CASO MULTIVARIABLE

Para el diseño de estimadores de estado para sistemas multivariables, el Sistema debe de ser:

 Invariante en el tiempo.
 Lineal.
 Observable.

Objetivo :

Diseñar un estimador con la menor dimensión posible.

Para diseñar un estimador multivariable se debe seguir los siguientes pasos:

 Transformamos la ecuación dinámica en una forma canónica, la nueva ecuación se considera

consistente de un conjunto de subecuaciones de una sola salida.
 Luego para cada subecuación, diseñamos un estimador aplicando el procedimiento visto en el caso
univariable.

Si el rango de la matriz C es q, entonces un estimador de dimensión (n-q) puede ser diseñado para generar
todas las variables de estado.

Consideramos la ecuación dinámica de dimensión n, lineal e invariante en el tiempo:

E: ẋ = Ax + Bu (3-10)

y = Cx

donde:

 x = vector de estado nx1.

 u = vector de entradas px1.
 y = vector de salida qx1.
 A,B,C matrices reales y constantes n x n , n x q y q x n.

Asumimos que la ecuación dinámica E es observable:

La matriz C la escribimos de la siguiente forma:

[]
c1
C= c2
⋮
cq

Entonces podemos encontrar un conjunto de n vectores filas linealmente independientes :

 []
c1
c1 A
⋮
u −1
c1 A 1

c2
M = c2 A (3-11)
⋮
u −1
c2 A 2

⋮
cq
⋮
u −1
cq A q

Este conjunto de vectores lo obtenemos de la matriz de observabilidad (3-10).

Esto es, retenemos los vectores fila linealmente independientes en el orden de :

2 2
c 1 , c2 , c 3 , … c q , c 1 A , … c q A , c 1 A , … c q A , … ,
Y la reordenamos para obtener la matriz (3-11). Donde :

u1 +u2 +…+u q=n

Definamos:
−1
M =[e11 e12 … e1 u 1 e21 e22 … e2 u 2 … e q 1 e q 2 … equq ]

Conocemos que M M −1=I , donde I es la matriz identidad.

Ahora definimos:
u1−1 u2−1 uq−1
L=[e1 u 1 Ae1 u 1 … A e 1 u1 e 2u 2 A e 2u 2 … A e 2 u 2 … e qu … A
q
equ ] (3-13)
q

Utilizando (3-12) podemos demostrar que las columnas de L (3-13)son linealmente independientes . Si
usamos las columnas de L como vectores de una base, entonces obtendremos la siguiente ecuación
equivalente:

La transformación es :
−1
x=L x

Donde :
 k
c l A eij =1 sii=l y j=k+ 1
¿ 0 en cualquier otro caso . (3-12)

La transformación es :

x=L−1 x

Donde:

(3-14)

Se denota que x es un elemento que posiblemente es diferente de cero:

 Obtenemos la matriz A en 3-14 como L−1 A L .

 La matriz B como L−1 B
 Y la matriz C como C L

Notemos que cada bloque en la diagonal es de dimensión ui x ui , donde i=1,2, ……,q

Como :

u1 +u2 +…+u q=n

La matriz A es de dimensión n x n:
A la ecuación (3-14 ) la podemos mirar como consistente de q ecuaciones con varias entradas y una sola
salida de la forma:

[ ][ ]
ẋ i 1 00⋯0 x
ẋ i 2 10⋯0 x
= (3-15)
⋮ ⋮⋮⋯⋮ ⋮
ẋi ui 00⋯1 x

Donde:

ẋ i+ Ei y+ Bi u

y i=[0 0 ⋯ 0 1] ẋi

Ei : lo obtenemos tomando todas las columnas ui de los bloques , y reemplazando por ceros la columna
ui que corresponda a la ecuación(por ejemplo, en la primera ecuación , la columna u1 del primer bloque se
reemplaza por ceros en E1 ).

La ecuación (3-15) puede ser tratada como vimos antes para el caso multivariable , es decir podemos construir
un estimador de la dimensión (u¿¿ i−1) ¿ . Consecuentemente para toda la ecuación (3-14) necesitamos q
estimadores, cada uno de dimensión (u¿¿ i−1) ¿ , lo que da una dimensión total (n-q).

Estos q estimadores generan (n-q) variables de estado; el vector de salida da otras q componentes , con lo que
completamos el vector de estado.

Ahora los valores propios de cada estimador pueden ser escogidos arbitrariamente como vimos para el caso
univariable.

Ejemplo numérico para comprender mejor como se forman los (n-q) estimadores :

[ ] []
1 2 01 21
A=
3 −1 1 0
0 0 11
B=
10
10
C=
[00 10 01 00]
0 2 01 21

[ ]
0 1 00
3 −1 1 0
M=
0 0 11
0 0 11
 [ ]
1 /3 1/3 −1/3 1
1 0 0 0
−1
M =
0 0 0 1
0 0 −1 1

[ ]
1/3 1/3 0 1
L= 0 1 1 0
0 0 10
0 0 11

[ ]
3 −1−3 0
L =0 1 0 0
−1
u1=2 u2=2
0 0 −1 1
0 0 1 0

Realizando la transformación:

[ ]
0 7 ⋮ 0 −4
1 0⋮0 4
A= ⋯ ⋯ ⋮ ⋯ ⋯ C=[ 0 1 ⋮ 0 0 ]
00⋮01
0 2 ⋮ 0 −1
0 0⋮1 2

[]
23
10
B= ⋯ ⋯
11
10

Escribimos en base a esto las q ecuaciones:

[ ][ ] [
ẋ1 1
ẋ1 2
=
0 7
1 0
ẋ i+
0 −4
0 4
y+ ] [ ]
2 3
1 0
u

[ ][
ẋ 21
ẋ 22
=
0 −1
1 2 ] [ ] [ ]
ẋ2 +
2 0
0 0
y+
1 1
1 0
u
Si tomamos como valor propio para ambos estimadores al numero s=+7 entonces :

P1 1=P1 2=
[10 71]
Ya que la ecuación característica que tiene ese valor propio es s-7 =0.

Haciendo las transformaciones tenemos:

[ ][
x̌˙ 11
x̌˙ 12 ] [ ] [ ]
= 7 −42 x̌ 1+ 0 2 4 y + 9 3 u
1 −7 0 4 1 0

[ ][
x̌˙ 2 1 −7 −64
˙x̌2 2
=
1 9
x̌ 2 +
] [ ] [
2 0
0 0
y+
−6 1
1 0
u
]
Y las ecuaciones de los estimadores son:

[] []
y u
x^˙ 11 =7 ^x11−42 y1 + [ 0+24 ] 1 + [ 9 3 ] 1
y2 u2

x^˙ 11 =7 ^x11 +[−42+ 24] y + [ 9 3 ] u

y 1= x˙^ 1 2

[]y
y2 []
u
x^˙ 2 1=−7 ^x 21−64 y 2+ [ 2 0 ] 1 + [ −6 1 ] 1
u2

x^˙ 2 1=−7 ^x 21 +[2−64] y + [ −6 1 ] u

y 2= x^˙ 2 2