Sistemas Controlados por

Computadora.
Clase II
Ruben H. Milocco
Grupo de Control Automático y Sistemas
Facultad de Ingeniería, Universidad Nacional del Comahue.

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Clase 2, Discretización, estabilidad

Discretización de un sistema de tiempo contínuo en variables de estado.

Modelos entrada-salida discretos en el tiempo.
El problema de la estabilidad de sistemas discretos.

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Sistemas discretos
El análisis de los sistemas discretos han adquirido gran importancia no solo para
ser usado con problemas naturalmente definidos en tiempo discreto, sino para
el estudio de sistemas de tiempo continuo que son aproximados por sistemas en
tiempo discreto. Esta familia de sistemas discretos se originan de diferente ma-
nera. Por ejemplo retomemos la ecuación de estados y aproximemos la derivada
por incrementos suficientemente pequeños T de la forma:

ẋ(t) ∼
= ∆x
T
= x[(k+1)TT ]−x[kT ] = Ax[kT] + Bu[kT]
y[kT] = Cx[kT] + Du[kT]
acomodando estas ecuaciones se obtiene el sistema discreto buscado:

x[(k + 1)T ] = (I + T A)x[kT] + T Bu[kT]

y[kT] = Cx[kT] + Du[kT]
Otra forma de obtener sistemas discretos en el tiempo es a través de la solución
de la ecuación de estados que a continuación se rescribe:

ẋ(t) = Ax(t) + Bu(t)

y = Cx(t) + Du(t)
•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Sistemas discretos
La solución general consiste en obtener x(t) cuando el sistema posee una entra-
da forzante u(t) y también un estado inicial del vector de estado x0 . La solución
puede obtenerse fácilmente si definimos la exponencial de una matriz como una
suma infinita equivalente a la expansión en serie de la exponencial de un escalar,
es decir:
1 22 1
eAt = I + At + A t + · · · + Antn + · · ·
2! n!
Nótese que la exponencial de una matriz sólo tiene realización si la matriz es
cuadrada, dando como resultado otra matriz cuadrada. En base a la definición
anterior, y utilizando la propiedad (deAt /dt) = AeAt = eAt A podemos esta-
blecer la siguiente igualdad:

d(e−Atx) dx
= e−At( − Ax) = e−AtBu
dt dt
integrando en ambos lados respecto del tiempo se tiene que:
Z t
e−Atx(t) = x0 + e−Aτ Bu(τ )dτ
0

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Sistemas discretos
Por último, multiplicando por eAt ambos miembros tenemos la solución busca-
da: Z t
x(t) = eAtx0 + eA(t−τ )Bu(τ )dτ
0
El primer término de la ecuación es la respuesta libre del sistema. El segundo
término es una integral de convolución y representa la respuesta forzada del
sistema cuando aplicamos una entrada arbitraria u(t). Veamos como puede ob-
tenerse una expresión discreta de un sistema continuo. Consideremos que la
entrada u(t) es constante a tramos, esto es constante durante cada intervalo de
tiempo T : kT ≤ t ≤ (k + 1)T donde T es el intervalo de muestreo.

Discretizacion ZOH

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Sistemas discretos

Luego el valor de la solución de este sistema continuo en el tiempo (k + 1)T

es:

Z (k+1)T
x((k + 1)T ) = e A(k+1)T
x0 + eA((k+1)T −τ )Bu(τ )dτ
0

Si reemplazamos x0 obtenido de la expresión de x(kT ) (la respuesta en el

tiempo kT ), tenemos la siguiente expresión:
•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Sistemas discretos

Z T
AT
x((k + 1)T ) = e x(kT ) + eAτ Bu(τ )dτ = Φx(kT ) + Γu(kT )
0
RT
donde Φ = e y Γ = 0 eAτ Bdτ .
AT

Obtenemos de esta manera una nueva ecuación de estados valida para tiempos
discretos dada por:

x(k + 1) = Φx(k) + Γu(k)

(1)
y(k) = Cx(k) + Du(k)
Esta es una versión recursiva del sistema discreto pues la solución se obtiene en
forma recursiva. Este sistema discreto esta asociado a uno continuo en el sentido
que si la entrada al sistema continuo es constante a tramos, luego la solución del
sistema discreto coincide con la del continuo en los puntos de muestra.

