UNIVERSIDAD MAYOR DE SAN ANDRES

FACULTAD DE INGENIERÍA
INGENIERIA ELECTROMECANICA

LABORATORIO
SISTEMAS DE CONTROL
JTP-ELT282
Informe 2: MODELADO DE SISTEMAS FISICOS:
SISTEMAS LINEALES

ESTUDIANTE: Univ. Copa Sánchez Hernán Gonzalo ELM

Univ. Saavedra Vargas Alen Ademar ELM

DOCENTE: Msc.ing. Montaño Álvaro

FECHA DE ENTREGA: 13/08/2018

La Paz-Bolivia
1. Objetivos.-

 Introducir conceptos básicos sobre modelado de sistemas lineales.

 Emplear la transformada de Laplace y sus propiedades para resolver ecuaciones
diferenciales.
 Encontrar las funciones de transferencia de distintos tipos de sistemas.
 Estudiar la representación en espacio de estados.

2. Marco teórico

2.1 MODELOS MATEMATICOS DE SISTEMAS FISICOS.

Para efectuar el análisis de un sistema, es necesario obtener un modelo matemático que lo

represente. El modelo matemático equivale a una ecuación matemática o un conjunto de
ellas en base a las cuales podemos conocer el comportamiento del sistema. Es necesario
comentar que el modelo matemático que se desarrolla a partir de un sistema no es único,
debido a lo cual se pueden lograr representaciones diferentes del mismo proceso. Estas
diferentes representaciones no contradicen una a la otra. Ambas contienen información
complementaria por lo que se debe encontrar aquella que proporciona la información de
interés para cada problema en particular. Dentro de este contexto, por lo general se emplea
la representación en "variables de estado" aunque no por ello el método de "relación
entrada-salida" deja de ser interesante a pesar de proporcionar menor información de la
planta. Para uniformizar criterios respecto a las denominaciones que reciben los elementos
que conforman un sistema de control es necesario tener en mente las siguientes
definiciones: Planta Cualquier objeto físico que ha de ser controlado. Proceso Operación o
secuencia de operaciones, caracterizada por un conjunto de cambios graduales que llevan
a un resultado o estado final a partir de un estado inicial. Sistema Combinación de
componentes que actúan conjuntamente y cumplen un objetivo determinado. Perturbación
Es una señal que tiende a afectar adversamente el valor de la salida de un sistema.
Servomecanismo Sistema de control realimentado cuya salida es una posición mecánica.

2.2 FUNCIÓN DE TRANSFERENCIA

Es un modelo matemático que a través de un cociente relaciona la respuesta de un sistema

(modelada) a una señal de entrada o excitación (también modelada).

El pico formado por los modelos de la señal de salida respecto de la señal de entrada,
permite encontrar los ceros y los polos, respectivamente. Y que representan las raíces en
las que cada uno de los modelos del cociente se iguala a cero. Es decir, representa la región
frontera a la que no debe llegar ya sea la respuesta del sistema o la excitación al mismo; ya
que de lo contrario llegará ya sea a la región nula o se irá al infinito, respectivamente.

Considerando la temporalidad; es decir, que la excitación al sistema tarda un tiempo en

generar sus efectos en el sistema en cuestión y que éste tarda otro tiempo en dar respuesta.
Esta condición es vista a través de un proceso de convolución, formado por la excitación de
entrada convolucionada con el sistema considerado, dando como resultado, la respuesta
dentro de un intervalo de tiempo. Ahora, en ese sentido (el de la convolución), se tiene que
observar que la función de transferencia está formada por la deconvolución entre la señal
de entrada con el sistema. Dando como resultado la descripción externa de la operación del
sistema considerado. De forma que el proceso de contar con la función de transferencia del
sistema a través de la deconvolución, se logra de forma matricial o vectorial, considerando
la pseudoinversa de la matriz o vector de entrada multiplicado por el vector de salida, para
describir el comportamiento del sistema dentro de un intervalo dado. Pareciera un proceso
complicado, aunque solo baste ver que la convolución discreta es representada por un
producto de un vector o matriz fija respecto de una matriz o vector móvil, o que en forma
tradicional se observa como una sumatoria.
Uno de los primeros matemáticos en describir estos modelos fue Laplace, a través de su
transformación matemática.

Por definición una función de transferencia se puede determinar según la expresión:

Dónde: H (s) es la función de transferencia (también notada como G (s) ); Y (s) es la

transformada de Laplace de la respuesta y U (s) es la transformada de Laplace de la señal de
entrada.

La función de transferencia también puede considerarse como la respuesta de un sistema

inicialmente inerte a un impulso como señal de entrada:

La salida o respuesta en frecuencia del sistema se halla entonces de

y la respuesta como función del tiempo se halla con la transformada de Laplace inversa de
Y(s):

Cualquier sistema físico (mecánico, eléctrico, etc.) se puede traducir a una serie de valores
matemáticos a través de los cuales se conoce el comportamiento de estos sistemas frente
a valores concretos.
 Por ejemplo, en análisis de circuitos eléctricos, la función de transferencia se representa
como:

2.3 Teorema del valor final

Si se hace en la ecuación:

Resulta:

Los teoremas de los valores inicial y final proporcionan un procedimiento sencillo de

comprobación de la transformada de Laplace en dos valores singulares del tiempo (0 𝑒
).

