Book Control I

UNIVERSIDAD
NACIONAL
DE INGENIERIA
APUNTES DE CLASE
DE CONTROL I
Teora y Ejemplos con
Aplicaciones de MATLAB
Ra ul Benites Saravia, M.Sc.
ii
Estas notas de clase son el material utilizado por el autor en el curso de Control I en la Facultad de
Ingeniera Electrica y Electronica de la Universidad Nacional de Ingeniera (UNI). Este material es el esfuerzo de
recopilacion y ordenamiento de materias tratados en diversos libros de la lnea de Control y Automatizacion, en
las que destacan autores como Ogata, Eronini, Lewis, Kuo, etc., as como, diversas materias teoricas y ejemplos
en Matlab introducidas por el autor, que en conjunto conforman un res umen que sera de utilidad para los alumnos
y docentes de la lnea de control y anes.
Apuntes de Clase de Control I, Teora y Ejemplos con Aplicaciones de MAT-
LAB
Copyright c _Ra ul Benites-Saravia, 2002. Reservados todos los derechos
Indice General
Agradecimientos iii
Prefacio v
1 Introducci on a los Sistemas de Control 1
1.1 Objetivo del Control Autom atico . . . . . . . . . . . . . . . . 1
1.2 Campos de aplicacion . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Deniciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Clasicacion de Sistemas de Control . . . . . . . . . . . . . . 2
1.5 Componentes de un Sistema de Control . . . . . . . . . . . . 4
1.6 Ejemplos de Sistemas de Control . . . . . . . . . . . . . . . . 4
2 Modelos Matematicos de Sistemas Dinamicos 7
2.1 Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Tablas de Transformadas de Laplace . . . . . . . . . . . . . . 7
2.3 Ecuaciones Diferenciales de Sistemas Fsicos . . . . . . . . . . 8
2.4 Modelos de Estado . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.1 Representacion de sistemas dinamicos en el espacio de
estado . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.2 Modelos de sistemas lineales . . . . . . . . . . . . . . . 12
2.4.3 Soluciones de las ecuaciones de estado . . . . . . . . . 15
2.4.4 Diagramas de estado . . . . . . . . . . . . . . . . . . . 17
2.4.5 Gestion de los modelos de estado utilizando software
de simulaci on . . . . . . . . . . . . . . . . . . . . . . . 17
2.5 Modelos de funci on de transferencia . . . . . . . . . . . . . . 18
2.5.1 Funcion de transferencia de sistemas fsicos . . . . . . 18
2.5.2 Diagramas de bloques y diagramas de ujo . . . . . . 19
2.5.3 Transformaciones de modelos matematicos lineales 23
2.5.4 Modelado utilizando software de simulaci on . . . . . . 24
3 Analisis de Funcionamiento de Sistemas de Control 27
3.1 Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 An alisis de respuesta transitoria para sistemas de primer orden 28
3.2.1 Respuesta escalon unitario de sistemas de primer orden 28
viii

INDICE GENERAL
3.2.2 Respuesta rampa unitaria de sistemas de primer orden 30
3.2.3 Respuesta impulso unitario de sistemas de primer orden 31
3.3 An alisis de respuesta transitoria para sistemas de segundo orden 32
3.3.1 Respuesta a un escalon unitario . . . . . . . . . . . . . 34
3.3.2 Respuesta impulsiva de sistemas de segundo orden . . 35
3.4 An alisis de respuesta transitoria para sistemas de orden superior 36
3.4.1 Respuesta de sistemas de tercer orden al escalon unitario 36
3.4.2 Respuesta transitoria de sistemas de orden superior . 36
3.5 An alisis de respuesta transitoria utilizando software de simu-
lacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5.1 Respuesta a una entrada escalon a partir de la funci on
de transferencia del sistema . . . . . . . . . . . . . . . 38
3.5.2 Respuesta a una entrada escal on de un sistema en el
espacio de estados . . . . . . . . . . . . . . . . . . . . 39
3.5.3 Respuesta a una entrada impulso unitario . . . . . . . 40
3.5.4 Respuesta a una entrada en rampa . . . . . . . . . . . 42
3.6 An alisis de respuesta estacionaria . . . . . . . . . . . . . . . . 43
3.7 Rechazo a Perturbaciones . . . . . . . . . . . . . . . . . . . . 46
3.8 Sensibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.9 Respuesta Estacionaria utilizando Software de Simulaci on . . 51
4 Estabilidad 53
4.1 Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2 Estabilidad Aplicados a Modelos de Estado Lineales . . . . . 53
4.3 Estabilidad Aplicados a Modelos de Funci on de Transferencia 54
4.4 Test de Routh - Hurwitz . . . . . . . . . . . . . . . . . . . . . 55
4.5 Estabilidad utilizando software de simulaci on . . . . . . . . . 57
5 Analisis de Sistemas de Control en el Espacio de Estado 59
5.1 Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.2 Matriz de Transferencia . . . . . . . . . . . . . . . . . . . . . 59
5.2.1 Matriz de Transferencia de un Proceso . . . . . . . . . 59
5.2.2 Matriz de Transferencia de un Sistema de Control . . 62
5.3 Soluci on de las ecuaciones de estado lineales e invariantes en
el tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.3.1 Solucion de la ecuacion de estado de un sistema de
control en cascada . . . . . . . . . . . . . . . . . . . . 63
5.3.2 Solucion de la ecuacion de estado de un sistema de
control proporcional realimentado . . . . . . . . . . . 63
5.4 Controlabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.5 Observabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.6 Controlabilidad y observabilidad utilizando software de
simulacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.7 Sistemas lineales variantes en el tiempo . . . . . . . . . . . . 69
INDICE GENERAL ix
5.7.1 Solucion de ecuaciones de estado variantes en el tiempo 70
6 Metodos Gracos de Analisis de Sistemas de Control 73
6.1 Metodo del Lugar Geometrico de las Races . . . . . . . . . . 73
6.1.1 Reglas generales para construir el lugar geometrico de
las races (LGR) . . . . . . . . . . . . . . . . . . . . . 75
6.1.2 Analisis de Sistemas de Control mediante el LGR . . . 83
6.1.3 Lugar Geometrico de las Races para Sistemas con Re-
tardo de Transporte . . . . . . . . . . . . . . . . . . . 85
6.1.4 Gracas del LGR utilizando Software de Simulaci on . 88
6.2 Metodo de Respuesta en Frecuencia . . . . . . . . . . . . . . 92
6.2.1 Gracas de Bode . . . . . . . . . . . . . . . . . . . . . 93
6.2.2 Gracas de Bode utilizando software de simulaci on . . 101
6.2.3 Gracas Polares y Criterio de Estabilidad de Nyquist 102
6.2.4 Aplicacion a sistemas con retardo de transporte . . . . 109
7 Modelos No Lineales, Linealizacion y Tecnicas Analticas 111
7.1 Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.2 Modelos de Sistemas No Lineales: Propiedades Caractersticas 111
7.3 Espacio de Estados y Plano F asico . . . . . . . . . . . . . . . 113
7.3.1 Metodo del Plano de Fase . . . . . . . . . . . . . . . . 114
7.4 Simulacion con una caracterstica de saturacion . . . . . . . . 116
7.5 Simulacion con un Controlador de Nivel Discreto . . . . . . . 118
7.5.1 Sistema con un controlador de dos niveles . . . . . . . 119
7.5.2 Sistema con un controlador de tres niveles . . . . . . . 122
7.6 Sistema con Rozamiento No Lineal . . . . . . . . . . . . . . . 123
7.7 Estados de Equilibrio y Puntos de consigna nominales . . . . 125
7.8 Linealizacion Aproximada . . . . . . . . . . . . . . . . . . . . 126
7.9 Funcion Descriptiva . . . . . . . . . . . . . . . . . . . . . . . 128
7.9.1 Funcion descriptiva para la caracterstica de saturacion 129
7.9.2 Funcion descriptiva para la caracterstica de zona muerta130
7.10 Fundamentos de la Teora de Liapunov . . . . . . . . . . . . . 131
7.10.1 Punto de equilibrio o punto crtico . . . . . . . . . . . 131
7.10.2 Estabilidad por el metodo directo de Lyapunov . . . . 132
Bibliografa 141
Indice de Figuras
1.1 Representacion del proceso din amico. . . . . . . . . . . . . . . 1
1.2 Sistemas de control en lazo abierto y cerrado. . . . . . . . . . 3
1.3 Control de temperatura:(a)neum atico; (b) electronico; (c) Di-
agrama de bloques. . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 (a) Esquema electrico del sistema control de velocidad; (b)
Diagrama de bloques. . . . . . . . . . . . . . . . . . . . . . . 5
1.5 (a) Sistema de Control de la locomotora,(b) Diagrama de blo-
ques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 b) Diagrama de bloques del sistema de control de la locomotora. 6
2.1 Diagrama de bloques detallado del sistema de orden n . . . . 10
2.2 Diagrama de un motor DC controlado por armadura . . . . . 12
2.3 Circuito simple RLC . . . . . . . . . . . . . . . . . . . . . . . 15
2.4 Diagrama de estado . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Diagrama de estado en SIMULINK . . . . . . . . . . . . . . . 19
2.6 (a) Elementos de un diagrama de bloques; (b) Diagrama de
bloques como resultado de combinar elementos. . . . . . . . 20
2.7 Diagramas de ujo del sistema descrito . . . . . . . . . . . . . 21
2.8 Diagrama de bloques del motor DC controlado por armadura 23
2.9 Diagrama de bloques reducido del motor DC controlado por
armadura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.1 Diagrama de bloques de un sistema de primer orden . . . . . 28
3.2 Diagrama de bloques simplicado . . . . . . . . . . . . . . . . 28
3.3 Respuesta del sistema de primer orden a una entrada escal on
unitario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4 Respuesta del sistema a una entrada escalon unitario desde
t = 0 hasta t = T . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5 Respuesta del sistema de primer orden a una entrada rampa
unitaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.6 Respuesta del sistema de primer orden a una entrada impulso
unitario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.7 Sistema de segundo orden . . . . . . . . . . . . . . . . . . . . 34
xii

INDICE DE FIGURAS
3.8 Respuesta de un sistema de segundo orden a una entrada
escalon unitario. . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.9 Sistema de Control. . . . . . . . . . . . . . . . . . . . . . . . 37
3.10 Respuesta al escalon de sistemas de orden superior. . . . . . . 38
3.11 Respuesta a un escalon unitario. . . . . . . . . . . . . . . . . 39
3.12 Respuesta a un escalon unitario. . . . . . . . . . . . . . . . . 41
3.13 Respuesta a un impulso unitario. . . . . . . . . . . . . . . . . 42
3.14 Respuesta a una rampa unitaria. . . . . . . . . . . . . . . . . 44
3.15 Sistema de control. . . . . . . . . . . . . . . . . . . . . . . . . 45
3.16 Sistema de control con perturbaciones. . . . . . . . . . . . . . 46
3.17 Sistema de control con perturbaciones. . . . . . . . . . . . . . 47
3.18 Respuesta del sistema de control a una perturbaci on escalon
unitario. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.19 Diagrama de bloques del sistema de control de realimentacion
estatica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.20 Diagrama de bloques de un sistema de control proporcional. . 50
3.21 Respuesta a una rampa unitaria. . . . . . . . . . . . . . . . . 51
5.1 Diagrama de bloques simplicado de un sistema de control
multivariable . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.2 Diagrama de bloques de un sistema de control proporcional
realimentado . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
6.1 Diagrama de bloques de un sistema de control . . . . . . . . . 74
6.2 Diagramas que muestran los angulos desde polos y ceros de
lazo abierto al punto de prueba s. . . . . . . . . . . . . . . . . 75
6.3 Sistema de Control. . . . . . . . . . . . . . . . . . . . . . . . 77
6.4 Ubicacion de polos y ceros de lazo abierto en el plano s. . . . 77
6.5 Lugar geometrico aproximado. . . . . . . . . . . . . . . . . . 78
6.6 Averiguando si existe LGR entre -1 y -2. . . . . . . . . . . . . 79
6.7 Averiguando si existe LGR entre -2 y -. . . . . . . . . . . . 79
6.8 Averiguando si existe LGR entre 0 y +. . . . . . . . . . . . 80
6.9 Lugar Geometrico de las Races nal. . . . . . . . . . . . . . . 82
6.10 Listado del programa en codigo Matlab. . . . . . . . . . . . . 83
6.11 Determinacion de los angulos de salida. . . . . . . . . . . . . 84
6.12 Sistema de control. . . . . . . . . . . . . . . . . . . . . . . . . 84
6.13 Lugar geometrico de las races. . . . . . . . . . . . . . . . . . 85
6.14 Sistema de fase no mnima. . . . . . . . . . . . . . . . . . . . 85
6.15 LGR del sistema de fase no mnima. . . . . . . . . . . . . . . 86
6.16 Sistema con retardo de transporte. . . . . . . . . . . . . . . . 87
6.17 Sistema con retardo de transporte. . . . . . . . . . . . . . . . 87
6.18 Lugar geometrico del sistema con retardo de transporte. . . . 88
6.19 Respuesta al escalon del sistema con retardo de transporte. . 88
6.20 Pantalla gr aca del rltool. . . . . . . . . . . . . . . . . . . . . 90
INDICE DE FIGURAS xiii

6.21 Diagrama de bloques de un sistema de control. . . . . . . . . 91
6.22 Lugar geometrico del sistema de control. . . . . . . . . . . . . 92
6.23 Ingreso de los ceros y polos GH(s) del sistema. . . . . . . . . 93
6.24 Lugar geometrico del sistema de control. . . . . . . . . . . . . 94
6.25 Sistema lineal estable e invariante en el tiempo. . . . . . . . . 94
6.26 Diagrama de Bode para 1/jw. . . . . . . . . . . . . . . . . . . 96
6.27 Diagrama de Bode para jw. . . . . . . . . . . . . . . . . . . . 97
6.28 Ancho de banda BW de [G(jw)[. . . . . . . . . . . . . . . . . 100
6.29 Transicion entre estabilidad e inestabilidad. . . . . . . . . . . 101
6.30 M argen de ganancia y m argen de fase para sistemas estables
e inestables. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.31 M argen de ganancia y m argen de fase para el ejemplo. . . . . 103
6.32 Diagrama de Nyquist de lazo abierto G(jw). . . . . . . . . . . 104
6.33 Diagrama de Nyquist de sistemas de fase mnima tipo 0, tipo
1 y tipo 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.34 Diagrama de bloques de un sistema de control. . . . . . . . . 105
6.35 Camino de Nyquist en el plano s. . . . . . . . . . . . . . . . . 106
6.36 Sistema de control y el camino de Nyquist. . . . . . . . . . . 106
6.37 Contorno en el plano GH y un detalle cerca al origen. . . . . 107
6.38 Diagrama de Nyquist para sistemas: inestable, oscilatorio y
estable. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
6.39 Margen de ganancia y margen de fase para sistemas estables
e inestables. . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.40 Diagrama de Nyquist para el sistema con retardo de transporte.110
7.1 Trayectorias en el plano fasico para sistemas lineales con: a)
amortiguamiento crtico, b) Una condici on subamortiguada,
c) estabilidad marginal y d) una condici on inestable. . . . . . 114
7.2 Trayectorias en el plano fasico de fenomenos no lineales con:
a) un ciclo lmite estable, b) un ciclo lmite inestable, c) una
respuesta lineal a tramos y d) un sistema con m as de un
estado de equilibrio. . . . . . . . . . . . . . . . . . . . . . . . 115
7.3 Trayectorias en el plano fasico de un sistema descrito por
x + x +x = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
7.4 Sistema con limitacion en el camino directo. . . . . . . . . . . 117
7.5 a) Diagrama de bloques con Simulink del sistema con satu-
racion, b) Salida y vs r, c) Se nal de control u. . . . . . . . . . 118
7.6 Diagrama de bloques completo y su respuesta en el plano f asico.119
7.7 Diagrama de bloques completo y su respuesta en el plano f asico.120
7.8 Diagrama del plano f asico. . . . . . . . . . . . . . . . . . . . . 121
7.9 Trayectoria fasica con un controlador de dos niveles. . . . . . 122
7.10 Diagrama del controlador de dos niveles, su respuesta (y) y
la se nal de control (u). . . . . . . . . . . . . . . . . . . . . . . 123
7.11 Sistema de control de tres niveles. . . . . . . . . . . . . . . . 124
xiv

INDICE DE FIGURAS
7.12 Sistema de control de tres niveles con histeresis de conmutacion.124
7.13 Sistema no lineal: a) Sistema con rozamiento, b) Diagrama
de cuerpo libre, c) rozamiento viscoso, d) rozamiento viscoso,
estatico y de coulomb. . . . . . . . . . . . . . . . . . . . . . . 135
7.14 Respuesta fundamental de un elemento con caracterstica de
saturacion a una entrada sinusoidal. . . . . . . . . . . . . . . 137
7.15 Respuesta fundamental de un elemento de zona muerta a una
entrada sinusoidal. . . . . . . . . . . . . . . . . . . . . . . . . 138
7.16 Sistema de control con caracterstica no lineal. . . . . . . . . 138
7.17 Estabilidad en sistemas aut onomos. . . . . . . . . . . . . . . . 139
7.18 Representacion gr aca de la funci on de Lyapunov. . . . . . . 139
Indice de Tablas
Captulo 1
Introducci on a los Sistemas
de Control
Un sistema de control podra denirse como un conjunto de componentes in-
terrelacionados que proporcionan acciones deseadas. Las diferentes tecnicas
de control presentan medios para lograr el funcionamiento optimo de sistemas
dinamicos, permitiendo mejorar la productividad, automatizar procesos
manuales y repetitivos, brindar seguridad y calidad en la producci on industrial.
1.1 Objetivo del Control Automatico
El objetivo del control autom atico es mantener en determinado valor de
operacion las variables del proceso. Para tal prop osito se dise na el contro-
lador adecuado permitiendo obtener salidas controladas que cumplan con los
requerimientos de dise no. En la gura 1.1 se representa el proceso dinamico
a controlar.
Figura 1.1: Representacion del proceso din amico.
2 Introduccion a los Sistemas de Control
1.2 Campos de aplicaci on
Control de procesos industriales
Sistema de pilotaje de aviones
Control de tr aco
Control de procesos economicos, etc.
1.3 Deniciones
Variable controlada: Es la cantidad o condici on que se mide y controla.
Por ejemplo la posicion angular de un robot industrial.
Variable manipulada: Es la cantidad o condici on producida por el
controlador, denominada tambien variable de control. Ejemplo de
variable manipulada sera la tensi on de salida del controlador que afecte
la variable controlada a un valor deseado.
Planta: Puede consistir en un equipo, un conjunto de piezas de una
maquina, que realiza una operaci on determinada. Por ejemplo, un
motor, un horno electrico, un vehculo espacial, un robot, etc.
Proceso: Es una operaci on caracterizado por una serie de sucesos grad-
uales, que tienden a un resultado nal deseado. Como ejemplos de
procesos podemos citar a los procesos qumicos y biologicos.
Sistema: Es un conjunto de componentes interrelacionados que pro-
porcionan acciones deseadas. Un ejemplo de sistema podra consistir
en un conjunto conformado por el computador (controlador), un brazo
mecanico (planta) y el sensor (componente de realimentacin hacia el
controlador).
Perturbaciones: Es una se nal interna o externa no deseada al sistema
que tiende a afectar su salida. Ejemplos de perturbaciones son ruido
termico, transitorios en la red electrica, variaciones de temperatura,
viento, etc.
1.4 Clasicaci on de Sistemas de Control
De acuerdo al tipo de estructura, se clasican en:
Sistemas de control en lazo abierto (SCLA). Ver gura 1.2(a)
Sistemas de control en lazo cerrado (SCLC). Ver gura 1.2(b)
1.4 Clasicacion de Sistemas de Control 3
Figura 1.2: Sistemas de control en lazo abierto y cerrado.
De acuerdo a su naturaleza, se pueden clasicar como sistemas de con-
trol lineales y no lineales. Todos los sistemas son inherentemente
no lineales. Si las variaciones de magnitud de las variables del pro-
ceso son peque nas, entonces el sistema puede linealizarse y aplicarse
las tecnicas de control lineal; sin embargo, si dichas variaciones son
amplias, entonces tienen que aplicarse tecnicas de control no lineal.
A continuaci on se listan algunos ejemplos de ecuaciones diferenciales
lineales y no lineales.
Lineales:
x = Ax; x = x 2x; x + 0.4 x + 3x = 0
No lineales:
x +a x +x
3
= bsen(wt); x = 4 x +x
2
Sistemas de control invariantes y variantes con el tiempo
Invariantes: Los par ametros no varan con el tiempo.
Variantes: Los parametros varan con el tiempo.
De acuerdo a la tecnologa se pueden clasicar en sistemas de control
en tiempo continuo y en tiempo discreto.
Sistemas de control en tiempo continuo: Son aquellos cuyas se nales
son continuas en el tiempo t, y pueden describirse mediante ecua-
ciones diferenciales.
Sistemas de control en tiempo discreto: Son aquellos en los cuales
una o mas de las variables pueden cambiar s olo en valores dis-
cretos de tiempo, y pueden describirse mediante ecuaciones en
diferencias.
1.5 Componentes de un Sistema de Control
Electricos
Electronicos
Mecanicos
Hidra ulicos
Neumaticos
Combinaci on de los anteriores.
1.6 Ejemplos de Sistemas de Control
Tpico intercambiador de calor.
Control de velocidad en lazo abierto para un motor DC.
Control de una locomotora electrica diesel.
1.6 Ejemplos de Sistemas de Control 5
Figura 1.3: Control de temperatura:(a)neum atico; (b) electronico; (c) Dia-
grama de bloques.
Figura 1.4: (a) Esquema electrico del sistema control de velocidad; (b) Di-
agrama de bloques.
Figura 1.5: (a) Sistema de Control de la locomotora,(b) Diagrama de blo-
ques.
Figura 1.6: b) Diagrama de bloques del sistema de control de la locomotora.
Captulo 2
Modelos Matematicos de
Sistemas Dinamicos
2.1 Introducci on
En el desarrollo de casi todas las estrategias de control, es indispensable
la obtencion del modelo matematico de la planta a controlarse, aplicandose
las leyes fsicas del proceso y obteniendo una ecuaci on diferencial (lineal
o no lineal). Si no es lineal, existen metodos de linealizacion que permiten
obtener el modelo lineal del proceso o planta, haciendo posible el uso de con-
troladores lineales. El uso de controladores lineales presupone la obtenci on
de un modelo del controlador lineal, para luego continuar con la obtenci on
del modelo del sistema completo, es decir del sistema de control (planta +
controlador).
En este captulo se tratar a sobre el modelamiento de sistemas lineales
con par ametros constantes.
2.2 Tablas de Transformadas de Laplace
Como paso previo a la obtenci on del modelo de un sistema din amico, es
necesario conocer una herramienta matematica de vital importancia para
obtener la funci on de transferencia de un sistema lineal: la transformada de
Laplace. En el desarrollo del curso se usar an tablas de transformadas de
Laplace. En la tabla 2.1 puede observarse la transformada de Laplace de
algunas funciones b asicas.
8 Modelos Matematicos de Sistemas Dinamicos
Tabla 2.1: Transformadas de Laplace de algunas funciones b asicas.
f(t) F(s)
1 (t) 1
2
1
s
3 e
at 1
s+a
4 t
1
s
2
5 t
n n!
s
n+1
6 sen(t)

s
2
+
2
7 cos(t)
s
s
2
+
2
8 te
at 1
(s+a)
2
9 e
at
sen(t)

(s+a)
2
+
2
10 e
at
cos(t)
(s+a)
(s+a)
2
+
2
11 (B Aa)te
at
+Ae
at As+B
(s+a)
2
12 e
at
[Acos((t)) +
(BAa)
sen(t)]
(As+B)
(s+a)
2
+
2
2.3 Ecuaciones Diferenciales de Sistemas Fsicos
Los elementos fsicos de par ametros concentrados como la resistencia, la
capacitancia, la inductancia, pueden ser representados por ecuaciones difer-
enciales lineales en funcion de la diferencia del valor entre los terminales, y
una variable que pasa a traves del elemento o componente. En la tabla 2.2
se presenta las ecuaciones diferenciales correspondientes a un conjunto de
elementos electricos y mecanicos pasivos.
2.4 Modelos de Estado
Un modelo de estado puede describir sistemas lineales y no lineales, propor-
cionando un fundamento matem atico potente para la aplicaci on de diversas
tecnicas analticas. En esta seccion se presenta el desarrollo de modelos de
estado lineales.
2.4.1 Representaci on de sistemas dinamicos en el espacio de
estado
Primer caso: La funci on excitadora no incluye terminos derivativos. Sea el
siguiente sistema de orden n:
d
n
y(t)
dt
n
+a
1
d
n1
y(t)
dt
n1
+. . . +a
n1
dy(t)
dt
+a
n
y(t) = u(t) (2.1)
Esta ecuacion puede ser convertida en n ecuaciones diferenciales de primer
orden, para ello se tiene que elegir n variables, con la siguiente asignacion:
x
1
(t) = y(t)
2.4 Modelos de Estado 9
x
2
(t) = y
x
3
(t) = y
.
.
.
x
n
(t) =
d
n1
y(t)
dt
n1
Ahora se obtienen las ecuaciones de estado (n ecuaciones diferenciales
de primer orden)
x
1
(t) = y(t) x
1
(t) = x
2
(t)
x
2
(t) = y(t) x
2
(t) = x
3
(t)
.
.
.
x
n
(t) =
d
n
y(t)
dt
n

x
n
(t) = a
n
x
1
(t) a
n1
x
2
(t) . . . a
1
x
n
(t) +u(t)
El conjunto de ecuaciones de estado, se representa matricialmente as:
_
_
x
1
x
2
.
.
.
x
n
_
_
=
_
_
0 1 0 . . . 0
0 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n
a
n1
a
n2
. . . a
1
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
+
_
_
0
0
.
.
.
1
_
_
u (2.2)
y su forma compacta es la siguiente:
x = Ax +Bu (2.3)
Si consideramos que la salida del sistema y es la variable de estado x
1
,
entonces dicha salida se puede escribir de la siguiente manera:
y =
_
1 0 . . . 0

