Control Avanzado 02a

SISTEMAS DE CONTROL AVANZADO
LUIS EDO GARCÍA JAIMES
POLITÉCNICO COLOMBIANO J.I.C
SEGUNDA PARTE
Luis Edo García Jaimes

CONTROL ADAPTATIVO

FUNCIONES DE UN CONTROL ADAPTATIVO

ESQUEMAS BÁSICOS DE CONTROL ADAPTATIVO
Existen dos tipos principales de controladores adaptativos:
 Sistemas con adaptación en lazo cerrado (STR, MRAC)
 Sistemas con adaptación en lazo abierto (Ganancia programable)
Para el diseño de algoritmos de control adaptativo se han propuesto diferentes
métodos, unos que utilizan criterios de optimización y otros que no los utilizan.
 Criterio no óptimo:
o Asignación de polos y ceros (APPC)
o Controladores de tiempo finito
o Controladores PID
 Criterio óptimo:
o Controladores de mínima varianza (MVR)
o Controladores predictivos generalizados
MODELOS DISCRETOS PARA CONTROL ADAPTATIVO

IDENTIFICACIÓN DE SISTEMAS
La identificación de sistemas tiene por objeto obtener el modelo de un sistema
dinámico a partir de datos experimentales.
La obtención de un modelo a partir de datos experimentales conlleva las siguientes
etapas fundamentales:
 Recolección de datos
 Tratamiento previo de los datos obtenidos
 La Selección del Modelo
 Estimación de parámetros
 Validación del Modelo

CONTROLADORES AUTOADAPTABLES
Estos controladores conforman una estructura subóptima basada en el principio

de la separación de las tareas de control e identificación.
En estos controladores se aplica el principio de equivalencia cierta pues se
supone que los parámetros identificados coinciden con los reales.
En el diseño de controladores autoajustables se distinguen tres partes:
 Un algoritmo recursivo de identificación de parámetros.
 Un mecanismo de adaptación que realiza la tarea de diseño del controlador
 Un controlador con parámetros ajustables.

ECUACIÓN GENERAL PARA CONTROLADORES
LINEALES
Para el sistema lineal definido por la función de transferencia de pulso:
𝑦(𝑧) 𝐵(𝑧 −1 ) 𝑏1 𝑧 −1 + ⋯ 𝑏𝑚 𝑧 −𝑚 −𝑑
𝐺𝑃 𝑧 = = = ∗ 𝑧
𝑢(𝑧) 𝐴(𝑧 −1 ) 1 + 𝑎1 𝑧 −1 + ⋯ 𝑎𝑚 𝑧 −𝑚
En donde 𝑏1 ≠ 0
Es posible obtener un controlador lineal descrito mediante la función de
transferencia de pulso:
𝑈 𝑧 𝑄 𝑧 −1 𝑞0 + 𝑞1 𝑧 −1 + ⋯ 𝑞𝑣 𝑧 −𝑣
𝐺𝑅 𝑧 = = −1
=
𝐸 𝑧 𝑃 𝑧 1 + 𝑝1 𝑧 −1 + ⋯ 𝑝𝑢 𝑧 −𝑢
En donde los grados de 𝑢 y de 𝑣 y los parámetros 𝑝𝑖 y 𝑞𝑖 deben seleccionarse
adecuadamente para satisfacer los requerimientos del sistema de control.
MÉTODO DE ASIGNACIÓN DE POLOS PARA UN STR
El objetivo de este método es diseñar el controlador de modo que los polos del
sistema en lazo cerrado, queden ubicados en el lugar deseado de acuerdo a sus
especificaciones de funcionamiento.
D(z) GP(z)
R(z) Q(z-1) B(z-1) -d Y(z)
z
+ P(z-1) -1
A(z )
-
La ecuación característica deseada para el sistema en lazo cerrado toma la forma:

𝛥 𝑧 −1 = 1 + 𝛼1 𝑧 −1 + 𝛼2 𝑧 −2 ⋯ + 𝛼𝑙 𝑧 −𝑙 = 𝑃( 𝑧 −1 )𝐴(𝑧 −1 ) + 𝑄(𝑧 −1 ) 𝐵(𝑧 −1 )𝑧 −𝑑
Esta ecuación genera 𝑙 ecuaciones simultáneas cuya solución da como resultado
los parámetros del controlador. El orden de 𝑙 está determinado por:
𝑙 = 𝑚𝑎𝑥 𝑚 + 𝑢, 𝑚 + 𝑑 + 𝑣 Luis Edo García Jaimes
ADICIÓN DE INTEGRADOR AL CONTROLADOR STR
Para asegurar error de estado estable igual a cero es necesario que el controlador
tenga un integrador, con esta condición, el denominador del controlador 𝑃(𝑧 −1 )
cumple con la igualdad:
𝑢
𝑃 1 =0 𝑒𝑠 𝑑𝑒𝑐𝑖𝑟 𝑝𝑖 = −1
𝑖=1
Con la adición del integrador se obtienen 𝑙 + 1 ecuaciones y el controlador tendrá

𝑢 + 𝑣 + 1 parámetros desconocidos 𝑞𝑖 y 𝑝𝑖 . La solución de orden mínimo se obtiene
haciendo:
𝑣=𝑚 𝑢 =𝑚+𝑑 𝑙 = 2𝑚 + 𝑑

CÁLCULO DE PARÁMETROS DEL CONTROLADOR STR
Para el sistema definido por:
𝑦(𝑧) 𝐵(𝑧 −1 ) 𝑏1 𝑧 −1 + ⋯ 𝑏𝑚 𝑧 −𝑚
𝐺𝑃 𝑧 = = −1
= −1 −𝑚
∗ 𝑧 −𝑑
𝑢(𝑧) 𝐴(𝑧 ) 1 + 𝑎1 𝑧 + ⋯ 𝑎𝑚 𝑧
Los parámetros del controlador por asignación de polos STR
𝑈(𝑧) 𝑄(𝑧 −1 ) 𝑞0 + 𝑞1 𝑧 −1 + ⋯ 𝑞𝑣 𝑧 −𝑣
𝐺𝑅 𝑧 = = =
𝐸(𝑧) 𝑃(𝑧 −1 ) 1 + 𝑝1 𝑧 −1 + ⋯ 𝑝𝑢 𝑧 −𝑢
Están dados por:
−1
𝑝1 1 0 0 … 0 0 0 … 0 𝛼1 − 𝑎1
𝑝2 𝑎1 1 0 … 0 ⋮ 𝑑 𝛼2 − 𝑎2
⋮ 𝑎2 𝑎1 1 0 … 0 0 … 0
⋮ ⋱ 𝑏1 0 … 0
𝑎𝑚 𝑎𝑚 −1 ⋱ 0 𝑏2 𝑏1 0 … 0
𝑝𝑚 +𝑑 = 0 𝑎𝑚 ⋱ 1 ⋮ 𝑏2 ⋱ 𝛼𝑚 − 𝑎𝑚
𝑞0 ⋮ ⋮ 𝑎1 𝑏𝑚 ⋱ 0 𝛼𝑚 +1
𝑞1 0 𝑏1
⋮ … ⋮ ⋮ ⋮
0 0 𝑎𝑚 0 0 𝑏𝑚 𝛼2𝑚 +𝑑
𝑞𝑚 1 1 … 1 0 … 0 −1
EJEMPLO DISEÑO DE UN STR POR ASIGNACIÓN DE POLOS
La figura muestra el sistema de control simplificado de un horno túnel para cocción
de cerámica sanitaria. Para sintonizar el controlador de temperatura TRC-1, se
aproximó el sistema a un modelo de primer orden con retardo. La función de
transferencia obtenida dio:
1.5𝑒 −8𝑠
𝐺𝑃 𝑆 = 𝑇 = 5𝑚𝑖𝑛
50𝑆 + 1
Diseñe un controlador STR de modo

que los polos dominantes de lazo
cerrado tengan tempo de
establecimiento de 120 min y
coeficiente de amortiguamiento 0.8
SOLUCIÓN: DISCRETIZACIÓN DEL SISTEMA
La función de transferencia de pulso del sistema es:
−1 −𝑁
𝐺(𝑆) −1 −1
1.5
𝐻𝐺 𝑧 = 1 − 𝑧 𝑧 ℑ𝑚 𝐻𝐺 𝑧 = 1 − 𝑧 𝑧 ℑ𝑚
𝑆 𝑆 50𝑆 + 1
0.0588𝑧 + 0.0839 0.0588𝑧 −1 + 0.08392𝑧 −2 𝑚=2
𝐻𝐺 𝑧 = 𝐻𝐺 𝑧 =
𝑧 3 − 0.9048𝑧 2 1 − 0.9048𝑧 −1 𝑑=1
𝑎1 = −0.9048 𝑎2 = 0 𝑏1 = 0.0588 𝑏2 = 0.0839
El orden del numerador del controlador es: 𝑣 = 𝑚 = 2
El orden del denominador del controlador es: 𝑢 = 𝑚 + 𝑑 = 3
Por lo tanto, la función de transferencia del controlador está dada por:
𝑄(𝑧 −) 𝑞𝑜 + 𝑞1 𝑧 −1 + 𝑞2 𝑧 −2
𝐷 𝑧 = =
𝑃(𝑧 ) 1 + 𝑝1 𝑧 −1 + 𝑝2 𝑧 −2 + 𝑝3 𝑧 −3
−1

CÁLCULO DE LA ECUACIÓN CARACTERÍSTICA
El orden del denominador del controlador es: 𝑢 = 𝑚 + 𝑑 = 3
Por lo tanto, la función de transferencia del controlador está dada por:
𝑄(𝑧 −) 𝑞𝑜 + 𝑞1 𝑧 −1 + 𝑞2 𝑧 −2
𝐷 𝑧 = =
𝑃(𝑧 ) 1 + 𝑝1 𝑧 −1 + 𝑝2 𝑧 −2 + 𝑝3 𝑧 −3
−1
Los polos de lazo cerrado deseados, se calculan mediante las ecuaciones:

𝑧 = 𝑒 −𝜉𝜔 𝑛 𝑇 𝜃 = 57.3𝜔𝑛 𝑇 1 − 𝜉 2 𝑧 = 𝑧 𝑐𝑜𝑠𝜃 ± 𝑗𝑠𝑒𝑛𝜃
4 4 4
𝑡𝑠 = 𝜔𝑛 = = = 0.00416 𝑟𝑎𝑑/𝑚𝑖𝑛
𝜉𝜔𝑛 𝜉𝑡𝑠 0.8 ∗ 120
𝑧 = 0.8467 𝜃 = 7.15° 𝑧 = 0.84 ± 𝑗0.105
Orden de la ecuación característica: 𝑙 = 𝑚𝑎𝑥 𝑚 + 𝑢, 𝑚 + 𝑣 + 𝑑 = 5
Se deben asignar tres polos adicionales no dominantes (En el origen)
∆ 𝑧 = 𝑧 − 0.84 − 𝑗0.105 𝑧 − 0.84 + 𝑗0.105 𝑧 3 = 𝑧 5 − 1.68𝑧 4 + 0.7166𝑧 3 Luis Edo García Jaimes
CÁLCULO DEL CONTROLADOR
∆ 𝑧 −1 = 1 − 1.68𝑧 −1 + 0.7166𝑧 −2
𝛼1 = −1.68 𝛼2 = 0.7166 𝛼3 = 0 𝛼4 = 0 𝛼5 = 0
Del numerador y del denominador del sistema se obtuvo:
𝑎1 = −0.9048 𝑎2 = 0 𝑏1 = 0.0588 𝑏2 = 0.0839
Por lo tanto:
𝑝1 −𝟏
1 0 0 0 0 0 −0.7752
𝑝2 −0.9048 1 0 0.0588 0 0 0.7166
𝑝3 0 −0.9048 1 0.0839 0.0588 0 0
𝑞0 =
0 0 −0.9048 0 0.0839 0.0588 0
𝑞1 0 0 0 0 0 0.0839 0
𝑞2 1 1 1 0 0 0 −1
Efectuando operaciones resulta:
𝑝1 = −0.7752, 𝑝2 = −0.0871, 𝑝3 = −0.1377, 𝑞0 = 1.7408, 𝑞1 = −1.4843, 𝑞2 = 0.
La función de transferencia del controlador es:
𝑄(𝑧 −1 ) 𝑈(𝑧) 1.7408 − 1.4843𝑧 −1
𝐷 𝑧 = = =
𝑃(𝑧 −1 ) 𝐸(𝑧) 1 − 0.7752𝑧 −1 − 0.0871𝑧 −2 − 0.1377𝑧 −3 Luis Edo García Jaimes
RESPUESTA DEL SISTEMA AL ESCALÓN UNITARIO
La ley de control es:
𝑢 𝑘 = 1.7408𝑒 𝑘 − 1.4843𝑒 𝑘 − 1 + 0.7752𝑢 𝑘 − 1 + 0.0871𝑢 𝑘 − 2 + 0.1377𝑢(𝑘 − 3)

CONTROLADOR DE MÍNIMA VARIANZA
El controlador de mínima varianza tiene como objetivo minimizar el efecto de las
perturbaciones sobre la salida.
Esta técnica de control se utiliza cuando la salida del sistema está contaminada por
una perturbación estocástica.
La estrategia consiste en calcular la señal de control 𝑢(𝑘) en función de los valores
disponibles en ese instante o sea 𝑢 𝑘 − 1 , 𝑢 𝑘 − 2 … , 𝑦 𝑘 , 𝑦 𝑘 − 1 …, de tal
forma que minimice uno de los siguientes criterios:
2
1. 𝐽 = 𝐸 𝑦(𝑘 + 𝑑 + 1) . Control MVR3
2
2. 𝐽 = 𝐸 𝑦 𝑘+𝑑+1 −𝑤 𝑘+𝑑+1 . Control MVR2
2
3. 𝐽 = 𝐸 𝑦 𝑘 + 𝑑 + 1 − 𝑤 𝑘 + 𝑑 + 1 + 𝑟𝑢2 𝑘 . Control MVR1

SISTEMA CON PERTURBACIONES
Si se supone que sobre el sistema actúan perturbaciones estocásticas, el proceso
estará descrito por un modelo ARMAX de la forma:
−1 −1
𝐵 𝑧 𝐶 𝑧 𝐵 𝑧 𝐶 𝑧
𝑦𝑘 = 𝑢 𝑘 + 𝑣 𝑘 = 𝑧 −𝑑 −1
𝑢 𝑘 + −1
𝑣 𝑘
𝐴𝑧 𝐴𝑧 𝐴𝑧 𝐴𝑧
Donde:
𝐴 𝑧 −1 = 1 + 𝑎1 𝑧 −1 + ⋯ 𝑎𝑚 𝑧 −𝑚
𝐵(𝑧 −1 ) = 𝑏1 𝑧 −1 + ⋯ 𝑏𝑚 𝑧 −𝑚
𝐶 𝑧 −1 = 1 + 𝑐1 𝑧 −1 + ⋯ 𝑐𝑚 𝑧 −𝑚

