Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.

Fernando Bote Ortega

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega

Índice
1. Objetivos ............................................................ 8 2. Introducción ...................................................... 9
2.1. Sistema hardware ........................................ 9
2.1.1. Motor lineal

............................................... ........................................

9 12 13
14 15 16 16

2.1.2. Péndulo invertido 2.1.3. Instalación
2.1.3.1. 2.1.3.2. 2.1.3.3. 2.1.3.4.

.................................................

Motor lineal ............................................................... Armario y panel de control ...................................... Potenciómetro ........................................................... Péndulo invertido .....................................................

2.2. Software y conexión ..................................... 17 2.3. Sistemas híbridos ......................................... 20
2.3.1. Introducción

.............................................. ..........................

21

2.3.2. Diferentes enfoques en el modelado y análisis de sistemas híbridos 22

3. Modelado .......................................................... 27
3.1. Introducción ................................................ 27 3.2. Variables continuas y discretas ..................... 27

2

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega

3.3. Modelado de la parte continua ..................... 28
3.3.1. Modelo del carro 3.3.2. Modelo no lineal

........................................ ......................................... .................................. ......................................

29 37 42 52

3.3.3. Modelo de los rebotes 3.3.4. Modelo linealizado

3.4. Modelado de la parte discreta ...................... 55 3.5. Integración de las variables continuas y discretas ................................................... 56

4. Control .............................................................. 57
4.1. Estrategia global de control híbrido ............. 4.2. Alzamiento del péndulo ...............................
4.2.1. Impulso inicial

57 58
58 64

........................................... .................................

4.2.2. Control de alzamiento

4.3. Equilibrio del péndulo ................................
4.3.1. Introducción
4.3.1.1. 4.3.1.2. 4.3.1.3. 4.3.1.4. 4.3.1.5. 4.3.1.6. 4.3.1.7. 4.3.1.8. 4.3.1.9.

73
73
74 76 77 77 79 80 83 85 88

.............................................

Principio de optimalidad ........................................ Nota histórica .......................................................... Control LQ discreto ............................................... Transición [N – 1] → [N] ........................................ Transición [N –2] → [N] ......................................... Transición [k] → [N] .............................................. Control LQ en tiempo continuo ............................ Control LQ de Horizonte Infinito ......................... Estimadores óptimos .............................................. 3

...3.. 5.................. Conclusiones y posibles extensiones ................................. 4...................3................ 113 118 6............................. Simulación del modelo global ..............................1...10..... Notas . ANEXO 1 ................................. 4.......1.........................................2......3.....Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.. 88 90 99 4................. 5.................. Bibliografía ............................2........3............... Modelos de sistemas con ruidos .2.. 123 125 131 4 .. Diseño del filtro de Kalman .....1.....2....................... 4.........11... Resultados ...........12..........1.. Filtro de Kalman discreto ...... Ejecución en laboratorio del modelo global .........2............3. Implementación del control LQG 4..... ...._______________Autor: Fernando Bote Ortega 4.........1.....3. 113 5....... 103 103 108 Diseño de control LQR ..

56 Figura 4......2 Motor lineal con plataforma móvil...................................._______________Autor: Fernando Bote Ortega Índice figuras......................... 49 Figura 3..13 Valor del péndulo apoyado sobre la derecha.................15 Caída libre del péndulo hacia la derecha.10 Varilla con eje perpendicular por uno de sus extremos....................................................................4 Respuesta del sistema al impulso inicial.1 Modelo usado en función del ángulo del péndulo. 36 Figura 3......... 18 Figura 2..................19 Simulación de la zona de rebotes izquierda............... 37 Figura 3............. 34 Figura 3.............6 Diagrama de conexionado del motor lineal................. 32 Figura 3. 50 Figura 3....... 39 Figura 3................................ 29 Figura 3..................................17 Modelo simulink del péndulo..... 45 Figura 3........................ 61 Figura 4.........................................................................................5 Pantalla ControlDesk.........................1 Representación de un motor lineal.............................................................. 16 Figura 2.......9 Varilla con eje perpendicular por el centro.....................................................6 Modelo Simulink del carro................... 43 Figura 3... 50 Figura 3...................... 30 Figura 3................ 36 Figura 3............................... 38 Figura 3.............. 39 Figura 3..........1 Péndulo girando.........................................18 Simulación de caída libre del péndulo hacia la izquierda......2 Diagrama simulink para accionamiento del motor lineal.......................... 28 Figura 3.............................4 Respuesta real del motor a un escalón.............................................................. 10 Figura 2.12 Valor del péndulo apoyado sobre la izquierda..3 Impulso inicial de entrada.. 45 Figura 3................................ 51 Figura 3................................16 Zona de rebotes de la izquierda.......................................... 46 Figura 3..........7 Respuesta simulada del carro ante un escalón u=0.14 Caída libre del péndulo hacia la izquierda........................8 Diagrama de fuerzas que actúan en el sistema...........Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos....................... Figura 2.................2 Modelo Simulink de impulso inicial................................................................................3 Bloque Simulink del motor lineal.....................5 Diagrama de estados del carro... 43 Figura 3.......11 Diagrama de masas con respecto a un eje.............................................. 62 Figura 4....3 Armario y panel de control.......................... 20 Figura 3.....................20 Simulación normalizada.............. 15 Figura 2......... 59 Figura 4....................................................... 62 5 ............21 Modelo del autómata híbrido del péndulo..3...............................4 Péndulo invertido...................................... 15 Figura 2...

.......................................... 107 Figura 4........................... 69 Figura 4....... 115 Figura 5.... 63 Figura 4.................................................................................................................23 Bloque cálculo de velocidad angular................. 110 Figura 4............... 110 Figura 4................................9 Ángulo para K=0.......................................... 72 Figura 4.4.............................4 Diagrama Simulink para calcular el estado x5.....................................25 x5 para v = 1 m/s.........................12 Ángulo para K=0..................................................... 83 Figura 4............. 111 Figura 4................ 111 Figura 4.....14 Señal del ángulo con ruido........Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos..............................20 Evolución de las ganancias.......... 106 Figura 4................... 66 Figura 4................. 114 Figura 5.................21 Evolución de los estados del sistema y los estimados..... 69 Figura 4....................2............................................................ 75 Figura 4.........27 Resultado simulación control LQR..... 82 Figura 4.........................1 Modelo global de simulación....2 Diagrama Simulink del filtro de Kalman................. 71 Figura 4.....................................7 Modelo Simulink del controlador de alzamiento......... 112 Figura 5.............................. 107 Figura 4...........5 Variación de la velocidad del carro ante el impulso inicial..............6 Variación del ángulo del péndulo ante el impulso inicial..........................3.................................................................................................................................. 67 Figura 4........................3 Diagrama Simulink del bloque condiciones de cambio.......33 Esquema Simulink del filtro de Kalman...............10 Ángulo para K=0....................22 Modelo Simulink del controlador LQG..30 Medida del ruido de la señal de velocidad................................ 108 Figura 4.......................................................19 Evolución del estado en lazo cerrado. 67 Figura 4..............34 Resultado simulación del control LQG............... 116 6 ..............16 Respuesta real alzamiento para K=0........26 Esquema control LQR.................... 64 Figura 4.......................8 Modelo Simulink del comparador de entradas............................11 Ángulo para K=0.......... 109 Figura 4...........17 Respuesta real alzamiento para K=0............ 105 Figura 4......29 Medida del ruido de la señal de posición............ 72 Figura 4.............28 Diagrama de bloques del filtro de Kalman..... 70 Figura 4............... 68 Figura 4.............. 99 Figura 4.............................32 Esquema de control LQG..1................................. 68 Figura 4......31 Medida del ruido de la señal de ángulo..............................................4.......3...............13 Modelo del controlador de alzamiento para el laboratorio....24 Velocidad angular para Impulso=10 y K=5.....18 Posibles trayectorias de 1 a 8................................................................ 113 Figura 5.....15 Bloque compara ángulo............. 105 Figura 4................ 103 Figura 4..._______________Autor: Fernando Bote Ortega Figura 4.......

...4....... 118 Figura 5...............7 Modelo global para el laboratorio........ 121 Figura 5....................9 Resultado de ejecución del modelo global para K=0............................ 122 7 ........................................................ 119 Figura 5........................6 Simulación de la señal de ángulo........8 Resultado fallido de ejecución del modelo global.............3...5 Resultado de la simulación global..... 117 Figura 5.........Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos..........._______________Autor: Fernando Bote Ortega Figura 5.........10 Resultado de ejecución del modelo global para K=0...... 120 Figura 5...

de forma que las variables teóricas que se manejen tengan correspondencia con las variables que se emplearán en el modelo físico. obteniendo las ecuaciones que lo describen y realizando un modelo del mismo a partir de ellas.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. El objetivo del este proyecto es realizar un estudio del péndulo invertido sobre vehículo móvil que se encuentra implementado en los laboratorios de automática de la Escuela Superior de Ingenieros de Sevilla empleando un modelo de sistema híbrido que modele su comportamiento . 8 . Dicho estudio consistirá en una primera parte en la que se realice un modelado matemático del sistema en cuestión._______________Autor: Fernando Bote Ortega 1. Objetivos. En la segunda parte se realizará el diseñó de una estrategia de control usando la herramienta Simulink de Matlab de tal forma que actuando sobre el carrito consigamos en un primer momento el alzamiento del péndulo partiendo de un estado de reposo y posteriormente mantener la verticalidad del mismo.

1. transporte monorraíl. Motor Lineal. gracias a la ausencia de transmisiones mecánicas. Los motores lineales presentan ventajas y límites. Estos sistemas de transmisión del motor son generalmente compuestos de engranajes y correas siempre sometidos a roces que causan perdidas de la potencia generada. Cuando es requerido un motor de tipo lineal son necesarios sistemas que trasformen el movimiento rotatorio en lineal. Respuesta rápida. Introducción. Hoy en día son siempre más empleados en campos de aplicación en los que sean requeridos movimientos lineales de alta precisión de desplazamiento y velocidad. sistemas ópticos. Las principales ventajas son: • • • Alta velocidad y precisión. 9 . tales motores no han suscitado sustanciales intereses prácticos antes del 1950. debido al hecho de que tales motores no necesitan transferir al suelo la potencia producida. En un motor lineal se implementa el motor a lo largo de una dirección sin que necesite ningún mecanismo de transmisión.1. maquinas textiles. es decir. Algunos de estos son las máquinas de desplazamiento._______________Autor: Fernando Bote Ortega 2.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. En este tipo de transporte se ha podido combinar la aplicación de propulsión mediante motores lineales con sistemas magnéticos de levitación. Un ejemplo. A pesar de que el desarrollo de los primeros motores lineales se remonta al último decenio del 1800. 2. etc. 2.1. Los motores eléctricos más comunes son motores rotatorios. que generan el movimiento a lo largo de un eje. esto conlleva una menor dispersión de la potencia generada. El resultado es una fuerte disminución de las pérdidas por roces y por eso un alto rendimiento. El límite a la máxima velocidad depende del cableado y del control electrónico. Sistema hardware. una de las áreas en las que ha encontrado aplicación el uso de motores lineales es en el transporte con monorraíl. puertas corredizas. Fiabilidad.

Este tipo de motores disfruta de los mismos principios que los motores eléctricos rotatorios al punto que se puede ver un motor lineal como uno rotatorio que haya sido abierto a lo largo de una generatriz y extendido encima de un piano. como se ilustra en la figura. La temperatura del motor conlleva limitaciones al rendimiento. Con algunas configuraciones puede resultar bastante simple la ampliación del recorrido del motor. también si el motor no está en funcionamiento. La física que está a la base es simple. se disfruta de la atracción entre polos magnéticos iguales y la repulsiones entre polos diferentes. pudiendo llegar a distancias grandes como las de las monorraíles. El hierro que en algunos casos forma el núcleo alrededor del que son envueltas las bobinas genera atracción. Extensión ilimitada. Ilustramos brevemente los principios operativos de los motores lineales.1: Representación de un motor lineal._______________Autor: Fernando Bote Ortega • • • • Vida larga. Escasa necesidad de manutención.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. en caso de utilización con imanes. Robusteza. Los límites son: • • • La fuerza de atracción entre las dos partes del motor puede ser de 2 a 5 veces más grande que la fuerza horizontal de propulsión. Figura 2. 10 .

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Existen varios tipos de motores lineales: • Según la forma: Llano: la parte estática es un llano sobre el que se desliza la móvil. Cuando una corriente pasa por una bobina crea un campo magnético entre las dos partes del motor. Tubular: la parte móvil se desliza sobre un núcleo central que la atraviesa. El primario consta de un conjunto de bobinas de cobre a las que se aplica una corriente para crear una fuerza electromagnética. Como resultado los imanes generan una fuerza sobre el conjunto de bobinas y alternando oportunamente la corriente causan el moto lineal de la parte móvil del motor. 11 . Número y extensión de las espiras determinan la fuerza del motor. es decir del campo electromagnético. Uno de los inconvenientes de los motores lineales a imanes permanentes es el fuerte campo magnético presente alrededor del motor._______________Autor: Fernando Bote Ortega Los motores lineales son compuestos por dos partes que toman el nombre de primario y secundario. En la práctica a través del control de la corriente que circula en las espiras. Este tipo de motores aprovechan óptimamente el flujo magnético pero presenta límites debidos a la necesidad de puntos de apoyo en los extremos. Para la configuración en U el inconveniente se reduce notablemente. sobre todo por motores llanos y tubulares con secundario en la parte fija. El secundario es el componente que reacciona a la fuerza electromotriz y consiste solamente en una serie de imanes permanentes. Tanto el primario como el secundario pueden ser el elemento estacionario o móvil. se puede obtener el motor lineal continuo deseado. En U: la parte móvil pasa entre dos filas de imanes.

El control del péndulo invertido presenta una enorme variedad de problemas que han hecho de él uno de los sistemas concretos para el ensayo de leyes de control más analizados en estos últimos tiempos. como por ejemplo: el generador sincrónico conectado a un bus infinito y el sistema de control de vuelo para aeronaves. que guarda cierta analogía con procesos reales de mayor complejidad. Por último. lo que ha hecho de él un banco de pruebas (benchmark) para sistemas de control. En el control del péndulo invertido se presentan básicamente dos problemas: el problema de la estabilidad local en torno a la posición de equilibrio. En continua con escobillas o sin escobillas._______________Autor: Fernando Bote Ortega • • • • Con primario móvil o secundario móvil. se sigue experimentando con el péndulo invertido y tratando de analizarlo desde un punto de vista teórico. que es análogo al 12 . y aún hoy. Es notable que después de tantos años aún no se haya conseguido un estudio unitario y satisfactorio de dicho problema. Paso a paso. por eso muchas veces el implante necesita un sistema de refrigeración. 2. Péndulo Invertido. En alternada síncrono o en alternada a inducción. su estudio sirve como una primera aproximación a los problemas que plantean sistemas de mayor complejidad.2. Por tanto. otra cosa importante a tener en cuenta es el calor que se genera por efecto Joule en las bobinas y que puede causar desde pérdidas de rendimiento a daños irreparables.1. El interés en el estudio de este tipo de sistema radica en que. Los primeros péndulos invertidos se construyeron en los años 70. treinta años después. su modelo matemático presenta una formulación basada en ecuaciones diferenciales. Este sistema constituye un caso concreto de sistema físico en el que se ponen de manifiesto importantes problemas.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. salvando las particularidades de cada caso.

y el problema de levantar el péndulo desde su posición de reposo hasta la posición en la que se mantiene erguido hacia arriba. un problema no lineal que se desenvuelve en una amplia región del espacio y que. de modo que el problema no puede abordarse con una perspectiva local._______________Autor: Fernando Bote Ortega problema del malabarista que pretende mantener un palo en la punta de un dedo. no admite una reducción local y hay que abordarlo con toda la problemática inherente a su globalidad y a su no linealidad. combinando diferentes métodos para resolver los distintos aspectos del complejo problema que representa el control de este sistema. consta de los siguientes elementos: 13 . y ante él el ingeniero tiene que desarrollar sus facultades imaginativas y creativas. Para perturbaciones de una cierta magnitud el control del péndulo se pierde. 2. aparentemente simple. conviene resaltar que se puede considerar como un problema arquetipo de lo que es la ingeniería. relativas a la imposibilidad de linealizar el sistema y de tratarlo exclusivamente en forma local. por tanto. En el problema del swing up es necesario considerar todo el espacio de estados. puede resolverse satisfactoriamente mediante la linealización en torno a la posición de equilibrio.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Este último problema se conoce con su denominación inglesa de problema del swing up. La instalación sobre la que ha sido aplicado el control. por su propia naturaleza. No existe un método universal para resolverlo. Se trata. El problema del swing up es. de un problema al que se aplican las consideraciones realizadas a lo largo de este capítulo. Por último. por tanto.1. Sin embargo. la ley de control así obtenida tiene un carácter exclusivamente local. Instalación.3. presente en la planta baja del Instituto da Automática y Robótica (IAR) de la Escuela Superior de Ingenieros de Sevilla. para terminar esta sección sobre el problema de control del péndulo invertido. pero en realidad muy complejo en sus formas de comportamiento. El primero de los problemas. el de la estabilización local.

7 mm.1. El primario es la parte móvil.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Potenciómetro VISHAY. PC con tarjeta dSpace. El secundario es compuesto da 21 imanes con 4 pares de polos cada uno de los que mide 120*58*11. Armario y panel de control.1. La cabeza captadora del sistema de medida LC181 está fija en la parte móvil y impone un limite de 120 m/min porque sea garantizado un correcto funcionamiento. Guías de rodamiento. En el todavía no se ha montado la estructura de péndulo invertido que se mostrará más adelante.3 mm. 2. Péndulo invertido. La extensión total del secundario resulta ser 2520 mm. El motor 1FN3 050-2W00-0AA de Siemens es un motor lineal síncrono a imanes permanentes que puede alcanzar la velocidad de 373 m/min. Las guías LAS20ALZ de NSK-RPH miden 2985 mm. Motor Lineal. 14 .3. Entre primario y secundario está presente un entrehierro de 1._______________Autor: Fernando Bote Ortega • • • • • • • Motor lineal 1FN3 Siemens. Su dimensiones son 254*67*47.8 mm. es decir que en su interior se hallan las bobinas que generan el campo electromagnético. Sistema óptico de medida lineal LC181 Heidenhein. A continuación se muestra una fotografía del montaje que se encuentra en los laboratorios.

3.1.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega Figura 2.2. el cableado y los pulsadores.2: Motor lineal con plataforma móvil que se encuentra en los laboratorios de automática de la Escuela de Ingenieros. El armario y panel de control contiene las protecciones. Además se encuentra aquí la unidad de regulación SimoDrive 611 Universal de Siemens. la distribución de potencia.3: Armario y panel de control. 2. 15 . Figura 2. Armario y panel de control.

3. 16 .3. 2.4: Péndulo invertido. Potenciómetro. 2. Presenta bornes para el acceso directo a salidas y entradas digitales y analógicas. El péndulo invertido se coloca sobre la plataforma móvil fijándolo mediante tornillos._______________Autor: Fernando Bote Ortega Esa unidad es una tarjeta que funciona de interfaz directa con el motor además que de unidad de regulación. 10m m 40 mm Figura 2.4. La tarjeta está conectada por un lado al módulo que proporciona la potencia al motor y al captador del sistema de medida. Las conexiones con el PC son una directa a la puerta serie de ése a través del bus RS-232 y la otra a través de los bornes con la tarjeta dSpace que se halla en el PC. Posteriormente esa señal eléctrica la convertiremos mediante un bloque de Simulink en una señal que irá desde pi/6 a -pi/6 que son los ángulos máximo y mínimo respectivamente que puede alcanzar el péndulo invertido.1.1.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Péndulo invertido.3. El potenciómetro VISHAY Spectrol 157-9002-103 OI nos ofrece una medida del ángulo del péndulo. por el otro al PC. Veremos este aspecto más detalladamente luego.

Para acceder a la SimoCom 611 Universal como unidad de regulación se emplea un software de la Siemens SimoComU que comunica con la tarjeta a través del bus serial RS-232. sin embargo. Con SimoComU se pueden especificar los parámetros del motor controlado. pero no se puede obrar sobre ellos durante su ejecución. Puede además ser empleado para desplazar el motor manualmente desde PC. Además se puede cargar la configuración corriente en la FEPROM. Software y conexión. Los dos tipos de control pueden ser planteados y aplicados. hacer un diagnosis del sistema. Por lo que concierne el presente proyecto ese software ha sido útil para la definición de las puertas de entrada y salida directas._______________Autor: Fernando Bote Ortega Como ya se ha dicho arriba el péndulo tiene como ángulo máximo y mínimo respectivamente +pi/6 y –pi/6 con respecto a su vertical ya que tiene unos topes que impiden que pueda inclinarse más. actualizar los parámetros internos del regulador.2. 17 . controlar en tiempo real el sistema. inhiben el funcionamiento del motor. Esta tarjeta puede operar tanto como regulador de posición como de velocidad. etc…. definir una secuencia de desplazamiento y poner en marcha el seguimiento. una vez que se activan. de los parámetros de final de carrera software y para la gestión de las alarmas que. tiene un módulo de memoria no volátil FEPROM para almacenar el firmware (software del sistema) y los datos del usuario.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. parametrizar las salidas y las entradas digitales y analógicas de la tarjeta. El módulo SimoCom 611 Universal proporciona la interfaz directa al motor además de funcionar como unidad de regulación. el dSpace. Tales acciones no pueden ser efectuadas a través del modulo que permite la aplicación del control. administrar las alarmas. 2. esto es. A través de SimoComU no se puede.

