1. Notas de Clase
Control Automático 2
Julio H. Braslavsky
jbrasla@unq.edu.ar
10 de julio de 2000
2. Resumen
Estas notas son una transcripción de las transparencias usadas para las clases de Control Automático 2
dadas en el cuatrimestre de otoño de 2000. No pretende ser un apunte completo para el curso, sino una
guía detallada para el estudio del material citado como biliografía recomendada, en el cual se basa.
6. Capítulo 1
Introducción
1.1 Introducción a Control Automático 2
Esta materia es un curso avanzado en sistemas lineales y técnicas de control, que introduce la representa-
ción y el diseño de sistemas en dominio temporal.
Los sistemas a los que nos referiremos a lo largo de la materia son representaciones matemáticas de
sistemas físicos, y el tipo de representación considerada son las ecuaciones en variable de estado.
En general, vamos a asumir que el modelo del sistema físico está disponible. Es decir, no vamos a
profundizar en la obtención de este modelo, que puede hacerse utilizando técnicas de modelado a partir de
leyes físicas (como en Procesos y Máquinas), o a través de estimación paramétrica (como en Identificación).
1.1.1 Representación Externa
A partir de la propiedad de linearidad, un sistema puede describirse mediante la ecuación integral
SR(PIH(FCC¢ 97532¢ 0
1 Q ¦ E¢ G¦ ED1 8 6 4 ¦1
(1.1)
A B 8@ G 0
La ecuación (1.1) describe la relación entre la señal de entrada y la señal de salida , ambas funciones, en
1
general vectoriales, de la variable real , el tiempo.
Este tipo de representación es entrada-salida o externa, y el sistema en sí está descripto como un ope-
G
rador, denotémoslo , que mapea la función en ,
T 0
0 XG VT
W
U
G 4 0
T
bc1SQR¦(P¢IGH¦(FDCC¢ 8 6`YF2¢ 0
E E 1 4 ¦1
Aa 8@ G
Para cada posible señal de entrada , el operador “computa” la salida
T 0 a través de la integral (1.1), que
está definida por la función , intrínseca al sistema.
A
1.1.2 Representación Interna
La descripción externa (1.1) vale para sistemas a parámetros distribuidos (como las líneas de transmisión de
energía eléctrica). Cuando el sistema es a parámetros concentrados, entonces también puede describirse
por ecuaciones del tipo
3CrHF2qgiF2¢ e F2g£F2¢ d e
¦1¢ G¦1¢ p h ¦1 ¦1¢ f 4 ¦1
(1.2)
b(¦F2IHF2xwSF2¢ e 3Cut532¢ 0
1¢ G¦1¢ v h ¦1 ¦1¢ s 4 ¦1
(1.3)
Notar que la ecuación (1.2) es un sistema de ecuaciones diferenciales de primer orden, mientras que la
ecuación (1.3) es un sistema de ecuaciones algebraicas. Conforman lo que se conoce como representación
interna de sistemas lineales.
e
Como el vector se denomina el estado del sistema, el conjunto de ecuaciones (1.2), (1.3) se denominan
ecuación en espacio de estados, o simplemente, ecuación de estado.
4
7. 1. Introducción 5
1.1.3 Sistemas Estacionarios
Si el sistema es lineal, además de ser a parámetros concentrados, estacionario, entonces las ecuaciones
(1.1), (1.2) y (1.3) se reducen a
1 C¢ 8 6 532¢ 0
4 ¦1
iQ (PIH(E
1 ¦ E¢ G¦
y (1.4)
h ¦ 1A f 4 ¦ 1
32¢IGBpwSF2¢ e g£F2¢ d e
¦1
(1.5)
b(F12IG€g(F2¢ e t532¢ 0
¦ ¢ v h ¦1 s 4 ¦1
(1.6)
Para los sistemas lineales estacionarios es posible aplicar la transformada de Laplace, que es una herra-
mienta importante en análisis y diseño (Control Automático 1). Aplicando la transformada de Laplace a (1.4)
obtenemos la familiar representación
§¥I G §¥¢ 5§¥¢ 0
¦ ¤¢ ¦ ¤ 4 ¦¤
(1.7)
„C31C¢ ƒq‚4B§¥¢
¦ ¦¤ A
donde la función es la función o matriz transferencia del sistema. Ambas (1.4) y (1.7) son
representaciones externas; (1.4) en el dominio temporal, y (1.7) en el dominio frecuencial.
