Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NACIONAL
DE INGENIERIA
APUNTES DE CLASE
DE CONTROL I
Teorı́a y Ejemplos con
Aplicaciones de MATLAB
Estas notas de clase son el material utilizado por el autor en el curso de Control I en la Facultad de
Ingenierı́a Eléctrica y Electrónica de la Universidad Nacional de Ingenierı́a (UNI). Este material es el esfuerzo de
recopilación y ordenamiento de materias tratados en diversos libros de la lı́nea de Control y Automatización, en
las que destacan autores como Ogata, Eronini, Lewis, Kuo, etc., ası́ como, diversas materias teóricas y ejemplos
en Matlab introducidas por el autor, que en conjunto conforman un resúmen que será de utilidad para los alumnos
y docentes de la lı́nea de control y afines.
Agradecimientos iii
Prefacio v
4 Estabilidad 53
4.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2 Estabilidad Aplicados a Modelos de Estado Lineales . . . . . 53
4.3 Estabilidad Aplicados a Modelos de Función de Transferencia 54
4.4 Test de Routh - Hurwitz . . . . . . . . . . . . . . . . . . . . . 55
4.5 Estabilidad utilizando software de simulación . . . . . . . . . 57
Bibliografı́a 141
Índice de Figuras
• Control de tráfico
1.3 Definiciones
• Variable controlada: Es la cantidad o condición que se mide y controla.
Por ejemplo la posición angular de un robot industrial.
• Electrónicos
• Mecánicos
• Hidraúlicos
• Neumáticos
Figura 1.4: (a) Esquema eléctrico del sistema control de velocidad; (b) Di-
agrama de bloques.
6 Introducción a los Sistemas de Control
Modelos Matemáticos de
Sistemas Dinámicos
2.1 Introducción
En el desarrollo de casi todas las estrategias de control, es indispensable
la obtención del modelo matemático de la planta a controlarse, aplicándose
las leyes fı́sicas del proceso y obteniendo una ecuación diferencial (lineal
o no lineal). Si no es lineal, existen métodos de linealización que permiten
obtener el modelo lineal del proceso o planta, haciendo posible el uso de con-
troladores lineales. El uso de controladores lineales presupone la obtención
de un modelo del controlador lineal, para luego continuar con la obtención
del modelo del sistema completo, es decir del sistema de control (planta +
controlador).
En este capı́tulo se tratará sobre el modelamiento de sistemas lineales
con parámetros constantes.
x1 (t) = y(t)
2.4 Modelos de Estado 9
x2 (t) = ẏ
x3 (t) = ÿ
..
.
dn−1 y(t)
xn (t) =
dtn−1
Ahora se obtienen las ecuaciones de estado (n ecuaciones diferenciales
de primer orden)
con salida y = x1 .
El problema principal al definir las variables de estado para este caso,
consiste en los términos derivativos del miembro derecho de la ecuación (2.6).
Las variables de estado deben ser tales que eliminen las derivadas de u en
la ecuación de estado. Una forma de obtener una ecuación de estado y una
ecuación de salida es definir las siguientes n variables como un conjunto de
n variables de estado:
x1 = y − β 0 u
x2 = ẏ − β0 u̇ − β1 u = ẋ1 − β1 u
x3 = ÿ − β0 ü − β1 u̇ − β2 u = ẋ2 − β2 u
..
.
xn = y (n−1) − β0 u(n−1) − β1 u(n−2) − . . . − βn−2 u̇ − βn−1 u (2.7)
donde β0 , β1 , β2 , . . ., βn vienen a ser:
β0 = b0
β1 = b1 − a1 β0
β2 = b2 − a1 β1 − a2 β0
β3 = b3 − a1 β2 − a2 β1 − a3 β0
..
.
βn = bn − a1 βn−1 − . . . − an−1 β1 − an β0 (2.8)
Con esta elección de n variables de estado (nótese que no es la única selección
posible de las variables de estado), se obtiene:
ẋ1 = x2 + β1 u
ẋ2 = x3 + β2 u
..
.
ẋn−1 = xn + βn−1 u
ẋn = −an x1 − an−1 x2 − . . . − a1 xn + βn u (2.9)
La ecuación (2.9) y la ecuación de salida pueden reescribirse ası́:
ẋ1 0 1 0 ... 0 x1 β1
ẋ2 0 0 1 . . . 0 x2 β2
.. = .. .. .. .. .. .. + .. u(2.10)
. . . . . . . .
ẋn −an −an−1 −an−2 . . . −a1 xn βn
x1
£ ¤
x2
y= 1 0 ... 0 .. (2.11)
.
xn
12 Modelos Matemáticos de Sistemas Dinámicos
Solución
Ecuaciones:
• Circuito mecánico:
Aplicando la ley de Newton se obtiene:
d2 θ dθ
T (t) = J 2
+b (2.15)
dt dt
• Tensión contra-electromotriz:
Del circuito eléctrico, la fuerza contra-electromotriz viene expresada
por:
dθ
eb (t) = Kb (2.16)
dt
Ahora, se debe escoger convenientemente las variables de estado, veamos:
La ecuación (6.16) es una ecuación diferencial de primer orden, entonces
elegimos una variable de estado:
x1 = ia (2.17)
x2 = θ (2.18)
x3 = θ̇ (2.19)
En la ecuación (2.16) la variable de estado θ̇ ya fue definida en la ecuacin
anterior.
Ahora debemos obtener las ecuaciones de estado. Reemplazando la
ecuación (2.16) en la ecuación (6.16) y usando las variables de estado elegi-
das, se obtiene:
ea = Ra x1 + La ẋ1 + Kb x3
Ra Kb 1
⇒ ẋ1 = − x1 − x3 + ea (2.20)
La La La
Ahora, derivando la ecuación 2.18 se obtiene la ecuación de estado sigu-
iente:
ẋ2 = θ̇
ẋ2 = x3 (2.21)
14 Modelos Matemáticos de Sistemas Dinámicos
K b
ẋ3 =x1 − x3 (2.22)
J J
Las ecuaciones de estado (2.69), (2.71) y (2.72) se pueden representar
matricialmente:
Ra 1
ẋ1 − La 0 − K La
b
x1 La
ẋ2 = 0 0 1 x2 + 0 ea (2.23)
ẋ3 K
J 0 − b
J
x3 0
o en su forma compacta:
ẋ = Ax + Bu (2.24)
con u = ea .
