Capítulo 2

Análisis de Sistemas Discretos mediante la Transformada Z

1 Introduccción
Para diseñar un control digital es necesario obtener un modelo matemático del sistema integral de control
digital el cual incluye procesos continuos, procesadores digitales y elementos asociados de conversión,
para ello se considerarán el muestreo y la retención ideales, se ignorará el error de cuantificación y se
supondrá que se cumple el teorema del muestreo.
Las herramientas aplicadas para sistemas discretos lineales e invariantes en el tiempo son la Transformada
discreta de Fourier Discreta en el dominio frecuencias y la transformada Z en el dominio temporal.
Lamentablemente contrario a los sistemas de tiempo continuo hay situaciones en que no es posible
obtener una función de transferencia en Z.
Una limitación extra de el modelado en Z consiste en que solo se puede predecir la salida en los instantes
de muestreo, desconociéndose su comportamiento entre muestras según se muestra en la figura1 , es de
esperar un comportamiento suave se la tasa de muestreo está bien elegida (a), si es baja aumenta la
incertidumbre (b), aquí se aprecia, por ejemplo, que el sobrepaso real es levemente mayor que el predicho.
Además a diferencia de tiempo continuo surge una nueva variable en el modelado que es el período de
muestreo T, el cual aparece implícitamente y a veces explícitamente en las funciones de transferencia.
1.4 1.4

1.2 1.2

1 1

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
0 2 4 6 8 10 12 0 2 4 6 8 10 12

(a) (b)
Figura 1 Respuesta predicha y real, (a) muestreado correcto (b) sub muestreado

2 Transformada Pulso y Transformada Z

2.1 Transformada Pulso
Luego de un muestreo ideal, la señal obtenida es un tren de impulsos cuyo peso es el valor de la señal en
cada instante de muestreo y generalmente se la denota con un supra índice asterisco y puede expresarse
según lo visto en el capítulo 1 como


x *(t )   x(kT ). (t  kT )
k 0
Tomando la transformada de Laplace de la señal muestreada x *(t ) se obtiene la Transformada Pulso (a
veces denominada Asterisco).
Pag. 1
   
t
X *( s)     x(kT ).(t  kT )  e st dt
0  k 0 

Teniendo en cuenta la linealidad de la transformada

 t
X *( s)   x(kT ). (t  kT )e st dt
k 0 0

Y por la propiedad de la función  de Dirac se concluye que

 
X *( s)   x(kT ).e kTs   x(kT ).  e sT 
k

n 0 n 0

2.2 Propiedades la transformada pulso

Periodicidad en frecuencia

kT ( s  jmS )  jkmT S

X *( s  jmS )   x(kT )e  x(kT )ekTse
n n

 jkmT S  jkm2
Luego como T S  2  e e 1

X *(s  jmS )  X *(s)

s 
Es decir conocido el comportamiento en la banda primaria     s se repite en las demás bandas
2 2
Polos y ceros
Si X ( s) posee un polo en s  p entonces X *( s) debe tener polos en p  jms

Figura 2: Bandas, polos y ceros de la transformada pulso

No es posible establecer equivalencia de los ceros de X *( s) con los ceros de X *( s) , de hecho pueden
aparecer ceros en X *( s) sin que los haya en X *( s) , sólo se puede afirmar que también son periódicos
con periodo jms

Pag. 2
 s 
Si se tiene el modelo de polos-ceros de en la banda primaria     s Entonces se puede conocer la
2 2
ubicación de polos y ceros de X *( s ) en todo el plano s como se muestra en la figura 2

Ejemplo 1: Señal escalón muestreada

Sea

x(t )  1(t ) luego x* (t )   ( kT )
k 1
Tomando transformada y aplicando la linealidad

 
 
X * ( s )   e skT   e sT
k

k 1 k 1
Es una serie geométrica la cual converge si
esT  eT  1    0
Luego
1
X * ( s) 
1  e sT
y sus polos están en
 jT
esT  1  eT e  1    0 , T  2m
O sea sobre el eje imaginario y espaciados cada
2l 
  mS
T
Los cuales son periódicos con mS cómo puede verse en la figura 3
j
j2s
(s)
j s


 j s

 j2s
Figura 3 Escalón muestreado y Polos periódicos de la transformada pulso

2.3 Relación con la transformada Z

Si se define ahora z  e sT siendo entonces s 

1
Ln z surge la transformada Z.
T

X *( s) s  1 Ln z   x(kT ) z  k  X ( z )
k 0
T
Si se dispone de la transformada pulso se tiene también la transformada Z.

