Você está na página 1de 279

Control de

Sistemas No Lineales
Linealizacin aproximada, extendida, exacta
Hebertt Sira-Ramrez, CINVESTAV-IPN
Richard Mrquez, ULA
Franklin Rivas-Echeverra, ULA
Orestes Llanes-Santiago, ISPJAE
Mayo 2004
Contenido
Notacin XIII
Introduccin 1
1. Algunos Modelos de Sistemas No Lineales 3
1.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Clase de sistemas bajo estudio . . . . . . . . . . . . . . . . . . . 5
1.3. Puntos de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4. Sistemas de naturaleza fsica real . . . . . . . . . . . . . . . . 8
1.5. Modelos empleados a lo largo del texto . . . . . . . . . . . . . . 11
1.6. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 20
1.7. Resumen del captulo y Lecturas adicionales . . . . . . . . . . 23
Parte I: Control Lineal de Sistemas No Lineales: Linea-
lizacin Aproximada 29
2. Linealizacin aproximada 31
2.1. Motivacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2. Linealizacin aproximada: expansin en serie de Taylor . . . . 32
2.3. Sistema linealizado: espacio de estado . . . . . . . . . . . . . . 34
2.4. Validez del modelo linealizado . . . . . . . . . . . . . . . . . . . 41
2.5. Primer ejemplo en Matlab (R) . . . . . . . . . . . . . . . . . . . 44
2.6. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 49
2.7. Resumen del captulo y Lecturas adicionales . . . . . . . . . . 51
3. Realimentacin del vector de estados 53
3.1. Motivacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.2. Diseo de controladores mediante linealizacin aproximada . 54
3.3. Ejemplos en Matlab (R) . . . . . . . . . . . . . . . . . . . . . . . 62
3.4. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 72
3.5. Resumen del captulo y Lecturas adicionales . . . . . . . . . . 76
III
IV CONTENIDO
4. Observadores dinmicos de estado 78
4.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.2. Reconstruccin del vector de estado . . . . . . . . . . . . . . . . 79
4.3. Observador de Luenberger: convergencia . . . . . . . . . . . . 83
4.4. Observador de Luenberger: separabilidad . . . . . . . . . . . . 88
4.5. Observadores de orden reducido . . . . . . . . . . . . . . . . . . 99
4.6. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 112
4.7. Resumen del captulo y Lecturas adicionales . . . . . . . . . . 114
5. Sntesis de compensadores clsicos 116
5.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.2. Diseo de reguladores del tipo P, PI y PID . . . . . . . . . . . . 117
5.3. Ejemplos basados en la regla de Ziegler-Nichols . . . . . . . . 121
5.4. Mtodo del controlador-observador clsico . . . . . . . . . . . . 125
5.5. Ajuste de las ganancias de un compensador lineal . . . . . . . 133
5.6. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 142
5.7. Resumen del captulo y Lecturas adicionales . . . . . . . . . . 147
Parte II: Control No Lineal de Sistemas No Lineales:
Linealizacin Extendida 149
6. Realimentacin no lineal del vector de estado 151
6.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
6.2. Realimentacin no lineal basada en asignacin de polos in-
variantes en familias de modelos parametrizados . . . . . . . 154
6.3. Controlador no lineal basado en linealizacin extendida . . . . 156
6.4. Ejemplos de diseo . . . . . . . . . . . . . . . . . . . . . . . . . 158
6.5. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 169
6.6. Resumen del captulo y Lecturas adicionales . . . . . . . . . . 172
7. Diseo de observadores dinmicos de estado no lineales basa-
dos en linealizacin extendida 180
7.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
7.2. Observador dinmico no lineal . . . . . . . . . . . . . . . . . . 181
7.3. Linealizacin de la dinmica del error de observacin . . . . . 182
7.4. Ganancia no lineal del observador . . . . . . . . . . . . . . . . 184
7.5. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
7.6. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 201
7.7. Resumen del captulo . . . . . . . . . . . . . . . . . . . . . . . . 203
8. Sintesis de compensadores no lineales G() 204
8.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
8.2. Diseo de reguladores no lineales del tipo P, PI y PID median-
te linealizacin extendida . . . . . . . . . . . . . . . . . . . . . 206
CONTENIDO V
8.3. Compensadores no lineales basados en el esquema controlador-
observador clsico . . . . . . . . . . . . . . . . . . . . . . . . . . 217
8.4. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 224
8.5. Resumen del captulo y Lecturas adicionales . . . . . . . . . . 224
Parte III: Control No Lineal de Sistemas No Lineales:
Linealizacin Exacta 227
9. Introduccin a la linealizacin exacta 229
9.1. Motivacin: mtodo del control calculado . . . . . . . . . . . . . 229
9.2. Linealizacin exacta de sistemas en la forma cannica contro-
lable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
9.3. Sistemas no lineales reducibles a la forma cannica controlable244
9.4. Condiciones de existencia para la transformacin a la Forma
Cannica Controlable . . . . . . . . . . . . . . . . . . . . . . . . 249
9.5. Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 255
9.6. Resumen del captulo y Lecturas adicionales . . . . . . . . . . 255
10.Linealizacin exacta de sistemas no lineales 256
10.1.Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
10.2.Nociones bsicas de geometra diferencial . . . . . . . . . . . . 256
10.3.Interpretacin geomtrica del corchete de Lie y teorema de
Frobenius . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
10.4.Nueva formulacin de las condiciones de existencia para la
transformacin a la forma cannica controlable . . . . . . . . . 256
10.5.El caso de sistemas lineales . . . . . . . . . . . . . . . . . . . . 256
10.6.Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
10.7.Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 256
10.8.Resumen del captulo y Lecturas adicionales . . . . . . . . . . 256
11.Linealizacin entrada-salida 257
11.1.Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
11.2.Dinmica de los ceros y linealizacin entrada-salida . . . . . . 257
11.3.Primer ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
11.4.Formulacin de la linealizacin entrada-salida usando her-
ramientas de geometra diferencial . . . . . . . . . . . . . . . . 257
11.5.Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . . 257
11.6.Resumen del captulo y Lecturas adicionales . . . . . . . . . . 257
12.Observadores no lineales con error lineal 258
12.1.Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
12.2.Linealizacin del error de reconstruccin . . . . . . . . . . . . 259
Bibliografa 262
ndice de guras
1.1. Diagrama de Bloques de un Sistema no lineal . . . . . . . . . . 6
1.2. Avin en vuelo horizontal . . . . . . . . . . . . . . . . . . . . . 7
1.3. Pndulo simple . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4. Satlite mono-axial (cuerpo que gira alrededor de un eje me-
diante expulsin de gases) . . . . . . . . . . . . . . . . . . . . . 10
1.5. Esquema de un artefacto espacial que requiere control de su
orientacin a un valor deseado ( = ) . . . . . . . . . . . . . . 12
1.6. Convertidor de potencia DCDC tipo Boost . . . . . . . . . . 13
1.7. Sistema de suspensin magntica . . . . . . . . . . . . . . . . . 14
1.8. Manipulador robtico de unin rgida . . . . . . . . . . . . . . 15
1.9. Motor serie de corriente continua . . . . . . . . . . . . . . . . . 17
1.10.Representacin simplicada del comportamiento del TCP . . . 18
1.11.Aro rotatorio sobre el que desliza un anillo cuya posicin an-
gular se desea controlar . . . . . . . . . . . . . . . . . . . . . . 20
1.12.Sistema masaresorteamortiguador . . . . . . . . . . . . . . . 21
1.13.Circuito de Chua controlado . . . . . . . . . . . . . . . . . . . . 22
1.14.Balanceo de una esfera sobre una barra . . . . . . . . . . . . . 23
1.15.Tanque de reaccin continuamente agitado . . . . . . . . . . . 26
2.1. Relacin entre las variables originales y las variables incre-
mentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2. Representacin entrada-salida del sistema linealizado . . . . . 37
2.3. Motor de corriente continua . . . . . . . . . . . . . . . . . . . . 40
2.4. Sistema de un tanque con prdida de lquido . . . . . . . . . . 42
2.5. Perturbacin de la seal de entrada al tanque . . . . . . . . . 42
2.6. Pndulo invertido sobre una plataforma mvil . . . . . . . . . 45
2.7. Comportamiento local del sistema lineal (lnea continua ) y
el sistema no lineal (trazos - -) . . . . . . . . . . . . . . . . . . . 49
2.8. Manipulador robtico exible . . . . . . . . . . . . . . . . . . . 50
3.1. Relacin entre las variables originales y las variables incre-
mentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2. Sistema lineal que describe, en forma aproximada, el compor-
tamiento de las perturbaciones . . . . . . . . . . . . . . . . . . 55
VI
NDICE DE FIGURAS VII
3.3. Sistema lineal realimentado linealmente . . . . . . . . . . . . 56
3.4. Esquema de control lineal por realimentacin del vector de
estado para sistemas no lineales . . . . . . . . . . . . . . . . . 56
3.5. Ubicacin de los polos del sistema (3.2) en lazo abierto . . . . 59
3.6. Polos del sistema (3.2) en lazo cerrado . . . . . . . . . . . . . . 60
3.7. Esquema de realimentacin lineal de estados para el sistema
de levitacin magntica . . . . . . . . . . . . . . . . . . . . . . . 61
3.8. Ubicacin de polos, en el plano complejo, para el artefacto es-
pacial en lazo cerrado . . . . . . . . . . . . . . . . . . . . . . . . 64
3.9. Comportamiento en lazo cerrado del artefacto espacial con-
trolado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.10.Comportamiento del artefacto espacial obtenido por simula-
cin del sistema controlado, para desviaciones iniciales signi-
cativas del punto de equilibrio . . . . . . . . . . . . . . . . . . 66
3.11.Respuesta en lazo cerrado del sistema de fermentacin esta-
bilizable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.12.Sistema de dos conductores acoplados magnticamente . . . . 73
4.1. Esquema de realimentacin lineal con medicin total de las
componentes del vector de estado . . . . . . . . . . . . . . . . . 80
4.2. Esquema de realimentacin lineal del sistema aproximado
con medicin total de las componentes del vector de estado . . 80
4.3. Esquema de aproximacin del comportamiento entrada-salida
del sistema no lineal . . . . . . . . . . . . . . . . . . . . . . . . 81
4.4. Observador dinmico de estado . . . . . . . . . . . . . . . . . . 82
4.5. Esquema de realimentacin lineal de salida para un sistema
no lineal, utilizando un observador dinmico de estado . . . . 82
4.6. Estructura del observador dinmico de estado . . . . . . . . . 85
4.7. Esquema de control realimentado de salida del sistema lineal
que aproxima al sistema no lineal . . . . . . . . . . . . . . . . . 89
4.8. Respuesta del sistema de orientacin de un artefacto espa-
cial mediante realimentacin lineal de la salida utilizando un
observador dinmico . . . . . . . . . . . . . . . . . . . . . . . . 92
4.9. Respuesta de un sistema aro anillo controlado mediante re-
alimentacin completa del vector de estado . . . . . . . . . . . 97
4.10.Respuestas del sistema aro anillo controlado por realimentacin
lineal de la salida utilizando un observador dinmico de estado 99
4.11.Sistema de tanques en cascada . . . . . . . . . . . . . . . . . . 103
4.12.Esquema de control realimentado lineal de la salida para un
sistema de tanques mediante el uso de un observador de or-
den reducido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
4.13.Estructura de un observador dinmico de orden reducido . . . 109
4.14.Estructura de control por realimentacin lineal de la salida,
a base de un observador dinmico de orden reducido . . . . . . 110
4.15.Medicin de la altura en el pndulo simple (cm = centro de
masa) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
VIII NDICE DE FIGURAS
5.1. Determinacin de la frecuencia ltima
0
y la ganancia lti-
ma K
0
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.2. Esquema de control PID para Sistemas No Lineales . . . . . . 121
5.3. Grco de Nyquist de la funcin de transferencia para el sis-
tema de suspensin magntica . . . . . . . . . . . . . . . . . . 122
5.4. Lugar de las races para el sistema de suspensin magntica . 123
5.5. Grco de Nyquist de la funcin de transferencia del modelo
promedio de un convertidor de corriente continua tipo Boost 123
5.6. Lugar de las races del modelo promedio del convertidor Boost 124
5.7. Esquema de regulacin promedio basado en un controlador
PI para un convertidor tipo Boost . . . . . . . . . . . . . . . . 125
5.8. Interpretacin del diseo en variables de estado . . . . . . . . 127
5.9. Representacin del esquema controlador-observador clsico . 127
5.10.Esquema bsico de compensacin . . . . . . . . . . . . . . . . . 134
5.11.Esquema de compensacin por adelanto . . . . . . . . . . . . . 135
5.12.Lugar de las races para el sistema compensado . . . . . . . . 136
5.13.Detalle del lugar de las races para el sistema compensado.
El signo * indica la ubicacin aproximada de los polos para
la ganancia K
c
= 29,72 . . . . . . . . . . . . . . . . . . . . . . . 137
5.14.Diagrama de Nyquist del sistema compensado para K
c
= 10.
El sistema es inestable en lazo cerrado . . . . . . . . . . . . . . 137
5.15.Comportamiento dinmico del sistema de suspensin mag-
ntica en lazo cerrado con el compensador en adelanto diseado138
5.16.Simulacin para K
c
= 29,72 para x
1
(0) = 0,07 . . . . . . . . . . 140
5.17.Simulacin para K
c
= 20 para x
1
(0) = 0,07 . . . . . . . . . . . 141
5.18.Descenso suave controlado en un planeta sin atmsfera . . . . 142
5.19.Las guras en Matlab (R) . . . . . . . . . . . . . . . . . . . . . 145
6.1. Esquema de control no lineal obtenido para el satlite mono-
axial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.2. Comportamiento del satlite mono-axial controlado median-
te realimentacin no lineal del vector de estados basada en
linealizacin extendida . . . . . . . . . . . . . . . . . . . . . . . 161
6.3. Comportamiento del satlite mono-axial controlado por linea-
lizacin extendida, limitando la seal de control mediante
U
max
-; sin limitar - - - . . . . . . . . . . . . . . . . . . . . . . . 162
6.4. Esquema de control no lineal obtenido para el satlite mono-
axial con ley de control limitada por el valor U
max
. . . . . . . 162
6.5. Comportamiento del brazo manipulador robtico controlado
por linealizacin extendida . . . . . . . . . . . . . . . . . . . . . 166
6.6. Posicin angular del brazo manipulador robtico controlado
por linealizacin extendida para diferentes condiciones iniciales166
6.7. Posicin angular del brazo manipulador robtico para difer-
entes condiciones iniciales usando una ley de control lineal . . 167
NDICE DE FIGURAS IX
7.1. Diagrama de bloques del observador dinmico de estados para
el satlite mono-axial, basado en linealizacin extendida . . . 187
7.2. Diagrama de bloques en lazo cerrado del sistema de control
de un satlite, considerando un observador dinmico no lineal 187
7.3. Comportamiento de un satlite mono-axial controlado sobre
la base de un observador dinmico de estados obtenido por
linealizacin extendida . . . . . . . . . . . . . . . . . . . . . . . 190
7.4. Diagrama de bloques en lazo cerrado de un manipulador robti-
co, considerando un observador dinmico no lineal . . . . . . . 193
7.5. Comportamiento de un manipulador robtico controlado so-
bre la base de un controlador y un observador dinmico de
estados, obtenidos por linealizacin extendida . . . . . . . . . 194
7.6. Diagrama de bloques en lazo cerrado de un manipulador robti-
co, considerando un observador dinmico no lineal . . . . . . . 198
7.7. Comportamiento de un sistema de dos conductores acoplados
magnticamente controlado sobre la base de un controlador
y un observador dinmico de estados, obtenidos por linealiza-
cin extendida . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
7.8. Tanque reactor continuamente agitado, no isotrmico . . . . . 201
8.1. Diagrama de bloques en lazo cerrado del modelo promedio del
convertidor Boost, controlado mediante un PI no lineal . . . . 208
8.2. Comportamiento del modelo promedio de un convertidor Boost
regulado mediante un PI no lineal obtenido por linealizacin
extendida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
8.3. Diagramas de Nyquist del sistema de tanques en cascada
para diferentes valores de n . . . . . . . . . . . . . . . . . . . . 212
8.4. Diagrama de bloques en lazo cerrado de un sistema de tan-
ques regulado mediante un PID no lineal . . . . . . . . . . . . 214
8.5. Simulacin del comportamiento de un sistema de tres tan-
ques en cascada controlados por intermedio de un PID no lineal214
8.6. Simulacin del comportamiento de un sistema de tres tan-
ques en cascada controlados por intermedio de un PID no lineal216
8.7. Esquema no lineal controlador-observador . . . . . . . . . . . . 218
8.8. Esquema de control no lineal controlador-observador para el
manipulador robtico . . . . . . . . . . . . . . . . . . . . . . . . 225
8.9. Respuesta en lazo del manipulador robtico, regulado me-
diante una ley no lineal basada en el controlador-observador
clsico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
9.1. Diagrama de bloques del sistema aro anillo . . . . . . . . . . 230
9.2. Diagrama de bloques del sistema linealizado . . . . . . . . . 231
9.3. Simulacin numrica del sistema aro-anillo controlado . . . . 233
9.4. Posicin angular del anillo y seal de control para diferentes
condiciones iniciales . . . . . . . . . . . . . . . . . . . . . . . . . 234
9.5. Diagrama de bloques del manipulador robtico . . . . . . . . . 234
X NDICE DE FIGURAS
9.6. Manipulador robtico transformado a una cadena de dos in-
tegradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
9.7. Respuesta en lazo del control de un brazo manipulador robti-
co usando el mtodo del control calculado . . . . . . . . . . . . 238
9.8. Diagrama de bloques del sistema en forma cannica controlable242
ndice de cuadros
1.1. Nomenclatura empleada para el TRCA, modelo 2 . . . . . . . . 27
2.1. Simulacin del sistema no lineal spend.m . . . . . . . . . . . . 47
2.2. Simulacin del sistema lineal y presentacin grca lpend.m . 48
3.1. Programa de simulacin del artefacto espacial sejem1.m . . . 67
3.2. Simulacin del artefacto espacial: modelo ejemplo1.m . . . . . 68
3.3. Programa de simulacin del proceso incontrolable de produc-
cin de etanol sejem2.m . . . . . . . . . . . . . . . . . . . . . . . 70
3.4. Modelo y ley de control ejemplo2.m empleados para la simu-
lacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.5. Parmetros usados en el sistema del pndulo invertido sobre
una plataforma mvil . . . . . . . . . . . . . . . . . . . . . . . . 72
4.1. Programa de simulacin del artefacto espacial controlado me-
diante un observador de Luenberger sejem3.m . . . . . . . . . 93
4.2. Simulacin del artefacto espacial: modelo y observador ejemplo3.m 94
4.3. Programa de simulacin del aro rotatorio controlado median-
te una ley de realimentacin del vector de estados sejem4.m . 96
4.4. Simulacin del aro rotatorio controlado: modelo ejemplo4.m . 98
4.5. Programa de simulacin del comportamiento del aro rotatorio
controlado usando un observador sejem5.m . . . . . . . . . . . 100
4.6. Simulacin del aro rotatorio: modelo y sistema dinmico del
observador ejemplo5.m . . . . . . . . . . . . . . . . . . . . . . . 101
5.1. Parmetros K
P
, T
I
, T
D
del mtodo de Ziegler-Nichols . . . . 119
5.2. Parmetros K
1
, K
2
, K
3
del mtodo de Ziegler-Nichols . . . . 120
5.3. Programa de simulacin del sistema de suspensin magntica
smgto.m . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
5.4. Modelo y compensador en adelanto mgto.m . . . . . . . . . . . 140
5.5. Programas para generar los grcos de Nyquist y del lugar
de las races . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
6.1. Parmetros del sistema de balance de un pndulo invertido . . . 170
XI
XII NDICE DE CUADROS
6.2. Programa de simulacin del satelite mono-axial, modelo de
Cayley-Rodrigues sejext1.m . . . . . . . . . . . . . . . . . . . . 174
6.3. Modelo y control de un salilite mono-axial ejext1.m . . . . . 175
6.4. Programa de simulacin del satelite mono-axial con actuador
saturado sejext1b.m . . . . . . . . . . . . . . . . . . . . . . . . 176
6.5. Modelo y control saturado ejext1b.m . . . . . . . . . . . . . . . 177
6.6. Programa de simulacin del manipulador robtico sejext2.m . 178
6.7. Modelo + control no lineal por linealizacin extendida (se in-
cluye adems el control linealizado) ejext2.m . . . . . . . . . . 179
7.1. Programa de simulacin de la dinmica de un satlite mono-
axial regulado mediante un controlador y un observador no
lineales sejext3.m . . . . . . . . . . . . . . . . . . . . . . . . . . 188
7.2. Modelo, control y observador no lineales ejext3.m empleados
para la simulacin . . . . . . . . . . . . . . . . . . . . . . . . . . 189
7.3. Programa de simulacin de un manipulador robtico regula-
do mediante una realimentacin y un observador no lineales,
basados en linealizacin extendida srobleob2.m . . . . . . . . 195
7.4. Modelo de un manipulador robtico y ley de control con obser-
vador no lineal basada en linealizacin extendida robleob2.m 196
7.5. Programa de simulacin de un sistema de dos conductores
regulado mediante una ley de control no lineal, basada en un
observador diseado mediante linealizacin extendida sconexob.m199
7.6. Modelo y ley de control con observador no lineal basada en
linealizacin extendida conexob.m . . . . . . . . . . . . . . . . 201
8.1. Programa de simulacin del comportmiento del modelo prome-
dio del convertidor Boost, regulado mediante un PI nol lineal
sboostex.m . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
8.2. Modelo del convertidor Boost y regulador PI no lineal boostext.m210
8.3. Programa de simulacin del sistema de tanques controlados
mediante un PID no lineal stanqext.m . . . . . . . . . . . . . . 215
8.4. Modelo del sistema de tanques e implementacin del contro-
lador PID no lineal tanqext.m . . . . . . . . . . . . . . . . . . . 216
9.1. Programa de simulacin del sistema aro-anillo regulado me-
diante control calculado sarole.m . . . . . . . . . . . . . . . . . 235
9.2. Simulacin del sistema aro-anillo: modelo y observador arole.m236
9.3. Programa de simulacin del control del manipulador robtico
usando el mtodo del torque calculado srobexa.m . . . . . . . . 239
9.4. Simulacin del manipulador robtico: modelo y control por el
mtodo del torque calculado robexa.m . . . . . . . . . . . . . . 240
Notacin
En muchas ocasiones repetiremos ecuaciones o expresiones que han si-
do ya vistas a lo largo del texto. Estas expresiones sern numeradas de
la manera como originalmente fueron presentadas. Para diferenciarlas, se
aadir un asterisco * indicando que fueron empleadas anteriormente, de
manera de no confundir al lector con la numeracin que viene siguiendo.
Por ejemplo, la ecuacin (5.6) es reutilizada en la pgina 134, lo cual se
indica mediante la etiqueta (5.6*).
Los ejemplos se terminan con el smbolo . Los ejemplos en Matlab (R)
se terminan con y los modelos se concluyen con la letra M. Los ejercicios
indican la dicultad mediante una () o varias ().
Consideraremos, salvo indicacin expresa de lo contrario, la siguiente
notacin a todo lo largo del texto:
x, u, y representan, respectivamente, las variables de es-
tado, entrada y salida.
(X, Y, U) valores de equilibrio (punto de operacin) para x,
y y u, respectivamente.
t el tiempo
t
0
el instante t = t
0
.
x(t) la variable x es funcin de t, valor de x en el
instante t, respuesta (solucin) de x en funcin
del tiempo t.
x =
dx
dt
derivada (tasa de variacin) de x(t) respecto de t.
A, B generalmente representan, respectivamente, la
matriz del sistema y la matriz del control.
XIII
XIV NOTACIN
Introduccin
[a completar]
Se ha preferido utilizar los archivos tipo script y function de Mat-
lab porque pueden ser ejecutados en cualquiera de las versiones 5.1, 6.1
o 6.5, con variaciones mnimas en la sintxis. Sin embargo, los archivos
Simulink (R) para la versin 6.5 estn disponibles en la pgina web de este
texto http://www.ing.ula.ve/~marquez/snl/.
Este curso no es una introduccin al uso de Matlab (R) para simulacin,
para ello referimos al lector a las muchas y excelentes referencias en el
tema. Muchas de ellas estn disponibles en Internet.
1
2 INTRODUCCIN
1
Algunos Modelos de
Sistemas No Lineales
Foto
Nuestra atencin estar centrada en los sistemas de tipo no lineal
que puedan ser representados por modelos que involucren el uso
de sistemas de ecuaciones diferenciales ordinarias no lineales
1
.
En este captulo precisaremos el tipo de sistemas que sern uti-
lizados a lo largo de esta monografa. Vamos a introducir algunos
modelos que sern empleados a lo largo del texto. A medida que
avancemos iremos encontrando diferentes modelos matemticos,
por medio de los cuales se ha intentado representar de manera
aproximada el comportamiento de sistemas reales. Las relaciones
planteadas tienen su origen en la fsica, la qumica, la temrodin
dinmica, el balance de masa, energa, informacin, procedimien-
tos empricos, etc. Muchos de estos modelos se encuentran a todo
lo largo de la literatura existente de control automtico.
1
De all que los mtodos de anlisis y diseo presentados NO se aplican a sistemas ms
complejos, conocidos con el nombre de sistemas a parmetros distribuidos, descritos, por lo
general, por ecuaciones y sistemas de ecuaciones diferenciales parciales.
3
4 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
Ilustraremos algunos conceptos, tales como el de punto de equi-
librio, fundamentales para el estudio de los captulos posteriores.
1.1. Introduccin
Desde los inicios de la humanidad, el hombre ha tratado de entender y
aprender de su medio ambiente a travs de observaciones. A partir de estas
observaciones se fue creando en su cerebro un modelo de la realidad circun-
dante. Los diferentes modelos que formaba le servan para actuar dentro de
su medio y para tratar de solventar sus problemas en la caceria, construc-
cin de vivienda, etc. Con el paso del tiempo, y en virtud de los cambios
en sus necesidades, estos modelos se fueron convirtiendo en modelos ms
sosticados desde el punto de vista abstracto. Desde el punto de vista in-
genieril, los modelos lingusticos y grcos (diagramas, dibujos, etc.), los
cuales transmita a sus semejantes, le sirvieron para entender mejor y en
una forma ms sistemtica su entorno, pero a la vez le permitieron afrontar
problemas cada vez ms complicados, como por ejemplo los sistemas de reg-
ulacin de la posicin y de la velocidad en los molinos de viento, y los dis-
positivos ms simples, pero no menos ingeniosos, usados para controlar el
nivel del lquido en los relojes de agua (clepsidra). Estos modelos, lingus-
ticos y grcos, constituyeron el origen de lo que posteriormente seran los
llamados modelos matemticos.
Newton tuvo mucha razn cuando dijo que el lenguaje de la naturaleza
es la matemtica. La realidad fsica que nos rodea la hemos tratado de in-
terpretar de diferentes maneras. Los modelos matemticos constituyen una
forma idnea de resolver muchos de los problemas que se nos presentan al
enfrentarnos a esa realidad.
Un modelo matemtico de un sistema real constituye una represen-
tacin abstracta realizada en trminos de lenguaje y simbologa matemti-
ca (ecuaciones algebraicas, ecuaciones diferenciales, en diferencias, etc.) la
cual resalta propiedades importantes del sistema en estudio. En nuestro ca-
so, estaremos interesados en que el modelo presente las propiedades ms
importantesrelativas al comportamiento dinmico (en el tiempo) del sis-
tema a controlar, tomando en cuenta los requerimientos y la disponibilidad
de recursos respecto a benecios, costos, precisin y exactitud en represen-
tar el comportamiento del sistema, seguridad o riesgos, etc. Por ejemplo,
un modelo del comportamiento de varias sustancias en un reactor qumico
podra ser representado mediante un conjunto de ecuaciones diferenciales
parciales que reejan un comportamiento muy preciso y una inversin muy
costosa, contrastando con muchas situaciones en las cuales es suciente
representar el sistema dado en la forma de ecuaciones algebraicas de las
relaciones estticas entre las sustancias, el cual resulta un modelo con un
costo muy inferior al anterior. En el caso de un avin esto no puede ser
1.2 CLASE DE SISTEMAS BAJO ESTUDIO 5
as, el modelo a emplear tiene que ser lo sucientemente sosticado co-
mo para tomar en cuenta todas las variables necesarias: vientos, presin,
condiciones climatolgicas, etc. debido al elevado riesgo de vidas humanas
involucradas.
Un modelo matemtico, obtenido por medio de leyes y relaciones de
tipo fsico, qumico o de alguna otra ndole, servir para captar algunas
de las propiedades importantes del sistema bajo estudio, dependiendo de
las necesidades. Adems de brindar la posibilidad de estudiar un sistema
cualquiera, los modelos nos proporcionan las bases necesarias para tener
una idea de cmo inuenciar (regular o controlar) el comportamiento del
sistema real. En ltimo trmino, ste es el inters prctico del modelo en s,
brindar informacin relevante del sistema susceptible de ser controlado.
Los sistemas de control de maquinaria, motores, aviones, reactores qu-
micos, etc., estn formados por procesos y plantas, habitualmente repre-
sentados a travs de modelos matemticos que expresan las diferentes pro-
piedades o comportamientos que satisfacen tales sistemas. Los sistemas
dinmicos que estudiaremos describen procesos reales de naturaleza no li-
neal. La herramienta matemtica para su descripcin est constituida por
sistemas de ecuaciones diferenciales ordinarias no lineales a parmetros
agrupados.
1.2. Clase de sistemas bajo estudio
Considrese el siguiente conjunto de ecuaciones que representan un sis-
tema no lineal con una sola entrada y una salida:
x(t) = f(x(t), u(t)), x(t
0
) = x
0
y(t) = h(x(t))
(1.1)
donde x(t) es una funcin vectorial del tiempo la cual toma valores en el
espacio de n-dimensiones y representa el estado del sistema, x(t) R
n
, u(t) Representacin
en variables de
estado
es una funcin escalar del tiempo y toma valores en la recta real, u(t) R.
La variable y(t) es tambin una funcin escalar del tiempo y representa la
salida del sistema, y(t) R. Las funciones f() y h() son funciones con-
tinuas, diferenciables al menos una vez con respecto a cada uno de sus
argumentos, denidas de tal forma que f : R
n
R R
n
y h : R
n
R.
Representaremos este sistema no lineal mediante el diagrama de bloques
mostrado en la Figura 1.1. Recordemos que x = dx/dt representa la tasa de
variacin de la variable x respecto al tiempo.
1.3. Puntos de equilibrio
Como veremos con ms detalle posteriormente, nuestro objetivo es di-
sear leyes o estrategias de control para la regulacin del comportamiento
en lazo cerrado del sistema estudiado. En forma precisa, se desear regular
6 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
Figura 1.1: Diagrama de Bloques de un Sistema no lineal
el comportamiento de las variables representativas del sistema alrededor
de valores de referencia deseados. A estos valores de referencia se les llama
puntos de operacin, los cuales estn estrechamente ligados a los puntos de
equilibrio del sistema, presentados a continuacin.
Los puntos o trayectorias de equilibrio de un sistema no lineal se ob- Punto de
equilibrio, punto
de operacin
tienen de resolver la ecuacin x 0, ver (1.1), esto es, cuando la tasa de
variacin de x es cero:
f(x(t), U) = 0 x(t) = X(U) (1.2)
De la ecuacin (1.2) resulta claro que, para calcular el punto de equi-
librio (X, U), debemos resolver una ecuacin implicita que depende de la
seal de control en el equilibrio, dada por el valor U.
Consideraremos sistemas de ecuaciones diferenciales de la forma (1.1)
que poseen puntos de equilibrio constantes, los cuales pueden estn dados
por:
u(t) = U; x(t) = X(U); y(t) = Y (U) = h(X(U)), para todo t. (1.3)
En este caso, diremos que el punto de equilibrio est parametrizado en fun- Parametrizacin
con respecto al
control
cin de la seal de control
2
constante U.
Ntese que, en general, pueden existir mltiples puntos de equilibrio,
con o sin sentido fsico. Ms an, es posible que ni siquiera exista tal punto
de equilibrio constante. A los sistemas donde aparezcan tales fenmenos los
llamaremos casos patolgicos.
Ejemplo 1.1: No existe ningn punto de equilibrio
Considere el sistema
x(t) =
1
x(t)
+u(t)
y(t) = x(t)
2
Por supuesto, un punto de equilibrio podr estar parametrizado por cualquier otra variable
del sistema. De tal forma que, en funcin de un valor constante X del estado, tenemos:
u(t) = U(X); x(t) = X; y(t) = Y (X) = h(X), para todo t
1.3 PUNTOS DE EQUILIBRIO 7
Evidentemente, si u = U = 0, no existe ningn punto de equilibrio para la variable de estado
x(t). Sin embargo, si u = U = 0 entonces si existe un punto de equilibrio, el cual toma el valor
x(t) = X(U) = 1/U.

Ejemplo 1.2: Dos o ms puntos de equilibrio


El sistema descrito por
x = u(x
2
2)
y = x
tiene para u = U = 0 solamente dos puntos de equilibrio ubicados en x =

2. Sin embargo,
si u = U = 0 entonces el sistema tiene innitos puntos de equilibrio, ya que, en este caso, para
cualquier x = X = constante, se cumple que dx/dt = 0.

Los conceptos estudiados en este captulo, y en captulos posteriores,


sern ilustrados mediante modelos matemticos cuyo origen puede ser fsi-
co o no. Consideremos el siguiente modelo simplicado de un avin en vuelo
horizontal.
Primer modelo
Modelo 1: Avin en vuelo horizontal
Considere las ecuaciones diferenciales que describen la trayectoria de un avin que vuela des-
cribiendo un crculo de radio R a una cierta altura sobre el nivel del mar (cuyo valor no interesa),
en un plano de dos dimensiones paralelo al plano tangente a la tierra (ver Figura 1.2). El plano
tiene por funciones coordenadas x
1
y x
2
, las cuales describen la posicin del avin en cada in-
stante. El parmetro de control es la funcin u, la cual representa la direccin del avin relativa a
las coordenadas jas (x
1
, x
2
), la cual puede cambiarse a voluntad. El modelo del sistema es el
siguiente:
x
1
= V cos u
x
2
= V sen u
y =
_
x
2
1
+x
2
2
R
(1.4)
La salida del sistema representa la distancia a un crculo imaginario, trazado sobre el plano, con
centro en el origen de coordenadas y radio R.
Figura 1.2: Avin en vuelo horizontal
M
Ejemplo 1.3: Punto de equilibrio en el avin en vuelo horizontal
En este caso no existe ningn punto de equilibrio constante pues el par de ecuaciones diferen-
ciales igualadas a cero representan, para un valor jo U de u, un sistema incompatible que no
8 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
posee solucin alguna. Si expresamos el sistema anterior en coordenadas polares, a partir de la
transformacin de coordenadas dada por:
=
_
x
2
1
+x
2
2
, = arctan
_
x
2
x
1
_
x
1
= cos , x
2
= sen
obtenemos:
= V cos( u)

= V sen( u)
y = R
Es fcil ver que, para una direccin ja = , el valor del control u = U = produce un
ngulo de direccin constante, en equilibrio, dado precisamente por = , a partir de la segunda
ecuacin diferencial. Sin embargo, el radio vector crece o decrece a una rata constante V y por lo
tanto no tiene equilibrio constante.

No queremos inducir al lector a pensar que lo comn es que no se dispon-


ga de puntos de equilibrio constantes para los sistemas dinmicos. La mayo-
ra de los sistemas que trataremos (de origen eminentemente real: mecni-
co, elctrico, qumico, biolgico, etc.) poseen puntos de equilibrio constantes.
De hecho, la mayor parte de la tecnologa de regulacin automtica en sis-
temas de produccin industrial est basada en esta sola premisa!
1.4. Sistemas de naturaleza fsica real
Veremos ahora algunos modelos en los cuales se establece, posiblemente
bajo algunas condiciones, un punto de equilibrio nico.
Modelo 2: Gas connado a un recipiente cerrado
La ecuacin diferencial que describe los cambios de presin de un gas dentro de un tanque, del
cual se permite cierto escape en rgimen subcrtico, est dada por:
dP
dt
=
RTK
0
A
0
V
_
P
0
(P P
0
) +
RT
V
u (1.5)
donde u es el volumen de gas por unidad de tiempo, con que se alimenta el tanque usando un
compresor. Este valor, se supone, no depende de la presin. La alimentacin se lleva a cabo de tal
manera que los cambios de presin del gas son sucientemente lentos como para considerarlos
isotrmicos. V es el volumen del recipiente, A
0
y K
0
son constantes que dependen de la vlvula
de entrada y del gas considerado. R es la constante universal de los gases y T es la temperatura
a la que se lleva a cabo el proceso. P
0
es igualmente una constante.
M
Ejemplo 1.4: Punto de equilibrio: Gas connado a un recipiente cerrado
Evidentemente, si no alimentamos gas alguno al tanque, u = U = 0, el punto de equilibrio de la
presin es P = P
0
. Si, por el contrario, inyectamos una cantidad constante de gas u = U = 0, el
punto de equilibrio para la presin resulta ser ahora:
P(U) = P
0
+
1
P
0
_
U
K
0
A
0
_
2
(1.6)
el cual es mayor que el valor de equilibrio anterior, como es lgico suponer.

1.4 SISTEMAS DE NATURALEZA FSICA REAL 9


Figura 1.3: Pndulo simple
Modelo 3: Pndulo sin amortiguamiento
El modelo de un pndulo simple sin amortiguamiento (ver Figura 1.3) est dado por:
x
1
= x
2
x
2
=
mgL
J
cos x
1
+
1
J
u
y = x
1
(1.7)
donde x
1
= , x
1
= x
2
=

representan la posicin y la velocidad angular de la barra respecto
al eje de referencia. u representa el torque aplicado por un servomotor. m es la masa total de
la barra concentrada en su centro de masa; g representa la aceleracin de gravedad, L es la
distancia desde el origen hasta el punto cm y J corresponde al momento de inercia de la barra
respecto al centro de masa.
M
Ejemplo 1.5: Punto de equlibrio: Pndulo sin amortiguamiento
El punto de equilibrio para x
2
es, simplemente, x
2
= 0. Sin embargo, si u = U = 0, entonces para
todo valor del ngulo x
1
que haga cos x
1
= 0, tendremos innitos puntos de equilibrio constante
para x
1
. En efecto, x
1
= k /2, k = 1, 2, 3, . . ., son puntos de equilibrio del sistema. Sin
embargo, si restringimos el espacio de estados a una regin donde x
1
pertecenece al intervalo
x
1
[/2 , /2 + ], para un sucientemente pequeo, entonces el sistema (1.7) poseer
un nico punto de equilibrio sobre ese rango de valores. Fisicamente, este punto de equilibrio
correpondera a la posicin vertical, inestable, del pndulo.

Modelo 4: Tanque de reaccin biolgica continuamente agitado


Las siguientes ecuaciones diferenciales describen el crecimiento del metanol en un tanque de
reaccin biolgica continuamente agitado que utiliza organismos conocidos como metilomonas.
Si x
1
representa la densidad de clulas de metilomonas y x
2
representa la concentracin del
metanol, el sistema se describe como:
x
1
=
Ax
2
B +x
2
x
1
ux
1
x
2
=
Ax
2
B +x
2
x
1
+u(A
f
x
2
)
y = x
2
(1.8)
donde u es la tasa de disolucin del substrato y A
f
es la concentracin del substrato en la ali-
mentacin del tanque, la cual puede ser considerada constante. A y A son constantes conoci-
das.
M
10 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
Ejemplo 1.6: Punto de equilibrio del tanque de reaccin biolgica
Para valores constantes de la tasa de disolucin, u = U, el sistema tiene dos puntos de equilibrio
constantes. Uno de ellos ubicado en (0, A
f
) y el otro en:
x
1
= X
1
(U) =
A
A
(A
f
A (A
f
+B)U)
A U
; x
2
= X
2
(U) =
BU
A U
(1.9)

Como hemos visto, no solo la existencia sino la naturaleza misma de los


puntos de equilibrio de un sistema no lineal dependen en alto grado del
valor del punto de equilibrio del control. En aquellos casos en que el punto
de equilibrio de las variables de estado y la variable de salida sean calcula-
bles en trminos del valor U de la seal de entrada u, diremos que el pun-
to de equilibrio se encuentra parametrizado por el valor del control. Tales
parametrizaciones son muy importantes en la teora de la linealizacin y
sus extensiones recientes.
Sin embargo, la parametrizacin de los puntos de equilibrio no es potes-
tativa nicamente en trminos del valor constante de la seal de control.
Tambin es posible parametrizar la familia de puntos de equilibrio posibles
de un sistema en trminos de un valor constante de alguna de las variables Parametrizacin
con respecto al
estado
de estado en particular. Veamos el siguiente ejemplo.
Figura 1.4: Satlite mono-axial (cuerpo que gira alrededor de un eje mediante expulsin
de gases)
Modelo 5: Satlite mono-axial (Cayley-Rodrgues)
Considrese un cuerpo que gira alrededor de un eje jo en el espacio ingrvido accionado por
torques, los cuales son producidos gracias a la expulsin controlada de gases, mediante un sis-
tema de toberas de reaccin adosadas al cuerpo en forma opuesta, tal como se ilustra en la Figura
1.4. El modelo que se presenta est asociado al problema de orientacin de un satlite mono-axial
cuyo ngulo de orientacin, respecto de un eje oblicuo no coincidente con el eje principal, se mide
utilizando la representacin de Cayley-Rodrgues dada por:
1.5 MODELOS EMPLEADOS A LO LARGO DEL TEXTO 11
x
1
= 0,5 (1 +x
2
1
) x
2
x
2
=
1
J
u
y = x
1
(1.10)
donde x
1
es el ngulo de orientacin del satlite medido respecto de un eje oblicuo, no coincidente
con el eje principal; x
2
es la velocidad angular respecto al eje principal; la variable u representa el
torque aplicado.
M
Ejemplo 1.7: Parametrizacin respecto a un estado X en equilibrio
Como se observa, en el equilibrio, la entrada u est dada por U = 0 y, adems, para los estados
tenemos x
1
= X
1
(constante arbitraria) y x
2
= 0. Evidentemente, en este caso el punto de
equilibrio se parametriza en trminos de la posicin angular X
1
y no del valor del control el cual
debe ser cero, necesariamente, en el equilibrio.

En este captulo no insistiremos ms en parametrizaciones particulares,


pues ellas tendrn realmente importancia cuando estudiemos el mtodo de
la Linealizacin Extendida ms adelante. As en lo sucesivo, expresaremos
el punto de equilibrio asociado al sistema (1.1) como un conjunto dado por
(U, X, Y ). En ocasiones, cuando la salida no sea considerada en forma espe-
cial o de manera explcita, simplemente nos referiremos al punto de equlib-
rio mediante (U, X).
1.5. Modelos empleados a lo largo del texto
En esta parte presentaremos un nmero signicativo de sistemas no li-
neales controlados. A pesar de que esta lista puede estar incompleta, estos
modelos han sido escogidos de tal forma que sean representativos e ilustra-
tivos de las diferentes reas donde pueden encontrarse sistemas controla- Modelos de
naturaleza
qumica,
elctrica,
mecnica, etc.
dos, representados por medio de ecuaciones diferenciales ordinarias no li-
neales. Estos ejemplos, y otros que presentaremos en secciones posteriores,
sern empleados a lo largo del texto para ilustrar el diseo de las diferentes
estrategias de control empleadas.
En lo sucesivo, se propone al lector, como ejercicio, vericar los pun-
tos de equilibrio de algunos de estos sistemas, tengan sentido fsico o no.
Ntese que se podrn presentar complicaciones al momento de obtener
parametrizaciones particulares respecto del punto de operacin deseado y,
por lo tanto, se debe recurrir en algunos casos a mtodos numricos (y has-
ta simulaciones!) para obtener los valores adecuados. Parametrizacin
del punto de
equilibrio
respecto de
cualquier
variable
Por razones de ndole didctico, hemos tratado de presentar aquellos
modelos que permitan, en lo posible, obtener parametrizaciones particula-
res respecto a un valor nominal de la seal de control, u = U. Sin embargo,
el lector tambin encontrar sistemas cuyo punto de equilibrio esta para-
metrizado respecto al valor nominal de alguna variable especca, sea sta
una variable de estado particular x
i
= X, o de salida y = Y .
12 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
Figura 1.5: Esquema de un artefacto espacial que requiere control de su orientacin a
un valor deseado ( = )
Modelo 6: Control de la orientacin de un artefacto espacial
Supngase que deseamos controlar la posicin angular de un artefacto espacial, como el que
se muestra en la Figura 1.5. Para controlar este artefacto se dispone de una tobera que puede
girar alrededor de su base sobre un pivote especial. El ngulo de orientacin de la tobera respecto
al eje principal del cuerpo de la astronave es . La tasa de variacin del ngulo de la tobera es
directamente proporcional a u. L es la distancia desde el punto de apoyo de la tobera en el cuerpo
del artefacto hasta el centro de gravedad de la nave (cg). Se supone que la fuerza F de reaccin,
debida a la expulsin de los gases de la combustin del motor del artefacto, est aplicada sobre el
punto de apoyo de la tobera. Como consecuencia de la fuerza F el artefacto gira alrededor de su
centro de gravedad en uno u otro sentido. El problema de control consiste en mantener el ngulo
en un valor jo , usando como control la velocidad de variacin u del ngulo de la tobera. Los sistemas
aeroespaciales
siempre han
constituido una
fuente muy rica
de modelos y
sistemas a
controlar
Las ecuaciones diferenciales que rigen el movimiento del sistema se obtienen de la segunda
Ley de Newton:
J
d
2

dt
2
= torque neto aplicado = fuerza brazo = F sen L (1.11)
El ngulo crece, o decrece, de acuerdo al control aplicado u mediante la ley de variacin:
d
dt
= Ru (1.12)
donde R es una constante conocida que representa una cierta ganancia esttica del actuador o
transductor que convierte el comando u en velocidad de variacin del ngulo . Supondremos que
existe cierta limitacin en los valores de u, los cuales adscribiremos, arbitrariamente, al intervalo
cerrado [1, 1].
Las variables de estado del sistema se escogen como:
x
1
= ; x
2
=
d
dt
= ; x
3
=
A partir de las ecuaciones (1.11) y (1.12), el sistema no lineal se describe de la manera
siguiente:
x
1
= x
2
x
2
=
FL
J
sen x
3
x
3
= Ru
(1.13)
1.5 MODELOS EMPLEADOS A LO LARGO DEL TEXTO 13
M
Ejemplo 1.8: Punto de operacin: dinmica del artefacto espacial
El punto de equilibrio del sistema, fsicamente signicativo, se obtiene haciendo cero el miembro
derecho de cada ecuacin de estado. Este resulta ser:
x
1
= arbitrario = ; x
2
= 0; x
3
= 0; u = 0 (1.14)
Ntese que el valor x
3
= k tambin calica como punto de equilibrio, pero no es sicamente
factible introducir la tobera dentro de la nave". De hecho, la posicin angular de la tobera se debe
restringir a valores que estn contenidos estrictamente dentro del intervalo [/2, +/2], es decir,
/2 <
mn
< <
max
< +/2.

Figura 1.6: Convertidor de potencia DCDC tipo Boost


Modelo 7: Modelo promedio de un convertidor DC-DC del tipo Boost
En la Figura 1.6 se presenta el circuito elctrico correspondiente a un convertidor tipo Boost Los convertidores
de potencia
constituyen
sistemas no
lineales prcticos
por excelencia
DC-DC de corriente continua. Este circuito se puede describir mediante el siguiente sistema de
ecuaciones de estado
3
:
x
1
=
0
x
2
+u
0
x
2
+b
x
2
=
0
x
1

1
x
2
u
0
x
1
y = x
2
(1.15)
donde x
1
= I

L, x
2
= V

C, representan las variables normalizadas de la corriente de entrada


a la bobina L del convertidor y la tensin de salida del condensador C, respectivamente. b =
E/

L > 0 es el valor numrico normalizado de la fuente externa de tensin constante E. Las


constantes
0
= 1/

LC y
1
= 1/RC reciben el nombre, respectivamente, de frecuencia natural
de oscilacin del circuito LC de entrada y constante de tiempo del circuito RC de salida. La
variable u denota la funcin de posicin del interruptor, la cual actua como variable de control,
tomando valores en el conjunto discreto {0, 1}. Esta seal es sintetizada mediante transistores.
Consideremos el modelo promedio, con variables normalizadas, del convertidor tipo Boost
regulado mediante un esquema de conmutacin por modulacin de ancho de pulsos: Modelo promedio
del convertidor
Boost
z
1
=
0
z
2
+
0
z
2
+b
z
2
=
0
z
1

1
z
2

0
z
1
y = z
2
(1.16)
donde z
1
representa la corriente normalizada promedio de entrada, z
2
es la tensin normalizado
promedio de salida. La seal de control u, de tipo discontinuo, se reemplaza aqu por la funcin
3
Ntese que este modelo es del tipo bilineal, es decir, presenta productos de la forma x
i
u.
Se dice que un sistema de control es bilineal si, al observar el control y el estado independien-
temente, el sistema es lineal en el control u y es lineal respecto al estado x.
14 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
continua , denominada relacin de trabajo del conmutador electrnico. La variable de control
satisface la relacin de saturacin 0 1.
En electrnica de potencia, sobretodo en el caso de convertidores de potencia DCDC, se
acostumbra emplear este tipo de modelos promedios para control y anlisis de los circuitos. Estos
modelos permiten aproximar en promedio el comportamiento real conmutado que presentan es-
tos convertidores. Detalles sobre este tpico pueden ser encontrados en [SR89, SNLV89, KBBL90,
SV91].
M
Ejemplo 1.9: Punto de equilibrio del modelo promedio del convertidor Boost
El punto de equilibrio se obtiene a partir del modelo del convertidor (1.16), para una relacin de
trabajo constante = U, resolviendo el siguiente sistema de ecuaciones (no lineales):

0
Z
2
+U
0
Z
2
+b = 0

0
Z
1

1
Z
2
U
0
Z
1
= 0
De aqu resultan los valores constantes de corriente y tensin promedio normalizados:
= U ; Z
1
(U) =
b
1

2
0
(1 U)
2
; Z
2
(U) =
b

0
(1 U)
(1.17)

Figura 1.7: Sistema de suspensin magntica


Modelo 8: Sistema de levitacin magntica
La Figura 1.7 muestra un sistema de suspensin magntica que permite mantener levitada una Este ejemplo ser
utilizada muchas
veces a lo largo
del texto
pequea esfera metlica de masa m. El objetivo del controlador ser regular el valor de la corriente
i del circuito del electroimn, de tal forma que la esfera se mantenga suspendida a una distancia
constante x = X del electromagneto. La tensin (voltaje) aplicado al circuito es v(t) y acta como
variable de control.
Las ecuaciones diferenciales que describen el sistema estn dadas por:
L
di
dt
= Ri +v(t)
m
d
2
x
dt
2
= mg fm = mg
ci
2
x
(1.18)
donde i es la corriente del circuito y x es el desplazamiento de la esfera medido desde el elec-
tromagneto. L es la inductancia del electromagneto y c es una constante conocida. La fuerza fm
de atraccin que ejerce el magneto sobre la esfera se supone inversamente proporcional a la dis-
tancia x y directamente proporcional al cuadrado de la corriente. La salida se obtiene a travs de
1.5 MODELOS EMPLEADOS A LO LARGO DEL TEXTO 15
un fotosensor mediante el cual se realiza la medicin de la altura de la esfera metlica suspendi-
da en el aire. Este modelo aunque aproximado describe con cierta precisin el fenomeno de la
levitacin magntica. Sin embargo, tal modelo no es vlido para distancias muy pequeas o cero.
Vase la referencia [CKS93], donde se puede conseguir un enfoque muy similar al utilizado para
la obtencin de este modelo.
Escogemos como variables de estado y como variable de control del sistema a las siguientes
variables fsicas,
x
1
= x ; x
2
= x ; x
3
= i ; u = v(t) ,
y reescribimos las ecuaciones diferenciales anteriores (1.18) como un sistema de ecuaciones
diferenciales de primer orden, dado por
x
1
= x
2
x
2
= g
c
m
x
2
3
x
1
x
3
=
R
L
x
3
+
1
L
u
y = x
1
(1.19)
M
Ejemplo 1.10: Varias parametrizaciones del punto de equilibrio: sistema de
levitacin magntica
Los puntos de equilibrio se obtienen igualando a cero los segundos miembros de las ecuaciones
diferenciales anteriores con u = U = constante. Obtenemos entonces los puntos de equilibrio en
trminos de una parametrizacin del valor deseado X de la distancia:
x
1
= X
1
(X) = X ; x
2
= 0 ;
x
3
= X
3
(X) =
_
mgX
c
; u = U(X) = R
_
mgX
c
(1.20)
Una parametrizacin diferente est constituida por aquella que utiliza el valor constante U del
control. Tal parametrizacin est dada por:
x
1
= X
1
(U) =
cU
2
mgR
2
; x
2
= 0
x
3
= X
3
(U) =
U
R
; u = U

Figura 1.8: Manipulador robtico de unin rgida


16 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
Modelo 9: Manipulador robtico de una sola unin rgida
Considrese el manipulador robtico de una sola unin que se muestra en la Figura 1.8. El modelo
no lineal de este sistema se puede representar mediante las siguientes ecuaciones:
x
1
= x
2
x
2
=
B
J
x
2

c
J
sen
_
x
1
N
_
+
1
J
u
y = x
1
(1.21)
donde x
1
= p(Posicin angular), x
2
=

p (velocidad angular), son las variables de estado y
la variable de control est dada por el torque aplicado u = . El parmetro N corresonde al
factor de reduccin angular del juego de engranajes que acopla el eje del motor al eje del brazo
manipulador; B es el coeciente de friccin viscosa y J es el momento de inercia; c es una
constante emprica que iguala al triple del producto MgL, donde M es la masa del brazo, g es la
aceleracin de la gravedad y L es la distancia del eje al centro de masa del brazo manipulador.
M
Ejemplo 1.11: Varias parametrizaciones del punto de equilibrio: Manipu-
lador robtico
El punto de equilibrio del sistema (1.21), parametrizado con respecto a la posicin angular desea-
da X, est dado por:
x
1
(X) = X; x
2
(X) = 0; u = U(X) = c sen
_
X
N
_
(1.22)
El punto de equilibrio del sistema, parametrizado con respecto al torque nominal U que pro-
duce la posicin angular deseada X, est dado por:
x
1
= X(U) = N sen
1
_
U
c
_
; x
2
(U) = 0; u = U (1.23)
donde, evidentemente, debe cumplirse que U < c.

Modelo 10: Tanque de reaccin continuamente agitado (TRCA)


Considrese el siguiente modelo sencillo, de naturaleza no lineal, de un tanque de reaccin contin-
uamente agitado (continuous stirred tank reactor, en ingls) en el cual se lleva a cabo una reaccin
qumica, en fase lquida, de carcter isotrmica entre multicomponentes:
x
1
= (1 +D
a1
)x
1
+u
x
2
= D
a1
x
1
x
2
D
a2
x
2
2
y = x
1
+x
2
(1.24)
donde x
1
representa la concentracin normalizada (adimensional) C
P
/C
P
0
de una cierta especie
P en el reactor. Designaremos por Y = C
P
0
a la concentracin nominal total de las especies P
y Q, medida en [mol.m
3
]. La variable de estado x
2
representa la concentracin normalizada
C
Q
/C
P
0
de la especie Q. La variable de control u se dene como la relacin de la tasa de ali-
mentacin molar por unidad volumtrica de la especie P, designada mediante N
PF
, y la concen-
tracin nominal C
P
0
, es decir, u = N
PF
/FC
P
0
donde F es la tasa volumtrica de alimentacin
en [m
3
s
1
]. Las constantes D
a1
y D
a2
se denen respectivamente como k
1
V/F y k
2
V C
P
0
/F
siendo V el volumen del reactor, en [m
3
], y las constantes k
1
y k
2
son las constantes de primer
orden, dadas en [s
1
]. Se puede tomar como valores de las constantes D
a1
= 1 y D
a2
= 1.
M
Ejemplo 1.12: Punto de equilibrio: TRCA
El punto de equilibrio parametrizado en funcin de la concentracin de la especie P es:
x
1
= arbitrario = X, x
2
=
1
2D
a2
_
_
1 + 4D
a1
D
a2
1
_
; u = (1 +D
a1
)X (1.25)

1.5 MODELOS EMPLEADOS A LO LARGO DEL TEXTO 17


Figura 1.9: Motor serie de corriente continua
Modelo 11: Motor serie de corriente continua
La Figura 1.9 representa el diagrama esquemtico de un motor de corriente continua que posee
conexin en serie de su circuito de armadura (subndice a) y su circuito de alimentacin del campo
(subndice f). Las ecuaciones de estado que describen este sistema no lineal estn dadas por:
x
1
= x
2
x
2
=
KmK
f
J
x
2
3
x
3
=
K
ba
K
f
L
f
x
2
x
3

Ra +R
f
L
f
x
3
+
1
L
f
u
(1.26)
donde x
1
= corresponde al ngulo del eje del motor, x
2
= , es la velocidad angular del eje del
motor, x
3
= ia = i
f
representa la corriente comn que uye por los circuitos de armadura y del
campo. La seal de control u = V
T
corresponde a la tensin de alimentacin de la red.
M
Ejemplo 1.13: Punto de equilibrio: Motor serie de corriente continua
El punto de equilibrio del sistema (1.26), parametrizado respecto a uno de los estados, es el
siguiente:
x
1
= arbitrario = X ; x
2
= 0 ; x
3
= 0 ; u = 0

Modelo 12: Control de un reactor de sin


El siguiente sistema no lineal representa, de manera muy aproximada, la dinmica de una reaccin
atmica en un proceso de sin nuclear:
x
1
=
u
L
x
1
+x
2
x
2
=

L
x
1
x
2
(1.27)
donde x
1
representa la poblacin de neutrones, x
2
es la poblacin de precursores y la variable
de control u recibe el nombre de reactividad. Los parmetros , y L son constantes conocidas.
M
Ejemplo 1.14: Punto de equilibrio: Control de un reactor de sin
El objetivo del control planteado para el sistema (1.27) ser el de mantener la poblacin de neu-
trones a un nivel constante N, preestablecido. El punto de equilibrio parametrizado en trminos
de la poblacin deseada de neutrones N, est dado por:
x
1
= X
1
(N) = N; x
2
= X
2
(N) =
N
L
; u = 0 (1.28)
18 ALGUNOS MODELOS DE SISTEMAS NO LINEALES

Figura 1.10: Representacin simplicada del comportamiento del TCP


Modelo 13: Control de congestin de datos en Internet: TCP
El protocolo de control de transmisin o TCP (siglas en ingls de Transmission Control Protocol )
es el protocolo de transmisin de datos ms utilizado hoy en da para el envo de datos en Internet.
Los protocolos HTTP, FTP, etc., lo utilizan para hacer sus conexiones. Una conexin se establece Los mecanismos
dinmicos
inherentes a
Internet
constituyen hoy
en da una parte
importante del
estudio en teora
de control
entre una computadora fuente y una destino. El comportamiento TCP se ilustra en la Figura 1.10.
Despus de enviado un paquete, el destino genera una seal ACK (acuse de recibo), de conr-
macin de la recepcin del mismo. Estudiemos la etapa de congestin. Si la fuente se encuentra
enviando W paquetes (desde el punto de vista de la fuente, en la red estn circulando en este
instante n paquetes que no tienen acuse de recibo), se dice que la ventana de congestin de la
fuente es de W paquetes. Por cada ACK, el tamao de la ventana aumenta en 1/W. Al recibir
un nmero de W acuses de recibo, se dice que ha transcurrido un RTT (round trip time por su
siglas en ings), y el TCP hace que la ventana, entonces, aumente a W +1. La ocurrencia de una
prdida de un paquete (no hay conrmacin de recepcin) constituye una indicacin de que la red
puede estar congestionada, e inmediatamente el tamao de la ventana se reduce a la mitad W/2.
Es decir, si no hay prdidas de paquetes el tamao de la ventana aumenta de manera aditiva, y
cuando hay prdidas, el tamao de la ventana se disminuye a la mitad (se multiplica por 1/2). De
esta forma, el TCP est incluido en los llamados algoritmos de incremento aditivodecremento
multipllicativo o AIMD por sus siglas en ingls.
Este algoritmo ha sido intensamente estudiado en los ltimos aos, ver por ejemplo [Kel01,
HMTG02]. Un modelo promedio propuesto, que representa de manera simplicada el comport-
miento de este sistema es el siguiente [MASA04] (vase tambin [Low03]):
RTT
dx
dt
=
_
a
_
a +
2b
2 b
x
_

_
(1.29)
donde a es el parmetro de incremento aditivo y b es el parmetro de decremento multiplicativo;
los valores nominales de estos parmetros son a = 1 y b = 1/2. Las variables x y , representan
respectivamente el tamao de la ventana de congestin, medido en nmero de paquetes, y la tasa
temporal de prdida de paquetes (la entrada); el parmetro RTT est dado en segundos.
M
Ejemplo 1.15: Punto de equilibrio del TCP
Para un valor constante de la tasa de prdida de paquetes = U = RTT/T, el punto de equilibrio
del sistema (1.29) est dado por:
X =
a(2 b)
2b
1 U
U
=
a(2 b)
2b
_
T
RTT
1
_
(1.30)

Modelo 14: Proceso de produccin de etanol


Un proceso de fermentacin de azucar para la produccin de etanol se describe mediante el
1.5 MODELOS EMPLEADOS A LO LARGO DEL TEXTO 19
siguiente par de ecuaciones diferenciales ordinarias:
x
1
= x
2
x
1
u
x
2
= x
2
+ (1 x
2
)u
(1.31)
donde x
1
representa la concentracin de etanol, x
2
describe la concentracin de azcar y u es la
tasa de alimentacin del substrato que acta como variable de control.
M
Ejemplo 1.16: Punto de operacin: proceso de produccin de etanol
Se desea regular la concentracin de etanol a un valor constante x
1
= E. El punto de equilibrio
del sistema se obtiene a partir de las ecuaciones diferenciales, igualando a cero las derivadas de
las variables de estado:
x
1
= X
1
(E) = E; x
2
= X
2
(E) = 1 E; u = U(E) =
1 E
E
(1.32)
Puesto que ambas concentraciones deben ser, necesariamente, positivas; tenemos las si-
guientes restricciones en equilibrio para el sistema:
0 < X
1
(E) = E < 1; U > 0; 0 < X
2
(E) < 1 (1.33)

Modelo 15: Sistema de nivel de lquido en un conjunto de tanques dis-


puestos en cascada
Considere el problema general de controlar la altura del lquido en el ltimo tanque Tn, de una
serie de n tanques idnticos y no interactuantes, cuya entrada u(t) est representada por el ujo
(no negativo), u 0, entregado al primer tanque y la salida est constituida por la altura del lquido
en el n-simo tanque. Si designamos por x
i
la altura en el i-simo tanque, el modelo dinmico que
describe el sistema es el siguiente:
x
1
=
c
A

x
1
+
1
A
u
x
i
=
c
A

x
i
+
c
A

x
i1
; i = 2, 3, . . . , n
y = xn
(1.34)
donde c es una constante que representa la resistencia a la salida de lquido y A es el rea de la
base de cualquiera de los tanques.
M
Ejemplo 1.17: Punto de equilibrio: Sistema de nivel de lquido en tanques
Para un valor constante del ujo de entrada u = U, el punto de equilibrio del sistema es, simple-
mente:
u = U ; x
i
(U) = X
i
(U) =
U
2
c
2
; i = 1, 2, . . . , n ;
y(U) = Y (U) =
U
2
c
2
(1.35)

Modelo 16: Posicin de un anillo sobre un aro rotatorio


Considerese el caso de un anillo que se desliza sin roce sobre un aro que se puede hacer girar a
velocidad angular , regulable a voluntad (ver Figura 1.11).
Se desea mantener el valor del ngulo en un valor constante deseado dado por = . La
variable de control en este caso esta constituida por el cuadrado de la velocidad angular u =
2
.
El radio del aro, que se supone indeformable por efecto de la fuerza centrfuga, est dado por a.
El modelo del sistema est dado por:
a
d
2

dt
2
= g sen +a
2
sen cos
20 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
Figura 1.11: Aro rotatorio sobre el que desliza un anillo cuya posicin angular se desea
controlar
Este modelo lo podemos reescribir de la manera siguiente:
x
1
= x
2
x
2
=
g
a
sen x
1
+usen x
1
cos x
1
(1.36)
M
Ejemplo 1.18: Posicin de equilibrio de un anillo sobre un aro rotatorio
para una velocidad U constante
Al parametrizar en trminos de la posicin angular x
1
= , el punto de equilibrio se expresa
como:
x
1
(X) = X = ; x
2
(X) = 0; u(X) = U =
g
a cos X
(1.37)
Debemos recalcar que el punto de equilibrio x
1
= 0 carece de inters, pues para lograrlo basta
con detener el movimiento del aro alrededor de su eje.
Para un valor jo u = U del cuadrado de la velocidad angular tenemos el siguiente punto de
equilibrio:
x
1
(U) = arc cos
_
g
aU
_
; x
2
(U) = 0; u = U
Es fcil ver que no puede adoptar por valores de equilibrio /2, 3/2, . . . , (2k + 1)/2
para i = 1, 2, . . .. Para estos puntos de equilibrio es necesario imprimirle al aro una velocidad
angular innitamente grande, lo cual es imposible fsicamente. Igualmente, en (1.36) se puede
ver que para los valores antes mencionados, se hace cero el trmino que acompaa al control,
anulando el canal de entrada al sistema y perdiendo, por ende, la controlabilidad.