A A
1.2 Panorama de la Materia
1. Introducción 3.9. Formas cuadráticas y matrices definidas positi-
vas
2. Descripción Matemática de Sistemas
3.10. Descomposición en valores singulares
3. Herramientas de Álgebra Lineal 3.11. Normas de matrices
4. Solución de la Ecuación de Estado y Realiza- 4. Solución de la Ecuación de Estado y Realizaciones
ciones
4.1. Solución de ecuaciones de estado estaciona-
5. Estabilidad rias
4.2. Cambio de coordenadas
6. Controlabilidad y Observabilidad
4.3. Realizaciones
7. Especificaciones y Limitaciones de Diseño 4.4. Sistemas lineales inestacionarios
8. Realimentación de Estados y Observadores 5. Estabilidad
9. Introducción al Control Óptimo 5.1. Estabilidad entrada-salida
2. Descripción Matemática de Sistemas 5.2. Estabilidad interna
5.3. Teorema de Lyapunov
2.1. Una taxonomía de sistemas
5.4. Estabilidad de sistemas inestacionarios
2.2. Sistemas lineales
2.3. Sistemal lineales estacionarios 6. Controlabilidad y Observabilidad
2.4. Linealización 6.1. Controlabilidad
2.5. Sistemas discretos 6.2. Observabilidad
3. Herramientas de Álgebra Lineal 6.3. Descomposiciones canónicas
6.4. Condiciones en ecuaciones en forma de Jordan
3.1. Vectores y matrices
6.5. Ecuaciones de estado discretas
3.2. Bases y ortonormalización
6.6. Controlabilidad y muestreo
3.3. Ecuaciones lineales algebraicas
6.7. Sistemas inestacionarios
3.4. Transformaciones de similaridad
3.5. Forma diagonal y forma de Jordan 7. Especificaciones y Limitaciones de Diseño
3.6. Funciones matriciales 7.1. Funciones de sensitividad
3.7. Ecuación de Lyapunov 7.2. Especificaciones de diseño
3.8. Algunas fórmulas útiles 7.3. Limitaciones en la respuesta temporal
8. 1. Introducción 6
7.4. Limitaciones en la respuesta frecuencial 8.7. Realimentación de estados estimados — Caso
MIMO
8. Realimentación de Estados y Observadores
8.1. Realimentación de estados 9. Introducción al Control Óptimo
8.2. Regulación y seguimiento
9.1. El principio de optimalidad
8.3. Observadores
9.2. Regulador óptimo cuadrático
8.4. Realimentación de estados estimados
8.5. Realimentación de estados — Caso MIMO 9.3. Estimador óptimo cuadrático
8.6. Observadores — Caso MIMO 9.4. Control óptimo cuadrático Gaussiano
1.3 Bibliografía y Material de Estudio
El programa sigue principalmente los libros (en inglés, sorry!)
1. Chi-Tsong Chen. Linear System Theory and Design. Oxford University Press, 3rd edition, 1999.
2. John S. Bay. Fundamentals of Linear State Space Systems. WCB/McGraw-Hill, 1999.
Otros libros recomendados:
3. Wilson J. Rugh. Linear System Theory. Prentice Hall, 2nd edition, 1995.
4. T. Kailath. Linear Systems. Prentice Hall, Englewood Cliffs, NJ, 1980.
5. E.D. Sontag. Mathematical control theory. Deterministic finite dimensional systems. Springer-Verlag,
2nd edition, 1998.
1.4 Cursado y Regularización
Regularización: La materia se regulariza aprobando los dos parciales y los trabajos prácticos con un pro-
medio de por lo menos 60%. De ser necesario, habrá un parcial recuperatorio.
Aprobación: La materia se aprueba en el examen final, consistente de dos partes: práctica y coloquio. Para
regulares, la práctica cubre los capítulos no incluídos en los trabajos prácticos y parciales. No regulares
(libres) rinden práctica sobre toda la materia. El coloquio es no promocionable y cubre toda la materia.