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Sistemas discretos
Veamos, cual es la solución cuando se aplica una entrada u(k) donde u(k) = 0
para todo k < 0 y arbitrario para k ≥ 0

x(1) = Φx(0) + Γu(0)

x(2) = Φx(1) + Γu(1) = Φ2x(0) + ΦΓu(0) + Γu(1)
···
Pk−1 k−1−i
x(k) = Φk x(0) + i=0 Φ Γu(i)
puede demostrarse que es necesario que los autovalores de Φ deben ser de mó-
dulo menor que la unidad para que el sistema sea estable. Como existe una
transformación de similaridad T que diagonaliza a Φ tal que Φk = T −k Λk T k y
los autovalores de Φk son iguales a los de Λk , queda claro que los autovalores
deben ser menores que la unidad para que el sistema sea estable.

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Sistemas discretos
Si el sistema es estable, la parte de respuesta libre se desvanece con el tiempo y
nos queda que la expresión de la respuesta del sistema discreto es la convolución
discreta entre la entrada del sistema y la respuesta impulsional del mismo.
Nos queda aún obtener una expresión entrada salida del sistema discreto. Para
ello utilizamos la transformada Zeta

Z[u(k + n)] = z nU (z)

donde z es una variable compleja. Aplicando esta transformada a la ecuación
de estados discreta tenemos:

zX(z) = ΦX(z) + ΓU (z)

Y (z) = CX(z) + DU (K)

(zI − Φ)X(z) = ΓU (z) ⇒ X(z) = (zI − Φ)−1ΓU (z)

Si consideramos la ecuación de salida podemosobtener la función de tranferen-
cia del sistema,
Y (z) = C(zI − Φ)−1Γ + D U (z)
 

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Sistemas discretos
También es posible obtener una expresión entrada salida del sistema discreto
utilizando operadores temporales. Para ello definimos el operador adelanto co-
mo:

q nu(k) = u(k + n)
aplicando este operador a la ecuación de estados discreta tenemos:

qx(k) = Φx(k) + Γu(k)

y(k) = Cx(k) + Du(k)

(qI − Φ)x(k) = Γu(k) ⇒ x(k) = (qI − Φ)−1Γu(k)

notemos que a diferencia de la función de tranferencia, estas son expresiones en
el dominio temporal.

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Forma controlable
Finalmente, se tiene

y(k) = (C(qI − A)−1B + D)u(k)

resolviendo esta ecuación nos queda que el sistema queda expresado como
n
X m
X
ak y(k − n) = bk u(k − m)
k=0 k=0

con a0 = 1. Notemos que la división de polinomios da un nuevo polinomio

cuyos coeficientes son la respuesta al impulso del sistema.
Si en particular tomamos bi = 0 para todo i menos para i = 1 y además
y(k) = x(k), se tiene
x(k + 1) + a1x(k) + · · · + anxk−n+1 = uk

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Forma controlable

−a1 −a2 · · · −an

   
1
 1 0 ··· 0  0
X(k + 1) =   ...  ...  X(k) +  ...  u(k)
 

1 0 0


y(k) = b1 0 · · · 0 x(k)
donde X(k) = [x(k), x(k − 1), · · · , x(k − n − 1)] y si reformulamos bi = 0
para todo i menos para i = 2 y además y(k) = x(k − 1), se tiene también

x(k + 1) + a1x(k) + · · · + anxk−n+1 = uk

entonces por linealidad para todo bi se tiene
−a1 −a2 · · · −an
   
1
 1 0 ··· 0  0
X(k − 1) =   ...  ...  X(k) +  ...  u(k)
 

