REGULADOR CUADRTICO LINEAL PARA UN SISTEMA DE BOLA Y BARRA

Del Negro A. Antonio M., Hurtado M. Gian A.

Escuela de Ingeniera Elctrica, Facultad de Ingeniera.
Universidad Rafael Urdaneta. Maracaibo. Venezuela.
andelnegro6@hotmail.com, gianhurtado93@gmail.com.
RESUMEN
El sistema de Bola y Barra se describe como una bola situada sobre una barra que cambiar
su posicin dependiendo del ngulo de la misma, y esta a su vez vara gracias a un
servomecanismo. Un sistema de control es el responsable del movimiento del servomotor,
el cual, acoplado al sistema descrito, colocar la bola en una posicin deseada. Los
objetivos de este trabajo son identificar las variables del sistema, definir su modelo
matemtico y evaluar sus propiedades, para as disear los controladores. Tales fueron, un
Regulador Cuadrtico Lineal y un PID. La investigacin fue experimental y de tipo
explicativa. Al momento de la implementacin, se pudo apreciar que las respuestas de
simulacin para el PID no eran acordes a la respuesta necesaria para el control, y se
recurri a modificar empricamente los parmetros. Para la implantacin del LQR s hubo
correlacin con la respuesta de simulacin del modelo continuo. Para profundizar el
estudio, se defini de manera experimental un modelo matemtico mediante los datos
obtenidos del prototipo a partir de pruebas; el cual no tuvo correlacin con el fenmeno.
Por ltimo, se compararon las mejores implementaciones de ambas estrategias, superando
en efectividad y eficiencia el control ptimo LQR al clsico PID.
Palabras clave: Bola y Barra, LQR, PID, Arduino, servomotor, control ptimo, control clsico,
control moderno.

LINEAR QUADRATIC REGULATOR FOR A BALL AND BEAM SYSTEM

ABSTRACT
The ball and beam system can be described as a ball in top of a beam, whose position will
change as the beams angle varies thanks to a servomechanism. A control system is
responsible of the adequate movement of the servomotor, which, coupled to the previously
described system, will move the ball to a desired position. This projects objectives are to
identify the systems variables, to define its mathematical model and to evaluate its
properties, and therefore design the controllers. The controllers are a Linear Quadratic
Regulator and a classic PID. The investigation was experimental and explicative.
Throughout implementation, it was noticeable that the simulation responses for the PID
didnt match with the controllers necessary response. Therefore, an empirical modification
of the parameters was made. The LQR configuration had correlation between simulation
and implementation for the continuous model. Moreover, in order to deepen the study of
the system, an experimental model was defined through test data acquisition from the

prototype, which wasnt able to describe the phenomena. Lastly, both strategies best
implementations were compared, being more effective and efficient the LQR optimal
control against the classical PID.
Keywords: Ball and Beam, LQR, PID, Arduino, servomotor, optimal control, classical control,
modern control.

INTRODUCCIN
La teora de control ha estado muy presente en la tecnologa desde la revolucin industrial,
y en las ltimas dcadas se ha profundizado su aplicacin y avances de manera
exponencial. El trabajo de investigacin descrito en el presente artculo, est fundamentado
en la promocin de mencionado avance, y se pretende que con un modelo didctico como
lo es el Sistema de Bola y Barra, se analice y desarrolle el control ptimo lineal, mediante
la utilizacin de un regulador cuadrtico lineal.
Existen diferentes estrategias de control que son utilizadas en los diversos campos de la
tecnologa. stas poseen caractersticas muy distintas entre ellas, tienen aplicaciones
especficas, y dependiendo del fenmeno, unas son ms eficientes que otras. El control
clsico es una estrategia ampliamente conocida, y uno de los tipos ms utilizados. Para la
investigacin se consider la estrategia clsica PID primordialmente para compararlo con el
desempeo del regulador cuadrtico lineal.
Como antecedente directo se tiene el trabajo de investigacin realizado por Petit y Ramrez
de la Universidad Rafael Urdaneta en 2013, debido a que disearon y construyeron el
prototipo utilizado en el trabajo e implementaron un controlador PID para el mismo.
Adicionalmente, se incorporan los antecedentes de Wang de la Universidad de Adelaide en

2007, y Rosales del Instituto tecnolgico de Massachusetts (MIT) en 2004,

respectivamente. Estos ltimos dos contribuyeron a complementar los fundamentos tericos
necesarios para el desarrollo de la investigacin.
El propsito de este artculo cientfico se centra en proporcionar los puntos clave del trabajo
de investigacin en descripcin. Para ello, se desglosa el artculo en varias secciones,
estratificadas como metodologa, resultados y conclusiones. Como agregado, adems, se
presenta una seccin de agradecimientos de los autores, al igual que las referencias
bibliogrficas consultadas para la elaboracin del presente artculo.