El promedio de regularización contribuye a la nota del examen final en la siguiente proporción:
Parciales: 40%
Trabajos Prácticos: 20%
Práctica Final: 20%
Coloquio Final: 20%
1.5 Calendario
L UNES M ARTES M IÉRCOLES J UEVES V IERNES
Mar 6 Clase 1 7 8 Clase 2 9 10
§1 §2
13 Clase 3 14 15 Clase 4 16 17
§2 §2
20 Clase 5 21 22 Clase 6 23 24
§3 §3
9. 1. Introducción 7
L UNES M ARTES M IÉRCOLES J UEVES V IERNES
27 Clase 7 28 29 Clase 8 30 31
§3 §3
Abr 3 Clase 9 4 5 Clase 10 6 7
§4 §4
10 Clase 11 11 12 Clase 12 13 14
§4 §4
17 Clase 13 18 19 Clase 14 20 21
§5 §5 Jueves santo Viernes santo
24 Clase 15 25 26 Clase 16 27 28
Mesas de abril Mesas de abril Mesas de abril Mesas de abril Mesas de abril
§5 §6
May 1 2 3 4 5
D. del Trabajador Primer parcial
8 Clase 17 9 10 Clase 18 11 12
§6 §6
15 Clase 19 16 17 Clase 20 18 19
§6 §7
22 Clase 21 23 24 Clase 22 25 26
§7 §7
29 Clase 23 30 31 Clase 24 Jun 1 2
§7 §8
5 Clase 25 6 7 Clase 26 8 9
§8 §8
12 13 14 Clase 27 15 16
Segundo parcial §8
19 Clase 28 20 21 Clase 29 22 23
§8 §9
26 Clase 30 27 28 Clase 31 29 30
§9 §9
Jul 3 Clase 32 4 5 Clase 33 6 7
§9 §9 Entrega de Actas
10. Capítulo 2
Descripción Matemática de Sistemas
2.1 Una taxonomía de sistemas
Uno de los problemas más simples en robótica es el control de la
posición de un brazo simple de robot usando un motor colocado en la G
junta.
Matemáticamente, este sistema no es más que un péndulo controlado
por torque.
Asumiendo que la fricción es despreciable, que el brazo es rígido, y …
que toda la masa del brazo está concentrada en el extremo libre, aplican-
…
do las leyes de Newton, el ángulo respecto de la vertical está dado por
la ecuación diferencial
R3Cr‚£F2‘… – H”X† ’3C‘†
b ¦ 1 ¢ G 4 ¦ 1 ¢ • “ ‡ h ¦ 1 ¢ ‰…
(2.1)
‡ ˆ†
El brazo simple de robot es un ejemplo de lo que se llama un sistema
dinámico, causal, de tiempo continuo, finito-dimensional, no lineal y esta-
cionario. Figura 2.1: Péndulo
Dinámico se refiere a que las variables que definen el estado del brazo
1 … d… G
en un instante dado, y , no dependen en forma instantánea del torque de control . Si por ejemplo se
…
aplica un valor de torque constante, tomará un tiempo no nulo en alcanzar su valor de equilibrio.
Un sistema no dinámico es estático, y en él la salida de-
G pende en forma instantánea de la entrada. Un ejemplo es un
0
amplificador electrónico donde efectos capacitivos e inductivos
son despreciables.
Los sistemas estáticos suelen llamarse también sin memo-
ria.
Un sistema es causal o no anticipativo si la salida en un
Figura 2.2: Amplificador instante dado depende de los valores presentes y pasados de
la entrada, y no de valores futuros.
Sistemas anticipativos o predictivos pueden “adivinar” entradas futuras. Ningún sistema físico real es
anticipativo.
La salida actual de un sistema causal depende del pasado de la entrada. ¿Pero cuánto tiempo atrás
tienen efecto valores pasados de la entrada? Estrictamente, habría que volver atrás en el tiempo hasta , — ˜
lo que no es muy práctico. El concepto de estado salva este problema.
¦ y 2¢ e
1 y1 y1
El estado F2rG
¦1¢ de un sistema en el instante es la información en que junto con la
entrada para y t£1
1 ™
determina unívocamente la salida
3C¢ 0
¦1
para todo y ‚£1
1 ™
.
¦ 2¢ e
1 y1 …
El estado d… y
resume toda la historia del sistema desde
y1
hasta : conociendo el valor de ángulo y
— ˜ G
velocidad angular en , podemos predecir la respuesta del brazo de robot a valores de torque para todo
y ‚£1
1 ™
.
8
11. 2. Descripción Matemática de Sistemas 9
Podemos pensar que la entrada para y du1
1 ™
y las condiciones iniciales
¦ y 2¢ e
1
determinan la evolución del
sistema para y tY1
1 ™
¦ y 2¢ e
1
f e t”SHF2¢ e
¦ 1 ¢ gBy
1 ™ 1 D¦1
y 1⪣1iD232IG
3C¢ e
¦1
El ejemplo del brazo de robot es finito-dimensional, puesto que el estado
1 en un instante cualquiera
de tiempo puede ser caracterizado completamente por un número finito de parámetros (en este caso, dos:
ángulo y velocidad angular).
