego:
1
|S(jω)| < , ∀ω; (9.54)
|Gd (jω)|
esto impone anchos de banda ωSb > ωDb donde ωDb es la frecuencia donde |Gd (jωDb )| = 1;
se observa que plantas con baja |Gd (jω)| y baja ωDb tienen menos exigencias de rechazo
del disturbio.
Para acotar el error de seguimiento de referencia, se considera una entrada sinusoidal de
magnitud R, el error de seguimiento es:
Er (s) = S(s)R(s),
Pico máximo:
Smax ≤ 2 (6db). (9.56)
Esta cota impone valores mı́nimos del margen del módulo:
De 9.37, la cota 9.57 garantiza márgenes de fase mayores a 29o y de 9.39 márgenes de
ganancia mayores a dos.
lo que equivale a:
|WS (jω)S(jω)| < 1 ∀ω (9.59)
en donde se observa que la función WS (s) es una función de peso de la función sensibilidad.
Una función de peso tı́pica es:
s/Smax + ωSd
WS (s) = , (9.60)
s + ωSd Smin
el inverso de esta función acota la magnitud de la función de sensibilidad en bajas frecuencias
en Smin < 1, en altas frecuencias en 1 ≤ Smax ≤ 2 y su ası́ntota tiene magnitud de uno en
ω = ωSd , la cual es aproximadamente la frecuencia del ancho de banda, ver la figura 9.43.
20
10
Smax
−10
Magnitud (dB)
−20
−30
−40
S
min
−50
−60
−3 −2 −1 0 1 2
10 10 10 10 10 10
Frecuencia ω / ωSd (rad/sec)
Figura 9.43: Diagrama de magnitud de Bode para el inverso de la función de peso de la función
s+ωSd Smin
sensibilidad: WS1(s) = s/S max +ωSd
.
Para la función de transferencia deseada de red abierta (9.53) GHd (s) = ωgd /s, la función
de sensibilidad es: Sd = s/(s + ωgd ), la cual se puede acotar con la función (9.60) escogiendo
Smin = 0 y ωSd = ωgd .
Si se tiene una función de transferencia deseada de red abierta con pendiente de −40db/dec
en baja frecuencia, se puede utilizar la siguiente función de peso para la función de sensibilidad:
√
(s/ Smax + ωSd )2
WS (s) = √ . (9.61)
(s + ωSd Smin )2
Para cumplir la especificación de rechazo del disturbio (9.54), la función de peso WS (s) se
escoge similar a Gd (s) para las frecuencias donde |Gd (jω)| > 1.
Ejemplo 9.21
Para el ejemplo 9.20 se define una función de peso para la función sensibilidad con Smin = 0
para forzar la acción integral, Smax = 2 y ωSb = ωgd = 1, luego:
0.5s + 1
WS (s) = . (9.62)
s
La figura 9.44 muestra la cota para la función sensibilidad 1/|WS (jω)| y las funciones de sen-
sibilidad GH1 (s) y GH2 (s) dadas en el ejemplo. △
2.5
1/Ws
2 S1
S2
Magnitud (abs)
1.5
0.5
0
−2 −1 0 1 2
10 10 10 10 10
Frecuencia (rad/sec)
1 s
Figura 9.44: Magnitud de las respuestas de frecuencia para la cota máxima WS (s) = 0.5s+1 y
1 s(5s+1) 1 s(5s+1)
las funciones de sensibilidad: S1 (s) = 1+GH1 (s) = 5s2 +9s+8 y S2 (s) = 1+GH2 (s) = 5s2 +71s+500 .
Ejemplo 9.22
Ahora se considera el generador para una red industrial del ejemplo 9.2; para el seguimiento
a la referencia se desea una respuesta bien amortiguada con tiempo de estabilización menor de
dos segundos y sobrepaso menor del 10 %. Para un escalón del disturbio, se desea que el error
permanente que genere sea nulo, la salida debida al disturbio no supere ±1, se rechace a menos
de ±0.1 en un segundo, con la señal de control entre sus lı́mites de ±10. El modelo del disturbio
se obtuvo en el ejemplo 2.28:
1.5(1 + 0.2s)
Gd (s) = . (9.63)
1 + 0.3s
A partir de la dinámica del disturbio Gd (s) se define una función de peso con cota de baja
frecuencia Smin = Gd (0) = 1.5, frecuencia de corte ωSd = 1/0.3 y lı́mite en alta frecuencia de
Smax = 1.5:
s/1.5 + 1/0.3
WS (s) = 1 .
s + 0.3×1.5
S y 1/ W
S
3
Magnitud (abs)
2 I / WS
S
1
−2 −1 0 1 2
10 10 10 10 10
(rad/sec)
WS S
Magnitud (abs)
4
3
2
1
0
−2 −1 0 1 2
10 10 10 10 10
Frecuencia (rad/sec)
1 2/3s+10/3
Figura 9.45: Magnitud de las respuestas de frecuencia para la cota máxima WS (s) = s+9/20
s(0.1s+1)(s+1)
y la función de sensibilidad: S(s) = 0.1s3 +1.1s2 +s+2 .
1.5
1
Voltaje en terminales vT(t)
0.5
−0.5 CR
CD
−1
−1.5
0 2 4 6 8 10 12 14 16
Tiempo (sec)
Figura 9.46: Respuestas a escalones de referencia y de disturbio para el sistema del ejemplo
9.22.
La figura 9.46 muestra las respuestas a escalones de entrada y de disturbio; las respuestas
son oscilatorias, lentas con estabilización en diez segundos y con rebase de los valores máximos
especificados. △
De lo anterior, una función de peso tı́pica para la función de transferencia de red cerrada es:
s 1
WT (s) = + ; (9.65)
ωT d Tmax
el inverso de esta función acota la magnitud de la función de red cerrada en bajas frecuencias
en Tmax > 1, en altas frecuencias impone la rata de corte de −20db/dec y su ası́ntota tiene
magnitud de uno en ω = ωT d , ver la figura 9.47.
10
5 Tmax
−5
Magnitud (dB)
−10
−15
−20
−25
−30
−35
−40
−2 −1 0 1 2
10 10 10 10 10
Frecuencia ω / ωTd (rad/sec)
Figura 9.47: Diagrama de magnitud de Bode para el inverso de la función de peso de la función
1
de red cerrada: WT1(s) = s/ωT d +1/T max
.
Para la función de transferencia deseada de red abierta (9.53) GHd (s) = ωgd /s, la función
de transferencia red cerrada es: Td = ωgd /(s + ωgd ), la cual se puede acotar con la función (9.65)
escogiendo ωT d = ωgd .
Si se tiene una función de transferencia deseada de red abierta con pendiente de −40db/dec
en baja frecuencia, se puede utilizar la siguiente función de peso para la función de transferencia
de red cerrada: s 1 2
WT (s) = +√ . (9.66)
ωT d Tmax
T y 1/WT Se y 1/Gd
2 1.4
1/WT 1/Gd
1.8
T Se
1.2
1.6
1.4 1
Magnitud (abs)
Magnitud (abs)
1.2
0.8
0.6
0.8
0.6 0.4
0.4
0.2
0.2
0 0
−2 0 2 −2 0 2
10 10 10 10 10 10
Frecuencia (rad/sec) Frecuencia (rad/sec)
Figura 9.48: Diagramas de magnitud de Bode y sus cotas, para la función de transferencia de
red cerrada y la función de sensibilidad de entrada del ejemplo 9.23.
10
9 umax / Gd
Ss
8
7
Magnitud (abs)
0
−2 −1 0 1 2
10 10 10 10 10
Frecuencia (rad/sec)
Figura 9.49: Diagrama de magnitud de Bode para la función de sensibilidad de salida y su cota
del ejemplo 9.23.
Como se analizó para los cı́rculos de MS constantes en la gráfica de Nyquist ecuación (9.19), la
magnitud |1 + Gm (jω)| es la distancia del punto crı́tico al lugar de Gm (jω); la restricción (9.72)
indica que el lugar de Nyquist no se debe acercar más al punto crı́tico del radio
MS = |WS (jω)|.
Para la incertidumbre multiplicativa: G(s) = Gm (s) 1 + W (s)∆(s) , se tienen discos de
incertidumbre de radio Gm (jω)W (jω) centrados en Gm (jω), ver la figura 9.15. Para garantizar
el desempeño robusto, se requiere que el disco de radio |WS (jω)| centrado en el punto crı́tico
(-1,0) no se sobrelape con el disco de incertidumbre, ver la figura 9.50.
0.8
0.6
0.4
Eje imaginario
0.2 |WS(jω)|
0
|1+Gm(jω)|
−0.2
−0.4
−0.6
|W(jω)||Gm(jω)|
−0.8
−1
−1.4 −1.2 −1 −0.8 −0.6 −0.4 −0.2 0 0.2
Eje real
que equivale a:
|WS (jω)| |W (jω)Gm (jω)|
+ < 1 ∀ω,
|1 + Gm (jω)| |1 + Gm (jω)|
3
10
2
10
|Gm(jω)|
1
10
minb f
Magnitud
|W (jω)|
0 S
10
|W(jω)|
−1
10
max
af
−2
10
−3
10
−2 −1 0 1 2 3
10 10 10 10 10 10
Frecuencia (rad/sec)
Figura 9.51: Análisis de desempeño robusto en red abierta para el sistema del ejemplo 9.24.
1.3
1.2
1.1
Sin filtro
1
|W S | + |W T |
m
0.9
Con filtro
0.8
s m
0.7
0.6
0.5
0.4
0.3
−2 −1 0 1 2 3
10 10 10 10 10 10
Frecuencia (rad/sec)
Figura 9.52: Análisis de desempeño robusto en red cerrada para el sistema del ejemplo 9.24.
>> s=tf(’s’);Gp=1/(5*s+1);Gc1=8*(s+1)/s;
>> Ws=(0.5*s+1)/s;W=(0.25*s+0.2)/(0.2*s+1);
>> w=logspace(-2,3,80);DRs1=Ws*feedback(1,Gp*Gc1);DRt1=W*feedback(Gp*Gc1,1);
>> DRt2=W*feedback(Gp*Gc1,1)/(s+1);
>> DRs1f=frd(DRs1,w);DRt1f=frd(DRt1,w);DRt2f=frd(DRt2,w);
>> semilogx(abs(DRs1f)+abs(DRt1f),abs(DRs1f)+abs(DRt2f),’g.-’);
Z ∞ Np
X
π
ln |S(jω)|dω = −kt + π pi , para Tm = 0. (9.78)
0 2 i=1
1.15
A(+)
0
A(−)
ln |S(jω)|
−1.15
−2.3
−3.45
1 2 3 4 5 6 7 8 9 10
Frecuencia (rad/sec)
En la figura 9.53 se muestra una función de sensibilidad con el eje lineal para la frecuencia;
el área negativa A(−) corresponde a valores de: |S(jω)| < 1 y la positiva para: |S(jω)| > 1;
para cumplir con la integral de bode nula, ambas áreas deben ser iguales, luego si se busca
mejorar el desempeño del rechazo a disturbios de salida disminuyendo la magnitud de la función
de sensibilidad en baja frecuencia, el área positiva aumentará incrementado el valor máximo,
disminuyendo la robustéz y el desempeño transitorio.
Como la integral es infinita se podrı́a pensar en tener un poco por encima de uno el valor
de la función de sensibilidad en un amplio rango (infinito) de alta frecuencia; sinembargo re-
cuérdese que por los requerimientos de rechazo de ruido, |T (jω)| tiene banda limitada y es muy
pequeña en alta frecuencia por lo que la función de sensibilidad tendrá magnitud de uno en alta
frecuencia; esto indica que la integral de Bode debe asegurarse en la práctica en un intervalo
finito de frecuencias asociado al ancho de banda del sistema realimentado.
Para los sistemas con grado relativo uno y sin tiempo muerto, la integral debe ser negativa
e igual a −kt π2 , por lo que no es forzoso tener el área positiva A(+) ; es por ello que las funciones
de sensibilidad en el ejemplo 9.21 tienen valor máximo de uno, como lo muestra la figura
9.44. Estos sistemas se denominan pasivos y tienen funciones de transferencia llamadas reales
positivas, cuyo diagrama de Nyquist está todo en el semiplano derecho.
Si el sistema es inestable en red abierta, los polos inestables aportan valores positivos a las
integrales de Bode, por lo que estos sistemas tentrán valores máximos más grandes de |S(jω)|
que un sistema estable en red abierta; obsérvese igualmente que entre mayor valor tiene la parte
real del polo inestable (transitorio más rápido) mayor es el aporte positivo a la integral.
Ejemplo 9.25
Se considera el sistema con función de transferencia de red abierta:
k(s + 1)
GH(s) =
s(s − 1)
En este caso la integral de Bode debe ser nula en un intervalo finito de frecuencias acotado por
el cero z; si se disminuye la magnitud de S(jω) en baja frecuencia, el efecto de colchón de agua
forzará un pico elevado en |S(jω)|.
Para la función de transferencia de red cerrada T (s) estable, también aplica un principio de
conservación con la integral de Bode; para GH(s) al menos tipo uno (una integración o más),
grado relativo g > 1, Nz ceros de fase no mı́nima en z1 , z2 , . . . zNz , y tiempo muerto Tm ≥ 0, la
función de sensibilidad complementaria satisface:
Z ∞ Nz
X
1 1 π 1
2
ln |T (jω)|dω = − + πT m + π , (9.79)
0 ω KV 2 z
i=1 i
50
40
30 k=1
20
k=2
Magnitud (dB)
10
−10 k=3
−20 k=4
−30
−40
−50
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Frecuencia (rad/sec)
k(s+1)
Figura 9.54: Funciones de sensibilidad para GH(s) = s(s−1) con diferentes ganancias k.
40
30
20 k=23
10
Magnitud (dB)
k=15
0
−10
k=10
−20
k=1
−30
−40
1 2 3 4 5 6 7 8 9 10
Frecuencia (rad/sec)
k(−s+1)
Figura 9.55: Funciones de sensibilidad para GH(s) = s(s+5)2 con diferentes ganancias k.
Sea la función de transferencia de red abierta con tiempo muerto: GHf m (s)e−Tm s ; la parte
GHf m (s) es de fase mı́nima por lo que el ángulo cumple (9.15); en la frecuencia de ganancia
crı́tica ωg para lograr un margen de fase M F , se tiene el retardo de fase admisible por el tiempo
muerto en la frecuencia crı́tica ωg Tm :
π
ωg Tm = π − M F + Rω (ωg ) .
2
Para la pendiente en ωg usual de Rω = −1 y un margen de fase mı́nimo de 30o (π/6) el retardo
de fase debido al tiempo muerto debe ser menos de π/3 ≈ 1; por lo tanto, el tiempo muerto
limita la frecuencia de ganancia crı́tica a ser menor de:
1
ωg ≤ . (9.80)
Tm
El tiempo muerto limita el ancho de banda alcanzable por el sistema de control.
Ejemplo 9.27
Sea el sistema con función de transferencia de red abierta:
ke−s
GH(s) = ;
s+1
de (9.80) la frecuencia de ganancia crı́tica debe ser menor de uno; con k = 1.12, 1.42 y 2.24 las
ganancias crı́ticas son 0.5, 1 y 2 respectivamente. En la figura 9.56 se muestran los diferentes
10
k=2.24; MG=0.08
Magnitud (dB)
k=1.42; MG=4.04
−10
k=1.12; MG=6.1
−20
0
−45 ωg=0.5; MF=124º
Fase (deg)
ke−s
Figura 9.56: Diagramas de bode para GH(s) = s+1 con diferentes ganancias k.
z(1 − 1/Smax )
ωSd < . (9.83)
1 − Smin
Si el cero está en el eje imaginario: s0 = j|z|, con Smin = 0, se debe respetar la cota máxima:
s
1
ωSd < |z| 1 − 2 . (9.84)
Smax
Para los lı́mites tı́picos: Smin = 0 y Smax = 2 y una función de transferencia deseada de red
abierta (9.53) GHd (s) = ωgd /s la cota (9.83) es:
z
ωSd = ωgd < (9.85)
2
y la cota (9.84) para el cero imaginario es:
menos exigente que la del cero real, como era de esperarse pues en el lugar de las raı́ces entre
más alejado el cero del eje complejo más halan los polos de red cerrada a la inestabilidad.
Se observa por lo tanto que, los ceros de fase no mı́nima imponen lı́mites superiores
en el ancho de banda del sistema de control.
Para GH(s) con un polo inestable en s = p, la función de sensibilidad lo tiene como cero:
S(p) = 0 luego la función red cerrada evaluada en el polo es: T (p) = 1; con un análisis similar
al realizado para el cero de fase no mı́nima para la función de sensibilidad complementaria T (s)
y su función de peso WT (s), se debe cumplir:
Para el lı́mite máximo tı́pico: Tmax = 1.25 y la función de transferencia deseada de red abierta
GHd (s) = ωgd /s la cota (9.88) es:
ωT d = ωgd > 5p (9.90)
y para la cota (9.89) es:
5
p.
ωT d = ωgd > (9.91)
3
Para controlar un sistema de red abierta inestable se requiere tener un ancho
de banda mı́nimo en el sistema de control.
En general para Nz ceros y Np polos en el semiplano derecho, se cumple Skogestad and
Postlethwaite [2005] para cada cero zj :
Np
Y |zj + pi |
máx |WS (jω)S(jω)| ≥ |WS (zj )| , (9.92)
∀ω |z − pi |
i=1 j
z ≥ 3p. (9.94)
Igualmente, para los sistemas con un polo inestable de red abierta y tiempo muerto, se
cumple:
máx |T (jω)| ≥ epTm (9.95)
∀ω
de donde para el lı́mite superior Tmax = 1.25 se obtiene que para un desempeño aceptable del
sistema realimentado, la relación del polo inestable p al tiempo muerto Tm debe cumplir:
Ejemplo 9.28
En los ejercicios 7.7 y 7.8 se analizó el control de un péndulo invertido en la mano; la
dinámica de este sistema observando el ángulo del péndulo es:
Θ(s) 1 −1
= (9.97)
F (s) M l (s2 − (M +m)g )
lM
q
la cual tiene un polo inestable en p = (MlM +m)g
; una longitud l corta y una masa m grande
dará un polo inestable más rápido y más difı́cil de estabilizar. Si la longitud del péndulo es
l = 1, g ≈ 10 y las masas m = 0.6M = 1 el polo esta en p = 4, exigiendo de (9.90) para un
buen desempeño, un ancho de banda ωgd = 20rad/s, esto es tiempos de estabilización en red
cerrada de 0.2s.
Y (s) 1 s2 − g/l
= ; (9.98)
F (s) M s2 (s2 − (M +m)g )
lM
esta dinámica tiene los polospde la anterior, más dos en el origen, un cero estable y un cero
de fase no mı́nima en z = g/l; si la masa del péndulo es pequeña con relación a la de la
mano: m ≪ M el valor del polo p es muy cercano al del cero z y el sistema se hace en la
práctica imposible de estabilizar, note que (9.93) predice una magnitud pico de Smax tendiendo
al infinito cuando el polo y cero de faseqno mı́nima se acercan. Incluso con masas m grandes, la
estabilización es muy difı́cil pues p = z MM+m
> z y es deseable lo contrario de tener el cero z
lejano y el polo p cercano al origen.
El máximo de la función de sensibilidad (9.93) es:
p
1 + m/M + 1
Smax ≥ p ;
1 + m/M − 1
para una masa m = M este máximo debe ser superior a 5.82 mostrando que el sistema no
tendrá buen desempeño.