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. permite diseñar paneles de control en manera simple y intuitiva. Para la visualización en tiempo real de la velocidad y posición del carrito. Hay además tres plotter: 1.5: Pantalla del ControlDesk desde la que podemos variar los parámetros de control. Está basada en el procesador PowerPC 604e a 400 MHz y puede ser programada vía Simulink con la propia librería a bloques RTI (Real-Time Interface). 18 . input numéricos para la plantear los valores de amplitud y frecuencia de la señal de colocación y de amplitud para la ganancia del controlador de alzamiento._______________Autor: Fernando Bote Ortega La dSpace DS1103 PPC es una tarjeta colocada en el PC. 2. El software que acompaña la dSpace. además de proporcionar la instalación de los bloques Simulink de interfaz. Para la visualización en tiempo real de la velocidad angular y ángulo del péndulo. Veamos ahora el panel empleado: Figura 2. Tenemos un botón de habilitación del control (On/Off).

P2A y P2B digitales.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega 3. Además se ha conectado el borne de referencia X441 15 al pin P1A 24 (tierra). • Las dos señales digitales en entrada al motor llegan al bloque Simulink DS1103BIT_OUT_G0.6 V (alto). En el panel de control hay conexiones a la SimoCom 611. Las señales necesarias en nuestro caso son las 4 descritas después más la tierra y una referencia por la salida del motor y han sido parametrizadas mediante SimoComU. La conexión es entre el borne SimoCom 611 Salidas Analógicas X441 16. Ilustramos brevemente para terminar este apartado. Las señales en salida son amplificadas a los valores altos de 16. 19 . Una vez realizado. las conexiones entre la tarjeta dSpace y SimoCom 611 Universal. en particular a los bits 5 y 7. todo en tiempo real. Para la visualización en tiempo real de la señal de control. se emplea una tarjeta compuesta por dos negadores y un Darlington alimentada con 24 V.A y el pin P1A 23 (convertidor analógico-digital canal 18). Por eso es necesario amplificar las señales TTL en llagada desde la dSpace. Estos bits son relativos a P2A pin 19 y P2A pin 3. Como nota. En este caso pero las señales han valores de 0 V (bajo) y 4. P3A y P3B diferenciales. se puede usar el panel para modificar valores del modelo y visualizar las señales en lectura desde el motor. En particular a los bornes del Modulo Opcional de Bornes X422 identificados con I8 y I9 y la tierra en salida de la tarjeta a la tierra de la SimoCom 611. además la tierra es aquella de P2A pin 1. como el modelo Simulink a través del dSpace serán presentadas más adelante. la tarjeta dSpace dispone de seis conectores con 50 pines cada uno: P1A y P1B analógicos. mientras en entrada a la SimoCom 611 el nivel bajo tiene que ser entre -3 y 5 V y el nivel alto entre 15 y 30 V.5 V y entonces conexos a la SimoCom 611. Particularidades sobre como se ha aplicado el control. Veamos las conexiones: • La señal que llega al bloque convertidor analógico-digital DS1103ADC_C18 es analógica y es la lectura de la velocidad real del motor. compilado y cargado en la CPU el modelo Simulink de interfaz o control del motor.

6: Diagrama de conexionado del motor lineal. Figura 2. 2.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.3. que permiten el desplazamiento manual. Las conexiones con los botones presentes en el panel. es muy 20 . Debido a la complejidad y a la diversidad de los sistemas híbridos. Mostramos un esquema de las conexiones. por ejemplo si la señal en el modelo es de 0. han sido cortados para evitar conflictos. Sistemas híbridos. En realidad tal convertidor amplifica por 10 la señal que llega de Simulink. en el pin (y por eso también en entrada a la SimoCom 611) hará 2 V. Los sistemas híbridos son una clase de sistemas dinámicos donde el comportamiento a analizar es definido por la interacción de dinámicas continuas y discretas. Esto es conectado al primer de los bornes libre que se hallan en bajo en el panel.2.10 V (en realidad se utiliza sólo entre 0 y 10 V) y se halla en el conector P1A pin 10 (convertidor digital-analógico canal 6)._______________Autor: Fernando Bote Ortega • Para terminar la señal en salida del bloque DS1103DAC_C6 tiene un rango de +/.

esta es la teoría más común en el modelado físico de fenómenos.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.3. Por está razón. Introducción. Existen muchas razones para usar modelos híbridos para representar el comportamiento dinámico de tales sistemas. obteniendo así modelos simples mediante una logística de conmutación entre dichos modelos. tipo discreto y los que 21 ._______________Autor: Fernando Bote Ortega difícil que una herramienta se pueda aplicar a cualquier sistema y conservar las mismas ventajas y propiedades. como las existentes en la industria de manufactura o procesos. en lugar de tener que representar las relaciones dinámicas a partir de un conjunto de ecuaciones diferenciales no lineales de orden superior. se puede representar el mismo sistema por un conjunto de ecuaciones simples. por ejemplo. 2. En control.1. La mayoría de los procesos industriales se pueden considerar sistemas dinámicos ya que sus salidas dependen de entradas y salidas anteriores. En la mayoría de las industrias existen procesos que pueden ser del tipo continuo. actualmente no existe una herramienta o metodología general y sistemática para la modelación de sistemas híbridos. Una razón importante es la reducción de complejidad del modelo en orden. Estos sistemas contienen típicamente variables o señales que toman valores de manera continua y variables discretas que toman valores dentro de un conjunto finito de posibilidades. usualmente la teoría de grafos. Los esfuerzos recientes en la investigación de sistemas híbridos típicamente se centran en el análisis del comportamiento dinámico de los mismos y tienen como meta el diseño de controladores con una estabilidad y funcionamiento garantizados. la conmutación entre sistemas dinámicos simples ha sido usada en la práctica por muchas décadas. El término “sistema híbrido” es usado para definir una clase de sistemas con comportamientos definidos por entidades o procesos de distintas características.

a procesos basados en eventos discretos. modelación y simulación de procesos se encuentran orientados ya sea a procesos continuos.3. siempre será importante el poder realizar un análisis y evaluación del desempeño de los procesos actuales para verificar si éstos cumplen las especificaciones de acuerdo a lo planeado. Durante su operación._______________Autor: Fernando Bote Ortega combinan ambos aspectos. También. por ejemplo: los procesos batch donde en general no se puede realizar una simulación en la cual se observe explícitamente la evolución dinámica tanto de la entidad discreta como de la entidad continua así como la interacción que existe entre ambas entidades. Éstos últimos dan lugar a lo que se conoce como sistemas dinámicos híbridos. Al observar la literatura. Sin embargo.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. y en cuanto a si enfatizan los resultados de análisis y síntesis. en la actualidad. sólo el análisis o únicamente la simulación. con el fin de conocer y entender su comportamiento ante diferentes condiciones o variaciones en la operación. los enfoques difieren en lo relativo al énfasis en las dinámicas continuas y discretas o en la complejidad de las mismas. En términos generales. Esta herramienta debe auxiliar en la realización de una simulación del modelo del proceso obtenido. o extender los resultados a sistemas conmutados. En un extremo del espectro se encuentran los enfoques en los que se abordan los sistemas híbridos que representan extensiones de ideas teóricas de sistemas que se describen por medio de ecuaciones diferenciales ordinarias para incluir tiempo y variables discretas que presentan saltos. Diferentes enfoques en el modelado y análisis de sistemas híbridos. la mayoría de los métodos y herramientas utilizadas para el análisis. es importante el contar con una herramienta para realizar la modelación de dichos sistemas. salta a la vista que existen muchos enfoques para el modelado. o bien. La limitación de estas metodologías y herramientas aparece cuando se aplican a un proceso con características continuas y discretas. 2.2. 22 . análisis y síntesis de los sistemas híbridos.

estos enfoques son capaces de manejar dinámicas continuas complejas y enfatizan los resultados de estabilidad. y (Benveniste. 1993) combinó las ecuaciones diferenciales ordinarias y los fenómenos discretos para describir sistemas de movimiento. (Tavernini. estos enfoques son capaces de manejar dinámicas discretas complejas descritas por autómatas finitos y enfatizan los resultados de análisis (verificación) y las metodologías de simulación. 1998) propuso un marco de referencia de comportamiento de modelado de sistemas híbridos con énfasis en la naturaleza de composición y el uso de tiempo multiforme... 1993) usaron autómatas híbridos. hallamos enfoques a los sistemas híbridos que están incorporados a los modelos y métodos de la ciencia computacional. En (Alur et al.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Se han empleado diferentes paradigmas matemáticos para modelar sistemas híbridos que revelan la diversidad de las investigaciones. La teoría se aplica a la verificación automática de los requisitos de 23 . (Alur y Dill. 1987) usó autómatas diferenciales. Además. en (Nerode et al._______________Autor: Fernando Bote Ortega Típicamente. en (Antsaklis et al. las cuales combinan conceptos de los sistemas de control continuo descritos por ecuaciones diferenciales o de diferencia lineales y no lineales y el control supervisorio de los sistemas de eventos discretos que son descritos por autómatas finitos y redes de Petri (Antsaklis et al. una extensión de los autómatas temporizados. En el otro extremo del espectro. 1994) propusieron autómatas temporizados para modelar el comportamiento de los sistemas de tiempo real en el tiempo. Existen metodologías adicionales que comprenden el resto del espectro. (Brockett. 1993) proporcionan un marco de referencia adecuado para la simulación numérica. Los autómatas temporizados y los autómatas híbridos han sido usados por varios investigadores para el modelado y verificación de los sistemas híbridos. 1993) adoptaron un enfoque de sistemas dinámicos de eventos discretos. 1993) adoptaron un enfoque teórico de autómatas para los sistemas compuestos de ecuaciones diferenciales ordinarias en interacción y autómatas finitos. que representan extensiones de las metodologías de verificación de los sistemas discretos a los sistemas híbridos. 1998).. (Back et al. Los autómatas temporizados se estudian desde la perspectiva de la teoría del lenguaje formal..

ecuaciones continuas. se realizó una extensión del autómata finito.. debido a la creciente demanda de modelos más exactos y generales para los diferentes sistemas que tenían en su estructura fenómenos tantos discretos como continuos. Las dinámicas continuas se representan por modelos de estados mediante ecuaciones diferenciales que las describen. 1995) introdujeron el marco de referencia de autómatas híbridos como un modelo y el lenguaje de especificación para sistemas híbridos. lo que dio lugar al autómata híbrido (Favela et al. En (Branicky 1998) se presenta algunas herramientas de análisis para los sistemas conmutados e híbridos. 1998). se usan funciones múltiples de Lyapunov para el análisis de estabilidad de los sistemas conmutados y se usan sistemas de funciones iterativas para la estabilidad de Lagrange. En (Alur et al. La verificación está basada en abstraer la dinámica continua del sistema híbrido mediante dinámicas continuas más simples. El autómata finito es un modelo de base para representar las dinámicas discretas de los sistemas y su interacción con el medio.. el modelo del autómata híbrido está basado en una representación explicita tanto de las dinámicas continuas del sistema como de las discretas. como una forma de interacción continua. 1998) presenta una metodología para analizar algorítmicamente sistemas híbridos no lineales traduciéndolos primero a autómatas híbridos lineales.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. introduciendo el tiempo en los estados discretos. Así. 1994) se presentan dos métodos para la verificación de sistemas híbridos. 1996) usan autómatas finitos no determinísticos para modelar el comportamiento discreto e inclusiones diferenciales para modelar el comportamiento continuo de los sistemas híbridos y se diseña un controlador híbrido que produce trayectorias viables. (Henzinger et al._______________Autor: Fernando Bote Ortega tiempo real de las máquinas de estado finito. (Desphande y Baraya. Como este modelo estaba muy limitado se hizo una ampliación del mismo. Las dinámicas discretas se representan mediante el modelo del autómata 24 . El formalismo de modelado usado es el de los autómatas híbridos. Sin embargo. En particular. En (Puri y Baraya. y entonces usando herramientas de verificación de modelos automatizados. agregando aparte del tiempo en los estados discretos.

primero con algunos ejemplos históricos y luego en el área emergente de sistemas híbridos. En (Daws et al. (Fourlas et al.. Los modelos de SHIFT ofrecen el nivel apropiado de abstracción para describir aplicaciones complejas como los sistemas automatizados para autopistas cuya operación no puede ser capturada fácilmente por los sistemas convencionales.. 1995) propusieron HYTECH como una herramienta automática para analizar sistemas híbridos. Se presenta una perspectiva para los sistemas híbridos en el área de control. 2005) se ilustra la evolución de los sistemas híbridos en el campo del control. En (Balluchi et al. SHIFT..Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Dichas condiciones se pueden verificar aún si alguno de los subsistemas continuos del sistema hibrido no es observable y se relacionan con el tiempo de permanencia mínimo y máximo en cada estado. propuesto por (Desphande et al. 2003) se introducen las nociones genéricas para determinar los estados estables asintóticos en los sistemas híbridos y se dan las condiciones suficientes para alcanzar un estado final. En (Morari. 25 . En (Inihov et al.. El sistema se construye y simula en el ambiente SimulinkTM y StateflowTM de MatLabTM._______________Autor: Fernando Bote Ortega finito. 1996) desarrollaron herramientas en MATLAB para el modelado y simulación de sistemas híbridos. (Taylor y Kebede. Se han propuesto numerosas herramientas de simulación para la simulación. 1996) desarrollaron KRONOS como plataforma de verificación para sistemas complejos en tiempo real. 1997) desarrollaron el programa Model Vision Studium como una herramienta para la investigación numérica de sistemas híbridos utilizando la tecnología de programación orientada a objetos. 1999). 1998) es un lenguaje de programación para describir redes dinámicas de autómatas híbridos. donde se observa explícitamente la lógica de conmutación del mismo (Favela et al. (Henzinger y Ho.. Resaltan los desarrollos teóricos y se menciona el software extenso que ayuda a traer la teoría a ejemplos prácticos. 2004) propone un marco de referencia para el modelado de sistemas de potencia usando sistemas híbridos.. verificación e implementación de los sistemas híbridos.

hay dos importantes líneas de investigación: la que se basa en el modelo del autómata y la que se basa en las redes de Petri. 1999). El interés de este trabajo se basa en la modelación y análisis de sistemas híbridos mediante el modelo del autómata híbrido continuo lineal invariante en el tiempo. 26 .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega En el análisis del comportamiento dinámico de sistemas influenciados por la ocurrencia de eventos discretos. propuesto por (Favela et al.

Modelado de la parte continua: esto implica seleccionar el modelo matemático que más se ajuste a las propiedades físicas del comportamiento continuo a modelar.2. . 27 . Análisis del sistema híbrido obtenido: con el fin de asegurar que todas las condiciones previamente establecidas se cumplan. 3. 5. Modelado de la parte discreta: aquí se determinan el número de estados discretos necesarios basado en los diferentes modos de comportamiento físico. Variables continuas y discretas._______________Autor: Fernando Bote Ortega 3. Integración de las variables continuas y discretas: utilizaremos el modelo del autómata híbrido para realizar la integración de las entidades. 3. 3.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Identificar las variables continuas y discretas que integran el proceso. Para modelar este sistema vamos a utilizar un modelo de sistema híbrido. las entradas y las salidas discontinuas. Para obtener dicho modelo debemos seguir los siguientes pasos: 1. 7. Modelado. Variables continuas. 6. Hay que recordar que se pueden utilizar desde ecuaciones diferenciales simples hasta muy complejas para representar las dinámicas continuas. 2.1. Simulación del sistema y evaluación de resultados. 4. Introducción. Analizar las acciones de control.

3. Por tanto podemos suponer que tenemos un interruptor que se activa cuando se cumple esta condición._______________Autor: Fernando Bote Ortega • • • Posición del carro (plataforma móvil). 3. Ángulo del péndulo con respecto a la vertical. Velocidad del carro. El modelo del sistema irá cambiando dependiendo de la zona en la que se encuentre el péndulo en cada momento: pi/36 pi/6 Modelo no lineal 0 Modelo lineal -pi/36 Modelo no lineal -pi/6 Modelo de rebotes Modelo de rebotes Figura 3. Modelado de la parte continua. 28 .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.1: Modelo usado en función del ángulo del péndulo. • Activación de la fuerza que simula el comportamiento de los rebotes ya que esta fuerza únicamente actúa cuando el ángulo es mayor que el de los topes. Variables discretas.

En cambio el modelo del carro es exactamente el mismo en cualquiera de los estados ya que no depende de la posición del péndulo. Este esquema es el más simple pues únicamente tenemos en cuenta el motor. El resto de bloques nos sirve únicamente para ver las salidas. Para obtener el modelo del carrito utilizamos el siguiente esquema Simulink que posteriormente cargamos en la tarjeta dSpace._______________Autor: Fernando Bote Ortega En la figura podemos observar como tendremos que utilizar tres modelos diferentes para modelar el comportamiento del péndulo invertido en todas sus posiciones además de para poder modelar el efecto de los rebotes.1. el input que introducimos mediante el Signal Generador y el Motor Lineal. Para ello en el laboratorio hemos atado el péndulo contra uno de sus topes para que no influya en el comportamiento del carro. En el esquema sólo hay dos bloques de interés.2: Diagrama Simulink para accionamiento del motor lineal. las señales intermedias y para habilitar o deshabilitar la entrada.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. 3.3. 29 . Figura 3. Modelo del carro.

La amplitud de dicho escalón la podremos modificar después en el ControlDesk. a partir de este esquema. el bit 5 se pone a nivel alto mientras que el bit 7 permanece en nivel bajo.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. En este esquema podemos observar los siguientes bloques: • DS1103BIT_OUT_G0: es una puerta digital._______________Autor: Fernando Bote Ortega Posteriormente.3: Bloque Simulink Motor Lineal. entonces el bit 7 se pone a nivel alto mientras el 30 . El Signal Generator lo configuraremos para que nos ofrezca a la salida un escalón. iremos modificándolo y añadiéndole todo lo demás por tanto lo que a continuación vamos a explicar sobre el bloque Motor Lineal es valido para los esquemas Simulink que iremos analizando después de este apartado.. Cuando la señal de control asume valores positivos. Podemos observar como se emplean dos bits (el 5 y el 7) de la puerta para proporcionar la dirección del movimiento del motor. En cuanto al bloque del Motor Lineal se muestra en la siguiente figura: Figura 3. Viceversa si la entrada de control tiene valores negativos. así se activa el movimiento hacia la derecha (relacionado al bit 5).

Este bloque convierte la señal analógica de ángulo proporcionada por el potenciómetro. es decir el valor absoluto. además que eliminar la posible causa del bloqueo. Puede así ocurrir que una señal no tenga suficiente tiempo para pasar a nivel bajo antes de que el otro conmute a nivel alto. En realidad debido a los retrasos de conmutación 1/0 y 0/1 en las señales de entrada a la unidad SimoDrive 611 Universal. si la señal de control no es nula. • DS1103DAC_C6: convertidor digital-analógico. • DS1103ADC_C19: convertidor analógico-digital. El bloque que realiza esto lo estudiaremos más adelante. • DS1103ADC_C18: convertidor analógico-digital. Por ejemplo. evita que el motor una vez parado oscile alrededor del punto de referencia. Este bloque convierte la señal analógica de posición proporcionada por el motor. las señales están en ese caso ambas a nivel alto y esto comportaría una parada del motor. Este señal una vez convertida es proporcionada al motor como amplitud de la entrada. la transforma a digital y la ofrece a la salida del bloque._______________Autor: Fernando Bote Ortega bit 5 permanece a nivel bajo causando un movimiento hacia izquierda (relacionado al bit 7). la transforma a digital y la ofrece a la salida del bloque.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. si la señal de salida del motor no alcanza amplitudes apreciables. 31 . serán nulos si la entrada es cero. La señal de entrada del bloque es la amplitud. de la entrada de control. que no pueden estar simultáneamente a nivel alto. Esto. en cada instante llega al motor un valor a nivel alto del bit 5 o 7 (el otro será a nivel bajo) que hace moverse al motor en la dirección correcta y un valor analógico que proporciona la amplitud de la entrada. Prácticamente. Obviamente los dos bits. si el motor está parado podría ocurrir que a causa de las pequeñas oscilaciones alrededor del valor 0 de la señal de salida del motor. dichas entradas podrían estar simultáneamente a nivel alto. el controlador generara entradas de control demasiado pequeñas como para causar algún movimiento del motor (a causa de la presencia de la fricción) pero que generarían frecuentes y rápidas conmutaciones izquierda-derecha. Para evitar ese efecto indeseado hemos introducido una zona muerta en la lectura. la señal de salida del bloque es fijada a cero.