1.6. Ejercicios propuestos


En esta seccin se presentan algunos ejercicios asociados al contenido
estudiado en este captulo. Nuestro objetivo es permitirle al estudiante
aplicar y/o profundizar los conceptos ilustrados a lo largo del texto.
Ejercicio 1.1: Modelado de un sistema masaresorteamortiguador
Modele el sistema de dos masas de la Figura 1.12 y obtenga una representacin
en variables de estado de dicho modelo. Considere dos casos,
1.6 EJERCICIOS PROPUESTOS 21
Figura 1.12: Sistema masaresorteamortiguador
1. Caso lineal: Los trminos g1, g2, k1, k2 son constantes y permiten obtener
relaciones lineales en el modelo.
2. Caso no lineal: asumimos que g1() y g2() son funciones que representan
la caracterstica de cada resorte, es decir, representan fuerzas en funcin de
la elongacin del resorte de tal manera de considerar los llamados resortes
suaves y resortes duros:
g1() = a1 +b1
3
g2() = a2 +b2
3
donde se corresponde a la elongacin del resorte.
Obtenga los puntos de equilibrio del sistema.
()
Ejercicio 1.2: Modelo en variables fsicas originales del convertidor Boost
Considere el Modelo 7 en la pgina 13. A partir del circuito mostrado en la
gura 1.6, obtenga el modelo del circuito Boost, en trminos de la tensin Vc en los
terminales del condensador y de la corriente IL que atraviesa la bobina. Compruebe
que el modelo normalizado (1.15) se obtiene a partir de ste.
Ayuda: En la pgina web http://www.ing.ula.ve/~marquez/snl/ se encuentra
una descripcin y algunos ejemplos acerca del modelado de este tipo de circuitos.
()
Ejercicio 1.3: Convertidor

Cuk: modelo en variables fsicas originales
En el artculo H. Sira-Ramrez y M.T. Prada-Rizzo, "Nonlinear Feedback Regu-
lator Design for the Cuk Converter,"IEEE Transactions on Automatic Control. vol.
37, pp. 1173-1180, 1992, [SRPR92], aparece el modelo normalizado de un conver-
tidor de potencia

Cuk. Obtenga el modelo en variables fsicas originales a partir de
22 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
las leyes de Kirchoff. Tome como variables de estado las intensidades de corriente
en las bobinas, IL
1
e IL
2
, y la tensin Vc en el condensador. Compare con el modelo
normalizado presentado en ese artculo.
()
Ejercicio 1.4: Modelado de un circuito con una resistencia no lineal
Figura 1.13: Circuito de Chua controlado
Obtenga las ecuaciones diferenciales que representan el comportamiento del cir-
cuito mostrado en la Figura 1.13. Cul es el punto de equilibrio resultante para un
valor constante de la fuente I
f
= constante? La tensin V en los extremos de la
resistencia no lineal RN corresponde a una funcin no lineal de la corriente i que
circula por la resistencia, dada por V = f(i). ()
Ejercicio 1.5: Modelos de sistemas de levitacin magntica
Se sugiere al lector revisar algunos modelos diferentes al Modelo 8 en la pgi-
na 14. Considere por ejemplo las siguientes referencias: D. Cho, Y. Kato, D. Spilman,
Sliding mode and classical controllers in magnetic levitation systems, IEEE Con-
tr. Syst. Mag., vol. 13, pp. 4248, 1993; D. L. Trumper, S. M. Olson, P. K. Subrah-
manyan, Linearizing control of magnetic suspension systems, IEEE Trans. Contr.
Syst. Technol., vol. 5, pp. 427438, 1997. ()
Modelo 17: Esfera sobre riel
Se desea balancear una esfera montada sobre el riel de una barra metlica, de tal forma de
llevarla al medio de la barra. Ver Figura 1.14. Al aplicar un torque al centro de rotacin, la barra
puede rotar sobre el plano. La esfera puede desplazarse libremente sobre la barra. La esfera debe
permanecer en contacto con el riel, sin deslizar. Escogiendo , el ngulo de la barra respecto a
la horizontal, y r, la posicin de la esfera, se obtienen las siguientes ecuaciones lagrangianas del
movimiento:
0 =
_
J
b
R
2
+M
_
r +Mg sen Mr

2
= (Mr
2
+J +J
b
)

+ 2Mr r

+Mgr cos
(1.38)
donde es el torque o par aplicado a la barra; J es el momento de inercia de la barra; M y J
b
son, respectivamente, la masa y el momento de inercia de la esfera; el radio de la esfera es R y g
es la aceleracin de gravedad.
1.7 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 23
Figura 1.14: Balanceo de una esfera sobre una barra
El modelo (1.38) puede simplicarse si se reemplaza el momento . Haciendo

= u, de tal
forma que
= (Mr
2
+J +J
b
)u + 2Mr r

+Mgr cos (1.39)


se obtiene entonces
0 =
_
J
b
R
2
+M
_
r +Mg sen Mr

= u
(1.40)
Los valores numricos de los parmetros estn dados por: M = 0,05 kg, R = 0,01 m, J = 0,02 kg-
m
2
, J = 2 10
6
kg-m
2
y g = 9,81 m/s.
M
Ejercicio 1.6: Espacio de estado y punto de equilibrio de la dinmica de la
esfera sobre el riel
Obtenga la representacin en el espacio de estados para cada uno de los modelos
(1.38) y (1.40), con entradas y u, respectivamente, usando las siguientes variables:
x1 = r, x2 = r, x3 = y x4 =

. La salida est dada por y = r. Calcule los puntos de
equilibrio para cada sistema resultante.
()
1.7. Resumen del captulo y Lecturas adicionales
En este captulo se presentan algunos modelos ilustrativos que sern
empleados a lo largo del texto para ilustrar los diferentes conceptos y dise-
os propuestos. Estos ejemplos sirven de base para el estudio del concepto
de punto de equilibrio, una de las caracterticas que ser necesario tener
bien clara en el desarrollo de las estrategias de control presentadas poste-
riormente.
Un tema ntimamente relacionado al contenido de este captulo, aunque
no lo hemos desarrollado directamente, es el modelado de sistemas fsi-
cos reales mediante ecuaciones diferenciales ordinarias, tambin lla-
mado modelado de procesos continuos.
24 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
La clave del modelado de procesos continuos, sean stos de origen elc-
trico, mecnico, qumico, biolgico o de otra ndole, est basada en cinco
aspectos fundamentales:
Conocer de antemano cul ser el uso que se le va a dar al modelo: Uso
diseo de leyes de control, anlisis del comportamiento del proceso,
estimacin de variables difciles de medir, etc. Esto puede permitir
tener una idea de los alcances del modelo y de la precisin con la cual
se ejecutar el procedimiento de modelado.
En lo posible, conocer exhaustivamente el proceso. Esto viene de es- Conocer
el proceso tudiar el sistema y subsistemas (planta, sensores, y actuadores) y los
posibles efectos e interrelaciones involucrados.
Aplicar los principios de la fsica, la qumica, la termodinmica, etc.,
traducidos nalmente en las ecuaciones de balance de masa, energa Balance de masa
y energa y/o informacin.
Proponer y jar hiptesis simplicatorias razonables para hacer que Hiptesis
simplicatorias el modelo del sistema sea manejable o sea, al menos, de mediana com-
plejidad.
Adicionalmente, el ingeniero o modelador debera tener una idea
clara de sus propias limitaciones (falta de inters, poco conocimien- Limitaciones
del modelador to del rea, etc.) al acometer esta tarea. En este caso, lo ms impor-
tante es estar conciente de que ser necesario buscar la ayuda de un
experto!
Para aanzar algunos de estos conceptos existen amplias y detalladas
referencias al respecto. Puede ser de utilidad revisar e investigar la in-
formacin contenida en textos de circuitos lineales y no lineales, textos de
mecnica racional (esttica y dinmica), textos sobre procesos qumicos (la
parte referida a modelos dinmicos representados por ecuaciones diferen-
ciales ordinarias), etc. Muchos de los textos relacionados con el control de
sistemas lineales o no lineales proveen habitualmente algunos lineamien-
tos bsicos para enfrentar satisfactoriamente el modelado de cierto tipo de
sistemas.
Al momento de acometer un proyecto de modelado, en el cual se necesita El modelo ser
utilizado para
hacer control
obtener un modelo sucientemente preciso de una planta o proceso real,
para ser utilizado, por ejemplo, para el diseo de leyes de control en un
proceso industrial, hace falta tener conocimientos ms slidos y algo ms
de experiencia.
Una buena prctica consistira en replantear el modelado de algunos
de los ejemplos presentados hasta este momento y entender cmo se obtuvo
cada modelo y cules fueron las hiptesis simplicatorias involucradas (esto
se deja como ejercicio al lector).
A continuacin se ejemplica el modelado de dos sistemas fsicos bien
conocidos. Se presenta, a travs de un pndulo simple, un procedimiento de
1.7 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 25
modelado clsico basado en la ecuacin de Euler-Langrange. Balances de
masa y energa se estudian por medio de un tanque de reaccin continua-
mente agitado.
Modelo 18: Ecuaciones de Euler Lagrande: Pndulo simple
En este ejemplo se ilustrar el uso la ecuacin de EulerLagrange para el modelado de sistemas
fsicos.
La ecuacin de EulerLagrange es la siguiente:
L

d
dt
L

= T (1.41)
donde el lagrangiano L se dene como L = EpEc, energa potencial Ep menos energa cintica
Ec, y T representa la sumatoria de fuerzas externas que afectan al sistema dado.
Asumiendo una barra rgida, distribuida uniformemente, se puede suponer que la masa del
pndulo se concentra en la mitad de la barra de longitud 2l (una hiptesis que perfectamente
puede variar de acuerdo a la geometra y caractersticas propias del pndulo en cuestin). Ver,
por ejemplo, Figura 1.3.
De esta forma, tenemos:
Ep = mgh = mgl cos
Ec =
1
2
m( x
2
+ y
2
) =
1
2
m((l cos

)
2
+ (l sin

)
2
) =
1
2
ml
2

2
donde x = l sin , y = l cos . Por lo tanto,
L = mgl cos
1
2
ml
2

2
(1.42)
La nica fuerza externa est dada por T = T = u (el torque aplicado externamente). A partir
de (1.41) y (1.42) se deduce el mdelo dinmico del pndulo simple (compare con el Modelo 3,
en la pgina 9):
mgl sin +ml
2

= T
o equivalentemente
ml
2

= T mgl sin
donde ml
2
representa la momento de inercia J respecto al eje de giro del pndulo (J = ml
2
).
Haciendo x
1
= , x
2
=

en la ecuacin (18) se obtiene la siguiente representacin del
pndulo en variables de estado (compare con (1.7)):
x
1
= x
2
x
2
=
T
J

mgl
J
sen x
1
Este modelo se puede completar si consideramos, adems, la presencia de roce en el eje del
pndulo (b

) y la elasticidad del mismo (k), de tal forma que en el sistema anterior se agregan al
torque T, la fuerza de roce b

y la fuerza elstica k.
M
Modelo 19: Hiptesis simplicatorias y balances de masa y energa: TRCA,
modelo 2
En la Figura 1.15 se presenta un esquema de un tanque de reaccin continuamente agitado donde
la reaccin A B es exotrmica y de orden n.
Consideremos las siguientes hiptesis:
El volumen del uido en el TRCA es constante, su temperatura es homognea gracias a la
agitacin.
La chaqueta en adiabtica.
La capacidad calorca de la pared del tanque es despreciable respecto a la del lquido.
Las capacidades calorcas son independientes de la temperatura as como de las densi-
dades.
26 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
Figura 1.15: Tanque de reaccin continuamente agitado
El vapor es saturado, el condensado est en equilibrio con el vapor.
El reactor y la chaqueta, se unen perfectamente.
Los volmenes y las propiedades fsicas son constantes.
Se consideran despreciables las prdidas de calor.
Las ecuaciones que modelan el comportamiento dinmico del sistema, resultantes de los
respectivos balances de masa y energa, estn representadas por:
Balance de masa del reactante A
V
dC
A
dt
= F
_
C
A
i
C
A
_
V k(T) C
n
A
(1.43)
donde k(T) = k
0
exp(
E
R(T+273,16)
).
Balance de energa en el tanque
CpV
dT
dt
= CpF(T
i
T) H
R
V k(T) C
n
A
UA(T T
C
) (1.44)
Balance de energa en la chaqueta
C
pC
V
C

C
dT
C
dt
= UA(T T
C
) F
C
C
pC

C
_
T
C
T
C
i
_
(1.45)
En las ecuaciones anteriores, u = F
C
0 representa la seal de control (manipulada); C
A
es la variable controlada y T representa la variable medida o salida. En la Tabla 1.1 se puede
observar el signicado fsico de cada una de las variables y parmetros. Sugerencia: Escriba el
modelo obtenido en variables de estado.
M
1.7 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 27
Tabla 1.1: Nomenclatura empleada para el TRCA, modelo 2
Notacin Descripcin
VARIABLES DE ESTADO Y CONTROL:
T temperatura en el tanque [

C]
C
A
concentracin del reactante
T
C
temperatura de la chaqueta [

C]
F
C
Flujo de entrada del refrigerante seal de control
[m
3
/seg]
PARMETROS:
V volumen del tanque [m
3
]
densidad del uido en el tanque [kg-mol/m
3
]
C
p
capacidad calrica del reactante [J/kg-mol

C]
A rea del tanque [m
2
]

c
densidad del refrigerante [kg/m
3
]
k
0
constante de Arrhenius [m
3
/seg kg-mol]
H
R
calor de reaccin [J/kgmol]
U coeciente de transferencia de calor tanquechaqueta
[J/s m
2
C]
V
C
volumen en la chaqueta [m
3
]
C
pC
calor especco del refrigerante [J/kg

C]
E energa de activacin de la reaccin [J/kgmol]
F ujo de entrada al tanque [m
3
/s]
C
Ai
concentracin del reactante en el ujo de entrada
[kgmol/m
3
]
T
i
temperatura del ujo de entrada [

C]
R constante de los gases [J/kgmol

K]
T
Ci
temperatura del refrigerante
28 ALGUNOS MODELOS DE SISTEMAS NO LINEALES
Lecturas y referencias tiles
1. L. Ljung, T. Glad, Modeling of Dynamic Systems, Prentice Hall, En-
gllewood Cliffs, NJ, E.E.U.U., 1994, [LG94]. Comienza con una dis-
cusin sobre sistemas y modelos, a partir de all desarrolla diferentes
ejemplos (de tipo elctrico, mecnico, de ujo, trmico, etc.). Se di-
vide en dos partes: Modelado fsico e identicacin. Muy completo
desde el punto de vista metodolgico. Emplea un enfoque de diseo
elemento por elemento. Inluye adems la metodologa de diseo me-
diante Bond Graphs y el modelado mediante herramientas computa-
cionales.
2. K. Ogata, Dinmica de Sistemas, Prentice-Hall Hispanoamericana
S.A., Mxico, 1987, [Oga87]. Presenta los diferentes procedimientos de
modelado asociados a sistemas elctricos, mecnicos, hidrulicos, etc.,
y sus respectivas analogas. Concluye con una introduccin al anlisis
y control de sistemas lineales.
3. S. Walas, Modeling with Differential Equations in Chemical Engi-
neering, Butterworth-Heinemann, Boston, 1991, [Wal91]. Presenta los
principios de modelado matemtico para sistemas qumicos, tanto des-
de el punto de vista esttico como dinmico. Entre los tpicos tratados
incluye termodinmica, transferencia de calor, dinmica de uidos y
reacciones qumicas. Presenta adems una introduccin al control de
sistemas qumicos.
4. (En diferentes captulos haremos referencia a enlaces y pginas WEB,
en Internet, donde se puede conseguir informacin complementaria,
relacionada con los temas tratados en cada parte.) Enlace WEB:
www.mechatronics.me.vt.edu/book/Section3/motormodelling.html.
En este enlace se presenta el desarrollo del modelo matemtico de un
motor de corriente continua (DC), incluyendo indicaciones para iden-
ticar los parmetros de este tipo de motores. Presentacin muy com-
prensible, bien explicado.
5. Como ya hemos indicado, se sugiere al lector indagar sobre mode-
los promedios de convertidores, por ejemplo, en: S.R. Sanders, J.M.
Noworolski, X.Z. Liu, G.C Verghese, Generalized averaging method
for power conversion circuits, Trans. Power Electronics, vol. 6, no. 2,
pp. 251259, 1991, [SNLV89]; P.T. Krein, J. Bentsman, R.M. Bass, B.L.
Lesieutre, On the use of averaging for the analysis of power electron-
ic systems, Trans. Power Electronics, vol. 5, no. 2, pp. 182190, 1990,
[KBBL90]. Otra referencia interesante es [SR89].
6. Visite la pgina web http://www.ing.ula.ve/~marquez/snl/. En la
misma encontrar informaciones adicionales y enlaces actualizados
referidos al modelado de sistemas fsicos y a otros temas relacionados.
Parte I
Control Lineal
de Sistemas No Lineales:
Linealizacin Aproximada
29
30 CONTROL LINEAL DE SISTEMAS NO LINEALES: LINEALIZACIN APROXIMADA
En esta primera parte, vamos a plantear el anlisis y diseo de con-
troladores del tipo lineal, es decir, leyes de control lineales para regular
sistemas de naturaleza eminentemente no lineal.
Los lineamientos mediante los cuales analizaremos los sistemas dinmi-
cos no lineales, y sobre los cuales propondremos lazos de control en reali-
mentacin, son los siguientes:
Consideraremos el sistema no lineal desde el punto de vista de la des-
cripcin por variables de estado y determinacin de los puntos de equi-
librio constantes del sistema no lineal dado. Sistema
linealizado
alrededor de un
punto de
equilibrio
Descripcin aproximada de los efectos de las perturbaciones del estado
inicial y de las entradas al sistema mediante un modelo lineal dinmi-
co de estado, el cual puede ser representado mediante la descripcin
en variables de estado o mediante funciones de transferencia.
Utilizacin del modelo lineal obtenido en la prescripcin de leyes de
control realimentadas estabilizantes de las trayectorias del estado,
perturbadas alrededor de la trayectoria de equilibrio.
En el primer captulo se presenta el mtodo de la linealizacin aproxi-
mada: a partir del modelo no lineal se obtiene un modelo linealizado del
sistema estudiado mediante una aproximacin de primer orden de la ex-
pansin en serie de Taylor. En los captulos subsecuentes, la aproximacin
lineal obtenida ser empleada para proponer, disear y ajustar esquemas
de control realimentado para los sistemas no lineales originales. Fun-
damentalmente trataremos sistemas de una entrada y una salida. Prime-
ramente se considerar la medicin completa del vector de estados y luego
solo medicin de una variable o salida particular.
Los esquemas propuestos se clasicarn de la siguiente manera: Controladores
lineales
Esquemas o leyes de control basados en la descripcin o representacin
en el espacio de estados:
1. Control mediante realimentacin del vector de estados.
2. Control mediante la realimentacin de la salida utilizando
Observadores dinmicos de estado (observadores de orden com-
pleto y de orden reducido).
Sntesis basada en la respuesta frecuencial (esquemas de control clsi-
co basados en la funcin de transferencia):
1. Controladores P, PI, PID
2. Esquema controladorobservador clsico
3. Redes compensadoras como compensadores por adelanto.
2
Linealizacin aproximada
Foto
Introduciremos la tcnica de linealizacin aproximada mediante
una representacin integral de las ecuaciones de estado. Propon-
dremos ver al sistema no lineal como una ecuacin integral y
analizaremos el efecto de pequeas perturbaciones alrededor de
un punto de equilibrio constante.
Despreciando los trminos de orden superior del efecto de tales
perturbaciones y reteniendo solamente los trminos lineales, pre-
sentaremos en un solo esquema la linealizacin que aproxima el
comportamiento del sistema perturbado.
El esquema conceptual presentado ser utilizado en captulos sub-
secuentes para el diseo de acciones de regulacin para el sistema
no lineal.
Recomendamos al lector, a medida que vaya avanzando en el tex-
to, hacer uso de herramientas computacionales para conrmar o
avalar los resultados tericos que se le proponen. En este captulo,
presentaremos nuestro primer ejemplo de simulacin en el progra-
ma Matlab (R).
31
32 LINEALIZACIN APROXIMADA
2.1. Motivacin
Los fenmenos de naturaleza no lineal son susceptibles de aproxima-
ciones lineales cuyo valor prctico es innegable. Nuestra comprensin del
mundo circundante y las leyes que en l adivinamos son meras aproxima-
ciones que tienden a extraer la parte ms relevante de su naturaleza, la
mayora de las veces para poder explotarlas en nuestro benecio inmedia-
to. Tales aproximaciones se sustentan como modelos vlidos de una realidad
restringida que no ha sido contradicha por la experiencia cotidiana.
En este captulo, nos proponemos utilizar sistemas de ecuaciones dife-
renciales lineales que aproximen, tanto en una regin restringida del espa-
cio de estado, y/o del espacio de las entradas y de las salidas del sistema,
el comportamiento descrito por el conjunto de ecuaciones diferenciales no
lineal original.
Es necesario acotar que en el anlisis del comportamiento de sistemas
dinmicos no lineales, el mtodo de la linealizacin aproximada ser til en
la vecindad de su punto de equilibrio, siempre y cuando las perturbaciones
que afectan la evolucin del sistema sean sucientemente pequeas. La linealizacin
aproximada en el
anlisis y diseo
de estrategias de
control
Como veremos en captulos posteriores, el mtodo de la linealizacin
aproximada tambin es til no slo en el anlisis sino, en particular, en el
diseo de estrategias de control que mantengan la evolucin del sistema
en un entorno alrededor del punto de equilibrio nominal.
2.2. Linealizacin aproximada:
expansin en serie de Taylor
Consideremos nuevamente el sistema no lineal (1.1):
x(t) = f(x(t), u(t)), x(t
0
) = x
0
y(t) = h(x(t))
cuyos puntos de equilibrio son constantes y estn dados por (U, X, Y ). Escri-
biremos el sistema de ecuaciones diferenciales dado en trminos de la ecuacin
integral equivalente, de la manera siguiente:
x(t) = x
0
+
_
t
t0
f(x(), u())d
y(t) = h
_
x
0
+
_
t
t0
f(x(), u())d
_ (2.1)
Esta representacin tiene sus ventajas al momento de evaluar el efecto
causado sobre los estados y las salidas debido a posibles perturbaciones que
se sucedan en el estado inicial x
0
y en la funcin de entrada u(t).
Supondremos que el sistema dinmico se encuentra operando en per-
fecto equilibrio (recuerde la nocin de punto de equilibrio dada en la sec-
2.2 LINEALIZACIN APROXIMADA: EXPANSIN EN SERIE DE TAYLOR 33
cin 1.3). Esto se traduce en lo siguiente:
x(t
0
) = x
0
= X; u(t) = U; y(t) = h(x) = Y
Es decir, el estado inicial en que encontramos operando al sistema en el
instante t
0
coincide enteramente con el estado de equilibrio constante X,
el cual se produce de manera inmutable (si el sistema es asintticamente
estable) sobre la base de sustentar la entrada constante u = U durante un
perodo de tiempo indenidamente grande
1
.
Ahora consideremos sendas perturbaciones, tanto en el estado inicial
de equilibrio x
0
= X, como en la funcin de entrada de equilibrio u(t) = U,
descritas de la manera siguiente:
x(t
0
) = x
0
+x
0
= X +x
0
; u(t) = U +u

(t)
Con estas perturbaciones acaecidas alrededor de los valores de equili-
brio, consecuentemente, se suceden cambios o perturbaciones tanto en el
estado de equilibrio constante del sistema x(t) = X como en el valor de la
salida y(t) = Y . Utilizando el sistema de ecuaciones (2.1), el estado pertur-
bado y la salida perturbada pueden ser descritos mediante:
x(t) = X +x
0
+
_
t
t0
f(X +x

(), U +u

())d
y(t) = h(X +x

(t))
(2.2)
La expresin (2.2) constituye una representacin exacta del efecto de las
perturbaciones. Ciertamente esta representacin no es muy til puesto que
sigue describiendo mediante una ecuacin integral no lineal el valor del
nuevo estado x(t) = X + x

(t) y como una relacin no lineal el valor de la


nueva salida y(t) = Y +y

(t).
En efecto, a partir de (2.2) y de las deniciones que acabamos de dar del
estado perturbado y la salida perturbada, obtenemos:
x

(t) = x
0
+
_
t
t0
f(X +x

(), U +u

())d
y

(t) = h(X +x

(t)) h(X)
Ser preferible, por lo tanto, utilizar una aproximacin lineal de estas
relaciones. Sabemos que, en virtud del teorema de expansin en serie de Expansin en
serie de Taylor Taylor, podemos escribir los valores perturbados de las funciones f() y h()
como:
f(X +x

(t), U +u

(t)) = f(X, U) +
f
x

(X,U)
x

(t) +
f
u

(X,U)
u

(t)
+. . . +T.O.S.
h(X +x

(t)) = h(X) +
h
x

X
x

(t) +. . . +T.O.S.
1
Aqu se puede notar de manera evidente el porqu de nuestro inters en puntos de equili-
brio constantes!
34 LINEALIZACIN APROXIMADA
donde T.O.S. signica trminos de orden superior.
Tomando en cuenta que f(X, U) = 0, la cual viene de la denicin de
punto de equilibrio, podemos calcular el valor del estado perturbado como
x

(t) = x
0
+
_
t
t0
_
f
x

(X,U)
x

(t) +
f
u

(X,U)
u

(t) +. . . +T.O.S.
_
d
y de la salida perturbada,
y

(t) =
_
h(X) +
h
x

X
x

(t) +. . . +T.O.S.
_
h(X)
=
h
x

X
x

(t) +. . . +T.O.S.
Si truncamos la serie de Taylor y despreciamos los trminos de orden
superior utilizados en las frmulas anteriores, es evidente que, tanto en
la ecuacin integral del estado perturbado como en la ecuacin de salida,
obtendremos slo una aproximacin (lineal en este caso) a los valores de
x

(t) y de y

(t).
Adoptaremos como valor aproximado de x

(t) al valor x

(t) el cual ob-


tenemos al eliminar todos los trminos de orden superior en la ecuacin
integral, es decir:
x

(t) = x
0
+
_
t
t0
_
f
x

(X,U)
x

(t) +
f
u

(X,U)
u

(t)
_
d
y

(t) =
h
x

X
x

(t)
Ntese que x

(t) no es exactamente igual a x

(t) y otro tanto sucede con


y

(t) y y

(t). Sin embargo, no estableceremos diferencia entre el valor de la


perturbacin y el valor aproximado de la misma obtenido en (2.3).
Asumiremos, entonces, como valor perturbado del estado y como valor de
la perturbacin de la seal de salida, a la solucin de la ecuacin integral y
a la relacin lineal descritas en (2.3), es decir,
x

(t) = x
0
+
_
t
t0
_
f
x

(X,U)
x

(t) +
f
u

(X,U)
u

(t)
_
d
y

(t) =
h
x

X
x

(t)
(2.3)
2.3. Sistema linealizado: espacio de estado
De esta forma, designaremos mediante la matriz A de n las y n colum-
nas, la matriz Jacobiana f/x particularizada en el punto de equilibrio
2.3 SISTEMA LINEALIZADO: ESPACIO DE ESTADO 35
constante (X, U). Mediante el vector B de n las designaremos al vector
f/u evaluado en (X, U). Igualmente, designaremos mediante el vector -
la C al vector h/x, evaluado en X. De tal forma que las ecuaciones en
(2.3) se reescriben entonces
x

(t) = x
0
+
_
t
t0
(Ax

() +Bu

()) d
y

(t) = C x

(t)
(2.4)
Si tomamos derivadas respecto del tiempo en esta ecuacin integral, ob-
tenemos una ecuacin diferencial equivalente para x

(t):
x

(t) = Ax

(t) +Bu

(t) ; x

(t
0
) = x
0
y

(t) = C x

(t)
(2.5)
Para dicho sistema de ecuaciones diferenciales, puede observarse que hemos
tomado en cuenta como condicin inicial en t = t
0
, el valor x
0
= x
0
X.
La ecuacin diferencial en la expresin (2.5) representa un sistema de
ecuaciones diferenciales lineales en x

y en u

. A este sistema se le llama


representacin (lineal) en el espacio de estado, brevemente, representacin
de estado. Al sistema (2.5) tambin lo llamaremos modelo incremental, de-
bido al procedimiento utilizado en su construccin.
La solucin x

(t) es una aproximacin al comportamiento de las per-


turbaciones que exhibe el sistema no lineal (2.1) por sobre los valores de
la trayectoria de equilibrio x(t) = X y u(t) = U. Es evidente, a partir del
conocimiento de sistemas lineales que poseemos, que para conocer ntegra-
mente la solucin de (2.5) deben conocerse tanto el valor de la perturbacin
del estado inicial x

(t
0
) como los valores, en funcin del tiempo, de las per-
turbaciones de la entrada en equilibrio u

(t).
En resumen, el sistema dinmico que aproxima las perturbaciones ocu-
rridas al sistema no lineal cuando ste opera en condiciones estables de
equilibrio est representado por un sistema lineal cuyas ecuaciones de es-
tado y de salida estn dadas por (2.5).
Las matrices constantes (A, B, C), llamadas matrices Jacobianas, que
denen a esta aproximacin lineal estn dadas por: matrices
jacobianas
A =
f
x

(X,U)
; B =
f
u

(X,U)
; C =
h
x

X
Es por esto precisamente que a la linealizacin aproximada tambin se la
llama con el nombre de linealizacin jacobiana.
En forma aproximada tendremos igualmente
x(t) = X +x

(t); u(t) = U +u

(t); y(t) = Y +y

(t) (2.6)
o equivalentemente variables
incrementales
x

(t) = x(t) X; u

(t) = u(t) U; y

(t) = y(t) Y (2.7)


36 LINEALIZACIN APROXIMADA
Figura 2.1: Relacin entre las variables originales y las variables incrementales
A estas ltimas las llamaremos variables incrementales.
En el caso de la entrada u y el estado x, la interpretacin de sus valo-
res perturbados en trminos de las variables originales admite una repre-
sentacin grca como la que se muestra en la Figura 2.1. Consideramos
perturbaciones
en una vecindad
pequea del
punto de
equilibrio
Sobre la base de estas relaciones aproximadas, propondremos ms ade-
lante esquemas de control que estabilicen al sistema no lineal a su punto
de equilibrio (X, Y, U), bajo la suposicin fundamental de tener excur-
siones de la perturbacin x

(t) relativamente pequeas.


2.3.1. Representacin en funciones de transferencia
A partir de la representacin de estados incrementales propuesta an-
teriormente, surge en forma inmediata la representacin en funciones de
transferencia asociadas al comportamiento linealizado del sistema.
Supngase que tenemos un sistema no lineal, n-dimensional, de una
entrada y una salida (2.1):
x(t) = f(x(t), u(t))
y = h(x(t))
Sea u(t) = U un punto de operacin constante para la entrada escalar del
sistema anterior. Correspondiente con este valor nominal de la entrada,
tenemos un valor de equilibrio para el vector de estado y para la salida,
dados, respectivamente, por x(t) = X(U) y y(t) = Y (U).
La expresin linealizada del sistema alrededor del punto de operacin
genrico (U, X(U), Y (U)), parametrizada como vemos en trminos del valor
constante (en equilibrio) de la entrada de control U, est dada por
x

= A(U)x

+B(U)u

= C(U)x

2.3 SISTEMA LINEALIZADO: ESPACIO DE ESTADO 37


Figura 2.2: Representacin entrada-salida del sistema linealizado
donde
A(U) =
f(x, u)
x

X(U),U
; B(U) =
f(x, u)
u

X(U),U
;
C(U) =
h(x)
x

X(U)
y
x

= x X(U); u

= u U; y

= y Y (U)
Evidentemente, a partir de esta representacin del sistema linealizado,
mostrada en Figura 2.2, podemos obtener la funcin de transferencia del
sistema en lazo abierto, dada por:
G
U
(s) = C(U)[sI A(U)]
1
B(U) (2.8)
2.3.2. Ejemplos
A continuacin describiremos algunos ejemplos de linealizacin de sis-
temas alrededor de puntos o trayectorias de equilibrio constantes.
Ejemplo 2.1: Convertidor DC-DC tipo Boost
Recordemos el modelo promedio del convertidor Boost", Modelo 7, en la pgina 13:
z
1
=
0
z
2
+
0
z
2
+b
z
2
=
0
z
1

1
z
2

0
z
1
y = z
2
cuyo punto de equilibrio est dado por, ver Ejemplo 1.9,
= U : Z
1
(U) =
b
1

2
0
(1 U)
2
: Z
2
(U) =
b

0
(1 U)
(1.17*)
Para realizar la linealizacin, debemos primero tomar en cuenta que se trata de un sistema de
segundo orden, con lo cual las matrices constantes A, B y C planteadas anteriormente estn
38 LINEALIZACIN APROXIMADA
dadas por:
A =
f(z, u)
z

Z,U
=
_
f
1
(z,u)
z
1
f
1
(z,u)
z
2
f
2
(z,u)
z
1
f
2
(z,u)
z
2
_

Z
1
(U),Z
2
(U),U
=
_
0
0
(1 U)

0
(1 U)
1
_
B =
f(z, u)
u

Z,U
=
_
f
1
(z,u)
u
f
2
(z,u)
u
_

Z
1
(U),Z
2
(U),U
=
_
b
1U

b
1

0
(1U)
2
_
C =
h(z)
u

Z
=
_
h(z)
z
1
h(z)
z
2
_

Z
1
(U),Z
2
(U)
=
_
0 1

La linealizacin del sistema alrededor del punto de equilibrio resulta entonces


_
z
1
z
2
_
=
_
0
0
(1 U)

0
(1 U)
1
_ _
z
1
z
2
_
+
_
b
1U

b
1

0
(1U)
2
_

=
_
0 1

_
z
1
z
2
_
(2.9)
La funcin de transferencia que relaciona el tensin incremental de salida con el valor incre-
mental de la relacin de trabajo, se obtiene del modelo linealizado (2.9) como:
G
U
(s) =
0
Z
1
(U)
s
b
Z
1
(U)
s
2
+
1
s +
2
0
(1 U)
2
(2.10)

Ejemplo 2.2: Linealizacin del sistema de levitacin magntica


Consideremos ahora el Modelo 8, en la pgina 14:
x
1
= x
2
x
2
= g
c
m
x
2
3
x
1
x
3
=
R
L
x
3
+
1
L
u
y = x
1
(1.19*)
cuyo punto de equilibrio est dado por:
x
1
= X
1
(X) = X ; x
2
= 0 ;
x
3
= X
3
(X) =
_
mgX
c
; u = U(X) = R
_
mgX
c
(1.20*)
En este caso se trata de un sistema de tercer orden, con lo cual las matrices constantes A, B
2.3 SISTEMA LINEALIZADO: ESPACIO DE ESTADO 39
y C estn dadas por:
A =
f(x, u)
x

X,U
=
_

_
f
1
(x,u)
x
1
f
1
(x,u)
x
2
f
1
(x,u)
x
3
f
2
(x,u)
x
1
f
2
(x,u)
x
2
f
2
(x,u)
x
3
f
3
(x,u)
x
1
f
3
(x,u)
x
2
f
3
(x,u)
x
3
_

X
1
(X),X
2
(X),X
3
(X),U(X)
=
_

_
0 1 0
g
X
0 2
_
cg
mX
0 0
R
L
_

_
B =
f(x, u)
u

X,U
=
_

_
f
1
(x,u)
u
f
2
(x,u)
u
f
3
(x,u)
u
_

X
1
(X),X
2
(x),X
3
(X),U(X)
=
_
_
0
0
1
L
_
_
C =
h(x)
u

X
=
_
h(x)
x
1
h(x)
x
2
h(x)
x
3
_

X
1
(X),X
2
(X),X
3
(X)
=
_
1 0 0

La evolucin de las perturbaciones de estado del modelo (1.19) estn gobernadas por el
sistema de ecuaciones diferenciales lineales obtenido del proceso de linealizacin alrededor de
los valores de equilibrio (1.20):
_
_
x
1
x
2
x
3
_
_
=
_

_
0 1 0
g
X
0 2
_
cg
mX
0 0
R
L
_

_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
0
1
L
_
_
u

=
_
1 0 0

_
_
x
1
x
2
x
3
_
_
(2.11)
La funcin de transferencia asociada a este sistema est dada por:
G
X
(s) =
y

(s)
u

(s)
=
2
L
_
cg
mX
_
s
2

g
X
_
_
s +
R
L
_ (2.12)

Ejemplo 2.3: Linealizacin aproximada del TRCA


El punto de equilibrio estable, parametrizado respecto de u = U, para el tanque de reaccin
continuamente agitado, Modelo 10, en la pgina 16, est dado por:
u = U; x
1
(U) =
U
1 +D
a1
; x
2
(U) =
1
2D
a2
_
1 +

1 +
4D
a1
D
a2
U
1 +D
a1
_
(2.13)
La linealizacin del sistema (1.24) alrededor de este punto de equilibrio est dada por:
x
1
= (1 +D
a1
)x
1
+u

x
2
= D
a1
x
1

1 +
4D
a1
D
a2
U
1 +D
a1
x
2

y = x
1
+x
2
como puede vericarse sin mayores esfuerzos.

40 LINEALIZACIN APROXIMADA
Figura 2.3: Motor de corriente continua
Modelo 20: Motor de corriente continua con carga (modelo de velocidad
angular)
Considrese un motor de corriente continua controlado por campo, provisto de excitacin separa-
da, el cual est esquematizado en la Figura 2.3. Sea Va el voltaje constante de armadura y sea i
f
la corriente de campo, que acta como variable de control. El conjunto de ecuaciones diferenciales
que describen la dinmica del sistema controlado estn dadas por:
La
dia
dt
+Raia +Kvi
f
= Va
J
d
dt
+B = Kvi
f
ia
(2.14)
Denamos las variables de estado y de control como:
x
1
= ia ; x
2
=
u = i
f
; Va = constante
De acuerdo a esta seleccin de las variables de estado, el sistema (2.14) queda representado
mediante un modelo bilineal en el espacio de estado dado por:
_
x
1
x
2
_
=
_

Ra
La
0
0
B
J
_
_
x
1
x
2
_
+u
_
0
Kv
La
Kv
J
0
_
_
x
1
x
2
_
+
_
Va
La
0
_
(2.15)
donde x
1
representa la corriente de armadura, x
2
es la velocidad angular del eje del motor; La
y Ra son, respectivamente, la inductancia y la resistencia en el circuito de armadura, Kv es la
constante de torque del motor, mientras que J y B son, respectivamente, el momento de inercia y
el coeciente de friccin viscosa asociados a la carga.
M
Ejemplo 2.4: Linealizacin aproximada de un motor de corriente continua
Consideremos el modelo anterior. El punto de equilibrio del sistema, generado por una corriente
de armadura constante dada por u = U, se obtiene directamente de (2.15). Resulta en:
_
x
1
(U)
x
2
(U)
_
=
Va
RaB +K
2
v
U
2
_
B
KvU
_
(2.16)
La linealizacin del sistema (2.15) alrededor del punto de equilibrio descrito se obtiene como:
_
x
1
x
2
_
=
_

Ra
La

KU
La
KU
J

B
J
_

_
_
x
1
x
2
_
+
_

K
2
VaU
La(RaB +K
2
U
2
)
K
2
BVa
J(RaB +K
2
U
2
)
_

_
u

(2.17)

2.4 VALIDEZ DEL MODELO LINEALIZADO 41


2.4. Validez del modelo linealizado:
Qu tan bueno es el Mtodo de la Linealizacin
Aproximada?
La linealizacin aproximada est fundamentada en retener como vlida
para la descripcin de un sistema en las vecindades de un punto de equi-
librio, a aquella representacin que se obtiene de los trminos de primer
orden de la expansin en serie de Taylor de la no-linealidad que caracteriza
al sistema como tal. Desde este punto de vista, las exigencias que hemos
impuesto al sistema son de diferenciabilidad por lo menos hasta un primer
orden.
Es indudable que las cantidades que estamos despreciando al tomar co-
mo sustitutos de las verdaderas perturbaciones a los primeros trminos en
la expansin propuesta, son cantidades que se tornan cada vez ms im-
portantes a medida que nos alejamos de las condiciones de equilibrio del
sistema. El deterioro de la representatividad que tiene la aproximacin li-
neal con respecto al comportamiento verdadero, ocasionado por los efectos
de las perturbaciones, puede hacerse tan burdo que cualquier resultado o
conclusin que obtengamos sobre esta base puede llegar a carecer de toda
signicacin cualitativa y cuantitativa!
Es oportuno sealar, adems, que el mtodo de la linealizacin aproxi-
mada no es aplicable a sistemas que exhiban no linealidades carentes de
derivadas.
Ejemplo 2.5: Un sistema que no es diferenciable
As, por ejemplo, el siguiente sistema no puede ser aproximado, bajo ninguna justicacin razon-
able, mediante la tcnica de expansin en serie de Taylor que hemos descrito:
x = sign x (2.18)
Es fcil ver, sin embargo, que este sistema tiene por punto de equilibrio x = 0 (cuyo signo
tambin se supone cero). Justamente en el origen, la funcin signo, designada aqu mediante las
siglas sign ", no es diferenciable sobre la recta real.

Mostraremos a continuacin un sencillo ejemplo, desarrollado de ma-


nera analtica, el cual nos permitir comenzar a comprender cul es el gra-
do de representatividad que puede tener la aproximacin de primer orden
que se emplea en el mtodo de la linealizacin aproximada, respecto del
comportamiento verdadero del sistema no lineal, sujeto a perturbaciones
de magnitud creciente. Otro ejemplo, desarrollado mediante simulacin, es
presentado en la prxima seccin.
Modelo 21: Tanque con prdida de lquido
Considrese el tanque de la Figura 2.4, el cual se alimenta a una rata constante u = U [m
3
/s]
con un cierto lquido. El parmetro A es el rea de la base del tanque y h representa la altura del
nivel del lquido medido desde la base del recipiente. La constante c representa un coeciente de
resistencia al escape del lquido.
42 LINEALIZACIN APROXIMADA
Figura 2.4: Sistema de un tanque con prdida de lquido
La ecuacin diferencial que describe la variacin de altura del lquido est dada por :

h =
c
A

h +
1
A
u
y = h
(2.19)
El punto de equilibrio del sistema, para un valor de entrada constante, u = U, est dado por
h = H = U
2
/c
2
.
M
Como ejercicio, recomendamos al lector comparar este modelo, de un solo
tanque, con el Modelo 15, en la pgina 19, para varios tanques.
Ejemplo 2.6: Validez de la linealizacin en un sistema no lineal simple
Considrese una pequea perturbacin en el valor constante del control dada por un sbito in-
cremento jo en la rata de alimentacin de lquido al tanque, de valor U, durante un perodo de
tiempo indenido.
Figura 2.5: Perturbacin de la seal de entrada al tanque
Nuestro objetivo es calcular, mediante linealizacin aproximada, el efecto de esta perturbacin
2.4 VALIDEZ DEL MODELO LINEALIZADO 43
y compararlo con un clculo preciso (es decir, sin aproximaciones) del nuevo valor de la altura del
tanque en equilibrio. Ver Figura 2.5.
De acuerdo a la ecuacin diferencial del sistema, el valor del nuevo estado de equilibrio (la
nueva altura del nivel del lquido) est dada por:
H +h

=
(U + U)
2
c
2
=
U
2
c
2
+
2UU + U
2
c
2
(2.20)
es decir, el valor exacto del efecto de la perturbacin de entrada sobre la altura nal del nivel del
lquido est dada por :
h

=
2UU + U
2
c
2
(2.21)
Por otro lado, el sistema linealizado alrededor del punto de equilibrio est dado por:

=
c
2A

H
h

+
1
A
u

= h

(2.22)
El valor nal de h

a un escaln de excitacin u

= U en este sistema linealizado est dado


por el valor de equilibrio del sistema lineal a una entrada constante. Este valor resulta
h

=
2
c

Hu

=
2UU
c
2
El error que se comete en este ejemplo, al utilizar la linealizacin aproximada, tiene una mag-
nitud cuadrtica respecto de la perturbacin de entrada y est dado por (U/c)
2
. El mtodo de
linealizacin es vlido en la medida en que el trmino (U/c)
2
sea completamente desprecia-
ble frente al valor de equilibrio de la perturbacin que hemos calculado de manera aproximada
2UU/c
2
. Por lo tanto, si U es grande, el error cometido es signicativo.

Como veremos ms adelante, el diseo basado en el sistema linealizado


funcionar en forma efectiva, al menos en un entorno pequeo alrededor
del punto de operacin deseado, para el sistema no lineal original, e in-
cluso para el sistema real, asumiendo que el modelo es lo sucientemente
preciso
2
. La hiptesis de que las aproximaciones de primer orden pueden
resultar sucientes para caracterizar el comportamiento local de un sis- Comportamiento
local en una
vecindad del
punto de
equilibrio
tema, constituye uno de los ms importantes supuestos en la teora de con-
trol, en muchas reas de la matemtica y, sobre todo, en las aplicaciones. El
principio de la tcnica de linealizacin aproximada se puede establecer en
la siguiente forma:
Validez de la Linealizacin Aproximada
El mtodo de la linealizacin aproximada es vlido en tanto que
las perturbaciones que afectan al comportamiento del sistema no
lineal, operando en equilibrio, sean pequeas, relativas a los va-
lores de equilibrio de las variables del sistema.
La aproximacin se deteriora en forma, cuando menos cuadrti-
ca, al admitir perturbaciones que representan excursiones signi-
cativas a partir de los valores de equilibrio de las variables de
entrada y estados iniciales del sistema.
2
En este contexto, sucientemente preciso signica que el modelo permite reejar con una
cierta aproximacin el comportamiento del sistema real original.
44 LINEALIZACIN APROXIMADA
2.5. Primer ejemplo en Matlab (R)
El siguiente ejemplo es el primero que presentaremos en el cual se em-
plea el programa Matlab (R) como herramienta auxiliar al anlisis y a los
diseos que propondremos. Recomendamos al lector familiarizarse con Mat-
lab (R) ya que el mismo nos ser til durante el desarrollo de este texto, al Matlab es una
herramienta til
para simular
ecuaciones
diferenciales
momento de ilustrar las propiedades de los sistemas no lineales controlados
estudiados y el comportamiento de las estrategias de control propuestas.
Matlab (R) es un ambiente numrico de propsito general orientado al
uso de estructuras de tipo vectorial y matricial, el cual permite ejecutar
algoritmos secuenciales con una amplia gama de aplicaciones. El uso prin-
cipal que le daremos ser como programa de simulacin numrica, es decir,
haremos uso de los algoritmos que tiene disponibles para la obtencin de
las soluciones de sistemas de ecuaciones diferenciales ordinarias.
2.5.1. Breve explicacin para la simulacin
En general, para simular un sistema no lineal controlado, se requieren
dos programas que llamaremos el programa de simulacin y el sistema o
modelo a simular. El programa de simulacin permite denir los lineamien- script
tos bsicos de la simulacin: tiempo de simulacin (inicial y nal), condi-
ciones iniciales y tipo de algoritmo de simulacin (ode23, ode45,. . . ); inclu-
sive podemos denir los parmetros del sistema controlado y hasta gracar
los resultados de la simulacin. Este programa consiste en un conjunto lgi-
co de instrucciones de ejecucin secuencial denominado script en el am-
biente Matlab (R). El corazn principal de este programa es el algoritmo de
simulacin. En este texto utilizaremos solamente dos tipos: ode23 o ode45, ode23,
ode45 los cuales son mtodos de resolucin de ecuaciones diferenciales mediante
las frmulas de Runge-Kutta de 2do. y 3er. orden (ode23) y 4to. y 5to. orden
(ode45).
El modelo a simular se presenta por medio de un programa o funcin,
llamado function en Matlab (R), en el cual se plantean explcitamente las function
ecuaciones diferenciales asociadas al sistema de control. Esencialmente,
posee dos parmetros de entrada, el tiempo t de simulacin y la variable
de estado x, debido a que stas son las variables utilizadas directamente
por los algoritmos de simulacin. Junto con las ecuaciones diferenciales
que representan el modelo sistema, debe aparecer la ley de control disea-
da, la cual puede estar denida a travs de variables auxiliares (locales).
A diferencia del script, el modelo a simular requiere un encabezado con
la palabra function <salida> = <nom\_arch>(t,x), donde <salida> corre-
sponde al vector x que reeja la dinmica del sistema, <nom\_arch> es el
nombre original del programa (el cual debera tener la extensin .m y el par
(t,x) representan las variables de tiempo y de estado correspondientes de
la simulacin y del sistema a simular.
Visite la pgina http://www.ing.ula.ve/~marquez/snl/ o directamente Pgina web
2.5 PRIMER EJEMPLO EN MATLAB (R) 45
http://www.ing.ula.ve/~marquez/matlab/ para obtener explicaciones adi-
cionales y enlaces a referencias exitentes en la web.
2.5.2. Comparacin entre el comportamiento de un pn-
dulo invertido y su linealizacin
A continuacin se presenta un problema de simulacin detallado, donde
se compara el comportamiento del modelo no lineal de un pndulo invertido
con el comportamiento del modelo lineal obtenido por linealizacin aproxi-
mada, alrededor de un punto de operacin dado (se considera la respuesta
en lazo abierto de ambos sistemas a partir de una condicin inicial dada).
Figura 2.6: Pndulo invertido sobre una plataforma mvil
Modelo 22: Pndulo invertido sobre una plataforma mvil
Considrese el sistema que se muestra en la Figura 2.6. Las ecuaciones que describen el compor-
tamiento del ngulo del pndulo invertido, de longitud 2L, con respecto a la direccin vertical, as
como el desplazamiento del mvil desde un punto jo (medido desde el 0 en el plano horizontal)
estn dadas por:
(mLcos )

+ (J +mL
2
)

= C

+mLg sen
(M +m)

+ (mLcos )

= F

+ (mLsen )

2
+u
(2.23)
donde se denen, como variables de estado, el desplazamiento horizontal del carro , y su veloci-
dad

, as como el desplazamiento angular del pndulo y su velocidad angular

correspondi-
ente. La variable de entrada u representa la fuerza con que se arrastra o se empuja al sistema,
con el objeto de controlarlo. Las constantes C y F representan los coecientes de friccin del
movimiento rotatorio del pndulo y del movimiento lineal del carrito; J es el momento de inercia
con respecto al centro de gravedad del pndulo y est dado, aproximadamente, por J = mL
3
/3.
El par de ecuaciones diferenciales de segundo orden (2.23) se puede representar con respec-
to a las derivadas de mayor orden de la siguiente forma:
_

_
=
_
J +mL
2
mLcos
mLcos M +m
_
1
_
C

+mLg sen
F

+mLsen()

2
+u
_
es decir,
_

_
=
_
1

[(M +m)
1
mLcos
2
]
1

_
mLcos
1
+ (J +mL
2
)
2

_
46 LINEALIZACIN APROXIMADA
donde
1
= C

+mLg sen ,
2
= F

+mLsen()

2
+u y = J(M +m) +mL
2
(M +
msen
2
).
Seleccionando como variables de estado a
x
1
= ; x
2
=

; x
3
= ; x
4
=

,
las dos ecuaciones diferenciales de segundo orden anteriores se pueden reescribir como un sis-
tema de cuatro ecuaciones diferenciales de primer orden:
x
1
= x
2
x
2
=
mLcos x
3

1
+ (J +mL
2
)
2

x
3
= x
4
x
4
=
(M +m)
1
mLcos x
3

(2.24)
M
Matlab 2.1: Simulacin de un pndulo invertido sobre una plataforma mvil
Considere el sistema de control del pndulo invertido sobre una plataforma mvil anterior. El punto
de equilibrio de este sistema, en la posicin vertical hacia arriba, es el siguiente:
x
1
= arbitrario = X, x
2
= 0, x
3
= 0, x
4
= 0, u = 0 (2.25)
Fsicamente, esto signica que podremos llevar la plataforma a una posicin horizontal cualquiera,
siempre y cuando llevemos el pndulo sobre la plataforma a su posicin vertical en equilibrio.
El sistema linealizado asociado al modelo (2.24) est dado por
x

= Ax

+Bu

(2.26)
donde
A =
f
x

(xe,ue)=(0,0)
=
_

_
0 1 0 0
0
F(J+mL
2
)
J(M+m)+mL
2
M

m
2
L
2
g
J(M+m)+mL
2
M
F(mLC
J(M+m)+mL
2
M
0 0 0 1
0
mLF
J(M+m)+mL
2
M
(M+m)mLg
J(M+m)+mL
2
M

C(M+m)
J(M+m)+mL
2
M
_

_
,
B =
f
u

(xe,ue)=(0,0)
=
_

_
0
J+mL
2
J(M+m)+mL
2
M
0

mL
J(M+m)+mL
2
M
_

_
A continuacin se presentan los programas de simulacin y el modelo a simular necesarios,
en Matlab (R), mediante los cuales se pueden comparar las respuestas del sistema linealizado
(2.26) y del sistema no lineal (2.24) en lazo abierto. Tomaremos como salida la posicin del centro
de gravedad (cg) del pndulo y(t) = x
1
(t) +Lsen(x
3
(t)).
El contenido de cada uno de los programas utilizados (spend.m,mpend.m y lpend.m) se pue-
de describir brevemente como sigue. El programa spend.m permite simular el modelo no lineal,
mpend.m contiene el modelo no lineal del sistema, ver Listado 2.1. El programa lpend.m, ver Lis-
tado 2.2, genera la comparacin entre el modelo lineal y el modelo no lineal. Se incluye el script
del sistema lineal en el Listado 2.2, a manera de ilustracin de algunas de las instrucciones que
se pueden emplear en Matlab (R) en el caso de simulacin de sistemas lineales. Las grcas
permiten observar las simulaciones del sistema no lineal y comparar con los resultados obtenidos
en el caso lineal. Nota: a partir del smbolo % se indican los comentarios para que el lector ten-
ga mayor claridad y comprenda mejor cmo funcionan. Los programas mencionados se pueden
encontrar en la pgina http://www.ing.ula.ve/~marquez/snl/.
2.5 PRIMER EJEMPLO EN MATLAB (R) 47
Listado 2.1: Simulacin del sistema no lineal spend.m
%% spend.m
%% Programa de simulacion del modelo
%% del pendulo invertido sobre una plataforma movil.
%% Parametros
global M F r0 u0 m L J C g
%% Movil (Cart )
M = 0.48; % masa
F = 3.83; % constante de friccion
%% Pendulo
m = 0.16; % masa
L = 0.25; % longitud del pendulo (distancia entre el eje y el centro de
% gravedad)
J = 0.0043; % momento de inercia alrededor del centro de gravedad
C = 0.00218; % constante de friccion
g = 9.8; % aceleracion de gravedad
%% condiciones iniciales
x0 = [0.4 0 pi/40 0];
%% tiempo de simulacion
ti = 0; tf = 1;
[t,x] = ode45(mpend,[ti tf],x0);
subplot(221),plot(t,x(:,1))
title(Posicion del movil),grid
subplot(222),plot(t,x(:,3))
title(Angulo de rotacion del pendulo),grid
subplot(223),plot(t,x(:,1)+L*sin(x(:,3)))
title(Posicion del c.g. del pendulo),grid
% fin de spend.m
Modelo del sistema mpend.m
%% mpend.m
%% modelo del pendulo invertido sobre una plataforma movil
%% para utilizarlo hay que ejecutar el programa spend.m
function xdot = mpend(t,x)
%% Parametros
global M F r0 u0 m L J C g
u = 0;
D1 = -C*x(4)+m*L*g*sin(x(3)); D2 = -F*x(2)+m*L*sin(x(3))*x(4)^2+u;
D = J*(M+m)+m*L^2*(M+m*sin(x(3))^2);
xdot = [x(2);
(-m*L*cos(x(3))*D1+(J+m*L^2)*D2)/D;
x(4);
((M+m)*D1-m*L*cos(x(3))*D2)/D];
%% fin de mpend.m
48 LINEALIZACIN APROXIMADA
Listado 2.2: Simulacin del sistema lineal y presentacin grca lpend.m
%% lpend.m
%% Modelo incremental
%% pendulo invertido sobre una plataforma movil.
%%
%% Se debe ejecutar despues de spend.m
%% Los parametros son los mismos de spend.m
Dt = J*(M+m)+M*m*L^2;
A = [0 1 0 0;
0 -F*(J+m*L^2)/Dt -m^2*L^2*g/Dt m*L*C/Dt;
0 0 0 1;
0 m*L*F/Dt (M+m)*m*L*g/Dt -C*(M+m)/Dt];
B = [0;
(J+m*L^2)/Dt;
0;
-m*L/Dt];
C = [1 0 L 0]; %% Consideramos como salida la posicion
%% del centro de gravedad y = x_1+L*sin(x_3)
D = 0;
T = (0:0.05:tf);
U = zeros(size(T));
%% condiciones iniciales x0, ver spend.m
[Y,X] = lsim(A,B,C,D,U,T,x0);
subplot(221),plot(t,x(:,1),y--,T,X(:,1),r)
title(Posicion del movil),grid
subplot(222),plot(t,x(:,3)*180/pi,y--,T,X(:,3)*180/pi,r)
title(Angulo de rotacion del pendulo),grid
subplot(223),plot(t,x(:,1)+L*sin(x(:,3)),y--,T,Y,r)
title(Posicion del cg),grid
%% fin de lpend.m
2.6 EJERCICIOS PROPUESTOS 49
Figura 2.7: Comportamiento local del sistema lineal (lnea continua ) y el sistema no
lineal (trazos - -)
Para ejecutar los programas desde la ventana de comandos de Matlab (R), se escribe:
> spend % ejecuta la simulacion del sistema no lineal
> lpend % ejecuta la simulacion del sistema lineal y grafica
En la Figura 2.7 se puede observar la equivalencia local entre el modelo linealizado y el
modelo no lineal original. Se observa como, a partir de un cierto instante, las dos respuestas se
separan. Esto simplemente rearma nuestra aseveracin acerca de que, respecto al sistema no
lineal, el modelo linealizado slo servir para mostrar el comportamiento del sistema original en
un entorno limitado del punto de operacin.

2.6. Ejercicios propuestos


Ejercicio 2.1: Modelo incremental del tanque biolgico
Considere el Modelo 4, en la pgina 9. Obtenga el modelo linealizado del sis-
tema alrededor del punto de equilibrio (1.9). ()
Ejercicio 2.2: Modelo incremental de la dinmica de un artefacto espacial
Considere el Modelo 6, en la pgina 12. Obtenga el modelo en variables incre-
mentales del artefacto espacial alrededor del punto de equilibrio (1.14). ()
50 LINEALIZACIN APROXIMADA
Ejercicio 2.3: Proceso de produccin de etanol en Matlab (R)
Obtenga el modelo incremental del Modelo 14, en la pgina 18, alrededor del
punto de equilibrio (1.32). Realice las simulaciones numricas del comportamiento
del sistema linealizado ante una seal escaln en lazo abierto u

(t) = 0,2, con una


concentracin de etanol nominal x1 = E = 0,7 (con condiciones iniciales en el punto
de equilibrio).
Realice el mismo experimento de simulacin (idntica seal de prueba y condi-
ciones iniciales) sobre el sistema no lineal original (1.31), usando para ello la
relacin dada por (2.7). Le sugerimos que compare los resultados obtenidos en los
dos sistemas y elabore sus propias conclusiones. ()
Ejercicio 2.4: Pndulo invertido sobre una plataforma mvil
Dejamos como ejercicio vericar que en el punto de equilibrio
x1 = arbitrario; x2 = 0; x3 = 0; x4 = 0
la linealizacin del Modelo 22, en la pgina 45, con x

= (x
1
, x
2
, x
3
, x
4
)
T
, est
dada por la expresin (2.26). Verique adems que otro punto de equilibrio de este
sistema es:
x1 = arbitrario; x2 = 0; x3 = ; x4 = 0
D una interpretacin fsica de este punto. Calcule el sistema linealizado (calcule las
matrices A, B y C) asociado al mismo. Nota: En general, en el punto de equilibrio el
valor de la posicin angular est dado por x3 = k (k Z). Verifquelo. ()
Figura 2.8: Manipulador robtico exible
Modelo 23: Manipulador robtico exible
Considere un manipulador robtico de un grado de libertad, con articulacin exible, representado
en la Figura 2.8. Las ecuaciones diferenciales que gobiernan este sistema no lineal estn dadas
por:
J
L

+B
L

+MgLsen +k( ) = 0
Jm

+Bm

k( ) = u
(2.27)
2.7 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 51
donde es la posicin angular del brazo manipulador y es la posicin angular del eje del motor,
la cual es ligeramente diferente de la anterior en virtud de la exibilidad del acoplamiento entre el
motor y el manipulador. Esta exibilidad ha sido modelada como un resorte torsional. La variable
u representa el torque aplicado por el motor a su carga, constituida en este caso por el brazo
mecnico.
Deniendo como variables de estado las siguientes:
x
1
= ; x
2
=

; x
3
= ; x
4
=

el modelo (2.27), en el espacio de estado, del manipulador exible resulta ser entonces:
x
1
= x
2
x
2
=
MgL
J
L
sen x
1

B
L
J
L
x
2

k
J
L
(x
1
x
3
)
x
3
= x
4
x
4
=
Bm
Jm
x
4
+
k
Jm
(x
1
x
3
) +
u
Jm
(2.28)
M
Ejercicio 2.5: Modelo incremental del manipulador exible
Verique que el punto de equilibrio del sistema (2.28), parametrizado respecto a
la posicin angular deseada, es el siguiente:
x1 = arbitrario = X, x2 = 0, x3 = X +
MgL
k
senX, x4 = 0, u = MgLsenX
Obtenga el modelo linealizado del manipulador alrededor del punto equilibrio dado.
()
2.7. Resumen del captulo y Lecturas adicionales
Este captulo constituye la base del diseo de controladores lineales me-
diante el mtodo de la linealizacin aproximada. Adicionalmente, como ver-
emos ms adelante, constituye la base, junto a los puntos de equilibrio para-
metrizados, del mtodo de linealizacin extendida.
A partir del modelo del sistema no lineal y usando el punto de equilibrio
deseado se obtiene, mediante el clculo de matrices jacobianas, el modelo
linealizado del sistema no lineal. El modelo linealizado resultante, tambin
llamado modelo incremental, ser empleado posterioemente para el diseo
de estrategias de control lineales. El concepto de variables incrementales
constituye la base de la aplicacin de compensadores lineales al caso de
sistemas no lineales, alrededor de puntos de equilibrio deseados.
Lecturas recomendadas
Varios de los textos que tratan a fondo el diseo de sistemas de control
lineales presentan en sus captulos introductorios una resea sobre lineali-
zacin de sistemas no lineales alrededor de puntos de equilibrio. Consulte
por ejemplo:
52 LINEALIZACIN APROXIMADA
1. K. Furuta, A. Sano, D. Atherton, State Variable Methods in Automatic
Control, Wiley, 1988, [FSA88]. En la seccin 1.2 se estudia el mode-
lado por variables de estado y se incluye se manera breve y simple el
enfoque de linealizacin presentado aqu.
2. K. Ogata, Ingeniera de Control Moderna, Prentice Hall, 2da. edicin,
1993, [Oga93]. Prcticamente un clsico entre los textos introducto-
rios a la teora de control.
3. G. F. Franklin, J. D. Powell, A. Emami-Naeini, Feedback Control of
Dynamic Systems, Prentice Hall, 1994, [FPEN94]. Desde el punto de
vista de motivacin y didctica, un texto para aprender y disfrutar la
lectura.
4. B. Kuo, Automatic Control Systems, Sptima edicin, Prentice Hall,
1995, [Kuo95]; N. Nise, Control System Engineering, Segunda edicin,
Addison Wesley, 1996, [Nis96].
Adicionalmente a los manuales que vienen con Matlab (R), de introduc-
cin a sus caractersticas y potencialidades, existen diferentes textos de
introduccin al uso de Matlab (R) para simulacin con scripts. Muchos
de estos manuales se encuentran disponibles en Internet. Existen actual-
mente muchos textos de sistemas de control que recomiendan el uso de
Matlab (R) como herramienta de trabajo, adems existen libros enteros con
aplicaciones de Matlab (R) al caso de sistemas de control.
Es de notar que Matlab (R) posee una herramienta muy til y ver-
stil, llamada Simulink (R), la cual permite trabajar con diagramas de
bloques para hacer simulaciones. Esta herramienta ser pocas veces em-
pleada a lo largo del texto, sin embargo, muchos de los modelos propuestos
ya han sido escritos en Simulink (R) y se pueden encontrar en la direccin
http://www.ing.ula.ve/~marquez/snl/.
Para una introduccin al uso de Matlab (R) en el anlisis y diseo de
leyes de control para sistemas lineales:
1. Existen diferentes textos introductorios, que constituyen verdaderos
cursos de sistemas de control lineales, apoyados con Matlab (R). Entre
ellos tenemos, por ejemplo: J. Wilkie, M. Johnson, R. Katebi, Control
Engineering: An Introductory Course, Palgrave Macmillan, 2001; R.H.
Bishop, Modern Control Systems Analysis & Design Using MATLAB
& Simulink, Addison-Wesley, 1997. Visite la pgina web de Math-
works, de los libros de texto basados en Matlab (R),
http://www.mathworks.com/support/books/, rbrica Controls & Sys-
tems, para conseguir informacin relativa a este tpico.
2. Visite la pgina web de la Universidad Carnegie-Mellon Control Tu-
torials for Matlab, http://www.engin.umich.edu/group/ctm/.
3
Realimentacin del vector
de estados
Foto
Es imprescindible entender que, al tratar de establecer leyes de
control sobre sistemas reales, y en particular sobre modelos no li-
neales, en base a modelos lineales aproximados, la validez de tales
acciones de regulacin est necesariamente restringida al rango
de validez de la linealizacin. No podr por lo tanto pretenderse que
un modelo as establecido sea vlido en todo el mbito de posible
variabilidad del sistema.
Cabe destacar, sin embargo, que gran parte de la tecnologa de
regulacin automtica, diseada para innumerables clases de pro-
cesos en la industria durante los ltimos 20 aos, est basada en
este solo hecho!
53
54 REALIMENTACIN DEL VECTOR DE ESTADOS
3.1. Motivacin
Es bien conocido que los procesos reales a ser controlados siempre sern
afectados por perturbaciones que desvian, de sus puntos de equilibrio, a
las variables que caracterizan al sistema. Se hace necesario, por lo tanto,
disear mecanismos de control que ayuden a mantener las variables del sis-
tema en sus valores nominales de operacin, a la luz de las perturbaciones
reinantes.
Estas perturbaciones pueden provenir del medio ambiente como inu-
encias de caracter aleatorio o generadas por pequeas variaciones de los
parmetros que denen el sistema dinmico. En ocasiones, las perturba-
ciones tambin pueden ser inducidas por operadores humanos en el deseo
de conducir experimentos sobre el sistema y su comportamiento controlado,
con el objetivo de realizar, por ejemplo, el diseo del modelo matemtico por
medio de identicacin, o ajuste (tuning en ingls) de los parmetros del
controlador.
En cualquiera de los casos enunciados, la linealizacin aproximada pue-
de ser til, en cuanto al diseo del controlador se reere, pues sta per-
mite obtener un modelo lineal que describe el comportamiento del sistema
alrededor de sus valores nominales como respuesta a las perturbaciones
que afectan al mismo.
El modelo linealizado exhibe en forma explcita la relacin entre las
perturbaciones de entrada y estados iniciales y su efecto en las variables
perturbadas de estado y salida del sistema. En consecuencia, este mode-
lo puede servirnos para proponer una perturbacin de caracter controlador
a la entrada incremental del sistema. El propsito de disear tal entrada
ser el de hacer que el efecto de las posibles perturbaciones en los estados
iniciales y variables de estado sea estabilizado a cero. Con esto se lograra
que el sistema no lineal original contine operando en su punto de equi-
librio nominal. Este captulo se dedica a desarrollar los esquemas bsicos
de aplicacin de la linealizacin aproximada en el diseo de estrategias de
control.
Presentaremos a continuacin el esquema de diseo de un controlador
esttico para un sistema linealizado basado en el conocimiento preciso del
vector de estado, al cual generalmente se le conoce con el nombre de con-
trolador por realimentacin del vector de estado.
3.2. Diseo de controladores mediante
linealizacin aproximada
Supondremos, en primer lugar, que el valor del estado del sistema x(t)
y de sus posibles perturbaciones x

(t) estn disponibles para medicin.