Pag. 3
2.4 Evaluación por Integración Compleja (residuos)
Se puede demostrar a partir de la convolución en s
x (t )  x(t )T (t )  X  ( s)  X ( s)  L T (t )
y la transformada del tren de impulsos
1
L T (t )  1  eTs  e2Ts   T ( s ) 
1  eTs
Que como ya se vio en el ejemplo 1 tiene polos en s  jmST  jm2 / T
La transformada pulso es por convolución
1 c  j 1
X *( s) 
2j c  j 
X ( )
1 e T ( s  )
d

Donde la integral se realiza a lo largo de una curva desde c-j hasta c+j paralelo al eje imaginario en el
plano complejo  , que separa los polos de X ( ) de los polos de:
1
T ( s   )  T ( s   )
1 e
Los cuales están sobre una línea vertical en el semiplano derecho. Esta integral a fin de calcularla mediante
los residuos se puede cerrar con una semicircunferencia de radio infinito en el semiplano izquierdo según
se muestra en la figura 4 y en este caso se puede escribir:
1 c  j 1
2 j 
X *( s)  X ( ) d 
T ( s   )
c  j 1 e
1 1 1 1

2 j  X ( )
1 e T ( s   )
d  
2 j 
X ( )
1 e T ( s   )
d

Donde  es una semicircunferencia de radio infinito, en el semiplano izquierdo de , esto hace que la
integral sobre  sea cero o una constante, pues el grado del denominador es mayor o igual al del
numerador si se trata de un sistema causal.
Q( s )
Si X ( s)  es estable, tiene sus polos en el semiplano izquierdo y si además como es usual P( s) es
P( s)
de mayor grado que Q( s) , lo cual implica que lim X ( s)  0 y la integral a lo largo de L se desvanece:
s 

L
c
Polos de X  
1
Polos de -Ts-  
1- e

Figura 4: Diagrama de polos y contorno de integración en el plano 

Pag. 4
Entonces:

1 c  j 1 1 1
2 j  2 j 
X *( s)  X ( ) T ( s   )
d  X ( ) T ( s   )
d
c  j 1 e 1 e

Esta integral cerrada es la suma de los residuos de X ( )

f (z) dz  2j  r1  r2  ...  rn 

c

con r1 , r2 , , rn residuos de f(z) en los puntos singulares dentro de la curva c resulta

 1 
X (s )  
polos X (  )
 residuos X (  ) 1  e k ( s  ) 

Para obtener la Transformada Z se sustituye z  e sT , luego se tiene:

 X ( s).z 
X ( z)  
polos X ( s )
 residuos z  e sT 

Recordando que el residuo en un polo simple sj es:

X ( s).z
rj  lim[( s  s j ). ]
s s j z  eTs
Y en un polo múltiple si de orden n es:

1 d n 1 X ( s).z
ri  lim n1 [( s  si ) n . ]
(n  1)! i ds
s  s z  eTs
La ventaja de este método es que no es necesario antitransformar X ( s) , se pasa directamente a X ( z )

Ejemplo 2: Calculo Transforma Z por residuos

Obtener X ( z ) dada la transformada

1
X ( s) 
( s  1)( s  2)
Aplicando residuos
 X ( s).z 
X ( z )    residuos de en polos de X (s ) 
 z e sT

X ( s) posee dos polos en –1 y en –2 simples luego es estable, entonces

1 z z
r1   sT

s2 z e s  1 z  e T
1 z z
r2   sT

s 1 z  e s  2 z  e 2T
Pag. 5
Componiendo:
z z z  e2T  z  eT
X ( z)    z
z  eT z  e2T  z  eT  z  e2T 
z  eT  e2T 
x( z ) 
 z  e  z  e 
T 2T

Los polos pasan a

piT
pi  e

Y aparece un cero en el origen que no estaba en X ( s)

3 Transformadas que incluyen señales muestreadas y no muestreadas

3.1 Transformada de una señal muestreada por un sistema continuo
Sea el sistema de la figura 5 donde el muestreador a la salida no es necesario que esté presente físicamente

x t  x * t  y t 
G s
X s X * s
y * t  Y * s

Figura 5 Sistema continuo con muestreador a la entrada y muestreador ficticio a la salida

