Reconstruccin de

Variables de Estado
para sistemas discretos
en el tiempo

1. Introduccin:

Existen situaciones prcticas donde solo algunas de las variables de estado de un sistema
dinmico pueden medirse directamente.

Consideremos el sistema caracterizado por las ecuaciones:

) ( ) (
) ( ) ( ) 1 (
t x t y
t u t x t x
u
o |
=
+ = +
(1)
donde:
x(t): vector de estado n-dim
u(t): vector de control p-dim
y(t) vector de medicin r-dim
| es nxn; o es nxr; u es pxn

Si el sistema es Completamente Observable, el vector de estado X puede ser reconstruido
en a lo mas n observaciones de la seal de salida y(t).
Sin embargo, si el sistema es de parmetros conocidos, como aqu se supone, el sistema
tambin puede ser reconstruido desde un modelo del sistema.

En efecto, el siguiente modelo:
) ( ) (
) ( ) ( ) 1 (
t x t y
t u t x t x
.
. .
=
+ = +
u
o |
(2)
Con la misma condicin inicial y la misma entrada tendr el mismo estado que el sistema.

Si se define el error de estado por: ) ( ) ( ) ( t x t x t x
. ~
= , (3)
se obtiene
~ ~
= + x t x | ) 1 ( , con la condicin inicial ) 0 ( ) 0 ( ) 0 (
. ~
= x x x .

Si 0 ) 0 ( =
~
x , todava se cumple que
~
t si t x , 0 ) ( ,, para sistemas asintticamente
estables.
Dado que el modelo (2) no usa la comparacin de la medicin ambas salidas, parece
razonable aprovechar adecuadamente esta condicin para acelerar la convergencia. As se
plantea el siguiente esquema:
)} ( ) ( { ) ( ) ( ) 1 ( t x t y K t u t x t x
. . .
+ + = + u o | (4)

Donde K es una matriz cuyos elementos se deben elegir adecuadamente.
De la definicin de: ) ( ) ( ) ( t x t x t x
. ~
= , y de:

) ( ) ( ) 1 ( t u t x t x o | + = +
)} ( ) ( { ) ( ) ( ) 1 ( t x t y K t u t x t x
. . .
+ + = + u o |
pero como: y(t) = |x(t)

Se obtiene: )} ( ) ( { ) ( ) 1 ( t x t x K t x t x
. ~ ~
+ = + u u |
) ( } { ) 1 ( t x K t x
~ ~
= + u | (5)

para que
~
t cuando t x , 0 ) ( , basta que el sistema [|-Ku] sea asintticamente
estable. As, introduciendo una realimentacin en el modelo es posible reconstruir las
variables de estado en el caso en que el sistema por si solo sea inestable.
2.- Optimizacin Paramtrica
Se desea optimizar los parmetros dela matriz K. para hacer ms significativo el problema
supondremos un sistema no determinstico:

) ( ) ( ) ( ) 1 ( t v t u t x t x + + = + o | (6)

Donde {v(t)} es una secuencia de vector de n- dim, independientes, con esperanza cero y
matriz de covarianza R
v
conocida.

Supongamos que x(t
0
) es un vector gaussiano con esperanza m y matriz covarianza R
0

conocida. Supongamos que la medicin es inexacta:

) ( ) ( ) ( t e t x t y + =u (7)

donde e(t) es una secuencia de vectores p-dim, independientes con esperanza cero y matriz
covarianza Re. El error de medicin e(t) se considera independiente de v(t).

Los parmetros del sistema |, o, u, y R
e
, R
v
se pueden considerar dependientes del tiempo.
A continuacin se presenta el diagrama de bloques del sistema dado por (6) y (7) y un
diagrama de bloques para el reconstructor de estado:

)} ( ) ( { ) ( ) ( ) 1 ( t x t y K t u t x t x
. . .
+ + = + u o | (8)

A u o
|
y(t) u(t)
A u o
|
K
x(t+1)
x(t)
y(t)
-
-
-
+
*
+
*
+
*
x(t+1) x(t)
Objetivo:
Para un vector a constante, se desea encontrar K de tal forma que
~
T T
x a sea lo ms
pequeo posible en sentido cuadrtico medio.
Primero se evaluar la media y la covarianza del error de reconstruccin
~
x y luego se
realizar la optimizacin.