En este captulo partiremos, entonces, de la suposicin de que tenemos
conocimiento pleno de todas y cada una de las variables de estado pertur-
badas y podemos, por lo tanto, utilizarlas en esquemas de control realimen-
3.2 DISEO DE CONTROLADORES MEDIANTE LINEALIZACIN APROXIMADA 55
Figura 3.1: Relacin entre las variables originales y las variables incrementales
Figura 3.2: Sistema lineal que describe, en forma aproximada, el comportamiento de las
perturbaciones
tado.
El mtodo que estudiaremos est basado en suponer que los valores de
las perturbaciones de estado se describen mediante un sistema lineal obte-
nido por medio de linealizacin aproximada, a partir del modelo no lineal
original, alrededor del punto de equilibrio nominal del sistema. De esta for-
ma, reemplazaremos los valores reales de las perturbaciones por las aprox-
imaciones obtenidas por linealizacin, representadas por un sistema lineal.
Sabemos que esta sustitucin es vlida solo cuando los valores de las per-
turbaciones son sucientemente pequeos.
En efecto, el esquema de la Figura 2.1, reproducido en la Figura 3.1, nos
muestra que el comportamiento de los efectos de las perturbaciones sobre el
sistema no lineal son reemplazables, en forma aproximada, por un sistema
lineal.
Observemos al sistema no lineal de la Figura 3.1 como una relacin en-
tre u

(t) y x

(t). Es evidente que al encontrar un control estabilizante como


funcin de las variables perturbadas de estado x

(t), entonces este control


debe garantizarnos la estabilizacin a cero de dichas variables perturbadas.
Entre u

(t) y x

(t) existe una relacin lineal aproximada que podemos


representar como se muestra en la Figura 3.2.
Es indudable que si logramos establecer una prescripcin que especi-
que al control, o entrada incremental, u

(t) en trminos del estado in-


cremental x

(t), nuestro problema no lineal original queda reducido a un


problema lineal. Esto es cierto en tanto que las magnitudes de las pertur-
baciones, a las cuales se ve sometido el sistema original, sean lo suciente-
mente pequeas como para no desviar signicativamente los valores de las
variables de estado originales de sus puntos de operacin nominales.
56 REALIMENTACIN DEL VECTOR DE ESTADOS
Figura 3.3: Sistema lineal realimentado linealmente
Figura 3.4: Esquema de control lineal por realimentacin del vector de estado para
sistemas no lineales
La estrategia a seguir consistir en disear una ley de control lineal
para el sistema de la Figura 3.2, de manera de estabilizar a cero las va-
riables de estado perturbadas x

(t). El esquema de control, desde el punto


de vista lineal, sera el que se muestra en la Figura 3.3. Finalmente, en
trminos del sistema no lineal original, el esquema de control sera el rep-
resentado en la Figura 3.4.
Cabe ahora preguntarnos: cundo ser efectivo utilizar el esquema de
control ilustrado en la Figura 3.4?. Es decir, qu limitaciones deben existir
para que, en ciertos casos, el esquema de control propuesto no funcione
satisfactoriamente?.
Puesto que hemos reemplazado el problema de control no lineal por uno
lineal, estas preguntas se reducen a plantear las condiciones bajo las cuales
el sistema de la Figura 3.2 es estabilizable mediante realimentacin cons-
tante de las variables de estado incrementales. Para ello recordemos el si-
3.2 DISEO DE CONTROLADORES MEDIANTE LINEALIZACIN APROXIMADA 57
guiente teorema bsico de la teora de sistemas lineales: Controlabilidad y
realimentacin
del vector de
estado
Teorema 3.1: Estabilizabilidad usando realimentacin de estados
La condicin necesaria y suciente para que el sistema lineal
x

= Ax

+Bu

(3.1)
sea estabilizable mediante una ley de control por realimentacin constante
del vector de estado, es que el par (A, B) sea controlable. Si el sistema es
incontrolable, ste puede an estabilizarse mediante realimentacin si y solo
si los modos incontrolables son asintticamente estables.
Este teorema est asociado al muy conocido teorema de colocacin de
polos, el cual asevera que los polos de un sistema controlable pueden ser
asignados de la manera deseada mediante una realimentacin lineal de las
variables de estado.
En la literatura siempre se distingue entre sistemas controlables y sis-
temas estabilizables. Todo sistema controlable es estabilizable. Sin embar-
go, no todo sistema estabilizable es per se controlable. De hecho existe, como
reza el teorema anterior, la posibilidad de tener un sistema incontrolable
que sea estabilizable. La nocin de estabilizabilidad de un sistema repre-
senta un requerimiento ms dbil que el implicado por la nocin de contro-
labilidad. Ms adelante ilustraremos estos conceptos mediante el ejemplo
Matlab 3.2, en la Seccin 3.3.
Afortunadamente, casi todos los sistemas lineales son controlables! Para
explicar esta aseveracin debemos decir que si escogemos aleatoriamente
los valores numricos que intervienen en la conformacin de la matriz A y
los del vector B, entonces, con probabilidad uno
1
, el sistema resultante es
controlable. Esto se debe a que en el espacio de los parmetros del sistema
lineal (cuya dimensin es n
2
+ n = n(n + 1)) el conjunto de valores de esos
parmetros que hacen cero al determinante de la matriz de controlabilidad,
es decir, los valores numricos de la matriz A y del vector B que hacen cero
la matriz de controlabilidad:
C = det
_
B : AB : . . . : A
n1
B

forman una variedad algebraica, es decir, una unin de planos, cuya medida
es cero (entendamos por tal medida el hipervolumen). En consecuencia, al
escoger un punto aleatoriamente en este espacio de dimensin n(n+1), con
probabilidad uno caeremos fuera de esta variedad algebraica. Una forma de
ilustrar lo que decimos consiste en dibujar una o varias lneas en una hoja
de papel en forma desordenada, luego proponer dos nmeros aleatorios que
representen coordenadas adoptadas sobre dos bordes contiguos de la hoja
y, por ltimo, ver si los nmeros propuestos al azar representan un punto
de alguna de las lineas que hemos trazado. Como es fcil imaginarse, es
muy difcil caer exactamente sobre una de las lneas dibujadas. Es posible
1
En trminos prcticos, con probabilidad uno signica casi con absoluta certeza.
58 REALIMENTACIN DEL VECTOR DE ESTADOS
predecir que, si el experimento se hace adivinando en forma aleatoria, por
ejemplo, pidindole a un amigo quien no ve la hoja ni el resultado de
sus intentos el decir las coordenadas en cuestin, entonces es casi seguro
que de cien intentos que hagamos caeremos cien veces fuera de las rectas
dibujadas!
El resultado anterior y nuestra seguridad de encontrarnos frente a un
sistema controlable nos hace concluir que el mtodo tendr limitaciones
solamente relativas a la magnitud de las perturbaciones que se requiere
controlar, es decir, las mismas debern ser sucientemente pequeas.
Ejemplo 3.1: Realimentacin de estados: sistema de levitacin magntica
Consideremos el Modelo 8, en la pgina 14. Tomaremos como punto de equilibrio aquel parame-
trizado respecto a X, ver (1.20):
x
1
= X
1
(X) = X ; x
2
= 0 ;
x
3
= X
3
(X) =
_
mgX
c
; u = U(X) = R
_
mgX
c
Emplearemos esta parametrizacin pues, de esta manera, la ley de control lineal vendr direc-
tamente en trminos del error de la variable que se desea controlar (y no en trminos de una
variable que est indirectamente relacionada con ella).
Deniremos, como siempre, las variables de estado incrementales utilizando los valores de
equilibrio de los estados y los controles:
x
1
= x
1
X =
cU
2
mgR
2
; x
2
= x
2
; x
3
= x
3
X
3
(X) ; u

= u U(X)
La evolucin de las perturbaciones de estado estn gobernadas por el sistema de ecuaciones
diferenciales lineales obtenido del proceso de linealizacin alrededor de los valores de equilibrio:
d
dt
_
_
x
1
x
2
x
3
_
_
=
_

_
0 1 0
g
X
0 2
_
cg
mX
0 0
R
L
_

_
_
_
x
1
x
2
x
3
_
_
+
_

_
0
0
1
L
_

_ u

(3.2)
Vericamos, entonces, que el sistema linealizado es controlable:
C = [B : AB : A
2
B] =
_

_
0 0
2
L
_
cg
mX
0
2
L
_
cg
mX
2R
L
_
cg
mX
1
L

R
L
2
R
2
L
3
_

_
y, por lo tanto, det C =
4cg
L
3
mX
= 0, es decir, el sistema es controlable.
Resulta lgico pensar que si mediante una ley de control lineal, dada por:
u

= K
1
x
1
K
2
x
2
K
3
x
3
logramos que el estado incremental x

tienda a cero asintticamente, habremos logrado que el


estado x del sistema no lineal se acerque a su valor de equilibrio.
Examinemos brevemente la naturaleza del sistema en lazo abierto, es decir, sin control. La
matriz A del sistema, extraida directamente de (3.2), est dada por
A =
_

_
0 1 0
g
X
0 2
_
cg
mX
0 0
R
L
_

_
3.2 DISEO DE CONTROLADORES MEDIANTE LINEALIZACIN APROXIMADA 59
Figura 3.5: Ubicacin de los polos del sistema (3.2) en lazo abierto
Los autovalores de A determinan la estabilidad del sistema alrededor del origen (x

= 0), cuando
u

= 0. Tales autovalores se obtienen a partir de las races del polinomio caracterstico de la


matriz A, el cual se calcula de la manera siguiente:
p
A
(s) = det(sI A) = s
3
+
R
L
s
2

g
X
s
gR
XL
= s
2
_
s +
R
L
_

g
X
_
s +
R
L
_
=
_
s +
R
L
_
_
s
2

g
X
_
Las races de este polinomio resultan
s
1
=
R
L
; s
2
=
_
g
X
El sistema linealizado cuenta, por tanto, con dos races estables (ubicadas en el lado izquierdo
del plano complejo) y una raiz inestable (ubicada en el semiplano derecho del plano complejo),
tal como se muestra en la Figura 3.5. La respuesta en lazo abierto del sistema linealizado cuenta
entonces con trminos exponenciales de la forma exp(R/Lt), exp(
_
g/Kt) y exp(
_
g/Kt).
Uno de estos trminos crece de manera indenida dando lugar a inestabilidad. Ejercicio: Cmo
se explica esta inestabilidad desde el punto de vista fsico?
A pesar de que el sistema sea naturalmente inestable, podemos sin embargo, debido a que
el sistema es controlable, garantizar la existencia de una ley de realimentacin lineal que hace
al sistema en lazo cerrado asintticamente estable. La realimentacin lineal permitir ubicar los
polos del sistema en lazo cerrado en puntos pre-seleccionados del plano complejo.
Deseamos por ejemplo, que el sistema linealizado (de tercer orden) en lazo cerrado tenga sus
polos ubicados en las races del siguiente polinomio caracterstico deseado:
p
d
(s) = (s +)(s
2
+ 2n +
2
n
) = s
3
+ (2n +)s
2
+ (
2
n
+ 2n)s +
2
n
(3.3)
A manera de recordatorio, es conocido como relacin de amortiguamiento y n es la
frecuencia natural no amortiguada correspondiente al par de polos complejos conjugados que
genera el factor de segundo grado. La Figura 3.6 muestra una posible disposicin de los polos
deseados del sistema, en la cual los polos complejos conjugados son dominantes (en la Figura se
han tomado a = , b = n y c = n
_
1
2
).
El sistema en lazo cerrado est dado por:
d
dt
_
_
x
1
x
2
x
3
_
_
=
_

_
0 1 0
g
X
0 2
_
cg
mX

K
1
L

K
2
L

R
L

K
3
L
_

_
_
_
x
1
x
2
x
3
_
_
60 REALIMENTACIN DEL VECTOR DE ESTADOS
Figura 3.6: Polos del sistema (3.2) en lazo cerrado
y su polinomio caracterstico resulta:
p
ABK
(s) = det(sI A)
= s
3
+
_
R
L
+
K
3
L
_
s
2
+
_
2
K
2
L
_
cg
mX

g
X
_
s
+
_
2
K
1
L
_
cg
mX

g
X
_
R
L
+
K
3
L
__
Si igualamos este polinomio, trmino a trmino, con el polinomio deseado p
d
(s) dado por
(3.3), obtenemos el siguiente sistema de ecuaciones lineales para las ganancias de realimentacin
K
1
, K
2
y K
3
,
R
L
+
K
3
L
= 2n +
2
K
2
L
_
cg
mX

g
X
=
2
n
+ 2n
2
K
1
L
_
cg
mX

g
X
_
R
L
+
K
3
L
_
=
2
n

de donde resultan
K
1
=
L

mX
_
2g n +g +
2
n
X
_
2

cgX
; K
2
=
L

mX
_
g +
2
n
X + 2 n X
_
2

cgX
;
K
3
= R + 2 n L +L
El esquema de control est representado entonces, al menos conceptualmente, por medio del
diagrama mostrado en la Figura 3.7.
El controlador lineal queda dado por la siguiente expresin:
u =
_
L

mX
_
2g n +g +
2
n
X
_
2

cgX
_
(x
1
X)

_
L

mX
_
g +
2
n
X + 2 n X
_
2

cgX
_
x
2
(R + 2 n L +L)
_
x
3

_
mgX
c
_

Ejemplo 3.2: Diseo del control lineal de un reactor de sin por medio de
linealizacin aproximada
La linealizacin del Modelo 12, en la pgina 17, alrededor del punto de equilibrio
x
1
= X
1
(N) = N; x
1
= X
1
(N) =
N
L
; u = 0
3.2 DISEO DE CONTROLADORES MEDIANTE LINEALIZACIN APROXIMADA 61
Figura 3.7: Esquema de realimentacin lineal de estados para el sistema de levitacin
magntica
se expresa mediante
x
1
=

L
x
1
+x
2
+
N
L
u

x
2
=

L
x
1
x
2
As, las matrices del sistema A y de entrada B estn dadas por:
A =
_

_ ; B =
_
N
L
0
_
El sistema es evidentemente controlable pues su matriz de controlabilidad es no singular como
se puede constatar facilmente:
C = [B : AB] =
_

_
N
L

N
L
2
0
N
L
2
_

_ ; det C =
N
2
L
3
= 0
De esta forma, utilizamos para el sistema lineal la ley de control incremental dada por
u

= K
1
x
1
K
2
x
2
,
lo cual hace que el sistema en lazo cerrado adquiera la forma:
x

=
_

L

N
L
K
1

N
L
K
2

L

_
x

El polinomio caracterstico de este sistema est dado por:


p
AKB
= s
2
+
_
+

L
+
N
L
K
1
_
s +
_

N
L
K
1
+
N
L
2
K
2
_
(3.4)
62 REALIMENTACIN DEL VECTOR DE ESTADOS
Evidentemente, las ganancias de diseo K
1
y K
2
pueden escogerse independientemente
para hacer que el polinomio caracterstico del sistema en lazo cerrado iguale a un cierto polinomio
caracterstico deseado, dado por
p
d
= s
2
+ 2ns +
2
n
(3.5)
Los valores de K
1
y K
2
se obtienen entonces igualando trmino a trmino los coecientes de
los polinomios (3.4) y (3.5):
K
1
=
L
N
_
2n

L
_
; K
2
=
L
2
N
_

2
n

_
2n

L
__
La ley de control realimentado que estabiliza el modelo incremental se expresa entonces de
la manera siguiente:
u

=
L
N
_
2n

L
_
x
1

L
2
N
_

2
n

_
2n

L
__
x
2
La ley de control lineal que estabiliza al sistema no lineal se consigue sustituyendo las varia-
bles incrementales x
1
, x
1
y x

por sus valores:


x
1
= x
1
N; x
2
= x
2

N
L
; u

= u
de donde resulta
u =
L
N
_
2n

L
_
(x
1
N)
L
2
N
_

2
n

_
2n

L
__ _
x
2

N
L
_

3.3. Ejemplos en Matlab (R)


Basados en la tcnica de linealizacin aproximada, a continuacin se
presenta el diseo de controladores basados en realimentacin del vector
de estados para dos sistemas no lineales: un artefacto espacial y un reactor
de sin. Se ilustra por medio de Matlab (R) la respuesta en lazo cerrado,
simulada numricamente, para observar el desempeo de dichos contro-
ladores.
Ejemplo 3.3: Diseo del control (lineal) de la orientacin de un artefacto
espacial
Consideremos nuevamente el Modelo 6, en la pgina 12:
x
1
= x
2
x
2
=
FL
J
sen x
3
x
3
= Ru
Bajo la suposicin de que todas las variables de estado son medibles y, por lo tanto, utiliz-
ables en cualquier poltica de control realimentado, procedemos a denir las variables perturbadas
alrededor de los valores nominales de equilibrio, los cuales, se asume, son coincidentes con las
condiciones inherentes a la posicin deseada:
x
1
= x
1
; x
2
= x
2
; x
3
= x
3
; u

= u
La linealizacin del sistema alrededor de su punto de equilibrio constante est dada por las ecua-
ciones:
x
1

= x
2
x
2

=
_
FL
J
cos X
3
_
X
3
=0
x
3
=
FL
J
x
3
x
3

= Ru

3.3 EJEMPLOS EN MATLAB (R) 63


las cuales se reescriben en trminos matriciales en la forma:
d
dt
_
_
x
1
x
2
x
3
_
_
=
_
_
0 1 0
0 0
FL
J
0 0 0
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
0
R
_
_
u

(3.6)
A continuacin, algunas caractersticas a notar. El sistema linealizado es independiente del
punto de equilibrio. Tambin es fcil ver que el sistema es completamente controlable debido a
que la matriz de controlabilidad, dada por:
C =
_
_
0 0
FLR
J
0
FLR
J
0
R 0 0
_
_
,
es de rango completo (es decir, rango C = 3) pues su determinante es distinto de cero.
Proponemos una ley de control realimentado del tipo lineal especicada mediante la expresin
u

= K
1
x
1
K
2
x
2
K
3
x
3
Esta ley de control conlleva, en consecuencia, la siguiente expresin para el sistema contro-
lado en lazo cerrado:
d
dt
_
_
x
1
x
2
x
3
_
_
=
_
_
0 1 0
0 0
FL
J
RK
1
RK
2
RK
3
_
_
_
_
x
1
x
2
x
3
_
_
Puesto que nuestro inters fundamental est en inducir una dinmica controlada, para el val-
or de las perturbaciones del estado, de naturaleza asintticamente estable a cero, los valores de
las ganancias K
1
, K
2
, K
3
deben especicarse de tal manera que los autovalores del sistema
autnomo anterior (sistema en lazo cerrado) tengan parte real negativa. Con el objeto de obtener
esta especicacin calculamos el polinomio caracterstico y lo igualamos a alguno del cual sabe-
mos tiene sus races en el semiplano izquierdo en valores preestablecidos.
El polinomio caracterstico del sistema lineal en lazo cerrado est dado por:
det(sI A+BK) = det
_
_
s 1 0
0 s
FL
J
RK
1
RK
2
s +RK
3
_
_
(3.7)
= s
3
+RK
3
s
2
+
FLRK
2
J
s +
FLRK
1
J
(3.8)
Como puede apreciarse, de la conformacin de este polinomio caracterstico resulta que los pa-
rmetros de diseo K
1
, K
2
y K
3
intervienen independientemente en cada trmino del polinomio.
Este hecho permitir obtener estos valores al igualar el polinomio caracterstico a uno deseado
cuyos polos se encuentran en el semiplano izquierdo.
Supongamos que deseamos contar con una localizacin de polos como la que se muestra
en la Figura 3.8. Es decir, deseamos que el polinomio caracterstico p
d
en lazo cerrado est dado
por:
p
d
(s) = (s +a)(s +b j c)(s +b + j c) = (s +a)(s
2
+ 2bs +b
2
+c
2
)
= s
3
+ (2b +a)s
2
+ (b
2
+c
2
+ 2ab)s +a(b
2
+c
2
) (3.9)
donde a, b y c son conocidos y se escogen de tal manera que la respuesta temporal, por ejemplo,
tenga caractersticas deseables (tiempo de ascenso, sobrepaso, tiempo de estabilizacin, etc.).
Igualando los coecientes de las mismas potencias de los polinomios (3.8) y (3.9) obtenemos
el siguiente conjunto de ecuaciones para los parmetros de diseo:
RK
3
= 2b +a
FLRK
2
J
= b
2
+c
2
+ 2ab
FLRK
1
J
= a(b
2
+c
2
)
64 REALIMENTACIN DEL VECTOR DE ESTADOS
Figura 3.8: Ubicacin de polos, en el plano complejo, para el artefacto espacial en lazo
cerrado
de donde obtenemos en forma inmediata los valores requeridos de los parmetros de diseo:
K
1
= J
a(b
2
+c
2
)
FLR
; K
2
= J
b
2
+c
2
+ 2ab
FLR
; K
3
=
2b +a
R
La ley de control lineal retroalimentada que estabiliza el modelo incremental alrededor del
origen est dada entonces por:
u

= J
a(b
2
+c
2
)
FLR
x
1
J
b
2
+c
2
+ 2ab
FLR
x
2

2b +a
R
x
3
El controlador lineal que estabiliza el sistema a su punto de equilibrio x
1
= , x
2
= 0, x
3
= 0,
se obtiene sustituyendo las variables incrementales en el controlador lineal por sus valores en
funcin de las variables originales. En este caso, el controlador est dado entonces por:
u = u

= J
a(b
2
+c
2
)
FLR
(x
1
) J
b
2
+c
2
+ 2ab
FLR
x
2

2b +a
R
x
3
(3.10)

Es necesario recalcar que Validez local


la validez del controlador lineal obtenido anteriormente se cir-
cunscribe a valores cercanos al punto de equilibrio deseado.
En virtud de las no linealidades del sistema, cuando se pretende utilizar
un control lineal simple que, de por s, no toma en cuenta las complejidades
globales del sistema y solo sus expresiones locales, el resultado puede ser
un rotundo fracaso en lograr el control del sistema. Esto se ilustra en los
prximos prrafos mediante simulaciones numricas realizadas en el com-
putador. Control lineal del
artefacto espacial
mediante
realimentacin
del vector de
estado
Matlab 3.1: Simulacin del comportamiento en lazo cerrado del artefacto
espacial, controlado mediante linealizacin aproximada
Las respuestas del sistema controlado (1.13) en lazo cerrado con la ley de control (3.10) se mues-
tran en la Figura 3.9. En este grco se presentan la posicin angular de orientacin de la tobera,
la velocidad angular de orientacin, la posicin angular de la tobera, as como la seal de control
usada en estabilizar el sistema. Note que el sistema tiene como condicin inicial x
1
(0) = 2 rad,
x
2
(0) = 0 rad/seg, x
3
(0) = 0 rad. Los valores utilizados en la simulacin fueron:
Parmetros del sistema:
F = 200; L = 3; R = 20; J = 50;
3.3 EJEMPLOS EN MATLAB (R) 65
Figura 3.9: Comportamiento en lazo cerrado del artefacto espacial controlado
66 REALIMENTACIN DEL VECTOR DE ESTADOS
Figura 3.10: Comportamiento del artefacto espacial obtenido por simulacin del sistema
controlado, para desviaciones iniciales signicativas del punto de equilibrio
Parmetros del controlador:
a = 2,0; b = 3,5; c = 12,75; = 2,5
Como se observa en la Figura 3.9, el controlador (3.10) estabiliza, exitosamente, la posicin an-
gular del artefacto desde una posicin cercana a la posicin deseada.
El listado del programa sejem1.m, con el cual se pueden obtener las simulaciones numricas,
se presenta en el Listado 3.1. En el programa sejem1.m incluimos los comandos necesarios para
la generacin de los grcos. En el Listado 3.2 se transcribe el programa ejemplo1.m, realizado
en Matlab (R), donde se presenta el modelo y la ley de control lineal del sistema no lineal.
Recordemos que hemos mencionado que el mtodo de la linealizacin aproximada funcionar
en tanto las perturbaciones sean sucientemente pequeas. Sin embargo, determinar cuando
esto ocurre solo depende del sistema estudiado en particular. Utilizaremos el ejemplo desarrol-
lado para ilustrar nuestro punto. En la Figura 3.10 se ha repetido la simulacin anterior desde
una posicin inicial sucientemente alejada de la posicin nal de equilibrio, en este caso para
x
1
(0) = 0. Se puede observar que, bajo estas condiciones, el controlador lineal falla en estabilizar
el sistema al valor de equilibrio deseado, el sistema ya no se estabiliza alrededor de = 2,5 rad.
Ejercicio: Explique este hecho. Determine los puntos de equilibrio del sistema en lazo cerrado y
observe cules son estables y cules inestables.

3.3 EJEMPLOS EN MATLAB (R) 67


Listado 3.1: Programa de simulacin del artefacto espacial sejem1.m
% sejem1.m
% Programa de generacion de los graficos del ejemplo1.m
% tiempo de simulacion
ti = 0; tf = 3;
%% condiciones iniciales:
%% cerca del punto de equilibrio
x0 = [2 0 0];
%% lejos del p.e.
%%x0 = [0 0 0];
%% simulacion
[t,x] = ode45(ejemplo1,[ti tf],x0);
%% Posicion angular (x(1))
subplot(2,2,1), plot(t,x(:,1))
title(Posicin angular)
xlabel(tiempo t)
ylabel(theta)
%% Velocidad angular (x(2))
subplot(2,2,2), plot(t,x(:,2))
title(Velocidad angular)
xlabel(tiempo t)
ylabel(omega)
%% Angulo de orientacin de la tobera (x(3))
subplot(2,2,3), plot(t,x(:,3))
title(Orientacin de la tobera)
xlabel(tiempo t)
ylabel(beta)
%% Variable de control (u)
F = 200; L=3; R=20; J =50; a =2; b=3.5; c = 12.75; Theta = 2.5;
u = -J*a*(b^2+c^2)/F/L/R*(x(:,1)-Theta)-J*(b^2+c^2+2*a*b)/F/L/R*x(:,2)-...
(2*b+a)/R*x(:,3);
subplot(2,2,4), plot(t,u)
title(Variable de control)
xlabel(tiempo t)
ylabel(u)
% fin de sejem1.m
68 REALIMENTACIN DEL VECTOR DE ESTADOS
Listado 3.2: Simulacin del artefacto espacial: modelo ejemplo1.m
function xdot=ejemplo1(t,x)
%% ejemplo1.m
%%
%% Primer ejemplo de simulacion numerica:
%% Control de orientacion de un artefacto espacial por medio
%% de linealizacion aproximada
%%
%% Este programa simula la respuesta de un modelo de tercer
%% orden, que representa un artefacto espacial del cual se requiere
%% una reorientacion angular mediante control de las variables
%% de estado: posicion, velocidad y orientacion de la tobera.
%% El controlador disen~ado esta basado en linealizacion
%% aproximada alrededor del punto de equilibrio deseado.
%% parametros del sistema
F = 200; L=3; R=20; J =50;
%% parametros del controlador
a =2.0; b=3.5; c = 12.75; Theta = 2.5;
%% Ley de control
u = -J*a*(b^2+c^2)/(F*L*R)*(x(1)-Theta)-J*(b^2+c^2+2*a*b)/F/L/R*x(2)-...
(2*b+a)/R*x(3);
%% Ecuaciones de estado
xdot = [x(2) ; F*L/J*sin(x(3)) ; R*u];
%% Fin de ejemplo1.m
Matlab 3.2: Ejemplo de diseo para un proceso incontrolable de produc-
cin de etanol
La linealizacin del Modelo 14, en la pgina 18, alrededor del punto de equilibrio (1.32)
x
1
= X
1
(E) = E; x
2
= X
2
(E) = 1 E; u = U(E) =
1 E
E
,
arroja la siguiente expresin para la dinmica incremental:
x
1
= x
2
x
1
1 E
E
Eu

x
2
=
1
E
x
2
+ (1 x
2
)u

(3.11)
Es decir, las matrices del sistema incremental resultante estn dadas por
A =
_

1 E
E
1
0
1
E
_

_ ; B =
_
E
E
_
Es fcil ver que el sistema lineal no satisface la condicin de controlabilidad. En efecto, la
matriz de controlabilidad est dada por
C = [B : AB] =
_
E 1
E 1
_
de tal forma que su determinante se anula, det C = 0.
En este caso, el procedimiento a seguir consiste en transformar el sistema linealizado, con
el objeto de esclarecer cul de los modos del sistema es el modo incontrolable. Es necesario
seguir los siguientes pasos porque lo que queremos es determinar si el modo incontrolable es
estabilizable (esto es, posee una dinmica asintticamente estable a cero).
3.3 EJEMPLOS EN MATLAB (R) 69
Considrese la siguiente transformacin del vector de estados:
z
1
= x
1
+x
2
z
2
= x
1
(3.12)
la cual es, evidentemente, invertible.
Las ecuaciones diferenciales para z

resultan ser:
z
1
=
_
1
1
E
_
z
1
z
2
=
1
E
z
2
+Eu

De las ecuaciones resultantes, la ltima exhibe claramente a z


1
como modo incontrolable del
sistema, mientras que z
2
representa el modo controlable del mismo.
Afortunadamente, como se observa, el modo incontrolable del sistema es, evidentemente,
asintticamente estable, en virtud de las restricciones, dadas por (1.33), que pesan sobre el valor
de E desde un principio, 0 < E < 1. Esto hace que la cantidad 1 1/E, que representa el
autovalor asociado a z
1
, sea, efectivamente, menor que cero. En conclusin, el valor de esta
variable de estado transformada tiende a cero, por s sola, en forma exponencial.
El diseo del controlador se reduce a prescribir una ley de control que estabilice al modo z
2
a cero (z
2
= x
1
= concentracin incremental de etanol.
Hacemos, entonces,
u

= Kz
2
= Kx
1
de donde resulta un sistema en lazo cerrado de la forma
z
2
=
_
1
E
+KE
_
z
2
Igualando el nico autovalor a una cantidad real negativa , se tiene:
u

= Kx
1
=
1
E
_

1
E
_
x
1
Es evidente que el controlador no hace uso de la variable de estado (o modo) incontrolable del
sistema.
Como consecuencia de la poltica de control adoptada para el sistema incremental transfor-
mado, adems del hecho de que la parte incontrolable del sistema presenta una dinmica asintti-
camente estable a cero, ambos valores de las variables z
1
y z
2
convergen a cero. Por lo tanto,
debido a la transformacin (3.12), x
1
y x
2
convergen tambin a cero. Los estados originales x
1
y x
2
del sistema convergen, como queramos, a sus puntos de equilibrio.
El controlador lineal, que regula al sistema no lineal, est dado entonces por:
u = U(E)
1
E
_

1
E
_
(x
1
E)
=
1 E
E

1
E
_

1
E
_
(x
1
E)
En la Figura 3.11 se muestra la simulacin del comportamiento controlado del sistema en la
lazo cerrado. El punto de equilibrio tomado para la concentracin de etanol es de E = 0,7.

70 REALIMENTACIN DEL VECTOR DE ESTADOS


Listado 3.3: Programa de simulacin del proceso incontrolable de produccin de etanol
sejem2.m
% sejem2.m
% Programa de simulacion y generacion de los graficos del ejemplo2.m
% tiempo de simulacion
ti = 0;
tf = 4;
%% condiciones iniciales:
x0 = [0.1 0.9];
%% simulacion
[t,x] = ode45(ejemplo2,[ti tf],x0);
%% Concentracion del etanol (x(1))
subplot(2,2,1), plot(t,x(:,1))
title(Concentracin del etanol)
xlabel(tiempo t)
ylabel(x1)
%% Concentracion del azucar (x(2))
subplot(2,2,2), plot(t,x(:,2))
title(Concentracin de azcar)
xlabel(tiempo t)
ylabel(x2)
%% Variable de control (u)
E = 0.7 ; Ue = (1-E)/E;
lambda = 1 ;
u = Ue -(1/E)*(lambda-1/E)*(x(:,1)-E) ;
subplot(2,2,3), plot(t,u)
title(Rata de alimentacin del sustrato)
xlabel(tiempo t)
ylabel(u)
% fin de sejem2.m
3.3 EJEMPLOS EN MATLAB (R) 71
Figura 3.11: Respuesta en lazo cerrado del sistema de fermentacin estabilizable
72 REALIMENTACIN DEL VECTOR DE ESTADOS
Listado 3.4: Modelo y ley de control ejemplo2.m empleados para la simulacin
function xdot=ejemplo2(t,x)
%% ejemplo2.m
%%
%% Segundo ejemplo con simulaciones numericas del
%% libro:
%% Control de Sistemas No Lineales
%% Hebertt Sira-Ramirez
%%
%% Control de un proceso incontrolable de produccion
%% de etanol por medio del metodo de linealizacion aproximada
%%
%% parametros del sistema
E = 0.7 ; Ue = (1-E)/E;
%% parametros del controlador
lambda = 1 ;
%% Ley de control
u = Ue -(1/E)*(lambda-1/E)*(x(1)-E) ;
%% Ecuaciones de estado
xdot = [ x(2)-x(1)*u ; -x(2)+ (1-x(2))*u ];
%% Fin de ejemplo2.m
3.4. Ejercicios propuestos
Ejercicio 3.1: Control del pndulo invertido sobre una plataforma mvil
mediante realimentacin del vector de estado en Matlab (R)
Disee un controlador por realimentacin del vector de estados basado en linea-
lizacin aproximada para el sistema (2.24). Realice los programas necesarios en
Matlab (R) para realizar las simulaciones. Los valores de los parmetros a usar en
las simulaciones se presentan en la tabla 3.5.
Tabla 3.5: Parmetros usados en el sistema del pndulo invertido sobre una plataforma
mvil
Parmetro Valor Parmetro Valor
M 0.5 [kg] m 0.2 [kg]
J 0.006 [kgm
2
] L 0.3 [m]
C 0.0 F 0.1 [N/m/seg]
Como requerimiento de diseo, el comportamiento del sistema en lazo cerrado
debe ser tal que el tiempo de asentamiento sea inferior a 5 segundos, ts < 5 [seg].
( )
Ejercicio 3.2: Sistema de levitacin magntica
Considere el sistema de levitacin magntica, Modelo 8, en la pgina 14. Re-
alice las simulaciones correspondientes para el siguiente conjunto de valores de los
3.4 EJERCICIOS PROPUESTOS 73
Figura 3.12: Sistema de dos conductores acoplados magnticamente
parmetros del sistema:
c = 1

m
2
kg
seg
2
Amp
2

; g = 9,8 [m/seg
2
]; m = 0,1 [kg]
R = 1 []; L = 0,01 [Henrio]; X = 0,05 [m]
Las especicaciones de diseo se dejan a libre escogencia. Qu criterios uti-
lizara para proponer una colocacin de polos adecuada? Sugerencia: Tome en cuen-
ta los diagramas utilizados en este captulo.
()
Ejercicio 3.3: Control lineal de un aro rotatorio (giroscopio)
Disee el controlador lineal por realimentacin del vector de estado del Mo-
delo 16, en la pgina 19, alrededor del punto de equilibrio nominal del sistema.
Busque los parmetros fsicos necesarios para poder analizar, mediante simula-
ciones numricas, el comportamiento del sistema en lazo cerrado. Proponga, con
la ayuda del instructor del curso, los objetivos de control necesarios que permitiran
denir exactamente la estrategia de control.
()
Modelo 24: Conductores elctricos acoplados
Un conductor muy largo se ja en posicin vertical y por l se hace pasar una corriente I que acta
como variable de control. Otro pequeo conductor, de longitud L y masa m, tambin se coloca en
posicin vertical y se ja a un resorte que puede moverse horizontalmente. Ver Figura 3.12. Por el
conductor pequeo se hace circular una corriente i, ja. La fuerza de atraccin o de repulsin que
se establece sobre el conductor mvil est dada por:
fe =
2IiL
a x
donde x corresponde a la distancia al conductor pequeo.
74 REALIMENTACIN DEL VECTOR DE ESTADOS
Cuando la corriente I = 0, el resorte se encuentra en reposo y sin ejercer fuerza alguna a la
distancia x = L
0
.
La ecuacin del movimiento del conductor pequeo est dada por:
m x = k(x L
0
) +
2IiL
a x
donde a es la distancia que se muestra en la Figura3.12 y k es la constante de elasticidad del
resorte. La ecuacin anterior es vlida para L
0
< x < a. Supondremos, por tanto, que L
0
< x <
a.
Supngase que se desea controlar la posicin del conductor pequeo a un valor constante
x = X tal que L
0
< X < a. Escogiendo las variables del sistema como
x
1
= x; x
2
= x; u = I
las ecuaciones de estado del sistema resultan, entonces:
x
1
= x
2
x
2
= k(x
1
L
0
) +
2iL
a x
1
u
(3.13)
Evidentemente el punto x
2
= 0, x
1
= L
0
y u = I = 0 constituye un punto de equilibrio,
el cual es claramente estable. Pero estamos interesados en mantener como punto de equilibrio
la condicin: x
2
= 0, x
1
= X > 0 con el resorte sujeto a cierta tensin constante. Para tales
valores de equilibrio se tiene la siguiente parameterizacin del punto de equilibrio (en trminos de
la distancia nominal X):
u = U(X) =
k(X L
0
)(a X)
2iL
; X
1
(X) = X; X
2
(X) = 0 (3.14)
M
Ejercicio 3.4: Control lineal de conductores elctricos acoplados
Calcule la ley de control por realimentacin del vector de estados, dado un poli-
nomio genrico deseado de segundo orden, para el sistema (3.13), alrededor del pun-
to de equilibrio (3.14). ()
Modelo 25: Pndulo invertido controlado por un motor de corriente con-
tinua a travs de un sistema de engranaje
Consideremos, otra vez, el modelo del manipulador robtico mostrado en la Figura 1.8, en la pgi-
na 15, vie ndolo esta vez como un pndulo invertido controlado por un motor de corriente continua.
Para obtener el modelo se pueden plantear las siguientes suposiciones:
1. El motor es controlado por armadura.
2. La inercia del motor Jm es insignicante comparada con la inercia del pndulo invertido
Jp.
3. Jp = Ml
2
, es decir, la inercia del pndulo es calculada como si la masa estuviese concen-
trada en el extremo del pndulo de longitud l.
4. El sistema de engranajes no presenta histresis (backlash en ingls). Todos sus elemen-
tos son rgidos.
5. Se desprecian las fuerzas de roce.
El esquema del motor de corriente continua controlado por armadura se presenta en la Figu-
ra 2.3, pgina 40.
3.4 EJERCICIOS PROPUESTOS 75
Tomando como variables de estado x
1
= p, x
2
=

p = p, x
3
= ia, el modelo queda
expresado por las siguientes ecuaciones:
_
_
x
1
x
2
x
3
_
_
=
_

_
x
2
g
l
sen x
1
+
NKv
Ml
2
x
3

K
b
N
La
x
2

Ra
La
x
3
_

_ +
_
_
0
0
1
La
_
_
u
y = [1 0 0]
_
_
x
1
x
2
x
3
_
_
(3.15)
donde Kv es la constante de torque del motor, K
b
es la constante de fuerza contra electromotriz
(back emf, en ingls) y N es la relacin de engranajes. El punto de equilibrio del sistema, para-
metrizado en funcin de la corriente de armadura, es el siguiente:
x
1
= sen
1
_
NKv
MlgRa
U
_
, x
2
= 0, x
3
=
U
Ra
, u = arbitrario = U
M
Ejercicio 3.5: Control por realimentacin de estado: pndulo invertido con-
trolado por un motor de corriente continua a travs de un sistema de en-
granaje
Tome el modelo precedente y haga un anlisis del sistema linealizado, estudie
tanto la estabilidad del sistema en lazo abierto como la controlabilidad. Disee un
controlador por realimentacin del vector de estado, asumiendo un polinomio desea-
do (de qu orden?) y suponiendo que se pueden medir todos los estados (discuta si
fsicamente esta hiptesis se puede cumplir. ()
Ejercicio 3.6: Frmula de Ackermann
Se sugiere al lector investigar la frmula de Ackermann, un conocido procedi-
miento utilizado en la demostracin del teorema de colocacin de polos. Muchos
textos que tratan la teora de control lineal estudian esta frmula, incluyendo los
mencionados ms adelante en Lecturas recomendadas. El texto del autor orig-
inario es J. Ackermann, Sampled-Data Control Systems, Springer-Verlag, Berlin,
Alemania, 1985.
Otra frmula que utilizaremos ms adelante, sobre todo para el mtodo de la
linealizacin extendida, es la siguiente:
Frmula de Bass-Gura. Esta frmula La presentamos aqu con el objetivo de ser
autocontenido. Est dada por la siguiente expresin:
K(U) = ( a(U))[R
1
(U)]
T
C
1
(U) (3.16)
donde = [n n1 . . . 1] es el vector formado por los coecientes del polinomio
caracterstico deseado del sistema en lazo cerrado:
p
d
(s) = s
n
+ns
n1
+. . . +1 , (3.17)
y a(U) = [an(U) an1(U) ldots a1(U)] es el vector formado con los coecientes del
polinomio caracterstico de la matriz A(U), es decir,
p(s) = det(sI A(U)) = s
n
+an(U)s
n1
+. . . +a1(U) , (3.18)
76 REALIMENTACIN DEL VECTOR DE ESTADOS
R(U) es una matriz triangular de Toepliz, dada por
R(U) =

1 0 . . . 0
a1(U) 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
an1(U) an2(U) . . . 1

(3.19)
y
C(U) = [B(U) A(U)B(U) ... A
(n1)
(U)B(U)] (3.20)
es la matriz de controlabilidad del par (A(U), B(U)). El polinomio caracterstico
deseado se selecciona de tal manera que presente coecientes constantes e indepen-
dientes de U.
()
Ejercicio 3.7: Controlabilidad de la esfera sobre un riel
Considere el Modelo 17, en la pgina 22. Determine la controlabilidad local del
sistema (1.39) alrededor del punto de equilibrio calculado en la Seccin 1.6.
()
Ejercicio 3.8: Preguntas contenidas en el texto
Pgina 59: Cmo se explica esta inestabilidad desde el punto de vista fsico?
Pgina 66: Explique este hecho. Determine los puntos de equilibrio del sistema
en lazo cerrado y observe cules son estables y cules inestables.
()
3.5. Resumen del captulo y Lecturas adicionales
A partir del modelo linealizado, cuya obtencin ya se describi en el
Captulo 2, se plantea un esquema de diseo de leyes de control por re-
alimentacin del vector de estados. Este mtodo es aplicable mientras se
disponga de la medicin completa de cada una de las componentes del es-
tado incremental. Como veremos en el prximo captulo, ser posible, sin
embargo, obtener valores estimados de las componentes no medidas a par-
tir de la medicin de una o varias variables de salida.
Note que, para no ahondar en detalles que escapan a los objetivos de
este texto, hemos asumido que el lector posee conocimientos bsicos sobre
la realimentacin del vector de estado. Recomendamos al lector dirigirse
a la gran variedad de textos sobre sistemas de control lineal que tratan
detalladamente este tema, en especial el diseo mediante realimentacin
completa del vector de estado.
Lecturas recomendadas
Sobre las consideraciones de diseo de controladores lineales en el espa-
cio de estado, el lector puede consultar, por ejemplo (la frmula de Acker-
mann se puede encontrar en cualesquiera de los textos mencionados):
3.5 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 77
1. T. Kailath, Linear Systems, Prentice-Hall, Englewood Cliffs, NJ, 1980,
[Kai80]. Un texto muy completo, con una visin amplia de los difer-
entes aspectos de la teora de control lineal hasta nales de la dcada
de los 70. Es interesante remarcar que la frmula de Bass-Gura se
encuentra desarrollada aqua.
2. K. Ogata, Ingeniera de control moderna, Prentice Hall, 1993, [Oga93].
3. Gene F. Franklin, J. David Powell, A. Emami-Naeini, Feedback Con-
trol of Dynamic Systems, 3ra. Edicin, Addison-Wesley, 1994, [FPEN94].
4. K. Furuta, A. Sano, D. Atherton, State Variable Methods in Automatic
Control, Wiley, 1988, [FSA88].
Para una introduccin a mtodos de diseo en el espacio de estados ms
avanzados, como es el caso del regulador lineal cuadrtico, llamado diseo
LQR, rerase a:
P. Dorato, C. Abdallah, V. Cerone, Linear-Quadratic Control: An intro-
duction, Prentice Hall, Englewood Cliffs, New Jersey, 1995, [DAC95].
Una referencia histrica sobre la asignacin de polos es la siguiente:
W. M. Wonham, On pole assignment in multi-input controllable lin-
ear systems, IEEE Trans. Automat. Contr., vol. 12, pp. 660665, 1967,
[Won67].
Una referencia til sobre el uso de Matlab (R) para el caso de sistemas
lineales (colocacin de polos, LQR, diseo de compensadores PID, adelanto,
adelanto-atraso, H

, etc.) es el libro:
Bahram S., M. Hassul, Control System Design using Matlab, Prentice
Hall, Englewood Cliffs, New Jersey, 1995, [BH95].
4
Observadores dinmicos
de estado
Foto
Este captulo considera la construccin de un controlador sobre la
base de diseo de un observador o reconstructor del vector de
estado, cuando slo se dispone del conocimiento de la salida, de
la entrada y de la estructura del sistema lineal.
En el caso en que se disponga de alguno o algunos de los estados
es posible adems plantearse la construccin de observadores de
orden reducido. La Seccin 4.5 se dedica al caso de diseo de
observadores de orden reducido.
4.1. Introduccin
En los desarrollos anteriores, hicimos la suposicin explcita de que to-
dos y cada uno de los estados del sistema no lineal estaban disponibles para
su utilizacin en las leyes de control retroalimentadas, las cuales fueron sin-
tetizadas a partir de los errores de equilibrio de tales estados con respecto
78
4.2 RECONSTRUCCIN DEL VECTOR DE ESTADO 79
a sus valores de equilibrio nominales constantes.
Esta suposicin no siempre es vlida, pues en una gran cantidad de ca-
sos prcticos solo algunos estados estn disponibles sicamente para llevar
a cabo mediciones sobre ellos. En la mayora de los casos, solamente la vari-
able de salida se encuentra a nuestra disposicin y, por lo tanto, con todo lo
que contamos es con una relacin (a travs de las ecuaciones) entre el valor
de la salida y su dependencia con respecto a los estados.
Esta situacin debe resolverse, entonces, tratando de inferir un valor
estimado del vector de los estados a partir de nuestro conocimiento del
sistema, de nuestra disponibilidad de los valores de la salida y del
conocimiento inequvoco de los valores del control que estamos sum-
inistrando al sistema. Este proceso de inferencia recibe el nombre de esti-
macin o reconstruccin del vector de estado.
El proceso de estimacin del vector de estado para un sistema no li-
neal ha sido investigado y resuelto solo recientemente y sus desarrollos re-
quieren de una base adecuada de la geometra diferencial. Restringiremos,
sin embargo, nuestra atencin al problema de reconstruir el vector de esta-
do incremental con el objeto de utilizarlo en la ley de realimentacin lineal
basada en la linealizacin aproximada del sistema no lineal.
Desde este punto de vista, el problema que nos planteamos en este mo-
mento es mucho ms sencillo pues se reduce a reconstruir u observar el
vector de estados incrementales, o perturbados, que se suceden alrededor
de los valores nominales de operacin del sistema no lineal.
El modelo que hemos dado en aceptar como vlido para tales valores
incrementales del estado es un modelo dinmico lineal (resultante de la
linealizacin aproximada), el cual result ser adems invariante en el tiem-
po. Debido a esto, solamente precisaremos utilizar la solucin del problema
de estimacin de sistemas dinmicos lineales.
El problema de reconstruccin del vector de estado, o, equivalentemente,
de construccin (diseo) de un observador para un sistema lineal fu resuel-
to a principios de los aos 60 por un profesor americano de nombre David
Luenberger [Lue66, Lue71]. En su honor, el observador determinstico de
estado recibe en la literatura el nombre de Observador de Luenberger".
4.2. Reconstruccin del vector de estado
Considrese el sistema lineal, que suponemos aproxima dentro de un
primer orden los valores de las perturbaciones del vector de estado de un
sistema no lineal.
x

= Ax

+Bu

= C x

(4.1)
donde x

es el vector de estado n-dimensional, u

es un escalar que rep-


resenta a la variable de control y la variable y

es la salida (escalar) del


80 OBSERVADORES DINMICOS DE ESTADO
Figura 4.1: Esquema de realimentacin lineal con medicin total de las componentes del
vector de estado
Figura 4.2: Esquema de realimentacin lineal del sistema aproximado con medicin total
de las componentes del vector de estado
sistema.
Como y

no coincide con el estado del sistema, por cuanto hay una obvia
diferencia en cuanto a las dimensiones se reere, no disponemos del estado
incremental x

para hacer control realimentado del sistema, tal como lo


hicimos en la seccin anterior. El valor del estado inicial x

(t
0
) es, adems,
desconocido.
Recordemos que en el esquema de control de la Seccin 3.2, tuvimos la
necesidad de utilizar el vector de estado incremental completo, esto con el
objeto de sintetizar la accin de control realimentada incremental corre-
spondiente que lograba la estabilizacin del sistema no lineal. Este esque-
ma se transcribe nuevamente por razones didcticas en la Figura 4.1. La
validez del control lineal reside a en que este diagrama es equivalente, en
una primera aproximacin, al de la Figura 4.2.
4.2 RECONSTRUCCIN DEL VECTOR DE ESTADO 81
Figura 4.3: Esquema de aproximacin del comportamiento entrada-salida del sistema no
lineal
A diferencia de esa situacin, ahora solo tenemos disponible la salida
incremental y

(t) del sistema no lineal. Es decir, ahora visualizamos la


situacin de la manera como se muestra en la Figura 4.3. En esta gura,
Y = Y (U) = h(X(U)) es el valor nominal (de equilibrio) de la salida. En la
prctica, al par de valores nominales (Y, U) se les llama punto de operacin
del sistema, stos son precisamente los valores en los cuales el operador
est generalmente interesado.
Debemos entonces tratar de reconstruir el estado incremental x

a par-
tir del conocimiento del sistema, es decir, a partir del conocmiento de las
matrices A, B y C, de las mediciones realizadas sobre la salida y

y del in-
negable conocimiento que seguramente tendremos del valor del control u

,
el cual estamos en capacidad de suministrar al sistema (y, por lo tanto, en
capacidad de medir y conocer a plenitud).
Con este objetivo en mente, debemos entonces
Sintetizar un proceso dinmico de estimacin, es decir, debemos
proponer un sistema dinmico el cual acepte por entradas los
valores del control y de la salida y produzca como resultado un
valor estimado del estado incremental del sistema linealiza-
do.
Al valor resultante de este proceso de reconstruccin del estado incre-
mental lo designaremos mediante x

. El observador realizar, por ende,


la funcin representada en el diagrama de bloques que se muestra en la
Figura 4.4. Note que el diagrama se ha dispuesto a propsito de derecha
a izquierda y no en la manera habitual, esto debido que este bloque ser
mayormente utilizado en el lazo de realimentacin.
La idea es utilizar este reconstructor de estado en el esquema de control
que propusimos en el captulo anterior (Cap. 3) tal como si el valor del esta-
do reconstruido x

coincidiera con el valor real (no disponible) del vector de


estado x

. Es decir, nuestra propuesta para controlar el sistema est basada


en el diagrama de bloques de la Figura 4.5.
82 OBSERVADORES DINMICOS DE ESTADO
Figura 4.4: Observador dinmico de estado
Figura 4.5: Esquema de realimentacin lineal de salida para un sistema no lineal, uti-
lizando un observador dinmico de estado
4.3 OBSERVADOR DE LUENBERGER: CONVERGENCIA 83
Para garantizar la validez de este esquema debemos saber, en primer
lugar, bajo qu condiciones el valor del estado estimado converge al valor
del estado verdadero del sistema, es decir, bajo qu condiciones el estado
estimado se aproxima asintticamente al valor verdadero del estado. Dicho
de otra manera, necesitamos saber cules son las condiciones bajo las cuales
podemos garantizar que el error de reconstruccin es asintticamente estable
a cero.
En segundo lugar, durante aquel lapso de tiempo en el cual el valor del
estado estimado no coincide en forma precisa con el valor del estado in-
cremental verdadero, debemos garantizar que el sistema incremental, as
errneamente controlado (aun cuando de manera temporal), siga siendo as-
intoticamente estable a cero.
La primera preocupacin resulta fcil de contestar, mientras que la se-
gunda requerir un poco ms de anlisis. Estudiaremos primeramente el
problema de la convergencia del error de estimacin a cero.
4.3. Observador de Luenberger: convergencia
En virtud de que tratamos de estimar el estado de un sistema lineal,
no resulta del todo ilgico proponer un reconstructor dinmico que tambin
sea lineal. As pues, caracterizaremos este reconstructor, evidentemente,
utilizando la representacin de sistemas dinmicos mediante el vector de
estado.
Tomaremos como nuestro observador de estados, o reconstructor, al sis-
tema dinmico lineal dado por:

= x

+ u

+Ly

, x

(t
0
) = x
0
(4.2)
donde la matriz y los vectores y L sern determinados en lo sucesivo, de
tal manera que sea posible obtener un estimador asinttico de los estados
del sistema lineal.
Primeramente, denimos el error de observacin como la diferencia en-
tre el valor real del vector de estado del sistema linealizado y el valor es-
timado de tal vector de estado. Esta denicin, por supuesto, se extiende a
los valores iniciales de tales estados. En resumen, se dene:
e

= x

con valor inicial e

(t
0
) = x

(t
0
) x

(t
0
) = x
0
x
0
. Puesto que el valor inicial
del estado verdadero es desconocido, no podemos hacer suposicin alguna
acerca del valor inicial del error de estimacin. En general tendremos que
suponer que tal error inicial es diferente de cero pero no podremos dar cali-
caciones adicionales sobre la magnitud de esta cantidad vectorial.
Es fcil establecer una ecuacin diferencial que describa el comporta-
miento del vector de error de estimacin en trminos de las matrices y vec-
tores que denen tanto al sistema original linealizado (4.1) como al obser-
vador propuesto (4.2). En efecto: Error de
observacin
84 OBSERVADORES DINMICOS DE ESTADO
e

= x

= Ax

+Bu

( x

Ly

)
= Ax

+ e

+ (B )u

LCx

= (A LC)x

+ (B )u

+ e

(4.3)
La dinmica del error de observacin (4.3) no debe depender ni de los
valores de las acciones de control ni de los valores correspondientes que
stas producen en los estados del sistema.
Si hemos de manipular u

para lograr, digamos, la estabilizacin del


sistema linealizado hacia el origen de coordenadas, no parece lgico que
el error de observacin dependiera de cuan grandes o pequeas deban ser
tales acciones de control. El mismo razonamiento nos conduce a concluir
que es igualmente inconveniente que el error de estimacin dependa de los
valores que va tomando el vector de estado en su camino hacia la estabi-
lizacin, pues la existencia de sus transientes alejara, an ms, el valor
del estado estimado del real, actuando como perturbaciones en la dinmica
del error. En consecuencia, debemos anular, con una escogencia apropiada
de las matrices y vectores , y L, la inuencia de los estados y controles
del sistema original linealizado.
De la ecuacin (4.3) es fcil inferir que se requiere entonces que:
= ALC ; = B (4.4)
lo cual hace que el error de observacin evolucione de acuerdo con la dinmi-
ca lineal y autnoma dada por:
e

= (ALC)e

; e

(t
0
) = e
0
(4.5)
De esta forma, el error de estimacin e

solo depender de si mismo y, en


particular, de su valor inicial.
La solucin de la ecuacin diferencial lineal vectorial de primer orden,
la cual representa al vector de error de estimacin, estara dada an en
trminos del vector columna desconocido L mediante la siguiente expresin:
e

(t) = e
(ALC)(tt0)
e
0
En virtud del resultado anterior, estamos en capacidad de predecir el
comportamiento cualitativo de e

, el cual depende principalmente de la na-


turaleza de los autovalores de la matriz = ALC.
Nuestro objetivo ser entonces el de imponer, sobre la dinmica autno- Convergencia
a cero del error
de observacin
ma del error de estimacin, un comportamiento asintticamente estable a
cero a travs de la escogencia juiciosa del vector L. Es decir, debemos es-
coger L de tal manera que los autovalores de A LC se encuentren en
el semiplano izquierdo del plano complejo. Al hacer esto se garantiza, nal-
mente, que el valor del estado estimado converge, efectivamente, de manera
asinttica al valor del estado verdadero del sistema linealizado.
Antes de proceder a hallar el vector requerido L, en virtud de que ya
hemos determinado algunas matrices inicialmente desconocidas del obser-
vador nos permitimos mostrar a continuacin el esquema que va adoptando
4.3 OBSERVADOR DE LUENBERGER: CONVERGENCIA 85
Figura 4.6: Estructura del observador dinmico de estado
el mismo. A partir de (4.2) y (4.4), tenemos

= (ALC) x

+Bu

+Ly

= A x

+Bu

+Ly

LC x

= A x

+Bu

+L(y

C x

) (4.6)
Si hacemos
y

= C x

es decir, si damos el nombre de salida estimada al valor que produce el esta-


do estimado cuando es afectado por el mapa de salida C, entonces podemos
reescribir las ecuaciones del observador (4.6) como: Observador de
Luenberger

= A x

+Bu

+L(y

)
y

= C x

(4.7)
al cual llamammos observador dinmico del vector de estado. Note que el
sistema resultante representa una especie de copia del sistema lineal ori-
ginal (4.1). El observador (4.7) puede representarse entonces mediante el
diagrama de bloques mostrado en la Figura 4.6.
La interpretacin que podemos hacer de la estructura del observador
es directa: el observador de estado no es ms que una emulacin, con ca-
pacidad auto-correctora, de la dinmica del sistema cuyo estado se desea
reconstruir.
El vector de parmetros L juega un papel de realimentador del error de
estimacin en cuanto a su reejo en los valores de la salida. Precisamente,
esta realimentacin del error de salida, ms propiamente llamada inyeccin
de la salida, es la que trata de corregir cualquier discrepancia que exista
entre el valor verdadero del vector de estado y su valor estimado.
Ntese que esta entrada adicional inyectada al modelo emulador del
sistema solo puede tomar valores diferentes a cero cuando la salida del sis-
tema no coincide con el valor de la salida estimada y, de hecho, tal error
86 OBSERVADORES DINMICOS DE ESTADO
se anula por completo cuando estos valores coinciden. Esto es un indicativo
de que el proceso de estimacin se est llevando a cabo en forma correc-
ta, al menos en principio. Sin embargo, debe quedar sucientemente claro
que si la salida estimada coincide con la salida del sistema esto no impli-
ca, necesariamente, que el estado estimado est coincidiendo con el estado
verdadero.
En este caso, es enteramente posible que ambos estados (estimado y
verdadero) se encuentren temporalmente ocultos por el mapa de salida rep-
resentado por el vector la C, es decir, en un subespacio de su subespacio
nulo
1
. La condicin que nos permitira asegurar que no existe dicho sube-
spacio, diferente de cero, donde ambos vectores de estado puedan ocul-
tarse"por coincidencia de los valores que arrojan a la salida es la llamada
condicin de observabilidad. Observemos en detalle este caso en los siguien-
tes prrafos.
El problema de estabilizar asintticamente el error de estimacin a cero
puede verse como un problema de control sobre un sistema al cual daremos
el nombre de dual del original (4.1).
En efecto, consideremos el sistema realimentado siguiente Sistema dual
z

= A
T
z

+C
T
v

= L
T
z

(4.8)
y tratemos de responder la siguiente pregunta: Bajo qu condiciones puede
estabilizarse a cero el sistema (4.8) por realimentacin lineal del vector de
estado z

? La respuesta es, evidentemente, que el par (A


T
, C
T
) debe ser un
par controlable. El sistema en lazo cerrado anterior se describe mediante:
z

= (A
T
C
T
L
T
)z

(4.9)
Los autovalores que gobiernan la respuesta del sistema (4.9) son los de
la matriz del sistema en lazo cerrado, la cual puede reescribirse como:
(A
T
C
T
L
T
) = (ALC)
T
En otras palabras, como los autovalores de cualquier matriz cuadrada
coinciden con los autovalores de su traspuesta, el vector L deber tener la
posibilidad de asignarle los polos a la matriz (A
T
C
T
L
T
), en lugares pre-
jados del semiplano izquierdo del plano complejo. Esto es posible siempre
y cuando el par (A
T
, C
T
) sea un par controlable.
La relacin de este problema de controlabilidad con nuestro problema
de estimacin es inmediata, pues el error de estimacin se encuentra gob-
ernado por la dinmica autnoma (4.5), dada por e

= (ALC)e

.
Concluimos, por tanto, que el problema de estabilizar a cero el error de
estimacin del vector de estado, mediante inyeccin de la salida es factible
en tanto que el par de matrices (A
T
, C
T
) sea un par controlable. Recordemos
1
Para revisar este tipo de nocin, el lector puede referirse a [FSA88].
4.3 OBSERVADOR DE LUENBERGER: CONVERGENCIA 87
que la matriz C y la condicin de controlabilidad del par (A
T
, C
T
) estn
dadas por
rango C = rango
_
C
T
: A
T
C
T
: . . . : (A
T
)
n1
C
T

= n (4.10)
Puesto que el rango de una matriz iguala al rango de su traspuesta,
rango C = rango C
T
es fcil ver que la condicin de controlabilidad (4.10) del sistema dual (4.8)
se traduce, entonces, en la siguiente condicin Matriz de
observabilidad
rango O = rango C
T
= rango
_

_
C
CA
.
.
.
CA
n2
CA
n1
_

_
(4.11)
que es la conocida condicin de observabilidad del sistema linealizado ori-
ginal (4.1).
As, concluimos lo siguiente:
La condicin necesaria y suciente para que exista un vector L
de ganancia del observador, el cual coloque los polos del sistema
lineal (representado por el error de observacin) en el semiplano
izquierdo del plano complejo y, por lo tanto, produzca un error
de estimacin asintticamente estable a cero para el observador
dinmico de Luenberger, es que el sistema linealizado original
sea observable, es decir, que el par (A, C sea observable.
De manera dual a las nociones de controlabilidad y estabilizabilidad,
existen las nociones de observabilidad y detectabilidad. Es posible que el Observabilidad
y
detectabilidad
sistema lineal de base no sea observable, pero que la dinmica que rige
la parte inobservable del vector de estado sea, por s sola, asintticamente
estable a cero. En ese caso, no tendramos por qu preocuparnos de recon-
struir ms que la parte observable del estado del sistema, ya que aquellos
estados que no podamos reconstruir, por ser inobservables, tendran por
estimado obvio el valor cero ya que estaramos seguros de que, tarde o tem-
prano, estos estados llegarn, irremisiblemente, a tomar este ltimo valor
de cero. A tales sistemas se les conoce en la literatura como sistemas recon-
struibles o detectables. Como hemos dicho, ellos juegan un papel dual al de
los sistemas estabilizables"que estudiamos en la seccin anterior.
Ejemplo 4.1: Detectabilidad del sistema de fermentacin de azcar
Considere el sistema de fermentacin de azcar Modelo 14, en la pgina 18, el cual fu expuesto
en la Seccin 1.5.
Este sistema est descrito por:
x
1
= x
2
x
1
u
x
2
= x
2
+ (1 x
2
)u
y = x
2
88 OBSERVADORES DINMICOS DE ESTADO
La linealizacin del sistema alrededor de su punto de equilibrio result, ver (3.11) en la pgi-
na 68:
x
1
= x
2
x
1
1 E
E
Eu

x
2
=
1
E
x
2
+ (1 x
2
)u

= x
2
El sistema linealizado no es observable ya que la matriz de observabilidad est dada por:
O =
_
0 1
0
1
E
_
; rango O = 1 = 2
En equilibrio, el estado x
2
tiende a cero, ya que u

tambin se supone cero en esta condicin.


El estado x
1
no puede reconstruirse a partir del conocimiento de x
2
y u

ya que x
1
no inuencia
para nada a x
2
, como es fcil ver de la estructura de las ecuaciones del sistema. En condiciones
de equilibrio para x
2
y u

es fcil ver que x


1
es tambin asintticamente estable a cero, en la
medida en que la cantidad (1 E)/E sea positiva, tal y como, efectivamente, hemos supuesto. El
sistema estudiado es, por lo tanto, inobservable pero reconstruible. En el momento de disear un
observador a este sistema, no tendramos necesidad de reconstruir x
1
. Adems, en este caso,
el observador para x
2
es trivial.

4.4. Observador de Luenberger: separabilidad


Tal como nos lo propusimos al inicio del estudio del problema de con-
trol sin disponibilidad del vector de estado, hemos estudiado hasta aqu el
problema de la convergencia del error de estimacin a cero y hemos logrado
establecer bajo qu condiciones podemos garantizar que tal error de recons-
truccin sea asintticamente estable a cero.
Debemos atender ahora la inquietud de cmo garantizar que, durante
aquel lapso de tiempo en el cual el valor del estado estimado no coincide
exactamente con el valor del estado incremental verdadero, el sistema in-
cremental erroneamente controlado sea asintoticamente estable a cero.
La pregunta fundamental se reere a si el esquema de la Figura 4.5 es
vlido para la estabilizacin del sistema alrededor de un punto de opera-
cin. Esta pregunta la contestaremos estudiando la validez del esquema de
control realimentado presentado en la Figura 4.7, utilizando ahora el mo-
delo linealizado en reemplazo de la parte incremental del modelo no lineal
de la Figura 4.5.
Las ecuaciones del sistema en lazo cerrado resultante estn dadas por: Sistema en lazo
cerrado con el
observador
x

= Ax

+Bu

= Cx

= K x

= A x

+Bu

+L(y

) = (ALC) x

+Bu

+LCx

= C x

(4.12)
(Note que se reemplaza x

por x

en la expresin asociada al control u

.)
4.4 OBSERVADOR DE LUENBERGER: SEPARABILIDAD 89
Figura 4.7: Esquema de control realimentado de salida del sistema lineal que aproxima
al sistema no lineal
El sistema de ecuaciones (4.12) lo podemos reescribir en una sola ecuacin
vectorial de estado aumentado o estado compuesto de la planta y del obser-
vador, de la manera siguiente:
_
x

_
=
_
A BK
LC ALC BK
_ _
x

_
(4.13)
Es difcil ver el efecto de los vectores (o matrices) de diseo K y L en
la ecuacin lineal (4.13) pues los autovalores de la matriz ampliada en lazo
cerrado no son fciles de discernir.
Para resolver este problema, aprovecharemos el hecho de que dos ma-
trices similares, es decir, aquellas que se relacionan mediante una trans-
formacin similar, tienen los mismos autovalores. La transformacin que
utilizaremos es la siguiente:
_
x

_
=
_
I 0
I I
_ _
x

_
= P
_
x

_
(4.14)
donde P es, evidentemente, una matriz invertible, la cual permite represen-
tar el nuevo vector de estado por medio del estado de la planta y del error de
observacin y no por medio de los estados de la planta y del observador. Es-
ta transformacin similar dada por P asegura que el sistema transformado
presenta los mismos autovalores que el sistema original.
El sistema transformado a partir de (4.14) resulta entonces:
_
x

_
=
_
ABK BK
0 ALC
_ _
x

_
(4.15)
90 OBSERVADORES DINMICOS DE ESTADO
Es evidente que los autovalores del sistema (4.15) corresponden sencil-
lamente a la unin de los autovalores de las matrices A BK y A LC.
En otros, tminos, se puede concluir que los autovalores del sistema con-
trolado en lazo cerrado (4.13) son los mismos a los obtenidos si el estado
estuviese disponible, dados por ABK, ms los autovalores que gobiernan
la dinmica del error de observacin, dados por ALC.
Este resultado, el cual en su sentido ms general es llamado principio Principio de
separacin de separacin, nos indica que el esquema de control presentado en la Figu-
ra 4.5 es vlido, sobre la base del proceso de reconstruccin del vector de
estado, en el sentido de que las variables de estado incrementales x

con-
vergen asintticamente a cero si y solamente si tanto los autovalores de la Los autovalores
de la ley de
control y del
observador se
pueden escoger
de manera
independiente
matriz ABK como los de la matriz ALC se encuentran ubicados, gracias
a la escogencia apropiada de los vectores K y L, en el semiplano izquierdo
del plano complejo.
El esquema presentado, el cual involucra la ley de control u basa-
da en el observador dinmico de estados, siempre ser factible
si los pares (A, B) y (A, C) son respectivamente controlables y
observables. De otro modo, debe cumplirse al menos que el par
(A, B) sea estabilizable y el par (A, C) sea detectable.
En la prctica generalmente se escogen los autovalores del observador
de tal forma forma que su parte real (negativa) sea ms grande en valor ab-
soluto que la parte real de los autovalores escogidos para la realimentacin
del vector de estados.
Afortunadamente, casi todos los sistemas son controlables y observ-
ables. Esto valida totalmente el esquema propuesto para controlar un sis-
tema mediante realimentacin de la salida utilizando un reconstructor, u
observador, del vector de estado.
Matlab 4.1: Control de la orientacin de un artefacto espacial: diseo de
un observador dinmico de estados
Considrese de nuevo el ejemplo de reorientacin del satlite, (6), para el cual ya habamos dis-
eado un compensador por realimentacin de estado en el ejemplo 3.3.
Supondremos ahora que solamente disponemos de un conocimiento preciso de la orientacin
del satlite, es decir, conocemos la variable y = x
1
como salida del sistema. En virtud de nuestro
conocimiento del modelo del sistema es razonable suponer que tambin conocemos a la per-
feccin, si bin por clculo, el estado de equilibrio del sistema. En consecuencia, conocemos el
estado incremental x
1
como salida del sistema linealizado.
Las ecuaciones linealizadas de estado y de salida de este sistema son, ver pgina 63:
d
dt
_
_
x
1
x
2
x
3
_
_
=
_
_
0 1 0
0 0
FL
J
0 0 0
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
0
R
_
_
u

(3.6*)
El sistema linealizado es observable pues la matriz de observabilidad tiene rango completo:
O =
_
_
1 0 0
0 1 0
0 0
FL
J
_
_
; det O =
FL
J
= 0
Esto signica que podemos construir un observador para el sistema linealizado cuyo error de
reconstruccin es asintticamente estable a cero.
4.4 OBSERVADOR DE LUENBERGER: SEPARABILIDAD 91
Proponemos entonces el observador siguiente:
_
_

x
1

x
2

x
3
_
_
=
_
_
0 1 0
0 0
FL
J
0 0 0
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
0
R
_
_
u

+
_
_
L
1
L
2
L
3
_
_
(y

)
y

= [1 0 0]
_
_
x
1
x
2
x
3
_
_
El error de observacin satisface entonces:
_
_
e
1
e
2
e
3
_
_
=
_
_
L
1
1 0
L
2
0
FL
J
L
3
0 0
_
_
_
_
e
1
e
2
e
3
_
_
(4.16)
La estabilidad del sistema dinmico (4.16) depender de la ubicacin en el plano complejo de
sus autovalores (que corresponden tambin a las races del polinomio caracterstico) de la matriz
del sistema ALC. En este caso, el polinomio caracterstico est dado por:
det(sI A+LC) = s
3
+L
1
s
2
+L
2
s +
FL
J
L
3
(4.17)
La ganancia L garantiza un observador cuyo error de reconstruccin es asintticamente es-
table. Los valores de las componentes del vector L se obtienen a partir de una igualacin del
polinomio caracterstico (4.17) con un polinomio cuyas races sabemos estn ubicadas en el semi-
plano izquierdo. Podemos escoger tales races como las del polinomio siguiente:
p
d
= (s +
1
)(s +
3
)(s +
3
)
= s
3
+ (
1
+
2
+
3
)s
2
+ (
1

2
+
1

3
+
2

3
)s +
1

3
De donde resulta:
L
1
=
1
+
2
+
3
L
2
=
1

2
+
1

3
+
2

3
L
3
=
J
FL

3
Con estos valores, denidos plenamente, el vector de estado estimado converger al valor
del estado verdadero de una manera asinttica. El estado estimado se utilizar entonces para
alimentar la ley lineal de control realimentado que dedujimos en el ejemplo 3.3.
A continuacin se simula numricamente el comportamiento del sistema no lineal en lazo ce-
rrado regulado mediante una ley de control basada en un observador dinmico de Luenberger.
Los programas utilizados se presentan en Listado 4.1 y 4.2. Las grcas se presentan en la Figu-
ra 4.8. Los parmetros del sistema y del controlador lineal son los mismos utilizados en el captulo
anterior (ver Listado 3.2 de ejemplo1.m).

