Vous êtes sur la page 1sur 97

Universidad de Concepcin Facultad de Ingeniera Depto.

de Ingeniera Elctrica

Apuntes Introduccin al Anlisis de Sistemas No-Lineales 543 703

9na edicin

Prof. Jos R. Espinoza C.

Agosto 2009

Apuntes: 543 703

ii

Tabla de contenidos. PRLOGO ..................................................................................................................................................III NOMENCLATURA ...................................................................................................................................... IV ABREVIACIONES ...................................................................................................................................... VII 1 INTRODUCCIN A LOS SISTEMAS NO-LINEALES. ...............................................................................1 1.1 Conceptos bsicos...................................................................................................................1 1.2 Ejemplos Clsicos de Sistemas No-Lineales...........................................................................4 1.3 Restricciones a los Sistemas a Estudiar..................................................................................7 1.4 Definiciones y Propiedades Preliminares...............................................................................8 1.5 Anlisis en el Plano de Fase .................................................................................................10 1.6 Alcances del Curso 543 703..................................................................................................16 FUNDAMENTOS DE LA TEORA DE LYAPUNOV. ................................................................................18 2.1 Conceptos de Estabilidad......................................................................................................18 2.2 Linealizacin y Estabilidad Local.........................................................................................19 2.3 Mtodo Directo de Lyapunov................................................................................................21 2.4 Anlisis de Sistemas Basados en el Mtodo Directo de Lyapunov.......................................27 2.5 Diseo de Sistemas Basado en Lyapunov. ............................................................................29 TEORA DE ESTABILIDAD AVANZADA. ............................................................................................32 3.1 Conceptos de Estabilidad......................................................................................................32 3.2 Anlisis de Sistemas Noautnomos.....................................................................................33 3.3 Teoremas para la Inestabilidad. ...........................................................................................38 3.4 Anlisis usando Lema de Barbalat .......................................................................................39 ANLISIS UTILIZANDO FUNCIONES DESCRIPTORAS.........................................................................42 4.1 Introduccin. .........................................................................................................................42 4.2 No-linealidades Comunes y sus Funciones Descriptoras.....................................................46 4.3 Anlisis de Sistemas utilizando Funciones Descriptoras......................................................49 CONTROL REALIMENTADO. .............................................................................................................54 5.1 Introduccin. .........................................................................................................................54 5.2 Diseo va Linealizacin.......................................................................................................55 5.3 Diseo Va Ganancia Programada.......................................................................................62 LINEALIZACIN EXACTA VA REALIMENTACIN. ...........................................................................68 6.1 Conceptos Bsicos. ...............................................................................................................68 6.2 Herramientas Matemticas...................................................................................................76 6.3 Linealizacin de los Estados de Entrada. .............................................................................78 6.4 Linealizacin de Entrada-Salida. .........................................................................................81 6.5 Sistemas MIMO.....................................................................................................................86

BIBLIOGRAFA ...........................................................................................................................................88 NDICE ALFABTICO..................................................................................................................................89


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

iii

Prlogo.

El curso "Introduccin al Anlisis de Sistemas No-lineales" es electivo de las carreras de Ingeniera Civil Elctrica y Electrnica y de los programas de Magster en Ciencias y Doctorado en Ingeniera, ambos con mencin en Ingeniera Elctrica de la Universidad de Concepcin. Este ramo pertenece al plan de asignaturas orientadas al rea de Control Automtico en el cual se entregan herramientas de anlisis para sistemas no-lineales, dinmicos, invariantes y variantes en el tiempo tipo SISO y MIMO y es la extensin natural del curso Sntesis de Sistemas de Control en el cual se revisan sistemas lineales tipo MIMO. Los tpicos revisados en este curso permiten analizar sistemas que se caracterizan por tener estructuras no-lineales y por lo tanto reflejan mejor la realidad fsica de los sistemas para lo cual se asume conocido su modelo. En particular, aqu se abordan temas como la teora de Lyapunov para sistemas invariantes y variantes en el tiempo, la Funcin Descriptora, diseo de controladores mediante tcnicas lineales, y diseo de controladores mediante tcnicas no-linelaes. El lector debe tener dominio de los temas entregados en los cursos de Sistemas Lineales Dinmicos, Sistemas de Control y Sntesis de Sistemas de Control para avanzar fluidamente en los tpicos de este texto. Adems, un holgado manejo de programas de simulacin es definitivamente necesario para seguir los ejemplos del apunte. Se recomienda, MatLabTM y/o MathCad TM. El documento fue digitado enteramente en Word for Windows de MicroSoftTM y los ejemplos y ejercicios fueron desarrollados en MatLabTM y/o MathCad TM. Se desea agradecer sinceramente a los alumnos que cursaron la asignatura en aos anteriores por su comprensin y cooperacin en corregir las versiones preliminares de este material.

Dr. Jos R. Espinoza C. Profesor Titular Depto. de Ingeniera Elctrica, of. 220 Facultad de Ingeniera Universidad de Concepcin Casilla 160-C, Correo 3 Concepcin, CHILE Tel: Fax: e-mail: web: +56 (41) 2203512 +56 (41) 2246999 Jose.Espinoza@UdeC.cl http://www.udec.cl/jose.espinoza

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

iv

Nomenclatura

Matrices

A B C D E F T AT BT CT DT ET FT Tabc-0 T0-abc T0-dq0 Tdq0-0 Tabc-dq0 Tdq0-abc H ( s) ( s) H H ( s) H C O L(s) (t) Adj{P} diag{x1,} e{X} m{X} X
Vectores

: matriz de parmetros de dimensin nn. : matriz de parmetros de dimensin np. : matriz de parmetros de dimensin qn. : matriz de parmetros de dimensin qp. : matriz de parmetros de dimensin nm. : matriz de parmetros de dimensin qm. : matriz de transformacin de dimensin de nn. : matriz de parmetros transformada mediante T de dimensin nn. AT = TAT-1 : matriz de parmetros transformada mediante T de dimensin np. BT = TB : matriz de parmetros transformada mediante T de dimensin qn. CT = CT-1 : matriz de parmetros transformada mediante T de dimensin qp. DT = D : matriz de parmetros transformada mediante T de dimensin nm. ET = TE : matriz de parmetros transformada mediante T de dimensin qm. FT = F : matriz de transformacin de ejes abc a 0, dimensin 33. : matriz de transformacin de ejes 0 a abc, dimensin 33. : matriz de transformacin de ejes 0 a dq0, dimensin 33. : matriz de transformacin de ejes dq0 a 0, dimensin 33. : matriz de transformacin de ejes abc a dq0, dimensin 33. : matriz de transformacin de ejes dq0 a abc, dimensin 33. : matriz de transferencia. H(s) = C(sI - A)-1B + D. ( s ) = H-1(s). : matriz de transferencia inversa. H : matriz conjugada transpuesta de H(s). H(s)H = (H(s)*)T. : matriz de controlabilidad. : matriz de observabilidad. : matriz de transferencia en L.D. : matriz de transicin. : matriz adjunta de la matriz P. : matriz diagonal compuesta por los valores x1, x2, . : matriz parte real de la matriz X. : matriz parte imaginaria de la matriz X. : matriz compuesta por elementos xi , j que son fasores.

x u y p x y ~ x xabc x0

: vector de n variables de estados, x = [x1 x2 xn]T : vector de p variables de entrada, u = [u1 u2 up]T : vector de q variables de salida, y = [y1 y2 yq]T : vector de m perturbaciones, p = [p1 p2 pm]T n ]T (estimacin de x). =[x 1 x 2 x : vector de n variables de estados, x =[y q ]T (estimacin de y). 1 y 2 y : vector de q variables de estados, y ). x = [~ x=x- x : vector de n variables de estados, ~ x1 ~ x2 ~ xn ]T (error de estimacin de ~ abc a b c T : vector de tres variables de estados, x = [x x x ] (ejes estacionarios abc). : vector de tres variables de estados, x0 = [x x x0]T (ejes estacionarios 0).

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

xdq0 x0 xo uo yo yd po x u y p x(s) u(s) y(s) p(s) vk wk vk* xec xci yec yci ck bk V(x) x
Escalares

: vector de tres variables de estados, xdq0 = [xd xq x0]T (ejes rotatorios dq0). : condicin inicial del vector de estados, x0 = [x10 x20 xn0]T : vector de estados en el punto de operacin, xo = [x1o x2o xno]T : vector de entradas en el punto de operacin, uo = [u1o u2o upo]T : vector de salidas en el punto de operacin, yo = [y1o y2o yqo]T : vector deseado (referencia) de q variables de salida, yd = [y1d y2d yqd]T : vector de perturbaciones en el punto de operacin, po = [p1o p2o pqo]T : variacin del vector de estados x en torno a xo, x = [x1 x2 xn]T : variacin del vector de entradas u en torno a uo, u = [u1 u2 up]T : variacin del vector de salidas y en torno a yo, y = [y1 y2 yq]T : variacin del vector de perturbaciones p en torno a po, p = [p1 p2 pm]T : Laplace de x, x(s) = [x1(s) x2(s) xn(s)]T : Laplace de u, u(s) = [u1(s) u2(s) up(s)]T : Laplace de y, y(s) = [y1(s) y2(s) yp(s)]T : Laplace de p, p(s) = [p1(s) p2(s) pm(s)]T : k-simo vector propio de A. : k-simo vector propio de AT. : conjugado del k-simo vector propio de A. : vector de estados para entrada cero. : vector de estados para c.i. nulas. : vector de salidas para entrada cero. : vector de salidas para c.i. nulas. : k-sima fila de la matriz C. : k-sima columna de la matriz B. : gradiente de la funcin V(x). V(x) = V(x)/x. : vector de fasores, x = [ x1 x2 xn ]T.

xk dxk/dt = x k ak k k* ij l ( s) dij hij(s) ij ( s ) h rango{P(s)} det{P(s)} arg{x} tr{P(s)} maxij{wij}l max{} min{} log{} u(t)

: k-sima variable de estado. : derivada de la k-sima variable de estado. : k-simo coeficiente del polinomio caracterstico de A. : k-simo valor propio de A. : conjugado del k-simo valor propio de A. : ganancia relativa entre la entrada i-sima y la salida j-sima. : funcin de transferencia en L.D. : elemento ij de la matriz D. : elemento ij de la matriz H(s). ( s ) = H-1(s). : elemento ij de la matriz H : rango de la matriz P(s). : determinante de la matriz P(s). : ngulo del nmero complejo x. : traza de la matriz P(s). : mximo elemento de la matriz Wl. : mximo valor. : mnimo valor. : logaritmo en base 10. : entrada escaln.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

vi

r(t) || e || l(A) (A) (A) (A) (A) V(x) G R ess ts V f(t) f ( k) f ( s) f() f() f(n) f(m) x

: entrada rampa. : norma del elemento e. : l-simo valor singular de A. : mximo valor singular de A. : mnimo valor singular de A. : radio espectral de A. : nmero de condicin de A. : funcin de Lyapunov. : vecindad en el espacio de estados de x. : conjunto invariante. : conjunto invariante subconjunto de G. : vector de error en estado estacionario. : banda de asentamiento. : tiempo de asentamiento. : valor medio (RMS) de la seal continua (alterna) v(t). : funcin en el tiempo continuo. : funcin en el tiempo discreto (tambin escrita f(kT), con T el tiempo de muestreo). : funcin en el plano de Laplace. : funcin en frecuencia continua de tiempo continuo. : funcin en frecuencia continua de tiempo discreta. : funcin en frecuencia discreta de tiempo continuo. : funcin en frecuencia discreta de tiempo discreta. : fasor.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

vii

Abreviaciones.

Maysculas

L.A. L.C. L.D. L.I.T. S.P.I. S.P.D. F. de T. F.D. M. de T. B.W. E.S. S.S. SISO MIMO L.G.R. P.I.D. S.P. M.G. M.F. FCD FCC FCO FCJ T.L. T.F. T.F.F.D. T.Z. T.F.T.D. T.F.D. D. de B.
Minsculas

: lazo abierto. : lazo cerrado. : lazo directo. : lineal invariante en el tiempo. : semi-plano izquierdo. : semi-plano derecho. : funcin de transferencia. : funcin descriptora. : matriz de transferencia. : ancho de banda. : entrada/salida. : estado estacionario. : sistema de una entrada y una salida (single input single output). : sistema de varias entradas y varias salidas (multiple inputs multiple outputs). : lugar geomtrico de las races. : controlador proporcional integral derivativo. : sobrepaso. : margen de ganancia. : margen de fase. : forma cannica diagonal. : forma cannica controlable. : forma cannica observable. : forma cannica de Jordan. : Transformada de Laplace. : Transformada de Fourier. : Transformada de Fourier de Frecuencia Discreta. : Transformada Z. : Transformada de Fourier de Tiempo Discreta. : Transformada de Fourier Discreta. : Diagrama de Bode

c.i. l.i. l.d. c.c. c.a. a.c.a.

: condiciones iniciales. : linealmente independiente. : linealmente dependiente. : corriente continua (en Ingls es d.c.). : corriente alterna (en Ingls es a.c.). : abscisa de convergencia absoluta.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

Introduccin a los Sistemas No-Lineales.


En este captulo se presenta la necesidad de conocer herramientas de anlisis y diseo de sistemas no-lineales. Se demuestra que la principal razn es la presencia de elementos y/o sub-sistemas con caractersticas no-lineales en la mayora de las realidades fsicas, los que en algunos casos son dominantes. Especial importancia se da a la terminologa inherente a sistemas no-lineales producto de las caractersticas propias de estos sistemas. Entre estos se cuentan: mltiples puntos de equilibrio, ciclos lmites y plano de fase. Finalmente, se indican los alcances del curso en el contexto ms general de los sistemas de control.

1.1 Conceptos bsicos.


A. Porqu estudiar sistemas no lineales?

Mejorar sistemas de control existentes. El diseo de controladores puede estar basado en una linealizacin del modelo en un punto de operacin, este diseo ptimo puede deteriorarse al modificarse el punto de operacin. Por ejemplo, al considerar un sistema en L.C. dado por la F. de T. 2 n k 2 (la cual es obtenida al linealizar en un punto de operacin y definir un controlador 2 s + 22 n s + n para esta condicin de operacin), podra tenerse una respuesta sin sobrepaso como ilustrado en la Fig. 1.1. Sin embargo, si = (to) (donde to es parte del punto de operacin) podra darse el caso que la respuesta presente sobrepaso para algn to, y en el peor de los casos podra llegar a ser inestable. Un controlador que considere el sistema en forma ntegra puede mantener sus cualidades, independiente del punto de operacin. Anlisis de no-linealidades extremas. La linealizacin siempre asume que los sistemas a modelar son linealizables. Sin embargo, algunos no toleran una representacin apropiada distinta a la original. Por ejemplo, saturacin, zonas muertas, histresis, etc. Estos sub-sistemas pueden generar inestabilidades y ciclos lmites en los sistemas en donde estn insertos. Para tales casos se han desarrollado tcnicas nolineales.

1.5

y(t), para to = Tb
1.0

0.5

y(t), para to = Ta

10

12

14

16

Fig. 1.1 Respuestas en funcin del punto de operacin.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

modelo

yd
+ control planta

Fig. 1.2 Estructura bsica de control adaptivo.

Manejar incertidumbres en el modelo. Normalmente se genera esta situacin al existir parmetros que varan en el tiempo y afectan el sistema de forma desconocida. El sistema se puede degradar considerablemente y para esto existen dos tcnicas no-lineales. Estas son: controladores robustos y controladores adaptivos. Los robustos son aquellos que bsicamente se disean para las peores condiciones posibles a tomar por el sistema, y adaptivo es aquel que modifica su estructura y/o coeficientes de acuerdo a cada estimacin de lo que sucede en la planta. La estructura general se muestra en la Fig. 1.2. Simplicidad de diseo. Un controlador no-lineal puede transformar un problema no-lineal en uno lineal y por tanto permitir en un segundo paso la utilizacin de la teora de control lineal. La seleccin del control no-lineal puede ser en algunos casos intuitiva. Por ejemplo, el modelo de un convertidor trifsico fuente de corriente como ilustrado en la Fig. 1.3 est dado por,
d d 1 d i d i s = i sq v c + vs Li dt Li d q 1 1 i s = i sd v cq + v sq dt Li Li d d 1 1 q v c = v q + isd Gac idc md dt Ci Ci d q 1 1 d v c = v c + i sq G ac idc m q dt Ci Ci R d 1 idc = Gac (md vcd + mq vcq ) dc idc Ldc dt Ldc

en donde, las variables estado son: isd, isq, vcd, vcq, idc; las entradas son: md, mq; las perturbaciones son:
red
filtro ac rectificador fuente de corriente
1 3 a b c 5

filtro dc

carga

Ldc
+

vs

abc

is

abc

vc

abc

ir

abc

vr
-

Rdc
idc

Lr Cr
4 6 2

Fig. 1.3 Topologa de un rectificador trifsico fuente de corriente.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

vsq, vsq; y los parmetros son: , Li, Ci, Ldc, Rdc. La utilizacin de un controlador no-lineal lleva el i sd i sq 2 n , en donde idsd e sistema a una representacin final en lazo cerrado del tipo d = q = 2 2 i sd i sd s + 2n + n q i sd son las referencias. El diseo final se reduce a la seleccin de , n que inicialmente son arbitrarios.
B. Representacin y tipo de no-linealidades.

Los sistemas lineales pueden representarse en forma generalizada por las ecuaciones dinmicas,
x = Ax + Bu . y = Cx + Du

Similarmente, los sistemas no-lineales a estudiar en este curso pueden ser representados por, x = f ( x, u, t ) , y = h( x, u, t ) o en sus componentes,
x1 f 1 ( x, u, t ) = , x f x u t ( , , ) n n y1 h1 ( x, u, t ) = . y h x u t ( , , ) q q

en donde x es el vector de estados (de n1), u es el vector de entradas (de p1), y es el vector de salidas (de q1), t es el tiempo, f es un conjunto de n funciones escalares y h es un conjunto de q funciones escalares. Las no-linealidades pueden ser inherentes o intencionales. Las inherentes son propias del sistema, y las intencionales son adicionadas por diseo. Por ejemplo, histresis (adicionada), torque en una mquina (inherente), convertidor dc/dc (inherente), etc. como ilustrado en la Fig. 1.4.
C. Caractersticas de los sistemas lineales / no-lineales.

Los sistemas lineales tienen las siguientes caractersticas, i) ii) Tienen un nico punto de equilibrio si A es no singular. El punto de equilibrio es estable si todos los valores propios de A tienen parte real negativa,
ia histrisis

x if

Te
torque en una mquina

convertidor dc/dc

Sw

iL

vC

vs

+ vd -

L
C R

Fig. 1.4 Tipos de no-linealidades.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

iii) iv)

independiente de la c.i.. La solucin general puede obtenerse analticamente. En presencia de una entrada u(t) se cumple: (a) el principio de superposicin, (b) la estabilidad asinttica implica que para entradas acotadas se tienen respuestas acotadas, y (c) una entrada sinusoidal genera una salida sinusoidal de la misma frecuencia.

En cambio, los sistemas no-lineales tienen las siguientes caractersticas, i) Tiempo de escape finito. Una variable de estado de un sistema no estable lineal se va a infinito a medida que el tiempo va a infinito; en cambio, un sistema no-lineal inestable puede hacerlo en un tiempo finito. Mltiples puntos de operacin. Un sistema no-lineal puede tener mltiples puntos de operacin, los que pueden ser estables o inestables. Los estados del sistema convergen a uno u otro dependiendo del estado inicial. Ciclos lmites. Un sistema lineal invariante debe tener dos polos en el eje imaginario para oscilar permanentemente, lo que no se puede sostener en la realidad. Sistemas no-lineales pueden oscilar con amplitud y frecuencia constante independiente del punto inicial. Subarmnico, armnico u oscilaciones casi-peridicas. Un sistema lineal bajo excitacin sinusoidal, genera una salida sinusoidal de la misma frecuencia. Un sistema no-lineal ante excitacin sinusoidal puede generar frecuencias que son submltiplos o mltiplos de la frecuencia de entrada. Tambin puede generar una oscilacin casi-peridica (suma de componentes con frecuencias que no son mltiples entre s). Caos. Se produce en sistemas en que la salida es extremadamente sensible a las condiciones iniciales. La salida no est en equilibrio y no es oscilacin peridica o casi peridica. Mltiples modos de comportamiento. Ms de un ciclo lmite. Dependiendo de la entrada (amplitud y frecuencia) la salida puede exhibir armnicos, subarmnicos, etc.

ii)

iii)

iv)

v) vi)

1.2 Ejemplos Clsicos de Sistemas No-Lineales


La mayora de los sistemas encontrados en la prctica son no-lineales. Aqu se revisan algunos, cuyos modelos son vlidos para otros sistemas no-lineales.
A. El pndulo.

El modelo est dado por ml 2 = mgl sen kl 2 + T , Fig. 1.5(a). Si se define x1 = y x2 = , entonces las ecuaciones de estado son:
x1 = x2 x2 = ( g / l ) sen x1 (k / m) x2 + u /(ml 2 ) .

Por lo que los puntos de equilibrio son, x2o = 0, x1o = n, (n = 0 1, 2, ...) para u = 0. Se sabe que el punto de equilibrio xo = (0, 0) es estable y que el punto de equilibrio xo = (0, ) es inestable. Cmo se puede derivar esto de la ecuacin del pndulo ?. Se destaca que esta ecuacin es tambin vlida para un generador conectado a un bus infinito y para un PLL.
B. Pndulo invertido .

En este caso el modelo , Fig. 1.5(b), est dado por la ecuacin ml 2 + ml cos() x mgl sen = 0 y por la ecuacin ml cos() + ( M + m) x ml sen 2 = F (t ) . No se cosidera la presencia de roce y adems de
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

una varilla de masa despreciable frente a la masa al extremo de sta y a la del carro. Las ecuaciones se derivan fcilmente utilizando el Principio de Mnima Accin (Lagrange). Al definir x1 = x, x2 = , x3 = x y x4 = , las ecuaciones de estado - despus de algunas operaciones algebraicas- son: x1 = x3 x2 = x4
2 x3 = [u + mlx4 sin( x2 ) mg sin( x2 ) cos( x2 )] /[ M + m(1 cos( x1 )) 2 ] 2 x4 = [u cos( x2 ) mlx4 sin( x2 ) cos( x2 ) + ( M + m) g sin( x2 )] /[ Ml + ml (1 cos( x1 )) 2 ]

Claramente es un sistema no-lineal. Al no considerarse roce el sistema nunca se detiene ante una c.i. distinta de cero.
C. Estanque de rea variable.

Un caso interesante es el estanque con rea dependiente de la altura, Fig. 1.6(a) que es utilizado para diluir agua fm de alta concentracin de sal cm con agua fa. Para lo cual se puede manipular el flujo de agua fa. En este caso el modelo est dado por V = f m + f a f s = hdV / dh = f m + f a kv gh y por d (Vcs ) / dt = f m cm f s cs = Vcs + Vcs . Al definir x1 = h y x2 = cs, y la entrada u = fa, entonces las ecuaciones de estado son: x1 = ( f m + u kv gh ) /(h 2 / a 2 ) x2 = ( f m cm f m cs f a cs ) /(h3 /(3a 2 )) f m cm f m cs o uo cs o = 0 .
D. Reactor continuo exotrmico.

En este caso los puntos de equilibrio estn dados por las ecuaciones f m + uo kv gho = 0 y por

El sistema mostrado en Fig. 1.6(b) es un reactor continuamente agitado donde se realiza una reaccin exotrmica irreversible, A B. Es de inters la temperatura interna, T, y la concentracin de la componente A, CA, para lo cual se puede manipular la temperatura del refrigerante, Tc. El modelo de este sistema considerando a las variables de estado x = [x1 x2]T = [CA T]T, la entrada u = u = Tc y la salida y = y = T, es,

l
x

F (t )

T(t)

a)

b)

Fig. 1.5 Ejemplos de sistemas no-lineales. (a) pndulo con friccin, (b) pndulo invertido.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703


q CA = C Af C A k0e RT C A V

T=

(H ) q Tf T + k0 e C p V

E RT

.
CA + UA (Tc T ) V C p

Claramente, el sistema es no lineal; es ms, la variable de estado que es la temperatura aparece como argumento de la funcin exponencial.
E. Compensador de Potencia Reactiva.

El sistema elctrico trifsico balanceado que se muestra en la Fig. 1.7 representa un sistema generador representado por una fuente trifsica balanceada vsabc, la lnea de transmisin representada por un RtLt en serie, un consumo representado por una carga RoLo y un compensador paralelo que toma una corriente iiabc. Este ltimo es incluido por el dueo del consumo para suministrar los reactivos absorbidos por la carga y as obtener un factor de potencia (fpPCC) unitario en el PCC (punto de comn acoplamiento) y no pagar multa. Se sabe que el compensador requiere que la tensin en su barra dc, vdc, sea constante y mayor al mximo valor de tensin entre lneas medido en el PCC. Adems, se puede modelar su lado ac como una fuente trifsica de tensiones monofsicas dadas por viabc = mabcvdc, donde mabc son tres seales moduladoras que suman cero (sinusoidales) y tienen mximos instantneos entre 0.5 y -0.5, finalmente, el modelo del lado dc es idc = iiabcTmabc. El modelo de este sistema en ejes rotatorios dq0 considerando a las variables de estado x = [x1 x2 x3 x4 x5]T = [iod ioq isd isq vdc]T, la entrada u = [u1 u2]T = [md mq]T y la salida y = [y1 y2]T = [vdc fpPCC]T, es,
d dio q d d = io + {( Li + Lt ) Roio Li Rt isd + Lt md vdc + Li vs }/ L2 , dt d dio d q q = io + {( Li + Lt ) Roio Li Rt isq + Lt mq vdc + Li vs }/ L2 , dt

disd d = isq + { Li Roisd ( Lo + Li ) Rt isd + Lo md vdc + ( Lo + Li )vs }/ L2 , dt disq q = isd + { Li Roisq ( Lo + Li ) Rt isq + Lo mq vdc + ( Lo + Li )vs }/ L2 , dt
y f m, c m F1 F2 fa

h y = 2ax Tc Fs fs, cs x T, CA

a)

b)

Fig. 1.6 Ejemplos de sistemas no-lineales. (a) estanque de rea variable para diluir, (b) reactor continuo exotrmico.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

dvdc d q = {md io mq io + md isd + mq isq vdc / Rdc }/ Cdc , dt Claramente, el sistema es no lineal puesto que las entradas estn multiplicando a las variables de estado. Si adicionalmente se considera que la segunda salida es el fpPCC y que est dada por
q d fpPCC = cos{tan 1 (vo / vo ) tan 1 (isq / isd )} ,

entonces se tiene que la funcin y = h(x, u) es tambin no lineal.