METODOLOGA
El tipo de la investigacin fue descriptiva y de diseo experimental. La poblacin se defini
como el conjunto de estrategias de control posibles a implementar, y la muestra estuvo
representada por el controlador PID y LQR seleccionados de manera no probabilstica. La
razn de la seleccin del controlador PID fue su sencillez y afinidad con el antecedente
directo del trabajo, mientras que el controlador ptimo LQR fue debido al inters en
maximizar el desempeo de estabilizacin del sistema bola y barra.
El trabajo de investigacin se desarroll en cuatro fases. Primero, se procedi a la
identificacin de las variables que interactuaron en la estabilizacin del sistema bola y
barra, para consecutivamente definir el modelo matemtico del sistema fsico y as
posteriormente analizarlo en el dominio temporal y frecuencial. Con esto, se disearon los
controladores PID y LQR para el sistema bajo estudio, los cuales posteriormente fueron

implantados en un sistema microprocesado. Consecuentemente, se evaluaron dichas

configuraciones de control respectivas.

RESULTADOS
La presentacin de resultados de la investigacin est ordenada segn los objetivos
especficos de sta, mencionados anteriormente en el resumen. Primeramente, debe
referirse a la identificacin de las variables del sistema.
Se presenta a continuacin una tabla que describe las variables que interactan en el
sistema fsico, as como las unidades utilizadas para cuantificarlas:
Tabla 1.1. Variables del sistema bola y barra.
Variable
Descripcin
Variables manipuladas

x ref

Variables controladas

x
Fr
Perturbaciones

Posicin de referencia
ngulo de la barra con
respecto al eje
horizontal
Posicin de la bola en
la barra
Fuerza externa
aplicada sobre la masa
esfrica
Fluctuaciones de
voltaje

Unidad
Metros [m]
Grados []
Metros [m]
Newton [N]
Voltios [V]

Puede apreciarse en la tabla las variables manipuladas, controladas, y las perturbaciones,

respectivamente, las cuales dan forma a la descripcin del sistema fsico que conllev a la
posterior definicin del modelo matemtico: segundo objetivo especfico del trabajo de
investigacin.

La definicin del modelo matemtico const inicialmente su representacin grfica

mediante un diagrama de bloques, mostrado a continuacin:

Figura 1.1. Diagrama de bloques del sistema fsico bola y barra.

Donde el controlador regula la diferencia de posicin de referencia con la posicin actual, y

arrojar esa informacin al prototipo para lograr una estabilizacin de la bola.
Adicionalmente al controlador est el servomotor, que es un sub sistema que posee un
controlador interno integrado, y no fue objetivo de la investigacin involucrarlo al estudio
posterior. Por otro lado, est la relacin fsica de la bola con la barra, la cual le sigue al
bloque de servomotor. Tal relacin puede ser representada de la siguiente manera:

Figura 1.2. Dibujo representativo de la interaccin de la barra con la bola (Wang, 2007).

Donde se describe matemticamente el fenmeno fsico del movimiento de la bola sobre la

barra, y puede ser resumido en la siguiente funcin de transferencia:

X (s ) g
=
(s)
2 Rb
1+
5 a1

( ( ))

s2

A partir de la cual se estableci un estudio del sistema en los dominios temporal y

frecuencial, al igual que con la versin discreta del modelo terico presente en la anterior
funcin. Se pudo determinar que el sistema es inestable a lazo abierto y a lazo cerrado para
ambos modelos, luego de aplicarles la funcin impulso, de igual manera que hallando el
lugar geomtrico de las races y observando la grfica de Nyquist del dominio frecuencial.
Tambin se determin que el sistema es observable y controlable en todos sus estados.
A partir de los resultados obtenidos del estudio del modelo matemtico, se procedi al
diseo de los controladores. Primeramente, con el controlador PID se estructur el sistema
de la forma siguiente:

Figura 1.3. Diagrama de bloques de la simulacin del sistema continuo con controlador PID.

De donde se pudo extraer los siguientes resultados para todas las configuraciones de control
en su versin continua:
Tabla 1.2. Resultados de las estrategias de control PID para la simulacin con el modelo
matemtico continuo terico.
P
PI
PD
PID
Kp
0.16469
0.16467
0.0083284
0.015105
Ki
0.002882
0.00011877
Kd
0.18104
0.17442
Tiempo de
Crticamente
Inestable
16.9 seg
18.4 seg

asentamiento
Tiempo de
levantamiento
Sobrepaso
mximo
Error de estado
estable

estable
-

1.29 seg

1.26 seg

10.9%

12.6%

Donde se detalla que las configuraciones capaces de controlar el sistema a nivel de

simulacin fueron las de PD y PID, mientras que las configuraciones P y PI no lograron
estabilizarlo. Adicionalmente, la simulacin con el modelo terico discreto arroj el mismo
resultado, sin embargo con tiempos de estabilizacin y sobrepasos mayores.
Para el caso del controlador LQR, se definieron las matrices Q, R y K (cuyos tamaos
derivaron de la ecuacin de espacio de estados del modelo matemtico) necesarias para la
solucin a la ecuacin de Riccati y que, partiendo de la regla de Bryson se definieron sus
valores. Con esto, fue posible el clculo de la matriz K y se recurri a una serie de
iteraciones empricas. El procedimiento para conseguir el controlador LQR que cumpliera
con una estabilizacin del sistema de manera adecuada, fue el siguiente:

Figura 1.4. Diagrama de flujo para la obtencin de la matriz K ptima.

