Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Índice
1. Introducción 2
3. Modelos No Lineales 3
1
2 PROBLEMAS EN LOS SISTEMAS NO LINEALES
1. Introducción
La dinámica de una gran variedad de sistemas a ser controlados se describen mediante un
conjunto de ecuaciones diferenciales. Tal descripción matemática se obtiene aplicando las leyes
de la fı́sicas y de la quı́mica sobre el sistema, tales como la conservación de la energı́a, las
leyes de Newton, entre otras. Para construir un modelo adecuado para propósitos de control, se
requiere conocer bien la dinámica del sistema. No siempre es mejor que un modelo sea lo mas
exacto posible a su comportamiento dinámico. Tener en cuenta que mientras mas complejo sea
el modelo, mas dificultoso sera el análisis y diseño del sistema de control correspondiente. Lo
recomendable es que el modelo del sistema mantenga las caracterı́sticas dinámicas de interés
para el rango de operación del sistema de control a diseñar.
(ii) Linealidad en relación con las condiciones iniciales (linealidad de la respuesta de entrada
cero)
(iii) Linealidad en relación con las entradas (linealidad de la respuesta de estado cero)
Definición 1 Función de Linealidad: La función f (x) es lineal con respecto a la variable inde-
pendiente x si y solo si cumple dos condiciones:
Los sistemas que no satisfacen las condiciones (i), (ii) y (iii) son sistemas no lineales.
Un sistema lineal se clasifica según varios criterios. Uno de las propiedades mas importantes es
la estabilidad. Se dice que un sistema lineal es:
Neutro: si el estado del sistema obtiene la forma de una función periódica con amplitud
constante
3. Modelos No Lineales
Trataremos a los sistemas dinámicos modelados por un numero finito de ecuaciones diferenciales
ordinarias de primer orden acopladas, [1].
ẋ1 = f1 (t, x1 , x2 , . . . , xn , u1 , u2 , . . . , um )
ẋ2 = f2 (t, x1 , x2 , . . . , xn , u1 , u2 , . . . , um )
.. .
. = ..
ẋn = fn (t, x1 , x2 , . . . , xn , u1, u2 , . . . , um )
Donde, ẋi denota la derivada de xi con respecto a la variable tiempo t y u1 , u2 , . . . , um son las
variables de entrada. Ellos representan del sistema dinámico que tienen su pasado. Usualmente
usamos un vector que tiene una notación mas compacta en la siguiente forma.
T
x = x1 x2 . . . xn
T
u = u1 u2 . . . um
T
f (t, x, u) = f1 (t, x, u) f2 (t, x, u) . . . fn (t, x, u)
Entonces reescribimos una ecuación diferencia de n-esimo orden que tiene una ecuación diferen-
cial vectorial de primer orden n-dimensional definida.
ẋ = f (t, x, u) (3.1)
A (3.1) se le denomina ecuación de estado en relación al estado x y la entrada u, a veces otras
ecuaciones como la de salida se define según.
y = h(t, x, u) (3.2)
Está asociado con (3.1), definiendo ası́ un vector de salida q-dimensional y que comprende varia-
bles de particular interés, como variables que se miden fı́sicamente. o variables que se requieren
para comportarse de una manera especı́fica. Llamamos (3.2) la ecuación de salida y se refieren
a las ecuaciones (3.1) y (3.2) juntas como modelo espacio de estados, o simplemente el modelo
de estado. Para sistemas lineales, el modelo de estado (3.1)-(3.2) toma la forma especial.
ẋ = A(t)x + B(t)u
y = C(t)x + D(t)u
A veces consideramos un caso especial de (3.1) sin la presencia explı́cita de una entrada u,
llamada ecuación de estado no forzada:
ẋ = f (t, x) (3.3)
Este caso surge si no hay una entrada externa que afecte el comportamiento del sistema, o si la
entrada se ha especificado en función del tiempo, u = γ(t), una función de retroalimentación del
estado, u = γ(x), o ambos, u = γ(t, x). Sustituyendo u = γ y en (3.1) se elimina u y produce
una ecuación de estado no forzada.
Al tratar con la ecuación (3.3), normalmente requeriremos que la función f (t, x) sea continua por
partes en t y localmente Lipschitz en x sobre el dominio de interés. Para una x fija, la función
f (t, x) es continua por partes en un intervalo J ⊂ R si para cada subintervalo acotado J0 ⊂ J, f
es continua en t para todo t ∈ J0 , excepto, posiblemente, en un número finito de puntos donde
f tiene discontinuidades de salto finito. Esto permite los casos en los que f (t, x) depende de una
entrada u(t) que experimenta el cambio de paso con el tiempo.
|f (y) − f (x)|
≤ L, ∀(x, y ∈ D)
|y − x|
Implica que en una gráfica de f (x) versus x, una lı́nea recta que une dos puntos cualesquiera de
f (x) no tiene pendiente cuyo valor absoluto sea mayor que L. Por lo tanto, cualquier función f (x)
que tenga pendiente infinita en algún punto no es localmente Lipschitz en ese punto. Cualquier
función discontinua no es localmente Lipschitz en el puntos de discontinuidad.