1.3 Restricciones a los Sistemas a Estudiar


En general, un sistema no-lineal puede ser representado por una ecuacin de estados como,

x = f ( x, u, t ) . y = h( x, u, t )

(1.1)

Un sistema fsico representado por (1.1). Debe tener las siguientes propiedades para cada entrada u(t). i) ii) iii) iv) Existencia: tener a lo menos una solucin (continuidad de f). Unicidad: tener slo una solucin (condicin de Lipschitz). Tener exactamente una solucin definida en el rango [0,). Tener exactamente una solucin definida en [0,), y que esta solucin dependa continuamente en el estado inicial x(0).

Ejemplo 1.1. Estudie si los siguientes sistemas no cumplen con alguna de las propiedades anteriores por lo que no seran 1 x0 considerados casos de estudio. R.: (a) x = sgn( x ) , donde sgn( x ) = . No existe una funcin x que satisfaga la 1 x < 0
a)
PCC voabc isabc Lt Rt ii
abc

ioabc

Li vsabc mabc idc Rdc fuente lnea de transmisin Cdc vdc

Ro Lo

compensador

carga

b)

is a

Ltl

Rt

v la Li io a via Lo
carga

c)

v sa

ii a

Ro
io
a

v sa isa jLtisa iia v oa

fuente

lnea de transmisin

compensador

Fig. 1.7 Compensador de potencia reactiva. (a) circuito elctrico, (b) modelo por fase en ejes abc, (b) diagrama fasorial para factor de potencia unitario en el PCC, con Rt = 0.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

expresin anterior. Por lo tanto la propiedad (i) no se cumple. (b) x = 3x 2 / 3 , con x 0 = 0 . En este caso x(t) = t3 y x(t) = 0 satisfacen la ecuacin, por lo tanto hay dos soluciones con lo que (ii) no se cumple. (c) xe es x(t) = -ln(1 - t) por lo que no hay solucin en t (1, ) por lo que (iii) no se cumple.
x

= 1 , con x0 = 0 . La solucin

1.4 Definiciones y Propiedades Preliminares


Si se considera el sistema,

x = f ( x, t ) ,

(1.2)

en donde se ha supuesto que no interesa definir la salida y que la entrada es funcin de los estados, se pueden definir los siguientes trminos.
Def.: Se define un sistema autnomo si la expresin (1.2) es independiente del tiempo. Es decir, el

sistema queda descrito por x = f ( x ) .

Def.: Se define punto de equilibrio al vector xo = x(to) en el instante to si ste satisface:

f (x o , t o ) = 0

t to.

(1.3)

En sistemas autnomos el punto de equilibrio es independiente del tiempo. Tambin se conoce como punto estacionario o punto singular.
Def.: Se define punto de equilibrio aislado al vector xo = x(to) en el instante to si existe una vecindad entorno a xo de manera que no contiene otros puntos de equilibrio.

Para determinar en forma prctica si un punto de equilibrio es aislado se tiene el siguiente teorema.
Teorema: Considerar el sistema x = f ( x, t ) y suponer que xo es un punto de equilibrio al instante to,

adems que f es continuamente diferenciable y se define A(to) como la matriz dada por f ( x, t o ) . Si A(to) es no-singular, entonces xo es un punto de equilibrio aislado A (t o ) = x x =x o al instante to.

Ejemplo 1.2. Estudie el punto de equilibrio xo = (0, 0) del sistema dado por

x1 = a1 x1 + b1 x1 x 2 y
0 a2

x2 = a2 x2

f 1 ( x, t o ) x1 + b2 x1 x 2 . R.: Al determinar A(t o ) = f ( x, t o ) 2 x1

f 1 ( x, t o ) a1 x 2 se encuentra que A(t o ) = A = f 2 ( x, t o ) 0 x=xo x 2

cuyo determinante es det{A} = a1a2 que es distinto de cero si a1 y a2 son distintos de cero. Es decir, el punto xo = (0, 0) es un punto de equilibrio aislado si a1 y a2 son distintos de cero.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

Ejemplo 1.3. Determine y caracterice los puntos de equilibrio del reactor exotrmico. R.: El modelo puede ser escrito como,
E Rx q 2 C x k e x Af 1 0 1 x1 f1 (x, u) V , x = f (x, u) = E q 2 2 Rx (H ) UA k 0 e 2 x1 + (u x 2 ) T f x2 + C p VC p V

y = h(x, u) = x 2 ,

x 0 por lo tanto, los puntos de operacin estn dado por los valores de CA = x1, T = x2 y Tc = u tal que satisfacen, 1 = , la x 2 0 Fig. 1. 8 muestra la grfica de los puntos de operacin, esta se obtiene solucionando la ecuacin anterior para valores dados de la temperatura de control Tc. Los valores de las cantidades involucradas estn dadas en la tabla siguiente. La Fig. 1. 8 muestra que para ciertos valores de la entrada hay tres valores posibles de las variables de estado que son solucin. Es decir, hay mltiples puntos de operacin. Por otro lado, la grfica de |A| ilustrada en la Fig. 1. 8(c), donde A est dada por,

Variable q CAf Tf V
400 Temperatura en el Reactor 380 360 340 320 300 280

Valor 100 L/min 1 mol/L 350 K 100 L 1000 g/L

Variable Cp (-H) E/R k0 UA

Valor 0.239 J/g K 5x104 J/mol 8750 K 7.2x1010 min-1 5x104 J/min K

1 0.8 Concentracin 0.6 0.4 0.2

a)
290 300 310 320 Temperatura de Control

0 280

b)
290 300 310 320 Temperatura de Control

40 Determinante de A

20

c)
320 340 360 380 Temperatura en el Reactor

Fig. 1. 8 Puntos de operacin del reactor del Ejemplo 1.3; a) T vs Tc, b) CA vs Tc, c) |A| vs T.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703


E q k e Rx2 0 V = E Rx ( ) H k0e 2 C p

10

f 1 (x, u) x 1 A= f 2 (x, u) x 1

f 1 (x, u) x 2 f 2 (x, u) x 2

x=xo u =u o

2 Rx 2 E q ( H ) E Rx2 UA + k0 e x 1 2 C p V VC p Rx 2 k0 E
E Rx e 2 x 1

x = xo u =u o

muestra que hay puntos de operacin que no son aislados. Estos ocurren para dT/dTc = 0.

Entre las propiedades de las soluciones se tiene, Una solucin x(t), t 0, es acotada si || x(t) || M, t 0. Una solucin x(t) es peridica u oscilatoria si existe un numero real T > 0 de manera que x(t + T) = x(t), t 0. El menor T se conoce como perodo. Una solucin es peridica si y slo si la trayectoria en el espacio de estados es una curva cerrada. iii) Una solucin x(t), t 0 es una solucin peridica aislada si para algn > 0, no existe otra solucin peridica con un estado inicial x(0) que satisfaga min{|| x(0) - x(t) ||} < para t 0. iv) Una de las ms importantes soluciones peridicas es el ciclo lmite. Una solucin peridica es un ciclo lmite si x(t) es una solucin aislada. v) vi) Propiedades asintticas de soluciones peridicas revelan su estabilidad, dada una solucin peridica xp(t), t 0, si para cada > 0, > 0, de manera que || x(0) - xp(0) || < garantiza que || x(t) - xp(t) || < y que || x(t) - xp(t) || 0 cuando t , entonces la solucin peridica xp(t), t 0 es estable asintticamente en el sentido de Lyapunov. vii) En el caso de ciclos lmites se aplica el concepto de estabilidad orbital. Si para cada > 0, > 0 de manera que min{|| x(0) - xp(t) ||} < para t 0 implica que min{|| x(t) - xp() ||} < para t, 0, y que || x(t) - xp() || 0 cuando t , para 0 entonces la solucin peridica xp(t) es orbitalmente estable. i) ii)

1.5 Anlisis en el Plano de Fase


Hay dos razones principales por las cuales es til al anlisis en el plano de fase. Esas son: (a) Mtodo Grfico: til para sistemas de segundo orden y (b) No-linealidades extremas: permite analizar saturaciones, controles on-off, etc.
A. Conceptos.

En general, un sistema de segundo orden puede ser representado por las ecuaciones de estado, x1 = f 1 ( x1 , x 2 , t ) x 2 = f 2 ( x1 , x 2 , t ) .

Si se grafica x1(t) vs x2(t), con t como parmetro, la grfica resultante se llama grfico del plano de estados o trayectoria del plano de estados. El plano bi-dimensional se llama plano de estados. En el caso especial cuando la primera ecuacin es x1 = x 2 , el plano de estados se llama plano de fase y el grfico se llama grfico o trayectoria del plano de fase.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

11

Ejemplo 1.4. Determine el plano de fase del sistema dado por x + x = 0 . R.: La solucin es x(t) = x0cos(t) por lo que
2 2 2 x(t ) = x0 sin(t ) . Si se define x1 = x y x2 = dx/dt, entonces, x1 + x2 = x0 por lo que el plano de fase est dado en la Fig. 1.10(a).

Def.: Un punto singular es un punto de equilibrio en el plano de fase. Son conocidos como punto

singular dado que x = 0 por lo que f1 = f2 = 0 y por lo tanto al tomar el cuociente f2/f1 se hace singular.

Ejemplo 1.5. Dibuje el plano de fase del sistema dado por x + 0.6 x + 3x + x 2 = 0 . R.: Los puntos de equilibrio estn dados por 3x + x2 = x(3 + x) = 0 por lo que se tiene a xo = 0 y xo = -3 como puntos de equilibrio. Si se define x1 = x y x2 = dx/dt, entonces, los puntos de equilibrio son (0, 0) y (-3, 0). El plano de fase se encuentra en la Fig. 1.10(b).

La representacin del sistema en un plano de fase tambin se puede aplicar a sistemas de primer orden de la forma x + f ( x ) = 0 , la idea es dibujar x con respecto de x . La diferencia es que en este caso slo hay una nica trayectoria.
Ejemplo 1.6. Dibuje el plano de fase equivalente de la ecuacin diferencial no-lineal x + 4 x x 3 = 0 . R.: La ecuacin se puede escribir como x = 4 x + x 3 por lo que los puntos de equilibrio estn dados por x = 4 x + x 3 = x ( 4 + x 2 ) = 0 . Es decir, xo = 0, 2, -2. Esto se puede representar en el plano x vs x como ilustrado en la Fig. 1.10(c).

B.

Construccin del Plano de Fase

Hay varias alternativas para la construccin del plano de fase. Entre las cuales se cuenta: (a) analtica, (b) isoclinas, (c) delta, (d) Lienard. En este curso se revisarn las dos primeros.
Estable Inestable

Medio-Estable Semi-estable

Medio-Estable Semi-estable

Fig. 1.9 Ejemplos de ciclos lmites.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

12

Mtodo Analtico. En este caso se puede recurrir a obtener las expresiones para x1(t) y x2(t), y luego eliminar t combinando x1(t) y x2(t) como ilustrado en el Ejemplo 1.4. La otra opcin es considerar que dx 2 dx 2 / dt f 2 ( x1 , x 2 ) = = , de donde se puede obtener la expresin final. En el caso del Ejemplo 1.4 se dx1 dx1 / dt f 1 ( x1 , x 2 ) dx 2 x1 tiene que x1 = x 2 y x 2 = x1 , por lo que = . Finalmente, x2dx2 = -x1dx1 , de donde, dx1 x2 1 2 1 2 2 2 x 2 + x1 = c , por lo que la solucin final es x 2 . + x12 = 2c = x o 2 2
Ejemplo 1.7. Dibuje el plano de fase del sistema ilustrado en la Fig. 1.11(a). R.: En este se puede apreciar que (a) si > 0, dx 2 u entonces la ecuacin resultante es = u , al definir x1 = y x1 = se tiene que x1 = x 2 y x 2 = u , por lo que = , dx1 x 2 c 1 2 2 x2dx2 = -udx1, x 2 + 2ux1 = c . Similarmente se encuentra para < 0 que la + ux1 = , por lo que la solucin final es x 2 2 2
2 solucin es x 2 2ux1 = c . El plano de fase se encuentra en la Fig. 1.11(b).

x2

x = x2

x0 x1 -3 x = x1 -2 2

a)

b)

c)

Fig. 1.10 Planos de fase. (a) Ejemplo 1.4, (b) Ejemplo 1.5, (c) Ejemplo 1.6.

x = x2

d = 0
+

u -u

1 s2

x = x1

a)

b)

Fig. 1.11 Diagrama y plano de fase del Ejemplo 1.7. (a) Diagrama en bloques. (b) Plano de Fase.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

13

Mtodo de las Isoclinas. Una isoclina es definida como un lugar de puntos que tienen igual pendiente. dx2 f 2 ( x1 , x2 ) Un lugar de isoclinas es definido como: = = . Por lo tanto, todos los puntos del plano dx1 f1 ( x1 , x2 ) de estados que cumplen con f2(x1, x2) = f1(x1, x2) tienen la misma pendiente. Este resultado indica que dado un , se puede encontrar los pares que satisfacen tal condicin y as graficar el plano de estados.
Ejemplo 1.8. Sea el sistema dado por x + x = 0 . Si se define x1 = x y x2 = dx/dt, entonces, x1 = x 2 y x 2 = x1 , por lo que dx 2 x1 = = . Es decir las regiones con igual pendiente estn dadas por x1 + x2 = 0. El plano de fase est ilustrado en la dx1 x2 Fig. 1.12.

C.

Anlisis en el Plano de Fase de Sistemas Lineales.

Los planos de fase de sistemas lineales son de inters por cuanto la informacin obtenida a partir de stos es extendible a sistemas no-linelaes. Sea el sistema de segundo orden, x1 = a11 x1 + a12 x 2 , x 2 = a 21 x1 + a 22 x 2 con las c.i. x1(0) = x10 y x2(0) = x20, por lo tanto, el polinomio caracterstico det{sI - A} = 0 queda dado por s2 (a11 + a22)s + a11a22 a12a21 = 0. Por lo tanto, los valores propios estn dados por, 1, 2 = ( a11 + a 22 ) ( a11 + a 22 ) 2 4( a11a 22 a12 a 21 ) . 2

Se pueden distinguir dos casos en el anlisis de los valores propios, los cuales a su vez se pueden subclasificar. Los planos de estado resultantes se ilustran en la Fig. 1.13. I. a) Si a11a22 a12a21 0, entonces el (0, 0) es el nico punto de equilibrio. Si ( a11 + a 22 ) 2 4( a11a 22 a12 a 21 ) 0 1 y 2 reales. Si 1 2 < 0 (0, 0) es un nodo estable. i) ii) Si 1 2 > 0 (0, 0) es un nodo inestable. iii) Si 1 > 0 > 2 (0, 0) es un nodo punto de silla. Si ( a11 + a 22 ) 2 4( a11a 22 a12 a 21 ) < 0 1 y 2 complejos.
x2
= -1 =1 = -1 =0 x1 + x2 = 0 x1 - x2 = 0 x1 = 0 x2 = 0 x1 = - x2 x1 = x2

b)

x1
=1 =0

Fig. 1.12 Plano de fase del Ejemplo 1.8.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

14

iv) v) vi) II.

Si e{1} = e{2} = 0 (0, 0) es un punto central. Si e{1} = e{2} < 0 (0, 0) es un foco estable. Si e{1} = e{2} > 0 (0, 0) es un foco inestable.

Si a11a22 a12a21 = 0, entonces hay infinitos puntos de equilibrio. vii) Si 1 = 0, 2 < 0 (0, 0) es estable. viii) Si 1 = 0, 2 > 0 (0, 0) es inestable. Si 1 = 2 = 0, a12a21 0 (0, 0) es inestable. ix) x) Si 1 = 2 = 0, aij = 0, i, j (0, 0) es inestable.
Anlisis en el Plano de Fase de Sistemas No-Lineales

D.

Si las funciones x1 = f 1 ( x1 , x 2 ) , x 2 = f 2 ( x1 , x 2 ) son continuamente diferenciables en torno a un punto de equilibrio, el comportamiento en torno a este punto esta ntimamente ligado con el comportamiento del sistema linealizado alrededor de este punto de operacin.
Comportamiento local de sistemas no-lineales. Se fundamenta en la linealizacin del sistema en torno al punto de equilibrio para luego utilizar las conclusiones derivadas de sistemas lineales para caracterizarlo. As, si xo un punto de equilibrio, f1 y f2 funciones continuamente diferenciales en la vecindad de (x10, x20), entonces el vector de estados se puede definir como x = xo + x , por lo que una f ( x ) linealizacin del sistema es, x = Ax , donde, A = . x x =x o
Ejemplo 1.9. Clasifique los puntos de equilibrio del sistema dado por

x1 = x1 + x1 x2 y x 2 = x 2 x1 x 2 . R.:

i)

x2

ii)

x2

iii)

x2

x1

x1

x1

iv)

x2

v)

x2

vi)

x2

x1

x1

x1

vii)

x2

viii)

x2

ix)

x2

x1

x1

x1

Fig. 1.13 Plano de fase de un sistema lineal de segundo orden.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

15

1 0 Claramente, los puntos de equilibrio son (0, 0) y (1, 1). Al linealizar en torno a (0, 0) se obtiene que A = , por lo 0 1 que los valores propios son 1 y 1. Por lo tanto el punto (0, 0) en el sistema lineal es un punto de silla y por ende el (0, 0) es 0 1 un punto de silla en el sistema no-lineal. Por otro lado, al linealizar en torno a (1, 1) se obtiene que A = , por lo que 1 0

los valores propios son j. Por lo tanto el punto (0, 0) en el sistema lineal es un punto central y por ende el (1, 1) debera ser un punto central en el sistema no-lineal. Desafortunadamente, la posicin de los valores propios en el eje imaginario se ve afectada por los trminos no considerados al linealizar. Por lo tanto, nada se puede concluir del sistema no-lineal en este caso.
2 Ciclos Lmites. Otro importante caso es el de los ciclos lmites. Sea el caso x1 = x 2 x1 ( x12 + x 2 1) y 2 x 2 = x1 x 2 ( x12 + x2 1) . Al considerar x1 = rcos y x2 = rsin. Se obtiene r = r ( r 2 1) y = 1 . Claramente el cambio de coordenadas muestra que si r < 1 entonces dr/dt > 1 por lo que el radio crece y si r > 1 entonces dr/dt < 0 por lo que el radio decrece. Por lo tanto, en r = 1 hay un ciclo lmite como ilustrado en la Fig. 1.14. Los ciclos lmites pueden ser estables, inestables y semiestables, Fig. 1.9. Los ciclos lmites difieren de soluciones peridicas en que los primeros atraen a todas las rbitas a su ciclo, los ltimos orbitan en torno a estos. Ntese que si el ciclo lmite es estable entonces la amplitud es fija.

E.

Existencia de Ciclos Lmites

Hay tres teoremas que facilitan la prediccin de ciclos lmites.


Teorema: Poincare. Si un ciclo lmite existe en el sistema autnomo de segundo orden

x1 = f 1 ( x1 , x 2 ) , x 2 = f 2 ( x1 , x 2 ) , entonces N = S + 1, donde N: es el nmero de nodos, focos y puntos centrales y S es el nmero de puntos de silla. Ambos encerrados por el ciclo lmite.

Teorema: PoincareBendixon. Si

una trayectoria del sistema autnomo de segundo orden x1 = f 1 ( x1 , x 2 ) , x 2 = f 2 ( x1 , x 2 ) permanece en una regin finita , entonces una de las siguientes afirmaciones es verdadera: (a) La trayectoria viaja hasta un punto de equilibrio. (b) La trayectoria tiende a un ciclo lmite asintticamente estable. (c) La trayectoria es un ciclo lmite.

x2

x1

Fig. 1.14 Plano de fase de un ciclo lmite.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

16

Teorema: Bendixon. Si en el sistema autnomo de segundo orden x1 = f 1 ( x1 , x 2 ) , x 2 = f 2 ( x1 , x 2 ) no

existe un ciclo lmite en una regin del plano de fase en que f 1 / x1 + f 2 / x 2 no es idnticamente igual a cero y no cambia de signo. Formulacin Rgida: Si f 1 / x1 + f 2 / x 2 no es igual a cero y no cambia de signo en , entonces no contiene trayectorias cerradas.
2 2 Ejemplo 1.10. Sea el sistema dado por x1 = g ( x 2 ) + 4 x1 x 2 y x 2 = h( x1 ) + 4 x1 x 2 . Evale la existencia de ciclos lmites. 2 2 2 2 R.: Al evaluar f1 / x 2 + f 2 / x 2 se tiene 4 x 2 + 4 x1 = 4( x1 + x2 ) que claramente no cambia de signo por lo que no existen ciclos lmites en todo el plano de fase.

Los ciclos lmites aparecen tambin en sistemas en donde podra no haber sospecha de su existencia. Por ejemplo, el reactor exotrmico con una temperatura de control Tc de Tc = 311 est en un punto de operacin dado por T = 385 y CA = 0.093. Este punto es estable como se ilustra en la Fig. 1.15. Al aumentar la temperatura de control en 5 (de Tc = 311 a Tc = 316) se tiene un nuevo punto de operacin estable dado por T = 390 y CA = 0.070. Este cambio se ve reflejado en la simulacin de la Fig. 1.15 para el caso lineal y no-lineal. Una diferencia de punto de operacin y dinmica es observada entre ambos casos. Esto es justificable por la degradacin del modelo lineal al escapar del punto de operacin para el cual es obtenida. Sin embargo, al disminuir la temperatura de control en 5 (de Tc = 311 a Tc = 306) se lleva al reactor a un ciclo lmite estable. Este cambio no se ve reflejado en la simulacin del caso lineal como ilustrado en la Fig. 1.15. Es ms, la linealizacin predice un nuevo punto de operacin estable.

1.6 Alcances del Curso 543 703.


En este curso se estudiarn en profundidad sistemas no-lineales del tipo continuo, cuya representacin pueda darse de la forma de ecuaciones dinmicas,
x = f ( x, u, t ) . y = h( x, u, t )

Sern de especial inters los sistemas con mltiples entradas y mltiples salidas (MIMO). Adems, se revisarn mtodos alternativos para el anlisis de no-linealidades extremas como histresis, bandas muertas, saturaciones, etc. El estudio de sistemas considera adems el diseo y anlisis de controladores lineales y no-lineales aplicados a sistemas no-lineales.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

17

Concentracin
0.25 0.2 0.15 0.1 0.05 0 0 2 4 6 8 10 12

Temperatura
400 392 384 376 368 360 0 2 4 6 8 10 12

Fig. 1.15 Simulacin del reactor exotrmico con Tc = 311(1 + 0.018u (t-3) 0.036u(t-6)). La lnea continua es la simulacin del sistema original y la segmentada es la simulacin del sistema linealizado.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

18

Fundamentos de la Teora de Lyapunov.


Dada las caractersticas propias de sistemas no-lineales, en particular de la estabilidad, no se pueden aplicar los conceptos desarrollados en sistemas lineales. En este captulo se presentan nuevas herramientas matemticas y definiciones que permiten abordar este tema. Los conceptos ms importantes son los asociados a estabilidad local y global. Sin duda que la Teora de Lyapunov que aqu se presenta es la ms desarrollada para estos casos.

2.1 Conceptos de Estabilidad.


La estabilidad de sistemas no-lineales es algo ms elaborada que en sistemas lineales debido a las caractersticas peculiares de stos.
A. Antecedentes Preliminares.

Un sistema no-lineal puede representarse por


x = f ( x, t ) ,

(2.1)

cuya expresin, aun cuando no contiene u, puede representar a un sistema donde u = g(x, t), por lo que la expresin original queda como,
x = f ( x, u, t ) = f ( x, g( x, t ), t ) ,

la cual puede ser re-escrita de la forma (2.1). Un sistema es autnomo si (2.1) no depende del tiempo, es decir x = f ( x ) . La gran diferencia entre ellos es que un sistema autnomo tiene asociado un plano de estados que no es funcin del tiempo. Finalmente, un estado xo es un estado de equilibrio (o punto de equilibrio) del sistema si al hacer x(t) = xo, este permanece en el punto para todo tiempo futuro.
B. Estabilidad e Inestabilidad.

La estabilidad se define de acuerdo a lo siguiente.


Def.: El punto de equilibrio xo = 0 es estable si, para cualquier R > 0, hay un r > 0, tal que satisface

|| x(0) || < r, entonces || x(t) || < R para todo t 0, de otra manera el punto de equilibrio es inestable (estabilidad en el sentido de Lyapunov).

C.

Estabilidad Asinttica y Estabilidad Exponencial.

Ambos tipos son definidos como sigue.


Def.: Un punto de equilibrio xo = 0 es asintticamente estable si es estable y si, en adicin, existe algn

r > 0 tal que || x(0) || < r implica que x(t) 0 cuando t .

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

19

Algunos alcances importantes son: (a) la esfera Br se conoce como dominio de atraccin, que corresponde al lugar de puntos que eventualmente convergen al origen, Fig. 2.1(a); (b) un punto de equilibrio que es estable, pero no asintticamente estable se llama marginalmente estable, Fig. 2.1(a), al analizar la Fig. 2.1(a) se encuentra que: (i) curva 1: asintoticamente estable, (ii) curva 2: marginalmente estable, y (iii) curva 3: inestable; (c) convergencia de estados no implica estabilidad. Por ejemplo, en la Fig. 2.1(b), un punto inicial dentro de R = 1 converge a x = 0, pero siempre sale de R = 1, por lo tanto el origen no es estable en el sentido de Lyapunov.
Def.: Un punto de equilibrio xo = 0 es exponencialmente estable si existen dos nmeros estrictamente

positivos y tal que t > 0, || x(t) || || x(0) ||e-t en alguna esfera Br entorno al origen.

