1

Tarea de Control Digital

Eduardo Martnez Zambrano

INDICE
I. Problema A-6-13 1
II. Problema A-6-14 2
III. Problema B-6-1 3
IV. Problema B-6-6 4
V. Problema B-6-8 5
VI. Problema B-6-9 7
VII. Problema B-6-15 7
VIII. Problema B-6-17 8
IX. Problema A-8-8 12
X. Problema A-8-10 13
Referencias 17
En este documento se muestra el desarrollo de algunos
ejercicios que se encuentran en [1].
I. PROBLEMA A-6-13
Considere el sistema denido por
x(k + 1) = Gx(k) +Hu(k)
donde x(k) es un vector de dimension 3. Se supone que el
sistema es de estado completamente controlable y que se desea
respuesta con oscilaciones muertas al estado inicial x(0). (Es
decir, los polos en lazo cerrado deseados deber an estar en el
origen de modo que
1
=
2
=
3
= 0.) Demuestre que la
matriz de ganancia de realimentaci on del estado K deseada
puede darse mediante la f ormula
K =
_
1 0 0
_

1

2

3

1
(1)
donde

1
= G
1
H

2
= G
2
H

3
= G
3
H
Demuestre tambi en que los vectores
i
son vectores carac-
tersticos generalizados de matriz G HK: esto es, que
i
satisface las ecuaciones 2
(GHK)
1
= 0 (2)
(GHK)
2
=
1
(3)
(GHK)
3
=
2
(4)
Soluci on Utilizando la f ormula de Ackermann
K = [ 0 0 0 1 ] [ H GH G
n1
H ]
1
(G) (5)
tenemos
K =
_
0 0 1
_
H GH G
2
H

1
(G)
donde
(G) = G
3
Por lo tanto,
K =
_
0 0 1
_
H GH G
2
H

1
G
3
(6)
Posmultiplicando ambos miembros de la ecuaci on (6) por
1
=
G
1
H se obtiene
K
1
=
_
0 0 1
_
H GH G
2
H

1
G
3
G
1
H
=
_
0 0 1
_
H GH G
2
H

1
G
2
H
=
_
0 0 1

[ H GH G
2
H ]
1
[ H GH G
2
H ]
_
_
0
0
1
_
_
=
_
0 0 1

_
_
0
0
1
_
_
Entonces
K
1
= 1
Posmultiplicando ambos miembros de la ecuaci on (5) por
2
=
G
2
H se obtiene
K
2
=
_
0 0 1
_
H GH G
2
H

1
G
3
G
2
H
=
_
0 0 1
_
H GH G
2
H

1
GH
=
_
0 0 1

[ H GH G
2
H ]
1
[ H GH G
2
H ]
_
_
0
1
0
_
_
=
_
0 0 1

_
_
0
1
0
_
_
Entonces
K
2
= 0
Posmultiplicando ambos miembros de la ecuaci on (5) por
3
=
G
3
H, se obtiene
K
3
=
_
0 0 1
_
H GH G
2
H