Si escogemos como salida a la posición angular θ = x2 , entonces:
£ ¤ x1
y = 0 1 0 x2 (2.25)
x3
y = Cx + Du (2.26)
con £ ¤
C= 0 1 0 D = [0]
Ejemplo 2.2 Dado el circuito RLC mostrado en la figura 2.3, obten-
ga el modelo matemático usando el método del espacio de estado
Solución
di
Vin = L + Ri + Vc (2.27)
dt
donde: Z
1
Vc = idt (2.28)
C
Elegimos las variables de estado siguientes:
x1 = Vc x2 = i (2.29)
2.4 Modelos de Estado 15
y = Cx + Du (2.33)
donde: £ ¤
C= 1 0 D = [0]
[A,B,C,D] = linmod(’sim1’)
Diagramas de flujo
donde:
ẋ = Ax + Buy = Cx + Du (2.76)
[num,den] = ss2tf(A,B,C,D)
[num,den] = ss2tf(A,B,C,D,iu)
Solución:
num/den =
3333.3333
----------------------
s^2 + 50 s + 3333.3333
num
num =
1.0e+003 *
0 0 3.3333
den
den =
1.0e+003 *
26 Modelos Matemáticos de Sistemas Dinámicos
Análisis de Funcionamiento
de Sistemas de Control
3.1 Introducción
% c(t)=1-e^(-t/T)
T=10;
t=0:.1:7*T;
y=1-exp(-t/T);
plot(t,y);
title(’Respuesta de un sistema a una entrada escaln unitario’)
ylabel(’y(t)’)
xlabel(’Tiempo (s)’)
grid
0.9
0.8
0.7
0.6
y(t)
0.5
0.4
0.3
0.2
0.1
0
0 10 20 30 40 50 60 70
Tiempo (s)
Figura 3.3: Respuesta del sistema de primer orden a una entrada escalón
unitario
% c(t)=1-e^(-t/T)
t=0:.1:T;
y=1-exp(-t/T);
plot(t,y);
title(’Respuesta de un sistema a una entrada escaln unitario’)
ylabel(’y(t)’)
xlabel(’Tiempo (s)’)
grid
y la respuesta gráfica se muestra en la figura 3.4. Puede comprobarse que
Respuesta de un sistema a una entrada escalón unitario
0.7
0.6
0.5
0.4
y(t)
0.3
0.2
0.1
0
0 10 20 30 40 50 60 70 80 90 100
Tiempo (s)
Figura 3.4: Respuesta del sistema a una entrada escalón unitario desde t = 0
hasta t = T
cuanto más pequeña sea la constante de tiempo T , más rápida es la respuesta
del sistema. Otra caracterı́stica importante de la curva exponencial es que
la pendiente de la recta tangente en t = 0, es 1/T , pues
dy 1 1
= e−t/T |t=0 = (3.5)
dt T T
% c(t)=t-T+Te^(-t/T)
T=10;
t=0:.1:7*T;
y=t-T+T*exp(-t/T);
r=t; % referencia ramapa unitaria
plot(t,r,’-’,t,y,’--’);
title(’Respuesta de un sistema a una entrada rampa unitaria’)
ylabel(’y ( t ) v s r ( t )’)
xlabel(’Tiempo ( s )’)
grid
text(35,45,’- : r (t)’)
text(47,35,’- - : y (t)’)
y la respuesta gráfica se muestra en la figura 3.5
60
50
− : r (t)
y(t) vs r(t)
40
− − : y (t)
30
20
10
0
0 10 20 30 40 50 60 70
Tiempo ( s )
Figura 3.5: Respuesta del sistema de primer orden a una entrada rampa
unitaria
% impulso.m
% Ploteo de la respuesta del sistema de primer orden a una entrada
% impulso unitario
% c(t)=(1/T)e^(-t/T)
T=10;
t=0:.1:7*T;
y=(1/T)*exp(-t/T);
r=1; % referencia impulso unitario
plot(t,y);
title(’Respuesta de un sistema a una entrada impulso unitario’)
ylabel(’y ( t )’)
xlabel(’Tiempo ( s )’)
grid
%print -deps -f figrlc
0.09
0.08
0.07
0.06
y(t)
0.05
0.04
0.03
0.02
0.01
0
0 10 20 30 40 50 60 70
Tiempo ( s )
Figura 3.6: Respuesta del sistema de primer orden a una entrada impulso
unitario
ζ : relación de amortiguamiento
ωn : frecuencia natural
4
ts = ; para δ = 0.02(2%)
ζωn
3
ts = ; para δ = 0.05(5%) (3.16)
ζωn
El porcentaje de sobreimpulso o sobrepico (overshoot) es:
− √ ζπ
P.O. = 100e 1−ζ 2 (3.17)
ωn2
Y (s) = (3.18)
s2 + 2ζωn s + ωn2
• Para 0 ≤ ζ < 1
ωn p
y(t) = p e−ζωn t senωn 1 − ζ 2 t; (t ≥ 0) (3.19)
1 − ζ2
36 Análisis de Funcionamiento de Sistemas de Control
• Para ζ > 1
• Para ζ = 1
ωn √ ωn √
−(ζ− ζ 2 −1)ωn t −(ζ− ζ 2 −1)ωn t
y(t) = √ e − √ e (3.21)
2 1 − ζ2 2 ζ2 − 1
Y (s) ωn2 p
= 2 ; (0 < ζ < 1) (3.22)
R(s) (s + 2ζωn s + ωn2 )(s + p)
e−ζωn t p
2
y(t) = 1 − [βζ (β − 2)cos 1 − ζ 2 ωn t
βζ 2 (β − 2) + 1
βζ[ζ 2 (β − 2) + 1] p e−pt
+ p sen 1 − ζ 2 ωn t] − 2 (3.23)
1 − ζ2 βζ (β − 2) + 1
donde β = ζωpn
Observar que debido a que βζ 2 (β − 2) + 1 = ζ 2 (β − 1)2 + (1 − ζ 2 ) > 0 el
coeficiente del término e−pt siempre es negativo.
El efecto de un polo real ubicado en s = −p en la respuesta escalón
unitario, es reducir el sobreimpulso máximo e incrementar el tiempo de
establecimiento.
Si el polo real está ubicado a la derecha de los polos complejos conjuga-
dos, entonces hay tendencia a una respuesta lenta. El sistema se comporta
como un sistema sobreamortiguado.