1 0 0


y(k) = b1 b2 · · · bn X(k)
•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Estabilidad en sistemas de tiempo discreto

Supongamos que se tiene sistema de tiempo continuo ẋ(t) = −x(t) + u(t)

muestreado con periodo h,

x(k + 1) = e−hx(k) + (1 − e−h)u(k)

Si se utiliza una realimentación proporcional de ganancia K , el polo de lazo
cerrado PLC queda definido como

PLC = e−h − K(1 − e−h)

Luego, si se varía el periodo de muestreo h se cumple para K constante

h ↑ ⇒ PLC → −K
h ↓ ⇒ PLC → 1
Entonces, el sistema realimentado puede llegar a ser inestable si |K| > 1 y con
h suficientemente alto. Esto se debe a que entre periodos de muestreo el sistema
está a lazo abierto. Entonces la estabilidad no solo depende de K sino también
de h.

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Criterios de estabilidad

Criterio de Routh-Hurwitz, Jury.

Criterio de Nyquist
Los criterios de estabilidad de Routh-Hurwitz para sistemas de tiempo continuo
o de Jury para sistemas de tiempo discreto son los que, a través de un algorit-
mo, permiten saber si los polos (autovalores) del sistema están en el semiplano
derecho de la variable S , en sistemas de tiempo continuo, o fuera del circulo
unitario, en caso de sistemas de tiempo discreto.
El criterio de R-H puede utilizarse para sistemas de tiempo discreto a través de
la transformación bilineal que hace un mapeo del eje imaginario de la variable
S en la circunferencia unitaria de la variable Z .
Veamos el criterio de Jury

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Criterio de Juri

Considérese el polinomio característico p(q) = a0 q n + a1 q n−1 + · · · + an y la

siguiente tabla
a0 a1 · · · an−1 an
an an−1 · · · a1 a0 αn = aan0
an−1
0 an−1
1 · · · an−1
n−1
an−1
an−1 n−1
n−1 an−2
n−1
· · · a0 αn−1 = an−1
n−1
0
...
a00

ak−1
i = aki − αk akk−i
ak = αkk /ak0
Si ak0 > 0, entonces la ecuación característica posee todos sus polos dentro
del circulo unitario sii todos ak0 , k = 0, 1, · · · , n − 1 son positivos. Si no hay
ningún ak0 igual a cero, entonces el número de ak0 menores que cero es igual al
número de raíces fuera del círculo unitario.

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Diseño de control proporcional utilizando Juri

Tomemos el ejemplo anterior donde la ecuación característica es p(q) = a0 q +

a1, donde a0 = 1 y a1 = K(1 − e−h) − e−h. Luego
a0 a1
a1
a1 a0 α1 = a0
2
1 − aa10
a2
El sistema es estable si a0 − a01 > 0 o bien |a1 | < a0 o bien |K(1−e−h )−e−h | <
1. Notemos que

PLC = −a1/a0
justamente el criterio de Jury nos da la condición de estabilidad. Claro que en
este caso sencillo podríamos haber sacado el mismo resultado directamente de
la expresión del polo.

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Respuesta en frecuencia de un sistema muestreado

Si aplicamos una función exponencial ejΩk al sistema discreto se tiene que la

salida es

X
y(k) = h(n)u(k − n)
n
X
= h(n)ejΩ(k−n)
n
X
= e jΩk
h(n)e−jΩn
n
jΩk
= e H(ejΩ)
donde H(ejΩ ) es la respuesta en frecuencia del sistema discreto. Ω ∈ [0, 2π] y
esta relacionada con el sistema de tiempo continuo por la frecuencia de mues-
treo, a través de ω ∈ [0, 2π/h], o sea por la relación lineal Ω = ωh, luego se
cumple

