PORTAFOLIO

CONTROL II
Jose Miguel Puerta Garcia
Cod: 2018219084

josepuertamg@unimagdalena.edu.co

En este avance del portafolio, presento una recopilación de informes y actividades realizadas durante el curso
de Control. A lo largo del semestre, he adquirido conocimientos y habilidades fundamentales en el análisis y
diseño de sistemas de control.
Introduction and overview

Control Continuo

Se trata de un sistema en el que las señales y las acciones que regulan cambian de manera continua a lo largo
del tiempo. En este tipo de sistemas, las mediciones y las señales de control se adquieren y procesan de forma
instantánea, sin requerir una discretización evidente. Esto conlleva que las variables del sistema y las acciones
de control se describen mediante funciones continuas que evolucionan de manera ininterrumpida a lo largo del
tiempo.

Control Discreto

En estos sistemas, las señales de entrada y las acciones de control se toman en momentos regulares y se
procesan a través de algoritmos y operaciones discretas, lo que conduce a una representación que se basa en
valores discretos de las variables del sistema de control. Las mediciones y cálculos se llevan a cabo utilizando
los valores discretos obtenidos en esos instantes específicos. Esto significa que las variables en este sistema
se representan mediante secuencias discretas de valores.

En el control discreto, el análisis y el diseño se llevan a cabo utilizando herramientas y técnicas diseñadas
específicamente para el dominio del tiempo discreto, como la transformada Z. La implementación de sistemas
de control discreto se realiza mediante dispositivos digitales y sistemas de tiempo discreto, como
microcontroladores y procesadores.

Muestreo

El muestreo es el proceso de tomar mediciones o muestras de una señal analógica en momentos específicos
en el tiempo. En el contexto del control discreto, la señal analógica se convierte en una representación discreta
mediante la medición en intervalos regulares. El intervalo de tiempo entre las mediciones se llama período de
muestreo y es fundamental para el análisis y diseño de sistemas de control discreto.

1
El primer gráfico exhibe la representación temporal de una señal continua, mientras que el segundo gráfico
ilustra la misma señal, pero ahora muestreada y representada en forma discreta a través de un dominio
discreto

Transformada Z

La transformada Z es una herramienta matemática fundamental empleada para el análisis y la configuración de

sistemas de control discretos. Es comparable a la transformada de Laplace en el ámbito continuo, pero se
enfoca en señales y sistemas discretos. Su función radica en representar señales discretas en el espectro de
frecuencias complejas, lo cual simplifica el análisis de la respuesta en frecuencia y facilita el diseño de
controladores para estos sistemas..

s = s Continuous-time transfer
function.

G =

1
---------
0.2 s + 1 Continuous-time
transfer function.

2
Es evidente que el sistema de lazo abierto exhibe un error de estado estable del 20% en lugar del 2%. En
consecuencia, se procede al diseño de un controlador con el objetivo de disminuir el error de estado estable al

nivel del 2%.

3
C =

500 s + 50
-----------
100 s^2 + s
Continuous-time transfer
function.

CL =

500 s + 50
-------------------------------
20 s^3 + 100.2 s^2 + 501 s + 50
Continuous-time transfer
function.

4
Se ve diferencia al sistema de lazo abierto, hay un error de salto al principio y luego reduce al 2% con el
tiempo, en cuanto al diagrama de bode donde se pueden comprobar todos los márgenes de estabilidad y para
este sistema tenemos que es de 50.5 grados que cumple con el requisito de 48 grados y dado que el error de
estado estable se ha reducido al 2%, este controlador cumple con todos los requisitos.
C =

500 s + 50
-----------
100 s^2 + s
Continuous-time transfer
function.

Cz =

0.5022 z - 0.4973
-------------------- z^2
- 1.999 z + 0.999

Sample time: 0.1 seconds Discrete-

time transfer function.

5
Es evidente que la ganancia y el cambio de fase del sistema son prácticamente idénticos en frecuencias bajas,
pero a medida que la frecuencia aumenta, los cambios en la fase comienzan a divergir. Este fenómeno se
atribuye al efecto del muestreo, el cual induce un retardo en el sistema a frecuencias más altas, generando
estas desviaciones en el cambio de fase.

Análisis en Simulink

Diagramas de bloque contrlador continuo y discreto.

6
 Diagrama de Bode controlador continuo.

Respuesta escalonada lineal controlador continuo.

7
 Diagrama de Bode controlador discreto.

Respuesta escalonada lineal controlador discreto.

Análisis de resultados

Las gráficas obtenidas muestran una similitud casi exacta con las obtenidas anteriormente. Es notable que el
margen de estabilidad para el controlador continuo es de 50.5 grados, mientras que el controlador discreto
presenta un margen de 27.6 grados. Aunque ambos son sistemas estables, el controlador discreto ha
experimentado una pérdida de estabilidad. Al observar la respuesta lineal, se notan significativamente más
oscilaciones en el controlador discreto en comparación con el controlador continuo.