Y (s) G(s)
= (3.24)
R(s) 1 + G(s)H(s)
3.4 Análisis de respuesta transitoria para sistemas de orden superior 37
Si todos los polos de lazo cerrado caen en el semiplano izquierdo del plano s,
los términos exponenciales y los términos exponenciales amortiguados en la
ecuación (3.28) tienden a cero cuando el tiempo t tiende a infinito. Entonces
la salida estacionaria es y(∞) = a. En la figura 3.10 se muestran ejemplos
de curvas de respuesta al escalón de sistemas de orden superior.
38 Análisis de Funcionamiento de Sistemas de Control
Y (s) 25
= 2 (3.30)
R(s) s + 4s + 25
% ej31.m
% Respuesta a un escaln unitario de una funcin de transferencia
num = [0 0 25];
den = [1 4 25];
[y,x,t] = step(num,den);
plot(t,y)
grid
title(’Respuesta a un escaln unitario de G(s)=25/(s^2+4s+25)’)
xlabel(’t (s)’)
ylabel(’salida y(t)’)
1.2
0.8
salida y(t)
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3
t (s)
£ ¤ x1
y= 1 0 0 x2 (3.32)
x3
% ej32.m
% Respuesta a un escaln unitario de un sistema en el espacio de estado
[y,x,t] = step(A,B,C,D);
plot(t,y)
grid
title(’Respuesta a un escaln unitario’)
xlabel(’t (s)’)
ylabel(’salida y(t)’)
Y (s) 25
= 2 (3.33)
R(s) s + 4s + 25
% ej33.m
% Respuesta a un impulso unitario de una funcin de transferencia
3.5 Análisis de respuesta transitoria utilizando software de simulación 41
1.2
0.8
salida y(t)
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
t (s)
num = [0 25 0];
den = [1 4 25];
[y,x,t] = step(num,den);
plot(t,y)
grid
title(’Respuesta a un impulso unitario de G(s)=25/(s^2+4s+25)’)
xlabel(’t (s)’)
42 Análisis de Funcionamiento de Sistemas de Control
ylabel(’salida y(t)’)
2.5
1.5
salida y(t)
0.5
−0.5
−1
0 0.5 1 1.5 2 2.5 3
t (s)
Y (s) 25 25 1
= 2 =s 2 (3.35)
R(s) s + 4s + 25 s + 4s + 25 s
% ej34.m
% Para obtener la respuesta a una rampa unitaria de la funci’on de transferencia
% GLC(s)=25/(s^2+4s+25), dividimos GLC(s) por s y luego usar la orden de respuesta
% al escaln unitario
num = [0 0 0 25];
den = [1 4 25 0];
t=0:0.1:5;
r=t;
y = step(num,den,t);
plot(t,y,’--’,t,r,’-’)
grid
title(’Respuesta a una rampa unitaria de GLC(s)=25/(s^2+4s+25)’)
xlabel(’t (s)’)
ylabel(’salida y(t)’)
text(2.4,3.2,’- : r (t)’)
text(3.2,2.7,’- - : y (t)’)
2
Respuesta a una rampa unitaria de GLC(s)=25/(s +4s+25)
5
4.5
3.5
− : r (t)
3
salida y(t)
− − : y (t)
2.5
1.5
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t (s)
luego
1
ess = (3.42)
1 + Kp
3.6 Análisis de respuesta estacionaria 45
luego
1
ess = (3.44)
Kv
• Para una entrada parabólica unitaria
luego
1
ess = (3.46)
Ka
% pertur.m
% Respuesta a una entrada perturbacional tipo escal’on unitario
num = [0 0 1 0];
den = [1 14 56 160];
t=0:0.1:5;
y = step(num,den,t);
plot(t,y)
grid
title(’Respuesta a una entrada perturbacional tipo escaln unitario’)
xlabel(’t (s)’)
ylabel(’salida y(t)’)
12
10
6
salida y(t)
−2
−4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t (s)
3.8 Sensibilidad
Entre otra de las caracterı́sticas importantes de los sistemas de control re-
alimentados es la posibilidad de alterar la sensibilidad de toda la función de
transferencia variando parámetros especı́ficos del sistema. Para entender es-
ta caracterı́stica veamos el diagrama de bloques del sistema que se muestra
en la figura 3.19. Considerando la variable s = 0, la función de transferen-
cia Y /R describe entonces la razón de transferencia que es aplicable bajo
condiciones de estado estacionario con una entrada constante. La función
de transferencia está dada por
Y K1 K2
T = = (3.52)
R 1 + K1 K2 H
3.8 Sensibilidad 49
Si K1 K2 H À 1, entonces
Y 1
≈ (3.53)
R H
Entonces, con una ganancia de lazo grande, toda la función de transferencia
es sensible a variaciones en el factor de ganancia de la realimentación H,
pero relativamente insensible a variaciones en las funciones de transferen-
cia del camino directo K1 y K2 . En aplicaciones reales, normalmente los
componentes de la planta incluyen actuadores y otros elementos que deben
proporcionar una elevada ganancia de potencia; sin embargo, la ganancia de
realimentación está generada por dispositivos sensores o de monitorización
de baja potencia, por lo que , la transferencia de sensibilidad desde el camino
directo al camino de realimentación es un intercambio deseable.
La expresión que permite calcular la sensibilidad S de una función de
transferencia T a variaciones de los parámetros (designados por a) es
∆T
∆T a
SaT = T
∆a
= ( ) (3.54)
a
∆a T
T jω(jω + 1)
SK = (3.60)
0
(10 − ω 2 ) + jω
Estabilidad
4.1 Introducción
Se dice que un sistema es estable, si estando sujeto a una entrada o pertur-
bación limitada, su respuesta es de magnitud limitada. El incremento inicial
de la respuesta transitoria debe tender a reducirse, hasta lograr que la
respuesta del sistema converja y siga a una trayectoria deseada. En el caso
de un sistema de regulación, la salida debe tender hacia un valor continuo,
correspondientemente la señal de control tenderá hacia cero.
