ALUMNO: POZOS CONTRERAS ANGEL DEJESUS

MATERIA: Control Digital

HORA: 13:00 – 14:00 HRS

Carrera: Electrónica

PROESOR: Juan Antonio Quintana Silva

TITULO DEL TRABAJO: RESUMEN DE LA

UNIDAD 1
 1. Índice

Contenido
TITULO DEL TRABAJO: RESUMEN DE LA UNIDAD 1.......................................................1
1. Índice ......................................................................................................................................2
1.1Introducción a sistemas de control digital.................................................................................3
1.2 Ecuaciones en diferencias causales. .........................................................................................9
Teorema 1 ................................................................................................................................9
Teorema 2 ................................................................................................................................9
Teorema 3 ..............................................................................................................................10
Teorema 4 ..............................................................................................................................10
1.3 Transformada Z .....................................................................................................................14
1.4 Muestreo y reconstrucción de señales ...................................................................................23
1.5 Transformada Z inversa ..........................................................................................................29
Antecedentes
El control adaptativo no se habría podido desarrollar sin un paso previo dado por los
controladores con la aparición de los computadores digitales los que abrieron un
campo muy amplio de avance. K. Åström hace una reseña de hitos históricos en el
llamado control digital que hablan de esta evolución. Se puede fijar como momento
inicial los años '50 donde aparecen las primeras computadoras dedicadas al control
proceso. Eran muy grandes en cuanto a volumen, tenían un gran consumo y
generalmente su iabilidad no era muy grande. En 1956 se instala en la compañía
Texaco un sistema que controla 26 caudales, 72 temperaturas y 3 composiciones.
Este computador realizaba una suma en 1 ms y una multiplicación en 20 ms.Su
tiempo medio entre fallas (TMEF ó MTBF) que mide la fiabilidad de un equipo era
de 50 a 100 hs solo para la cpu. Como características de la época se puede decir
que no existen modelos en tiempo real y que era escasos el desarrollo de sensores.
También se advierte por ese entonces un fuerte rechazo a la introducción de nuevas
tecnologías. En 1962, en la Imperial Chemical Industries (en Inglaterra) se instala
un control digital con 224 entradas comandando 129 válvulas. Se utiliza por ese
entonces, como argumentación el concepto de Control Digital Directo (CDD o DDC),
es decir que una única computadora controla toda una planta o proceso. Una suma
se hacía en .1 ms y se multiplicaba en 1 ms. El TMEF había ascendido a unas 1000
hs. Se comenzaba a reemplazar tableros de instrumentos por teclado y pantallas.
Ya se observa una ventaja importante: la fácil reconfiguración del sistema.
En 1965 comienza la era de las minicomputadoras. Aparecen los circuitos
integrados con lo que se reducen notablemente los costos y los tamaños. Aumenta
la velocidad y la fiabilidad: una suma se ejecuta en 0,002 ms y en 0,007 ms una
multiplicación. El TMEF sube a 20000 hs. Ya es posible pensar en aplicar el control
digital a proyectos pequeños con lo que se observa un crecimiento de las
aplicaciones de 5000 a 50000 en 5 años. El costo medio de una aplicación (en 1975)
es de unos 10000 dólares llegando el costo total del proyecto a 100000 dólares.
En 1975 hacen su aparición las microcomputadoras con un costo medio de 500
dólares y un consumo despreciable. Ahora cambia el concepto del sistema y se
habla de control dedicado es decir dar a cada variable o grupo de ellas un control
específico y personalizado. También en este momento se observa un gran
desarrollo de a teoría de control. Con vistas al futuro se pueden prever avances en
varios campos y con diversos ritmos. Uno de ellos es el propio conocimiento del
proceso. Sus progresos son lentos pero constantes. Se ven potenciados
actualmente por la facilidad en la recolección de datos y su posterior análisis.
Asociado a esto están las técnicas de medición que se sofistican día a día al haber
cada vez más sensores inteligentes incluso que incorporan computadores a bordo.
Quizá el avance más espectacular sea en el terreno de la tecnología de los
computadores. Se observan avances en varias áreas: desarrollos electrónicos en
materia de integración (vlsi), en el dominio de las comunicaciones, en la
presentación de la información, la aparición de nuevos lenguajes y en la arquitectura
propia de los computadores.
En cuanto a nuestra materia, la teoría de control también se prevén adelantos
principalmente en las áreas de identificación de sistemas, algoritmos de control,
optimización, control adaptativo, control inteligente y sistemas multivariables. Pero
ya nunca más se podrá despegar el futuro de esta temática al del avance de los
computadores digitales.
CARACTERÍSTICAS DEL CONTROL DIGITAL
Como características básicas del control digital se pueden mencionar las
siguientes:
• No existe límite en la complejidad del algoritmo. Cosa que sí sucedía anteriormente
con los sistemas analógicos.
• Facilidad de ajuste y cambio. Por el mismo motivo anterior un cambio en un control
analógico implica, en el mejor de los casos, un cambio de componentes si no
un cambio del controlador completo.
• Exactitud y estabilidad en el cálculo debido a que no existen derivas u otras fuentes
de error.
• Uso del computador con otros fines (alarmas, archivo de datos, administración,
etc.)
• Costo vs. número de lazos. No siempre se justifica un control digital ya que existe
un costo mínimo que lo hace inaplicable para un número reducido de
variables.
• Tendencia al control distribuido o jerárquico. Se ha pasado de la idea de usar un
único controlador o computador para toda una planta a la de distribuir los
dispositivos inteligentes por variable o grupos de estas e ir formando estructuras
jerárquicas.
En cuanto a la arquitectura de un lazo de control es de la forma en que lo muestra
la ¡Error! No se encuentra el origen de la referencia.. El proceso en la mayoría de
los casos es continuo, es decir se lo debe excitar con una señal continua y genera
una salida continua. Esta señal, como en cualquier lazo de control es sensada por
algún dispositivo que a su vez entrega una señal continua proporcional a la
magnitud medida. Por otra parte está el computador que solo trabaja con valores
discretos. Para compatibilizar ambos existen dos elementos: el CDA y el CAD que
realizan la conversión de
magnitudes.
1.1Introducción a sistemas de control digital.
Concepto de muestreo. Definición.
El control digital es una implementación de control empleando lógica
programada

