Transparencias MIMO

CONTROL DE SISTEMAS
MULTIVARAIBLES
Curso de Master:
Control Robusto y Aplicaciones
Francisco Rodríguez Rubio
Manuel G. Ortega Linares
Índice General
1. Conceptos generales de sistemas multivariables.
2. Análisis y propiedades de sistemas

multivariables.
3. Diseño analítico de controladores multivariables.
4. Prácticas de simulación.
Control de Sistemas Multivariables. M.G. Ortega

1. Conceptos Generales de
Sistemas Multivariables.
¿Sistema
MIMO?
Introducción
Los sistemas Multivariables involucran múltiples entradas (sólo las
variables manipulables) y múltiples salidas (variables medibles) y
que implica el tener múltiples objetivos de control asociados con el
sistema o planta.
Variables Manipulables PROCESO Salidas Medibles
⇓
Multiples-Entradas Multiples-Salidas (MIMO).
Sistema de Control Multivariable.

Ejemplo: Mezclador de líquidos
Objetivo de Control: Regular

lel caudal de salida QS y la
temperatura de salida TS
usando los caulades de
líquido caliente QC (a una
temperatura TC ) y frío QF (a
una temperatura TF ) como
variables manipulables.
Ejemplo: Planta termodinámica
Salidas: TT5 y TT4
Señales de control: FT4 (a

través de V8) y resistencia

Ejemplo: Secadero industrial
Salidas: Humedad de producto y temperatura aire de salida
Señales de control: Flujos de producto y combustible
Ejemplo: Robot
Salidas: Coordenadas generalizadas
Señales de control: Fuerzas generalizadas

Ejemplo: Helicópteros
Salidas: Coordenadas generalizadas
Señales de control: Fuerzas de propulsión
Características de los Sistemas MIMO

z Las interacciones entre las variables afectan la estabilidad y
comportamiento del sistema controlado.
z La factibilidad del controlador depende del conjunto del sistema.
z El emparejamiento de las variables medibles y manipulables por

medio de los lazos de control es una decisión que es parte del
diseño.
zAlgunos procesos pueden tener un número desigual de variables

medibles y manipulables.
z Algunos diseños de control multivariable pueden ser muy

sensibles a los errores de modelado.

Modelado de Sistemas MIMO
Considerar el modelo del sistema en variables de

estado MIMO (lineales):
dx
x& = = Ax + Bu
dt
y = Cx
En un sistema MIMO, tenemos un vector de entradas (u) y un vector de

salidas (y). La matriz de que relaciona la Transforma de Laplace del vector
de salida con la Transformada de Laplace vector de entradas es la Matriz
de Funciones de Transferencia (MFT).
[
y ( s ) = G ( s )u ( s ) = C (sI − A) B u ( s )
−1
]
Función de Transferencia MIMO
Para un sistema con dos entradas y dos salidas, el

diagrama de bloques es de la forma,
u1(t) G
g11 (s ) y1(t)
+
+
g 21 (s )
G ⎡ y ( s ) ⎤ ⎡G ( s ) G12 ( s ) ⎤ ⎡ u1 ( s ) ⎤
y ( s ) = ⎢ 1 ⎥ = ⎢ 11 ⎥⎢ ⎥
⎣ y2 ( s )⎦ ⎣G21 ( s ) G22 ( s )⎦ ⎣u2 ( s )⎦
G12 ((ss))
g12
+
+
u2(t) G 22((ss))
g 22 y2(t)

Función de Transferencia MIMO
z En general, tendremos una Matrix nxn de

Funciones de Transferencia:
⎡G11 G12 . . G1n ⎤
das ⎢ . ⎥
ali
n
s ⎢ ⎥
y G(s) = ⎢ . ⎥
d as ⎢ ⎥
ra
en
t ⎢ . ⎥
n ⎢⎣Gn1 Gn 2 Gnn ⎥⎦
Gij(s): funciones de transferencia entre la entrada j la salida i
Polos y Ceros de MFT MIMO

Los polos y ceros de una matriz G(s) de funciones de transferencia
cuadrada (mismo numero de entradas y salidas) son los polos y
ceros del determinante de G(s).
Polinomio cero
z(s )
det (G(s )) =
p(s ) Polinomio polo
• En general, no hay relación entre los ceros de G(s) y los ceros de

las funciones de transferencias monovariables elementos de G(s).
• Los polos de las funciones de transferencias monovariables

aparecen como polos de G(s), pero la multiplicidad de estos polos
puede diferir de la de las funciones monovariables elementos de la
MFT.