1
G
3
G
3
H
=
_
0 0 1
_
H GH G
2
H

1
H
=
_
0 0 1

[ H GH G
2
H ]
1
[ H GH G
2
H ]
_
_
1
0
0
_
_
=
_
0 0 1

_
_
1
0
0
_
_
2
Entonces
K
3
= 0
En consecuencia se tiene que
K
_

1

2

3

=
_
1 0 0

En consecuencia,
K =
_
1 0 0
_

1

2

3

1
que es la ecuaci on (1). Ahora para demostrar que
1
= G
1
H
es un vector caracterstico de la matriz GHK, observamos
que
(GHK)
1
= (GHK)G
1
H
= H HKG
1
H
= H HK
1
Dado que K
1
= 1, se obtiene
(GHK)
1
= 0
Entonces
1
es un vector caracterstico dado que satisface
(2). Ahora para demostrar que
2
= G
2
H es un vector ca-
racterstico generalizado de la matriz GHK, observamos
que
(GHK)
2
= (GHK)G
2
H
= G
1
H HKG
2
H
=
1
HK
2
Como K
2
= 0, se obtiene
(GHK)
2
=
1
Entonces
2
es un vector caracterstico generalizado dado
que satisface (3). Por ultimo, para demostrar que
3
= G
3
H
es un vector caracterstico generalizado de la matriz G
HK, observamos que
(GHK)
3
= (GHK)G
3
H
= G
2
H HKG
3
H
=
2
HK
3
Como K
3
= 0, se obtiene
(GHK)
3
=
2
Entonces
3
es un vector caracterstico generalizado dado
que satisface (4).
II. PROBLEMA A-6-14
Considere el sistema denido por
x(k + 1) = Gx(k)
y(k) = Cx(k)
donde x(k) es un vector de dimensi on 3 y y(k) es un escalar.
se supone que el sistema es completamente observable. Se
desea determinar la matriz de ganancia de realimentaci on
del observador K
e
para un observador de predicci on de
orden completo, tal que la din amica de error tenga races
caractersticas en z =
1
, z =
2
y z =
3
. Es decir
|zI G+K
e
C| = (z
1
)(z
2
)(z
3
)
= z
3
+
1
z
2
+
2
z +
3
Suponga que los valores caractersticos de G son
1
,
2
y
3
y que son distintos de
1
,
2
y
3
. Tambi en suponga que
1
,

2
y
3
son distintos. Demuestre que la matriz K
e
puede estar
dada por
K
e
=
_
_
f
1
f
2
f
3
_
_
1
_
_
1
1
1
_
_
donde
f
i
= C(G
i
I)
1
, i = 1, 2, 3
Demuestre tambi en que las f

i
son vectores caractersticos
de la matriz (GK
e
C)

; esto es, f

i
satisface la ecuaci on
(GK
e
C)

i
=
i
f

i
, i = 1, 2, 3
donde
i
es el conjugado complejo de
i
y f

i
denota la
transpuesta de f
i
. (Observe que cualquiera de los valores
caractersticos complejos se presentan en pares conjugados.)
Soluci on Utilizando a la f ormula de Ackermann para
obtener la matriz de ganancia de retroalimentaci on del
observador K
e
K
e
= (G)
_

_
C
CG
.
.
.
CG
n1
_

_
1
_

_
0
0
.
.
.
1
_

_
(7)
se tiene
K
e
= (G)
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
Al observar que
(G) = G
3
+
1
G
2
+
2
G+
3
I
= (G
1
I)(G
2
I)(G
3
I)
tenemos
K
e
= (G
1
I)(G
2
I)(G
3
I)
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
(8)
Premultiplicando ambos miembros de esta ultima ecuaci on
f
1
= C(G
1
I)
1
resulta
f
1
K
e
= C(G
2
I)(G
3
I)
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
(9)
Si denimos
(G
2
I)(G
3
I) = G
2
+
1
G+
2
I
3
Entonces la ecuaci on (9) se convierte en
f
1
K
e
= C(G
2
+
1
G+
2
I)
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
=
_

2

1
1

_
_
C
CG
CG
2
_
_
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
Por lo tanto,
f
1
K
e
= 1
De manera similar obtenemos f
2
K
e
y f
3
K
e
.
Premultiplicando ambos miembros de la ecuaci on (8) por f
2
=
C(G
2
I)
1
resulta
f
2
K
e
= C(G
1
I)(G
3
I)
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
(10)
Deniendo
(G
1
I)(G
3
I) = G
2
+
1
G+
2
I
La ecuaci on (10) se convierte en
f
2
K
e
= C(G
2
+
1
G+
2
I)
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
=
_

2

1
1

_
_
C
CG
CG
2
_
_
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
Por lo tanto,
f
2
K
e
= 1
Premultiplicando ambos miembros de (8) por f
3
= C(G

3
I)
1
resulta
f
3
K
e
= C(G
1
I)(G
2
I)
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
(11)
Deniendo
(G
1
I)(G
2
I) = G
2
+
1
G+
2
I
La ecuaci on (11) se convierte en
f
3
K
e
= C(G
2
+
1
G+
2
I)
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
=
_

2

1
1

_
_
C
CG
CG
2
_
_
_
_
C
CG
CG
2
_
_
1
_
_
0
0
1
_
_
Por lo tanto
f
3
K
e
= 1
Entonces,
_
_
f
1
f
2
f
3
_
_
K
e
=
_
_
1
1
1
_
_
es decir,
K
e
=
_
_
f
1
f
2
f
3
_
_
1
_
_
1
1
1
_
_
(12)
La ecuaci on (12) da la matriz deseada K
e
en funci on de f
1
,
f
2
y f
3
, donde
(GK
e
C)

i
= C

+
i
f

i
=
i
f

i
Para demostrar que las f

i
son vectores caractersticos de la
matriz (GK
e
C)

