Universidad Nacional de Ingenieria

UNIVERSIDAD
NACIONAL
DE INGENIERIA
APUNTES DE CLASE
DE CONTROL I
Teorı́a y Ejemplos con
Aplicaciones de MATLAB
Raúl Benites Saravia, M.Sc.

ii
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.
Apuntes de Clase de Control I, Teorı́a y Ejemplos con Aplicaciones de MAT-

LAB
Copyright ° c Raúl Benites-Saravia, 2002. Reservados todos los derechos
Índice General
Agradecimientos iii
Prefacio v
1 Introducción a los Sistemas de Control 1

1.1 Objetivo del Control Automático . . . . . . . . . . . . . . . . 1
1.2 Campos de aplicación . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Clasificación de Sistemas de Control . . . . . . . . . . . . . . 2
1.5 Componentes de un Sistema de Control . . . . . . . . . . . . 4
1.6 Ejemplos de Sistemas de Control . . . . . . . . . . . . . . . . 4
2 Modelos Matemáticos de Sistemas Dinámicos 7

2.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Tablas de Transformadas de Laplace . . . . . . . . . . . . . . 7
2.3 Ecuaciones Diferenciales de Sistemas Fı́sicos . . . . . . . . . . 8
2.4 Modelos de Estado . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.1 Representación de sistemas dinámicos en el espacio de
estado . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.2 Modelos de sistemas lineales . . . . . . . . . . . . . . . 12
2.4.3 Soluciones de las ecuaciones de estado . . . . . . . . . 15
2.4.4 Diagramas de estado . . . . . . . . . . . . . . . . . . . 17
2.4.5 Gestión de los modelos de estado utilizando software
de simulación . . . . . . . . . . . . . . . . . . . . . . . 17
2.5 Modelos de función de transferencia . . . . . . . . . . . . . . 18
2.5.1 Función de transferencia de sistemas fı́sicos . . . . . . 18
2.5.2 Diagramas de bloques y diagramas de flujo . . . . . . 19
2.5.3 Transformaciones de modelos matemáticos lineales 23
2.5.4 Modelado utilizando software de simulación . . . . . . 24
3 Análisis de Funcionamiento de Sistemas de Control 27

3.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Análisis de respuesta transitoria para sistemas de primer orden 28
3.2.1 Respuesta escalón unitario de sistemas de primer orden 28
viii ÍNDICE GENERAL
3.2.2 Respuesta rampa unitaria de sistemas de primer orden 30

3.2.3 Respuesta impulso unitario de sistemas de primer orden 31
3.3 Análisis de respuesta transitoria para sistemas de segundo orden 32
3.3.1 Respuesta a un escalón unitario . . . . . . . . . . . . . 34
3.3.2 Respuesta impulsiva de sistemas de segundo orden . . 35
3.4 Análisis de respuesta transitoria para sistemas de orden superior 36
3.4.1 Respuesta de sistemas de tercer orden al escalón unitario 36
3.4.2 Respuesta transitoria de sistemas de orden superior . 36
3.5 Análisis de respuesta transitoria utilizando software de simu-
lación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5.1 Respuesta a una entrada escalón a partir de la función
de transferencia del sistema . . . . . . . . . . . . . . . 38
3.5.2 Respuesta a una entrada escalón de un sistema en el
espacio de estados . . . . . . . . . . . . . . . . . . . . 39
3.5.3 Respuesta a una entrada impulso unitario . . . . . . . 40
3.5.4 Respuesta a una entrada en rampa . . . . . . . . . . . 42
3.6 Análisis de respuesta estacionaria . . . . . . . . . . . . . . . . 43
3.7 Rechazo a Perturbaciones . . . . . . . . . . . . . . . . . . . . 46
3.8 Sensibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.9 Respuesta Estacionaria utilizando Software de Simulación . . 51
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
5 Análisis de Sistemas de Control en el Espacio de Estado 59

5.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.2 Matriz de Transferencia . . . . . . . . . . . . . . . . . . . . . 59
5.2.1 Matriz de Transferencia de un Proceso . . . . . . . . . 59
5.2.2 Matriz de Transferencia de un Sistema de Control . . 62
5.3 Solución de las ecuaciones de estado lineales e invariantes en
el tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.3.1 Solución de la ecuación de estado de un sistema de
control en cascada . . . . . . . . . . . . . . . . . . . . 63
control proporcional realimentado . . . . . . . . . . . 63
5.4 Controlabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.5 Observabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.6 Controlabilidad y observabilidad utilizando software de
simulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.7 Sistemas lineales variantes en el tiempo . . . . . . . . . . . . 69
ÍNDICE GENERAL ix
5.7.1 Solución de ecuaciones de estado variantes en el tiempo 70
6 Métodos Gráficos de Análisis de Sistemas de Control 73

6.1 Método del Lugar Geométrico de las Raı́ces . . . . . . . . . . 73
6.1.1 Reglas generales para construir el lugar geométrico de
las raı́ces (LGR) . . . . . . . . . . . . . . . . . . . . . 75
6.1.2 Análisis de Sistemas de Control mediante el LGR . . . 83
6.1.3 Lugar Geométrico de las Raı́ces para Sistemas con Re-
tardo de Transporte . . . . . . . . . . . . . . . . . . . 85
6.1.4 Gráficas del LGR utilizando Software de Simulación . 88
6.2 Método de Respuesta en Frecuencia . . . . . . . . . . . . . . 92
6.2.1 Gráficas de Bode . . . . . . . . . . . . . . . . . . . . . 93
6.2.2 Gráficas de Bode utilizando software de simulación . . 101
6.2.3 Gráficas Polares y Criterio de Estabilidad de Nyquist 102
6.2.4 Aplicación a sistemas con retardo de transporte . . . . 109
7 Modelos No Lineales, Linealización y Técnicas Analı́ticas 111

7.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.2 Modelos de Sistemas No Lineales: Propiedades Caracterı́sticas 111
7.3 Espacio de Estados y Plano Fásico . . . . . . . . . . . . . . . 113
7.3.1 Método del Plano de Fase . . . . . . . . . . . . . . . . 114
7.4 Simulación con una caracterı́stica de saturación . . . . . . . . 116
7.5 Simulación con un Controlador de Nivel Discreto . . . . . . . 118
7.5.1 Sistema con un controlador de dos niveles . . . . . . . 119
7.5.2 Sistema con un controlador de tres niveles . . . . . . . 122
7.6 Sistema con Rozamiento No Lineal . . . . . . . . . . . . . . . 123
7.7 Estados de Equilibrio y Puntos de consigna nominales . . . . 125
7.8 Linealización Aproximada . . . . . . . . . . . . . . . . . . . . 126
7.9 Función Descriptiva . . . . . . . . . . . . . . . . . . . . . . . 128
7.9.1 Función descriptiva para la caracterı́stica de saturación 129
7.9.2 Función descriptiva para la caracterı́stica de zona muerta130
7.10 Fundamentos de la Teorı́a de Liapunov . . . . . . . . . . . . . 131
7.10.1 Punto de equilibrio o punto crı́tico . . . . . . . . . . . 131
7.10.2 Estabilidad por el método directo de Lyapunov . . . . 132
Bibliografı́a 141
Índice de Figuras
1.1 Representación del proceso dinámico. . . . . . . . . . . . . . . 1

1.2 Sistemas de control en lazo abierto y cerrado. . . . . . . . . . 3
1.3 Control de temperatura:(a)neumático; (b) electrónico; (c) Di-
agrama de bloques. . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 (a) Esquema eléctrico del sistema control de velocidad; (b)
Diagrama de bloques. . . . . . . . . . . . . . . . . . . . . . . 5
1.5 (a) Sistema de Control de la locomotora,(b) Diagrama de blo-
ques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 b) Diagrama de bloques del sistema de control de la locomotora. 6
2.1 Diagrama de bloques detallado del sistema de orden n . . . . 10

2.2 Diagrama de un motor DC controlado por armadura . . . . . 12
2.3 Circuito simple RLC . . . . . . . . . . . . . . . . . . . . . . . 15
2.4 Diagrama de estado . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Diagrama de estado en SIMULINK . . . . . . . . . . . . . . . 19
2.6 (a) Elementos de un diagrama de bloques; (b) Diagrama de
bloques como resultado de combinar elementos. . . . . . . . 20
2.7 Diagramas de flujo del sistema descrito . . . . . . . . . . . . . 21
2.8 Diagrama de bloques del motor DC controlado por armadura 23
2.9 Diagrama de bloques reducido del motor DC controlado por
armadura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.1 Diagrama de bloques de un sistema de primer orden . . . . . 28

3.2 Diagrama de bloques simplificado . . . . . . . . . . . . . . . . 28
3.3 Respuesta del sistema de primer orden a una entrada escalón
unitario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4 Respuesta del sistema a una entrada escalón unitario desde
t = 0 hasta t = T . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5 Respuesta del sistema de primer orden a una entrada rampa
unitaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.6 Respuesta del sistema de primer orden a una entrada impulso
unitario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.7 Sistema de segundo orden . . . . . . . . . . . . . . . . . . . . 34
xii ÍNDICE DE FIGURAS
3.8 Respuesta de un sistema de segundo orden a una entrada

escalón unitario. . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.9 Sistema de Control. . . . . . . . . . . . . . . . . . . . . . . . 37
3.10 Respuesta al escalón de sistemas de orden superior. . . . . . . 38
3.11 Respuesta a un escalón unitario. . . . . . . . . . . . . . . . . 39
3.12 Respuesta a un escalón unitario. . . . . . . . . . . . . . . . . 41
3.13 Respuesta a un impulso unitario. . . . . . . . . . . . . . . . . 42
3.14 Respuesta a una rampa unitaria. . . . . . . . . . . . . . . . . 44
3.15 Sistema de control. . . . . . . . . . . . . . . . . . . . . . . . . 45
3.16 Sistema de control con perturbaciones. . . . . . . . . . . . . . 46
3.17 Sistema de control con perturbaciones. . . . . . . . . . . . . . 47
3.18 Respuesta del sistema de control a una perturbación escalón
unitario. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.19 Diagrama de bloques del sistema de control de realimentación
estática. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.20 Diagrama de bloques de un sistema de control proporcional. . 50
3.21 Respuesta a una rampa unitaria. . . . . . . . . . . . . . . . . 51
5.1 Diagrama de bloques simplificado de un sistema de control

multivariable . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.2 Diagrama de bloques de un sistema de control proporcional
realimentado . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
6.1 Diagrama de bloques de un sistema de control . . . . . . . . . 74

6.2 Diagramas que muestran los ángulos desde polos y ceros de
lazo abierto al punto de prueba s. . . . . . . . . . . . . . . . . 75
6.3 Sistema de Control. . . . . . . . . . . . . . . . . . . . . . . . 77
6.4 Ubicación de polos y ceros de lazo abierto en el plano s. . . . 77
6.5 Lugar geométrico aproximado. . . . . . . . . . . . . . . . . . 78
6.6 Averiguando si existe LGR entre -1 y -2. . . . . . . . . . . . . 79
6.7 Averiguando si existe LGR entre -2 y -∞. . . . . . . . . . . . 79
6.8 Averiguando si existe LGR entre 0 y +∞. . . . . . . . . . . . 80
6.9 Lugar Geométrico de las Raı́ces final. . . . . . . . . . . . . . . 82
6.10 Listado del programa en código Matlab. . . . . . . . . . . . . 83
6.11 Determinación de los ángulos de salida. . . . . . . . . . . . . 84
6.12 Sistema de control. . . . . . . . . . . . . . . . . . . . . . . . . 84
6.13 Lugar geométrico de las raı́ces. . . . . . . . . . . . . . . . . . 85
6.14 Sistema de fase no mı́nima. . . . . . . . . . . . . . . . . . . . 85
6.15 LGR del sistema de fase no mı́nima. . . . . . . . . . . . . . . 86
6.16 Sistema con retardo de transporte. . . . . . . . . . . . . . . . 87
6.17 Sistema con retardo de transporte. . . . . . . . . . . . . . . . 87
6.18 Lugar geométrico del sistema con retardo de transporte. . . . 88
6.19 Respuesta al escalón del sistema con retardo de transporte. . 88
6.20 Pantalla gráfica del rltool. . . . . . . . . . . . . . . . . . . . . 90
ÍNDICE DE FIGURAS xiii
6.21 Diagrama de bloques de un sistema de control. . . . . . . . . 91

6.22 Lugar geométrico del sistema de control. . . . . . . . . . . . . 92
6.23 Ingreso de los ceros y polos GH(s) del sistema. . . . . . . . . 93
6.24 Lugar geométrico del sistema de control. . . . . . . . . . . . . 94
6.25 Sistema lineal estable e invariante en el tiempo. . . . . . . . . 94
6.26 Diagrama de Bode para 1/jw. . . . . . . . . . . . . . . . . . . 96
6.27 Diagrama de Bode para jw. . . . . . . . . . . . . . . . . . . . 97
6.28 Ancho de banda BW de |G(jw)|. . . . . . . . . . . . . . . . . 100
6.29 Transición entre estabilidad e inestabilidad. . . . . . . . . . . 101
6.30 Márgen de ganancia y márgen de fase para sistemas estables
e inestables. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.31 Márgen de ganancia y márgen de fase para el ejemplo. . . . . 103
6.32 Diagrama de Nyquist de lazo abierto G(jw). . . . . . . . . . . 104
6.33 Diagrama de Nyquist de sistemas de fase mı́nima tipo 0, tipo
1 y tipo 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.34 Diagrama de bloques de un sistema de control. . . . . . . . . 105
6.35 Camino de Nyquist en el plano s. . . . . . . . . . . . . . . . . 106
6.36 Sistema de control y el camino de Nyquist. . . . . . . . . . . 106
6.37 Contorno en el plano GH y un detalle cerca al origen. . . . . 107
6.38 Diagrama de Nyquist para sistemas: inestable, oscilatorio y
estable. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
6.39 Margen de ganancia y margen de fase para sistemas estables
e inestables. . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.40 Diagrama de Nyquist para el sistema con retardo de transporte.110
7.1 Trayectorias en el plano fásico para sistemas lineales con: a)

amortiguamiento crı́tico, b) Una condición subamortiguada,
c) estabilidad marginal y d) una condición inestable. . . . . . 114
7.2 Trayectorias en el plano fásico de fenómenos no lineales con:
a) un ciclo lı́mite estable, b) un ciclo lı́mite inestable, c) una
respuesta lineal a tramos y d) un sistema con más de un
estado de equilibrio. . . . . . . . . . . . . . . . . . . . . . . . 115
7.3 Trayectorias en el plano fásico de un sistema descrito por
ẍ + ẋ + x = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
7.4 Sistema con limitación en el camino directo. . . . . . . . . . . 117
7.5 a) Diagrama de bloques con Simulink del sistema con satu-
ración, b) Salida y vs r, c) Señal de control u. . . . . . . . . . 118
7.6 Diagrama de bloques completo y su respuesta en el plano fásico.119
7.7 Diagrama de bloques completo y su respuesta en el plano fásico.120
7.8 Diagrama del plano fásico. . . . . . . . . . . . . . . . . . . . . 121
7.9 Trayectoria fásica con un controlador de dos niveles. . . . . . 122
7.10 Diagrama del controlador de dos niveles, su respuesta (y) y
la señal de control (u). . . . . . . . . . . . . . . . . . . . . . . 123
7.11 Sistema de control de tres niveles. . . . . . . . . . . . . . . . 124
xiv ÍNDICE DE FIGURAS
7.12 Sistema de control de tres niveles con histéresis de conmutación.124

7.13 Sistema no lineal: a) Sistema con rozamiento, b) Diagrama
de cuerpo libre, c) rozamiento viscoso, d) rozamiento viscoso,
estático y de coulomb. . . . . . . . . . . . . . . . . . . . . . . 135
7.14 Respuesta fundamental de un elemento con caracterı́stica de
saturación a una entrada sinusoidal. . . . . . . . . . . . . . . 137
7.15 Respuesta fundamental de un elemento de zona muerta a una
entrada sinusoidal. . . . . . . . . . . . . . . . . . . . . . . . . 138
7.16 Sistema de control con caracterı́stica no lineal. . . . . . . . . 138
7.17 Estabilidad en sistemas autónomos. . . . . . . . . . . . . . . . 139
7.18 Representación gráfica de la función de Lyapunov. . . . . . . 139
Índice de Tablas
Capı́tulo 1
Introducción a los Sistemas

de Control
Un sistema de control podrı́a definirse como un conjunto de componentes in-

terrelacionados que proporcionan acciones deseadas. Las diferentes técnicas
de control presentan medios para lograr el funcionamiento óptimo de sistemas
dinámicos, permitiendo mejorar la productividad, automatizar procesos
manuales y repetitivos, brindar seguridad y calidad en la producción industrial.
1.1 Objetivo del Control Automático

El objetivo del control automático es mantener en determinado valor de
operación las variables del proceso. Para tal propósito se diseña el contro-
lador adecuado permitiendo obtener salidas controladas que cumplan con los
requerimientos de diseño. En la figura 1.1 se representa el proceso dinámico
a controlar.
Figura 1.1: Representación del proceso dinámico.

2 Introducción a los Sistemas de Control
1.2 Campos de aplicación

• Control de procesos industriales
• Sistema de pilotaje de aviones
• Control de tráfico
• Control de procesos económicos, etc.
1.3 Definiciones
• Variable controlada: Es la cantidad o condición que se mide y controla.
Por ejemplo la posición angular de un robot industrial.
• Variable manipulada: Es la cantidad o condición producida por el

controlador, denominada también variable de control. Ejemplo de
variable manipulada sera la tensión de salida del controlador que afecte
la variable controlada a un valor deseado.
• Planta: Puede consistir en un equipo, un conjunto de piezas de una

máquina, que realiza una operación determinada. Por ejemplo, un
motor, un horno eléctrico, un vehı́culo espacial, un robot, etc.
• Proceso: Es una operación caracterizado por una serie de sucesos grad-

uales, que tienden a un resultado final deseado. Como ejemplos de
procesos podemos citar a los procesos quı́micos y biológicos.
• Sistema: Es un conjunto de componentes interrelacionados que pro-

porcionan acciones deseadas. Un ejemplo de sistema podrı́a consistir
en un conjunto conformado por el computador (controlador), un brazo
mecánico (planta) y el sensor (componente de realimentacin hacia el
controlador).
• Perturbaciones: Es una señal interna o externa no deseada al sistema

que tiende a afectar su salida. Ejemplos de perturbaciones son ruido
térmico, transitorios en la red eléctrica, variaciones de temperatura,
viento, etc.
1.4 Clasificación de Sistemas de Control

• De acuerdo al tipo de estructura, se clasifican en:
Sistemas de control en lazo abierto (SCLA). Ver figura 1.2(a)

Sistemas de control en lazo cerrado (SCLC). Ver figura 1.2(b)
1.4 Clasificación de Sistemas de Control 3
Figura 1.2: Sistemas de control en lazo abierto y cerrado.
• De acuerdo a su naturaleza, se pueden clasificar como sistemas de con-

trol lineales y no lineales. Todos los sistemas son inherentemente
no lineales. Si las variaciones de magnitud de las variables del pro-
ceso son pequeñas, entonces el sistema puede linealizarse y aplicarse
las técnicas de control lineal; sin embargo, si dichas variaciones son
amplias, entonces tienen que aplicarse técnicas de control no lineal.
A continuación se listan algunos ejemplos de ecuaciones diferenciales
lineales y no lineales.
Lineales:
ẋ = Ax; ẍ = ẋ − 2x; ẍ + 0.4ẋ + 3x = 0

No lineales:
ẍ + aẋ + x3 = bsen(wt); ẍ = −4ẋ + x2
• Sistemas de control invariantes y variantes con el tiempo

Invariantes: Los parámetros no varı́an con el tiempo.
Variantes: Los parámetros varı́an con el tiempo.
• De acuerdo a la tecnologı́a se pueden clasificar en sistemas de control
en tiempo continuo y en tiempo discreto.
Sistemas de control en tiempo continuo: Son aquellos cuyas señales
son continuas en el tiempo t, y pueden describirse mediante ecua-
ciones diferenciales.
Sistemas de control en tiempo discreto: Son aquellos en los cuales

una ó más de las variables pueden cambiar sólo en valores dis-
cretos de tiempo, y pueden describirse mediante ecuaciones en
diferencias.
1.5 Componentes de un Sistema de Control

• Eléctricos
• Electrónicos
• Mecánicos
• Hidraúlicos
• Neumáticos
• Combinación de los anteriores.
1.6 Ejemplos de Sistemas de Control

• Tı́pico intercambiador de calor.
• Control de velocidad en lazo abierto para un motor DC.
• Control de una locomotora eléctrica diesel.

1.6 Ejemplos de Sistemas de Control 5
Figura 1.3: Control de temperatura:(a)neumático; (b) electrónico; (c) Dia-

grama de bloques.
Figura 1.4: (a) Esquema eléctrico del sistema control de velocidad; (b) Di-
agrama de bloques.
Figura 1.5: (a) Sistema de Control de la locomotora,(b) Diagrama de blo-

ques.
Figura 1.6: b) Diagrama de bloques del sistema de control de la locomotora.