Sistema Realimentado MIMO
D(s)
+ Y(s)
Ysp(s) +
Gc(s) G(s)
+ -
Y = GGc (Y − Ysp ) + D
Modelo Bucle-Abierto
Y = (I + GGc ) GGcYsp + (I + GGc ) D

−1 −1
Modelo Bucle-Cerrado
Considerando nuevamente el caso 2x2.
y1,sp +- y1
u1
Ggcc11(s)
( s) G11 ( s )
g11 (s)
+
+
Gg2121(s)
(s) d1
Control multi-bucle
d2
G
g12 ( s)
12(s)
y2,sp + y2
+
Ggcc22(s)
(s) u2 Gg2222(s)( s )
+
-
D = [d1 d 2 ]T
⎡G 0 ⎤ ⎡ G11 G12 ⎤
Se define Gc = ⎢ c1 ⎥ ; G = ⎢G ⎥ Y = [ y1 y 2 ]T
⎣ 0 Gc 2 ⎦ ⎣ 21 G22 ⎦ Ysp = [ y1,sp y 2,sp ]T

Estabilidad del
El sistema en bucle cerrado es estable si y solo si todos
los polos de la MFT del bucle cerrado están en el
semiplano izquierdo (LHP).
Ecuación Característica det(I + GGc ) = 0
En general, si el sistema en bucle abierto es estable, la

estabilidad del sistema en bucle cerrado puede
determinarse a partir de los polos de la ecuación
característica.
Criterio de Estabilidad de
Nyquist MIMO
D(s)
+ Y(s)
Ysp(s) +
kI G(s)
+ -
El sistema en bucle cerrado es estable si y solo si el

número de rodeos del punto (-1, 0) del diagrama del
det (I+ k (G(s)) es cero cuando s va de -∞ a +∞.

Resumen
9 Un sistema multivariable tiene nuevos retos para el

diseño del sistema de control.
9 Un elemento importante de los sistemas MIMO es la
presencia de interacciones entre los lazos de control.
9 La matriz de funciones de transferencia relaciona como
el vector de salida es afectado por el vector de entradas.
9 Los polos y ceros de un sistema cuadrado MIMO pueden
calcularse a partir del determinante de la matriz de
funciones de transferencia.
9 La estabilidad del sistema MIMO en bucle cerrado viene
dada por los polos y puede utilizar el método gráfico del
Criterio de Estabilidad de Nyquist.
2. Análisis y Propiedades de
Sistemas Multivariables.
¿Controlabilidad?
¿Valores Singulares?
…
Introducción
z Sistema MINO con m entradas y l salidas

umx1 ylx1
G(s)
G(s) es una matriz de FDT.
z Diferencia principal con sistemas SISO:

“DIRECCIONALIDAD”
Se cuantificará con valores singulares
Álgebra de bloques
z Conexión en serie:
y(s)
umx1
ylx1 = G ( s ) = G2 ( s )G1 ( s )
G1(s) G2(s) u (s)
≠ G1 ( s )G2 ( s )
z Realimentación:
u + v y
G1(s)
+
= G ( s ) = G1 ( s )(I − G2 ( s )G1 ( s ) )
y(s) −1
G2(s) u (s)
REGLA GENERAL

Identificación de sistemas MIMO
z Variando sólo una entrada y manteniendo el

resto constante:
u1=0 y1
yi ( s )
uj yi
yl
G(s)
u j (s)
= Gij ( s )
um=0
z Identificación temporal:
z uj : impulsos, escalones, …
z Identificación frecuencial:
z uj : senoides, …
Escalado del sistema
z Escalado: normalizar señales respecto a

valores máximos esperados.
z Puede evitar problemas numéricos.
z Da intuición sobre comportamiento del
sistema.
z Equipara magnitudes de las
componentes de los vectores de señales
en sistemas multivariables