5 Figura 3.4: Respuesta real del motor a un escalón. Observando la gráfica se ve que podemos aproximar el comportamiento de la velocidad como un sistema de segundo orden subamortiguado. la transforma a digital y la ofrece a la salida del bloque.5 2. 40 35 30 25 velocidad 20 15 10 5 0 -5 1 1.5 1. Veamos a continuación lo que ocurre cuando introducimos un escalón al motor: Respuesta real del carro ante un escalón. Este bloque convierte la señal analógica de velocidad proporcionada por el motor.25 3.25 tiempo 2.25 1. A partir de esta gráfica obtendremos los datos necesarios para obtener la función de transferencia de orden dos: F (s) = 2 ωn 2 s 2 + 2δω n s + ω n Las ecuaciones que utilizaremos para obtener los parámetros de la función de transferencia son las siguientes: 32 .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega • DS1103ADC_C20: convertidor analógico-digital.75 2 2.75 3 3.

δ = 0._______________Autor: Fernando Bote Ortega • • Tp = π ω ωn = ω 1− δ 2 donde: • • • Tp = Tiempo de pico.5 2 = 10. tiempo que tarda la velocidad en alcanzar el valor máximo que se obtiene en el sobrepico. ωn = frecuencia natural de los polos.4243 2 Pero a nosotros lo que nos interesa es tener el sistema representado en espacio de estados como sigue: 33 .35 = 8.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.4243 s + 10. es decir.35 seg.5. δ = coeficiente de sobreoscilación. Por tanto operando con las ecuaciones: ω= π Tp = π 0. Midiendo en la gráfica obtenemos que: • • Tp = 0.3646s + 107.9760 ωn = ω 1− δ 2 = 8.3646 Por tanto la función de transferencia que nos queda es: F (s) = 107.9760 1 − 0.

2 & x 2 = ω n x5 x 2 (k + 1) − x 2 (k ) 2 = ω n x5 ( k ) Tm 34 . 2 ωn F (s) = 1+ 2δω n s2 + s ωn = s2 y x ⋅ x u 2 2δω n ωn u = x+ x+ 2 x s s y= 2 ωn s2 x A partir de estas ecuaciones en continua obtendremos las ecuaciones del estado en el instante k+1 a partir del instante k._______________Autor: Fernando Bote Ortega u x x5=x/s x2=x/s2 ωn 2 y -2δωn -ωn2 Figura 3. Partimos de la función de transferencia del sistema de segundo orden subamortiguado.5: Diagrama de estados del carro.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.

01⎥ ⎣ ⎦ ⎣ ⎦⎣ ⎦ ⎣ ⎦ Comprobemos ahora mediante la simulación realizada en el Simulink si el modelo se asemeja a la realidad.01 ⎢ x (k + 1)⎥ = ⎢0 1 1. x 2 = x1 x 2 (k ) = x1 (k + 1) − x1 (k ) Tm x1 (k + 1) = x1 (k ) + Tm x 2 (k ) Por tanto el sistema del carro en espacio de estados es: 0 ⎡ x1 (k + 1) ⎤ ⎡1 Tm ⎤ ⎡ x1 (k ) ⎤ ⎡ 0 ⎤ ⎢ x (k + 1)⎥ = ⎢0 2 1 Tmω n ⎥ ⎢ x 2 (k )⎥ + ⎢ 0 ⎥u (k ) ⎢ 2 ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ x5 (k + 1) ⎥ ⎢0 − Tm 1 − 2Tmδω n ⎥ ⎢ x3 (k ) ⎥ ⎢Tm ⎥ ⎦⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ 0 ⎤ ⎡ x1 (k ) ⎤ ⎡ 0 ⎤ ⎡ x1 (k + 1) ⎤ ⎡1 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Para la simulación utilizamos el siguiente esquema: 35 ._______________Autor: Fernando Bote Ortega 2 x 2 (k + 1) = x 2 (k ) + Tmω n x5 (k ) & x5 = u − 2δω n x5 − x2 ω 2 n 2 ω n = u − 2δω n x5 − x 2 x5 (k + 1) − x5 (k ) = −2δω n x5 (k ) − x 2 (k ) + u (k ) Tm x5 (k + 1) = (1 − 2Tmδω n ) x5 (k ) + Tm (u (k ) − x 2 (k )) A estas ecuaciones hay que añadirle otra para describir la posición del carrito que la obtendremos integrando la velocidad: .01 0.0742 ⎥ ⎢ x 2 (k )⎥ + ⎢ 0 ⎥u (k ) ⎢ 2 ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ x5 (k + 1) ⎥ ⎢0 − 0.8964⎥ ⎢ x5 (k ) ⎥ ⎢0.

25 2.25 0._______________Autor: Fernando Bote Ortega Figura 3. Pulsamos play para realizar la simulación y comprobar si el resultado que obtenemos coincide con el obtenido en el laboratorio: Respuesta simulada del carro ante escalón.5 1.25 tiempo 1. 40 35 30 25 velocidad 20 15 10 5 0 0 0.6: Modelo Simulink del carro.5 0.5 tanto en el tiempo de sobrepico como en el coeficiente de sobreoscilación.7: Respuesta simulada del carro ante un escalón u=0. Observamos como se comporta de forma bastante parecida a la respuesta real que mostramos en la Figura 3. Más adelante cuando expliquemos el modelo lineal del péndulo veremos como introducimos estas ecuaciones para realizar el modelo global del sistema.75 1 1.75 2 2. 36 .5 Figura 3.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.3.

.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.. sumamos los momentos sobre el centroide del péndulo para obtener la siguiente ecuación: Pl sin(θ ) + Nl cos(θ ) = I θ . .2. sumamos las fuerzas perpendiculares al péndulo.3. Modelo no lineal._______________Autor: Fernando Bote Ortega 3. 37 .8: Diagrama de fuerzas que actúan en el sistema. De esta forma obtenemos la siguiente ecuación: P sin(θ ) + N cos(θ ) − mg sin(θ ) = m x cos(θ ) + Frv Para librarse de los términos P y N en la ecuación anterior. En la siguiente figura se muestra el diagrama de fuerzas que actúan sobre el péndulo: Figura 3. M masa del carro m masa del péndulo Bc fricción del carro Bv fricción del péndulo L longitud al centro de masa del péndulo I inercia del péndulo F fuerza aplicada al carro X coordenadas de posición del carro Θ ángulo del péndulo respecto de la vertical Para obtener la ecuación que describe el movimiento del péndulo. Si resolvemos el sistema a lo largo de este eje nos ahorramos un montón de álgebra.

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. I = ∫ x 2 dm Donde dm es un elemento de masa situado a una distancia x del eje de rotación. La fórmula general que se aplica es: .9: Varilla con eje perpendicular por el centro.. La masa dm del elemento de longitud de la varilla comprendido entre x y x+dx es: El momento de inercia de la varilla es Pero a nosotros lo que nos interesa es que el eje perpendicular a la varilla no atraviese por el centro de masas sino por uno de los extremos tal y como se puede observar en la siguiente figura: 38 .._______________Autor: Fernando Bote Ortega Combinando estas dos últimas ecuaciones obtenemos el siguiente resultado: I θ − m lg sin(θ ) = ml x cos(θ ) + Frv Para calcular el momento de inercia del péndulo lo aproximaremos al momento de inercia de una varilla. Vamos a calcular en primer lugar el momento de inercia de una varilla de masa M y longitud L respecto de un eje perpendicular a la varilla que pasa por el centro de masas. Figura 3. .

_______________Autor: Fernando Bote Ortega Figura 3.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. El teorema de Steiner es una fórmula que nos permite calcular el momento de inercia de un sólido rígido respecto de un eje de rotación que pasa por un punto O. El momento de inercia del sólido respecto de un eje que pasa por O es: El momento de inercia respecto de un eje que pasa por C es: Para relacionar IO e IC hay que relacionar ri y Ri. Figura 3. podemos calcular el momento de inercia de la varilla respecto de un eje perpendicular a la misma que pasa por uno de sus extremos. cuando conocemos el momento de inercia respecto a un eje paralelo al anterior y que pasa por el centro de masas.11: Diagrama de masas con respecto a un eje. Aplicando el teorema de Steiner. 39 .10: Varilla con eje perpendicular por uno de sus extremos.

. . tenemos que I O = ∑ mi Ri2 + 2d ∑ mi xic + d 2 ∑ mi IO = IC + d 2M El término intermedio en el segundo miembro es cero ya que obtenemos la posición xC del centro de masa desde el centro de masa. 40 ._______________Autor: Fernando Bote Ortega En la figura. . Por tanto aplicando este resultado a nuestro caso obtenemos el siguiente valor para el momento de inercia del péndulo. Así obtenemos finalmente: 4 2 ml 3 I= Tanto la fricción del carro con el suelo como la fricción de la varilla con el eje vienen dadas por: d ( xc) dt d Fr var illa = Bv (θ ) dt Frcarro = Bc A partir de todas estas ecuaciones obtenemos la fórmula que nos describe el comportamiento de la velocidad angular del péndulo: I θ − m lg sin(θ ) = ml x cos(θ ) + Bv θ .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.. I = I C + ml 2 = 1 1 mL2 + ml 2 = m(2l ) 2 + ml 2 12 12 En la anterior ecuación hemos supuesto que la distancia al centro de masas es la mitad de la longitud del péndulo.

ml ⎛ . 41 .. ⎞ Bv θ θ= ⎜ x cos(θ ) + g sin(θ ) ⎟ + I ⎝ I ⎠ . x3 (k + 1) = x3 (k ) + Tm x 4 (k ) x 4 (k + 1) − x 4 (k ) ml (a(k ) cos( x3 (k )) + g sin( x3 (k ))) + Bv x4 (k ) = Tm I I x 4 (k + 1) = x 4 (k ) + Tm (ml (a(k ) cos( x3 (k )) + g sin( x3 (k ))) + Bv x4 (k ) ) I Para calcular a(k) (aceleración del carrito) lo hacemos a través de la velocidad del mismo de la siguiente manera: .._______________Autor: Fernando Bote Ortega I θ = ml x cos(θ ) + m lg sin(θ ) + Bv θ . .. . x3 (k ) = θ ≡ Angulo x 4 (k ) = θ ≡ Velocidad _ angular . x 2 (k ) = x = Velocidad _ carrito a (k ) = x 2 (k ) − x 2 (k − 1) Tm Por tanto el estado del péndulo en la zona no lineal ya lo tenemos perfectamente definido.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. . Estas ecuaciones nos describen el comportamiento de la aceleración angular del péndulo de una forma continua pero nosotros necesitamos las ecuaciones discretas tanto del ángulo como de la velocidad angular..

Para que este modelo se ajuste a lo que ocurre realmente es obvio que la constante de deformación debe ser muy grande para que así el péndulo penetre muy poco y simule un rebote brusco como el que se produce al chocar contra los topes. ω = velocidad angular del péndulo. mientras más penetre mayor será la fuerza de reacción. Modelo de los rebotes.3. Kr = constante de rebote que penaliza la deformación. Para simular el comportamiento del péndulo cuando llega a los topes e impacta contra ellos. mientras mayor sea la velocidad angular con la que llegue mayor será la fuerza de reacción. lo modelaremos mediante un muelle que aplica al péndulo una fuerza en dirección opuesta a su movimiento.3. α = constante de rebote que penaliza la velocidad angular._______________Autor: Fernando Bote Ortega 3. El ± π/6 de debe a que estos son los ángulos máximo y mínimo respectivamente. Esta fuerza actuará sobre la velocidad angular del péndulo por lo que la ecuaciones que nos quedan son las siguientes: x3 (k + 1) = x3 (k ) + Tm x 4 (k ) x 4 (k + 1) = x 4 (k ) + Tm (ml (a(k ) cos( x3 (k )) + g sin( x3 (k ))) + Bv x4 (k ) ) + Tm Fr I π⎞ ⎛ Fr = k r ⎜ x3 (k ) ± ⎟ + αx 4 (k ) 6⎠ ⎝ 42 .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. proporcional a la deformación y a la velocidad angular. θ = ángulo del péndulo. Fr = −[Kr ⋅ (θ ± π / 6) + α ⋅ ω] • • • • • Fr = fuerza del rebote.

5 2 2.5 5 Figura 3.0968 -0.0943 -0.5 1 1.098 angulo -0.075 0.0725 0.1043 -0. -0.5 tiempo 3 3.093 -0. Para ello situamos el péndulo a cada uno de los extremos y observamos la medida que obtenemos: 0. 43 .0825 0.0875 0.07 0 0.103 -0.1005 -0.5 4 4.0955 -0. Para empezar comprobamos si el potenciómetro se encuentra bien calibrado._______________Autor: Fernando Bote Ortega A continuación vamos a intentar calcular las constantes del rebote a partir de las gráficas obtenidas en el laboratorio.09 0.1017 -0.12: Valor del péndulo apoyado sobre la izquierda.1055 -0.5 2 2.08 0.5 4 4.095 0.13: Valor del péndulo apoyado sobre la derecha.0925 0.085 angulo 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.5 1 1.0993 -0.5 5 Figura 3.108 0 0.5 tiempo 3 3.0775 0.1068 -0.

• • Realizar un zoom sobre dicha zona de rebotes. Obtener a partir de dichas gráficas una serie de puntos que se encuentren en la zona de θ > π/6 ó θ < π/6. Veamos a continuación como obtener dicha constante y norma: Cons tan te = Izquierda + Derecha 0.0835 − 0. Para que esto sea así tendremos que restarle una constante y después normalizarlo a ± π/6 dividiendo entre una norma. Hay que decir que para obtener las constantes utilizaremos las gráficas del ángulo sin normalizar._______________Autor: Fernando Bote Ortega Aplicando en Matlab un programita para calcular la media de cada una de estas gráficas obtenemos que: • • Izquierda = 0.1 = −0.0835 Derecha = -0. ya que para esta no nos es necesario la normalización.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.1752 Por tanto para obtener el ángulo entre ± π/6 aplicamos la siguiente fórmula: θ NORMALIZADO = θ MEDIDO − Cons tan te Norma El método que vamos a seguir para obtener las constantes el siguiente: • Obtener la gráfica del péndulo en caída libre hacia cada uno de los extremos con la sucesión de rebotes contra los topes.0083 = 2 2 (Izquierda − Derecha ) Norma = π 6 2 = (0. 44 .1) π 6 2 = 0.0835 + 0.1000 Comprobamos como el potenciómetro se encuentra descalibrado y las medidas de ángulo que nos ofrece no se encuentran entre ± π/6.

45 .05 angulo 0.5 2 2.02 -0.5 4 4.08 -0. 0.06 0.15: Caída libre del péndulo hacia la derecha.07 0.5 4 4.14: Caída libre del péndulo hacia la izquierda.12 0 0._______________Autor: Fernando Bote Ortega • A partir de esos puntos y con los ecuaciones despejar dichas constantes del sistema de ecuaciones y resolverlo.04 angulo -0.03 0.5 5 Figura 3.02 0 -0.06 -0.5 5 Figura 3.1 -0.01 0 0. Como hemos dicho obtenemos las gráficas de la caída libre: 0.5 1 1.5 tiempo 3 3.02 0.08 0.5 2 2.04 0.01 0 -0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.5 1 1.5 tiempo 3 3.09 0.

el valor del ángulo es mayor que 0. Ahora analizamos las ecuaciones para ver el número puntos que nos es necesario obtener para despejar las constantes.16: Zona de rebotes de la izquierda.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.5 4 Figura 3.5 3 tiempo 3.0835 que era el valor máximo impuesto por el tope de la izquierda. aproximadamente dos tiempos de muestreo.0835 angulo 0. durante unos instantes. . Tm ⎛ ⎞ ⎜ ml (a(k ) cos(θ (k )) + g sin(θ (k )) ) + Bv θ (k ) ⎟ + Tm Fr I ⎝ ⎠ θ (k + 1) = θ (k ) + . Dichas ecuaciones se corresponderán con las ecuaciones de la velocidad angular tal y como se realiza a continuación ya que es sobre la velocidad angular sobre la que actúa el muelle imaginario con el que hemos simulado los rebotes.06 2._______________Autor: Fernando Bote Ortega Realizamos el zoom sobre la zona de rebotes sobre la gráfica de caída libre hacia la izquierda: 0. . Podemos observar como al producirse el rebote. 46 .

_______________Autor: Fernando Bote Ortega Al realizarse estas pruebas con el carrito completamente inmovilizado por unos topes que se han colocado para que no afecten las fuerzas de interacción del carro sobre el modelo del péndulo se obtiene lo siguiente: . Como vamos a calcularlo en la parte izquierda: . T B . . π ⎛ ⎞ Fr = −⎜ k r (θ (k ) + ) + α θ (k ) ⎟ 6 ⎝ ⎠ Al ser dos las constantes que queremos obtener necesitaremos al menos dos ecuaciones para hallarlas. Tm m lg π⎞ ⎛ sin(θ (k )) + m v θ (k ) − Tm k r ⎜θ (k ) + ⎟ − Tmα θ (k ) 6⎠ I I ⎝ θ (k + 1) = θ (k ) + . θ (k ) = θ (k ) − θ (k − 1) Tm θ (k + 1) = . 47 . θ (k + 2) − θ (k + 1) Tm Observamos que nos hacen falta al menos cuatro puntos para poder resolver el sistema al menos dos de ellos contenidos en la región de los rebotes. Tm m lg T B . . θ (k + 2) = θ (k + 1) + . π⎞ ⎛ sin(θ (k + 1)) + m v θ (k + 1) − Tm k r ⎜θ (k + 1) + ⎟ − Tmα θ (k + 1) I I 6⎠ ⎝ Teniendo en cuenta que: . . . . por lo que la usaremos en dos instantes de tiempo consecutivos. θ (k + 1) − θ (k ) Tm θ ( k + 2) = . Tm ⎛ ⎞ ⎜ m lg sin(θ (k )) + Bv θ (k ) ⎟ + Tm Fr I ⎝ ⎠ θ (k + 1) = θ (k ) + .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.

⎥⎢ ⎥ + ⎢ . . 48 .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.07956 θ1 = 0.6 Una vez que hemos hallado estas dos constantes debemos comprobar mediante simulación si efectivamente el comportamiento de las ecuaciones es aproximadamente igual al que se produce en la realidad. . ⎡ ⎤ − Tm θ (k ) ⎥ − Tm ⎜θ (k ) + ⎟ θ (k ) + m sin(θ (k )) − m v θ (k ) ⎡ ⎤ ⎢ ⎥ ⎡k r ⎤ ⎢ θ (k + 1) ⎥ ⎢ 6⎠ ⎝ I I ⎢. ⎡k r ⎤ ⎢α ⎥ ⎣ ⎦ . π⎞ ⎛ ⎢− T ⎜θ (k + 1) + ⎟ − T θ (k + 1)⎥ m ⎢ m⎝ ⎥ 6⎠ ⎣ ⎦ −1 .0854 Estos puntos han sido obtenidos de la gráfica de la caída libre hacia la izquierda que representamos en la figura 3. . = ⎥ . ⎡ ⎤ π⎞ ⎛ − Tm θ (k ) ⎥ ⎢ − Tm ⎜θ (k ) + 6 ⎟ ⎝ ⎠ ⎥ =⎢ .0835 θ1 = 0. T m lg T B . Por tanto despejando lo que nos queda es: . ⎢θ (k + 2)⎥ ⎢− T ⎛θ (k + 1) + π ⎞ − T θ (k + 1)⎥ ⎣ α ⎦ ⎢θ (k + 1) + Tm m lg sin(θ (k + 1)) − Tm Bv θ (k + 1)⎥ ⎟ ⎣ ⎦ ⎢ m⎜ m ⎥ I I ⎣ ⎦ 6⎠ ⎝ ⎦ ⎣ .17.4 α = 54._______________Autor: Fernando Bote Ortega Dichos puntos serán los siguientes: • • • • θ 1 = 0. Esto lo realizaremos mediante el Simulink tal y como se muestra en el siguiente esquema. T m lg T B ⎢θ (k + 2) − θ (k + 1) − m sin(θ (k + 1)) + m v θ (k + 1)⎥ I I ⎣ ⎦ Realizando todo esto mediante una rutina diseñada en matlab obtenemos el valor de estas constantes: • • k r = 4714.0752 θ1 = 0. . ⎥ . ⎡ ⎤ θ (k + 1) − θ (k ) − m sin(θ (k )) + m v θ (k ) ⎢ ⎥ I I ⎢. ⎤ ⎡ π⎞ ⎛ T m lg T B .

