Professional Documents
Culture Documents
ANLISIS Y CONTROL DE
SISTEMAS USANDO MATLAB
Contenido
1 ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
1.1
n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Introduccio
1.2
1.2.1
Dominio Temporal . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2
Dominio Frecuencial . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.3
1.2.4
10
12
1.3.1
12
1.3.2
15
1.3.3
An
alisis del efecto de un cero en la respuesta temporal de un sistema
de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
26
28
n en el espacio de estados . . . .
Tratamiento mediante descripcio
30
1.3
1.3.4
1.4
1.5
CONTENIDO
2
1.5.1
Dise
no de reguladores en el espacio de estados
. . . . . . . . . . . . .
32
1.6
n mediante objetos . . . . . . . . . . . . . . . . . . . . . . .
Manipulacio
33
1.7
36
Captulo 1
ANALISIS
Y CONTROL DE
SISTEMAS USANDO MATLAB
1.1
n
Introduccio
1.2
Este apartado muestra el uso de algunas de las herramientas con las que cuenta matlab para
el dise
no y an
alisis de sistemas de control. Para el ejemplo se va a partir de una descripcion
de la planta en forma de funci
on de transferencia:
H(s) =
.2s2 + .3s + 1
(s2 + .4s + 1)(s + .5)
den = conv(den1,den2)
K (1
(1
s
s
c1 ) (1 c2 )
s
s
s
z1 ) (1 z2 ) (1 z3 )
Como curiosidad, cabe mencionar que el nombre de estas funciones es bastante descriptivo:
tf-two-zp procede de transfer-function to zero-pole form.
1.2.1
Dominio Temporal
t = [0:.3:15];
y = step(num,den,t);
plot (t,y);
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
La respuesta al escalon unitario puede verse en la Fig. 1.1. Seleccionando con el rat
on en la
curva, pueden modificarse algunos atributos de la misma. Tambien pueden modificarse las
propiedades de los ejes de forma analoga. Las figuras guardarse en ficheros .fig propios de
matlab, o exportarse en diferentes formatos gr
aficos estandar.
Respuesta a un escaln unitario
2.5
1.5
0.5
0
0
10
15
tiempo(seg)
impulse (num,den,t);
10
15
tiempo(seg)
25
20
15
10
0
0
10
15
tiempo(seg)
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
y = lsim (num,den,noise,t);
plot (t,y,t,noise);
title (Respuesta a un ruido aleatorio);
xlabel (tiempo(seg));
1.2
0.8
0.6
0.4
0.2
0
0
10
15
tiempo(seg)
1.2.2
Dominio Frecuencial
Respuesta en frecuencia
La respuesta en frecuencia de los sistemas se puede obtener usando las funciones bode,
nyquist y nichols. Si no se le ponen argumentos a la izquierda, estas funciones generan las
gr
aficas por s solas. En caso contrario, vuelcan los datos en los vectores de salida oportunos.
A continuaci
on se presentan ejemplos de las tres posibles sintaxis de la funcion bode:
1.- bode(num,den)
2.- [mag,phase,w] = bode (num,den)
3.- [mag,phase] = bode (num,den,w)
el rat
on en un punto de la curva, podemos ver los valores correspondientes. La segunda
forma autom
aticamente genera los puntos de frecuencia en el vector w. En la tercera forma
es el usuario el que escoge los rangos de frecuencia, y resulta muy adecuado cuando se
quieren representar varias gr
aficas conjuntamente, que habr
an de compartir una misma escala
frecuencial.
El resultado de los dos u
ltimos comandos se puede representar usando funciones conocidas:
subplot(211), loglog(w,mag), title(Magnitud), xlabel(rad/s);
subplot(212), semilogx(w,phase), title(Fase), xlabel(rad/s);
El resultado para la funci
on de transferencia del ejemplo anterior puede verse en la Fig.