Si se observa la barra del péndulo a una longitud h desde la base, la nueva salida es:
yh = y − hsenθ que en pequeña señal es: yh ≈ y − hθ; tomando la transformada de Laplace:
Yh (s) = Y (s) − hΘ(s) y reemplazando Y (s) de (9.98) y Θ(s) de (9.97), se obtiene:
La posición del cero de fase no mı́nima cambia con la posición de la medida h sobre la barra
del péndulo; si se escoge: lh > 1 los ceros se convierten en imaginarios y el sistema es más
fácil de controlar; la cota (9.92) con WS (s) = 1 establece Smax ≥ 1. El sistema podrá alcanzar
buen desempeño siempre y cuando se logre el ancho de banda que permita la estabilización del
polo inestable. Este ejemplo ilustra cuán importante es la ubicación del sensor con relación al
desempeño alcanzable por el sistema de control. △
adicional de -90o dará: ωg < ωπp para garantizar la estabilidad; con un PID cascada con avance
de fase: Td′ = 0.05Td el máximo avance de fase φm es de 64.8o (ecuación 9.13 con p = 20z) el
cual permite lograr un buen margen de fase y buen velocidad de respuesta si se usa la cota:
El ejemplo 10.11 ilustra el uso de esta cota en el diseño de un sistema de control sobreamor-
tiguado de alto orden.
Ejemplo 9.29
Se analiza la respuesta de frecuencia para el sistema de tiempo discreto: GH(z) = 1/(z−0.5);
a la izquierda en la figura 9.57 se observa el mapa del polo en el plano Z y el cı́rculo de radio
unidad; la respuesta de frecuencia es:
1 1
GH(ejωT ) = = ∠ − φ;
ejωT − 0.5 P
P es la magnitud del vector dirigido desde el polo en z = 0.5 al punto en el cı́rculo unitario
para la frecuencia dada en el plano Z; φ es el ángulo de este vector con el eje real.
A la derecha en la figura 9.57 se observa la respuesta de frecuencia del sistema en el diagrama
de Nyquist; la magnitud de GH(ejωT ) es el inverso de P y su ángulo −φ.
Nótese que siendo un sistema de primer orden, la función de transferencia GH(z) no es real
positiva pues entra al semiplano izquierdo en el plano de GH(z). △
Figura 9.57: Respuesta de frecuencia para sistemas discretos; izquierda: plano Z; derecha: dia-
grama de Nyquist.
Ejemplo 9.30
Se considera un sistema de primer orden Gp (s) = 1/(s + 1) controlado por un sistema
de control digital con retedor de orden cero y perı́odo de muestreo T = 0.05π = 0.157s; la
frecuencia de Nyquist es: 20rad/s; la figura 9.58 muestra los diagramas de Bode del sistema
continuo Gp (jω) y del digital Gd (ejωT ), obtenidos con el comando ‘bode’ del MATLAB.
La lı́nea vertical indica la frecuencia de Nyquist; las curvas son muy cercanas para las bajas
frecuencias con relación a la de Nyquist; la fase se desvı́a primero y una década por debajo de la
frecuencia de Nyquist la diferencia de fase es de 9.3o . El comando asume una sincronización con
una onda coseno, pues en las frecuencias múltiplo de Nyquist la transmisión de la sinusoide es
completa y la ganancia unitaria (0db). Una sincronización con onda seno darı́a ganancia nula en
estas frecuencias y la curva de ganancia del sistema digital estarı́a por debajo de la del sistema
continuo.
Nótese que la respuesta de frecuencia del sistema digital ya no tiende a las ası́ntotas rectas
como lo hase el sistema continuo; esto se debe a que no depende de forma polinómica racional
con la frecuencia jω sino de forma racional en términos ejωT . △
Magnitud (dB) 0
−20
Gp
Gd
−40
−60
180
90
Fase (deg)
−90
−180
−1 0 1 2 3
10 10 10 10 10
Frecuencia (rad/sec)
Figura 9.58: Respuestas de frecuencia para el sistema continuo Gp (s) = 1/(s + 1) y su dis-
cretización con retenedor de orden cero Gd (z) = 0.1454/(z − 0.8546).
lo que para un margen de fase de π/3 impone lı́mites máximos en la frecuencia de ganancia
crı́tica:
π
ωg ≤ , (9.102)
2T
la mitad de la frecuencia de Nyquist ωN .
Por estar acotada la respuesta frecuencial hasta π/T , los anchos de banda analizados deben
considerarse con relación a esta frecuencia; no deben acercarse a más de 0.8π/T .
Para este perı́odo de muestreo, la función de transferencia de pulsos con retenedor de orden
cero es:
0.105(z + 0.488)
Gd (z) = ; (9.103)
(z − 0.819)(z − 0.135)
nótese la aparicion del cero de muestreo en z = −0.488.
Usando la función de transferencia discreta (3.14) para la acción integral se tiene:
0.2(z + 1)
. Gc (z) = (9.104)
z−1
La figura 9.60 muestra los diagramas de Bode para la función de transferencia de pulsos
sinusoidal de red abierta del sistema de control digital.
50
Magnitud (dB)
0
System: G
Gain Margin (dB): 8.7
At frequency (rad/sec): 2.17
−50 Closed Loop Stable? Yes
−100
−90
−135
Fase (deg)
−180 System: G
Phase Margin (deg): 24.8
Delay Margin (samples): 1.75
At frequency (rad/sec): 1.24
−225 Closed Loop Stable? Yes
−270
−1 0 1 2
10 10 10 10
Frecuencia (rad/sec)
0.021(z+1)(z+0.488)
Figura 9.60: Diagramas de Bode de G(z) = (z−1)(z−0.819)(z−0.135) .
Los márgenes de ganancia y de fase disminuyen con relación a los del sistema de tiempo
continuo en la figura 9.28. La frecuencia de ganancia crı́tica por ser suficientemente baja con
relación a la de Nyquist se mantiene igual pues los cambios en la magnitud no son grandes, no
ası́ la de fase crı́tica que disminuye por el mayor atraso de fase del sistema de control digital.
La figura 9.61 muestra las magnitudes de las respuestas de frecuencia de la función de
sensibilidad y sensibilidad complementaria, para el sistema continuo y el digital. Se observa la
pérdida de desempeño y robustéz del sistema digital al aumentar los máximos Smax y Tmax .
Las frecuencias de resonancia y los anchos de banda se mantienen prácticamente inalterados.
△
3
Sd
Sc
2.5 Td
Tc
2
Magnitud (abs)
1.5
0.5
0
−1 0 1 2
10 10 10 10
Frecuencia (rad/sec)
Figura 9.61: Diagramas de magnitud de Bode continuos y discretos de las funciones de sensi-
bilidad y de red cerrada, para el sistema del ejemplo 9.31.
rectas; sinembargo, para las herramientas gráficas disponibles hoy en dı́a esto ya no es
una limitación; para quien tenga destrezas en el análisis y diseño de sistemas de control
en la frecuencia continua, el uso de la transformada bilineal es una opción.
J ws bT
2
b 2 z+1
z=e sT W = T z−1
b c a c a
d − T2
∞←c Plano W
d d
ws ↓
Plano S −J 2 Plano Z ∞
W
del cı́rculo unitario en el plano Z; éste a su vez se traslada a todo el semiplano izquierdo
del plano W . Nótese que el origen del plano Z se traslada al punto w = −2/T en el plano
W ; igualmente se observa que cuando s varı́a de cero a jωs /2 sobre el eje complejo, z
varı́a de 1 a −1 a lo largo del cı́rculo unitario del plano Z y w varı́a de cero a infinito a
lo largo del eje imaginario del plano W .
2 [z − 1] 2 esT − 1 2 sT
w = = = tan ;
T [z + 1] T esT + 1 T 2
En general si:
bo z m + b1 z m−1 + . . . + bm
G(z) = m < n
z n + a1 z n−1 + . . . . + an
1 + T /2 w
y se aplica la transformación: z = 1 − T /2 w , entonces la forma de G(w) es:
β0 wn + β1 wn−1 + . . . + βn
G(w) = .
α0 wn + α1 wn−1 + . . . + αn
Luego los grados de los polinomios del numerador y denominador de G(w) pueden ser
diferentes a los de G(z); en general el comportamiento en alta frecuencia de G(s) y G(w)
no es el mismo; como el grado relativo de G(z) es siempre uno (ver sección 5.11.4) en
G(w) aparece un cero de fase no mı́nima en: w = 2/T correspondiendo al polo de la
transformación (9.105); con perı́odos de muestreo grandes, el cero estará más cerca de wg
generando un retraso de fase importante que disminuirá la estabilidad del sistema.
Ejemplo 9.32
Se analiza la respuesta de frecuencia en W del sistema del ejemplo 9.31; de (9.103) y (9.104)
la función de transferencia discreta es:
0.021(z + 1)(z + 0.488)
G(z) = .
(z − 1)(z − 0.819)(z − 0.135)
El paso del plano Z al plano W lo realiza el comando ‘d2c’ (de discreto a continuo) con el
método tustin:
>> s=zpk(’s’);Gp=1/((s+1)*(0.1*s+1));
>> z=zpk(’z’,0.2);Gc=0.2*(z+1)/(z-1);G=Gd*Gc;
>> Gw=d2c(G,’tustin’)
Zero/pole/gain:
-0.052241 (s+29.06) (s-10)
--------------------------
s (s+0.9967) (s+7.616)
La función G(s):
2
G(s) =
s(s + 1)(0.1s + 1)
tiene la integración, el polo en s = −1, el polo rápido en s = −10 y una constante de error de
velocidad: KV = 2; en el plano W , la función G(w):
2(0.034w + 1)(−0.1w + 1)
G(w) =
w(1.003w + 1)(0.131w + 1)
tiene el integrador, el polo en -1 pasa a −0.9967, el polo rápido sufre una mayor distorsión y
pasa a w = −7.616 y la constante de error de velocidad en la misma de G(s); hay además dos
ceros asociados al muestreo y la retención; el cero de muestreo en z = −0.488 va a uno muy
lejano en w = −29.06 y el otro cero es el de fase no mı́nima generado con la transformación
bilineal en w = 2/T = 10. Note que el cero en z = −1 va al infinito en G(w).
50
G(s)
G(w)
Magnitud (dB)
0
System: Gw
Gain Margin (dB): 8.7
At frequency (rad/sec): 2.21
−50 Closed Loop Stable? Yes
−100
−90
−135
Fase (deg)
−180 System: Gw
Phase Margin (deg): 24.8
Delay Margin (sec): 0.347
−225
At frequency (rad/sec): 1.24
Closed Loop Stable? Yes
−270
−315
−2 −1 0 1 2
10 10 10 10 10
Frecuencia (rad/sec)
2 2(0.034w+1)(−0.1w+1)
Figura 9.63: Diagramas de Bode de G(s) = s(s+1)(0.1s+1) y G(w) = w(1.003w+1)(0.131w+1) .
La figura 9.63 muestra los diagramas de Bode de G(jω) y G(jv); nótese la cercanı́a de
las curvas en baja frecuencia; las curvas para G(jv) tienden a ası́ntotas rectas; se observa
igualmente que los márgenes de estabilidad relativa son prácticamente iguales a los obtenidos
con los diagramas de Bode para G(z), ver la figura 9.60. △
Las ecuaciones (9.77) y (9.108) son muy similares la principal diferencia es el intervalo finito
para la integral en tiempo discreto; ası́, la compensación de áreas por debajo y arriba de 0db
debe realizarse hasta la frecuencia de Nyquist. Nótese igualmente que la presencia de polos
inestables rápidos de red abierta fuerza tener valores grandes mayores de uno de la función de
sensibilidad.
Ejemplo 9.33
1
Se considera el sistema de control de posición con función de transferencia: G(s) = s(s+1) ;
se discretiza con retenedor de orden cero y perı́odos de muestreo T = 1, 2, 3, y 3.9. La figura
9.64 muestra las diferentes funciones de sensibilidad obtenidas; en la medida que el perı́odo de
muestreo aumenta, la frecuencia de Nyquist disminuye y la integral (9.64) debe cumplirse en un
intervalo de frecuencia más pequeño; esto fuerza el tener valores máximos Smax más elevados;
igualmente se observa un aumento de la magnitud en la frecuencia de Nyquist. △
50
40
T=3.9
30
20 T=3
T=2
Magnitud (dB)
10
T=1
0
−10
−20
−30
−40
−50
0.5 1 1.5 2 2.5 3 3.5 4
Frecuencia (rad/sec)
Las cotas obtenidas para plantas con polos y ceros en el semiplano derecho, aplican con su
correspondiente transformación al plano Z:
zz , pz = e(z,p)T .
Recuérdese además tener en cuenta la aparición de ceros de fase no mı́nima por el muestreo
y la retención. Anchos de banda mı́nimos para estabilizar plantas con polos inestables exigen
frecuencias de muestreo mı́nimas; en M.M. Seron and Goodwin [1997] se concluye que obtener
una función de sensibilidad para la componente
√ fundamental menor de: Smax < 2 exige tener
perı́odos de muestreo menores a: T < 3π/p. Se deben igualmente evitar las oscilaciones
ocultas analizadas en la sección 5.11.4.2; se tendrá una pobre sensibilidad si la frecuencia de
oscilación de los polos inestables es un múltiplo entero de la frecuencia de Nyquist. Las cotas
considerando sistemas con tiempo muerto son válidas siempre y cuando el perı́odo de muestreo
sea muy pequeño; el control solo en los instantes de muestreo degrada el desempeño con relación
al del sistema de tiempo continuo, por lo que estas cotas darán desempeños menores en tiempo
discreto, como se ilustra en el siguiente ejemplo.
Ejemplo 9.34
La figura 9.65 muestra los diagramas de Bode para la discretización del sistema:
e−s
GH(s) = ,
s+1
analizado en el ejemplo 9.27, utilizando un retenedor de orden cero y un perı́odo de muestreo
de T = 0.2s.
10
k=2.24; MG=−0.5
Magnitud (dB)
k=1.42; MG=3.4
−10
k=1.12; MG=5.5
−20
0
−45 ω =0.5; MF=121º
g
ωg=1; MF=70.7º
Fase (deg)
−90
−135 ωg=2; MF=−11.5º
−180
−225
−270
−1 0 1
10 10 10
Frecuencia (rad/sec)
Figura 9.65: Diagramas de bode para el sistema del ejemplo 9.27 en tiempo discreto.
9.8. Resumen
Esta unidad se dedicó al análisis de la respuesta de frecuencia de los sistemas de control.
Esta respuesta es la del sistema en estado estable a una entrada sinusoidal, con distintos valores
La tabla 9.2 muestra el comportamiento en baja y alta frecuencia de las funciones de sensi-
bilidad: |T (jω)|, |S(ω)|, |Se (ω)| y |Ss (ω)|. En baja frecuencia hay el comportamiento definido
por el control mientras que en alta frecuencia el control no actúa y la respuesta es la de lazo
abierto. En la zona media alrededor de ωg , se define la estabilidad y robustéz del sistema; en
lazo abierto, ello impone lı́mites en la pendiende de la curva de magnitud.
Otra ventaja del análisis por respuesta de frecuencia son las herramientas para obtener y
analizar las respuestas de frecuencia de los sistemas inciertos; las incertidumbres multiplicativas
no estructuradas generan un cı́rculo de incertidumbre centrado en la curva de respuesta de
frecuencia en el diagrama de Nyquist, con radio igual a la magnitud de la función de peso de la
incertidumbre; la estabilidad robusta se asegura si el cı́rculo de incertidumbre no toca el punto
crı́tico, lo que lleva a la condición (9.26). Para el desempeño robusto, no debe traslaparse con el
disco de peso de la función sensibilidad, de radio |WS (jω)| centrado en el punto crı́tico (-1,0),
llevando a la condición (9.74) de la página 487.
Una desventaja del análisis frecuencial es que no tiene relación directa con la respuesta
transitoria del sistema; para los sistemas de primer y segundo orden las caracterı́sticas de la
respuesta de frecuencia y del tiempo están bien definidas analı́ticamente lo que permite una
correlación entre estos dominios: el margen de fase M F con el coeficiente de amortiguamiento
ρ ≈ M F/100, los máximos Smax y Tmax están asociados con el sobrepaso y los anchos de banda
ωg , ωT b , ωSb son inversamente proporcionales al tiempo de subida.
El tipo de sistema se obtiene analizando la pendiente de la curva en baja frecuencia y
las constantes de error se calculan de la intersección de la ası́ntota de baja frecuencia o su
prolongación con la recta ω = 1, por lo que la respuesta permanente se puede calcular a partir
de la respuesta de frecuencia.
Para un desempeño adecuado se utilizan las siguientes cotas en las caracterı́sticas analizadas:
1
M G ≥ 6db, M F ≥ 30o , M M ≥ −6db, −20 ≤ Rω (ωg ) ≤ −100/3 [db/dec], |S(jω)| < |Gd (jω)| , ∀ω
1
(rechazo disturbio de salida), |S(jω)| < R , ∀ω ≤ ωR (seguimiento de referencia), Tmax ≤ 2db,
1
|Se (jω)| < |Gd (jω)| , ∀ω (rechazo disturbio de entrada) y las cotas (9.69), (9.70) y (9.71) en la
página 485 para respetar el máximo de la señal de control dependiendo de la entrada. Los anchos
de banda ωg , ωSb y ωT b deben definirse dependiendo de la velocidad requerida del sistema en
red cerrada, la banda de frecuencia deseada para rechazar el disturbio y las frecuencias del
ruido.
La respuesta de frecuencia de un sistema de control estable en red cerrada tiene limitaciones
fundamentales que acotan el desempeño alcanzable por el sistema. Las integrales de Bode (9.77)
y (9.78) para la función de sensibilidad S son finitas, lo que implica que independientemente
del método de diseño utilizado, si se disminuye la magnitud de la función de sensibilidad en
una cierta banda de frecuencias, se incrementará en otra banda de frecuencias. Los sistemas
con grado relativo uno tienen esta integral negativa por lo que no es forzoso tener un máximo
en la función de sensibilidad como es el caso para los sistemas de grado relativo igual o superior
a dos; los polos inestables de red abierta aportan valor positivo a la integral proporcional a su
magnitud, por lo que tendrán valores más altos de Smax entre más rápidos son. La integral de
Bode (9.79) para la función de sensibilidad complementaria T (s) no exige un pico en |T (jω)|
para los sistemas sin tiempo muerto ni ceros de fase no mı́nima en red abierta; estos ceros
aportan valores positivos a la integral inversamente con su magnitud, por lo que exigiran valores
altos en Tmax entre más lentos sean.
El tiempo muerto genera la limitación en ancho de banda: ωg ≤ 1/Tm ; un cero de fase no
mı́nimima en s = z de ωg < z/2; estos sistemas de fase no mı́nima limitan al máximo ancho
de banda alcanzable por el sistema de control. Para estabilizar un sistema de control de red
abierta con el polo inestable s = p, se requiere al menos tener el ancho de banda: ωg > 5p, luego
estos polos imponen mı́nimos anchos de banda para el sistema de control. El atraso de fase del
proceso exige anchos de bandas máximos menores que la frecuencia de fase crı́tica del proceso:
ωg < ωπp .
La respuesta de frecuencia de los sistemas discretos o digitales se obtiene evaluando z = ejωT ;
esta respuesta es periódica y por su simetrı́a solo se requiere obtenerla hasta la frecuencia de
Nyquist π/T ; para frecuencias proporcionales a la de Nyquist, la respuesta depende del ángulo
de desfase entre la sinusoide de entrada y los instantes de muestreo. Los diagramas de Bode en
el plano Z no tienden a ası́ntotas rectas; con la transformada bilineal se recobra esta propiedad
en el plano W .