ẋ = Ax + Bu (4.1)
adj(sI − A)
φ(s) = (sI − A)−1 = (4.3)
det(sI − A)
det(sI − A) = 0 (4.4)
£ ¤ x1
y(t) = 6K 0 0 x2 (4.6)
x3
Solución
¯ ¯
¯ s −1 0 ¯
¯ ¯
det(sI − A) = ¯¯ 0 s −1 ¯ = s3 + 6s2 + 8s + 6K = 0
¯ (4.7)
¯ 6K 8 (s + 6) ¯
• Los polos en la parte izquierda del plano S dan como resultado una
respuesta decreciente, por lo tanto, el sistema es asintóticamente es-
table.
Por lo tanto, para que un sistema realimentado sea estable, todos los polos
de la función de transferencia de lazo cerrado (raı́ces caracterı́sticas) deben
tener parte real negativa.
c1 b2 − b1 c2 c1 b3 − b1 c3
d1 = ; d2 = ...
c1 c1
Ejemplo 4.3: Apliquemos el criterio de estabilidad de Routh al siguiente
polinomio de tercer orden:
a0 s3 + a1 s2 + a2 s + a3 = 0 (4.11)
donde todos los coeficientes son números positivos.
Solución
El conjunto de coeficientes es:
3 ¯ ¯
s ¯¯ a0 a2 ¯¯
2 ¯
s ¯ a1 a3 ¯¯
1 ¯ ¯ (4.12)
s b1
0 ¯¯ ¯
¯
s c1
de donde:
a1 a2 − a0 a3
b1 = ; c1 = a3
a1
Para estabilidad, debe cumplirse que
a1 a2 > a0 a3
Ejemplo 4.4: Considere un sistema de lazo cerrado, con función de trans-
ferencia
Y (s) K
= 2
(4.13)
R(s) s(s + s + 1)(s + 2) + K
Determine el rango de K para la estabilidad.
Solución
La ecuación caracterı́stica es
s4 + 3s3 + 3s2 + 2s + K = 0 (4.14)
El conjunto de coeficientes se muestran en el siguiente arreglo:
4 ¯ ¯
s ¯ 1 3 K ¯¯
¯
s3 ¯¯
3 2 0 ¯¯
s2 ¯ 7
K ¯ (4.15)
¯ 3 ¯
s1
¯ 9
2 − 7K ¯
0
¯ ¯ ¯
s K ¯
Para que haya estabilidad, K debe ser positiva, y todos los coeficientes de
la primera columna deben serlo también. Por lo tanto:
14
>K>0
9
% raiz1.m
% La ecuaci’on caracter’istica del sistema est’a dada por:
% det(sI-A)
%
% Ingresemos la matriz A, considerando K=2.5
eig(A)
ans =
-0.5000 + 1.6583i
-0.5000 - 1.6583i
-5.0000
% raiz2.m
% Determinaci’on de los valores propios o ra’ices de una funci’on
% de transferencia de lazo cerrado de un sistema
% Y(s)/R(s)=K/(s^4+3s^3+3s^2+2s+K), con K=1
pol=[1 3 3 2 1];
roots(pol)
ans =
-1.7549
-1.0000
-0.1226 + 0.7449i
-0.1226 - 0.7449i
Capı́tulo 5
Análisis de Sistemas de
Control en el Espacio de
Estado
5.1 Introducción
Un sistema de control puede tener múltiples entradas y múltiples salidas
(MIMO) relacionadas entre sı́ en una forma muy complicada. El método
más adecuado para el análisis de estos sistemas, es el método del Espacio
de Estado. La teorı́a de control moderna se basa en la descripción de las
ecuaciones del sistema en términos de n ecuaciones diferenciales de primer
orden, que se pueden combinar en una ecuación diferencial matricial.
En el capı́tulo 2, subsección 2.4.3 se trató sobre la solución de la ecuación
de estado de procesos o plantas dinámicas. El presente capı́tulo trata sobre
la matriz de transferencia de modelos de procesos y de sistemas de control,
la solución de las ecuaciones de estado de sistemas de control, ası́ como
conceptos de controlabilidad y observabilidad.
ẋ = Ax + Bu (5.1)
y = Cx + Du (5.2)
donde:
• x = vector de estado (n x 1)
• u = vector de control (r x 1)
• y = vector de salida (m x 1)
• A = matriz de n x n
• B = matriz de n x r
• C = matriz de m x n
• D = matriz de m x r
Y (s)
Gp (s) = (5.3)
U (s)
· ¸ · ¸· ¸
y1 0 −2 x1 £ ¤
= ; D= 0 0 (5.10)
y2 1 0 x2
Solución
ẋ = Ax + Bu (5.17)
y = Cx + Du (5.18)
u = Gc e = Gc (r − y) = Gc (r − Cx) = Gc r − Gc Cx (5.19)
Y (s)
GLC (s) = = (C − D̂C)(sI − Â)−1 B̂ + D̂ (5.25)
R(s)
Y (s)
GLC (s) = = C(sI − Â)−1 B̂ (5.26)
R(s)
ẋ = Ax + Bu (5.29)
64 Análisis de Sistemas de Control en el Espacio de Estado
5.4 Controlabilidad
Se dice que un sistema es de estado completamente controlable, si es posi-
ble transferir el sistema de un estado inicial arbitrario a cualquier estado
deseado, en un perı́odo finito. Esto significa que un sistema es controlable
si todas las variables de estado pueden ser controladas en un perı́odo finito
mediante alguna señal de control restringida.
Para que un sistema sea completamente controlable se debe cumplir que
el rango de la matriz de controlabilidad
£ ¤
M = B AB . . . An−1 B = n (5.35)
· ¸
£ ¤ v1
y1 = −1 1 (5.37)
v2
Solución
ẋ1 = −x1
ẋ2 = x1 + x2 + u (5.39)
Solución
5.5 Observabilidad
Considere el sistema no forzado descrito por las siguientes ecuaciones:
ẋ = Ax (5.42)
y = Cx (5.43)
· ¸
£ ¤ x1
y= 1 1 (5.47)
x2
Solución
£ ¤ x1
y= 0 0 1 x2 (5.50)
x3
Solución
A=[-1 1 0; 0 0 0; 5 0 -5];
B=[1;5;0];
C=[0 0 1];
Co=ctrb(A,B)
det(Co), pause
Ob=obsv(A,C)
det(Ob)
Co =
1 4 -4
5 0 0
0 5 -5
ans =
Ob =
0 0 1
5 0 -5
-30 5 25
ans =
25
Solución
% cont_ob2.m
% Determinaci’on de la controlabilidad y observabilidad
% usando las expresiones de controlabilidad y observabilidad
A=[-1 1 0; 0 0 0; 5 0 -5];
B=[1;5;0];
C=[0 0 1];
Co=[B A*B A^2*B]
% Co=ctrb(A,B)
det(Co), pause
Ob=[C’ A’*C’ (A’)^2*C’]’
% Ob=obsv(A,C)
det(Ob)
Los resultados de la ejecución del programa son:
Co =
1 4 -4
5 0 0
0 5 -5
ans =
Ob =
0 0 1
5 0 -5
-30 5 25
ans =
25
que son los mismos resultados del ejemplo anterior.
cionarios.
para el que asumimos que existe una solución única para cada condición
inicial x(t0 ) y cada entrada de control u(t). La solución de las ecuaciones
(5.51) es más difı́cil de obtener que para el caso invariante (estacionario).
