Professional Documents
Culture Documents
Leonardo Bermeo
Control
El vector de estado
ẋ = Ax + Bu
y = Cx + du
ẋ = Ax + BU
y = Cx + du (4)
Y (s) = CX (s) + dU(s) (5)
Y (s) = C (sI − A) −1
BU(s) + dU(s) (6)
Y (s)
G (s) = U(s) = C (sI − A)−1 B + d
De la función de transferencia a la realización
−a1 −a2 ··· ··· −an−1 −an
1 1
0 ··· ··· ··· 0
0
0 1 0 ··· ··· 0
x + ... u
ẋ = .
. ..
.
0 1 . ··· 0
..
.. .. .. .. .
. . . . 0 0
0
0 0 ··· 0 1 0
y = b1 b2 · · · ··· bn−1 bn x + du
forma canónica observable
G (s) = G (s)T
G (s) = C (sI − A)−1 BU(s) + d
G (s)T = C (sI − A)−1 BU(s) + d
G (s)T = [C (sI − A)−1 B + d]T
Recordemos que
det(sI − A) = 0
Es el polinomio caracterı́stico de A y sus raı́ces son los valores
propios de A. Si observamos la función de transferencia del sistema
Adj(sI − A)
G (s) = C B +d
det(sI − A)
U (s) X1 X2 X3 Y ( s)
5 1 2
s +1 s+2 s +3
Realización en Serie
Descomposición en bloques
U (s) X1 X2 X3 Y ( s)
5 1 2
s +1 s+2 s +3
5 x1
s +1
U (s)
X1 (s ) 5
=
U (s ) s +1
Realización en serie
Obtención de las ecuaciones
5 x1
s +1
U (s)
ẋ1 + x1 = 5u
ẋ1 = x1 + 5u
Realización en serie
Obtención de las ecuaciones
x1 1 x2
s+2
X2 (s ) 1
=
X1 (s ) s +2
ẋ2 + 2x2 = x1
ẋ2 = 2x2 + x1
Realización en serie
Obtención de las ecuaciones
x2 x3
2
s+3
Y ( s)
X3 (s ) 2
=
X2 (s ) s +3
ẋ3 + 3x3 = 2x2
ẋ3 = 3x3 + 2x2
Realización en serie
Obtención de las ecuaciones
ẋ1 = x1 + 5u
ẋ2 = 2x2 + x1
ẋ3 = 3x3 + 2x2
Es decir
2 3 2 32 3 2 3
x1 1 0 0 x1 5
4 x2 5 = 4 1 2 0 5 4 x2 + 0 5 u
5 4
x3 0 2 3 x3 0
2 3
x1
y = 0 0 1 4 x2 5 + 0u
x3
Realización en paralelo
5 x1
s +1
+
U (s) −10 x2 Y ( s)
s+2
x3
5
s+3
Realización en paralelo
+
U (s) −10 x2 Y ( s)
s+2
x3
5
s+3
De esto obtenemos
ẋ1 = x1 + 5u
ẋ2 = 2x2 10u
ẋ3 = 3x3 + 5u
Realización en paralelo
2 3 2 32 3 2 3
x1 1 0 0 x1 5
4 x2 5 = 4 0 2 0 5 4 x2 5 + 4 10 5 u
x3 0 0 3 x3 5
2 3
x1
y = 1 1 1 4 x2 5 + 0u
x3
ẋ= Ax + Bu
y = Cx + du
z = Px
Supuesto que P 2 Rnxn y es una matriz invertible
1
x = P z
1
ẋ = P ż
Otras realizaciones obtenibles. Transformación de
cooordenadas
Usando x = P 1z en la representación de estado
ẋ= Ax + Bu
y = Cx + du
Obtenemos
1 1
P ż= AP z + Bu
1
y = CP z + du
Multiplicando por P, obtenemos un sistema con coordenadas
transformadas
De manera que podemos de…nir las matrices del sistema con las
coordenadas transformadas por
ż= Az z + Bz u
y = Cz z + du
Az = PAP 1
Bz = PB
Cz = CP 1
Propiedades deseables de las realizaciones
Diagonalidad
2 3
2 3 a1 0 0
x1
6 .. .. 7
6 x2 7 6 . 7
6 7 6 0 a2 . 7
6 .. 7 = 6 7 X + Bu
4 . 5 6 .. .. .. 7
4 . . . 0 5
xn 0 0 an
y = CX + du
Esta es una mala realización de un sistema (no balanceada)
2 3 2 3 2 3
x1 105 0.001 2 0 1
6 x2 7 6
6 7 6 0 103 0.5 2 7 6 7
7 x + 6 1000 7 u
6 .. 7 = 4
4 . 5 1 2 3 0 5 4 0.02 5
xn 6 106 0.5 0.1 1 3
y = [ 0.1 1 10 100 ]x + du