DISEÑO DE CONTROLADORES DE MÍNIMA VARIANZA
Para el diseño de los controladores MVR se utiliza un modelo ARMAX de la forma:
𝐵 𝑧 𝐶 𝑧 −𝑑
𝐵 𝑧 −1 𝐶 𝑧 −1
𝑦 𝑘 = 𝑢 𝑘 + 𝑣 𝑘 = 𝑧 𝑢 𝑘 + 𝑣 𝑘
𝐴 𝑧 𝐴 𝑧 𝐴 𝑧 −1 𝐴 𝑧 −1
𝐴 𝑧 −1 = 1 + 𝑎1 𝑧 −1 + ⋯ 𝑎𝑚 𝑧 −𝑚
𝐵(𝑧 −1 ) = 𝑏1 𝑧 −1 + ⋯ 𝑏𝑚 𝑧 −𝑚
𝐶 𝑧 −1 = 1 + 𝑐1 𝑧 −1 + ⋯ 𝑐𝑚 𝑧 −𝑚
La acción de control debe minimizar uno de los siguientes criterios:
2
𝐽 = 𝐸 𝑦(𝑘 + 𝑑 + 1)
2
𝐽=𝐸 𝑦 𝑘+𝑑+1 −𝑤 𝑘+𝑑+1
2
𝐽 =𝐸 𝑦 𝑘+𝑑+1 −𝑤 𝑘+𝑑+1 + 𝑟𝑢2 𝑘
Para estimar la ley de control se utiliza la identidad:
𝐶 𝑧 −1 = 𝐴 𝑧 −1 𝐹 𝑧 −1 + 𝑧 −(𝑑 +1) 𝐺 𝑧 −1
𝐹 𝑧 −1 = 1 + 𝑓1 𝑧 −1 … + 𝑓𝑑 𝑧 −𝑑
𝐺 𝑧 −1 = 𝑔0 + 𝑔1 𝑧 −1 … + 𝑔𝑚 −1 𝑧 −(𝑚 −1) Luis Edo García Jaimes
CONTROLADOR DE MINIMA VARIANZA MVR3
En este caso la acción de control minimiza el criterio:
2
𝐽 = 𝐸 𝑦(𝑘 + 𝑑 + 1)
Modelo:
−1 −1
𝑦 𝑘 = 𝑢 𝑘 + 𝑣 𝑘 = 𝑧 −𝑑 𝑢 𝑘 + 𝑣 𝑘
𝐴 𝑧 𝐴 𝑧 𝐴 𝑧 −1 𝐴 𝑧 −1
Ecuación de diseño:
𝐶 𝑧 −1 = 𝐴 𝑧 −1 𝐹 𝑧 −1 + 𝑧 −(𝑑+1) 𝐺 𝑧 −1
𝐺 𝑧 −1
𝑢 𝑘 =− −1 −1
𝑦 𝑘
𝑧𝐹 𝑧 𝐵 𝑧
v(k) C
A n(k)
+
w(k) G B z-d + y(k)
+ z.F.B u(k) A
-
ELIMINACIÓN DEL OFF-SET EN EL MVR3
El controlador de mínima varianza MVR3 puede presentar offset (Error de estado

estable) ante cambios en la referencia o cambios en la perturbación, para eliminar
el offset se puede adicionar al controlador un integrador así, la ley de control se
puede escribir en la forma:
𝐺 𝑧 −1 𝑧−1+𝛼
𝑢 𝑘 =− −1 −1
∗ 𝑦 𝑘
𝑧𝐹 𝑧 𝐵 𝑧 𝑧−1

CONTROLADOR DE MÍNIMA VARIANZA CON SEGUIMIENTO DE REFERENCIA (MVR2)
2
𝐽=𝐸 𝑦 𝑘+𝑑+1 −𝑤 𝑘+𝑑+1
Modelo:
−1 −1
𝑦 𝑘 = 𝑢 𝑘 + 𝑣 𝑘 = 𝑧 −𝑑 𝑢 𝑘 + 𝑣 𝑘
𝐴 𝑧 𝐴 𝑧 𝐴 𝑧 −1 𝐴 𝑧 −1
𝐶 𝑧 −1 = 𝐴 𝑧 −1 𝐹 𝑧 −1 + 𝑧 −(𝑑+1) 𝐺 𝑧 −1
1
𝑢 𝑘 = −1 −1
𝐶 𝑧 −1 𝑤 𝑘 + 𝑑 − 𝐺 𝑧 −1 𝑦(𝑘)
𝑧𝐹 𝑧 𝐵 𝑧

CONTROLADOR DE MÍNIMA VARIANZA PONDERADO (MVR1)
2
𝐽 =𝐸 𝑦 𝑘+𝑑+1 −𝑤 𝑘+𝑑+1 + 𝑟𝑢2 𝑘
Modelo:
−1 −1
𝑦 𝑘 = 𝑢 𝑘 + 𝑣 𝑘 = 𝑧 −𝑑 𝑢 𝑘 + 𝑣 𝑘
𝐴 𝑧 𝐴 𝑧 𝐴 𝑧 −1 𝐴 𝑧 −1
𝐶 𝑧 −1 = 𝐴 𝑧 −1 𝐹 𝑧 −1 + 𝑧 −(𝑑+1) 𝐺 𝑧 −1
1
𝑢 𝑘 = 𝐶 𝑧 −1 𝑤 𝑘 + 𝑑 − 𝐺 𝑧 −1 𝑦(𝑘)
𝑧𝐹 𝑧 −1 𝐵 𝑧 −1 + 𝑟𝐶(𝑧 −1 )

EJEMPLO DISEÑO DE CONTROLADOR MVR
Se desea diseñar un controlador de mínima varianza para un sistema con función

de transferencia discreta:
𝐵(𝑧) 0.8𝑧 + 0.4
𝐺𝑝 𝑧 = = 3 T = 0.2 s
𝐴(𝑧) 𝑧 − 1.3𝑧 2 + 0.4𝑧
La salida de dicho sistema se ve afectada por una perturbación estocástica cuyo
comportamiento se puede modelar mediante un proceso ARMAX. El modelo de la
perturbación estocástica corresponde a un ruido blanco modificado por el filtro:
𝐶(𝑧) 𝑧 3 − 𝑧 2 + 0.24𝑧
𝐺𝑣 𝑧 = = 3
𝐴(𝑧) 𝑧 − 1.3𝑧 2 + 0.4𝑧

SOLUCIÓN
Se reescriben las funciones de transferencia en potencias negativas de z:
𝐵(𝑧 −1 ) 0.8𝑧 −1 + 0.4𝑧 −2 −1 𝑚=2
𝐺𝑃 𝑧 = = ∗ 𝑧
𝐴(𝑧 −1 ) 1 − 1.3𝑧 −1 + 0.4𝑧 −2 𝑑=1
𝐶(𝑧 −1 ) 1 − 𝑧 −1 + 0.24𝑧 −2
𝐺𝑣 𝑧 = =
𝐴(𝑧 ) 1 − 1.3𝑧 −1 + 0.4𝑧 −2
−1
Identidad de diseño:
𝐶 𝑧 −1 = 𝐴 𝑧 −1 𝐹 𝑧 −1 + 𝑧 − 𝑑+1 𝐺(𝑧 −1 )
En donde:
𝐹 𝑧 −1 = 1 + 𝑓1 𝑧 −1 … + 𝑓𝑑 𝑧 −𝑑 𝐹 𝑧 −1 = 1 + 𝑓1 𝑧 −1
𝐺 𝑧 −1 = 𝑔0 + 𝑔1 𝑧 −1 … + 𝑔𝑚 −1 𝑧 −(𝑚 −1) 𝐺 𝑧 −1 = 𝑔0 + 𝑔1 𝑧 −1
1 − 𝑧 −1 + 0.24𝑧 −2 = 1 − 1.3𝑧 −1 + 0.4𝑧 −2 1 + 𝑓1 𝑧 −1 + 𝑧 −2 (𝑔0 + 𝑔1 𝑧 −1 )
SOLUCIÓN DE LA ECUACIÓN DIOFÁNTICA
Destruyendo paréntesis y Factorizando se obtiene:
1 − 𝑧 −1 + 0.24𝑧 −2 = 1 − (1.3 − 𝑓1 ) 𝑧 −1 + (0.4 − 1.3𝑓1 + 𝑔0 )𝑧 −2 + (0.4𝑓1 + 𝑔1 )𝑧 −3
Comparando término a término:
1.3 − 𝑓1 = 1
0.4 − 1.3𝑓1 + 𝑔0 = 0.24
0.4𝑓1 + 𝑔 1 = 0
Resolviendo las ecuaciones anteriores resulta:
𝑓1 = 0.3 𝑔0 = 0.23 𝑔1 = −0.12
Los polinomios 𝐹(𝑧 −1 ) y 𝐺(𝑧 −1 ) son:
𝐹 𝑧 −1 = 1 + 0.3𝑧 −1
𝐺 𝑧 −1 = 0.23 − 0.12𝑧 −1
Con dichos polinomios se obtiene la ley de control para los controladores MVR3,
MVR2 y MVR1. Luis Edo García Jaimes
CONTROL DE MÍNIMA VARIANZA MVR3
Ley de control MVR3:
𝐺 𝑧 −1 0.23 − 0.12𝑧 −1
𝑢 𝑘 =− 𝑦 𝑘 =− ∗ 𝑦(𝑘)
𝑧𝐹 𝑧 −1 𝐵 𝑧 −1 𝑧 1 + 0.3𝑧 −1 0.8𝑧−1 + 0.4𝑧−2
0.23 − 0.12𝑧 −1
𝑢 𝑘 =− ∗ 𝑦(𝑘)
0.8 + 0.64𝑧 −1 + 0.12𝑧 −2
𝑢 𝑘 = −0.2875𝑦 𝑘 + 0.15𝑦 𝑘 − 1 − 0.8𝑢 𝑘 − 1 − 0.15𝑢(𝑘 − 2)
1.2 1.2
Set-Point Set-Point
1 Salida 1 Respuesta
0.8
0.8
Respuesta
Respuesta
0.6
0.6
0.4
0.4
0.2
0.2 0
0 -0.2
0 100 200 300 400 500 600 0 100 200 300 400 500 600
Periodos de Muestreo Periodos de Muestreo
0.23 − 0.12𝑧 −1 1 − 0.8𝑧 −1

𝑢 𝑘 = ∗ ∗𝑦 𝑘
0.8 + 0.64𝑧 −1 + 0.12𝑧 −2 1 − 𝑧 −1

El controlador de mínima varianza MVR2 toma la forma:
1 −1 −1
𝑢 𝑘 = 𝐶 𝑧 𝑤 𝑘 + 𝑑 − 𝐺 𝑧 𝑦(𝑘)
𝑧𝐹 𝑧 −1 𝐵 𝑧 −1
1
𝑢 𝑘 = 1 − 𝑧 −1 + 0.24𝑧 −2 𝑤(𝑘 + 𝑑) − (0.23 − 0.12𝑧 −1 )𝑦(𝑘)
𝑧 1+ 0.3𝑧 −1 0.8𝑧 −1 + 0.4𝑧 −2
1 − 𝑧 −1 + 0.24𝑧 −2 0.23 − 0.12𝑧 −1

𝑢 𝑘 = ∗ 𝑤(𝑘 + 𝑑) − ∗ 𝑦(𝑘) 𝑀𝑉𝑅2
0.8 + 0.64𝑧 −1 + 0.12𝑧 −2 0.8 + 0.64𝑧 −1 + 0.12𝑧 −2

El controlador de mínima varianza generalizado MVR1, toma la forma:
1
𝑢 𝑘 = 𝐶 𝑧 −1 𝑤 𝑘 + 𝑑 − 𝐺 𝑧 −1 𝑦(𝑘)
𝑧𝐵 𝑧 −1 𝐹 𝑧 −1 + 𝑟𝐶(𝑧 −1 )
Con 𝑟 = 0.05, el controlador de mínima varianza generalizado es:
1 − 𝑧 −1 + 0.24𝑧 −2 𝑤(𝑘 + 𝑑)
𝑢 𝑘 =
𝑧 1 + 0.3𝑧 −1 0.8𝑧 −1 + 0.4𝑧 −2 + 0.05 1 − 𝑧 −1 + 0.24𝑧 −2
0.23 − 0.12𝑧 −1 𝑦(𝑘)
−
1 + 0.3𝑧 −1 0.8𝑧 −1 + 0.4𝑧 −2 + 0.05 1 − 𝑧 −1 + 0.24𝑧 −2
1 − 𝑧 −1 + 0.24𝑧 −2 0.23 − 0.12𝑧 −1
𝑢 𝑘 = ∗𝑤 𝑘+𝑑 − ∗ 𝑦(𝑘) 𝑉𝑅1
0.85 + 0.69𝑧 −1 + 0.132𝑧 −2 0.85 + 0.69𝑧 −1 + 0.132𝑧 −2

SIMULACIÓN DEL CONTROLADOR MVR

CONTROL PI POR ASIGNACIÓN Y CANCELACIÓN DE POLOS PARA
SISTEMA POR
La dinámica del sistema se aproxima a la de un sistema POR de la forma:
𝑘𝑒 −𝜃𝑆
𝐺𝑃 𝑆 =
𝜏𝑆 + 1
El modelo discreto correspondiente para dicho sistema es:
(𝑏0 + 𝑏1 𝑧 −1 ) −𝑑
𝐺𝑃 𝑧 = −1
𝑧
1 − 𝑎𝑧
La función de transferencia del controlador PI toma la forma:
𝑀(𝑧) 𝑞0 (𝑧 − 𝑘)
𝐷 𝑧 = =
𝐸(𝑧) 𝑧−1
Para que el cero del controlador cancele el polo de la planta se hace:
𝑘=𝑎
Así, la ecuación característica del sistema en lazo cerrado es:
𝑄 𝑧 = 𝑧 𝑑+1 − 𝑧 𝑑 + 𝑞0 𝑏0 𝑧 + 𝑞0 𝑏1 = 0
Si el polo de lazo cerrado se ubica en 𝑧 = 𝑝 se obtiene:
𝑄 𝑝 = 𝑝𝑑+1 − 𝑝𝑑 + 𝑞0 𝑏0 𝑝 + 𝑞0 𝑏1 = 0
Despejando 𝑞0 resulta:
𝑝𝑑 (1 − 𝑝)
𝑞0 =
𝑏0 𝑝 + 𝑏1 Luis Edo García Jaimes
EJEMPLO CONTROLADOR PI POR ASGNACIÓN Y CANCELACIÓN
En el intercambiador de la figura el objetivo es controlar la temperatura de salida
𝑇𝑜 (𝑡), regulando el flujo de vapor 𝑓𝑣 𝑡 . La función de transferencia es:
𝑇𝑜 (𝑆) 1.5𝑒 −2.5𝑆
= 𝑇 = 2 𝑚𝑖𝑛
𝐹𝑣 (𝑆) 8𝑆 + 1
Diseñe para el sistema un controlador PI por asignación y cancelación de polos de
modo que el sistema tenga tiempo de establecimiento igual a 20 min

SOLUCIÓN
La función de transferencia de pulso del sistema es:
−1 −𝑁
𝐺𝑃 𝑆 0.2564𝑧 + 0.0753
𝐺𝑃 𝑧 = 1 − 𝑧 𝑧 ℑ𝑚 = 2
𝑆 𝑧 𝑧 − 0.7788
0.2564 + 0.0753𝑧 −1 −2 𝑎 = 0.7788 𝑑=2
𝐺𝑃 𝑧 = ∗ 𝑧
1 − 0.7788𝑧 −1 𝑏0 = 0.2564 𝑏1 = 0.0753
El controlador PI toma la forma:
𝑀(𝑧) 𝑞0 (𝑧 − 𝑘)
𝐷 𝑧 = =
𝐸(𝑧) 𝑧−1
Para que el cero del controlador cancele el polo de la planta: 𝑘 = 0.7788.
𝑇 2
El polo dominante deseado es: 𝑧 = 𝑒 − 𝜏 = 𝑒− 5 = 0.67, por lo tanto:
𝑝𝑑 (1 − 𝑝) 0.672 (1 − 0.67)
𝑞0 = = 𝑞0 = 0.5995
𝑏0 𝑝 + 𝑏1 0.2564 ∗ 0.67 + 0.0753
El controlador pedido es:
𝑀(𝑧) 0.5995(𝑧 − 0.7788)
𝐷 𝑧 = =
𝐸(𝑧) 𝑧−1 Luis Edo García Jaimes
RESPUESTA DEL SISTEMA