Algunos alcances son: (a) el nmero positivo es usualmente conocido como la razn de la convergencia exponencial, (b) la estabilidad exponencial implica estabilidad asinttica, pero lo inverso no necesariamente se cumple.
D. Estabilidad Local y Estabilidad Global.

Las definiciones anteriores son vlidas para caracterizar el comportamiento local de sistemas. Es decir, cmo el sistema evoluciona despus de partir cerca del punto de equilibrio.
Def.: Si la estabilidad asinttica (o exponencial) es vlida para cualesquier condicin inicial, el punto

de equilibrio es estable asinttico (o exponencial) globalmente.

2.2 Linealizacin y Estabilidad Local.


El mtodo de linealizacin de Lyapunov se refiere al anlisis de la estabilidad local. Dado que todos los sistemas fsicos pueden ser considerados no-lineales en algn grado, este mtodo sirve como justificacin para el uso de las tcnicas lineales en sistemas no-lineales. La linealizacin del sistema,

x2 x2 1 2 R x1
x(0) x(0) R=1

x1

a)

c)

Fig. 2.1 Estabilidad en el plano de estados. (a) Tipos de estabilidad, (b) Convergencia vs estabilidad.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

20

x = f ( x, u),

y = h( x , u ) ,

en torno al punto uo, xo, yo est dada por, x = Ax + Bu, y = Cx + Du , donde, A = f ( x, u) x


x =x o u =uo

, B=

f ( x, u) u

x =xo u = uo

, C=

h( x, u) h( x, u) , D= x = x o x u
u=uo

x =xo u = uo

; y x, u, y y, son

variaciones de x, u e y, respectivamente, en torno al punto de operacin dado por uo, xo, yo. Ntese que en el caso no-lineal uo, xo, e yo satisfacen 0 = f(xo, uo), yo = h(xo, uo).
Teorema: Mtodo de Linealizacin de Lyapunov.

(a) Si el sistema linealizado es estable (e.d. si todos los valores propios de A estn en la mitad izquierda del plano complejo), entonces el punto de equilibrio es asintticamente estable. (b) Si el sistema linealizado es inestable (e.d. a lo menos un valor propio de A est en la mitad derecha del plano complejo), entonces el punto de equilibrio es inestable. (c) Si el sistema linealizado es marginalmente estable (e.d. todos los valores propios de A estn en el plano izquierdo, pero al menos uno esta sobre el eje j) entonces no se puede concluir nada respecto del punto de equilibrio (es ms, el punto de equilibrio puede ser estable, asintticamente estable, o inestable).
Ejemplo 2.1. Estudie la estabilidad del sistema x = ax + bx 5 con a y b constantes. R.: Claramente un punto de equilibrio es xo = xo = 0 y la linealizacin es x = ax . De sta se desprende que si (i) a < 0 entonces el xo = 0 es asintticamente estable, (ii) a > 0 entonces el xo = 0 es inestable y (iii) a = 0 entonces nada se puede decir; de hecho, lo que realmente sucede depende de la constante b, Fig. 2.2.

Como se puede apreciar, el teorema anterior no es suficiente por cuanto quedan varias interrogantes sin respuesta. Entre las ms importantes estn (a) qu sucede con la estabilidad cuando las races estn en

20

20

20 2 1 0

a)
1 2

20 2 1 0

b)
1 2

20

20 2 1 0

c)
1 2

Fig. 2.2 Estabilidad en el Ejemplo 2.1. a) a < 0, b) a > 0, c) a = 0.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

21

4 2 0 2 4 T = 310

T = 379

T = 390 T = 335

a)
-3
400 Temperatura en el Reactor 380 Concentracin inestable 360 340 320 ciclo lmite 300 280

-2

-1

1
1 0.8 0.6 0.4 0.2

ciclo lmite

b)
290 300 310 320 Temperatura de Control

inestable

0 280

c)
290 300 310 320 Temperatura de Control

Fig. 2.3 Estabilidad de los puntos de operacin del reactor del Ejemplo 1.3; a) L.G.R., b) T vs Tc, c) CA vs Tc,

el eje imaginario? y (b) en el caso de ser estable el origen cul es el dominio de atraccin ?.
Ejemplo 2.2. Estudie la estabilidad de los puntos de operacin del reactor exotrmico. R.: Para estos efectos se grafican los valores propios de la matriz A para distintos puntos de operacin. Esto es equivalente a graficar el L.G.R. del sistema, pero en funcin del punto de operacin. La Fig. 2.3(a) muestra el L.G.R. del reactor. Sin duda que para ciertos valores de T el sistema presenta valores propios inestables, por lo que se tienen puntos de operacin inestables. Este es el caso del rango de T entre 335 y 379K. Se debe tener especial cuidado con este tipo de casos en sistemas nolineales puesto un punto de operacin inestable puede significar la existencia de ciclos lmites. Este es el caso del rango ilustrado en la Fig. 2.3(b) y (c) en donde para entradas entre Tc = 303 y 306 se tiene un nico punto de operacin que es inestable. Sin embargo, la simulacin ilustrada en la Fig. 1.15 muestra la existencia de un ciclo lmite para esta entrada. Similarmente para entradas Tc menores a 303 el sistema viajar al nico punto de operacin inestable.

2.3 Mtodo Directo de Lyapunov.


Este mtodo es una extensin natural de una observacin fsica fundamental: si la energa total de un sistema es continuamente disipada, entonces el sistema (lineal o no) debe eventualmente llegar a un punto equilibrio. Como la energa es un escalar, el anlisis de la estabilidad debiera reducirse al anlisis de una funcin escalar. Por ejemplo, el caso del resorte ilustrado en la Fig. 2.4 puede ser aproximado por la ecuacin,
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

22

mx + bx + k 0 x = 0 ; sin embargo, un anlisis ms riguroso indica que el modelo es, mx + bx | x | + k 0 x + k1 x 3 = 0 . Claramente, el manejo de esta ecuacin no es obvio como el caso anterior. La energa V(x, x ) en funcin de la posicin x y la velocidad x es,
V ( x, x ) = 1 / 2mx 2 + ( k 0 x + k1 x 3 )dx = 1 / 2mx 2 + 1 / 2k 0 x 2 + 1 / 4k1 x 4 .
0 x

Si se define x = [x1 x2] = [x dx/dt] , la ecuacin anterior puede ser escrita como,
2 V ( x ) = 1 / 2mx 2 + 1 / 2k 0 x12 + 1 / 4k1 x14 .

La expresin anterior muestra que (a) energa cero corresponde a un punto de equilibrio (x1 = 0, x2 = 0), (b) estabilidad asinttica implica convergencia de la energa a cero, y (c) inestabilidad implica un crecimiento de la energa. Por otro lado la razn de variacin de la energa durante el movimiento del sistema es obtenido diferenciando V(x) respecto de t lo que resulta, V ( x ) = mxx + k0 xx + k1 x 3 x = x( bx | x | k0 x k1 x 3 ) + k 0 xx + k1 x 3 x = bx 2 | x | = b | x |3 = b | x2 |3 Dado que V ( x ) = b | x2 |3 es siempre negativa, el sistema pierde energa hasta que V ( x ) = 0 x2 = 0. El Mtodo Directo de Lyapunov es una generalizacin del problema anterior. Es decir, se debe encontrar una funcin V(x) tipo energa y examinar esta funcin escalar en el tiempo.
A. Funciones Definidas Positivas y Funciones de Lyapunov.

La funcin de energa V(x) en el ejemplo anterior cumple con: i) Es estrictamente positiva (excepto para x1 = 0, x2 = 0) la funcin es Definida Positiva. ii) Montonamente decreciente Funcin de Lyapunov.
Def.: Una funcin escalar continua V(x) se dice definida positiva localmente si V(0) = 0 y en una bola

BRo se cumple x 0 V(x) > 0. Si V(0) = 0 y la propiedad anterior se cumple en todo el espacio de estados, entonces V(x) se dice definida positiva globalmente.

x k0, k1 m b
Fig. 2.4 Sistema masa-resorte.
Copyright por Prof. Jos R. Espinoza C.

u=0

Apuntes: 543 703

23

2 2 4 2 Ejemplo 2.3. Determine si (a) V ( x ) = 1 / 2ml 2 x 2 + mlg (1 cos( x1 )) , (b) V ( x ) = 1 / 2mx 2 + 1 / 2k 0 x1 + 1 / 4k1 x1 , (c)

V ( x ) = 1 / 2mx 2 , son definidas positivas locales o globales. R.: (a) es localmente puesto que para x1 = 2 la funcin V(x) se hace cero nuevamente, (b) es globalmente, y (c) no lo es. La grfica de las funciones se encuentra en la Fig. 2.5.

Def.: Una funcin V(x) es definida negativa si -V(x) es definida positiva. Def.: Una funcin V(x) es semi-definida positiva si V(0) = 0 y V(x) 0 para x 0. Def.: Una funcin V(x) es semi-definida negativa si -V(x) es semi-definida positiva.

Algunos aspectos importantes son: (a) el prefijo semi es usado para reflejar la posibilidad de que V(x) dV ( x ) V ( x ) dx V ( x ) V ( x ) puede ser cero para x 0, (b) V ( x ) = = = x= f ( x ) = V ( x )f ( x ) ; es dt x dt x x decir, los puntos de equilibrio tambin satisfacen V ( x ) = 0 , y (c) dado que estamos utilizando sistemas autnomos, V ( x ) depende slo de x. La funcin escalar V ( x ) se conoce como la derivada de V a lo largo de la trayectoria del sistema. Un caso especial es cuando V ( x ) es negativa.
Def.: Si en una bola BRo la funcin V(x) es definida positiva y tiene derivadas parciales continuas, y su

derivada respecto del tiempo a lo largo de las trayectorias de los estados del sistema es semidefinida negativa; es decir, V ( x ) 0, entonces V(x) es una Funcin de Lyapunov para el sistema. En una funcin V(x) que es funcin de Lyapunov siempre se encuentra que cualesquier trayectoria x(t) reflejada en la funcion V(x) representa una disminucin de V(x). Este efecto se puede apreciar geomtricamente en la la Fig. 2.5(b), donde claramente el paso por una trayectoria que va de xa a xb tiene asociado el paso de un valor de V(xa) a otro de menor valor V(xb).
B. Teoremas para los Puntos de Equilibrio.

Teorema: Lyapunov para Estabilidad Local: Si, en una bola BRo, existe una funcin escalar V(x)

con primeras derivadas parciales continuas tal que,

(a)

(b)

(c)

Fig. 2.5 Funciones (a), (b) y (c) del Ejemplo 2.3. (a) definida positiva localmente, (b) definida positiva globalmente, (c) no es definida positiva.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

24

- V(x) es definida positiva (localmente BRo), - V ( x ) es semi-definida negativa (localmente en BRo), entonces el punto de equilibrio xo = 0 es estable. Si la derivada V ( x ) es localmente definida negativa en BRo, entonces la estabilidad es asinttica.
2 2 2 2 2 2 Ejemplo 2.4. Estudie la estabilidad del sistema dado por x1 = x1 ( x1 + x2 2) 4 x1 x 2 , x 2 = 4 x1 x 2 + x 2 ( x1 + x2 2) el 2 2 cual tiene por punto de equilibrio al xo = 0. R.: Sea la funcin de Lyapunov V ( x ) = x1 + x2 , entonces se tiene que 2 2 2 2 V ( x ) = 2( x1 + x2 )( x1 + x2 2) . Por lo tanto, dado que la funcin V(x) es globalmente definida positiva y su derivada es localmente definida negativa, el punto xo = 0 es asintticamente estable. Es ms, el dominio de atraccin est dada por lo 2 2 menos por x1 + x2 < 2 , Fig. 2.6.

Ejemplo 2.5. Estudie la estabilidad en el caso del pndulo donde x1 = x2 , x 2 = g / l sen x1 (b /( ml 2 )) x 2 . R.: La energa

1 1 2 2 2 asociada es, V ( x ) = ml 2 x 2 0, + mglsenydy = ml 2 x 2 + mgl (1 cos x1 ) , V ( x ) = mglx1 sen( x1 ) + ml 2 x 2 x 2 = bx 2 2 2


0

x1

dado que V(x) es localmente definida positiva y V ( x ) es semi-definida negativa, entonces el punto de equilibrio xo = 0 es estable, pero nada se puede decir de la estabilidad asinttica de este. Es poco auspicioso el hecho de encontrar que la funcin de energa del pndulo no permite concluir que el origen es asintticamente estable, an cuando es obvio que lo es (el pndulo siempre queda en reposo si no hay fuerza externa al considerar roce).

Teorema: Lyapunov para Estabilidad Global: Asumir que existe una funcin escalar V(x), con

derivadas de primer orden continuas tal que, - V(x) es definida positiva, - V ( x ) es definida negativa, - V(x) cuando || x || , entonces el punto de equilibrio xo = 0 es globalmente asintticamente estable.

(a)

(b)

Fig. 2.6 Derivada de la Funcin de Lyapunov del Ejemplo 2.4; a) vista 1, b) vista 2.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

25

Ejemplo 2.6. Estudie la estabilidad del sistema x = ax + bx 5 con a = 0. R.: El sistema queda x = bx 5 el que no puede ser descrito mediante linealizacin para efectos de analizar la estabilidad. Si se define V(x) = x2, entonces V ( x ) = 2x x = 2bx6 < 0 si b < 0 x. Por lo que el x = 0 es globalmente asintticamente estable. Es globalmente, puesto que se cumple tambin que V(x) cuando | x | . En general, para el caso x + f ( x ) = 0 si se cumple que xf(x) > 0 para x 0 y xf(x) = 0 para x = 0, entonces el x = 0 es globalmente asintticamente estable (una funcin de Lyapunov es V(x) = x2), , Fig. 2.2(c).

En el caso de que V (x ) es semi-definida negativa nada se puede concluir respecto de la estabilidad asinttica. Este es el caso del pndulo y del resorte al utilizar la funcin de energa como funcin de Lyapunov. Los siguientes teoremas ayudan en estos casos.
C. Teoremas de los Conjuntos Invariantes.

Permiten en el caso de encontrar V (x ) semi-definida concluir respecto de la caracterstica asinttica del punto de equilibrio.
Def.: Un conjunto G es un conjunto invariante para un sistema dinmico si cada trayectoria del

sistema, que parte desde un punto en G, ste permanece en G para todo tiempo futuro. Son por ejemplo: puntos de equilibrio, dominio de atraccin, ciclos lmite, etc. Un caso trivial podra ser todo el espacio de estados.
Teorema: Conjuntos Invariantes Local: Considerar un sistema autnomo x = f ( x ) , con f continuo,

y sea V(x) una funcin escalar con primeras derivadas parciales continuas. Asumir que, - para algn l > 0, la regin l definida por V(x) < es acotada, - V (x ) 0 para todo x en l, y sea R en conjunto de puntos dentro de l donde V ( x ) = 0 y M el ms grande conjunto invariante en R. Entonces, cada solucin x(t) que se origine en l tender a M a medida que

V(x) V(x) = l

l R M

x1

x2

Fig. 2.7 Conjuntos invariantes geomtricamente.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

26

t (Fig. 2.7).
2 2 4 Ejemplo 2.7. Estudiar el caso del resorte. R.: Se tena V ( x ) = 1 / 2mx 2 + 1 / 2k 0 x1 + 1 / 4k1 x1 y V ( x ) = b | x 2 |3 0 por lo

que slo se puede identificar a x = 0 como estable. El teorema anterior indica que R: V ( x ) = b | x 2 |3 = 0 x2 = 0; es decir, el conjunto R est dado por los pares (x1, x2 = 0) = (x1, 0). M es el conjunto invariante ms grande dentro de R y para encontrarlo asumamos que M = R por lo que tales pares pueden ser (x1, 0); sin embargo, la ecuacin del resorte es 3 mx + bx | x | + k 0 x + k1 x 3 = 0 que se puede escribir como mx 2 + bx 2 | x 2 | + k 0 x1 + k1 x1 = 0 por lo que los pares de M deben
3 cumplir con mx 2 + k 0 x1 + k1 x1 = 0 , como x1 es arbitrario entonces x 2 0 lo que implica que x2 0 y con esto se sale del conjunto M. La nica condicin es cuando adems se cumple que x1 = 0. Por lo tanto, el conjunto es M: (0, 0), y de acuerdo al teorema anterior, el (0, 0) es entonces asintticamente estable.

Corolario: Considerar un sistema autnomo x = f ( x ) , con f continuo, y sea V(x) una funcin escalar

con primeras derivadas parciales continuas. Asumir que en una vecindad del origen, - V(x) definida positiva localmente, - V ( x ) semi-definida negativa, - el conjunto R tal que V (x ) = 0 no contiene trayectorias de x = f ( x ) que no sea x 0, entonces, el punto de equilibrio xo = 0 es asintticamente estable. Ms an, la regin ms grande en l (definida por V(x) < l) en es un dominio de atraccin del punto de equilibrio.
Teorema: Conjuntos Invariantes Global: Considerar un sistema autnomo x = f ( x ) , con f continuo,

y sea V(x) una funcin escalar con primeras derivadas parciales continuas. Asumir que, - V ( x ) 0 en todo el espacio de estado, - V(x) cuando || x || , y sea R el conjunto de todos los puntos donde, V ( x ) = 0, y M el conjunto invariante ms grande en R. Entonces todas las soluciones convergen globalmente asintticamente a M cuando t .
Ejemplo 2.8. Sea el caso x + b( x ) + c( x ) = 0 donde se cumple que xb( x ) > 0 para x 0 y xc(x) > 0 para x 0, Fig. 2.8.

c( x)

b( x )

Fig. 2.8 Funciones del Ejemplo 2.8 para satisfacer el criterio de estabilidad asinttica.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

27

Analizar la estabilidad del origen. R.: Sea la funcin de Lyapunov V ( x, x ) =

1 2 x + c( y )dy , de donde se obtiene que 2


0

V ( x, x ) = xx + c( x ) x = xb( x ) 0 por lo tanto el origen es estable. El teorema anterior indica que R: V ( x, x ) = xb( x ) = 0 x = 0; es decir, el conjunto R est dado por los pares (x, x = 0) = (x, 0). M es el conjunto invariante ms grande dentro de R y por tanto es (0, 0). As y de acuerdo al teorema anterior, el (0, 0) es globalmente asintticamente estable, puesto que 1 V ( x, x ) = x 2 + c( y )dy cuando || x || . 2
0

2.4 Anlisis de Sistemas Basados en el Mtodo Directo de Lyapunov.


La mayor dificultad es encontrar la funcin de Lyapunov. Algunos mtodos para encontrarla son (a) experiencia, (b) intuicin, y (c) fsica del sistema.
A. Anlisis de Lyapunov de Sistemas Lineales Invariantes.

Para esto es necesario introducir el concepto de matriz definida positiva.


Def.: Una matriz cuadrada M de nn es definida positiva si x 0 entonces se cumple que x Mx > 0.
T

Una condicin necesaria para que M sea definida positiva es que los elementos de su diagonal sean positivos. Si M es simtrica, M es definida positiva si y slo si sus menores principales (m11, m11m22 m21m12, ..., det{M}) son todos estrictamente positivos o todos sus valores propios son positivos (Teorema de Silvester). Con este resultado se puede establecer un procedimiento para sistemas lineales. Sea el sistema dado por x = Ax y una funcin de Lyapunov V(x) = xTPx la cual es definida positiva si P es definida positiva. Al obtener V ( x ) se tiene que V ( x ) = x T Px + x T Px = -xT(-ATP - PA)x = -xTQx, por lo que si Q = -(ATP + PA) es definida positiva, entonces el origen es asintticamente estable. Un alternativa es darse la matriz Q definida positiva, encontrar la matriz P y si esta es definida positiva, entonces se concluye que el origen es asintticamente estable. Lamentablemente si P no es definida positiva nada se puede concluir. Para esto se tiene el siguiente teorema.
Teorema: Una condicin necesaria y suficiente para que un sistema lineal invariante x = Ax sea

estrictamente estable es que, para cualquier matriz Q simtrica definida positiva, la solucin P de la ecuacin de Lyapunov Q = -(ATP + PA) sea definida positiva simtrica.
4 0 Ejemplo 2.9. Sea el caso lineal donde A = , determine la estabilidad del origen. R.: Se opta por la matriz Q = 8 12 p12 0 4 1 0 p 0 8 p11 p12 + 11 I por lo que A T P + PA = p = cuya solucin, considerando p12 = 4 12 21 p 22 p 21 p 22 8 12 0 1 1 5 1 p21, p11 = 5/16, p12 = p22 = 1/16, es P = . La matriz P es definida positiva por cuanto es simtrica y sus valores 16 1 1 propios son (3 5)16, ambos positivos.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

28

B.

Mtodo de Krasovskii

Corresponde a una extensin del mtodo lineal a sistemas no-lineales del tipo x = f ( x ) .
Teorema: Sea el sistema autnomo x = f ( x ) con el origen como punto de equilibrio y sea A(x) el

Jacobiano A(x) = f(x)/x. Si la matriz F(x) definida como F(x) = A(x) + A(x)T es definida negativa en un entorno , entonces el origen es un punto de equilibrio asintticamente estable. Una funcin de Lyapunov para ese sistema es V(x) = f(x)Tf(x). Si es todo el espacio de estados y V(x) cuando || x || , entonces el punto de equilibrio es globalmente asintticamente estable.
3 Ejemplo 2.10. Sea el caso x1 = 6 x1 + 2 x 2 , x2 = 2 x1 6 x2 2 x2 determine la estabilidad del origen. R.: Se tiene que 2 4 12 f ( x ) 6 T A(x ) = = 2 por lo que F( x ) = A ( x ) + A ( x ) = 2 que es definida negativa en todo 12 12 x2 x 2 6 6x2 4 el espacio de estados (sus valores propios son siempre negativos). Adems, se encuentra que V(x) = f(x)Tf(x) = 3 2 ( 6 x1 + 2 x 2 ) 2 + ( 2 x1 6 x 2 2 x 2 ) cuando || x || por lo que la estabilidad es global.

C.

Funciones de Lyapunov Mediante Anlisis Fenomenolgico.

Un uso intensivo de la fsica del sistema debera permitir encontrar la funcin de Lyapunov. Sea el caso de un brazo robtico. La ecuacin matricial que describe el sistema es,
H ( q )q + b ( q , q ) + g ( q ) = ,

donde, q: vector de posicin (n1), : torques de entrada, g: vector de torques gravitacionales, b: fuerzas de coriolis y centrpeta y H(q): matriz de inercias que es definida positiva. Sea el controlador PD con compensador de torques gravitacionales = K D q K P q + g (q ) donde KD y KP son matrices definidas positivas de nn. Ntese que el control PD introduce damping. Sea la funcin de Lyapunov 1 V (q, q ) = {q T H(q )q + q T K P q} donde el primer trmino representa la energa cintica y el segundo la 2 energa potencial. Entonces, V (q, q ) = q T ( g ) + q T K P q = q T K D q . Como KD es definida positiva entonces V (q, q ) es semi-definida negativa lo que indica que el origen qo = 0 es slo estable. Sin embargo, el teorema de conjuntos invariantes asegura que el origen es adems asintticamente estable (en este caso R: (q, q = 0) por lo que M es slo el origen). Es ms, dado que V (q, q ) cuando || q || , el origen es globalmente asintticamente estable.
D. Anlisis de Velocidad de Convergencia

En sistemas que convergen al origen puesto que son asintticamente estables la pregunta que se tiene es cun rpido lo hacen. Esta pregunta se responde por separado en sistemas lineales y luego no-lineales.
En sistemas lineales se tiene el siguiente lema.
Lema:

Si una funcin real w(t) satisface w(t ) + w(t ) 0 donde es un nmero real, entonces siempre se cumple que w(t ) w(0)e t .

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

29

Si se hace w(t ) + w(t ) = z (t ) entonces z(t) es negativa o cero. La solucin de esta ecuacin es
w(t ) = w(0)e t + e ( t ) z (t )d
0

donde la parte de la integral es siempre negativa o cero dado que z(t) es

negativa o cero. Por lo tanto, se cumple que w(t ) w(0)e t . Por otro lado, de la teora de matrices, para A simtrica definida positiva se cumple que min(A)xTx xTAx max(A)xTx (por cuanto los valores propios son iguales a los valores singulares) y si se ( Q) T ( Q) considera a = min x ( max ( P)I )x V . Como V ( x ) = , se puede escribir, x T Qx min max ( P) max ( P) xTQx entonces V ( x ) -V(x) y por el lema anterior V ( x ) V (0)e t o tambin x T Px V (0)e t y considerando que min ( P) || x(t ) ||2 x T Px , entonces min ( P) || x(t ) ||2 V (0)e t de donde finalmente se tiene que || x(t ) ||
V (0) 2 t e , lo que implica que el vector de estados converge con una razn de min ( P) convergencia de a lo menos /2.

En sistemas no-lineales se tiene para cada caso un anlisis distinto. Sea por ejemplo el caso 2 2 2 2 x1 = x1 ( x12 + x 2 2) 4 x1 x2 , x 2 = 4 x12 x2 + x2 ( x12 + x2 2) en donde se utiliza V ( x ) = x12 + x2 = || x ||2 dV lo que resulta en V = 2V (V 2) de donde se puede obtener que = 2dt , cuya solucin es V (2 V ) V (t ) = V (0) e 2 t , con = . Si || x(0) ||2 = V(0) < 2, es decir si la trayectoria esta dentro del 2 t 1 + e 2 V (0)

circulo de radio 2 , > 0 y por lo tanto V (t ) < e 2 t o tambin que || x ||2 < e-2t. Finalmente, || x || < e-t por lo que la norma del vector de estados || x || converge exponencialmente a cero con una razn de convergencia menor a 1.

2.5 Diseo de Sistemas Basado en Lyapunov.


Hasta ahora no se ha hecho mencin del tipo de entrada presente en un sistema ni cmo debe escogerse en un sistema en particular. Uno de los problemas de control es encontrar la entrada adecuada para estabilizar al sistema.
A. Regulador No-lineal.