49 .17: Modelo simulink del péndulo. Las salidas de este bloque serían el estado del sistema que se realimenta nuevamente mediante un delay._______________Autor: Fernando Bote Ortega Figura 3. En cuanto a la señal de “on” más adelante en el apartado cinco se explicará su funcionamiento de momento no la tendremos en cuenta Para simular el mismo comportamiento que el que se da en el laboratorio el programa simula que la señal del ángulo está descalibrada por eso a la salida colocamos el normalizador que tal y como calculamos antes le resta una constante y la multiplica por la norma. En el diagrama el MATLAB Function Pendulo es un programa que simula el comportamiento del péndulo con sus ecuaciones no lineales y añadiendo además la simulación de los rebotes cuando el ángulo es superior a los máximos permitidos por los topes este programa se puede encontrar en el ANEXO 1 .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. La señal de control en este caso aunque está presente en el esquema será cero ya que este se encuentra desactivado ya que todavía no nos interesa.

065 1.7 2.6 2.5 1 1.5 5 Figura 3.5 2 2.2 2.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.3 2.9 2 2.07 0.03 0.05 angulo 0.01 0 -0.06 0._______________Autor: Fernando Bote Ortega Veamos cual es el resultado de la simulación sin normalizar: 0.1 2.08 0.04 0.8 Figura 3.01 0 0.09 0.08 angulo 0.5 tiempo 3 3.09 0. Realicemos un zoom sobre los rebotes: 0.075 0.085 0.02 0.5 4 4.07 0. 50 .4 tiempo 2.18: Simulación de caída libre del péndulo hacia la izquierda.5 2.19: Simulación de la zona de rebotes izquierda.

082 0.5 1 1.0635 0.17 comprobamos que efectivamente el modelo se aproxima bastante a la realidad como podemos comprobar con las siguientes cifras: Simulación Amplitud del primer rebote Amplitud del segundo rebote Amplitud del tercer rebote Duración primer rebote Duración segundo rebote 0.5 4 4.5236 angulo 0 0 0.35 sg 0.5 tiempo 3 3.0758 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.15 y 3.38 sg 0.20 con las figuras 3.0635 0.5 2 2. Por último comprobamos si el normalizador funciona correctamente: 0.20: Simulación normalizada.0795 0._______________Autor: Fernando Bote Ortega Si comparamos las figuras 3. la duración del primer rebote tiene menos de un 10% de diferencia. 51 .076 0.5 5 Figura 3.19 sg Por tanto podemos dar por bueno el modelo de los rebotes ya que la amplitud de los dos primeros rebotes es la misma.19 y 3.24 sg Realidad 0.

4._______________Autor: Fernando Bote Ortega Se comprueba como efectivamente tiende a π/6 = 0. 3.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Modelo linealizado.3. Veamos el conjunto de ecuaciones de las que partimos para la linealización: • Posición del carrito: x1 (k + 1) = x1 (k ) + Tm x 2 (k ) • Velocidad del carrito: 2 x 2 (k + 1) = x 2 (k ) + Tmω n x5 (k ) • Aceleración del carrito: x5 (k + 1) = (1 − 2Tmδω n )x5 (k ) + Tm (u (k ) − x 2 (k ) ) • Angulo del péndulo: x3 (k + 1) = x3 (k ) + Tm x 4 (k ) • Velocidad angular del péndulo: Tm (ml (a(k ) cos( x3 (k )) + g sin( x3 (k )) ) + Bv x4 (k ) ) I x 4 (k + 1) = x 4 (k ) + 52 . Los mismos resultados que hemos obtenido para la caída hacia a la izquierda se dan cuando se realiza la caída hacia la derecha.5236 por lo que el normalizador funciona correctamente.

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. x5 x (k ) − x 2 (k − 1) 2 2 = x 2 ⇒ x 2 = ω n x5 ⇒ 2 = ω n x5 ( k ) s Tm 2 v ωn Sustituyendo este resultado en la ecuación de la velocidad angular obtenemos lo siguiente: T m lg ⎛ T ⎞ T mlω n x 4 (k + 1) = ⎜1 + m Bv ⎟ + m x5 (k ) + m x3 ( k ) I I I ⎝ ⎠ 2 53 ._______________Autor: Fernando Bote Ortega Observamos que la única ecuación que tenemos que linealizar es la velocidad angular del péndulo ya que todas las otras ya son lineales. Como en esta zona el péndulo debe mantenerse en posición vertical puede suponerse que: • • sin(θ ) = θ cos(θ ) = 1 Haciendo uso de estas linealizaciones se llega a las siguientes ecuaciones que describen al sistema de una manera mas sencilla: Tm (ml (a(k ) + gx3 (k ) ) + Bv x 4 (k ) ) I x 4 (k + 1) = x 4 (k ) + T m lg ⎛ T ⎞ T ml x3 ( k ) x 4 (k + 1) = ⎜1 + m Bv ⎟ + m a (k ) + m I I I ⎝ ⎠ ⎛ T ⎞ T ml x 2 (k ) − x 2 (k − 1) Tm m lg + x3 ( k ) x 4 (k + 1) = ⎜1 + m Bv ⎟ + m I Tm I I ⎝ ⎠ Partiendo del modelo del carrito podemos obtener: .

_______________Autor: Fernando Bote Ortega Los sistemas lineales se describen según las siguientes ecuaciones: _ _ x(k + 1) = A x(k ) + Bu y (k ) = C x(k ) _ _ Describiendo nuestro sistema de esta forma obtenemos: ⎡ x1 (k + 1) ⎤ ⎡1 Tm ⎢ x (k + 1)⎥ ⎢0 1 ⎢ 2 ⎥ ⎢ 0 ⎢ x3 (k + 1) ⎥ = ⎢0 ⎢ ⎢ ⎥ 0 ⎢ x 4 (k + 1)⎥ ⎢0 ⎢ x5 (k + 1) ⎥ ⎢ ⎣ ⎦ ⎢0 − Tm ⎣ 0 0 0 ⎤ ⎡ x (k ) ⎤ ⎡ 0 ⎤ 1 2 ω n Tm ⎥ ⎢ x (k )⎥ ⎢ 0 ⎥ 0 0 ⎥⎢ 2 ⎥ ⎢ ⎥ ⎥ ⎢ x (k ) ⎥ + ⎢ 0 ⎥u (k ) Tm 1 0 3 2 ⎥ ⎥ ⎢ ⎥ Tm m lg Tm Tm mlω n ⎢ x 4 (k )⎥ ⎢ 0 ⎥ ⎥⎢ Bv 1+ I I I ⎥⎢ ⎥ ⎢ ⎥ 0 0 1 − 2δω nTm ⎥ ⎣ x5 (k ) ⎦ ⎣Tm ⎦ ⎦ ⎡ x1 (k ) ⎤ ⎢ ⎥ ⎡ y1 (k ) ⎤ ⎡1 0 0 0 0⎤ ⎢ x 2 (k )⎥ ⎢ y ( k ) ⎥ = ⎢0 1 0 0 0 ⎥ ⎢ x ( k ) ⎥ ⎢ 2 ⎥ ⎢ ⎥⎢ 3 ⎥ ⎢ y 3 ( k ) ⎥ ⎢0 0 1 0 0 ⎥ ⎢ x 4 ( k ) ⎥ ⎣ ⎦ ⎣ ⎦ ⎢ x5 ( k ) ⎥ ⎦ ⎣ El valor de cada una de las constantes es: Constante Valor M L G Tm Bv 1 kg 0.375 m 9.01 s 0.8 m/s2 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.015 54 .

• S3: El péndulo se encuentra pegado al tope de la derecha en reposo. Este estado es de transición y por tanto obligatoriamente desde él hay que evolucionar a S2.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. El único estado al que se puede evolucionar desde este es que el péndulo pase al S2 (aire). • S4: El péndulo colisiona con el tope de la derecha. Podemos definir cinco estados discretos: • S1: El péndulo se encuentra en la zona de rebotes de la izquierda. • S5: El péndulo colisiona con el tope de la izquierda. 55 . • S2: El péndulo se encuentra en el aire.4. Modelado de la parte discreta. Este estado es de transición y por tanto obligatoriamente desde él hay que evolucionar a S2. o por otro lado podría ser que el péndulo llegara con una velocidad angular excesiva y tal como alcanza la zona de estabilización vertical el control no fuera capaz de controlarlo y la abandonara bien nuevamente hacia el S5 o hacia el S4 (colisión derecha)._______________Autor: Fernando Bote Ortega 3. por un lado podría suceder que el péndulo no tuviese la suficiente velocidad angular como para alcanzar la zona de estabilización vertical y volviese hacia atrás y pasaría al S5 (colisión izquierda). Si esto no sucede existen dos posibles evoluciones para el estado. El único estado al que se puede evolucionar desde este es que el péndulo pase al S2 (aire). Esto se hace proporcionando un pequeño impulso inicial. Recordar que todo esto de ir cambiando de modelo se refiere al modelo del péndulo invertido ya que el modelo del carro permanece invariable en todo momento. Nuestro objetivo sería que el péndulo permaneciera en este estado hasta que consiguiera estabilizarse en posición vertical. Esto se hace proporcionando un pequeño impulso inicial.

T 4. x3 (k ). impulso}. T 6} impulso = impulso inicial Fr = fuerza del rebote S1 T1 impulso Fr = 0 T3 θ>π/6 S2 Fr = 0 T2 impulso S3 Fr = 0 T5 θ<–π/6 T4 θ<π/6 T6 θ>–π/6 S5 Fr = –[Kr (θ – π / 6) + αω] S4 Fr = –[Kr (θ + π / 6) + αω] Figura 3.5. donde : X = {x1 (k ). x 4 (k )._______________Autor: Fernando Bote Ortega 3.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. T 3. T 5. S 5} T = {T 1. S 3.21: Modelo del autómata híbrido del péndulo. x 2 (k ). S 4. E . Integración de las variables continuas y discretas. T 2. Fr . x5 (k )} S = {S1. Para conseguir dicha integración vamos a implementar el modelo del autómata híbrido definido de la siguiente manera: H = {X . S 2. 56 . S .

Control. Los dos subproblemas pueden ser combinados de una forma muy simple a través de la siguiente función objetivo: C (θ . El controlador que se propone es un controlador híbrido. Mediante este tipo de controlador híbrido se han obtenidos resultados satisfactorios como se comprobará más adelante en la simulación.1. Problema que afrontaremos realizando un estudio de la energía del péndulo.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Estabilización en esta posición. denominado subproblema local de estabilización. y por una ley de control lineal que lo estabiliza cuando está cerca de él. Hacer que el péndulo comience a rebotar contra los topes hasta alcanzar una amplitud próxima del equilibrio en posición vertical. k ) = µ (θ )C ALZAMIENTO (k ) + (1 − µ (θ ) )C EQUILIBRIO (k ) donde µ(θ) es una función que depende del valor del ángulo del péndulo con respecto a la vertical de tal manera que µ(θ) = 1 para θ > π 6 . Este tipo de control híbrido se denomina de transición abrupta ya que esta se realiza de forma instantánea al cumplirse la condición de cambio. Más adelante para modelar esto usaremos la señal “on”. formado por una combinación de una ley de control orientada a aumentar la energía del péndulo que actúa lejos de la posición de equilibrio. 57 . Estrategia global de control híbrido. y µ(θ) = 0 en caso contrario. 4._______________Autor: Fernando Bote Ortega 4. 2. El problema de swing up va a ser solucionado en dos pasos: 1.

Para calcular la amplitud de dicho impulso recurriremos a las ecuaciones de la energía del péndulo. Alzamiento del péndulo. Tanto en el momento inicial(estado de reposo) como en el final (momento en el que cambia el signo de la velocidad angular) toda la energía es energía potencial por lo que nos queda la siguiente ecuación: Wπ 6 → π 7 = E π − E π = mg 6 7 π π L L cos − mg cos 2 6 2 7 Wπ 6 → π 7 = mg π π⎞ L⎛ ⎜ cos − cos ⎟ = −0. 4.m. El péndulo inicialmente se encuentra apoyado sobre uno de los topes por lo que para sacarlo de ese estado inicial necesitamos darle un impulso inicial. 58 . El principio de conservación de la energía se escribe: L 1⎛1 2 ⎞ 2 ⎜ mL ⎟ω + mg cos θ 2⎝3 2 ⎠ E= Ahora vamos a calcular el trabajo que tendría que realizar la fuerza del carrito para hacer pasar el péndulo desde su posición de reposo en π 6 hasta un ángulo de π 7 . Hay que señalar también que en estas ecuaciones hemos despreciado las pérdidas de energía asociadas al rozamiento de la varilla contra su eje. de la varilla E=mg(L/2)·cosθ0. La energía potencial de la varilla es la energía potencial de una partícula de masa m situada en el c. Impulso inicial._______________Autor: Fernando Bote Ortega 4.1284 J 2⎝ 6 7⎠ Vemos como efectivamente el trabajo tiene signo negativo lo cuál nos indica que para pasar de una posición a otra debemos aportar energía al sistema.1. La energía potencial se convierte en energía cinética de rotación.2.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.2.

1. El trabajo realizado por dicha fuerza a medida que el cuerpo gira recorriendo una distancia infinitesimal ds=rdq en el tiempo dt es: F·sen φ es la componente tangencial de la fuerza. Para ello supondremos que la fuerza que ejerce el carrito es constante durante la duración del mismo._______________Autor: Fernando Bote Ortega A continuación vamos a intentar obtener la magnitud del impulso. Considérese un cuerpo rígido que puede girar alrededor de un eje fijo tal como se indica en la figura 4. Figura 4. La componente radial de la fuerza no realiza trabajo. El trabajo total cuando el sólido gira un ángulo θ es: π 7 π 7 Wπ 6 → π 7 = ∫ F ⋅ dr = ∫ Fsenφ ⋅ rdθ π π 6 6 59 . la componente de la fuerza a lo largo del desplazamiento. ya que es perpendicular al desplazamiento.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.1: Péndulo girando. Supongamos que se aplica una fuerza exterior F en el punto P.

1284 ⎛ 0.1 con la figura 3.75 ⎞ ⎡ ⎛ π ⎞ ⎛ π ⎞⎤ ⎜ ⎟ ⎢ sen⎜ ⎟ − sen⎜ ⎟⎥ ⎝ 2 ⎠⎣ ⎝ 7 ⎠ ⎝ 6 ⎠⎦ = 5._______________Autor: Fernando Bote Ortega Si comparamos la figura 4.1 que nos mostraba el diagrama de fuerzas que actúan sobre el péndulo llegamos a la conclusión que el ángulo φ usado para hallar la componente tangencial de la fuerza es igual al ángulo θ que nos mide el desplazamiento del péndulo que dicha componente tangencial se relaciona con el coseno y no con el seno de tal modo que lo que nos quedaría es: π 7 π 7 Wπ 6 → π 7 = ∫ F ⋅ dr = ∫ F cos θ ⋅ rdθ π π 6 6 Suponiendo como hemos dicho que la aceleración que produce el carrito es constante y por tanto la magnitud de la fuerza también: π Wπ 6 → π 7 7 ⎡ ⎛π ⎞ ⎛ π ⎞⎤ = F ⋅ r ∫ cos θ ⋅ dθ = F ⋅ r ⎢ sen⎜ ⎟ − sen⎜ ⎟⎥ ⎝ 6 ⎠⎦ ⎣ ⎝7⎠ π 6 Wπ F= 6 → π 7 ⎡ ⎛π ⎞ ⎛ π ⎞⎤ r ⎢ sen⎜ ⎟ − sen⎜ ⎟⎥ ⎝ 6 ⎠⎦ ⎣ ⎝7⎠ = − 0. t ∫ F ⋅ dt = mv − mv 0 0 = m∆v Aplicando la misma aproximación de que F es constante y tomando una duración para el impulso de 0. Una fuerza aplicada durante un tiempo modifica el momento lineal (la velocidad del carrito).Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. 60 .1788 N Como ya sabemos el carrito es controlado por velocidad por tanto a partir de esta fuerza tenemos que hallar el incremento de velocidad necesario para producirla.25 sg obtendremos el incremento de velocidad buscado.

1788 ⋅ 0. Esto lo hacemos así porque el actuador está limitado entre ±1 y por tanto no podemos introducirle una amplitud de 1.7 y 0.3 es para intentar compensar los posibles efectos del rozamiento que no hemos tenido en cuenta a la hora de hacer los cálculos. Posteriormente al sumarlos se nos generará un impulso cuya amplitud será de 0.2947 1 Comprobemos ahora mediante simulación si los cálculos y aproximaciones que hemos realizado son correctos._______________Autor: Fernando Bote Ortega ∫ F ⋅ dt = F∆t = m∆v ⇒ ∆v = 0 t F∆t m ∆v = 5.15 en lugar de 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Otra precisión es que la duración del pulso es de 0.25 es porque al comportarse el carro como un sistema de segundo orden aunque introduzcamos 0.4 en lugar de 1.7.7 ya que después lo multiplicamos por dicha ganancia.2: Modelo simulink de impulso inicial.25 = 1.15 61 .7 la variación será de 1. Veamos a continuación el bloque simulink diseñado para simular dicho impulso inicial: Figura 4. No olvidemos que aunque la ganancia sea de 0. Este modelo es muy sencillo tenemos dos pulse generador que generan dos escalones uno que empieza en a los 0 sg con una amplitud de 1 y otro que lo hace 0.4 ya que conmuta entre -0.15 sg después con una amplitud de -1.4. El hecho de que introduzcamos una variación de 1.

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega después realmente durará unos 0.25 sg como podremos comprobar en la simulación. Veamos la entrada del impulso:
0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 0 0.1 0.2 0.3 0.4 0.5 tiempo 0.6 0.7 0.8 0.9 1

u

Figura 4.3: Impulso inicial de entrada.

Veamos a continuación los resultado que se producen ante una entrada como esta:
0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 0 0.5 1 tiempo 1.5 2 2.5 Posición Velocidad Angulo

Figura 4.4: Respuesta del sistema al impulso inicial.

62

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega Analicemos detenidamente está gráfica y veamos si se cumplen las aproximaciones que hemos realizado así como los resultados que habíamos obtenido. Comprobamos en primer lugar la suposición que hicimos de que la aceleración que proporcionaba el carrito y por tanto la fuerza que transmitía al péndulo era constante. Hagamos un zoom en la figura 4.4 en el momento en el que se produce el cambio en la entrada de positivo a negativo:
0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 0.15 Posición Velocidad Angulo

0.2

0.25

0.3 tiempo

0.35

0.4

0.45

Figura 4.5: Variación de la velocidad de carro ante el impulso inicial.

Observando la figura 4.5 podemos observar como la velocidad al pasar de 0.65 a -0.65 se comporta aproximadamente como una línea recta por lo que su derivada, es decir la aceleración del carro, sería una constante, por tanto la suposición realizada es era correcta. Además se comprueba también que el tiempo que duraría este impulso es aproximadamente de 0.25 sg tal y como tomamos al realizar los cálculos. Se comprueba también que aunque el impulso introducido tenía una amplitud de 0.7, la salida solamente llega hasta 0.65 aproximadamente, esto se debe al rozamiento y a que el tiempo de pico del carro es mayor que la duración del impulso y por tanto no da tiempo a que alcance dicho valor. Aun así que el valor de 0.65 tenemos suficiente ya que al realizar los cálculos obtuvimos que la variación debía ser de 1.2947 y con este resultado obtenemos una variación de 1.3.

63

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega Veamos a continuación si el resultado del péndulo es el esperado. Nuestra intención era que con el impulso el péndulo pasará de la posición de ⎛π ⎞ ⎛π ⎞ reposo ⎜ = 0.5236 ⎟ a ⎜ = 0.4488 ⎟ . Comprobemos realizando nuevamente un zoom ⎝6 ⎠ ⎝7 ⎠ sobre la figura 4.4 pero esta vez fijándonos en el ángulo:
0.6 0.58 0.56 0.54 0.52 0.5 0.48 0.46 0.44 0.42 0.4 Posición Velocidad Angulo

0

0.1

0.2

0.3 tiempo

0.4

0.5

0.6

Figura 4.6: Variación del ángulo del péndulo ante el impulso inicial.

En la figura se comprueba como efectivamente el ángulo pasa de 0.5236 a 0.4388 es decir alzándose incluso un poco más de lo esperado (un 2.5% más) por lo que se contrastan los cálculos realizados.

4.2.2. Control de alzamiento.
Una vez que hemos introducido el impulso inicial y ya tenemos el péndulo en movimiento tenemos que aplicar una ley de control para conseguir llevar el péndulo hasta la zona lineal.