Matlab 4.2: Diseo completo (realimentacin del vector de estados y obser-


vador de Luenberger) del control de la posicin de un anillo sobre un aro
rotatorio
Consideremos el Modelo 16, en la pgina 19 representado por el sistema de ecuaciones diferen-
ciales siguiente
x
1
= x
2
x
2
=
g
a
sin x
1
+usen x
1
cos x
1
(1.36*)
Utilizaremos el punto de equilibrio parametrizado en trminos del valor de equilibrio de la
variable x
1
= X:
x
1
(X) = X; x
2
(X) = 0; u = U =
g
a cos X
(1.37*)
92 OBSERVADORES DINMICOS DE ESTADO
Figura 4.8: Respuesta del sistema de orientacin de un artefacto espacial mediante
realimentacin lineal de la salida utilizando un observador dinmico
4.4 OBSERVADOR DE LUENBERGER: SEPARABILIDAD 93
Listado 4.1: Programa de simulacin del artefacto espacial controlado mediante un ob-
servador de Luenberger sejem3.m
% sejem3.m
% Programa de generacion de los graficos del ejemplo3.m
% tiempo de simulacion
ti = 0;
tf = 2;
%% Parmetros del sistema
F = 200; L=3; R=20; J =50;
a =2; b=3.5; c = 12.75; Theta = 2.5;
%% condiciones iniciales:
%% cerca del punto de equilibrio
x0 = [2 0 0 0 0 0];
%% lejos del p.e.
%% x0 = [0 0 0 0 0 0];
%% simulacion
[t,x] = ode45(ejemplo3,[ti tf],x0);
%% Posicion angular (x(1))
subplot(2,2,1), plot(t,x(:,1),t,x(:,4),--,t,x(:,4)+Theta,y-.)
title(Posicin angular (real __, estimada - -))
xlabel(tiempo t)
ylabel(theta theta_estim)
%% Velocidad angular (x(2))
subplot(2,2,2), plot(t,x(:,2),t,x(:,5),--)
title(Velocidad angular (real __, estimada - -))
xlabel(tiempo t)
ylabel(omega omega_estim)
%% Angulo de orientacin de la tobera (x(3))
subplot(2,2,3), plot(t,x(:,3),t,x(:,6),--)
title(Orientacin de la tobera (real __, estimada - -))
xlabel(tiempo t)
ylabel(beta beta_estim)
%% Variable de control (u)
u = -J*a*(b^2+c^2)/F/L/R*x(:,4)-J*(b^2+c^2+2*a*b)/F/L/R*x(:,5)-...
(2*b+a)/R*x(:,6);
subplot(2,2,4), plot(t,u)
title(Variable de control)
xlabel(tiempo t)
ylabel(u)
% fin de sejem3.m
94 OBSERVADORES DINMICOS DE ESTADO
Listado 4.2: Simulacin del artefacto espacial: modelo y observador ejemplo3.m
function xdot=ejemplo3(t,x)
%% ejemplo3.m
%%
%% Tercer ejemplo con simulaciones numericas del
%% libro: Control de Sistemas No Lineales
%%
%% Control de orientacion de un artefacto espacial por medio
%% de linealizacion aproximada y uso de un observador dinamico
%%
%% parametros del sistema
F = 200; L=3; R=20; J =50;
%% parametros del controlador
a =2.0; b=3.5; c = 12.75; Theta = 2.5;
%% parametros del observador (los tres polos de la dinamica
%% del error se ubican en -5:
lambda1 = 5;
lambda2 = 5;
lambda3 = 5;
Ll = lambda1+lambda2+lambda3;
L2 = lambda1*lambda2+lambda1*lambda3+lambda2*lambda3 ;
L3 = lambda1*lambda2*lambda3*J/(F*L);
%% Ley de control
u = -J*a*(b^2+c^2)/(F*L*R)*x(4)-J*(b^2+c^2+2*a*b)/F/L/R*x(5)-...
(2*b+a)/R*x(6);
%% Ecuaciones de estado
xdot= [ x(2) ;
F*L/J*sin(x(3)) ;
R*u ;
x(5)+Ll*(x(1)-Theta-x(4)) ;
F*L/J*x(6)+L2*(x(1)-Theta-x(4)) ;
R*u + L3*(x(1)-Theta-x(4))] ;
%% Fin de ejemplo3.m
4.4 OBSERVADOR DE LUENBERGER: SEPARABILIDAD 95
La linealizacin de (1.36) alrededor del punto de equilibrio (1.37) resulta:
x
1
= x
2
x
2
=
_
g
a
sen X tan X
_
x
1
+
1
2
sen(2X) u

(4.18)
donde x
1
= x
1
X, x
2
= x
2
y u

= u g/(a cos X).


El diseo del controlador, cuando las variables de estado son completamente accesibles a
medicin, procede de acuerdo al esquema general utilizado en la seccin 3.2. La controlabilidad
del sistema se obtiene de determinar el rango de la matriz C de controlabilidad dada por:
C =
_
0
1
2
sen(2X)
1
2
sen(2X) 0
_
; det C =
1
4
sen
2
2X
de donde se deduce que el sistema se torna incontrolable en los puntos X = 0, /2, 3/2, . . ..
Bajo la suposicin de que el estado incremental se encuentra disponible para ser usado en
una poltica de realimentacin para estabilizar el sistema linealizado, se propone la siguiente ley
de control por realimentacin del vector de estado:
u

= K
1
x
1
K
2
x
2
(4.19)
El sistema linealizado en lazo cerrado, resultante de aplicar (4.19), est dado por:
x
1
= x
2
x
2
=
_
g
a
sen X tan X
1
2
K
1
sen(2X)
_
x
1

1
2
K
2
sen 2X x
2
Supngase que deseamos obtener el siguiente comportamiento asintticamente estable para
el sistema en lazo cerrado:
x
1
= x
2
x
2
=
2
n
x
1
2nx
2
donde 0 < < 1, n > 0 son parmetros de diseo (el sistema en lazo cerrado se desea, en
este caso, del tipo subamortiguado). Es inmediato ver que la escogencia de K
1
y K
2
no puede
ser otra que:
K
1
= 2

2
n

g
a
tan X sen X
sen 2X
; K
2
=
4n
sen 2X
(4.20)
Por lo tanto, el control lineal que habr de regular al sistema no lineal original resulta entonces:
u =
g
a cos X
2

2
n

g
a
tanX sen X
sen 2X
(x
1
X)
4n
sen 2X
x
2
(4.21)
La escogencia de n y se hacen, por ejemplo, sobre la base de jar el tiempo de subida del
sistema tr (en ingls, rise time), el cual viene dado por:
tr =
0,8 + 2,5
n
Tpicamente se escoge a como 0,707, con el objeto de lograr una respuesta sucientemente
amortiguada, lo cual signica que, por ejemplo, para un tiempo de ascenso de 0,2 segundos (esto
es, del 10 % al 90 % del valor nal de equilibrio en 0,2 seg.) debemos tomar a n aproximadamente
como 12,83 rad/s.
Los Listados 4.3 y 4.4 permiten simular el comportamiento del sistema no lineal controlado
mediante la ley realimentada basada en la linealizacin aproximada (4.21). En Listado 4.3 se
aaden los comandos necesarios para generar las grcas del comportamiento del sistema. Los
datos fsicos y valores de equilibrio que utilizamos para la simulacin son:
a = 0,20 [m]; g = 9,8 [
m
seg
2
]; (X) = X =

4
[rad]; u(X) = 69,296465 [
rad
2
seg
2
]
La Figura 4.9 muestra las simulaciones correspondientes al comportamiento del sistema
(1.36) en lazo cerrado.
96 OBSERVADORES DINMICOS DE ESTADO
Listado 4.3: Programa de simulacin del aro rotatorio controlado mediante una ley de
realimentacin del vector de estados sejem4.m
% sejem4.m
% Programa de generacion de los graficos del ejemplo4.m
% tiempo de simulacion
ti = 0;
tf = 1;
%% condiciones iniciales:
x0 = [0.2 0];
%% simulacion
[t,x] = ode23(ejemplo4,[ti tf],x0);
%% Angulo theta (x(1))
subplot(2,2,1), plot(t,x(:,1))
title(Posicin angular del anillo sobre el aro)
xlabel(tiempo t)
ylabel(\theta [rad])
%% Velocidad angular (x(2))
subplot(2,2,2), plot(t,x(:,2))
title(Velocidad angular del anillo)
xlabel(tiempo t)
ylabel(d\theta/dt [rad/s])
%% Variable de control (u)
%% parametros del sistema
a = 0.2; g = 9.8;
%% parametros del controlador
X1e = 0.7854; Ue = g/(a*cos(X1e));
wn = 12.83; xi = 0.707;
K1 = 2*(wn^2-g/a*tan(X1e)*sin(X1e))/sin(2*X1e);
K2 = 4*xi*wn/sin(2*X1e);
%% Ley de control
u = -K1*(x(:,1)-X1e)-K2*x(:,2)+Ue;
w = sqrt(u);
subplot(2,2,3), plot(t,w)
title(Velocidad angular del aro)
xlabel(tiempo t)
ylabel(\omega = sqrt(u))
% fin de sejem4.m
4.4 OBSERVADOR DE LUENBERGER: SEPARABILIDAD 97
Figura 4.9: Respuesta de un sistema aro anillo controlado mediante realimentacin
completa del vector de estado
98 OBSERVADORES DINMICOS DE ESTADO
Listado 4.4: Simulacin del aro rotatorio controlado: modelo ejemplo4.m
function xdot=ejemplo4(t,x)
%% ejemplo4.m
%%
%% Sistemas No Lineales
%%
%% Sistema Controlado por linealizacion aproximada para
%% regular la posicion de un anillo que desliza sobre
%% un aro que gira alrededor
%% de su eje vertical. El cuadrado de su velocidad angular
%% sirve de se~nal de control al sistema.
%%
%% parametros del sistema
a = 0.2; g = 9.8;
%% parametros del controlador
X1e = 0.7854; Ue = g/(a*cos(X1e));
wn = 12.83; xi = 0.707;
K1 = 2*(wn^2-g/a*tan(X1e)*sin(X1e))/sin(2*X1e);
K2 = 4*xi*wn/sin(2*X1e);
%% Ley de control
u = -K1*(x(1)-X1e)-K2*x(2)+Ue;
%% Ecuaciones de estado
xdot = [x(2) ;
-g/a*sin(x(1))+u*sin(x(1))*cos(x(1))];
%% Fin de ejemplo4.m
Supondremos ahora que no podemos medir todos los estados. Solamente la variable de es-
tado y = x
1
, representando la posicin angular del anillo sobre el aro, puede ser medida con
presicin. De esta manera, realizaremos el diseo del controlador lineal que estabilice la salida
del sistema mediante un observador dinmico de estado.
El modelo linealizado del sistema con su salida linealizada est dado por:
x
1
= x
2
x
2
=
_
g
a
sen X tan X
_
x
1
+
1
2
sen(2X)u

= x
1
(4.22)
A partir de este modelo es fcil de disear el observador dinmico de Luenberger apropiado:

x
1
= x
2
+L
1
(y

x
2
=
_
g
a
sen X tan X
_
x
1
+
1
2
sen(2X)u

+L
2
(y

)
y

= x
1
(4.23)
La ley de control para el sistema (1.36), basada en tal estimador del vector de estado, est
dada por:
u = U K
1
x
1
K
2
x
2
=
g
a cos X
K
1
x
1
K
2
x
2
(4.24)
con K
1
y K
2
denidos previamente en (4.20).
De (4.22) y (4.23), se deduce que el error de estimacin e = x

evoluciona de acuerdo
con la siguiente dinmica autnoma:
e
1
= L
1
e
1
+e
2
e
2
=
_
g
a
sen X tanX +L
2
_
e
1
4.5 OBSERVADORES DE ORDEN REDUCIDO 99
Con el objeto de escoger apropiadamente las ganancias del observador L
1
y L
2
que garanti-
cen un comportamiento asintticamente estable a cero para el error de estimacin e, obtenemos
el polinomio caracterstico del sistema anterior:
p(s) = s2 +L
1
s +L
2
+
g
a
tan X sen X
Igualamos los coecientes de este polinomio a los de un polinomio caracterstico deseado
p
d
(s), dado por:
p
d
(s) = s
2
+ 2
1

n1
s +
2
n1
donde
1
y
n1
son nmeros reales tales que el polinomio caracterstico deseado tiene sus races
en el semiplano izquierdo. Las ganancias L
1
y L
2
buscadas resultan
L
1
= 2
1

n1
; L
2
=
2
n1
g
a
tanX sen X (4.25)
Como mencionamos anteriormente, se escojen los polos del error de observacin un poco
ms alejados hacia la izquierda del plano complejo, con respecto al los del sistema en lazo cerrado,
con el objeto de que el error de observacin se aproxime rapidamente a cero, de tal forma que,
durante la porcin inicial de la trayectoria de respuesta, el sistema reciba un control realimentado
con valores estimados del vector de estado muy similares a sus valores reales.
Figura 4.10: Respuestas del sistema aro anillo controlado por realimentacin lineal de
la salida utilizando un observador dinmico de estado
Los programas presentados en los Listados 4.5 y 4.6 permiten simular numricamente la re-
spuesta del sistema en lazo cerrado dado por (1.36)(4.23)(4.24), esto es, utilizando la ley de
control por realimentacin del vector de estado basada en el observador de Luenberger diseado.
El comportamiento del sistema controlado en lazo cerrado se muestra en la Figura 4.10. Com-
pare con los resultados obtenidos para el caso de realimentacin completa del vector de estados,
mostrados en la Figura 4.9.

4.5. Observadores de orden reducido


Es fcil darse cuenta que en los observadores que hemos construido en
las secciones anteriores existe una redundancia implcita sobre la cual no
100 OBSERVADORES DINMICOS DE ESTADO
Listado 4.5: Programa de simulacin del comportamiento del aro rotatorio controlado
usando un observador sejem5.m
% sejem5.m
% Programa de generacion de los graficos del ejemplo5.m
% tiempo de simulacion
ti = 0;
tf = 1;
%% condiciones iniciales:
%%x0 = [0.2 0.0 0.2 0.0];
x0 = [0.2 0.0 0.0 -1.0];
%% simulacion
[t,x] = ode23(ejemplo5,[ti tf],x0);
%% Angulo theta (x(1))
subplot(2,2,1), plot(t,x(:,1))
title(Posicin angular del anillo)
xlabel(tiempo t)
ylabel(theta [rad])
%% Angulo theta (x(1))
subplot(2,2,2), plot(t,x(:,1),t,x(:,3),-)
title(Posicin incremental del anillo (real y estimada --))
xlabel(tiempo t)
ylabel(theta_inc [rad])
%% Velocidad angular (x(2))
subplot(2,2,3), plot(t,x(:,2),t,x(:,4),-)
title(Velocidad angular del anillo (real y estimada --))
xlabel(tiempo t)
ylabel([rad/s])
%% Variable de control (u)
%% parametros del sistema
a = 0.2; g = 9.8;
%% parametros del controlador
X1e = 0.7854; Ue = g/(a*cos(X1e));
wn = 12.83; xi = 0.707;
K1 = 2*(wn^2-g/a*tan(X1e)*sin(X1e))/sin(2*X1e);
K2 = 4*xi*wn/sin(2*X1e);
%% Ley de control
u = -K1*(x(:,3))-K2*x(:,4)+Ue;
w = sqrt(u);
subplot(2,2,4), plot(t,w)
title(Velocidad angular del aro)
xlabel(tiempo t)
ylabel(omega)
% fin de sejem5.m
4.5 OBSERVADORES DE ORDEN REDUCIDO 101
Listado 4.6: Simulacin del aro rotatorio: modelo y sistema dinmico del observador
ejemplo5.m
function xdot=ejemplo5(t,x)
%% ejemplo5.m
%%
%% Sistemas No Lineales
%%
%% Sistema Controlado por linealizacion aproximada para
%% regular la posicion de un anillo que desliza sobre
%% un aro que gira alrededor
%% de su eje vertical. El cuadrado de su velocidad angular
%% sirve de se~nal de control al sistema.
%% La ley de control esta basada en la reconstruccion
%% del vector de estado mediante un observador de Luenberger
%% parametros del sistema
a = 0.2; g = 9.8;
%% parametros del controlador
X1e = 0.7854; Ue = g/(a*cos(X1e));
wn = 12.83; xi = 0.707;
K1 = 2*(wn^2-g/a*tan(X1e)*sin(X1e))/sin(2*X1e);
K2 = 4*xi*wn/sin(2*X1e);
%% parametros del observador
wn1 = 15.5; xi1 = 0.707;
L1 = 2*xi1*wn1;
L2 = wn1^2-g/a*tan(X1e)*sin(X1e);
%% Ley de control
u = -K1*x(3)-K2*x(4)+Ue
%% Ecuaciones de estado del sistema y del observador
xdot = [x(2);
-g/a*sin(x(1))+u*sin(x(1))*cos(x(1));
x(4)+L1*(x(1)-X1e-x(3));
-g/a*sin(X1e)*tan(X1e)*x(3)+1/2*sin(2*X1e)*(u-Ue)+L2*(x(1)-X1e-x(3))];
%% Fin de ejemplo5.m
102 OBSERVADORES DINMICOS DE ESTADO
hemos llamado la atencin. En efecto, en algunos de los ejemplos que hemos
presentado hasta ahora, hemos procedido a construir observadores dinmi-
cos de estado que reconstruyen absolutamente todas y cada una de las va-
riables de estado del sistema. Sin embargo, la variable de salida, en algunas
oportunidades, est representada por una variable de estado. Si ese estado
es perfectamente conocido, en virtud de las mediciones que de l tenemos
en la forma de una salida, pudiramos entonces utiilizarlo directamente en
la elaboracin de la ley de control lineal sin realizar ninguna aproximacin
o estimacin.
Evidentemente, esta situacin puede ser cierta no solo para una de las
variables de estado sino para varias de ellas. Es decir, un nmero de salidas
bien pudiera estar representada por un conjunto de variables de estado. La
pregunta lgica es: por qu debemos esforzamos en reconstruir o estimar
variables de estado que ya conocemos en forma precisa (debido a que son
salidas del sistema)?. En otras palabras, el esfuerzo de reconstruir varia-
bles de estado debe estar vinculado solamente a aquellas variables que no
conocemos, evitando reconstruir las que ya conocemos.
Recordemos que los observadores de estado representan una cierta emu-
lacin, con facultades de autocorreccin, del sistema dinmico que ellos
observan. En virtud de esto, un observador tiene, en principio, la misma
dimensin que la planta del sistema. Si algunas variables de estado ya
son conocidas y no hace falta reconstruirlas, podemos entonces pensar que
es factible obtener una economa en el orden del sistema que necesitamos
utilizar como observador de la planta. Si slo un nmero inferior de esta-
dos debe ser reconstruido, el observador debera tener dimensin igual al
nmero de variables que deseamos reconstruir. Estas consideraciones nos
conducen a la idea de proponer observadores de orden reducido (o.o.r.) para
aquellos sistemas donde ya poseemos conocimiento de una, o algunas, de
las variables de estado.
Introduciremos, mediante un ejemplo, la posibilidad de reconstruir solo
un nmero inferior de las variables de estado mediante un observador de
orden reducido.
Modelo 26: Comportamiento de un sistema de tanques en cascada (modelo
2)
Considrese el sistema constituido por dos tanques, de forma diferente, tales como los que se
muestran en la Figura 4.11 y en los cuales se vierte un cierto lquido. El modelo dinmico de
este sistema se obtiene facilmente mediante una aplicacin sencilla de la ley de Bernoulli. Las
ecuaciones son las siguientes:
x
1
= x
2
1
u x
3/2
1
x
2
= x
1/2
1
x
1/2
2
y = x
2
(4.26)
donde x
1
y x
2
son, respectivamente, las alturas del lquido en cada uno de los tanques, medidas
desde el borde inferior del tanque correspondiente. La variable de control est constituida por
u, el ujo del lquido que entra al primero de los tanques. El modelo dinmico se encuentra,
evidentemente, en variables normalizadas pues no interviene en l constante alguna. Este modelo
es ligeramente diferente al ya presentado, Modelo 15, en la pgina 19.
4.5 OBSERVADORES DE ORDEN REDUCIDO 103
Figura 4.11: Sistema de tanques en cascada
M
Ejemplo 4.2: Observador de orden reducido: control de nivel en un sistema
de tanques
El punto de equilibrio del sistema (4.26) est representado por una altura x
2
= X que se desea
mantener en el segundo tanque. Parametrizando los puntos de equilibrio en trminos de tal valor
X, tenemos
x
1
(X) = X; x
2
(X) = X; u =

X (4.27)
Linealizando el sistema alrededor de este punto de equilibrio, se obtiene:
x
1
=
1
2
X
5/2
x
1
+X
2
u

x
2
=
1
2
X
1/2
x
1

1
2
X
1/2
x
2
y

= x
2
(4.28)
El sistema (4.28) es controlable en tanto que la altura deseada X se mantenga en un valor
positivo nito, 0 < X < , lo cual es posible sicamente.
Usando los mtodos explicados anteriormente, diseamos un controlador por realimentacin
del vector de estado incremental. La ley de control incremental estar dada, en caso de conocer
perfectamente ambos estados incrementales, por:
u

= K
1
x
1
K
2
x
2
El sistema linealizado en lazo cerrado resulta entonces:
_
x
1
x
2
_
=
_

1
2
X
5/2
K
1
X
2
K
2
X
2
1
2
X
1/2

1
2
X
1/2
_ _
x
1
x
2
_
donde las ganancias K
1
y K
2
se obtienen de igualar el polinomio caracterstico p
lc
(s) del sistema
en lazo cerrado y un polinomio caracterstico deseado p
d
(s), dados por:
p
lc
(s) = det
_
s +
1
2
X
5/2
+K
1
X
2
K
2
X
2

1
2
X
1/2
s +
1
2
X
1/2
_
= s
2
+
_
1
2
X
1/2
+
1
2
X
5/2
+K
1
X
2
_
s +
1
2
(K
1
+K
2
)X
5/2
+
1
4
X
3
, y
p
d
(s) = s
2
+ 2ns +
2
n
104 OBSERVADORES DINMICOS DE ESTADO
As, las ganancias K
1
y K
2
resultan:
K
1
= 2nX
2
1/2X
3/2

1
2
X
1/2
K
2
= 2
2
n
X
5/2
2nX
2
+ 1/2x
3/2
A partir de este resultado, la ley de control para el sistema linealizado est dada por:
u

=
_
2nX
2

1
2
X
3/2

1
2
X
1/2
_
x
1

2
n
X
5/2
2nX
2
+
1
2
x
3/2
_
x
2
(4.29)
La ley de control (4.29) permite controlar el sistema si se conocen en forma exacta ambas
variables de estado. En este caso no disponemos de todos los estados, por lo tanto es necesario
utilizar variables estimadas del estado incremental, de la siguiente manera:
u

=
_
2nX
2

1
2
X
3/2

1
2
X
1/2
_
x
1

2
n
X
5/2
2nX
2
+
1
2
x
3/2
_
x
2
Sin embargo, la variable incremental y

= x
2
es medible, es decir, no hace falta reconstruir
su valor. De all que se puede proponer a partir de (4.29) la siguiente ley de control:
u

=
_
2nX
2

1
2
X
3/2

1
2
X
1/2
_
x
1

2
n
X
5/2
2nX
2
+
1
2
x
3/2
_
y

(4.30)
El problema entonces se centra en cmo estimar la altura incremental x
1
en el primer tanque,
a partir del conocimiento de y

= x
2
(la altura incremental en el segundo tanque) y de nuestro
conocimiento del sistema linealizado.
Considere la segunda ecuacin diferencial del sistema linealizado (4.28), la cual describe la
evolucin de la variable medida x
2
:
x
2
=
1
2
X
1/2
x
1

1
2
X
1/2
x
2
(4.31)
Esta ecuacin, evidentemente, guarda alguna informacin sobre x
1
. Al disponer en forma ex-
acta x
2
podemos suponer tambin como conocida su derivada temporal. De la expresin (4.31),
obtenemos entonces el siguiente valor para x
1
:
x
1
= 2X
1/2
x
2
+x
2
Hagamos caso omiso, por los momentos, de la necesidad de tener que tomar derivadas tem-
porales x
2
de la altura incremental. Podemos considerar la expresin en el miembro derecho de
esta ltima ecuacin como una medicin o salida auxiliar. Denotaremos tal salida mediante z

.
Consideremos la primera ecuacin diferencial del sistema linealizado en conjuncin con la
salida auxiliar que mide, de forma un poco incmoda, el valor de x
1
:
x
1
=
1
2
X
5/2
x
1
+X
2
u

= x
1
= 2X
1/2
x
2
+x
2
(4.32)
En virtud de que disponemos al menos conceptualmente de la medicin z

, pudiramos
aprovechar el conocimiento de la ecuacin diferencial de x
1
con el n de implementar un proceso
de estimacin para x
1
basado en estos dos datos. Un estimador dinmico del estado incremental
para el sistema reducido (4.32) est dado por:

x
1
=
1
2
X
5/2
x
1
+X
2
u

+L
1
(z

) (4.33)
z

= x
1
El error de estimacin e
1
= x
1
x
1
estara dado por la solucin de la ecuacin diferencial:
e
1
=
_
1
2
X
5/2
+L
1
_
e
1
No existe, entonces, problema alguno en proponer un valor de la ganancia L
1
de tal forma
que el error de estimacin sea asintticamente estable a cero. De hecho, cualquier valor positivo
4.5 OBSERVADORES DE ORDEN REDUCIDO 105
L
1
0 >
1
2
X
5/2
de tal ganancia lo lograra. Sin embargo, este estimador an requiere del
clculo de la derivada temporal de la altura incremental en el segundo tanque (recordemos que
z

= 2X
1/2
x
2
+x
2
).
Note que sustituyendo z

= 2X
1/2
x
2
+ x
2
y z

= x
1
en la ecuacin diferencial (4.33),
tenemos:

x
1
=
1
2
X
5/2
x
1
+X
2
u

+L
1
(2X
1/2
x
2
+x
2
x
1
)
o, equivalentemente,

x
1
2L
1
X
1/2
x
2
=
1
2
X
5/2
x
1
+X
2
u

+L
1
(x
2
x
1
) (4.34)
Con el objeto de evitar el proceso de derivacin para obtener la derivada temporal x
2
, de-
namos a partir de la expresin (4.34) la siguiente variable auxiliar:

= x
1
2L
1
X
1/2
x
2
(4.35)
De esta forma, podemos obtener una ecuacin diferencial para esta nueva variable usando
precisamente la ecuacin (4.34). En efecto vemos que dicha ecuacin es equivalente a la siguien-
te:

x
1
2L
1
X
1/2
x
2
=
d
dt
_
x
1
2L
1
X
1/2
x
2
_
=
d
dt

=
1
2
X
5/2
_
x
1
2L
1
X
1/2
x
2
_
L
1
X
2
x
2
X
2
u

+L
1
(x
2
[ x
1
2L
1
X
1/2
x
2
]) 2L
2
1
X
1/2
x
2
la cual reescribimos como
d
dt

= (
1
2
X
5/2
+L
1
)

X
2
u

+ [L
1
2L
2
1
X
1/2
L
1
X
2
]y

(4.36)
En esta ltima ecuacin diferencial todos los trminos son conocidos y no requieren proceso
alguno de derivacin. Adicionalmente, el valor de

est a directamente relacionado al valor del


estimado de la altura incremental x
1
, el cual necesitamos. En efecto, puesto que ahora

es
enteramente calculable como solucin de la ecuacin diferencial anterior podemos establecer que
el estimado de x
1
es:
x
1
=

+ 2L
1
X
1/2
y

(4.37)
donde

es solucin de (4.36).
La Figura 4.12 muestra el esquema de estimacin de estados utilizado para el control del
sistema de tanques, el cual est basado slo en una ecuacin diferencial y no en dos como sera
el caso de un observador de orden completo.

4.5.1. Observadores de orden reducido: caso general


Supngase como salida y

del sistema, un nmero n


1
< n de variables de
estado incrementales representadas por el vector x
1
. Nuestro objetivo ser
el de disear un observador que permita hallar el valor estimado del resto
de las variables de estado incremental que supondremos son en nmero, n
2
,
donde n
1
+n
2
= n. Representamos estas variables no medibles mediante el
vector x
2
. De acuerdo con estas dimensiones tenemos:
x
1
R
n1
; x
2
R
n2
; x

R
n
Por lo tanto, el vector de estado incremental lo representamos mediante:
x

=
_
x
1
x
2
_
R
n1+n2
106 OBSERVADORES DINMICOS DE ESTADO
Figura 4.12: Esquema de control realimentado lineal de la salida para un sistema de
tanques mediante el uso de un observador de orden reducido
Ntese que no hay prdida alguna de generalidad en suponer que las va-
riables de estado directamente medibles ocupan las primeras n
1
posiciones
en el vector de estado. Si este no es el caso, mediante un reordenamiento
de las variables de estado podemos hacer que estas primeras componentes
sean precisamente las variables de estado medibles.
Podemos, entonces, particionar las matrices que intervienen en el sis-
tema linealizado x

= Ax

+ Bu

y reescribir estas ecuaciones de estado


incremental como:
_
x
1
x
2
_
=
_
A
11
A
12
A
21
A
22
_ _
x
1
x
2
_
+
_
B
1
B
2
_
u

(4.38)
donde A
11
R
n1n1
, A
12
R
n1n2
, A
21
R
n2n1
, A
22
R
n2n2
, B
1
R
n1
,
B
2
R
n2
. La ecuacin vectorial de salida representada por el subvector de
estados conocidos:
y

= x
1
(4.39)
Es evidente que el problema de estimar el vector de estado a partir de
la salida y

puede reducirse a estimar solamente las variables de estado


contenidas en x
2
, pues todos los estados incrementales contenidos en x
1
son conocidos a travs de la medicin directa representada por el vector y

.
Reescribamos las ecuaciones de estado linealizadas (4.38) en funcin de
4.5 OBSERVADORES DE ORDEN REDUCIDO 107
las variables conocidas (asumiremos como antes que y

es medible):
x
2
= A
21
x
1
+A
22
x
2
+B
2
u

A
12
x
2
= y

A
11
y

B
1
u

Puesto que y

y u

son conocidas, es concebible que tambin podamos


conocer como seal del tiempo al vector n
1
-dimensional dado por la segunda
ecuacin anterior. Designemos a este vector como y
2
:
y
2
= A
12
x
2
= y

A
11
y

B
1
u

(4.40)
El problema de estimacin de x
2
puede verse como el problema de re-
construir el estado del subsistema dado por:
x
2
= A
22
x
2
+v
1
y
2
= A
12
x
2
(4.41)
donde el vector v
1
= A
21
x
1
+B
2
u

es completamente conocido, al igual que


la seal y
2
.
La reconstruccin del estado incremental desconocido x
2
, con error de
estimacin asintticamente estable a cero, es factible si el par (A
22
, A
12
) es
observable o, en su defecto, simplemente detectable.
Recordemos el siguiente teorema sobre la observabilidad de un sistema:
Teorema 4.1: Un sistema lineal z = Az, y = Cz es observable (es decir, el
par (A, C) es observable) si, y solamente si, el nico vector para el cual se
cumple que
C exp(At) = 0
es para = 0.
Prueba: Supongamos, por un momento, que el sistema lineal dado es inob-
servable. Entonces, existe una transformacin del vector de estado z que
exhibe tal inobservabilidad. Tal transformacin lleva al sistema a su forma
cannica inobservable de Kalman:
z
1
= A
11
z
1
z
2
= A
21
z
1
+A
22
z
2
w = z
1
= [I 0]
_
z
1
z
2
_
Puesto que la exponencial matricial de este sistema est dada por:
exp
__
A
11
0
A
21
A
22
_
t
_
=
_
expA
11
t 0
exp(A
22
t)
_
entonces es claro que existen vectores distintos de cero que hacen cero el
siguiente producto:
[I 0]
_
expA
11
t 0
expA
22
t
_ _

1

2
_
= [exp(A
11
t) 0]
_

1

2
_
= exp(A
11
t)
1
108 OBSERVADORES DINMICOS DE ESTADO
pues para ello bastara con tomar vectores de la forma
_
0

2
_
Esto demuestra la necesidad de la condicin dada en el teorema. La de-
mostracin de la suciencia se obtiene rapidamente a partir de una ex-
pansin en serie del exponencial matricial. No haremos esta parte de la
demostracin aqui, se deja como ejercicio al lector.
A partir del teorema anterior, es fcil demostrar que si el sistema dado
por
_
x
1
x
2
_
=
_
A
11
A
12
A
21
A
22
_ _
x
1
x
2
_
y

= x
1
es observable (resp. detectable), entonces el subsistema
x
2
= A
22
x
2
y
2
= A
21
x
2
tambin es observable (resp. detectable).
Regresemos al problema planteado, cual era reconstruir el vector de es-
tado del sistema:
x
2
= A
22
x
2
+v
1
y
2
= A
21
x
2
(4.41*)
donde el vector v
1
es conocido, al igual que la seal de salida y
2
.
Un observador para este sistema se obtiene simplemente como:

x
2
= A
22
x
2
+v
1
+L
2
(y
2
y
2
)
y
2
= A
21
x
2
El error de estimacin est dado entonces por:
e
2
= x
2


x
2
= A
22
x
2
+v
1
A
22
x
2
L
2
(A
12
x
2
A
12
x
2
) v
1
= (A
22
L
2
A
12
)e
2
Debemos encontrar una matriz (vector) L
2
tal que esta dinmica del
error sea asintticamente estable. Puesto que el sistema se ha supuesto
observable tal vector L
2
siempre existe.
A pesar de esta solucin, nuestro observador requiere de la seal y
2
que involucra la derivacion de x
1
, es decir, derivacin, numrica o analti-
ca del vector de salida original del sistema y
1
, ver (4.40). Tal prctica no
4.5 OBSERVADORES DE ORDEN REDUCIDO 109
Figura 4.13: Estructura de un observador dinmico de orden reducido
es aconsejable en problemas reales y su solucin carece de sentido si las
mediciones se realizan fsicamente. Mas an, los derivadores ideales son
circuitos altamente inestables y sin visos de aplicabilidad prctica (vanse
algunos comentarios al respecto al nal del captulo).
Reescribimos, como antes, la ecuacin obtenida del observador de la ma-
nera siguiente:

x
2
= A
22
x
2
+A
21
y

+B
2
u

+L
2
( y

A
11
y

B
1
u

A
12
x
2
)
= (A
22
L
2
A
12
) x
2
+ (A
21
L
2
A
11
)y

+ (B
2
L
2
B
1
)u

+L
2
y

es decir:
d
dt
( x
2
L
2
y

) = (A
22
L
2
A
12
)( x
2
L
2
y

)
+ (A
22
L
2
A
12
)L
2
y

+ (A
21
L
2
A
11
)y

+ (B
2
L
2
B
1
)u

(4.42)
Si hacemos
z
2
= x
2
L
2
y

(4.43)
entonces obtenemos, de (4.42) y (4.43),
z
2
= (A
22
L
2
A
12
)z
2
+ ((A
22
L
2
A
12
)L
2
+A
21
L
2
A
11
)y

+ (B
2
L
2
B
1
)u

x
2
= z
2
+L
2
y

(4.44)
El sistema de ecuaciones (4.44) representa efectivamente un observador
dinmico para la parte del estado no medible del sistema original. Pode-
mos, en consecuencia, obtener el estimado de x
2
como salida del sistema
que genera a la variable auxiliar z
2
. El esquema del observador de orden
reducido obtenido se puede representar, entonces, por medio del diagrama
mostrado en la Figura 4.13.
El esquema general de control para un sistema no lineal sobre la base
de un observador de estado incremental de orden reducido se muestra en la
Figura 4.14.
110 OBSERVADORES DINMICOS DE ESTADO
Figura 4.14: Estructura de control por realimentacin lineal de la salida, a base de un
observador dinmico de orden reducido
Ejemplo 4.3: Observador de orden reducido: control de la orientacin de
un artefacto espacial
Consideremos nuestro ejemplo de reorientacin del satelite. El modelo linealizado est dado por ,
ver ecuacin (3.6),
_
_
x
1
x
2
x
3
_
_
=
_
_
0 1 0
0 0
FL
J
0 0 0
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
0
R
_
_
u

= x
1
Deseamos utilizar la posicin angular incremental y

= x
1
, para emplearla directamente en
el controlador por realimentacin de estado (usaremos esta variable sin estimarla). Sobre la base
del conocimiento de esta variable incremental y de la entrada u

, deseamos estimar o reconstruir


los valores de x
2
y x
3
con un observador de orden reducido.
Las ecuaciones particionadas resultan:
x
1
= x
2
_
x
2
x
3
_
=
_
0
FL
J
0 0
_ _
x
2
x
3
_
+
_
0
R
_
u

= x
1
De acuerdo a la formulacin general, tenemos:
A
11
= 0; A
12
= [1 0]; A
21
=
_
0
0
_
; A
22
=
_
0
FL
j
0 0
_
; b
1
= 0; b
2
=
_
0
R
_
Consideremos, entonces, el problema de estimar los estados x
2
y x
3
a partir de:
_
x
2
x
3
_
=
_
0
FL
J
0 0
_ _
x
2
x
3
_
+
_
0
R
_
u

y
2
= x
2
4.6 EJERCICIOS PROPUESTOS 111
El observador dinmico para este subsistema est dado por:
_

x
2

x
3
_
=
_
0
FL
J
0 0
_ _
x
2
x
3
_
+
_
0
R
_
u

+L(y
2
y
2
)
y
2
= [1 0]
_
x
2
x
3
_
Ntese que el par (A
22
, A
12
), dado por las matrices
__
0
FL
J
0 0
_
, [1 0]
_
,
es observable.
Usando el procedimiento explicado anteriormente, reescribimos las ecuaciones del obser-
vador reducido de la manera siguiente:
_

x
2

x
3
_
=
_
0
FL
J
0 0
_ _
x
2
x
3
_
+
_
0
R
_
u

+
_
L
21
L
22
_
( x
1
y
2
)
=
_
0
FL
J
0 0
_ _
x
2
x
3
_
+
_
0
R
_
u

+
_
L
21
L
22
_
x
1
+
_
L
21
0
L
22
0
_ _
x
2
x
3
_
En forma ms sinttica:
_

x
2
L
21
x
1

x
3
L
22
x
1
_
=
_
L
21
FL
J
L
22
0
_ _
x
2
x
3
_
+
_
0
R
_
u

(4.45)
Hagamos ahora:
z
21
= x
2
L
21
x
1
= x
2
L
21
y

z
22
= x
3
L
22
x
1
= x
3
L
22
y

A partir de estas nuevas variables y de la ecuacin diferencial (4.45) anterior, obtenemos el


siguiente observador dinmico de orden reducido:
_
z
21
z
22
_
=
_
L
21
FL
J
L
22
0
_ _
z
21
z
22
_
+
_
0
R
_
u

+
_
L
21
FL
J
L
22
0
_ _
L
21
L
22
_
y

(4.46)
Las variable estimadas estn dadas por:
x
2
= z
21
+L
21
y

x
3
= z
22
+L
22
y

La ubicacin de los polos del observador en el semiplano izquierdo del plano complejo se logra
escogiendo las ganancias del observador de forma tal que igualen el polinomio caracterstico del
sistema autnomo, p(s), a un polinomio escogido previamente p
d
(s),
_
e
21
e
22
_
=
_
L
21
FL
J
L
22
0
_ _
e
21
e
22
_
Los polos deseados habrn de regir el comportamiento del error de reconstruccin de los
estados no medibles directamente. As:
p(s) = s
2
+L
21
s +
FL
J
L
22
p
d
(s) = s
2
+ 2rnrs +
2
nr
y, nalmente,
L
21
= 2rnr; L
22
=
J
FL

2
nr

112 OBSERVADORES DINMICOS DE ESTADO


Figura 4.15: Medicin de la altura en el pndulo simple (cm = centro de masa)
4.6. Ejercicios propuestos
Ejercicio 4.1: Medicin del pndulo sin amortiguamiento
Considere el pndulo simple sin amortiguamiento, Modelo 3, en la pgina 9.
Estudie dos casos:
1. la salida est dada por y(t) = x2(t), es decir, se tiene disponible la velocidad
angular del brazo del pndulo,
2. se mide la altura y(t) = h(t) del extremo de la barra. Ver Figura 4.15.
Se desea estabilizar el sistema alrededor de x1 =
d
. Disee, para cada caso, un
observador dinmico de estados. En el caso y(t) = x2(t), obtenga adicionalmente un
observador de orden reducido.
Responda las siguientes preguntas para cualquiera de los diseos anteriores:
Es posible obtener tal observador? Qu restricciones se deben imponer al sistema
para realizar este diseo? Explique las implicaciones prcticas o fsicas asociadas al
diseo de un observador dinmico de esta naturaleza.
()
Modelo 27: Pndulo invertido sobre un mvil, modelo 2
Consideremos un modelo simplicado del problema de balancear un pndulo invertido montado
sobre un carrito o mvil, ligeramente diferente al Modelo 22, en la pgina 45. En este caso pre-
sentamos un sistema de segundo orden. El pndulo es modelado como una barra delgada de
masa m y longitud 2L (el centro de masa est a una distancia L de la base), mopntado sobre un
mvil de masa M.
Las ecuaciones del movimiento del pndulo son:
x
1
= x
2
x
2
=
g sen(x
1
) a mLx
2
2
sen(2x
1
)/2 a cos(x
1
)u
4L/3 a mLcos
2
(x
1
)
(4.47)
donde x
1
es el ngulo, medido en radianes con respecto a la vertical, x
2
es la velocidad angular
asociada y u es la fuerza que se aplica al carrito (en Newtons). El resto de los parmetros del
sistema est dado por: g es la aceleracin de gravedad; a = 1/(m+M) es una constante.
El punto de equilibrio del sistema para u = U = constante, est dado por:
X(U) =
_
tan
1
(
aU
g
)
0
_
(4.48)
4.6 EJERCICIOS PROPUESTOS 113
El punto de equilibrio del sistema para x
1
= X = constante, est dado por:
x
1
= arbitrario = X ; x
2
= 0 ; u =
g
a
tan(X) (4.49)
M
Ejercicio 4.2: Diseo de observadores de orden completo y orden reducido:
pndulo invertido sobre un mvil
Considere el modelo anterior (4.47). Los valores de los parmetros estn dados
por: m = 2 kg, M = 8 kg, L = 1/2 m y g = 9,8 m/seg
2
.
Suponga primeramente que la salida es la posicin angular y = x1. En el punto
de equilibrio se tendr y = Y = X. Para la salida incremental y

= yY , determine
si el sistema es observable o no. Que pasa si la salida medida es en realidad la
velocidad angular x2?, el sistema sigue siendo observable?
Calcule tanto el observador de orden completo como el de orden reducido para el
sistema observable. Dibuje los diagramas de control asociados.
Simule en Matlab (R) el comportamiento de ambos observadores. Debe determi-
nar, para ello, la ley de realimentacin del vector de estado incremental necesaria
para estabilizar el sistema alrededor de su punto de equilibrio. Fije los polos de la
ley de realimentacin y del observador de manera apropiada.
()
Ejercicio 4.3: Observador de orden reducido para un tanque de reaccin
continuamente agitado
Considere el Modelo 10, en la pgina 16. Note que la salida est dada por y =
x1 + x2. Hasta ahora solo hemos diseado observadores de orden reducido cuando
se puede medir uno o varios de los estados. Disee un o.o.r. para el sistema dado,
considerando la salida dada y = x1 + x2. Simule el comportamiento del sistema en
lazo cerrado. Ayuda: Primeramente realice una transformacin de estados, de tal
forma que la salida reemplace uno de los estados dados. ()
Ejercicio 4.4: Observador de orden reducido: sistema de levitacin mag-
ntica
Disee la ley de control por realimentacin del vector de estados para el sistema
no lineal Modelo 8, en la pgina 14, utilizando un observador de orden reducido.
Realice las simulaciones del comportamiento dinmico del sistema en lazo cerrado.
Ayuda: Emplee los resultados obtenidos en el captulo anterior. Recuerde que la
salida est dada por y(t) = x1(t). ()
Ejercicio 4.5: Diseo de un observador de orden reducido: manipulador
robtico exible
Considere el Modelo 23, en la pgina 50. Se tienen disponibles para medicin
dos de los cuatro estados del sistema. Se pueden medir las posiciones angulares
tanto en el eje del motor , como del brazo robtico respecto a la vertical .
Disee:
La ley de control por realimentacin del vector de estado incremental, y
El observador de orden reducido de orden 2 asociado al sistema dado.
114 OBSERVADORES DINMICOS DE ESTADO
Proponga valores de los parmetros que fsicamente sean adecuados al sistema
dado (investigue en libros de robtica o en Internet por ejemplo, si no dispone de un
sistema fsico similar).
Simule el sistema en lazo cerrado con el observador dinmico de orden reducido
diseado.
()
Ejercicio 4.6: Simulacin de una derivada sucia: sistema aro-anillo
Derivada sucia. La derivada sucia (llamada as por su nombre en ingls dirty
derivative), es utilizada en la prctica cuando la derivada de una variable x no se
puede medir directamente. Cuando se mide la variable x solamente, su derivada se
estima con una aproximacin, por ejemplo, del tipo

x =

2
0
s
s
2
+ 1,40s +
2
0
x (4.50)
donde

x denota un estimado de x; la frecuencia de corte 0 es relativamente grande
respecto a las constantes de tiempo de la dinmica del sistema.
Observador de orden reducido. Considere el ejemplo en Matlab 4.2, en la pgina 91.
Disee un observador de orden reducido. Simule el observador de orden reducido en
lazo cerrado con la ley de control (4.21), teniendo cuidado de reemplazar x2 por su
estimacin x2.
Esquema con derivada sucia. Estime la derivada x2 mediante la expresin (4.50).
Simule esta aproximacin en lazo cerrado con la ley de control para el sistema no
lineal. Compare con los resultados obtenidos en el caso del observador de orden
reducido.
()
4.7. Resumen del captulo y Lecturas adicionales
Cuando no se pueden medir todos los estados del sistema incremental
y deseamos emplear una estrategia de realimentacin del vector de estado,
la solucin expedita es disear un observador dinmico de Luenberger. Si
el sistema es observable, la rapidez del observador puede escogerse de la
manera deseada. El observador dinmico del estado incremental copia la
estructura del sistema linealizado (por lo tanto, posee la misma dimensin),
obteniendo un sistema dinmico que adems es autocorregido.
Gracias al principio de separacin, los polos del sistema en lazo cerrado,
obtenidos mediante la realimentacin de estados, pueden escogerse inde-
pendientemente de los polos de la dinmica de observacin.
En el caso de medir o disponer de una o ms variables de estado, es
posible disear un observador dinmico de orden reducido. Este observador
posee una dimensin inferior a la dimensin del sistema original.
4.7 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 115
Lecturas recomendadas
Al igual que en el captulo anterior, le sugerimos consulte la informacin
referente al diseo de observadores, tanto de orden reducido como de orden
completo, en los siguientes textos:
1. G.F. Franklin, J. David Powell, A. Emami-Naeini, Feedback Control of
Dynamic Systems, 3ra. Edicin, Addison-Wesley, 1994, [FPEN94].
2. K. Ogata, Modern Control Engineering, Prentice Hall, 1993, [Oga93].
3. S. Bahram, M. Hassul, Control System Design using Matlab, Prentice
Hall, Englewood Cliffs, New Jersey, 1995. [BH95].
4. OReilly, Observers, Pergamon, 1980. [completar]. Un libro donde se
desarrolla la teora de observadores, tanto para sistemas como discre-
tos, con algunas orientaciones al diseo ptimo. Muy didctico.
Las referencias originales sobre el diseo de observadores, tal y como
estn planteadas en este captulo,
1. D. G. Luenberger, Observers for multivariable systems, IEEE Trans.
Automat. Contr., vol. 11, pp. 190197, 1966, [Lue66].
2. D. G. Luenberger, An introduction to observers, IEEE Trans. Au-
tomat. Contr., vol. 16, pp. 596602, 1971, [Lue71].
La dualidad es una propiedad particularmente interesante de los sis-
temas lineales:
D. G. Luenberger, A double look at duality, IEEE Trans. Automat.
Contr., vol. 37, pp. 1474 - 1482, October 1992, [Lue92]. En este artcu-
lo se describe la dualidad tanto desde el punto de controlabilidad y
observabiliad, como desde el punto de vista de la convexidad (un tipo
de dualidad que caracteriza el diseo de leyes de control ptimo).
Sobre la derivacin y sus aproximaciones, el lector puede referirse a las
siguientes referencias:
K.J. strm, T. Hgglund, PID Controllers: Theory, Design, and Tun-
ing, Instrument Society of America, 2da edicin, Research Triangle
Park, NC, 1995, [H95]. En este texto se hace un estudio de la accin
derivativa y de su implementacin numrica. Se discuten las limita-
ciones prcticas que se generan con la aproximacin numrica y el
porqu la accin derivativa no es utilizada en general.
5
Sntesis de
compensadores clsicos
Foto
Durante aos el diseo de leyes de control estuvo basado exclu-
sivamente en el uso de mtodos frecuenciales. En la actualidad,
el uso de reguladores o compensadores en el control de plantas y
procesos industriales no ha perdido su vigencia y sigue teniendo
una gran importancia.
El mtodo de la linealizacin aproximada ilustrado en los captu-
los previos, nos permitir dedicarnos a la llamada teora clsica de
sistemas de control lineales.
5.1. Introduccin
El mtodo de la linealizacin aproximada permite, en principio, el uso
de cualquiera de los mtodos de diseo de controladores inherentemente
vlidos para sistemas lineales.
Como hemos visto hasta ahora, esto es cierto en tanto
116
5.2 DISEO DE REGULADORES DEL TIPO P, PI Y PID 117
1. el principio de linealizacin sea vlido localmente en un entorno su-
cientemente grande alrededor del punto de operacin deseado,
2. el modelo linealizado cumpla con las condiciones de controlabilidad y
observalidad requeridas.
3. se disee un controlador, en base al anlisis llevado a cabo sobre el sis-
tema linealizado, el cual induzca una estabilizacin local del sistema
no lineal, alrededor de su punto de equilibrio.
En este captulo seguiremos este mismo procedimiento para el diseo
de esquemas de control clsicos basados en la funcin de transferencia.
Nuestro propsito no es desarrollar en profundidad los diferentes mto-
dos de anlisis frecuencial (lugar de las races, mtodo de Bode, Nichols,
etc.) para el diseo de compensadores
1
G
c
(s) (adelanto, atraso, adelanto
atraso, etc.) ya que existen excelentes y detalladas referencias al respecto,
rerase, por ejemplo, en la seccin Lecturas recomendadas al nal del
captulo. En lugar de ello, presentaremos un conjunto de ejemplos ilustra-
tivos de la aplicacin de algunas de las estrategias de compensacin ms
comunmente empleadas.
En adelante, trataremos el diseo de compensadores en serie G
c
(s) para
sistemas no lineales. En la seccin 5.2 trataremos en detalle los esquemas
de diseo clsicos para la regulacin, conocidos como controlador propor-
cional o P, proporcionalintegral o PI y proporcional-integral-derivativo o
PID, todos ellos basados en el mtodo frecuencial de Ziegler-Nichols. En
la seccin 5.4 se presenta el desarrollo de compensadores basados en el
mtodo de controlador-observador clsico. Finalmente, en la seccin 5.5,
presentaremos el procedimiento de diseo de un compensador en adelan-
to, utilizando para ello el ejemplo del sistema de levitacin magntica. Los
esquemas presentados usan Matlab (R) en forma intensiva y podrn servir
como una gua en las experiencias de diseo de sistemas de control reali-
mentado presentadas posteriormente.
5.2. Diseo de reguladores del tipo P, PI y PID
Los mtodos de diseo de compensadores del tipo PID (proporcional
integralderivativo) son de gran importancia en la estabilizacin de sis-
temas reales que operan en la vecindad de puntos de equilibrio, prueba de
ello es el uso frecuente y entenso de compensadores PID en aplicaciones
industriales (se dice que hoy en da el 90 % de todos los sistemas de control
industriales en el mundo son regulados por controladores PI!).
A continuacin, usando como base el diseo basado en el sistema linea-
lizado, presentaremos el mtodo de Ziegler-Nichols en rgimen frecuencial mtodo de
Ziegler-Nichols
1
A las leyes de control diseadas mediante los llamados mtodos clsicos se las llama tam-
bin redes de compensacin. Este nombre proviene de los arraigados orgenes de esta teora en
la ingeniera elctrica; H. Black, H. Bode, H. Nyquist, por ejemplo, trabajaron todos para la
Bell Telephone Company resolviendo problemas de ndole fundamentalmente elctrico.
118 SNTESIS DE COMPENSADORES CLSICOS
para la entonacin o ajuste de los parmetros del compensador. El mtodo
usado es el basado en la respuesta crtica del sistema, el cual permite en- Mtodo Z-N
basado en la
respuesta crtica
contrar directamente, de una forma sistemtica y analtica, los elementos
necesarios a partir del diagrama de Nyquist para el clculo de los parme-
tros del controlador P, PI o PID.
Por supuesto, el mtodo que expondremos slo se aplica a sistemas de
una sola entrada y una salida o SISO (por sus siglas en ingls single-input
single-output). Los sistemas estudiados adems presentarn la propiedad sistemas SISO,
estables en lazo
abierto
de ser estables en lazo abierto. No utilizaremos el mtodo de Ziegler-Nichols
basado en los parmetros de la respuesta escaln, por cuanto la obtencin
en forma analtica de estos parmetros es un tanto ms difcil.
El mtodo de Ziegler-Nichols de respuesta crtica en rgimen frecuencial
consiste en determinar dos parmetros, f
0
(U) y K
0
(U), a partir del diagra-
ma de Nyquist de la funcin de transferencia en lazo abierto dada por, viene
de la pgina 37,
G
U
(s) = C(U)[sI A(U)]
1
B(U) (2.8*)
Los parmetros a determinar son conocidos como la frecuencia ltima frecuencia ltima
y ganancia
ltima
f
0
(U) y la ganancia ltima K
0
(U). En lugar de la frecuencia f
0
(U) nos in-
terezar en particular la frecuencia ltima expresada en radianes
0
(U) y
el perodo ltimo P
0
(U), los cuales se expresan de la siguiente manera:
P
0
(U) =
2

0
(U)
=
1
f
0
(U)
K
0
(U) =
1
|G
U
(
0
(U))|
Los parmetros presentados en (5.1) corresponden a los que usaremos
directamente en el mtodo de Ziegler-Nichols. Note la dependencia de estos
parmetros respecto al punto de operacin U.
La frecuencia
0
(U) (o f
0
(U)) corresponde al valor de frecuencia nita,
diferente de cero, para el cual ImG(j(U)) = 0,
2
es decir, cuando el sistema
presenta estabilidad marginal
3
. Este valor se determina directamente so-
bre el grco de Nyquist, tal como se muestra en la Figura 5.1.
Analticamente, los valores de K
0
(U) y
0
(U) se calculan a partir de la
funcin de transferencia G
U
(s) de la manera siguiente:
arg [G
U
(j
0
(U))] =
K
0
(U) =
1
|G
U
(j
0
(U))|
(5.1)
2
En el diagrama de Bode este valor corresponde a la frecuencia en que la fase cruza por
180

( radianes). Recuerde las nociones de margen de ganancia y de margen de fase.


3
De hecho, la ganancia crtica corresponde al valor de ganancia proporcional para el cual
el sistema se hace crticamente estable.
5.2 DISEO DE REGULADORES DEL TIPO P, PI Y PID 119
Figura 5.1: Determinacin de la frecuencia ltima
0
y la ganancia ltima K
0
Tabla 5.1: Parmetros K
P
, T
I
, T
D
del mtodo de Ziegler-Nichols
Tipo de Parmetro Parmetro Parmetro
controlador K
P
T
I
T
D
P 0,5K
0
(U) 0
PI 0,45K
0
(U) 0,83P
0
(U) 0
PID 0,6K
0
(U) 0,5P
0
(U) 0,125P
0
(U)
Regla de Ziegler-Nichols. La forma clsica (terica) del compensador
PID que estabilizar la salida del sistema linealizado al valor de cero est
dada por la expresin
G
c
(s) = K
P
(U)
_
1 +
1
T
I
(U)s
+T
D
(U)s
_
(5.2)
donde K
P
es la ganancia esttica, T
I
y T
D
son constantes de tiempo asoci-
adas a los trminos integral y derivativo, respectivamente. Como se obser-
va, las expresiones de los controladores P y PI se obtienen haciendo, respec-
tivamente, T
I
(U) = , T
D
(U) = 0 y T
D
(U) = 0. Para el caso del regulador
PD hacemos simplemente T
I
(U) = .
Otra representacin, un tanto ms simple, del controlador (5.2) es la
siguiente:
G
c
(s) = K
1
(U) +
K
2
(U)
s
+K
3
(U)s (5.3)
Tomando en cuenta (5.2) o (5.3), el mtodo Ziegler-Nichols se basa en
proponer, a partir de los valores P
0
y K
0
, los valores de los parmetros del
compensador lineal del tipo P, PI o PID a disear. La tabla 5.1 muestra los
diferentes valores paramtricos de K
P
, T
I
y T
D
recomendados por el mtodo
120 SNTESIS DE COMPENSADORES CLSICOS
Tabla 5.2: Parmetros K
1
, K
2
, K
3
del mtodo de Ziegler-Nichols
Tipo de Parmetro Parmetro Parmetro
controlador K
1
K
2
K
3
P 0,5K
0
(U) 0 0
PI 0,45K
0
(U)
0,54K0(U)
P0(U)
0
PID 0,6K
0
(U)
1,2K0(U)
P0(U)
0,075K
0
(U)P
0
(U)
de Ziegler-Nichols. Estos valores caracterizan las constantes de los compen-
sadores que permiten regular ecientemente a toda la familia de sistemas
lineales parametrizada por el punto de equilibrio deseado. En trminos de
los parmetros K
1
, K
2
, K
3
, la tabla 5.1 se puede reescribir como aparece en
la tabla 5.2.
Observe que no hemos considerado explcitamente el caso del contro-
lador proporcional-derivativo PD (ver el ejemplo Matlab 8.2, pgina 211, El controlador
PD corresponde a
una
realimentacin
del vector de
estados
en la Parte II sobre la linealizacin extendida) por cuanto es fcil demostrar
que este caso se corresponde, en general, con realimentacin (esttica) del
vector de estado, cuyo tratamiento ya hemos visto en todo detalle en cap-
tulos anteriores.
El controlador PIDlineal, obtenido mediante el mtodo de Ziegler-Nichols,
puede escribirse fcilmente en trminos de una representacin de estado,
donde la entrada corresponde al error linealizado de la salida incremen-
tal e

respecto de su valor nominal cero. Esta representacin admite en la


ecuacin de salida la presencia de un trmino en la derivada de dicha en-
trada, es decir, de

/dt, el cual excita al compensador directamente. Por lo


tanto tenemos:

= K
2
(U)e

+K
1
(U)e

+K
3
(U)
de

dt
(5.4)
donde e

= y
ref
y

= 0 y

= y

.
Evidentemente, la seal de control sintetizada por el compensador an-
terior adopta la forma:
u

= K
1
(U)e

+K
2
(U)
_
t
o
e

()d +K
3
(U)
de

dt
(5.5)
Dicha expresin constituye, ciertamente, un controlador PID clsico. Este
regulador permitir estabilizar localmente al sistema no lineal dentro de
un esquema de diseo como el planteado en el diagrama de bloques de la
Figura 5.2.
5.3 EJEMPLOS BASADOS EN LA REGLA DE ZIEGLER-NICHOLS 121
Figura 5.2: Esquema de control PID para Sistemas No Lineales
5.3. Ejemplos basados en la regla de Ziegler-Nichols
El material expuesto hasta este punto ser til al momento de regular
un sistema dado mediante un PID. Sin embargo, antes de proceder a re-
alizar algunos ejemplos del uso de esta estrategia, debemos hacer notar la
siguiente observacin: No siempre es posible aplicar el mtodo de Ziegler-
Nichols para el diseo de un compensador PID linealizado.
En general, sistemas de primer y segundo orden no pueden
beneciarse de diseos derivados de esta tcnica. La razn
fundamental estriba en el hecho de que tales sistemas possen
funciones de transferencia cuyo grco de Nyquist no corta el
eje real ms que en = 0 y = . Tampoco se aplicar este
mtodo a sistemas inestables.
La determinacin de la ganancia ltima se convierte, entonces, en un
proceso singular. De hecho, este mtodo se emplear en sistemas que pre-
sentan una caracterstica forma en S de la respuesta escaln unitario
4
.
Ejemplo 5.1: Ejemplo de diseo donde las condiciones fallan: control de un
sistema de suspensin magntica
Consideremos nuevamente el sistema de suspensin magntica Modelo 8, en la pgina 14, el
cual permite mantener levitada una pequea esfera metlica de masa m.
La funcin de transferencia del sistema linealizado (2.11), en la pgina 39, la cual relaciona la
corriente de entrada al circuito del electroimn con la posicin de la esfera metlica est dada por:
G
X
(s) =
y

(s)
u

(s)
=
x
1
(s)
u

(s)
=
2
L
_
cg
mX
s
3
+
R
L
s
2

g
X
s
Rg
LX
(5.6)
(0bsrvese la inversin de signo respecto a la funcin de transferencia original (2.12), en este
caso hemos tomado la seal de salida de tal forma que y

(t) = x
1
(t), esto nos permitir facilitar
los clculos ms adelante.)
Estudiemos este sistema mediante el criterio de estabilidad de Nyquist. Este criterio tiene que Criterio de
estabilidad de
Nyquist
ver con la siguiente funcin de transferencia
1 +Kc
N
G
(s)
D
G
(s)
(5.7)
4
Vase, por ejemplo, [Oga93]. El lector puede referirse al nal del captulo donde se presen-
tan otras referencias al respecto.
122 SNTESIS DE COMPENSADORES CLSICOS
donde G
X
(s) = N
G
(s)/D
G
(s). El numerador de (5.7) corresponde al polinomio caracterstico
del sistema en lazo cerrado. El criterio dice que el diagrama de Nyquist cumple con la condicin
N = Z P donde N es el nmero de vueltas contadas en sentido horario alrededor del punto
1 + 0 j , Z es el nmero de ceros inestables (Re(s) > 0) presentes en (5.7), es decir, Z se
corresponde con el nmero de races inestables del polinomio caracterstico del sistema en lazo
cerrado; P es el nmero de polos inestables de (5.7).
Figura 5.3: Grco de Nyquist de la funcin de transferencia para el sistema de suspensin
magntica
El grco de Nyquist para este sistema se presenta en la Figura 5.3. Los valores empleados
de los parmetros fueron los siguientes:
g = 9,8 [m/seg
2
]; c = 1; m = 0,1 [kg]; R = 1 []; L = 0,01 [Henrios]; X = 0,05 [m] (5.8)
De acuerdo con el criterio de Nyquist, este sistema en lazo cerrado es inestable. En efecto, a
partir del diagrama se deduce que N = 0, el sistema en lazo abierto presenta una raiz inestable
P = 1 y, por lo tanto, Z = 1. Al aumentar la ganancia Kc, persisten las races inestables y de
hecho aumentan a Z = 2. La ilustracin de este hecho se observa, ms adelante, en el lugar de
las races del sistema (5.6) mostrado en la Figura 5.4. Este sistema, entonces, no se puede tratar
mediante el mtodo de diseo de Ziegler-Nichols descrito en esta seccin.

Ejemplo 5.2: Diseo de un controlador PI para un modelo promedio de un


convertidor tipo Boost de corriente continua
Consideremos la funcin de transferencia (2.10), en la pgina 38, del modelo promedio del con-
vertidor Boost:
G
U
(s) =
0
Z
1
(U)
s
b
Z
1
(U)
s
2
+
1
s +
2
0
(1 U)
2
(2.10*)
donde
= U ; Z
1
(U) =
b
1

2
0
(1 U)
2
: Z
2
(U) =
b

0
(1 U)
En la Figura 5.5 se presenta el grco de Nyquist de la funcin de transferencia (2.10), toman-
do en cuenta los siguientes valores numricos tpicos de los parmetros:

0
= 1,5811 10
3
;
1
= 1,6667 10
3
: b = 106,066; U = 0,8 (5.9)
5.3 EJEMPLOS BASADOS EN LA REGLA DE ZIEGLER-NICHOLS 123
Figura 5.4: Lugar de las races para el sistema de suspensin magntica
Figura 5.5: Grco de Nyquist de la funcin de transferencia del modelo promedio de
un convertidor de corriente continua tipo Boost
124 SNTESIS DE COMPENSADORES CLSICOS
Figura 5.6: Lugar de las races del modelo promedio del convertidor Boost
La forma particular del grco es indicativa de que podemos aplicar el mtodo de Ziegler-
Nichols presentado anteriormente, basado en la respuesta frecuencial, para el diseo de un con-
trolador PI o PID. En este caso particular realizaremos el diseo de un controlador PI.
Sustituyendo s = j en la funcin de transferencia (2.10), obtenemos la siguiente expresin
que nos permitir determinar la parte imaginaria y la parte real de G( j ):
G
U
(s) =
0
Z
1
(U)
j
b
Z
1
(U)
( j )
2
+
1
j +
2
0
(1 U)
2
=
0
Z
1
(U)
_
j
b
Z
1
(U)
_
([
2
0
(1 U)
2

2
] j
1
)
[
2
0
(1 U)
2

2
]
2
+ (
1
)
2
=
0
Z
1
(U)
(
2
0
(1 U)
2

2
)
b
Z
1
(U)

2

1
(
2
0
(1 U)
2

2
)
2
+ (
1
)
2
j
0
Z
1
(U)
(
2
0
(1 U)
2

2
) +

1
b
Z
1
(U)
(
2
0
(1 U)
2

2
)
2
+ (
1
)
2
En consecuencia,
ImG
U
( j ) =
0
Z
1
(U)
(
2
0
(1 U)
2

2
) +

1
b
Z
1
(U)
(
2
0
(1 U)
2

2
)
2
+ (
1
)
2
=
0
Z
1
(U)
2
2
0
(1 U)
2

2
(
2
0
(1 U)
2

2
)
2
+ (
1
)
2
(5.10)
Se puede observar en el grco 5.5 que la parte imaginaria (5.10) del grco de Nyquist se
hace cero en = 0, = , los cuales son valores que no podemos emplear. Entonces, la
frecuencia de cruce con el eje imaginario que nos interesa ser:
(U) =

2
0
(1 U)
El valor del mdulo de la funcin de transferencia G
U
( j ) para el valor de frecuencia angular
(U) est dado por
|G
U
( j (U))| =

0

1
Z
1
(U) =
b

0
(1 U)
5.4 MTODO DEL CONTROLADOR-OBSERVADOR CLSICO 125
Figura 5.7: Esquema de regulacin promedio basado en un controlador PI para un con-
vertidor tipo Boost
De esta ltima expresin se obtienen el periodo ltimo P
0
(U) y la ganancia ltima K
0
(U):
P
0
(U) =
2
(U)
=

0
(1 U)
; K
0
(U) =

0
(1 U)
2
b
De acuerdo a los valores de la tabla 5.2, las ganancias del controlador PI para el sistema
linealizado estn dadas por:
K
1
(U) = 0,45

0
(1 U)
2
b
: K
2
(U) = 0,54

2
0
(1 U)
3

2b
(5.11)
La representacin del controlador PI en el espacio de estado, de acuerdo a la expresin (5.4)
y tomando en cuenta los valores (5.11), resulta

= 0,54

2
0
(1 U)
3

2b
e

+ 0,45

0
(1 U)
2
b
e

(5.12)
donde e

= y

.
En este caso particular, adems del controlador lineal u

resultante del compensador PI y la


adicin del valor del control en equilibrio = U, el esquema nal de control involucra adems
la delimitacin de la seal de entrada , puesto que debe cumplir la relacin 0 1. Esta
delimitacin se lleva a cabo mediante un saturador, el cual impide que la seal de entrada (la
relacin de trabajo), tome valores inferiores a 0 o superiores a 1. Por esta razn, aparece un
limitador con estas caractersticas en el diagrama de bloques presentado en la Figura 5.7.