_
_
x
1
x
2
.
.
.
x
n
_
_
(2.4)
o en su forma compacta
y = Cx +Du (2.5)
donde
A =
_
_
0 1 0 . . . 0
0 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n
a
n1
a
n2
. . . a
1
_
_
B =
_
_
0
0
.
.
.
1
_
_
C =
_
1 0 . . . 0

D = [0]
El diagrama de bloques de la ecuaci on de estado y de la ecuacion de
salida se muestra en la gura 2.1.
Figura 2.1: Diagrama de bloques detallado del sistema de orden n
Segundo caso: La funci on excitadora incluye terminos derivativos. Sea el
siguiente sistema de orden n:
d
n
y(t)
dt
n
+a
1
d
n1
y(t)
dt
n1
+. . . +a
n1
dy(t)
dt
+a
n
y(t)
= b
0
d
n
u(t)
dt
n
+b
1
d
n1
u(t)
dt
n1
+. . . +b
n1
du(t)
dt
+b
n
u(t) (2.6)
con salida y = x
1
.
El problema principal al denir las variables de estado para este caso,
consiste en los terminos derivativos del miembro derecho de la ecuacion (2.6).
Las variables de estado deben ser tales que eliminen las derivadas de u en
la ecuacion de estado. Una forma de obtener una ecuaci on de estado y una
ecuacion de salida es denir las siguientes n variables como un conjunto de
n variables de estado:
x
1
= y
0
u
x
2
= y
0
u
1
u = x
1
1
u
x
3
= y
0
u
1
u
2
u = x
2
2
u
.
.
.
x
n
= y
(n1)
0
u
(n1)
1
u
(n2)
. . .
n2
u
n1
u (2.7)
donde
0
,
1
,
2
, . . .,
n
vienen a ser:
0
= b
0
1
= b
1
a
1
2
= b
2
a
1
1
a
2
3
= b
3
a
1
2
a
2
1
a
3
0
.
.
.
n
= b
n
a
1
n1
. . . a
n1
1
a
n
0
(2.8)
Con esta eleccion de n variables de estado (n otese que no es la unica seleccion
posible de las variables de estado), se obtiene:
x
1
= x
2
+
1
u
x
2
= x
3
+
2
u
.
.
.
x
n1
= x
n
+
n1
u
x
n
= a
n
x
1
a
n1
x
2
. . . a
1
x
n
+
n
u (2.9)
La ecuacion (2.9) y la ecuacion de salida pueden reescribirse as:
_
_
x
1
x
2
.
.
.
x
n
_
_
=
_
_
0 1 0 . . . 0
0 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n
a
n1
a
n2
. . . a
1
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
+
_
2
.
.
.
n
_
_
u(2.10)
y =
_
1 0 . . . 0

_
_
x
1
x
2
.
.
.
x
n
_
_
(2.11)
y su forma compacta es como sigue:
x = Ax +Bu
y = Cx +Du (2.12)
La matriz A es exactamente la misma que la del primer caso. Las derivadas
del miembro derecho de la ecuacion (2.6) afectan unicamente a los elementos
de la matriz B.
2.4.2 Modelos de sistemas lineales
Ejemplo 2.1 Obtener el modelo matematico del motor DC contro-
lado por armadura mostrado en la gura 2.2, usando el metodo
del espacio de estado
Figura 2.2: Diagrama de un motor DC controlado por armadura
Solucion
Ecuaciones:
Circuito electrico: Aplicando la ley de Kircho a la entrada del circuito
del motor, se obtiene:
e
a
(t) = R
a
i
a
+L
a
di
a
(t)
dt
+e
b
(t) (2.13)
Conversion de energa electrica en mecanica: El torque T desarrolla-
do por el motor es proporcional al producto de i
a
y al ujo en el
entrehierro, el que a su vez es proporcional a la corriente de campo,
donde:
= K
f
i
f
T(t) = K
f
i
f
K
1
i
a
donde K
f
y K
1
son constantes. Luego K = K
f
i
f
K
1
. Por con-
siguiente, el torque desarrollado por el motor puede expresarse por:
T(t) = K i
a
(t) (2.14)
Circuito mec anico:
Aplicando la ley de Newton se obtiene:
T(t) = J
d
2
dt
2
+b
d
dt
(2.15)
Tension contra-electromotriz:
Del circuito electrico, la fuerza contra-electromotriz viene expresada
por:
e
b
(t) = K
b
d
dt
(2.16)
Ahora, se debe escoger convenientemente las variables de estado, veamos:
La ecuacion (6.16) es una ecuaci on diferencial de primer orden, entonces
elegimos una variable de estado:
x
1
= i
a
(2.17)
En la ecuacion (6.18) el torque depende linealmente de I
a
( esta variable de
estado ya fue denida en la ecuacion anterior).
La ecuacion (2.15) es una ecuacion diferencial lineal de 2do. orden, por
consiguiente necesitamos denir 2 variables de estado, las cuales son:
x
2
= (2.18)
x
3
=

(2.19)
En la ecuacion (2.16) la variable de estado

ya fue denida en la ecuacin
anterior.
Ahora debemos obtener las ecuaciones de estado. Reemplazando la
ecuacion (2.16) en la ecuaci on (6.16) y usando las variables de estado elegi-
das, se obtiene:
e
a
= R
a
x
1
+L
a
x
1
+K
b
x3
x
1
=
R
a
L
a
x
1
K
b
L
a
x
3
+
1
L
a
e
a
(2.20)
Ahora, derivando la ecuaci on 2.18 se obtiene la ecuacion de estado sigu-
iente:
x
2
=

x
2
= x
3
(2.21)
y, nalmente reemplazando las variables de estado en las ecuaciones (6.18)
y (2.15):
J x
3
+bx
3
= Kx
1
x
3
=
K
J
x
1
b
J
x
3
(2.22)
Las ecuaciones de estado (2.69), (2.71) y (2.72) se pueden representar
matricialmente:
_
_
x
1
x
2
x
3
_
_
=
_
_
R
a
L
a
0
K
b
L
a
0 0 1
K
J
0
b
J
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
1
L
a
0
0
_
_
e
a
(2.23)
o en su forma compacta:
x = Ax +Bu (2.24)
con u = e
a
.
Si escogemos como salida a la posicion angular = x
2
, entonces:
y =
_
0 1 0

_
_
x
1
x
2
x
3
_
_
(2.25)
y su forma compacta es como sigue:
y = Cx +Du (2.26)
con
C =
_
0 1 0

D = [0]
Ejemplo 2.2 Dado el circuito RLC mostrado en la gura 2.3, obten-
ga el modelo matematico usando el metodo del espacio de estado
Solucion
Usando la ley de Kircho para tensiones, se obtiene:
V
in
= L
di
dt
+Ri +V
c
(2.27)
donde:
V
c
=
1
C
_
idt (2.28)
Elegimos las variables de estado siguientes:
x
1
= V
c
x
2
= i (2.29)
Figura 2.3: Circuito simple RLC
Derivando la variable de estado x
1
respecto del tiempo, se obtiene:
x
1
=
1
C
x
2
(2.30)
Identicamente, derivando la variable de estado x
2
respecto del tiempo, se
obtiene:
x
2
=
1
L
x
1
R
L
x
2
+
1
L
V
in
(2.31)
Las ecuaciones 2.30 y 2.31 pueden reescribirse en su forma matricial:
_
x
1
x
2
_
=
_
0
1
C
1
L

R
L
_ _
x
1
x
2
_
+
_
0
1
L
_
V
in
Efectuando la siguiente asignaci on: R = 10 ohmios, L = 0.2 H, y C = 0.0015
F, obtenemos:
_
x
1
x
2
_
=
_
0 666.6
5 50
_ _
x
1
x
2
_
+
_
0
5
_
V
in
(2.32)
Si podemos medir V
c
entonces tenemos:
y = Cx +Du (2.33)
donde:
C =
_
1 0

D = [0]
2.4.3 Soluciones de las ecuaciones de estado
Soluci on de un modelo escalar
Sea una ecuacion escalar de primer orden dada por:
x = ax(t) +bu(t) (2.34)
con a y b constantes. La transformada de Laplace de la ecuaci on (2.34) es:
sX(s) x(0) = aX(s) +bU(s) (2.35)
obteniendose
X(s) =
x(0)
(s a)
+b
1
s a
U(s) (2.36)
Tomando transformada inversa de Laplace a la ecuaci on (2.36) se obtiene la
solucion de la ecuacion (2.34):
x(t) = e
at
x(0) +b
_
t
0
e
(t)
u()d (2.37)
La respuesta a una entrada cero (entrada u = 0) es
x(t) = x(0)e
at
(2.38)
La funci on exponencial se puede representar como una serie innita, as:
e
at
= 1 +at +
1
2!
(at)
2
+
1
3!
(at)
3
+. . . (2.39)
Soluci on del modelo matricial
Si a la siguiente ecuacion de estado de un sistema
x(t) = Ax(t) +Bu(t) (2.40)
se aplica la transformada de Laplace, se obtiene
sX(s) x(0) = AX(s) +BU(s) (2.41)
De la ecuacion (2.41) se obtiene la soluci on para X(s), as:
X(s) = (sI A)
1
x(0) + (sI A)
1
BU(s) (2.42)
Efectuando la asignaci on (s) = (sI A)
1
, la solucion de la ecuacion (2.42)
es:
x(t) = (t)x(0) +
_
t
0
(t )Bu()d (2.43)
donde (t) es la matriz de transicion de estado. Asimismo
(t) = e
At
= L
1
(s) = L
1
(sI A)
1
(2.44)
entonces, la ecuacion (2.43) puede ser reescrita como:
x(t) = e
at
x(0) +
_
t
0
e
A(t)
Bu()d (2.45)
El primer y segundo terminos de la ecuacion (2.45) corresponden a la re-
spuesta de entrada nula y a la respuesta de estado nulo respectivamente.
Por otro lado, la matriz (s) esta dada por:
(s) = (sI A)
1
=
adj(sI A)
det(sI A)
(2.46)
2.4.4 Diagramas de estado
El diagrama de estado es una representaci on gr aca de las relaciones al-
gebraicas de un modelo de estado usando la transformada de Laplace. La
transmitancia o ganancia total puede determinarse usando la f ormula de
Mason, tal como veremos en la siguiente seccion, correspondiente al mode-
lado de un sistema usando la funci on de transferencia.
Ejemplo 2.3 Obtener el diagrama de estado del siguiente modelo
en el espacio de estado:
_
x
1
x
2
_
=
_
a b
c d
_ _
x
1
x
2
_
+
_
e
f
_
u;
_
x
1
(0)
x
2
(0)
_
=
_
1
0
_
(2.47)
Solucion
La ecuacion de estado (2.47) se puede reescribir as:
x
1
= ax
1
+bx
2
+eu (2.48)
x
2
= cx
1
+dx
2
+fu (2.49)
Aplicando la transformada de Laplace a las ecuaciones (2.48) y (2.49) se
obtiene:
X
1
(s) =
1
s
x
1
(0) +
a
s
X
1
(s) +
b
s
X
2
(s) +
e
s
U(s)
X
2
(s) =
1
s
x
2
(0) +
c
s
X
1
(s) +
d
s
X
2
(s) +
f
s
U(s) (2.50)
El diagrama de estado correspondiente se muestra en la gura 2.4.
2.4.5 Gesti on de los modelos de estado utilizando software
de simulaci on
El modelo de estado de procesos lineales se representa por las matrices
A, B, C y D, las cuales se utilizan en un formato com un de ordenes
de Matlab. Los algoritmos en el espacio de estado se representan
f acilmente en Matlab; aunque algunas ordenes sirven para modelos de
funci on de transferencia. La conversin de modelos de estado a funcin
de transferencia se realiza usando la orden ss2tf, y la conversion de
modelos de funci on de transferencia a espacio de estados se realiza por
medio de la orden tf2ss.
Las ordenes series, parallel, feedback y cloop pueden aplicarse a
modelos de funcion de transferencia y a modelos de espacio de estados
de bloques interconectados con solamente una ligera variaci on en la
sintaxis.
Los ejemplos de conversion de modelos utilizando Matlab, se presentan
en la siguiente seccion.
Figura 2.4: Diagrama de estado
Otra alternativa de describir el modelo de estados, es usando el
diagrama de bloques de SIMULINK. Por ejemplo, en la gura 2.5 se
representa un sistema de control, donde los bloques G2 y H2 se repre-
sentan en el espacio de estado. El modelo de estado de cada bloque se
puede especicar haciendo doble click sobre el bloque y a continuaci on
introduciendo las correspondientes matrices A, B, C y D. Asimismo,
se puede jar la condici on inicial de cada bloque. El diagrama de blo-
ques en SMIMULINK (en nuestro caso) tiene el nombre sim1, cuyo
modelo de estado se puede obtener aplicando la orden de Matlab
[A,B,C,D] = linmod(sim1)
2.5 Modelos de funci on de transferencia
2.5.1 Funci on de transferencia de sistemas fsicos
La funci on de transferencia de un sistema se dene como la relacion entre
la transformada de Laplace de la variable de salida y la transformada de
Laplace de la variable de entrada, suponiendo que todas las condiciones
iniciales son cero. La funcion de transferencia solo se dene para sistemas
lineales y de par ametros constantes. En general, la funci on de transferencia
2.5 Modelos de funci on de transferencia 19
Figura 2.5: Diagrama de estado en SIMULINK
de un sistema dada por la ecuaci on diferencial de orden n:
d
n
y(t)
dt
n
+a
1
d
n1
y(t)
dt
n1
+. . . +a
n1
dy(t)
dt
+a
n
y(t)
= b
0
d
n
u(t)
dt
n
+b
1
d
n1
u(t)
dt
n1
+. . . +b
n1
du(t)
dt
+b
n
u(t) (2.51)
tiene la siguiente forma:
G(s) =
Y (s)
U(s)
=
b
0
s
n
+b
1
s
n1
+. . . +b
n1
s +b
n
a
0
s
n
+a
1
s
n1
+. . . +a
n1
s +a
n
(2.52)
El metodo es particularmente util, ya que los ceros y polos en el plano S de
la funci on de transferencia, representan la respuesta transitoria del sistema.
2.5.2 Diagramas de bloques y diagramas de ujo
Diagramas de bloques
Un diagrama de bloques de un sistema es una representacion gr aca de las
funciones realizadas por cada componente y del ujo de las se nales. Tal dia-
grama indica las interrelaciones que existen entre los diversos componentes.
Como los sistemas de control se ocupan del control de variables espec-
cas, se requiere conocer la relacion entre las variables controladas y la de
control. Esta relaci on se representa mediante la funci on de transferencia del
subsistema que relaciona las variables de entrada y salida.
Suponiendo un sistema con entrada R(s) y salida C(s), la funci on de
transferencia G(s) viene representada por el diagrama de bloques de la gu-
ra 2.6. En sistemas de control se usan frecuentemente puntos de suma y de
bifurcaci on, muy frecuentes en sistemas de control de lazo cerrado.
Figura 2.6: (a) Elementos de un diagrama de bloques; (b) Diagrama de
bloques como resultado de combinar elementos.
Diagramas de ujo
El metodo de los diagrams de ujo o gr acos de ujo de se nal es otro proced-
imiento alternativo para representar gr acamente la din amica del sistema
de control.
Un gr aco de ujo de se nal consiste en una red en la cual los nodos est an
conectados por ramas con direccion y sentido. El sentido del ujo de se nal
se indica por una echa ubicada en la rama y el factor de multiplicaci on
aparece a lo largo de la rama. El graco de ujo de se nal despliega el ujo
de se nales de un punto de un sistema a otro y da las relaciones entre las
se nales.
Sea un sistema denido por el siguiente conjunto de ecuaciones:
x
1
= a
11
x
1
+a
12
x
2
+a
13
x
3
+b
1
u
1
(2.53)
x
2
= a
21
x
1
+a
22
x
2
+a
23
x
3
+b
2
u
2
(2.54)
x
3
= a
31
x
1
+a
32
x
2
+a
33
x
3
(2.55)
Los gr acos de ujo de se nal correspondiente se muestran en la gura 2.7.
Figura 2.7: Diagramas de ujo del sistema descrito
La transmitancia o ganancia total entre un nodo de entrada y un nodo
de salida puede determinarse usando la f ormula de Mason, dada por:
P =
1
k
P
k
k
(2.56)
donde:
P
k
: ganancia de trayectoria de la k-esima trayectoria directa
: determinante del gr aco =1-(suma de todos los lazos individuales) +
(suma de los productos de ganancia de todas las combinaciones posibles
de dos lazos disjuntos) - (suma de los productos de ganancia de todas las
combinaciones posibles de tres lazos disjuntos) + . . .
=1-
a
L
a
+
b,c
L
b
L
c
d,e,f
L
d
L
e
L
f
+. . .
k
: cofactor del determinante de la k-esima trayectoria directa del graco
con los lazos que tocan la trayectoria directa k-esima eliminados.
Ejemplo 2.4 Obtener el modelo matematico y la funcion de trans-
ferencia para el motor DC controlado por armadura del ejemplo
2.1
Reescribiendo las ecuaciones diferenciales que gobiernan el modelo del
motor DC:
e
a
(t) = R
a
i
a
+L
a
di
a
(t)
dt
+e
b
(t) (2.57)
T(t) = K i
a
(t) (2.58)
T(t) = J
d
2
dt
2
+b
d
dt
(2.59)
e
b
(t) = K
b
d
dt
(2.60)
La transformada de Laplace de la ecuacion (2.57) es:
E
a
(s) = R
a
I
a
(s) +L
a
sI
a
(s) +E
b
(s) (2.61)
Factorizando Ia(s) y despejando dicha variable se obtiene:
I
a
(s) = (
1
sL
a
+R
a
)(E
a
(s) E
b
(s)) (2.62)
Si tomamos la transformada de Laplace a la ecuaci on (2.58) se obtiene:
T(s) = KI
a
(s) (2.63)
Ahora, si tomamos la transformada de Laplace a la ecuaci on (2.59) obten-
emos:
T(s) = Js
2
(s) +bs(s) (2.64)
factorizando (s) y despejando dicha variable se obtiene:
(s) =
1
s(Js +b)
T(s) (2.65)
Finalmente aplicando la transformada de Laplace a la ecuaci on (2.60) se
obtiene:
E
b
(s) = K
b
s(s) (2.66)
Cada una de las ecuaciones queda representada por su correspondiente
diagrama de bloque, que reunidas producen el diagrama de bloques que se
muestra en la gura 2.8. Por consiguiente, la funci on de transferencia viene
dada por la siguiente ecuaci on:
(s)
E
a
(s)
=
K
JL
a
s
3
+ (L
a
b +R
a
J)s
2
+ (R
a
b +K
b
K)s
(2.67)
Reduciendo el diagrama de bloques de la gura 2.8 a la forma mostrada en
la gura 2.9, se obtiene la siguiente funci on de transferencia:
(s)
E
a
(s)
=
G(s)
1 +G(s)H(s)
(2.68)
Figura 2.8: Diagrama de bloques del motor DC controlado por armadura
Figura 2.9: Diagrama de bloques reducido del motor DC controlado por
armadura
2.5.3 Transformaciones de modelos matem aticos lineales
De espacio de estados a funcion de transferencia
Dado un sistema o proceso en el espacio de estado:
x = Ax +Bu (2.69)
y = Cx +Du (2.70)
puede transformarse f acilmente a la relacion de entrada/salida, usando la
siguiente ecuacion de transformaci on:
G(s) =
Y (s)
U(s)
= C(sI A)
1
B +D (2.71)
De funcion de transferencia a espacio de estados
Supongamos que la funci on de transferencia de un proceso viene dada por:
Y (s)
U(s)
=
b
1
s +b
2
s
2
+a
1
s +a
2
(2.72)
la cual puede reescribirse en la siguiente forma:
s
2
Y (s) +a
1
sY (s) +a
2
Y (s) = b
1
sU(s) +b
2
U(s) (2.73)
Ahora, tomando transformanda inversa de Laplace a esta ultima ecuacion,
obtenemos:
y(t) +a
1
y(t) +a
2
y(t) = b
1
u(t) +b
2
u(t) (2.74)
A partir de aqu se aplican los criterios de eleccion de variables de estado y,
luego la derivacion de las ecuaciones de estado (ver la seccion 2.4).
2.5.4 Modelado utilizando software de simulaci on
Funcion de transferencia a espacio de estados
La orden
[A,B,C,D] = tf2ss(num,den)
convierte el sistema de funcion de transferencia
Y (s)
U(s)
=
num
den
= C(sI A)
1
B +D (2.75)
a la representacion de espacio de estados
x = Ax +Buy = Cx +Du (2.76)
Espacio de estados a Funci on de transferencia
Para un sistema de una entrada y una salida, la orden
[num,den] = ss2tf(A,B,C,D)
proporciona la funci on de transferencia Y (s)/U(s).
Para un sistema de m as de una entrada, utilice la orden
[num,den] = ss2tf(A,B,C,D,iu)
que convierte el sistema en representacion de espacio de estados a
funci on de transferencia, donde iu es unndice dentro de las entradas
sistema y especica que entrada se va a utilizar para la respuesta.
Ejemplo 2.5 Dado el circuito RLC del ejemplo 2.2, obtenga la
transformacion del modelo de espacio de estados a funcion de
transferencia
Soluci on:
Editaremos un archivo en Matlab, de nombre sstf.m, cuyo programa se
muestra en la siguiente pantalla: Al ejecutarse el programa, se obtienen los
coecientes del numerador y denominador, as como la relacion polin omica
de la funci on de transferencia. Veamos:
num/den =
3333.3333
----------------------
s^2 + 50 s + 3333.3333
num
num =
1.0e+003 *
0 0 3.3333
den
den =
1.0e+003 *
0.0010 0.0500 3.3333
Nota: Como tarea, obtenga la transformaci on del modelo de funci on de
transferencia a espacio de estados.
Captulo 3
Analisis de Funcionamiento
de Sistemas de Control
3.1 Introducci on
Luego de haber obtenido el modelo matem atico del sistema, se debe analizar
el comportamiento del sistema frente a diferentes se nales de entrada, que
en la pr actica no puede conocerse con anticipacion. En casos especiales
dichas se nales de entrada son conocidas, pudiendo ser expresadas en forma
analtica, o por curvas representativas.
Las se nales de prueba de entrada m as com unmente usadas son las fun-
ciones escalon, rampa, impulso, senoidal, etc. La respuesta del sistema de
control a se nales de entrada, puede dividirse en una parte transitoria y otra
estacionaria. Dichos comportamientos pueden ser obtenidos gr acamente
por el computador, usando software de simulaci on, como por ejemplo MAT-
LAB. En los sistemas de control es frecuente usar lazos de realimentacion,
que a pesar de su costo y complejidad, son usados por las siguientes razones:
Disminucion de la sensibilidad del sistema frente a variaciones en los
par ametros del proceso o planta.
Facilidad del control y ajuste de la respuesta transitoria del sistema.
Mejoramiento en el rechazo de las se nales perturbadoras dentro del
sistema.
Mejoramiento en la reducci on del error en estado estacionario del sis-
tema.
28 Analisis de Funcionamiento de Sistemas de Control
3.2 Analisis de respuesta transitoria para sistemas
de primer orden
Consideremos el sistema de primer orden que se muestra en la gura 3.1.
Este sistema puede representar fsicamente un circuito RC, un sistema termi-
co, etc. La gura 3.2 es un diagrama de bloques simplicado. La funci on de
transferencia o la relacion de entrada-salida est a dada por:
Y (s)
R(s)
=
1
Ts + 1
(3.1)
Las entradas de referencia al sistema de control, pueden ser funciones es-
Figura 3.1: Diagrama de bloques de un sistema de primer orden
Figura 3.2: Diagrama de bloques simplicado
calon unitario, rampa unitaria, e impulso unitario. por consiguiente, se
deben analizar las respuestas del sistema a dichas entradas. La salida del
sistema debe ser igual a la entrada de referencia o setpoint.
3.2.1 Respuesta escal on unitario de sistemas de primer or-
den
Considerando una entrada escal on unitario, y despejando la salida Y (s) de
la ecuacion 3.1 se obtiene:
Y (s) = (
1
Ts + 1
)
1
s
(3.2)
Expandiendo Y (s) en fracciones parciales se obtiene:
Y (s) =
1
s