64

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. El péndulo continuará descendiendo hasta que choque con el tope. Si el péndulo partiera con una velocidad angular negativa inicial y nosotros no actuáramos podría ocurrir dos cosas: que esa velocidad fuera lo suficientemente grande como para llegar al centro. que el péndulo comenzara a ascender hasta que la componente de la gravedad que se encuentra multiplicada por el seno del ángulo consiguiera anular dicha velocidad negativa y el péndulo comenzara a descender con una velocidad angular positiva. La ecuación de la energía del péndulo era la siguiente E= L 1⎛1 2 ⎞ 2 ⎜ mL ⎟ω + mg cos θ 2⎝3 2 ⎠ La forma que tenemos de modificar la energía es actuando sobre la velocidad angular ya que su fórmula como ya vimos en apartados anteriores es: Tm (ml (a(k ) cos(θ (k )) + g sin(θ (k ))) + Bvω (k ) ) I ω (k + 1) = ω (k ) + La forma de que la energía vaya aumentando es haciendo que el módulo de la velocidad angular vaya aumentando ya que se encuentra elevado al cuadrado en la fórmula de la energía. El hecho de que la aceleración tenga el mismo signo que la velocidad angular retrasará dicho momento haciendo que el péndulo ascienda más y aumentando su energía por tanto. Lo que haremos para conseguir esto es que la aceleración en el instante k siempre tenga el mismo signo que la velocidad angular en dicho instante de tal forma que ocurrirá lo siguiente: • Si el péndulo está subiendo desde la izquierda al centro su velocidad angular será negativa. Al chocar con el tope perderá parte de energía y cambiará nuevamente el 65 . • Si el péndulo se encuentra descendiendo hacia la izquierda su velocidad angular será positiva._______________Autor: Fernando Bote Ortega Para realizar nuestro objetivo lo que tendremos que lograr es que la energía del péndulo vaya aumentando progresivamente. En este caso la componente de la gravedad contribuye a aumentar la velocidad angular. cosa que no es nuestro caso porque simplemente hemos dado un pequeño impulso inicial o la otra posibilidad. que es la nuestra.

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.7: Modelo Simulink del controlador de alzamiento. Para intentar compensar esa perdida de energía intentamos ir aumentando la energía del péndulo mientras está descendiendo para lo que le sumamos además la componente de la aceleración que tendrá el mismo signo que la velocidad angular. Estas dos señales se introducen en el multipuerto y en un bloque comparador de entradas que lo que hace es generar una señal que determina cuál de las dos señales 66 . Por un lado tenemos la señal procedente del bloque Impulso inicial que ya analizamos en la figura 4._______________Autor: Fernando Bote Ortega signo de la velocidad angular.2 y por otro tenemos la señal de control que obtenemos al aplicarle a la velocidad angular del péndulo la función signo y multiplicarla por una ganancia. Analicemos el modelo que debemos implementar para integrar este controlador con el impulso inicial: Figura 4. Como la actuación que se realiza sobre el carro es en velocidad la única forma que tenemos de conseguir que la aceleración tenga el signo que deseamos es haciendo que la velocidad del carro vaya conmutando con el mismo signo de la velocidad angular del péndulo y multiplicándola por una ganancia determinada tal y como sigue: u = K * signo(ω ) Para determinar el valor de la constante K recurriremos a la simulación mediante el simulink.

El criterio de selección que utilizamos es que la señal que pasa es la que tiene un módulo mayor. Si el impulso es el mayor la salida del Relational Operator es 0 a la que sumaríamos 1 y por tanto la salida del comparador de entradas sería 1 lo que haría que la señal del multipuerto que pasaría sería la primera.8: Modelo Simulink del comparador de entradas.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. 67 .6 0.5 0.46 0.9: Angulo para K=0.1.44 0.52 ángulo 0.56 0.58 0.4 0 0. Cuando la señal de control es la mayor entonces la salida del Relational Operator es 1 al que le sumamos 1 y por tanto la salida del comparador de entradas sería 2 lo que haría que la señal del multipuerto que pasara sería la segunda. A continuación mediante la simulación iremos variando el valor de la ganancia del controlador para ver con que valor conseguimos el alzamiento del péndulo de una forma adecuada. Veamos como es este bloque en su interior para estudiar su funcionamiento: Figura 4. 0.5 1 1.42 0. es decir el impulso inicial. es decir la señal de control._______________Autor: Fernando Bote Ortega del multipuesto se debe introducir en el carro.5 tiempo 2 2.48 0.5 3 Figura 4.54 0.

5 4 4.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.6 0.4 0.5 tiempo 3 3. 0.3.1 el comportamiento del péndulo prácticamente es el mismo que cuando no ejercíamos control ninguno y por tanto sólo afecta el impulso inicial.2._______________Autor: Fernando Bote Ortega Vemos que para K=0. 1 0.10: Angulo para K=0.4 1.2 -0.4 -0.5 Figura 4.2 -0.8 0.2 0.5 2 2.4 0.2 vemos que en un primer momento la energía empieza a crecer para al final se acaba imponiendo el término gravitatorio y la energía que se va perdiendo en cada uno de los rebotes hace que el péndulo vuelva a la posición de reposo.11: Angulo para K=0. Para K=0.2 0 -0.2 1.5 1 1.2 0 -0.4 0.8 control ángulo 0 0. 68 .8 control ángulo 0 0.8 0.6 -0.6 0.6 0.6 -0.8 tiempo 1 1.4 -0.6 Figura 4.

3 0.8 0.2 -0.2 0.4 0. 1 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Antes veamos el modelo simulink del control de alzamiento que se ha implementado en el laboratorio: Figura 4.6 -0.4.13: Modelo del controlador de alzamiento para el laboratorio.4 0.8 0 0.8 0.4 -0._______________Autor: Fernando Bote Ortega Para K=0.4 conseguimos levantarlo con un único rebote.6 0.1 0.7 0.3 conseguimos levantarlo con dos rebotes. 69 .9 1 control ángulo Figura 4.12: Angulo para K=0.5 tiempo 0. Vemos como para K=0. Vemos como el comportamiento de la señal de control es el esperado ya que el signo de la pendiente del ángulo (es decir la velocidad angular) es igual al signo de la señal de control.2 0 -0.6 0. Una vez que hemos comprobado mediante la simulación que efectivamente la ley de control que hemos propuesto funciona debemos comprobarlo en el laboratorio.

48 0. Observando la figura vemos que tomando como ángulo límite 0.14: Señal del ángulo con ruido.2 1._______________Autor: Fernando Bote Ortega Al igual que para la simulación aquí se generan dos señales una que se corresponde con el impulso inicial y otra con la señal de control propiamente dicha.54 0.6 0. A continuación se muestra el interior del bloque compara ángulo: 70 .46 0 0. tenemos también la señal del ángulo de forma que el controlador no empezará a funcionar hasta que la señal de ángulo no sea menor que un ángulo límite que veremos ahora como determinamos (todo esto lo realiza el bloque compara ángulo).8 2 Figura 4.52 0. Ambas señales se generan de la misma forma que ya hemos explicado en la simulación.6 1.62 0.5 nos basta para que no nos afecte la señal de ruido. El sentido de esto es que no se produzca ninguna señal de control debida al ruido mientras estamos esperando a que se produzca el impulso inicial.4 0.56 angulo 0.58 0.5 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Observemos el ruido en la señal del ángulo: 0. La forma en que se selecciona la señal de entrada es la misma que en la simulación mediante el comparador de entradas.8 1 tiempo 1.2 0.6 0.4 1. Las diferencias con el controlador de la simulación es que en este caso además de tener la velocidad angular como señal de entrada.

Vemos como efectivamente compara el módulo de la entrada In1 con 0.15: Bloque compara ángulo. La señal de On/Off nos permite habilitar/deshabilitar el controlador mientras que la señal Colocación cuando está habilitada lo que hace es dejar pasar la señal de colocación que también podemos modificar a través de la interfaz y que nos permite mover el carrito a la izquierda o la derecha con más o menos rapidez dependiendo del signo y la magnitud de dicha señal.4.3 y 0. Lo que haremos será analizar el comportamiento para unas ganancias de control de 0.5 de tal forma que si In1 es menor o igual a 0._______________Autor: Fernando Bote Ortega Figura 4. Por tanto para que el control esté activo la señal de On/Off se debe encontrar habilitada y la señal de Colocación deshabilitada.5 entonces a la salida del Relational Operator1 tendremos un 1 por lo que a la salida del bloque se pondrá un 2 que hará que el multipuerto deje pasar la constante 0.5 a la salida del Relational Operator1 tendremos un 0 por lo que a la salida del bloque se pondrá un 1 que hará que el multipuerto deje pasar la señal de control que se está generando.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Si In1 es mayor que 0. Una vez que hemos analizado el interior del controlador de alzamiento que tenemos implementado en el laboratorio veamos lo que ocurre al aplicárselo al sistema del carro-péndulo. Otra diferencia con el controlador de la simulación es que en este tenemos otros dos multipuertos más asociados a las señales de Colocación y de On/Off que se modifican a través de la interfaz del ControlDesk que se puede ver en la figura 2.5. 71 .

2 0 -0. Observamos como al igual que sucedía en la simulación de la figura 4.6 -0.8 tiempo 3 3.8 0.17: Respuesta real alzamiento para K=0.2 2.4 0.2 1.6 -0.4 -0.4 0.6 ángulo control Figura 4.2 3. 72 .11 necesitamos dos rebotes para que se produzca el alzamiento.6 1.6 0.16: Respuesta real alzamiento para K=0.8 0.6 0.12 el alzamiento de produce realizando un rebote previo.4 -0. Observando ambas gráficas comprobamos también que el comportamiento de la señal de control es el esperado siendo igual al signo de la pendiente del ángulo por K.6 tiempo 1.6 2.8 1 1.4 Se comprueba también que al igual que sucedía en la simulación de la figura 4.3.2 -0.8 1._______________Autor: Fernando Bote Ortega 0.8 2 ángulo control Figura 4.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.8 2 2.2 -0.2 0 -0.4 2. 0.4 3.4 1.

velocidad y ángulo.1._______________Autor: Fernando Bote Ortega 4. ¿cuál es la mejor configuración de polos para especificaciones dadas?. ¿tenemos algún criterio adicional para preferir una configuración a otra?.3. Las ganancias de realimentación en sistemas MIMO no son únicas. El criterio particular que veremos es un funcional cuadrático del estado y la entrada de control: T J ( x(t ). Para poder utilizar este método de control además deberemos utilizar un observador ya que nos hace falta conocer todos lo estados y nosotros tenemos únicamente acceso directo a tres de ello: posición. no es siempre el método más útil.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. 4. Sin embargo.3. Introducción. La traducción de especificaciones de diseño a ubicación de polos no es directa. u (t ) ) = ∫ x T (τ )Qx(τ ) + u T (τ ) Ru (τ ) dτ t [ ] 73 . Una vez tenemos el péndulo alzado y nos encontramos en la zona lineal usaremos para estabilizar el péndulo en torno a la posición θ = 0 un control LQR. El método de diseño combinado de observador y realimentación de estados es una herramienta fundamental en el control de sistemas en variable de estados. 2. tres dificultades obvias: 1. 3. Los autovalores del observador deben elegirse más rápidos que los del controlador. Equilibrio del péndulo. especialmente en sistemas complejos. pero. Los métodos que introduciremos en este capítulo dan respuestas a estas preguntas. ¿cuál es la mejor ganancia para una configuración de polos dada?. Veremos que las ganancias de realimentación de estados y del observador pueden elegirse de forma que minimicen un criterio de optimización dado.

Criterios similares de optimización se siguen para el diseño de observadores. y se basa en una caracterización estadística de los ruidos que afectan al sistema. Cuando se combinan la ganancia de realimentación de estados LQ con el filtro de Kalman. cada transición de estado tiene asociado un costo o penalidad. El estado de un sistema discreto describe una trayectoria haciendo transiciones discretas de un estado a otro bajo el efecto de una entrada también aplicada en tiempo discreto. Este estimador óptimo lineal-cuadrático se conoce como el filtro de Kalman. Lo de gaussiano viene de la caracterización estadística del ruido empleada. que son más simples. Para entender la idea de criterio de optimización en variable de estados. del que se obtiene el regulador lineal cuadrático (LQR). el método se conoce como lineal-cuadrático (LQ: linear-quadratic). sólo que el funcional depende del error de estimación.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. pueden penalizarse las transiciones de estado que se alejan demasiado del estado final deseado. El control que se obtiene de minimizar este criterio es lineal. obtenemos lo que se conoce como un controlador lineal-cuadráticogaussiano (LQG). El principio de optimalidad.3. Como el criterio se basa en funcionales cuadráticos. los costos se suman hasta acumular un costo total asociado a la trayectoria. o las acciones de control de valores demasiado elevados._______________Autor: Fernando Bote Ortega donde Q y R son matrices constantes (aunque no necesariamente) semi-definida y definida positivas respectivamente.1. Cuando se asocia un criterio de optimización al sistema. la introduciremos con sistemas de tiempo discreto.1. 74 . Por ejemplo. A medida que el sistema evoluciona de estado en estado. 4.

que representa 8 estados de un sistema discreto con sus transiciones posibles. tiene un costo total J13 + J35 + J56 + J68. El sistema pasa de un estado a otro en cada tiempo k determinado por la entrada u[k] y las ecuaciones x[k + 1] = Ax[k] + Bu[k]. La herramienta matemática que usaremos para determinar la estrategia óptima es el principio de optimalidad de Bellman: “En cualquier punto intermedio Xi en una trayectoria óptima entre X0 y Xf . El estado inicial es el 1. en sistemas de tiempo continuo. Asumiendo que los costos se acumulan en forma aditiva. y el final el 8. el costo de moverse del estado 3 al 5 es J35. la estrategia desde Xi al punto final Xf debe ser en sí una estrategia óptima. Las transiciones posibles se representan por los arcos que conectan el estado inicial al final a través de los estados intermedios. por ejemplo. en vez de suma. El costo asociado a cada transición se representa con la letra J. vemos que la trayectoria marcada en rojo. la acumulación de costos se representa mediante integración.” 75 .18.18: Posibles trayectorias de 1 al 8. Como ya veremos. el costo total dependerá de la trayectoria elegida. La señal de control u*[k] que determina la trayectoria de menor costo es la estrategia óptima. Figura 4._______________Autor: Fernando Bote Ortega Ilustramos el concepto con el grafo de la figura 4. por ejemplo. Como hay varias rutas alternativas del estado 1 al 8.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.

propuesto por el matemático suizo Johann Bernoulli en 1696. El nacimiento del control óptimo se atribuye al problema del braquistocrono. desde un punto A a un punto B en el mismo plano vertical. era la que llevaba a una partícula (sin rozamiento) en el menor tiempo posible. ._______________Autor: Fernando Bote Ortega Este obvio principio nos permitirá resolver en forma cerrada nuestros problemas de control óptimo.2. También se usa en el cómputo recursivo de las soluciones óptimas en un procedimiento llamado programación dinámica.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Una formulación matemática moderna del problema del braquistocrono es la ⎡u (t )⎤ siguiente: encontrar la señal control ⎢ ⎥ que lleve al sistema: ⎣ v(t ) ⎦ x(t ) = u (t ) y (t ) y (t ) = v(t ) y (t ) . sujeta sólo a la acción de la gravedad. El problema consistía en determinar cuál. 4.3. sujeto a la restricción: ⎣ B⎦ 76 . ⎡x ⎤ desde el punto ⎢ A ⎥ al punto ⎣yA ⎦ ⎡ xB ⎤ ⎢ y ⎥ en mínimo tiempo. entre todas las trayectorias posibles.1. Nota histórica.

Q y R pueden seleccionarse para penalizar ciertos estados/entradas más que otros.3) 77 .1.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.2) de la transición de N – 1 a N es: 1 T x N Sx N + x T −1Qx N + u T −1 Ru N −1 N N 2 J N −1.4. las matrices S y Q deben ser semidefinidas positivas. u ∈ ℜ p . en particular. Transición [N – 1] → [N]. el término x T Sx N penaliza el error en alcanzar el estado final deseado. Consideremos el sistema en tiempo discreto definido por: x k +1 = Ax k + Bu k . minimizando el funcional cuadrático: 1 T 1 N −1 T T x N Sx N + ∑ x k Qx k + u k Ru k 2 2 k =i J i. Para encontrar el control a aplicar al sistema de forma que se minimice (4.1. (4. Como veremos._______________Autor: Fernando Bote Ortega x2 + v2 = 1 Típico problema de control óptimo. supongamos que estamos en el paso N – 1 de la trayectoria óptima. 4. Así.3.3. 4.1) El problema de control que queremos resolver es: Encontrar la secuencia de control uk que lleve al sistema de la condición inicial xi = x 0 al estado final x N = x f . el costo (4.N = (4. Control LQ discreto.3. N Las matrices de peso S.2).2) El funcional puede interpretarse como el costo total de la transición de xi a xN y. N = ( ) (4. x ∈ ℜ n . y la R definida positiva.

N 2 ∂u N −1 = R + B T SB > 0 Como vemos.6) 78 .4) obtenemos el último elemento de la secuencia de control óptima: u * −1 = − R + B T SB N que resulta ser un mínimo. lo que da: J N −1.5) es un control lineal por realimentación de estados de la forma habitual: u * −1 = − K N −1 x N −1 N donde K N −1 ≡ R + B T SB ( ) −1 B T SA (4.4) 0= 0 = B T S ( Ax N −1 + Bu N −1 ) + Ru N −1 0 = R + B T SB u N −1 + B T SAx N −1 ( ) De (4. N ∂u N −1 (4.5) ∂ 2 J N −1.1). N = 1 ( Ax N −1 + Bu N −1 ) T S ( Ax N −1 + Bu N −1 ) + x T −1Qx N −1 + u T −1 Ru N −1 N N 2 ( ) Como J es cuadrático en u._______________Autor: Fernando Bote Ortega Usando (4. substituimos x N como una función de u N −1 . podemos minimizarlo diferenciando ∂ T J N −1. ya que: ( ) −1 B T SAx N −1 (4.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. (4.

Transición [N – 2] → [N]. N = 1 T x N Sx N . Tomamos otro paso para atrás en el cómputo del control óptimo y consideremos ahora que estamos en el paso N – 2. N = ( ) * J N −1. N = 1 T ( Ax N −1 − BK N −1 x N −1 ) T S ( Ax N −1 − BK N −1 x N −1 ) + x T −1Qx N −1 + x T −1 K N −1 RK N −1 x N −1 N N 2 1 T T x N −1 ( A − BK N −1 ) T S ( A − BK N −1 ) + Q + K N −1 RK N −1 x N −1 2 1 T x N −1 S N −1 x N −1 (4. N ≡ donde definimos: T S N −1 ≡ ( A − BK N −1 ) T S ( A − BK N −1 ) + Q + K N −1 RK N −1 La elección de la notación S N −1 en (4.es decir: 2 SN = S K N = ( R + B T S N B) −1 B T S N A T S N −1 = ( A − BK N −1 ) T S N ( A − BK N −1 ) + Q + K N −1 RK N −1 4.3. N = J N − 2.5.1. N = J N .7) 2 ( ) * J N −1. Notemos primero de (4. N obtenido con u * −1 es: N * J N −1._______________Autor: Fernando Bote Ortega * El valor del costo mínimo J N −1. N 79 . N −1 + J N −1.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.2) que: J N −2. no hay ninguna acción de control que tomar y J N .7) surge de que si estamos en el paso final * N.

k. Transición [k] → [N].3. . y N – 2 en vez de N – 1: u * −2 = − K N −2 x N −2 N donde K N − 2 ≡ ( R + B T S N −1 B) −1 B T S N −1 A 4. N −1 + J N −1. para calcular la estrategia óptima para ir del estado en N – 2 al estado final en N. usamos el principio de optimalidad para deducir que: * * J N − 2. Así. Retrocediendo en los pasos N – 2. N – 3. N −1 = ( ) Igual que antes.8) 80 .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.6. N y así reducimos el problema al de calcular la estrategia óptima para ir de N – 2 a N – 1 (la de N – 1 a N ya la obtuvimos). y podemos usar la misma ecuación (4._______________Autor: Fernando Bote Ortega Por lo tanto. ahora el paso N – 1 es el “final”. . N = J N − 2. . . podemos minimizar J N − 2. y N – 2 en vez de N – 1. se generan la siguientes expresiones recursivas para el control óptimo: * u k = − K k xk (4. N −1 sobre todos los posibles u N − 2 . y es fácil ver que las expresiones son las mismas pero con N – 1 en vez de N.3) pero con N – 1 en vez de N.1. Obtenemos: 1 T x N −1 S N −1 x N −1 + x T − 2 Qx N − 2 + u T − 2 Ru N − 2 N N 2 J N − 2.

1⎥x k + 2u k 2 ⎣0 5 ⎦ k =1 ⎣ ⎦ .9) (4.10) Notar que la ecuación en diferencias (4.1). % Costo Q=[2 0. El hecho de que se resuelva para atrás en el tiempo le da a K k la peculiaridad de que los transitorios aparecen al final del intervalo [k.R=2. comenzando en S N = S . El costo óptimo de k a N es: 1 T xk S k xk 2 * J k . k=10.S=diag([5. Ejemplo 4.10) representa el controlador LQ completo para el sistema discreto (4.1].0 0. en vez de al principio.10) de S k se resuelve para atrás. Simulamos el sistema ⎡ 2 1⎤ ⎡0 ⎤ x k +1 = ⎢ ⎥ x k + ⎢1 ⎥ u k ⎣− 1 1⎦ ⎣ ⎦ ⎡2⎤ x(0) = ⎢ ⎥ ⎣− 3⎦ con el controlador LQ óptimo que minimiza el costo: 1 T ⎡5 0 ⎤ 1 9 T ⎡2 0 ⎤ 2 J = x10 ⎢ ⎥ x10 + 2 ∑ x k ⎢0 0. La ecuación en diferencias (4. % Sistema 81 .10) se conoce como la ecuación matricial en diferencias de Riccati. (4.8). que resulta. Las siguientes líneas de código MATLAB computan K k y x k en lazo cerrado.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.9) y (4. en general.1: (Control LQ en tiempo discreto).5]). inestacionario.N = El conjunto de ecuaciones (4. T]._______________Autor: Fernando Bote Ortega K k = ( R + B T S k +1 B) −1 B T S k +1 A T S k = ( A − BK k ) T S k +1 ( A − BK k ) + Q + K k RK k (4.

for k=1:10 x(:.:)=inv(R+B’*S*B)*B’*S*A.B=[0.:))’*S*(A-B*K(k. S=(A-B*K(k.k)-B*K(k. end La matriz de realimentación K k debe calcularse en tiempo invertido y almacenarse para ser aplicada posteriormente al sistema en tiempo normal. k=k-1.:)*x(:.-1 1]._______________Autor: Fernando Bote Ortega A=[2 1.:))+Q+K(k. line2 x2[k].x0=[2.1]. end % Simulación del sistema realimentado x(:.k).1)=x0. Figura 4.19: Evolución del estado en lazo cerrado: line1 x1[k]. 82 .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.k+1) = A*x(:.:)’*R*K(k.:). % Solución de la ecuación de Riccati while k>=1 K(k.-3].

20: Evolución de las ganancias K[k] =[ k1[k] . [k2[k] ] (line 1 y line 2). vemos que ± 2 2 * el estado es estabilizado asintóticamente por u k . Podemos comprobar que sus valores cambian más sobre el final del intervalo.11) 83 . más que al comienzo. donde permanecen casi constantes. La deducción del control óptimo LQ para el sistema en tiempo continuo: . Figura 4. La figura 4.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.20 muestra la evolución de las ganancias de control. Control LQ en tiempo continuo. ya que el control lo es. Notar que la planta a lazo cerrado es inestacionaria.3. x(t ) = Ax(t ) + Bu (t ) (9. 4.1._______________Autor: Fernando Bote Ortega Aunque la planta a lazo abierto es inestable (autovalores en 3 3 ).7.

¿cómo pueden guardarse los (infinitos) valores de P(t) calculados en tiempo invertido para ser aplicados luego al sistema?. Esta dificultad lleva a buscar una solución óptima estacionaria. u (t 0 ). sólo que las “transiciones” se reducen a “incrementos” infinitesimales.12) K (t ) = R −1 B T P(t ) x(t ) (4. Como en el caso discreto: • • El control óptimo LQ es una realimentación lineal de estados.13) P (t ) = P (t ) BR −1 B T P(t ) − Q − P (t ) A − AT P(t ) . Los “transitorios” en P(t) y K(t) ocurrirán sobre el final del intervalo [t0. Aún. K(t) = K. aunque inestacionaria. Pero.14) es en general de difícil solución.8). que. haciéndolo numéricamente. que definen el control óptimo LQ: u * (t ) = − K (t ) x(t ) (4. con condiciones “iniciales” P (t f ) = S . t 0 ) = 1 T 1 x (t f ) Sx(t f ) + ∫ x T (t )Qx(t ) + u T (t ) Ru (t ) dt 2 2 t0 ( ) Haciendo tender los incrementos a cero se obtienen los equivalentes de tiempo continuo de las ecuaciones (4.14) La ecuación (4. (4. El costo es ahora: tf J ( x(t 0 ). ⎯→ 84 . (4.10). t f ]. como en el caso discreto. la ecuación diferencial (4.9) y (4. también debe resolverse hacia atrás en el tiempo.14) es la famosa ecuación diferencial matricial de Riccati. que surge de considerar el caso de horizonte infinito t f ⎯ ∞ ._______________Autor: Fernando Bote Ortega sigue los mismos pasos que el de tiempo discreto.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega
4.3.1.8. Control LQ de Horizonte Infinito.

La figura 4.20 del ejemplo sugiere que si hacemos tender el tiempo final a ∞ las soluciones de la ecuación de Riccati permanecerían constantes en el valor del instante inicial. Bajo esta suposición, P(t) es constante y P(t ) = 0 , que lleva la ecuación (4.14) a la forma que se conoce como la ecuación algebraica de Riccati (ARE): PA + AT P + Q − PBR −1 B T P = 0 (CARE)
.

Con el correspondiente control óptimo LQ (ahora estacionario): u * (t ) = − Kx(t ) = − R −1 B T Px(t ) (4.15)

En el caso discreto tenemos S k = S , ∀k , que da, de (4.10), (4.9) S = AT SA − AT SB( R + B T SB) −1 B T SA + Q

(DARE)

K = ( R + B T SB) −1 B T SA

La ecuación (DARE) es la ecuación algebraica discreta de Riccati. En rigor, sin embargo, no sabemos aún si estas soluciones constantes de “régimen permanente” resuelven los correspondientes problemas óptimos de horizonte infinito. Analizamos este punto a continuación.
Solución del problema de horizonte infinito. Queremos controlar el sistema:
.

x(t ) = Ax(t ) + Bu (t ) con una realimentación estática de estados u (t ) = − Kx(t ) tal que se minimice el funcional de costo:

85

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega

J = ∫ x T (t )Qx(t ) + u T (t ) Ru (t ) dt
0

(

)

Con la realimentación, el sistema a lazo cerrado queda:
.

x(t ) = ( A − BK ) x(t )

(4.16)

incurriendo en un costo:

J = ∫ x T (t )Qx(t ) + x T (t ) KRKx (t ) dt
0

(

)

Como sabemos que la solución de (4.16) es reemplazamos en la expresión del costo, y obtenemos:
⎛ ∞ ( A − BK J = x ⎜∫e ⎜ ⎝0
T 0

x ( t ) = e ( A − BK )t x 0 , la

)T

t

(Q

+ K

T

⎞ RK e ( A − BK )t dt ⎟ x 0 ⎟ ⎠

)

T J ≡ x0 Px0

(4.17)

donde hemos definido la matriz P ≡

∫e
0

( A − BK )T

t

(Q

+ K

T

RK e ( A − BK )t dt .

)

Recordando el Teorema de Lyapunov, sabemos que el sistema x = ( A − BK )x es asintóticamente estable si y sólo si la matriz P definida en (4.17) es la única solución definida positiva de la ecuación de Lyapunov: ( A − BK ) T P + P( A − BK ) + Q + K T RK = 0 (4.18)

.

86

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega Por lo tanto, para cualquier ganancia K que estabilice asintóticamente el sistema, la matriz P solución de (4.18) dará un costo finito. Supongamos que consideramos en particular la ganancia K = R −1 B T P , correspondiente al candidato a control óptimo LQ (4.15). Substituyendo esta K en (4.18) obtenemos:
0 = ( A − BR −1 B T P) T P + P( A − BR −1 B T P) + Q + PBR −1 B T P 0 = AT P − PBR −1 B T P + PA − PBR −1 B T P + Q + PBR −1 B T P 0 = AT P + PA + Q − PBR −1 B T P

Esto es exactamente la ecuación algebraica de Riccati (CARE). Por lo tanto, la solución del problema de control óptimo LQ con horizonte infinito está dado por la solución de la ecuación (CARE), cuando ésta existe. El mismo resultado vale en el caso discreto que es el que nos interesa a nosotros. Esto no quiere decir que las soluciones de las ecuaciones (CARE) o (DARE) serán únicas. Si existe una solución única que estabilice al sistema, entonces es la óptima. Cabe entonces la pregunta: ¿Cuándo existirá una solución de las ecuaciones algebraicas de Riccati, y bajo qué condiciones será única? La respuesta la dan los siguientes resultados:
Teorema 4.1. Si (A,B) es estabilizable, entonces, independientemente del peso S, existe

una solución estática finita P(S) de la ecuación diferencial (diferencia) de Riccati (4.14) ( (4.10)). Esta solución será también una solución de la ecuación algebraica de Riccati correspondiente, y será la solución óptima en el caso de horizonte infinito.
Teorema 4.2. Si la matriz de peso Q puede factorizarse en la forma Q = TTT, entonces

la solución estática P(S) de la ecuación diferencial (diferencia) de Riccati es la única solución definida positiva de la correspondiente ecuación algebraica si y sólo si (A,T) es detectable. En conclusión, si (A,B) es estabilizable y (A,T) detectable, existe una solución única de (CARE) ((DARE)) que da la ganancia óptima de realimentación. Con

87

En esta sección trataremos algunos modelos simples de ruido y determinaremos formas de tenerlos en cuenta en el diseño de observadores y realimentación de estados. Con un modelo en ecuaciones de estado que incluye ruido.B.3. Señales de entrada no deseadas. sea en la forma de: • • • Alinealidades de entrada no modeladas. Uno de los factores más importantes en el desempeño de sistemas de control. el que mejor rechaza el efecto del ruido. Todos los sistemas están sujetos a ruido.1.19) y k = Cx k + ω k 88 . Estos observadores suelen llamarse estimadores.9.3. 4.1.R) (continuo) y K = dlqr(A. Consideraremos primero ruido perturbando la observación del estado de un sistema.Q.R) (discreto). Estimadores óptimos.10. Consideramos el siguiente sistema en tiempo discreto: x k +1 = Ax k + Bu k + Gv k (4. Modelos de sistemas con ruido. a menudo no tenido en cuenta.B. K se puede calcular con K = lqr(A. y el particular que desarrollaremos es el estimador conocido como el filtro de Kalman._______________Autor: Fernando Bote Ortega MATLAB.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. es el efecto de perturbaciones y ruido. Dinámica no modelada. es decir. 4. generaremos el mejor observador posible.Q.

Consideraremos además que el estado inicial x0 del sistema (4. considerada determinística.19) es también una variable aleatoria — ya que raramente podemos conocerlo con exactitud. La entrada u k es la habitual entrada de control. ruido de medición. y la entrada ω k . 89 . y no correlacionados entre sí. La entrada v k se llama ruido de planta. ∀j . que actúa a la salida. consistentes en ruido blanco estacionario. El ruido de planta modela el efecto de entradas ruidosas que actúan en los estados mismos. j T E ω k ω j = 0. o de proceso. mientras que el ruido de medición modela efectos tales como ruido en los sensores. k . Consideramos que es ruido blanco._______________Autor: Fernando Bote Ortega Las nuevas señales de entrada v k y ω k que aparecen en este modelo son procesos aleatorios. Esto quiere decir que tienen las siguientes propiedades: T E vk vk = V [ [ ] T E vk v j = 0 ] T E ωk ωk = W [ [ ] E [v k ] = 0 E v T ω k = 0. cuando k ≠ j ] [ ] E [ω k ] = 0 La función E [⋅] denota la media estadística. con varianza: E ( x 0 − E [x0 ])(x 0 − E [x 0 ]) ≡ S 0 T [ ] Asumimos que x0 no está correlacionado con v k y ω k . con media cero.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.

Filtro de Kalman discreto. modificamos el observador con una ligera variante: separamos el proceso de observación en dos etapas: 1. esta vez tomando en cuenta los efectos de ruido en la selección de la matriz de ganancia L.21) La diferencia con el observador convencional es que ahora corregimos la estima ˆ ˆ con la medición “actual” ( y k +1 − y k +1 ) en vez de utilizar la medición “vieja” ( y k − y k ) . Observador actual Recordemos las ecuaciones del observador de orden completo. Vamos a presentar una variante basada en un observador modificado. que permite una simplificación en las derivaciones. De (4. Hay varias formas de derivar el filtro de Kalman.21). Reconsideramos nuestra derivación anterior del observador.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.11. Predicción del estado estimado en k +1 en base a datos en k (estima anterior + entrada actual): ( ˆ x k +1 = Ax k + Bu k (4.1. Este observador modificado se conoce como observador actual Bay [1999].20) y (4. La elección que haremos define el observador óptimo conocido como filtro de Kalman. Corrección de la estima en k + 1 con los datos medidos en k + 1.3. Esta matriz deberá elegirse de forma de dar la mejor estima del estado del sistema rechazando al mismo tiempo cualquier influencia de los ruidos v k y ω k . en este caso. llamado observador actual._______________Autor: Fernando Bote Ortega 4. ( ( ˆ x k +1 = x k +1 + L( y k +1 − Cx k +1 ) (4. dicreto: ˆ ˆ ˆ x k +1 = Ax k + Bu k + L( y k − Cx k ) Suponiendo por el momento que no hay ruidos ( v k = 0 = ω k ). las ecuaciones del observador actual son: 90 .20) 2.

el rango de CA es el mismo que el de C. Notar que la ecuación del observador (4._______________Autor: Fernando Bote Ortega ˆ ˆ ˆ x k +1 = Ax k + Bu k + L( y k +1 − C ( Ax k + Bu k ) ) ˆ ˆ x k +1 = ( A − LCA)x k + (B − LCB )u k + Ly k +1 (4.C) no garantiza que se puedan asignar los autovalores de (A – LCA) arbitrariamente. la observabilidad del par (A. en vez de los de (A – LC) como vimos antes.22) El observador actual será conveniente para derivar el filtro de Kalman discreto. ˆ ˆ x(t ) = ( A − LC )x(t ) + Bu (t ) + Ly (t ) Para el observador actual la dinámica del error está dada por: ~ = ( A − LCA)~ x k +1 xk por lo que los autovalores para el observador son los de la matriz (A – LCA). pues permite considerar los efectos de los ruidos v k y ω k por separado. Sin embargo.22) difiere significativamente de la que presentamos anteriormente con sistemas continuos: . y podemos considerar C ≡ CA como una nueva matriz de salida y asignar los autovalores de (A − LC ) como de costumbre. La mejor predicción del estado que podemos hacer cuando hay ruido es el valor esperado: ( ˆ x k +1 = E [Ax k + Bu k + Gv k ] ( ˆ x k +1 = Ax k + Bu k . si la matriz A es de rango completo. dado que E [v k ] = 0 91 . En este caso.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Estructura del observador Usamos la variante del observador actual para derivar el filtro de Kalman.

su valor en un instante dado puede no ser representativo de las bondades de la estimación. además. En este caso. es necesario. trataremos de minimizar el efecto de los ruidos. a menudo llamada. menor será la variabilidad del error de estimación debida a ruidos. y por lo tanto depende de variables aleatorias. En observadores determinísticos. y mejor el rechazo de éstos. Definimos entonces la covarianza a posteriori: T S k ≡ E ek ek [ ] Cuanto menor sea la norma de la matriz S k .23) Notar que usamos una ganancia de observación L variante en el tiempo. Una vez disponible la salida en el instante k+1._______________Autor: Fernando Bote Ortega Ésta suele denominarse la estima a priori. Su derivación surge de minimizar el error de estimación a posteriori: ˆ ek = x k − x k Como ek está afectado por ruido. lo que. porque se hace antes de medir la salida (o sea que no tiene corrección). L se seleccionaba para asignar la dinámica del error de estimación. 92 . Criterio de optimización El filtro de Kalman es óptimo en el sentido de que da la mejor estima del estado y al mismo tiempo minimiza el efecto de los ruidos. como veremos.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. estima a posteriori: ( ( ˆ x k +1 = x k +1 + Lk +1 [ y k +1 − Cx k +1 ] (4. Buscamos entonces tratar de minimizar su valor “en promedio” para todo el conjunto de ruidos posibles. terminamos de armar el observador actualizando la estima obteniendo la.

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega Pretendemos determinar Lk +1 para minimizar la variabilidad del error de estimación: T min E[ek +1 ] = min E ek +1ek +1 2 Lk +1 Lk +1 [ ] ] (4.24) T min E[ek +1 ] = min E tr (ek +1ek +1 ) 2 Lk +1 Lk +1 [ T min E [ek +1 ] = tr min E ek +1ek +1 = min trS k +1 2 Lk +1 Lk +1 Lk +1 [ ] Para obtener una expresión para S k +1 . derivamos la dinámica del error: ˆ ek +1 = x k +1 − x k +1 ( ˆ ek +1 = Ax k + Bu k + Gv k − Ax k − Bu k − Lk +1 [Cx k +1 + ω k +1 − Cx k +1 ] ˆ ˆ ek +1 = Ax k − Ax k + Gv k − Lk +1 [C [Ax k + Bu k + Gv k ] + ω k +1 − C [Ax k + Bu k ]] ek +1 = [A − Lk +1CA]ek + [G − Lk +1CG ]v k − Lk +1ω k +1 ek +1 = [I − Lk +1C ][Aek + Gv k ] − Lk +1ω k +1 Usando esta expresión de ek +1 obtenemos: S k +1 = E [(I − Lk +1C )( Aek + Gv k ) − Lk +1ω k +1 ][(I − Lk +1C )( Aek + Gv k ) − Lk +1ω k +1 ] [ T ] S k +1 = E (I − Lk +1C )( Aek + Gv k )( Aek + Gv k ) (I − Lk +1C ) T [ T T T T − 2 Lk +1ω k +1 ek AT + v k G T (I − Lk +1C ) + Lk +1ω k +1ω k +1 LT +1 k T [ ] ] 93 .

expandimos tr S k +1 de (4.26) T E ω k +1v k = 0 ] Además. Determinación de la ganancia de observación óptima. llegamos a la expresión: S k +1 = [I − Lk +1C ] AS k AT + GVG T [I − Lk +1C ] + Lk +1WLT +1 k T T [ ] (4._______________Autor: Fernando Bote Ortega De las hipótesis sobre las propiedades estadísticas de los ruidos vistas en 4.11. pues todavía no conocemos Lk +1 .27) y (4.28) en (4.27) T T ˆT E ω k +1ek = E ω k +1 x k − E ω k +1 x k = 0 ] [ ] [ ˆ ya que x k y x k no están correlacionadas con ω k +1 . Usando (4.29) La expresión recursiva (4. sin embargo. Para determinar el valor de la ganancia Lk +1 que minimiza el criterio de optimización (4.24).Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Y por otro lado: T ˆ E v k ek = E v k ( x k − x k ) T [ [ ] [ ] (4. Esta expresión. no es enteramente útil.25). tenemos que: T E vk vk = V [ [ [ ] T E ω k +1ω k +1 = W ] (4.28) T k Ev e T k k ˆ ] = E[v x ] − E[v x ] = 0 k T k k ˆ ya que x k y x k tampoco están correlacionadas con v k . (4.26).29) en: 94 . no es difícil ver que: T ˆ E ω k +1ek = E ω k +1 ( x k − x k ) [ [ ] [ T ] ] (4.29) representa la dinámica de la covarianza del error de estimación.2. que determinaremos en lo que sigue.

Procedimiento para computar el filtro de Kalman discreto 95 .31) Esta es la ganancia óptima para el estimador dado por la ecuación (9. pues no dependen de Lk +1 . Como supusimos.30) [ [ T ]] + tr [L k +1 WL T k +1 ] Ahora derivamos (4. es inestacionaria.29). y se conoce como la ganancia de Kalman.30) ∂ tr S k +1 ∂Lk +1 [ ] 0= 0 = 2 Lk +1C AS k AT + GVG T C T − 2 AS k AT + GVG T C T + 2 Lk +1W que tiene como solución: [ ] [ ] Lk +1 = AS k AT + GVG T C T C AS k AT + GVG T C T + W [ ] [[ ] ] −1 (4. ya que depende de S k . Los dos primeros términos dan cero.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Para los siguientes términos usamos las siguientes propiedades de la derivada de la traza de una matriz: ∂ tr XYX T = 2 XY ∂X ∂ tr [YXZ ] = Y T Z T ∂X Así obtenemos de (4._______________Autor: Fernando Bote Ortega tr S k +1 = tr AS k AT + tr GVG T + tr Lk +1C AS k AT + GVG T C T LT +1 k − 2tr Lk +1C AS k A + GVG T [ ] [ ] [ [ ] ] (4.23).30) con respecto a Lk +1 . que se obtiene resolviendo la ecuación en diferencias (4.