Las caracterı́sticas de desempeño y estabilidad para los sistemas de control continuo se ex-
tienden directamente a los digitales cambiando GH(jω) por GH(ejω ). Para las especificaciones
de desempeño se debe considerar que en tiempo discreto la respuesta de frecuencia está acotada
hasta la frecuencia de Nyquist π/T por lo que los anchos de banda no deben acercarse a más
de 0.8π/T . Las limitaciones de desempeño igualmente se extrapolan directamente de las de
tiempo continuo, obteniéndose las integrales de Bode acotadas en un intervalo de frecuencia
finito. Los lı́mites por polos y ceros en el semiplano derecho del plano S aplican para los polos y
ceros fuera del cı́rculo de radio unidad en el plano Z; para el tiempo muerto, debe considerarse
en las cotas que habrá retardo adicional por la discretización.
Para la selección del perı́odo de muestreo en el dominio de la frecuencia, se considera una
frecuencia de muestreo apropiada entre 10 a 30 veces la frecuencia de ancho de banda del sistema
en red cerrada.
Ejercicio 9.2
El puente Tacoma Narrows en los EEUU se destruyó solo 4 meses después de puesto al
servicio en 1940; es un caso famoso del comportamiento frecuencial de un sistema; investigue lo
sucedido y su relación con las caracterı́sticas de respuesta de frecuencia dadas en este capı́tulo.
Ejercicio 9.3
Un sistema mecánico rotacional desvalanceado genera torques oscilatorios de perturbación
en el eje con componente fundamental proporcional a la velocidad; analice la respuesta durante
la acelaración en rampa de velocidad de un sistema rotacional desvalanceado con dos inercias
acopladas a través de un eje con torsión; aparte del mantenimiento adecuado, ¿qué precaución
debe tenerse en la operación de este sistema?
Ejercicio 9.4
Se considera el péndulo invertido en la mano del ejemplo 1.3; intente equilibrar la barra
observando su extremo superior, el centro y la mano. Analice la estabilidad y el desempeño
logrado en caso.
4. Calcule en cuánto debe cambiarse la ganancia si se desea tener un margen de fase de 60o .
5. Calcule el error permanente para una entrada rampa unitaria en la referencia.
Ejercicio 9.6
En los ejercicios 1.13, 2.13 y 5.13 se analizó el sistema de control de velocidad de un vehı́culo;
el modelo es: 1
Va (s) = V1 (s) − T1 (s) ,
20s + 1
4s + 1
V1 (s) = X(s) − Va (s) .
s
Trace los diagramas de Bode de red abierta para el sistema y calcule los márgenes de ganancia
y de fase. Trace los diagramas de magnitud para las cuatro funciones de sensibilidad y calcule
los anchos de banda, las máximas ganancias y las frecuencias de los máximos para cada una
de ellas. ¿Cuál es la máxima ganancia entre el disturbio T1 (s) y la salida? ¿Cuál es la máxima
ganancia para la señal de control?
Ejercicio 9.7
Para el sistema:
1
zs +1
G(s) = 2 ,
(s + 1)2
obtenga las respuestas de frecuencia de red abierta para z = 10, 2, 0.5, −1, −2; analice el efecto
del cero con respecto a los márgenes de estabilidad, los anchos de banda: ωSb y ωT b y los
máximos: Smax y Tmax .
Ejercicio 9.8
Para el tiempo muerto: G(s) = e−Tm s analice la aproximación de primer orden de Padé:
Ga (s) ≈ 1−sT m /2
1+sTm /2 mediante sus curvas de respuesta de frecuencia hasta ω < 1/Tm .
Ejercicio 9.9
Calcule la ganancia crı́tica kc para la cual el sistema es marginalmente estable y la frecuencia
de la oscilación ωo a partir del corte de la gráfica de Nyquist con el eje real, para los sistemas
con función de transferencia de red abierta:
1.
k
G(s) = .
s(1 + T s)2
2.
k(1 + 10T s)
G(s) = .
s2 (1 + T s)2
3.
k
G(s) = .
(1 + T s)3
4.
ke−Tm s
G(s) = .
s
Ejercicio 9.10
Para cada una de las siguientes funciones de transferencia de red abierta, trace las gráficas
de Nyquist y analice la estabilidad del sistema realimentado.
1.
1
G(s) = .
s(s + 1)(s + 5)
2.
1
G(s) = .
s2 (s + 1)(s + 5)
3.
2
G(s) = .
(s + 1)4
4.
1
G(s) = .
s(s − 1)(s + 5)
5.
s − 0.5
G(s) = .
(s2 + 4)(s + 1)
6.
e−s
G(s) = .
s(s + 1)
Ejercicio 9.11
Para el sistema de control con función de transferencia de red abierta:
2
G(s) = ,
s(0.5s + 1)(0.1s + 1)
trace los diagramas de Bode y analice los márgenes de ganancia y de fase; evalúe una correlación
tiempo-frecuencia para el comportamiento del sistema en red cerrada.
Ejercicio 9.12
Para el control de posición de una planta sin fricción con modelo:
1
Gp (s) = ,
s2
se desea controlar con tiempos de estabilización a referencias escalón menores de 10s, margen de
ganancia mayor a 6db, margen de fase mayor a 30o , margen de módulo superior a 6db y errores
de seguimiento menores de 0.1 hasta frecuencias de 0.2rad/s; la señal de control se satura en:
−5 ≤ u(t) ≤ 5. Para ello se utiliza el controlador PD:
5(s + 1)
Gc (s) = . (9.109)
(s + 5)
Analice las respuestas de frecuencia del sistema y evalúe si cumple las especificaciones dadas.
Ejercicio 9.13
En el ejercicio 5.22 se analizó en el dominio del tiempo, la dificultad de controlar la planta:
4(s − a)
G(s) = , a > 0,
(s + a)(s − 4a)
usando un controlador serie con acción integral. Mediante el análisis de la respuesta de frecuencia
analice la dificultad de controlar este sistema; estime una cota mı́nima para el máximo de la
función de sensibilidad.
Ejercicio 9.14
Analice con la respuesta de frecuenica, la dificultad de controlar el sistema:
−s + 4
Gp (s) = ;
(−s + 1)(s + 2)
estime una cota mı́nima para el máximo de la función de sensibilidad.
Ejercicio 9.15
El sistema doble integrador del ejercicio 9.12 discretizado con retenedor de orden cero y
perı́odo de muetreo de T = 0.2s es:
0.02(z + 1)
Gp (z) = ,
(z − 1)2
se controla con la discretización del controlador continuo (9.109) por mapeo polo cero, dando
el controlador discreto:
3.487(z − 0.819)
Gc (z) = .
z − 0.368
Analice y compare las respuestas frecuenciales de los sistemas de control continuos y discretos;
evalúe si el sistema de tiempo discreto cumple las especificaciones dadas.
Ejercicio 9.16
Analice el sistema del ejercicio 9.15 en el plano W ; compare los diagramas de Bode de red
abierta con los obtenidos en el ejercicio 9.12.
Ejercicio 9.17
Para el antiplegamiento de frecuencia del sistema doble integrador analizado en el ejercicio
9.15, se diseña el filtro Bessel de segundo orden con frecuencia de corte de ω0 = 5rad/s:
75
Gf (s) = .
s2 + 15s + 75
Analice la respuesta frecuencial del sistema en tiempo discreto con el filtro y compárela con la
obtenida en los ejercicios 9.12 y 9.15; evalue si el sistema de tiempo discreto cumple las especi-
ficaciones dadas; de no hacerlo reajuste el controlador para este propósito. Analice la magnitud
de las respuestas frecuenciales con y sin filtro, para un ruido senoidal en la realimentación con
frecuencia de 10rad/s.
Ejercicio 9.18
El sistema oscilador:
1
G(s) =
s2 +1
se controla con:
10(z 2 − 1.85z + 0.866)
Gc (z) = ,
z(z − 1)
con perı́odo de muestreo de T = 0.2s; se desea que la respuesta de frecuencia del sistema
responda con: M F ≥ 40o , M G ≥ 6db M M ≥ 6db, Tmax ≤ 1.5; el máximo de la señal de
control es de ±10; analice si se cumplen las especificaciones en el plano W ; verifique si la
respuesta en el tiempo de red cerrada responde a escalores en la referencia con sobrepasos
menores del 15 % y tiempos de estabilización menores de 10s.
4. Analice la estabilidad robusta del sistema: |Tm (jω)W (jω)| < 1. Calcule el margen de
estabilidad robusta del sistema.
Ejercicio 9.20
Se considera el sistema de control de la figura 9.66.
Para este sistema con k = 2, en las figuras 9.67 y 9.68 se muestran los diagramas de bode
de G(jω) y la carta de Nichols.
A partir de los gráficos, calcule y/o estime:
5. La forma de onda del error e(t) en estado estable para para una entrada sinusoidal r(t) =
sen2t.
10. El valor máximo del tiempo muerto en la trayectoria directa, para que el sistema per-
manezca estable.
Bode Diagram
40
20
0
Magnitude (dB)
−20
−40
−60
−80
−100
−90
−135
−180
−225
Phase (deg)
−270
−315
−360
−405
−450 −1 0 1 2
10 10 10 10
Frequency (rad/sec)
Ejercicio 9.21
Para el sistema de la figura 9.66 con k = 1, las figuras 9.69 y 9.70 muestran los diagramas
de bode de G(jω) y la carta de Nichols.
Para las siguientes preguntas, marque LA opción que considere correcta.
1. El margen de ganancia en db es
A. −3.
B. 40.
C. 57.
D. 75.
Nichols Chart
0 dB
30 0.25 dB
0.5 dB
ω=0.1
20
1 dB
−1 dB
ω=0.2
Open−Loop Gain (dB)
3 dB
10
ω=0.4
−3 dB
6 dB
ω=1
0 −6 dB
ω=2
−12 dB
−10
ω=3
ω=4
ω=6
−20 dB
−20
−225 −180 −135 −90 −45 0
Open−Loop Phase (deg)
C. 3.
D. 220.
5. El ancho de banda [rad/seg] es
A. 0.8.
B. 22.
C. 1.
D. 13.
6. El error permanente, para una entrada de referencia rampa unitaria es
A. 26.
B. 0.04.
C. 0.56.
D. 1.0.
7. El valor de k para obtener un margen de ganancia de 20db es
A. 10.
B. 662.
C. 0.07.
D. 71.
8. El valor de k para que el sistema tenga un margen de fase de 40o y responda lo más rápido
posible es
A. 126.
B. 32.
C. 1.1.
D. 0.2.
A. 1.1.
B. 3.2.
C. 0.35.
D. 10.
k
C. G(s) = s(bs+1)2 .
k(as+1)
D. G(s) = s(bs+1)(cs+1)(ds+1) .
6. Para el modelo nominal del sistema, ajuste un controlador PID digital con un método de
los vistos en el capı́tulo 6.
7. Analice las respuestas de frecuencia del sistema (red abierta y funciones de sensibilidad)
con el PID del punto anterior; calcule márgenes de estabilidad, anchos de banda, máximas
ganancias, frecuencias de los máximos, error de seguimiento, rechazo de disturbios de
entrada y salida, lı́mites de la señal de control para entradas de referencia t disturbios,
amplificación de ruido de medición, etc.; verifique si se cumplen las especificaciones.
8. Para el anális frecuencial del sistema incierto, realice las siguientes actividades:
10.1. Introducción
A lo largo del libro se han estudiado técnicas que permiten analizar el comportamiento
de los sistemas de control realimentados; el objetivo principal de los sistemas de control es
el de disminuir el error del sistema bien sea por cambios del proceso, ruidos o disturbios;
este objetivo se traduce en especificaciones deseadas de desempeño que deben lograrse con un
diseño apropiado; diseñar un sistema de control es por lo tanto encontrar uno que cumpla estas
especificaciones.
En este capı́tulo se analizan diferentes métodos de diseño de sistemas de control; se asume
la planta inalterable y se definen los polos y ceros del controlador que se usan como grados de
libertad para lograr el desempeño deseado. Se analizan inicialmente los aspectos generales del
diseño y se resumen las restricciones estudiadas en los capı́tulos precedentes de análisis; primero
se presenta el método de diseño por sı́ntesis para la asignación de polos con controladores serie
continuos de cualquier orden (en el capı́tulo 6 se estudió la asignación de polos para el PID
continuo); luego se presenta el diseño por análisis con el lugar de las raı́ces y la respuesta de
frecuencia, para controladores serie de bajo orden, continuos o discretos; métodos especı́ficos de
diseño de controladores digitales se tratan luego para controladores de adelanto atraso, PID y
el RST.
Para problemas de control más exigentes en desempeño, se pueden usar sensores adicionales
de variables intermedias o disturbios y generar las acciones de control desde señales diferentes
al error; estas estrategias complementan la del lazo serie y son muy empleadas en la práctica;
se estudiarán finalmente las acciones de control: paralela, directa de referencia y de disturbio y
el control en cascada de varios controladores.
526
10.2. EL MÉTODO DE DISEÑO DE LOS SISTEMAS DE CONTROL
8. Se selecciona el tipo de acción de control a usar: PID, adelanto-atraso, RST, etc. Normal-
mente se buscan los controladores más simples que permitan cumplir las especificaciones.
9. Se diseña el controlador, esto es, se obtienen los parámetros (por análisis o sı́ntesis), que
permiten cumplir las especificaciones.
Los pasos 1 a 3 y el 6, se han tratado en los capı́tulos anteriores; se vieron herramientas para
analizar el funcionamiento de un sistema de control, buscando determinar sus caracterı́sticas
en el dominio del tiempo y/o de la frecuencia: respuesta transitoria (duracion inicial y total,
máximo y mı́nimo) y permanante (errores estacionarios debidos a diversas entradas o cambios
1. La ecuación caracterı́stica define los polos para cualquier señal de entrada al lazo de
control; los ceros para las funciones de transferencia entre la salida y la referencia o los
disturbios, dependen de la señal de entrada; los polos de la medida son ceros de todas
estas funciones.
Por las restricciones algebraicas (sección 5.8.5.2, página 253), los ceros de T son los del
proceso, controlador y medida; en ellos S = 1. Los ceros de S son los polos del proceso,
controlador y medida; en ellos T = 1. Los ceros de Se son los del proceso y los polos del
controlador; los ceros de Ss son los del controlador y los polos del proceso.
2. Entre mayor es el tipo del sistema y su ganancia en baja frecuencia, mejor es la pre-
cisión permanente; sinembargo, hay más tendencia a la inestabilidad con degradación del
transitorio.
3. La estabilidad interna (sección 7.2.2) exige que polos o ceros inestables de la planta no
se puedan cancelar; los polos se cancelan en alguna función de sensibilidad pero no en la
ecuación caracterı́stica; además, una cancelación en la práctica nunca es exacta, lo que
deja un polo inestable en red cerrada que aunque tenga residuo pequeño, con el tiempo
tenderá al infinito, dominando de manera inestable la respuesta del sistema.
jω
Polo de la planta
y la ley de control: !
Rc (s)
U (s) = Gf (s)R(s) − Y (s) . (10.2)
Sc (s)
donde:
Sc (s) = dns sns + dns −1 sns −1 + . . . + d1 s + d0 ,
Rc (s) = nnr snr + nnr −1 snr −1 + . . . + n1 s + n0 ,
y Gf (s) es una función de transferencia a diseñar para cumplir requisitos especı́ficos del seguimien-
to a la referencia.
La función de transferencia en red cerrada es:
Y (s) Rc (s)B(s)
GRC = = Gf (s) (10.3)
R(s) A(s)Sc (s) + B(s)Rc (s)
El polinomio caracterı́stico: A(s)Sc (s) + B(s)Rc (s) se diseña para cumplir los requisitos de
regulación de disturbios del sistema de control, ajustándolo para obtener el polinomio deseado
P (s) del lazo cerrado:
P (s) = pnp snp + · · · + p1 s + p0 .
np = 2n − 1, nr = ns = n − 1; (10.4)
estos grados corresponden a polinomios del mı́nimo orden para un controlador bipropio; la
solución es:
d0
d1 p0
p1
d2
p2
..
. p3
dns
= M −1 p4 , (10.5)
n0 ..
.
n1
..
n2 .
. pnp −1
..
pnp
nnr
con la matriz:
a0 0 . . . 0 b0 . . 0
a1 a0 . . . . b1 b0 . 0
a2 a1 a0 . . 0 b2 b1 . 0
. a2 a1 a0 . 0 . . . b0
M =
. . . . . . . . . .
,
an . . . . a0 bm . . .
0 an . . . . 0 . . .
. . . . . an−1 . . . bm
0 . . . 0 an 0 . 0 0
la cual se construye fácilmente con los coeficientes del polinomio del denominador del proceso
ai hasta la columna ns + 1 y luego con nr + 1 columnas construı́das con los coeficientes bi del
polinomio del numerador del proceso.
La solución implica un controlador bipropio con el mismo orden en numerador y deno-
minador; si se desea obtenerlo estrictamente propio, los grados mı́nimos de Rc (s) y Sc (s) son:
nr = n − 1 y ns = n, en cuyo caso el grado de P (s) es np = 2n.
Imponer polos o ceros. Para forzar ciertos polos o ceros en el controlador, se factoriza en
la forma:
Rc (s) = Rc′ (s)Hr (s),
Sc (s) = Sc′ (s)Hs (s),
donde Hr (s) y Hs (s) son los polinomios que contienen los polos o ceros preespecificados para
el controlador y Rc′ (s) y Sc′ (s) son los polinomios del controlador para la asignación de polos.
Con esta factorización, la ecuación diofántica es:
Hs (s) = s2 + ωp2 ,
que corresponde a tener un par de polos complejos no amortiguados; si solo se desea dar
cierta atenuación, los polos son complejos amortiguados, dando el coeficiente de amor-
tiguamiento la atenuación deseada.
En general por el principio de control por modelo interno, se tendrán en Hs (s) los polos de
cada una de las señales para las cuales se desea eliminar el error permanente; por ejemplo,
si se desea eliminar los errores estacionarios de una referencia en rampa y rechazar la
perturbación harmónica, se tendrá el polinomio: Hs (s) = s2 (s2 + ωp2 ). El controlador se
garantiza propio con un grado mı́nimo en P (s) de np = 2n − 1 + nd , donde nd es el orden
del polinomio Hs (s).
Para garantizar robustéz, se pueden necesitar términos en Hr (s) o Hs (s), de forma que
se moldee la magnitud de S(s); tal es el caso de incluir polos en el controlador en alta
frecuencia para atenuar la amplificación del ruido (atenuar Ss ) y disminuir Smax .
Ejemplo 10.1
1
Se considera el sistema del ejemplo 6.3: Gp (s) = (s+1) 3 ; se requiere acción integral en el
y a′4 = 1; b0 = 1.
La matriz M es:
′
a0 0 0 b0 0 0 0 0 0 0 1 0 0 0
a′1 a′0 0 0 b0 0 0 1 0 0 0 1 0 0
′
a2 a′1 a′0 0 0 b0 0 3 1 0 0 0 1 0
′
M = ′ ′
a3′ a2′ a1′ 0 0 0 b0 = 3 3 1 0 0 0 1
a4 a3 a2 0 0 0 0 1 3 3 0 0 0 0
0 a′4 a′3 0 0 0 0 0 1 3 0 0 0 0
0 0 a′4 0 0 0 0 0 0 1 0 0 0 0
Ejemplo 10.2
Se tiene el sistema: Gp (s) = 1/(2s + 1), con el disturbio de salida: d(t) = k1 + k2 sen(3t + k3 );
se desea un sistema en red cerrada sin errores estacionarios debidos al disturbio y una dinámica
dominada por un sistema de orden dos con ρ = 0.7 y constante de tiempo equivalente igual a
la mitad de red abierta.
