Professional Documents
Culture Documents
LAGUNA
División de Estudios de Posgrado e
Investigación
Maestria en Ciencias en Ingenieria Eléctrica
Mecatrónica y Control
CONTROL AVANZADO
Tarea 4
Desacoplamiento de Sistemas Lineales en su
Representación en Espacio de Estados
Ing. Ismael Medina López
M1513050
Índice
1. Introducción 1
2. Marco Teórico 2
2.1. Ecuación característica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2. Valores Característicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3. Vectores Característicos, Matriz Modal y Transformación de Similitud . . . . . . . 5
2.3.1. Vectores Característicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3.2. Matriz Modal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3.3. Transformación de Similitud . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4. Obtención de los Vectores Característicos y de la Transformación de Similitud . . . 6
2.4.1. Método de Vandermonde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.5. Transformación de la Ecuación de Estado a la Forma Canónica Controlable . . . . 8
4. Comprobación 17
5. Conclusiones 21
6. Fuentes de consulta 21
7. Anexos 22
7.1. Comprobación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Resumen
El presente trabajo tiene por objetivo realizar un programa en código Matlab capaz de
desacoplar un sistema en su representación en espacio de estados apoyándonos de la teoría
de control avanzado: Ecuaciones, valores y vectores característicos. Así como lo referente a la
matriz de Vandermonde y la representación de sistemas en su forma canónica.
1. Introducción
Un sistema moderno complejo posee muchas entradas y muchas salidas que se relacionan entre
sí de una forma complicada. Para analizar un sistema de este tipo, es esencial reducir la complejidad
de las expresiones matemáticas, además de recurrir a computadoras que realicen una gran parte
de los tediosos cálculos que son necesarios. Como hemos aprendido en el curso de control avanzado
el enfoque en el espacio de estados para el análisis de sistemas es el más conveniente desde este
punto de vista [1].
Mientras la teoría de control convencional se basa en la relación entrada-salida, o función
de transferencia, la teoría de control moderna se basa en la descripción de las ecuaciones de un
sistema en términos de n ecuaciones diferenciales de primer orden, que se combinan en una ecuación
diferencial vectorial de primer orden. El uso de la notación matricial simplifica enormemente la
representación matemática de los sistemas de ecuaciones. El incremento en el número de variables
de estado, de entradas o de salidas no aumenta la complejidad de las ecuaciones. De hecho, el
análisis de sistemas complicados con múltiples entradas y salidas se realiza mediante procedimientos
sólo ligeramente más complicados que los requeridos para el análisis de sistemas de ecuaciones
diferenciales escalares de primer orden [2].
En el presente trabajo se sigue abordando el análisis y el diseño de sistemas en el espacio de
estados. Sin embargo, se hace énfasis en el desarrollo de un programa en código Matlab capaz de
desacoplar tales sistemas1 , para lo cual es importante conocer un poco sobre ciertos fundamentos
teóricos del control moderno o avanzado. Básicamente el desacoplamiento consiste en una trans-
formación de similitud del sistema acoplado u original a uno propiamente desacoplado, lo que a
su vez consiste en diagonalizar una matriz.
1
sistemas de 2 × 2 y 3 × 3
1
2 Marco Teórico
2. Marco Teórico
Conocidos los valores propios, se sabe que existe una base del sistema para la cual la matriz
principal del sistema es diagonal, como veremos a continuación, la matriz que diagonaliza A es la
formada por columnas, por sus vectores propios, por lo que el cálculo de la matriz de transformación
(a la que llamaremos T) se reduce al cálculo de los vectores propios [2].
En un sistema acoplado (u original) si se pretende modificar ciertos parámetros dados en la
matriz principal del sistema nos daremos cuenta que toda la dinámica del sistema puede ser alterada
puesto que hay una interacción conjunta de la entrada, los estados y la salida. Sin embargo, si el
sistema es desacoplado este pasa a descomponerse en “subsistemas” de los cuales podemos modificar
los parámetros deseados sin alterar la dinámica total del sistema, esto es, no hay dependencia entre
el estado interno del sistema. Lo anterior se logra, como se dijo anteriormente, calculando una
matriz capaz de transformar la matriz principal a su base diagonal.