Solucin: Sea: ) ( ) ( ) ( t x t x t x
. ~
=
)} ( ) ( { ) ( ) ( ) 1 ( t x t y K t v t x t x
. ~ ~
+ + = + u |
) ( ) ( ) ( : t e t x t y pero + =u
)} ( ) ( { ) ( } { ) 1 ( t Ke t v t x K t x + = +
~ ~
u | (9)
La funcin media del error de reconstruccin:
)} ( { } { )} 1 ( { t x E K t x E
~ ~
= + u |

dado que: E{v(t)} = 0 y E{e(t)} = 0
Si la primera estimacin ) (
0
t x
.
la hacemos igual a E{x(t
0
)} :
0 ) ( { 0 } ) ( { )} ( {
0 0 0
= = = =
~ . ~
t x E m m m t x E t x E
La varianza del error de reconstruccin:

Sea:

} ) ( ) ( { ) (
} ) ( ) ( {
} ) ( ) ( {
} ){ ( } { ) 1 (
} )) ( ) ( ))( ( ) ( {( } ){ ( } { ) 1 (
: ) 1 ( ) 9 (
)} ( ), ( cov{ ) ( :
} )}) ( { ) ( {( * )}) ( { ) ( {( ) (
0 0 0 0
T
T
e
T
v
T
e v
T
T T
T
t x t x E R t P
t e t e E R
t v t v E R
K KR R K t P K t P
t Ke t v t Ke t v E K t P K t P
t para de Luego
t x t x t P donde
t x E t x t x E t x E t P
~ ~
~ ~
~ ~ ~ ~
= =
=
=
+ + = +
+ = +
+
=
=
u | u |
u | u |
(10)

Se ha
Se ha obtenido una ecuacin para la varianza de error de reconstruccin. Ahora se
determinar la matriz de ganancia K de modo de hacer el producto escalar
~
T T
x a tan
pequeo como sea posible.
a t P a a x x E a a x x a E x a E
T
T
T
T
T T
) ( } { } { } ) {(
2
= = =
~
~
~ ~ ~ ~

De ecuacin (10):
a K T t P R K K t P t P K R t P a a t P a
a t Ke t v t Ke t v E K t P K t P a a t P a
T
e
T T T
v
T T T
T T T T
} ) ) ( ( ) ( ) ( ) ( { ) 1 ( {
} )) ( ) ( ))( ( ) ( {( } ){ ( } { ) 1 ( { ) 1 (
u u u | | u | |
u | u |
+ + + = +
+ = + = +

Haciendo uso de la igualdad algebraica:
} ) ( { } ) ( { :
} { } {
1 1 1
T T T
e
T T T T T
t P A y t P R T donde
AT K T AT K A AT KTK AK KA
| u u u = + =
+ = +


Entonces, podemos escribir:
T T
e
T T
e
T
e
T
T T
e
T
v
T
t P R t P K t P R t P R t P K
t P t P R t P R t P t P
} } ) ( }{ ) ( }{ ) ( }{ } ) ( }{ ) ( {
) ( } ) ( { ) ( ) ( ) 1 (
1 1
1

+ + + +
+ + = +
u u u | u u u u u |
| u u u u | | |
(11)
De lo anterior se puede concluir que a
T
P(t+1)a es mnimo respecto a la matriz K si el
trmino:
} } ) ( }{ ) ( {
1
+
T
e
T
t P R t P K u u u |
es cero, cualquiera sea el vector a.
La expresin:
a t P R t P K t P R t P R t P K a
T
e
T T
e
T
e
T T
} } ) ( }{ ) ( }{ ) ( }{ } ) ( }{ ) ( {
1 1
+ + + u u u | u u u u u |
es definida no-negativa porque el trmino: } ) ( {
T
e
t P R u u + es no-negativo y los dems
trminos son independientes de K en (11).