Un ejemplo de sistema infinito-dimensional aparece en el problema de regulación de la temperatura del
aula por medio de acondicionadores de aire. La temperatura aparece como una distribución en todo el
volumen del aula, y su caracterización completa requiere un número infinito de datos (la temperatura en
todos los puntos del aula). 1
El término en tiempo continuo se refiere al hecho de que la variable es continua, en contraste al caso
de un sistema definido por una ecuación diferencia
b e ˜gh e 4 7h e
G p f j
§ih ih
2.2 Sistemas Lineales
Un sistema se llama lineal si cumple con el principio de superposición, es decir, dados dos pares de condi-
ciones iniciales y entradas,
¦ y 2¢ §e
1 k t”SHF2¢ e
1 ™ 1 D¦1 k up%n4
D oDj
¦1 f e y
y 1‚™£1lDHF2¢ k G para m (2.2)
tenemos que
e ¦ y 2¢ r e S¦ y 2¢ q
1 h 1
e t”SHF2¢ e ’3C¢ %e
G f By
1 ™ 1 D¦1 r h ¦1 q
t£iHF2¢ r wSF2¢ q
1 ™ 1 D¦1 G h ¦1 (2.3)
y
s ¦ y C¢ k e
1
t”SHF2¢ e s
1 ™ 1 D¦1 k b v$tus
s f e y y ‚£SH3C¢ k G
1 ™ 1 D¦1 (2.4)
La propiedad (2.3) es de aditividad, y la propiedad (2.4) de homogeneidad. La combinación de ambas es
la propiedad de superposición
La propiedad de aditividad permite considerar la respuesta del sistema como la superposición de la
respuesta a condiciones iniciales y excitación aplicadas por separado.
¦ y C¢ e
1
y ‚£SHF2¢ w e
1 ™ 1 D¦1
¦1¢ f e
{ y 1t™£1S~}w4£F2rG
D
By tYlHF2¢ ‘e ’3C¢ §e YF2¢ e
e 1 ™ 1 D¦1 x h ¦1 w 4 ¦1 yzzz }`5¦ y C¢ e
4 1
y 1t™£1lD232¢ x e z
¦1
1 ™ 1 D¦1¢ f e
zzz y ”iHF2rG
z|
La respuesta de un sistema lineal es la superposición de su respuesta libre (a condi-
ciones iniciales, sin excitación) y su respuesta forzada (a excitación, con condiciones
iniciales nulas — relajado).
Los sistemas no lineales, como el brazo de robot, no cumplen con el principio de superposición.
2.3 Sistemas lineales estacionarios
Un sistema es estacionario si para cada par condiciones iniciales y entrada
¦ y C¢ e
1 ‚£i232¢ e
1 ™ 1 D¦1
¦1¢ f e y
y 1⪣1SDHF2rG (2.5)
12. 2. Descripción Matemática de Sistemas 10
y cada v t ¨ , tenemos que
¦ ¨ h y C¢ e
1 ¨ h y t£SH¦ ¨ 2¢ e
1 ™ 1 D 1
b ¨ h y ‚£SHF2¢ r `(¦ ¨ 2rG €e
1 ™ 1 D¦1 G h 1¢ f (2.6)
Es decir, el sistema responde da la misma respuesta, corrida en tiempo, si se le aplica la misma entrada
corrida con iguales condiciones iniciales.
Un sistema que no cumple esta propiedad se dice inestacionario.
2.3.1 Representación entrada-salida
Por superposición se deduce la representación de sistemas lineales mediante la integral de convolución
€IR(PIH(FCC¢ ‡ V7532¢ 0
D E Q ¦ E¢ G¦ ED1 6 4 ¦1
(2.7)
‚
R3ƒ2¢ ‡
¦ ED1 F2¢
¦1 E
donde es respuesta al impulso: la salida del sistema a un impulso unitario „ en el instante
(Chen 1999).
La causalidad implica que
`5(FC2¢ ‡
} 4 ¦ ED1 u£1
E †
causalidad … para ,
y como las condiciones iniciales se asumen nulas, (2.7) se reduce a
€IR(PIH(FCC¢ ‡ 8 7532¢ 0
b E Q ¦ E¢ G¦ ED1 6 4 ¦1
8@
Si el sistema tiene entradas y salidas, entonces hablamos de la matriz de respuesta al impulso
ˆ ‡ t R3ƒ2¢
¦ ED1
ŒH”v
‹Š‰ . A
Si el sistema es estacionario entonces para cualquier se cumple
¨
2¢ ‡ Y¦ ¨ 3D ¨ R2¢ ‡ 5(3ƒ2¢ ‡
1 4 h E h 1 4 ¦ ED1 RŽpD E
b ¦}
ŽpcE 2¢ ‡
¦ }D 1 1 2¢ ‡ ¦ (E
Así podemos redefinir
simplemente como . La representación entrada-salida del sistema
se reduce a
2IH(¢ ‡ 8 7IR(PIH(E C¢ ‡ 8 7532¢ 0
1¢G¦ E 6 4 E Q ¦ E¢ G¦ 1 6 4 ¦1 €rQ (E
b E ¦
y y
w£F2¢ ‡
} 4 ¦1 9”1
} †
La condición de causalidad para un sistema lineal estacionario se reduce a para .