Capı́tulo 2
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.
2.2 Tablas de Transformadas de Laplace

Como paso previo a la obtención del modelo de un sistema dinámico, es
necesario conocer una herramienta matemática de vital importancia para
obtener la función de transferencia de un sistema lineal: la transformada de
Laplace. En el desarrollo del curso se usarán tablas de transformadas de
Laplace. En la tabla 2.1 puede observarse la transformada de Laplace de
algunas funciones básicas.
8 Modelos Matemáticos de Sistemas Dinámicos
Tabla 2.1: Transformadas de Laplace de algunas funciones básicas.

f(t) F(s)
1 δ(t) 1
1
2 µ s
1
3 e−at s+a
1
4 t s2
n!
5 tn sn+1
ω
6 sen(ωt) s2 +ω 2
s
7 cos(ωt) s2 +ω 2
1
8 te−at (s+a)2
9 e−at sen(ωt) ω
(s+a)2 +ω 2
(s+a)
10 e−at cos(ωt) (s+a)2 +ω 2
11 (B − Aa)te−at + Ae−at As+B
(s+a)2
(B−Aa) (As+B)
12 e−at [Acos(ω(t)) + ω sen(ωt)] (s+a)2 +ω 2
2.3 Ecuaciones Diferenciales de Sistemas Fı́sicos

Los elementos fı́sicos de parámetros concentrados como la resistencia, la
capacitancia, la inductancia, pueden ser representados por ecuaciones difer-
enciales lineales en función de la diferencia del valor entre los terminales, y
una variable que pasa a través del elemento o componente. En la tabla 2.2
se presenta las ecuaciones diferenciales correspondientes a un conjunto de
elementos eléctricos y mecánicos pasivos.
2.4 Modelos de Estado

Un modelo de estado puede describir sistemas lineales y no lineales, propor-
cionando un fundamento matemático potente para la aplicación de diversas
técnicas analı́ticas. En esta sección se presenta el desarrollo de modelos de
estado lineales.
2.4.1 Representación de sistemas dinámicos en el espacio de

estado
Primer caso: La función excitadora no incluye términos derivativos. Sea el
siguiente sistema de orden n:
dn y(t) dn−1 y(t) dy(t)
n
+ a1 n−1
+ . . . + an−1 + an y(t) = u(t) (2.1)
dt dt dt
Esta ecuación puede ser convertida en n ecuaciones diferenciales de primer
orden, para ello se tiene que elegir n variables, con la siguiente asignación:
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)
x˙1 (t) = ẏ(t) ⇒ x˙1 (t) = x2 (t)

x˙2 (t) = ÿ(t) ⇒ x˙2 (t) = x3 (t)
..
n
.
x˙n (t) = d dty(t)
n ⇒
x˙n (t) = −an x1 (t) − an−1 x2 (t) − . . . − a1 xn (t) + u(t)
El conjunto de ecuaciones de estado, se representa matricialmente ası́:

      
ẋ1 0 1 0 ... 0 x1 0
 ẋ2   0 0 1 . . . 0   x2   0 
      
 ..  =  .. .. .. .. ..   ..  +  ..  u (2.2)
 .   . . . . .   .   . 
ẋn −an −an−1 −an−2 . . . −a1 xn 1
y su forma compacta es la siguiente:

ẋ = Ax + Bu (2.3)
Si consideramos que la salida del sistema y es la variable de estado x1 ,
entonces dicha salida se puede escribir de la siguiente manera:
 
x1
£ ¤
 x2 

y = 1 0 ... 0  .  (2.4)
 .. 
xn
o en su forma compacta
y = Cx + Du (2.5)
donde
   
0 1 0 ... 0 0
 0 0 1 ... 0   0 
   
A= .. .. .. .. ..  B= .. 
 . . . . .   . 
−an −an−1 −an−2 . . . −a1 1
£ ¤
C = 1 0 ... 0 D = [0]
El diagrama de bloques de la ecuación de estado y de la ecuación de
salida se muestra en la figura 2.1.
Figura 2.1: Diagrama de bloques detallado del sistema de orden n
Segundo caso: La función excitadora incluye términos derivativos. Sea el

siguiente sistema de orden n:
n
+ a1 n−1
+ . . . + an−1 + an y(t)
dt dt dt
dn u(t) dn−1 u(t) du(t)
= b0 n
+ b 1 n−1
+ . . . + bn−1 + bn u(t) (2.6)
dt dt dt
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
y su forma compacta es como sigue:

ẋ = Ax + Bu
y = Cx + Du (2.12)
La matriz A es exactamente la misma que la del primer caso. Las derivadas
del miembro derecho de la ecuación (2.6) afectan únicamente a los elementos
de la matriz B.
2.4.2 Modelos de sistemas lineales

Ejemplo 2.1 Obtener el modelo matemático del motor DC contro-
lado por armadura mostrado en la figura 2.2, usando el método
del espacio de estado
Figura 2.2: Diagrama de un motor DC controlado por armadura
Solución
Ecuaciones:
• Circuito eléctrico: Aplicando la ley de Kirchoff a la entrada del circuito

del motor, se obtiene:
dia (t)
ea (t) = Ra ia + La + eb (t) (2.13)
dt
• Conversión de energı́a eléctrica en mecánica: El torque T desarrolla-
do por el motor es proporcional al producto de ia y al flujo ψ en el
entrehierro, el que a su vez es proporcional a la corriente de campo,
donde:
ψ = Kf if
T (t) = Kf if K1 ia
donde Kf y K1 son constantes. Luego K = Kf if K1 . Por con-

siguiente, el torque desarrollado por el motor puede expresarse por:
T (t) = K ia (t) (2.14)
• 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)
En la ecuación (6.18) el torque depende linealmente de Ia ( esta variable de

estado ya fue definida en la ecuación anterior).
La ecuación (2.15) es una ecuación diferencial lineal de 2do. orden, por

consiguiente necesitamos definir 2 variables de estado, las cuales son:
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)
y, finalmente reemplazando las variables de estado en las ecuaciones (6.18)

y (2.15):
J ẋ3 + bx3 = Kx1
⇒
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 su forma compacta es como sigue:
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
Usando la ley de Kirchoff para tensiones, se obtiene:
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)
Figura 2.3: Circuito simple RLC
Derivando la variable de estado x1 respecto del tiempo, se obtiene:

1
ẋ1 = x2 (2.30)
C
Idénticamente, derivando la variable de estado x2 respecto del tiempo, se
obtiene:
1 R 1
ẋ2 = − x1 − x2 + Vin (2.31)
L L L
Las ecuaciones 2.30 y 2.31 pueden reescribirse en su forma matricial:
· ¸ · 1
¸· ¸ · ¸
ẋ1 0 C x1 0
= + 1 Vin
ẋ2 − L1 − RL x2 L
Efectuando la siguiente asignación: R = 10 ohmios, L = 0.2 H, y C = 0.0015

F, obtenemos:
· ¸ · ¸· ¸ · ¸
ẋ1 0 666.6 x1 0
= + Vin (2.32)
ẋ2 −5 −50 x2 5
Si podemos medir Vc entonces tenemos:
y = Cx + Du (2.33)
donde: £ ¤
C= 1 0 D = [0]
2.4.3 Soluciones de las ecuaciones de estado

Solución de un modelo escalar
Sea una ecuación escalar de primer orden dada por:
ẋ = ax(t) + bu(t) (2.34)

con a y b constantes. La transformada de Laplace de la ecuación (2.34) es:

sX(s) − x(0) = aX(s) + bU (s) (2.35)
obteniéndose
x(0) 1
X(s) = +b U (s) (2.36)
(s − a) s−a
Tomando transformada inversa de Laplace a la ecuación (2.36) se obtiene la
solución de la ecuación (2.34):
Z t
at
x(t) = e x(0) + b e(t−τ ) u(τ )dτ (2.37)
0
La respuesta a una entrada cero (entrada u = 0) es
x(t) = x(0)eat (2.38)
La función exponencial se puede representar como una serie infinita, ası́:
1 1
eat = 1 + at + (at)2 + (at)3 + . . . (2.39)
2! 3!
Solución del modelo matricial

Si a la siguiente ecuación de estado de un sistema
ẋ(t) = Ax(t) + Bu(t) (2.40)
se aplica la transformada de Laplace, se obtiene
sX(s) − x(0) = AX(s) + BU (s) (2.41)
De la ecuación (2.41) se obtiene la solución para X(s), ası́:
X(s) = (sI − A)−1 x(0) + (sI − A)−1 BU (s) (2.42)
Efectuando la asignación φ(s) = (sI −A)−1 , la solución de la ecuación (2.42)
es: Z t
x(t) = φ(t)x(0) + φ(t − τ )Bu(τ )dτ (2.43)
0
donde φ(t) es la matriz de transición de estado. Asimismo
φ(t) = eAt = L−1 {φ(s)} = L−1 {(sI − A)−1 } (2.44)
entonces, la ecuación (2.43) puede ser reescrita como:
Z t
at
x(t) = e x(0) + eA(t−τ ) Bu(τ )dτ (2.45)
0
El primer y segundo términos de la ecuación (2.45) corresponden a la re-
spuesta de entrada nula y a la respuesta de estado nulo respectivamente.
Por otro lado, la matriz φ(s) está dada por:
adj(sI − A)
φ(s) = (sI − A)−1 = (2.46)
det(sI − A)
2.4.4 Diagramas de estado

El diagrama de estado es una representación gráfica de las relaciones al-
gebraicas de un modelo de estado usando la transformada de Laplace. La
transmitancia o ganancia total puede determinarse usando la fórmula de
Mason, tal como veremos en la siguiente sección, correspondiente al mode-
lado de un sistema usando la función de transferencia.
Ejemplo 2.3 Obtener el diagrama de estado del siguiente modelo

en el espacio de estado:
· ¸ · ¸· ¸ · ¸ · ¸ · ¸
ẋ1 a b x1 e x1 (0) 1
= + u; = (2.47)
ẋ2 c d x2 f x2 (0) 0
Solución
La ecuación de estado (2.47) se puede reescribir ası́:
ẋ1 = ax1 + bx2 + eu (2.48)
ẋ2 = cx1 + dx2 + f u (2.49)
Aplicando la transformada de Laplace a las ecuaciones (2.48) y (2.49) se
obtiene:
1 a b e
X1 (s) = x1 (0) + X1 (s) + X2 (s) + U (s)
s s s s
1 c d f
X2 (s) = x2 (0) + X1 (s) + X2 (s) + U (s) (2.50)
s s s s
El diagrama de estado correspondiente se muestra en la figura 2.4.
2.4.5 Gestión de los modelos de estado utilizando software

de simulación
• El modelo de estado de procesos lineales se representa por las matrices
A, B, C y D, las cuales se utilizan en un formato común de órdenes
de Matlab. Los algoritmos en el espacio de estado se representan
fácilmente en Matlab; aunque algunas órdenes sirven para modelos de
función de transferencia. La conversin de modelos de estado a funcin
de transferencia se realiza usando la órden ss2tf, y la conversión de
modelos de función de transferencia a espacio de estados se realiza por
medio de la orden tf2ss.
Las órdenes series, parallel, feedback y cloop pueden aplicarse a
modelos de función de transferencia y a modelos de espacio de estados
de bloques interconectados con solamente una ligera variación en la
sintaxis.
Los ejemplos de conversión de modelos utilizando Matlab, se presentan
en la siguiente seccion.
Figura 2.4: Diagrama de estado
• Otra alternativa de describir el modelo de estados, es usando el

diagrama de bloques de SIMULINK. Por ejemplo, en la figura 2.5 se
representa un sistema de control, donde los bloques G2 y H2 se repre-
sentan en el espacio de estado. El modelo de estado de cada bloque se
puede especificar haciendo doble click sobre el bloque y a continuación
introduciendo las correspondientes matrices A, B, C y D. Asimismo,
se puede fijar la condición inicial de cada bloque. El diagrama de blo-
ques en SMIMULINK (en nuestro caso) tiene el nombre sim1, cuyo
modelo de estado se puede obtener aplicando la orden de Matlab
[A,B,C,D] = linmod(’sim1’)
2.5 Modelos de función de transferencia

2.5.1 Función de transferencia de sistemas fı́sicos
La función de transferencia de un sistema se define como la relación entre
la transformada de Laplace de la variable de salida y la transformada de
Laplace de la variable de entrada, suponiendo que todas las condiciones
iniciales son cero. La función de transferencia solo se define para sistemas
lineales y de parámetros constantes. En general, la función de transferencia
2.5 Modelos de función de transferencia 19
Figura 2.5: Diagrama de estado en SIMULINK
de un sistema dada por la ecuación diferencial de orden n:

n
+ a1 n−1
+ . . . + an−1 + an y(t)
dt dt dt
dn u(t) dn−1 u(t) du(t)
= b0 n
+ b 1 n−1
+ . . . + bn−1 + bn u(t) (2.51)
dt dt dt
tiene la siguiente forma:
Y (s) b0 sn + b1 sn−1 + . . . + bn−1 s + bn

G(s) = = (2.52)
U (s) a0 sn + a1 sn−1 + . . . + an−1 s + an
El método es particularmente útil, ya que los ceros y polos en el plano S de

la función de transferencia, representan la respuesta transitoria del sistema.
2.5.2 Diagramas de bloques y diagramas de flujo

Diagramas de bloques
Un diagrama de bloques de un sistema es una representación gráfica de las
funciones realizadas por cada componente y del flujo de las señales. Tal dia-
grama indica las interrelaciones que existen entre los diversos componentes.
Como los sistemas de control se ocupan del control de variables especı́fi-
cas, se requiere conocer la relación entre las variables controladas y la de
control. Esta relación se representa mediante la función de transferencia del

subsistema que relaciona las variables de entrada y salida.
Suponiendo un sistema con entrada R(s) y salida C(s), la función de
transferencia G(s) viene representada por el diagrama de bloques de la figu-
ra 2.6. En sistemas de control se usan frecuentemente puntos de suma y de
bifurcación, muy frecuentes en sistemas de control de lazo cerrado.
Figura 2.6: (a) Elementos de un diagrama de bloques; (b) Diagrama de

bloques como resultado de combinar elementos.
Diagramas de flujo
El método de los diagrams de flujo o gráficos de flujo de señal es otro proced-

imiento alternativo para representar gráficamente la dinámica del sistema
de control.
Un gráfico de flujo de señal consiste en una red en la cual los nodos están
conectados por ramas con dirección y sentido. El sentido del flujo de señal
se indica por una flecha ubicada en la rama y el factor de multiplicación
aparece a lo largo de la rama. El gráfico de flujo de señal despliega el flujo
de señales de un punto de un sistema a otro y da las relaciones entre las
señales.
Sea un sistema definido por el siguiente conjunto de ecuaciones:

x1 = a11 x1 + a12 x2 + a13 x3 + b1 u1 (2.53)
x2 = a21 x1 + a22 x2 + a23 x3 + b2 u2 (2.54)
x3 = a31 x1 + a32 x2 + a33 x3 (2.55)
Los gráficos de flujo de señal correspondiente se muestran en la figura 2.7.
Figura 2.7: Diagramas de flujo del sistema descrito
La transmitancia o ganancia total entre un nodo de entrada y un nodo

de salida puede determinarse usando la fórmula de Mason, dada por:
1 X
P = Pk ∆k (2.56)
∆
k
donde:
Pk : ganancia de trayectoria de la k-ésima trayectoria directa

∆ : determinante del gráfico =1-(suma de todos los lazos individuales) +
(suma de los productos de ganancia de todas las combinaciones posibles
de dos lazos disjuntos) - (suma de los productos de ganancia de todas las
combinaciones
P Pposibles dePtres lazos disjuntos) + . . .
=1- a La + b,c Lb Lc − d,e,f Ld Le Lf + . . .
∆k : cofactor del determinante de la k-ésima trayectoria directa del gráfico
con los lazos que tocan la trayectoria directa k-ésima eliminados.
Ejemplo 2.4 Obtener el modelo matemático y la función de trans-

ferencia para el motor DC controlado por armadura del ejemplo
2.1
Reescribiendo las ecuaciones diferenciales que gobiernan el modelo del
motor DC:
dia (t)
ea (t) = Ra ia + La + eb (t) (2.57)
dt
T (t) = K ia (t) (2.58)
d2 θ dθ
T (t) = J 2
+b (2.59)
dt dt
dθ
eb (t) = Kb (2.60)
dt
La transformada de Laplace de la ecuación (2.57) es:
Ea (s) = Ra Ia (s) + La sIa (s) + Eb (s) (2.61)
Factorizando Ia(s) y despejando dicha variable se obtiene:
1
Ia (s) = ( )(Ea (s) − Eb (s)) (2.62)
sLa + Ra
Si tomamos la transformada de Laplace a la ecuación (2.58) se obtiene:
T (s) = KIa (s) (2.63)
Ahora, si tomamos la transformada de Laplace a la ecuación (2.59) obten-
emos:
T (s) = Js2 θ(s) + bsθ(s) (2.64)
factorizando θ(s) y despejando dicha variable se obtiene:
1
θ(s) = T (s) (2.65)
s(Js + b)
Finalmente aplicando la transformada de Laplace a la ecuación (2.60) se
obtiene:
Eb (s) = Kb sθ(s) (2.66)
Cada una de las ecuaciones queda representada por su correspondiente
diagrama de bloque, que reunidas producen el diagrama de bloques que se
muestra en la figura 2.8. Por consiguiente, la función de transferencia viene
dada por la siguiente ecuación:
θ(s) K
= (2.67)
Ea (s) JLa s + (La b + Ra J)s2 + (Ra b + Kb K)s
3
Reduciendo el diagrama de bloques de la figura 2.8 a la forma mostrada en

la figura 2.9, se obtiene la siguiente función de transferencia:
θ(s) G(s)
= (2.68)
Ea (s) 1 + G(s)H(s)
Figura 2.8: Diagrama de bloques del motor DC controlado por armadura
Figura 2.9: Diagrama de bloques reducido del motor DC controlado por

armadura
2.5.3 Transformaciones de modelos matemáticos lineales

De espacio de estados a función de transferencia
Dado un sistema o proceso en el espacio de estado:
ẋ = Ax + Bu (2.69)
y = Cx + Du (2.70)
puede transformarse fácilmente a la relación de entrada/salida, usando la
siguiente ecuación de transformación:
Y (s)
G(s) = = C(sI − A)−1 B + D (2.71)
U (s)
De función de transferencia a espacio de estados

Supongamos que la función de transferencia de un proceso viene dada por:
Y (s) b1 s + b2
= 2 (2.72)
U (s) s + a1 s + a2
la cual puede reescribirse en la siguiente forma:
s2 Y (s) + a1 sY (s) + a2 Y (s) = b1 sU (s) + b2 U (s) (2.73)
Ahora, tomando transformanda inversa de Laplace a esta última ecuación,

obtenemos:
ÿ(t) + a1 ẏ(t) + a2 y(t) = b1 u̇(t) + b2 u(t) (2.74)
A partir de aquı́ se aplican los criterios de elección de variables de estado y,
luego la derivación de las ecuaciones de estado (ver la sección 2.4).
2.5.4 Modelado utilizando software de simulación

Función de transferencia a espacio de estados
La orden
[A,B,C,D] = tf2ss(num,den)
convierte el sistema de función de transferencia
Y (s) num
= = C(sI − A)−1 B + D (2.75)
U (s) den
a la representación de espacio de estados
ẋ = Ax + Buy = Cx + Du (2.76)
Espacio de estados a Función de transferencia