Sea por ejemplo el sistema definido por la ecuacin, x x 3 + x 2 = u . Se debe encontrar la entrada u para estabilizar el sistema. La ecuacin se asemeja al caso x + b( x ) + c( x ) = 0 donde debe asegurarse que xb( x ) > 0 para x 0 y xc(x) > 0 para x 0 para asegurar la estabilidad del sistema. Por lo tanto, si se hace la entrada u = u1 ( x ) + u2 ( x ) se tiene el sistema resultante, x + ( x 3 u1 ( x )) + ( x 2 u2 ( x )) = 0 , de donde se tienen las restricciones,
a) b)
Lo que puede ser re-escrito como,
Copyright por Prof. Jos R. Espinoza C.

( x 3 u1 ( x )) x > 0 ( x 3 + u1 ( x )) x < 0 para x 0 ( x 2 u2 ( x )) x > 0 para x 0

Apuntes: 543 703

30

x2 u1 ( x ) x

u 2( x ) x

x3

Fig. 2.9 reas para las entradas estabilizadoras del controlador regulador.

a) b)

si si

x > 0 x 3 + u1 ( x ) < 0 x > 0 x 2 u2 ( x ) > 0 x > 0 u1 ( x ) < x 3 x > 0 u2 ( x ) < x 2

y y

si si

x < 0 x 3 + u1 ( x ) > 0 x < 0 x 2 u2 ( x ) < 0 x < 0 u1 ( x ) > x 3 x < 0 u2 ( x ) > x 2

y que finalmente resulta en

a) b)

si si

y y

si si

La Fig. 2.9 muestra el rea donde se puede encontrar la funcin u1( x ) y u2(x) para asegurar el cumplimiento de las restricciones.
B. Controlador Robusto.

Es de inters cuando hay incertidumbre en los parmetros. En este caso se necesita un controlador robusto. Sea por ejemplo, x + 1 x 3 + 2 x 2 = u , en donde 1 y 2 tienen los rangos 1 > -2 y |2| < 5 para lo cual hay que disear u de manera que se asegure que el origen sea asintticamente estable. Para u = u1 ( x ) + u2 ( x ) por lo que se obtiene esto se define la entrada como x + ( 1 x 3 u1 ( x )) + ( 2 x 2 u2 ( x )) = 0 . La estabilidad se asegura si,
a) b)
Lo que puede ser re-escrito como,

( 1 x 3 u1 ( x )) x > 0 para x 0 ( 2 x 2 u2 ( x )) x > 0 para x 0

5 x2 u1 ( x ) x u 2( x ) x

-5x2 2 x3

Fig. 2.10 reas para las entradas estabilizadoras del control robusto.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

31

a) b)

si si

x > 0 1 x 3 u1 ( x ) > 0 x > 0 2 x 2 u2 ( x ) > 0 x > 0 u1 ( x ) < 1 x 3 x > 0 u2 ( x ) < 2 x 2

y y

si si

x < 0 1 x 3 u1 ( x ) < 0 x < 0 2 x 2 u2 ( x ) < 0 x < 0 u1 ( x ) > 1 x 3 x < 0 u2 ( x ) > 2 x 2

y que finalmente resulta en

a) b)

si si

y y

si si

La Fig. 2.10 muestra el rea donde se puede encontrar la funcin u1( x ) y u2(x) para asegurar el cumplimiento de las restricciones.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

32

Teora de Estabilidad Avanzada.


En este captulo se extienden los conceptos de estabilidad desarrollados para sistemas no-lineales autnomos a sistemas no-lineales no-autnomos. Son el caso particular de sistemas en que hay parmetros que dependen del tiempo, condicin que se encuentra en mayor o menor grado en todos los sistemas fsicos reales. Para su anlisis se presentan nuevas definiciones y herramientas matemticas. Similarmente al caso de sistemas autnomos, los conceptos ms importantes son los asociados a estabilidad local y global para lo cual se recurre a la Teora de Lyapunov Avanzada.

3.1 Conceptos de Estabilidad


Los sistemas no-autnomos son caracterizados por la ecuacin general,

x = f ( x, t ) ,
en el cual se asume que la entrada est redefinida en funcin de las variables de estado y por tanto la x a (t ) , en donde claramente expresin est en una forma generalizada. Un caso particular es, x = 1+ x2 el parmetro a(t) hace que el sistema sea no-autnomo. La definicin de punto de equilibrio entonces queda como sigue.
Def.: El sistema no-autnomo dado por x = f ( x, t ) tiene a xo como punto de equilibrio si se cumple

f ( x, t o ) = 0 t to. Es decir, el sistema permanece en xo para todo tiempo futuro a to.


Ejemplo 3.1. Sea el sistema lineal variante en el tiempo x = A (t )x el cual tiene a xo = 0 como punto de equilibrio siempre x que A(t) es no singular. Estudie el caso no-lineal variante en el tiempo x = a (t ) + b(t ) . R.: El origen xo = 0 es el 1 + x2 punto de equilibrio si b(t) = 0 y no tiene puntos de equilibrio si b(t) 0.

Def.: El punto de equilibrio xo = 0 es estable a to si para cualquier R > 0, hay un r(R, to) > 0, tal que

satisface || x(to) || < r, entonces || x(t) || < R para todo t to. De otra manera el punto de equilibrio es inestable.

Def.: Un punto de equilibrio xo = 0 es asintticamente estable al instante to si es estable y si, en adicin,

existe algn r(to) > 0 tal que || x(to) || < r(to) implica que x(t) 0 cuando t .

Def.: Un punto de equilibrio xo = 0 es exponencialmente estable si existen dos nmeros estrictamente

positivos y tal que para un x(to) suficientemente pequeo se cumple que || x(t) || || x(to) ||e-

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703


(t - to)

33

para todo t to.

Def.: El punto de equilibrio xo = 0 es globalmente asintticamente estable si x(to) se cumple que

x(t) 0 cuando t .

a ( r ) dr

Ejemplo 3.2. Estudie la estabilidad del sistema x (t ) = a (t ) x (t ) cuya solucin es x(t ) = x (to )e
0

to

. R.: El sistema es

estable si a(t) 0, t to; es asintticamente estable si a ( r )dr = + ; es exponencialmente estable si existe un nmero positivo T tal que t 0 a ( r )dr , con constante y positivo. As, para a (t ) =
t t +T

1 el sistema es estable pero no (1 + t ) 2

asintticamente estable, para a (t ) = exponencialmente estable.

1 el sistema es asintticamente estable y para a(t) = t el sistema es (1 + t )

Def.: El punto de equilibrio xo = 0 es localmente uniformemente estable si el escalar r en la definicin

de estabilidad puede ser escogido independiente de to; es decir, r = r(R).


Def.: El punto de equilibrio xo = 0 es localmente uniformemente asintticamente estable si ste es

uniformemente estable y hay una esfera de atraccin BRo, cuyo radio es independiente de to, tal que cualquier trayectoria con estados iniciales en BRo converge a xo = 0 uniformemente en to. Por convergencia uniforme en trminos de to se entiende que todo R1 y R2 que cumplen 0 < R2 < R1 Ro T(R1, R2) > 0 tal que to 0 se cumple que || x(to) || < R1 || x(t) || < R2, t to + T(R1, R2). Es decir, la trayectoria de los estados, que parte dentro de una esfera BR1, converge en una esfera menor BR2 despus de un perodo T que es independiente de to. El concepto de globalmente uniformemente asintticamente estable se puede definir reemplazando la bola BRo por todo el espacio de estados.
1 + to x . R.: El sistema tiene por solucin a x (t ) = x (t o ) que 1+ t 1+ t converge asintticamente al origen pero su convergencia no es uniforme puesto que intuitivamente para grandes valores de to se requiere ms tiempo para llegar al origen.

Ejemplo 3.3. Estudiar la convergencia uniforme de x =

3.2 Anlisis de Sistemas Noautnomos


Aqu se revisan los principios de estabilidad de sistemas no-autnomos. Para esto se explora el efecto de dualidad entre stos y los sistemas autnomos.
A. Mtodo Directo de Lyapunov Aplicado a Sistemas NoAutonomos.

Como es de esperar, se necesita reformular el concepto de funciones definidas positivas y sus derivados para sistemas no-autnomos.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

34

Def.: Una funcin escalar continua tiempo-variante V(x, t) se dice localmente definida positiva si

V(0, t) = 0 y existe una funcin definida positiva tiempo-invariante V0(x) tal que V(x, t) V0(x), t to.

Informalmente se dice que V(x, t) es localmente definida positiva s domina a una funcin definida positiva tiempo-invariante V0(x). Definiciones similares se tienen para semi-definida positiva, negativa, semi-definida negativa y para global. As, una funcin V(x, t) es definida negativa si la funcin -V(x, t) es definida positiva. Una funcin V(x, t) es semi-definida positiva si domina a una funcin tiempoinvariante semi-definida positiva V(x). Finalmente, V(x, t) es semidefinida-negativa si -V(x, t) es semidefinida positiva. Adems, se hace necesario introducir el concepto de funciones decrecientes.
Def.: Una funcin escalar V(x, t) es decreciente si V(0, t) = 0 y existe una funcin definida positiva

tiempo-invariante V1(x) tal que V(x, t) V1(x), t 0. Se dice que V(x, t) es decreciente si es dominada por una funcin definida positiva tiempo-invariante V1(x).
2 2 Ejemplo 3.4. Estudie si la funcin V ( x, t ) = (1 + sen 2 (t ))( x1 + x2 ) es definida positiva. R.: Lo es, puesto que domina la 2 2 2 2 funcin tiempo-invariante V0 ( x ) = x1 + x2 y es decreciente dado que es dominada por la funcin V1 ( x ) = 2( x1 + x2 ).

Ntese que en este caso se tiene que la derivada a lo largo de la trayectoria es,
dV V V dx = + x dt dt t V V = + x t x V V = + f ( x, t ) t x

El resultado resumido del teorema de Lyapunov se tiene a continuacin.


Teorema: Lyapunov para Sistemas No-Autnomos: Si, en una bola BRo alrededor del xo = 0 existe

una funcin escalar V(x, t) con primeras derivadas parciales continuas tal que, 1. V(x, t) es definida positiva, 2. V ( x, t ) es semi-definida negativa,

entonces el punto de equilibrio xo = 0 es estable en el sentido de Lyapunov. Si adems, 3. V(x, t) es decreciente, entonces el punto de equilibrio xo = 0 es uniformemente estable. Si la condicin 2 es restringida a que V ( x, t ) sea definida negativa, entonces el xo = 0 es uniformemente asintticamente estable . Si la bola BRo es reemplazada por todo el espacio de estados, y se cumple 1, 2 restringida y 3, y adems,
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

35

4. V(x, t) es radialmente no acotada, entonces el punto de equilibrio xo = 0 es globalmente uniformemente asintticamente estable.
Ejemplo 3.5. El sistema dado por x1 (t ) = x1 (t ) e 2t x 2 (t ) , x 2 (t ) = x1 (t ) x 2 (t ) tiene al origen como punto de equilibrio. Determine la estabilidad de ste. R.:
2 2 Condicin 1: la funcin V ( x, t ) = x1 + (1 + e 2t ) x 2 es definida positiva puesto que domina la funcin definida positiva 2 2 tiempo-invariante V ( x ) = x1 + x2 se cumple condicin 1. 2 2 2 2 x1 x 2 + x 2 (1 + 2e 2t )) V ( x, t ) = 2( x1 x1 x 2 + x 2 (1 + 2e 2t )) que es definida Condicin 2: como V ( x, t ) = 2( x1 2 2 x1 x 2 + x 2 ) positiva pues domina a la funcin tiempo-invariante definida positiva V ( x ) = 2( x1 2 2 = ( x1 x 2 ) 2 + x1 + x2 por lo que V ( x, t ) es definida positiva o V ( x, t ) es definida negativa se cumple la condicin 2 en su modo restringido. 2 2 Condicin 3: al considerar la funcin tiempo-invariante definida positiva V ( x ) = x1 + 2 x2 se tiene que V(x) V(x, t); es decir, V(x, t) es dominada por V(x) y por tanto V(x, t) es decreciente se cumple la condicin 3. Condicin 4: dado que V(x, t) no es acotada se cumple la condicin 4.

Por lo tanto, el origen es globalmente uniformemente asintticamente estable.

En sistemas autnomos bastaba con tener V(x, t) definida positiva y V ( x, t ) definida negativa para asegurar la estabilidad asinttica del origen. En sistemas no-autnomos debe cumplirse adems que V sea decreciente. Esta caracterstica se observa en el siguiente ejemplo.
g (t ) x(t ) tiene al origen como punto de equilibrio. Determine la estabilidad de g (t ) ste para lo cual considere que g(t) es como ilustrado en la Fig. 3.1(a). R.: La funcin g2(t), Fig. 3.1(b), cumple con

Ejemplo 3.6. El sistema dado por x(t ) =


2

g
0

(r )dr <

e
0

dr +

1/ 2
n =1

= 2. Esto porque el rea de la funcin g2(t) es siempre menor que el rea de e-t y de la suma

del tren de triangulares. En general, este tren de pulsos debiera cumplir con un ancho menor a 1/2n, Fig. 3.1(a). Por lo tanto, Condicin 1: la funcin V ( x, t ) =
t x2 g 2 (r )dr es definida positiva puesto que domina la funcin definida positiva 3 2 g (t ) 0

tiempo-invariante V ( x ) = x 2 se cumple condicin 1. Condicin 2: al obtener V (x, t ) =


t g t x2 V V 2x x2 2 g f (x, t ) + = 2 3 g 2 (r )dr x 3 3 g 2 (r )dr 2 g 2 = -x2 bien x t g g g 0 g 0

V ( x, t ) = x 2 se observa que es definida positiva pues domina a la funcin tiempo-invariante definida

positiva V ( x ) = 0.5 x 2 por lo que V ( x, t ) es definida positiva o V ( x, t ) es definida negativa se cumple la condicin 2. Hasta aqu se cumple que V(x, t) es definida positiva y que V ( x, t ) es definida negativa por lo que se podra pensar que el
g (t ) x(to ) , que es g (to ) x(t) = g(t) con x(to) = g(to) = 1, Fig. 3.1(b), la cual no es asintticamente estable puesto que g(t) toca siempre el 1 a medida que t . Esto se puede explicar por la imposibilidad de encontrar una funcin definida positiva V(x) que domine a la funcin V(x, t), dado que la funcin V(x, t) toma valores que tienden a infinito a medida que t .

origen es asintticamente estable; sin embargo, la solucin general de la ecuacin diferencial es x(t ) =

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

36

Otro interesante ejemplo es la ecuacin diferencial de segundo orden dada por, x + c(t ) x + k o x = 0 , en donde se podra pensar que mientras c(t) sea positiva se tiene un factor de amortiguamiento y la solucin debiera tender al origen. Sin embargo, si por ejemplo c(t) = 2 + et y ko = 1 entonces la solucin es x(t) = 1 + e-t, la que no converge al origen. Para explicar este caso se revisa el siguiente ejemplo.
Ejemplo 3.7. El sistema dado por x + c (t ) x + k o x = 0 tiene al origen como punto de equilibrio. Determine la estabilidad de ste. R.:

Condicin 1: la funcin V ( x, t ) =

( x + x ) 2 b(t ) x 2 + donde b(t ) = k o 2 + c(t ) y es una constante positiva menor 2 2 que ko para que V(x, t) sea definida positiva considerando que domina a la funcin escalar invariante en el {b(t )}x 2 ( x + x ) 2 min tiempo, por ejemplo, dada por V ( x ) = + t se cumple condicin 1. 4 4 Condicin 2: al obtener V ( x, t ) = { c(t )}x 2 + {c(t ) 2k o }x 2 se tiene que V ( x, t ) = {c(t ) }x 2 + {2k o c(t )}x 2 es 2 2 definida positiva si c(t ) > y 2k o > c(t ) por lo que V ( x, t ) es definida negativa se cumple la condicin 2. Condicin 3: si c(t) es acotada entonces es posible encontrar una funcin tiempo-invariante definida positiva V(x) tal que se cumpla que V(x) V(x, t); es decir, V(x, t) es dominada por V(x), por ejemplo, V(x) = ( x + x) 2 + max{b(t )}x 2 ,y por tanto V(x, t) es decreciente se cumple la condicin 3.
t

En el caso anterior no se cumple que c(t) sea acotada por lo que no se garantiza que el origen sea asintticamente estable. Ntese que esta condicin es suficiente pero no necesaria; es decir, si c(t) es acotada entonces se asegura que el origen es asintticamente estable, caso contrario nada se puede decir. Este es el caso de la ecuacin x + ( 2 + 8t ) x + 5 x = 0 , donde el origen s es asintticamente estable aun cuando c(t) no es acotada.

Al igual que en el caso de sistemas autnomos, la linealizacin es una herramienta que permite el

e-t < 1/2n


0.5

(a)
0 0 0.5

n=1

1.5

n=2

2.5

n=3

3.5

n=4

4.5

g(t)
0.5

g2(t) (b)

0.5

n=1

1.5

n=2

2.5

n=3

3.5

n=4

4.5

Fig. 3.1 Funcin de prueba para el Ejemplo 3.6. (a) funciones auxiliares; (b) g(t) y g2(t).
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

37

anlisis en sistemas no-autnomos.


B. Anlisis de Lyapunov de Sistemas Lineales Variantes en el Tiempo.

En el caso de sistemas lineales se tiene que si la matriz A de la ecuacin de estados x = Ax tiene todos sus valores propios estables, entonces el origen es asintticamente estable. Desafortunadamente en sistemas lineales variantes esto no es verdad. Es decir, si en el sistema x = A (t )x la matriz A(t) tiene todos sus valores propios estables nada se puede concluir respecto de la estabilidad del origen.
Ejemplo 3.8. Estudie la estabilidad del sistema dado por x1 = x1 + e 2t x2 , x 2 = x 2 . R.: El sistema tiene una matriz
1 e 2t A (t ) = y sus valores propios son 1, 2 = -1, ambos estables; sin embargo, la solucin al problema es 0 1
x 2 = x 2 (0)e t y x1 + x1 = x 2 (0)e t , donde claramente si x2(0) 0 entonces x1 diverge.

Por otro lado, el sistema x = A (t )x es asintticamente estable si los valores propios de la matriz simtrica A(t) + A(t)T (los cuales son todos nmeros reales) permanecen siempre en el lado izquierdo del plano complejo. Es decir, > 0, i, t 0 tal que, i(A(t) + A(t)T) < -. Esto se puede demostrar usando Lyapunov con V = xTx, puesto que V = x T x + x T x = xT(A(t) + A(t)T)x -xTx = -V, de manera que t > 0, 0 xTx = || x ||2 = V(t) V(0)e-t y por lo tanto x tiende a cero exponencialmente con una razn de a lo menos /2. Es importante destacar que en el caso anterior se tiene una condicin suficiente, por lo que si no se cumple que los valores propios de la matriz A(t) + A(t)T son estables, nada se puede decir de la estabilidad del origen. Un par de casos especiales de sistemas lineales variantes son los siguientes. Sistemas lineales perturbados. Sea x = {A1 + A 2 (t )}x donde A 1 es constante y Hurwitz (todos sus

valores propios son estrictamente estables) y A2(t) 0 cuando t y sistema es global exponencialmente estable.

A 2 (t ) dt < entonces el

Condicin de suavidad suficiente para A(t). Si el sistema dado por x = A (t )x es tal que t 0 los valores propios de A(t) tiene parte real negativa > 0, i, t 0 tal que, e{i(A(t))} < - y si en

adicin la matriz A(t) permanece acotada y exponencialmente estable.


C.

A
0

(t ) A(t )dt < entonces el sistema es global

El Mtodo de Linealizacin para Sistemas No-autnomos

En el caso de los sistemas autnomos se tena la opcin de linealizacin para analizar la estabilidad. En el caso en que se encontraran valores propios en el modelo linealizado en el eje imaginario nada se poda concluir respecto de la estabilidad. Un aspecto importante es que la representacin lineal de sistemas autnomos es siempre invariante en el tiempo. Este no es el caso de sistemas no-autnomos en donde la representacin lineal es en general variante en el tiempo. f Sea el caso general no-linal x = f ( x, t ) = A(t )x + f h.o.t . ( x, t ) donde A (t ) = , si se cumple que: x x =0
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

38

f h .o . t . ( x, t ) lim sup ||x||0 x

=0

t 0,

(3.1)

entonces x = A(t )x es la linealizacin del sistema no-autnomo x = f ( x, t ) en torno al origen. La condicin (3.1) es equivalente a asegurar la convergencia uniforme que permite afirmar que los trminos de orden superior efectivamente no aportan una cantidad relevante an cuando el tiempo tienda a infinito. Esta condicin se puede reemplazar por,
f i ( x, t ) f ( x, t ) i x x =x1 x x =x 2 L x1 x 2
2 2

i, t 0,

donde L es un escalar finito. Esta ltima condicin se conoce como la condicin de Lipschitz.
Ejemplo 3.9. El sistema dado por x = x + tx 2 tiene por linealizacin a x = x , determine si sta es vlida. R.:
f ( x, t ) = x + tx 2 por lo que

f f i ( x, t ) = 1 + t 2 x y por tanto, x x

x = x1

f i ( x, t ) x

=
x =x 2 2

df ( x, t ) dx

x = x1

df ( x, t ) dx

=
x = x2

| 1 + 2tx1 ( 1 + 2tx 2 ) | L | x1 x 2 | , de donde 2t|x1 - x2| L|x1 - x2|, por lo que 2t L. Desafortunadamente, no se puede

encontrar L finito que satisfaga este resultado t 0, en particular para t . En conclusin, no se puede obtener una linealizacin que represente el sistema no-lineal original.

Los resultados anteriores son utilizados de base para los siguientes teoremas.
Teorema: Si el sistema linealizado es uniformemente asintticamente estable, entonces el punto de

equilibrio xo = 0 del asintticamente estable.

sistema original no-autnomo

es tambin uniformemente

Teorema: Si el Jacobiano A (t ) es constante y si la condicin de convergencia uniforme se cumple,

entonces la inestabilidad del sistema linealizado implica que el sistema original no-lineal no-autnomo es inestable.

Ntese que el caso de la linealizacin requiere de la convergencia uniforme y no cubre el caso de inestabilidad si el Jacobiano es variante en el tiempo.

3.3 Teoremas para la Inestabilidad.


Los teoremas anteriores sirven para probar la estabilidad de los sistemas. En el caso que las condiciones no se cumplan, nada se puede decir. Este es tambin el caso cuando los mtodos de linealizacin arrojan slo estabilidad marginal. Los siguientes teoremas son tiles para establecer la inestabilidad de sistemas.
Teorema: "Primer teorema": Si en una vecindad del origen, existe funcin escalar decreciente

continua diferenciable V(x, t) tal que, - V(0, t) = 0 t to,


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

39

- V(x, to) puede asumir valores positivos arbitrariamente cerca del origen, - V ( x, t ) es definida positiva (localmente en ), entonces el punto de equilibrio xo = 0 al instante to es inestable.

2 4 2 4 Ejemplo 3.10. El sistema dado por x1 = 2 x2 + x1 ( x1 + 2 x2 ) , x2 = 2 x1 + x2 ( x1 + x2 ) tiene por punto de equilibrio al

origen, determine su estabilidad. R.: La linealizacin resulta ser x1 = 2 x2 , x2 = 2 x1 cuyos valores propios son 2j, por lo
2 2 + x2 ) se obtiene que que nada se puede decir del origen como punto de equilibrio. Si se considera V = 1 / 2( x1 2 2 2 4 V = ( x1 + x2 )( x1 + x2 ) que es definida positiva por lo tanto el origen es inestable.

Teorema: "Segundo teorema": Si en una vecindad del origen, existe una funcin escalar

decreciente continua diferenciable V(x, t) tal que, - V(0, t) = 0 y V(x, to) puede asumir valores positivos arbitrariamente cerca del origen, - V ( x, t ) - V ( x, t ) 0, t to, x , con una constante positiva, entonces el punto de equilibrio xo = 0 al instante to es inestable.
2 2 Ejemplo 3.11. El sistema dado por x1 = x1 + 3x 2 sen 2 x 2 + 5 x1 x 2 sen 2 x1 , x 2 = 3x1 sen 2 x 2 + x 2 5 x1 x 2 cos 2 x1 tiene por 2 2 punto de equilibrio al origen, determine su estabilidad. R.: Al considerar V = 1 / 2( x1 x2 ) que asume valores positivos 2 2 2 2 x 2 V 2V = 5 x1 x 2 cumplindose as las condiciones del cerca del origen en la lnea x2 = 0, se obtiene que V = 2V + 5 x1 segundo teorema por lo que el origen es inestable.

Teorema: "Tercer teorema": Sea una vecindad del origen, si existe una funcin escalar V(x, t)

con primera deriva parcial continua, decreciente en , y en una regin 1 en tal que, - V(x, t) y V ( x, t ) son definidas positivas en 1, - el origen esta en el contorno de 1, - en el contorno de 1 dentro de , V(x, t) = 0 t to, entonces el punto de equilibrio xo = 0 al instante to es inestable.

3.4 Anlisis usando Lema de Barbalat


En sistemas autnomos si V es definido positivo y V es definido negativo, entonces el origen es asintticamente estable, si V es slo semi-definido negativo entonces la teora de conjuntos invariantes permite evaluar esta caracterstica. En el caso de sistemas no-autnomos se tiene equivalentemente el Lema de Barbalat.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

40

A.

