Didier Giraldo - Teoria Control

TEORÍA DE CONTROL

Didier Giraldo B. e Iv´ an Tabares G.

1997

TABLA DE CONTENIDO

PREFACIO xi 1 INTRODUCCION 1 1.1 Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.3 Sistema de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.4 Sistema de control escalar en lazo abierto . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.5 Sistema de control escalar en lazo cerrado . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.6 Problema básico de la Ingenier´ıa de Control . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.7 Ejemplos de sistemas de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.8 Requerimientos de un sistema de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.9 Algunos tipos de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.9.1 Control adaptivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.9.2 Control óptimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.9.3 Control digital . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.10 Ejemplo introductorio a los sistemas de control . . . . . . . . . . . . . . . . . . . . . . 9 1.11 Construcción del modelo matem´ atico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.12 Linealizaci´ on del modelo matem´ atico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.13 Selecci´ on de u (Estrategia de control) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.14 Acciones b´ asicas de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.15 Efectos de la realimentaci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 1.16 Efecto en la ganancia total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 1.17 Efecto en la estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 1.18 Efecto en la sensitividad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 1.19 Efecto en la perturbaci´ on externa o ruido . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2 MODELOS MATEMATICOS DE SISTEMAS FISICOS 25 2.1 Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.2 Modelos matemáticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.3 Clasificaci´ on de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2.3.1 Sistema determin´ıstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.3.2 Sistema causal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.3.3 Sistema lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.3.4 Sistema invariante con el tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 iii

iv 2.4 2.5 2.6

2.7 2.8 2.9

2.10 2.11 2.12 2.13 2.14 2.15 2.16 2.17

2.18 2.19 2.20 2.21 2.22 2.23 2.24 2.25

2.26

2.27

Ecuaciones de estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 2.4.1 Matriz de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Una ecuaci´ on diferencial de n−ésimo orden . . . . . . . . . . . . . . . . . . . . . . . . . 30 Sistemas mec´ anicos de traslación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.6.1 Masa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.6.2 Resorte traslacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.6.3 Amortiguador traslacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 Un método para obtener la ecuaci´ on de estado y la de salida . . . . . . . . . 36 Otro método para obtener la ecuaci´ on de estado y la de salida . . . . . . . . 39 Sistemas mec´ anicos de rotaci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 2.9.1 Inercia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 2.9.2 Resorte rotacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 2.9.3 Amortiguador rotacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 Circuito serie R-L-C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 Analog´ıa fuerza-torque-voltaje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 Circuito paralelo R-L-C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 Analog´ıa fuerza-torque-corriente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 Ecuaciones de estado para circuitos eléctricos . . . . . . . . . . . . . . . . . . . . . . . 56 Método sistemático para obtener las ecuaciones de estado . . . . . . . . . . . . 57 Ecuaciones de estado con derivadas de las entradas . . . . . . . . . . . . . . . . . . 62 Otras analog´ıas electromec´ anicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 2.17.1 Palancas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 2.17.2 El transformador ideal como an´ alogo de la palanca . . . . . . . . . . . . 64 2.17.3 El transformador como acoplador de impedancias . . . . . . . . . . . . . 64 2.17.4 La palanca como acoplador de elementos mec´ anicos . . . . . . . . . . . . 65 2.17.5 Sistemas acoplados de movimento rotacional . . . . . . . . . . . . . . . . . . 68 2.17.6 El engranaje como acoplador de elementos mec´ anicos . . . . . . . . . . 69 Linealizaci´ on de un modelo matem´ atico no lineal . . . . . . . . . . . . . . . . . . . . 72 El servomotor hidráulico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 Gobernador de velocidad de una turbina . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 Linealizaci´ on de las ecuaciones de estado no lineales . . . . . . . . . . . . . . . . . 79 Diagramas de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 Sistema de lazo cerrado sometido a una perturbación . . . . . . . . . . . . . . . . 82 Reducci´ on de diagramas de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 2.25.1 Sism´ ografo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 2.25.2 El servomotor bif´ asico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 2.25.3 Motor de CC controlado en el inducido . . . . . . . . . . . . . . . . . . . . . . 89 2.25.4 Motor de CC controlado en el campo . . . . . . . . . . . . . . . . . . . . . . . . 91 Sensores de error en sistemas de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 2.26.1 Potenciómetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 2.26.2 Synchros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 Ejemplos de control de posici´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 2.27.1 Control de posici´ on con sensor de error potenciométrico . . . . . . . . 99 2.27.2 Control de posici´ on con synchros y motor DC . . . . . . . . . . . . . . . . 101 2.27.3 Control de posici´ on con synchros y motor bif´ asico . . . . . . . . . . . . 104

0.0 TABLA DE CONTENIDO 2.28 Sistemas de nivel de l´ıquido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.29 Sistemas de nivel de l´ıquido con interacci´ on . . . . . . . . . . . . . . . . . . . . . . . 2.30 Sistema de nivel de l´ıquidos no lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.31 Sistemas neumáticos o de presi´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.32 Sistemas térmicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 SIMULACION Y SINTESIS DE FUNCIONES DE TRANSFERENCIA 3.1 El Amplificador Operacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 Algunos Circuitos con Amplificador Operacional . . . . . . . . . . . . . 3.1.1.1Amplificador con dos Fuentes de Entrada 3.1.1.2Sumador 3.1.1.3Integrador 3.1.1.4Derivador 3.1.1.5Filtro de un Polo 3.2 Elementos de Cálculo Analógico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Solución de ecuaciones diferenciales mediante la computadora anal´ ogica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.2 Elementos b´ asicos de cálculo anal´ ogico . . . . . . . . . . . . . . . . . . . . . . 3.3 Soluci´ on de ecuaciones diferenciales mediante la computadora anal´ ogica S´ıntesis de funciones de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.1 Realización ”OBSERVER” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4 Generaci´ on de algunas funciones del tiempo . . . . . . . . . . . . . . . . . . . . . . . 3.5 Escalamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5.1 Escalamiento en amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5.2 Escalamiento en tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.6 Otras realizaciones para representar sistemas por ecuaciones de estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.6.1 Realización ”CONTROLLER” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.6.2 Realización ”OBSERVABILITY” . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.6.3 Realización ”CONTROLLABILITY” . . . . . . . . . . . . . . . . . . . . . . . 4 ACCIONES BASICAS DE CONTROL 4.1 Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Clasificaci´ on de los controles autom´ aticos . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.1 Controles de dos posiciones o de SI-NO . . . . . . . . . . . . . . . . . . . . . 4.2.2 Acci´ on de control proporcional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.3 Acci´ on de control integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.4 Acci´ on de control proporcional integral (PI) . . . . . . . . . . . . . . . . . 4.2.5 Acci´ on de control proporcional y derivativo (PD) . . . . . . . . . . . . . 4.2.6 Acci´ on de control proporcional integral derivativo (PID) . . . . . . 4.2.6.1Algunas estructuras del controlador PID 5 RESPUESTA EN EL DOMINIO DEL TIEMPO 5.1 Estabilidad absoluta, estabilidad relativa y error estacionario . . . . . . . . 5.1.1 Estabilidad relativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.2 Error estacionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

v 106 108 111 113 117

121 121 122 122 124 125 126 128 128 128 130

131 131 134 136 136 138 140 140 142 144 147 147 147 148 151 155 158 160 161 163 175 175 176 176

vi 5.1.3 Respuesta impulsiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 5.1.4 Algunos teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 5.1.5 Sistema de primer orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 5.1.5.1Respuesta al escalón unitario 178 5.1.5.2Respuesta a la rampa unitaria 181 5.1.5.3Respuesta al impulso unitario 181 5.1.6 Sistema de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 5.1.6.1Caso subamortiguado o respuesta con 0 < ζ < 1 184 5.1.6.2Caso de amortiguamiento cr´ıtico o respuesta con ζ = 1 185 5.1.6.3Caso sobreamortiguado o respuesta con ζ > 1 186 5.1.6.4Respuesta oscilatoria o caso de amortiguamiento nulo, ζ=0 187 5.2 Especificaciones de respuesta transitoria . . . . . . . . . . . . . . . . . . . . . . . . . . 189 5.2.1 Especificaciones de respuesta transitoria para sistemas de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191 191 5.2.1.1Tiempo de crecimiento o tiempo de levante tr 191 5.2.1.2Tiempo de pico tp 192 5.2.1.3M´ aximo sobreimpulso Mp 193 5.2.1.4Tiempo de establecimiento ts 5.3 Sistemas de órdenes superiores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196 5.3.1 Sistema de tercer orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196 5.3.2 Respuesta transitoria de sistemas mayor orden . . . . . . . . . . . . . . . 197 6 CRITERIOS DE ESTABILIDAD 199 6.1 Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199 6.1.1 Método de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200 6.2 An´ alisis de estabilidad por cancelaci´ on de polos . . . . . . . . . . . . . . . . . . . . 201 6.2.1 Explicaci´ on de la diferencia en comportamiento de las realizaciones de las Figs 6.3 y 6.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205 6.3 Controlabilidad y observabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205 6.3.1 Aclaraci´ on sobre controlalibidad y observabilidad . . . . . . . . . . . . . 207 6.4 Control por realimentaci´ on de variables de estado . . . . . . . . . . . . . . . . . . 207 6.5 Criterios algebraicos y frecuenciales de estabilidad . . . . . . . . . . . . . . . . . . 209 6.5.1 Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209 6.5.2 Criterio de Routh y Hurwitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 6.6 Criterios frecuenciales de estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 6.6.1 El principio del argumento o del ángulo . . . . . . . . . . . . . . . . . . . . . 214 6.6.2 El criterio de Mikhailov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215 6.6.3 El criterio de Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 6.6.4 Regla de las transiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232 6.6.5 Estabilidad seg´ un el diagrama de Bode . . . . . . . . . . . . . . . . . . . . . . 233 7 SINTESIS EN EL DOMINIO DE LA FRECUENCIA 235 7.1 Especificaciones en el dominio frecuencial . . . . . . . . . . . . . . . . . . . . . . . . . 235 7.2 Correlaci´ on entre respuestas transitoria y frecuencial para un sistema de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236 7.3 Estabilidad relativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238 7.4 Margen de amplitud y margen de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240

8

9

A B

0.0 TABLA DE CONTENIDO

vii

7.4.1 Margen de amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.4.2 Margen de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.4.3 Margen de amplitud y margen de fase en el lugar de Bode . . . . . 7.5 Técnicas de compensaci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.5.1 Compensador de adelanto de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.5.2 Errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.5.2.1Tipo Cero 7.5.2.2Tipo Uno 7.5.2.3Compensaci´ on con adelantor de fase 7.5.3 El compensador de atraso de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.5.3.1Compensaci´ on con atrasador de fase REALIMENTACION LINEAL DE LAS VARIABLES DE ESTADO 8.1 Realimentaci´ on de las variables de estado y controlabilidad de los modos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.1.1 Algunas f´ ormulas para la ganancia de realimentaci´ on . . . . . . . . . 8.1.2 Importancia de la forma can´ onica ”CONTROLLER” . . . . . . . . . 8.1.3 Otras f´ ormulas para la ganancia de realimentaci´ on . . . . . . . . . . . . 8.1.4 F´ ormula de Mayne-Murdoch. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.1.5 Realimentaci´ on del estado y los ceros de la funci´ on de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.1.6 Realizaciones no controlables y estabilizables . . . . . . . . . . . . . . . . . 8.1.7 Reguladores, referencias diferentes de cero y seguimiento . . . . . . 8.1.7.1Referencias diferentes de cero 8.1.7.2Perturbaciones de entrada constante y realimentación integral 8.1.7.3Observaciones finales ˜ DISENO DE OBSERVADORES ASINTOTICOS Y COMPENSADORES 9.1 Observadores asintóticos para medida de los estados . . . . . . . . . . . . . . . . 9.1.1 Un observador en lazo abierto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.1.2 Un observador en lazo cerrado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.1.3 F´ ormulas para el vector de ganancias del observador . . . . . . . . . . 9.2 Observador y controlador combinados (compensadores). . . . . . . . . . . . . . 9.2.0.1Implementación del observador 9.2.0.2Resumen 9.2.1 Perturbaciones constantes y realimentaci´ on integrativa . . . . . . . . TABLAS DE LA TRANSFORMADA DE LAPLACE PROGRAMA MATLAB B.1 Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.2 Entrando matrices simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.3 Elementos de las matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.4 Declaraciones y variables del MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . B.5 Informaci´ on sobre el espacio de trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . B.6 C´ omo terminar el programa y guardar el espacio de trabajo . . . . . . . . . B.7 N´ umeros y expresiones aritméticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

240 242 243 247 247 250 251 251 253 258 260 265 266 267 268 270 271 272 272 273 273 275 278 279 279 280 281 282 283 287 287 287 293 297 297 297 298 299 300 300 301

viii B.8 B.9 B.10 B.11 B.12 B.13 B.14 B.15 B.16 B.17 B.18 B.19 B.20 B.21 B.22 B.23 B.24 B.25 B.26 B.27 B.28 B.29 B.30 B.31 B.32 B.33 B.34 B.35 B.36 B.37 B.38 B.39 B.40 B.41 B.42 B.43 B.44 B.45 B.46 B.47 B.48 B.49 B.50 B.51 B.52

Formato de salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Operaciones matriciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Divisi´ on de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funciones matriciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Operaciones sobre arreglos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Operaciones relacionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Operaciones l´ ogicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funciones matemáticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Manipulación de vectores y matrices. Generación de vectores. . . . . . . . Referencia a los elementos de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . Referencia a los elementos de una matriz usando vectores con ceros y unos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Matrices vac´ıas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Matrices especiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Construcción de matrices m´ as grandes . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funciones matriciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Polinomios y procesamiento de se˜ nales . . . . . . . . . . . . . . . . . . . . . . . . . . . . Procesamiento de se˜ nales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Filtraje de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funciones como función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Integraci´ on numérica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ecuaciones no lineales y funciones de optimizaci´ on. . . . . . . . . . . . . . . . . . Funciones de ecuaciones diferenciales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gráficos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gráficos en dos dimensiones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Creaci´ on de un gráfico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Estilos de l´ıneas, marcadores y colores. . . . . . . . . . . . . . . . . . . . . . . . . . . . Adici´ on de l´ıneas a un gráfico existente. . . . . . . . . . . . . . . . . . . . . . . . . . . . Datos complejos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . El archivo tipo m ”peaks”. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gráficos de matrices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funciones especiales para gr´ aficas en dos dimensiones. . . . . . . . . . . . . . . Gráficos en 3 dimensiones. Gráficos de l´ıneas. . . . . . . . . . . . . . . . . . . . . . . ”Meshgrid”. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pseudocolor en gráficas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gráficas en malla y superficie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Algunas funciones para gráficos de propósito general. . . . . . . . . . . . . . . . Flujo de control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lazos for. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lazos while. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Declaraciones if y break. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Archivos tipo m. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Archivos ”script”. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Archivos función. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ayuda en l´ınea para los archivos m. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

302 303 303 304 304 304 305 306 306 307 308 309 309 310 310 311 311 312 313 314 315 315 316 317 317 318 319 320 320 321 321 326 327 328 330 331 333 334 334 336 336 337 337 338 339

0.0 TABLA DE CONTENIDO

ix

B.53 Comandos ”echo”, ”input”, ”keyboard”, y ”pause”. . . . . . . . . . . . . . . . . . B.54 Variables globales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.55 Cadenas de texto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.56 La función ”eval”. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.57 Como incrementar velocidad y memoria. . . . . . . . . . . . . . . . . . . . . . . . . . . B.58 Archivos de entrada y salida. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . C INTRODUCCION AL SIMULINK C.1 Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . C.2 Construcci´ on de un modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . C.3 Inicio de una simulaci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D EJERCICIOS PROPUESTOS D.1 Del cap´ıtulo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D.2 Del cap´ıtulo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D.3 Del cap´ıtulo 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D.4 Del cap´ıtulo 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D.5 Del cap´ıtulo 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D.6 Del cap´ıtulo 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D.7 Del cap´ıtulo 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D.8 Del cap´ıtulo 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D.9 Del cap´ıtulo 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . BIBLIOGRAF´ IA

339 340 340 341 342 343 345 345 346 349 361 361 362 368 369 373 375 380 383 384 387

PREFACIO

Este libro presenta un estudio del análisis y dise˜ no de sistemas de control de tiempo continuo. Su objetivo es servir como texto para un primer curso en sistemas de control. Se espera que el estudiante tenga conocimientos previos sobre ecuaciones diferenciales, an´ alisis vectorial-matricial, circuitos, mec´ anica, la variable compleja y la transformada de Laplace. Esta edición incluye una introducci´ on al programa MATLAB y a su herramienta SIMULINK, en los apéndices B y C, de gran utilidad para el an´ alisis matem´ atico, la simulaci´ on y el dise˜ no de sistemas. En el apéndice D se incluyen algunos problemas t´ıpicos. El cap´ıtulo 1 es una introducci´ on a los sistemas de control realimentados en el que se incluye el análisis y control de un péndulo invertido. Se introducen los efectos de la realimentaci´ on. El cap´ıtulo 2 presenta la forma de modelar sistemas f´ısicos mecánicos, eléctricos, térmicos, de nivel de l´ıquido, etc. Los modelos se presentan en su forma b´ asica de ecuaciones diferenciales. Se pasan luego a su representaci´ on cl´ asica de funciones de transferencia y a la moderna del espacio de estado. Se linealizan sistemas no lineales alrededor de un punto de operaci´ on. El cap´ıtulo 3 se refiere a la simulaci´ on y s´ıntesis de funciones de transferencia utilizando el amplificador operacional y se presentan varias representaciones o realizaciones can´ onicas b´ asicas. También se incluye el escalamiento en amplitud y tiempo. El cap´ıtulo 4 presenta las acciones b´ asicas de control utilizadas por la industria. El cap´ıtulo 5 se refiere al an´ alisis de las respuestas de un sistema en el tiempo. Se enfatiza el sistema de segundo orden para establecer las especificaciones de la respuesta transitoria. El cap´ıtulo 6 estudia diferentes criterios de estabilidad algebraicos y frecuenciales. Se enfatiza el criterio de Nyquist. El cap´ıtulo 7 trata sobre el dise˜ no de sistemas realimentados en el dominio de la frecuencia utilizando compensadores. En el cap´ıtulo 8 se estudia el método moderno del control por realimentaci´ on de variables de estado. El cap´ıtulo 9 es un complemento al cap´ıtulo 8 ya que trata sobre el dise˜ no de observadores asint´ oticos para estimar las variables de estado. xi

CAPITULO

1

INTRODUCCION

1.1

Objetivo

Dar algunas definiciones utilizadas en sistemas de control, presentar algunos ejemplos en forma puramente descriptiva y desarrollar un ejemplo introductorio en el cual se hace el an´ alisis, la linealizaci´ on y el esbozo del dise˜ no de un sistema de control. Se presentan, sólo para sistemas est´ aticos, algunos de los efectos de la realimentación en caracter´ısticas de los sistemas que la utilizan, tales como la estabilidad, la ganancia total y la sensitividad; y también los efectos en las perturbaciones externas o ruido.

1.2

Sistema

Es un modelo de un dispositivo o de un conjunto de ellos existentes en el mundo real (sistema f´ısico). En general, el estudio de sistemas f´ısicos consta de cuatro partes: modelaje, descripci´ on matemática, an´ alisis y dise˜ no. Para desarrollar el modelo de un sistema f´ısico es necesario un profundo conocimiento del mismo y de los rangos de operaci´ on. Una vez obtenido el modelo, el paso siguiente es la descripci´ on matemática, la cual se obtiene utilizando leyes f´ısicas. A partir de la anterior se puede hacer el an´ alisis cuantitativo que consiste en hallar las respuestas debido a la aplicaci´ on de ciertas se˜ nales de entrada; y el cualitativo que consiste en analizar ciertas propiedades tales como estabilidad, controlabilidad y observabilidad. Si la respuesta del sistema no es satisfactoria, el sistema debe ser mejorado u optimizado, ya sea ajustando ciertos parámetros o en otros casos introduciendo compensadores.

1.3

Sistema de control 1

2 INTRODUCCION Es aquel cuyo fin es obtener varias respuestas deseadas (a partir de ciertas entradas)

Figura 1.1 Bloque que representa un sistema La Fig. 1.1 muestra un bloque que representa un sistema multivariable en el que se¤ £ t supone hay una descripción matemática entre las salidas, y = y1 y2 . . . yn ¤t £ y las entradas u = u1 u2 . . . um . Cuando m = n = 1 el sistema es escalar.

1.4

Sistema de control escalar en lazo abierto

Aquel que utiliza un controlador (un sistema) en cascada con el sistema a ser controlado (planta o proceso) para obtener la respuesta deseada, como se muestra en la Fig. 1.2.

Figura 1.2 Sistema de control escalar en lazo abierto

1.5

Sistema de control escalar en lazo cerrado

Aquel que utiliza una medida de la salida actual para compararla con la respuesta deseada, como se muestra en la Fig. 1.3. Un transductor es un dispositivo que convierte una se˜ nal a otra, generalmente eléctrica. Ejemplos: potenci´ ometros, tacogeneradores, termocuplas, termistores, presóstatos, flotadores, etc.

1.6 Problema b´ asico de la Ingenier´ıa de Control 3

Figura 1.3 Sistema de control escalar con realimentaci´ on

1.6

Problema b´ asico de la Ingenier´ıa de Control

Figura 1.4 Estructura general de un sistema de control El problema b´ asico de la Ingenier´ıa de Control es determinar una entrada u =

4 INTRODUCCION £ ¤t u u2 . . . um (véase Fig. 1.4) de modo que imparta sobre la salida c = £ 1 ¤t c1 c2 . . . cp cierto comportamiento deseado. Un sistema de control se define como un servo si la salida c(t) es dise˜ nada para seguir lo m´ as cercanamente posible una se˜ nal de referencia dada r(t). Cuando la se˜ nal de referencia r(t) es constante se habla de un regulador mejor que un servo. Si el controlador es un ser humano, se dice que el sistema es controlado manualmente.

1.7

Ejemplos de sistemas de control

Ejemplo 1.1 Una lavadora puede ser el ejemplo de un sistema de control en lazo abierto, en donde la salida es el grado de limpieza actual y la referencia es el grado de limpieza deseado. Véase Fig 1.5.

Figura 1.5 Sistema de control en lazo abierto

Ejemplo 1.2 La Fig. 1.6 muestra un sistema de control manual del nivel de l´ıquido en un tanque ya que el ser humano sensa la salida (nivel actual), la compara con el nivel deseado (se˜ nal de referencia) y abre o cierra la v´ alvula de entrada del l´ıquido dependiendo del resultado anterior.

Ejemplo 1.3 En el sistema de control en lazo cerrado de la Fig. 1.7 la se˜ nal resultante de la comparaci´ on (comparador) entre la de referencia y otra que es proporcional al nivel actual del l´ıqu´ıdo (salida) en el tanque (sensor de nivel) es la entrada al controlador o cerebro del sistema, el cual genera una se˜ nal (variable de control) que después de ser amplificada en potencia (actuador) actua sobre la v´ alvula para variar el caudal de entrada al tanque. N´ otese que se pretende que la salida, después de cierto tiempo, sea igual al nivel deseado.

1.7 Ejemplos de sistemas de control 5

Figura 1.6 Sistema de control manual

Figura 1.7 Sistema de control escalar en lazo cerrado Ejemplo 1.4 En la Fig. 1.8 las se˜ nales de salida de la planta (generador s´ıncrono mas el motor DC y la carga) son la magnitud del voltaje generado y la frecuencia (que

6 INTRODUCCION ´ es proporcional a la velocidad del motor DC). Estas después de ser comparadas con se˜ nales de referencia son aplicadas a controladores, y sus salidas, que son amplificadas (actuadores) actuan sobre el campo del generador s´ıncrono y la armadura del motor DC, respectivamente. Obsérvese que se pretende que las salidas, después de cierto tiempo, sean iguales a la magnitud del voltaje generado y la frecuencia deseadas.

Figura 1.8 Sistema de control bivariable en lazo cerrado

Ejemplo 1.5 La Fig. 1.9 muestra el sistema de control en lazo cerrado de un sistema térmico. La variable que se desea controlar es la temperatura actual del agua a la salida del tanque y la se˜ nal de referencia es la temperatura deseada. La variable de control (salida del controlador) es la entrada al actuador, cuya salida manipula el flujo de vapor hacia el intercambiador de calor.

1.7 Ejemplos de sistemas de control 7

Figura 1.9 Sistema de control en lazo cerrado de un sistema térmico

Figura 1.10 Sistema de control en lazo cerrado multivariable

8 INTRODUCCION Ejemplo 1.6 En la Fig. 1.10 se muestra un sistema de control multivariable de una planta de generaci´ on térmica en el que las salidas del sistema son: ox´ıgeno (o) en la caldera, temperatura (t) y presi´ on (p) del vapor, y la magnitud y frecuencia del voltaje generado (v y f). En este caso el controlador es un computador digital. SO, ST, SP, SV y SF representan los sensores de ox´ıgeno, temperatura, presi´ on, voltaje y frecuencia, respectivamente. GV es el gobernador de velocidad de la turbina, A/D es el conversor an´ alogo-digital, D/A es el conversor digital-an´ alogo y a, c, y ai simbolizan el agua, el combustible y el aire que le entran a la caldera, respectivamente.

1.8

Requerimientos de un sistema de control

Aunque los requerimientos de un sistema de control dependen l´ ogicamente de los objetivos del dise˜ no, se pueden enunciar, en general, los siguientes:

1. Debe ser estable. 2. Las respuestas deben ser razonablemente r´ apidas y razonablemente amortiguadas. 3. Los errores (si los hay), se deben reducir a un m´ınimo tolerable.

1.9 1.9.1

Algunos tipos de control Control adaptivo

Es el que examina o identifica la planta para ajustar los parámetros del controlador a valores o´ptimos. Es decir, se adapta a los cambios de la planta o cambios ambientales que afectan la misma.

1.9.2

Control o ´ptimo

Aquel cuya funci´ on objeto consiste en minimizar o maximizar variables tales como combustible, energ´ıa, tiempo, etc.

1.9.3

Control digital

Es aquel en el que el controlador es un microprocesador (computador digital) o un microcontrolador. La topolog´ıa t´ıpica de este tipo de control se muestra en la Fig. 1.11.

1.10 Ejemplo introductorio a los sistemas de control 9

Figura 1.11 Topolog´ıa t´ıpica de un sistema de control digital

1.10

Ejemplo introductorio a los sistemas de

control

Figura 1.12 El péndulo invertido En la Fig. 1.12 la barra B es restringida a movimientos en el plano del papel y es balanceada sobre la parte superior del carro C.

10 INTRODUCCION El objetivo de control es mantener la barra verticalmente tanto como sea posible. La barra y el carro constituyen la planta o el sistema a ser controlado. La planta ser´ıa inestable sin la asistencia de la se˜ nal de control (fuerza de control) u. Esta no es una caracter´ıstica general de sistemas controlados; la raz´ on de este ejemplo es enfatizar que a´ un sistemas inestables pueden ser adecuadamente controlados. Para simplificar el an´ alisis, se supondrá ausencia total de fuerzas perturbadoras predecibles. Para lograr el objetivo de control se instala un motor en el carro y a través de engranajes se genera una fuerza u sobre las ruedas del carro. Esta soluci´ on es basada en la intuici´ on. Para sistemas más complejos la intuici´ on podr´ıa fallar. Considérese por ejemplo los sistemas de las Figs. 1.13 y 1.14.

Figura 1.13 Sistema no controlable de 2 barras

Figura 1.14 Sistema controlable de 2 barras

1.11 Construcción del modelo matem´ atico 11 El sistema de la Fig. 1.14 puede ser balanceado mientras que el sistema de la Fig. 1.13 no. Esto se debe a que el de la Fig. 1.14 es controlable y el de la Fig. 1.13 no. Los conceptos de controlabilidad y observabilidad, desarrollados por la teor´ıa de control moderno serán vistos posteriormente.

1.11

Construcci´ on del modelo matem´ atico

El modelo debe revelar c´ omo la salida del sistema, representada en este caso por la desviaci´ on angular φ, es afectada por la se˜ nal de control u. Para obtener el modelo matem´ atico, representado por un sistema de ecuaciones diferenciales, se necesita usar relaciones b´ asicas de la mecánica cl´ asica aplicables a este sistema f´ısico.

Figura 1.15 Diagramas de cuerpo libre de la barra y el carro En la Fig. 1.15 las coordenadas de los centros de gravedad con respecto a un origen arbitrariamente escogido son:

1. Para el carro: posici´ on horizontal = y 2. Para la barra: posici´ on horizontal = y + L sen φ

12 INTRODUCCION

posici´ on vertical = L cos φ Si se toman momentos alrededor del centro de gravedad de la barra y sumando las fuerzas que actuan sobre el carro y la barra en direcciones vertical y horizontal, se obtiene el siguiente sistema de ecuaciones: I

d2 φ = V L sen φ − HL cos φ dt2 V − mg = m H=m

d2 (L cos φ) dt2

d2 (y + L sen φ) dt2

(1.1) (1.2) (1.3)

d2 y (1.4) dt2 El momento de inercia de la barra I se calcula con respecto a su centro de gravedad y es I = 13 mL2 . El sistema de ecs. (1.1) a (1.4) se puede reescribir de la siguiente manera: u−H =M

..

I φ = V L sen φ − HL cos φ ..

.2

V − mg = −mL(φ sen φ + φ cos φ) ..

..

.2

H = m y + mL(φ cos φ − φ sen φ) ..

u−H =M y

(1.5) (1.6) (1.7) (1.8)

Nótese que estas u ´ltimas son ecuaciones diferenciales no lineales. Las 4 variables desconocidas son φ, y, V , H, suponiendo que u podr´ıa ser especificada. Nótese que este es un problema más de s´ıntesis que de an´ alisis puesto que se debe especificar una funci´ on adecuada para la se˜ nal de control u. Este problema no es simple y no tiene solución u ńica.

1.12

Linealizaci´ on del modelo matem´ atico

Aunque las ecs. (1.5) a (1.8) podr´ıan ser resueltas por simulaci´ on, ya sea con un computador análogo o con programas de simulaci´ on como el MATLAB, el PSI, el CC, u otro, se hará por linealizaci´ on. Cualquier sistema de ecuaciones diferenciales no lineales puede ser linealizado si las variables dependientes son limitadas a peque˜ nas variaciones alrededor de un punto, llamado punto de operaci´ on.

1.13 Selecci´ on de u (Estrategia de control) 13 Nótese de las ecuaciones que la no linealidad aparece fundamentalmente en la variable φ. Considérese entonces sólo relativas peque˜ nas desviaciones del ańgulo φ: φ ¿ 1rad. Utilizando la expansión en series de Taylor: f (x) =

∞ X f (n) (xo )

n!

n=0

(x − xo )n

(1.9)

las funciones sen φ y cos φ se pueden expandir alrededor del punto φ = 0: sen φ = φ −

φ3 +··· ≈ φ 3!

φ2 + ··· ≈ 1 2! Reemplazando (1.10) y (1.11) en las ecuaciones (1.1) a (1.4) se obtiene: cos φ = 1 −

(1.10)

(1.11)

..

I φ = V Lφ − HL

(1.12)

V − mg = 0

(1.13) ..

..

H = m y + mL φ ..

u−H =M y

(1.14) (1.15)

Eliminando V y H del anterior sistema de ecuaciones se obtiene: ..

..

(I + mL2 ) φ + mL y − mgLφ = 0 ..

..

mL φ + (m + M ) y = u

1.13

(1.16) (1.17)

Selecci´ on de u (Estrategia de control)

Consideraciones:

1. El objetivo de control es mantener la barra verticalmente, la cual es una frase vaga, y por lo tanto se necesita un criterio m´ as espec´ıfico. Por ejemplo, restringir φ de modo que |φ| nunca exceda 1o , o que φ se aproxime a cero asintóticamente. 2. La estrategia debe resultar en un sistema que pueda ser fácilmente implementado con dispositivos f´ısicos.

14 INTRODUCCION 3. Seleccionar u tal que al ser reemplazada en (1.17) se pueda obtener la solución de la salida del sistema. Para supervisar y controlar el ańgulo φ se escoge la estructura del sistema como se muestra en la Fig. 1.16.

Figura 1.16 Estructura de control para el péndulo invertido El sensor da información sobre φ la cual es realimentada a un transductor de potencia el cual genera la se˜ nal u para corregir la posici´ on del carro. N´ otese que esta estructura es del tipo lazo cerrado. Se tiene libertad en escoger la se˜ nal u(φ), es decir c´ omo reacciona el motor en respuesta a la se˜ nal del sensor φ. Se deben considerar limitaciones f´ısicas del sensor y del transductor. Se considerarán cualidades din´ amicas de sistemas de control que se obtienen haciendo simples suposiciones acerca de las reacciones del transductor.

1.14

Acciones b´ asicas de control

(a) CONTROL PROPORCIONAL: La estrategia más simple de control se obtiene cuando el motor produce una fuerza proporcional a la desviaci´ on angular, es decir: u = K1 φ

(1.18)

donde K1 en el sistema MKS tiene dimensiones Newtons/Radi´ an. Nótese que se han despreciado los retardos en tiempo debidos al sensor y el motor; es decir, se ha supuesto que ellos responden instantaneamente, lo cual f´ısicamente no es posible. Sin embargo, la aproximación es de naturaleza real´ıstica (las constantes de tiempo del sistema mec´ anico son mucho menores que las del eléctrico).

1.14 Acciones b´ asicas de control 15 Reemplazando (1.18) en (1.17) y escribiendo de nuevo (1.16) se obtiene: ..

..

(I + mL2 ) φ + mL y − mgLφ = 0 ..

..

mL φ + (m + M ) y −K1 φ = 0

..

(1.19) (1.20)

Eliminando y de (1.19) y (1.20) se obtiene (1.21): ..

φ+

K1 − g(m + M) mLφ = 0 I(m + M) + mML2

(1.21)

K1 − g(m + M) mL I(m + M) + mML2

(1.22)

Definiendo: ω2 =

a=

K1 m+M

mL m+M Utiliz´ andolas en (1.21) y (1.19) se obtienen (1.25) y (1.26): b=

(1.23) (1.24)

..

φ + ω2φ = 0 ..

(1.25)

..

y = aφ − b φ

(1.26)

Nótese que φ es independiente de y, pero lo opuesto no es cierto. . . Se suponen las siguientes condiciones iniciales: y(0) = y (0) = φ (0) = 0, φ(0) = φo . Si se define la ganancia cr´ıtica, Kcr como: Kcr = g(m + M )

(1.27)

se pueden considerar los tres siguientes casos, cuyas respuestas se pueden obtener fácilmente utilizando la Transformada de Laplace en las ecs (1.25) y (1.26):

i. K1 > Kcr (Ganancia supercr´ıtica)

y = φo

ii. K1 = Kcr (Ganancia cr´ıtica)

φ = φo cos ωt

(1.28)

a + bω 2 (1 − cos ωt) ω2

(1.29)

16 INTRODUCCION

φ = φo

(1.30)

a y = φo t2 2

(1.31)

φ = φo cosh |ω|t

(1.32)

a − b|ω|2 (cosh |ω|t − 1) |ω|2

(1.33)

iii. K1 < Kcr (Ganancia subcr´ıtica)

y = φo

Las respuestas φ para cada uno de los casos se muestran en la Fig. 1.17.

25 posición angular (grados)

20 15

iii ii

10 5

i

0 -5 -10 0

2

4 6 tiempo (segs)

8

10

Figura 1.17 Diferentes respuestas del péndulo con acci´ on proporcional Nótese que este sistema de control proporcional tiene una respuesta inaceptable para valores muy bajos de K1 . El motor es demasiado débil para corregir las desviaciones angulares, as´ı el ańgulo crecer´ a indefinidamente hasta que la barra cae. Se dice entonces que el sistema es inestable.

1.14 Acciones b´ asicas de control 17 onicas (como las de Para K1 > Kcr , la barra y el carro desarrollan oscilaciones arm´ un péndulo sin amortiguamiento). N´ otese que la barra no cae y se puede decir que el objetivo de control ha sido pobremente satisfecho. (b) CONTROL PROPORCIONAL MAS DERIVATIVO Las oscilaciones debidas al control proporcional se pueden amortiguar por medio del control derivativo. La presencia de oscilaciones no amortiguadas se debe al hecho de que el motor actua sólo después de que la desviación angular ya ha ocurrido. Tiene sentido entonces hacer que el motor actue cuando las desviaciones estén a punto de ocurrir; es decir, que la fuerza de control actue antes de que la desviaci´ on ocurra. Una . posible soluci´ on es hacer la fuerza de control u una combinación lineal de φ y de φ: .

u = K1 φ + K2 φ

(1.34) .

Obviamente se requiere un sensor m´ as sofisticado que mida φ y φ o un medio de diferenciar la se˜ nal φ. La inclusi´ on de la derivada de una se˜ nal significa f´ısicamente que se est´ a hábil para desarrollar un cierto grado de predicci´ o n de los valores futuros . de φ, ya que φ es una medida de la rata de cambio de φ dando una indicación hacia donde tiende. Reemplazando (1.34) en (1.17) y escribiendo de nuevo (1.16) se obtiene: ..

..

(I + mL2 ) φ + mL y − mgLφ = 0 ..

..

..

(1.35)

.

mL φ + (m + M ) y −K1 φ − K2 φ = 0

(1.36)

Eliminando y de (1.35) y (1.36) se obtiene: ..

.

φ + 2α φ + ω 2 φ = 0

(1.37)

donde α=

ω2 =

1 mLK2 2 I(m + M) + mM L2 K1 − g(m + M) mL I(m + M) + mML2

Suponiendo las mismas condiciones iniciales anteriores y utilizando la Transformada de Laplace se puede resolver la ecuaci´ on diferencial (1.37) y su solución es: √ p ω ω 2 − α2 −αt 2 2 ) (1.38) e sen( ω − α t + arctan φ = φo √ α ω 2 − α2 que es v´ alida para valores reales del radical y cuya forma de onda se muestra en la Fig. 1.18.

18 INTRODUCCION

posición angular (grados)

10 8 6 4 2 0 -2

0

2

4

6 8 tiempo (segs)

10

12

Figura 1.18 Respuesta del péndulo correspondiente a la ec. (1.38)

posición angular (grados)

10 8 6

4 2 0 0

5

10

15

tiempo (segs) Figura 1.19 Respuesta del péndulo correspondiente a la ec. (1.39) Cuando el término derivativo es grande en comparaci´ on con el término proporcional, el radical se hace imaginario y la respuesta del sistema en este caso es sobreamortiguada y dada por la ec. (1.39).

1.15 Efectos de la realimentaci´ on 19

h i √ √ p p φo 1 2 2 2 2 √ (α + α2 − ω2 )e−(α− α −ω )t − (α − α2 − ω2 )e−(α+ α −ω )t 2 α2 − ω 2 (1.39) Esta solución, que se muestra en la Fig. 1.19, ocurre cuando α > |ω|. Nótese de las Figs. 1.17, 1.18 y 1.19 la superioridad de este u ´ltimo control sobre el control proporcional, para este caso particular. Es importante anotar que con la salida considerada, la posici´ on angular de la barra, el sistema no es observable (concepto que ser´ a visto posteriormente) y por lo tanto no todas las frecuencias naturales (que deciden la estabilidad del sistema) aparecen a la salida. Si se considera también como salida la posici´ on lineal del carro, y, se notará que el sistema es inestable, a´ un en lazo cerrado. Por lo tanto es necesario incluir otro controlador. Esta soluci´ on se plantea mediante simulaci´ on en el apéndice C. Existen otras estrategias de control, lineales y no lineales, como por ejemplo el control ON-OFF, cuya ley de control se define por la ecuaci´ on (1.40). φ=

φ umax = umax sgn(φ) (1.40) |φ| El controlador propuesto en este ejemplo introductorio no se garantiza para otras condiciones que las supuestas en el análisis, es decir, para peque˜ nas (infinitesimales en el sentido estricto) perturbaciones. u=

1.15

Efectos de la realimentaci´ on

Hasta ahora se ha visto en los ejemplos, de manera simplificada, que la realimentaci´ on tiene como propósito reducir el error entre la entrada de referencia y la salida del sistema. Sin embargo, éste es apenas uno de los propósitos de la realimentación. Se mostrar´ a que ésta también tiene efectos en caracter´ısticas del sistema como la estabilidad (como en el ejemplo introductorio), el ancho de banda, la ganancia total, la impedancia y la sensitividad. Por simplicidad, por ahora, se usar´ a la notaci´ on del sistema est´ atico.

Figura 1.20 Sistema con realimentaci´ on

20 INTRODUCCION En la Fig. 1.20 considérese que G y H son ganancias constantes. Por lo tanto:

c = Ge = G(r − b) = Gr − GHc

(1.41)

De (1.41) se obtiene la ganancia total M :

M=

1.16

G c = r 1 + GH

(1.42)

Efecto en la ganancia total

De (1.42) se nota que la realimentaci´ on afecta la ganancia G del sistema sin realimentaci´ on por un factor de (1 + GH). La cantidad GH podr´ıa incluir un signo menos; asi el efecto general de la realimentaci´ on podr´ıa incrementar o decrementar la ganancia. En un sistema de control práctico G y H son funciones de la frecuencia y por lo tanto la magnitud de 1 + GH podr´ıa ser mayor que 1 en un rango de frecuencia y menor que 1 en otro. Por eso la realimentaci´ on podr´ıa incrementar la ganancia del sistema en un rango de frecuencia pero decrementarla en otro.

1.17

Efecto en la estabilidad

De manera no rigurosa se puede decir que un sistema es inestable si su salida se incrementa sin acotamiento (en amplitud) cuando la entrada es acotada. Nótese de (1.42) que si GH = −1, la salida del sistema es infinita para cualquier entrada finita y entonces el sistema es inestable. Asi la realimentaci´ on podr´ıa hacer que un sistema que era originalmente estable, se vuelva inestable. Recuérdese que solo se está tratando el caso estático y, en general, GH = −1 no es la u ńica condici´ on para inestabilidad. En el ejemplo introductorio se mostró que una de las ventajas de incorporar realimentaci´ on es que se puede estabilizar un sistema inestable.

1.18 Efecto en la sensitividad 21

Figura 1.21 Sistema con doble lazo de realimentaci´ on Supóngase que el sistema realimentado de la Fig. 1.20 es inestable debido a que GH = −1. Si se introduce otro lazo de realimentaci´ on con ganancia F , como se muestra en la Fig. 1.21, la relaci´ on entrada-salida del sistema total es: G c = (1.43) r 1 + GH + GF Nótese que aunque las propiedades de G y H son tales que el sistema con el lazo de realimentación interior es inestable, el sistema total puede ser estable si se selecciona adecuadamente la ganancia F del lazo de realimentaci´ on exterior. Recuérdese que en la práctica GH es funci´ on de la frecuencia y la condici´ on de estabilidad del sistema en lazo cerrado depende de la magnitud y fase de GH. Es decir, la realimentaci´ on podr´ıa mejorar la estabilidad o empeorarla si no es adecuadamente aplicada.

1.18

Efecto en la sensitividad

Puesto que todos los elementos f´ısicos tienen propiedades que cambian con el ambiente y el tiempo, no se puede considerar siempre que los parámetros de un sistema de control son completamente estacionarios durante toda su vida de operación. Por ejemplo, la resistencia de los devanados de un motor eléctrico cambia con el aumento de temperatura del motor durante su operación. En general, un buen sistema de control debe ser muy insensitivo a variaciones en los par´ ametros pero sensitivo a los comandos de entrada. Se investigará el efecto que la realimentaci´ on tiene en la sensitividad a variaciones de parámetros. Supóngase en la Fig. 1.20 a la ganancia G como un parámetro que podr´ıa variar. La sensitividad de la ganancia total del sistema M debido a la variaci´ on en G se define como: M = SG

∂M M ∂G G

=

porcentaje de cambio en M porcentaje de cambio en G

(1.44)

22 INTRODUCCION en donde ∂M denota el cambio incremental en M debido al cambio incremental en G, ∂G. De (1.42): M = SG

1 ∂M G = ∂G M 1 + GH

(1.45)

De (1.45) se nota que si GH es una constante positiva, la magnitud de la funci´ on sensitividad se puede hacer arbitrariamente peque˜ na incrementando GH, con la condici´ on de que el sistema permanezca estable. Lógicamente para el sistema en lazo abierto, G = 1. SG Recuérdese que en la pr´ actica GH es funci´ on de la frecuencia. Asi la magnitud de 1 + GH podr´ıa ser menor que 1 sobre algunos rangos de frecuencia de modo que la realimentación podr´ıa ser peligrosa para la sensitividad a variaci´ on de parámetros en ciertos casos.

1.19

Efecto en la perturbaci´ on externa o ruido

Todos los sistemas f´ısicos est´ an sujetos a algunos tipos de se˜ nales extra˜ nas o ruido durante su operación. Por ejemplo, voltajes en circuitos electr´ onicos debido al ruido térmico. Perturbación externa, tal como el viento actuando sobre sobre una antena. Por esto, en el dise˜ no de un sistema de control se deben hacer consideraciones de modo que el sistema sea insensitivo a las perturbaciones y ruidos y sensitivo a los comandos de entrada. Aunque no se pueden sacar conclusiones generales, en muchas situaciones la realimentación puede reducir el efecto del ruido o perturbaci´ on en el desarrollo del sistema.

Figura 1.22 Sistema con realimentaci´ on y ruido En la Fig. 1.22, n es la se˜ nal de ruido. Si no hay realimentaci´ on, H = 0, la salida es:

1.19 Efecto en la perturbaci´ on externa o ruido 23

c = G1 G2 e + G2 n

(1.46)

en donde e = r. La relación se˜ nal a ruido SR de la salida se define como: salida debido a la se˜ nal G1 G2 e e = = G1 (1.47) salida debido al ruido G2 n n Para incrementar esta relaci´ on se debe incrementar la magnitud de G1 o e relativo a on. n. N´ otese que G2 no tendr´ıa efecto en esta relaci´ Con realimentación, la salida del sistema debido a r y n actuando simultaneamente es: SR =

G2 G1 G2 r+ n (1.48) 1 + G1 G2 H 1 + G1 G2 H Comparando (1.48) con (1.46) se nota que la componente de la salida debida al ruido se reduce por el factor 1 + G1 G2 H si éste es mayor que 1, pero la componente debido a la se˜ nal también es cambiada por la misma cantidad. La relaci´ on se˜ nal a ruido es ahora: c=

SR =

G1 G2 1+G1 G2 H r G2 1+G1 G2 H n

= G1

r n

(1.49)

que es la misma que sin realimentaci´ on. En este caso, la realimentaci´ on no tiene efecto directo en la relaci´ on se˜ nal a ruido del sistema de la Fig. 1.22. Sin embargo, la aplicación de realimentación sugiere una posibilidad de mejorarla bajo ciertas condiciones. Sup´ ongase que en el sistema de la Fig. 1.22, la magnitud de G1 se incrementa nal a G01 y r a r0 sin cambiar los otros parámetros, de modo que la salida debida a la se˜ de entrada actuando sola tiene el mismo nivel que cuando no hay realimentación. Es decir G01 G2 r0 = G1 G2 r 1 + G01 G2 H Con G1 incrementada a G01 , la salida debida al ruido actuando sola es e|n=0 =

(1.50)

G2 n (1.51) 1 + G01 G2 H la cual es m´ as peque˜ na que la salida debida a n cuando G1 no es incrementada. La relaci´ on se˜ nal a ruido es entonces c|r=0 =

SR =

G1 G2 r G2 1+G01 G2 H n

=

G1 r (1 + G01 G2 H) n

(1.52)

la cual es mayor que la del sistema sin realimentaci´ on por un factor de (1 + G01 G2 H). Existen otras configuraciones en los sistemas de control que permiten reducir los efectos de las perturbaciones y el ruido. La realimentación en general también tiene efectos en caracter´ısticas de desarrollo tales como el ancho de banda, la impedancia, respuesta transitoria y respuesta frecuencial.

CAPITULO

2

MODELOS MATEMATICOS DE SISTEMAS FISICOS

2.1

Objetivo

Se plantean modelos matemáticos de sistemas mec´ anicos traslacionales y rotacionales, sistemas eléctricos, hidr´ aulicos, neum´ aticos y térmicos.

2.2

Modelos matem´ aticos

Muchos sistemas dinámicos, independientemente de que sean mecánicos, eléctricos, térmicos, hidráulicos, neum´ aticos, qu´ımicos, econ´ omicos, biológicos, etc. se pueden caracterizar por ecuaciones diferenciales las cuales se obtienen con base en leyes f´ısicas, como por ejemplo las leyes de Kirchhoff, las leyes de Newton, etc. Se puede definir un modelo matem´ atico como la descripci´ on matemática del comportamiento del sistema. Muchas veces en el an´ alisis de un sistema, inicialmente se obtiene un modelo matemático simple, como por ejemplo ignorando no linealidades y parámetros distribuidos (como en el caso de l´ıneas de transmisi´ on eléctrica), con el fin de obtener ecuaciones diferenciales lineales y de par´ ametros concentrados. Se debe tener en cuenta que a veces los modelos son v´ alidos en operaciones de baja frecuencia y no a frecuencias muy altas. Por ejemplo, al despreciar la masa de un resorte, su modelo es v´ alido a bajas frecuencias. Para altas frecuencias, su masa debe ser tenida en cuenta en el modelo. Otro ejemplo que ilustra como un dispositivo f´ısico se podr´ıa modelar con varios modelos es el de una bobina, como se muestra en la Fig. 2.1.

25

26 MODELOS MATEMATICOS DE SISTEMAS FISICOS

Figura 2.1 Diferentes modelos de una bobina Los modelos matemáticos se pueden representar básicamente en dos formas: mediante un conjunto de ecuaciones diferenciales de primer orden, conocidas como ecuaciones de estado o mediante una ecuación diferencial de n−ésimo orden. Sin embargo, esta u ´ltima queda restringida a sistemas con una sola entrada y una sola salida. Las funciones o matrices de transferencia se pueden obtener a partir de las anteriores, aunque ya esto implica que el sistema es lineal o ha sido linealizado. Antes de continuar con estos dos métodos se harán las definiciones de lo que son sistemas determin´ısticos, lineales, invariantes con el tiempo y causales.

2.3

Clasificaci´ on de sistemas

Figura 2.2 Sistema con estado energético inicial nulo Para las siguientes definiciones se supone que el sistema de la Fig. 2.2 no contiene fuentes independientes y que su estado energético inicial es nulo antes de que la se˜ nal de entrada sea aplicada. La relaci´ on entre la entrada y la salida se indica a menudo simbólicamente como:

y(t) = Lv(t)

(2.1)

en donde L es un operador que caracteriza el sistema. Podr´ıa ser funci´ on de v, y y t, podr´ıa incluir operaciones como diferenciaci´ on e integraci´ on y podr´ıa ser dado en lenguaje probabil´ıstico. La ecuaci´ on (2.1) expresa que hay una relaci´ on de causa y efecto entre v(t) y y(t).

2.3 Sistema lineal 27

2.3.1

Sistema determin´ıstico

Un sistema es determin´ıstico si para cada entrada v(t) hay una u ńica salida y(t). En un sistema probabil´ıstico o no determin´ıstico hay varias posibles salidas, cada una con cierta probabilidad de ocurrencia para una entrada dada. Las entradas a un sistema podr´ıan ser funciones conocidas o funciones aleatorias. Las aleatorias, tales como el ruido, pueden ser descritas sólo en un sentido estad´ıstico o probabil´ıstico. Si la entrada a un sistema determin´ıstico es una funci´ on aleatoria, la salida es no determin´ıstica.

2.3.2

Sistema causal

Un sistema es causal o no anticipativo si la salida actual no depende de valores futuros de la entrada. En tal caso, y(to ) está determinada completamente por las caracter´ısticas del sistema y por los valores de v(t) para t ≤ to . En particular, si v(t) ≡ 0 ∀ t ≤ to , entonces y(t) ≡ 0 ∀ t < to .

2.3.3

Sistema lineal

Si se supone que las respuestas del sistema de la Fig. 2.2 a dos entradas diferentes v1 (t) y v2 (t) son y1 (t) y y2 (t), respectivamente, y que α y β son dos constantes, se dice que el sistema es lineal si la respuesta a v(t) = αv1 (t) + βv2 (t) es y(t) = αy1 (t) + βy2 (t) para todos los valores de v1 , v2 , α y β. Esto se puede expresar simbólicamente mediante la ecuaci´ on (2.2):

L[αv1 (t) + βv2 (t)] = αL[v1 (t)] + βL[v2 (t)]

(2.2)

La ecuación (2.2) también se conoce como el principio de superposici´ on. La mayor´ıa de sistemas lineales lo son en solamente rangos restringidos de ope-raci´ on. As´ı por ejemplo, la se˜ nal de salida de un amplificador se puede saturar para niveles elevados de la se˜ nal de entrada. A esta no linealidad se le conoce como alinealidad por saturación (véase la Fig. 2.3). Otro ejemplo lo constituyen los amortiguadores utilizados en sistemas mec´ anicos, los cuales pueden ser lineales para operaciones a baja velocidad y no lineales a altas velocidades (en este caso la fuerza es proporcional al cuadrado de la velocidad, como se muestra en la Fig. 2.4). Un u ´ltimo ejemplo es la alinealidad por zona muerta, la cual se puede presentar entre las posiciones angulares de un par de engranajes mecánicos (véase la Fig. 2.5).


Figura 2.3 Alinealidad por saturación

Figura 2.4 Alinealidad cuadr´ atica

Figura 2.5 Alinealidad por zona muerta

2.3.4

Sistema invariante con el tiempo

Un sistema es invariante con el tiempo si la relaci´ on entre la entrada y la salida es independiente del tiempo. Si la respuesta a v(t) es y(t), entonces la respuesta a

2.4 Matriz de transferencia 29 v(t−λ) es y(t−λ). En tal sistema, la amplitud y forma de la salida son independientes del tiempo en el cual la entrada es aplicada. Simb´ olicamente: L[v(t − λ)] = y(t − λ)

2.4

(2.3)

Ecuaciones de estado

Las ecuaciones de estado o la ecuaci´ on (matricial) de estado la constituye un conjunto de ecuaciones diferenciales de primer orden, que describe completamente el comportamiento del sistema que se quiere modelar. Este método de plantear el modelo matemático de un sistema es muy importante porque puede ser aplicado a sistemas no lineales y sistemas multivariables. Matemáticamente: x˙ = f (x, u, t)

(2.4)

en donde f es un función vectorial no lineal.

Figura 2.6 Sistema multivariable Si el sistema es lineal, o se ha linealizado alrededor de un punto de operación (demostración que se har´ a posteriormente), la ecuaci´ on (2.4) se reduce a: x˙ = Ax+Bu

(2.5)

en donde A es de dimensiones n × n y se le conoce como matriz de realimentaci´ on, y B es de dimensiones n × m y se le conoce como matriz de entrada. Si el sistema ha sido completamente descrito mediante variables de estado, siempre ser´ a posible expresar las p salidas de interés (y) en funci´ on de éllas. As´ı se plantea la ecuaci´ on de salida: y = Cx+Du

(2.6)

en donde C es de dimensiones p × n y se le conoce como matriz de salida, y D es de dimensiones p × m y se le conoce como matriz directa.


2.4.1

Matriz de transferencia

Utilizando la transformada de Laplace en las ecuaciones (2.5) y (2.6) suponiendo que el estado energético inicial es x(0− ), y organizando se obtienen: X(s) = (sI − A)−1 x(0− ) + (sI − A)−1 BU(s)

(2.7)

Y(s) = CX(s)+DU(s)

(2.8)

Reemplazando (2.7) en (2.8) se obtiene: Y(s) = C(sI − A)−1 x(0− ) + [C(sI − A)−1 B+D]U(s)

(2.9)

Como la matriz de transferencia (H(s)) se define suponiendo que el estado ener-gético inicial es nulo, y es aquella que relaciona Y(s) con U(s), entonces de (2.9) se obtiene: H(s) = C(sI − A)−1 B+D

2.5

(2.10)

Una ecuaci´ on diferencial de n−´ esimo orden

El método de plantear el modelo matem´ atico de un sistema mediante una ecuaci´ on diferencial de n−ésimo orden es u ´til en sistemas escalares. Si se utiliza la funci´ on de transferencia, adem´ as de servir en sistemas escalares, es para sistemas lineales o que han sido linealizados. Matemáticamente: y (n) + a1 y(n−1) + · · · + an y = b0 u(m) + b1 u(m−1) + · · · + bm u

(2.11)

Utilizando la transformada de Laplace en (2.11) suponiendo condiciones iniciales nulas (y(0) = y (1) (0) = · · · = y(n−1) (0) = 0), se obtiene la funci´ on de transferencia: H(s) =

b0 sm + b1 sm−1 + · · · + bm s Y (s) = n U (s) s + a1 sn−1 + · · · + an s

(2.12)

La cual no depende de las condiciones iniciales ni del tipo de se˜ nal aplicada a la entrada. Sólo depende de los par´ ametros que caracterizan al sistema.

2.6

Sistemas mec´ anicos de traslaci´ on

Los elementos de sistemas mec´ anicos idealizados son la masa, el resorte y el amortiguador.

2.6 Resorte traslacional 31

2.6.1

Masa

Figura 2.7 Masa En la Fig. 2.7 se muestra el diagrama de un masa M que se ha aislado de un sistema más complejo del cual forma parte. u es la fuerza neta resultante actuando sobre élla y y su desplazamiento con respecto a una posición de equilibrio (es decir, cuando el sistema est´ a en reposo). Una fuerza de reacción fM se desarrolla, su sentido de referencia se muestra en la Fig. 2.7 y su expresi´ on es dada por la ecuaci´ on (2.13): d2 y (2.13) dt2 Es importante hacer notar que la masa en movimiento almacena energ´ıa y cuya ex˙ 2. presi´ on, la cual se puede demostrar fácilmente, es E = 12 M (y) fM = M

2.6.2

Resorte traslacional

Figura 2.8 Resorte traslacional En la Fig. 2.8 se muestra el diagrama de un resorte con constante K que se ha aislado de un sistema más complejo del cual forma parte. El desplazamiento del extremo superior y y del extremo inferior yo se miden desde sus respectivas posiciones de equilibrio. Una fuerza restauradora es desarrollada debido a la propiedad el´ astica del resorte. Su sentido en el extremo superior se muestra en la Fig. 2.8 (en el inferior tiene el sentido opuesto al del superior) y su expresi´ on, seg´ un la ley de Hooke, es dada por la ecuaci´ on (2.14):


fK = K(y − yo )

(2.14)

Si el extremo inferior (podr´ıa denominarse como el extremo de referencia) est´ a en el origen del sistema de coordenadas, entonces en este caso fK = Ky. 2 Se puede demostrar que la energ´ıa almacenada por el resorte es E = 12 uK , en donde u es la fuerza neta en el extremo superior.

2.6.3

Amortiguador traslacional

Figura 2.9 Amortiguador traslacional En la Fig. 2.9 se muestra el diagrama de un amortiguador con coeficiente de fricción viscosa B que se ha aislado de un sistema más complejo del cual forma parte. Las posiciones y y yo de los extremos superior e inferior, respectivamente, se miden desde sus respectivas posiciones de equilibrio. Una fuerza de reacción se desarrolla, su sentido en el extremo superior se muestra en la Fig. 2.9 y su expresi´ on es dada por la ecuaci´ on (2.15): fB = B(

dy dyo − ) dt dt

(2.15)

Si el terminal de referencia, yo , es estacionario, entonces en este caso fB = B y. ˙ A diferencia de los dos elementos idealizados anteriores, el amortiguador es un dispositivo que transforma energ´ıa en calor, y se puede demostrar que la energ´ıa transformada en calor por unidad de tiempo (potencia P ) es dada por P = Bv2 , en donde v es la velocidad relativa de los extremos del amortiguador. Ejemplo 2.1 Para el sistema mec´ anico traslacional de la Fig. 2.10(a) plantear un on en reposo con peso modelo matem´ atico. u(t) es una fuerza externa, y1o es la posici´ y yo es la longitud del resorte sin peso (longitud natural del resorte).

2.6 Amortiguador traslacional 33

Figura 2.10 Sistema del ejemplo 2.1 Utilizando el diagrama de cuerpo libre de la Fig. 2.10(b) y aplicando la segunda ley de Newton se obtiene la ecuación (2.16): Mg − B

d2 y1 dy1 + u(t) − K(y1 − yo ) = M 2 dt dt

(2.16)

Nótese que cuando el sistema est´ a en reposo con u(t) = 0, (2.16) se reduce a: Mg − 0 + 0 − K(y1o − yo ) = 0 de donde se obtiene (2.17): M g = K(y1o − yo )

(2.17)

Reemplazando (2.17) en (2.16) y organizando se obtiene: M

d2 y1 dy1 + K(y1 − y1o ) = u(t) +B 2 dt dt

(2.18)

Haciendo un cambio de variable con relación a la posici´ on de equilibrio (nótese en la Fig. 2.10 la convenci´ on utilizada para medir la posición de la masa con respecto a la posici´ on de equilibrio y) : y = y1 − y1o

(2.19)

d(y1 − y1o ) dy1 dy = = dt dt dt

(2.20)


d2 y1 d2 y = (2.21) dt2 dt2 Reemplazando (2.19), (2.20) y (2.21) en (2.18) se obtiene la ecuaci´ on diferencial que relaciona la posici´ on de la masa M desde la posici´ on de equilibrio (y) con la entrada (u(t)): dy d2 y + Ky = u(t) (2.22) +B 2 dt dt Nótese que si se escoge como referencia la posici´ on de equilibrio (sistema en reposo), el peso no interviene. M

Ejemplo 2.2 Plantear un conjunto de ecuaciones de estado y de salida del sistema del ejemplo anterior. El siguiente procedimiento para obtener las anteriores ecuaciones se generalizar´ a en la siguiente secci´ on. Dividiendo ambos miembros de (2.22) por M y tomando la transformada de Laplace en ambos lados de la ecuaci´ on, suponiendo condiciones iniciales nulas (y(0) = y(0) ˙ = 0) se obtiene (2.23): K 1 B s+ )Y (s) = U (s) M M M de la cual se obtiene la funci´ on de transferencia del sistema: (s2 +

G(s) =

Y (s) = 2 U (s) s +

1 M B K Ms+ M

(2.23)

(2.24)

Se obtienen polinomios en el numerador y el denominador de G(s) con exponentes negativos. Por lo tanto se dividen tanto el numerador como el denominador por s2 en este caso particular y se obtiene: G(s) =

Y (s) = U (s) 1+

1 −2 Ms B −1 K −2 +M s Ms

(2.25)

De (2.25): Y (s) =

1+

1 −2 Ms U(s) B −1 K −2 +M s Ms

1+

B −1 Ms

(2.26)

Se define: E(s) ,

1 +

K −2 Ms

U (s)

(2.27)

De (2.27) se obtiene: E(s) = U (s) − Reemplazando (2.27) en (2.26):

B −1 K −2 s U(s) − s U (s) M M

(2.28)

2.7 Un método para obtener la ecuaci´ on de estado y la de salida 35

1 −2 s E(s) (2.29) M Utilizando la ecuación (2.28) se obtiene la mayor parte del diagrama de bloques (´ util en simulación de sistemas) de la Fig. (2.11), del cual se pueden obtener fácilmente las ecuaciones de estado si se consideran como variables de estado las salidas de los integradores (x1 y x2 ). Y (s) =

Figura 2.11 Diagrama de bloques del ejemplo 2.2 Nótese del diagrama de bloques que: 1 X2 (s) = X1 (s) s

(2.30)

1 B 1 K X1 (s) − X2 (s)) (2.31) X1 (s) = E(s) = (U(s) − s s M M Multiplicando ambos miembros de las ecuaciones (2.30) y (2.31), utilizando la Transformada inversa de Laplace suponiendo condiciones iniciales nulas y escribiendo las ecuaciones en forma matricial se obtiene la ecuación de estado (2.32): ¸ · B ¸ · ¸ ¸· · K 1 x1 x˙ 1 −M −M = + u(t) (2.32) 0 x˙ 2 x2 1 0 Con la ecuación (2.29) se obtiene el resto del diagrama de bloques de la Fig. 2.11 y a su vez se obtiene la ecuaci´ on de salida: 1 X2 (s) M que en el dominio del tiempo y en forma matricial es: ¸ · ¤ x1 £ ¤ £ 1 0 + 0 u(t) y(t) = M x2 Y (s) =

(2.33)

(2.34)


2.7

Un m´ etodo para obtener la ecuaci´ on de estado

y la de salida Este método es v´ alido para sistemas escalares cuya función de transferencia es conocida. Se supone que el grado del polinomio del numerador de la función de transferencia es menor o igual que el del denominador. Sin pérdida de generalidad, considérese: H(s) =

b0 sn−1 + b1 sn−2 + · · · + bn−1 Y (s) = U(s) sn + a1 sn−1 + · · · + an

(2.35)

b0 s−1 + b1 s−2 + · · · + bn−1 s−n Y (s) = U(s) 1 + a1 s−1 + · · · + an s−n

(2.36)

Dividiendo tanto el numerador como el denominador de H(s) por sn , se obtiene: H(s) = Se define:

E(s) = De donde:

1 + a1

s−1

1 U (s) + · · · + an s−n

E(s) = −a1 s−1 E(s) − a2 s−2 E(s) − · · · − an s−n E(s) + U (s)

(2.37)

(2.38)

De la ecuación (2.38) se puede deducir parte del diagrama de bloques de la Fig. 2.12.

Figura 2.12 Diagrama de bloques de la realizaci´ on ”Controller” Con (2.37) en (2.36) se obtiene:

2.7 Un método para obtener la ecuaci´ on de estado y la de salida 37

Y (s) = b0 s−1 E(s) + b1 s−2 E(s) + · · · + bn−1 s−n E(s)

(2.39)

Con la ecuación (2.39) se obtiene la otra parte del diagrama de bloques de la Fig. 2.12. Si se definen las salidas de los integradores como las variables de estado, se puede deducir de la Fig. 2.12 las ecuaciones de estado y de salida:     

x˙ 1 x˙ 2 .. . x˙ n





    =  

−a1 1 .. .

−a2 0 .. .

0

···

y(t) =

£

b0

· · · −an ··· 0 .. .. . . 1 0

b1

    

· · · bn−1

x1 x2 .. . xn 

¤   





    +  

x1 x2 .. . xn

1 0 .. . 0



   u(t) 

    

(2.40)

(2.41)

Esta representación es conocida como una simulaci´ on o realización canónica llamada ”Controller”.

Ejemplo 2.3 Para el sistema mec´ anico traslacional de la Fig. 2.13 plantear un conjunto de ecuaciones que lo describa completamente y obtener la funci´ on de transferencia considerando como salida el desplazamiento y. La entrada al sistema es el desplazamiento u(t).

Figura 2.13 Sistema mecánico traslacional del ejemplo 2.3 La Fig. 2.14 muestra los diagramas de cuerpo libre de las dos masas, en donde por simplicidad se ha supuesto que u > y > z.


Figura 2.14 Diagramas de cuerpo libre de M1 y M2 Aplicando la segunda ley de Newton a cada una de las masas se obtienen las ecuaciones (2.42) y (2.43), las cuales describen completamente el sistema. K1 (u − y) − K2 (y − z) − B1

dy d2 y = M1 2 dt dt

dz d2 z = M2 2 dt dt Reorganizando términos se obtienen (2.44) y (2.45): K2 (y − z) − B2

(2.42) (2.43)

M1 y¨ + B1 y˙ + (K1 + K2 )y − K2 z = K1 u(t)

(2.44)

−K2 y + M2 z¨ + B2 z˙ + K2 z = 0

(2.45)

Aplicando la Transformada de Laplace a ambos miembros de las ecuaciones (2.44) y (2.45) suponiendo condiciones iniciales nulas se obtienen (2.46) y (2.47): [M1 s2 + B1 s + (K1 + K2 )]Y (s) − K2 Z(s) = K1 U (s)

(2.46)

−K2 Y (s) + [M2 s2 + B2 s + K2 ]Z(s) = 0

(2.47)

Manipulando algebr´ aicamente (2.46) y (2.47) se obtiene la funci´ on de transferencia: b3 Y (s) = 4 3 U (s) s + a1 s + a2 s2 + a3 s + a4 donde: b3 =

a1 =

a2 =

K1 M1 M2

M1 B2 + M2 B1 M1 M2

K2 M1 + (K1 + K2 )M2 + B1 B2 M1 M2

(2.48)

2.8 Otro método para obtener la ecuaci´ on de estado y la de salida 39

a3 =

B1 K2 + B2 (K1 + K2 ) M1 M2 a4 =

K1 K2 M1 M2

Utilizando ahora (2.40) y (2.41) f´ acilmente se pueden obtener las ecuaciones de estado y de salida.

2.8

Otro m´ etodo para obtener la ecuaci´ on de

estado y la de salida Este método es también v´ alido para un sistema escalar y se parte de que se conoce la ecuaci´ on diferencial que relaciona la entrada y la salida. Sea ésta de la forma dada en la ecuaci´ on (2.49): y(n) + a1 y (n−1) + · · · + an−1 y (1) + an y = b0 u(n−1) + b1 u(n−2) + · · · + bn−2 u(1) + bn−1 u (2.49) Reorganizando (2.49) se obtiene: y (n) + [a1 y − b0 u](n−1) + · · · + [an−1 y − bn−2 u](1) = [bn−1 u − an y]

(2.50)

Integrando ambos miembros se obtiene: y(n−1) + [a1 y − b0 u](n−2) + · · · + [an−1 y − bn−2 u] =

Z

[bn−1 u − an y]dt = xn (2.51)

Reorganizando (2.51): y (n−1) + [a1 y − b0 u](n−2) + · · · + [an−2 y − bn−3 u](1) = xn + bn−2 u − an−1 y (2.52) Integrando (2.52):

y

(n−2)

(n−3)

+ [a1 y − b0 u]

+ · · · + [an−2 y − bn−3 u] =

Z

[xn + bn−2 u − an−1 y]dt = xn−1

Se repite el mismo proceso hasta que se finalmente se obtiene: Z y (1) + [a1 y − b0 u] = [x3 + b1 u − a2 y]dt = x2 y (1) = x2 + b0 u − a1 y

(2.53)

(2.54) (2.55)


y=

Z

[x2 + b0 u − a1 y]dt = x1

(2.56)

Las ecuaciones (2.56), (2.54), (2.53) y (2.51) se pueden implementar mediante el diagrama de bloques de la Fig. 2.15.