H(ejΩ) = H(ejωh)
Por lo tanto la respuesta en frecuencia del sistema discreto se encuentra reem-
plazando z = ejωh que a su vez es la TF del retardo h.
•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
El criterio de Nyquist

El criterio de Nyquist dice lo siguiente: Si realimentamos en forma negativa una

función de transferencia G(z) = B(z)/A(z) con P0 números de polos fuera
del círculo unitario, entonces el número de polos Pc del lazo cerrado fuera del
círculo unitario está dado por la ecuación

Pc = N + P 0
donde N es el número de revoluciones en el sentido de las agujas del reloj
alrededor del punto -1 de la gráfica G(z) (en forma polar) cuando ”z ” recorre
la trayectoria cerrada que se muestra en la figura.

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Demostración del criterio de Nyquist

La ecuación característica del lazo cerrado es 1 + G(z) = 0,

Pn
B(z) A(z) + B(z) j=1 (z − zj )
1+ = = Pn
A(z) A(zs) i=1 (z − zi )
Ahora bien, notemos que un factor como (z−zi ) es un vector en el plano z . Este
vector da una rotación completa si se encuentra dentro del contorno cerrado en
donde se realiza la trayectoria. En cambio si se encuentra fuera del contorno de
esa trayectoria, el ángulo de rotación es nulo.
La relación de fase para la ecuación característica está dada según la ecuación
es n n
X X
∠(1 + G(z)) = ∠(z − zj ) − ∠(z − zi )
j=1 i=1

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Demostración del criterio de Nyquist

Esto significa que si se recorre un ciclo completo a lo largo del entorno cerrado
en sentido de las agujas del reloj, el ángulo total de rotación de la ecuación
característica tiene la siguiente relación:

2πN = 2πPc − 2πP0

De donde se deriva la relación que conforma el criterio de Nyquist. Notemos que
N es el número de vueltas que da el diagrama 1 + G(z) respecto del origen, o
lo que es lo mismo, contando el número de vueltas que da un vector con base
en -1 de G(z).
En el ejemplo se tiene que para h = 0,1seg. y h = 1seg. los siguientes
diagramas de de nyquist de KG(ej Ω) con K = 0 y K = (e−h + 1)/(1 − e−h )
que es el que corresponde a ganancia máxima.
15 Nyquist Diagram
2 Nyquist Diagram

1.5
10
1
5
0.5
Imaginary Axis

Imaginary Axis

0 0

−0.5
−5
−1
−10
−1.5

−15 −2
−5 0 5 10 15 20 25 −1 −0.5 0 0.5 1 1.5 2 2.5
Real Axis Real Axis

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Estabilidad de sistemas pasa bajos utilizando el criterio de Nyquist

Los criterios de margen de ganancia (MG) y de margen de fase (MF) pueden

aplicarse de la misma manera que el el caso de sistemas de tiempo continuo.
Una posibilidad es mapeando el sistema discreto a tiempo continuo y haciendo
el análisis en tiempo continuo.
Si se quiere trabajar en tiempo discreto lo correcto es utilizar la igualdad Z =
ejΩ = ejω h, esto es recorrer el circulo unitario para Ω en el intervalo [0, 2π ].
Con el diagrama de la respuesta en frecuencia se trabaja exactamente igual que
en el caso de sistemas continuos para definir el MG o el MF. Lo mismo da
trabajar con diagramas logarítmicos o con diagramas polares como lo hemos
hecho con el criterio de Nyquist como se ve en la figura
30 Bode Diagram Bode Diagram

20 5
10
Magnitude (dB)

Magnitude (dB)
0 0
−10
−20 −5

−30
0 0

−45 −45
Phase (deg)

Phase (deg)

−90 −90

−135 −135

−180 −2 −1 0 1 2
−180 −2 −1 0 1
10 10 10 10 10 10 10 10 10
Frequency (rad/sec) Frequency (rad/sec)

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit
Fin de la segunda clase

preguntas?

•First •Prev •Next •Last •Go Back •Full Screen •Close •Quit