T
(Ts + 1)
(3.3)
Tomando la transformada inversa de Laplace de la ecuaci on (3.3) se obtiene
y(t) = 1 e
t/T
(t 0) (3.4)
3.2 Analisis de respuesta transitoria para sistemas de primer orden 29
Evaluando la ecuaci on (3.4) para diferentes valores de t, se obtienen salidas
que van de o hasta 1. El programa que graca tal respuesta se lista a
continuaci on, y la respuesta del sistema se muestra gura 3.3.
% priord2.m
% Ploteo de la respuesta del sstema de primer orden
% c(t)=1-e^(-t/T)
T=10;
t=0:.1:7*T;
y=1-exp(-t/T);
plot(t,y);
title(Respuesta de un sistema a una entrada escaln unitario)
ylabel(y(t))
xlabel(Tiempo (s))
grid
0 10 20 30 40 50 60 70
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Respuesta de un sistema a una entrada escaln unitario
y
(
t
)
Tiempo (s)
Figura 3.3: Respuesta del sistema de primer orden a una entrada escal on
unitario
Si se considera la respuesta del sistema desde t = 0 hasta t = T, entonces se
obtiene que el valor nal de y(t) alcanza 0.632 (63.2%). El programa para
este caso es:
% priord1.m
% Ploteo de la respuesta del sstema de primer orden
% c(t)=1-e^(-t/T)
t=0:.1:T;
y=1-exp(-t/T);
plot(t,y);
title(Respuesta de un sistema a una entrada escaln unitario)
ylabel(y(t))
xlabel(Tiempo (s))
grid
y la respuesta graca se muestra en la gura 3.4. Puede comprobarse que
0 10 20 30 40 50 60 70 80 90 100
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Respuesta de un sistema a una entrada escaln unitario
y
(
t
)
Tiempo (s)
Figura 3.4: Respuesta del sistema a una entrada escal on unitario desde t = 0
hasta t = T
cuanto m as peque na sea la constante de tiempo T, mas rapida es la respuesta
del sistema. Otra caracterstica importante de la curva exponencial es que
la pendiente de la recta tangente en t = 0, es 1/T, pues
dy
dt
=
1
T
e
t/T
[
t=0
=
1
T
(3.5)
3.2.2 Respuesta rampa unitaria de sistemas de primer orden
Considerando una entrada rampa unitaria (1/s
2
), y despejando la salida
Y (s) de la ecuacion 3.1 se obtiene:
Y (s) = (
1
Ts + 1
)
1
s
2
(3.6)
3.2 Analisis de respuesta transitoria para sistemas de primer orden 31
Expandiendo Y (s) en fracciones parciales se obtiene:
Y (s) =
1
s
2

T
s
+
T
2
(Ts + 1)
(3.7)
Tomando la transformada inversa de Laplace de la ecuaci on (3.7) se obtiene
y(t) = 1 T +Te
t/T
(t 0) (3.8)
Entonces la se nal de error e(t) es
e(t) = r(t) c(t)
e(t) = T(1 e
t/T
) (3.9)
El programa en c odigo Matlab para este caso, se presenta a continuaci on:
% ramp.m
% Ploteo de la respuesta del sistema de primer orden a una entrada
% rampa unitaria
% c(t)=t-T+Te^(-t/T)
T=10;
t=0:.1:7*T;
y=t-T+T*exp(-t/T);
r=t; % referencia ramapa unitaria
plot(t,r,-,t,y,--);
title(Respuesta de un sistema a una entrada rampa unitaria)
ylabel(y ( t ) v s r ( t ))
xlabel(Tiempo ( s ))
grid
text(35,45,- : r (t))
text(47,35,- - : y (t))
y la respuesta gr aca se muestra en la gura 3.5
3.2.3 Respuesta impulso unitario de sistemas de primer or-
den
Para el caso de una entrada impulso unitario, la respuesta del sistema en
terminos de la variable s es:
Y (s) = (
1
Ts + 1
) (3.10)
y en terminos del tiempo es:
y(t) =
1
T
e
t/T
(t 0) (3.11)
A continuaci on spresenta el programa y la respuesta gr aca del sistema una
entrada impulso unitario.
0 10 20 30 40 50 60 70
0
10
20
30
40
50
60
70
Respuesta de un sistema a una entrada rampa unitaria
y

(

t

)

v

s

r

(

t

)
Tiempo ( s )
: r (t)
: y (t)
Figura 3.5: Respuesta del sistema de primer orden a una entrada rampa
unitaria
% impulso.m
% Ploteo de la respuesta del sistema de primer orden a una entrada
% impulso unitario
% c(t)=(1/T)e^(-t/T)
T=10;
t=0:.1:7*T;
y=(1/T)*exp(-t/T);
r=1; % referencia impulso unitario
plot(t,y);
title(Respuesta de un sistema a una entrada impulso unitario)
ylabel(y ( t ))
xlabel(Tiempo ( s ))
grid
%print -deps -f figrlc
de segundo orden
Consideremos un sistema de segundo orden, debido a que las especicaciones
de funcionamiento de los sistemas, estn denidas para este tipo de sistema.
3.3 Analisis de respuesta transitoria para sistemas de segundo orden 33
0 10 20 30 40 50 60 70
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
Respuesta de un sistema a una entrada impulso unitario
y

(

t

)
Tiempo ( s )
Figura 3.6: Respuesta del sistema de primer orden a una entrada impulso
unitario
Para sistemas de orden mayor, utilizando el concepto de polos dominantes
se aproxima el sistema a uno de segundo orden. Su funcin de transferencia
de lazo cerrado es:
G
LC
(s) =
Y (s)
R(s)
=

2
n
s
2
+ 2
n
s +
2
n
(3.12)
donde:
: relacion de amortiguamiento
n
: frecuencia natural
El diagrama de bloques del sistema de segundo orden se muestra en la gura
3.7.
Sus polos o races caractersticas son:
s
1,2
=
n
j
n
_
1
2
(3.13)
Los polos pueden ser:
a) Reales: > 1, sobre-amortiguado
b) Reales e identicos: = 1, crticamente amortiguado
c) conjugados complejos: 0 < < 1, sub-amortiguado
Figura 3.7: Sistema de segundo orden
3.3.1 Respuesta a un escal on unitario
Para el caso sub-amortiguado, la respuesta a un escal on unitario tiene os-
cilaciones amortiguadas, donde se denen algunas especicaciones de fun-
cionamiento que son utilizados como criterios de dise no, entre ellas podemos
citar:
Porcentaje de sobreimpulso (overshoot)
Tiempo de asentamiento o establecimiento (settling time)
Tiempo de subida o de crecimiento (rise time)
Tiempo de pico maximo (peak time)
Tiempo de retardo (delay time)
En la gura 3.8 se muestra la respuesta de un sistema de segundo orden.
Los tiempos de retardo t
d
, de pico t
p
y de asentamiento t
s
estan dadas por:
t
d
=

d
= tg
1
; =
n
;
d
=
n
_
1
2
(3.14)
t
p
=

n
_
1
2
(3.15)
t
s
=
4
n
; para = 0.02(2%)
t
s
=
3
n
; para = 0.05(5%) (3.16)
El porcentaje de sobreimpulso o sobrepico (overshoot) es:
P.O. = 100e
1
2
(3.17)
donde
n
es la frecuencia natural no amortiguada,
d
es la frecuencia natural
amortiguada.
3.3 Analisis de respuesta transitoria para sistemas de segundo orden 35
Figura 3.8: Respuesta de un sistema de segundo orden a una entrada escal on
unitario.
De las formulas para determinar el tiempo de asentamiento, se puede
observar que si se requiere un menor error en estado estacionario (2%), el
tiempo de asentamiento aumenta.
Un porcentaje de sobrepico peque no es muy importante en muchas apli-
caciones de control; en tal caso es recomendable considerar el factor de
amortiguamiento comprendido en el rango de 0.4 a 0.8.
3.3.2 Respuesta impulsiva de sistemas de segundo orden
Para una entrada impulso unitario r(t) = (t) (con transformada de Laplace
correspondiente R(s) = 1), la respuesta impulso unitario Y (s) del sistema
de segundo orden de la gura 3.7 es:
Y (s) =

2
n
s
2
+ 2
n
s +
2
n
(3.18)
La transformada inversa de Laplace de esta ultima ecuacion produce la
siguiente soluci on temporal y(t):
Para 0 < 1
y(t) =

n
_
1
2
e
n
t
sen
n
_
1
2
t; (t 0) (3.19)
Para > 1
y(t) =
2
n
te
n
t
(3.20)
Para = 1
y(t) =

n
2
1
2
e
(
2
1)
n
t

n
2
2
1
e
(
2
1)
n
t
(3.21)
de orden superior
3.4.1 Respuesta de sistemas de tercer orden al escal on uni-
tario
Para este caso, la funcion de transferencia de lazo cerrado es:
Y (s)
R(s)
=

2
n
p
(s
2
+ 2
n
s +
2
n
)(s +p)
; (0 < < 1) (3.22)
La respuesta al escalon unitario de este sistema es:
y(t) = 1
e
n
t
2
( 2) + 1
[
2
( 2)cos
_
1
2
n
t
+
[
2
( 2) + 1]
_
1
2
sen
_
1
2
n
t]
e
pt
2
( 2) + 1
(3.23)
donde =
p
n
Observar que debido a que
2
( 2) +1 =
2
( 1)
2
+(1
2
) > 0 el
coeciente del termino e
pt
siempre es negativo.
El efecto de un polo real ubicado en s = p en la respuesta escalon
unitario, es reducir el sobreimpulso m aximo e incrementar el tiempo de
establecimiento.
Si el polo real esta ubicado a la derecha de los polos complejos conjuga-
dos, entonces hay tendencia a una respuesta lenta. El sistema se comporta
como un sistema sobreamortiguado.
3.4.2 Respuesta transitoria de sistemas de orden superior
Considere el sistema de la gura 3.9 La funci on de transferencia de lazo
cerrado del sistema es
Y (s)
R(s)
=
G(s)
1 +G(s)H(s)
(3.24)
3.4 Analisis de respuesta transitoria para sistemas de orden superior 37
Figura 3.9: Sistema de Control.
En general, G(s) y H(s) son polinomios en s, de la forma:
G(s) =
p(s)
q(s)
; H(s) =
n(s)
d(s)
(3.25)
La funci on de transferencia de lazo cerrado dada por la ecuaci on (3.24) queda
expresada como
Y (s)
R(s)
=
b
0
s
m
+b
1
s
m1
+. . . +b
m1
s +b
m
a
0
s
n
+a
1
s
n1
+. . . +a
n1
s +a
n
; (m n) (3.26)
Esta ultima ecuacion se puede escribir como
Y (s)
R(s)
=
K(s +z
1
)(s +z
2
) . . . (s +z
m
)
(s +p
1
)(s +p
2
) . . . (s +p
n
)
(3.27)
Suponiendo que todos los polos son distintos, la ecuaci on (3.27) se puede
reescribir de la siguiente forma:
Y (s) =
a
s
+
n
i=1
a
i
s +p
i
(3.28)
donde a
i
es el residuo en el polo s = p
i
. La respuesta de este sistema ante
una entrada escal on unitario se obtiene tomando la transformada inversa de
Laplace de Y(s), quedando as:
y(t) = a +
q
j=1
a
j
e
p
j
t
+
r
k=1
b
k
e
k
k
t
cos
k
_
1
2
k
t
+
r
k=1
c
k
e
k
k
t
csen
k
_
1
2
k
t; (t 0) (3.29)
Si todos los polos de lazo cerrado caen en el semiplano izquierdo del plano s,
los terminos exponenciales y los terminos exponenciales amortiguados en la
ecuacion (3.28) tienden a cero cuando el tiempo t tiende a innito. Entonces
la salida estacionaria es y() = a. En la gura 3.10 se muestran ejemplos
de curvas de respuesta al escalon de sistemas de orden superior.
Figura 3.10: Respuesta al escalon de sistemas de orden superior.
3.5 Analisis de respuesta transitoria utilizando soft-
ware de simulaci on
En esta seccion se presentan ejemplos de simulacion usando Matlab 5.3.
3.5.1 Respuesta a una entrada escal on a partir de la funci on
de transferencia del sistema
Sea un sistema con funci on de transferencia de lazo cerrado dada por
Y (s)
R(s)
=
25
s
2
+ 4s + 25
(3.30)
Obtener una gr aca de la curva de respuesta a un escalon unitario.
Para obtener la respuesta del sistema de control, editamos el siguiente
programa en codigo Matlab ej31.m:
% ej31.m
% Respuesta a un escaln unitario de una funcin de transferencia
% Ingresamos los coeficientes del numerador y denominador
num = [0 0 25];
den = [1 4 25];
% Ingresamos la orden de respuesta a un escaln unitario
3.5 Analisis de respuesta transitoria utilizando software de simulacion 39
[y,x,t] = step(num,den);
plot(t,y)
% Ingresamos la rejilla, ttulo d la grfica y etiquetas para los ejes
grid
title(Respuesta a un escaln unitario de G(s)=25/(s^2+4s+25))
xlabel(t (s))
ylabel(salida y(t))
La respuesta graca se muestra en la gura 3.11.
0 0.5 1 1.5 2 2.5 3
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Respuesta a un escaln unitario de G(s)=25/(s
2
+4s+25)
t (s)
s
a
l
i
d
a

y
(
t
)
Figura 3.11: Respuesta a un escalon unitario.
3.5.2 Respuesta a una entrada escal on de un sistema en el
espacio de estados
Obtener la respuesta al escalon unitario del sistema descrito por
_
_
x
1
x
2
x
3
_
_
=
_
_
0 1 0
0 0 1
5.008 25.1026 5.0325
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
25.04
121.005
_
_
u (3.31)
y =
_
1 0 0

_
_
x
1
x
2
x
3
_
_
(3.32)
El programa en Matlab que permite obtener la respuesta del sistema a
una entrada escal unitario es ej32.m que a continuaci on se muestra.
% ej32.m
% Respuesta a un escaln unitario de un sistema en el espacio de estado
% Ingresamos las matrices A,B,C y D
A=[0 1 0; 0 0 1; -5.008 -25.1026 -5.0325];
B=[0;25.04;-121.005];
C=[1 0 0];
D=[0];
[y,x,t] = step(A,B,C,D);
plot(t,y)
grid
title(Respuesta a un escaln unitario)
xlabel(t (s))
ylabel(salida y(t))
La respuesta graca se muestra en la gura 3.12.
3.5.3 Respuesta a una entrada impulso unitario
Sea el sistema descrito por
Y (s)
R(s)
=
25
s
2
+ 4s + 25
(3.33)
Obtener la respuesta al impulso unitario.
Para obtener la respuesta del sistema de control a un impulso unitario
(R(s) = 1), lo que hacemos es convertir a una respuesta escalon unitario de
(sG
LC
(s)):
Y (s)
R(s)
=
25
s
2
+ 4s + 25
= s
25
s
2
+ 4s + 25
1
s
(3.34)
tal como puede apreciarse en el siguiente programa ej33.m:
% ej33.m
% Respuesta a un impulso unitario de una funcin de transferencia
3.5 Analisis de respuesta transitoria utilizando software de simulacion 41
0 1 2 3 4 5 6 7 8 9 10
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Respuesta a un escaln unitario
t (s)
s
a
l
i
d
a

y
(
t
)
Figura 3.12: Respuesta a un escalon unitario.
% Para obtener la respuesta a un impulso unitario de GLC(s)=25/(s^2+4s+25),
% multiplicamos s por GLC(s) y luego usar la orden de respuesta al escalon
% unitario
% Ingresamos los coeficientes del numerador y denominador de G(s)
num = [0 25 0];
den = [1 4 25];
[y,x,t] = step(num,den);
plot(t,y)
% Ingresamos la rejilla, ttulo d la grfica y etiquetas para los ejes
grid
title(Respuesta a un impulso unitario de G(s)=25/(s^2+4s+25))
xlabel(t (s))
ylabel(salida y(t))
y la respuesta gr aca se muestra en la gura 3.13.
0 0.5 1 1.5 2 2.5 3
1
0.5
0
0.5
1
1.5
2
2.5
3
3.5
Respuesta a un impulso unitario de G(s)=25/(s
2
+4s+25)
t (s)
s
a
l
i
d
a

y
(
t
)
Figura 3.13: Respuesta a un impulso unitario.
3.5.4 Respuesta a una entrada en rampa
En este caso, para obtener la respuesta a una entrada en rampa de la fun-
cion de transferencia del sistema de control G
LC
(s), dividimos G
LC
(s) por
s y luego utilizamos la orden de respuesta a un escal on. Por ejemplo con-
siderando el ejemplo de la subseccion anterior:
Y (s)
R(s)
=
25
s
2
+ 4s + 25
= s
25
s
2
+ 4s + 25
1
s
(3.35)
Como la entrada en rampa unitaria es
R(s) =
1
s
2
, entonces
Y (s) =
25
s
2
+ 4s + 25
1
s
2
=
25
(s
2
+ 4s + 25)s
1
s
(3.36)
3.6 Analisis de respuesta estacionaria 43
Con el programa ej34.m que se lista a continuaci on, se obtiene la respuesta
graca del sistema de control a una entrada en rampa unitaria.
% ej34.m
% Para obtener la respuesta a una rampa unitaria de la funcion de transferencia
% GLC(s)=25/(s^2+4s+25), dividimos GLC(s) por s y luego usar la orden de respuesta
% al escaln unitario
% Ingresamos los coeficientes del numerador y denominador de G(s)/s
num = [0 0 0 25];
den = [1 4 25 0];
t=0:0.1:5;
r=t;
y = step(num,den,t);
plot(t,y,--,t,r,-)
% Ingresamos la rejilla, ttulo de la grfica y etiquetas para los ejes
grid
title(Respuesta a una rampa unitaria de GLC(s)=25/(s^2+4s+25))
xlabel(t (s))
ylabel(salida y(t))
text(2.4,3.2,- : r (t))
text(3.2,2.7,- - : y (t))
3.6 Analisis de respuesta estacionaria
En la mayora se sistemas de control, interesa que el valor nal de la vari-
able controlada (valor en estado estacionario) sea igual al valor deseado. En
caso de no ser as, existe un error en estado estacionario o error permanente.
En un sistema realimentado, dado por el diagrama de bloques de la gura
3.15:
La funci on de transferencia de lazo cerrado es:
Y (s)
R(s)
=
G(s)
1 +G(s)H(s)
(3.37)
Se dene el estado estacionario como:
e
ss
= lim
t
e(t) = lim
t
[r(t) y(t)] (3.38)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
Respuesta a una rampa unitaria de GLC(s)=25/(s
2
+4s+25)
t (s)
s
a
l
i
d
a

y
(
t
)
: r (t)
: y (t)
Figura 3.14: Respuesta a una rampa unitaria.
Aplicando la transformada de Laplace y el teorema del valor nal obten-
emos:
e
ss
= lim
s0
sE(s) (3.39)
donde
E(s) =
R(s)
1 +G(s)H(s)
(3.40)
El error estacionario de un sistema depende de las caractersticas del
sistema y por consiguiente del tipo de referencia utilizada. Es as, que el error
estacionario esta relacionado inversamente por las constantes o ganancias
correspondientes al tipo de referencia. En forma resumida, se presentan las
deniciones de constantes de posici on, velocidad y aceleracion, como sigue:
Para una entrada escal on unitario
K
p
= lim
s0
G(s)H(s) = G(0)H(0) (3.41)
luego
e
ss
=
1
1 +K
p
(3.42)
3.6 Analisis de respuesta estacionaria 45
Figura 3.15: Sistema de control.
Para una entrada rampa unitaria
K
v
= lim
s0
sG(s)H(s) (3.43)
luego
e
ss
=
1
K
v
(3.44)
Para una entrada parab olica unitaria
K
a
= lim
s0
s
2
G(s)H(s) (3.45)
luego
e
ss
=
1
K
a
(3.46)
Se aprecia que el error estacionario depende de la estructura de G(s) en
relacion al n umero de polos en el origen (integradores) que tiene. Se dene
que un sistema es de tipo n, si la funci on de transferencia en lazo abierto
G(s)H(s) tiene n polos en el origen. Ademas, el error estacionario depende
del tipo de entrada r(t), tal como se puede apreciar en la tabla 3.1.
Tabla 3.1: Resumen de errores en estado estacionario
N um. integ. en G(s) Entrada: escal on Entrada: rampa Entrada: par abola
(tipo) r(t) = A r(t) = At r(t) = At
2
/2
R(s) = A/s R(s) = A/s
2
R(s) = As
3
0 e
ss
=
A
1+K
p
e
ss
= e
ss
=
1 e
ss
= 0 e
ss
=
A
K
v
e
ss
=
2 e
ss
= 0 e
ss
= 0 e
ss
=
A
K
a
Las constantes de error K
p
, K
v
y K
a
, de un sistema de control, describen
la capacidad del sistema para reducir o eliminar el error en estado esta-
cionario. Por tanto, se utilizan como medidas numericas del funcionamiento
en el estado estacionario. Debe incrementarse las constantes de error para
obtener errores en estado estable muy pequeos, manteniendo una respuesta
transitoria aceptable.
3.7 Rechazo a Perturbaciones
Otro factor importante del uso de la realimentaci on en un sistema de con-
trol es la eliminacion parcial de los efectos de las se nales perturbadoras. Las
perturbaciones pueden deberse a ruidos inherentes producidos por los tran-
sistores, circuitos integrados, distorsiones indeseadas de sistemas no lineales,
etc. Por consiguiente, los sistemas de control por realimentaci on presentan
el benecio de reducir el efecto de la distorsion, ruido y perturbaciones inde-
seadas. Un sistema de control con perturbaciones, se muestra en el diagrama
de bloques de la gura 3.16. Suponiendo que la entrada de referencia es cero
Figura 3.16: Sistema de control con perturbaciones.
o R(s) = 0, la funci on de transferencia entre Y(s) y N(s) viene dada por
Y (s)
N(s)
=
G
p
(s)
1 +G
p
(s)G
c
(s)
(3.47)
entonces, la salida Y (s) viene dada por
Y (s) =
G
p
(s)
1 +G
p
(s)G
c
(s)
N(s) (3.48)
con E(s) = Y (s), obtenemos la funci on de transferencia del siguiente:
E(s)
N(s)
=
Y (s)
N(s)
=
G
p
(s)
1 +G
p
(s)G
c
(s)
(3.49)
El error en estado estacionario debido a una perturbaci on escalon unitario
viene dado por
e
ss
= lim
s0
sE(s) = lim
s0
sG
p
(s)
1 +G
p
(s)G
c
(s)
1
s
(3.50)
3.7 Rechazo a Perturbaciones 47
Como ejemplo, obtengamos la respuesta del sistema siguiente a una per-
turbaci on escalon unitario.
Figura 3.17: Sistema de control con perturbaciones.
La respuesta a una entrada perturbacional se puede obtener consideran-
do la entrada de referencia nula. Luego, la funci on de transferencia entre
Y (s) y U
d
(s) es:
Y (s)
U
d
(s)
=
1
s
2
+3.6s+9
1 +
10.4(s
2
+4.5192s+15.385)
s
1
s
2
+3.6s+9
=
s
s
3
+ 14s
2
+ 56s + 160
(3.51)
La respuesta graca se muestra en la gura 3.18, que se obtiene ejecutando
el programa pertur.m.
% pertur.m
% Respuesta a una entrada perturbacional tipo escalon unitario
% Ingresamos los coeficientes del numerador y denominador de la
% funcin de transferenciaG(s)/s
num = [0 0 1 0];
den = [1 14 56 160];
t=0:0.1:5;
y = step(num,den,t);
plot(t,y)
% Ingresamos la rejilla, ttulo de la grfica y etiquetas para los ejes
grid
title(Respuesta a una entrada perturbacional tipo escaln unitario)
xlabel(t (s))
ylabel(salida y(t))
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
4
2
0
2
4
6
8
10
12
14
x 10
3
Respuesta a una entrada perturbacional tipo escaln unitario
t (s)
s
a
l
i
d
a

y
(
t
)
Figura 3.18: Respuesta del sistema de control a una perturbaci on escalon
unitario.
3.8 Sensibilidad
Entre otra de las caractersticas importantes de los sistemas de control re-
alimentados es la posibilidad de alterar la sensibilidad de toda la funci on de
transferencia variando par ametros especcos del sistema. Para entender es-
ta caracterstica veamos el diagrama de bloques del sistema que se muestra
en la gura 3.19. Considerando la variable s = 0, la funci on de transferen-
cia Y/R describe entonces la razon de transferencia que es aplicable bajo
condiciones de estado estacionario con una entrada constante. La funci on
de transferencia esta dada por
T =
Y
R
=
K
1
K
2
1 +K
1
K
2
H
(3.52)
3.8 Sensibilidad 49
Figura 3.19: Diagrama de bloques del sistema de control de realimentaci on
estatica.
Si K
1
K
2
H 1, entonces
Y
R