Figura 2.15 Realizaci´ on canónica ”Observer” La simulación o realizaci´ on canónica de la Fig. 2.15 es conocida como la tipo ”Observer”. De dicho diagrama se pueden obtener fácilmente las ecuaciones de estado y de salida, las cuales escritas en forma matricial son:    −a  1 · · · 0  x1   b0  1 x˙ 1 .  x   b  ..  x˙ 2   2  . ..  −a2 0  1       (2.57)  ..  +  ..  u(t)  ..  =  .  . .  .   . .. .. 1   .   .  . x˙ n xn bn−1 −an · · · 0 0   x1  x £ ¤ 2   (2.58) y(t) = 1 0 · · · 0  .   ..  xn De la ecuaci´ on diferencial (2.49) se puede obtener la función de transferencia:

Y (s) b0 sn−1 + b1 sn−2 + · · · + bn−1 = (2.59) U(s) sn + a1 sn−1 + · · · + an que es la misma que se utiliz´ o en el método de la secci´ on anterior para obtener las ecuaciones de estado y de salida. H(s) =

2.9 Resorte rotacional 41

2.9

Sistemas mec´ anicos de rotaci´ on

Los elementos de sistemas mec´ anicos de rotaci´ on idealizados son la inercia, el resorte y el amortiguador.

2.9.1

Inercia

Figura 2.16 Inercia En la Fig. 2.16 se muestra el diagrama de un cuerpo con inercia J que se ha aislado de un sistema más complejo del cual forma parte. T es el torque neto resultante actuando sobre élla y θ su desplazamiento angular con respecto a una posici´ on de equilibrio (es decir, cuando el sistema est´ a en reposo). Un torque de reacci´ on TJ se desarrolla, su sentido de referencia se muestra en la Fig. 2.16 y su expresión es dada por la ecuaci´ on (2.60):

TJ = J

d2 θ dt2

(2.60)

Es importante hacer notar que un cuerpo con inercia en movimiento angular almacena ˙ 2. energ´ıa y cuya expresi´ on, la cual se puede demostrar f´ acilmente, es E = 12 J(θ)

2.9.2

Resorte rotacional

42 MODELOS MATEMATICOS DE SISTEMAS FISICOS Figura 2.17 Resorte rotacional En la Fig. 2.17 se muestra el diagrama de un resorte rotacional (un ejemplo puede ser un eje el´ astico) con constante K que se ha aislado de un sistema más complejo del cual forma parte. El desplazamiento angular del extremo derecho θ y del extremo izquierdo (extremo de referencia) θo se miden desde sus respectivas posiciones de equilibrio. Un torque de reacción se desarrolla debido a la propiedad elástica del resorte. Su sentido en el extremo derecho se muestra en la Fig. 2.17 y su expresi´ on es dada por la ecuación (2.61): TK = K(θ − θo )

(2.61)

Si el extremo de referencia es estacionario, entonces en este caso TK = Kθ. Se puede demostrar que la energ´ıa almacenada por el resorte rotacional es E = en donde T es el torque neto actuando en el extremo derecho.

2.9.3

1 T2 2 K,

Amortiguador rotacional

Figura 2.18 Amortiguador rotacional En la Fig. 2.18 se muestra el diagrama de un amortiguador rotacional con coeficiente de fricción viscosa B que se ha aislado de un sistema más complejo del cual forma parte. Las posiciones angulares θ y θo de los extremos derecho y de referencia (el izquierdo), respectivamente, se miden desde sus respectivas posiciones de equili-brio. Un torque de reacci´ on se desarrolla, su sentido en el extremo derecho se muestra en la Fig. 2.18 y su expresi´ on es dada por la ecuaci´ on (2.62): dθ dθo − ) (2.62) dt dt ˙ Si el extremo de referencia es estacionario, entonces en este caso TB = B θ. A diferencia de los dos elementos idealizados anteriores, el amortiguador rotacional es un dispositivo que transforma energ´ıa en calor, y se puede demostrar que la energ´ıa transformada en calor por unidad de tiempo (potencia P ) es dada por P = Bω 2 , en donde ω es la velocidad angular relativa de los extremos del amortiguador. TB = B(

2.10 Circuito serie R-L-C 43 Ejemplo 2.4 Para el sistema mec´ anico rotacional de la Fig. 2.19 hallar la ecuaci´ on . diferencial que relaciona a θ(t) con T (t) y la funci´ on de transferencia Tθ(s) (s)

Figura 2.19 Sistema mec´ anico rotacional del ejemplo 2.4 Utilizando el diagrama de cuerpo libre de la Fig. 2.19(b) y aplicando la segunda ley de Newton para sistemas mecánicos rotacionales se obtiene la ecuaci´ on (2.63):

T (t) − B

d2 θ dθ − Kθ = J 2 dt dt

(2.63)

Organizando se obtiene la ecuaci´ on pedida:

J

d2 θ dθ + Kθ = T (t) +B dt2 dt

(2.64)

Transformando ambos miembros de la ecuaci´ on (2.64) suponiendo condiciones iniciales nulas se obtiene la funci´ on de transferencia:

G(s) =

2.10

θ(s) = 2 T (s) s +

Circuito serie R-L-C

1 J B K Js+ J

(2.65)


Figura 2.20 Circuito serie RLC Aplicando la segunda ley de Kirchhoff (de voltajes) a la u ńica trayectoria cerrada del circuito de la Fig. 2.20 se obtiene la ecuaci´ on (2.66):

vi (t) = Ri + L

1 di + dt C

Z

idt

(2.66)

Utilizando la definici´ on de corriente eléctrica como la variaci´ on por unidad de tiempo del flujo neto de carga a través de la sección transversal de una puerta:

i=

dq dt

(2.67)

Reemplazando (2.67) en (2.66) se obtiene la ecuaci´ on diferencial (2.68):

L

2.11

1 d2 q dq + R + q = vi (t) dt2 dt C

(2.68)

Analog´ıa fuerza-torque-voltaje

Comparando las ecuaciones diferenciales (2.22), (2.64) y (2.68) de los sistemas f´ısicos correspondientes (mec´ anico traslacional de la Fig. 2.10, mec´ anico rotacional de la Fig. 2.19 y circuito eléctrico de la Fig. 2.20) se nota que son de forma idéntica. Tales sistemas se denominan sistemas an´ alogos y los términos que ocupan las posiciones correspondientes en las ecuaciones diferenciales se denominan magnitudes y variables análogas. Esto explica porqué se denomina la analog´ıa fuerza-torque-voltaje. La siguiente tabla hace un resumen de las analog´ıas:

2.11 Analog´ıa fuerza-torque-voltaje 45

Sist. mec´ anico traslacional

Sist. mec´ anico rotacional

Sistema eléctrico

Fuerza u Velocidad lineal y˙ Desplazamiento lineal y Masa M Coef. fricci´ on viscosa B Constante del resorte K

Torque T Velocidad angular θ˙ Desplazamiento angular θ Inercia J Coef. fricción viscosa B Constante del resorte K

Voltaje v Corriente i Carga q Inductancia L Resistencia R Inverso capacitancia

1 C

Es posible entonces obtener circuitos eléctricos an´ alogos a sistemas mec´ anicos traslacionales y rotacionales y utilizar todas las técnicas de descripci´ on de redes para plantear modelos matem´ aticos para los sistemas mec´ anicos. El circuito eléctrico an´ alogo a un sistema mec´ anico traslacional (rotacional) se puede obtener teniendo en cuenta la anterior tabla y notando que por cada masa (inercia) o punto que se desplace (rote) a cierta velocidad en el sistema mecánico, habr´ a una malla en el circuito análogo. Si se supone, sin pérdida de generalidad, que todas aquellas velocidades son positivas con respecto a la referencia, en el circuito se supone que todas las corrientes de malla tienen el mismo sentido. Ejemplo 2.5 Plantear un modelo matem´ atico para el sistema mec´ anico traslacional de la Fig. 2.21 utilizando la analog´ıa fuerza-torque-voltaje.

Figura 2.21 Sistema mecánico traslacional del ejemplo 2.5 Nótese de la Fig. 2.21 que hay dos velocidades y˙1 y y˙2 que se suponen positivas con

46 MODELOS MATEMATICOS DE SISTEMAS FISICOS respecto a la referencia. Por lo tanto, el circuito eléctrico an´ alogo (Fig. 2.22) tendrá dos mallas (1 y 2) cuyas corrientes i1 e i2 , ambas con el mismo sentido (horario en este caso), son análogas a las velocidades y˙ 1 y y˙ 2 , respectivamente. Utilizando la tabla de la analog´ıa fuerza-torque-voltaje se obtienen los elementos de circuito correspondientes a las masas, resortes y amortiguadores. Puesto que las masas M1 y M2 se mueven a las alogas velocidades y˙1 y y˙ 2 , entonces las corrientes netas a través de las inductancias an´ correspondientes L1 y L2 son i1 e i2 y por lo tanto pertenecen a las mallas 1 y 2. As´ı mismo, como uno de los extremos de B1 y de K1 se mueve a la velocidad y˙ 1 y el otro extremo es fijo, entonces sus elementos de circuito an´ alogo R1 y C1 , respectivamente, pertenecen a la malla 1. N´ otese que R2 y C2 son elementos comunes a las mallas 1 y 2 (la corriente neta a través de ellos es i1 − i2 , con sentido de referencia hacia arriba) ya que los extremos de sus an´ alogos, B2 y K2 , se mueven a las velocidades y˙1 y y˙ 2 (la velocidad relativa del extremo inferior con respecto al superior es y˙ 1 − y˙ 2 ). Finalmente, la fuerza externa p(t) tiene como an´ alogo en el circuito la fuente de voltaje v(t). N´ otese que con la polaridad mostrada de la fuente, si el estado energético inicial se supone nulo, las corrientes i1 (o) e i2 (0) son positivas con los sentidos mostrados cuando v(0) > 0, lo cual coincide con que si p(0) > 0, y˙ 1 (0) y y˙ 2 (0) son positivas con los sentidos mostrados.

Figura 2.22 Circuito eléctrico an´ alogo del ejemplo 2.5 Las siguientes son las magnitudes y variables análogas: L2 = M2 , L1 = M1 , R2 = B2 , R1 = B1 , C2 = K12 , C1 = K11 , v(t) = p(t), i2 = y˙ 2 , i1 = y˙ 1 . Aplicando la segunda ley de Kirchhoff a cada una de las mallas del circuito de la Fig. 2.22 se obtienen las ecuaciones que lo describen: Z 1 di2 (i2 − i1 )dt + R2 (i2 − i1 ) + (2.69) v(t) = L2 dt C2 Z Z 1 1 di1 i1 dt + (i1 − i2 )dt + R2 (i1 − i2 ) + R1 i1 + (2.70) 0 = L1 dt C1 C2 Reemplazando las anteriores magnitudes y variables análogas en (2.69) y (2.70) se

2.11 Analog´ıa fuerza-torque-voltaje 47 obtienen las ecuaciones que describen el comportamiento del sistema mec´ anico traslacional de la Fig. 2.21: p(t) = M2

0 = M1

dy2 dy1 d2 y2 − ) + K2 (y2 − y1 ) + B2 ( dt2 dt dt

dy1 dy2 d2 y1 dy1 + K1 y1 + K2 (y1 − y2 ) + B2 ( − ) + B1 2 dt dt dt dt

(2.71)

(2.72)

Ejemplo 2.6 Verificar que las ecuaciones (2.71) y (2.72) describen el comportamiento del sistema de la Fig. 2.21. La Fig. 2.23 muestra los diagramas de cuerpo libre de las dos masas, en los cuales se ha supuesto, por comodidad , que y2 > y1 y que y˙ 2 > y˙1 .

Figura 2.23 Diagramas de cuerpo libre de M1 y M2 Aplicando la segunda ley de Newton a cada una de las masas de la Fig. 2.23 se obtienen las siguientes ecuaciones: p(t) − B2 (

dy2 dy1 d2 y2 − ) − K2 (y2 − y1 ) = M2 2 dt dt dt

K2 (y2 − y1 ) + B2 (

dy2 dy1 dy1 d2 y1 − ) − B1 − K1 y1 = M1 2 dt dt dt dt

(2.73)

(2.74)

Reorganizando (2.73) y (2.74) se obtienen (2.71) y (2.72).

Ejemplo 2.7 Plantear un modelo matem´ atico para el sistema mec´ anico rotacional de la Fig. 2.24 utilizando la analog´ıa fuerza-torque-voltaje.


Figura 2.24 Sistema mec´ anico rotacional del ejemplo 2.7 Nótese de la Fig. 2.24 que hay dos velocidades angulares θ˙1 y θ˙2 que se suponen positivas con los sentidos mostrados. Por lo tanto, el circuito eléctrico an´ alogo (Fig. 2.25) tendrá dos mallas (1 y 2) cuyas corrientes i1 e i2 , ambas con el mismo sentido (horario en este caso), son an´ alogas a las velocidades θ˙1 y θ˙2 , respectivamente. Utilizando la tabla de la analog´ıa fuerza-torque-voltaje se obtienen los elementos de circuito correspondientes a las inercias, resortes y amortiguadores. Puesto que las inercias J1 y J2 se mueven a las velocidades θ˙1 y θ˙2 , entonces las corrientes netas a través de las inductancias an´ alogas correspondientes L1 y L2 son i1 e i2 y por lo tanto pertenecen a las mallas 1 y 2. Como uno de los extremos de B1 y de B2 se mueve a la alogo R1 velocidad θ˙1 y el otro extremo es fijo, entonces sus elementos de circuito an´ y R2 , respectivamente, pertenecen a la malla 1. Asi mismo, uno de los extremos de B3 y de B4 se mueve a la velocidad θ˙2 y el otro extremo es fijo, entonces sus elemenotese tos de circuito an´ alogo R3 y R4 , respectivamente, pertenecen a la malla 2. N´ que C es un elemento com´ un a las mallas 1 y 2 (la corriente neta a través de él es i1 −i2 , con sentido de referencia hacia abajo) ya que los extremos de su análogo, K, se mueven a las velocidades angulares θ˙1 y θ˙2 (la velocidad relativa del extremo izquierdo con respecto al derecho es θ˙1 − θ˙2 ). Finalmente, el torque externo T (t) tiene como análogo en el circuito la fuente de voltaje v(t). N´ otese que con la polaridad mostrada de la fuente, si el estado energético inicial se supone nulo, las corrientes i1 (o) e i2 (0) son positivas con los sentidos mostrados cuando v(0) > 0, lo cual coincide con que si T (0) > 0, θ˙1 (0) y θ˙2 (0) son positivas con los sentidos mostrados.

Figura 2.25 Circuito eléctrico an´ alogo del ejemplo 2.7

2.12 Circuito paralelo R-L-C 49 Las siguientes son las magnitudes y variables an´ alogas: 1 , v(t) = T (t), L2 = J2 , L1 = J1 , R4 = B4 , R3 = B3 , R2 = B2 , R1 = B1 , C = K ˙ ˙ i2 = θ2 , i1 = θ1 . Aplicando la segunda ley de Kirchhoff a cada una de las mallas del circuito de la Fig. 2.25 se obtienen las ecuaciones que lo describen: Z 1 di1 + (i1 − i2 )dt (2.75) v(t) = (R1 + R2 )i1 + L1 dt C Z 1 di2 + (i2 − i1 )dt (2.76) 0 = (R3 + R4 )i2 + L2 dt C Reemplazando las anteriores magnitudes y variables análogas en (2.75) y (2.76) se obtienen las ecuaciones que describen el comportamiento del sistema mec´ anico rotacional de la Fig. 2.24: T (t) = (B1 + B2 ) 0 = (B3 + B4 )

dθ1 d2 θ1 + M1 2 + K(θ1 − θ2 ) dt dt

dθ2 d2 θ2 + M2 2 + K(θ2 − θ1 ) dt dt

(2.77) (2.78)

Ejemplo 2.8 Verificar que las ecuaciones (2.77) y (2.78) describen el comportamiento del sistema de la Fig. 2.24. La Fig. 2.26 muestra los diagramas de cuerpo libre de las dos inercias

Figura 2.26 Diagramas de cuerpo libre de J1 y J2 Aplicando la segunda ley de Newton para sistemas rotacionales a cada una de las inercias de la Fig. 2.26 se obtienen las siguientes ecuaciones: T (t) − B1

dθ1 dθ1 d2 θ1 − B2 − K(θ1 − θ2 ) = M1 2 dt dt dt

dθ2 dθ2 d2 θ2 − B4 = M2 2 dt dt dt Reorganizando (2.79) y (2.80) se obtienen (2.77) y (2.78). −K(θ2 − θ1 ) − B3

(2.79) (2.80)


2.12

Circuito paralelo R-L-C

Figura 2.27 Circuito paralelo R-L-C Aplicando la primera ley de Kirchhoff (de corrientes) al u ńico corte del circuito de la Fig. 2.27 se obtiene la ecuaci´ on (2.81): 1 is (t) = L

Z

edt +

e de +C R dt

(2.81)

Si se tiene en cuenta que el flujo concatenado por la inductancia es φ = Li, entonces el voltaje en los terminales de la inductancia es dado por:

e=

dφ dt

(2.82)

Utilizando (2.82) en (2.81) se obtiene la ecuaci´ on diferencial (2.83):

C

2.13

1 d2 φ 1 dφ + φ = is (t) + 2 dt R dt L

(2.83)

Analog´ıa fuerza-torque-corriente

Comparando las ecuaciones diferenciales (2.22), (2.64) y (2.83) de los sistemas f´ısicos correspondientes (mec´ anico traslacional de la Fig. 2.10, mec´ anico rotacional de la Fig. 2.19 y circuito eléctrico de la Fig. 2.27) se nota que son de forma idéntica. Tales sistemas también se denominan sistemas an´ alogos y los términos que ocupan las posiciones correspondientes en las ecuaciones diferenciales se denominan magnitudes y variables an´ alogas. De esta comparaci´ on se explica porqué se denomina la analog´ıa fuerza-torque-corriente. La siguiente tabla hace un resumen de las analog´ıas en este caso:

2.13 Analog´ıa fuerza-torque-corriente 51

Sist. mec´ anico traslacional

Sist. mec´ anico rotacional

Sistema eléctrico

Fuerza u Velocidad lineal y˙ Desplazamiento lineal y Masa M Coef. fricci´ on viscosa B Constante del resorte K

Torque T Velocidad angular θ˙ Desplazamiento angular θ Inercia J Coef. fricción viscosa B Constante del resorte K

Corriente i Voltaje v Flujo φ Capacitancia C Conductactancia R1 Inverso inductancia

1 L

Nuevamente entonces se pueden obtener circuitos eléctricos an´ alogos a sistemas mec´ anicos traslacionales y rotacionales y utilizar todas las técnicas de descripción de redes (inclusive muchos teoremas que simplifican el an´ alisis) para plantear modelos matemáticos para los sistemas mecánicos. El circuito eléctrico an´ alogo a un sistema mecánico traslacional (rotacional) se puede obtener teniendo en cuenta la anterior tabla y notando que por cada masa (inercia) o punto que se desplace (rote) a cierta velocidad en el sistema mecánico, habr´ a un nodo en el circuito análogo (además del de referencia). Si se supone, sin pérdida de generalidad, que todas aquellas velocidades son positivas con respecto a la referencia, en el circuito se supone que todos los nodos est´ an a mayor potencial con respecto al de referencia. Ejemplo 2.9 Plantear un modelo matem´ atico para el sistema mec´ anico traslacional de la Fig. 2.21 utilizando ahora la analog´ıa fuerza-torque-corriente. Nótese de la Fig. 2.21 que hay dos velocidades y˙ 1 y y˙ 2 que se suponen positivas con respecto a la referencia. Por lo tanto, el circuito eléctrico an´ alogo (Fig. 2.28) tendrá dos nodos (1 y 2) y el de referencia (0) cuyos voltajes con respecto al de referencia (llamados voltajes de nodo) e1 y e2 , son análogos a las velocidades y˙ 1 y y˙ 2 , respectivamente. Utilizando la tabla de la analog´ıa fuerza-torque-corriente se obtienen los elementos de circuito correspondientes a las masas, resortes y amortiguadores. Puesto que las masas M1 y M2 se mueven a las velocidades y˙ 1 y y˙2 , entonces los voltajes entre los terminales de las capacitancias an´ alogas correspondientes C1 y C2 son e1 y e2 y por lo tanto están conectadas entre los nodos 1 y referencia y 2 y referencia, respectivamente. As´ı mismo, como uno de los extremos de B1 y de K1 se mueve a la velocidad y˙ 1 y el otro extremo es fijo, entonces sus elementos de circuito análogo R1 y L1 , respectivamente, están conectados entre el nodo 1 y el de referencia. Nótese que R2 y L2 son elementos conectados entre los nodos 1 y 2 (la diferencia de potencial entre sus terminales es e1 − e2 , suponiendo el nodo 1 a mayor potencial con respecto al nodo 2) ya que los extremos de sus an´ alogos, B2 y K2 , se mueven a las velocidades y˙ 1 y y˙ 2 (la velocidad relativa del extremo inferior con respecto al alogo en el superior es y˙ 1 − y˙ 2 ). Finalmente, la fuerza externa p(t) tiene como an´ circuito la fuente de corriente i(t). Nótese que con el sentido mostrado de la fuente, si el estado energético inicial se supone nulo, los voltajes de nodo e1 (o) y e2 (0) son positivos cuando i(0) > 0, lo cual coincide con que si p(0) > 0, y˙ 1 (0) y y˙ 2 (0) son positivas con los sentidos mostrados.


Figura 2.28 Circuito eléctrico an´ alogo del ejemplo 2.9 Las siguientes son las magnitudes y variables análogas: C2 = M2 , C1 = M1 , R2 = B12 , R1 = B11 , L2 = K12 , L1 = K11 , i(t) = p(t), e2 = y˙ 2 , e1 = y˙ 1 . Aplicando la primera ley de Kirchhoff a los nodos 1 y 2 del circuito de la Fig. 2.28 se obtienen las ecuaciones que lo describen: Z Z e1 1 1 e1 − e2 de1 e1 dt + (e1 − e2 )dt + + + (2.84) 0 = C1 dt R1 L1 L2 R2 Z 1 de2 (e2 − e1 ) (e2 − e1 )dt + + (2.85) i(t) = C2 dt R2 L2

Reemplazando las anteriores magnitudes y variables análogas en (2.84) y (2.85) se obtienen las ecuaciones (2.72) y (2.71), respectivamente, que describen el comportamiento del sistema mec´ anico traslacional de la Fig. 2.21. Ejemplo 2.10 Plantear un modelo matem´ atico para el sistema mec´ anico rotacional de la Fig. 2.24 utilizando la analog´ıa fuerza-torque-corriente.

Nótese de la Fig. 2.24 que hay dos velocidades angulares θ˙1 y θ˙2 que se suponen positivas con los sentidos mostrados. Por lo tanto, el circuito eléctrico an´ alogo (Fig. 2.29) tendrá dos nodos (1 y 2) y el de referencia (0) cuyos voltajes de nodo e1 y e2 , son análogos a las velocidades θ˙1 y θ˙2 , respectivamente. Utilizando la tabla de la analog´ıa fuerza-torque-corriente se obtienen los elementos de circuito correspondientes a las inercias, resortes y amortiguadores. Puesto que las inercias J1 y J2 se mueven a las velocidades θ˙1 y θ˙2 , entonces los voltajes entre los terminales de las capacitancias análogas correspondientes C1 y C2 son e1 y e2 y por lo tanto están conectadas entre los nodos 1 y referencia y 2 y referencia, respectivamente. Como uno de los extremos de B1 y de B2 se mueve a la velocidad θ˙1 y el otro extremo es fijo, entonces sus an conectados entre el elementos de circuito análogo R1 y R2 , respectivamente, est´ nodo 1 y el de referencia. Asi mismo, uno de los extremos de B3 y de B4 se mueve a

2.13 Analog´ıa fuerza-torque-corriente 53 alogo la velocidad θ˙2 y el otro extremo es fijo, entonces sus elementos de circuito an´ an conectados entre el nodo 1 y el de referencia. N´ otese R3 y R4 , respectivamente, est´ que L es un elemento conectado entre los nodos 1 y 2 (la diferencia de potencial entre sus terminales es e1 −e2 , suponiendo el nodo 1 a mayor potencial con respecto al nodo 2) ya que los extremos de su an´ alogo, K, se mueven a las velocidades angulares θ˙1 ˙ y θ2 (la velocidad relativa del extremo izquierdo con respecto al derecho es θ˙1 − θ˙2 ). Finalmente, el torque externo T (t) tiene como an´ alogo en el circuito la fuente de corriente i(t). N´ otese que con el sentido mostrado de la fuente, si el estado energético inicial se supone nulo, los voltajes de nodo e1 (o) y e2 (0) son positivos cuando i(0) > 0, lo cual coincide con que si T (0) > 0, θ˙1 (0) y θ˙2 (0) son positivas con los sentidos mostrados.

Figura 2.29 Circuito eléctrico an´ alogo del ejemplo 2.10 Las siguientes son las magnitudes y variables análogas: 1 , i(t) = T (t), C2 = J2 , C1 = J1 , R4 = B14 , R3 = B13 , R2 = B12 , R1 = B11 , L = K ˙ ˙ e2 = θ2 , e1 = θ1 . Aplicando la primera ley de Kirchhoff a los nodos 1 y 2 del circuito de la Fig. 2.29 se obtienen las ecuaciones que lo describen: 1 de1 e1 + C1 + i(t) = (R1 + R2 ) dt L e2 1 de2 0= + C2 + (R3 + R4 ) dt L

Z

Z

(e1 − e2 )dt

(e2 − e1 )dt

(2.86)

(2.87)

Reemplazando las anteriores magnitudes y variables análogas en (2.86) y (2.87) se obtienen las ecuaciones (2.78) y (2.77), respectivamente, que describen el comportamiento del sistema mec´ anico rotacional de la Fig. 2.24. Ejemplo 2.11 Obtener un modelo matem´ atico que describa el comportamiento del sistema mec´ anico traslacional de la Fig. 2.30 utilizando la analog´ıa fuerza-torquecorriente.


Figura 2.30 Sistema mecánico traslacional del ejemplo 2.11 Utilizando el mismo procedimiento de los dos ejemplos anteriores se obtiene el circuito eléctrico an´ alogo que se muestra en la Fig. 2.31.

Figura 2.31 Circuito eléctrico an´ alogo del ejemplo 2.11 Las parámetros y variables an´ alogas son: Ci = Mi , i = 1, 2, 3 Rk = B1k , k = 1, 2 Lj = K1j , j = 1, 2, 3, 4

2.13 Analog´ıa fuerza-torque-corriente 55 i(t) = p(t), e1 = y˙ 1 , e2 = y˙ 2 , e3 = y˙3 Aplicando la primera ley de Kirchhoff a los nodos 1, 2 y 3 se obtienen las ecuaciones que describen el circuito de la Fig. 2.31: Z 1 e1 − e2 e1 − e3 (e1 − e2 )dt + e1 dt + + = i(t) (2.88) L3 R1 R2 Z Z 1 1 e2 − e1 de2 (e2 − e1 )dt + C2 (e2 − e3 )dt = 0 + + (2.89) R1 L3 dt L4 Z 1 e3 − e1 de3 C3 + =0 (2.90) (e3 − e2 )dt + dt L4 R2 Utilizando los parámetros y variables análogas en las ecuaciones (2.88), (2.89) y (2.90) se obtienen las ecuaciones que describen el sistema de la Fig. 2.30: 1 1 de1 +( + ) C1 dt L1 L2

Z

M1 y¨1 + (K1 + K2 )y1 + K3 (y1 − y2 ) + B1 (y˙1 − y˙ 2 ) + B2 (y˙ 1 − y˙3 ) = p(t)

(2.91)

B1 (y˙ 2 − y˙ 1 ) + K3 (y2 − y1 ) + M2 y¨2 + K4 (y2 − y3 ) = 0

(2.92)

M3 y¨3 + K4 (y3 − y2 ) + B2 (y˙ 3 − y˙ 1 ) = 0

(2.93)

Ejemplo 2.12 Plantear un modelo matem´ atico para el sistema mec´ anico traslacional de la Fig. 2.13 utilizando la analog´ıa fuerza-torque-corriente. El circuito an´ alogo eléctrico en este caso se muestra en la Fig. 2.32, en donde las magnitudes y variables an´ alogas son: ˙ e2 = z, ˙ C2 = M2 , C1 = M1 , R2 = B12 , R1 = B11 , L2 = K12 , L1 = K11 , v(t) = u(t), ˙ e1 = y.

Figura 2.32 Circuito eléctrico an´ alogo del ejemplo 2.12 Aplicando la primera ley de Kirchhoff a los nodos 1 y 2 se obtienen las ecuaciones (2.94) y (2.95):


1 de1 e1 + + C1 R1 dt L1

Z

.

(e1 − u)dt ˙ +

1 de2 e2 + + C2 R2 dt L2

Z

1 L2

Z

(e1 − e2 )dt = 0

(e2 − e1 )dt = 0

(2.94)

(2.95)

Reemplazando los anteriores par´ ametros y variables an´ alogas en (2.94) y (2.95) se obtienen las ecuaciones (2.44) y (2.45), que describen el sistema mec´ anico de la Fig. 2.13.

2.14

Ecuaciones de estado para circuitos el´ ectricos

Se ver´ a un procedimiento sistem´ atico para asignar variables de estado y plantear las ecuaciones de estado para circuitos con parámetros concentrados que pueden contener fuentes independientes de voltaje y de corriente. Si en una red eléctrica se conocen las corrientes en todas las inductancias y los voltajes en todos los condensadores, entonces el comportamiento de la red est´ a completamente descrito. Por lo tanto es natural seleccionar como variables de estado las corrientes en todos los inductores y los voltajes en todos los capacitores en redes propias (que no son impropias). Una red impropia es aquella que contiene por lo menos una trayectoria cerrada (llamada impropia) compuesta u ńicamente de condensadores y/o fuentes independientes de voltaje y/o un corte (llamado impropio) formado u ńicamente por inductores (con o sin acoplamiento m´ utuo) y/o fuentes independientes de corriente. Nótese que al aplicar la segunda (primera) ley de Kirchhoff a cada trayectoria impropia (corte impropio) aparece una dependencia lineal entre los voltajes (corrientes) de los condensadores (inductancias) que forman parte de élla (él). Por lo tanto, en una red impropia se deben escoger como variables de estado los voltajes en todos los condensadores, menos uno por cada trayectoria impropia (el correspondiente a cualquiera de los condensadores de la trayectoria impropia) y las corrientes en todas las inductancias, menos una por cada corte impropio (la correspondiente a cualquiera de las inductancias del corte impropio) para que el n´ umero de variables de estado sea m´ınimo (es decir, no haya variables de estado redundantes). Recuérdese que un conjunto de cortes es m´ınimo si cada uno de éllos tiene una s´ ola rama.

2.15 Método sistem´ atico para obtener las ecuaciones de estado 57

Figura 2.33 Circuitos impropios N´ otese que si en cualquiera de los circuitos impropios de la Fig. 2.33 se asignan los voltajes en todos los condensadores y las corrientes en todas las inductancias como variables de estado se ve que x1 (t) = x2 (t) ∀t. Obviamente hay una redundancia aqu´ı.

2.15

M´ etodo sistem´ atico para obtener las ecua-

ciones de estado

1. Hacer un gráfico y seleccionar un a´rbol que se llamar´ a´ arbol normal, en donde las ramas de éste se escogen en el siguiente orden: fuentes de voltaje, capacitores, resistencias, inductancias y fuentes de corriente. Por lo tanto, un a´rbol normal consiste de todas las fuentes de voltaje, el m´ aximo n´ umero permisible de capacitores (en el caso de una trayectoria impropia no todos los condensadores pueden formar parte del árbol), las resistencias y finalmente el n´ umero m´ınimo de inductancias. Generalmente no contiene fuentes de corriente 2. Asignar los voltajes en los condensadores que forman parte del a´rbol normal y las corrientes en las inductancias que corresponden a enlaces como variables de estado. Los voltajes en los condensadores que corresponden a enlaces y las corrientes en las inductancias que forman parte del a´rbol normal no son necesarios escogerlos como variables de estado. 3. Expresar los voltajes y corrientes a través de todas las resistencias, todos los condensadores que correspondan a enlaces y todos los inductores que forman parte del árbol normal en funci´ on de las variables de estado y las entradas (fuentes independientes) mediante la aplicación de la segunda y la primera ley de Kirchhoff

58 MODELOS MATEMATICOS DE SISTEMAS FISICOS a los anillos (un anillo es una trayectoria cerrada que contiene un sólo enlace) y cortes que contienen aquellos elementos. 4. Aplicar la segunda y la primera ley de Kirchhoff a cada anillo y cada corte que contiene cada elemento que ha sido asignado como variable de estado. Ejemplo 2.13 Plantear las ecuaciones de estado y de salida del circuito mostrado en la Fig. 2.34.

Figura 2.34 Circuito eléctrico del ejemplo 2.13 Se obtiene el gr´ afico que se muestra en la Fig. 2.35, en donde el a´rbol es un árbol normal.

Figura 2.35 Gr´ afico del circuito de la Figura 2.34 ¤t £ ¤t £ = v2 v3 i7 Se escogen como variables de estado a x = x1 x2 x3 Se expresana v6 (y por lo tanto i6 ) e i4 (y por lo tanto v4 ) en funci´ on de las variables de estado y de las entradas, usando las leyes de Kirchhoff. Aplicando la segunda ley de Kirchhoff en el anillo formado por los nodos 1-0-2-1 se obtiene:

2.15 Método sistem´ atico para obtener las ecuaciones de estado 59

v6 = u1 (t) − x1

(2.96)

u1 (t) − x1 R1

(2.97)

Por lo tanto: i6 =

Aplicando la primera ley de Kirchhoff al corte c4 se obtiene: i4 = x3

(2.98)

v4 = R2 x3

(2.99)

Por lo tanto:

Ahora se obtienen las ecuaciones de estado. Aplicando la primera ley de Kirchhoff (plk) al corte c2 , usando (2.97) y organizando se obtiene (2.100). x˙ 1 = −

1 1 1 1 x1 − x3 + u1 (t) + u2 (t) R1 C1 C1 R1 C1 C1

(2.100)

Usando la primera ley de Kirchhoff en el corte c3 y organizando se obtiene (2.101). x˙ 2 =

1 x3 C2

(2.101)

Aplicando la segunda ley de Kirchhoff (slk) en el enlace formado por los nodos 0-2-34-0 y organizando se obtiene (2.102). 1 R2 1 x1 − x2 − x3 (2.102) L L L Reescribiendo (2.100), (2.101) y (2.102) en forma matricial se obtiene la ecuación de estado (2.103). x˙ 3 =



  − R11C1 x˙ 1  x˙ 2  =  0 1 x˙ 3 L

0 0 − L1

− C11

1 C2 − RL2



  x1   x2  +  x3

1 R1 C1

0 0

1 C1



0  0

·

u1 (t) u2 (t)

¸

(2.103)

La ecuaci´ on de salida se puede expresar fácilmente en funci´ on de las variables de estado y las entradas como: .

y = v7 = L x3 = x1 − x2 − R2 x3 la cual escrita en forma matricial es: y=

£

1 −1 −R2

¤



 x1  x2  x3

(2.104)

60 MODELOS MATEMATICOS DE SISTEMAS FISICOS Ejemplo 2.14 Plantear las ecuaciones de estado y de salida del circuito mostrado en la Fig. 2.36. Las salidas son: el voltaje en el condensador C1 con la polaridad mostrada y la corriente a través de la inductancia L2 con el sentido mostrado.

Figura 2.36 Circuito del ejemplo 2.14 La Fig. 2.37 muestra el gr´ afico orientado en donde se usó el a´rbol normal.

Figura 2.37 Gr´ afico del circuito de la Figura 2.36

2.15 Método sistem´ atico para obtener las ecuaciones de estado 61 ¤t £ ¤t £ = v2 v3 i6 Se escogen como variables de estado a x = x1 x2 x3 Como hay inductancias m´ utuamente acopladas, es conveniente plantear la ecuación primitiva que relaciona los voltajes entre sus terminales y las derivadas temporales de las corrientes. Es decir, en este caso: ¸ · ¸ · di5 ¸ · L1 −M v5 dt = (2.105) di6 v6 −M L2 dt

Aplicando la segunda ley de Kirchhoff al anillo que contiene el enlace 7 y la primera ley de Kirchhoff a los cortes que contienen la ramas 5 y 4, respectivamente, se obtienen: v7 = x2 − x1

(2.106)

i5 = u2 + x3

(2.107)

i4 = x3

(2.108)

i7 = C2 (x˙ 2 − x˙ 1 )

(2.109)

v5 = L1 (u˙ 2 + x˙ 3 ) − M x˙ 3

(2.110)

v4 = Rx3

(2.111)

Por lo tanto:

Aplicando la plk a los cortes c2 y c3 y usando la ec. (2.109) se obtienen, respectivamente: C1 x˙ 1 − C2 (x˙ 2 − x˙ 1 ) − u2 − x3 = 0

(2.112)

C3 x˙ 2 + C2 (x˙ 2 − x˙ 1 ) + u2 = 0

(2.113)

.

.

Organizando (2.112) y (2.113) y resolviendo para x1 y x2 se obtienen: x˙ 1 =

C2 + C3 C3 x3 + u2 π1 π1

(2.114)

C1 C2 x3 − u2 π1 π1

(2.115)

x˙ 2 =

en donde π1 = C1 C2 + C1 C3 + C2 C3 . Aplicando la slk al anillo que contiene el enlace 6, usando las ecs. (2.105), (2.107) y (2.111) y organizando se obtiene: R 1 1 M − L1 . u2 x1 − x3 + u1 + π2 π2 π2 π2 en donde π2 = L1 + L2 − 2M . Reescribiendo las ecuaciones de estado en forma matricial: x˙ 3 = −

(2.116)


  0 x˙ 1  x˙ 2  =   0 x˙ 3 − π12 

0 0 0

C2 +C3 π1 C2 π1 2 −R π2

La ecuaci´ on de salida es:



  0 x1   x2 + 0 1 x3 π2

y=

2.16

·

1 0 0 0 0 1

¸

C3 π1 1 −C π1

0

 

·

 ¸ 0 u1 + 0 u2 0

 x1  x2  x3 

0 0 M−L1 π2

 

·

u˙ 1 u˙ 2

(2.117)

(2.118)

Ecuaciones de estado con derivadas de las

entradas Como se puede notar del ejemplo anterior (caso de un circuito impropio), a veces pueden aparecer en la ecuaci´ on matricial de estado la primera derivada de las entradas. Es decir, en forma general: x˙ = Ax+B1 u+B2 u˙

(2.119)

y = Cx+Du

(2.120)

Para evitar que estas derivadas de las entradas aparezcan en la ecuaci´ on de estado, se pueden redefinir las variables de estado de la siguiente manera: b , x − B2 u x

(2.121)

x˙ − B2 u˙ = Ax+B1 u

(2.122)

De (2.119):

Reemplazando (2.121) en (2.122): .

y organizando:

b = A[b x x + B2 u]+B1 u .

b = Ab x x + [B1 + AB2 ]u

(2.123)

y = Cb x + [CB2 + D]u

(2.124)

(2.123) es la nueva ecuaci´ on matricial de estado. La ecuación de salida se obtiene reemplazando (2.121) en (2.120):

b. (2.124) es la ecuaci´ on de salida en función de las nuevas variables de estado x

¸

2.17 El transformador ideal como an´ alogo de la palanca 63

2.17 2.17.1

Otras analog´ıas electromec´ anicas Palancas

Figura 2.38 Palanca ideal Considérese el sistema mec´ anico de la Fig. 2.38 el cual consta de una palanca ideal y un punto de apoyo. Supóngase que F1 (con el sentido mostrado) es una fuerza externa aplicada en el extremo de la izquierda y F2 (con el sentido mostrado) es la fuerza generada sobre alguna carga mecánica, la cual no se muestra. La velocidad angular ω de la palanca que rota alrededor del punto de apoyo se puede expresar en funci´ on de las velocidades lineales de los extremos, v1 y v2 , de la siguiente manera: ω=

v1 v2 = d1 d2

de donde se obtiene la relación entre las velocidades lineales: d1 v1 = v2 d2

(2.125)

Puesto que se ha supuesto que la palanca es ideal, entonces, aplicando el principio de conservaci´ on de la energ´ıa, la potencia entregada en el extremo izquierdo de la palanca (F1 v1 ) es igual a la potencia absorbida por la carga en el extremo derecho de la palanca (F2 v2 ). Matemáticamente: F1 v1 = F2 v2 de donde se obtiene la relación entre las fuerzas en los extremos: d2 F1 = F2 d1

(2.126)


2.17.2

El transformador ideal como an´ alogo de la palanca

Figura 2.39 El transformador ideal La Fig. 2.39 muestra el circuito de un transformador ideal, en el cual se satisfacen las siguientes relaciones: n1 e1 = =a e2 n2

(2.127)

n2 1 i1 = = i2 n1 a

(2.128)

en donde e1 y e2 (i1 e i2 ) son los voltajes (corrientes) con las polaridades (sentidos) mostradas entre (a través de) los terminales de los devanados del primario y del secundario, respectivamente. a es la relación del n´ umero de espiras del primario al secundario. Comparando las ecuaciones (2.127) con la (2.125) y la (2.128) con la (2.126) se puede establecer una analog´ıa entre la palanca y el transformador, en donde e1 y e2 (i1 e i2 ) on a = nn12 a dd12 . N´ otese que esta analog´ıa son análogos a v1 y v2 (F1 y F2 ) y la relaci´ usa la analog´ıa fuerza-corriente.

2.17.3

El transformador como acoplador de impedancias

Figura 2.40 El transformador con carga Considérese el transformador ideal mostrado en la Fig. 2.40, en donde la carga podr´ıa

2.17 La palanca como acoplador de elementos mecánicos 65 ser una resistencia, un condensador, una inductancia o una combinación de estos elementos.

a. Si se supone que la carga es una resistencia R, entonces: e2 = Ri2

(2.129)

Reemplazando (2.127) y (2.128) en (2.129) se obtiene (2.130): e1 = Req i1

(2.130)

en donde Req = a2 R, es una resistencia equivalente vista entre los terminales del primario.

b. Si la carga es una inductancia L, entonces: di2 dt Usando (2.127) y (2.128) en (2.131) se obtiene (2.132): e2 = L

(2.131)

di1 (2.132) dt = a2 L, es una inductancia equivalente vista entre los terminales del e1 = Leq

en donde Leq primario.

c. Si la carga es una capacitancia C, entonces: de2 dt Usando (2.127) y (2.128) en (2.133) se obtiene (2.134): i2 = C

(2.133)

de1 (2.134) dt = aC2 , es una capacitancia equivalente vista entre los terminales del i1 = Ceq

en donde Ceq primario.

2.17.4

La palanca como acoplador de elementos mec´ anicos

Considérese la palanca ideal de la Fig. 2.38, en donde la carga podr´ıa ser una masa, un resorte o un amortiguador, o cualquier conexión de estos elementos.


a. Si se supone que la carga conectada entre el extremo derecho de la Fig. 2.38 y la referencia es un amortiguador, con coeficiente de fricción viscosa B, entonces:

F2 = Bv2

(2.135)

Usando (2.125) y (2.126) en (2.135) se obtiene (2.136): F1 = Beq v1 ³

(2.136)

´2

en donde Beq = dd21 B, es el coeficiente de fricción viscosa del amortiguador equivalente en el extremo izquierdo de la palanca.

b. Si la carga es un resorte con constante K, conectado entre el extremo derecho de la Fig. 2.38 y la referencia, entonces:

F2 = K

Z

v2 dt

Usando (2.125) y (2.126) en (2.137) se obtiene (2.138): Z F1 = Keq v1 dt

(2.137)

(2.138)

³ ´2 en donde Keq = dd21 K, es la constante del resorte equivalente en el extremo izquierdo de la palanca.

c. Si la carga es una masa M en el extremo derecho de la palanca, entonces:

F2 = M

dv2 dt

(2.139)

Usando (2.125) y (2.126) en (2.139) se obtiene (2.140): F1 = Meq en donde Meq = palanca.

³

d2 d1

´2

dv1 dt

(2.140)

M, es la masa equivalente en el extremo izquierdo de la

2.17 La palanca como acoplador de elementos mecánicos 67 Ejemplo 2.15 Para el sistema mec´ anico de la Fig. 2.41 hallar la ecuaci´ on diferencial que relaciona el desplazamiento de la masa M con la fuerza externa p(t). Suponer que la palanca es ideal.

Figura 2.41 Sistema mec´ anico del ejemplo 2.15 Se utilizará la analog´ıa fuerza-torque-corriente. El circuito eléctrico an´ alogo se muestra en la Fig. 2.42.

Figura 2.42 Circuito eléctrico an´ alogo del ejemplo 2.15 Las analog´ıas son: 1 , a = dd12 , i(t) = p(t), e = C = M, R = B1 , L = K Aplicando la plk en el nodo 1 se obtiene (2.141):

dy dt

e de + (2.141) dt R Reemplazando las analog´ıas en (2.141) se obtiene (2.142) que es la ecuaci´ on difeai(t) = c

68 MODELOS MATEMATICOS DE SISTEMAS FISICOS rencial pedida: M

2.17.5

d2 dy d2 d2 y = p(t) +B 2 d1 dt d1 dt

(2.142)

Sistemas acoplados de movimento rotacional

Figura 2.43 Engranajes Considérese el sistema mec´ anico rotacional de la Fig. 2.43 el cual consta de un par de engranajes y alguna carga mec´ anica en el engranaje de la derecha, la cual no se muestra. Supóngase que T1 (con el sentido mostrado) es una torque externo aplicado en el engranaje de la izquierda y T2 (con el sentido mostrado) es el torque generado sobre la carga mec´ anica. La velocidad tangencial en el punto A de la Fig. 2.43, v, se puede expresar en función de las velocidades angulares, ω1 y ω2 , de la siguiente manera: v = ω1 r1 = ω2 r2 donde r1 y r2 son los radios de los engranajes 1 y 2, respectivamente. Como la relaci´ on del n´ umero de dientes de los engranajes es proporcional a la relaci´ on de los radios respectivos, entonces: r2 N2 1 ω1 = = = ω2 r1 N1 N

(2.143)

Puesto que se ha supuesto que el acoplamiento es ideal, entonces, aplicando el principio de conservaci´ on de la energ´ıa, la potencia entregada en el eje del engranaje izquierdo (T1 ω1 ) es igual a la potencia absorbida por la carga conectada en el eje del engraje derecho (T2 ω2 ). Matemáticamente: T1 ω1 = T2 ω2

2.17 El engranaje como acoplador de elementos mecánicos 69 de donde se obtiene la relación entre los torques: N1 T1 = =N T2 N2

(2.144)

Comparando las ecuaciones (2.127) con la (2.143) y la (2.128) con la (2.144) se puede establecer una analog´ıa entre el par de engranajes acoplados rotacionalmente y el transformador, en donde e1 y e2 (i1 e i2 ) son análogos a ω1 y ω2 (T1 y T2 ) y la 2 otese que esta analog´ıa usa la analog´ıa torque-corriente. relaci´ on a = nn12 a N1 = N N1 . N´

2.17.6

El engranaje como acoplador de elementos mec´ anicos

Considérese el engranaje ideal de la Fig. 2.43, en donde la carga podr´ıa ser una inercia, un resorte o un amortiguador, o cualquier conexi´ on de estos elementos.

a. Si se supone que la carga conectada en el engranaje 2 de la Fig. 2.43 y la referencia es un amortiguador rotacional, con coeficiente de fricci´ on viscosa B, entonces: T2 = Bω2

(2.145)

Usando (2.143) y (2.144) en (2.145) se obtiene (2.146): T1 = Beq ω1

(2.146)

2

en donde Beq = N B, es el coeficiente de fricción viscosa del amortiguador equivalente en el eje del engranaje 1.

b. Si la carga es un resorte rotacional con constante K, conectado en el engranaje 2 de la Fig. 2.43 y la referencia, entonces:

T2 = K

Z

ω2 dt

Usando (2.143) y (2.144) en (2.147) se obtiene (2.148): Z F1 = Keq v1 dt

(2.147)

(2.148)

en donde Keq = N 2 K, es la constante del resorte equivalente en el eje del engranaje 1.

c. Si la carga es una inercia J en el engranaje 2, entonces:


dω2 dt Usando (2.143) y (2.144) en (2.149) se obtiene (2.150): T2 = J

T1 = Jeq

dω1 dt

(2.149)

(2.150)

en donde Jeq = N 2 M, es la inercia equivalente en el eje del engranaje 1. Ejemplo 2.16 Plantear un conjunto linealmente independiente de ecuaciones diferenciales que describa completamente el comportamiento del sistema mostrado en la Fig. 2.44.

Figura 2.44 Sistema del ejemplo 2.16 Como se supone que la corriente de campo del motor es constante, entonces el voltaje inducido en la armadura del motor, e, y el torque generado por el mismo, Tm , son dados por: e = Km ωm = Km Tm = KT ia

dθm dt

(2.151) (2.152)

donde Km y KT son las constantes de voltaje y de torsión del motor, respectivamente. Aplicando la slk en la armadura del motor se tiene:

2.17 El engranaje como acoplador de elementos mecánicos 71

dia +e (2.153) dt Utilizando la analog´ıa fuerza-torque-corriente, para el sistema mec´ anico rotacional se obtiene el circuito eléctrico an´ alogo de la Fig. 2.45, en donde las analog´ıas son: 1 1 1 c Im = Tm , em = dθdtm , ec = dθ dt , R1 = B1 , R2 = B2 , Rc = Bc , 1 1 1 Rm = Bm , Lm = Gm , a = N , C1 = J1 , C2 = J2 , Cc = Jc u(t) = Ra ia + La

Figura 2.45 Circuito an´ alogo del sistema mecánico rotacional del ejemplo 2.16 Si los elementos de circuito del lado derecho del transformador (secundario) se refieren al lado izquierdo del mismo (primario), el circuito de la Fig. 2.45 queda reducido al circuito simple de la Fig. 2.46.

Figura 2.46 Circuito reducido de la Figura 2.45 en donde: Ceq = C1 + Req =

C2 + Cc a2

a2 R1 R2 Rc R1 R2 + R1 Rc + a2 R2 Rc

(2.154) (2.155)

72 MODELOS MATEMATICOS DE SISTEMAS FISICOS Aplicando la plk a los nodos 1 y 2 del circuito de la Fig. 2.46 se obtienen: Z 1 em (em − aec )dt = Im + Rm Lm Z 1 d(aec ) aec + + Ceq (aec − em )dt = 0 Req dt Lm

(2.156) (2.157)

Reemplazando las analog´ıas, (2.154) y (2.155) en (2.156) y (2.157) se obtienen: Bm

1 dθm + Gm (θm − θc ) = Tm dt N

(2.158)

1 dθc d2 θc 1 1 [B1 + N 2 (Bc + B2 ) + [J1 + N 2 (Jc + J2 ) 2 + Gm ( θc − θm ) = 0 (2.159) N dt N dt N Las ecuaciones (2.151), (2.152), (2.153), (2.158), y (2.159) constituyen el modelo matemático que describe completamente el comportamiento del sistema de la Fig. 2.44.

2.18

Linealizaci´ on de un modelo matem´ atico no

lineal Supóngase que se tiene la funci´ on f (x, y, z) y se desea expandir en series de Taylor alrededor del punto (x0 , y0 , z0 ) = P0 . Entonces: ∞ X ∂k f (x − x0 )k ∂ k f (y − y0 )k ∂ k f (z − z0 )k + k |P0 + k |P0 ] f(x, y, z) = f(x0 , y0 , z0 )+ [ k |P0 ∂x k! ∂y k! ∂z k! 1 (2.160) Sea:

∆x , x − x0 , ∆y , y − y0 , ∆z , z − z0 , ∆f , f(x, y, z) − f(x0 , y0 , z0 )

(2.161)

Despreciando términos de orden superior a uno y utilizando las definiciones (2.161) en (2.160) se obtiene: ∆f ≈ Kx ∆x + Ky ∆y + Kz ∆z

(2.162)

en donde: ∂f ∂f ∂f |P0 , Ky = |P0 , Kz = |P ∂x ∂y ∂z 0 Supóngase ahora que se tiene la ecuaci´ on diferencial no lineal (2.164): Kx =

F (x, x(1) , · · · , x(m) , y, y (1) , · · · , y (n) ) = 0

(2.163)

(2.164)

2.18 Linealizaci´ on de un modelo matemático no lineal 73 (1)

(m)

(1)

(n)

y el punto de operaci´ on P0 = (x0 , x0 , · · · , x0 , y0 , y0 , · · · , y0 ). Obviamente el punto de operación debe satisfacer la ecuaci´ on diferencial (2.163) y por lo tanto: (1)

(m)

(1)

(n)

F (x0 , x0 , · · · , x0 , y0 , y0 , · · · , y0 ) = 0

(2.165)

en donde: (k)

x0 =

∂kx ∂ky (k) | |P , y = P ∂tk 0 0 ∂tk 0

Expandiendo en series de Taylor (2.164) y despreciando términos de orden superior a uno: (1)

(m)

(1)

(n)

F (x, x(1) , · · · , x(m) , y, y (1) , · · · , y (n) ) = F (x0 , x0 , · · · , x0 , y0 , y0 , · · · , y0 ) + α (2.166) en donde:

α=

∂F ∂F ∂F ∂F ∂F |P ∆x+ (1) |P0 ∆x(1) +· · ·+ (m) |P0 ∆x(m) + |P ∆y+· · ·+ (n) |P0 ∆y(n) ∂x 0 ∂y 0 ∂x ∂x ∂y (2.167)

y: dk x dk ∆x dk y dk ∆y (k) = , ∆y = ∆ = (2.168) dtk dtk dtk dtk Reemplazando (2.164) y (2.165) en (2.166) y usando (2.168) se obtiene la ecuaci´ on diferencial linealizada alrededor del punto P0 : ∆x(k) = ∆

d∆x dm ∆x d∆y dn ∆y + · · · + Km + · · · + d = d ∆y + d 0 1 n dt dtm dt dtn

(2.169)

K0 =

∂F ∂F ∂F |P , K1 = |P , · · · , Km = |P ∂x 0 ∂x(1) 0 ∂x(m) 0

(2.170)

d0 = −

∂F ∂F ∂F |P , d1 = − (1) |P0 , · · · , dn = − (n) |P0 ∂y 0 ∂y ∂y

(2.171)

K0 ∆x + K1 donde:

y:

Ejemplo 2.17 Linealizar la ecuaci´ on diferencial no lineal (2.172) alrededor de un punto de operaci´ on que se supone conocido, P0 . x2 ( En este caso:

dx 2 dy 1 d2 y ) + 2x = y3 2 + (1 + y2 )( )2 + dt dt dt y

(2.172)


F (x, x(1) , y, y (1) , y(2) ) = x2 (x(1) )2 + 2x − y 3 y (2) − (1 + y 2 )(y (1) )2 −

1 y

Por lo tanto la ecuación linealizada es: K0 ∆x + K1

d∆x d∆y d2 ∆y = d0 ∆y + d1 + d2 dt dt dt2

(2.173)

en donde: K0 = [2x(x(1) )2 + 2] |P0 , K1 = [2x2 x(1) ] |P0 d0 = [3y 2 y (2) + 2y(y (1) )2 − y12 ] |P0 , d1 = [2(1 + y 2 )y (1) ] |P0 , d2 = [y 3 ] |P0

2.19

El servomotor hidr´ aulico

Figura 2.47 El servomotor hidráulico Como ejemplo de un sistema f´ısico no lineal se considera el servomotor hidr´ aulico, cuyo modelo matem´ atico se linealiza alrededor de un punto de operación conocido, alvula piloto es P0 . El funcionamiento descriptivo del sistema consiste en que si la v´ desplazada hacia la derecha, aceite a presi´ on entra por el lado derecho del pistón de potencia y el aceite del lado izquierdo del mismo va hacia el drenaje. La diferencia de presi´ on a ambos lados del pistón de potencia produce el desplazamiento de éste hacia la izquierda. El aceite retorna, recibe nuevamente presi´ on por una bomba y vuelve a circular al sistema. Cuando el pist´ on piloto se desplaza hacia la izquierda, el pistón de potencia se mueve hacia la derecha. Se determinará la funci´ on de transferencia,

2.19 El servomotor hidráulico 75 después de ser linealizado obviamente el sistema, considerando como salida el cambio en el desplazamiento de la carga mecánica, ∆y, y como entrada el cambio en el desplazamiento de la válvula piloto, ∆x.

x4

x4

x3

Q2

Q1

x3

x2

x2

x1

x1

P1

Ps

P2

Figura 2.48 Curvas no lineales de Q1 y Q2 La Fig. 2.48 muestra curvas no lineales de los caudales, Q1 y Q2 , en funci´ on de las alvula piloto, x. Las presiones P1 y P2 , respectivamente y del desplazamiento de la v´ expresiones matemáticas no lineales son: p Q1 = Kd x Ps − P1

(2.174)

p Q2 = Kd x P2

(2.175)

∆Q1 = K1 ∆x − K2 ∆P1

(2.176)

∆Q2 = K3 ∆x + K4 ∆P2

(2.177)

Linealizando (2.174) y (2.175):

donde: √ √ dx K1 = [Kd Ps − P1 ] |P0 , K2 = 2√K | , K3 = [Kd P2 ] |P0 , K4 = 2K√dPx |P0 Ps −P1 P0 2 Puesto que el caudal se define como el cambio de volumen por unidad de tiempo, entonces: Q1 = Q2 = y por lo tanto:

dy d(Ay) =A dt dt


∆Q1 = ∆Q2 = A

d∆y dt

(2.178)

La fuerza que actua sobre la masa M , con sentido de derecha a izquierda, debida al pistón de potencia es: F = A(P1 − P2 ) y por lo tanto: ∆F = A(∆P1 − ∆P2 )

(2.179)

Reemplazando (2.178) en (2.176) y (2.177) y despejando M P1 y M P2 en (2.179) se obtiene (2.180): ∆F = Kx ∆x − Ky

d∆y dt

(2.180)

Haciendo el diagrama de cuerpo libre de M y aplicando la segunda ley de Newton se obtiene: F −B

d2 y dy =M 2 dt dt

y por lo tanto: ∆F − B

d2 ∆y d∆y =M dt dt2

(2.181)

Reemplazando (2.180) en (2.181) se obtiene la ecuaci´ on diferencial que relaciona M x y M y: M

d2 ∆y d∆y = Kx ∆x + (B + Ky ) 2 dt dt

(2.182)

Usando la transformada de Laplace en (2.182), suponiendo condiciones iniciales nulas, se obtiene la función de transferencia pedida: K ∆Y (s) = ∆X(s) s(T s + 1)

(2.183)

Kx M donde K = B+K y T = B+K y y Si la constante de tiempo T es muy peque˜ na, o despreciable, entonces el servomotor hidráulico en este caso se comporta como un integrador con ganancia K:

K ∆Y (s) = ∆X(s) s

(2.184)

2.20 Gobernador de velocidad de una turbina 77

2.20

Gobernador de velocidad de una turbina

Figura 2.49 Gobernador de velocidad de una turbina Nótese que si Pref , la potencia de referencia, aumenta, el punto A baja, C sube, D sube, abriendo la v´ alvula piloto, lo que hace bajar E y abre más la v´ alvula de aguja. La turbina se acelera y ω = Kf aumenta. Al aumentar la velocidad las masas m se separan y el punto B baja, C y D bajan. Cuando se consigue el estado estacionario la v´ alvula piloto se cierra. Asimismo, con Pref constante, si la turbina es cargada, baja la velocidad ω = Kf , las masas se acercan subiendo los puntos B, C y D. La v´ alvula piloto se abre y E baja, abriendo m´ as la v´ alvula de aguja, incrementando la velocidad de la turbina, la que hace bajar B, C y D. En el equilibrio (nuevo) se vuelve, entonces, a cerrar la v´ alvula piloto. Si se considera la palanca A-B-C: Xc = f(XA , XB ) Linealizando: ∆Xc =

∂F ∂F |X =const ∆XA + |X =const ∆XB ∂XA B ∂XB A b a+b ∆XB ∆Xc = − ∆XA + a a

78 MODELOS MATEMATICOS DE SISTEMAS FISICOS Puesto que ∆XB ∝ ∆f y ∆XA ∝ ∆Pref entonces: ∆Xc = K1 ∆f − K2 ∆Pref

(2.185)

Asimismo para la palanca C-D-E: ∆XD = K3 ∆XC + K4 ∆XE Si se considera la función de transferencia simple del servomotor entonces: Z ∆XE = −K5 ∆XD dt

(2.186)

(2.187)

Transformando (2.187) y utilizando (2.186) : ∆XE (s) = −

1+

K3 K4 ∆Xc (s) 1 K4 K5 s

(2.188)

Con (2.185) en (2.188): ∆XE (s) = donde: 3 K2 KG = KK , TG = 4

1 K4 K5 ,

R=

KG 1 (∆Pref (s) − ∆f (s)) 1 + TG s R

(2.189)

K2 K1 .

Figura 2.50 Concatenaci´ on simple del gobernador de velocidad con la turbina, generador y area de potencia La Fig. 2.50 muestra una concatenación simple del gobernador de velocidad con la turbina, generador y area de potencia, en donde los modelos para la turbina-generador y el area de potencia se han escogido de primer orden. ∆PG y ∆PD son los incrementos de la potencia generada y la demandada por los usuarios, respectivamente.

2.21 Linealizaci´ on de las ecuaciones de estado no lineales 79

2.21

Linealizaci´ on de las ecuaciones de estado no

lineales Sea el conjunto de ecuaciones de estado no lineales: x˙ = f (x, u, t)

(2.190)

en donde x y u son vectores (columna) que contienen las variables de estado (n) y las entradas al sistema (p), respectivamente; y f es una funci´ on vectorial no lineal de x, u y t. La representación de un sistema no lineal y/o variante con el tiempo mediante ecuaciones de estado es una gran ventaja sobre el método de la funci´ on de transferencia, ya que este u ´ltimo se define estrictamente solo para sistemas lineales e invariantes con el tiempo. Sea la trayectoria nominal de operaci´ on (punto de operación) denotada por x0 (t), la on de estado no cual corresponde a la entrada nominal u0 (t). Expandiendo la ecuaci´ lineal (2.190) en series de Taylor alrededor del punto de operación y despreciando los términos de orden superior a uno:

x˙ i (t) = fi (x0 , u0 ) +

n X ∂fi (x, u) j=1

∂xj

|x0 ,u0 (xj − x0j ) +

p X ∂fi (x, u)

∂uj

j=1

|x0 ,u0 (uj − u0j ) (2.191)

en donde i = 1, 2, · · · , n. Se definen: ∆xi , xi − x0i , ∆uj , uj − u0j , ∆x˙ i , x˙ i − x˙ 0i

(2.192)

x˙ 0i = fi (x0 , u0 )

(2.193)

Adem´ as:

Reemplazando (2.192) y (2.193) en (2.191): ∆x˙ i =

n X ∂fi (x, u) j=1

∂xj

|x0 ,u0 ∆xj +

p X ∂fi (x, u) j=1

∂uj

|x0 ,u0 ∆uj

(2.194)

La cual se puede reescribir en forma matricial como: ∆x˙ = A∗ ∆x+B ∗ ∆u

(2.195)

en donde: 

∂f1 ∂x1 ∂f2 ∂x1

  A∗ =   ···

∂fn ∂x1

∂f1 ∂x2 ∂f2 ∂x2

···

∂fn ∂x2

··· ··· ··· ···

∂f1 ∂xn ∂f2 ∂xn



   ··· 

∂fn ∂xn

x0 ,u0

(2.196)

80 MODELOS MATEMATICOS DE SISTEMAS FISICOS 

∂f1 ∂u1 ∂f2 ∂u1

  B∗ =   ···

∂fn ∂u1

∗

∗

∂f1 ∂u2 ∂f2 ∂u2

···

∂fn ∂u2

··· ··· ··· ···

∂f1 ∂up ∂f2 ∂up



   ··· 

∂fn ∂up

(2.197)

x0 ,u0

Nótese que A y B son evaluados en el punto nominal. Se ha linealizado el sistema no lineal (2.190) alrededor del punto nominal de operaci´ on. Sin embargo, en general, aunque la ec. (2.195) es lineal, A∗ y B ∗ podr´ıan contener elementos que var´ıan con el tiempo. Ejemplo 2.18 La Fig. 2.51 muestra el diagrama de un sistema de suspensi´ on magnético de una bola met´ alica. El objetivo del sistema es controlar la posici´ on de la bola ajustando la corriente en el electroim´ an mediante el voltaje de entrada e(t). Plantear un modelo matem´ atico mediante ecuaciones de estado y linealizarlo alrededor del punto de equilibrio y0 (t) = Y0 = constante.

Figura 2.51 Sistema de suspensi´ on magnético de una bola Las ecuaciones que describen el comportamiento del sistema se pueden obtener aplicando la segunda ley de Newton a la bola y la segunda ley de Kirchhoff al circuito eléctrico: Mg −

d2 y i2 =M 2 y dt

e(t) = Ri + L

di dt

Si se definen las variables de estado como :x1 = y, x2 = estado del sistema son: dx1 = x2 dt

(2.198) (2.199) dy dt ,

x3 = i, las ecuaciones de

(2.200)

2.22 Diagramas de bloques 81

1 x23 dx2 =g− dt M x1

(2.201)

R dx3 1 = − x3 + e(t) dt L L

(2.202)

Se determina el punto nominal de operaci´ on. Puesto que y0 (t) = x01 (t) = Y0 = 2 (t) y0 (t) cons tan te, entonces x02 (t) = dx01 = 0. Adem´ as, como d dt = 0, reemplazando 2 dt √ éste en (2.198) se obtiene i0 (t) = x03 (t) = MgY0 . Utilizando el punto nominal de operación y linealizando las ecs. de estado no lineales se obtiene (2.203):     1 0 ∆x1 q0  g 0 −2 MY0   ∆x2  +  0  ∆e(t) 1 ∆x3 0 −R L

  0 ∆x˙ 1 g  ∆x˙ 2  =   Y0 ∆x˙ 3 0 

(2.203)

L

Ejemplo 2.19 Sea el sistema no lineal de ecuaciones:

x˙ 1 = −

1 x22 (t)

(2.204)

x˙ 2 = x1 (t)u(t)

(2.205)

on a Linealizarlas alrededor de la trayectoria nominal [x01 (t), x02 (t)] que es la soluci´ las ecuaciones con las condiciones iniciales x1 (0) = x2 (0) = 1 y la entrada u(t) = 0. Integrando (2.205), x2 (t) = x2 (0) = 1 e integrando (2.204), x1 (t) = −t + 1. Es decir, la trayectoria nominal alrededor de la cual las ecs.(2.204) y (2.205) serán linealizadas ∂f1 ∂f2 ∂f1 1 = ∂x = ∂f es descrita por x01 (t) = −t + 1 y x02 (t) = 1. Como ∂x ∂u = 0, ∂x2 = 1 2 ∂f2 ∂f2 2 , = u(t), ∂u = x1 (t) y evaluando estas en el punto de operaci´ on se obtienen x32 (t) ∂x1 las ecuaciones pedidas: ·

∆x˙ 1 ∆x˙ 2

¸

=

·

0 2 0 0

¸·

∆x1 ∆x2

¸

+

·

0 1−t

¸

∆u(t)

(2.206)

(2.206) es un conjunto de ecs. de estado lineales con coeficientes variables con el tiempo.

2.22

Diagramas de bloques


Figura 2.52 Sistema de lazo cerrado La Fig. 2.52 muestra un diagrama de bloques general de un sistema en lazo cerrado. Se define la funci´ on de transferencia directa como C(s) on E(s) = G(s), y la funci´ de transferencia en lazo abierto como B(s) otese que si E(s) = Wla (s) = G(s)H(s). N´ la función de transferencia de realimentaci´ on es la unidad (H(s) = 1), la funci´ on de transferencia en lazo abierto y la directa son iguales. Para el sistema en lazo cerrado se tiene: C(s) = G(s)E(s) = G(s)[R(s) − B(s)] = G(s)[R(s) − H(s)C(s)] de la cual se halla la funci´ on de transferencia en lazo cerrado: G(s) C(s) = Wlc (s) = R(s) 1 + G(s)H(s)

2.23

(2.207)

Sistema de lazo cerrado sometido a una

perturbaci´ on

Figura 2.53 Sistema de lazo cerrado sometido a una perturbación La respuesta del sistema lineal de la Fig. 2.53 debido a ambas entradas, r(t) y u(t) se puede obtener utilizando superposición:

2.24 Reducci´ on de diagramas de bloques 83 a. Supóngase N (s) = 0, entonces la respuesta debida a R(s), CR (s), se puede obtener usando (2.207):

G1 (s)G2 (s) CR (s) = R(s) 1 + G1 (s)G2 (s)H(s)

(2.208)

b. Se supone ahora R(s) = 0, entonces la respuesta debida a N (s), CN (s), también se puede obtener usando (2.207):

G2 (s) CN (s) = N (s) 1 + G1 (s)G2 (s)H(s)

(2.209)

Usando superposición la respuesta del sistema es:

C(s) = CR (s) + CN (s) =

G2 (s) [G1 (s)R(s) + N (s)] 1 + G1 (s)G2 (s)H(s)

(2.210)

Suponiendo que | G1 (s)G2 (s)H(s) |À 1, se puede notar que la respuesta debido a la 1 R (s) ' H(s) referencia es aproximadamente independiente de G1 (s) y G2 (s) ya que CR(s) . Si adem´ as, | G1 (s)H(s) |À 1, se ve que el efecto de perturbaci´ on se aten´ ua consider1 N (s) ' G1 (s)H(s) → 0. ablemente ya que CN(s)

2.24

Reducci´ on de diagramas de bloques

La reducción de un diagrama de bloques complicado a uno más simple se puede llevar a cabo utilizando los diagramas equivalentes que se muestran en la Fig. 2.54.


Figura 2.54 Diagramas equivalentes

Ejemplo 2.20 Reducir el diagrama de bloques de la Fig. 2.55 y obtener la funci´ on de transferencia.

Figura 2.55 Diagrama de bloques del ejemplo 2.20 Las Figuras 2.56 y 2.57 muestran las diferentes etapas para la reducción del diagrama FG F GH de bloques en donde A = 1−F GI , B = 1−F GI+GHJ .

2.24 Reducci´ on de diagramas de bloques 85

Figura 2.56 Reducci´ on parcial del diagrama de la Fig. 2.55

Figura 2.57 Reducci´ on final del diagrama del ejemplo 2.20 Finalmente entonces la funci´ on de transferencia es:


F GH C(s) = R(s) 1 − F GI + GHJ + F GH

(2.211)

Ejemplo 2.21 Reducir el mismo diagrama de bloques de la Fig. 2.55 de otra manera.

La Fig. 2.58 muestra las diferentes etapas para la reducci´ on del diagrama de bloques GH I de otra manera, en donde D = 1+GHJ − 1. , E=H

Figura 2.58 Otra manera de reducir el diagrama de la Fig. 2.55 Finalmente se obtiene la misma funci´ on de transferencia dada por la ec. (2.211).

2.25

Ejemplos

2.25 El servomotor bifásico 87

2.25.1

Sism´ ografo

Figura 2.59 Diagrama esquem´ atico de un sismógrafo El sism´ ografo básicamente indica el desplazamiento de su envoltura con respecto al espacio inercial. xi es el desplazamiento de la envoltura o gabinete con respecto al espacio inercial o referencia, x0 es el desplazamiento de la masa m con respecto a la referencia. y = x0 − xi es el desplazamiento de la masa m con respecto al gabinete. Haciendo el diagrama de cuerpo libre de la masa m y aplicando la segunda ley de Newton: x0 B(x˙ i − x˙ 0 ) + K(xi − x0 ) = m¨ y haciendo cambio de variable, x0 = y + xi , se obtiene: m¨ y + B y˙ + Ky = −mx˙ i Utilizando Laplace y suponiendo condiciones iniciales nulas se obtiene la funci´ on de transferencia: ms2 Y (s) =− 2 Xi (s) ms + Bs + K

(2.212)

Si el rango de frecuencias de interés es relativamente alto de modo que para s = jω se p tiene que mω 2 À (Bω)2 + K 2 (desigualdad que sirve para el dise˜ no del sismógrafo) |Y (jω)| entonces de (2.212) se obtiene que |X ' 1. Asi entonces se obtiene a la salida i (jω)| (y) una se˜ nal cuya forma de onda es igual al desplazamiento de entrada (xi ). Este dispositivo también puede ser utilizado como aceler´ ometro ya que s2YX(s) = i (s) Y (s) a(s)

−

m ms2 +Bs+K .


2.25.2

El servomotor bif´ asico

Figura 2.60 El servomotor bifásico

Voltaje

Ec(t)

ec(t)

Torque

Tiempo

T(t)

Tiempo

Figura 2.61 Curvas de voltaje de control y torque del servomotor bifásico con velocidad constante Muy utilizado en servomecanismos de instrumentaci´ on y control. Es un motor con rotor jaula de ardilla y en el estator tiene dos devanados en cuadratura, llamados fase de control (cuyo voltaje entre sus terminales ec (t) = Ec (t) sen ωt, generalmente se usa como se˜ nal de control) y fase de referencia (su voltaje es ef (t) = E cos ωt). Como la mayor´ıa de sistemas f´ısicos, el servomotor bifsico es un dispositivo no lineal, lo cual se refleja fundamentalmente en la relaci´ on entre el torque generado, T , con la velocidad angular, ωm , y el voltaje Ec (t). La Fig. 2.60 muestra una curva t´ıpica, dada por los

2.25 Motor de CC controlado en el inducido 89 fabricantes, de esta relaci´ on y la Fig. 2.61 muestra que, para una velocidad angular constante, el torque generado por el motor T (t) es proporcional a Ec (t). Se supone nal de alimentaci´ on sen ωt. que las variaciones de Ec (t) son lentas comparadas con la se˜ un punto de operaci´ on P0 : Asi pues T = T (ωm , ec ) y linealizando alrededor de alg´

∆T

∂T ∂T |P0 ∆ωm + |P ∆ec ∂ωm ∂Ec 0 d2 ∆θ d∆θ d∆θ = −k1 + k2 ∆ec = J +B dt dt2 dt =

(2.213)

Organizando (2.213) se obtiene la ecuación diferencial (2.214): d2 ∆θ d∆θ = k2 ∆ec + (B + k1 ) (2.214) dt2 dt Usando Laplace en (2.214) con condiciones iniciales nulas se obtiene la funci´ on de transferencia: J

K ∆θ(s) = ∆Ec (s) s(1 + τ s) donde K =

k2 B+k1

2.25.3

Motor de CC controlado en el inducido

yτ=

(2.215)

J B+k1 .

Figura 2.62 Motor de CC controlado por la armadura Aplicando la slk en el circuito de armadura: dia (2.216) dt en donde ea , el voltaje inducido en la armadura es dado por ea = Ka φωm , siendo ωm la velocidad angular del motor y φ el flujo en el entrehierro, el cual se supondrá v − ea = Ra ia + La

90 MODELOS MATEMATICOS DE SISTEMAS FISICOS proporcional a la corriente de campo, que en este caso se supone constante. Por lo tanto: ea = Ke ωm

(2.217)

Asimismo, el torque generado por el motor es dado por τ = Kb φia . Por lo tanto: τ = Kτ ia

(2.218)

Con el diagrama de cuerpo libre de la inercia J y utilizando la sln: τ − τL = j

dωm + Bωm dt

(2.219)

on en la carga. en donde τL es el torque de perturbaci´ Transformando las ecs. (2.216) a la (2.219) con condiciones iniciales nulas y organiz´ andolas se obtienen: Ia (s) =

1 (V (s) − Ea (s)) Ra + La s

(2.220)

Ea (s) = Ke ωm (s)

(2.221)

τ (s) = Kτ Ia (s)

(2.222)

ωm (s) =

1 (τ (s) − τL (s)) Js + B

(2.223)

Figura 2.63 Diagrama de bloques del motor de CC controlado por el inducido Con las ecs. (2.220) a la (2.223) se obtiene el diagrama de bloques de la Fig. 2.63 del motor de cc controlado por el inducido.

2.25 Motor de CC controlado en el campo 91

2.25.4

Motor de CC controlado en el campo

Figura 2.64 Motor de CC controlado en el campo En este caso se supone que el voltaje aplicado a la armadura es constante. Aqu´ı no se supondrá, como sucede a veces, que la corriente de armadura es constante (conectando una resistencia alta en serie con la armadura) ya que esto no es estrictamente cierto. El comportamiento del sistema es descrito con las siguientes ecuaciones: V = Ra ia + La

dia + ea dt

ea = K0 φω = K1 if ω

τ = K0 φia = K1 if ia

τ =j

dω + Bω dt

vf = Rf if + Lf

dif dt

las cuales después de ser linealizadas alrededor de un punto de operación se convierten en: ∆V = 0 = Ra ∆ia + La

d∆ia + ∆ea dt

∆ea = Kf ∆if + Kω ∆ω


∆τ = K2 ∆if + Kω ∆ia

∆τ = j

d∆ω + B∆ω dt

∆vf = Rf ∆if + Lf

d∆if dt

y utilizando la transformada de Laplace en éllas con condiciones iniciales nulas: ∆If (s) =

1 ∆Vf (s) Rf + Lf s

∆Ia (s) = −

1 ∆Ea (s) Ra + La s

∆Ea (s) = Kf ∆If (s) + Kω ∆ω(s) ∆τ (s) = K2 ∆If (s) + Kω ∆Ia (s) ∆ω(s) =

1 ∆τ(s) Js + B

de las cuales se puede obtener el diagrama de bloques de la Fig. 2.65.

Figura 2.65 Diagrama de bloques del motor de CC controlado en el campo Utilizando reducción de diagramas de bloques en la Fig. 2.65 o mediante la manipulaci´ on algebráica de las u ´ltimas cinco ecuaciones se puede obtener la función de transferencia:

2.26 Potenciómetros 93

Kω )(Ra + La s) (K2 − RKaf+L ∆ω(s) as = 2 ∆Vf (s) (Rf + Lf s)[La Js + (Ra J + La B)s + (Ra B + Kω2 )]

(2.224)

Considérese como entrada un escalón unitario, es decir ∆vf (t) = us (t), por lo tanto ∆Vf (s) = 1s . Partiendo de que el sistema es estable entonces el cambio en velocidad en estado estacionario, ∆ωss , se puede calcular utilizando el teorema del valor final: ∆ωss = lim ∆ω(t) = lim s∆ω(s). En este caso da: t→∞

s→0

K K

∆ωss

f ω )Ra (K2 − R a = Rf (Ra B + Kω2 )

de donde se puede notar que si:

f Kω na de modo que (K2 − KR ) < 0, entonces ∆ω(s) < 0, es decir la a. Ra es peque˜ a velocidad decrece con el aumento de vf .

Kf Kω ) > 0, entonces ∆ω(s) > 0, es decir la b. Ra es grande de modo que (K2 − R a velocidad crece con el aumento de vf .

Si la inductancia de armadura es despreciable, entonces la funci´ on de transferencia se reduce a: −Kf Kω + K2 −Kf Kω + Ra K2 ∆ω(s) Ra ' = ∆Vf (s) (Rf + Lf s)(Ra Js + Ra B + Kω2 ) (Rf + Lf s)(Js + B +

2 Kω Ra )

(2.225)

y si la resistencia en el circuito de armadura se hace grande (conectando una resistencia alta en serie): ∆ω(s) K2 ' ∆Vf (s) (Rf + Lf s)(Js + B)

2.26

(2.226)

Sensores de error en sistemas de control

Como se sabe, en sistemas de control a menudo es necesario comparar varias se˜ nales en cierto punto de un sistema. Por ejemplo, la comparaci´ on de la entrada de referencia con la variable controlada, que es llamada la se˜ nal de error. En términos de componentes f´ısicos, un sensor de error puede ser un simple potenci´ ometro o una combinaci´ on de ellos, un engranaje diferencial, un transformador, un amplificador diferencial, un synchro, etc. Se considerarán algunos de ellos.


2.26.1

Potenci´ ometros

Un potenci´ ometro es un transductor electromec´ anico que convierte una se˜ nal mec´ anica en una se˜ nal eléctrica. La entrada al dispositivo es en forma de desplazamiento mec´ anico, sea traslacional o rotacional. Cuando se aplica un voltaje entre los terminales fijos del potenci´ ometro, el voltaje de salida que se mide entre el terminal variable y tierra es proporcional al desplazamiento de entrada, linealmente o de acuerdo a alguna relación no lineal. Potenciómetros rotatorios son disponibles comercialmente en forma de una o m´ ultiples revoluciones. El material comunmente es alambre o plástico conductor. Este u ´ltimo es preferible para control de precisi´ on.

Figura 2.66 Potenci´ ometros En la Fig. 2.66a se tiene el modelo de un potenci´ ometro rotatorio lineal. Este dispositivo se puede usar para indicar la posición absoluta de un sistema o la posición relativa de dos salidas mecánicas. Entonces el voltaje de salida e(t) será proporcional a la posición del eje θc (t). Es decir e(t) = Ks θc (t), en donde Ks es una constante de proporcionalidad. Un arreglo m´ as flexible se obtiene usando dos potenci´ ometros conectados en pa-ralelo como se muestra en la Fig. 2.66b. En este caso se permite la comparación de dos posiciones de ejes localizados remotamente. El voltaje de salida se toma entre los terminales variables de los dos potenci´ ometros y es dado por e(t) = Ks [θ1 (t) − θ2 (t)].

2.26 Potenciómetros 95

Figura 2.67 Control de posici´ on con motor DC

Referencia E e(t)

ea(t)

pos. carga Tiempo

Figura 2.68 Ondas t´ıpicas del motor DC La Fig. 2.67 muestra el diagrama esquem´ atico simplificado de un t´ıpico sistema de control de posici´ on con motor DC. En la Fig. 2.68 se muestran formas de onda t´ıpicas on unitario. N´ otese que todas las se˜ nales del sistema para cuando θr (t) es un escal´ son demoduladas. En la terminolog´ıa del control, una se˜ nal DC se refiere a una se˜ nal no modulada. Por otro lado, una se˜ nal AC se refiere a aquella que es modulada por un proceso de modulaci´ on.


Figura 2.69 Control de posici´ on con motor bifásico AC

Referencia v(t) error posición

e(t) pos. carga

Tiempo

Figura 2.70 Ondas t´ıpicas del motor bif´ asico AC La Fig. 2.69 muestra un sistema de control que sirve esencialmente al mismo propósito que el de la Fig. 2.67, excepto que prevalecen las se˜ nales AC. El voltaje aplicado al detector de error es sinusoidal. La frecuencia de esta se˜ nal es usualmente mucho más alta que la de la se˜ nal que est´ a siendo transmitida a través del sistema. Se˜ nales t´ıpicas del sistema de control AC se muestran en la Fig. 2.70. v(t) = E sen ωc t es llamada nal de e-rror es e(t) = Ks θe (t)v(t), en la portadora cuya frecuencia es ωc . La se˜ donde θe (t) = θr (t) − θL (t), es la diferencia entre el desplazamiento de entrada y el

2.26 Synchros 97 nal desplazamiento de la carga. Para la se˜ nal θe (t) de la Fig. 2.70, e(t) es una se˜ modulada con portadora suprimida ya que no contiene la frecuencia original portadora. Por ejemplo, si θe (t) = sen ωs t, en donde normalmente ωs ¿ ωc , entonces, usando relaciones trigonométricas, e(t) = 12 Ks E[cos(ωc − ωs )t − cos(ωc + ωs )t]. Por eso, e(t) no contiene a ωc o ωs , sino a ωc + ωs y ωc − ωs . Cuando la se˜ nal modulada se transmite a través del sistema, el motor actua como un demodulador, de modo que el desplazamiento de la carga será de la misma forma que la se˜ nal DC antes de modulaci´ on.

2.26.2

Synchros

Son muy confiables. B´ asicamente un synchro es un dispositivo rotatorio que opera con el mismo principio que un transformador y produce una correlación entre una posici´ on angular y un voltaje o conjunto de ellos. Los synchros son dispositivos AC y hay muchos tipos de ellos. Aqu´ı sólo se discuten el synchro transmisor y el synchro transformador de control. El synchro transmisor. Los devanados de su estator están conectados en Y. El rotor es de polos salientes con un solo devanado. Su diagrama esquem´ atico se muestra en la Fig. 2.71.

Figura 2.71 El synchro transmisor Un voltaje AC monofásico, ec = ER sen ωc t, se aplica al rotor a través de dos anillos deslizantes. Se puede demostrar que las magnitudes de los voltajes en los terminales del estator son: √ ES1 S2 = 3KER sen(θ + 240◦ ) (2.227) ES2 S3 =

√ 3KER sen(θ + 120◦ )

ES3 S1 =

√

3KER sen θ

(2.228) (2.229)

98 MODELOS MATEMATICOS DE SISTEMAS FISICOS en donde θ es la posición del rotor relativa alguna referencia. Por lo tanto, un synchro transmisor sirve para identificar posiciones angulares. El synchro transformador de control. Un detector de error por synchros involucra el uso de dos: el transmisor y el transformador de control como se muestra en la Fig. 2.72.

Figura 2.72 Detector de error por synchros Básicamente el principio de operación del synchro transformador de control es idéntica a la del trasmisor, excepto que el rotor es de forma cil´ındrica de modo que el flujo en el entrehierro es uniformemente distribuido alrededor del rotor. Esta cualidad es esencial para un transformador de control ya que los terminales del rotor son conectados usualmente a un amplificador o un dispositivo eléctrico similar, de modo que éste vea una impedancia constante. Cuando los voltajes (2.227) a (2.229) se aplican a los correspondientes terminales del estator del transformador de control, la amplitud del voltaje en su rotor es funci´ on del seno de la diferencia entre los ángulos de los ejes del transmisor y del transformador de control. Naturalmente el detector de error s´ıncrono es un dispositivo no lineal. Sin embargo, para peque˜ nas desviaciones angulare de hasta 15◦ en la vecindad de las 2 posiciones nulas del seno, el voltaje del rotor del del transformador de control es aproximadamente proporcional a la diferencia de posición. Por eso, para peque˜ nas desviaciones angulares, la funci´ on de transferencia del detector de error s´ıncrono se E = θEe , en donde E es un voltaje de puede aproximar por una constante Ks = θr −θ L error en voltios, θr y θL son las posiciones de los ejes del transmisor y del transformador de control en radianes, respectivamente, θe es el error de las posiciones de los ejes en rads. y Ks es la sensitividad del detector de error en voltios/rad. Se debe hacer notar que la se˜ nal de error en los terminales del rotor del transformador nal de control cuando el voltaje aplicado al rotor del transmisor es ER sen ωc t, es una se˜ modulada de portadora suprimida, e(t) = Ks θe (t) sen ωc t.

2.27 Control de posici´ on con sensor de error potenciométrico 99

Figura 2.73 Control de posición con motor bifásico La Fig. 2.73 muestra un diagrama simplificado de un sistema de control de posici´ on empleando un detector de error s´ıncrono. El rotor del transformador de control se conecta al eje controlado y el rotor del transmisor se conecta al eje de entrada de referencia.

2.27

Ejemplos de control de posici´ on

Los siguiente tres ejemplos tienen como objetivo el control de una posición angular.

2.27.1

Control de posici´ on con sensor de error potenciom´ etrico

Figura 2.74 Control de posici´ on con sensor de error potenciométrico y motor DC En la Fig. 2.74 Jm y Bm son: el momento de inercia y el coeficiente de fricción 1 on del n´ umero de dientes de los viscosa del motor, respectivamente, n = N N2 , es la relaci´ on del motor engranajes primario y secundario, Km es la constante de voltaje y de torsi´ (iguales en el sistema MKS), K1 es la ganancia del detector de error potenciométrico,

100 MODELOS MATEMATICOS DE SISTEMAS FISICOS KA es la ganancia del amplificador, r, c, y θ1 son los desplazamientos angulares de los ejes de referencia, de salida (en la carga) y del motor, respectivamente. Las ecuaciones que describen el comportamiento del sistema son: e = K1 (r − c) va = KA e va − ea = Ra ia + La

dia dt

ea = Km ω1 τ = Km ia τ = Jeq

dω1 + Beq ω1 dt

1 ω1 = c˙ n en donde Jeq = (Jm + n2 JL ) y Beq = (Bm + n2 BL ). Transformando las ecuaciones con condiciones iniciales nulas se obtienen: E(s) = K1 (R(s) − C(s)) Va (s) = KA E(s) Ia (s) =

1 (Va (s) − Ea (s)) Ra + La s Ea (s) = Km ω1 (s) τ (s) = Km Ia (s)

ω1 (s) =

1 τ(s) Beq + Jeq s

C(s) =

n ω1 (s) s

2.27 Control de posici´ on con synchros y motor DC 101 Con estas ecuaciones se puede obtener el diagrama de bloques que se muestra en la Fig. 2.75.

Figura 2.75 Diagrama de bloques del sistema de la Fig. 2.74 Utilizando reducción de diagramas de bloques o mediante manipulaci´ on de las ecuaciones transformadas se puede obtener la funci´ on de transferencia, la cual, en el caso de despreciar la inductancia de armadura, es: K1 KA Km n C(s) = 2 2 )s + K K K n R(s) Ra Jeq s + (Ra Beq + Km 1 A m

2.27.2

Control de posici´ on con synchros y motor DC

Figura 2.76 Control de posici´ on con synchros y motor DC

102 MODELOS MATEMATICOS DE SISTEMAS FISICOS Puesto que la se˜ nal de error del detector de error s´ıncrono es modulada, ec = K(θi − θ0 ) cos ωc t, y se desea usar un motor DC, es necesario entonces demodular el error, para lo cual se utiliza el circuito de la Fig. 2.77a, en donde vr = V cos ωc t.

Figura 2.77 Demodulador y circuitos equivalentes on a la Como se supone que las variaciones del error, θr − θL , son lentas con relaci´ portadora, el análisis del circuito se puede hacer en dos partes:

a. Cuando θr − θL > 0 y vr > 0. En este caso, como los transistores P y Q quedan en saturaci´ on y corte, respectivamente, el circuito de la Fig. 2.77b es equivalente al de la Fig. 2.77a sin considerar el condensador. En el circuito de la Fig. 2.77c se usa una red equivalente Thevenin en donde: 2 (2R1 +R2 ) 2 y eT h = − 2(RR ec . Por lo tanto: RT h = R2(R 1 +R2 ) 1 +R2 ) v0 =

R ec 2R1 + R2

Asi, si ec > 0 ⇒ v0 > 0, y si ec < 0 ⇒ v0 < 0, lo cual justifica parte de las gráficas de la Fig.2.78.

b. Cuando θr − θL > 0 y vr < 0. En este caso los transistores P y Q quedan en corte

2.27 Control de posici´ on con synchros y motor DC 103 y saturaci´ on, respectivamente. Haciendo un an´ alisis como en el caso anterior se obtiene: R ec 2R1 + R2 Asi, si ec > 0 ⇒ v0 < 0, y si ec < 0 ⇒ v0 > 0, lo cual justifica otra parte de las gráficas de la Fig.2.78. v0 = −

Vr ec Vo Vr ec Vo Tiempo

Figura 2.78 Se˜ nales del demodulador El condensador en el circuito de la Fig. 2.77a sirve como filtro para obtener a la salida del demodulador una se˜ nal DC que es proporcional al error de las posiciones angulares θr − θL .

Figura 2.79 Diagrama de bloques de la Figura 2.76

104 MODELOS MATEMATICOS DE SISTEMAS FISICOS La Fig. 2.79 muestra el diagrama de bloques correspondiente al sistema de la Fig. 2.76, en donde Kθ es la ganancia del detector de error s´ıncrono, KDM representa la acci´ on del demodulador y KT G es la ganancia del tacogenerador de imán permanente.

2.27.3

Control de posici´ on con synchros y motor bif´ asico

Figura 2.80 Control de posici´ on con synchros y motor bifásico La Fig. 2.80 muestra el control de posici´ on angular utilizando detector de error sincr´ onico y motor bif´ asico. El tacogenerador en este caso es AC. Sus voltajes de referencia, al igual que el aplicado al rotor del synchro transmisor son de la misma frecuencia angular. La inercia y coeficiente de fricci´ on viscosa equivalentes en el eje del motor son: ³ ´2 ³ ³ ´2 ³ ´2 ´2 N4 N2 N1 N1 N4 N2 N1 1 J + J , y B = B + B + Bt Jme = Jm + N c t me m c N2 N5 N3 N2 N2 N5 N3 N2 La funci´ on de transferencia del motor bif´ asico que se encontr´ o anteriormente es: Km θm (s) = E2 (s) s(1 + Tm s) Las siguientes ecuaciones, de una vez en el dominio de s, completan el conjunto que describe el sistema de la Fig. 2.80: θe (s) = θr (s) − θt (s) E(s) = Ks θe (s)

2.28 Sistemas de nivel de l´ıquido 105

Ea (s) = E(s) − Et (s)

E2 (s) = AEa (s)

θc (s) =

θt (s) =

N1 θm (s) N2

N4 N2 θc (s) N5 N3

Et (s) = Kt sθt (s) Con estas ecuaciones se puede obtener el diagrama de bloques de la Fig. 2.81.

Figura 2.81 Diagrama de bloques del sistema de la Fig. 2.80 La funci´ on de transferencia, que se puede obtener por manipulación algebraica de las ecuaciones o por reducción del diagrama de bloques, es: Ks AKm n1 θc (s) = 2 θr (s) Tm s + (1 + AKm Kt n2 )s + Ks AKm n2 donde n1 =

2.28

N1 N2

y n2 =

N4 N2 N5 N3 .

Sistemas de nivel de l´ıquido


Figura 2.82 Sistema de nivel de l´ıquido Dependiendo de si el flujo del l´ıquido es turbulento o laminar, lo cual se mide con el n´ umero de Reynolds, el sistema se describe mediante ecuaciones diferenciales no lineales o lineales, respectivamente. En el sistema de nivel de l´ıquido (sistema hidr´ aulico) de la Fig. 2.82a, A es el promedio de la secci´ on transversal del tanque, Qi es el caudal (volumen por unidad de tiempo) a la entrada y Q0 es el caudal a la salida. Naturalmente el volumen (V ) del l´ıquido en el tanque, suponiendo una secci´ on transversal constante, es función del nivel del mismo, H. Es decir: V = f(H) Cuando ocurre un peque˜ no cambio en el nivel con respecto al valor del punto de operaci´ on, entonces: ∂f (H) |P0 ∆H = A∆H (2.230) ∂H Nótese que el l´ıquido en el tanque almacena energ´ıa. Si se considera que el volumen del l´ıquido en el tanque y el nivel en el sistema hidr´ aulico tienen como an´ alogos eléctricos a la carga eléctrica (q) en un condensador y la diferencia de potencial (voltaje e), respectivamente, entonces, puesto que q = Ce e, donde Ce es la capacitancia eléctrica, y comparando con la ec. (2.230) se define la capacitancia del tanque como C , A y por lo tanto (2.230) se puede reescribir como (2.231): ∆V =

∆V = C∆H

(2.231)

Adem´ as, como la diferencia entre el caudal que le entra al tanque y el que le sale es la variación del volumen del l´ıquido en el tanque, entonces: dV dt Asi si Qi − Q0 > 0, entonces el volumen aumenta y vicerversa. De (2.232): Qi − Q0 =

(2.232)

2.28 Sistemas de nivel de l´ıquido 107

d∆V (2.233) dt Es importante notar que puesto que la corriente eléctrica se define como i , dq dt , entonces el an´ alogo del caudal es la corriente eléctrica. Con (2.231) en (2.233): ∆Qi − ∆Q0 =

d∆H (2.234) dt Considérese el caudal a la salida Q0 , el cual como se muestra en la Fig. 2.82b puede ser una función no lineal del nivel H, es decir Q0 = Q0 (H). Linealizando alrededor del punto de operación: ∆Qi − ∆Q0 = C

∂Q0 (H) |P0 ∆H (2.235) ∂H Como se sabe, la resistencia eléctrica Re se define por Re , ei y con ∆Q0 análogo a i y ∆H análogo a e, entonces de (2.235) se define la resistencia de la v´ alvula a la ∆H ´ . Esta es la pendiente de la curva mostrada en la Fig. 2.82b. salida como R , ∆Q 0 Por lo tanto, reescribiendo (2.235): ∆Q0 =

1 ∆H (2.236) R Con (2.236) en (2.234) y organizando se obtiene la ecuación diferencial que relaciona un cambio en el caudal de entrada con un cambio en el nivel del sistema de la Fig. 2.82a: ∆Q0 =

C

1 d∆H + ∆H = ∆Qi dt R

(2.237)

La funci´ on de transferencia es: R ∆H(s) = (2.238) ∆Qi (s) RCs + 1 Si se considera como salida el caudal a través de la v´ alvula de salida y como ∆Q0 (s) = 1 ∆H(s), entonces: R 1 ∆Q0 (s) = ∆Qi (s) RCs + 1

(2.239)

Figura 2.83 Circuito eléctrico an´ alogo al sistema de nivel de l´ıquido de la Fig. 2.82a

108 MODELOS MATEMATICOS DE SISTEMAS FISICOS Teniendo en cuenta las analog´ıas eléctricas descritas en esta secci´ on, se puede obtener el circuito eléctrico an´ alogo del sistema de nivel de l´ıquido de la Fig. 2.82a como se muestra en la Fig. 2.83. En la Fig. 2.83 las analog´ıas son: Ce = C, Re = R, e = ∆H, i = ∆Qi , i0 = ∆Q0 . Aplicando la plk al nodo superior del circuito de la Fig. 2.83 se obtiene: i = Ce e˙ +

1 e Re

(2.240)

Reemplazando las analog´ıas en (2.240) se obtiene nuevamente la ecuaci´ on diferencial (2.237). La siguiente tabla hace un resumen de las analog´ıas consideradas en esta sección. Sistema hidráulico

Sistema eléctrico

Nivel, ∆H Caudal, ∆Q Resistencia hidr´ aulica, R Capacitancia hidr´ aulica, C

Voltaje, e Corriente, i Resistencia eléctrica, Re Capacitancia eléctrica, Ce

2.29

Sistemas de nivel de l´ıquido con interacci´ on

Figura 2.84 Sistema de nivel de l´ıquido con interacci´ on La Fig. 2.84 muestra dos tanques conectados a través de una v´ alvula. Se plantear´ a un modelo matem´ atico linealizado y se obtendrá la funci´ on de transferencia, considerando como entrada una variación del caudal Q, ∆Q, y como salida la variaci´ on en el caudal Q2 , ∆Q2 . Para el tanque de la izquierda:

2.29 Sistemas de nivel de l´ıquido con interacci´ on 109

Q − Q1 =

dV1 dt

Entonces: ∆Q − ∆Q1 =

d∆V1 d∆H1 = C1 dt dt

(2.241)

Como Q1 = Q1 (H1 − H2 ), entonces: 1 (∆H1 − ∆H2 ) R1 Similarmente para el tanque de la derecha: ∆Q1 =

Q1 − Q2 = ∆Q1 − ∆Q2 =

(2.242)

dV2 dt

d∆V2 d∆H2 = C2 dt dt

(2.243)

y como Q2 = Q2 (H2 ), entonces: ∆Q2 =

1 ∆H2 R2

(2.244)

Suponiendo condiciones iniciales nulas y transformando (2.241) a (2.244) se obtienen: ∆H1 (s) =

1 [∆Q(s) − ∆Q1 (s)] C1 s

(2.245)

∆Q1 (s) =

1 [∆H1 (s) − ∆H2 (s)] R1

(2.246)

∆H2 (s) =

1 [∆Q1 (s) − ∆Q2 (s)] C2 s

(2.247)

1 ∆H2 (s) R2

(2.248)

∆Q2 (s) =

Figura 2.85 Diagrama de bloques del sistema de la Fig. 2.84

110 MODELOS MATEMATICOS DE SISTEMAS FISICOS Con las ecuaciones (2.245) a (2.248) se puede obtener el diagrama de bloques que se muestra en la Fig. 2.85 y a partir de éste o mediante reducción de diagrama de bloques se obtiene la funci´ on de transferencia:

1 ∆Q2 (s) = 2 ∆Q(s) R1 C1 R2 C2 s + (R1 C1 + R2 C2 + R2 C1 )s + 1

(2.249)

El circuito eléctrico an´ alogo al sistema hidráulico de la Fig. 2.84 es el que se muestra en la Fig. 2.86.

Figura 2.86 Circuito eléctrico an´ alogo al sistema hidr´ aulico de la Fig. 2.84 Las ecuaciones que describen el circuito de la Fig. 2.86, de una vez en el dominio de s, y que se obtienen aplicando la plk en dos nodos son:

∆Q(s) = C1 s∆H1 (s) +

0 = C2 s∆H2 (s) +

1 [∆H1 (s) − ∆H2 (s)] R1

1 1 ∆H2 (s) + [∆H2 (s) − ∆H1 (s)] R2 R1

(2.250)

(2.251)

on de ∆Q(s) y teniendo en cuenta de las cuales se puede obtener ∆H2 (s) en funci´ 2 (s) , que resulta ser la misma funci´ on de que ∆Q2 (s) = R12 ∆H2 (s) se obtiene ∆Q ∆Q(s) transferencia obtenida anteriormente y dada por la ec. (2.249).

2.30

Sistema de nivel de l´ıquidos no lineal

2.30 Sistema de nivel de l´ıquidos no lineal 111

Figura 2.87 Sistema hidr´ aulico √ √ otese que En el sistema hidráulico de la Fig. 2.87, Q1 = K1 H1 , Q2 = K2 H2 . N´ la secci´ on transversal del tanque esférico var´ıa con el nivel de su l´ıquido, es decir su capacitancia hidr´ aulica no es constante. El caudal u es la entrada al sistema. Se plantear´ an las ecuaciones de estado no lineales que describen el comportamiento del sistema.

Figura 2.88 Tanque esférico de la Fig. 2.87 En el tanque esférico de la Fig. 2.88 considérese el diferencial de volumen mostrado,

112 MODELOS MATEMATICOS DE SISTEMAS FISICOS dv. Matem´ aticamente: i h ¡ ¢ dv = π r2 − (r − H)2 dH = π 2rH − H 2 dH

Es decir, el volumen en el tanque esférico para un nivel determinado H2 es:

V2

Z

H2

¢ ¡ π 2rH − H 2 dH 0 µ ¶ H23 2 = π rH2 − 3 =

(2.252)

Para el tanque superior de la Fig. 2.87: u − Q1 = A

dH1 dt

(2.253)

Q1 − Q2 =

dV2 dt

(2.254)

y para el tanque esférico:

Las ecuaciones no lineales (2.255) y (2.256) son dadas:

Reemplazando (2.252) en (2.254):

Q1 = K1

p H1

(2.255)

Q2 = K2

p H2

(2.256)

Q1 − Q2 = πH2 (2r − H2 )

dH2 dt

(2.257)

Con (2.255) en (2.253) y con (2.255) y (2.256) en (2.257) se obtienen las ecuaciones de estado no lineales que describen el comportamiento del sistema de la Fig. 2.87:

2.31

K1 p 1 dH1 =− H1 + u dt A A

(2.258)

h p p i dH2 1 = K1 H1 − K2 H2 dt πH2 (2r − H2 )

(2.259)

Sistemas neum´ aticos o de presi´ on

2.31 Sistemas neumáticos o de presi´ on 113

Figura 2.89 Sistema neumático En el sistema neum´ atico de la Fig. 2.89 se tiene una restricci´ on o v´ alvula y una c´ amara de gas. Q es el flujo de gas (masa por unidad de tiempo), Pi es la presión amara. Ya que el flujo de entrada (antes de la restricción) y P0 es la presión en la c´ de gas a través de la restricción, con el sentido mostrado, es función, en general no lineal, de la diferencia de presiones Pi − P0 , entonces: Q = Q(Pi − P0 ) la cual después de ser linealizada alrededor del punto de operación Pop , se obtiene: ∆Q =

∂Q |P (∆Pi − ∆P0 ) ∂(Pi − P0 ) op

(2.260)

Si se considera al flujo de gas análogo a la corriente eléctrica, i, y la diferencia de presi´ on análoga a la diferencia de potencial, e, teniendo en cuenta la definici´ on de resistencia eléctrica, Re = ei , entonces la resistencia al flujo de gas R, de (2.260) se define como: R=

∆Pi − ∆P0 = ∆Q

1 ∂Q ∂(Pi −P0 ) |Pop

Por lo tanto (2.260) se puede reescribir como: 1 (∆Pi − ∆P0 ) (2.261) R Considérese la ley de los gases ideales, cuya expresi´ on matemática es dada por: ∆Q =

¯ R p = T (2.262) ρ m en donde p es la presión absoluta, v el volumen espec´ıfico del gas, ρ su densidad, m ¯ la constante universal de los gases y T la temperatura absoluta. su peso molecular, R Si se supone que el gas en la c´ amara de la Fig. 2.89 est´ a bajo ciertas condiciones, como por ejemplo volumen y temperatura constantes, y se var´ıa la presi´ on a la cual está sometido, entonces su densidad (ρ) var´ıa, y puesto que M = V ρ, entonces la masa M también var´ıa. Por lo tanto en el sistema de la Fig. 2.89, M = M(P0 ), y linealizando alrededor del punto de operación: pv =


∂M |P ∆P0 (2.263) ∂P0 op Ya que el flujo de gas es variaci´ on de masa por unidad de tiempo, Q = dM dt , y puesto que, como se dijo antes, Q es an´ a logo a la corriente el´ e ctrica, i, entonces la masa R R M = Qdt tiene como análogo a la carga eléctrica, qe = idt. Asi entonces, se puede definir la capacitancia neumática C de la c´ amara del gas como: ∆M =

∆M = C∆P0 ∂M |Pop . en donde en el punto de operaci´ on C = ∂P 0 Como:

(2.264)

d∆M (2.265) dt Con (2.261) y (2.264) en (2.265) se obtiene la ecuación diferencial lineal que relaciona un cambio en la presión de la c´ amara del gas con un cambio en la presión de entrada: ∆Q =

1 d∆P0 1 + ∆P0 = ∆Pi (2.266) dt R R y utilizando la transformada de Laplace con condiciones iniciales nulas se obtiene la funci´ on de transferencia: C

1 ∆P0 (s) = (2.267) ∆Pi (s) RCs + 1 Teniendo en cuenta las analog´ıas eléctricas descritas en esta secci´ on, se puede obtener el circuito eléctrico an´ alogo del sistema neumático de la Fig. 2.89 como se muestra en la Fig. 2.90 y obtener la misma función de transferencia de la ec. (2.267).

Figura 2.90 Circuito eléctrico an´ alogo del sistema de la Fig. 2.89 La siguiente tabla hace un resumen de las analog´ıas consideradas en esta sección. Sistema neumático

Sistema eléctrico

Presión, ∆P Flujo, ∆Q Resistencia neum´ atica, R Capacitancia neum´ atica, C


2.31 Sistemas neumáticos o de presi´ on 115 Ejemplo 2.22 Para el sistema neum´ atico de la Fig. 2.91 plantear un conjunto de ecuaciones en el dominio de s que describa el comportamiento del sistema en funci´ on on en las entradas de los cambios de presi´ on ∆P01 y ∆P02 . Los cambios de presi´ atica de la i-ésima v´ alvula y Ci es la son ∆Pi1 y ∆Pi2 . Ri es la resistencia neum´ capacitancia neum´ atica de la i-ésima c´ amara.

Figura 2.91 Sistema neumático del ejemplo 2.22 La Fig. 2.92 muestra el circuito eléctrico an´ alogo del sistema neumático de la Fig. 2.91, de una vez transformado, es decir en el dominio de s.

Figura 2.92 Circuito eléctrico an´ alogo del sistema de la Fig. 2.91 Aplicando la plk a los nodos 1 y 2 del circuito de la Fig 2.92 se obtiene el conjunto de ecuaciones que se desea: 1 1 [∆P01 (s) − ∆Pi1 (s)] + C1 s∆P01 (s) + [∆P01 (s) − ∆P02 (s)] = 0 R1 R3 1 1 [∆P02 (s) − ∆P01 (s)] + C2 s∆P02 (s) + [∆P02 (s) − ∆Pi2 (s)] = 0 R3 R2

116 MODELOS MATEMATICOS DE SISTEMAS FISICOS Ejemplo 2.23 En el sistema neum´ atico de la Fig. 2.93 A es la secci´ on transversal de cada fuelle, K es la constante del resorte, Kg es la constante de los gases ideales y Ri es la resistencia al flujo del gas en cada una de las restricciones, i = 1, 2. Obtener la funci´ on de transferencia considerando como entrada un cambio en la presi´ on P0 , on z, ∆z. Suponer conocido el punto de ∆P0 , y como salida un cambio en la posici´ operaci´ on, la temperatura en los fuelles constante y que el gas es ideal.

Figura 2.93 Sistema neumático del ejemplo 2.23 Se supone que la presi´ on del gas en el fuelle de la izquierda es Pi y en el de la derecha Pf . Por lo tanto A(Pf − Pi ) = Kz, y linealizando: A(∆Pf − ∆Pi ) = K∆z

(2.268)

1 ∆M˙ i = (∆P0 − ∆Pi ) R1

(2.269)

1 ∆M˙ f = (∆P0 − ∆P2 ) R2

(2.270)

Los flujos de gas a través de las restricciones de la izquierda, M˙ i , y de la derecha, on, P0 − Pi y P0 − Pf . Es M˙ f , son funciones de las respectivas diferencias de presi´ decir, M˙ i = M˙ i (P0 − Pi ) y M˙ f = M˙ f (P0 − Pf ), las cuales después de ser linealizadas se convierten en:

Aplicando la ley de los gases ideales en cada uno de los fuelles se obtienen: Pi Vi = Kg Mi Ti

Pf Vf = Kg Mf Tf las cuales al ser linealizadas se reducen a:

2.32 Sistemas térmicos 117

∆Mi = C1 ∆Pi + C2 ∆Vi

(2.271)

∆Mf = C3 ∆Pf + C4 ∆Vf

(2.272)

Reemplazando ∆Vi = ∆Vf = A∆z en (2.271) y (2.272): ∆Mi = C1 ∆Pi + C2 A∆z

(2.273)

∆Mf = C3 ∆Pf + C4 A∆z

(2.274)

Suponiendo condiciones iniciales nulas, transformando (2.269) y (2.270) y reemplazando en éllas (2.273) y (2.274) después de ser también transformadas se obtienen: ∆Mi (s) =

1 [∆P0 (s) − ∆Pi (s)] = C1 ∆Pi (s) + C2 A∆z(s) R1 s

(2.275)

∆Mf (s) =

1 [∆P0 (s) − ∆Pf (s)] = C3 ∆Pf (s) + C4 A∆z(s) R2 s

(2.276)

Despejando ∆Pi (s) y ∆Pf (s) de (2.275) y (2.276) respectivamente: ¸ · R1 s 1 ∆P0 (s) − C2 A∆z(s) ∆Pi (s) = R1 C1 s + 1 R1 s

(2.277)

¸ · R2 s 1 ∆P0 (s) − C4 A∆z(s) R2 C3 s + 1 R2 s

(2.278)

∆Pf (s) =

Con (2.277) y (2.278) en (2.268) después de ser transformada y organizando se halla la funci´ on de transferencia pedida: b0 s + b1 ∆z(s) = 2 ∆P0 (s) a0 s + a1 s + a2 en donde: b0 = A (R1 C1 + R2 C3 ) , b1 = 2A, a0 = KR1 R2 C1 C3 + AR1 R2 C1 C4 − AR1 R2 C2 C3 a1 = KR1 C1 + KR2 C3 + AR2 C4 − AR1 C2 , a2 = K

2.32

Sistemas t´ ermicos

Si se supone que la temperatura de un cuerpo es uniforme, entonces un peque˜ no n´ umero de sistemas térmicos pueden ser representados por ecuaciones diferenciales lineales. Se considerará espec´ıficamente un calentador de agua como ejemplo de un t´ıpico sistema térmico.


Figura 2.94 Sistema térmico En la Fig. 2.94 el mezclador tiene como fin uniformizar la temperatura del l´ıquido en el tanque. Se definen las siguientes variables: Q˙ i : flujo de calor que entra (por ejemplo en calor´ıas/segundo) Q˙ h : flujo de calor producido por la resistencia Q˙ c : calor almacenado por unidad de tiempo Q˙ 0 : flujo de calor que sale Q˙ l : calor perdido a través del aislante por unidad de tiempo Tt : temperatura en el tanque y del l´ıquido que sale Te : temperatura en el exterior La relaci´ on fundamental de sistemas térmicos en equilibrio establece que el calor as las pérdidas de adicionado al sistema (Qi + Qh ) es igual al calor almacenado m´ calor (Qc + Q0 + Ql ). Por lo tanto: Q˙ i + Q˙ h = Q˙ c + Q˙ 0 + Q˙ l y linealizada: ∆Q˙ i + ∆Q˙ h = ∆Q˙ c + ∆Q˙ 0 + ∆Q˙ l

(2.279)

El calor almacenado en el tanque es funci´ on de la temperatura del l´ıquido, Qc = Qc (Tt ). Por lo tanto: ∂Qc |P ∆Tt (2.280) ∂Tt 0 Si se considera que el calor almacenado en el tanque es análogo a la carga eléctrica (qe ) en un condensador y la temperatura es análoga al voltaje (e), entonces teniendo ∆Qc =

2.32 Sistemas térmicos 119 on (2.280), en cuenta la definici´ on de capacitancia eléctrica, qe = Ce e, y la ecuaci´ c | .Por lo tanto, (2.280) se puede se define la capacitancia térmica como C = ∂Q P 0 ∂Tt reescribir como ∆Qc = C∆Tt , la cual después de ser derivada es: ∆Q˙ c = C∆T˙t

(2.281)

on del parámetro denominado capacidad calórica El flujo de calor que sale, Q˙ 0 , es funci´ atica-mente: espec´ıfica, c, del caudal, M˙ , y de la temperatura del l´ıquido, Tt . Matem´ Q˙ 0 = cM˙ Tt

(2.282)

la cual después de ser linealizada alrededor del punto de operación es: ∆Q˙ 0 = cTt0 ∆M˙ + cM˙ 0 ∆Tt

(2.283)

El flujo de calor perdido a través del aislante depende de la diferencia de temperaturas en el tanque y en el exterior. Es decir, Q˙ l = Q˙ l (Tt − Te ). Linealizando alrededor del punto de operaci´ on: ∆Q˙ l =

∂ Q˙ l |P (∆Tt − ∆Te ) ∂(Tt − Te ) 0

(2.284)

Como el flujo de calor es variaci´ on de calor por unidad de tiempo, entonces aquél es an´ alogo a la corriente eléctrica y teniendo en cuenta la definici´ on de resistencia eléctrica, Re = ei , entonces de (2.284) se puede definir la resistencia térmica de h i−1 ˙l | . Por lo tanto (2.284) se puede reescribir: aislamiento R = ∂(T∂tQ P 0 −Te ) 1 ∆Q˙ l = (∆Tt − ∆Te ) R

(2.285)

Con (2.281), (2.283) y (2.285) en (2.279) y organizando: µ ¶ d∆Tt 1 1 ˙ + cM0 + C ∆Tt = ∆Q˙ i + ∆Q˙ h + ∆Te − cTt0 ∆M˙ dt R R

(2.286)

Si se supone que no hay cambios en el caudal, es decir ∆M˙ = 0, ni cambios en la temperatura en el exterior, es decir ∆Te = 0, entonces (2.286) se reduce a: C

µ ¶ d∆Tt 1 + cM˙ 0 + ∆Tt = ∆Q˙ i + ∆Q˙ h dt R

(2.287)

que es la ecuaci´ on diferencial que relaciona un cambio en la temperatura en el tanque con cambios en Q˙ i y en Q˙ h .


Figura 2.95 Circuito eléctrico an´ alogo al sistema de la Fig. 2.94 La Fig. 2.95 muestra un circuito eléctrico an´ alogo al sistema térmico de la Fig. 2aloga a las pérdidas 94. N´ otese que cM˙ 0 es el inverso de una resistencia eléctrica an´ a la salida, y si la fuente de voltaje ∆Te se despreciara, estar´ıa en paralelo con la resistencia an´ aloga a la resistencia térmica de aislamiento. ∆Q˙ i y ∆Q˙ h son análogas a dos fuentes de corriente conectadas en paralelo suministrando energ´ıa al circuito. C representa la capacitancia térmica del l´ıquido en el tanque. La siguiente tabla hace un resumen de las analog´ıas consideradas en esta sección. Sistema térmico

Sistema eléctrico

Temperatura, ∆T Flujo de calor, ∆Q Resistencia térmica, R Capacitancia térmica, C


CAPITULO

3

SIMULACION Y SINTESIS DE FUNCIONES DE TRANSFERENCIA El amplificador operacional, la computadora digital, el microprocesador o el microcontrolador se pueden utilizar no solo para simular sistemas sino también para sintetizar funciones de transferencia tales como filtros activos, controladores y compensadores en un sistema de control

3.1

El Amplificador Operacional

Es un amplificador directamente acoplado de muy alta ganancia, alta impedancia de entrada y baja impedancia de salida al cual se le a˜ nade realimentación para obtener diferentes funciones de transferencia. La Fig. 3.1(a) muestra su representación. Tiene dos entradas: una inversora (−) y otra no inversora (+). Si el voltaje entre (+) y (−) es mas positivo en (−), la salida es negativa como se muestra en el modelo de la Fig. 3.1(b). Cuando se utiliza realimentaci´ on negativa el voltaje entre (+) y (−) es prácticamente nulo y las corrientes de entrada a ambos terminales también se pueden despreciar. Un amplificador operacional ideal ser´ıa aquel que tuviese impedancia de entrada infinita, impedancia de salida cero, amplificaci´ on de voltaje sin realimentar infinita, ancho de banda infinito y balance perfecto. Un amplificador real, como el LM741, tiene, como valores t´ıpicos, impedancia de entrada 2M, impedancia de salida 75 Ohm, ganancia de voltaje sin realimentar 200000, el ancho de banda depende de la configuraci´ on y el desbalance es imperfecto pero peque˜ no. Sin embargo, si se realimenta negativamente su comportamiento es muy cercano al ideal.

121

122 SIMULACION Y SINTESIS DE FUNCIONES DE TRANSFERENCIA

Figura 3.1 S´ımbolo y modelo

3.1.1

Algunos Circuitos con Amplificador Operacional

Con el amplificador operacional se pueden obtener amplificadores inversores y noinversores de signo, sumadores, integradores, derivadores, filtros activos, y en general cualquier funci´ on de transferencia. Algunos circuitos básicos son los siguientes: 3.1.1.1 Amplificador con dos Fuentes de Entrada La Fig. 3.2 muestra un amplificador operacional con dos entradas v1 (s) y v2 (s) con realimentación negativa , desde la salida v0 (s) al terminal inversor (-) a través de la 0 impedancia Z (s).

Figura 3.2 Amplificador con dos entradas N´ otese que:

3.1 Sumador 123

v1 (s) − v(−) v0 (s) − v(−) + = i(−) ' 0 Z(s) Z 0 (s)

(3.1)

Adem´ as como v(+) − v(−) ' 0 y v(+) = v2 (s): ! Ã 0 0 Z (s) Z (s) v1 (s) + 1 + v2 (s) v0 (s) = − Z(s) Z(s)

0

(3.2)

0

Si v2 (s) = 0, con impedancias resistivas Z (s) = R y Z(s) = R:

0

R v0 (s) =− v1 (s) R

(3.3)

0

0

que es un amplificador inversor de ganancia − RR . Con R = R se tiene un inversor de signo para el cual v0 (s) = −v1 (s). Por otro lado, si en (3.2) v1 (s) = 0, con impedancias resistivas:

0

R v0 (s) =1+ v2 (s) R

(3.4)

con lo que se tiene un amplificador no-inversor de signo cuya ganancia es siempre 0 mayor que la unidad. Un caso particular, pero muy u ´til, es aquel para el cual R = 0 y R = ∞, llamado seguidor de voltaje, porque: v0 (s) =1 v2 (s)

(3.5)

Este es un amplificador de ganancia unitaria positiva que se caracteriza por tener una alt´ısima impedancia de antrada y una muy baja impedancia de salida lo que lo hace muy u ´til para acoplar un circuito de alta impedancia de salida con otro cuya impedancia de entrada sea relativamente baja.

124 SIMULACION Y SINTESIS DE FUNCIONES DE TRANSFERENCIA 3.1.1.2

Sumador

Figura 3.3 Sumador Como se muestra en la Fig. 3.3, ya que v(−) ' v(+) = 0, i1 = 0 vn v0 · · ·, in = R ei =R 0 : n

v1 −v(−) R1

=

v1 v2 vn v0 + +···+ + 0 = i(−) ' 0 R1 R2 Rn R

v1 R1 , i2

=

v2 R2 ,

(3.6)

As´ı: v0 = −

Ã

0

0

0

R R R v1 + v2 + · · · + vn R1 R2 Rn

!

=−

n X

k=1

Ã

0

R vk Rk

!

(3.7)

donde vk (con k = 1, 2 · · · n) y v0 son funciones del tiempo t. 0 R de las entradas La salida v0 es el negativo de la suma ponderada por las ganancas R k 0 vk . Si R1 = R2 = · · · = Rn = R la salida es directamente el negativo de la suma de las se˜ nales de entrada:

v0 = −

n X

k=1

vk

(3.8)

3.1 Derivador 125 3.1.1.3

Integrador

Figura 3.4 Integrador Un circuito que produce la integral de las entradas se muestra en la Fig. 3.4. Se v1 , utiliza un condensador C en la realimenteci´ on. Como v(−) ' v(−) = 0, i1 = R 1 0 v2 vn dv0 i2 = R2 , · · ·, in = Rn e i = C dt :

v2 vn dv0 v1 = i(−) ' 0 + +···+ +C R1 R2 Rn dt

(3.9)

¶ n Z µ X 1 vk dt + v0 (0+ ) v0 = − Rk C

(3.10)

de donde:

k=1

donde v0 (0+ ) es la condici´ on inicial o valor de v0 en el tiempo t = 0+


Derivador

Figura 3.5 Derivador La Fig. 3.5 muestra un circuito derivador con una entrada. En este caso como v(−) ' v(+) = 0 : C

dv1 v0 + = i(−) ' 0 dt R

(3.11)

y as´ı el voltaje de salida es:

v0 = −RC

dv1 dt

(3.12)

Es decir, la salida es proporcional a la derivada de la entrada. Este uso no es recomendable porque amplifica el ruido. Esto es, si v1 contiene una componente de ruido v1R = V1Rm sen(ωt), la componente de ruido a la salida, v0R, es:

v0R = −RC

d (V1Rm sen(ωt)) = −RCωV1Rm cos(ωt) dt

(3.13)

Con f la frecuencia en Hertzios, el factor ω = 2πf en la amplitud RCωV1Rm amplifica considerablemente el ruido, especialmente, si ω es de alta frecuencia. Es preferible deteriorar un poco la función derivadora filtr´ andola, por ejemplo, con el circuito de la Fig 3.6:

3.1 Filtro de un Polo 127

Figura 3.6 Derivador filtrado Como v(−) ' v(+) = 0 :

v0 (s) v1 (s) = i(−) ' 0 1 + R R1 + Cs

(3.14)

la funci´ on de transferencia del derivador filtrado es:

1 v0 (s) = (−RCs) v1 (s) 1 + R1 Cs

(3.15)

La parte (−RCs) corresponde a la funci´ on derivadora y :

G (s) =

1 1 + R1 Cs

es la parte filtrante con frecuencia de corte o ancho de banda

(3.16)

1 R1 C

rad/seg.


Filtro de un Polo

Figura 3.7 Filtro de un polo Un filtro de un polo se puede obtener con el circuito de la Fig. 3.7: Sumando corrientes con v(−) ' 0 : v1 (s) v0 (s) + + Csv0 (s) = i(−) ' 0 R1 R2

(3.17)

de donde: R2 v0 (s) =− v1 (s) R1

µ

1 1 + R2 Cs

¶

2 que es un filtro de ganancia − R R1 y frecuencia de corte o ancho de banda

3.2 3.2.1

(3.18)

1 R2 C

rad/seg.

Elementos de C´ alculo Anal´ ogico Soluci´ on de ecuaciones diferenciales mediante la com-

putadora anal´ ogica Un elemento básico de la computadora anal´ ogica es el integrador (Fig. 3.8):

3.2 Soluci´ on de ecuaciones diferenciales mediante la computadora analógica 129

Figura 3.8 Circuito integrador básico on Donde ei es la entrada que se integra y VIC = −e0 (0) sirve para establecer la condici´ inicial. La Tabla 3.1 resume la operaci´ on del circuito integrador básico dependiendo de las posiciones de los conmutadores S1 y S2 : Tabla 3.1 Modos de operaci´ on del integrador básico. Modo del integrador

Cómputo o c´ alculo

”HOLD” (Sostenimiento)

Posici´ on de los conmutadores

Circuito resultante


Modo del integrador

Posici´ on de los conmutadores

Circuito resultante

”RESET” (Reposición) Con referencia a la Tabla 3.1, para obtener la condici´ on inicial e0 (0) = −VIC se utiliza el circuito de reposici´ on. Después de lo cual se puede utilizar el circuito de c´ alculo. Si se desea congelar la soluci´ on se utiliza el circuito de sostenimiento.

3.2.2

Elementos b´ asicos de c´ alculo anal´ ogico

La Tabla 3.2 muestra algunos elementos b´ asicos de c´ alculo utilizados en la computadora analógica. Tabla 3.2 Algunos elementos de c´ alculo analógico Ciruito

S´ımbolo

Operación básica

e0 = a ei 0
e0 = −a ei 0 a= R Ri

e0 = n P ak ek

k=1

ak =

R0 Rk

3.3 Realizaci´ on ”OBSERVER” 131 Ciruito

S´ımbolo

Operación básica

e0 (t) = Rt 0 ei (τ ) dτ +e0 (0) a = 1/RC

−a

e0 = aei1 ei2

e0 = F (ei )

n P e0 = − k=1 Rt ak 0 eik (τ) dτ +e0 (0) ak = 1/Rk C

La Tabla 3.2 muestra algunos elementos b´ asicos de c´ alculo analógico. Se consideran como elementos especiales el multiplicador y el generador de funci´ on. Otro elemento especial, no incluido en la tabla, es el derivador que debe ser de tipo filtrado para evitar la amplificaci´ on de ruido. Generalmente se utilizan configuraciones o realizaciones que no incluyan derivadores al hacer la simulaci´ on de un sistema para evitar la amplificaci´ on de ruido.

3.3

Soluci´ on de ecuaciones diferenciales mediante

la computadora anal´ ogica S´ıntesis de funciones de transferencia Existen diferentes realizaciones para resolver ecuaciones diferenciales. Una de ellas se llama realizaci´ on ”OBSERVER”.

3.3.1

Realizaci´ on ”OBSERVER”

Sea por ejemplo la función de transferencia:


b1 s2 + b2 s + b3 y (s) = 3 u (s) s + a1 s2 + a2 s + a3

(3.19)

que en el dominio del tiempo es: d3 y d2 y dy d2 u du + a3 y = b1 2 + b2 + b3 u + a1 2 + a2 3 dt dt dt dt dt

(3.20)

Agrupando derivadas del mismo tipo: d2 d d3 y = 2 (b1 u − a1 y) + (b2 u − a2 y) + (b3 u − a3 y) 3 dt dt dt Integrando (3.21): Z d d2 y (b1 u − a1 y) + (b2 u − a2 y) + (b3 u − a3 y) dt = dt2 dt

on: Se define la tercera variable de estado x3 mediante la ecuaci´ Z x3 = (b3 u − a3 y) dt

(3.21)

(3.22)

(3.23)

Integrando (3.22):

dy = (b1 u − a1 y) + dt

Z

(b2 u − a2 y + x3 ) dt

Se define la segunda variable de estado x2 por: Z x2 = (b2 u − a2 y + x3 ) dt

(3.24)

(3.25)

Integrando (3.24):

y=

Z

(b1 u − a1 y + x2 ) dt

Se puede definir la primera variable de estado x1 : Z x1 = (b1 u − a1 y + x2 ) dt

(3.26)

(3.27)

de donde:

y = x1

(3.28)

Derivando (3.23), (3.25) y (3.27) se obtienen las ecuaciones de estado (3.29): .

x1 = −a1 x1 + x2 + b1 u . x2 = −a2 x1 + x3 + b2 u . x3 = −a3 x1 + b3 u As´ı las matrices A, B, C y D, para la realizaci´ on tipo ”OBSERVER”, son:

(3.29)

3.3 Realizaci´ on ”OBSERVER” 133 

−a1 A =  −a2 −a3 C=

£

 1 0 0 1  0 0

1 0 0

¤



 b1 B =  b2  b3 D=0

Tabla 3.3 Matrices de la realización ”OBSERVER” La realización ”OBSERVER” puede ser representada por medio del diagrama de bloques mostrado en la Fig. 3.9:

Figura 3.9 Diagrama de bloques de la realizaci´ on ”OBSERVER” El correspondiente diagrama de cálculo anal´ ogico se muestra en la Fig 3.10:

Figura 3.10 Diagrama de c´ alculo analógico de la realizaci´ on ”OBSERVER”

134 SIMULACION Y SINTESIS DE FUNCIONES DE TRANSFERENCIA Por ejemplo si b3 = 7.5 y a3 = 0.53, el diagrama circuital para el integrador INT1 es:

Figura 3.11 Diagrama circuital de INT1 Nótese que x3 se puede expresar: · ¸ Z Z 0.53 0.75 −udt + x1 dt x3 = − 100K × 1uf 1M × 1uf

(3.30)

o: ´ .

x3 = −0.53x1 + 7.5u = −a3 x1 + b3 u

(3.31)

que corresponde a la tercera ecuación de estado. El circuito para realizar el inversor INV1 se muestra en la Fig. 3.12:

Figura 3.12 Diagrama para obtener INV1

3.4

Generaci´ on de algunas funciones del tiempo

1) Generaci´ on de y (t) = t, t0 ≤ t ≤ tf . . Note que y (t) = 1 y con y (0) = 0 el diagrama correspondiente se muestra en la Fig

3.4 Generación de algunas funciones del tiempo 135 3.13:

Figura 3.13 Generación de la funci´ on y (t) = t t0 ≤ t ≤ tf 2) Generaci´ o. n de y (t)..= t2 , . y Nótese que (t) = 2t, y (t) = 2 y con y (0) = 0, y (0) = 0, el diagrama correspondiente se muestra en la Fig 3.14:

Figura 3.14 Generaci´ on de la funci´ on y (t) = t2 3) Generaci´ o.n de y (t) = Ae−at Nótese que y (t) = −aAe−at = −ay (t), y con y (0) = A, la funci´ on se puede obtener mediante el diagrama mostrado en la Fig 3.15:

.

Figura 3.15 Generaci´ on de y (t) = −aAe−at Nótese que:


y (t) = − entonces:

µZ

¶ ay (t) dt − A

.

y (t) = −ay (t)

(3.32)

(3.33)

que es la ecuaci´ on diferencial original. Ejercicio 1) Estudiar factores de escala de amplitud y de tiempo 2) Hacer un diagrama de computadora para la solución de: ..

.

θ +3 θ +67θ = 30 sen(5t) con todas las condiciones iniciales cero. 3) Obtener la ecuaci´ on diferencial y el diagrama circuital para generar la función: y (t) = A t e−at .

con y (0) = 10.

3.5

Escalamiento

La tensi´ on de salida de cualquier amplificador no debe exceder del voltaje de polarizaci´ on para evitar la saturación de los amplificadores lo cual puede causar errores en la soluci´ on de una ecuaci´ on diferencial o en la generación de una funci´ on de transferencia. Por otro lado, la tensi´ on máxima en cualquier amplificador no debe ser demasiado peque˜ na. Al establecer el diagrama de computadora es deseable que la m´ axima variaci´ on de tensión de salida sea la misma para cualquier amplificador. De aqu´ı que sea de gran importancia elegir las magnitudes apropiadas de los factores de escala que son los que relacionan las tensiones de salida de los amplificadores con las correspondientes cantidades f´ısicas (velocidad, ángulo, distancia, fuerza, etc.) La escala en tiempo relaciona la variable independiente del problema f´ısico, con la variable independiente de la computadora anal´ ogica. Para fen´ omenos que tienen lugar muy rápidamente, es necesario frenar la velocidad a la cual se simulan esos problemas en la computadora con el fin de poderlos observar bien sea en un osciloscopio o en un graficador. Por otro lado, sistemas como hornos y tanques, que tienen respuestas lentas, en el rango de horas, se pueden acelerar al hacer una simulaci´ on con el fin de seleccionar mas r´ apidamente los par´ ametros, por ejemplo, los de un controlador.

3.5.1

Escalamiento en amplitud

Se ilustra la selecci´ on de los factores de escala en amplitud utilizando como ejemplo la funci´ on:

3.5 Escalamiento en amplitud 137

x = 10 sen(3t)

(3.34)

Note que: .

x= 30 cos(3t) .. x= −90 sen(3t) .. x= −9 × 10 sen(3t) = −9x As´ı la ecuaci´ on diferencial correspondiente es: ..

x (t) + 9x (t) = 0

(3.35)

Selecionando las variables de estado x1 y x2 mediante las ecuaciones: = x . = x

x1 x2

(3.36)

entonces: .

x1 . x2

= =

x2 .. x

= =

.

x −9x

=

−9x1

lo que define las ecuaciones de estado (3.37): .

x1 . x2 Las condiciones iniciales son:

= x2 = −9x1

(3.37)

x1 (0) = x (0) = 0 . x2 (0) = x (0) = 30 Para hacer la realización utilizando amplificadores operacionales las variables de esan representadas por los voltajes vx1 y vx2 mediante las relaciones: tado x1 y x2 ser´ x1 = k1 vx1 x2 = k2 vx2

(3.38)

donde k1 y k2 son factores de escala en amplitud. Reemplazando (3.38) en (3.37) se obtiene: .

k1 vx1 . k2 vx2

= k2 vx2 = −9k1 vx1

o: ´ .

vx1 . vx2

k2 = k1 vx2 = −9 kk12 vx1

que son las ecuaciones de estado escaladas. Como x1 = x = 10 sen(3t):

(3.39)


k1 vx1 = 10 sen(3t) Si se escoge k1 = 1: vx1 = 10 sen(3t)

(3.40)

Cuya amplitud m´ axima es 10 voltios lo que no satura un amplificador alimentado con voltajes de polarizaci´ on de ± 12 voltios o m´ as. . . Como x2 = x1 = x = 30 cos(3t): x2 = k2 vx2 = 30 cos(3t) Y si se escoge k2 = 3: vx2 = 10 cos(3t)

(3.41)

cuya amplitud m´ axima es 10 voltios. Las nuevas ecuaciones escaladas de estado son: .

vx1 = 3vx2 vx2 = −3vx1 .

..

.

(3.42)

Note que vx1 = 3 , vx2 = −9vx1 , lo que da: ..

vx1 +9vx1 = 0

(3.43)

que es la misma ecuaci´ on original. As´ı, con vx1 (0) = 0 y vx2 (0) = 10 se obtiene la realización con amplificadores operacionales mostrada en la Fig 3.16.

Figura 3.16 Generaci´ on de la funci´ on vx1 = 10 sen 3t

3.5.2

Escalamiento en tiempo

En este caso el tiempo real t se relaciona con el tiempo de simulaci´ on tc por medio de la ecuaci´ on: t = kt tc

(3.44)

3.5 Escalamiento en tiempo 139 Obsérvese que: on rápida tc < t, si kt > 1, simulaci´ on lenta tc > t, si kt < 1, simulaci´ Sea por ejemplo la ecuaci´ on: .

v x1 =

dvx1 = 3vx2 dt

Al escalarla en tiempo queda: dvx1 = kt 3vx2 (3.45) dtc Esto equivale en general a multiplicar las ganancias de todas las entradas a los integradores por kt . Algunos computadores analógicos disponen de un condensador adicional que es 10 o´ 100 veces menor que el utilizado normalmente. Con ésto se puede obtener la soluci´ on en forma repetitiva para observar la respuesta en un osciloscopio y hacer ajustes de par´ ametros, por ejemplo los de un controlador, r´ apidamente. En el caso del ejemplo se tendr´ıa con un condensador 100 veces menor: ·

vx1 = 300vx2 · vx2 = −300vx1

(3.46)

lo que dar´ıa como soluci´ on vx1 = 10 sen (300t), que es la misma soluci´ on con una frecuencia 100 veces mayor. En general el proceso de escalamiento exige tantear, especialmente cuando no se conocen previamente los valores m´ aximos de las variables. Si se expresa el comportamiento din´ amico del sistema mediante ecuaciones de estado, un posible punto de inicio para seleccionar los factores de escala, es hacer que los coeficientes de las ecuaciones escaladas estén en el rango 0 a ±10. Por ejemplo, para un sistema de dos ecuaciones de estado: x1

·

= a11 x1 + a12 x2 + b1 u

·

= a21 x1 + a22 x2 + b2 u

x2 con

x1 = k1 v1 x2 = k2 v2 u = ku vu se tiene ·

v1 ·

v2

µ µ ¶ ¶ k2 ku = (a11 ) v1 + a12 v2 + b1 vu k1 k1 µ µ ¶ ¶ k1 ku = a21 v1 + (a22 ) v2 + b2 vu k2 k2

140 SIMULACION Y SINTESIS DE FUNCIONES DE TRANSFERENCIA Si todos los coeficientes: ¯ ¯ ¯ kj ¯ ¯ |aijv | = ¯aij ¯¯ para i = 1, 2, j = 1, 2 ki ¯ ¯ ¯ ku ¯ |biu | = ¯¯bi ¯¯ para i = 1, 2 ki

son menores que 10, al hacer la primera simulaci´ on se puede determinar cuales variables superan 10 voltios para cambiar las escalas correspondientes. Ejercicio Hacer un escalamiento previo de las ecuaciones de estado: ·

x1 ·

x2 ·

x3

= 0.5x1 − 20x2 − 5x3 + 3u = 0.6x1 = 80x2

con: u = 20 sen (2π0.1) t de tal manera que todos los coeficientes de las variables escaladas estén en el rango 0 a ±10.

3.6

Otras realizaciones para representar sistemas

por ecuaciones de estado 3.6.1

Realizaci´ on ”CONTROLLER”

Sea la funci´ on de transferencia. b1 s2 + b2 s + b3 y (s) = 3 u (s) s + a1 s2 + a2 s + a3

(3.47)

Definiendo: ¢ ¡ y (s) = b1 s2 + b2 s + b3 z (s)

¢ ¡ u (s) = s3 + a1 s2 + a2 s + a3 z (s)

(3.48)

donde z (s)es una variable auxiliar, que no afecta la funci´ on de trasferencia original: ¡ 2 ¢ b1 s + b2 s + b3 z (s) y (s) = 3 (3.49) u (s) (s + a1 s2 + a2 s + a3 ) z (s) En el dominio del tiempo:

3.6 Realizaci´ on ”CONTROLLER” 141

2

y = b1 ddt2z + b2 dz dt + b3 z (3.50) u=

d3 z dt3

2 + a1 ddt2z

+ a2 dz dt

+ a3 z

Definiendo

x3 x2 x1

= z dz = dt d2 z = dt2

(3.51)

As´ı: d3 z . = x1 dt2 Lo que permite obtener las ecuaciones de estado: .

x1 . x2 . x3

= −a1 x1 − a2 x2 − a3 x1 + u = x1 = x2

(3.52)

con la ecuación de salida: y = b1 x1 + b2 x2 + b3 x3

(3.53)

Las matrices Ac , Bc , Cc y Dc para la realizaci´ on tipo ”CONTROLLER”, son: 

−a1 Ac =  1 0 Cc =

£

b1

b2

−a2 0 1 b3

¤

 −a3 0  0



 1 Bc =  0  0 Dc = 0

Tabla 3.4 Matrices de la realizaci´ on ”CONTROLLER” Esta realización puede ser representada en diagrama de bloques como se muestra en la Fig 3.17. Note que Ac = At , Bc = C t y Cc = B t , donde t indica transpuesto. A, B y C son las matrices de la realización ”OBSERVER”. As´ı, la realizaci´ on ”CONTROLLER” es dual de la ”OBSERVER”.


Figura 3.17 Diagrama de bloques de la realizaci´ on ”CONTROLLER”

3.6.2

Realizaci´ on ”OBSERVABILITY”

La funci´ on de transferencia: b1 s2 + b2 s + b3 y (s) = 3 u (s) s + a1 s2 + a2 s + a3

(3.54)

d2 y dy d2 u dy d3 y − a + b3 u − a = −a y + b + b2 1 2 3 1 3 2 2 dt dt dt dt dt

(3.55)

w1 = y . w2 =y .. w3 =y

(3.56)

puede ser escrita:

Llamando:

.

...

Como w3 = y : .

..

.

w3 = −a1 w3 − a2 w2 − a3 w1 + b1 u +b2 u +b3 u . w2 = w3 . w1 = w2

(3.57)

z }| { • ¡ .¢ · w3 − b1 u = −a1 w3 − a2 w2 − a3 w1 + b2 u +b3 u

(3.58)

de donde:

definiendo

.

z3 = w3 − b1 u .

w3 = z3 + b1 u Reemplazando 3.59:

(3.59)

3.6 Realizaci´ on ”OBSERVABILITY” 143

.

.

z 3 = −a1 z3 − a2 w2 − a3 w1 + (b2 − a1 b1 ) u +b3 u . . w2 = z3 + b1 u . w1 = w2

(3.60)

de donde: }|

z

{

•

(z3 − (b2 − a1 b1 ) u) = −a1 z3 − a2 w2 − a3 w1 + b3 u z }| { •

(w2 − b1 u) = z3 •

w1

(3.61)

= w2

definiendo: x3 x2 x1

= z3 − (b2 − a1 b1 ) u = w2 − b1 u = w1

z3 w2 y

= x3 + (b2 − a1 b1 ) u = x2 + b1 u = w1 = x1

(3.62)

se obtiene:

y reemplazando en (3.61): .

x1 . x2 . x3

= x2 + b1 u = x3 + (b2 − a1 b1 ) u = −a3 x1 − a2 x2 − a1 x3 + [b3 − a2 b1 − a1 (b2 − a1 b1 )] u

(3.63)

= b1 = b2 − a1 b1 = b3 − a2 b1 − a1 (b2 − a1 b1 )

(3.64)

Llamando: β1 β2 β3

las matrices Aob , Bob , Cob y Dob son:

Aob



0 = 0 −a3

Cob =

£

1 0 −a2

1 0 0

¤

 0 1  −a1

Bob

 β1 =  β2  β3 

Dob = 0

Tabla 3.5 Matrices para la realizaci´ on ”OBSERVABILITY”

144 SIMULACION Y SINTESIS DE FUNCIONES DE TRANSFERENCIA La matriz Bob se puede también calcular mediante:

Bob

  1 β1 =  β2  =  a1 β3 a2 

0 1 a1

−1   0 b1 0   b2  1 b3

(3.65)

La realización ”OBSERVABILITY” puede ser representada en un diagrama de bloques como se muestra en la Fig 3.18.

Figura 3.18 Diagrama de bloques para la realizaci´ on ”OBSERVABILITY”

3.6.3

Realizaci´ on ”CONTROLLABILITY”

La realización ”CONTROLLABILITY” es dual de la ”OBSERVABILITY”. Las matrices Aco , Bco , Cco y Dco son:

Aco

 0 0 −a3 =  1 0 −a2  0 1 −a1

Cco =



£

β2

β1

β3

¤

Bco



 1 = 0  0

Dco = 0

Tabla 3.6 Matrices para la realizaci´ on ”CONTROLLABILITY” donde Cco se puede calcular mediante:

Cco =

£

β1

β2

β3

¤

=

£

b1

b2

b3

¤



1 a1  0 1 0 0

−1 a2 a1  1

(3.66)

3.6 Realizaci´ on ”CONTROLLABILITY” 145 El diagrama de bloques de la realización ”CONTROLLABILITY” se muestra en la Fig 3.19.

Figura 3.19 Diagrama de bloques para la realizaci´ on ”CONTROLLABILITY”

CAPITULO

4

ACCIONES BASICAS DE CONTROL

4.1

Introducci´ on

Un control automático, Fig.4.1, compara el valor efectivo de salida (c) de una planta con el valor deseado (r), determina la desviaci´ on (e) y produce una se˜ nal de control (m) que reduce la desviación a cero o a un valor peque˜ no. La forma en que el control autom´ atico produce la se˜ nal de control (m) recibe el nombre de acci´ on de control. En este cap´ıtulo se presentan las acciones de control b´ asicas usadas comunmente en los controles autom´ aticos industriales y sus efectos en el funcionamiento de un sistema.

Figura 4.1 Sistema controlado

4.2

Clasificaci´ on de los controles autom´ aticos

Los sistemas de control autom´ atico se clasifican seg´ un su acci´ on de control: 1. Controles de dos posiciones (todo-nada, si-no, on-off). 2. Controles proporcionales.

147

148 ACCIONES BASICAS DE CONTROL 3. 4. 5. 6.

Controles Controles Controles Controles

4.2.1

integrales. proporcionales e integrales (PI). proporcionales y derivativos (PD). proporcionales, integrales y derivativos (PID).

Controles de dos posiciones o de SI-NO

Figura 4.2 Control de dos posiciones Aqu´ı el controlador tiene solamente dos posiciones fijas. Son generalmente dispositivos eléctricos en donde habitualmente hay una válvula accionada por un solenoide eléctrico. También los controles neumáticos proporcionales con muy altas ganancias act´ uan como controles de 2 posiciones. Si m (t) es la salida del controlador y e (t) es la se˜ nal de error actuante: m(t) =

½

M1 , M2 ,

e(t) > 0 e (t) < 0

(4.1)

Generalmente M2 = −M1 ó M2 = 0.

Figura 4.3 Brecha diferencial o histéresis El rango en que e(t) se debe desplazar antes de que se produzca la conmutación se

4.2 Controles de dos posiciones o de SI-NO 149 llama brecha diferencial o histéresis, Fig 4.3. La brecha diferencial hace que la salida del control m (t) mantenga su valor hasta que la se˜ nal de error actuante haya pasado del valor cero. Debe notarse que la brecha diferencial evita la acci´ on excesivamente frecuente del mecanismo de SI-NO.

Figura 4.4 Control SI-NO de un tanque alvula de entrada se cierra y con Con referencia a la Fig 4.4, cuando h = h2 la v´ h = h1 , se abre.

Figura 4.5 An´ alogo eléctrico de un tanque La ecuacion diferencial que relaciona la salida h con la entrada, qi, sin considerar el controlador se puede obtener del an´ alogo eléctrico de la Fig 4.5:

C

h dh + = qi (t) dt R

(4.2)

Considérese ahora el controlador de dos posiciones en el cual la válvula de entrada o qi (t) = 0. está abierta o cerrada. Entonces qi (t) = Q ´ La respuesta del sistema se muestra en la Fig.4.6:

150 ACCIONES BASICAS DE CONTROL

Figura 4.6 Respuesta del nivel de un tanque con control SI-NO con brecha diferencial h (t) se obtiene de (4.2) con:

h (0) = 0 h (t1 ) = h2 h (t2 ) = h1

qi (t) = Qu (t) qi (t) = 0 qi (t) = Qu (t − t2 )

para 0 ≤ t ≤ t1 para t1 ≤ t ≤ t2 para t2 ≤ t ≤ t3

(4.3)

La Fig.4.7 muestra el diagrama de bloques del sistema:

Figura 4.7 Diagrama de bloques de un tanque con control SI-NO De la respuesta del sistema, h (t) se ve que se puede reducir la amplitud de la oscilaci´ on de la salida si se reduce la brecha diferencial. Esto, sin embargo, aumenta la cantidad de conmutaciones por minuto y reduce la vida u ´til de los componentes mec´ anicos.

4.2 Acci´ on de control proporcional 151

4.2.2

Acci´ on de control proporcional

Figura 4.8 Acci´ on de control proporcional En este caso, Fig 4.8, la se˜ nal de control m (t) es proporcional al error e (t): m (t) = KP e (t)

(4.4)

donde KP es la ganancia proporcional, o´: M (s) = KP E (s)

(4.5)

Con el fin de estudiar los efectos de la acci´ on de control proporcional en el comportamiento de un sistema considérese la Fig 4.9:

Figura 4.9 Control proporcional de una planta con perturbación As´ı: E R C N C N Si en (4.6) KP >> 1:

= = =

1 , 1 + KP G1 G2 G2 , 1 + KP G1 G2 KP G1 G2 , 1 + KP G1 G2

con N (s) = 0 con R (s) = 0 con N (s) = 0

(4.6)


1 E ≈ →0 R KP G1 G2 1 C ≈ →0 (4.7) N KP G1 C → 1 R Pero si G1 (s) G2 (s) tiene varios polos, se podr´ıa tener problemas de estabilidad, dependiendo de la ubicaci´ on en el plano complejo de los polos de la función de transferencia. Ejemplo 4.1 Control proporcional de un sistema de primer orden.

Figura 4.10 Control proporcional de un tanque Para la Fig 4.10: R ∆H (s) = ∆Qi (s) RCs + 1 El diagrama de bloques del control proporcional se muestra en la Fig 4.11:

Figura 4.11 Diagrama de bloques de un tanque con control proporcional

(4.8)

4.2 Acci´ on de control proporcional 153 Debido al control proporcional ∆Qi (s) = K (∆R (s) − ∆H (s)), donde K es la ganancia proporcional. As´ı: KR

KR KR ∆H (s) = RCs+1 = = KR ∆R (s) RCs + 1 + KR T s + 1 + KR 1 + RCS+1

(4.9)

donde T = RC. Supóngase que: ∆r (t) = u (t)

(4.10)

con u (t) la funci´ on escalón unitaria: u(t) =

½

1, 0,

t>0 t<0

se tiene: 1 s

(4.11)

1 KR · T s + 1 + KR s

(4.12)

∆R (s) = y:

∆H (s) =

Expandiendo (4.12) en fracciones parciales:

∆H (s) =

KR 1 T KR 1 · − · 1 + KR s T s + 1 + KR T s + 1 + KR

(4.13)

i t KR h 1 − e− T1 u (t) 1 + KR

(4.14)

y antitransformando:

∆h (t) = donde: T1 =

RC T = 1 + KR 1 + KR

La Fig 4.12 muestra la respuesta (4.14):


Figura 4.12 Control proporcional de un tanque La respuesta en estado estacionario es: ∆hss (t) = lim ∆h (t) = t→∞

KR 1 + KR

(4.15)

Nótese que en el estado estacionario hay un error: ess = 1 −

1 KR = 1 + KR 1 + KR

(4.16)

llamado corrimiento o error estático. Este se puede disminuir si K se hace grande. El corrimiento es una caracter´ıstica del control proporcional de una planta cuya funci´ on transferencia no posee elemento integrador. Como se ver´ a en la siguiente secci´ on, para eliminar este corrimiento hay que agregar la acci´ on de control integral. Otra manera de calcular el corrimiento es obtener la funci´ on de transferencia del error: 1 Ts + 1 E (s) = = KR R (s) T s + 1 + KR 1 + T s+1

(4.17)

con R (s) = 1/s : E (s) =

1 Ts + 1 s T s + 1 + KR

(4.18)

y aplicando el teorema del valor final: ess = lim e (t) = lim sE (s) = t→∞

s→0

1 1 + KR

(4.19)

4.2 Acci´ on de control integral 155

4.2.3

Acci´ on de control integral

Figura 4.13 Control integrativo La acción de control integral, llamada también de reposici´ on , resello, de respuesta a cero o ”reset” se muestra en la Fig 4.13, donde: Z m (t) = K e (t) dt (4.20)

o: ´

K M (s) = E (s) s

(4.21)

Figura 4.14 Se˜ nal de control si el error permanece cosntante RSuponiendo que e (t) = C1 =constante, m (t) = C1 t (Fig 4.14). De esta manera C1 dt = 0 sólo si C1 = 0. Si el sistema total es estable la u ńica forma de llegar al estado estacionario es que finalmente el error sea cero. Para todo el sistema: si e (t) > 0, m (t) crece e (t) aumenta y e (t) = r (t) − c (t) disminuye. Si e (t) < 0, m (t) disminuye, e (t) disminuye y e (t) = r (t) − c (t) aumenta. Si e (t) = 0, m (t) es constante la cual mantiene la salida deseada de la planta. El integrador Ks podr´ıa afectar grandemente la estabilidad del sistema. El control integrativo es bueno para plantas muy estables.

156 ACCIONES BASICAS DE CONTROL En el control proporcional de una planta cuya función de trasferencia no posee un integrador 1s , hay un error en estado de régimen o corrimiento en la respuesta a una entrada escal´ on. Este corrimiento se puede eliminar si se incluye la acción de control integral. En el control integral de una planta, la se˜ nal de control, m (t) en cada instante es el area bajo la curva de la se˜ ´ nal de error actuante e (t) hasta ese momento. m (t) puede ser diferente a cero cuando e (t) = 0 como se muestra en la Fig.4.15.

Figura 4.15 Se˜ nales de error y de control integrativo Lo anterior es imposible en el caso del control proporcional pues una se˜ nal de control no nula requiere una se˜ nal de error actuante como se muestra en la Fig.4.16.

Figura 4.16 Se˜ nal de error y de control proporcional Se hace notar que la acci´ on de control integral, si bien elimina el efecto de corrimiento o error de estado de régimen, puede llevar a una respuesta oscilatoria que, aunque amortiguada, podr´ıa ser indeseable, Fig 4.17. Si la planta posee muchos polos, la acci´ on de control integral puede inestabilizar totalmente el sistema.

4.2 Acci´ on de control integral 157

Figura 4.17 Algunas respuestas no aceptables Ejemplo 4.2 Control integral de un sistema de primer orden.

Figura 4.18 Control integral de un tanque Para la Fig 4.18 con controlador integrativo se puede obtener el diagrama de bloques de la Fig 4.19:

Figura 4.19 Diagrama de bloques del control integrativo de un tanque Las funciones de transferencia para la salida y para el error son:


KR ∆H (s) = ∆R (s) R (s2 + s + KR) ¡ ¢ R s2 + s ∆E (s) = ∆R (s) RCs2 + s + KR Nótese que los polos est´ an ubicados en: s µ ¶2 K 1 1 ± − s1,2 = − 2RC 2RC C

(4.22) (4.23)

(4.24)

y con K > 0 el sistema es estable. Si K/C > (1/2RC)2 s1,2

1 ±j =− 2RC

s

K − C

µ

1 2RC

¶2

(4.25)

se presentan oscilaciones pero es estable. El error de estado de régimen, o error estático, para una entrada escalón unitario ∆r (t) = u (t) o ∆R (s) = S1 se puede obtener aplicando el teorema del valor final: ¡ ¢ s RCs2 + s 1 · =0 (4.26) ∆ess = lim s∆E (s) = lim 2 s→0 s→0 RCs + s + KR s Por lo tanto, el control integral del sistema de nivel de liquido elimina el error de estado de régimen en la respuesta a la entrada escal´ on.

4.2.4

Acci´ on de control proporcional integral (PI)

Figura 4.20 Control proporcional e integrativo Para la Fig 4.20: ³ ´ KI KP s + K KI M (s) P = KP + = (4.27) E (s) s s Este tipo de control combina las caracter´ısticas de los anteriores controles. KP ayuda a corregir m´ as rápidamente el error. KsI elimina totalmente el error. Con este tipo de controlador, las condiciones de estabilidad se mejoran con respecto al control integral puro. Note que el controlador PI también puede ser interpretado como un controlador integrativo con un cero ubicado en:

4.2 Acci´ on de control proporcional integral (PI) 159

KI (4.28) KP El cero mejora las condiciones de estabilidad, como se ver´ a en la siguiente sección. s=−

Ejemplo 4.3 Control proporcional e integral. Considérese el sistema de la Fig.4.21 con un controlador proporcional e integral:

Figura 4.21 Ejemplo con control proporcional e integrativo Para este sistema: ¢ ¡ 1 1 KP + KsI s(Js+f ) s(Js+f ) ¢ ¢ ¡ ¡ · R (s) + N (s) C (s) = 1 1 1 + KP + KsI s(Js+f 1 + KP + KsI s(Js+f ) ) E (s) = o: ´ C (s) =

¡ 1 + KP + Js3

1

¢

1 s(Js+f ) ¢ KI 1 s s(Js+f )

¡ 1 + KP +

N (s)

(4.30)

KP s + KI s R (s) + 3 N (s) 2 2 + fs + KP s + KI Js + f s + KP s + KI

(4.31)

KI s

1 s(Js+f)

R (s) −

(4.29)

s s2 (Js + f) R (s) − 3 N (s) 3 2 2 Js + f s + KP s + KI Js + f s + KP s + KI Con los escalones c (t) = u (t) y n (t) = No u (t): E (s) =

(4.32)

R (s) = 1s N (s) = Nso

(4.33)

Css = lim c (t) = lim sC (s) = 1 + 0 × No

(4.34)

ess = e (t) = lim sE (s) = 0

(4.35)

t→∞

s→0

s→0

(4.34) y (4.35) muestran que: a) la salida alcanza exactamente el valor unitario del escalón y b) el error estacionario es nulo, a pesar de la perturbación presente. Ejercicios

160 ACCIONES BASICAS DE CONTROL a) Con KI = 0 (controlador proporcional) calcule ess con los escalones: n(t) = No u (t) y r (t) = u (t) . b) Si r (t) = t u (t) y n (t) = No u (t) encuentre ess . c) Con r(t) = u (t) y n (t) = No u (t) obtenga mss = lim m (t) . t→∞ d) ¿ Si KP = 0, es el sistema estable ?

4.2.5

Acci´ on de control proporcional y derivativo (PD)

Figura 4.22 Controlador proporcional-derivativo En este caso: M (s) = KP + KD s E (s)

(4.36)

A la acci´ on proporcional se le a˜ nade la acci´ on derivativa que aumenta la se˜ nal m de tal manera que si el error crece r´ apidamente, m ser´ a grande ayudando a corregir el error en forma más efectiva. Es como un efecto anticipativo que impide un crecimiento brusco de error.

a)

b)

Figura 4.23 Se˜ nal de control b) cuando el error a) crece linealmente En la Fig 4.23, por ejemplo, la se˜ nal de control m (t) crece mas r´ apidamente a mayor pendiente de la se˜ nal de error e (t). El control PD es un controlador estabilizante. La acci´ on de control derivativo tiene la desventaja de amplificar las se˜ nales de ruido. Ejemplo 4.4 Control proporcional derivativo.

4.2 Acci´ on de control proporcional integral derivativo (PID) 161 Considere el sistema (Fig 4.24) de una carga inercial con controlador PD.

Figura 4.24 Ejemplo con control proporcional-derivativo Para este sistema:

(KP + KD s) C (s) KP + KD s = 2 = 2 R (s) Js + KD s + KP Js + KD s + KP

(4.37)

Si KP > 0 y TD > 0 las raices de Js2 + KD s + KP = 0 tienen parte real negativa, y el sistema es estable. Si r(t) = u(t), una posible respuesta oscilatoria amortiguada, c(t), se muestra en la Fig 4.25. Si KD se aumenta la amplitud de las oscilaciones disminuye.

Figura 4.25 Una posible respuesta del sistema de la Fig. 4.24 Ejercicio Para el sistema anterior, encontrar c(t) si r(t) = u(t) y el controlador es proporcional u ńicamente. ¿ Es estable el sistema ?

4.2.6

Acci´ on de control proporcional integral derivativo (PID)

La Fig 4.26 muestra la combinaci´ on de los anteriores controles:


Figura 4.26 Controlador proporcional integral derivativo As´ı: KI KI + KP s + KD s2 M (s) = KP + + KD s = (4.38) E (s) s s La Fig 4.27 b) muestra la se˜ nal de control m (t) cuando el error e (t) crece linealmente:

Figura 4.27 Se˜ nal de control b) cuando el error a) var´ıa linealmente con el tiempo ua en el transitorio, ya que al final, el KP aumenta la rapidez de respuesta y solo act´ término KsI elimina el error, ganando completo control de la planta. El término KD s act´ ua para ayudar a la estabilidad. 2 on de adelanto, entonces: Nótese que H (s) = eT s = 1 + T s + (T2!s) + · · · es una funci´ y (t) = $−1 (H (s) X (s)) = x (t + T )

(4.39)

(4.39) define un sistema anticipativo (no causal), f´ısicamente imposible. El numerador de la función de trasferencia del PID, (KI + KP s + KD s2 ), en (4.38), tiene una similitud con la función de adelanto. El PID es ampliamente utilizado por la industria donde se encuentran términos propios tales como: on proporcional (”proportional action”). KP = acci´ KI = acci´ on de reposici´ on (de respuesta a cero) (”reset action”). s KD s = acci´ on de crecimiento por unidad de tiempo (”rate action”). Esta terminolog´ıa proviene primordialmente del área qu´ımica donde se habla de control de procesos en lugar de control de sistemas.

4.2 Algunas estructuras del controlador PID 163 Además las constantes se definen como bandas. Por ejemplo, proporcional en porcentaje.

1 KP

100% es la banda

Ejercicio

Figura 4.28 Selecci´ on de controlador Para la Fig. 4.28 suponga ∆Qi = 0 y que ocurre una perturbaci´ on n (t) = no u (t) (escal´ on) Determine el error en estado estacionario si: i (s) a) El controlador es de tipo proporcional: ∆Q ∆E(s) = KP . b) El controlador es de tipo integral:

∆Qi (s) ∆E(s)

=

KI s .

Figura 4.29 Selecci´ on de Gc (s) Para la Fig 4.29 seleccionar el tipo de controlador, Gc (s), que podr´ıa usarse de modo que el sistema sea estable y que un par perturbador constante, n (t) = no u (t), no produzca modificaci´ on en la velocidad en estado estacionario de régimen, es decir, que el error en estado estacionario sea cero. 4.2.6.1 Algunas estructuras del controlador PID La Fig 4.30 muestra el controlador PID cl´ asico:


Figura 4.30 Controlador PID clásico Cuya ley de control es:

u = KP e + KI

Z

edt + KD

de dt

(4.40)

La Fig 4.31 muestra otra estructura del controlador PID:

Figura 4.31 PID con derivada de la salida Esta estructura es muy utilizada. En lugar de derivar el error se deriva la salida. Con esto se evita que la planta responda a cambios bruscos de la se˜ nal de referencia r. La ley de control correspondiente es:

u = KP e + KI

Z

edt − KD

dy dt

(4.41)

Otra estructura, menos utilizada que la anterior, se muestra en la Fig 4.32. En ésta la acci´ on de control proporcional se toma también de la salida en lugar de la se˜ nal de error e.

4.2 Algunas estructuras del controlador PID 165

Figura 4.32 Otra estructura del PID La ley de control correspondiente es: Z dy u = KI edt − KP y − KD dt

(4.42)

Ejemplo 4.5 Ejemplo de un PID. La Fig 4.33 muestra un controlador PID hidromec´ anico para un sistema de nivel de l´ıquido:

Figura 4.33 PID hidromecánico Nótese que: z1

=

z2

=

a1 h b a2 h b

(4.43) (4.44)

166 ACCIONES BASICAS DE CONTROL z3

=

a3 h b

(4.45)

Como la carga del serromotor hidráulico (SMH) es despreciable, entonces: K1 K1 a2 H (s) · z2 (s) = · s b s

z6 (s) =

(4.46)

Del amortiguador y el resorte: ¡. . ¢ B z3 − z 4 = Kz4

Transformando (4.44): z4 (s) =

a3 Bs τs · z3 (s) = · H (s) Bs + k τs + 1 b

(4.47)

(4.48)

en donde τ = B/K. El desplazamiento de la válvula es: z=

d3 d4 z5 + z6 d3 + d4 d3 + d4

(4.49)

z5 =

d1 d2 z1 + z4 d1 + d2 d1 + d2

(4.50)

Además:

con (4.47) en (4.46) y luego usando (4.40),(4.43) y (4.45) se obtiene: z (s) = KP · H (s) +

KI s H (s) + KD H (s) s τs + 1

(4.51)

donde:

KP

=

KI

=

KD

=

d4 d1 a1 (d3 + d4 ) (d1 + d2 ) b d3 K1 a2 (d3 + d4 ) b d4 d2 τa3 (d3 + d4 ) (d1 + d2 ) b

(4.52)

Entonces el caudal de entrada se puede calcular como qi = −Ci z, donde Ci es una constante. Ejemplo 4.6 El telescopio del transbordador espacial. El telescopio para seguir estrellas y asteroides de transbordador espacial se puede modelar como una masa M = 100 Kg. Está suspendido por medio de actuadores magnéticos que producen una fuerza u (t). El cable que le suministra energ´ıa eléctrica se modela como un resorte de constante K = 1 N ew/m, Fig 4.34a.


Figura 4.34 Ejemplo 4.6 Dise˜ ne un controlador PID tal que el error ess = e (∞) para una entrada rampa r (t) = t u (t) sea 0.01 y que tenga un par de polos complejos como se muestra en la Fig.4.34c adem´ as del tercer polo real.

Figura 4.35 Diagrama del cuerpo libre a) y de bloques b) para el ejemplo 4.6 De la Fig 4.35a: u − Kz = M

d2 z dt2

(4.53)

Transformando (4.53) se obtiene la función de transferencia de la planta: 1 Z (s) = U (s) M s2 + K

(4.54)

KD s2 + KP s + KI Z (s) = R (s) M s3 + KD s2 + (KP + K) s + KI

(4.55)

¡ ¢ s Ms2 + K E (s) = R (s) Ms3 + KD s2 + (KP + K) s + KI

(4.56)

De la Fig 4.35b:

y,

Con ess = 0.01 para R (s) =

1 s2

(rampa r (t) = t u (t)):


ess

¡ ¢ s Ms2 + K 1 E (s) = 2 s Ms3 + KD s2 + (KP + K) s + KI # " ¢ ¡ s Ms2 + K = lim sE (s) = lim s × 2 s→0 s→0 s [Ms3 + KD s2 + (KP + K) s + KI ]

(4.57)

(4.58)

de donde: ess =

K = 0.01 KI

(4.59)

As´ı, KI = 100. (4.55) se puede escribir: KD 2 KP KI Z (s) M s + M s+ M = R (s) s3 + KMD s2 + (KPM+K) s +

KI M

(4.60)

El polinomio caracter´ıstico del sistema es: KI KD 2 (KP + K) s + s+ M M M que de acuerdo con la ubicación de polos de la Fig 4.34c es: Ã √ √ !Ã √ √ ! 2 2 2 2 A (s) = s + +j s+ −j (s + p) 2 2 2 2 A (s) = s3 +

(4.61)

(4.62)

o: ´ A (s) = s3 + de donde:

³√ ´ ³ √ ´ 2 + p s2 + 1 + 2p s + p

p = √ 2+p = √ 1 + 2p =

KI =1 M KD M KP + K M

As´ı:

KD KP Ejemplo 4.7 PID neum´ atico.

³ √ ´ = 100 1 + 2 ³ √ ´ = 100 1 + 2 − 1

(4.63)

(4.64)


Figura 4.36 PID neumático √ √ Con P1 constante, ϕin = K1 P1 − P2 , ϕ0 = K2 x P2 , P0 = −K y, Kg constante de los gases ideales y con la temperatura T de los fuelles constante, el sistema de la Fig 4.36 se comporta como un controlador PID.

Figura 4.37 Diagrama de cuerpo libre para puntos de masa cero De las Figs. 4.37a y b: Ac ∆P2 Kf ∆z + Af ∆Pi

= Kc ∆y = Af ∆PD

(4.65) (4.66)

de donde: ∆y

=

∆z

=

Ac ∆P2 Kc Af (∆PD − ∆Pi ) Kf

(4.67) (4.68)

170 ACCIONES BASICAS DE CONTROL Además: 1 (∆e − ∆z) 2 ∆P0 − ∆Pi = R1 ∆P0 − ∆PD = R2 ∆P2 = − Rin

(4.69)

∆x = ∆ϕi ∆ϕD ∆ϕin

(4.70) (4.71) (4.72)

donde: 1 K1 =− √ Rin 2 P1 − P20 También: ∆ϕ0 = Kx ∆x + Kp2 ∆P2

(4.73)

donde: Kx Kp2

p = K2 P20 K2 x0 √ = 2 P20

Para la presión de salida: ∆P0 = −K∆y

(4.74)

La diferencia de flujos es: ϕin − ϕ0 =

dM2 dt

donde M2 es la masa de gas en el volumen V2 . Con la ley de los gases P2 υ 2 = Kg T con υ2 = temperatura absoluta: M2 ∆M2

V2 M2 ,

el volumen espec´ıfico y T la

P2 V2 Kg T = C2 ∆P2 + Kv2 ∆V2 =

Donde la capacitancia C2 y la constante Kv2 son: C2

=

Kv2

=

V20 Kg T P20 Kg T

4.2 Algunas estructuras del controlador PID 171 suponiendo T constante. Con ∆V2 = Ac ∆y: ∆ϕin − ∆ϕ0 = C2 De la misma manera, como ϕi =

∆ϕi ∆ϕD

dMi dt

d∆P2 d∆y + Kv2 Ac dt dt

y ϕD =

(4.75)

dMD dt :

µ ¶ d∆z d∆ Pi + Kvi Af − dt dt d∆ PD d∆z + KV D Af = CD dt dt = Ci

(4.76) (4.77)

donde: Ci = KVgi0T VD0 CD = K gT

Kvi = KPgi0T PD0 KV D = K gT

Con (4.72), (4.73) y (4.67) en (4.75) y utilizando la transformada de Laplace con condiciones iniciales nulas: K2 ∆P2 (s) =− ∆x (s) 1 + τ2 s donde:

K2 τ2

= =

1 Rin

Kx + Kp2

C2 + 1 Rin

Kv2 A2c Kc

+ Kp2

Generalmente la constante de tiempo τ2 es muy peque˜ na y: ∆P2 (s) ' −K2 ∆x (s)

(4.78)

además: K2 >> 1 Con (4.70) y (4.68) en (4.76) y transformando: 0

(τi s + 1) ∆Pi (s) = ∆P0 (s) + τD s ∆PD (s)

(4.79)

Con (4.71) y (4.68) en (4.77) y transformando: 0

(τD s + 1) ∆PD (s) = ∆P0 (s) + τi s ∆Pi (s) donde:

(4.80)


³ ´ K Af τi = Ci + vi R1 Kf ³ 2 ´ K D Af τD = CD + VK R2 f

0

τD = 0

τi =

Kvi A2f R1 Kf KV D A2f R2 Kf

De (4.79) y (4.80): ´ ³ 0 1 + τD + τD s

∆Pi (s) =

∆ (s) ³ ´ 0 1 + τi + τi s

∆PD (s) =

∆ (s)

∆P0 (s)

∆P0 (s)

(4.81) (4.82)

donde: "

# A2f ∆ (s) = Ci CD + (Ci KV D + CD KV i ) s2 + (τi + τD ) s + 1 Kf Con (4.69), (4.78), (4.67), (4.74), (4.81), (4.82) y (4.68) se obtiene el diagrama de bloques:

Figura 4.38 Diagrama de bloques del PID neum´ atico Como: í h ³ í h ³ 0 0 1 + τi + τi − 1 + τD + τD = Ci R1 − CD R2 0

La Fig 4.38 se puede dibujar, con K =

1 2

Ac (−K2 ) K (−K) : c

(4.83)


Figura 4.39 Diagrama de bloques simplificado 0

donde K >> 1 porque K2 >> 1. As´ı: KI ∆P0 (s) ' Kp + + KD s ∆e (s) s donde:

KP

=

KI

=

KD

=

Kf (τi + τD ) Af (Ci R1 − CD R2 ) Kf Af (Ci R1 − CD R2 ) h i A2 Kf Ci CD + Kff (Ci KV D + CD Kvi ) Af (Ci R1 − CD R2 )

(4.84)

CAPITULO

5

RESPUESTA EN EL DOMINIO DEL TIEMPO El objetivo de este cap´ıtulo es obtener la respuesta temporal de los sistemas a se˜ nales aperi´ odicas tales como el escalón, la rampa,etc.

5.1

Estabilidad absoluta, estabilidad relativa y

error estacionario La caracter´ıstica m´ as importante del comportamiento din´ amico de un sistema de control es la estabilidad absoluta, concepto que se ver´ a posteriormente. Por ahora es suficiente saber que un sistema es estable si las ra´ıces del polinomio b(s) caracter´ıstico o denominador de la funci´ on de transferencia del sistema H (s) = a(s) tienen parte real negativa. Lo cual significa que los valores de s que satisfacen la ecuaci´ on caracter´ıstica a(s) = 0, esto es, las raices de a (s) , deben estar ubicadas en el semiplano complejo izquierdo. Un sistema est´ a en equilibrio si, en ausencia de perturbaciónes o de entradas de referencia, la salida se mantiene en el mismo estado. Un sistema de control lineal invariante en el tiempo, es estable si finalmente la salida retorna a un estado de equilibrio cuando el sistema es sometido a una perturbación o a una se˜ nal de entrada acotada. Una funci´ on f (t) es acotada si f (t) < M1 , para −∞ < t < ∞. En otras palabras, considere el sistema de la Fig 5.1:

175

176 RESPUESTA EN EL DOMINIO DEL TIEMPO

Figura 5.1 Funci´ on de transferencia de un sistema H (s) es estable si: $−1 (x (s)) = x (t) < M1 ,

−∞ < t < ∞

produce una salida acotada: $−1 (y (s)) = y (t) < M2 ,

5.1.1

−∞ < t < ∞

Estabilidad relativa

El hecho de que todos los polos de H (s) queden en el semiplano complejo izquierdo de s no garantiza caracter´ısticas satisfactorias de respuesta transitoria. Esta podr´ıa presentar excesivas oscilaciones o ser muy lenta. Para garantizar una respuesta transitoria r´ apida y bien amortiguada, los polos de H (s) deben quedar en una zona como la mostrada en la Fig 5.2:

Figura 5.2 Regi´ on recomendada para la ubicaci´ on de polos

5.1.2

Error estacionario

Ya que un sistema f´ısico de control generalmente tiene elementos que almacenan energ´ıa, su salida no puede seguir inmediatamente a la entrada sino que presenta una respuesta transitoria antes de alcanzar un estado estacionario. Si la salida del sistema de control en estado estacionario no coincide exactamente con

5.1 Algunos teoremas 177 la se˜ nal deseada, llamada se˜ nal de referencia o entrada, se dice que el sistema tiene un error estacionario, el cual indica la exactitud del sistema. Es importante analizar en los sistemas de control la respuesta transitoria, el tiempo necesario para alcanzar el estado estacionario, y el error en este estado.

5.1.3

Respuesta impulsiva

Para el sistema de la Fig 5.1: y (s) = H (s) x (s)

(5.1)

El diagrama correspondiente en el dominio del tiempo se muestra en la Fig 5.3:

Figura 5.3 Diagrama de bloques en el dominio del tiempo del sistema de la Fig 5.1 donde h (t) es la respuesta impulsiva del sistema, o respuesta a un impulso unitario δ (t). Note que si x (t) = δ (t), entonces x (s) = 1, y: y (s) = H (s) = $ (h (t))

(5.2)

La respuesta impulsiva h (t) es la respuesta de un sistema lineal a una entrada impulso unitario con condiciones iniciales iguales a cero. As´ı la transformada de Laplace de la respuesta impulsiva h (t) es la funci´ on de transferencia del sistema H (s) . Si el sistema es causal, x (t) = 0 para t < 0, entonces: Z t Z t h (τ ) x (t − τ ) dτ = h (t − τ ) x (τ ) dτ (5.3) y (t) = x (t) ~ h (t) = 0

0

La funci´ on de transferencia y la respuesta impulsiva de un sistema lineal invariante en el tiempo contienen la misma informaci´ on sobre la dinámica del sistema. En la práctica se puede considerar como un impulso, a un pulso de entrada con muy corta duraci´ on en comparaci´ on con las constantes significativas del sistema.

5.1.4

Algunos teoremas

En las siguientes consideraciones se suponen condiciones iniciales nulas. 1. Por la f´ ormula de Leibniz d dα

Z

u1 (α)

f (x, α) = f (u1 , α)

u0 (α)

du1 du0 − f (u0 , α) + dα dα

Z

u1 (α)

u0 (α)

∂ [f (x, α)] dx ∂α

(5.4)

Aplic´ andola a (5.3) : dy (t) = h (t) x (0) + dt

Z

t 0

∂ [h (τ ) x (t − τ)] dτ ∂t

(5.5)

178 RESPUESTA EN EL DOMINIO DEL TIEMPO Como x (0) = 0 : dy (t) = dt

Z

t

h (τ )

0

∂x (t − τ ) dτ ∂t

(5.6)

(5.6) indica que si la respuesta de un sistema lineal a .una entrada x (t) es y (t), . entonces la respuesta a la derivada de la entrada x (t) es y (t). 2. Cambiando la variable t por λ en (5.3): y (λ) =

Z

λ

h (τ ) x (λ − τ ) dτ

0

(5.7)

integrando (5.7): Z

t

y (λ) dλ =

0

Z tZ 0

λ

h (τ) x (λ − τ) dτ dλ =

0

Z

t

h (τ )

0

Z

0

λ

x (λ − τ) dλ dτ

(5.8)

Con λ = t : Z

0

λ

x (λ − τ) dλ =

Z

t

x (t − τ ) dt

0

(5.9)

As´ı (5.8) también puede ser escrita: Z

0

t

y (t) dt =

Z

t

h (τ)

0

Z

0

t

x (t − τ) dt dτ

(5.10)

(5.10) indica que la respuesta de un sistema lineal a la integral de la entrada x (t) es la integral de la salida y (t) . Pruebas similares se pueden hacer para derivadas de m´ as alto orden e integrales m´ ultiples. Los anteriores resultados son muy u ´tiles. Supóngase por ejemplo que se conoce la respuesta de un sistema cuando la entrada es un impulso δ (t). Es decir se conoce h (t) = $−1 (H (s))R . Rt t As´ı, como u (t) = 0− δ (τ ) dτ , entonces y (t) = 0− h (τ ) dτ. Rt Rt Asimismo, si x (t) = 0− u (t) dτ , entonces la nueva salida es y2 (t) = 0− y (τ ) dτ. Adem´ as, si se conoce la respuesta de un sistema lineal a la funci´ on escal´ on u (t), fácilmente obtenible en pr´ actica, la respuesta impulsiva se puede obtener derivando la respuesta al escal´ on.

5.1.5

Sistema de primer orden

Se analizar´ an las respuestas de un sistema de primer orden, o de un solo polo, a entradas tales como el escal´ on unitario, rampa unitaria e impulso unitario suponiendo condiciones iniciales nulas. 5.1.5.1 Respuesta al escal´ on unitario Un sistema de primer orden se muestra en la Fig 5.4:

5.1 Respuesta al escal´ on unitario 179

Figura 5.4 Sistema de primer orden Para este sistema: K K

P KP K Y (s) s = H (s) = 1+T = K K P R (s) 1 + T s + KP K 1 + 1+T s

o: ´ KP K Y (s) = H (s) = R (s) 1 + KP K donde:

K1

=

T1

=

µ

1 1 + T1 s

¶

=

K1 1 + T1 s

(5.11)

KP K 1 + KP K T 1 + KP K

Con un escalón unitario: r (t) = u (t) =

½

1 t>0 ⇒ R (s) = t<0 s

1, 0,

la respuesta es: Y (s) =

A B A + T1 As + Bs 1 K1 = + = s 1 + T1 s s 1 + T1 s s (1 + T1 s)

(5.12)

A y B son: A = K1 B = −K1 T1 As´ı: Y (s) = K1

"

1 1 − s s + T11

#

(5.13)

Antitransformando: ³ ´ y (t) = K1 1 − e−t/T1 u (t)

(5.14) se muestra en la Fig 5.5:

(5.14)


Figura 5.5 Respuesta de un sistema de primer orden a una entrada en escal´ on unitario u (t) Nótese que la constante de tiempo T1 es aquel valor de tiempo para el cual la respuesta ha alcanzado el 63.2% de su valor final K1 . A menor valor de la constante de tiempo, na, el polo p = − T11 se mas rápida es la respuesta del sistema. y cuando T1 es peque˜ aleja del eje imaginario haciéndose mas negativo. Para t = 4T1 la respuesta está a menos del 2% del valor final K1 . Por eso se acostumbra suponer que después de cuatro constantes de tiempo, el sistema ha alcanzado on: el estado estacionario, y se define el tiempo de soluci´ on ts por la ecuaci´ ts = 4T1

(5.15)

Otra caracter´ıstica importante de la curva exponencial es que la pendiente de la 1 tangente en t = 0 es K T1 : ¯ ¯ K1 − Tt ¯¯ K1 dy (t) ¯¯ 1 = e = (5.16) ¯ dt ¯t=0 T1 T1 t=0 Si se traza una recta:

yp (t) =

K1 t T1

ésta alcanzar´ıa el valor final K1 en t = T1 segundos. El error o corrimiento e (∞) = ess es: ess = 1 − K1 = 1 −

1 KP K = 1 + KP K 1 + KP K

(5.17)

´ Este también puede ser calculado utilizando la funci´ on de trasferencia del error: 1 1 + Ts E (s) = = PK R (s) T s + 1 + KP K 1+ K 1+T s

(5.18)

5.1 Sistema de segundo orden 181 Con R (s) =

1 s

: E (s) =

1 1 + Ts × s T s + 1 + KP K

y aplicando el teorema del valor final: ess = lim e (t) = lim sE (s) = t→∞

s→0

1 1 + KP K

que es el mismo resultado (5.17). 5.1.5.2 Respuesta a la rampa unitaria Como la respuesta al escal´ on unitario esta dado por (5.14), la respuesta a la rampa unitaria r (t) = t u (t) es la integral de esta ecuación:

y1 (t) =

Z

0

t

h i h i τ t K1 1 − e− T1 dτ = K1 t − T1 + T1 e− T1

(5.19)

El error e (t) es: h i t e (t) = t u (t) − K1 t − T1 + T1 e− T u (t) ³ ´ t = K1 T1 1 − e− T1 u (t) + (1 − K1 ) t u (t)

(5.20)

Para t >> T1 : e (t) ' (1 − K1 ) t + K1 T1

(5.21)

Nótese que e (∞) = ∞, o sea que este sistema no sigue la rampa. 5.1.5.3 Respuesta al impulso unitario Como el impulso unitario es la derivada del escalón, la respuesta del sistema es la derivada de la respuesta al escalón:

y2 (t) =

5.1.6

´ i K d h ³ 1 − Tt K1 1 − e−t/T1 u (t) = e 1 dt T1

Sistema de segundo orden

Considérese el servomecanismo que se muestra en la Fig 5.6:

(5.22)


Figura 5.6 Control de posici´ on El correspondiente diagrama de bloques se muestra en la Fig 5.7:

Figura 5.7 Diagrama de bloques para la Fig 5.6 donde:

N1 N3 · N2 N4 = Jm + n2 JL = fm + n2 fL

n = J f

Con:

K

=

T

=

K0 K1 Km 2 )n (Ra f + Km Ra J 2 Ra f + Km

la Fig 5.7 se puede simplificar al diagrama de bloques mostrado en la Fig 5.8:

5.1 Caso subamortiguado o respuesta con 0 < ζ < 1 183

Figura 5.8 Diagrama simplificado de la Fig 5.7 El diagrama de la Fig 5.8 se puede dibujar como el de la Fig 5.9:

Figura 5.9 Una representaci´ on estandarizada del diagrama de bloques de la Fig 5.8 donde: ωn2

=

2ζωn

=

ζ

=

K T 1 = 2σ T 1 √ 2 KT

(5.23)

As´ı: ωn2 C (s) = 2 R (s) s + 2ζωn s + ωn2

(5.24)

on o donde σ se llama atenuaci´ on, ωn , frecuencia natural no amortiguada y ζ, relaci´ raz´ on de amortiguaci´ on. La ecuación caracter´ıstica del sistema es: A (s) = s2 + 2ζωn s + ωn2 = 0

(5.25)

Las ra´ıces de (5.25) o polos del sistema son:

λ1,2

p 4ζ 2 ωn2 − 4ωn2 p 2 = −ζωn ± ζ 2 − 1ωn =

−2ζωn ±

(5.26)

184 RESPUESTA EN EL DOMINIO DEL TIEMPO 5.1.6.1 Caso subamortiguado o respuesta con 0 < ζ < 1 Si ζ < 1 : p λ1,2 = −ζωn ± j 1 − ζ 2 ωn = −ζωn ± jωd p donde ωd = 1 − ζ 2 ωn se llama frecuencia natural amortiguada. La ubicaci´ on correspondiente de los polos se muestra en la Fig 5.10:

(5.27)

Figura 5.10 Ubicaci´ on de los polos para el caso subamortiguado (0 < ζ < 1) en donde: cos θ sen θ tan θ

ζωn =ζ ω pn = 1 − ζ2 p 1 − ζ2 = ζ

=

(5.28)

o: ´ −1

θ = cos

ζ = sen

−1

p 1 − ζ 2 = tan−1

p 1 − ζ2 ζ

Si la entrada es un escalón unitario r (t) = u (t) ó R (s) = C (s) =

1 s

:

ωn2 As + B K 1 · 2 + 2 = 2 s s + 2ζωn s + ωn s s + 2ζωn s + ωn2

Con K = 1, A = −1 y B = −2ζωn : C (s) =

=

s + 2ζωn 1 1 − 2 = − 2 s s + 2ζωn s + ωn s

s + 2ζωn ³p ´2 (s + ζωn )2 + 1 − ζ 2 ωn

s + ζωn ζωn 1 − − s (s + ζωn )2 + (ωd )2 (s + ζωn )2 + (ωd )2

(5.29)

5.1 Caso de amortiguamiento cr´ıtico o respuesta con ζ = 1 185

= C (s) =

p 1 s + ζωn 1 ζωn · 1 − ζ 2 ωn − −p · s (s + ζωn )2 + (ωd )2 1 − ζ 2 ωn (s + ζωn )2 + (ωd )2 s + ζωn ζ ωd 1 − −p · (5.30) 2 2 2 s (s + ζωn ) + (ωd ) 1 − ζ (s + ζωn )2 + (ωd )2

Antitransformando (5.30) se tiene:

ζ

c (t) = 1 − e−ζωn t cos ωd t − p

1 − ζ2

para t ≥ 0. (5.31) también se puede escribir: c (t) = =

(

−ζωn t

1−e

(

"

ζ

e−ζωn t sin ωd t

(5.31)

#)

sin ωd t u (t) cos ωd + p 1 − ζ2 ) h i p −ζωn t 2 ζ sin ωd t + 1 − ζ cos ωd t u (t) e

1 1− p 1 − ζ2

(5.32)

p donde ωd = 1 − ζ 2 ωn . Utilizando las relaciones (5.28), (5.32) se puede escribir en forma compacta como en la ecuaci´ on (5.33): ) ( e−ζωn t sin (ωd t + θ) u (t) con ζ < 1 (5.33) c (t) = 1 − p 1 − ζ2

que es el primer tipo de respuesta mostrado en la Fig 5.11:

Figura 5.11 Respuesta subamortiguada de un sistema de segundo orden 5.1.6.2 Caso de amortiguamiento cr´ıtico o respuesta con ζ = 1 Si ζ = 1 : ωn2 ωn2 C (s) = 2 = 2 R (s) s + 2ωn s + ωn (s + ωn2 )

(5.34)

186 RESPUESTA EN EL DOMINIO DEL TIEMPO que corresponde a un par de polos reales ubicados en λ1,2 = −ωn . Si R (s) = 1s : C (s) =

1 ωn A K B · + = + s (s + ωn )2 s (s + ωn )2 (s + ωn )

donde K = 1, A = −ωn y B = −1. As´ı: C (s) =

1 ωn 1 − − s (s + ωn ) (s + ωn )2

(5.35)

Antitransformando (5.35) se obtiene (5.36): ª © C (s) = 1 − e−ωn t (1 + ωn t) u (t)

con ζ = 1

(5.36)

(5.36) es el segundo tipo de respuesta mostrado en la Fig 5.12:

Figura 5.12 Respuesta de amortiguamiento cr´ıtico de un sistema de segundo orden Esta respuesta también se puede obtener de (5.32) usando la regla de L’Hoppital. 5.1.6.3 Caso sobreamortiguado o respuesta con ζ > 1 Si ζ > 1 la ubicaci´ on del par de polos reales correspondientes está dada por (5.36). Con: p 1 − ζ2 sin jθ cos jθ

p = j ζ2 − 1 = j senh θ = cosh θ

y utilizando (5.32):

c (t) =

(

−ζωn t

1−e

"

ζ

p ζ2 − 1

#) ´ ³p ´ ³p ζ 2 − 1ωn t + cosh ζ 2 − 1ωn t senh u (t)

(5.37)

5.1 Respuesta oscilatoria o caso de amortiguamiento nulo, ζ = 0 187 c (t) también se puede reescribir como (5.38):

c (t) =

· −s1 t ¸) e−s1t t e ωn − u (t) 1+ p s1 s2 2 ζ2 − 1

(

(5.38)

donde:

s1 s2

´ ³ p ζ + ζ 2 − 1 ωn ´ ³ p = ζ − ζ 2 − 1 ωn =

Si s1 >> s2 , la respuesta debido a s1 se puede despreciar ya que al término que apidamente que el correspondiente a s2 . Es decir, la involucra a s1 cae mucho mas r´ respuesta es similar a la de un sistema de primer orden con un solo polo ubicado en −s2 . La respuesta correspondiente sobre el caso sobreamortiguado se muestra en la Fig 5.13:

Figura 5.13 Respuesta sobreamortiguada de un sistema de segundo orden 5.1.6.4 Respuesta oscilatoria o caso de amortiguamiento nulo, ζ = 0 on es: Si ζ = 0, hay un par de polos complejos ubicados en λ1,2 = ±jωn y la soluci´

c (t) = {1 − cos ωn t} u (t) cuya gr´ afica se muestra en la Fig 5.14:

(5.39)


Figura 5.14 Respuesta oscilatoria de un sistema de segundo orden La Fig 5.15 resume los casos vistos:

Figura 5.15 Diferentes respuestas de un sistema de segundo orden Nótese que en todos los casos, excepto para la respuesta oscilatoria (ζ = 0), el error en estado estacionario es cero, ess = 0. Dos sistemas de segundo orden con el mismo ζ, pero diferente ωn tienen el mismo sobreimpulso y el mismo diagrama oscilatorio mostrado anteriormente. Un sistema subamortiguado con 0.5 < ζ < 0.8 se aproxima al valor final mas rápidamente que uno con amortiguamiento cr´ıtico o sobreamortiguado. Entre los sistemas que responden sin oscilaci´ on, el amortiguado cr´ıticamente presenta la respuesta mas rápida. Un sistema sobreamortiguado siempre es lento en responder a cualquier entrada.

5.2 Especificaciones de respuesta transitoria 189

5.2

Especificaciones de respuesta transitoria

Como se dijo antes, sistemas con almacenamiento de energ´ıa no pueden responder instantáneamente y presentan transitorios siempre que se les somete a entradas de referencia o perturbaciones. La entrada escal´ on, facil de generar, es frecuentemente usada para especificar las caracter´ısticas de funcionamiento de un sistema de control. Además, como se vi´ o anteriormente, si se conoce la respuesta de un sistema a una entrada escalón, en principio es posible calcular la respuesta a cualquier entrada. Obviamente la respuesta transitoria de un sistema depende de las condiciones iniciales. Sin embargo, para poder comparar fácilmente las caracter´ısticas de la respuesta transitoria de diversos sistemas, se acostumbra suponer que las condiciones iniciales son cero. Cuando la respuesta transitoria presenta oscilaciones amortiguadas es habitual dar las especificaciones mostradas en la Fig 5.16:

Figura 5.16 Especificaciones para un sistema con respuesta subamortiguada Las especificaciones son las siguientes:

1 Tiempo de retardo, td . El tiempo que la respuesta tarda en alcanzar por primera vez la mitad del valor final.

190 RESPUESTA EN EL DOMINIO DEL TIEMPO 2 Tiempo de crecimiento, tr . El requerido para que la respuesta crezca del 10 al 90%, del 5 al 95% o del 0 al 100% de su valor final. Se utilizar´ a esta u ´ltima especificaci´ on (0 al 100%) en cálculos posteriores.

3 Tiempo de pico o de sobrepaso, tp . El requerido por la respuesta para alcanzar el primer pico del sobreimpulso o sobrepaso.

4 Maximo sobreimpulso o sobrepaso, Mp . Este se define en forma porcentual mediante (5.40): Mp =

e (tp ) − e (∞) × 100% e (∞)

(5.40)

y es un indicativo de la estabilidad relativa del sistema.

5 Tiempo de establecimiento o de soluci´ on, ts . Tiempo requerido por la respuesta para alcanzar y mantenerse dentro de determinado rango alrededor del valor final. Este rango generalmente se especifica en porcentaje absoluto del valor final (habitualmente 5% ó 2%). El tiempo de establecimiento se relaciona con la constante de tiempo m´ as grande del sistema. El criterio para la fijaci´ on del porcentaje de error a usar depende de los objetivos del dise˜ no del sistema en cuesti´ on. Nótese que si se especifican td , tr , tp , ts , y Mp , virtualmente queda determinada la forma de la respuesta. Para un sistema sobreamortiguado no se aplican los términos tiempo pico y máximo sobreimpulso. Para sistemas con error estacionario para entradas escalón, el error se debe mantener dentro de un nivel porcentual espec´ıfico. Comentarios. Excepto donde no se toleren oscilaciones, se desea una respuesta transitoria suficientemente rápida y suficientemente amortiguada. Para sistemas de segundo orden el rango recomendado para ζ es: 0.4 < ζ < 0.8. Para ζ < 0.4 el sobrepaso es excesivo y para ζ > 0.8 la respuesta es lenta. Se ver´ a posteriormente que Mp y tr están en conflicto entre s´ı. Es decir, si Mp decrece, tr aumenta y viceversa.

5.2 Tiempo de pico tp 191

5.2.1

Especificaciones de respuesta transitoria para sistemas

de segundo orden Se obtendr´ an el tiempo de crecimiento, tiempo pico, m´ aximo sobrepaso y tiempo de establecimiento de sistemas de segundo orden obtenidos del sistema (5.24). Los valores se obtendrán en términos de ζ y ωn y se supondrá que el sistema es subamortiguado (ζ < 1). 5.2.1.1 Tiempo de crecimiento o tiempo de levante tr Utilizando el criterio de 0 al 100%, c (tr ) = 1. Reemplazando en (5.33):

de donde:

e−ζωn tr c (tr ) = 1 = 1 − p sen (ωd tr + θ) 1 − ζ2

(5.41)

sen (ωd tr + θ) = 0

(5.42)

(ωd tr + θ) = π, 2π, 3π, · · ·

(5.43)

As´ı:

El primer cruce de c (t) con el valor unitario o 100% ocurre cuando (ωd tr + θ) = π. Por lo tanto: tr =

π−θ π−θ =p ωd 1 − ζ 2 ωn

(5.44)

Nótese que para un valor peque˜ no de tr , ωn debe ser grande. 5.2.1.2 Tiempo de pico tp Con (5.33) cuando t = tp , la pendiente es cero:

de donde:

o: ´

¯ ζωn dc (t) ¯¯ =p e−ζωn tp sen (ωd tp + θ) ¯ dt t=tp 1 − ζ2 p 1 − ζ 2 ωn −ζωn tp − p e cos (ωd tp + θ) = 0 1 − ζ2 ζ sen (ωd tp + θ) p = cos (ωd t + θ) 1 − ζ2 p 1 − ζ2 tan (ωd tp + θ) = ζ

As´ı:

(5.45)

(5.46)


−1

ωd tp + θ = tan

! Ãp 1 − ζ2 = θ + πn ζ

n = 0, 1, · · ·

(5.47)

El primer pico ocurre cuando n = 1 : π π =p ωd 1 − ζ 2 ωn

tp =

5.2.1.3 Este es:

(5.48)

M´ aximo sobreimpulso Mp

Mp = c (tp ) − 1

(5.49)

Utilizando (5.32) se tiene: Ã

−ζωn tp

sen ωd tp cos ωd tp + p 1 − ζ2

c (tp ) − 1 = −e Pero de (5.48) ωd tp = π y:

−ζωn tp

Mp = −e o: ´

ζ

Ã

ζ

sen π cos π + p 1 − ζ2 − √ ζπ

Mp = e−ζωn tp = e

1−ζ 2

!

!

= Mp

(5.50)

= e−ζωn tp

(5.51)

Existen diferentes criterios integrales para establecer lo que podr´ıa llamarse el valor optimo de la raz´ ´ on de amortiguaci´ on ζ. R∞ Uno de ellos se llama criterio ITAE el cual minimiza la integral J = 0 |e| tdt, integral del valor absoluto del error multiplicado por el tiempo, que trata de penalizar la magnitud del error y la duración del mismo. Utilizando este criterio con e (t) = r (t) − c (t) se obtiene ζ = 0.707. R∞ Otro criterio es el ISE que minimiza la integral J = 0 e2 dt, o integral del cuadrado del error. Este criterio no penaliza la duración de error. Con el ISE se obtiene ζ = 0.5. Existen otros criterios de optimización. Sin embargo, el valor de ζ = 0.7 corresponde al valor cercano al óptimo con respecto a varios de ellos. Para ζ = 0.7, el sistema de segundo orden tiene una respuesta rápida a la entrada escalón con un sobrepaso de aproximadamente el 4.3%. on de la razón de amorLa Fig 5.17 muestra una gráfica del sobrepaso Mp en funci´ tiguaci´ on ζ para el sistema de segundo orden:

5.2 Tiempo de establecimiento ts 193

Figura 5.17 Sobrepaso en función de la raz´ on de amortiguaci´ on Obsérvese que para ζ = 0.4 el sobrepaso es del 25.4%, mientras que para ζ > 0.707 es menor del 4.3%. 5.2.1.4 Tiempo de establecimiento ts De (5.51) Mp = e−ζωn tp . As´ı, se puede constru´ır una curva envolvente de sobrepasos (5.52):

Mp (t) = e−ζωn t

(5.52)

que es una curva exponencial tal que:

Mp (t) < 2%

para t > 4T =

4 ζωn

As´ı, se puede aceptar que el transitorio de c (t) está a menos del 2% del valor final para el tiempo ts , o tiempo de establecimiento dado por (5.53):

ts =

4 ζωn

Nótese que la constante de tiempo de las envolventes es

(5.53)

1 ζωn ,

Fig 5.18:


Figura 5.18 Curvas envolventes de sobrepaso Obsérvese que para el mismo ωn y ζ < 1, el tiempo de establecimiento para un sistema muy levemente amortiguado, es mayor que para un sistema adecuadamente amortiguado. Sin embargo, como el valor de ζ generalmente es determinado por un requerimiento de m´ aximo sobreimpulso permitido, el tiempo de establecimiento ts está determinado principalmente por la frecuencia natural no amortiguada ωn . Es decir, la duraci´ on del per´ıodo transitorio puede ser variada sin modificar el m´ aximo sobrepaso, ajustando ωn . Entonces, para tener una respuesta rápida, ωn debe ser grande, y para limitar el on de amortiguaci´ on ζ no debe ser demasiado peque˜ na. máximo sobrepaso Mp , la relaci´ Ejercicio. ω2

n on impulso, hallar c (t) : 1. Con C(s) 2 y r (t) = δ (t), la funci´ R(s) = s2 +2ζωn s+ωn para ζ = 0, ζ < 1, ζ = 1 y ζ > 1. Hacer gr´ aficos y comparar. 2.

Figura 5.19 Sistema de segundo orden Para el sistema de la Fig 5.19, hallar el error en estado estacionario ess cuando r (t) = t u (t) en funci´ on de ζ y ωn .

Ejemplo 5.1 C´ alculo de algunos par´ ametros.

5.2 Tiempo de establecimiento ts 195

Figura 5.20 Sistema para el ejemplo 5.1 Para el sistema de la Fig 5.20, hallar los valores de ganancia K y la constante de realimentación de velocidad Kh de manera que el máximo sobrepaso en la respuesta al escalón unitario sea 0.2 y el tiempo de pico de 1 segundo. Con estos valores de K y Kh hallar el tiempo de crecimiento y el de establecimiento. El sistema anterior es de segundo orden: K ωn2 C (s) = 2 = 2 R (s) s + (1 + KKh ) s + K s + 2ζωn s + ωn2 donde: ωn 2ζωn ζ

√ = K = 1 + KKh 1 + KKh √ = 2 K

De (5.51):

Mp ζπ

As´ı:

p 1 − ζ2

− √ ζπ

= e

1−ζ 2

= 0.2

= 1.61

ζ = 0.456 De (5.48): tp = As´ı:

π π =p =1 ωd 1 − ζ 2 ωn

ωd = 3.14 Adem´ as:

y

ωn = 3.53

(5.54)


K Kh

= ωn2 = 12.5 2ζωn − 1 = 0.178 = K

De (5.44): tr = Como: −1

θ = tan

π−θ ωd

! Ãp 1 − ζ2 = 1.10 ζ

entonces: tr =

π − 1.10 = 0.65seg 3.14

y para el criterio de 2%: ts =

4 = 2.48 seg ζωn

Ejercicio. Resolver el ejemplo anterior con un sobrepaso del 3%, con un tiempo de soluci´ on de 1 segundo. Calcule K, Kr , tr y tp

5.3 5.3.1

Sistemas de o ´rdenes superiores Sistema de tercer orden

Considérese el sistema (5.55): ωn2 p C (s) = 2 R (s) (s + 2ζωn s + ωn2 ) (s + p)

(5.55)

Si r (t) = u (t) o R (s) = 1s , se puede obtener c (t), (5.56), con 0 < ζ < 1: e−ζωn t × c (t) = 1 − 2 βζ (β − 2) + 1 ( ) £ 2 ¤ p p βζ ζ (β − 2) + 1 p βζ 2 (β − 2) cos 1 − ζ 2 ωn t + sen 1 − ζ 2 ωn t 1 − ζ2 ept (5.56) − 2 βζ (β − 2) + 1

5.3 Respuesta transitoria de sistemas mayor orden 197 donde β = ζωpn Obsérvese que como: ¢ ¡ 2 βζ 2 (β − 2) + 1 = ζ 2 (β − 1) + 1 − ζ 2 > 0

entonces el coeficiente del término e−pt es siempre negativo. Por lo tanto el efecto del polo real situado en s = −p en la respuesta al escalón unitario es reducir el máximo sobrepaso y podr´ıa aumentar el tiempo de establecimiento. Si el polo real está ubicado a la derecha de los polos complejos conjugados, hay tendencia a una respuesta lenta y el sistema se comporta como uno sobreamortiguado al cual los polos complejos conjugados a˜ naden ondulaciones a la curva de respuesta.

5.3.2

Respuesta transitoria de sistemas mayor orden

Para el sistema dado por (5.57): b0 sm + b1 sm−1 + · · · + bm C (s) = R (s) a0 sn + a1 sn−1 + · · · + an

(5.57)

si no hay polos repetidos, entonces: C (s) = q Q R (s)

K·

j=1

(s + pj ) ·

m Q

(s + zi )

i=1 r Q

k=1

(5.58) (s2 + 2ζk ωk s + ωk2 )

donde q + 2r = n. on escal´ on, Por descomposici´ on en fracciones parciales de (5.58) con R (s) = S1 , funci´ se obtiene (5.59): p q r X bk (s + ζk ωk ) + ck ωk 1 − ζk2 a X aj c (s) = + + (5.59) s j=1 s + pj s2 + 2ζk ωk s + ωk2 k=1

Si se antitransforma (5.59), c (t) se puede expresar:

c (t) = a+

q X j=1

+

r X

aj e−pj t +

r X

bk e−ζk ωk t cos ωk

k=1

ck e−ζk ωk t sen ωk

k=1

q 1 − ζk2 t

q 1 − ζk2 t

para t ≥ 0

(5.60)

Si todos los polos están en el semiplano complejo izquierdo: css = lim c (t) = a t→∞

Considérese que el sistema es estable. Entonces los polos que est´ an ubicados lejos del eje jω tienen partes reales negativas grandes y por lo tanto los términos exponenciales en c (t) que corresponden a esos polos caen muy rápidamente a cero ya que el tiempo de establecimiento depende de la distancia horizontal de los polos al eje jω.

198 RESPUESTA EN EL DOMINIO DEL TIEMPO La curva de respuesta de un sistema estable de orden superior a una entrada escalón unitario es la suma de cierto n´ umero de curvas exponenciales y curvas senoidales amortiguadas. Algunas respuestas se muestran en la Fig 5.21.

a)

b)

c)

Figura 5.21 Algunas respuestas de sistemas de orden superior En la Fig 5.21a la respuesta corresponde a un par de polos complejos conjugados dominantes. Su comportamiento es similar al de uno de segundo orden. En la Fig 5.21b se nota la presencia de un polo real dominante, ya que se asemeja a la respuesta de un sistema de primer orden sobre el que se superpone la respuesta de un par de polos complejos conjugados menos dominantes. La Fig 5.21c muestra la respuesta de un par de polos complejos dominantes sobre la que se superpone la respuesta de otro par de polos complejos menos dominantes.

CAPITULO

6

CRITERIOS DE ESTABILIDAD

6.1

Introducci´ on

Un sistema con funci´ on de transferencia W (s) es estable si todos sus polos están en el semiplano complejo izquierdo. Considérese el sistema de lazo cerrado de la Fig 6.1, con una entrada y una salida:

Figura 6.1 Sistema realimentado donde: y (s) G (s) = W (s) = u (s) 1 + G (s) H (s)

(6.1)

Cualquier sistema como el (6.1) puede ser descrito mediante las variables de estado x (t): .

x (t) = Ax (t) + Bu (t)

(6.2)

llamada ecuaci´ on de estado. La ecuaci´ on de salida est´ a dada por (6.3): y (t) = Cx (t) + Du (t) 199

(6.3)

200 CRITERIOS DE ESTABILIDAD En general D = 0, ya que D 6= 0 implica conexi´ on directa entre entrada y salida. Transformando (6.2) y (6.3), con D = 0: sx (s) = Ax (s) + Bu (s) y (s) = Cx (s)

(6.4)

o: ´ −1

x (s) = (sI − A)

Bu (s)

(6.5)

con (6.5) en (6.4): y (s) = C (sI − A)−1 Bu (s)

(6.6)

Para el caso SISO, una entrada una salida (6.6) se puede escribir: G (s) b (s) C [adj (sI − A)] B y (s) = C (sI − A)−1 B = = = u (s) det (sI − A) 1 + G (s) H (s) a (s)

(6.7)

donde adj (sI − A) es la matriz adjunta de (sI − A). El sistema es estable si los ceros de a (s) = det (sI − A) están en el semiplano complejo izquierdo, donde det significa determinante. Cuando el grado del polinomio a (s) = det (sI − A) = sn + a1 sn−1 + · · · + an , es de orden mayor que 3, las ra´ıces no se pueden calcular, en general, anal´ıticamente. Por lo tanto, en estos casos se debe recurrir a métodos iterativos para encontrar las ra´ıces como por ejemplo el método de Newton-Raphson, etc.

6.1.1

M´ etodo de Newton-Raphson

Con a (s) = 0, la ecuaci´ on caracter´ıstica de un sistema, entonces: ∆a (s) '

da (s) ∆s ds

Si sk es el valor de s en la k-ésima iteraci´ on y sk+1 en la siguiente, entonces ∆a (s) = a (sk+1 ) − a (sk ) y ∆ (s) = sk+1 − sk . As´ı: a (sk+1 ) − a (sk ) ' a0 (sk ) (sk+1 − sk )

(6.8)

donde: a0 (sk ) =

¯ da (s) ¯¯ ds ¯s=sk

Si en la iteración k+1 se est´ a muy cerca de una ra´ız, entonces a (sk+1 ) ' 0 y (6.8) se puede escribir: sk+1 = sk −

a (sk ) a0 (sk )

(6.9)

6.2 An´ alisis de estabilidad por cancelaci´ on de polos 201 que es la f´ ormula iterativa de Newton-Raphson. Para aplicar (6.9), se escoge un valor inicial arbitrario s1 y se calcula s2 , y as´ı sucesivamente. El algoritmo se puede detener cuando:

|sk+1 − sk | < ²

donde ² es un valor positivo peque˜ no. Ejercicio. Hallar las ra´ıces de a (s) = s3 + 9s2 + 25s + 25 usando el método de Newton-Raphson. Escoger como valor inicial s1 = −1 + j. Sin embargo, existen criterios de estabilidad que permiten determinar si un sistema es estable o no, sin necesidad de tener que encontrar las ra´ıces del polinomio a (s), como por ejemplo el criterio de estabilidad de Routh y Hurwitz.

6.2

An´ alisis de estabilidad por cancelaci´ on de polos

Considérese un sistema con función de trasferencia Hf (s) = Fig 6.2:

1 s−1

el cual es inestable,

Figura 6.2 Compensaci´ on serie o cascada Supóngase que para estabilizarlo se precede Hf (s) con un compensador Hc (s) = para lograr la funci´ on de transferencia total:

Hf (s) Hc (s) =

(s − 1) 1 1 · = (s − 1) (s + 1) s+1

estable?

s−1 s+1

(6.10)

En (6.10) se hizo una cancelaci´ on de un polo con un cero, lo cual le da, aparentemente, estabilidad al sistema. Como se ver´ a a continuaci´ on, esta técnica no funciona. Para ver porqué, considérese la realizaci´ on que se muestra en la Fig 6.3:

202 CRITERIOS DE ESTABILIDAD

Figura 6.3 Realizaci´ on para la Fig 6.2 Ejercicio. Verificar que las realizaciones de la Fig 6.3 tienen las funciones de trasferencia mostradas. Con x1 y x2 como variables de estado, las ecuaciones de estado son: ¸· ¸ · ¸ · . ¸ · x1 −1 0 x1 −2 . = + v (6.11) x2 1 1 1 x2

y la ecuación de salida es:

y=

£

0 1

¤

·

x1 x2

¸

Obsérvese que la ecuaci´ on caracter´ıstica obtenida de las ecuaciones de estado es: · ¸ s+1 0 det (sI − A) = det = (s + 1) (s − 1) = 0 (6.12) −1 s − 1 (6.12) muestra claramente la presencia de una ra´ız s = 1 ubicada en el plano complejo derecho y por lo tanto el sistema es inestable. Como puede verse (6.10) y (6.12) se contradicen. Sin embargo el resultado obtenido de (6.12) es enteramente correcto. Una manera de ver mas claramente el origen de esta contradicci´ on es obtener la respuesta del sistema incluyendo las condiciones iniciales. De (6.11): .

x1 = −x1 − 2v con las condiciones iniciales: x1 (0) = x10

y

x2 (0) = x20

y transformando: sx1 (s) − x10

= −x1 (s) − 2v (s) 2 x10 x1 (s) = − v (s) (s + 1) (s + 1)

de donde:

6.2 An´ alisis de estabilidad por cancelaci´ on de polos 203

x1 (t) = x10 e−t − 2e−t ~ v (t) Adem´ as: .

x2 = x1 + x2 + v (t) sx2 (s) − x2 (0) = x1 (s) + x2 (s) + v (s) (s − 1) x2 (s) = x20 + x1 (s) + v (s) de donde: x2 (s) = y (s) =

x10 v (s) x20 + + s − 1 (s − 1) (s + 1) (s + 1)

y antitransformando: x2 (t) = y (t) = x20 et +

¢ x10 ¡ t e − e−t + e−t ~ v (t) 2

(6.13)

Obsérvese que si el estado energético inicial es cero, la función de transferencia es 1 etico inicial se s+1 como es de esperarse. Sin embargo, a menos que el estado energ´ pueda mantener en cero, y (t) crecer´ a sin l´ımite. Como es evidente, es dif´ıcil mantener x10 = x20 = 0. (6.13) muestra claramente que el sistema es inestable. Por lo tanto, el método de cancelación de polos y ceros es totalmente insatisfactorio. A veces se argumenta que la inestabilidad es debida a la cancelaci´ on inexacta de polos y ceros. F´ısicamente la cancelaci´ on exacta es imposible debido a la variación en los valores de los componentes. Sin embargo, la raz´ on de la inestabilidad es mucho m´ as profunda. El hecho es que, a´ un con una cancelación perfecta, si alg´ un valor inicial es diferente de cero, el sistema es inestable. Ahora considérese el sistema de la Fig 6.4:

Figura 6.4 Compensador Hc (s) adelante de Hf (s) En la Fig 6.4, Hc (s) está después de Hf (s). Desde el punto de vista de manejo matemático de diagramas de bloques la funci´ on de transferencia, de la Fig 6.4 es completamente equivalente al de la Fig 6.2.


Figura 6.5 Realizaciones para la Fig 6.4 Sin embargo, si se considera la realizaci´ on de la Fig 6.5, la ecuaci´ on de estado y la de salida son: ¸· ¸ · ¸ · . ¸ · x1 1 0 x1 1 . = + v (6.14) x2 −2 −1 0 x2 ¸ · £ ¤ x1 (6.15) y= 1 1 x2 De (6.14):

.

x1 . x2

= x1 + v = −2x1 − x2

y transformando: sx1 (s) − x10 = x1 (s) + v (s) (s − 1) x1 (s) = x10 + v (s) de donde: x1 (s) = Adem´ as:

v (s) x10 + s−1 s−1

(6.16)

sx2 (s) − x20 = −2x1 (s) − x2 (s) (s + 1) x2 (s) = x20 − 2x1 (s) lo cual da: x2 (s) =

2x10 2v (s) x20 − − s + 1 (s + 1) (s − 1) (s + 1) (s − 1)

(6.17)

Observando (6.16) y (6.17) se nota que ambas variables de estado son inestables, sin embargo reemplaz´ andolas en (6.15) se obtiene:

6.3 Controlabilidad y observabilidad 205

x10 x20 v (s) + + s+1 s+1 s+1 Antitransformando (6.18) se obtiene (6.19): y (s) =

(6.18)

y (t) = (x10 + x20 ) e−t + e−t ~ v (t)

(6.19)

Nótese que ahora el sistema es estable en lo que toca a y (t), a´ un si el estado energético inicial es diferente de cero. Sin embargo, la realizaci´ on de la Fig 6.5 es todav´ıa internamente inestable ya que x1 (t) y x2 (t) tienen términos que crecen como et . La conclusi´ on de las anteriores discusiones es que el comportamiento interno de una realizaci´ on podr´ıa ser mas complicada que lo que indica su comportamiento externo. Nótese que la estabilidad determinada mediante las ra´ıces de det (sI − A) = 0 no falla. El comportamiento interno es determinado por las frecuencias naturales de la realizaci´ on sin se˜ nal de entrada, las cuales en el ejemplo anterior son s = +1, −1. Sin embargo, debido a la cancelaci´ on, no todos los modos correspondientes, o frecuencias naturales, aparecer´ an en la funci´ on de transferencia total. En otras palabras, ya que la función de transferencia es definida con condiciones iniciales nulas, podr´ıa no mostrar todos los modos de la realización actual del sistema. Para un an´ alisis completo, se necesita hacerle un buen seguimiento a todos los modos, aquellos mostrados expl´ıcitamente por la funci´ on de transferencia y los escondidos. Esto es posible si se es cuidadoso en los c´ alculos de la funci´ on de transferencia. Sin embargo, fue la ecuaci´ on de estado la que dió claridad con respecto al problema.

6.2.1

Explicaci´ on de la diferencia en comportamiento de las

realizaciones de las Figs 6.3 y 6.5 El modo inestable et en la Fig 6.3 es observable, aparece a la salida, pero no es controlable porque la entrada externa v (t) no puede afectarla directamente, mientras as detallados por en la Fig 6.5 el modo et es controlable pero no observable. Análisis m´ variables de estado permiten predecir esta diferencia en comportamiento sin c´ alculos expl´ıcitos. Estabilidad externa podr´ıa no ser equivalente a estabilidad interna, excepto para realizaciones m´ınimas. Una realización con matrices A, B, C es m´ınima si es controlable y observable.

6.3

Controlabilidad y observabilidad

Una realización {A, B, C} es controlable si y solo si la matriz: Co =

£

B

AB

· · · An−1 B

¤

llamada matriz de controlabilidad tiene rango total, es decir, no es singular. Esto quiere decir que si una realización es controlable, entonces: det Co 6= 0

realizaci´ on controlable

206 CRITERIOS DE ESTABILIDAD Una realización {A, B, C} es observable si y solo si la matriz: 

  Ob =  



C CA .. . CAn−1

   

llamada matriz de observabilidad tiene rango total, es decir, no es singular. Esto quiere decir que si una realización es observable, entonces: det Ob 6= 0

realizaci´ on observable

Ejemplo 6.1 Controlabilidad y observabilidad. Para la realizaci´ on de la Fig 6.3 las matrices A, B, y C son:

A=

·

−1 0 1 1

¸

B=

·

−2 1

¸

C=

£

0 1

¤

y las matrices de controlabilidad y observabilidad se pueden calcular de la manera siguiente:

Co Ob

·

−2 1

·

−1 0 1 1

¸·

−2 1

¸¸

·

−2 2 = = 1 −1   · ¸ 0 1 · ¸ 0 1  £ ¤  −1 0 = = 0 1 1 1 1 1

¸

Como det Co = 0 y det Ob = −1 esta realización es observable pero no controlable. Para la realizaci´ on de la Fig 6.5 las matrices A, B, y C son: A=

·

1 0 −2 −1

¸

B=

·

1 0

¸

C=

£

1 1

¤

Calculando Co y Ob se obtiene:

Co Ob

¸ · ¸¸ · ¸ 1 0 1 1 1 = −2 −1 0 0 −2   · ¸ 1 1 · ¸ 1 1  £ ¤  = 1 0 = 1 1 −1 −1 −2 −1 =

·

1 0

·

Como det Co = −2 y det Ob = 0 esta realización es controlable pero no observable.

6.4 Control por realimentaci´ on de variables de estado 207

6.3.1

Aclaraci´ on sobre controlalibidad y observabilidad

Figura 6.6 Representaci´ on de un sistema con variables de estado Con referencia a la Fig 6.6, un sistema es observable si dados u (t) y y (t) se puede determinar x (t). Un sistema es controlable si es posible encontrar una se˜ nal de control u (t) de modo que el estado x (t0 ) pueda ser llevado a un estado deseado x (tf ).

6.4

Control por realimentaci´ on de variables de

estado Supóngase que el sistema de la Fig 6.6 es inestable. Si el sistema es controlable entonces los polos o valores propios se pueden reubicar utilizando realimentaci´ on de variables de estado como en la Fig 6.7 de tal manera que resulte estable.

Fig 6.7 Control por realimentaci´ on de variables de estado Como, con D = 0:

.

x (t) = Ax (t) + Bu (t) y (t) = Cx (t)

(6.20) (6.21)

208 CRITERIOS DE ESTABILIDAD Ya que: u (t) = r (t) − K x (t)

donde:

(6.22)

K = (k1 , k2 , · · ·kn ) Con (6.22) en (6.20) se tiene: .

x (t) = Ax (t) + B (r (t) − K x (t)) . x (t) = (A − BK) x (t) + Br (t)

(6.23)

Transformando (6.23) con condiciones iniciales cero: sx (s) = (A − BK) x + Br (s) (sI − A + BK) x (s) = Br (s) de donde:

Con (6.24) en (6.21):

x (s) = (sI − A + BK)−1 Br (s)

(6.24)

C adj (sI − A + BK) B r (s) det (sI − A + BK) De (6.25) se observa que ahora la ecuaci´ on caracter´ıstica es: y (s) = C (sI − A + BK)−1 Br (s) =

(6.25)

a (s) = det (sI − A + BK) = (s − s1 ) · · · (s − sn ) = 0

(6.26)

K = qnt · α (A)

(6.27)

(6.26) indica que los nuevos valores propios o polos s1 , · · ·, sn se pueden ubicar seleccionando las componentes de la matriz K si el sistema es controlable. Si el sistema no es controlable significa que algunos valores propios no se pueden reubicar, lo cual no ser´ıa problema si son estables. Se dice entonces que un sistema es ESTABILIZABLE si todos los valores propios no estables, aquellos con parte real positiva, se pueden reubicar arbitrariamente utilizando realimentación de variables de estado. Una fórmula para determinar K es la siguiente:

qnt

· 01] Co−1

donde α (s) es el polinomio caracter´ıstico deseado y = [00 · · es la u ´ltima fila de Co−1 . También se puede demostrar que la realimentaci´ on por variables de estado no afecta los ceros de la funci´ on de transferencia, a menos, por supuesto, que sean cancelados por una escogencia especial del polinomio α (s) . Obsérvese que el orden del sistema no se incrementa como ocurre en el caso de usarse otros tipos de controladores, PID, por ejemplo. Sin embargo, generalmente se hace necesario utilizar un integrador en serie con la se˜ nal de error para eliminar el error estático, lo cual aumenta el orden del sistema en una unidad.

6.5 Introducci´ on 209

6.5

Criterios algebraicos y frecuenciales de

estabilidad 6.5.1

Introducci´ on

Una planta inestable puede formar parte de un sistema de control estable. Este, de todas maneras, tiene que ser estable para poder ser utilizado. Una planta es estable si la parte real de cada polo de la función de transferencia es negativa.

a)

b)

Figura 6.8 Sistema de control en lazo cerrado Si se tiene el sistema de control de la Fig 6.8a, Y1 es la salida indirectamente controlada on de y, Y es la se˜ nal directamente controlada. Wl−a (s) = G (s) H (s) se llama funci´ transferencia de lazo abierto, y es la ganancia de lazo. El an´ alisis de esta función conduce a la determinaci´ on de la estabilidad del sistema en lazo cerrado. H (s) puede ser la funci´ on de transferencia de un transductor, o una realimentación especial que trata de disminuir el error o mejorar la estabilidad, o ambas. Entonces, para análisis de estabilidad se considera como entrada X y como salida Y , la variable directamente controlada. La estabilidad es una caracter´ıstica propia de un sistema y no depende de la escogencia de la se˜ nal de salida. on de transferencia en lazo En la Fig 6.8b se muestra la funci´ on Wl−a (s), o funci´ abierto, definida por (6.28): Wl−a (s) =

K (s) Y (s) = E (s) D (s)

(6.28)

donde K (s), y D (s) son polinomios en s. Wl−a (s) es estable si las ra´ıces de D (s), esto es, aquellos valores de s que satisfacen la ecuaci´ on caracter´ıstica (6.29): D (s) = 0

(6.29)

tienen parte real negativa. Cuando se cierra el lazo, como en la Fig 6.8b la funci´ on de transferencia, en lazo cerrado, Wl−c (s) es: Wl−c (s) =

Wl−a (s) Y (s) = X (s) 1 + Wl−a (s)

(6.30)

210 CRITERIOS DE ESTABILIDAD o: ´ B (s) K (s) = K (s) + D (s) A (s) donde el polinomio caracter´ıstico de Wl−c (s) es:

(6.31)

Wl−c (s) =

A (s) = K (s) + D (s) (6.32) Para estabilidad es necesario entonces que los polos de Wl−c (s) estén en el plano complejo izquierdo, o que las ra´ıces de: A (s) = 0 (6.33) tengan parte real negativa. Esta condición fué extendida por A.M. Lyapunov, en 1892, para ecuaciones linealizadas de plantas no lineales. Las ra´ıces se pueden calcular anal´ıticamente para ecuaciones hasta de tercer grado. No hay método anal´ıtico para mayor grado, solo métodos iterativos, o métodos de ensayo y error. Sin embargo, no es necesario conocer las ra´ıces, ya que solo se necesita saber el signo de sus partes reales. Las reglas para conocer la ubicaci´ on de las ra´ıces respecto al eje imaginario se llaman criterios de estabilidad. Existen varios tipos de criterios: algebraicos y frecuenciales.

6.5.2

Criterio de Routh y Hurwitz

Sea la ecuaci´ on caracter´ıstica de un sistema: A (s) = an sn + an−1 sn−1 + · · · + a1 s + a0 = 0 Se construye la siguiente tabla: sn n−1

s sn−2 sn−3 sn−4 .. . s0

¯ ¯ an ¯ ¯ an−1 ¯ ¯ b1 ¯ ¯ b2 ¯ ¯ c1 ¯ ¯ .. ¯ . ¯ ¯ . ¯ ..

an−2 an−3 b3 b4 c3 .. . .. .

an−4 an−5 b5 b6 c5 .. . .. .

an−6 an−7 b7 b8 c7 .. . .. .

(6.34)

··· ··· ··· ··· ···

Tabla 6.1 Criterio de Routh y Hurwitz donde:

b1 = −

b3 = −

·

an an−1

·

an an−1

an−2 an−3

an−1

an−4 an−5

an−1

¸ ¸

b2 = −

b4 = −

·

an−1 b1

·

an−1 b1

an−3 b3 b1

an−5 b5 b1

¸ ¸

c1 = −

c3 = −

·

b1 b2

·

b1 b2

b3 b4

¸

b5 b6

¸

b2

b2

6.5 Criterio de Routh y Hurwitz 211 El criterio es el siguiente: Para que el sistema sea estable es necesario que todas las constantes de la primera columna sean positivas. Esto es: an , an−1 , b1 , b2 , c1 · · · > 0 En caso de inestabilidad, el n´ umero de ra´ıces en el plano complejo derecho es igual al n´ umero de cambios de signo. Ejemplo 6.2 . Con: A (s) = s6 + 6s5 + 21s4 + 44s3 + 62s2 + 52s + 100 = 0 la tabla de Routh y Hurwitz es: s6 s5 s4

−

s3 s2 s1 s0

−

1 6¸ · 1 21 6 44 6

= 13.67

20.6 48 ¸ · 20.6 8.10 48 100 48

−

21 44¸ · 1 62 6 52

62 52

100 0

100

0

8.10 100

0 0

0 0

0

0

0

0

0

0

6

= −34.8

100

= 53.33

Como el primer elemento de la fila s1 es negativo, el sistema es inestable. Hay dos cambios de signo, + − +, lo cual indica dos polos en el plano complejo derecho. Ejemplo 6.3 . Con: A (s) = s5 + s4 + 4s3 + 4s2 + 2s + 1 = 0 la tabla es: s5 s4 s3 s2 s1 s0

1 1 ² 4²−1 ² −²2 +4²−1 4²−1

1

² ²

4 4 1 =1 0 0

2 1 0 0 0 0

212 CRITERIOS DE ESTABILIDAD de la cuarta fila (s2 ) es negativo (−). El primer Cuando ² → 0+ el primer ¡elemento ¢ 1 elemento de la quinta fila s es 1. Hay dos cambios de signo, dos ra´ıces en el plano complejo derecho. Ejemplo 6.4 . Para la ecuaci´ on caracter´ıstica: A (s) = s3 + 10s2 + 16s + 160 = 0 la tabla es: s3 s2 s1 0

s

1 10 0 20 160

16 160 0 0 0

→ F (s) = 10s2 + 160 = 0 ← F 0 (s) = 20s

Cuando aparece una fila con ceros, como la de s1 , se deriva la ecuaci´ on correspondiente 0 a la fila inmediatamente superior. Los coeficientes de F (s) reemplazan los ceros. Ceros en una fila indican: 1) Pares de ra´ıces, complejas o reales, de signo opuesto. 2) Pares de ra´ıces imaginarias en el eje imaginario. En el caso de este ejemplo, estas ra´ıces se obtienen de la ecuaci´ on F (s) = 10s2 + 160 = 0. De donde el par de ra´ıces correspondiente es: r 160 = ±j4 s1,2 = ±j 10 Esto significa que el sistema est´ a en el l´ımite de estabilidad. La respuesta será oscilatoria de amplitud constante, en lo que respecta al par de polos ±j4. Ejercicio. Determinar la estabilidad de un sistema con ecuaci´ on caracter´ıstica: A (s) = s5 + 4s4 + 8s3 + 8s2 + 7s + 4 = 0 Ejemplo 6.5 . Para el polinomio caracter´ıstico: A (s) = a4 s4 + a3 s3 + a2 s2 + a1 s + a0 la tabla es: s4 s3 s2 s1 s0

a4 a3

a2 a3 −a1 a4 = a3 a1 x−a3 a0 x a0

x

a2 a1 a0 0 0

a0 0 0 0 0

6.5 Criterio de Routh y Hurwitz 213 Para estabilidad: a4 > 0, a3 > 0, a0 > 0 (x > 0) a2 a3 > a1 a4 a1 x > a3 a0 Nótese que siendo a3 , a0 y x mayores que cero, a1 > 0. Si a1 > 0, de a2 a3 > a1 a4 , a2 > 0 porque a3 , a1 y a4 > 0. En Resumen: a4 , a3 , a2 , a1 , a0 > 0 y adem´ as: x > 0 ó a2 a3 > a1 a4 y a1 x > a3 a0 En general, si alguno de los coeficientes ai , de la ecuación caracter´ıstica A (s) = 0, es negativo, ai < 0, el sistema es inestable y no es necesario hacer la prueba de Routh y Hurwitz. El criterio se usa solo si los ai > 0. Debe tenerse en cuenta que ai > 0 no indica estabilidad. Ejercicio.

Figura 6.9 Sistema del ejercicio Para el sistema mostrado en la Fig 6.9, demuestre que para estabilidad en lazo cerrado: ¶ µ 1 1 1 + + (T1 + T2 + T3 ) − 1 K< T3 T2 T1 En resumen, si la ecuaci´ on caracter´ıstica de un sistema es: A (s) = an sn + an−1 sn−1 + · · · + a1 s + a0 = 0 donde todos los coeficientes son n´ umeros reales, para que en esta ecuación no existan ra´ıces con la parte real positiva es necesario pero no suficiente que:

214 CRITERIOS DE ESTABILIDAD 1) Todos los coeficientes del polinomio tengan el mismo signo. 2) Ninguno de los coeficientes sea nulo. Para sistemas reales los polos complejos siempre son pares conjugados y todos los coeficientes de la ecuaci´ on caracter´ıstica son n´ umeros reales. Si la ecuaci´ on contiene funciones exponenciales de s, como ocurre en el caso de un sistema con retardo, el criterio de Routh-Hurwitz no puede aplicarse. Otra limitaci´ on del criterio de Routh-Hurwitz es que solo facilita informaci´ on sobre la estabilidad absoluta del sistema. El que un sistema resulte estable por la prueba de Routh no es suficiente, pues interesa adem´ as saber el grado de estabilidad, o sea, en otras palabras, cuán cerca del eje imaginario del plano s están situadas las ra´ıces. Por otra parte, si el sistema es inestable, la prueba de Routh no nos proporciona indicaci´ on alguna sobre como podemos establilizarlo. Para estudiar la estabilidad relativa de un sistema de control, se debe aplicar el criterio de Nyguist o el método del lugar de las ra´ıces.

6.6 6.6.1

Criterios frecuenciales de estabilidad El principio del argumento o del a ńgulo

Si A (s) = an sn + an−1 sn−1 + · · · + a1 s + a0 , entonces, por factorizaci´ on: A (s) = an (s − p1 ) (s − p2 ) · · · (s − pn−1 ) (s − pn )

(6.35)

donde pi (i = 1, 2, · · ·, n) son las ra´ıces de A (s) = 0. Con s = jω : A (jω) = an (jω − p1 ) (jω − p2 ) · · · (jω − pn−1 ) (jω − pn )

(6.36)

Figura 6.10 Principio del ańgulo o del argumento donde (jω − pi ) es el vector trazado desde pi al punto jω sobre el eje imaginario como se muestra en la Fig 6.10. Si ω var´ıa entre −∞ y +∞, el ańgulo o arg (jω − p1 ) var´ıa entre − π2 y + π2 en sentido antihorario, esto es positivamente, y el cambio del ańgulo es:

6.6 El criterio de Mikhailov 215

∆ arg (jω − p1 )= −∞→ω→∞

π ³ π´ − − =π 2 2

Pero el ańgulo o arg (jω − p3 ) var´ıa entre − π2 y + π2 pero en sentido horario, o sea negativamente, esto es: h π ³ π í − − ∆ arg (jω − p3 )= − = −π 2 2 −∞→ω→∞ Por eso: ∆ arg A (jω)= lπ − mπ = (l − m) π

(6.37)

−∞→ω→∞

donde: l, es el n´ umero de polos en el plano complejo izquierdo. m, es el n´ umero de polos en el plano complejo derecho. Ya que n = l + m, l = n − m, entonces: ∆ arg A (jω)= (n − 2m) π

(6.38)

−∞→ω→∞

Por lo tanto, si no hay polos en el plano derecho, entonces m = 0 y: ∆ arg A (jω)= nπ

(6.39)

−∞→ω→∞

6.6.2

El criterio de Mikhailov

Figura 6.11 Criterio de Mikhailov Para sistemas realizables, o reales, por cada polo complejo p2 existe su conjugado p∗2 . As´ı, si ω var´ıa entre 0 e ∞ (0 → ω → ∞), entonces:


∆ arg A (jω) = ∆ arg (jω − p1 ) + ∆ arg (jω − p2 ) + ∆ arg (jω − p∗2 ) 0→ω→∞ ´ hπ i hπ i ³π´ ³π −0 + − (−α) + − (α) = 3 ∆ arg A (jω) = 2 2 2 2 0→ω→∞ seg´ un la Fig 6.11. As´ı, las ecuaciones (6.38) y (6.39) pueden ser escritas: ∆ arg A (jω)= 0→ω→∞

½

n π2 (n − 2m) π2

si el sistema es estable si el sistema es inestable

(6.40)

La ecuación (6.40) constituye el criterio de Mikhailov: Un sistema es estable si al variar ω entre 0 e ∞, el ańgulo o argumento de A (jω) cambia n π2 , esto es, n cuadrantes positivamente. Con n, grado de A (s) .

a)Sistemas estables

b)Sistemas inestables

Figura 6.12 Gr´ aficos de A(jω) para el criterio de Mikhailov La Fig 6.12a muestra varios casos estables. N´ otese, por ejemplo, que la curva para n = 3 gira 3 π2 radianes alrededor del origen. La Fig 6.12b corresponde a sistemas inestables. Por ejemplo, para n = 4, el giro entre a0 y 1, alrededor del origen es π2 ; entre a0 y 2 es π2 + β; entre a0 y 3 es π2 , porque el giro entre 2 y 3 es (−β); entre a0 y 4 es 0 porque el giro entre 3 y 4 es − π2 . Finalmente, el giro entre 4 y 5 (para ω → ∞) es (−γ) + (γ), dando un giro neto de cero. Como: ∆ arg A (jω)= (n − 2m) 0→ω→∞

π =0 2

con n = 4, ⇒ m = 2. Hay dos polos en el semiplano complejo derecho. Ejemplo 6.6 .

6.6 El criterio de Mikhailov 217

Figura 6.13 Sistema del ejemplo 6.6 Para la Fig 6.13: Wl−a (s) =

K (1 + T1 s) (1 + T2 s) (1 + T3 s)

con T1 = 2 seg, T2 = 0.5 seg y T3 = 0.1 seg, determine el valor m´ aximo que puede on de transferencia en lazo cerrado, sea estable. tener K para que Wl−c (s), la funci´ As´ı: Wl−c (s) =

K Wl−a (s) = 1 + Wl−a (s) (1 + 2s) (1 + 0.5s) (1 + 0.1s) + K

y el polinomio caracter´ıstico es: A (s) = (1 + 2s) (1 + 0.5s) (1 + 0.1s) + K = 0.1s3 + 1.25s2 + 2.6s + (1 + K) ¤ £ ¤ £ = (1 + K) − 1.25ω 2 + j 2.6ω − 0.1ω 3

Como n = 3, para que el sistema Wl−c (s) sea estable, la curva de A (jω) debe girar alrededor del origen 3 π2 radianes, como se muestra en la fig 6.14:

Figura 6.14 Gr´ afico de A(jω) estable Para ω = 0: A (jω)|ω=0 = 1 + K Las frecuencias para las cuales A (jω) corta el eje imaginario se obtienen haciendo la parte real cero:


Re A (jω)|ω=ω π 2

lo que da: ω π2

¯ = 0 = (1 + K) − 1.25ω 2 ¯ω=ω π 2 r 1+K = 1.25

Como ω π2 debe ser real, para asegurar el cruce, es necesario que 1 + K > 0, esto es: K > −1. Las frecuencias para las cuales A (jω) corta el eje real se obtienen haciendo la parte imaginaria cero: Im A (jω)|ω=ω0 ,ωπ lo que da:

¤¯ £ = 0 = ω 2.6 − 0.1ω 2 ¯ω=ω ,ω 0 π ½ ω0 = 0√ ωπ = 26

Obsérvese que en el criterio de Mikhailov se descartan las frecuencias negativas. Para estabilidad, el punto A debe estar a la izquierda del origen, para que el giro neto sea 3 π2 radianes. Es decir: U (ωπ ) = Re A (jωπ ) = (1 + K) − 1.25ωπ2 < 0 de donde: K < 31.5 Además nótese que, para estabilidad: ³ ´ ¢ ¡ = ω π2 2.6 − 0.1ω 2π2 > 0 Im A jω π2

2.6 − 0.1ω 2π2

es decir

K

1+K < 26 1.25 < 31.5, el mismo resultado anterior. > 0 → ω 2π2 =

En resumen, este sistema es estable si −1 < K < 31.5. Ejercicio. Con el mismo sistema del Ejemplo 6.6, graficar las curvas de Mikhailov para a) K = 40 y b) K = −5. Para cada caso calcular el n´ umero de polos inestables.

6.6.3

El criterio de Nyquist

Figura 6.15 Sistema básico para el criterio de Nyquist

6.6 El criterio de Nyquist 219 En la Fig 6.15, con la definici´ on dada por (6.28): Wl−a =

K (s) D (s)

(6.41)

donde K (s) y D (s) son polinomios en s, se tiene: Wl−c (s) =

Wl−a = 1 + Wl−a

Wl−a D(s)+K(s) D(s)

(6.42)

Se define la funci´ on F (s) con (6.43): D (s) + K (s) = 1 + Wl−a (s) (6.43) D (s) F´ısicamente es dif´ıcil encontrar funciones de transferencia en las cuales el grado de K (s) sea mayor que el de D (s). Si el grado de D (s) es n y el de K (s) es r, esto implica que el grado de [D (s) + K (s)] es n. Resumiendo: F (s) =

si n ≥ r grado de D (s) = n grado de K (s) = r entonces grado de [D (s) + K (s)] = n

(6.44)

Caso 1: Wl−a estable. Entonces por el criterio de Mikhailov: ∆ arg D (jω)= n 0→ω→∞

π 2

si Wl−a es estable

(6.45)

Para que el sistema sea estable en lazo cerrado: ∆ arg [D (jω) + K (jω)]= n 0→ω→∞

π 2

si Wl−c es estable

(6.46)

y: ∆ arg F (jω)=∆ arg [1 + Wl−a (jω)]= ∆ arg 0→ω→∞

0→ω→∞

0→ω→∞

·

D (jω) + K (jω) D (jω)

¸

de donde: ∆ arg F (jω)= ∆ arg [D (jω) + K (jω)] − ∆ arg D (jω)= n 0→ω→∞

0→ω→∞

0→ω→∞

π π −n =0 2 2

Asi: Un sistema en lazo cerrado es estable si la variaci´ on del ´ angulo de F (jω) = 1 + Wl−a (jω) es cero cuando ω cambia entre cero e infinito. Dicho de otra manera, un sistema en lazo cerrado es estable, si F (jω) =1 + Wl−a (jω) no enlaza el punto 0 + j0, el origen, dado 0→ω→∞

0→ω→∞

que Wl−a (s) sea estable.

(6.47)


a) Criterio aplicado a 1 + Wl−a (jω)

b) Criterio aplicado a Wl−a (jω)

Figura 6.16 Criterio de Nyquist En la Fig 6.16a se muestra el gr´ afico 1 + Wl−a (jω) de dos sistemas. En la curva I el ańgulo va desde cero a un máximo negativo, regresa a cero, va hasta un m´ aximo positivo y regresa a cero. El cambio en ángulo neto resulta ser cero y por lo tanto es estable. En la Fig 6.16a, curva II, el ańgulo de 1 + Wl−a (jω) tiene un cambio neto de −2π radianes 6= 0, y as´ı, II es inestable. En la Fig 6.16b se ha graficado Wl−a (jω), que es el mismo gráfico de F (jω) = 1 + Wl−a (jω) pero desplazado una unidad hacia la izquierda ya que Wl−a (jω) = F (jω) − 1. N´ otese que la curva I, estable, no enlaza el punto −1 + j0, mientras que la curva II, inestable, s´ı lo hace. De esta manera, el criterio de Nyquist aplicado a la funci´ on Wl−a (jω), se puede reformular: 0→ω→∞

Un sistema es estable en lazo cerrado, si el lugar geométrico de Wl−a (jω), con ω variando desde 0 a ∞, no enlaza el punto −1 + j0, dado que Wl−a (s) sea estable, con 0 → ω → ∞. En otras palabras, si Wl−a (s) es estable, afica de Wl−a (jω), llamada curva de Nyquist, Wl−c (s) será estable si la gr´ no enlaza el punto −1 + j0, con 0 → ω → ∞.

Ejemplo 6.7 .

Sea:

Wl−a (s) =

K (1 + T1 s) (1 + T2 s) (1 + T3 s)

cuyo gr´ afico Wl−a (jω), para diferentes valores de K, se ve en la Fig 6.17:

6.6 El criterio de Nyquist 221

Figura 6.17 Diagrama de Nyquist de Wl−a (s) del ejemplo 6.7 Existe un valor l´ımite de K, KLIM , para el cual el sistema en lazo cerrado empieza a ser inestable. Wl−a (jω) puede ser escrito: Wl−a (jω) = |Wl−a (jω)| α (ω) donde: |Wl−a (jω)| =

K q q q 1 + (ωT1 )2 1 + (ωT2 )2 1 + (ωT3 )2

y, α (ω) = − tan−1 ωT1 − tan−1 ωT2 − tan−1 ωT3

As´ı α (0) = 0 y α (∞) = − 3π 2 mientras que |Wl−a (jω)| decrece cuando 0 → ω → ∞. Con T1 , T2 , y T3 positivos, Wl−a es estable. As´ı para que el sistema en lazo cerrado sea estable es necesario que: Wl−a (jωπ ) > −1 Siendo ωπ la frecuencia de cruce por 180◦ , cuando Im Wl−a (jω) = 0. Como: Wl−a (jω) = =

K (1 + jωT1 ) (1 + jωT2 ) (1 + jωT3 ) K 1 − (T1 T2 + T1 T3 + T2 T3 ) ω 2 + jω(T1 + T2 + T3 − T1 T2 T3 ω2 )

en ω = ωπ la parte imaginaria es cero, por lo tanto: T1 + T2 + T3 − T1 T2 T3 ωπ2 de donde:

ωπ

= 0 r T1 + T2 + T3 = T1 T2 T3

222 CRITERIOS DE ESTABILIDAD Entonces: Wl−a (jωπ ) =

K 2 +T3 ) 1 − (T1 T2 + T1 T3 + T2 T3 ) (T1T+T 1 T2 T3

> −1

(6.48)

on (6.48) se puede Nótese que Wl−a (jωπ ) < 0 o (−Wl−a (jωπ )) > 0. As´ı, la condici´ también escribir: −Wl−a (jωπ ) < 1 Esto es: K 2 +T3 ) −1 (T1 T2 + T1 T3 + T2 T3 ) (T1T+T 1 T2 T3

<1

lo que finalmente da: K<

µ

1 1 1 + + T1 T2 T3

¶

(T1 + T2 + T3 ) − 1 = KLIM

para que el sistema sea estable. Nótese también que: µ

1 1 1 + + T1 T2 T3

¶

(T1 + T2 + T3 ) =

µ ¶ T2 + T3 1+ T1 µ ¶ µ ¶ T1 + T3 T1 + T2 + 1+ + 1+ >1 T2 T3

Caso 2: Wl−a (s) inestable. En este caso: Wl−a (s) = K(s) D(s) tiene m polos en el plano derecho, esto es: D (s) tiene m ra´ıces en el plano derecho, y (n − m) ra´ıces en el plano izquierdo. Por el criterio de Mikhailov: π con Wl−a (s) inestable ∆ arg D (jω)= (n − 2m) 2 0→ω→∞ Para que el sistema en lazo cerrado sea estable, con: Wl−c (s) =

Wl−a (s) Wl−a (s) Wl−a (s) = D(s)+K(s) = 1 + Wl−a (s) F (s) D(s)

será necesario que: ∆ arg [D (jω) + K (jω)]= n 0→ω→∞

π 2

con Wl−c (s) estable

o: ´ ∆ arg F (jω)=∆ arg [D (jω) + K (jω)] − ∆ arg D (jω)= n 0→ω→∞

0→ω→∞

0→ω→∞

π π − (n − 2m) 2 2

6.6 El criterio de Nyquist 223 o sea:

∆ arg F (jω)=∆ arg [1 + Wl−a (jω)]= 0→ω→∞

0→ω→∞

m (2π) 2

con

½

Wl−a (s) inestable Wl−c (s) estable

(6.49)

Consecuentemente: Un sistema, Wl−c (s), es estable en lazo cerrado, si el diagrama de Nyquist con 0 → ω → ∞ de Wl−a (jω) enlaza m 2 veces el punto −1 + j0, donde m es el n´ umero de polos de la funci´ on de transferencia en lazo abierto, o ganancia de lazo, Wl−a (s), situados en el plano derecho, esto es, con Wl−a (s) inestable. En otras palabras: Si Wl−a (s) es inestable con m polos en el plano derecho, para que Wl−c (s) sea estable Wl−a (jω) debe enlazar el punto −1 + j0, m 2 veces. Ejemplo 6.8 .

Figura 6.18 Diagrama de Nyquist estable para Wl−a (s) inestable con m = 2 Si por ejemplo Wl−a (s) tiene dos polos, m = 2, en el plano derecho y Wl−a (jω) es como se muestra en la Fig 6.18 el sistema en lazo cerrado Wl−c (s) es estable porque el vector F (jω) gira m 2 (2π) = 2π radianes alrededor del punto −1 + j0. Ejemplo 6.9 . Supóngase que se tiene la funci´ on de transferencia de un sistema inestable en lazo abierto:


Wl−a (s) =

K (T1 s − 1) (1 + T2 s)

Se puede aplicar Routh y Hurwitz al denominador de Wl−a (s) para determinar cuantas ra´ıces hay en el plano complejo derecho. Es decir, para determinar m. En este caso no es necesario ya que los polos de Wl−a (s) están ubicados en s1 = T11 y s2 = − T12 . Con T1 y T2 mayores que cero s1 está ubicado en el plano complejo derecho. Entonces m = 1, y el lugar geométrico de Nyquist o gráfica de la funci´ on: Wl−a (jω) = debe enlazar el punto −1 + j0, −1 + j0 debe ser +π radianes. Considérese varios casos: a) K > 1 y T1 < T2 .

1 2

K (jωT1 − 1) (1 + jωT2 )

vez para ser estable. Es decir, el giro alrededor de

Figura 6.19 Caso K > 1 y T1 < T2 Nótese que: Wl−a (j0) = −K < −1 con K > 1 Además:

Esto es:

ωT1 − tan−1 ωT2 arg Wl−a (jω) = − tan−1 −1 ¢ ¡ = − π − tan−1 ωT1 − tan−1 ωT2 arg Wl−a (jω) = −π + tan−1 ωT1 − tan−1 ωT2 < −π porque con T1 < T2 :

Para ω → ∞ :

(tan−1 ωT1 − tan−1 ωT2 ) < 0

6.6 El criterio de Nyquist 225

Wl−a (jω) → 0 w→∞

arg Wl−a (jω)

=

ω→∞

−π +

π π − = −π 2 2

As´ı, F (jω) gira −π rad. alrededor de −1 + j0, lo que indica inestabilidad. Entonces el caso K > 1 y T1 < T2 es inestable en lazo cerrado. b) K < 1 y T1 > T2 .

Figura 6.20 Caso K < 1 y T1 > T2 Nótese que: Wl−a (j0) = −K > −1 con K < 1 Además: arg Wl−a (jω) = −π + tan−1 ωT1 − tan−1 ωT2 > −π

porque con T1 > T2 :

(tan−1 ωT1 − tan−1 ωT2 ) > 0

Para ω → ∞ : Wl−a (jω) → 0 arg Wl−a (jω) = −π ω→∞

El giro neto de F (jω) es cero alrededor de −1 + j0. As´ı, el caso K < 1, T1 > T2 es inestable. c) K > 1 y T1 > T2 .


Figura 6.21 Caso K > 1 y T1 > T2 Nótese que: Wl−a (j0) = −K < 1 con K > 1 Adem´ as: arg Wl−a (jω) = −π + tan−1 ωT1 − tan−1 ωT2 > −π porque con T1 > T2 :

(tan−1 ωT1 − tan−1 ωT2 ) > 0

Para ω → ∞ : Wl−a (jω) → 0 arg Wl−a (jω) = −π ω→∞

As´ı F (jω) gira +π radianes alrededor de −1 + j0. Entonces, el caso K > 1 y T1 > T2 es estable en lazo cerrado. Ejemplo 6.10 .

Figura 6.22 Posibles casos del Nyquist del ejemplo 6.10

6.6 El criterio de Nyquist 227 Para el sistema (6.50): Wl−a (s) =

K (T1 s − 1) (1 + T2 s) (1 + T3 s)

(6.50)

con K > 1 Wl−a (j0) = −K < −1 Además: con:

½

tan−1 ωT1 − tan−1 ωT2 − tan−1 ωT3 > 0 para 0 < ω < ωπ

arg Wl−a (jω) = −π + tan−1 ωT1 − tan−1 ωT2 − tan−1 ωT3 > −π Para ω → ∞ : |Wl−a (jω)| → 0 y

arg Wl−a (jω)

=

ω→∞

−π +

3π π π π − − =− 2 2 2 2

Entonces Wl−a (jω) cruza 180◦ para terminar en − 3π 2 en ω = ∞. (2π) = +π radianes alrededor de −1 + j0 Como m = 1, entonces F (jω) debe girar m 2 para que el sistema en lazo cerrado, Wl−c (s), sea estable. La curva II de la Fig 6.22 gira −π, mientras que la I, +π. As´ı, I es estable y Wl−a (jωπ ) debe estar a la derecha de −1 + j0. Por lo tanto: Wl−a (jωπ ) > −1 ´ o

− Wl−a (jωπ ) < 1

Como: Wl−a (jω) =

− [1

+ ω 2 (T1 T2

K + T1 T3 − T2 T3 )] + jω [T1 − T2 − T3 − ω2 T1 T2 T3 ]

ωπ se obtiene haciendo la parte imaginaria cero, esto es: T1 − T2 − T3 − ωπ2 T1 T2 T3 de donde ωπ

= 0 r T1 − T2 − T3 = T1 T2 T3

As´ı:

−Wl−a (jωπ ) = =

K 1 + ωπ2 (T1 T2 + T1 T3 − T2 T3 ) K 1+

(T1 −T2 −T3 ) T1 T2 T3

(T1 T2 + T1 T3 − T2 T3 )

<1

228 CRITERIOS DE ESTABILIDAD Entonces, Wl−c (s) es estable si: 1 < K < 1 + (T1 − T2 − T3 ) Caso 3: Sistemas Integradores.

µ

1 1 1 − + T3 T2 T1

¶

En este caso la funci´ on de transferencia en lazo abierto es: Wl−a (s) =

K (s) sν D1 (s)

(6.51)

donde ν es el n´ umero de integradores. Supóngase que D1 (s) no tiene ra´ıces en el plano complejo derecho ni sobre el eje imaginario. Considérese el caso ν = 1, un solo integrador. (6.51) puede ser escrita: Wl−a (jω) =

k + k1 (jω) + · · · + kr (jω)r K (jω) ´ ³ 0 = jωD1 (jω) jω d0 + d1 (jω) + · · · + dn−1 (jω)n−1

(6.52)

Nótese que de (6.52) Wl−a (jω)→ ∞. As´ı, para ω → 0, Wl−a (jω) → ∞, con un ω→0

angulo de −π/2, y si ω → ∞, Wl−a (jω) → 0, como se muestra en la Fig 6.23a. ´

a)

b)

Figura 6.23 Caso de un solo integrador Ahora, si se desplaza el polo ubicado en el origen una peque˜ na cantidad β hasta la on de transferencia, posici´ on p0 , como se muestra en la Fig 6.23b, se tendr´ıa una funci´ con s = jω, de la forma: Wl−a (jω) = En (6.53), cuando ω → 0, se tiene:

K (jω) (jω − p0 ) D1 (jω)

(6.53)

k0 =R βd0

(6.54)

Wl−a (jω)= ω→0

6.6 El criterio de Nyquist 229 y cuando β → 0, R → ∞, con ańgulo de 0 radianes, si kd00 > 0. K(jω) . O sea el fasor jω − p0 , contribuye con −π/2 al ańgulo de (jω−p 0 )D1 (jω) As´ı, para que el diagrama de Nyquist quede completo, debe cerrarse con un arco de radio infinito que gira −π/2, tal como se muestra en la Fig 6.23a. correspondiente a la l´ınea punteada. Este arco se denomina complemento en infinito. Si se tienen dos polos en el origen, ν = 2, cada uno contribuye con −π/2. O sea, que el complemento en infinito son 2/4 de c´ırculo, o´ −π radianes. Como, en el an´ alisis, se consider´ o que el polo en el origen está desplazado una distancia infinitesimal β a la izquierda, entonces se est´ a partiendo de la base de que todos los polos de Wl−a (s) están en el plano complejo izquierdo. As´ı, se puede aplicar al caso Wl−a (s) estable. Por eso, en la Fig 6.23a: El sistema I es estable, porque el punto −1 + j0 no es encerrado por el diagrama de Nyquist. El II, es inestable porque −1 + j0 es encerrado por el lugar geométrico. Se pueden establecer, as´ı, las siguientes reglas: a) Un sistema de control con integradores, estable en lazo abierto, más bien marginalmente estable, es estable en lazo cerrado, si el diagrama de Nyquist de Wl−a (jω) con su complemento en infinito no encierra el punto −1 + j0. b) Un sistema de control con integradores, inestable en lazo abierto, es estable en lazo cerrado, si el diagrama de Nyquist de Wl−a (jω), con su complemento en infinito, encierra el punto umero de polos de Wl−a (s) en −1 + j0, m 2 veces, donde m es el n´ el plano complejo derecho.

Figura 6.24

c) Si Wl−a (s) tiene polos, sobre el eje imaginario, el complemento en infinito se hace con −π radianes, media circunferencia. N´ otese que al recorrer el eje imaginario hay que rodear el polo por la derecha dando un giro adicional de +π radianes, Fig 6.24, lo cual corresponde a un giro de −π radianes, en Wl−a (jω).

Ejemplo 6.11 . Sea el sistema: Wl−a (jω) = entonces:

K s (1 + T1 s) (1 + T2 s)


Wl−a (jω) = =

K s (1 + jωT1 ) (1 + jωT2 ) K −ω 2 (T1 + T2 ) + jω (1 − ω 2 T1 T2 )

(6.55)

As´ı:

|Wl−a (jω)| =

K q q ω 1 + (ωT1 )2 1 + (ωT2 )2

arg Wl−a (jω) = −90◦ − tan−1 ωT1 − tan−1 ωT2

con K > 0

Para ω = 0: |Wl−a (j0)| = ∞ arg Wl−a (j0) = −π/2 Para ω = ∞: |Wl−a (j∞)| = 0 arg Wl−a (j∞) = −3π/2 El diagrama de Nyquist correspondiente, con su complemento en infinito, se muestra en la Fig 6.25.

Figura 6.25 Diagrama de Nyquist del ejemplo 6.11 Con T1 y T2 mayores que cero Wl−a (s) no tiene polos en el plano complejo derecho, m = 0. Para estabilidad, el diagrama de Nyquist no debe enlazar el punto −1 + j0. El cruce con el eje de 180◦ debe estar a la derecha de este punto. As´ı la curva I de la Fig 6.25 es estable.

6.6 El criterio de Nyquist 231 Los cortes con el eje real se pueden obtener haciendo la parte imaginaria de Wl−a (jω) cero en (6.55), esto es: ¢ ¡ ω 1 − ω 2 T1 T2 = 0 ½ lo que da ω =

0 √ 1 T1 T2

As´ı la frecuencia de cruce por π radianes, ωπ es: 1 ω = ωπ = √ T1 T2 y: Wl−a (jωπ ) = −

ωπ2

KT1 T2 K =− (T1 + T2 ) T1 + T2

Para estabilidad: Wl−a (ωπ ) > 1 ó − Wl−a (ωπ ) < 1 lo que da: KT1 T2 <1 T1 + T2

o´

K<

µ

1 1 + T1 T2

¶

con T1 = 0.1 y T2 = 0.2 : 0 < K < 15. Ejemplo 6.12 .

a)

b) Figura 6.26 Polos sobre el eje imaginario

Considérese:


Wl−a (s) = con

Wl−a (jω) =

K (s2 + 1) (1 + T1 s) K 2 (1 − ω ) (1 + jωT1 )

Nótese que cuando ω → 1, Wl−a (jω) → ∞. Si K > 0, Fig 6.26a: ½ − tan−1 ωT1 para 0 ≤ ω < 1 arg Wl−a (jω) = para ω > 1 −π − tan−1 ωT1 Entonces Wl−a → ∞, cuando ω → 1, con un ángulo − tan−1 1 × T1 . Luego Wl−a (jω) gira −π radianes, complemento en infinito, y el ańgulo será −π − tan−1 ωT1 , terminando en − 3π 2 en ω = ∞. Como m = 0 el diagrama de Nyquist no debe enlazar el punto −1 + j0. As´ı, el diagrama de la Fig 6.26a es inestable. Si K < 0 : ½ −π − tan−1 ωT1 para 0 ≤ ω < 1 arg Wl−a (jω) = para ω > 1 −2π − tan−1 ωT1 Cuando ω → 1, Wl−a → ∞, con ańgulo −π − tan−1 1 × T1 . Luego el diagrama gira −π radianes, complemento en infinito, como se muestra en la Fig 6.26b, y el ańgulo será −2π − tan−1 ωT1 . De los diagramas de la Fig 6.26b, I es estable porque no encierra el punto −1 + j0. Para este diagrama K > −1. Asi K no puede ser positivo ni inferior a cero. La condici´ on de estabilidad es, entonces −1 < K < 0.

6.6.4

Regla de las transiciones

Figura 6.27 Regla de las transiciones Con referencia a la Fig 6.27, en general, si se consideran las transiciones sobre el eje real, para el intervalo (−∞, −1), positivas del plano superior al inferior, cuando ω

6.6 Estabilidad seg´ un el diagrama de Bode 233 aumenta, y negativas del plano inferior al superior, también cuando ω aumenta, el sistema es estable si la suma algebraica del n´ umero de transiciones es igual a m 2 , donde m es el n´ umero de polos de la funci´ on de transferencia en lazo abierto Wl−a (s), en el plano complejo derecho. Supóngase m = 2, para la Fig 6.27. El n´ umero de transiciones a la izquierda de = 1, luego el sistema en lazo cerrado Wl−c (s), es estable. −1 + j0 es 2 − 1 = 1 y m 2 Nótese que el giro neto alrededor de −1+j0 es 2π = m 2 (2π) con m = 2, lo que verifica el resultado, en este caso particular. Si el diagrama arranca a la izquierda de −1 + j0, se considera − 12 transición si lo hace on si lo hace hacia abajo. hacia arriba, y + 12 transici´ Además, debe tenerse en cuenta las transiciones del complemento en infinito si éste toca la regi´ on (−∞, −1). Ejercicio Por el método de las transiciones determinar la estabilidad de Wl−c (s) para: Wl−a (s) = con:

K (1 + T1 s) s (T2 s − 1)

T1 , T2 > 0 y K > 0

6.6.5

Estabilidad seg´ un el diagrama de Bode

a) Diagrama de Bode

b) Curva de Nyquist correspondiente

Figura 6.28 Regla de las transiciones para el diagrama de Bode Ya que cuando |Wl−a (jω)| > 1, |Wl−a (jω)|dB = 20 log |Wl−a (jω)| > 0, el intervalo (−∞, −1) est´ a asociado con valores positivos de |Wl−a |dB . La l´ınea −π en el diagrama de Nyquist está asociada, en el Bode, con los ańgulos −π, −3π, 5π, · · ·. As´ı, el intervalo (−∞, −1) corresponde a |Wl−a (jω)|dB > 0 y ϕ (ω) = arg Wl−a (jω) = −π, −3π, −5π, · · ·. De esta manera, el criterio de Nyquist aplicado al diagrama de Bode puede ser formulado:

234 CRITERIOS DE ESTABILIDAD Un sistema de control, en lazo cerrado, es estable si la suma algebraica del n´ umero de transiciones positivas y negativas de la curva de fase de Wl−a (jω), ϕ (ω) con las l´ıneas −π, −3π, −5π, · · ·, cuando la curva de amplitud en decibelios |Wl−a (jω)|dB del sistema en lazo abierto es positiva, |Wl−a (jω)|dB > 0 ó umero de polos |Wl−a (jω)| > 1, es igual a m 2 , donde m es el n´ de Wl−a (s) en el plano complejo derecho. Las transiciones son (+) positivas cuando ϕ (ω) aumenta positivamente. Negativas en el caso contrario.

CAPITULO

7

SINTESIS EN EL DOMINIO DE LA FRECUENCIA

7.1

Especificaciones en el dominio frecuencial

1) Ancho de Banda: AB. Con: C (jω) Wl−a (jω) = = M (ω) ejφm (ω) (7.1) R (jω) 1 + Wl−a (jω) Se define el ancho de banda, AB, como la frecuencia a la cual |M (jω)| vale el 70.7% del nivel a frecuencia cero o 3dB por debajo del nivel de frecuencia nula, como se muestra en la Fig 7.1. M (jω) =

Figura 7.1 Ancho de banda 235

236 SINTESIS EN EL DOMINIO DE LA FRECUENCIA Nótese que AB indica las caracter´ısticas de filtraje de ruido del sistema y da también una medida de las propiedades de la respuesta transitoria. Si AB es grande, las se˜ nales de alta frecuencia pasan a la salida, es decir, la respuesta transitoria tiene un tiempo de subida, o de levante, r´ apido. Por el contrario, si AB es peque˜ na, solo pasarán las se˜ nales de baja frecuencia y, por consiguiente, la respuesta temporal ser´ a lenta. 2) Factor de pico o de resonancia: Mv . Es el valor m´ aximo de |M (jω)|. Es un indicativo de la estabilidad relativa del sistema. Posteriormente se ver´ a que a valores altos de Mv corresponden amplios sobrepasos en la respuesta temporal. Normalmente se admite que 1.1 < Mv < 1.5, para buenos resultados. 3) Frecuencia de resonancia: ωv . Es la frecuencia para la cual se produce el pico de resonancia. Otros factores importantes en la medida de la estabilidad relativa de un sistema de control son el margen de amplitud y el margen de fase. Estos conceptos se ver´ an mas adelante.

7.2

Correlaci´ on entre respuestas transitoria y

frecuencial para un sistema de segundo orden

Figura 7.2 Sistema de segundo orden Para el sistema de la Fig 7.2: C (s) ωn2 = 2 R (s) s + 2ζωn s + ωn2 Con s = jω se tiene:

donde:

C (jω) =³ R (jω) 1−

ω2 2 ωn

1 ´

+ j2ζ ωωn

= M (ω) ejϕ(ω)

(7.2)

7.2 Correlaci´ on entre respuestas transitoria y frecuencial para un sistema de segundo orden 237

M (ω) =

r³ 1− −1

ϕ (ω) = − tan

ω2 2 ωn

Ã

1 ´2

³ ´2 + 2ζ ωωn ! ω

2ζ ωn

1−

ω2 2 ωn

(7.3)

(7.4)

El pico de resonancia es el valor m´ aximo de M (ω), que se puede calcular minimizando su denominador. Esto es, M (ω) es máximo si (7.5) es m´ınimo: µ ¶2 µ ¶2 ω2 ω D2 (ω) = 1 − 2 + 2ζ (7.5) ωn ωn Derivando (7.5): ¯ dD2 (ω) ¯¯ dω ¯ω=ωv

µ ¶µ ¶ µ ¶ µ ¶¯ ω2 2ω ω 2ζ ¯¯ 2 1− 2 − 2 + 2 2ζ ωn ωn ωn ωn ¯ω=ωv µ ¶ ω2 = − 1 − 2v + 2ζ 2 = 0 ωn =

de donde: ωv = ωn 2

p 1 − 2ζ 2

(7.6) √1 2

= 0.707. Cuando ζ > 0.707 Observe que ωv existe si 1 − 2ζ > 0, esto es, si: ζ < no hay resonancia y M (ω) < 1, como se muestra en la Fig 7.3.

Figura 7.3 Respuesta frecuencial de un sistema de segundo orden Con (7.6) en (7.3): 1 1 = p Mv = q 2 2ζ 1 − ζ2 (2ζ 2 ) + 4ζ 2 (1 − 2ζ 2 )

(7.7)

La Fig 7.4 muestra la correlaci´ on existente entre el pico de resonancia Mv y el m´ aximo sobrepaso Mp .

238 SINTESIS EN EL DOMINIO DE LA FRECUENCIA

Figura 7.4 correlaci´ on entre Mv y Mp . Obsérvese que Mp y Mv están relacionados. Si Mv aumenta, también lo hace Mp . Recuérdese que si ζ aumenta, Mp disminuye y el transitorio se suaviza. Lo mismo se puede decir del factor o pico de resonancia Mv .

7.3

Estabilidad relativa

Evidentemente del diagrama de Nyquist se logra una buena idea de margen de estabilidad de un sistema. Es decir: 1) ¿ Si el sistema es estable, en qué grado lo es ? 2) ¿ Y si no es suficientemente estable, o es inestable, c´ omo puede mejorarse la condici´ on de estabilidad del sistema ? La primera pregunta es un problema de análisis, mientras que la segunda es un problema de dise˜ no, s´ıntesis o proyecto. La Fig 7.5 muestra el concepto de estabilidad relativa de un sistema en lazo cerrado Wl−c (s) mediante los lugares de Nyquist de Wl−a (jω) para un sistema de tercer orden, con cuatro valores distintos de la ganancia K, suponiendo Wl−a (s) estable. El lugar Wl−a (jω) en la Fig 7.5a enlaza el punto −1 + j0 por lo cual Wl−a (s) es inestable y la respuesta a un escalón unitario crece con el tiempo. En la Fig 7.5b, Wl−a (jω) pasa por el punto cr´ıtico −1 + j0 y el sistema está entre la estabilidad y la inestabilidad, por lo tanto la respuesta a un escalón unitario es una oscilaci´ on senoidal sostenida. Los lugares Wl−a (jω) en las figuras 7.5c y d no enlazan el punto cr´ıtico. oximo al punto cr´ıtico, y Sin embargo, el lugar Wl−a (jω) de la Fig 7.5c pasa mas pr´ por consiguiente, la respuesta del sistema a un escal´ on unitario ser´ a mas oscilante y con un sobrepaso mas pronunciado que el mostrado en la Fig 7.5d, correspondiente a un lugar de Nyquist mas alejado de −1 + j0.

7.4 Margen de amplitud y margen de fase 239

a)

b)

c)

d) Figura 7.5 Grados de estabilidad de un sistema Cuantitativamente, la distancia entre el lugar Wl−a (jω) y el punto −1 + j0 da una medida de la estabilidad relativa del sistema en lazo cerrado. Mas espec´ıficamente, el margen de amplitud y el marge de fase se utilizan generalmente para determinar el grado de estabilidad relativa de un sistema de control.

7.4

Margen de amplitud y margen de fase


figura 7.6 Margen de amplitud y margen de fase

7.4.1

Margen de amplitud

Es una medida de la proximidad del punto de fase cr´ıtica al punto cr´ıtico, punto B en la Fig 7.6. Con ω = ωcp la frecuencia en el punto de fase cr´ıtica:

α = |Wl−a (jωcp )| y el margen de amplitud en dB del sistema se define como:

Margen de amplitud en dB = 20 log

1 1 = 20 log |Wl−a (jωcp )| α

(7.8)

Obsérvese en la Fig 7.6 que si la ganancia en lazo abierto se aumenta hasta que |Wl−a (jωcp )| = 1 el margen de amplitud vale 0 dB. Por otro lado, para un sistema de segundo orden el lugar Wl−a (jω) no corta el eje real negativo, y por lo tanto |Wl−a (jωcp )| = 0 y entonces el margen de amplitud es infinito, en decibelios, como se muestra en la Fig 7.7. La interpretación f´ısica del margen de amplitud es la siguiente: El margen de amplitud es la ganancia en decibelios que se puede a˜ nadir a la cadena en lazo abierto antes de que el sistema alcance la inestabilidad. Si Wl−a (jω) pasa por el punto −1 + j0 el margen de amplitud vale 0 dB lo que implica que la ganancia de la cadena ya no puede aumentarse sin provocar la inestabilidad.

7.4 Margen de amplitud 241

Figura 7.7 Lugar de Nyquist de un sistema de segundo orden Para un sistema de segundo orden, el corte con el eje negativo |Wl−a (jωcp )| es cero y el margen de amplitud es infinito; es decir que, te´ oricamente, el valor de la ganancia de la cadena puede aumentarse hasta infinito antes de que se produzca la inestabilidad. Cuando el lugar Wl−a (jω) enlaza el punto cr´ıtico, |Wl−a (jωcp )| > 1 y el margen de amplitud en dB se hace negativo. Un margen de amplitud negativo corresponde a un sistema inestable siempre y cuando Wl−a (s) sea estable. Ya que si Wl−a (s) es inestable, con m polos en el plano derecho, Wl−a (jω) debe enlazar m 2 veces el punto 0→ω→∞

cr´ıtico para que Wl−c (s) sea estable. En general, el margen de amplitud es una de las varias formas esenciales empleadas para indicar la estabilidad relativa de un sistema. Teóricamente, un sistema con un amplio margen de amplitud debe ser m´ as estable que otro con un margen de amplitud menor. Sin embargo, esta afirmaci´ on no siempre es cierta. En la práctica, el margen de amplitud por si solo no da indicaci´ on suficiente de la estabilidad relativa del sistema. Por ejemplo, los dos lugares Wl−a (jω) de la Fig 7.8 tienen el mismo margen de amplitud, infinito.

Figura 7.8 Lugares de Nyquist de dos sistemas con igual margen de amplitud pero con distinta estabilidad relativa

242 SINTESIS EN EL DOMINIO DE LA FRECUENCIA Sin embargo, el lugar A corresponde a un sistema mas estable que el lugar B ya que con cualquier peque˜ no cambio en alg´ un parámetro del sistema, es posible que el lugar B pase por el punto −1 + j0 o lo enlace.

Figura 7.9 Lugares de Nyquist de dos sistemas con igual margen de amplitud pero con diferente grado de estabilidad relativa Los dos lugares Wl−a (jω) de la Fig 7.9 tienen también el mismo margen de amplitud, pero el sistema correspondiente a la curva A representa ciertamente un sistema mas estable. Para definir adecuadamente la estabilidad relativa de un sistema, se utiliza el margen de fase para diferenciar el grado de estabilidad de casos como los de las figuras 7.8 y 7.9.

7.4.2

Margen de fase

Figura 7.10 Margen de fase

7.4 Margen de amplitud y margen de fase en el lugar de Bode 243 El margen de fase mide la proximidad del punto de ganancia cr´ıtica al punto cr´ıtico. Se define como el ángulo que debe girarse el lugar de Nyquist de Wl−a (jω) para que el punto |Wl−a (jωcg )| = 1 del lugar pase por el punto cr´ıtico −1 + j0. La Fig 7.10 muestra que el margen de fase es el ańgulo que el radio vector unidad forma con el eje real negativo en el plano Wl−a (jω). Entonces: Margen de fase, M.F. = γ = α − 180◦ = arg Wl−a (jωcg ) − 180◦ = 180◦ + θ

(7.9)

donde ωcg es la frecuencia de la ganancia cr´ıtica. Algunos valores recomendables de dise˜ no son: M.A. = 12dB, M.F.= 60◦ . Ejercicio. Dado: Wl−a (s) =

K (1 + s) (1 + 2s) (1 + 3s)

a) Dibuje el lugar de Nyquist de Wl−a (jω) y determine los l´ımites de K para que el sistema en lazo cerrado Wl−c (s) sea estable. b) Suponga K = 5. Determine la frecuencia correspondiente al punto de fase cr´ıtica ωcp y el margen de amplitud en dB y el margen de fase. c) Hallar el valor de K para que el margen de amplitud del sistema sea igual a 20 dB.

7.4.3

Margen de amplitud y margen de fase en el lugar de Bode

Con Wl−a (s) el procedimiento para obtener el margen de amplitud y el margen de fase a partir del lugar de Bode, Fig 7.11, es el siguiente: 1) Construir el lugar de Bode de

|Wl−a (jω)| K

y de arg Wl−a (jω) en funci´ on de ω.

2) Para obtener el margen de amplitud, se determina en primer lugar el punto en que arg Wl−a (jω) corta el eje de −180◦ , punto de fase cr´ıtica. El margen de amplitud (jω)| para K = 1 es el valor que toma la curva de amplitud |Wl−a en dB, en el punto K de fase cr´ıtica, Fig 7.11. Para cualquier otro valor de K el margen de ampitud es simplemente el margen de amplitud para K = 1 menos el valor de K en dB, 20 log K. Si la curva de fase no corta nunca el eje de −180◦ permaneciendo por encima, el sistema es siempre estable; por ejemplo, en un sistema de segundo orden la fase tiende a −180◦ asintóticamente cuando ω → ∞. 3) Para obtener el margen de fase, se determina en primer lugar el punto en que la (jω)| curva |Wl−a en dB corta al eje de 0 dB, es decir, el punto de ganancia cr´ıtica. K El ángulo entre la curva de fase en el punto de ganancia cr´ıtica, arg Wl−a (jωcg ) y el eje de −180◦ es el margen de fase para K = 1 . Para cualquier otro valor de K, el margen de fase se obtiene desplazando el eje de 0 dB a −K en dB y siguiendo el procedimiento que se acaba de indicar.


Figura 7.11 Márgenes de fase y de amplitud en el diagrama de Bode Ejercicios. 1) La configuraci´ on de polos y ceros de una funci´ on de transferencia en lazo cerrado Wl−c (s) viene dada en la Fig P7.1a.

a)

b) Figura P7.1

a) Calcular la banda pasante del sistema, o ancho de banda, AB. b) Se a˜ nade un cero como indica la Fig P7.1b. ¿ C´ omo queda modificada la AB ? c) Se a˜ nade a la configuraci´ on de la Fig P7.1b un polo sobre el eje real negativo, pero a una distancia del origen 10 veces mayor que la del cero.

7.4 Margen de amplitud y margen de fase en el lugar de Bode 245 ¿ Cómo queda afectado el AB? 2) La especificaci´ on dada para un servosistema de segundo orden es que el sobrepaso máximo de la respuesta a un escal´ on unitario no exceda del 25%. ¿ Cuáles son los valores l´ımites correspondientes del coeficiente de amortiguamiento y del factor de resonancia Mv ? 3) La funci´ on de transferencia en lazo cerrado de un servosistema es: Wl−c (s) =

1 C (s) = R (s) (1 + 0.01s) (1 + 0.05s + 0.01s2 )

a) Trazar la curva de respuesta en frecuencia del sistema en lazo cerrado. b) Determinar el factor de resonancia Mv y la frecuencia de resonancia ωv del sistema. c) Determinar el coeficiente de amortiguamiento ζ y la frecuencia propia no amortiguada ωn del sistema de segundo orden que produce el mismo Mv y la misma ωv que el sistema original. 4) La funci´ on de transferencia en lazo abierto de un servosistema con realimentaci´ on unitaria es: Wl−a (s) =

K (1 + T s) s (1 + s) (1 + 0.01s)

Determinar el menor valor posible de T para que el sistema tenga un margen de amplitud infinito. 5) La funci´ on de transferencia en lazo abierto de un servosistema con realimentaci´ on unitaria es: Wl−a (s) =

K s (1 + 0.1s) (1 + s)

a) Determinar el valor de K para que el factor de resonancia Mv del sistema sea igual a 1.4. b) Determinar el valor de K para que el margen de amplitud del sistema sea de 20dB. c) Determinar el valor de K para que el margen de fase del sistema sea de 60◦ . 6) Use el criterio de estabilidad de Nyquist para determinar si los sistemas con las siguientes funciones de transferencia de lazo abierto son estables:

a)

Wl−a (s) =

b)

Wl−a (s) =

c)

Wl−a (s) =

d)

Wl−a (s) =

10 (1 + s) (1 + 2s) (1 + 3s) 10 s (1 + s) (1 + 10s) 10 s2 (1 + 0.1s) (1 + 0.2s) 2 2 s (1 + 0.1s) (1 + 10s)


7)

Figura P7.2 Determine la estabilidad de los sistemas cuyos lugares geométricos de Wl−a (jω) se muestran en las figuras P7.2a, b y c. Suponga que Wl−a (s) no tiene polos en el semiplano derecho. 8) Para un sistema de segundo orden: Wl−a (s) =

16 s (2 + s)

a) Grafique el diagrama de Bode. b) Determine Mv y ωv . 9) Repita el problema 8 cuando: a)

Wl−a (s) =

b)

Wl−a (s) =

60 (1 + 0.5s) s (1 + 5s) 60 (1 + s) s2 (1 + 0.1s)

10) Dado. Wl−a (s) =

as + 1 s2

hallar a tal que el margen de fase sea 45◦ . 11) Trazar los diagramas polares de: Wl−a (s) =

K (Ta s + 1) (Tb s + 1) s2 (T1 s + 1)

para los dos casos siguientes: a) b)

Ta T1

> T1 > 0, > Ta > 0,

Tb > T1 > 0 T1 > Tb > 0

7.5 Compensador de adelanto de fase 247 12)

Figura P7.3 Determine el valor cr´ıtico de Kh respecto a la estabilidad del sistema de lazo cerrado de la Fig P7.3. Recuerde que Wl−a (s) = G (s) H (s) . 13)

Figura P7.4 Sea el sistema que se muestra en la Fig P7.4. Hallar el valor cr´ıtico de K respecto a estabilidad, utilizando el criterio de Nyquist.

7.5

T´ ecnicas de compensaci´ on

Se refiere al uso de redes de adelanto, atraso y adelanto-atraso combinadas para reformar la respuesta frecuencial de lazo abierto, Wl−a (jω), a fin de conseguir estabilidad relativa aceptable y error disminuido.

