Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Ingeniería Electrónica
SISTEMAS DE CONTROL II
Primer Semestre
1. Introducción
1.1. Motivación: Problema de control
Una clasificación que puede hacerse de los procesos, es a través de la velocidad en la que
varían sus variables. Por ejemplo procesos de dinámica rápida, media o lenta. Como
procesos de dinámica rápida se puede pensar en los procesos electromecánicos, o para
comunicación como PLL etc. De dinámica lenta se pueden encontrar procesos biológicos,
hidráulicos, o térmicos. Entre éstos dos extremos, se pueden agrupar los procesos de
dinámica media, como los químicos, termodinámicos, etc.
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
2010-09-03
2010-09-03
2010-09-04
2010-09-05
2010-09-08
2010-09-08
2010-09-10
2010-09-13
2010-09-13
2010-09-14
2010-09-16
2010-09-17
2010-09-17
2010-09-18
2010-09-19
2010-09-19
2010-09-20
2010-09-20
(a) (b)
Fig. 1-1. Problema de control automático donde se pretende mantener la humedad de suelo en un
determinado valor especificado por el productor.
Para lograr el objetivo de control, que es manipular a las variables de tal manera que la
humedad de suelo esté en los rangos deseados, se procede a utilizar la matemática para
formular y resolver el problema.
siguiendo con el concepto de la Fig. 1-2, se hace una simplificación del problema real
mediante una descripción matemática o abstracción. Una vez hecha la abstracción se
dispone de una expresión matemática del problema, que mediante matemática pura se
obtiene una solución al problema y luego se verifica en el proceso real dicha solución
obtenida. La abstracción exige la determinacion de las variables, y su definición
matemática mediante una expresión formal.
La expresión puede ser definida en el dominio de la frecuencia, o del tiempo. Sus variables
pueden ser determinísticas o estocásticas, y las relaciones entre las variables puede ser
lineal o no lineal que a su vez pueden variar o no con el parámetro tiempo. Esta
abstracción se conoce como modelado del proceso, y es una expresión matemática que
representa su funcionamiento. Se denomina entonces modelo a una representación
simplificada de la realidad. El ingeniero es quién decide qué tan simple es la abstracción
según los requerimientos de la solución.
del 0.1
2
Matemática 1
Problema 0.05
0 0
0 200 400 0 200 400
Tiempo [Hs.] Tiempo [Hs.]
Constatación
Abstracción
Interpretación
Problema del
mundo real
Se puede dar informalmente para un proceso la siguiente definición de estado dinámico del
sistema.
Las variables de estado constituyen el conjunto más pequeño de variables, tales que el
conocimiento de las mismas en t=t0, conjuntamente con las entradas para tt0, determinan
el comportamiento del sistema para cualquier tiempo tt0.
De igual modo se puede definir el vector de estados, como aquél cuyas componentes
están constituidas por las n variables de estado.
Las ecuaciones en el espacio de estado, relacionan las variables de estado con las de salida
y las de entrada al proceso real. Por ello, el sistema dinámico debe incorporar elementos
que memoricen los valores de las entradas para t t1, siendo los integradores dispositivos
con capacidad de memoria. Así, las salidas de los integradores sirven como variables de
estado. Se expresa la ecuación en el espacio de estados, entonces, como
t
x t f x ; u ; d, (1-1)
t0
y t gx t ; u t ; t , (1-2)
donde x es la variable de estado, u es la entrada al sistema, f() y g() son las funciones de
estado y salida, respectivamente.
Para que las Ecs. (1-1) y (1-2) estén en función de una única variable tiempo t, se puede
expresar al sistema (1-1) como
x t f x t ; u t ; t , (1-3)
y la salida resulta igual que (1-2).