CONTROL POR MODELO DE REFERENCIA (MRAC)
En esta estrategia de control se selecciona como referencia un modelo que cumpla

con las condiciones deseadas para el funcionamiento adecuado de la planta y se
desarrolla un mecanismo de control que permita que la planta siga el modelo
escogido.
El control por modelo de referencia está formado por tres partes fundamentales:
 El controlador primario: Debe cumplir la condición de hacer posible que el
conjunto de la planta y el controlador puedan reproducir el modelo de referencia.
 El modelo de referencia: Debe seleccionarse con un comportamiento dinámico
estable y que pueda ser seguido por el proceso a controlar.
 La ley de adaptación: esta se puede obtener por diferentes métodos: Método
de sensibilidad, método de Lyapunov y método de hiperestabilidad. Luis Edo García Jaimes
ELEMENTOS DEL MRAC
Se trata de que el sistema controlado siga el comportamiento de un modelo

determinado para lo cual se debe generar una señal de control que haga converger
la respuesta de la planta a la del modelo para una cierta señal de entrada.
Modelo de ym(k)
Referencia
-
Mecanismo e(k)
de adaptación
+
r(k) yp(k)
Controlador Planta
+ u(k)
-

MRAC PARA SISTEMAS CONTINUOS: MÉTODO DE LYAPUNOV
Este método establece que un sistema tiene un punto de equilibrio 𝑥 = 0

asintóticamente estable, si existe una función 𝑉(𝑥) que cumpla con las
siguientes condiciones:
 𝑉(𝑥) : Definida positiva para 𝑥 ≠ 0 𝑉(𝑥) > 0
 𝑉 𝑥 : Definida negativa para 𝑥 ≠ 0 𝑉 (𝑥) < 0
 𝑉(𝑥) → ∞ para 𝑥 → ∞
 𝑉 0 =0

PROCEDIMIENTO PARA APLICAR EL MÉTODO DE LYAPUNOV
1. Encontrar la ecuación de error en la salida: 𝑒 = 𝑦𝑝 − 𝑦𝑚
2. Encontrar la función de Lyapunov como una función del error entre las señales
y del error en los parámetros. Esta función es de la forma:
𝑉 = 𝑒 𝑇 𝑃𝑒 + ∅𝑇 Γ −1 ϕ
Donde las matrices 𝑃 y Γ −1 deben ser definidas positivas.
3. Calcular la derivada de la función de Lyapunov. Esta derivada debe ser definida
negativa. Por lo general toma la forma:
𝑉 = −𝑒 𝑇 𝑄𝑒 + 𝑡𝑒𝑟𝑚𝑖𝑛𝑜 𝑒𝑥𝑡𝑟𝑎 𝑖𝑛𝑐𝑙𝑢𝑦𝑒𝑛𝑑𝑜 𝜙
El primer término garantiza que la derivada es negativa definida, entonces,
haciendo el resto igual a cero se tiene una posible solución para la adaptación.
4. Hacer el término extra igual a cero para obtener la ley de adaptación.
Normalmente tiene la forma:
𝜃 = −Γ𝜀𝜉
𝜀 , está relacionado con el error 𝑒 y 𝜉 tiene que ver con el vector de señales. Luis Edo García Jaimes
EJEMPLO MRAC PARA SISTEMA DE PRIMER ORDEN
Diseñar controlador por modelo de referencia para el sistema de primer orden:
yp (S) K
𝐺𝑃 S = =
U(S) τS + 1
SOLUCIÓN: Si se toma como modelo de referencia:
𝑦𝑚 (𝑆) 𝑎
𝐺𝑚 𝑆 = =
𝑅(𝑆) 𝑆+𝑎
El error es:
𝑒 = 𝑦𝑚 − 𝑦𝑝
La ecuación de la planta se puede escribir como:
𝑑𝑦𝑝
= −𝐴𝑦𝑝 + 𝐵𝑢
𝑑𝑡
La ecuación del modelo de referencia se puede escribir como:
𝑑𝑦𝑚
= −𝑎𝑦𝑚 + 𝑎𝑟
𝑑𝑡
Para que el error sea cero se debe cumplir que: 𝑦𝑝 = 𝑦𝑚 por lo tanto:
−𝐴𝑦𝑝 + 𝐵𝑢 = −𝑎𝑦𝑚 + 𝑎𝑟
Despejando 𝑢:
𝑢 = 𝑡0 𝑟 − 𝑆0 𝑦𝑝 Luis Edo García Jaimes
MRAC SISTEMA PRIMER ORDEN
Los valores apropiados de 𝑡0 y 𝑆0 que mejor se adaptan al sistema de control se
pueden determinar utilizando el método de Lyapunov y están dados por:
𝑡0 = 𝛾 𝑒𝑟𝑑𝑡 + 𝑡0 0
𝑆0 = −𝛾 𝑒𝑦𝑝 𝑑𝑡 + 𝑆0 0
En donde:
𝑟 ∶ Señal de entrada. 𝑢: La señal de control.
𝑦𝑝 : La salida del proceso. 𝑦𝑚 : La salida del modelo de referencia.
𝑒: El error 𝛾: Parámetro de ajuste

IMPLEMENTACIÓN DEL MRAC PARA SISTEMA DE PRIMER ORDEN

EJEMPLO MRAC PARA SISTEMA DE SEGUNDO ORDEN
Sea el sistema de segundo orden:
𝑌𝑝 (𝑆) 𝑏𝑜
𝐺𝑝 𝑆 = =
𝑈(𝑆) 𝑆 2 + 𝑎1 𝑆 + 𝑎2
Se toma como modelo de referencia:
𝑌𝑚 (𝑆) 𝛽
𝐺𝑚 𝑆 = = 2
𝑅(𝑆) 𝑆 + 𝛼1 𝑆 + 𝛼2
Se asume como ley de control para el sistema:
𝑢 = 𝑓. 𝑟 − 𝑞𝑜 𝑦𝑝 − 𝑞1 𝑦𝑝
En donde 𝑟 es la señal de referencia.
Utilizando el método de Lyapunov se obtiene:
𝛾𝑜
𝑓=− 𝑒 𝑟𝑑𝑡 + 𝑓 0
𝑏𝑜
𝛾1
𝑞𝑜 = 𝑒𝑦𝑝 𝑑𝑡 + 𝑞0 0
𝑏𝑜
𝛾2
𝑞1 = 𝑒 𝑦𝑝 𝑑𝑡 + 𝑞1 0
𝑏𝑜 Luis Edo García Jaimes
IMPLEMENTACIÓN DEL MRAC PARA SISTEMA DE SEGUNDO ORDEN

MRAC PARA SISTEMAS DISCRETOS
El objetivo es que el proceso con función de transferencia discreta:
𝑦𝑝 𝑧 −1 𝐵 𝑧 −1 −𝑑 𝐴 𝑧 −1 = 1 + 𝑎1 𝑧 −1 + ⋯ 𝑎𝑚 𝑧 −𝑚
𝐺𝑝 𝑧 = = 𝑧 𝑐𝑜𝑛
𝑈 𝑧 −1 𝐴 𝑧 −1 𝐵 𝑧 −1 = 𝑏1 𝑧 −1 + 𝑏2 𝑧 −2 ⋯ 𝑏𝑚 𝑧 −𝑚
Siga el modelo:
𝑦𝑚 (𝑧 −1 ) 𝐵𝑚 (𝑧 −1 ) −𝑑 𝐴𝑚 𝑧 −1 = 1 + 𝛼1 𝑧 −1 + ⋯ 𝛼𝑚 𝑧 −𝑚
𝐺𝑚 𝑧 = = 𝑧 𝑐𝑜𝑛
−1
𝑊(𝑧 ) 𝐴𝑚 (𝑧 ) −1 𝐵𝑚 𝑧 −1 = 𝛽1 𝑧 −1 + 𝛽2 𝑧 −2 ⋯ 𝛽𝑚 𝑧 −𝑚
Mediante la aplicación de la ley de control:
𝑃 𝑧 −1 𝑈 𝑧 = 𝐹 𝑧 −1 𝑊 𝑧 − 𝑄 𝑧 −1 𝑦𝑝 𝑧
𝑃 𝑧 −1 = 1 + 𝑝1 𝑧 −1 + ⋯ 𝑝𝑚 +𝑑−1 𝑧 −(𝑚 +𝑑−1)

Con
𝑄 𝑧 −1 = 𝑞0 + 𝑞1 𝑧 −1 + ⋯ 𝑞𝑚 −1 𝑧 −(𝑚 −1)
PROCEDIMIENTO PARA CALCULAR UN MRAC DISCRETO
La figura muestra el diagrama en bloques del MRAC propuesto.
La función de transferencia en lazo cerrado para el sistema de la figura es:

𝑦𝑝 𝑧 𝐹 𝑧 −1 𝐵 𝑧 −1 𝑧 −𝑑 𝐵𝑚 𝑧 −1 −𝑑
𝐺𝑢 𝑧 = = −1 −1 −1 −1 −𝑑
= −1
𝑧
𝑊 𝑧 𝑃 𝑧 𝐴 𝑧 +𝑄 𝑧 𝐵 𝑧 𝑧 𝐴𝑚 𝑧
El procedimiento para el diseño es el siguiente:
1. Seleccionar el modelo de referencia adecuado.
2. Reescribir el polinomio 𝐵(𝑧 −1 ) del proceso en la forma:
𝐵 𝑧 −1 = 𝑏1 𝑧 −1 𝐵 + 𝑧 −1 𝐵− 𝑧 −1
En donde: 𝐵 + 𝑧 −1 : Contiene los ceros estables del proceso.
𝐵 − 𝑧 −1 : Contiene los ceros inestables del proceso Luis Edo García Jaimes
3. Los ceros estables del proceso se incluyen en el polinomio 𝑃(𝑧 −1 ) es decir:
𝑃 𝑧 −1 = 𝐵 + 𝑧 −1 𝑃′ 𝑧 −1
4. Los ceros inestables del proceso deben ser ceros de 𝐺𝑤 (𝑧), es decir, ceros de
𝐵𝑚 (𝑧 −1 )
5. Si el grado de 𝐺𝑤 (𝑧) es menor que el grado de 𝑄 𝑧 −1 𝐵 𝑧 −1 𝑧 −𝑑 después de la
cancelación de 𝐵 + 𝑧 −1 , el lado derecho de la ecuación de 𝐺𝑤 (𝑧) se multiplica y
divide por el polinomio 𝑅(𝑧 −1 )
6. Los polinomios 𝑃′ 𝑧 −1 , 𝑄 𝑧 −1 y el filtro 𝐹 𝑧 −1 quedan determinados por las
ecuaciones:
𝑃′ 𝑧 −1 𝐴 𝑧 −1 + 𝑏1 𝑄 𝑧 −1 𝐵 − 𝑧 −1 𝑧 −(𝑑+1) = 𝐴𝑚 𝑧 −1 𝑅 𝑧 −1
𝑏1 𝐹 𝑧 −1 𝐵 − 𝑧 −1 𝑧 −1 = 𝐵𝑚 𝑧 −1 𝑅 𝑧 −1
7. De la última ecuación de la condición 6 se despeja el filtro 𝐹(𝑧 −1 ) así:

𝑧𝐵𝑚 𝑧 −1 𝑅(𝑧 −1 )
𝐹 𝑧 −1 =
𝑏1 𝐵 −(𝑧 −1 )
El filtro 𝐹 𝑧 −1 es realizable si 𝐵𝑚 𝑧 −1 es de la forma 𝛽1 𝑧 −1 + 𝛽2 𝑧 −2 ⋯ +𝛽𝑚 𝑧 −𝑚 con
𝛽1 ≠ 0
NOTA: En caso de que el sistema tenga solo ceros estables se considera que
𝐵 − 𝑧 −1 = 1, en este caso la ley de control toma la forma:
𝑧𝐵𝑚 𝑧 −1 𝑅 𝑧 −1 𝑤 𝑘 = 𝑏1 𝑃 𝑧 −1 𝑢 𝑘 + 𝑄 𝑧 −1 𝑦𝑝 𝑘

EJEMPLO CONTROLADOR MRAC
La función de transferencia del sistema de enfriamiento de la figura está dada por:
0.4𝑒 −2𝑆
𝐺𝑝 𝑆 = 𝑇 = 1.5 𝑠
10𝑆 + 1
Diseñe para el sistema un controlador con modelo de referencia de modo que el
sistema, en lazo cerrado siga la dinámica del modelo:
𝑒 −2𝑆
𝐺𝑚 𝑆 =
6𝑆 + 1

SOLUCIÓN EJEMPLO MRAC
Los modelos discretos son:
−1 −𝑁
𝐺(𝑆)
𝐻𝐺 𝑧 = (1 − 𝑧 )𝑧 ℑ𝑚
𝑆
𝐵(𝑧 −1 ) 0.038𝑧 + 0.0176 0.038𝑧 −1 + 0.0176𝑧 −2 −1 𝑚=2
𝐻𝐺𝑝 𝑧 = = = ∗ 𝑧
𝐴 𝑧 −1 𝑧 2 (𝑧 − 0.8607) 1 − 0.8607𝑧 −1 𝑑=1
𝐵𝑚 (𝑧 −1 ) 0.1535𝑧 + 0.0676 0.1535𝑧 −1 + 0.0676𝑧 −2 −1
𝐻𝐺𝑚 𝑍) = = = ∗ 𝑧
𝐴𝑚 (𝑧 −1 ) 𝑧 2 (𝑧 − 0.7788) 1 − 0.7788𝑧 −1
−1 −1 + −1 − −1 −1 −1 𝐵+ 𝑧 −1 = 1 + 0.4613𝑧 −1
𝐵 𝑧 = 𝑏1 𝑧 𝐵 𝑧 𝐵 𝑧 = 0.038𝑧 1 + 0.4613𝑧
𝐵− 𝑧 −1 = 1
Por lo tanto, la ley de control es:
𝑧𝐵𝑚 𝑧 −1 𝑅 𝑧 −1 𝑤 𝑘 = 𝑏1 𝑃 𝑧 −1 𝑢 𝑘 + 𝑄 𝑧 −1 𝑦𝑝 (𝑘)
Grado de 𝑃 𝑧 −1 = 𝑚 + 𝑑 − 1 = 2
𝑃 𝑧 −1 = 𝐵+ 𝑧 −1 𝑃′ 𝑧 −1 = 1 + 0.4613𝑧 −1 (1 + 𝑝1 𝑧 −1 )
Grado de 𝑄 𝑧 −1 = 𝑚 − 1 = 1
𝑄 𝑧 −1 = 𝑞𝑜 + 𝑞1 𝑧 −1 Luis Edo García Jaimes
SOLUCIÓN (2)
Condición de los polinomios:

𝑃′ 𝑧 −1 𝐴 𝑧 −1 + 𝑏1 𝑄 𝑧 −1 𝐵− 𝑧 −1 𝑧 −(𝑑+1) = 𝐴𝑚 𝑧 −1 𝑅 𝑧 −1
1 + 𝑝1 𝑧 −1 1 − 0.8607𝑧 −1 + 0.038 𝑞𝑜 + 𝑞1 𝑧 −1 𝑧 −2 = 1 − 0.7788𝑧 −1
Factorizando:
1 − 0.8607 − 𝑝1 𝑧 −1 − 0.8607𝑝1 − 0.038𝑞𝑜 𝑧 −2 + 0.038𝑞1 𝑧 −3 = 1 − 0.7788𝑧 −1
Comparando término a término y resolviendo las ecuaciones resultantes se obtiene:
𝑝1 = 0.0819, 𝑞𝑜 = 1.855, y 𝑞1 = 0
Entonces:
𝑃′ 𝑧 −1 = 1 + 0.0819𝑧 −1 y 𝑄 𝑧 −1 = 1.855
Por lo tanto:
𝑃 𝑧 −1 = 𝐵+ 𝑧 −1 𝑃′ 𝑧 −1 = 1 + 0.4631𝑧 −1 1 + 0.0819𝑧 −1 = 1 + 0.545𝑧 −1 + 0.03792𝑧 −2

SOLUCIÓN MRAC: LEY DE CONTROL
𝑧𝐵𝑚 𝑧 −1 𝑅 𝑧 −1 𝑤 𝑘 = 𝑏1 𝑃 𝑧 −1 𝑢 𝑘 + 𝑄 𝑧 −1 𝑦𝑝 (𝑘)
𝑧 0.1535𝑧 −1 + 0.0676𝑧 −2 𝑤 𝑘 = 0.038 1 + 0.545𝑧 −1 + 0.03792𝑧 −2 𝑢 𝑘 + 1.855𝑦𝑝 (𝑘)
Despejando 𝑢(𝑘) se obtiene:
𝑢 𝑘 = 4.0394𝑤 𝑘 + 1.7789𝑤 𝑘 − 1 − 0.545𝑢 𝑘 − 1 − 0.03792𝑢 𝑘 − 2 − 1.855𝑦𝑝 (𝑘)
Tomando transformada z y reuniendo términos:
1 + 0.545𝑧 −1 + 0.03792𝑧 −2 𝑈 𝑧 = 4.0394 + 1.7789𝑧 −1 𝑊 𝑧 − 1.855𝑌𝑝 (𝑧)
Es decir:
4.0394𝑧 𝑧 + 0.4404 1.855𝑧 2
𝑈 𝑧 = 𝑊 𝑧 − 𝑌𝑝 (𝑧)
𝑧 + 0.4631 𝑧 + 0.0819 𝑧 + 0.4631 𝑧 + 0.0819

IMPLEMENTACIÓN Y RESPUESTA CON EL MRAC
La figura muestra el diagrama en bloques del sistema de control y la respuesta del
mismo ante una entrada con forma de onda rectangular de amplitud unitaria.
4.0394z(z+0.4404)
0.038(z+0.4631)
(z+0.4631)(z+0.0819)
z2(z-0.8607)
1.855z2
(z+0.4631)(z+0.0819)

EJEMPLO: MRAC CON CEROS INESTABLES
La figura muestra el sistema de control de nivel de agua de una caldera. 𝑊𝑓 es el
flujo de agua de alimentación y 𝑊𝑠 es el flujo de vapor que sale de la caldera. La
válvula tiene ganancia 10 y constante de tiempo 2 s. El sistema del nivel del domo
de la caldera tiene ganancia 3, constante de tiempo de 20 s y un retardo de 2 s.
Diseñar un controlador por modelo de referencia para que el sistema en lazo cerrado
tenga coeficiente de amortiguamiento de 0.8 y constante de tiempo 12.5s. Periodo
de muestreo 𝑇 = 3 𝑠.

