UNIVERSIDAD NACIONAL DE INGENIER

´
IA
Facultad de Ingenier´ıa Mec´anica
MT 227 C Control Moderno y
´
Optimo
EXAMEN FINAL
Viernes 10 Diciembre de 2010
Esta evaluaci´on se realizar´a sin consultas. Enmarque el resultado final de sus soluciones.
Problema 3: Filtro de Kalman
Un ingeniero tiene el trabajo de dise˜ nar un filtro de Kalman para estimar una variable con medidas
ruidosas.
1. (1 pto) Inicialmente el ingeniero intenta con un modelo sismple (llamado M
1
de aqui en
adelante):
˙ x = w
y = x +v
,
donde w y v son procesos de ruido blanco escalares e independientes, con varianzas β
2
r
y r, respectivamente. Determinar el filtro de Kalman en base a este modelo, escribir su
correspondiente funci´on de transferencia. Este filtro sera denotado por F
1
.
2. (1 pto) El ingeniero obtiene m´ as informaci´ on, y se da cuenta que un modelo m´ as realista de
la se˜ nal a ser estimada es el siguiente (denotado por M
2
en lo que sigue):
˙ x = −αx +w
y = x +v
, (α > 0),
donde w y v son procesos de ruido blanco como definido anteriormente. Determinar el fil-
tro de Kalman (llamado F
2
) en base al modelo M
2
, escribir su correspondiente funci´on de
transferencia..
3. (1 pto) Antes de implementar el filtro F
2
, el ingeniero quizo observar los resultados que ob-
tendr´ıa con el filtro F
1
aplicado al modelo M
2
. Determinar la din´ amica del error de estimaci´on,
cuyo estado es ˜ x = x − ˆ x, para este caso.
4. (1 pto) ¿Cu´al es la varianza del error de estimaci´on en el caso anterior, E{[x − ˆ x]
2
}?
Problema 4: Control LQG
Considere el sistema inestable de segundo orden:
˙ x
1
= x
2
˙ x
2
= x
2
+u +w
,
con medidas cont´ınuas:
y = x
1
+v,
donde w y v son procesos de ruido blanco con varianzas σ
w
y σ
v
, respectivamente, y el ´ındice de
desempe˜ no es:
J =
_

0
(qx
2
1
+ρu
2
)dt,
1. (2 ptos) Caso control LQR: en el plano complejo bosqueje los polos del sistema controlado
en funci´on de la relaci´ on q/ρ. Interprete el gr´ afico obtenido.
2. (1 pto) Si q/ρ=1, calcular la ganancia del regulador cuadr´atico lineal.
3. (1 pto) Para σ
w

v
= 1 la ganancia del estimador (filtro de Kalman) es:
L =
_ √
3 + 1

3 + 2
_
.
¿Cu´ales son los polos del estimador?
4. (2 ptos) Encontrar la funci´on de transferencia correspondiente al compensador LQG. ¿Cu´ales
son los polos del compensador?.
Problema 3: Filtro de Kalman
1. Resolviendo la ecuaci´ on de Riccati, se tiene:
0 = β
2
r −p
2
/r →p = βr,
y la ganancia del filtro de Kalman es l = p/r = β. El filtro de Kalman es:
˙
ˆ x = l(y − ˆ x) →F
1
: ˆ x =
l
s +l
y =
β
s +β
y.
2. La ecuaci´ on de Riccati resulta:
0 = −2αp +β
2
r −p
2
/r →p = −αr +
_
α
2

2
r.
La ganancia del filtro de Kalman es l = p/r = −α +
_
α
2

2
.
El filtro de Kalman es:
˙
ˆ x = −αˆ x +l(y − ˆ x) →F
2
: ˆ x =
l
s +α +l
y =
−α +
_
α
2

2
s +
_
α
2

2
y.
3. El modelo M
2
:
˙ x = −αx +w
y = x +v
, (α > 0),
y el filtro F
1
:
˙
ˆ x = −βˆ x +βy.
Luego la din´ amica del error de estimaci´on resulta:
˙
˜ x = −β˜ x −αx +w −βv
4. El modelo espacio de estados para x y ˜ x es:
d
dt
_
x
˜ x
_
=
_
−α 0
−α −β
_ _
x
˜ x
_
+
_
1
1
_
w +
_
0
−β
_
v,
y resolviendo la ecuaci´ on de Lyapunov asociada:
0 =
_
−α 0
−α −β
_ _
p
11
p
12
p
12
p
22
_
+
_
p
11
p
12
p
12
p
22
_ _
−α −α
0 −β
_

2
r
_
1 1
1 1
_
+
_
0 0
0 β
2
r
_
,
resulta en:
E{[x − ˆ x]
2
} = p
22
=
β(α + 2β)r
2(α +β)
.
Problema 4: Control LQG
1. La ecuaci´ on de Riccati para control:
0 =
_
0 p
11
+p
12
0 p
12
+p
22
_
+
_
0 0
p
11
+p
12
p
12
+p
22
_
+
_
q 0
0 0
_