1.5. Cabe comentar que el comando subplot(n,m,i) permite dividir una ventana gr
afica
en una matriz de n m sub-gr
aficas, seleccionando como activa la n
umero i (numeradas
consecutivamente de izquierda a derecha y de arriba abajo).
Modulo
10
10
10
10
10
10
Rad/s
Fase
10
100
200 1
10
10
Rad/s
10
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
Nyquist Diagrams
From: U(1)
2.5
1.5
Imaginary Axis
To: Y(1)
0.5
0.5
1.5
2.5
1.5
0.5
0.5
1.5
Real Axis
0.25 db
0.5 db
20
1 db
1 db
3 db
10
3 db
6 db
6 db
10
12 db
20
20 db
30
40
360
270
180
fase del bucle abierto (grados)
90
40 db
0
M
argenes de estabilidad
Como es bien sabido en la teora cl
asica del control, los m
argenes de estabilidad son el margen
de fase y el margen de ganancia. Estos m
argenes se calculan usando el comando margin.
margin (num,den);
Gain dB
50
50 2
10
10
10
10
Frequency (rad/sec)
0
Phase deg
90
180
270
360 2
10
10
10
10
Frequency (rad/sec)
Figura 1.8: M
argenes de fase y ganancia
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
1.2.3
Existen una serie de comandos relacionados con las operaciones tpicas en diagramas de
bloques:
[N12,D12] = series (N1,D1,N2,D2): Devuelve la resultante de colocar en serie dos
funciones de transferencia (Fig. 1.9). El mismo resultado podra obtenerse llamando
dos veces al comando conv, que recuerdese permita multiplicar dos polinomios.
u1
y1
u2
y2
s1
s2
u1
S1
y1
u2
y2
S2
10
y
S1
S2
1.2.4
El an
alisis mediante el lugar de las races se puede obtener definiendo un vector de ganancias
deseadas (que es el parametro usado habitualmente para ver la evoluci
on de los polos en bucle
cerrado). La sintaxis es:
r = rlocus (N,D,K);
rlocus (N,D);
(s)
En la primera forma, calcula el lugar de las races de 1 + K N
D(s) = 0, para un vector de ganancias especificado, K. rlocus devuelve una matriz r con length(K) filas y length(den)
columnas, conteniendo la localizaci
on de las races complejas. Cada fila de la matriz corresponde a una ganancia del vector K. El lugar de las races puede ser dibujado con
plot(r,x).
Antes de introducir dicho comando es necesario haber dibujado el lugar de las races. Al
introducir rlocfind, se pide que se seleccione con el raton un punto determinado del lugar,
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
11
Eje imaginario
4
4
0
Eje real
N = 1;
D = [1 3 2 0];
rlocus(N,D);
sgrid ([0.5:0.1:0.7],0.5);
axis([-2.5,1,-3,3]);
12
Imag Axis
3
2.5
1.5
0.5
Real Axis
0.5
1.3
1.3.1
K
1 + s
que en notaci
on matlab se introduce:
K =
tau
num
den
1;
= 1;
= K;
= [tau 1];
La respuesta a un escal
on unitario de entrada se obtiene con la funci
on step. El resultado
puede verse en la Fig. 1.14
t = [0:0.1:10];
ye = step(num,den,t);
plot(t,ye);
title (Respuesta a un escalon unitario);
xlabel (tiempo(seg));
grid;
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
13
5
6
tiempo(seg)
10
14
5
6
tiempo(seg)
10
yi = impulse (num,den,t);
plot (t,yi);
title (Respuesta a un impulso);
xlabel (tiempo(seg));
Respuesta a un impulso
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
5
6
tiempo(seg)
10
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
15
ye2 = 1 - exp(-t/tau);
yr2 = t - tau + tau * exp(-t/tau);
yi2 = (1/tau) * exp(-t/tau);
plot (t,ye,t,ye2,o);
title(Respuesta teorica a escalon unitario);
grid;
pause;
plot (t,yr,t,ramp,t,yr2,o);
title(Respuesta teorica a rampa unitaria);
grid;
pause;
plot (t,yi,t,yi2,o);
title (Respuesta teorica a impulso);
grid;
1.3.2
Del polinomio caracterstico se tiene que las dos races son s1,2 = wn wn 2 1, pudiendo
distinguirse los siguientes casos:
Caso 1: Si > 1 2 races reales distintas en SPI (sobreamortiguado).