, notamos que
(GK
e
C)

i
= (GK
e
C)

[C(G
i
I)
1
]

= (G

e
)(G

i
I)
1
C

= (G

i
I +
i
I C

e
)(G

i
I)
1
C

= C

+ (
i
I C

e
)f

i
= C

e
f

i
+
i
f

i
(13)
Como se ha demostrado antes,
f
i
K
e
= 1
En consecuencia,
K

e
f

i
= 1
Por lo tanto la ecuaci on (13) se convierte en
(GK
e
C)

i
= C

+
i
f

i
=
i
f

i
Por lo anterior queda demostrado que los vectores f

1
, f

2
y f

3
son vectores caractersticos de la matriz (G K
e
C)

correspondientes a los valores caractersticos

1
,
2
y
3
,
respectivamente.
III. PROBLEMA B-6-1
Considere el sistema denido por
_
x
1
(k + 1)
x
2
(k + 2)
_
=
_
a b
c d
_ _
x
1
(k)
x
2
(k)
_
+
_
1
1
_
u(k)
y(k) =
_
1 0

_
x
1
(k)
x
2
(k)
_
Determine las condiciones en a, b, c y d para la controlabilidad
completa y observabilidad completa del estado. Soluci on La
condici on para controlabilidad completa del estado es que el
rango de la matriz de controlabilidad sea de rango n, donde
n es igual al n umero de estados del sistema, es decir
rango
_
H GH G
n1
H

= n (14)
En este caso
rango
_
H GH

= 2
rango
_
1 a +b
1 c +d
_
= 2 (15)
Para que (19) se cumpla, es decir que
_
1 a+b
1 c+d

sea de rango
completo, el determinante de dicha matriz debe ser diferente
de cero, entonces la condici on para controlabilidad completa
del estado es que
c +d a b = 0
4
La condici on para observabilidad completa del estado es que
el rango de la matriz de observabilidad sea de rango n, donde
n es igual al n umero de estados del sistema, es decir
rango
_

_
CG
n1
CG
n2
.
.
.
C
_

_
= n (16)
En este caso
rango
_
CG
C
_
= 2
rango
_
a b
1 0
_
= 2 (17)
Para que (17) se cumpla, es decir que [
a b
1 0
] sea de rango
completo, el determinante de dicha matriz debe ser diferente
de cero, entonces la condici on para observabilidad completa
del estado es que
b = 0
IV. PROBLEMA B-6-6
Demuestre que el sistema
x(k + 1) = G[x(k) +C

u(k)] (18)
y(k) = Cx(k)
donde
x(k) = vector de estado (de dimensi on 4)
u(k) = se nal de control (escalar)
y(k) = se nal de salida (escalar)
y
G =
_

_
0 1 0 0
0 0 1 0
0 0 0 1
1 0 0 0
_

_
, C =
_
1 0 0 0

es de estado completamente controlable y completamente

observable. Demuestre tambi en que, dado cualquier estado
inicial x(0), todo vector de estado podra ser llevado al origen
en a lo m aximo cuatro perodos de muestreo, si y s olo si la
se nal de control est a dada por
u(k) = Cx(k)
Soluci on La condici on para controlabilidad completa del es-
tado es
rango
_
H GH G
2
H G
3
H

