6. Disefio de Controladores en el Espacio de Estados é=Ar+ Bu (6.132) determina la matriz K del vector de control éptimo u(t) = —Kar(t) (6.133) con el objetivo de minimizar la funcién de coste Ja [wo +u’ Ru)dt (6.134) Donde: = Qes una matriz hermitica definida positiva o semidefinida positiva # Res una matriz hermitica definida positiva Las matrices Q y R determinan la importancia relativa del error y del coste de esta energia, se supone que el vector de control u(t) no esta restrin- gido. En la figura 6.15 u es la ley de control dptimo, si se determinan los elementos desconocidos de la matriz K para minimizar la funcidn de coste, entonces u(/) = —K'x(t) es optima para cualquier estado inicial (0). X= Ax+Ba [=k Figura 6.15: Sistema regulador éptimo Reemplazando u en la ecuacién de estado se obtiene. é = Av — BKx = (A- BK) x (6.135) Se considera que A— BK es estable, o que los valores propios de A— BK tiene partes reales negativas. Al sustituir la ley de control u en la funcién de coste J resulta. T= [wa +a RK a)dt (6.136) f MSc.Ing. Roger Jesus Coaquira Castillo6.5. Control Optimo cuadratico 231 2°(Q4 RRB edt (6.137) Si se iguala 2(Q+ICORK)x = Serre) (6.138) donde P es una matriz hermitica definida positiva o simétrica real (QE REx = — ido é se obtiene “Px — x" Pi (6.139) reemp! 2°(Q+ KORK)x = —2"|(A— BK)*P + P(A- BR) |x (6.140) al comparar ambos lados de esta tiltima ecuacién y misma debe ser vélida para cualquier x, se requiere que nsiderando que la (A- BK)*P + P(A~ BK) = -(Q + K*RK) (6.141) Si A— BK es una matriz estable, existe una matriz P definida positiva que satisface la ecuacién anterior. El indice de comportamiento J se calcula como: J= [x@ + K*RK dt = —2* Pa|® = 2" (00) Px(co) + 2*(0)P2(0) (6.142) Como se supone que todos los valores propios de A ~ BK tienen partes reales negativas, tenemos que .r(00) + 0. Por tanto, se obtiene 2*(0)Px(0) (6.143) Asi, el indice de comportamiento J se obtiene en términos de la condicién inicial (0) y P. Con el supuesto que R es una matriz hermitica definida positiva o simetrica real, se puede escribir R=T'T (6.144) Donde T es una matriz no singular, Entonces se obtiene: (At = BYP + P(A~ BR) + Q 4 CT'TK =0 (6.145) Que puerle escribirse como MSc.Ing. Roger Jesus Coaquira Castillo6. Disefio de Controladores en el Espacio de Estados AYP + PA+(TK —(T*)"B*P}'|TK — (T*)B*P] — PBR“ BP +Q=0 (6.146) ‘én de J con respecto a K requiere la minimizacién de: La minimiz wv [DK ~ (TBP PK — (7) B* Pe (6.147) Como esta tiltima expresién es no negativa, el mfnimo ocurre cuando es cero, © enando TK = (1) BP (6.148) Por tanto K=T UT) BP = ROBP (6.149) Entonces la ley de control se puede escribir como: u(t) = —Kx(t) = —Ro'B* Pet) (6.150) La matriz, P debe satisfacer la ecuacién reducida siguiente: AtP + PA~ PBR'B*P+Q=0 (6.151) Esta ultima ecuacién se denomina ecuacién matricial reducida de Riccati. Los pasos del disefio se plantean del modo siguiente: 1. Resolver la ecuacién matricial reducida de Riccati, para la matriz P. [Si existe una matriz P definida positiva (ciertos sistemas pueden no tener una matriz,P definida positiva), el sistema es estable o la matriz, A~ BK es estable.] 2. Sustituir esta matriz P en la ecuacién de la matriz K. Ejemplo 6.8 Sen el sistema de la figura 6.16 Suponiendo que la ley de control es u(t) = —Ka(t) (6.152) determine la matriz de ganancias de realimentacién éptima K tal que se minimice el indice de comportamiento siguiente: J= | (#7Qr+w)dt (6.153) f MSc.Ing. Roger Jesus Coaquira Castillo6.5. Control Optimo cuadratico 233 Figura 6.16: Sistema de control donde (> 0) (6.154) La ecuacién de estado es de la forma ¢ = Ax + Bu, donde Solucién Se plantea Ia ecuacién de Riccati para hallar la matriz P A’ P+ PA- PBR"BTP+Q=0 (6.156) 0 0}f rn pe], [rn pe] fot 10] [pe pe | *| pie pe }[o 0 pr px) FO m pa], [1 0]_[o0 [me mall wifo 1 [me re lla x| [0 all sta ecuacién se simplifiea a 0 