Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Separata N°1 PDF
Separata N°1 PDF
______________________________________________________________________
SEPARATA Nº 1 DE CONTROL I
(EE-615)
2008
FIEE 2
______________________________________________________________________
LABORATORIO Nº 1
“MODELOS MATEMÁTICOS DE SISTEMAS LINEALES”
ECUACIÓN CARACTERÍSTICA
Las raíces de la ecuación característica son los mismos valores propios de la Matriz “A”.
La ecuación característica (polinomial) de la matriz “A” se calcula con:
p=poly(A)
0 1 0
Ejemplo #1: Sea la matriz A= 0 0 1
− 6 − 11 − 6
La orden poly(A), producirá:
p=
1.0000 6.0000 11.0000 6.0000
s3 + 6s2 + 11s + 6 = 0
r=roots(p)
r=
-3.0000
-2.0000
-1.0000
q=
1.0000 6.0000 11.0000 6.0000
TRANSFORMACIÓN DE FT A SS Y DE SS A FT
Y(s) num
= = C (sI − A) − 1B + D
U(s) den
y = Cx + Du
[num,den] = ss2tf(A,B,C,D,iu)
y = Cx + Du
a la Función de Transferencia:
Y(s) num
= = C (sI − A) − 1B + D
U1(s) den
Nótese que el escalar “iu”, es un índice dentro de las entradas del sistema y
especifica que entrada se va a emplear para la respuesta.
FIEE 4
______________________________________________________________________
Ejemplo#2:
x& 1 0 1 x1 1 0 u1 x1
= + y = ( 1 0 )
x& 2 − 2 − 3 x2 0 1 u2 x2
[num,den]=ss2tf(A,B,C,D,1)
num=
0 1 3
den=
1 3 2
[num,den]=ss2tf(A,B,C,D,2)
num=
0 0 1
den=
1 3 2
eig(A)
1 2
Ejemplo #1: sea la matriz A =
4 3
A=[1 2;4 3];
eig(A)
ans=
-1
5
Es decir: λ1= -1
λ2= 5
Ahora para obtener la matriz de Vectores propios (E) y la matriz diagonal obtenida de
aplicar la matriz “E” para diagonalizar a “A”, se puede aplicar la orden: [E,D]=eig(A)
asi:
[E,D]=eig(A)
E=
-0.7071 -0.4472
0.7071 -0.8944
D=
-1 0
0 5
Ejemplo #3:
F=[0 1 0;0 0 1;-6 -11 -6]
[E,D]=eig(F)
E=
-0.5774 0.2182 -0.1048
0.5774 -0.4364 0.3145
-0.5774 0.8729 -0.9435
D=
-1.0000 0 0
0 -2.0000 0
0 0 -3.0000
Nótese que los vectores propios son normalizados o escalados (módulo o norma igual a 1).
FIEE 6
______________________________________________________________________
Si los valores propios de una matriz son distintos, es decir los vectores propios son
linealmente independientes, entonces la matriz “E” diagonalizará a la matriz “A”.
Sin embargo si una matriz tiene valores propios repetidos es no diagonalizable o también
llamada defectiva.
Ejemplo #4:
A =[6 12 19;-9 -20 –33;4 9 15];
[V,D] = eig(A)
V=
-0.4741 -0.4082 -0.4082
0.8127 0.8165 0.8165
-0.3386 -0.4082 -0.4082
D=
-1.0000 0 0
0 1.0000 0
0 0 1.0000
Como se aprecia existe un doble valor propio en λ=1, como puede apreciarse la segunda
y tercera columna de la “supuesta” matriz “E” son iguales, por lo que no existe
independencia lineal entre los vectores propios obtenidos.NOTESE QUE A PESAR DE
QUE LA MATRIZ ES SINGULAR, LA SOLUCION SATISFACE LA ECUACIÓN λx=Ax.