7.5.1

Compensador de adelanto de fase

Considérese el circuito de la Fig 7.12. Para este circuito: V(+)

=

R2 V1 R2 V1 ¢= ¡ 1 R 1 R2 + R1 // Cs R2 + R11+Cs1

(7.10)

Cs

V(−)

=

R3 V2 R3 + R4

Como V(+) ' V(−) : R3 R2 V1 = V2 R1 R R2 + 1+R 3 + R4 1 Cs

(7.11)


Figura 7.12 Compensador de adelanto de fase de donde:

Llamando:

(1 + R1 Cs) R2 R3 + R4 V2 ´ ·³ · = Gc (s) = V1 R3 (R1 + R2 ) 2 1 + R1R+R R Cs 1 2

Av0

=

α = T1 T2

= =

ω1

=

ω2

=

α =

(7.12)

R3 + R4 R3 R2 <1 R1 + R2 R1 C αR1 C < T1 1 T1 1 > ω1 T2 T2 ω1 = T1 ω2

(7.12) se puede expresar: Gc (s) = Av0 α

1+ 1 + T1 s = Av0 α 1 + T2 s 1+

s ω1 s ω1

(7.13)

Con s = (jω) : 1 + j ωω1 1 + j ωω2

(7.14)

ω ω − tan−1 >0 ω1 ω2

(7.15)

Gc (jω) = Av0 α y la fase de Gc (jω) es: ϕc (jω) = tan−1 porque con ω1 < ω2 : ω ω > ω1 ω2

7.5 Compensador de adelanto de fase 249 Entonces es un circuito que puesto en cascada con una planta puede servir para adelantar fase y mejorar la estabilidad relativa. Nótese también que: ³ ´³ ´ ´ ³ 2 1 + j ωω1 1 − j ωω2 1 + ωω1 ω2 + j ωω1 − ωω2 = Gc (jω) = Av0 α ³ ´2 ³ ´2 1 + ωω2 1 + ωω2

de donde:

tan ϕc (ω) =

³

ω ω1

−

1+

ω ω2

ω2 ω1 ω2

´

(7.16)

Figura 7.13 Diagrama de Bode del compensador de adelanto de fase Para obtener el máximo adelanto de fase ϕcm se deriva (7.16): ¯ d tan ϕc (ω) ¯¯ ¯ dω

= ω=ωm

=

³

1 ω1

−

d  dω 1+

µ

´  ω  2

1 ω2

ω ω1 ω2

ω=ω

h im h i¯ ¶ 1 + ω2 − ω 2ω ¯¯ ω1 ω2 ω1 ω2 ¯ 1 1 − ¯ h i2 ¯ 2 ω1 ω2 ¯ 1 + ωω1 ω2

=0 ω=ωm


O sea: 1+

2 ωm ω2 −2 m =0 ω1 ω2 ω1 ω2

de donde: √ ω1 ω2

ωm =

(7.17)

El máximo adelanto de fase ocurre en el medio geométrico de las dos frecuencias de quiebre ω1 y ω2 . El diagrama de Bode se muestra en la Fig 7.13. Con (7.17) en (7.16):

tan ϕcm

=

sin ϕcm

=

También:

³

ωm ω1

−

1+

ωm ω2

2 ωm ω1 ω2

´

=

³√

ω1 ω2 ω1

´ √ ω1 ω2 ω2 ω1 ω2 ω1 ω2

−

1+

=

1−α √ 2 α

(1 − α) 1−α 1−α q =√ = 2 + 4α √ 2 1+α 2 1 − 2α + α (1 − α) + (2 α)

α=

1 − sin ϕcm 1 + sin ϕcm

Reemplazando (7.17) en (7.14): v u ³ ´2 s u u 1 + ωωm1 1+ |Gc (jω)|ω=ωm = Av0 αu ³ ´2 = Av0 α t 1+ 1 + ωωm2

(7.18) (7.19)

(7.20)

ω2 ω1 ω1 ω2

r Av0 α ω2 = Av0 α = √ ω1 α

Entonces:

1 |Gc (jω)|ω=ωm dB = 20 log (Av0 α) + 20 log √ α

(7.21)

como se muestra en la Fig 7.13.

7.5.2

Errores

Al dise˜ nar un compensador no solo se busca mejorar la estabilidad relativa, sino también, disminuir el error, en lo posible. El compensador de adelanto al mejorar la estabilidad permite aumentar la ganancia del sistema en lazo abierto lo cual disminuye el error. Para mejorar a´ un más el sistema, en lo que respecta al error, se puede utilizar un compensador de atraso de fase, como se verá posteriormente. Considérese, por ejemplo, el sistema mostrado en la Fig 7.14:

7.5 Tipo Uno 251

Figura 7.14 Sistema en lazo cerrado donde E es la se˜ nal de error E = R − C, la cual es: 1 R (s) 1 + Wl−a (s)

E (s) =

(7.22)

El error estático se define por: ess = lim e (t) = lim sE (s) = lim t→∞

s→0

s→0

sR (s) 1 + Wl−a (s)

(7.23)

Dependiendo de cuantos integradores tenga una planta se puede hacer una clasificaci´ on por tipos de integraci´ on: 7.5.2.1 Tipo Cero Una planta tipo cero es aquella que no tiene integradores, por ejemplo: Kp Wl−a (s) =

r Q

(1 + Ti s)

1

n Q

(7.24)

(1 + Tj s)

1

Se puede analizar el error est´ atico para diferentes se˜ nales de entrada: atico es: a) Escal´ on. Si R (s) = Rs0 , el error est´

ess y

=

ess % =

s Rs0 R0 = s→0 1 + Wl−a (s) 1 + Kp 1 ess · 100 = · 100% R0 1 + Kp lim

(7.25)

As´ı el error disminuye con la ganancia del sistema en lazo abierto Kp . A mayor ganancia menor error. b) Rampa. Si R es una rampa: r (t) = R1 t, entonces R (s) = Rs21 ess = lim

s→0

s · Rs21 =∞ 1 + Wl−a (s)

As´ı, un sistema tipo cero tiene error finito para entrada escal´ on, pero infinito para rampa, parábola, etc. 7.5.2.2 Tipo Uno Una planta tipo uno tiene un integrador. Por ejemplo:


Kv

r Q

(1 + Ti s)

1

Wl−a (s) = s

n Q

(7.26)

(1 + Tj s)

1

Los errores estáticos para diferentes se˜ nales de entrada son: a) Escal´ on. Con R (s) = Rs0 : ess = lim

s→0

b) Rampa. R (s) =

R1 s2

s Rs0 =0 1 + Wl−a (s)

:

ess

=

ess % =

lim

s→0

s · Rs21 R1 = 1 + Wl−a (s) Kv

1 · 100% Kv

c) Par´ abola. Si R es una par´ abola: r (t) =

R2 2 2 t ,

En este caso:

entonces R (s) =

R2 s3 .

ess = ∞

As´ı, un sistema tipo uno sigue un escal´ on con error cero, una rampa con error finito, pero no sigue una parábola, c´ ubica, etc. Analizando sistemas de tipo mayor, dos integradores o mas, se puede elaborar la siguiente tabla: Error Se˜ nal→ Escalón R0 Rampa Ri t Parábola R22 t2 C´ ubica R3!3 t3 R0 ∞ ∞ ∞ 0 1+Kp R1 ∞ ∞ 1 0 Kv Tipo R1 ∞ 2 0 0 Ka R3 3 0 0 0 Kc Tabla 7.1 Errores estáticos seg´ un el tipo y la se˜ nal de entrada Kp , Kv , Ka y Kc son las ganancias de las plantas, que de acuerdo al tipo de la planta reciben diferentes nombres: Kp Kv Ka Kc

: : : :

constante constante constante constante

de de de de

error error error error

de de de de

posici´ on. velocidad. aceleraci´ on. veloaceleraci´ on.

Para todos los casos de error finito puede notarse que el error es tanto menor cuanto mayor sea la ganancia de la planta.

7.5 Compensación con adelantor de fase 253 7.5.2.3 Compensaci´ on con adelantor de fase Diferentes metodolog´ıas se han planteado para el dise˜ no o s´ıntesis del compensador de adelanto. Procedimiento 1: 1. Determinar la ganancia en lazo abierto para la especificaci´ on de error dada. 2. Usando la ganancia K as´ı determinada, evaluar el margen de fase del sistema no compensado. 3. Calcular el adelanto de fase ϕc requerido para obtener el margen de fase deseado naden unos 5◦ ya que la frecuencia del cruce cambia mas aproximadamente 5◦ . Se le a˜ al insertar el compensador. 4. Determinar α de: 1 − sin ϕcm con ϕcm ≤ 60◦ α= 1 + sin ϕcm ϕcm ≤ 60◦ para que ω1 y ω2 no queden excesivamente separadas. 5. Suponer Av0 = α1 , entonces Av0 · α = 1. As´ı, el aumento de ganancia en ω = ωm será 20 log √1α . Para que ωm = ωcgn , la nueva frecuencia de cruce, ser´ a necesario buscar un punto de |Wl−a (jω)| tal que |Wl−a (jω)|dB = 20 log |Wl−a (jω)| = −20 log √1α . Entonces selecci´ onese ω = ωcgn la frecuencia para la cual |Wl−a (jω)|dB = −20 log √1α . Esta nueva frecuencia será también ωm = ωcgn . 6. Calcular las frecuencias de quiebre del compensador: r q √ ω1 ω12 √ 2 = αω2 = √ ωm = ω1 ω2 = αω2 = α α de donde:

ω1 ω2

√ αωm ωm = √ α =

7. Evaluar el margen de fase del sistema con el compensador y chequear la ganancia en ωcgn que debe ser 1,o cero dB. alculo se Chequear el margen de ganancia |Wl−a |dB compensado = −MG donde este c´ hace cuando ϕ compensado = −180◦ . ϕ compensado = {ϕ no ompensado + ϕc } en ω = ωcp donde ϕ compensado = −180◦ . ametros del circuito de las f´ ormulas para T1 y 8. Calcular T1 = ω11 , T2 = ω12 y los par´ T2 en términos de R1 , R2 y C. Algunos parámetros se pueden escoger libremente. Procedimiento 2: Este opera en forma un poco inversa al anterior. 1. Seleccionar una frecuencia ωcgn tal que el adelanto de fase exigido al compensador ϕcm no sobrepase 60◦ . A fin de satisfacer el requerimiento de margen de fase en el sistema compensado: γ = 180◦ + ϕNC + ϕcm | en ω=ωcgn

254 SINTESIS EN EL DOMINIO DE LA FRECUENCIA donde ϕNC es la fase del sistema no compensado en ω = ωcgn , la nueva frecuencia de cruce. ϕcm 2. Calcular α = 1−sin 1+sin ϕcm . Calcular el compensador. 3. Calcular la ganancia en dB del sistema no compensado en ωcgn : |Wl−a (jω)|dB = 20 log |Wl−a (jω)|ω=ωcgn La ganancia del compensador en ωcg = ωm es: √ α |Gc (jω)|ω=ωm = Av0 √ = Av0 α α Para que el sistema compensado cruce por cero dB en ωcg = ωm es necesario entonces que: ¡ √ ¢ 20 log Av0 α = − |Wl−a (jω)|ω=ωcgn dB

o también:

1 20 log Av0 = 20 log √ − |Wl−a (jω)|ω=ωcgn dB α 4. Calcular el error estático del sistema con el compensador inclu´ıdo. Si excede la especificaci´ on, el dise˜ no es correcto. Si no, procédase a intercalar adem´ as un compensador de atraso para mejorar las condiciones de error. 5. Verificar el margen de fase y la ganancia en ωcgn . Calcular el margen de ganancia MG = − |Wl−a (jω)|ω=ωcf dB donde ωcf es la frecuencia a la cual: ϕcompensado = ϕno compensado + ϕc = −180◦ Ejemplo 7.1 . Para el sistema de la Fig 7.15: otese que: se especifica Kv = 20, γ = 50◦ y M G = 10dB, por lo menos. N´ Wl−a (s) =

2K K 20 4K ¢ ¢ = ¡s v ¢ = ¡ = ¡s s (s + 2) s 2 +1 s 2 +1 s 1 + 2s

Figura 7.15 Sistema del ejemplo 7.1 As´ı K = 10. La Fig 7.16 muestra el diagrama de Bode para este sistema.

7.5 Compensación con adelantor de fase 255

Figura 7.16 Bode de Wl−a (jω) del ejemplo 7.1 Procedimiento 1 El Bode de amplitud es: |Wl−a | dB

20 = 20 log q ¡ ¢2 ω 1 + ω2

= 20 log 20 − 20 log ω − 20 log Para bajas frecuencias:

r

1+

³ ω ´2 2

|Wl−a | dB ≈ 20 log 20 − 20 log ω = 26 − 20 log ω o sea: Y1 dB Y1 dB

= 26 − 20 log ω = 0 en ω = 20

La primera frecuencia de quiebre es 2, para el término 1+1 s . 2 dB dB : −20 dec. del término A partir de ω = 2 el Bode cae con −40 dec. término 1+1 s . Esto es Y2 dB = Y20 − 40 log ω. 2

En ω

= 2:

Y2 dB = 20

1 s

dB y −20 dec. del

256 SINTESIS EN EL DOMINIO DE LA FRECUENCIA Y20 = 20 + 40 log 2 = 32dB Y2 dB = 32 − 40 log ω

por lo tanto: As´ı:

Y2 dB = 0 cuando 32 − 40 log ω = 0. Esto es para: ω = 1032/40 = 6.3 rad/seg La fase del sistema no compensado es: ϕ (ω) = −90◦ − tan−1 En ω

ω 2

= 6.3, ϕ (6.3) = −90◦ − tan−1

6.3 = −162.4◦ 2

As´ı, γv = 180◦ − 162.4◦ = 17.6◦ , que es el margen de fase no compensado. El margen de fase pedido es γn = 50◦ , entonces: = 50◦ − 17.6◦ + 5◦ = 37.4◦ = ϕcm = ϕm 1 − sin ϕm 1 − sin 37.4◦ de donde: α= = = 0.244 1 + sin ϕm 1 + sin 37.4◦ ϕc

Se puede seleccionar ωcgn de la siguiente manera: se calcula 1 1 |Wl−a | dB = −20 log √ = −20 log √ = −6.13dB α 0.244 y se busca un ω tal que |Wl−a | dB = −6.13dB. Ya que: Y2 dB entonces ωcgn

= −40 log ω + 32 = −6.13 = 8.98 = ωm

As´ı: ω1 =

√

αωm = 4.44rad/seg

El compensador con Av0 =

1 α

y ω2 =

ωm = 18.18rad/seg α

es: Gc (s) =

s 1 + 4.44 s 1 + 18.18

Chequeo Con compensador: ϕcomp = −90◦ − tan−1 En ω = 8.98:

ω ω ω + tan−1 − tan−1 2 4.44 18.18

7.5 Compensación con adelantor de fase 257

ϕcomp γn |Wl−a |dB

= −130◦ = 180◦ − 130◦ = 50◦  q ¡ ω ¢2 1 + 4.44 20  = 20 log  q ¡ ω ¢2 · q ¡ ¢2 1 + 18.18 ω 1 + ω2

= −0.18dB

ω=8.98

|Wl−a |dB deber´ıa ser cero. Esto indica que ωcgn está un poco a la izquierda de 8.98. los −0.18dB. Como Av0 α = 1 Podr´ıa reajustarse Av0 de tal manera que¡ compense ¢ = 1.02 en lugar de 1 y en este caso: para el dise˜ no se puede escoger Av0 α = 0.18 20 Av0 =

1.02 = 4.18 α

C´ alculo de los par´ ametros 1 De T1 = R1 C = ω11 , R1 = 4.44C , y con C = 1µf, arbitrario, entonces R1 = 225KΩ. R2 Con α = R1 +R2 = 0.244, y R1 = 225KΩ, entonces R2 = 73KΩ. 4 Con Av0 = R3R+R = 4.18 y con R3 = 10KΩ, arbitrario, se obtiene R4 = 32KΩ. 3

Margen de ganancia Se busca ωcf esto es cuando ϕcomp = −180◦ . Pero note que el sistema no compensado ten´ıa ϕ = −90◦ − tan−1 ω2 > −180◦ Como el compensador adelanta fase, entonces ϕcomp > −180◦ para toda frecuencia excepto en ωcf = ∞. La fase del compensador en ∞ es ϕc (∞) = 0 y ϕcomp (∞) = −90 − 90 = −180◦ . O sea ωcf = ∞. Pero en ∞, |Wl−a |comp dB = −∞. As´ı, on. MG = − |Wl−a |comp dB = ∞, lo que excede la especificaci´ Procedimiento 2 Como ϕ = −90◦ −tan−1 ω2 , si se selecciona ω = ωcgn = 10, entonces ϕ (10) = −168.7◦ . Para γn = 50◦ la fase del sistema compensado debe ser ϕcomp = −180◦ +50◦ = −130◦ . As´ı, el compensador debe suministrar ϕc = 168.7◦ − 130◦ = 38.7◦ < 60◦ . Entonces: α = |Wl−a (jωcgn )|dB

1 − sin 38.7 = 0.231 1 + sin38.7 

20  = 20 log  q ¡ ω ¢2 ω 1+ 2

= −8.13dB

ω=ωcgn

As´ı:

1 20 log Av0 = 20 log √ − |Wl−a (jωcgn )|dB = 14.49dB α entonces: Av0

= 10

14.49 20

= 5.3

258 SINTESIS EN EL DOMINIO DE LA FRECUENCIA ω1

=

ω2

=

√

0.231 · 10 = 4.81 10 √ = 20.81 0.231

Y el compensador es: Gc (s) = 5.3 · 0.231 ·

s 1 + 4.81 s 1 + 20.81

El sistema en lazo abierto compensado es: Wl−a (s) = 5.3 · 0.231 · Como:

s 1 + 4.81 20 ¢ · ¡ s 1 + 20.81 s 1 + 2s

ω ω ω − tan−1 = −90◦ − tan−1 + tan−1 2 4.81 20.81 q ¡ ω ¢2 1 + 4.81 20 |Wl−a (jω)| = 5.3 · 0.231 · q ¡ ω ¢2 · q ¡ ¢2 1 + 20.81 ω 1 + ω2 ϕcomp

entonces:

ϕcomp (10) γ |Wl−a (j10)| |Wl−a (j10)|dB

= = = =

−130◦ 180◦ − 130◦ = 50◦ 0.9985 20 log 0.9985 = −0.013dB ≈ 0

no tiene Para bajas frecuencias la ganancia es Kv = 5.3 · 0.231 · 20 = 24.5. Este dise˜ un Kv mayor que el especificado y por lo tanto el error estático es menor: ess % =

7.5.3

1 · 100 = 4.1% Kv

El compensador de atraso de fase

En la Fig 7.17:

V(+)

=

V(−)

=

1 R2 + Cs 1 + R2 Cs V1 V1 = 1 1 + (R1 + R2 ) Cs R2 + Cs + R1 R3 V2 R3 + R4

(7.27) (7.28)

7.5 El compensador de atraso de fase 259

Figura 7.17 Compensador de atraso de fase Como V(+) ' V(−) : Gc (s) =

R3 + R4 1 + R2 Cs V2 (s) = · V1 (s) R3 1 + (R1 + R2 ) Cs

(7.29)

O sea:

Gc (s) = Av0

1+ 1 + T2 s = Av0 1 + T1 s 1+

s ω2 s ω1

(7.30)

donde: T1 = (R1 + R2 ) C > T2 T2 = R2 C

ω1 = ω2 =

1 T1 1 T2

T1 = βT2 β=

ω2 = R1 +R2 R2

βω1

Con T1 > T2 , ω1 < ω2 . As´ı, ocurre primero el quiebre del polo. Además: ϕc = tan−1

ω ω − tan−1 <0 ω2 ω1

porque: 1 1 < ω2 ω1 O sea que este tipo de compensador atrasa fase. Este compensador no puede mejorar la estabilidad utilizando su caracter´ıstica de fase. Se utiliza, mas bien, la atenuación de ganancia a altas frecuencias, para correr el punto de 0 dB, ωcg , a la izquierda, donde la fase sea mas favorable. Con Av0 = 1, R3 = ∞, la atenuaci´ on a altas frecuencias es −20 log β. De esta forma, indirectamente mejora la estabilidad.


Figura 7.18 Diagrama de Bode del atrasador de fase Por otro lado, si el sistema original ya tiene un margen de estabilidad aceptable, γ apropiado, si se escoge Av0 ≈ β, a altas frecuencias se tiene 20 log Av0 ≈ 0, no produce atenuaci´ on, pero a bajas frecuencias se tiene 20 log Av0 ≈ 20 log β, que aumenta la ganancia estática, disminuyendo el error. 7.5.3.1

Compensaci´ on con atrasador de fase

Procedimiento 1. Determinar la ganancia en lazo abierto a bajas frecuencias que satisfaga el requerimiento de error. 2. Dibujar el diagrama de Bode con esta ganancia y determinar el margen de fase del sistema compensado. Si las especificaciones de margen de fase son satisfechas, continuar en el punto 7. Si las especificaciones de margen de fase no son satisfechas, seguir con el punto 3. 3. Encontrar una frecuencia ω donde la fase sea: ϕ = −180◦ + γ + (5◦ a 12◦ )

Se a˜ nade 5◦ a 12◦ por el atraso que introducir´ a el compensador. Seleccionar esta frecuencia como la nueva frecuencia de cruce ωcgn . 4. Seleccionar la frecuencia ω2 , cero del compensador, entre una octava y una década abajo de la nueva ωcgn : 1 1 ωcgn < ω2 < ωcgn 10 2 Una escogencia muy baja de ω2 puede conducir a valores muy grandes de T1 y T2 , exigiendo valores altos de resistencias y condensadores en el circuito. 5. Determinar la atenuaci´ on requerida en ωcgn para que el Bode de amplitud cruce por cero dB :

7.5 Compensación con atrasador de fase 261

20 log

µ

Av0 β

¶

= 20 log Av0 − 20 log β = − |Wl−a (jω)|ω=ωcgn dB

Si la atenuaci´ on requerida es grande, es preferible hacer Av0 = 1 a fin de que T1 no resulte exageradamente grande. Por lo general β ≤ 10 y T1 depende de β, porque T1 = βT2 . 6. Chequear el margen de fase y de ganancia. Chequear la amplitud 0 dB en ωcgn y calcular el circuito. 7. Si en el punto 2 las especificaciones de margen de fase son satisfechas, seleccionar ωcgn tal que: ϕ = −180◦ + r + (5◦ a 12◦ ) 8. Proceder como en el punto 4 y continuar después en el punto 9. 9. Calcular Av0 de:

20 log

µ

Av0 β

¶

= − |Wl−a (jω)|ω=ωcgn dB

escogiendo un valor de β ≤ 10 tal que T1 no resulte demasiado grande. 10. Proceder como en el punto 6.

Ejemplo 7.2 .

Figura 7.19 Sistema del ejemplo 7.2 Para el sistema de la Fig 7.19 se especifica Kv = 5, γ = 40 y un margen de ganancia MG de por lo menos 10 dB.


Figura 7.20 Diagrama de Bode con compensación con atraso de fase Sin Gc (s), la ganancia a bajas frecuencias es K, entonces con Kv = 5, K = 5. A bajas frecuencias |Wl−a (s)| = 5s . Y dB1 = |Wl−a (jω)|dB = 20 log 5 − 20 log ω = 14 − 20 log ω En ω = 1, Y dB1 (1) = 14dB. Además Y dB2 = Y02 − 40 log ω. En ω = 1, Y dB2 (1) = 14dB. Entonces Y02 = 14 + 40 log 1 = 14. As´ı: Y dB2 = 14 − 40 log ω En ω = 2, Y dB2 (2) = 14 − 40 log 2 = 1.96dB. Además Y dB3 = Y03 − 60 log ω. En ω = 2, Y dB (3) = 1.96. Entonces Y03 = 20dB. As´ı: Y dB3 = 20 − 60 log ω 20

Y dB3 = 0 en ωcg . Por lo tanto 0 = 20 − 60 log ωcg , o´ ωcg = 10 60 = 2.15. ωcg = 2.15

rad seg

La fase es: ϕ = −90◦ − tan−1

ω ω − tan−1 1 2

En ωcg = 2.15, ϕ (2.15) = −202◦ y: γ = 180◦ + ϕ (2.15) = −22◦

7.5 Compensación con atrasador de fase 263 Esto indica que si se cierra el lazo, el sistema resulta inestable. Se busca, entonces, un punto donde la fase sea: ϕ = −180◦ + 40◦ + 12◦ = −128◦ Tanteando: ω ϕ

1 −161◦

0.5 −130◦

0.45 −126◦

0.47 −128.4◦

Se escoge ωcgn = 0.47 rad seg . En ωcgn = 0.47, Y dB1 = 14 − 20 log 0.47 = 20.56dB. 20.56 Con Av0 = 1, −20 log β = −20.56, β = 10 20 = 10.7. El valor de β resultó mayor que 10. Quiz´ as se necesite primero un compensador de adelanto para mejorar las condiciones de estabilidad y as´ı conseguir un Kv mejor que el especificado. 0.47 ´ 0.047 < ω2 < 0.235, se puede escoger ω2 = 0.1. Entonces: Como 0.47 10 < ω2 < 2 , o ω1

=

T2

=

T1

=

0.1 ω2 = = 9.34 · 10−3 β 10.7 1 = 10 ω2 1 = 107 9.34 · 10−3

2 Con C = 100 µf, R2 = TC2 = 100K, R1R+R = β = 10.7. Con R1 = 100K, R2 = 2 1.07M. Además como se escogi´ o Av0 = 1, R4 = 0 y R3 = ∞.

Chequeo El compensador es: Gc (s) =

s 1 + 0.1 s 1 + 9.34·10 −3

Entonces: ω ω ω ϕcomp (ω) = −90◦ − tan−1 ω − tan−1 + tan−1 − tan−1 2 0.1 9.34 · 10−3 q ¡ ω ¢2 1 + 0.1 5 q |Wl−a (jω)| = q ¢2 · √ ¡ ¡ 2 ¢2 ω 1 + 9.34·10−3 ω 1 + ω 2 1 + ω2

En ω = ωcg = 0.47:

ϕcomp (0.47) = −139.3◦ γ = 180◦ + ϕ = 40.7◦ > 40◦ |Wl−a (j0.47)| = 0.889

264 SINTESIS EN EL DOMINIO DE LA FRECUENCIA |Wl−a (j0.47)| deber´ıa ser 1. Para corregir ésto se puede tomar Av0 = R3 +R4 R3 . Con esto, si R3 = 100K, R4 = 13K.

1 0.889

= 1.13 =

Margen de ganancia Por tanteos, en ω = 1.31 ϕcomp = −179.8◦ ≈ 180◦ y |Wl−a |dB = −14.8dB. Entonces el margen de ganancia es MG = 14.8dB que excede la especificaci´ on. Ejemplo 7.3 . Para el sistema compensado con adelantador de fase, por el procedimiento 2, se obtuvo el sistema compensado, en lazo abierto: Wl−a (s) = 5.3 · 0.231 ·

s 1 + 2.41 20 ¢ · ¡ s 1 + 20.81 s 1 + 2s

con un Kv = 24.5. Se desea cambiar el Kv a 100 perdiendo solo 5◦ de margen de fase, esto es γn = 45◦ . Como el sistema ya tiene 50◦ en ωcgn = 10 se puede introducir un compensador de atraso que atrase 5◦ en ωcgn = 10 rad seg . 100 La ganancia adicional requerida es Av0 = 24.5 = 4.1. Se escoge entonces β = Av0 para no producir atenuaci´ on a altas frecuencias, esto es β = 4.1. La fase del compensador es entonces: ϕc = tan−1

ω ω ω βω − tan−1 − tan−1 = tan−1 ω2 ω1 ω2 ω2

que contribuye con la fase: ϕc (ωcg ) = tan−1

ωcg βωcg − tan−1 ω2 ω2

Con β = 4.1, tanteando valores de ω2 en la ecuaci´ on: ϕc (10) = tan−1

10 4.1 · 10 − tan−1 = −5◦ ω2 ω2

se obtiene: ω2 =

rad 10 = 1.16 8.6 seg

As´ı: ω1 =

1.16 rad ω2 = = 0.283 β 4.1 seg

Y el sistema compensado resulta: s s 1 + 2.41 1 + 1.16 20 ¢ Wl−a (s) =4.1 · · 5.3 · 0.231 · · ¡ s s 1 + 0.283 1 + 20.81 s 1 + 2s | {z } | {z } Atraso

Adelanto

CAPITULO

8

REALIMENTACION LINEAL DE LAS VARIABLES DE ESTADO Introducci´ on Unas de las primeras aplicaciones de las variables de estado en sistemas lineales fue la de realimentarlas para reubicar los valores propios de un sistema dado. Los polos y los valores propios coinciden en sistemas m´ınimos, aquellos que son controlables y observables. En lugar de realimentar y (t), salida de un sistema, y sus derivadas o realimentar y (t) a través de un compensador, lo adecuado es hacerlo a través del estado x (t) de una realización del sistema ya que, después de todo, el estado resume toda la información actual del sistema. Por eso, cualquier operación que pueda ser hecha . con y (t), y (t), etc. , se debe poder realizar con los estados y, lo más importante, cualquier operaci´ on que no se pueda hacer con los estados, probablemente no puede ser hecha en ninguna otra forma general. La realimentaci´ on de las variables de estado puede ser usada para modificar las frecuencias naturales del sistema y, en particular, hacerlas todas estables, siempre y cuando la realizaci´ on usada para definir los estados del sistema £sea controlable por realimentaci´ o n de las variables de estado, es decir, la ¤ matriz C = B AB · · · An−1 B de la realización {A, B, C} no es singular. La utilidad de este resultado depende de la habilidad para obtener los estados, lo cual será considerado m´ as adelante. Por claridad de discusi´ on y por razones pedagógicas, se tratarán por ahora, el problema de la determinaci´ on de los estados y el de la realimentaci´ on de ellos separadamente. Por el momento se supone que, por alg´ un medio, los estados son disponibles. Recuerde que para obtener los estados, si el sistema es observable, se necesita conocer no solonla salida y (t) y sus derivadas sino también la eno . trada u (t) y, en general, se necesita y (t) , y (t) , · · · ,y (n−1) (t) ,u (t) , · · · ,u(n−1) (t) . Por eso, se esperar´ıa que una configuraci´ on deseable de realimentaci´ on involucre la salida y algunas de sus derivadas y la entrada y algunas de sus derivadas. Se puede obtener entonces compensadores que permitan reubicar arbitrariamente los polos, garantizar estabilidad interna de la configuraci´ on total y mantener el grado del poli265

266 REALIMENTACION LINEAL DE LAS VARIABLES DE ESTADO nomio del denominador de la funci´ on de transferencia total igual al del sistema original. Si no hay restricci´ on en este u ´ltimo, el uso directo de la entrada no es necesario.

8.1

Realimentaci´ on de las variables de estado y

controlabilidad de los modos Considere el siguiente problema. Se da la realización: .

x (t) = Ax (t) + Bu (t) y (t) = Cx (t)

(8.1)

con el polinomio caracter´ıstico: a (s) = det (sI − A) = sn + a1 sn−1 + · · · + an

(8.2)

Si se especifica una funci´ on de transferencia de la forma: H (s) =

b1 sn−1 + · · · + bn b (s) = n a (s) s + a1 sn−1 + · · · + an

(8.3)

Se supondr´ a que {A, B, C} es alguna realización con n estados de esta funci´ on de transferencia. Se desea modificar el sistema dado, mediante el uso de realimentación de las variables de estado, para obtener un nuevo sistema con valores propios especificados, o en otras palabras, para obtener un polinomio caracter´ıstico deseado. Es decir: α (s) = sn + α1 sn−1 + · · · + αn

(8.4)

Figura 8.1 Realizaci´ on modificada por realimentaci´ on de las variables de estado En la Fig 8.1, la se˜ nal de control u (t) se obtiene, utilizando realimentaci´ on por variables de estado, mediante la ecuaci´ on:

8.1 Algunas f´ ormulas para la ganancia de realimentaci´ on 267

u (t) = v (t) − Kx (t) con K = [K1 · · · Kn ]

(8.5)

en donde v (t) es la nueva entrada externa. El uso de −K x (t) en lugar de K x (t) es puramente convencional, ya que la realimentaci´ on es usualmente negativa. Con esta realimentación se tiene la realizaci´ on (8.6): .

x (t) = (A − BK) x (t) + Bv (t) y (t) = Cx (t) que tiene el polinomio caracter´ıstico: aK (s) = det (sI − A + BK)

(8.6)

(8.7)

El objetivo es escoger K de modo que aK (s) = α (s) . Hay muchas maneras de determinar K, algunas de las cuales serán presentadas aqu´ı.

8.1.1

Algunas f´ ormulas para la ganancia de realimentaci´ on

Se deducir´ a la fórmula de Bass y Gura que usa la siguiente identidad: det [In − P Q] = det [Im − QP ]

(8.8)

en donde In e Im son matrices identidad de dimensiones n × n y m × m, respectivamente, y P y Q son matrices de dimensiones n × m y m × n, respectivamente. De (8.7): aK (s) = det (sI − A + BK) io n h = det (sI − A) I + (sI − A)−1 BK i h = det (sI − A) det I + (sI − A)−1 BK

(8.9)

Usando la identidad (8.8) en (8.9):

de donde:

h i aK (s) = a (s) 1 + K (sI − A)−1 B

(8.10)

aK (s) − a (s) = a (s) K (sI − A)−1 B

(8.11)

Ambos lados de (8.11) son polinomios en s, y por lo tanto K se puede encontrar igualando los coeficientes que corresponden a iguales potencias de s. Para hacerlo se utilizar´ a la f´ ormula (8.12): (sI − A)−1

=

¡ ¢ 1 {sn−1 I + sn−2 (A + a1 I) + sn−3 A2 + a1 A + a2 I + · · · + a (s) ¡ ¢ +s An−2 + a1 An−3 + · · · + an−2 I ¡ ¢ +s◦ An−1 + a1 An−2 + · · · + an−1 I } (8.12)

268 REALIMENTACION LINEAL DE LAS VARIABLES DE ESTADO Con (8.12) en (8.11) se obtiene: α1 − a1 = KB,

α2 − a2 = KAB + a1 KB,

α3 − a3 = KA2 B + a1 KAB + a2 KB

y asi sucesivamente. Reescribiéndolas en forma matricial: ¤ £ KB, KAB + a1 KB, · · · , KAn−1 B + a1 KAn−2 B + · · · + an−1 KB   1 a1 a2 · · · an−1  0 1 a1 · · · an−2     ..  £ ¤ 2 n−1  1 ··· .  = K B, AB, A B, · · · , A B  0 0   . . .  .. ...  .. .. a1  0 0 ··· 0 1

α−a =

α − a = K C At

(8.13)

en donde: α = [α1 α2 · · · αn ] a = [a1 a2 · · · an ] ¤ £ C = B, AB, · · · , An−1 B

y A es una matriz Toeplitz triangular inferior con primera columna: t

[1 a1 · · · an−1 ]

(8.14)

K = (α − a) At C −1

(8.15)

Puesto que A es nosingular, se puede resolver (8.13) para hallar K para α y a arbitrarios, si y solo si C es nosingular. Se ha probado entonces que mediante realimentaci´ on de las variables de estado se pueden reubicar arbitrariamente los valores propios de ª © una realización {A, B, C}, si y solo si C = B, AB, · · · , An−1 B es no singular. Entonces la ganancia de realimentaci´ on requerida se puede calcular como: (8.15) es conocida como la f´ ormula de Bass-Gura para determinar K. La reubicación de valores propios por realimentación de las variables de estado ha sido llamada controlabilidad de modos. Notése de (8.15) que cambios grandes en los coeficientes de a (s) necesitar´ a, en general, valores m´ as grandes en las ganancias del vector K, con consecuentes dificultades en la implementaci´ on y operaci´ on (alejamiento del punto de operación a una regi´ on no lineal, distorsi´ on en el transitorio, favorecimiento del ruido, etc). Note también que grandes valores de K podr´ıan ser debidos a que C es cercanamente singular.

8.1.2

Importancia de la forma can´ onica ”CONTROLLER”

Para controlabilidad de los estados, la forma can´ onica ”CONTROLLABILITY”, para la cual C = I es la m´ as conveniente. También es u ´til para calcular K de (8.15); sin

8.1 Importancia de la forma canónica ”CONTROLLER” 269 embargo, es posible encontrar una forma más simple. Recuerde que para la forma canónica ”CONTROLLER” {Ac , Bc , Cc }, en donde Ac es una matriz ”companion” con [−a1 , −a2 , · · · , −an ] como primera fila, Bc tiene como primer elemento uno y los demás ceros, Cc−1 = At . Si se reemplaza ésta en (8.15) se obtiene(8.16). Kc = α − a

(8.16)

Otra derivaci´ on de (8.16) se obtiene observando que, debido a la forma especial de Bc . 

− (a1 + Kc1 ) − (a2 + Kc2 ) · · · − (an + Kcn )  1 0 0   1 Ac − Bc Kc =   .. ..  . 0 . 0 1 0

la cual está todav´ıa en forma ”CONTROLLER”, y por lo tanto:

      

det (sI − Ac + Bc Kc ) = sn + (a1 + Kc1 ) sn−1 + · · · + (an + Kcn )

(8.17)

(8.18)

De (8.18) se obtiene inmediatamente (8.16). Lo anterior sugiere que una manera de resolver el problema para una realización general {A, B, C} es convertirla primero en una forma ”CONTROLLER” por medio de un cambio adecuado de variables: x (t) = T xc (t) con det T 6= 0

(8.19)

Con (8.19) en (8.1) se obtiene: A = T Ac T −1 B = T Bc

(8.20)

Se puede demostrar que si la nueva realización, en este caso tipo ”CONTROLLER”, es controlable, entonces: T = C Cc−1 Por lo tanto: ¡ ¢ aK (s) = det (sI − A + BK) = det sI − T Ac T −1 + T Bc K ª © = det T [sI − Ac + Bc KT ] T −1 = det T det (sI − Ac + Bc KT ) det T −1 As´ı:

(8.21)

270 REALIMENTACION LINEAL DE LAS VARIABLES DE ESTADO

aK (s) = det (sI − Ac + Bc KT ) KT = Kc

(8.22) (8.23)

Con (8.16), (8.21), sabiendo que Cc = A−t y reemplazando en (8.23), se obtiene de nuevo (8.15).

8.1.3

Otras f´ ormulas para la ganancia de realimentaci´ on

(8.15) es una fórmula para K en términos de los coeficientes del polinomio carcter´ıstico viejo y del nuevo. La siguiente es la fórmula de Ackerman: K = qnt α (A)

(8.24)

en donde α (s) es el polinomio caracter´ıstico deseado, y qnt = [0 · · · 01] C −1

(8.25)

la u ´ltima fila de C −1 . (8.24) es u ´til algunas veces para análisis te´ oricos. Note que no se requiere un conocimiento expl´ıcito del polinomio original a (s) = det (sI − A) . Para demostrar (8.24) se supondrá que se tiene una realizaci´ on tipo ”CONTROLLER”, en cuyo caso: t α (Ac ) Kc = α − a = qc,n

(8.26)

la u ´ltima fila de α (Ac ), porque: t qc,n

= [0 · · · 01] C −1 = [0 · · · 01] At  1 a1 · · · an−1  0 1 · · · an−2  = [0 · · · 01]  . . ..  .. .. . 0

Puesto que:

0

···

1



   = [0 · · · 01] 

+ · · · + αn I α (Ac ) = Anc + α1 An−1 c

(8.27)

y del teorema de Cayley-Hamilton que establece que cada matriz cuadrada, Ac en este caso, satisface su ecuaci´ on caracter´ıstica: a (s) = sn + a1 sn−1 + · · · + an = 0 + · · · + an I = 0 a (Ac ) = Anc + α1 An−1 c Entonces:

8.1 F´ ormula de Mayne-Murdoch. 271

Anc = − (8.28) en (8.27) y se obtiene:

n X

ai An−i c

(8.28)

i=1

n X (αi − ai ) An−i α (Ac ) = c

(8.29)

i=1

La propiedad de desplazamiento de las matrices ”companion” establece que: eti Ac = eti−1 2 ≤ i ≤ n et1 Ac = [−a1 − a2 · · · − an ]

(8.30)

en donde eti denota el vector fila [00 · · · 010 · · · 0] con el i ésimo elemento igual a uno. Si la u ´ltima columna de la matriz ”companion” es − [an · · · a1 ]t , la propiedad de desplazamiento es de la forma:

A ei = ei+1 i = 1 2···n − 1

(8.31)

Utilizando (8.29) y la anterior propiedad en (8.24) se obtiene (8.32):

Kc

n X = etn α (Ac ) = (αi − ai ) etn An−i c i=1

= (α1 − a1 ) et1 + (α2 − a2 ) et2 + · · · + (αn−1 − an−1 ) etn−1 + (αn − an ) etn = [α1 − a1 α2 − a2 · · · αn−1 − an−1 αn − an ] O sea: Kc = α − a

(8.32)

que era lo que se quer´ıa demostrar. Note que (8.32) es la misma ecuaci´ on (8.16).

8.1.4

F´ ormula de Mayne-Murdoch

Ganancias de realimentaci´ on en términos de los valores propios En muchos problemas son especificados los valores propios del sistema y, por prop´ ositos numéricos, a veces es preferible trabajar directamente con ellos, al menos cuando son distintos. Suponga que A es diagonal con valores propios {λ1 · · · λn } y que las ra´ıces deseadas on (8.10) se obtiene: son {µ1 · · · µn }. De la ecuaci´ n

X Ki bi aK (s) = 1 + K (sI − A)−1 B = 1+ a (s) (s − λi ) i=1

(8.33)

272 REALIMENTACION LINEAL DE LAS VARIABLES DE ESTADO De (8.33) se nota que una regla para obtener Ki es expandir en fracciones parciales aK (s) ermino (s − λi )−1 por bi . a(s) y dividir el coeficiente del t´ Más expl´ıcitamente, se multiplica ambos lados de (8.33) por (s − λi ) y se hace s = λi para obtener (8.34): Q (λi − µJ ) J (8.34) Ki bi = Q (λi − λJ ) J6=i

(8.34) muestra claramente que la ganancia de realimentaci´ on se incrementa a medida que aumenta la separación entre los polos de lazo abierto y de lazo cerrado, |λi − µJ |. F´ ormulas expl´ıcitas para cuando A no es diagonalizable también se pueden obtener, aunque son de menos importancia.

8.1.5

Realimentaci´ on del estado y los ceros de la funci´ on de

transferencia Se ha demostrado que mediante realimentación del estado se puede cambiar el denominador de la funci´ on de transferencia de a (s) a cualquier polinomio, m´ onico, α (s) del mismo grado. Se estudiará ahora el efecto sobre los ceros. Una manera simple es suponer que la realización es de tipo ”CONTROLLER”, {Ac , Bc , Cc }, en donde Ac es la matriz ”companion” con primer fila − [a1 · · · an ], Bct = [10 · · · 0] y Cc contiene los coeficientes de b (s), Cc = [b1 b2 · · · bn ] . Note que después de realimentar el estado la realización es {Ac − Bc Kc , Bc , Cc }, la cual es todav´ıa del tipo ”CONTROLLER” y por lo tanto la función de transferencia es: b (s) Y (s) = V (s) α (s) Es decir, la realimentaci´ on del estado no afecta los ceros de la funci´ on de transferencia, a menos, por supuesto, que sean cancelados por la escogencia apropiada del nuevo polinomio del denominador α (s). Por lo tanto, aquélla resuelve el problema de los ceros ubicados indeseablemente (limitaciones en las caracter´ısticas de fase y de atraso del sistema).

8.1.6

Realizaciones no controlables y estabilizables

Modos controlables e incontrolables. Suponga que se tiene una realización tipo diagonal y con todos los valores propios diferentes. .

x = Λx + Bu Λ = diag {λ1 · · · λn } ,

λi 6= λJ

F´ acilmente se puede demostrar que esta realización es controlable si y solo si cada uno de los elementos de B es diferente de cero. Si, por ejemplo, b1 = b3 = 0, entonces

8.1 Referencias diferentes de cero 273 la entrada está desacoplada de los correspondientes modos λ1 y λ3 , y por lo tanto, ninguna realimentación puede afectarlos. Por eso, en una realización diagonal no controlable ciertos valores propios no se pueden reubicar, o en otras palabras, no pueden ser afectados por realimentación del estado. Si estos modos son estables, entonces, en muchas situaciones, no es importante que no puedan ser afectados. Sin embargo, si son inestables, habr´ a problemas. Una realización es estabilizable si todos los valores propios inestables se pueden reubicar arbitrariamente por realimentación de las variables de estado. Una realizaci´ on diagonal es estabilizable si y solo si los {bi } correspondientes a los inestables {λi } son diferentes de cero, es decir, si los modos inestables son todos controlables. Puesto que una realización {A, B} © con ªmatriz ”CONTROLLABILITY” C de rango r se puede transformar en el par A, B , en donde:

A=

·

Ac 0

|{z} r

©

A12 Ac

¸

|{z}

B=

·

Bc 0

¸

}r }n − r

n−r

ª entonces A, B , y por lo tanto {A, B} será estabilizable si y solo si todos los valores propios de Ac tienen parte real negativa.

8.1.7

Reguladores, referencias diferentes de cero y seguimiento

Se ha demostrado que, dada una realizaci´ on {A, B, C} que es controlable, utilizando realimentación de las variables de estado, u = −K x + v, se puede obtener una realizaci´ on {A − BK, B, C} con det (sI − A + BK) arbitrario. Este resultado se utiliza generalmente en problemas de regulaci´ on, en donde las condiciones iniciales difeon y la realirentes de cero, x (0) = x0 6= 0, provienen de alguna perturbaci´ mentaci´ on −K x se usa para restablecer el estado a cero a una velocidad determinada por los valo-res propios de A − BK. Un decaimiento bastante rápido se puede obtener moviendo los valores propios lejos del eje imaginario en el semiplano complejo izquierdo, SCI, pero a un precio que tiene que ser pagado en término de alta energ´ıa del control, K grande, incremento en el ancho de banda del sistema en lazo cerrado y por lo tanto el incremento en la sensitividad al ruido, etc. As´ı, debe de haber un compromiso en la reubicaci´ on de los valores propios. Aqu´ı, sin embargo, se tratarán algunos problemas que pueden ser tratados con peque˜ nas modificaciones a la solución del problema del regulador. 8.1.7.1 Referencias diferentes de cero En el problema del regulador, el objetivo es regresar el estado x a cero, y por eso la entrada externa v es tomada como cero. Si se supone, sin embargo, que se desea tener: y (t) = Cx (t) → yd t→∞

274 REALIMENTACION LINEAL DE LAS VARIABLES DE ESTADO un valor deseado diferente de cero, en el estado estaen donde yd , o comando, es alg´ cionario, de la combinaci´ on C x (t) . Esto se puede lograr usando un comando de entrada constante vd tal que: .

x = 0 = (A − BK) xd + B vd yd = Cxd = −C (A − BK)−1 B vd = HK (0) vd en donde HK (s) es la funci´ on de transferencia en lazo cerrado: HK (s) = C (sI − A + BK)−1 B Note que (A − BK)−1 existe ya que K se escoge, presumiblemente, para que los valores propios de A − BK tengan partes reales suficientemente negativas, y en particular, ning´ un valor propio de A − BK es cero. Por lo tanto vd se puede determinar con la ecuación: −1 vd = HK (0) yd

con la condici´ on de que HK (0) 6= 0, es decir, la funci´ on de transferencia en lazo cerrado no debe tener ceros en el origen. Pero, como se demostr´ o antes, los ceros de HK (s) son los mismos de la función de transferencia original H(s). Por lo tanto, el comando de entrada vd se puede determinar si y solo si: H (0) = −CA−1 B 6= 0 Una vez encontrado vd , la respuesta del sistema se puede hallar, utilizando superposici´ on, como la suma de las soluciones a los casos: = vd , x (0) = xd = 0, x (0) = x0 − xd

1) v 2) v

As´ı, la respuesta, o salida del sistema, y(t), se puede expresar como: y (t) = yd + C x ˜ (t) en donde: . ˜

˜

x (t) = (A − BK) x (t)

con ˜

˜

x (0) = x0 − xd

Observe que x (t) → 0 a una velocidad determinada por los valores propios de t→∞ A − BK y, por lo tanto, y (t) → yd a esa misma rata. t→∞ Si el comando yd es cambiado,de manera suficientemente lenta, el anterior esquema puede desarrollar un trabajo razonable de seguimiento.

8.1 Perturbaciones de entrada constante y realimentación integral 275 8.1.7.2 Perturbaciones de entrada constante y realimentaci´ on integral Suponga que en el modelo del sistema se tiene un vector de perturbación w constante, pero desconocido.As´ı, el sistema se puede desribir mediante las ecuaciones: .

x = Ax + Bu + w, y = Cx

x (0) = x0

Si se usa realimentación de las variables de estado, u (t) = −K x (t), para estabilizar el sistema original, la presencia de w producir´ a un valor de estado estacionario diferente de cero. Este valor se puede reducir incrementando K; sin embargo, este procedimiento tiene l´ımites debido a los efectos de saturaci´ on y ruido. Un método razonable podr´ıa ser tratar de estimar el descononido w de alguna manera y usar esta estimación para cancelar la perturbaci´ on. Los efectos de vectores de perturbaci´ on constantes, a menudo, se pueden eliminar utilizando realimentación integral del error. As´ı, se introduce una variable de estado adicional: q˙ (t) = y y se usa la realimentaci´ on: u (t) = Kx (t) − Kq q (t)

ley de control

Figura 8.2 Realimentaci´ on de las variables de estado y la integral de la salida El sistema aumentado en lazo cerrado es: ¸· ¸ · ¸ · . ¸ · x A − BK −BKq x w . = + q C 0 q 0 Si {K, Kq } se escogen de modo que el sistema sea estable, entonces el valor de y en el estado estacionario ser´ a cero, ya que de la segunda ecuaci´ on anterior: 0 = Cx (∞) = y (∞)

276 REALIMENTACION LINEAL DE LAS VARIABLES DE ESTADO Es importante notar que el error de estado estacionario es llevado a cero sin conocer la perturbación w. Adem´ as, nótese que usando un comando de entrada vd , o referencia, en adición a la realimentaci´ on integrativa se puede obtener un valor de estado estacionario y (∞) deseado. Ejemplo 8.1 .

Figura 8.3 Ejemplo En la l´ınea que conecta el centro de la tierra con el centro de la luna, hay un punto L1, Fig 8.3, en donde la fuerza de atracci´ on de la tierra sobre un satélite (en una o´rbita alrededor de la tierra con el mismo per´ıodo que la o´rbita de la luna) es exactamente igual a la fuerza de atracci´ on de la luna m´ as la fuerza centr´ıfuga. Sin embargo, este punto de equilibrio es inestable como se ver´ a. Después se demostrará que usando realimentación del estado, a través de un peque˜ no motor de reacci´ on, un satélite en ese punto puede ser estabilizado. Las ecuaciones dinámicas para peque˜ nas desviaciones del punto de equilibrio se puede demostrar que son: ..

.

x −2ω y −9ω2 x = 0 .. . y +2ω x +4ω2 y = u en donde: x perturbaci´ on de la posici´ on radial. y perturbaci´ on de la posici´ on acimutal. 2 u = F/mω F fuerza del motor en la direcci´ on y, m masa del satélite 2π ω = rad. d´ıa−1 29 1) Con u = 0, demostrar que el punto de equilibrio es inestable. 2) Para estabilizar el sistema, usar realimentaci´ on de las variables de estado: .

.

u = −K1 x − K2 x −K3 y − K4 y

8.1 Perturbaciones de entrada constante y realimentación integral 277 Determinar los Ki de modo que el sistema en lazo cerrado tenga los polos en s = −3ω, s = −4ω, y s = (−3 ± j3) ω. 3) Dise˜ nar un controlador con la anterior realimentaci´ on y con un comando de referencia para la posici´ on y. 4) Explicar porqué un controlador como el anterior para la posici´ on x no puede ser dise˜ nado para el satélite. Soluci´ on: .

.

1) Utilizando como variables de estado x, x, y, y , entonces: 

0  9ω 2 A=  0 0

1 0 0 −2ω

0 0 0 −4ω 2

La ecuación caracter´ıstica es:

 0 2ω   1  0



 0  0   B=  0  1

a (s) = det (sI − A) = s4 − ω2 s2 − 36ω 4 cuyas ra´ıces se determinan con: √ ¢ ¡ √ ω2 1 ± 145 ω 4 + 144ω 4 = s = 2 2 Por lo tanto, los valores propios son: 2

ω2 ±

{±ω2.35,

±jω2.55}

y el sistema es claramente inestable. 2) Como ¡el sistema es controlable, ya que la matriz de controlabilidad C ∗ (A, B) es no ¢ singular det C ∗ = −36ω4 , se puede reubicar los valores propios por realimentación de las variables de estado. El polinomio caracter´ıstico deseado es: α (s) = (s + 3ω) (s + 4ω) (s + 3ω + j3ω) (s + 3ω − j3ω) = s4 + 13ωs3 + 72ω 2 s2 + 198ω 3 s + 216ω 4 Utilizando la fórmula de Bass-Gura, por ejemplo, ó por comparaci´ on de coeficientes con el polinomio det (sI − A + BK) se obtiene: K4 = 13ω

K3 = −28ω 2

K2 = 50.5ω

K1 = 157.5ω2

3) Como la salida es y, entonces: C = [0 0 1 0] Calculando: HK (0) = −C (A − BK)−1 B = −

1 24ω 2

278 REALIMENTACION LINEAL DE LAS VARIABLES DE ESTADO Por lo tanto: −1 (0) yd = −24ω 2 yd vd = HK

y la soluci´ on por realimentaci´ on, ley de control, es: u (t) = −Kx − 24ω2 yd en donde: £ K = 157.5ω 2

50.5ω

− 28ω 2

4) En este caso la salida ser´ıa x, y entonces:

13ω

¤

C = [1 0 0 0] −1 Si se calcula −C (A − BK) B = 0 para todo K. As´ı, es imposible encontrar una entrada vd para ajustar cualquier valor deseado de x.

8.1.7.3 Observaciones finales La escogencia de un conjunto de valores propios deseados, depende de criterios de funcionamiento de dise˜ no tales como el tiempo de crecimiento, tiempo de establecimiento, el m´ aximo sobrepaso, la magnitd m´ axima de las se˜ nales, etc. Aunque estos criterios sean precisamente especificados, no hay respuesta simple al problema propuesto. Una manera de proceder es por simulación en el computador. Por supuesto el conjunto de valores propios obtenidos no será u ńico. La u ńica manera sistemática conocida para las ganancias de realimentaci´ on, y consecuentemente un conjunto u ńico de valores propios es minimizando el ´ındice de desarrollo cuadr´ atico: Z ∞h i t t x (t) Qx (t) + u (t) Ru (t) dt J= 0

K se puede determinar resolviendo la ecuaci´ on algebraica de Riccati. Sin embargo, no existe ninguna regla espec´ıfica para escoger las matrices Q y R en el anterior ´ındice cuadrático. Esta metodolog´ıa está fuera del alcance de este libro. Una de las ventajas de la técnica propuesta en este cap´ıtulo es que el procedimiento consiste de dos pasos independientes. El primero supone que todas las variables de estado están disponibles para propósitos de realimentaci´ on. Naturalmente esto es impráctico ya que implicar´ıa conseguir un gran n´ umero de sensores. La suposici´ on de la disponibilidad de las entradas meramente permiten proceder con el primer dise˜ no, que se llamar´ a ley de control. El paso restante consiste en dise˜ nar un ”estimador” u ”observador asintótico” el cual permite estimar todo el vector de estado. El controlador final, o compensador, consistir´ a de la combinación de la ley de control y el estimador, en donde la ley de control se basa en los estados estimados en lugar de los estados actuales, o reales.

CAPITULO

9

˜ DE OBSERVADORES DISENO ASINTOTICOS Y COMPENSADORES Si una realización {A, B, C} es controlable, entonces la realimentación de las variables de estado puede reubicar los valores propios de A a donde se desee. Se discutir´ a el problema de obtener los estados de la realizaci´ on conociendo u ńicamente la entrada u y la salida y del sistema. Si el sistema es observable, mediante diferenciaci´ on se pueden calcular los estados. Está técnica es por supuesto impr´ actica y se desarrollar´ a un estimador de estado más real´ıstico conocido como observador asint´ otico. Su nombre es debido a que los estados se pueden obtener u ńicamente con un error tal que tiende a cero a una rata exponencial deseada. Se ver´ a que las ecuaciones de dise˜ no para el controlador no se afectan por el hecho de que se usen los estados aproximados en lugar de los verdaderos. Se verá además que la configuraci´ on total del observador-controlador es internamente estable. Sin embargo, el uso de los estados estimados en lugar de los verdaderos para realimentaci´ on, podr´ıa conducir en general a un deterioro de la respuesta transitoria.

9.1

Observadores asint´ oticos para medida de los

estados Se desea determinar los estados de la realizaci´ on:

.

x (t) = Ax (t) + Bu (t) , x (0−) = x0 y (t) = Cx (t) , t > 0− 279

280 DISENO DE OBSERVADORES ASINTOTICOS Y COMPENSADORES suponiendo conocidos y (t) y u (t) . Si se conocen A, B, C, y (t) y u (t) se puede simular el sistema y usar como entrada a u (t). El problema sin embargo es que no se conoce el estado energético inicial (e.e.i) x (0−) = x0 . Se puede demostrar que con u (t) = 0, t ≤ 0− : h it O.x (0−) = y (0−) , · · · , y (n−1) (0−) © ª de la cual podr´ıa hallarse x (0−) si se da y (0−) , · · · , y (n−1) (0−) como parte del problema.

9.1.1

Un observador en lazo abierto.

Si se simula el sistema {A, B, C} con el e.e.i correcto y se excita con la entrada {u (t) , t > 0−}, se puede obtener {x (t) , t > 0−}. Observe que es una estrategia en lazo abierto y es susceptible, por lo tanto, a perturbaciones y no hay medio para compensar por algunos errores.

Figura 9.1 Sistema original y simulaci´ on Suponga que el e.e.i de la simulaci´ on tiene un ligero error; es decir se tiene x ˆ0 , x0 +ζ, kζk << kx0 k, en lugar de x0 . Los estados serán las variables x ˆ (t) en lugar de x (t) : .

x ˆ (t) = Aˆ x (t) + Bu (t) , . x (t) = Ax (t) + Bu (t)

x ˆ (0−) = x ˆ0 = x0 + ζ

(9.1) (9.2)

Obviamente hay un error x ˜ (t) , x ˆ (t)−x (t) que satisface la ecuaci´ on diferencial (9.3) que se obtiene de (9.1) y (9.2): .

x ˜ (t) = A x ˜ (t) x ˜ (0−) = ζ

(9.3)

9.1 Un observador en lazo cerrado 281 Es decir, el error ζ en el e.e.i produce un error x ˜ (t) , Usando Laplace:

∀t ≥ 0 − .

s˜ x (s) − ζ = A˜ x (s) −1 x ˜ (s) = (sI − A) ζ

(9.4)

Si se expande ˜ (t) será una suma de términos ª parciales se nota que x © (9.4) en fracciones de la forma eλi t , tJ eλK t · · · , en donde los {λi } son los valores propios de A. Obviamente si el sistema es inestable (recuérdese que interesa determinar los estados para ser realimentados y lograr estabilidad) entonces el error x ˜ (t) crecerá indefinidamente a medida que t → ∞ sin importar que tan peque˜ no es el error inicial. A´ un si el sistema es estable, si algunos valores propios tienen partes reales muy peque˜ nas, los efectos de los errores en las estimaciones iniciales tomar´ an mucho tiempo en desaparecer prácticamente.

9.1.2

Un observador en lazo cerrado

Habrá situaciones en las que un estimador de lazo abierto puede ser satisfactorio, especialmente si se hace una reinicializaci´ on peri´ odica, para eliminar, o al menos controlar deseablemente, los efectos de errores iniciales y perturbaciones. Sin embargo, la manera cl´ asica de resolver estas dificultades potenciales de sistemas de lazo abierto es usar realimentación para que el error tienda a cero, excitando el sistema con un término proporcional al error en la estimaci´ on. El problema consiste en como determinar este error. En problemas cl´ asicos de realimentaci´ on se obtiene de la se˜ nal de referencia. En nuestro problema, el error es x (t) − x ˆ (t) = x ˜ (t), pero por supuesto x (t) no está disponible. Por esto se debe obtener una se˜ nal de referencia de alguna otra manera. La salida y (t), no usada en la relaci´ on de lazo abierto, puede ser utilizada ahora ya que con y (t) = Cx (t), y (t) es disponible. Una se˜ nal de error se puede generar como: y (t) − yˆ (t) = y (t) − Cˆ x (t) = C [x (t) − x ˆ (t)] = C x ˜ (t) la cual puede ser utilizada para excitar la ecuaci´ on del estimador. Estas observaciones llevan a considerar un estimador para x (t) de la forma mostrada en la Fig 9.2. Se supone que se tiene acceso a la entrada y salida del sistema original. As´ı:

.

x ˆ (t) = Aˆ x (t) + Bu (t) + l [y (t) − Cˆ x (t)] x ˆ (0) = x ˆ0

(9.5)

donde x ˆ0 es una estimaci´ on inicial del vector de estado y l es un vector de ganancias de realimentaci´ on que debe ser escogido deseablemente.

282 DISENO DE OBSERVADORES ASINTOTICOS Y COMPENSADORES

Figura 9.2 Observador asint´ otico El sistema que genera x ˆ es llamado observador u observador asint´ otico, por razones que se ver´ an más adelante. l debe ser escogido para controlar adecuadamente el error x ˜ =x−x ˆ. De (9.2) y (9.5) se obtiene: .

x ˜ (t) = (A − lC) x ˜ (t) ˆ0 x ˜ (0) = x0 − x

(9.6)

Obsérvese que con l = 0, (9.6) se reduce a (9.3) o ecuaci´ on de error en lazo abierto. El efecto de realimentar el error l [y − yˆ] = lC [x − x ˆ] es dar alg´ un control sobre el comportamiento del error x ˜. En efecto, las frecuencias naturales ser´ an los valores propios de A − lC, y lo que se trata de hacer es escoger l de modo que el error se aten´ ue tan rápido como se desee. Por ahora la estimaci´ on inicial x ˜0 no es importante on para el si no se tiene informaci´ on especial. A menudo se toma x ˜0 = 0. La raz´ nombre observador asint´ otico debe ser clara ahora. Se demostrar´ a que si {C, A} es observable, entonces se puede hallar l de modo que A − lC tenga valores propios arbitrarios, es decir: det (sI − A + lC) = α (s) = sn + α1 sn−1 + · · · + αn

(9.7)

en donde los αi son completamente arbitrarios. Este problema es esencialmente el mismo como el de determinar el vector de realimentaci´ on K requerido para darle una din´ amica arbitraria a una realizaci´ on que es controlable.

9.1.3

F´ ormulas para el vector de ganancias del observador

Se demostr´ o que dada una realización {A, B, C} con {A, B} controlable, se puede encontrar un vector K de varias maneras de modo que:

9.2 Observador y controlador combinados (compensadores). 283

det (sI − A + BK) = sn + α1 sn−1 + · · · + αn

(9.8)

para cualquier αi . Una fórmula, por ejemplo, es: K = (α − a) Γ−1 C −t (A, B)

(9.9) t

en donde a es el vector de coeficientes de a (s) = det (sI − A) y Γ es una matriz triangular superior Toeplitz con [1 a1 · · · an−1 ] como la primer fila.   1 a1 a2 · · · an−1  0 1 a1 · · · an−2     0 0 1 · · · an−3    . ..  .. Γt =   .. . .     .   .. a1  0 1

Para reformular el problema del observador de la anterior manera, puesto que det M = det M t , entonces: ¢ ¡ det (sI − A + lC) = det (sI − A + lC)t = det sI − At + C t lt y si en la soluci´ on del problema del controlador se reemplaza: A → At

B → Ct

K → lt

entonces l se puede encontrar si y solo si C (At , C t ) es no singular. Entonces: ¡ t ¢ −1 A , Ct lt = (α − a) Γ−t − C Pero:

i ¡ ¢ h C At , C t = C t At C t · · · At(n−1) C t = O (A C)

Por lo tanto el vector de ganancias l del observador se puede calcular como: l = O−1 (A, C) Γ−t (α − a)t

(9.10)

Entonces para calcular l es necesario que el sistema sea observable. La dualidad entre el problema del observador asint´ otico y el del controlador modal es muy u ´til y puede ser usada como se hizo anteriormente.

9.2

Observador y controlador combinados (com-

pensadores) El problema del observador se gener´ o por la necesidad de obtener los estados para usarlos en el controlador. Ahora se tiene estimaciones asint´ oticas correctas de los

284 DISENO DE OBSERVADORES ASINTOTICOS Y COMPENSADORES estados en lugar de los estados mismos y una pregunta natural es si el resultado previo de ubicar polos arbtrariamente por realimentación de las variables de estado se sostendrá cuando solo se dispone de tales estimaciones de los estados actuales. Lógicamente en estado estacionario el observador asintótico es adecuado ya que los errores en las estimaciones son nulos. Por eso, como se ver´ a más adelante, la funci´ on de tranferencia del observador y controlador conbinadas será la misma que la del controlador puro, con perfecta realimentaci´ on de los estados. Pero la preocupaci´ on básica es si la incorporaci´ on del sistema dinámico observador en el lazo de realimentaci´ on afectará la estabilidad de el sistema total ya que interconexiones de subsistemas estables podr´ıan conducir a sistemas totales inestables. Sin embargo, se probar´ a que la incorporación de un observador asint´ otico estable no inestabiliza el sistema total.

Figura 9.3 Observador y controlador combinados El sistema original de la Fig 9.3 puede ser descrito por su funci´ on de transferencia H (s) o por una realizaci´ on {A, B, C}. Si se tiene H (s) se puede obtener una realización conveniente, por ejemplo, tipo ”CONTROLLER”, de modo que se pueda usar realimentación de las variables de estado. Si éstas son directamente medibles, se puede cerrar el lazo a través del vector de ganancias K. De otra manera, se debe usar estados estimados x ˆ, los cuales se obtienen del sistema simulado que es excitado por el error l [y − Cˆ x] y por la misma entrada del sistema original, u = v − Kˆ x. Este u ´ltimo hecho debe ser as´ı, pues de lo contrario los estados x ˆ no seguirán a los estados x. Para el sistema de la Fig 9.3 se pueden plantear las siguientes ecuaciones: .

x (t) = Ax (t) + B [v (t) − Kˆ x (t)] .

x (t) = Ax (t) − BKˆ x (t) + Bv (t)

(9.11)

9.2 Observador y controlador combinados (compensadores). 285 x (0−) = x0 .

x ˆ (t) = Aˆ x (t) + B [v (t) − Kˆ x (t)] + l [Cx (t) − Cˆ x (t)] .

x ˆ (t) = l Cx (t) + (A − lC − BK) x ˆ (t) + Bv (t) x ˆ (0−) = x ˆ0

(9.12)

El error en los estados obedece la siguiente ecuaci´ on: .

.