= 4
La condici on para observabilidad completa del estado es
rango
_

_
CG
3
CG
2
CG
C
_

_
= 4
Podemos comprobar que se cumplan estas condiciones de
manera r apida utilizando MATLAB.
>> G=[0 1 0 0;0 0 1 0;0 0 0 1;1 0 0 0]; %Definimos
>> C=[1 0 0 0]; %las matrices
>> H=G
*
C'; %del sistema
>> rank(ctrb(G,H)) %El rango de la matriz de
%controlabilidad es igual
ans = %numero de estados, i.e.
%El sistema es de estado
4 %completamente controlable
>> rank([H G
*
H G
*
G
*
H G
*
G
*
G
*
H]) %otra manera de
%introducir la matriz de
ans = %controlabilidad
4
>> det([H G
*
H G
*
G
*
H G
*
G
*
G
*
H]) %El determinante de
%la matriz de
ans = %controlabilidad
%debe ser diferente de cero
1 %para controlabilidad completa del estado
>> rank(obsv(G,C)) %El rango de la matriz de
%observabilidad es igual
ans = %numero de estados, i.e.
%El sistema es de estado
4 %completamente observable
>> rank([C
*
G
*
G
*
G;C
*
G
*
G;C
*
G;C]) %otra manera de
%introducir la matriz de
ans = %observabilidad
4
>> det([C
*
G
*
G
*
G;C
*
G
*
G;C
*
G;C]) %El determinante de
%la matriz de
ans = %observabilidad
%debe ser diferente de cero
1 %para observabilidad completa del estado
Entonces queda demostrado que el sistema es de estado
completamente controlable y observable.
Para demostrar que el sistema tiene respuesta con oscilaciones
muertas, es decir que dado cualquier estado inicial x(0), todo
vector de estado podr a ser llevado al origen en a lo m aximo n
perodos de muestreo con la entrada propuesta, Obtengamos
la soluci on de (18), podemos hacerlo por el m etodo de la
transformada z.
Z {x(k + 1)} = Z {(GGC

C)x(k)}
zX(z) zx(0) = (GGC

C)X(z)
[z (GGC

C)] X(z) = zx(0)

X(z) =
z
z (GGC

C)
x(0)
Z
1
{X(z)} = x(k) = Z
1
_
1
1 (GGC

C)z
1
x(0)
_
x(k) = (GGC

C)
k
x(0) (19)
Vemos que la matriz (GGC

C) es una matriz de potencia

nula, es decir, que al elevarse cierto n umero de potencias
el resultado es una matriz formada por ceros en todos sus
elementos. Podemos comprobarlo f acilmente con MATLAB
5
>> G-G
*
C'
*
C
ans =
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
>> (G-G
*
C'
*
C)2
ans =
0 0 1 0
0 0 0 1
0 0 0 0
0 0 0 0
>> (G-G
*
C'
*
C)3
ans =
0 0 0 1
0 0 0 0
0 0 0 0
0 0 0 0
>> (G-G
*
C'
*
C)4
ans =
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
Por lo anterior, podemos concluir que los estados en la
soluci on (19) son llevados al origen dada cualquier condici on
inicial en 4 perodos de muestreo.
V. PROBLEMA B-6-8
Considere el sistema descrito por la funci on de transferencia
pulso
G(z) =
z
1
(1 +z
1
)
(1 + 0,5z
1
)(1 0,5z
1
)
(20)
Obtenga la representaci on en espacio de estados del sistema
en 1) La forma can onica controlable, 2) La forma can onica
observable y 3) La forma can onica diagonal.
Soluci on
De acuerdo a la secci on 5-2 del libro [1] el sistema discreto
denido por la funci on de transferencia pulso
Y (z)
U(z)
=
b
0
z
n
+b
1
z
n1
+ +b
n
z
n
+a
1
z
n1
+ +a
n
(21)
o bien
Y (z)
U(z)
=
b
0
+b
1
z
1
+ +b
n
z
n
1 +a
1
z
n1
+ +a
n
z
n
(22)
Se puede representar en las siguientes formas:
1. Forma can onica controlable
_
_
_
_
_
_
_
x1(k + 1)
x2(k + 1)
.
.
.
xn1(k + 1)
xn(k + 1)
_

_
=
_
_
_
_
_
_
_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
an an1 an2 a1
_

_
_
_
_
_
_
_
_
x1(k)
x2(k)
.
.
.
xn1(k)
xn(k)
_

_
+
_
_
_
_
_
_
_
0
0
.
.
.
0
1
_

_
u(k)
y(k) = [ bn anb0 bn1 an1b0 b1 a1b0 ]
_
_
_
_
_
_
_
x1(k)
x2(k)
.
.
.
xn1(k)
xn(k)
_

_
+ b0u(k) (23)
o bien, si se invierte el orden de las variables de estado,
es decir, si se dene
_
_
_
_
x1(k)
x2(k)
.
.
.
xn(k)
_

_
=
_
_
_
_
0 0 0 1
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
1 0 0 0
_

