B.

Teora de control moderno

Laboratorio 1
Diseo de controladores en tiempo continuo
Diana Catalina Beltrn Huertas, 45122950, Joan Sebastian Bonilla Guerra, 45111016
Abstract when we talk about industrial process is important El problema de control queda resuelto tras la
to take in count that they need a control of all the process, thats determinacin de las magnitudes de las acciones de control
why this is so important in the study of automatic process. In this
que deben ser consideradas con objeto de llevar al sistema
document a design of continues time controllers is worked, with
the purpose of controlling a ball and wheel system. The theory desde un estado x(t) a otro estado x(t+t1) en otro instante de
and the practice develop in the design using Matlab is presented tiempo. Se busca determinar una seal de control que
in the flowing document. minimiza una funcin en virtud de la cual se penaliza tanto el
cuadrado del estado como el cuadrado de la accin de control
Index Terms Control, design, Ball and Wheel, Matlab.
C. Control por computador
I. INTRODUCTION

L
El algoritmo de control implementado dispone de una serie de
OSprocesos industriales no son estticos, por el
variables (continuas), que procesados dan lugar a la
contrario, son muy dinmicos (2). De acuerdo a esto
generacin de una secuencia de acciones de control.
conocemos que en la industria los procesos se
encuentran en un cambio continuo y es por esto que se ve la III. CONCEPTOS
necesidad de crear un control en dichos procesos debido a las
perturbaciones que se presentan y con el fin de hacer un En este trabajo se ve necesario entender algunos conceptos los
seguimiento de los mismos. cuales se tuvieron en cuenta en el momento del desarrollo de
la prctica, estos se presentan a continuacin.

A. Condicin Lipschitz
II. EL PROBLEMA DEL CONTROL

A. Teora Clsica de control Si la funcin f (t , y) satisface la desigualdad (1),

La resolucin del problema de control consiste en la decimos que f (t , y) satisface una condicin Lipschitz y
determinacin de las entradas y de sus valores ms donde L se llama constante de Lipschitz para la funcin
apropiados, con objetivo de que el comportamiento de la f (t , y)
salida o salidas se ajusten a unas pautas prefijadas [1]
partiendo de este concepto, y teniendo en cuenta que para este
tipo de sistemas es fundamental conocer la relacin entre la (1)
entrada y salida del sistema, la calibracin correcta de los f ( t , y 1 ) f ( t , y 2) L| y 1 y 2|
instrumentos de medida, debido a que estos se convierten en
los factores que influyen de manera directa nuestro control.
f (t , y )
La condicin de Lipschitz se sigue si est
De forma clsica se pueden clasificar los sistemas de y
control en dos grupos: definida en un conjunto que pertenece a los reales y si existe
- Servosistemas (se busca que la seal de salida siga las
variaciones de la seal de referencia. Normalmente la
salida es una posicin, una velocidad o una
una constante L>0 tal que
| y |
f (t , y )
L , entonces

aceleracin) f (t , y) satisface una condicin de Lipschitz para la

- Sistemas de regulacin (se busca que la salida del variable y con constante de Lipchitz L. [2]
sistema se mantenga en un valor deseado)
B. Primer mtodo de Lyapunov
Entre los reguladores ms utilizados, se usan controles Sea el sistema descrito por:
como [1]: (2) x =f ( x ,t )
- Accin de dos posiciones o de si/no. y
- Acciones proporcional, derivativa e integral. Su
consideracin simple y combinada conlleva a los
(3) x (t 0 )=f ( x , t )
clsicos reguladores P, PD, PI y PID. Si se aplica expansin de Taylor, escribimos la ecuacin (2) y
(3) como:
~ f
( 4)x (t )= x (t )
x
Donde
 ~
(5) x (t)=x ( t )x
Y llamando, 6