Si los cálculos se hacen en un computador estas ecuaciones tenderán a generar
errores muy grandes
Funciones del MATLAB
x1 1 3 x1 5
= + u
x2 1 2 x2 4
x1
y = 2 3 + 0u
x2
MATLAB
A=[-1 -3;1 -2];
B=[5 4]’;
C=[2 3];
d=0
sistema=ss(A,B,C,d)
step(sistema)
Funciones del MATLAB
De…nición de sistemas en variables de estado
100s 2 + 2s + 100
G (s ) =
s 3 + 8s 2 + 17s + 10
La representamos directamente en variables de estado
MATLAB
gs=tf([100 2 100],[1 8 17 10])
sisestado=ss(gs)
%Recuperamos las matrices
A=sisestado.a
B=sisestado.b
C=sisestado.c
d=sisestado.d
Funciones del MATLAB
Realizaciones balanceadas ssbal
u (t )
x1
x2
x3 y (t )
Representación de bloque en serie de los tanques
El sistema tiene la representación de bloques en seria dada por
U (s) X1 X2 X3 Y (s)
2 5 10
10s + 1 5s + 2 20s + 1
U (s) X1 X2 X3 Y (s)
2 5 10
10s + 1 5s + 2 20s + 1
R(s ) U ( s) X1 X2 X3 Y ( s)
2 5 10
f + 10s + 1 5s + 2 20s + 1
k1
k2
k3
Ubicación de polos por el método de realimentación del
vector de estado
Idea general del Método de realimentación del vector de estado
k1
k2
k3
∑ ∆k Mk
T (s ) =
∆
Mk ganancias de trayectorias directas
∆ : 1 ∑ ganancias de lazos+ ∑productos de ganancias de dos lazos no
adyacentes-∑productos de ganancias de dos lazos no adyacentes
Ubicación de polos por el método de realimentación del
vector de estado
Idea general del Método de realimentación del vector de estado
R( s ) U ( s) X1 X2 X3 Y ( s)
2 5 10
f + 10s + 1 5s + 2 20s +1
k1
k2
k3
2 5 10
Y (s ) f 10s +1 5s +2 20s +1 fN (s )
T (s ) = = 2k1 10k2 100k3
=
R (s ) 1+ + + D T (s )
10s +1 (10s +1 )(5s +2 ) (10s +1 )(5s +2 )(20s +1 )
Y (s ) 0.1f
T (s ) = = 3
R (s ) (s + (0.55 + 0.2k 1 )s 2 + (0.2k 2 + 0.09k 1 + 0.065 )s + 0.01k 2 + 0.004k 1 + 0.1k 3 + .002
Ubicación de polos por el método de realimentación del
vector de estado
Idea general del Método de realimentación del vector de estado
-1
-10
DT (s ) = (s + 10)(s + 1 + j )(s + 1 j)
3 2
DT (s ) = s + 12s + 22s + 20
Ubicación de polos por el método de realimentación del
vector de estado
Así las cosas nuestro problema consiste en igualar los dos
polinomios DT (s ) y de esta manera entontrar las contantes
adecuadas.
DT (s ) = s 3 + 12s 2 + 22s + 20
= s 3 + (0.55 + 0.2k1 )s 2 + (0.2k2 + 0.09k1 + 0.065)s + ...
... + 0.01k2 + 0.004k1 + 0.1k3 + .002
0.55 + 0.2k1 = 12
0.2k2 + 0.09k1 + 0.065 = 22
0.01k2 + 0.004k1 + 0.1k3 + 0.002 = 20
Ubicación de polos por el método de realimentación del
vector de estado
12 0.55
k1 = = 57.2
0.2
22 0.09k1 0.065
k2 = = 83.91
0.2
20 0.004k1 0.01k2 0.002
k3 = = 189.2
0.1
Ubicación de polos por el método de realimentación del
vector de estado
0.1f
T (s ) =
s3
+ 12s 2 + 22s + 20
Y si ademas deseamos que el error de estado estacionario al paso
sea nulo, debemos hacer es que T (0) = 1.