Pero al aplicar esta matriz “E” para diagonalizar la matriz “A” obtenemos:
Ejemplo #5:
A=[6 12 19;-9 -20 -33;4 9 15];
E=[-0.4741 -0.4082 -0.4082;0.8127 0.8165 0.8165; -0.3386 -0.4082 -0.4082]
R=inv(E)*A*E
Ejemplo #6:
A=[6 12 19;-9 -20 -33;4 9 15];
[X,J]=Jordan(A)
X=
-1.7500 1.5000 2.7500
3.0000 -3.0000 -3.0000
-1.2500 1.5000 1.2500
FIEE 7
______________________________________________________________________
J=
-1 0 0
0 1 1
0 0 1
Ejemplo #7:
J=[-1.75 1.5 2.75;3 -3 -3;-1.25 1.5 1.25];
K=inv(J)*A*J
K=
-1.0000 0.0000 0.0000
0.0000 1.0000 1.0000
-0.0000 0.0000 1.0000
Ejemplo #8:
A =[0 -6 -1;6 2 -16;-5 20 -10];
lambda = eig(A)
lambda =
-3.0710
-2.4645+17.6008i
-2.4645-17.6008i
Que como apreciamos, los valores propios son complejos conjugados (2) y real (1).
La parte real de cada valor propios complejo conjugado es negativo, por lo que eλt se
aproxima a cero a medida que “t” se incrementa.
Respecto a la solución de la ecuación diferencial, la parte imaginaria al ser diferente de
cero (±
±ω), contribuye a la componente oscilatoria de senω
ωt,.
Así para obtener los valores propios y los vectores propios, podemos emplear:
Ejemplo #9:
[V,D] = eig(A)
V=
-0.8326 0.2003 - 0.1394i 0.2003 + 0.1394i
-0.3553 -0.2110 - 0.6447i -0.2110 + 0.6447i
-0.4248 -0.6930 -0.6930
D=
-3.0710 0 0
0 -2.4645+17.6008i 0
0 0 -2.4645-17.6008i
FIEE 8
______________________________________________________________________
LABORATORIO Nº 2
Ejemplo #1: Supongamos que un sistema y(t) = N [u(t) , x(to)], tiene las
siguientes ecuaciones:
.
x(t ) = A x(t ) + B u (t )
y (t ) = C x(t ) + D u (t ), x(to) = xo, t ≥ to
0 1 0
Donde: A= , B = , C = [1 0] , D = [0]
− 1 0 1
. +
y(t)
u(t) + x(t) x(t) +
B ∫ dt C
+
Run
Math operations Continuous
Sources
User-defined
Function Sinks
Una vez arrastrados los elementos que serán parte del diagrama de bloques, se les
debe comenzar a definir, así como a involucrar las condiciones iniciales.
Para ello se considerarán los siguientes valores:
Ahora implementaremos el esquema siguiente que trata en forma separada u1(t), u2(t)
y u3(t), mismos que serán visualizados en un mismo “SCOPE”, para ello se deberá
emplear un Multiplexor.
Bloque
Nº 1
Bloque
Nº 2
Bloque
Nº 3
“GRÁFICOS EN 2D”
% la gráfico del seno se presentará con puntos rojos, el coseno con un trazo
% azul, el exponencial con asteriscos verdes y el producto puntual de seno
% y coseno con signos + negros.
Si se tienen tres gráficos que por alguna razón deben presentarse por
separado, ¿cuáles serían los comando para presentarlos en forma
vertical?, referirse a las funciones y = sen(t), z = cos(t), además de w =
sen(t).cos(t)
FIEE 17
______________________________________________________________________
“GRÁFICOS EN 3D “
ROTACION
x = linspace(-4,4,40);
y = linspace(-4,4,40);
[X,Y] = meshgrid(x,y); % crea la malla en xy
Z = X.^2 - Y.^2;
surf(X,Y,Z)
x = linspace(-4,4,40);
y = linspace(-4,4,40);
[X,Y] = meshgrid(x,y); % crea la malla en xy
Z = X.^2 - Y.^2;
surfl(X,Y,Z)
FIEE 19
______________________________________________________________________
LABORATORIO Nº 4
“SEÑALES DE PRUEBA Y SISTEMAS DE SEGUNDO ORDEN”
Objetivos: - Aplicar el MatLab en la generación de señales de prueba y aplicar
los comandos que se usan para tal fin.
- Emplear las señales de prueba en aplicaiones de sistemas de
segundo orden.