IV. METODOLOGA
Para el desarrollo de la prctica, se parte de un Sistema Ball
Entonces, se tiene: 7 And Wheel el cual se pretende controlar. Para lo cual se tienen
~ ~ en cuenta el siguiente modelo dinmico no lineal:
xf (t)=J (x ) x (t)
x =f ( x )=g( x)u 8
El primer Teorema de Lyapunov dice lo siguiente [3]:
a. Si el sistema linealizado es asintticamente estable entonces
el sistema no lineal es asintticamente estable.
b. Si el sistema linealizado es inestable entonces el sistema no
[
x= 1 1 2 2 9 ]
Donde
lineal es inestable.
c. Si el sistema linealizado es estable entonces no se tiene

[ ]
informacin del sistema no lineal. x2
ax + bsin x 1
f ( x )= 4 , 10
C. Controlabilidad x4
Propiedad que indica si el comportamiento del sistema se px 4 +qsin x 1
puede controlar actuando sobre las entradas. Considere el

[]
siguiente sistema 0
x ( t )= Ax ( t )+ Bu(t ) g (x )= c 11
0
Se dice que la ecuacin de estado anterior, es controlable si r
para todo estado inicial x ( 0 )=x 0 y todo estado final
x 1 , hay una entrada que transfiere x 0 a x 1 en
tiempo finito. De lo contrario no es controlable. Se ha de
considerar la siguiente matriz de controlabilidad para calcular
si el sistema evaluado cumple con los criterios.

D. Observabilidad .
Propiedad que indica sii el comportamiento de un Sistema
puede detectarse desde sus salidas. V. RESULTADOS
y (t )=Cx (t ) + Du(t)
A. El sistema es Lipstchitz? S, no Por qu?
Se dice que la ecuacin de estado anterior, se dice observable
Partiendo de los que se observa en el apartado III.A del
si para cualquier estado inicial x ( 0 ) conocido, existe un
documento, en el cual se definen los conceptos que
tiempo finito t 1 >0 tal que el conocimiento de la entrada determinan si un sistema es Lipstchitz, podemos concluir que
u(t) y la salida y (t) sobre [ 0 ; t1 ] es suficiente nuestro sistema cumple con la condicin Lipstchitz, ya que
este es controlable en un rea acotada entre 0 y 9.032 sobre
para determinar de forma nica el estado inicial x ( 0 ) . De sigma, se realiza un anlisis de manera terica, mas no se
lo contrario no es observable. pretende realizar en anlisis matemtico del mismo debido a
que las caractersticas del sistema nos proporcionan la
En este caso la matriz de observabilidad est dada por informacin necesaria para concluir si el sistema cumple con
las caractersticas buscadas.
 B. Obtenga el espacio lineal del modelo
representado en variables de estado, calcule los
puntos de equilibrio. Obtenga las matrices del
sistema lineal y caracterice su estabilidad local.
Nota: Aplique el primer mtodo de Lyapunov.
Partiendo del primer mtodo de Lyapunov, se calculan las
derivadas parciales de las funciones del sistema con respecto a
las entradas del sistema, con fin de calcular la matriz A (ver
figura 1), la cual representa la matriz de estados (4).
Figura 1. Matriz A del Sistema, la matriz de estados.
La Matriz B est representada por g(x), siendo g(x) la matriz
de entrada (ver figura 2).