Antes de ver el caso más general (con entrada u), tratemos primeramente la
respuesta a condiciones iniciales, es decir, el sistema homogéneo
d R t a(τ )dτ Rt Rt
e0 = a(t)e 0 a(τ )dτ = e 0 a(τ )dτ a(t) (5.55)
dt
Veamos si es posible extender la solución (5.54) en forma matricial, es decir
Rt
A(τ )dτ
x(t) = e 0 x(0) (5.56)
5.7 Sistemas lineales variantes en el tiempo 71
Rt
donde la exponencial matricial e 0 A(τ )dτ puede expresarse como
Rt Z t Z
A(τ )dτ 1 t
e 0 =I+ A(τ )dτ + ( A(τ )dτ )2 + . . . (5.57)
0 2 0
La extensión de la solución escalar al caso matricial no es válida en el caso
invariante, ya que
Z t Z
d R t A(τ )dτ 1 1 t
e0 = A(t) + A(t)( A(τ )dτ ) + ( A(τ )dτ )A(t) + . . .
dt 2 0 2 0
Rt
A(τ )dτ
6= A(t)e 0 (5.58)
dado que para distintos tiempos t y τ las matrices A(t) y A(τ ) son distintas,
y consiguiente en general no conmutan, A(t)A(τ Rt
) 6= A(τ )A(t). Por lo que
A(τ )dτ
nos permite concluir que, en general, x(t) = e 0 x(0) no es una solución
de ẋ(t) = A(t)x(t), por lo que debemos buscar otro método para obtenerla.
El método que usaremos requiere la introducción de la matriz de transición
del sistema.
En el caso estacionario (A(t) = A), la matriz de transición de estados
φ(t, t0 ) es simplemente:
φ(t, t0 ) = eA(t−t0 ) (5.59)
En el caso inestacionario se requiere la solución de la ecuación
∂
φ(t, t0 ) = A(t)φ(t, t0 ) (5.61)
∂t
que es φ(t, t0 ). Estas ecuaciones son difı́ciles de resolver, salvo para los
siguientes dos casos especiales:
luego Z · ¸ · ¸
t
t 0 t2 0
( A(τ )dτ )2 = t2 = t4 (5.72)
0 0 2 0 4
Entonces, la matriz de transicion solicitada es:
· ¸ · ¸ " t2 #
1 0 t 0 2 0
φ(t, 0) = + 2 + t4
0 1 0 t2 0 8
" 2
#
1 + t + t2 0
= 2 4 (5.73)
0 1 + t2 + t8
Capı́tulo 6
1 + G(s)H(s) = 0 (6.2)
o bien
G(s)H(s) = −1 (6.3)
Para trazar el LGR se deben cumplir las condiciones de ángulo y magnitud.
1. Condición de ángulo
|G(s)H(s)| = 1 (6.5)
Los valores de s que cumplen con las condiciones de ángulo y magnitud, son
las raı́ces de la ecuación caracterı́stica o polos de lazo cerrado. El diagrama
de los puntos del plano complejo que sólo satisfacen la condición de ángulo,
constituye el lugar de las raı́ces. Las raı́ces de la ecuación caracterı́stica se
pueden determinar por la condición de magnitud. La ecuación caracterı́stica
1 + G(s)H(s) se debe escribir como función del parámetro de ganancia K,
ası́:
K(s + z1 )(s + z2 ) . . . (s + zm )
1+ (6.6)
(s + p1 )(s + p2 ) . . . (s + pn )
Por consiguiente, el lugar de las raı́ces para el sistema, son los lugares de los
polos de lazo cerrado al variar la ganancia K de cero a infinito. Siendo
K(s + z1 )(s + z2 ) . . . (s + zm )
G(s)H(s) = (6.7)
(s + p1 )(s + p2 ) . . . (s + pn )
K(s + z1 )
G(s)H(s) = (6.8)
(s + p1 )(s + p2 )(s + p3 )(s + p4 )
Figura 6.2: Diagramas que muestran los ángulos desde polos y ceros de lazo
abierto al punto de prueba s.
1 + G(s)H(s) = 0 (6.10)
3. Se determina el LGR sobre el eje real, por los polos y ceros de lazo
abierto que están sobre él. Cada porción del lugar de las raı́ces sobre
el eje real se extiende sobre un rango que va desde un polo o cero hasta
76 Métodos Gráficos de Análisis de Sistemas de Control
otro polo o cero. Para tal efecto se elige un punto de prueba s sobre
él.
4. Se determinan las ası́ntotas del LGR. El LGR para valores muy grandes
de s deben ser asintóticos a rectas cuyos ángulos están dados por
±180o (2k + 1)
θk = , (k = 0, 1, 2, . . .) (6.12)
n−m
siendo
n = número de polos finitos de G(s)H(s)
m = número de ceros finitos de G(s)H(s)
Al aumentar k, el ángulo se repite, y la cantidad de ası́ntotas diferentes
es n − m. Si la abscisa de intersección de las ası́ntotas con el eje real
se designa como s = σa , entonces
(suma de polos) − (suma de ceros)
σa =
n−m
(p1 + p2 + . . . + pn ) − (z1 + z2 + . . . + zm )
= (6.13)
n−m
5. Se hallan los puntos de ruptura de llegada y de partida. Debido a la
simetrı́a conjugada del LGR, los puntos de ruptura, o bien están sobre
el eje real, o se producen en pares complejos conjugados.
6. Se determinan los ángulos de partida (o ángulos de llegada) del LGR
desde los polos complejos (o ceros complejos) aplicando el criterio de
ángulo a un punto arbitrariamente cerca del punto de partida o llegada.