Propiedades asintticas de funciones y sus derivadas

Caso 1. Si f (t ) 0 no implica que f converge cuando t . Este es el caso de f(t) = sin(log(t)), donde f (t ) = cos(log(t))/t que tiende a cero cuando t ; sin embargo, f no converge. Caso 2. Si f converge no implica que f (t ) 0 cuando t . Este es el caso de f(t) = e-tsin(e2t) que

tiende a cero cuando t ; sin embargo, f (t ) = -e-tsin(e2t) + e-tcos(e2t)2e2t = -e-tsin(e2t) + 2etcos(e2t) no es acotada. Caso 3. Si f es acotada inferiormente y decreciente ( f (t ) 0) entonces f converge a un lmite.
B. Lema de Barbalat

Es de inters el Caso 2 donde si f converge qu restriccin adicional debe imponerse en f (t ) para que f (t ) tienda a cero. El Lema de Barbalat aporta la respuesta.
Teorema: Si una funcin diferenciable f(t) tiene un lmite finito cuando t y

f (t ) es

uniformemente continua, entonces f (t ) 0 cuando t . Notar que, Una funcin g(t) es continua en [0, ) si : t1 0, R > 0, ( R, t1 ) > 0, t 0, t t1 <

g (t ) g (t1 ) < R

Una funcin g(t) es uniformemente continua en [0, ) si : R > 0, ( R ) > 0, t1 0, t 0, t t1 < g (t ) g (t1 ) < R Una alternativa es que una funcin es uniformemente continua si la derivada de la funcin es continua.
Corolario: Si la funcin diferenciable f(t) tiene lmite finito cuando t , y es tal que f (t ) existe y

es acotada, entonces f (t ) 0 cuando t . Por lo que finalmente el Lema de Barbalat es,


Lema:

Si una funcin V(x, t) satisface, - V(x, t) es acotada inferiormente, - V ( x, t ) es semi-definida negativa, - V ( x, t ) es uniformemente continua en el tiempo, entonces V ( x, t ) 0 cuando t .

Este lema implica que V(x, t) V tal que V V(x(0), 0).

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

41

Ejemplo 3.12. El sistema dado por e = e + (t ) , = e(t ) tiene por punto de equilibrio al origen, determine su

estabilidad si (t) es desconocido pero acotado. R.: Al considerar V = e 2 + 2 se tiene que V = 2e 2 lo que implica que V(t) V(0) y por tanto e y son acotados. Sin embargo, V es slo semi-definida negativa y como el sistema es noautnomo no se puede utilizar el teorema de los conjuntos invariantes. Para aplicar el lema de Barbalat se debe chequear la continuidad uniforme de V para lo cual se obtiene V = 4e( e + (t )) que es acotado dado que e, y lo son por lo que
V es uniformemente continuo. Por lo tanto, V = 2e 2 0 por lo que e 0 cuando t .

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

42

Anlisis Utilizando Funciones Descriptoras.


Los ciclos lmites aparecen en sistemas de toda naturaleza ya sea en forma natural y/o inducida. Los ms conocidos son los debidos a histresis, zonas muertas y controles on-off que a su vez obedecen a no-linealidades duras. El tratamiento de stos se facilita al utilizar el concepto de funcin descriptora, el cual aparece como una extensin natural del anlisis en frecuencia realizado en sistemas lineales a sistemas nolineales, en particular a aquellos caracterizados por no-linealidades duras. Es ms, el Criterio de Nyquist es tambin extendido a estos casos para facilitar el anlisis de estabilidad.

4.1 Introduccin.
La F.D. es una extensin natural del mtodo de anlisis en frecuencia utilizado en sistemas lineales. Sus mayores limitaciones son que es un mtodo aproximado y sirve esencialmente en sistemas en donde hay presuncin de la presencia de ciclos lmites.
A. Ejemplo: Ecuacin de Van der Pol.

Sea el sistema descrito por la ecuacin no-lineal de segundo orden, x + ( x 2 1) x + x = 0 , lo que se puede escribir como, x x + x = xx 2 . Si se define a u como xx 2 = u , entonces se tiene una ecuacin lineal por lo que se utiliza Laplace para su anlisis, quedando,
x = 2 , u s s + 1

y una no-lineal dada por, u = xx 2 . Ambas partes pueden ser representadas como ilustrado en la Fig. 4.1(a). Si se asume que el sistema est oscilando permanentemente se tiene que x = Asen(t) por lo que x = Acos(t). Al reemplazar esta expresin en la definicin de u se tiene que u = xx 2 queda como,
u = A 2 sen 2 (t ) A cos(t ) A3 (1 cos(2t )) cos(t ) , 2 A3 = (cos(t ) cos(3t )) 4 =
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

43

de donde u tiene un tercer armnico. Si el bloque lineal es un pasa bajos, entonces el tercer armnico se puede eliminar, as u queda: u A3 A2 d A2 d cos(t ) = ( A sen(t )) = ( x) . 4 4 dt 4 dt

Esto implica que el bloque no-lineal puede ser aproximado por un bloque lineal cuya ganancia depende de A Fig. 4.1(b). Por lo tanto, la entrada (-x) y salida (u) del bloque no-lineal pueden relacionarse por, u = N ( A, )( x ) , A2 ( j) para el caso del oscilador de Van der Pol. Esta funcin que depende de la 4 amplitud de la seal de entrada y de la frecuencia se conoce como funcin descriptora. Para obtener la amplitud y frecuencia de la oscilacin se procede a considerar el diagrama de la Fig. 4.1(b). donde N ( A, ) =
A2 x = Asen ( t ) = j( Asen ( t )) , ( j) 2 ( j) + 1 4

de donde se obtiene la ecuacin,


1 = A2 j . ( j) 2 ( j) + 1 4

La solucin de esta ecuacin compleja (parte real y parte imaginaria) es = 1 y A = 2, cuyos valores no dependen de . Es decir, el sistema tiene una oscilacin con una amplitud de A = 2 a una frecuencia angular de = 1, independiente de .

xd = 0 +
-

s + ()2

2 s s + 1

a)

xd = 0 +
-

A2 s 4

2 s s + 1

b) Fig. 4.1 Oscilador de Van der Pol; a) diagrama equivalente, b) diagrama equivalente con F.D..
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

44

Para analizar la estabilidad del ciclo lmite, se puede obtener la ecuacin caracterstica (asumiendo que A es constante) a partir de la Fig. 4.1(b), que es: 1+ cuyos valores propios son,
1 1 2 2 1, 2 = ( A2 2 2 ) ( A 22 )2 1 , 8 64

A2 =0, s 2 4 s s + 1

de donde se aprecia que si A < 2 se tiene que 1,2 tienen parte real positiva, por lo que el sistema diverge y por lo tanto la oscilacin crece en amplitud, y si A > 2 se tiene que 1,2 tienen parte real
Oscilador (Plano de Fase)
4 4

Oscilador (Respuesta en el Tiempo)

a)
Oscilador (Plano de Fase)
4 4

Oscilador (Respuesta en el Tiempo)

b)
Oscilador (Plano de Fase)
4 5 2

Oscilador (Respuesta en el Tiempo)

2 5 3 2 1 0 1 2 3 4 0 1 2 3

c) Fig. 4.2 Simulaciones para el oscilador de Van der Pol; a) = 0.3, b) = 0.5, c) = 2.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

45

negativa, por lo que el sistema tiende a converger y por lo tanto la oscilacin decrece en amplitud. Por lo tanto, para A = 2 se espera un ciclo lmite. La Fig. 4.2 muestra simulaciones para = 0.3, 0.5 y 2. Los resultados muestran que modifica los resultados pero el anlisis anterior no lo acusa. Especficamente, se encuentra que para valores pequeos de , los resultados esperados se acercan al caso real.
B. Dominio de Aplicaciones y Simplificaciones.

La utilizacin de funciones descriptoras es limitado y para su utilizacin se deben considerar simplificaciones a los sistemas. La limitacin fundamental es que los sistemas a analizar estn contenidos en esquemas como el ilustrado en la Fig. 4.3(a). Las restricciones y simplificaciones son las siguientes. i) ii) Slo hay una no-linealidad. En el caso de coexistir varias, se debern reducir a una sola o simplemente considerar la ms relevante. El componente no-lineal debe ser invariante en el tiempo. Afortunadamente la mayora de los sistemas que generan ciclos lmites son autnomos. En estos casos se puede utilizar el Criterio de Nyquist Extendido. Se considera slo una salida sinusoidal. Esto es posible si el bloque lineal de la Fig. 4.3(a) es un pasa bajos lo que ocurre en la mayora de los sistemas fsicos. La no-linealidad es impar. Esta restriccin es slo para simplificar el anlisis y especficamente permite no considerar trminos dc.
Definiciones Bsicas.

iii) iv)
C.

Sea x(t) = Asen(t) la entrada y sea u(t) la salida del bloque no-lineal, por lo tanto, u (t ) =

a0 + a n cos(nt ) + bn sin( nt ) , 2 n =1

donde, a0 =

1 1 1 u (t )dt = 0 , a n = u(t ) cos(nt )dt , bn = u (t ) sin( nt )dt .

Si se considera slo la primera componente de la salida u, se tiene que, u(t) u1(t) = a1cos(t) + b1sin(t) = Msin(t + ), donde, M = M(A, ) = a12 + b12 y = (A, ) = tg-1(a1/b1). En notacin compleja se tiene que la salida es u1 = Mej(t + ) = (b1 + ja1)ejt. Similarmente al concepto de respuesta
yd = 0
+ no-lineal lineal x u y

u = f ( x)

g ( j)

a)

yd = 0
+ -

N ( A, )
funcin descriptora

g ( j)
lineal

b) Fig. 4.3 Esquema para funciones descriptoras; a) diagrama general, b) diagrama utilizando F.D..
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

46

en frecuencia de la F. de T. (que es la razn de la entrada y la salida) se define la funcin descriptora N(A, ) del elemento no-lineal como el cuociente entre la componente fundamental de la salida y la entrada sinusoidal como ilustrado en la Fig. 4.3(b). Es decir, N ( A, ) = Me j ( t + ) M 1 = e = (b1 + ja1 ) Ae jt A A

Claramente, la F.D. depende de la entrada y adems es claro que es una funcin compleja. Es decir, para graficarla se pueden utilizar dos ejes independientes como son la frecuencia y la amplitud de la seal de entrada. En el caso del bloque no-lineal del oscilador de Van der Pol esta funcin est dada por A2 N ( A, ) = ( j) , es claro que depende de la frecuencia y amplitud de la entrada, adems resulta ser 4 un nmero complejo puro.
D. Clculo de Funciones Descriptoras.

El clculo puede ser analtico, numrico, o experimental. En este curso se optar por analizar los casos donde se pueden obtener en forma analtica como en el siguiente ejemplo.
Ejemplo 4.1. Sea el bloque no-lineal descrito por u(t) = x(t) + x3(t)/3, determine su F.D.. R.: Se asume una entrada x(t) =
1 Asen(t) por lo que u(t) = Asen(t) + (Asen(t)) /3, a1 = 0, y b1 =
3

{A sen(t ) + ( A sen(t ))

/ 3} sen( t )dt = A +

3/8A3. As, u1(t) = (A + 3/8A3)sen(t), por lo que finalmente N ( A, ) =

A + 3 / 8 A3 1 (b1 + ja1 ) = = 1 + 3 / 8 A2 . A A

4.2 No-linealidades Comunes y sus Funciones Descriptoras.


A continuacin se obtienen las funciones descriptoras de los elementos no-lineales ms comunes en la
u k u k t x

-k

A t

Fig. 4.4 F.D. del bloque no-lineal on-off.


Copyright por Prof. Jos R. Espinoza C.

x 4/

N(A)/k

A 1 3 5

Apuntes: 543 703

47

variadas disciplinas de la ingeniera.


A. Saturacin, Fig. 4.5.

Si A a u = kAsen(t). Por lo tanto, N(A, ) = k. Por otro lado, Si A > a /2 0 t kA sen(t ) 4 , donde = asen(a/A), por lo que a1 = 0 y b1 = u= u(t ) sen( t )d ( t ) = t /2 ka 0 2kA a a2 2k a2 a a 1 . Por lo tanto, N ( A , ) = N ( A ) = a sen 1 . Notar que N(A) es + + 2 2 A A A A A real y no depende de la frecuencia entonces se puede concluir que este bloque no-lineal no introduce desfase y tiene una respuesta en frecuencia plana.
B. Control On-Off, Fig. 4.4.
/2

4k 4 4k . Por lo tanto, N(A, ) = N(A) = . k sen( t )d ( t ) = 0 A Al igual que el bloque de saturacin, N(A) es real y no depende de la frecuencia, entonces se puede concluir que este bloque no-lineal no introduce desfase y tiene una respuesta en frecuencia plana. En este caso se tiene que a1 = 0 y b1 =
C. Zona Muerta, Fig. 4.6(a).

Si

A b u = 0. Por 0 t 0 u= , k ( A sen( t ) b) t /2
4
/2

lo

tanto,

N(A, ) = 0.

Por por

otro lo

lado, que

Si a1 = 0 =

A>b y N(A)

donde

= asen(b/A),

b1 = =

u(t ) sen(t )d (t ) =
0

2kA b b2 1 2 . A A 2

Por

lo

tanto,

N(A, )

u ka k a x

x 1

N(A)/k

A/a 1 3 5

Fig. 4.5 F.D. del bloque no-lineal saturacin.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

48

2k b2 b b 1 2 . Notar que a medida que A aumenta el efecto no-lineal desaparece. - a sen A A A 2


D. Backslash, Fig. 4.6(b).

Si

0.

Por

lo

tanto,

N(A, ) = 0.

Por

otro

lado,

Si

A>b

u k(A - b) t x

k b

N(A)/k 1

A/ t 1 3 5

a)
u u k(A - b) k b x t

|N(A)| 1

arg{N(A)} 0

Fig. 4.6 F.D. del bloque no-lineal; a) zona muerta, b) backslash.


Copyright por Prof. Jos R. Espinoza C.

/2 - t

-45

b/A 0.2 0.6 1.0

b)

Apuntes: 543 703

49

/ 2 t ( A b) k ( Asin( t ) b)k t 3 / 2 4kb b u= , donde = asen(1-2b/A), por lo que a1 = 1 y ( ) 3 / 2 2 t A b k A 2 < t 5 / 2 ( Asin( t ) b)k 2 1 Ak 2b 2b 2b a12 + b12 b1 = a sen 1 1 1 1 . Por lo tanto, |N(A, )| = |N(A)| = 2 A A A a y arg{N(A, )} = arg{N(A)} = atan(a1/b1). Notar que si A aumenta el efecto no-lineal finalmente desaparece. En este caso hay un desfase entre la entrada y la salida que debiera ir en desmedro de la estabilidad del sistema.

4.3 Anlisis de Sistemas utilizando Funciones Descriptoras.


Primero se obtiene la funcin descriptora del bloque no-lineal, luego se debe concluir respecto de la existencia de ciclos lmites y finalmente respecto de la estabilidad de stos. Para estos efectos se debe extender el Criterio de Nyquist a este tipo de sistemas, comenzando por una revisin del Criterio de Nyquist para sistemas SISO.
A. Criterio de Nyquist Extendido.

Para el sistema SISO ilustrado en la Fig. 4.7(a) se tiene una F. de T. en L.C. dada por la expresin: h(s) k g ( s ) , de donde se puede ver que los ceros de 1 + kg(s) son los polos de h(s), y demostrar que = 1 + k g ( s )
yd = 0
+ u y

g ( j)

a)

yd = 0
+ -

N ' ( A)

g ' ( j)

b)
plano s
j

plano g(s) jv
u

-1/k

c) Fig. 4.7 Diagramas para la estabilidad; a) en sistemas SISO, b) en sistemas con F.D., c) Criterio de Nyquist Extendido.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

50

los polos de 1 + kg(s) son tambin los polos de g(s). Por lo tanto, si se desea tener un sistema estable, la funcin 1 + kg(s) no deber contener ceros en el S.P.D. Por otro lado, el criterio de Nyquist indica que si el contorno de Nyquist encierra p polos y z ceros de la funcin 1 + kg(s), entonces el contorno transformado 1 + kg(s) encierra N = z - p veces al origen. Por lo tanto, si se desea tener un sistema estable, se debe tener que z = 0 y por tanto el contorno transformado deber encerrar el origen N = - p veces. Si adems se considera que el origen en el contorno transformado 1 + kg(s) es el punto 1/k, se puede establecer el Teorema de Nyquist como:
Teorema: Si el contorno encierra p polos de la funcin g(s), entonces el sistema en L.C. es estable

si el contorno transformado g(s) encierra N = - p veces al punto -1/k.

Una de las ventajas de este teorema es que permite deducir la estabilidad para valores arbitrarios de la ganancia k, al dibujar un nico contorno transformado. Para extender el criterio anterior puede considerarse que k es un nmero constante que no depende de y que puede ser complejo Fig. 4.7(c). Si este es el caso, entonces el teorema anterior se conoce como el Teorema de Nyquist Extendido. Por lo tanto, si el sistema dado por la Fig. 4.3(b) se puede transformar en uno como dado por la Fig. 4.7(b), entonces se puede aplicar el Teorema de Nyquist Extendido para determinar la estabilidad del ciclo lmite en donde la ganancia k = N(A) y g(j) = g(j) o en aquellos casos en que la funcin descriptora no depende de se tiene simplemente que k = N(A) y g(j) = g(j).
B. Existencia y Estabilidad de Ciclos Lmites.

Atendiendo a la Fig. 4.3(b) se tiene que x(t) = -y(t), u = N(A, )x, e y = g(j)u, por lo que el sistema cumple con, g ( j) = 1 . N ( A, )

Por lo tanto, si existen ciclos lmites, stos deben satisfacer la expresin anterior. Ntese que la expresin anterior es una ecuacin de nmero complejos y por lo tanto hay dos ecuaciones, una para la parte real y una para la parte imaginaria, de las cuales se puede determinar A y . Grficamente, en el caso de sistemas que se pueden llevar a la forma ilustrada en Fig. 4.7(b) o en casos en que la F.D. es independiente de , se puede plotear 1/N(A) y g(j) por separado y la interseccin de estas curvas define un ciclo lmite y la estabilidad se observa del Teorema de Nyquist Extendido. En efecto, si g(j) no contiene polos inestables, entonces los puntos encerrados por el Nyquist de g(j)
jv g(j) ciclo lmite u -1/N(A) -1/N(A) ciclo lmite
a) b) Fig. 4.8 Ciclo lmite estable (las flechas sobre las curvas indican aumento del parmetro en g(j) y A en 1/N(A)).
Copyright por Prof. Jos R. Espinoza C.

jv g(j) u

Apuntes: 543 703

51

son inestables (la amplitud A aumenta) y los puntos no encerrados por el Nyquist de g(j) son estables (la amplitud A disminuye). Por ejemplo, los casos ilustrados en la Fig. 4.8 muestran ciclos lmites estables por cuanto si se considera que g(s) no contiene polos inestables los puntos encerrados por el Nyquist aumentan A y los puntos no encerrados disminuyen A, por lo que las oscilaciones tienden al punto de interseccin.
kp , con s ( s + 2)( s + 4)

Ejemplo 4.2. Sea un sistema como el ilustrado en la Fig. 4.3(b) con un bloque lineal dado por g1(s) =

kp = 122.76 y un bloque no-lineal tipo zona muerta cuya F.D. es N(A) =

2 1 2 , con k = 1 y = - a sen 2 A A A 20. Determine los posibles ciclos lmites y su estabilidad. R.: Al considerar g1(j) = 1/N(A) se obtiene la ecuacin, 2k kp j( j + 2)( j + 4)

2k

2 a sen 1 2 A2 A A

que se puede simplificar a,


2k j = + ( 2 + 2 2 )( 2 + 4 2 ) ( 2 + 2 2 )( 2 + 4 2 ) 6k p k p ( 2 8) 2 a sen 1 , 2 A A 2 A
1

con lo que se obtienen las ecuaciones,

jv g1(j) ciclo lmite

Dead-Zone (Respuesta en el Tiempo)


500

250

u
0

-1/N(A)
inestable

250

500

a)

b)

jv
60

Dead-Zone (Respuesta en el Tiempo)

g2(j) ciclo lmite


30

u
0

-1/N(A)
estable

30

60

10

20

30

c)

d)

Fig. 4.9 Ciclo lmite de la zona muerta; a) y b) para g1(s), y c) y d) para g2(s).
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

52

k p ( 2 8) ( 2 + 2 2 )( 2 + 4 2 )

= 0,

de donde se obtiene que = 22 y la ecuacin,


2k = 2 2 2 2 ( + 2 )( + 4 )

6k p

2 1 2 , - a sen 2 A A A

de donde se obtiene que A = 40. Por lo tanto, de existir un ciclo lmite, debera tener esos parmetros. Para analizar la estabilidad se dibuja el Nyquist de g1(j) y 1/N(A), Fig. 4.9(a). Dado que g1(j) no contiene polos inestables los puntos 1/N(A) que no estn rodeados son estables y disminuyen A por lo que el ciclo lmite es inestable como se aprecia en la Fig. s + 0.25 , con kp = 3.0703 se tiene un Nyquist 4.9(b). Sin embargo, si la F. de T. del bloque lineal es g(s) = k p ( s 0.5)( s 0.7) como ilustrado en la Fig. 4.9(c) de donde se aprecia un ciclo lmite con = 0.806 y A = 40. La F. de T. tiene dos polos inestables por lo que los puntos 1/N(A) que estn rodeados dos veces en sentido anti-horaroio son estables. Afortunadamente estos puntos corresponden a una disminucin de A en 1/N(A) por lo que el ciclo lmite es estable como se aprecia en la Fig. 4.9(d).

C.

Confiabilidad del Mtodo.

El mtodo de la F.D. asume que los armnicos de orden superior son filtrados por el bloque lineal. Esto es una aproximacin (aun para sistemas lineales con caractersticas de pasa bajos) y, por lo tanto, las conclusiones derivadas del anlisis pueden ser errneas. Por ejemplo, (a) la amplitud y frecuencia del ciclo lmite pueden ser errneas, (b) se puede predecir un ciclo lmite que no existe, y (c) un ciclo lmite existente puede no ser predecido. Para disminuir estos problemas potenciales, se pueden observar dos aspectos:

Hiptesis de Filtrado: El mtodo se fundamenta en que el bloque lineal del sistema filtra los armnicos de alta frecuencia. Si este no es el caso del sistema lineal, uno de los tres casos de error se puede encontrar. Condicin Grfica: Cuando la grfica de g(j) intercepta tangencialmente a la grfica de 1/N(A, ), las variaciones de parmetros y la exclusin de los trminos de orden superior (armnicas) pueden derivar en conclusiones errneas. Por el contrario, si la interseccin es casi perpendicular, los resultados son ms confiables. Este es el caso de la Fig. 4.8(b) en donde la interseccin es casi tangencial por lo que la prediccin del ciclo lmite es incierta.
jv g(j ),
ciclo lmite

jv
ciclo lmite -1/N(A)

g(j), = 2

-1/N(A)
estable

u g(j), = 0.5 g(j), = 0.3

b)

b)

Fig. 4.10 Ciclo lmite del oscilador de Van der Pol; a) estabilidad, b) confiabilidad.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

53

Ejemplo 4.3. En el caso del oscilador de Van der Pol se tiene que g(j) =

( j) j + 1
2

, con arbitrario y una F.D.

A2 ( j) . Determine la estabilidad y confiabilidad del ciclo lmite encontrado. R.: Para la estabilidad se 4 j y N(A) = A2/4, los que se grafican para varios valores de en la Fig. 4.10(a). Claramente, obtiene g(j) = 2 ( j) j + 1 como hay dos polos inestables, el rea encerrada dos veces en sentido antihorario corresponde a puntos estables los que hacen disminuir A, por lo tanto los ciclos lmites son estables. Por otro lado, al graficar g(j) y 1/N(A, ) para varios valores de , Fig. 4.10(b), se aprecia que a medida que aumenta la interseccin es ms y ms tangencial con lo que el resultado de la prediccin se degrada. Esto confirma los resultados ilustrados en la, en donde para = 2 la frecuencia dista de ser = 1.

dada por N(A, ) =

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

54

Control Realimentado.
Los sistemas no-lineales estn sometidos a los mismos requerimientos que sistemas lineales. Es decir, se desea obtener determinadas caractersticas de regulacin y seguimiento, como tambin inmunidad a cambios de parmetros y variaciones en las perturbaciones. En este captulo se revisan variadas opciones basadas en tcnicas de control lineal que permiten lograr estos objetivos que tiene como factor comn la operacin bajo estrategias de control realimentadas. Especial nfasis se da a las tcnicas de realimentacin de variables de estados.

5.1 Introduccin.
Los objetivos de control son: Estabilizacin, Seguimiento y Eliminacin y/o Atenuacin de Perturbaciones. Se pueden agregar objetivos adicionales si se considera la respuesta transiente y las restricciones de las seales de entrada. Finalmente, si se tiene incertidumbre del modelo (parmetros y/o dinmica) se puede recurrir al control robusto y/o adaptivo.
A . Estabilizacin va Realimentacin de Estados.

Si se tiene el sistema x = f (t , x, u) se puede encontrar una entrada u = (t , x ) de manera que el origen sea el punto de equilibrio uniforme asintticamente estable del sistema en L.C. dado por x = f (t , x, (t , x )) . Ntese que en el caso lineal tiempo-invariante se tiene el sistema x = Ax + Bu, y = Cx + Du, por lo que se escoge u = -Kcx con lo que se obtiene el sistema resultante x = (A - BKc)x, y = (C DKc)x, en donde se puede escoger Kc para obtener al origen como punto de equilibrio estable. La estabilizacin tambin se puede realizar mediante realimentacin dinmica, definiendo u = (t , x, z ) , donde las variables z estn dadas por z = g(t , x, z) . A esta ltima tcnica corresponde el control integral, en donde se redefinen variables extras para asegurar que el error en estado estacionario sea nulo. Su mayor ventaja es la robustez ante variaciones de parmetros.
B . Estabilizacin va Realimentacin de Salida.

Si se tiene el sistema x = f (t , x, u) , y = h(t , x, u) se puede encontrar una entrada u = (t, y) de manera que el origen sea el punto de equilibrio uniforme asintticamente estable del sistema en L.C. dado por x = f (t , x, (t , y )) . Esto tambin se puede realizar mediante realimentacin dinmica, definiendo u = (t, y, z), donde las variables z estn dadas por z = g(t , x, z ) . A esta tcnica corresponde el control
= Ax + Bu + K o ( y Cx Du) . Su , con x lineal basado en un observador de estados, donde, u = K c x mayor ventaja es la ausencia de mediciones de las variables de estado del sistema.

C . Estabilizacin Global y Local.

