Control Automático de Sistemas

Tema 6: Control en el Espacio de Estados

Prof. Héctor Vargas O.

Escuela de Ingeniería Eléctrica – PUCV
Curso obligatorio de Pregrado
Contenido
1. Introducción
2. Controlabilidad y Observabilidad
3. Diseño por realimentación de estados
4. Observador de estados
5. Integración de entradas de referencia
6. Cierre de la unidad
Introducción
Introducción
Antecedentes preliminares
En el diseño de sistemas de control en variables de estado
normalmente se está interesado en controlar el sistema con una señal
de control 𝑢(𝑡), que es función de las variables de estado.
En consecuencia, se desarrolla un controlador en variables de estado
que opera sobre la información disponible en forma medida.
El diseño de control en variables de estado comprende 3 pasos:
1. Se presupone que se tiene acceso a todas las variables de
estado y se utiliza una ley de control por realimentación de
estados completa.
2. Se construye un observador para estimar los estados que no
son directamente medibles y no están disponibles como salida.
3. Se conecta de manera apropiada el observador con la ley de
control realimentada de estado completo.
Introducción
Antecedentes preliminares
A continuación se puede observar el sistema de control en variables
de estado sin observador. En este caso, se asume que todos los
estados del sistema son medibles.

Modelo del sistema

𝑢(𝑡)
𝑟(𝑡) ++ 𝑪 𝑦(𝑡)
𝒙 = 𝑨𝒙 + 𝑩𝒖

𝒙(𝑡)
Ley de control

−𝑲
Realimentación de
estados completa
Introducción
Antecedentes preliminares
En los casos en que no todos los estados sean medibles
directamente, estos pueden ser estimados mediante el diseño de un
bloque observador de estados y su inclusión en la ley de control.

Modelo del sistema

𝑢(𝑡) 𝒙 𝑦
𝑟(𝑡) ++ 𝑪
𝒙 = 𝑨𝒙 + 𝑩𝒖

𝑟(𝑡) 𝑢′(𝑡)
𝑢′(𝑡)

Ley de control Observador

𝒙
−𝑲 𝒙 = 𝑨𝒙 + 𝑩𝑢 + 𝑳𝑦
Observador en ley de control
Controlabilidad y Observabilidad
Controlabilidad y Observabilidad
Antecedentes preliminares
El diseño de sistemas de control mediante realimentación de todos
los estados normalmente se basa en técnicas de localización de
polos, tal y como ya se ha visto en unidades anteriores.
Lo anterior, sugiere las siguientes preguntas:
1. ¿Bajo que condiciones es posible llevar el vector de estado a
un punto específico del espacio de estado, manipulando las
señales de entrada?.
2. ¿De que manera el estado 𝑥𝑖 (𝑡) puede ser reconstruido a
partir de la medida 𝑦(𝑡)?.

En este sentido, se debe tener en cuenta que el sistema debe ser

completamente controlable y completamente observable para
que permita la posibilidad de colocar todos los polos del sistema
arbitrariamente. Estos conceptos se estudian a continuación.
Controlabilidad
Fundamentos
El primer problema a analizar es el del control de un sistema o
proceso. ¿Bajo que condiciones es posible llevar el vector de estado
a un punto específico del espacio de estado, manipulando las
señales de entrada?.

Un sistema es completamente controlable si existe un control sin

restricción 𝑢(𝑡) que puede llevar cualquier estado inicial 𝑥(𝑡0 ) a
cualquier otro estado deseado 𝑥(𝑡) en un tiempo finito 𝑡0 ≤ 𝑡 ≤ 𝑇.