Para un LGR de razonable exactitud, se deben hallar las direcciones
y sentidos del LGR en la vecindad de los polos y ceros complejos.
X
m X
n
∠G(s)H(s) = ∠(s + zk ) − ∠(s + pk ) = 180o (2k + 1) (6.14)
k=1 k=1
K(s + 2)
1+ =0 (6.17)
s(s + 1)(s2 + 2s + 2)
Evaluando se obtiene:
Si:
78 Métodos Gráficos de Análisis de Sistemas de Control
• Si k=0 ⇒
±180o
θ0 = = ±60o (6.23)
3
• Si k=1 ⇒
±180o (3)
θ1 = = ±180o (6.24)
3
• Si k=2 ⇒
±180o (5)
θ2 = = ±300o = ∓60o (6.25)
3
Luego, las ası́ntotas son: Θ : +60, −60, +180o . Ahora podemos deter-
minar la intersección de las ası́ntotas con el eje real:
P P
polos − ceros [0 + (−1) + (−1 + j) + (−1 − j)] − [−2]
σa = =
n−m 3
1
= − (6.26)
3
dK
=0 (6.28)
ds
6.1 Método del Lugar Geométrico de las Raı́ces 81
De 6.27:
(s4 + 3s3 + 4s2 + 2s)
K=− (6.29)
(s + 2)
Luego:
dK d
(s + 2) ds (s4 + 3s3 + 4s2 + 2s) − (s4 + 3s3 + 4s2 + 2s) ds
d
(s + 2)
= − 2
=0
ds (s + 2)
(3s4 + 14s3 + 22s2 + 16s + 4)
= − =0 (6.30)
(s + 2)2
Entonces:
4 ¯ ¯
s ¯ 1 4 2K ¯
¯ ¯
s3
¯ ¯ 3 (2 + K) ¯
¯
s2 ¯ b1 = 10−K
b2 = 2K ¯
¯ 3 ¯
1 ¯ −K −10K+20
2
¯
s c =
0 ¯¯ 1 10−K ¯
¯
s d1 = 2K
Haciendo c1 = 0 para oscilación:
−K 2 − 10K + 20
c1 = =0
10 − K
−K 2 − 10K + 20 = 0 (6.33)
82 Métodos Gráficos de Análisis de Sistemas de Control
3s3 + (2 + K)s = 0
se obtienen las raı́ces: s = ±1.11j
PREGUNTA: Con K = 10 y K = 0 se obtiene oscilación?
X X
∠ceros − ∠polos = ±180o (2k + 1)
45o − (135o + +90o + 90o + Θx ) = +180o
⇒ Θx = −450o = −90o
0.1e−sτ
1 + G(s)H(s) = 1 + s =0
s( 0.5 + 1)
6.1 Método del Lugar Geométrico de las Raı́ces 87
Para una entrada escalón unitario, la salida del sistema producirá la respues-
ta en el tiempo, tal como se muestra en la figura 6.19. Podemos comprobar
88 Métodos Gráficos de Análisis de Sistemas de Control
que existe un retardo de 5 segundos, a partir del cual la salida del sistema
crece, desde cero hasta el nivel de referencia, estabilizándose al valor de la
referencia en un tiempo de aproximadamente 57 segundos.
K(s + z1 )(s + z2 ) + . . . + (s + zm )
1+ =0 (6.36)
(s + p1 )(s + p2 ) + . . . + (s + pn )
Matlab sólo necesita conocer los coeficientes de los polinomios del numerador
y denominador de esta última ecuación (segundo término del lado izquierdo
de la ecuación caracterı́stica), sin la intervención de la ganancia K, es decir:
. . . + p1 p2 . . . pn
Usando el comando rlocus puede obtenerse la gráfica del LGR del sistema de
lazo cerrado, a partir de la función de transferencia de lazo abierto G(s)H(s)
= num/den.
rlocus(num, den)
rlocus(num, den, K)
rltool
90 Métodos Gráficos de Análisis de Sistemas de Control
K(s + 2)
1+ =0
s(s + 1)(s2 + 2s + 2)
K(s + 2)
1+ =0
s4 + 3s3 + 4s2 + 2s)
6.1 Método del Lugar Geométrico de las Raı́ces 91
>> r
r =
0 0.5042 + 1.8318i
-1.0000 + 1.0000i -2.0042 + 0.6446i
-1.0000 - 1.0000i -2.0042 - 0.6446i
-1.0000 0.5042 - 1.8318i
Ganancia(dB) = 20log|G(jw)|
Angulo = φ = ∠G(jw)
94 Métodos Gráficos de Análisis de Sistemas de Control
1) La ganancia K
La ganancia K
1
20log| | = −20logw dB (6.40)
jw
1
20log| | = −n × 20log|jw| = −20nlogw dB (6.42)
(jw)n
20log|(jw)n | = n × 20log|jw| = 20nlogw dB (6.43)
1 p
20log| | = −20log 1 + w2 T 2 dB (6.44)
1 + jwT
φ = −tan−1 wT (6.45)
• Si w = 0 ⇒ φ = 0o
• Si w = ∞ ⇒ φ = −90o
φ = tan−1 wT (6.47)
1
La magnitud en db para 1+2ζ(jw/wn )+(jw/wn )2
es:
1 p
20log| 2
| = −20log (1 − w2 /wn2 )2 + (2ζ w/wn )2
1 + 2ζ(jw/wn ) + (jw/wn )
(6.49)
Para frecuencias bajas como w << wn ⇒ - 20 log 1 = 0 dB, entonces la
ası́ntota de baja frecuencia es una lı́nea horizontal a 0 dB.
Para frecuencias altas como w >> wn , ⇒ −20log (w2 /wn2 )=−40log (w/wn )
dB, entonces la ası́ntota de alta frecuencia es una lı́nea recta con pendiente
de -40 dB / década.
Las dos ası́ntotas son independientes del valor de ζ ; sin embargo cerca
de la frecuencia w = wn , se produce un pico de resonancia, cuya magni-
tud depende del factor de amortiguamiento ζ. Obviamente hay error en la
aproximación mediante rectas asintóticas. La magnitud del error depende
del valor de ζ y es elevado para pequeños valores de ζ.
El ángulo de fase correspondiente es:
1 2ζw/wn
φ = ∠[ ] = −tan−1 [ ] (6.50)
1 + 2ζ(jw/wn ) + (jw/wn )2 1 − (w/wn )2
El ángulo de fase es función de w y de ζ.