5.4. Mtodo del controlador-observador clsico


Un anlisis relativamente sencillo del esquema de compensacin lineal
basado en el uso de realimentacin del vector de estado a travs de obser-
vadores, nos conduce a convencernos de que es posible utilizar un esquema
equivalente en trminos de funciones de transferencia. De esta forma no
tenemos necesidad de recurrir a la representacin de estado y sus conceptos
asociados de controlabilidad y observabilidad. A tal esquema de regulacin
se le conoce con el nombre de esquema del controlador-observador clsico.
Las bases del enfoque lineal del mtodo nos sern tiles sobretodo para pro-
poner ms adelante una extensin al caso no lineal (mediante la tcnica de
la linealizacin extendida).
126 SNTESIS DE COMPENSADORES CLSICOS
Supongamos que hemos resuelto el problema de realimentacin de es-
tado mediante el uso de un observador dinmico en un sistema linealizado
alrededor de un cierto punto de equilibrio. Las ecuaciones del controlador y
del observador seran, en tal caso, las siguientes:
u

= e

= v

(s) K(U) x

= A(U) x

+B(U)u

+L(U)[y

]
y

= C(U) x

donde v

(s) representa la transformada de una seal de referencia conocida.


La funcin de transferencia entre la salida del compensador, representa-
da por la seal realimentada incremental K(U) x

(s), y la entrada al compen-


sador, representada por la salida incremental de la planta y

(s), est deni-


da por la siguiente relacin, obtenida directamente de las ecuaciones ante-
riores:
K(U) x

= K(U)[sI A(U) +L(U)C(U)]


1
L(U)y

(s)
K(U)[sI A(U) +L(U)C(U)]
1
B(U)u

(s)
= H
y
(U, s)y

(s) H
u
(U, s)u

(s)
La expresin del controlador representado en la forma de funciones de
transferencia es, entonces, la siguiente:
u

(s) = v

(s) K(U) x

(s) = v

(s) H
y
(U, s)y

(s) H
u
(U, s)u

(s) (5.13)
Resolviendo para la transformada de la entrada incremental a la planta,
o error incremental, tenemos:
u

(s) = [1 +H
u
(U, s)]
1
[v

(s) H
y
(U, s)y

(s)]
La Figura 5.8 muestra una interpretacin en diagrama de bloques de la
ecuacin (5.13), con respecto a la entrada incremental.
A menudo utilizaremos una parametrizacin en trminos de la salida
en equilibrio para el bloque compensador que recibe la inuencia directa de
la salida incremental. Esta parametrizacin se muestra en la Figura 5.9.
Como se observa en este diagrama, la notacin usada anteriormente per-
manece inalterada a excepcin de la dependencia explcita del valor nomi-
nal Y de la salida.
Este ltimo esquema se corresponde, dentro de ciertas limitaciones, a
un esquema clsico, bien conocido, de disposicin de los bloques de compen-
sacin en sistemas lineales. Sin embargo, a diferencia del esquema clsico,
existen ciertas limitaciones en la estructura de estos bloques.
Usando las expresiones obtenidas a partir de la transformada de la en-
trada del control incremental en trminos de s misma y de la salida in-
cremental, podemos ver, en primer lugar, que los denominadores en am-
bas funciones de transferencia deben ser idnticos. En segundo lugar, es
5.4 MTODO DEL CONTROLADOR-OBSERVADOR CLSICO 127
Figura 5.8: Interpretacin del diseo en variables de estado
Figura 5.9: Representacin del esquema controlador-observador clsico
128 SNTESIS DE COMPENSADORES CLSICOS
sabido que la manipulacin de bloques de funciones de transferencia puede
crear eliminaciones o simplicaciones de ciertos factores, los cuales pueden
aparecer tanto en los numeradores como en los denominadores de las fun-
ciones de transferencia resultantes. Estas simplicaciones pueden pasar
inadvertidas y dejar en los diseos resultantes modos escondidos que, de
ser inestables, causaran un esquema de control invlido. No abundaremos,
por ahora, en las especicidades de estos detalles que, aunque importantes,
aparecern en su debido momento durante los desarrollos que presentare-
mos a continuacin.
Supongamos que la familia de funciones de transferencia de la planta
linealizada y de los bloques de compensacin, parametrizada respecto al
punto de equilibrio (X, U, Y ), est dada explcitamente por:
G
U
(s) =
N
G
(U, s)
D
G
(U, s)
; H
y

(Y, s) =
N
y
(Y, s)
C(s)
; H
u

=
N
u
(U, s)
C(s)
Los numeradores de estas funciones de transferencia son polinomios de
grado n 1 como mximo. An cuando podemos suponer que los denom-
inadores de las funciones de transferencia de los bloques compensadores
sean de grado n, es fcil ver que podemos suponer, sin prdida de genera-
lidad, que C(s) es un polinomio de orden n 1, en virtud de que siempre
podemos reducir el orden del observador de estado en una unidad (ya que
la salida siempre puede considerarse como un estado observable del sis-
tema). Recordemos tambin que, en general, hemos buscado diseos de
observadores cuyas dinmicas del error fuesen asintticamente estables e
independientes del punto de operacin (es decir, los autovalores de la ma-
triz del sistema autnomo que describen la dinmica del error incremental
deben exhibir parte real negativa y, adems, ser independientes del pun-
to de equilibrio). Impondremos, por tanto, la independencia, con respecto
a U, de los coecientes del polinomio C(s), as como la adscripcin de sus
races al semiplano izquierdo del plano complejo. Adicionalmente, supon-
dremos que no existe simplicacin posible entre los factores que confor-
man el numerador y el denominador de la funcin de transferencia de la
planta linealizada. Es decir, que los polinomios N
G
(U, s) y D
G
(U, s) deben Polinomios
coprimos ser coprimos. Esta suposicin es equivalente a imponer, simultaneamente,
las condiciones de controlabilidad y observabilidad en la planta linealizada.
Esta ltima exigencia, como sabemos, no es restrictiva en grado alguno.
La funcin de transferencia del sistema en lazo cerrado est dada por:
y

(s)
v

(s)
= F
U
(s) =
G
U
(s)
1 +H
u
(U, s) +H
y
(Y, s)G
U
(s)
=
C(s)N
G
(U, s)
C(s)D
G
(U, s) +N
U
(U, s)D
G
(U, s) +N
y
(Y, s)N
G
(U, s)
Daremos un argumento plausible que establece la posibilidad de escoger
N
u
(U, s) y N
y
(Y, s) de tal forma que el denominador de la funcin de trans-
5.4 MTODO DEL CONTROLADOR-OBSERVADOR CLSICO 129
ferencia del sistema en lazo cerrado verique la siguiente identidad:
C(s)D
G
(U, s) +N
U
(U, s)D
G
(U, s) +N
y
(Y, s)N
G
(U, s) C(s)D(U, s) (5.14)
donde D(U, s) representa el polinomio caracterstico deseado del sistema en
lazo cerrado.
La familia de funciones de transferencia que describen el sistema con-
trolado estar dada entonces por:
y

(s)
v

(s)
= F
U
(s) =
N
G
(U, s)
D(U, s)
El diseo de los bloques compensadores se lleva a cabo entonces a partir
de la ecuacin que relaciona los numeradores de sus funciones de transfer-
encia con los polinomios conocidos y con los polinomios que determinan la
dinmica asignada al sistema en lazo cerrado y al observador subyacente.
Observamos que la igualdad polinomial involucra la identicacin trmino
a trmino de los coecientes de dos polinomios de grado 2n 1 que arrojan
un total de 2n ecuaciones y tenemos como incgnitas, precisamente, los 2n
coecientes de los numeradores de las funciones de transferencia de los blo-
ques compensadores, es decir, los coecientes de N
y
(Y, s) y N
u
(U, s). Se pue-
de demostrar que si los polinomios N
G
(U, s) y D
G
(U, s) son coprimos existe,
entonces, solucin para tal sistema de ecuaciones y, adems, tal solucin es
nica. Esto se deduce directamente del algoritmo de Euclides
5
. Algoritmo de
Euclides A continuacin ilustraremos el uso de este mtodo de diseo de control
lineal en un ejemplo sencillo, proveniente de una linealizacin.
Ejemplo 5.3: Clculo de un controlador-observador clsico para el manipu-
lador robtico de una sola unin rgida
Considere el Modelo 9, en la pgina 15, del manipulador robtico de una sola unin rgida (1.21).
Su punto de equilibrio parametrizado respecto a u = U est dado por (1.23).
La linealizacin de este sistema alrededor del punto de equilibrio resulta:
_
x
1
x
2
_
=
_
0 1

c
NJ
_
1
U
2
c
2

B
J
_
_
x
1
x
2
_
+
_
0
1
j
_
u

=
_
1 0

_
x
1
x
2
_
(5.15)
La funcin de transferencia de este sistema linealizado se obtiene de inmediato como:
G
U
(s) =
y

(s)
u

(s)
=
N
G
(U, s)
D
G
(U, s)
=
1/J
s
2
+
B
J
s +
c
NJ
_
1
U
2
c
2
(5.16)
Para este sistema, proponemos el esquema de compensacin lineal basado en el esquema
clsico del controlador-observador descrito en esta seccin. Para ello,
denimos los siguientes bloques compensadores:
H
u
(U, s) =
Nu(U, s)
C(s)
=
n
u1
(U)
s +
+n
u2
(U)
H
y
(Y, s) =
Ny(Y, s)
C(s)
=
n
y1
(Y )
s +
+n
y2
(Y )
5
Este algoritmo es muy utilizado para el diseo de algoritmos de control, en [DFT92] se
presenta una introduccin muy didctica a este tema.
130 SNTESIS DE COMPENSADORES CLSICOS
La funcin de transferencia deseada en lazo cerrado est dada por:
F
U
(s) =
N
G
(U, s)
D(s)
=
1/J
s
2
+ 2ns +
2
n
La ecuacin fundamental (5.14) sobre la que basamos el diseo lineal resulta
(s +)(s
2
+ 2ns +
2
n
)
(s +)
_
_
s
2
+
B
J
s +
c
NJ

1
U
2
c
2
_
_
+ (n
u2
(U)s + [n
u2
(U) +n
u1
(U)])
_
_
s
2
+
B
J
s +
c
NJ

1
U
2
c
2
_
_
+
1
J
(n
y2
(U)s + [n
y2
(Y ) +n
y1
(Y )])
Se igualan los coecientes de las potencias iguales de s, de los polinomios que se en-
cuentran a ambos lados de la identidad. Se obtienen as los siguientes valores para las
incgnitas, los cuales determinan los coecientes de los numeradores de las funciones de
transferencia de los bloques compensadores:
n
u2
(U) = 0; n
u1
(U) = n
u1
= 2n
B
J
n
y2
(U) = J
_
_

2
n
+
_

B
J
_ _
2n
B
J
_

c
NJ

1
U
2
c
2
_
_
;
n
y2
(Y ) = J
_

2
n
+
_

B
J
_ _
2n
B
J
_

c
NJ
cos
_
Y
N
__
;
n
y1
(U) =
_
2n
B
J
_
_
_
c
N

1
u
2
c
2
+J
_

B
J
_
_
_
;
n
y1
(Y ) =
_
2n
B
J
_ _
c
N
cos
_
Y
N
_
+J
_

B
J
__
El compensador clsico lineal resulta entonces:
H
u
(U, s) =
2n
B
J
s +
H
y
(Y, s) =
_
2n
B
J
_ _
c
N
cos
_
Y
N
_
+J
_

B
J
__
J
_

2
n
+
_

B
J
_ _
2n
B
J
_

c
NJ
cos
_
Y
n
__
donde es un nmero real positivo completamente arbitrario.
Ser til considerar la siguiente realizacin de espacio de estado de los bloques compen-
sadores:
z
u
= z
u
+u

y
u
=
_
2n
B
J
_
z
u
z
y
= z
y
+y

y
y
=
_
2n
B
J
_ _
c
N
cos
_
Y
N
_
+J
_

B
J
__
z
y
+J
_

2
n
+
_

B
J
_ _
2n
B
J
_

c
NJ
cos
_
Y
N
__
y

(5.17)
donde y
u
y y
y
representan las contribuciones de cada bloque a la conformacin de la
seal de entrada incremental. Las variables de estado z
u
y z
y
son los estados de los
bloques compensadores.
5.4 MTODO DEL CONTROLADOR-OBSERVADOR CLSICO 131

Ejemplo 5.4: Diseo de un controlador no lineal del tipo controlador-observador


para un sistema de suspensin magntica
Damos a continuacin en forma resumida los pasos principales del proceso de diseo de un regu-
lador del tipo controlador-observador de ndole no lineal obtenido por el mtodo de la linealizacin
extendida.
El modelo no lineal del sistema satisface las siguientes expresiones:
x
1
= x
2
x
2
= g
c
m
x
2
3
x
1
x
3
=
R
L
x
3
+
1
L
u
y = x
1
Siendo el punto de equilibrio parametrizado por la corriente de entrada constante U:
u = U; x
1
(U) = X
1
(U) =
c
mg
U
2
R
2
; x
2
(U) = 0; x
3
(U) = X
3
(U) =
U
R
Linealizando el sistema alrededor del punto de equilibrio genrico se obtiene:
x
1
= x
2
x
2
=
mg
2
R
2
cU
2
x
1

2gR
U
x
3
x
3
=
R
L
x
3
+
1
L
u

= x
1
y la funcin de transferencia del sistema linealizado, parametrizada en trminos de la corriente de
entrada U es:
G
U
(s) =
N
G
(U, s)
D
G
(U, s)
=
_
2gR
LU
_
_
s
2

mg
2
R
2
cU
2
_ _
s +
R
L
_ =
_
2gR
LU
_
s
3
+
R
L
s
2

mg
2
R
2
cU
2
s
mg
2
R
3
cLU
2
La estructura del compensador lineal esta dada entonces por:
Hu(U, s) =
Nu(U, s)
C(s)
=
n
u2
(U)s +n
u1
(U)
s
2
+
2
s +
1
+n
u3
(U)
=
n
u3
(U)s
2
+ [
2
n
u3
(U) +n
u2
(U)]s + [
1
n
u3
(U) +n
u1
(U)]
s
2
+
2
s +
1
Hy(Y, s) =
Ny(Y, s)
C(s)
=
n
y2
(Y )s +n
y1
(Y )
s
2
+
2
s +
1
+n
y3
(Y )
=
n
y3
(Y )s
2
+ [
2
n
y3
(Y ) +n
y2
(Y )]s + [
1
n
y3
(Y ) +n
y1
(Y )]
s
2
+
2
s +
1
Planteando la funcin de transferencia deseada en lazo cerrado:
F
U
(s) =
N
G
(U, s)
D(U, s)
=
_
2gR
LU
_
(s +)(s
2
+ 2ns +
2
n
)
=
_
2gR
LU
_
s
3
+ (2n +)s
2
+ (2n +
2
n
)s +
2
n
Obteniendo la ecuacin fundamental del diseo:
(s
2
+
2
s +
1
)[s
3
+ (2n +)s
2
+ (2n +
2
n
)s +
2
n
]
(s
2
+
2
s +
1
)
_
s
3
+
R
L
s
2

mg
2
R
2
cU
2
s
mg
2
R
3
cLU
2
_
+ [n
u3
(U)s
2
+ (
2
n
u3
(U) +n
u2
(U))s + (
1
n
u3
(U) +n
u1
(U))]
_
s
3
+
R
L
s
2

mg
2
R
2
cU
2
s
mg
2
R
3
cLU
2
_
[n
y3
(Y )s
2
+ (
2
n
y3
(Y ) +n
y2
(Y ))s + (
1
n
y3
(Y ) +n
y1
(Y ))]
_
2gR
LU
_
132 SNTESIS DE COMPENSADORES CLSICOS
La representacin entrada-salida del compensador lineal est dada por:
Hu(U, s) =
Nu(U, s)
C(s)
=
_
2n +
R
L
_
s +
_
(2n +
2
n
) +
2
(2n +)
R
L
_
2n +
R
L
_

2
R
L
+
mg
2
R
2
cU
2
_
s
2
+
2
s +
1
Hy(U, s) =
Ny(U, s)
C(s)
=
n
y2
(U)s +n
y1
(U)
s
2
+
2
s +
1

_
mgRL
2cU
_ _

2
+ 2n +
R
L
_
+ (2n +
2
n
)
_
R
L

2
_
LU
2gR
+ (2n +)
_

R
L
1
_
LU
2gR
+
_

2
R
L
+
R
2
L
2
_
U
2g


2
n
LU
2gR

Ejemplo 5.5: Diseo de un controlador no lineal, mediante el mtodo del


controlador-observador, de un tanque de reaccin continuamente agitado
Consideremos ahora el modelo no lineal de un tanque reactor continuamente agitado en el cual
toma lugar una reaccin qumica del tipo isotrmica en fase lquida
x
1
= (1 +D
a1
)x
1
+u
x
2
= D
a1
x
1
x
2
D
a2
x
2
2
y = x
1
+x
2
Donde x
1
representa la concentracin normalizada (adimensional) Cp/Cpo de cierta especie
P en el reactor, donde Cpo es la concentracin deseada de las especies P y Q medidas en
mol.m
3
, La variable de estado x
2
representa la concentraci n normalizada C
Q
/Cpo de la es-
pecie Q . La variable de control u se dene como la razn de la rata de alimentacin molar por
unidad volumtrica de la especie P, la cual designamos mediante N
PF
, y la concentracin desea-
da C
PO
. Es decir, u = N
PF
/(FC
PO
) donde F es la rata de alimentacin volumtrica en m
3
s
1
.
Las constantes D
a1
y D
a2
se denien, respectivamente como: k
1
V/F y k
2
V C
PO
/F siendo V el
volumen del reactor, en m
3
, y k
1
, k
2
son las constantes de primer orden en s
1
.
Se supone que la especie Q es altamente cida mientras que la especie reactante R es neu-
tra. A n de evadir problemas de corrosin en el equipo que se encuentra aguas abajo se desea
regular la concentracin total y a un valor de referencia constante dado por Y . Se supone adems
que la variable de control se encuentra acotada, de forma natural, en el intervalo [0, Umax] ree-
jando as la imposicin fsicamente vlida de nuestra disponibilidad de una rata de alimentacin
nita para la especie P.
El punto de equilibrio para este sistema, a una rata ja de alimentacin U, est dada por:
x
1
(U) =
U
1 +D
a1
; x
2
(U) =
1
2D
a2
_
1 +

1 +
4D
a1
D
a2
U
1 +D
a1
_
Y (U) =
U
1 +D
a1
+
1
2D
a2
_
1 +

1 +
4D
a1
D
a2
U
1 +D
a1
_
La linealizacin del sistema alrededor de este punto de equilibrio resulta ser:
x
1
= (1 +D
a1
)x
1
+u

x
2
= D
a1
x
1

1 +
4D
a1
D
a2
U
1 +D
a1
x
2
y

= x
1
+x
2
La funcin de transferencia del sistema linealizado se obtiene directamente de las ecuaciones
5.5 AJUSTE DE LAS GANANCIAS DE UN COMPENSADOR LINEAL 133
diferenciales lineales anteriores como:
y

(s)
u

(s)
= G
U
(s) =
N
G
(U, s)
D
G
(U, s)
=
s +D
a1
+
_
1 +
4D
a1
D
a2
U
1+D
a1
(s + 1 +D
a1
)
_
s +
_
1 +
4D
a1
D
a2
U
1+D
a1
_
=
s +D
a1
+
_
1 +
4D
a1
D
a2
U
1+D
a1
s
2
+
_
1 +D
a1
+
_
1 +
4D
a1
D
a2
U
1+D
a1
_
s + (1 +D
a1
)
_
1 +
4D
a1
D
a2
U
1+D
a1
Las funciones de transferencia linealizadas de los bloques compensadores adoptan la forma
siguiente:
y
u
(s)
u

(s)
= Hu(U, s) =
n
u1
(U)
s +
+n
u2
(U);
y
y
(s)
y

(s)
= Hy(U, s) =
n
y1
(U)
s +
+n
y2
(U)
De otra forma equivalente, expresamos estas funciones de transferencia,como:
y
u
(s)
u

(s)
= Hu(U, s) =
Nu(U, s)
C(s)
=
n
u2
(U)s +n
u2
(U) +n
u1
(U)
s +
y
y
(s)
y

(s)
= Hy(U, s) =
Ny(U, s)
C(s)
=
n
y2
(U)s +n
y2
(U) +n
y1
(U)
s +
La identidad polinmica fundamental que nos permite disear el regulador clsico del tipo
controlador-observador, se escribe, en este caso, como:
(s +)
_
s
2
+
_
1 +D
a1
+

1 +
4D
a1
D
a2
U
1 +D
a1
_
s + (1 +D
a1
)

1 +
4D
a1
D
a2
U
1 +D
a1
_
+
[n
u2
(U)s +n
u2
(U) +n
u1
(U)]
_
s
2
+
_
1 +D
a1
+

1 +
4D
a1
D
a2
U
1 +D
a1
_
s + (1 +D
a1
)

1 +
4D
a1
D
a2
U
1 +D
a1
_
+ [n
y2
(U)s +n
y2
(U) +n
y1
(U)]
_
s +D
a1
+

1 +
4D
a1
D
a2
U
1 +D
a1
_
(s +)(s
2
+ 2n +
2
n
)
De la identicacin, trmino a trmino, de ambos polinmios en la identidad anterior, surgen
los siguientes valores para las incognitas que conforman los numeradores de las funciones de
transferencia de los bloques compensadores:

5.5. Ajuste de las ganancias de un compensador lineal


En esta seccin solamente presentaremos un ejemplo de un compensa-
dor por adelanto para un sistema no lineal particular. Nuestra intencin
es plantear, durante el desarrollo de este diseo particular, algunos de los
pasos necesarios que de manera general se deben seguir para realizar sat-
isfactoriamente las pruebas y simulaciones del comportamiento dinmico
de sistemas no lineales regulados por medio de compensadores lineales.
Debido a su gran versatilidad y propiedades de cmputo, esta seccin est
orientada al uso de Matlab (R) como herramienta auxiliar en el diseo.
En particular, en el ejemplo ilustrado, las ganancias calculadas para el
diseo linealizado deben ser ajustadas para el sistema no lineal. El dise- Reajuste de las
ganancias del
controlador para
el sistema no
lineal
o se hace entonces en dos etapas: en la primera se calcula el controlador
linealizado (en este caso, un compensador por adelanto) y en la segunda se
134 SNTESIS DE COMPENSADORES CLSICOS
reajustan las ganancias de tal manera de mejorar la respuesta del sistema
no lineal. Es interesante que en la prctica este procedimiento es natural,
los diseos calculados en el papel siempre pasan por un proceso de recali-
bracin o reajuste al momento de ser efectivamente implementados.
Matlab 5.1: Red de compensacin en adelanto para un sistema de suspen-
sin magntica
Consideremos el sistema de suspensin magntica, Modelo 8, en la pgina 14. Ya habiamos
analizado este sistema ms temprano en este mismo captulo. Su funcin de transferencia est
dada por (5.6), de la pgina 121,
G
X
(s) =
y

(s)
u

(s)
=
x
1
(s)
u

(s)
=
2
L
_
cg
mX
s
3
+
R
L
s
2

g
X
s
Rg
LX
(5.6*)
donde y

(t) = x
1
(t) corresponde a la seal de salida en la representacin en variables de
estado. Este sistema es, evidentemente, inestable en lazo abierto (recuerde la pregunta de la
pgina 59). Considere los valores de los parmetros dados en (5.8). Para este conjunto de par-
metros los polos del sistema en lazo abierto estn ubicados en s
1
= 100, s
2
= 14 y s
3
= 14.
Como vemos presenta una raiz inestable.
Supondremos que se desconoce el tipo de compensador que ser empleado en el diseo.
Por lo tanto, debemos realizar primeramente un anlisis del comportamiento actual del sistema.
Consideremos, primeramente, el sistema en lazo cerrado dado por un compensador de tipo
P (proporcional) y la planta G
X
(s). Este esquema se presenta en la Figura 5.10. La Figura 5.4,
mostrada con anterioridad, ilustra el lugar de las races asociado a dicho esquema. Se observa
claramente que el sistema en lazo cerrado presenta races inestables, independientemente del
valor que pueda asumir la ganancia K.
Para resolver este problema se intuye que el posible compensador debera poseer un cero z
1
a la derecha del polo s =
_
g/X. Este cero debe ser tal que Re (z
1
) < 0, lo cual nos permitira
atraer la ubicacin en lazo cerrado de los polos inestables hacia la parte izquierda del plano
complejo de tal forma que todas las races del polinomio caracterstico en lazo cerrado presenten
parte real negativa ( Re (s
i
)
lazo cerrado
< 0).
Para que el compensador sea efectivamente realizable debe aparecer, adems, un polo p
1
tal que la funcin de tranferencia asociada sea al menos propia, tal que el grado del denominador Funcin de
transferencia
propia
sea igual o mayor al grado del numerador. Adicionalmente, este polo no debe afectar sustancial-
mente la dinmica en lazo cerrado generada por el cero z
1
, esto es, el polo p
1
debe ser ubicado
satisfaciendo la restriccin p
1
< z
1
(en la prctica se sugiere que p
1
este colocado entre 5 a 15
veces el valor de z
1
).
El compensador resultante est dado por la siguiente expresin:
Gc(s) =
u

(s)
e

(s)
= Kc
s +z
1
s +p
1
(5.18)
el cual, dadas las consideraciones anteriores, corresponde a un compensador en adelanto. El Compensador por
adelanto
sistema en lazo cerrado resultante dado por Gc(s) en serie con G
X
(s), se muestra en la Figura
5.11.
Figura 5.10: Esquema bsico de compensacin
5.5 AJUSTE DE LAS GANANCIAS DE UN COMPENSADOR LINEAL 135
Figura 5.11: Esquema de compensacin por adelanto
Para efectos de resolver el problema planteado, jemos valores adecuados de los parmetros
del compensador en adelanto. Tomemos por ejemplo z
1
= 10 y p
1
= 50, los cuales satisfacen
las especicaciones de diseo planteadas.
Nos queda por asignar la ganancia Kc. Para ello, obtengamos el lugar de las races para el
sistema compensado Gc(s)G
X
(s), el cual se ilustra en la Figura 5.12.
El valor de Kc a proponer debe permitir seleccionar una ubicacin de los polos del sistema
en lazo cerrado tal que el sistema pueda comportarse en forma adecuada y, adems, que todas
las races tengan parte real negativa. Utilizaremos Matlab (R) para obtener de manera simple el
valor de Kc. Del lugar de las races constatamos que al aumentar Kc, una de las races se va
acercando a 10 (la ubicacin del cero z
1
anterior) y al mismo tiempo se alejan en los polos
complejos conjugados. Un criterio es proponer un valor de Kc tal que se obtenga la respuesta
ms rpida para el compensador propuesto, esto es en particular, cuando coinciden las partes
reales de las tres races en lazo cerrado ms cercanas al eje imaginario.
El valor de Kc se obtiene por ensayo y error. Empleando el comando rlocfind de Matlab (R)
sobre el lugar de las races de la Figura 5.12, y ubicando el polo deseado de tal forma que este
cerca de Re (s)
lazo cerrado
> z
1
, se obtiene aproximadamente un valor de Kc = 29,72 de tal forma
que las tres races tienen parte real de alrededor 8,08. La Figura 5.13 ilustra la ubicacin de las
races dominantes en lazo cerrado (la raiz ms alejada est ubicada cerca de 126).
Por otro lado, un valor de Kc inferior a 11.0680, nos da un sistema en lazo cerrado inestable,
esto se puede observar del diagrama de Nyquist de la Figura 5.14.
Note que estas conclusiones son ciertas en tanto nos encontremos en una vecindad su-
cientemente pequea del punto de equilibrio. De hecho el valor de ganancia obtenido deber
nalmente ser corregido para, por ejemplo, ampliar el conjunto de condiciones iniciales para las
cuales el sistema no lineal es asintticamente estable. Observe la simulacin numrica ms ade-
lante.
Como recordaremos, para realizar las simulaciones de los sistemas estudiados siempre ll-
evamos las ecuaciones obtenidas a una representacin en variables de estado. De aqui que la
funcin de transferencia del compensador en adelanto (5.18) debe ser representada en esta for-
ma. Una realizacin o programacin de esta funcin de transferencia se puede obtener mediante Programacin o
realizacin de
una funcin de
transferencia
los siguientes pasos:
Escriba Gc(s) en la forma de una fraccin estrictamente propia ms un trmino constante:
u

(s)
e

(s)
= Kc
s +z
1
s +p
1
= Kc +Kc
z
1
p
1
s +p
1
(5.19)
Haciendo
u

(s)
e

(s)
= Kc
z
1
p
1
s +p
1
(5.20)
se puede deducir, a partir de (5.19), la expresin para u

(t):
u

(t) = Kce

(t) + u

(t) (5.21)
De (5.20) resulta la siguiente representacin dinmica para u

(t):

(t) = Kc(z
1
p
1
)e

(t) p
1
u

(t) (5.22)
136 SNTESIS DE COMPENSADORES CLSICOS
Figura 5.12: Lugar de las races para el sistema compensado
5.5 AJUSTE DE LAS GANANCIAS DE UN COMPENSADOR LINEAL 137
Figura 5.13: Detalle del lugar de las races para el sistema compensado. El signo *
indica la ubicacin aproximada de los polos para la ganancia K
c
= 29,72
Figura 5.14: Diagrama de Nyquist del sistema compensado para K
c
= 10. El sistema
es inestable en lazo cerrado
138 SNTESIS DE COMPENSADORES CLSICOS
Figura 5.15: Comportamiento dinmico del sistema de suspensin magntica en lazo
cerrado con el compensador en adelanto diseado
En denitiva, la representacin en variables de estado del compensador en adelanto (5.18)
resulta, a partir de las ecuaciones (5.21) y (5.22), en el subsistema:
u

(t) = Kce

(t) + u

(t)

(t) = Kc(z
1
p
1
)e

(t) p
1
u

(t)
Este subsistema tiene como entrada e

, como salida u

y como variable de estado u

.
A continuacin, comprobaremos el desempeo de la estrategia de control propuesta. Em-
plearemos, para ello, simulaciones numricas del comportamiento del sistema compensado en
lazo cerrado. Haremos uso de la funcin ode45; esta funcin permite una mayor precisin numri-
ca que la ode23.
Los programas desarrollados en Matlab (R) se muestran en los Listados 5.3 y 5.4. La respues-
ta del comportamiento en lazo cerrado del sistema no lineal de suspensin magntica, usando el
compensador diseado, se muestra en la Figura 5.15. Para ejecutar la simulacin desde la ven-
tana de comandos de Matlab (R), recuerde:
Matlab from MathWorks, Inc.
> smgto
La simulacin presentada en la Figura 5.15 se realiz para una condicin inicial en reposo
relativamente cercano a la posicin de equilibrio deseada (en x
1
(0) = 0,06). Supongamos que
nos alejamos un poco ms. Para x
1
(0) = 0,07, el compensador no logra llevar el sistema a su
posicin de equilibrio, Figura 5.16. Disminuyendo la ganancia Kc se obtiene la respuesta ilustrada
5.5 AJUSTE DE LAS GANANCIAS DE UN COMPENSADOR LINEAL 139
Listado 5.3: Programa de simulacin del sistema de suspensin magntica smgto.m
%% smgto.m
%% Programa para simular el comportamiento dinamico en lazo cerrado
%% del sistema de suspension magnetica, controlado usando
%% un compensador por adelanto. Utiliza el programa mgto.m
clear all
ti = 0.0; %% tiempo inicial
tf = 1.0; %% tiempo final
% variables empleadas
global C M G X R L U Kc A B YREF
% parametros del sistema
C = 1; M = 0.1; G = 9.8; R = 1; L = 1e-2;
% parametros del compensador
Kc = 29.72; A = 10; B = 50;
%% sennal de referencia
%% respecto de la salidad incremental
YREF = 0.0;
% punto de equilibrio
X = 0.05; U = R*sqrt(M*G*X/C);
%% Diferentes condiciones iniciales que se pueden usar en las simulaciones
x0 = [X*0.9 0 sqrt(M*G*X/C) 0];
[t,x] = ode45(mgto,[ti tf],x0);
subplot(221),plot(t,x(:,1)) title(Posicion de la esfera)
xlabel(tiempo t) ylabel(x1)
subplot(222),plot(t,x(:,2)) title(Velocidad vertical)
xlabel(tiempo t) ylabel(x2)
subplot(223),plot(t,x(:,3)) title(Intensidad de corriente)
xlabel(tiempo t) ylabel(x3)
ery = 0 - (x(:,1)-X); u = U+Kc*ery+x(:,4); subplot(224),plot(t,u)
title(Tension de entrada) xlabel(tiempo t) ylabel(u)
%% fin de smgto.m
140 SNTESIS DE COMPENSADORES CLSICOS
Listado 5.4: Modelo y compensador en adelanto mgto.m
function xdot = mgto(t,x)
%% mgto.m
%% Este programa presenta la programaci\on del sistema de control
%% en lazo cerrado para el sistema de suspension magnetica. Se
%% emplea un compensador en adelanto como estrategia de control.
global C M G X R L U Kc A B YREF
y = -(x(1)-X); %% salida incremental del sistema
%% --> Recuerde los principios basicos
%% de la linealizacion aproximada
eyref = YREF - y; %% error incremental
udelta = Kc*eyref+x(4); %% sennal de entrada incremental
u = udelta+U; %% control para el sistema no lineal
xdot = [x(2);
G - C/M*x(3)^2/x(1);
-R/L*x(3)+1/L*u;
(A-B)*Kc*eyref-B*x(4)];
%% fin mgto.m
Figura 5.16: Simulacin para K
c
= 29,72 para x
1
(0) = 0,07
5.5 AJUSTE DE LAS GANANCIAS DE UN COMPENSADOR LINEAL 141
Figura 5.17: Simulacin para K
c
= 20 para x
1
(0) = 0,07
142 SNTESIS DE COMPENSADORES CLSICOS
en la Figura 5.17, la cual no solo presenta una respuesta que converge a la posicin de equilibrio
deseada sino que adems es algo menos oscilatoria que la obtenida en la Figura 5.15.

Este ejemplo ilustra uno de los procedimientos ms comunes y ms


difciles que puede conseguir un ingeniero en la pra ctica, el proceso de
entonacin o ajuste de las ganancias y parmetros de un controlador. Entonacin de
ganancias
5.6. Ejercicios propuestos
Ejercicio 5.1: Diagramas de diseo
En base a los desarrollados presentados, el lector puede proponer el esquema de
diseo y aplicacin de un compensador lineal sobre el sistema no lineal estudiado.
Sugerencia: Recuerde los conceptos de variables incrementales y de punto de equi-
librio. Observe los diagramas presentados anteriormente, como el de la Figura 4.5,
en la pgina 82, por ejemplo. ()
Figura 5.18: Descenso suave controlado en un planeta sin atmsfera
Modelo 28: Descenso suave controlado en un planeta sin atmsfera
Considere el siguiente sistema dinmico controlado que representa la dinmica del mdulo de
descenso vertical que se muestra en la Figura 5.18:
x
1
= x
2
x
2
= g

x
3
u
x
3
= u
y = x
1
K
(5.23)
donde x
1
es la posicin o altura medida sobre el eje vertical, orientada positivamente hacia abajo,
es decir, x
1
< 0 para alturas reales sobre la supercie, x
2
es la velocidad de descenso y x
3
representa la masa combinada del vehculo y el combustible.
5.6 EJERCICIOS PROPUESTOS 143
La variable u es el control y el producto u representa la velocidad de consumo de combustible
por unidad de tiempo; u est restringida a tomar valores entre 0 y 1. La constante es la velocidad
relativa de eyeccin de los gases y es una constante de proporcionalidad, tal que resulta
ser la fuerza mxima de frenaje que puede imprimir la mquina al mdulo en su descenso; g es la
aceleracin de la gravedad del planeta en cuestin.
La salida del sistema representa el error de posicin respecto a una altura ja de valor K < 0.
Por lo general esta altura es pequea (inferior a un metro o algo as) de tal manera que el problema
de control consiste en llevar la altura x
1
al valor x
1
= K (es decir y = 0). Mantener el mdulo
otando a esta altura por un brevsimo tiempo y luego apagar el motor para lograr un descenso en
cada libre desde muy baja altura.
El punto de equilibrio de este sistema es el siguiente:
x
1
= arbitrario = X; x
2
= 0; x
3
= arbitrario = X
3
= 0; u = 0
M
Ejercicio 5.2: Diseo de observadores: descenso suave controlado
Considere el sistema (5.23). Disee observadores de orden reducido y de orden
completo asociados basados en el modelo incremental del sistema dado. ()
Ejercicio 5.3: Grcos de Nyquist y del lugar de las races en Matlab 6.1 o
mayor
En Listado 5.5 se presentan los programas necesarios para generar las Figuras
5.3, 5.4, 5.5 y 5.6. Estudie las propiedades de los grcos generados en Matlab.
Marque mediante el cursor alguna posicin en particular del grco estudiado. Vea
que caractersticas del sistema se mencionan. Vea en la Figura 5.19 un ejemplo.
()
Ejercicio 5.4: Compensador ProporcionalDerivativo PD
Demuestre que el caso del compensador PD es equivalente al empleo de la es-
trategia de asignacin de polos por realimentacin del vector de estados. Ayuda:
Haga un ejemplo de primer o segundo orden y desarrolle los clculos complementa-
mente. Luego, generalice sus resultados. ()
Ejercicio 5.5: Simulacin en Matlab (R): respuesta del modelo promedio del
convertidor Boost controlado por medio de un compensador PI
Simule la respuesta en lazo cerrado para un modelo promedio de un convertidor
tipo Boost", cuyos parmetros estn dados por (5.9), empleando el controlador PI
desarrollado en este captulo. Deseamos estabilizar la tensin de salida normalizada
promedio Z2(U) a un valor de equilibrio de:
X2(0,8) = 0,3354 (5.24)
()
Ejercicio 5.6: Respuesta del sistema en lazo cerrado con Matlab (R): mani-
pulador robtico de una sola unin rgida
Deduzca los pasos necesarios para obtener la expresin en variables de estado
(5.17) del esquema de conpensacin propuesto en la pgina 129. Realice las simu-
laciones correspondientes para comprobar la efectividad de la estrategia de control
144 SNTESIS DE COMPENSADORES CLSICOS
Listado 5.5: Programas para generar los grcos de Nyquist y del lugar de las races
Sistema de levitacin magntica linealizado
%% Parametros del sistema de levitacion magnetica
%%
c = 1;
g = 9.8;
m = 0.1;
R = 1;
L = 0.01;
X = 0.05;
figure(1)
nyquist([2/L*sqrt(c*g/m/X)],[1 R/L -g/X -R*g/L/X])
axis([-1 0 -0.06 0.06])
xlabel(Eje real)
ylabel(Eje imaginario)
title(Diagrama de Nyquist)
figure(2)
rlocus([2/L*sqrt(c*g/m/X)],[1 R/L -g/X -R*g/L/X])
xlabel(Eje real) ylabel(Eje imaginario) title(Lugar de las
ra\{\i}ces)
Convertidor de potencia DC-DC Boost
%% Parametros del modelo promedio del convertidor Boost
%%
w0 = 1.5811e3;
w1 = 1.6667e3;
b = 106.06;
U = 0.8;
Z1 = b*w1/w0^2/(1-U)^2;
Z2 = b/w0/(1-U);
figure(1)
nyquist(-w0*Z1*[1 -b/Z1],[1 w1 w0^2*(1-U)^2])
xlabel(Eje real)
ylabel(Eje imaginario)
title(Diagrama de Nyquist)
figure(2)
rlocus(-w0*Z1*[1 -b/Z1],[1 w1 w0^2*(1-U)^2])
xlabel(Eje real) ylabel(Eje imaginario) title(Lugar de las
ra\{\i}ces)
5.6 EJERCICIOS PROPUESTOS 145
Figura 5.19: Las guras en Matlab (R)
146 SNTESIS DE COMPENSADORES CLSICOS
propuesta. Utilice el siguiente conjunto de parmetros:
B = 0,1 [N/m/seg]; J = 0,25 [kg m
2
];
c = 1 [kg m
2
/seg
2
]; N = 10; X =
15
180
[rad].
()
Modelo 29: TRCA, modelo 3
Considere el siguiente modelo de un TRCA en el cual una reaccin exotrmica A B toma
lugar. El objetivo de control es regular la concentracin de salida a travs de la manipulacin de la
temperatura de la chaqueta. El calor de reaccin es removido por medio de un lquido refrigerante
que pasa a travs de una chaqueta alrededor del reactor. El volumen V se considera constante.
Las ecuaciones diferenciales que modelan este sistema son las siguientes:
x
1
=
F
V
(c
0
x
1
) ax
1
e

b
x
2
x
2
=
F
V
(T
0
x
2
) +
aL
Cp
x
1
e

b
x
2
h
V Cp
(x
2
u)
y = x
2
T
(5.25)
donde la variable de estado x
1
representa la concentracin del producto y x
2
representa la tem-
peratura del reactor. La variable de control u es la temperatura del agua de la chaqueta; F es el
ujo de salida del reactor [lb/hr], c
0
es la concentracin del ujo de entrada [lb/lb], T
0
es la tem-
peratura del ujo de entrada, medida en [

R], Cp es la capacidad calorca del material [BTU/lb.

R], V es el volumen del tanque [lb], L es el calor de la reaccin [BTU/hr.

R], b es una constante


de activacin [

R], a es un factor pre-exponencial [hr


1
] y h es un parmetros de transferencia
de calor [BTU/hr.

R].
Se desea regular el sistema a una temperatura constante T, la cual mantendr de una manera
indirecta la concentracin de x
1
en un valor de equilibrio constante. El punto de equilibrio para
este sistema parametrizado en funcin de la temperatura jada para el reactor es:
x
2
= T, x
1
= X
1
(T) =
c
0
1 +
v
F
ae

b
T
, u = U(T) = T
CpF
h
(T
0
T)
aLV
h
c
0
e

b
T
1 +
V
F
ae

b
T
Algunos valores tpicos de los parmetros antes mencionados son:
F = 2000 [lb/hr]; c
0
= 0,5 [lb/lb]; V = 2400 [lb]; a = 7,08 10
10
[hr
1
]; b = 15080 [

R]
T
0
= 5320

R; L = 600 [BTU/lb]; Cp = 0,75 [BTU/lb.R]; h = 15000 [BTU/hr.R]


M
Ejercicio 5.7: Estudio de un tanque reactor continuamente agitado
Considere el tanque reactor continuamente agitado (5.25). Simule el comporta-
miento en lazo abierto de este sistema ante seales de prueba tipo escaln unitario.
Proponga especicaciones de diseo en el sentido de mejorar la respuesta obtenida.
En el sistema real, qu variable de proceso se escoge como variable de medicin?.
Basados en la salida o medicin propuesta, disee diversos tipos de compensadores
para este sistema, los cuales permitan satisfacer las especicaciones deseadas. In-
cluya compensadores PI y PID obtenidos por el mtodo de Ziegler-Nichols de respues-
ta crtica y el mtodo de Ziegler-Nichols de respuesta temporal (no estudiado aqu).
Compare, por medio de simulaciones numricas, el desempeo de los diferentes reg-
uladores obtenidos. ()
5.7 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 147
Ejercicio 5.8: Simulacin de los actuadores y sensores en el tanque reactor
continuamente agitado
Analice el tipo y ubicacin de los sensores y actuadores en el sistema presentado
anteriormente. Emule el sistema con todos los componentes propuestos. Incluya la
informacin de la dinmica de los actuadores y sensores en los diseos realizados.
Utilice Matlab (R) para realizar las simulaciones. Ayuda: Investigue en la literatura
de control de procesos e instrumentacin las diferentes caractersticas tcnicas de
sensores y actuadores utilizados para este tipo de procesos industriales. ()
Ejercicio 5.9: Estudio del sistema de suspensin magntica en Matlab (R).
Regin de atraccin.
Estudie nuevamente el ejemplo Matlab 5.1. Estudie el comportamiento del sis-
tema no lineal en lazo cerrado para diferentes valores de Kc y diferentes condiciones
iniciales. Cambie de manera adecuada la ubicacin del cero y del polo dados.
Estudie la forma en que cambian los resultados y diga qu compensador
aparentemente da los mejores resultados? Nota: Esta pregunta no tiene una sola
respuesta, de hecho posiblemente no tenga una respuesta adecuada en el senti-
do general, la signicancia de la frase mejores resultados solo depende del dis-
eador! Nuestro enfoque hasta ahora no ha incluido, por ejemplo, ndices de desem-
peo que permitan hacer comparaciones entre diferentes controladores sobre una
base analtica. A pesar de lo extenso del tema y de los diferentes matices que puede
tomar en la literatura, dejaremos al lector que ahonde por si mismo en estos delica-
dos temas. Por ahora, dependeremos ms de su intuicin y de su experiencia en el
diseo de controladores lineales.
Un problema interesante conectado directamente con la variacin de las condi-
ciones iniciales es la determinacin de la regin de atraccin. Deniremos informal- Regin de
atraccin mente a la regin de atraccin alrededor de un punto de equilibrio dado como el
conjunto (compacto y conexo) de condiciones iniciales para las cuales las trayecto-
rias del sistema tienden asintticamente a dicha posicin de equilibrio. Estudie el
sistema de suspensin magntica en lazo cerrado con el compensador por adelanto
para Kc = 20, determine la regin de atraccin. Ayuda: Este problema se resuelve
numricamente. Una tcnica utilizada es hacer simulaciones en reverso a partir de
condiciones iniciales (estables) muy cercanas a la pposicin de equilibrio. Una ref-
erencia que puede investigar sobre este tpico es la siguiente: [por agregar]
( )
5.7. Resumen del captulo y Lecturas adicionales
Con este captulo termina el estudio de compensadores lineales para sis-
temas no lineales. Hemos visto dos tipos de leyes de control basadas en la
medicin de una o varias variables del sistema: la primera basada en el di-
seo de observadores dinmicos de estado y la presentada en este captulo
basada en la sntesis de compensadores clsicos. Los ejemplos presentados
ilustran brevemente algunos procedimientos de diseo bien conocidos en la
llamada teora clsica de control. Nuestra intencin fue extender los con-
ceptos desarrollados en el espacio de estados para el caso no lineal al caso
148 SNTESIS DE COMPENSADORES CLSICOS
de diseo de compensadores lineales. Ntese que aqu resultan igualemente
importantes los conceptos de punto de equilibrio y de variables incremen-
tales, vistos desde el principio de este texto.
Lecturas Recomendadas
Para esta parte le sugerimos consulte:
1. G.F. Franklin, J. David Powell, A. Emami-Naeini, Feedback Control of
Dynamic Systems, 3ra. Edicin, Addison-Wesley, 1994.
2. K. Ogata, Modern Control Engineering, Prentice Hall, 1993.
3. S. Bahram, M. Hassul, Control System Design using Matlab, Prentice
Hall, Englewood Cliffs, New Jersey, 1995.
E diseo robusto de compensadores para sistemas de control realimen-
tado, basado en desarrollos modernos fundamentados en factorizaciones co-
primas y en el uso de la ecuacin diofantina o de Bezout, a partir del algo-
ritmo de Euclides, se puede conseguir en:
J.C. Doyle, B.A. Francis and A.R. Tannenbaum, Feedback Control The-
ory, Macmillan, New York, 1992, [DFT92]. Una excelente introduccin
a este tpico, fcil de seguir y con buena cantidad de ejemplos.
M. Vidyasagar, Control SystemSynthesis, MIT Press, Cambridge, MA,
1987, [Vid87]. Para avanzar en profundidad en el tema. Verdadera-
mente un clsico, de lectura relativamente ms dicil que el anterior,
pero con innumerables resultados y extensiones al casom multivari-
able.
Parte II
Control No Lineal
de Sistemas No Lineales:
Linealizacin Extendida
149
150 CONTROL NO LINEAL DE SISTEMAS NO LINEALES: LINEALIZACIN EXTENDIDA
Desde los aos 40, el uso de la tcnica de linealizacin aproximada ha
permitido resolver una gran diversidad de problemas relacionados con el
control de sistemas reales. Sin embargo, esta estrategia presenta algunas
restricciones fundamentales en su aplicacin. Para resolver estos inconve-
nientes, se han propuesto diferentes extensiones del mtodo, estas exten-
siones incluyen aspectos tericos fundamentales relacionados con diversas
reas de la matemtica, tales como la teora de operadores, el anlisis fun-
cional, el lgebra y la geometra diferencial, por ejemplo.
Bsicamente, emplearemos dos mtodos para ilustrar el diseo de con-
troladores no lineales para sistemas no lineales: el mtodo de la lineali- Linealizacin
extendida
y
Linealizacin
exacta
zacin extendida, propuesta por Wilson Rugh y sus colaboradores [BR86,
WR87, Rug91], y el mtodo de la linealizacin exacta, propuesto, entre
otros, por A. Isidori [Isi95], cuyos orgenes se pueden encontrar en los tra-
bajos de H. J. Sussmann y V. J. Jurdjevic [SJ72], R. Hermann y A. J. Krener
[HK77], etc.
El mtodo de la linealizacin extendida se basa en la tcnica de la linea-
lizacin aproximada, ya expuesta en la primera parte. En esta presentacin,
la linealizacin extendida constituye un paso intermedio (al nivel de com-
plejidad de estudio y de herramientas matemticas involucradas) entre la
linealizacin aproximada y la exacta. Este mtodo est estrechamente vin-
culado al problema de asignacin de ganancias (gain scheduling en in-
gls) de un controlador de acuerdo a los diferentes puntos de operacin del
sistema, esta tcnica ha sido muy usada en la prctica desde la Segunda
Guerra Mundial [RS00].
El mtodo de la linealizacin extendida constituye un enfoque analtico
que se basa en la familia de linealizaciones del sistema no lineal, para- Familia de
modelos lineales
parametrizados
metrizada respecto a puntos de equilibrio genricos (X(U), Y (U), U). Las
ganancias de realimentacin no lineal del vector de estado se calculan de
tal manera que los autovalores del sistema linealizado en lazo cerrado se
colocan en valores especcos del plano complejo y tales que, al mismo tiem-
po, sean invariantes para todos los puntos de operacin constantes en lazo
cerrado en una vecindad del punto de operacin constante nominal en lazo
cerrado. Dicho de otra manera, el controlador no lineal obtenido es tal que
al linealizarlo alrededor del punto de equilibrio dado, obtenemos el contro-
lador lineal estabilizante del sistema linealizado. La tcnica se extiende f-
cilmente al caso de diseo por realimentacin del vector de salidas a travs
de observadores y compensadores estticos. Estrategias de
control no
lineales
Esta parte est organizada de la siguiente manera. En el captulo 6 ver-
emos cmo disear una ley de realimentacin no lineal del vector de
estado. El diseo de observadores y compensadores dinmicos no li-
neales por linealizacin extendida ser tratado, respectivamente, en los
captulos 7 y 8.
El mtodo de la linealizacin exacta ser estudiado posteriormente en
la Parte III de este libro.
6
Realimentacin no lineal
del vector de estado
Foto
Introduciremos el mtodo de la Linealizacin Extendida para el di-
seo de controladores basados en la realimentacin no lineal del
vector de estado.
6.1. Introduccin
Como hemos visto, un enfoque de diseo tpico en el control de sistemas
no lineales es obtener la linealizacin (Jacobiana) del sistema alrededor de
un punto de equilibrio, disear los esquemas de control para el sistema
linealizado obtenido y someter al sistema no lineal a la estrategia lineal de
control denida.
Si bien ha resultado provechosa en un gran nmero de aplicaciones, la
linealizacin aproximada presenta algunos inconvenientes. Inconvenientes
de la
linealizacin
aproximada
Por un lado, su efectividad se limita a una regin pequea del espa-
cio de estados de tal forma que, a partir de condiciones iniciales alejadas
151
152 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
de la posicin de equilibrio, el sistema de control puede ser inestable o,
simplemente, puede fallar en estabilizar el sistema alrededor del punto de
operacin deseado.
Por otro lado, existen sistemas que pueden operar bajo diferentes condi-
ciones de funcionamiento, esto es, pueden presentar comportamientos en
diferentes regiones de operacin asociados con diferentes puntos de equili-
brio. Al establecer la ley de control para el sistema linealizado no estamos
considerando la posibilidad de que el punto de operacin actual del sistema
no lineal controlado cambie su ubicacin a un punto diferente, en algn
instante del tiempo.
Una estrategia de control lineal implantada en el sistema no lineal origi-
nal debera tomar en cuenta estas limitaciones de los modelos linealizados.
Una posible metodologa a seguir implica:
a) recalcular las leyes de control originalmente diseadas y obtener las
ganancias K
i
del controlador para cada sistema linealizado resultante
de cada punto de equilibrio, y
b) disponer de un mecanismo de asignacin (programacin) de los valo-
res K de acuerdo al punto actual de operacin.
No podemos olvidar, adems, que el sistema linealizado debe ser estabiliz-
able (para que el diseo del controlador sea factible) y detectable (necesario
para el diseo del observador), aunque, como veremos en captulos poste-
riores, no permite asegurar que estas condiciones no son necesarias para el
caso del sistema no lineal (Ver Parte III, sobre la Linealizacin Exacta).
Esquemas de programacin de ganancias o gain scheduling. El es-
quema de asignacin o programacin de ganancias, e.a.g. (gain scheduling,
en ingls) constituye la estrategia ms comnmente empleada para tomar
en cuenta los puntos a),b) descritos antes. Existen diferentes enfoques de
diseo que se pueden catalogar como esquemas de programacin de ganan-
cias, ver, por ejemplo, [RS00]. Nosotros consideraremos como tal, el siguien-
te procedimento.
Conociendo las diferentes condiciones de operacin del sistema no lineal, Esquema de
programacin de
ganancias (gain
scheduling)
se obtienen las linealizaciones particulares y las leyes de control asociadas
alrededor de los puntos de equilibrio. Mediante un mecanismo ad hoc de
interpolacin de las leyes de control lineal obtenidas la parte ms dif-
cil de denir en esta estrategia ), se ajustan las ganancias o parmetros
del controlador en funcin de la regin actual de operacin del sistema. En
otros trminos, los parmetros del diseo son ajustados de acuerdo a ciertas
variables seleccionadas del sistema para obtener el diseo linealizado ade-
cuado cuando el sistema no lineal opera alrededor de un punto de equilibrio
particular.
Estudiaremos a continuacin un mtodo de naturaleza no lineal, equi-
valente en cierta medida al esquema de programacin de ganancias, cf.
[Rug91, RS00], llamado mtodo de linealizacin extendida.
6.1 INTRODUCCIN 153
En contraposicin a los mecanismos empricos existentes en la prcti-
ca del e.a.g., la linealizacin extendida, como metodologa de diseo, posee
propiedades muy interesantes desde el punto de vista de ingeniera:
propone un enfoque sistemtico para el diseo de controladores,
posee una formulacin analtica, y
constituye una extensin no lineal del mtodo de la linealizacin aproxi-
mada.
El mtodo de la linealizacin extendida. Este mtodo utiliza la linea-
lizacin aproximada tradicional como herramienta fundamental. El modelo
utilizado para generar el diseo del controlador es un modelo obtenido so-
bre la base de los primeros trminos (de carcter lineal) de una expansin
en serie de Taylor de un sistema no lineal que opera en la vecindad de un
punto de operacin constante. En este caso, la diferencia radica en que en
lugar de obtener un modelo linealizado para un punto en particular, se pro-
cede a obtener el modelo parametrizado de carcter lineal para un punto de Punto de
operacin
genrico
operacin genrico (X(U), Y (U), U) de naturaleza arbitraria
1
.
Esta parametrizacin se calcula bajo la suposicin de que existe un con-
tinuum de puntos de operacin en el espacio de entrada-estado (o en el
espacio entrada-salida correspondiente) asociado a cada valor constante del
control y del estado (y de la salida, respectivamente). En su defecto, tal
parametrizacin puede asociarse a los valores de una magnitud de referen-
cia (constante) del sistema en lazo cerrado.
El resultado fundamental obtenido a partir de esta estrategia consiste
en la obtencin de una familia de modelos lineales parametrizados, vlidos Modelos lineales
parametrizados en primera aproximacin, respecto a puntos de operacin deseados. Esta
familia de modelos ofrece una descripcin del comportamiento de las per-
turbaciones de estado-entrada (o salida-entrada) explcitamente parametri-
zada en trminos de un valor constante U de la entrada o del algn estado
de inters (o de salida).
A partir de esta familia de modelos, el mtodo de la linealizacin exten-
dida propone inicialmente obtener un controlador lineal por realimentacin Basado en el
diseo del
controlador
lineal
del vector de estado, o una combinacin de observador-controlador o, inclu-
so, un compensador clsico obtenido por mtodos inherentes a la descrip-
cin por funciones de transferencia. De esta forma, el compensador lineal
obtenido se encuentra tambin parametrizado por el punto de operacin y
estabiliza, en principio, a cualquier representante de la familia de modelos
lineales obtenidos en la etapa inicial del diseo.
A continuacin del diseo lineal se presenta la parte ms importante
de este mtodo: la obtencin del controlador no lineal. La idea crucial del
mtodo est basada en:
1
De all nuestra insistencia en tal hecho a lo largo del captulo 1.
154 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
Proponer un controlador de carcter no lineal
cuya linealizacin alrededor del punto de opera-
cin coincide con el controlador lineal diseado
para la familia de modelos lineales parametri-
zados por el punto de operacin.
Naturalmente, en este ltimo paso del proceso de diseo, se pueden obtener,
en general, innitas soluciones al problema de inversin planteado.
La ventaja fundamental del mtodo de la linealizacin extendida es que,
a la par de retener el signicado fsico de las variables linealizadas
2
, se lo-
gra una programacin automtica de las ganancias del compensador, tan-
to a nivel del observador como del controlador; un hecho que, como hemos
mencionado, est intimamente ligado a los esquemas de programacin de
ganancias.
Es preciso apuntar dos aspectos importantes. Primeramente, el mto-
do de la linealizacin extendida abre las posibilidades de utilizar mtodos
clsicos de diseo para los compensadores mediante tcnicas tradicionales
de entrada-salida (al menos en el caso de una sola entrada y una sola sali-
da); el caso de controladores PID constituye el ejemplo clsico y fundamen-
talmente interesante dentro de las posibilidades del mtodo. Por otro lado,
para sistemas de dimensin considerable, el mtodo de la linealizacin ex-
tendida es factible gracias a la utilizacin de herramientas computacionales
de clculo simblico tales como los representados por los paquetes MAPLE,
MATHEMATICA, REDUCE MACSYMA.
6.2. Realimentacin no lineal basada en asignacin de
polos invariantes en familias de modelos parame-
trizados
Supondremos que el sistema no lineal a ser controlado se puede describir
mediante un conjunto de ecuaciones diferenciales analticas a parmetros
constantes. Considere el sistema:
x = f(x, u) (6.1)
donde f(, ) : R
n
R R es una funcin analtica, es decir, desarrollable
en serie de Taylor alrededor de un punto de equilibrio.
Sea u = U un punto de operacin (equilibrio) constante y sea X(U) el
vector de estado correspondiente a este punto de operacin, entonces:

X(U) = f(X(U), U) = 0 (6.2)


Asumamos que la ley de realimentacin del control se escribe como
u = k(x) ,
2
Posteriormente compararemos con el mtodo de la linealizacin exacta, en donde nece-
sariamente hay que acudir a transformaciones de coordenadas de estado del espacio de los
controles que pueden destruir el signicado fsico de las variables originales.
6.2 REALIMENTACIN NO LINEAL BASADA EN ASIGNACIN DE POLOS INVARIANTES EN FAMILIAS DE MODELOS
PARAMETRIZADOS 155
por lo tanto, el sistema en lazo cerrado satisface
x(t) = f(x(t), k(x(t))
Debido a que este sistema ha de tener el mismo punto de operacin cons-
tante del sistema (6.1), debe cumplirse
f(X(U), k(X(U)) = 0 (6.3)
es decir,
k(X(U)) = U
La solucin de X(U) obtenida a partir de (6.3) coincidir con la solucin
resultante de la ecuacin (6.2).
En virtud del teorema de la funcin implcita, si existe la solucin x(U)
del sistema de ecuaciones (6.3), la misma es nica s y solamente s la ma-
triz jacobiana de (6.3), respecto de X(U), es invertible en el punto de opera-
cin. Por lo tanto, esta condicin est dada por la invertibilidad de
f(x, k(x))
x
=
f(x, u)
x

X(U),U
+
f(x, u)
u

X(U),U
_

k(x)
x

X(U),U
_
Esta ltima expresin se puede interpretar como el hecho de que la El sistema
linealizado NO
debe tener
autovalores en el
origen
linealizacin del sistema en lazo cerrado, alrededor de su punto de equi-
librio, no debe tener autovalores en el origen. Es suciente, entonces, que la
linealizacin del sistema en lazo cerrado tenga sus autovalores en el semi-
plano izquierdo. Para ello, la ley de control del sistema linealizado
u

=
_

k(x)
x

X(U),U
_
x

debe ser capaz de colocar los autovalores del sistema linealizado


x

=
f(x, u)
x

X(U),U
x

+
f(x, u)
u

X(U),U
u

donde x

= x(t) X(U) y u

= u(t) U en el semiplano izquierdo.