Para determinar que grado de controlabilidad tiene un sistema se

realiza un test de controlabilidad de la siguiente forma:

𝒙 = 𝑨𝒙 + 𝑩𝑢
𝑦 = 𝑪𝒙
Controlabilidad
Fundamentos
El conjunto de todos los estados controlables es el espacio rango
de la matriz de controlabilidad 𝑃𝑐 𝐴, 𝐵 .
𝑟𝑎𝑛𝑔𝑜 𝑩 𝑨𝑩 𝑨𝟐 𝑩 ⋯ 𝑨𝒏−𝟏 𝑩 = 𝑛
Donde 𝑨 tiene dimensión 𝑛 𝑥 𝑛 y 𝑩 dimensión 𝑛 𝑥 1. Para sistemas
con múltiples entradas, 𝑩 es de dimensión 𝑛 𝑥 𝑚, donde 𝑚 es el
número de entradas.
Para un sistema de una entrada y una salida, la matriz de
Controlabilidad 𝑷𝑐 se describe en términos de 𝑨 y 𝑩 como:

𝑷𝑐 = 𝑩 𝑨𝑩 𝑨𝟐 𝑩 ⋯ 𝑨𝒏−𝟏 𝑩
Que es una matriz de 𝑛 𝑥 𝑛. Así, el sistema es completamente
controlable si y solo si, la matriz de Controlabilidad 𝑃𝑐 𝐴, 𝐵 tiene
rango completo, es decir, si det 𝑃𝑐 [𝐴, 𝐵] ≠ 0.
Ejemplos
Ejemplo de aplicación 1
Si consideramos el siguiente modelo de estados:

𝑥1 1 1 𝑥1 0
= + 𝑢
𝑥2 2 −1 𝑥2 1

Calculamos la matriz de Controlabilidad 𝑷𝑐 [𝑨, 𝑩]:

0 1
𝑩 𝑨𝑩 = = 𝑛𝑜 𝑠𝑖𝑛𝑔𝑢𝑙𝑎𝑟
1 −1

Como vemos, el determinante de 𝑷𝑐 es distinto de cero. Por tanto, el

sistema es completamente controlable.
Ejemplos
Ejemplo de aplicación 2
Determine la condición de Controlabilidad para el sistema
representado por las siguientes dos ecuaciones de estado:

𝑥1 = −2𝑥1 + 𝑢
; y la salida 𝑦 = 𝑥2
𝑥2 = −3𝑥2 + 𝑑𝑥1

Respuesta:
El modelo de estados de este sistema se puede escribir como:
−2 0 1
𝒙= 𝒙+ 𝑢
𝑑 −3 0
𝑦= 0 1 𝒙+ 0 𝑢

De esta manera, determinamos el requisito de Controlabilidad

generando la matriz 𝑃𝑐 , quedando como sigue:
Ejemplos
Ejemplo de aplicación 2
Respuesta:
Calculando las componentes de 𝑃𝑐 :
1 −2 0 1 −2
𝑩= 𝑨𝑩 = =
0 𝑑 −3 0 𝑑

Y finalmente 𝑃𝑐 , sería:

1 −2
𝑷𝑐 =
0 𝑑

Así, el determinante de 𝑷𝑐 es igual a 𝑑, que es distinto de cero

sólo cuando 𝑑 sea distinto de cero.

Finalmente, analicemos el modelo de grafo de flujo de señal y

diagrama de bloques del sistema.
Ejemplos
Ejemplo de aplicación 2
Respuesta:
Modelo de grafo de flujo y diagrama de bloques.
Observabilidad
Fundamentos
El segundo problema a analizar es el del acceso a los estados del
sistema. Es decir, si no todos los estados estuviesen disponibles,
¿De que manera el estado 𝑥𝑖 (𝑡) puede ser reconstruido a partir de la
información existente, esto es, 𝑢(𝑡) e 𝑦(𝑡)?. Así, la Observabilidad se
refiere a la posibilidad de estimar una variable de estado.

Un sistema es completamente observable si y sólo si existe un tiempo

finito 𝑇 de forma que el estado inicial 𝑥(0) se pueda determinar a
partir de la observación de la historia 𝑦(𝑡) dado el control 𝑢(𝑡).