En álgebra lineal, una matriz cuadrada “A” se dice que es diagonalizable si es semejante a una
matriz diagonal. Es decir, si mediante un cambio de base puede reducirse a una forma diagonal. En
este caso, la matriz podrá descomponerse de la forma A = P DP −1 . En donde “P” es una matriz
invertible cuyos vectores columna son vectores propios de A, y D es una matriz diagonal formada
por los valores propios de A.
Como se menciono anteriormente, es importante conocer un poco sobre los fundamentos teóricos
que darán solución al principal objetivo del presente trabajo, por lo tanto, a continuación se
presentan algunas conceptos relevantes antes de desarrollar el programa y verificar la funcionalidad
del mismo con algunos ejemplos a la mano.
ẋ = A x + B u (1)
y=C x (2)
Aplicando la transformada de Laplace:
de la ecuación (3)
adj |A|
A−1 =
det |A|
tenemos:
2.2.1. Propiedades
a) Si A es una matriz cuadrada de orden n el determinante de |λI − A| producirá una ecuación
característica de grado n y, por lo tanto, n valores característicos λi 3 .
λ − a11 a12 ... a1n
a21 λ − a22 ... a2n
det |λI − A| = det ..
.. .. ..
. . . .
an1 an2 . . . λ − ann
2
Si los coeficientes de A son reales los coeficientes de det |sI − A| también serán reales.
3
Donde i = 1, 2, 3, . . . , n
Sea A una matriz cuadrada no singular de orden n cuyos valores característicos λi son dados
por:
Entonces los valores característicos de A−1 son dados por el inverso de los valores λi de A,
tal que;
1 1 1
det λI − A−1 =
λ1 + λ2 + . . . λn +
C1 C2 Cn
(λi I − A) Pi = 0 (9)
Los vectores característicos Pi asociados a valores característicos diferentes de la matriz A son
linealmente independientes entre si.
La determinación de los vectores característicos (Eeigenvectores) depende de la multiplicidad
algebraica de los valores característicos de la matriz A.
Pueden darse tres casos:
P = [P1 P 2 . . . Pi ] (10)
Donde la matriz P es de orden n × n y de rango n, por lo que su inversa existe.
ẋ = A x + B u
y =C x+D u
Definiendo x = P z y ẋ = P ż
P ż = A P z + B u
y =C P z+D u
Como la matriz P es de rango n, su inversa existe:
ż = P −1 [A P z + B u]
y =C P z+D u
Por lo tanto:
ż = P −1 A P z + P −1 B u
y =C P z+D u
Definiendo la Transformación de Similitud como:
Λ = P −1 AP
ż = Λz + P −1 B u
y =C P z+D u
donde:
Λ = P −1 A P
Que como ya se había definido es la Transformada de Similitud, la cual debe su nombre a que la
ecuación característica, los valores y vectores característicos, así como la función de transferencia
del sistema en z y del sistema en x son iguales.
Vectores Característicos
1
λ1i
ti =
λ2i
..
.
n−1
λi
De esta manera la matriz de transformación (o matriz de Vandermonde4 ) es:
1 1 ... 1
λ1 λ12 . . . λ1n
1
λ2 λ22 . . . λ2n
T = 1
.. .. . . ..
. . . .
n−1 n−1 n−1
λ1 λ2 . . . λn
La transformación de similitud es dada por:
Λ = T −1 AC T (12)
Lo que dará como resultado (al igual que con los métodos anteriores) una matriz diagonal cuyos
elementos serán los valores característicos:
ż = Λz + T −1 B u (14)
y =C T z+D u (15)
Para el caso tener valores característicos reales y repetidos en nuestro sistema la matriz de
Vandermonde o matriz modal se define de la siguiente manera para un sistema 3 × 3
1 0 0
T = λ1 1 0 (16)
2
λ1 2λ1 1
4
Solo por notación en este método los vectores característicos Pi serán nombrados ti y la matriz de transformación
será llamada T o matriz de Vandermonde.