Para rechazar las componentes constante y sinusoidal del disturbio, el polinomio de polos
preespecificados es: Hs (s) = s(s2 + 9), con nd = 3; el proceso tiene grado n = 1, por lo que el
grado mı́nimo de P (s) es: np = 2 − 1 + 3 = 4; los polos dominantes de red cerrada tienen el
polinomio caracterı́stico: s2 + 2s + 2; los dos polos restantes se ubican en s = −3, por lo que el
polinomio caracterı́stico es: P (s) = (s2 + 2s + 2)(s + 3)2 . Los grados de los polinomios restantes
del controlador son: n′r = n = 1 y n′s = n − 1 = 0; la ecuación diofántica a resolver es:
La solución es:
Rc (s) = 7.5s3 + 14s2 + 25.5s + 18
Sc (s) = 0.5s(s2 + 9)
La función de transferencia de red cerrada:
7.5s3 + 14s2 + 25.5s + 18
T (s) = ,
(s2 + 2s + 2)(s + 3)2
tiene los ceros poco amortiguados del controlador (ρ = 0.3), que le inyectan oscilación a la
respuesta al escalón en la referencia, como lo muestra la figura 10.2; es el precio pagado por el
rechazo en estado estable del disturbio oscilatorio. La figura 10.3 muestra las curvas de ganancia
1.2
0.8
y(t)
0.6
0.4
0.2
0
0 1 2 3 4 5 6
Tiempo (sec)
Figura 10.2: Respuesta al escalón en la referencia del sistema de control con rechazo de disturbio
constante y oscilatorio.
1.4
1
Magnitud (abs)
0.8
0.6
0.4
0.2
0
−1 0 1 2
10 10 10 10
Frequencia (rad/sec)
Cancelar polos o ceros. Para forzar una cancelación polo cero entre controlador y proceso,
se considera el proceso con factorización:
A(s) = A+ (s)A′ (s), B(s) = B+ (s)B ′ (s),
con A+ (s) y B+ (s) los polinomios con los polos y ceros en el semiplano izquierdo que se desean
cancelar. Para la cancelación, el controlador es de la forma:
Rc (s) = A+ (s)Rc′ (s), Sc (s) = B+ (s)Sc′ (s),
con el cual se obtiene la ecuación diofántica:
A+ A′ B+ Sc′ + B+ B ′ A+ Rc′ = A+ B+ A′ S ′ + B ′ R′ = P (s),
luego el polinomio caracterı́stico debe tener los polos y los ceros a cancelar del proceso:
P (s) = A+ (s)B+ (s)P ′ (s);
note que la ecuación diofántica a resolver:
A′ Sc′ + B ′ Rc′ = P ′ (10.7)
solo toma en cuenta los polos y ceros no cancelados del proceso.
Ejemplo 10.3
Se diseña un controlador para el sistema de control de la excitación tratado en el ejemplo
9.22; la planta a controlar es: Gp (s) = 1/(0.1s + 1)(s + 1).
Para un tiempo de estabilización
√ menor de dos
√ segundos con sobrepaso menor del 10 %, se
escoge: 1/ρωn = 0.25, ρ = 2/2 luego ωn = 32 y P (s) tiene el polinomio: s2 + 8s + 32.
De acuerdo a los criterios de diseño de la sección 10.4.1, se cancela el polo rápido en s = 10:
A+ (s) = 0.1s + 1, Rc (s) = (0.1s + 1)Rc′ (s). Se requiere acción integral en el controlador, por
lo que el polinomio: A′ (s) = s(s + 1), con n′ = 2.
Como hay un polo y un cero preestablecidos, el controlador restante se diseña bipropio:
np = 2n′ − 1 = 3; n′r = n′s = n′ − 1 = 1; ubicando el tercer polo de P (s) en s = −10, la ecuación
diofántica a resolver (10.7) es:
(s2 + s)(d1 s + d0 ) + n1 s + n0 = (s2 + 8s + 32)(s + 10);
su solución con la componente preestablecida, da el controlador:
(0.1s + 1)(95s + 320)
Gc (s) = .
s(s + 17)
El cero está en s = −3.37, más lento que la parte real de los polos dominantes, incrementando
el sobrepaso a escalones de referencia; se elimina con el filtro para la referencia:
Gf (s) = 3.37/(s + 3.37).
La respuesta al escalón en la referencia y la señal de control se muestran en la figura 10.4;
la respuesta se estabiliza en 1.15s, tiempo menor del exigido de 2s; el sobrepaso es de solo el
3.3 %.
La figura 10.5 muestra la respuesta al disturbio y la señal de control; ambas señales se
mantienen dentro de los lı́mites especificados de ±1 y ±10, respectivamente. En t = 1s, la
salida es yd (1) = 0.047, menor de 0.1, lo especificado. Por lo tanto, el sistema cumple con las
especificaciones dadas en el ejemplo 9.22 de la página 482. △
1
yr (t)
0.5
0
0 0.5 1 1.5
Tiempo (sec)
2
ur (r)
0
0 0.5 1 1.5
Tiempo (sec)
Figura 10.4: Respuesta al escalón en la referencia del sistema de control del ejemplo 10.3.
0
yd (t)
−0.5
−1
0 0.5 1 1.5
Tiempo (sec)
0
ud (t)
−5
−10
0 0.5 1 1.5
Tiempo (sec)
Figura 10.5: Respuesta al escalón de disturbio para el sistema de control del ejemplo 10.3.
Bd (s) P (s)
Gf (s) = Tc (s), Tc (s) = , (10.8)
Ad (s) Rc (s)B(s)
en donde la selección del modelo deseado debe garantizar una Gf (s) realizable, con grado
relativo: gf = nf − mf ≥ 0.
Ejemplo 10.4
Para el ejemplo 10.1 se desea una dinámica de seguimiento:
8
Gd (s) = . (10.9)
(s + 2)(s2 + 2.8s + 4)
la cual tiene los modos más lentos del polinomio caracterı́stico P (s); se tienen los grados:
m = 0, mf = 0, nf = 3, np = 6, nr = 3, para los cuales el grado relativo de la dinámica de
seguimiento es gf = 0; en (10.8) la dinámica Tc (s) es:
la cual simplifica a:
Note que es posible tener anchos de banda más grandes para el seguimiento de la referencia
que el del lazo de realimentación definido por el polinomio caracterı́stico P (s), el cual tiene la
limitación de no amplificar el ruido de medición; para este ejemplo la dinámica deseada (10.9)
impone un ancho de banda entre la referencia y la salida de 1.47rad/s; si se desea seguir señales
de referencia hasta 5rad/s, un diseño es cancelar con Gf (s) la dinámica lenta imponiendo la
de red cerrada:
64
Gd (s) = ,
(s + 4)(s2 + 5.6s + 16)
El costo pagado es un mayor esfuerzo de control en los transitorios pues la ganancia transitoria
entre la referencia y la señal de control pasa de 8 con el primer diseño, a 640 para el mayor
ancho de banda. △
jω
kp
Figura 10.6: Lugar de las raı́ces para un sistema de segundo orden con control P.
donde el polo lento puede ser incluso un integrador; con el sistema subamortiguado la parte
real de las raı́ces no depende de kp ; ajustando kp para coeficiente de amortiguamiento ρ = 0.7,
si el tiempo de estabilización: ρω4n es mayor que el deseado, entonces el control Proporcional no
es adecuado aún si se cumple con el error permanente.
Si GH(s) es de tercer orden o más, con alta ganancia el sistema se hace inestable, pudiéndose
calcular la kp crı́tica con el criterio de Routh.
Si kp no es suficiente para cumplir las especificaciones, se adicionan polos y ceros al contro-
lador; para especificaciones en el tiempo en términos de una ubicación deseada de las raı́ces, el
lugar de las raı́ces permite fácilmente ajustar controladores con dos parámetros, al aplicar los
criterios de magnitud y ángulo.
Ejemplo 10.5
1
Sea el proceso: Gp (s) = (s+2)(s+0.5) a controlar con un PI. Se requiere un sobrepaso menor
del 10 % y tiempo de estabilización máximo de: ts ≤ 16/3s.
Para el diseño se definen polos deseados de red cerrada por los cuales debe pasar el lugar;
se asigna: ρω4n = 163 , luego: ρωn = 0.75; también se define un sobrepaso de: Mp = 10 % para
el cual el coeficiente de amortiguamiento es: ρ = 0.6. Lapfrecuencia natural de los polos de
red cerrada es: ωn = 0.75/0.6 y la amortiguada: ωd = ωn 1 − ρ2 = 1; por lo tanto, los polos
deseados están en: s1−2 = −0.75 ± j.
kp (s+1/TI )
La función de transferencia de red abierta es: GH(s) = s(s+0.5)(s+2) , por lo que basta
ajustar el cero para que el lugar pase por la raı́z deseada, como se muestra en el mapa de polos
y ceros del sistema, figura 10.7.
jω
θT i σ
−2 −1
Ti −3/4 −0.5
kp (s+1/TI )
Figura 10.7: Mapa de polos y ceros de: GH(s) = s(s+0.5)(s+2) .
kp (s + 1/TI )
∠ = −180,
s(s + 0.5)(s + 2) s=−0.75+j
de donde θT i = 89o , por lo que se tiene el cero en la parte real de las raı́ces deseadas de red
cerrada −0.75; ası́, 1/TI = 0.75, TI = 4/3s.
La ganancia proporcional kp se ajusta con el criterio de magnitud:
kp (s + 0.75)
= 1; kp = 2.2;
s(s + 0.5)(s + 2) s=0.75+j
con esta ganancia kp = 2.2 la tercera raı́z esta en s = −0.96; la figura 10.8 muestra la respuesta
al escalón en red cerrada; se observa un sobrepaso elevado por el cero en s = −0.75; filtrándolo
con Gf (s = 0.75/(s + 0.75)) se obtiene una respuesta con sobrepaso del 1.24 % y tiempo de
estabilización de 3.73s, que cumple con las especificaciones dadas. △
Para acciones de control con dos parámetros ajustables, el contorno de las raı́ces da una
idea global del efecto de cada uno de ellos y permite su ajuste.
Ejemplo 10.6
1.2
Sin filtro
1
Con filtro
0.8
y(t)
0.6
0.4
0.2
0
0 2 4 6 8 10
Tiempo (sec)
Figura 10.8: Respuestas al escalón en la referencia para el sistema del ejemplo 10.5.
815265
Para el sistema de control de posición: Gp (s) = se desea un error permanente
s(s + 361.2)
de velocidad: essv ≤ 0.000433, un sobrepaso: Mp ≤ 5 % y tiempo de estabilización ts ≤ 0.005s,
sujeto a una acción proporcional derivativa: Gc (s) = kp (1 + Td s) = kp + kd s.
La acción derivativa solo actúa durante los transitorios, por lo que se debe ajustar kp en
función de los requerimientos de error estacionario y Td en función de la respuesta transitoria
y la estabilidad relativa requeridas.
La función de transferencia de red cerrada es:
C(s) 815265(kp + kd s)
= 2
R(s) s + (361.2 + 815265kd )s + 815265kp
Se ha adicionado un cero en red cerrada y en el denominador un término función de kd que
aumenta el coeficiente de s y por ende aumenta el amoriguamiento.
1
KV = lı́m sG(s) = 2257.1kp ; essv = = 0.000443/kp , kp ≥ 1.
s→0 KV
De la ecuacion caracterı́stica el coeficiente de amortiguamiento es:
361.2 + 815265kd
ρ= p ;
2 815265kp
ajustando kp = 1 y escogiendo ρ = 1 se obtiene: kd = 0.00177.
k
Se observa que el cero de red cerrada en s = − kdp , se acerca al origen si kd aumenta, lo que
aumenta el sobrepaso.
La ecuación caracterı́stica con kd como parámetro de variación es:
815265kd s
1+ =0
s2 + 361.2s + 815265kp
La figura 10.9 muestra el contorno de las raı́ces para variaciones de kd , en donde se observa el
efecto amortiguador de la ganancia derivativa.
jω
Kp = 1 j884
ρ = 0.2
Kp = 1/4
Kd ↑ j403
j403
Kp = 1/4
Kd = 0
j884
Kp = 1
Kd = 0
Figura 10.9: Contorno de las raı́ces para el sistema del ejemplo 10.6.
1.6
1.4
Control P
1.2
1
C(t)
0.8
Control PD
0.6
0.4
0.2
0
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035
Tiempo (sec)
Figura 10.10: Respuesta temporal del sistema de control de posición con acción P y PD para
el sistema del ejemplo 10.6.
Todos los criterios para el diseño por el lugar de las raı́ces en tiempo continuo aplican para
los sistemas de tiempo discreto, como lo ilustra el siguiente ejemplo que diseña un controlador
de avance de fase.
Ejemplo 10.7
Se diseña el sistema de control digital de la figura 10.11 por el lugar de las raı́ces.
R(s) + C(z)
GD (z) 1−e−T s 1
T = 0.2 s s(s+2)
−
Se desea que el sistema en red cerrada tenga un par de polos complejos conjugados domi-
nantes para un tiempo de estabilización ts = 2s con coeficiente de amortiguamiento
p de: ρ = 0.5.
La frecuencia natural es: ωn = 4 y la natural amortiguada: ωd = ωn 1 − ρ2 = 3.46. Como
ωs
la frecuencia de muestreo es:ωs = 2π T = 31.42, se tienen: ωd ≈ 9 muestreos por ciclo de la
oscilación amortiguada.
Los polos p deseados en el plano Z son:
| GD (z)G(z) |z=0.515+j0.428 = 1
permite calcular la ganancia del controlador: k = 12.67, luego el controlador diseñado es:
z − 0.67
GD (z) = 12.67 .
z − 0.254
Respuesta al escalon
1.4
SP = 16%
1.2
Ts = 2.0s
0.8
Amplitud
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Tiempo (sec)
Figura 10.12: Respuesta del sistema de control digital, diseñado mediante el lugar de las raı́ces.
Ejemplo 10.8
Para el ajuste por respuesta de frecuencia de un controlador PD kp desplaza la curva de
magnitud hacia arriba o abajo y Td corre la curva con pendiente positiva de 20db/dec a la
izquierda si aumenta o a la derecha si disminuye, ver la figura 10.13.
dB
20 dec
Td Td
Kp
1/Td ω
Figura 10.13: Cambios en la curva de magnitud del controlador PD por cambios en sus parámet-
ros
50
Magnitud (dB)
0
kd=0.00;MF=22º
kd=0.0005;MF=46º
−50
kd=0.00177;MF=83º
kd=0.0025;MF=89º
−100
−90
Fase (deg)
−135
−180
1 2 3 4 5
10 10 10 10 10
Frecuencia (rad/sec)
815265(1+kd s)
Figura 10.14: Respuestas de frecuencia de GH(s) = s(s+361.2) para diferentes valores de kd .
Ejemplo 10.9
Se considera una planta de segundo orden tipo uno, sujeta a una acción de control PI, como
se muestra en la figura 10.15; nótese que no es posible cancelar el polo de la planta con el cero
del controlador, pues se obtiene un sistema marginalmente estable en red cerrada.
R + Kp (s+1/Ti ) 1 C
s s(s+1/T )
−
Figura 10.15: Planta de segundo orden tipo uno, con control PI.
el sistema es estable solo si el cero está antes del polo en s = −1/T : T1I < T1 luego: TI > T . La
figura 10.16 muestra la forma general de la respuesta de frecuencia de red abierta del sistema.
Nótese la simetrı́a de la curva, por lo que se busca con el diseño obtener al máximo margen
de fase ubicando la frecuencia de ganancia crı́tica ωg en la frec8uencia de máximo √ avance de
fase (9.14), correspondiente a la media geométrica entre el cero y el polo: ωg = 1/ TI T .
Evaluando el ángulo de GH(s) en ωg , se obtiene la relación:
TI − T
sen M F = . (10.10)
TI + T
Especificando un margen de fase deseado M Fd apropiado, TI se ajusta:
1 + sen M Fd
TI = . (10.11)
1 − sen M Fd
De | GH(jωg ) |= 1 se obtiene:
1
kp = √ ; (10.12)
TI T
este diseño logrando el margen de fase deseado en el máximo de la fase, se denomina de simetrı́a
óptima.
El sistema es de tercer orden pero por la simetrı́a de GH(jω), se puede ajustar el controlador
PI analı́ticamente en el dominio del tiempo; la función de transferencia de red cerrada es:
C(s) kp (s + 1/TI )
= · .
R(s) T s3 + 1 s2 + kp s + kp
T T TI T
−40db/dec
Magnitud (dB)
−20db/dec
0
−40db/dec
Fase (deg)
MF
1/TI ωg 1/T
−180
Frecuencia (rad/sec)
Figura 10.16: Respuesta de frecuencia para la planta de segundo orden tipo uno, con control
PI.
2 k
Reemplazando el kp ajustado en (10.12), la ecuación caracterı́stica es: s3 + sT + Tp s + kp3 = 0.
La raı́z real está en s = −kp , por lo que se factoriza: (s + kp )(s2 + (1/T − kp )s + kp2 ), de donde
q
los polos complejos tienen: ρ = 21 ( TTI − 1) y ωn = kp .
√
2
Para un coeficiente de amortiguamiento de: ρ = 2 , TI y kp se ajustan:
√
TI = ( 2 + 1)2 T ≈ 5.8T (10.13)
1 1 1
kp = √ = √ ≃ (10.14)
TI T T ( 2 + 1) 2.4T
La respuesta a un escalón unitario en la referencia se muestra en la figura 10.17; muestra un
sobrepaso elevado debido al cero de red cerrada, pero se elimina usando el filtro en la referencia:
1
Gf (s) = TI s+1 . △
1.4
1.2
Sin filtro
1
Amplitud
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10 11
Time (sec) T)
1/ sqrt(T I
Figura 10.17: Respuesta al escalón de la planta de segundo orden tipo uno, con control PI.
Para el diseño por respuesta de frecuencia de los sistemas de control digitales aplican los
mismos criterios del diseño de los sistemas continuos, como lo ilustra el siguiente ejemplo.
Ejemplo 10.10
R(s) + C(z)
GD (z) 1−e−T s 1
T = 0.2 s s(s+1)
−
Para el sistema de control digital de la figura 10.18, se desea diseñar el controlador GD (z)
en el plano W para: M F = 50o , M G ≥ 10db, con una constante de error de velocidad: Kev = 2.
El proceso a controlar en el plano W se obtiene con las transformaciones:
n 1 − e−T s o
G(z) = Z = G(w),
s2 (s + 1) 1+0.1w
z= 1−0.1w
w w
(1 + 300.2 )(1 − 10 )
G(w) = w .
w(1 + 0.997 )
La gráfica a trazos en la figura 10.19 muestra la respuesta de frecuencia de kG(w); los márgenes
son: M G = 13.3db y M F = 31.6o .
50
Compensado
Magnitud (dB)
Sin compensar
0
−50
−90
−135
Fase (deg)
−180
−225
−270
−2 −1 0 1 2 3 4
10 10 10 10 10 10 10
Frecuencia (rad/sec)
Figura 10.19: Diseño por respuesta en frecuencia del sistema de control digital de la figura 10.18.