Escalado del sistema
^ d
d
^ Gd(s)
Gd(s)
y^ y
+
u^ ^
+ u
G(s)
G(s) + +
Reales Escaladas
y = De−1 y) −1 )
G ( s ) = De G ( s ) Du
u = Du−1u) −1 )
) Gd ( s ) = De Gd ( s ) Dd
d = Dd−1d
Dirección en sistemas MIMO
z Para sistemas SISO: y ( s ) = G ( s )u ( s )

u G(s) y y (ω ) G ( jω )u (ω ) G ( jω ) u (ω )
= = = G ( jω )
u (ω ) u (ω ) u (ω )
u,y: escalares
sin sentido
z Para sistemas MIMO:
y (ω ) G ( jω )u (ω ) G ( jω ) u (ω )
u1=0 y1 = ≠
u (ω ) u (ω ) u (ω )
u uj G(s) yi
yl
y
um=0 DISTINTA AMPLIFICACIÓN
u,y: vectores CON LA MISMA MAGNITUD
¿Qué utilizar para medir la magnitud de los

vectores?
Normas de vectores
1
⎛ p⎞
p
z Vectores de constantes: x p = ⎜ ∑ xi ⎟
⎝ i ⎠
Norma 1 Norma 2 Norma ∞
x 1 = ∑ xi x2 = ∑ xi
2
x ∞ = x max = max ( xi )
i
i i
x2 x2 x2
x1 x1 x1
Normas de vectores
z Vectores de funciones temporales:

1
⎛∞
⎞ p
x(t ) p = ⎜⎜ ∫ ∑ xi (t ) dτ ⎟⎟
p
⎝ −∞ i ⎠
Norma 1 Norma 2 (energía de la señal)
∞
∞
x(t ) 1 = ∫ ∑ xi (t ) dτ
−∞ i
x(t ) 2 = ∫ ∑ xi (t ) dτ
2
−∞ i
Norma ∞ RMS (no es una norma)

(
x(t ) ∞ = max max ( xi (τ ) ) ) 1
∞
= lim ∫ ∑ x (t ) dτ
2
τ i x(t ) RMS i
T →∞ 2T −∞ i
IMPORTANCIA DEL ESCALADO

Ganancia de un sistema MIMO
z Ejemplo con norma 2 de la entrada/salida:

u 2 =1 y = Gu y2 ⎛5 4⎞
G (s ) = ⎜⎜ ⎟⎟
(1 0)T (5 3)T 5.83 ⎝3 2⎠
(0 1)T (4 2)T 4.47
σ (G ) = 7.34
T
⎛ 1 1 ⎞
(6.36 3.54 )
T
⎜ ⎟ 7.30
⎝ 2 2⎠
−1 ⎞ (0.7 0.7 )
T
⎛ 1 T 1.00
⎜ ⎟
⎝ 2 2⎠
(0.6 − 0 .8 )
T
(− 0.2 0.2 )
T 0.28 σ (G ) = 0.27
Normas inducidas de matrices
z Matrices constantes: u G y y = Gu
G ip ≡ max
u ≠0
Gu
u
p
= max
u p =1
Gu
u
p
= max Gu
u p =1
( p
)
p p
Norma 1 ind. Norma 2 ind. Norma ∞ ind.

⎛ ⎞ ⎛ ⎞
G i1 = max⎜ ∑ gij ⎟ G i 2 = σ (G ) = ρ (G G ) * G i ∞ = max⎜⎜ ∑ gij ⎟
⎟
j
⎝ i ⎠ i
⎝ j ⎠
Máxima suma Valor singular Máxima suma
de columnas máximo de filas

Normas inducidas de sistemas
z Sistemas: matrices variantes con la frecuencia

u G(s) y y (ω ) = G ( jω )u (ω )
G ( jω )u (ω ) p
G ( s ) ip ≡ max max
u p =1 ω u (ω ) p u p =1 ω
(
= max max G ( jω )u (ω ) p )
Norma 2 inducida Norma ∞ inducida
G ( s ) i 2 = max σ (G ( jω ) )
∞
G ( s ) i ∞ = ∫ g (t )dt
ω −∞
Problema H∞ Problema L1
(las magnitudes se miden en el
dominio temporal)
Valores singulares
z Descomposición en valores singulares de una matriz:
G = UΣV * donde G ∈ Clxm , U ∈ Clxl , V ∈ C mxm