ẋ = Ax + Bu (17)
Si una matriz
A2 B . . . An−1 B
S= B AB (18)
es no singular (su determinante es diferente de cero), entonces existe una transformación no
singular dada por:
v = Px (19)
la cual transforma la ecuación de estado a la forma canónica controlable.
v̇ = AC v + BC u (20)
La matriz de transformación P esta dada por:
P1
P1 A
P1 A2
P = (21)
P1 A3
..
.
n−1
P1 A
donde:
P1 = [0 0 0 . . . 1] S −1
Dado v = P x, derivando tenemos:
v̇ = P ẋ
ẋ = P −1 v̇
x = P −1 v
P −1 v̇ = AP −1 v + Bu
Premultiplicando ambos miembros de la expresión anterior por P , tenemos finalmente:
P P −1 v̇ = P AP −1 v + P Bu (22)
La cual corresponde a la ecuación (19), por lo tanto:
AC = P AP −1 (23)
BC = P B (24)
42 [ n ,m]= s i z e (A) ;
43
44 i f n==2
1
2 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
3 % OBTENCION DE LA FORMA CANONICA CONTROLABLE
4 % Sea e l s i s t e m a en E s p a c i o de Estados :
5
6 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ xp = Ax + Bu ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
7 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ y = Cx + Du ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
8
9 % S i una m a t r i z S no s i n g u l a r ( su d e t e r m i n a n t e e s d i f e r e n t e de c e r o ) ,
10 % E x i s t e una t r a n s f o r m a c i o n no s i n g u l a r dada por :
11
12 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ V = Px ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
13
14 % La c u a l t r a n s f o r m a l a e c u a c i o n de e s t a d o a l a forma c a n o n i c a
15 % controlable
16
17 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ Vp = Ac V + Bc u ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
18
19 % C a l c u l o de l a m a t r i z S
20 S = [ B A∗B ] ;
21 % Obtenemos su i n v e r s a
22 inv_S = i n v ( S ) ;
23
42 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
43 % DESACOPLAMIENTO DEL SISTEMA ( T r a n s f o r m a c i o n de S i m i l i t u d )
44
45 % Una vez o b t e n i d a l a forma c a n o n i c a c o n t r o l a b l e d e l s i s t e m a e s t e puede
46 % s e r d e s a c o p l a d o . Dado e l s i s t e m a a c o p l a d o u o r i g i n a l en l a forma
47 % canonica :
48
49 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ vp = Ac v + Bc u ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
50 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ y = Cc v + Dc u ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
51