De manera que se recurri al proceso iterativo. En la siguiente tabla se aprecia los

parmetros obtenidos a partir de la regla de Bryson as como la sptima iteracin, en la cual
se consigui un control sin error de estado estable y tiempo de estabilizacin aceptable:
Tabla 1.3. Comparacin de la respuesta del sistema con los parmetros de la regla de Bryson y de la
ltima iteracin.
Tiempo de
Iteracin
Matriz K
r1
q1
q2
Amplitud
asentamiento
Bryson

[ 16.96 30.1511 ]

0.0044

0.2

1.52seg

Iteracin#
7

[ 3.6013 6.0302 ]

0.11

0.1

1.01

1.25seg

En la siguiente figura es posible comparar las respuestas de salida a nivel de simulacin

con la regla de Bryson versus la iteracin 7:

Figura 1.5. Comparacin entre la respuesta de salida con parmetros de Bryson (izq.) y parmetros
empricos de la sptima iteracin (der.) con el controlador LQR.

La aplicacin del controlador LQR para la versin discreta del modelo no logr estabilizar
el sistema bajo ninguna circunstancia, y por consiguiente los resultados no son incluidos.
Para la implantacin de los controladores en el prototipo, se recurri a instalarlos en una
tarjeta integrada Arduino Uno. A continuacin se muestra el diagrama ilustrado del
prototipo al cual se le implant los controladores de esta investigacin:

Figura 1.6. Diagrama ilustrado del prototipo bola y barra.

Y la siguiente figura detalla de cerca la tarjeta Arduino uno, el sensor ultrasnico y el

servomotor:

Figura 1.7. Arduino Uno (izq.), sensor ultrasnico (centro) y servomotor (der.) del prototipo.

A la hora de la implementacin, la configuracin PID segn el modelo continuo terico no

logr estabilizar la posicin de la bola por consiguiente los resultados son descartados.
Segn el modelo discreto, por otro lado, se logr una estabilizacin del movimiento de la
bola, pero con error de estado estable. La siguiente grfica demuestra la comparacin entre
tal implantacin (izquierda) versus la implantacin PID posteriormente realizada con
parmetros hallados empricamente:

Figura 1.8. Comparacin de respuestas (3 pruebas) de la configuracin PD segn el modelo discreto

terico (izq.) y parmetros del PID hallados empricamente (der.).

Puede detallarse la disminucin del error de estado estable para el controlador emprico,
luego de habrsele aplicado una perturbacin para las 3 pruebas mostradas.
La implementacin del controlador LQR segn el modelo continuo terico, por otro lado,
arroj los siguientes resultados:
Tabla 1.4. Comparacin entre la simulacin del modelo continuo terico con el controlador LQR y
su implementacin.
Simulacin LQR
Implantacin LQR (p. 1)
Implantacin LQR (p. 2)

(figura 4.25)

[ 3.6013 6.0302 ]

Matriz K
Tiempo de
estabilizacin
Error de estado
estable

1.25 seg

0.9 seg

1.05 seg

0.01

0.07

0.05

Donde se aprecia similitud entre la simulacin y la implantacin en trminos de tiempo de

estabilizacin y error de estado estable.
Se recurri al diseo de un modelo matemtico experimental, a partir de la obtencin de la
data mediante la insercin al sistema de una seal pseudo aleatoria de entrada, lo cual
arroj una data de salida a partir de la cual se elabor un nuevo modelo matemtico. Con 5
muestras de data y una seal original de entrada, se puede apreciar en la siguiente grfica lo
anteriormente descrito:

Figura 1.9. Cinco seales de muestra de salida (arriba) obtenidas con la seal de entrada (abajo).