Para determinar la condición de Observabilidad de un sistema se

realiza un test de Observabilidad de la siguiente forma:

𝒙 = 𝑨𝒙 + 𝑩𝑢
𝑦 = 𝑪𝒙
Observabilidad
Fundamentos
Donde 𝑪 tiene dimensión 1 𝑥 𝑛 y 𝒙 es un vector de dimensión 𝑛 𝑥 1.

De manera similar a la condición de Controlabilidad, la

Observabilidad de un sistema se puede determinar, obteniendo la
matriz de Observabilidad 𝑷𝑜 siguiente:

𝑪
𝑪𝑨
𝑷𝑜 =
⋮
𝑪𝑨𝒏−𝟏

De esta manera, el sistema será completamente observable si y

solo si, la matriz de Observabilidad 𝑃𝑜 𝐴, 𝐶 tiene rango completo,
es decir, si det 𝑃𝑜 [𝐴, 𝐶] ≠ 0.
Ejemplos
Ejemplo de aplicación 1
Consideremos el sistema con las matrices 𝑨 y 𝑪 siguientes:
0 1 0
𝑨= 0 0 1 y 𝑪= 1 0 0
−𝑎0 −𝑎1 −𝑎2

Así, tenemos:
𝑪𝑨 = 0 1 0 y 𝑪𝑨2 = 0 0 1

Finalmente:
1 0 0
𝑷𝑜 = 0 1 0
0 0 1

De esta forma, dado que el det 𝑷𝑜 = 1 entonces el sistema es

completamente observable. Nótese que la determinación de la
Observabilidad no utiliza las matrices 𝑩 y 𝑫.
Ejemplos
Ejemplo de aplicación 2
Para el sistema siguiente:
2 0 1
𝒙= 𝒙+ 𝑢 e 𝑦= 1 1𝒙
−1 1 −1

Comprobemos la Controlabilidad y la Observabilidad. Así, para la

condición de Controlabilidad se tiene:
1 2
𝑩= y 𝑨𝑩 =
−1 −2

Por lo tanto, la matriz de Controlabilidad es:

1 2
𝑷𝑐 =
−1 −2

De esta forma, dado que el det 𝑷𝑐 = 0 entonces el sistema no es

controlable. Ahora, estudiaremos la condición de Observabilidad.
Ejemplos
Ejemplo de aplicación 2
Entonces, para la condición de Observabilidad se tiene:

𝑪= 1 1 y 𝑪𝑨 = 1 1

Por lo tanto, la matriz de Observabilidad es:

1 1
𝑷𝑜 =
1 1

De esta forma, dado que el det 𝑷𝑜 = 0 entonces el sistema no es

observable. Si miramos el modelo de estados nos damos cuenta de:
𝑦 = 𝑥1 + 𝑥2

Sin embargo:
𝑥1 + 𝑥2 = 2𝑥1 + 𝑥2 − 𝑥1 + 𝑢 − 𝑢 = 𝑥1 + 𝑥2
Ejemplos
Ejemplo de aplicación 2
Por lo tanto, las variables del sistema no dependen de 𝑢, por lo que
el sistema no es controlable.
Así mismo, la salida (𝑥1 + 𝑥2 ) depende de 𝑥1 (0) más 𝑥2 (0) y no se
pueden determinar ambas condiciones iniciales de forma
independiente, por lo que el sistema no es observable.
Diseño por realimentación del
vector de estados
Diseño por realimentación de estados
Tipos de Control
Si recordamos, el modelo genérico de control por realimentación
completa de los estados tiene la forma siguiente:

𝑢(𝑡) Modelo del sistema

𝑟(𝑡) ++ 𝑪 𝑦(𝑡)
𝒙 = 𝑨𝒙 + 𝑩𝒖
𝒙(𝑡)
Ley de control

−𝑲
Realimentación de
estados completa

El primer paso en el proceso de diseño en variables de estado

requiere que se suponga que todos los estados están disponibles
para la realimentación. Es decir, que se tiene acceso al estado
completo 𝑥(𝑡) para todo 𝑡.
Diseño por realimentación de estados
Tipos de Control
En general, existen dos tipos situaciones o problemas de control que
podemos resolver, estas son: el problema de regulación y el
problema de seguimiento a referencia. En general, la señal de
control 𝑢(𝑡) del sistema estará dada por:
𝑢 𝑡 = −𝑲𝒙 𝑡 + 𝑟(𝑡) 𝑟(𝑡): Entrada de referencia

Así, el objetivo del proceso de diseño mediante la realimentación del

vector de estado completo es determinar la matriz de ganancia 𝑲.
Cuando 𝑟 𝑡 = 0 para todo 𝑡 > 𝑡0 , el problema de diseño de control
se denomina problema regulador. Es decir, se desea calcular 𝑲 de
manera que todas las condiciones iniciales sean forzadas a cero de
un modo determinado (según especificaciones de desempeño).
A continuación, estudiamos el problema de diseño del sistema
regulador de estados.
Diseño por realimentación de estados
Diseño de sistema regulador
La figura siguiente ilustra el problema regulador. En él, se busca
calcular la matriz de ganancias 𝑲 tal que 𝑢 = −𝑲𝒙.
Modelo del sistema
𝑪 𝑦(𝑡)
𝒙 = 𝑨𝒙 + 𝑩𝒖
𝑢(𝑡) 𝒙(𝑡)
Ley de control

−𝑲
Realimentación de
estados completa

El diseño de controladores mediante realimentación de estados

normalmente se basa en técnicas de asignación de polos. De esta
manera, se debe determinar el sistema de lazo cerrado:

𝒙 = 𝑨𝒙 + 𝑩𝑢 = 𝑨𝒙 − 𝑩𝑲𝒙 = 𝑨 − 𝑩𝑲 𝒙
Diseño por realimentación de estados
Diseño de sistema regulador
Como ya se ha visto, la ecuación característica asociada al sistema de
lazo cerrado anterior es:
det 𝜆𝑰 − 𝑨 − 𝑩𝑲 =0

Si todas las raíces de la ecuación característica se encuentran en el

semiplano izquierdo, entonces el sistema es estable. O lo que es lo
mismo, para cualquier condición inicial 𝒙(𝑡0 ) se tiene que:
𝑨−𝑩𝑲 𝑡
𝒙 𝑡 =𝑒 𝒙 𝑡0 → 0 𝑐𝑢𝑎𝑛𝑑𝑜 𝑡 → ∞
Así, dado el par (𝑨, 𝑩), siempre se puede determinar 𝑲 para situar los
polos del sistema en lazo cerrado en el semiplano izquierdo si y sólo
si el sistema es completamente controlable.
En definitiva, se buscará que las raíces de la ecuación característica
se sitúen de manera tal que el comportamiento transitorio obtenga la
respuesta deseada.
Diseño por realimentación de estados
Ejemplo de aplicación
Si consideramos el sistema de tercer orden siguiente:
𝑑3𝑦 𝑑2𝑦 𝑑𝑦
+ 5 2 +3 + 2𝑦 = 𝑢
𝑑𝑡 3 𝑑𝑡 𝑑𝑡

Podemos obtener una representación en variables de estado como

la forma canónica de variable de fase, entonces:

0 1 0 0
𝒙= 0 0 1 𝒙+ 0 𝑢
−2 −3 −5 1

𝑦= 1 0 0𝒙

La matriz de realimentación en variables de estado es:

𝑲 = 𝑘1 𝑘2 𝑘3
Diseño por realimentación de estados
Ejemplo de aplicación
Entonces, si 𝑢 = −𝑲𝒙, se tiene que:
𝒙 = 𝑨𝒙 − 𝑩𝑲𝒙 = 𝑨 − 𝑩𝑲 𝒙