Si la dinámica del proceso involucra más que un integrador, entonces quedará definida una
variable de estado para cada integrador. Así, para un sistema con n integradores, se define
con n ecuaciones de estado y n variables de estado, y se tiene, entonces
x 1 t f1 x1 , x 2 , , x n ; u t ; t ,
(1-4)
x 2 t f 2 x1 , x 2 , , x n ; u t ; t
x n t f n x1 , x 2 , , x n ; u t ; t
y la salida resulta
yt gx1 , x 2 , , x n ; u t ; t . (1-5)
y1 t g1 x1 , x 2 , , x n ; u1 , u 2 , , u r ; t; t
y 2 t g 2 x 1 , x 2 , , x n ; u 1 , u 2 , , u r ; t ; t (1-7)
y m t g m x1 , x 2 , , x n ; u1 , u 2 , , u r ; t; t
x 1 t f1 x1 , x 2 , , x n ; u1 , u 2 , , u r ; t
x t f x , x , , x ; u , u , , u ; t
xt 2 , f x, u, t 2 1 2 n 1 2 r , (1-8)
x n t f n x1 , x 2 , , x n ; u1 , u 2 , , u r ; t
y la salida análogamente
y1 t g1 x1 , x 2 , , x n ; u1 , u 2 , , u r ; t; t u1 t
y t g x , x , , x ; u , u ,, u ; t; t u t
y t 2 , gx, u, t 2 1 2 n 1 2 r , ut 2 , (1-9)
y m t g m x1 , x 2 , , x n ; u1 , u 2 , , u r ; t; t u r t
entonces el sistema dinámico definido por las Ecs. (1-6) y (1-7) se reduce a la
representación
y = f x (1-12)
si se la desarrolla por serie de Taylor en un punto de operación (x0,y0), se obtiene
2
df
y = f x 0 x x 0 1 d f2 x x 0 2 (1-13)
dx 2! dx
df
y = f x 0 x x 0 (1-14)
dx xx0
df df
y f x10 , x 2 0 = x 1 x10 x 2 x 2 0 (1-15)
dx 1 x1 x 10
dx 2 x 2 x 20
Se pretende generar la versión lineal en su punto de operación (X0, U0) del sistema
f X , U
X t t t (1-16)
Yt g X t , U t con X 0 X 0 , U 0 U 0 .
Solución:
Aplicando la fórmula de Taylor para funciones escalares de varias variables, se tienen las
relaciones lineales
f X , U f X t , U t
X X X0
f X t , U t
U U0
X t U t
t 0 0 t t
(1-17)
X 0,U0 x 0,U0
g X t , U t
Yt g X 0 , U 0 X t X 0 g X t , U t U U0
X t U t
t
X 0,U0 x 0 ,U 0
f X t , U t f X t , U t
X X t U t
X t U t
t
x 0 ,u 0 x 0 ,u 0
(1-18)
g X t , U t g X t , U t
Yt X t U t
X t x 0,u 0
U t x 0,u 0
que admiten condiciones iniciales X0, ahora alrededor del punto de linealización.
Recordar que la validez de las relaciones lineales están dentro de 20.
x t ax t bu t (1-19)
y t cx t du t
con x0=x(0), donde a, b, c y d son coeficientes constantes, y las nuevas variables xt, yt y ut
son definidas como la diferencia entre el punto de operación y el modelo linealizado.
Si las funciones f y g fuesen vectoriales, lo cual significa que Ym, Xn y Ur
tienen varias componentes, entonces se emplean las siguientes expresiones para el cálculo
el modelo linealizado
f i X t , U t
X f XU, U U
n r
f X , U
X i 0 0 X j
j
X0j i t t
j
U 0 j , i 1,2...n.
j1
X 0 ,U 0
j1 j X0 ,U 0 (1-20)
g h U t , U t
X g XU , U U
n r
Yh g X 0 , U 0 X0 j h t t
U 0 j , h 1,2,....m.
X j
j j
j1 j1 j
X 0 ,U 0 X0 ,U 0
x t Ax t Bu t
(1-21)
y t Cx t Du t
Considerando los sistemas de la Fig. 1-3 se requiere obtener el modelo lineal de cada
uno.
Mediante el código para Matlab disponible en la Tabla 1-1 para linealizar y simular los
sistemas no lineales obtener una simulación de la evolución temporal comparada con la
de sus respectivos sistemas no lineales.
a
(1-22)
b u
2
h c
donde >0 representa la frecuencia natural, y los coeficientes son constantes positivas.
u es el control y es proporcional a la posición de los elevadores. Elegir x1=, x2=,
x3= y x4=h. Se pide:
2- Obtener la solución numérica de los dos sistemas, del lineal y del no lineal para
evaluar cuantitativamente la equivalencia. Para hacerlo, se ele asignan los valores
siguientes a los parámetros, son =2; a=0,05; b=5; c=80, t=0,01; y el tiempo de
simulación de 5 segunds.