Designaremos las siguientes matrices jacobianas mediante A(U), B(U)
y K(U):
A(U) =
f(x, u)
x

X(U),U
; B(U) =
f(x, u)
u

X(U),U
;
K(U) =
k(x)
x

X(U),U
En tanto el sistema linealizado presente autovalores independientes del
punto de operacin (X(U), U), la calidad de la respuesta controlada en la
156 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
vecindad del punto de equilibrio que se desea mantener es, por as decir-
lo, invariante. Esta propiedad es til pues de alguna manera homogeneiza
las propiedades cualitativas del diseo en forma independiente al punto de
equilibrio considerado.
Debemos, entonces, demostrar que existe una funcin analtica k(x) tal
que los autovalores de la matriz
[A(U) B(U)K(U)]
pueden ser pre-especicados de tal manera que sean independientes del
punto de operacin U. Dichos autovalores, sin embargo, no pueden ser cero, Los autovalores
del sistema en
lazo cerrado
deben ser
independientes
de la
parametrizacin
por la razones que acabamos de exponer, y deben ocurrir en pares complejos
conjugados si su parte imaginaria es no nula.
Para proceder supondremos que el par (A(U), B(U)) es controlable. En-
tonces, (A(), B()) tambin es controlable en cualquier vecindad pequea de
U en la recta real. Esta propiedad es consecuencia de que las componentes
a
ij
(resp. b
ij
) de A(U) (resp. de B(U)) son continuas respecto de la variable
U.
A partir del par (A(U), B(U)) y de la dinmica deseada del sistema li-
neal en lazo cerrado, la ganancia de realimentacin lineal K(U) se puede
calcular utilizando, por ejemplo, la frmula de Bass-Gura, ya antes expues-
ta en la seccin 3.4 (pgina 75), o mediante la frmula de Ackermann. Ver,
por ejemplo, [Kai80, FPEN94].
6.3. Controlador no lineal basado en linealizacin ex-
tendida
Nuestra discusin deriva en el siguiente teorema de existencia de la fun- Existencia del
control
u = k(x)
cin u = k(x), base del mtodo de la linealizacin extendida, el cual fue
presentado originalmente en [BR86]:
Teorema 6.1: Supngase que el sistema analtico dx/dt = f(x, u) es tal
que (A(U), B(U)) es un par controlable, entonces existe una ganancia o
funcin de realimentacin no lineal k() : R
n
R, tal que los auto-
valores del sistema lineal en lazo cerrado, i.e., los autovalores de la matriz
[A(U) B(U)K(U)], tienen valores pre-especicados cualesquiera, los cuales
son localmente invariantes con respecto a U.
Prueba: La prueba se divide esencialmente en dos pasos.
Primero demostraremos que dX(U)/dU = 0. Esta cualidad ser til en
el segundo paso de la prueba, para poder establecer una funcin k() deni-
da de tal forma que la linealizacin de u = k(x) resulta en u

= K(U)x

.
Se puede suponer que A(U) es invertible. Si no lo es, podemos sin em-
bargo hacer todos los autovalores de
f
x
=
f(x, u)
x
+
_
f
u
_ _

k
x
_
6.3 CONTROLADOR NO LINEAL BASADO EN LINEALIZACIN EXTENDIDA 157
distintos de cero mediante realimentacin previa del vector de estado y, por
lo tanto, la matriz A(U) = f/x|
U,X(U)
sera invertible.
Considere (6.2). La derivada parcial de esta expresin est dada por:

U
f(X(U), U) =
f
x

X(U),U
X(U)
U

U
+
f
u

X(U),U
= 0
Por lo tanto, de la invertibilidad de A(U), resulta:
dX(U)
dU

U
=
_
f
x

X(U),U
_
1
f
u

X(U),U
= 0
Por conveniencia, supondremos que la primera componente X
1
del vec- En la
demostracin se
utilizan
herramientas
tales como el
teorema de la
funcin implcita
tor X satisface dX
1
/dU = 0. Si no es as, el vector de estados se puede
reordenar para que esta propiedad se cumpla. En virtud del teorema de la
funcin inversa tendremos X
1
1
(x
1
) = U.
La ganancia no lineal a buscar debe satisfacer:
k
x

X(U)
= K(U) = [K
1
(U), . . . , K
n
(U)] (6.4)
k(X(U)) = U (6.5)
Se puede vericar que una ganancia no lineal k(x) que cumple con (6.4)
y (6.5) est dada por:
k(x) =
_
X
1
1
(x1)
U
K()
dX()
d
d
+
_
_
n

j=2
K
j
[X
1
1
(x
1
)](x
j
X
j
(X
1
1
(x
1
)))
_
_
X
1
1
(x
1
) (6.6)
donde el subndice j indica la j-sima componente. En efecto, diferenciando
k(x) con respecto a x
i
, i = 2, 3, . . . , n, y evaluando en X(U) se tiene:
k
x
i
(X(U)) = K
i
(X
1
1
(x
1
(U))) = K
i
(U); i = 1, . . . , n
Procediendo en forma similar con respecto a x
1
, obtenemos primeramen-
te por derivacin directa de la expresin (6.6):
k
x
1
=
n

j=1
K
j
()
dX
j
()
d

X
1
1
(x1)
dX
1
1
(x
1
)
dx
1

j=2
K
j
(X
1
1
(x
1
))
dX
j
(X
1
1
(x
1
))
dX
1
1
(x
1
)
dX
1
1
(x
1
)
dx
1

dX
1
1
(x
1
)
dx
1
158 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
Evaluando esta expresin en el punto X
1
1
(x
1
):
k
x
1

X
1
1
(x1)
=
n

j=1
K
j
(X
1
1
(x
1
))
dX
j
(X
1
1
(x
1
))
dX
1
1
(x
1
)
dX
1
1
(x
1
)
dx
1

j=2
K
j
(X
1
1
(x
1
))
dX
j
(X
1
1
(x
1
))
dX
1
1
(x
1
)
dX
1
1
(x
1
)
dx
1

dX
1
1
(x
1
)
dx
1
= K
1
(X
1
1
(x
1
))
dX
1
(X
1
1
(x
1
))
dX
1
1
(x
1
)
dX
1
1
(x
1
)
dx
1

dX
1
1
(x
1
)
dx
1
= K
1
(X
1
1
(x
1
))
dX
1
1
(x
1
)
dx
1
Particularizando la ltima expresin respecto a U = X
1
1
(x
1
) se tiene:
k
x
1
(X(U)) = K
1
(U)
Finalmente, se puede constatar fcilmente que la expresin (6.6), satis-
face adems la condicin de contorno impuesta en (6.5). Con lo cual termi-
namos la demostracin.
Como hemos mencionado, el teorema anterior solo demuestra la existen-
cia, por lo tanto, la expresin resultante para el trmino k(x) no es nica;
la solucin que hemos obtenido es especca del procedimiento utilizado en
la demostracin del teorema anterior. Esto no signica que el mtodo tenga
esta caracterstica como parte de un inconveniente, muy por el contrario,
la inmensa posibilidad de soluciones diferentes que pueden proponerse a
este problema nos puede hacer comedidos respecto a la solucin particular
que adoptemos nalmente. Esto ser ilustrado a travs de los ejemplos que
siguen a continuacin.
6.4. Ejemplos de diseo
En muchos de los ejemplos que presentaremos hemos adoptado como
solucin particular de la ley de control realimentada, obtenida por lineali-
zacin extendida, aquella que produce un efecto linealizante sobre el sis-
tema en lazo cerrado. Debido a que la frmula general (6.6) puede conducir
a expresiones muy complicadas, nos concentraremos en resolver las ecua-
ciones (6.4) y (6.5) de alguna forma plausible e instrumentalmente sencilla.
Nota: al momento de calcular la solucin de (6.4) en los ejemplos que siguen
a continuacin, con un ligero abuso de notacin, hemos considerado indis-
tintamente la variable de estado x y su valor de equilibrio asociado X;
hemos procedido igualmente para el caso del control u.
Matlab 6.1: Control de posicin angular de un satlite mono-axial
Consideremos el problema de orientacin de un satlite monoaxial, ver Modelo 5, en la pgina 10,
6.4 EJEMPLOS DE DISEO 159
cuyo ngulo de orientacin se mide respecto de un eje oblicuo utilizando el parmetro de Cayley-
Rodrigues.
El modelo de este sistema est dado por:
x
1
= 0,5(1 +x
2
1
)x
2
x
2
=
1
J
u
(1.10*)
El punto de equilibrio del sistema est dado por:
u = U = 0; x
2
= 0; x
1
= X (6.7)
(Como recordaremos, solo es posible hacer la parametrizacin con respecto a la orientacin an-
gular X de equilibrio.)
Linealizando el sistema alrededor del punto de equilibrio tenemos:
_
x
1
x
2
_
=
_
0 0,5(1 +X
2
)
0 0
_ _
x
1
x
2
_
+
_
0
1
J
_
u

(6.8)
Propongamos la siguiente ley de control lineal, cuyas ganancias dependen del valor constatnte
X del punto de equilibrio,
u

= K
1
(X)x
1
K
2
(X)x
2
(6.9)
El sistema (6.8) en lazo cerrado se transforma en: Diseo del
control para el
sistema
linealizado
_
x
1
x
2
_
=
_
0 0,5(1 +X
2
)

K
1
(x)
J

K
2
(x)
J
_ _
x
1
x
2
_
(6.10)
El polinomio caracterstico en lazo cerrado del sistema linealizado se obtiene inmediatamente
de (6.10):
p(s) = s
2
+
K
2
(X)
J
s +
0,5(1 +X
2
)K
1
(X)
J
Si deseamos imponer al sistema controlado un comportamiento independiente del punto de
operacin buscamos ganancias K
1
(X), K
2
(X) que hagan al polinomio caracterstico independi-
ente de X. En efecto, sea p
d
(s) un polinomio caracterstico deseable e independiente del punto
de operacin:
p
d
(s) = (s +a
1
)(s +a
2
) = s
2
+ (a
l
+a
2
)s +a
1
a
2
donde a
1
y a
2
son races en el semiplano izquierdo del plano complejo que se suponen dan al
sistema linealizado un comportamiento deseable.
Al igualar p(s) y p
d
(s) se obtiene:
K
2
(X) = K
2
= J(a
1
+a
2
)
K
1
(X) =
Ja
1
a
2
1 +X
2
(6.11)
Obtenemos as un sistema en lazo cerrado cuyo comportamiento es independiente del punto
de operacin X. La ley de control linealizada, parametrizada en trminos de X, dada por (6.9) y
(6.11):
u

=
Ja
1
a
2
1 +X
2
x
1
J(a
1
+a
2
)x
2
(6.12)
El mtodo de la linealizacin extendida se basa en contestar acertadamente la siguiente pre-
gunta: Principio de la
linealizacin
extendida
Cul sera el controlador no lineal u = k(x) tal que al linealizarlo alrededor
del punto de equilibrio resulta en el controlador obtenido por diseo lineal
aproximado?
Este controlador ha de ser tal que estabilice el sistema en el punto de equilibrio dado por (6.7).
Previamente a cualquier particularizacin de las variables de estado, la funcin de control
debe satisfacer el siguiente par de ecuaciones en derivadas parciales, ver (6.4),
k
x
1

x
1
=X;x
2
=0
=
Ja
1
a
2
1 +X
2
(6.13)
k
x
2

x
1
=X;x
2
=0
= J(a
1
+a
2
) (6.14)
160 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
j
j
- - -
?
-
6
-

6
tan
1
()
tan
1
()
J(a
1
+a
2
)
Ja
1
a
2
x
1
= 0,5(1 +x
2
1
)x
2
x
2
=
1
J
u
x
2
x
1

u
+
X
Figura 6.1: Esquema de control no lineal obtenido para el satlite mono-axial
y la condicin de contorno (6.5)
k(X, 0) = 0 (6.15)
Procedamos como sigue. Al integrar la expresin (6.14) resulta:
k(x) =
_
x
2
0
J(a
1
+a
2
)d +(x
1
) = J(a
1
+a
2
)x
2
+(x
1
)
donde (x
1
) es una funcin arbitraria de x
1
que debemos determinar. Usando la expresin obteni-
da en (6.14) en derivadas parciales, se tiene:
d
dx
1
(x
1
) =
Ja
1
a
2
1 +X
2
de donde inmediatamente surge como posible solucin general:
(x
1
) =
_
x
1
X
Ja
1
a
2
1 +
2
d = Ja
1
a
2
[tan
1
(x
1
) tan
1
(X)]
El controlador as obtenido satisface la condicin de contorno (6.4) impuesta por el punto de
equilibrio U = 0 del control u:
u = J(a
1
+a
2
)x
2
Ja
1
a
2
[tan
1
(x
1
) tan
1
(X)]
Hemos obtenido, por tanto, un controlador no lineal que responde al esquema mostrado en la
gura 6.1.
Este controlador estabiliza al sistema alrededor del punto de equilibrio (X, U) y sirve para
cualquier cambio brusco del punto de equilibrio deseado X, sin necesidad de reprogramar las
ganancias.
A continuacin vamos a simular en Matlab (R) el comportamiento del sistema controlado en
lazo cerrado. Los Listados 6.2 y 6.3, al nal del captulo, permiten obtener las grcas correspon-
dientes al comportamiento de los estados x y de la seal de control u, mostrados en la Figura 6.2.
De la simulacin presentada en la Figura 6.2 se puede observar que el torque necesario para
realizar el control del sistema debe ser signicativo (del orden de 20 Nm). En la prctica, los
torques externos empleados son mucho menores, digamos de unos 5 Nm.
La simulacin de la Figura 6.3 muestra el comportamiento del mismo sistema pero sujeto
a una saturacin en amplitud del control externo a aplicarse. El valor mximo del torque en la
simulacin se ha escogido, precisamente, de U
max
= 5 N-m. El efecto de tal limitacin o sat-
uracin resulta en una disminucin de la velocidad angular mxima alcanzada por el artefacto y
una respuesta relativamente ms lenta.
Para efectos de comparacin, se han sobrepuesto los resultados de la simulacin del sistema
controlado sin saturar el torque externo, los cuales estn representados mediante una lnea a tra-
zos - - - (ver Figura 6.3). Las modicaciones realizadas a los programas (ejext1b.m y sejext1b.m)
6.4 EJEMPLOS DE DISEO 161
Figura 6.2: Comportamiento del satlite mono-axial controlado mediante realimentacin
no lineal del vector de estados basada en linealizacin extendida
162 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
Figura 6.3: Comportamiento del satlite mono-axial controlado por linealizacin exten-
dida, limitando la seal de control mediante U
max
-; sin limitar - - -
j
j
- - -
-

6
?
-
6
-

tan
1
()
tan
1
()
x
2
x
1

+
X
Ja
1
a
2
J(a
1
+a
2
)

u
u
lm
x
1
= 0,5(1 +x
2
1
)x
2
x
2
=
1
J
u
U
max
U
max
Figura 6.4: Esquema de control no lineal obtenido para el satlite mono-axial con ley de
control limitada por el valor U
max
6.4 EJEMPLOS DE DISEO 163
se muestran en los Listados 6.4 y 6.5 (al nal del captulo, pginas 176177). El diagrama de blo-
ques correspondiente a este sistema de control realimentado, con una ley de control limitada a un
valor mximo, se presenta en la Figura 6.4.

Ejemplo 6.1: [BR86] Balance del pndulo invertido sobre un mvil: apli-
cacin de la frmula (6.6)
Considere el problema de balancear un pndulo invertido montado sobre un mvil, Modelo 27, en
la pgina 112. El sistema estudiado est dado por la expresin (4.47), la cual repetiremos aqu:
x
1
= x
2
x
2
=
g sen(x
1
) 0,5a mLx
2
2
sen(2x
1
) a cos(x
1
)u
4L/3 amLcos
2
(x
1
)
(4.47*)
El punto de equilibrio genrico de este sistema estn dados por:
X(U) =
_
tan
1
(
aU
g
)
0
_
La linealizacin del sistema alrededor del punto de equilibrio resulta
x

=
_
0 1
h(U) 0
_
x

+
_
0

ah(U)g
a
2
U
2
+g
2
_
u

donde:
h(U) =
_
a
2
U
2
+g
2
4L
3

amLg
2
(a
2
U
2
+g
2
)
Utilizando la frmula de Bass-Gura, pgina 75, obtenemos el siguiente controlador lineal:
k
x

X(U)
= K(U) =
a
2
U
2
+g
2
agh(U)
[e
1
e
2
+h(U) (e
1
+e
2
)]
donde e
1
y e
2
son los autovalores (reales) deseados en lazo cerrado (sistema de segundo orden).
Vamos a evaluar expltamente a k(x) mediante la expresin (6.6):
k(x) =
_
X
1
1
(x
1
)
0
K(U)
dX(U)
dU
dU +K
2
[X
1
1
(x
1
)](x
2
x
2
(X
1
1
(x
1
))) X
1
1
(x
1
)
Puesto que U = X
1
1
(x
1
) =
g
a
tan(x
1
), se obtiene
u = k(x
1
, x
2
) =
g
a
tan(x
1
) +
4Le
1
e
2
3a
log[sec(x
1
) + tan(x
1
)] +e
1
e
2
mLsen(x
1
)

(e
1
+e
2
)
a
x
2
_
4L
3
sec(x
1
) amLcos(x
1
)
_ (6.16)
donde log indica logaritmo neperiano.

Matlab 6.2: Control de un manipulador robtico de una sola unin rgida


El modelo simplicado de un manipulador robtico, Modelo 9, en la pgina 15, est dado por:
x
1
= x
2
x
2
=
B
J
x
2

c
J
sen
_
x
1
N
_
+
1
J
u
(1.21*)
La linealizacin del sistema alrededor del punto de equilibrio (1.23), x(U) = [x
1
(U), x
2
(U)]
T
=
[X(U), 0]
T
= [N sen
1
_
U
c
_
, 0]
T
, u = U, resulta:
_
x
1
x
2
_
=
_
0 1

c
NJ
_
1
U
2
c
2

B
J
_
_
x
1
x
2
_
+
_
0
1
J
_
u

164 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO


El controlador lineal estabilizante por realimentacin del vector de estado, de ganancias parametrizadas
en trminos de U, est dado por:
u

= K
1
(U)x
1
K
2
(U)x
2
Sistema en lazo cerrado:
_
x
1
x
2
_
=
_
0 1

c
NJ
_
1
U
2
c
2

1
J
K
1
(U)
B
J

1
J
K
2
(U)
_
_
x
1
x
2
_
Polinomio caracterstico del sistema:
p(s) = s
2
+
_
B
J
+
K
2
(U)
J
_
s +
1
J
_
_
c
N

1
U
2
c
2
+K
1
(U)
_
_
Se igualan los coecientes de este polinomio a los de un polinomio deseado de la forma:
p
d
(s) = s
2
+ 2ns +
2
n
Ganancias del controlador lineal:
K
1
(U) = J
2
n

c
N

1
U
2
c
2
K
2
(U) = 2Jn B
Realimentacin lineal por asignacin de polos:
u

=
_
_
J
2
n

c
N

1
U
2
c
2
_
_
x
1
(2Jn B)x
2
(6.17)
Como ya hemos visto, una vez obtenido el controlador lineal que estabiliza a toda la familia
de modelos lineales parametrizados por el punto de equilibrio, debemos proceder a buscar un
controlador no lineal, de la forma u = k(x), cuya linealizacin coincida con (6.17). Tal controlador
debe satisfacer
k(x)
x
1

[X(U),0]
T
,U
= J
2
n

c
N

1
U
2
c
2
k(x)
x
2

[X(U),0]
T
,U
= 2Jn B
(6.18)
con la condicin de contorno: k([X(U), 0], U) = U.
Al integrar la segunda igualdad en (6.18), en virtud de la independencia con respecto al punto
de equilibrio, obtenemos:
k(x) = (2Jn B)x
2
+(x
1
)
donde (x
1
) es una funcin arbitraria de x
1
.
Recordemos que U = c sen
_
X
N
_
. Procedemos a determinar la funcin (x
1
), utilizando la
primera de las relaciones de (6.18), de tal forma que se obtiene:
d
dx
1
(x
1
) = J
2
n

c
N
_
1 sen
2
_
x
1
N
_
= J
2
n

c
N
cos
_
x
1
N
_
Por lo tanto, resulta
(x
1
) = J
2
n
x
1
c sen
_
x
1
N
_
+

K
donde

K es una constante arbitraria la cual debemos determinar en base a la condicin de con-
torno (6.5). Es decir, la expresin
u = k(x) = J
2
n
x
1
+c sen
_
x
1
N
_


K (2Jn B)x
2
6.4 EJEMPLOS DE DISEO 165
debe satisfacer (6.5) a la luz del punto de equilibrio genrico (1.23). De tal condicin se obtiene
entonces:

K = J
2
n
N sen
1
_
U
c
_
As, el controlador no lineal basado en linealizacin extendida es
u = k(x) = J
2
n
_
x
1
N sen
1
_
U
c
__
+c sen
_
x
1
N
_
(2Jn B)x
2
(6.19)
Note que al sustituir la expresin (6.19) en el sistema no lineal original (1.21), se obtiene la
siguiente expresin perfectamente lineal para el sistema en lazo cerrado:
x
1
= x
2
x
2
=
2
n
_
x
1
N sen
1
_
U
c
__
2nx
2
El punto de equilibrio del sistema en lazo cerrado es, evidentemente, el punto de equilibrio
deseado, parametrizado por el control constante U. El sistema anterior se reescribe, en trminos
de X,
x
1
= x
2
x
2
=
2
n
(x
1
X) 2nx
2
A continuacin compararemos el comportamiento del sistema en lazo cerrado, mediante sim-
ulaciones numricas, tanto para el controlador no lineal dado por (6.19), como el obtenido a partir
del controlador lineal basado en (6.17), el cual tiene la siguiente forma:
u = U
_
_
J
2
n

c
N

1
U
2
c
2
_
_
(x
1
X) (2Jn B)x
2
= c sen
_
X
N
_

_
J
2
n

c
N
cos
_
X
N
__
(x
1
X) (2Jn B)x
2
(Se toman en cuenta los valores de las variables incrementales.)
Tomaremos como valores de los parametros los siguientes: X = 0, N = 1, B = 0,01,
J = 0,04, c = ,58, = 0,707, n = 8,56. Los Listados 6.6 y 6.7 presentan los programas,
ejext2.m y sejext2.m, que permiten simular el comportamiento del sistema no lineal controlado
por el regulador no lineal (6.19).
Una respuesta tpica de este sistema se muestra en la Figura 6.5. La grca de la Figura 6.6
muestra las respuestas controladas de la posicin angular desde distintas condiciones iniciales
que van a groso modo desde -0.5 rad a 0.5 rad. El controlador no lineal tiene xito completo en
estabilizar la posicin angular del brazo manipulador robtico alrededor de la posicin vertical,
dada por X = 0, desde las diferentes posiciones iniciales. Sustituyendo adecuadamente la ley de
control no lineal en los programas sejext2.m y sejext2.m podemos simular el comportamiento
del brazo en lazo cerrado con la ley de control obtenida por linealizacin aproximada (6.20). En
Matlab (R), solo basta comentar la ley de control no lineal y, a continuacin, hacer visible la ley de
control lineal. Por ejemplo, en ejext2.m:
% ley de control no lineal
%u = -J*wn*wn*(x(1) - X) +c*sin(x(1)/N)+....
%(B-2*J*xi*wn)*(x(2)-0);
% ley de control lineal
u = c*sin(X/N)-(J*wn*wn-c/N*cos(X/N))*(x(1)-X)+....
(B-2*J*xi*wn)*(x(2)-0);
Las respuestas del sistema controlado por el regulador lineal (6.20), para diferentes condi-
ciones iniciales, se muestran en la gura 6.7.
En este ejemplo se puede observar que tanto el controlador no lineal como el lineal tienen
xito en estabilizar el sistema alrededor de la posicin vertical desde posiciones signicativamente
lejanas de tal valor deseado de equilibrio.

166 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO


Figura 6.5: Comportamiento del brazo manipulador robtico controlado por linealizacin
extendida
Figura 6.6: Posicin angular del brazo manipulador robtico controlado por linealizacin
extendida para diferentes condiciones iniciales
6.4 EJEMPLOS DE DISEO 167
Figura 6.7: Posicin angular del brazo manipulador robtico para diferentes condiciones
iniciales usando una ley de control lineal
Ejemplo 6.2: Conductores acoplados magnticamente: realimentacin no
lineal basada en linealizacin extendida
Considere el modelo de un sistema de dos conductores acoplados magnticamente, Modelo 24,
en la pgina 73:
x
1
= x
2
x
2
= k(x
1
L
0
) +
2iL
a x
1
u
(3.13*)
El objetivo de este ejemplo es controlar, mediante el paso de corriente, la posicin de un conductor
mvil dispuesto en forma paralela a otro conductor que transporta una corriente constante.
El punto de equilibrio del sistema en trminos de la distancia nominal b est dado por, ver
(3.14),
u = U(b) =
k(b L
0
)(a b)
2iL
; X
1
(b) = b; X
2
(b) = 0
Linealizando el sistema alrededor de este punto de equilibrio se tiene:
_
x
1
x
2
_
=
_
0 1

_
k
2iL
(ab)
2
U(b)
_
0
_
_
x
1
x
2
_
+
_
0
2iL
ab
_
u

donde
x
1
= x
1
b; x
2
= x
2
; u

= u U(b)
Este modelo se puede escribir tambin como:
_
x
1
x
2
_
=
_
0 1

_
k
a2b+L
0
ab
_
0
_
_
x
1
x
2
_
+
_
0
2iL
ab
_
u

La controlabilidad del sistema linealizado se establece inmediatamente a partir de la evalu-


acin de la matriz C:
C =
_
0
2iL
ab
2iL
ab
0
_
=det C =
_
2iL
a b
_
2
= 0
168 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
Proponiendo un controlador lineal de la forma u

= K
1
(b)x
1
K
2
(b)x
2
, el sistema en
lazo cerrado resulta:
_
x
1
x
2
_
=
_
0 1

_
k
a2b+L
0
ab
_

2iL
ab
k
1
(b)
2iL
ab
k
2
(b)
_
_
x
1
x
2
_
El polinomio caracterstico del sistema en lazo cerrado es entonces:
p(s) = s
2
+K
2
(b)
2iL
a b
s +
_
k
a 2b +L
0
a b
+K
1
(b)
2iL
a b
_
Si deseamos un comportamiento independiente del punto de equilibrio debemos buscar ganan-
cias K
1
(b) y K
2
(b) tales que el polinomio caracterstico posea races (o coecientes) independi-
entes de b.
En efecto, sean a
1
y a
2
dos races convenientes del plano complejo, debe cumplirse para
el sistema en lazo cerrado que:
p(s) = s
2
+K
2
(b)
2iL
a b
s +
_
k
a 2b +L
0
a b
+K
1
(b)
2iL
a b
_
= s
2
+ (a
1
+a
2
)s +a
1
a
2
De donde:
K
1
(b) =
a b
2iL
_
a
1
a
2
k
a 2b +L
0
a b
_
K
2
(b) =
a
1
+a
2
2iL
(a b)
con lo que u

queda perfectamente denida:


u

=
a b
2iL
_
a
1
a
2
k
a 2b +L
0
a b
_
x
1

a
1
+a
2
2iL
(a b)x
2
Note que, para evitar cualquier confusin con los parmetros propios del sistema, la funcin
no lineal asociada al controlador la denotamos aqu mediante ().
Nuestro objetivo ser encontrar un controlador no lineal
u = (x
1
, x
2
)
tal que al linealizarlo, alrededor del punto de equilibrio, se obtenga precisamente el controlador
lineal que acabamos de disear. El controlador no lineal mencionado debe cumplir entonces las
siguientes relaciones:

x
1

[x
1
=b,x
2
=0]
=
a b
2iL
_
a
1
a
2
k
a 2b +L
0
a b
_

x
2

[x
1
=b,x
2
=0]
=
a
1
+a
2
2iL
(a b)
(6.20)
Adems, el valor del control suministrado por este controlador no lineal, en condiciones de
equilibrio, debe satisfacer la siguiente condicin de contorno (6.5):
k(b L
0
) +
2iL
a b
((b, 0)) = 0
y, por lo tanto,
(b, 0) =
k(b L
0
)(a b)
2iL
= U(b)
Deshaciendo la sustitucin x
1
= b en los segundos miembros de (6.20), obtenemos las si-
guientes ecuaciones en derivadas parciales:

x
1
=
a x
1
2iL
_
a
1
a
2
k
a 2x
1
+L
0
a x
1
_

x
2
=
a
1
+a
2
2iL
(a x
1
)
6.5 EJERCICIOS PROPUESTOS 169
Integrando la primera ecuacin, obtenemos:
(x
1
, x
2
) =
a
1
a
2
2iL
_
x
1
b
(a
1
)d
1

k
2iL
_
x
1
b
[(a +L
0
) 2
1
]d
1

k(a b)(b L
0
)
2iL
+ (x
2
)
=
a
1
a
2
4iL
[(a x
1
)
2
(a b)
2
]
k
2iL
(a +L
0
)(x
1
b) +
k
2iL
(x
2
1
b
2
)

k(a b)(b L
0
)
2iL
+ (x
2
)
donde (x
2
) es una funcin arbitraria de x
2
.
Procedemos a determinar la funcin (x
2
) gracias a la segunda ecuacin diferencial parcial
de (6.20):
d
dx
2
(x
2
) =
a
1
+a
2
2iL
(a x
1
)
De donde, integrando, resulta
(x
2
) =
a
1
+a
2
2iL
(a x
1
)x
2
+M
donde M es una constante arbitraria que determinamos a partir de la condicin de contorno para
(x
1
, x
2
). Luego de algunas simplicaciones, el controlador no lineal resulta:
u = (x
1
, x
2
) =
a x
1
2iL
[a
1
a
2
(x
1
b) +k(x
1
L
0
) (a
1
+a
2
)x
2
] (6.21)
El sistema controlado por esta ley de realimentacin no lineal resulta, evidentemente, en el
siguiente sistema lineal asintticamente estable al punto de equilibrio requerido:
x
1
= x
2
x
2
= a
1
a
2
(x
1
b) (a
1
+a
2
)x
2
La convergencia al punto de equilibrio del sistema en lazo cerrado se encuentra gobernada
por autovalores que son independientes del valor particular de b.

6.5. Ejercicios propuestos


Ejercicio 6.1: Diseo de un controlador no lineal para el convertidor Boost
Considere el modelo del convertidor de potencia DC-DC del tipo Boost, Mo-
delo 7, en la pgina 13. Disee una ley de realimentacin no lineal del vector de
estado basada en la asignacin de polos invariantes de la familia de modelos para-
metrizados, utilizando la tcnica de linealizacin extendida. ()
Ejercicio 6.2: Satlite mono-axial: comparacin de la linealizacin aproxi-
mada y extendida en Matlab (R)
El lector puede comparar mediante simulaciones numricas el funcionamien-
to del controlador obtenido por linealizacin extendida (6.1) con el que se obtiene
por linealizacin aproximada, en el cual, evidentemente, se requiere de cierta pro-
gramacin de la ganancia para cada valor del punto de equilibrio X que se desee
obtener para la posicin angular. El controlador lineal, ver (6.12), est dado por:
u

=
J(a1a2)
1 +X
2
x
1
J(a1 +a2)x
2
170 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
con x
1
= x1 X; x
2
= x2; u

= u.
()
Ejercicio 6.3: Pndulo invertido sobre una plataforma mvil [BR86]. Ley
de control no lineal truncada
Si se toma como punto de operacin u = U = 0 , x1(0) = x2(0) = 0, para
el modelo del pndulo invertido estudiado en este captulo, se puede comparar el
funcionamiento del controlador no lineal (6.16) con la ley de control que se obtiene
mediante linealizacin tradicional alrededor de este punto de equilibrio:
u =
3amLe1e2 4Le1e2 3g
3a
x1
(3amL 4L)(e1 +e2)
3a
x2
la cual slo coincide hasta un primer orden de aproximacin con el controlador no
lineal propuesto por la linealizacin extendida.
Mostrar, mediante simulaciones computacionales, que las respuestas de am-
bos controladores son signicativamente diferentes para ngulos relativamente
grandes en la posicin inicial x1(0) del pndulo. De hecho, para valores iniciales
que satisfagan la condicin x1(0) > 0,8, el controlador lineal no puede estabilizar el
pndulo invertido mientras que el no lineal s lo hace. Se deja esta vericacin como
ejercicio de simulacin. Los parmetros del sistema se muestran en la tabla 6.1.
Variable Descripcin Valor
m masa del pndulo 2.0 Kgs
M masa del carro 8.0 Kgs
2L Longitud del pndulo 1.0 m
g aceleracin de gravedad 9.8 m.s
2
a = (m+M)
1
constante auxiliar 0.1
Tabla 6.1: Parmetros del sistema de balance de un pndulo invertido
Realimentacin no lineal truncada en su expansin en serie de Taylor. Dir-
jase a la referencia original W. T. Baumann, W. J. Rugh,Feedback control of non-
linear systems by extended linearization, IEEE Trans. Automat. Contr., vol. 31, pp.
4046, 1986, [BR86]. La ley no lineal (6.16) se puede desarrollar en serie de Tay-
lor ms all de la aproximacin de primer orden. Verique el controlador truncado
propuesto en [BR86] (vea la Ecuacin (5.5) en ese artculo). Repita las simulaciones
presentadas, comparando los resultados de los tres tipos de controladores (lineali-
zado, extendido y truncado).
()
Modelo 30: TRCA, modelo 4
El presente modelo es de un tanque de reaccin similar al Modelo 10, en la pgina 16, donde la
reaccin isotrmica se realiza con tres especies (A, B, C) en fase lquida.
x
1
= 1 (1 +D
a1
)x
1
+D
a2
x
2
2
x
2
= D
a1
x
1
x
1
(D
a2
+D
a3
)x
2
2
+u
x
3
= D
a3
x
2
2
x3
y = x
3
X
C
(6.22)
6.5 EJERCICIOS PROPUESTOS 171
donde x
1
representa la concentracin normalizada (adimensional) de la especie A en el reactor,
x
2
representa la concentracin normalizada (adimensional) de la especie B en el reactor y x
3
representa la concentracin normalizada (adimensional) de la especie C en el reactor. u es la
relacin entre la tasa molar volumtrica de la especie B en la carga, la tasa volumtrica de carga
y la concentracin deseada de la especie C. D
ai
son constantes de reaccin de primer orden.
X
C
es el valor deseado de la concentracin de la especie C.
El punto de equilibrio parametrizado en funcin de dicha concentracin deseada de la especie
C es:
x
3
= arbitrario = X
C
; x
1
= x
1
(X
C
) =
D
a3
+D
a2
X
C
D
a3
(1 +D
a1
)
; x
2
= x
2
(X
C
) =

X
C
D
a3
u = u(X
C
) =
(2D
a2
+D
a3
+D
a1
D
a3
)X
C
+D
a3
(1 +D
a1
)
D
a3
(1 +D
a1
)
Se asume que la variable de control U vara entre el intervalo [0, Umax], el cual reeja los lmites
fsicos de la tasa molar de carga de la especie B.
M
Ejercicio 6.4: Realimentacin del vector de estado: TRCA, modelo 4
Asumiendo que puede medir todos los estados del sistema anterior (6.22), obten-
ga la ley de control por realimentacin del vector de estado incremental y la ley de
realimentacin no lineal basada en linealizacin extendida.
Calcule el controlador por realimentacin no lineal mediante la frmula (6.6) y
mediante el procedimiento propuesto aqu. Desarrolle en serie de Taylor los con-
troladores no lineales diseados, para varios trminos de la serie. Compare con los
controladores obtenidos. ()
Ejercicio 6.5: Control del sistema aro anillo: linealizacin extendida
Considere el Modelo 16, en la pgina 19. Disee un controlador no lineal, basa-
do en realimentacin del vector de estados, mediante el mtodo de la linealizacin
entendida. ()
Modelo 31: Modelo normalizado del convertidor de potencia

Cuk
El modelo promedio normalizado de un convertidor de potencia DC-DC del tipo

Cuk puede ser
descrito mediante las siguientes ecuaciones:
dx
1
d
= (1 )
1
x
2
+b
dx
2
d
= (1 )
1
x
1

2
x
3
dx
3
d
=
4
x
3
+
2
x
2
y = x
3
(6.23)
donde x
1
= I
1

L
1
, x
2
= V
2

C
2
y x
3
= I
3

L
3
representan, respectivamente, la intensidad
(normalizada) de la corriente del inductor de entrada, la tensin del condensador de transferencia
y la intensidad de la corriente del inductor de salida. El parmetro b = E/

L
1
es la tensin
(normalizada) de la fuente externa. Los parmetros estn denidos por la frecuencia natural de
oscilacin (f.n.o.) del circuito LC de entrada
1
= 1/

L
1
C
2
, la f.n.o. del circuito LC de salida

2
= 1/

L
3
C
2
y la constante de tiempo del circuito LR de salida
4
= R/L
3
. El valor denota
la relacin de trabajo.
M
172 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
Ejercicio 6.6: Convertidor

Cuk: linealizacin extendida
Dena una ley de realimentacin no lineal del vector de estado para el modelo
normalizado del convertidor

Cuk (6.23). Ayuda: Utilice los clculos desarrollados
en el artculo H. Sira-Ramrez y M.T. Prada-Rizzo, "Nonlinear Feedback Regulator
Design for the Cuk Converter,"IEEE Transactions on Automatic Control. vol. 37, pp.
1173-1180, 1992, [SRPR92].
()
6.6. Resumen del captulo y Lecturas adicionales
En la literatura existen una gran variedad de mtodos de control no li-
neal. En este texto hemos considerado til presentar el mtodo de la lineali-
zacin extendida por diversas razones. En primer trmino, se basa directa-
mente en la linealizacin aproximada, lo cual permite una utilizacin direc-
ta de los mtodos desarrollados en la Parte I. Constituye una metodologa
de diseo precisa, cuyos fundamentos matemticos no van ms all de los
hasta ahora presentados en este texto. Posee, adems, un enfoque analti-
co que tiene cierto parecido con los esquemas empricos de asignacin de
ganancias (gain scheduling). La idea central de este mtodo es relativa-
mente simple, sencilla de transmitir y asimilar: al linealizar el controlador
no lineal, el controlador resultante debe corresponder a un controlador li-
neal con una estructura bien conocida. Esto permite, como ya hemos men-
cionado, evitar las transformaciones en el espacio de estado o en el espacio
de los controles.
Consideramos que este mtodo proporcionar una referencia de compa-
racin adecuada respecto a los mtodos basados en linealizacin exacta, que
veremos ms adelante: como hemos visto en algunos de los ejemplos presen-
tados, los controladores no lineales obtenidos son tales que el sistema no
lineal resulta en lazo cerrado un sistema completamente lineal, este hecho
es indicativo que el sistema ha sido linealizado de manera exacta.
Lecturas recomendadas
En referencia al esquema de asignacin de ganancias, el lector puede
dirigirse a los artculos siguientes y a sus referencias:
1. W. J. Rugh, Analytical framework for gain scheduling, IEEE Contr.
Sys. Mag., vol. 11, pp. 7984, 1991, [Rug91].
2. J. S. Shamma and M. Athans, Gain scheduling: Potential hazards
and possible remedies, IEEE Contr. Syst. Mag., vol. 12, pp. 101107,
1992, [SA92]. Estudia dos de las premisas usuales de los esquemas de
asignacin de ganancias: la variable de programacin de las ganan-
cias debe capturar las no linealidades del sistema, la variable de pro-
gramacin de las ganancias debe ser lenta.
6.6 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 173
3. W. J. Rugh, J. S. Shamma, Research on gain scheduling, Automati-
ca, vol. 36, pp. 14011425, 2000, [RS00]. Desde el punto de vista de
la investigacin terica, hace una revisin de los diferentes enfoques
de asignacin de ganancias, con una breve resea sobre los orgenes
prcticos de esta estrategia. Explica de manera didctica el enfoque
analtico que ha tomado en los ltimos aos.
4. J. S. Shamma, M. Athans, Analysis of gain scheduled control for non-
linear plants, IEEE Trans. Automat. Contr., vol. 35, pp. 898907,
1990, [SA90]. Artculo netamente terico, estudia la estabilidad de
diferentes esquemas de asignacin de ganancias.
El artculo que utilizamos de base sobre la linealizacin extendida:
W. T. Baumann, W. J. Rugh, Feedback control of nonlinear systems
by extended linearization, IEEE Trans. Automat. Contr., vol. 31, pp.
4046, 1986, [BR86].
Recomendamos al lector dirigirse a la pgina del profesor W. Rugh,
http://www.ece.jhu.edu/~rugh/214/me/rugh.html,
para indigar sobre otras vertientes del mtodo de la linealizacin extendida.
Un mtodo similar al propuesto por W. Rugh, el cual, sin embargo, est
basado en argumentos provenientes de la teora de geometra diferencial,
es el de pseudolinealizacin:
1. C. Reboulet y C. Champetier, A new method for linearizing non-linear
systems: the pseudolinearization, Int. J. of Control, vol. 40, pp. 631
638, 1984, [RC84].
2. C. Reboulet, P. Mouyon, C. Champetier, About the local linearization
of nonlinear systems, In: M. Fliess and M. Hazewinkel (Eds.), Alge-
braic and Geometric Methods in Nonlinear Control Theory, D. Reidel
Publishing Company, pp. 311322, 1986 [RMC86]
174 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
Listados en Matlab (R) para los ejemplos de este captulo
Listado 6.2: Programa de simulacin del satelite mono-axial, modelo de Cayley-Rodrigues
sejext1.m
% sejext1.m
%
% Programa de simulacion de la respuesta controlada
% de un satelite mono-axial (modelo no lineal obtenido
% usando la representacion Cayley-Rodrigues).
%
% Este programa permite simular la respuesta del sistema no lineal
% presentado en el programa
%
% ejext1.m
%
% El sistema es controlado mediante una realimentacion no lineal de estado
% obtenida por linealizacion extendida.
% tiempo de simulacion
t0=0; tf=30;
% condiciones iniciales
x0=[0 0];
% simulacion numerica
[t,x] = ode23(ejext1,[t0 tf],x0);
% parametros
J=90;a1=0.5;a2=0.5; X=1.5;
% obtencion de la ley de control en forma vectorial
u = -J*a1*a2*(atan(x(:,1))-atan(X))-J*(a1+a2)*x(:,2);
subplot(221), plot(t,x(:,1))
title(posicion angular de orientacion)
ylabel(x1)
xlabel(t [seg])
subplot(222), plot(t,x(:,2))
title(velocidad angular respecto al eje principal)
ylabel(x2)
xlabel(t [seg])
subplot(223), plot(t,u)
title(torque externo - ley de control)
ylabel(u)
xlabel(t [seg])
% sejext1.m
6.6 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 175
Listado 6.3: Modelo y control de un salilite mono-axial ejext1.m
function xdot = ejext1(t,x)
% ejext1.m
%
% Primer ejemplo de simulacion numerica usando el metodo
% de linealizacion extendida:
%
% El sistema representa un satelite mono-axial descrito por el
% parametro de orientacion de Cayley-Rodrigues.
% La ley de control realimentada es no lineal,
% obtenida mediante el metodo de linealizacion extendida.
%
% El programa requerido para realizar las simulaciones
% y obtener las graficas es:
%
% sejext1.m
%
% parametros del sistema
J=90;al=0.5;a2=0.5; X=1.5;
% ley de control
u = -J*al*a2*(atan(x(1)) - atan(X) ) - J(al+a2)*x(2) ;
% modelo no lineal (satelite mono-axial)
xdot = [0.5*(1+x(1)*x(1))*x(2) ;
1/J*u];
% fin ejext1.m
176 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
Listado 6.4: Programa de simulacin del satelite mono-axial con actuador saturado
sejext1b.m
% sejext1b.m
%
% Programa de simulacion de la respuesta controlada
% de un satelite mono-axial (modelo no lineal obtenido
% usando la representacion Cayley-Rodrigues).
%
% Este programa permite simular la respuesta del sistema no lineal
% presentado en el programa
%
% ejext1b.m
%
% El sistema es controlado mediante una realimentacion no lineal de estado
% obtenida por linealizacion extendida, usando una saturacion del
% valor maximo del control
% tiempo de simulacion
clear all
t0=0;
tf=30;
% condiciones iniciales
x0=[0 0];
% simulacion numerica
[t,x] = ode23(ejext1b,[t0 tf],x0);
% procedimiento para obtener la ley de control en forma vectorial
% parametros
J=90;a1=0.5;a2=0.5; X=1.5; umax=5;
for i = 1:length(x),
uu(1,i) = -J*a1*a2*(atan(x(i,1)) - atan(X) ) - J(a1+a2)*x(i,2) ;
% saturacion
if abs(uu(1,i)) > umax,
u(1,i) = umax;
else
u(1,i) = uu(1,i);
end
end
save dejext1b t x u
clf
subplot(221), plot(t,x(:,1))
title(posicion angular de orientacion)
ylabel(x1 (u sat -, u sin sat --))
xlabel(t [seg])
subplot(222), plot(t,x(:,2))
title(velocidad angular respecto al eje principal)
ylabel(x2 (u sat -, u sin sat --))
xlabel(t [seg])
subplot(223), plot(t,u)
title(torque externo - ley de control)
ylabel(u (u sat -, u sin sat --))
xlabel(t [seg])
load dejext1
subplot(221), hold on
plot(t,x(:,1),--)
subplot(222), hold on
plot(t,x(:,2),--)
subplot(223), hold on
plot(t,u,--)
% sejext1b.m
6.6 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 177
Listado 6.5: Modelo y control saturado ejext1b.m
function xdot = ejext1b(t,x)
% ejext1b.m
%
% Modificacion al programa ejext1.m
%
% Ley de control realimentada usando una saturacion del
% valor maximo y minimo posibles.
%
% El programa requerido para realizar las simulaciones
% y obtener las graficas es:
%
% sejext1b.m
%
% parametros del sistema
J=90;al=0.5;a2=0.5; X=1.5;
% valor de saturacion del control
umax=5;
% ley de control
uu = -J*al*a2*(atan(x(1)) - atan(X) ) - J(al+a2)*x(2) ;
if abs(uu) > umax,
u = umax;
else
u = uu;
end
% modelo no lineal (satelite mono-axial)
xdot = [0.5*(1+x(1)*x(1))*x(2) ;
1/J*u];
% fin ejext1b.m
178 REALIMENTACIN NO LINEAL DEL VECTOR DE ESTADO
Listado 6.6: Programa de simulacin del manipulador robtico sejext2.m
% sejext2.m
%
% Programa de simulacion de la respuesta controlada
% de un brazo manopulador robotico mono-axial.
%
% Este programa permite simular la respuesta del sistema no lineal
% presentado en el programa
%
% ejext2.m
%
% El sistema es controlado por realimentacion no lineal de estado
% obtenida mediante linealizacion extendida.
% tiempo de simulacion
t0=0;
tf=1;
% condiciones iniciales
x0=[-0.5 0];
% simulacion numerica
[t,x] = ode23(ejext2,t0,tf,x0);
% parametros
X = 0; N = 1;
B=1e-2; J=4e-2; c=.58;
xi=0.707; wn=8.56;
% expresion vectorial de la ley de control no lineal u
u = -J*wn*wn*(x(:,1)-X)+c*sin(x(:,1)/N)+(B-2*J*xi*wn)*(x(:,2)-0);
% expresion vectorial de la ley de control lineal u
%u = c*sin(X/N)-(J*wn*wn-c/N*cos(X/N))*(x(:,1)-X)+....
%(B-2*J*xi*wn)*(x(:,2)-0);
clg
subplot(221), plot(t,x(:,1))
title(posicion angular del brazo)
ylabel(x1)
xlabel(t [seg])
subplot(222), plot(t,x(:,2))
title(velocidad angular del brazo)
ylabel(x2)
xlabel(t [seg])
subplot(223), plot(t,u)
title(torque externo aplicado)
ylabel(u)
xlabel(t [seg])
% sejext2.m
6.6 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 179
Listado 6.7: Modelo + control no lineal por linealizacin extendida (se incluye adems
el control linealizado) ejext2.m
function xdot = ejext2(t,x)
% ejext2.m
%
% Ejemplo de simulacion numerica usando el metodo
% de linealizacion extendida:
%
% El sistema representa un brazo manipulador robotico controlado
% mediante una ley de realimentacion no lineal,
% obtenida mediante el metodo de linealizacion extendida.
%
% El programa requerido para realizar las simulaciones
% y obtener las graficas es:
%
% sejext2.m
%
% parametros del sistema
X = 0; N = 1;
B=1e-2; J=4e-2; c=.58;
xi=0.707; wn=8.56;
% ley de control no lineal
u = -J*wn*wn*(x(1) - X) +c*sin(x(1)/N)+....
(B-2*J*xi*wn)*(x(2)-0);
% ley de control lineal
%u = c*sin(X/N)-(J*wn*wn-c/N*cos(X/N))*(x(1)-X)+....
%(B-2*J*xi*wn)*(x(2)-0);
% modelo no lineal (satelite mono-axial)
xdot = [x(2) ;
-B/J*x(2)-(c/J)*sin(x(1)/N)+(1/J)*u];
% fin ejext2.m
7
Diseo de observadores
dinmicos de estado no
lineales basados en
linealizacin extendida
Foto
El mtodo de la linealizacin extendida ha permitido desarrollar una
estrategia de construccin de observadores no lineales en forma
simple y altamente sistemtica.
El sistema (observador) resultante constituye una copia del sis-
tema no lineal, a la cual se aaden trminos correctivos que per-
miten garantizar, localmente, que el error de observacin tiende a
cero de manera asintticamente estable.
180
7.1 INTRODUCCIN 181
7.1. Introduccin
Como hemos dicho anteriormente, un observador es un sistema cuyo ob-
jetivo es proporcionar una estimacin de una o varias componentes del vec-
tor de estado. La construccin de observadores dinmicos de estado para
sistemas no lineales es un problema interesante, el cual no ha recibido an
una respuesta denitiva, aunque existen diversos mtodos y diversas ten-
tativas de solucin al respecto.
Los enfoques de tratamiento de observadores no lineales se dividen es-
encialmente en
Disear un observador para una aproximacin linealizada del sistema
no lineal
Realizar extensiones no lineales a partir de un observador lineal
transformar el sistema no lineal mediante una transformacin de co-
ordenadas (generalmente no lineal) a un sistema equivalente lineal
transformar el sistema no lineal mediante una transformacin de co-
ordenadas a un sistema equivalente (a un sistema bilineal, por ejem-
plo) cuya estructura permita proponer argumentos de estabilidad no
lineal (de tipo de Lyapunov, pasividad, mapas de contraccin, etc.)
El primer enfoque ya fue analizado en la Parte I. El tercero ser brevemente
estudiado en la parte III. Nos dedicaremos en este captulo al segundo en-
foque, extenderemos los resultados del observador lineal al caso no lineal,
para ello emplearemos el mtodo de la linealziacin extendida.
Como vimos en el captulo anterior, la metodologa de la linealizacin ex-
tendida es simple y permite resolver el diseo de controladores no lineales
sistemticamente. Debido a su sencillez, la losofa de linealizacin exten-
dida puede emplearse en el diseo de observadores dinmicos de estado.
La idea fundamental en este caso consistir en escoger un observador no
lineal de tal manera que la familia de ecuaciones linealizadas del error de
estimacin, parameterizadas por el punto de operacin, tenga autovalores
invariantes con respecto a dicho punto de operacin, al menos localmente.
7.2. Observador dinmico no lineal
Como es costumbre, consideremos el sistema:
d
dt
x(t) = f(x(t), u(t))
y(t) = h(x(t))
(7.1)
cuyo punto de operacin constante est dado por
u(t) = U; x(t) = X(U); y(t) = h(X(U)) = Y (U)
182 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA
Comencemos por suponer que la relacin funcional que se establece, en
equilibrio, entre la entrada y la salida, es tal que satisface:
dY (U)
dU
= 0
Es decir, existe una familia continua de puntos de equilibrio en el espacio de
salida que se relaciona, cuando menos localmente, con el valor del control
en equilibrio.
Supondremos adems que el sistema linealizado alrededor del punto de
equilibrio dado por:
x

(t) = A(U)x

(t) +B(U)u

(t)
y

(t) = C(U)x

(t)
es tal que el par (A(U), C(U)) es completamente observable (o en su defecto
detectable). Supondremos adems que la matriz A(U) es invertible alrede-
dor del valor U.
Proponemos como observador no lineal, un sistema dinmico de la Observador
dinmico no
lineal
forma:
d
dt
x(t) = f( x(t), u(t)) +g(y(t)) g( y(t))
y(t) = h( x(t))
(7.2)
La ecuacin que se obtiene al evaluar el punto de equilibrio de este ob-
servador, para u(t) = U, es la siguiente:
f( x(U), U) +g(Y (U)) g(

Y (U)) = 0 (7.3)
Con el objeto de hacer compatible las funciones del observador con el val-
or asignado en equilibrio al estado verdadero del sistema, supondremos, a
partir de (7.3), que

Y (U) = h(

X(U)) = h(X(U)) = Y (U) ; X(U) =

X(U) , (7.4)
lo cual implica, en particular, que la funcin g de ganancia no lineal del
observador satisface igualmente:
g(Y (U)) = g(

Y (U))
7.3. Linealizacin de la dinmica del error de obser-
vacin
La ecuacin de la dinmica del error de estimacin (error de obser-
vacin), resultante de sustraer (7.2) al sistema (7.1):
d
dt
(x(t) x(t)) = f(x(t), u(t)) f( x(t), u(t)) g(y(t)) +g( y(t)) (7.5)
7.3 LINEALIZACIN DE LA DINMICA DEL ERROR DE OBSERVACIN 183
La ecuacin (7.5) hereda, obviamente, los puntos de operacin constantes
de la familia. Un clculo sencillo demuestra que la familia de ecuaciones
linealizadas del error dinmico est dado por:
d
dt
[x

(t) x

(t)] =
f
x

X(U),U
x


f
x

X(U),U
x

_
g
y

Y (U)
h
x

X(U)
_
x

+
_
g
y

Y (U)
h
x

X(U)
_
x

(7.6)
donde se ha empleado la relacin g(y) = g(h(x)), tal que
g
x
=
g(y)
y
h(x)
x
Tomando en cuenta (7.4), la ecuacin (7.6) se transforma en
d
dt
e

(t) =
f
x

X(U),U
(x

)
_
g
y

Y (U)
h
x

X(U)
_
(x

)
La dinmica linealizada del error de observacin resulta nalmente en: Dinmica
linealizada del
error de
observacin
d
dt
e

(t) = [A(U) L(U)C(U)]e

(t) (7.7)
donde:
A(U) =
f
x

X(U),U
; C(U) =
h
x

X(U)
y, adems,
L(U) =
g
y

y=Y (U)
(7.8)
A continuacin, nuestro objetivo ser el de escoger la ganancia de ob-
servacin linealizada L(U) de tal forma que los autovalores de [A(U)
L(U)C(U)] se encuentren en el semiplano izquierdo del plano complejo; es-
tos autovalores deben ser adems independientes del valor de U. Si esto
ltimo no es enteramente posible, entonces, al menos, asegurarnos que la
forma cmo varian tales autovalores con respecto a U responda a una fun-
cin previamente conocida o impuesta.
Tal escogencia de la ganancia linealizada L(U) puede hacerse utilizando
la frmula de Bass-Gura, vista en la seccin 3.4, para el par de matrices
traspuestas (A
T
(U), C
T
(U)). Es decir:
L(U) = O
1
(U)R
1
(U)[
d

U
]
T
184 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA
donde:
O(U) =
_

_
C(U)
C(U)A(U)
. . .
C(U)A
n2
(U)
C(U)A
n1
(U)
_

_
; R(U) =
_

_
1 0 . . . 0
a
1
(U) 1 . . . 0
.
.
.
.
.
.
.
.
. 0
a
n1
(U) a
n2
(U) . . . 1
_

_
;

d
= [
1
. . .
n
];
U
= [a
1
(U) . . . a
n
(U)]
siendo
d
el vector la compuesto por los coecientes del polinomio carac-
terstico deseado para la dinmica del error linealizado de estimacin y
U
el vector la conformado por los coecientes del polinomio caracterstico de
la matriz A(U).
Puesto que dY (U)/dU = 0, el teorema de la funcin implcita asegura
que de la igualdad Y (U) = y podemos obtener como solucin nica para U
al valor dado por:
U = Y
1
(y) . (7.9)
7.4. Ganancia no lineal del observador
El valor de la ganancia linealizada debe provenir entonces de una ganan-
cia no lineal g que debe satisfacer la ecuacin (7.8), la cual reescrita en
trminos de (7.9) queda:
g
y
= L(Y
1
(y)) (7.10)
Integrando (7.10) respecto a y, obtenemos
g(y) =
_
y
Y
L(Y
1
(y))dy +L(Y )
=
_
Y
1
(y)
U
L(U)
dY (U)
dU
dU +L(Y (U))
(7.11)
como una posible alternativa de solucin en la determinacin de la ganancia
no lineal g(y) del observador.
Notemos que tomando derivadas respecto de y en esta ltima expresin
y particularizando el resultado en el punto de equilibrio tenemos:
dg(y)
dy

Y (U)
= G(Y
1
(y))
dY (Y
1
(y))
dU
d(Y
1
(y))
dy

Y (U)
= L(U)
dy
dU
dU
dy
= L(U)
Con el valor (7.11) de g(y), el observador no lineal (7.2) queda completa-
mente especicado.
7.5 EJEMPLOS 185
7.5. Ejemplos
En esta seccin desarrollaremos algunos ejemplos que ilustran el proce-
dimiento de diseo de observadores dinmicos no lineales, basados en re-
solver la condicin (7.10).
Ejemplo 7.1: Satlite mono-axial Cayley-Rodrguez: observador lineal
Considere el Modelo 5, en la pgina 10:
x
1
= 0,5(1 +x
2
1
)x
2
x
2
=
1
J
u
y = x
1
(1.10*)
con punto de equilibrio:
u = U = 0; x
1
= X; x
2
= 0; Y = X
El sistema linealizado alrededor del punto de equilibrio est dado por:
_
x
1
x
2
_
=
_
0 0,5(1 +X
2
)
0 0
_ _
x
1
x
2
_
+
_
0
1
J
_
u

= x
1
Un observador dinmico lineal del vector de estado incremental est dado por:
_

x
1

x
2
_
=
_
0 0,5(1 +X
2
)
0 0
_ _
x
1
x
2
_
+
_
0
1
J
_
u

+
_
L
1
(X)
L
2
(X)
_
(y

)
y

= x
1
donde L
1
(X) y L
2
(X) son ganancias dependendientes del punto de equilibrio deseado X, las
cuales se calculan de tal manera que el sistema lineal autnomo que gobierna el error de esti-
macin tenga sus autovalores en el semiplano izquierdo.
En primer lugar, vericamos si el sistema linealizado es observable.
O(X) =
_
1 0
0 0,5(1 +X
2
)
_
=det O(X) = 0,5(1 +X
2
) = 0
La dinmica del error de estimacin est regida por:
_
e
1
e
2
_
=
_
L
1
(X) 0,5(1 +X
2
)
L
2
(X) 0
_ _
e
1
e
2
_
Los modos que rigen esta dinmica se corresponden con las races del polinomio caracters-
tico siguiente:
p(s) = s
2
+L
1
(X)s + 0,5(1 +X
2
)L
2
(X)
Si deseamos que el error de estimacin linealizado responda de acuerdo a autovalores que
asignamos libremente en el semiplano izquierdo del plano complejo, podemos igualar, trmino a
trmino, el polinomio anterior al siguiente polinomio caracterstico estndar de segundo grado:
p
d
(s) = s
2
+ 2ns +
2
n
Se obtiene, entonces,
L
1
(X) = 2n ; L
2
(X) =
2
2
n
1 +X
2
El observador lineal del estado incremental est dado por:
_

x
1

x
2
_
=
_
0 0,5(1 +X
2
)
0 0
_ _
x
1
x
2
_
+
_
0
1
J
_
u

+
_
2n
2
2
n
1+X
2
_
(y

)
y

= x
1

186 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA


La pregunta clave del mtodo de la linealizacin extendida es la siguien-
te: Cul ha de ser el observador no lineal cuya linealizacin alrededor del
punto de equilibrio coincida con el observador que acabamos de obtener? Es
decir, cules deben ser las ganancias no lineales g
1
(y) y g
2
(y) tales que el
observador no lineal dado por:

x
1
= 0,5(1 + x
2
1
) x
2
+g
1
(y) g
1
( y)

x
2
=
1
J
u +g
2
(y) g
2
( y)
y = x
1
tenga por linealizacin el observador anteriormente diseado? Continue-
mos con el ejemplo que hemos propuesto, apara el cual daremos una re-
spuesta completa, junto a una simulacin numrica del comportamiento,
en lazo cerrado, del sistema estudiado.
Matlab 7.1: (Continuacin) Satlite mono-axial Cayley-Rodrguez: obser-
vador no lineal
Es claro que los valores de equilibrio del observador no lineal estn dados por:
x
2
(X) = x
2
(X) = 0 ; y(X) = y(X) = x
1
(X) = x
1
(X) = X ; u = u(X) = 0
De tal forma que debe cumplirse entonces que:
g
1
y

X
= 2n
g
2
y

X
=
2
2
n
1 +X
2
(7.12)
Se deshace la sustitucin indicada en la ecuacin anterior, sustituyendo efectivamente X por
la variable y. Se obtiene entonces el siguiente par de ecuaciones en derivadas parciales para las
ganancias no lineales:
g
1
y
= 2n
g
2
y
=
2
2
n
1 +y
2
Integrando las ecuaciones anteriores resulta:
g
1
(y) = 2ny; g
2
(y) = 2
2
n
tan
1
(y)
De esta forma, el observador dinmico no lineal est dado entonces por:

x
1
= 0,5(1 + x
2
1
) x
2
+ 2n(y y)

x
2
=
1
J
u + 2
2
n
_
tan
1
(y) tan
1
( y)
_
y = x
1
(7.13)
El observador no lineal responde al diagrama mostrado en la Figura 7.1.
Recordemos que en el captulo anterior, Seccin 6.4, habamos diseado una ley de control
realimentada no lineal que estabilizaba al sistema al punto de equilibrio deseado. Esta ley de
control no lineal era la siguiente
u = J(a
1
+a
2
)x
2
Ja
1
a
2
_
tan
1
(x
1
) tan
1
(X)

(6.1*)
Con el objeto de completar el diseo utilizaremos el controlador propuesto en el captulo
anterior, en combinacin con el observador diseado. Simularemos el comportamiento del satelite
7.5 EJEMPLOS 187
-
-
-
-
-
u
y = x
1
u
x
1
x
2

x
1
= 0,5(1 + x
2
1
) x
2
+ 2
n
(y y)

x
2
=
1
J
u + 2
2
n
(tan
1
(y) tan
1
( y))
y = x
1
x
1
= 0,5(1 +x
2
1
)x
2
x
2
=
1
J
u
y = x
1
Figura 7.1: Diagrama de bloques del observador dinmico de estados para el satlite
mono-axial, basado en linealizacin extendida
-
-
-
-
-

u
y = x
1
u
x
1
x
2

x
1
= 0,5(1 + x
2
1
) x
2
+ 2
n
(y y)

x
2
=
1
J
u + 2
2
n
(tan
1
(y) tan
1
( y))
y = x
1
x
1
= 0,5(1 +x
2
1
)x
2
x
2
=
1
J
u
y = x
1
u = J(a
1
+a
2
) x
2
Ja
1
a
2
_
tan
1
( x
1
) tan
1
(X)

Figura 7.2: Diagrama de bloques en lazo cerrado del sistema de control de un satlite,
considerando un observador dinmico no lineal
188 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA
Listado 7.1: Programa de simulacin de la dinmica de un satlite mono-axial regulado
mediante un controlador y un observador no lineales sejext3.m
% sejext3.m
%
% Programa de simulacion de la respuesta controlada
% de un satelite mono-axial (modelo no lineal obtenido
% usando la representacion Cayley-Rodrigues).
%
% Este programa permite simular la respuesta del sistema no lineal
% presentado en el programa
%
% ejext3.m
%
% El sistema es controlado mediante una realimentacion no lineal de estado
% sintetizada mediante un observador no lineal
% dise~nado mediante linealizacion extendida.
% tiempo de simulacion
t0=0;
tf=30;
% condiciones iniciales
x0=[0 0 0.5 0.2];
% simulacion numerica
[t,x] = ode23(ejext3,[t0 tf],x0);
% parametros
J=90;a1=0.4;a2=0.5; X=1.5;
xi=0.7; wn=0.8;
% ley de control
u = -J*a1*a2*(atan(x(:,3))-atan(X))-J*(a1+a2)*x(:,4);
clf
subplot(221), plot(t,x(:,1),t,x(:,3),--)
title(posicion angular de orientacion)
ylabel(x1)
xlabel(t [seg])
subplot(222), plot(t,x(:,2),t,x(:,4),--)
title(velocidad angular respecto al eje principal)
ylabel(x2)
xlabel(t [seg])
subplot(223), plot(t,u)
title(torque externo - ley de control)
ylabel(u)
xlabel(t [seg])
% sejext3.m
7.5 EJEMPLOS 189
Listado 7.2: Modelo, control y observador no lineales ejext3.m empleados para la
simulacin
function xdot = ejext3(t,x)
% ejext3.m
%
% Ejemplo de simulacion numerica usando el metodo
% de linealizacion extendida para el disen~o de un
% observador no lineal:
%
% El sistema representa un satelite mono-axial descrito por el
% parametro de orientacion de Cayley-Rodrigues.
% La ley de control realimentada es no lineal,
% obtenida mediante el metodo de linealizacion extendida.
% La ley de control se sintetiza usando un observador
% no lineal.
%
% El programa requerido para realizar las simulaciones
% y obtener las graficas es:
%
% sejext3.m
%
% parametros del sistema
J=90;al=0.5;a2=0.5; X=1.5;
xi=0.7; wn=0.8;
% ley de control
u = -J*al*a2*(atan(x(3))-atan(X))-J(al+a2)*x(4);
% modelo no lineal (satelite mono-axial)
xdot = [0.5*(1+x(1)*x(1))*x(2) ;
1/J*u;
0.5*(1+x(3)*x(3))*x(4)+2*xi*wn*(x(1)-x(3));
1/J*u+2*wn*wn*(atan(x(1))-atan(x(3)))];
% fin ejext3.m
190 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA
Figura 7.3: Comportamiento de un satlite mono-axial controlado sobre la base de un
observador dinmico de estados obtenido por linealizacin extendida
7.5 EJEMPLOS 191
mono-axial en lazo cerrado. El controlador completo, en conjunto con el observador dinmico no
lineal (7.13), est dado por:
u = J(a
1
+a
2
) x
2
Ja
1
a
2
_
tan
1
( x
1
) tan
1
(X)

(7.14)
donde hemos sustituido las cantidades x
1
y x
2
, respectivamente, por x
1
y x
2
.
El sistema en lazo cerrado dado por (1.10*)(7.13)(7.14) se presenta en el diagrama de
bloques mostrado la gura 7.2. Los Listados 7.1 y 7.2 permiten simular el comportamiento en lazo
cerrado del sistema controlado mediante la ley de control no lineal (7.14) sintetizada sobre la base
de la operacin de un observador dinmico no lineal (7.13). La respuesta del sistema dinmico se
muestra en la gura 7.3.

Matlab 7.2: Manipulador robtico: la dinmica del error de observacin re-


sultante es completamente lineal
Considere el manipulador robtico, Modelo 9, en la pgina 15, tratado anteriormente, representa-
do por el siguiente conjunto de ecuaciones diferenciales:
x
1
= x
2
x
2
=
B
J
x
2

c
J
sen
_
x
1
N
_
+
1
J
u
y = x
1
(1.21*)
donde se mide la posicin angular del brazo manipulador. El punto de equilibrio se caracteriza
genericamente mediante:
u = c sen
_
X
N
_
; y = x
1
= X; x
2
= 0
La linealizacin de este sistema alrededor del punto de equilibrio result ser, ver Captulo 5,
expresin (5.15):
_
x
1
x
2
_
=
_
0 1

c
NJ
cos(X)
B
J
_ _
x
1
x
2
_
+
_
0
1
J
_
u

= x
1
Un observador dinmico para este sistema linealizado est dado por:
_

x
1

x
2
_
=
_
0 1

c
NJ
cos(X)
B
J
_ _
x
1
x
2
_
+
_
0
1
J
_
u

+
_
L
1
(X)
L
2
(X)
_
(y

)
y

= x
1
(7.15)
La dinmica del error de estimacin de las variables de estado est dada por:
_
e
1
e
2
_
=
_
L
1
(X) 1
L
2
(X)
c
NJ
cos(X)
B
J
_ _
e
1
e
2
_
El polinomio caracterstico de este sistema resulta:
p(s) = s
2
+
_
L
1
(X) +
B
J
_
s +
c
NJ
cos
_
X
N
_
+L
2
(X)
Al igualar p(s) al polinomio deseado de la forma:
p
d
(s) = (s +
1
)(s +
2
) = s
2
+ (
1
+
2
)s +
1

2
,
obtenemos los valores necesarios de las ganancias del observador dinmico. Estas ganancias,
parametrizadas por el punto de equilibrio, tienen por valor las cantidades:
L
1
(X) =
1
+
2

B
J
;
L
2
(X) =
1

c
NJ
cos
_
X
N
_

B
J
(
1
+
2
) +
B
2
J
2
(7.16)
192 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA
En el mtodo de linealizacin extendida procedemos ahora a proponer un observador no
lineal, dado, en forma general, por la expresin:

x
1
= x
2
+g
1
(y) g
1
( y)

x
2
=
B
J
x
2

c
J
sen
_
x
1
N
_
+
1
J
u +g
2
(y) g
2
( y)
y = x
1
(7.17)
La linealizacin del observador no lineal (7.17), alrededor del punto de equilibrio del sistema
original (el cual, como ya hemos dicho, tambin debe ser punto de equilibrio del observador), est
dado por:
_

x
1

x
2
_
=
_
0 1

c
NJ
cos(X)
B
J
_ _
x
1
x
2
_
+
_
0
1
J
_
u

+
_
_
g
1
y

X
g
2
y

X
_
_
(y

)
y

= x
1
(7.18)
La linealizacin (7.18) debe coincidir con el observador lineal de la familia de sistemas lineal-
izados, parametrizado por el punto de equilibrio que acabamos de disear (7.15)(7.16),
_

x
1

x
2
_
=
_
0 1

c
NJ
cos(X)
B
J
_ _
x
1
x
2
_
+
_
0
1
J
_
u

+
_

1
+
2

B
J

c
NJ
cos
_
X
N
_

B
J
(
1
+
2
) +
B
2
J
2
_
(y

)
y

= x
1
(7.19)
Igualando trmino a trmino los elementos de (7.18) y (7.19), conclumos que deben cumplirse
las siguientes igualdades:
g
1
y

y=X
=
1
+
2

B
J
g
2
y

y=X
=
1

c
NJ
cos
_
X
N
_

B
J
(
1
+
2
) +
B
2
J
2
Este par de relaciones se convierten en un par de ecuaciones en derivadas parciales al des-
hacer la sustitucin y = X:
g
1
y
=
1
+
2

B
J
g
2
y
=
1

c
NJ
cos
_
y
N
_

B
J
(
1
+
2
) +
B
2
J
2
Integrando obtenemos:
g
1
(y) =
_

1
+
2

B
J
_
y
g
2
(y) =
_

B
J
(
1
+
2
) +
B
2
J
2
_
y
c
J
sen
_
y
N
_
(7.20)
A partir de (7.20), el observador dinmico no lineal (7.17) resulta entonces, luego de algunas
simplicaciones elementales, en: Este observador
no lineal genera
un error de
observacin
completamnete
lineal

x
1
= x
2
+
_

1
+
2

B
J
_
(y y)

x
2
=
B
J
x
2
+
1
J
u +
_

B
J
(
1
+
2
) +
B
2
J
2
_
(y y)
c
J
sen
_
y
N
_
y = x
1
(7.21)
7.5 EJEMPLOS 193
-
-
-
-
-

u
y = x
1
u
x
1
x
2

x
1
= x
2
+ (
1
+
2

B
J
)(y y)

x
2
=
B
J
x
2
+
1
J
u + (
1

B
J
(
1
+
2
)
+
B
2
J
2
)(y y)
c
J
sen(
y
N
)
y = x
1
x
1
= x
2
x
2
=
B
J
x
2

c
J
sen(
x
1
N
) +
1
J
u
y = x
1
u = J
2
n
( x
1
X) (2J
n
B) x
2
+c sen(
x1
N
)
Figura 7.4: Diagrama de bloques en lazo cerrado de un manipulador robtico, consideran-
do un observador dinmico no lineal
Es interesante notar que el error de observacin, obtenido a partir de las ecuaciones diferen-
ciales no lineales de la planta (1.21) y del observador (7.21), est gobernado por el siguiente par
de ecuaciones diferenciales autnomas de naturaleza evidentemente lineal:
e
1
=
_

1
+
2

B
J
_
e
1
+e
2
e
2
=
_

B
J
(
1
+
2
) +
B
2
J
2
_
e
1

B
J
e
2
Los autovalores de este sistema coinciden con las races del siguiente polinomio caracterstico:
p
err. obs.
(s) = s
2
+ (
1
+
2
)s +
1

2
= p
d
(s)
Es de notar que este polinomio es, casualmente, idntico al polinomio caracterstico que gobierna
el error de estimacin del observador del estado incremental linealizado. En este caso, el obser-
vador no lineal permite obtener directamente, y sin aproximacin alguna, una dinmica del error
de estimacin completamente lineal.
Los estados del observador no lineal se utilizan en la conformacin de la ley de control no
lineal derivada en el captulo anterior, en la pgina 165. Tal ley de control rezara ahora de la
manera siguiente:
u = J
2
n
( x
1
X) (2Jn B) x
2
+c sen
_
x
1
N
_
(6.19*)
donde x
1
y x
2
han sido reemplazados por sus respectivos valores estimados.
El esquema de control no lineal, basado en el observador no lineal propuesto, se muestra
en el diagrama de bloques de la Figura 7.4. La respuesta del sistema en lazo cerrado, obtenida
mediante simulacin numrica se muestra en la Figura 7.5. Los Listados 7.3 y 7.4 permiten simular
el sistema en lazo cerrado de acuerdo al esquema mostrado.