La salida será la convolución de la entrada con la respuesta al impulso

y (t )   g (t   ) x *( ).d   [ g (t   ) x( ) T ( ) ] d

t t

0 0
k

   x( ).g (t   ). T ( ).d
t

0
k 0

  x(kT ).g (t  kT )
k

La transformada Z de y(t) es


Y ( z )   y( nT ). z  n
n 0


 
Y ( z )    x( kT ). g ( nT  kT )  z  n
n 0  k 0 
Si

nk  m; n  k m

Resulta:

Pag. 6
  
Y ( z )   [ x( kT ). g ( mT )]z ( k  m )
m 0 k 0
 
  g ( mT ) z m
 x(kT ) z k
 G( z ). X ( z )
m0 k 0

Luego:

Y *( s)  [ X *( s).G( s)]*  X *( s).G *( s)

Esta propiedad es la que permite utilizar la transformada pulso para obtener la función de transferencia de
pulso de sistemas mixtos. Hay que tener en cuenta que si no estuviera el muestreador a la entrada no se
cumple la factorización, es decir en general
[ X ( s).G( s)]*  X *( s).G *( s)
Esto hace que a veces no se pueda obtener la función de transferencia discreta de un sistema

3.1 FT pulso de elementos en cascada

(a)

(b)

Figura 6 Sistemas en cascada, (a) con muestreador intermedio (b) sin el

Considérese el sistema de la figura 6 (a) con muestreadores intermedios, aquí es claro que
Y ( s )  G1 ( s ) R *( s )
C ( s )  G2 ( s )Y *( s )
Tomando Transf. Pulso de ambas ecuaciones
Y *( s )  G1 ( s ) R *( s ) *
C *( s )  G2 ( s )Y *( s ) *
Usando la propiedad anterior dado que las entradas a los sistemas están muestreadas
Y *( s )  G1 *( s ) R *( s )
C *( s )  G2 *( s )Y *( s )
Luego la transformada total es el producto de las transformadas individuales
C *( s )
 G1 *( s )G2 *( s )
R *( s )

Ahora considérese el caso (b) sin muestreador intermedio, aquí

C( s )  G1 ( s )G2 ( s )R *( s)  G1G2 ( s ) X *( s )
Tomando Transformada pulso
C( s )*  G1 ( s )G2 ( s)R *( s)  G1G2 *( s) R *( s)
Resultando
Y *( s )
 GH ( s )*  G *( s ) H *( s )
X *( s )
Pag. 7
Ejemplo 3: Elementos en cascada
Sean en la figura 6
1 1
G1 ( s )  G2 ( s ) 
sa sb
Se desea obtener la TZ para ambos casos
Con muestreador intermedio resulta
C( z ) z z z2
 G1 ( z )G2 ( z )  
R( z ) z  eaT z  ebT 
z  eaT z  ebT  
Sin muestreador intermedio resulta
C( z )  1 1   1  1 1 
 Z G1 ( s )G2 ( s )  Z  Z   
R( z ) s  a s b  b  a  s  a s  b 

C( z ) 1  1 1  1  z z 
 Z       
R( z ) b  a  s  a s  b   b  a  z  eaT z  ebT 

C( z ) z 2 z  ebT  z  eaT eaT  ebT z2

 
 
R( z ) b  a z  eaT z  ebT

ba

z  eaT z  ebT  
Las cuales son diferentes, es decir la presencia o ausencia del muestreador es crítica, luego se concluye que
en general la transformada Z del producto no es el producto de las transformadas Z
Z G1 ( s )G2 ( s )  G1 ( z )G2 ( z )
Excepto que haya un muestreador entre ellas
Transformada pulso de señales muestreadas

Una señal muestreada con periodo T al ser nuevamente muestreada con el mismo período es la misma, por
lo tanto
 X *(s)*  X *(s)
3.3 Transformada Z que implica el ZOH
Sea el sistema de la figura 7 donde el Retentor de orden cero cuya función de transferencia es de la forma
1  e sT
GR ( s ) 
s
Está en cascada con el proceso constituyendo una función de transferencia de la forma:
G( s )
H ( s )  (1  e sT ).  (1  e sT ).G1 ( s )
s

Figura 7 Sistema continuo con Z0H a la entrada y muestreador ficticio a la salida