8
Discretización

La conversión de un sistema de control continuo a uno discreto es un proceso crucial. En los sistemas
continuos, las variables y señales experimentan cambios continuos en el tiempo, mientras que en los sistemas
discretos se representan en instantes específicos.
Esta transformación resulta fundamental para adaptar los sistemas de control a plataformas digitales, como
computadoras o dispositivos electrónicos, que operan en un tiempo discreto. Estos dispositivos digitales
realizan mediciones de las señales en momentos discretos y calculan las acciones de control con base en esos
valores.
Para lograr esta conversión, se emplean diversos métodos de discretización, como el muestreo en tiempo o
técnicas numéricas que aproximan el comportamiento del sistema continuo al dominio discreto.
Es crucial considerar que la discretización conlleva limitaciones y consideraciones específicas. Por ejemplo, el
proceso de muestreo puede ocasionar la pérdida de detalles presentes en la señal original, y el intervalo de
tiempo utilizado para el muestreo puede influir directamente en la respuesta y comportamiento del sistema
resultante.

s = s Continuous-time transfer
function.

G =

1
----

s + 1 Continuous-time transfer
function. Ts = 0.1000

c2d Converts continuous-time dynamic system to discrete time.

SYSD = c2d(SYSC,TS,METHOD) computes a discrete-time model SYSD with

sample time TS that approximates the continuous-time model SYSC.
The string METHOD selects the discretization method among the following:
'zoh' Zero-order hold on the inputs
'foh' Linear interpolation of inputs

9
 'impulse' Impulse-invariant discretization
'tustin' Bilinear (Tustin) approximation.
'matched' Matched pole-zero method (for SISO systems only).
'least-squares' Least-squares minimization of the error between
frequency responses of the continuous and discrete
systems (for SISO systems only). 'damped' Damped Tustin
approximation based on TRBDF2 formula (sparse
models only).
The default is 'zoh' when METHOD is omitted. The sample time TS should
be specified in the time units of SYSC (see "TimeUnit" property).
c2d(SYSC,TS,OPTIONS) gives access to additional discretization options.
Use C2DOPTIONS to create and configure the option set OPTIONS. For
example, you can specify a prewarping frequency for the Tustin method by:
opt = c2dOptions('Method','tustin','PrewarpFrequency',.5); sysd =
c2d(sysc,.1,opt);

For state-space models,

[SYSD,G] = c2d(SYSC,Ts,METHOD)
also returns the matrix G mapping the states xc(t) of SYSC to the states xd[k] of SYSD: xd[k]
= G * [xc(k*Ts) ; u[k]] Given an initial condition x0 for SYSC and an initial input value u0=u(0),
the equivalent initial condition for SYSD is (assuming u(t)=0 for t<0): xd[0] = G * [x0;u0] . See
also c2dOptions, d2c, d2d, DynamicSystem.

Documentation for c2d

Other functions named c2d

Zero-Order Hold (ZOH)

El Zero-Order Hold (ZOH) es una técnica habitual de discretización que se emplea para aproximar un sistema
continuo mediante el muestreo de la señal de entrada y la conservación constante de su valor durante todo el
intervalo de muestreo. Esto implica mantener la señal de entrada a un nivel constante hasta el próximo instante
de muestreo. El ZOH se caracteriza por ser fácil de implementar y resulta especialmente apropiado para
señales con características escalonadas.
Gz =

0.09516
--------- z
- 0.9048

Sample time: 0.1 seconds Discrete-

time transfer function.

First-Order Hold (FOH)

El First-Order Hold (FOH) se emplea asimismo en la discretización de sistemas continuos, aunque a diferencia
del ZOH, realiza una interpolación lineal de la señal de entrada durante el intervalo de muestreo en lugar de
mantenerla constante. Esta técnica implica que la señal de entrada se aproxima a una función lineal a lo largo
del intervalo de muestreo. El FOH ofrece una aproximación más precisa de la señal continua en comparación
con el ZOH y resulta especialmente útil para señales que experimentan variaciones suaves o continuas.
Gf =

0.04837 z + 0.04679
------------------
z - 0.9048

Sample time: 0.1 seconds Discrete-

time transfer function.

10
Impulse Invariant

El método Impulse Invariant se basa en la respuesta al impulso del sistema continuo y se utiliza para discretizar
sistemas lineales e invariantes en el tiempo. En este método, se muestrea la respuesta al impulso del sistema
continuo y se utiliza para diseñar un sistema discreto con una respuesta similar. El método Impulse Invariant
preserva la respuesta en frecuencia del sistema continuo, pero puede introducir distorsiones en la respuesta
temporal.
Gi =

0.1 z + 1.57e-17
---------------
z - 0.9048 Sample
time: 0.1 seconds
Discrete-time
transfer function.

Tustin (Bilinear)

El método Tustin, también conocido como método Bilineal, es una técnica de discretización muy utilizada que
se fundamenta en la aproximación de la Transformada de Laplace continua mediante la Transformada Z
discreta. Este método emplea una transformación bilineal que mapea los puntos en el plano s (dominio
continuo) a puntos en el plano z (dominio discreto). Si bien el método Tustin preserva la respuesta en
frecuencia y la estabilidad del sistema continuo, es importante destacar que puede introducir distorsiones en la
respuesta temporal debido a la no linealidad inherente a la transformación utilizada.
Gt =

0.04762 z + 0.04762
------------------
z - 0.9048

Sample time: 0.1 seconds Discrete-

time transfer function.

Matched Z-Transform

El método Matched Z-Transform es una técnica de discretización utilizada para sistemas de control con
ecuaciones en diferencias. Este método se basa en igualar las primeras n muestras de la respuesta al impulso
del sistema continuo y discreto. El objetivo es obtener una respuesta en el dominio discreto que se ajuste lo
más posible a la respuesta del sistema continuo. El Matched Z-Transform puede proporcionar una buena
aproximación del sistema continuo, especialmente cuando se conocen las características específicas de la
respuesta al impulso.
Gm =

0.09516
--------- z
- 0.9048

Sample time: 0.1 seconds Discrete-

time transfer function.

