Laboratorio 1 - CONTROL II

UNIVERSIDAD NACIONAL DE TRUJILLO
Facultad de Ingeniería
Escuela Profesional de Ingeniería Mecatrónica
DISCRETIZACIÓN DE SEÑALES II – SOLUCIÓN DE

ECUACIONES EN DIFERENCIA
CONTROL II
LABORATORIO 1
AUTOR(es): GRADOS REBAZA, HENRI STEVEN

ORBEZO ÁLVAREZ, George John
DOCENTE: ALVA ALCANTARA, JOSMELL HENRY
CICLO: VIII
Trujillo, Perú
2020
[CONTROL I] INGENIERIA MCATRONICA
INTRODUCCIÓN
Para el análisis de los sistemas se recurre en general a 3 señales fundamentales que
son el impulso, el escalón y la rampa. A parte de estas señales existen otras conocidas
como periódicas y que en algún momento puede ser necesario su uso. Las señales
construidas en MATLAB, aún con la apariencia de señales continuas, son secuencias
discretas definidas sólo en determinados intervalos de tiempo, lo que no impide que se
puede emplear para el análisis de los sistemas puramente continuos. Para graficar señales
continuos en 2D, utilizamos el comando “plot” y para graficar señales muestreadas el
comando “stem”. Se continuará con el proceso de disretización de una señal.
OBJETIVOS
GENERAL
- Aprender a discretizar señales por métodos empleados en clase utilizando el software

Matlab.
ESPECÍFICOS
- Resolver los ejercicios planteados en el laboratorio y desarrollar el cuestionario

planteado, usando los métodos aprendidos en clase.
UNIVERSIDAD NACIONAL DE TRUJILLO 2

MARCO TEÓRICO
Los sistemas de control de tiempo discreto (STD), son sistemas dinámicos para los
cuales una o más de sus variables solamente son conocidas en ciertos instantes. El hecho
de que algunas funciones de tiempo del STD varíen discretamente, puede ser dada a una
característica inherente al sistema, o que provenga dado el proceso de muestro de alguna
señal. La discretización de una señal es el paso previo a su digitalización, proceso que
agrega una determinada codificación a la señal muestreada.
A. Proceso de muestreo
La manera habitual de obtener una representación discreta en el tiempo de una señal

continua es tomando muestras cada un determinado período de tiempo, de acuerdo a la
relación:
En la ecuación (1), T es el período de muestreo, y expresa que la señal discreta x[n]

se obtiene de tomar muestras cada T segundos de la señal continua 𝑥𝑐 (𝑡). Esta
transformación se puede observar en la Figura 1. El sistema que permite llevar a cabo la
operación de la ecuación (1) es un conversor continuo a discreto ideal, pero en la práctica,
la operación de muestreo se lleva a cabo con un conversor analógico digital. La diferencia
entre ambos radica principalmente en la resolución de los bits, la linealidad de los pasos
de cuantización, la necesidad de circuitos mantenedores, y la frecuencia de muestreo
máxima que se puede alcanzar.

Una aclaración importante es que generalmente, la operación de muestreo no se

puede revertir, es decir, una vez que se posee la señal discretizada, es imposible volver a
obtener la señal continua original. Esta ambigüedad, inherente al proceso, puede ser
removida restringiendo el tipo de señales aplicadas al muestreador.
B. Representación en frecuencia del muestreo
Para obtener una relación entre la entrada y salida de un conversor ideal en el

dominio de la frecuencia, debemos considerar convertir la señal continua en un tren de
impulsos continuos, lo que se puede lograr modulando los mismos. Esto puede modelarse
con un modulador de amplitud de pulso (PAM), o bien, 𝑥(𝑘) = 𝑝(𝑘) ∗ 𝑥(𝑡), donde:
En la ecuación (2), 𝛿(𝑡) es la función Delta de Dirac. Es importante mencionar

además, que al ser el tren de pulsos una función periódica en el tiempo, esta admite una
representación en serie de Fourier:
El coeficiente 𝐶𝑛 , está relacionado con la transformada de Fourier de la señal