16
10
10
10
Figura 1.17: Respuesta a escalon, rampa e impulso del sistema de primer orden
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
17
t = [0:0.2:20];
wn = 1;
d = 2;
num = [wn^2];
den = [1,2*d*wn,wn^2];
ye = step (num,den,t);
plot (t,ye);
title (Respuesta a un escalon unitario);
xlabel (tiempo(seg));
grid;
10
12
tiempo(seg)
14
16
18
20
Figura 1.18: Respuesta a escalon del sistema de segundo orden con dos races reales distintas
Segundo caso: 2 races reales iguales (crticamente amortiguado) (Fig. 1.19). El
sistema, en este caso el lo mas rapido posible, antes de hacerse subamortiguado.
18
10
12
tiempo(seg)
14
16
18
20
Figura 1.19: Respuesta a escalon de un sistema segundo orden con dos races reales iguales
Cuarto caso: Sistema en punto crtico de oscilaci
on (Fig. 1.20).
d = 0;
den = [1,2*d*wn,wn^2];
ye = step (num,den,t);
plot (t,ye);
title (Respuesta a un escalon unitario);
xlabel (tiempo(seg));
grid;
d = -0.1;
den = [1,2*d*wn,wn^2];
ye = step (num,den,t);
plot(t,ye);
title (Respuesta a un escalon unitario);
xlabel (tiempo(seg));
grid;
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
19
10
12
tiempo(seg)
14
16
18
20
6
0
10
12
tiempo(seg)
14
16
18
20
20
d = 0.5;
den = [1,2*d*wn,wn^2];
ye = step (num,den,t);
plot (t,ye);
title (Respuesta a un escalon unitario);
xlabel (tiempo(seg));
grid;
Respuesta a un escaln unitario
1.2
0.8
0.6
0.4
0.2
0
0
10
12
tiempo(seg)
14
16
18
20
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
21
1.6
1.4
1.2
0.8
0.6
0.4
0.2
10
tiempo(seg)
12
14
16
18
20
con : = arctg
(1 2 )
e(wn t)
1
(1 2 )
ev1 = 1 + ((exp(-d*wn*t)/(sqrt(1-d^2))));
ev2 = 1 - ((exp(-d*wn*t)/(sqrt(1-d^2))));
plot (t,ye,t,ev1,t,ev2);
title (Respuesta de sist. segundo orden)
xlabel (tiempo (s));
ylabel (salida);
grid;
Los par
ametros caractersticos del transitorio vienen dados por:
Tiempo de pico: tp =
wd
wn
(1 2 )
22
1.8
1.6
1.4
salida
1.2
0.8
0.6
0.4
0.2
10
tiempo (s)
12
14
16
18
20
wd
Sobreoscilaci
on (%): S0 = e
(1 2 )
Estos valores se pueden calcular analticamente y compararlos con los obtenidos directamente
de la gr
afica o analizando el vector de resultados.
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
23
1.3.3
An
alisis del efecto de un cero en la respuesta temporal de un sistema
de segundo orden
K wzn (s + z)
G(s) = 2
s + 2wn s + wn2
Seg
un la posici
on de los polos y los ceros se tendran comportamientos diferentes.