Calculamos. de (4. Calculamos la estima a priori del estado (predicción): ( ˆ x k +1 = Ax k + Bu k (4. la matriz de covarianza para la próxima iteración: S k +1 = [I − Lk +1C ] AS k AT + GVG T [I − Lk +1C ] + Lk +1WLT +1 k T T [ ] (4. Consideremos el sistema en tiempo discreto: 96 .23). Calculamos la ganancia de Kalman de (9. Ejemplo 4.31): Lk +1 = AS k AT + GVG T C T C AS k AT + GVG T C T + W [ ] [[ ] ] −1 (4. corregida con la salida medida y k +1 mediante (4. Partimos del conocimiento de las propiedades estadísticas. 2.32) inicializada con la estima inicial x k0 = E [x0 ] .29). Calculamos la estima a posteriori. valor esperado y varianza. 1.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.34) 4.33) T que inicializamos con la covarianza original S k0 = E x0 x0 = S 0 . que puede simplificarse a: ( ( ˆ x k +1 = x k +1 + Lk +1 [ y k +1 − Cx k +1 ] (4. y la condición inicial x0 ._______________Autor: Fernando Bote Ortega Resumimos los pasos necesarios para programar el filtro de Kalman. [ ] 3.2 (Filtro de Kalman discreto). de los ruidos v k y ω k .35) y el proceso se repite el siguiente paso.

36) es la discretización exacta. con período de muestreo T=0. % tiempo de muestreo A=expm(Ac*T). (4.0474324⎥ v k ⎣− 0.0452456⎥u k + ⎢− 0. con período de muestreo T = 0.36) cuando se le aplica la entrada u = sen kT.-1].0430570 ⎤ x k +1 = ⎢ ⎥ x k + ⎢0.34) y (4. y sobre el intervalo kT ∈ [0. % ruido de proceso 97 . C=[1.0817367⎤ ⎡0. por ejemplo de la siguiente manera: % Ejemplo filtro de Kalman discreto % Sistema en tiempo continuo Ac=[-4. B=inv(Ac)*(A-eye(2.-2. no son difíciles de programar en MATLAB. del sistema de tiempo continuo: . 10]s. % Covarianzas de Ruidos V=0.0]. Gc=[1.05s. (4.2))*Gc.09. % Discretización exacta ._______________Autor: Fernando Bote Ortega ⎡ 0.081767 0.8146405 0. Bc=[0.-4].05s. (4. El sistema (4. El ruido de medición se asume de media cero y covarianza W = 0.32).35). Las ecuaciones del filtro de Kalman.25.09. ⎡− 4 2 ⎤ ⎡0 ⎤ ⎡1⎤ x=⎢ ⎥ x + ⎢1⎥u + ⎢− 1⎥ v ⎣ − 2 − 4⎦ ⎣ ⎦ ⎣ ⎦ y = [1 0]x + ω Construimos un filtro de Kalman discreto para estimar la evolución del estado del sistema (4.0021886⎤ ⎡ 0.2))*Bc.33).05.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.1].8146405⎦ ⎣ ⎦ ⎣ ⎦ (4.36) donde el término de ruido v tiene media cero y covarianza V = 0.2. G=inv(Ac)*(A-eye(2.Sistema en tiempo discreto T=0.

k)+B*u(k). Puede verse como las variables ruidosas son filtradas por el estimador.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. % ruido de medición % Condiciones iniciales del sistema (para simular) t=0:T:10. % filtro de Kalman inestacionario xp(:.21 muestra la evolución de los estados del sistema y los estados estimados por el filtro de Kalman inestacionario. x=x0.5 s.k+1)=A*x(:. % estima a priori L=(A*S*A’+G*V*G’)*C’*inv(C*(A*S*A’+G*V*G’)*C’+W).2)-L*C)’+L*W*L’. % estima S=(eye(2.2).k+1)=A*xh(:.025.0].-0._______________Autor: Fernando Bote Ortega W=0. 98 . xh(:. y=C*x0. % xh(0) xp=xh. % xp(0) S=eye(2. La figura 4.k+1)+sqrt(W)*randn. u=sin(t).5. dando versiones ((suavizadas)) de la evolución de los estados luego de un breve transitorio de aproximadamente 0.2)-L*C)*(A*S*A’+G*V*G’)*(eye(2.k+1)=xp(:.5]. x0=[0. y(k+1)=C*x(:. % Conjetura de condiciones iniciales para el filtro de kalman xh=[0.k+1)+L*(y(k+1)-C*xp(:. end Corriendo este programa simulamos el sistema discreto y al mismo tiempo vamos calculando la estima del estado.k)+B*u(k)+G*sqrt(V)*randn. % S0 % Simulación for k=1:length(t)-1 % sistema x(:.k+1)).

• El filtro de Kalman derivado es el mejor estimador si los ruidos de proceso y medición son Gausianos. 99 . La derivación de las ecuaciones es similar al caso continuo. ya que casi siempre se implementa en una computadora digital. • La ecuación diferencia de Riccati (4.12. dual al caso de control LQ.29) que determina la matriz de covarianza S k se calcula para adelante en el tiempo. y lleva a una ecuación diferencial de Riccati.3. Para otras distribuciones probabilísticas. a diferencia del dual caso de control óptimo LQ. aunque es raramente usado en la práctica. • El filtro de Kalman puede obtenerse también en tiempo continuo. para la que la versión discreta es más natural. 4._______________Autor: Fernando Bote Ortega Figura 4. el filtro de Kalman es el mejor estimador lineal. Esto implica que el filtro de Kalman puede implementarse en su forma inestacionaria en tiempo real.21: Evolución de los estados del sistemas y los estimados. Notas.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.1.

Esta solución será “aproximadamente óptima”. C T ( ) es estabilizarle.B. y única si y sólo si AT . la función kalman computa el filtro de Kalman estacionario (continuo o discreto)._______________Autor: Fernando Bote Ortega • Como en el caso de control óptimo LQ. y (A • T .R) calcula la ganancia óptima de realimentación de estados K tal que el control u = -Kx minimiza el costo: ∞ T T J = ∑ x k Qx k + u k Ru k dt k =0 ( ) y estabiliza asintóticamente el sistema de tiempo discreto: x k +1 = Ax k + Bu k La matriz S resuelve la ecuación algebraica de Riccati discreta: 100 . Cuando el controlador elegido es el óptimo LQ. y no del control en sí). Útiles en MATLAB DLQR Diseño de regulador lineal cuadrático para sistemas de tiempo discreto. la combinación da lo que se conoce como controlador lineal cuadrático gausiano (LQG). donde GCG T = TT T . T T detectable.S] = dlqr(A. ) En MATLAB.Q. [K.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. • Naturalmente. también en el caso del filtro de Kalman pueden calcularse soluciones estacionarias de la ecuación diferencia (diferencial) de Riccati que determina la matriz de covarianza. • La robustificación de un regulador LQG mediante agregado de acción integral exactamente igual al caso visto en asignación de polos y se aplica de la misma manera (la acción integral es parte del diseño de la arquitectura de control. el filtro de Kalman puede combinarse con cualquier control por realimentación de estados.

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega

AT SA − S − AT SB R + B T SB

(

)(

) (B
−1

T

SA + Q = 0

)

LQR Diseño de regulador lineal cuadrático para sistemas de tiempo continuo.

[K,P] = lqr(A,B,Q,R) calcula la ganancia óptima de realimentación de estados K tal que el control u = -Kx minimiza el costo:

J = ∫ x T Qx + u T Ru dt
0

(

)

y estabiliza asintóticamente el sistema de tiempo continuo:
.

x = Ax + Bu La matriz P resuelve la ecuación algebraica de Riccati: PA + AT P − (PB )R −1 B T P + Q = 0
DLQE Diseño de filtro de Kalman para sistemas discretos. La función L =

(

)

dlqe(A,G,C,Q,R) calcula la ganancia L del filtro de Kalman estacionario:

( ˆ x k +1 = Ax k + Bu k ( ˆ ˆ x k +1 = x k +1 + L( y k +1 − Cx k − Du k )
para estimar el estado x del sistema en tiempo discreto: x k +1 = Ax k + Bu k + Gω k y k = Cx k + Du k + v k donde w y v son ruidos de proceso y de medición, respectivamente, de media nula y con covarianzas:

101

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega

E ωω T = Q,

[

]

E vv T = R,

[ ]

E ωv T = N

[ ]

Notar que si w y v son no correlacionados (como generalmente se asume), entonces N = 0.
LQE Diseño de filtro de Kalman para sistemas continuos. La función L =

lqe(A,G,C,Q,R,N) calcula la ganancia L del filtro de Kalman estacionario:
ˆ ˆ ˆ x = Ax + Bu + L( y − Cx − Du )

para estimar el estado x del sistema en tiempo continuo:

x = Ax + Bu + Gω y = Cx + Du + v respectivamente, de media nula y con covarianzas: donde w y v son ruido de proceso y de medición,

.

E ωω T = Q,

[

]

E vv T = R,

[ ]

E ωv T = N

[ ]

Notar que si w y v son no correlacionados (como generalmente se asume), entonces N = 0.

102

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega

4.3.2. Implementación del control LQG.
Veamos como implementamos mediante el simulink este tipo de control. El bloque control LQG contiene lo siguiente:

Figura 4.22: Modelo Simulink del controlador LQG.

Las entradas que tiene el bloque son la salida del instante k, la señal de control del instante k y la señal de activación del control LQG. La entrada “salida” únicamente contiene los tres estados accesibles del sistema por lo que tenemos que utilizar un filtro de Kalman para estimar los otros dos estados. Al filtro de Kalman introducimos las mismas tres entradas. Una vez que el filtro de Kalman a ha realizado la estimación completa del estado para el instante k la pone a su salida. Para hallar el señal de control para el instante k+1 lo único que tenemos que hacer es multiplicar el estado en el instante k estimado por el filtro de Kalman por la ganancia óptima de realimentación de estados K de tal manera que implementamos la ley de control:
u (k + 1) = − Kx(k )

4.3.2.1.

Diseño del control LQR.

Para calcular la ganancia óptima de realimentación de estados utilizamos el comando de matlab K = dlqr(A,B,Q,R), donde A y B son las matrices del sistema linealizado que hallamos en el apartado 3.5:

103

2 metros. por tanto x3max = 0. x2max = 1 m/s. que en nuestro caso será de ±5º. utilizaremos las siguientes fórmulas que nos servirán como punto de partida: ⎡ 1 2 ⎢ x1max ⎢ 0 ⎢ ⎢ Q=⎢ 0 ⎢ ⎢ 0 ⎢ ⎢ 0 ⎣ 0 1 x2 2 max 0 0 0 0 0 1 x3 2 max 0 0 0 0 0 1 x4 2 max 0 ⎤ ⎥ 0 ⎥ ⎥ 0 ⎥ ⎥ ⎥ 0 ⎥ ⎥ 1 2 ⎥ x5 max ⎦ 0 R= 1 2 u max Midiendo encontramos que x1max = 1.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Para x3max tendríamos que tomar el ángulo máximo para el que consideraríamos que estamos en zona lineal._______________Autor: Fernando Bote Ortega ⎡1 Tm ⎢0 1 ⎢ 0 A = ⎢0 ⎢ ⎢0 0 ⎢ ⎢0 − Tm ⎣ 0 0 0 ⎤ 2 ω n Tm ⎥ 0 0 ⎥ ⎥ Tm 1 0 2 ⎥ Tm m lg T Tm mlω n ⎥ 1 + m Bv I I I ⎥ 0 0 1 − 2δω nTm ⎥ ⎦ ⎡0⎤ ⎢0⎥ ⎢ ⎥ B=⎢0⎥ ⎢ ⎥ ⎢0⎥ ⎢Tm ⎥ ⎣ ⎦ ⎡1 0 0 0 0 ⎤ C = ⎢0 1 0 0 0⎥ ⎥ ⎢ ⎢0 0 1 0 0⎥ ⎦ ⎣ Para calcular las matrices de peso Q y R. Para calcular x4max como no podemos tomar una medida directa lo que haremos es hacer que el péndulo comience a rebotar de un extremo a otro lo más rápido posible de forma que obtendremos la velocidad angular máxima a partir de la derivada del ángulo con el siguiente bloque: 104 .0873 radianes.

Como podemos ver este bloque lo que se limita es a hacer la derivada de la señal del ángulo según la fórmula: ω (k + 1) = θ (k + 1) − θ (k ) Tm Veamos el resultado de aplicar este bloque: 10 8 6 4 2 0 -2 -4 -6 -8 -10 velocidad angular ángulo control 1 1.23: Bloque calculo de velocidad angular.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.5 2 2.24: Velocidad angular para Impulso=10 y K=5.5 4 4.5 5 Figura 4._______________Autor: Fernando Bote Ortega Figura 4.5 3 tiempo 3. 105 .

15 1.05 -0._______________Autor: Fernando Bote Ortega Observando la figura podemos determinar que x4max = 5. Ya solamente nos falta decir que umax = 1.2 x5 velocidad 0 0.35 0.45 0.6944 ⎢ 0 ⎢ Q=⎢ 0 ⎢ ⎢ 0 ⎢ 0 ⎣ 0 0 0 0 ⎤ 1 0 0 0 ⎥ ⎥ 0 131.7 0.5 0. Por tanto los pesos quedan de la siguiente forma: ⎡0.6 0.9 0.05 m/s2.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.05 1 0.2 1.55 0.25 0.2 0 0 ⎥ ⎥ 0 0 0.2 0.15 -0.8 0.04 0 ⎥ 0 0 0 400⎥ ⎦ R =1 A continuación y antes de seguir con el filtro de Kalman comprobaremos mediante simulación y suponiendo que todos los estados fueran accesibles si con estas 106 . Para el cálculo de x5max como tampoco podemos acceder directamente a la medida lo estimaremos a partir de la simulación del carro sometiéndolo a la velocidad máxima a la que puede operar es decir 1 m/s: 1.1 1.1 0.3 0.85 0.25: x5 para v = 1 m/s.15 0.65 0. Observnado la gráfica vemos que x5max = 0.05 0 -0.1 -0.5 Figura 4.5 tiempo 1 1.4 0.75 0.95 0.

02 m/s2 obtenemos el siguiente resultado: 0.27: Resultado simulación control LQR. x2 = -0.4 metros.083 rad.26: Esquema control LQR. x3 = 0._______________Autor: Fernando Bote Ortega matrices de pesos funcionaría el control LQR.5 posición velocidad ángulo velocidad angular x5 0 -0. Para realizarlo utilizaremos el siguiente esquema: Figura 4. Suponiendo como condiciones iniciales: x1 = 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. x4 = -1 rad/sg y x5 =0. 107 .25 m/s.5 -1 0 1 2 3 4 5 tiempo 6 7 8 9 10 Figura 4.

Diseño del filtro de Kalman. a partir de la siguientes ecuaciones: ( ˆ x k +1 = Ax k + Bu k ( ˆ ˆ x k +1 = x k +1 + L( y k +1 − Cx k − Du k ) El diagrama de bloques que implementa dichas ecuaciones es el siguiente: u(k) H + L – + B + A xe(k) Figura 4. Todo esto es en la simulación.28: Diagrama de bloques del filtro de Kalman.3. que es nuestra variable objetivo. Además se comprueba que ninguna de las variables excede sus máximos. 4. más adelante tendremos que comprobar en el laboratorio el funcionamiento. Como ya se ha explicado el filtro de Kalman se utiliza para obtener una estimación del estado del sistema.2. tiende a cero por lo que las matrices de pesos en principio funcionarían correctamente. y(k) + z-1 C 108 ._______________Autor: Fernando Bote Ortega En la figura se observa como efectivamente el ángulo.2.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. cuando no tenemos acceso a todas la variables.

C. [ ] E ωv T = N [ ] donde v k es el ruido de planta o proceso y ω k es el ruido de medición.4295 1.1556 ⋅ 10 −8 .2. Vamos a ver como obtener las matrices G.11: E ωω T = Q. Como dijimos el ruido de planta modela el efecto de entradas ruidosas que actúan en los estados mismos. Utilizando matlab para hallar la varianza de esta señal obtenemos 4.Q.43 1.5 tiempo 3 3.1. La función L = dlqe(A._______________Autor: Fernando Bote Ortega A.G. Como ya vimos en el apartado 4.4285 1. [ ] E vv T = R.5 2 2.429 posición 1.29: Medida del ruido de la señal de posición. Como podemos comprobar en el laboratorio si nosotros no introducimos una u en los estados no se produce ninguna variación aunque así lo indiquen las mediciones por lo que supondremos que el ruido de planta es cero y que únicamente tenemos ruidos de medición. Q y R.5 4 4. B y C son las matrices del sistema linealizado y L la ganancia del filtro de Kalman .R) calcula la ganancia L del filtro de Kalman estacionario. 109 . Para calcular este último calcularemos la varianza de las mediciones obtenidas: 1.5 1 1.428 1.5 5 Figura 4.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.4275 0 0.

5 2 2.5 5 Figura 4.09 0.5 tiempo 3 3.3407 ⋅ 10 −6 ⎥ ⎦ 0 0 0 0.2 velocidad 0 -0.5 2 2.8 0.085 ángulo 0.2 -0.5 1 1. La varianza es de 2. La varianza de la velocidad es 0.8 -1 0 0.6 0.0313.5 4 4.08 0.07 0 0.6 -0.5 5 Figura 4.4 0.5 4 4.30: Medida del ruido de la señal de velocidad.3407 ⋅ 10 −6 .0313 0 110 . Por tanto la matriz que nos queda es: ⎡4.4 -0.075 0.31: Medida del ruido de la señal de ángulo._______________Autor: Fernando Bote Ortega 1 0.1556 ⋅ 10 −8 ⎢ R=⎢ 0 ⎢ 0 ⎣ ⎤ ⎥ ⎥ 2.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.5 tiempo 3 3.095 0.5 1 1. 0.

28.33: Esquema Simulink del filtro de Kalman. 111 ._______________Autor: Fernando Bote Ortega Implementemos el filtro de Kalman para comprobar mediante simulación si el funcionamiento es correcto: Figura 4.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.32: Esquema de control LQG. vemos como se implementa el esquema que se presentaba en la figura 4. Comprobando el interior del bloque Filtro de Kalman: Figura 4. A continuación veremos el resultado de ejecución introduciendo como condiciones iniciales del sistemas las mismas que introdujimos para el control LQR.

112 .2 -0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.4 0.3 0.2 0._______________Autor: Fernando Bote Ortega 0.1 -0.34: Resultado simulación control LQG.3 posición velocidad ángulo 0 1 2 3 4 5 tiempo 6 7 8 9 10 Figura 4. Se comprueba que el control LQG funciona correctamente y de forma similar a como lo hacía el control LQR cuando se suponía que todos los estados eran accesibles y por tanto conocidos.1 0 -0.5 0.

1.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.7.1: Modelo global de simulación. Simulación del modelo global. Posteriormente cuando el ángulo se encuentra en la zona lineal el relay conmuta a 2 y el control que actúa sobre el sistema es el controlador 113 . Resultados. es el controlador de alzamiento cuya estructura ya mostramos en la figura 4.18. que se puede ver en la figura 3. Para sincronizar el uso de los dos controladores utilizamos la señal “on”. A continuación mostraremos el modelo que engloba los dos controladores que hemos diseñado en el apartado cuatro: Figura 5. Ésta es generada en el relay de forma que cuando el ángulo está fuera de la zona lineal la señal de “on” se encuentra a 1 y el controlador que actúa sobre el sistema “péndulo”._______________Autor: Fernando Bote Ortega 5. 5.

Esta sincronización la logramos con la variable de entrada “on” que pone en marcha el funcionamiento del filtro cuando esto sucede._______________Autor: Fernando Bote Ortega LQG. La introducción de esta señal “on” hace que tengamos que introducir unas modificaciones en el controlador LQG diseñado en el apartado anterior. A continuación veremos cuáles han sido estas modificaciones implementadas en el filtro de Kalman: Figura 5. 114 .Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.2: Diagrama Simulink de filtro de Kalman. Tenemos que tener en cuenta que a nosotros lo que nos interesa es que el filtro de Kalman empiece a funcionar una vez que el péndulo haya sido alzado y se encuentre en la zona lineal.