194 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA


Figura 7.5: Comportamiento de un manipulador robtico controlado sobre la base de un
controlador y un observador dinmico de estados, obtenidos por linealizacin extendida
7.5 EJEMPLOS 195
Listado 7.3: Programa de simulacin de un manipulador robtico regulado median-
te una realimentacin y un observador no lineales, basados en linealizacin extendida
srobleob2.m
% srobleob2.m
%
% Programa que simula la respuesta en lazo cerrado de un brazo manipulador
% robotico controlado por una ley de realimentacion no lineal, basada
% en un observador no lineal. El disenno del controlador y el observador
% se realizo mediante el metodo de la linealizacion extendida.
%
% parametros de simulacion
t0 = 0;
tf = 2;
x0 = [pi/2 0.0 0.0 0.0];
% simulacion
[t,x] = ode23(robleob2,[t0 tf],x0);
subplot(221),plot(t,x(:,1),k,t,x(:,3),k--)
title(Posicion angular)
xlabel(t [seg])
ylabel(x1 (-), x1 estimada (--) [rad])
subplot(222),plot(t,x(:,2),k,t,x(:,4),k--)
title(Velocidad angular)
xlabel(t [seg])
ylabel(x2 (-), x2 estimada (--) [rad/seg])
% parametros
B = 1e-2;
J = 4e-2;
c = .58;
N = 1;
% punto de equilibrio
X = 0;
% polinomios deseados
xi = 0.707; wn = 8.56; % control
uu = -J*wn*wn*(x(:,3)-X) + c*sin(x(:,3)/N) + (B-2*J*xi*wn)*x(:,4);
subplot(223),plot(t,uu,k)
title(Torque)
xlabel(t [seg])
ylabel(u [N-m])
subplot(224),plot(t,x(:,1),k)
title(Posicion angular)
xlabel(t [seg])
ylabel(y [rad])
% fin de srobleob2.m
196 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA
Listado 7.4: Modelo de un manipulador robtico y ley de control con observador no lineal
basada en linealizacin extendida robleob2.m
function dx = robleob2(t,x)
%
% modelo de un manipulador robotico regulado mediante un controlador
% y un observador no lineales, obtenidos a partir del metodo de la
% linealizacion extendida.
% parametros
B = 1e-2;
J = 4e-2;
c = .58;
N = 1;
% punto de equilibrio
X = 0;
% polinomios deseados
xi = 0.707; wn = 8.56; % control
b1 = 6.0; b2 = 8.0; % observacion
u = -J*wn*wn*(x(3)-X) + c*sin(x(3)/N) + (B-2*J*xi*wn)*x(4);
y = x(1);
dx = [x(2);
-B/J*x(2)-c/J*sin(x(1)/N)+1/J*u; % modelo
x(4)+(b1+b2-B/J)*(y-x(3));
-B/J*x(4)+1/J*u+(b1*b2-B/J*(b1+b2)+B*B/J/J)*(y-x(3))-c/J*sin(y/N)];
% fin de robleob2.m
Matlab 7.3: Conductor mvil: observador no lineal basado en linealizacin
extendida
Consideremos ahora el Ejemplo 6.2, presentado en el captulo anterior, en la pgina 167. Las
ecuaciones de estado del sistema, Modelo 24, en la pgina 73, son las siguientes:
x
1
= x
2
x
2
= k(x
1
L
0
) +
2iL
a x
1
u
y = x
1
(3.13*)
donde la salida medida corresponde a la distancia al conductor pequeo. El punto de equilibrio de,
parametrizado en trminos de una cierta distancia (nominal) deseada de valor x
1
= b, est dado
por:
u = U(b) =
k(b L
0
)(a b)
2iL
; Y (b) = X
1
(b) = b ; X
2
(b) = 0
El controlador no lineal que estabiliza la posicin del conductor a su valor nominal estaba dado
por:
u = (x
1
, x
2
) =
a x
1
2iL
[a
1
a
2
(x
1
b) +k(x
1
L
0
) (a
1
+a
2
)x
2
] (6.21*)
Disearemos ahora un observador de estado no lineal que permita instrumentar la ley de
control anterior sobre la base de estimaciones del vector de estado, es decir,
u = ( x
1
, x
2
) =
a x
1
2iL
[a
1
a
2
( x
1
b) +k( x
1
L
0
) (a
1
+a
2
) x
2
]
donde se han, efectivamente, sustituido x
1
y x
2
por sus respectivos estimados.
7.5 EJEMPLOS 197
Linealizacin del sistema alrededor del punto de equilibrio:
_
x
1
x
2
_
=
_
0 1

_
k
a2b+L
0
ab
_
0
_
_
x
1
x
2
_
+
_
0
2iL
ab
_
u

y = x
1
Anlisis de observabilidad:
O =
_
1 0
0 1
_
; detO = 1 = 0
Proponemos un observador lineal de la forma siguiente:
_

x
1

x
2
_
=
_
0 1

_
k
a2b+L
0
ab
_
0
_
_
x
1
x
2
_
+
_
0
2iL
ab
_
u

+
_

1
(b)

2
(b)
_
(y

)
y = x
1
El error de estimacin incremental deber satisfacer la ecuacin dinmica
_
e
1
e
2
_
=
_

1
(b) 1

2
(b)
_
k
a2b+L
0
ab
_
0
_
_
e
1
e
2
_
Polinomio caracterstico de este sistema autnomo:
p(s) = s
2
+
1
(b)s +
2
(b) +k
a 2b +L
0
a b
Polinomio caracterstico deseado:
p
d
(s) = s
2
+ 2ns +
2
n
con races en el semiplano izquierdo del plano complejo.
Al igualar p(s) y p
d
(s) se obtienen las ganancias requeridas del observador lineal:

1
(b) = 2n ;

2
(b) =
2
n
k
a 2b +L
0
a b
El observador lineal puede expresarse entonces como:
_

x
1

x
2
_
=
_
0 1

_
k
a2b+L
0
ab
_
0
_
_
x
1
x
2
_
+
_
0
2iL
ab
_
u

+
_
2n

2
n
k
a2b+L
0
ab
_
(y

)
y = x
1
Siguiendo el mtodo de la linealizacin extendida, este observador lineal debe representar
la linealizacin, alrededor del punto de equilibrio, del siguiente observador dinmico no lineal de
estado del sistema original:

x
1
= x
2
+g
1
(y) g
1
( y)

x
2
= k( x
1
L
0
) +
2iL
a x
1
+g
2
(y) g
2
( y)
y = x
1
Debe cumplirse entonces que:
g
1
(y)
y

y=b
= 2n ;
g
2
(y)
y

y=b
=
2
n
k
a 2b +L
0
a b
198 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA
-
-
-
-
-

u
y = x
1
u
x
1
x
2

x
1
= x
2
+ 2n(y y)

x
2
= k( x
1
L
0
) +
2iL
a x
1
+ (
2
n
2k)(y y)
k(a L
0
) ln(
ay
a y
)
y = x
1
x
1
= x
2
x
2
= k(x
1
L
0
)
+
2iL
ax
1
u
y = x
1
u =
a x1
2iL
[a
1
a
2
( x
1
b) +k( x
1
L
0
) (a
1
+a
2
) x
2
]
Figura 7.6: Diagrama de bloques en lazo cerrado de un manipulador robtico, consideran-
do un observador dinmico no lineal
Sustituyendo la transformacin y = b se obtiene
g
1
(y)
y
= 2n ;
g
2
(y)
y
=
2
n
k
a 2y +L
0
a y
de donde es simple obtener, por integracin de ambas ecuaciones, las siguientes cantidades:
g
1
(y) = 2ny ;
g
2
(y) = (
2
n
2k)y k(a L
0
) ln(a y)
donde ln corresponde a la funcin logaritmo neperiano.
El observador dinmico no lineal est dado nalmente por la expresin:

x
1
= x
2
+ 2n(y y)

x
2
= k( x
1
L
0
) +
2iL
a x
1
+ (
2
n
2k)(y y) k(a L
0
) ln
_
a y
a y
_
y = x
1
(7.22)
El diagrama de bloques de la Figura 7.6 ilustra el esquema de control no lineal en lazo ce-
rrado dado por (3.13*)(6.21*)(7.22). El comportamiento del sistema en lazo cerrado, obtenido
mediante simulacin numrica con los programas descritos en Listados 7.5 y 7.6, se muestra en
la Figura 7.6.

7.5 EJEMPLOS 199


Listado 7.5: Programa de simulacin de un sistema de dos conductores regulado mediante
una ley de control no lineal, basada en un observador diseado mediante linealizacin
extendida sconexob.m
% sconexob.m
%
% programa de simulacion del sistema de dos conductores acoplados
% magneticamente, se ilustra la regulacion al punto de equilibrio
% usando un esquema de controlador y observador no lineales,
% obtenidos mediante linealizacion extendida.
% parametros de simulacion
t0 = 0;
tf = 1.5;
x0 = [0.1 0.1 0.2 0.0];
% simulacion
[t,x] = ode23(conexob,[t0 tf],x0);
subplot(221),plot(t,x(:,1),k,t,x(:,3),k--)
title(Distancia (posicion) del conductor)
xlabel(t [seg])
ylabel(x1 (-), x1 estimada (--) [m])
subplot(222),plot(t,x(:,2),k,t,x(:,4),k--)
title(Velocidad del conductor)
xlabel(t [seg])
ylabel(x2 (-), x2 estimada (--) [m/seg])
% parametros
k = 10; L0 = 0.05; I = 0.3; L = 0.5; a = 0.3;
% punto de equilibrio
b = 0.12;
% polinomios deseados
a1 = 5.0; a2 = 6.0; % control
uu = (a-x(:,3))/(2*I*L).*(-a1*a2*(x(:,3)-b)+k*(x(:,3)-L0)-(a1+a2)*x(:,4));
subplot(223),plot(t,uu,k)
title(Corriente I)
xlabel(t [seg])
ylabel(u [Amp])
subplot(224),plot(t,x(:,1),k)
title(Distancia)
xlabel(t [seg])
ylabel(y [m])
% fin de sconexob.m
200 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA
Figura 7.7: Comportamiento de un sistema de dos conductores acoplados magntica-
mente controlado sobre la base de un controlador y un observador dinmico de estados,
obtenidos por linealizacin extendida
7.6 EJERCICIOS PROPUESTOS 201
Listado 7.6: Modelo y ley de control con observador no lineal basada en linealizacin
extendida conexob.m
function dx = conexob(t,x)
%
% parametros
k = 10; L0 = 0.05; I = 0.3; L = 0.5; a = 0.3;
% punto de equilibrio
b = 0.12;
% polinomios deseados
a1 = 5.0; a2 = 6.0; % control
xi = 0.707; wn = 12; % observacion
u = (a-x(3))/(2*I*L)*(-a1*a2*(x(3)-b)+k*(x(3)-L0)-(a1+a2)*x(4));
y = x(1);
dx = [x(2);
-k*(x(1)-L0)+2*I*L*u/(a-x(1)); % modelo
x(4)+2*xi*wn*(y-x(3));
-k*(x(3)-L0)+2*I*L*u/(a-x(3))+(wn*wn-2*k)*(y-x(3))-k*(a-L0)*log((a-y)/(a-x(3)))];
% fin de conexob.m
7.6. Ejercicios propuestos
Figura 7.8: Tanque reactor continuamente agitado, no isotrmico
Modelo 32: Tanque de reaccin continuamente agitado, modelo 5
Considere el tanque reactor (no isotrmico), en el cual ocurre una reaccin exotrmica A
B, presentado en la Figura 7.8. El modelo del proceso est representado por dos ecuaciones
diferenciales no lineales dadas por:
dC
A
dt
=
q
V
(C
Af
C
A
) r
A
(T)
dT
dt
=
q
V
(T
f
T) +
(H)
Cp
r
A
(T) +
cCpc
CpV
qc
_
1 exp
_

hA
qcCpc
__
(T
cf
T)
(7.23)
donde la funcin r
A
(T) = k
0
C
A
(
E
RT
). Las variables del sistema estn dadas por: C
A
es la
concentracin del componente A; T es la temperatura de la substancia resultante; qc es el ujo de
entrada del refrigerante, el cual acta como variable de control. Los parmetros del sistema son:
q es el ujo del substrato de alimentacin al tanque; T
f
es la temperatura del ujo de entrada; T
cf
202 DISEO DE OBSERVADORES DINMICOS DE ESTADO NO LINEALES BASADOS EN LINEALIZACIN EXTENDIDA
es la temperatura del refrigerante a la entrada del sistema; A, rea; Cp, capacidad calorica, E,
energa de activacin; h, coeciente de transferencia de calor para el TRCA; k
0
, constante de la
reaccin; H, calor de reaccin; , densidad del lquido. El subndice c se reere al refrigerante.
M
Ejercicio 7.1: Diseo de un observador no lineal por linealizacin extendi-
da: TRCA, modelo 5
Utilizando el mtodo presentado en este captulo, disee un observador no lineal
de orden completo para el sistema (7.23). La variable medida es la temperatura
y = T.
()
Ejercicio 7.2: Comparacin de un esquema completamente lineal con el
esquema no lineal desarrollado en este captulo
Considere el ejemplo Matlab 4.1, pgina 90. Disee un controlador y un obser-
vador no lineales por linealizacin extendida. Compare mediante una simulacin
numrica el esquema en lazo cerrado presentado en Matlab 4.1, con el esquema
no lineal diseado mediante linealizacin extendida, para diferentes valores de las
condiciones iniciales.
()
Ejercicio 7.3: Observadores de orden reducido
Extienda el diseo de observadores no lineales presentado aqu al caso de los
observadores de orden reducido. Para ello, tome los Ejemplos 4.2 y 4.3. Desarrolle
todas las cuentas para el caso no lineal y compare los observadores de orden reduci-
do lineal y no lineal obtenidos.
Ayuda: Recuerde que el observador (de orden reducido) no lineal a obtener en cada
caso debe, al linealizarse, ser equivalente al observador lineal ya diseado. ( )
Ejercicio 7.4: Linealizacin del sistema en lazo cerrado
Considere el ejemplo Matlab 7.2. Reescriba las ecuaciones del sistema en la-
zo cerrado dado por (1.21*), (7.21), (6.19*), haciendo las sustituciones correspondi-
entes, de tal forma que el sistema resultante solo dependa de las variables de estado
x1, x2, x1 y x2. Determine la linealizacin aproximada del sistema en lazo cerrado
y calcule los autovalores correspondientes. Muestre que se cumple el principio de
separacin para el sistema linealizado obtenido. ()
Ejercicio 7.5: Revisin del artculo de Baumann y Rugh (1986)
Dirjase al artculo: W. T. Baumann, W. J. Rugh, Feedback control of nonlinear
systems by extended linearization, IEEE Trans. Automat. Contr., vol. 31, pp. 4046,
1986, [BR86]. Estudie el ejemplo desarrollado (seccin V del mismo). All se ilustran
todos los elementos y conceptos desarrollados hasta a travs del Modelo 27, en
la pgina 112. Se analiza el diseo de un observador no lineal de orden reducido.
Repita las simulaciones realizadas en dicho artculo.
()
7.7 RESUMEN DEL CAPTULO 203
7.7. Resumen del captulo
En este captulo hemos presentado una extensin del mtodo de la linea-
lizacin extendida al diseo de observadores no lineales de orden completo.
El diseo de observadores dinmicos de estado para sistemas no lineales
ha sido un tema muy estudiado durante los ltimos veinte. Su complejidad
natural surge de las mltiples relaciones que se pueden establecer entre la
seal de entrada y el vector de estados (productos cruzados, funciones no
lineales de los componentes, etc.) que se diferencian de manera notable del
caso lineal.
El diseo de observadores dinmicos no lineales de orden reducido es
inmediato para cierta clase de sistemas no lineales. El caso general de sis-
temas no lineales no es trivial, por ello hemos dejado abierto su estudio al
lector osado, inquieto por entender cules son las dicultades de este prob-
lema y su posible solucin.
Lectura recomendada
La linealizacin extendida fue originalmente propuesta en:
W. T. Baumann, W. J. Rugh, Feedback control of nonlinear systems
by extended linearization, IEEE Trans. Automat. Contr., vol. 31, pp.
4046, 1986, [BR86].
Recomendamos al lector dirigirse a la pgina del profesor W. Rugh, cate-
drtico de la Universidad John Hopskins en Estados Unidos:
http://www.ece.jhu.edu/~rugh/214/me/rugh.html,
para indigar sobre otras vertientes del mtodo de la linealizacin extendida.
8
Sintesis de
compensadores no
lineales G()
Foto
El mtodo de la linealizacin extendida permite, en principio, la
generalizacin al caso no lineal de cualquier mtodo de diseo de
controladores lineales.
La idea siempre es la misma: obtener un controlador no lineal tal
que su linealizacin coincida perfectamente con el diseo lineal
parametrizado.
8.1. Introduccin
En este captulo extenderemos el mtodo de diseo de compensadores
del tipo P (Proporcional), PI (Proporcional-Integral) y PID (Proporcional-
204
8.1 INTRODUCCIN 205
Integral-Derivativo), de uso frecuente y extenso en el control de sistemas
lineales, al caso de sistemas no lineales.
Utilizaremos como base del diseo linealizado el mtodo de Ziegler-Nichols
en rgimen frecuencial. No tomaremos en cuenta el mtodo de Ziegler-
Nichols basado en los parmetros de la respuesta escaln, por cuanto es
mucho ms dicil obtener estos parmetros en forma analtica parametri-
zada.
Como ya vimos en el Captulo 5, el mtodo frecuencial permite encontrar
de una forma sistemtica y analtica ms directa los elementos del diagra-
ma de Nyquist sobre los que se basa el clculo de los parmetros del contro-
lador, P, PI o PID. El mtodo que expondremos slo se aplica a sistemas de
una sola entrada y una salida.
Estudiaremos un sistema no lineal, n-dimensional, de una entrada y
una salida dado por:
x(t) = f(x(t), u(t))
y = h(x(t))
Sea u(t) = U un punto de operacin constante asociado la entrada escalar
del sistema anterior. Correspondiente con este valor nominal de la entrada,
tenemos un valor de equilibrio para el vector de estado y de la salida, dados
respectivamente por x(t) = X(U) y y(t) = Y (U).
Supondremos que Y (U) es una funcin continua de U cuya derivada
dY (U)/dU es no nula. Podremos ocasionalmente parametrizar el punto de
equilibrio para el control en base a un valor deseado de la salida y(t) = Y
mediante una expresin de la forma: U = U(Y ).
La expresin linealizada del sistema alrededor del punto de operacin
genrico (U, X(U), Y (U)), parametrizada en trminos del valor constante
de la entrada de control en equilibrio, est dada por:
x

= A(U)x

+B(U)u

= C(U)x

con
A(U) =
f(x, u)
x

X(U),U
; B(U) =
f(x, u)
u

X(U),U
;
C(U) =
h(x)
x

X(U),U
,
y,
x

= x X(U); u

= u U; y

= y Y (U)
A partir de esta representacin del sistema linealizado, podemos obtener
la funcin de transferencia del sistema en lazo abierto, parametrizada por
el valor U, dada por:
G
U
(s) = C(U)[sI A(U)]
1
B(U)
206 SINTESIS DE COMPENSADORES NO LINEALES G()
8.2. Diseo de reguladores no lineales del tipo P, PI y
PID mediante linealizacin extendida
Recordemos la forma del regulador PID obtenido en la Seccin 5.2:
u

= K
1
(U)e

+K
2
(U)
_
t
o
e

()d +K
3
(U)
de

dt
(5.5*)
Siguiendo el mtodo de la linealizacin extendida, propondremos a par-
tir de la expresin (5.5*) un compensador no lineal general del tipo
PID. Aplicaremos la linealizacin aproximada a este controlador, con el ob-
jeto de identicarlo al diseo lineal llevado a cabo precisamente sobre la
familia de sistemas linealizados.
En este caso, la generalizacin no lineal del controlador PID asume la
forma siguiente:
z(t) = k
2
(z(t))e(t)
u(t) = z(t) +k
1
(z(t))e(t) +k
3
(z(t))
de(t)
dt
(8.1)
donde la variable z(t) juega el papel de estado del compensador dinmico
no lineal. Veamos.
La seal de control sintetizada por el compensador anterior adopta en-
tonces la forma general
u(t) = k
1
(z(t))e(t) +
_
t
0
k
2
(z())e()d +k
3
(z(t))
de(t)
dt
, (8.2)
la cual en efecto representa una generalizacin, de tipo no lineal, del con-
trolador clsico PID. El error e(t) est dado por e = y
ref
y = 0 y = y.
Note que el punto de equilibrio de la estrategia de control no lineal prop-
uesta est dado, evidentemente, por e = 0 y z(U) = U. De esta forma, la
linealizacin del regulador no lineal (8.1), alrededor de su punto de equili-
brio, resulta en:
z

= k
2
(U)e

= z

+k
1
(U)e

(t) +k
3
(U)
de

(t)
dt
(8.3)
Se desprende inmediatamente, de la comparacin de este compensador
linealizado con el compensador lineal PID diseado anteriormente, que
k
1
(z)|
z=U
= K
1
(U) ;
k
2
(z)|
z=U
= K
2
(U) ;
k
3
(z)|
z=U
= K
3
(U)
8.2 DISEO DE REGULADORES NO LINEALES DEL TIPO P, PI Y PID MEDIANTE LINEALIZACIN EXTENDIDA 207
En este caso, las ganancias no lineales se obtienen directamente, de ma-
nera practicamente trivial, a partir de las siguientes relaciones:
k
1
(z) = K
1
(z) ;
k
2
(z) = K
2
(z) ;
k
3
(z) = K
3
(z)
(8.4)
lo cual facilita enormemente la bsqueda del controlador no lineal.
Matlab 8.1: Diseo de un controlador no lineal del tipo PI para un modelo
promedio de un convertidor Boost de corriente continua
Considrese el Modelo 7, en la pgina 13, de un convertidor tipo Boost de corriente continua,
regulado mediante conmutaciones generadas sobre la base de un esquema de modulacin de
ancho de pulsos:
z
1
=
0
z
2
+
0
z
2
+b
z
2
=
0
z
1

1
z
2

0
z
1
y = z
2
(1.16*)
La familia de funciones de transferencia parametrizadas, que relacionan el voltaje incremental
de salida con el valor incremental de la relacin de trabajo, se obtiene del modelo linealizado
mediante la expresin, ver Seccin 2.3.2:
G
U
(s) =
0
Z
1
(U)
s
b
Z
1
(U)
s
2
+
1
s +
2
0
(1 U)
2
(2.10*)
donde
= U ; Z
1
(U) =
b
1

2
0
(1 U)
2
: Z
2
(U) =
b

0
(1 U)
Recordemos del Ejemplo 5.2, pgina 122, el regulador PI lineal diseado para este sistema,

= 0,54

2
0
(1 U)
3

2b
e

+ 0,45

0
(1 U)
2
b
e

(5.12*)
donde e

= y

. El perodo ltimo y la ganancia ltima resultaron para este caso:


P
0
(U) =
2

0
(U)
=

0
(1 U)
; K
0
(U) =

0
(1 U)
2
b
,
y las ganancias K
1
y K
2
:
K
1
(U) = 0,45

0
(1 U)
2
b
: K
2
(U) = 0,54

2
0
(1 U)
3

2b
(5.11*)
A partir de (5.12*) y (8.4), se puede inferir de manera inmediata la estructura del controlador
PI no lineal, cuyo estado designamos mediante z(t), est dada por las ecuaciones:
z(t) =
_
0,54

2
0
(1 z(t))
3

2b
_
e(t)
(t) = z(t) +
_
0,45

0
(1 z(t))
2
b
_
e(t)
(8.5)
donde ahora tenemos
e(t) = Z
2
(U) z
2
(t)
Considerando el controlador no lineal (8.5), recordemos que el esquema nal de control in-
volucrar la delimitacin de la seal de control generada por el PI, de acuerdo a un saturador que
impida que esa seal tome valores inferiores a 0 o superiores a 1. Ver Figura 8.1.
208 SINTESIS DE COMPENSADORES NO LINEALES G()
j - - - - -
6

limitador
u
u
lim
z = [0,54

2
0
(1z)
3

2b
]e
= z + [0,45

0
(1z)
2
b
]e
z
1
=
0
z
2
+
0
z
2
+b
z
2
=
0
z
1

1
z
2

0
z
1
y = z
2
Z
2
(U) e(t)
y(t)
PI no lineal Convertidor Boost
y(t) = z
2
(t) 1
0 1
+
-
Figura 8.1: Diagrama de bloques en lazo cerrado del modelo promedio del convertidor
Boost, controlado mediante un PI no lineal
Figura 8.2: Comportamiento del modelo promedio de un convertidor Boost regulado
mediante un PI no lineal obtenido por linealizacin extendida
8.2 DISEO DE REGULADORES NO LINEALES DEL TIPO P, PI Y PID MEDIANTE LINEALIZACIN EXTENDIDA 209
Listado 8.1: Programa de simulacin del comportmiento del modelo promedio del con-
vertidor Boost, regulado mediante un PI nol lineal sboostex.m
% sboostex.m
%
% Programa que simula la respuesta en lazo cerrado de un convertidor
% de corriente continua del tipo Boost, controlado a un punto
% de equilibrio deseado mediante un regulador PI no lineal
% obtenido mediante linealizacion extendida.
%
clear uu
% parametros de simulacion
t0 = 0;
tf = 0.02;
x0 = [0.1 0.1 0.0];
% simulacion
[t,x] = ode23(boostext,[t0 tf],x0);
subplot(221),plot(t,x(:,1),k)
title(Corriente normalizada promedio)
xlabel(t [seg])
ylabel(x1)
subplot(222),plot(t,x(:,2),k)
title(Tension normalizada promedio)
xlabel(t [seg])
ylabel(x2)
% parametros
w0 = 1.881e3;
w1 = 1.6667e3;
b = 106.06;
% punto de equilibrio
Ue = 0.8;
X2e = b/w0/(1-Ue);
yy = x(:,2);
uusl = x(:,3)+ 0.45*w0*(1-x(:,3)).*(1-x(:,3))/b.*(X2e-yy);
for i = 1:length(t),
if uusl(i) >= 1
uu(i) = 1;
elseif uusl(i) <= 0
uu(i) = 0;
else
uu(i) = uusl(i);
end
end
subplot(223),plot(t,uu,k)
title(Relacion de trabajo)
xlabel(t [seg])
ylabel(u)
axis([0 tf -0.1 1.1])
subplot(224),plot(t,yy,k)
title(Tension de salida)
xlabel(t [seg])
ylabel(y)
% fin de sboostex.m
210 SINTESIS DE COMPENSADORES NO LINEALES G()
Listado 8.2: Modelo del convertidor Boost y regulador PI no lineal boostext.m
function dx = boostext(t,x)
%
% modelo promedio de un convertidor regulado mediante un PI no lineal,
% obtenido a partir del metodo de la linealizacion extendida.
%
% parametros
w0 = 1.881e3;
w1 = 1.6667e3;
b = 106.06;
% valor del control en el equilibrio
Ue = 0.8;
% valor de la salida en el equilibrio
X2e = b/w0/(1-Ue);
% salida
y = x(2);
% calculo del control (sin limitar entre 0 y 1)
usl = x(3)+ 0.45*w0*(1-x(3))*(1-x(3))/b*(X2e-y);
% limitador
if usl >= 1
u = 1;
elseif usl <= 0
u = 0;
else
u = usl;
end
dx = [-w0*x(2)+u*w0*x(2)+b;
w0*x(1)-w1*x(2)-u*w0*x(1); % modelo
0.54*w0*w0*(1-x(3))*(1-x(3))*(1-x(3))/(1.4142*pi*b)*(X2e-y)];
% fin de boostext.m
8.2 DISEO DE REGULADORES NO LINEALES DEL TIPO P, PI Y PID MEDIANTE LINEALIZACIN EXTENDIDA 211
Los Listados 8.1 y 8.2 simulan la respuesta en lazo cerrado del convertidor Boost promedio.
Los valores numricos de los parmetros son:

0
= 1,811 10
3
;
1
= 1,6667 10
3
; b = 106,06; U = 0,8;
con un valor de equilibrio para la salida promedio de:
Y (0,8) = Z
2
(0,8) = 0,2819.
Las grcas mostradas en la Figura 8.2 presentan la respuesta de la tendin de salida prome-
dio (normalizada) del sistema controlado, la respuesta de las variables de estado y de la relacin
de trabajo (entrada). Se observa como las variables tienden a sus valores deseados.

El siguiente ejemplo est desarrollado a manera de ilustracin de un


diseo completo, incluyendo adems todo el controlador PID lineal parame-
trizado y su correspondiente implementacin no lineal, en lazo cerrado, en
Matlab (R).
Matlab 8.2: Control de altura de nivel de lquido en un conjunto de tanques
dispuestos en cascada
Considere el Modelo 15, en la pgina 19, dado por las siguientes ecuaciones
x
1
=
c
A

x
1
+
1
A
u
.
.
.
x
i
=
c
A

x
i
+
c
A

x
i1
; i = 2, 3, . . . , n
y = xn
(1.34*)
Dado un valor constante u = U, el punto de equilibrio del sistema es:
u = U ; x
i
(U) = X
i
(U) =
U
2
c
2
; i = 1, 2, . . . , n ;
y(U) = Y (U) =
U
2
c
2
(1.35)
El modelo linealizado del sistema dinmico, alrededor de este punto de equilibrio genrico,
est dado por:
x
1
=
c
2
2AU
x
1
+
1
A
u

x
i
=
c
2
2AU
x
i
+
c
2
2AU
x
(i1)
; i = 1, . . . , n
donde :
x
i
= x
i
X
i
(U) = x
i

U
2
c
2
; u

= u U; y

= y
U
2
c
2
Tomando transformadas de Laplace de cada una de las ecuaciones diferenciales lineales
anteriores, as como en la ecuacin de salida, obtenemos:
x
1
(s) =
1
A
u

(s)
s +
c
2
2AU
x
i
(s) =
c
2
2AU
x
(i1)
(s)
s +
c
2
2AU
; i = 2, . . . , n
y
n
(s) = x
n
(s)
212 SINTESIS DE COMPENSADORES NO LINEALES G()
Figura 8.3: Diagramas de Nyquist del sistema de tanques en cascada para diferentes
valores de n
A partir de este conjunto de relaciones resulta fcil eliminar las transformadas de Laplace de
las variables de estado. Se obtiene, sin mayor dicultad, la funcin de transferencia de la familia
de sistemas linealizados:
G
U
(s) =
y

(s)
u

(s)
=
K/U
n1
(s +/U)
n
donde:
K =
1
A
_
c
2
2A
_
n1
; =
c
2
2A
Para calcular las ganancias de un controlador PID que logre regular el comportamiento de la
familia de sistemas linealizados debe ser, necesariamente, n 3. En la Figura 8.3 se muestran
los grcos de Nyquist para las funciones de transferencia del sistema de tanques linealizados,
para los valores n = 1, 2, 3, 4. El resto de los valores de los parmetros son: U = 2,5, c = 1,
A = 0,5.
Recordando el procedimiento ilustrado en la Seccin 5.2, es sencillo darse cuenta que para
valores de n 3 se puede apreciar que, efectivamente, existen cortes del grco con el eje real.
Slo en tales casos (n 3) podremos calcular los valores de la ganancia ltima K
0
y del perodo
ltimo P
0
.
El clculo de la frecuencia de corte se hace sobre la base de la siguiente relacin, ver (5.1):
arg G
U
(j
0
(U)) = arg
K/U
n1
(j
0
(U) +/U)
n
=
de la cual se deriva inmediatamente que:
ntan
1
_

0
(U)
/U
_
=
0
(U) =

U
tan
_

n
_
8.2 DISEO DE REGULADORES NO LINEALES DEL TIPO P, PI Y PID MEDIANTE LINEALIZACIN EXTENDIDA 213
El perodo ltimo est dado entonces por:
P
0
(U) =
2

0
(U)
=
U
tan
_

n
_
El mdulo de la funcin de transferencia para el valor obtenido de la frecuencia angular se
calcula como sigue:
|G
U
(j
0
(U))| =

K/U
n1
(j
0
(U) +/U)
n

=
K/U
n1
_

2
0
(U) + (/U)
2
=
K/U
n1
__
(/U)
2
tan
2
_

n
_
+ (/U)
2
_
n
=
KU

n
sec
n
_

n
_
La ganancia ltima resulta:
K
0
(U) =

n
sec
n
_

n
_
KU
Las ganancias del controlador PID lineal que estabiliza la familia de sistemas linealizados
parametrizados por el punto de equilibrio se obtienen de la Tabla 5.2, pgina 120, dadas por:
K
1
(U) =
0,6
n
KU
sec
n
_

n
_
;
K
2
(U) =
0,6

n1
tan
_

n
_
sec
n
_

n
_
KU
2
;
K
3
(U) =
0,15
n1
sec
n
_

n
_
Ktan
_

n
_
As el regulador no lineal del tipo PID est dado por:
z(t) =
0,6

n1
tan
_

n
_
sec
n
_

n
_
Kz
2
(t)
e(t);
u(t) = z(t) +
0,6
n
Kz(t)
sec
n
_

n
_
e(t) +
0,15
n1
sec
n
_

n
_
K tan
_

n
_
de(t)
dt
Tome en cuenta que el error y su derivada de(t)/dt estn dados por:
e(t) = Y (U) y(t) = Xn(U) xn(t) =
U
2
c
2
xn(t)
(8.6)
y
de
dt
=
dY (U)
dt

dy(t)
dt
= 0
dxn(t)
dt
=
c
A

xn
c
A

x
n1
(8.7)
(Note que, idealmente, estamos asumiendo que se puede medir la derivada del error e(t), es decir,
disponemos tambin de la medicin del estado x
n1
. Recuerde el comentario que hicimos sobre
los controladores PD en la Seccin 5.2.)
El diagrama de bloques de la Figura 8.4 muestra el esquema de control no lineal propuesto.
Con el objeto de ilustrar el funcionamiento del controlador PID no lineal que hemos desarrollado
se ha realizado una simulacin numrica en Matlab (R). La Figura 8.5 muestra las respuestas de
las alturas de lquido en cada uno de los tanques cuando el ujo de entrada de lquido al primer
tanque obedece una ley de control del tipo PID no lineal. Los programas utilizados para estas
simulaciones se muestran en los Listados 8.3 y 8.4.
El esquema propuesto es sucientemente electivo an en la presencia de limitaciones natu-
rales impuestas a la magnitud de la variable de control. As por ejemplo, si acotamos el valor de
u, en el programa de simulacin anterior, a valores que no sobrepasen una cierta cota dada por
umax, entonces el sistema controlado funcionar temporalmente, durante el perodo que subsista
la condicin de saturacin, en lazo abierto. Las simulaciones numricas realizadas, presentadas
en la Figura 8.6, demuestran que a pesar de perderse la realimentacin durante un perodo signi-
cativo de tiempo por efecto de la saturacin, el controlador an tiene xito en estabilizar la salida
del sistema al punto de equilibrio requerido, esto gracias al comportamiento natural del sistema.

214 SINTESIS DE COMPENSADORES NO LINEALES G()


j - - - -
6
e(t) u(t)
x
1
=
c
A

x
1
+
1
A
u
x
i
=
c
A

x
i
+
c
A

x
i1
i = 2, 3, . . . , n
y = xn
y = xn(t) Y (U)
z =
0,6

n1
tan(

n
) sec
n
(

n
)
Kz
2
e
u = z +
0,6
n
Kz
sec
n
(

n
)e
+
0,15
n1
sec
n
(

n
)
Ktan(

n
)
de
dt
-
+
Figura 8.4: Diagrama de bloques en lazo cerrado de un sistema de tanques regulado
mediante un PID no lineal
Figura 8.5: Simulacin del comportamiento de un sistema de tres tanques en cascada
controlados por intermedio de un PID no lineal
8.2 DISEO DE REGULADORES NO LINEALES DEL TIPO P, PI Y PID MEDIANTE LINEALIZACIN EXTENDIDA 215
Listado 8.3: Programa de simulacin del sistema de tanques controlados mediante un
PID no lineal stanqext.m
% stanqext.m
%
% Programa que simula la respuesta en lazo cerrado con un PID no lineal
% disenado mediante el metodo de la linealizacion extendida.
%
% parametros de simulacion
t0 = 0;
tf = 40;
x0 = [1 1 1 2];
% simulacion
[t,x] = ode23(tanqext,[t0 tf],x0);
subplot(211),plot(t,x(:,1),k,t,x(:,2),k--,t,x(:,3),k:)
title(Alturas de los tanques)
xlabel(t [seg])
ylabel(x_1, x_2, x_3 [m])
text(5,12.5,x_1)
text(6.4,10,x_2)
text(11,8,y = x_3)
% parametros
n = 3;
c = 1;
A = 0.5;
tau = c^2/(2*A);
K = 1/A*(tau)^(n-1);
% punto de equilibrio
Ue = 2.5;
Ye = Ue^2/c^2;
yy = x(:,3);
ery = Ye - yy;
uu = x(:,4)+0.6*tau^n/K/x(:,4)*sec(pi/n)^n*ery+0.15*tau^(n-1)*sec(pi/n)^n/K/tan(pi/n)*...
(c/A*sqrt(x(:,3))-c/A*sqrt(x(:,2)));
subplot(212),plot(t,uu,k)
title(Flujo de entrada)
xlabel(t [seg])
ylabel(u [m^3/seg])
% fin de stanqext.m
216 SINTESIS DE COMPENSADORES NO LINEALES G()
Listado 8.4: Modelo del sistema de tanques e implementacin del controlador PID no
lineal tanqext.m
function dx = tanqext(t,x)
%
% modelo de un manipulador robotico regulado mediante un controlador
% y un observador no lineales, obtenidos a partir del metodo de la
% linealizacion extendida.
% parametros
n = 3;
c = 1;
A = 0.5;
tau = c^2/(2*A);
K = 1/A*(tau)^(n-1);
% punto de equilibrio
Ue = 2.5;
Ye = Ue^2/c^2;
y = x(3);
ery = Ye - y;
u = x(4)+0.6*tau^n/K/x(4)*sec(pi/n)^n*ery+0.15*pi*tau^(n-1)*sec(pi/n)^n/K/tan(pi/n)*...
(c/A*sqrt(x(3))-c/A*sqrt(x(2)));
dx = [-c/A*sqrt(x(1))+1/A*u;
-c/A*sqrt(x(2))+c/A*sqrt(x(1));
-c/A*sqrt(x(3))+c/A*sqrt(x(2));
0.6/pi*tau^(n+1)*tan(pi/n)*sec(pi/n)^n/K/x(4)^2*ery];
% fin de tanqext.m
Figura 8.6: Simulacin del comportamiento de un sistema de tres tanques en cascada
controlados por intermedio de un PID no lineal
8.3 COMPENSADORES NO LINEALES BASADOS EN EL ESQUEMA CONTROLADOR-OBSERVADOR CLSICO 217
8.3. Compensadores no lineales basados en el esquema
controlador-observador clsico
Nuestro objetivo ahora es el de extender al caso no lineal el mtodo de di-
seo de compensadores lineales presentado en la Seccin 5.4. La idea prin-
cipal en lograr esta extensin es, de nuevo, proponer un esquema de compen-
sacin no lineal que tenga la misma forma que el esquema del controlador-
observador. Para validar el diseo se procede a linealizar el controlador no
lineal propuesto y se identican las linealizaciones de cada bloque con las
que se presentaron en el esquema linealizado.
Finalmente, nos aseguraremos de que las linealizaciones de los distintos
bloques, en el esquema no lineal, coincidan con los bloques compensadores
que hemos obtenido para el sistema linealizado. El procedimiento nos per-
mitir generar las relaciones generales y las condiciones de equilibrio que
logran tal identidad.
Proponemos un esquema de compensacin general practicamente idnti-
co al esquema lineal. Se especican cada uno de los bloques compensadores
dinmicos como un sistema n1 dimensional no lineal de tipo general, cuyas
salidas pueden ahora exhibir dependencia de la entrada.
Los subsistemas compensadores propuestos sern de la forma:
z
u
=
u
(z
u
, u)
y
u
=
u
(z
u
, u) ,
z
y
=
y
(z
y
, y)
y
y
=
y
(z
y
, y)
(8.8)
El esquema general controlador-observador no lineal, basado en la inter-
conexin de estos sistemas compensadores, se presenta en la Figura 8.7.
(Compare con el esquema presentado en la Figura 5.9.)
El conjunto de ecuaciones que conforman el sistema en lazo cerrado,
sobre las cuales aplicaremos el proceso de linealizacin, estn dadas por el
siguiente conjunto de 3n 2 ecuaciones diferenciales:
_
_
x
z
u
z
y
_
_
=
_
_
f(x(t), u(t))

u
(z
u
, u)

y
(z
y
, y)
_
_
(8.9)
donde
y = h(x(t))
u =
u
(z
u
, u) +
y
(z
y
, y)
(8.10)
Analicemos por etapas el esquema no lineal (8.8). Consideremos primero
el problema particular de encontrar el bloque compensador no lineal del
lazo de realimentacin ms interior del esquema propuesto (8.8), es decir,
z
u
=
u
(z
u
, u)
y
u
=
u
(z
u
, u)
218 SINTESIS DE COMPENSADORES NO LINEALES G()
l l - - -

6 6
hola1
hola2
v u
-
+ +
-
yu
yy
hola3
hola4
hola5
hola6
y
Figura 8.7: Esquema no lineal controlador-observador
Supongamos conocida la funcin de transferencia de la versin lineal-
izada, H
u
(U, s), de este bloque alrededor de su punto de operacin, el cual
se especica adems como
u = U ; z
u
(U) = Z
u
(U) ; y
u
(U) =
u
(Z
u
(U), U) = Y
u
(U) ,
y satisface

u
(Z
u
(U), U) = 0 .
La funcin de transferencia de la linealizacin de este subsistema alrede-
dor del punto de equilibrio est dada por:
y
u
(s)
u

(s)
= H
u
(U, s) =
=
_
_

u
z
u
__
sI
_

u
z
u
__
1
_

u
u
_
+
_

u
u
_
_
Zu(U),U
(8.11)
Note que de aqu en adelante hemos tratado de simplicar la notacin nece-
saria para indicar que todo el proceso de linealizacin descansa sobre la
evaluacin en el punto de operacin particular (Z
u
(U), U). Para llegar a la
expresin (8.11) recuerde que el sistema x = Ax + Bu, y = Cx + Du tiene
por funcin de transferencia G(s) = C(sI A)B +D.
Asumamos, adicionalmente, que la funcin de transferencia H
u
(U, s)
8.3 COMPENSADORES NO LINEALES BASADOS EN EL ESQUEMA CONTROLADOR-OBSERVADOR CLSICO 219
tiene la siguiente expresin explcita:
y
u
(s)
u

(s)
= H
u
(U, s) =
=
n
u(n1)
(U)s
n2
+n
u(n2)
(U)s
n3
+. . . +n
u2
(U)s +n
u1
(U)
s
n1
+
n1
s
n2
+. . . +
2
s +
1
+n
un
(U)
(8.12)
Note que el denominador es de grado n 1 como habiamos supuesto al
discutir el caso lineal.
Al comparar la expresin (8.12) con la expresin linealizada (8.11), iden-
ticamos inmediatamente la siguiente relacin:
n
un
(U) =
_

u
u

Zu(U),U
_
(8.13)
Con el objeto de continuar el proceso de contratacin e identicacin
de cada trmino, haremos ahora una simplicacin drstica e importante,
la cual no conlleva sin embargo prdida de generalidad. Vamos a suponer
una estructura lineal en forma cannica compaera para la funcin vec-
torial
u
(z
u
, u). Esto se corresponde con la idea de obtener realizaciones en
espacio de estado del compensador linealizado en forma cannica de contro-
labilidad. Esto no impide que se pueda identicar la funcin de salida del
bloque compensador como una funcin no lineal (haciendo, por tanto, todo
el bloque compensador de naturaleza no lineal).
En efecto, supongamos entonces que
u
(z
u
, u) es de la forma:

u
(z
u
, u) =
_

_
z
u2
z
u3
.
.
.

1
z
u1

2
z
u2
. . .
n1
z
u(n1)
_

_
+
_

_
0
0
.
.
.
0
1
_

_
u
220 SINTESIS DE COMPENSADORES NO LINEALES G()
Puesto que:

u
(z
u
, u)
u
= b
u
=
_

_
0
0
.
.
.
0
1
_

_
;

u
(z
u
, u)
z
u
=
_

u
(z
u
, u)
z
u1

u
(z
u
, u)
z
u2
. . .

u
(z
u
, u)
z
u(n1)
_
;

u
(z
u
, u)
z
u
= A
u
(U) =
_

_
0 1 0 . . . 0
0 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1

1

2

3
. . .
n1
_

_
,
se tendr como vlida la siguiente expresin:
_
_

u
z
u
__
sI
_

u
z
u
__
1
_

u
u
_
_
Zu(U),U
=
__

u
(z
u
, u)
z
u(n1)
_
s
n2
+
_

u
(z
u
, u)
z
u(n2)
_
s
n3
+. . . +
_

u
(z
u
, u)
z
u1
__
Zu(U),U
s
n1
+
n1
s
n2
+. . . +
2
s +
1
(8.14)
Comparando esta ltima expresin con la parte correspondiente de la
funcin de transferencia (8.12), obtenemos las siguientes relaciones:
_

u
(z
u
, u)
z
ui

Zu(U),U
_
= n
ui
(U); i = 1, 2, . . . , n 1 (8.15)
Las relaciones (8.13) y (8.15) permitirn encontrar la expresin de la
funcin no lineal de salida
u
() del compensador interno. Antes de pro-
ceder a encontrar esta funcin no lineal de salida del bloque compensador,
hagamos unas breves consideraciones sobre el punto de equilibrio de este
subsistema.
Tenemos en equilibrio u = U. Note, sin embargo, que u representa real-
mente un error denido en relacin a la seal de referencia v. El estado del
compensador en condiciones de equilibrio cumple:
_

_
z
u2
(U)
z
u3
(U)
. . .

1
z
u1
(U)
2
z
u2
(U) . . .
n1
z
u(n1)(U)
_

_
=
_

_
0
0
. . .
0
U
_

_
8.3 COMPENSADORES NO LINEALES BASADOS EN EL ESQUEMA CONTROLADOR-OBSERVADOR CLSICO 221
en consecuencia:
z
u1
(U) =
U

1
Podemos suponer que esta igualdad es una particularizacin de una
relacin semejante, vlida en condiciones arbitrarias diferentes a las de
equilibrio. Es decir, vamos a asumir que
z
u1
(u) =
u

1
u =
1
z
u1
Se establece entonces, sin mayores dicultades, que el conjunto de rela-
ciones (8.15) surge, en realidad, del siguiente conjunto de ecuaciones en
derivadas parciales:

u
(z
u
, u)
z
ui
= n
ui
(
1
z
u1
); i = 1, 2, . . . , n 1 (8.16)
A partir de (8.16) obtenemos, inmediatamente, como solucin posible
para la funcin no lineal de salida,
u
, la siguiente expresin

u
(z
u
, u) = (z
u1
, u) +n
u2
(
1
z
u1
)z
u2
+n
u3
(
1
z
u1
)z
u3
+. . . +n
u(n1)
(
1
z
u1
)z
u(n1)
(8.17)
donde (z
u1
, u) es una funcin arbitraria de las variables z
u1
y u, denida
por la expresin:
(z
u1
, u) = n
u1
(
1
z
u1
)z
u1

1

1
n
u1
(
1
z
u1
)u +
_
u
0
_
n
un
() +
1

1
n
u1
()
_
d
lo cual es fcil vericar, en efecto:

u
(z
u
, u)
u
=
(z
u
, u)
u
=
1

1
n
u1
(
1
z
u1
) +n
un
(u) +
1

1
n
u1
(u)
= n
un
(u)
y
(z
u1
, u)
z
u1
= n
u1
(
1
z
u1
) +
n
u1
(
1
z
u1
)
z
u1

1
n
u1
(
1
z
u1
)
z
u1
u
= n
u1
(
1
z
u1
)
En resumen, el compensador no lineal que conforma el lazo ms interior
estara dado por el siguiente sistema lineal con funcin de salida no lineal,
222 SINTESIS DE COMPENSADORES NO LINEALES G()
dados por:
z
u1
= z
u2
z
u2
= z
u3
.
.
.
z
u(n2)
= z
u(n1)
z
u(n1)
=
1
z
u1

2
z
u2
. . .
n1
z
u(n1)
+u
y
u
= n
u1
(
1
z
u1
)z
u1
+n
u2
(
1
z
u1
)z
u2
+. . . +n
u(n1)
(
1
z
u1
)z
u(n1)

1
n
u1
(
1
z
u1
)u +
_
u
0
_
n
un
() +
1

1
n
u1
()
_
d
(8.18)
Analicemos por un instante el sistema no lineal (8.18). En condiciones
de equilibrio tenemos que y
u
satisface:
y
u
(U) =
_
U
0
_
n
un
() +
1

1
n
u1
()
_
d =
_
U
0
H
u
(, 0)d
Lo cual dice que el sistema linealizado satisface en equilibrio:
y
u
(U)
U
=

u
(U)
U
= H
u
(U, 0) = lm
s0
H
u
(U, s)
cuya justicacin proviene, de manera independiente, del teorema del valor
nal.
Usando exactamente el mismo razonamiento podemos encontrar la re-
alizacin en espacio de estado del compensador que conforma el lazo de
realimentacin externo:
z
y
=
y
(z
y
, y)
y
y
=
y
(z
y
, y)
Supongamos que la funcin de transferencia del subsistema compensa-
dor linealizado es de la forma
y
y
(s)
y

(s)
= H
y
(Y, s) =
=
_
_

y
z
y
__
sI
_

y
z
y
__
1
_

y
y
_
+
_

y
y
_
_
Zy(Y ),Y
=
n
y(n1)
(Y )s
n2
+n
y(n2)
(Y )s
n3
+. . . +n
y2
(Y )s +n
y1
(Y )
s
n1
+
n1
s
n2
+. . . +
2
s +
1
+n
yn
(Y )
8.3 COMPENSADORES NO LINEALES BASADOS EN EL ESQUEMA CONTROLADOR-OBSERVADOR CLSICO 223
El compensador no lineal del lazo interno resulta entonces:
z
y1
= z
y2
z
y2
= z
y3
.
.
.
z
y(n2)
= z
y(n1)
z
y(n1)
=
1
z
y1

2
z
y2
. . .
n1
z
y(n1)
+y
y
y
= n
y1
(
1
z
y1
)z
y1
+n
y2
(
1
z
y1
)z
y2
+. . . +n
y(n1)
(
1
z
y1
)z
y(n1)

1
n
y1
(
1
z
y1
)y +
_
y
0
_
n
yn
() +
1

1
n
y1
()
_
d
(8.19)
En condiciones de equilibrio y
y
satisface:
y
y
(Y ) =
_
Y
0
_
n
yn
() +
1

1
n
y1
()
_
d =
_
Y
0
H
y
(, 0)d
El diagrama de bloques del esquema compensador demanda entonces
que debe ser cierta la siguiente relacin de equilibrio:
y
u
(U) y
y
(Y ) +V = y
u
(U) y
y
(Y (U)) +V = U
de donde, la seal constante de referencia que es necesario suministrar
para producir el equilibrio deseado deber cumplir:
V = y
u
(U) +y
y
(Y (U)) +U (8.20)
Continuaremos ahora el Ejemplo 5.3 del manipulador robtico, proponien-
do el diseo de un regulador no lineal del tipo controlador-observador.
Matlab 8.3: Compensador no lineal del tipo controlador-observador para
un manipulador robtico (continuacin)
Las realizaciones en espacio de estado de los compensadores estabilizantes del sistema lineali-
zado alrededor del punto de equilibrio resultaron ser:
z
u
= z
u
+u

y
u
=
_
2n
B
J
_
z
u
z
y
= z
y
+y

y
y
=
_
2n
B
J
_ _
c
n
cos
_
Y
n
_
+J
_

B
J
__
z
y
+ J
_

2
n
+
_

B
J
_ _
2n
B
J
_

c
nJ
cos
_
Y
n
__
y

Observamos inmediatamente que el controlador del lazo ms interno es independiente del


punto de operacin. Por lo tanto esta parte del compensador estar constituida por un sistema
lineal cuya funcin de salida es tambin lineal:
zu = zu +u
yu =
_
2n
B
J
_
zu
224 SINTESIS DE COMPENSADORES NO LINEALES G()
Usando el procedimiento expuesto anteriormente podemos escribir el compensador no lineal
ms externo de la manera siguiente:
zy = zy +y
yy =
_
2n
B
J
_ _
c
n
cos
_
zy
n
_
+J
_

B
J
__
zy
+
1

_
2n
B
J
_ _
c
n
cos
_
zy
n
_
+J
_

B
J
__
y
+
_
y
0
_
J
_

2
n
+
_

B
J
_ _
2n
B
J
_

c
nJ
cos
_

n
_
_

_
2n
B
J
_ _
c
n
cos
_

n
_
+J
_

B
J
___
d
Resolviendo la integral
_
y
0
d y simplicando obtenemos:
yy =
_
2n
B
J
_ _
c
n
cos
_
zy
n
_
+J
_

B
J
__
_
zy
y

_
+J
2
n
y c
_
1 +
1

_
2n
B
J
__
sin
_
y
n
_
De la condicin de equilibrio (8.20) obtenemos:
V = nJ
2
n
sin
1
_
U
n
_
= J
2
n
Y
El siguiente diagrama de bloques ilustra la disposicin del esquema de compensacin no
lineal
Los grcos siguientes muestran la respuesta del brazo controlado por el regulador no lineal
del tipo controlador-observador que hemos derivado en ste ejemplo:
El programa utilizado en la generacin de los grcos anteriores se muestra a continuacin.

8.4. Ejercicios propuestos


Ejercicio 8.1: Linealizacin del regulador PID no lineal
Verique la linealizacin (8.3) del PID no lineal dado por (8.1).
()
Ejercicio 8.2: Esquema no lineal de ontrolador-observador: sistema de sus-
pensin magntica
Complete el diseo del Ejemplo 5.4, pgina 131. ()
Ejercicio 8.3: Esquema no lineal de ontrolador-observador: TRCA
Complete el diseo no lineal para el Ejemplo 5.5, desarrollado en la pgina 132.
()
8.5. Resumen del captulo y Lecturas adicionales
Se presentaron dos esquemas de compensacin no lineal, obtenidos a
travs del mtodo de la linealizacin extendida. Los esquemas estudiados
8.5 RESUMEN DEL CAPTULO Y LECTURAS ADICIONALES 225
k k - - -

6 6
v u
-
+ +
-
yu
yy
hola3
hola4
hola5
hola6
y
hola7
hola1
hola2
hola3
Manipulador Robotico
Figura 8.8: Esquema de control no lineal controlador-observador para el manipulador
robtico
son un PID no lineal y un controlador-observador no lineal basado en el
esquema clsico.
El primer mtodo corresponde a una generalizacin directa del PID li-
neal parametrizado presentado en el Captulo 5. El segundo esquema es
equivalente al del controlador-observador clsico; sin embargo, para su ob-
tencin hicimos uso de algunas herramientas tales como la forma cannica
de controlabilidad y el teorema del valor nal. Estos esquemas reposan so-
bre las funciones de transferencia G(s, U) de las familias lineales parametrizadas
respecto a un punto de equilibrio genrico (X, U, Y ).
Lecturas recomendadas
226 SINTESIS DE COMPENSADORES NO LINEALES G()
Figura 8.9: Respuesta en lazo del manipulador robtico, regulado mediante una ley no
lineal basada en el controlador-observador clsico
Parte III
Control No Lineal
de Sistemas No Lineales:
Linealizacin Exacta
227
228 CONTROL NO LINEAL DE SISTEMAS NO LINEALES: LINEALIZACIN EXACTA
Durante la dcada de los ochenta, se han logrado avances signicativos
en la comprensin de los sistemas de control dinmicos no lineales. Estos
avances han hecho posible la solucin denitiva de problemas que ocuparon
la atencin de los investigadores durante muchos aos. Algunas dicul-
tades asociadas con los problemas de diseo de controladores para sistemas
no lineales han sido esclarecidas y su razn fundamental de ser ha logrado
un tratamiento general con explicaciones que se han beneciado de la intu-
icin que se posee a partir del caso lineal. Aunado a esto, el desarrollo sin
precedentes de las herramientas computacionales y su enorme velocidad
de procesamiento ha permitido el tratamiento sistemtico del diseo, ms
exigente, de controladores para sistemas no lineales. En particular, debe-
mos resaltar que el desarrollo de los paquetes de manipulacin simblica
ha permitido poner al alcance de ingenieros y estudiantes, las tcnicas de
diseo de controladores para sistemas no lineales.
Como complemento a los dos mtodos precedentes, vamos a introducir
el mtodo de la linealizacin exacta. Estudiaremos primeramente el
mtodo de par o control calculado, proveniente del rea de la robtica, en
el Captulo 9. Luego discutiremos sobre una clase de sistemas representa-
dos naturalmente bajo una forma cannica controlable. Sistemas bajo esta
forma pueden ser transformados en sistemas lineales con solo hacer una
transformacin dependiente de los estados en el espacio de los controles. Es-
ta transformacin directa en general no es posible. Una posibilidad es llevar
el sistema no lineal original a la forma cannica propuesta, mediante una
transformacin no lineal de los estados. En el Captulo 10 se denen las
condiciones para que tal tranformacin sea posible. Esto requerir estudi-
ar algunas herramientas bsicas de geometra diferencial. Se introducirn
conceptos y procedimientos algortmicos asociados a la derivada direccional,
los corchetes de Lie, el adjunto, o el Teorema de Frobenius. Como veremos,
ser necesario encontrar una salida o funcin del sistema tal que al difer-
enciarla respecto al tiempo, la entrada solo aparece en la n-sima derivada
(n corresponde al nmero de estados). An si estamos interesados en una
salida donde el control aparece en r-sima derivada (r < n) ser posible lin-
ealizar el sistema entrada-salida, con la salvedad que ahora debemos tomar
en cuenta lo que se conoce con el nombre de dinmica remanente o dinmica
de los ceros. Este tema ocupar nuestra atencin en el Captulo 11. Tratare-
mos nalmente de manera breve, en el Captulo 12, los observadores no
lineales cuya dinmica del error de observacin es perfectamente lineal.
Esta parte es relativamente independiente de las dos anteriores, sin em-
bargo, requiere slidos conocimientos de la teora de control lineal y de, al
menos, el diseo de controladores por realimentacin del vector de esta-
dos. Sera muy til que el lector se preocupe por comparar los controladores
obtenidos, aplicndo las diferentes estrategias de diseo a un mismo ejem-
plo, de tal manera que pueda por si mismo entender las fortalezas y debili-
dades de cada una de las estrategias presentadas a lo largo del texto.
9
Introduccin a la
linealizacin exacta
Foto
Estudiaremos una clase de sistemas no lineales posible de ser lin-
ealizada en forma exacta, sin recurrir a aproximaciones, median-
te una realimentacin no lineal del vector de estado. Esta reali-
mentacin corresponde a una transformacin, dependiente de los
estados, en el espacio de los controles. Presentaremos una for-
ma cannica controlable para la clase de sistemas no lineales que
pueden ser linealizados exactamente por simple inspeccin.
9.1. Motivacin: mtodo del control calculado
Los robots constituyen una de las clases de sistemas no lineales ms
extensamente estudiados, tanto en la prctica como en el desarrollo teri-
co [KS03]. Los ingenieros e investigadores que trabajan en el mundo de la
robtica llegaron a obtener de manera emprica leyes de control altamente
sosticadas basadas directamente en los modelos no lineales de dichos sis-
229
230 INTRODUCCIN A LA LINEALIZACIN EXACTA
Figura 9.1: Diagrama de bloques del sistema aro anillo
temas. El mtodo ms conocido, el cual constituye la base del enfoque de
linealizacin exacta, es el conocido como mtodo del torque o control cal-
culado. Gran parte del
trabajo original
en control no
lineal se hizo en
el rea de
robtica
En este captulo daremos algunos ejemplos de diseo de ese tipo de con-
troladores no lineales que se pueden llevar a cabo de manera directa, es
decir, casi por inspeccin del modelo no lineal. Como veremos tal proce-
dimiento de diseo resulta en un sistema en lazo cerrado que es perfecta-
mente lineal, sin que en el proceso de diseo hayamos involucrado, en forma
alguna, un proceso de aproximacin de las ecuaciones originales. Estos con-
troladores se reinterpretarn, ms adelante, como provenientes de ciertas
transformaciones, dependientes del estado, llevadas a cabo en el espacio de
los controles.
Constataremos que el mtodo propuesto no es del todo general y que una El mtodo de
control calculado
se aplica
directamente solo
a una clase
restringida de
sistemas
gran cantidad de casos no pueden beneciarse de este enfoque tan sencillo.
Aquellos casos que no pueden ser resueltos por esta tcnica ameritarn en-
tonces un tratamiento que debe explorar tambin la posibilidad de realizar
transformaciones en el espacio de los estados.
Ejemplo 9.1: Control del movimiento de un anillo sobre un aro giratorio
Consideremos el problema de controlar los movimientos del aro que se desliza sobre un anillo que
rota sobre su eje vertical, ya tratado anteriormente en el captulo 4. Este sistema en variables de
estado est dado por: Modelo 16, en la pgina 19,
x
1
= x
2
x
2
=
g
a
sen x
1
+usen x
1
cos x
1
(1.36*)
donde la variable de control u deba ser, necesariamente, positiva. La gura 9.1 representa, me-
diante un diagrama de bloques, el sistema no lineal en lazo abierto.
A primera vista, este sistema slo exhibe no linealidades en la ecuacin donde aparece la
variable de control u. La cadena de dos integradores mostrada en la Figura 9.1, sin embargo, es
sugestiva de una estructura prevalecientemente lineal.
Estos hechos pudieran ayudarnos enormemente, si por un momento nos atrevemos a pensar
de qu manera pudieramos destruir, o reemplazar por elementos lineales, las no linealidades
presentes en el sistema mediante una especicacin apropiada de la variable de control u.
Denamos la entrada auxiliar v como
v =
g
a
sen(x
1
) +usen(x
1
) cos(x
1
) (9.1)
No hay duda que el sistema obtenido es perfectamente lineal desde esta nueva entrada v, es
decir,
x
1
= x
2
x
2
= v
9.1 MOTIVACIN: MTODO DEL CONTROL CALCULADO 231
Figura 9.2: Diagrama de bloques del sistema linealizado
El sistema (1.36*) se ha reducido simplemente a dos integradores dispuestos en cascada, tal
como se muestra en la gura 9.2.
Evidentemente el problema de estabilizar la posicin del anillo a un valor deseado X, luce
ahora trivial: la especicacin de una ley de control por realimentacin lineal del estado v =
K
1
(x
1
X) K
2
x
2
, lograra tal efecto sin mayores complicaciones.
De hecho, la ley de control
1
A la entrada v
tambin se le
llama entrada
auxiliar
v = 2nx
2

2
n
(x
1
X) (9.2)
produce un sistema lineal estable en lazo cerrado
x
1
= x
2
x
2
= 2nx
2

2
n
(x
1
X) ,
(9.3)
cuyas trayectorias convergen asintticamente al punto de equilibrio deseado, dado por x
1
= X,
x
2
= 0. El control se
obtiene sin hacer
ninguna
aproximacin
El control original u que debemos utilizar para sintetizar la entrada auxiliar, se obtiene a partir
de (9.1) y (9.2), haciendo
g
a
sen(x
1
) +usen(x
1
) cos(x
1
) = 2nx
2

2
n
(x
1
X) ,
de donde:
u =
1
sen(x
1
) cos(x
1
)
_
v
g
a
sen(x
1
)
_
(9.4)
Sustituyendo v mediante la relacin (9.2), se obtiene
u =
1
sen(x
1
) cos(x
1
)
_
2nx
2

2
n
(x
1
X)
g
a
sen(x
1
)
_
(9.5)
la cual ciertamente constituye una ley de control basada en realimentacin no lineal del vector
de estado.

La relacin (9.4) puede verse como una transformacin de la coordenada Transformacin


en el espacio de
los controles,
dependiente del
estado
del control u en la nueva entrada v, la cual depende de las componentes del
estado. Mediante una redenicin de la variable de control u, en trminos
de las variables originales y de operaciones no lineales sobre las compo-
nentes del estado, obtenemos un nuevo canal de control v, desde el cual
el sistema luce perfectamente lineal. Esto nos dice que hemos encontrado
una nueva forma de representar la accin de control, representada por v,
desde donde el sistema exhibe un comportamiento perfectamente lineal sin
aproximaciones.
Tal transformacin tiene entonces la enorme virtud de eliminar las no
linealidades presentes en el sistema de una manera limpia y tajante, sin
1
Note que aqu no estamos trabajando con el concepto de variables incrementales. Se pro-
pone directamente una ley que estabiliza al sistema lineal estudiado al punto de equilibrio
x(X) = [X, 0]
T
.
232 INTRODUCCIN A LA LINEALIZACIN EXACTA
acudir a aproximaciones de gnero alguno. El mtodo que acabamos de des-
cribir recibe el nombre de mtodo del control (o par) calculado y fu conocido
y difundido ampliamente por quienes trabajaban en el rea de robtica. Por
ello, en algunos libros aparece con el nombre de mtodo del torque calcula-
do (computed-torque method en ingls), trmino utilizado por primera vez
por B.R. Markiewicz en [Mar73], ver tambin [Pau82, AS86, SL91, KS03], Mtodo del
torque o control
calculado
precisamente porque el torque necesario para llevar el sistema al punto de
equilibrio se calcula de manera directa por simple inspeccin de las ecua-
ciones. En el ejemplo presentado, la razn de este nombre se explica in-
mediatamente si en lugar del procedimiento descrito hubisemos procedido
a comparar directamente las ecuaciones (1.36*) y (9.3). Es evidente que la
dinmica deseada en (9.3) se obtiene de igualar en ambas ecuaciones los
miembros derechos de las ecuaciones diferenciales y proceder luego a cal-
cular el control necesario que convierte a (1.36*) en (9.3).
Sin embargo, es necesario recalcar que este mtodo, as como el mtodo
de la lineacin que presentaremos en el prximo captulo, presenta restric-
ciones en su aplicacin debido a las posibles singularidades que pueden
aparecer.
Ejemplo 9.1: (Continuacin) Control del movimiento de un anillo sobre un
aro giratorio: restricciones de la estrategia, singularidades
Nuestra alegra quizs puede verse empaada por un hecho signicativo, la aparicin de una
posible singularidad en la denicin del control. Esta singularidad surge debido a la indenicin
del control cuando la variable x
1
adopta los valores: En este mtodo
aparecen
singularidades
debidas a la
indenicin del
control
x
1
= 0,

2
, , etc.
Note que para tales valores singulares, el sistema pierde el canal de control pues el factor que
precede a u en (1.36)*) se hace cero justamente en estos valores.
Desde el punto de vista fsico era de esperar ciertos problemas de controlabilidad cuando la
posicin del anillo adopta tales valores. Ciertamente, si el anillo se encuentra ubicado exactamente
en la posicin ms baja del aro, la velocidad de rotacin del aro no afecta para nada la posicin del
anillo sobre el aro. Lo mismo sucede cuando ste se encuentra girando describiendo un crculo
de radio mximo o en la posicin superior del aro.