Cancelando con el cero del controlador el polo en w = −0.997, la nueva frecuencia de cruce
por cero es de 2 rad/s; en esta frecuencia la fase es: G(j2) = −162o , por lo que se deben
adicionar 32o en v = 2, para lograr el margen de fase de 50o ; esto se logra con:
2 2
arctan − arctan = 32o ,
0.997 β
de donde β = 3.27 y el controlador diseñado es:
w
1 + 0.997
GD (w) = 2 w .
1 + 3.27
El trazo continuo en la figura 10.19 muestra la respuesta de frecuencia del sistema compensado;
el margen de fase es: M F = 51.6 y el de ganancia: M G = 14.3db, cumpliendo los especificados.
2 z−1
Para obtener el controlador en el plano Z, se reemplaza: w = T z+1 = 10 z−1
z+1 , ası́:
1 z−1
1+ 0.997 [10( z+1 )] z − 0.818
GD (z) = 2 1 = 5.43
1 + 3.27 [10( z−1
z+1 )]
z − 0.507
z+0.935
La función de transferencia discreta de red abierta: GD (z)G(z) = 0.108 (z−1)(z−0.507) tiene:
o
M G = 14.3db y M F = 51.7 , prácticamente iguales a los del plano W .
La función de transferencia discreta de red cerrada es:
C(z) 0.1018(z + 0.935)
= ,
R(z) (z − 0.702 + j0.329)(z − 0.702 − j0.329)
tiene un cero despreciable y polos complejos con ρ = 0.5 y θ = 25.15o , luego hay
360/25.15 = 14.3 muestreos por ciclo.
El diseño cumple los requerimientos; nótese que la regla de aproximación ρ ∼
= M F/100 se
cumple: no serı́a ası́ si la frecuencia de muestreo fuera muy baja. △
kp (1 + TI s)(1 + Td s)
Gc (s) = ,
TI s(1 + Td′ s)
Ejemplo 10.11
Se tiene un controlador serie PID para controlar el proceso:
1
Gp (s) = ,
(s + 1)3
al cual se le desea rechazar disturbios hasta ωSd = 1rad/s con error nulo para disturbios
constantes.
Por ser el sistema de orden tres y requerir acción integral, se utilizan
√ las tres acciones del
controlador PID. La frecuencia de fase crı́tica de la√planta es: ωπp = 3; se escoge la frecuencia
de ganancia crı́tica un poco por debajo: ωg = 0.9 3 ≈ 1.5.
El cero del PI en s = 1/TI debe estar antes o ser igual a los polos de red abierta para
aportar pendiente positiva en ωg ; si es más lento que los polos del proceso, en el lugar de las
raı́ces habrá un polo lento de red cerrada saliendo del origen en busca de este cero; si el sistema
es de alta ganancia, el polo queda muy cerca del cero el cual es de red cerrada cancelando el
efecto del polo lento; en este caso por la gran pendiente negativa del proceso a partir de ω = 1,
no se pueden tener altas ganancias por lo que es preferible ubicar el cero en el valor de un
polo de red abierta: 1/TI = 1, luego TI = 1. La componente derivativa de √ adelanto de fase se
escoge con frecuencia central (9.14) un poco por arriba de ωg : ωm = 2 = 20z, luego el cero es
M db
Td, = 0
1/Td 1/Td, ω
1/Ti
1/Td = 0.44, Td = 2.2 y Td′ = Td /20 = 0.11. Finalmente la ganancia proporcional kp se ajusta
para obtener la ωg : |GH(ωg ) = 1|, de donde kp = 1.4, el PID es:
1.4(s + 1)(2.2s + 1)
Gc (s) = .
s(0.11s + 1)(0.01s + 1)
La figura 10.21 muestra el diagrama de bode de GH(s) con el PID ajustado. Se observan
buenos márgenes de ganancia y de fase. Se ha adicionado un polo rápido al controlador con
frecuencia de corte de 100 para contribuir a disminuir la ganancia en alta frecuencia; el sistema
tiene un tiempo de estabilización de 4.8s ante respuestas a escalones de entrada; sin embargo
la ganancia transitoria del controlador es de 28 la cual es muy elevada generando saturación en
la señal de control; como el objetivo principal es de rechazo de los disturbios, la referencia se
puede filtrar para cancelar el cero de la acción derivativa, esto es un filtro lento a la entrada de
1/(1 + 2.2s).
La figura 10.22 muestra las funciones de sensibilidad del sistema. El ancho de banda de
la función de sensibilidad es de ωS = 1.04rad/s cumpliendo la especificación requerida; su
máximo es Smax = 1.9 menor de dos; el ancho de banda de red cerrada entre la referencia y la
salida es de ωT = 0.43, bajo, definido por el filtro de la referencia. Los disturbios de entrada
al proceso se rechazan bien y solo alcanzan máximos de 0.73; el valor máximo de la señal de
control es inferior a tres. △
50
0
Magnitud (dB)
−50
−100
G.M.: 13.6 dB
Freq: 3.62 rad/sec
Stable loop
−150
−90
−180
Fase (deg)
−270
Figura 10.21: Diagramas de bode para el sistema: Gp (s) = 1/(s + 1)3 con control PID.
S
2.5 T
Se
Ss
2
Magnitud (abs)
1.5
0.5
0
−1 0 1 2
10 10 10 10
Frecuencia (rad/sec)
Figura 10.23: Atenuación del disturbio exigida para el control de radial de un DVD.
La atenuación de disturbios de baja frecuencia debe ser de al menos −67db en baja frecuen-
cia, hasta 25Hz. La pendiente es luego de +40db/dec hasta el ancho de banda de aproximada-
mente 1kHz; el máximo es de 3db. También se especifica que la frecuencia de ganancia crı́tica
ωg debe ser de al menos 2KHz, para un tiempo de subida menor de 0.18ms.
Sea un PID serie para controlar el modo oscilatorio de baja frecuencia con una constante
T1 rápida; para obtener alta velocidad de respuesta con relación al modo oscilatorio lento, la
frecuencia de ganancia crı́tica ωg , debe estar bien por encima de ωn , por lo que los diagramas
de Bode de red abierta del término oscilatorio se comportan con las ası́ntotas de: ωn2 /s2 en
cercanı́as de ωg , aproximándose la planta a:
ωn2
Gp (s) ≈ .
s2 (T1 s + 1)
Con la acción integral, los tres integradores generan un atraso de fase de -270o , por lo que debe
usarse la acción derivativa para tener dos ceros que generen adelanto de fase suficiente para
estabilizar al sistema y lograr el margen de fase positivo. La función de transferencia de red
abierta con el PID es:
kp ωn2 TI s + 1 Td s + 1
GH(s) ∼ = · ·
TI s3 T1 s + 1 Td′ s + 1
A baja y alta frecuencia con relación a ωg , la fase tiende a −270o ; si hay grandes cambios
aumentando o disminuyendo de la ganancia proporcional, el sistema es inestable por lo que es
condicionalmente estable.
Se tienen tres integradores y dos términios de adelanto de fase; para lograr el máximo avance
de fase, los dos términos de adelanto de fase deben tener la misma frecuencia de avance de fase
máximo ωm , teniéndose un ajuste con simetrı́a óptima. Como es lo usual, la constante de tiempo
TI se ajusta como la más lenta, mayor que Td , por lo que el polo para el cero (TI s + 1) debe
ser el de la constante de tiempo más rápida. La tabla 10.1 presenta las frecuencias de avance
de fase máximo, ωm para cada función de avance de fase.
Tabla 10.1: Frecuencias de avance de fase máximas ωm para las dos redes de adelanto de fase.
La figura 10.25 muestra los diagramas de Bode para T1 < Td′ , con ωmP I = ωmP D = ωg . Se
observa uque la fase es simétrica con respecto a ωg , lográndose el margen de fase M F máximo.
φ
φP ID
φP I
φP D
w
1 1 wg 1 1
Ti Td Td, T1
1 1 TI −T1 Td −Td′
ωg = √ =p ; sen φP I = TI +T1 ; sen φP D = Td +Td′
TI T1 Td Td′
El margen de fase será: Mφ = φP I + φP D − 90o
√
kp se ajusta para tener: | GH(jωg ) |= 1, con ωg = ωm = 1/ TI T1 .
Deduciendo se obtiene: p
Td′
kp = 2
√
ωn TI T1 Td
M db
-40
-20 w t seg
1 1 1
wn 1
Td wg Td, T1
2π 4π 6π 8π
Ti
-40
φ C(t)
-60
w
0
1 1 1
wn 1
Td wg Td, T1
Ti
-90
Mφ
-180 t seg
-210 2π 4π 6π 8π
R(s) + 1
Gc (s) T
2
s+1 Gp (s)
−
R(z) + C(z)
GD (z) Gp (z)
−
GP (s)
Donde GD (s) es la discretización de GC (s) y G(z) = (1 − z −1 )L{ }.
s
Para aplicar el método descrito, se requiere obtener equivalentes discretos de funciones de
transferencia continuas. Si G(s) no tiene retenedor de orden cero, se puede discretizar mediante
técnicas de integración numérica o de mapeo polo-cero.
z − 1 dc [c(kT + T ) − c(kT )]
Euler(rectangular hacia adelante): s → : →
T dt T
z − 1 dc c(kT ) − c(kT − T )
Rectangular atrás: s → : →
T z dt T
2 z−1
Trapezoidal o bilineal: s →
T z+1
Cada aproximacion es un mapeo del plano s al plano z que aproxima: z = esT
Región de estabilidad
Plano z
Rectangular adelante: z = 1 + T s
1
Rectangular atrás: z =
1 − Ts
1 + T s/2
Bilineal: z =
1 − T s/2
Ejemplo 10.13
a
Se analiza en este ejemplo la discretización de la función de transferencia: G(s) = ,
s+a
a
con la aproximación rectangular adelante: G1 (z) = z−1 , con rectangular atrás: G2 (z) =
T +a
a a
z−1 y con la transformada bilineal: G3 (z) = 2 z−1 ; la respuesta en frecuencia para
Tz + a T z+1 + a
G3 (z), evaluando z = ejw :
a a
G3 (ejw ) = = 2
2 ejwT /2 −e−jwT /2
T ejwT /2 +e−jwT /2 +a T j tan wT
2 +a
Luego la relación entre las frecuencias continua wcon y discreta wdis es:
2 wdis T
wcon = tan
T 2
Esta expresión define la distorsión en frecuencia debida a la aproximación bilineal; si la fre-
cuencia de corte continua es a, la discreta será:
2 aT
wCD = tan−1
T 2
Note que si wdis T es pequeño, entonces wcon ≈ wdis , esto es que hay baja distorsión; por el
contrario, si wdis → ω2c , entonces wcon → ∞, alta distorsión.
Se puede ajustar la frecuencia del corte del filtro continuo, para que al aplicar la transformada
bilineal la frecuencia de corte discreta sea la deseada; a esto se le denomina Prewarping o
a
prealabeamiento; para G(s) = , a se ajusta a: a → T2 tan aT 2 , de forma que se tiene la
s+a
función de transferencia continua:
2/T tan aT /2
G′ (s) =
S + T2 tan aT /2
2. Si hay exceso de polos, los ceros infinitos de G(s) van a alta frecuencia ωc /2 en el sistema
discreto:
2π
z → eJ 2T T = −1 → z = −1: punto de mayor frecuencia, cumpliendo el teorema de
muestreo.
También se puede trasladar un cero infinito de G(s) a z = ∞ para que G(z) tenga
un polo más que un cero; esto garantiza que la expansión de G(z) en series de z −1 no
tenga término constante y el controlador tendrá al menos un retardo unitario, disponible
como tiempo de cálculo.
3. Ajustar las ganancias de G(s) y G(z) en una frecuencia especı́fica; la más usada es para
el estado estable: s = 0 → G(s) |s=0 = G(z) |z=1
Ejemplo 10.14
a
Se obtiene el equivalente discreto de G(s) = s+a por mapeo polo-cero.
k(z+1)
G(z) = z−e−aT
2k 1 − e−aT
3. G(s = 0) = 1 = G(z = 1) = −aT
→k=
1−e 2
(1 − eaT )(z + 1)
→ G(z) = △
2(z − e−aT )
Ejemplo 10.15
5
Para G(s) = s+5 con a) fs = 3Hz y b) fs = 15Hz ver las respuestas de frecuencia para los
diferentes métodos.
Note que:
La regla rectangular adelante no aproxima bien para fs = 3Hz.
La transformada bilineal tiene un cero en z = −1 → eJ2πf T = −1 → 2πf T = π → f =
fs /2: en la mitad de la fs .
La transformada bilineal con predistorsión tiene el mismo ancho de banda del sistema
continuo.
Para fs = 15Hz las aproximaciones son adecuadas hasta la frecuencia de ancho de banda:
5
fc = 2π = 0,8. △
Ejemplo 10.16
Discretización de un filtro Butterworth de 4o orden; la función de transferencia de este filtro
para un orden n par es:
n/2 h i
1 Y (2i + n − 1)π
Gf (s) = ; DB (s) = s2 − 2scos +1 (10.15)
DB (s/ω0 ) i=1
2n
donde ω0 es la frecuencia de corte del filtro. Para n = 2, el filtro es:
1 √
Gf (s) = s2
√ s ; ωn = 1, ρ = 2/2 (10.16)
ω02
+ 2 ω0 + 1
Para n = 4:
1
Gf (s) = 2 2 , T wc = 1, ωc = 2πωc (10.17)
( ωs 2 + 2 cos π/8 ωsc + 1)( ωs 2 + 2 cos 3π/8 ωsc + 1)
c c
La figura 10.25 muestra varias respuestas al escalón de filtros Butterworth de distinto orden.
5
Figura 10.24: Respuestas de frecuencia del filtro continuo G(s) = s+5 vs diversos filtros aprox-
imados para frecuencias de muestreo de 3 y 15Hz.
Respuesta al escalon
1.4
1.2
n=2
0.8
Amplitud
n=4 n=8
0.6
0.4
0.2
0
0 5 10 15
Tiempo (sec)
Plano s Plano z
=⇒
Figura 10.26: Mapas de polos y ceros de los filtros Butterworth continuo y discreto.
1 − e−sT 1 − (1 − sT + s2 T 2 /2) sT
= =1−
sT sT 2
Step Response
0.8
Amplitude
0.6
0.4
0.2
0
0 2 4 6 8 10 12 14 16
Time (sec)
Ejemplo 10.17
1
Para el sistema Gp (s) = , discretizar GD (z) para que el sistema en red cerrada sea
s(s + 2)
dominado por un par de polos complejos con ρ = 0.5 y un ts ≤ 2 seg (criterio del 2 %).
4 q √
Para = 2, se tiene: ρωn = 2, con ρ = 0.5 tenemos ωn = 4 rad/seg; ωd = 4 1 − 41 = 2 3
ρωn
√
polos en s1−2 = −2 ± j2 3
Perı́odo de la oscilación amortiguada= 2π/ωd = 1.81 seg; para tener unos nueve muestreos
por ciclo de oscilación: T = 0.2 seg.
1 1 10
GROC = T
= =
2 s+1 0.1s + 1 s + 10
El sistema a diseñar en tiempo continuo es:
R(s) + 1 C(s)
Gc (s) 10
s+10 s(s+2)
−
Gc (s) se puede diseñar con un cero que cancele el polo en s = −2, un polo y una ganancia
√
ajustados de tal forma que se cumplan los criterios de ángulo y magnitud en s1−2 = −2±j2 3
s+2
→ Gc (s) = 20.25( )
s + 6.66
C(s) 202.5
= √ √
R(s) (s + 2 + j2 3)(s + 2 − j2 2) (s + 12.66)
| {z }
polo despreciable
Respuesta al escalon
1.4
SP = 19%
1.2
1
SP = 16.5%
Ts = 2.0s
0.8
Amplitud
0.6
0.4
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Tiempo (sec)
Figura 10.28: Respuestas del sistema de control análogo y del sistema de control digital diseñado
mediante equivalente discreto.
R(z) r0 + r1 z −1 + r2 z −2
CD (z) = =
S(z) (1 − z −1 )(1 + s1 z −1 )
S(z) tiene in integrador y un polo simple; hay cuatro parámetros:
s1 = −Td /(Td + N T )
T
r0 = Kp(1 + − N s1 )
TI
T
r1 = Kp[s1 (1 + + 2N ) − 1]
TI
r2 = −Kps1 (1 + N )
Como se vión en 10.25 el controlador PID es un caso particular del controlador RST, para
T = R.
Si P no tiene como factor a B, no hay cancelación polo-cero en red cerrada; en tal caso, el
controlador se puede usar con ceros del proceso B inestables; los ceros inestables son frecuentes
en los sistemas discretos, por ejemplo, un sistema de primer orden con tiempo muerto Tm , tiene
un cero inestable al discretizarse con un perı́odo de muestreo T < 2Tm .
Note que se requiere 0 ≤ |s1 | ≤ 1 para que el filtro 1/(1 + s1 z −1 ) tenga un equivalente
Td
continuo de primer orden: 1/(1 + s), por lo tanto, pueden obtenerse PID discretos sin tener
N
un equivalente PID continuo, por ejemplo, si −1 < |s1 | < 0.
A parte de tener los ceros B del proceso en red cerrada, el controlador adiciona los ceros de
R; estos ceros dependen de A, B y P y por lo tanto no se definen de antemano; los ceros de R
pueden causar aumento del sobrepaso.
En lo que sigue, se considerarán sistemas de primer o segundo orden con tiempo muerto
Tm < T :
e−sTm
Gp (s) =
Tp s + 1
ωn2 e−sTm
Gp (s) =
s2 + a1 z −1 + a2 z −2
con T < Tp , tal que se tengan al menos 4 muestreos durante el tiempo de estabilización. La
discretización de estas plantas de primer o segundo orden, llevan a:
B(z) b1 z −1 + b2 z −2
G(z) = = (10.19)
A(z) 1 + a1 z −1 + a2 z −2
En la tabla 10.25 se presentaron las funciones de transferencia discretas de plantas con retardo
fraccional.
El perı́odo de muestreo se puede definir bajo el criterio de tener una frecuencia de muestreo
entre 6 y 25 veces la frecuencia del ancho de banda en red cerrada fRC :
1
= (6 − 25)fRC
T
Para ρ en el rango: 0.7 ≤ ρ ≤ 1, se tiene:
Sea D = (a1 − 1)b1 b22 − b32 − [a2 − a1 ]b21 b2 − a2 b31 ; D 6= 0 si A y B son primos entre sı́, en-
tonces:
1
r0 = {[p1 (a1 − 1) − p2 + a1 − 1 − a21 + a2 ]b22 + a2 (a1 − 1 − p1 )b21
D
+ [p1 (a1 − a2 ) + a1 − a21 + a1 a2 ]b1 b2 }
1
r1 = {[p2 (a1 − a2 ) + p1 a2 + (a1 − a2 )2 ]b1 b2 }
D
1
r2 = {[a2 (a1 + p2 − a2 )]b1 b2 + [a2 (a1 − p1 − 1)]b21 − a22 b20 }
D
1
s1 = [(p2 + a1 − a2 )b0 b21 − (1 + p1 − a1 )b31 + a2 b20 b1 ]
D
Ejemplo 10.18
e−3s
Para Gp (s) = , se desea un sobrepaso SP < 10 %, dinámica de red cerrada con
10s + 1
ρ = 0.8 y wn = 0.05.