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
tiempo[seg]
Lema 1 Sea f (t, x) continua por partes en t y localmente Lipschitz en x en x0 , para todo t ∈
[t0 , t1 ]. Entonces, existe δ > 0 tal que la ecuación de estado ẋ = f (t, x), con x(t0 ) = x0 , tiene
una solución única sobre [t0 , t0 + δ].
xn+1
Z
xn dx = +C
n+1
Para n = −2, obtenemos:
1 x−1 1
Z
2
dx = +C =− +C
x −1 x
En el problema tenemos:
1 1 −1
Z Z
dx = − dt, ⇒ − + C = t, ⇒ x =
x2 x C−t
Se verifica.
−1
x(0) = = −1, ⇒ C = 1
C −0
Luego la solución.
−1 1
=x(t) =
1−t t−1
Usando MATLAB la solución es mas rápida mediante el comando dsolve.
1 syms x(t)
2 xt=dsolve(diff(x) == -xˆ2);
3 % 0
4 % -1/(C - t)
La simulación planar es mostrado en la Figura 2.
10
-2
-4
-6
-8
-10
-4 -2 0 2 4 6
La frase “tiempo de escape finito” se utiliza para describir el fenómeno de que una solución se
escapa al infinito en un tiempo finito. En el ejemplo, decimos que la solución tiene un tiempo de
escape finito en t = 1.
Lema 2 Sea f (t, x) continuo por partes en t y globalmente Lipschitz en x para todo t ∈ [t0 , t1 ].
Entonces, la ecuación de estado ẋ = f (t, x), con x(t0 ) = x0 , tiene un único solución sobre [t0 , t1 ].
ẋ = A(t)x + g(t)
Cuando ||A(t)|| < L para todo t ≥ t0 , pero es una condición restrictiva general en sistemas no
lineales. El siguiente lema evita esta condición.
Lema 3 Sea f (t, x) continua en partes en t y localmente Lipschitz en x para todo t ≥ t0 y para
todo x en un dominio D ⊂ Rn . Sea W un compacto (cerrado y acotado) subconjunto de D,
x0 ∈ W , y suponga que se sabe toda solución de.
El truco para aplicar el Lema 3 consiste en comprobar la suposición de que toda solución se
encuentra en un conjunto compacto sin resolver la ecuación de estado. Veremos mas adelante
que el método de Lyapunov para el análisis de estabilidad proporciona una herramienta para
asegurar esta propiedad. Por ahora, ilustremos la aplicación del lema con un ejemplo.
ẋ = −x3 = f (x)
La función f (x) es localmente Lipschitz en R, pero no globalmente Lipschitz porque f ′ (x) = −3x2
no tiene lı́mites globales. Si, en cualquier instante de tiempo, x(t) es positivo, la derivada ẋ(t)
será negativa y x(t) será decreciente. De manera similar, si x(t) es negativa, la derivada ẋ(t)
será positiva y x(t) aumentará. Por lo tanto, partiendo de cualquier condición inicial x(0) = a,
la solución no sale del conjunto {|x| < |a|}. Por lo tanto, concluimos por el Lema 3, la ecuación
tiene una única solución para todo t > 0 (ver Figura 3).
a=1
10
-2
-4
-6
-8
-10
-4 -2 0 2 4 6
Ejemplo: En la sección A.4, [1] dos modelos diferentes del oscilador de resistencia negativa se
dan, que están relacionados por el cambio de variables
h(x1 ) − x2 /ǫ
z = T (x) =
x1
Lema 5 Sea f (t, y) esta definida en un conjunto convexo D ⊂ R2 . Si existe una constante L > 0
con la propiedad.
f (t, y) = y cos(t)
Entonces para cada par de puntos (t, y1 ) y (t, y2 ) ∈ D, tenemos.
f(t,y 2)
10
f(t,y 1)
f(t,y)
-10
-20
-2 0 2 4 6 8 10
tiempo[seg]
Lema 6 Sea f (t, y) esta definida en un conjunto convexo D ⊂ R2 . Si existe una constante L > 0
con la propiedad.
∂f
(t, y) ≤ L, ∀(t, y) ∈ D
∂y
Entonces f satisface la condición de Lipschitz en D en la variable y con la constante L.
Lema 7 Sea f (t, y) continua y satisface la condición de Lipschitz con la constante L en.
D = {(t, y)/t ∈ a ≤ t ≤ b, −∞ ≤ y ≤ ∞}
Y que existe una constante M con la propiedad de que |y ′′(t)| ≤ M, ∀t ∈ [a, b]. Si y(t) es la
única solución del problema de valor inicial.
y ′ = −y + x + 2, 0 ≤ x ≤ 2, y(0) = 2
Cuya solución exacta es, y = e−x + x + 1 de manera que y ′′ = e−x y |y ′′(x)| ≤ M = 1 ∀ t ∈ [0, 1]
con h = 0.1.
∂f
(t, y) = L = 1, ∀(x, y) ∈ D
∂y
Obtenemos la cota del error.
Referencias
[1] Hassan K. Khalil. “Nonlinear Control”. Always Learning Global Edition Pearson, 2015.