Si el valor absoluto del cero es mucho mayor que el valor absoluto de la parte real de los
polos, apenas vara la forma de la respuesta tpica (polos dominantes). Ver Fig. 1.25.
t = [0:0.2:20];
K = 1;
wn = 1;
d = 0.5;
c = 10;
% Numeradores sin cero y con cero:
num = K * wn^2;
num2 = K * (wn^2/c) * [1 c];
den = [1 2*d*wn wn^2];
% Comparamos la salida con la correspondiente al mismo sistema sin cero:
y = step (num,den,t);
y2 = step (num2,den,t);
plot (t,y2,t,y,o);
title (Influencia de un cero lejos del eje imaginario);
polos = roots(den);
disp Magnitud de la parte real polos:;
abs(real(polos(1)))
24
0.8
0.6
0.4
0.2
0
0
10
12
14
16
18
20
t = [0:0.2:20];
K=1; wn=1; d=2; c=0.5;
num = K*wn^2;
num2 = K*(wn^2/c)*[1 c];
den = [1 2*d*wn wn^2];
y = step (num,den,t);
y2 = step (num2,den,t);
plot (t,y2,t,y,o);
title(Influencia del cero entre polos reales);
disp Magnitud de los polos:;
abs(roots(den))
Si el cero esta mas cerca del eje imaginario que los polos reales, aumenta la rapidez de la
respuesta (Fig. 1.27), pudiendo la salida rebasar ampliamente su valor de regimen permanente. Como el efecto derivativo es muy grande, aunque el sistema sin el cero no sobrepasara
el valor de regimen permanente, el efecto del cero hace que s sobrepase dicho valor.
t = [0:0.2:20];
K=1; wn=1; d=2; c=0.05;
num = K*wn^2;
num2 = K*(wn^2/c)*[1 c];
den = [1 2*d*wn wn^2];
y
= step (num,den,t);
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
25
10
12
14
16
18
20
10
12
14
16
18
20
t = [0:0.2:20];
26
0.8
0.6
0.4
0.2
0.2
0.4
0
10
12
14
16
18
20
1.3.4
Al regimen transitorio afectan fundamentalmente los polos y ceros cercanos al eje imaginario.
El efecto de un cero adicional se ha visto anteriormente. Analizamos ahora el de un polo
adicional. Supongamos la funci
on de transferencia siguiente:
G(s) =
p K wn2
(s2 + 2wn s + wn2 )(s + p)
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
27
t = [0:0.2:20];
K=1; wn=1; d=0.5; p=10;
num = K*wn^2;
num2 = wn^2*K*p;
den = [1 2*d*wn wn^2];
den2 = conv (den,[1 p]);
y = step (num,den,t);
y2 = step (num2,den2,t);
plot (t,y2,t,y,o);
title (Influencia de un polo lejano);
disp Situacion de los polos:;
roots(den2)
0.8
0.6
0.4
0.2
0
0
10
12
14
16
18
20
t = [0:0.2:20];
K=1; wn=1; d=0.5; p=0.2;
num = K*wn^2;
num2 = wn^2*K*p;
den = [1 2*d*wn wn^2];
den2 = conv (den,[1 p]);
y = step (num,den,t);
y2 = step (num2,den2,t);
plot (t,y2,t,y,o);
title (Influencia de un polo lejano);
disp Situacion de los polos:;
roots(den2)
28
0.8
0.6
0.4
0.2
0
0
10
12
14
16
18
20
1.4
Se incluyen en esta seccion algunas aclaraciones sobre comandos para tiempo discreto, cuya
sintaxis suele ser similar, en su caso, a su equivalente continuo, a
nadiendo una d delante. Se
van a exponer s
olo unas pocas, dejando al lector el an
alisis por su cuenta del resto.
[Nz,Dz] = c2dm (N,D,Ts,metodo): Discretizacion de un modelo en tiempo continuo, cuya funci
on de transferencia viene dada por los polinomios numerador y denominador. Como tercer par
ametro se especifica el periodo de muestreo. El u
ltimo
par
ametro proporciona una cadena de caracteres que indica el metodo con el que se va
a hacer la discretizacion, las posibilidades son:
zoh: Discretizacion utilizando mantenedor de orden cero (ZOH). Es la opci
on
por defecto.
foh: Discretizacion utilizando mantenedor de orden uno (FOH).
tustin: Discretizacion mediante aproximaci
on trapezoidal.
prewarp: Discretizacion trapezoidal con prewarping.
matched: Discretizacion mediante emparejamiento de polos y ceros (ver [1], pag.