Es decir
0.1f
= 1
20
f = 200
2 5 10
f
10s+1 5s+2 20s+1
Step Gain Transfer Fcn Transfer Fcn1 Transfer Fcn2 Scope
k1
Gain1
k2
Gain2
k3
Gain3
u (t ) = r (t ) f k1 x1 k2 x2 k3 x3
Una implementación electrónica del controlador.
R10
10k
R5
2M
U5
referencia U1
R13 LP1 LP2 LP3
R6 salida
10k 1 1 1
A. IC=0 A. IC=0 A. IC=0
10k
1 ξ ξp 1 ξ ξp 1ξ ξp
OPAMP
1° ORD: LP 1° ORD: LP 1°ORD: LP
OPAMP
R7 IC=0 IC=0 IC=0
10.56k
R8
23.83k
R9
34.93k
Notación.
x
z2 }| 3{
K
z }| { x1
u (t ) = fr (t ) k1 k2 k3 4 x2 5
x3
u (t ) = fr (t ) Kx
Notación grá…ca Sistema en lazo abierto
ẋ= Ax + Bu
y = Cx
u x& 1 x y
B + C
s
A
Discusión general del método
Para el proceso
ẋ= Ax + Bu
y = Cx
u = fr Kx
De manera que el sistema en lazo cerrado se convierte en
ẋ = Ax + Bu = Ax + B (fr Kx )
ẋ = (A BK )x + Bfr
Notación grá…ca Sistema en lazo cerrado
u x& 1 x y
r f + B + C
s
K
Las ecuaciones del sistema de lazo cerrado son:
ẋ= (A BK )x + Bfr
y = Cx
Condiciones para la ubicación de polos del sistema
ẋ= (A BK )x + Bfr
y = Cx
det (sI A + BK ) = DT (s )
Los polos de lazo cerrado del sistema serán los autovalores de
A BK .
det (sI A + BK ) = 0
Condiciones para la asignación de polos
Ejemplo 1
0 1 0
ẋ = x+ u
0 0 1
y = Cx = 1 0 x
La ley de control es
u = fr k1 x1 k2 x2 = fr Kx
A B fr Kx
z }| { z }| {z }| {
0 1 0 x1
ẋ = x+ fr k1 k2
0 0 1 x2
Condiciones para la asignación de polos
Ejemplo 1
det(sI A + BK ) = DT (s )
s 0 0 1
det( ) = DT ( s )
0 s k1 k2
DT (s ) = s 2 + k2 s + k1
Condiciones para la asignación de polos
Ejemplo 1
DT (s ) = det(sI A + BK ) = s 2 + k2 s + k1
Si, por ejemplo queremos asignar los polos para un sistema de
segundo orden perfecto:
DT (s ) = s 2 + 2ζω n s + ω 2n
Entonces
k2 = 2ζω n
k1 = ω 2n
Condiciones para la asignación de polos
Ejemplo 1
f
T (s ) =
s2 + 2ζω n s + ω 2n
Eligiendo
f = ω 2n
ω 2n
Tenemos T (s ) = s +2ζω n s +ω 2n
2 con error al paso nulo
Condiciones para la asignación de polos
Ejemplo 2
0 1 1
ẋ = x+ u
0 0 0
y = Cx = 1 0 x
A fr Kx
z }| { z }| {
0 1 1 x1
ẋ = x+ fr k1 k2
0 0 0 x2
El sistema en lazo cerrado es
k1 1 k2 f
ẋ = x+ r
0 0 0
Imposibilidad de asignación arbitraria
Ejemplo 2
det(sI A + BK ) = DT (s ) = s 2 + k1 s
Sin importar que valores elijamos para k1 y k2 es imposible asignar
libremente los polos de lazo cerrado, pues siempre uno de ellos
estará en s = 0, de manera que no lograremos ni siquiera estabilizar
el sistema con un controlador de variables de estado. El problema
es que la señal de control no tiene in‡uencia sobre el estado x2 .
La condición su…ciente: controlabilidad
ẋ = Ax + Bu
queremos encontrar una señal que cambie el sistema de un estado
inicial X (0) = X0 a un estado …nal X (t ) = Xf
De esto tenemos
Zt
X (t ) = Xf = e X0 + At
e A (t τ)
Bu (τ )d τ
0
Zt
Aτ At
e Bu (τ )d τ = X0 + Xf e
0
La condición su…ciente: controlabilidad
Zt
Aτ At
e Bu (τ )d τ = X0 + Xf e
0
At
e = I α0 (τ ) + Aα1 (τ ) + ... + An 1
αn 1 (τ )
De aquí que
Zt n
tnZ 1
e Aτ
Bu (τ )d τ = ∑A k 1
B αk ( τ )u ( τ )d τ
0 k =1 0
tnZ 1
n
∑A k 1
B αk ( τ )u ( τ )d τ = X0 + Xf e At
k =1 0
La condición su…ciente: controlabilidad
tnZ 1
n
∑A k 1
B αk ( τ )u ( τ )d τ = X0 + Xf e At
k =1 0
Wc = B AB ... An 1B
Wc = B AB ... An 1B
2 3 2 3
a1 a2 ... an 1 an 1
6 7 6 0 7
6 1 0 0 0 7 6 7
6 7 6 .. 7
ż = 6 0 1 0 0 7z +6
6 . 7u
7
6 .. 7 6 .. 7
4 . 5 4 . 5
0 0 1 0 0
y = b1 ... bn 1 bn z
Este sistema es controlable con matriz de controlabilidad
2 3
1 a1 a12 a2
6 0 1 a1 7
6 7
6 7
Wc = 6 0 0 1 7
6 .. 7
4 . 5
0 0 0 1
Un caso especial la forma canonica controlable
2 3 2 3
a1 a2 ... an 1 an 1
6 7 6 0 7
6 1 0 0 0 7 6 7
6 7 6 .. 7
ż = 6 0 1 0 0 7z +6
6 . 7u
7
6 .. 7 6 .. 7
4 . 5 4 . 5
0 0 1 0 0
y = b1 ... bn 1 bn z
det(sI A ) = s n + a1 s n 1
+ ... + an 1s + an
Un caso especial fácil
2 3 2 3
a1 a2 ... an 1 an 1
6 7 6 0 7
6 1 0 0 0 7 6 7
6 7 6 .. 7
ż = 6 0 1 0 0 7z +6
6 . 7u
7
6 .. 7 6 .. 7
4 . 5 4 . 5
0 0 1 0 0
y = b1 ... bn 1 bn z
u (t ) = fr k1 z1 k2 z2 ... kn zn
u (t ) = fr Kz
Un caso especial fácil
u (t ) = fr k1 z1 k2 z2 ... kn zn
El sistema de lazo cerrado es
2 3 2 3
a1 k1 a2 k2 ... an kn f
6 7 6 0 7
6 1 0 0 7 6 7
6 7 6 .. 7
ż = 6 0 1 0 7z +6
6 . 7r
7
6 .. 7 6 .. 7
4 . 5 4 . 5
0 0 0 0
y = b1 ... bn 1 bn z
Con polinomio característico
s n + (a1 + k1 )s n 1
+ (a2 + k2 )s n 2
+ ... + (an + kn )
Un caso especial
2 3 2 3
a1 a2 ... an 1 an 1
6 7 6 0 7
6 1 0 0 0 7 6 7
6 7 6 .. 7
ż = 6 0 1 0 0 7z +6
6 . 7u
7
6 .. 7 6 .. 7
4 . 5 4 . 5
0 0 1 0 0
y = b1 ... bn 1 bn z
La señal de realimentación
u = fr Kx
Produce, en lazo cerrado, el polinomio característico
DT (s ) = s n + p1 s n 1
+ p2 s n 2
+ ... + p1 s + p0
Un caso especial
DT (s ) = s n + p1 s n 1
+ p2 s n 2
+ ... + pn 1 s + pn
ademas
p1 = a1 + k1 , p2 = a2 + k2 , ...pn = an + kn ,
Solucionamos fácilmente
k1 = p1 a1 , k2 = p2 a2 , ...kn = pn an
Un caso especial fácil
En notación vectorial
K = k1 k2 ... kn
p = p1 p2 ... pn
a = a1 a2 ... an
K =p a
Un caso especial
ẋ= Ax + Bu
y = Cx
La matriz de controlabilidad de este sistema es
Wc = B AB ... An 1B