1
H
(3.53)
Entonces, con una ganancia de lazo grande, toda la funci on de transferencia
es sensible a variaciones en el factor de ganancia de la realimentacion H,
pero relativamente insensible a variaciones en las funciones de transferen-
cia del camino directo K
1
y K
2
. En aplicaciones reales, normalmente los
componentes de la planta incluyen actuadores y otros elementos que deben
proporcionar una elevada ganancia de potencia; sin embargo, la ganancia de
realimentacion esta generada por dispositivos sensores o de monitorizaci on
de baja potencia, por lo que , la transferencia de sensibilidad desde el camino
directo al camino de realimentacion es un intercambio deseable.
La expresion que permite calcular la sensibilidad S de una funci on de
transferencia T a variaciones de los parametros (designados por a) es
S
T
a
=
T
T
a
a
=
T
a
(
a
T
) (3.54)
Dada una expresi on matem atica que relacionaa con T, normalmente es mas
simple evaluar el lmite cuando a tiende a cero. Entonces, la sensibilidad
queda expresada por
S
T
a
=
T
a
a
T
(3.55)
Una magnitud en la sensibilida de 1 indica una correspondencia uno a uno
en la variacion normalizada de a y T. Una magnitud menor que la unidad
indica que la variacion normalizada en a esta produciendo una variaci on
normalizada menor en T y un n umero real negativo indica que existe una
relacion inversa entre un cambio en a y el correspondiente cambio en T.
La sensibilidad aplicada a la ecuaci on 3.52 (con T = Y/R) con respecto
a K
1
es
S
T
K
1
=
K
2
(1 +K
1
K
2
H)
2
K
1
T
=
1
1 +K
1
K
2
H
(3.56)
La sensibilidad a variaciones de K
1
es peque na si la ganancia de lazo es
grande. La sensibilidad con respecto a k
2
es identico al anterior. Si se
determina la sensibilidad con respecto a las variaciones de H, entonces se
obtiene
S
T
H
=
(K
1
K
2
)
2
(1 +K
1
K
2
H)
2
H
T
=
K
1
K
2
H
1 +K
1
K
2
H
(3.57)
Si la ganancia de lazo es grande, entonces se aprecia que la sensibilidad de
T con respecto a las variaciones H es aproximadamente igual a -1.
El concepto de sensibilidad aplicado a una situaci on estatica, puede tam-
bien extenderse a situaciones dinamicas considerando la sensibilidad como
funci on de la frecuencia. Existen dos tecnicas ligeramente diferentes:
El primer metodo consite en sustituir s por j en la funci on de trans-
ferencia y despues obtener las expresiones de magnitud M() y fase
().
El segundo metodo consiste en aplicar el calculo de la sensibilidad
directamente a la funci on de transferencia ( sin necesidad de convertir
a una funci on de magnitud o fase).
El segundo metodo es relativamente mas directa, tal como se puede
apreciar en el siguiente ejemplo. Dado el sistema que se muestra en la
gura 3.20, determinemos la sensibilidad de T con respecto a la variacion
de K
o
. Una notaci on mas simple, que no afecta a los calculos, es expresar
Figura 3.20: Diagrama de bloques de un sistema de control proporcional.
inicialmente T en terminos de s, as
T =
Y (s)
R(s)
=
K
o
s
2
+s +K
o
(3.58)
y la sensibilidad es
S
T
K
0
=
s(s + 1)
s
2
+s +K
o
(3.59)
3.9 Respuesta Estacionaria utilizando Software de Simulacion 51
Efectuando la sustituci on de s por j y considerando K
0
= 10 se obtiene
S
T
K
0
=
j(j + 1)
(10
2
) +j
(3.60)
de donde, la magnitud de la sensibilidad viene a ser
[S
T
K
0
[ =

2
+ 1
_
(10
2
)
2
+
2
(3.61)
3.9 Respuesta Estacionaria utilizando Software de
Simulaci on
Los resultados de la simulacion de sistemas de control a diferentes se nales
de referencia tratados en la seccion 3.5, nos muestran respuestas gracas
de estado transitorio, as como de estado estable. Como ejemplo de tales
resultados, veamos la graca que se muestra en la gura 3.21 correspondiente
a la subseccion 3.5.4(respuesta a una rampa unitaria).
Figura 3.21: Respuesta a una rampa unitaria.
El error estacionario es la diferencia entre la magnitud de la referen-
cia r y la magnitud de la salida controlada y en cualquier tiempo estable.
Para el ejemplo, el error estacionario es aproximadamente 0.18 y el tiempo
estacionario es aproximadamente 1.65 segundos.
Captulo 4
Estabilidad
4.1 Introducci on
Se dice que un sistema es estable, si estando sujeto a una entrada o pertur-
bacion limitada, su respuesta es de magnitud limitada. El incremento inicial
de la respuesta transitoria debe tender a reducirse, hasta lograr que la
respuesta del sistema converja y siga a una trayectoria deseada. En el caso
de un sistema de regulaci on, la salida debe tender hacia un valor continuo,
correspondientemente la se nal de control tender a hacia cero.
4.2 Estabilidad Aplicados a Modelos de Estado
Lineales
Un sistema lineal, invariante en el tiempo (SLIT), se describe utilizando el
modelo de estados siguiente:
x = Ax +Bu (4.1)
El sistema es asintoticamente estable si todos los terminos de la matriz
de transicion tienden a cero cuando el tiempo tiende a innito. Por
consiguiente, un sistema presenta estabilidad asint otica si
lim
t
(t) = 0 (4.2)
La transformada de Laplace de la matriz de transici on es:
(s) = (sI A)
1
=
adj(sI A)
det(sI A)
(4.3)
donde el polinomio denominador de (s) se denomina ecuacion caractersti-
ca. Entonces, la estabilidad asint otica se satisface si todas races o valores
54 Estabilidad
propios del det(sI A) se localizan en el semiplano izquierdo del plano s.
La ecuacion caracterstica es:
det(sI A) = 0 (4.4)
Ejemplo 4.1: Dadas las ecuaciones de estado y de salida del sistema,
descrito por
_
_
x
1
x
2
x
3
_
_
=
_
_
0 1 0
0 0 1
6K 8 6
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
0
1
_
_
r(t) (4.5)
y(t) =
_
6K 0 0

_
_
x
1
x
2
x
3
_
_
(4.6)
Determinar la estabilidad del sistema.
Solucion
det(sI A) =
s 1 0
0 s 1
6K 8 (s + 6)
= s
3
+ 6s
2
+ 8s + 6K = 0 (4.7)
Si K = 2.5, las races de la ecuacion caracterstica son: s = 5, s = 0.5 +
j1.66, s = 0.5 j1.66, entonces el sistema es asintoticamente estable,
debido a que las races tienen parte real negativa.
4.3 Estabilidad Aplicados a Modelos de Funci on
de Transferencia
Para un sistema de una entrada y una salida (SISO), con un modelo de
funci on de transferencia Y (s)/R(s), la localizacion de los polos de la funci on
de transferencia determinan la estabilidad del sistema.
Los polos en la parte izquierda del plano S dan como resultado una
respuesta decreciente, por lo tanto, el sistema es asintoticamente es-
table.
Los polos en el eje jw dan como resultado una respuesta oscilatoria.
Los polos en el lado derecho dan respuestas crecientes.
4.4 Test de Routh - Hurwitz 55
Por lo tanto, para que un sistema realimentado sea estable, todos los polos
de la funci on de transferencia de lazo cerrado (races caractersticas) deben
tener parte real negativa.
Ejemplo 4.2: Determinar si la siguiente funci on de transferencia es estable.
Y (s)
R(s)
=
0.8s + 1
s
2
+s + 1
(4.8)
Solucion
Los polos estan localizados en 0.5+j0.866 y 0.5j0.866, por consiguiente,
el sistema es asintoticamente estable.
4.4 Test de Routh - Hurwitz
Este metodo es muy util, fundamentalmente cuando el orden del polinomio
es mayor que dos. Si el polinomio del denominador de la funci on de trans-
ferencia o la ecuacion caracterstica de un sistema esta dada por
a
0
s
n
+a
1
s
n1
+. . . +a
n1
s +a
n
(4.9)
donde los coecientes son cantidades reales. El procedimiento del criterio
de Routh-Hurwitz es el siguiente:
1. La condici on necesaria pero no suciente para estabilidad, es que todos
los coecientes de la ecuacion (4.9) esten presentes, y que todos tengan
signo positivo.
2. Si todos los coecientes son positivos, se colocan en las y columnas de
acuerdo al siguiente esquema:
_
_
s
n
s
n1
s
n2
s
n3
.
.
.
s
0
_
a
0
a
2
a
4
a
6
. . .
a
1
a
3
a
5
a
7
. . .
b
1
b
2
b
3
b
4
. . .
c
1
c
2
c
3
c
4
. . .
.
.
.
.
.
.
.
.
.
.
.
. . . .
g
1
.
.
.
.
.
.
.
.
. . . .
(4.10)
Los coecientes b
1
, b
2
, b
3
, etc., se eval uan como sigue:
b
1
=
a
1
a
2
a
0
a
3
a
1
; b
2
=
a
1
a
4
a
0
a
5
a
1
. . .
El mismo procedimiento se usa para calcular los coecientes c, d, e,
etc, as:
c
1
=
b
1
a
3
a
1
b
2
b
1
; c
2
=
b
1
a
5
a
1
b
3
b
1
. . .
56 Estabilidad
d
1
=
c
1
b
2
b
1
c
2
c
1
; d
2
=
c
1
b
3
b
1
c
3
c
1
. . .
Ejemplo 4.3: Apliquemos el criterio de estabilidad de Routh al siguiente
polinomio de tercer orden:
a
0
s
3
+a
1
s
2
+a
2
s +a
3
= 0 (4.11)
donde todos los coecientes son n umeros positivos.
Solucion
El conjunto de coecientes es:
_
_
s
3
s
2
s
1
s
0
_
a
0
a
2
a
1
a
3
b
1
c
1
(4.12)
de donde:
b
1
=
a
1
a
2
a
0
a
3
a
1
; c
1
= a
3
Para estabilidad, debe cumplirse que
a
1
a
2
> a
0
a
3
Ejemplo 4.4: Considere un sistema de lazo cerrado, con funcion de trans-
ferencia
Y (s)
R(s)
=
K
s(s
2
+s + 1)(s + 2) +K
(4.13)
Determine el rango de K para la estabilidad.
Solucion
La ecuacion caracterstica es
s
4
+ 3s
3
+ 3s
2
+ 2s +K = 0 (4.14)
El conjunto de coecientes se muestran en el siguiente arreglo:
_
_
s
4
s
3
s
2
s
1
s
0
_
1 3 K
3 2 0
7
3
K
2
9
7
K
K
(4.15)
Para que haya estabilidad, K debe ser positiva, y todos los coecientes de
la primera columna deben serlo tambien. Por lo tanto:
14
9
> K > 0
Para K = 14/9, el sistema se vuelve oscilatorio.
4.5 Estabilidad utilizando software de simulacion 57
4.5 Estabilidad utilizando software de simulaci on
Determinemos por Matlab la estabilidad de los sistemas tratados en los
ejemplos 4.1 y 4.4.
Estabilidad para el ejemplo 4.1.
% raiz1.m
% La ecuacion caracteristica del sistema esta dada por:
% det(sI-A)
%
% Ingresemos la matriz A, considerando K=2.5
A=[0 1 0; 0 0 1; -6*2.5 -8 -6];
% Ingresamos la orden para obtener las raices del sistema
eig(A)
Al ejecutarse el programa se obtienen las siguientes races:
ans =
-0.5000 + 1.6583i
-0.5000 - 1.6583i
-5.0000
conrm andose los resultados obtenidos anteriormente.
Estabilidad para el ejemplo 4.4.
% raiz2.m
% Determinacion de los valores propios o raices de una funcion
% de transferencia de lazo cerrado de un sistema
% Y(s)/R(s)=K/(s^4+3s^3+3s^2+2s+K), con K=1
pol=[1 3 3 2 1];
roots(pol)
Al ejecutarse obtenemos los siguientes polos del sistema, cuando K =
1.
58 Estabilidad
ans =
-1.7549
-1.0000
-0.1226 + 0.7449i
-0.1226 - 0.7449i
Captulo 5
Analisis de Sistemas de
Control en el Espacio de
Estado
5.1 Introducci on
Un sistema de control puede tener m ultiples entradas y m ultiples salidas
(MIMO) relacionadas entre s en una forma muy complicada. El metodo
mas adecuado para el an alisis de estos sistemas, es el metodo del Espacio
de Estado. La teora de control moderna se basa en la descripcion de las
ecuaciones del sistema en terminos de n ecuaciones diferenciales de primer
orden, que se pueden combinar en una ecuaci on diferencial matricial.
En el captulo 2, subseccion 2.4.3 se trat o sobre la solucion de la ecuacion
de estado de procesos o plantas din amicas. El presente captulo trata sobre
la matriz de transferencia de modelos de procesos y de sistemas de control,
la solucion de las ecuaciones de estado de sistemas de control, as como
conceptos de controlabilidad y observabilidad.
5.2 Matriz de Transferencia
5.2.1 Matriz de Transferencia de un Proceso
La aplicacion de la transformada de Laplace en el desarrollo de una descrip-
cion de la funci on de transferencia para un sistema din amico no es exclusiva
de los sistemas de entrada-salida (ES). Se puede aplicar a cualquier sistema
lineal con coecientes constantes en el espacio de estados. Dichos sistemas
tienen entradas y m ultiples salidas (MIMO), de modo que se puede repre-
sentar con una matriz de funciones de transferencia de una entrada y una
salida, donde cada uno de los elementos de la matriz es una funci on de
transferencia de una entrada y una salida (SISO).
60 Analisis de Sistemas de Control en el Espacio de Estado
Considere el sistema MIMO descrito por:
x = Ax +Bu (5.1)
y = Cx +Du (5.2)
donde:
x = vector de estado (n x 1)
u = vector de control (r x 1)
y = vector de salida (m x 1)
A = matriz de n x n
B = matriz de n x r
C = matriz de m x n
D = matriz de m x r
La matriz que relaciona la transformada de Laplace de la salida y(t) con
la transformada de Laplace de la entrada u(t), se denomina matriz de
transferencia G
p
(s), dada por
G
p
(s) =
Y (s)
U(s)
(5.3)
Tomando transformadas de Laplace a las ecuaciones (5.1) y (5.2) se obtiene
sX(s) x(0) = Ax(s) +BU(s) (5.4)
Y (s) = C x(s) +DU(s) (5.5)
Suponiendo condiciones iniciales nulas, es decir x(0) = 0, la ecuaci on (5.4)
viene a ser
X(s) = (sI A)
1
BU(s) (5.6)
Al reemplazar la ecuacion (5.6) en (5.5), se obtiene
Y (s) = [C(sI A)
1
B +D]U(s) (5.7)
Comparando las ecuaciones (5.3) y (5.7) se obtiene la siguiente matriz de
transferencia:
G
p
(s) = C(sI A)
1
B +D (5.8)
5.2 Matriz de Transferencia 61
Ejemplo 5.1: Determine la matriz de trasferencia del siguiente conjunto
de ecuaciones de un proceso multivariable:
_
x
1
x
2
_
=
_
0 1
2 3
_ _
x
1
x
2
_
+
_
1 1
0 2
_ _
u
1
u
2
_
(5.9)
_
y
1
y
2
_
=
_
0 2
1 0
_ _
x
1
x
2
_
; D =
_
0 0

(5.10)
Solucion
En primera instancia, determinemos la estabilidad del modelo del pro-
ceso.
det(sI A) =
s 1
2 s + 3
= s
2
+ 3s + 2 = 0 (5.11)
det(sI A) = (s + 1)(s + 2) (5.12)
Luego el proceso es estable.
Ahora, calculemos la matriz de transferencia del proceso, dada por
G
p
(s) = C(sI A)
1
B +D (5.13)
Como se puede observar, es necesario determinar previamente la matriz
(sI A)
1
, dada por la siguiente expresi on:
(sI A)
1
=
_
s + 3 1
2 s
_
(s + 1)(s + 2)
=
_
s+3
(s+1)(s+2)
1
(s+1)(s+2)
2
(s+1)(s+2)
s
(s+1)(s+2)
_
(5.14)
Reemplazandola ecuacion 5.14 en la ecuacion 5.13 se obtiene:
G
p
(s) =
_
0 2
1 0
_
_
s+3
(s+1)(s+2)
1
(s+1)(s+2)
2
(s+1)(s+2)
s
(s+1)(s+2)
_
_
1 1
0 2
_
(5.15)
que conduce a la siguiente matriz de transferencia:
G
p
(s) =
_
4
(s+1)(s+2)
4
(s+2)
s+3
(s+1)(s+2)
1
(s+2)
_
(5.16)
Figura 5.1: Diagrama de bloques simplicado de un sistema de control mul-
tivariable
5.2.2 Matriz de Transferencia de un Sistema de Control
Un sistema de control puede tener diversas conguraciones: cascada, reali-
mentados (feedback), prealimentados (feedforward), etc. En esta subsecci on
obtendremos la matriz de transferencia de un sistema de control en cascada,
tal como se muestra en la gura 5.1.
Del diagrama de bloques de la gura 5.1, se tiene que, las ecuaciones de
estado y de salida del proceso son:
x = Ax +Bu (5.17)
y = Cx +Du (5.18)
La ley de control proveniente del controlador multivariable es:
u = G
c
e = G
c
(r y) = G
c
(r Cx) = G
c
r G
c
Cx (5.19)
Reemplazando la ecuacion 5.19 en la ecuacion 5.17 se obtiene:
x = (ABG
c
C)x +BG
c
r (5.20)
Efectuando la asignaci on

A = (ABG
c
C),

B = BG
c
, donde G
c
es la matriz
del controlador, tomemos la transformada de Laplace a la ecuaci on 5.20.
sX(s) x(0) =

AX(s) +

BR(s) (5.21)
Despejando X(s) tendremos la solucion para X(s), as:
X(s) = (sI

A)
1
x(0) + (sI

A)
1

BR(s) (5.22)
Considerando condiciones iniciales nulas, la solucion para X(s) es:
X(s) = (sI

A)
1

BR(s) (5.23)
Reemplazando la ecuacion 5.23 en 5.18 se obtiene la expresion de la salida
Y (s) = [(C DG
c
C)(sI

A)
1

B +DG
c
]R(s)
= [(C

DC)(sI

A)
1

B +

D]R(s) (5.24)
5.3 Soluci on de las ecuaciones de estado lineales e invariantes en el tiempo 63
con

D = DG
c
. Luego, la matriz de transferencia es:
G
LC
(s) =
Y (s)
R(s)
= (C

DC)(sI

A)
1

B +

D (5.25)
Si la matriz D es nula (caso frecuente), entonces la matriz de transferencia
del sistema de control viene dada por
G
LC
(s) =
Y (s)
R(s)
= C(sI

A)
1

B (5.26)
5.3 Soluci on de las ecuaciones de estado lineales e
invariantes en el tiempo
La solucion a la ecuacion de estado matricial de un proceso, dada por la
ecuacion 5.1 fue tratada en el captulo 2. En este captulo y seccion tratare-
mos sobre la solucion de la ecuacion de estado matricial del sistema de
control (controlador + proceso).
5.3.1 Soluci on de la ecuaci on de estado de un sistema de
control en cascada
La solucion laplaciana a la ecuacion de estado de un sistema de control en
cascada fue obtenida en la subseccion 5.2.2. Ver ecuaciones (5.22) y (5.23).
Si se conocen las matrices

A,

B, la entrada de referencia R y las condi-
ciones iniciales, entonces, la solucion temporal se obtiene tomando la trans-
formada inversa de Laplace a la ecuacion (5.22) o a la ecuacion (5.23), de-
pendiendo si se consideran o n o las condiciones iniciales. Por lo tanto, por
ejemplo si las condiciones iniciales son nulas, la solucion viene dada por:
x(t) = L
1
X(s) = L
1
(sI

A)
1

BR(s) (5.27)
5.3.2 Soluci on de la ecuaci on de estado de un sistema de
control proporcional realimentado
El sistema de control proporcional realimentado de orden n se muestra en la
gura 5.2. De dicha gura podemos escribir la siguiente ley de control que
gobierna el sistema:
u = Kx +k
1
r; K =
_
k
1
k
2
k
3
. . . k
n
(5.28)
La ecuacion de estado del proceso esta dado por:
x = Ax +Bu (5.29)
Figura 5.2: Diagrama de bloques de un sistema de control proporcional
realimentado
Reemplazando la ecuacion 5.28 en 5.29 se obtiene la siguiente ecuaci on de
estado del sistema de control:
x = (ABK)x +Bk
1
r (5.30)
Efectuando la asignaci on

A = (A BK),

B = Bk
1
, y tomando la transfor-
mada de Laplace a la ecuacion 5.30.
sX(s) x(0) =

AX(s) +

BR(s) (5.31)
Despejando X(s) tendremos la solucion para X(s), as:
X(s) = (sI

A)
1
x(0) + (sI

A)
1

BR(s) (5.32)
Considerando condiciones iniciales nulas, la solucion para X(s) es:
X(s) = (sI

A)
1

BR(s) (5.33)
y la solucion temporal est a dada por:
x(t) = L
1
X(s) = L
1
(sI

A)
1

BR(s) (5.34)
solucion que tiene la misma forma a la soluci on de la subseccion anterior,
con la diferencia que las matrices

A y

B tienen diferentes expresiones, que
dependen de la conguraci on del controlador usado.
5.4 Controlabilidad 65
5.4 Controlabilidad
Se dice que un sistema es de estado completamente controlable, si es posi-
ble transferir el sistema de un estado inicial arbitrario a cualquier estado
deseado, en un perodo nito. Esto signica que un sistema es controlable
si todas las variables de estado pueden ser controladas en un perodo nito
mediante alguna se nal de control restringida.
Para que un sistema sea completamente controlable se debe cumplir que
el rango de la matriz de controlabilidad
M =
_
B AB . . . A
n1
B
= n (5.35)
donde n es el orden del proceso. Esto signica que el det(M) ,= 0.
Ejemplo 5.2: Dadas las ecuaciones de estado y de salida de un proceso
_
v
1
v
2
_
=
_
1 1
2 2
_ _
v
1
v
2
_
+
_
0
2
_
u (5.36)
y
1
=
_
1 1

_
v
1
v
2
_
(5.37)
Solucion
La matriz de controlabilidad del proceso es:
M =
_
B AB
=
_
0 2
2 4
_
(5.38)
El rango de M es 2 (igual al orden del proceso), por consiguiente el proceso
es completamente controlable.
Ejemplo 5.3: Dadas las siguientes ecuaciones de estado de un proceso:
x
1
= x
1
x
2
= x
1
+x
2
+u (5.39)
Determinar si es completamente controlable.
Solucion
La ecuacion de estado matricial viene a ser
_
x
1
x
2
_
=
_
1 0
1 1
_ _
x
1
x
2
_
+
_
0
1
_
u (5.40)
donde las matrices A y B estan dadas por
A =
_
1 0
1 1
_
; B =
_
0
1
_
La matriz de controlabilidad del proceso es:
M =
_
B AB
=
_
0 0
1 1
_
(5.41)
Luego, el rango de M es 1 (rango de M < n), por consiguiente el proceso no
es completamente controlable.
De las ecuaciones de estado, se puede observar que la entrada de control
u(t) no tiene efecto sobre toda la evoluci on de la variable de estado x
1
(t).
Si el objetivo es transferir x(t) a 0, a un se puede dise nar un controlador
para lograrlo, puesto que x
1
(t) se aproxima a cero automaticamente (aun
cuando lo haga a su propio paso). De esta manera, puede no requerirse la
controlabilidad completa para todas las situaciones de control.
5.5 Observabilidad
Considere el sistema no forzado descrito por las siguientes ecuaciones:
x = Ax (5.42)
y = Cx (5.43)
Se dice que el sistema es totalmente observable, si cada estado x(t
0
) se
puede determinar a partir de la observaci on de y(t) en un intervalo de tiempo
nito t
0
t t
1
. Por lo tanto, el sistema es completamente obervable, si
cada transicion del estado afecta eventualmente a cada elemento del vector
de salida.
El sistema es completamente observable si y solo si la matriz de ob-
servabilidad
N =
_
_
C
CA
.
.
.
CA
n1
_
_
(5.44)
sea de rango n. Dicha matriz de observabilidad puede ser dada en forma
equivalente, as:
N =
_
C
. . . (A
)
n1
C

(5.45)
Ejemplo 5.4: Determine la observabilidad del siguiente sistema:
_
x
1
x
2
_
=
_
2 0
1 1
_ _
x
1
x
2
_
+
_
1
1
_
u (5.46)
5.6 Controlabilidad y observabilidad utilizando software de simulacion 67
y =
_
1 1