11
Análisis de resultados

Parece que la mayoría de los sistemas son distintos entre sí, aunque comparten la misma ecuación
característica. Esto implica que todos estos sistemas poseen los mismos polos y, por ende, presentan la
misma estabilidad. Sin embargo, los ceros de estos sistemas se encuentran agrupados, aunque ninguno
coincide con los ceros obtenidos mediante el método de transformada Z.

12
En el diseño de un filtro notch, se destaca la importancia crucial de seleccionar apropiadamente el método de
discretización. En este contexto, la representación precisa de la respuesta temporal a una entrada escalonada
por parte del sistema discreto se vuelve crucial, mientras que se puede tolerar cierta variación en la frecuencia
de corte.
Cada método de discretización presenta ventajas específicas, dependiendo de los objetivos que busquemos
alcanzar en un diseño particular. Estos métodos nos conducen hacia representaciones discretas ligeramente
diferentes del mismo sistema continuo. La existencia de numerosos métodos disponibles para elegir radica
precisamente en esta particularidad.
Comprender a fondo las particularidades de cada método resulta esencial para seleccionar el más apropiado,
adaptado a nuestras necesidades específicas. Esta elección cuidadosa nos permitirá obtener una
representación discreta del sistema que se ajuste de manera óptima a nuestros requerimientos.
Sería interesante explorar cómo cada método responde ante un cambio en el tiempo, por ejemplo, al
modificarlo de 0.1 a 0.05, y comparar estos resultados con los obtenidos previamente utilizando cada método
de discretización. Esto proporcionaría una visión detallada sobre cómo cada enfoque responde a cambios en el
intervalo de muestreo y ayudaría a determinar cuál se adapta mejor a esas variaciones específicas.
Gz =

0.04877
--------- z
- 0.9512

Sample time: 0.05 seconds

Discrete-time transfer function.

Gf =

13
 0.02459 z + 0.02418
------------------
z - 0.9512

Sample time: 0.05 seconds

Discrete-time transfer function.

Gi =

0.05 z + 7.85e-18
----------------
z - 0.9512

Sample time: 0.05 seconds

Discrete-time transfer function.

Gt =

0.02439 z + 0.02439
------------------
z - 0.9512

Sample time: 0.05 seconds

Discrete-time transfer function.

Gm =

0.04877
--------- z
- 0.9512

Sample time: 0.05 seconds

Discrete-time transfer function.

14
Al comparar los gráficos de Bode y las respuestas al escalón, se evidencian resultados sumamente similares.
La concordancia en la respuesta en frecuencia es más precisa, incluso a frecuencias más altas, y las
respuestas temporales son prácticamente idénticas. En este sentido, si la discreción de todo el proceso es una
preocupación, es recomendable asegurarse de que la computadora que ejecute el controlador y la velocidad
de los sensores digitales sean lo suficientemente rápidos para que el sistema digital se comporte de manera
análoga a un sistema continuo.
No obstante, es crucial considerar que lograr esta similitud no siempre es factible, ya que, como se mencionó
en el video previo, tiempos de muestreo más rápidos pueden presentar desafíos en otras áreas de la
ingeniería. Por consiguiente, es valioso profundizar en cada uno de estos métodos y comprender en detalle sus
características particulares.
.

Comparemos Impulse Invariant y Zero-Order Hold (ZOH):

Gi =

0.1 z + 1.57e-17
---------------
z - 0.9048

Sample time: 0.1 seconds Discrete-

time transfer function.

Gz =

0.09516
--------- z
- 0.9048

15
Sample time: 0.1 seconds Discrete-
time transfer function.

16
Análisis de resultados

Al establecer un tiempo de muestreo de 0.1 segundos, se identificaron diferencias notables entre el método del
impulso invariante y el método de retención de orden cero al examinar la respuesta al impulso. En el punto de
muestreo, el método del impulso invariante se alineó perfectamente con la respuesta continua, mientras que el
método de retención de orden cero mostró un desfase. Este contraste puede generar confusión, dado que se
esperaría que el método de transformada Z, diseñado para representar la respuesta al impulso, generara una
secuencia de números que se ajustara de forma precisa a la curva de respuesta al impulso al regresar al
dominio del tiempo. Sin embargo, en la realidad, estos dos métodos difieren por un factor de 0.1,
correspondiente al tiempo de muestreo utilizado.

Designing for the zero-order hold

La implementación física del convertidor digital-analógico o del controlador de motor en un entorno real se rige
por la lógica de retención. No obstante, en el diseño basado en modelos, la precisión del modelado es
fundamental para asegurar el rendimiento óptimo del controlador en el hardware físico.
En el proceso de discretización, existen dos enfoques. Si se lleva a cabo el diseño directo de un controlador
discreto, se puede emplear el método de retención de orden cero para discretizar la planta. Por otro lado, si se
diseña inicialmente un controlador continuo, se requiere la utilización de un método de discretización distinto,
como el método Tustin o el método de polos y ceros coincidentes, para discretizar el propio controlador. Esto
evita la duplicidad de la lógica de retención al ser aplicada dos veces en el proceso.
.