⎧ ⎡Σ r ⎤
⎪⎢ ⎥ si l ≥ m Σ r = diag {σ 1 ,..., σ i ,..., σ k }
Σ = ⎨⎣ 0 ⎦ k = min(m, l )
⎪[Σ 0] si l < m
⎩ r
σ i (G ) = λi (G *G )

Valores singulares
z Valores singulares de un sistema:

G ( jω ) = U ( jω )Σ( jω )V * ( jω )
donde G ∈ Clxm , U ∈ Clxl , V ∈ C mxm
σ i (G ( jω ) ) = λi (G * ( jω )G ( jω ) )
GV = UΣ ⇒ Gvi = σ i ui
Columnas de V: direcciones de entrada
Columnas de U: direcciones de salida
Valores singulares: ganancia en esas direcciones
Valores singulares
z Valores singulares máximos y mínimos:

Máxima amplificación para cada frecuencia
G ( jω )u (ω ) 2
σ (G ( jω ) ) = σ 1 (G ( jω ) ) = max
u 2 u (ω ) 2
Mínima amplificación para cada frecuencia
G ( jω )u (ω )
σ (G ( jω ) ) = σ k (G ( jω ) ) = min 2
u 2 u (ω ) 2
“Los valores singulares en MIMO hacen las

veces del Bode en sistemas SISO”

Número de condición
z Definición: σ (G ( jω ) )
γ (G ( jω ) ) =
σ (G ( jω ) )
Para sistemas no cuadrados:
γ (G ( jω ) ) = σ (G ( jω ) )σ (G −1 ( jω ) )
z Un sistema es mal condicionado si su

número de condición es excesivamente alto.
z Ejemplo: “carro de la compra”
Propiedades del número de condición
z Depende del escalado del sistema.

z Si es alto: suele indicar sensibilidad a
incertidumbre.
z Si es alto: posibles problemas de control:
z σmin pequeño: problemas
z σmax grande: depende.
z Si es alto: probablemente se tengan
elementos de RGA grandes (problemas
serios).
SÓLO DEPENDEN DEL SISTEMA

Ejemplo: Secadero industrial
Ejemplo: secadero industrial
z Escalado:

z Valores singulares:
z Número de condición:

Matriz de ganancias relativas (RGA)
z RGA: “Relative Gain Array”
z Definición:
(
RGA(G ( jω )) = Λ (G ( jω ) ) = G ( jω ) × G −1 ( jω ) )
T
Producto de Schur o Hadarmard
z Da medida de la interacción del sistema

z Indicadora de problemas de control
z Propiedades algebraicas:
z Independiente del escalado del sistema
z La suma de sus filas/columnas es la unidad
z La suma del valor absoluto de todos sus elementos
está muy cercano al número de condición mínimo:
valores altos de RGA implica sistema mal
condicionado.
z Si G(s) es triangular (inferior o superior): RGA es la
identidad.
z Incremento relativo de un elemento de G igual al
inverso negativo de su correspondiente elemento
en la RGA da lugar a singularidad.

z Propiedades útiles para control (I):

z Indicadora de sensibilidad a incertidumbres:
z Incertidumbres en canales de entrada: sistemas
con componentes de RGA altos en frecuencia
de corte son difíciles de controlar por
incertidumbres en la entrada: No utilizar
controladores desacoplantes basados en
modelo inverso en estos casos.
z Incertidumbres en elementos: valores altos de
RGA provocan sensibilidad a incertidumbre en
ese elemento (ver última propiedad algebraica).
z Si el sisgno de algún elemento de la RGA
cambia en la frecuencia (desde 0 hasta ∞),
el sistema tiene un cero en el SPD.
z Propiedades útiles para control (II):