discreta 𝑋 ∗ (𝑗𝑤), lo que nos permitirá obtener su espectro de frecuencias.
C. Espectro de frecuencias
Además del espectro de frecuencias de la señal discreta, la señal analógica o de

tiempo continuo tendrá su propio espectro, dado por su transformada de Fourier 𝑋 ∗ (𝑗𝜔),
que irá desde ω=0, hasta 𝜔 = 𝜔𝑐 , que será la máxima frecuencia de la señal continua. Es
muy importante que la señal analógica tenga un ancho de banda limitado para que sea
posible discretizarla. Si la frecuencia máxima fuera muy alta la discretización se
complica, siendo imposible este proceso si el ancho de banda fuera infinito.

El muestreo, produce un espectro muy parecido a la señal continua, pero se

despliega en una colección de réplicas del espectro fundamental, desplazada a intervalos
que son múltiplos de la frecuencia de muestreo. Si esta es lo suficientemente elevada
respecto de la frecuencia máxima, no habrá superposición de los espectros adicionales, lo
cual es deseable. Las réplicas, así como la señal continua, pueden ser observadas con más
detalle en la Figura 2.
Existe un teorema que establece cuál debe ser la frecuencia mínima de muestreo,
comparada con la frecuencia de la señal analógica, que establece:
Figura 2: Espectro de señal continua vs. Espectro de señal discreta
Teorema 1: La frecuencia de muestreo debe ser por lo menos igual o mayor que el doble
de la máxima frecuencia de la señal analógica, para permitir la posterior recuperación de
información a partir de la señal discreta. Esto es,𝜔𝑠 ≥ 2𝜔𝑐 .
Con el teorema 1, formulado por primera vez por Harry Nyquist y demostrado por
Claude E. Shannon, se demuestra que la información completa de la señal original que
cumple con el criterio, está descripto por la serie total de muestras que resultaron del
proceso de muestreo. De esta forma, no hay nada de la evolución de señal entre muestras,
que no esté perfectamente definido por la serie total de las muestras.
La idea intuitiva respecto al teorema 1, yace en que la muestra será mejor mientras
los intervalos con que se toman las muestras sean más cortos.
En general, en la práctica es preferible que la frecuencia de muestreo se por lo
menos entre 5 y 10 veces mayor que la máxima de la señal continua para discretizar de
un modo confiable.

DESARROLLO
PARTE I
Ejercicio 1
Ejercicio 2,3 y 4 (mismo ejercicio)

Ejercicio 5
Ejercicio 6a

Ejercicio 6b
Ejercicio 6c

Ejercicio 6d
Ejercicio 7

Ejercicio 8
Ejercicio 9

Ejercicio 10
Ejercicio 11

Ejercicio 12
Ejercicio 13

PARTE II
Ejercicio 1

Ejercicio 2

Ejercicio 3

Ejercicio 4

Ejercicio 5

Ejercicio 6

Ejercicio 7
𝑡
Definiendo la función: 𝑔(𝑡) = 4 [𝜇(𝑡) − 𝜇(𝑡 − 4)]
∞
𝑓(𝑡) = ∑ 𝑔(𝑡 − 𝑛𝑇)

𝑛=0
∞
(𝑡 − 4𝑛) (𝑡 − 4𝑛)
=∑ 𝜇(𝑡 − 4𝑛) − 𝜇(𝑡 − 4 − 4𝑛)
4 4
𝑛=0
Discretizando la función tenemos

∞
(𝑘𝑇𝑠 − 4𝑛) (𝑘𝑇𝑠 − 4𝑛)
𝑓(𝑘𝑇𝑠 ) = ∑ 𝜇(𝑘𝑇𝑠 − 4𝑛) − 𝜇(𝑘𝑇𝑠 − 4 − 4𝑛)
4 4
𝑛=0
∞
(𝑘 ∗ 0.04 − 4𝑛) (𝑘 ∗ 0.04 − 4𝑛)
𝑓(𝑘𝑇𝑠 ) = ∑ 𝜇(𝑘0.04 − 4𝑛) − 𝜇(𝑘 ∗ 0.04 − 4 − 4𝑛)
4 4
𝑛=0
∞
𝑓(𝑘𝑇𝑠 ) = ∑(𝑘 ∗ 0.01 − 𝑛)𝜇(𝑘 − 100 ∗ 𝑛) − (𝑘 ∗ 0.01 − 𝑛)𝜇(𝑘 − 100 − 100 ∗ 𝑛)