Figura 2. Matriz B, matriz de entrada.
La Matriz C y D se obtienen del enunciado del problema (ver
figura 3 y 4).
Figura 3. Matiz C del sistema
Figura 3. Matiz D del sistema
C. Determine los valores propios y vectores propios
del sistema., Qu significado tienen para el
sistema linealizado?
Los vectores y valores propios se calculan a partir de
la matriz A, por medio del comando eig de Matlab.
Los vectores propios en un sistema linealizado
representan los vectores no nulos que, cuando son
transformados por el operador, dan lugar a un
mltiplo escalar de s mismos. Dicho escalar se
conoce como el valor propio (ver figura 5). En
nuestro sistema los valores propios son los polos del
sistema representados en la matriz d y los vectores
propios mltiplos escalares de los valores propios
siendo estos los elementos fundamentales de una
linealizacin.
Figura 5
Vectores propios
Figura 6. Vectores propios del sistema
Valores propios
Figura 7. Valores propios del
sistema
D. Cmo se puede pensar en un plano de fase
para este modelo? Pista: Aplique proyecciones
en 2 dimensiones o 3 dimensiones de los campos
vectoriales manteniendo algunos valores fijos de
ser necesario.
E. Escriba la forma diagonal o de Jordan del
sistema dinmico. Qu caractersticas se
pueden analizar con la aplicacin de esta
transformacin de similaridad?
La matriz de Jordan se calcula a partir del porducto de la
inversa de la matriz de vectores propios y la matiz A (ver
ecuaci XX), este resultado se multiplica por la matriz de
vectores propios que da en su diagonal los polos del sistema,
obteniendo as la matriz de Jordan.
De esta matriz se puede inferir que esta representa una
trasformacin de la matriz A con la cual se pueden determinar
los polos del sistema si estos son reales y diferentes.
(http://webdelprofesor.ula.ve/ingenieria/djean/index_archivos/
Documentos/TC8_Controlabilidad_Observabilidad.pdf)
 G. Disee un controlador con diferentes tcnicas:
una en espacio de estados, otra en el dominio de
frecuencia compleja (s) y otra en la frecuencia
imaginaria (), defina caractersticas
temporales (Overshoot, tiempo de
establecimiento, error de estado estable,
robustez, etc) y determine la estructura del
F. Escriba una forma cannica de controlabilidad mismo.
y otra de observabilidad.
A partir del concepto de controlabilidad y teniendo en cuenta Espacio de estados
que nuestro sistema es de 4to orden se realizan los siguientes
clculos para obtener la matriz de controlabilidad (Q). Para el controlador en espacio de estados, se calculan los polos
de diseo del sistema (p1 y p2 figura 9), posteriormente se
%% controlabilidad generan 2 polos rpidos, con los cuales se puede realizar el
Q1=A*B; clculo del controlador
Q2=(A^2)*B;
Q3=(A^3)*B; p1=-4 + 3.0361i;
Q4=Q1.*Q2; p2=-4 - 3.0361i;
Q5=Q4.*Q3; p3=-10;
Q=Q5.*B p4=-16;
K = place(A,B,[p1 p2 p3 p4]);
sys_cl = ss(A-B*K,B,eye(4),0);
%sys_cl = ss(A-B*K,B,C,0);
label('Time (sec)')
ylabel('Ball Position (m)')