T (z −1 ) = R(z −1 )
r0 s1 − r1 − (2 + s1 )r2
kp = (10.21)
(1 + s1 )2
kp (1 + s1 )
TI = T (10.22)
ro + r1 + r2
Td s1 T
= − (10.23)
N 1 + s1
s2 r0 − s1 r1 + r2
Td = T 1 (10.24)
kp (1 + s1 )3
de donde:
La figura muestra la respuesta del sistema y la señal de control para un escalón de entrada.
Se observa que la señal de control tiene una respuesta al escalón filtrada, esto hace que
la respuesta en red cerrada sea más lenta que en red abierta. Esto muestra porqué los PID
1
continuos en procesos con Tm > Tp merman la velocidad de respuesta en red cerrada. △
5
El PID digital puede lograr una respuesta más rápida, como se ilustra en el siguiente ejemplo.
0.8
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
0.8
0.6
C(t)
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
Tiempo [s]
Ejemplo 10.19
Se considera una ωn = 0.1, el doble de velocidad del caso anterior, con el mismo proceso:
Para Tp = 10, Tm = 3
B(z −1 ) = 0.1813z −1 + 0.2122z −2
A(z −1 ) = 1 − 0.6065z −1
El controlador es:
El controlador es:
R(z −1 ) = 1.6874 − 0.8924z −1 , cero en 0.53, mayor sobrepaso.
S(z −1 ) = (1 − z −1 )(1 + 0.3122z −1 ), no hay equivalente PID continuo.
T (z −1 ) = R(z −1 )
Márgenes de estabilidad:
Margen de ganancia: 3.681
Margen de Fase: 58.4 grados
Margen de módulo: 0.664 (−3.56dB)
Margen de retardo: 9.4 s
La figura muestra las señales de respuesta al escalón de referencia, donde se aprecia más
aumento del sobrepaso.
△
El sobrepaso debido al cero del controlador se puede evitar usando un PID en forma de
velocidad, donde la acción PD solo actúa sobre la medida.
Aumenta el sobrepaso
0.8
C(t)
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
0.8
u(t)
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
tiempo (s)
P (1) B(z)
La GRC (z) deseada se puede especificar como: GRC (z) =
B(1) P (z)
P (1)
ajusta la ganancia DC igual a 1.
B(1)
P (z): polos deseados de red cerrada
B(z): cero de G(z)
P (1)
Luego, T =
B(1)
P = AS + BR → P (1) = A(1)S(1) + B(1)R(1) = B(1)R(1) −→ T = R(1)
Son los mismos polinomios para R y S, solo cambia T que ya no es R si no R(1), una
constante que preserva la ganacia unitaria del sistema en red cerrada.
1.4
1.2
0.8
C(t)
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
1.8
1.6
1.4
1.2
1
U(t)
0.8
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
Tiempo [s]
r(z) + 1
u(z) c(z)
T (z) S(z) G(z)
−
R(z)
r(s) + kp + C
1 Gp (s)
Ti S T
− 1+ Nd S − −
Kp Kp Td S
T
1+ Nd S
Donde en este caso, las ecuaciones que relacionan el PID continuo con el discreto son:
(r1 + 2r2 )
kp = − (10.25)
1 + s1
(r1 + 2r2 )
TI = −T (10.26)
ro + r1 + r2
Td s1 T
= − (10.27)
N 1 + s1
s1 r1 + s1 r2 − r2
Td = T (10.28)
(r1 + 2r2 )(1 + s1 )
Ejemplo 10.21
Se tiene un PID de velocidad con ωn = 0.15rad/seg para el mismo proceso.
El controlador es:
R(z −1 ) = 1.6874 − 0.8924z −1 , cero en 0.53, mayor sobrepaso.
S(z −1 ) = (1 − z −1 )(1 + 0.3122z −1 ), no hay equivalente PID continuo.
T (z −1 ) = 0.795
La figura muestra las señales de respuesta al escalón de referencia, donde se aprecia como baja
el sobrepaso.
△
0.9
Baja el sobrepaso
0.8
Regulación de la perturbación
de la carga
0.7
0.6
C(t)
0.5
0.4
0.3 Seguimiento
0.2
0.1
0
0 10 20 30 40 50 60 70 80 90 100
1.5
1
U(t)
0.5
0
0 10 20 30 40 50 60 70 80 90 100
Tiempo [s]
Figura 10.34: Desempeños del regulador numérico PID de velocidad, ωn = 0.15 rad/s en
seguimiento y regulación.
Hr y Hs : preespecificados.
Los casos analizados en tiempo continuo que exigen partes fijas en Rc y Sc , son:
Error permanente ess nulo para entrada de referencia o una perturbación escalón:
Hs (z −1 ) = (1 − z −1 )
Hs (z −1 ) = 1 − 2cosωp T z −1 + z −2
Son ceros complejos no amortiguados; para dar solo cierta atenuación, los ceros serán
complejos amortiguados, dando el coeficiente de amortiguamiento la atenuación deseada.
Para el bloqueo de señal en u(kT ), se deben tener ceros en Rc (z −1 ) que filtren la señal
en la frecuencia ωp dada.
Hr (z −1 ) = 1 − 2cosωp T z −1 + z −2
}
Modelo de
referencia
ρωn
bm2 = α2 + α w ∂ −β
z −d B z −d B ∗ z −1 z −(1+d) B ∗
Como G(z) = = = , la dinámica en red cerrada es:
A A A
c(z) Bm (z) T (z)B ∗ (z)
GRC = = z −(1+d) . .
r(z) Am (z) P (z)
Nótese que Tc (z) debe:
Cancelar la dinámica de regulación P (z), la cual se asume diferente a la de seguimiento
Am (z).
Generar una ganancia de estado estable unitaria entre c(t) y c∗ (t)
Por lo tanto,
P (z −1 )
, si B(1) =
6 0
T (z −1 ) = B(1) (10.36)
−1
P (z ), si B(1) = 0
B(1) = 0 solo en el caso en que exista una derivada en B(z).
c∗ (t + d + 1) u(t)
r(t) Bm + 1 z −d B c(t)
Am T S A
−
z −(d+1) B ∗ (z −1 )
P (z −1 )
z −(d+1) B ∗ (z −1 )
B(1)
z −(d+1) Bm(z −1 )B ∗ (z −1 )
Am(z −1 B(1)
Bm (z −1 )
c∗ (t + d + 1) = [ ]r(t)
Am (z −1 )
Donde:
Sc (z −1 ) = 1 − 0.3742z −1 − 0.6258z −2
La figura 10.37 muestra la respuesta en el tiempo del sistema controlado para seguimiento
y regulación; se observa que se obtiene el desempeño deseado. △
Al igual que en el caso continuo, polos o ceros dentro de cı́rculo de radio unidad se pueden
cancelar con el controlador; como ilustración se presenta el caso de cancelación de ceros de B(z)
de fase mı́nima; con ello se obtiene seguimiento independiente de la regulación.
Para el diseño de la regulación, Sc (z) contiene los ceros B(z) de la planta:
n′s = d (10.37)
nr = na − 1 (10.38)
np ≤ na + d (10.39)
0.9
0.8
0.7
0.6
C(t)
0.5
0.4
0.3
0.2
0.1
0 10 20 30 40 50 60 70 80 90 100
1.2
0.8
U(t)
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
Tiempo [s]
matriz.
Para el diseño del seguimiento, Tc (z) = P (z), ya no hay ceros en red cerrada que afecten la
dinámica de seguimiento; la estructura del controlador se muestra en la figura 10.38.
c∗ (t + d + 1) u(t)
r(t) Bm + 1 z −d B c(t)
Am T S A
−
z −(d+1)
P (z −1 )
z −(d+1)
z −(d+1) Bm(z −1 )
Am(z −1 )
PARTE II 3.) Una persona sostiene el plano en sus manos a la altura del pecho con los ojos
cerrados; una segunda persona se ubica al frente de la primera y le indica (vı́a voz o tacto)
la acción a realizar sobre el plano para ubicar el cilindro en la posición que le muestre una
tercera persona, quien se encuentra a espaldas de la primera, en frente de la segunda y debajo
del plano. Esta tercera persona indicará diferentes posiciones para la posición del cilindro.
4.) Se repite el punto anterior con la primera persona observando el cilindro y la posición
para éste definida por el la segunda persona, la cual continúa respondiendo a las solicitudes de
la tercera persona como en el punto anterior.
5.) Se repite el punto anterior con la primera persona observando el cilindro, la posición
para éste definida por la segunda persona y la posición que indique la tercera persona.
Tome nota del desempeño logrado para cada caso. Defina el rol de cada persona con relación
a los elementos y variables de control. Proponga un diagrama de bloques para describir cuali-
tativamente al sistema.
H(s)
entrada al compensador paralelo la misma señal de salida C1 (s); la figura 10.41 muestra otras
estructuras de control paralelo.
GC2(s)
H(s)
R(s) +
U (s) C(s)
GC1(s) GP (s)
−
GC2(s) GC2(s)
H(s)
10.10.2.1. Diseño
Como la salida del compensador paralelo B2 (s) se suma a la realimentación principal, su
valor estacionario debe ser nulo para no afectar el error permanente, se requiere por lo tanto
Y2 (s)
+
GR (s)
+
Vr + Vt
1
GC (s) (TA s+1)(TE s+1)(TG s+1)
−
1 + GR (s)(TG s + 1)
Y2ss = 0 −→ GR (s = 0) = 0 −→ Derivacion
GR (s) debe ser de fácil diseño e implementación y no debe amplificar armónicos de Y1 (s) esto
exige tener polos en GR (s).
(1 + GR (s))(1 + TG s) = 1 + TE s
TE s
GR (s) =
1 + TG s
Vr + Vt
GC (s) 1
(TG s+1)(TE s+1)(TA s+1)
−
TE s + 1
Vr (s) + Vt (s)
1
TE s+1 GC (s) 1
(TG s+1)(TA s+1)
−
GC (s) se puede escoger como un PI con TI = TG y KP para el ρ deseado; nótese que por el
adelanto en GR (s) no se requiere acción D en Gc (s). △
b
b p (s)e−sTm = Gp (s)e−sTm , la función de transferencia
Si el modelo estimado es igual al proceso: G
se simplifica a:
C(s) Gc (s)Gp (s)e−sTm
= (10.41)
R(s) 1 + Gc (s)Gp (s)
que corresponde a un sistema de control con función de transferencia de red abierta Gc (s)Gp (s)
en cascada con el tiempo muerto e−sTm , por lo que el controlador serie Gc (s) se diseña solo
para la dinámica del proceso sin tiempo muerto Gp (s).
Ejemplo 10.24
−Tm s
Para el proceso de primer orden con tiempo muerto: Gp (s) = eτ s+1 , la figura 10.43 muestra
las respuestas al escalón de referencia, para τ = 1s y diferentes tiempos muertos: Tm = 0.5, 1 y
2s. Se utiliza el mismo controlador PI con los parámetros kp = 3 y TI = 3/8 para los tres valores
del tiempo muerto. Se observa que el predictor cumple su objetivo de separar la dinámica del
proceso del tiempo muerto. △
El predictor de Smith se aplica a procesos Gp (s) estables, pues de lo contrario la salida
del predictor en la figura 10.41 serı́a inestable, perdiéndose la estabilidad interna del sistema.
También tiene limitación para el rechazo de disturbios en procesos con integración; la función
de transferencia equivalente para el controlador serie con el predictor sin error de modelado es:
U (s) Gc (s)
= Gcs (s) = (10.42)
R(s) − C(s) 1 + Gc (s)Gp (s)(1 − e−sTm )
si hay integración en la planta Gp (s) = G(s)/s, con G(0) = k y en el controlador Gc (s) =
Gpd (s)/s, Gpd (0) = kp , la ganancia estática del controlador con el predictor es:
Gc (s) s 1
Gcs (0) = lı́m = lı́m = (10.43)
s→0 1 + Gc (s)Gp (s)(1 − e−sTm ) s→0 k(1 − e−sTm ) kTm
es constante y no infinita, por lo que habrá error estacionario por disturbios constantes.
1.4
1.2
0.8
c(t)
Tm=0.5
0.6
Tm=1
0.4 Tm=2
0.2
0
0 5 10 15 20 25
Tiempo (s)
Se tiene una medida auxiliar en el proceso C2 (s), la cual se controla con Gc2 (s) en la bucla
interna; la referencia R2 (s) del controlador interno Gc2 (s) es la salida del controlador del lazo
externo Gc1 (s), por ello el nombre de esta estructura de control en cascada; también se le
Kp3 (1 + Ti3 s)
GH3 (s) =
Ti3 s(Te4 s + 1)(T3 s + 1)
1 Kp3
donde: 2ρωn = Te4 ; ωn2 = Ti3 Te4 ; despejando Kp3 obtenemos:
T3
Kp3 = (10.44)
4ρ2 Te4
con esta expresión podemos ajustar Kp3 para el ρ deseado.
Ti3
La constante equivalente es: Te3 = Kp3 , Te3 = 4ρ2 Te4 .
Kp2 (1 + Ti2 s)
GH2 (s) =
Ti2 s(Te3 s + 1)(T2 s + 1)
la cual tiene la misma forma de GH3 (s); igual sucede con GH1 (s); por tanto, Gc2 (s) y Gc1
se ajustan de la misma forma que Gc3 (s); si se asigna el mismo ρ para todos los lazos, el
procedimiento es recursivo, con escalamiento en el tiempo: α = 4ρ2 .
La constante de tiempo equivalente de todo el sistema de control, Te será Te = α3 Te4 , ası́,
para una respuesta total rápida, debe tenerse el menor retardo posible en la bucla más interna.
Es posible no utilizar el lazo interno 3, en cuyo caso Gc2 (s) puede ser un PI que se ajusta
,
con Te3 = Te4 + T3 ; o bien, Gc2 (s) puede ser un PID que cancela T2 y T3 con Te3 = Te4 + Td2 ;
en cualquier caso, Gc1 (s) será un PI ajustado de la misma forma; el PID mejora la velocidad
de respuesta a cambios en la referencia y no cuesta más que el PI, lo que permite reducir los
costos de la bucla no implementada.
kp (1 + TI s)
GH(s) =
TI T s2 (1 + Te s)
1 C 1
Se usarı́a un filtro en la referencia TI s+1 y la dinámica simplificada del lazo será R = TI s+1 ,
2
donde Te1 = TI = a Te con a = (2ρ + 1).
Es posible también que el proceso a controlar no tenga una estructura en cadena por las
interacciones internas.
En este caso, Y2 es la variable auxiliar medida para la bucla interna; para obtener la estruc-
tura en cadena, basta aplicar el álgebra de los diagramas de bloques:
Y1 + Y2 Y3
G1 (s) G2 (s)
−
G3 (s)
Y1 + Y2 Y3
G1 (s) G2 (s)
−
G2 G3 (s)
G1
1−G1 G2 G3
Ejemplo 10.25
Se desea regular la velocidad w de un motor de CC, con posibilidad de limitar la corriente
de armadura ia para protección del motor; esto nos lleva a una arquitectura de control cascada
de las variables ia y w.
ea + ia w
1 1
(Ta s+1) Tm s
−
eb
ea + ia w ea ia w
1 1 Tm s 1
(Ta s+1) ⇒
Tm s (Tm Ta s2 +Tm s+1) Tm s
−
1 ⇓
Tm s √ p
wn = 1/ Tm Ta ; ρ = 21 Tm /Ta
Si Tm < 4Ta → ρ < 1; si Tm > 4Ta → ρ > 1, lo que es más usual de encontrara en la
práctica; asumiendo Tm > 4Ta , factorizando el denominador de ia /ea y usando un PID para la
bucla de corriente:
√
Kp2 se ajusta para ρ = 1/ 2.
wr + K2, 1 w
Gc1 TeI s+1 Tm s
−
D(s)
GC2(s)
+ U +
R(s) C(s)
+ GC1(s) + GP 1(s) + GP 2(s)
−
H(s)
El controlador serie Gc1 (s) rechaza el disturbio solo después de que éste desvı́a la salida
y genera error, con los retardos del proceso Gp2 (s) y de la medida; el controlador directo
de disturbio Gc2 (s) genera una acción correctiva U (s) mucho más rápida pues su entrada es
directamente la perturbación; con un conocimiento preciso de la dinámica del proceso Gp1 (s)
se puede compensar completamente el efecto del disturbio sobre la salida.
La salida debida solo al disturbio es:
Cd (s) = [Gc2 Gp1 + 1]Gp2 D(s)
La componente del disturbio en la salida se elimina escogiendo el controlador:
1
Gc2 (s) = − (10.45)
Gp1 (s)
Como Gp1 (s) es usualmente de atraso entonces Gc2 (s) será de adelanto con alta ganancia tran-
sitoria, luego la compensación durante el transitorio solo es efectiva si no hay saturación del
actuador. La reducción del efecto del disturbio por la realimentación permite reducir la ganan-
cia del controlador directo Gc2 (s) o bien disminuir la acción integral del controlador serie Gc1
mejorando la velocidad de respuesta y el amortiguamiento.
El control directo se puede usar en red abierta, como lo ilustra el siguiente ejemplo.
Ejemplo 10.26
El generador autorregulado autoexcitado se emplea bastante en pequeñas centrales de en-
ergı́a por su simplicidad y economı́a, ver el diagrama de bloques en la figura 10.26. La au-
+ TI
Vt
Vf G
−
TPS
+
VI Transformador
-
Saturable
+
Vs
-
I
0.15
VI
+ −
Vs Vf 1 Vt
+ (Tg S+1) +
Vt
[PU]
1.0
Tg
Sin control directo
0.85
Nótese que el control directo es más efectivo entre menor sea el retardo entre el punto de
entrada del disturbio y la señal de compensación. △
El control directo de perturbaciones es de red abierta por lo que no compensa los efectos
de las variaciones parámetricas y los demás disturbios, por ello lo usual es encontrarlo como
complemento de un lazo de control serie.
U (s)
R(s) + C(s)
GC2(s) GC1(s) GP (s)
−
H(s)
GC2(s)
U (s)
+
R(s) + C(s)
GC1(s) + GP (s)
−
H(s)
A esta estructura se le denomina de dos grados de libertad; como la salida de Gc2 (s) es entra-
da de Gc1 (s), los controladores están en serie; el controlador Gc1 define la dinámica de regulación
para el rechazo de disturbios y el controlador directo Gc2 la dinámica para el seguimiento de la
referencia. Si la referencia tiene componentes de alta frecuencia (como escalones) que pueden
saturar el actuador y excitar las incertidumbres, se puede atenuar con una dinámica Gc2 o
como en el PID práctico con la constante de ganancia b; es muy común usar este compensador
para cancelar ceros lentos del controlador o del proceso que por ser también de red cerrada,
aumentan el sobrepaso de la salida ante escalones de la referencia.
En el control de servomecanismos de altas prestaciones con control de la 1a y 2a derivadas de
la referencia, se usan señales filtradas de la referencia que actúan directamente sobre la señal de
control, como muestra la figura 10.51; esto evita los retardos del controlador Gc1 (s) aumentando
la velocidad de respuesta a la referencia; también disminuye la señal de salida del controlador
serie Gc1 (s) lo que permite reducir su ganancia; también se facilita el control manual en caso
de falla del controlador.
En cualquiera de los dos casos del control directo de referencia, el controlador directo Gc2 (s)
está por fuera del lazo de realimentación y no afecta por lo tanto la dinámica del lazo realimen-
tado; si éste esta mal diseñado o es inestable, el compensador directo no puede subsanar estas
deficiencias de funcionamiento.