Si se tiene el caso x = x 2 + u y se linealiza se tiene x = u , por lo que se puede estabilizar con u = -kx con k > 0. El sistema resultante es x = x 2 kx cuya linealizacin es x = kx . Este resultado es una estabilizacin local. Sin embargo, si se considera una entrada como u = -x2 kx entonces se tiene un sistema resultante x = kx el cual es estable globalmente.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

55

D . Seguimiento.

En este caso se tiene el sistema general x = f (t , x, u, p) con la salida y = h(t, x, u, p), donde p es una perturbacin. Si yd es la salida deseada, se desea entonces que e(t) = yd - y 0 cuando t para lograr caractersticas de seguimiento.
E . Perturbaciones.

En la presencia de perturbaciones el e(t) puede no ser cero; es decir, no se puede lograr seguimiento de salida asinttico. En este caso se puede requerir solamente || e(t) || , t T, que es menos restrictivo. En los casos en que yd es una constante, se conoce como referencia y el problema se conoce como de regulacin.

5.2 Diseo va Linealizacin.


Una primera alternativa en sistemas no-lineales es explorar la linealizacin en estos. En muchos casos esta alternativa da solucin satisfactoria a los objetivos de Estabilizacin y Regulacin.
A . Estabilizacin.

La estabilizacin se puede lograr mediante dos alternativas que son va realimentacin de estados y va realimentacin de salida.

Va realimentacin de estados. En este caso se tiene el sistema, x = f ( x, u) , y = h( x, u) , con f(0, 0) = 0 e y = h(0, 0) = 0. Para el cual se puede tener la representacin lineal dada por x = Ax + Bu, y = Cx + Du, donde
A= C= f (x, u) f (x, u) , B= x xo =0,uo = 0 u xo = 0,uo =0 h(x, u) f (x, u) , D= x xo =0,uo =0 u xo =0,uo =0

por lo que si se utiliza u = uex -Kcx, (con uex = 0) se obtiene que x = (A - BKc)x, y = (C DKc)x. Si la matriz (A - BKc) es Hurwitz, entonces el origen es asintticamente exponencialmente estable. Una funcin de Lyapunov sera V(x) = xTPx con P siendo la solucin de P(A - BKc) + (A - BKc)TP = -Q. Ntese que bajo este esquema se tiene un sistema resultante no-lineal dado por x = f ( x, K c x ) , y = h( x, K c x ) , el cual puede tener caractersticas generales distintas a las del sistema no-lineal original, en particular al alejarse del origen. Una de estas caractersticas es su estabilidad; para estudiarla, se linealiza en torno a un punto de equilibrio arbitrario para obtener su matriz A equivalente que resulta ser,

A x ,u =
o o

f (x, Kx) f (x, u) f (x, u) u = + = A x ,u B x ,u K c o o o o x u x xo ,uo x xo , u o f (x, u) f (x, u) , B x ,u = . o o x xo ,uo u xo ,uo

donde,

Ax

o ,u o

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

56

Por lo tanto, para los valores de xo, uo tal que la matriz A es Hurwitz, Lyapunov asegura que esos puntos de operacin son estables. Ntese que el origen lo es puesto que la matriz (A - BKc) se escoge Hurwitz por diseo. Es decir, Kc se escoge para que lo sea, en particular se podra encontrar Kc para ubicar los valores propios de la matriz (A - BKc) en un lugar arbitrario si el par {A B} es controlable.
Ejemplo 5.1. Sea el caso del pndulo cuyo modelo es = a sen b + cT , donde a = g/l > 0, b = k/m 0, c = 1/ml2, y es el ngulo y T es el torque aplicado. Disear una estrategia va realimentacin de estados de manera que el ngulo sea igual a una referencia d. R.: Se definen las variables de estado x1 = d - y x2 = para tener al origen como punto de equilibrio, por lo que el modelo queda, x1 = x2 y x2 = a sen(d x1 ) bx2 + cT . Para el punto de equilibrio se tiene, 0 = x2o y 0 = -asen(d) +cTo, de donde To = a/csen(d). Si se define la entrada como u = T To, entonces el sistema queda como, x1 = x2 y x2 = a{sen(d x1 ) sen(d )} bx2 + cu . Para este caso las matrices del modelo lineal son
0 0 1 1 0 A= = y b = . Tomando u = uex - kcx con uex = 0 y kc = [kc1 kc2] se encuentra a cos( x1 + d ) b xo a cos(d ) b c

que el par A - bkc es Hurwitz para kc1 >

a cos d b ; kc 2 > . El torque a aplicar es en definitiva, T = To + u = c c

a sen d a sen d + kcx = kc1 (d ) kc 2 . c c

Va realimentacin de salida. Sea el sistema dado por x = f ( x, u) , y = h(x), con f(0, 0) = 0 e y = h(0) = 0. Ntese que y no depende de u, por simplicidad del anlisis. La linealizacin resulta en x = Ax + Bu, y = Cx, por lo que se propone un controlador dinmico va realimentacin slo de la salida para estabilizar el origen. Este es de la forma, z = Fz + Gy , u = Lz + My
lo que resulta en el sistema, x Ax + Bu Ax + B(Lz + MCx) A + BMC BL x x = , y = [C 0] z = Fz + Gy = Fz + GCx F z GC z A + BMC BL se escoge Hurwitz para tener al origen como punto de equilibrio estable. por lo que F GC Un ejemplo de esta tcnica es el controlador de estados basado en un observador del vector de estados x; en este caso, el observador queda como,

z = Az + Bu + K o (y Cz )
al considerar la realimentacin como u = -Kcz, entonces, el observador queda como,

z = ( A K oC BK c )z + K o y , u = K c z
por lo que, F = A - KoC - BKc, G = Ko, L = -Kc y M = 0. Lo que resulta en el sistema lineal,
BK c x x x A z = K C A K C BK z , y = [C 0] z o o c

En este caso se tiene un sistema resultante no-lineal dado por,

x = f (x, Lz + Mh(x)) z = Fz + Gh(x)


Copyright por Prof. Jos R. Espinoza C.

, y = h(x).

Apuntes: 543 703

57

Para estudiar la estabilidad de ste, se linealiza en torno a un punto de equilibrio arbitrario para obtener su matriz A equivalente que resulta ser,
f (x, Lz + Mh(x)) x xo , u o = (Fz + Gh(x)) x xo ,uo f (x, Lz + Mh(x)) z x o ,u o (Fz + Gh(x)) z x o ,u o f (x, u) f (x, u) u + z u z xo ,uo (Fz + Gh(x)) z x o ,u o
o ,u o

A x ,u
o

f (x, u) f (x, u) u + x u x xo ,uo = (Fz + Gh(x)) x xo , u o A x , u + B x ,u M C x , u o o o o = o o G C x ,u o o A x ,u o o = K C o x o ,u o B x


o ,u o

Bx

L F

Kc A - K o C - BK c

donde,

Cx

o ,uo

h(x, u) . x xo ,uo

Lyapunov asegura que los puntos de operacin xo, uo, tal que la matriz A es Hurwitz, son estables. Los casos anteriores tienen el inconveniente de que ante cambio de parmetros no se asegura que la salida siga la referencia. Por otro lado, la respuesta depende del punto de operacin. En el caso anterior a se tiene que la entrada est dada por T = sen(d ) kc1 (d ) kc 2 , por lo que si los parmetros a c y/o c cambian de valor, entonces el torque aplicado no es el requerido y el sistema no estar en el punto de operacin deseado.
Ejemplo 5.2. El pndulo tiene por relacin en S.S. a To = a/csen(do), si el sistema est en torno a = 45 y si se considera que se est utilizando un torque para tenerlo en ese punto de operacin, determine la variacin de ste si el parmetro de la planta a aumenta un 10%. R.: Dado que el torque aplicado es To = a/csen(do) entonces se tiene que a/csen(45) = 1.1a/csen(o) por lo que se logra en S.S. un o = 40.

Ejemplo 5.3. Determinar si el reactor exotrmico es posible de control va realimentacin de estados. Indicar adems si el sistema permite observar los estados. R.: Se asume que el reactor ser controlado en torno a un punto de operacin por lo que interesa saber si hay puntos de operacin que no permitiran la controlabilidad y observabilidad de sus estados. Para tales efectos se opta por graficar el determinante de la matriz de controlabilidad y de la matriz de observabilidad. Las matrices son,

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

58

Det. de la Matriz de Controlabilidad


0.3 0

Det. de la Matriz de Observabilidad

1000 0.2 2000 0.1 3000

0 300

320

340

360

380

400

4000 300

320

340

360

380

400

Fig. 5.1 Determinantes de la matriz de controlabilidad y observabilidad del reactor exotrmico.

f 1 (x, u) x 1 A= f 2 (x, u) x 1

f 1 (x, u) x 2 f 2 (x, u) x 2

x=xo u =u o

E q k e Rx2 0 V = E Rx ( ) H k0e 2 C p

2 Rx 2 E q ( H ) UA E Rx2 e x k0 + 1 2 VC p V C p Rx 2 k0 E
E Rx e 2 x 1

,
x = xo u =u o

f1 (x, u) 0 B = u = UA , f (x, u) VC 2 p u x = x o
u =u o

h(x, u) C= x1

h(x, u) x 2

x = xo u =u o

= [0 1] ,

D=

h(x, u) u

x =xo u =u o

=0.

A partir de las matrices anteriores se obtiene el determinante de las matrices de controlabilidad y observabilidad para cada punto de operacin. La grfica se ilustra en la Fig. 5.1 encontrndose que el sistema es controlable y observable en todo el rango de inters.

Tr

Tc

CA = T=

q (C Af C A ) k0 e RT C A V E RT

T.
CA + UA (Tc T ) V C p

+ -

q (T f T ) + ( H ) k 0 e V C p

x = [CA T]T k
400
Temperatura en el Reactor

a)
1 0.8
Concentracin

0.6 0.4 0.2

350

300 650

b) 700 750 800


Temperatura Tr

0 650

c) 700 750 800


Temperatura Tr

Fig. 5.2 Reactor con controlador de estados; a) Esquema resultante, b) T vs Tr, b) CA vs Tr.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

59

Ejemplo 5.4. Disear un controlador de estados para el reactor exotrmico para el punto de operacin dado por T = 340K. R.: En el punto de operacin el sistema es controlable por lo que procede al diseo como indicado en el curso de Sntesis de Sistemas de Control. Se encuentra que k1 = 73.226 y k2 = 2.093 para obtener valores propios resultantes en 1 j. El diagrama resultante se muestra en la Fig. 5.2(a) lo que genera nuevos puntos de operacin dado que la entrada ahora es una variable ficticia denominada Tr. El esquema resultante genera puntos de operacin para Tr los que se muestran en la Fig. 5.2(b) y (c). A partir de stos se puede concluir que ahora se tiene un nico punto de operacin para cada entrada. Para determinar la estabilidad de cada punto de operacin se procede a obtener los valores propios del sistema para cada uno de ellos. El L.G.R. resultante se muestra en la Fig. 5.3(a). Se evidencia la existencia de puntos de operacin inestables lo que podra ser una indicacin de la persistencia de ciclos lmites. Este rango est en T [351.5 370.4] como acotado en la Fig. 5.2(b). La Fig. 5.3(b) y (c) muestran las respuestas dinmicas para entradas escaln en Tr de manera de llevar T de 340 a 340 + 20, +5, -5 y -20. Claramente, al tratar de llevar el sistema a T = 340 + 20, se est tratando de llevar el sistema a un punto de operacin inestable. La respuesta indica la entrada a un ciclo lmite. En conclusin, un controlador lineal en un sistema nolineal puede solucionar el problema en torno a un punto de operacin, pero al alejarse de ste se puede encontrar dinmicas insatisfactorias y/o problemas de inestabilidad, como la presencia de ciclos lmites.

B . Regulacin Va Control Integral.

Para mitigar las desviaciones producto de cambios de parmetros se tiene la posibilidad de utilizar la tcnica de control integral. Para su implementacin se tienen dos alternativas.

Va Realimentacin de Estados. En el caso anterior se tiene x = f ( x, u) , y = h(x) y se desea que y sea igual a la referencia yd = 0 (se asume nula por simplicidad), o bien y(t) yd(t) cuando t , para lo
10 0 5 0 0

10
450

10

4
1

a)

400

Concentracin

Temperatura

0.5

350

300

10

b)

10

c)

Fig. 5.3 Estabilidad y respuesta dinmica del reactor con controlador de estados; a) L.G.R., b) T vs tiempo, b) CA vs tiempo.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

60

cual se supone existe solucin nica; es decir, se cumple 0 = f ( x o , u o ) , 0 = yd - h(xo). Si se define el error de seguimiento e = yd - y, de manera que = e , el modelo total se puede formular como x = f ( x, u) , = y d h(x) , donde claramente el punto de equilibrio asegura que y = yd. Si en el punto de equilibrio se tiene a xd, ud, y d, entonces la linealizacin del sistema extendido es A x ,u 0 B x xd d d + xd ,ud v , donde el nuevo vector de estados es = = , v = u - ud y A|xd,ud, C x , u 0 0 d d d B|xd,ud, C|xd,ud son las matrices de la linealizacin de x = f ( x, u ) , y = h(x) en torno al punto xd, ud, y d. 0 B , xd ,ud es controlable, entonces se puede utilizar una realimentacin de 0 0 estados para fijar los valores propios del sistema resultante. Es decir se puede encontrar Kc = [Kc1 Kc2] (donde Kc1 tiene tantas columnas como la dimensin de x y Kc2 como la dimensin de y ) tal que la entrada se define por v = vex - Kc de manera que el sistema resultante dado por A x ,u B x ,u K c1 B x ,u K c2 B d d d d + xd ,ud v ex sea Hurwitz. As la entrada es u = vex - Kc + ud = d d 0 C x , u 0 d d = vex - Kc1(x - xd) - Kc2( - d) + ud. Como se desea en S.S. que sea nulo, entonces en S.S. puede tomar valores arbitrarios, en particular d puede ser d = Kc2-1(ud - Kc1xd) por lo que la entrada al sistema es u = vex - Kc1x - Kc2. Como es sabido, vex puede ser utilizado para pre-alimentacin o simplemente puede ser nulo. La representacin final queda como x = f ( x, v ex K c1 x K c2 ) , = y d h(x) . Para estudiar la estabilidad de ste, se linealiza en torno a un punto de equilibrio arbitrario para obtener su matriz A equivalente que resulta ser,
f (x, v ex K c1 x K c2 ) x xo , o , u o = (y d h(x)) x xo , o , u o f (x, u) f (x, u) u + u x xo ,o ,uo x = (y d h(x)) x xo , o ,u o A x ,u B x ,u K c1 o o = o o C x ,u o o B x
o ,u o

A x ,u d d Si el par C xd , u d

A x ,u
o

f (x, v ex K c1 x K c2 ) x o , o , u o (y d h(x)) xo , o ,u o f (x, u) f (x, u) u + u xo ,o ,uo (y d h(x)) x o , o , u o

K c2 0

Lyapunov asegura que los puntos de operacin xo, uo son estables ssi la matriz A es Hurwitz. En particular lo sern los xd, ud, puesto que para ellos se verifica que la matriz A es Hurwitz.
Ejemplo 5.5. El pndulo tiene por modelo a = a sen b + cT , donde a = g/l > 0, b = k/m 0, c = 1/ml2, y es el ngulo y T es el torque aplicado. Disear una estrategia va control integral para mantener el ngulo sea igual a una

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

61

referencia d. R.: Se definen las variables de estado x1 = d - y x2 = para tener al origen como punto de equilibrio, por lo que el modelo queda, x1 = x2 y x2 = a sen( x1 + d ) bx2 + cu , con u = T y la salida y = x1. En el punto de equilibrio se
0 tiene x o = , uo = a/csen(). Ntese que el punto de operacin no exige que uo = 0. Las matrices quedan 0 0 1 0 A 0 b A= , b = c y c = [1 0]. El par c 0 , 0 es controlable por lo que se puede escoger una variable de cos( ) a b d estado extra = y d y = 0 - x1 = -x1 y el controlador de estados Kc = [Kc1 Kc2] = [kc11 kc12 kc2] para fijar los valores propios

arbitrariamente. La ley de control queda u = T = vex - Kc1x - Kc2 = -kc11x1 - kc12x2 - kc2 = -kc11(d - ) - kc12 - kc2.

Va Realimentacin de Salida. Para estos efectos debe considerarse que al sistema original x = f ( x, u) , y = h(x) se le unen controladores basados en integradores del tipo = y d h(x) y que la entrada debiera ser u = vex - Kc1x - Kc2 (con Kc1 y Kc2 calculados como en el punto anterior y con vex para pre-alimentacin o simplemente nula) para lo cual se necesita el vector de estados x. Sin embargo, se asume que este vector no est disponible y se propone el observador de estados de orden reducido = A x ,u x + B x ,u u + K o (y C x ,u x) , que se disea (pues slo se observa x) dado por la expresin x
d d d d d d

para el punto de operacin xd, ud en donde el sistema linealizado resulta en x = A x

d ,u d

x+Bx

d ,ud

u, y =

Cx

d , ud

x. En efecto, Ko es escogido para que la matriz A x , Cx


d ,ud

d , ud

- Ko C x

d , ud

sea Hurwitz. Es ms, si el par - Ko C x


d ,ud

{Ax

d ,ud

} es observable, los valores propios de la matriz A x - K c2) x = f (x, v ex - K c1 x

d ,ud

pueden escogerse

- K c2 , por lo que el sistema resultante es, arbitrariamente. As, la entrada u queda como u = v ex - K c1 x

= y d h( x)
=Ax x
d ,ud

.
d ,ud

+Bx x

- K c2 ) + K o C x ( v ex - K c1 x

d ,ud

(x x)

Para estudiar la estabilidad del sistema resultante, se linealiza en torno a un punto de equilibrio arbitrario xo, uo para obtener su matriz A equivalente que resulta ser,

A x ,u
o

x x = x x x

x x

x x x x x x o , o ,u o f (x, u) f (x, u) u + u 0 B x ,u K c2
d d

f (x, u) f (x, u) u x + u x = C 0

f (x, u) f (x, u) u + x u x 0 A x ,u B x ,u K c1 K o C x
d d d d

d ,ud x o , o ,u o

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

62

A BK c2 = C 0 0 B K c2 xd ,u d A xo , u o = C x ,u o o 0 B x B x
o ,u o

Ax K c2 K c2

d ,ud

0 B x ,u K c1 K o C x ,u d d d d x , ,u o o o BK c1 0 B x ,u K c1 K o C x ,u d d d d B x
o ,uo

K c1

0
d ,u d

Ax

d ,u d

Lyapunov asegura que los puntos de operacin xo, uo son estables ssi la matriz A anterior es Hurwitz. En particular lo sern los xd, ud, puesto que para ellos se verifica que la matriz A es Hurwitz. En este caso, no se necesitan las variables de estado del sistema x, pues se observan. Adems, cambios en los parmetros son absorbidos por los controladores integradores. Desgraciadamente, los diseos anteriores permiten un buen comportamiento en torno al punto de operacin. Por lo tanto, deber estudiarse el comportamiento del sistema no-lineal original y el control lineal como un todo. Una alternativa es utilizar el L.G.R. del sistema total linealizado y de ah derivar algunas conclusiones para cada punto de operacin. La siguiente tcnica permite hacer prevalecer los criterios de diseo en los diferentes puntos de operacin.

5.3 Diseo Va Ganancia Programada.


El controlador lineal slo asegura su comportamiento en torno al punto de operacin. Este el caso de un estanque de rea funcin de la altura que es controlado utilizando un controlador PI. Un controlador que utiliza la tcnica de ganancia programada, modifica los parmetros del controlador, utilizando tcnicas lineales, de acuerdo al punto de operacin. Para determinar el punto de operacin se utiliza una o varias variables del sistema (normalmente las entradas). Para analizar esta tcnica se revisa el caso del estanque, en donde el rea de ste se puede identificar como funcin de la altura de este, Fig. 5.4. En este caso se tiene que el modelo est dado por, dV dV dh dh = = (h) = f e c 2h , dt dh dt dt donde (h) es el rea en funcin de la altura h y c 2h es el flujo de salida. Sea x la altura h y fe la entrada u, entonces el modelo queda como, x= 1 ( u c 2 x ) = f ( x, u ) . ( x )

Sea la altura h la variable de salida y, entonces y = x, la cual debe seguir la referencia yd, la cual a su vez ser utilizada como variable programadora; es decir, la que define el valor de los parmetros de los controladores.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

63

Si se desea yd = ydo (la altura h = ydo), la entrada u (flujo fe) debera ser uo = c 2 y do . As, un punto de operacin tiene por valores x = ydo, u = uo(ydo). Linealizando el modelo en torno a ydo, uo(ydo), se tiene a x = a ( ydo ) x + b( ydo )u , donde,
a ( y do ) =
b ( y do ) =

f x

x = ydo u = uo

1 c ' ( x) c 2 y do = (u c 2 x ) = , 2 2 y do( y do ) x = ydo ( x ) 2 x ( x ) u = uo

f 1 1 = = , x y = u u =u do ( x ) x = ydo ( y do )
o

u =uo

x = x - y d o, u = u - uo. Dado que el sistema es de primer orden, un controlador PI permitir lograr cero error en estado estacionario y compensar el efecto de las perturbaciones. Sea el controlador tipo de PI de la forma, u = k1e + k2, donde = e = yd - x = r - x, con r = yd - ydo. Con esto, la ecuacin caracterstica es, s 2 (a bk1 ) s + bk 2 = 0 , por lo que si la ecuacin deseada es s 2 + 2n s + 2 n , con n > 0 y 0 < < 1 conocidos, entonces las ganancias k1 y k2 se pueden tomar como, 2 n + a ( y do ) 2 n k1 ( y do ) = , k 2 ( y do ) = . b ( y do ) b ( y do ) Como se puede apreciar, las ganancias del controlador PI son funcin del punto de operacin para obtener un factor de amortiguamiento y una frecuencia natural de oscilacin dados. Si, para efectos de 1 simplificacin, se considera al controlador PI de la forma, u = k e + , se tiene que k = k1 y T = T k1/k2, con lo que, k ( y do ) = 2 n + a( y do ) 2 2 2 n + a( y do ) 2 n = 2 n ( y do ) , T ( y do ) = , 2 b( y do ) b( y do ) n n

si se considera que |a(ydo)| << 2n, Fig. 5.5(a). De esta manera se puede tomar k(ydo) = 2n(ydo) y T = 2/n, con lo que slo una ganancia debe ser programada en funcin del punto de operacin. El sistema resultante considerando la variable de estado = [x ]T est dado por,

= Al(ydo) + blr, y = cl,

fe

h x = 2ay

fs

Fig. 5.4 Estanque no-lineal (rea variable).


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

64

a ( y ) 2 n donde, A l ( y do ) = do 1 es,

2 2 n n , b l = , c l = [1 0] , por lo que la F. de T. resultante 0 1


2 x 2 n s + n = 2 . r s + (2 n a( y do )) s + 2 n

Ntese que esta F. de T. es todava funcin del punto de operacin puesto que se consider en el anlisis que |a(ydo)| << 2n. En el caso de no hacer esta simplificacin en el anlisis, la F. de T. resultante tendra un polinomio caracterstico como el ideal. Resultados simulados se muestran en la Fig. 5.6. Claramente, el controlador de ganancias programadas permite mejorar la respuesta para los distintos puntos de operacin, Fig. 5.6(b) comparada con el mismo controlador pero con sus parmetros fijos y calculados para un punto de operacin dado Fig. 5.6(a). Para revisar el comportamiento real del sistema con el controlador lineal incluido debe revisarse el sistema original no-lineal en conjunto con el controlador, considerando que la variable programadora es la referencia yd y no el punto de operacin ydo, Fig. 5.5(b). Esto trae consecuencias adversas puesto que la variable programadora puede variar y por tanto su derivada no es cero, lo que agrega dinmicas no consideradas en el proceso de diseo anterior. El modelo del controlador en conjunto con la planta es, 1 (u c 2 x ) ( x) = yd x , x= y=x 1 donde la entrada est dada por u = k ( y d )( y d x) + , con k(yd) = 2n(yd) por lo que el modelo T resultante est dado por,

r + -

1 k ( ydo ) + T

y = x b( ydo ) +

a ( y do )

a)

yd + -

1 k ( yd )e + e dt T

u x = f ( x, u )

y=x=h

b)

Fig. 5.5 Estanque no-lineal con controlador de ganancia programada; a) esquema linealizado, b) esquema no-lineal.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

65

1 1 k ( y d )( y d x) + c 2 x T ( x ) , = yd x
x= y=x . Una alternativa 2 n ( y do ) de anlisis del sistema completo es la linealizacin en torno a un punto de operacin considerando el vector de variables de estado = [x - xo - o]T lo que resulta en = A n ( y do ) + b n ( y do ) r , con la salida y = cn. En este caso se obtienen las matrices como,
a ( y ) 2 n A n ( y do ) = do 1 2 2 n + ( y do ) n , b n = , c n = [1 0] , 1 0

cuyo punto de equilibrio para una entrada yd = ydo es xo = ydo, yo = ydo, o =

c 2 y do

por lo que la funcin de transferencia resultante es,


y ( 2n + ( y do )) s + 2 n , = 2 r s + ( 2n a ( y do )) s + 2 n

donde, (ydo) = k'(ydo)o(ydo)/T(ydo), con k'(ydo) =

dk ( yd ) dyd

.
y d = y do

Claramente, esta ltima F. de T. difiere de la anterior en el trmino (ydo) puesto que los cambios de la referencia yd afectan dinmicamente los parmetros del controlador y con ello la dinmica total resultante. En muchos casos este controlador es suficiente, puesto que logra cero error en S.S. y permite absorber la variacin de parmetros. Sin embargo, en aquellos casos donde la dinmica es parte de los requisitos de control, se requiere modificar la estrategia de diseo del controlador. Una alternativa de solucin a este problema es considerar el controlador PI de la forma, u = k ( y d )e + 1 z, T

donde, z = k ( y d )e y e = yd - x, con lo que el sistema resultante es,

1 1 k ( y d )( y d x) + z c 2 x ( x) T z = k ( y d )( y d x) , x= y=x

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

66

cuyo punto de equilibrio para una entrada yd = ydo es xo = ydo, yo = ydo, z o =

. Una alternativa n de anlisis del sistema completo es la linealizacin en torno a un punto de operacin considerando el vector de variables de estado = [x - xo z - zo]T lo que resulta en = A n ( y do ) + b n ( y do ) r , con la salida y = cn. En este caso se obtienen las matrices como,

2 c 2 y d o

14 12 10 8 6 4 2 0

0.1

0.2

0.3

0.4

0.5

a)
14 12 10 8 6 4 2 0

0.1

0.2

0.3

0.4

0.5

b)
14 12 10 8 6 4 2 0

0.1

0.2

0.3

0.4

0.5

c) Fig. 5.6 Estanque no-lineal con controlador PI; a) de parmetros fijos para ydo dado, b) con parmetros programados, c) con parmetros programados y mejorado.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

67

a ( y ) 2 n A n ( y do ) = do 2 n( y do )

n / 2( y do ) 2 n , bn = , c n = [1 0] , 0 2 n( y do )

por lo que la funcin de transferencia resultante es,


y 2n s + 2 n . = 2 r s + ( 2n a ( y do )) s + 2 n

Sin lugar a dudas este controlador permite obtener una respuesta dinmica independiente del punto de operacin. Los resultados simulados se muestran en la Fig. 5.6(c) los cuales en este caso en particular no muestran mejoras substanciales respecto del caso anterior, Fig. 5.6(b). Los casos hasta aqu analizados permiten la utilizacin de tcnicas de linealizacin para su anlisis y diseo de controladores. Si bien se cumplen los objetivos bsicos, quedan los de globalidad de la solucin. Por ejemplo, los cambios que pueden tener las variables programadoras deben ser moderados o se puede sacar el sistema de la regin de atraccin. Tcnicas ms generales que las aqu revisadas se introducen en el captulo siguiente.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

68

Linealizacin Exacta Va Realimentacin.