z Plantas no cuadradas:
z Entradas sobrantes: si la suma de elementos de
una columna de RGA es pequeña, se puede
pensar en evitar usar esa entrada.
z Salidas sobrantes: si todos los elementos de una
fila de RGA son pequeños, la salida no podrá ser
controlada.
z Controladores diagonales (descentralizados):
z Efecto integral: en plantas estables, evitar el
emparejamiento de entrada/salida con un valor
negativo de la RGA en régimen permanente.
z Emparejar preferiblemente entradas/salidas con
elemento de RGA cercanos a 1.
z Ejemplo de emparejamiento:
⎛10.2 5.6 1 .4 ⎞
⎜ ⎟
G = ⎜15.5 − 8.4 − 0.7 ⎟ 1) Salida 1 con
⎜ 18.1 0.4 1.8 ⎟⎠ Entrada 2
⎝
⎛ 0.96 1.45 − 1.41⎞
Λ = G × G −1 ( ) T
⎜
Λ = ⎜ 0.94 − 0.37 0.43 ⎟
⎟
⎜ − 0.90 − 0.07 1.98 ⎟
2) Salida 2 con
Entrada 1
⎝ ⎠
No por ser No por ser 3) Salida 3 con
negativa negativas Entrada 3
Resumen
9 La principal diferencia entre un sistema SISO y

MIMO es la direccionalidad en la ganancia.
9 Es muy conveniente escalar el sistema para
dar la misma importancia relativa a todas las
señales.
9 Los valores singulares, el número de condición
y la matriz de ganancias relativas son
propiedades que dependen exclusivamente del
sistema, y proporcionan información de
posibles dificultades para controlar el sistema.

3. Diseño Analítico de
Controladores Multivariables.
¿Control
MIMO?
Introducción
Para el control de sistemas multivariable, puede haber

diferentes alternativas para definir los lazos de control
debido a la existencia de múltiples variables
manipulables.
“Qué variable manipulada (yi) se ve afectada por el
comportamiento de una variable controlada (uj)?”
La selección de la configuración de control

más apropiada es la tarea central y crítica
en el diseño de los sistemas de control
MIMO.

Control de Planta Termodinámica
Salidas: TT5 y TT4
Señales de control: FT4 (a través de V8) y Resistencia
Control Mezclador de líquidos
Objetivo de Control: Regular

la el caudal de salida QS y
la temperatura de salida TS
usando los caulades de
líquido caliente QC (a una
temperatura TC) y frío QF (a
una temperatura TF) como
variables manipulables.
⎡ q S ⎤ ⎡ G 11 ( s ) G 12 ( s ) ⎤ ⎡qC ⎤
⎢ t ⎥ = ⎢G ( s ) G 22 ( s ) ⎥⎦
⎢q ⎥
⎣ S ⎦ ⎣ 21 ⎣ f⎦

Control Mezclador de líquidos
qC qS
+
G11(s)
+
Notar la existencia de
funciones de
transferencia que G21(s)
interrelacionan entre
los objetivos de
control. G12(s)
Proceso Interactivo
+ tS
qF +
G 22(s)
Enfoques de diseño de
Controladores Multivaliables
z Control multi-lazo (o descentralizado)

z Múltiples controladores monovariables
z Problema de emparejamientos
z Control desacoplante (o centralizado)

z Controlador: matriz completa de funciones
de transferencias
z Problema de desacoplo.

Control Descentralizado del
Mezclador de líquidos
z Debemos usar qC para controlar qS y qF para

tS o viceversa?
¾ Problema de emparejamiento...
z Debemos diseñar los controladores

separadamente como bucles simples o no?
¾ Problema de Interacción..
Características del Control MIMO
z La Interacción entre las variables influye en la

estabilidad y comportamiento del sistema en bucle
cerrado.
zLa Factibilidad del control depende de todo el proceso

no solo de un bucle.
zEl Emparejamiento de las variables controladas y

manipulables es una decisión del diseño.
zEl Ajuste de los controladores en una configuración

multi-lazo no es nada trivial.