_
x
1
x
2
_
(5.47)
Solucion
La matrices del sistema son:
A =
_
2 0
1 1
_
; B =
_
1
1
_
; C =
_
1 1

La matriz de observabilidad viene a ser:
N =
_
C
T
A
T
C
T

=
_
1 1
1 1
_
(5.48)
El rango de N es 1, por lo que el sistema no es completamente observable.
5.6 Controlabilidad y observabilidad utilizando
software de simulaci on
La controlabilidad y observabilidad de un sistema podemos obtenerla f acil-
mente usando software de simulaci on, particularmente con Matlab. En Mat-
lab existen ordenes directas como ctrb y obsv que permiten obtener la con-
trolabilidad y observabilidad de un sistema en el espacio de estados. Sin
embargo tambien podemos obtener el mismo resultado usando las expre-
siones de las matrices de controlabilidad y observabilidad, tal como veremos
en los siguientes ejemplos.
Ejemplo 5.5: Determinar la controlabilidad y observabilidad de una planta,
representada pon el siguiente sistema de ecuaciones de estado y de salida:
_
_
x
1
x
2
x
3
_
_
=
_
_
1 1 0
0 0 0
5 0 5
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
1
5
0
_
_
u (5.49)
y =
_
0 0 1

_
_
x
1
x
2
x
3
_
_
(5.50)
Solucion
El programa en codigo Matlab es:
%
% cont_ob1.m
% Determinacion de la controlabilidad y observabilidad
A=[-1 1 0; 0 0 0; 5 0 -5];
B=[1;5;0];
C=[0 0 1];
Co=ctrb(A,B)
det(Co), pause
Ob=obsv(A,C)
det(Ob)
Los resultados de la ejecucion son los siguientes:
Co =
1 4 -4
5 0 0
0 5 -5
ans =
0
Ob =
0 0 1
5 0 -5
-30 5 25
ans =
25
Se puede apreciar que el modelo de la planta no es completamente con-
trolable, pero s completamente observable.
Ejemplo 5.6: Determinar la controlabilidad y observabilidad de planta del
ejemplo 5.5, pero usando las deniciones de matrices de controlabilidad y
observabilidad.
Solucion
El programa en Matlab es el siguiente:
5.7 Sistemas lineales variantes en el tiempo 69
% cont_ob2.m
% Determinacion de la controlabilidad y observabilidad
% usando las expresiones de controlabilidad y observabilidad
A=[-1 1 0; 0 0 0; 5 0 -5];
B=[1;5;0];
C=[0 0 1];
Co=[B A*B A^2*B]
% Co=ctrb(A,B)
det(Co), pause
Ob=[C A*C (A)^2*C]
% Ob=obsv(A,C)
det(Ob)
Los resultados de la ejecucion del programa son:
Co =
1 4 -4
5 0 0
0 5 -5
ans =
0
Ob =
0 0 1
5 0 -5
-30 5 25
ans =
25
que son los mismos resultados del ejemplo anterior.
5.7 Sistemas lineales variantes en el tiempo
En esta seccion trataremos sobre la solucion de ecuaciones de estado vari-
antes en el tiempo, denominados tambien ecuaciones de estado inesta-
cionarios.
5.7.1 Soluci on de ecuaciones de estado variantes en el tiempo
Sea el sistema variante en el tiempo descrito por las ecuaciones de estado y
de salida
x(t) = A(t)x(t) +B(t)u(t)
y(t) = C(t)x(t) +D(t)u(t) (5.51)
para el que asumimos que existe una solucion unica para cada condici on
inicial x(t
0
) y cada entrada de control u(t). La solucion de las ecuaciones
(5.51) es mas difcil de obtener que para el caso invariante (estacionario).
Antes de ver el caso mas general (con entrada u), tratemos primeramente la
respuesta a condiciones iniciales, es decir, el sistema homogeneo
x(t) = A(t)x(t) (5.52)
En primera instancia, mostraremos por que el metodo aplicado para deducir
la solucion en el caso estacionario no sirve. Recordemos de la teora de
ecuaciones diferenciales que una condicion suciente para la existencia y
unicidad de la soluci on de la ecuacion (5.52) es que la funci on matricial A(t)
sea una funci on continua de t. Es decir, para cada par (t
0
, x(t
0
)), la ecuacion
lineal (5.52) con A(t) continua tiene una soluci on unica y continuamente
diferenciable.
En el caso invariante o estacionario x(t) = Ax(t) lo que se hizo fue
extender la solucion de la ecuacion escalar x(t) = ax(t) para mostrar que la
solucion general era x(t) = e
At
x
0
, usando la propiedad de conmutatividad
de A con e
At
la ecuacion
d
dt
e
At
= Ae
At
= e
At
A (5.53)
Ahora, para el caso inestacionario sabemos que la solucion de la ecuacion
escalar inestacionaria x(t) = a(t)x(t) con condici on inicial x(0) es
x(t) = e
_
t
0
a()d
x(0) (5.54)
Sabemos ademas de la propiedad
d
dt
e
_
t
0
a()d
= a(t)e
_
t
0
a()d
= e
_
t
0
a()d
a(t) (5.55)
Veamos si es posible extender la solucion (5.54) en forma matricial, es decir
x(t) = e
_
t
0
A()d
x(0) (5.56)
5.7 Sistemas lineales variantes en el tiempo 71
donde la exponencial matricial e
_
t
0
A()d
puede expresarse como
e
_
t
0
A()d
= I +
_
t
0
A()d +
1
2
(
_
t
0
A()d)
2
+. . . (5.57)
La extension de la solucion escalar al caso matricial no es v alida en el caso
invariante, ya que
d
dt
e
_
t
0
A()d
= A(t) +
1
2
A(t)(
_
t
0
A()d) +
1
2
(
_
t
0
A()d)A(t) +. . .
,= A(t)e
_
t
0
A()d
(5.58)
dado que para distintos tiempos t y las matrices A(t) y A() son distintas,
y consiguiente en general no conmutan, A(t)A() ,= A()A(t). Por lo que
nos permite concluir que, en general, x(t) = e
_
t
0
A()d
x(0) no es una solucion
de x(t) = A(t)x(t), por lo que debemos buscar otro metodo para obtenerla.
El metodo que usaremos requiere la introducci on de la matriz de transicion
del sistema.
En el caso estacionario (A(t) = A), la matriz de transici on de estados
(t, t
0
) es simplemente:
(t, t
0
) = e
A(tt
0
)
(5.59)
En el caso inestacionario se requiere la solucion de la ecuacion
x(t) = A(t)x(t) (5.60)
que es X(t), o bien la solucion de la ecuacion
t
(t, t
0
) = A(t)(t, t
0
) (5.61)
que es (t, t
0
). Estas ecuaciones son difciles de resolver, salvo para los
siguientes dos casos especiales:
1. La matriz A(t) es triangular; como por ejemplo en
_
x
1
(t)
x
2
(t)
_
=
_
a
11
(t) 0
a
21
(t) a
22
(t)
_ _
x
1
(t)
x
2
(t)
_
(5.62)
En este caso podemos reescribir la ecuacion matricial (5.62) en ecua-
ciones individuales, as:
x
1
(t) = a
11
(t)x
1
(t) (5.63)
x
2
(t) = a
21
(t)x
1
(t) +a
22
(t)x
2
(t) (5.64)
y luego resolver la ecuacion (5.63), para posteriormente reemplazar la
solucion x
1
(t) en la ecuacion (5.64), y determinar la soluci on x
2
(t).
2. La matriz A(t) posee la propiedad conmutativa
A(t)(
_
t
0
A()d) = (
_
t
0
A()d)A(t) (5.65)
para todo t y t
0
(como es el caso de A(t) diagonal o constante). En-
tonces puede demostrarse que la solucion esta dada por
(t, t
0
) = e
_
t
t
0
A()d
=
k=0
1
k!
(
_
t
t
0
A()d)
k
(5.66)
Haciendo extensivo estos resultados a un sistema inestacionario descrito
por las ecuaciones
x(t) = A(t)x(t) +B(t)u(t)
y(t) = C(t)x(t) +D(t)u(t) (5.67)
con condiciones iniciales x(t
0
) = x
0
y entrada u(t), se obtiene la soluci on
x(t) = (t, t
0
)x
0
+
_
t
t
0
(t, )B()u()d (5.68)
Ejemplo 5.7: Obtener (t, 0) para el sistema variable en el tiempo
_
x
1
(t)
x
2
(t)
_
=
_
1 0
0 t
_ _
x
1
x
2
_
(5.69)
Solucion
Usando la ecuacion (5.66) se obtiene la matriz de transici on siguiente:
(t, 0) = I +
_
t
0
A()d +
1
2
(
_
t
0
A()d)
2
+. . . (5.70)
Calculemos primeramente la ecuacion
_
t
0
A()d =
_
t
0
_
1 0
0
_
d =
_
t 0
0
t
2
2
_
(5.71)
luego
(
_
t
0
A()d)
2
=
_
t 0
0
t
2
2
_
=
_
t
2
0
0
t
4
4
_
(5.72)
Entonces, la matriz de transicion solicitada es:
(t, 0) =
_
1 0
0 1
_
+
_
t 0
0
t
2
2
_
+
_
t
2
2
0
0
t
4
8
_
=
_
1 +t +
t
2
2
0
0 1 +
t
2
2
+
t
4
8
_
(5.73)
Captulo 6
Metodos Gracos de Analisis
de Sistemas de Control
Este captulo trata sobre el uso de metodos gracos de analisis de sistemas
de control, como el Lugar Geometrico de las Races (LGR), Bode y Nyquist.
6.1 Metodo del Lugar Geometrico de las Races
El Lugar Geometrico de las Races son la trayectoria que describen la varia-
cion en la localizacion de las races en el plano s cuando vara la ganancia del
sistema desde 0 a . Esta tecnica es util en el estudio de los cambios que
ocurren en el comportamiento de sistemas lineales frente a las variaciones de
sus par ametros. Diremos que este metodo permite hallar los polos de lazo
cerrado partiendo de los polos y ceros de lazo abierto, tomando la ganancia
como parametro, brindando as una presentaci on gr aca de todos los polos
de lazo cerrado.
Sea el sistema de la gura 6.1. La funcion de transferencia de lazo cerrado
es:
Y (s)
R(s)
=
G(s)
1 +G(s)H(s)
(6.1)
La ecuacion caracterstica para este sistema se puede obtener igualando a
cero el denominador de la ecuacion (6.1)
1 +G(s)H(s) = 0 (6.2)
o bien
G(s)H(s) = 1 (6.3)
Para trazar el LGR se deben cumplir las condiciones de angulo y magnitud.
1. Condici on de angulo
G(s)H(s) = 180(2k + 1), para k = 0, 1, 2, ... (6.4)
74 Metodos Gracos de Analisis de Sistemas de Control
Figura 6.1: Diagrama de bloques de un sistema de control
2. Condici on de magnitud, amplitud o m odulo
[G(s)H(s)[ = 1 (6.5)
Los valores de s que cumplen con las condiciones de angulo y magnitud, son
las races de la ecuacion caracterstica o polos de lazo cerrado. El diagrama
de los puntos del plano complejo que s olo satisfacen la condicion de angulo,
constituye el lugar de las races. Las races de la ecuacion caracterstica se
pueden determinar por la condici on de magnitud. La ecuaci on caracterstica
1 + G(s)H(s) se debe escribir como funcion del par ametro de ganancia K,
as:
1 +
K(s +z
1
)(s +z
2
) . . . (s +z
m
)
(s +p
1
)(s +p
2
) . . . (s +p
n
)
(6.6)
Por consiguiente, el lugar de las races para el sistema, son los lugares de los
polos de lazo cerrado al variar la ganancia K de cero a innito. Siendo
G(s)H(s) =
K(s +z
1
)(s +z
2
) . . . (s +z
m
)
(s +p
1
)(s +p
2
) . . . (s +p
n
)
(6.7)
Para comenzar a trazar el lugar geometrico de las races (LGR), se debe
conocer la ubicacion de los polos y ceros de lazo abierto G(s)H(s). Los
angulos de las cantidades complejas originadas en los polos y ceros de lazo
abierto y que abarcan hasta el punto de prueba s, se miden en sentido
antihorario. Supongamos que G(s)H(s) viene dada por
G(s)H(s) =
K(s +z
1
)
(s +p
1
)(s +p
2
)(s +p
3
)(s +p
4
)
(6.8)
donde p2 y p3 son polos complejos conjugados. El angulo de G(s)H(s)
es:
G(s)H(s) =
1
4
(6.9)
donde
1
,
1
,
2
,
3
y
4
se miden en sentido antihorario, seg un puede
apreciarse en las guras 6.2.
6.1 Metodo del Lugar Geometrico de las Races 75
Figura 6.2: Diagramas que muestran los angulos desde polos y ceros de lazo
abierto al punto de prueba s.
6.1.1 Reglas generales para construir el lugar geometrico de
las races (LGR)
Considerando el diagrama de bloques de la gura 6.1, los pasos para construir
el LGR son los siguientes:
1. Se obtiene la ecuacion caracterstica:
1 +G(s)H(s) = 0 (6.10)
y se reescribe de modo que aparezca en la siguiente forma
1 +
K(s +z
1
)(s +z
2
) . . . (s +z
m
)
(s +p
1
)(s +p
2
) . . . (s +p
n
)
, para K > 0 (6.11)
luego se ubican los polos y ceros de lazo abierto G(s)H(s).
2. Se hallan los puntos de inicio y n del LGR y se determina la cantidad
de ramas del LGR. Los puntos del LGR correspondientes a K = 0 son
polos de lazo abierto. Cada rama del LGR se origina en un polo de
G(s)H(s). Al tender K a innito, cada rama del LGR tiende hacia
un cero de G(s)H(s) o hacia innito en el plano complejo. Un diagra-
ma del LGR debe tener tantas ramas como races tiene la ecuacion
caracterstica.
3. Se determina el LGR sobre el eje real, por los polos y ceros de lazo
abierto que estan sobre el. Cada porci on del lugar de las races sobre
el eje real se extiende sobre un rango que va desde un polo o cero hasta
otro polo o cero. Para tal efecto se elige un punto de prueba s sobre
el.
4. Se determinan las asntotas del LGR. El LGR para valores muy grandes
de s deben ser asint oticos a rectas cuyos angulos estan dados por
k
=
180
o
(2k + 1)
n m
, (k = 0, 1, 2, . . .) (6.12)
siendo
n = n umero de polos nitos de G(s)H(s)
m = n umero de ceros nitos de G(s)H(s)
Al aumentar k, el angulo se repite, y la cantidad de asntotas diferentes
es n m. Si la abscisa de interseccion de las asntotas con el eje real
se designa como s =
a
, entonces
a
=
(suma de polos) (suma de ceros)
n m
=
(p
1
+p
2
+. . . +p
n
) (z
1
+z
2
+. . . +z
m
)
n m
(6.13)
5. Se hallan los puntos de ruptura de llegada y de partida. Debido a la
simetra conjugada del LGR, los puntos de ruptura, o bien est an sobre
el eje real, o se producen en pares complejos conjugados.
6. Se determinan los angulos de partida (o angulos de llegada) del LGR
desde los polos complejos (o ceros complejos) aplicando el criterio de
angulo a un punto arbitrariamente cerca del punto de partida o llegada.
Para un LGR de razonable exactitud, se deben hallar las direcciones
y sentidos del LGR en la vecindad de los polos y ceros complejos.
G(s)H(s) =
m
k=1
(s +z
k
)
n
k=1
(s +p
k
) = 180
o
(2k + 1) (6.14)
7. Se determina la interseccion del LGR con el eje imaginario, usando
para ello el criterio de estabilidad de Routh.
8. El valor de K correspondiente a cualquier punto s sobre el LGR se
puede obtener con la condici on de magnitud, dada por:
K =
producto de las distancias entre el punto s y los polos
producto de las distancias entre el punto s y los ceros
(6.15)
9. Determinar el LGR en una zona amplia del eje jw y el origen.
Ejemplo de dise no con aplicaciones de Matlab
Dado el sistema de control mostrado en la gura 6.3, trazar el lugar
geometrico correspondiente.
Veamos los siguientes pasos de dise no:
Figura 6.3: Sistema de Control.
1. Ubicacion de polos y ceros de lazo abierto en el plano s (Ver gura
6.4).
Figura 6.4: Ubicaci on de polos y ceros de lazo abierto en el plano s.
2. Nmero de ramas del LGR:
n = nmero de polos nitos = 4, entonces existen 4 ramas del LGR.
3. Bosquejo del LGR.
La funci on de transferencia de lazo cerrado del sistema es:
Y (s)
R(s)
=
K(s+2)
s(s+1)(s
2
+2s+2)
1 +
K(s+2)
s(s+1)(s
2
+2s+2)
(6.16)
luego, la ecuacion caracterstica del sistema de lazo cerrado es:
1 +
K(s + 2)
s(s + 1)(s
2
+ 2s + 2)
= 0 (6.17)
Evaluando se obtiene:
s(s + 1)(s
2
+ 2s + 2) +K(s + 2) = 0
s
4
+ 3s
3
+ 4s
2
+ (2 +k)s + 2K = 0 (6.18)
Si:
K = 0 s
4
+ 3s
3
+ 4s
2
+ 2s = 0 las races son:
s = 0; s = 1 j; s = -1
K = 0.2 s
4
+ 3s
3
+ 4s
2
+ 2.2s + 0.4 = 0 las races son:
s = 1.0179 0.8836j ; s = -0.5927; s = -0.3714
K = 0.5 s
4
+ 3s
3
+ 4s
2
+ 2.5s + 1 = 0 las races son:
s = 1.1649 0.7483j ; s = 0.3351 0.6398j
K = 5 s
4
+ 3s
3
+ 4s
2
+ 7s + 10 = 0 las races son:
s = 1.8332 0.6899j ; s = 0.3332 1.5797j
podemos plotear ligeramente el LGR, tal como se muestra en la gura
6.5
Figura 6.5: Lugar geometrico aproximado.
4. Determinacion del LGR sobre el eje real.
Este paso ya no es necesario hacerlo, debido a que en el paso (3) se
obtuvo un bosquejo del LGR, donde puede apreciarse las trayectorias
de los polos de lazo cerrado del sistema; sin embargo, tan solo por
razones didacticas comprobaremos la existencia o inexistencia del LGR
en determinados puntos del eje real.
a) Veamos si existe LGR entre -1 y -2 (ver gura 6.6):
ceros
polos = 180
o
(2k + 1)
0
o
(180
o
+ 180
o
) = 360
o
(6.19)
no satisface la condicion de angulo, luego no existe LGR.
b) Veamos si existe LGR entre -2 y - (ver gura 6.7):
ceros
polos = 180
o
(2k + 1)
180
o
(180
o
+ 180
o
) = 180
o
(6.20)
Figura 6.6: Averiguando si existe LGR entre -1 y -2.
Figura 6.7: Averiguando si existe LGR entre -2 y -.
s satisface la condicion de angulo, luego s existe LGR.
c) Veamos si existe LGR entre 0 y + (ver gura 6.8):
ceros
polos = 180
o
(2k + 1)
0
o
(0
o
+ 0
o
) = 0
o
(6.21)
no satisface la condicion de angulo, luego no existe LGR.
5. Determinacin de las asntotas del LGR.
Cuando K , el n umero de ramas que tiende a es n-m: 4 - 1 =
3, luego se tendr a 3 asntotas.
k
=
180
o
(2k + 1)
n m
(6.22)
Figura 6.8: Averiguando si existe LGR entre 0 y +.
Si k=0
0
=
180
o
3
= 60
o
(6.23)
Si k=1
1
=
180
o
(3)
3
= 180
o
(6.24)
Si k=2
2
=
180
o
(5)
3
= 300
o
= 60
o
(6.25)
Luego, las asntotas son: : +60, 60, +180
o
. Ahora podemos deter-
minar la interseccion de las asntotas con el eje real:
a
=
polos
ceros
n m
=
[0 + (1) + (1 +j) + (1 j)] [2]
3
=
1
3
(6.26)
6. Determinacion de los puntos de ruptura.
Presentando la ecuacion caracterstica en la forma:
f(s) = B(s) +KA(s) = 0
f(s) = s
4
+ 3s
3
+ 4s
2
+ (2 +K)s + 2K = 0
f(s) = (s
4
+ 3s
3
+ 4s
2
+ 2s) +K(s + 2) = 0 (6.27)
Los puntos de ruptura se pueden determinar de las races de:
dK
ds
= 0 (6.28)
De 6.27:
K =
(s
4
+ 3s
3
+ 4s
2
+ 2s)
(s + 2)
(6.29)
Luego:
dK
ds
=
(s + 2)
d
ds
(s
4
+ 3s
3
+ 4s
2
+ 2s) (s
4
+ 3s
3
+ 4s
2
+ 2s)
d
ds
(s + 2)
(s + 2)
2
= 0
=
(3s
4
+ 14s
3
+ 22s
2
+ 16s + 4)
(s + 2)
2
= 0 (6.30)
Entonces:
3s
4
+ 14s
3
+ 22s
2
+ 16s + 4 = 0 (6.31)
cuyas races son:
s=2.5033 2.5; s = 0.84170.6335j (no cumple); s = 0.4799
0.48 Luego, los puntos de ruptura son:s=2.5; s = 0.48 (que se
verican en el diagrama del LGR). Reemplazando estos dos puntos
de ruptura en la ecuaci on para K, se determinan las correspondientes
ganancias K, as:
Para s = -2.5 la ganancia es:
K =
(2.5)
4
+ 3(2.5)
3
+ 4(2.5)
2
+ 2(2.5))
(2.5 + 2)
K = 24.37
Para s = -0.48 la ganancia es: K=0.209
7. Determinacin de los puntos de cruce con el eje imaginario.
Usando el criterio de estabilidad de Routh para:
s
4
+ 3s
3
+ 4s
2
+ (2 +K)s + 2K = 0 (6.32)
_
_
s
4
s
3
s
2
s
1
s
0
_
1 4 2K
3 (2 +K)
b
1
=
10K
3
b
2
= 2K
c
1
=
K
2
10K+20
10K
d
1
= 2K
Haciendo c
1
= 0 para oscilacion:
c
1
=
K
2
10K + 20
10 K
= 0
K
2
10K + 20 = 0 (6.33)
se obtienen los siguientes valores de K:
K = -11.7082 valor extra no
K = 1.7082 1.71 valor correcto
Reemplazando este valor de K en la ecuacion auxiliar:
3s
3
+ (2 +K)s = 0
se obtienen las races: s = 1.11j
PREGUNTA: Con K = 10 y K = 0 se obtiene oscilacion?
8. Con base a la informaci on obtenida en los pasos previos, trazar el LGR
nal (ver gura 6.9). El programa en MATLAB para obtener el LGR
Figura 6.9: Lugar Geometrico de las Races nal.
se muestra en la gura 6.10.
9. Determinacion de los angulos de salida y llegada.
Considerando S1 muy cerca del punto de partida -1+j , el angulo de
salida o partida se calcula aplicando el criterio de angulo, as:
ceros
polos = 180
o
(2k + 1)
45
o
(135
o
+ +90
o
+ 90
o
+
x
) = +180
o
x
= 450
o
= 90
o
Los angulos de llegada se calculan en forma similar, es decir aplicando
el criterio del angulo.
Figura 6.10: Listado del programa en c odigo Matlab.
6.1.2 Analisis de Sistemas de Control mediante el LGR
En esta seccion no se pretende analizar sistemas de control especcos, tales
como el PI, PD, PID, etc, sino, hacer el analisis de sistemas de control
condicionalmente estables y sistemas de control de fase no mnima.
Sistemas condicionalmente estables
Se dice que un sistema es condicionalmente estable, si es estable solamente
para rangos limitados del valor de la ganancia K.
Por ejemplo, sea el sistema de la gura 6.12, cuya ecuacion caracterstica
viene dada por:
1 +
K(s
2
+ 2s + 4)
s(s + 4)(s + 6)(s
2
+ 1.4s + 1
= 0
= 1 +
K(s
2
+ 2s + 4)
s
5
+ 11.4s
4
+ 39s
3
+ 43.6s
2
+ 24s
= 0
y que hacendo uso del comando rlocus de Matlab, se obtiene el LGR de
dicho sistema que se muestra en la gura 6.13.
El sistema es estable en los rangos siguientes:
0 < K < 14 , 64 < K < 195
El sistema se vuelve inestable en los rangos siguientes:
14 < K < 64 , y 195 < K
Figura 6.11: Determinacion de los angulos de salida.
Figura 6.12: Sistema de control.
Entonces, a este tipo de sistema se le denomina condicionalmente estable,
caracterizado por su comportamiento peligroso, ya que en la pr actica puede
producir saturaci on. Una forma de evitar la estabilidad condicional, es,
agregando un cero, con lo que consigue que el lugar geometrico se mueva
hacia la izquierda, haciendo que el sistema se vuelva completamnte estable.
Sistemas de fase no mnima
Se dice que un sistema es de fase no mnima, si al menos un polo o cero
se encuentra en el semiplano derecho del plano s. Contrariamente, un sis-
tema de fase mnima es aquel en que todos los polos y ceros del sistema se
encuentran en el semiplano izquierdo de s.
Como ejemplo, veamos el diagrama de bloques de la gura 6.14, en el
que podemos apreciar que el cero esta localizado en el semiplano derecho de
s. Su correspondiente LGR se muestra en la gura 6.15.
Pueden existir sistemas de fase no mnima que adem as del par ametro de
ganancia K puede ser funci on de otros par ametros, lo que llevara a que K
sea funci on de esos otros parametros, por consiguiente el LGR correspondi-
ente variara de acuerdo a la variaci on de K, y su estabilidad estara dentro
de un rango limitado.
Figura 6.13: Lugar geometrico de las races.
Figura 6.14: Sistema de fase no mnima.
6.1.3 Lugar Geometrico de las Races para Sistemas con Re-
tardo de Transporte
El modelo que se presenta en la gura 6.16 describe una operaci on de control
de proceso hipotetica. Suponga que la m aquina de la izquierda combina
varios lquidos y s olidos particulares para formar un compuesto laminado
continuo que se desplaza hacia la derecha. Cuando la l amina solidica, se
obtienen medidas de las propiedades tal como el grosor y la densidad, y esta
informaci on se utiliza para proporcionar la realimentacin al controlador. La
magnitud del retardo temporal se determina por la distancia entre el punto
de control y los sensores dividido por la velocidad de movimiento. Por lo
tanto, el tiempo de retardo es igual a = d/.
En la gura 6.17 se muestra un diagrama de bloques del sistema de con-
Figura 6.15: LGR del sistema de fase no mnima.
trol con modelos de funciones de transferencia de todos los componentes del
sistema que contribuyen al control del grosor del material manufacturado.
Si se asume que el grosor en el punto de control se designa por x(t), en-
tonces la se nal de grosor en el sensor es y(t) = x(t ), y la transformada
de Laplace es Y (s) = e
s
X(s). Por lo tanto, la funci on de transferencia
del retardo es
Y (s)
X(s)
= e
s
.
Una representacion de polos y ceros de e
s
requiere un n umero innitos
de ceros y/o polos. Una expansion en series innita de la funci on del retardo
produce:
e
s
= 1 s +
s
2
2
2!
. . .
Esta funci on se puede truncar para obtener una funci on de transferencia que
es aproximadamente valida si el retardo es sucientemente peque no. En la
siguiente seccion trataremos este mismo ejemplo, pero usando la respuesta
en frecuencia, ofreciendonos un mejor tratamiento al problema de retardo
de transporte. La ecuaci on caracterstica del sistema de control es:
1 +G(s)H(s) = 1 +
0.1e
s
s(
s
0.5
+ 1)
= 0
Figura 6.16: Sistema con retardo de transporte.
Figura 6.17: Sistema con retardo de transporte.
Considerando los tres primeros terminos del retardo, la funci on de trans-
ferencia de lazo abierto es:
G(s)H(s) =
0.1e
s
s(
s
0.5
+ 1)
=
0.625s
2
0.25s + 0.05
s
2
+ 0.5s
cuya simulacion del LGR produce la gr aca mostrada en la gura 6.18.
La funci on de transferencia de lazo cerrado del sistema es:
Y (s)
R(s)
=
G(s)H(s)
1 +G(s)H(s)
=
0.625s
2
0.25s + 0.05
1.625s
2
+ 0.75s + 0.05
(6.34)
Para una entrada escal on unitario, la salida del sistema producir a la respues-
ta en el tiempo, tal como se muestra en la gura 6.19. Podemos comprobar
Figura 6.18: Lugar geometrico del sistema con retardo de transporte.
que existe un retardo de 5 segundos, a partir del cual la salida del sistema
crece, desde cero hasta el nivel de referencia, estabilizandose al valor de la
referencia en un tiempo de aproximadamente 57 segundos.
Figura 6.19: Respuesta al escalon del sistema con retardo de transporte.
6.1.4 Gracas del LGR utilizando Software de Simulaci on
Dado un sistema de control con funci on de transferencia de lazo cerrado,
dada por:
Y (s)
R(s)
=
G(s)H(s)
1 +G(s)H(s)
(6.35)
La ecuacion cracterstica vendra denida por el denominador de dicha fun-
cion de transferencia, que igualando a cero nos produce las races del sistema
de control.
En Matlab, es conveniente que la ecuaci on caracterstica, se reescriba en
la siguiente forma:
1 +
K(s +z
1
)(s +z
2
) +. . . + (s +z
m
)
(s +p
1
)(s +p
2
) +. . . + (s +p
n
)
= 0 (6.36)
Matlab s olo necesita conocer los coecientes de los polinomios del numerador
y denominador de esta ultima ecuaci on (segundo termino del lado izquierdo
de la ecuacion caracterstica), sin la intervencion de la ganancia K, es decir:
num = (s +z
1
)(s +z
2
) +. . . + (s +z
m
) = s
m
+ (z
1
+z
2
+. . . +z
m
)s
m1
+
. . . +z
1
z
2
. . . z
m
den = (s +p
1
)(s +p
2
) +. . . + (s +p
n
) = s
n
+ (p
1
+p
2
+. . . +p
n
)s
n1
+
. . . +p
1
p
2
. . . p
n
Usando el comando rlocus puede obtenerse la gr aca del LGR del sistema de
lazo cerrado, a partir de la funci on de transferencia de lazo abierto G(s)H(s)
= num/den.
Si el sistema de control esta representada como funci on de transferen-
cia, tal como se ha visto, la orden para obtener el LGR es:
rlocus(num, den)
En el caso de que se quisiera obtener el LGR en un rango de ganancias
dada por K, entonces la orden queda modicada como:
rlocus(num, den, K)
Si quisieramos obtener las races y las ganancias correspondientes, se
aplica el siguiente comando:
[r, K] = rlocus(num, den)
Otra herramienta muy importante, no s olo para obtener el LGR, sino
para obtener las gr acas de Bode , Nyquist, Nichols y respuesta en
el tiempo, es usar el comando rltool, que permite abrir una pantalla
graca de edicion, muy amigable y f acil de usar. Tal comando es:
rltool
Figura 6.20: Pantalla gr aca del rltool.
y cuyo resultado es la pantalla gr aca que se muestra en la gura
6.20, y en la cual se pueden ingresar los polos y ceros de lazo abier-
to G(s)H(s), no sin antes hacer click en la ventana rotulada como
current compensator. Si deseamos obtener las races del sistema para
un determinado valor de K, basta con digitar el valor de ganancia que
se desea en la ventana rotulada como Gain.
Veamos el siguiente ejemplo: Dado el sistema de control mostrado en la
gura 6.21, dibujar el LGR usando los comandos rlocus y rltool.
La ecuacion caracterstica del sistema de control es:
1 +
K(s + 2)
s(s + 1)(s
2
+ 2s + 2)
= 0
1 +
K(s + 2)
s
4
+ 3s
3
+ 4s
2
+ 2s)
= 0
Figura 6.21: Diagrama de bloques de un sistema de control.
donde num = [0, 0, 0, 1, 2], den = [1, 3, 4, 2, 0].
El programa en c odigo Matlab es:
% ********** Lugar de las raices ************
num=[0, 0, 0, 1, 2]; % coeficientes del polinomio del numerador
den=[1, 3, 4, 2, 0]; % coeficientes del polinomio del denominador
sys=tf(num,den)
rlocus(sys) % plotea el LGR
%[K, polos]=rlocfind(num,den) % activa el cursor para obtener K
%en un punto del LGR
v=[-4 2 -3 3]; axis(v); grid title(LGR de G(s)=K
(s+2)/(s^4+3s^3+4s^2+2S))
%[r,K]=rlocus(sys) % muestra la matriz r y el vector ganancia K
% DETERMINCION DE LAS RAICES PARA UNA GANANCIA K ESPECIFICADO
K=[0 8]; % por ejemplo, se selecciona valores de K=0 y K=8
[r]=rlocus(sys,K) % produce 2 races, una para K=0 y otra para K=8
El resultado gr aco se muestra en la gura 6.22. Para los valores de K = 0
y K = 8, las races del sistema se obtienen digitando:
>> r
r =
0 0.5042 + 1.8318i
-1.0000 + 1.0000i -2.0042 + 0.6446i
-1.0000 - 1.0000i -2.0042 - 0.6446i
-1.0000 0.5042 - 1.8318i
donde, la primera columna corresponde a las races del sistema para K = 0,
y la segunda columna corresponde a las races del sistema para K = 8.
Aplicando el comando rltool, e ingresando los polos y ceros del sistema,
tal como se puede observar en la gura 6.23, se obtiene el resultado que se
muestra en la gura 6.24.
Figura 6.22: Lugar geometrico del sistema de control.
6.2 Metodo de Respuesta en Frecuencia
En la mayora de los sistemas de control se aplican metodos de an alisis en el
dominio del tiempo; sin embargo, fundamentalmente en los sistemas de co-
municaciones, es muy util el an alisis y dise no en el dominio de la frecuencia,
debido a que la mayora de se nales a ser procesadas son de tipo senoidal;
sin embargo, es tambien aplicado al an alisis y dise no de sistemas de control.
El concepto de respuesta en frecuencia es muy usado en la identicaci on
de par ametros de procesos o plantas, cuyo modelo es representado como
funci on de transferencia o relacion entrada - salida, en la cual la variable s
se reemplaza por jw, siendo w la frecuencia. La respuesta en frecuencia se
puede realizar en forma experimental con generadores sinusoidales y equipos
de medicion.
Dado un sistema lineal invariante en el tiempo como el que se presenta
en la gura 6.25, y considerando r(t) = Rsenwt, entonces la respuesta en
regimen permanente sera (si el sistema es estable):
y(t) = R[G(jw)[sen(wt +) (6.37)
donde la funci on de transferencia de lazo abierto es G(jw)H(jw). Si La
realimentacion es unitaria, es decir si H(jw) = 1, entonces la funci on de
transferencia de lazo abierto se reduce a G(jw), que viene a ser una cantidad
compleja, dada por:
G(jw) = [G(jw)[e
j
(6.38)
donde [G(jw)[ es el modulo o amplitud y =G(jw) es el angulo o fase. La
magnitud y el angulo de fase de G(jw) se representan facilmente por gracas
6.2 Metodo de Respuesta en Frecuencia 93
Figura 6.23: Ingreso de los ceros y polos GH(s) del sistema.
que proporcionar an conocimiento para el an alisis y dise no de sistemas de
control. La desventaja de este metodo es que la correlacion entre frecuencia
y respuesta transitoria es indirecta, excepto en el caso de sistemas de segundo
orden.
6.2.1 Gracas de Bode
Una de las representaciones gracas de la respuesta en frecuencia son los
denominados diagramas de Bode. Estos diagramas sirven para gracar la
respuesta en frecuencia en forma semilogartmica. Se trata de dos gr acas,
una corresponde a la ganancia en dB contra w y la otra corresponde a la
fase f(w) contra w.
Ganancia(dB) = 20log[G(jw)[
Angulo = = G(jw)
Figura 6.24: Lugar geometrico del sistema de control.
Figura 6.25: Sistema lineal estable e invariante en el tiempo.
La escala de frecuencia es logartmica, por lo que estas gracas se realizan
en papel semilogartmico con una coordenada rectangular lineal para los dB
y una coordenada logartmica para w.
Una relacion igual a diez entre dos frecuencias se le denomina decada. El
intervalo de frecuencias w
2
= 2w
1
, se denomina octava. La ventaja principal
de la gr aca logartmica es la conversion de factores multiplicativos en una
funci on de transferencia en factores aditivos por la denici on de ganancia
logartmica (ver Ingeniera de Control Moderna por Ogata).
Factores bsicos de G(jw)H(jw)
Los factores basicos que se presentan frecuentemente en una funci on de
transferencia G(jw)H(jw) son:
1) La ganancia K
2) Los factores integrales y derivativos (jw)
1
3) Los factores de primer orden (1 +jwT)
1
4) Los factores cuadraticos [1 + 2(jw/w
n
) + (jw/w
n
)
2
]
1
La ganancia K
Una cantidad mayor que la unidad tiene un valor positivo en decibeles, en
tanto que una cantidad menor que la unidad tiene un valor negativo. La
curva de logaritmo de la magnitud para una ganancia constante K es una
lnea recta horizontal en la magnitud de 20logK db. El angulo de fase de
la ganancia K es cero. Si se vara K, aumenta o desciende su magnitud en
decibeles, pero no afecta al angulo de fase.
20log(K 10
n
) = 20logK + 20n (6.39)
20logK = 20log
1
K
Factores integral y derivativo (jw)
1
La magnitud logartmica de 1/jw es:
20log[
1
jw
[ = 20logwdB (6.40)
y el angulo de fase de 1/jw es constante e igual = 90
o
.
Identicamente, el logaritmo de la magnitud de jw es:
20log[jw[ = 20logwdB (6.41)
y el angulo de fase correspondiente es constante e igual a = +90
o
.
Si la funci on de transferencia contiene el factor (1/jw)
n
o (jw)
n
, el log-
aritmo de la magnitud en cada caso es:
20log[
1
(jw)
n
[ = n 20log[jw[ = 20nlogwdB (6.42)
20log[(jw)
n
[ = n 20log[jw[ = 20nlogwdB (6.43)
y sus angulos son ( = 90
o
n) y ( = 90
o
n) en todo el rango de
frecuencias, respectivamente.
En las guras 6.26 y 6.27 se observan los diagramas de Bode de 1/jw y jw
respectivamente.
Figura 6.26: Diagrama de Bode para 1/jw.
Factores de primer orden (1 +jwT)
1
El logaritmo de la magnitud de 1/(1 +jwT) es:
20log[
1
1 +jwT
[ = 20log
_
1 +w
2
T
2
dB (6.44)
y el angulo de fase correspondiente es:
= tan
1
wT (6.45)
Si w = 0 = 0
o
Si w = 1/T (frecuencia de cruce) = 45
o
Si w = = 90
o
La curva de la respuesta en frecuencia se puede aproximar por medio de
dos rectas asint oticas, una a 0dB en el rango 0 < w < 1/T y la otra con una
pendiente de 20db / decada en el rango de frecuencias de 1/T < w < .
La frecuencia de cruce a la cual se cortan las dos asntotas se denomina
frecuencia de cruce o transicion.
El error m aximo en la curva de magnitud causado por el uso de las
asntotas es aproximadamente igual a 3dB. El error en la frecuencia a una
Figura 6.27: Diagrama de Bode para jw.
octava por abajo o por encima de la frecuencia de cruce es aproximadamente
a 1dB.
El logaritmo de la magnitud de (1 +jwT) es:
20log[1 +jwT[ = 20log
_
1 +w
2
T
2
dB (6.46)
y el angulo de fase correspondiente es:
= tan
1
wT (6.47)
Factores cuadraticos [1 + 2(jw/w
n
) + (jw/w
n
)
2
]
1
Frecuentemente los sistemas de control tienen factores cuadraticos de la
forma:
1
1 + 2(jw/w
n
) + (jw/w
n
)
2
(6.48)
Si > 1 este factor cuadr atico se puede expresar como un producto
de dos de primer orden con polos reales.
Si 0 < < 1 este factor cuadr atico es el producto de dos factores
complejos conjugados.
La magnitud en db para
1
1+2(jw/w
n
)+(jw/w
n
)
2
es:
20log[
1
1 + 2(jw/w
n
) + (jw/w
n
)
2
[ = 20log
_
(1 w
2
/w
2
n
)
2
+ (2 w/w
n
)
2
(6.49)
Para frecuencias bajas como w << w
n
- 20 log 1 = 0 dB, entonces la
asntota de baja frecuencia es una lnea horizontal a 0 dB.
Para frecuencias altas como w >> w
n
, 20log (w
2
/w
2
n
)=40log (w/w
n
)
dB, entonces la asntota de alta frecuencia es una lnea recta con pendiente
de -40 dB / decada.
Las dos asntotas son independientes del valor de ; sin embargo cerca
de la frecuencia w = w
n
, se produce un pico de resonancia, cuya magni-
tud depende del factor de amortiguamiento . Obviamente hay error en la
aproximacion mediante rectas asint oticas. La magnitud del error depende
del valor de y es elevado para peque nos valores de .
El angulo de fase correspondiente es:
= [
1
1 + 2(jw/w
n
) + (jw/w
n
)
2
] = tan
1
[
2w/w
n
1 (w/w
n
)
2
] (6.50)
El angulo de fase es funci on de w y de .
Si w = 0 = 0
o
.
Si w = w
n
= 90
o
.
Si w = = 180
o
.
Determinacion de la frecuencia de resonancia w
r
, el valor del pico
de resonancia M
r
y el ancho de banda BW
Dada la funci on de transferencia de un sistema de lazo cerrado con reali-
mentaci on unitaria:
Y (s)
R(s)
=
G(s)
1 +G(s)
, cons = jw (6.51)
La magnitud de
G(jw) =
1
1 + 2(jw/w
n
) + (jw/w
n
)
2
(6.52)
es
[G(jw)[ =
1
_
(1 w
2
/w
2
n
)
2
+ (2 w/w
n
)
2
(6.53)
La frecuencia de resonancia w
r
es aquella en la que [G(jw)[ tiene un
valor pico o m aximo, y esta determinada por w
r
= w
n
_
1 2
2
(0 <
0.707).
Si 0 w
r
w
n
Si 0 < 0.707 w
r
< w
d
, donde w
d
= w
n
_
1
2
, que aparece en
la respuesta transitoria. Para > 0.707 no hay pico de resonancia.
Para 0.707 < < 1, la respuesta al escalon es oscilatoria, pero muy
amortiguadas que son apenas perceptibles.
La magnitud del pico de resonancia M
r
es el valor maximo de
[G(jw)[.
Para 0 < 0.707 esta dada por:
M
r
= [G(jw)[
max
= [G(jw
r
)[ =
1
2
_
1
2
Si > 0.707 M
r
= 1
Si 0 M
r
=
El angulo de fase de G(jw) a la frecuencia de resonancia es:
G(jw
r
) = ten
1
_
1 2
2
= 90
o
+sen
1
(