Fig.1 Diagrama Conversión A/D

Conversores analógico-digitales (A/D): Convierten la información analógica del
proceso y(t) aportada por los captadores al formato digital (secuencias de
números yk) para poder ser procesadas mediante un algoritmo de control.
Regulador digital: Ejecuta un algoritmo de control que calcula a partir del error
cometido ek = rk − yk en cada instante una acción de control uk.
Conversores digital-analógicos (D/A): Generan de la señal de control continua
ur(t) a partir de la secuencia digital uk.
Ventajas: No hay límite de complejidad del algoritmo.
Facilidad de cambio de estrategia.
Precisión más elevada en operaciones que con dispositivos analógicos
(resolución, derivas, saturaciones).
Posibilidad de efectuar funciones complementarias (almacenamiento, análisis,
comunicaciones).
Inconvenientes: Existe perdida de información en el muestreo (A/D) y en la
reconstrucción (D/A) por aliasing, cuantificación, retardos originados en la
reconstrucción y otros problemas. Mayor complejidad en el diseño. Requiere
dispositivos electrónicos para la ejecución del algoritmo de control
(microcontrolador, DSP, PC, etc.) así como para la adquisición de datos y la
reconstrucción (conversores A/D y D/A).
Requieren, a menudo elementos para evitar estos problemas (ej.: filtros
antialiasing). Plantea compromisos economía/eficiencia en diversos aspectos
(frecuencia de muestreo, resolución en bits de los conversores, etc).
Un simple fallo informático (desbordamiento, bloqueo del sistema) puede
resultar fatal.
El muestreo es una operación en la que se obtiene una secuencia de valores a
partir de una señal analógica.

donde Tm es el periodo de muestreo y fm = 1 Tm es la frecuencia de muestreo

Fig.2 Toma de muestro en FM= 1

En la figura adjunta se muestra una senoide de 50 Hz muestreada con un
periodo de muestreo T = 0,001 s.
Concepto de muestreo. Aliasing. Cuando la frecuencia de muestreo es
insuficiente pueden surgir problemas de aliasing El problema viene porque la
evolución de la señal entre muestra y muestra se pierde Puede demostrarse que
para una señal senoidal de frecuencia f, la frecuencia de muestreo debe ser
mayor que el doble de ´esta (FM > 2f) para no perder información.
El muestreo es la propiedad fundamental de los sistemas de control por
computadora y es realizado como una parte del proceso de conversión de
Analógico a Digital. En el contexto de comunicaciones electrónicas y sistemas
de control, “muestrear” significa reemplazar una señal continua por sus valores
numéricos o muestras tomados en ciertos instantes de tiempo denominados
instantes de muestreo. El proceso inverso al muestreo consiste en convertir una
secuencia de valores numéricos (muestras) a una señal continua y se denomina
inversión del muestreo o reconstrucción de señales. Este proceso inverso es
realizado en los convertidores de digital a analógico.
En la figura 2 se describe el proceso de muestreo que convierte la señal
analógica𝑓(𝑡𝑘)
en la señal de tiempo discreto 𝑓(𝑡𝑘) ,

Fig.3 Muestreo para la señal de tiempo discreto

El proceso de muestreo solo discretiza los valores del tiempo (escala horizontal)
y no los valores de la señal (escala vertical), esto es sólo una parte de lo que
ocurre en un convertidor de analógico a digital, ya que en el muestreo solo se
convierten en discretos los valores del tiempo, por ello a 𝑓(𝑡𝑘) , se le llama señal
de tiempo discreto. En un convertidor de analógico a digital, también se
discretizan los valores de 𝑓(𝑡𝑘) , al expresarlos con un número finito de bits (a
este proceso se le llama cuantización). De esta manera, al usar n bits, solo se
pueden representar 2 n valores de 𝑓(𝑡𝑘) , y el resto de los valores simplemente
se redondean al valor más cercano.
En la figura 3 se muestra la etapa de cuantización suponiendo que se usan
solamente n=3 bits y por lo tanto solo se pueden representar 8 valores distintos
de 𝑓(𝑡𝑘) .
 Fig.3 Proceso de cuantización y codificación para n=3 bits
Después de la cuantización se asigna un código binario a cada valor
representable de la seña 𝑓(𝑡𝑘) , con esto se discretiza la escala vertical,
obteniéndose una señal discreta en ambas escalas (vertical y horizontal).
Denotaremos los instantes de muestreo como 𝑡0, 𝑡1 , 𝑡2 , 𝑡3,….. o bien, como tk con
k = 0,1,2,3,... de manera que la versión muestreada de f (t ) consiste en la
secuencia, lista o conjunto de valores {𝑓(𝑡0) 𝑓(𝑡1) , 𝑓(𝑡2) , … . . }
Muestreo uniforme o periódico.- Es el que se considerará en este curso y
corresponde al caso en que los instantes de muestreo son equidistantes, es
decir, son múltiplos de un intervalo de tiempo constante h . A esta constante h
se le llama periodo de muestreo. k t k h = ⋅ En este caso la secuencia de 𝑓(𝑡𝑘) ,
se convierte en
{𝑓 (0)𝑓(ℎ), 𝑓 (ℎ2), 𝑓(ℎ3), … . . }
Tasa y Frecuencia de muestreo.- La tasa de muestreo (en muestras/seg) se
denota por s f y se define como el inverso del periodo de muestreo, es decir
1 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑓𝑠= ( )
ℎ 𝑠𝑒𝑔
Y la frecuencia de muestreo (en rad/seg) se denota como ωs y se define como
2𝜋 𝑟𝑎𝑑
𝜔𝑠 = 2𝜋𝑓𝑠 = ( 𝑠𝑒𝑔 )
ℎ
 1.2 Ecuaciones en diferencias causales.
Una ecuación en diferencias es una expresión que relaciona
distintas sucesiones, siendo una de ellas una sucesión desconocida. Son
similares a las ecuaciones diferenciales, sustituyendo las funciones por
sucesiones. Para su resolución suele utilizarse el método de
la transformada Z.

Conceptos Básicos y Teoremas

Una ecuación en diferencias es una expresión del tipo: G(n, f(n), f(n + 1), . . . , f(n +
k)) = 0, ∀n ∈ Z, donde f es una función definida en Z.