El sistema transformado
Despejando P se obtiene:
1
P = W̃c Wc
Esta matriz transforma un sistema controlable a la forma canónica
controlable
El caso general
ẋ= Ax + Bu
y = Cx
El cual es controlable, puede ser transformado de su sistema de
coordenadas, a la forma canónica controlable
2 3 2 3
a1 a2 ... an 1 an 1
6 7 6 0 7
6 1 0 0 0 7 6 7
6 7 6 .. 7
ż = 6 0 1 0 0 7z +6
6 . 7u
7
6 .. 7 6 .. 7
4 . 5 4 . 5
0 0 1 0 0
y = b1 ... bn 1 bn z + du
Caso general
K̃ = p a
K̃ = p1 a1 p2 a2 ... pn an
Un algoritmo
K̃ = p a
y como
u = fr Kx
1
u = fr KP z
u = fr K̃ z
Obtenemos que
K = K̃ P
1
K = W̃c Wc
Métodos de calcular la ganancia de realimentación del
vector de estad
1.Igualación Directa
DT (s ) = det(sI A + BK )
2.Forma canónica controlable
K̃ = p a
1
K = K̃ W̃c Wc
3. Fórmula de Ackermann
f = 1/T (0)
En la representación de estado
1
T (s ) = C (sI A + BK ) B
De manera que
1
T (0) = C ( A + BK ) B
Ejemplo 1
Se tiene el sistema
1 2 1
ẋ = x+ u
3 1 0
y = Cx = 1 2 x
A=[1 2;3 1]
B=[1 0]’;
C=[1 2];
d=0;
sis=ss(A,B,C,d)
polos=[-10 -20]
K=place(A,B,polos)
Alc=A-B*K
sistemaLC=ss(Alc,B,C,d)
f=1/dcgain(sistemaLC);
sistemaLC=f*sistemaLC
step(sistemaLC)
Ejemplo 2
Se tiene el sistema
(s 1)(s + 2)
G (s ) =
(s + 1)(s 2)(s + 3)
Diseñe un controlador por realimentación del vector de estado tal
que la función de trnasferencia de lazo cerrado sea:
(s 1)
T (s ) =
(s + 2)(s + 3)
Código en MATLAB del ejemplo 2
xi
r e u x& 1 x y
+
1
s
− ki
+
B + s
C
- -
A
- -
A
u= ki xi Kx
Las ecuaciones de este sistema son
ẋ = Ax + Bu = Ax BKx Bki xi
ẋ = (A BK )x Bki xi
ẋi = r Cx
Controlador PI vectorial
xi
r e u x& 1 x y
+
1
s
− ki
+
B + s
C
- -
A
ẋ = Ax + Bu = Ax BKx Bki xi
ẋ = (A BK )x Bki xi
ẋi = r Cx
Controlador PI vectorial
ẋ A BK Bki x 0
= + r
ẋi C 0 xi 1
x
Y = C 0
xi
Diseño del Controlador PI vectorial
A la B la
z }| { z }| {
ẋ A 0 x B x 0
= K ki + r
ẋi C 0 xi 0 xi 1
x
Y = C 0
xi
Diseño del Controlador PI vectorial
A la B la
z }| { z }| { K
z }| {
ẋ A 0 x B x 0
= K ki + r
ẋi C 0 xi 0 xi 1
x
Y = C 0
xi
Cuyas matrices de lazo abierto son:
A 0 B
Ala = , Bla =
C 0 0
Y diseñamos el PI con las tecnicas ya vistas para encontrar
K = K ki
Diseño del Controlador PI vectorial
xi
r e u x& 1 x y
+
1
s
− ki
+
B + s
C
- -
A
nota importante
El controlador obtenido es
K = K ki
2 3 2 32 3 2 3
x1 1 0 0 x1 5
4 x2 5 = 4 0 2 0 5 4 x2 5 + 4 10 5 u
x3 0 0 3 x3 5
2 3
x1
y = 1 1 1 4 x2 5 + 0u
x3
Observadores
= Ax
ẋ
y = Cx
Si derivamos la salida ẏ
y = Cx
(1 )
y = CAx
..