Una de las alternativas ms expeditas para la linealizacin es utilizar la realimentacin de las variables de estado. Esta clase de estrategia se divide en dos tipos. Una para linealizar los estados de entrada; es decir, para obtener respuestas lineales en variables de estado del sistema y la otra para las variables de salida; es decir, un comportamiento lineal de las salidas respecto de entradas sin importar el comportamiento probablemente no-lineal de los estados. Ambas alternativas requieren conocer el modelo de la planta y entregan opciones de diseo que permiten ventajas distintas en uno y otro caso.

6.1 Conceptos Bsicos.


Antes de analizar en detalle las diferentes alternativas de control va realimentacin exacta, se revisan ejemplos de cada una de stas para familiarizarse con la estructuras de control.
A. Linealizacin Va Realimentacin y la Forma Cannica.

La idea fundamental de la linealizacin va realimentacin es la cancelacin de las no-linealidades de un sistema mediante la re-definicin de la entrada a ste. Por ejemplo, en el caso del estanque en el cual el rea es funcin de la altura, se tiene el siguiente modelo,
h d A( z )dz = u a 2 gh , dt 0

(6.1)

el cual se puede escribir en forma simplificada como,


A( h )h = u a 2 gh ,

por lo que si la entrada u se escoge como


u = a 2 gh + A( h )v ,

(6.2)

con v una nueva entrada (Fig. 6.1), se tiene el modelo resultante,

hd
+ -

control lineal

control no-lineal

u = fe

u = a 2 gh + A( h )v

u
h fs

Fig. 6.1 Modelo del estanque linealizado.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

69

h=v,

el cual es lineal y permite por tanto escoger v para lograr objetivos adicionales de control. Por ejemplo, v se puede escoger como, v = (hd - h), con una constante positiva y hd la referencia de altura, Fig. 6.1. As se tiene una dinmica resultante dada por, h + h = hd , lo que indica que h hd cuando t . De acuerdo a las ecuaciones anteriores se tiene que la entrada est finalmente dada por,
u = a 2 gh + A( h )e ,

con e = hd - h. Una versin ms refinada podra considerar que hd es conocida y tiempo variable, por lo que la entrada v se puede escoger como v = hd + (hd - h), con lo que la dinmica lineal resultante quedara como, h = hd + ( hd h ) , que es equivalente a,
e + e = 0 ,

donde claramente se tiene que el error e 0 cuando t . La aplicacin de esta estrategia de redefinir la entrada para cancelar las no-linealidades se puede aplicar si el sistema tiene un modelo de la forma cannica controlable cuya forma general para sistemas SISO es, x ( n ) = f ( x ) + b( x ) u , donde u es la entrada, x es la salida, x = [x x x x ( n 1) ]T = [x1 x2 x3 xn]T es el vector de estados y f(x) y b(x) son funciones escalares no-lineales de los estados. La representacin anterior puede tambin escribirse como, x2 x1 d . = xn dt x n 1 x n f ( x ) + b( x )u Esta ltima representacin permite ver que si se re-define la entrada u como, u= 1 ( f (x) + v ) , b( x ) x (n) = v , que corresponde a un modelo lineal y por tanto se puede utilizar la teora de control lineal para conseguir objetivos de control especficos. Por ejemplo, si se define a la entrada como, v = a 0 x a1 x a n 1 x ( n 1) ,
Copyright por Prof. Jos R. Espinoza C.

con v una nueva entrada, se obtiene el modelo resultante,

Apuntes: 543 703

70

con a0, a1, ..., an-1, escogidos de manera que el polinomio sn + an-1sn-1 + + a1s + a0 tenga sus races en el S.P.I. lleva a una dinmica exponencialmente estable del tipo, x ( n ) + a n 1 x ( n 1) + + a 0 x = 0 , lo que implica que x(t) 0 cuando t . En aquellos casos que se desee el seguimiento de una referencia xd, se puede re-definir la entrada como,
(n) v = xd + a0 e + a1e + + a n 1e ( n 1) ,

con e(t) = xd(t) - x(t) lleva a la convergencia exponencial del error; es decir, e(t) 0 cuando t . Esta alternativa se puede utilizar en sistemas MIMO como se muestra en el ejemplo siguiente.
h11 h12 q1 hq2 hq1 hq2 q1 g1 1 Ejemplo 6.1. Un robot con dos junturas tiene por modelo a q + hq q + g = , h h 0 22 2 21 1 2 2 2 donde q = [q1 q2]T son los ngulos de las uniones, = [1 2]T son las entradas, y h11, h12, h21, h22, g1, y g2 dependen de q. Proponga una estrategia de linealizacin exacta para seguimiento. R.: El modelo anterior se puede escribir como H(q) q + h11 h12 hq 2 hq1 hq 2 g1 1 C(q, q ) q + g(q) = , con H(q) = , C(q, q ) = , g(q) = y = . Por lo que la 0 h21 h22 hq1 g2 2 entrada se puede definir como = H(q)v + C(q, q ) q + g(q), con v una nueva entrada, lo que resulta en el modelo q = v.

Si qd es la referencia entonces v se puede definir como, v = q d + 2 (q d q ) + (q d q ) , lo que al definir el error


2

e = q d q resulta en la ecuacin dinmica e + 2e + 2 e = 0 , donde el error converge a cero exponencialmente.

Desafortunadamente, los modelos no se encuentran en general en esta forma cannica controlable y por tanto se estudian tcnicas que permiten transformar un sistema arbitrario a esta forma. Al igual que los sistemas lineales, no todos los sistemas pueden ser transformados y esto depende de sus caractersticas particulares.
B. Linealizacin de los Estados de Entrada.

Considerar el caso de un sistema de una entrada de la forma x = f ( x, u ) en el cual se desea encontrar una nueva entrada de manera de obtener un sistema lineal resultante. Esto se realiza en dos pasos, primero se encuentra una transformacin de estados z = z(x) y luego una transformacin de entrada u = u(x, v) de manera que el sistema original se transforme en uno equivalente invariante en el tiempo de la forma z = Az + bv , para luego disear v de manera de obtener una respuesta deseada, Fig. 6.2. Por ejemplo, sea el sistema, x1 = 2 x1 + ax 2 + sen( x1 ) , x 2 = x 2 cos( x1 ) + u cos(2 x1 )

control lineal

+ -

v = k c z
z

u = u ( x, v )

x = f ( x, u )

z = z( x )
Fig. 6.2 Linealizacin de estados.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

71

que tiene por punto de equilibrio al origen, no puede ser linealizado directamente puesto que no es evidente encontrar u de manera de obtener una representacin lineal, por cuanto el sistema no est en una forma cannica controlable. Sin embargo, si se define, z1 = x1 , z 2 = ax2 + sen( x1 ) donde el origen de x es tambin el origen en z, se tiene que z1 = 2 z1 + z 2 z 2 = 2 z1 cos( z1 ) + cos( z1 ) sen( z1 ) + ua cos(2 z1 ) el cual puede ser linealizado re-definiendo la entrada u como, u= 1 ( v cos( z1 ) sen( z1 ) + 2 z1 cos( z1 )) , a cos(2 z1 ) ,

o tambin en funcin de los estados originales como, u= 1 ( v cos( x1 ) sen( x1 ) + 2 x1 cos( x1 )) , a cos(2 x1 ) z1 = 2 z1 + z 2 z2 = v Al tomar v = -k1z 1 - k2z 2 = -2z2 se obtiene finalmente, z1 = 2 z1 + z 2 , z 2 = 2 z 2 que tiene polos iguales en -2 por lo que z1 y z2 convergen al (0,0), por lo que x1 y x2 convergen al (0,0). Algunos comentarios importantes que se derivan del ejemplo anterior son, 1 i) La entrada se calcula como u = ( v cos( x1 ) sen( x1 ) + 2 x1 cos( x1 )) la cual no est a cos(2 x1 ) definida para x1 = /4 l/2, con l = 0, 1, ... por lo que el resultado de la linealizacin no es global. ii) La linealizacin de los estados de entrada se logra mediante una transformacin de estados y una transformacin de entradas, ambas basadas en los estados, por lo tanto sta es una linealizacin va realimentacin. iii) Para implementar la estrategia se requiere de los estados z lo que puede ser no factible como tambin pueden no tener significado fsico, para lo cual deber disponerse de x. iv) Todo el diseo se fundamenta en el conocimiento de los parmetros y modelo del sistema, cualesquier incertidumbre acarrear errores. El seguimiento tambin puede considerarse, pero no es directo puesto que la linealizacin se v) logra para las variables z y no las fsicamente involucradas en el sistema, que son x. Hay dos preguntas relevantes en este punto: a) qu clases de sistemas no-lineales pueden ser sujeto de esta tcnica ?, y b) cmo se encuentran las transformaciones que hacen esto posible ?.

por lo que el sistema lineal resultante es, .

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

72

C.

Linealizacin Entrada-Salida

La idea en este caso es la de obtener una relacin lineal entre la entrada y la salida del sistema ms que con los estados de este. Sin embargo, se espera que los estados estn acotados. Es decir, se desea que la salida tenga un comportamiento deseado, por ejemplo, seguimiento de una referencia. El sistema est modelado en este caso por x = f(x, u), y = h(x), de donde no se ve una relacin clara entre la entrada y la salida del sistema. Sea el siguiente ejemplo,
x1 = sen ( x 2 ) + ( x 2 + 1) x 3
5 x 2 = x1 + x3

x3 = x12 + u y = x1

para generar una relacin entre la entrada u y la salida y, se deriva la salida,


y = x1 = sen x 2 + ( x 2 + 1) x 3 ,

como u no esta en y , se deriva nuevamente,


y = cos( x 2 ) x 2 + x 3 ( x 2 + x1 ) + x 2 x 3
5 = (cos( x 2 ) + x 3 )( x1 + x 3 ) + ( x13 + u )( x 2 + 1) 5 = ( x 2 + 1)u + x12 ( x 2 + 1) + (cos( x 2 ) + x 3 )( x1 + x3 )

= ( x 2 + 1)u + f 1 ( x )
5 + x 3 ) . Claramente, la expresin anterior relaciona la donde f1(x) = x12 ( x 2 + 1) + (cos( x 2 ) + x 3 )( x1 entrada u y la salida y, por lo que si se toma la entrada u como,

u=

1 ( f1 (x ) + v ) , x2 + 1 y=v,

donde v es una nueva entrada, se obtiene que

que corresponde a una relacin lineal entre la entrada y la salida y por tanto la nueva entrada v se puede acondicionar para lograr los objetivos de seguimiento. En particular si el error entre la salida actual y y la deseada yd es e, entonces v se puede tomar como v = y d + k 0 e + k1e , con k0 y k1 positivos, con lo que se obtiene la ecuacin dinmica para el error como,

e + k1e + k 0 e = 0 ,
por lo que y(t) yd(t) cuando t , Fig. 6.3.

control lineal

yd kc

u = u ( x, v )

x = f ( x, u )

Fig. 6.3 Linealizacin de entrada-salida.


Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

73

Algunos comentarios importantes que se derivan del ejemplo anterior son, 1 i) La entrada se calcula como u = ( f 1 ( x ) + v ) la cual no est definida para x2 = -1 por lo que x2 + 1 el resultado de la linealizacin no es global. ii) La implementacin requiere de todos los estados del sistema. iii) Dado que y se deriv dos veces para obtener la salida en funcin de la entrada, se dice que el sistema tiene grado relativo 2 (en general r). Si n es el orden del sistema original entonces r n para sistemas controlables. iv) El sistema resultante de la linealizacin entrada-salida es de orden 2 y el sistema es de orden 3. Por lo que hay una dinmica que no aparece en forma explcita. Esta dinmica se conoce como dinmica interna y deber ser estable para cumplir con los objetivos de control del sistema. En el ejemplo anterior el estado interno es x3 (puesto que x2, y, y dy/dt forman un nuevo set de variables de estado) y est dado por,
x3 = x12 + 1 ( y d + k1e + k 2 e + f1 ( x )) , x2 + 1

donde no es obvio demostrar su estabilidad.


Ejemplo 6.2. Utilizar control entrada-salida para regular la temperatura en el reactor. R.: Las ecuaciones del reactor son,
CA =
q C Af C A k 0 e RT C A V

q ( H ) UA (Tc T ) T = T f T + k 0 e RT C A + V C p VC p

, por lo que al considerar y = T y derivar esta ecuacin se tiene que

q (H ) UA y =T = Tf T + k 0 e RT C A + (Tc T ) . Finalmente, si se considera una nueva entrada v tal que se V VC p C p

cumpla que

( H ) q UA (Tc T ) = v , entonces, T = v . Es decir, la entrada al reactor Tc debe Tf T + k 0 e RT C A + V C p VC p

E VC p (H ) q ser escogida como, Tc = k 0 e RT C A + T . La expresin resultante, T = v , representa una v T f T UA V C p

ley lineal por lo que se puede escoger v de manera de lograr alguna dinmica apropiada. Por ejemplo, se hace v = k1(Td T), k T = 1 , donde claramente se tiene un sistema estable si se por lo que se obtiene una F. de T. resultante dada por, Td s + k 1 escoge k1 positivo.La simulacin del sistema resultante est ilustrada en la Fig. 6.4 para k1 = 5. La simulacin muestra un sistema de primer orden que puede operar en cualesquier punto de operacin. Sin embargo, queda la interrogante de la naturaleza de la dinmica de la concentracin.

D.

Dinmicas Internas en Sistemas Lineales.

En esta parte se revisa el concepto de dinmica interna en sistemas lineales, pues son simples de analizar y los resultados y conclusiones ayudan a entender su extensin a sistemas no-lineales. Se considera primero el siguiente ejemplo,

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

74

x1 = x 2 + u x2 = u y = x1

donde se requiere que la salida siga a la referencia yd. Derivando la salida se obtiene que,
y = x1 = x 2 + u ,

por lo que si u = x 2 + y d + ( y d y ) , se tiene que y = x 2 x 2 + y d + ( y d y ) , lo que resulta en


e + e = 0,

de donde claramente se tiene que e(t) 0 cuando t , y(t) yd(t) cuando t , x1(t) yd(t) cuando t . La dinmica interna est dada por la segunda ecuacin que queda, x2 = u = x 2 + y d + ( y d y ) , de donde,
x2 + x2 = y d + e ,

como el segundo miembro es acotado, entonces x2 y por tanto u son acotados. Sin embargo, si el modelo fuera
x1 = x 2 + u x 2 = u , y = x1

la dinmica interna estara dada por x 2 x 2 = y d + e , como el segundo miembro es acotado, entonces x2 y por tanto u no son acotados. Por lo que si bien la salida sigue perfectamente la referencia, el controlador en su conjunto no podra ser utilizado. Un anlisis en el plano de Laplace de cada caso indica que las F. de T. son

Td + k1

E V C p q ( H ) Tc = k 0 e RT C A + T v T f T UA V C p

Tc

Reactor exotrmico

a)
Concentracin v/s tiempo
1 400

Temperatura v/s tiempo

0.5

350

b)

300

Fig. 6.4 Reactor con control entrada-salida; a) diagrama de control, b) respuesta dinmica.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

75

y ( s) s 1 y( s) s + 1 = 2 y = 2 , u( s ) s u(s) s respectivamente. Lo que revela que el primer caso corresponde a un sistema mnimo de fase y el segundo a uno no-mnimo de fase. Es decir, la localizacin de los ceros define la estabilidad de los sistemas lineales. En sistemas no-lienales no se tiene el concepto de cero, pues stos son una propiedad intrnseca de los sistemas lineales; sin embargo, se tiene el concepto de dinmica cero.
E. Las Dinmicas Cero.

Def.: Se define dinmica cero a la dinmica interna de un sistema cuando la entrada es tal que la salida

es nula. Por ejemplo, en el caso,


3 x1 = x 2 +u , x2 = u y = x1 3 para tener y = 0, se debe tener x1 = 0, y por tanto su derivada, con lo que la entrada requerida es u = - x 2 3 que se con lo que la dinmica resultante, que en este caso se denomina dinmica cero, es x2 = x 2 puede escribir como, 3 x2 + x2 = 0,

que es asintticamente estable. Similarmente, en el caso de que el modelo sea,


3 x1 = x 2 +u x 2 = u , y = x1

la dinmica cero resulta ser,


3 x2 x2 = 0,

que es inestable. Se puede observar que la dinmica cero es una propiedad de los sistemas que es extendible a sistemas no-lineales. Se puede demostrar que en sistemas lineales los polos de la dinmica cero son los ceros del sistema, por lo que si stos estn en el S.P.I. se garantiza que la dinmica cero es asintticamente estable. La utilidad de estudiar dinmicas cero es por su extensin a las dinmicas internas. En sistemas lineales la estabilidad de la dinmica cero implica la estabilidad global de la dinmica interna. En sistemas nolineales, esta relacin no es directa. Se adelanta que la estabilidad asinttica local de la dinmica cero de sistemas no-lineales es suficiente para garantizar las estabilidad asinttica local de las dinmicas internas. En resumen la linealizacin entrada-salida se logra en tres pasos: a) derivar la salida hasta que la entrada u aparece, b) obtener u de manera de eliminar las no-linealidades, y c) estudiar la estabilidad de las dinmicas internas.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

76

6.2 Herramientas Matemticas.


Def.: Un mapeo f: D R , donde D R es un dominio, se dice un campo vectorial en D. Un campo
n n

vectorial es un vector columna n-dimensional.


Def.: La transpuesta de un campo vectorial se dice un campo co-vectorial. Un campo co-vectorial es

una fila n-dimensional.


Def.: Si f es un campo vectorial y w un campo co-vectorial, entonces el producto punto <w, f> es

definido como <w, f> = w(x)f(x) =

w ( x) f ( x) .
i i i =1

Def.: Sea h: D R. El diferencial o gradiente de h es un campo co-vectorial, definido por,

dh = h =

h h = x x1

h x 2

h . x n f , con x

Def.: Sea f: D R . La matriz Jacobiano del campo vectorial f esta definido por, f =
n

fi , j =

fi . x j
n

Def.: Sea h: D R y f: D R . La derivada lie de h con respecto de f, que se denota por Lfh, es una

funcin escalar definida por, Lf h( x ) = hf =

h f. x

Notar que, L2 f h = Lf Lf h = Lf ( Lf h ) = ( Lf h )f =

( Lf h ) f , por otro lado se tiene que L3 f h = Lf Lf Lf h = x 1 ( L2 ( Lk f h) f h) k k 1 Lf ( Lf ( Lf h )) = Lf ( L2 h ) = f L h = L L h = f , para k = 1, 2 ... , por lo que en general, f f f f x x y con L0 f h = h . Adems, Lg Lf h = ( Lf h )g .
n

Def.: Sean f y g dos campos vectoriales en R . Se define el parntesis lie de f y g al vector dado por

[ f , g ] = gf fg = ad f g .
Notar que, ad f0g = g , ad f g = [f , g ] , ad f2g = ad f ad f g = [f , ad f g ] , ad fk g = [f , ad fk 1g ] , para k = 1, 2,....

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

77

x2 2 2 Ejemplo 6.3. Sean los campos f ( x ) = , h( x ) = x1 + x 2 , y g = sin( x1 ) x 2 x2 h [f, g], y [g, f]. R.: Lf h = hf = f = [2 x1 1] = sen( x ) x x 1 2

0 x , determine 1

2 Lf h , L2 f h , Lg h , Lg h ,

2 x1 x2 sen x1 x2 .

L2 f h = Lf ( Lf h )

x2 h [2 x 2 cos( x1 ) 2 x1 1] = ( 2 x2 cos( x1 )) x2 + ( 2 x1 1)( sen( x1 ) x2 ) . Lg h = hg = x g = [2 x1 1] sen( x ) x 1 2 x2 x2 0 0 0 = x 2 . [f , g ] = gf fg = = x1 . L2 g h = Lg ( Lg h ) = [1 0] x sen( x1 ) x 2 1 1 0 sen( x1 ) x2


0 1 0 cos( x ) 1 x 1 1

= 1 . [g, f ] = fg gf = [f , g ] = . x1 + x2 x1 x 2

x1

Algunas propiedades del parntesis lie son, i) ii) iii) iv) Bilinealidad, [1f1 + 2f2 , g ] = 1[f1 , g ] + 2 [f2 , g ] , [f , 1g1 + 2g 2 ] = 1[f , g1 ] + 2 [f , g 2 ] . Conmutatividad Skew, [f , g ] = [g, f ] . Identidad de Jacobi, L[ f ,g ] h = Lf Lg h Lg Lf h . Notar adems que si f y g son constantes, entonces [f, g] = 0.
n n

Def.: Un mapeo z: D R , donde D R es un dominio, es un difeomorfismo en D si es invertible en

D (e.d., existe una funcin z-1 tal que z-1(z(x)) = x) para todo x D y ambas, z y z-1, son continuamente diferenciables. Si la matriz Jacobiano z/x es no-singular en un punto xo D, entonces hay una vecindad alrededor de xo tal que z en es un difeomorfismo. Una funcin z es un difeomorfismo global si y solo si:
z = z x

es no singular x Rn, y
||x||

- z es propio; es decir, lim || z( x ) || = .

2 2 x1 + 5 x1 x 2 z 2 + 5 x 2 10 x1 x 2 Ejemplo 6.4. Determinar si z (x ) = = es un difeomorfismo. R.: Al tomar se tiene x 0 3 cos(x 2 ) 3 sen (x 2 ) que su rango es 2 alrededor del origen por lo que es no-singular en ese entorno. Por lo tanto, z(x) es un difeomorfismo alrededor del origen, faltara encontrar z -1(x).

Def.: Un set linealmente independientes de vectores de campo {f1,, f2, ..., fm} en D, donde D R es un
n

dominio, es integrable completamente si existen n - m funciones escalares h1(x), h2(x), ..., hn-m(x) que satisfacen el sistema de ecuaciones diferenciales parciales - hi f j = 0 , donde 1 i n - m, 1 j m, y - los gradientes hi son linealmente independientes.

Def.: Un conjunto de vectores de campo linealmente independientes {f1,, f2, ..., fm} en D, donde D R

es un dominio, es involutivo si y solo si hay funciones escalares ijk: Rn R tal que,

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

78

[fi , f j ] = ijk ( x )f k ( x ) , i, j tal que 1 i, j m


k =1

En otras palabras, s y solo s [fi, fj] es combinacin lineal del conjunto original. Notar que: i) ii) iii) Vectores de campo constantes son involutivos, puesto que [fi, fj] es siempre cero y el 0 puede ser siempre expresado como combinacin lineal del conjunto. Un conjunto {f} de un nico vector de campo es involutivo dado que [fi, fj] = ff - ff = 0 y el 0 puede ser siempre expresado como combinacin lineal del conjunto. Para verificar si un conjunto es involutivo, se verifica que rango{f1,, f2, ..., fm} = rango{f1,, f2, ..., fm, [fi, fj]} i, j.

Teorema: Teorema de Frobenius. Sea {f1,, f2, ..., fm} un conjunto de campos vectoriales linealmente

independiente, el conjunto es completamente integrable s y solo s es involutivo.


Ejemplo 6.5. Determinar si las ecuaciones

h h =0 x1 x2 h h h 2 x1 + ( x3 3x 2 ) + 2 x3 =0 x1 x 2 x3 4x3

4 x3 x1 y f = x 2 3x y por tanto las ecuaciones tienen solucin. R.: En este caso se tiene el conjunto {f1,, f2 }, con f1 = 1 2 2 3 2 x 0 3 se pueden escribir como hi f j = 0 , donde 1 i n - m = 3 - 2 = 1, 1 j m = 2. Para ver si existe h (o el conjunto es completamente integrable), se debe verificar si es involutivo. Para esto se calcula,
[f1 , f 2 ] = 0 4 x 3 0 0 4 x1 1 0 f 2 f1 2 f1 f 2 = 0 3 2 x 3 1 0 0 0 x 3 3x 2 x x 0 2 0 0 0 0 0 2x3 4 x 8 x 12 x 3 3 3 0 = 3 = 3 f + 0 f = 3 1 2 0 0 0

por lo tanto [f1,, f2] es l.d. y por consiguiente {f1,, f2} es involutivo y finalmente las ecuaciones son solucionables.