_
_
_
_
_
x1(k)
x2(k)
.
.
.
xn(k)
_

_
(24)
se tiene que las ecuaciones de estado en la forma
_
_
_
_
_
_
_
x1(k + 1)
x2(k + 1)
.
.
.
xn1(k + 1)
xn(k + 1)
_

_
=
_
_
_
_
_
_
_
a1 a2 an1 an
1 0 0 0
0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1 0
_

_
_
_
_
_
_
_
_
x1(k)
x2(k)
.
.
.
xn1(k)
xn(k)
_

_
+
_
_
_
_
_
_
_
0
0
.
.
.
0
1
_

_
u(k)
y(k) = [ b1 a1b0 b2 a2b0 bn anb0 ]
_
_
_
_
_
_
_
x1(k)
x2(k)
.
.
.
xn1(k)
xn(k)
_

_
+ b0u(k) (25)
Tambi en est an en la forma can onica controlable
Para encontrar la representaci on en espacio de
estados en la forma can onica controlable de (20)
primero debemos representar dicha ecuaci on como una
funci on racional de polinomios en z.
G(z) =
z
1
+z
2
1 0,25z
2
comparando G(z) con la ecuaci on (22) encontramos que
b
0
= 0, b
1
= 1, b
2
= 1
a
1
= 0, a
2
= 0,25
Entonces la forma can onica controlable de (20) es en-
tonces:
6
_
x
1
(k + 1)
x
2
(k + 1)
_
=
_
0 1
0,25 0
_ _
x
1
(k)
x
2
(k)
_
+
_
0
1
_
u(k)
y(k) =
_
1 1

_
x
1
(k)
x
2
(k)
_
(26)
o bien
_
x
1
(k + 1)
x
2
(k + 1)
_
=
_
0 0,25
1 0
_ _
x
1
(k)
x
2
(k)
_
+
_
0
1
_
u(k)
y(k) =
_
1 1

_
x
1
(k)
x
2
(k)
_
(27)
2. Forma can onica observable
_
_
_
_
_
_
_
x1(k + 1)
x2(k + 1)
.
.
.
xn1(k + 1)
xn(k + 1)
_

_
=
_
_
_
_
_
_
_
0 0 0 0 an
1 0 0 0 an1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1 0 a2
0 0 0 1 a1
_

_
_
_
_
_
_
_
_
x1(k)
x2(k)
.
.
.
xn1(k)
xn(k)
_

_
+
_
_
_
_
_
_
_
bn anb0
bn1 an1b0
.
.
.
b2 a2b0
b1 a1b0
_

_
u(k)
y(k) =
_
0 0 0 1
_
_
_
_
_
_
_
_
x1(k)
x2(k)
.
.
.
xn1(k)
xn(k)
_

_
+ b0u(k) (28)
o bien, si se invierte el orden de las variables de estado
como se propone en (24)
_
_
_
_
_
_
_
x1(k + 1)
x2(k + 1)
.
.
.
xn1(k + 1)
xn(k + 1)
_

_
=
_
_
_
_
_
_
_
a1 1 0 0 0
a2 0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
an1 0 0 0 1
an 0 0 0 0
_

_
_
_
_
_
_
_
_
x1(k)
x2(k)
.
.
.
xn1(k)
xn(k)
_

_
+
_
_
_
_
_
_
_
b1 a1b0
b2 a2b0
.
.
.
bn1 an1b0
bn anb0
_

_
u(k)
y(k) =
_
1 0 0 0
_
_
_
_
_
_
_
_
x1(k)
x2(k)
.
.
.
xn1(k)
xn(k)
_

_
+ b0u(k) (29)
Tambi en esta en la forma can onica observable.
La forma can onica observable de (20) es entonces:
_
x
1
(k + 1)
x
2
(k + 1)
_
=
_
0 0,25
1 0
_ _
x
1
(k)
x
2
(k)
_
+
_
1
1
_
u(k)
y(k) =
_
0 1

_
x
1
(k)
x
2
(k)
_
(30)
o bien
_
x
1
(k + 1)
x
2
(k + 1)
_
=
_
0 1
0,25 0
_ _
x
1
(k)
x
2
(k)
_
+
_
1
1
_
u(k)
y(k) =
_
1 0

_
x
1
(k)
x
2
(k)
_
(31)
3. Forma can onica diagonal
La forma can onica diagonal se obtiene al expandir
la funci on de transferencia pulso G(z) en fracciones
parciales
G(z) =