0 1 0 0 0
F mg 1
0 0 (1-24)
A M M , B M
0 0 0 1 0
F gm M 1
0 0
lM lM lM
Se pide:
3- Obtener la solución numérica de los dos sistemas (1-23) y (4-111), del lineal y del
no lineal para evaluar cuantitativamente la equivalencia.
4- Obtener el sistema lineal para el equilibrio estable x 0 0 0 .
T
5- Obtener la solución numérica de los dos sistemas, del lineal y del no lineal para
evaluar cuantitativamente la equivalencia. Emplear los valores de las variables
m=0,1;F=0,1; l=0,6;g=9,8;M=0,5 y t=0,0001seg. de tal manera que el sistema
evolucione durante cinco segundos. Si el sistema es inestable, parta de una
condición inicial cercana al equilibrio y luego simule los 5seg sin exitación
externa.
Tabla 1-1. Algoritmo simbólico para la linealización del péndulo en un punto de equilibrio inestable
Tabla 1-2. Algoritmo simbólico para la linealización del péndulo en un punto de equilibrio estable
Fig. 1-4. Salida del entorno Octave. Matrices A y B del equilibrio inestable completo.
Fig. 1-5. Salida del entorno Octave. Matrices A y B del equilibrio estable completo.
Dicho escalón no es necesariamente unirtario, y debe tenerse en cuenta ésa escala. Aquí
sólo es necesario conocer las relaciones que existe entre la respuesta temporal de un
sistema y su respuesta en frecuencia. Para el caso de los sistemas con polos complejos
conjugados,
Ys 2n
G s K 2 (1-25)
Us s 2 n 2n
La respuesta temporal está dada, por ejemplo, para el caso subamortiguado (0<<1) con
los polos i=-n±jd, siendo d=n 1 2
yt K 1 exp n t cos d t sen d t (1-26)
1 2
que es lo mismo a
exp t
yt K 1
1 2
n
sen n 1 2 t cos 1
(1-27)
Fig. 1-6. Respuesta temporal donde se indican los tiempos de los valores picos.
Nótese que es factible emplear muestras de y(t) para obtener los parámetros que se están
tratando de identificar aquí que son n, y K. En la gráfica de la Fig. 1-9 se ha
normalizado dividiendo por K a y(t) y al tiempo se lo expresa normalizado en n.
Prácticamente es directo el método, ya que a partir de muestras de y(t) se obtienen las
incógnitas.
t
T1 T2 T1
t
yt K 1 e T1
te (1-29)
T12
Fig. 1-7. Respuesta al escalón de un sistema con dos polos reales iguales.
Éste muestreo dejaría dos ecuaciones con dos incógnitas, y el valor de K se obtiene a
partir de la magnitud del escalón y el valor de y(t) cuando t.
Si los polos fueran distintos, también se emplea el método descripto en [3], pero ésta
vez se toman mediciones de la salida y(t) del sistema a intervalos t1, 2t1, 3t1, donde las
constantes de tiempo estarían determinadas por un sistema con tres ecuaciones y tres
incógnitas
T T Tt1 T T Tt1
yt 1 K 1 3 1
e 1 3 2
e 2 (1-30)
T1 T2 T1 T2
T T 2Tt1 T T 2Tt1
y2 t 1 K 1 3 1
e 1 3 2
e 2 (1-31)
T1 T2 T1 T2
T T 3Tt1 T T 3Tt1
y3t 1 K 1 3 1
e 1 3 2
e 2 , (1-32)
T1 T2 T1 T2
donde T1, T2 son las constantes de tiempo del denominador de la función de
transferencia T3 del numerador y K es la ganancia de estado estacionario. Es decir, se
asume un orden determinado en numerador y denominador. El ensayo puede resultar,
por ejemplo, en la obtención de parámetros que den una respuesta al escalón similar a la
del sistema real.