2.3.2 Representación en Espacio de Estados
Todo sistema lineal finito-dimensional puede describirse mediante ecuaciones de estado (EE)
3CrHF2qgiF2¢ e F2g£F2¢ d e
¦1¢ G¦1¢ p h ¦1 ¦1¢ f 4 ¦1
b(¦F2IHF2xwSF2¢ e 3Cut532¢ 0
1¢ G¦1¢ v h ¦1 ¦1¢ s 4 ¦1
j
Para un sistema de orden , el vector de estados es un vector
‘ , es decir que tiene ’ B‘ ‘ variables de estado,
Y‚t 32¢ e
“ v ¦1 1
para cada . Si el sistema tiene entradas y salidas, entonces
‡ ˆ ‹ ‚t F2rG
v ¦1¢ e ‰ ‚t 3C¢ 0
v ¦1. Las
H52˜”uf
vD sD pD
matrices se suelen llamar
v f
U “ Š “ $t de evolución Š‰ v s
U “ H”$t de salida
‹ v p
U ŒŠ “ t de entrada ‹Š‰ v v
U ŒH”t de ganancia directa
Cuando el sistema es además estacionario, entonces la representación en EE se reduce a
32IBwSF2¢ e g£F2¢ d e
¦1¢ G p h ¦1 f 4 ¦1
(F2I€g(F2¢ e t532¢ 0
b ¦1¢ G v h ¦1 s 4 ¦1 (2.8)
14. 2. Descripción Matemática de Sistemas 12
¶
o
3CrG
¦1¢ 32¢ q d e
¦1 F2¢ q e
¦1 3C¢ 0
¦1
o ¸ o
² ~}
b
F2¢ dr e
¦1 F2¢ e
¦1 r
¸ ²
´
Figura 2.4: DB del sistema (2.10)
2.5 Linealización
La gran mayoría de los sistemas físicos son no lineales. Una clase importante de ellos se puede describir
por las ecuaciones de estado
e %d£F2¢ d e
¢ ¹ 4 ¦1 e H3CrHH3C¢
D¦1¢ GD¦1 y 2¢1 y e Y¦ y 2¢ e R3ºH¦
4 1 D ¦1D
e ¢ ¢ 532¢ 0
4 ¦1 e H3CrHH3C¢
D¦1¢ GD¦1 y 2¢
1 R3ºH¦
D ¦1D (2.11)
¹ ¢
donde y son campos vectoriales no lineales, es decir, escrita en términos escalares, la componente de
32¢ d e
¦1 m
en (2.11) es
F¦H¦ y 2¢ e ”H”HH¦ y 2¢ q e HF2¢ « Hº”H”HF2¢ q ”232¢ e º”H”HF2¢ q e ¢ k n£F2¢ dk e
¦1» 1 DbbbD 1 »¦1 GDbbbD¦1 G»¦1 DbbbD¦1 ¹ 4 ¦1 b y §e 5¦ y C¢ §e
k 4 1 k
“ “
Este tipo de sistemas se trata en detalle en Sistemas No Lineales.
Una ecuación de estado lineal es una herramienta útil para describir sistemas como (2.11) en forma
aproximada. El proceso de obtención de un modelo lineal a partir de uno no lineal se llama linealización.