147).
Se echa de menos en esta funcion la posibilidad de usar otros metodos de discretizacion
como son el rectangular hacia delante o hacia atr
as. Tambien da numerosos problemas
cuando se intenta discretizar una funci
on no propia (como pueda ser la funci
on de
transferencia de un controlador PID). No es el u
nico comando de matlab que tiene
esta limitacion.
[N,D] = d2cm(Nz,Dz,Ts,metodo): Se trata de la funci
on contraria a la anterior.
Transforma un sistema discreto en uno continuo, mediante alguno de los metodos citados.
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
29
1.5
1.5
Salida
2.5
Salida
2.5
0.5
0.5
10
15
20
Periodo de muestreo
25
30
35
10
15
20
Periodo de muestreo
25
30
35
30
n en el espacio de estados
Tratamiento mediante descripcio
[mag,phase] = dbode(Nz,Dz,Ts,w): Calcula el diagrama de bode de un sistema en
tiempo discreto. Siendo w un vector con las frecuencias donde queremos que se eval
uen
magnitud y fase de la funci
on de transferencia.
Existen tambien los correspondientes dnyquist y dnichols.
El lugar de las races se calcula igual que en dominio s, usando rlocus. Sin embargo,
se usa una rejilla distinta para que la representaci
on tenga en cuenta el crculo de radio
unidad. Por ejemplo, para el sistema discretizado anterior, si hacemos:
rlocus (Nz,Dz);
zgrid;
podremos obtener analizar el lugar de las races en relacion con los lugares geometricos
de constante y wn Ts constante, en el plano z (Fig. 1.32).
1.5
Imag Axis
0.5
0.5
1.5
2
1.5
0.5
Real Axis
0.5
Figura 1.32: Lugar de las races del sistema discreto, mostrando rejilla plano Z
1.5
Se va a utilizar para el an
alisis la misma funci
on de transferencia que ya apareci
o anteriormente:
0.2s2 + 0.3s + 1
H(s) = 2
(s + 0.4s + 1)(s + 0.5)
El sistema se puede representar en el espacio de estados
x = Ax + Bu
y = Cx + Du
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
31
= tf2ss(num,den)
= zp2ss(z,p,k)
= ss2tf(A,B,C,D)
ss2zp(A,B,C,D)
Paso
Paso
Paso
Paso
de
de
de
de
funci
on de transferencia a espacio de estados
descripcion polo-cero a espacio de estados
espacio de estados a funcion de transferencia
espacio de estados a descripcion polo-cero
step (A,B,C,D,1,t);
impulse (A,B,C,D,1,t);
[Abc,Bbc,Cbc,Dbc] = cloop (A,B,C,D,-1);
[A12,B12,C12,D12] = series (A1,B1,C1,D1,A2,B2,C2,D2);
[Ad,Bd] = c2dm (A,B,Ts,metodo)};
y muchas otras.
Como es bien sabido, una propiedad fundamental de los sistemas es el concepto de estabilidad.