Diseño de un controlador hibrido en Simulink

En Simulink, se implementa automáticamente la retención de orden cero al interactuar entre sistemas discretos
y continuos en un modelo híbrido. Cuando se diseña un controlador continuo en Simulink, la utilización de la
retención de orden cero se vuelve redundante y puede generar inestabilidades durante el proceso de
discretización.

17
 Modelo sistema híbrido

Visualización osciloscopio

La respuesta obtenida de ambos sistemas es idéntica. Es importante mencionar que Simulink incluye
automáticamente la retención de orden cero, lo cual es crucial al trabajar con un modelo híbrido para ajustar un
controlador discreto. En esta situación, la presencia de la retención de orden cero permite realizar cambios en
el controlador discreto dentro de Simulink y observar cómo estos ajustes impactan el modelo híbrido. Esta
flexibilidad simplifica la optimización del controlador, considerando la retención de orden cero.
Es esencial considerar que al sustituir una función de transferencia discreta por una continua en Simulink, todo
el modelo se vuelve continuo, eliminando así la necesidad de la retención de orden cero. En un sistema
continuo, esta retención no es requerida. Por lo tanto, al diseñar un controlador continuo utilizando este
enfoque, no se tomará en cuenta el retardo causado por la retención de orden cero. Esta omisión podría llevar
a que el sistema discretizado sea menos estable de lo inicialmente previsto.
Discretización del controlador utilizando el método de Tustin

s = s Continuous-time transfer
function.

C =

500 s + 50
-----------
100 s^2 + s
Continuous-time transfer
function.

Ct =

18
 0.5045 z^2 + 0.00999 z - 0.4945
------------------------------
z^2 - 1.998 z + 0.998

Sample time: 0.2 seconds Discrete-

time transfer function.

Modelo Sistema Híbrido método Tustin

19
 Visualización osciloscopio

La representación de la respuesta del controlador continuo se muestra mediante una línea amarilla, mientras
que la respuesta del controlador discreto se indica con una línea azul. Se aprecia un aumento en el sobrepico,
excediendo el 50%, y un tiempo de respuesta que ronda los tres o cuatro segundos. Al introducir la retención
de orden cero, el comportamiento general del sistema se acerca significativamente al sistema híbrido deseado.
La respuesta al escalón empleando esta aproximación se visualiza en verde. Aunque no es perfecta, se nota
que tanto la aproximación de Padé como los modelos que incorporan la retención de orden cero se ajustan
adecuadamente al sistema híbrido. Ambos métodos se acercan considerablemente más al modelo híbrido que
simplemente omitir los efectos de la retención por completo. No obstante, el modelo que utiliza la aproximación
de Padé tiene la ventaja adicional de ser un sistema completamente continuo. Esto implica la posibilidad de
diseñar el controlador mediante técnicas clásicas en el dominio S y luego discretizarlo utilizando métodos como
el método Tustin.
Hay diversas estrategias para diseñar un controlador discreto:

• Si la intención es desarrollar un controlador discreto directamente usando técnicas clásicas en el dominio Z,

podemos discretizar la planta utilizando un método que incorpore la retención de orden cero. Así, todo el
modelo estará en el dominio Z, lo que nos permitirá diseñar el controlador discreto directamente.

• En caso de preferir crear un controlador continuo utilizando técnicas clásicas en el dominio S, podemos
simular la retención de orden cero con una aproximación de Pade en forma de función de transferencia en el
dominio S. Luego, diseñamos el controlador y finalmente lo discretizamos con un método que no incluya la
retención de orden cero, como el método Tustin.

• Por último, si deseamos diseñar el controlador utilizando un modelo híbrido, no necesitamos discretizarlo.
Podemos diseñar y ajustar un controlador discreto con una planta continua directamente en Simulink. Sin
embargo, la limitación de este método radica en la imposibilidad de confiar en las herramientas de control
clásicas, lo que nos obliga a utilizar distintas técnicas.

Discretize with the matched method

El método de coincidencia de polos y ceros (matched pole-zero method) es una estrategia de discretización
empleada para transformar un sistema continuo en uno discreto. Este enfoque implica trasladar
individualmente cada polo y cero del dominio "s" al dominio "Z". Al utilizar esta técnica, la transferencia del
sistema discreto resultante será similar en el dominio del tiempo, aunque no necesariamente en el dominio de
la frecuencia.
En la representación de la función de transferencia de un sistema continuo, se utiliza una forma conocida como
ganancia de polos y ceros (zero-pole gain form). Esta presentación es una alternativa más conveniente, donde
el numerador es una constante y el denominador es un polinomio de segundo orden. Esta forma simplificada
facilita el análisis y la comprensión de la función de transferencia del sistema continuo.
z =

0×1 empty double column vector

p = 2×1 -2 -1 k = 1

20
Los polos y ceros de un sistema son esenciales para comprender cómo se comporta dinámicamente. Los polos
determinan si el sistema es estable, mientras que los ceros indican la eliminación de partes específicas en la
respuesta del sistema.
En el plano "s", se visualiza la ubicación gráfica de los polos y ceros en un sistema continuo. Cuando todos los
polos están en la parte izquierda del plano "s", se concluye que el sistema es estable. Esta disposición de los
polos en esa región es crucial, ya que garantiza que la respuesta del sistema disminuya con el tiempo y no
presente oscilaciones no deseadas.

dc_gain = 0.5000

Verificación de la ganancia en corriente continua del sistema:

21
Durante la verificación de la ganancia en corriente continua del sistema, se siguen diversas etapas.
Inicialmente, se crea la variable de Laplace "s" como parte del procedimiento habitual, aunque no se emplea

