Benemérita Universidad Autónoma de Puebla

Facultad Ciencias de la Electrónica

Control Moderno y sus Aplicaciones

UNIDAD II: Asignación de Polos

Práctica 2: Diseño de controladores con realimentación de estados mediante

CONTROLADORES y OBSERVADORES de estado

Profesor: Esteban Molina Flores

Equipo 2:
• De Jesús Ponce Alan Ernesto 201644581
• Díaz Cisneros Sergio Fabrizzio 201750382
• Gallegos Avendaño David Emmanuel 201655239
• González Gutiérrez Jesús Josué 201654906
• Hernández Arroyo Marco Antonio 201722526

NRC: 36162

23 de Abril de 2021
 Introducción
Para la teoría de control moderna, los conceptos de “controlabilidad” y
“observabilidad” toman gran relevancia para el diseño de subsistemas controladores
y observadores que nos permitan manipular nuestro sistema.

Desde sistemas mecánicos, hasta sistemas eléctricos, electrónicos, químicos, etc.

el diseño de los controladores y observadores cobran gran relevancia en diferentes
áreas como industrial, aeronáutica, domótica, química, etc. ya que siempre se
trabajan bajo sistemas los cuales se desean controlar para llegar de un estado inicial
a uno final.

En el presente documento, se presenta 3 ejercicios que representan sistemas

mecánicos planteados para así dar diseño dichos controladores y observadores de
estado a través de la realimentación de estados.
 Teoría

Representación en Variables de Estado

En primer lugar, partiendo de la idea que solo queremos realizar regulación en

nuestro sistema de control, o sea rechazar toda posible perturbación y mantener
estable el sistema (referencia igual a cero)

Por lo que representando el sistema en variables de estado:

Figura 1. Sistema SISO en Variables de Estado

Sistema SISO en Variables de Estado

Podremos partir de la suposición que tuvo Rudolf Kalman en su articulo de 1960,

donde aplica que el principio propuesto por Richard Bellman, que en 1950 dijo que
las entradas del sistema deben ser computadas usando el vector de estados.

Kalman partió de esta idea para la ley de control como una función del estado:

entonces comenzó realizando unas suposiciones donde la función no dependería

del tiempo y que podría ser una función lineal, donde para indicar la realimentación
negativa se coloca el menos al frente de k:
Como resultado, el producto entre una fila y una columna se obtiene un escalar (ley
de control) para el caso SISO.

donde:

̃ comienza a dominar la dinámica del nuevo

En consecuencia, los autovalores de 𝑨
sistema el cual es dependiente de la ganancia k

Cómo la ganancia k afecta

Si comparamos esto con el primer ejemplo, vamos a notar inicialmente que en lugar
de realimentar la salida del sistema, se está realimenta los estados y con eso, en
lugar de tener una única ganancia k, ahora pasamos a tener un vector de ganancias
k.

Representando el sistema en la forma canónica controlable:

aplicando la realimentación de estados:

De esa forma, se vuelve factible poder modificar las n raíces de la ecuación
característica de nuestra función de transferencia.

Lo más importante, es entender que para poder modificar el comportamiento

dinámico del sistema es necesario que el par A, 𝑏⃗ sean totalmente controlables.

Seguimiento de Referencia
Por otro lado, si deseo seguir una referencia, basta con agregar la referencia a la
ecuación de la ley de control:

Que nuevamente, en la representación de variables de estado vendría dado por:

Figura 2. Realimentación de Estados con Referencia

Representación Entrada Salida

Viendo la función de transferencia de lazo cerrado de nuestro sistema de
realimentación de estados tenemos que:
Partiendo de la ecuación para transformar EE a FT

La FT en lazo cerrado vendría dada por:

En el problema de regulación solo se está interesado en establecer una trayectoria

del sistema, o rechazar perturbación o estabilizar la planta
En este punto es importante entender los conceptos de controlabilidad y
observabilidad de un sistema.
Ya sabemos que la dinámica del sistema está dominada por los autovalores de

Para el caso de la controlabilidad del sistema tenemos que si el par es

controlable si y solamente si el par es controlable.

Objetivos
Objetivo general
Comprender el funcionamiento de los observadores y controladores de través de la
realimentación de estados.

Objetivos específicos
• Interpretar y representar un sistema mecánico a su representación en
variables de estado para su control y observación.
• Hacer una realimentación de estados con integración para un sistema
canónico y no canónico.
• Generar estimaciones para comprender y comparar con los sistemas reales.
• Mejorar las habilidades en el uso de los softwares de Matlab y Simulink.
 Descripción del sistema y de la metodología
Ejercicio 2.1
Diseñar un controlador mediante la realimentación de estados utilizando
observadores y la acción integral. Se requiere que el tiempo de estabilización sea
de 8 segundos y sin sobre impulso.

• Código de Matlab:
A=[-3 -1/4 0;8 0 0;0 1/2 0];
B=[1/2; 0; 0];
C=[0 0 1];
Co=[B A*B A^2*B]
rank(Co)
O=[C ; C*A ; C*A*A]
rank(O)
L=acker(A',C',[-10 -10 -10]')
Aa=[A zeros(3,1);C 0]
Bb=[B;0];
Ca=[C 0]
Kxy=acker(Aa,Bb,[-0.5 -2 -2 -5])

• Diagrama a bloques en Simulink:

Figura 3. Simulación del Ejercicio 2.1 en Simulink

 Ejercicio 2.2
Diseñar un “Controlador por Realimentación” de estados del sistema MRA, con los
siguientes polos deseados:
𝑠 2 + 0.8s + 1
• Código:
%Canonico
m=1.2; b=0.8; k=1.5;
num=1;
den=[m b k];
G=tf(num,den);
step(G)
Ac=[0 1;-k/m -b/m]; Bc=[0;1]; Cc=[1/m 0];
Pla=eig(Ac)
Pd=[1 0.8 1];
Gd=tf([1],Pd);
step(Gd);
k1=Pd(3)-k/m;
k2=Pd(2)-b/m;
Kc=[k1 k2];
Plc=eig(Ac-Kc*Bc)

%no canonico
A=[0 1; -k/m -b/m]; B=[0;1/m]; C=[1 0];

Pla=eig(A)
Pd=[1 0.8 1];
k1=Pd(3)-k/m;
k2=Pd(2)-b/m;
Kc=[k1 k2];

Coc=[Bc Ac*Bc];
Co=[B A*B];
iCo=inv(Co);
T=Coc*iCo;
K=Kc*T;

• Diagrama a bloques en Simulink:

 Figura 4. Simulación del Ejercicio 2.2 en Simulink

Ejercicio 2.3
Diseñar un “Controlador por Realimentación” de estados del sistema MRA, con los
siguientes polos deseados:
𝑠 2 + 0.8s + 1
Utilizar un integrador para llevar que el error de estado estable se aproxime a 0.

• Código de Matlab:
%%% REALIMENTACIÓN DE ESTADOS con Integral
%% Sistema MRA matriz canónica %%%

%parámetros
m=1.2; b=0.8; k=1.5;
num=1;
den=[m b k];
G=tf(num,den); %F de transferencia
step(G);

% Se forma la matriz de forma canónica

Ac=[0 1;-k/m -b/m]; Bc=[0;1]; Cc=[1/m 0];

%Matrices Aumentadas
Aac=[Ac zeros(2,1);Cc 0];
Bac=[Bc;0];
Cac=[Cc 0];

%Polos de Lazo abierto

Pla=eig(Aac)

%polos deseados aumentados

Pd=[1 0.8 1];

Pda=conv([1 0.8 1],[1 4]);

Gd=tf([1],Pda);
step(Gd);

% Se calcula el vector Ao-ao, A1-a1 ...

k1=Pda(4)-k/m;
k2=Pda(3)-b/m;
k3=Pda(2)-0;

Kac=[k1 k2 k3];

%% Sistema MRA matriz no canonica %%%%%%

%Se forma la matriz de forma no canonica

A=[0 1; -k/m -b/m]; B=[0 ; 1/m]; C=[1 0];

%matriz aumentada de forma no canonica

Aa=[A zeros(2,1); C 0];
Ba=[B;0];
Ca=[C 0];

Coc=[Bac Aac*Bac Aac*Aac*Bac];

Co=[Ba Aa*Ba Aa*Aa*Ba];

iCo=inv(Co);
T=Coc*iCo;

Ka=Kac*T;

• Diagrama a bloques en Simulink

 Figura 5. Simulación del Ejercicio 2.3 en Simulink

Resultados y Observaciones
Resultados Ejercicio 2.1

Figura 6. Estados reales vs Estados estimados del sistema

En las gráficas anteriores, podemos apreciar que tanto los estados reales (gráfica
superior) como los estados estimados (gráfica inferior) tienen bastante similitud, por
lo que podemos asegurar que el sistema se aproximó correctamente.

Figura 7. Respuesta del sistema

En la imagen anterior podemos apreciar la respuesta del sistema, y cómo este

converge a los 8 segundos con su entrada inicial que es el escalón unitario.
Resultados Ejercicio 2.2

Figura 8. Respuesta del Sistema canónico

Figura 9. Respuesta del Sistema No canónico

De las gráficas anteriores, podemos ver que tanto para el “sistema canónico” como
para el “no canónico” nos queda el mismo comportamiento del sistema. Si dividimos
1.042/0.834 ≈ 25% que es lo que nuestros polos deseados nos lo requieren.
Resultados Ejercicio 2.3

Figura 10. Respuesta del Sistema canónico

Figura 11. Respuesta del Sistema original (Sistema No canónico)

De las gráficas anteriores, podemos darnos cuenta de que ambas ya no cuentan

con error de estado estable, puesto que convergen con el escalón unitario. Así
mismo, tanto para el sistema canónico como para el original, el sobre pico está en
un 25%, es decir, se cumple con los requerimientos del sistema

Conclusiones
La realimentación de estados para el diseño de observadores y controladores
resulta ser una gran herramienta para poder aplicar dichas propiedades de
observabilidad y controlabilidad que se le quiere dar al sistema.

Es importante tener un amplio conocimiento en los diferentes conceptos que

conlleva la teoría del control para el mayor aprovechamiento de dichos sistemas y
subsistemas y así alcanzar los estados esperados que deseamos obtener.

Referencias
• Desconocido. (2020). Diseño de Controladores Mediante Realimentación de
Estados utilizando OBSERVADORES DE ESTADO. abril 17, 2021, de
Sistemas de Control y Electrónica. Sitio web:
https://www.youtube.com/watch?v=Whf6KtAdVQQ
• Desconocido. (2020). Diseño de Controladores Mediante Realimentación
de Estados Parte I. abril 17, 2021, de Sistemas de Control y Electrónica
Sitio web: https://www.youtube.com/watch?v=b1fbf1mn_ck
• Desconocido. (2020). Diseño de Controladores Mediante Realimentación
de Estados Parte II. abril 17, 2021, de Sistemas de Control y Electrónica
Sitio web: https://www.youtube.com/watch?v=lXbxrcg2kwI
• Castaño, S. (2020). Control por Realimentación de Estados. abril 22, 2021,
de Control Automático Educación Sitio web:
https://controlautomaticoeducacion.com/sistemas-dinamicos-
lineales/control-por-realimentacion-de-estados/