Facultada de ingeniería

Escuela de ingeniería civil eléctrica

Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Control de posición de ascensor.

Estudiante: Pablo Alejandro Valeria Aguirre

Profesor: Johan Igor Guzmán Díaz
Ramo: Simulación y control de convertidores estáticos
utilizando técnicas de control modernas
Fecha: agosto de 2020
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Índice

Introducción..........................................................................................................................3
Modelamiento del sistema....................................................................................................4
Dinámica del ascensor y modelo matemático.....................................................................5
Control del ascensor..............................................................................................................6
Control optimo cuadrático estacionario.............................................................................9
Regulador optimo proporcional integral (PI)..................................................................10
Regulador Óptimo Multivariable Proporcional–Integral...............................................13
Observador optimo de una entrada y una salida.............................................................15
Observador Optimo Multivariable de orden Completo..................................................17
Análisis del proceso.............................................................................................................18
Conclusiones........................................................................................................................20

2
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Introducción

Un ascensor o elevador es un sistema de transporte vertical, diseñado para mover personas

u objetos entre los diferentes niveles de un edificio o estructura. Está formado por partes
mecánicas, eléctricas y electrónicas que funcionan en conjunto para ponerlo en marcha
dentro de estas partes tenemos la cabina que es la parte más estética del ascensor, como
solemos decir, es lo que el cliente ve. Normalmente compuesta por suelo, techo y 3 paneles
verticales, son infinitas las posibilidades de decoración, utilizando diversos materiales
como vidrio, chapa pintada, acero inoxidable, melaninas, etc. a continuación tenemos el
contrapeso, que tiene una masa igual a la de la cabina, más la mitad de la carga máxima
autorizada, para que el motor no tenga que mover toda la masa de la cabina, sino solo una
fracción y finalmente tenemos los grupos tractores para ascensores están formados
normalmente por un motor acoplado a un reductor de velocidad, en cuyo eje de salida va
montada la polea acanalada que arrastra los cables por adherencia.
El control de los sistemas de ascensores se realiza mediante sistemas electrónicos,
encargados de hacer funcionar la dirección de movimiento de la cabina y de seleccionar los
pisos en los que esta deba detenerse. En 1862 la compañía de ascensores Otis inventó el
primer sistema de control con “memoria” para grupos de ascensores, lo que permitió su
automatización y prescindir de los ascensoristas. Actualmente, los controles de ascensores
funcionan con microprocesadores electrónicos que mediante algoritmos determinan la
forma de administrar la respuesta a los pedidos de llamadas coordinando la operación de los
distintos equipos. Los cuadros de maniobra actuales tienen un sistema de información de
errores, que en caso de avería muestran en una pantalla el código de error de tal forma que
el mecánico del ascensor sepa cuál ha sido el motivo de que el ascensor se detuvo.
El presente trabajo desarrolla el conceptualmente el modelaje ideal para controlar un
ascensor de forma simple detallando los distintos procesos matemáticos y algebraicos para
desarrollar un opimo control sobre el sistema y el proceso. Para esto se determinó un
sistema generalizado en el cual se desarrollaron y explicaron paso a paso las distintas
componentes necesarias dúrate el control óptimo de un ascensor.

3
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Modelamiento del sistema.

Para el presente trabajo se utilizará un modelo estándar de ascensor con el cual se pretende
explicar los conceptos básicos para su optimo control, haciendo referencia exclusivamente
a un modelado ideal para un sistema de controlado, el cual es aplicable a los lineamientos
de ramo “Simulación y control de convertidores estáticos utilizando técnicas de control
modernas”.
A continuación, en la Fig.1. se presenta el modelo referencial en el cual se basará el
presente informe.

1. Armadura
2. Encoder de
posición
3. Motor DC
4. Caja reductora
5. Eje de la polea
6. Polea
7. Cable
8. Cabina

Fig.1. Representación
general del sistema de un
ascensor

Fig.2. Representación mecánica e interacción de los componentes del sistema. Fig.3. Circuito equivalente del motor DC

4
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Dinámica del ascensor y modelo matemático.

Para el sistema planteado anteriormente en la Fig.1. un motor DC se encarga de generar la
fuerza necesaria para elevar el ascensor, dicho motor se encuentra acoplado a un eje sobre
el cual se encuentra una polea, que mediante un cable se conecta con una cabina la cual será
usada para desplazar cargas verticalmente. Se define que la entrada a este sistema es el
voltaje aplicado al motor, y su salida es la posición vertical de la cabina, siendo una medida
positiva hacia abajo. Asumiendo que tenemos un motor DC de imanes permanente con
inductancia despreciable, la ecuación (1) es el equivalente eléctrico de dicho motor
u=RI +k v (1)

Donde u es el voltaje aplicado, R la resistencia entre terminales, I la intensidad de corriente,

k v la constante de velocidad-fuerza contra electromotriz y ∅ es la posición angular del rotor
del motor. En la Fig.2. se puede apreciar que le par electromagnético generado por la
corriente eléctrica debe de mover el rotor, la reductora, el eje, la polea y ña cabina del
ascensor siendo posible extraer la ecuación (2) de dicha interrelación.
1
τ =k i I =( J r + J g ) + J ep ❑ −T r (2)
n( n )
k i: Constante de par
J r : Inercia del motor
J g : inercia de la reductora reducida al eje del motor
n>1 : factor de reducción
J ep : Inercia conjunto eje-polea
T: Tención del cable
r: radio de la polea

Mientras tanto el movimiento de la cabina viene dado por términos de la segunda ley de
Newton como indica la ecuación (3).
mc mc g−T (3)

m c : masade la cabina ( conciderandola cargacomo parte de la misma )

y : Posicion vertical de lacabina
g :aceleracion de gravedad igual a 9,81 m/s 2

Adicionalmente existen dos expresiones que relacionan ña velocidad vertical con la

velocidad angular de la polea, así como la aceleración vertical con la aceleración angular de
la polea, estas se aprecian en la ecuación (4) y (5) respectivamente.

5
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

ẏ=r n−1 ( 4 )
ӱ=r n−1 (5)

Al combinar las ecuaciones (1), (4) y (5) se obtiene la siguiente expresión:

ӱ=C 1 ẏ +C 2 u+C 3 (6)

−k i k v n2 rk i n mc r 2 g
C 1= , C 2= , C 3=
JT R JTR JT

A continuación, elegiremos las siguientes variables de estado:

x 1=vesosidad del ascensor

x 2= posicion del ascensor
x 3=seladel sensor de velocidad
x 4 =señal del sensor de posicion

Luego las ecuaciones de estado y de salida del sistema serán:

y= [ 0 1 0 0 ] x

Control del ascensor

El control óptimo de un ascensor se basa en la definición de una función que relacione el

error de control y la acción de control y/o sus desviaciones, con ponderaciones que
permiten pesar en forma relativa cada una de ellas, estableciendo un criterio de
optimización sobre dicho funcional que se ajuste a los objetivos del control optimo del
sistema, puede también ser incluidas las restricciones de la misma como lo son las acciones
de control, del sistema y los propios rangos de operación, generando una acción de control
optima según el criterio que se estableciera, vinculada a las restricciones presentes en el
proceso. Un ejemplo de esto es el control optimo cuadrático no estacionario, el cual se
puede formular como se muestra en la ecuación (7), dando un sistema lineal en el dominio
discreto.
6
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

x ( k +1 )=Gx ( k )+ Hu ( k ) , x ( 0 ) =c (7)
Bueno si se desea determinar una secuencia de señales de control u ( 0 ) , u (1 ) , … . ,u ( N) que
minimicen una función de costo cuadrática, se puede ejemplificar esta función de costo
para un proceso de tiempo finito (0 ≤ k ≤ N ) es:

N −1
1 1
J= x T ( N ) Sx ( N )+ ∑ [x T ( k ) Qx+ uT ( k ) Ru ( k ) ](8)
2 2 k=0

Donde x ( k ) es el vector de estado de dimensión n y u ( k ) es el vector de control de

dimensión r. Mientras que la matriz real simétrica semidefinida positiva “ S de dimensión
(n∗n) pondera la importancia del estado final x ( N ) en el tiempo N, la matriz real simétrica
semidefinida positiva Q de dimensión (n∗n) pondera la importancia del vector de estado
x ( k ), y la matriz real simétrica definida positiva R de dimencion (m∗m) pondera la
importancia de la señal de control u ( k ) . Además, cabe destacar que una matriz real es
definida positiva cuando todos sus valores propios son positivos. Cuando los valores
propios de una matriz real son positivos o cero, entonces la matriz se denomina
semidefinida negativa. Cuando una matriz real posee valores propios positivos y negativos,
entonces es indefinida.
Entonces el estado inicial del sistema es cualquier vector arbitrario x ( 0 )=c. Si el final se
1 T
fija en un valor predeterminado x f , entonces el término x ( N ) Sx ( N) sale de la función de
2
costo y se impone la condición final x ( N )=x f . Si el estado final x ( N )no es fijo, entonces el
1 T
término x ( N ) Sx ( N) representa la medida del rendimiento del sistema debido al estado
2
final. La inclusión de este término en la función de costo J representa que nosotros
deseamos que el estado x ( N ) sea lo más cercano posible al origen. Para nuestro problema
de estudio, debemos minimizar J (ecuación (9)) cuando está sujeto a la restricción impuesta
por la ecuación de estado (7), dondeK=0,1,2, … , N−1 , y donde el vector de estado inicial
es de la forma presente en la ecuación (9).

x ( 0 )=c (9)

Empleando los multiplicadores de LaGrange λ I , … ., λ N , podemos definir una nueva función

de costo L (el Hamitoniano) como se muestra a continuación en la ecuación (10).

N−1
1 1 T
L= x T ( N ) Sx ( N )+ ∑ [ x T ( k ) Qx+uT ( k ) Ru ( k ) ]+ λT ( k −1 ) [ Gx ( k )+ Hu ( k ) −x ( k +1 ) ] + [ Gx ( k )+ Hu ( k )−x ( k +1 ) ] λ
2 2 k=0

7
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

La función L se minimiza derivando parcialmente con respecto a los vectores

X ( k ) , u ( k ) , λ(k). Luego igualamos a cero los resultados obtenidos y podemos observar:
∂L
=Qx+ G T λ ( k +1 )− λ ( k )=0 ,k 1,2 , … , N −1(11)
∂ x (k )
∂L
=Sx −λ ( N )=0 (12)
∂x (N)
∂L
=Ru ( k )+ H T λ ( k +1 )=0 , k=1,2 , … , N −1(13)
∂u ( k )
∂L
=Gx ( k −1 )+ Hu ( k −1 )−x ( k )=0 ,k =1,2 , … , N −1(14)
∂ λ (k )

Para lo anterior se han empleado las relaciones matriciales conocidas a continuación:

∂L T ∂L T
x Ax= Ax x Ay= Ay
∂x ∂x

De la ecuación (13) se obtiene:

u ( k ) =−R−1 H T λ ( k +1 ) , k=1,2 , ... , N −1(15).

De la ecuación (14) obtenemos:

x ( k +1 )=Gx ( k )+ Hu ( k ) , k=1,2 , … , N−1(16)

Luego al reemplazar (15) en (16) se obtiene:

x ( k +1 )=Gx ( k )−H R−1 H T λ ( k +1 ) , k=1,2 ,... , N−1(17)

Entonces el vector de control optimo o ley de control puede ser formulado como:

u ( k ) =−Kx ( k ) (18)

Donde K ( k ) es la matriz de ganancia de retroalimentación de orden (r∗n).

Asumamos que λ ( k ) se puede escribir como:

λ ( k )=P ( k ) x ( k ) (19)

donde P ( k ) es una matriz simétrica de orden ( n∗n ) , bueno si sustituimos (19) en (11)
obtendremos:

8
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

−1
P ( k ) x ( k )=Q+GT P ( k +1 ) [ I + H R−1 H T P ( k + 1 ) ] G ( 20 )

Bueno, si empleamos el siguiente lema de inversión de matrices

( A+ BD) =A − A B( I + D A B) DA en (20) obtendremos la siguiente ecuación de
−1 −1 −1 −1 −1 −1

Riccati:
−1
P ( k )=Q+GT P ( k + 1 ) G−GT P ( k +1 ) H [ R+ H T P ( k +1 ) H ] H T P( k +1) G(21)

De la ecuación (12) podemos deducir que Sx ( k )=λ ( K ) y reemplazando en (19) con

k =N en esta última relación:
P ( N )=S(22)

Esta última relación se usa para resolver la ecuación de Riccati, partiendo de k =N hasta
k =0. Es decir, podemos obtener P ( N ) , P ( N−1 ) , … , P (0). De la ecuación (11) obtenemos:

λ ( k + 1 )=(GT )−1 [λ ( k )−Qx ( k )]

sustituyendo la última expresión en (15) y empleando la relación (19) en la expresión
resultante produce:

u ( k ) =−K ( k ) x ( k ) K ( k )=R−1 H T (G¿¿ T )−1 [ P ( k )−Q ] ( 23 ) ¿

Utilizando transformaciones matriciales, se pueden demostrar dos expresiones más para la
ganancia K ( k) :
−1
u ( k ) =−K ( k ) x ( k ) K ( k )=R−1 H T [ P−1 ( k +1 )+ H R−1 H T Q ] G(24)
T −1 T
u ( k ) =−K ( k ) x ( k ) K ( k )= [ R + H P ( k +1 ) H ] H P ( k +1 ) G(25)

Para nuestro caso se utilizará preferentemente la última ecuación.

Control optimo cuadrático estacionario.

Se ha establecido que cuando el tiempo final N es finito K(k) resulta una matriz de
ganancia variante con el tiempo. Consideremos ahora el caso cuando el sistema
x ( k +1 )=Gx ( k )+ Hu ( k ) ha alcanzado su estadp estacionario en un tiempo N=∞ (siendo este
tiempo ahora fijo). En esta situación, la matriz de ganancia del controlador K(k) se
convierte en una matriz K. para N=∞ , la función de costo se formula así:

9
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

(26)

1 T( ) ( )
En donde podemos observar que el termino x N Sx N de la ecuación (9) ha
2
desaparecido. Esto es debido a que en N=∞ el sistema de control optimo es estable, de
1 T
modo tal que J converge a un valor constante, x=∞ tiende a 0 y x ( ∞ ) Sx ( ∞ )=0. Por otra
2
parte, en el estado estacionario la matriz P(k) resulta una matriz constate P. de este modo la
ecuación de Riccati (21) es estado estacionario toma la siguiente forma:
−1
P ( k )=Q+G T PG−G T PH [ R+ H T PH ] H T PG ¿ )
Mientras que la matriz de ganancia K en (25) es:
−1
K= [ R+ H T PH ] H T PG (28)

Y la ley de control vectorial u(k) pasa a ser:

u ( k ) =−Kx ( k ) (29)
La matriz P de la ecuación (28) se obtiene empleando la ecuación de Riccati en estado no
estacionario dada en (21), pero invirtiendo la dirección del tiempo, es decir:
−1
P ( k +1 )=Q+GT P ( k ) G−GT P ( k ) H [ R+ H T P ( k ) H ] H T P(k )G(30)

El diagrama de bloques del sistema de control óptimo de estado estacionario se ilustra en la

Fig.4. en donde se asume que los estados pueden ser medidos y procesados. Dicho sistema
es estable si todas las raíces de su ecuación característica det [ zI −G+ HK ]=0 caen dentro
del circulo unitario. El problema con la configuración mostrada en Fig.4. es que la señal de
referencia o “set point” no aparece explícitamente. Es por esta razón que se refiere usar la
configuración del regulador optimo proporcional integral, en donde si aparece
explícitamente la señal de referencia.

Fig.4. sistema de control optimo a lazo cerrado.

10
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Regulador optimo proporcional integral (PI)

El regulador óptimo proporcional–integral mostrado en la Fig.5. incluye un integrador
discreto, el cual sirve para eliminar los errores en estado estable. Esto quiere decir, que para
hacer que la diferencia entre la salida y (k ) y la referencia r ( k ) sea nula en el estado estable.
Es así como de la Fig.5 podemos deducir:
x ( k +1 )=Gx ( k )+ Hx ( k ) y ( k ) =Cx ( k ) (31)
u ( k ) =−Kx ( k ) + K 1 v ( k ) (32)

Fig.5. Reguador optimo Proporcional-integral (PI)

Donde:
 x (k ) es el vector de estado del sistema de orden n
 y (k ) es la salida escalar controlada del sistema
 u ( k ) es la señal o fuerza de control
 v ( k ) es la señal de salida del ntegrador
 G es la matriz de estado de orden (n∗n)
 H es la ,atriz de control de orden (n∗1) C es la matriz de salida de orden (1∗n)
 K 1 es la ganancia del integrador
 K es kla matriz ganancia del controlador de orden (1∗n)

La matriz de ganancia Kesta formulada como:

K= [ K 1 K 2 , … ., K n ] (33)

La ecuación que describe al integrador discreto viene dada por:

v ( k )=v ( k −1 ) +r ( k )− y ( k )(34)

Por otra parte, para los tiempos ( k +1 ) , v ( k−1) toma la forma:

11
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

x ( k +1 )=( g−HK ) x ( k )+ H K 1 v ( k ) (35)

Mientras que las ecuaciones (34) y (35) producen:

x(k +1) G−HK H K1 0

[ ][=
v (k +1) −CG +CHK ][]
+ r ( k +1 ) (36)
1−CH K 1 1

y ( k )= C 0 x (k ) (37)
[ ]
[ ]
v (k)

En el estado estacionario para k ⟶ ∞, las variables x ( k ) ,u ( k ) y v (k) toman sus valores

estacionarios x ( ∞ ) , u ( ∞ ) y v (∞), respectivamente. Así la ecuación (33) toma la forma de:

x(∞) G−HK H K1 x (∞ ) 0
[ ][ = + (38)
v (∞) −CG +CHK 1−CH K 1 v (∞) 1 ][ ] [ ]
Definiendo:

x ( k )−x ( ∞ )=x e ( k )(39)

v ( k )−v ( ∞ )=v e ( k ) (40)

Ahora podemos restar (38) de (36) y luego usar las ecuaciones (39) y (40) para obtener:

x e ( k +1 ) 0 xe ( k ) + H −K K x e ( k ) (41)
= G
[ ][ ][ ] [ ]
v e ( k +1 ) −CG I v e ( k ) −Ch
[ 1]
ve (k ) [ ]
La ecuación (41) se puede formular compactamente como:

(42)

Donde:

12
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Cabe destacar que el vector de estado x ( k ) del sistema original es de orden n, mientras que
el vector de estado (k) del regulador proporcional-integral es de orden (n+1), debido a la
presencia del integrador.

El problema del controlador optimo cuadrático discreto estacionario para el regulador

proporcional-integral, de resuelve minimizando la siguiente función de costo:

(43)

Empleando:

(44)

(45)

Donde es una matriz simétrica definida positiva de dimensiones (n+1)x(n+1), la cual es

solución de la ecuación matricial de Riccati asociada.

Regulador Óptimo Multivariable Proporcional–Integral

El regulador proporcional-integral mostrado en la Fig.5. y descrito para el caso univariable
en la sección anterior, también se aplica a sistemas multivariables. Las ecuaciones que
gobiernan la dinámica de un regulador multivariable proporcional-integral se pueden
establecer por extensión. Así, la ecuación de estado de sistema mutivariable viene dada por:

x ( k +1 )=Gx ( k )+ Hu ( k ) y ( k )=Cx ( k ) (46)

u ( k ) =−Kx ( k ) + K 1 v ( k ) (47)

13
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Donde x (k ) es el vector de estado del sisema de orden n, y (k ) es el vector de salida de

orden m, u(k) es el vector de control de orden m, v(k ) es el vector de salida del integrador
de orden m, G es la matriz de orden (1 m∗n), K 1es la matriz de ganancia del itegrador de
orden (m∗m¿, y K es la matriz ganancia del controlador de orden (m*n) . La matriz de
ganancia K posee ahora la forma:

(48)

Del mismo modo, de la Fig.5. podemos formular la ecuación que describe al vector
integrador discreto:

v ( k )=v ( k −1 ) +r ( k )− y ( k )(49)

Donde r es el vector de referencia de orden m. Operando como en el caso de una entrada y

una salida, se puede demostrar que la forma completa de la ecuación (41), pero para el caso
multivariable es:

(50)

Donde:

Con:

x ( k )−x ( ∞ )=x e ( k )

v ( k )−v ( ∞ )=v e ( k )

Para resolver el problema del control optimo cuadrático discreto estacionario, debemos
minimizar la siguiente función de costo:

14
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

(51)

En (51), el vector de entrada w es de orden m. Como resultado del proceso de

minimización, obtenemos las expresiones de la matriz de ganancia del controlador y la
ecuación de Riccati asociada:

(52)

(53)

Donde:

 es una matriz simétrica definida positiva de dimensiones ( n+1 )∗(n+ 1)

 es una matriz simétrica semidefinida positiva de dimensiones ( n+1 )∗(n+ 1) y es
una matriz simetrica definida positiva de dimenciones (m∗m).

Observador optimo de una entrada y una salida.

Para implementar en tiempo real, solo unas cuantas variables del vector de estado x ( k ) de
un proceso se puede medir en forma directa. En tales situaciones necesitamos estimar dicho
vector de estado; es decir, requerimos hallar un vector de estado ˆx( k). El empleo de un
observador discreto de estados permite determinar ˆx( k).

El diseño del observador implica determinar su matroz de ganancia K e , partiendo de la

minimización de función de costo cuadrática, en forma similar al caso del controlador
óptimo. El diagrama de bloques del observador de estados de una entrada y una salida se
muestra en la Fig.6. donde podemos notar que el observador de la salida y (k ) y la señal de
control u(k).

De la Fig.6. se obtiene:

x ( h+1 )=Gx ( k ) + Hu ( k ) (54)

y ( k )=Cx ( k ) (55)

15
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Fig.6. Configuración del observador de estados

La ecuación del observador toma la forma:

ˆx ( k +1 )=Gˆx ( k ) + Hu ( k ) + K e [ y ( k )−Cˆx ( k ) ](56)

Donde:

 ˆx ( k ) es el vector de estado estimado de dimensión n

 ˆy ( k ) representa la salida escalar estimada
 K e es la matriz de ganancia de realimentación del observador de dimensión (n∗1)
 C es la matriz de salida de Dimenciones ( 1∗n )

Al reemplazar (55) en (56) y restando la ecuación resultante en (54), podemos obtener la

ecuación del error del observador:

e ( k +1 )=[ G−K e C ] e ( k ) ; e ( k )=x ( k )−ˆx ( k ) (57)

Es así como se puede concluir que el observador posee la siguiente ecuación característica:

dtt [ zI−G+ K e C ]=0(58)

En donde la matriz K e se diseña para que el error tienda a cero con una velocidad adecuada.
Las raíces de la ecuación característica deben ubicarse dentro del circulo unitario para que
el observador sea estable y opere satisfactoriamente. La matriz K e se puede calcular en la
misma forma en se calculó la matriz de ganancia K del controlador optimo; partiendo de la
minimización de una función de costos cuadrática aplicada al observación. En este caso
usaremos el concepto de dualidad. Es decir, emplearemos las ecuaciones que describen al
sistema de control optimo, convenientemente modificada, para calcular K e .