22
directamente en los cálculos reales. Posteriormente, se utiliza la función zpk para generar la función de
transferencia del sistema, con especificaciones de polos en -1 y -2, y una ganancia de 3.
Sin embargo, al comparar la ganancia en corriente continua calculada con la ganancia especificada, se
evidencia una discrepancia entre ambos valores. Para abordar esta discrepancia, se realiza un cálculo
adicional: la variable "s" se establece en 0 y se simplifica la razón resultante. Este proceso arroja una ganancia
en corriente continua de 1.5, en concordancia con la expectativa inicial.
Esta metodología de verificación y ajuste resalta la importancia de validar los resultados y realizar correcciones
cuando existen discrepancias. En este caso particular, se logró corregir la discrepancia en la ganancia en
corriente continua del sistema mediante el cálculo en el sistema continuo. Este enfoque meticuloso y el empleo
de herramientas como la variable de Laplace y la función zpk en MATLAB son fundamentales para obtener
resultados fiables en el análisis de sistemas de control.
Gz_proper =

z + 1
-----------------------
z^2 - 0.5032 z + 0.04978

Sample time: 1 seconds Discrete-

time transfer function.

23
Al revisar los resultados, se destaca que el proceso de mapeo de polos y ceros al plano "Z" constituye
únicamente el primer paso en este procedimiento. A pesar de que se aprecian similitudes entre los diagramas
de Bode del sistema original en el dominio "s" y el sistema mapeado en el dominio "Z", también se identifican
discrepancias notables. El sistema discreto exhibe una ganancia global más elevada y una rápida caída de
fase.
Al examinar la respuesta al escalón, se confirma nuevamente una ganancia generalmente mayor en el sistema
discreto. Sin embargo, hay tres pasos esenciales pendientes en el método de coincidencia de polos y ceros:
mapear los polos y ceros, agregar ceros en el infinito (aunque pueda parecer extraño), y eliminar los ceros en
el infinito para obtener una función propia. Además, se requiere ajustar la ganancia para alcanzar el
comportamiento deseado del sistema discreto.
Gz_matched =

0.40993 (z+1)
---------------------
(z-0.3679) (z-0.1353)

Sample time: 1 seconds Discrete-

time zero/pole/gain model.

24
Después de llevar a cabo las etapas anteriores, el siguiente paso, el número 4, se enfoca en ajustar la
ganancia en corriente continua (DC). Estos pasos previos son esenciales para proporcionar el contexto
necesario y comprender este proceso.

25
En el paso 2, se incorporan ceros en el infinito. A pesar de que inicialmente pueda parecer que el sistema
carece de ceros, en realidad existen ceros implícitos debido a la discrepancia entre la cantidad de polos y
ceros presentes en la función de transferencia. El número de ceros en el infinito es igual a la diferencia entre
los polos finitos y los ceros finitos.
En el paso 3, se crea una función de transferencia estrictamente propia. Aunque desde una perspectiva
matemática es factible tener una función de transferencia con cualquier número de polos y ceros, en el mundo
físico los sistemas son causales, lo que implica que la salida solo depende de las entradas pasadas o
presentes. Por lo tanto, se ajusta la función de transferencia para asegurar que tenga una cantidad igual o
menor de ceros que de polos. En este caso, se eliminan los ceros en Z igual a -1 para lograr que el sistema
sea estrictamente propio.
En el paso 4, se procede a modificar la ganancia. Se emplea un factor multiplicativo en la función de
transferencia en el dominio Z para igualar la ganancia en corriente continua en el dominio s. Para encontrar
este factor, se utiliza la ganancia en corriente continua del sistema continuo (al establecer s en 0) y se realiza
una operación algebraica para determinar el valor adecuado del multiplicador en el dominio Z. Al completar
estos pasos, se obtiene la forma final de la función de transferencia en el dominio Z.

The bilinear transform

La transformada bilineal se emplea comúnmente para convertir sistemas continuos en sistemas de control
digital. Este método es útil para traducir un sistema continuo descrito mediante una ecuación diferencial a un
sistema discreto descrito por una ecuación en diferencias. Se aplica especialmente en el diseño de
controladores digitales utilizados en microcontroladores o procesadores de señal digital (DSP).
El proceso básico de la transformada bilineal implica reemplazar la variable de Laplace "s" en la función de
transferencia del sistema continuo por una variable discreta "z". Esto se logra mediante la siguiente relación: s
= (2/T) * ((z - 1) / (z + 1)). Aquí, "T" representa el período de muestreo utilizado en el control digital. Al realizar
esta sustitución, la función de transferencia del sistema continuo se convierte en una función de transferencia
del sistema discreto.
La principal ventaja de la transformada bilineal radica en su capacidad para preservar la estabilidad del
sistema. Sin embargo, también introduce una distorsión conocida como distorsión de mapeo. Esta distorsión
puede impactar la precisión y la respuesta del sistema discreto en comparación con el sistema continuo
original. Para mitigar esta distorsión, a menudo se recurre a técnicas de diseño y compensación adicionales.
Una vez aplicada la transformada bilineal y obtenida la función de transferencia discreta, se pueden emplear
técnicas estándar de diseño de controladores digitales, como el método del lugar de las raíces o el método de
diseño PID, para desarrollar el controlador digital adecuado para el sistema.
Transformada bilineal en el diseño de un controlador digital:

26
Se deben evaluar múltiples aspectos al comparar los sistemas continuo y discreto. En primer lugar, es
fundamental analizar los tiempos de respuesta de ambos sistemas para identificar diferencias significativas en
el tiempo requerido para alcanzar un estado estable. Además, es importante examinar los sobrepicos en
ambas respuestas, es decir, los máximos picos que superan el valor de estado estable.
La estabilidad de ambos sistemas es otro aspecto crucial a considerar. Se debe prestar atención a posibles
oscilaciones no deseadas o a un crecimiento indefinido en la respuesta al escalón que puedan indicar
inestabilidades.
Otro punto a revisar es la precisión de la respuesta discreta en comparación con la respuesta continua. Esto
implica analizar las magnitudes de los valores de salida en el estado estable para verificar si existe alguna
discrepancia notable entre ambas respuestas.
Por último, se debe tener en cuenta la posible distorsión de mapeo introducida por la transformada bilineal. Es
esencial observar cualquier discrepancia significativa entre los sistemas continuo y discreto que pueda
atribuirse a esta distorsión y analizar su impacto en la precisión general de la respuesta discreta.

z-plane warping and the bilinear transform

El "z-plane warping" es un concepto fundamental en el ámbito del control digital, utilizado para modificar la
ubicación de los polos y ceros en el plano z, que es una herramienta gráfica esencial en el diseño de sistemas
de control digital. En este plano, la disposición de los polos y ceros desempeña un papel crucial al determinar
el comportamiento del sistema.
El principal objetivo del "z-plane warping" es aplicar una transformación específica en el plano z para ajustar
ciertos aspectos del sistema de control. Esta transformación se emplea para lograr un rendimiento particular,
como mejorar la estabilidad, reducir el tiempo de respuesta o ajustar la respuesta en frecuencia del sistema.

27
Un ejemplo práctico que ilustra el uso del "z-plane warping" se puede implementar en Matlab. Supongamos
que queremos mejorar la estabilidad de un sistema de control digital ajustando los polos en el plano z. El
código proporcionado demostrará cómo usar funciones como zpk y zplane para representar y observar
visualmente los cambios en el plano z antes y después de aplicar la transformación. Esto facilita una
comprensión más clara de cómo esta técnica influye en la ubicación de los polos y ceros, y por ende, en el
comportamiento del sistema de control digital.

28
29
En el proceso de diseñar filtros, se inicia creando un filtro analógico que emplea componentes electrónicos
como resistencias, capacitores e inductores. Este filtro está destinado a modificar selectivamente la amplitud
de las frecuencias en una señal y se planea usar en circuitos electrónicos analógicos.
Después de completar el diseño del filtro analógico, se realiza una conversión al dominio Z, empleado en el
procesamiento digital de señales, para transformar el filtro analógico en un equivalente digital. Esta
transformación implica discretizar el filtro analógico y ajustar sus características para adaptarlo a las exigencias
y restricciones del procesamiento digital de señales. El resultado es un filtro digital que puede ser
implementado mediante algoritmos o circuitos digitales.
El método más común para esta conversión de filtros analógicos a digitales es la transformación bilineal. Esta
técnica mapea el eje de frecuencia continua del filtro analógico al eje de frecuencia discreta del filtro digital. No
obstante, es crucial tener en cuenta que la transformación bilineal puede introducir distorsiones en la ubicación
de las frecuencias críticas en el diseño del filtro digital.
Las frecuencias críticas, como las de corte o resonancia, tienen un impacto determinante en la respuesta del
filtro. Debido a las particularidades inherentes de la transformación bilineal, estas frecuencias críticas pueden
desplazarse o distorsionarse en el dominio digital en comparación con su ubicación original en el dominio
analógico. Estas distorsiones podrían influir en la precisión y el rendimiento del filtro digital, especialmente en
aplicaciones sensibles a la ubicación precisa de las frecuencias críticas.
Existen distintos tipos de filtros empleados en función de las necesidades específicas de filtrado. Algunos
ejemplos notables son los filtros Butterworth, Chebyshev y Bessel, entre otros. Estos filtros reciben sus
nombres de los científicos e ingenieros que los desarrollaron y se caracterizan por sus propiedades únicas.

30
Los filtros Butterworth buscan tener una respuesta en frecuencia lo más uniforme posible en la banda de paso,
con una transición gradual en la banda de rechazo. Son ideales para aplicaciones que priorizan una respuesta
en frecuencia suave y una atenuación progresiva de frecuencias no deseadas.
Los filtros Chebyshev, por su parte, ofrecen una respuesta en frecuencia más pronunciada en la banda de
paso, lo que permite un mayor control sobre la atenuación de las frecuencias no deseadas. Se emplean
cuando se requiere una atenuación más abrupta de las frecuencias no deseadas, a pesar de tener una
respuesta en frecuencia menos uniforme en la banda de paso.
Por último, los filtros Bessel se caracterizan por minimizar las distorsiones de fase en su respuesta en
frecuencia. Son ampliamente utilizados en aplicaciones que requieren preservar la forma de onda y la
información temporal de la señal, como en sistemas de audio y comunicaciones.

31
 Control de pitch de Aeronave

Este curso se divide en cuatro etapas: breve explicación, diseño del controlador, modelado, simulación del
sistema y análisis de resultados.