.

x ˜ (t) = x (t) − x ˆ (t) = Ax (t) − Aˆ x (t) − lCx (t) + lCˆ x (t) .

x ˜ (t) = (A − lC) x ˜ (t) ˆ0 x ˜ (0−) = x0 − x

(9.13)

Observe que en la ecuaci´ on (9.13) la entrada no interviene. Las ecuaciones (9.11) y (9.12) se pueden reescribir, en forma matricial, as´ı: ·

¸ · ¸· ¸ · ¸ . x (t) A −BK x (t) B . = + v (t) lC A − lC − BK x ˆ (t) B x ˆ (t) ¸ · ¸ · x (0−) x0 = x ˆ0 x ˆ (0−) y (t) = C x (t)

(9.14)

(9.15)

Suponiendo el estado energético inicial nulo y usando la transformada de Laplace en (9.14) y (9.15) para obtener la funci´ on de transferencia total, Ho−c (s) = YV (s) (s) , se obtiene: sx (s) = Ax (s) − BKˆ x (s) + B V (s) sˆ x (s) = lCx (s) + (A − lC − BK) x ˆ (s) + B V (s)

(9.16) (9.17)

Eliminando x ˆ (s) entre (9.16) y (9.17) se obtiene: i h sI − A + BK (sI − A + BK + lC)−1 lC x (s) = i h = I − BK (sI − A + BK + lC)−1 B V (s)

Una identidad matricial muy u ´til es: h i−1 I + C (sI − A)−1 B = I − C (sI − A + BC)−1 B

(9.18)

(9.19)

286 DISENO DE OBSERVADORES ASINTOTICOS Y COMPENSADORES Si se usa la identidad matricial (9.19) en (9.18), se obtiene (9.20), esto es: Bv (s) =

i h I + BK (sI − A + lC)−1 n h i o sI − A + lC − I − BK (sI − A + BK + lC)−1 lC x (s)

= (sI − A + lC + BK − lC) x (s) Bv (s) = (sI − A + BK) x (s)

(9.20)

De donde: x (s) = (sI − A + BK)−1 B V (s)

(9.21)

Y (s) = Cx (s)

(9.22)

Transformando (9.15):

Con (9.21) en (9.22) se obtiene la funci´ on de transferencia total: Ho−c (s) = C (sI − A + BK)−1 B

(9.23)

que es la misma que se obtendr´ıa con realimentaci´ on perfecta de los estados. Es decir, la funci´ on de transferencia es la misma del sistema controlado y no depende de la dinámica del observador. En otras palabras, la funci´ on de transferencia no depende de que tan rápido el error en los estados estimados tienda a cero. La explicaci´ on es que con estado inicial cero, para ambos x y x ˆ, entonces por supuesto el observador, cuando se excita con las mismas entradas que el sistema original, tendr´ a las mismas salidas que el sistema original. Es decir, x (t) = x ˆ (t) cuando x (0) = 0 = x ˆ (0). Por eso, al calcular la funci´ on de transferencia, el observador asintótico es lo mismo que el observador perfecto. Sin embargo el principal interés es con los modos de la realizaci´ on total, que son las ra´ıces de la ecuaci´ on carater´ıstica de la realizaci´ on (9.14): · ¸ sI − A BK (9.24) ao−c (s) = det −lC sI − A + lC + BK por transformaciones en las filas y columnas de la matriz en (9.24) se puede simplificar este determinante de modo que: · ¸ · ¸ sI − A BK sI − A + lC 0 = (9.25) −lC sI − A + lC + BK −lC sI − A + BK

por lo tanto:

ao−c (s) = det (sI − A + BK) det (sI − A + lC) ao−c (s) = acont (s) aobs (s)

(9.26)

Entonces, el polinomio caracter´ıstico del sistema total es el producto de los polinomios caracter´ısticos del observador y del sistema controlado suponiendo que se conocen perfectamente los estados. Esto significa que las frecuencias naturales o modos del sistema total se pueden ubicar para que este sea estable. De hecho, se pueden

9.2 Perturbaciones constantes y realimentación integrativa 287 escoger arbitrariamente, si la realizaci´ on original es controlable y observable. As´ı, seleccionando K como en el Cap´ıtulo 8, sobre realimentaci´ on por variables de estado, se puede hacer acont (s) = det (sI − A + BK) arbitrario. Por eso, si acont (s) y aobs (s) son estables, es decir, con ra´ıces ubicadas en el plano complejo izquierdo, entonces ao−c (s) también lo es. Resultado que es fundamental y que no era obvio ya que, como se dijo antes, hay muchas situaciones en las que la interconexión de sistema estables conduce a un sistema inestable. Otra consecuencia u ´til de (9.26) es que el controlador y el observador se pueden dise˜ nar independientemente el uno del otro. Para el cálculo de las ganancias de realimentaci´ on K no importa si son los verdaderos estados, o las estimaciones asintóticas correctas de los estados, los que est´ an disponibles; similarmente, la din´ amica del observador asintótico se puede calcular del conocimiento de A y C sin importar si este se va a combinar con un controlador por realimentaci´ on o no. Lo anterior constituye la as´ı llamada propiedad de separación en el procedimiento de dise˜ no del observador-controlador. Sin embargo, habrá un deterioro en la respuesta transitoria del sistema combinado (ver ejemplo). 9.2.0.1 Implementaci´ on del observador El hecho de que el observador tenga tantos estados como el sistema original no significa que se tiene que replicar el sistema original para lograr los anteriores resultados. El sistema original podr´ıa ser una complicada planta de potencia, un procesador qu´ımico, etc. Afortunadamente, se sabe que, excepto en circunstancias muy especiales, no se necesita contruir el observador de la misma manera como el sistema original. En particular, se puede construir con circuiteria electrónica, miniaturizada, con grandes ventajas de tama˜ no, costo, etc. De hecho, los modernos desarrollos en la electr´ onica integrada facilita el uso de observadores de muy alto orden en el control de sistemas f´ısicos bastante complicados. As´ı, en muchas aplicaciones, es posible utilizar un microprocesador dise˜ nado especialmente para integrar, no solo el controlador, si no también las ecuaciones de estado del observador. 9.2.0.2 Resumen Usando realimentaci´ on de los estados de una realización completamente controlable y completamente observable de la funci´ on de transferencia original, se puede obtener una nueva realizaci´ on internamente estable cuyas frecuencias naturales estén ubicadas donde se desee. Aunque se ha obtenido este resultado solo para sistemas escalares, una entrada, una salida, hay una extensi´ on natural al caso multivariable y en esto representa quiz´ as el mayor triunfo del método del estado espacial en el control de sistemas lineales.

9.2.1

Perturbaciones constantes y realimentaci´ on integrativa

Para un sistema excitado con una perturbación constante desconocida w, se dise˜ nará un observador para estimar a w y usar ésta para compensar la perturbación. Matem´ aticamente: .

x = Ax + Bu + Bw . w = 0

288 DISENO DE OBSERVADORES ASINTOTICOS Y COMPENSADORES y

= Cx

en donde u es la entrada de control y y la salida observada. La perturbaci´ on constante se modela como la salida de un integrador no excitado. Se tiene entonces el sistema aumentado mostrado en la Fig 9.4:

Figura 9.4 Sistema con perturbación Si se tuviera una estimación w ˆ de w, se ajustar´ıa u = −w ˆ para tratar de cancelar la perturbaci´ on. Esto motiva para obtener un observador que estime a w. Un observador para el sistema aumentado es dado por:

"

. # · ¸· ¸ · ¸ A B x ˆ B x ˆ . = + u + l (y − Cˆ x) 0 0 w ˆ 0 w ˆ x ˆ (0) = 0, w ˆ (0) = 0

t

en donde l es un vector columna de dimensiones (n + 1)×1. Partiendo l como [l1t , l2t ] , con l2 un escalar, se tiene:

"

.

x ˆ . w ˆ

#

=

·

A − l1 C −l2 C

B 0

¸·

x ˆ w ˆ

¸

+

·

B 0

La estructura del observador se muestra en la Fig 9.5:

¸

u+

·

l1 l2

¸

y

9.2 Perturbaciones constantes y realimentación integrativa 289

Figura 9.5 Observador para estado y perturbaci´ on Si el sistema aumentado es observable, se puede escoger l de tal manera que los modos del error decaigan, tiendan a cero con el tiempo, y as´ı asegurar que w ˆ se aproxima asintóticamente a w. Ejemplo 9.1 . Para el ejemplo del satélite resuelto en el cap´ıtulo de realimentación de variables de estado, dise˜ nar un observador utilizando medidas de la perturbación de la posici´ on acimutal y. Ubicar los polos del observador en s = −2ω, s = −3ω, s = −3ω ± j3ω, lo cual significa que los errores estimados decaer´ an en un tiempo de aproximadamente 4/2ω = 2/ω = 2/ (2π/29.3) = 9.33 d´ıas. Debido a la propiedad de separación el observador se puede dise˜ nar independientemente del dise˜ no de la realimentación de las variables de estado. Entonces: C = [0 0 1 0] Para determinar si el sistema es observable:  C  CA   0∗ =   CA2  CA3 

Por lo tanto:

CA CA2 CA3 

= = =

0  0 0∗ =   0 −18ω 3

[ 0 [£ 0 −18ω 3 0 0 −2ω 0

0 −2ω 0

1 0 −4ω 2 0

0 −4ω 2 0

 0 1   0  −8ω 2

det 0∗ = −36ω4 6= 0 El sistema es observable y se puede dise˜ nar el observador.

1 ] 0 ¤] −8ω 2

290 DISENO DE OBSERVADORES ASINTOTICOS Y COMPENSADORES

sI − A + lC



 =   

 =  

s −9ω 2 0 0 s −9ω 2 0 0

  −1 0 0  s 0 −2ω  + 0 s −1   s 2ω 4ω2  −1 l1 0 −2ω  s l2  −1  0 s + l3 s 2ω 4ω2 + l4

 l1 £ ¤ l2   0 0 1 0 l3  l4



  s l2 −1 l1 −2ω −1  + 9ω 2  0 s + l3 s + l3 det (sI − A + lC) = s det  0 s 2ω 4ω 2 + l4 2ω 4ω2 + l4 ¤ © £ 2 ª = s s s + l3 s + 4ω 2 + l4 + 2ω [−l2 + 2ωs + 2ωl3 ] © £ ¤ ª +9ω 2 − s2 + l3 s + 4ω2 + l4 + 2ω [−l1 ] £ ¤ = s4 + s3 [l3 ] + s2 4ω 2 + l4 + 4ω2 − 9ω 2 ¤ £ ¤ £ +s 2ω (−l2 + 2ωl3 ) + 9ω2 l3 + 9ω 2 4ω 2 + l4 − 2ωl1

 0 −1  s

La ecuación caracter´ıstica deseada del observador es:

α (s) = (s + 2ω) (s + 3ω) (s + 3ω − J3ω) (s + 3ω + J3ω) α (s) = s4 + 11ωs3 + 54ω 2 s2 + 126ω 3 s + 108ω 4

Comparando los coeficientes correspondientes se obtienen las componentes del vector l: l1 = 23.5ω

l2 = 8.5ω 2

l3 = 11ω

l4 = 55ω 2

La Fig 9.6 muestra el esquema del control con el observador.

9.2 Perturbaciones constantes y realimentación integrativa 291

Figura 9.6 Control del satélite con observador

APENDICE

A

TABLAS DE LA TRANSFORMADA DE LAPLACE

293

294 TABLAS DE LA TRANSFORMADA DE LAPLACE

Tabla A.1.

1 2

f (t)

F (s)

impulso unitario δ (t)

1

escalón unitario 1 (t)

1 s

t

1 s2

3 4 5

tn−1 (n−1)!

(n = 1, 2, 3, . . .)

tn

(n = 1, 2, 3, . . .)

1 sn n! sn+1

6

e−at

1 s+a

7

te−at

1 (s+a)2

8 9

1 n−1 (n−1)! t

e−at

tn e−at

10 11 12 13 14

1 a

15

1 b−a

16

1 b−a

(n = 1, 2, 3, . . .)

(n = 1, 2, 3, . . .)

1 (s+a)n n! (s+a)n+1

sen ωt

ω s2 +ω2

cos ωt

s s2 +ω2

senh ωt

ω s2 −ω2

cosh ωt

s s2 −ω2

(1 − e−at )

¡ −at ¢ e − ebt

¡ −bt ¢ be − ae−at

1 s(s+a) 1 (s+a)(s+b) s (s+a)(s+b)

A.0 TABLAS DE LA TRANSFORMADA DE LAPLACE

Tabla A.1 Continuación

17

1 ab

h 1+ 1 a2

18 19

1 a−b

¡ −at ¢i be − ae−bt

1 s(s+a)(s+b)

(1 − e−at − ate−at )

1 s(s+a)2

1 a2

1 s2 (s+a)

(at − 1 + e−at )

20

e−at sen ωt

ω (s+a)2 +ω2

21

e−at cos ωt

s+a (s+a)2 +ω2

22

23

24

³ p ´ √ωn e−ζωnt sen ωn 1 − ζ 2 t 2 1−ζ

³ p ´ −ζωnt 2 t−φ e sen ω 1 − ζ n 1−ζ 2 √ 1−ζ 2 φ = tan−1 ζ

−√ 1

³ p ´ −ζωnt 2 t+φ e sen ω 1 − ζ n 1−ζ 2 √ 2 1−ζ φ = tan−1 ζ

1− √ 1

2 ωn 2 s2 +2ζωn s+ωn

s 2 s2 +2ζωn s+ωn

2 ωn 2) s(s2 +2ζωn s+ωn

25

1 − cos ωt

ω2 s(s2 +ω2 )

26

ωt − sen ωt

ω3 s2 (s2 +ω2 )

27

sen ωt − ωt cos ωt

2ω3 (s2 +ω2 )2

28

1 2ω t sen ωt

s (s2 +ω2 )2

t cos ωt

s2 −ω2 (s2 +ω2 )2

29 30 31

1 ω22 −ω12

(cos ω1 t − cos ω2 t) 1 2ω

¢ ¡ 2 ω1 6= ω22

(sen ωt + ωt cos ωt)

s

(s2 +ω12 )(s2 +ω22 ) s2 (s2 +ω2 )2

295

296 TABLAS DE LA TRANSFORMADA DE LAPLACE

Tabla A.2. L [Af (t)] = AF (s)

1

L [f1 (t) ± f2 (t)] = F1 (s) ± F2 (s)

2 3 4

5

L±

h

L±

£ dn

8

L±

L±

£R R

dtn f

£R

£R

£d

dt f

(k−1) n ¤ P (t) = sn F (s) − sn−k f (0±) k=1

(k−1)

¤ f (t) dt = F (s) s2

L± 0

f (t)=

donde

R ¤ · · · f (t) (dt)n = R∞

¤ (t) = sF (s) − f (0±)

i (t) = s2 F (s) − sf (0±) − f (0±)

¤ f (t) dt dt =

9 10

d2 dt2 f

L±

6

7

L±

+

F (s) s

£R

F (s) sn +

hR

t f 0

dk−1 f dtk−1

£R

+

n P

k=1

1 sn−k+1

f (t) dt =lim F (s) si s→0

s

t=0±

i (t) dt =

+

hR

L [e−at f (t)] = F (s + a)

12

L [f (t − α) 1 (t − α)] = e−as F (s)

16 17

£ ¤ d2 L t2 f (t) = − ds 2 F (s)

L [tn f (t)] = (−1)n L

£1

tf

dn dsn F

(s)

s

£ ¡ ¢¤ L f at = aF (as)

t=0±

i R · · · f (t) (dt)k

α≥0

n = 1, 2, 3, . . .

¤ R∞ (t) = s f (s) ds

¤

f (t)dt dt

L [tf (t)] = − dFds(s)

13

15

£R R

f (t) dt existe

11

14

t=0±

F (s) s

R∞ 0

¤

f (t)dt

¤

f (t)dt s2

(t)

t=0±

APENDICE

B

PROGRAMA MATLAB

B.1

Introducci´ on

Programa que sirve para c´ alculo numérico y visualizaci´ on de alto desarrollo. El ambiente es tal que los problemas y soluciones se expresan como se escriben matem´ aticamente, sin la tradicional programaci´ on. Es un sistema interactivo cuyo elemento básico de datos es una matriz que no requiere dimensionamiento. MATLAB también tiene cajas de herramientas, ”toolboxes”, que resuelven clases particulares de problemas tales como procesamiento de se˜ nales, dise˜ no de sistemas de control, simulaci´ on de sistemas din´ amicos, identificaci´ on de sistemas, redes neurales, sistemas de control robustos, optimización y otros (Matemática simb´ olica). La cualidad mas importante del MATLAB es que es f´ acilmente extendible. Esto permite crear nuestras propias aplicaciones. El contenido de este apéndice describe: a) Como entrar matrices simples, los elementos para construirlas, declaraciones y variables del MATLAB. b) Como conseguir informaci´ on del espacio de trabajo y como guardarla. c) N´ umeros y expresiones aritméticas. d) Formato de salida. e) Ayuda. f) Funciones del MATLAB.

B.2

Entrando matrices simples

El MATLAB trabaja fundamentalmente con una clase de objeto, una matriz numérica rectangular con elementos posiblemente complejos. Se pueden entrar de diferentes maneras: a) Una lista expl´ıcita de elementos. b) Generar matrices usando declaraciones y funciones propias del MATLAB. 297

298 PROGRAMA MATLAB c) Crear matrices en archivos M. d) Cargar matrices de archivos de datos externos. El lenguaje MATLAB no contiene declaraciones ”DIMENSION” ni ”TYPE”. Separa la memoria necesaria para el almacenamiento. Entrando una lista expl´ıcita de elementos se siguen las siguientes convenciones: a) Se separa la lista de elementos con comas (,) o espacios en blanco. b) El punto y coma (;) se usa para indicar los finales de las filas. c) El comienzo y el fin de la matriz se indica con corchetes [ ]. Ejemplo B.1 . A = [1 2 3; 4 5 6; 7 8 9] Esta declaraci´ on genera la siguiente salida: A= 1 4 7

2 5 8

3 6 9

La matriz A es guardada por el MATLAB para uso posterior. o ”ENTER”. El punto y coma (;) puede ser reemplazado por el ” RETURN” ´ Se pueden entrar matrices desde archivos de disco si su nombre tiene extensi´ on ·m. Si un archivo llamado gena · m tiene las siguientes l´ıneas de texto: A=

entonces la declaraci´ on gena

B.3

[1 4 7

2 5 8

3 6 9]

lee el archivo y genera A.

Elementos de las matrices

Estos pueden ser cualquier expresi´ on del MATLAB. Ejemplo B.2 . x = [−1.3 sqrt (3)

(1 + 2 + 3) ∗ 4/5]

resulta en: x = −1.3000 1.7321 4.8000 los elementos de la matriz pueden ser referenciados con ´ındices dentro de paréntesis.

B.4 Declaraciones y variables del MATLAB

299

Ejemplo B.3 . x (5) = abs (x (1)) produce: x = −1.3000 1.7321 4.8000 0 1.3000 Note que el tama˜ no de x se incrementa automáticamente para acomodar el nuevo elemento y que los elementos no definidos se igualan a cero. Se pueden construir matrices grandes usando matrices peque˜ nas como elementos. Por ejemplo, para adicionar otra fila a la matriz A : r = [10 11 12] ; A = [A ; r] que resulta en: A=

1 4 7 10

2 5 8 11

3 6 9 12

Se puede extraer matrices peque˜ nas de matrices grandes usando dos puntos (:). Ejemplo B.4 . A = A (1 : 3, :) ; toma las tres primeras filas y todas las columnas de la A actual.

B.4

Declaraciones y variables del MATLAB

El MATLAB es un lenguaje de expresi´ on. Es decir, interpreta y eval´ ua las expresiones escritas. Las declaraciones son frecuentemente de la forma: variable = expresi´ on o simplemente ´ expresi´ on. Las expresiones se pueden componer de operadores y otros caracteres especiales, funciones y nombres de variables. La evaluaci´ on de la expresi´ on produce una matriz la cual se muestra en la pantalla y se asigna a la variable. Si se omite el nombre de la variable y el signo =, MATLAB autom´ aticamente crea una variable con el nombre ans.

300 PROGRAMA MATLAB Ejemplo B.5 . 1900/81 produce: ans = 23.4568 Una declaración normalmente termina con ”RETURN” ´ o ”ENTER”. Sin embargo, o ”ENTER” el si el u ´ltimo caracter es punto y coma (;) antes del ”RETURN” ´ resultado no se muestra en la pantalla pero s´ı se realiza la asignaci´ on. Ejemplo B.6 . p = eig (A) ; halla los valores propios de A pero no los muestra en pantalla. Si es necesaria m´ as de una l´ınea para la expresi´ on se puede usar · · · (3 puntos) y el ”RETURN” para indicar que contin´ ua en la próxima l´ınea. Se pueden formar variables y nombre de funciones con una letra, seguida por cualquier n´ umero de letras y digitos. MATLAB recuerda s´ olo los primeros 19 caracteres de un nombre. Además, distingue entre may´ usculas y min´ usculas. Todos los nombres de funciones deben ser en min´ usculas. As´ı, inv (A) invierte A, pero INV (A) se refiere a una funci´ on no definida.

B.5

Informaci´ on sobre el espacio de trabajo

Para listar las variables en el espacio de trabajo escriba: no de las variables se puede usar whos . Cada elemento who . Para ver el tama˜ de una matriz real requiere 8 bytes de memoria. Las variables ans y eps son permanentes y no se pueden borrar. eps es una tolerancia para determinar aspectos tales como singularidades y rango. eps = 2−52 ≈ 2.22·10−16 . Se le puede reasignar otro valor, incluyendo cero. El MATLAB tiene la facilidad help. Ensayar el comando help lookf or. As´ı como help what y help which.

B.6

C´ omo terminar el programa y guardar el

espacio de trabajo Para terminar el programa escribir quit ´ o exit . Antes de parar se puede guardar el espacio de trabajo con el comando save , el cual guarda todas las variables en un archivo del disco llamado matlab.mat.

B.8 Formato de salida

301

La próxima vez que se invoque el MATLAB se puede ejecutar el comando load para recuperar el espacio de trabajo desde matlab.mat. save y load se pueden usar con otros nombres de archivos, o´ también guardar u ńicamente las variables que se deseen. guarda las variables x, y y z en el archivo llamado temp.mat. As´ı, save temp x y z load temp , recupera todas las variables del archivo temp.mat. load y save pueden también importar y exportar archivos de datos ASCII.

B.7

N´ umeros y expresiones aritm´ eticas

Usa notación convencional decimal, con el punto decimal opcional. Se puede incluir la potencia 10 como un factor de escala o´ una unidad compleja como un sufijo. Ejemplos de n´ umeros son: 3

− 99 0.001

9.6397238 1.602e − 20 6.022e 23 2i

− 3.14159i 3e5i

La precisión relativa de los n´ umeros es eps que equivale a, aproximadamente, 16 digitos decimales significativos. El rango es ≈ de 10−308 hasta 10308 . Se pueden construir expresiones con las operaciones aritméticas usuales y con reglas de precedencia: + (suma), − (resta), ∗ (multiplicación), / (divisi´ on por la derecha), \ (divisi´ on por la izquierda), ˆ (potenciación). Los paréntesis sirven para afectar la precedencia. La funci´ on pi calcula π (usa 4 ∗ atan (1)). La funci´ on Inf es usada para infinito. Ejemplo B.7 . s = 1/0 = Inf La variable NaN implica ”no un n´ umero”. Cálculos como Inf /Inf ´ o 0/0 la producen. MATLAB maneja n´ umeros complejos, indicados por las funciones especiales i y j, en todas sus operaciones y funciones. Ejemplo B.8 . A = [1 + 5i 2 + 6i;

3 + 7i 4 + 8i]

Un nombre de una funci´ on interna puede ser un nombre de una variable, pero en este caso no es disponible la funci´ on interna dentro del actual área de trabajo hasta que la variable no sea borrada. Si se usa i y j como variables y se sobreescribe sus valores, se puede generar una nueva unidad de complejos y usarse de la manera usual:

302 PROGRAMA MATLAB

ii = sqrt (−1)

z = 3 + 4ii

B.8

Formato de salida

El comando f ormat afecta la forma en que se muestran las matrices en la pantalla, no cómo se calculan o´ guardan. MATLAB desarrolla todos los cálculos en doble precisi´ on. Si todos los elementos de una matriz son exactos, la matriz se muestra en un formato sin puntos decimales. Si por lo menos un elemento de la matriz no es un entero exacto, se dispone de varios formatos de salida. El formato por defecto es el short, el cual muestra aproximadamente 5 d´ıgitos decimales significativos. Los otros formatos muestran m´ as d´ıgitos significativos o´ usan notación cient´ıfica. Ejemplo B.9 . x = [4/3 1.2345e − 6] Los formatos, y la salida resultante para este vector, son: format short 1.3333 0.0000

format short e 1.3333e + 00 1.2345e − 06

format long 1. 3333 | {z· · · 3} 0.00000123450000 14

format long e 1. 3333 | {z· · · 3} e + 00 1.23450 · · · 0 e − 06 15

B.11 Divisi´ on de matrices

303

format bank 1.33 0.00

f ormat hex f ormat + Con los formatos short y long si el elemento mas grande de una matriz es mayor que 1000 o´ menor que 0.001, la matriz total se muestra con un factor de escala com´ un.

B.9

Funciones

Gran parte de la potencia del MATLAB proviene de su extensivo conjunto de funciones. Algunas son intr´ınsecas, otras son disponibles en la librer´ıa de archivos externos tipo m, distribu´ıda con el MATLAB (las herramientas). El usuario puede crear sus propias funciones para aplicaciones mas especializadas (posteriormente se hablará de los archivos m). Usar el help para ver las diferentes categor´ıas de funciones anal´ıticas disponibles en el MATLAB (matem´ atica elemental, funciones especiales, matrices elementales, especiales,· · ·). Las funciones pueden tener varios argumentos de entrada y varias salidas. Ejemplos: theta = atan2 (y, x), usa 2 argumentos de entrada. [V, D] = eig (A), retorna 2 matrices, V y D, con los vectores y valores propios de la matriz A, respectivamente. Las salidas son delimitadas con corchetes [ ] y separadas con comas. [y, i] = max (x), regresa el m´ aximo valor del vector x en y, y el ´ındice respectivo en i. MATLAB nunca modifica la entrada o argumentos de entrada a la función. Siempre retorna las salidas de una función en los argumentos del miembro izquierdo.

B.10

Operaciones matriciales 0

El caracter (prima o apóstrofe) denota la transpuesta de una matriz. Si z es una 0 matriz con complejos, z es³la ´transpuesta de la conjugada z. Para la transpuesta no 0 0 conjugada, usar z. ó conj z . + y − denotan suma y resta de matrices siempre y cuando tengan las mismas dimensiones. Si uno de los operandos es un escalar, éste es sumado ó restado de todos los elementos del otro operando. Ejemplo B.10 . y = [1 2 3] − 1 = [0 1 2]

304 PROGRAMA MATLAB ∗ denota multiplicación de matrices. V´ alida si hay conformabilidad en la multiplicaci´ on de las matrices.

B.11

Divisi´ on de matrices

Se usan 2 s´ımbolos: \ y /. Si A es cuadrada no singular, A\B y B/A corresponden formalmente a la multiplicaci´ on por la izquierda y por la derecha de B por la inversa de A, es decir, inv (A) ∗ B y B ∗ inv (A). Sin embargo el resultado se obtiene sin el c´ alculo de la inversa. En general: x = A\B es una soluci´ on a A ∗ x = B x = B/A es una soluci´ on a x ∗ A = B Aˆp = A · · · · · A} , si p es un entero > 1 | · A {z p

Aˆp = V ∗ D.ˆ p/V , para otros valores de p donde: [V, D] = eig (A)

B.12

Funciones matriciales

MATLAB considera expresiones como exp (A) y sqrt (A) como operaciones sobre cada uno de los elementos de la matriz. Se pueden calcular también funciones trascendentales matriciales, tales como la matriz exponencial y la matriz logaritmo, las cuales se definen solo para matrices cuadradas (son generalmente dif´ıciles de calcular). Una funci´ on matemática trascendental se interpreta como una función matricial si se adiciona una m al nombre de la funci´ on, ejemplo: expm (A) y sqrtm (A). Hay 3 definidas expm, logm y sqrtm. Otras funciones matriciales elementales incluyen: poly, polinomio caracter´ıstico. det, determinante. trace, la traza, y otras.

B.13

Operaciones sobre arreglos

Esto se refiere a operaciones aritméticas sobre cada elemento de una matriz. 0 Un punto (.) precediendo un operador (∗, \, /, ˆ, ) indica una operación sobre arreglos.

B.15 Operaciones l´ ogicas

305

Para suma y resta, las operaciones sobre arreglos y sobre matrices son las mismas, as´ı + y − se pueden considerar como operaciones sobre matrices o arreglos. .∗ denota la multiplicaci´ on de arreglos. Ejemplo B.11 . Si: x = [1 2 3] ;

y = [4 5 6] ;

entonces: z = x. ∗ y = [4 10 18] A ./B y A .\B dan los cocientes de los elementos individuales. Ejemplo B.12 . z = x.\y = [4.0000 2.5000 2.0000] .ˆ denota potencias de arreglos. Ejemplo B.13 . Para el x y y anterior: z = x.ˆy = [1 32 729] z = x.ˆ2 = [1 4 9] (el exponente es un escalar) z = 2.ˆ [x y] = [2 4 8 16 32 64] (la base es un escalar)

B.14

Operaciones relacionales

Se dispone de 6 operadores relacionales para comparar 2 matrices de iguales dimensiones. < menor que. <= menor o igual que. > mayor que. >= mayor o igual que. == igual. ˜ = no igual. MATLAB compara los pares de elementos correspondientes. El resultado es una matriz con unos y ceros, en donde uno representa ”cierto” y cero ”falso”. Ejemplo B.14 . 2 + 2 ∼= 4 es simplemente cero

306 PROGRAMA MATLAB

B.15

Operaciones l´ ogicas

Los operadores &, | y ∼ son los operadores lógicos ”Y ”, ”O” y ”N O”. C = A & B es una matriz cuyos elementos son unos en donde A y B tengan elementos diferentes de cero, y ceros en donde cualquiera tenga un cero. A y B deben tener las mismas dimensiones, a menos que una sea un escalar. Un escalar puede operar con otro escalar o una matriz. C = A | B es una matriz cuyos elementos son unos en donde A o B tengan elementos diferentes de cero, y ceros en donde ambas tengan ceros. A y B deben tener las mismas dimensiones, a menos que una sea un escalar. B =∼ A es una matriz cuyos elementos son unos en donde A tiene ceros y ceros en donde A tiene elementos diferentes de cero. Las funciones any y all son u ´tiles con operaciones lógicas. any (x) retorna 1 si cualquiera de los elementos de x son diferentes de cero, retorna cero de otra manera. all (x) retorna 1 s´ olo si todos los elementos de x son diferentes de cero. Estas funciones son u ´tiles particularmente en declaraciones como: if all (A < 0.5) haga algo end Si los argumentos de any y all son matrices, retorna un vector fila con el resultado para cada columna. Para las siguientes funciones relacionales y l´ ogicas: any, all, find, exist, isnan, isinf , f inite, isempty, isstr, isglobal, issparse, usar help para saber que hacen.

B.16

Funciones matem´ aticas

Un conjunto de funciones matem´ aticas elementales se aplican a los arreglos. Ejemplo B.15 . A = [1 2 3; 4 5 6] · ¸ −1 1 −1 B = cos (pi ∗ A) = 1 −1 1

MATLAB incluye todas las funciones trigonométricas y exponenciales: sin, cos, tan, asin, acos, atan, atan2, sinh, cosh, tanh, asinh, acosh, atanh. Incluye estas funciones elementales: abs, angle, sqrt, real, imag, conj, round, fix, floor, ceil, sign, rem, gcd, lcm, exp, log, log10. Algunas funciones especiales suministran capacidades más avanzadas: bessel, beta, gamma, rat, erf , erf inv, ellipk, ellipj. As´ı como las funciones elementales, las especiales también operan sobre arreglos cuando los argumentos son matrices.

B.18 Referencia a los elementos de una matriz

B.17

307

Manipulaci´ on de vectores y matrices

Generaci´ on de vectores. La declaración x = 1 : 5 genera un vector fila que contiene los n´ umeros de 1 a 5 con incrementos unitarios. Es decir: x=12345 Se pueden usar incrementos diferentes a la unidad: y = 0 : pi/4 : pi resulta en: y = 0.0000 0.7854 1.5708 2.3562 3.1416 Los incrementos también pueden ser negativos: z = 6 : −1 : 1 da: z=654321 La notación (:) permite la generaci´ on fácil de tablas. Para obtener una tabla en forma vertical se traspone el vector fila obtenido de la notaci´ on (:), se calcula una columna de los valores de una funci´ on y luego se forma la matriz de las 2 columnas. Ejemplo B.16 . 0

x = (0.0 : 0.2 : 3.0) ; y = exp (−x) . ∗ sin (x) ; [x y] produce: ans =

0.0000 0.2000 .. .

0.0000 0.1627 .. .

3.0000

0.0070

Otras funciones para generar vectores son: logspace, la cual genera vectores uniforme y logar´ıtmicamente espaciados, y linspace, la cual permite especificar el n´ umero de puntos, mejor que el incremento: k = linspace (−pi, pi, 4) k = −3.1416

− 1.0472 1.0472 3.1416

308 PROGRAMA MATLAB

B.18

Referencia a los elementos de una matriz

Los elementos individuales de una matriz se pueden referenciar indicando su posición en paréntesis. Por ejemplo A (i, j) se refiere al elemento de la i-´ esima fila, j-´ esima columna. Un ´ındice puede ser un vector. Si x y v son vectores, entonces x (v) es: [x (v (1)) , x (v (2)) , · · · , x (v (n))] En matrices, vectores como ´ındice permiten el acceso a submatrices contiguas y no contiguas. Por ejemplo sup´ ongase que A es una matriz de 10×10, enotnces A (1 : 5, 3) especif´ıca la submatriz de 5×1 (vector columna) que contiene los primeros 5 elementos en la tercera columna de A. As´ı mismo, A (1 : 5, 7 : 10) es la submatriz de 5×4 cuyos elementos son las primeras 5 filas y las u ´ltimas 4 columnas de A. Usar (:) (”colon”) en lugar de un ´ındice indica todas las correspondientes filas o´ columnas. Por ejemplo A (:, 3) es la tercera columna de A y A (1 : 5, :) contiene las primeras 5 filas de A. Efectos sofisticados se obtienen referenciando submatrices en ambos lados de una declaración de asignaci´ on. Ejemplo B.17 . A (:, [3 5 10]) = B (:, 1 : 3) reemplaza la tercera, quinta y decima columnas de A con las 3 primeras columnas de B. En general, si v y w son vectores cuyos elementos son enteros, entonces A (v, w) es la matriz obtenida tomando los elementos de A con ´ındices fila de v e ´ındices columna de w. As´ı A (:, n : −1 : 1) invierte las n columnas de A. Ejemplo B.18 . v = 2 : 2 : n; w = [3 1 4 1 6] ; A (v, w) A (:) en el lado derecho de una declaración de asignaci´ on denota todos los elementos de A pero organizados en un vector columna. Ejemplo B.19 . A = [1 2 ; 3 4 ; 5 6]

B.21 Matrices especiales

309

b = A (:) resulta en: 

   b=   

1 3 5 2 4 6

       

A (:) en el lado izquierdo de una declaración de asignaci´ on denota una matriz con las mismas dimensiones de A pero con el nuevo contenido de lado derecho de la asignación. Por ejemplo, la matriz A anterior es de 3 × 2, A (:) = 11 : 16 es ahora:   11 14 A =  12 15  13 16

B.19

Referencia a los elementos de una matriz

usando vectores con ceros y unos Se pueden usar vectores con ceros y unos, creados generalmente de operaciones relacionales, para referirse a submatrices. Si A es una matriz de dimensiones m × n y L es un vector de longitud m de ceros y unos, entonces A (L, :) especifica las filas de A en donde los elementos de L son diferentes de cero. x = x (x <= 3 ∗ std (x)) ; remueve del vector x aquellos elementos mayores que 3 desviaciones estandar. L = x (:, 3) > 100 ; x = x (L, :) ; reemplaza x con aquellas filas de x cuya tercera columna es mayor que 100.

B.20

Matrices vac´ıas

La declaración x = [ ] asigna una matriz de dimensi´ on 0 × 0 a x. El uso subsecuente de esta matriz no conduce a una condici´ on de error, propaga matrices vac´ıas. La funci´ on exist sirve para probar la existencia de una matriz, y la función isempty sirve para indicar si una matriz es vac´ıa. Una manera eficiente de remover filas y columnas de una matriz es asignarles una matriz vac´ıa. Ejemplo B.20 .

310 PROGRAMA MATLAB

A (:, [2 4]) = [] borra las columnas 2 y 4 de A.

B.21

Matrices especiales

Una colecci´ on de funciones generan matrices especiales del a´lgebra lineal y en procesamiento de se˜ nales: compan, diag, gallery, hadamard, hankel, hilb, toeplitz, vander, etc. Ejemplo B.21 . Para generar la matriz ”companion” asociada con el polinomio: s3 − 7s + 6 p = [1 0 − 7 6] A = compan (p) genera:



 0 7 −6 A= 1 0 0  0 1 0

Los valores propios de A son las ra´ıces del polinomio: t

eig (A) = [−3 2 1]

Otras funciones que generan matrices son: zeros, ones, rand, randn, eye, linspace, logspace, meshgrid (usar help para más detalles).

B.22

Construcci´ on de matrices m´ as grandes

Se pueden formar matrices mas grandes de matrices peque˜ nas, delimit´ andolas coni h 0 corchetes, [ y ]. Por ejemplo, si A es cuadrada, C = A A ; ones (size (A)) A.ˆ2 crea una matriz dos veces el tama˜ no de A. Las dimensiones de las matrices m´ as peque˜ nas deben ser consistentes. Otras funciones que manipulan matrices son: rot90, f liplr, flipud, diag, tril, triu, etc. La funci´ on size devuelve un vector con dos elementos: el n´ umero de filas y el n´ umero de columnas de una matriz. La funci´ on length devuelve la longitud de un vector.

B.24 Polinomios y procesamiento de se˜ nales

B.23

311

Funciones matriciales

Factorizaci´ on triangular : la funci´ on lu factoriza una matriz cuadrada con el producto de dos matrices esencialmente triangulares. Para obtener las dos matrices utilizar: [L, u] = lu (A) Factorizaci´ on ortogonal : la funci´ on qr, u ´til para matrices cuadradas y rectangulares, expresa la matriz como el producto de una matriz ortonormal y una matriz superior. Las dos matrices se obtienen con: [Q, R] = qr (A) Descomposici´ on en valores singulares: la asignaci´ on [U, S, V ] = svd (A) produce los tres factores en esta descomposición (”singular value decomposition”). Las matrices U y V son ortogonales y la matriz S es diagonal. Los elementos de la diagonal de S son los valores singulares de A. Vectores y valores propios: la asignaci´ on [x, D] = eig (A) retorna en los elementos de la diagonal de D los valores propios de A y en las columnas de x los correspondientes vectores propios.

B.24

Polinomios y procesamiento de se˜ nales

Representaci´ on de polinomios. MATLAB los representa como vectores fila que contienen los coeficientes ordenados por potencias descendientes. Si:   1 2 3 A= 4 5 6  7 8 0

su ecuación caracter´ıstica se calcula con:

p = poly (A) p = [1 − 6 − 72 − 27] que es la representaci´ on del polinomio s3 − 6s2 − 72s − 27. Las ra´ıces de esta ecuaci´ on son: r = roots (p) 

 12.1229 r =  −5.7345  −0.3884

312 PROGRAMA MATLAB Estas ra´ıces son, por supuesto, los mismos valores propios de la matriz A. También se pueden obtener el polinomio original con poly : p2 = poly (r)

p2 = [1 − 6 − 72 − 27] Sea a (s) = s2 + 2s + 3 y b (s) = 4s2 + 5s + 6. El producto de los dos polinomios es la convoluci´ on de los coeficientes. a = [1 2 3] ;

b = [4 5 6]

c = conv (a, b)

c = [4 13 28 27 18] Se usa deconvoluci´ on para dividir polinomios: [q, r] = deconv (c, a)

q = [4 5 6]

r = [0 0 0 0 0] Otras funciones polinomiales son: poly, roots, polyval (evaluaci´ on polinomial), polyvalm (evaluaci´ on de un polinomio matricial), residue (expansi´ on en fracciones parciales), polyder, polyfit.

B.25

Procesamiento de se˜ nales

En procesamiento de se˜ nales, los vectores pueden contener datos de se˜ nales muestradas ´ secuencias. Para sistemas con m´ o ultiples entradas, cada fila de una matriz correponde a un punto de muestra con los ”canales” distribuidos a lo largo de las columnas de la matriz. Algunas funciones para el procesamiento de se˜ nales son: abs, angle, conv, cov, deconv, f ft, if f t. La herramienta ”signal processing” del MATLAB suminitra muchas funciones para el procesamiento de se˜ nales.

B.27 Funciones como función

B.26

313

Filtraje de datos

La funci´ on y = f ilter (b, a, x) filtra los datos del vector x con el filtro descrito por los vectores a y b. Los datos filtrados son devueltos en el vector y. La ecuación de diferencia del filtro es: y (n) = b (1) x (n) + b (2) x (n − 1) + · · · + b (nb ) x (n − nb + 1) + −a (2) y (n − 1) − · · · − a (na ) y (n − na + 1) o la funci´ ´ on de transferencia z : b (1) + b (2) z −1 + · · · + b (nb ) z −(nb −1) Y (z) = H (z) = x (z) 1 + a (2) z −1 + · · · + a (na ) z −(na −1)

Por ejemplo, para encontrar y graficar la respuesta al impulso (con n puntos) de un filtro digital: x = [1 zeros (1, n − 1)] ; y = filter (b, a, x) ; plot (y,0 o0 ) la funci´ on freqz retorna la respuesta frecuencial de filtros digitales. La respuesta frecuencial es H (z) evaluada alrededor del c´ırculo unitario en el plano complejo, z = ejω . Se puede usar freqz para encontrar y graficar la respuesta frecuencial con n puntos. [h, w] = f reqz (b, a, n) ; mag = abs (h) ; phase = angle (h) ; semi log y (w, mag) plot (w, phase) La herramienta ”signal processing” incluye numerosas funciones para el dise˜ no de filtros digitales. Sabiendo algunas técnicas de dise˜ no de filtros, muchos métodos son posibles. Por ejemplo, las técnicas de la transformación bilineal y el mapeo de polos y ceros convierten prototipos en el dominio s al dominio z. ff t (x) es la transformada discreta de Fourier del vector x. ff t (x, n) es la transformada discreta de Fourier del vector x con n puntos. Si x es una matriz, f ft (x) es la transformada r´ apida de Fourier de cada columna de x. if f t (x) es la transformada r´ apida inversa del vector x.

314 PROGRAMA MATLAB

B.27

Funciones como funci´ on

Una clase de funciones en MATLAB no trabaja con matrices numéricas, si no con funciones matem´ aticas. Estas funciones como funci´ on incluyen: a) Integración numérica. b) Ecuaciones no lineales y optimizaci´ on. c) Soluci´ on de ecuaciones diferenciales. MATLAB representa funciones matemáticas declar´ andolas como funci´ on en archivos tipo m. Por ejemplo, la funci´ on: f (x) =

1 1 + −6 2 (x − 0.3) + 0.01 (x − 0.9)2 + 0.04

se puede generar en MATLAB creando un archivo tipo m llamado humps.m con las siguientes declaraciones: f unction y = humps (x)

y = 1./ ((x − .3) .ˆ2 + .01) + 1./ ((x − .9) .ˆ2 + .04) − 6; Una gráfica de esa funci´ on es, por ejemplo: x = −1 : .01 : 2; plot (x, humps (x) ,0 w0 )

100 80 60 40 20 0 -20 -1

-0.5

0

0.5

1

1.5

Figura B.1 Gr´ afica de la funci´ on ”humps”

2

B.30 Funciones de ecuaciones diferenciales.

B.28

315

Integraci´ on num´ erica

El area bajo la curva f (x) se puede calcular numéricamente integrando f (x) . La funci´ on que se usa es quad ó quad8. Por ejemplo, para integrar la funci´ on definida en humps.m desde 0 hasta 1 : q = quad (0 humps0 , 0, 1) q = 29.8583 Nótese que el primer argumento de la funci´ on quad es el nombre del archivo, que contiene la funci´ on matemática, entre comillas simples.

B.29

Ecuaciones no lineales y funciones de

optimizaci´ on fmin m´ınimo de una función de una variable. fmins m´ınimo de una función multivariable. fzero cero de una funci´ on de una variable. Ejemplo B.22 . xm = f min (0 humps0 , .5, 1) xm = 0.6370 es el m´ınimo de la funci´ on definida en humps.m en la región 0.5 a 1. El valor de la funci´ on en el m´ınimo es: y = humps (xm) y = 11.2528 xz1 = fzero (0 humps0 , 0) localiza el cero cerca a x = 0, es decir: xz1 = −0.1316 y: xz2 = fzero (0 humps0 , 1) localiza el cero cerca a x = 1, es decir: xz2 = 1.2995 La herramienta ”optimization” del MATLAB contiene varias funciones de funciones para ecuaciones no lineales y optimizaci´ on.

316 PROGRAMA MATLAB

B.30

Funciones de ecuaciones diferenciales

Las funciones para resolver ecuaciones diferenciales ordinarias son: ode23 método de Runge-Kutta de orde 2/3. ode45 método de Runge-Kutta de orde 4/5. Sea la ecuaci´ on diferencial de Vander Pol: ¡ ¢ .. x + x2 − 1 x˙ + x = 0

Reescribiéndola como ecuaciones de estado:

¡ ¢ x˙ 1 = x1 1 − x22 − x2 x˙ 2 = x1 El primer paso es crear una funci´ on en un archivo tipo m con estas ecuaciones diferenciales. Si el archivo es llamado vdpol.m, entonces debe contener: f unction xdot = vdpol (t, x)

xdot = zeros (2, 1) ;

xdot (1) = x (1) . ∗ (1 − x (2) .ˆ2) − x (2) ; xdot (2) = x (1) ; Para simular la ecuaci´ on diferencial definida en vdpol.m en el intervalo 0 ≤ t ≤ 20, se usará ode23. to = 0 ; tf = 20;

0

xo = [0 0.25] ; % condiciones iniciales

[t, x] = ode23 (0 vdpol0 , to, tf, xo)

plot (t, x,0 w0 )

B.32 Gráficos en dos dimensiones.

317

3 2 1 0 -1 -2 -3 0

5

10

15

20

Figura B.2 Gr´ aficas de las variables de estado de la ecuaci´ on de Vander Pol Para trabajar con ecuaciones diferenciales o´ simulaci´ on, el MATLAB tiene otra herramienta especializada llamada ”Simulink”, la cual se estudiará en detalle posteriormente.

B.31

Gr´ aficos

El sistema de gr´ aficos del MATLAB suministra una variedad de técnicas sofisticadas para presentar y visualizar datos. Este sistema utiliza objetos gráficos, tales como l´ıneas y superficies, los cuales se pueden controlar con los valores de las propiedades de los objetos. Sin embargo, ya que el MATLAB implementa un rico conjunto de funciones gr´ aficas de alto nivel (en 2 y 3 dimensiones), la mayor´ıa de las veces no es necesario accesar estos objetos gr´ aficos a bajo nivel. Se describirá como usar las capacidades gráficas de alto nivel del MATLAB para presentar los datos.

B.32

Gr´ aficos en dos dimensiones

Existe una variedad de funciones para presentar datos como gráficos en dos dimensiones. Cada una acepta entradas en forma de vectores o matrices y autom´ aticamente escalan los ejes para acomodar los datos de entrada. plot crea una gráfica de vectores o´ columnas de matrices. loglog crea una gráfica usando escalas logar´ıtmicas en ambos ejes. semilogx crea una gráfica usando una escala logar´ıtmica para el eje x y una escala lineal para el eje y. semilogy grafica con escala logar´ıtmica para el eje y y escala lineal para el x. Se pueden adicionar t´ıtulos, etiquetas de ejes, cuadr´ıculas y texto al gr´ afico usando:

318 PROGRAMA MATLAB title adiciona un t´ıtulo al gráfico. xlabel adiciona una etiqueta al eje x. ylabel adiciona una etiqueta al eje y. text muestra una cadena de caracteres en la localizaci´ on que se especifique. gtext coloca texto en el gr´ afico usando el ratón (”mouse”). grid habilita la cuadr´ıcula. ginput permite leer valores del gr´ afico con el ratón.

B.33

Creaci´ on de un gr´ afico

Si y es un vector, plot (y) produce un gráfico lineal de los elementos de y contra el ´ındice de los elementos de y. Si se especifican dos vectores como argumentos, plot (x, y) produce un gráfico de y contra x. También se pueden especificar m´ ultiples conjuntos de datos y definir el color y estilo de l´ınea para ser usado con cada conjunto de datos. Ejemplo B.23 . t = 0 : pi/100 : 2 ∗ pi; x = sin (t) ; y1 = sin (t + .25) ; y2 = sin (t + .5) ; plot (x, y1,0 r−0 , x, y2,0 g − −0 ) plot genera un gráfico de y1 contra x y y2 contra x en los mismos ejes. El primer conjunto de datos ser´ıa graficado con una l´ınea sólida roja y el segundo conjunto con una l´ınea discontinua verde. Con el fin de mostrar las gráficas, en lugar del comando anterior se usará: plot (x, y1,0 w−0 , x, y2,0 w − −0 ) el cual permite ver las gr´ aficas en la pantalla con fondo negro y las curvas blancas. Sin embargo al importarlas a este texto los dos colores anteriores se intercambian. Las siguientes declaraciones le adicionan un t´ıtulo al gráfico y etiquetas a los ejes: title (0 f ase0 ) ¢ ¡ xlabel 0 x = sen (t)0

B.34 Estilos de l´ıneas, marcadores y colores.

319

¡ 0¢ ylabel 0 y = sen (t+)

Los resultados de este ejemplo se muestran en la Fig. B.3. fase 1

y=sen(t+)

0.5

0

-0.5

-1 -1

-0.5

0 x=sen(t)

0.5

1

Figura B.3 Resultados del ejemplo B.23

B.34

Estilos de l´ıneas, marcadores y colores

En la declaraci´ on plot (x, y, s), s es una cadena de 1, 2 ó 3 caracteres (entre comillas simples) para especificar el estilo de l´ınea y colores en la gr´ afica. Los caracteres usados se muestran en la siguiente tabla: s´ımbolo y m c r g b w k

color amarillo f ucsia cyan rojo verde azul blanco negro

s´ımbolo • ◦ x + ∗ − .. −. −−

color punto c´ırculo x m´ as estrella continua punteada raya − punto discont´ınua

si no se especifica un color, la funci´ on plot automáticamente usa los colores de arriba. Para una l´ınea, el color por defecto es amarillo, ya que éste es el color más visible sobre un fondo negro. Para m´ ultiples l´ıneas, la funci´ on plot utiliza en forma c´ıclica

320 PROGRAMA MATLAB los 6 primeros colores de la tabla. Los s´ımbolos •, ◦, x, + y ∗ son marcadores escalables.

B.35

Adici´ on de l´ıneas a un gr´ afico existente

Se pueden adicionar l´ıneas a un gráfico existente utilizando el comando hold. Cuando se usa la declaración hold on, MATLAB no remueve las l´ıneas existentes y se pueden adicionar nuevas l´ıneas en los ejes actuales. Sin embargo, los ejes se pueden reescalar si los nuevos datos est´ an fuera del rango de los datos anteriores. Por ejemplo, utilizando los mismos datos del ejemplo anterior: plot (x,0 w−0 ) ;

plot (y1,0 w − −0 ) ;

hold on ;

plot (y2,0 w − .0 ) ;

hold of f

Estas declaraciones producen un gráfico con tres curvas como se muestra en la Fig. B.4.

1

0.5

0

-0.5

-1 0

50

100

150

200

250

Figura B.4 Gráficas de x, y1, y2 del ejemplo B.23

B.36

Datos complejos

Cuando los argumentos de plot son complejos, la parte imaginaria es ignorada excepto cuando el argumento de plot es uno sólo. En este caso, se obtiene una gr´ afica de la parte real contra la parte imaginaria. As´ı, plot (z), en donde z es un vector o´ una matriz de complejos, es equivalente a plot (real (z) , imag (z)) .

B.38 Gr´ aficos de matrices.

321

Ejemplo B.24 . plot (eig (randn (20, 20)) ,0 x0 ) Esta gráfica se muestra en la Fig. B.5.

4 3 2 1 0 -1 -2 -3 -4 -5

0

5

Figura B.5 Gr´ afica del ejemplo B.24 Para graficar más de una matriz compleja, se deben tomar expl´ıcitamente las partes reales e imaginarias.

B.37

El archivo tipo m ”peaks”

Futuros ejemplos usan el archivo tipo m llamado peaks para generar una matriz de datos. Los datos se basan en una función de dos variables que tiene máximos y m´ınimos: ³x ´ 2 2 2 2 2 2 1 − x3 − y5 e−x −y − e−(x+1) −y f (x, y) = 3 (1 − x)2 e−x −(y+1) − 10 5 3 El archivo peaks crea una matriz que contiene los valores de la funci´ on para valores de x y y en el rango de −3 a 3. Los valores de x var´ıan a lo largo de las columnas y los de y a lo largo de las filas. Se puede espec´ıficar el tama˜ no de la matriz cuadrada pasándole un argumento a peaks. Ejemplo M = peaks (20) ; crea una matriz de datos de 20 × 20. Si se omite el argumento de entrada, por defecto el tama˜ no es 49.

B.38

Gr´ aficos de matrices

La funci´ on plot puede tomar un solo argumento matricial: plot (Y ) .

322 PROGRAMA MATLAB Ella dibuja una curva por cada columna de Y . El eje x corresponde al ´ındice de las filas, 1 : m, en donde m es el n´ umero de filas en Y . Por ejemplo, plot (peaks,0 w−0 ) produce un gr´ afico con 49 curvas. Véase Fig. B.6.

10

5

0

-5

-10 0

10

20

30

40

50

Figura B.6 Resultado de plot(peaks,0 w−0 ) Esta gráfica es una vista desde la superficie peaks mirando a lo largo del eje x (es on = 0◦ ). decir, una vista desde el azimuth = 90◦ y elevaci´ La funci´ on plot también acepta dos vectores o dos matrices como argumentos. Por ejemplo, plot (peaks, rot90 (peaks) ,0 w−0 ) . Véase Fig. B.7.

10

5

0

-5

-10 -10

-5

0

5

10

Figura B.7 Resultado de plot(peaks, rot(peaks),0 w−0 )

B.38 Gr´ aficos de matrices.

323

En general, si plot es usada con dos argumentos y si X ´ o Y tienen más de una fila o´ columna, entonces: a) Si Y es una matriz y x es un vector, plot (x, Y ) grafica sucesivamente las filas o´ columnas de Y contra el vector x, usando diferentes colores ó tipos de l´ıneas para cada una. La orientación por filas o´ columnas se selecciona dependiendo del n´ umero de elementos en x. Es decir, si x tiene m elementos y Y es m × n entonces se grafican las columnas de Y contra x; y si x tiene n elementos y Y es m × n se grafican las filas de Y contra x. Si Y es cuadrada, se grafican las columnas. b) Si X es una matriz y y es un vector, plot (X, y) grafica cada fila o columna de X contra el vector y. Ejemplo B.25 . y = 1 : 49;

plot (peaks, y,0 w−0 )

Véase Fig. B.8.

50 40 30

20 10 0 -10

-5

0

5

10

Figura B.8 Resultados del ejemplo B.25 c) Si X y Y son matrices del mismo tama˜ no, plot (X, Y ) grafica las columnas de X contra las columnas de Y. Se puede usar la funci´ on plot con m´ ultiples pares de argumentos matriciales: plot (X1 , Y1 , X2 , Y2 , · · ·) Cada par X −Y es graficado generando m´ ultiples curvas. Los diferentes pares pueden ser de dimensiones diferentes. Ejemplo B.26 . Almacenar en un archivo tipo m la siguiente matriz:

324 PROGRAMA MATLAB weather =

[30 31 38 49 59 68 74 72 65 55 45 34

4.0 3.7 4.1 3.7 3.5 2.9 2.7 3.7 3.4 3.4 4.2 4.9]

con el nombre mweather.m. Las declaraciones: temp = weather (:, 1) ;

precip = weather (:, 2) ;

después de usar la declaraci´ on mweather, almacena las columnas de temperatura y precipitaci´ on en vectores individuales. Graficar la temperatura contra el n´ umero del mes y la precipitación contra el n´ umero del mes en la misma ventana, utilizando plot y subplot: subplot (2, 1, 1) ; plot (temp) subplot (2, 1, 2) ; plot (precip)

80 60 40 20 0

2

4

6

8

10

12

2

4

6

8

10

12

5 4 3 2 0

Figura B.9 Gr´ aficas del ejemplo B.26 La Fig. B.9 muestra las dos curvas. Las siguientes declaraciones producen un gr´ afico como se muestra en la Fig. B.10 que muestra la relación entre temperatura y precipitación mes a mes:

B.39 Funciones especiales para gráficas en dos dimensiones.

325

mes = [0 Ene0 ;0 F eb0 ;0 M ar0 ;0 Abr0 ; ... 0 M ay 0 ;0 Jun0 ;0 Jul0 ;0 Ago0 ; ... 0 Sep0 ;0 Oct0 ;0 N ov0 ;0 Dic0 ]; plot (temp, precip,0 wo0 ) axis ([28 80 2.5 5.2]) text (temp, precip, mes) xlabel (0 temp0 ) ylabel (0 precip0 ) title (0 Boston0 )

Boston 5

Dic

precip

4.5 4

Ene

Mar

Nov Abr

Feb 3.5

Ago Oct

May

3

Sep Jun Jul

2.5

30

40

50

60

70

80

temp

Figura B.10 Relaci´ on entre temperatura y precipitaci´ on cada mes La declaración axis en el ejemplo anterior adiciona espacio extra al gr´ afico, definiendo expl´ıcitamente el escalamiento de los ejes a valores mayores que el rango de datos. Esto permite que el texto permanezca dentro de los l´ımites del cuadro del gr´ afico.

326 PROGRAMA MATLAB

B.39

Funciones especiales para gr´ aficas en dos

dimensiones bar crea una gráfica de barras. compass crea una gráfica de ańgulos y magnitudes de n´ umeros complejos con flechas emanando desde el origen. errorbar crea una gráfica con barras de error. feather crea una gráfica de ańgulos y magnitudes de n´ umeros complejos con flechas emanando desde puntos igualmente espaciados a lo largo de un eje horizontal. fplot evalua una funci´ on y grafica los resultados. hist crea un histograma. polar crea una gráfica en coordenadas polares. quiver crea una gráfica de un gradiente u otro campo vectorial. rose crea un histograma de ángulos. stairs crea una gráfica similar a una de barras, pero sin las l´ıneas internas. fill dibuja un pol´ıgono y lo llena con colores s´ olidos o´ interpolados. Ejemplo B.27 . Crear la función: f unction y = f ofx (x) y = cos (tan (pi ∗ x)) ; con el nombre f of x.m. Después, dentro del MATLAB correr: f plot (0 fof x0 , [0 1]) para graficar la funci´ on correspondiente en el intervalo (0, 1) . Esta gráfica se puede comparar con la que se obtiene de la siguiente manera: x = (0 : 1/2000 : 1)0 ; plot (x, cos (tan (pi ∗ x))) Los dos gráficos se pueden ver, como se muestra en la Fig. B.11, en la misma ventana as´ı: subplot(2, 1, 1); x = (0 : 1/2000 : 1)0 ; plot (x, cos (tan (pi ∗ x)))

B.40 Gr´ aficos en 3 dimensiones. Gr´ aficos de l´ıneas.

327

subplot (2, 1, 2) ; f plot (0 f of x0 , [0 1])

1

0

-1 0

0.2

0.4

0.6

0.8

1

0.2

0.4

0.6

0.8

1

1

0

-1 0

Figura B.11 Gr´ aficos del ejemplo B.27 La funci´ on f plot tiene la ventaja de que muestrea la funci´ on a intervalos m´ as cercanos en la región en donde la rata de cambio es mayor, generando as´ı una figura más precisa cerca a x = 0.5 en este caso particular.

B.40

Gr´ aficos en 3 dimensiones. Gr´ aficos de l´ıneas.

El análogo tridimensional a la funci´ on plot es plot3. Si x, y, z son 3 vectores de la misma longitud, plot3 (x, y, z) genera una l´ınea que pasa a través de los puntos cuyas coordenadas son los elementos de x, y, z y luego produce una proyecci´ on bidimensional de esa l´ınea en la pantalla. Ejemplo B.28 . t = 0 : pi/50 : 10 ∗ pi; plot3 (sin (t) , cos (t) , t) ;

328 PROGRAMA MATLAB produce una figura como la de un resorte. Véase Fig. B.12.

40 30 20 10 0 1 1 0

0 -1

-1

Figura B.12 Figura del ejemplo B.28 También se pueden usar matrices en lugar de vectores: plot3 (X, Y, Z, S). Se grafican las lineas obtenidas de las columnas de X, Y, Z. S es lo mismo que en la funci´ on plot. O también se pueden combinar los gráficos definidos por las cuádruples (x, y, z, s) : plot3 (x1, y1, z1, s1, x2, y2, z2, s2, · · ·) en donde todas las xi, yi y zi son vectores ó matrices y las si cadenas como en la funci´ on plot.

B.41

”Meshgrid”

MATLAB define una superficie en forma de malla mediante las coordenadas z de puntos por encima de una cuadr´ıcula rectangular en el plano x − y. La gr´ afica se forma uniendo puntos adyacentes con l´ıneas rectas. Estas superficies son u ´tiles para visualizar matrices que son demasiado grandes para mostrar en forma numérica, o´ para graficar funciones de dos variables. El primer paso para mostrar (en pantalla) una función de dos variables, z = f (x, y) , es generar dos matrices X y Y que consisten de filas repetidas y columnas repetidas, respectivamente, sobre el dominio de la funci´ on. Después se usan estas matrices para evaluar y graficar la funci´ on. La funci´ on meshgrid transforma el dominio especificado por dos vectores, x y y, en matrices X y Y . Luego se usan estas matrices para evaluar funciones de dos variables. Las filas de X son copias del vector x, y las columnas de Y con copias del vector y. Es importante notar que si x tiene m elementos, y tiene n elementos, entonces X es

B.41 ”Meshgrid”.

329

de dimensi´ on n × m y Y también. Ejemplo B.29 . que produce la superficie popularmente conocida Considere la funci´ on sinc (r) = sin(r) r como el ”sombrero” como se muestra en la Fig. B.13. Se evaluará esta funci´ on para el rango de x entre −8 y 8, y y entre −10 y 10. : x = −8 : 0.5 : 8; y = −10 : 0.5 : 10; [X, Y ] = meshgrid (x, y) R = sqrt (X.ˆ2 + Y.ˆ2) + eps; Z = sin (R) ./R; mesh (x, y, Z)

1 0.5 0 -0.5 10 10 0

0 -10

-10

Figura B.13 Superficie del ejemplo B.29 Las funciones contour y contour3 sirven para generar gráficas de contorno (de nivel) en 2 y 3 dimensiones, respectivamente.

330 PROGRAMA MATLAB Ejemplo B.30 . contour (peaks, 20)

contour3 (peaks, 20) Usar el comando help para más informaci´ on.

B.42

Pseudocolor en gr´ aficas

´ pcolor (Z) muestra en cada punto Z(i, j) un color. Este se determina de un mapa de colores con un ´ındice (n´ umero) obtenido escalando el valor del elemento Z(i, j) de la matriz Z. El mapa de colores es una matriz con tres columnas que especifica la intensidad de las tres componentes de video, rojo, verde y azul. El comando para el mapa de colores es colormap(map), donde map es una matriz con cualquier n´ umero de filas y tres columnas. La intensidad de los colores se puede especificar en el rango 0.0 a 1.0. Ejemplo [0 0 0] es negro y [1 1 1] es blanco. Los objetos gráficos que usan pseudocolor (objetos SURFACE y PATCH), los cuales son creados con las funciones mesh, surf , y pcolor, mapean una matriz de color, C, cuyos valores están en el rango [Cm´ın, Cm´ ax], a un arreglo de ´ındices, K, en el rango [1, m] . Los valores de Cm´ın y Cm´ ax son min (min (C)) y max (max (C)), o son especificados por caxis. El mapeo es lineal, con Cm´ın mapeando el ´ındice 1 y Cm´ ax el ´ındice m. Los ´ındices son luego usados con colormap para determinar el color asociado con cada elemento de la matriz. Usar help color para ver mapas de colores ya predefinidos, tales como hsv, gray, hot, cool, bone, copper, pink, etc. Ejemplo B.31 . z = peaks ;

colormap (bone)

pcolor (z) Las funciones contour y pcolor muestran esencialmente la misma informaci´ on sobre la misma escala. De hecho, a veces es u ´til superponer las dos. Para eliminar las l´ıneas de la cuadr´ıcula en el gr´ afico pcolor se debe cambiar el modo ”shading” a f lat. Para usar l´ıneas negras para todos los contornos, especificar 0 k0 para su color.

B.43 Gráficas en malla y superficie.

331

Ejemplo B.32 . colormap (hot) pcolor(peaks) shading f lat hold on contour(peaks, 20,0 k0 ) hold of f El MATLAB también maneja la función image que es similar a pcolor. Ambas producen figuras bidimensionales con valores de brillo o´ color proporcionales a los elementos de una matriz dada. Sin embargo, image está dise˜ nada para mostrar fotograf´ıas, pinturas, etc., mientras pcolor es dise˜ nada para visualizar objetos matemáticos m´ as abstractos. Usar help para más informaci´ on.

B.43

Gr´ aficas en malla y superficie

mesh y surf muestran superficies en tres dimensiones. Si Z es una matriz cuyos elementos Z(i, j) definen la altura de una superficie sobre una cuadr´ıcula inferior (i, j), entonces mesh (Z) genera una vista de la superficie en malla y a colores. Similarmente surf (Z) genera una vista de la superficie con cuadril´ ateros en malla de color constante, delineados con l´ıneas negras. La funci´ on shading permite eliminar las l´ıneas en malla o escoger interpolaci´ ´ on en el ”shading”. Cuando mesh (Z) y surf (Z) se usan con una sola matriz como argumento, este argumento especifica tanto la altura como el color de la superficie. Ejemplo B.33 . mesh (peaks) surf (peaks) Con dos matrices como argumentos, las declaraciones mesh (Z, C) y surf (Z, C) especifican independientemente el color usando el segundo argumento. As´ı como con pcolor (C), los valores de C se escalan y se utilizan como ´ındices en el mapa actual de color.

332 PROGRAMA MATLAB Ejemplo B.34 .

C

= del2 (peaks) ; % funci´ on que calcula el laplaciano discreto de % cualquier matriz.

surf (peaks, C) ; % renglones con curvaturas similares se dibujan en el colormap (hot) % mismo color. Se pueden eliminar partes de una superficie con datos tipo NaN , ya que estos no son graficados. Esto crea huecos en la superficie en la localizaci´ on correspondiente. Llenando elementos de la matriz de color con datos tipo N aN se obtienen regiones de la superficie invisibles. Ejemplo B.35 . p = peaks ; p (30 : 40, 20 : 30) = nan ∗ p (30 : 40, 20 : 30) ; mesh (peaks, p) La Fig. B.14 muestra la superficie del ejemplo B.35.

10 5 0 -5 -10 60 60

40

40

20

20 0

0

Figura B.14 Superficie del ejemplo B.25 Usar help sobre las funciones surf c, meshz, surf l para más informaci´ on.

B.44 Algunas funciones para gráficos de propósito general.

B.44

333

Algunas funciones para gr´ aficos de prop´ osito

general La función view permite especificar el ańgulo desde el cual se ve un gr´ afico tridimensional. Se debe especificar el azimuth y la elevación del punto desde donde se quiere ver, con respecto al origen de los ejes como se muestra en la Fig. B.15. El formato de la funci´ on es: view(azimuth, elevaci´ on). Como ejemplo se puede utilizar la matriz peaks para ver su superficie desde varios puntos.

Figura B.15 Convenci´ on para los ángulos azimuth y elevaci´ on La funci´ on axis permite seleccionar el escalamiento, orientaci´ on y relaci´ on de ejes de los gr´ aficos. Generalmente, el MATLAB encuentra el máximo y el m´ınimo de los datos a graficar y escoger una caja apropiada para el gr´ afico (l´ımites). Los l´ımites de los ejes se pueden cambiar as´ı: axis ([xm´ın xm´ ax ym´ın ym´ ax zm´ın zm´ ax]) Para gráficos bidimensionales se omiten los u ´ltimos dos argumentos. axis (0 auto0 ) retorna al escalamiento por defecto. v = axis guarda el escalamiento de los ejes en el vector v. axis (axis) congela el escalamiento a los l´ımites actuales. axis (0 ij 0 ) cambia el origen del sistema de coordenadas as´ı: el origen queda en la esquina superior izquierda, el eje i es vertical y se numera de arriba hacia abajo, y el eje j es horizontal y se numera de izquierda a derecha. Estos son llamados ejes matriciales.

334 PROGRAMA MATLAB axis (0 xy 0 ) pone los ejes en el modo caartesiano (por defecto). on ancho-altura del gráfico y la relaci´ on axis (0 square0 ) y axis (0 equal0 ) afectan la relaci´ entre las escalas de los ejes x y y. axis manipula el objeto axes, el cual es un objeto gr´ afico. subplot (m, n, p) divide la ventana de la pantalla para m × n subgráficos y escoge el gr´ afico p como el actual. Los gr´ aficos se numeran a lo largo de la fila, luego la segunda, etc. Usar la función figure sin argumentos abre una nueva ventana. figure (N) hace la figura N la figura actual. Usar help para información sobre la funci´ on moviein, movie. La funci´ on ginput permite usar el mouse o las teclas de direcci´ on para escoger puntos en un gráfico. Ella retorna las coordenadas de la posici´ on del ”se˜ nalador”, ya sea cuando el botón del mouse o una tecla se presiona. Las cualidades gráficas discutidas hasta ahora comprenden la interfase a alto nivel del sistema gr´ afico del MATLAB. Sin embargo, este sistema también suministra un conjunto de funciones a bajo nivel que permiten crear y manipular l´ıneas, superficies y otros objetos gráficos que el MATLAB usa para producir gráficos sofisticados. Para más informaci´ on referirse a la gu´ıa del usuario del MATLAB (págs 2-101 a 2-123).

B.45

Flujo de control

MATLAB tiene declaraciones de flujo de control como las encontradas en la mayor´ıa de los lenguajes de computador. Esto permite que el MATLAB sea utilizado como un lenguaje de programaci´ on de alto nivel.

B.46

Lazos f or

La forma general para el lazo f or es: f or

v = expresi´ on declaraciones

end La expresión es actualmente una matriz. Las columnas de la matriz se asignan una a una a la variable v y luego son ejecutadas las declaraciones. Una manera m´ as clara de lograr lo mismo es as´ı: E = expresi´ on ; [m, n] = size (E) ; for J = 1 : n v = E (: , J) ; declaraciones end Usualmente, expresi´ on es algo como m : i : n, que es una matriz con una sola fila,

B.47 Lazos while.

335

y por lo tanto sus columnas son escalares. En este caso especial, el lazo f or de MATLAB es como los lazos F OR o DO de otros lenguajes. Ejemplo B.36 . Graficar la respuesta al escalón unitario de un sistema de segundo orden con frecuencia on de amortiguamiento variando desde 0 hasta 1. natural 1 rad seg y relaci´ t = 0 : 0.5 : 19.5; r = 0.05 : 0.05 : 1.0; n = 1; % numerador de la FT f or j = 1 : 1 : 20 d = [1 2 ∗ r (j) 1] ; % denominador de la FT Y (:, j) = step (n, d, t) ; % respuesta al escalón % unitario end mesh (r, t, Y ) hold on ylabel (0 tiempo0 ) xlabel (0 amortiguamiento0 ) zlabel (0 respuesta0 ) view (60, 30) La Fig. B.16 muestra los resultados del ejemplo B.36.

