Curso de Control Moderno

MT227-A
Silabo del Curso de Control Moderno y Optimo
 Profesora: Rosa Garrido Juárez
– Oficina : A1 254
– Telefono : 4811070- anexo 592
– Email: rgarrido@uni.edu.pe
 Libros de Referencia:
 Gene F. Franklin, J. David Powell, ‘Feedback Control of Dynamic Systems’, Prentice Hall, 2014.
 Katsuiko Ogata, Ingeniería de Control Moderna, Pearson Educación S.A., 2010.

 Sistema de Evaluación F:
• Examen Final: 50%
• Examen Parcial: 25%
• Practicas: 25%

2
 Disfrute su estudio
disfrute su vida!

Control Moderno y Optimo 3

 Sumilla del Curso

 El curso consiste en el análisis, diseño y síntesis de los

sistemas de control lineales invariantes en el tiempo. Los temas
a desarrollarse comprenden modelados lineales versus modelos
no lineales. En el modelado lineal se utiliza el descriptor de
espacio estado en sus diferentes formas canónicas, así como el
análisis del comportamiento local y global, alcanzabilidad y
realimentación de estados, detectabilidad y estimación de
estados. En las técnicas de diseño se utiliza la ubicación de
polos y las técnicas de optimización como LQR y LQG.
 Control Moderno
El Control Moderno es una parte de la Ingeniería automática. Se
centra en el control de los sistemas dinámicos mediante el
principio de la retroalimentación, para conseguir que las salidas de
los mismos se acerquen lo más posible a un comportamiento
predefinido usando la representación de E-E.
Guiñada

Cabeceo

Alabeo
 Control Moderno
El Control Moderno se diferencia del control clásico desde la
llegada de los sistemas digitales.

El procesador es la principal herramienta del Control Moderno,

dando la posibilidad de implementar controles de sistemas no
lineales y multivariales.

El Control Moderno se forma a partir de varias ramas de

estudio, siendo las mas importantes, El control óptimo, El
Control Adaptativo, El Control Robusto y El Control
Inteligente.

El Control Robusto busca independizar el control de posibles

incertidumbres en el modelo de la planta.
 LA RETROALIMENTACIÓN
 Se define como :
En sistemas de lazo cerrado la variable controlada es
comparada (directa o indirectamente) con la referencia
del sistema, de tal manera que pueda llevarse a cabo una
acción de control.

 Una realimentación bien aplicada:

– Incrementa la exactitud del sistema.

– Reduce la sensibilidad de la salida a perturbaciones

externas y a las variaciones de los parámetros internos.
 LA RETROALIMENTACIÓN

– Incrementa el ancho de banda del sistema, que se define

como: el rango de funcionamiento en el cuál el sistema
responde satisfactoriamente.

– Una realimentación aplicada mal, puede tender a la

oscilación o a la inestabilidad.
Salida
deseada Comparaci Salida
Controlador Proceso
ón

Medida

Sistema de Control en lazo cerrado

• Usa la salida y la retroalimentación de esta

señal para compararla con la salida deseada
(referencia)
 SISTEMA DE CONTROL
MULTIVARIABLE

Respuest Controlado
a de Proceso Salida
r
salida
deseada

Medida
 Sistemas MIMO
Interacción entre las entradas y salidas

G(s) x  Ax  Bu
y  Cx  Du

Control Control
clásico Modern
o
 Transformaciones Lineales de
representación de estados
x  Ax  Bu
y  Ct x
G ( s )  C ( sI  A) 1 B
Espacio –
Estado
Sist. LTI

Transformada de y  n   an1 y ( n1)  ...  a0 

bm s m  bm1s m1  ...  b1s  b0 Laplace
G (s)  n n1 b0u  b1u  ...  bmu  m 
s  an s  ...  a1s  a0 Inversa de la
Transformada de Laplace EDO
F.T.
 Cap 1: Descripción de Espacio Estado
1.1 Conceptos Básicos
 Estado: es un conjunto de numeros tal que el conocimiento de estos números y
la función de entrada, describirán con las ecuaciones la dinámica, proveerán el
estado futuro y la salida.
 Variables de estado: variables que determinan la conducta futura de un
sistema cuando se conoce el estado actual y la señal de excitación .
 Vector de estado : la matriz columna consitste de n variables de estado
 x1 (t ) 
 x (t ) 
x(t )   2 
  
 
 xn (t )

 Espacio Estado: el espacio n dimensional constuido por las variables de

estado

Control Moderno y Optimo 13

1.2 Descripción de Espacio Estado
 Ecuaciones diferenciales de estado
x 1 (t )  f1  x1 (t ),..., xn (t ); u1 (t ),...ur (t ); t 
x 2 (t )  f 2  x1 (t ),..., xn (t ); u1 (t ),...ur (t ); t 

x n (t )  f n  x1 (t ),..., xn (t ); u1 (t ),...ur (t ); t 
 Ecuación de salida
y1 (t )  g1  x1 (t ),..., xn (t ); u1 (t ),...u r (t ); t 
y2 (t )  g 2  x1 (t ),..., xn (t ); u1 (t ),...u r (t ); t 

ym (t )  g m  x1 (t ),..., xn (t ); u1 (t ),...u r (t ); t 
 Notación compacta
x (t )  f ( x(t ), u (t ), t )
y (t )  g ( x(t ), u (t ), t )
Control Moderno y Optimo 14
Ejemplo 1: Considere el circuito RLC
Entrada: u (t )
Salida: uc (t )
La energía almacenada en el capacitor & inductor
Utilizando la ley de Kirchhoff
di (t )
L L  RiL (t )  uc (t )  u (t )
dt
du (t )
C c  iL (t )
dt

Hacer x1 (t )  iL (t ), x2 (t )  uc (t ) , conseguimos
 x1 (t )    R / L  1 / L   x1 (t )   1 / L 
 x (t )   1 / C    
0   x2 (t )  0   u (t )
 2  
 x (t ) 
y (t )   0 1  1 
 x2 (t )

Control Moderno y Optimo 15

Note que qc (t )  Cuc (t ) , tenemos
diL (t ) 1
L  RiL (t )  qc (t )  u (t )
dt C
dqc (t )
 iL (t )
dt
Hacer x1 (t )  iL (t ), x2 (t )  qc (t ) , conseguimos
 x 1 (t )    R / L  1 / LC   x1 (t )   1 / L 
 x (t )   1    
0   x2 (t )  0   u (t )
 2  
 x (t ) 
y (t )   0 1 / C   1 
 x2 (t )

 Las variables de estado no son unicas, el número de variables de

estado es igual al numero de elementos de almacenamiento de
energia independiente.

Control Moderno y Optimo 16

 Descripción de los diferentes tipos
 Sistema no lineal variante en el tiempo
x (t )  f ( x(t ), u (t ), t )
y (t )  g ( x(t ), u (t ), t )
 Sistema no lineal invariante en el tiempo
x (t )  f ( x(t ), u (t ))
y (t )  g ( x(t ), u (t ))
 Sistema Lineal variante en el tiempo
x (t )  A(t ) x(t )  B (t )u (t )
y (t )  C (t ) x(t )  D(t )u (t )
 Sistema Lineal invariante en el tiempo
x (t )  Ax(t )  Bu (t )
y (t )  Cx (t )  Du (t )
Control Moderno y Optimo 17
 Diagrama de bloques del sitema lineal variante en el tiempo

 Grafico de flujo de un sistema lineal variante en el tiempo

Control Moderno y Optimo 18

 Diagrama de simulación
Ejemplo 2: Considere el siguiente sistema
x 1  x2
x 2  x3
x 3  a1 x1  a2 x2  a3 x3  u
y  c1 x1  c3 x3

Control Moderno y Optimo 19

 1.3 Modelando en Variables de estado
Ejemplo 3: Considere el circuito RLC
Entradas:u1 (t ), u2 (t ) Salida: y (t )
Variables de estado: x1  i1 , x2  i2 , x3  uc
Utilizando las leyes de Kirchhoff:
di1
u1  L1  R1i1  uc
dt
di2
uc  L2  R2i2  u2
dt
du
i1  i2  C c
dt
y  R2i2  u2

Control Moderno y Optimo 20

Conseguimos
R1 1 1
x 1   x1  x3  u1
L1 L1 L1
R2 1 1
x 2   x2  x3  u2
L2 L2 L2
1 1
x 3  x1  x2
C C
y  R2 x2  u 2
O en forma matricial
 R1 1  1 

 L 0  0 
 x 1   L1   x   L1
1
 1  
 x    R 1     1  u1 
 2  0  2 x2  0   u 
L2 L2     L2   2
 x 3     x3   0
1 1 0 
  0   
 C C   
 x1 
 u
y   0 R2 0  x2    0 1  1 
 x3   u2 

Control Moderno y Optimo 21

Ejemplo 4: Considere el sistema del motor DC
Entradas: voltage de armadura ua & torque de carga Md

Salida: velocidad angular 

Energía almacenada: inductor & inercia rotatoria
Variables de Estado : x1  ia , x2  
dia
ua  La  Ria  eb
dt
d
Ma  J  f   Md
dt
eb  Ce
M a  CM ia

Donde Ce , CM , f , J son constantes del motor DC

Control Moderno y Optimo 22

Conseguimos
Ra Ce 1
x 1   x1  x2  u a
La La La
CM f 1
x 2  x1  x2  M d
J J J
y  x2
O en la forma matricial
 Ra Ce   1 
  0 
 x 1   La La   x1    La  ua 
 x    C 
f   x2  
 
1   M d 
 2  M  0 
 J J   J 
 x1 
y   0 1 
 x2 

Control Moderno y Optimo 23