Fig. 1-8. Muestreo de la respuesta al escalón de un sistema de segundo orden con polos
reales y distintos.
clear all;
% Extraido de "Identification for the second-order systems based on the step response"
% Lei Chena, Junhong Li b,c, Ruifeng Ding
% Mathematical and Computer Modelling 53 (2011) 1074–1083
%Codigo realizado por JAP
% syms k1 k2 k3 alfa1 alfa2 beta
% s=solve('alfa1*alfa2=(k2^2-k1*k3)/(k1^2+k2)',...
% 'alfa1+alfa2=(k3+k1*k2)/(k1^2+k2)','alfa1','alfa2');
% simplify(s.alfa1)
% simplify(s.alfa2)
% alfa1=s.alfa1(1);
% alfa2=s.alfa1(2);
% s1=solve('beta*(alfa1-alfa2)=k1+alfa2',...
% 'beta*(alfa1^2-alfa2^2)=k2+alfa2^2',...
% 'beta*(alfa1^3-alfa2^3)=k3+alfa2^3','beta');
% sys_G=tf(2*[8 1],conv([5 1],[6 1])); %la otra planta
sys_G=tf(16*[45 1],conv([25 1],[30 1]));
% sys_G=tf(3*[10 1],conv([6 1],[6 1])); %esta tiene los polos iguales
% sys_G=tf(2*[8 1],([ 1 2 2])); %la otra planta
opt = stepDataOptions;
opt.StepAmplitude = 1;
t_s=0:2:50;
[y,t0]=step(sys_G,t_s,opt);
t_inic=4;
[val lugar] =min(abs(t_inic-t0)); y_t1=y(lugar);
t_t1=t0(lugar);
ii=0; % for t_inic=10:15
ii=ii+1;
[val lugar] =min(abs(2*t_inic-t0));
t_2t1=t0(lugar);
y_2t1=y(lugar);
[val lugar] =min(abs(3*t_inic-t0));
t_3t1=t0(lugar);
y_3t1=y(lugar);
K=y(end)/opt.StepAmplitude;
k1=(1/opt.StepAmplitude)*y_t1/K-1;%Afecto el valor del Escalon
k2=(1/opt.StepAmplitude)*y_2t1/K-1;
k3=(1/opt.StepAmplitude)*y_3t1/K-1;
be=4*k1^3*k3-3*k1^2*k2^2-4*k2^3+k3^2+6*k1*k2*k3;
alfa1=(k1*k2+k3-sqrt(be))/(2*(k1^2+k2));
alfa2=(k1*k2+k3+sqrt(be))/(2*(k1^2+k2));
beta=(k1+alfa2)/(alfa1-alfa2); %(2*k1^3+3*k1*k2+k3-sqrt(be))/(sqrt(be));
% alfa2= (k3 + k1*k2 + (4*k1^3*k3 - 3*k1^2*k2^2 + 6*k1*k2*k3 - 4*k2^3 +
k3^2)^(1/2))/(2*(k1^2 + k2));
% alfa1= (k3 + k1*k2 - (4*k1^3*k3 - 3*k1^2*k2^2 + 6*k1*k2*k3 - 4*k2^3 +
k3^2)^(1/2))/(2*(k1^2 + k2));
T1_ang=-t_t1/log(alfa1);
T2_ang=-t_t1/log(alfa2);
T3_ang=beta*(T1_ang-T2_ang)+T1_ang;
T1(ii)=T1_ang;
T2(ii)=T2_ang;
T3(ii)=T3_ang;
T3_ang=sum(T3/length(T3));
T2_ang=sum(T2/length(T2));
T1_ang=sum(T1/length(T1));
sys_G_ang=tf(K*[T3_ang 1],conv([T1_ang 1],[T2_ang 1]))
step(sys_G,opt),hold on
% figure
step(sys_G_ang,opt)
% figure(1);
% Nombre_Figura=['Identificacion_Simple'];
% print('-dtiff','-r600',Nombre_Figura);%--FIGURA temporal
Tabla 1-3. Código para Matlab que permite identificar una planta de segundo orden con polos
reales y distintos.
1.4. Bibliografía