1
2
)
El ancho de banda BW se obtiene haciendo que el valor de [G(jw)[
sea igual a 1/
2 = 0.707, es decir:
[G(jw)[ =
1
_
(1 w
2
/w
2
n
)
2
+ (2 w/w
n
)
2
=
1
2
(1 w
2
/w
2
n
)
2
+ (2 w/w
n
)
2
= 2
Efectuando la siguiente asignaci on: a = w/w
n
tendremos:
(1 a
2
)
2
+ (2 a)
2
= 2
1 2a
2
+a
4
+ 4
2
a
2
= 2
a
4
2a
2
(1 2
2
) = 1
(a
2
)
2
2(1 2
2
)(a
2
) 1 = 0
(a
2
) = (1 2
2
)
_
4
4
4
2
+ 2
a =
w
w
n
= [(1 2
2
)
_
4
4
4
2
+ 2]
1/2
BW = w
n
[(1 2
2
)
_
4
4
4
2
+ 2]
1/2
Como se puede observar el ancho de banda BW es directamente proporcional
a w
n
. En la gura 6.28 se muestra una gr aca del ancho de banda de [G(jw)[.
Nota importante:
Figura 6.28: Ancho de banda BW de [G(jw)[.
El ancho de banda BW es directamente proporcional a w
n
.
Cuando crece, BW disminuye.
Si lo relacionamos con la respuesta en el tiempo de un sistema de control,
diremos que:
BW es inversamente proporcional al tiempo de subida t
r
.
Si BW aumenta, entonces el sistema responde mas rapido.
Margenes de ganancia y fase
En un sistema realimentado inicialmente estable, es importante conocer
que caractersticas determinadas del modelo se pueden perturbar antes de
que se produzca inestabilidad. Esta informaci on se puede obtener por la
determinacin del m argen de ganancia (MG) y el m argen de fase (MF).
Si una variaci on en un par ametro (por ejemplo la ganancia K) del sistema
produce que uno o m as polos de lazo cerrado atraviese el eje jw, la condici on
de corte localiza uno o mas polos de lazo cerrado en el jw. Esto signica
que existe alg un valor de w para el que [G(jw)/(1 + G(jw)H(jw)[ = .
Para que no ocurra esto, se debe cumplir que: [G(jw)H(jw)[ = 1.
O sea, se deben cumplir las condiciones de magnitud y angulo, expre-
sadas por:
[G(jw)H(jw)[ = 1
G(jw)H(jw) = 180
o
(2k + 1)
Si no hay polos de lazo cerrado en el semiplano derecho, esta condici on
representa una transici on entre estabilidad e inestabilidad, representada en
la gura 6.29.
Figura 6.29: Transici on entre estabilidad e inestabilidad.
El m argen de ganancia y el m argen de fase se dene de forma que propor-
cionan una medida de la proximidad de una situaci on dada a la condici on
de transici on. Si un sistema es inicialmente estable y un cambio en los
par ametros produce la deteccion de un cruce con el eje jw, el cruce debe
representar estabilidad marginal.
Margen de ganancia
El MG es la razon por la que la ganancia del lazo se permite que cambie
antes de que se alcance la condicion de inestabilidad. El MG es el n umero
de decibelios que se debe incrementar la ganancia en lazo abierto para que
alcance 0 dB a la frecuencia a la que el desfase en lazo abierto es -180.
Margen de fase
Es una medida del retraso de fase adicional que est a permitido antes de
alcanzar 180
o
a la frecuencia donde [G(jw)H(jw)[ = 1 o 20log[G(jw)H(jw)[ =
0 dB.
En la gura 6.30 se muestran los m argenes de ganancia y de fase para
un sistema estable e inestable.
6.2.2 Gracas de Bode utilizando software de simulaci on
La orden bode(num, den) permite gracar el diagrama de Bode, tanto la
magnitud como la fase en funci on de la frecuencia angular.
Cuando se utilizan argumentos en el lado izquierdo del comando, tal
como: [mag, fase, w] = bode(num, den, w), bode devuelve la respuesta en
frecuencia del sistema en las matrices mag, fase y w, sin gracar dicha
respuesta.
Veamos el siguiente ejemplo: Dado un proceso con funci on de transferencia:
G(s)H(s) =
2
s(
s
10
+ 1)
2
Figura 6.30: M argen de ganancia y m argen de fase para sistemas estables e
inestables.
trazar el diagrama de Bode y determinar el MG y MF del sistema.
El programa en Matlab es el siguiente:
% DETERMINACION DEL MARGEN DE GANANCIA Y MARGEN DE FASE
% Anlisis de la funcin de transferencia G(s)H(s)=2/[s[(s/10)+1]^2]
num=[0 0 0 200]; den=[1 20 100 0];
% Respuesta frecuencial
w=.1:.1:100; [mag, fase]=bode(num,den,w); subplot(211);
semilogx(w,20*log10(abs(mag))); title(Diagramas de Bode de
G(s)H(s)=2/[s[(s/10)+1]^2]); ylabel(Magnitud en dB);
xlabel(Frecuencia (rad/seg)); grid; subplot(212);
semilogx(w,fase); grid; ylabel(Fase en grados);
xlabel(Frecuencia (rad/seg));
cuya ejecucion genera la graca mostrada en la gura 6.31, en la que se han
resaltado el MG y el MF. Del diagrama de Bode se puede apreciar que el
cruce por 0 dB de la curva de magnitud es a una frecuencia de 2 rad/s. El
desfase a esta frecuencia es aproximadamente 112
o
, por lo tanto el MF es
aproximadamente 68
o
.
6.2.3 Gracas Polares y Criterio de Estabilidad de Nyquist
Para obtener el diagrama de Nyquist se utiliza un diagrama polar, con el
par ametro w variando desde cero hasta innito, considerando la funci on de
Figura 6.31: M argen de ganancia y m argen de fase para el ejemplo.
transferencia de lazo abierto G(s)H(s), con s = jw. Por consiguiente, se
puede armar que el diagrama de Nyquist es una representacin de la mag-
nitud de GH(jw) o G(jw) (si H(jw) = 1) en coordenadas polares, es decir
el diagrama polar es el lugar de los vectores [GH(jw)[GH(jw). Es impor-
tante recordar que un angulo de fase positivo se mide en direcci on contraria
a las agujas del reloj desde el eje real positivo. En la gura 6.32 se mues-
tra un ejemplo generico de un diagrama de Nyquist, donde las proyecciones
del punto terminal de un vector sobre los ejes real e imaginario vienen a
constituir los componentes real e imaginario de dicho vector. En la gura
6.33 se presenta en forma generica las representaciones en baja frecuencia
de los diagramas de Nyquist de sistemas tipo 0, tipo 1 y tipo 2.
La ventaja de este tipo de diagrama es que muestra en una unica gr aca
la respuesta en frecuencia de un sistema a lo largo de todo el rango de
frecuencias. La desventaja es que no permite ver la contribuci on de cada
factor individual de la funci on de transferencia de lazo abierto. Por facilidad
de representacion, consideraremos la siguiente notacion: M(w) = [GH(jw)[,
(w) = GH(jw).
Figura 6.32: Diagrama de Nyquist de lazo abierto G(jw).
Criterio de estabilidad de Nyquist
El criterio de estabilidad de Nyquist se obtiene de la observacion del diagra-
ma polar del modelo en lazo abierto. Este criterio se puede expresar de la
forma siguiente:
1 Sea el sistema que se muestra en la gura 6.14. Si la funci on de
transferencia de lazo abierto G(s)H(s) tiene P polos en el semiplano
derecho s, entonces para que sea estable el lugar G(s)H(s), cuando un
punto s recorre el camino de Nyquist en el sentido de las agujas del
reloj, debe enlazar al punto 1 +j0 P veces en el sentido contrario a
las agujas del reloj.
2 Este criterio se puede expresar como:
Z = N +P (6.54)
donde:
Z = n umero de ceros de 1 +G(s)H(s) en el semiplano derecho s.
N = n umero de vueltas en el sentido de las agujas del reloj del punto
1 +j0 (rodeo positivo).
P = n umero de polos de G(s)H(s) en el semiplano derecho s.
Para un sistema estable:
Si P ,= 0 Z = 0 o N = P. Esto ltimo indica que debemos
tener P vueltas alrededor del punto 1+j0 en el sentido contrario
a las agujas del reloj.
Si P = 0 (no hay ning un polo en el semiplano derecho de s)
Z = N para garantizar estabilidad.
Figura 6.33: Diagrama de Nyquist de sistemas de fase mnima tipo 0, tipo
1 y tipo 2.
Figura 6.34: Diagrama de bloques de un sistema de control.
3 La simple inspeccion de las vueltas al punto 1 + j0 no es suciente
para detectar inestabilidad en sistemas con m ultiples lazos; sin embar-
go, la existencia o no de polos de lazo cerrado en el semiplano derecho
s, puede determinarse aplicando el criterio de Routh al denominador
de G(s)H(s) o mediante simulaci on (por ejemplo usando Matlab).
4 Si el lugar de G(jw)H(jw) pasa a traves del punto 1 +j0, entonces
los ceros de la ecuacion caracterstica o los polos de lazo cerrado estan
localizados sobre el eje jw.
Nota:
Una preocupaci on especca en la consideracion de la estabilidad es la de-
teccion de ceros de 1 +G(s)H(s) en el semiplano derecho s. Por tal motivo,
el camino de Nyquist encierra el semiplano derecho completamente, nor-
malmente en el sentido de las agujas del reloj. El camino recorre el eje jw
desde a +y luego completa el cierre del semiplano derecho formando
un semicrculo con radio R , como se muestra en la gura 6.35. Si
1 + G(s)H(s) se eval ua a lo largo del camino de Nyquist y el resultado se
dibuja en el plano (1 + GH), el n umero de rodeos o vueltas al origen en el
sentido horario debera revelar el n umero neto de ceros menos el n umero de
polos de 1 +G(s)H(s) en el semiplano derecho. Los ceros de 1 +G(s)H(s)
son las races de la ecuacion caracterstica, y los polos de 1 +G(s)H(s) son
tambien los polos de G(s)H(s).
Figura 6.35: Camino de Nyquist en el plano s.
Veamos el siguiente ejemplo:
Considere el sistema de la gura 6.36 con el camino de Nyquist descrito en
terminos de los segmentos 1, 2, 3 y 4 que se muestran. El segmento 4 se
introduce porque es necesario construir un peque no rodeo alrededor del polo
de la funci on de transferencia de lazo abierto en el origen. Con el rodeo hacia
la derecha como se muestra, no hay polos de la funci on de transferencia en
lazo abierto en el semiplano derecho, es decir P = 0.
Figura 6.36: Sistema de control y el camino de Nyquist.
Considerando el segmento 1, la evaluaci on por esta parte del camino
requiere s = jw, con w variando desde 0
+
a . Por consiguiente, la funci on
de transferencia GH para este segmento es:
G(jw)H(jw) =
32
jw(jw + 2)
2
=
8
jw(
jw
2
+ 1)
2
El segmento 2 se determina con s = Re
j
, donde R se aproxima a
y vara desde +90
o
a 90
o
en direccion antihoraria. Por consiguiente, la
funci on de transferencia para este segmento es:
GH =
8
Re
j
(
Re
j
2
+ 1)
2
32
R
3
e
j3
La evaluacion de esta funci on produce una vuelta y media alrededor del
origen en direccion horaria. Sin embargo, cuando R , GH 0; por
consiguiente, este segmento colapsa en el origen, como se muestra en la gura
6.37.
Figura 6.37: Contorno en el plano GH y un detalle cerca al origen.
El segmento 3 se obtiene f acilmente porque sustituyendo jw (en lugar
de +jw) se obtiene el complejo conjugado del segmento 1. Debido a que w
vara desde a 0
, la magnitud de este segmento empieza en la vecindad