Sistema Lineal Un sistema es lineal si satisface el principio de superposición, que engloba

las propiedades de escalado (homogeneidad) y aditividad.

Si y1(t), y2(t), ... yn(t) son las salidas del sistema para las entradas x1(t), x2(t), ... xn(t)y a1,
a2, ... an son constantes complejas, el sistema es lineal si:

a1x1(t) + a2x2(t) + ... + anxn(t) → a1y1(t) + a2y2(t) + ... + anyn(t)

En un sistema lineal, si la entrada es nula, la salida también ha de serlo.

Un sistema incrementalmente lineal es aquel que, sin verificar la última condición, responde
linealmente a los cambios en la entrada.

y(t) = 2x(t) + 2 no es lineal puesto que y(t) ≠ 0 para x(t) = 0, pero sí es incrementalmente
lineal.
Representación de un sistema incrementalmente lineal utilizando un sistema lineal.

3. Desarrollo del laboratorio

3.1 Realizar y explicar cada una de las simulaciones realizadas en laboratorio

a) Sistema masa-resorte-amortiguador
 Para el sistema mostrado en la figura tenemos la programación en matlab y la
función de transferencia

𝑓(𝑡) − 𝑏𝑥̇ (𝑡) − 𝑘𝑥(𝑡) = 𝑚𝑥̈ (𝑡)

Aplicando la transformada de La Place se tiene:

𝑓(𝑠) − 𝑏𝑠𝑥(𝑠) − 𝑘𝑥(𝑠) = 𝑚𝑠 2 𝑥(𝑠)
𝑥(𝑠) 1
= 2
𝑓(𝑠) 𝑚𝑠 + 𝑏𝑠 + 𝑘

%ejercicio clase jtp elt 282

% invierno
syms m b k s
A=[0 1;-k/m -b/m];
B=[0;1/m];
C=[1 0];
D=0;
I=[s 0;0 s];
G1=C*(I-A)^(-1)*B+D
pretty(G1);
m=1;
b=3;
k=10;
n=1;
d=[m b k];
G2=tf(n,d);
F=5; %U(s)
figure(1)
step(F*G2),xlabel('tiempo [s]'),ylabel('Desplazamiento [m]'),grid
 b) Posición y velocidad

%ejercicio 2 clase jtp elt 282

% invierno
figure (2)
m=1;
b=3;
k=10;
A=[0 1;-k/m -b/m];
B=[0;1/m];
C1=[1 0];
C2=[0 1];
D=0
G1=ss(A,B,C1,D);
G2=ss(A,B,C2,D);
step(5*G1),hold on,step(5*G2),legend('Posicion','Velocidad'),hold off,xlabel('Tiempo [s]'),grid
[num,den]=ss2tf(A,B,C1,D)
 c) Respuesta con expresión en el tiempo

%ejemplo actividades II parte I

%inciso a)
t=0:0.1:30;
x=5-5.*exp(-t)-5.*t.*exp(-t); %f=5[N]
m=1;b=2;k=1;
n=1;d=[m b k];
g=tf(n,d);
figure(4)
step(5*g),hold on,plot(t,x,'g'),legend('Respuesta FT','Respuesta con expresion en el
tiemmpo'),xlabel('Tiempo [s]'),ylabel('Desplazamiento [m]'),grid,hold off
%inciso b
x=0.1.*t.*exp(-t);
figure(5)
plot(t,x),xlabel('tiempo [s]'),ylabel('Desplazamiento [m]'),grid

%inciso c
x=-2+t+2.*exp(-t)+t.*exp(-t);
figure(6)
n=1;d=[m b k 0];
g=tf(n,d);
step(g),hold on,plot(t,x,'r'),axis([-inf 30 -inf 35]),xlabel('tiempo [s]'),ylabel('Desplazamiento[m]'),grid
 3.2 Ejercicios propuestos por el docente
i. Primera parte: Para el sistema mostrado en la figura

B=5[N/(m/s)]

M=10[kg]

K1=K2=0.5 [N/m]

F(t)=1[N]

Realizamos el diagrama de cuerpo libre de la masa:

𝑘2 (𝑦1(𝑡) − 𝑦2(𝑡)) = 𝐹(𝑡)

−𝛽𝑦̇ 1(𝑡) − 𝑘1𝑦1(𝑡) + 𝑘2(𝑦1(𝑡) − 𝑦2(𝑡)) = 𝑀𝑦̈ 1(𝑡)

Transformando con La Place

𝑘2 (𝑌2(𝑠) − 𝑌1(𝑠)) = 𝐹(𝑠)………………………. (1)

−𝛽𝑠𝑌1(𝑠) − 𝑘1𝑌1(𝑠) + 𝑘2(𝑌1(𝑠) − 𝑌2(𝑠)) = 𝑀𝑠 2 𝑌1(𝑠) … (2)

De la eduacion (1)
𝐹(𝑠)
𝑌2(𝑠) = + 𝑌1(𝑠) … … … (3)
𝑘2

La ecuación (3) en (1)

𝐹(𝑠)
𝑘2𝑌1(𝑠) − 𝑘2 ( + 𝑌1(𝑠)) = 𝑀𝑠 2 𝑌1(𝑠) + 𝛽𝑠𝑌1(𝑠) + 𝑘1𝑌1(𝑠)
𝑘2
𝐹(𝑠) = (𝑀𝑠 2 + 𝛽𝑠 + 𝑘1)𝑌1(𝑠)
𝒀𝟏(𝒔) 𝟏
𝑮𝟏(𝒔) = = 𝟐
𝑭(𝒔) (𝑴𝒔 + 𝛽𝒔 + 𝒌𝟏)
Ahora:

𝑘2 (𝑌2(𝑠) − 𝑌1(𝑠)) = 𝐹(𝑠)

𝐹(𝑠) = 𝑘2 𝑌2(𝑠) − 𝑘2 𝐹(𝑠) 𝑮𝟏(𝒔)

𝐹(𝑠)(1 + 𝑘2 𝑮𝟏(𝒔)) = 𝑘2 𝑌2(𝑠)

𝒀𝟐(𝒔) 𝟏 𝟏 𝑴𝒔𝟐 + 𝛽𝒔 + 𝒌𝟏 + 𝒌𝟐
𝑮𝟐(𝒔) = = + =
𝑭(𝒔) 𝒌𝟐 (𝑴𝒔𝟐 + 𝛽𝒔 + 𝒌𝟏) 𝒌𝟐 ∗ (𝑴𝒔𝟐 + 𝛽𝒔 + 𝒌𝟏)

Si: 𝑥1(𝑡) = 𝑦1(𝑡); 𝑥2(𝑡) = 𝑦̇ 1(𝑡); 𝑥̇ 1 = 𝑥2 ; 𝐹(𝑡) = 𝑢

𝑥 .1 = 𝑥2
𝑘1 𝛽 1
𝑥.2 = 𝑥1 + 𝑥2 − 𝑢
𝑀 𝑀 𝑀
Se tiene la representación en espacio de estados:
0 1 𝑥1 0
𝑥1̇ 𝑘1 −𝛽 1
[ ] = [− ][ 𝑥 ] + [ ]𝑢
𝑥̇2 2
𝑀 𝑀 𝑀
0
𝑌1 1 0 𝑥1
[ ]=[ ] [ 𝑥 ] + [1 ] 𝑢
𝑌2 1 0 2
𝑘
0 1 0 0
Donde: 𝐴 = [−𝑘1 −𝛽 ] ; 𝐵 = [ 1 ] ; 𝐶 = [1 0]; 𝐷 = [ 1 ]
𝑀 𝑀 𝑀 𝑘

La función de transferencia puede ser hallada con:

𝐺1(𝑠) = 𝐶(𝑠𝐼 − 𝐴)−1 𝐵 + 𝐷

Introducimos los datos en matlab:

 Posición para G1
% masa amortiguador y dos resortes
% invierno 2018
clear all, close all, clc
syms m b k1 k2 s
A=[0 1; -k1/m -b/m];
B=[0; 1/m];
C=[1 0; 1 0];
D=[0; 1/k2];
I=[s 0; 0 s];
G=C*(I-A)^(-1)*B+D
pretty(G)

m=10;
b=5;
k1=0.5;
k2=0.5;
n1=1;
d=[m b k1];
G1=tf(n1,d);
F=1;
% la posición en estado estacionario
figure(1)
step(F*G1),xlabel('Tiempo [s]'),ylabel('DEsplazamiento [m]'),grid
n2=[m b k1+k2];
d=[m b k1];
G2=tf(n2,d*k2);

Aplicando el teorema de valor final a la función de transferencia con los valores designados resulta
en:
𝒀𝟏(𝒔) 𝟏
𝑮𝟏(𝒔) = = 𝟐
𝑭(𝒔) (𝑴𝒔 + 𝜷𝒔 + 𝒌𝟏)

Con los datos m=10[kg], b=5[N/(m/s)], k1=k2=0.5[N/m],u(t)=F=1[N] el programa resulta en:

𝒀𝟏(𝒔) 𝟏
𝑮𝟏(𝒔) = = 𝟐
𝑭(𝒔) (𝟏𝟎𝒔 + 𝟓𝒔 + 𝟎. 𝟓)
𝒔∗𝟏 𝟏
𝒙(∞) = 𝒍𝒊𝒎(𝒔𝑮𝟏(𝒔)𝑼(𝒔)) = 𝒍𝒊𝒎 { ∗ } = 𝟐[𝒎]
𝒔→𝟎 𝒔→𝟎 (𝟏𝟎𝒔𝟐 + 𝟓𝒔 + 𝟎. 𝟓) 𝒔

 Posición y velocidad G1

% Hallamos la grafica de la velocidad y el desplazamiento para y1

figure(3)
A=[0 1; -k1/m -b/m];
B=[0; 1/m];
Cy1=[1 0];
Cv1=[0 1];
Dy1=0;
Gy1=ss(A,B,Cy1,Dy1)
Gv1=ss(A,B,Cv1,Dy1)
step(F*Gy1),hold on,step(F*Gv1),legend('Posicion','Velocidad'),hold off,xlabel('Tiempo [s]'),grid
[num1,den1]=ss2tf(A,B,Cy1,Dy1)

 Posición para G2

% el desplazamietno en estado estacionario

figure(2)
step(F*G2),xlabel('Tiempo [s]'),ylabel('posicion [m]'),grid
Aplicando el teorema de valor final a la función de transferencia con los valores designados resulta
en:

𝑴𝒔𝟐 + 𝛽𝒔 + 𝒌𝟏 + 𝒌𝟐
𝑮𝟐(𝒔) =
𝒌𝟐 ∗ (𝑴𝒔𝟐 + 𝛽𝒔 + 𝒌𝟏)
Con los datos m=10[kg], b=5[N/(m/s)], k1=k2=0.5[N/m],u(t)=F=1[N] el programa resulta en:

𝑴𝒔𝟐 + 𝛽𝒔 + 𝒌𝟏 + 𝒌𝟐
𝑮𝟐(𝒔) =
𝒌𝟐 ∗ (𝑴𝒔𝟐 + 𝛽𝒔 + 𝒌𝟏)

𝟏𝟎𝒔𝟐 + 5𝒔 + 𝟎. 𝟓 + 𝟎. 𝟓 𝟏
𝒙(∞) = 𝒍𝒊𝒎(𝒔𝑮𝟏(𝒔)𝑼(𝒔)) = 𝒍𝒊𝒎 {𝒔 ∗ ∗ } = 𝟒[𝒎]
𝒔→𝟎 𝒔→𝟎 𝟎. 𝟓 ∗ (𝟏𝟎𝒔𝟐 + 5𝒔 + 𝟎. 𝟓) 𝒔

 Posición y velocidad G2

figure(4)
A=[0 1; -k1/m -b/m];
B=[0; 1/m];
Cy2=[1 0];
Cv2=[0 1];
Dy2=[1/k2];
Gy2=ss(A,B,Cy2,Dy2)
Gv2=ss(A,B,Cv2,Dy2)
step(F*Gy2),hold on,step(F*Gv2),legend('Posicion','Velocidad'),hold off,xlabel('Tiempo [s]'),grid
[num2,den2]=ss2tf(A,B,Cy2,Dy2)
 ii. Sistema masa-resorte-amortiguador

Con los valores de:

M1=10 [kg] K1=0.5[N/m]

M2=10 [kg] K2=0.5[N/m]

Β1= 5[N/ (m/s)] F (t) =3[N]

B2=5[N/(m/s)]

Para el sistema mostrado en la figura:

Realizamos el diagrama de cuerpo libre para ambos cuerpos y obtenemos las ecuaciones:

𝑓(𝑡) = 𝑀1 ∗ 𝑦̈1 + 𝛽1 ∗ (𝑦̇1 − 𝑦̇ 2 ) + 𝐾1 ∗ (𝑦1 − 𝑦2 )

𝛽1 ∗ (𝑦̇1 − 𝑦̇ 2 ) + 𝐾1 ∗ (𝑦1 − 𝑦2 ) = 𝑀2 ∗ 𝑦̈ 2 + 𝛽2 ∗ 𝑦̇ 2 + 𝐾2 ∗ 𝑦2

Aplicando la transformada de Laplace:

𝐹(𝑠) = 𝑀1 𝑠 2 𝑌1 (𝑠) + 𝛽1 𝑠𝑌1 (𝑠) − 𝛽1 𝑠𝑌2 (𝑠) + 𝐾1 𝑌1 (𝑆) − 𝐾1 𝑌2 (𝑠)

𝛽1 𝑠𝑌1 (𝑠) − 𝛽1 𝑠𝑌2 (𝑠) + 𝐾1 𝑌1 (𝑠) − 𝐾1 𝑌2 (𝑠) = 𝑀2 𝑠 2 𝑌2 (𝑠) + 𝛽2 𝑠𝑌2 (𝑠) + 𝐾2 𝑌2 (𝑠)
Operando la segunda ecuación:

𝑌1 (𝑠)(𝛽1 𝑠 + 𝐾1 ) = 𝑌2 (𝑠)( 𝑀2 𝑠 2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)

𝑌2 (𝑠)( 𝑀2 𝑠 2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)
𝑌1 (𝑠) =
(𝛽1 𝑠 + 𝐾1 )

𝑌2 (𝑠)
Remplazando en la primera ecuación y hallamos :
𝐹(𝑠)

𝐹(𝑠) = 𝑌1 (𝑠)(𝑀1 𝑠 2 + 𝛽1 𝑠 + 𝐾1 ) − (𝛽1 𝑠 + 𝐾1 )𝑌2 (𝑠)

𝑌2 (𝑠)( 𝑀2 𝑠 2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)
𝐹(𝑠) = ∗ (𝑀1 𝑠 2 + 𝛽1 𝑠 + 𝐾1 ) − (𝛽1 𝑠 + 𝐾1 )𝑌2 (𝑠)
(𝛽1 𝑠 + 𝐾1 )

𝑌2 (𝑠) (𝛽1 𝑠 + 𝐾1 )
𝐺2(𝑠) = =
𝐹(𝑠) ( 𝑀2 𝑠 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)(𝑀1 𝑠 2 + 𝛽1 𝑠 + 𝐾1 ) − (𝛽1 𝑠 + 𝐾1 )2
2

𝑌1 (𝑠)
Hallamos
𝐹(𝑠)

(𝛽1 𝑠 + 𝐾1 )𝐹(𝑠)
𝑌1 (𝑠) =
( 𝑀2 𝑠2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)(𝑀1 𝑠 2 + 𝛽1 𝑠 + 𝐾1 ) − (𝛽1 𝑠 + 𝐾1 )2
( 𝑀2 𝑠 2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)
∗
(𝛽1 𝑠 + 𝐾1 )

𝑌1 (𝑠) ( 𝑀2 𝑠 2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)
𝐺1(𝑠) = =
𝐹(𝑠) ( 𝑀2 𝑠 2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)(𝑀1 𝑠 2 + 𝛽1 𝑠 + 𝐾1 ) − (𝛽1 𝑠 + 𝐾1 )2

Si: 𝑥1 = 𝑦1 ; 𝑥̇2 = 𝑦1̈ ; 𝑥̇ 3 = 𝑦1̇ = 𝑥4 ; 𝑥̇4 = 𝑦2̈ ; 𝐹(𝑡) = 𝑢; 𝑥̇ 1 = 𝑥2 = 𝑦1̇ ; 𝑥3 = 𝑦2

1
𝑥̇ 2 = 𝑦1̈ = (−𝑘1 𝑦1 + 𝑘1 𝑦2 − 𝛽1 𝑦1̇ + 𝛽1 𝑦2̇ + 𝑓(𝑡))
𝑀1
1
𝑥̇ 2 = 𝑦1̈ = (−𝑘1 𝑥1 + 𝑘1 𝑥3 − 𝛽1 𝑥2 + 𝛽1 𝑥4 + 𝑓(𝑡))
𝑀1
1
𝑥̇ 4 = 𝑦2̈ = (𝑘 𝑦 − 𝑘1 𝑦2 + 𝛽1 𝑦1̇ − 𝛽1 𝑦2̇ − 𝑘2 𝑦2 − 𝛽2 𝑦2̇ )
𝑀2 1 1
1
𝑥̇ 4 = 𝑦2̈ = (𝑘 𝑥 − 𝑘1 𝑥3 + 𝛽1 𝑥2 − 𝛽1 𝑥4 − 𝑘2 𝑥3 − 𝛽2 𝑥4 )
𝑀2 1 1
 Se tiene la representación en espacio de estados:
0 1 0 0
𝑥1̇ −𝑘1 −𝛽1 𝑘1 𝛽1 0
𝑥1 1
𝑥̇ 𝑀1 𝑀1 𝑀1 𝑀1 𝑥2
[ 2] = [𝑥3 ] + 𝑀1 𝑢
𝑥̇3 0 0 0 1
𝑥̇4 𝑘1 𝛽1 −(𝑘1 +𝑘2 ) −(𝛽1 + 𝛽2 ) 𝑥4 0
[0]
[ 𝑀2 𝑀2 𝑀2 𝑀2 ]
𝑥1
𝑦1 1 0 0 0 2𝑥
[𝑦 ] = [ ][ ]
2 0 0 1 0 𝑥3
𝑥4
0 1 0 0 0
−𝑘1 −𝛽1 𝑘1 𝛽1
1
𝑀1 𝑀1 𝑀1 𝑀1 1 0 0 0
Donde: 𝐴 = ;𝐵 = 𝑀1 ;𝐶 = [ ] ; 𝐷1 = 0
0 0 0 1 0 0 0 1 0
𝑘1 𝛽1 −(𝑘1 +𝑘2 ) −(𝛽1 +𝛽2 )
[ 𝑀2 ] [0]
𝑀2 𝑀2 𝑀2

La función de transferencia puede ser hallada con:

𝐺1(𝑠) = 𝐶(𝑠𝐼 − 𝐴)−1 𝐵 + 𝐷

Introducimos los datos en matlab:

 Para la posición de G1

% masa amortiguador y dos resortes

% invierno 2018
clear all, close all, clc
syms m1 m2 b1 b2 k1 k2 s
A=[0 1 0 0; -k1/m1 -b1/m1 k1/m1 b1/m1; 0 0 0 1; k1/m2 b1/m2 -(k1+k2)/m2 -(b1+b2)/m2];
B=[0; 1/m1; 0; 0];
C=[1 0 0 0; 0 0 1 0];
D=0;
I=[s 0 0 0; 0 s 0 0; 0 0 s 0; 0 0 0 s];
G=C*(I-A)^(-1)*B+D
pretty(G)

m1=10;
m2=10;
b1=5;
b2=5;
k1=0.5;
k2=0.5;
n1=[m2 b1+b2 k1+k2];
d=[m1*m2 m1*(b1+b2)+(b1*m2) m1(k1+k2)+(k1*m2)+(b1*b2) (k1*b2)+(b1*k2) k1*k2];
G1=tf(n1,d);
F=3;
figure(1)
step(F*G1),xlabel('Tiempo [s]'),ylabel('DEsplazamiento [m]'),grid
Aplicando el teorema de valor final a la función de transferencia con los valores designados resulta
en:

𝒀𝟏(𝒔) ( 𝑀2 𝑠 2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)
𝑮𝟏(𝒔) = =
𝑭(𝒔) ( 𝑀2 𝑠 2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)(𝑀1 𝑠 2 + 𝛽1 𝑠 + 𝐾1 ) − (𝛽1 𝑠 + 𝐾1 )2

Con los datos asignados tenemos:

𝒀𝟏(𝒔) ( 𝑀2 𝑠 2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)
𝑮𝟏(𝒔) = =
𝑭(𝒔) ( 𝑀2 𝑠 2 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)(𝑀1 𝑠 2 + 𝛽1 𝑠 + 𝐾1 ) − (𝛽1 𝑠 + 𝐾1 )2

Aplicando el teorema de valor final:

𝒙(∞) = 𝒍𝒊𝒎(𝒔𝑮𝟏(𝒔)𝑼(𝒔))
𝒔→𝟎
( 10𝑠 2 + 5 + 0.5 + 0.5 + 5𝑠) 𝟑
= 𝒍𝒊𝒎 {𝒔 2 2 2
∗ }
𝒔→𝟎 ( 10𝑠 + 5𝑠 + 0.5 + 0.5 + 5𝑠)(10𝑠 + 5𝑠 + 0.5) − (𝛽1 𝑠 + 0.5) 𝒔
= 𝟏𝟐[𝒎]

 Posición y velocidad G1

figure(3)
A=[0 1 0 0; -k1/m1 -b1/m1 k1/m1 b1/m1; 0 0 0 1; k1/m2 b1/m2 -(k1+k2)/m2 -
(b1+b2)/m2];
B=[0; 1/m1; 0; 0];
Cy1=[1 0 0 0; 0 0 0 0];
Cv1=[0 1 0 0; 0 0 0 0];
D=0;
Gy1=ss(A,B,Cy1,D)
Gv1=ss(A,B,Cv1,D)
step(F*Gy1),hold on,step(F*Gv1),legend('Posicion','Velocidad'),hold
off,xlabel('Tiempo [s]'),grid
  Para la posición de G2

n2=[b1 k1];
d=[m1*m2 m1*(b1+b2)+(b1*m2) m1(k1+k2)+(k1*m2)+(b1*b2) (k1*b2)+(b1*k2) k1*k2];
G2=tf(n2,d);
F=3;
figure(2)
step(F*G2),xlabel('Tiempo [s]'),ylabel('DEsplazamiento [m]'),grid

𝒀𝟐(𝒔) (𝛽1 𝑠 + 𝐾1 )
𝑮𝟐(𝒔) = =
𝑭(𝒔) ( 𝑀2 𝑠 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)(𝑀1 𝑠 2 + 𝛽1 𝑠 + 𝐾1 ) − (𝛽1 𝑠 + 𝐾1 )2
2

Con los datos asignados tenemos:

𝒀𝟐(𝒔) (𝛽1 𝑠 + 𝐾1 )
𝑮𝟐(𝒔) = =
𝑭(𝒔) ( 𝑀2 𝑠 + 𝛽2 𝑠 + 𝐾2 + 𝐾1 + 𝛽1 𝑠)(𝑀1 𝑠 2 + 𝛽1 𝑠 + 𝐾1 ) − (𝛽1 𝑠 + 𝐾1 )2
2

Aplicando el teorema de valor final:

𝒙(∞) = 𝒍𝒊𝒎(𝒔𝑮𝟏(𝒔)𝑼(𝒔))
𝒔→𝟎
(0.5 + 5𝑠) 𝟑
= 𝒍𝒊𝒎 {𝒔 ∗ }
𝒔→𝟎 ( 10𝑠 2 2 2
+ 5𝑠 + 0.5 + 0.5 + 5𝑠)(10𝑠 + 5𝑠 + 0.5) − (𝛽1 𝑠 + 0.5) 𝒔
= 𝟔[𝒎]
  Posición y velocidad G2

figure(4)
A=[0 1 0 0; -k1/m1 -b1/m1 k1/m1 b1/m1; 0 0 0 1; k1/m2 b1/m2 -(k1+k2)/m2 -(b1+b2)/m2];
B=[0; 1/m1; 0; 0];
Cy2=[0 0 0 0; 0 0 1 0];
Cv2=[0 0 0 0; 0 0 0 1];
D=0;
Gy2=ss(A,B,Cy2,D)
Gv2=ss(A,B,Cv2,D)
step(F*Gy2),hold on,step(F*Gv2),legend('Posicion','Velocidad'),hold off,xlabel('Tiempo [s]'),grid

iii. Segunda parte: Para el sistema mostrado en la figura

𝑓(𝑡) − 𝑏𝑥̇ (𝑡) − 𝑘𝑥(𝑡) = 𝑚𝑥̈ (𝑡)

  Analizando una entrada escalon unitario X(t)=? Si X(0)=0 ; X’(0)=0
F(t)=5N ; m=1kg ; b=2N/(m/s) ; k=1N/m

𝐹(𝑠) − 𝑏𝑠𝑥(𝑠) − 𝑘𝑥(𝑠) = 𝑚𝑠 2 𝑥(𝑠)

1
𝑥(𝑠) = ∗ 𝑓(𝑠)
𝑚𝑠 2 + 𝑏𝑠 + 𝑘

1
𝑓(𝑠) = ∗5
𝑠

Aplicando la transformada inversa de Laplace:

1 1 1
𝑥(𝑡) = 𝐼𝐿𝐴𝑃 ( ∗ 𝑓(𝑠)) = 𝐼𝐿𝐴𝑃 ( 2 ∗ ∗ 5)
𝑚𝑠 2 + 𝑏𝑠 + 𝑘 𝑠 + 2𝑠 + 1 𝑠

𝑥(𝑡) = 5 − 5 ∗ 𝑒 −𝑡

En matlab tenemos:

t=0:0.1:30;
x=5-5.*exp(-t); %f=5[N]
m=1;b=2;k=1;
n=1;d=[m b k];
g=tf(n,d);
figure(4)

step(5*g),hold on,plot(t,x,'g'),legend('Respuesta FT','Respuesta con expresion en el tiemmpo'),xlabel('Tiempo

[s]'),ylabel('Desplazamiento [m]'),grid,hold off
  Analizando una entrada escalon unitario X(t)=? Si X(0)=0 ; X’(0)=0.1
F(t)=0; m=1kg ; b=2N/(m/s) ; k=1N/m

𝑓(𝑡) − 𝑏𝑥̇ (𝑡) − 𝑘𝑥(𝑡) = 𝑚𝑥̈ (𝑡)

𝐹(𝑠) − 𝑏𝑠𝑥(𝑠) + 𝑥(0) − 𝑘𝑥(𝑠) = 𝑚𝑠 2 𝑥(𝑠) − 𝑚𝑠𝑥(0) − 𝑚𝑥̇ (0)

𝑚 ∗ 0.1
𝑥(𝑠) =
𝑠 2 + 2𝑠 + 𝑘
𝑚 ∗ 0.1 1 ∗ 0.1
𝑥(𝑡) = 𝐼𝐿𝐴𝑃 ( 2
) = 𝐼𝐿𝐴𝑃 ( 2 )
𝑚𝑠 + 𝑏𝑠 + 𝑘 𝑠 + 2𝑠 + 𝑘

𝑥(𝑡) = 0.1 ∗ 𝑒 −𝑡

En matlab tenemos:

x=0.1*exp(-t);
figure(5)
plot(t,x),xlabel('tiempo [s]'),ylabel('Desplazamiento [m]'),grid
  Analizando una entrada rampa X(t)=? Si X(0)=0 ; X’(0)=0
F(t)=2N ; m=1kg ; b=2N/(m/s) ; k=1N/m

𝑓(𝑡) − 𝑏𝑥̇ (𝑡) − 𝑘𝑥(𝑡) = 𝑚𝑥̈ (𝑡)

𝐹(𝑠) − 𝑏𝑠𝑥(𝑠) + 𝑥(0) − 𝑘𝑥(𝑠) = 𝑚𝑠 2 𝑥(𝑠) − 𝑚𝑠𝑥(0) − 𝑚𝑥̇ (0)

1 1
𝑓(𝑡) ∗
2 𝑓(𝑡) ∗ 2
𝑥(𝑡) = 𝐼𝐿𝐴𝑃 ( 2 𝑠 ) = 𝐼𝐿𝐴𝑃 ( 2 𝑠 )
𝑚𝑠 + 𝑏𝑠 + 𝑘 𝑠 + 2𝑠 + 𝑘

𝑥(𝑡) = −2 + 𝑡 + 2 ∗ 𝑒 −𝑡

En matlab tenemos:

x=-2+t+2.*exp(-t);
figure(6)
n=1;d=[m b k 0];
g=tf(n,d);
step(g),hold on,plot(t,x,'r'),axis([-inf 30 -inf 35]),xlabel('tiempo [s]'),ylabel('Desplazamiento[m]'),grid
 4. Cuestionario

a) ¿Cuál es la definición de “Estado” de un sistema?