• Para un sistema de una entrada y una salida, la orden
[num,den] = ss2tf(A,B,C,D)
proporciona la función de transferencia Y (s)/U (s).
• Para un sistema de más de una entrada, utilice la orden
[num,den] = ss2tf(A,B,C,D,iu)
que convierte el sistema en representación de espacio de estados a

función de transferencia, donde ”iu” es un ı́ndice dentro de las entradas
sistema y especifica que entrada se va a utilizar para la respuesta.
Ejemplo 2.5 Dado el circuito RLC del ejemplo 2.2, obtenga la

transformación del modelo de espacio de estados a función de
transferencia
Solución:
Editaremos un archivo en Matlab, de nombre sstf.m, cuyo programa se

muestra en la siguiente pantalla: Al ejecutarse el programa, se obtienen los
coeficientes del numerador y denominador, ası́ como la relación polinómica
de la función de transferencia. Veamos:
num/den =
3333.3333
----------------------
s^2 + 50 s + 3333.3333
num
num =
1.0e+003 *
0 0 3.3333
den
den =
1.0e+003 *
0.0010 0.0500 3.3333
Nota: Como tarea, obtenga la transformación del modelo de función de

transferencia a espacio de estados.
Capı́tulo 3
Análisis de Funcionamiento
de Sistemas de Control
3.1 Introducción
Luego de haber obtenido el modelo matemático del sistema, se debe analizar

el comportamiento del sistema frente a diferentes señales de entrada, que
en la práctica no puede conocerse con anticipación. En casos especiales
dichas señales de entrada son conocidas, pudiendo ser expresadas en forma
analı́tica, o por curvas representativas.
Las señales de prueba de entrada más comúnmente usadas son las fun-
ciones escalón, rampa, impulso, senoidal, etc. La respuesta del sistema de
control a señales de entrada, puede dividirse en una parte transitoria y otra
estacionaria. Dichos comportamientos pueden ser obtenidos gráficamente
por el computador, usando software de simulación, como por ejemplo MAT-
LAB. En los sistemas de control es frecuente usar lazos de realimentación,
que a pesar de su costo y complejidad, son usados por las siguientes razones:
• Disminución de la sensibilidad del sistema frente a variaciones en los

parámetros del proceso o planta.
• Facilidad del control y ajuste de la respuesta transitoria del sistema.
• Mejoramiento en el rechazo de las señales perturbadoras dentro del

sistema.
• Mejoramiento en la reducción del error en estado estacionario del sis-

tema.
28 Análisis de Funcionamiento de Sistemas de Control
3.2 Análisis de respuesta transitoria para sistemas

de primer orden
Consideremos el sistema de primer orden que se muestra en la figura 3.1.
Este sistema puede representar fı́sicamente un circuito RC, un sistema térmi-
co, etc. La figura 3.2 es un diagrama de bloques simplificado. La función de
transferencia o la relación de entrada-salida está dada por:
Y (s) 1
= (3.1)
R(s) Ts + 1
Las entradas de referencia al sistema de control, pueden ser funciones es-
Figura 3.1: Diagrama de bloques de un sistema de primer orden
Figura 3.2: Diagrama de bloques simplificado
calón unitario, rampa unitaria, e impulso unitario. por consiguiente, se

deben analizar las respuestas del sistema a dichas entradas. La salida del
sistema debe ser igual a la entrada de referencia o ”setpoint”.
3.2.1 Respuesta escalón unitario de sistemas de primer or-

den
Considerando una entrada escalón unitario, y despejando la salida Y (s) de
la ecuación 3.1 se obtiene:
1 1
Y (s) = ( ) (3.2)
Ts + 1 s
Expandiendo Y (s) en fracciones parciales se obtiene:
1 T
Y (s) = − (3.3)
s (T s + 1)
Tomando la transformada inversa de Laplace de la ecuación (3.3) se obtiene
y(t) = 1 − e−t/T (t ≥ 0) (3.4)
Evaluando la ecuación (3.4) para diferentes valores de t, se obtienen salidas

que van de o hasta 1. El programa que grafica tal respuesta se lista a
continuación, y la respuesta del sistema se muestra figura 3.3.
% priord2.m
% Ploteo de la respuesta del sstema de primer orden
% 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
Respuesta de un sistema a una entrada escalón unitario

1
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
Si se considera la respuesta del sistema desde t = 0 hasta t = T , entonces se

obtiene que el valor final de y(t) alcanza 0.632 (63.2%). El programa para
este caso es:
% priord1.m
% Ploteo de la respuesta del sstema de primer orden
% 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
3.2.2 Respuesta rampa unitaria de sistemas de primer orden

Considerando una entrada rampa unitaria (1/s2 ), y despejando la salida
Y (s) de la ecuación 3.1 se obtiene:
1 1
Y (s) = ( ) 2 (3.6)
Ts + 1 s
Expandiendo Y (s) en fracciones parciales se obtiene:

1 T T2
Y (s) = − + (3.7)
s2 s (T s + 1)
Tomando la transformada inversa de Laplace de la ecuación (3.7) se obtiene
y(t) = 1 − T + T e−t/T (t ≥ 0) (3.8)
Entonces la señal de error e(t) es
e(t) = r(t) − c(t)
e(t) = T (1 − e−t/T ) (3.9)
El programa en código Matlab para este caso, se presenta a continuación:
% ramp.m
% Ploteo de la respuesta del sistema de primer orden a una entrada
% rampa unitaria
% 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
3.2.3 Respuesta impulso unitario de sistemas de primer or-

den
Para el caso de una entrada impulso unitario, la respuesta del sistema en
términos de la variable s es:
1
Y (s) = ( ) (3.10)
Ts + 1
y en términos del tiempo es:
1 −t/T
y(t) = e (t ≥ 0) (3.11)
T
A continuación spresenta el programa y la respuesta gráfica del sistema una
entrada impulso unitario.
Respuesta de un sistema a una entrada rampa unitaria

70
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

de segundo orden
Consideremos un sistema de segundo orden, debido a que las especificaciones
de funcionamiento de los sistemas, estn definidas para este tipo de sistema.
Respuesta de un sistema a una entrada impulso unitario

0.1
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
Para sistemas de orden mayor, utilizando el concepto de polos dominantes

se aproxima el sistema a uno de segundo orden. Su funcin de transferencia
de lazo cerrado es:
Y (s) ωn2
GLC (s) = = 2 (3.12)
R(s) s + 2ζωn s + ωn2
donde:
ζ : relación de amortiguamiento
ωn : frecuencia natural
El diagrama de bloques del sistema de segundo orden se muestra en la figura

3.7.
Sus polos o raı́ces caractersticas son:
p
s1,2 = −ζωn ± jωn 1 − ζ 2 (3.13)
Los polos pueden ser:
• a) Reales: ζ > 1, sobre-amortiguado
• b) Reales e idénticos: ζ = 1, crı́ticamente amortiguado
• c) conjugados complejos: 0 < ζ < 1, sub-amortiguado

Figura 3.7: Sistema de segundo orden
3.3.1 Respuesta a un escalón unitario

Para el caso sub-amortiguado, la respuesta a un escalón unitario tiene os-
cilaciones amortiguadas, donde se definen algunas especificaciones de fun-
cionamiento que son utilizados como criterios de diseño, entre ellas podemos
citar:
• Porcentaje de sobreimpulso (overshoot)
• Tiempo de asentamiento o establecimiento (settling time)
• Tiempo de subida o de crecimiento (rise time)
• Tiempo de pico máximo (peak time)

• Tiempo de retardo (delay time)
En la figura 3.8 se muestra la respuesta de un sistema de segundo orden.
Los tiempos de retardo td , de pico tp y de asentamiento ts están dadas por:
π−β ωd p
td = β = tg −1 ; σ = ζωn ; ωd = ωn 1 − ζ2 (3.14)
ωd σ
π
tp = p (3.15)
ωn 1 − ζ 2
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)
donde ωn es la frecuencia natural no amortiguada, ωd es la frecuencia natural

amortiguada.
Figura 3.8: Respuesta de un sistema de segundo orden a una entrada escalón

unitario.
De las fórmulas para determinar el tiempo de asentamiento, se puede

observar que si se requiere un menor error en estado estacionario (2%), el
tiempo de asentamiento aumenta.
Un porcentaje de sobrepico pequeño es muy importante en muchas apli-
caciones de control; en tal caso es recomendable considerar el factor de
amortiguamiento comprendido en el rango de 0.4 a 0.8.
3.3.2 Respuesta impulsiva de sistemas de segundo orden

Para una entrada impulso unitario r(t) = δ(t) (con transformada de Laplace
correspondiente R(s) = 1), la respuesta impulso unitario Y (s) del sistema
de segundo orden de la figura 3.7 es:
ωn2
Y (s) = (3.18)
s2 + 2ζωn s + ωn2
La transformada inversa de Laplace de esta última ecuación produce la

siguiente solución temporal y(t):
• Para 0 ≤ ζ < 1
ωn p
y(t) = p e−ζωn t senωn 1 − ζ 2 t; (t ≥ 0) (3.19)
1 − ζ2
• Para ζ > 1
y(t) = ωn2 te−ωn t (3.20)
• 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

de orden superior
3.4.1 Respuesta de sistemas de tercer orden al escalón uni-
tario
Para este caso, la función de transferencia de lazo cerrado es:
Y (s) ωn2 p
= 2 ; (0 < ζ < 1) (3.22)
R(s) (s + 2ζωn s + ωn2 )(s + p)
La respuesta al escalón unitario de este sistema es:
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.
3.4.2 Respuesta transitoria de sistemas de orden superior

Considere el sistema de la figura 3.9 La función de transferencia de lazo
cerrado del sistema es
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
Figura 3.9: Sistema de Control.
En general, G(s) y H(s) son polinomios en s, de la forma:

p(s) n(s)
G(s) = ; H(s) = (3.25)
q(s) d(s)
La función de transferencia de lazo cerrado dada por la ecuación (3.24) queda
expresada como
Y (s) b0 sm + b1 sm−1 + . . . + bm−1 s + bm
= ; (m ≤ n) (3.26)
R(s) a0 sn + a1 sn−1 + . . . + an−1 s + an
Esta última ecuación se puede escribir como
Y (s) K(s + z1 )(s + z2 ) . . . (s + zm )
= (3.27)
R(s) (s + p1 )(s + p2 ) . . . (s + pn )
Suponiendo que todos los polos son distintos, la ecuación (3.27) se puede
reescribir de la siguiente forma:
a X ai
n
Y (s) = + (3.28)
s s + pi
i=1
donde ai es el residuo en el polo s = −pi . La respuesta de este sistema ante

una entrada escalón unitario se obtiene tomando la transformada inversa de
Laplace de Y(s), quedando ası́:
X
q X
r q
y(t) = a + aj e−pj t + bk e−ζkωk t cosωk 1 − ζk2 t
j=1 k=1
X
r q
−ζkωk t
+ ck e csenωk 1 − ζk2 t; (t ≥ 0) (3.29)
k=1
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.
Figura 3.10: Respuesta al escalón de sistemas de orden superior.
3.5 Análisis de respuesta transitoria utilizando soft-

ware de simulación
En esta sección se presentan ejemplos de simulación usando Matlab 5.3.
3.5.1 Respuesta a una entrada escalón a partir de la función

de transferencia del sistema
Sea un sistema con función de transferencia de lazo cerrado dada por
Y (s) 25
= 2 (3.30)
R(s) s + 4s + 25
Obtener una gráfica de la curva de respuesta a un escalón unitario.

Para obtener la respuesta del sistema de control, editamos el siguiente
programa en código Matlab ej31.m:
% ej31.m
% Respuesta a un escaln unitario de una funcin de transferencia
% Ingresamos los coeficientes del numerador y denominador
num = [0 0 25];
den = [1 4 25];
% Ingresamos la orden de respuesta a un escaln unitario

3.5 Análisis de respuesta transitoria utilizando software de simulación 39
[y,x,t] = step(num,den);
plot(t,y)
% Ingresamos la rejilla, ttulo d la grfica y etiquetas para los ejes
grid
title(’Respuesta a un escaln unitario de G(s)=25/(s^2+4s+25)’)
xlabel(’t (s)’)
ylabel(’salida y(t)’)
La respuesta gráfica se muestra en la figura 3.11.
Respuesta a un escalón unitario de G(s)=25/(s2+4s+25)

1.4
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)
Figura 3.11: Respuesta a un escalón unitario.
3.5.2 Respuesta a una entrada escalón de un sistema en el

espacio de estados
Obtener la respuesta al escalón unitario del sistema descrito por
      
ẋ1 0 1 0 x1 0
 ẋ2  =  0 0 1   x2  +  25.04  (3.31)
u
ẋ3 −5.008 −25.1026 −5.0325 x3 −121.005
 
£ ¤ x1
y= 1 0 0  x2  (3.32)
x3
El programa en Matlab que permite obtener la respuesta del sistema a

una entrada escalúnitario es ej32.m que a continuación se muestra.
% ej32.m
% Respuesta a un escaln unitario de un sistema en el espacio de estado
% Ingresamos las matrices A,B,C y D
A=[0 1 0; 0 0 1; -5.008 -25.1026 -5.0325];

B=[0;25.04;-121.005];
C=[1 0 0];
D=[0];
[y,x,t] = step(A,B,C,D);
plot(t,y)
grid
title(’Respuesta a un escaln unitario’)
xlabel(’t (s)’)
La respuesta gráfica se muestra en la figura 3.12.
3.5.3 Respuesta a una entrada impulso unitario

Sea el sistema descrito por
Y (s) 25
= 2 (3.33)
R(s) s + 4s + 25
Obtener la respuesta al impulso unitario.

Para obtener la respuesta del sistema de control a un impulso unitario
(R(s) = 1), lo que hacemos es convertir a una respuesta escalón unitario de
(sGLC (s)):
Y (s) 25 25 1
= 2 =s 2 (3.34)
R(s) s + 4s + 25 s + 4s + 25 s
tal como puede apreciarse en el siguiente programa ej33.m:
% ej33.m
% Respuesta a un impulso unitario de una funcin de transferencia
3.5 Análisis de respuesta transitoria utilizando software de simulación 41
Respuesta a un escalón unitario

1.4
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)
Figura 3.12: Respuesta a un escalón unitario.
% Para obtener la respuesta a un impulso unitario de GLC(s)=25/(s^2+4s+25),

% multiplicamos s por GLC(s) y luego usar la orden de respuesta al escal’on
% unitario
% Ingresamos los coeficientes del numerador y denominador de G(s)
num = [0 25 0];
den = [1 4 25];
[y,x,t] = step(num,den);
plot(t,y)
% Ingresamos la rejilla, ttulo d la grfica y etiquetas para los ejes
grid
title(’Respuesta a un impulso unitario de G(s)=25/(s^2+4s+25)’)
xlabel(’t (s)’)
y la respuesta gráfica se muestra en la figura 3.13.
Respuesta a un impulso unitario de G(s)=25/(s2+4s+25)

3.5
2.5
1.5
salida y(t)
0.5
−0.5
−1
0 0.5 1 1.5 2 2.5 3
t (s)
Figura 3.13: Respuesta a un impulso unitario.
3.5.4 Respuesta a una entrada en rampa

En este caso, para obtener la respuesta a una entrada en rampa de la fun-
ción de transferencia del sistema de control GLC (s), dividimos GLC (s) por
s y luego utilizamos la orden de respuesta a un escalón. Por ejemplo con-
siderando el ejemplo de la subsección anterior:
Y (s) 25 25 1
= 2 =s 2 (3.35)
R(s) s + 4s + 25 s + 4s + 25 s
Como la entrada en rampa unitaria es

1
R(s) =
s2
, entonces
25 1 25 1
Y (s) = = 2 (3.36)
s2 + 4s + 25 s2 (s + 4s + 25)s s
3.6 Análisis de respuesta estacionaria 43
Con el programa ej34.m que se lista a continuación, se obtiene la respuesta

gráfica del sistema de control a una entrada en rampa unitaria.
% 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
% Ingresamos los coeficientes del numerador y denominador de G(s)/s
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,’-’)
% Ingresamos la rejilla, ttulo de la grfica y etiquetas para los ejes
grid
title(’Respuesta a una rampa unitaria de GLC(s)=25/(s^2+4s+25)’)
xlabel(’t (s)’)
text(2.4,3.2,’- : r (t)’)
text(3.2,2.7,’- - : y (t)’)
3.6 Análisis de respuesta estacionaria

En la mayorı́a se sistemas de control, interesa que el valor final de la vari-
able controlada (valor en estado estacionario) sea igual al valor deseado. En
caso de no ser ası́, existe un error en estado estacionario o error permanente.
En un sistema realimentado, dado por el diagrama de bloques de la figura
3.15:
La función de transferencia de lazo cerrado es:
Y (s) G(s)
= (3.37)
R(s) 1 + G(s)H(s)
Se define el estado estacionario como:
ess = limt→∞ e(t) = limt→∞ [r(t) − y(t)] (3.38)

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)
Figura 3.14: Respuesta a una rampa unitaria.
Aplicando la transformada de Laplace y el teorema del valor final obten-

emos:
ess = lims→0 sE(s) (3.39)
donde
R(s)
E(s) = (3.40)
1 + G(s)H(s)
El error estacionario de un sistema depende de las caracterı́sticas del
sistema y por consiguiente del tipo de referencia utilizada. Es ası́, que el error
estacionario está relacionado inversamente por las constantes o ganancias
correspondientes al tipo de referencia. En forma resumida, se presentan las
definiciones de constantes de posición, velocidad y aceleración, como sigue:
• Para una entrada escalón unitario
Kp = lims→0 G(s)H(s) = G(0)H(0) (3.41)
luego
1
ess = (3.42)
1 + Kp
3.6 Análisis de respuesta estacionaria 45
Figura 3.15: Sistema de control.
• Para una entrada rampa unitaria
Kv = lims→0 sG(s)H(s) (3.43)
luego
1
ess = (3.44)
Kv
• Para una entrada parabólica unitaria
Ka = lims→0 s2 G(s)H(s) (3.45)
luego
1
ess = (3.46)
Ka
Se aprecia que el error estacionario depende de la estructura de G(s) en

relación al número de polos en el origen (integradores) que tiene. Se define
que un sistema es de tipo n, si la función de transferencia en lazo abierto
G(s)H(s) tiene n polos en el origen. Además, el error estacionario depende
del tipo de entrada r(t), tal como se puede apreciar en la tabla 3.1.
Tabla 3.1: Resumen de errores en estado estacionario

Núm. integ. en G(s) Entrada: escalón Entrada: rampa Entrada: parábola
(tipo) r(t) = A r(t) = At r(t) = At2 /2
R(s) = A/s R(s) = A/s 2 R(s) = As3
0 A
ess = 1+K p
ess = ∞ ess = ∞
1 ess = 0 ess = KvA
ess = ∞
2 ess = 0 ess = 0 ess = KAa
Las constantes de error Kp , Kv y Ka , de un sistema de control, describen

la capacidad del sistema para reducir o eliminar el error en estado esta-
cionario. Por tanto, se utilizan como medidas numéricas del funcionamiento
en el estado estacionario. Debe incrementarse las constantes de error para

obtener errores en estado estable muy pequeos, manteniendo una respuesta
transitoria aceptable.
3.7 Rechazo a Perturbaciones

Otro factor importante del uso de la realimentación en un sistema de con-
trol es la eliminación parcial de los efectos de las señales perturbadoras. Las
perturbaciones pueden deberse a ruidos inherentes producidos por los tran-
sistores, circuitos integrados, distorsiones indeseadas de sistemas no lineales,
etc. Por consiguiente, los sistemas de control por realimentación presentan
el beneficio de reducir el efecto de la distorsión, ruido y perturbaciones inde-
seadas. Un sistema de control con perturbaciones, se muestra en el diagrama
de bloques de la figura 3.16. Suponiendo que la entrada de referencia es cero
Figura 3.16: Sistema de control con perturbaciones.
o R(s) = 0, la función de transferencia entre Y(s) y N(s) viene dada por

Y (s) Gp (s)
= (3.47)
N (s) 1 + Gp (s)Gc (s)
entonces, la salida Y (s) viene dada por
Gp (s)
Y (s) = N (s) (3.48)
1 + Gp (s)Gc (s)
con E(s) = −Y (s), obtenemos la función de transferencia del siguiente:
E(s) Y (s) Gp (s)
=− =− (3.49)
N (s) N (s) 1 + Gp (s)Gc (s)
El error en estado estacionario debido a una perturbación escalón unitario
viene dado por
−sGp (s) 1
ess = lims→0 sE(s) = lims→0 (3.50)
1 + Gp (s)Gc (s) s
3.7 Rechazo a Perturbaciones 47
Como ejemplo, obtengamos la respuesta del sistema siguiente a una per-

turbación escalón unitario.
Figura 3.17: Sistema de control con perturbaciones.
La respuesta a una entrada perturbacional se puede obtener consideran-

do la entrada de referencia nula. Luego, la función de transferencia entre
Y (s) y Ud (s) es:
1
Y (s) s2 +3.6s+9 s
= =
Ud (s) 1+ 10.4(s2 +4.5192s+15.385) 1 s3 + 14s2 + 56s + 160
s s2 +3.6s+9
(3.51)
La respuesta gráfica se muestra en la figura 3.18, que se obtiene ejecutando
el programa pertur.m.
% pertur.m
% Respuesta a una entrada perturbacional tipo escal’on unitario
% Ingresamos los coeficientes del numerador y denominador de la

% funcin de transferenciaG(s)/s
num = [0 0 1 0];
den = [1 14 56 160];
t=0:0.1:5;
y = step(num,den,t);
plot(t,y)
% Ingresamos la rejilla, ttulo de la grfica y etiquetas para los ejes

grid
title(’Respuesta a una entrada perturbacional tipo escaln unitario’)
xlabel(’t (s)’)
−3 Respuesta a una entrada perturbacional tipo escalón unitario

x 10
14
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)
Figura 3.18: Respuesta del sistema de control a una perturbación escalón

unitario.
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
Figura 3.19: Diagrama de bloques del sistema de control de realimentación

estática.
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
Dada una expresión matemática que relacionaa con T , normalmente es más

simple evaluar el lı́mite cuando ∆a tiende a cero. Entonces, la sensibilidad
queda expresada por
∂T a
SaT = (3.55)
∂a T
Una magnitud en la sensibilida de 1 indica una correspondencia uno a uno
en la variación normalizada de a y T . Una magnitud menor que la unidad
indica que la variación normalizada en a está produciendo una variación
normalizada menor en T y un número real negativo indica que existe una
relación inversa entre un cambio en a y el correspondiente cambio en T .
La sensibilidad aplicada a la ecuación 3.52 (con T = Y /R) con respecto

a K1 es
T K2 K1 1
SK 1
= 2
= (3.56)
(1 + K1 K2 H) T 1 + K1 K2 H
La sensibilidad a variaciones de K1 es pequeña si la ganancia de lazo es
grande. La sensibilidad con respecto a k2 es idéntico al anterior. Si se
determina la sensibilidad con respecto a las variaciones de H, entonces se
obtiene
T −(K1 K2 )2 H −K1 K2 H
SH = = (3.57)
(1 + K1 K2 H)2 T 1 + K1 K2 H
Si la ganancia de lazo es grande, entonces se aprecia que la sensibilidad de
T con respecto a las variaciones H es aproximadamente igual a -1.
El concepto de sensibilidad aplicado a una situación estática, puede tam-
bién extenderse a situaciones dinámicas considerando la sensibilidad como
función de la frecuencia. Existen dos técnicas ligeramente diferentes:
• El primer método consite en sustituir s por jω en la función de trans-

ferencia y después obtener las expresiones de magnitud M (ω) y fase
φ(ω).
• El segundo método consiste en aplicar el cálculo de la sensibilidad

directamente a la función de transferencia ( sin necesidad de convertir
a una función de magnitud o fase).
El segundo método es relativamente más directa, tal como se puede

apreciar en el siguiente ejemplo. Dado el sistema que se muestra en la
figura 3.20, determinemos la sensibilidad de T con respecto a la variación
de Ko . Una notación más simple, que no afecta a los cálculos, es expresar
Figura 3.20: Diagrama de bloques de un sistema de control proporcional.
inicialmente T en términos de s, ası́

Y (s) Ko
T = = 2 (3.58)
R(s) s + s + Ko
y la sensibilidad es
T s(s + 1)
SK = (3.59)
0
s2 + s + Ko
3.9 Respuesta Estacionaria utilizando Software de Simulación 51
Efectuando la sustitución de s por jω y considerando K0 = 10 se obtiene
T jω(jω + 1)
SK = (3.60)
0
(10 − ω 2 ) + jω
de donde, la magnitud de la sensibilidad viene a ser

√
ω ω2 + 1
|SK0 | = p
T
(3.61)
(10 − ω 2 )2 + ω 2
3.9 Respuesta Estacionaria utilizando Software de

Simulación
Los resultados de la simulación de sistemas de control a diferentes señales
de referencia tratados en la sección 3.5, nos muestran respuestas gráficas
de estado transitorio, ası́ como de estado estable. Como ejemplo de tales
resultados, veamos la gráfica que se muestra en la figura 3.21 correspondiente
a la subsección 3.5.4(respuesta a una rampa unitaria).
Figura 3.21: Respuesta a una rampa unitaria.

El error estacionario es la diferencia entre la magnitud de la referen-

cia r y la magnitud de la salida controlada y en cualquier tiempo estable.
Para el ejemplo, el error estacionario es aproximadamente 0.18 y el tiempo
estacionario es aproximadamente 1.65 segundos.
Capı́tulo 4
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.
4.2 Estabilidad Aplicados a Modelos de Estado

Lineales
Un sistema lineal, invariante en el tiempo (SLIT), se describe utilizando el
modelo de estados siguiente:
ẋ = Ax + Bu (4.1)
El sistema es asintóticamente estable si todos los términos de la matriz

de transición tienden a cero cuando el tiempo tiende a infinito. Por
consiguiente, un sistema presenta estabilidad asintótica si
limt→∞ φ(t) = 0 (4.2)
La transformada de Laplace de la matriz de transición es:
adj(sI − A)
φ(s) = (sI − A)−1 = (4.3)
det(sI − A)
donde el polinomio denominador de φ(s) se denomina ecuación caracterı́sti-

ca. Entonces, la estabilidad asintótica se satisface si todas raı́ces o valores
54 Estabilidad
propios del det(sI − A) se localizan en el semiplano izquierdo del plano s.

La ecuación caracterı́stica es:
det(sI − A) = 0 (4.4)
Ejemplo 4.1: Dadas las ecuaciones de estado y de salida del sistema,

descrito por
      
ẋ1 0 1 0 x1 0
 ẋ2  =  0 0 1   x2  +  0  r(t) (4.5)
ẋ3 −6K −8 −6 x3 1
 
£ ¤ x1
y(t) = 6K 0 0  x2  (4.6)
x3
Determinar la estabilidad del sistema.
Solución
¯ ¯
¯ s −1 0 ¯
¯ ¯
det(sI − A) = ¯¯ 0 s −1 ¯ = s3 + 6s2 + 8s + 6K = 0
¯ (4.7)
¯ 6K 8 (s + 6) ¯
Si K = 2.5, las raı́ces de la ecuación caracterı́stica son: s = −5, s = −0.5 +

j1.66, s = −0.5 − j1.66, entonces el sistema es asintóticamente estable,
debido a que las raı́ces tienen parte real negativa.
4.3 Estabilidad Aplicados a Modelos de Función

de Transferencia
Para un sistema de una entrada y una salida (SISO), con un modelo de
función de transferencia Y (s)/R(s), la localización de los polos de la función
de transferencia determinan la estabilidad del sistema.
• Los polos en la parte izquierda del plano S dan como resultado una
respuesta decreciente, por lo tanto, el sistema es asintóticamente es-
table.
• Los polos en el eje jw dan como resultado una respuesta oscilatoria.
• Los polos en el lado derecho dan respuestas crecientes.

4.4 Test de Routh - Hurwitz 55
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.
Ejemplo 4.2: Determinar si la siguiente función de transferencia es estable.

Y (s) 0.8s + 1
= 2 (4.8)
R(s) s +s+1
Solución
Los polos están localizados en −0.5+j0.866 y −0.5−j0.866, por consiguiente,
el sistema es asintóticamente estable.
4.4 Test de Routh - Hurwitz

Este método es muy útil, fundamentalmente cuando el orden del polinomio
es mayor que dos. Si el polinomio del denominador de la función de trans-
ferencia o la ecuación caracterı́stica de un sistema está dada por
a0 sn + a1 sn−1 + . . . + an−1 s + an (4.9)
donde los coeficientes son cantidades reales. El procedimiento del criterio

de Routh-Hurwitz es el siguiente:
1. La condición necesaria pero no suficiente para estabilidad, es que todos
los coeficientes de la ecuación (4.9) estén presentes, y que todos tengan
signo positivo.
2. Si todos los coeficientes son positivos, se colocan en filas y columnas de

acuerdo al siguiente esquema:
 n  ¯¯ ¯
¯

 s   ¯ a0 a2 a4 a6 ... ¯

 
 ¯ a1 a3 a5 a7 ... ¯

 sn−1

 ¯ ¯
 sn−2  ¯¯ b1 b2
  b3 b4 ... ¯
¯
¯ ¯ (4.10)
 sn−3  ¯ c1 c2 c3 c4 ... ¯

  ¯ ¯
 .. 
  ¯ ...

..
.
..
.
..
. . . . ¯¯

 . 
 ¯
 0 ¯ ¯
s ¯ g1 ... ..
.
..
. ... ¯
Los coeficientes b1 , b2 , b3 , etc., se evalúan como sigue:
a1 a2 − a0 a3 a1 a4 − a0 a5
b1 = ; b2 = ...
a1 a1
El mismo procedimiento se usa para calcular los coeficientes c, d, e,
etc, ası́:
b1 a3 − a1 b2 b1 a5 − a1 b3
c1 = ; c2 = ...
b1 b1
56 Estabilidad
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
Para K = 14/9, el sistema se vuelve oscilatorio.

4.5 Estabilidad utilizando software de simulación 57
4.5 Estabilidad utilizando software de simulación

Determinemos por Matlab la estabilidad de los sistemas tratados en los
ejemplos 4.1 y 4.4.
• Estabilidad para el ejemplo 4.1.
% raiz1.m
% La ecuaci’on caracter’istica del sistema est’a dada por:
% det(sI-A)
%
% Ingresemos la matriz A, considerando K=2.5
A=[0 1 0; 0 0 1; -6*2.5 -8 -6];
% Ingresamos la orden para obtener las ra’ices del sistema
eig(A)
Al ejecutarse el programa se obtienen las siguientes raı́ces:
ans =
-0.5000 + 1.6583i
-0.5000 - 1.6583i
-5.0000
confirmándose los resultados obtenidos anteriormente.
• Estabilidad para el ejemplo 4.4.
% 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)
Al ejecutarse obtenemos los siguientes polos del sistema, cuando K =

1.
58 Estabilidad
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.
5.2 Matriz de Transferencia

5.2.1 Matriz de Transferencia de un Proceso
La aplicación de la transformada de Laplace en el desarrollo de una descrip-
ción de la función de transferencia para un sistema dinámico no es exclusiva
de los sistemas de entrada-salida (ES). Se puede aplicar a cualquier sistema
lineal con coeficientes constantes en el espacio de estados. Dichos sistemas
tienen entradas y múltiples salidas (MIMO), de modo que se puede repre-
sentar con una matriz de funciones de transferencia de una entrada y una
salida, donde cada uno de los elementos de la matriz es una función de
transferencia de una entrada y una salida (SISO).
60 Análisis de Sistemas de Control en el Espacio de Estado
Considere el sistema MIMO descrito por:
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
La matriz que relaciona la transformada de Laplace de la salida y(t) con

la transformada de Laplace de la entrada u(t), se denomina matriz de
transferencia Gp (s), dada por
Y (s)
Gp (s) = (5.3)
U (s)
Tomando transformadas de Laplace a las ecuaciones (5.1) y (5.2) se obtiene
sX(s) − x(0) = A x(s) + BU (s) (5.4)

Y (s) = C x(s) + DU (s) (5.5)
Suponiendo condiciones iniciales nulas, es decir x(0) = 0, la ecuación (5.4)

viene a ser
X(s) = (sI − A)−1 BU (s) (5.6)
Al reemplazar la ecuación (5.6) en (5.5), se obtiene
Y (s) = [C(sI − A)−1 B + D]U (s) (5.7)
Comparando las ecuaciones (5.3) y (5.7) se obtiene la siguiente matriz de

transferencia:
Gp (s) = C(sI − A)−1 B + D (5.8)

5.2 Matriz de Transferencia 61
Ejemplo 5.1: Determine la matriz de trasferencia del siguiente conjunto

de ecuaciones de un proceso multivariable:
· ¸ · ¸· ¸ · ¸· ¸
ẋ1 0 1 x1 1 1 u1
= + (5.9)
ẋ2 −2 −3 x2 0 −2 u2
· ¸ · ¸· ¸
y1 0 −2 x1 £ ¤
= ; D= 0 0 (5.10)
y2 1 0 x2
Solución
En primera instancia, determinemos la estabilidad del modelo del pro-

ceso.
¯ ¯
¯ s −1 ¯
det(sI − A) = ¯¯ ¯ = s2 + 3s + 2 = 0 (5.11)
2 s+3 ¯
det(sI − A) = (s + 1)(s + 2) (5.12)
Luego el proceso es estable.

Ahora, calculemos la matriz de transferencia del proceso, dada por
Gp (s) = C(sI − A)−1 B + D (5.13)
Como se puede observar, es necesario determinar previamente la matriz

(sI − A)−1 , dada por la siguiente expresión:
· ¸
s+3 1 " #
1
−2 s s+3
(s+1)(s+2) (s+1)(s+2)
(sI − A)−1 = = −2 s (5.14)
(s + 1)(s + 2) (s+1)(s+2) (s+1)(s+2)
Reemplazandola ecuación 5.14 en la ecuación 5.13 se obtiene:

· ¸" s+3 1
#· ¸
0 −2 (s+1)(s+2) (s+1)(s+2) 1 1
Gp (s) = −2 (5.15)
1 0 (s+1)(s+2)
s
(s+1)(s+2) 0 −2
que conduce a la siguiente matriz de transferencia:

" #
4 4
(s+1)(s+2) (s+2)
Gp (s) = s+3 1 (5.16)
(s+1)(s+2) (s+2)
Figura 5.1: Diagrama de bloques simplificado de un sistema de control mul-

tivariable
5.2.2 Matriz de Transferencia de un Sistema de Control

Un sistema de control puede tener diversas configuraciones: cascada, reali-
mentados (feedback), prealimentados (feedforward), etc. En esta subsección
obtendremos la matriz de transferencia de un sistema de control en cascada,
tal como se muestra en la figura 5.1.
Del diagrama de bloques de la figura 5.1, se tiene que, las ecuaciones de
estado y de salida del proceso son:
ẋ = Ax + Bu (5.17)
y = Cx + Du (5.18)
La ley de control proveniente del controlador multivariable es:
u = Gc e = Gc (r − y) = Gc (r − Cx) = Gc r − Gc Cx (5.19)
Reemplazando la ecuación 5.19 en la ecuación 5.17 se obtiene:
ẋ = (A − BGc C)x + BGc r (5.20)
Efectuando la asignación Â = (A−BGc C), B̂ = BGc , donde Gc es la matriz

del controlador, tomemos la transformada de Laplace a la ecuación 5.20.
sX(s) − x(0) = ÂX(s) + B̂R(s) (5.21)
Despejando X(s) tendremos la solución para X(s), ası́:
X(s) = (sI − Â)−1 x(0) + (sI − Â)−1 B̂R(s) (5.22)
Considerando condiciones iniciales nulas, la solución para X(s) es:
X(s) = (sI − Â)−1 B̂R(s) (5.23)
Reemplazando la ecuación 5.23 en 5.18 se obtiene la expresión de la salida
Y (s) = [(C − DGc C)(sI − Â)−1 B̂ + DGc ]R(s)

= [(C − D̂C)(sI − Â)−1 B̂ + D̂]R(s) (5.24)
5.3 Solución de las ecuaciones de estado lineales e invariantes en el tiempo 63
con D̂ = DGc . Luego, la matriz de transferencia es:
Y (s)
GLC (s) = = (C − D̂C)(sI − Â)−1 B̂ + D̂ (5.25)
R(s)
Si la matriz D es nula (caso frecuente), entonces la matriz de transferencia

del sistema de control viene dada por
Y (s)
GLC (s) = = C(sI − Â)−1 B̂ (5.26)
R(s)
5.3 Solución de las ecuaciones de estado lineales e

invariantes en el tiempo
La solución a la ecuación de estado matricial de un proceso, dada por la
ecuación 5.1 fue tratada en el capı́tulo 2. En este capı́tulo y sección tratare-
mos sobre la solución de la ecuación de estado matricial del sistema de
control (controlador + proceso).

control en cascada
La solución laplaciana a la ecuación de estado de un sistema de control en
cascada fue obtenida en la subsección 5.2.2. Ver ecuaciones (5.22) y (5.23).
Si se conocen las matrices Â, B̂, la entrada de referencia R y las condi-
ciones iniciales, entonces, la solución temporal se obtiene tomando la trans-
formada inversa de Laplace a la ecuación (5.22) o a la ecuación (5.23), de-
pendiendo si se consideran o nó las condiciones iniciales. Por lo tanto, por
ejemplo si las condiciones iniciales son nulas, la solución viene dada por:
x(t) = L−1 {X(s)} = L−1 {(sI − Â)−1 B̂R(s)} (5.27)

control proporcional realimentado
El sistema de control proporcional realimentado de orden n se muestra en la
figura 5.2. De dicha figura podemos escribir la siguiente ley de control que
gobierna el sistema:
£ ¤
u = −Kx + k1 r; K= k1 k2 k3 . . . kn (5.28)
La ecuación de estado del proceso está dado por:
ẋ = Ax + Bu (5.29)
Figura 5.2: Diagrama de bloques de un sistema de control proporcional

realimentado
Reemplazando la ecuación 5.28 en 5.29 se obtiene la siguiente ecuación de

estado del sistema de control:
ẋ = (A − BK)x + Bk1 r (5.30)
Efectuando la asignación Â = (A − BK), B̂ = Bk1 , y tomando la transfor-

mada de Laplace a la ecuación 5.30.
sX(s) − x(0) = ÂX(s) + B̂R(s) (5.31)
Despejando X(s) tendremos la solución para X(s), ası́:
X(s) = (sI − Â)−1 x(0) + (sI − Â)−1 B̂R(s) (5.32)
Considerando condiciones iniciales nulas, la solución para X(s) es:
X(s) = (sI − Â)−1 B̂R(s) (5.33)
y la solución temporal está dada por:
x(t) = L−1 {X(s)} = L−1 {(sI − Â)−1 B̂R(s)} (5.34)
solución que tiene la misma forma a la solución de la subsección anterior,

con la diferencia que las matrices Â y B̂ tienen diferentes expresiones, que
dependen de la configuración del controlador usado.
5.4 Controlabilidad 65
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)
donde n es el orden del proceso. Esto significa que el det(M ) 6= 0.
Ejemplo 5.2: Dadas las ecuaciones de estado y de salida de un proceso

· ¸ · ¸· ¸ · ¸
v̇1 −1 1 v1 0
= + u (5.36)
v̇2 2 −2 v2 2
· ¸
£ ¤ v1
y1 = −1 1 (5.37)
v2
Solución
La matriz de controlabilidad del proceso es:

· ¸
£ ¤ 0 2
M = B AB = (5.38)
2 −4
El rango de M es 2 (igual al orden del proceso), por consiguiente el proceso

es completamente controlable.
Ejemplo 5.3: Dadas las siguientes ecuaciones de estado de un proceso:
ẋ1 = −x1
ẋ2 = x1 + x2 + u (5.39)
Determinar si es completamente controlable.
Solución
La ecuación de estado matricial viene a ser

· ¸ · ¸· ¸ · ¸
ẋ1 −1 0 x1 0
= + u (5.40)
ẋ2 1 1 x2 1
donde las matrices A y B están dadas por

· ¸ · ¸
−1 0 0
A= ; B=
1 1 1
La matriz de controlabilidad del proceso es:
· ¸
£ ¤ 0 0
M = B AB = (5.41)
1 1
Luego, el rango de M es 1 (rango de M < n), por consiguiente el proceso no
es completamente controlable.
De las ecuaciones de estado, se puede observar que la entrada de control
u(t) no tiene efecto sobre toda la evolución de la variable de estado x1 (t).
Si el objetivo es transferir x(t) a 0, aún se puede diseñar un controlador
para lograrlo, puesto que x1 (t) se aproxima a cero automáticamente (aun
cuando lo haga a su propio paso). De esta manera, puede no requerirse la
controlabilidad completa para todas las situaciones de control.
5.5 Observabilidad
Considere el sistema no forzado descrito por las siguientes ecuaciones:
ẋ = Ax (5.42)
y = Cx (5.43)
Se dice que el sistema es totalmente observable, si cada estado x(t0 ) se

puede determinar a partir de la observación de y(t) en un intervalo de tiempo
finito t0 ≤ t ≤ t1 . Por lo tanto, el sistema es completamente obervable, si
cada transición del estado afecta eventualmente a cada elemento del vector
de salida.
El sistema es completamente observable si y solo si la matriz de ob-
servabilidad
 
C
 CA 
 
N = ..  (5.44)
 . 
CAn−1
sea de rango n. Dicha matriz de observabilidad puede ser dada en forma
equivalente, ası́:
£ ¤
N = C ∗ A∗ C ∗ . . . (A∗ )n−1 C ∗ (5.45)
Ejemplo 5.4: Determine la observabilidad del siguiente sistema:

· ¸ · ¸· ¸ · ¸
ẋ1 2 0 x1 1
= + u (5.46)
ẋ2 −1 1 x2 −1
5.6 Controlabilidad y observabilidad utilizando software de simulación 67
· ¸
£ ¤ x1
y= 1 1 (5.47)
x2
Solución
La matrices del sistema son:

· ¸ · ¸
2 0 1 £ ¤
A= ; B= ; C= 1 1
−1 1 −1
La matriz de observabilidad viene a ser:

· ¸
£ T
¤ 1 1
N= C AT C T = (5.48)
1 1
El rango de N es 1, por lo que el sistema no es completamente observable.
5.6 Controlabilidad y observabilidad utilizando

software de simulación
La controlabilidad y observabilidad de un sistema podemos obtenerla fácil-
mente usando software de simulación, particularmente con Matlab. En Mat-
lab existen órdenes directas como ctrb y obsv que permiten obtener la con-
trolabilidad y observabilidad de un sistema en el espacio de estados. Sin
embargo también podemos obtener el mismo resultado usando las expre-
siones de las matrices de controlabilidad y observabilidad, tal como veremos
en los siguientes ejemplos.
Ejemplo 5.5: Determinar la controlabilidad y observabilidad de una planta,

representada pon el siguiente sistema de ecuaciones de estado y de salida:
      
ẋ1 −1 1 0 x1 1
 ẋ2  =  0 0 0   x2  +  5  u (5.49)
ẋ3 5 0 −5 x3 0
 
£ ¤ x1
y= 0 0 1  x2  (5.50)
x3
Solución
El programa en c’odigo Matlab es:

%
% cont_ob1.m
% Determinaci’on de la controlabilidad y observabilidad
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)
Los resultados de la ejecución son los siguientes:
Co =
1 4 -4
5 0 0
0 5 -5
ans =
Ob =
0 0 1
5 0 -5
-30 5 25
ans =
25
Se puede apreciar que el modelo de la planta no es completamente con-

trolable, pero sı́ completamente observable.
Ejemplo 5.6: Determinar la controlabilidad y observabilidad de planta del

ejemplo 5.5, pero usando las definiciones de matrices de controlabilidad y
observabilidad.
Solución
El programa en Matlab es el siguiente:

5.7 Sistemas lineales variantes en el tiempo 69
% 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.
5.7 Sistemas lineales variantes en el tiempo

En esta sección trataremos sobre la solución de ecuaciones de estado vari-
antes en el tiempo, denominados también ecuaciones de estado inesta-
cionarios.
5.7.1 Solución de ecuaciones de estado variantes en el tiempo

Sea el sistema variante en el tiempo descrito por las ecuaciones de estado y
de salida
ẋ(t) = A(t)x(t) + B(t)u(t)

y(t) = C(t)x(t) + D(t)u(t) (5.51)
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
ẋ(t) = A(t)x(t) (5.52)
En primera instancia, mostraremos por qué el método aplicado para deducir

la solución en el caso estacionario no sirve. Recordemos de la teorı́a de
ecuaciones diferenciales que una condición suficiente para la existencia y
unicidad de la solución de la ecuación (5.52) es que la función matricial A(t)
sea una función continua de t. Es decir, para cada par (t0 , x(t0 )), la ecuación
lineal (5.52) con A(t) continua tiene una solución única y continuamente
diferenciable.
En el caso invariante o estacionario ẋ(t) = Ax(t) lo que se hizo fue
extender la solución de la ecuación escalar ẋ(t) = ax(t) para mostrar que la
solución general era x(t) = eAt x0 , usando la propiedad de conmutatividad
de A con eAt la ecuación
d At
e = AeAt = eAt A (5.53)
dt
Ahora, para el caso inestacionario sabemos que la solución de la ecuación
escalar inestacionaria ẋ(t) = a(t)x(t) con condición inicial x(0) es
Rt
a(τ )dτ
x(t) = e 0 x(0) (5.54)
Sabemos además de la propiedad
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
ẋ(t) = A(t)x(t) (5.60)
que es X(t), o bién 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:
1. La matriz A(t) es triangular; como por ejemplo en

· ¸ · ¸· ¸
ẋ1 (t) a11 (t) 0 x1 (t)
= (5.62)
ẋ2 (t) a21 (t) a22 (t) x2 (t)
En este caso podemos reescribir la ecuación matricial (5.62) en ecua-

ciones individuales, ası́:
x˙1 (t) = a11 (t)x1 (t) (5.63)
x˙2 (t) = a21 (t)x1 (t) + a22 (t)x2 (t) (5.64)

y luego resolver la ecuación (5.63), para posteriormente reemplazar la
solución x1 (t) en la ecuación (5.64), y determinar la solución x2 (t).
2. La matriz A(t) posee la propiedad conmutativa

Z t Z t
A(t)( A(τ )dτ ) = ( A(τ )dτ )A(t) (5.65)
0 0
para todo t y t0 (como es el caso de A(t) diagonal o constante). En-

tonces puede demostrarse que la solución está dada por
Rt ∞
X Z t
A(τ )dτ 1
φ(t, t0 ) = e t0 = ( A(τ )dτ )k (5.66)
k! t0
k=0
Haciendo extensivo estos resultados a un sistema inestacionario descrito

por las ecuaciones
ẋ(t) = A(t)x(t) + B(t)u(t)
y(t) = C(t)x(t) + D(t)u(t) (5.67)
con condiciones iniciales x(t0 ) = x0 y entrada u(t), se obtiene la solución
Z t
x(t) = φ(t, t0 )x0 + φ(t, τ )B(τ )u(τ )dτ (5.68)
t0
Ejemplo 5.7: Obtener φ(t, 0) para el sistema variable en el tiempo

· ¸ · ¸· ¸
ẋ1 (t) 1 0 x1
= (5.69)
ẋ2 (t) 0 t x2
Solución
Usando la ecuación (5.66) se obtiene la matriz de transición siguiente:

Z t Z
1 t
φ(t, 0) = I + A(τ )dτ + ( A(τ )dτ )2 + . . . (5.70)
0 2 0
Calculemos primeramente la ecuación
Z t Z t· ¸ · ¸
1 0 t 0
A(τ )dτ = dτ = t2 (5.71)
0 0 0 τ 0 2
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
Métodos Gráficos de Análisis

de Sistemas de Control
Este capı́tulo trata sobre el uso de métodos gráficos de análisis de sistemas

de control, como el Lugar Geométrico de las Raı́ces (LGR), Bode y Nyquist.
6.1 Método del Lugar Geométrico de las Raı́ces

El Lugar Geométrico de las Raı́ces son la trayectoria que describen la varia-
cion en la localización de las raı́ces en el plano s cuando varı́a la ganancia del
sistema desde 0 a ∞. Esta técnica es útil en el estudio de los cambios que
ocurren en el comportamiento de sistemas lineales frente a las variaciones de
sus parámetros. Diremos que este método permite hallar los polos de lazo
cerrado partiendo de los polos y ceros de lazo abierto, tomando la ganancia
como parámetro, brindando ası́ una presentación gráfica de todos los polos
de lazo cerrado.
Sea el sistema de la figura 6.1. La función de transferencia de lazo cerrado
es:
Y (s) G(s)
= (6.1)
R(s) 1 + G(s)H(s)
La ecuación caracterı́stica para este sistema se puede obtener igualando a
cero el denominador de la ecuación (6.1)
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) = ±180(2k + 1), para k = 0, 1, 2, ... (6.4)

74 Métodos Gráficos de Análisis de Sistemas de Control
Figura 6.1: Diagrama de bloques de un sistema de control
2. Condición de magnitud, amplitud o módulo
|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 )
Para comenzar a trazar el lugar geométrico de las raı́ces (LGR), se debe

conocer la ubicación de los polos y ceros de lazo abierto G(s)H(s). Los
ángulos de las cantidades complejas originadas en los polos y ceros de lazo
abierto y que abarcan hasta el punto de prueba s, se miden en sentido
antihorario. Supongamos que G(s)H(s) viene dada por
K(s + z1 )
G(s)H(s) = (6.8)
(s + p1 )(s + p2 )(s + p3 )(s + p4 )
donde −p2 y −p3 son polos complejos conjugados. El ángulo de G(s)H(s)

es:
∠G(s)H(s) = φ1 − θ1 − θ2 − θ3 − θ4 (6.9)
donde φ1 , θ1 , θ2 , θ3 y θ4 se miden en sentido antihorario, según puede

apreciarse en las figuras 6.2.
6.1 Método del Lugar Geométrico de las Raı́ces 75
Figura 6.2: Diagramas que muestran los ángulos desde polos y ceros de lazo
abierto al punto de prueba s.
6.1.1 Reglas generales para construir el lugar geométrico de

las raı́ces (LGR)
Considerando el diagrama de bloques de la figura 6.1, los pasos para construir
el LGR son los siguientes:
1. Se obtiene la ecuación caracterı́stica:
1 + G(s)H(s) = 0 (6.10)
y se reescribe de modo que aparezca en la siguiente forma

K(s + z1 )(s + z2 ) . . . (s + zm )
1+ , para K > 0 (6.11)
(s + p1 )(s + p2 ) . . . (s + pn )
luego se ubican los polos y ceros de lazo abierto G(s)H(s).
2. Se hallan los puntos de inicio y fin del LGR y se determina la cantidad

de ramas del LGR. Los puntos del LGR correspondientes a K = 0 son
polos de lazo abierto. Cada rama del LGR se origina en un polo de
G(s)H(s). Al tender K a infinito, cada rama del LGR tiende hacia
un cero de G(s)H(s) o hacia infinito en el plano complejo. Un diagra-
ma del LGR debe tener tantas ramas como raı́ces tiene la ecuación
caracterı́stica.
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
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
7. Se determina la intersección del LGR con el eje imaginario, usando

para ello el criterio de estabilidad de Routh.
8. El valor de K correspondiente a cualquier punto s sobre el LGR se
puede obtener con la condición de magnitud, dada por:
producto de las distancias entre el punto s y los polos
K= (6.15)
producto de las distancias entre el punto s y los ceros
9. Determinar el LGR en una zona amplia del eje jw y el origen.

Ejemplo de diseño con aplicaciones de Matlab
Dado el sistema de control mostrado en la figura 6.3, trazar el lugar
geométrico correspondiente.
Veamos los siguientes pasos de diseño:
Figura 6.3: Sistema de Control.
1. Ubicación de polos y ceros de lazo abierto en el plano s (Ver figura

6.4).
Figura 6.4: Ubicación de polos y ceros de lazo abierto en el plano s.
2. Nmero de ramas del LGR:

n = nmero de polos finitos = 4, entonces existen 4 ramas del LGR.
3. Bosquejo del LGR.

La función de transferencia de lazo cerrado del sistema es:
K(s+2)
Y (s) s(s+1)(s2 +2s+2)
= K(s+2)
(6.16)
R(s) 1 + s(s+1)(s 2 +2s+2)
luego, la ecuación caracterı́stica del sistema de lazo cerrado es:
K(s + 2)
1+ =0 (6.17)
s(s + 1)(s2 + 2s + 2)
Evaluando se obtiene:
s(s + 1)(s2 + 2s + 2) + K(s + 2) = 0

s4 + 3s3 + 4s2 + (2 + k)s + 2K = 0 (6.18)
Si:
• K = 0 ⇒ s4 + 3s3 + 4s2 + 2s = 0 ⇒ las raı́ces son:

s = 0; s = −1 ± j; s = -1
• K = 0.2 ⇒ s4 + 3s3 + 4s2 + 2.2s + 0.4 = 0 ⇒ las raı́ces son:
s = −1.0179 ± 0.8836j ; s = -0.5927; s = -0.3714
• K = 0.5 ⇒ s4 + 3s3 + 4s2 + 2.5s + 1 = 0 ⇒ las raı́ces son:
s = −1.1649 ± 0.7483j ; s = −0.3351 ± 0.6398j
• K = 5 ⇒ s4 + 3s3 + 4s2 + 7s + 10 = 0 ⇒ las raı́ces son:
s = −1.8332 ± 0.6899j ; s = 0.3332 ± 1.5797j
podemos plotear ligeramente el LGR, tal como se muestra en la figura
6.5
Figura 6.5: Lugar geométrico aproximado.
4. Determinación del LGR sobre el eje real.

Este paso ya no es necesario hacerlo, debido a que en el paso (3) se
obtuvo un bosquejo del LGR, donde puede apreciarse las trayectorias
de los polos de lazo cerrado del sistema; sin embargo, tan solo por
razones didácticas comprobaremos la existencia o inexistencia del LGR
en determinados puntos del eje real.
a) Veamos si existe LGR entre -1 y -2 (ver figura 6.6):
X X
∠ceros − ∠polos = ±180o (2k + 1)
0o − (180o + 180o ) = 360o (6.19)
⇒ no satisface la condición de ángulo, luego no existe LGR.
b) Veamos si existe LGR entre -2 y - ∞ (ver figura 6.7):
X X
∠ceros − ∠polos = ±180o (2k + 1)
180o − (180o + 180o ) = 180o (6.20)
Figura 6.6: Averiguando si existe LGR entre -1 y -2.
Figura 6.7: Averiguando si existe LGR entre -2 y -∞.
⇒ sı́ satisface la condición de ángulo, luego sı́ existe LGR.

c) Veamos si existe LGR entre 0 y + ∞ (ver figura 6.8):
X X
∠ceros − ∠polos = ±180o (2k + 1)
0o − (0o + 0o ) = 0o (6.21)
⇒ no satisface la condición de ángulo, luego no existe LGR.
5. Determinacin de las ası́ntotas del LGR.
Cuando K → ∞, el número de ramas que tiende a ∞ es n-m: 4 - 1 =
3, luego se tendrá 3 ası́ntotas.
±180o (2k + 1)
θk = (6.22)
n−m
Figura 6.8: Averiguando si existe LGR entre 0 y +∞.
• 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
6. Determinación de los puntos de ruptura.

Presentando la ecuación caracterı́stica en la forma:
f (s) = B(s) + KA(s) = 0

f (s) = s + 3s + 4s2 + (2 + K)s + 2K = 0
4 3
f (s) = (s4 + 3s3 + 4s2 + 2s) + K(s + 2) = 0 (6.27)
Los puntos de ruptura se pueden determinar de las raı́ces de:
dK
=0 (6.28)
ds
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:
3s4 + 14s3 + 22s2 + 16s + 4 = 0 (6.31)
cuyas raı́ces son:

s=−2.5033 ≈ −2.5; s = −0.8417±0.6335j (no cumple); s = −0.4799 ≈
−0.48 Luego, los puntos de ruptura son:s=−2.5; s = −0.48 (que se
verifican en el diagrama del LGR). Reemplazando estos dos puntos
de ruptura en la ecuación para K, se determinan las correspondientes
ganancias K, ası́:
• Para s = -2.5 ⇒ la ganancia es:

(−2.5)4 + 3(−2.5)3 + 4(−2.5)2 + 2(−2.5))
K = −
(−2.5 + 2)
K = 24.37
• Para s = -0.48 ⇒ la ganancia es: K=0.209
7. Determinacin de los puntos de cruce con el eje imaginario.

Usando el criterio de estabilidad de Routh para:
s4 + 3s3 + 4s2 + (2 + K)s + 2K = 0 (6.32)
 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)
se obtienen los siguientes valores de K:

K = -11.7082 valor extraño
K = 1.7082 ≈ 1.71 valor correcto
Reemplazando este valor de K en la ecuación auxiliar:
3s3 + (2 + K)s = 0
se obtienen las raı́ces: s = ±1.11j
PREGUNTA: Con K = 10 y K = 0 se obtiene oscilación?
8. Con base a la información obtenida en los pasos previos, trazar el LGR

final (ver figura 6.9). El programa en MATLAB para obtener el LGR
Figura 6.9: Lugar Geométrico de las Raı́ces final.
se muestra en la figura 6.10.
9. Determinación de los ángulos de salida y llegada.

Considerando S1 muy cerca del punto de partida -1+j , el ángulo de
salida o partida se calcula aplicando el criterio de ángulo, ası́:
X X
∠ceros − ∠polos = ±180o (2k + 1)
45o − (135o + +90o + 90o + Θx ) = +180o
⇒ Θx = −450o = −90o
Los ángulos de llegada se calculan en forma similar, es decir aplicando

el criterio del ángulo.
Figura 6.10: Listado del programa en código Matlab.
6.1.2 Análisis de Sistemas de Control mediante el LGR

En esta sección no se pretende analizar sistemas de control especı́ficos, tales
como el PI, PD, PID, etc, sino, hacer el análisis de sistemas de control
condicionalmente estables y sistemas de control de fase no mı́nima.
Sistemas condicionalmente estables

Se dice que un sistema es condicionalmente estable, si es estable solamente
para rangos limitados del valor de la ganancia K.
Por ejemplo, sea el sistema de la figura 6.12, cuya ecuación caracterı́stica
viene dada por:
K(s2 + 2s + 4)
1+ =0
s(s + 4)(s + 6)(s2 + 1.4s + 1
K(s2 + 2s + 4)
=1+ 5 =0
s + 11.4s4 + 39s3 + 43.6s2 + 24s
y que hacendo uso del comando rlocus de Matlab, se obtiene el LGR de
dicho sistema que se muestra en la figura 6.13.
El sistema es estable en los rangos siguientes:
0 < K < 14 , 64 < K < 195
El sistema se vuelve inestable en los rangos siguientes:
14 < K < 64 ,y 195 < K

Figura 6.11: Determinación de los ángulos de salida.
Figura 6.12: Sistema de control.
Entonces, a este tipo de sistema se le denomina condicionalmente estable,

caracterizado por su comportamiento peligroso, ya que en la práctica puede
producir saturación. Una forma de evitar la estabilidad condicional, es,
agregando un cero, con lo que consigue que el lugar geométrico se mueva
hacia la izquierda, haciendo que el sistema se vuelva completamnte estable.
Sistemas de fase no mı́nima
Se dice que un sistema es de fase no mı́nima, si al menos un polo o cero

se encuentra en el semiplano derecho del plano s. Contrariamente, un sis-
tema de fase mı́nima es aquel en que todos los polos y ceros del sistema se
encuentran en el semiplano izquierdo de s.
Como ejemplo, veamos el diagrama de bloques de la figura 6.14, en el
que podemos apreciar que el cero está localizado en el semiplano derecho de
s. Su correspondiente LGR se muestra en la figura 6.15.
Pueden existir sistemas de fase no mı́nima que además del parámetro de
ganancia K puede ser función de otros parámetros, lo que llevarı́a a que K
sea función de esos otros parámetros, por consiguiente el LGR correspondi-
ente variarı́a de acuerdo a la variación de K, y su estabilidad estarı́a dentro
de un rango limitado.
Figura 6.13: Lugar geométrico de las raı́ces.
Figura 6.14: Sistema de fase no mı́nima.
6.1.3 Lugar Geométrico de las Raı́ces para Sistemas con Re-

tardo de Transporte
El modelo que se presenta en la figura 6.16 describe una operación de control
de proceso hipotética. Suponga que la máquina de la izquierda combina
varios lı́quidos y sólidos particulares para formar un compuesto laminado
continuo que se desplaza hacia la derecha. Cuando la lámina solidifica, se
obtienen medidas de las propiedades tal como el grosor y la densidad, y esta
información se utiliza para proporcionar la realimentacin al controlador. La
magnitud del retardo temporal se determina por la distancia entre el punto
de control y los sensores dividido por la velocidad de movimiento. Por lo
tanto, el tiempo de retardo τ es igual a τ = d/ν.
En la figura 6.17 se muestra un diagrama de bloques del sistema de con-
Figura 6.15: LGR del sistema de fase no mı́nima.
trol con modelos de funciones de transferencia de todos los componentes del

sistema que contribuyen al control del grosor del material manufacturado.
Si se asume que el grosor en el punto de control se designa por x(t), en-
tonces la señal de grosor en el sensor es y(t) = x(t − τ ), y la transformada
de Laplace es Y (s) = e−sτ X(s). Por lo tanto, la función de transferencia
Y (s)
del retardo es X(s) = e−sτ .
Una representación de polos y ceros de e−sτ requiere un número infinitos
de ceros y/o polos. Una expansión en series infinita de la función del retardo
produce:
s2 τ 2
e−sτ = 1 − sτ + − ...
2!
Esta función se puede truncar para obtener una función de transferencia que
es aproximadamente válida si el retardo es suficientemente pequeño. En la
siguiente sección trataremos este mismo ejemplo, pero usando la respuesta
en frecuencia, ofreciéndonos un mejor tratamiento al problema de retardo
de transporte. La ecuación caracterı́stica del sistema de control es:
0.1e−sτ
1 + G(s)H(s) = 1 + s =0
s( 0.5 + 1)
Figura 6.16: Sistema con retardo de transporte.
Figura 6.17: Sistema con retardo de transporte.
Considerando los tres primeros términos del retardo, la función de trans-

ferencia de lazo abierto es:
0.1e−sτ
G(s)H(s) = s
s( 0.5 + 1)
0.625s2 − 0.25s + 0.05
=
s2 + 0.5s
cuya simulación del LGR produce la gráfica mostrada en la figura 6.18.
La función de transferencia de lazo cerrado del sistema es:
Y (s) G(s)H(s) 0.625s2 − 0.25s + 0.05
= = (6.34)
R(s) 1 + G(s)H(s) 1.625s2 + 0.75s + 0.05
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
Figura 6.18: Lugar geométrico del sistema con retardo de transporte.
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.
Figura 6.19: Respuesta al escalón del sistema con retardo de transporte.
6.1.4 Gráficas del LGR utilizando Software de Simulación

Dado un sistema de control con función de transferencia de lazo cerrado,
dada por:
Y (s) G(s)H(s)
= (6.35)
R(s) 1 + G(s)H(s)
La ecuación cracterı́stica vendrá definida por el denominador de dicha fun-

ción de transferencia, que igualando a cero nos produce las raı́ces del sistema
de control.
En Matlab, es conveniente que la ecuación caracterı́stica, se reescriba en
la siguiente forma:
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:
num = (s + z1 )(s + z2 ) + . . . + (s + zm ) = sm + (z1 + z2 + . . . + zm )sm−1 +

. . . + z1 z2 . . . zm
den = (s + p1 )(s + p2 ) + . . . + (s + pn ) = s + (p1 + p2 + . . . + pn )sn−1 +
n
. . . + 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.
• Si el sistema de control está representada como función de transferen-

cia, tal como se ha visto, la orden para obtener el LGR es:
rlocus(num, den)
En el caso de que se quisiera obtener el LGR en un rango de ganancias

dada por K, entonces la orden queda modificada como:
rlocus(num, den, K)
Si quisiéramos obtener las raı́ces y las ganancias correspondientes, se

aplica el siguiente comando:
[r, K] = rlocus(num, den)
• Otra herramienta muy importante, no sólo para obtener el LGR, sino

para obtener las gráficas de Bode , Nyquist, Nichols y respuesta en
el tiempo, es usar el comando rltool, que permite abrir una pantalla
gráfica de edición, muy amigable y fácil de usar. Tal comando es:
rltool
Figura 6.20: Pantalla gráfica del rltool.
y cuyo resultado es la pantalla gráfica que se muestra en la figura

6.20, y en la cual se pueden ingresar los polos y ceros de lazo abier-
to G(s)H(s), no sin antes hacer click en la ventana rotulada como
current compensator. Si deseamos obtener las raı́ces del sistema para
un determinado valor de K, basta con digitar el valor de ganancia que
se desea en la ventana rotulada como Gain.
Veamos el siguiente ejemplo: Dado el sistema de control mostrado en la

figura 6.21, dibujar el LGR usando los comandos rlocus y rltool.
La ecuación caracterı́stica del sistema de control es:
K(s + 2)
1+ =0
s(s + 1)(s2 + 2s + 2)
K(s + 2)
1+ =0
s4 + 3s3 + 4s2 + 2s)
Figura 6.21: Diagrama de bloques de un sistema de control.
donde num = [0, 0, 0, 1, 2], den = [1, 3, 4, 2, 0].

El programa en código Matlab es:
% ********** Lugar de las ra’ices ************
num=[0, 0, 0, 1, 2]; % coeficientes del polinomio del numerador

den=[1, 3, 4, 2, 0]; % coeficientes del polinomio del denominador
sys=tf(num,den)
rlocus(sys) % plotea el LGR
%[K, polos]=rlocfind(num,den) % activa el cursor para obtener K
%en un punto del LGR
v=[-4 2 -3 3]; axis(v); grid title(’LGR de G(s)=K
(s+2)/(s^4+3s^3+4s^2+2S)’)
%[r,K]=rlocus(sys) % muestra la matriz r y el vector ganancia K
% DETERMINCION DE LAS RAICES PARA UNA GANANCIA K ESPECIFICADO

K=[0 8]; % por ejemplo, se selecciona valores de K=0 y K=8
[r]=rlocus(sys,K) % produce 2 races, una para K=0 y otra para K=8
El resultado gráfico se muestra en la figura 6.22. Para los valores de K = 0

y K = 8, las raı́ces del sistema se obtienen digitando:
>> 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
donde, la primera columna corresponde a las raı́ces del sistema para K = 0,

y la segunda columna corresponde a las raı́ces del sistema para K = 8.
Aplicando el comando rltool, e ingresando los polos y ceros del sistema,
tal como se puede observar en la figura 6.23, se obtiene el resultado que se
muestra en la figura 6.24.
Figura 6.22: Lugar geométrico del sistema de control.
6.2 Método de Respuesta en Frecuencia

En la mayorı́a de los sistemas de control se aplican métodos de análisis en el
dominio del tiempo; sin embargo, fundamentalmente en los sistemas de co-
municaciones, es muy útil el análisis y diseño en el dominio de la frecuencia,
debido a que la mayorı́a de señales a ser procesadas son de tipo senoidal;
sin embargo, es también aplicado al análisis y diseño de sistemas de control.
El concepto de respuesta en frecuencia es muy usado en la identificación
de parámetros de procesos o plantas, cuyo modelo es representado como
función de transferencia o relación entrada - salida, en la cual la variable s
se reemplaza por jw, siendo w la frecuencia. La respuesta en frecuencia se
puede realizar en forma experimental con generadores sinusoidales y equipos
de medición.
Dado un sistema lineal invariante en el tiempo como el que se presenta
en la figura 6.25, y considerando r(t) = Rsenwt, entonces la respuesta en
régimen permanente será (si el sistema es estable):
y(t) = R|G(jw)|sen(wt + φ) (6.37)
donde la función de transferencia de lazo abierto es G(jw)H(jw). Si La
realimentación es unitaria, es decir si H(jw) = 1, entonces la función de
transferencia de lazo abierto se reduce a G(jw), que viene a ser una cantidad
compleja, dada por:
G(jw) = |G(jw)|ejφ (6.38)
donde |G(jw)| es el módulo o amplitud y φ=∠G(jw) es el ángulo o fase. La
magnitud y el ángulo de fase de G(jw) se representan fácilmente por gráficas
6.2 Método de Respuesta en Frecuencia 93
Figura 6.23: Ingreso de los ceros y polos GH(s) del sistema.
que proporcionarán conocimiento para el análisis y diseño de sistemas de

control. La desventaja de este método es que la correlación entre frecuencia
y respuesta transitoria es indirecta, excepto en el caso de sistemas de segundo
orden.
6.2.1 Gráficas de Bode

Una de las representaciones gráficas de la respuesta en frecuencia son los
denominados diagramas de Bode. Estos diagramas sirven para graficar la
respuesta en frecuencia en forma semilogarı́tmica. Se trata de dos gráficas,
una corresponde a la ganancia en dB contra w y la otra corresponde a la
fase f (w) contra w.
Ganancia(dB) = 20log|G(jw)|
Angulo = φ = ∠G(jw)
Figura 6.24: Lugar geométrico del sistema de control.
Figura 6.25: Sistema lineal estable e invariante en el tiempo.
La escala de frecuencia es logarı́tmica, por lo que estas gráficas se realizan

en papel semilogarı́tmico con una coordenada rectangular lineal para los dB
y una coordenada logarı́tmica para w.
Una relación igual a diez entre dos frecuencias se le denomina década. El
intervalo de frecuencias w2 = 2w1 , se denomina octava. La ventaja principal
de la gráfica logarı́tmica es la conversión de factores multiplicativos en una
función de transferencia en factores aditivos por la definición de ganancia
logarı́tmica (ver ”Ingenierı́a de Control Moderna” por Ogata).
Factores bsicos de G(jw)H(jw)

Los factores básicos que se presentan frecuentemente en una función de
transferencia G(jw)H(jw) son:
1) La ganancia K
2) Los factores integrales y derivativos (jw)∓1
3) Los factores de primer orden (1 + jwT )±1
4) Los factores cuadráticos [1 + 2ζ(jw/wn ) + (jw/wn )2 ]±1
La ganancia K
Una cantidad mayor que la unidad tiene un valor positivo en decibeles, en

tanto que una cantidad menor que la unidad tiene un valor negativo. La
curva de logaritmo de la magnitud para una ganancia constante K es una
lı́nea recta horizontal en la magnitud de 20logK db. El ángulo de fase de
la ganancia K es cero. Si se varı́a K, aumenta o desciende su magnitud en
decibeles, pero no afecta al ángulo de fase.
20log(K × 10n ) = 20logK + 20n (6.39)

1
20logK = −20log
K
Factores integral y derivativo (jw)∓1
La magnitud logarı́tmica de 1/jw es:
1
20log| | = −20logw dB (6.40)
jw
y el ángulo de fase de 1/jw es constante e igual φ = −90o .

Idénticamente, el logaritmo de la magnitud de jw es:
20log|jw| = 20logw dB (6.41)
y el ángulo de fase correspondiente es constante e igual a φ = +90o .

Si la función de transferencia contiene el factor (1/jw)n o (jw)n , el log-
aritmo de la magnitud en cada caso es:
1
20log| | = −n × 20log|jw| = −20nlogw dB (6.42)
(jw)n
20log|(jw)n | = n × 20log|jw| = 20nlogw dB (6.43)
y sus ángulos son (φ = −90o × n) y (φ = 90o × n) en todo el rango de

frecuencias, respectivamente.
En las figuras 6.26 y 6.27 se observan los diagramas de Bode de 1/jw y jw
respectivamente.
Figura 6.26: Diagrama de Bode para 1/jw.
Factores de primer orden (1 + jwT )±1

El logaritmo de la magnitud de 1/(1 + jwT ) es:
1 p
20log| | = −20log 1 + w2 T 2 dB (6.44)
1 + jwT
y el ángulo de fase correspondiente es:
φ = −tan−1 wT (6.45)
• Si w = 0 ⇒ φ = 0o
• Si w = 1/T (frecuencia de cruce) ⇒ φ = −45o
• Si w = ∞ ⇒ φ = −90o
La curva de la respuesta en frecuencia se puede aproximar por medio de

dos rectas asintóticas, una a 0dB en el rango 0 < w < 1/T y la otra con una
pendiente de 20db / década en el rango de frecuencias de 1/T < w < ∞.
La frecuencia de cruce a la cual se cortan las dos ası́ntotas se denomina
frecuencia de cruce o transición.
El error máximo en la curva de magnitud causado por el uso de las
ası́ntotas es aproximadamente igual a −3dB. El error en la frecuencia a una
Figura 6.27: Diagrama de Bode para jw.
octava por abajo o por encima de la frecuencia de cruce es aproximadamente

a −1dB.
El logaritmo de la magnitud de (1 + jwT ) es:
p
20log|1 + jwT | = 20log 1 + w2 T 2 dB (6.46)
y el ángulo de fase correspondiente es:
φ = tan−1 wT (6.47)
Factores cuadráticos [1 + 2ζ(jw/wn ) + (jw/wn )2 ]±1
Frecuentemente los sistemas de control tienen factores cuadráticos de la

forma:
1
(6.48)
1 + 2ζ(jw/wn ) + (jw/wn )2
• Si ζ > 1 ⇒ este factor cuadrático se puede expresar como un producto

de dos de primer orden con polos reales.
• Si 0 < ζ < 1 ⇒ este factor cuadrático es el producto de dos factores

complejos conjugados.
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 .
Determinación de la frecuencia de resonancia wr , el valor del pico

de resonancia Mr y el ancho de banda BW
Dada la función de transferencia de un sistema de lazo cerrado con reali-
mentación unitaria:
Y (s) G(s)
= , con s = jw (6.51)
R(s) 1 + G(s)
La magnitud de
1
G(jw) = (6.52)
1 + 2ζ(jw/wn ) + (jw/wn )2
es
1
|G(jw)| = p (6.53)
(1 − w2 /wn2 )2 + (2ζ w/wn )2
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).
• 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.
• Para 0.707 < ζ < 1, la respuesta al escalón es oscilatoria, pero muy

amortiguadas que son apenas perceptibles.
La magnitud del pico de resonancia Mr es el valor máximo de
|G(jw)|.
• Para 0 < ζ ≤ 0.707 está dada por:
1
Mr = |G(jw)|max = |G(jwr )| = p
2ζ 1 − ζ2
• 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
Efectuando la siguiente asignación: a = w/wn tendremos:
(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
Como se puede observar el ancho de banda BW es directamente proporcional

a wn . En la figura 6.28 se muestra una gráfica del ancho de banda de |G(jw)|.
Nota importante:
Figura 6.28: Ancho de banda BW de |G(jw)|.
• El ancho de banda BW es directamente proporcional a wn .
• Cuando ζ crece, BW disminuye.
Si lo relacionamos con la respuesta en el tiempo de un sistema de control,

diremos que:
• BW es inversamente proporcional al tiempo de subida tr .
• Si BW aumenta, entonces el sistema responde más rápido.
Márgenes de ganancia y fase

En un sistema realimentado inicialmente estable, es importante conocer
qué caracterı́sticas determinadas del modelo se pueden perturbar antes de
que se produzca inestabilidad. Esta información se puede obtener por la
determinacin del márgen de ganancia (MG) y el márgen de fase (MF).
Si una variación en un parámetro (por ejemplo la ganancia K) del sistema
produce que uno o más polos de lazo cerrado atraviese el eje jw, la condición
de corte localiza uno o más polos de lazo cerrado en el jw. Esto significa
que existe algún valor de w para el que |G(jw)/(1 + G(jw)H(jw)| = ∞.
Para que no ocurra esto, se debe cumplir que: |G(jw)H(jw)| = 1.
O sea, se deben cumplir las condiciones de magnitud y ángulo, expre-
sadas por:
|G(jw)H(jw)| = 1
∠G(jw)H(jw) = ±180o (2k + 1)
Si no hay polos de lazo cerrado en el semiplano derecho, esta condición
representa una transición entre estabilidad e inestabilidad, representada en
la figura 6.29.
Figura 6.29: Transición entre estabilidad e inestabilidad.
El márgen de ganancia y el márgen de fase se define de forma que propor-

cionan una medida de la proximidad de una situación dada a la condición
de transición. Si un sistema es inicialmente estable y un cambio en los
parámetros produce la detección de un cruce con el eje jw, el cruce debe
representar estabilidad marginal.
Márgen de ganancia
El MG es la razón por la que la ganancia del lazo se permite que cambie
antes de que se alcance la condición de inestabilidad. El MG es el número
de decibelios que se debe incrementar la ganancia en lazo abierto para que
alcance 0 dB a la frecuencia a la que el desfase en lazo abierto es -180.
Márgen de fase
Es una medida del retraso de fase adicional que está permitido antes de
alcanzar −180o a la frecuencia donde |G(jw)H(jw)| = 1 o 20log|G(jw)H(jw)| =
0 dB.
En la figura 6.30 se muestran los márgenes de ganancia y de fase para
un sistema estable e inestable.
6.2.2 Gráficas de Bode utilizando software de simulación

La orden bode(num, den) permite graficar el diagrama de Bode, tanto la
magnitud como la fase en función de la frecuencia angular.
Cuando se utilizan argumentos en el lado izquierdo del comando, tal
como: [mag, f ase, w] = bode(num, den, w), bode devuelve la respuesta en
frecuencia del sistema en las matrices mag, f ase y w, sin graficar dicha
respuesta.
Veamos el siguiente ejemplo: Dado un proceso con función de transferencia:
2
G(s)H(s) = s
s( 10 + 1)2
Figura 6.30: Márgen de ganancia y márgen de fase para sistemas estables e

inestables.
trazar el diagrama de Bode y determinar el MG y MF del sistema.

El programa en Matlab es el siguiente:
% DETERMINACION DEL MARGEN DE GANANCIA Y MARGEN DE FASE

% Anlisis de la funcin de transferencia G(s)H(s)=2/[s[(s/10)+1]^2]
num=[0 0 0 200]; den=[1 20 100 0];
% Respuesta frecuencial
w=.1:.1:100; [mag, fase]=bode(num,den,w); subplot(211);
semilogx(w,20*log10(abs(mag))); title(’Diagramas de Bode de
G(s)H(s)=2/[s[(s/10)+1]^2]’); ylabel(’Magnitud en dB’);
xlabel(’Frecuencia (rad/seg)’); grid; subplot(212);
semilogx(w,fase); grid; ylabel(’Fase en grados’);
xlabel(’Frecuencia (rad/seg)’);
cuya ejecución genera la gráfica mostrada en la figura 6.31, en la que se han

resaltado el MG y el MF. Del diagrama de Bode se puede apreciar que el
cruce por 0 dB de la curva de magnitud es a una frecuencia de 2 rad/s. El
desfase a esta frecuencia es aproximadamente −112o , por lo tanto el M F es
aproximadamente 68o .
6.2.3 Gráficas Polares y Criterio de Estabilidad de Nyquist

Para obtener el diagrama de Nyquist se utiliza un diagrama polar, con el
parámetro w variando desde cero hasta infinito, considerando la función de
Figura 6.31: Márgen de ganancia y márgen de fase para el ejemplo.
transferencia de lazo abierto G(s)H(s), con s = jw. Por consiguiente, se

puede afirmar que el diagrama de Nyquist es una representacin de la mag-
nitud de GH(jw) o G(jw) (si H(jw) = 1) en coordenadas polares, es decir
el diagrama polar es el lugar de los vectores |GH(jw)|∠GH(jw). Es impor-
tante recordar que un ángulo de fase positivo se mide en dirección contraria
a las agujas del reloj desde el eje real positivo. En la figura 6.32 se mues-
tra un ejemplo genérico de un diagrama de Nyquist, donde las proyecciones
del punto terminal de un vector sobre los ejes real e imaginario vienen a
constituir los componentes real e imaginario de dicho vector. En la figura
6.33 se presenta en forma genérica las representaciones en baja frecuencia
de los diagramas de Nyquist de sistemas tipo 0, tipo 1 y tipo 2.
La ventaja de este tipo de diagrama es que muestra en una única gráfica

la respuesta en frecuencia de un sistema a lo largo de todo el rango de
frecuencias. La desventaja es que no permite ver la contribución de cada
factor individual de la función de transferencia de lazo abierto. Por facilidad
de representación, consideraremos la siguiente notación: M (w) = |GH(jw)|,
φ(w) = ∠GH(jw).
Figura 6.32: Diagrama de Nyquist de lazo abierto G(jw).
Criterio de estabilidad de Nyquist

El criterio de estabilidad de Nyquist se obtiene de la observación del diagra-
ma polar del modelo en lazo abierto. Este criterio se puede expresar de la
forma siguiente:
1 Sea el sistema que se muestra en la figura 6.14. Si la función de

transferencia de lazo abierto G(s)H(s) tiene P polos en el semiplano
derecho s, entonces para que sea estable el lugar G(s)H(s), cuando un
punto s recorre el camino de Nyquist en el sentido de las agujas del
reloj, debe enlazar al punto −1 + j0 P veces en el sentido contrario a
las agujas del reloj.
2 Este criterio se puede expresar como:
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:
• Si P 6= 0 ⇒ Z = 0 o N = −P . Esto ltimo indica que debemos

tener P vueltas alrededor del punto −1+j0 en el sentido contrario
a las agujas del reloj.
• Si P = 0 (no hay ningún polo en el semiplano derecho de s) ⇒
Z = N para garantizar estabilidad.
Figura 6.33: Diagrama de Nyquist de sistemas de fase mı́nima tipo 0, tipo

1 y tipo 2.
Figura 6.34: Diagrama de bloques de un sistema de control.
3 La simple inspección de las vueltas al punto −1 + j0 no es suficiente

para detectar inestabilidad en sistemas con múltiples lazos; sin embar-
go, la existencia o no de polos de lazo cerrado en el semiplano derecho
s, puede determinarse aplicando el criterio de Routh al denominador
de G(s)H(s) o mediante simulación (por ejemplo usando Matlab).
4 Si el lugar de G(jw)H(jw) pasa a través del punto −1 + j0, entonces

los ceros de la ecuación caracterı́stica o los polos de lazo cerrado están
localizados sobre el eje jw.
Nota:
Una preocupación especı́fica en la consideración de la estabilidad es la de-
tección de ceros de 1 + G(s)H(s) en el semiplano derecho s. Por tal motivo,
el camino de Nyquist encierra el semiplano derecho completamente, nor-
malmente en el sentido de las agujas del reloj. El camino recorre el eje jw
desde −∞ a +∞ y luego completa el cierre del semiplano derecho formando
un semicı́rculo con radio R → ∞, como se muestra en la figura 6.35. Si
1 + G(s)H(s) se evalúa a lo largo del camino de Nyquist y el resultado se
dibuja en el plano (1 + GH), el número de rodeos o vueltas al origen en el
sentido horario deberı́a revelar el número neto de ceros menos el número de

polos de 1 + G(s)H(s) en el semiplano derecho. Los ceros de 1 + G(s)H(s)
son las raı́ces de la ecuación caracterı́stica, y los polos de 1 + G(s)H(s) son
también los polos de G(s)H(s).
Figura 6.35: Camino de Nyquist en el plano s.
Veamos el siguiente ejemplo:

Considere el sistema de la figura 6.36 con el camino de Nyquist descrito en
términos de los segmentos 1, 2, 3 y 4 que se muestran. El segmento 4 se
introduce porque es necesario construir un pequeño rodeo alrededor del polo
de la función de transferencia de lazo abierto en el origen. Con el rodeo hacia
la derecha como se muestra, no hay polos de la función de transferencia en
lazo abierto en el semiplano derecho, es decir P = 0.
Figura 6.36: Sistema de control y el camino de Nyquist.
Considerando el segmento 1, la evaluación por esta parte del camino

requiere s = jw, con w variando desde 0+ a ∞. Por consiguiente, la función
de transferencia GH para este segmento es:

32 8
G(jw)H(jw) = 2
=
jw(jw + 2) jw( 2 + 1)2
jw
El segmento 2 se determina con s = Rejθ , donde R se aproxima a ∞

y θ varı́a desde +90o a −90o en dirección antihoraria. Por consiguiente, la
función de transferencia para este segmento es:
8 32 −j3θ
GH = ≈ e
Rejθ ( Re2
jθ
+ 1)2 R3
La evaluación de esta función produce una vuelta y media alrededor del

origen en dirección horaria. Sin embargo, cuando R → ∞, GH → 0; por
consiguiente, este segmento colapsa en el origen, como se muestra en la figura
6.37.
Figura 6.37: Contorno en el plano GH y un detalle cerca al origen.
El segmento 3 se obtiene fácilmente porque sustituyendo −jw (en lugar

de +jw) se obtiene el complejo conjugado del segmento 1. Debido a que w
varı́a desde −∞ a 0− , la magnitud de este segmento empieza en la vecindad
de cero y se extiende hasta que finalmente se aproxima en infinito a +90o .
El segmento 4 se obtiene con s = rejα , donde r es un radio que tiende a
cero y α un ángulo que vara desde −90o a +90o en la dirección horaria. La
evaluación de la función GH para este segmento es:
8 8
GH = rejα
≈ e−jα
rejα ( 2 + 1)2 r
Debido a que r → 0, la magnitud en el plano GH → ∞ y el ángulo cambia en

una vuelta y media en dirección horaria. Puesto que hay dos rodeos al punto
−1 + j0, Z = N = 2, entonces hay dos raı́ces de la ecuación caracterı́stica
en el semiplano derecho de s, por lo que el sistema es inestable.
Márgenes de ganancia y fase

En la figura 6.38 se muestra los diagramas de Nyquist de G(jw) para
tres valores de la ganancia K en lazo abierto . Para K grande, el sistema es
inestable, cuando K disminuye a un cierto valor, en que el lugar de G(jw)
pasa a través del punto −1 + j0, el sistema se vuelve oscilatorio, y cuando
K se hace pequeño, el lugar de G(jw) pasa a través de un punto menor a
−1 + j0, entonces el sistema es estable.
Figura 6.38: Diagrama de Nyquist para sistemas: inestable, oscilatorio y

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 )|
El margen de ganancia expresado en decibelios es positivo si Kg > 1 (sis-

tema estable) y negativo si Kg < 1 (sistema inestable).
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
En la figura 6.39 se muestra el margen de fase y margen de ganancia.

Figura 6.39: Margen de ganancia y margen de fase para sistemas estables e

inestables.
Para un sistema de fase mı́nima ambos márgenes de ganancia y de fase

deben ser positivos para que el sistema sea estable. Márgenes negativos
indican inestabilidad. Para un comportamiento satisfactorio, el margen de
fase deberı́a estar comprendido entre 30o y 60o y el margen de ganancia debe
ser mayor que 6 dB.
Haciendo uso de Matlab, para determinar la gráfica de Nyquist se debe
aplicar el comando nyquist(num, den).
6.2.4 Aplicación a sistemas con retardo de transporte

Consideremos el ejemplo tratado en la subsección 6.1.3. El empleo de un
modelo en el dominio de la frecuencia no requiere una aproximación (como
si ocurrió en el caso del lugar geométrico de las raı́ces). Un retardo tempo-
ral afecta sólo al ángulo de fase (y no a la amplitud) de la representación
espectral de la señal, y esta propiedad se refleja en la simplicidad relativa
de una función de transferencia en el dominio de la frecuencia.
Efectuando la sustitución de s por jw en la función de transferencia
del retardo produce e−jwτ . Esta función presenta una ganancia unidad y
un ángulo de −wτ radianes. Puesto que la magnitud del desfase aumenta
sin lı́mite cuando la frecuencia tiende a infinito, la presencia de un retardo
garantiza que habrá alguna frecuencia a la que la función de la fase del lazo
pase por −180o .
La función en lazo abierto del sistema es:
0.1e−jwτ
G(jw)H(jw) = jw
jw( 0.5 + 1)
Como la magnitud de la función de retardo es la unidad para toda w, esta
componente de la función de transferencia del lazo se puede ignorar cuando
se determina la frecuencia para la que la magnitud de la función del lazo es

la unidad. Ası́:
0.1
|G(jw)H(jw)| = jw
|jw( 0.5 + 1)|
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
El margen de fase se determina evaluando la fase φ de la función con w =

0.0981 en función del retardo. La fase viene dada por:
0.0981 180o
φ = ∠G(jw)H(jw) = −90o − ten−1 ( ) − 0.0981τ
0.5 π
En la figura 6.40 se muestra el diagrama de Nyquist correspondiente para
un retardo de 5 segundos, para el cual el sistema es estable.
Figura 6.40: Diagrama de Nyquist para el sistema con retardo de transporte.

Capı́tulo 7
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.
7.2 Modelos de Sistemas No Lineales: Propiedades

Caracterı́sticas
La representación en el espacio de estado del modelo no lineal de un sistema
dinámico de orden n, puede estar dada por
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)
Considerando que un modelo no lineal es sensible al nivel de excitación,

entonces será estable en una región de operación e inestable en otra. Esto
significa que la estabilidad se evalúa en la proximidad de una condición po-
tencialmente estática conocida como un estado de equilibrio; pudiendo
tener más de un estado de equilibrio.
Debido a que un cambio en la magnitud de la señal de excitación puede
producir una transición de una condición estable a otra inestable, puede
existir una excitación en la cual las condiciones para una oscilación en es-
tado estacionario se desdoble en un nivel de señal especı́fico, fenómeno no
lineal conocido como ”ciclo lı́mite”, cuya amplitud se determina por los
parámetros del modelo del sistema. Un ciclo lı́mite aparece en el espacio de
estado como una trayectoria cerrada aislada y si existe más de una de estas
trayectorias cada una representa el potencial para engendrar una variación
periódica. Dependiendo de la excitación, el sistema puede cambiar entre
modos de conductas inestables y estables o cambios de un modo oscilatorio
a otro.
Algunas de las propiedades caracterı́sticas de los sistemas no lineales son:
• No se observa la superposición y la respuesta en estado estacionario a

una entrada sinusoidal se ve como una forma de onda no sinusoidal.
• Los diferentes criterios de comportamiento (incluyendo la estabilidad)

dependen del modelo del sistema y del nivel de excitación.
• Se puede presentar una oscilación cuya amplitud en estado estacionario

está determinada por los parámetros del sistema.
• Un sistema puede tener más de un estado de equilibrio y más de un

modo de oscilación.
El comportamiento de un sistema no lineal se presentan en múltiples casos,

por ejemplo:
• Si se consideran condiciones de gran señal, los amplificadores elec-

trónicos y otros circuitos electrónicos están sujetos a restricciones de-
terminadas por limitaciones operativas de los dispositivos activos. Por
tanto, los circuitos del controlador con amplificadores, conversores dig-
itales/analógicos impondrán limitaciones sobre el nivel máximo de
señal. Un fenómeno de saturación se puede observar también con
el empleo de motores eléctricos, tacómetros y otros dispositivos que
incorporan campos magnéticos controlados. El campo magnético se
7.3 Espacio de Estados y Plano Fásico 113
intensifica utilizando un material de núcleo magnético, pero la satu-

ración ocurre si se aumenta la corriente hasta un nivel para el cual
todos los dominos magnéticos están alineados.
• Si se consideran sistemas que incorporan movimientos mecánicos, su-

perficies con cojinetes a bolas (con movimiento de deslizamiento o de
rodadura) están sujetas a los efectos de componentes de rozamien-
to no lineal. El rozamiento estático y de Coulomb son fenómenos
no lineales y un efecto observado comúnmente es una supresión de
movimiento cuando la fuerza (o par) es pequeña. Los engranajes y
otros acoplamientos mecánicos pueden tener huelgo (un desfase en el
desplazamiento relativo) cuando ocurre un cambio en la dirección del
movimiento. Una gran desviación desde el cero indica una caracterı́sti-
ca no lineal significativa.
• Una conducta extremadamente errática conocida como caos puede

ocurrir en ciertos sitemas con un cambio radical de la respuesta como
efecto a un ligero cambio en el estado inicial.
Ninguno de los fenómenos antes mencionados, ası́ como otros fenómenos no

lineales, se producen en sistemas lineales. Esos fenómenos no se pueden ex-
plicar por la teorı́a lineal; para explicarlos hay que resolver analı́ticamente o
gráficamente las ecuaciones diferenciales no lineales que describen la dinámi-
ca del sistema.
7.3 Espacio de Estados y Plano Fásico
La representación geométrica del comportamiento de un sistema en térmi-

nos de trayectoria, se denomina representación en el plano de fase o plano
de estado de la dinámica del sistema. Para sistemas de segundo orden, el
diagrama del plano de fase da una clara imagen de las trayectorias; sin em-
bargo es difı́cil visualizar o construir trayectorias para sistemas de tercer
orden. Para sistemas de orden superior a tres, es prácticamente imposible
visualizar las trayectorias; aunque, pueden extenderse conceptualmente a un
espacio de n dimensiones.
El método del plano de fase es útil para estudiar sistemas con
alinealidades pronunciadas; situación diferente al método de la función
descriptiva (que trataremos en la sección 7.8) que está restringido a
alinealidades pequeñas.
7.3.1 Método del Plano de Fase

Veamos un método gráfico para obtener la solución de las siguientes ecua-
ciones diferenciales de primer orden:
x˙1 = f1 (x1 , x2 ) (7.3)
x˙2 = f2 (x1 , x2 ) (7.4)
donde f1 (x1 , x2 ) y f2 (x1 , x2 ) son funciones lineales o alineales de las variables

x1 y x2 , respectivamente. Las ecuaciones 7.3 y 7.4 son autónomas, debido
a que la variable independiente t sólo aparece en la forma de derivadas. En
un sistema autónomo, las fuerzas y las restricciones son independientes del
tiempo.
Suponiendo que x1 = y y x2 = ẏ, se obtienen algunas trayectorias en el
plano de fase y − ẏ, tal como se muestra en la figura 7.1. Cada una de las
gráficas representa una respuesta no forzada para sistemas lineales con un
estado inicial distinto de cero. Se puede observar que la estabilidad marginal
produce una trayectoria cerrada con una magnitud modificable y dependi-
ente de la condición inicial. En la figura 7.2 se presentan algunas gráficas
Figura 7.1: Trayectorias en el plano fásico para sistemas lineales con: a)

amortiguamiento crı́tico, b) Una condición subamortiguada, c) estabilidad
marginal y d) una condición inestable.
de fenómenos no lineales en el plano fásico. Se puede observar que para el

caso del ciclo lı́mite estable, las trayectorias convergen al ciclo lı́mite estable
7.3 Espacio de Estados y Plano Fásico 115
a pesar de los diferentes estados iniciales. Como se mencionó en la sección

7.1, un ciclo lı́mite es una trayectoria cerrada aislada.
Para el caso del ciclo lı́mite inestable, la gráfica con lı́neas entrecor-
tadas define una oscilación cuando el estado inicial está exactamente sobre
la trayectoria, sin presencia de perturbaciones. Si el estado inicial no se
encuentra sobre la trayectoria produce una que diverge del camino del ciclo
lı́mite. El sentido de las trayectorias hacia la derecha indican que ẏ es posi-
tiva.
Figura 7.2: Trayectorias en el plano fásico de fenómenos no lineales con: a)

un ciclo lı́mite estable, b) un ciclo lı́mite inestable, c) una respuesta lineal a
tramos y d) un sistema con más de un estado de equilibrio.
Determinemos la representación en el plano de fase de la siguiente ecuación:

ẍ + ẋ + x = 0 (7.5)
Si se elige las variables de estado x1 = x y x2 = ẋ, entonces las ecuaciones
de estado correspondientes son
x˙1 = x2
x˙2 = −x1 − x2 (7.6)
Dividiendo la segunda ecuación entre la primera se obtiene
dx2 −x1 − x2
= (7.7)
dx1 x2
Si las condiciones iniciales son nulas, es decir x1 (0) = 0 y x2 (0) = 0, entonces

el sistema está en equilibrio en el origen, o sea
dx2 0
= (7.8)
dx1 0
Cuando las condiciones iniciales son x1 (0) = 0 y x2 (0) = 10, la trayecto-

ria correspondiente es la curva ABCDO en la figura 7.3. Similarmente, si
x1 (0) = 2 y x2 (0) = −7, la trayectoria es la curva EFO.
Figura 7.3: Trayectorias en el plano fásico de un sistema descrito por ẍ +

ẋ + x = 0.
7.4 Simulación con una caracterı́stica de saturación

En comparación a las técnica de solución analı́tica y gráfica de sistemas no
lineales, el empleo de una técnica numérica es ciertamente ventajoso para
estudiar las relaciones de causa y efecto.
En la figura 7.4 se muestra un sistema con un controlador que está sujeto
a saturación. La función de transferencia de la planta a ser controlada
7.4 Simulación con una caracterı́stica de saturación 117
está dada por

y(s) 2
= (7.9)
u(s) s(s + 4)
o por la siguiente representación polinómica:
s2 y(s) + 4sy(s) = 2u(s)
Aplicando la transformada inversa de Laplace a esta última ecuación se
Figura 7.4: Sistema con limitación en el camino directo.
obtiene
ÿ + 4ẏ = 2u
Si se elige las variables de estado x1 = y y x2 = ẏ, entonces las ecuaciones

de estado correspondientes son
x˙1 = x2
x˙2 = −4x2 + 2u (7.10)
El controlador no lineal, se puede representar como un controlador lineal

por tramos con las siguientes caracterı́sticas:
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 .
Se puede observar que si el error es suficientemente pequeña, el contro-

lador proporciona control proporcional; mientras que para una señal de error
mayor que um o menor que −um el controlador produce saturación, limi-
tando la señal de control a los rangos especificados. Este comportamiento
es muy útil en muchas aplicaciones reales, que permiten asegurar un fun-
cionamiento adecuado del actuador con una señal de control restringida. La
simulación se puede obtener en MATLAB mediante programa, o utilizando

la herramienta gráfica (SIMULINK). Considerando una entrada de referen-
cia escalón de magnitud 5, Ko = 2 y um = 2, en la figura 7.5 se muestra el
diagrama de bloques del sistema, la salida y y la señal de control u. Un dia-
Figura 7.5: a) Diagrama de bloques con Simulink del sistema con saturación,
b) Salida y vs r, c) Señal de control u.
grama completo que permita obtener un diagrama en el plano fásico además

de la salida y y la señal de control u se muestra en la figura 7.6.
7.5 Simulación con un Controlador de Nivel Dis-

creto
Un controlador de nivel discreto es aquel que produce dos o tres niveles de
salida. Este tipo de controlador es muy simple y eficiente en muchas aplica-
ciones prácticas. Se comporta como un conmutador controlado, haciéndose
7.5 Simulación con un Controlador de Nivel Discreto 119
Figura 7.6: Diagrama de bloques completo y su respuesta en el plano fásico.
necesario el uso de dispositivos de conmutación de estado sólido como triacs,

MOSFETs, IGBTs, etc o relés en el circuito de salida.
7.5.1 Sistema con un controlador de dos niveles

En este sistema la salida conmuta entre un nivel positivo y otro negativo.
El nivel de conmutación puede gobernar, por ejemplo el sentido de giro de
un motor, o en su defecto activar o desactivar un dispositivo dependiendo
de la magnitud positiva o negativa del nivel de tensión discreto.
En la figura 7.7 se muestra un sistema de control que incluye un contro-
lador con una salida de nivel discreto operando entre 0 + 10 ó 0 − 10. Si
la señal de error e es positiva, la salida será +10, y -10 en caso contrario.
Se puede considerar que el sistema es lineal por tramos, analizando a cada
tramo lineal como un modo de operación.
Considerando t ≥ 0, r(t) = 4 el modelo del sistema es:
Figura 7.7: Diagrama de bloques completo y su respuesta en el plano fásico.
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.
• Modo positivo: u = +10

Con la selección de las variables de estado ya indicadas, las ecuaciones
de estado del modelo resultan en
ẋ1 = x2
ẋ2 = −2x2 + 10 (7.13)
Dividiendo la primera de las ecuaciones 7.13 entre la segunda se ob-

tiene:
dx1 x2 x2
= = (7.14)
dx2 −2x2 + 10 −2(x2 − 5)
La ecuación 7.14 puede reescribirse en su forma expandida, ası́
dx1 1 5 1
=− −
dx2 2 2 (x2 − 5)
Despejando dx1 tendremos
1 5 dx2
dx1 = − dx2 − (7.15)
2 2 (x2 − 5)
7.5 Simulación con un Controlador de Nivel Discreto 121
Integrando la ecuación 7.15 se obtiene

1 5
x1 = − x2 − ln | 5 − x2 | +K1 (7.16)
2 2
El valor de K1 se puede expresar en términos de las condiciones ini-
ciales x1 (0) y x2 (0), de la siguiente forma:
1 5
K1 = x1 (0) + x2 (0) + ln | 5 − x2 (0) | . (7.17)
2 2
• Modo negativo: u = −10

Evaluando similarmente al modo anterior, obtenemos las expresiones
siguientes:
1 5
x1 = − x2 + ln | 5 + x2 | +K2 (7.18)
2 2
1 5
K2 = x1 (0) + x2 (0) − ln | 5 + x2 (0) | . (7.19)
2 2
La representación de las trayectorias en el plano fásico con K1 y K2

adecuados, de tal manera que las trayectorias pasen por el origen, se muestra
en la figura 7.8. Al variar los valores de K1 y K2 las gráficas se moverán a
la izquierda o a la derecha.
Figura 7.8: Diagrama del plano fásico.
Como la conmutación se produce cuando el error es mayor o menor que

cero, entonces la lı́nea de conmutación es una lı́nea vertical en y = +4. En
la figura 7.9 se muestra la trayectoria fásica, suponiendo estados iniciales
nulos, es decir x1 (0) = y(0) = 0 y x2 (0) = ẏ(0) = 0. En la figura 7.10 se
muestra el diagrama en Simulink, la respuesta del sistema a una entrada de
referencia escalón de magnitud 4 y la magnitud de la señal de control.
Figura 7.9: Trayectoria fásica con un controlador de dos niveles.
7.5.2 Sistema con un controlador de tres niveles

En la figura 7.11 se muestra el sistema con un control de tres niveles para
la planta considerada en la subsección anterior. Se puede observar una
modificación a dicho caso, debido a la consideración de una zona muerta
de magnitud ±4 = ±0.2. Por consiguiente, las ecuaciones del modelo del
sistema se definen en los siguientes tres modos de funcionamiento:
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)
La división entre las dos ecuaciones produce
dx1 1
=− (7.22)
dx2 2
7.6 Sistema con Rozamiento No Lineal 123
Figura 7.10: Diagrama del controlador de dos niveles, su respuesta (y) y la

señal de control (u).
para luego de ser integrada, obtenerse
1
x1 = − x2 + K (7.23)
2
con K = x1 (0) + 12 x2 (0). La ecuación 7.23 describe una trayectoria de zona

muerta. En la figura 7.12 se presenta el mismo fenómeno pero con histéresis
de conmutación, el cual produce un efecto desestabilizante.
7.6 Sistema con Rozamiento No Lineal

En un sistema electromecánico, es caracterı́stico el fenómeno de fricción
seca que ocurre cuando dos superficies están en contacto con un movimiento
deslizante. Esta fricción tiene dos componentes: una componente lineal
debido al rozamiento viscoso y una componente no lineal debido a una
Figura 7.11: Sistema de control de tres niveles.
Figura 7.12: Sistema de control de tres niveles con histéresis de conmutación.
combinación de rozamiento estático y de coulomb, con magnitudes fs y fc

respectivamente.
• La componente lineal es muy pequeña comparada a la componente no
lineal.
• El rozamiento estático se presenta cuando la velocidad es cero y la
fuerza neta aplicada no excede al valor de ruptura especificado por
fs ; sin embargo, si la magnitud de la fuerza aplicada excede este valor
de ruptura, entonces se vence la fuerza estática y ocurre el movimiento.
Por consiguiente:
fs = fa si v=0 y | fa |≤ Fs
fs = 0 si v 6= 0 (7.24)
• El rozamiento de coulomb fc es una fuerza más pequeña que fs que se

opone al movimiento. Por consiguiente:
fc = +Fc si v > 0 y
7.7 Estados de Equilibrio y Puntos de consigna nominales 125
fc = −F c si v<0 (7.25)
En la figura 7.13 se muestra un sistema con rozamiento y sus caracterı́sticas.

El sistema no lineal descrito se puede considerar lineal por tramos y se puede
modelar usando una combinación de tres modelos lineales, descritas por las
siguientes ecuaciones:
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.
7.7 Estados de Equilibrio y Puntos de consigna

nominales
Se denomina estados de equilibrio a los puntos en el espacio de estado en
los que puede existir una condición estática. Dada una representación de un
modelo de estado de un sistema no lineal sin perturbaciones, con
ẋ = f (x, u)
y = h(x, u) (7.29)
los estados de equilibrio se determinan evaluando x con ẋ = 0 y u = u(0). En

un sistema no forzado, los estados de equilibrio se determinan con u = 0. En
un sistema forzado, los estados de equilibrio se determinan con u = u(0) 6= 0.

Esta condición se describe algunas veces como un estado nominal o un punto
de consigna nominal.
Determinemos los puntos de equilibrio del siguiente sistema de ecua-
ciones cuando: a) u1 (0) = u2 (0) = 0 y b) u1 (0) = u2 (0) = 1
ẋ1 = −x22 + x3 − 3u1 (7.30)

ẋ2 = 2x1 − senx2
ẋ3 = 4x2 − 3u2
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:
0 = −x22 (0) + x3 (0) − 3u1 (0)

0 = 2x1 (0) − senx2 (0)
0 = 4x2 (0) − 3u2 (0)
• a) Cuando u1 (0) = u2 (0) = 0

De la última ecuación determinamos que x2 (0) = 0, de la penúltima
obtenemos x1 (0) = 0 y de la primera obtenemos x3 (0) = 0, luego los
puntos de equilibrio son: (0, 0, 0)
• b) Cuando u1 (0) = u2 (0) = 1
De la última ecuación determinamos que x2 (0) = 0.75, de la penúltima
obtenemos x1 (0) = 0.3408 y de la primera obtenemos x3 (0) = 3.5625,
luego los puntos de equilibrio son: (0.3408, 0.75, 3.5625)
7.8 Linealización Aproximada

La representación linealizada en el espacio de estado de la ecuación 7.29 es
la siguiente:
ẋ = Ax + Bu
y = Cx + Du (7.31)
donde A es la matriz de estado de dimensión n x n, B es la matriz de control

de dimensión n x m, C es la matriz de salida de los estados de dimensión
r x n y D es la matriz de salida de las entradas de dimensión r x m. En
la ecuación 7.29 se está utilizando las variables residuales, denominadas
también variables de desviación o perturbacionales siguientes:
x = X − x(0)
u = U − u(0)
(7.32)
7.8 Linealización Aproximada 127
Las matrices A, B, C y D consideradas alrededor del estado de equilibrio

(x(0), u(0)) se determinan evaluando las siguientes matrices jacobianas:
 ∂f1 ∂f1 ∂f1
  ∂f1 ∂f1 ∂f1

∂x1 ∂x2 ... ∂xn ∂u1 ∂u2 ... ∂um
 ∂f2 ∂f2
... ∂f2   ∂f2 ∂f2
... ∂f2 
 ∂x1 ∂x2 ∂xn   ∂u1 ∂u2 ∂um 
A= .. .. .. ..  ; B= .. .. .. .. 
 . . . .   . . . . 
∂fn ∂fn ∂fn ∂fn ∂fn ∂fn
∂x1 ∂x2 ... ∂xn (x(0),u(0)) ∂u1 ∂u2 ... ∂um (x(0),u(0))
 ∂h1 ∂h1 ∂h1 

∂x1 ∂x2 ... ∂xn
 ∂h2 ∂h2
... ∂h2 
 ∂x1 ∂x2 ∂xn 
C= .. .. .. ..  ;
 . . . . 
∂hr ∂hr ∂hr
∂x1 ∂x2 ... ∂xn (x(0),u(0))
 ∂h1 ∂h1 ∂h1 
∂u1 ∂u2 ... ∂um
 ∂h2 ∂h2
... ∂h2 
 ∂u1 ∂u2 ∂um 
D= .. .. .. ..  (7.33)
 . . . . 
∂hr ∂hr ∂hr
∂u1 ∂u2 ... ∂um (x(0),u(0))
con los vectores de estado y de control siguientes:

   
x1 u1
 x2   u2 
   
x =  . ; u =  . 
 ..   .. 
xn um
Determinemos las matrices A y B correspondiente a la ecuación residual
de estado dada por la ecuación 7.30 para el caso (b) , ası́ como las matrices
C y D para la siguiente ecuación de salida:
y = x21 (7.34)
Las matrices jacobianas A, B, C y D se obtiene aplicando la ecuación 7.33,
ası́:
 ∂f ∂f1 ∂f1
  
−1.5
1
∂x1 ∂x2 ∂x3 0 1
 ∂f2 ∂f2 ∂f2 
A =  ∂x 1 ∂x2 ∂x3  =  2 −0.7317 0  ;
∂f3 ∂f3 ∂f3 0 4 0
∂x1 ∂x2 ∂x3 (x(0),u(0))
 ∂f ∂f1
  
−3 0
1
∂u1 ∂u2
 ∂f2 ∂f2 
B =  ∂u 1 ∂u2  = 0 0 
∂f3 ∂f3 0 −3
∂u1 ∂u2 (x(0),u(0))
h i £ ¤
∂h ∂h ∂h
C= ∂x1 ∂x2 ∂x3 = 0.6816 0 0 ;
(x(0),u(0))
h i £ ¤
∂h ∂h
D= ∂u1 ∂u2 = 0 0 (7.35)
(x(0),u(0))
7.9 Función Descriptiva

El método de linealización utilizado en la sección 7.8 es válido cuando las
variaciones del nivel de señal son pequeñas respecto a un estado de equi-
librio.
La técnica de la función descriptiva aplica una interesante integración
de metodologı́as no lineal y lineal para la evaluación de la estabilidad. La
función descriptiva es en esencia una función de transferencia de frecuencia
aproximada de un componente no lineal, que permiten la extensión del méto-
do de función de transferencia para sistemas lineales a sistemas con compo-
nentes no lineales. La técnica es aplicable a sistemas de realimentación que
se supone son lineales e invariantes con el tiempo, con la excepción de una
única caracterı́stica de transferencia no lineal.
La salida de la mayorı́a de los elementos no lineales sujetos a una entrada
senoidal es usualmente una función periódica. Sin embargo, a diferencia de
la respuesta de los componentes lineales, esta salida contiene armónicos de
la frecuencia fundamental. Considere la señal sinusoidal de entrada
u = Asen(ωt) (7.36)
La salida periódica y = y(u) = f(ωt), puede describirse mediante la siguiente

serie de Fourier:
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
Suponiendo t0 = 0 las ecuaciones (7.38) a (7.40) resultan en

Z
2 T
p0 = y dt (7.41)
T 0
Z
2 T
pn = y cos(nωt)dt (7.42)
T 0
Z
2 T
qn = y sen(nωt)dt (7.43)
T 0
7.9 Función Descriptiva 129
Según Kochenburger, la salida se puede representar aproximadamente sólo

con la componente fundamental:
q
∼
y = p1 cos(ωt) + q1 sen(ωt) = p21 + q12 sen(ωt + φ) (7.44)
donde
p1
φ = tan−1 ( ) (7.45)
q1
Aun cuando no es aplicable a todos los sistemas no lineales, esta aproxi-

mación es razonable para muchos componentes prácticos no lineales. La
función descriptiva que describe el elemento no lineal, de modo muy pareci-
do a la función de transferencia de un sistema lineal, se define entonces como
la razón del componente fundamental de la salida del elemento no lineal a
la amplitud de la señal de entrada. Es decir,
1
N (A) = (q1 + jp1 ) (7.46)
A
siendo su magnitud
p
amplitud de y p21 + q12
| N |= = (7.47)
amplitud de u A
y su fase
p1
∠N = (f ase de y) − (f ase de u) = tan−1 ( ) (7.48)
q1
En la tabla 7.1 se presentan algunas funciones descriptivas para las no

linealidades del controlador.
7.9.1 Función descriptiva para la caracterı́stica de saturación

En la figura 7.14 se observa la caracterı́stica de entrada-salida para la
saturación, ası́ como las formas de onda de entrada y salida para dicha
caracterı́stica no lineal.
Supongamos que la señal sinusoidal de entrada es u = Asen(wt), en-
tonces las componentes fundamentales de la salida asimétrica se reduce a
tan sólo la componente impar (q1 ), es decir pn = 0 (n = 0, 1, 2, ...). Por lo
tanto
y∼
= q1 sen(ωt) (7.49)
Como A > h, las funciones de entrada y de salida son ploteadas tal como
se puede observar en la figura 7.14. Entonces, considerando la simetrı́a en

un cuarto de perı́odo, tendremos
y = kAsen(ωt); 0 ≤ ωt ≤ γ
π
y = kh; γ ≤ ωt ≤ (7.50)
2
Bajo estas consideraciones, tendremos que
Z Z
2 T 4 T /4
q1 = ysen(ωt)dωt = ysen(ωt)dωt
T 0 T −T /4
Z Z Z π/2
4 π/2 4 γ 2
= ysen(ωt)dωt = [ kAsen (ωt)dωt + khsen(ωt)dωt]
π 0 π 0 γ
r
2kA h h2
= [γ + 1 − 2]
π A A
(7.51)
donde γ = sen−1 ( A
h
), k = M
N.
Entonces la función descriptiva es

r
q1 2k h h h2
N (A) = = [sen−1 ( ) + 1− ]
A π A Ar A2
2M h h h2
= [sen−1 ( ) + 1− ] (7.52)
πh A A A2
o en función de la magnitud y de la fase
q1 p1
|N | = ; ∠N = tan−1 ( ) = 0 (7.53)
A q1
7.9.2 Función descriptiva para la caracterı́stica de zona muer-

ta
En la figura 7.15 se muestra la caracterı́stica de zona muerta con un ancho
de banda de 2h y una pendiente de k. La respuesta es vista como simétrica
desde el cuarto de periodo. La función de zona muerta puede entonces
describirse en un cuarto de periodo, cuando 0 ≤ ωt ≤ π/2 como
y = 0; 0 ≤ ωt ≤ γ
y = k(Asenωt − h); γ ≤ ωt ≤ π/2 (7.54)
Entonces
Z π/2 Z π/2
4 4
q1 = ysen(ωt)dωt = k(Asen(ωt) − h)sen(ωt)dωt
π 0 π γ
r
2kA π −1 h h h2
= ( − sen − 1 − 2 ) (7.55)
π 2 A A A
7.10 Fundamentos de la Teorı́a de Liapunov 131
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)
Con un valor especı́fico de A, el criterio de estabilidad de Niquist se adapta

fácilmente a esta situación al considerar los rodeos al punto −1/N (A) en
el plano GH. Sin embargo, si se consideran amplitudes de oscilación en el
rango 0 < A < ∞, la representación de −1/N (A) genera un camino en el
plano GH, para el cual el criterio de Nyquist debe adaptarse para considerar
las posibles vueltas del camino o de alguna parte del camino.
7.10 Fundamentos de la Teorı́a de Liapunov

En el capı́tulo 4 se trató sobre la estabilidad de sistemas de control lineales
e invariantes en el tiempo. Sin embargo, si el sistema es no lineal o lineal
pero variable en el tiempo, no son aplicables dichos criterios de estabilidad.
El método de la función descriptiva para la determinación de la estabilidad,
es sólo aproximado; ası́ como la estabilidad basado en el método del plano
de fase, sólo se aplica a sistemas de primer y segundo orden.
En este capı́tulo se presentará el segundo método de Lyapunov, de-
nominado también método directo de Lyapunov, que es el método más
general para la determinación de la estabilidad de sistemas no lineales y/o
variables en el tiempo de cualquier orden. La ventaja de este método es
la posibilidad de determinar la estabilidad de un sistema, sin necesidad de
resolver las ecuaciones de estado no lineales y/o variables en el tiempo.
En esta subsección es preciso dar algunas definiciones sobre puntos de
equilibrio, estabilidad e inestabilidad.
7.10.1 Punto de equilibrio o punto crı́tico

Dado un sistema descrito por
d
Xg = f (Xg , t) = f (Xg , (t)) (7.59)
dt
Debido a que los elementos del vector f no dependen explı́citamente de t,

el sistema es libre y estacionario, o autónomo. El punto de equilibrio Xe , se
define como la solución a
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)
y se trata con el nuevo sistema, cuyo punto de equilibrio es el origen:
d
X = f (X); f (0) = 0 (7.62)
dt
o si el sistema es lineal,
d
X = AX (7.63)
dt
7.10.2 Estabilidad por el método directo de Lyapunov

Lyapunov contribuyó con la estabilidad de sistemas descritas por las ecua-
ciones dinámicas diferenciales usando dos métodos distintos. Su primer
método analiza el comportamiento estable de una solución explicita de un
sistema y es solo aplicable a algunos casos. El segundo método o método
directo es más general y potente porque no requiere del conocimiento de la
solución de la descripción del sistema.
Conceptos de estabilidad
Un sistema no lineal de la forma:
ẋ = f (x, t) (7.64)
Se dice que es no-autónomo si f depende del tiempo. es decir, si f posee

parámetros que varı́an en el tiempo. Ahora un sistema autónomo puede
ser descrito por ẋ = f (x). Las trayectorias de estado para un sistema
autónomo son independientes del tiempo inicial, mientras que para un sis-
tema no autónomo generalmente no.
Un estado de equilibrio o punto de equilibrio xe (de hecho un vector
constante) de un sistema autonomo puede ser encontrado como
0 = f (xe ) (7.65)
Un problema de estabilidad general puede reducirse al problema más sencillo

de la estabilidad en torno al origen fijo de sistema libre
ẋ = f (x) x(0) = 0 (7.66)
Ahora, necesitamos hacer algunas simples asunciones en relación con la

figura 7.17. Denotaremos por B(R) la region esférica kxk < R y por
S(R) la región esferica kxk = R. La region anular esférica cerrada r ≤
kxk ≤ R será denotado por BrR . Asumiremos que en cierta región esférica
Ω : kxk < B(A) las derivadas parciales ∂xi /∂xj existen y son continuas en
Ω. Enunciaremos que en torno al origen, un punto de equilibrio es:
* Estable si cualquier trayectoria de estado empieza en B(R) en un punto

arbitrario x0 nunca alcanza el limite de la esfera S(R) de B(R)
* Asintóticamente estable siempre que es estable y además cada trayec-

toria de estado empieza en B(R) hasta un punto arbitrario x0 , tiende
al origen tanto como el tiempo se incrementa indefinidamente.
* Inestable cuando para algún R y r, cualquier grande o pequeño, ningu-

na trayectoria de estado empieza en B(R) cerca a un punto arbitrario
x0 alcanza la esfera acotada S(R).
Se observa en la figura 7.17, para la trayectoria T el origen es inestable en

el sentido de Lyapunov, a pesar de la convergencia de estado.
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.
(a) V(x) y su primera derivada parcial.
∂V (x)
= 4V (x)
∂x
son continua en cierta region (Ω) abierta alrededor del origen.
(b) V(0)=0
(c) Fuera del origen, pero generalmente en Ω, V(x) es positiva. Asimismo,

el origen es un punto aislado mı́nimo de V(x).
(d) V̇ (x) = ∆V (x)ẋ = ∆V (x)f (x) ≤ 0 en Ω.

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.
Funciones de Lyapunov para Sistemas No-autonomos

Los sistemas no autonomos en consideración son descritos en una región
Ω : kxk < A por
ẋ = f (x, t) f (0, t) = 0 t≤0 (7.67)
Proveen que W(x) es una función de Lyapunov en Ω, entonces V(x,t)

será una función de Lyapunov si
(a) V(x), t es definida en Ω ∀t > 0
(b) V(0,t)=0 ∀t > 0
(c) V (x, t) ≥ W (x) ∀t ≤ t0
(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.
Figura 7.13: Sistema no lineal: a) Sistema con rozamiento, b) Diagrama

de cuerpo libre, c) rozamiento viscoso, d) rozamiento viscoso, estático y de
coulomb.
Tabla 7.1: Funciones descriptivas de algunas funciones no lineales.

Figura 7.14: Respuesta fundamental de un elemento con caracterı́stica de

saturación a una entrada sinusoidal.
Figura 7.15: Respuesta fundamental de un elemento de zona muerta a una

entrada sinusoidal.
Figura 7.16: Sistema de control con caracterı́stica no lineal.

Asymptotically
stable
Stable
0 S(R)
r B(r)
Unstable x0
H(A)
B(R)
S(A)
Figura 7.17: Estabilidad en sistemas autónomos.
V(x 1,x 2 ) x2
V(x 1,x 2 )
x2 x1
x1
Figura 7.18: Representación gráfica de la función de Lyapunov.

Bibliografı́a
[1] Ogata, Katsuhiko. ”Ingenierı́a de Control Moderna”, Prentice Hall His-

panoamericana -Englewood Cliffs-Londres (1998).
[2] Eronini-Umez-Eronini. ”Dinámica de Sistemas y Control”, Thomson

Learning (2001).
[3] Ogata, Katsuhiko. ”Problemas de Ingenierı́a de Control utilizando Mat-

lab”, Prentice Hall Iberia, SRL (1999).
[4] Lewis, Paul H. Y Yang, Chang. ”Sistemas de Control en Ingenierı́a”,

Prentice Hall-Madrid-Upper Saddle River-Londres-México (1999).
[5] E. Slotine, J.J. Y Li, Weiping. ”Applied Nonlinear Control”, Prentice

Hall-Englewood Cliffs-Londres (1991).
[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).
[8] Kuo, Benjamı́n. ”Sistemas de Control Automático”, sépima edición,

Prentice Hall Hispanoamericana-México-Nueva York (1996).
[9] Dorf, Richard C. ”Sistemas Modernos de Control”, segunda edición,

Addison-Wesley Iberoamericana (1989).
[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).

Universidad Nacional de Ingenieria

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Universidad Nacional de Ingenieria

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD

Raúl Benites Saravia, M.Sc.

Apuntes de Clase de Control I, Teorı́a y Ejemplos con Aplicaciones de MAT-

1 Introducción a los Sistemas de Control 1

2 Modelos Matemáticos de Sistemas Dinámicos 7

3 Análisis de Funcionamiento de Sistemas de Control 27

3.2.2 Respuesta rampa unitaria de sistemas de primer orden 30

5 Análisis de Sistemas de Control en el Espacio de Estado 59

5.7.1 Solución de ecuaciones de estado variantes en el tiempo 70

6 Métodos Gráficos de Análisis de Sistemas de Control 73

7 Modelos No Lineales, Linealización y Técnicas Analı́ticas 111

1.1 Representación del proceso dinámico. . . . . . . . . . . . . . . 1

2.1 Diagrama de bloques detallado del sistema de orden n . . . . 10

3.1 Diagrama de bloques de un sistema de primer orden . . . . . 28

3.8 Respuesta de un sistema de segundo orden a una entrada

5.1 Diagrama de bloques simplificado de un sistema de control

6.1 Diagrama de bloques de un sistema de control . . . . . . . . . 74

6.21 Diagrama de bloques de un sistema de control. . . . . . . . . 91

7.1 Trayectorias en el plano fásico para sistemas lineales con: a)

7.12 Sistema de control de tres niveles con histéresis de conmutación.124

Introducción a los Sistemas

Un sistema de control podrı́a definirse como un conjunto de componentes in-

1.1 Objetivo del Control Automático

Figura 1.1: Representación del proceso dinámico.

1.2 Campos de aplicación

• Sistema de pilotaje de aviones

• Control de procesos económicos, etc.

• Variable manipulada: Es la cantidad o condición producida por el

• Planta: Puede consistir en un equipo, un conjunto de piezas de una

• Proceso: Es una operación caracterizado por una serie de sucesos grad-

• Sistema: Es un conjunto de componentes interrelacionados que pro-

• Perturbaciones: Es una señal interna o externa no deseada al sistema

1.4 Clasificación de Sistemas de Control

Sistemas de control en lazo abierto (SCLA). Ver figura 1.2(a)

Figura 1.2: Sistemas de control en lazo abierto y cerrado.

• De acuerdo a su naturaleza, se pueden clasificar como sistemas de con-

ẋ = Ax; ẍ = ẋ − 2x; ẍ + 0.4ẋ + 3x = 0

ẍ + aẋ + x3 = bsen(wt); ẍ = −4ẋ + x2

• Sistemas de control invariantes y variantes con el tiempo

Sistemas de control en tiempo discreto: Son aquellos en los cuales

1.5 Componentes de un Sistema de Control

• Combinación de los anteriores.

1.6 Ejemplos de Sistemas de Control

• Control de velocidad en lazo abierto para un motor DC.

• Control de una locomotora eléctrica diesel.

Figura 1.3: Control de temperatura:(a)neumático; (b) electrónico; (c) Dia-

Figura 1.5: (a) Sistema de Control de la locomotora,(b) Diagrama de blo-

Figura 1.6: b) Diagrama de bloques del sistema de control de la locomotora.

2.2 Tablas de Transformadas de Laplace

Tabla 2.1: Transformadas de Laplace de algunas funciones básicas.

2.3 Ecuaciones Diferenciales de Sistemas Fı́sicos

2.4 Modelos de Estado

2.4.1 Representación de sistemas dinámicos en el espacio de

x˙1 (t) = ẏ(t) ⇒ x˙1 (t) = x2 (t)

El conjunto de ecuaciones de estado, se representa matricialmente ası́:

y su forma compacta es la siguiente:

Figura 2.1: Diagrama de bloques detallado del sistema de orden n

Segundo caso: La función excitadora incluye términos derivativos. Sea el

y su forma compacta es como sigue:

2.4.2 Modelos de sistemas lineales

Figura 2.2: Diagrama de un motor DC controlado por armadura

• Circuito eléctrico: Aplicando la ley de Kirchoff a la entrada del circuito

donde Kf y K1 son constantes. Luego K = Kf if K1 . Por con-