Por lo que la matriz de realimentación de estados es:

0 1 0
𝑨 − 𝑩𝑲 = 0 0 1
(−2 − 𝑘1 ) (−3 − 𝑘2 ) (−5 − 𝑘3 )

Y así, la ecuación característica es:

Δ(𝜆) = det 𝜆𝑰 − 𝑨 − 𝑩𝑲 = 𝜆3 + 5 + 𝑘3 𝜆2 + 3 + 𝑘2 𝜆 + 2 + 𝑘1 = 0

Como la ecuación característica es de tercer orden, podría esta

tener la forma siguiente:
Δ(𝜆) = (𝜆2 + 2𝜉𝜔𝑛 𝜆 + 𝜔𝑛2 )(𝜆 + 𝜉𝜔𝑛 )
Diseño por realimentación de estados
Ejemplo de aplicación
Con 𝜉 = 0.8 y 𝑡𝑠(2%) = 1 [𝑠𝑒𝑔], se puede obtener una respuesta
rápida y con sobreelongación mínima. Entonces:
𝜆2 + 9.6𝜆 + 36 𝜆 + 4.8 = 𝜆3 + 14.4𝜆2 + 82.1𝜆 + 172.8

Finalmente, igualando coeficientes con la ec. característica de lazo:

5 + 𝑘3 = 14.4
3 + 𝑘2 = 82.1
2 + 𝑘1 = 172.8

Por lo tanto, la matriz de realimentación de estados que se obtiene

es 𝐾 = 170.8 79.1 9.4 . Con esta matriz de ganancias, la
respuesta al escalón no tiene prácticamente sobreelongación y el
tiempo de asentamiento será de 1 [𝑠𝑒𝑔].
Diseño por realimentación de estados
Fórmula de Ackermann
Para un sistema de una entrada y una salida, la fórmula de
Ackermann es útil para determinar la matriz de realimentación de
estados. Dada la ecuación característica deseada:
𝑞(𝜆) = 𝜆𝑛 + 𝛼1 𝜆𝑛−1 + ⋯ + 𝛼𝑛

Entonces, la matriz de realimentación es:

𝑲 = [0 0 ⋯ 1]𝑷−1
𝑐 𝑞(𝑨)

Donde:
𝑞 𝐴 = 𝐴𝑛 + 𝛼1 𝐴𝑛−1 + ⋯ + 𝛼𝑛−1 𝑨 + 𝛼𝑛 𝑰

y 𝑷𝑐 es la matriz de Controlabilidad del sistema.

Diseño por realimentación de estados
Ejemplo de aplicación
Para el sistema de segundo orden siguiente:
𝑌(𝑠) 1
=𝐺 𝑠 = 2
𝑈(𝑠) 𝑠

Se calculará las ganancias de realimentación para situar los polos

de lazo cerrado en 𝑠 = −1 ± 𝑗. Por tanto, se requiere:
𝑞 𝜆 = 𝜆2 + 2𝜆 + 2
De esta manera: 𝛼1 = 𝛼2 = 2. Ahora, si hacemos 𝑥1 = 𝑦 y 𝑥2 = 𝑦,
entonces la ecuación matricial de estados es:
0 1 0
𝒙= 𝒙+ 𝑢
0 0 1

0 1
La matriz de Controlabilidad es: 𝑷𝑐 = 𝑩 𝑨𝑩 =
1 0
Diseño por realimentación de estados
Ejemplo de aplicación
Por lo tanto, la matriz de ganancias sería:
−1
0 1
𝑲= 0 1 𝑞(𝑨)
1 0

Y por otro lado:

2
0 1 0 1 1 0 2 2
𝑞 𝐴 = +2 +2 =
0 0 0 0 0 1 0 2

Por lo que finalmente se tiene:

0 1 2 2
𝑲= 0 1 = 2 2
1 0 0 2
Cierre de la unidad
 Trabajando …….