Si después de simplificar esta expresión quedan los términos f(n + k1) y f(n + k2)
como el mayor y el menor, respectivamente, se dice que la ecuación es de orden

k = k1− k2.

Ejemplo 1 .- La ecuación:

5f(n + 4) − 4f(n + 2) + f(n + 1) + (n − 2)3 = 0 es de orden 4 − 1 = 3.

Una ecuación en diferencias de orden k se dice lineal si puede expresarse de la

forma: p0(n)f(n+k)+p1(n)f(n+k−1)+. . .+pk(n)f(n) = g(n), donde los coeficientes pi son
funciones definidas en Z.

El caso más sencillo es cuando los coeficientes son constantes pi(n) = ai:

a0f(n + k) + a1f(n + k − 1) + . . . + akf(n) = g(n).

La ecuación en diferencias se dice homogénea en el caso de que g(n) = 0, y

completa en el caso contrario.

Teorema 1

- Dada la ecuación en diferencias lineal de coeficientes constantes y de orden k:

a0f(n + k) + a1f(n + k − 1) + . . . + akf(n) = g(n), el problema de hallar una función f

definida en Z, que verifique la ecuación, y tal que en los k enteros consecutivos n 0,
n0+1, . . . , n0+k−1 tome los valores dados c0, c1, . . . , ck−1, tiene solución única.

Teorema
- Dada una ecuación en diferencias lineal homogénea de coeficientes constantes y
de orden k entonces, si una solución f en nula en k enteros consecutivos, es
idénticamente nula.

Teorema 3

- Toda combinación lineal de soluciones de una ecuación en diferencias lineal

homogénea de coeficientes constantes y de orden k es también solución de dicha
ecuación.

Se llama sistema fundamental de soluciones de una ecuación en diferencias lineal

homogénea de orden k a todo conjunto {f1, f2, . . . , fk} de soluciones de dicha
ecuación que verifica para algún n0 ∈ Z que la matriz fundamental es inversible, esto
es:

Teorema 4

- Sea {f1, f2, . . . , fk} un sistema fundamental de soluciones de una ecuaci´on en

diferencias lineal. Entonces:

1. D(n) 0, ∀n ∈ Z.

2. Toda solución de la ecuación homogénea es combinación lineal de f1, f2, . . . , fk,

es decir:

3. Si z(n) es una solución de la ecuación completa, entonces toda solución de dicha

ecuación se puede escribir como la suma de z(n) y de la solución general de la
ecuación homogénea, esto es:
Observación 1 .- Frecuentemente se suele denotar yn+j = f(n + j), con lo cual la
ecuación en diferencias se escribe:

a0 yn+k + a1 yn+k−1 + . . . + ak yn = gn, ∀n ∈ Z.

Ecuaciones Lineales De Primer Orden

DEFINICIÓN: Una ecuación en diferencias lineal de primer orden es aquella que

puede expresarse como

p1(t)yt+1 + p2(t)yt = q(t),

donde pi(t), i = 1, 2 y q(t) son funciones en la variable discreta t. Si la sucesión q(t)

es nula, entonces la ecuación lineal recibe el nombre de ecuación
homogénea asociada a la expresión anterior. Cuando las funciones p1(t) y p2(t) son
constantes, se dice que la ecuación lineal anterior es de coeficientes constantes.

Este tipo de ecuaciones son muy interesantes en el estudio de dinámica de

poblaciones. Suelen aparecer escritas como

yt+1 = p(t)yt + q(t),

donde p(t)yt representa el crecimiento de la población en el tiempo t y q(t) el número

de individuos que en el tiempo t se incorporan a la población como consecuencia
de la inmigración.

EJEMPLO 1. Supongamos que una determinada población de insectos con 100

individuos, duplica su número en cada generación, y que además, 10 nuevos
individuos se incorporan en cada generación procedente de otro lugar. Vamos a
construir una ecuación en diferencias que modele a esta situación y posteriormente
la resolveremos.

Del enunciado se deduce,

yt = 2yt−1 + 10, y0 = y(0) = 100 ,

lo que nos permite escribir,

y1 = 2 × 100 + 10

y2 = 2(2 × 100 + 10) + 10 = 2 × 2 × 100 + 2 × 10 + 10

y3 = 2 × 2 × 2 × 100 + 2 × 2 × 10 + 2 × 10 + 10…..

yt = {2 × · · · × 2} ×100 + {2 × · · · × 2} ×10 + {2 × · · · × 2} ×10 + · · · + 2 × 10 + 10

(t) (t−1) (t−2)

= 2t × 100 + 2t−1 × 10 + 2t−2 × 10 + · · · + 2 × 10 + 10

= 2t × 100 + (2t−1 + 2t−2 + · · · + 21 + 20) × 10

= 2t × 100 + (2t − 1) × 10 = 110 × 2t − 10 ,

donde en el último de los pasos hemos utilizado la fórmula que nos da la suma de t
términos de una progresión geométrica de razón 2. La solución es, por tanto,

yt = 110 × 2t − 10

Ecuaciones Lineales De Segundo Orden

DEFINICIÓN: Una ecuación en diferencias lineal de segundo orden es aquella que

puede expresarse como

p1(t)yt+2 + p2(t)yt+1 + p3(t)yt = q(t), (4.5.1)

donde pi(t), i = 1, 2, 3 y q(t) son funciones en la variable discreta t.

Si la función q(t) = 0, entonces (4.5.1) es su ecuación lineal en diferencias

homogénea de segundo orden asociada. Además, si todas las funciones pi(t) son
constantes,

entonces (4.5.1) es una ecuación en diferencias lineal de segundo orden con

coeficientes constantes, y será en la que nos centraremos.

Veamos en primer lugar un teorema de existencia y unicidad de solución para una

ecuación en diferencias lineal homogénea de orden n.

TEOREMA 4.5.2 Dada la siguiente ecuación lineal en diferencias homogénea de

orden n

yt+n + p1(t)yt+n−1 + · · · + pn(t)yt = 0 ,

y dados n números reales k0, k1, · · · , kn−1, existe una única solución, cumpliendo
y0 = y(0) = k0, y1 = k1, · · · yn−1 = kn−1 .