1

1
z p
1
+

2

2
z p
2
+ +

n

n
z p
n
+D (32)
Entonces podemos escribir G(z) en ecuaciones de esta-
do en la forma can onica diagonal de la siguiente manera:
_

_
x
1
(k + 1)
x
2
(k + 2)
.
.
.
x
n
(k + 1)
_

_
=
_

_
p
1
0 0
0 p
2
0
.
.
.
.
.
.
.
.
.
0 0 p
n
_

_
_

_
x
1
(k)
x
2
(k)
.
.
.
x
n
(k)
_

_
+
_

2
.
.
.

n
_

_
u(k)
y(k) =
_

1

2

n

_
x
1
(k)
x
2
(k)
.
.
.
x
n
(k)
_

_
+Du(k)
(33)
Si el sistema tiene polos de orden multiple entonces se
representa con la forma can onica de Jordan. En este caso
(20) no tiene polos de orden multiple. si convertimos
(20) en una funci on racional de polinomios de potencias
crecientes en z y separamos en fracciones parciales
tenemos:
G(z) =
z + 1
(z + 0,5) (z 0,5)
=
1,5
z 0,5

0,5
z + 0,5
(34)
Comparando (32) y (34)
p
1
= 0,5, p
2
= 0,5
y podemos elegir

1
=
2
= 1,
1
= 1,5,
2
= 0,5
Entonces podemos representar (20) en la forma can onica
diagonal de la siguiente manera:
_
x
1
(k + 1)
x
2
(k + 1)
_
=
_
0,5 0
0 0,5
_ _
x
1
(k)
x
2
(k)
_
+
_
1
1
_
u(k)
y(k) =
_
1,5 0,5

_
x
1
(k)
x
2
(k)
_
(35)
7
VI. PROBLEMA B-6-9
Considere el sistema de funci on de transferencia pulso
G(z) =
1 + 0,8z
1
1 z
1
+ 0,5z
2
(36)
Obtenga la representaci on en espacio de estados del sistema
en las formas can onica controlable, can onica observable y
can onica diagonal.
Soluci on
1. Forma can onica controlable
tenemos que
G(z) =
z
2
+ 0,8z
z
2
z + 0,5
(37)
=
b
0
z
n
+b
1
z
n1
+ +b
n
z
n
+a
1
z
n1
+ +a
n
entonces
b
0
= 1, b
1
= 0,8, b
2
= 0
a
1
= 1, a
2
= 0,5
bas andonos en (25) encontramos la forma can onica
controlable de (36)
_
x
1
(k + 1)
x
2
(k + 1)
_
=
_
1 0,5
1 0
_ _
x
1
(k)
x
2
(k)
_
+
_
0
1
_
u(k)
y(k) =
_
1,8 0,5

_
x
1
(k)
x
2
(k)
_
+u(k) (38)
2. Forma can onica observable
Bas andonos en los coecientes obtenidos de la
funci on de transferencia pulso de G(z) y en la ecuaci on
de estado (28) podemos obtener la forma can onica
observable.
_
x
1
(k + 1)
x
2
(k + 1)
_
=
_
0 0,5
1 1
_ _
x
1
(k)
x
2
(k)
_
+
_
0,5
1
_
u(k)
y(k) =
_
0 1

_
x
1
(k)
x
2
(k)
_
+u(k) (39)
3. Forma can onica diagonal
Para encontrar la forma can onica diagonal separamos
(37) en fracciones parciales. Esto lo podemos realizar
f acilmente con MATLAB
>> [r,p,k]=residue([1 0.8 0],[1 -1 0.5])
r =
0.9000 - 0.4000i
0.9000 + 0.4000i
p =
0.5000 + 0.5000i
0.5000 - 0.5000i
k =
1
Entonces tenemos que
G(z) =
0,9 0,4i
z 0,5 0,5i
+
0,9 + 0,4i
z 0,5 + 0,5i
+ 1 (40)
Vemos que (40) tiene la forma de (32), adem as G(z)
no tiene polos de orden multiple, entonces podemos
representar dicha funci on de transferencia en espacio
de estados en la forma can onica diagonal como se
muestra en (33). Podemos elegir
1
=
2
= 1, entonces