.
y (n 1)
= CAn 1
x
Cuando es posible estimar el estado a partor de la salida
en un sistema
Si de…nimos
2 3
C
6 CA 7
6 7
W0 = 6 .. 7
4 . 5
CAn 1
La matriz de observabilidad
Cuando es posible estimar el estado a partor de la salida
en un sistema
2 3 2 32 3 2 3
x1 1 0 0 x1 5
4 x2 5 = 4 0 2 0 5 4 x2 5 + 4 10 5 u
x3 0 0 3 x3 5
2 3
x1
y = 1 1 1 4 x2 5 + 0u
x3
Idea Inicial
Sistema original
u x& 1 x y
B + C
s
u x& 1 x% y%
B + C
s
A
Idea Inicial
Sistema original
u x& 1 x y
B + C
s
u x& 1 x% y%
B + C
s
Sistema original
u x& 1 x y
B + C
s
e y = y − y% +
L
−
u x& 1 x% y%
B + C
s
A
Sistema de simulación
Sistema original
u x& 1 x y
B + C
s
e y = y − y% +
L
−
u x& 1 x% y%
B + C
s
A
Sistema de simulación
En el sistema original
ẋ = Ax + Bu
En el observador
.
x̃ = Ax̃ + Bu + Ley
.
x̃ = Ax̃ + Bu + L(Cx C x̃ )
.
x̃ = (A LC )x̃ + LCx + Bu
Convergencia del estado estimado al estado real en el
observador de Luenberger
ex = x x̃
De manera que
.
ėx = ẋ x̃
ėx = (Ax + Bu ) [(A LC )x̃ + LCx + Bu ]
.
ėx = (A LC )x (A LC )x̃
.
ėx = (A LC )ex
Convergencia del estado estimado al estado real en el
observador de Luenberger
La solucion de la ecuacion de primer orden del erro en la
estimación de estado
.
ėx = (A LC )ex
Es
ex (t) = e (A LC )t
ex (0)
La repuesta de esta ecuación la gobernaran los valores propios de
A LC de la forma e λt si λ es grande e λt tendera a cero
rápidamente. Si elegimos todos los valores propios de A LC
negativos y rápidos
lim ex (t) = 0
t !∞
t ! ∞, x̃ (t ) = x (t )
Convergencia del estado estimado al estado real en el
observador de Luenberger
Métodos
1. Hacemos igualación directa
det (sI A + LC ) = D0 (s )
Donde D0 (s ) es el polinomio que deseamos para el observador.
2.El problema de diseño del observador es ubicar los valores propios
de la matriz A LC . Puesto que
det(sI A + LC ) = det(sI A + LC )T
= det(sI AT + C T LT )
r u x& = Ax + Bu
f y
+ y = Cx
−
+
L e y = y − y%
−
x& 1 x%
C
B + s
y%
A
K
Ecuaciones dinámicas del sistema completo
u = fr K x̃
Reemplazanddo enLas ecuaciones dinamicas del controlador y el
estimador son:x̃
ẋ = Ax + Bu
ẋ = Ax BK x̃ + Bfr
.
x̃ = Ax̃ + Bu + Ley
.
x̃ = LCx + (A LC BK )x̃ + Br
Ecuaciones dinámicas del sistema completo
A CE B CE
z }| { z }| {
ẋ A BK x B
. = + r
x̃ LC A LC BK x̃ B
C CE
z }| {
x
y = C 0
x̃
Con esta descripción que contiene los estados reales y los estados
estimados hacemos las simulaciones.
Principio de separación
Una de las preguntas que surgen es como in‡uiran los polos del
controlador en los polos del observador y viceversa. Para responder
esta pregunta, consideremos la transformación de coordenadas
x x
=
x x̃ e
Para obtener este cambio de coordenadas, usamos la
transformación
T
z }| {
x I 0 x x
= =T
x x̃ I I e e
Principio de separación
A BK
ACE =
LC A LC BK
Obtenemos las matrices
1
ĀCE = TACE T
I 0 A BK I 0
ĀCE =
I I LC A LC BK I I
Principio de separación
A BK BK
ĀCE =
0 A LC
T (s ) = C (sI A + BK ) 1 B
b1 s n 1 + b2 s n 2 + ... + bn
T (s ) = f n
s + p1 s n 1 + ... + pn 1 s + pn