Selección de los lazos de Control
Una posibilidad es considerar la interacción entre los

bucles y seleccionar la que tenga menor interacción
Ä
La RGA da una metodología sistemática para
seleccionar las alternativas entre los bucles,
eligiendo la interacción mínima.
Regla: Seleccionar el emparejamiento de forma

que las ganancias relativas sean positivas y lo más
cercanas a la unidad (1).
Diseño de Controladores Multi-lazo

z El diseño de los controladores
monovariables para los sistemas MIMO se
realiza en dos pasos:
¾ Escoger de forma adecuada el
emparejamiento
¾ Ajustar el controlador de cada lazo
No es de extrañar que cuando la RGA está

cerca del ideal (λii muy próximo a 1) los
controladores de cada lazo funcionan
bastante bien.

z Cuando la RGA aun indica interacciones fuerte para

el emparejamiento elegido, los controladores multi-lazo
NO son suficientes para el buen comportamiento
después del mejor ajuste posible.
z Dos pasos:
9 Ajustar el comportamiento de los controladores para
los multi-lazos del sistema
9 Desajustar los controladores para el comportamiento
deseado

° Ajuste del Controlador
Ajustar el primer bucle utilizando un enfoque
convencional.
Ajustar el segundo bucle con el primer bucle en
bucle cerrado.
± Desajuste
Con los otros bucle en manual, ajustar cada
controlador independientemente hasta que el
comportamiento sea satisfactorio.
Poner todos los controladores en control
automático y reajustar los parámetros de sintonía
hasta obtener el comportamiento satisfactorio.

zEn la mayoría de los casos los controladores

necesitarán estar más conservadores,..
.., en otras palabras, las ganancias del controlador

tendrá que ser reducida y la acción integral
incrementada..
.. comparado con el caso donde cada controlador

actúa solo.
Enfoque recomendado...
Control Desacoplante
Si la interacción entre los bucles seleccionados no es
suficientemente pequeña, entonces se necesita un
controlador multivariable. Un método para construir este
controlador MIMO es usar desacoplamiento:
U(s) D(s) G(s) Y(s)
desacoplador Q(s)
G(s )D(s ) = Q(s ) Matriz Diagonal

Desacoplando
z El desacoplamiento puede realizarse de

varias formas:
¾ Desacoplamiento estático usa sólo la parte
estática (ganancias de regimen permanente) del
modelo de funciones de transferencia.
¾ Desacoplamiento dinámico usa el modelo
completo de funciones de transferencia para contruir
D(s).
¾ Desacoplamiento una-dirección usa el
desacoplador sólo para una variable (bucle) en un
sistema 2x2.
¾ Desacoplamiento dos-direcciones usa el
desacoplador para ambas variables (bucles) en un
sistema 2x2.
Desacoplamiento Simplificado
⎡G ( s ) G12 ( s ) ⎤
Considerar un sistema 2x2: G ( s) = ⎢ 11 ⎥
⎣G21 ( s ) G22 ( s)⎦
⎡ − G12 ( s ) ⎤
1
⎡ 1 D12 ( s )⎤ ⎢ G11 ( s ) ⎥ y sp,1,
D( s) = ⎢ ⎥ =⎢ ⎥ +- + u1 y1
⎣ D21 ( s ) 1 ⎦ ⎢ − G21 ( s ) 1 ⎥ Gg c 11 ( s)) Gg1111 ( s )
+
⎢⎣ G22 ( s ) ⎥⎦ + +
Gg2121((ss ))
Desacoplamiento simplificado
Dd21
21 ( s )) Dd1212 ( s )
Gg12
12 ( ss))
+ +
y sp,2 + + y2
g cc 2 ( s))
G g 22
G ( s)
22 ( s )
+ u2
-
⎡ ⎛ G12 ( s )G21 ( s ) ⎞ ⎤
⎢G11 ( s)⎜⎜1 − ⎟⎟ 0 ⎥
Q( s ) = ⎢ ⎝ G11 ( s )G22 ( s ) ⎠ ⎥
⎢ ⎛ G12 ( s )G21 ( s ) ⎞⎥
⎢ 0 G22 ( s )⎜⎜1 − ⎟⎟⎥
⎣ ⎝ G11 ( s )G22 ( s ) ⎠⎦