1
= 0,9 0,4i y
2
= 0,9 +0,4i. y la forma can onica
diagonal de (36) quedara representada como:
_
x
1
(k + 1)
x
2
(k + 1)
_
=
_
0,5 + 0,5i 0
0 0,5 0,5i
_ _
x
1
(k)
x
2
(k)
_
+
_
1
1
_
u(k)
y(k) =
_
0,9 0,4i 0,9 + 0,4i

_
x
1
(k)
x
2
(k)
_
+u(k)
(41)
VII. PROBLEMA B-6-15
Considere el sistema denido por
_
x
1
(k + 1)
x
2
(k + 1)
_
=
_
0 1
0,16 1
_ _
x
1
(k)
x
2
(k)
_
+
_
0
1
_
u(k)
Escriba un programa en MATLAB para la determinaci on de
la matriz de ganancia de retroalimentaci on de estado, K tal
que cuando la se nal de control est e dada por
u(k) = Kx(k)
el sistema en lazo cerrado (sistema de regulaci on) muestre
respuesta con oscilaciones muertas a un estado inicial x(0).
Soluci on
Para que el sistema tenga respuesta con oscilaciones
muertas, es decir que dada cualquier condici on inicial, todo
vector de estado puede ser llevado al origen en por lo
menos n perodos, los polos en lazo cerrado del sistema
deben ubicarse en el origen. Podemos obtener lo que se
pide, utilizando el comando acker de MATLAB, entonces,
escribimos lo siguiente en la linea de comandos:
>> G=[0 1;-0.16 -1];
>> H=[0;1];
>> K=acker(G,H,[0 0])
K =
-0.1600 -1.0000
8
_
x
1
(k + 1)
x
2
(k + 1)
_
=
_
0 1
0,16 1
_ _
x
1
(k)
x
2
(k)
_