Donde a partir de la muestra 2, con un porcentaje de validacin de 69.47% y con valores de

autocorrelacin de residuos 0.2 fuera de los lmites recomendados y una correlacin
cruzada dentro de los lmites recomendados, se gener un modelo matemtico que posey
las mismas caractersticas que su versin terica.
La simulacin con el control clsico logr estabilizar la planta con la configuracin PI, pero
con su implementacin segn estos parmetros no se logr controlar la posicin de la bola,
por lo tanto ese resultado fue descartado para este artculo. Por otro lado, el controlador
LQR no logr controlar el sistema bajo ninguna circunstancia, por lo tanto este no fue
implementado.
En la siguiente tabla, se aprecia la comparacin de las implementaciones finales que
lograron estabilizar la planta de manera efectiva:
Tabla 1.5. Tabla comparativa final de las implementaciones que lograron estabilizar la
planta.
Tiempo de
estabilizacin
Error de estado
estable

PID discreto
terico

PID emprico

LQR continuo
terico prueba 1

LQR continuo
terico prueba 2

0.65 seg

2.4 seg

0.9 seg

1.05 seg

0.38 m

0.07 m

0.07 m

0.05 m

Donde se detalla el desempeo del controlador LQR en su primera prueba versus el PID
discreto terico para el parmetro de tiempo de estabilizacin, aunque cabe destacar que el
error de estado estable de dicho PID es de 38 centmetros. Se puede apreciar, sin embargo,
un alto desempeo para ambos indicadores slo para las pruebas de LQR y la configuracin
del controlador PID con parmetros empricos. Por consiguiente, a pesar del control del

movimiento de la bola, el PID terico discreto no fue considerado como una configuracin
de control admisible.
CONCLUSIONES
Se pudo concluir que luego de la etapa de estudio del modelo matemtico, se determin que
el sistema analizado es inestable por naturaleza, que es observable y controlable.
A partir de esto y con el diseo de los controladores PID y LQR, se concluy que para la
estrategia clsica con ambos modelos matemticos a la hora de la simulacin, la
configuracin PD fue la ms efectiva. Al implantar con tales configuraciones segn cada
modelo matemtico, se consigui que el control clsico no logr controlar la planta segn
los parmetros con el modelo matemtico continuo, pero con su versin discreta se logr la
estabilizacin con tiempos bastante aceptables, sin embargo con un error de estado estable
de 0.38 metros, y por consiguiente no se consider admisible.
Debido a esto, se realizaron las iteraciones empricas con el controlador clsico y se logr
estabilizar satisfactoriamente la posicin de la bola con un error de estado estable
despreciable, mostrado en la figura 1.8 (derecha) y en la tabla 1.5.
En relacin al controlador LQR, se pudo concluir que para el modelado terico continuo
hubo una regulacin satisfactoria del sistema, y para su implementacin los resultados
fueron excelentes, an ms satisfactorios que en la simulacin (detalles en la tabla 1.4), con
un error de estado estable despreciable y un tiempo de alrededor un segundo para las 3
pruebas realizadas. Para la versin discreta, sin embargo, no se logr controlar la planta con
el controlador LQR.

En relacin al modelo matemtico experimental, no hubo correlacin de los parmetros

obtenidos para el control clsico con su implementacin respectiva, y para la estrategia de
control ptimo no se logr estabilizar la planta a nivel de simulacin, por consiguiente no
fue considerado para la implementacin. Con esto, se puede establecer el veredicto que,
para el modelo matemtico generado en la investigacin con las configuraciones
especificadas, no hubo correlacin entre los parmetros obtenidos a partir de dicho modelo
y la implementacin con cualquiera de las estrategias de control.
En ltima instancia, al comparar las implementaciones efectivas del controlador PID (con
parmetros empricos) y LQR (con parmetros obtenidos a partir de la simulacin con el
modelado terico continuo), se puede concluir que la implantacin del regulador cuadrtico
lineal fue ms efectiva que su contraparte PID.

AGRADECIMIENTOS
Al profesorado de ingeniera elctrica de la Universidad Rafael Urdaneta, especialmente a
la profesora Nancy Mora y al profesor Sergio De Pool por sus aportes al presente trabajo de
investigacin.

REFERENCIAS BILBIOGRFICAS

Anderson, B., & Moore, J. (1989). Optimal Control: Linear Quadratic Methods.
Englewood Cliffs, E.E.U.U.: Prentice-Hall, Inc.
Arias, F. (1999). El proyecto de investigacin (Ed. 3). Caracas, Venezuela: Episteme.

Dorf, R., & Bishop, R. (2005). Sistemas de Control Moderno (Ed. 10). Madrid, Espaa:
Pearson Prentice Hall.
Hespanha, J. (2007). Undergraduate Lecture Notes on LQG/LQR Controller Design.
Kuo, B. (1996). Sistemas de Control Automtico (Ed. 7). Naucalpan de Jurez, Mxico:
Prentice-Hall Hispanoamericana.
Ljung, L. (1987). System Identification: Theory for the User. Englewood Cliffs, E.E.U.U.:
Prentice-Hall, Inc.
Wang, W. (5 de Junio de 2007). Control of a Ball and Beam System. The University Of
Adelaide, South Australia, Australia.