La linealización se realiza alrededor de un punto o trayectoria de operación, definida por valores nomina-
les y ¼ e F2¢ ¼ e
, y
¦1 32IG
¦1¢
que satisfacen (2.11),
¼
¦ y 2¢ e
1
¼ f e t”SHF2¢ ¼ e
1 ™ 1 D¦1
¦ 1 ¢ gBy
y 1‚™£1iD232I¼ G
Nos interesa el comportamiento de la ecuación no lineal (2.11) para una entrada y estado inicial “cerca-
32”H–32IG ˆ32IG
¦1¢½G h ¦1¢ 4 ¦1¢ ½y e h y e 4 y e 3CºHG
¦1¢½ ½y e
nos” a los valores nominales, es decir y para y ¼suficientemente ¼
pequeños para . y t”1
1 ™
3C¢ e £F2¢ e
h¦1 4 ¦1
Suponemos que la correspondiente solución permanece cercana a la nominal, y escribimos
3Cº½ e
¦1¢ ¼
para cada . y t£1
1 ™
En términos de la ecuación de estado no lineal (2.11) tenemos
½ y e h y e Y¦ y 2º½ e S¦ y 2¢ e 23ºH3CºHwSF2˜G H3Cº½ e SF2¢ e ŒdY32”½ d e SF2¢ d e
4 1¢ h 1 D¦1D¦1¢½G h ¦1¢ D¦1¢ h ¦1 ¢ ¹ 4 ¦1¢ h ¦1
¼ ¼ ¼ ¼ ¼ ¼
15. … •“
r – 2™† h Õ Ù 4
b … – •2“£‡ ¦ Ù h † ¢w… “ ºl… – HCÖ† … … “ ºlG Ÿ‰ …
h Ø × • “ Õ rd Ø×
… •“
r – H † h Ù ‰0
Ø× •“ ‡ •“Õ h
… “ ºi… – 2ˆ† … – H2Ö† r d … qG 4
movimiento son
Ejemplo 2.4. Consideremos el péndulo invertido sobre un carro móvil de la Figura 2.6. Las ecuaciones de
trayectorias y no puntos estacionarios.
ciones originales y sean estacionarias, debido a que las matrices Jacobianas se evalúan a lo largo de
Notar que las EE obtenidas por linealización van a ser en general inestacionarias, aún cuando las fun- ¢ ¹
¼ ¼ ¿ ¼ ¼ e¿
b ¦1D¦1¢ D¦1 4 ¦1¢ v D ¦1D¦1¢ D¦1 4 ¦1¢
R3ºHF2˜G H3C¢ e ¢ ¢G ¿ Y32XÔR3ºHF2˜G H3C¢ e ¢ ¢ ¿ 5F2us
y
¼ ¼ ¼ , con ¼ Ó donde
¦1D¦1¢ D¦1
F¦HF2rG HF2¢ e ¢ ¢ £F2¢ 0
4 ¦1 ¦1
32¢ 0 F2¢ 0 YF2¦½ 0
¦1 4 ¦1¢
D¦1 G¦1¢ v h ¦1 ¦1¢ s 4 ¦1
HF2¢ ½ H3CxgS32¢ ½ e F2u7£F2¢ ½ 0
ción lineal
, de donde obtenemos la aproxima- De igual manera se expande la ecuación de salida
¦ ¦
31ºDH31C¢rGHDH¦3C¢ e ¢ ¢ Y32¢ 0
1 4 ¦1
¼ ¼ ¿ ¼ ¼ e¿
b ¦1D¦1¢ D¦1 4 ¦1¢ p D ¦1D¦1¢ D¦1 4 ¦1¢
(F¦HF2IG HF2¢ e ¢ ¹G ¿ ”F2˜°(F¦HF2rG HF2¢ e ¢ ¹ ¿ YF2f
donde
¼e
y ` y e 5¦ y 2º½ e 232¦2HF2˜wSF2¦½ e F2g5F2¦½ d e
4 1¢ D¦1¢½G¦1¢ p h ¦1¢ ¦1¢ f 4 ¦1¢
aproximadamente descripto por una EE lineal inestacionaria de la forma
(el modelo incremental) queda Dado que ¼ ¼
la relación entre y ¼ ¼ ¼
¦1¢½
F2º2G ¦1¢
32”½ e D y e ”¦ y 12¢ e R3ºHF2˜G H3C¢ e %œ”3C¢
4 D ¦1D¦1¢ D¦1 ¢ ¹ 4 ¦1 de
Ì ƒÄÅ Ë CÄ ƒÄ Å Å
Ì Ä Ì Ä ÊÌ Ä
Ò x H”b x bb x
b ¥b ƒbÄ b b b b b CbÄ b b ƒ
H”ÎH”€”HÍ”HbÄ
ÌÅ ËÅ Å Æe ¿
Ð Ë Ä b b Ë Ä Ê Ë Ä ÈÉ
Å H”b xË CÄ x ƒÄ ÈÈÅ Å ¹ ¿
ÐÐ ¥xÌ ƒÄ Ä Ä Ê ÄÈ
ÑÐÐÏ xÊ H”b bb
ÅxÊ ƒÄ xÊ ÇÈ
con respecto a ,
e representa el Jacobiano, o Matriz Jacobiana, del campo vectorial Ä donde la notación
¹ x
¼ ¼ e¿ ¼ ¼ ¼ ¼
½G¦1D
HHF¦rG D e ¢ G ¿ h e ¦ 1 D ¼ ¼e h ¦¦1 ¢ D ¦1 e¢ ¹ ¾ ¦1 ¢ e h ¦1
SF2¢ d e