Luego, la matriz K ptima nxp es:
1
} ) ( }{ ) (

+ =
T
e
T
t P R t P K u u u | (12)
y con este valor de K se obtiene la mnima covarianza del error de reconstruccin:

T T
e
T
v
T
t P t P R t P R t P t P | u u u u | | | ) ( } ) ( { ) ( ) ( ) 1 (
1
+ + = +

Observaciones:

El K ptimo no depende de a, donde a son los pesos de las diferentes variables
de estado.
En la expresin para P(t+1), el trmino |P(t)|
T
representa la propagacin del error
de reconstruccin del instante t al t+1.
R
v
es el aporte de error debido a la perturbacin del sistema v(t).
El trmino
T T
e
T
t P t P R t P | u u u u | ) ( } ) ( { ) (
1
+ es una matriz no-negativa y representa
la disminucin del error debido a la medicin

De la relacin para K, de (11) y (12):
v T
T
v
T
R t P t K t P
t P t K R t P t P
+ = +
+ = +
| u |
| u | |
) ( } ) ( { ) 1 (
) ( ) ( ) ( ) 1 (
(13)
y

0 } ) ( ) ( ) ( ) ( { =
T T
e
t P t P t K R t K u u u | (14)
Post multiplicando (14) por K
T
y sumando cero al lado derecho de (13) se obtiene:
T
e v
T
T T T T T
e
T
v
T
t K R t K R t K t P t K t P
t K t P t K t K t P t K R t K t P t K R t P t P
) ( ) ( } ) ( ){ ( } ) ( { ) 1 (
) ( ) ( ) ( ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1 (
)
+ + = +
+ + = +
u | u |
u u u | | u | |
P(t+1) > 0 , si P(t) > 0, pero: P(t
0
) > 0 = R
0
> 0 P(t) > 0

Es fundamental que P(t) sea no-negativa para calcular la inversa:
1
} ) ( {

+
T
e
t P R u u . An as
se pueden presentar problemas de redondeo.
Teorema:

En un sistema dinmico como el anteriormente descrito, la reconstruccin del estado
por medio del algoritmo:
)} ( ) ( { ) ( ) ( ) 1 ( t x t y K t u t x t x
. . .
+ + = + u o | , es optima , en sentido cuadrtico medio,
si la matriz de ganancia:

1
} ) ( }{ ) (

+ =
T
e
T
t P R t P K u u u | , donde P(t) es la matriz de covarianza del error de
reconstruccin que se calcula como:

T
e v
T
t K R t K R t K t P t K t P ) ( ) ( } ) ( ){ ( } ) ( { ) 1 ( + + = + u | u |
con la condicin inicial P(t
0
)=R
0

Observaciones:
Para la aplicacin recursiva del algoritmo, se procede:

P(t
0
) P(t
0
+1) . P(t) P(t+1)


K(t0) K(t0+1) K(t) K(t+1)

La solucin es optima solo para la estructura del sistema dinmico y el
reconstructor de estado propuestos.
El algoritmo es vlido para sistemas variantes en el tiempo.
Lo anterior constituye el Teorema de Separacin.

En el caso de estado incompletamente especificado, se usa la estimacin del estado de la
misma forma como se usa el estado completamente conocido.

La matriz de realimentacin es la misma para el estado completamente conocido,
incompletamente conocido, con o sin perturbaciones, y no depende de las caractersticas de
las perturbaciones: Principio de Equivalencia Cierta.
UNIVERISIDAD IBEROAMERICANA
FACULTAD DE INGENIERIA
INGENIERIA CIVIL ELECTRONICA
Propiedades del sistema de lazo cerrado:

El sistema de lazo cerrado est descrito por :

) ( ) ( ) ( ) 1 ( t v t u t x t x + + = + o |
) ( ) ( ) ( t e t x t y + =u
) ( ) ( t x L t u
.
=
)} ( ) ( { ) ( ) ( ) 1 ( t x t y K t u t x t x
. . .
+ + = + u o |

El sistema de lazo cerrado es entonces de orden 2n

En funcin de ) ( ) ( ) ( t x t x t x
. ~
= , podemos escribir:
) ( ) ( ) ( } { ) 1 (
) ( ) ( ) ( } { ) 1 (
t Ke t v t x K t x
t v t x L t x L t x
+ = +
+ + = +
~ ~
~
u |
o o |


Las matrices [|-oL] y [|-Ku] caracterizan completamente el sistema.