Si se considera la ecuaci
on no forzada x = Ax, x(0) = x0 , se dice que el sistema es
asint
oticamente estable si el estado alcanza el valor cero asintoticamente con el tiempo, es
decir, x(t) 0 con t . Se puede demostrar que esto ocurre cuando los autovalores
de la matriz A tienen partes reales negativas. Por tanto, se puede analizar la estabilidad
encontrando los autovalores de la matriz A, usando el comando:
32
n en el espacio de estados
Tratamiento mediante descripcio
1.5.1
Dise
no de reguladores en el espacio de estados
Se analizan en esta seccion una serie de comandos de matlab de gran utilidad para el dise
no
y simulaci
on de esquemas de control por realimentacion lineal del vector de estados:
Ejemplo de dise
no: Mostramos a continuaci
on un breve ejemplo de un dise
no de un controlador por realimentaci
on lineal del vector de estados con un observador de orden completo:
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
33
Salida y estados
3
tiempo (s)
1.6
n mediante objetos
Manipulacio
En las nuevas versiones del paquete de control (en consonancia con la nueva filosofa de matlab), se ofrece la posibilidad de manipular los sistemas mediante unas estructuras de datos
especficas para modelos de sistemas lineales. Estos objetos haran m
as facil la manipulaci
on de los sistemas, pudiendo ser tratados de forma mas abstracta, independientemente
de que vinieran descritos mediante funciones de transferencia, conjuntos de polos y ceros o
matrices correspondientes a una descripci
on en espacio de estados.
34
n mediante objetos
Manipulacio
Para empezar, veamos justamente las tres formas de crear un objeto de tipo sistema, en
funci
on de como proporcionemos la descripci
on de dicho sistema:
sys = tf(num,den)
sys = zpk(ceros,polos,k)
sys = ss(A,B,C,D)
Como vemos, al pedirle el valor de sys1 nos lo da de una forma monoltica, que har
a muy
comoda su manipulaci
on. Por ejemplo, podramos sumar o poner en serie ambos sistemas
sin mas que:
sys1+sys2
Transfer function:
s^3 + 5 s^2 + 7 s + 3
--------------------s^2 + 3 s + 1
sys12 = sys1*sys2
Transfer function:
s + 2
------------s^2 + 3 s + 1
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
35
get(sys1)
num:
den:
Variable:
Ts:
InputDelay:
OutputDelay:
ioDelayMatrix:
InputName:
OutputName:
InputGroup:
OutputGroup:
Notes:
UserData:
{[0 0 1]}
{[1 3 1]}
s
0
0
0
0
{}
{}
{0x2 cell}
{0x2 cell}
{}
[]
sys1.Ts = 1;
sys1.num{1} = [0 0 2];
sys1
Transfer function:
2
------------z^2 + 3 z + 1
el nuevo sistema es discreto, con periodo de muestreo Ts = 1 y con un polinomio ganancia
2 en el numerador (no confundir esta manipulaci
on con una discretizacion, en este caso el
sistema continuo original y el discreto no tienen porque guardar ninguna relaci
on).
Estos objetos tambien estan pensados para poder manipular c
omodamente sistemas de m
ultiples
entradas y m
ultiples salidas. De hecho, podramos haber creado un sistema de la siguiente
forma:
num1 = 0.5;
num2 = [1 1];
den1 = [1 2 1]; den2 = [1 0];
sys = tf ({num1,num2},{den1,den2})
Transfer function from input 1 to output:
0.5
------------s^2 + 2 s + 1
36
1.7
append
blkbuild
cloop
connect
feedback
ord2
pade
parallel
series
n de modelos
Construccio
Agrupa din
amica de varios sistemas
Construye un sistema en representacion en espacio
de estados a partir del diagrama de bloques
Calcula el bucle cerrado de un sistema
Modelado con diagrama de bloques
Conexi
on de sistemas realimentados
Genera las matrices A, B, C y D para un
sistema de segundo orden
Aproximaci
on de Pade a un retardo
Conexi
on de sistemas en paralelo
Conexi