6.3 Linealizacin de los Estados de Entrada.


Def.: Un sistema no-lineal (con una entrada) de la forma x = f(x) + g(x)u , con f(x) y g(x) vectores de

campo suaves en Rn, es linealizable en los estados de entrada si existe una regin en Rn, un difeomorfismo z: Rn, y una ley de control no-lineal realimentada u = (x) + (x)v tal que las nuevas variables de estado z = z(x) y la nueva entrada v satisfacen la relacin lineal invariante en el tiempo z = Az + bv donde:
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

79

0 0 A= 0 0

1 0 0 1 0 0 0 0

0 0 0 0 y b = . 1 0 0 1

El nuevo estado z se conoce como estado linealizante, y la ley de control u = (x) + (x)v se conoce como ley de control linealizante. La definicin se ajusta a la idea intuitiva de linealizacin; sin embargo, cmo encontrar el difeomorfismo no est indicado. Esto se analiza a continuacin.
A. Condiciones para la Linealizacin de los Estados de Entrada.
n

Teorema: El sistema no-lineal x = f(x) + g(x)u , con f(x) y g(x) vectores de campo suaves en R , es

linealizable en las variables de estado de entrada si y solo si existe una regin tal que se cumplen las siguientes condiciones,
- Los vectores de campo {g, adf g, ..., adf

- El conjunto {g, adf g, ..., adf

n-2

g} son linealmente independientes en . g} es involutivo en .


n-1

Nota: La primera condicin es equivalente a la condicin de controlabilidad en sistemas lineales, esto dado que {g, adf g, ..., adf n-1 g} = {b, Ab, ..., An-1b} en sistemas lineales. La segunda condicin no tiene equivalente directo en sistemas lineales.
B. Metodologa para implementar la linealizacin.

Los pasos a seguir son: i) ii) iii) Construir el vector de campos {g, ad f g, ..., ad f n-1 g}. Chequear que el conjunto es linealmente independiente y es involutivo. Si ambas condiciones se cumplen, encontrar z1 de las ecuaciones:
z1ad fi g = 0, i = 0, ..., n 2 z1ad fn 1g 0

si la segunda ecuacin se hace igual a 1, ambas ecuaciones se pueden escribir como,

[ad f0 g ad f1g

z1 / x1 0 z / x 0 2 1 n 2 n 1 ad f g ad f g ] = . z1 / xn 1 0 1 z1 / x n

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

80

iv)

Calcular la transformacin de estado z(x) = [z1 Lfz1 Lfn-1z1]T y la transformacin de entrada como,
( x ) =

1 Ln f z1 , ( x ) = . n 1 1 Lg Lf z1 Lg Ln f 1

2 Ejemplo 6.6. Dado el sistema, x1 = a sen( x 2 ) , x2 = x1 + u , determine si es linealizable en las variables de entrada, en el caso de serlo, determine la ley de control linealizante. R.: Este sistema de ecuaciones de segundo orden (n =2) se puede a sen( x 2 ) 0 escribir como x = f ( x ) + g ( x )u , donde los vectores de campo son f ( x ) = y g( x ) = g = . Los pasos son: (1) 2 1 x1

a cos( x2 ) 0 0 el conjunto es {g, adf g}, por lo que se determina solamente adf g = ad f g = gf fg = fg = 1 = 0 2 x1 0 cos( ) cos( ) a x a x 2 2 = 2, excepto para cos(x2) = 0, por lo que el , (2) el rango del conjunto {g, adf g} es rango 1 0 0
0 a cos( x2 ) z1 / x1 0 z1 conjunto es l.i. y adems el conjunto {g} es siempre involutivo, (3) z / x = 1 , de donde x = 0 y 1 0 2 1 2 z1 = 1 , por lo que z1 = x1 , es una solucin, (4) como z(x) = [z1 Lfz1]T, entonces se necesita Lfz1 que es Lfz1 = z1f = x1

L2 z1 a sen( x 2 ) = a sen( x2 ) , por lo que z(x) = [x1 a sen( x2 ) ]T; adems, ( x ) = f , por lo que se necesita L2 [1 0] f z1 = 2 x L g L f z1 1 a sen( x 2 ) 0 2 Lf ( Lf z1 ) = ( Lf z1 )f = [0 a cos( x 2 )] = ax1 cos( x2 ) , y se necesita Lg Lf z1 = ( Lf z1 )g = [0 a cos( x 2 )] 2 1 x1

= a cos( x2 ) , con lo que ( x ) = muestra en la Fig. 6.5.

L2 ax 2 cos( x2 ) 1 1 f z1 2 = = 1 = x1 y ( x ) = . El diagrama resultante se Lg Lf z1 a cos( x2 ) Lg Lf z1 a cos( x2 )

Este ltimo ejemplo muestra en forma clara que se obtiene una linealizacin de los estados y que ahora se est en condiciones de disear una ley de control lineal para lograr los objetivos de control final. Sin embargo, debe destacarse que los objetivos se logran respecto del nuevo set de variables de estado z que eventualmente no tienen significado fsico.
C. Diseo de Controladores para Linealizacin de Estados de Entrada.

Notar que: i) El modelo equivalente es z = Az + bv , o escrito por componentes z1 = z2 , z2 = z3 , ..., zn 1 = zn ,

u = ( x ) + ( x )v

x = f ( x, u )

z = z(x )
Fig. 6.5 Linealizacin de estados de entrada del Ejemplo 6.6.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

81
(n)

ii)

zn = v , que es equivalente a z1 = v . Solo hay una entrada que es v y slo hay una salida por controlar como mximo que es z1.

Por lo tanto se pueden dar dos casos, primero, si zd1 es la consigna para z1, entonces la entrada se puede tomar como,
n n 1 n 1 v = zd 1 + a n 1 ( z d 1 z1 ) +

+ a1 ( z d 1 z1 ) + a0 ( z d 1 z1 ) , + a1e1 + a0 e1 = 0 ,

si se define el error zd1 - z1 = e1, se tiene que, e1( n ) + an 1e1( n 1) +

por lo que los coeficientes a0, ..., an-1 son escogidos para asegurar estabilidad exponencial de la expresin anterior, con lo que se asegura que el error tiende a cero exponencialmente. Un segundo caso corresponde al clsico diseo de un controlador de estados donde la entrada v se escoge de manera de re-ubicar los polos del sistema, en este caso la entrada v queda como, v = uex kz = uex k 0 z1 k1 z2

k n 1 zn ,

donde en un segundo paso se puede disear un controlador para lograr objetivos adicionales de control. Por supuesto, un controlador de estados en conjunto con un controlador integrador tambin puede ser utilizado.

6.4 Linealizacin de Entrada-Salida.


El sistema que se estudia es x = f ( x ) + g( x )u , y = h(x); donde se desea que y dependa linealmente de una nueva entrada v. En particular se revisan tres aspectos: (a) cmo generar una relacin lineal entrada-salida, (b) cules son las dinmicas internas y cero asociadas con la linealizacin, y (c) cmo disear controladores estables a partir de los resultados de la linealizacin.
A. Generacin de una Relacin Lineal de Entrada-Salida.

En general se deriva la salida y hasta que la entrada u aparezca en la salida. Luego se disea u de manera de eliminar las no-linealidades. Sin embargo, esto no es siempre posible; especficamente, cuando el sistema no tiene grado relativo bien definido.

Sistemas con grado relativo definido. El proceso de derivacin sucesiva comienza con derivar la salida una vez, quedando,
y= dy dh( x ) h( x ) = = x = h(f + gu ) = Lf h( x ) + Lg h( x )u , x dt dt y = L2 f h ( x ) + Lg Lf h ( x )u , en donde la entrada u esta en la ecuacin si LgLfh(x) 0, si es cero se deriva una y otra vez hasta que aparezca. Si se asume que despus de derivar r veces la salida, la entrada u aparece en la ecuacin de la salida y, entonces se tiene que, y ( r ) = Lrf h( x ) + Lg Lrf 1h( x )u ,
1 con Lg Lr f h ( x ) 0 para algn x = xo en x, por lo que la ley de control u ser,

la entrada u esta presente si Lgh(x) 0, si es cero se deriva nuevamente.

(6.3)

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

82

u=

1 ( Lr f h + v) , r 1 Lg Lf h

lo que resulta en la relacin lineal y(r) = v. Ntese que r es el grado relativo del sistema y que si se llega a que r = n entonces este procedimiento resulta ser el de linealizacin de estados.
Def.: El sistema definido por x = f ( x ) + g( x )u , y = h(x) tiene grado relativo r en una regin si x

se cumple que
- Lg Lif h( x ) = 0 con r 1 - Lg Lf h( x ) 0 . 0 i < r 1, y

Sistemas con grado relativo no-definido. Se da cuando en la vecindad de x = xo el coeficiente Lg Lrf 1h( x ) = 0.

x = ( x, x ) + u , estudie su grado relativo para y = x y para y = x2. R.: Al derivar la salida se tiene que y = x , como la entrada no est presente, se deriva otra vez, y = x = ( x, x ) + u , por lo que r = 2. Para y = x2 se deriva la salida y se tiene y = 2 xx , como la entrada no est presente, se deriva otra vez, y = 2( x 2 + xx ) = 2 x 2 + 2 x (( x, x ) + u ) , por lo que si el origen es el punto a estudiar se tendra para la vecindad de ste que y = 0 , por lo que no se puede definir para ese punto xo = 0 el grado relativo.
Ejemplo 6.7. Dado el sistema,

B.

Formas Normales.

Cuando el grado relativo esta definido (r < n) el sistema no-lineal x = f ( x ) + g( x )u , y = h(x) se puede re-escribir usando y , y , ..., y ( r 1) como parte de un nuevo conjunto de variables de estado, llamado forma normal. Sea = [1, 2, ..., r]T = [ y , y , ..., y ( r 1) ]T, por lo que en una vecindad de xo en el sistema se puede representar por,
2 = r , a ( ,) + b( ,)u = w ( ,)

(6.4)

donde y = 1 y es una funcin a encontrar. En la forma normal, las variables i y j se conocen como estados normales. Ntese que en la forma normal la expresin no contiene a la entrada u. Para mostrar que el sistema no-lineal original puede ser transformado en la forma normal, debe existir la transformacin para lo cual debe probarse que existe el difeomorfismo,

z( x ) = [1

nr ] ,
T

(6.5)

de manera que se cumple (6.4). Para mostrar que (6.5) es un difeomorfismo es suficiente mostrar que su Jacobiano es invertible; es decir, que los gradientes i y j son l.i., lo cual se cumple si,
j ( x )g( x ) = Lg ( x ) j ( x ) = 0 .
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

83

x1 + e 2 x2 u x1 Ejemplo 6.8. Dado el sistema, x 2 = 2 x1 x 2 + sen ( x 2 ) + 1 / 2u , con y = h(x) = x3, determine su forma normal. R.: Al 2 x2 x3

derivar la salida dos veces se tiene que se tiene que y = x 3 = 2 x 2 , y = 2 x 2 = 4 x1 x 2 + 2 sen x 2 + u , por lo que r = 2 y por
tanto 1 = x3 y 2 = 2x2. Las funciones = [1]T = se obtiene de Lg = x1 x 2 e 2 x2 1/ 2 = x 3 0

2 x2 1 e + = 0 , donde una solucin es = 1 + x1 e 2 x2 . As la transformacin z(x) = [1 r 1 n-r]T, queda 2 x 2 x1

0 0 z( x ) T como z(x) = [1 2 ] y su Jacobiano como = 0 2 x 1 2 e 2 x 2 x1 1 + + e inversa es x 2 = 1 / 2 2 1 x3


2

1 0 0

que es no-singular y por tanto la transformacin

. Finalmente, con este nuevo conjunto de coordenadas se tiene la forma normal como, 2 1 = . 2 + + + + 2 ( 1 e ) 2 sen( / 2 ) u 2 2 2 2 2 (1 e )(1 + 2 2 e ) 2 sen( 2 / 2)e

C.

Las Dinmicas Cero

Una vez realizada la linealizacin entrada/salida, quedan internamente n r dinmicas las cuales deben comportarse apropiadamente para un desempeo total tolerable. El anlisis anterior muestra que las dinmicas asociadas con

= w( ,) ,

(6.6)

de la forma normal corresponden a las dinmicas internas. En total son n - r ecuaciones y para su anlisis se puede optar por analizar las dinmicas cero. stas corresponden a las dinmicas obtenidas de hacer cero la salida y y todas sus derivadas, lo que corresponde equivalentemente a tener = 0 en la ecuacin anterior. Para tener al sistema operando en dinmica cero, el estado inicial x(0) debe estar en el espacio de soluciones (es decir, que se cumpla que (0) = 0) y la entrada u = ud0 debe ser tal que las derivadas de y son cero o que y(r)(t) = 0, lo que equivale de (6.3) a tener la entrada ud0, ud 0 Lrf h( x ) = . r 1 Lg Lf h( x )
=0 = w (0,)

(6.7)

Bajo estas condiciones se tiene el sistema resultante, , (6.8)

de donde la dinmica cero est dada por,

= w (0,) .
Copyright por Prof. Jos R. Espinoza C.

(6.9)

Apuntes: 543 703

84

2 1 , 2 Ejemplo 6.9. En el ejemplo anterior se tiene la forma normal 2 = 2 ( 1 e ) 2 sen( + + + 2 / 2) + u 2 2 2 (1 e )(1 + 2 2 e ) 2 sen( 2 / 2)e

estudie la dinmica cero. R.: La dinmica cero est dada por = (1 e 2 )(1 + 2 2 e 2 ) 2 sen( 2 / 2)e 2 resulta en = , que es estable.

1 = 2 = 0

lo que

Nota: Aquellos sistemas con dinmica cero estable se conocen como sistemas de fase mnima.
Def.: El sistema x = f ( x ) + g( x )u , y = h(x) es asintticamente mnimo de fase si su dinmica cero es

asintticamente estable. Adems, si el sistema es asintticamente estable para cualquier (0) se dice globalmente asintticamente mnimo de fase; de otra manera se dice que es localmente asintticamente mnimo de fase.
D. Estabilizacin Asinttica Local.

Como resultado de la linealizacin se tiene que y(r) = v. Si se considera a v como v = a 0 y a1 y a r 1 y ( r 1) , donde los coeficientes a0, a1, ..., ar-1, escogidos de manera que el polinomio sr + ar-1sr-1 + + a1s + a0 tenga sus races en el S.P.I. se obtiene una ley de entrada dada por, u= 1 ( Lrf y a r 1 y ( r 1) Lg Lrf 1 y

a0 y ) .

(6.10)

La interrogante es si se puede asegurar la estabilidad de todo el sistema incluyendo las dinmicas internas. Para esto se tiene el siguiente teorema.
Teorema: Asumir que el sistema x = f ( x ) + g( x )u , y = h(x) tiene grado relativo r y su dinmica cero

es localmente asintticamente estable. Escoger ai tal que el polinomio sr + ar-1sr-1 + + a1s + a0 tiene todas sus races estables, entonces la ley de control (6.10) asegura una estabilidad asinttica local del sistema L.C..

2 Ejemplo 6.10. Dado el sistema x1 = x1 x 2 , x 2 = 3x 2 + u determine mediante linealizacin entrada-salida una ley para la entrada u tal que el origen sea asintticamente estable. R.: Dado que la salida no est especificada, sta se considera como y 2 x 2 3 x 2 u , como la entrada est presente y la salida y ha = -2x1 - x2 por lo que la derivada de y es y = 2 x1 x 2 = 2 x1 sido derivada una vez, entonces r = 1 y hay por tanto una dinmica interna. La dinmica cero es la obtenida al hacer y = 0 con lo que se obtiene -2x1 = x2 que al ser reemplazo en la primera ecuacin de estado (la que no depende de u) se obtiene la 3 dinmica cero como x1 = 2 x1 , que es asintticamente estable, por lo que una ley de control como por ejemplo 2 u = 2 x1 x 2 4 x 2 2 x1 estabiliza localmente el sistema no-lineal en torno al origen. Ntese que la ley de control elimina

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

85

la no-linealidad y adems agrega trminos de manera que la ecuacin resultante es y = x 2 + 2 x1 = y que es asintticamente estable.

E.

Seguimiento de Sistemas de Fase Mnima.

El procedimiento de diseo de v para lograr estabilidad asinttica puede ser extendido al problema de control. Para esto se supone una salida deseada yd, por tanto el vector,

d = [ yd

yd

( r 1) T yd ] ,

es conocido, y adems se define el error como e(t ) = d (t ) (t ) . Ante este escenario se tiene el siguiente teorema,
Teorema: Asumir que el sistema x = f ( x ) + g ( x )u , y = h(x) tiene grado relativo r, que d es suave y

acotada, y que la solucin d de la ecuacin d = w ( d ,d ) con d (0) = 0 , exista, sea acotada y es uniformemente asintticamente estable. Escoger ai tal que el polinomio sr + arr-1 + + a1s + a0 tenga races estrictamente estables. Entonces, al usar la ley de control, 1s u= 1 (r) { Lr f 1 + y d + a r 1er + Lg Lrf 11

+ a0 e0 } ,

el sistema completo permanece acotado y el error de seguimiento e(t) converge a cero exponencialmente.

F.

Seguimiento de Sistemas de Fase No-mnima.

En este caso la ley de control no puede ser implementada puesto que las dinmicas internas son noacotadas y por tanto el sistema resultante no es implementable. En este caso se recurre a obtener leyes de control que permitan generar errores de seguimiento pequeos pero que tengan dinmicas internas estables. Para esta alternativa hay tres mtodos.

Re-definicin de la salida. En este caso se define una nueva salida y1 = h1(x) de manera que esta definicin genera dinmicas cero estables. La definicin se realiza de manera que y1 sea aproximadamente igual a y en el rango de frecuencias de inters. Para entender este caso se revisa el caso lineal definido por la F. de T.,
y= (1 s / b)n o ( s ) u, d ( s)

donde no(s) y d(s) tienen races estables. Claramente la entrada no se puede definir para que la salida y siga una referencia yd perfectamente, por la presencia del cero inestable (sistema de fase no-mnima) que requerira una entrada inestable. Sin embargo, si se define una salida y1 como,
y1 = no ( s) u, d ( s)

la entrada u se puede definir sin problemas para que la salida y1 siga en forma perfecta una referencia yd por lo que se tiene que y1 = yd y por tanto la salida original est dada por y = (1 - s/b)y1 = (1 - s/b)yd por lo que si la salida deseada yd cambia lentamente, se tiene que se logra un error de seguimiento pequeo.
Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

86

Derivar n veces la salida. En este caso se deriva la salida n veces sin importar si la entrada aparece en el intertanto. Con esto se logra un grado relativo n y por tanto no hay dinmicas internas. Por supuesto, esta aproximacin es buena si los trminos que acompaan a la entrada u son despreciables en los pasos intermedios. Re-definir la planta. Si los casos anteriores no permiten lograr resultados satisfactorios se puede recurrir a cambios de la planta en estudio. Si bien esto parece drstico, puede estarse en presencia de un sistema mal diseado y que por tanto se justifique un re-diseo. Por ejemplo, podra pensarse en un avin sin alas en un primer intento lo que no permitira el diseo de una ley de control para estabilizarlo.

6.5 Sistemas MIMO.


Los conceptos de linealizacin de estados, de entrada-salida, dinmica interna y dinmica cero pueden ser extendidos a sistemas MIMO. Los sistemas a considerar son cuadrados es decir con igual nmero de entradas p y salidas q y de la forma,

x = f ( x ) + G( x ) u ,

y = h(x)

donde G(x) es una matriz cuadrada de np ( nq) y h(x) es un campo vectorial Rn Rq.
A. Linealizacin Mediante Realimentacin.

En este caso se deriva cada salida tantas veces hasta que alguna entrada aparece. Se asume que ri es el entero ms pequeo que hace aparecer al menos una entrada en y i( ri ) , entonces,
ri 1 i yi( ri ) = Lr f hi + Lg j Lf hi u j , j =1 p

con Lg j Lrfi 1hi 0 para al menos un j en una vecindad i del punto xo. La expresin anterior se repite para cada salida y los resultados se pueden agrupar en forma matricial en,

y1( r1 ) Lrf1 h1 = + E( x )u , ( rq ) rq yq Lf hq se define como la interseccin de los i y se asume que todos los grados relativos ri estn definidos, entonces es una vecindad de xo. Finalmente, si E(x) es invertible, similarmente al caso SISO se puede definir la entrada u como,
v1 Lrf1 h1 u = E1 ( x ) , rq vq Lf hq lo que resulta en q ecuaciones del tipo, yi( ri ) = vi , que corresponde a un sistema desacoplado por lo que la definicin anterior de la entrada se conoce como ley de control desacopladora y la matriz E(x) como la matriz desacopladora. Si este es el caso, el

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

87

sistema original x = f ( x ) + G( x )u , y = h(x) tiene grado relativo (r1, r2, ..., rp) en xo y el escalar r = r1 + r2 + ... + rp se denomina el grado relativo total del sistema en xo. Un caso importante es cuando r = n en cuyo caso se logra el equivalente a linealizacin de estados y por tanto no hay dinmicas internas. La dinmica cero se puede definir tambin haciendo cero las salidas y sus derivadas. El concepto de sistema de fase mnima es igualmente aplicable.
B. Matriz Desacopladora No-Invertible.

En aquellos casos en que la matriz E(x) no es invertible se puede recurrir a dos caminos para lograr la linealizacin en sistemas MIMO. Estas son mediante la re-definicin de las entradas y mediante la redefinicin de las salidas. En el primer caso se opta por tomar como nuevas entradas a las derivadas de las entradas originales de manera que la matriz E(x) sea invertible, luego se genera la entrada al sistema integrando la nueva entrada. En ambos casos se debe verificar la estabilidad de las dinmicas internas.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

88

Bibliografa.

R. Dorf, Modern Control Systems, Addison-Wesley Publishing Comp. 1995, 7th edition. K. Furuta, A. Sano, and D. Atherton, State Variable Methods in Automatic ..., Wiley 1988. T. Glad and L. Ljung, Control Theory, Multivariable and Nonlinear Me..., Taylor&Francis. 2000. T. Kailath, Linear Systems, Prentice Hall 1980. E. Kreyszig, Advanced Engineering Mathematics, John Wiley & Sons 1993, 7th edition. B. Kuo, Sistemas de Control Automtico, Prentice-Hall 1996, 7ma edicin. J. Maciejowsky, Multivariable Feedback Design, Addison-Wesley Publishing Comp. 1990. M. Morari and E. Zafiriou, Robust Process Control, Prentice-Hall International, Inc. 1989. K. Ogata, Ingeniera de Control Moderna, Prentice-Hall 1993, 2da edicin. W. Rugh, Linear System Theory, Prentice-Hall. 1996, 2nd edition. S. Skogestad and I. Postlethwaite, Multivaraible feedback control, Wiley 1996. J.J. Slotine and W. Li *, Applied Nonlinear Control, Prentice Hall 1991. A. Isidori *, Nonlinear Control Systems, Springer 1996. H. Khalil *, Nonlinear Systems, Prentice Hall 1996. M. Henson and D. Seborg *, Nonlinear Process Control, Prentice Hall 1997.

Los textos marcados con * estn exclusivamente referidos a sistemas no-lineales, siendo el primero (Slotine) un texto gua para este curso.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

89

ndice Alfabtico.
A G

asintticamente mnimo de fase.....................................84


C

campo co-vectorial.........................................................76 campo vectorial..............................................................76 cannica controlable ......................................................69 caos ..................................................................................4 ciclo lmite ...................................................10, 15, 16, 21 comportamiento local ....................................................14 condicin de Lipschitz...................................................38 conjunto invariante ........................................................25 conjunto invariante global .............................................26 conjunto invariante local................................................25 controlador robusto........................................................30 criterio de Nyquist .........................................................49
D

ganancia programada.....................................................62 gradiente ........................................................................76 grado relativo...........................................................73, 82 grado relativo total.........................................................87


I

identidad de Jacobi ........................................................77 integrable completamente..............................................77 involutivo.......................................................................77 isoclinas .........................................................................13


L

lema de Barbalat ............................................................39 ley de control desacopladora .........................................86 ley de control linealizante..............................................79 linealizacin...................................................................19
M

definida negativa.....................................................................23 positiva................................................................22, 34 semi-definida negativa ..............................................23 semi-definida positiva...............................................23 derivada lie ....................................................................76 difeomorfismo ...............................................................77 difeomorfismo global.....................................................77 dinmica cero...........................................................75, 83 dinmica interna ............................................................73 dominio de atraccin................................................24, 26
E

matriz definida positiva .................................................27 matriz desacopladora .....................................................86 matriz Jacobiano ............................................................76 mnimo de fase ..............................................................75
N

no-mnimo de fase .........................................................75


P

ejemplo compensador ...............................................................6 estanque ......................................................................5 pndulo .......................................................................4 reactor .........................................................................5 estabilidad..........................................................18, 32, 34 estabilidad asinttica................................................18, 32 estabilidad asinttica global uniforme ...........................33 estabilidad asinttica uniforme ......................................33 estabilidad exponencial............................................19, 32 estabilidad global...............................................19, 24, 33 estabilidad local .............................................................23 estabilidad marginal.......................................................19 estabilidad uniforme ................................................33, 34 estabilidad uniforme asinttica ......................................34 estabilidad uniforme asinttica global ...........................35 estado linealizante..........................................................79 estados normales............................................................82
F

parntesis lie ..................................................................76 peridica ........................................................................10 peridica aislada ............................................................10 plano de estados.............................................................10 plano de fase ..................................................................10 producto punto...............................................................76 punto aislado .........................................................................8 equilibrio.....................................................................8 operacin.....................................................................8 singular .......................................................................8
R

regulador no-lineal.........................................................29
S

sistema autnomo ............................................................8 sistemas perturbados......................................................37


T

fase mnima....................................................................84 forma normal .................................................................82 funcin descriptora ..................................................43, 46 funciones de Lyapunov..................................................22

Teorema de Nyquist Extendido .....................................50 teorema de Silvester.......................................................27 transformacin de entrada..............................................70 transformacin de estados..............................................70
U

uniformemente continua ................................................40

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

90

variable programadora...................................................62 velocidad de convergencia.............................................28

Copyright por Prof. Jos R. Espinoza C.