52 % Obtener l a t r a n s f o r m a c i o n de s i m i l i t u d o d e s a c o p l a m i e n t o d e l mismo :
53 % S i s t e m a Desacoplado :
1
2 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ zp = Ad z + Bd u ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
3 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ y = Cd z + Dd u ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
4
5 % Obtencion de l o s v a l o r e s c a r a c t e r i s t i c o s o e i g e n v a l o r e s
6 %
7
8 syms L
9
10 % Matriz de Vandermonde ( Matriz Modal )
11 % Para e l c a s o de v a l o r e s c a r a c t e r i s t i c o s R e a l e s y D i f e r e n t e s
12
13 I = eye ( 2 ) ;
14 LI = L∗ I ;
15
16 d i f = LI - Ac ;
17 d = det ( d i f ) ;
18
19 val_car = s o l v e ( d ) ;
20 val_car = d o u b l e ( val_car ) ;
21
22 lambda_1 = val_car ( 1 ) ;
23 lambda_2 = val_car ( 2 ) ;
24
25 % C o n d i c i o n e s para e l c a s o de v a l o r e s c a r a c t e r i s t i c o s r e a l e s y r e p e t i d o s
26 i f ( lambda_1==lambda_2 )
27
28 T = [1 0;
29 lambda_1 1];
30
31 e l s e i f ( lambda_1 6= lambda_2 )
32
33 T = [1 1;
34 lambda_1 lambda_2 ] ;
35 end
36
37 inv_T = i n v (T) ;
38
39 % Obtencion de l a t r a n s f o r m a c i o n de S i m i l i t u d
40 Ad = inv_T∗Ac∗T ;
41 Bd = inv_T∗B ;
42 Cd = C∗T ;
43 Dd = Dc ;
44
45 f p r i n t f ( ' \n\n ' ) ;
46 f p r i n t f ( ' S i s t e m a Desacoplado \n\n ' ) ;
47 f p r i n t f ( 'Ad = \n ' ) ;
48 d i s p (Ad) ;
49 f p r i n t f ( ' \n ' ) ;
50
51 f p r i n t f ( 'Bd = \n ' ) ;
52 d i s p (Bd) ;
53 f p r i n t f ( ' \n ' ) ;
1 f p r i n t f ( 'Cd = \n ' ) ;
2 d i s p (Cd) ;
3 f p r i n t f ( ' \n ' ) ;
4
5 f p r i n t f ( 'Dd = \n ' ) ;
6 d i s p (Dd) ;
7 f p r i n t f ( ' \n\n ' ) ;
8
9 f p r i n t f ( ' V a l o r e s C a r a c t e r i s t i c o s ( E i g e n v a l o r e s ) \n\n ' ) ;
10 f p r i n t f ( ' lambda 1 = ' ) ;
11 d i s p ( lambda_1 ) ;
12 f p r i n t f ( ' lambda 2 = ' ) ;
13 d i s p ( lambda_2 ) ;
14 f p r i n t f ( ' \n\n ' ) ;
15
16 f p r i n t f ( ' Matriz de Vandermonde ( o Matriz Modal ) \n ' ) ;
17 f p r i n t f ( 'T = \n ' ) ;
18 d i s p (T) ;
19 f p r i n t f ( ' \n\n ' ) ;
20
21 f p r i n t f ( ' I n v e r s a de l a Matriz de Vandermonde ( o Matriz Modal ) \n ' ) ;
22 f p r i n t f ( ' inv_T = \n ' ) ;
23 d i s p ( inv_T ) ;
24 f p r i n t f ( ' \n\n ' ) ;
25
26 end
27
28 i f n==3
29
48 % C a l c u l o de l a m a t r i z S
49 S = [ B A∗B A∗A∗B ] ;
50
51 % Obtenemos su i n v e r s a
52 inv_S = i n v ( S ) ;
53
1
2
3 % P = [ P1 ; P1∗A; P1∗A ^ 2 ; . . . ; P1∗A^{n - 1 } ] ;
4
5 % Determinando P1
6 P1a = [ 0 0 1 ] ;
7 P1 = P1a∗ inv_S ;
8
9 % Matriz de T r a n s f o r m a c i o n :
10
11 P = [ P1 ; P1∗A; P1∗A∗A ] ;
12 inv_P = i n v (P) ;
13
14 % Obtenemos l a s m a t r i c e s c o r r e s p o n d i e n t e s en su forma c a n o n i c a
15 % controlable
16
17 Ac = P∗A∗inv_P ;
18 Bc = P∗B ;
19 Cc = C∗inv_P ;
20 Dc = D;
21
22 % DESACOPLAMIENTO DEL SISTEMA ( T r a n s f o r m a c i o n de S i m i l i t u d )
23
48 d i f = LI - Ac ;
49 d = det ( d i f ) ;
50
51 val_car = s o l v e ( d ) ;
52 val_car = d o u b l e ( val_car ) ;
53
54 lambda_1 = val_car ( 1 ) ;
1 lambda_2 = val_car ( 2 ) ;
2 lambda_3 = val_car ( 3 ) ;
3
4 % C o n d i c i o n e s para e l c a s o de v a l o r e s c a r a c t e r i s t i c o s r e a l e s y r e p e t i d o s
5 i f ( lambda_1==lambda_2 ) && ( lambda_1 6= lambda_3 )
6
7 T = [1 0 1;
8 lambda_1 1 lambda_3 ;
9 lambda_1^2 2∗lambda_1 lambda_3 ^ 2 ] ;
10
11 e l s e i f ( lambda_1==lambda_3 ) && ( lambda_1 6= lambda_2 )
12
13 T = [1 1 0;
14 lambda_1 lambda_2 1;
15 lambda_1^2 lambda_2^2 2∗lambda_1 ] ;
16
17 e l s e i f ( lambda_2==lambda_3 ) && ( lambda_2 6= lambda_1 )
18
19 T = [1 1 0;
20 lambda_1 lambda_2 1;
21 lambda_1^2 lambda_2^2 2∗lambda_2 ] ;
22
23 e l s e i f ( lambda_1==lambda_2 ) && ( lambda_1==lambda_3 )
24
25 T = [1 0 0;
26 lambda_1 1 0;
27 lambda_1^2 2∗lambda_1 1];
28 else
29
30 T = [1 1 1;
31 lambda_1 lambda_2 lambda_3 ;
32 lambda_1^2 lambda_2^2 lambda_3 ^ 2 ] ;
33 end
34
35 i f ( imag ( lambda_1 ) 6= 0 ) | | ( imag ( lambda_2 ) 6= 0 ) | | ( imag ( lambda_3 ) 6= 0 )
36
37 inv_T = i n v (T) ;
38 Lambda = inv_T∗Ac∗T ;
39 sigma = r e a l ( lambda_2 ) ;
40 omega = imag ( lambda_2 ) ;
41 omega = abs ( omega ) ;
42
43 Q = [1 0 0;
44 0 -1/ sigma -1 i /omega ;
45 0 1/ omega -1 i / sigma ] ;
46
47 inv_Q = i n v (Q) ;
48
49 Ad = inv_Q∗Lambda∗Q;
50 Bd = inv_T∗B ;
51 Cd = C∗T ;
52 Dd = Dc ;
53
54 else
1
2 inv_T = i n v (T) ;
3
4 % Obtencion de l a t r a n s f o r m a c i o n de S i m i l i t u d
5 Ad = inv_T∗Ac∗T ;
6 Bd = inv_T∗B ;
7 Cd = C∗T ;
8 Dd = Dc ;
9
10 end
11
18 f p r i n t f ( 'Bd = \n ' ) ;
19 d i s p (Bd) ;
20 f p r i n t f ( ' \n\n ' ) ;
21
22 f p r i n t f ( 'Cd = \n ' ) ;
23 d i s p (Cd) ;
24 f p r i n t f ( ' \n\n ' ) ;
25
26 f p r i n t f ( 'Dd = \n ' ) ;
27 d i s p (Dd) ;
28 f p r i n t f ( ' \n\n ' ) ;
29
4. Comprobación
Considérese el siguiente sistema en espacio de estado, el cual será desacoplado utilizando el
programa anterior.
0 1 0 0
A= 0 0 1 B = 0
C= 1 0 0
−6 −11 −6 1
Solución
1
2 La p r e s e n t e f u n c i o n s o l o p e r m i t e o b t e n e r e l d e s a c o p l a m i e n t o de
3 de s i s t e m a s d i n a m i c o s con 2 o 3 v a r i a b l e s de e s t a d o
4 C o n s i d e r e l a r e p r e s e n t a c i o n en E s p a c i o de Estado de un S i s t e m a
5 Dinamico L i n e a l de l a s i g u i e n t e forma :
6
7 ∗∗∗∗∗∗∗∗∗∗∗ xp ( t ) = A( t ) x ( t ) + B( t ) u ( t ) ∗∗∗∗∗∗∗∗∗∗∗
8 ∗∗∗∗∗∗∗∗∗∗∗ y ( t ) = C( t ) x ( t ) + D( t ) u ( t ) ∗∗∗∗∗∗∗∗∗∗∗
9
10 Donde :
11 x( t ) es el vector de e s t a d o d e l s i s t e m a , de dimension nx1
12 u( t ) es el vector de e n t r a d a a l s i s t e m a , de dimension mx1
13 y( t ) es el vector de s a l i d a d e l s i s t e m a , de dimension px1
14 A( t ) e s la matriz p r i n c i p a l d e l s i s t e m a , de dimension nxn
15 B( t ) e s la matriz de e n t r a d a a l s i s t e m a , de dimension nxm
16 C( t ) e s la matriz de s a l i d a d e l s i s t e m a , de dimension pxn
17 D( t ) e s la matriz de p r e a l i m e n t a c i o n , t i e n e dimension pxm
18
19 De a c u e r d o a l o a n t e r i o r :
20 I n t r o d u z c a l a Matriz A ( nxn )
21 A = [ 0 1 0 ; 0 0 1 ; - 6 -11 - 6 ]
22 I n t r o d u z c a l a Matriz B (nxm)
23 B = [0;0;6]
24 I n t r o d u z c a l a Matriz C ( pxn )
25 C = [1 0 0]
26 I n t r o d u z c a l a Matriz D (pxm)
27 D = [0]
28
29
30 S i s t e m a Desacoplado
31 Ad =
32 -3.0000 0 0
33 -0.0000 -2.0000 -0.0000
34 0.0000 0 -1.0000
35
36
37
38 Bd =
39 3.0000
40 -6.0000
41 3.0000
1
2
3 Cd =
4 1 1 1
5
6
7
8 Dd =
9 0
10
11
12
13 Valores C a r a c t e r i s t i c o s ( Eigenvalores )
14
15 lambda 1 = -3
16
17 lambda 2 = -2
18
19 lambda 3 = -1
20
21
22
23 Matriz de Vandermonde ( o Matriz Modal )
24 T =
25 1 1 1
26 -3 -2 -1
27 9 4 1
28
29
30
31 I n v e r s a de l a Matriz de Vandermonde ( o Matriz Modal )
32 inv_T =
33 1.0000 1.5000 0.5000
34 -3.0000 -4.0000 -1.0000
35 3.0000 2.5000 0.5000
2 La p r e s e n t e f u n c i o n s o l o p e r m i t e o b t e n e r e l d e s a c o p l a m i e n t o de
3 de s i s t e m a s d i n a m i c o s con 2 o 3 v a r i a b l e s de e s t a d o
4 C o n s i d e r e l a r e p r e s e n t a c i o n en E s p a c i o de Estado de un S i s t e m a
5 Dinamico L i n e a l de l a s i g u i e n t e forma :
6
7 ∗∗∗∗∗∗∗∗∗∗∗ xp ( t ) = A( t ) x ( t ) + B( t ) u ( t ) ∗∗∗∗∗∗∗∗∗∗∗
8 ∗∗∗∗∗∗∗∗∗∗∗ y ( t ) = C( t ) x ( t ) + D( t ) u ( t ) ∗∗∗∗∗∗∗∗∗∗∗
9
10 Donde :
11 x( t ) es el vector de e s t a d o d e l s i s t e m a , de dimension nx1
12 u( t ) es el vector de e n t r a d a a l s i s t e m a , de dimension mx1
13 y( t ) es el vector de s a l i d a d e l s i s t e m a , de dimension px1
14 A( t ) e s la matriz p r i n c i p a l d e l s i s t e m a , de dimension nxn
15 B( t ) e s la matriz de e n t r a d a a l s i s t e m a , de dimension nxm
16 C( t ) e s la matriz de s a l i d a d e l s i s t e m a , de dimension pxn
17 D( t ) e s la matriz de p r e a l i m e n t a c i o n , t i e n e dimension pxm
18
19 De a c u e r d o a l o a n t e r i o r :
20 I n t r o d u z c a l a Matriz A ( nxn )
21 A = [0 1; -6 -5]
22 I n t r o d u z c a l a Matriz B (nxm)
23 B = [0;1]
24 I n t r o d u z c a l a Matriz C ( pxn )
25 C = [1 0]
26 I n t r o d u z c a l a Matriz D (pxm)
27 D = [0]
28
29
30 S i s t e m a Desacoplado
31
32 Ad =
33 -3.0000 -0.0000
34 0 -2.0000
35
36
37 Bd =
38 -1.0000
39 1.0000
40
41
42 Cd =
43 -3 -2
44 16 11
45
46
47 Dd =
48 0
1 Valores C a r a c t e r i s t i c o s ( Eigenvalores )
2
3 lambda 1 = -3
4 lambda 2 = -2
5
5. Conclusiones
En ingeniería de control, y en general en los temas de control automático, la representación en
espacio de estados como modelo matemático de sistemas físicos es una herramienta eficaz para el
diseño de controladores y el análisis de sistemas, esto debido a las diferentes técnicas y métodos con
los que se puede manipular este tipo de representaciones de sistemas dinámicos. Como hemos visto
en este trabajo obtener un sistema desacoplado permite al usuario realizar manipulaciones sobre
ciertos estados que le interese cambiar a su consideración, por su puesto, teniendo en cuenta factores
de estabilidad y respuesta del mismo sistema. Objetivo de desacoplar un sistema resulta ser una
estrategia para reducir las iteracciones de los estados internos al sistema con la variable entrada
y salida que se controla en el sistema. En este trabajo hemos desarrollado una caracterización
conjunto-teórica y por simulación para demostrar que un sistema acoplado puede transformarse
a una forma diagonal con la cual podremos analizar ciertas propiedades del sistema en cuestión,
esto puede ser por ejemplo si el sistema es completamente controlable u observable, o solo lo es
parcialmente, esto es, que ciertos estados del sistema permiten ser controlados desde la entrada o
estimados desde la salida propia del sistema.
6. Fuentes de consulta
Referencias
[1] K. Ogata. Ingeniería de Control Moderna. Pearson, 5ta Ed. 2010.
[2] D. Sergio, C Pascual. Control en Espacio de Estados. Pearson, Prentice Hall, 2da Ed. 2009.
7. Anexos
El siguiente programa se realizo con la finalidad de encontrar la forma canónica controlable del
sistema en espacio de estado:
1
2 f u n c t i o n [ Ac , Bc , Cc , Dc]= s i s t _ c a n _ c o n t
3
4 % La p r e s e n t e f u n c i o n r e a l i z a l a c o n v e r s i o n de l a e c u a c i o n de e s t a d o de un
5 % s i s t e m a a l a forma c a n o n i c a c o n t r o l a b l e , l a c u a l , e s i m p o r t a n t e cuando s e
6 % a n a l i z a e l e n f o q u e de u b i c a c i o n de p o l o s para e l d i s e n o de s i s t e m a s de
7 % control .
8
9 % Nota : La p r e s e n t e f u n c i o n s o l o p e r m i t e o b t e n e r l a forma c a n o n i c a
10 % c o n t r o l a b l e de s i s t e m a s con 2 o 3 V a r i b l e s de Estado ( n ) .
11
1
2 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ V = Px ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
3
4 % La c u a l t r a n s f o r m a l a e c u a c i o n de e s t a d o a l a forma c a n o n i c a c o n t r o l a b l e
5
6 % ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ Vp = Ac V + Bc u ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
7
8 % C a l c u l o de l a m a t r i z S
9 S = [ B A∗B A∗A∗B ] ;
10 % Obtenemos su i n v e r s a
11 inv_S = i n v ( S ) ;
12
13 % La Matriz de T r a n s f o r m a c i o n e s t a dada por .
14 % P = [ P1 ; P1∗A; P1∗A ^ 2 ; . . . ; P1∗A^{n - 1 } ] ;
15
16 % Determinando P1
17 P1a = [ 0 0 1 ] ;
18 P1 = P1a∗ inv_S ;
19
20 % Matriz de T r a n s f o r m a c i o n :
21
22 P = [ P1 ; P1∗A; P1∗A∗A ] ;
23 inv_P = i n v (P) ;
24
25 % Obtenemos l a s m a t r i c e s c o r r e s p o n d i e n t e s en su forma c a n o n i c a c o n t r o l a b l e
26
27 Ac = P∗A∗inv_P ;
28 Bc = P∗B ;
29 Cc = C∗inv_P ;
30 Dc = D;
31
32 f p r i n t f ( ' Ac = \n ' ) ;
33 d i s p ( Ac ) ;
34 f p r i n t f ( ' \n\n ' ) ;
35
36 f p r i n t f ( ' Bc = \n ' ) ;
37 d i s p ( Bc ) ;
38 f p r i n t f ( ' \n\n ' ) ;
39
40 f p r i n t f ( ' Cc = \n ' ) ;
41 d i s p ( Cc ) ;
42 f p r i n t f ( ' \n\n ' ) ;
43
44 f p r i n t f ( ' Dc = \n ' ) ;
45 d i s p ( Dc ) ;
46 f p r i n t f ( ' \n\n ' ) ;
47
48 end
7.1. Comprobación
A continuación se presenta un ejemplo de un sistema el cual será transformado a su forma
canónica controlable:
−9 1 1 x1 2 x1
ẋ = −26 0
1 x2 + 5 ,
y(t) = 1 2 −1 x2
−24 0 0 x3 0 x3
2 La p r e s e n t e f u n c i o n s o l o p e r m i t e o b t e n e r l a forma c a n o n i c a
3 c o n t r o l a b l e de s i s t e m a s d i n a m i c o s con 2 o 3 v a r i a b l e s de e s t a d o
4 C o n s i d e r e l a r e p r e s e n t a c i o n en E s p a c i o de Estado de un S i s t e m a
5 Dinamico L i n e a l de l a s i g u i e n t e forma :
6
7 ∗∗∗∗∗∗∗∗∗∗∗ xp ( t ) = A( t ) x ( t ) + B( t ) u ( t ) ∗∗∗∗∗∗∗∗∗∗∗
8 ∗∗∗∗∗∗∗∗∗∗∗ y ( t ) = C( t ) x ( t ) + D( t ) u ( t ) ∗∗∗∗∗∗∗∗∗∗∗
9
10 Donde :
11 x( t ) es el vector de e s t a d o d e l s i s t e m a , de dimension nx1
12 u( t ) es el vector de e n t r a d a a l s i s t e m a , de dimension mx1
13 y( t ) es el vector de s a l i d a d e l s i s t e m a , de dimension px1
14 A( t ) e s la matriz p r i n c i p a l d e l s i s t e m a , de dimension nxn
15 B( t ) e s la matriz de e n t r a d a a l s i s t e m a , de dimension nxm
16 C( t ) e s la matriz de s a l i d a d e l s i s t e m a , de dimension pxn
17 D( t ) e s la matriz de p r e a l i m e n t a c i o n , t i e n e dimension pxm
18
19 De a c u e r d o a l o a n t e r i o r :
20 I n t r o d u z c a l a Matriz A ( nxn )
21 A = [ -9 1 0; -26 0 1; -24 0 0]
22 I n t r o d u z c a l a Matriz B (nxm)
23 B = [2;5;0]
24 I n t r o d u z c a l a Matriz C ( pxn )
25 C = [1 2 -1]
26 I n t r o d u z c a l a Matriz D (pxm)
27 D = [0]
28
29 Ac =
30 0 1.0000 -0.0000
31 -0.0000 0 1.0000
32 -24.0000 -26.0000 -9.0000
33
34 Bc =
35 0.0000
36 -0.0000
37 1.0000
38
39 Cc =
40 24.0000 39.0000 12.0000
41
42 Dc =
43 0