¹ ¿ 5½ 3º˜G D ¢ ¹ ¿ ’pF2rG HF2¢ ŒdY32”½ d
y volviendo a la notación vectorial, obtenemos
, ‘ m
Repitiendo la operación para cada
DbbbDj
HH””ŒÃ4 Figura 2.5: Trayectoria de operación y aproximación
(2.12)
« ½ G2¦3º˜¼ G D ¼ e ¢ «G ¿ ¼ ¼ qG ¿
1D hÁÁÁ G¦1D
k ¹ ¿ ”H2wh q ½ 23º˜G D e ¢ k ¹ ¿ h
“ q
“ e ¼ ¼ e ¿ ¼ ¼ ‘e ¿ ¼
½ 3º˜G
¦1D D e¢ ¿ h Á Á Á ¦1D
k ¹ ”2Hh q ½ e F¦rG D e ¢ k ¹ Àh ¿ ¦1
F2¢ e
¼ ¼ ¼ ¼ ¦1
F2¢ ½ e y ¼e
¦1D
F¦rG D e ¢ k n£F¦D ½ gqG D ½ e h e ¢ k ¹
¹ ¾ ¦1 G h
, que queda 1 m ¦1
3C¢ e ye
Especificamos la operación para la componente
de y ; no se hace con respecto a la tercer variable . e
alrededor de y 1
, reteniendo sólo los términos de primer orden. Notar que la expansión es en términos ¼ ¼ G
Asumiendo diferenciabilidad, podemos expandir el lado derecho de esta ecuación usando series de Taylor ¦1¢ ¦1
3CrG 32¢ e
13 2. Descripción Matemática de Sistemas
16. 2. Descripción Matemática de Sistemas 14
… †
‡ X†
Õ
G
Ù
0
Figura 2.6: Péndulo invertido.
w4 e d 0 4 r e 0 4 q e
… Ú d … 4 ¦e
Û ‘HD e %d4 d e
¦G ¢¹ Û ™t e
v
Definiendo , , y vemos que el sistema tiene la forma , donde
y v ™t G ¹
, y está dada como
e ¢ q ¹ ÇÈÈÉ ÇÈÈ re ÐÐ ÏÐ
Ð ÏÐ %”D
¦G
ÈÉ à Ý c« ‚ à Þw « Ë Ü ª
ß â ßÝÝ
e ¢ r ¹ 5‘HD e %¹
4 ¦G ¢ 4 %”DD ¦G áÅ ÞãºPÅ Ë à Ý « PÅ å Å ¬
ä á ß á
e ¢ Ú¹ Ò %”
¦G
Ò à Ý â lå « á Å Ý Û e ¬à w « ‚ Ý ª
e ¢ Û¹ %”D
¦G ‚ ß ç ßÝ
áÅ ¬ æ(¬ á Å Ë à Ýäß ã á « Å w å Ë Ü Å á Å ã
ä
áÅ ¬
1–£}g£F2¢IG `532Ž¼ …
é è ¦1 } è ¦1¢ YpF2rG HF2¢ e %¹
è ¦¦1¢ D¦1 ¢
} Como trayectoria de operación tomamos , , que es fácil ver que satisface
¼ p f ¹ ¼ ¼
(es un equilibrio). Las matrices y de los respectivos Jacobianos de evaluados sobre esta trayectoria
son
} ÇÈÈÉ j } Ð ÏÐ }} Ð ÏÐ q } ÇÈÈÉ
} } â cå «
–Žp˜•¢ ¹ ¿ Vf
4 ¦ }D } 4 } } }
¹ ¿ 9p
G ¿ 4 b å –Žê~•¢
4 ¦ }D }
e¿ Òj Ò q}
} } â ç w« å å } w å
¬ æ
Ejemplo 2.5 ((Rugh 1995)). Volvemos al ejemplo del cohete de la clase pasada. Las ecuaciones de movi-
miento eran
h ‡ F2¢ † 5F2¢ ‰ ¢ 3C¢ †
¦1 4 ¦1 ¦1 (F2IG
D ¦1¢
› pš
F2¢ d † F2rG
¦1 4 ¦1¢
donde ahora tomamos la velocidad de cambio de masa libre
32¢ †
¦1 (ejercicio en la clase anterior). 3C¢ † ˜F2¢ e F2¢ d ¢ u3C¢ r e 3C¢ ¢ uF2¢ q e
¦1 4 ¦1 Ú ¦1 4 ¦1 ¦1 4 ¦1
Definiendo como una variable de estado más, y denotando
F2rG
¦1¢ , , ,y
tomando como una entrada independiente llegamos al modelo no lineal
3C¢ r e
¦1 ÇÈÈÉ Ï 3C¢ q d e ÉÇ
¦1 Ð ÏÐ
b F12IG › š h ‡
¦ ¢ 3C¢ 4 Ò 3C¢ r d e
¦1
Ò ¦1 Úe 3C¢ ¦dÚ e
¦1
F2rG
¦1¢
Consideramos ahora su linealización alrededor una trayectoria nominal correspondiente a un valor cons-
} 7† y œÖGG 4
tante de la entrada . No es difícil calcular la trayectoria nominal explícitamente mediante integra-