Demostración. Comenzamos definiendo la siguiente sucesión:

y0 = y(0) = k0, y1 = k1, · · · yn−1 = kn−1 ,

y para los valores de t mayores que n − 1, procedemos de la siguiente manera

yn = −p1(0)yn−1 − · · · − pn(0)y0 = −p1(0)kn−1 − · · · − pn(0)k0 ,

yn+1 = −p1(1)yn − · · · − pn(1)k1 .

De esta manera, yt queda definida por la ley de recurrencia anterior. Puede

comprobarse que yt es solución de la ecuación pedida y cumple las condiciones
iniciales. Además, es la única solución, ya que si wt es otra solución que
cumple w0 = k0, w1 = k1, · · · wn−1 = kn−1, la ley de recurrencia que hemos encontrado
anteriormente, determina el resto de los valores de wt

Consideremos la ecuación en diferencias lineal homogénea de segundo orden con

coeficientes constantes

a yt+2 + b yt+1 + c yt = 0 , (4.5.2)

cualquier combinación lineal de soluciones de (4.5.2) sigue siendo otra solución.

TEOREMA 4.5.3 Si y1t , y2t son dos soluciones de (4.5.2), entonces k1y1t +k2y2t, con
k1 y k2 constantes, sigue siendo solución de (4.5.2).

Demostración. Es inmediata, basta llevar k1y1t +k2y2t en (4.5.2).

Del mismo modo, también es evidente la demostración del siguiente resultado.

TEOREMA 4.5.4 Si yct es una solución de a yt+2 + b yt+1 + c yt = q(t), (4.5.4)

e yht es solución de la ecuación homogénea asociada, entonces yt = yht +yct es

solución de la ecuación completa (4.5.4).

A continuación veremos las condiciones bajo las cuales la combinación lineal de

dos soluciones particulares de la ecuación homogénea dan lugar a su solución
general.

TEOREMA 4.5.5 Si y1t , y2t son dos soluciones de (4.5.2), entonces

y=k1y1t +k2y2t ,

con k1 y k2 constantes, es la solución general de (4.5.2) si

Demostración. Consideremos el sistema de ecuaciones lineales siguiente

cualesquiera que sean los valores de β1 y β2, por hipótesis del teorema, el sistema
es compatible determinado. Pero por el Teorema 4.5.2 existe una única solución de
la

ecuación homogénea que puede ser escrita como yt=k1y1t +k2y2t , pues basta tomar

β1 = y0 y β2 = y1, y calcular α1 y α2. Para finalizar asignamos los siguientes valores,

k1 = α1 y k2 = α2.

A dos soluciones y1t , y2t cumpliendo las hipótesis del Teorema 4.5.2 le daremos el
nombre de sistema fundamental de soluciones. Siguiendo un razonamiento

similar al realizado en el Teorema 4.5.2, podemos demostrar el siguiente resultado.

TEOREMA 4.5.5 Si ypt es una solución particular de a yt+2 + b yt+1 + c yt = q(t), (4.5.5)
e y1t , y2t forman un sistema fundamental de soluciones, entonces

ypt + k1y1t +k2y2t , es la solución general de (4.5.5).

1.3 Transformada Z
La Transformada Z (TZ) es una herramienta que proporciona un método
para caracterizar las señales y los sistemas de tiempo discreto por medio
de polos y ceros en el dominio Z transformado.

X(z), La Transformada Z, es el equivalente de la Transformada de Laplace

para tiempo discreto. Puesto que z es una variable compleja, el dominio Z
es un plano complejo.

La transformada Z directa X(z) de una señal x[n] se define como la serie de

potencias:
Dónde z es el número complejo:

La ecuación (1) mapea la señal definida en el dominio del tiempo discreto, a la

función definida en el dominio Z, lo que se denota como:

La notación para la relación entre ambos dominios es:

Como la ecuación (1) es la suma de una serie geométrica, solo existe para
aquellos valores del plano complejo para los que la suma no diverge. Esto nos
lleva al concepto de región de convergencia (ROC – Region of Convergence).

La ROC de una transformada X(z) es el conjunto de todos los valores de la variable

compleja z para los que X(z) es finita:

El par transformado no es único hasta que no se añade la información relativa

a la ROC. Por ello, las tablas de pares z-transformados incluyen una tercera
columna con su información de la ROC.

PROPIEDADES DE LA TRANSFORMADA Z
La Transformada Z es una herramienta matemática utilizada en el procesamiento
de señales y sistemas para transformar señales discretas en el dominio del tiempo
a su representación en el dominio de la frecuencia. La Transformada Z es una
generalización de la Transformada de Fourier discreta (DFT) y se utiliza
ampliamente en la teoría de sistemas y en la teoría de control.
La Transformada Z se define como:

Z{f(n)} = F(z) = ∑[f(n) * z^(-n)]

donde z es una variable compleja que puede ser escrita en la forma polar z =
rexp(jω).

PROPIEDADES DE LA TRANFORMADA Z

Corrimiento a la derecha

La propiedad de desplazamiento o corrimiento a la derecha es una propiedad

importante de la Transformada Z que describe cómo se modifica la Transformada Z
de una señal discreta al retrasar o correr la señal original en el tiempo.

Matemáticamente, la propiedad de corrimiento a la derecha se expresa como:

Fig 4. Ecuacion para retraso

En otras palabras, la Transformada Z de una señal retrasada en el tiempo es igual

a la Transformada Z original multiplicada por una función exponencial compleja
.Esta propiedad es útil en el análisis de sistemas discretos e invarientes en el
tiempo, donde se puede utilizar para calcular la respuesta del sistema a una señal
de entrada retrasada. Es importante tener en cuenta que la propiedad de corrimiento
a la derecha solo se aplica a señales discretas que convergen absolutamente en el
dominio de la Transformada Z, lo que significa que la Transformada Z de la señal
es finita en el plano complejo. Si la señal no converge absolutamente, la propiedad
de corrimiento a la derecha no se puede aplicar. Además, esta propiedad solo se
aplica a corrimientos a la derecha en el tiempo, ya que un corrimiento a la izquierda
en el tiempo se puede expresar como una combinación de corrimientos a la derecha
y a la izquierda en el tiempo.

Fig 5. Salida Y después de realizar la tranformada z de dicha entrada.