𝑛=0
∞
𝑓(𝑘𝑇𝑠 ) = ∑(𝑘 ∗ 0.01 − 𝑛)𝜇(𝑘 − 100 ∗ 𝑛) − (𝑘 ∗ 0.01 − 𝑛)𝜇(𝑘 − 100 ∗ (𝑛 + 1))

𝑛=0

Ejercicio 8
Ejercicio 9


Ejercicio 10

Ejercicio 11


Ejercicio 12


Ejercicio 13


Cuestionario
1. Obtenga la solución numérica y analítica de las siguientes ecuaciones de
recurrencias, que están sujetas a las condiciones iniciales que se indican.
a) y(k + 2)− 1.6y(k +1) +0.8y(k) = 0; y(0) = 0; y(1) = 1

Realizamos la solución numérica


b) y(k + 2)− 1.8y(k +1) +8y(k) = 3 ∗ 0.6^k ; y(0) = 1; y(1) = 1

Realizamos la solución numérica


C) y(k) − 0.692y(k − 1)+ 0.16y(k −2) = 0.2; y(0) = 0.4; y(1) = −0.2


2.
3. Para el sistema: y(k) − 1.7 y(k − 1)+ 0.72y(k − 2)+ 0.2 ∗ y(k − 3) = 2 ∗ u(k) − 0.4
+ u(k − 1). Realicé una solución numérica de y(k) con 50 términos, si las
condiciones iniciales son y(0)=0, y(1)=-1 y(2)=1 ; u(-1)=0, suponiendo que la
entada u(k)=1, para todo k. gráfique


CONCLUSIONES
 Se conocieron los métodos de conversión de sistemas continuos a discretos.
 Se aplicó el software Matlab para la conversión de sistemas continuos a
discretos.
REFERENCIAS BIBLIOGRÁFICAS
 Domínguez, S., Campoy, P., Sebatián, J. M., & Jiménez, A. (2006). Control en el
espacio de estado. Madrid: Pearson Educación S. A.
 García Jaimes, L. E. (2009). Control digital. Teoría y práctica. Medellín.
 Kuo, B. C. (1996). Sistemas de control automático. México: Prentice Hall
hispanoamericana, S. A.
 Ogata, K. (1996). Sistemas de control en tiempo discreto. México: Prentice Hall
hispanoamericana, S. A.
 Ogata, K. (1997). Ingeniería de control moderna. México: Prentice – Hall
hispanoamerica, S. A.

Laboratorio 1 - CONTROL II

Caricato da

Informazioni sul documento

Descrizione originale:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Laboratorio 1 - CONTROL II

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD NACIONAL DE TRUJILLO

DISCRETIZACIÓN DE SEÑALES II – SOLUCIÓN DE

AUTOR(es): GRADOS REBAZA, HENRI STEVEN

DOCENTE: ALVA ALCANTARA, JOSMELL HENRY

- Aprender a discretizar señales por métodos empleados en clase utilizando el software

- Resolver los ejercicios planteados en el laboratorio y desarrollar el cuestionario

UNIVERSIDAD NACIONAL DE TRUJILLO 2

La manera habitual de obtener una representación discreta en el tiempo de una señal

En la ecuación (1), T es el período de muestreo, y expresa que la señal discreta x[n]