SEÑALES DE PRUEBA
Y(s) ωn2
F.T. = =
R(s) s 2 + 2 ξ ω + ω 2
n n
En este ejemplo, trabajaremos con un ωn constante e igual a 1 (uno) y variaremos el
valor del Factor de Amortiguamiento (ξ), con valores de 0.0, 0.5, 1.0 y 2.0.
La señal de prueba a utilizar será un “escalón unitario”.
%En este ejemplo variaremos el parámetro zeta (ξ) en un sistema de Segundo Orden
clear all;
% Declaración de los parámetros:
wn=1; % la frecuencia será fija
zeta=[0 0.5 1 2]; % Variaremos zeta
t=0:15/200:(15-15/200);
% Por cada parámetro zeta almacenaremos la respuesta
% del sistema en una matriz y:
for n=1:length(zeta)
num=wn^2;
den=[1 2*zeta(n)*wn wn^2];
W=tf(num,den);
y(:,n)=step(W,t);
end;
% Representación en 2D de la respuesta
FIEE 22
______________________________________________________________________
figure(1)
plot(t,y);xlabel('tiempo');ylabel('y(t)');
title('Respuesta de un sistema de segundo orden variando \zeta');
legend('\zeta=0 (sin amortiguamiento)',...
'\zeta=0.5 (Subamortiguado)',...
'\zeta=1 (Criticamente Amortiguado)','\zeta=2 (Sobreamortiguado)');
grid;
LABORATORIO Nº 5
R(s)+ wn
2 Y(s)
s ( s + 2 ξ wn )
-
Y(s) wn 2
=
R(s) s 2 + 2 ξ wn s + wn 2
de aquí se pueden distinguir cuatro casos, respecto a la ubicación de los polos y ele
sistema será probado con una entrada en escalón unitario:
En este caso los polos obtenidos son reales e iguales, a este tipo de
sistema se le denomina críticamente amortiguado y la respuesta temporal
no es oscilatoria.
Pero podemos representar en un solo gráfico, las diferentes respuestas para el caso
subamortiguado, cuando el factor de amortiguamiento varía en ξ = 0; 1/2; 1y 2
Para finalizar este análisis de los sistemas de segundo orden, involucraremos a las
envolventes de la respuesta temporal, es decir a las referidas por la atenuación.
Por lo visto en clases, a partir de la Función de transferencia, se determinó la respuesta
temporal para un sistema de segundo orden subamortiguado:
e − ξ wn t 1− ξ2
y(t) = 1 − sen wn 1 − ξ 2 t + arctan (t ≥ 0)
ξ
1− ξ2
e − ξ wn t e − ξ wn t
1− y 1+
1− ξ2 1− ξ2
FIEE 29
______________________________________________________________________
% Gráfico que agrega a la respuesta temporal, las envolventes de atenuación
clear all
% Declaración de los parámetros:
t = [0:0.2:20];
wn=1;
e = 0; % se agregará ξ=0, sólo para notar la diferencia entre wn y wd
num=wn^2;
den=[1 2*e*wn wn^2];
y1=step(num,den,t);
e = 0.2; % se probará para ξ = 0.2
num=wn^2;
den=[1 2*e*wn wn^2];
y2=step(num,den,t);
% envolventes referidas al ξ = 0.2
env1 = 1 + ((exp(-e*wn*t)/(sqrt(1-e^2))));
env2 = 1 - ((exp(-e*wn*t)/(sqrt(1-e^2))));
plot(t,y1,t,y2,t,env1,t,env2);
title('Resp. temporal y envolventes referidas a la atenuación')
xlabel('t (seg) ') ;
ylabel('y(t)') ;
grid ;
FIEE 30
______________________________________________________________________
LABORATORIO Nº 6
ξ
c(tr ) = 1 = 1 − e −ξ wn tr cos wd tr + senwd tr
1− ξ 2
Luego:
ξ
0 = e −ξ wnt cos wd tr + senwd tr
1−ξ 2
como e−ξ wnt ≠ 0 entonces:
ξ
0 = cos wd tr + senwd tr
1− ξ 2
FIEE 31
______________________________________________________________________
senwd tr 1− ξ 2 wn wd
tgwd tr = =− =−
cos wd tr ξ wn σ
1 w π −φ
entonces tr: tr = arctan − d =
wd σ wd
ξω n