El procedimiento es como sigue. Dado que el determinante de una matriz y el de su

transpuesta son iguales, podemos modificar la forma de la ecuación (58) así:

16
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

det [ zl−G+ K e C ]=det ⁡[zl−GT +C T K e T ] (59)

Comparando la educación característica del controlador optimo (26), con la educación

característica del observador (59), podemos concluir que se tienen que hacer las siguientes
modificaciones:

G ⟶G T H ⟶ G T K ⟶ K e T (60)

Usando dichas modificaciones en las estructuras de la ecuación de estado del proceso

x ( k +1 )=Gx ( k )+ Hu(k), de su ecuación de salida y ( k )=Cx (k ) y de su ley de control
u ( k ) =−Kx( k), obtendremos las siguientes relaciones duales de la ecuación de estado y de
la ley de control:

α ( k +1 )=GT α ( k ) +CT β ( k ) ( 61 )

β ( k )=−K T α ( k ) (62)

Empelando ahora (61) y (62) en la función de costo siguiente:

(63)

Entonces la correspondiente ecuación de Riccati toma la forma:

(64)

Mientras que la matriz de ganancia K e resulta:

K e =[R e +C P e CT ]−1 C Pe GT (65)

Observador Optimo Multivariable de orden Completo

Por extensión, la Fig.6. también puede ser aplicada a sistemas multivariables. De dicha
figura se puede obtener:

x ( k +1 )=Gx ( k )+ Hu ( k ) ( 66 )

y ( k )=Cx ( k ) (67)

ˆx ( k +1 )=Gˆx ( k ) + Hu ( k ) + K e [ y ( k )−C ˆx ( k ) ] (68)

17
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Donde ˆx ( k ) es el vector de estado estimado de dimensión n, ˆy ( k ) representa el vector de

salida estimado de dimencion m , K e es la matriz de ganancia de realimentación del
observador con dimensiones (n∗m) y C es la matriz de salida de dimensión (m∗n). Otra
vez, empleamos el concepto de dualidad tratado en la sección anterior determinamos la
ecuación de Riccati del observador:

(69)

Donde las matrices de ponderación Re y Qe son de orden ( m∗m) y (n∗n) respectivamente, y

la matriz Pe solución de la ecuación de Riccati es de orden (n∗n). La correspondiente
matriz de ganancia K e se calcula:

K e =[R e +C P e CT ]−1 C Pe G T (70)

Análisis del proceso.

La Fig.7. que se muestra a continuación ejemplifica el diagrama de bloques simplificado
para el proceso del ascensor, el problema a resolver en sí, es posicionar el ascensor
adecuadamente. El voltaje de armadura v( t) lo suministra un amplificador de potencia con
saturación como se muestra en la Fig.7. el cual n debe de exceder los +-200 volt. Esto
significa una velocidad estable de:

x̄ 1=¿

Observar en la Fig.7. que la velocidad y posición del elevador se mide separadamente.

Entre pisos, el amplificador de potencia se encuentra en estado de saturación, generando +-
200 volt, dependiendo de si el ascensor está desplazándose hacia arriba o hacia abajo.
Cuando el ascensor se aproxima al piso donde debe parar, la operación del amplificador
pasa a la zona lineal. En esta situación debe de actuar un controlador para posicionar
suavemente al ascensor empleando las mediciones de velocidad y posición del ascensor.
Tales mediciones, así como también la medición del voltaje de armadura en la zona de
saturación están disponibles para cada piso. La Fig.7. muestra el sistema de control digital
del ascensor. Las ecuaciones de estado y de salida del ascensor son las siguientes:

y ( t ) =[0 1 0 0]x

18
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Fig.7. Proceso realizado por el ascensor

Fig.8. Esquematización detallada del Proceso del ascensor

19
 Facultada de ingeniería
Escuela de ingeniería civil eléctrica
Simulación y control de convertidores estáticos utilizando técnicas de control
modernas

Conclusiones

 El presente trabajo se ha logrado estudiar, diseñar y aplicar un controlador discreto

multivariable a un sistema multivariable del control de un ascensor, el cual es un
controlador tipo PI empleando el modelo linealizado de un ascensor estándar.
 Para efectos de simplificación del trabajo se obviaron algunos conceptos
matemáticos para exponer un desarrollo más rápido y amigable con el lector.
 Durante el proceso se logró identificar y comprender a grandes rasgos el tipo de
control automatizado para un ascensor estándar con múltiples variables que afectan
su funcionamiento, no obstante, la gran mayoría de estas variables son empleadas en
diferentes campos a lo largo de la carrera por lo cual lo más complicado fue el
entender el cómo trabajaba y se interconectaban unas con otras para lograr
desarrollar el proceso de control.

20