SOLUCIÓN
La función de transferencia del sistema es:
𝐿(𝑆) 30𝑒 −2𝑠
𝐺𝑝 𝑆 = =
𝑊𝑓 (𝑆) (20𝑆 + 1)(2𝑆 + 1)
Al discretizar el sistema con 𝑇 = 3 𝑠 se obtiene:
0.1699𝑧 2 + 1.6603𝑧 + 0.3746 0.1699𝑧 −1 + 1.6603𝑧 −2 + 0.3746𝑧 −3
𝐻𝐺𝑝 𝑧 = =
𝑧 𝑧 − 0.8607 (𝑧 − 0.4723) 1 − 1.333𝑧 −1 + 0.4065𝑧 −2
𝑚=3 𝑑=0
𝐴(𝑧 −1 ) = 1 − 1.333𝑧 −1 + 0.4065𝑧 −2
𝐵 𝑧 −1 = 𝑏1 𝑧 −1 𝐵 + 𝑧 −1 𝐵− 𝑧 −1
𝑏1 = 0.1699
𝐵 𝑧 −1 = 0.1699𝑧 −1 1 + 0.2311𝑧 −1 1 + 9.5411𝑧 −1 𝐵+ 𝑧 −1 = 1 + 0.2311𝑧 −1
𝐵− 𝑧 −1 = (1 + 9.5411𝑧 −1 )
El numerador 𝐵 𝑧 −1 tiene un cero fuera del círculo unitario.
OBTENCIÓN DEL MODELO DE REFERENCIA
Para obtener la función de transferencia discreta del modelo de referencia se tiene:
1
𝜉 = 0.8 𝜏 = 12.5 𝑠. 𝑤𝑛 = = 0.1 𝑟𝑎𝑑/𝑠
𝜉𝜏
𝑧 = 𝑒 −𝜉𝑤 𝑛 𝑇 = 0.7866 𝜃 = 57.3𝑤𝑛 𝑇 1 − 𝜉 2 = 10.31𝑜
Los polos deseados para el sistema en lazo cerrado son: 𝑧 = 0.7739 ± 𝑗0.1408 y su
ecuación característica es: 𝑧 2 − 1.5478𝑧 + 0.6187 = 1 − 1.5478𝑧 −1 + 0.6187𝑧 −2 = 0
El modelo de referencia debe tener en el numerador el cero inestable del sistema:
𝐵𝑚 (𝑧 −1 ) 𝐾𝑧 −1 (1 + 9.5411𝑧 −1 )
𝐻𝐺𝑚 𝑧 −1 = =
𝐴𝑚 (𝑧 ) 1 − 1.5478𝑧 −1 + 0.6187𝑧 −2
−1
Para que el sistema tenga ganancia unitaria se debe cumplir que:

𝐾𝑧 −1 (1 + 9.5411𝑧 −1 )
lim =1 𝐾 = 0.006726
𝑧→1 1 − 1.5478𝑧 −1 + 0.6187𝑧 −2
𝐵𝑚 (𝑧 −1 ) 0.006726𝑧 −1 (1 + 9.5411𝑧 −1 )
𝐻𝐺𝑚 𝑧 −1 = =
𝐴𝑚 (𝑧 −1 ) 1 − 1.5478𝑧 −1 + 0.6187𝑧 −2 Luis Edo García Jaimes
CÁLCULO DEL MRAC
𝐴𝑚 𝑧 −1 = 1 − 1.5478𝑧 −1 + 0.6187𝑧 −2
𝐵𝑚 𝑧 −1 = 0.006726𝑧 −1 (1 + 9.5411𝑧 −1 )
La ley de control está determinada por la ecuación:
𝑃(𝑧 −1 )𝑈 𝑧 = 𝐹 𝑧 −1 𝑊 𝑧 − 𝑄 𝑧 −1 𝑦𝑝 𝑧
Grado de 𝑃 𝑧 −1 : 𝑚 + 𝑑 − 1 = 2
𝑃 𝑧 −1 = 𝐵 + 𝑧 −1 𝑃′ 𝑧 −1 = 1 + 0.2311𝑧 −1 (1 + 𝑝1 𝑧 −1 )
Grado de 𝑄 𝑧 −1 : 𝑚 − 1 = 2
𝑄 𝑧 −1 = 𝑞𝑜 + 𝑞1 𝑧 −1 + 𝑞2 𝑧 −2
Las ecuaciones de diseño son:
𝑃′ 𝑧 −1 𝐴 𝑧 −1 + 𝑏1 𝑄 𝑧 −1 𝐵− 𝑧 −1 𝑧 −(𝑑+1) = 𝐴𝑚 𝑧 −1 𝑅 𝑧 −1
1 + 𝑝1 𝑧 −1 1 − 1.333𝑧 −1 + 0.4065𝑧 −2 + 0.1699 𝑞𝑜 + 𝑞1 𝑧 −1 + 𝑞2 𝑧 −2 1 + 9.5411𝑧 −1 𝑧 −1
= 1 − 1.5478𝑧 −1 + 0.6187𝑧 −2
CÁLCULO DEL MRAC (2)
Efectuando operaciones y reuniendo términos semejantes:
1 − 1.333 − 𝑝1 − 0.1699𝑞𝑜 𝑧 −1 + 0.4065 − 1.333𝑝1 + 1.621𝑞𝑜 + 0.1699𝑞1 𝑧 −2
+ 0.4065𝑝1 + 1.621𝑞1 + 0.1699𝑞2 𝑧 −3 + 1.621𝑞2 𝑧 −4 = 1 − 1.5478𝑧 −1 + 0.6187𝑧 −2
Comparando término a término se obtiene:
1.333 − 𝑝1 − 0.1699𝑞𝑜 = 1.5478
0.4065 − 1.333𝑝1 + 1.621𝑞𝑜 + 0.1699𝑞1 = 0.6187
0.4065𝑝1 + 1.621𝑞1 + 0.1699𝑞2 = 0
1.621𝑞2 = 0
Al resolver las ecuaciones anteriores resulta:
𝑞𝑜 = −0.04483 𝑞1 = 0.05193 𝑞2 = 0 𝑝1 = −0.207
Es decir:
𝑄 𝑧 −1 = −0.04483 + 0.05193𝑧 −1
𝑃′ 𝑧 −1 = 1 − 0.207𝑧 −1 Luis Edo García Jaimes
CÁLCULO DEL MRAC (3)
El filtro 𝐹(𝑧 −1 ) se obtiene con la ecuación:
𝑧𝐵𝑚 𝑧 −1 𝑅(𝑧 −1 ) 𝑧 ∗ 0.006726𝑧 −1 (1 + 9.5411𝑧 −1 )
𝐹 𝑧 −1 = − −1
= −1
= 0.03958
𝑏1 𝐵 (𝑧 ) 0.1699(1 + 9.5411𝑧 )
𝑃(𝑧 −1 )𝑈 𝑧 = 𝐹 𝑧 −1 𝑊 𝑧 − 𝑄 𝑧 −1 𝑦𝑝 𝑧
1 + 0.2311𝑧 −1 1 − 0.207𝑧 −1 𝑈 𝑧 = 0.03958𝑊 𝑧 − (−0.04483 + 0.05193𝑧 −1 )𝑦𝑝 𝑧
Es decir:
0.03958𝑊 𝑧 (−0.04483 + 0.05193𝑧 −1 )𝑦𝑝 𝑧
𝑈 𝑧 = −1 −1
−
1 + 0.2311𝑧 1 − 0.207𝑧 1 + 0.2311𝑧 −1 1 − 0.207𝑧 −1
La ley de control como ecuación en diferencias es:
𝑢 𝑘 = 0.03958𝑤 𝑘 + 0.04438𝑦𝑝 𝑘 − 0.05193𝑦𝑝 𝑘 − 1 − 0.0241𝑢 𝑘 − 1
+ 0.0478𝑢(𝑘 − 2)
IMPLEMENTACIÓN DEL MRAC
La figura muestra el diagrama en bloques del sistema de control y la respuesta del
mismo ante una entrada con forma de onda rectangular de amplitud unitaria.
0.03958z2
30
z2 +0.0241z-0.04783
40s2 +22s+1
-0.04483z+0.05193
z3 +0.0241z2-0.04783z

CONTROL CON GANANCIA PROGRAMABLE
La técnica de la ganancia programable (Gain scheduling) utiliza una familia de
controladores lineales, para proporcionar el control satisfactorio en diversos puntos
de operación del sistema.
Este enfoque asume que el sistema se puede representar mediante un modelo

parametrizado por ciertas variables, llamadas variables de tabulación o de
programación (“scheduling variables”).
En este caso, se linealiza el sistema alrededor de distintos puntos de operación,

obteniendo una familia de modelos lineales para la cual se diseña una familia de
controladores lineales. Los parámetros del controlador son cambiados acorde a los
valores que toman las variables de programación.
PROCEDIMIENTO PARA DISEÑO DE UN CONTROLADOR
CON GANANCIA PROGRAMABLE
Para el diseño del controlador con G.P se pueden establecer los siguientes pasos
 Determinar las variables de programación: Estas variables deben reflejar las
condiciones de operación de la planta y permitir establecer expresiones simples
que relacionen los parámetros del controlador con las variables de ajuste.
 Obtener el modelo del proceso para diferentes puntos de operación: estos
puntos deben estar parametrizados por las variables de programación.
 Calcular los parámetros del controlador para los diferentes puntos de
operación: Se calculan los parámetros del controlador para un determinado
número de condiciones de trabajo, en función de las variables de programación,
empleando algún método de diseño apropiado.
 Seleccionar el controlador en función de las variables de programación:
según el punto de operación en que se encuentre el proceso, se selecciona
automáticamente el controlador diseñado para dicho punto de operación. Luis Edo García Jaimes
EJEMPLO: CONTROLADOR CON GANACIA PROGRAMABLE
La figura muestra la respuesta de un intercambiador de calor ante escalones
aplicados en diferentes zonas de operación. La temperatura se midió con un
instrumento calibrado de 0 a 100 ºC y la apertura de la válvula se da en porcentaje.
Diseñar para el sistema un controlador PI con ganancia programable.

PROCEDIMIENTO PARA EL DISEÑO DEL CONTROLADOR
La dinámica del intercambiador se aproximó a un sistema POR. Se obtuvo un
modelo para cada uno de los escalones aplicados, se discretizan los modelos y para
cada uno se calculó un controlador PI utilizando el método de Ziegler-Nichols.
Modelos continuo y discreto:
−𝜃 ′ 𝑆
𝐾𝑒 −1 −𝑁
𝐺(𝑆)
𝐺𝑝 𝑆 = 𝐻𝐺 𝑧 = (1 − 𝑧 )𝑧 ℑ𝑚
𝜏𝑆 + 1 𝑆
Controlador PI:
𝑞𝑜 𝑧 + 𝑞1
𝐷 𝑧 =
𝑧−1
Formulas empleadas para el cálculo del controlador:
′
𝑇 0.9𝜏
𝜃=𝜃 + 𝐾𝐶 = 𝜏𝑖 = 3.33𝜃
2 𝐾𝜃
𝑇 𝑇
𝑞𝑜 = 𝐾𝐶 1 + 𝑞1 = −𝐾𝐶 1 −
2𝜏𝑖 2𝜏𝑖 Luis Edo García Jaimes
ESTIMACIÓN DE LOS MODELOS Y CÁLCULO DE LOS
CONTROLADORES
En la tabla se presentan los diferentes modelos estimados en el proceso de
identificación y los parámetros de los controladores calculados para cada modelo

ECUACIONES DE REGRESIÓN PARA EL CÁLCULO DE
LOS CONTROLADORES
Para el cálculo de los parámetros del controlador 𝑞𝑜 y 𝑞1 se utilizaron ecuaciones
de regresión. Dichas ecuaciones de regresión, se obtienen a partir de los valores de
los puntos de operación de la temperatura y de los modelos de primer orden con
retardo correspondientes.
Las ecuaciones para el cálculo de 𝑞𝑜 y de 𝑞1 que se han de utilizar para estimar el
controlador son:
𝑞𝑜 = −0.00000320219331 ∗ 𝑇 4 + 0.00064731670415 ∗ 𝑇 3 − 0.04637864761192 ∗ 𝑇 2
+ 1.38740212216297 ∗ 𝑇 − 12.69195431747467
𝑞1 = 0.00000261383293 ∗ 𝑇 4 − 0.00052895390772 ∗ 𝑇 3 + 0.03795090114038 ∗ 𝑇 2
−1.13753686472272 ∗ 𝑇 + 10.41839242409771
CÁLCULO DE LOS COEFICIENTES DEL CONTROLADOR
EN MATLAB
clc
T=[22 40 52 67 78]
qo=[1.5261 1.8289 1.6498 2.2663 1.7412];
q1=[-1.2592 -1.5233 -1.3781 -1.8818 -1.4606];
coeqo=polyfit(T,qo,4);
coeq1=polyfit(T,q1,4);
T1=20:80;
qo1=polyval(coeqo,T1);
q11=polyval(coeq1,T1);
figure(1)
plot(T1,qo1,T,qo,'*')
title('VALORES DE qo')
figure(2)
plot(T1,q11,T,q1,'*')
title('VALORES DE q1'
𝑞0 = −0.00000382407 ∗ 𝑇 4 + 0.0007617851 ∗ 𝑇 3 − 0.0538980690 ∗ 𝑇 2 + 1.5946725328 ∗ 𝑇
− 14.6857055286
𝑞1 = 0.00000311954 ∗ 𝑇 4 − 0.00062206471 ∗ 𝑇 3 + 0.044068835 ∗ 𝑇 2 − 1.306209727 ∗ 𝑇

+ 12.041071781 Luis Edo García Jaimes
GRÁFICAS DE LOS COEFICIENTES DEL CONTROLADOR