Resumen
9 Los sistemas multivariables se caracterizan por la presencia

de interacciones entre los bucles de control.
9 Puede diseñarse un controlador multi-lazo (multiples SISO)
para el sistema multivariable.
9 Se necesita decidir que variables emparejar para realizar un
control multi-lazo..
9 La RGA da una forma de cuantificar el grado de
interaccciones en el sistema multivariable y ayuda a decidir
el emparejamiento.
9 Si las interacciones son suficientemente grandes, un
controlador multi-lazo puede no ser apropiado. Debe
diseñarse un desacoplador.
9 Puede utilizarse desacoplamiento ideal o simplificado para
un sistema 2x2.
4. Prácticas de Simulación
¿Ejemplo
concreto?
Modelo en Simulink
Puntos de
funcionamiento
(para cada versión):
P1:
Q ceq = 2 m 3
/s
Q eq
f = 1m 3
/s
P2:
Q ceq = 1 m 3
/s
Q eq
f = 2m 3
/s
¡2 versiones!
Control del modelo en Simulink

Transparencias MIMO

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Transparencias MIMO

Transféré par

Droits d'auteur :

Formats disponibles

CONTROL DE SISTEMAS

1. Conceptos generales de sistemas multivariables.

2. Análisis y propiedades de sistemas

3. Diseño analítico de controladores multivariables.

Control de Sistemas Multivariables. M.G. Ortega

Variables Manipulables PROCESO Salidas Medibles

Control de Sistemas Multivariables. M.G. Ortega

Objetivo de Control: Regular

Control de Sistemas Multivariables. M.G. Ortega

Ejemplo: Planta termodinámica

Salidas: TT5 y TT4

Señales de control: FT4 (a

Control de Sistemas Multivariables. M.G. Ortega

Control de Sistemas Multivariables. M.G. Ortega

Control de Sistemas Multivariables. M.G. Ortega

Control de Sistemas Multivariables. M.G. Ortega

Características de los Sistemas MIMO

z La factibilidad del controlador depende del conjunto del sistema.

z El emparejamiento de las variables medibles y manipulables por

zAlgunos procesos pueden tener un número desigual de variables

z Algunos diseños de control multivariable pueden ser muy

Control de Sistemas Multivariables. M.G. Ortega

Considerar el modelo del sistema en variables de

En un sistema MIMO, tenemos un vector de entradas (u) y un vector de

Función de Transferencia MIMO

Para un sistema con dos entradas y dos salidas, el

Control de Sistemas Multivariables. M.G. Ortega

z En general, tendremos una Matrix nxn de

Control de Sistemas Multivariables. M.G. Ortega

Polos y Ceros de MFT MIMO

• En general, no hay relación entre los ceros de G(s) y los ceros de

• Los polos de las funciones de transferencias monovariables

Control de Sistemas Multivariables. M.G. Ortega

Y = (I + GGc ) GGcYsp + (I + GGc ) D

Control de Sistemas Multivariables. M.G. Ortega

Sistema Realimentado MIMO

Considerando nuevamente el caso 2x2.

Control de Sistemas Multivariables. M.G. Ortega

Ecuación Característica det(I + GGc ) = 0

En general, si el sistema en bucle abierto es estable, la

Control de Sistemas Multivariables. M.G. Ortega

El sistema en bucle cerrado es estable si y solo si el

Control de Sistemas Multivariables. M.G. Ortega

9 Un sistema multivariable tiene nuevos retos para el

Control de Sistemas Multivariables. M.G. Ortega

z Sistema MINO con m entradas y l salidas

G(s) es una matriz de FDT.

z Diferencia principal con sistemas SISO:

Se cuantificará con valores singulares

Control de Sistemas Multivariables. M.G. Ortega

Control de Sistemas Multivariables. M.G. Ortega

z Variando sólo una entrada y manteniendo el

Control de Sistemas Multivariables. M.G. Ortega

Escalado del sistema

z Escalado: normalizar señales respecto a

Control de Sistemas Multivariables. M.G. Ortega

Control de Sistemas Multivariables. M.G. Ortega

Dirección en sistemas MIMO

z Para sistemas SISO: y ( s ) = G ( s )u ( s )

¿Qué utilizar para medir la magnitud de los

Control de Sistemas Multivariables. M.G. Ortega

z Vectores de funciones temporales: