Centro Nacional de Investigación

y Desarrollo Tecnológico

Observador para circuito RLC

Presenta
Adolfo Valdez Bahena
Patricia de los Ángeles Quijano Hau

Profesor
Dr. Luis Gerardo Vela Valdés

Cuernavaca, Morelos, 12 de octubre de 2018

Índice

1. Introducción .............................................................................................................................................3
2. Objetivo .....................................................................................................................................................3
3. Observador de estados.........................................................................................................................3
3.1. Observadores de estado para sistemas lineales ...................................................................4
3.1.1. Observador de orden completo ..................................................................................................4
3.2. Problema dual .................................................................................................................................5
3.3. Diseño de observadores...............................................................................................................7
3.3.1. Fórmula de Ackerman ..................................................................................................................7
4. Desarrollo .................................................................................................................................................8
4.1. Modelado del circuito RLC serie ................................................................................................8
4.1.1. Diagrama eléctrico ........................................................................................................................8
4.1.2. Modelo matemático ......................................................................................................................9
4.1.3. Diagrama a bloques .....................................................................................................................9
4.2. Diseño del observador de estados ......................................................................................... 10
4.2.1. Representación en variables de estado ................................................................................. 10
4.2.2. Prueba de observabilidad ......................................................................................................... 11
4.2.3. Cálculo de los polos .................................................................................................................. 11
4.2.4. Asignación de polos .................................................................................................................. 11
4.2.5. Cálculo de la matriz Ke ............................................................................................................. 12
4.2.6. Ecuación de estado de orden completo ................................................................................. 12
4.2.7. Diagrama a bloques del observador de estados .................................................................. 12
5. Resultados ............................................................................................................................................ 12
5.1. Simulación en MatLab ................................................................................................................ 13
5.1.1. Diagrama a bloques .................................................................................................................. 13
5.1.2. Código ......................................................................................................................................... 13
5.1.3. Gráficas ....................................................................................................................................... 14
6. Conclusiones ........................................................................................................................................ 16
Referencias ................................................................................................................................................... 16
1. Introducción

El estudio de los observadores tiene interés por el hecho de que, en muchos casos, es
deseable conocer información interna que no se puede o no se desea medir, de sistemas
en campos de la automatización como el modelado (identificación), monitoreo (detección de
fallas) o control. La utilización de observadores adecuadamente diseñados e implementados
permite obtener esa información a partir de mediciones externas. Las señales a obtener
varían desde aquellas variables en el tiempo, que se relacionan con la dinámica del sistema
(estados) hasta constantes (parámetros con incertidumbre) y señales externas que no
pueden ser medidas (perturbaciones).

2. Objetivo

Diseñar y simular en MatLab un observador en lazo abierto para un circuito RLC serie.

3. Observador de estados

En determinadas circunstancias resulta necesario estimar el valor de ciertas variables de

estado que no son medidas en un sistema. La estimación de este tipo de variables se
determina observación. Un dispositivo (o programa) que estima u observa las variables de
estado se llama observador de estados (o simplemente observador). Según Ogata [4], “Un
observador de estados estima las variables de estado con base en las mediciones de las
variables de salida y de control”.

A la hora de dar una clasificación de los tipos de observadores, Ogata [4] se fija en el número
de variables que son observadas. De esta manera propone una clasificación de
observadores en tres tipos:

 Orden completo: el observador capta todas las variables del sistema, sin importar si
algunas están disponibles para una medición directa.
 Orden reducido: el observador estima menos de n variables de estado, en donde n
es la dimensión del vector de estado.
 Orden mínimo: es un observador de orden reducido con el mínimo orden posible, es
decir, si n es la dimensión del vector de estado y m es la dimensión del vector de
salidas, el observador de orden mínimo observa n-m variables.

Dentro de cada una de estas familias, podemos tener, a su vez, otras subdivisiones. Por
ejemplo, si consideramos el tipo de sistema que estamos tratando podemos tener
observadores para sistemas lineales y observadores para sistemas no lineales. A
continuación, se mostrará los fundamentos de observadores de estados para el caso más
general, el de observadores de orden completo para sistemas lineales.

3
 3.1. Observadores de estado para sistemas lineales

3.1.1. Observador de orden completo

Consideramos que tenemos un sistema en espacio de estados de la siguiente forma:


X  t   Ax  t   Bu  t  (1)

y  t   Cx  t  (2)

En donde x(t) es el vector de estado (vector de dimensión n), u(t) es el vector de entradas,
y(t) es el vector de salidas, y A, B y C son matrices de coeficientes constantes. Podemos
definir un observador de estados genérico para dicho sistema como:

X  t   Ax  t   Bu  t   Ke  y  t   Cx  t  (3)
 

y  t   Cx  t  (4)

El último término, es un valor de corrección que contiene la diferencia entre la salida medida
y la salida estimada. El término de corrección ayuda a reducir los efectos producidos por la
diferencia entre el modelo dinámico y el sistema real. La matriz Ke funciona como una matriz
de ponderación. En la Figura 1 se puede ver de manera esquemática el sistema en espacio
de estados y su observador genérico correspondiente.

Figura 1. Diagrama eléctrico del circuito RLC

4
Podemos obtener la dinámica del error en la estimación del estado restando la ecuación 5.1
de la ecuación 5.3:

 

X  t   X  t   Ax  t   Ax  t   Ke Cx  t   Cx  t  (5)
 

 

X  t   X  t    A  KeC  x  t   x  t   (6)
 

Y definiendo la diferencia entre x  t  y X  t  como el vector de error e x  t  :

ex  t   x  t   x  t  (7)

Entonces el error en la estimación del estado, nos queda:


e x  t    A  KeC e x  t  (8)

A partir de la ecuación 8 podemos ver que el comportamiento dinámico del vector de error
se determina mediante los valores característicos de la matriz A  KeC . Si la matriz es
estable, el vector convergerá a cero para cualquier vector de error inicial (e(0)). Es decir que
 

X  t  convergerá a x  t  sin considerar los valores de X  t  ) y x  t  . Si se eligen los valores

característicos de la matriz A  KeC de manera que el comportamiento dinámico del vector
de error sea asintóticamente estable y suficientemente rápido, cualquier vector de error
tenderá a 0 con una velocidad adecuada. Al igual que para el error en la estimación del
estado, podemos obtener el error en la estimación de la salida como:

ey  t   y  t   Cx  t  (9)

Que está directamente relacionado con el error en la estimación del estado:

ey  t   Cex  t  (10)

3.2. Problema dual

El problema a la hora de diseñar un observador es determinar la matriz Ke tal que la

dinámica del error sea asintóticamente estable con una velocidad de respuesta suficiente,
es decir, determinar Ke, tal que A  KeC tenga los valores característicos deseados. Este
problema se corresponde con el problema de ubicación de polos.

5
Consideramos el siguiente sistema lineal en espacio de estados:


X  Ax  Bu (11)

y  Cx (12)

Al diseñar el observador de estados de orden completo, solucionamos el problema de

ubicación de polos para el sistema dual:


z  A * z  B* v (13)

n  B* z (14)

Suponiendo que la señal de control v es (realimentación de estado):

v  Kz (15)

Si el sistema dual es de estado completamente controlable, la matriz de ganancias de

realimentación del estado K se determina de tal modo que la matriz A * z  C*K produzca un
conjunto de los valores característicos deseados.

Si µ1, µ2, …, µn son los valores característicos de la matriz del observador de estado,
tomando los mismos µi que los valores característicos deseados de la matriz de ganancias
de realimentación del estado del sistema dual, obtenemos:

 
sI  A *  C*K   s  1  s  2 ,...,  s  n  (16)

Considerando que los valores característicos de A *  C*K y los de A *  K *C son iguales,

tenemos que:

  
sI  A *  C*K  sI  A *  K *C  (17)

Comparando el polinomio característico sI  A *  K *C   y el polinomio característico

sI   A  KeC para el sistema observador, encontramos que Ke y K∗ se relacionan

mediante:

Ke  K * (18)

6
Por tanto, usando la matriz K determinada mediante el enfoque de ubicación de polos en el
sistema dual, la matriz de ganancias del observador Ke para el sistema original se determina
a partir de la relación Ke = K∗ [4].

Condición necesaria y suficiente para la observación del estado La condición necesaria y

suficiente para la determinación de la matriz de gananciasdel observador Ke para los valores
característicos deseados de A-KeC es que el dual del sistema original:


z  A * z  C* v (19)

Sea de estado completamente controlable. La condición de controlabilidad completa del

estado para este sistema dual es que el rango de:

 C* A * C* A  C* 
n 1
*
  (20)

Sea n, por tanto, ésta es la condición para una observabilidad completa del sistema original.

3.3. Diseño de observadores

La señal de realimentación a través de Ke funciona como una señal de corrección para el

modelo de la planta. Si tenemos implícitos factores desconocidos de la planta con valores
significativos, la señal de realimentación debería ser grande (es decir, el valor de Ke). Sin
embargo, si la salida está excesivamente contaminada con ruidos o perturbaciones, esta
señal ya no es confiable y por lo tanto la señal de realimentación debería ser relativamente
pequeña. A la hora de diseñar la matriz Ke debemos prestar atención a los efectos de
perturbaciones y ruido. Habitualmente se suele diseñar como compromiso, una respuesta
rápida y la sensibilidad frente a perturbaciones y ruido. Existen diversas técnicas que
podemos destacar a la hora de realizar un diseño automático de la matriz de ganancias.
Según Ogata [4] podemos destacar principalmente tres técnicas para el diseño:

 Enfoque directo
 Enfoque de sustitución
 Fórmula de Ackerman

Debido a que la fórmula de Ackerman es la más genérica, así como la más usada, a
continuación, se procederá a describir esta técnica.

3.3.1. Fórmula de Ackerman

La fórmula de Ackerman para la determinación de la matriz de ganancias del observador

Ke, viene dada por la siguiente ecuación:

7
 1
 C  0 
 CA  0 
Ke    A      (21)
   
 n1   
CA   1

En donde φ(A) es igual a φ(S) que es el polinomio característico deseado para el observador
de estado. Viene dado por la expresión 22:

n
  S     S  i    S  1  S   2   S  n  (22)
i1

En donde µ1, µ2, …, µn son los valores característicos deseados. La elección de dicho
conjunto de valores en muchos casos, no es única [4]. Por tanto, podrían elegirse muchas
ecuaciones características diferentes como ecuaciones características deseadas. Para
cada ecuación característica deseada, tenemos una matriz Ke diferente. Para cada una de
las matrices de ganancias que obtenemos, deben realizarse pruebas en simulación con el
fin de ver el comportamiento y la respuesta del observador generado. En muchos casos
prácticos la elección de la mejor matriz Ke se resuelve en un compromiso entre la respuesta
rápida y la sensibilidad ante perturbaciones y ruidos.

4. Desarrollo

4.1. Modelado del circuito RLC serie

Dado el circuito de la Figura 2, se realiza el análisis aplicando la teoría de circuitos para

obtener un modelo matemático que describe el comportamiento del circuito.

4.1.1. Diagrama eléctrico

R L
+ - + -

iL

+ Vc
Vi C
-

Figura 2. Diagrama eléctrico del circuito RLC

8
 4.1.2. Modelo matemático

Aplicando la ley de tensiones de Kirchhoff al circuito de la Figura 2:

diL
Vi  RiL  L  Vc  0 (23)
dt

diL R 1 1
  iL  Vc  Vi (24)
dt L L L

Aplicando la ley de corrientes de Kirchhoff al circuito de la Figura 2:

dVc
iL  C (25)
dt
dVc 1
 iL (26)
dt C

Entonces para el circuito RLC serie se tiene el siguiente sistema de ecuaciones:

diL R 1 1
  iL  Vc  Vi
dt L L L
dVc 1
 iL
dt C

4.1.3. Diagrama a bloques

En la Figura 3 se muestra el diagrama a bloques del circuito RLC analizado, el cual se

construye utilizando el sistema de ecuaciones anterior.

Figura 3. Diagrama a bloques del circuito RLC

9
 4.2. Diseño del observador de estados

A continuación, se desarrolla el diseño de un observador de estado de orden completo para

el circuito RLC serie de la Figura 2.

4.2.1. Representación en variables de estado

Para el diseño del observador se hace la representación del sistema en variables de estado,
con las ecuaciones 29 y 30:


X  Ax  Bu (27)
y  Cx (28)

Se definen a iL y Vc como las variables de estado:

X1  iL (29)

X2  Vc (30)

Según el sistema de ecuaciones, se definen las matrices para las ecuaciones 27 y 28.

 di 

   L 
x
X 
1 dt
 (31)
   dVc 
 x2   
 dt 

 R 1
 L  
L
A   (32)
 1 0 

 C 

x   i 
X 1  L  (33)
 x 2   Vc 

 1
B  L  (34)
 
0

u  Vi (35)

10
 0 1
C  (36)
 1 0

Sustituyendo las ecuaciones (31-36) en (27-28) se obtiene el modelo en variables de estado

del circuito RLC:

 R 1
 L    1
L  x1   
X    L u (37)
 
 1 0   2   0 
x

 C 
0 1  x1 
y   (38)
1 0  x2 

4.2.2. Prueba de observabilidad

Es necesario determinar la condición de observabilidad completa. Un sistema es observable

si la matriz pobs de observabilidad es de rango completo, es decir, el rango de pobs es igual
a n; el número de estados: La matriz pobs se construye de la siguiente manera:

pobs  C;CA 
1
(39)

En este caso el sistema (circuito RLC) es de orden 2, es decir, n=2. Por lo que se debe
verificar que el rango de pobs sea 2.

4.2.3. Cálculo de los polos

Se calculan los polos del sistema. Siendo A la matriz del sistema, entonces:

 R 1
 L  
L
rs  eig   (40)
 1 0 

 C 

4.2.4. Asignación de polos

Normalmente se escogen polos deseados para el observador de estados 10 veces mayores

que la parte real de los polos de realimentación de estado:

ro  10 * rs (41)

11
Se asignan las raíces:

V  ro 1 ro  2 (42)

4.2.5. Cálculo de la matriz Ke

Para aplicar la fórmula de Ackerman se separa la matriz de coeficientes de salida:

C1  0 1
(43)
C2  1 0
La matriz de ganancias Ke se obtiene aplicando la fórmula de Ackerman como sigue:

Ke   acker  A ',C2 ',V   ' acker  A ',C ',V  '

1 (44)

4.2.6. Ecuación de estado de orden completo

Finalmente, se obtiene el observador de estados para dicho sistema como:


x  Ax  Bu  Ke  y  Cx  (45)

4.2.7. Diagrama a bloques del observador de estados

En la Figura 4 se muestra el diagrama a bloques del observador de estados, el cual se

construye a partir de la ecuación 45.

Figura 4. Diagrama a bloques del observador de estados

5. Resultados

A continuación, se presenta la simulación en MatLab del observador en lazo abierto para el

circuito RLC serie, en donde se unen los diagramas a bloques de las Figuras 3 y 4.

12
 5.1. Simulación en MatLab

Para los elementos del circuito RLC se propusieron los siguientes valores:

Vi  10
R  1k
L  169mH
C  1F

5.1.1. Diagrama a bloques

En la Figura 4 se muestra el diagrama a bloques del circuito RLC con realimentación de

estado observado para la simulación en MatLab.

Figura 5. Diagrama a bloques del observador en lazo abierto para un circuito RLC

5.1.2. Código

Para determinar la matriz de ganancias Ke, se utilizó el siguiente código en MatLab.

% OBSERVADOR EN LAZO ABIERTO PARA CIRCUITO RLC

% Asignar valores a los elementos

Vi = 10; R = 1000; L = 0.169; Cap = 1e-6

13
% Definir las matrices del sistema
A = [ -R/L 1/Cap ; -1/L 0 ]; B = [ 1/L 0 ; 0 0 ]; C = [ 0 1 ; 1 0 ]
% Prueba de observabilidad
pobs= [ C' ; A'*C' ]
% Determinar el rango
rangoA = rank(A)
rangopobs = rank(pobs)
% Si el rangoA = rangopobs entonces el sistema es completamente observable
% Se calculan las raíces del sistema
rs = eig(A)
% Se calculan las raíces para el observador (10 veces más rápido que el sistema)
ro = 10*rs
% Se asignan las raíces
V = [ ro(1) ro(2) ]
% Se separa la matriz de coeficientes de la salida
% en 2 vectores para aplicar la fórmula de Ackerman
C1 = [ 0 1 ]
C2 = [ 1 0 ]
% Calcular la matriz de ganancias Ke con la fórmula de Ackerman
Ke = [ (acker(A',C2',V))' (acker(A',C1',V))' ]

5.1.3. Gráficas

En la Figura 6 se muestran el voltaje obtenido en el sistema y en el observador para una

entrada escalón. Además, en la Figura 7 se muestra el error, que es la diferencia entre el
voltaje obtenido en el sistema y el estimado por el observador.

Figura 6. Gráficas de voltaje del sistema (1) y el observador (2)

14
 Figura 7. Gráfica del error en el voltaje

En la Figura 8 se muestran la corriente obtenida en el sistema y en el observador para una

entrada escalón. Además, en la Figura 9 se muestra el error, que es la diferencia entre la
corriente obtenida en el sistema y la estimada por el observador.

Figura 8. Gráficas de corriente del sistema (1) y el observador (2)

Figura 9. Gráfica del error en la corriente

15
6. Conclusiones

El estudio de los observadores tiene interés por el hecho de que, en muchos casos, es
deseable conocer información interna que no se puede o no se desea medir, de sistemas
en campos de la automatización como el modelado (identificación), monitoreo (detección de
fallas) o control. La utilización de observadores adecuadamente diseñados e implementados
permite obtener esa información a partir de mediciones externas. Las señales a obtener
varían desde aquellas variables en el tiempo, que se relacionan con la dinámica del sistema
(estados) hasta constantes (parámetros con incertidumbre) y señales externas que no
pueden ser medidas (perturbaciones).

Referencias

[1] J. Beristain, Electrónica de potencia: modelado y control de convertidores CD-CD, 1ª Ed.,

México, Pearson Educación de México S.A.de C.V., 2016.
[2] Hayt, W. H., et al. (1975). Análisis de circuitos en ingeniería, McGraw-Hill.
[3] Hernández, R. (2011). Introducción a los sistemas de control: conceptos, aplicaciones y
simulación con MATLAB, Pearson Educación de México, SA de CV.
[4] Ogata, K. (1999). "Modern control engineering." Book Reviews 35(1181): 1184.
[5] C.Salazar, “Simulación de técnicas de control avanzado aplicadas a casos de estudio”,
Estudio, A. A. C. D. E. (2010). Escuela politécnica nacional.
[6] Gaviño, R. H. (2010). Introducción a los sistemas de control: conceptos, aplicaciones y
simulación con MATLAB, Prentice Hall.
[7] Capítulo 5. Observador de estados:
https://www.tel.uva.es/descargar.htm;jsessionid...?id=21692

16