El sistema de control de Pitch en aeronaves es un componente crítico de la tecnología aeroespacial que se

encarga de regular el ángulo de cabeceo, es decir, la inclinación hacia arriba o hacia abajo del eje longitudinal
de la aeronave. Este sistema desempeña un papel esencial en la estabilidad y maniobrabilidad de la aeronave
y tiene diversas aplicaciones clave.
Importancia:

 Estabilidad: El sistema de control de Pitch es esencial para mantener la estabilidad de una aeronave
durante el vuelo. Controla la inclinación de la aeronave, lo que ayuda a evitar movimientos no deseados
y a mantener una actitud de vuelo segura.

 Maniobrabilidad: Este sistema permite que la aeronave realice maniobras controladas, como
ascensos, descensos y giros. Esto es fundamental tanto en la aviación comercial como en la militar,
donde la capacidad de maniobra es crítica.

 Seguridad: Un control de Pitch efectivo contribuye significativamente a la seguridad de las operaciones

de vuelo, ya que evita situaciones de pérdida de control que pueden poner en peligro la vida de las
personas a bordo.
Aplicaciones:

 Aviación Comercial: En la aviación comercial, el sistema de control de Pitch garantiza vuelos estables
y seguros, lo que es esencial para la satisfacción de los pasajeros y la seguridad de las operaciones.

 Aviación Militar: En aeronaves militares, el control de Pitch se utiliza para lograr maniobras de alta
velocidad y agilidad, lo que es fundamental en operaciones de combate y tácticas aéreas.

 Exploración y Vigilancia: En drones y aeronaves no tripuladas (UAVs), el control de Pitch se emplea

en misiones de vigilancia, búsqueda y rescate, inspección y exploración de áreas remotas.

32
  Aviación Deportiva y Experimental: Los pilotos y entusiastas de la aviación utilizan el control de Pitch
en aeronaves deportivas y experimentales para experimentar con la inclinación y el vuelo acrobático.
El sistema de control de Pitch en aeronaves es fundamental para la seguridad, estabilidad y maniobrabilidad en
la aviación. Sus aplicaciones abarcan desde vuelos comerciales hasta operaciones militares, exploración y
entretenimiento. Un entendimiento profundo de este sistema es esencial para los ingenieros electrónicos que
trabajan en el diseño y desarrollo de sistemas aeroespaciales.

Fundamentos de Control de Pitch

El Pitch en una aeronave se refiere al movimiento alrededor del eje lateral, también conocido como eje de
cabeceo. Este movimiento implica la inclinación de la aeronave hacia arriba o hacia abajo alrededor de su eje
longitudinal, que es una línea imaginaria que se extiende desde la nariz de la aeronave hasta la cola. El control
del Pitch permite que la aeronave ajuste su ángulo de inclinación y, por lo tanto, su actitud en el aire.
La inclinación hacia arriba se conoce como "nariz arriba" o "subida", mientras que la inclinación hacia abajo se
denomina "nariz abajo" o "descenso". El control de Pitch es esencial para controlar la altitud de la aeronave y
mantener su estabilidad en el vuelo. El Pitch se controla típicamente mediante el movimiento de la superficie de
control principal llamada elevador, que se encuentra en la cola de la aeronave. Al mover el elevador hacia arriba
o hacia abajo, se cambia la distribución de sustentación y, por lo tanto, el ángulo de cabeceo de la aeronave.

El control de Pitch desempeña un papel fundamental en la estabilidad y maniobrabilidad de una aeronave, y su

importancia radica en varios aspectos clave:
Estabilidad:

 Estabilidad Longitudinal: El control de Pitch es esencial para mantener la estabilidad longitudinal de la

aeronave. Permite controlar la inclinación de la aeronave hacia arriba o hacia abajo, lo que a su vez
controla la actitud de vuelo. Cuando la aeronave experimenta perturbaciones, como ráfagas de viento,
cambios en la carga de la aeronave o turbulencia, el control de Pitch permite que se recupere y regrese a
su actitud de vuelo deseada, manteniendo así la estabilidad.

 Estabilidad de Altitud: Controlar el Pitch es crucial para ajustar la altitud de la aeronave. Al inclinar la
nariz hacia arriba, la aeronave asciende, y al inclinarla hacia abajo, desciende. Esto es fundamental para
mantener la altitud de crucero, evitar colisiones con obstáculos en el aire y garantizar un vuelo nivelado.
Maniobrabilidad:

 Maniobras Controladas: El control de Pitch permite que la aeronave realice maniobras controladas,
como giros, ascensos y descensos. Esto es esencial en la aviación militar, donde las maniobras tácticas
son críticas, así como en la aviación deportiva, donde los pilotos ejecutan acrobacias aéreas.

 Respuesta a las Entradas del Piloto: La capacidad de cambiar el Pitch de la aeronave en respuesta a
las acciones del piloto es crucial para mantener el control y cumplir con los comandos del piloto. Esto se
traduce en una mejor maniobrabilidad y capacidad de respuesta en situaciones críticas.
Control:
Control de Vuelo: El control de vuelo se refiere a la capacidad de una aeronave para mantener una actitud
deseada y responder a las entradas del piloto. Incluye el control de Pitch, Roll (inclinación lateral) y Yaw (girar
alrededor del eje vertical).