Propiedad de convolución

La propiedad de convolución es una de las propiedades más importantes de la

Transformada Z. Esta propiedad establece que la Transformada Z de la convolución
de dos señales discretas es igual al producto de las Transformadas Z de las señales
individuales. Matemáticamente, la propiedad de convolución se expresa como:

Fig.7 Solución para la propiedad de convolución

La propiedad de convolución es útil en el análisis de sistemas discretos e invariantes
en el tiempo, ya que permite calcular la respuesta del sistema a una señal de
entrada dada en el dominio de la Transformada Z. Si la respuesta impulsiva del
sistema está disponible en el dominio de la Transformada Z, la respuesta del
sistema a cualquier señal de entrada se puede calcular mediante la convolución de
la señal de entrada con la respuesta impulsiva en el dominio de la Transformada Z.
La propiedad de convolución también se utiliza en el diseño de filtros digitales para
calcular la respuesta de frecuencia del filtro en el dominio de la Transformada Z. Si
la respuesta impulsiva del filtro está disponible, la respuesta de frecuencia del filtro
se puede calcular mediante la convolución de la respuesta impulsiva con una señal
exponencial compleja. Es importante tener en cuenta que la propiedad de
convolución solo se aplica a señales discretas que convergen absolutamente en el
dominio de la Transformada Z, lo que significa que las Transformadas Z de las
señales son finitas en el plano complejo. Si las señales no convergen
absolutamente, la propiedad de convolución no se puede aplicar. Además, si una
señal es causal, es decir, es cero para valores negativos de n, entonces su
Transformada Z solo existe en la región del plano complejo que está fuera de un
círculo de radio finito.

Propiedad de sumación

La propiedad de sumación, también conocida como la propiedad de cambio de

escala, es una de las propiedades más importantes de la Transformada Z. Esta
propiedad establece que si se toma la Transformada Z de una señal discreta x[n] y
se suma la señal a lo largo del eje temporal, entonces la Transformada Z resultante
es igual a la Transformada Z original multiplicada por una función racional de z.
Matemáticamente, la propiedad de sumación se expresa como:
 Fig 8. X(z) es la Transformada Z de la señal discreta x[n].

La propiedad de sumación es útil en el análisis de sistemas discretos y en la teoría

de control, ya que permite expresar las soluciones de sistemas lineales e invariantes
en el tiempo como una combinación lineal de funciones exponenciales complejas.
Esta propiedad también se utiliza en el diseño de filtros digitales para ajustar la
respuesta de frecuencia del filtro. Es importante tener en cuenta que la propiedad
de sumación solo se aplica a señales discretas que convergen absolutamente en el
dominio de la Transformada Z, lo que significa que la Transformada Z de la señal
es finita en el plano complejo. Si la señal no converge absolutamente, la propiedad
de sumación no se puede aplicar.

Transformadas Comunes

Impulso Unitario

El impulso unitario, también conocido como función delta de Kronecker, es una

señal discreta que toma el valor de 1 en el instante n = 0 y es cero en todos los
demás instantes, es decir, su ecuación es:

δ(n) = {1 si n = 0, 0 si n ≠ 0}

La transformada Z del impulso unitario se puede obtener aplicando la definición

de la transformada Z, que es la siguiente:
X(z) = ∑[x(n)*z^(-n)], desde n = -∞ hasta n = +∞

donde "x(n)" es la señal de entrada y "X(z)" es su transformada Z

correspondiente.

Aplicando esta definición al impulso unitario, tenemos:

X(z) = ∑[δ(n)*z^(-n)] = z^0 = 1

Por lo tanto, la transformada Z del impulso unitario es simplemente igual a 1 para

todos los valores de "z".

La interpretación de esto es que la transformada Z del impulso unitario es la

respuesta en frecuencia de un sistema lineal e invariante en el tiempo (LTI) a una
entrada impulsiva. La transformada Z es una herramienta útil para analizar
sistemas LTI en el dominio de la frecuencia y se utiliza con frecuencia en la teoría
de señales y sistemas.

Retraso

El retraso es una operación que consiste en desplazar una señal hacia la derecha
en el tiempo. Matemáticamente, el retraso se define como:

y(n) = x(n-k)

donde "x(n)" es la señal de entrada, "y(n)" es la señal de salida y "k" es la cantidad

de muestras que se retrasa la señal de entrada.

La transformada Z del retraso se puede obtener aplicando la definición de la

transformada Z, que es la siguiente:

X(z) = ∑[x(n)*z^(-n)], desde n = -∞ hasta n = +∞

donde "x(n)" es la señal de entrada y "X(z)" es su transformada Z

correspondiente.

Aplicando la propiedad de desplazamiento de la transformada Z, que establece

que:

∑[x(n-k)*z^(-n)] = z^(-k)*∑[x(n)*z^(-n)]

Podemos reescribir la ecuación del retraso en términos de la transformada Z

como:

Y(z) = X(z)*z^(-k)

donde "Y(z)" es la transformada Z de la señal de salida y "X(z)" es la

transformada Z de la señal de entrada.

Esto significa que la transformada Z de la señal de salida es igual a la

transformada Z de la señal de entrada multiplicada por un factor de z^(-k), que
representa el retraso en el dominio de la frecuencia. En otras palabras, el efecto
del retraso en el tiempo se refleja en la transformada Z como un desplazamiento
hacia la derecha en el dominio de la frecuencia.

En resumen, la transformada Z del retraso es igual a la transformada Z de la

señal de entrada multiplicada por un factor de z^(-k), que representa el retraso
en el dominio de la frecuencia.

Escalón Unitario

El escalón unitario es una señal discreta que toma el valor de 0 para n < 0 y 1
para n ≥ 0, es decir, su ecuación es:

u(n) = {0 si n < 0, 1 si n ≥ 0}

La transformada Z del escalón unitario se puede obtener aplicando la definición

de la transformada Z, que es la siguiente:

X(z) = ∑[x(n)*z^(-n)], desde n = -∞ hasta n = +∞

donde "x(n)" es la señal de entrada y "X(z)" es su transformada Z

correspondiente.