IMPLEMENTACIÓN DEL MRAC EN MATLAB

GANANCIA PROGRAMABLE PARA TANQUES INTERCONECTADOS
La dinámica de los tanques interconectados de la figura se describe mediante las

ecuaciones diferenciales no lineales:
𝑑ℎ1
= 𝑞𝑖 − 0.5 ℎ1 − ℎ2
𝑑𝑡
𝑑ℎ2
= 0.5 ℎ1 − ℎ2 − 0.5 ℎ2
𝑑𝑡
Para el diseño del controlador se proponen como puntos de equilibrio: 𝑞𝑖 = 0.4, 𝑞𝑖 =

0.8, 𝑞𝑖 = 0.6 y 𝑞𝑖 = 0.2 . a) Linealice el sistema alrededor de cada uno de los puntos
de operación establecidos. b) Obtenga, para cada punto de operación, la matriz de
ganancia de realimentación incluyendo integrador de modo que los polos de lazo
cerrado del sistema queden ubicados en 𝑆 = −0.1, 𝑆 = −0.2 𝑦 𝑆 = −0.5. Luis Edo García Jaimes
LINEALIZACIÓN: PUNTOS DE EQUILIBRIO
La dinámica del sistema linealizado se puede representar mediante la ecuación de
estado:
𝒉1 = 𝐴𝒉 + 𝐵𝑞𝑜
𝑦 = 𝐶𝒉
𝜕𝑓1 𝜕𝑓1 𝜕𝑓1
ℎ1 𝜕ℎ1 𝜕ℎ2 𝜕𝑞𝑜
𝒉= 𝐴= 𝐵= 𝐶= 1 0
ℎ2 𝜕𝑓2 𝜕𝑓2 𝜕𝑓2
𝜕ℎ1 𝜕ℎ2 𝜕𝑞𝑜
Las derivadas parciales se calculan en el punto de equilibrio: ℎ1 (0) ℎ2 (0) 𝑞𝑜 (0)
Los puntos de equilibrio cumplen con la condición: ℎ𝑖 = 0 es decir:
𝑞𝑖 − 0.5 ℎ1 − ℎ2 = 0
0.5 ℎ1 − ℎ2 − 0.5 ℎ2 = 0
Resolviendo las dos ecuaciones anteriores para 𝑞𝑖 = 0.4 se obtiene que el punto
de equilibrio es: ℎ1 (0) ℎ2 (0) 𝑞𝑜 (0) = 1.28 0.64 0.4 Luis Edo García Jaimes
LINEALIZACIÓN: MATRICES A, B Y C
Para el cálculo de las matrices 𝐴, B y 𝐶 con
ℎ1 (0) ℎ2 (0) 𝑞𝑖 (0) = 1.28 0.64 0.4
Se tiene:
𝜕𝑓1 0.25 𝜕𝑓1 0.25 𝜕𝑓1

=− = −0.3125 = = 0.3125 =1
𝜕ℎ1 ℎ1 − ℎ2 𝜕ℎ2 ℎ1 − ℎ2 𝜕𝑞𝑖
𝜕𝑓2 0.25 𝜕𝑓2 0.25 0.25 𝜕𝑓2

= = 0.3125 =− − = −0.625 =0
𝜕ℎ1 ℎ1 − ℎ2 𝜕ℎ2 ℎ1 − ℎ2 ℎ2 𝜕𝑞𝑖
El sistema linealizado es, entonces:

ℎ1 −0.3125 0.3125 ℎ1 1 ℎ1
= + 𝑞𝑖 𝑦= 1 0
ℎ2 0.3125 ℎ
−0.625 2 0 ℎ2
CÁLCULO DE LA MATRIZ DE GANANCIA DE REALIMENTACIÓN
La matriz de ganancia de realimentación del sistema incluyendo integrador está
dada por la fórmula de Ackerman:
−1
𝐾= 0 0 … 1 𝐵 𝐴𝐵 𝐴 𝐵 2
… 𝐴 𝑛−1 𝐵 𝜑(𝐴)
En donde:
𝐴 0 𝐵
𝐴= 𝐵=
𝐶 0 0
𝜑 𝐴 = 𝐴𝑛 + 𝑎1 𝐴𝑛−1 + 𝑎2 𝐴𝑛−2 + ⋯ 𝑎𝑛
Siendo 𝑎1 , 𝑎2 , … 𝑎𝑛 los coeficientes de la ecuación característica deseada:
𝑆 𝑛 + 𝑎1 𝑆 𝑛−1 + 𝑎2 𝑆 𝑛−2 + ⋯ 𝑎𝑛 = 0
Entonces:
−0.3125 0.3125 0 1
𝐴 = 0.3125 −0.625 0 𝐵= 0
1 0 0 0
MATRIZ K1 Y MATRIZ Ki
La ecuación característica deseada es:
𝑆 + 0.1 𝑆 + 0.2 𝑆 + 0.5 = 𝑆 3 + 0.8𝑆 2 + 0.17𝑆 + 0.01 = 0
−0.03946 0.06289 0
𝜑 𝐴 = 𝐴3 + 0.8𝐴2 + 0.17𝐴 + 0.01𝐼 = 0.06289 −0.10235 0
0.11531 −0.042968 0.01
1 −0.3125 0.19531
𝐵 𝐴𝐵 𝐴2 𝐵 = 0 0.3125 −0.29296
0 1 −0.3125
−1
1 −0.3125 0.19531 −0.03946 0.06289 0
𝐾= 0 0 1 0 0.3125 −0.29296 0.06289 −0.10235 0
0 1 −0.3125 0.11531 −0.042968 0.01
𝐾 = −0.1375 0.4553 0.016
𝐾1 = −0.1375 0.4553 𝐾𝑖 = [0.016]

MATRICES K1 Y Ki PARA LOS DIFERENTES PUNTOS DE EQUILIRIO
En la tabla se presentan los valores de la matriz de ganancia de realimentación y
de la ganancia del integrador para cada punto de operación 𝑞𝑖
𝑷𝑻𝑶 𝑶𝑷𝑬𝑹𝑨𝑪𝑰Ó𝑵 𝑲 𝑲𝟏 𝑲𝒊
0.2 −1.0750 1.7842 0.008 −1.075 1.7842 0.008
0.4 −0.1375 0.4553 0.016 −0.1375 0.4553 0.016
0.6 0.1750 0.14246 0.024 0.1750 0.14246 0.024
0.8 0.33125 0.06445 0.032 0.033125 0.06445 0.032
Las ecuaciones de regresión para las matrices son:

𝐾11 = 3.554687 ∗ 𝑞3 − 12.078125 ∗ 𝑞 2 + 10.939062 ∗ q − 2.80812
𝐾12 = −16.27562 ∗ 𝑞3 + 32.2315 ∗ 𝑞 2 − 21.42622 ∗ 𝑞 + 4.91039
𝐾𝑖 = 0.04 ∗ 𝑞

SIMULACIÓN DEL SISTEMA CON GANANCIA PROG.

RESPUESTA DEL SISTEMA CON GANANCIA PROG.

CONTROL PREDICTIVO
Es una estrategia de control que se basa en la utilización de forma explícita de un
modelo del proceso para predecir el valor de las variables controladas a lo largo de
un horizonte temporal especificado por el usuario, calculando el valor de las
variables manipuladas para hacer que en ese horizonte las variables controladas
alcancen sus valores de referencia.
El control predictivo tiene como objetivo resolver de forma efectiva, problemas de
control y automatización de procesos industriales que se caractericen por presentar
un comportamiento dinámico complicado, multivariable, y/o inestable.
Uno de los inconvenientes del control predictivo es su alto costo computacional y el
tener que disponer de un modelo matemático muy cercano a la planta real para
obtener un buen desempeño del controlador
ESTRATEGIA DEL CONTROL PRDEDICTIVO
 En cada instante t y haciendo uso del modelo del proceso se predicen las salidas
futuras 𝑦(𝑡 + 𝑘 𝑡) para un determinado horizonte, llamado horizonte de
predicción. Las salidas predichas, dependen de los valores conocidos de las
entradas y de las salidas pasadas y de las señales de control futuras u 𝑡 + 𝑘 𝑡
 Las señales de control futuras 𝑢 𝑡 + 𝑘 𝑡 se calculan optimizando un
determinado criterio en el que se pretende mantener el proceso lo más próximo
posible a la trayectoria de referencia 𝑤 𝑡 + 𝑘 .
 Sólo la señal de control 𝑢(𝑡 𝑡) se envía al proceso mientras que las demás
señales de control calculadas se desechan, puesto que en el siguiente instante
de muestreo ya se conoce 𝑦(𝑡 + 1) y se repite el paso 1 con este nuevo valor y
todas las secuencias son actualizadas.
ESTRUCTURA BÁSICA EL CONTROL PREDICTIVO
Para llevar a cabo la estrategia propuesta, se usa una estructura como la mostrada
en la figura. Se hace uso de un modelo para predecir las salidas futuras del proceso,
basándose en las señales de control futuras propuestas. Estas señales son
calculadas por el optimizador teniendo en cuenta la función de coste así como las
restricciones
ESTRATEGIA DEL GPC ESTRUCTURA DEL GPC

FORMULACIÓN DEL CONTROL PREDICTIVO GENERALIZADO
El GPC utiliza un modelo CARMA (Controller Auto-Regressive Moving-Average).
Para aplicaciones industriales resulta más conveniente el uso de un modelo CARMA
integrado, dando lugar al CARIMA, descrito por la ecuación:
𝐶 𝑧 −1
𝐴 𝑧 −1 𝑦 𝑡 = 𝑧 −𝑑 𝐵 𝑧 −1 𝑢 𝑡−1 + 𝑒 𝑧 −1
∆
En donde:
∆= 1 − 𝑧 −1
𝐴 𝑧 −1 = 1 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2 + ⋯ 𝑎𝑛𝑎 𝑧 −𝑛𝑎
𝐵 𝑧 −1 = 𝑏𝑜 + 𝑏1 𝑧 −1 + 𝑏2 𝑧 −2 + ⋯ 𝑏𝑛𝑏 𝑧 −𝑛𝑏
Para simplificar se considera que 𝐶 𝑧 −1 = 1, así la ecuación se puede escribir en
la forma:
−1
−𝑑
𝐵 𝑧 1 −1
𝑦 𝑡 =𝑧 𝑢 𝑡 − 1 + 𝑒 𝑧
𝐴 𝑧 −1 ∆𝐴 𝑧 −1 Luis Edo García Jaimes
PREDICCIÓN ÓPTIMA
El algoritmo del Control Predictivo Generalizado consiste en aplicar una secuencia
de señales de control que minimice la función de costo:
𝑁2 𝑁𝑢
𝐽 𝑁1 , 𝑁2 , 𝑁𝑢 = 𝛿 𝑗 [𝑦(𝑡 + 𝑗 𝑡) − 𝑤(𝑡 + 𝑗)]2 + 𝜆 𝑗 [Δ𝑢 𝑡 + 𝑗 − 1 ]2

𝑗 =𝑁1 𝑗 =1
𝑦(𝑡 + 𝑗 𝑡): Es la predicción óptima de la salida del proceso 𝑗 pasos adelante.

𝑁1 : Horizonte mínimo de predicción.
𝑁2 : Horizonte máximo de predicción.
𝑁𝑢 : Horizonte de control.
𝛿(𝑗) y 𝜆(𝑗):Secuencias de ponderación. En la práctica 𝛿 𝑗 = 1 y 𝜆(𝑗) variable
𝑤(𝑡 + 𝑗): Es la trayectoria futura de referencia o Set-point.
El objetivo es el cálculo de la secuencia de control futura 𝑢 𝑡 , 𝑢 𝑡 + 1 ⋯ de tal
manera que la salida futura del proceso 𝑦(𝑡 + 𝑗) se aproxime lo mejor posible a
𝑤(𝑡 + 𝑗). Luis Edo García Jaimes
PREDICCIÓN ÓPTIMA
Aplicando el algoritmo de la división, el último término del modelo CARIMA, se
puede escribir en la forma:
−1
1 −1 −𝑗
𝐹𝑗 (𝑧 )
= 𝐸𝑗 𝑧 +𝑧
∆𝐴 𝑧 −1 ∆𝐴 𝑧 −1
Para simplificar: 𝐴 𝑧 −1 = 𝐴, 𝐵 𝑧 −1 = 𝐵, 𝐸 𝑧 −1 = 𝐸, 𝐹 𝑧 −1 = 𝐹. Entonces:
1 = ∆𝐴𝐸𝑗 + 𝐹𝑗 𝑧 −𝑗
Haciendo 𝐴 = ∆𝐴 = 1 − 𝑧 −1 𝐴 se obtiene:
1 = 𝐴𝐸𝑗 + 𝐹𝑗 𝑧 −𝑗 → 𝐴𝐸𝑗 = 1 − 𝐹𝑗 𝑧 −𝑗 → 𝐹𝑗 = 1 − 𝐴𝐸𝑗 𝑧 𝑗
Haciendo 𝐺𝑗 = 𝐵𝐸𝑗 la ecuación del modelo CARIMA se puede escribir así:
𝑦 𝑡 + 𝑗 = 𝐺∆𝑢 𝑡 + 𝑗 − 𝑑 − 1 + 𝐹𝑗 𝑦 𝑡 + 𝐸𝑗 𝑒 𝑡 + 𝑗
La mejor predicción de 𝑦(𝑡 + 𝑗) se obtiene cuando 𝑒 𝑡 + 𝑗 = 0, es decir:
𝑦 𝑡 + 𝑗 = 𝐺∆𝑢 𝑡 + 𝑗 − 𝑑 − 1 + 𝐹𝑗 𝑦 𝑡
FORMA MATRICIAL DE LA ECUACIÓN DE PREDICCIÓN
La ecuación de mejor predicción se puede escribir en forma matricial así:
𝒚 = 𝑮𝒖 + 𝑭 𝒛−𝟏 𝒚 𝒕 + 𝑮′ 𝒛−𝟏 𝚫𝒖 𝒕 − 𝟏
Donde:
𝑦(𝑡 + 𝑑 + 1 𝑡) 𝑔𝑜 0 … 0 Δ𝑢(𝑡)
𝑦(𝑡 + 𝑑 + 2 𝑡) 𝑔1 𝑔𝑜 … 0 Δ𝑢(𝑡 + 1)
𝑦= 𝐺= 𝑢=
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑦(𝑡 + 𝑑 + 𝑁 𝑡) 𝑔𝑁−1 𝑔𝑁−2 … 𝑔𝑜 Δ𝑢(𝑡 + 𝑁 − 1)
𝑧[𝐺𝑑+1 𝑧 −1 − 𝑔0 ] 𝐹𝑑+1 (𝑧 −1 )
2 −1 −1 −1
𝐺 ′ 𝑧 −1 = 𝑧 [𝐺𝑑+2 𝑧 − 𝑔0 − 𝑔1 𝑧 ] 𝐹 𝑧 −1 = 𝐹𝑑+2 (𝑧 )
⋮ ⋮
𝑧 𝑁 [𝐺𝑑+𝑁 𝑧 −1 − 𝑔0 − 𝑔1 𝑧 −1 … − 𝑔𝑁−1 𝑧 (𝑁−1) ] 𝐹𝑑+𝑁 (𝑧 −1 )
Los dos últimos términos de la ecuación de predicción dependen solo del pasado
por lo tanto, pueden agruparse en un solo término 𝒇, dando lugar a:
𝒚 = 𝑮𝒖 + 𝒇 Luis Edo García Jaimes
OBTENCIÓN DE LA LEY DE CONTROL
La función de costo a minimizar en el control predictivo generalizado es:
𝑁2 𝑁𝑢
𝐽 𝑁1 , 𝑁2 , 𝑁𝑢 = 𝛿 𝑗 [𝑦(𝑡 + 𝑗 𝑡) − 𝑤(𝑡 + 𝑗)]2 + 𝜆 𝑗 [Δ𝑢 𝑡 + 𝑗 − 𝑖 ]2

𝑗 =𝑁1 𝑗 =1
Reemplazando 𝒚 en esta ecuación y con 𝛿 𝑗 = 1 se obtiene:

𝑁2 𝑁𝑢
𝐽 𝑁1 , 𝑁2 , 𝑁𝑢 = [ 𝐺𝑢 + 𝑓 − 𝑤(𝑡 + 𝑗)]2 + 𝜆 𝑗 [Δ𝑢 𝑡 + 𝑗 − 𝑖 ]2

𝑗 =𝑁1 𝑗 =1
Al minimizar esta expresión y resolviendo para Δ𝑢 se obtiene la ley de control:

Δ𝑢 = 𝐾 𝑤 − 𝑓
Siendo 𝐾, la primera fila de
𝐾𝑇 = (𝐺 𝑇 𝐺 + 𝜆𝐼)−1 𝐺 𝑇

EJEMPLO DE CONTROL PREDICTIVO
La figura representa un horno en el cual el material que entra a temperatura 𝑇𝑖 debe
salir a temperatura 𝑇.
La F de T que relaciona la temperatura del horno con el flujo de combustible es:
𝑇(𝑧) 0.4(𝑧 + 0.5)
𝐺 𝑧 = = 2 2 𝑇 = 0.5𝑠
𝐹(𝑧) 𝑧 (𝑧 − 0.6𝑧 + 0.4)
Diseñar un controlador predictivo con horizonte máximo de predicción igual a 5,
horizonte máximo de control 5 y factor de ponderación del esfuerzo de control 1.5

SOLUCIÓN
La función de transferencia del sistema se puede escribir como:
0.4𝑧 −1 + 0.2𝑧 −2 −2 𝑚=2
𝐺 𝑧 = ∗ 𝑧
1 − 0.6𝑧 −1 + 0.4𝑧 −2 𝑑=2
Horizonte mínimo de predicción: 𝑁1 = 𝑑 + 1 = 3
Horizonte máximo de predicción: 𝑁2 = 5
Horizonte máximo de control: 𝑁𝑢 =5
𝐴 𝑧 −1 = 1 − 0.6𝑧 −1 + 0.4𝑧 −2
𝐵 𝑧 −1 = 0.4 + 0.2𝑧 −1
𝐴 𝑧 −1 = 1 − 𝑧 −1 𝐴 = 1 − 1.6𝑧 −1 + 𝑧 −2 − 0.4𝑧 −3
Predicciones
𝐸𝑗 +1 = 𝐸𝑗 + 𝑓𝑗 ,0 𝑧 −𝑗
𝐹𝑗 = (1 − 𝐸𝑗 𝐴)𝑧 𝑗
𝐺𝑗 = 𝐸𝑗 𝐵
CÁLCULO DE LAS PREDICCIONES
𝐸1 = 1 𝐸1 = 1
𝐹1 = (1 − 𝐸1 𝐴)𝑧 𝐹1 = 1.6 − 𝑧 −1 + 0.4𝑧 −2
𝐺1 = 𝐸1 𝐵 𝐺1 = 0.4 + 0.2𝑧 −1
𝐸2 = 𝐸1 + 𝑓1,0 𝑧 −1 𝐸1 = 1 + 1.6𝑧 −1
𝐹2 = (1 − 𝐸2 𝐴)𝑧 2 𝐹2 = 1.56 − 1.2𝑧 −1 + 0.64𝑧 −2
𝐺2 = 𝐸2 𝐵 𝐺2 = 0.4 + 0.84𝑧 −1 + 0.32𝑧 −2
𝐸3 = 𝐸2 + 𝑓2,0 𝑧 −2 𝐸3 = 1 + 1.6𝑧 −1 + 1.56𝑧 −2
𝐹3 = (1 − 𝐸3 𝐴)𝑧 3 𝐹3 = 1.296 − 0.92𝑧 −1 + 0.624𝑧 −2
𝐺3 = 𝐸3 𝐵 𝐺3 = 0.4 + 0.84𝑧 −1 + 0.9442𝑧 −2 + 0.312𝑧 −3
𝐸4 = 𝐸3 + 𝑓3,0 𝑧 −3 𝐸4 = 1 + 1.6𝑧 −1 + 1.56𝑧 −2 + 1.296𝑧 −3
𝐹4 = (1 − 𝐸4 𝐴)𝑧 4 𝐹4 = 1.1536 − 0.672𝑧 −1 + 0.51824𝑧 −2
𝐺4 = 𝐸4 𝐵 𝐺4 = 0.4 + 0.84𝑧 −1 + 0.9442𝑧 −2 + 0.8304𝑧 −3 + 0.2592𝑧 −4
𝐸5 = 𝐸4 + 𝑓4,0 𝑧 −4 𝐸5 = 1 + 1.6𝑧 −1 + 1.56𝑧 −2 + 1.296𝑧 −3 + 1.1536𝑧 −4
𝐹5 = (1 − 𝐸5 𝐴)𝑧 5 𝐹5 = 1.1728 − 0.6346𝑧 −1 + 0.4612𝑧 −2
𝐺5 = 𝐸5 𝐵 𝐺5 = 0.4 + 0.84𝑧 −1 + 0.9442𝑧 −2 + 0.8304𝑧 −3 + 0.72042𝑧 −4 + 0.2306𝑧 −5 Luis Edo García Jaimes
ECUACION DE PREDICCIÓN
La ecuación de predicción entre 𝑁1 = 3 y 𝑁2 = 5 es:

𝒚 = 𝑮𝒖 + 𝑭 𝒛−𝟏 𝒚 𝒕 + 𝑮′ 𝒛−𝟏 𝚫𝒖 𝒕 − 𝟏
𝑦(𝑡 + 𝑑 + 1 𝑡)
𝑦(𝑡 + 3 𝑡) 𝐺𝑑+1 𝐺3 0.4 0 0
𝑦(𝑡 + 𝑑 + 2 𝑡)
𝑦= = 𝑦(𝑡 + 4 𝑡) 𝐺 = 𝐺𝑑+2 = 𝐺4 = 0.8 0.4 0
⋮
𝑦(𝑡 + 5 𝑡) 𝐺𝑑+3 𝐺5 0.944 0.8 0.4
𝑦(𝑡 + 𝑑 + 𝑁 𝑡)
𝐹𝑑+1 𝐹3 1.296 − 0.92𝑧 −1 + 0.624𝑧 −2
𝐹 𝑧 −1 = 𝐹𝑑+2 = 𝐹4 = 1.1536 − 0.672𝑧 −1 + 0.51824𝑧 −2
𝐹𝑑+3 𝐹5 1.1728 − 0.6346𝑧 −1 + 0.4612𝑧 −2
′
𝐺𝑑+1 𝐺3′ 0.84 + 0.9442𝑧 −1 + 0.312𝑧 −2
′
𝐺 ′ 𝑧 −1 = 𝐺𝑑+2 = 𝐺4′ = 0.9442 + 0.8304𝑧 −1 + 0.2592𝑧 −2
′
𝐺𝑑+3 𝐺5′ 0.8304 + 0.72042𝑧 −1 + 0.2306𝑧 −2

ECUACIÓN DE PREDICCIÓN
𝒚 = 𝑮𝒖 + 𝑭 𝒛−𝟏 𝒚 𝒕 + 𝑮′ 𝒛−𝟏 𝚫𝒖 𝒕 − 𝟏
𝑦(𝑡 + 3 𝑡) 0.4 0 0 ∆𝑢(𝑡) 1.296 − 0.92𝑧 −1 + 0.624𝑧 −2
𝑦(𝑡 + 4 𝑡) = 0.8 0.4 0 ∆𝑢(𝑡 + 1) + 1.1536 − 0.672𝑧 −1 + 0.51824𝑧 −2 𝑦 𝑡
𝑦(𝑡 + 5 𝑡) 0.944 0.8 0.4 ∆𝑢(𝑡 + 2) 1.1728 − 0.6346𝑧 −1 + 0.4612𝑧 −2
0.84 + 0.9442𝑧 −1 + 0.312𝑧 −2
+ 0.9442 + 0.8304𝑧 −1 + 0.2592𝑧 −2 ∆𝑢(𝑡 − 1)
0.8304 + 0.72042𝑧 −1 + 0.2306𝑧 −2
Es decir:
𝑦 𝑡+4 𝑡
𝑦 𝑡+5 𝑡
𝑦 𝑡+6 𝑡
0.4 0 0 ∆𝑢 𝑡
= 0.8 0.4 0 ∆𝑢 𝑡 + 1
0.944 0.8 0.4 ∆𝑢 𝑡 + 2
0.84∆𝑢 𝑡 − 1 + 0.9442∆𝑢 𝑡 − 2 + 0.312∆𝑢 𝑡 − 3 + 1.296𝑦 𝑡 − 0.92𝑦 𝑡 − 1 + 0.624𝑦 𝑡 − 2
+ 0.9442∆𝑢 𝑡 − 1 + 0.8304∆𝑢 𝑡 − 2 + 0.2592∆𝑢 𝑡 − 3 + 1.1536𝑦 𝑡 − 0.672𝑦 𝑡 − 1 + 0.51824𝑦 𝑡 − 2
0.8304∆𝑢 𝑡 − 1 + 0.72042∆𝑢 𝑡 − 2 + 0.2306∆𝑢 𝑡 − 3 + 1.1728𝑦 𝑡 − 0.6346𝑦 𝑡 − 1 + 0.4612𝑦 𝑡 − 2
CÁLCULO DE LA LEY DE CONTROL
∆𝑢 = 𝐾(𝑤 − 𝑓)
En donde 𝐾 es la primera columna de (𝐺 𝑇 𝐺 + 𝜆𝐼)−1 𝐺 𝑇 . Con 𝜆 = 1.5 se obtiene:
0.15058 0.23373 0.19924
(𝐺 𝑇 𝐺 + 𝜆𝐼)−1 𝐺 𝑇 = −0.0674 0.07403 0.23373
−0.02125 −0.06743 0.15058
𝐾 = 0.15058 0.23373 0.19924
Entonces
Δ𝑢
= 0.15058 0.23373 0.19924
𝑤 𝑡 − 0.84∆𝑢 𝑡 − 1 − 0.9442∆𝑢 𝑡 − 2 − 0.312∆𝑢 𝑡 − 3 − 1.296𝑦 𝑡 + 0.92𝑦 𝑡 − 1 − 0.624𝑦 𝑡 − 2
∗ 𝑤 𝑡 − 0.9442∆𝑢 𝑡 − 1 − 0.8304∆𝑢 𝑡 − 2 − 0.2592∆𝑢 𝑡 − 3 − 1.1536𝑦 𝑡 + 0.672𝑦 𝑡 − 1 − 0.51824𝑦 𝑡 − 2
𝑤 𝑡 − 0.8304∆𝑢 𝑡 − 1 − 0.72042∆𝑢 𝑡 − 2 − 0.2306∆𝑢 𝑡 − 3 − 1.1728𝑦 𝑡 + 0.6346𝑦 𝑡 − 1 − 0.4612𝑦 𝑡 − 2
𝛥𝑢(𝑡) = 0.58355𝑤 𝑡 − 0.51263𝛥𝑢 𝑡 − 1 − 0.47981𝛥𝑢 𝑡 − 2 − 0.1535𝛥𝑢 𝑡 − 3

− 0.69846𝑦 𝑡 + 0.42204𝑦(𝑡 − 1) − 0.30698𝑦(𝑡 − 2) Luis Edo García Jaimes
IMPLEMENTACIÓN DE LA LEY DE CONTROL
𝑢 = 0.48737𝑢 𝑡 − 1 + 0.03255u t − 2 + 0.3263u t − 3 + 0.1535u t − 4 − 0.69846 y t
+ 0.42204y t − 1 − 0.30698y t − 2 + 0.58355w(t)
Finalmente:
0.58355𝑧 4
𝑈𝑧 = 4 3 2
𝑊 𝑧
𝑧 − 0.48737𝑧 − 0.03255𝑧 − 0.3263𝑧 − 0.1535
𝑧 2 0.69846𝑧 2 − 0.42204𝑧 + 0.30698
− 4 𝑌 𝑧
𝑧 − 0.48737𝑧 3 − 0.03255𝑧 2 − 0.3263𝑧 − 0.1535

CONTROL PREDICTIVO EJEMPLO 2
Para el sistema de control de la figura diseñe un controlador predictivo. Horizonte
de predicción 3, horizonte de control 3, 𝜆 = 1 y periodo de muestreo 𝑇 = 2 𝑠.
SOLUCIÓN: La función de transferencia de pulso para el sistema es:

0.6 0.07056𝑧 −1 + 0.0621𝑧 −2 𝑚=2
𝐻𝐺 𝑧 = 1 − 𝑧 −1 ℑ𝑚 =
𝑆 8𝑆 + 1 1 − 0.7788𝑧 −1 𝑑=0
𝑁1 = 𝑑 + 1 = 1 𝑁2 = 3 𝑁𝑢 = 3
𝐴 𝑧 −1 = 1 − 0.7788𝑧 −1
𝐵 𝑧 −1 = 0.07056 + 0.0621𝑧 −1
𝐴 𝑧 −1 = 1 − 𝑧 −1 1 − 0.7788𝑧 −1 𝐴(𝑧 −1 ) = 1 − 1.7788𝑧 −1 + 0.7788𝑧 −2
PREDICCIONES
Las ecuaciones para obtener la predicción son:
𝐸𝑗 +1 = 𝐸𝑗 + 𝑓𝑗 ,0 𝑧 −𝑗 𝐹𝑗 = 1 − 𝐸𝑗 𝐴 𝑧 𝑗 𝐺𝑗 = 𝐵𝐸𝑗
𝐸1 = 1 𝐸1 = 1
𝐹1 = 1 − 𝐸1 𝐴 𝑧 𝐹1 = 1.7788 − 0.7788𝑧 −1
𝐺1 = 𝐵𝐸1 𝐺1 = 0.07056 + 0.0621𝑧 −1
𝐸2 = 𝐸1 + 𝑓1,0 𝑧 −1 𝐸2 = 1 + 1.7788𝑧 −1
𝐹2 = 1 − 𝐸2 𝐴 𝑧 2 𝐹2 = 2.3853 − 1.3853𝑧 −1
𝐺2 = 𝐵𝐸2 𝐺2 = 0.07056 + 0.1876𝑧 −1 + 0.1104𝑧 −2
𝐸3 = 𝐸2 + 𝑓2,0 𝑧 −2 𝐸3 = 1 + 1.7788𝑧 −1 + 2.3853𝑧 −2
𝐹3 = 1 − 𝐸3 𝐴 𝑧3 𝐹3 = 2.8576 − 1.8576𝑧 −1
𝐺3 = 𝐵𝐸3 𝐺3 = 0.07056 + 0.1876𝑧 −1 + 0.2787𝑧 −2 + 0.1481𝑧 −3
ECUACIÓN DE PREDICCIÓN
La ecuación de predicción está dada por:

𝒚 = 𝑮𝒖 + 𝑭 𝒛−𝟏 𝒚 𝒕 + 𝑮′ 𝒛−𝟏 𝚫𝒖 𝒕 − 𝟏
En donde:
𝑦(𝑡 + 𝑑 + 1 𝑡) 𝑔𝑜 0 … 0 Δ𝑢(𝑡)
𝑦(𝑡 + 𝑑 + 2 𝑡) 𝑔1 𝑔𝑜 … 0 Δ𝑢(𝑡 + 1)
𝑦= 𝐺= 𝑢=
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑦(𝑡 + 𝑑 + 𝑁 𝑡) 𝑔𝑁−1 𝑔𝑁−2 … 𝑔𝑜 Δ𝑢(𝑡 + 𝑁 − 1)
𝑧[𝐺𝑑+1 𝑧 −1 − 𝑔0 ] 𝐹𝑑+1 (𝑧 −1 )
2 −1 −1 −1
𝑧 [𝐺 𝑧 − 𝑔 − 𝑔 𝑧 ] 𝐹 (𝑧 )
𝐺 ′ 𝑧 −1 = 𝑑+2 0 1 𝐹 𝑧 −1 = 𝑑+2
⋮ ⋮
𝑧 𝑁 [𝐺𝑑+𝑁 𝑧 −1 − 𝑔0 − 𝑔1 𝑧 −1 … − 𝑔𝑁−1 𝑧 (𝑁−1) ] 𝐹𝑑+𝑁 (𝑧 −1 )
y t+2 0.07056 0 0 ∆u t 1.7788-0.7788z -1 0.0621
y t+3 = 0.1876 0.07056 0 ∆u t+1 + 2.3853-1.3853z -1 y t + 0.1104 ∆u t-1
y t+4 0.2787 0.1876 0.07056 ∆u t+2 2.8576-1.8576z -1 0.1484
LEY DE CONTROL
La ecuación anterior se puede escribir en la forma:
𝒚 = 𝑮𝒖 + 𝒇
𝑦(𝑡 + 2) 0.07056 0 0 ∆𝑢(𝑡)
𝑦(𝑡 + 3) = 0.1876 0.07056 0 ∆𝑢(𝑡 + 1)
𝑦(𝑡 + 4) 0.2787 0.1876 0.07056 ∆𝑢(𝑡 + 2)
0.0621∆𝑢 𝑡 − 1 + 1.778𝑦 𝑡 − 0.7788𝑦(𝑡 − 1)
+ 0.1104∆𝑢 𝑡 − 1 + 2.3853𝑦 𝑡 − 1.3853𝑦(𝑡 − 1)
0.1484∆𝑢 𝑡 − 1 + 2.8576𝑦 𝑡 − 1.8576𝑦(𝑡 − 1)
Finalmente, la ley de control es:
∆𝑢 = 𝐾(𝑤 − 𝑓)
En donde 𝐾 es la primera fila de la matriz: (𝐺 𝑇 𝐺 + 𝜆𝐼)−1 𝐺 𝑇
Con 𝜆 = 1
0.0634 0.1645 0.2386
(𝐺 𝑇 𝐺 + 𝜆𝐼)−1 𝐺 𝑇 = −0.004 0.0575 0.1645
−0.0012 −0.004 0.0634
𝐾 = 0.0634 0.1645 0.2386 Luis Edo García Jaimes
IMPLEMENTACIÓN DE LA LEY DE CONTROL
Δ𝑢 𝑡 = 0.4665𝑤 𝑡 − 0.0575Δ𝑢 𝑡 − 1 − 1.1869𝑦 𝑡 + 0.7204𝑦(𝑡 − 1)
𝑢 𝑡 = 0.9425𝑢 𝑡 − 1 + 0.0575𝑢 𝑡 − 2 − 1.1869𝑦 𝑡 + 0.7204𝑦 𝑡 − 1 + 0.4665𝑤 𝑡
Tomando la transformada 𝑧 a la ecuación anterior:
1 − 0.9425𝑧 −1 − 0.0575𝑧 −2 𝑈 𝑧 = 0.4665𝑊 𝑧 − 1.4869 − 0.7204𝑧 −1 𝑌(𝑧)
Es decir:
0.4665𝑧 2 1.1869𝑧 2 + 0.7204𝑧
𝑈 𝑧 = 2 − 2
𝑧 − 0.9425𝑧 − 0.0575 𝑧 − 0.9425𝑧 − 0.0575

CONTROLADOR POR EL MÉTODO DE RAGAZZINI
El método Truxal-Ragazzini, permite diseñar un controlador 𝐷(𝑧) de modo que la
secuencia de error 𝑒(𝑘𝑇), ante una señal de referencia particular, sea cero tras un
número 𝑁 de periodos de muestreo y se mantenga así, sin oscilaciones.
Para el sistema de control discreto mostrado en la figura, la función de transferencia
de lazo cerrado es:
𝐶(𝑧) 𝐷 𝑧 𝐻𝐺(𝑧)
𝐺𝑤 𝑧 = =
𝑅(𝑧) 1 + 𝐷 𝑧 𝐻𝐺(𝑧)
Si se especifica cuál debe ser el comportamiento de la planta en lazo cerrado, es
decir, si se especifica 𝐺𝑤 (𝑧), el controlador 𝐷(𝑧) resultante es:
1 𝐺𝑤 𝑧
𝐷 𝑧 = ∙
𝐻𝐺 𝑧 1 − 𝐺𝑤 𝑧 Luis Edo García Jaimes
RESTRICCIONES PARA EL DISEÑO POR RAGAZZINI
El problema consiste en establecer e implementar restricciones específicas sobre
𝐺𝑤 (𝑧) de modo que el controlador sea realizable. Dichas restricciones son:
1. Restricción de causalidad: Para que 𝐷(𝑧) en la ecuación sea causal, 𝐺𝑤 𝑧
debe cumplir con la condición:
𝑏𝑜 𝑧 𝑛 + 𝑏1 𝑧 𝑛−1 + ⋯ 𝑏𝑛
𝐺𝑤 (𝑧) 𝑧=∞ = 𝐺𝑤 𝑧 = 𝑛 =0
𝑧 + 𝑎1 𝑧 𝑛−1 + ⋯ 𝑎𝑛 𝑍=∞
En donde: 𝑧 𝑛 + 𝑎1 𝑧 𝑛 −1 + ⋯ 𝑎𝑛 = 0 , es la ecuación característica deseada

2. Restricción de estabilidad: Si 𝐻𝐺(𝑧) tiene polos o ceros fuera del círculo
unitario, se deben cumplir las siguientes condiciones:
 1 − 𝐺𝑤 (𝑧) debe tener como ceros todos los polos de 𝐻𝐺(𝑧) que estén fuera del
círculo unitario.
 𝐺𝑤 (𝑧) debe tener como ceros todos los ceros de 𝐻𝐺(𝑧) que estén fuera del
círculo unitario. Luis Edo García Jaimes
RESTRICCIONES PARA EL DISEÑO POR RAGAZZINI
3. Restricción de exactitud: Como 𝐺𝑤 (𝑧) es la función de transferencia del sistema
en lazo cerrado, entonces el error está dado por:
𝐸 𝑧 = 1 − 𝐺𝑤 𝑧 𝑅 𝑧
Si el sistema es tipo 1, con constante de error de velocidad K v, debe tener un error
de estado estable igual a cero ante una entrada en escalón unitario y 1/Kv de error
de estado estable ante una entrada en rampa unitaria, es decir:
 Para un escalón unitario :
𝐺𝑤 (𝑧) 𝑧=1 =1
 Para una rampa unitaria:
𝑑 𝐺𝑤 (𝑧) 1
=−
𝑑𝑧 𝑧=1
𝑇𝐾𝑣
La aplicación de las restricciones anteriores y el cumplimiento de las
especificaciones impuestas al sistema, permiten el diseño del compensador. Luis Edo García Jaimes
EJEMPLO 1: DISEÑO DE CONTROLADOR POR RAGAZZINI
La figura representa el esquema de una antena diseñada para rastrear un satélite.
La dinámica del sistema que describe el movimiento de la antena se puede
aproximar mediante la expresión:
𝜃(𝑆) 0.02
𝐺𝑝 𝑆 = =
𝑈(𝑆) 𝑆(𝑆 + 0.2)
Diseñar un compensador según Ragazzini de modo que el sistema, en lazo cerrado,
tenga tiempo de crecimiento de 10 𝑠, sobreimpulso máximo del 10% y coeficiente
estático de error de velocidad igual a 2.

SOLUCIÓN: OBTENCIÓN DEL MODELO EN LAZO CERRADO
−1
𝐺𝑝 𝑆 −1
0.02 0.0352(𝑧 + 0.8753)
𝐻𝐺 𝑧 = 1 − 𝑧 ℑ = 1−𝑧 ℑ 2 ==
𝑆 𝑆 𝑆 + 0.2 𝑧 − 1 (𝑧 − 0.6703)
La ubicación deseada para los polos de lazo cerrado está dada por:
𝑧 = 𝑒 −𝜉𝑤 𝑛 𝑇 𝜃 = 57.3𝑤𝑛 𝑇 1 − 𝜉 2
De las condiciones del problema:
1−𝜉 2 1−𝜉 2
𝑀𝑝 = 𝑒 −𝜋𝜉 0.1 = 𝑒 −𝜋𝜉 𝜉 = 0.591
0.8 + 2.5𝜉 0.8 + 2.5𝜉
𝑡𝑟 = 𝑤𝑛 = 𝑤𝑛 = 0.227 𝑟𝑎𝑑/𝑠
𝑤𝑛 𝑡𝑟
𝑧 = 0.764 𝜃 = 21𝑜 𝑧 = 0.713 ± 𝑗0.273
La ecuación característica deseada es: 𝑧 2 − 1.426𝑧 + 0.5828 = 0
Como el sistema es de segundo orden, 𝐺𝑤 (𝑧) debe ser de la forma:
𝑏𝑜 𝑧 2 + 𝑏1 𝑧 + 𝑏2
𝐺𝑤 𝑧 = 2
𝑧 − 1.426𝑧 + 0.5828 Luis Edo García Jaimes
RESTRICCIONES PARA LA SOLUCIÓN
a) Restricción de causalidad :
𝐺𝑤 𝑧 𝑧→∞ =0 ⟶ 𝑏𝑜 = 0
b) Restricción de estabilidad: no se aplica pues 𝐺𝑤 (𝑧) no tiene polos ni ceros
fuera del círculo unitario.
c) Restricción de exactitud :
Entrada escalón
𝑏𝑜 + 𝑏1 + 𝑏2
𝐺𝑤 𝑧 𝑧=1 = =1
1 − 1.426 + 0.5828
∴ 𝑏1 + 𝑏2 = 0.1568 𝐸𝑐 𝐶1
Entrada Rampa
𝑑 𝐺𝑤 (𝑧) 1
=−
𝑑𝑧 𝑧=1
𝑇𝐾𝑣
𝑧 2 − 1.426𝑧 + 0.5828 2𝑏𝑜 𝑧 + 𝑏1 − 𝑏𝑜 𝑧 2 + 𝑏1 𝑧 + 𝑏2 2𝑧 − 1.426 1

=−
𝑧 2 − 1.426𝑧 + 0.5828 2 𝑧=1
4
∴ −0.4172𝑏1 − 0.574𝑏2 = −0.006146 𝐸𝑐. 𝐶2

Resolviendo las ecuaciones 𝐶1 y 𝐶2 se obtiene: 𝑏1 = 0.5348, 𝑏2 = −0.378 Luis Edo García Jaimes
La ecuación del controlador es:

1 𝐺𝑤 𝑧
𝐷 𝑧 = ∙
𝐻𝐺 𝑧 1 − 𝐺𝑤 𝑧
0.5348𝑧 − 0.378 0.5348(𝑧 − 0.7068)
𝐺𝑤 𝑧 = 2 =
𝑧 − 1.426𝑧 + 0.5828 𝑧 2 − 1.426𝑧 + 0.5828
𝑧 2 − 1.9608𝑧 + 0.9608 𝑧 − 1 (𝑧 − 0.9608)
1 − 𝐺𝑤 𝑧 = 2 = 2
𝑧 − 1.426𝑧 + 0.5828 𝑧 − 1.426𝑧 + 0.5828
Reemplazando en la ecuación del controlador:
𝑧 − 1 (𝑧 − 0.6703) 0.5348(𝑧 − 0.7068)
𝐷 𝑧 = ∙
0.0352(𝑧 + 0.8753) 𝑧 − 1 (𝑧 − 0.9608)
15.193 𝑧 − 0.6703 (𝑧 − 0.7068)
𝐷 𝑧 =
𝑧 − 0.9608 (𝑧 + 0.8753)

RESPUESTA DEL SISTEMA CON EL CONTROLADOR
El controlador presenta "efecto timbre", debido al polo ubicado en 𝑧 = −0.8753
Para obviar el problema se reemplaza dicho polo por una ganancia que se obtiene
haciendo en él 𝑧 = 1, como se indica a continuación:
15.193 𝑧 − 0.6703 (𝑧 − 0.7068) 15.193 1 − 0.6703𝑧 −1 (1 − 0.7068𝑧 −1 )
𝐷 𝑧 = =
𝑧 − 0.9608 (𝑧 + 0.8753) 1 − 0.9608𝑧 −1 (1 + 0.8753𝑧 −1 )
8.101 1 − 0.6703𝑧 −1 (1 − 0.7068𝑧 −1 ) 8.101 𝑧 − 0.6703 (𝑧 − 0.7068)
𝐷 𝑧 = =
1 − 0.9608𝑧 −1 (1 + 0.8753) 𝑧(𝑧 − 0.9608)

EJEMPLO 2: DISEÑO DE CONTROLADOR POR RAGAZZINI
La función de transferencia de pulso de un sistema discreto en lazo abierto es:
0.4(𝑧 + 1.5)
𝐻𝐺 𝑧 =
𝑧(𝑧 − 0.8)
Diseñar un controlador según el método de Ragazzini de modo que el sistema, en
lazo cerrado, tenga polos ubicados en 𝑧 = 0.4 y 𝑧 = 0.5 y error de estado estable
igual a cero ante una entrada en escalón unitario.
SOLUCIÓN: la función de transferencia del sistema tiene un cero por fuera del
círculo unitario y se puede escribir en la forma:
0.4𝑧 + 0.6
𝐻𝐺 𝑧 = 2
𝑧 − 0.8𝑧
La ecuación característica deseada es:
𝑧 − 0.4 𝑧 − 0.5 = 𝑧 2 − 0.9𝑧 + 0.2 = 0
Por lo tanto 𝐺𝑤 (𝑧) es de la forma:
𝑏𝑜 𝑧 2 + 𝑏1 𝑧 + 𝑏2
𝐺𝑤 𝑧 = 2
𝑧 − 0.9𝑧 + 0.2 Luis Edo García Jaimes
RESTRICCIONES PARA LA SOLUCIÓN
a) Restricción de causalidad:
𝐺𝑤 𝑧 𝑧=∞
=0 𝑏𝑜 = 0
Por lo tanto:
𝑏1 𝑧 + 𝑏2
𝐺𝑤 𝑧 = 2
𝑧 − 0.9𝑧 + 0.2
b) Restricción de estabilidad: 𝐻𝐺(𝑧) tiene un cero inestable, por lo tanto 𝐺𝑤 (𝑧)
debe tener como cero el cero inestable de 𝐻𝐺(𝑧) es decir:
(𝑧 + 1.5)𝑏1
𝐺𝑤 𝑧 = 2
𝑧 − 0.9𝑧 + 0.2
c) Restricción de exactitud: el sistema en lazo cerrado es tipo cero, para que
tenga error cero al escalón unitario se debe cumplir que:
𝐺𝑤 𝑧 𝑧=1 =1
(𝑧 + 1.5)𝑏1
=1 𝑏1 = 0.12
𝑧 2 − 0.9𝑧 + 0.2 𝑧=1
0.12(𝑧 + 1.5)
𝐺𝑤 𝑧 =
𝑧 − 0.4 (𝑧 − 0.5) Luis Edo García Jaimes
1 𝐺𝑤 𝑧
𝐷 𝑧 = ∙
𝐻𝐺 𝑧 1 − 𝐺𝑤 𝑧
0.12(𝑧 + 1.5) 𝑧 2 − 1.02𝑧 + 0.02
1 − 𝐺𝑤 𝑧 =1− =
𝑧 − 0.4 (𝑧 − 0.5) 𝑧 − 0.4 (𝑧 − 0.5)
0.12(𝑧 + 1.5)
1 𝐺𝑤 (𝑧) 𝑧(𝑧 − 0.8) 𝑧 − 0.4 (𝑧 − 0.5)
𝐷 𝑧 = ∗ = ∗ 2
𝐻𝐺(𝑧) 1 − 𝐺𝑤 (𝑧) 0.4(𝑧 + 1.5) 𝑧 − 1.02𝑧 + 0.02
𝑧 − 0.4 (𝑧 − 0.5)
𝑀(𝑧) 0.3𝑧(𝑧 − 0.8)
𝐷 𝑧 = =
𝐸(𝑧) 𝑧 − 1 (𝑧 − 0.02)

CONTROL CON MODELO INTERNO (IMC)
Los métodos de control que incorporan dentro del controlador un modelo del
proceso son conocidos como control con modelo interno o 𝐼𝑀𝐶.
La figura a) muestra un sistema de control realimentado en donde GP(S) es el
modelo de la planta y 𝐺𝑐 (𝑆) es el controlador del sistema.
La figura b) muestra el diagrama de bloques básico del sistema de control basado

en modelo, en donde 𝐺𝑝 (𝑆) es un modelo de la planta 𝐺𝑝 (𝑆), en la práctica se hace
𝐺𝑝 (𝑆) = 𝐺𝑝 (𝑆) y 𝐺𝑐′ 𝑆 es el modelo del controlador con modelo interno 𝐼𝑀𝐶.