F2¢ %e
¦1 q F2¢ e
¦1 r 32¢ Ú e
¦1
ción directa, primero de , luego y finalmente . Haciendo las cuentas obtenemos
r
› š yG † h 1o
Y3C¢ %e
4 ¦1 q ‡ 1yG 1 y G £j ‘Ø 1 y G £j
h ï h
¼ í’y † (y †
í ë ™’y †
î í uìy
ë ë
1 y G Yj
‡ Y3C¢ r ¼ e
4 ¦1 h › h 1
í (y † ë š
y † 4Y3C¢ ¦¼ e
¦1 Ú b 1 y gh
G
1 Por simplicidad no escribimos la dependencia temporal de y .
ñ ð
17. 2. Descripción Matemática de Sistemas 15
Los Jacobianos necesarios son
É Ï } ÉÇ
}Ç j Ï }
Y%”D e ¢ ¹ ¿
4 ¦G } } b Ò e ò › š 5%”D e ¢ ¹G ¿ D Ò r Ú e %G › x
Ú 4 ¦G ò
e¿ } } j ¿ } š
¦32IG F2¢ Ú e
1¢ ¦1
Substituyendo los valores nominales (sólo los de ¦ F12¢rG F2I‚Y32¢ ½ G 32¢ e 3C¢ e £F2¢ ½ e
¦1¢ G 4 ¦1 ¦1 y
¦1 4 ¦1 aparecen) obtenemos la EE linealizada en las
variables incrementales y ¼n ¼ `
} ÇÈÉ j ÏÐ } ÇÈÉ ÏÐ }
£F2º½ d e
4 ¦1¢ } } (F2ºHG 1 wš h
b ¦1¢½ › SF2¦½ e r F1 gš h
h ¦1¢ y G › x
†¢ Ò yG y † Ò ¦ yG y
} } j }
Las condiciones iniciales para las variables incrementales están dadas por
Ï } ÉÇ
b Ò } ‘•¢ e –Ž•º½ e
¦ } 4 ¦ }¢
y †
2.6 Sistemas discretos
La mayoría de los conceptos de EE para sistemas lineales continuos puede transladarse directamente a 1
sistemas discretos, descriptos por ecuaciones diferencia. En este caso la variable temporal sólo asume
valores en un conjunto denumerable (cuyos elementos pueden “contarse” 2 ).
Cuando el sistema discreto se obtiene a partir de un muestreo de un sistema continuo, vamos a considerar H”qaƒ%Öp~4
bbb o óDj óD } 4 £1
h ¨h
¨
sólo el caso de muestreo regular, donde , , donde es el período de muestreo. En ¦ ¨ IG
¢ G
este caso denotamos las variables discretas (secuencias) como , etc. h Æ Œih
Los conceptos de dimensión finita, causalidad, linealidad y el principio de superposición de las respuestas
debido a condiciones iniciales y entradas, son exactamente como en el caso continuo.
Una salvedad: a diferencia del caso continuo, retardos puros no dan lugar a un sistema de dimensión
¨
infinita si el retardo es un múltiplo del período de muestreo .
2.6.1 Descripción entrada-salida de sistemas discretos
Definimos la secuencia de impulsos §ihI„
como
j † 4 h
4 si
} f † xihI„
† õh 4
si ô
donde y †
son números enteros. Notar que en el caso discreto los impulsos son fácilmente realizables
h
físicamente. G
En un sistema lineal discreto toda secuencia de entrada puede representarse mediante la serie ΄h
ö 4 G b † G
§ih €ihIø †
„
‚ ÷ «
D
Si † ih ‡
denota la salida de una sistema discreto a una secuencia de impulsos aplicada en el instante
† , entonces tenemos que
† xihI„ D
† Ñh ‡ (
† G † D ihI„
G †D ‡
Ñh i † (por homogeneidad)
ö G †D
† ihI„ D ‡ ö G b
ih i † † (por aditividad)
« «
2 Es decir, ponerse en correspondencia con los números naturales.