de cero y se extiende hasta que nalmente se aproxima en innito a +90
o
.
El segmento 4 se obtiene con s = re
j
, donde r es un radio que tiende a
cero y un angulo que vara desde 90
o
a +90
o
en la direccion horaria. La
evaluacion de la funci on GH para este segmento es:
GH =
8
re
j
(
re
j
2
+ 1)
2
8
r
e
j
Debido a que r 0, la magnitud en el plano GH y el angulo cambia en
una vuelta y media en direcci on horaria. Puesto que hay dos rodeos al punto
1 + j0, Z = N = 2, entonces hay dos races de la ecuacion caracterstica
en el semiplano derecho de s, por lo que el sistema es inestable.
Margenes de ganancia y fase
En la gura 6.38 se muestra los diagramas de Nyquist de G(jw) para
tres valores de la ganancia K en lazo abierto . Para K grande, el sistema es
inestable, cuando K disminuye a un cierto valor, en que el lugar de G(jw)
pasa a traves del punto 1 + j0, el sistema se vuelve oscilatorio, y cuando
K se hace peque no, el lugar de G(jw) pasa a traves de un punto menor a
1 +j0, entonces el sistema es estable.
Figura 6.38: Diagrama de Nyquist para sistemas: inestable, oscilatorio y
estable.
Margen de ganancia
El margen de ganancia K
g
es el recproco de [G(jw)[ en la frecuencia
donde el angulo de fase es 180
o
, as:
K
g
=
1
[G(jw
1
)[
(6.55)
K
g
dB = 20 log K
g
= 20 log [G(jw
1
)[
El margen de ganancia expresado en decibelios es positivo si K
g
> 1 (sis-
tema estable) y negativo si Kg < 1 (sistema inestable).
Margen de fase
El margen de fase es la cantidad de retardo de fase adicional en la fre-
cuencia de la ganancia de cruce que se requiere para llevar al sistema a su
frontera de inestabilidad. La frecuencia de la ganancia de cruce es la fre-
cuencia en la cual la magnitud de la funci on de transferencia de lazo abierto
[G(jw)[ se hace igual a la unidad. El margen de fase es representado por:
= 180
o
+
En la gura 6.39 se muestra el margen de fase y margen de ganancia.
Figura 6.39: Margen de ganancia y margen de fase para sistemas estables e
inestables.
Para un sistema de fase mnima ambos margenes de ganancia y de fase
deben ser positivos para que el sistema sea estable. Margenes negativos
indican inestabilidad. Para un comportamiento satisfactorio, el margen de
fase debera estar comprendido entre 30
o
y 60
o
y el margen de ganancia debe
ser mayor que 6 dB.
Haciendo uso de Matlab, para determinar la gr aca de Nyquist se debe
aplicar el comando nyquist(num, den).
6.2.4 Aplicaci on a sistemas con retardo de transporte
Consideremos el ejemplo tratado en la subseccion 6.1.3. El empleo de un
modelo en el dominio de la frecuencia no requiere una aproximaci on (como
si ocurrio en el caso del lugar geometrico de las races). Un retardo tempo-
ral afecta solo al angulo de fase (y no a la amplitud) de la representaci on
espectral de la se nal, y esta propiedad se reeja en la simplicidad relativa
de una funci on de transferencia en el dominio de la frecuencia.
Efectuando la sustituci on de s por jw en la funci on de transferencia
del retardo produce e
jw
. Esta funci on presenta una ganancia unidad y
un angulo de w radianes. Puesto que la magnitud del desfase aumenta
sin lmite cuando la frecuencia tiende a innito, la presencia de un retardo
garantiza que habr a alguna frecuencia a la que la funci on de la fase del lazo
pase por 180
o
.
La funci on en lazo abierto del sistema es:
G(jw)H(jw) =
0.1e
jw
jw(
jw
0.5
+ 1)
Como la magnitud de la funci on de retardo es la unidad para toda w, esta
componente de la funci on de transferencia del lazo se puede ignorar cuando
se determina la frecuencia para la que la magnitud de la funci on del lazo es
la unidad. As:
[G(jw)H(jw)[ =
0.1
[jw(
jw
0.5
+ 1)[
Si w = 0.0981 entonces:
[G(jw)H(jw)[ =
0.1
[jw(
jw
0.5
+ 1)[
=
0.1
_
w
4
0.25
+w
2
= 1.0003 1
El margen de fase se determina evaluando la fase de la funci on con w =
0.0981 en funci on del retardo. La fase viene dada por:
= G(jw)H(jw) = 90
o
ten
1
(
0.0981
0.5
) 0.0981
180
o
En la gura 6.40 se muestra el diagrama de Nyquist correspondiente para

un retardo de 5 segundos, para el cual el sistema es estable.
Figura 6.40: Diagrama de Nyquist para el sistema con retardo de transporte.
Captulo 7
Modelos No Lineales,
Linealizaci on y Tecnicas
Analticas
7.1 Introducci on
El modelamiento de sistemas dinamicos es sumamente importante en el
an alisis y dise no de sistemas de control. Si un sistema se puede describir con
razonable precicion utilizando un modelo lineal e invariante en el tiempo, la
simulacion se obtiene r apidamente y los problemas de dise no se pueden abor-
dar mediante el uso de herramientas matematicas adecuadas. Sin embargo,
la consideracion de un modelo no lineal, conlleva la descripci on de fen omenos
mas complejos, que requiere la aplicacion de una tecnica analtica. En un
modelo lineal, la determinacion de la estabilidad, sobreimpulso, tiempo de
asentamiento, etc. lo determina el modelo. Sin embargo, en un modelo
no lineal, estas caractersticas no solo estan determinadas por el modelo,
sino por la magnitud de la se nal de excitacion. Por ejemplo, un sistema
no lineal puede comportarse en forma completamente distinta en respues-
ta a entradas escalon de diferente magnitud; esto signica, que no puede
aplicarse el principio de superposici on.
7.2 Modelos de Sistemas No Lineales: Propiedades
Caractersticas
La representacion en el espacio de estado del modelo no lineal de un sistema
din amico de orden n, puede estar dada por
x
1
= f
1
(x
1
, x
2
, . . . x
n
, u
1
, . . . u
m
)
x
2
= f
2
(x
1
, x
2
, . . . x
n
, u
1
, . . . u
m
)
112 Modelos No Lineales, Linealizacion y Tecnicas Analticas
.
.
.
x
n
= f
n
(x
1
, x
2
, . . . x
n
, u
1
, . . . u
m
) (7.1)
x = f(x, u) (7.2)
Considerando que un modelo no lineal es sensible al nivel de excitaci on,
entonces sera estable en una region de operacion e inestable en otra. Esto
signica que la estabilidad se eval ua en la proximidad de una condici on po-
tencialmente estatica conocida como un estado de equilibrio; pudiendo
tener m as de un estado de equilibrio.
Debido a que un cambio en la magnitud de la se nal de excitacion puede
producir una transici on de una condici on estable a otra inestable, puede
existir una excitacion en la cual las condiciones para una oscilacion en es-
tado estacionario se desdoble en un nivel de se nal especco, fen omeno no
lineal conocido como ciclo lmite, cuya amplitud se determina por los
par ametros del modelo del sistema. Un ciclo lmite aparece en el espacio de
estado como una trayectoria cerrada aislada y si existe mas de una de estas
trayectorias cada una representa el potencial para engendrar una variaci on
peri odica. Dependiendo de la excitacion, el sistema puede cambiar entre
modos de conductas inestables y estables o cambios de un modo oscilatorio
a otro.
Algunas de las propiedades caractersticas de los sistemas no lineales son:
No se observa la superposicion y la respuesta en estado estacionario a
una entrada sinusoidal se ve como una forma de onda no sinusoidal.
Los diferentes criterios de comportamiento (incluyendo la estabilidad)
dependen del modelo del sistema y del nivel de excitaci on.
Se puede presentar una oscilaci on cuya amplitud en estado estacionario
esta determinada por los par ametros del sistema.
Un sistema puede tener mas de un estado de equilibrio y m as de un
modo de oscilacion.
El comportamiento de un sistema no lineal se presentan en m ultiples casos,
por ejemplo:
Si se consideran condiciones de gran se nal, los amplicadores elec-
tr onicos y otros circuitos electronicos estan sujetos a restricciones de-
terminadas por limitaciones operativas de los dispositivos activos. Por
tanto, los circuitos del controlador con amplicadores, conversores dig-
itales/analogicos impondran limitaciones sobre el nivel maximo de
se nal. Un fen omeno de saturaci on se puede observar tambien con
el empleo de motores electricos, tacometros y otros dispositivos que
incorporan campos magneticos controlados. El campo magnetico se
7.3 Espacio de Estados y Plano Fasico 113
intensica utilizando un material de n ucleo magnetico, pero la satu-
racion ocurre si se aumenta la corriente hasta un nivel para el cual
todos los dominos magneticos estan alineados.
Si se consideran sistemas que incorporan movimientos mecanicos, su-
percies con cojinetes a bolas (con movimiento de deslizamiento o de
rodadura) est an sujetas a los efectos de componentes de rozamien-
to no lineal. El rozamiento est atico y de Coulomb son fen omenos
no lineales y un efecto observado com unmente es una supresi on de
movimiento cuando la fuerza (o par) es peque na. Los engranajes y
otros acoplamientos mecanicos pueden tener huelgo (un desfase en el
desplazamiento relativo) cuando ocurre un cambio en la direcci on del
movimiento. Una gran desviacion desde el cero indica una caractersti-
ca no lineal signicativa.
Una conducta extremadamente err atica conocida como caos puede
ocurrir en ciertos sitemas con un cambio radical de la respuesta como
efecto a un ligero cambio en el estado inicial.
Ninguno de los fen omenos antes mencionados, as como otros fen omenos no
lineales, se producen en sistemas lineales. Esos fenomenos no se pueden ex-
plicar por la teora lineal; para explicarlos hay que resolver analticamente o
gracamente las ecuaciones diferenciales no lineales que describen la dinami-
ca del sistema.
7.3 Espacio de Estados y Plano Fasico
La representacion geometrica del comportamiento de un sistema en termi-
nos de trayectoria, se denomina representacion en el plano de fase o plano
de estado de la din amica del sistema. Para sistemas de segundo orden, el
diagrama del plano de fase da una clara imagen de las trayectorias; sin em-
bargo es difcil visualizar o construir trayectorias para sistemas de tercer
orden. Para sistemas de orden superior a tres, es practicamente imposible
visualizar las trayectorias; aunque, pueden extenderse conceptualmente a un
espacio de n dimensiones.
El metodo del plano de fase es util para estudiar sistemas con
alinealidades pronunciadas; situaci on diferente al metodo de la funci on
descriptiva (que trataremos en la seccion 7.8) que est a restringido a
alinealidades peque nas.
7.3.1 Metodo del Plano de Fase
Veamos un metodo gr aco para obtener la soluci on de las siguientes ecua-
ciones diferenciales de primer orden:
x
1
= f
1
(x
1
, x
2
) (7.3)
x
2
= f
2
(x
1
, x
2
) (7.4)
donde f
1
(x
1
, x
2
) y f
2
(x
1
, x
2
) son funciones lineales o alineales de las variables
x
1
y x
2
, respectivamente. Las ecuaciones 7.3 y 7.4 son autonomas, debido
a que la variable independiente t solo aparece en la forma de derivadas. En
un sistema aut onomo, las fuerzas y las restricciones son independientes del
tiempo.
Suponiendo que x
1
= y y x
2
= y, se obtienen algunas trayectorias en el
plano de fase y y, tal como se muestra en la gura 7.1. Cada una de las
gracas representa una respuesta no forzada para sistemas lineales con un
estado inicial distinto de cero. Se puede observar que la estabilidad marginal
produce una trayectoria cerrada con una magnitud modicable y dependi-
ente de la condici on inicial. En la gura 7.2 se presentan algunas gr acas
Figura 7.1: Trayectorias en el plano f asico para sistemas lineales con: a)
amortiguamiento crtico, b) Una condici on subamortiguada, c) estabilidad
marginal y d) una condici on inestable.
de fen omenos no lineales en el plano f asico. Se puede observar que para el
caso del ciclo lmite estable, las trayectorias convergen al ciclo lmite estable
7.3 Espacio de Estados y Plano Fasico 115
a pesar de los diferentes estados iniciales. Como se menciono en la seccion
7.1, un ciclo lmite es una trayectoria cerrada aislada.
Para el caso del ciclo lmite inestable, la gr aca con lneas entrecor-
tadas dene una oscilaci on cuando el estado inicial est a exactamente sobre
la trayectoria, sin presencia de perturbaciones. Si el estado inicial no se
encuentra sobre la trayectoria produce una que diverge del camino del ciclo
lmite. El sentido de las trayectorias hacia la derecha indican que y es posi-
tiva.
Figura 7.2: Trayectorias en el plano f asico de fenomenos no lineales con: a)
un ciclo lmite estable, b) un ciclo lmite inestable, c) una respuesta lineal a
tramos y d) un sistema con m as de un estado de equilibrio.
Determinemos la representacion en el plano de fase de la siguiente ecuaci on:
x + x +x = 0 (7.5)
Si se elige las variables de estado x
1
= x y x
2
= x, entonces las ecuaciones
de estado correspondientes son
x
1
= x
2
x
2
= x
1
x
2
(7.6)
Dividiendo la segunda ecuaci on entre la primera se obtiene
dx
2
dx
1
=
x
1
x
2
x
2
(7.7)
Si las condiciones iniciales son nulas, es decir x
1
(0) = 0 y x
2
(0) = 0, entonces
el sistema esta en equilibrio en el origen, o sea
dx
2
dx
1
=
0
0
(7.8)
Cuando las condiciones iniciales son x
1
(0) = 0 y x
2
(0) = 10, la trayecto-
ria correspondiente es la curva ABCDO en la gura 7.3. Similarmente, si
x
1
(0) = 2 y x
2
(0) = 7, la trayectoria es la curva EFO.
Figura 7.3: Trayectorias en el plano f asico de un sistema descrito por x +
x +x = 0.
7.4 Simulaci on con una caracterstica de saturaci on
En comparacion a las tecnica de solucion analtica y graca de sistemas no
lineales, el empleo de una tecnica numerica es ciertamente ventajoso para
estudiar las relaciones de causa y efecto.
En la gura 7.4 se muestra un sistema con un controlador que est a sujeto
a saturacion. La funci on de transferencia de la planta a ser controlada
7.4 Simulacion con una caracterstica de saturacion 117
esta dada por
y(s)
u(s)
=
2
s(s + 4)
(7.9)
o por la siguiente representacion polin omica:
s
2
y(s) + 4sy(s) = 2u(s)
Aplicando la transformada inversa de Laplace a esta ultima ecuacion se
Figura 7.4: Sistema con limitacion en el camino directo.
obtiene
y + 4 y = 2u
Si se elige las variables de estado x
1
= y y x
2
= y, entonces las ecuaciones
de estado correspondientes son
x
1
= x
2
x
2
= 4x
2
+ 2u (7.10)
El controlador no lineal, se puede representar como un controlador lineal
por tramos con las siguientes caractersticas:
u = +u
m
si K
o
(r x
1
) u
m
,
u = u
m
si K
o
(r x
1
) u
m
, (7.11)
o u = K
o
(r x
1
) si K
o
[ r x
1
[< u
m
.
Se puede observar que si el error es sucientemente peque na, el contro-
lador proporciona control proporcional; mientras que para una se nal de error
mayor que u
m
o menor que u
m
el controlador produce saturaci on, limi-
tando la se nal de control a los rangos especicados. Este comportamiento
es muy util en muchas aplicaciones reales, que permiten asegurar un fun-
cionamiento adecuado del actuador con una se nal de control restringida. La
simulacion se puede obtener en MATLAB mediante programa, o utilizando
la herramienta gr aca (SIMULINK). Considerando una entrada de referen-
cia escalon de magnitud 5, K
o
= 2 y u
m
= 2, en la gura 7.5 se muestra el
diagrama de bloques del sistema, la salida y y la se nal de control u. Un dia-
Figura 7.5: a) Diagrama de bloques con Simulink del sistema con saturaci on,
b) Salida y vs r, c) Se nal de control u.
grama completo que permita obtener un diagrama en el plano f asico ademas
de la salida y y la se nal de control u se muestra en la gura 7.6.
7.5 Simulaci on con un Controlador de Nivel Dis-
creto
Un controlador de nivel discreto es aquel que produce dos o tres niveles de
salida. Este tipo de controlador es muy simple y eciente en muchas aplica-
ciones practicas. Se comporta como un conmutador controlado, haciendose
7.5 Simulacion con un Controlador de Nivel Discreto 119
Figura 7.6: Diagrama de bloques completo y su respuesta en el plano f asico.
necesario el uso de dispositivos de conmutacion de estado s olido como triacs,
MOSFETs, IGBTs, etc o reles en el circuito de salida.
7.5.1 Sistema con un controlador de dos niveles
En este sistema la salida conmuta entre un nivel positivo y otro negativo.
El nivel de conmutaci on puede gobernar, por ejemplo el sentido de giro de
un motor, o en su defecto activar o desactivar un dispositivo dependiendo
de la magnitud positiva o negativa del nivel de tensi on discreto.
En la gura 7.7 se muestra un sistema de control que incluye un contro-
lador con una salida de nivel discreto operando entre 0 + 10 o 0 10. Si
la se nal de error e es positiva, la salida sera +10, y -10 en caso contrario.
Se puede considerar que el sistema es lineal por tramos, analizando a cada
tramo lineal como un modo de operaci on.
Considerando t 0, r(t) = 4 el modelo del sistema es:
Figura 7.7: Diagrama de bloques completo y su respuesta en el plano f asico.
10 =
d
2
dt
2
y(t) + 2
d
dt
y(t) para e = 4 y > 0,
10 =
d
2
dt
2
y(t) + 2
d
dt
y(t) para e = 4 y < 0. (7.12)
Considerando x
1
= y y x
2
= y, una forma de determinar x
2
en funci on de x
1
es eliminar la variable temporal formando la relaci on dx
1
/dt entre dx
2
/dt.
Modo positivo: u = +10
Con la seleccion de las variables de estado ya indicadas, las ecuaciones
de estado del modelo resultan en
x
1
= x
2
x
2
= 2x
2
+ 10 (7.13)
Dividiendo la primera de las ecuaciones 7.13 entre la segunda se ob-
tiene:
dx
1
dx
2
=
x
2
2x
2
+ 10
=
x
2
2(x
2
5)
(7.14)
La ecuacion 7.14 puede reescribirse en su forma expandida, as
dx
1
dx
2
=
1
2