Donde φ se muestra en la figura: cos(φ ) = =ξ ⇒ φ = arccos (ξ )
ωn
ωn 1 − ξ 2
φ
-ξωn σ
2.-Tiempo de pico, (tp): Es el requerido para que la respuesta alcance el primer pico
de sobreimpulso. Para hallar el tiempo derivamos c(t) e igualamos a cero para obtener
un máximo, luego:
dc(t ) −ξ w t
ξ −ξ w t ξ wd
= −ξ wn e n p cos wd t p + senwd t p + e n p wd senwd t p + cos wd t p = 0
dt t p 1− ξ 2 1−ξ 2
dc(t ) −ξ w t
w
=e np n
senwd t p = 0
dt t p 1− ξ 2
−ξ wn t
como e y _ wn ≠ 0
nπ
senwd t p = 0 ⇒ wd t p = nπ ⇒ t p =
wd
Como el tiempo pico corresponde al primer pico de sobreimpulso (n=1), por lo tanto:
nπ
tp =
wd
−ξ wnt p
ξ −ξ w t
ξ
M p = c(t p ) −1 = 1 − e cos wd t p + senwd t p −1 = −e n p cos wd t p + senwd t p
1− ξ 2 1− ξ 2
π
como _ t p = , reemplazando :
wd
−ξ wn
π
ξ −ξ wn wπ
M p = −e wd
cos π + senπ = e d
1− ξ 2
3.912 4
ts (2%) = ≈
ξ wn ξ wn
2.9957 3
ts (5%) = ≈
ξ wn ξ wn
FIEE 33
______________________________________________________________________
LABORATORIO Nº 7
Analizaremos el efecto del tercer polo, en el caso de los sistemas de Tercer Orden
aplicando SIMULINK, es decir el procedimiento será el siguiente:
jw
s1
-σ1 σ
-p
s2
3.- Debemos abrir un nuevo modelo, que es la ventana donde elaboraremos nuestro
sistema a probar, es así que se nos presentará:
FIEE 35
______________________________________________________________________
Es así que cogeremos al “bloque escalón” y lo arrastramos con ayuda del mouse
hasta insertarlo en nuestro diseño nuevo, y nos quedará así:
5.- El siguiente paso será cambiar de posición el polo del bloque “SIST. DE 1º
ORDEN” en una de tres ubicaciones independientemente, así:
a) s=-5 Para que el comportamiento sea como un sistema de 2º orden
b) s = - 0.5 Para comprobar como se atenúa el sobrepico
c) s = - 0.05 Para que el comportamiento sea como un sistema de 1º orden
NOTAS FINALES:
- para variar la Función de Transferencia a cualquiera deseada, se debe
hacer doble clic en el bloque respectivo y aparecerá la siguiente
ventana:
FIEE 37
______________________________________________________________________
Y (s) wn2 25
= 2 2
= 2
R( s ) s + 2ξ wn s + wn s + 4s + 25
Y (s) wn2 p 25 p
= 2 2
= 2
R( s ) ( s + 2ξ wn s + wn )( s + p) ( s + 4s + 25)( s + p)
OBSERVACIONES:
- En el caso 1 se nota con la ayuda de Matlab, que a medida que el polo real se aleja
del eje jw, el sistemas comporta como uno de 2do orden. Dominando los polos
conjugados.
- En el caso 2, el sistema se comporta como uno de 3er orden, aquí no se puede
hablar de los polos dominantes ya que son muy próximos, el polo agregado
obviamente producen otros términos de la respuesta en estado estable en la
solución, el polo real introduce términos exponenciales en la respuesta transitoria
- En el caso 3, con la ayuda del Matlab, a medida que el polo real se aleja mas de los
polos conjugados (se acerca al eje jw), el sistema se comporta como uno de 1er
orden ya que ahora el polo dominante es el polo real.
FIEE 40
______________________________________________________________________
LABORATORIO Nº 8
1.06
- sistema tipo 0: G(s) =
(s + 1)(s + 2)
1.06
- sistema tipo 1: G(s) =
s (s + 1)(s + 2)
1.06
- sistema tipo 2: G(s) =
2 (s + 1)(s + 2)
s
Procedimiento general:
R(s)+ Y(s)
G(s)
-