El estado de un sistema es un pequeño grupo de variables que muestran el comportamiento de un

sistema durante todo su funcionamiento, es decir, que si analizamos una pequeña porción de datos
del sistema tomando en cuenta un tiempo inicial y final podremos conocer cómo se comporta el
sistema después de la toma de datos.

b) ¿En cuales situaciones el teorema del valor final no puede ser aplicado? Explique.

El teorema del valor final es válido solo si sF(s) no tiene polos sobre el eje jw o en el semiplano directo
del plano s. Es decir, si la transformada de Laplace de f(t) es F(s), y si sF(s) es analítica sobre el eje
imaginario y en el semiplano derecho del plano s entonces Es útil para el análisis y diseño de control,
ya que proporciona el valor final de una función de tiempo mediante el conocimiento del
comportamiento de su transformada de Laplace en s=0. El teorema del valor final no es válido si sF(s)
contiene algún polo cuya parte real es cero positiva, lo que equivale al requisito de que sF(s) sea
analítica en el semiplano derecho como se especifica en el enunciado.

El teorema del valor final relaciona el comportamiento en estado estacionario de con el de en la

vecindad.Sin embargo, el teorema se aplica si, y solamente si, existe
(lo que significa que asume finalmente un valor definido cuanto). Si todos los polos de quedan en
el semiplano izquierdo del plano , existe el
Pero si tiene polos sobre el eje imaginario o en el semiplano positivo del plano, contendrá
funciones oscilatoria o exponencialmente creciente en el tiempo, respectivamente, y el no existirá.
En tales casos, no se aplica el teorema del valor final

c) Simular los sistemas estudiados en laboratorio en Simulink

Entonces para el sistema estudiado en laboratorio con los valores de las constantes: m=1, b=1, k=2
planteamos un programa en Matlab Con recurrencia al Simulink donde el diagrama de bloques en
Simulink tendrá la forma:
Donde el tiempo está regulado para una variación hasta 12 “step” está regulado para un salto
unitario de valor tres y las constantes estarán definidas en el archivo .m:

clc, clear all ,close all

m=1;
b=1;
k=2;
sim cues
figure(1)
plot(tiempo,y),
axis([-infinf -inf 2]),grid,legend('respuesta')

Como resultado grafico del análisis tenemos

d) suponiendo q un sistema tenga dos entradas, ¿Cuál sería la dimensión de la matriz B?

explicar cómo obtener la respuesta del sistema ante perturbaciones en las dos entradas.

Sabemos que:
Amxn = Matriz de estados
Bnxm = Matriz de entradas
Cpxn = Matriz de salidas
D= Matriz de excitación

Donde: m es el número de entradas

n es el número de estados

Por lo tanto la dimensión de la matriz seria nx2

 Para la figura mostrada con 2 entradas en el sistema, si
deseamos obtener la respuesta simplemente se debe
trabajar con ambas entradas por separado y sumar dichas
respuestas para encontrar la respuesta total.

𝒚(𝒔)
𝑮𝟏 (𝒔) =
𝑭𝟏 (𝒔)

𝒚(𝒔)
𝑮𝟐 (𝒔) =
𝑭𝟐 (𝒔)

𝑮𝒕𝒐𝒕𝒂𝒍 (𝒔) = 𝑮𝟏 (𝒔) + 𝑮𝟐 (𝒔)

5. Conclusiones

 En el laboratorio pudimos introducir conceptos básicos sobre modelado de sistemas

lineales utilizando los comandos de matlab.
 toda simulación se pudo realizar sin mucha dificultad.
 Encontrando las funciones de transferencia de la entrada y la salida de los sistemas
lineales.
 Todo lo que vimos en matlab se lo puede aplicar en proyectar controladores, realizar
diagnósticos de fallas.
 Se pudo comprender el uso de la herramienta simulink.

6. Bibliografía

 Matlab, curso Introductorio. Centro Brasileño de Pesquisas Físicas.

 Manual básico de Matlab, apoyo a la Investigación CPD.

 Aprenda Matlab 7.0 Gracia de Jalón, Javier; Rodríguez José I.; Vidal Jesús.

 Simulink. The Math Works Inc.

 Problemas de ingeniería de Control Utilizando Matlab .Ogata, Katsuhiko.