Aplicando esta definición al escalón unitario, tenemos:

X(z) = ∑[u(n)*z^(-n)] = ∑[z^(-n)] desde n = 0 hasta n = +∞

Para simplificar esta expresión, podemos utilizar la fórmula para la suma de una
serie geométrica infinita:

∑[r^n] desde n = 0 hasta n = +∞ = 1/(1-r) para |r| < 1

Aplicando esta fórmula, obtenemos:

X(z) = ∑[z^(-n)] desde n = 0 hasta n = +∞ = 1/(1-z^(-1))

Por lo tanto, la transformada Z del escalón unitario es igual a 1/(1-z^(-1)).

La interpretación de esto es que la transformada Z del escalón unitario es la

respuesta en frecuencia de un sistema lineal e invariante en el tiempo (LTI) a una
entrada que es cero antes de n = 0 y es constante e igual a 1 para n ≥ 0.

Serie Geométrica

La serie geométrica es una serie infinita de la forma:

∑[r^n] desde n = 0 hasta n = +∞

donde "r" es una constante. La serie geométrica converge a 1/(1-r) si |r| < 1, y
diverge en otro caso.

La transformada Z de la serie geométrica se puede obtener aplicando la

definición de la transformada Z, que es la siguiente:

X(z) = ∑[x(n)*z^(-n)], desde n = -∞ hasta n = +∞

donde "x(n)" es la señal de entrada y "X(z)" es su transformada Z

correspondiente.

Aplicando esta definición a la serie geométrica, tenemos:

X(z) = ∑[r^n*z^(-n)] desde n = 0 hasta n = +∞

Podemos reescribir esta expresión como:

X(z) = ∑[(r/z)^n] desde n = 0 hasta n = +∞

Esta expresión representa una serie geométrica de la forma ∑[q^n] desde n = 0

hasta n = +∞, donde q = r/z. Esta serie converge a 1/(1-q) si |q| < 1, y diverge en
otro caso.

Por lo tanto, la transformada Z de la serie geométrica es:

X(z) = 1/(1-r/z), para |r/z| < 1

Esta fórmula se puede simplificar aún más utilizando la propiedad de

descomposición en fracciones parciales. En particular, si escribimos:
X(z) = A/(1-pz) + B/(1-qz)

donde p y q son las raíces de la ecuación z^2 - rz + 1 = 0 y A y B son constantes

que se pueden determinar mediante la descomposición en fracciones parciales,
entonces la fórmula para la transformada Z se puede escribir como:

X(z) = (A/(1-pz)) + (B/(1-qz)) = A*(p^(-n))u(n) + B(q^(-n))*u(n)

donde "u(n)" es el escalón unitario.

En resumen, la transformada Z de la serie geométrica es 1/(1-r/z) para |r/z| < 1,

y se puede escribir como una suma de dos términos de la forma A*(p^(-n))u(n) +
B(q^(-n))*u(n) mediante la descomposición en fracciones parciales.

1.4 Muestreo y reconstrucción de señales

En esta operación se obtiene una secuencia de valores a partir de una señal
analógica.

Regulación Automática II. Control por computador

Fig. 10 Muestreo ejemplo

Muestreo. Teorema de Shannon

Una señal que no contenga componentes en frecuencias superiores a ω0 puede

ser reconstruida si se muestrea con una frecuencia mayor de 2ω0.

ωm > 2 ω0

Fig. 11 Señal que llegara a ser muestreada

Cuando la frecuencia de Nyquist (ωm/2) es inferior a la frecuencia de la señal

muestreada (ω0), se produce el fenómeno conocido como aliasing, según el cual
una señal de alta frecuencia es interpretada como
una de baja frecuencia.

Figura.12 Fenomeno aliasing en el muestreo

Reconstrucción

Proceso por el que a partir de una secuencia se construye una señal continua.

El más sencillo y habitual en control es el de orden 0.

 x(t ) = ∑ x(kt )1(t − kT ) − 1(t − (k + 1)T )
k =0

Fig. 13. Ejemplo de reconstrucción

Filtrado de alias

Puede producirse aliasing con los ruidos de alta frecuencia que entran a través del
captador. Al ser convertidos en ruidos de baja frecuencia por el muestreo, el sistema
amplificará sus efectos en lugar de atenuarlos, deteriorando el control. La solución
es introducir un filtro analógico, entre captador y muestreador que elimine el ruido.

Diseño del filtro

Si se conoce el rango de frecuencias del ruido se puede diseñar y colocar el filtro

de modo que la atenuación sea suficiente en el muestreo. Para no perjudicar el MF,
el filtro deberá estar al menos una década por encima de la frecuencia de cruce de
ganancia. Si no es posible, habrá que tener en cuenta la dinámica del filtro en el
diseño del compensador.
 Fig. 14 Diagrama de bode de compensación

Filtros

Existen diferentes tipos de filtros, en función de la ubicación de los polos:

• Bessel: optimiza respuesta ante escalón (adecuado para señales con

codificación temporal)

• Butterworth: consigue el paso de banda más plano de los tres

• Chebyshev: optimiza roll-off (rápida atenuación), a costa de un rizado

Fig. 15. Filtros (Respuesta frecuencial)

 Fig. 16 Filtros (Respuesta temporal)

Fig. 18 FILTROS Y SUS RESPUESTAS

Elección del período de muestreo

• La elección del período de muestreo puede ser crítica a la hora de controlar
un sistema

• Un período de muestreo grande hará que el controlador reaccione con

lentitud tanto a consigna como a perturbaciones, lo que inestabiliza el sistema.
Aumenta la sobreoscilación y disminuye el amortiguamiento.

• Un período de muestreo pequeño provocará una pérdida de tiempo al obligar

a calcular la misma acción de control infinidad de veces.

Fig 21. Elección del periodo de muestreo

Si se coloca filtro antialiasing, se calculará la frecuencia de muestreo como 10 a 20

veces superior a la del filtro, para conseguir una atenuación suficiente antes de
muestrear.

Cuando no hace falta el filtro antialiasing:

Fig. 22. Elección del periodo de muestro en diagrama de bode utilizando su

compensación
A partir de la frecuencia natural del sistema realimentado, (o de la frecuencia de
cruce de ganancia, como aproximación), se elegirá la frecuencia de muestreo como
20-40 veces superior.

FIg 23. Ejemplo de elección de periodo de muestreo

1.5 Transformada Z inversa

La transformada Z inversa se utiliza para encontrar la secuencia discreta
correspondiente a una función de variable compleja en el dominio de la frecuencia.
La fórmula general de la transformada Z inversa es:

x[n] = (1/2πj) ∫C X(z) z^(n-1) dz

Donde x[n] es la secuencia discreta correspondiente a la función compleja X(z), y C

es una curva de integración en el plano complejo que encierra todas las
singularidades de X(z) en su interior, en sentido antihorario. La integral se evalúa
en sentido antihorario alrededor de la curva C.

La transformada Z inversa también se puede expresar en términos de la serie de

Laurent de X(z) alrededor del origen. En este caso, la fórmula se convierte en:

x[n] = (1/2πj) ∮ X(z) z^(n-1) dz

Donde la integral se toma alrededor de un pequeño círculo centrado en el origen y

de radio R, que se hace tender a infinito después de la integración.
En cualquier caso, la transformada Z inversa es una herramienta muy útil para la
análisis y síntesis de señales discretas en el dominio del tiempo, y se utiliza con
frecuencia en aplicaciones de procesamiento de señales y control digital.

Método de fracciones parciales: Este método se utiliza para funciones racionales de

Z, es decir, aquellas que pueden expresarse como una fracción de polinomios en Z.
Se descompone la función en fracciones parciales y luego se utiliza una tabla de
transformadas Z inversas para calcular la transformada Z inversa de cada término.

para calcular la transformada Z inversa de una función racional en el dominio de la

frecuencia utilizando el método de fracciones parciales, se deben seguir los
siguientes pasos:

1. Factorizar el denominador de la función en polos simples.

2. Escribir la función en fracciones parciales, sumando los términos

correspondientes a cada polo simple. Cada término se puede expresar como
una constante dividida por un factor de la forma (z - a), donde a es el polo
simple correspondiente.

3. Utilizar una tabla de transformadas Z inversas para encontrar la transformada

Z inversa de cada término.

4. Sumar los resultados para obtener la solución final.

La fórmula general para la transformada Z inversa utilizando el método de fracciones

parciales es:

x[n] = Suma de (residuo k * a_k^n)

Donde residuo_k es el residuo correspondiente al polo simple a_k, y se calcula

como:

residuo_k = lim(z->a_k) [(z - a_k) * X(z)]

La transformada Z inversa de cada término se puede obtener utilizando la tabla de
transformadas Z inversas correspondiente. Algunas de las transformadas Z inversas
más comunes son:

1. Z^n / (1 - a Z^-1) --> a^n u[n - n0]

2. Z^n / (1 - a Z^-1)^2 --> n a^n u[n - n0]

3. (1 - a Z^-1) / Z (1 - b Z^-1) --> (a-b)/a b^n - (1-b)/a (n+1) b^n

4. (1 - a Z^-1) / (1 - b Z^-1)^2 --> n a^n b^n u[n - n0]

Es importante tener en cuenta que la tabla de transformadas Z inversas puede variar

dependiendo del texto o referencia utilizada, por lo que es importante asegurarse
de utilizar la tabla adecuada para el problema específico.

Método de residuos: Este método se utiliza para funciones que tienen

singularidades en el plano complejo. Se calculan los residuos de la función en cada
singularidad y se suman para obtener la transformada Z inversa.

la transformada Z inversa utilizando el método de residuos se utiliza para calcular la

inversa de una función racional en el dominio de la frecuencia que tiene polos
complejos o múltiples. El método se basa en la teoría de funciones complejas y el
cálculo de residuos.

Los pasos para calcular la transformada Z inversa utilizando el método de residuos

son los siguientes:

1. Identificar los polos complejos de la función racional en el plano Z.

2. Expandir la función racional en una serie de Laurent alrededor de cada polo

complejo identificado.

3. Identificar el residuo de cada polo complejo y sumarlos para obtener la

transformada Z inversa.

La fórmula general para la transformada Z inversa utilizando el método de residuos

es:
x[n] = (1/2πj) * Integral en el contorno de la región de convergencia de X(z) * z^n *
dz

Donde j es la unidad imaginaria y la integral se realiza en un contorno cerrado que

rodea todos los polos complejos de la función.

El residuo en un polo complejo se puede calcular utilizando la fórmula:

residuo = 1/(n-1)! * lim(z->z0) [(z - z0)^(n-1) * X(z)]

Donde z0 es el polo complejo correspondiente y n es el orden del polo.

Algunas de las transformadas Z inversas más comunes utilizando el método de

residuos son:

1. a^n / (z - a) --> a^n u[n]

2. n a^n / (z - a)^2 --> n a^n u[n]

3. (z - a) / (z - a)^2 --> u[n] - a^n u[n]

4. (z - a) / (z - a)^k --> Suma de [(n+k-2)! / (n-1)! (k-1)! * a^n u[n]]

Es importante tener en cuenta que este método solo se aplica a funciones racionales
en Z que tienen polos complejos o múltiples. Si la función no tiene polos complejos
o si tiene otros tipos de singularidades, se deben utilizar otros métodos para calcular
la transformada Z inversa. Además, el método de residuos puede ser más
complicado que otros métodos y puede requerir conocimientos avanzados de
funciones complejas y cálculo de residuos.

Método de expansión en series de potencias: Este método se utiliza para funciones

que no tienen singularidades en el plano complejo. Se utiliza una serie de Taylor o
una serie de Laurent para expandir la función en una serie de potencias de Z, y
luego se calcula la transformada Z inversa de cada término de la serie.

utilizando el Método de expansión en series de potencias se utiliza para calcular la

inversa de una función racional en el dominio de la frecuencia. Este método se basa
en la expansión de la función en series de potencias en torno a z = 0.
Los pasos para calcular la transformada Z inversa utilizando el Método de expansión
en series de potencias son los siguientes:

1. Escribir la función racional en forma de serie de potencias en torno a z = 0.

2. Identificar el radio de convergencia de la serie.

3. Reorganizar la serie de potencias en una forma que permita identificar la

transformada Z inversa.

4. Encontrar la transformada Z inversa mediante la identificación de una serie

de la forma de una transformada Z inversa conocida.

La fórmula general para la transformada Z inversa utilizando el Método de expansión

en series de potencias es:

x[n] = Suma de (a_k * n^k)

Donde a_k son los coeficientes de la serie de potencias correspondiente.

Algunas de las transformadas Z inversas más comunes utilizando el Método de

expansión en series de potencias son:

1. 1 / (1 - a z^-1) --> a^n u[n]

2. z / (1 - a z^-1)^2 --> Suma de [(k+1) a^k * u[n-k-1]]

3. (1 - a z^-1) / (1 - b z^-1)^2 --> Suma de [(k+1) a^k b^n-k-1 * u[n-k-1]]

Es importante tener en cuenta que el Método de expansión en series de potencias

solo se aplica a funciones racionales en Z que tienen una serie de potencias bien
definida alrededor de z = 0. Además, la convergencia de la serie de potencias debe
ser analizada cuidadosamente para garantizar que se encuentre dentro de la región
de convergencia de la función original.

Método de inversión integral: Este método se utiliza para funciones que no se

pueden expresar en forma cerrada. Se utiliza una integral compleja para calcular la
transformada Z inversa, utilizando una curva de integración adecuada en el plano
complejo.
utilizando el Método de inversión integral se utiliza para calcular la inversa de una
función de la transformada Z utilizando la fórmula integral de inversión de Laplace.
Este método es muy útil para funciones que no pueden ser invertidas directamente
utilizando otros métodos.

La fórmula general para la transformada Z inversa utilizando el Método de inversión

integral es:

x[n] = (1 / 2πi) * integral de C (X(z) * z^(n-1) * dz)

Donde X(z) es la función de la transformada Z y C es una curva de integración en

el plano complejo que rodea todos los polos de la función de la transformada Z.

Algunas de las transformadas Z inversas más comunes utilizando el Método de

inversión integral son:

1. a^n u[n] --> (1 / (z - a)) * 1/(1 - (a/z))

2. n u[n] --> z^-2 * 1/(1 - (z^-1)^2)

3. 1/(1 + a z^-1) --> (1 / (2a)) * (1/(1 + a/z) + 1/(1 + a/(z-1)))

Es importante tener en cuenta que el Método de inversión integral es un método

poderoso para calcular la transformada Z inversa, pero su implementación puede
ser compleja debido a la selección de la curva de integración adecuada. Además,
la región de convergencia de la función original puede ser difícil de determinar
utilizando este método, por lo que se recomienda utilizar otros métodos en caso de
que sea posible.

Conclusión

Podemos tener la conversión de una salida analógica por una señal digital discreta
gracias a los variados métodos que hemos aprendido esta unidad lo cual se facilitara
ajuste y cambio. Por el mismo motivo anterior un cambio en un control analógico
implica, en el mejor de los casos, un cambio de componentes si no
un cambio del controlador completo. Nos ayudara mas adelante en Tendencia al
control distribuido o jerárquico. Se ha pasado de la idea de usar un único controlador
o computador para toda una planta a la de distribuir los dispositivos inteligentes por
variable o grupos de estas e ir formando estructuras jerárquicas.

Bibliografía

Turmero, P. (2014, 14 agosto). Introducción para el control digital.

Monografias.com. https://www.monografias.com/trabajos101/introduccion-control-
digital/introduccion-control-digital

Vinagre, B. M., & Monje, C. A. (2010). Introducción al control fraccionario. Revista

Iberoamericana de Automática e Informática Industrial, 3(3), 5-23.

Williams, J. E., & Vukelich, S. R. (1979). The USAF Stability and Control Digital
DATCOM. Volume III. Plot Module. Mcdonnell Douglas Astronautics Co St Louis Mo.

Hatakeyama, A., Mochizuki, H., Aikawa, T., Takita, M., Ishii, Y., Tsuboi, H., ... &
Taguchi, M. (1997). A 256-Mb SDRAM using a register-controlled digital DLL. IEEE
Journal of Solid-State Circuits, 32(11), 1728-1734.

colaboradores de Wikipedia. (2022, 27 julio). Ecuaciones en diferencias. Wikipedia,

la enciclopedia libre. https://es.wikipedia.org/wiki/Ecuaciones_en_diferencias

Tenorio Villalón, A. F., Martín Caraballo, A. M., Paralera Morales, C., & Contreras
Rubio, I. (2013). Ecuaciones diferenciales y en diferencias aplicadas a los conceptos
económicos y financieros. Revista de Métodos Cuantitativos para la Economía y la
Empresa, 16, 165-199.

Socualaya Acosta, J. A. (2011). Ecuaciones en diferencias y el modelo de Solow.

Zill, D. G. (2008). Ecuaciones diferencia es.

colaboradores de Wikipedia. (2022b, noviembre 3). Transformada Z.

Wikipedia, la enciclopedia libre. https://es.wikipedia.org/wiki/Transformada_Z

Reyes, V. T. L. E. D. C. (2020, 7 junio). Introducción a la transformada z

inversa. Control digital. Temas de cálculo.
https://temasdecalculo.com.mx/2018/03/28/1-9-la-transformada-z-inversa-
control-digital/
Sacerdoti, J. (2003). TRANSFORMADA Z.

López, D., & Obregón, E. (1966). La transformada z. Revista Colombiana de

Matemáticas, 8(3-4), 42-56.

Bertran Albertí, E. (2021). Transformada Z.

Muestreo, Reconstruccion y control digital. Grupo 4. (2012, 14 julio).

Issuu. https://issuu.com/roselisn/docs/revista_control_ii._grupo_4

Reyes, V. T. L. E. D. C. (2020a, junio 5). Proceso de muestreo y proceso de

reconstrucción. Control digital. Temas de
cálculo. https://temasdecalculo.com.mx/2018/03/24/1-3-proceso-de-muestreo-y-
proceso-de-reconstruccion-control-digital/

Proakis, J. G. (2007). Tratamiento digital de señales.

Lara Vecino, J. A., Rueda Cabrales, N. P., & Vecino Pico, H. (2005). Descripción de
procedimientos para el muestreo y reconstrucción de señales.

Díaz Mosquera, W. A. Reconstrucción de señales ruidosas a través del teorema de

muestreo de Shannon.

Reyes, V. T. L. E. D. C. (2020c, junio 7). Introducción a la transformada z inversa.

Control digital. Temas de cálculo. https://temasdecalculo.com.mx/2018/03/28/1-9-
la-transformada-z-inversa-control-digital/