FORMULACIÓN DEL CONTROL CON MODELO INTERNO (IMC)
Comparando las figuras a y b, se deduce que el controlador 𝐺𝑐 (𝑆) equivalente está
dado por:
𝐺𝑐′ (𝑆)
𝐺𝑐 𝑆 =
1 − 𝐺𝑐′ 𝑆 𝐺𝑝 (𝑆)
Esta ecuación es la base para el diseño de controladores tipo PID cuyos parámetros
se calculan aplicando alguna de las técnicas de control con modelo interno. Para
lograr la solución se redefine el controlador IMC como:
𝐺𝑐′ 𝑆 = 𝐺𝑝−1 𝑆 𝐹 𝑆
Donde 𝐹(𝑠) es un filtro pasa bajo, que debe seleccionarse de manera que garantice
que la función de transferencia del controlador 𝐼𝑀𝐶 sea propia. El filtro es de la
forma:
1
𝐹 𝑆 =
(𝜆𝑆 + 1)𝑛 Luis Edo García Jaimes
EJEMPLO DE DISEÑO DE CONTROLADOR IMC
Diseñar un controlador PI con modelo interno para un sistema de primer orden sin
retardo. Obtener los parámetros 𝐾𝑐 y 𝜏𝑖 del controlador.
SOLUCIÓN: El modelo del sistema de primer orden sin retardo es:
𝐾
𝐺𝑝 𝑆 =
𝜏𝑆 + 1
La ecuación del controlador PI ideal es:
1 𝐾𝑐 𝜏𝑖 𝑆 + 1
𝐺𝑐 𝑆 = 𝐾𝑐 1 + =
𝜏𝑖 𝑆 𝜏𝑖 𝑆
Se elige la ecuación del filtro 𝐹(𝑆) como:
1
𝐹 𝑆 =
𝜆𝑆 + 1
Con 𝐺𝑝 (𝑆) = 𝐺𝑝 (𝑆) Se obtiene:
𝜏𝑆 + 1
𝐺𝑐′ 𝑆 = 𝐺𝑝−1 𝑆 𝐹 𝑆 =
𝐾(𝜆𝑆 + 1) Luis Edo García Jaimes
CÁLCULO DEL CONTROLADOR PI-IMC
𝐺𝑐′ (𝑆)
𝐺𝑐 𝑆 =
1 − 𝐺𝑐′ 𝑆 𝐺𝑝 (𝑆)
𝜏𝑆 + 1
𝐾(𝜆𝑆 + 1) 𝜏𝑆 + 1 1 𝜏𝑆 + 1
𝐺𝑐 𝑆 = = = ∗
𝜏𝑆 + 1 𝐾 𝐾𝜆𝑆 𝐾𝜆 𝑆
1− ∗
𝐾(𝜆𝑆 + 1) (𝜏𝑆 + 1)
Comparando las dos ecuaciones obtenidas para el controlador GC(S) se obtiene:
𝐾𝑐 𝜏𝑖 𝑆 + 1 1 𝜏𝑆 + 1
= ∗
𝜏𝑖 𝑆 𝐾𝜆 𝑆
𝜏
Es decir: 𝐾𝑐 = y 𝜏𝑖 = 𝜏
𝐾𝜆
Con un procedimiento similar al anterior, Rivera et al dedujeron, para diferentes
modelos de la planta, los parámetros para los controladores. La ganancia del
controlador varía inversamente con el valor del parámetro 𝜆 es decir, si 𝜆 es
pequeño la ganancia del controlador es alta. Luis Edo García Jaimes
PARÁMETROS DEL IMC PARA DIFERENTES MODELOS
𝑷𝒍𝒂𝒏𝒕𝒂 𝑭𝒊𝒍𝒕𝒓𝒐 𝑪𝒐𝒏𝒕𝒓𝒐𝒍 𝑲𝒄 𝝉𝒊 𝝉𝒅 𝝀
𝐾 1 1
P − − 𝜆 ≥ 0.2𝜏
𝑆 𝜆𝑆 + 1 𝐾𝜆
𝐾 1 𝜏
PI 𝜏 − 𝜆 ≥ 0.2𝜏
𝜏𝑆 + 1 𝜆𝑆 + 1 𝐾𝜆
𝐾 1 1
PD − 𝜏 𝜆 ≥ 0.2𝜏
𝑆(𝜏𝑆 + 1) 𝜆𝑆 + 1 𝐾𝜆
𝐾 1 𝜏1 + 𝜏2 𝜏1 𝜏2
PID 𝜏1 + 𝜏2 𝜆 ≥ 0.2𝜏
𝜏1 𝑆 + 1 (𝜏2 𝑆 + 1) 𝜆𝑆 + 1 𝐾𝜆 𝜏1 + 𝜏2
𝐾 1 2𝜉𝜏 𝜏
PID 2𝜉𝜏 𝜆 ≥ 0.2𝜏
𝜏 2 𝑆 2 + 2𝜉𝜏𝑆 + 1 𝜆𝑆 + 1 𝐾𝜆 2𝜉
𝐾(1 − 𝛽𝑆) 1 − 𝛽𝑆1 2𝜉𝜏 𝜏
PID 2𝜉𝜏 𝜆 ≥ 0.2𝜏
𝜏 2 𝑆 2 + 2𝜉𝜏𝑆 + 1 𝜆𝑆 + 1 𝐾(𝜆 + 𝛽) 2𝜉
Parámetros del IMC para un modelo POR

𝑪𝒐𝒏𝒕𝒓𝒐𝒍 𝑲𝒄 𝝉𝒊 𝝉𝒅 𝝀(𝑹𝒆𝒄𝒐𝒎𝒆𝒏𝒅𝒂𝒅𝒐)
𝜏 𝜆 ≥ 1.7𝜃 ′
𝑷𝑰 𝜏 −
𝐾𝜆 𝜆 ≥ 0.2𝜏
2𝜏 + 𝜃 ′ 2𝜏 + 𝜃 ′ 𝜏𝜃 ′ 𝜆 ≥ 0.8𝜃 ′
𝑷𝑰𝑫
𝐾 2𝜆 + 𝜃 ′ 2 2𝜏 + 𝜃 ′ 𝜆 ≥ 0.2𝜏
DISEÑO DE CNTROLADOR PI POR EL MÉTODO DEL LGR
Este método se puede utilizar ventajosamente en el diseño de controladores
discretos cuando se desea localizar los polos dominantes de lazo cerrado en una
determinada posición en el plano 𝑧 y las especificaciones de funcionamiento del
sistema están dadas en términos de la respuesta temporal (𝑡𝑠 , 𝑀𝑝, 𝜉, 𝑤𝑛 )
Procedimiento para el diseño
1. Determinar la función de transferencia de pulso del sistema.
2. Determinar la ubicación de los polos dominantes de lazo cerrado deseados.
3. Determinar el ángulo de fase que debe aportar el controlador para que el
sistema cumpla con la condición de ángulo en el polo de lazo cerrado. Esto
permite calcular el polo del controlador.
∡𝐷 𝑧 𝐻𝐺 𝑧 𝑧=𝑧𝑜 = −180𝑜
4. La ganancia del controlador se calcula utilizando la condición de módulo:
𝐷 𝑧 𝐻𝐺 𝑧 𝑧=𝑧𝑜 =1
5. La función de transferencia del compensador se asume como:
𝑞1
𝑈 𝑧 𝑞0 𝑧 + 𝑞0
𝐷 𝑧 = = Luis Edo García Jaimes
𝐸 𝑧 𝑧−1
EJEMPLO DISEÑO DE CONTROLADOR POR LGR
Cierto sistema térmico tiene como función de transferencia:
0.5𝑒 −0.1𝑆
𝐺𝑝 𝑆 =
5𝑆 + 1
Diseñar un controlador PI de por el método del LGR de modo que los polos
dominantes de lazo cerrado del sistema tengan: coeficiente de amortiguamiento de
0.8 y tiempo de establecimiento de 8 s.
SOLUCIÓN: La función de transferencia de pulso del controlador PI es:
𝑞𝑜 𝑧 + 𝑞1 𝑞𝑜 (𝑧 + 𝑞1 𝑞0 )
𝐷 𝑧 = =
𝑧−1 𝑧−1
Asumiendo como tiempo de muestreo 𝑇 = 0.5 𝑠 se obtiene:
−1 −𝑁
𝐺𝑝 𝑆 0.03844(𝑧 + 0.2377)
𝐻𝐺 𝑧 = 1 − 𝑧 𝑧 ℑ𝑚 𝐻𝐺 𝑧 =
𝑆 𝑧(𝑧 − 0.9048)

SOLUCIÓN CONTROLADOR PI POR EL LGR
Según las especificaciones del problema, la ubicación de los polos de lazo cerrado
se obtiene así:
4 4 4
𝑡𝑠 = 𝑤𝑛 = = 𝑤𝑛 = 0.625 𝑟𝑎𝑑/𝑠
𝜉𝑤𝑛 𝜉𝑡𝑠 0.8 ∗ 8
𝑧 = 𝑒 −𝜉𝑤 𝑛 𝑇 = 0.7788 𝜃 = 57.3𝑤𝑛 𝑇 1 − 𝜉 2 = 10.75𝑜

Por lo tanto:
𝑧 = 0.7788∡10.75𝑜 𝑧 = 0.765 ± 𝑗0.145
La suma de los ángulos en el polo dominante deseado debe ser igual a -180º. Para
el sistema dado:
0.03844(𝑧 + 0.2377)
𝜃=∡
𝑧(𝑧 − 0.9048) 𝑧=0.765+𝑗 0.145
0.03844(1.0027 + 𝑗0.145)
𝜃=∡
0.765 + 𝑗0.145 (−0.1398 + 𝑗0.145) Luis Edo García Jaimes
CÁLCULO DEL ÁNGULO APORTADO POR LA PLANTA
El ángulo aportado por la planta en el polo deseado es:
−1
0.145 −1
0.145 −1
0.145
𝜃 = tan − tan − tan −
1.0027 0.765 0.1398
𝜃 = 8.22𝑜 − 10.73𝑜 − 133.95𝑜 𝜃 = −136.46𝑜

Entonces, el controlador debe suministrar un ángulo:
𝜃𝑐 = −180 − 𝜃 𝜃𝑐 = −180𝑜 + 136.45𝑜 = −43.57𝑜
Por lo tanto:
𝑞𝑜 (𝑧 + 𝑞1 𝑞0 )
𝜃𝑐 = ∡ = −43.57𝑜
𝑧−1 𝑧=0.765+𝑗 0.145
𝑞𝑜 (0.765 + 𝑗0.145 + 𝑞1 𝑞𝑜 )
𝜃𝑐 = ∡ = −43.57𝑜
−0.235 + 𝑗0.145
CONTINUACIÓN EJEMPLO
0.145 0.145
tan−1 − tan−1 − = −43.57𝑜
0.765 + 𝑞1 𝑞𝑜 0.235
0.145 0.145
tan−1 = 104.75𝑜 = −3.798
0.765 + 𝑞1 𝑞𝑜 0.765 + 𝑞1 𝑞𝑜
Resolviendo se obtiene:
𝑞1
= −0.8032
𝑞𝑜
El valor de 𝑞𝑜 se obtiene a partir de la condición de módulo:
𝐷 𝑧 𝐻𝐺(𝑧) 𝑧=𝑧𝑜 =1
𝑞𝑜 (𝑧 − 0.8032) 0.03844(𝑧 + 0.2377)
∙ =1
𝑧−1 𝑧(𝑧 − 0.9048) 𝑧=0.765+𝑗 0.145
Es decir:
0.03844𝑞𝑜 −0.0382 + 𝑗0.145 (1.0027 + 𝑗0.145)

=1
−0.235 + 𝑗0.145 0.765 + 𝑗0.145 (−0.1398 + 𝑗0.145)
CONTINUACIÓN EJEMPLO
De la ecuación anterior se obtiene:
0.13488𝑞𝑜 = 1 𝑞𝑜 = 7.414
Por lo tanto, el controlador PI pedido es:

𝑀(𝑧) 7.414(𝑧 − 0.8032)
𝐷 𝑧 = =
𝐸(𝑧) 𝑧−1
La función de transferencia de lazo cerrado del sistema diseñado es:
𝐷 𝑧 𝐻𝐺(𝑧)
𝐺𝑤 𝑍 =
1 + 𝐷 𝑧 𝐻𝐺(𝑧)
Con el 𝐷(𝑧) y el 𝐻𝐺(𝑧) calculados se obtiene:
0.285 𝑧 − 0.8032 (𝑧 + 0.2377)

𝐺𝑤 (𝑧) =
𝑧 − 0.0898 (𝑧 2 − 1.53𝑧 + 0.60625)
Las raíces del término cuadrático en el denominador son: 𝑧 = 0.765  𝑗0.145 que
corresponden a los polos dominantes de lazo cerrado deseados.
LGR Y RESPUESTA DEL SISTEMA CON EL CONTROLADOR
DISEÑADO

Control Avanzado 02a

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Control Avanzado 02a

Cargado por

Copyright:

Formatos disponibles

SISTEMAS DE CONTROL AVANZADO

LUIS EDO GARCÍA JAIMES

POLITÉCNICO COLOMBIANO J.I.C

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

Estos controladores conforman una estructura subóptima basada en el principio

Luis Edo García Jaimes

La ecuación característica deseada para el sistema en lazo cerrado toma la forma:

Con la adición del integrador se obtienen 𝑙 + 1 ecuaciones y el controlador tendrá

Luis Edo García Jaimes

Diseñe un controlador STR de modo

Luis Edo García Jaimes

Los polos de lazo cerrado deseados, se calculan mediante las ecuaciones:

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

El controlador de mínima varianza MVR3 puede presentar offset (Error de estado

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

Se desea diseñar un controlador de mínima varianza para un sistema con función

Luis Edo García Jaimes

0.23 − 0.12𝑧 −1 1 − 0.8𝑧 −1

Luis Edo García Jaimes

1 − 𝑧 −1 + 0.24𝑧 −2 0.23 − 0.12𝑧 −1

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

En esta estrategia de control se selecciona como referencia un modelo que cumpla

Se trata de que el sistema controlado siga el comportamiento de un modelo

Luis Edo García Jaimes

Este método establece que un sistema tiene un punto de equilibrio 𝑥 = 0

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

Mediante la aplicación de la ley de control:

𝑃 𝑧 −1 = 1 + 𝑝1 𝑧 −1 + ⋯ 𝑝𝑚 +𝑑−1 𝑧 −(𝑚 +𝑑−1)

La función de transferencia en lazo cerrado para el sistema de la figura es:

7. De la última ecuación de la condición 6 se despeja el filtro 𝐹(𝑧 −1 ) así:

Luis Edo García Jaimes

Luis Edo García Jaimes

Condición de los polinomios:

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

Luis Edo García Jaimes

Para que el sistema tenga ganancia unitaria se debe cumplir que:

Luis Edo García Jaimes

Este enfoque asume que el sistema se puede representar mediante un modelo

En este caso, se linealiza el sistema alrededor de distintos puntos de operación,

Luis Edo García Jaimes

Luis Edo García Jaimes

𝑞1 = 0.00000311954 ∗ 𝑇 4 − 0.00062206471 ∗ 𝑇 3 + 0.044068835 ∗ 𝑇 2 − 1.306209727 ∗ 𝑇

Luis Edo García Jaimes

Luis Edo García Jaimes

La dinámica de los tanques interconectados de la figura se describe mediante las