5
2
1
(x
2
5)
Despejando dx
1
tendremos
dx
1
=
1
2
dx
2
5
2
dx
2
(x
2
5)
(7.15)
7.5 Simulacion con un Controlador de Nivel Discreto 121
Integrando la ecuacion 7.15 se obtiene
x
1
=
1
2
x
2
5
2
ln [ 5 x
2
[ +K
1
(7.16)
El valor de K
1
se puede expresar en terminos de las condiciones ini-
ciales x
1
(0) y x
2
(0), de la siguiente forma:
K
1
= x
1
(0) +
1
2
x
2
(0) +
5
2
ln [ 5 x
2
(0) [ . (7.17)
Modo negativo: u = 10
Evaluando similarmente al modo anterior, obtenemos las expresiones
siguientes:
x
1
=
1
2
x
2
+
5
2
ln [ 5 +x
2
[ +K
2
(7.18)
K
2
= x
1
(0) +
1
2
x
2
(0)
5
2
ln [ 5 +x
2
(0) [ . (7.19)
La representacion de las trayectorias en el plano f asico con K
1
y K
2
adecuados, de tal manera que las trayectorias pasen por el origen, se muestra
en la gura 7.8. Al variar los valores de K
1
y K
2
las gracas se moveran a
la izquierda o a la derecha.
Figura 7.8: Diagrama del plano f asico.
Como la conmutacion se produce cuando el error es mayor o menor que
cero, entonces la lnea de conmutaci on es una lnea vertical en y = +4. En
la gura 7.9 se muestra la trayectoria f asica, suponiendo estados iniciales
nulos, es decir x
1
(0) = y(0) = 0 y x
2
(0) = y(0) = 0. En la gura 7.10 se
muestra el diagrama en Simulink, la respuesta del sistema a una entrada de
referencia escalon de magnitud 4 y la magnitud de la se nal de control.
Figura 7.9: Trayectoria fasica con un controlador de dos niveles.
7.5.2 Sistema con un controlador de tres niveles
En la gura 7.11 se muestra el sistema con un control de tres niveles para
la planta considerada en la subseccion anterior. Se puede observar una
modicacion a dicho caso, debido a la consideracion de una zona muerta
de magnitud = 0.2. Por consiguiente, las ecuaciones del modelo del
sistema se denen en los siguientes tres modos de funcionamiento:
10 =
d
2
dt
2
y(t) + 2
d
dt
y(t) para 4 y 0.2
10 =
d
2
dt
2
y(t) + 2
d
dt
y(t) para 4 y 0.2 (7.20)
0 =
d
2
dt
2
y(t) + 2
d
dt
y(t) para 0.2 < 4 y < 0.2
Las regiones de operacion se alteran ligeramente excluyendo la region com-
prendida entre y = 3.8 y y = 4.2. Considerando las mismas variables de
estado que en el caso anterior, se obtienen las ecuaciones de estado para la
zona muerta (tercer modo)
x
1
= x
2
x
2
= 2x
2
(7.21)
La division entre las dos ecuaciones produce
dx
1
dx
2
=
1
2
(7.22)
7.6 Sistema con Rozamiento No Lineal 123
Figura 7.10: Diagrama del controlador de dos niveles, su respuesta (y) y la
se nal de control (u).
para luego de ser integrada, obtenerse
x
1
=
1
2
x
2
+K (7.23)
con K = x
1
(0) +
1
2
x
2
(0). La ecuaci on 7.23 describe una trayectoria de zona
muerta. En la gura 7.12 se presenta el mismo fen omeno pero con histeresis
de conmutaci on, el cual produce un efecto desestabilizante.
7.6 Sistema con Rozamiento No Lineal
En un sistema electromecanico, es caracterstico el fenomeno de friccion
seca que ocurre cuando dos supercies estan en contacto con un movimiento
deslizante. Esta friccion tiene dos componentes: una componente lineal
debido al rozamiento viscoso y una componente no lineal debido a una
Figura 7.11: Sistema de control de tres niveles.
Figura 7.12: Sistema de control de tres niveles con histeresis de conmutacion.
combinacion de rozamiento estatico y de coulomb, con magnitudes f
s
y f
c
respectivamente.
La componente lineal es muy peque na comparada a la componente no
lineal.
El rozamiento estatico se presenta cuando la velocidad es cero y la
fuerza neta aplicada no excede al valor de ruptura especicado por
f
s
; sin embargo, si la magnitud de la fuerza aplicada excede este valor
de ruptura, entonces se vence la fuerza estatica y ocurre el movimiento.
Por consiguiente:
f
s
= f
a
si v = 0 y [ f
a
[ F
s
f
s
= 0 si v ,= 0 (7.24)
El rozamiento de coulomb f
c
es una fuerza mas peque na que f
s
que se
opone al movimiento. Por consiguiente:
f
c
= +F
c
si v > 0 y
7.7 Estados de Equilibrio y Puntos de consigna nominales 125
f
c
= Fc si v < 0 (7.25)
En la gura 7.13 se muestra un sistema con rozamiento y sus caractersticas.
El sistema no lineal descrito se puede considerar lineal por tramos y se puede
modelar usando una combinaci on de tres modelos lineales, descritas por las
siguientes ecuaciones:
Modo 1 :
v = 0 y [ f
a
[ F
s
(7.26)
Modo 2 :
f
a
(t) = M
d
dt
v(t) +Bv +F
c
con v > 0 (7.27)
v(t) =
d
dt
x(t)
Modo 3 :
f
a
(t) = M
d
dt
v(t) +Bv F
c
con v < 0 (7.28)
v(t) =
d
dt
x(t)
Si una fuerza inicialmente positiva produce movimiento, pero a con-
tinuaci on disminuye o cambia de signo, el modo 2 no se interrumpe hasta
que la velocidad es cero. Ahora puede presentarse dos posibilidades. Si la
magnitud de f
a
(t) es menor que f
s
cuando la velocidad retorna a cero, en-
tonces la simulacion retorna al modo 1. Sin embargo, la presencia de inercia
puede originar que la velocidad retarde la variaci on de la fuerza y si esta
presenta un valor que es menor que -f
s
cuando la velocidad vuelve a cero, la
simulacion inmediatamente cambiar a al modo 3. Despues de un paso por el
modo 3, un retorno a velocidad cero an alogamente dara una vuelta al modo
1 o un cambio inmediato al modo 2.
7.7 Estados de Equilibrio y Puntos de consigna
nominales
Se denomina estados de equilibrio a los puntos en el espacio de estado en
los que puede existir una condici on estatica. Dada una representacion de un
modelo de estado de un sistema no lineal sin perturbaciones, con
x = f(x, u)
y = h(x, u) (7.29)
los estados de equilibrio se determinan evaluando x con x = 0 y u = u(0). En
un sistema no forzado, los estados de equilibrio se determinan con u = 0. En
un sistema forzado, los estados de equilibrio se determinan con u = u(0) ,= 0.
Esta condicion se describe algunas veces como un estado nominal o un punto
de consigna nominal.
Determinemos los puntos de equilibrio del siguiente sistema de ecua-
ciones cuando: a) u
1
(0) = u
2
(0) = 0 y b) u
1
(0) = u
2
(0) = 1
x
1
= x
2
2
+x
3
3u
1
(7.30)
x
2
= 2x
1
senx
2
x
3
= 4x
2
3u
2
Los puntos de equilibrio se obtienen igualando a cero cada uno de los termi-
nos de la izquierda de la ecuaci on 7.30 y reemplazando las variables de estado
por sus condiciones iniciales u
1
, u
2
y u
3
, as:
0 = x
2
2
(0) +x
3
(0) 3u
1
(0)
0 = 2x
1
(0) senx
2
(0)
0 = 4x
2
(0) 3u
2
(0)
a) Cuando u
1
(0) = u
2
(0) = 0
De la ultima ecuacion determinamos que x
2
(0) = 0, de la pen ultima
obtenemos x
1
(0) = 0 y de la primera obtenemos x
3
(0) = 0, luego los
puntos de equilibrio son: (0, 0, 0)
b) Cuando u
1
(0) = u
2
(0) = 1
De la ultima ecuacion determinamos que x
2
(0) = 0.75, de la pen ultima
obtenemos x
1
(0) = 0.3408 y de la primera obtenemos x
3
(0) = 3.5625,
luego los puntos de equilibrio son: (0.3408, 0.75, 3.5625)
7.8 Linealizaci on Aproximada
La representacion linealizada en el espacio de estado de la ecuacion 7.29 es
la siguiente:
x = Ax +Bu
y = Cx +Du (7.31)
donde A es la matriz de estado de dimension n x n, B es la matriz de control
de dimensi on n x m, C es la matriz de salida de los estados de dimension
r x n y D es la matriz de salida de las entradas de dimension r x m. En
la ecuacion 7.29 se esta utilizando las variables residuales, denominadas
tambien variables de desviacion o perturbacionales siguientes:
x = X x(0)
u = U u(0)
(7.32)
7.8 Linealizacion Aproximada 127
Las matrices A, B, C y D consideradas alrededor del estado de equilibrio
(x(0), u(0)) se determinan evaluando las siguientes matrices jacobianas:
A =
_
_
f
1
x
1
f
1
x
2
. . .
f
1
x
n
f
2
x
1
f
2
x
2
. . .
f
2
x
n
.
.
.
.
.
.
.
.
.
.
.
.
f
n
x
1
f
n
x
2
. . .
f
n
x
n
_
_
(x(0),u(0))
; B =
_
_
f
1
u
1
f
1
u
2
. . .
f
1
u
m
f
2
u
1
f
2
u
2
. . .
f
2
u
m
.
.
.
.
.
.
.
.
.
.
.
.
f
n
u
1
f
n
u
2
. . .
f
n
u
m
_
_
(x(0),u(0))
C =
_
_
h
1
x
1
h
1
x
2
. . .
h
1
x
n
h
2
x
1
h
2
x
2
. . .
h
2
x
n
.
.
.
.
.
.
.
.
.
.
.
.
h
r
x
1
h
r
x
2
. . .
h
r
x
n
_
_
(x(0),u(0))
;
D =
_
_
h
1
u
1
h
1
u
2
. . .
h
1
u
m
h
2
u
1
h
2
u
2
. . .
h
2
u
m
.
.
.
.
.
.
.
.
.
.
.
.
h
r
u
1
h
r
u
2
. . .
h
r
u
m
_
_
(x(0),u(0))
(7.33)
con los vectores de estado y de control siguientes:
x =
_
_
x
1
x
2
.
.
.
x
n
_
_
; u =
_
_
u
1
u
2
.
.
.
u
m
_
_
Determinemos las matrices A y B correspondiente a la ecuacion residual
de estado dada por la ecuaci on 7.30 para el caso (b) , as como las matrices
C y D para la siguiente ecuacion de salida:
y = x
2
1
(7.34)
Las matrices jacobianas A, B, C y D se obtiene aplicando la ecuaci on 7.33,
as:
A =
_
_
f
1
x
1
f
1
x
2
f
1
x
3
f
2
x
1
f
2
x
2
f
2
x
3
f
3
x
1
f
3
x
2
f
3
x
3
_
_
(x(0),u(0))
=
_
_
0 1.5 1
2 0.7317 0
0 4 0
_
_
;
B =
_
_
f
1
u
1
f
1
u
2
f
2
u
1
f
2
u
2
f
3
u
1
f
3
u
2
_
_
(x(0),u(0))
=
_
_
3 0
0 0
0 3
_
_
C =
_
h
x
1
h
x
2
h
x
3
_
(x(0),u(0))
=
_
0.6816 0 0

;
D =
_
h
u
1
h
u
2
_
(x(0),u(0))
=
_
0 0

(7.35)
7.9 Funci on Descriptiva
El metodo de linealizacion utilizado en la seccion 7.8 es valido cuando las
variaciones del nivel de se nal son peque nas respecto a un estado de equi-
librio.
La tecnica de la funcion descriptiva aplica una interesante integraci on
de metodologas no lineal y lineal para la evaluaci on de la estabilidad. La
funci on descriptiva es en esencia una funci on de transferencia de frecuencia
aproximada de un componente no lineal, que permiten la extensi on del meto-
do de funci on de transferencia para sistemas lineales a sistemas con compo-
nentes no lineales. La tecnica es aplicable a sistemas de realimentacion que
se supone son lineales e invariantes con el tiempo, con la excepcion de una
unica caracterstica de transferencia no lineal.
La salida de la mayora de los elementos no lineales sujetos a una entrada
senoidal es usualmente una funci on peri odica. Sin embargo, a diferencia de
la respuesta de los componentes lineales, esta salida contiene armonicos de
la frecuencia fundamental. Considere la se nal sinusoidal de entrada
u = Asen(t) (7.36)
La salida periodica y = y(u) = f(t), puede describirse mediante la siguiente
serie de Fourier:
y =
1
2
p
0
+
n=1
[p
n
cos(nt) +q
n
sen(nt)] (7.37)
en donde
p
0
=
2
T
_
t
0
+T
t
0
y dt (7.38)
p
n
=
2
T
_
t
0
+T
t
0
y cos(nt)dt (7.39)
q
n
=
2
T
_
t
0
+T
t
0
y sen(nt)dt (7.40)
Suponiendo t
0
= 0 las ecuaciones (7.38) a (7.40) resultan en
p
0
=
2
T
_
T
0
y dt (7.41)
p
n
=
2
T
_
T
0
y cos(nt)dt (7.42)
q
n
=
2
T
_
T
0
y sen(nt)dt (7.43)
7.9 Funci on Descriptiva 129
Seg un Kochenburger, la salida se puede representar aproximadamente s olo
con la componente fundamental:
y

= p
1
cos(t) +q
1
sen(t) =
_
p
2
1
+q
2
1
sen(t +) (7.44)
donde
= tan
1
(
p
1
q
1
) (7.45)
Aun cuando no es aplicable a todos los sistemas no lineales, esta aproxi-
macion es razonable para muchos componentes pr acticos no lineales. La
funci on descriptiva que describe el elemento no lineal, de modo muy pareci-
do a la funci on de transferencia de un sistema lineal, se dene entonces como
la razon del componente fundamental de la salida del elemento no lineal a
la amplitud de la se nal de entrada. Es decir,
N(A) =
1
A
(q
1
+jp
1
) (7.46)
siendo su magnitud
[ N [=
amplitud de y
amplitud de u
=
_
p
2
1
+q
2
1
A
(7.47)
y su fase
N = (fase de y) (fase de u) = tan
1
(
p
1
q
1
) (7.48)
En la tabla 7.1 se presentan algunas funciones descriptivas para las no
linealidades del controlador.
7.9.1 Funci on descriptiva para la caracterstica de saturaci on
En la gura 7.14 se observa la caracterstica de entrada-salida para la
saturacion, as como las formas de onda de entrada y salida para dicha
caracterstica no lineal.
Supongamos que la se nal sinusoidal de entrada es u = Asen(wt), en-
tonces las componentes fundamentales de la salida asimetrica se reduce a
tan solo la componente impar (q
1
), es decir p
n
= 0 (n = 0, 1, 2, ...). Por lo
tanto
y

= q
1
sen(t) (7.49)
Como A > h, las funciones de entrada y de salida son ploteadas tal como
se puede observar en la gura 7.14. Entonces, considerando la simetra en
un cuarto de perodo, tendremos
y = kAsen(t); 0 t
y = kh; t

2
(7.50)
Bajo estas consideraciones, tendremos que
q
1
=
2
T
_
T
0
ysen(t)dt =
4
T
_
T/4
T/4
ysen(t)dt
=
4
_
/2
0
ysen(t)dt =
4
[
_

0
kAsen
2
(t)dt +
_
/2
khsen(t)dt]
=
2kA
[ +
h
A
_
1
h
2
A
2
]
(7.51)
donde = sen
1
(
h
A
), k =
M
N
.
Entonces la funci on descriptiva es
N(A) =
q
1
A
=
2k
[sen
1
(
h
A
) +
h
A
_
1
h
2
A
2
]
=
2M
h
[sen
1
(
h
A
) +
h
A
_
1
h
2
A
2
] (7.52)
o en funci on de la magnitud y de la fase
[N[ =
q
1
A
; N = tan
1
(
p
1
q
1
) = 0 (7.53)
7.9.2 Funci on descriptiva para la caracterstica de zona muer-
ta
En la gura 7.15 se muestra la caracterstica de zona muerta con un ancho
de banda de 2h y una pendiente de k. La respuesta es vista como simetrica
desde el cuarto de periodo. La funci on de zona muerta puede entonces
describirse en un cuarto de periodo, cuando 0 t /2 como
y = 0; 0 t
y = k(Asent h); t /2 (7.54)
Entonces
q
1
=
4
_
/2
0
ysen(t)dt =
4
_
/2
k(Asen(t) h)sen(t)dt
=
2kA
2
sen
1
h
A

h
A
_
1
h
2
A
2
) (7.55)
7.10 Fundamentos de la Teora de Liapunov 131
Luego
N(A) =
2k
2
sen
1
(
h
A
)
h
A
_
1
h
2
A
2
] (7.56)
Consideremos ahora el diagrama de bloques del sistema de control que se
muestra en la gura 7.16. Si utilizamos el enfoque de estabilidad para un
sistema lineal, obtendramos la ecuacion caracterstica
1 +N(A)G(j)H(j) = 0 (7.57)
o
G(j)H(j) =
1
N(A)
(7.58)
Con un valor especco de A, el criterio de estabilidad de Niquist se adapta
f acilmente a esta situacion al considerar los rodeos al punto 1/N(A) en
el plano GH. Sin embargo, si se consideran amplitudes de oscilaci on en el
rango 0 < A < , la representacion de 1/N(A) genera un camino en el
plano GH, para el cual el criterio de Nyquist debe adaptarse para considerar
las posibles vueltas del camino o de alguna parte del camino.
7.10 Fundamentos de la Teora de Liapunov
En el captulo 4 se trat o sobre la estabilidad de sistemas de control lineales
e invariantes en el tiempo. Sin embargo, si el sistema es no lineal o lineal
pero variable en el tiempo, no son aplicables dichos criterios de estabilidad.
El metodo de la funci on descriptiva para la determinaci on de la estabilidad,
es solo aproximado; as como la estabilidad basado en el metodo del plano
de fase, s olo se aplica a sistemas de primer y segundo orden.
En este captulo se presentar a el segundo metodo de Lyapunov, de-
nominado tambien metodo directo de Lyapunov, que es el metodo mas
general para la determinaci on de la estabilidad de sistemas no lineales y/o
variables en el tiempo de cualquier orden. La ventaja de este metodo es
la posibilidad de determinar la estabilidad de un sistema, sin necesidad de
resolver las ecuaciones de estado no lineales y/o variables en el tiempo.
En esta subseccion es preciso dar algunas deniciones sobre puntos de
equilibrio, estabilidad e inestabilidad.
7.10.1 Punto de equilibrio o punto crtico
Dado un sistema descrito por
d
dt
X
g
= f(X
g
, t) = f(X
g
, (t)) (7.59)
Debido a que los elementos del vector f no dependen explcitamente de t,
el sistema es libre y estacionario, o autonomo. El punto de equilibrio X
e
, se
dene como la solucion a
d
dt
X
g
= 0 = f(X
e
) (7.60)
Para investigar la estabilidad, se hace una transformaci on de coordenadas
del vector de estado original X
g
a un nuevo vector de estado X:
X = X
g
X
e
(7.61)
y se trata con el nuevo sistema, cuyo punto de equilibrio es el origen:
d
dt
X = f(X); f(0) = 0 (7.62)
o si el sistema es lineal,
d
dt
X = AX (7.63)
7.10.2 Estabilidad por el metodo directo de Lyapunov
Lyapunov contribuy o con la estabilidad de sistemas descritas por las ecua-
ciones din amicas diferenciales usando dos metodos distintos. Su primer
metodo analiza el comportamiento estable de una solucion explicita de un
sistema y es solo aplicable a algunos casos. El segundo metodo o metodo
directo es mas general y potente porque no requiere del conocimiento de la
solucion de la descripcion del sistema.
Conceptos de estabilidad
Un sistema no lineal de la forma:
x = f (x, t) (7.64)
Se dice que es no-autonomo si f depende del tiempo. es decir, si f posee
par ametros que varan en el tiempo. Ahora un sistema aut onomo puede
ser descrito por x = f(x). Las trayectorias de estado para un sistema
aut onomo son independientes del tiempo inicial, mientras que para un sis-
tema no aut onomo generalmente no.
Un estado de equilibrio o punto de equilibrio x
e
(de hecho un vector
constante) de un sistema autonomo puede ser encontrado como
0 = f(x
e
) (7.65)
Un problema de estabilidad general puede reducirse al problema m as sencillo
de la estabilidad en torno al origen jo de sistema libre
x = f (x) x(0) = 0 (7.66)
Ahora, necesitamos hacer algunas simples asunciones en relacion con la
gura 7.17. Denotaremos por B(R) la region esferica |x| < R y por
S(R) la region esferica |x| = R. La region anular esferica cerrada r
|x| R sera denotado por B
R
r
. Asumiremos que en cierta region esferica
: |x| < B(A) las derivadas parciales x
i
/x
j
existen y son continuas en
. Enunciaremos que en torno al origen, un punto de equilibrio es:
* Estable si cualquier trayectoria de estado empieza en B(R) en un punto
arbitrario x
0
nunca alcanza el limite de la esfera S(R) de B(R)
* Asint oticamente estable siempre que es estable y ademas cada trayec-
toria de estado empieza en B(R) hasta un punto arbitrario x
0
, tiende
al origen tanto como el tiempo se incrementa indenidamente.
* Inestable cuando para alg un R y r, cualquier grande o peque no, ningu-
na trayectoria de estado empieza en B(R) cerca a un punto arbitrario
x
0
alcanza la esfera acotada S(R).
Se observa en la gura 7.17, para la trayectoria T el origen es inestable en
el sentido de Lyapunov, a pesar de la convergencia de estado.
Funciones de Lyapunov
Un tipo especial de funci on escalar V(x), llamada funcion de Lyapunov, ju-
gara un rol muy importante en el an alisis de estabilidad y dise no en sistemas
de control. La funci on de Lyapunov V(x) verica las siguientes propiedades.
(a) V(x) y su primera derivada parcial.
V (x)
x
= V (x)
son continua en cierta region () abierta alrededor del origen.
(b) V(0)=0
(c) Fuera del origen, pero generalmente en , V(x) es positiva. Asimismo,
el origen es un punto aislado mnimo de V(x).
(d)

V (x) = V (x) x = V (x)f(x) 0 en .
V(x) se dice que es una funci on denida positiva si cumple las propiedades
(a) y (c). La gura 7.18 ilustra la funci on de Lyapunov para un sistema
de segundo orden. Ahora, V(x) es denida negativa si -V(x) es denida
positiva. Tambien V(x) es semi-denida positiva si V(0)=0 y V (x) > 0 para
x ,= 0;V(x) es semi-denida negativa si -V(x) es semi-denida positiva.
Funciones de Lyapunov para Sistemas No-autonomos
Los sistemas no autonomos en consideracion son descritos en una regi on
: |x| < A por
x = f(x, t) f(0, t) = 0 t 0 (7.67)
Proveen que W(x) es una funci on de Lyapunov en , entonces V(x,t)
sera una funci on de Lyapunov si
(a) V(x), t es denida en t > 0
(b) V(0,t)=0 t > 0
(c) V (x, t) W(x) t t
0
(d)

V (x, t) 0 t 0
V (x, t) =
V
t
+f x
Una funci on V(x,t) se dice que es una funci on denida positiva si cumple
las condiciones (a) y (c). Se dice tambien que V(x,t) es una funci on denida
positiva si aquella domina una funci on denida positiva W(x), es decir, si
V(x,t) W(x). Similarmente, V(x,t) es denida negativa si -V(x,t) es
denida positiva; V(x,t) es semi-denida positiva si aquella domina una
funci on semi-denida W(x); V(x,t) es semi-denida negativa si -V(x,t) es
semi-denida positiva.
Figura 7.13: Sistema no lineal: a) Sistema con rozamiento, b) Diagrama
de cuerpo libre, c) rozamiento viscoso, d) rozamiento viscoso, estatico y de
coulomb.
Tabla 7.1: Funciones descriptivas de algunas funciones no lineales.
Figura 7.14: Respuesta fundamental de un elemento con caracterstica de
saturacion a una entrada sinusoidal.
Figura 7.15: Respuesta fundamental de un elemento de zona muerta a una
entrada sinusoidal.
Figura 7.16: Sistema de control con caracterstica no lineal.
0
Stable
Asymptotically
stable
Unstable
x
0
B(R)
S(A)
H(A)
S(R)
R
B(r)
r
Figura 7.17: Estabilidad en sistemas aut onomos.
V(x
1
,x
2
)
1
2
x
x
x
x
V(x ,x
2 1
1
2
)
Figura 7.18: Representacion gr aca de la funci on de Lyapunov.
Bibliografa
[1] Ogata, Katsuhiko. Ingeniera de Control Moderna, Prentice Hall His-
panoamericana -Englewood Clis-Londres (1998).
[2] Eronini-Umez-Eronini. Dinamica de Sistemas y Control, Thomson
Learning (2001).
[3] Ogata, Katsuhiko. Problemas de Ingeniera de Control utilizando Mat-
lab, Prentice Hall Iberia, SRL (1999).
[4] Lewis, Paul H. Y Yang, Chang. Sistemas de Control en Ingeniera,
Prentice Hall-Madrid-Upper Saddle River-Londres-Mexico (1999).
[5] E. Slotine, J.J. Y Li, Weiping. Applied Nonlinear Control, Prentice
Hall-Englewood Clis-Londres (1991).
[6] Dorf R., Bishop R. Modern Control Systems, Prentice Hall, Inc.,
ninth edition (2001).
[7] Bishop, Robert H. Modern Control Systems Analysis and Design Using
Matlab and Simulink, Addison-Wesley (1997).
[8] Kuo, Benjamn. Sistemas de Control Automatico, sepima edicion,
Prentice Hall Hispanoamericana-Mexico-Nueva York (1996).
[9] Dorf, Richard C. Sistemas Modernos de Control, segunda edici on,
Addison-Wesley Iberoamericana (1989).
[10] Math Works, Inc. Matlab Users Guide, Natick, Mass: Math Works,
Inc. (1990).
[11] Math Works, Inc. The Student Edition of Simulink Users Guide,
Prentice Hall-Englewood Clis (1996).

Book Control I

Cargado por

Copyright:

Formatos disponibles

Book Control I

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Book Control I

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD

INDICE DE FIGURAS xiii

, la magnitud de este segmento empieza en la vecindad

En la gura 6.40 se muestra el diagrama de Nyquist correspondiente para

También podría gustarte