Pag. 8
Se puede reescribir como:
H ( s )  G1 ( s )  e sT G1 ( s )
con:
H1 ( s )  e sT .G1 ( s)
Llevado al dominio temporal este producto es una convolución con la antitransformada de e sT
go (t )  L1{e sT }  (t  T )
Esta integral de convolución es:
t t
h1 (t )   go (t  ). g1 ( ).d    (t  T  ). g1 ( ).d   g1 (t  T )
0 0
Luego, siendo:

G1 ( z )   g1 ( kT ). z  k
k 0
Y como

H1 ( z )   g1 ( kT  T ). z  k  z 1G1 ( z )
k 0
Luego
H ( z )  G1 ( z )  z 1G1 ( z )  (1  z 1 )G1 ( z )
 G( s )  1
Es decir para obtener H ( z ) hay que encontrar Z   y multiplicarla por (1  z )
 s 
Para encontrar la transformada Z deseada hay que
 G( s ) 
 Antitransformar g1 (t )  L1  
 s 
 Valuar en t  kT  g1 (t )  g1 (kT )
 Obtener la transformada Z G1 ( z )  Z  g1 ( kT )
O bien aplicar Residuos u obtener G1 ( z )  Z G1 ( s ) directamente de la tabla

Ejemplo 3: Transformada que incluye el ZOH

Sea el sistema de la figura 8 con
k
G( s) 
sa
Luego
k
H ( z )  (1  z 1 ) Z G1 ( s) , G1 ( s) 
s( s  a)
Para hallar la antitransformada g1 (t ) hay que expandir en fracciones parciales con lo que queda
A B k k k k
G1 ( s)   A  B  Luego
s ( s  a) ( s  a) s 0 a s s  a a
k 1
G1 ( s)   
1  k
  g1 (t )  1  e
a  s ( s  a)  a 
at 1(t )

Muestreando cada T queda
g1 (nT ) 
k
a 
1  eanT 1(nT )
Pasando a dominio discreto

Pag. 9
 g1 (n) 
k
a  
1  eaTn 1(n)
Tomando Z
k z z  k z  eaT  z  1
G1 ( z )     z
a  z  1 z  eaT  a ( z  1)( z  eaT )
Simplificando
k 1  eaT
G1 ( z )  z
a ( z  1)( z  eaT )
La cual también se puede obtener de la tabla en la fórmula 8 que expresa
a (1  e aT ) z 1 z2 (1  e aT ) z
 
s( s  a) (1  z 1 )(1  e aT z 1 ) z 2 ( z  1)( z  e aT )

Multiplicando y dividiendo ambos miembros por k/a

k a k k (1  e aT ) z
 
a s( s  a) s( s  a) a ( z  1)( z  e  aT )
Que es la misma expresión, luego
z 1
H ( z )  (1  z 1 )G1 ( z )  G1 ( z )
z
Operando
z 1 k 1  eaT k 1  eaT
H ( z)  z 
z a ( z  1)( z  eaT ) a ( z  eaT )
La ganancia estática no se ve alterada y el polo esta en
p  eaT  eT /  ,

Y varía con la relación de muestras por constante de tiempo

Si cumple el teorema del muestreo T   / 2  p  e1/ 2

Si es muy baja (submuestreo) T   p  0 equivale a un retardo puro

Si es muy alta (sobremuestreo) T   p  1 equivale a un Integrador puro

Es decir el polo se mueve en el intervalo abierto p  (0,1)

3.4 FT de lazo cerrado de sistemas mixtos

Para construir funciones de transferencia pulso o Z en sistemas de lazo cerrado que incluyen
muestreadores y retentores junto con sistemas continuos se sigue el siguiente procedimiento
 Construir el grafo de señal del sistema, considerando a cada muestreador ideal abierto es decir
tiene una variable en la entrada y otra en la salida, asignar las variables y establecer las ecuaciones
que las relacionan
 Tomar la transformada pulso de estas ecuaciones, verificar si aparece un producto de una señal no
muestreada con un sistema de la forma  X i ( s)Gi ( s) , en este caso no se puede obtener la F.T.
*

 Resolver el nuevo sistema y pasar a transformada Z, aquí puede usarse la fórmula de Mason.
Pag. 10
Ejemplo 4: Sistema con varios muestreadores
Obtener la función de lazo cerrado del sistema de la figura 9

Figura 9: sistema con 2 muestreadores

Abriendo los muestreadores y asignando variables se obtiene el diagrama de flujo de señal de la figura 10:

Figura 10: Diagrama de flujo con variables mixtas

Las ecuaciones de los nodos son

E1  R  G2 E2 *
E2  G1E1 * G2 HE2 *
C  G2 E2 *
Transformando asterisco las ecuaciones con sus restricciones se obtiene
E1*  R * G2 E2 *
E2*  G1 * E1 *   G2 H  * E2 *
C*  G2 * E2 *
Lo que permite realizar un nuevo diagrama de flujo sobre transformadas pulso como se muestra en la
figura 11:

Figura 11: Diagrama de flujo en transformada pulso

Aplicando Mason hay un camino y 2 lazos no disjuntos

Pag. 11
 C* G1 * G2 *

R * 1  G1 * G2 * (G2 H )*
Luego tomando transformada Z
C( z ) G1 ( z ).G2 ( z )

R( z ) 1  G1 ( z )G2 ( z )  (G2 H )( z )

Ejemplo 5: FT de lazo cerrado que incluye el ZOH

Hallar la FT de lazo cerrado del sistema de la figura 12

Figura 12: Sistema continuo con Z0H a la entrada realimentado

Abriendo los muestreadores y asignando variables resulta el diagrama de la figura 13

R E E* H Y Y*

-1
Figura 13 Diagrama de flujo de señal
Las ecuaciones son
E  R Y
Y  HE *
Transformando
E*  R * Y *
Y  H *E*
Luego
Y ( z) H ( z)

R( z ) 1  H ( z )
Pero H ( z ) fue calculada en el ejemplo 2 y vale

k 1  eaT
H ( z) 
a ( z  eaT )

y la ganancia estática kc  y definiendo   eT / 

1 k
En términos de la constante de tiempo  
a a

1  N ( z)
H ( z )  kc 
( z  ) D( z )
luego

Pag. 12
 Y ( z) N ( z) (1  )
  kc
R ( z ) D( z )  N ( z ) z    kc(1  )

4 Consecuencias del muestreo y retención

 Un sistema continuo que a lazo cerrado es incondicionalmente estable puede volverse inestable
para algún valor de ganancia o cambio de un parámetro al ser muestreado
 Aparecen ceros que no estaban en el sistema continuo e incluso pueden ser de fase no mínima, es
decir a modulo mayor que la unidad

4.1 Estabilidad condicional

Ejemplo 6: Influencia del muestreo en la estabilidad
Analizar la respuesta del ejemplo 2 y determinar su estabilidad
El sistema de lazo cerrado tiene un polo real en
p    kc(1 )

La condición para que sea estable es

p 1
Como el polo depende de a, k , T y además 0    1  p  1 , el sistema se hace inestable cuando

p  1
Definiendo la variable de diseño muestras por constante de tiempo
m  / T

 
eT /   kc 1  eT /   e1/ m  kc 1  e1/ m  1  
1  eT /  1  e1/ m
kc  
1  eT /  1  e1/ m
Se observa en la figura 14 que al disminuir la velocidad de muestreo hay que restringir más la ganancia de
lazo abierto para mantener la estabilidad, es decir el periodo de muestreo influye en la estabilidad relativa
Para bajos valores de m la ganancia debe ser a lo sumo unitaria y para el valor que cumple el teorema del
muestreo (m=2) puede ser hasta 4
Ganancia Critica
12
2

10 1.5

1
8
0.5

6 0

-0.5
4
-1

2
-1.5

-2
0 0 2 4 6 8 10 12 14 16 18 20
0 1 2 3 4 5 6
m
(a) (b)
Figura 14: (a) Ganancia critica versus m, (b) Respuesta con m=2, tau=2 T=1, k=4
Pag. 13
El sistema de lazo cerrado en tiempo continuo sin muestreador y retentor es incondicionalmente estable
para cualquier valor de kc
Y (s) k

R( s ) s  a  k

Tabla 3 Código Matlab Ejemplo 5 (fo_zoh.m)

tau=2
m=2 %relacion de muestreo
kcr=(1+exp(-1/m))/(1-exp(-1/m))
kc=kcr %se puede variar por encima o por debajo de kcr
G=tf([kc],[tau 1])
T= tau/m
Gd=c2d(G,T,'zoh')
Fd=feedback(Gd,1)
p=pole(Fd)
Klc=dcgain(Fd)
[y,t]=impulse(Fd);
stem(t,y)

4.2 Aparición de ceros

Debido a la presencia del muestreador y dada su respuesta en frecuencia nula para frecuencia múltiplos de
la de muestreo, pueden aparecer ceros en la función de transferencia discreta que no estaban presentes en
la continua, se ilustrará con un ejemplo

Ejemplo 6 : Servo de posición simplificado

Sea el sistema de Lazo abierto de la figura 2 con el Z0H y un sistema de primer orden más integrador
k 1
G( s )   kc
s( s  a ) s( s  1)
El cual puede representar un servo de posición donde se desprecia la dinámica eléctrica del actuador, luego
y G( z )  (1  z 1 )Z G1 ( s )
k
G1 ( s )  2
s (s  a)
Según la tabla 2 (13)

a2

  
 aT  1  eaT  1  eaT  aTeaT z 1  z 1


s (sa)
2
  
1  z 1 1  eaT z 1
2

Multiplicando ambos miembros por k / a 2

k k 
 2
 
 aT  1  eaT  1  eaT  aTeaT z 1  z 1
 
s (sa)
2
a
 
1  z 1 1  eaT z 1
2
 
k   
 aT  1  eaT  1  eaT  aTeaT z 1  z 1
 z2
G( z ) 
1  z  1  eaT z 
2
a 1 1 z2

G( z )  2
  
 aT  1  eaT z  1  eaT  aTeaT 
k   
a

 z  1 z  eaT 
Pag. 14
Que evidentemente posee un cero en

c
1  eaT  aTeaT 

 aT 1  eaT 
En términos de la constante de tiempo

c
1  eT /   T /   eT /  

T /  1  eT /  
Y llamando a la reciproca de las muestras por constante de tiempo
1 T
x   aT
m 

Resulta para la ubicación del cero

c
1  e x  x  e x 

 x  1  e x 
Si hay 2 muestras por constante de tiempo, lo cual es el límite superior impuesto por el teorema del
muestreo
T   / 2  x  1 / 2 c  0.8467
Si la relación de muestreo es más alta es decir T    x  0 se cumple que e x  1 luego c  
0
0
Por L´hopital

c  
 xe x  x  e x  e x 
2

 1
 x  1  xe x

Si la relación de muestreo es más baja es decir T    x   se cumple que e x  0 y xe x  0

c  0
Es decir que el cero se mueve en el intervalo abierto c   1, 0 
Respecto de los polos tiene uno fijo en p1  1 que corresponde al integrador puro y otro en

p2  eT /   e1 / m
Si hay 2 muestras por constante de tiempo (limite teorema muestreo) p2  e1 / 2  0.6065
Si se submuestrea T    p2  0 se aproxima a un retardo puro más integrador
Si se sobremuestrea T    p2  1 se aproxima a un integrador doble
Entonces el polo se mueve en el intervalo abierto p2   0 ,1
En la figura 15 se observan los mapas de polos y ceros para los casos extremos y el caso maximo

Pag. 15
 Pole-Zero Map Pole-Zero Map Pole-Zero Map
1 1 1
0.8 0.8 0.8

0.6 0.6 0.6

0.4 0.4 0.4
0.2
Imaginary Axis

0.2

Imaginary Axis
0.2

Imaginary Axis
0 0 0
-0.2 -0.2 -0.2
-0.4 -0.4 -0.4
-0.6 -0.6
-0.6
-0.8 -0.8
-0.8
-1 -1
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis Real Axis
Real Axis

(a) (b) (c)

Figura 15: Polos y ceros según m   / T (a) Sobremuestreado (b) Bien muestreado (c) Submuestreado

Tabla 3: Código Matlab para ver polos y ceros ejemplo 6 (fopi_zoh.m)

tau=2
T=0.2 %variar T
m=tau/T
kc=1
G=tf([kc],[tau 1 0])
Gd=c2d(G,T,'zoh')
C=zero(Gd)
P=pole(Gd)
pzmap(Gd)

Ceros de fase no mínima

En sistemas de alto orden pueden aparecer ceros que se encuentran fuera del circulo unitario y
generalmente en el eje real negativo y se denominan de fase no mínima, esto no hace inestable el sistema
de lazo abierto ni cambia demasiado su comportamiento temporal, pero afecta su estabilidad relativa de
lazo cerrado lo cual se verá en el tema lugar de raíces, además el sistema inverso seria inestable.