Respuesta

2 1.5 1 0.5 0 0 0.5 Amortiguamiento

1

0

5

10

15

Tiempo

Figura B.16 Resultados del ejemplo B.36

B.47

Lazos while

20

336 PROGRAMA MATLAB Su forma general es: while expresión declaraciones end Las declaraciones se ejecutan repetidamente siempre y cuando todos los elementos en la matriz expresi´ on sean diferentes de cero. La matriz expresión es casi siempre una expresi´ on relacional 1 × 1, en este caso expresi´ on 6= 0 corrsponde a true (cierto). Cuando la matriz expresi´ on no es un escalar, se puede reducir usando las funciones any y all. Ejemplo B.37 . Este ejemplo encuentra el primer entero n para el cual n! es un n´ umero de 100 d´ıgitos. n = 1; while prod (1 : n) < 1.0 e 100 ; n = n + 1; end n

B.48

Declaraciones if y break

Ejemplo B.38 . Se muestra como un cálculo se puede dividir en tres casos, dependiendo del signo y la paridad de n : umero positivo = 0 ); n = input(0 Entre un n´ % Datos por teclado If n < 0 disp (0 Es negativo 0 ) parid elseif

rem (n, 2) == 0 disp (0 Es par 0 )

else disp (0 Es impar 0 ) end Debe archivarse como archivo tipo m con el nombre parid.m. Ejemplo B.39 . Se lee un n´ umero positivo por teclado. Si es par se divide por 2, si es impar se multiplica por 3 y se le suma 1. Se repite el proceso hasta que el entero llega a 1. ¿Existe alg´ un entero para el cual el proceso no termina?.

B.50 Archivos ”script”.

337

while 1 n = input(0 Entre n > 0.0 ); if n <= 0 break; % Salida de los lazos end; while n > 1 if rem(n, 2) == 0 n = n/2; else end;

n = 3 ∗ n + 1;

end; end;

B.49

Archivos tipo m

MATLAB puede ejecutar secuencias de comandos que son almacenados en un archivo. Los archivos de disco que contienen declaraciones del MATLAB son llamados archivos m porque tienen un tipo de archivo con .m como la u ´ltima parte del nombre del archivo (la extensi´ on). Por ejemplo, un archivo llamado bessel.m contiene declaraciones del MATLAB que evaluan las funciones de Bessel. Un archivo m consiste de una secuencia de declaraciones normales del MATLAB, las cuales posiblemente incluyan referenc´ıas a otros archivos m. Un archivo m se puede llamar a si mismo recursivamente y se puede crear usando un editor de texto o un procesador de palabra. Dos tipos de archivos m se pueden usar: los que automatizan secuencias de comandos (archivos ”script”) y las funciones que hacen más extensible el MATLAB. Gran parte de la potencia del MATLAB consiste en que permite crear nuevas funciones que resuelven problemas espec´ıficos del usuario. Ambos tipos de archivo son ordinariamente archivos de texto ASCII.

B.50

Archivos ”script”

Cuando un archivo de estos es invocado, MATLAB simplemente ejecuta los comandos encontrados en el archivo. Las declaraciones operan globalmente sobre los datos en el espacio de trabajo. Estos archivos son u ´tiles para desarrollar an´ alisis, resolver problemas o dise˜ nar largas secuencias de comandos que se vuelven dif´ıciles de manejar interactivamente. Ejemplo B.40 .

338 PROGRAMA MATLAB El archivo llamado ”fibno.m” contiene los siguientes comandos: % Este es un archivo para calcular % los n´ umeros de F ibonacci. f = [1 1] ; i = 1; while f (i) + f (i + 1) < 1000 f (i + 2) = f (i) + f (i + 1) i=i+1 end plot (f ) Escribiendo f ibno causa que es el MATLAB ejecute los comandos. Calcula los primeros 16 n´ umeros de F ibonacci y crea una gr´ afica. Después de que la ejecuci´ on del archivo est´ a completa, las variables f e i permanecen en el espacio de trabajo. Los ”demos” del MATLAB son buenos ejemplos de como usar estos archivos para desarrollar tareas m´ as complicadas. Cuando se invoca el MATLAB, automáticamente ejecuta un archivo llamado ”matlabrc.m”,el cual corre el archivo ”startup.m”, si éste existe, en el cual se pueden entrar constantes f´ısicas, factores de conversión, o cualquier otra cosa que se quiera predefinir en el espacio de trabajo.

B.51

Archivos funci´ on

Un archivo m que contiene la palabra ”function” al comienzo de la primera l´ınea es un archivo funci´ on. Este difiere del ”script” en que se le pueden pasar argumentos, y las variables definidas y manipuladas dentro del archivo son locales a la función y no operan globalmente en el espacio de trabajo. Los archivos funci´ on son u ´tiles para extender el MATLAB, es decir, crear nuevas funciones del MATLAB utilizando su propio lenguaje. Ejemplo B.41 . El archivo ”media.m” con las siguientes declaraciones es una funci´ on: function [med, desv] = media (x) % Retorna el valor medio y la desviación estándar de los elementos del vector x. % Retorna un vector fila que contiene el valor medio y la desviaci´ on estándar % de cada columna cuando x es una matriz. [m, n] = size (x) ; if m == 1 m=n; end med = sum (x) /m; desv = sqrt (sum (x.ˆ2) /m − med.ˆ2) ; Se puede utilizar con: z = 1 : 99;

B.53 Comandos ”echo”, ”input”, ”keyboard”, y ”pause”.

339

[me, de] = media (z) lo cual resulta en: me = 50

de = 28.5774 N´ otese que: 1) La primera l´ınea declara el nombre ”function”, los argumentos de entrada x (si es m´ as de uno, se separan por comas) y los argumentos de salida, med y desv. 2) El s´ımbolo ” % ” indica que el resto de la l´ınea es un comentario y debe ser ignorada. 3) Las primeras pocas l´ıneas documentan el archivo M y la muestra cuando se escribe ”help media ”. 4) Las variables m, n, med y desv son locales a la funci´ on media y no existen en el espacio de trabajo después de que media ha terminado (o si exist´ıan previamente, permanecen sin cambiar). 5) El vector z que conten´ıa los enteros de 1 a 99 fué pasado o copiado en media en donde llega a ser una variable local llamada x.

B.52

Ayuda en l´ınea para los archivos m

Se puede crear ayuda en l´ınea para los archivos m entrando texto en una o más l´ıneas de comentario, empezando con la segunda l´ınea del archivo. As´ı cuando se entra help media (ver ejemplo anterior), las l´ıneas 2, 3 y 4 se muestran. Son las primeras l´ıneas contiguas de comentarios. El sistema de ayuda ignora las l´ıneas que aparecen posteriores a cualquier declaración ejecutable o a´ un una l´ınea en blanco.

B.53

Comandos ”echo”, ”input”, ”keyboard”, y

”pause” Normalmente mientras un archivo m se ejecuta, los comandos en el archivo no se muestran en la pantalla. El comando echo hace que los archivos m se vean en la medida que se ejecutan, lo cual es u ´til para depuración o para demostraciones. La funci´ on input obtiene entrada del usuario. As´ı: n = input (0 Entre un entero0 )

340 PROGRAMA MATLAB muestra el mensaje ”Entre un entero”, espera y luego asigna a n el valor o expresión entrada por el teclado. La funci´ on keyboard invoca el teclado del computador como un ”script”. Cuando se usa en archivos m es u ´til para depuraci´ on o para modificar variables durante la ejecuci´ on. El comando pause hace que un procedimiento pare y espere que el usuario presione cualquier tecla antes de continuar. pause (n) pausa durante n segundos antes de continuar.

B.54

Variables globales

Generalmente cada función del MATLAB, definida por un archivo m, tiene sus propias variables locales, las cuales son separadas de aquellas de otras funciones, de aquellas del espacio de trabajo y de aquellas de archivos ”script”. Sin embargo, si varias funciones y posiblemente el espacio de trabajo, declaran todas un nombre particular como global, entonces todos comparten una copia u ńica de esa variable. Cualquier asignación a esa variable, en cualquier funci´ on, es disponible a todas las otras funciones que la declaran global. El formato es: global Nombrevariable1 Nombrevariable2 ... En las funciones esta declaraci´ on se puede hacer después de las primeras l´ıneas de comentario.

B.55

Cadenas de texto

Las cadenas de texto se entran en MATLAB delimitadas por comillas simples. Por ejemplo: s = 0 Hola0 resulta en: s = Hola El texto se almacena en un vector, un caracter por elemento. En este ejemplo: size (s)

ans = 14 indica que s tiene cuatro elementos. Los caracteres son almacenados como sus valores ASCII y abs muestra estos valores:

B.56 La función ”eval”.

341

abs (s)

ans = 72 111 108 97 la funci´ on setstr permite mostrar el vector como texto en lugar de mostrar los valores ASCII. disp muestra el texto en la variable. Otras funciones u ´tiles son: isstr la cual detecta caracteres, y strcmp, la cual compara cadenas de caracteres. El uso de corchetes concatena variables de texto en cadenas mas largas: s = [s,0 amigos0 ]

s = Hola amigos Valores numéricos son convertidos a caracteres con sprintf , num2str, int2str. Los valores numéricos son a veces concatenados para poner t´ıtulos en gráficos que incluyen valores numéricos: f = 70; c = (f − 32) /1.8; title ([0 la temperatura del cuarto es 0 , num2str (c) , 0 grados C 0 ])

B.56

La funci´ on ”ev al”

La funci´ on eval trabaja con variables de texto para implementar una poderosa facilidad al estilo macro. eval (t) hace que el texto contenido en t sea evaluado. Si CADENA es el texto fuente para cualquier expresi´ on o declaraci´ on del MATLAB, entonces: t = 0 CADENA0 ; codifica el texto en t. Escribir t imprime el texto (en pantalla) y eval (t) hace que el texto sea interpretado, como una declaraci´ on o como un factor en una expresión. Ejemplo B.42 .

342 PROGRAMA MATLAB

t = 0 1/ (i + j − 1)0 ; f or i = 1 : n f or

j=1:n a (i, j) = eval (t) ;

end end genera la matriz del Hilbert de orden n. Se puede usar eval e input para escoger una de varias tareas definidas en archivos m. Ejemplo B.43 . En este ejemplo los archivos m tienen los nombres : resist.m, induct.m y conden.m. elementos = [0 resist0 ; 0 induct0 ; 0 conden0 ] ; K = input (0 Escoja n´ umero de elemento : 0 ) ;

eval (elementos (K, :)) Nótese que el n´ umero de columnas en elementos implica que cada fila debe tener el mismo n´ umero de caracteres. Ejemplo B.44 . En este ejemplo se muestra como eval puede usar el comando load para cargar 10 archivos de datos numerados secuencialmente: nombre ar = 0 misdatos0 ; f or i = 1 : 10 eval ([ 0 load 0 , nombre ar, int2str (i)]) end

B.57

Como incrementar velocidad y memoria

Para obtener la máxima velocidad del MATLAB, se debe hacer el esfuerzo de vectorizar los algoritmos en los archivos m. Siempre que sea posible, convertir lazos f or y while a operaciones con vectores o matrices. Ejemplo B.45 . Una manera de obtener el seno de 1001 n´ umeros desde el 1 hasta 10 es:

B.58 Archivos de entrada y salida.

343

i = 0; for t = 0 : .01 : 10 i = i + 1; y (i) = sin (t) ; end Una versi´ on con vectores del mismo c´ odigo es: t = 0 : .01 : 10 ; y = sin (t) ; si no se puede vectorizar un pedazo de c´ odigo, los lazos f or se pueden acelerar preubicando los vectores en los cuales los resultados son almacenados. Por ejemplo, al incluir la primer declaraci´ on que usa la funci´ on zeros, el lazo f or se ejecuta mas rápido en: y = zeros (1, 100) ; for i = 1 : 100 end

¢ ¡ y (i) = det X ˆ i ;

Si no se preubican vectores, el interpretador del MATLAB debe cambiar el tama˜ no del vector y a un elemento más grande cada vez en el lazo de iteraci´ on. Si el vector es prelocalizado, se elimina este paso y ejecuta más rápido. El esquema de prelocalizaci´ on tiene un segundo beneficio: usa memoria m´ as eficientemente. Durante una sesión del MATLAB, la memoria tiende a fragmentarse. Aunque se haya dejado mucha memoria libre, podr´ıa no haber suficiente espacio contiguo para sostener una variable grande. As´ı, preubicaci´ on ayuda a reducir la fragmentación.

B.58

Archivos de entrada y salida

Las funciones de archivos de entrada y salida del MATLAB permiten leer datos, directamente en el MATLAB, que han sido guardados en otro formato, o escribir datos generados en el MATLAB en formatos requeridos por otro programa o dispositivo. Las funciones leen y escriben archivos en formato de texto y archivos de datos binario. Estas funciones son basadas en las funciones de archivos de entrada y salida del lenguaje C. Informaci´ on adicional se puede encontrar en la gu´ıa del usuario del MATLAB.

APENDICE

C

INTRODUCCION AL SIMULINK

C.1

Introducci´ on

El SIMULINK es una herramienta del MATLAB que permite simular sistemas tanto lineales como no lineales interactuando con el usuario de una manera gr´ afica. una vez se esté dentro del MATLAB. Para entrar al programa se escribe simulink Se presenta un pantallazo con varias ventanas (cajas) que contienen los diferentes bloques de simulación. Estas ventanas son: ”sources” (fuentes), ”sinks” (sumideros), ”discrete” (discretos), ”linear” (lineales), ”nonlinear” (no lineales), ”connections” (conexiones) y ”extra” (extras).

Sources

Sinks

Discrete

Linear

Nonlinear Connections

Extras

SIMULINK Block Library (Version 1.3c)

Figura C.1 Librer´ıas del Simulink Una sesi´ on t´ıpica comienza por definir un modelo o traer un modelo ya definido y luego se procede al an´ alisis del modelo. Los modelos se crean y editan principalmente con comandos manejados por el ”mouse”. Después de definir un modelo se puede analizar escogiendo opciones de los men´ us del SIMULINK o entrando comandos en la ventana de comandos del MATLAB. El progreso de una simulaci´ on se puede ver mientras está corriendo, y los resultados finales se pueden hacer disponibles en el a´rea de trabajo del MATLAB cuando la simulaci´ on est´ a completa.

345

346 INTRODUCCION AL SIMULINK

C.2

Construcci´ on de un modelo

La definici´ on de un sistema en el SIMULINK es como la representaci´ on del sistema en diagramas de bloques, en donde éstos son copiados de las librer´ıas de bloques del SIMULINK (las anteriores ventanas) o las que se contruyan. La librer´ıa estándar se organiza en varios subsistemas, agrupando bloques de acuerdo a su comportamiento, por ejemplo ”sources” contiene bloques para generar se˜ nales. Se pueden abrir presionando dos veces el botón izquierdo (doble click) del mouse. Los bloques que all´ı se presentan se pueden copiar donde se desee, por ejemplo en el modelo que se esté creando, se˜ nalizandolos con el botón izquierdo del mouse y arrastr´ andolo (sin soltar el botón). Un sistema nuevo se puede abrir seleccionando ”new” del men´ u ”file”, a lo cual aparece una ventana vac´ıa. La mayor´ıa de los bloques se pueden abrir para mostrar sus parámetros en ventanas ´ separadas. Estas permiten controlar el comportamiento del bloque modificando los valores de sus parámetros. Por ejemplo, el bloque ”signal generator” (generador de se˜ nales) del subsistema ”sources” tiene como par´ ametros la forma de onda, amplitud y frecuencia. Otro bloque importante del subsistema ”sources” es el denominado ”from workspace” (del espacio de trabajo) el cual sirve para recibir en el SIMULINK cualquier se˜ nal o se˜ nales que se deseen del MATLAB en una matriz cuya primer columna tiene los instantes de tiempo y las dem´ as columnas las se˜ nales correspondientes. Signal Source Library 12:34 Clock

Signal Generator

Digital Clock 1 Constant

Sine Wave

Step Input

untitled.mat

[T,U]

From File

Random Number

Repeating Sequence

Pulse Generator

From Workspace Chirp Signal

Band-Limited White Noise

Figura C.2 Librer´ıa de ”sources” El subsistema ”sinks” contiene bloques que en general son utilizados como salidas:

C.2 Construcci´ on de un modelo

347

osciloscopios (”scope”) graficadores (”graph”) y un bloque llamado ”to workspace” (al espacio de trabajo) el cual sirve para mandar las se˜ nales (respuestas, por ejemplo) que se deseen de la simulación al espacio de trabajo en una matriz, en donde cada columna corresponde a cada respuesta o salida, y las filas al ´ındice de cada instante de simulaci´ on. Para enviar el vector que contiene los intantes de tiempo al MATLAB, se puede usar el bloque ”clock” del subsistema ”sources” conectado al bloque ”to workspace”.

Signal Sinks Library yout To Workspace Scope untitled.mat Graph

To File

STOP Auto-Scale Stop Simulation Graph

XY Graph

Hit Crossing

Figura C.3 Librer´ıa de ”sinks” En general, los bloques tienen entradas (en el bloque se representa con > apuntando hacia el mismo) y salidas (se presenta con > saliendo del bloque). Para conectar la salida de un bloque a la entrada de otro, se presiona el bot´ on izquierdo del mouse en cualquiera de los terminales anteriores y se arrastra hacia el otro. Al conectarsen se dibuja una linea que los une, los > desaparecen y una flecha en la linea indica la direcci´ on del flujo de datos. Si se quiere borrar o editar una linea se selecciona con el mouse en cualquier lugar de ella. Todos los vertices son se˜ nalados con peque˜ nos cuadrados sólidos. Una vez que la l´ınea es seleccionada se puede eliminar del modelo presionando la tecla ”delete”. La simulación de un sistema f´ısico en el SIMULINK depende del modelo matem´ atico que se tenga. Por ejemplo, un sistema lineal descrito mediante una función de transferencia se puede simular usando el bloque ”transf er f cn” del subsistema ”linear”. También se puede usar el bloque ”state − space” de la misma librer´ıa, cuando el modelo es dado mediante las ecuaciones de estado y de salida. O si se tiene un conjunto de ecuaciones que describe el comportamiento del sistema se pueden simular usando todos los bloques disponibles tanto en al librer´ıa ”linear” (integradores, sumadores, ganancias, derivadores, etc.) como en la ”nonlinear” (saturación, relés, productos, funciones de variables, valor absoluto, zona muerta, etc.).

348 INTRODUCCION AL SIMULINK Nonlinear Library

Linear Library + + Sum

Gain

Sign

Inner Product

Quantizer

du/dt Derivative

1/s Integrator 1

.

K

1.317

Matrix Gain

Slider Gain

1 s+1 Transfer Fcn

(s-1) s(s+1) Zero-Pole

x' = Ax+Bu y = Cx+Du

Relay

*

Abs Abs

>=

f(u) Fcn

Saturation

Dead Zone Coulombic Rate Limiter Friction

Product

Relational Operator

Backlash

Look-Up Table

2-D Look-Up Table

AND Logical Combinatorial Operator Logic system S-Function

Switch

MATLAB Function

1/s

MATLAB Fcn

Reset Integrator 1/s

Memory

State-Space

a) ”Linear”

Transport Limited Variable Delay Transport Delay Integrator

b) ”Nonlinear”

Figura C.4 Subsistemas ”linear” y ”nonlinear” del Simulink Cuando se tienen varias se˜ nales que se quieren ver en una misma gr´ afica por ejemplo, se puede usar un bloque ”mux” que est´ a en la librer´ıa ”connections” el cual sirve para multiplexar sus entradas en un u ńico vector a la salida. También está en la misma librer´ıa el bloque ”demux” el cual separa un vector con varias se˜ nales en se˜ nales escalares (demultiplexa). Otros dos bloques de esta librer´ıa son: ”inport”, el cual suministra un enlace a una entrada externa y para linealizaci´ on; también tiene el ”outport”, que suministra un enlace a una salida externa y sirve también para linealizaci´ on. Connections Library 1 Inport 1 Outport Mux Mux Demux Demux

Figura C.5 Librer´ıa de ”connections” Si el sistema que se quiere simular es digital, se pueden usar los bloques de la librer´ıa ”discrete”: ”unit delay” (retardo unitario), ”discrete transfer fcn” (funci´ on de

C.3 Inicio de una simulaci´ on

349

tranferencia discreta), ”discrete state space” (ecuaciones estado y de salida discretas), etc. Cada uno de los bloques discretos tiene un muestrador interno a su entrada y un retenedor de orden cero en su salida. Cuando bloques discretos se mezclan con bloques análogos (continuos), la salida entre tiempos de muestreo de los bloques discretos es mantenida constante. Las entradas a los bloques discretos son actualizadas u ńicamente en los instantes de muestreo. El tiempo de muestreo se da en el campo del tiempo de muestreo de la caja de diálogo del bloque.

Discrete-Time Library 1/z Unit Delay 1 1+2z -1 Filter

(z-1) z(z-0.5) Discrete Zero-Pole 1 z+0.5 Discrete Transfer Fcn

x(n+1)=Ax(n)+Bu(n) y(n)=Cx(n)+Du(n) Discrete State-Space

Zero-Order Hold

First-Order Hold

1 z-1 Discrete-Time Discrete-Time Integrator Limited Integrator

Figura C.6 Librer´ıa de ”discrete”

C.3

Inicio de una simulaci´ on

Una simulaci´ on puede ser iniciada desde la l´ınea de comandos del MATLAB o del men´ u del SIMULINK: ”simulation”. Todos los métodos usan los mismos argumentos y parámetros. A. Simulaci´ on desde el men´ u ”simulation”. La simulación se puede arrancar seleccionando ”start” del men´ u ”simulation”. Los parámetros de la simulaci´ on se pueden ajustar seleccionando ”parameters” en el men´ u ”simulation”. En los campos que all´ı aparecen se pueden entrar n´ umeros o expresiones legales del MATLAB, por ejemplo, las variables tini, tf in, pasomin, pasomax y tol las cuales se pueden definir en el espacio de trabajo del MATLAB. Véase Fig. C.7.


Figura C.7 Panel de control del Simulink Las variables de retorno [t, x, y] son usadas para poner el tiempo, las trayectorias del estado y de la salida en el espacio de trabajo del MATLAB. Los tiempos de inicio y de parada de la simulaci´ on son ajustados en las variables tini y tf in. Los par´ ametros de integraci´ on tol, pasomin y pasomax controlan el error local relativo, el m´ınimo y máximo intervalos de integraci´ on de la simulación. Correr una simulaci´ on desde el men´ u permite desarrollar ciertas operaciones interactivamente durante una simulación: a) Cambiar los parámetros de un bloque, siempre y cuando no cause un cambio en el n´ umero de estados, entradas o salidas para ese bloque. b) Cambiar cualquiera de los parámetros de simulación, excepto las variables de retorno y el tiempo de inicio. c) Cambiar el algoritmo de simulación. d) Cambiar el tiempo de muestreo para bloques discretos. e) Simular otro sistema al mismo tiempo. f) Seleccionar una l´ınea para ver su salida en un ”osciloscopio flotante”, el cual consiste de un bloque ”scope” desconectado. Este muestra la salida de cualquier l´ınea que se seleccione. B. Simulaci´ on desde la l´ınea de comandos del MATLAB. Cualquier simulaci´ on que se corra desde el men´ u también se puede correr desde la l´ınea de comandos. Por ejemplo, para configurar una simulaci´ on con parámetros idénticos a los descritos en el ejemplo anterior y mostrados en la Fig C.7, se debe usar el comando:

[t, x, y] = linsim(0 modelo0 , [tini, tf in] , ...


351

xo, [tol, pasomin, pasomax]); en donde ”modelo” es el nombre del diagrama del sistema y linsim es una de las técnicas de integraci´ on. Las condiciones iniciales, que no se pueden ajustar desde el men´ u de ”simulation”, se definen en el vector xo. Estas condiciones iniciales prevalecen sobre las condiciones iniciales ajustadas en los bloques, a menos que xo sea una matriz vac´ıa. La simulación desde la l´ınea de comandos tiene las siguientes ventajas: a) Se puede definir las condiciones iniciales, las cuales prevalecen sobre las definidas en los bloques. b) Si no se especifican los argumentos del lado izquierdo del comando de simulación, automáticamente se grafican las salidas o, cuando no hay salidas, las trayectorias del estado. c) Entradas externas se pueden especificar usando una variable extra ut, la cual va al final de los par´ ametros del comando de simulaci´ on. ut puede ser una cadena de caracteres o una tabla de valores. Por ejemplo ut = 0 sin0 o ut = 0 ones (2, 1) ∗ sin (3 ∗ t + 2)0 . Si es una tabla, la primer columna debe ser un vector con los tiempos en orden ascendente. d) Una simulaci´ on se puede correr desde un archivo M permitiendo que parámetros en los bloques sean cambiados interactivamente. e) Para peque˜ nos modelos, la simulaci´ on se ejecuta más rápido. Todos los algoritmos de integraci´ on tienen idéntica sintaxis de modo que los diferentes métodos se pueden seleccionar simplemente cambiando el nombre de la funci´ on: euler, rk23, rk45, linsim, adams y gear. La velocidad y precisión con las cuales se pueden resolver las ecuaciones diferenciales no sólo dependen de los parámetros del intervalo de integraci´ on y el error relativo si no también del algoritmo que se escoja. Estas rutinas se pueden usar para una variedad de problemas: linsim usa un método que extrae la din´ amica lineal de un sistema dejando u ńicamente la dinámica no lineal del sistema para ser simulado. Este método trabaja muy bien cuando el sistema a ser simulado es relativamente lineal, y se pueden tomar intervalos grandes de integraci´ on. Por esto es necesario limitar el máximo intervalo de integraci´ on si se quieren puntos de salida razonablemente espaciados. El método de euler es un método de intervalo u ńico el cual simplemente multiplica las derivadas por el tama˜ no del intervalo para producir la actualizaci´ on del estado. Se incluye por razones hist´ oricas. Se deben tomar intervalos de integraci´ on mucho más peque˜ nos que los de los otros métodos para lograr la misma precisi´ on y, por ésto, no se recomienda para la mayor´ıa de problemas. Los métodos de Runge-Kutta, rk23 y rk45, son métodos buenos de propósito general que trabajan bien para un buen rango de problemas. Aunque rk45 es generalmente más rápido y preciso que rk23, produce menos puntos de salida; por eso rk23 podr´ıa ser preferido para gráficas ”suaves”. Son los mejores métodos cuando el sistema a ser simulado tiene discontinuidades. adams y gear son métodos predictores-correctores que trabajan bien con problemas en donde las trayectorias de estado son suaves. El método de gear es fundamentalmente para sistemas con mezcla de din´ amicas r´ apida

352 INTRODUCCION AL SIMULINK y lenta. Estos métodos no trabajan bien cuando el sistema es discontinuo. Todos los métodos son de intervalo de integración variable, el cual se ajusta continuamente de modo que se mantenga el error relativo. Los métodos, excepto gear y adams, se pueden convertir a métodos de intervalo fijo haciendo que los intervalos m´ınimo y máximo sean iguales. linsim y euler son métodos de intervalo u ńico: un nuevo punto de salida se genera a cada intervalo de tiempo. rk23 y rk45 son métodos de Runge-Kutta que toman intervalos intermedios entre los puntos generados por las trayectorias de salida. Las rutinas de adams y gear son métodos predictores-correctores los cuales toman un n´ umero variable de puntos para generar un punto de salida. Todos los algoritmos de integraci´ on (excepto euler) podr´ıan tomar pasos hacia atrás en el tiempo cuando el error de predici´ on calculado es mayor que el error relativo. En este caso el intervalo de integraci´ on es reducido pero nunca por debajo del intervalo m´ınimo; por eso, es posible producir resultados imprecisos si cualquiera, el error relativo o el m´ınimo intervalo de integraci´ on, son demasiado grandes. Sistemas puramente discretos se pueden simular usando cualquiera de los métodos de integraci´ on; no hay diferencia en las soluciones. Para lograr puntos de salida que reflejen u ńicamente los instantes de muestreo, se debe ajustar el m´ınimo intervalo de integraci´ on a un valor mayor que el m´ aximo tiempo de muestreo. Ejemplo C.1 . Este ejemplo sirve para simular el control por realimentación de variables de estado de la planta constituida por el péndulo invertido considerado en el Cap´ıtulo 1, cuya descripci´ on matemática es dada por las ecuaciones (1.16) y (1.17). Referirse también al art´ıculo de los autores ”Frecuencias escondidas en sistemas lineales”, en la revista Scientia et Technica, No. 5 de Abril de 1997. Si se definen las variables de estado como: ˙ x3 = y, x4 = y˙ x1 = φ, x2 = φ, entonces el modelo matem´ atico mediante    x˙ 1 0 1 0  x˙ 2   a21 0 0  =  x˙ 3   0 0 0 x˙ 4 a41 0 0

en donde:

a21 b2

variables de estado es:     x1 0 0     0    x2  +  b2  u 1   x3   0  0 x4 b4

(m + M )mgL (mL)2 g , a41 = , d d mL I + mL2 , b4 = , d = (m + M)I + mML2 = − d d =

La Fig. C.8 muestra el diagrama del Simulink para el control del péndulo invertido, el cual es archivado con el nombre ”sipend”.


Reloj

353

ti Tiempo u Señal de Control x' = Ax+Bu x y = Cx+Du Vector de Estado Péndulo Invertido K Ganancias de Realimentación

Figura C.8 Diagrama del Simulink para el control del péndulo invertido Nótese de la Fig. C.8 que: 1) La planta se simula con el bloque ”state − space”, ya que su modelo matem´ atico es dado mediante ecuaciones de estado y de salida. 2) La realimentación de las variables de estado se hace a través del bloque ”matrix gain” de la librer´ıa ”linear”. 3) Las variables que se quieren observar (control y estado) se env´ıan al espacio de trabajo en un bloque ”to workspace” ( Vector de Estado) para ser graficados con un archivo tipo m o un programa que usa comandos del MATLAB que se muestra más adelante. Los instantes de simulación, contenidos en el bloque ”clock”, también son enviados al espacio de trabajo para ser usados en las gráficas de los resultados. El programa que maneja la simulación, pide las ganancias por las cuales se deben multiplicar las variables de estado, calcula las matrices A y B y grafica los resultados es el siguiente: ´ % PENDULO INVERTIDO % Se piden las ganancias de realimentaci´ on k1=input(’Ganancia de realimentación para x1, k1 = ’) k2=input(’Ganancia de realimentación para x2, k2 = ’) k3=input(’Ganancia de realimentación para x3, k3 = ’) k4=input(’Ganancia de realimentación para x4, k4 = ’) % Parámetros del péndulo invertido m=0.05;M=0.5;g=9.8;L=1; I=m*Lˆ2/3;delta=(m+M)*I+m*M*Lˆ2; % Se calculan las matrices A y B

354 INTRODUCCION AL SIMULINK A=[0 1 0 0;(m+M)*m*g*L/delta 0 0 0;0 0 0 1;-(m*L) ˆ2*g/delta 0 0 0]; B=[0;-m*L/delta;0;(I+m*L ˆ2)/delta]; % Vector de ganancias del controlador k=[-k1 -k2 -k3 -k4]; % Se simula el sistema en lazo cerrado. % Todas las condiciones iniciales son nulas, excepto el ańgulo inicial % del péndulo que es 10 grados linsim(’sipend’,[0,10],[pi/18;0;0;0],[0.001,0.01,0.01]) % Se grafica la posici´ on angular del péndulo figure(1) plot(ti,x(:,1)*180/pi,’w-’) ylabel(’pos. angular del péndulo, grados’);xlabel(’segs.’) grid on % Se grafica el desplazamiento del carro figure(2) plot(ti,x(:,3),’w-’) ylabel(’desplazamiento del carro, metros’);xlabel(’segs.’) grid on % Se grafica la fuerza de control figure(3) plot(ti,u,’w-’) ylabel(’fuerza de control, Newtons’);xlabel(’segs.’) grid on Los resultados del control con k1 = 65, k2 = 24, k3 = k4 = 0, es decir sin realimentar y y y˙ se muestran en las Figuras C.9 y C.10. N´ otese que aunque la posici´ on angular es controlada, el desplazamiento del carro es inestable.

pos. angular del péndulo, grados

10 8 6

4 2 0 0

2

4

6

8

segs.

Figura C.9 Posici´ on angular del péndulo

10


355

desplazamiento del carro, metros

7 6 5 4 3 2 1 0 0

2

4

6

8

10

segs.

Figura C.10 Desplazamiento del carro Los resultados del control realimentando todas las variables de estado con k1 = 65, k2 = 24, k3 = 8, k4 = 11, se muestran en las Figuras C.11 y C.12. N´ otese que ahora la posici´ on angular y el desplazamiento del carro están completamente controlados.

pos. angular del péndulo, grados

10 8 6 4 2 0 -2 -4 -6 0

2

4

6

8

segs.

Figura C.11 Posici´ on angular del péndulo

10


desplazamiento del carro, metros

0.5 0.4 0.3

0.2 0.1 0 0

2

4

6

8

10

segs.

Figura C.12 Desplazamiento del carro Ejemplo C.2 . Este ejemplo sirve para simular el control óptimo usando realimentaci´ on de las variables de estado estimadas de una planta (motor DC y su ”drive”) por medio de un observador asint´ otico (Véase Cap´ıtulo 9). Referirse al art´ıculo de los autores ”Dise˜ no de un controlador óptimo que utiliza un observador asintótico para realimentar las variables de estado estimadas”, en la revista Scientia et Technica, No. 4 de Octubre de 1996. El criterio de optimizaci´ on consiste en minimizar el ´ındice cuadr´ atico: Z ∞ [xt Qx + ut Ru]dt J= 0

para lo cual se utiliza la funci´ on ”lqr” (”linear quadratic regulator”) de la herramienta ”Control” del MATLAB. Las matrices ponderantes Q y R que restringen respectivamente, las variables de estado y de control, se escogen como:   1 0 .01 0  0 .1 .01 0   Q=  .01 .01 .01 .01  0 0 .01 100 R = .01 Puesto que se introduce un integrador con el fin de eliminar el error de estado estacionario, la planta es de cuarto orden y su modelo matem´ atico mediante ecuaciones de estado es descrito por las matrices:


357



 −.1653 .2879 0 0  −11.55 −3.414 .9177 0   A2 =   0 0 −12.3 0  −1 0 0 0 

 0  0  £ ¤  B2 =   147.5  , C2 = 1 0 0 0 0

Puesto que el observador es reducido, ya que no es necesario estimar la salida del integrador porque se tiene acceso a élla, en la determinaci´ on de las ganancias del observador se utilizan: la traspuesta de la matriz A1 que se obtiene eliminando en A2 la cuarta fila y la cuarta columna, y la traspuesta de [1 0 0] que se obtiene de C2 eliminando la cuarta columna.

Señal de control u estadore x' = Ax+Bu Demux y = Cx+Du Al espacio de SaturaciónModelo del Demux2 trabajo3 motor Salida y Error de x' = Ax+Bu Mux x4 control 1/s y = Cx+Du + I1 S2 Referencia Ganancias deMux1 realimentación ti Vector de estado Reloj Al espacio de estimado trabajo2 + x' = Ax+Bu Mux S1 y = Cx+Du Demux Error del Mux2 Observador Demux1 observador asintótico Mux estado espacio de Mux Altrabajo1

Figura C.13 Diagrama de simulaci´ on del ejemplo C.2 La Fig. C.13 muestra el diagrama de simulaci´ on del sistema total. N´ otese que el bloque ”state − space” es usado 3 veces para: simular la planta, el observador asintótico y las ganancias de realimentaci´ on. Se usan multiplexores para reunir varias se˜ nales en un sólo vector, y demultiplexores para separar las se˜ nales de vectores. Se usan los bloques ”to workspace” para enviar varias se˜ nales y el tiempo al espacio de trabajo con el fin de graficar algunas variables.

358 INTRODUCCION AL SIMULINK Otros bloques utilizados son: ”saturation” de la librer´ıa ”nonlinear”, un sumador y un integrador de la librer´ıa ”linear” y el bloque ”step” de la librer´ıa ”sources” para generar la se˜ nal de referencia: un escalón de amplitud 8.15 voltios. El siguiente es el programa que carga las matrices Q, R, A2 , B2 y C2 , utiliza de la herramienta ”Control” las funciones ”lqr” que se usa para optimizar y ”ac ker ” que sirve para hallar tanto las ganancias de realimentación de las variables de estado como las ganancias del observador asint´ otico cuando los polos respectivos son dados. Usa el método de integraci´ on ”rk45” y grafica los resultados. ´ ´ ´ % CALCULO OPTIMO DE LAS GANANCIAS DE REALIMENTACION % POR VARIABLES DE ESTADO PARA EL MODELO DEL MOTOR ´ % SE CARGAN Q Y R OPTIMOS load qroptim % SE CARGA PRIMERO EL MODELO DEL MOTOR load modmotor ´ K1, % SE CALCULAN LAS GANANCIAS DE REALIMENTACION ´ % USANDO EL REGULADOR LINEAL CUADRATICO [K1,S,E]=lqr(A2,B2,Q,R); K1 ´ % SE CALCULAN LAS GANANCIAS DEL OBSERVADOR ASINTOTICO L ´ % UTILIZANDO LA FORMULA DE ACKERMAN. ´ EN EL VECTOR Po. % SUS POLOS ESTAN Po=[-10;-20;-30]; L1=acker(A1’,[1;0;0],Po); L=L1’ % SE SIMULA EL SISTEMA EN LAZO CERRADO CON EL SIMULINK. % EL PROGRAMA SE LLAMA lqrnue33. rk45(’lqrnue33’,[0,4],[],[0.001,0.01,0.01]) % SE GRAFICAN LAS VARIABLES DE ESTADO ESTIMADAS, LAS REALES, ˜ % LA SENAL DE CONTROL Y EL ERROR DEL OBSERVADOR. for j=1:3 figure(j) plot(ti,estado(:,j),’w-’) hold on plot(ti,estadore(:,j),’w-’) grid on hold off xlabel(’segs.’) pause end for j=4:5 figure(j) plot(ti,estado(:,j),’w-’) grid on xlabel(’segs.’) pause end

C.3 Inicio de una simulaci´ on 10 8 6

4 2 0

0

1

2 segs.

3

4

Figura C.14 Variables de estado x1 y xo1

80 60 40

20 0 -20

0

1

2 segs.

3

4


150 100 50 0 -50 -100 0

1

2 segs.

3

4


359

360 INTRODUCCION AL SIMULINK 10 8 6

4 2 0 0

1

2 segs.

3

4

Figura C.17 Se˜ nal de control u

5 4 3 2 1 0 -1 0

1

2 segs.

3

4

Figura C.18 Error del observador En las Figuras C.14 a la C.18 se muestran las variables de estado estimadas comparadas con las reales, la se˜ nal de control y el error del observador. N´ otese como a pesar de que el estado energético inicial de la planta [4.075 2.5 60] es totalmente diferente del estado inicial del observador [0 0 0], en menos de medio segundo las variables de estado estimadas convergen asintóticamente a las reales y la salida del sistema, x1 , alcanza el estado estacionario en aproximadamente 3.5 segundos, haciendo seguimiento perfecto de la se˜ nal de referencia, que en este caso es de 8.15 voltios.

APENDICE

D

EJERCICIOS PROPUESTOS

D.1

Del cap´ıtulo 1

D.1.1 Considérese el mismo sistema (planta) del ejemplo introductorio (el péndulo invertido) y sup´ ongase que se desea controlar no s´ olo la posición angular sino la posici´ on horizontal también, utilizando una estrategia de control en donde la fuerza (se˜ nal) de control u es proporcional a φ y y, es decir, u = K1 φ + K2 y. Plantear el conjunto de ecuaciones linealmente independiente que describe el comportamiento de este sistema de control, suponiendo que el transductor responde instantaneamente. D.1.2 Trabajar´ıa el sistema del ejemplo introductorio si en lugar del control proporcionalderivativo se usara control derivativo puro?. D.1.3 Sobre un carro de masa M hay dos péndulos invertidos de longitudes l1 y l2 y con masas en sus extremos del mismo valor e igual a m, como se muestra en la Fig. D.1. Para valores peque˜ nos de Θ1 y Θ2 , demostrar que las ecuaciones de movimiento son:

•

Mv •

m(v

•• −li Θi )

= mgΘ1 + mgΘ2 + u = −mgΘi , i = 1, 2

en donde v es la velocidad del carro y u es una fuerza externa aplicada al mismo. 361

362 EJERCICIOS PROPUESTOS

Figura D.1 Sistema del problema D.1.3.

D.2

Del cap´ıtulo 2

Figura D.2 Sistema del ejercicio D.2.1.

D.2 Del cap´ıtulo 2

363

D.2.1 Un análogo simple del cuerpo humano para estudios de vibración se considera como una interconexión de masas, resortes y amortiguadores como se muestra en la Figura D.2. Plantear un conjunto de ecuaciones linealmente independiente que lo describa completamente.


D.2.2 Para el sistema mec´ anico traslacional de la Figura D.3 plantear las ecuaciones de estado y de salida.

Figura D.4 Sistema mecánico rotacional del problema D.2.3.

364 EJERCICIOS PROPUESTOS D.2.3 Plantear un modelo matemático que describa completamente el comportamiento del sistema mec´ anico rotacional de la Figura D.4.

Figura D.5 Péndulo del problema D.2.4.

D.2.4 Plantear un conjunto de ecuaciones de estado que describa el comportamiento del sistema del péndulo da la Figura D.5. Sup´ ongase que cuando el péndulo está vertical, no hay fuerza del resorte; también, que θ es peque˜ no. El momento de inercia de m con respecto al punto A es ml2 .

Figura D.6 Sistema mecánico del problema D.2.5.


365

D.2.5 Para el sistema mec´ anico de la Figura D.6, hallar la ecuaci´ on diferencial que relaciona la posición de la masa M1, y(t), con la entrada u(t).

Figura D.7 Circuito eléctrico del problema D.2.6.

D.2.6 Describir el comportamiento del circuito eléctrico de la Figura D.7 mediante variables de estado. Hallar las matrices A, B, C y D y la matriz de transferencia.

Figura D.8 Circuito eléctrico del ejercicio D.2.7.

D.2.7 Para el circuito eléctrico de la Figura D.8: R = 2Ω, C1 = 1f, C2 = 12 f, L1 =

366 EJERCICIOS PROPUESTOS M = 1h y L2 = 2h. a. Plantear las ecuaciones de estado y de salida. b. Obtener la funci´ on de transferencia a partir de las matrices A, B, C y D del resultado anterior.

Figura D.9 Motor del problema D.2.8.

ea = Ka φ ω

τ = Ka φ ia

φ=

K1 if 1 + b if

D.2.8 El sistema de la Fig. D.9 está trabajando en un punto de operación Po conocido. Una peque˜ na desviación ∆vf del voltaje vf ocurre en un instante determinado y como consecuencia el punto de operación se afecta. Considerando como salida del sistema el cambio ∆ω de la velocidad angular ω, obtener: a. El diagrama de bloques. b. La funci´ on de transferencia

∆ω(s) ∆vf (s) ,

por reducci´ on de diagrama de bloques.


367

Figura D.10 Sistema del problema D.2.9. D.2.9 La Figura D.10 muestra el diagrama esquem´ atico del sistema de control de una bola en suspensión. La bola de acero se suspende en el aire por la fuerza electromagnética generada por el electroim´ an, la cual es directamente proporcional al cuadrado de la relaci´ on yi con constante de proporcionalidad K. El objetivo de control es mantener la bola de metal suspendida en la posici´ on nominal de equilibrio controlando la corriente en el im´ an con el voltaje e(t). La resistencia L , en donde L es una constante. de la bobina es R y la inductancia es L(y) = y(t) a. Sea E el valor nominal de e(t). Encontrar los valores nominales de y(t), i(t) y dy(t) dt en equilibrio (punto de operación). b. Definir las variables de estado como x1 = i, x2 = y, x3 = dy(t) dt y encontrar las ecuaciones de estado no lineales. c. Linealizar las ecuaciones de estado anteriores alrededor del punto de equilibrio.

Figura D.11 Sistema de nivel de l´ıquido del ejercicio D.2.10.


D.2.10 En el sistema de nivel de l´ıquido de la Figura D.11, A = 15m, B = 10m, H = 25m √ y q = 2h en el sistema MKS. a. Hallar la ecuaci´ on diferencial no lineal que relaciona a h con u(t). b. Linealizar la anterior alrededor del punto de operación, suponiendo que en éste, m3 y h(t) |Po = Ho = 16m. u(t) |Po = Uo = 2 seg

Figura D.12 Sistema del ejercicio D.2.11. q: caudal en Kg/seg., A: a´rea del pist´ on (m2 ), ζ: densidad del aceite (Kg/m3 ), R: N.seg resistencia al flujo en la restricción ( m 2 .Kg ), K: constante del resorte (N/m)

D.2.11 Para el sistema de la Figura D.12 hallar la funci´ on de transferencia

D.3

Y (s) U (s) .

Del cap´ıtulo 3

D.3.1 Hacer un diagrama de c´ omputo análogo para generar la funci´ on 20 t e−t . Se debe tener en cuenta que: i.no haya saturación en ninguno de los amplificadores operacionales; ii. s´ olo de dispone de voltajes D.C.; iii. el voltaje de polarización de los amplificadores operacionales es ±15 voltios; iv. el n´ umero de amplificadores


369

operacionales sea m´ınimo.

Figura D.13 Sistema de nivel de l´ıquido del ejercicio D.3.2. u(t): variable de control, n(t): perturbaci´ on, R1 = R3 = 3, R2 = 1, C1 = 23 , C2 = 13 .

D.3.2 Para el sistema de nivel de l´ıquido de la Figura D.13: a. Obtener un circuito eléctrico an´ alogo y plantear las ecuaciones de estado. b. Hacer un diagrama de cómputo análogo para simular las ecuaciones anteriores sin usar más de 3 amplificadores operacionales.

D.3.3 Las ecuaciones de estado y de salida de un sistema son, respectivamente:     −1 −2 −2 2 • x =  0 −1 1  x +  0  u 1 0 −1 1 y=

£

1 1 0

¤

x

Hacer el diagrama de c´ omputo análogo para una realizaci´ on tipo ”observer” sin usar mas de 5 amplificadores operacionales.

D.4

Del cap´ıtulo 4

370 EJERCICIOS PROPUESTOS D.4.1 La funci´ on de transferencia de una planta es:

100 C(s) = 2 U (s) s + 10s + 100

Dise˜ nar un controlador proporcional-integral (PI) de modo que cuando la referencia sea una rampa unitaria, el error de estado estacionario sea 0.01. Justificar el valor seleccionado para cada ganancia del PI.

Figura D.14 Sistema térmico del ejercicio D.4.2.

D.4.2 La temperatura x(t) en el horno eléctrico de la Figura D.14 es descrita por la ecuaci´ on diferencial:

dx(t) = −2x(t) + u(t) + w2 (t) dt en donde u(t) es la se˜ nal de control y w2 (t) es una perturbación debido a las pérdidas por calor. Se desea que la temperatura x(t) siga la se˜ nal de referencia w1 (t). Encontrar las ganancias proporcional Kp e integral Ki de un controlador proporcional-integral (PI) de modo que todas las ra´ıces de la ecuación caracter´ıstica en lazo cerrado estén en -10. Hallar las respuestas de x(t) para t ≥ 0 cuando w1 (t) = us (t) y w2 (t) = −us (t) on unitario. Bosquejar las con condiciones iniciales nulas, en donde us (t) es el escal´ respuestas.


371

Figura D.15 Sistema del ejercicio D.4.3. R1 = R2 = R3 = 1, C1 = C2 = 1. y: salida (nivel), u: variable de control (caudal), n: perturbaci´ on (nivel). D.4.3 a. Obtener las ecuaciones de estado y de salida del sistema de la Figura D.15 y su matriz de transferencia. b. Determinar valores y/o condiciones en las ganancias de un controlador tipo PI, de modo que el error de estado estacionario para una se˜ nal de referencia rampa unitaria sea 0.01. Hacer un diagrama de bloques del sistema en lazo cerrado.


372 EJERCICIOS PROPUESTOS 1 1 Ra = 10Ω, La ≈ 0, Ki = constante de torque = 10 oz-in/A, Ka = 50, n = N N2 = 100 , Kb = constante de fem inducida = 0.0706 v/rad/seg, Ks = 1 v/ft, JL = inercia de la carga = 10 oz-in-seg2 , Jm = inercia del rotor = 0.005 oz-in-seg2 , A = a´rea del tanque on del motor y la carga despreciables. = 50 ft2 , R = 0.02 seg/ft2 . Fricci´

D.4.4 En el sistema de la Figura D.16, el n´ umero de v´ alvulas conectadas al tanque de reserva es N = 8. Todas las v´ alvulas tienen las mismas caracter´ısticas y son controladas simult´ aneamente por θc . As´ı, el caudal de entrada qi (t) es Ki .N.θc (t), donde Ki = 10 ft3 /(seg-rad). a. Definir las variables de estado de la planta como x1 = h, x2 = θm , x3 = dθdtm . Siendo la variable de control ei (t), plantear las ecuaciones de estado de la planta (sin el controlador). b. Hallar la función de transferencia de la planta y del sistema en lazo cerrado (incluyendo el controlador), suponiendo un controlador tipo proporcional con ganancia Kp . Hacer un diagrama de bloques. c. Determinar la estabilidad del sistema y el error de estado estacionario para una referencia rampa unitaria si Kp es: i. 1.0, ii. 2.0.

D.4.5 El modelo matem´ atico de una planta que se quiere controlar es el siguiente:

•

x1 • x2

= −2 x2 (t) = −2 u(t)

donde u(t) es la se˜ nal de control y la salida es y(t) = x1 (t). Las siguientes son las consideraciones para el dise˜ no del control: a. No se admiten oscilaciones (ni siquiera amortiguadas) en la salida cuando la referencia es un escal´ on. b. El error de estado estacionario para una referencia escal´ on debe ser nulo. c. La magnitud de todos los polos en lazo cerrado debe ser 2. Para cada uno de los siguientes controladores justificar porqué si o porqué no lo selecciona y haga el dise˜ no respectivo: i. Proporcional ii. Proporcional-derivativo. iii. Proporcional-integral.

D.5

Del cap´ıtulo 5


373

Figura D.17 Modelo del ejercicio D.5.1. D.5.1 Un modelo muy simple del sistema de realimentación que un estudiante utiliza para controlar sus notas se muestra en la Figura D.17, en donde: Td es el tiempo disponible, Te es el tiempo para estudiar, Tx es el tiempo para actividades extracurriculares, N representa las notas y K1 es un efecto proporcional en las notas. Algunos valores t´ıpicos de los par´ ametros ser´ıan K1 = 1, τ1 = 1 mes, y τ2 = 12 mes. El esfuerzo en eliminar actividades extracurriculares se refleja en la ganancia K2 , para lo cual determinado estudiante podr´ıa tener K2 = 12 . a. Calcular la respuesta del sistema a un incremento en escal´ on en el tiempo disponible. Cuántos meses transcurren antes de que el incremento en tiempo disponible resulte en notas mejores. Usar el tiempo pico para esta estimaci´ on. amenes más dif´ıciles. b. Una perturbación en escalón, D(s) = D s , ocurre debido a ex´ Usando el tiempo de establecimiento, determinar el tiempo necesario para alcanzar el estado estacionario. Determinar el efecto en estado estacionario sobre las notas debido a la perturbación escal´ on de magnitud D. c. Repetir a. y b. para un estudiante cuya dedicación a actividades extracurriculares se refleja con K2 = 2.



D.5.2 En determinadas misiones espaciales los astronautas deben abandonar la nave y operar en el espacio. Para permitir que las extremidades del astronauta estén libres es necesario proveer un sistema de control que no las utilice. Por esta raz´ on se propone un controlador por voz cuyo diagrama simplificado se muestra en la Figura D.18, en donde: R es la posici´ on deseada, E es un comando por voz, T es el torque, V es velocidad y y es la posici´ on en metros. El controlador (Jet a gas) opera por comando de voz y puede ser representado aproximadamente por una ganancia proporcional K2 . La inercia del hombre y el equipo es J = 25 Kg-m2 . a. Determinar la ganancia necesaria K3 para que el error en estado estacionario sea 1 cm. con una se˜ nal de entrada rampa unitaria. b. Con esa ganancia K3 , determinar l´ımites en la ganancia K1 K2 para restringir el máximo sobreimpulso al 10%.

D.5.3 La funci´ on de transferencia de un sistema es: ωn2 C(s) = 2 R(s) s + 2ζωn s + ωn2 Con r(t) = δ(t), la funci´ on impulso, hallar c(t) para cuando: ζ = 0, ζ < 1, ζ = 1 y ζ > 1. Hacer gr´ aficos y comparar.


D.5.4 Para el sistema de la Figura D.19, hallar el error en estado estacionario ess cuando r(t) = t u(t) en funci´ on de ζ y ωn . D.5.5 Resolver el ejemplo 5.1 con un sobrepaso del 3%, con un tiempo de soluci´ on de 1 segundo. Calcular K, Kr , tr y tp .


D.6

375

Del cap´ıtulo 6

D.6.1 Para cada uno de los sistemas de las Figuras 6.3 y 6.5, determinar, en caso de ser posible, las ganancias de un controlador que utiliza realimentaci´ on de las variables de estado, de modo que todas las frecuencias naturales del sistema en lazo cerrado estén ubicadas en -10.

Figura D.20 Circuito del ejercicio D.6.2.

D.6.2 a. Existir´ a alguna funci´ on u(t) tal que las corrientes en todas las inductancias y los voltajes en todos los condesadores de la Figura D.20 puedan ser llevados desde ciertos valores iniciales (arbitrarios) a otros también arbitrarios? Justificar. b. Determinar la estabilidad interna del sistema de la Figura D.20.

Figura D.21 Circuito del ejercicio D.6.3.


D.6.3 Suponer que y(t) y u(t) son dadas para el sistema de la Figura D.21. Ser´ a posible determinar las corrientes en todos lss inductancias y los voltajes en todos los condensadores en cualquier instante t? Justificar. D.6.4 Utilizando el criterio de Routh y Hurwitz, determinar la estabilidad de un sistema con ecuación caracter´ıstica: A(s) = s5 + 4s4 + 8s3 + 8s2 + 7s + 4


D.6.5 Para el sistema mostrado en la Figura D.22, demostrar, utilizando el criterio de Routh y Hurwitz, que para estabilidad en lazo cerrado:

K <(

1 1 1 + + )(T1 + T2 + T3 ) − 1 T3 T2 T1

D.6.6 Una planta tiene como función de transferencia:

Gp (s) =

1 (2s + 1)(s − 1)

Encontrar condiciones en las ganancias proporcional, Kp > 0, y derivativa, Kd > 0, de un controlador PD de modo que el sistema sea estable en lazo cerrado. Utilizar el criterio de estabilidad de Nyquist.


377


D.6.7 Para el sistema de la Figura D.23:

GC (s) = 1 + TD (s) K GP (s) = s2 (1 + T1 s)

donde K, T1 , TD > 0. Utilizando el criterio de estabilidad de Nyquist, establecer condiciones sobre K, T1 y TD para que el sistema sea estable.

D.6.8 Por el método de las transiciones determinar la estabilidad de Wl−c (s), para 1 s) Wl−a (s) = K(1+T s(T2 s−1) , con K, T1 , T2 > 0. Establecer condiciones. D.6.9 Se tiene una planta cuyo funci´ on de transferencia es:

Gp (s) =

1 s2 (1 + T1 s)(1 + T2 s)

donde T1 , T2 > 0. Utilizar el criterio de estabilidad de Nyquist para hallar todas las condiciones, si las hay, de modo que el sistema en lazo cerrado sea estable cuando el controlador es de tipo: a. Proporcional con ganancia K > 0. b. Proporcional-derivativo con función de transferencia K(1 + Td s); K, Td > 0.



D.6.10 En el sistema de la Figura D.23:

GC (s) = 1 + Td s K GP (s) = 2 s (1 + T1 s) donde K, T1 , Td > 0. Usando el criterio de estabilidad de Nyquist, establecer condiciones sobreK, T1 , y Td para que el sistema sea estable.


D.6.11 En el sistema de la Figura D.24:

G1 (s) = K(s + 3) 1 G2 (s) = (s2 + 4)(s − 2) H(s) = s + 2


379

Utilizando el criterio de estabilidad de Nyquist, establecer condiciones en la ganancia K > 0, para que el sistema sea estable.

D.6.12 La funci´ on de transferencia en lazo abierto de un sistema es: Wl−a (s) =

K(s − 1) s(s + 1)

Utilizar el criterio de estabilidad de Nyquist para encontrar condiciones en K de modo que el sistema sea estable en lazo cerrado. Mostrar todos los posibles lugares geométricos o de Nyquist.

D.6.13 Bosquejar el lugar de Nyquist de Wl−a (s) = K(s−1) (s+1)2 , K > 0, y determinar los l´ımites de K para que el sistema en lazo cerrado sea estable. Usar el criterio de Nyquist. D.6.14 Las ecuaciones de estado y de salida de un sistema son, respectivamente:    −1 −2 −2 2 x =  0 −1 1  x +  0  u 1 0 −1 1 •



y=

£

1 1 0

¤

x

Utilizar realimentaci´ on de las variables de estado para transferir los modos del sistema a -1, -2 y -2. Dibujar un diagrama de bloques para las anteriores ecuaciones y luego adicionar la realimentaci´ on requerida.

D.6.15 Un sistema es descrito por la siguiente ecuación matricial de estado y de salida:    1 0 0 1 x =  −1 0 4  x+ 0  u 0 −1 −2 0 •



y=

£

1 2 1

¤

x

a. En caso de ser posible, determinar las ganancias en la realimentaci´ on de las variables de estado de modo que la funci´ on de transferencia del sistema en lazo cerrado muestre un sólo polo en -4.

380 EJERCICIOS PROPUESTOS b. Es m´ınimo el sistema en lazo cerrado?. Justificar.

Figura D.25 Sistema de nivel de l´ıquido del ejercicio D.6.16.

D.6.16 La Figura D.25 muestra un sistema de nivel de l´ıquido que se quiere controlar, en donde: n es una perturbaci´ on incontrolable, u es la variable de control y C1 = C2 = 1, R1 = R2 = R3 = 12 . La técnica a utilizar es por realimentación de las variables de estado (h1 y h2 ) más realimentación de la integral del error a través de una ganancia, ya que se desea que la salida (h2 ) siga, en el estado estacionario, a la referencia que es una se˜ nal tipo escal´ on. Dise˜ nar el controlador de modo que las frecuencias naturales del sistema en lazo cerrado estén ubicadas en −10 ± j y −10. Hacer un diagrama de bloques donde se muestren expl´ıcitamente la planta y la estructura completa del controlador. S´ olo deben aparecer ganancias, sumadores e integradores.

D.7

Del cap´ıtulo 7

D.7.1 La configuraci´ on de polos y ceros de una función de transferencia en lazo cerrado Wl−c (s) viene dada en la Fig D.26a.


a)

381

b)

Figura D.26 Polos y ceros del ejercicio D.7.1. a. Calcular la banda pasante del sistema, o ancho de banda, AB. b. Se a˜ nade un cero como indica la Fig D.26b. ¿ C´ omo queda modificado el AB ? c. Se a˜ nade a la configuraci´ on de la Fig D.26b un polo sobre el eje real negativo, pero a una distancia del origen 10 veces mayor que la del cero.¿ Cómo queda afectado el AB?

D.7.2 La especificaci´ on dada para un servosistema de segundo orden es que el sobrepaso máximo de la respuesta a un escal´ on unitario no exceda del 25%. Determinar los valores l´ımites correspondientes del coeficiente de amortiguamiento ζ y del factor de resonancia Mv . D.7.3 La funci´ on de transferencia en lazo cerrado de un servosistema es:

Wl−c (s) =

1 C (s) = R (s) (1 + 0.01s) (1 + 0.05s + 0.01s2 )

a. Trazar la curva de respuesta en frecuencia del sistema en lazo cerrado. b. Determinar el factor de resonancia Mv y la frecuencia de resonancia ωv del sistema. c. Determinar el coeficiente de amortiguamiento ζ y la frecuencia propia no amortiguada ωn del sistema de segundo orden que produce el mismo Mv y la misma ωv que el sistema original.

D.7.4 La funci´ on de transferencia en lazo abierto de un servosistema con realimentación unitaria es: Wl−a (s) =

K (1 + T s) s (1 + s) (1 + 0.01s)

Determinar el menor valor posible de T para que el sistema tenga un margen de amplitud infinito.


D.7.5 La funci´ on de transferencia en lazo abierto de un servosistema con realimentación unitaria es: Wl−a (s) =

K s (1 + 0.1s) (1 + s)

a. Determinar el valor de K para que el factor de resonancia Mv del sistema sea igual a 1.4. b. Determinar el valor de K para que el margen de amplitud del sistema sea de 20dB. c. Determinar el valor de K para que el margen de fase del sistema sea de 60◦ .

D.7.6 Usar el criterio de estabilidad de Nyquist para determinar si los sistemas con las siguientes funciones de transferencia de lazo abierto son estables:

a.

Wl−a (s) =

b.

Wl−a (s) =

c.

Wl−a (s) =

d.

Wl−a (s) =

10 (1 + s) (1 + 2s) (1 + 3s) 10 s (1 + s) (1 + 10s) 10 s2 (1 + 0.1s) (1 + 0.2s) 2 s2 (1 + 0.1s) (1 + 10s)

D.7.7 Para un sistema de segundo orden: Wl−a (s) =

16 s (2 + s)

a. Graficar el diagrama de Bode. b. Determinar Mv y ωv .

D.7.8 Repetir el problema D.7.7 cuando:

a.

Wl−a (s) =

60 (1 + 0.5s) s (1 + 5s)

D.8 Del cap´ıtulo 8 b.

Wl−a (s) =

383

60 (1 + s) s2 (1 + 0.1s)

D.7.9 Dado: Wl−a (s) =

as + 1 s2

hallar a tal que el margen de fase sea 45◦ .

D.7.10 La funci´ on de transferencia de una planta es: Gp (s) =

10 s(s + 4)

Dise˜ nar un compensador en atraso tal que el coeficiente de error estático de velocidad Kv sea 50 seg−1 , margen de fase 40◦ y margen de ganancia de por lo menos 10 db.

D.7.11 La funci´ on de transferencia de una planta es: Gp (s) =

K s(0.1s + 1)(s + 1)

Dise˜ nar un compensador en adelanto tal que el margen de fase sea 45◦ , el margen de ganancia no sea menor a 8 db y el coeficiente de error est´ atico de velocidad Kv sea 4 seg−1 .

D.8

Del cap´ıtulo 8

D.8.1 La funci´ on de transferencia de un sistema es: G(s) =

(s − 1)(s + 2) (s + 1)(s − 2)(s + 3)

¿Será posible cambiarla a: Gn (s) =

(s − 1) (s + 2)(s + 3)

384 EJERCICIOS PROPUESTOS utilizando realimentación de las variables de estado?. Si la respuesta es afirmativa, explicar c´ omo.

D.8.2 Las matrices {A, B, C} de un sistema en lazo abierto son: 

   1 0 0 1 £ ¤ A =  −1 0 4  , B =  0  , C = 1 4 3 0 −1 4 0

Dise˜ nar un controlador, que utiliza realimentación de las variables de estado, de modo que la funci´ on de transferencia del sistema en lazo cerrado muestre s´ olo dos polos en el eje imaginario con ω = 1 rad/seg. y con un comando de referencia para la salida.

D.8.3 Las matrices {A, B, C} de un sistema en lazo abierto son: 

   1 0 0 1 £ ¤ A =  −1 0 4  , B =  0  , C = 1 1 2 0 −1 4 0

Dise˜ nar un controlador, con realimentaci´ on de las variables de estado y con comando de referencia, de modo que la salida del sistema responda como uno de primer orden y que alcance pr´ acticamente el estado estacionario en 1 segundo.

D.9

Del cap´ıtulo 9

D.9.1 Las ecuaciones aproximadas del movimiento de un globo son:

•

θ

•

v •

h

1 θ+u τ1 1 1 = − v + σθ + ω τ2 τ2 = −

= v

donde θ es la desviaci´ on (variaci´ on) en la temperatura del aire del globo con relaci´ on a la temperatura de equilibrio, u es proporcional a la variaci´ on en calor adicionado al aire del globo (control), v es la velocidad vertical, h es la variación en la altura


385

desde la altura de equilibrio y ω es la velocidad vertical del viento supuesta constante (perturbaci´ on). a. ¿Pueden θ, v, h y ω ser observadas por una medida continua de h?. Suponer que u es la entrada. b. Es el sistema completamente controlable por u?. Es el sistema completamente controlable por ω?.

D.9.2 Las ecuaciones de estado y de salida de una planta son: ¸ · ¸ 0 1 0 z+ u 1 0 −1 £ ¤ 1 0 z =

•

z

=

y

·

a. Obtener las frecuencias naturales del sistema. b. Suponer que se tiene acceso a las variables de estado z y dise˜ nar un controlador por realimentaci´ on de éllas (u = −Kz), de modo que los polos del £sistema en lazo ¤t cerrado queden ubicados en −0.5 ± j0.5. Con el estado inicial z(0) = −0.6 0.35 y con referencia cero, graficar z1 = y, z2 y la se˜ nal de control u = −Kz. c. Dise˜ nar un observador cuyos modos estén ubicados en −1 ± j1. (Notar que son más rápidos que los polos deseados en lazo cerrado, pero suficientemente lentos para ver claramente su efecto en la respuesta del sistema). d. Hacer el diagrama de bloques donde se muestre todo el sistema: la planta y el compensador completo (observador m´ as realimentaci´ on de las variables de estado estimadas). e. Con el estado inicial dado anteriormente y con el estado inicial de las variables £ ¤t ∧ ∧ ∧ ∧ y con referencia cero, graficar z 1 , z 2 y u = −K z, estimadas z (0) = 0 0 preferiblemente sobre las curvas del punto b. (z1 , z2 y u = −Kz, respectivamente).

D.9.3 Las ecuaciones de estado de un oscilador armónico no amortiguado son:

•

x1 (t)

= x2 (t)

• x2

= −ωo2 x1 (t) + u(t)

(t)

nar un compensador con Utilizando una observación de la velocidad, y = x2 , dise˜ observador y realimentaci´ on del estado para controlar la posici´ on x1 . Colocar los polos del controlador por realimentación del estado en s = −ωo ± jωo y ambos polos del observador en s = −ωo .

BIBLIOGRAFÍA [1] B. C. KUO, Sistemas de Control Autom´ atico, Prentice-Hall Hispanoamericana, 7a. edici´ on, 1996. [2] B. C. KUO, Automatic Control Systems, Prentice-Hall, NJ, 3a. edici´ on, 1975. [3] K. OGATA, Ingenier´ıa de Control Moderna, Prentice-Hall Hispanoamericana, 2a. edici´ on, 1993. [4] O. I. ELGERD, Control System Theory, McGraw-Hill Kogakusha, 1967. [5] T. KAILATH, Linear Systems, Prentice-Hall, NJ, 1980. [6] C. T. CHEN, Linear System Theory and Design, CBS College Publishing, 1984. [7] C. E. ROHRS, J. L. MELSA y D. G. SCHULTZ, Sistemas de Control Lineal, McGraw-Hill, 1994. [8] R. C. DORF, Sistemas Modernos de Control, Addison-Wesley Iberoamericana, 2a. edici´ on, 1989. [9] K. OGATA, Din´ amica de Sistemas, Prentice-Hall Hispanoamericana, 1987. [10] A. NETUSHIL, Theory of Automatic Control, MIR Publishers, Moscow, 2a. edici´ on, 1978. [11] F. H. RAVEN, Automatic Control Engineering, McGraw-Hill, 1961. [12] G. H. HOSTETTER, C. J. SAVANT y R. T. STEFANI, Sistemas de Control, Interamericana, México, 1984. ¨ y B. WITTENMARK, Computer Controlled Systems, Prentice[13] K. J. ˚ ASTROM Hall, NJ, 1984. [14] G. F. FRANKLIN y J. D. POWELL, Digital Control of Dynamic Systems, Addison-Wesley Publishing Company, 1981. [15] R. J. SCHWARZ y B. FRIEDLAND, Linear Systems, McGraw-Hill Book Company, NY, 1965. [16] M. ATHANS y P. L. FALB, Optimal Control, McGraw-Hill, NY, 1966. [17] H. KWAKERNAAK y R. SIVAN, Linear Optimal Control Systems, WileyInterscience, NY, 1972. [18] A. P. SAGE y C.C. WHITE, Optimum System Control, Prentice-Hall, NJ, 2a. edici´ on, 1977. [19] G. C. GOODWIN y K. S. SIN, Adaptive Filtering Prediction and Control, 387

388 BIBLIOGRAFIA

[20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35]

Prentice-Hall, NJ, 1984. O. I. ELGERD, Electric Energy Systems Theory: An Introduction, Tata McGraw-Hill Publishing Company, New Delhi, 1976. G. J. THALER y M. L. WILCOX, M´ aquinas Eléctricas, Editorial Limusa, México, 1974. A. PAPOULIS, Probability, Random Variables and Stochastic Processes, McGraw-Hill Book Company, 2a. edici´ on, 1984. A. PAPOULIS, The Fourier Integral and its Applications, McGraw-Hill Book Company, 1962. C. A. DESOER y E. S. KUH, Basic Circuit Theory, McGraw-Hill Kogakusha, 1969. A. ACOSTA, J. E. CALLE y D. GIRALDO, Introducci´ on al An´ alisis de Circuitos Eléctricos, Universidad Tecnol´ ogica de Pereira. S. P. SHAN y otros, Analysis of Linear Networks and Systems, Addison Wesley, 1972. G. STRANG, Linear Algebra and its Applications, Academic Press, Inc., 2a. edici´ on, 1980. E. KREYSZIG, Advanced Engineering Mathematics, John Wiley & Sons, 1983. I. S. SOKOLNIKOFF y R. M. REDHEFFER, Mathematics of Phisics and Modern Engineering, McGraw-Hill, NY, 1966. J. MILLMAN y C. C. HALKIAS, Integrated Electronics, McGraw-Hill Kogakusha, 1972. J. MILLMAN, Microelectronics: Digital and Analog Circuits and Systems, McGraw-Hill Book Company, 1979. B. SHAHIAN y M. HASSUL, Control System Design Using MATLAB, PrenticeHall, NJ. Control System Toolbox: For Use with MATLAB, The MathWorks, Inc., 1995. SIMULINK User’s Guide, The MathWorks, Inc., 1995. MATLAB User’s Guide, The MathWorks, Inc., 1995.

Didier Giraldo - Teoria Control

Recommend Documents