TALLER IX, SISTEMAS DINÁMICOS Y DE CONTROL

Camilo Andrés Contreras Hernández

20201375012

1) Diseñe un controlador por retroalimentación del vector de estado RVE empleando los
métodos vistos en esta unidad (La matriz T y la fórmula de Ackermann) y un controlador
óptimo cuadrático LQR para los sistemas dinámicos que se muestran a continuación.

2) Utilice los comandos de Matlab (acker y place) para obtener la matriz de ganancias de
retroalimentación K y el comando lqr para diseñar el controlador óptimo cuadrático.

EJERCICIOS DE PRIMER GRADO

Solución ejercicio 1

De manera independiente obtenemos:

𝑖̇𝐿̇ (𝑡) + 𝑎1 𝑖̇𝐿 = 𝑏1 𝑖(𝑡)

 𝑅1 + 𝑅2 0.5Ω + 10Ω 𝜴
𝒂𝟏 = = = 𝟐𝟏
𝐿 0.5 𝐻 𝑯
𝑅1 0.5 𝛀
𝒃𝟏 = = =𝟏
𝐿 0.5 𝑯

Procedemos a hallar la trasformada de Laplace:

𝑅1 + 𝑅2 𝑅1
(𝑆)𝑖̇𝐿 (𝑆) + ( ) 𝑖̇𝐿 (𝑆) = 𝑖(𝑆)
𝐿 𝐿

𝑖̇𝐿 (𝑆) 𝑅1
=
𝑖(𝑆) 𝑅1 + 𝑅2
(𝐿(𝑆) + 𝐿 ( 𝐿
))

𝒊̇𝑳 (𝑺) 𝟏
=
𝒊(𝑺) ((𝑺) + 𝟐𝟏)

Ahora bien, cuando analizamos un controlador por retroalimentación del vector de estado RVE
empleando los métodos La matriz T y la fórmula de Ackermann, obtenemos:

Gráfica 1. Métodos La matriz T y la fórmula de Ackermann

Seguidamente, al utilizar los comandos de Matlab: Acker y Place, para obtener la matriz de
ganancias de retroalimentación K, se consiguen los siguientes datos gráficos:

Gráfica 2. Acker y Place

Gráfica 3. Acker y Place

Finalmente, el comando lqr para diseñar el controlador óptimo cuadrático, y alternando los
datos para conseguir la aproximación más óptima sin que pase del 20% de tolerancia
experimental, se lograron las siguientes gráficas:

Gráfica 4. Comando lqr para diseñar el controlador óptimo cuadrático.

Gráfica 5. Comando lqr para diseñar el controlador óptimo cuadrático.

Solución ejercicio 2

De manera independiente obtenemos:

ℎ̇ (𝑡) + 𝑎1 ℎ = 𝑏1 𝑄𝑉 (𝑡)

𝛾 1 1 9.81𝑥105 1 1
𝒂𝟏 = [ + ]= [ 5
+ ] = 𝟎. 𝟒𝟗𝟎𝟓
𝐴 𝑅ℎ1 𝑅ℎ2 9 4𝑥10 5𝑥105
1 1 𝛀
𝒃𝟏 = = = 𝟎. 𝟏𝟏
𝐴 9 𝑯

Procedemos a hallar la trasformada de Laplace:

𝛾 1 1 1
(𝑆)ℎ(𝑆) + [ + ] ℎ(𝑆) = 𝑄𝑉 (𝑆)
𝐴 𝑅ℎ1 𝑅ℎ2 𝐴

ℎ(𝑆) 1
=
𝑄𝑉 (𝑆) (𝐴(𝑆) + 𝛾 [ 1 + 1 ])
𝑅ℎ1 𝑅ℎ2

𝒉(𝑺) 𝟏
=
𝑸𝑽 (𝑺) (𝟗(𝑺) + 𝟒. 𝟒𝟏)
Ahora bien, cuando analizamos un controlador por retroalimentación del vector de estado RVE
empleando los métodos La matriz T y la fórmula de Ackermann, obtenemos:

Gráfica 6. Métodos La matriz T y la fórmula de Ackermann

Seguidamente, al utilizar los comandos de Matlab: Acker y Place, para obtener la matriz de
ganancias de retroalimentación K, se consiguen los siguientes datos gráficos:

Gráfica 7. Gráfica 2. Acker y Place

 Gráfica 8. Gráfica 2. Acker y Place

Solución ejercicio 3

De manera independiente obtenemos:

𝑣̇ (𝑡) + 𝑎1 𝑣 = 𝑏1 𝐹(𝑡)

𝐵 3000
𝒂𝟏 = = =5
𝑀 600
 1 1
𝒃𝟏 = = = 1.66710−3
M 600

Procedemos a hallar la trasformada de Laplace:

𝐵 1
(𝑆)𝑣(𝑆) + 𝑣(𝑆) = 𝐹(𝑆)
𝑀 M

𝑣(𝑆) 1
=
𝐹(𝑆) (𝑀(𝑆) + 𝐵)

𝒗(𝑺) 𝟏
=
𝑭(𝑺) (𝟔𝟎𝟎(𝑺) + 𝟑𝟎𝟎𝟎)

Ahora bien, cuando analizamos un controlador por retroalimentación del vector de estado RVE
empleando los métodos La matriz T y la fórmula de Ackermann, obtenemos:

Gráfica 9. Métodos La matriz T y la fórmula de Ackermann

Seguidamente, al utilizar los comandos de Matlab: Acker y Place, para obtener la matriz de
ganancias de retroalimentación K, se consiguen los siguientes datos gráficos:

Gráfica 10. Gráfica 2. Acker y Place

Gráfica 11. Gráfica 2. Acker y Place

 EJERCICIOS DE SEGUNDO GRADO

Solución ejercicio 5

De manera independiente obtenemos:

𝜃̈(𝑡) + 𝑎1 𝜃̇(𝑡) + 𝑎2 𝜃(𝑡) = 𝑏1 𝑇(𝑡)

Donde:

𝐵𝜃 20 𝑁𝑚𝑠/𝑟𝑎𝑑
𝒂𝟏 = = = 𝟏𝟎 𝒎𝟒 /𝒓𝒂𝒅 ∗ 𝒔
𝐽 2 𝑘𝑔/𝑚 2
𝑁∗𝑚 𝑁∗𝑚 𝑁∗𝑚
𝐾𝜃1 + 𝐾𝜃2 20 𝑟𝑎𝑑 + 20 𝑟𝑎𝑑 40 𝑟𝑎𝑑
𝒂𝟐 = = = = 𝟐𝟎 𝒎𝟒 /𝒓𝒂𝒅 ∗ 𝒔𝟐
𝐽 2 𝑘𝑔/𝑚 2 2 𝑘𝑔/𝑚 2
1 1
𝒃𝟏 = = = 𝟎. 𝟓 𝒎𝟐 /𝒌𝒈
𝐽 2 𝑘𝑔/𝑚 2

Procedemos a hallar la trasformada de Laplace:

 𝐵𝜃 𝐾𝜃1 + 𝐾𝜃1 1
𝑆 2 𝜃(𝑆) + ( ) (𝑆)𝜃(𝑆) + ( ) 𝜃(𝑆) = 𝑇(𝑆)
𝐽 𝐽 𝐽

𝐵𝜃 𝐾𝜃1 + 𝐾𝜃1 1
𝜃(𝑆) (𝑆 2 + ( ) (𝑆) + ( )) = 𝑇(𝑆)
𝐽 𝐽 𝐽

𝜽(𝑺) 𝟏
=
𝑻(𝑺) (𝑱𝑺 + 𝑩𝜽 (𝑺) + (𝑲𝜽𝟏 + 𝑲𝜽𝟏 ))
𝟐

𝜽(𝑺) 𝟏
=
(
𝑻 𝑺) 𝟐
((𝟐)𝑺 + 𝟐𝟎(𝑺) + (𝟒𝟎))

Ahora bien, cuando analizamos un controlador por retroalimentación del vector de estado RVE
empleando los métodos La matriz T y la fórmula de Ackermann, obtenemos:

Gráfica 12. Métodos La matriz T y la fórmula de Ackermann

Seguidamente, al utilizar los comandos de Matlab: Acker y Place, para obtener la matriz de
ganancias de retroalimentación K, se consiguen los siguientes datos gráficos:

Gráfica 13. Acker y Place

Gráfica 14. Acker y Place

Finalmente, el comando lqr para diseñar el controlador óptimo cuadrático, y alternando los
datos para conseguir la aproximación más óptima sin que pase del 20% de tolerancia
experimental, se lograron las siguientes gráficas:

Gráfica 15. Comando lqr para diseñar el controlador óptimo cuadrático.

Gráfica 16. Comando lqr para diseñar el controlador óptimo cuadrático.

Solución ejercicio 6

Para encontrar las ecuaciones en espacio de estados del sistema, lo haremos a partir de la
función de transferencia obtenida en el Taller II.

1 1
( + (𝑆))
𝑽𝒄 (𝑺) 2𝐿𝐶 2𝑅𝐶
=
𝑽(𝑺) 3𝑅 1 1
(𝑆 2 + ( 2𝐿 + 2𝑅𝐶 ) (𝑆) + (𝐿𝐶 ))

𝑽𝒄 (𝑺) (𝟑𝟔. 𝟕𝟔𝟓(𝑺) + 𝟓𝟎𝟎𝟎)

= 𝟐
𝑽(𝑺) (𝑺 + (𝟐𝟒𝟎. 𝟕𝟔𝟓 )(𝑺) + (𝟏𝟎𝟎𝟎))

Donde:

3𝑅 1 3(68Ω) 1
𝒂𝟏 = [ + ]=[ + ] = 𝟐𝟒𝟎. 𝟕𝟔𝟓
2𝐿 2𝑅𝐶 2(500𝑥10 𝐻) 2(68Ω)(200x10−6 F)
−3

1 1 1
𝒂𝟐 = = = = 𝟏𝟎𝟎𝟎
𝐿𝐶 (500𝑥10 𝐻)(200x10 F) 1𝑥10−4
−3 −6

1 1
𝒃𝟏 = = = 𝟓𝟎𝟎𝟎
2𝐿𝐶 2(500𝑥10 𝐻)(200x10−6 F)
−3

1 1
𝒃𝟐 = = = 𝟑𝟔. 𝟕𝟔𝟓
2𝑅𝐶 2(68Ω)(200x10−6 F)
Ahora bien, cuando analizamos un controlador por retroalimentación del vector de estado RVE
empleando los métodos La matriz T y la fórmula de Ackermann, obtenemos:

Gráfica 17. Métodos La matriz T y la fórmula de Ackermann

Seguidamente, al utilizar los comandos de Matlab: Acker y Place, para obtener la matriz de
ganancias de retroalimentación K, se consiguen los siguientes datos gráficos:

Gráfica 18. Gráfica 2. Acker y Place

 Gráfica 19. Gráfica 2. Acker y Place

Finalmente, el comando lqr para diseñar el controlador óptimo cuadrático, y alternando los
datos para conseguir la aproximación más óptima sin que pase del 20% de tolerancia
experimental, se lograron las siguientes gráficas:

Gráfica 20. Comando lqr para diseñar el controlador óptimo cuadrático.

 Gráfica 21. Comando lqr para diseñar el controlador óptimo cuadrático.

Solución ejercicio 7

Para encontrar las ecuaciones en espacio de estados del sistema, lo haremos a partir de la
función de transferencia obtenida en el Taller II.
 𝟏
𝐓𝐌 (𝐒) ( )
𝑪𝑴 𝑪𝑳 𝑹𝑴 𝑹𝑳
=
𝐓𝐀 (𝐒) 𝑪 (𝑹 + 𝑹 ) + 𝑪 𝑹 𝟏
(𝑺𝟐 + ( 𝑴 𝑪𝑴 𝑪 𝑹𝑳 𝑹 𝑳 𝑳 ) (𝑺) + (𝑪 𝑪 𝑹 𝑹 ))
𝑴 𝑳 𝑴 𝑳 𝑴 𝑳 𝑴 𝑳

𝐓𝐌 (𝐒) (𝟏. 𝟏𝟑𝐱𝟏𝟎−𝟏𝟎 )

= 𝟐
𝐓𝐀 (𝐒) (𝐒 + (𝟎. 𝟎𝟑𝟔 )(𝐒) + (𝟏. 𝟏𝟑𝐱𝟏𝟎−𝟏𝟎 ))

Donde:

𝐶𝑀 (𝑅𝑀 + 𝑅𝐿 ) + 𝐶𝐿 𝑅𝐿 11.7(2.08 + 2.08𝑥106 ) + (129.6)(2.08𝑥106 )

𝒂𝟏 = [ ]=[ ] = 𝟎. 𝟎𝟑𝟔
𝐶𝑀 𝐶𝐿 𝑅𝑀 𝑅𝐿 (11.7)(129.6)(2.08)(2.08𝑥106 )
1 1
𝒂𝟐 = = = 𝟏. 𝟏𝟑𝐱𝟏𝟎−𝟏𝟎
𝐶𝑀 𝐶𝐿 𝑅𝑀 𝑅𝐿 (11.7)(129.6)(2.08)(2.08𝑥106 )
𝒃𝟏 = 𝒂 𝟐

Ahora bien, cuando analizamos un controlador por retroalimentación del vector de estado RVE
empleando los métodos La matriz T y la fórmula de Ackermann, obtenemos:

Gráfica 22. Métodos La matriz T y la fórmula de Ackermann

Seguidamente, al utilizar los comandos de Matlab: Acker y Place, para obtener la matriz de
ganancias de retroalimentación K, se consiguen los siguientes datos gráficos:

Gráfica 23. Gráfica 2. Acker y Place

Gráfica 24. Gráfica 2. Acker y Place

Finalmente, el comando lqr para diseñar el controlador óptimo cuadrático, y alternando los
datos para conseguir la aproximación más óptima sin que pase del 20% de tolerancia
experimental, se lograron las siguientes gráficas:

Gráfica 25. Comando lqr para diseñar el controlador óptimo cuadrático.

Gráfica 26. Comando lqr para diseñar el controlador óptimo cuadrático.

Solución ejercicio 8

Para encontrar las ecuaciones en espacio de estados del sistema, lo haremos a partir de la
función de transferencia obtenida en el Taller II.

𝐴1 𝐴2
( )
𝑥2 (𝑆) 𝑀1 𝐴22 + 𝑀2 𝐴21
=
𝐹(𝑆) 𝐴21 𝐵 𝐴21 𝐾
(𝑆 2 + ( ) (𝑆 ) + ( ))
𝑀1 𝐴22 + 𝑀2 𝐴21 𝑀1 𝐴22 + 𝑀2 𝐴21

𝒙𝟐 (𝑺) (𝟒. 𝟓𝟒𝒙𝟏𝟎−𝟒 )

= 𝟐
𝑭(𝑺) (𝑺 + (𝟎. 𝟎𝟖𝟐)(𝑺) + (𝟎. 𝟎𝟗𝟏))

Donde:

𝐴21 𝐵 (0.105)2 (18000)

𝒂𝟏 = [ ] = [ ] = 𝟎. 𝟎𝟖𝟐
𝑀1 𝐴22 + 𝑀2 𝐴21 (200)(1.05)2 + (2000)(0.105)2

𝐴21 𝐾 (0.105)2 (2000)

𝒂𝟐 = [ ] = [ ] = 𝟎. 𝟎𝟗𝟏
𝑀1 𝐴22 + 𝑀2 𝐴21 (200)(1.05)2 + (2000)(0.105)2
 𝐴1 𝐴2 (0.105)(1.05) −𝟒
𝒃𝟏 = [ 2 ] = [(200)(1.05)2 + (2000)(0.105)2 ] = 𝟒. 𝟓𝟒𝒙𝟏𝟎
𝑀1 𝐴22
+ 𝑀2 𝐴1

Ahora bien, cuando analizamos un controlador por retroalimentación del vector de estado RVE
empleando los métodos La matriz T y la fórmula de Ackermann, obtenemos:

Gráfica 27. Métodos La matriz T y la fórmula de Ackermann

Seguidamente, al utilizar los comandos de Matlab: Acker y Place, para obtener la matriz de
ganancias de retroalimentación K, se consiguen los siguientes datos gráficos:

Gráfica 28. Gráfica 2. Acker y Place

 Gráfica 29. Gráfica 2. Acker y Place

Finalmente, el comando lqr para diseñar el controlador óptimo cuadrático, y alternando los
datos para conseguir la aproximación más óptima sin que pase del 20% de tolerancia
experimental, se lograron las siguientes gráficas:

Gráfica 30. Comando lqr para diseñar el controlador óptimo cuadrático.

Gráfica 31. Comando lqr para diseñar el controlador óptimo cuadrático.