on de sistemas en serie
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
c2d
c2dm
c2dt
d2c
d2cm
ss2tf
ss2zp
tf2ss
tf2zp
zp2tf
zp2ss
n de modelos
Conversio
Conversi
on de sistema continuo a tiempo discreto
Conversi
on de sistema continuo a tiempo discreto
por varios metodos
Conversi
on de sistema continuo a discreto con retardo
Conversi
on de sistema en tiempo discreto a continuo
Conversi
on de sistema en tiempo discreto a continuo
Paso de representacion en espacio de estados a
funci
on de transferencia
Conversi
on de espacio de estados a representacion polo-cero
Paso de representacion externa (funci
on de transferencia)
a interna (espacio de estados)
Conversi
on de funci
on de transferencia a representacion
polo-cero
Paso de representacion polo-cero a funci
on de transferencia
Paso de representacion polo-cero a espacio de estados
minreal
modred
canon
ctrbf
obsvf
ctrb
damp
dcgain
ddamp
ddcgain
eig
esort
obsv
roots
n de modelos
Reduccio
Realizacion mnima y cancelacion polo-cero
Reduccion del orden del modelo
n de modelos
Realizacio
Conversi
on de un sistema a forma can
onica
Matriz de controlabilidad en escalera
Matriz de observabilidad en escalera
are
dlyap
lyap
n de ecuaciones
Solucio
Soluci
on algebraica de la ecuaci
on de Riccati
Soluci
on de la ecuaci
on de Lyapunov discreta
Soluci
on de la ecuaci
on de Lyapunov continua
37
38
dimpulse
dinitial
dlsim
dstep
filter
impulse
initial
lsim
step
Respuesta temporal
Respuesta a impulso unitario en tiempo discreto
Condiciones iniciales para la respuesta en tiempo discreto
Simulaci
on para entradas arbitrarias en tiempo discreto
Respuesta a escalon unitario en tiempo discreto
Simulaci
on de un sistema SISO en tiempo discreto
Respuesta impulsional continua
Condiciones iniciales para la respuesta temporal
Simulaci
on continua para entradas arbitrarias
Respuesta continua a escalon unitario
bode
dbode
dnichols
dnyquist
freqs
freqz
margin
nichols
ngrid
nyquist
pzmap
rlocfind
rlocus
sgrid
zgrid
Respuesta frecuencial
Diagrama de Bode
Diagrama de Bode para tiempo discreto
Abaco
de Nichols para tiempo discreto
Diagrama de Nyquist para tiempo discreto
Transformada de Laplace
Transformada Z
M
argenes de fase y ganancia
Abaco
de Nichols
Lneas de relleno para el abaco de Nichols
Diagrama de Nyquist
ANALISIS
Y CONTROL DE SISTEMAS USANDO MATLAB
acker
dlqe
dlqew
dlqr
dlqry
lqe
lqed
lqew
lqr
lqrd
lqry
place
abcdchk
dfrqint
dfrqint2
freqint
freqint2
39
n de la ganancia
Seleccio
Situaci
on de los polos del bucle cerrado
en sistemas SISO
Dise
no de un estimador lineal-cuadr
atico
para tiempo discreto
Dise
no de un estimador general lineal-cuadr
atico
para tiempo discreto
Dise
no de un regulador lineal-cuadr
atico para
tiempo discreto
Dise
no de un regulador lineal-cuadr
atico para
tiempo discreto con pesos en las salidas
Estimador lineal-cuadr
atico
Dise
no de un estimador para tiempo discreto partiendo
de una funci
on de coste continua
Estimador lineal-cuadr
atico general
Regulador lineal-cuadr
atico
Dise
no de un regulador en tiempo discreto a partir de
una funci
on de coste continua
Regulador con pesos en las salidas
Situaci
on de los polos dominantes
Utilidades
Analiza la consistencia del grupo (A, B, C, D)
Selector autom
atico de rango para diagramas de
en tiempo discreto
Selector autom
atico de rango para diagramas de
en tiempo discreto
Selector autom
atico de rango para diagramas de
Selector autom
atico de rango para diagramas de
Bode
Nyquist
Bode
Nyquist
40
Bibliografa
[1] G.F. Franklin and J.D. Powell. Digital Control of Dynamic Systems. Addison-Wesley,
1980.
41