_______________Autor: Fernando Bote Ortega Cuando “on” es igual a 1 tanto la u(k) como el e(k) = y(k) – ye(k) que se introducen al filtro son nulos como podemos ver en los multipuertos del diagrama. velocidad y ángulo) y calcula los otros dos mediante ecuaciones teóricas. Para calcular la condición de cambio lo que hace es que mientras “on” es igual 1 se queda con el valor de los tres estados accesibles medidos ( posición. Todo esto hace que mientras “on” se mantenga con valor 1: xe (k + 1) = xe (k ) Cuando “on” es igual a 2 los multipuertos conmutan y el filtro comienza a funcionar. Para calcular la velocidad 115 .3: Diagrama Simulink del bloque Condiciones de cambio.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Para ello tenemos el bloque condición de cambio: Figura 5. además la realimentación del estado en este caso es unitaria. Otro problema al que nos tenemos que enfrentar es el hecho de capturar el estado del sistema justo en el momento del cambio ya que estas serán las condiciones iniciales del filtro de Kalman.

28 primero restamos las condiciones iniciales y posteriormente después del delay se las sumamos. X I ≡ Condiciones iniciales.4: Diagrama Simulink para calcular el estado x5. Primero se restan las condiciones iniciales para obtener la pequeña señal que se introduce en el delay y 116 . X k +1 = X I + x k +1 ⇒ x k +1 = X k +1 − X I Este es el motivo por el que en la figura 4.22 y para calcular x5 utilizamos la ecuación que dedujimos en el apartado 3._______________Autor: Fernando Bote Ortega angular lo que hacemos es realizar la derivada del ángulo de la misma forma que en la figura 4.2 cuando analizamos el modelo del carro.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Figura 5. Por último para introducir esta condición inicial usaremos un modelo de pequeña señal: X k = X I + xk donde : X k ≡ Estado del sistema en ins tan te k . x k ≡ Pequeña señal que almacena la var iación del estado. Cuando “on” es igual a 2 el multipuerto conmuta y lo que hace es mantener en el tiempo el último valor para el estado del sistema del instante anterior a que la señal “on” conmutara.

4 -0.2 0 -0. En la figura 5. es decir.1 podemos observar también un bloque saturador._______________Autor: Fernando Bote Ortega posteriormente para obtener el estado actual del sistema a la pequeña señal le sumamos las condiciones iniciales.8 -1 control posición velocidad ángulo 0 1 2 3 4 tiempo 5 6 7 8 Figura 5.5: Resultado de la simulación global. la velocidad nunca supera en módulo 1 y la posición en módulo nunca supera 1.2. Este bloque se coloca para evitar que aun cuando la señal de control generada por el controlador LQG sea mayor que uno.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.4 0.6 0.2 -0. Podemos observar como el péndulo es alzado sin violar ninguno de los límites de los límites de las variables de estado .6 -0. 117 . Pero hagamos un zoom para obserbar mejor el comportamiento de la variable de estado ángulo que es la que nos describe el comportamiento del péndulo. como máximo sea este valor el que se introduce al sistema ya que la señal de control que este es capaz de seguir es precisamente de ±1. A continuación se muestra el resultado de la simulación de este modelo global del sistema: 1 0.8 0.

6: Simulación de la señal de ángulo. En la gráfica se puede observar perfectamente como el péndulo después de un rebote contra los topes.5 tiempo 3 3. Ejecución en laboratorio del modelo global. En primer lugar tenemos que diseñar el modelo simulink. A continuación debemos cargar en el Workspace de Matlab la serie de variables y matrices que hemos ido calculando en los distinto apartados del proyecto mediante el m-file “matrizlqr” que se muestra en el ANEXO 1. asciende y es controlado en torno al ángulo cero manteniéndose en equilibrio tal y como era nuestro objetivo. esto lo realizaremos ejecutando la opción de Simulink “RTW Build”.2 0.5 2 2. Una vez generado este código tendremos que abrir el programa “dSpace” y 118 .6 0.4 0.2._______________Autor: Fernando Bote Ortega 0. 5.1 0 -0.5 1 1.5 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.5 5 Figura 5. En el siguiente apartado tendremos que comprobar si este resultado teórico obtenido mediante simulación se reproduce también en el laboratorio.3 ángulo 0.1 0 0.5 4 4. Posteriormente generaremos una aplicación en lenguaje C asociado a este modelo.

A continuación debemos cargar la aplicación en los microprocesadores de la unidad “SimoDrive 611” y ya estará listo para ser ejecutado.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos._______________Autor: Fernando Bote Ortega nuestro proyecto.12.01 ya que la medida que ofrece está en cm/s mientras que a nosotros nos interesa en m/s. en el que hemos generado el layout que se observa en la figura 2. Además en este caso antes de 119 .1.22. En la salida de la velocidad de dicho bloque se ha introducido una ganancia de 0. Únicamente explicaremos las diferencias con el modelo visto en la figura 5. En este caso el controlador de levantado es el visto en la figura 4. Veamos el modelo simulink utilizado en los laboratorio: Figura 5.5. Además tenemos el Motor Lineal visto en la figura 3.4. Otra diferencia es que aquí para calcular la velocidad angular que introducimos en el controlador de alzamiento utilizamos el bloque derivador del ángulo que se mostró en la figura 4.7: Modelo global para el laboratorio.

Para ello sabiendo que el control LQR intenta minimizar el funcional: 1 T 1 N −1 T T x N Sx N + ∑ x k Qx k + u k Ru k 2 2 k =i J i.N = 120 . Veamos los resultados obtenidos: 1 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.5 velocidad ángulo rojo control -1 4 5 6 7 tiempo 8 9 10 Figura 5. Por tanto debemos intentar que el carro no viole esta restricción.5 0 -0.8: Resultado fallido de ejecución modelo global. Observando el gráfico vemos como el péndulo después de dar un rebote asciende pero después no es capaz de mantenerlo en equilibrio sin violar por ejemplo el máximo de la posición que provoca que al llegar al tope el carro se pare y el péndulo caiga hacia la derecha._______________Autor: Fernando Bote Ortega dicha introducción se hace pasar la velocidad angular por un filtro discreto paso bajo para intentar eliminar parte del ruido.

2 0 -0. Comprobamos como ahora efectivamente conseguimos controlar la variable ángulo y por tanto el péndulo una vez alzado después de dar un rebote se mantiene en equilibrio en torno a cero.4 de ahí que el péndulo se alce después de un rebote.3 y manteniendo el impulso inicial en 0.7 también se consigue controlar el péndulo.7 y ganancia del control de alzamiento de 0.6 -0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.8 angulo velocidad posición 5 10 tiempo 15 20 Figura 5.4. Para este caso también se mantendrá la modificación de la matriz de pesos que hemos realizado anteriormente. Para obtener este resultado hemos utilizado un impulso inicial de 0._______________Autor: Fernando Bote Ortega Lo que tenemos que hacer es aumentar el peso de la posición en la matriz de pesos Q que calculamos en el apartado 4. Comprobemos cuál es el resultado: 121 .8 0.9: Resultado de ejecución de modelo global para K=0. Comprobemos ahora si bajando la ganancia de control de alzamiento a 0.6 0.4 -0.4 0. haciendo pruebas comprobamos que para un peso de la posición de 30 se obtiene el siguiente resultado: 1 0.1.2 -0.2.2.

5 8 10 12 14 tiempo 16 18 20 Figura 5.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. 122 . Comprobamos como después de dar dos rebotes tal y como esperábamos el péndulo es alzado y mantenido en equilibrio. Por tanto se puede concluir que la estrategia de control seguida es correcta.10: Resultado de ejecución del modelo global para K=0._______________Autor: Fernando Bote Ortega 1 0.3.5 0 ángulo velocidad posición -0.

La segunda era que existen muchos enfoques para el modelado. Se comenzó realizando un estudio del sistema hardware del péndulo invertido sobre vehículo móvil que se encuentra en los laboratorios de la Escuela de Ingenieros de Sevilla describiendo el funcionamiento y distintas formas de implementación de los motores lineales sobre los que se basa dicho sistema así como del armario y panel de control que se utiliza para su regulación. Se llegó a la conclusión de que para conseguir este comportamiento lo más adecuado era la utilización de un controlador híbrido formado por una combinación de una ley de 123 . Conclusiones y posibles extensiones. A continuación se destacan los principales resultados alcanzados respetando en lo posible el orden de los temas tratados. Además para realizar el modelado se tuvo que utilizar dos modelos diferentes. la primera que el uso de un modelo de sistema híbrido para modelar nuestro sistema nos iba a aportar una reducción de complejidad del modelo en orden._______________Autor: Fernando Bote Ortega 6. Posteriormente se realizó una descripción de los sistemas híbridos y pudimos llegar a dos conclusiones importantes. análisis y síntesis de los sistemas híbridos. Se comprobó como el comportamiento que se genera al rebotar el péndulo contra los topes se puede modelar perfectamente mediante un sistema híbrido en el que tendríamos una variable discreta que habilita la actuación de una fuerza de rebote que se oponga a la caída del péndulo cuando este se encuentra en una posición mayor a los topes. En concreto para realizar esto se usó el modelo del autómata híbrido continuo lineal invariante en el tiempo. A continuación pasamos a modelar el sistema.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. uno no lineal para cuando el péndulo se encuentra alejado de la vertical y otro lineal para cuando se encuentra próximo a dicha vertical En le capítulo siguiente se procedió a establecer una estrategia de control que nos permitiera alzar el péndulo partiendo desde una de las posiciones iniciales de reposo y mantenerlo posteriormente en equilibrio en una posición vertical. obteniendo una representación para el mismo mediante un conjunto de modelos simples con una logística de conmutación.

Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Para aumentar la energía del péndulo utilizamos una ley de control basada en aumentar la velocidad angular del péndulo. El problema de utilizar una ley control como esta es que cuando el péndulo se encuentra en reposo su velocidad angular es cero y por tanto la señal de control también. Otra posible modificación sería utilizar una transición suave en lugar de una abrupta a la hora de conmutar el control de forma que se redujera el transitorio como resultado de las diferencias entre los valores de control en el instante de transición de una ley a otra. y por una ley de control lineal que lo estabiliza cuando está cerca de él. Posteriormente para mantener el péndulo en equilibrio como tenemos un sistema lineal para posiciones próximas a la vertical se decidió utilizar un control LQR._______________Autor: Fernando Bote Ortega control orientada a aumentar la energía del péndulo que actúa lejos de la posición de equilibrio. El problema que surge en ese momento es que no tenemos acceso a todos los estados del sistema por tanto para poder utilizar el control LQR debemos primeramente utilizar un filtro de Kalman para estimar el estado Al empleo conjunto de estas dos técnicas se le conoce como control LQG. Como posibles extensiones de este trabajo se podrían implementar otras estrategias de control para el alzamiento en la que no hiciera falta suministrar un impulso inicial o que asegurara que el péndulo llegase a la posición de conmutación de control con una velocidad determinada. Después del ajuste de algunos parámetros el control funcionaba correctamente en la mayoría de las ocasiones aunque a veces se observó que si el péndulo al producirse la conmutación en el control tenía una velocidad angular demasiado elevada el control LQG no era capaz de controlarlo. Por tanto se llega a la conclusión de que es necesario un impulso inicial que ponga en movimiento el péndulo. 124 . el carro debía moverse en dirección contraria al movimiento del péndulo (velocidad angular del péndulo). Por último se comprobó experimentalmente en el laboratorio si la estrategia de control propuesta era correcta. para ello.

kr =4714.%kg*m^2 alfa2 =55. % Si la señal on es igual a 2 entonces % nos encontramos en la zona lineal. mv = 1.1.on.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. %m/s^2 %m Longitud de la varilla %m Distancia al centro de masas %kg Masa del pendulo %Tiempo de muestreo %Coeficiente de fricción de la varilla respecto al eje Bv=0.385. omega=11. I=Ic+mv*(l^2). 125 .01. A.015.0083. l = 0. %constante del muelle %costante del muelle imaginario %Constantes para normalizar el ángulo Norm = (pi/6)/0.4._______________Autor: Fernando Bote Ortega ANEXO 1.0917. if(on==2) A=[1 Tm 0 0 0.75.x). Const_ang = -0. Tm=0. m-file que modela el comportamiento del péndulo. 0 0 1 Tm 0.375. g = 9. 0 0 mv*g*lv*Tm/(2*I) 1-Bv*Tm/I (omega^2)*mv*lv*Tm/(2*I). %Parámetros del sistema de segundo orden que simula al carro delta=0.8. 0 1 0 0 Tm*omega^2. 0 -Tm 0 0 1-2*delta*omega*Tm]. lv= 0.3466. function [sal]= final4(u. %Momento de incercia de varilla con eje extremo Ic=(1/12)*(mv*lv^2).

x1 = x(1) + Tm*x(2). x5 = (1-2*delta*omega*Tm)*x(5) + Tm*(u-x(2)). 126 .x5].x3. x2 = omega^2*Tm*x(5) + x(2). x4 = x(4) + Tm*((mv*l/(I))*(g*sin(x(3))+a*cos(x(3))+Bv*x(4))-Fr).x4. elseif (-pi/6< x(3)< -pi*10/180) % Entre -30º y -5º Fr = 0.x4. a=(x2-x(2))/Tm.x4. xsig=[x1.x2. x2 = omega^2*Tm*x(5) + x(2).0. a=(x2-x(2))/Tm. xsig=A*x + B*u. x4 = x(4) + Tm*((mv*l/(I))*(g*sin(x(3))+a*cos(x(3))+Bv*x(4))-Fr). elseif (x(3) < -pi/6) % Menor de -30º Fr = kr*(x(3)+pi/6)+alfa2*x(4).x2. elseif (x(3) > pi/6) % Mayor de 30º Fr = kr*(x(3)-pi/6)+alfa2*x(4).x5]. xsig=[x1. x5 = (1-2*delta*omega*Tm)*x(5) + Tm*(u-x(2)). x4 = x(4) + Tm*((mv*l/(I))*(g*sin(x(3))+a*cos(x(3))+Bv*x(4))-Fr).x5]. x3 = x(3) + Tm*x(4).0. x1 = x(1) + Tm*x(2). x2 = omega^2*Tm*x(5) + x(2). x1 = x(1) + Tm*x(2). a=(x2-x(2))/Tm.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. x3 = x(3) + Tm*x(4).Tm]. x1 = x(1) + Tm*x(2). x3 = x(3) + Tm*x(4).x3.0._______________Autor: Fernando Bote Ortega B=[0. xsig=[x1. x5 = (1-2*delta*omega*Tm)*x(5) + Tm*(u-x(2)). else (pi/6> x(3)> pi*10/180) % Entre 5º y 30º Fr = 0.x3.x2.

x4max . g = 9.x3max. A.s3. m-file que carga el Workspace de Matlab las matrices que necesitamos y calcula las ganancias del control LQG. x4 = x(4) + Tm*((mv*l/(I))*(g*sin(x(3))+a*cos(x(3))+Bv*x(4))-Fr).omega.lv.5 %x3max=0. %m/s^2 %m Longitud de la varilla %m Distancia al centro de masas %kg Masa del pendulo %Momento de inercia de la varilla Ic=(1/12)*(mv*lv^2).x2. x3 = x(3) + Tm*x(4).015.x5]. l = 0.s5.s4.75.375. xsig=[x1.mv]=matrizlqr(x1max. omega=11.3466 delta=0.s2. end xsig(3)= xsig(3)/Norm + Const_ang.385 % Últimos valores introducidos %x1max=1 %x2max=0. function [s1.x3.x5max.g. %kg*m^2 %Coeficiente de fricción de la varilla respecto al eje Bv=0. lv= 0._______________Autor: Fernando Bote Ortega x5 = (1-2*delta*omega*Tm)*x(5) + Tm*(u-x(2)).0873 127 .x4. sal=[xsig].8. %Constantes del sistema de 2º orden del carro. x2 = omega^2*Tm*x(5) + x(2). a=(x2-x(2))/Tm. I=Ic+mv*(l^2).delta.2. mv = 1.Tm).Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.x2max.

0.0]. %Cálculo de las ganancias K=dlqr(A.0. 0 -Tm 0 0 1-2*delta*omega*Tm].Q. 0 0 0 1/x4max^2 0.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos.0.C.R).B. B=[0. 128 .G. Rlqg=diag([4. 0 0 1 Tm 0. 0 0 0 0 1/x5max^2].0.1446e-008.3407e-006]). s2=L. L=dlqe(A.Tm]. 0 1/x2max^2 0 0 0. 0 0 1/x3max^2 0 0. 0 1 0 0 Tm*omega^2. %Pesos para el cálculo del control LQR Q=[1/x1max^2 0 0 0 0. s5=C.Qlqg. 0 0 1 0 0]. Qlqg=0. R=1. 0 0 mv*g*lv*Tm/(2*I) 1-Bv*Tm/I (omega^2)*mv*lv*Tm/(2*I). C=[1 0 0 0 0.0. s1=K.2.0. s4=B.0._______________Autor: Fernando Bote Ortega %x4max=2 %x5max=1 %Matrices que describen el sistema en su zona lineal A=[1 Tm 0 0 0.0313. %Matrices para cálculo LQG G=[0. s3=A.Rlqg). 0 1 0 0 0.

Const_ang)*Norm. 129 .Const_ang)*Norm. lv= 0. %kg*m^2 %Constante de fricción Bv=0. for i=2:4 velAng(i)=(ang(i)-ang(i-1))/Tm.0917.Const_ang)*Norm. I=Ic+mv*(l^2).-Tm*(ang(3)-pi/6) -Tm*velAng(3)]. I=inv(A)._______________Autor: Fernando Bote Ortega A. %Constantes de normalización del ángulo Norm = (pi/6)/0.8.0083.tetha4) g = 9.75. ang(1)=(tetha1 . b=[b(1). function[sol]=calculaconst3(Tm. mv = 1.3. %m/s^2 %m Longitud de la varilla %m %kg Masa del pendulo %Momento de inercia de la varilla Ic=(1/12)*(mv*lv^2). Const_ang = -0.tetha2.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. velAng(1)=0. b(2)=velAng(4)-velAng(3)-Tm*K*g*sin(ang(3))-Tm*K*Bv*velAng(3). m-file para el cálculo de las constantes de rebote. l = 0.b(2)]. ang(4)=(tetha4 . end K=(mv*l/(I)) b(1)=velAng(3)-velAng(2)-Tm*K*g*sin(ang(2))-Tm*K*Bv*velAng(2).Const_ang)*Norm.tetha3. A=[-Tm*(ang(2)-pi/6) -Tm*velAng(2).tetha1. sol=I*b.015. ang(2)=(tetha2 . ang(3)=(tetha3 .375.

130 .01. x1 = (1-2*delta*omega*Tm)*x(1) + Tm*(u-x(2)). omega=10.x). %Tiempo de muestreo Tm=0. m-file para simular el comportamiento del carrito. %Constantes del sistema de 2º orden delta=0.5.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. sal=[x1.sol(2)].x2]. function [sal]= carrito(u. A.3646._______________Autor: Fernando Bote Ortega const=[sol(1).4. x2 = omega^2*Tm*x(1) + x(2).

Automat. Trabajando con Matlab y el System Toolbox. and G.1999. Prentice Hall.F. Rugh. WCB/McGraw-Hill. Prentice-Hall. McGraw-Hill. 2nd edition. IEEE Trans.. Seron. Macmillan Pub. 1992. Adaptive Filtering Prediction and Control. Etter.M. Ricardo Sánchez Peña. Bruce A.S. Van Loan. AC-23(3):395–404.C. Antonio Moreno.E. Salgado. Springer-Verlag. • Chi-Tsong Chen. Linear System Theory and Design. 1999. Sin. Goodwin. • • B. Introducción a la teoría de control robusto. • G. New Jersey. • • Wilson J.F. 1995. 3rd edition. Fundamental Limitations in Filtering and Control. Computing integrals involving the matrix exponential.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. Asociación Argentina de Control Automático. Linear System Theory. • John C. M. Prentice Hall. C. Co. 1986._______________Autor: Fernando Bote Ortega Bibliografía. J. 2000. Oxford University Press. 1997. Braslavsky. June 1978. Engineering Problem Solving with Matlab. G. 131 . and M. Prentice-Hall. Friedland. Control System Design. Francis. Contr. 1984. 1992. • M. • John S. Doyle. S. Goodwin and K. Fundamentals of Linear State Space Systems. Graebe. Feedback control theory. Ra-Ma. H. CCES Series. Bay. and Allen Tannenbaum. • • D. Control System Design.. • C.C. Goodwin.

Shanion._______________Autor: Fernando Bote Ortega • • Robert N. Hibryd Sistems. Cambridge. Design of Feedback Control Systems. “Hybrid Automata Models in Continuous-Linear Hybrid Systems Analysis”. A.Modelado y control del péndulo invertido sobre carro mediante sistemas híbridos. A. pp. Introduction to Control System Technology. Stefani. Oxford University Press. Hostetter. Rischel. Ravn and H. A Nerode. Springer-Verlag 1993 • Favela.Grossman. 1116. . 132 . • L. Bateson. Savant. MA.. 1999. Prentice-Hall. editors. Proceedings of the 1999 IEEE International Symposium on Intelligent Control/Intelligent Systems and Semiotics. P.

Sign up to vote on this title
UsefulNot useful