UNIVERSIDAD NACIONAL DE TRUJILLO 3

Una aclaración importante es que generalmente, la operación de muestreo no se

B. Representación en frecuencia del muestreo

Para obtener una relación entre la entrada y salida de un conversor ideal en el

En la ecuación (2), 𝛿(𝑡) es la función Delta de Dirac. Es importante mencionar

El coeficiente 𝐶𝑛 , está relacionado con la transformada de Fourier de la señal

Además del espectro de frecuencias de la señal discreta, la señal analógica o de

UNIVERSIDAD NACIONAL DE TRUJILLO 4

El muestreo, produce un espectro muy parecido a la señal continua, pero se

Figura 2: Espectro de señal continua vs. Espectro de señal discreta

UNIVERSIDAD NACIONAL DE TRUJILLO 5

Ejercicio 2,3 y 4 (mismo ejercicio)

UNIVERSIDAD NACIONAL DE TRUJILLO 6

UNIVERSIDAD NACIONAL DE TRUJILLO 7

UNIVERSIDAD NACIONAL DE TRUJILLO 8

UNIVERSIDAD NACIONAL DE TRUJILLO 9

UNIVERSIDAD NACIONAL DE TRUJILLO 10

UNIVERSIDAD NACIONAL DE TRUJILLO 11

UNIVERSIDAD NACIONAL DE TRUJILLO 12

UNIVERSIDAD NACIONAL DE TRUJILLO 13

UNIVERSIDAD NACIONAL DE TRUJILLO 14

UNIVERSIDAD NACIONAL DE TRUJILLO 15

UNIVERSIDAD NACIONAL DE TRUJILLO 16

UNIVERSIDAD NACIONAL DE TRUJILLO 17

UNIVERSIDAD NACIONAL DE TRUJILLO 18

𝑓(𝑡) = ∑ 𝑔(𝑡 − 𝑛𝑇)

Discretizando la función tenemos

𝑓(𝑘𝑇𝑠 ) = ∑(𝑘 ∗ 0.01 − 𝑛)𝜇(𝑘 − 100 ∗ 𝑛) − (𝑘 ∗ 0.01 − 𝑛)𝜇(𝑘 − 100 − 100 ∗ 𝑛)

𝑓(𝑘𝑇𝑠 ) = ∑(𝑘 ∗ 0.01 − 𝑛)𝜇(𝑘 − 100 ∗ 𝑛) − (𝑘 ∗ 0.01 − 𝑛)𝜇(𝑘 − 100 ∗ (𝑛 + 1))

UNIVERSIDAD NACIONAL DE TRUJILLO 19

UNIVERSIDAD NACIONAL DE TRUJILLO 20

UNIVERSIDAD NACIONAL DE TRUJILLO 21

UNIVERSIDAD NACIONAL DE TRUJILLO 22

UNIVERSIDAD NACIONAL DE TRUJILLO 23

UNIVERSIDAD NACIONAL DE TRUJILLO 24

UNIVERSIDAD NACIONAL DE TRUJILLO 25

UNIVERSIDAD NACIONAL DE TRUJILLO 26

UNIVERSIDAD NACIONAL DE TRUJILLO 27

UNIVERSIDAD NACIONAL DE TRUJILLO 28

a) y(k + 2)− 1.6y(k +1) +0.8y(k) = 0; y(0) = 0; y(1) = 1

UNIVERSIDAD NACIONAL DE TRUJILLO 29

UNIVERSIDAD NACIONAL DE TRUJILLO 30

b) y(k + 2)− 1.8y(k +1) +8y(k) = 3 ∗ 0.6^k ; y(0) = 1; y(1) = 1

UNIVERSIDAD NACIONAL DE TRUJILLO 31

UNIVERSIDAD NACIONAL DE TRUJILLO 32

UNIVERSIDAD NACIONAL DE TRUJILLO 33

UNIVERSIDAD NACIONAL DE TRUJILLO 34

UNIVERSIDAD NACIONAL DE TRUJILLO 35

UNIVERSIDAD NACIONAL DE TRUJILLO 36

 Se conocieron los métodos de conversión de sistemas continuos a discretos.

 Se aplicó el software Matlab para la conversión de sistemas continuos a

espacio de estado. Madrid: Pearson Educación S. A.

 García Jaimes, L. E. (2009). Control digital. Teoría y práctica. Medellín.

 Kuo, B. C. (1996). Sistemas de control automático. México: Prentice Hall