Esta discusin nos permite inferir que una poltica de control lineal-
izante, tal como la dada por la expresin (9.5), tiene ciertas restricciones.
Sin lugar a dudas, su aplicacin puede llevar a una indenicin de la ac-
cin de control (hacindola, por ejemplo, innitamente grande) cuando las
trayectorias del sistema se acercan a tales singularidades. Es muy dicil
en general, saber si para ciertas condiciones iniciales dadas, las trayecto-
rias del sistema, en respuesta a la ley de control antes especicada, pueden
acercarse a una singularidad o no. Un fenmeno no lineal asociado a este
tipo de situaciones es el llamado sobredisparo o peaking phenomenon en El fenmeno de
peaking es
comn en
sistemas no
lineales
complejos
ingls, asociado al problema de que debido a los valores de las ganancias
del controlador, las trayectorias del sistema se alejan demasiado, desde el
comienzo, del punto de equilibrio deseado, hacindose incluso inestables,
ver, por ejemplo, [SK91].
9.1 MOTIVACIN: MTODO DEL CONTROL CALCULADO 233
Figura 9.3: Simulacin numrica del sistema aro-anillo controlado
Matlab 9.1: (Continuacin) Control del movimiento de un anillo sobre un
aro giratorio: simulacin numrica
En la gura 9.3 se muestra la respuesta del anillo controlado, el cual se desea estabilizar a la
posicin de X = 0,7854 [rad]. Partiendo de una condicin inicial cercana a la singularidad (x
1
=
0,1) se obtiene un valor del cuadrado de la velocidad angular del aro (control) signicativamente
alto. El mismo resultado se obtiene a medida que la condicin inicial se acerca al valor singular
x
1
= /2 = 1, 57079 . . ..
El grco siguiente, ver Figura 9.4 muestra un conjunto de trayectorias de la posicin angular
del anillo sobre el aro para distintas condiciones iniciales. Se presentan tambin las trayectorias
correspondientes a la variable de control.
Los programas sarole.m y arole.m, Listados 9.1 y 9.2, permiten simular el comportamiento
controlado del sistema no lineal (1.36*) sujeto a la ley de control linealizante (9.5) restringida a
valores positivos. Para ejecutar la simulacin en Matlab (R), se escribe en la lnea de comandos
>sarole

Matlab 9.2: Control de un manipulador robtico mediante el mtodo del


control calculado
Considere el manipulador robtico de una sola unin, Modelo 9, en la pgina 15, cuyas ecua-
ciones no lineales estn dadas por:
x
1
= x
2
x
2
=
B
J
x
2

c
J
sen
_
x
1
N
_
+
1
J
u
y = x
1
(1.21*)
Este se puede representar mediante el diagrama de bloques mostrado en la Figura 9.5.
234 INTRODUCCIN A LA LINEALIZACIN EXACTA
Figura 9.4: Posicin angular del anillo y seal de control para diferentes condiciones
iniciales
- - - -
6 6
u

B
J
x
2

c
J
sen
_
x
1
N
_
+
u
J
x
1
x
2
_ _
Figura 9.5: Diagrama de bloques del manipulador robtico
9.1 MOTIVACIN: MTODO DEL CONTROL CALCULADO 235
Listado 9.1: Programa de simulacin del sistema aro-anillo regulado mediante control
calculado sarole.m
% sarole.m
%
% Programa de simulacion del sistema
% que describe el movimiento de un anillo sobre
% un aro giratorio, controlador por una ley
% de realimentacion no lineal la cual linealiza
% en forma exacta al sistema en lazo cerrado.
%
% Parametros de simulacion
ti = 0;
tf = 1;
% Condiciones iniciales
x0 = [0.2 0];
% Simulacion
[t,x] = ode23(arole,[ti tf],x0);
% graficas
figure(2)
subplot(221),plot(t,x(:,1))
title(Posicin angular del anillo sobre el aro)
xlabel(t [seg])
ylabel(x_1 [rad])
subplot(222),plot(t,x(:,2))
title(Velocidad angular del anillo)
xlabel(t [seg])
ylabel(x_2 [rad])
% parametros del sistema
a = 0.2;
g = 9.8;
% punto de equilibrio
X1e = 0.7854;
% parametros del controlador
wn = 12.83;
xi = 0.707;
% ley de control
uc = (-2*xi*wn*x(:,2)-wn^2*(x(:,1)-X1e)+g/a*sin(x(:,1)))./(sin(x(:,1)).*cos(x(:,1)));
uu = zeros(size(t));
for j = 1:length(t)
if uc(j)<0
uu(j)=0;
else
uu(j) = uc(j);
end
end
subplot(223),plot(t,uu)
title(Cuadrado de la velocidad angular del aro)
xlabel(t [seg])
ylabel(u [rad^2/seg^2])
subplot(224),plot(t,sqrt(uu))
title(Velocidad angular del aro)
xlabel(t (seg))
ylabel(\omega [rad/seg])
% fin de sarole.m
236 INTRODUCCIN A LA LINEALIZACIN EXACTA
Listado 9.2: Simulacin del sistema aro-anillo: modelo y observador arole.m
function xdot=arole(t,x)
% Sistema aro-anillo
% Programa de simulacion: sarole.m
%
% parametros del sistema
a = 0.2;
g = 9.8;
% punto de equilibrio
X1e = 0.7854;
% parametros del controlador
wn = 12.83;
xi = 0.707;
uc = (-2*xi*wn*x(2)-wn^2*(x(1)-X1e)+g/a*sin(x(1)))/...
(sin(x(1))*cos(x(1)));
% solo se toman valores positivos de uc
if uc<0
u = 0;
else
u = uc;
end
% sistema dinamico
xdot = [x(2);
-g/a*sin(x(1))+0.5*u*sin(2*x(1))];
% fin de arole.m
9.1 MOTIVACIN: MTODO DEL CONTROL CALCULADO 237
- - -
x
1
x
2
_ _
v
Figura 9.6: Manipulador robtico transformado a una cadena de dos integradores
Al igual que en el caso anterior este sistema slo exhibe las no linealidades en la nica
ecuacin donde aparece la variable de control. Del diagrama de bloques del sistema se puede
inferir nuevamente la presencia de una cadena de dos integradores, la cual sugiere una estructura
preponderantemente lineal.
Al denir una entrada auxiliar v, como
v =
B
J
x
2

c
J
sen
_
x
1
N
_
+
u
J
,
el sistema resultante es exactamente lineal
x
1
= x
2
x
2
= v
(9.6)
La estructura del sistema, desde la nueva entrada v corresponde a una cadena de dos inte-
gradores uno a continuacin del otro, ver Figura 9.6.
Resulta evidente entonces, a partir de (9.6), que el problema de estabilizar la posicin del
manipulador robtico de una sola unin, a un valor deseado X, ha quedado reducido a estabilizar,
mediante una ley de realimentacin lineal del estado, un sistema lineal representado por el sistema
transformado (9.6).
Sin aproximaciones, la ley de control
v = 2nx
2

2
n
(x
1
X) ,
produce un sistema lineal en lazo cerrado dado por:
x
1
= x
2
x
2
= 2nx
2

2
n
(x
1
X)
As las trayectorias de este sistema controlado se estabilizarn asintticamente al punto de equi-
librio deseado, dado por x
2
= 0, x
1
= X.
El control original u que debemos utilizar para sintetizar la entrada auxiliar v debe entonces
obtenerse a partir de la relacin:

B
J
x
2

c
J
sen
_
x
1
N
_
+
u
J
= 2nx
2

2
n
(x
1
X)
Es decir,
u = J
_
2nx
2
+
2
n
(x
1
X)
B
J
x
2

c
J
sen
_
x
1
N
_
_
(9.7)
la cual ciertamente, constituye una ley de control basada en realimentacin no lineal del vector de
estado y puede, de nuevo, interpretarse como una transformacin, dependiente del estado, de la
coordenada original en la que se describe la variable externa de control u (torque). Si una ley de
control est
denida para
toda condicin
inicial decimos
que es global,
de lo contrario
ser local
A diferencia del caso anterior, la ley de control realimentada no lineal (9.7) se encuentra deni-
da para todo valor posible de las variables de estado, en virtud de no presentar singularidad
alguna. En estos casos decimos que la ley de control se encuentra denida globalmente; en caso
contrario decimos que su denicin solamente es local.
Los Listados 9.3 y 9.4 permiten simular el comportamiento controlado del sistema no lineal
sujeto a la ley de control linealizante (9.7). La simulacin numrica es mostrada e la Figura 9.7.
Compare esos resultados con los obtenidos mediante linealizacin extendida, ver ejemplo Mat-
lab 6.2, en la pgina 163.

238 INTRODUCCIN A LA LINEALIZACIN EXACTA


Figura 9.7: Respuesta en lazo del control de un brazo manipulador robtico usando el
mtodo del control calculado
9.1 MOTIVACIN: MTODO DEL CONTROL CALCULADO 239
Listado 9.3: Programa de simulacin del control del manipulador robtico usando el
mtodo del torque calculado srobexa.m
% srobexa.m
%
% Programa de simulacion del control de un brazo manipulador robotico
% mediante el metodo de torque calculado
%
% Parametros de simulacion
ti = 0;
tf = 1;
% Condiciones iniciales
x0 = [-0.3 0];
% Simulacion
[t,x] = ode23(robexa,[ti tf],x0);
% graficas
subplot(221),plot(t,x(:,1))
title(Posicin angular del brazo robotico)
xlabel(t [seg])
ylabel(x_1 [rad])
subplot(222),plot(t,x(:,2))
title(Velocidad angular)
xlabel(t [seg])
ylabel(x_2 [rad])
% parametros
B = 1e-2;
J = 4e-2;
c = .58;
N = 1;
% punto de equilibrio
Xd = 0;
% polinomios deseados
xi = 0.707; wn = 8.56;
% control
uu = -J*wn*wn*(x(:,1)-Xd) + c*sin(x(:,1)/N) + (B-2*J*xi*wn)*x(:,2);
subplot(223),plot(t,uu)
title(Torque aplicado)
xlabel(t [seg])
ylabel(u [N-m])
% fin de srobexa.m
240 INTRODUCCIN A LA LINEALIZACIN EXACTA
Listado 9.4: Simulacin del manipulador robtico: modelo y control por el mtodo del
torque calculado robexa.m
function dx = robexa(t,x)
%
% modelo de un manipulador robotico regulado mediante el
% metodo de control calculado
%
% parametros
B = 1e-2;
J = 4e-2;
c = .58;
N = 1;
% punto de equilibrio
Xd = 0;
% polinomios deseados
xi = 0.707; wn = 8.56;
u = -J*wn*wn*(x(1)-Xd) + c*sin(x(1)/N) + (B-2*J*xi*wn)*x(2);
y = x(1);
dx = [x(2);
-B/J*x(2)-c/J*sin(x(1)/N)+1/J*u];
% fin de robexa.m
Modelo 33: Ecuaciones generales de un robot articulado
El modelo general de un manipulador robtico est dado por la ecuacin:
H(q) q +C(q, q) q +g(q) = (9.8)
donde q es un vector que representa las posiciones o coordenadas generalizadas y q representa
el vector de velocidades. Vale decir que el vector (q, q) representa los estados del sistema. El
trmino C(q, q) es un vector que representa las fuerzas centrpeta y de Coriolis; g(q) es el vector
que representa la fuerza gravitacional y es la seal de entrada que representa el torque aplicado
al sistema. La matriz H(q) representa la matriz de inercia, es simtrica, denida positiva y, por lo
tanto, invertible.
M
Ejemplo 9.2: Control del modelo general del manipulador robtico basado
en el mtodo del par calculado
Si los estados se pueden medir, una ley de control que linealiza el sistema no lineal por reali-
mentacin de estados est dada por:
= H(q)v +C(q, q)

+g(q) (9.9)
donde v constituye una nueva entrada auxiliar.
En la expresin (9.9), los ltimos trminos del lado derecho, es decir, C(q, q)

+g(q), se aaden
de forma de cancelarlos, eliminarlos de la ecuacin (9.8).
Se obtiene entonces el sistema
H(q) q = H(q)v (9.10)
Debido a que H(q) es invertible, a partir de (9.10) resulta un sistema lineal en lazo cerrado
dado por:
q = v
donde la nueva entrada v puede denirse como v = 2n q omega
2
n
q, de tal forma que el
sistema en lazo cerrado sea asintticamente estable.

9.2 LINEALIZACIN EXACTA DE SISTEMAS EN LA FORMA CANNICA CONTROLABLE 241


Los ejemplos anteriores nos dan una idea intuitiva de como proceder a
generalizar, a sistemas de mayor dimensin, la posibilidad de disear una
ley de control linealizante:
En primer lugar, el sistema deber exhibir en forma natural la estruc- Cadena de
integradores tura inherente a una cadena de integracin pura sin intervenciones de
la variable de control;
adems, las no linealidades del sistema debern estar circunscritas a
la ltima ecuacin diferencial, donde de paso, deber encontrarse, por
supuesto, la variable de control.
Diremos que aquellos sistemas que posean la estructura mencionada es-
tn representados en la forma cannica controlable. En tales sistemas ser
posible mediante comparacin pura y simple calcular una ley de control
que obliga al sistema a exhibir una estructura perfectamente lineal. A tal Diseo mediante
inversin del
sistema no lineal
procedimiento de clculo del control tambin se le conoce con el nombre de
inversin del sistema.
9.2. Linealizacin exacta de sistemas en la forma canni-
ca controlable
a partir de las consideraciones anteriores, podemos establecer que la
clase de sistemas no lineales representables en la forma Forma cannica
controlable
x
1
= x
2
x
2
= x
3
.
.
.
x
n1
= x
n
x
n
= f
n
(x
1
. . . , n
n
) +ug
n
(x
1
, . . . , x
n
)
(9.11)
son exactamente linealizables mediante una redenicin de la variable de
control en trminos del estado y una entrada auxiliar externa. Incluso, esta
redenicin puede ser interpretada de dos maneras, tanto como un proceso
de realimentacin no lineal como un proceso de transformacin de la coor-
denada de la variable de control.
El sistema (9.11), tal como lo hemos vislumbrado, exhibe una cadena de
integracin pura y, adems, todas sus no linealidades, as como la variable
de control, estn adscritas a la ltima ecuacin diferencial. Un sistema con
tal estructura es llamado sistema no lineal en Forma Cannica Controlable
o Forma Cannica de Brunovsky.
El siguiente diagrama de bloques, en la Figura 9.8, muestra claramente
la estructura que hemos impuesto para calicar a un sistema linealizable
en forma exacta.
242 INTRODUCCIN A LA LINEALIZACIN EXACTA
- - - - - -
6 6 6
u
f
n
(x) +ug
n
(x)
_ _ _
x
n
x
n1
x
2
x
1
. . .
. . . . . .
. . .
Figura 9.8: Diagrama de bloques del sistema en forma cannica controlable
Linealizacin exacta de la forma cannica controlable. Denamos
la variable de entrada auxiliar v como:
v = f
n
(x
1
. . . , n
n
) +ug
n
(x
1
, . . . , x
n
) (9.12)
Evidentemente, la expresin (9.12) produce un sistema perfectamente
lineal que exhibe una estructura de cadena de integracin pura:
x
1
= x
2
x
2
= x
3
.
.
.
x
n1
= x
n
x
n
= v
(9.13)
En la teora de sistemas lineales a la estructura (9.13) se le llama pre-
cisamente forma cannica de Brunovsky.
La variable auxiliar v puede entonces sintetizarse como una ley de con-
trol que realimenta linealmente las variables de estado:
v = a
1
x
1
a
2
x
2
. . . a
n1
x
n1
a
n
x
n
(9.14)
De esta manera, el sistema lineal n-dimensional en lazo cerrado est
dado por:
x
1
= x
2
x
2
= x
3
.
.
.
x
n1
= x
n
x
n
= a
1
x
1
. . . a
n
x
n
(9.15)
La comparacin de (9.11) con (9.15) nos lleva inmediatamente a estable-
cer la relacin siguiente:
f
n
(x
1
, . . . , x
n
) +ug
n
(x
1
, . . . , x
n
) = v = a
1
x
1
a
2
x
2
. . . a
n
x
n
(9.16)
9.2 LINEALIZACIN EXACTA DE SISTEMAS EN LA FORMA CANNICA CONTROLABLE 243
A partir de (9.16), la ley de control no lineal que linealiza en forma ex-
acta al sistema no lineal (9.11) resulta nalmente:
u =
a
1
x
1
+a
2
x
2
+. . . +a
n
x
n
+f
n
(x
1
, . . . , x
n
)
g
n
(x
1
, . . . , x
n
)
(9.17)
La linealizacin exacta obtenida ser vlida y til, solamente en dos
circunstancias:
1. La linealizacin es vlida en todo el ambiente del espacio de estado
donde se cumpla que:
g
n
(x
1
, . . . , x
n
) = 0 (9.18)
2. La linealizacin es til en la medida en que el sistema lineal en lazo
cerrado sea asintticamente estable a cero.
Puesto que la estabilidad del sistema lineal (9.15) est determinada, univo-
camente, por la ubicacin de las races del polinomio caracterstico:
p(s) = s
n
+a
n
s
n1
+. . . +a
2
s +a
1
(9.19)
Supondremos, por tanto, que el polinomio p(s) tiene todas sus races
en el semiplano izquierdo del plano complejo. Cuando esta condicin se
cumpla, diremos brevemente que el polinomio p(s) es Hurwitz.
La condicin de singularidad, asociada a la expresin (9.18), que quer-
emos evitar, se corresponde en realidad con una condicin de falta de con-
trolabilidad. Es obvio que aquellos lugares del espacio de estado donde se
anula el canal de entrada al sistema, es decir, donde g
n
(x) = 0, se corre-
sponden a regiones donde el sistema se hace completamente incontrolable.
Consideremos el siguiente ejemplo.
Ejemplo 9.3: Singularidad de una ley de control linealizante para un mo-
delo equivalente al motor serie de corriente continua
Considere el modelo
x
1
= x
2
x
2
= x
3
x
3
=
_

2K
ba
K
f
L
f
x
2
x
3
2
_
Ra +R
f
L
f
_
x
3
+
_
2KmK
f
J

Jx
3
KmK
f
1
L
f
_
u
_ (9.20)
el cual, como veremos ms adelante, es equivalente al Modelo 11, en la pgina 17, mediante una
transformacin no lineal del espacio de estados.
El sistema (9.20) es linealizable exactamente (localmente) mediante la ley de control no lineal
dada por:
u =
J
_
2KmK
f
_
Jx
3
KmK
f
1
L
f
_
_
a
3
x
3
a
2
x
2

a
1
x
1
+
2K
ba
K
f
L
f
x
2
x
3
2
_
Ra +R
f
L
f
_
x
3
_
(9.21)
Sin embargo, note que en el punto de equilibrio de (9.20), dado por
x
1
(X) = arbitrario = X ; x
2
(X) = 0 ; x
3
= 0 ; u = arbitrario ,
la seal de control (9.21) no est denida. Evidentemente la controlabilidad se pierde cuando
x
3
= 0.

244 INTRODUCCIN A LA LINEALIZACIN EXACTA


9.3. Sistemas no lineales reducibles a la forma canni-
ca controlable
Un sistema en forma cannica controlable (f.c.c.) (9.11) es linealizable
en forma exacta. Esta forma cannica tiene la ventaja de que nos permite
calcular de manera directa la seal de control que logra que el sistema
no lineal adopte una estructura perfectamente lineal en lazo cerrado. Sin
embargo, esta clase de sistemas luce restringida a solo algunos ejemplos
que pudieran incluso carecer de signicacin fsica. En general, los modelos
representativos de los sistemas dinmicos no se presentan en esta forma.
Esto nos plantea la necesidad de buscar mecanismos que permitan trans-
formar la representacin dinmica de un sistema a la forma cannica con-
trolable. Debemos, por lo tanto, buscar la manera de extender la posibili-
dad de lograr linealizaciones exactas a una clase ms amplia de sistemas
dinmicos no lineales.
Estamos interesados en determinar bajo qu condiciones un sistema,
de naturaleza un tanto ms general a los vistos hasta ahora, puede ser
transformado (o reducido) a la forma cannica controlable anterior.
Un modelo sucientemente general de un sistema no lineal puede ser Clase de sistemas
no lineales anes
en el control
descrito por ecuaciones diferenciales controladas de la forma:
x
1
= f
1
(x
1
, . . . , x
n
) +ug
1
(x
1
, . . . , x
n
)
x
2
= f
2
(x
1
, . . . , x
n
) +ug
2
(x
1
, . . . , x
n
)
.
.
.
x
n1
= f
n1
(x
1
, . . . , x
n
) +ug
n1
(x
1
, . . . , x
n
)
x
n
= f
n
(x
1
. . . , x
n
) +ug
n
(x
1
, . . . , x
n
)
(9.22)
En forma ms sucinta, el sistema (9.22) de la forma:
x = f(x) +ug(x) (9.23)
donde x = (x
1
, . . . , x
n
), y
f(x) =
_

_
f
1
(x
1
, . . . , x
n
)
.
.
.
f
n
(x
1
. . . , x
n
)
_

_; g(x) =
_

_
g
1
(x
1
, . . . , x
n
)
.
.
.
g
n
(x
1
. . . , x
n
)
_

_ (9.24)
La clase de sistemas representada por (9.23) recibe el nombre de sis-
temas anes en el control (note que el conjunto de ecuaciones diferenciales
presentadas en (9.23) son precisamente lineales en el control).
Las funciones vectoriales f(x) y g(x) reciben el nombre de campos vec- Un concepto til:
campos
vectoriales
toriales. Supondremos de una buena vez y con el objeto de no tener que
contar a cada paso el orden de diferenciabilidad de las funciones f(x) y
g(x), que tales campos vectoriales son diferenciables, respecto de las com-
ponentes de x, un nmero ilimitado de veces, es decir, un nmero innito
9.3 SISTEMAS NO LINEALES REDUCIBLES A LA FORMA CANNICA CONTROLABLE 245
de veces; diremos entonces que f(x) y g(x) son campos vectoriales innita-
mente diferenciables. Una expresin equivalente, que tambin utilizaremos
con mucha frecuencia, es la de armar que f(x) y g(x) son campos suaves.
Representaremos esta clase de campos vectoriales escribiendo f(x) C

.
Con el objeto de ganar la intuicin necesaria que nos permita abordar
este problema en toda generalidad, comenzaremos haciendo algunos ejem-
plos sencillos donde podremos transformar el sistema a la forma cannica
controlable mediante simple inspeccin. De estos ejemplos trataremos de
derivar reglas generales que nos permitirn abordar cualquier caso.
Ejemplo 9.4: Primer ejemplo
Consideremos el sistema no lineal siguiente:
x
1
= x
1
x
2
+u
x
2
= x
2
u
(9.25)
Evidentemente este sistema no se encuentra en forma cannica controlable.
Nos preguntamos entonces si existir una funcin (no lineal) del estado que puede adoptar
el papel de primera variable de estado, digamos z
1
. Esta variable debe ser tal que su primera
derivada sea independiente del control y pueda, por lo tanto, ser denida como segunda variable
de estado, digamos z
2
. Si adems, la derivada respecto del tiempo de z
2
depende explcitamente
del control u, entonces tenemos un sistema en forma cannica controlable, en las nuevas variables
z.
En efecto, en este caso es fcil ver que si denimos una nueva variable z
1
como funcin de
las componentes del estado x
1
y x
2
de la manera siguiente:
z
1
= x
1
+x
2
(9.26)
Utilizando las ecuaciones (9.25), se cumple que:
z
1
= x
1
+ x
2
= x
1
x
2
+x
2
esto es, la primera derivada temporal de esta funcin z
1
resulta ser independiente del control.
Si ahora bautizamos a esta expresin de la derivada de z
1
como una nueva variable de estado
z
2
, es decir,
z
2
= x
1
x
2
+x
2
(9.27)
y tomamos de nuevo la derivada respecto del tiempo, obtenemos:
z
2
= x
1
x
2
+ (x
1
+ 1) x
2
= (x
1
x
2
+u)x
2
+ (x
1
+ 1)(x
2
u)
= x
1
x
2
2
+x
1
x
2
+x
2
+u(x
2
x
1
1)
(9.28)
La derivada de esta nueva variable de estado z
2
depende del control a travs de las variables
originales x. Las expresiones de dichas variables de estados las podemos buscar en trminos de
las nuevas variables de estado z invirtiendo las relaciones (9.26) y (9.27). Este par de ecuaciones
algebraicas se corresponde con una funcin vectorial de x:
_
z
1
z
2
_
=
_
x
1
+x
2
x
1
x
2
+x
2
_
(9.29)
La matriz Jacobiana de (9.29) est dada, entonces, por:
z
x
=
_
z
1
x
1
z
1
x
2
z
2
x
1
z
2
x
2
_
=
_
1 1
x
2
(1 +x
1
)
_
(9.30)
con
det
_
z
x
_
= 1 +x
1
x
2
De aqu se concluye que la matriz (9.30) es singular en el conjunto de puntos que satisfacen
1 +x
1
x
2
= 0.
246 INTRODUCCIN A LA LINEALIZACIN EXACTA
A partir de (9.29), obtenemos como posibles soluciones locales de la inversin:
x
1
= z
1

(1 +z
1
) +
_
(1 +z
1
)
2
4z
2
2
x
2
=
(1 +z
1
) +
_
(1 +z
1
)
2
4z
2
2
(9.31)
o, bien,
x
1
= z
1

(1 +z
1
)
_
(1 +z
1
)
2
4z
2
2
x
2
=
(1 +z
1
)
_
(1 +z
1
)
2
4z
2
2
(9.32)
Adoptemos como solucin vlida la primera de las expresiones anteriores, ecuacin (9.31).
Es fcil constatar que el sistema de ecuaciones diferenciales del sistema transformado, en nuevas
variables de estado z, est dado por:
z
1
= z
2
z
2
=
_
2 +
_
z
1

(1 +z
1
)
_
(1 +z
1
)
2
4z
2
2
__ _
(1 +z
1
)
_
(1 +z
1
)
2
4z
2
2
_

_
(1 +z
1
)
_
(1 +z
1
)
2
4z
2
2
_
+u
_
(1 + 2z
1
) +
_
(1 +z
1
)
2
4z
2
1
_
(9.33)
es decir, hemos obtenido un sistema en forma cannica controlable!
Vale la siguiente observacin: la estrategia de control que diseemos para el sistema (9.33)
ser vlida en tanto se verique que 1 +x
1
x
2
= 0, es decir, en los puntos donde la transforma-
cin (9.29) es no singular. Veamos. El trmino que acompaa a u en (9.33) est dado por
_
(1 + 2z
1
) +
_
(1 +z
1
)
2
4z
2
1
_
= (x
2
x
1
1)
donde el lado derecho se obtiene al retornar a las variables originales (x
1
, x
2
) mediante (9.29), ver
ecuacin (9.28). Evidentemente el lado izquierdo de esta expresin se anula para 1+x
1
x
2
= 0
por lo que la accin del control se desvanece.

Podemos resumir nuestra experiencia postulando las siguientes condi-


ciones, las cuales garantizan que exista la posibilidad de linealizar exacta-
mente un sistema no lineal de dimensin n.
1. Debemos poder hallar una funcin h(x) de las variables de estado
cuyas n 1 primeras derivadas, respecto del tiempo, sean funcional-
mente independientes entre s e independientes de la variable de con-
trol. Esto es equivalente a que el gradiente de h(x) y el de todas sus
derivadas hasta la n 1sima (inclusive) deben ser linealmente inde-
pendientes.
2. La n-sima derivada de h(x), respecto del tiempo, debe depender ex-
plcitamente de la variable de control.
La ltima condicin es clara: al expresar el sistema dinmico en las varia-
bles trasnformadas, todas las nolinealidades de las ecuaciones dinmicas,
as como la dependencia del control, deben quedar relegadas a la ltima
9.3 SISTEMAS NO LINEALES REDUCIBLES A LA FORMA CANNICA CONTROLABLE 247
ecuacin, como ha sido el caso en los ejemplos que hemos desarrollado en
esta parte.
La primera condicin posiblemente requiere de alguna explicacin adi-
cional, sobre todo en lo referente a la independencia funcional de las derivadas
sucesivas de la funcin candidata h(x). Un sencillo ejemplo nos servir para
convencernos de que esta condicin es necesaria:
Ejemplo 9.5: Un sistema no controlable
Consideremos el sistema:
x
1
= x
2
x
2
= x
2
2
x
3
= u
(9.34)
Si adoptamos h(x) = x
1
como funcin candidata para jugar el papel de primera variable
de estado z
1
en el sistema transformado vemos que su primera derivada, x
2
, es funcionalmente
independiente de x
1
. Por lo tanto, x
2
calicara como segunda variable de estado. En efecto, la
transformacin parcial:
z
1
= x
1
z
2
= x
2
(9.35)
tiene por matriz Jacobiana:
(z
1
, z
2
)
(x
1
, x
2
, x
3
)
=
_
1 0 0
0 1 0
_
la cual es de rango 2, lo cual dice que las dos primeras variables escogidas son funcionalmente
independientes. Es decir, la funcin h(x) = x
1
y su primera derivada x
2
, son funcionalmente
independientes. Sin embargo, la tercera derivada de la funcin h(x) resulta ser:
z
3
= x
2
2
(9.36)
y ahora, en este caso, la matriz Jacobiana es:
(z
1
, z
2
, z
3
)
(x
1
, x
2
, x
3
)
=
_
_
1 0 0
0 1 0
0 2x
2
0
_
_
(9.37)
cuyo rango sigue siendo 2. En consecuencia la funcin h(x) = x
1
no nos sirve para generar una
transformacin invertible en el espacio de estado (tridimensional) del sistema en cuestin.
Una parte del problema de la falta de independencia funcional estriba en que, en este caso,
podemos tomar innitas derivadas de h(x) que el control u no habr de aparecer nunca en forma
explcita en alguna de las posibles derivadas de orden superior. En efecto, si calculamos algunas
de las derivadas de h(x) tenemos:
z
1
= x
1
; z
2
= x
1
= x
2
;
z
3
= z
2
= x
1
= x
2
2
;
z
4
= z
3
= z
2
= x
(3)
1
= 2x
3
2
z
5
= z
4
= z
3
= z
(3)
2
= z
(4)
1
= x
(4)
1
= 6x
4
2
. . .
y, como es fcil ver, nunca podr aparecer el control u en las derivadas.
Note que esta caracterstica surge precisamente de la falta de controlabilidad. Las dos primeras
ecuaciones del sistema (9.34) corresponden a un sistema autnomo, no afectado por la entrada u:
x
1
= x
2
x
2
= x
2
2

248 INTRODUCCIN A LA LINEALIZACIN EXACTA


En el ejemplo anterior, hemos visto que la transformacin generada no
es invertible, como se deduce del rango de la matriz Jacobiana (9.37). Vamos
a efectuar perturbaciones estructurales del sistema (9.34), para observar
sus efectos sobre la posibilidad de obtener la forma cannica controlable.
Ejemplo 9.6: Perturbacin x3 del ejemplo
Perturbemos levemente el sistema (9.34) de la manera siguiente:
x
1
= x
2
x
2
= x
2
2
+x
3
x
3
= u
(9.38)
Se obtiene entonces la independencia funcional que requerimos de h(x) y sus derivadas. En
efecto, haciendo
z
1
= x
1
; z
2
= x
2
; z
3
= x
2
2
+x
3
, (9.39)
resulta
(z
1
, z
2
, z
3
)
(x
1
, x
2
, x
3
)
=
_
_
1 0 0
0 1 0
0 2x
2

_
_
Como es fcil vericar, el rango de esta matriz Jacobiana es ahora 3, para todo = 0.
La transformacin (9.39) es por lo tanto invertible, como podemos constatar sin mayores es-
fuerzos:
x
1
= z
1
; x
2
= z
2
; x
3
=
z
3
z
2
2

El sistema transformado exhibe, sin lugar a dudas, una estructura cannica controlable:
z
1
= z
2
z
2
= z
3
z
3
= 2z
3
2
+ 2z
2
(z
3
z
2
2
) +u
Para el sistema modicado (9.38) la funcin h(x) = x
1
cumple, como vemos, las condiciones
que hemos establecido anteriormente.
Con el objeto de completar el proceso de linealizacin, denimos ahora el control transformado
v como:
v = 2z
3
2
+ 2z
2
(z
3
z
2
2
) +u
lo cual ciertamente representa una transformacin de la variable original de control u, dependiente
del estado transformado.
El sistema linealizado en forma exacta, expresado en nuevas coordenadas del estado z y del
control v es el siguiente:
z
1
= z
2
z
2
= z
3
z
3
= v
(9.40)
Estabilizar a cero el sistema lineal (9.40) se reduce a un problema clsico de asignacin de
polos mediante realimentacin lineal del vector de estado.

Note adicionalmente que en este ltimo ejemplo la perturbacin prop-


uesta ha logrado la transformacin requerida, a travs de h(x) y de sus
derivadas. No solamente se ha perturbado el sistema original, hemos cuida-
do de perturbarlo apropiadamente.
9.4 CONDICIONES DE EXISTENCIA PARA LA TRANSFORMACIN A LA FORMA CANNICA CONTROLABLE 249
Ejemplo 9.7: Una perturbacin estructural que falla
Es fcil ver que el siguiente sistema perturbado
x
1
= x
2
x
2
= x
2
2
+x
1
x
3
= u
no es linealizable en forma exacta a travs de la funcin h(x) = x
1
, por cuanto la matriz Jaco-
biana de la transformacin resulta ser de nuevo singular y podramos, igualmente, tomar innitas
derivadas de h(x) sin que aparezca el control u explcitamente en alguna derivada de orden su-
perior.
Tenemos:
z
1
= x
1
; z
2
= x
2
; z
3
= x
2
2
+x
1
z
x
=
_
_
1 0 0
0 1 0
2x
2
0
_
_
; det
_
z
x
_
= 0

9.4. Condiciones de existencia para la transformacin


a la Forma Cannica Controlable
Los ejemplos anteriores nos ayudan a formular en forma ms precisa
las condiciones de existencia de una tranformacin del vector de estado que
torna al sistema original en un sistema en forma cannica controlable.
La condicin necesaria y suciente para que exista una transfor-
macin del vector de estado que lleve a un sistema no lineal de la
forma (9.23) es que exista una funcin escalar diferenciable h(x)
tal que:
1.
rango
_

_
h(x)
x
.
.
.
h
(n1)
(x)
x
_

_
= n
2.
h
u
=

h
u
= . . . =
h
(n1)
(x)
u
= 0
3.
h
(n)
(x, u)
u
= 0
Haremos algunos ejemplos que ilustren la posibilidad de encontrar tales
transformaciones de estado del sistema que lo lleven a la forma cannica
controlable.
250 INTRODUCCIN A LA LINEALIZACIN EXACTA
Ejemplo 9.8:
Motor serie de corriente continua
El siguiente grco representa el circuito de un motor de corriente continua en conexin serie
de su circuito de armadura y su circuito de alimentacin del campo.
Las ecuaciones que describen este sistema no lineal estn dadas por:
x
1
= x
2
x
2
=
KmKf
J
x
2
3
x
3
=
K
ba
K
f
L
f
x
2
x
3

Ra +R
f
L
f
x
3
+
1
L
f
u
donde:
x
1
= = angulo del eje del motor
x
2
= = velocidad angular del eje del motor
x
3
= ia = i
f
= corriente comun que fluye por los circuitos de armadura y del campo
u = V
T
Propongamos la funcin h(x) = x
1
como funcin generadora de la transformacin linealizante
de coordenadas del espacio de estado.
La transformacin de coordenadas estara entonces dada por:
z
1
= h(x) = x
1
z
2
=

h(x) = x
2
z
3
=

h(x) =
KmK
f
J
x
2
3
La primera de las condiciones dada por (1) se escribe como:
z
x
=
_

_
h(x)
x

h(x)
x

h(x)
x
_

_
=
_
_
1 0 0
0 1 0
0 0
2KmK
f
x
3
J
_
_
Det
_
z
x
_
=
2KmK
f
x
3
J
Lo cual indica que la transformacin dada por h(x) y sus dos primeras derivadas tiene rango
completo en todas partes del espacio de coordenadas x, excepto en el plano representado por
x
3
= 0. En otras palabras, la transformacin de coordenadas es solamente de carcter local y
su validez deja de tener efecto cuando por alguna razn el sistema produce valores de estado x
que satisfacen esta restriccin, o cuando las trayectorias del sistema se acercan asintticamente a
este valor. La condicin x
3
= 0 se corresponde con un valor nulo de la corriente comn que circula
por los circuitos de armadura y de campo. En el resto del espacio de estado la transformacin (9.8)
es invertible.
La transformacin (9.8) tambin satisface la segunda condicin dada por (2). Finalmente, la
tercera derivada de h(x) est dada por:
h
(3)
(x, u) =
2KmK
f
J
x
3
_

K
ba
K
f
L
f
x
2
x
3

Ra +R
f
L
f
x
3
+
1
L
f
u
_
=
2KmK
2
f
K
ba
JL
f
x
2
x
2
3

2KmK
f
(Ra +R
f
)
JL
f
x
2
3
+
2KmK
f
JL
f
x
3
u
de donde:
h
(3)
(x, u)
u
=
2KmK
f
JL
f
x
3
entonces la tercera condicin (3), se traduce, no sorprendentemente, en que la variable x
3
debe
satisfacer la condicin: x
3
= 0.
9.4 CONDICIONES DE EXISTENCIA PARA LA TRANSFORMACIN A LA FORMA CANNICA CONTROLABLE 251
La inversa de la transformacin (9.8) tiene entonces solamente caracter local y se obtiene por
inspeccin. Esta resulta ser para x
3
> 0:
x
1
= z
1
x
2
= z
2
x
3
= +
_
Jz
3
KmK
f
la cual es vlida slo en la regin z
3
> 0 del espacio descrito por las nuevas coordenadas. Como
puede inferirse de (9.8), la transformacin de coordenadas no est denida en la regin x
3
< 0,
es decir, su validez es slo local.
El motor serie de corriente continua, transformado a nuevas coordenadas, se describe en-
tonces localmente mediante las ecuaciones diferenciales:
z
1
= z
2
z
2
= z
3
z
3
=
_

2K
ba
K
f
L
f
z
2
z
3
2
_
Ra +R
f
L
f
_
z
3
+
_
2KmK
f
JL
f

JZ
3
KmK
f
_
u
_
las cuales evidentemente se encuentran en forma cannica controlable. La linealizacin exacta de
(9.8) se puede llevar a cabo entonces en forma inmediata.
Utilizamos como control externo auxiliar la variable v, la cual denimos de la manera siguiente:
v =
_

2K
ba
K
f
L
f
z
2
z
3
2
_
Ra +R
f
L
f
_
z
3
+
_
2KmK
f
JL
f

JZ
3
KmK
f
_
u
_
lo cual al sustituirse en (9.8), nos transforma el sistema en una cadena de integracin pura:
z
1
= z
2
z
2
= z
3
z
3
= v
Introducimos la siguiente realimentacin lineal para la regulacin asintticamente estable del
sistema transformado (9.8):
v =
2
n
z
1
(2n +
2
n
)z
2
( + 2n)z
3
El sistema en lazo cerrado (9.8) y (9.8) tiene entonces por polinomio caracterstico al siguiente
polinomio de races estables (o simplemente polinomio de Hurwitz);
p(s) = (s +)(s
2
+ 2ns +
2
n
)
= s
3
+ ( + 2n)s
2
+ (2n +
2
n
)s +
2
n
El controlador no lineal para el sistema transformado (9.8) est dado entonces a partir de la si-
guiente relacin, escrita en trminos de variables transformadas y obtenida directamente de las
ecuaciones (9.8) y (9.8):

2
n
z
1
(2n +
2
n
)z
2
( + 2n)z
3
=
_

2K
ba
K
f
L
f
z
2
z
3
2
_
Ra +R
f
L
f
_
z
3
+
_
2KmK
f
JL
f

JZ
3
KmK
f
_
u
_
Resolviendo para u tenemos:
u =
JL
f
_
2KmK
f
_
Jx
3
KmK
f
_
_

2
n
z
1
+ (2n +
2
n
)z
2
+ ( + 2n)z
3

2K
ba
K
f
L
f
z
2
z
3
2
_
Ra +R
f
L
f
_
z
3
_
252 INTRODUCCIN A LA LINEALIZACIN EXACTA
Usando (9.8) en (9.8) obtenemos en variables de estado originales la expresin del contro-
lador diseado mediante linealizacin exacta:
u =
JL
f
(2KmK
f
x
3
)
_

2
n
x
1
+ (2n +
2
n
)x
2
+
_
( + 2n) 2
_
Ra +R
f
L
f
__
KmK
f
J
x
2
3

2K
ba
KmK
2
f
JL
f
x
2
x
2
3
_
Ntese sin embargo que este controlador presenta un serio problema para su instru-
mentacin en el sistema (9.8), o incluso para realizar sobre su base de cualquier si-
mulacin digital. El problema consiste en que el punto de equilibrio del sistema (9.8)
necesariamente implica que la corriente comn del circuito de campo y armadura,
x
3
, tiene que hacerse cero. Pero tal valor de la corriente hace singular la accin de
control representada por (9.8).
El problema de regulacin del motor de corriente continua en conexin serie no
puede resolverse entonces por linealizacin exacta.
Ejemplo 9.9:
Modelo promedio de un convertidor de corriente continua tipo Boost
Considrese el modelo promedio de un convertido tipo Boost, ya introducido anteriormente
en el captulo 3.
x
1
=
0
x
2
+u
0
x
2
+b
x
2
=
0
x
1

1
x
2
u
0
x
1
Tratemos de buscar una transformacin invertible, generada por una funcin escalar h(x), que
satisfaga las tres condiciones (1) -(3), dadas anteriormente, y que nos transforme el modelo (9.9)
a la forma cannica controlable.
Sea z
1
= h(x) una funcin escalar diferenciable. La derivada de esta funcin, con respecto
del tiempo, se escribe usando (9.9) de la manera siguiente:
z
1
=
h(x)
x
x =
_
h
x
1
h
x
2
_
_

0
x
2
+u
0
x
2
+b

0
x
1

1
x
2
u
0
x
1
_
=
h
x
1
[
0
x
2
+u
0
x
2
+b] +
h
x
2
[
0
x
1

1
x
2
u
0
x
1
]
=
_
h
x
1
[
0
x
2
+b] +
h
x
2
[
0
x
1

1
x
2
]
_
+u
0
_
h
x
1
x
2

h
x
2
x
1
_
Puesto que la primera derivada de h(x) no debe depender de u, de acuerdo a (2), h(x) debe
satisfacer:
h
x
1
x
2

h
x
2
x
1
= 0
lo cual constituye una ecuacin en derivadas parciales del tipo lineal para la funcin desconocida
h(x).
Una solucin general de (9.9) est dada por:
z
1
= h(x) =
1
2
_
x
2
1
+x
2
2

+c
donde c es una constante que debemos ajustar para que, por ejemplo, cuando las variables de
estado x
1
y x
2
adoptan sus valores de equilibrio X
1
(U) y X
2
(U), inducidos por una relacin de
trabajo constante u = U, entonces la nueva variable z
1
adopte, por ejemplo, el valor de cero en
tal punto de equilibrio.
Puesto que:
X
1
(U) =
b
1

2
0
(1 U)
2
; X
2
(U) =
b

0
(1 U)
9.4 CONDICIONES DE EXISTENCIA PARA LA TRANSFORMACIN A LA FORMA CANNICA CONTROLABLE 253
entonces:
z
1
= h(x) =
1
2
_
x
2
1
+x
2
2

1
2
b
2

2
0
(1 U)
2
_
1 +

2
1

2
0
(1 U)
2
_
La derivada de z
1
resulta ser, despus de utilizar (9.9):
z
1
=
_
h
x
1
[
0
x
2
+b] +
h
x
2
[
0
x
1

1
x
2
]
_
= bx
1

1
x
2
2
es decir:
z
2
= bx
1

1
x
2
2
Ntese que el valor de equilibrio de z
2
resulta ser tambin cero, como lo habr de demandar
el modelo transformado en forma cannica controlable. Comprobamos nalmente que la derivada
de esta segunda variable de estado s depende de la variable de control u, tal como se establece
en la condicin (3). En efecto:
z
2
= b x
1
2
1
x
2
x
2
= b(
0
x
2
+u
0
x
2
+b) 2
1
x
2
(
0
x
1

1
x
2
u
0
x
1
)
= b
2
+ 2
2
1
x
2
2
(b + 2
1
x
1
)
0
x
2
+u(b + 2
1
x
1
)
0
x
2
Siempre que la cantidad (b +2
1
x
1
)x
2
sea diferente de cero, la transformacin generada por
h(x) es una transformacin linealizante que cumple con las condiciones (1)-(3).
La trasformacin de coordenadas de estado est dada entonces por:
z
1
=
1
2
_
x
2
1
+x
2
2

1
2
b
2

2
0
(1 U)
2
_
1 +

2
1

2
0
(1 U)
2
_
z
2
= bx
1

1
x
2
2
La matriz Jacobiana de esta transformacin, y su determinante asociado, estan dados por:
z
x
=
_
h
x

h
x
_
=
_
x
1
x
2
b 2
1
x
2
_
; Det
_
z
x
_
= (b + 2
1
x
1
)x
2
La no singularidad de esta matriz Jacobiana coincide, como es claro, con la condicin que
hemos encontrado anteriormente, al exigir en (9.9) que la segunda derivada de h(x) dependa
explcitamente de la variable de control u.
La primera variable de estado, obtenida de la transformacin (9.9), es interpretable
en trminos de la energa promedio incremental, medida sobre la base de la energa
consumida en mantener la condicin de equilibrio promedio. La segunda variable
de la transformacin representa la variacin temporal del tal energa, es decir, la
potencia incremental promedio consumida por el circuito.
La transformacin (9.9) es localmente invertible en todos aquellos puntos que se encuentren
alejados de la condicin de singularidad de la matriz Jacobiana calculada en (9.9). Los valores de
x
1
y x
2
, como funcin de z
1
y z
2
, se obtiene a partir de las ecuaciones siguientes:
x
2
1
+
b

1
x
1

_
2z
1
+
z
2

1
+
b
2

2
0
(1 U)
2
_
1 +

2
1

2
0
(1 U)
2
__
= 0
x
2
=

bx
1
z
2

1
Es decir:
x
1
=
b
2
1
+

_
b
2
1
_
2
+
_
2z
1
+
z
2

1
+
b
2

2
0
(1 U)
2
_
1 +

2
1

2
0
(1 U)
2
__
x
2
=

_
b

_
b
2
1
_
2
+
_
2z
1
+
z
2

1
+
b
2

2
0
(1 U)
2
_
1 +

2
1

2
0
(1 U)
2
__

b
2
2
2
1

1
z
2
254 INTRODUCCIN A LA LINEALIZACIN EXACTA
Ntese que hemos tomado la raz positiva para x
1
, de la solucin de la primera ecuacin
en (9.9). La raz negativa carece de signicado fsico, en virtud de que, de acuerdo a (9.9), las
condiciones de equilibrio (es decir, cuando z
1
= z
2
= 0), la variable x
1
debe ser positiva pues b y

1
son constantes positivas. Vericamos que efectivamente en equilibrio las expresiones que se
obtienen de (9.9) coinciden plenamente con (9.9).
La forma cannica controlable del sistema en nuevas coordenadas es:
z
1
= z
2
z
2
= 2
1
z
2
+
_
2
1
b

_
b
2
1
_
2
+
_
2z
1
+
z
2

1
+
b
2

2
0
(1U)
2
_
1 +

2
1

2
0
(1U)
2
__
_
_
2
1

0
(1 u)

_
b
2
1
_
2
+
_
2z
1
+
z
2

1
+
b
2

2
0
(1U)
2
_
1 +

2
1

2
0
(1U)
2
__
_

_ b

_
b
2
1
_
2
+
_
2z
1
+
z
2

1
+
b
2

2
0
(1U)
2
_
1 +

2
1

2
0
(1U)
2
__

b
2
2
2
1

1
z
2
Ejercicio:Terminar el diseo del controlador no lineal por Linealizacin Exacta.
Ejemplo 9.10:
Orientacin de un artefacto espacial
Considrese el sistema no lineal que describe la orientacin de un artefacto espacial, tal como
fue descrito en detalle en el captulo 2. El sistema se encuentra descrito por:
x
1
= x
2
x
2
=
FL
J
sin x
3
x
3
= Ru
El punto de equilibrio fsicamente signicativo del sistema est dado por:
x
1
= arbitrario = X; x
2
= 0; x
3
= 0; u = 0
Es fcil vericar que la funcin del error de posicionamiento, dada por h(x) = x
1
X calica
como funcin generadora de una transformacin linealizante. Haciendo:
z
1
= x
1
X; z
2
= x
2
; z
3
=
FL
J
sin x
3
esta transformacin es invertible, al menos localmente, pues:
z
x
=
_

_
h(x)
x

h(x)
x

h(x)
x
_

_
=
_
_
1 0 0
0 1 0
0 0
FL
J
cos x
3
_
_
; Det
_
z
x
_
=
FL
J
cos x
3
El determinante de la matriz Jacobiana de la transformacin indica que el rango de validez de
la transformacin est dado por /2 < x
3
< /2, lo cual cubre todos los valores prcticos del
ngulo de posicionamiento de la tobera medido desde el eje principal de la nave. La transformacin
inversa (en aquellos lugares donde existe) est dada simplemente por:
x
1
= z
1
+X; x
2
= z
2
; x
3
= sin
1
_
Jz
3
FL
_
El sistema transformado est dado por:
z
1
= z
2
z
2
= z
3
z
3
=
FLR
J
_
_

1
_
Jz
3
FL
_
2
_
_
u
9.5 EJERCICIOS PROPUESTOS 255
El control linealizante puede ser obtenido directamente en coordenadas transformadas como:
u = J
_

3
z
1
(
1

2
+
1

3
+
2

3
)z
2
(
1
+
2
+
3
)z
3
FLR
_
_
1
_
Jz
3
FL
_
2
_
_

_
Lo cual induce en el sistema lineal en lazo cerrado un polinmio caracterstico dado por:
p(s) = (s +
1
)(s +
2
)(s +
3
)
= s
3
+ (
1
+
2
+
3
)s
2
+ (
1

2
+
1

3
+
2

3
)s +
1

3
En coordenadas originales el controlador resulta ser:
u = J
_

3
(x
1
X) (
1

2
+
1

3
+
2

3
)x
2
(
1
+
2
+
3
)
FL
J
sin x
3
FLRcos x
3
_
El siguiente programa simula la respuesta del sistema controlado por la ley de realimentacin
no lineal que logra la linealizacin perfecta del sistema.
9.5. Ejercicios propuestos
9.6. Resumen del captulo y Lecturas adicionales
10
Linealizacin exacta de
sistemas no lineales
10.1. Introduccin
10.2. Nociones bsicas de geometra diferencial
10.3. Interpretacin geomtrica del corchete de Lie y
teorema de Frobenius
10.4. Nueva formulacin de las condiciones de existen-
cia para la transformacin a la forma cannica
controlable
10.5. El caso de sistemas lineales
10.6. Ejemplos
10.7. Ejercicios propuestos
10.8. Resumen del captulo y Lecturas adicionales
256
11
Linealizacin
entrada-salida
11.1. Introduccin
11.2. Dinmica de los ceros y linealizacin entrada-salida
11.3. Primer ejemplo
11.4. Formulacin de la linealizacin entrada-salida us-
ando herramientas de geometra diferencial
11.5. Ejercicios propuestos
11.6. Resumen del captulo y Lecturas adicionales
257
12
Observadores no lineales
con error lineal
Foto
Daremos una muy breve introduccin al diseo de observadores
dinmicos de estado no lineales basados en linealizacin exacta.
12.1. Introduccin
Los desarrollos tericos que promueven la sntesis de controladores re-
troalimentados suponen que todas las variables (por lo general, variables
de estado) que intervienen en la expresin del controlador estn fsicamente
disponibles para su utilizacin. Esta hiptesis es, en la mayora de los ca-
sos prcticos, difcil de satisfacer pues asociado a los costos adicionales de
medir cada variable (por adquisicin y colocacin de sensores, por ejemplo), Hay variables
que pueden ser
tcnicamente
difciles de medir
tambin ocurre que es imposible tener acceso a ciertas variables sin oca-
sionar perturbaciones adicionales al sistema, incluso puede haber variables
que son tcnicamente difciles o imposibles de medir, como es el caso, por
ejemplo, por requerir el uso de analizadores fuera de lnea, los cuales rep-
258
12.2 LINEALIZACIN DEL ERROR DE RECONSTRUCCIN 259
resentan un costo alto en tiempo y dinero, o al tratar de medir temperatura
en puntos especcos en el interior de hornos a muy alta temperatura.
Aunado a estas restricciones, la conabilidad del diseo del controlador
puede verse seriamente comprometida al incrementar, posiblemente de for-
ma innecesaria, el nmero de sensores (los cuales, por lo general, poseen
una dinmica no lineal propia) que deben ir asociados al controlador,
con el consecuente incremento en la complejidad de la dinmica.
Por esta razn, es preciso restringirnos al nmero mnimo de mediciones
que sean indispensables para implementar el controlador diseado. Estas
mediciones estn circunscritas a las variables de salida del sistema. Estas
salidas son de naturaleza tal que son capaces de reconstruir el vector de
estado con un error de estimacin que decrezca, en forma asinttica, a cero.
El problema asociado a conseguir un observador de estados para sis-
temas lineales, y su posible extensin al caso no lineal, ha sido tratado pre-
viamente en las Partes I y II de este libro. Nos corresponde ahora exponer la
posibilidad de construir observadores no lineales cuyo error de estimacin
del vector de estado sea asintticamente estable a cero. En el mismo es-
pritu de la linealizacin exacta, nos proponemos sintetizar observadores
de estado que tengan un error de reconstruccin que satisfaga, en forma
exacta, una dinmica lineal. La metodologa que pretendemos ilustrar se
basa, en forma dual al caso de linealizaciones exactas, en proponer trans-
formaciones de coordenadas e inyeccines no lineales del vector de salida
con el objeto de obtener dinmicas lineales del error de reconstruccin de
estados.
12.2. Linealizacin del error de reconstruccin
Considrese un sistema no lineal de la forma
x = Ax +(y, u), y = Cx (12.1)
donde x R
n
, y R, u R, : R R R
n
, y donde, adems, el par de
matrices (C, A) forman un par observable.
En este caso, tan especial, un observador dinmico de la forma
d
dt
x = A x +(y, u) +K(y y), y = C x (12.2)
produce una dinmica del error de reconstruccin del vector de estado,
e = x x, independiente del valor del vector de entrada del sistema, da-
da, exactamente, por el sistema lineal de ecuaciones diferenciales,
e = (AKC)e (12.3)
Puesto que el par (C, A) es observable, esto quiere decir, que existe una
matriz K tal que los autovalores de la matriz A KC pueden ubicarse
en el semiplano izquierdo del plano complejo. El error de estimacin, e,
260 OBSERVADORES NO LINEALES CON ERROR LINEAL
asociado a tal valor propuesto de K decrece exponencialmente a cero en
forma global, es decir, independientemente de las condiciones iniciales del
estado x y del estado del observador x. El estimado, x, converge entonces de
manera asinttica exponencial al valor verdadero del estado, x, del sistema.
Ejemplo 12.1:
Manipulador de un grado de libertad
Considrese el siguiente manipulador pendular de un solo grado de libertad
x
1
= x
2
x
2
=
mgL
J
cos x
1
+
1
J
u
y = x
1
(12.4)
Este sistema est en la form (12.1) con
A =
_
0 1
0 0
_
, C = [1 0], (y, u) =
_
0

mgL
J
cos y +
1
J
u
_
El par de matrices (C, A) es claramente observable y, por lo tanto, el observador no lineal con
error de reconstruccin lineal para este sistema est dado por

x
1
= x
2
+k
1
(y y)

x
2
=
mgL
J
cos y +
1
J
u +k
2
(y y)
y = x
1
(12.5)
El error de reconstruccin satisface entonces la dinmica lineal representada por
e
1
= e
2
k
1
e
1
e
2
= k
2
e
1
(12.6)
El polinomio caracterstico de este sistema lineal est dado por,
p(s) = s
2
+k
1
s +k
2
La escogencia apropiada de k
1
y k
2
hace que el polinomio caracterstico tenga todas sus races en
el semiplano izquierdo del plano complejo. Podemos escojer, por ejemplo, k
1
= 2n y k
2
=
2
n
,
con , n > 0.
Ejemplo 12.2:
Manipulador exible
Considrese el ejemplo del manipulador robtico con articulacin exible de un solo grado de
libertad
Las ecuaciones diferenciales que gobiernan este sistema no lineal estn dadas por:
J
L

+B
L

+MgLsen +k( ) = 0
Jm

+Bm

k( ) = u
y = (12.7)
donde es la posicin angular del brazo manipulador y es la posicin angular del eje del motor.
Denimos las variables de estado de la manera siguiente:
x
1
= ; x
2
=

; x
3
= ; x
4
=

el modelo en espacio de estados, del manipulador exible, es entonces:


x
1
= x
2
x
2
=
MgL
J
L
sen x
1

B
L
J
L
x
2

k
J
L
(x
1
x
3
)
x
3
= x
4
x
4
=
Bm
Jm
x
4
+
k
Jm
(x
1
x
3
) +
1
Jm
u
y = x
1
(12.8)
12.2 LINEALIZACIN DEL ERROR DE RECONSTRUCCIN 261
El sistema est en la forma especial, que hemos propuesto al inicio de este captulo, con
A =
_

_
0 1 0 0

k
J
L

B
L
J
L
k
J
L
0
0 0 0 1
k
Jm
0
k
Jm

Bm
Jm
_

_
, C = [1 0 0 0]
(y, u) =
_

_
0

MgL
J
L
sen y
0
1
Jm
u
_

_
(12.9)
El par (C, A) es observable, como puede vericarse fcilmente, y entonces el observador, cuya
dinmica del error de reconstruccin es lineal, est dado por

x
1
= x
2
+k
1
(y y)

x
2
=
MgL
J
L
sen y
B
L
J
L
x
2

k
J
L
( x
1
x
3
) +k
2
(y y)

x
3
= x
4
+k
3
(y y)

x
4
=
Bm
Jm
x
4
+
k
Jm
( x
1
x
3
) +
1
Jm
u +k
4
(y y)
y = x
1
(12.10)
Efectivamente, el error de reconstruccin de estados e = x x se describe mediante la dinmica
lineal
e
1
= e
2
k
1
e
1
e
2
=
B
L
J
L
e
2

k
J
L
(e
1
e
3
) k
2
e
1
e
3
= e
4
k
3
e
1
e
4
=
Bm
Jm
e
4
+
k
Jm
(e
1
e
3
) k
4
e
1
(12.11)
La ecuacin caracterstica de este sistema lineal est dada por
p(s) = s
(4)
+
_
k
1
+
B
L
J
L
+
Bm
Lm
_
s
(3)
+
__
B
L
J
L
+
Bm
Jm
_
k
1
+
_
k
J
L
+
k
Jm
+
BmB
L
LmJ
L
_
+k
2
_
s
2
+
_
k
J
L
k
3
+
Bm
Lm
_
B
L
J
L
k
1
+
k
J
L
+k
2
_
+
k
Jm
_
k
1
+
B
L
J
L
__
s
+
_
Bmk
LmJ
L
k
3

k
2
JmJ
L
+
B
L
J
L
k
1
+
k
J
L
+k
2
+k
4
_
= 0
Es claro, a partir de esta ltima expresin, que siempre podemos escojer las ganancias del ob-
servador {k
1
, , k
4
} de tal manera que el polinomio carcaterstico p(s) posea los coecientes
requeridos a n de que todas sus races se encuentren ubicadas en el semiplano izquierdo del
plano complejo.
Bibliografa
[H95] K. J. strm and T. Hgglund. PID Controllers: Theory, Design,
and Tuning. Instrument Society of America, Research Triangle
Park, NC, 2
`eme
edition, 1995.
[AS86] H. Asada and J.-J. E. Slotine. Robot Analysis and Control. Wi-
ley, New York, 1986.
[BH95] S. Bahram and M. Hassul. Control System Design using Mat-
lab. Prentice-Hall, Englewood Cliffs, NJ, 1995.
[BR86] W. T. Baumann and W. J. Rugh. Feedback control of nonlin-
ear systems by extended linearization. IEEE Trans. Automat.
Contr., 31:4046, 1986.
[CKS93] D. Cho, Y. Kato, and D. Spilman. Sliding mode and classical
controllers in magnetic levitation systems. IEEE Contr. Sys.
Mag., 13(2):4248, 1993.
[DAC95] P. Dorato, C. Abdallah, and V. Cerone. Linear-Quadratic Con-
trol: An introduction. Prentice-Hall, Englewood Cliffs, NJ,
1995.
[DCSJ03] S. Domnguez, P. Campoy, J. M. Sebastin, and A. Jimnez.
Control en el espacio de estado. Pearson Educacin, Madrid,
Espaa, 2003.
[DFT92] J. C. Doyle, B. A. Francis, and A. R. Tannenbaum. Feedback
Control Theory. MacMillan Publishing Company, New York,
1992.
[FPEN94] G. F. Franklin, J. D. Powell, and A. Emami-Naeini. Feedback
Control of Dynamic Systems. Addison-Wesley, Reading, MA,
1994.
[FSA88] K. Furuta, A. Sano, and D. Atherton. State Variable Methods
in Automatic Control. John Wiley & Sons Ltd, 1988.
262
BIBLIOGRAFA 263
[HK77] R. Hermann and A. J. Krener. Nonlinear controllability and
observability. IEEE Trans. Automat. Contr., 22:728740, 1977.
[HMTG02] C. V. Hollot, V. Misra, D. Towsley, and W. Gong. Analysis and
design of controllers for AQM routers supporting TCP ows.
IEEE Trans. Automat. Contr., 47(6), 2002.
[Isi95] A. Isidori. Nonlinear Control Systems. Springer-Verlag, Lon-
dres, Reino Unido, tercera edicin edition, 1995.
[Kai80] T. Kailath. Linear Systems. Prentice-Hall, Englewood Cliffs,
NJ, 1980.
[KBBL90] P. T. Krein, J. Bentsman, R. M. Bass, and B. L. Lesieutre. On
the use of averaging for the analysis of power electronic sys-
tems. IEEE Transactions on Power Electronics, 5(2):182190,
1990.
[Kel01] F. Kelly. Mathematical modelling of the Internet. In Bjorn
Engquist and Wilfried Schmid (Eds.), Mathematics Unlimit-
ed 2001 and Beyond, pages 685702. Springer-Verlag, Berlin,
2001.
[Kha96] H. K. Khalil. Nonlinear Systems. Prentice-Hall, Englewood
Cliffs, NJ, segunda edicin edition, 1996.
[KS03] R. Kelly and V. Santibaez. Control de Movimiento de Robots
Manipulados. Pearson Educacin, Madrid, Espaa, 2003.
[Kuo95] B. Kuo. Automatic Control Systems. Prentice-Hall, sptima
edicin edition, 1995.
[LG94] L. Ljung and T. Glad. Modeling of Dynamic Systems. Prentice-
Hall, Engllewood Cliffs, NJ, E.E.U.U., 1994.
[Low03] S. Low. A duality model of TCP and queue management al-
gorithms. IEEE/ACM Transactions on Networking, 11(4):525
536, 2003.
[LR94] D. A. Lawrence and W. J. Rugh. Input-output pseudolineariza-
tion for nonlinear systems. IEEE Trans. Automat. Contr.,
39:22072218, 1994.
[Lue66] D. G. Luenberger. Observers for multivariable systems. IEEE
Trans. Automat. Contr., 11(2):190197, 1966.
[Lue71] D. G. Luenberger. An introduction to observers. IEEE Trans.
Automat. Contr., 16:596602, 1971.
[Lue92] D. G. Luenberger. A double look at duality. IEEE Trans. Au-
tomat. Contr., 37:14741482, 1992.
264 BIBLIOGRAFA
[Mar73] B. Markiewicz. Analysis of the computed-torque drive method
and comparison with the conventional position servo for a
computer-controlled manipulator. Technical Memorandum 33-
601, The Jet Propulsion Laboratory, California Institute of
Technology, Pasadena, California, 3 1973.
[MASA04] R. Marquez, E. Altman, and S. Sol-lvarez. Modeling TCP
and HighSpeed TCP: A nonlinear extension to aimd mecha-
nisms. In Proceedings of 7th IEEE International Conference on
High Speed Networks and Multimedia Communications (HSN-
MC04), pages 685702, Toulouse, Francia, junio 30julio 2,
2004.
[Mec03] Virginia Tech Mechatronics. Procedure for iden-
tifying permanent magnet DC motors. En In-
ternet, pgina web: http://www.mechatronics.
me.vt.edu/book/Section3/motormodelling.html, agosto 28,
2003.
[Nis96] N.ise. Control System Engineering. Addison-Wesley, segunda
edicin edition, 1996.
[NvdS90] H.ijmejier and A. J. van der Schaft. Nonlinear Dynamical
Control Systems. Springer-Verlag, New York, 1990.
[Oga87] K. Ogata. Dinmica de Sistemas. Prentice-Hall Hispanoamer-
icana S.A., Mxico, 1987.
[Oga93] K. Ogata. Ingeniera de Control Moderna. Prentice-Hall, 2da.
edicin edition, 1993.
[Pau82] R. P. Paul. Robot Manipulators: Mathematics, Programming
and Control. M.I.T. Press, Cambridge, MA, 1982.
[RC84] C. Reboulet and C. Champetier. A new method for linearizing
non-linear systems: the pseudolinearization. Int. J. of Control,
40:631638, 1984.
[RMC86] C. Reboulet, P. Mouyon, and C. Champetier. About the lo-
cal linearization of nonlinear systems. In M. Fliess and M.
Hazewinkel (Eds.), Algebraic and Geometric Methods in Nonlin-
ear Control Theory, pages 311322. D. Reidel Publishing Com-
pany, 1986.
[RS00] W. J. Rugh and J. S. Shamma. Research on gain scheduling.
Automatica, 36:14011425, 2000.
[Rug91] W. J. Rugh. Analytical framework for gain scheduling. IEEE
Contr. Sys. Mag., 11:7984, 1991.
BIBLIOGRAFA 265
[SA90] J. S. Shamma and M. Athans. Analysis of gain scheduled con-
trol for nonlinear plants. IEEE Trans. Automat. Contr., 35:898
907, 1990.
[SA92] J. S. Shamma and M. Athans. Gain scheduling: Potential haz-
ards and possible remedies. IEEE Contr. Sys. Mag., 12:101107,
1992.
[SJ72] H. J. Sussmann and V. J. Jurdjevic. Controllability of nonlinear
systems. J. Differential Equations, 12:95116, 1972.
[SK91] H. J. Sussmann and P. V. Kokotovic. The peaking phenomenon
and the global stabilization of nonlinear systems. IEEE Trans.
Automat. Contr., 36(4):424440, 1991.
[SL91] J.-J. E. Slotine and W. Li. Applied Nonlinear Control. Prentice-
Hall, Englewood Cliffs, NJ, 1991.
[SNLV89] S. R. Sanders, J. M. Noworolski, X. Z. Liu, and G. C. Vergh-
ese. Generalized averaging method for power conversion cir-
cuits. IEEE Transactions on Power Electronics, 6(2):251259,
1989.
[SR89] H. Sira-Ramrez. A geometric approach to puse width mod-
ulated control in nonlinear dynamical systems. IEEE Trans.
Automat. Contr., 34(2):184187, 1989.
[SRPR92] H. Sira-Ramrez and M.T. Prada-Rizzo. Nonlinear feedback
regulator design for the cuk converter. IEEE Trans. Automat.
Contr., 37:11731180, 1992.
[SV91] S. R. Sanders and G. C. Verghese. Synthesis of averaged circuit
models for switched power converters. IEEE Trans. Circuits
and Systems, 38(8):905915, 1991.
[Vid87] M. Vidyasagar. Control System Synthesis. MIT Press, Cam-
bridge, MA, 1987.
[Wal91] S. Walas. Modeling with Differential Equations in Chemical
Engineering. Butterworth-Heinemann, Boston, E.E.U.U., 1991.
[Won67] W. M. Wonham. On pole assignment in multi-input control-
lable linear systems. IEEE Trans. Automat. Contr., 12:660665,
1967.
[WR87] J. Wang and W. J. Rugh. Feedback linearization families for
nonlinear systems. IEEE Trans. Automat. Contr., 32:935940,
1987.