• Si w = 0 ⇒ φ = 0o .
• Si w = wn ⇒ φ = −90o .
• Si w = ∞ ⇒ φ = −180o .
p |G(jw)| tiene un
La frecuencia de resonancia wr es aquella en la que
valor pico o máximo, y está determinada por wr = wn 1 − 2ζ 2 (0 < ζ ≤
0.707).
6.2 Método de Respuesta en Frecuencia 99
• Si ζ → 0 ⇒ wr → wn
p
• Si 0 < ζ ≤ 0.707 ⇒ wr < wd , donde wd = wn 1 − ζ 2 , que aparece en
la respuesta transitoria. Para ζ > 0.707 no hay pico de resonancia.
• Si ζ > 0.707 ⇒ Mr = 1
• Si ζ → 0 ⇒ Mr = ∞
El ángulo de fase de G(jw) a la frecuencia de resonancia es:
p
−1 1 − 2ζ 2 ζ
∠G(jwr ) = −ten = −90o + sen−1 ( )
ζ 1 − ζ2
El ancho√de banda BW se obtiene haciendo que el valor de |G(jw)|
sea igual a 1/ 2 = 0.707, es decir:
1 1
|G(jw)| = p =√
2 2 2
(1 − w /wn ) + (2ζ w/wn )2 2
(1 − w2 /wn2 )2 + (2ζ w/wn )2 = 2
(1 − a2 )2 + (2ζ a)2 = 2
1 − 2a2 + a4 + 4ζ 2 a2 = 2
a4 − 2a2 (1 − 2ζ 2 ) = 1
(a2 )2 − 2(1 − 2ζ 2 )(a2 ) − 1 = 0
p
(a2 ) = (1 − 2ζ 2 ) ± 4ζ 4 − 4ζ 2 + 2
w p
a= = [(1 − 2ζ 2 ) ± 4ζ 4 − 4ζ 2 + 2]1/2
wn
p
BW = wn [(1 − 2ζ 2 ) ± 4ζ 4 − 4ζ 2 + 2]1/2
Nota importante:
100 Métodos Gráficos de Análisis de Sistemas de Control
Z =N +P (6.54)
donde:
Z = número de ceros de 1 + G(s)H(s) en el semiplano derecho s.
N = número de vueltas en el sentido de las agujas del reloj del punto
−1 + j0 (rodeo positivo).
P = número de polos de G(s)H(s) en el semiplano derecho s.
Para un sistema estable:
Margen de ganancia
El margen de ganancia Kg es el recı́proco de |G(jw)| en la frecuencia
donde el ángulo de fase es −180o , ası́:
1
Kg = (6.55)
|G(jw1 )|
Kg dB = 20 log Kg = −20 log |G(jw1 )|
Margen de fase
El margen de fase es la cantidad de retardo de fase adicional en la fre-
cuencia de la ganancia de cruce que se requiere para llevar al sistema a su
frontera de inestabilidad. La frecuencia de la ganancia de cruce es la fre-
cuencia en la cual la magnitud de la función de transferencia de lazo abierto
|G(jw)| se hace igual a la unidad. El margen de fase es representado por:
γ = 180o + φ
Si w = 0.0981 entonces:
0.1 0.1
|G(jw)H(jw)| = jw
=q = 1.0003 ≈ 1
|jw( 0.5 + 1)| w4
+ w2
0.25
Modelos No Lineales,
Linealización y Técnicas
Analı́ticas
7.1 Introducción
El modelamiento de sistemas dinámicos es sumamente importante en el
análisis y diseño de sistemas de control. Si un sistema se puede describir con
razonable precición utilizando un modelo lineal e invariante en el tiempo, la
simulación se obtiene rápidamente y los problemas de diseño se pueden abor-
dar mediante el uso de herramientas matemáticas adecuadas. Sin embargo,
la consideración de un modelo no lineal, conlleva la descripción de fenómenos
más complejos, que requiere la aplicación de una técnica analı́tica. En un
modelo lineal, la determinación de la estabilidad, sobreimpulso, tiempo de
asentamiento, etc. lo determina el modelo. Sin embargo, en un modelo
no lineal, estas caracterı́sticas no sólo están determinadas por el modelo,
sino por la magnitud de la señal de excitación. Por ejemplo, un sistema
no lineal puede comportarse en forma completamente distinta en respues-
ta a entradas escalón de diferente magnitud; esto significa, que no puede
aplicarse el principio de superposición.
x˙1 = f1 (x1 , x2 , . . . xn , u1 , . . . um )
x˙2 = f2 (x1 , x2 , . . . xn , u1 , . . . um )
112 Modelos No Lineales, Linealización y Técnicas Analı́ticas
..
.
x˙n = fn (x1 , x2 , . . . xn , u1 , . . . um ) (7.1)
ẋ = f (x, u) (7.2)
dx2 0
= (7.8)
dx1 0
obtiene
ÿ + 4ẏ = 2u
x˙1 = x2
x˙2 = −4x2 + 2u (7.10)
u = +um si Ko (r − x1 ) ≥ um ,
u = −um si Ko (r − x1 ) ≤ −um , (7.11)
o u = Ko (r − x1 ) si Ko | r − x1 |< um .
Figura 7.5: a) Diagrama de bloques con Simulink del sistema con saturación,
b) Salida y vs r, c) Señal de control u.
d2 d
10 = 2
y(t) + 2 y(t) para e = 4 − y > 0,
dt dt
d2 d
−10 = 2 y(t) + 2 y(t) para e = 4 − y < 0. (7.12)
dt dt
Considerando x1 = y y x2 = ẏ, una forma de determinar x2 en función de x1
es eliminar la variable temporal formando la relación dx1 /dt entre dx2 /dt.