En general se pueden encontrar las diversas estructuras de control analizadas en esta sección
en combinaciones de unas con otras; por ejemplo, al control en cascada de un servomecanismo
con múltiples lazos con control integral, se le puede adicionar un control directo de referencia
en paralelo para obtener una rápida respuesta ante cambios en la referencia. Sinembargo debe
recordarse que se requieren más controladores y medidas adicionales con el mayor costo en el
diseño, implementación y mantenimiento que ello implica, por lo que su utilización depende de
un análisis de costo beneficio, ver la sección 1.4.3.3 de justificación del proyecto en el capı́tulo
1.
En servomecanismos de altas prestaciones con control de velocidad y aceleración de la refe-
rencia, se puede usar el control en cascada más el control directo dinámico de la referencia. El
siguiente ejemplo ilustra esta estrategia de control.
Ejemplo 10.27
La figura 10.52 muestra el diagrama de bloques de un control en cascada de posición y
velocidad junto con un control directo serie y paralelo de la referencia.
Modelo de referencia
r + 1
1 1
(Tg1 s+1) Tm1 s+1 Tm2 s Control directo de la
wr K
− referencia de velocidad
con R(s) = 1/s: wr y xr : continuo
xr
+ x
+ + w 1
P Ix 1
P Iw 1 1
Tg2 s+1 T3 s+1 T2 s T1 s
− −
Se tienen dos lazos de control en cascada con controladores PI para la velocidad y la posición;
los filtros con constantes de tiempo Tg1 y Tg2 eliminan los ceros de los controladores de posición
P Ix y velocidad P Iw .
La referencia de posicición se filtra con un modelo de referencia de segundo orden ajustado a
la dinámica deseada de seguimiento. Adicional a la referencia de posición filtrada, la referencia
de velocidad wr se suma a la referencia del lazo de control interno de velocidad, a través de
una ganancia K ajustable; con esta entrada directa d referencia el lazo de control velocidad
no ‘espera´ el error dinámico en la bucla externa de posición, aumentando la velocidad de
respuesta del sistema.
La figura 10.53 muestra la respuesta a un escalón de xr (t) sin el control directo y con el
control directo serie, usando un modelo de referencia con coeficiente de amortiguamiento ρ = 1.
El error de seguimiento se reduce aún más con el control directo paralelo de velocidad; la
figura 10.54 muestra el error xr (t) − x(t) para distintos valores de K. Con K = T1 /Tm2 el error
es despreciable y la respuesta del sistema es la del modelo de referencia para cualquier r(t), aún
con cambios de parámetros y perturbaciones de carga. △
1 1
xr
K=0 K=0
x
t t
xr − x
K=0
K = 0.5 TTm2
1
T1
K= Tm2
K = 1.5 TTm2
1
10.11. Resumen
Este capı́tulo se dedicó al diseño de sistemas de control lineales. Se revisaron las consid-
eraciones fundamentales más importantes para el diseño, en términos de reglas, restricciones,
arquitecturas posibles y las especificaciones deseadas de desempeño tanto en el tiempo como
en la frecuencia. Se estudiaron diversos métodos de diseño: la sı́ntesis para la asignación de
polos con controladores PID y RST, que incluyó restricciones de diseño como el filtrado de
perturbaciones, el bloqueo de señales en el lazo o la cancelación de polos o ceros estables de la
planta; por análisis con el lugar de las raı́ces y la respuesta de frecuencia tanto para sistemas
de control digitales como continuos.
Aparte de la estructura de control serie de la bucla de realimentación tı́pica, en la práctica
se encuentran otras estructuras que calculan la acción de control a partir de:
La referencia con acción sobre la salida del controlador serie: directa de referencia en
paralelo.
Un disturbio medible con acción sobre la salida del controlador serie: directa de disturbio.
1. Control de relación entre dos variables; se controla una de las variables para mantener
una relación deseada entre ellas.
2. Varias salidas controladas con una sola variable manipulada; se realiza un control selectivo
entre las señales de control, para definir cuál actúa sobre la variable manipulada.
3. Una salida controlada con varias variables manipuladas; se reparte la ación de control
entre las variables manipuladas; se conoce como control de rango partido.
Estos sistemas de control son no lineales y se ajustan la mayorı́a de las veces de forma heurı́stica;
para un análisis de estas estructuras de control, ver Shinskey [1988].
Para estategias de control de plantas con tiempo muerto, el libro Normey and Camacho
[2007] presenta una buena revisión, con estrategias de control para procesos inestables o con
integración.
Para otras técnicas de diseño del RST como el control de mı́nima varianza, ver Landau
[1993].
El control H∞ permite diseñar controladores directamente imponiendo restricciones en las
funciones de sensibilidad de red cerrada, ver Skogestad and Postlethwaite [2005].
Existen técnicas analı́ticas que extienden el diseño con la respuesta de frecuencia a los sis-
temas multivariables (fuera del alcance de este libro), ver por ejemplo Skogestad and Postleth-
waite [2005].
d = 0.1sen( π2 t)
+
u(t) c(t)
1
s +
Para el sistema de la figura 10.55, se desea una respuesta del sistema sin error permanente
debido al disturbio y con error nulo de velocidad; diseñe un controlador RST continuo de forma
que obtenga un ancho de banda igual al del disturbio.
Ejercicio 10.5
1
El sistema mecánico: Gp (s) = s(s+1) , tiene un modo resonante con frecuencia fr = 1Hz
diseñe un controlador RST continuo de forma que el sistema realimentado tenga un ancho de
banda de 0.8fr y atenúe la señal de control con un filtro muesca amortiguado: ρm = 0.2.
Ejercicio 10.6
1
Para el sistema: Gp (s) = (s+1) 2 , diseñe con el lugar de las raı́ces, un controlador de adelanto
de fase continuo de forma que el sistema tenga polos complejos de red cerrada con ωn = 2 y
ρ = 0.7. Compare el desempeño de este controlador con el diseñado en el ejercicio 6.11, con
relación al seguimiento de la referencia y el rechazo de disturbios de salida.
Ejercicio 10.7
Diseñe con el lugar de las raı́ces, un controlador discreto de adelanto de fase con retenedor
de orden cero y perı́odo de muestreo de T = 0.2s, para el sistema del ejercicio 10.6.
Ejercicio 10.8
1
Para el sistema oscilador: Gp (s) = (s2 +1) , diseñe con el lugar de las raı́ces el controlador:
kp (Td s+1)
Gc (s) = Td′ s+1 ,
de forma que el sistema tenga polos complejos de red cerrada con ρ = 0.5
y tiempo de estabilización al 2 % menor de 4s.
Ejercicio 10.9
Diseñe la acción de control PI continua por el lugar de las raı́ces, para el sistema:
1
Gp (s) = ,
s(0.2s + 1)
de forma que obtenga polos de red cerrada con amortiguamiento de ρ = 0.7 y frecuencia natural
ωn = 1.
Ejercicio 10.10
Resuelva los ejercicios 10.8 y 10.9, con controladores discretos, retenedor de orden cero y
perı́odo de muestreo de T = 0.4s.
Ejercicio 10.11
Para G(s) = 1/(s + 4)2 , G(s) = 1/(0.05s + 1)s2 y una planta sobreamortiguada con con-
stantes de tiempo: T1 = 4, T2 = 0.8, T3 = 0.2, T4 = 0.05, ajuste controladores PID adecuados
para obtener un error permanente de posición nulo, con SP, ts bajos.
Ejercicio 10.12
Para el sistema:
e−10s
G(s) =
5s + 1
Analice en simulación el desempeño ante escalones de referencia y disturbio de entrada al
proceso, del sistema controlado con un predictor de Smith y el controlador PI:
8s + 8
Gc (s) =
s
Analice los efectos de tener un error de modelado del 20 % en el tiempo muerto.
Ejercicio 10.13
Para el sistema G(z) = 0.5(z−0.2)
z(z−0.6) con T = 0.5, diseñe un controlador RST para obtener un
error permanente nulo, una dinámica de regulación con ρ = 0.8 y ωn = 0.5 y una dinámica de
seguimiento sin ceros, con ρ = 0.8 y ωn = 0.5 rad/seg.
Ejercicio 10.14
0.4
Para el sistema: G(z) = z−0.6 ; T = 1, diseñe un controlador RST y su modelo de referencia
Bm (z)
Gm (z) = Am (z)de forma que obtenga dinámicas de regulación y seguimiento iguales con ρ = 0.8
y ωn = 0.5; se requiere error de posición nulo.
Ejercicio 10.15
Para el sistema de la figura 10.56, diseñe el controlador RST para obtener dinámicas de
seguimiento y de regulación iguales con: ρ = 0.9 y ωn = 0.4 rad/seg; considere acción integral
en el controlador.
Ejercicio 10.16
Para el sistema de la figura 10.55, diseñe un controlador digital RST (T=1 seg) que rechace
la perturbación senoidal.
r + 1 C
T 0.2z −1 +0,1z −2
s 1−1.3z −1 +0.42z −2
−
T = 1seg
Ejercicio 10.17
Repita el ejercicio 10.16 con d = 0; considere que la planta tiene un modo resonante con
frecuencia de 0,25 Hz que no debe excitarse.
Ejercicio 10.18
Identifique el esquema de control de los sistemas de las figuras 1.14 y 1.41.
Ejercicio 10.19
La figura muestra el diagrama de bloques para el sistema de control de la excitación, con
un control en cascada utilizando como variable auxiliar a la tensión de campo generador.
Vf r (s)
Vr (s) + + Vf Vt
1 1
Gct Gcf 1
(Ta s+1) (Te s+1) (Tg s+1)
− −
Ejercicio 10.20
Desarrolle el procedimiento para resolver los diferentes ejemplos de controladores PID y
RST diseñados por asiganción de polos en este capı́tulo.
Ejercicio 10.21
Para el sistema de control de la figura 10.57:
Se desea un error permanente nulo debido al disturbio d(t) y una dinámica C/R sin ceros
y con un par de polos complejos con ρ = 0.75 y ωn = 2 rad/seg. Seleccione y ajuste los
controladores Gci (s), i = 1, 2, 3 apropiados.
1
D(s) = s
2. Para el modelo nominal del sistema, diseñe por un controlador RST por asignación de
polos. Analice y evalúe el cumplimiento de las especificaciones deseadas de desempeño.
Un sistema de control moderno puede tener muchas entradas y muchas salidas interrela-
cionadas. Los métodos en el espacio de estado para el análisis y sı́ntesis de sistemas de control
son más adecuados para tratar con sistemas con varias entradas y varias salidas. El diseño bajo
la representación de espacio de estado, se desarrolla en dos pasos independientes:
Se diseña la ley de control asumiendo que todos los estados son disponibles para propósitos
de realimentación; en la práctica, no es usual encontrar que todos los estados sean medi-
bles.
Diseñar un observador del estado, el cual calcula el vector de estados a partir de las salidas
y las entradas del proceso.
603
11.1. DISEÑO DE LA LEY DE CONTROL
x1
x2
u(k) = −[k1 k2 ...kn ]
.
= −Kx(k),
.
.
en donde K se conoce como la matriz de ganancias de la realimentación de estados.
La figura 11.1 muestra el diagrama de bloques de este arreglo.
−K
Para sistemas monovariables, la matriz K que permite obtener determinados modos de lazo
cerrado es única; para los sistemas de múltiples entradas y múltiples salidas, K es una matriz
de [r × m], con r el número de estados y m el número de salidas; no es única para obtener
ciertos modos de red cerrada, por lo que se puede optimizar el diseño imponiendo restricciones
adicionales a la forma de la respuesta.
Reemplazando u(k) en la ecuación de estado:
se tendrán los polos deseados en: α1 , α2 , ...; la ecuación caracterı́stica del sistema en red cerrada
es:
det [zI − G + HK] = 0;
K se escoge igualando los coeficientes de ambas ecuaciones.
u(t) 1 x2 1 x1 y(t)
ROC s s
T T = 0.1s
u(k)
K
Ejemplo 11.1
Para el sistema de la figura 11.1 se requiere calcular K para obtener una ecuación carac-
terı́stica con una dinámica equivalente a la de un sistema continuo con ρ = 0.5 y un ωn = 3.6.
En el plano Z los polos deben estar en:
r = e−ρwn T = 0.835; θ = ωd T = 17.9o .
La ecuación caracterı́stica es:
(z − 0.837ej7.19 )(z − 0.837e−j7.19 ) = z 2 − 1.6z + 0.7 = 0.
La planta continua es:
h i
ẋ1 0 1 x1 0 x1
= + u; Y = 1 0 ;
ẋ2 0 0 x2 1 x2
discretizando:
1 T
G(T ) = eA T
= £−1 [(sI − A)−1 ]t = T = ,
0 1
T2
Z T 2
H(T ) = [ eA T
dt] B = ;
0
T
" T2 #
1 0 1 T 2
det[zI − G + HK] = det z − + k1 k2 = 0;
0 1 0 1
T
T2 T2
z 2 + [T k2 + k1 − 2]z + k1 − T k2 + 1 = 0.
2 2
Igualando coeficientes:
T2
T k2 + k1 − 2 = − 1.6,
2
T2
k1 − T k2 + 1 = 0.7.
2
Con T = 0.1, se obtiene: k1 = 10, k2 = 3.5. △
Para sistemas de alto orden los cálculos deben realizarse con un programa de manipulación
algebraica, o bien, aplicar técnicas analı́ticas tales como pasar a la forma canónica controlable
(FCC) o con la fórmula de Ackerman.
z n + α1 z n−1 + . . . + αn−1 z + αn = 0;
igualando coeficientes:
a1 + kn = α1 → kn = α1 − a1
a2 + kn−1 = α2 → kn−1 = α2 − a2
.
.
.
an + k1 = αn → k1 = αn − an
G = T −1 GT , H = T −1 H ; E = ET ; D = D.
|zI − G| = |zI − T −1 GT | = |z T −1 T − T −1 GT |;
= ET (zI − T −1 GT )−1 .T −1 H + D,
= E(zI − G)H + D = G(z).
Para obtener G, H en la forma canónica controlable, la transformada T debe ser:
T = M W,
con: M = [H : GH : . . . : Gn−1 : H] de rango n, y:
an−1 an−2 . . . a1 1
an−2 an−3 . . . 1 0
.
W = . .
.
a1 1 . . . 0 0
1 0 . . . 0 0
z n + a1 z n−1 + ... + an = 0.
Ejemplo 11.2
Para el ejemplo anterior, calcular k1 y k2 via la forma canónica controlable, con perı́odo de
muestreo T = 0.1.
Se obtuvo:
1 0,1 5 × 10−3
G = , H = .
0 1 0.1
5 × 10−3 1.5 × 10−2
M = [H : GH] = ;
0.1 0.1
el rango de M es dos y define el numero de columnas o filas linealmente independientes.
z−1 −0.1
|zI − G| = = (z − 1)2 = z 2 − 2z + 1 ; a1 = −2 , a2 = 1
0 z−1
a1 1 −2 1
W = = .
1 0 1 0
5 × 10−3 5 × 10−2 100 −5
T = MW = ; T −1 = .
−0.1 0.1 100 5
" #
x1 (k + 1) 0 1 x1 (k) 0
= + u(k),
x2 (k + 1) −1 2 x2 (k) 1
donde:
X(k + 1) = T −1 G T X −1 (k) + T −1 u (k)
△
Con este procedimiento, la matriz de realimentación K puede calcularse directamente de:
K = [αn − an : αn−1 − an−1 : . . . α1 − a1 ]T −1 .
Nótese que el procedimiento es aplicable si T tiene inversa T −1 ; esto no sucede en sistemas
donde el control no puede ubicar arbitrariamente todos los estados; la noción que describe
cuando un sistema puede controlarse completamente es la controlabilidad completa de eestado.
Existe solución (única para sistemas monovariables) para la secuencia de control que lleva
del estado inicial X(0) al X(nT ), si la matriz de controlabilidad es invertible, o sea de rango n;
esto es, los vectores H, GH... deben ser linealmente independientes.
Para un sistema multivariable la condición es que M (n × nr) sea de rango n, en este caso
existen infinitas secuencias del vector de control que pueden llevar desde el estado inicial al final
en máximo n muestreos.
Se puede probar que si un sistema tiene controlabilidad completa de estado, entonces existe
una matriz K de realimentación de estados que permite asignar arbitrariamente todos los modos
de red cerrada.
Ejemplo 11.3
El sistema:
x1 (k + 1) 0 1 x1 (k) 1
= + u(k)
x2 (k + 1) −0.16 −1 x2 (k) −0.8
x1 (k)
y(k) = 1 0 ,
x2 (k)
tiene una matriz de controlabilidad:
1 −0.8
M = [H : GH] = ; det[M ] = 0;
−0.8 0.64
M es de rango uno por lo que el sistema no es de estado completamente controlable. △
Ejemplo 11.4
El sistema:
" #
x1 (k + 1) 0.1 0 x1 (k) 1
= + u(k).
x2 (k + 1) 0 0.2 x2 (k) 0
Al ser diagonal, los estados estan desacoplados, para ser de estado completamente controlable,
ningún elemento (fila para sistemas multivariables) de H debe ser nulo; en este caso el modo
λ = 0.2 no es controlable; como es estable, el sistema es estabilizable. △
Ejemplo 11.5
El sistema con
0 1 1
G= , H= , E= 1 0 ;
−0.16 −1 −0.8
tiene:
y(z) z + 0.2
= E(zI − G)−1 H = .
u(z) (z + 0.8)(z + 0.2)
La cancelación del polo (z + 0.2) con el cero no permite controlar el modo en z = −0.2 y
el sistema no es de estado completamente controlable, como se verificó al evaluar
1 −0.8
|M | = = 0.
−0.8 0.64
Ms = [ D : E H : E G H : . . . : E Gn−1 H ]m×(n+1)r
es de rango m; note que D y E aportan a la controlabilidad de salida. Esta matriz (al igual
que M para sistemas multivariables) puede no ser cuadrada; en tal caso se puede formar la
matriz Ms Ms∗ que es n × n; si esta matriz no es singular, Ms es de rango n.
Ver remark goodwin 17.4, 17.6, 17.11; compromisos: sec 18.8
K = [0 0 0 . . . 1] [M ]−1 αd (G)
Donde αd (G) es αd (z) el polinomio caraterı́stico deseado reemplazando z por G; note que la
matriz [0 0 0 . . . 1] toma la última fila de la matriz [M ]−1 αd (G). (Ver Ogata [1998] para la
demostración de la fórmula de Ackermann).
Ejemplo 11.6
Para el sistema doble integrador, calcular K vı́a la fórmula de Ackermann.
1 0.1 5 × 10−3
G = , H =
0 1 0.1
−100 15
−→ M −1 =
100 −5
2
1 0.1 1 0.1 1 0
αd (G) = + 1.6 + 0.7
0 1 0 1 0 1
0.1 0.04
αd (G) =
0 0.1
−100 15 0.1 0.04
−→ K = 0 1
100 −5 0 0.1
K = [10 3.5]
El mismo K obtenido con anterioridad. △
X̃ es la estimación del estado X(k); como G, H y U (k) son conocidos, el estimador funciona si
se puede obtener el correcto X̃(0) ajustado a X(0); la figura 11.4 ilustra el diagrama de bloques
del estimador.
Se desea que el error de observación: e(k) = X(k) − X̃(k) tienda asintóticamente a cero; la
dinámica del error de observación se calcula evaluando e(k + 1) en función de e(k):
e(k + 1) = G e(k)
x(0)
x̃(k) ỹ(k)
Modelo G,H E
Observador de
Estimador Lazo Abierto
x̃(0)
Se observa que la dinámica del error es igual a la de la planta sin control; si la planta es
estable, la dinámica del error será estable y X̃ −→ X pero a una velocidad de convergencia
inadecuada pues normalmente el control busca mejorar la velocidad de la planta G; si G es
inestable el error no converge a cero.