Ejemplo 7 : Servo de posición con dinámica del actuador

Sea el sistema de Lazo abierto de la figura 2 con el Z0H y un sistema de segundo orden más integrador
1
G ( s )  kc
s(t p s +1)(ta s +1)
El cual representa por ejemplo un servo de posición, en el cual se toma en cuenta para el modelado la
constante de tiempo  del actuador, y sea  p la del proceso y como se cumple normalmente:  p  a ,
es decir, el proceso es más lento que el actuador, el análisis es algebraicamente engorroso y se hará
mediante Matlab según el código de la tabla 5

Tabla 4: Código Matlab para ver polos y ceros ejemplo 7 (sopi_zoh.m)

taua=.1 %cte actuador (rapida)
taup=3 %cte proceso (lenta)
T=0.05 %variar T
kc=100
G=tf([kc],[taua*taup taua+taup 1 0])
Gd=c2d(G,T,'zoh')
pzmap(Gd)
[z,p,k]=zpkdata(Gd,'v')

Con los valores indicados se obtiene la función de transferencia

Pag. 16
 6.13z 2  21.65 z  4.736
G( z )  103
z 3  2.59 z 2  2.187 z  0.5965
En su forma factorizada
( z  0.2343)( z  3.2976)
G( z )  6.13 103
( z  1)( z  0.9835)( z  0.6065)
Con polos en
 1 (integrador puro)
 0.9835
 0.6065
Ceros en
 -3.2976 (fuera del circulo unitario)
 -0.2343
El mapa de polos y ceros que se muestra en la figura 16
Pole-Zero Map

0.8

0.6

0.4

0.2
Imaginary Axis

-0.2

-0.4

-0.6

-0.8

-1

-3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1

Real Axis

Figura 16: Polos y ceros ejemplo 7

4.3 Sensibilidad a los coeficientes

En el cálculo analítico de funciones de transferencia discretas es muy importante la precisión numérica,
dado que los polos para sistemas estables que estaban en el SPI en s aparecen en el intervalo  0 ,1 en z ,
por lo que se debe trabajar al menos con 4 cifras decimales significativas.

Ejemplo 8: Diferencia por precisión numérica de los coeficientes

Supóngase el sistema del ejemplo 6 con una relación de muestreo aT  0.01 , usando el código Matlab, de
la tabla, la función de transferencia discreta resulta
9.967z  9.934
G( z )  105
( z 2  1.99z+0.99)
Con polos de lazo abierto en 1 y 0.9
Su FT de lazo cerrado con realimentación y ganancia unitarias será
9.967z  9.934
F ( z )  105
( z  1.99z+0.9901) 2

Con polos complejos conjugados en 0.9949  j 0.0131

Supóngase ahora que se trabaja con una aproximación truncando los coeficientes a 2 cifras significativas

Pag. 17
 9.9z  9.9
Ga( z )  105
( z  1.9z+0.9)
2

Con polos de lazo abierto en 1 y 0.9

La FT de lazo cerrado con realimentación y ganancia unitarias calculadas con Matlab será ahora
9.9z  9.9
Fa( z )  105
( z  1.9z+0.9001)
2

Con polos reales en 0.99 y 0.9

En la figura 17 se muestran los resultados comparativos de respuesta a un escalón unitario, donde puede
apreciarse que un pequeño cambio en los coeficientes puede cambiar el tipo de dinámica esperada.
1.4

1.2

0.8

0.6
Aproximada
0.4
Real

0.2

0
0 5 10 15 20 25 30 35 40

Figura 17: Diferencia salidas ejemplo 8

Tabla 5: Código Matlab ejemplo 8

tau=2,T=tau/100,kc=1
G=tf([kc],[tau 1 0])
Gd=c2d(G,T,'zoh')
F=feedback(Gd,1)
P=pole(F)
%aproximación de la función de lazo abierto a 2 cifras
Ga=tf(1e-5*[9.9 9.9],[1 -1.9 0.9],T)
Fa=feedback(Ga,1)
Pa=pole(Fa)
step(Fa,F,40) %comparativa respuestas

Pag. 18
5. Tabla de Transformadas de Laplace y Z

Pag. 19