ẋ1 = x2
ẋ2 = −2x2 + 10 (7.13)
dx1 1 5 1
=− −
dx2 2 2 (x2 − 5)
1 5 dx2
dx1 = − dx2 − (7.15)
2 2 (x2 − 5)
7.5 Simulación con un Controlador de Nivel Discreto 121
d2 d
10 = y(t) + 2 y(t) para 4 − y ≥ 0.2
dt2 dt
d2 d
−10 = 2 y(t) + 2 y(t) para 4 − y ≤ −0.2 (7.20)
dt dt
d2 d
0 = 2 y(t) + 2 y(t) para − 0.2 < 4 − y < 0.2
dt dt
Las regiones de operación se alteran ligeramente excluyendo la región com-
prendida entre y = 3.8 y y = 4.2. Considerando las mismas variables de
estado que en el caso anterior, se obtienen las ecuaciones de estado para la
zona muerta (tercer modo)
ẋ1 = x2
ẋ2 = −2x2 (7.21)
dx1 1
=− (7.22)
dx2 2
7.6 Sistema con Rozamiento No Lineal 123
1
x1 = − x2 + K (7.23)
2
fc = −F c si v<0 (7.25)
M odo 1:
v=0 y | fa |≤ Fs (7.26)
M odo 2:
d
fa (t) = M v(t) + Bv + Fc con v > 0 (7.27)
dt
d
v(t) = x(t)
dt
M odo 3 :
d
fa (t) = M v(t) + Bv − Fc con v < 0 (7.28)
dt
d
v(t) = x(t)
dt
Si una fuerza inicialmente positiva produce movimiento, pero a con-
tinuación disminuye o cambia de signo, el modo 2 no se interrumpe hasta
que la velocidad es cero. Ahora puede presentarse dos posibilidades. Si la
magnitud de fa (t) es menor que fs cuando la velocidad retorna a cero, en-
tonces la simulación retorna al modo 1. Sin embargo, la presencia de inercia
puede originar que la velocidad retarde la variación de la fuerza y si ésta
presenta un valor que es menor que -fs cuando la velocidad vuelve a cero, la
simulación inmediatamente cambiará al modo 3. Después de un paso por el
modo 3, un retorno a velocidad cero análogamente dará una vuelta al modo
1 o un cambio inmediato al modo 2.
ẋ = f (x, u)
y = h(x, u) (7.29)
Los puntos de equilibrio se obtienen igualando a cero cada uno de los térmi-
nos de la izquierda de la ecuación 7.30 y reemplazando las variables de estado
por sus condiciones iniciales u1 , u2 y u3 , ası́:
ẋ = Ax + Bu
y = Cx + Du (7.31)
x = X − x(0)
u = U − u(0)
(7.32)
7.8 Linealización Aproximada 127
u = Asen(ωt) (7.36)
X ∞
1
y = p0 + [pn cos(nωt) + qn sen(nωt)] (7.37)
2
n=1
en donde
Z
2 t0 +T
p0 = y dt (7.38)
T t0
Z
2 t0 +T
pn = y cos(nωt)dt (7.39)
T t0
Z
2 t0 +T
qn = y sen(nωt)dt (7.40)
T t0
donde
p1
φ = tan−1 ( ) (7.45)
q1
y su fase
p1
∠N = (f ase de y) − (f ase de u) = tan−1 ( ) (7.48)
q1
y∼
= q1 sen(ωt) (7.49)
Como A > h, las funciones de entrada y de salida son ploteadas tal como
130 Modelos No Lineales, Linealización y Técnicas Analı́ticas
Luego
r
2k π h h h2
N (A) = [ − sen−1 ( ) − 1− ] (7.56)
π 2 A A A2
Consideremos ahora el diagrama de bloques del sistema de control que se
muestra en la figura 7.16. Si utilizamos el enfoque de estabilidad para un
sistema lineal, obtendrı́amos la ecuación caracterı́stica
1 + N (A)G(jω)H(jω) = 0 (7.57)
o
1
G(jω)H(jω) = (7.58)
N (A)
d
Xg = f (Xg , t) = f (Xg , (t)) (7.59)
dt
132 Modelos No Lineales, Linealización y Técnicas Analı́ticas
d
Xg = 0 = f (Xe ) (7.60)
dt
Para investigar la estabilidad, se hace una transformación de coordenadas
del vector de estado original Xg a un nuevo vector de estado X:
X = Xg − X e (7.61)
d
X = f (X); f (0) = 0 (7.62)
dt
o si el sistema es lineal,
d
X = AX (7.63)
dt
Conceptos de estabilidad
Un sistema no lineal de la forma:
ẋ = f (x, t) (7.64)
0 = f (xe ) (7.65)
7.10 Fundamentos de la Teorı́a de Liapunov 133
Funciones de Lyapunov
Un tipo especial de función escalar V(x), llamada función de Lyapunov, ju-
gará un rol muy importante en el análisis de estabilidad y diseño en sistemas
de control. La función de Lyapunov V(x) verifica las siguientes propiedades.
∂V (x)
= 4V (x)
∂x
(b) V(0)=0
V(x) se dice que es una función definida positiva si cumple las propiedades
(a) y (c). La figura 7.18 ilustra la función de Lyapunov para un sistema
de segundo orden. Ahora, V(x) es definida negativa si -V(x) es definida
positiva. También V(x) es semi-definida positiva si V(0)=0 y V (x) > 0 para
x 6= 0;V(x) es semi-definida negativa si -V(x) es semi-definida positiva.
(d) V̇ (x, t) ≤ 0 ∀t ≥ 0
∂V
V (x, t) = + 4f ẋ
∂t
Una función V(x,t) se dice que es una función definida positiva si cumple
las condiciones (a) y (c). Se dice también que V(x,t) es una función definida
positiva si aquella domina una función definida positiva W(x), es decir, si
V(x,t) ≥ W (x). Similarmente, V(x,t) es definida negativa si -V(x,t) es
definida positiva; V(x,t) es semi-definida positiva si aquella domina una
función semi-definida W(x); V(x,t) es semi-definida negativa si -V(x,t) es
semi-definida positiva.
7.10 Fundamentos de la Teorı́a de Liapunov 135
Asymptotically
stable
Stable
0 S(R)
r B(r)
Unstable x0
H(A)
B(R)
S(A)
V(x 1,x 2 ) x2
V(x 1,x 2 )
x2 x1
x1
[6] Dorf R., Bishop R. ”Modern Control Systems”, Prentice Hall, Inc.,
ninth edition (2001).
[7] Bishop, Robert H. ”Modern Control Systems Analysis and Design Using
Matlab and Simulink”, Addison-Wesley (1997).
[10] Math Works, Inc. ”Matlab User’s Guide”, Natick, Mass: Math Works,
Inc. (1990).
[11] Math Works, Inc. ”The Student Edition of Simulink User’s Guide”,
Prentice Hall-Englewood Cliffs (1996).