0 0 pu Ph pip» 10 00 [mn me [s pw | | Prepee Lo w]~{lo o} 6159 De esta ultima ecuacién se tiene: MSc.Ing. Roger Jesus Coaquira Castillo234 6. Disefio de Controladores en el Espacio de Estados o= 1-r O = Pi Prapae (6.158) 0 = pt 2p2—ph Despejando estas tres eeuaciones simultdneas para pur, prr y P22, para lo cual es necesario que P sea definida posiliva, se obliene _ [pu pe] _ | ver? 1 5 P= [Pe el LY vere ae Reemplazando en la ecuacién K = RB? P Pir Pee K=[[0 128 m2 | = [pe pn ]=[1 ver2] (6.160) Ast la serial de control éptimo es us -Ka = ~2) - $e (6.161) La ecuacién caracteristica del sistema realimentado es: /n¥8s+1=0 (6.162) si f= 1, los dos polos en lazo cerrado estén ubicados en |st— A+ BK] 8 = —0.866-+0.5i, 8 = 0.866 — 0.51 (6.163) utilizando Matlab se puede llegar al mismo resultado A=(0 1; 0 O}; 2 B=[0 ; 1}; Q-|1 0; 0 Tf; R=[1); IK, P, BJ=lgr (A,B, Q,R) Ejemplo 6.9 Considerar el sistema que se muestra en la figura . La planta esta definida en el espacio de estados a(t) = Aa(t) + Bu(t) (6.164) yl) = Cx(t) + Du(t) (6.165) Donde MSc.Ing. Roger Jesus Coaquira Castillo6.5. Control Optimo cuadratico 235 Figura 6.17: Sistema de control 01 0 0 A=|0 0 1 |,B=]0],c=[1 00] (6.166) 0 -2 -3 Suponiendo que la ley de control es u(t) = —Ka(t) (6.167) determine la matriz de ganancias de realimentacién dptima K tal que se minimice el indice de comportamiento siguiente: yf (2? Qe + uTRujdt (6.168) D donde 100 0 0 Q 010 (6.169) 001 yR=0.01 Solucién Se plantea la ecuacién de Riccati para hallar la matriz P ATP + PA~ PBR“BTP+Q=0 (6.170) MSc.Ing. Roger Jesus Coaquira Castillo6. Disefio de Controladores en el Espacio de Estados 090 Pu Pr Pas Pu Pe Ps |fO 1 0 1a Piz Px Pos | +| Pi Po Ps |}O0 0 1 ol Pa Pax Psa Pa Pa Pos 0 -2 -3 Pu Pi Pas 0 Pu Pia Prs =| pi pe pos | | 0] [100)[0 0 1] | pie pee pos Pa ps pss | Lt Pa Pros Psa 100 0 0 000 +/ 0 10/=/o000 a 01 000 De esta ultima ecuacién se tiene: Pu Piz Pas 86.12 1467 1 P=| po pa ps |= | 14.67 7.03 0.5312 (6.171) PL Pa Pas 1 0.5812. 0.116 Reemplazando en la ecuacién K = R-1BT P K =[100)[0 0 | 5512 467 1 14.67 7.03 0.5312 [ 100 53.12 11.67 } 1 0.5812 0.1167 (6.172) De la ecuacién caracteristica del sistema realimentado |s1 — A+ BK|, los polos en lazo cerrado estan ubicados en: = 221+ 2.20 Ni, s= 2.21 — 2.204 s = -10.24 (6.173) ulilizando Matlab se puede Wtegar al mismo resultado As[0 10; 001; 0 B=[0 ; 0 ;1]; C=|1 0 Of; D=[0): Q=[100 0 0;0 1 0; R=(0.01); -2 -3]; 00 1); [K,P,E]=lgr (A,B,Q,R) KI=K(1) ; k2=K(2); kI-K(3) ; MSc.Ing. Roger Jesus Coaquira Castillo6.5. Control Optimo cuadratico (=0:0.01:8; [y,2, t]=step (AA, BB, CC,DD, 1, t); plot(t,«) En la figura 6.18 se muestra la respuesta en el tiempo de las variables de estado Figura 6.18: Respuesta de las variables de estado También es posible simular el sistema en lazo cerrado utilizando Simulink tal como se muestra en la figura 6.19 En la figura 6.20 se muestra la respuesta en el tiempo de la salida y = 2, ulilizando Simulink, MSc.Ing. Roger Jesus Coaquira Castillo6. Disefio de Controladores en el Espacio de Estados Figura 6.19: Ly TT of Figura 6.20: Sistema en lazo cerrado en Simulink 6.6. Observadores de estado En el disefio de sistemas de control por reubicacién de polos, se supone que todos los estados estsin disponibles para realimentacién en cualquier instante de tiempo. El tener todos los estados disponibles para la realimentacién implica que estos estados son medibles mediante un sensor o combinacién de sensores. el sistema es completamente observable, entonces es posible determinar © estimar los estados que no son medibles u observable directamente, En la figura 6.21 se muestra un observador de estado de orden completo. un observador de estado estima las variables de estado con base en las mediciones de las variables de salida y de control. El observador de estado completo para el sistema esta dado por MSc.Ing. Roger Jesus Coaquira Castillo