Figura 9.

El control se prueba con los cuatro estados del

%% Observabilidad
sistema, que generan las salidas mostradas en la
P1=C;
P2=C*A; figura 10
P3=C*A^2;
P4=C*A^3;
P=[P1;P2;P3;P4]

Matriz de observabilidad

Figura 8
De acuerdo a esto, se puede deducir que nuestro
sistema es controlable y observable.
Figura 10
Polynomial
Para la realizacin de este tipo de controladores, se
debe tener en cuenta el sobrepaso (Mp) y un tiempo
de establecimiento (Tsec). Para este caso se tom un
sobrepaso del 8% y un tiempo de establecimiento de
1 segundo.
 En la figura 11 se muestra la respuesta del Sistema,
Con lo que posteriormente se calcula un polo de al controlador polynomial antes calculado.
diseo para este sistema
Mp=0.08;
Tsec=1
cita=abs(sqrt(log(Mp)^2/
((log(Mp)^2)+(pi)^2)));
Wn=((4)/(cita*Tsec));
polodiseno=[1 (2*cita*Wn) Wn^2];
ff=tf(polodiseno,1);

Para completar los polos de diseos, se colocan 3

polos rapidos y se saca la funcin de transferencia,
Figura 11
los valores que se generan de multiplicar todos los
polos de diseo del controlados, se colocan en la bode(Gh4);
variable x
polo1=[1 80]; En la figura 12, se muestra el diagrama de bode, que
polo2=[1 70]; se genera con la seal de la planta controlada con el
polo3=[1 90]; controlador polinomial, del cual se obtiene una
polo1=tf(polo1,1); frecuencia, una magnitud y un margen. Con los
polo2=tf(polo2,1); cuales se calculan las constantes del controlador en
polo3=tf(polo3,1); frecuencia
facx=ff*polo1*polo2*polo3;
% matriz de sylvester
La matris de sylvester (M), contiene los coeficientes
de los polinomios que se generan al multiplicar la
funcin de trasferencia del sistema, con la funcin
de transferencia de un controlador propio.

M=[1 0 0 0 0 0;0.039 1 0 0 0 0;-

81.4 0.039 1 0.01471 0 0; -3.174
-81.4 0.039 0 0.01471 0;0 -3.174 Figura 12
-81.4 0 0 0.01471;0 0 -3.174 0 0
0]; fim=-24;
x=[1;36;506.8;3808;1.589e4;2.884e4] freq=25;
; magni=-66.6
teta=M\x td=(tand(fim))/(2*freq)
kp=(cosd(fim))/(magni)
Los valores, tanto del denominador, como del s=tf('s');
numerador de la funcin de trasferencia del Frs=kp*(1+(td*s))
controlador, se obtiene multiplicando la inversa de Gh5=feedback(Gh4*Frs,1)
la matriz M con la matriz x, como se ve en teta step(Gh5)
hold on
numn=[6.5759e5 4.817e5 -4.9193e7]; step(Gh4)
denn=[1 25.9610 -9.0863e3];
Gh3=tf(numn,denn);
Gh4=feedback(Gh2,Gh3);
step(Gh4)

Control en frecuencia PD
Figura 13
En la figura 13, se muestra el resultado de robustez
que genera el control en frecuencia sobre la seal
previamente controlada por el control polinomial
Comparacin entre control
polynimial(rojo) y en frecuencia
(azul)
Figura 14
H. Cmo se calcula la energa que usa el
controlador para llevar el sistema a regulacin?
En cuanto a las tcnicas seleccionadas Cul
tiene un mejor desempeo en cuanto a este
criterio?
VI. CONCLUCIONES
Aunque las tcnicas de control vistan
es este laboratorio, cumplen con el
propsito de regular y estabilizar las
plantas, es notorio que el control
polynomial, es mucho ms fcil de
realizar, ya que su construccin est
asociada a una matemtica mucho
ms bsica, que la que se puede llegar
a aplicar en el de espacio de estados
Los controladores polinimiales,
desempean su tarea muy bien, pero,
al realimentarlo con un control en
frecuencia su desempeo mejora
notablemente, ya que el control den
frecuencia le da una robustes,
permitiendo que la planta llegue a su
estabilidad en menor tiempo y con un
sobrepaso menos. Ya que, al
realimentar los dos controles, se
genera una especie de control en
paralelo, que van regulando la planta
al mismo tiempo.
Debido a que el sobrepaso y el tiempo
de estabilizacin de menor en los
controles polinomiales que cuentan
con un control en frecuencia en
realimentacin, se puede determinar
que estos controles consumen mucho
menos potencia para estabilizar la
planta, lo que se traduce en un gasto
menor de corriente en los
controladores y menor desgaste de las
piezas de la planta que se ven
involucradas en dicho control
REFERENCES
[1] J. K. Author, Title of chapter in the book, in Title of His Published
Book, xth ed. City of Publisher, Country if not
[2] USA: Abbrev. of Publisher, year, ch. x, sec. x, pp. xxxxxx.
Examples:
[3] G. O. Young, Synthetic structure of industrial plastics, in Plastics,
2nd ed., vol. 3, J. Peters, Ed. New York: McGraw-Hill, 1964,
pp. 1564.
[4] W.-K. Chen, Linear Networks and Systems. Belmont, CA:
Wadsworth, 1993, pp. 123135.