33
Superficies de Control: Para controlar la aeronave, se utilizan superficies de control, como alerones,
elevadores y timones, que modifican la distribución de sustentación y la dirección del flujo de aire alrededor de la
aeronave.
Estabilidad Direccional: La estabilidad direccional se refiere a la capacidad de una aeronave para mantener un
rumbo constante. Los timones desempeñan un papel crucial en lograr esta estabilidad.
Estabilidad:

 Estabilidad Longitudinal: La estabilidad longitudinal se centra en el control de Pitch. Una aeronave se

considera estable longitudinalmente cuando tiende a volver a su actitud de vuelo nivelado después de
una perturbación. Esto evita que la aeronave entre en oscilaciones incontrolables.

 Estabilidad Lateral y Direccional: La estabilidad lateral se relaciona con el control de Roll, mientras que
la estabilidad direccional se asocia con el control de Yaw. Ambas se refieren a la capacidad de la
aeronave para mantenerse nivelada en vuelo recto y nivelado, y responder adecuadamente a las
entradas del piloto.

 Centro de Gravedad: La ubicación del centro de gravedad de la aeronave es un factor crítico en la

estabilidad. Un centro de gravedad adecuadamente posicionado es esencial para garantizar una
respuesta estable a las perturbaciones.

 Margen de Estabilidad: El margen de estabilidad se refiere a la distancia entre el centro de gravedad y

el centro aerodinámico de la aeronave. Un margen adecuado es crucial para asegurar la estabilidad.
En conjunto, el control y la estabilidad son conceptos interrelacionados que son esenciales en la aviación y la
ingeniería aeroespacial. Un adecuado diseño de la aeronave, junto con sistemas de control precisos,
garantiza vuelos seguros y maniobrabilidad adecuada, además de mantener la estabilidad a lo largo de las
operaciones de vuelo.

Modelado

“Las variables del sistema de cabeceo de la aeronave se definen en la Figura 1. El ángulo de cabeceo θ es el
ángulo entre la dirección del horizonte y el eje x del cuerpo de la aeronave. El ángulo de ataque ∝ es el ángulo
entre el eje longitudinal de la aeronave y la dirección del viento v . El ángulo de paso se manipula mediante la
desviación en el ascensor. δ e.” [1]

Figura 1. Variables del sistema de cabeceo de aeronaves [1]

34
"Mediante el proceso de identificación del sistema, se pueden derivar las ecuaciones diferenciales numéricas
que describen la dinámica de cabeceo de las aeronaves." [1]

Es factible transformar las ecuaciones diferenciales previamente mencionadas en una representación en forma
de espacio de estados.

Antes de establecer el modelo de espacio de estados en Collimator, incluiremos algunas bibliotecas útiles.

35
Las matrices del espacio de estados se establecen en el cuaderno de Collimator de esta forma.

Análisis y diseño
Un análisis de los polos y ceros del sistema de cabeceo de una aeronave revela los siguientes resultados.

36
Claramente, el sistema muestra la presencia de un integrador. Esto implica que el sistema es marginalmente
estable, aunque pueda tender a volverse inestable con ciertas señales limitadas. Además, al tener un cero, las
leyes de características en el dominio del tiempo pueden no ser fiables para las consideraciones de diseño.
A continuación, procederemos a analizar las respuestas escalonadas tanto en bucle abierto como en bucle
cerrado para el sistema de control de tono. En el caso del sistema en bucle cerrado, implementaremos un
controlador proporcional k p=1 por razones comparativas.

La respuesta escalonada en bucle abierto muestra un crecimiento indefinido en una dirección específica. Esto se
deriva de las limitaciones inherentes en la dinámica del integrador, como se explicó previamente. Por otro lado,
la respuesta escalonada en bucle cerrado, aunque estable, no cumple con las expectativas deseadas.

37
Debido a las características del integrador, el sistema carece de error en estado estacionario, aunque exhibe una
velocidad bastante limitada tanto en el tiempo de subida como en el tiempo de estabilización. Para asegurar un
rendimiento satisfactorio, es crucial que las métricas de calidad del vuelo cumplan con los siguientes criterios de
diseño: excederse≤15, hora de levantarse≤0,5segundos, tiempo de estabilización≤4segundos, error de estado
estacionario≤1.
Se agrega un controlador PID en el bucle como se muestra en la Figura 2.

Figura 2.

En la próxima celda, se va a crear un sintonizador PID interactivo con el fin de observar los cambios en las
respuestas al escalón al ajustar la ganancia del controlador. Inicialmente, vamos a configurar el controlador
evaluando algunas ganancias PID empíricas. Para llevar a cabo esta tarea, se empleará la biblioteca ipywidgets
en el cuaderno Collimator. En primer lugar, se definirá una función que permitirá calcular tanto la respuesta al
escalón como las características en el dominio del tiempo asociadas a la salida de la respuesta al escalón.

A continuación, estableceremos las variables interactivas destinadas al ajuste de la función. En este caso,
asumiremos un rango de valores entre 0 y 10 para las ganancias del controlador PID.

38
Análisis de resultado
Podemos incrementar la ganancia proporcional (P) hasta que se genere alguna oscilación para mejorar la
rapidez del sistema. Posteriormente, incrementaremos la ganancia integral (I) para que el controlador sea más
enérgico. Por último, introduciremos la ganancia derivativa (D) para conservar la velocidad del sistema al mismo
tiempo que atenuamos la oscilación generada.

Ahora observamos que las ganancias del controlador PID satisfacen los criterios de diseño establecidos.

Referencias

[1] Collimator. (2022, diciembre 21). PID controller design for aircraft pitch loop. Collimator.
https://www.collimator.ai/tutorials/aircraft-pitch-control-loop

39
40