1
ρ
_
p
2
12
p
12
p
22
p
12
p
22
p
2
22
_
,
resolviendo para p
11
, p
12
, p
22
se tiene:
p
11
= 1/ρ
_
ρ
2
+ 2

qρ,
p
12
=

qρ,
p
22
= ρ +
_
ρ
2
+ 2

qρ.
Entonces:
P =
_
1/ρ
_
ρ
2
+ 2





qρ ρ +
_
ρ
2
+ 2


_
y
K = R
−1
B
T
P =
_
_
q/ρ 1 +
_
1 + 2
_
q/ρ
_
.
Los polos del sistema controlado se obtienen de:
|sI −A+BK| = s
2
+
_
1 + 2
_
q/ρ s +
_
q/ρ = 0.
s = −
_
1 + 2
_
q/ρ
2
±
_
1 −2
_
q/ρ
2
2. Si q/ρ = 1, entonces K =
_
1 1 +

3
¸
3. El filtro de Kalman con la ganancia dada resulta:
˙
ˆ x = (A−LC)ˆ x +Bu +Ly =
_
−(

3 + 1) 1
−(

3 + 2) 1
_
ˆ x +
_
0
1
_
u +
_ √
3 + 1

3 + 2
_
y,
luego los polos del estimador son:
|sI −A+LC| = s
2
+

3s + 1 = 0,
s = −

3
2
±
1
2
j
4. El compensador LQG:
˙
ˆ x = (A−LC −BK)ˆ x +Ly =
_
−(

3 + 1) 1
−(

3 + 3) −

3
_
ˆ x +
_ √
3 + 1

3 + 2
_
y
u = −Kˆ x = −
_
1 1 +

3
¸
ˆ x,
G(s) = −
12,92s + 1
s
2
+ 4,46s + 9,46
Los polos del compensador son:
s = −
1 + 2

3
2
±
11 + 4

3
2
j

(1 pto) Para σw /σv = 1 la ganancia del estimador (filtro de Kalman) es: √ 3+1 L= √ .3. . (2 ptos) Encontrar la funci´n de transferencia correspondiente al compensador LQG. 3+2 ¿Cu´les son los polos del estimador? a 4. ¿Cu´les o a son los polos del compensador?.

Problema 3: Filtro de Kalman 1. Resolviendo la ecuaci´n de Riccati. y resolviendo la ecuaci´n de Lyapunov asociada: o 0= −α 0 −α −β p11 p12 p12 p22 + −α −α 0 −β + β2r 1 1 1 1 + 0 0 0 β2r . s+α+l s + α2 + β 2 x = −αx + w ˙ . El modelo espacio de estados para x y x es: ˜ d dt x x ˜ = −α 0 −α −β p11 p12 p12 p22 x x ˜ + 1 1 w+ 0 −β v. resolviendo para p11 . y =x+v ˙ y el filtro F1 : x = −β x + βy. p12 . y la ganancia del filtro de Kalman es l = p/r = β. El modelo M2 : α2 + β 2 r. p22 se tiene: √ p11 = 1/ρ ρ2 + 2 qρ. se tiene: o 0 = β 2 r − p2 /r → p = βr. √ p12 = qρ. x= ˆ −α + α2 + β 2 l y= y. resulta en: E{[x − x]2 } = p22 = ˆ Problema 4: Control LQG 1. El filtro de Kalman es: ˙ x = l(y − x) → F1 : ˆ ˆ 2. s+l s+β α2 + β 2 . √ p22 = ρ + ρ2 + 2 qρ. ˆ ˆ Luego la din´mica del error de estimaci´n resulta: a o ˙ x = −β x − αx + w − βv ˜ ˜ 4. x= ˆ l β y= y. (α > 0). La ecuaci´n de Riccati resulta: o 0 = −2αp + β 2 r − p2 /r → p = −αr + La ganancia del filtro de Kalman es l = p/r = −α + El filtro de Kalman es: ˙ x = −αˆ + l(y − x) → F2 : ˆ x ˆ 3. Entonces: P = 1/ρ √ ρ2 + 2 qρ √ qρ ρ+ √ qρ √ ρ2 + 2 qρ . 2(α + β) + q 0 0 0 − 1 ρ p2 p12 p22 12 p12 p22 p2 22 . La ecuaci´n de Riccati para control: o 0= 0 p11 + p12 0 p12 + p22 + 0 0 p11 + p12 p12 + p22 β(α + 2β)r .

ˆ G(s) = − Los polos del compensador son: √ √ 1 + 2 3 11 + 4 3 ± j s=− 2 2 s2 12.46 x+ ˆ y .46s + 9. Si q/ρ = 1. El compensador LQG: √ x+ ˆ 0 1 u+ y. Los polos del sistema controlado se obtienen de: |sI − A + BK| = s2 + s=− 1 + 2 q/ρ s + q/ρ = 0. El filtro de Kalman con la ganancia dada resulta: √ ˙ = (A − LC)ˆ + Bu + Ly = −(√3 + 1) 1 x ˆ x −( 3 + 2) 1 luego los polos del estimador son: |sI − A + LC| = s2 + √ 3 ± s=− 2 4. 1 j 2 √ √3 + 1 3+2 √ 1 ˙ = (A − LC − BK)ˆ + Ly = −(√3 + 1) √ x x ˆ −( 3 + 3) − 3 √ ˆ u = −K x = − 1 1 + 3 x.92s + 1 + 4. 1 + 2 q/ρ 2 ± 1 − 2 q/ρ 2 2.y K = R−1 B T P = q/ρ 1 + 1 + 2 q/ρ . entonces K = 1 1+ √ 3 √ √3 + 1 3+2 3. 3s + 1 = 0.