Se puede usar la salida Y (k) disponible, para mejorar el comportamiento dinámico del
error, tomando la diferencia (Y (k) − Ỹ (k)), con Ỹ (k) = E X̃(k) y usando esta diferencia para
disminuir el error e(k):
X̃(k + 1) = GX̃(k) + HU (k) + Ko [Y (k) − E X̃(k)]
| {z } | {z }
planta error de estimacion
x(k)
u(k) y(k)
Planta G,H E
x̃(k) +
ỹ(k)
Modelo G,H E
−
K0
Observador de prediccion estima x̃(k + 1) a partir del valor presente Y (k)
e(k + 1) = (G − Ko E)e(k)
X(kT + T ) = GX(kT )
Y (kT ) = EX(kT ),
con n estados y m salidas; el sistema es completamente observable, si conocida la salida Y (kT )
en un número finito de muestreos, es posible calcular el vector de estado inicial X(0); solo se
considera el sistema no-forzado pues:
k−1
X
Y (kT ) = EGk X(0) + EGk−j−1 HU (jT ) + DU (kT ),
j=0
Y (0) = E X (0),
Y (T ) = E G X (0),
nm ecuaciones que
.
incluyen a
.
. x1 (0), x2 (0), . . . , xn (0)
Y ((n − 1)T ) = E Gn−1 X (0)
entre las nm ecuaciones, se debe poder escoger n ecuaciones linealmente independientes, esto
exige que la matriz de observabilidad Nnm×m :
E
EG
.
N =
.
.
E Gn−1
debe ser de rango n; como el rango de una matriz es igual al de su transpuesta conjugada, la
observabilidad se puede evaluar de:
Ejemplo 11.7
Sea el sistema doble integrador, con salida de velocidad:
t 1 ω 1 θ
s s
1 0.1 5 × 10−3
G= , H= , E= 0 1 .
0 1 0.1
" #
T T T T 0 | 1 0 0 0 0
N = [E : G E ]= = ,
1 | 0.1 1 1 1 1
Ejemplo 11.8
Sea sistema:
0.1 0 0 0 1
0 0.2 0 0 1
G= 0
, H = , E = 1 0 1 0 , D = 0.
0 0.3 0 0
0 0 0 0.4 0
Por ser G diagonal, por inspección se pueden evaluar las condiciones de observabilidad y con-
trolabilidad de los estados: x1 : C y O; x2 : C y NO; x3 : NC y O; x4 : NC y NO. Usando
una descomposición de la función de transferencia discreta en fracciones parciales, se obtiene el
diagrama:
C,O
u(k) x1(k + 1) x1(k)
1
z−0.1
C,NO
x2(k)
1
x2(k + 1) z−0.2
+ y(k)
NC,O +
x3(k + 1) x3(k)
1
z−0.3
NC,NO
x4(k + 1) x4(k)
1
z−0.4
De lo anterior, si el sistema se modela con una función de transferencia de ‘orden mı́nimo’ sin
cancelación polo-cero, se asegura que el sistema es controlable y observable independientemente
de cómo se obtenga el modelo en variables de estado, por tanto las propiedades de controla-
bilidad y observabilidad se mantienen ante una transformación canónica no singular X = T X;
en el caso de existir cancelación polo-cero, las propiedades de controlabilidad y observabilidad
dependerán de la elección de las variables de estado.
Ejemplo 11.9
Sea: YU (z)
(z)
= z+2
(z+1)(z+2) ; por descomposición directa, se obtiene la forma canónica controlable:
0 1 0
G = , H = , E = 1 1 .
−2 −3 1
Como se pudo llegar a la forma canónica controlable, hay garantı́a de que el par [G, H] es
controlable.
E 1 1
La matriz de observabilidad es: N = = , como es singular, el par
EG −2 −2
[G, E] no es observable.
Si los estados se toman para obtener la forma canónica observable:
0 −2 1
G= , H= , E= 0 1 ,
1 −3 1
1 −2
el sistema es observable, pero la matriz de controlabilidad: M = [H GH] = , es
1 −2
singular y el sistema no es controlable. △
es de rango n.
Es completamente controlable de salida, si y solo si la matriz:
[D : ⊂B : ⊂ AB : ⊂ A2 B : . . . : ⊂ An−1 B](m×(n+1)r)
es de rango m.
Es completamente observable, si y solo si la matriz:
[⊂∗ : A∗ ⊂∗ : . . . : (A∗ )n−1 ⊂∗ ](nm×m)
es de rango n.
Ejemplo 11.10
Se considera el sistema de tiempo continuo:
" #
x˙1 0 1 x1 0 x1
= + u, y = 1 0 .
x˙2 −1 0 x2 1 x2
0 1
[B : AB] = : rango = 2 −→ Controlable
1 0
1 0
[E T : AT B T ] = : rango = 2 −→ Observable
0 1
El sistema tiene valores propios λ1−2 = ± j; al discretizarlo, se obtiene:
" #
x1 [(k + 1)T ] cos(T ) sen(T ) x1 (kT ) 1 − cos(T )
= + u(kT )
x2 [(k + 1)T ] −sen(T ) cos(T ) x2 (kT ) sen(T )
x1 (kT )
y(kT ) = [1 0] = .
x2 (kT )
1 − cos(T ) cos(T ) + 1 − 2cos2 (T )
M = [H : GH] = .
sen(T ) −sen(T ) + 2cos(T )sen(T )
Se debe por lo tanto escoger el perı́odo de muestreo suficientemente pequeño con relación a
la dinámica más rápida de la planta y diferente a nπωd ; note que si se muestrea el modo asociado
a ωd cumpliendo el criterio de 10 o más veces la frecuencia de oscilación: ωs = 2π/T = 10ωd ,
2π
T = 10ω d
, no hay riesgo de perder observabilidad o controlabilidad.
Ejemplo 11.11
Para el sistema doble integrador, diseñar un observador de forma que el vector de error
tenga una respuesta sin oscilación ‘deadbeat’.
1 0.1 5 × 10−3
G= , H= , E= 1 0 .
0 1 0.1
(z − 1 + k1 )(z − 1) + 0.1k2 = 0,
k1 = 2, k2 = 10.
△
Ŷ (k) = EQX̂(k),
donde
0 0 0 . . . −an
1 0 0 . . . −an−1
0 1 0 . . . −an−2
Q−1 GQ = Ĝ =
.
.
.
0 0 0 . . 1 −a1
y
EQ = Ê = [0 0 . . . 1].
Ejemplo 11.12
Para el ejemplo 11.11:
1 1 a1 1 −2 1
NT = , W = = ;
0 0.1 1 0 1 0
" #−1
−1 −2 1 1 0 0 1
Q = (W N ) = = ;
1 0 1 0.1 10 10
0 −1
Ĝ = , Ê = 0 1 .
1 2
0 −1 k̂1 0 −1 − k̂1
Ĝ − K̂0 Ê = − 0 1 = ;
1 2 k̂2 1 2 − k̂2
Ejemplo 11.13
Para el sistema tratado en los ejemplos anteriores:
−1
E
0
Ko = αo (G) . . .
1
EG
donde:
1 0.2
αo (G) = G2 = ;
0 1
luego:
−1
1 0.2 1 0 0 2
Ko = = .
0 1 0 0.1 1 10
La matriz Ko igual a la obtenida en los ejemplos anteriores. △
Ejemplo 11.14
Observadores predictor y corriente para el doble integrador.
Observador Predictor:
La ecuación caracterı́stica del sistema en lazo cerrado fue:
z 2 − 1.6z + 0.7 = 0 con polos en z = 0.8 ± j0.25; ello correspondı́a a unos polos
equivalentes en el plano S con ρ = 0.5 y ωn = 3.6.
Se pueden ubicar los polos del observador con ρ cercano a 0.5 y con ωn mucho ma-
yor, para que la dinámica del observador sea mucho más rápida que la del sistema en
lazo cerrado; con frecuencia natural para el observador de 3.6 × 3 se obtienen los polos
deseados para el observador en z = 0.4 ± j0.4 y la ecuación caracterı́stica del observador
es: z 2 − 0.8z + 0.32 = 0; por lo tanto:
" #
z 0 1 0.1 k1
det[zI − G + Ko E] = det − + 1 0 ;
0 z 0 1 k2
x̃1 (k + 1) = x̃1 (k) + 0.1 x̃2 (k) + 0.005u(k) + 1.2[y(k) − x̃1 (k)]
Observador Corriente:
Ubicando los polos también en z = 0.4 ± j0.4 :
" #
z 0 1 0.1 k1 1 0.1
det[zI − G + Ko EG)] = det − + 1 0 ;
0 z 0 1 k2 0 1
0.5 1
se busca reducir el tiempo de cálculo al máximo; para ello se calcula antes del muestreo:
Luego se calcuları́a el control u(k). Como se puede observar en la figura 11.6, la respuesta
del observador corriente es un muestreo más rápida que la del predictor.
Si el tiempo de cálculo de (11.5) es elevado hay un retardo no considerado en el diseño, el
cual puede disminuir el amortiguamiento con relación a los polos diseñados; en tal caso,
se deben reubicar los polos deseados del observador o bien incluir el retardo de tiempo de
cálculo en el modelo del sistema. △
Ejemplo 11.15
Para el sistema doble integrador con T = 1:
1 1 0.5
G = ; H = ; E = [1 0] .
0 1 1
G
V (k − 1) z I
−1
K2
donde V (k) es el vector de error actuante (orden m) y r(k) el vector de entradas de comando.
La ecuación se puede reescribir:
U (k+1) = −K2 GX(k)−K2 HU (k)−K1 EGX(k)+K1 V (k)−K1 EHU (k)+K1 r(k+1). (11.11)
De (11.10): K1 V (k) = U (k) + K2 X(k) y sustituyendo en (11.11), se obtiene:
U (k + 1) = K2 − K2 G − K1 EG X(k) + Im − K2 H − K1 EH U (k) + K1 r(k + 1).
Se observa en (11.10) que U (k) es una combinación lineal de los vectores de estado X(k) y
V (k), entonces se puede definir el nuevo vector de estado aumentado con X(k) y U (k):
Ar
" # z
}| {
X(k + 1) G H X(k)
=
U (k + 1) K2 − K2 G − K1 EG Im − K2 H − K1 EH U (k)
0
+ r(k + 1)
K1
La ecuación de salida es:
X(k)
Y (k) = E 0 .
U (k)
En este modelo de estado, se puede aplicar la técnica de ubicación de polos; si r(k) es un escalón
r(k) = r entonces: " #
X(k + 1) X(k) 0
= Ar + .
U (k + 1) U (k) K1 r
que equivale a:
" #
Xe (k + 1) G H Xe (k) 0
= + W (k),
Ue (k + 1) 0 0 Ue (k) Im
donde:
Xe (k)
W (k) = K2 − K2 G − K1 EG : Im − K2 H − K1 EH .
Ue (k)
Definiendo:
Xe (k)
X̂ = ;
Ue (k) (m+n)
G H
Ĝ = ;
0 0 (n+m)×m
0
Ĥ = ;
Im (n+m)×m
K̂ = − K2 − K2 G − K1 EG : Im − K2 H − K1 EH m×(n+m)
,
se obtiene:
X̂(k + 1) = ĜX̂(k) + ĤW (k),
W (k) = −K̂ X̂(k).
La matriz de controlabilidad es:
M̂ = Ĥ : ĜĤ : ... : Ĝn+m−1 Ĥ (n+m)×m(n+m) ,
Ejemplo 11.16
Para la planta
Y (z) z −2 + 0.5z −3
=
U (z) 1 − z + 0.01z −2 + 0.12z −3
−1
se desea determinar K1 y K2 , bajo la estructura planteada, para obtener una respuesta dead-
beat.
x1 (k)
y(k) = 0.5 1 0 x2 (k) .
x3 (k)
El sistema en lazo cerrado tiene:
0 1 0 : 0
0 0 1 : 0
G H
Ĝ = =
−0.12 −0.01 1 : 1 ,
0 0
.. .. .. : ..
0 0 0 : 0
0
0
Ĥ = 0
.
..
1
La ecuación caracterı́stica deseada es: z 4 = 0. Con la fórmula de Ackermann se tiene:
−1 4
K̂ = 0 0 0 1 Ĥ ĜĤ Ĝ2 Ĥ Ĝ3 Ĥ Ĝ ,
−1 4
0 0 0 1 0 1 0 0
0 0 1 1 0 0 1 0
K̂ = 0 0 0 1
0 1 1 0.99 −0.12 −0.01
,
1 1
1 0 0 0 0 0 0 0
= −0.12 −0.13 0.99 1 .
Finalmente: −1
G − I3 H
K2 K1 = K̂ + [0 : 1] ,
EG EH
−1
−1 1 0 :0
0 −1 1 :0
K2 K1 = −0,12 −0,13 0,99 : 2
−0,12 −0,01 0 :1
.. .. .. : ..
−0 0.5 1 :0
K2 : K1 = −0.12 −0.323 2 : 0.66 ,
por lo tanto:
K1 = 0.66,
K2 = −0.12 0.323 2
△
11.4. Resumen
En este capı́tulo se analizó la controlabilidad y la observabilidad de los sistemas de control
lineales e invariantes en el tiempo. Se revisaron las transformaciones útiles para el análisis
y diseño en el espacio de estados; como método básicos de diseño en el espacio de estados,
se presentó el método de ubicación de polos, asumiendo que todas las variables de estado se
pueden medir. Se realizó el diseño de los observadores de estado, que estiman las variables que
no son medibles; su estimación se basa en las mediciones de las señales de salida y de control
de la planta. Al final se analizó y se diseñó un control con acción integral para los sistemas de
control de seguimiento de referencia.
Obtenga las ecuaciones del observador predictor y corriente para polos deseados en z =
0.6 ± J0.3
Ejercicio 11.2
Con
1 T
G=
0 1
T2
H= 2
T
Ejercicio 11.3
Con
1 1
G=
0 1
1
H= 2
1
Verifique si el sistema es observable para:
1.
E= 0 1
2.
E= 1 0
¿Por que hay pérdida de la observabilidad?
Ejercicio 11.4
Para el sistema de la figura, calcule k1 y k2 de forma que la respuesta a un escalón en r(k),
sea con oscilaciones muertas (deadbeat).
r(k) Y (k)
k1 Z −1
z −1 0.5
k2
Ejercicio 11.5
Para el sistema:
x1 (k + 1) = x1 (k) + x2 (k) − u(k)
x2 (k + 1) = x2 (k) + u(k)
y(k) = x1 (k)
u: entrada; y: salida; x1 , x2 : estados
Diseñe una ley de realimentación de estados de forma que el sistema tenga una dinámica
en lazo cerrado, de respuesta con oscilaciones muertas.
Planta
u(k)
+ + x2 (k) + x1 (k) = y(k)
r(k) + +
k1 z −1 z −1
- + - + +
z −1 0.5 0.5
+
kc2
+
kc1
Ejercicio 11.6
Para el sistema de la figura 11.7:
K.J. Aström and B. Wittenmark. Computer Controlled Systems: Theory and Design. Prentice
Hall Information and system sciences series, 3a. Edición, 1997.
R.N. Bergman. Toward physiological understanding of glucose tolerance: Minimal model ap-
proach. Diabetes, 38:1512–1527, 1989.
C. Bissell and Stodola. Hurwitz and the genesis of the stability criterion. International Journal
of Control, 50(6):2313–2332, 1989.
H.W. Bode. Network Analysis and Feedback Amplifier Design. Van Nostrand, 1945.
M.L. Cohen. A set of stability constraints on the denominator of a sampled-data filter. IEEE
Transactions on Automatic Control, 11:327–328, Abril 1966.
W. Evans. Control systems synthesis by root locus methods. Transactions AIEE, 69:66–69,
1950.
G. Filardi. Robust Control Design Strategies Applied To a DVD-Video Player. PhD thesis,
Joseph Fourier University, Laboratoire dÁutomatique de Grenoble, 2003.
J.B.J. Fourier. On the propagation of heat in solid bodies. Memoria del Institut de France, 1807.
G. C. Goodwin et al. Control System Design. Prentice Hall, isbn 0-13-958653-9 edition, 2001.
Power Engineering Society IEEE. IEEE Std 421.5-2005. Recommended Practice for Excitation
System Models for Power System Stability Studies. IEEE, 2006.
M. A. Johnson and M. H.Moradi. PID Control New Identification and Design Methods.
Springer, 2005.
634
BIBLIOGRAFÍA
E.I. Jury and B.D. Anderson. A simplified schur-cohen test. IEEE Transactions on Automatic
Control, 18:157–163, Abril 1973.
K.J.Aström and R.M Murray. Feedback Systems An Introduction for Scientists and Engineers.
Princeton University Press, 2009.
K.J.Aström and T.Hagglund. Advanced PID Control. Instrument Society of America, 2005.
K.J.Aström and T.Hagglund. PID Controllers: Theory, Design and Tuning. Instrument Society
of America, 2a. Edición, 1995.
K.H. Ang Li Yun and G.C. Chong. Pid control system analysis and design; problem, remedies
and future directions. IEEE Control Systems Magazine, February 2006.
L. Ljung. System Identification - Theory for the User. Prentice Hall, 1999.
J.J. Martı́nez. Modeling and robust control of blu-ray disc servo-mechanisms. Mechatronics,
2009.
O. Mayr. Histoire Des Machines. Obra colectiva, biblioteca para la ciencia, 1982.
J.H. Braslavsky M.M. Seron and G.C. Goodwin. Fundamental Limitations in Filtering and
Control. Springer-Verlag, 1997.
H. T. Nagle and V.P. Nelson. Digital filter implementation on 16-bit microcomputers. IEEE
Micro, 1(1), Feb 1981.
J.E. Normey and E.F. Camacho. Control of Dead-Time Processes. Springer, 2007.
Aidan O’Dwyer. Handbook of PI and PID controller tunning rules. Imperial College Press, 3
Edición, 2009.
K. Ogata. Ingenierı́a de Control Moderna. Prentice Hall Hispanoamericana, 3a. Edición, 1998.
Working Group on Prime Mover and Energy Supply Models. Hydraulic turbine and turbine
control models for system dynamic studies. IEEE Transactions on power systems, pages
pp.167–179, 1992.
L.A. Peña. Estudio Para La Reducción De Los Costos De Producción Mediante La Automa-
tización De Los Finales De Lı́nea De La Planta Derssing En La Empresa Unilever. PhD
thesis, Maestrı́a en administración de empresas, Universidad del Valle, 2007.
J.M. Ramı́rez. Diseño del regulador de Tensión para un generador autoexcitado. PhD thesis,
Universidad del Valle, Julio 1989.
E.E. Rosero. Modelado y control de molinos de caña de azúcar. PhD thesis, Maestrı́a en
Automática, Universidad del Valle, 2006.
ISA SP20 s.c. ISA-TR20-2001 Specification Forms for Process Measurement and Control In-
struments. Research Triangle Park: ISA, 2001.
S. Skogestad and I. Postlethwaite. Multivariable Feedback Control. John Willey & Sons, 2a
edición edition, 2005.
O.J.M. Smith. Closer control of loops with dead time. Chemical Engineering Progress, 53:
217–219, 1959.
T.Basar, editor. Control Theory: Twenty-five Seminal Papers (1932-1981). IEEE Press, 2001.