_
0
1
_
_
0,16 1

_
x
1
(k)
x
2
(k)
_
=
_
0 1
0 0
_ _
x
1
(k)
x
2
(k)
_
(42)
La soluci on de (42) es
_
x
1
(k)
x
2
(k)
_
=
_
0 1
0 0
_
k
_
x
1
(0)
x
2
(0)
_
_
0 1
0 0
_
es una matriz de potencia nula, entonces podemos
demostrar que la retroalimentaci on de estados provoca que el
vector de estados sea llevado al origen en dos perodos de
muestreo dado que
_
0 1
0 0
_
2
=
_
0 0
0 0
_
.
En el control con oscilaciones muertas, cualquier vector
de error distinto de cero ser a llevado a cero en no m as de n
periodos de muestreo, si la magnitud de u(k) es no acotada.
El tiempo de asentamiento depende del perodo de muestreo,
ya que la respuesta se asienta en, a lo m as, n perodos
de muestreo. Si el perodo de muestreo T se escoge muy
peque no, el tiempo de asentamiento ser a muy peque no, y
esto implicar a que la se nal de control tenga una magnitud
extremadamente grande. De no ser as, no sera posible llevar
la respuesta de error a cero en un perodo corto. [1]
En conclusi on, antes de realizar el dise no para que el
sistema tenga una respuesta con oscilaciones muertas, es
necesario analizar bajo que condiciones nuestro sistema puede
cumplir con lo especicado, es necesario saber la cantidad de
energa que se tiene disponible para la ley de control, ya que
si es insuciente, el sistema podra ser incapaz de llevar al
vector de estados al origen dadas ciertas condiciones iniciales
que pudieran presentarse en el tiempo de funcionamiento.
En este caso hemos considerado que u(k) pudiera no ser
acotada.
VIII. PROBLEMA B-6-17
La gura 1 muestra un sistema de seguimiento, donde el
controlador inicial tiene un tiempo de retardo de un perodo
de muestreo. Determine la ganancia de trayectoria directa K
1
y la ganancia de retroalimentaci on K
2
, donde la respuesta
a la entrada de secuencia escal on unitario r(k) = 1 (donde
k = 0, 1, 2, ...) sea con oscilaciones muertas. Graque la
respuesta y(k) en funci on de k.
Soluci on
El objetivo del sistema de seguimiento es eliminar el
error en estado estacionario a entradas escal on o incluso
hacer que el sistema sea capaz de seguir una se nal de entrada,
no necesariamente un escal on, de ciertas condiciones de
frecuencia, amplitud, etc. esto se logra agregando uno o
m as integradores en lazo cerrado, cuya funci on es integrar
la diferencia entre el vector de entrada R y el vector de
Figura 1. Sistema de seguimiento del problema B-6-17.
Figura 2. Sistema de seguimiento con integrador
salida Y . Observamos que el sistema de seguimiento que se
muestra en la Figura 1 no es igual al sistema de seguimiento
que se muestra en la Figura 2. El sistema de seguimiento
de la Figura 1 tiene un retardo unitario en la trayectoria
directa del controlador integral, mientras que el sistema de
seguimiento de la Figura 2 tiene un retardo unitario en la linea
de retroalimentaci on del controlador integral. Realizaremos
el procedimiento matem atico necesario para poder utilizar
la t ecnica de asignaci on de polos para los dos esquemas
de control, despu es realizaremos el dise no del control por
retroalimentaci on de estado, tal que los polos en lazo cerrado
se encuentren en el origen, con el objetivo de que la respuesta
transitoria del sistema sea con oscilaciones muertas en los
dos casos.
Sistema de seguimiento con retroalimentaci on de
estado y control integral.
Consideremos el sistema de seguimiento que se muestra
en la Figura 2. Se supone que la planta es de estado
completamente controlable y no tiene integrador. La ecuaci on
de estado de la planta y su ecuaci on de salida son
x(k + 1) = Gx(k) +Hu(k) (43)
y(k) = Cx(k) (44)
donde
x(k) = vector de estado de la planta (de dimensi on n)
u(k) = vector de control (de dimensi on r)
y(k) = vector de salida (de dimensi on m)
G = matriz de n n
H = matriz de n m
C = matriz de mn
9
La ecuaci on de estado del integrador es
v(k) = v(k 1) +r(k) y(k) (45)
donde
x(k) = vector de error de actuaci on (vector de dimensi on m)
u(k) = vector de entrada de comando (vector de dimensi on m)
De la ecuaci on (45) tenemos que
v(k + 1) = v(k) +r(k + 1) y(k + 1)
= v(k) +r(k + 1) C[Gx(k) +Hu(k)]
= CGx(k) +v(k) CHu(k) +r(k + 1) (46)
El vector de control u(k) est a dado por
u(k) = K
2
x(k) +K
1
v(k) (47)
Los par ametros de dise no son la ganancia integral K
1
y la
matriz de retroalimentaci on de estados K
2
. Para determinar
dichos par ametros de dise no primero debemos obtener la
ecuaci on de estado del sistema de seguimiento. Dado que en
el sistema de seguimiento se agrega un integrador a la planta
en lazo cerrado con retroalimentaci on de estado, entonces, la
ecuaci on de estado del sistema de seguimiento tiene un estado
m as que la ecuaci on de estado de la planta. El libro [1] sugiere
utilizar el vector de control u(k) como variable de estado extra,
ya que esta depende del vector de estados x(k) y de v(k).
Derivando (47) y sustituyendo (46) y (43) tenemos
u(k + 1) = K
2
x(k + 1) +K
1
v(k + 1)
= K
2
[Gx(k) +Hu(k)]
+K
1
[CGx(k) +v(k) CHu(k) +r(k + 1)]
= [K
2
K
2
GK
1
CG] x(k)
+ [I
m
K
2
H K
1
CH] u(k) +K
1
r(k + 1) (48)
De las ecuaciones (43) y (48) tenemos la siguiente ecuaci on
de estado:
_
x(k + 1)
u(k + 1)
_
=
_
G H
K2 K2GK1CG Im K2H K1CH
_ _
x(k)
u(k)
_
+
_
0
K1
_
r(k + 1) (49)
La ecuaci on de salida, ecuaci on (44) puede escribirse como:
y(k) =
_
C 0

_
x(k)
u(k)
_
(50)
Para aplicar la t ecnica de ubicaci on de polos al dise no del
sistema de seguimiento que se analiza, consideremos el caso
en el que el vector r(k) es un vector constante de entrada
escal on de magnitud r, de forma que
r(k) = r
Entonces, la ecuaci on (49) se convierte en
_
x(k + 1)
u(k + 1)
_
=
_
G H
K2 K2GK1CG Im K2H K1CH
_ _
x(k)
u(k)
_
+
_
0
K1r
_
(51)
Si el sistema de seguimiento es estable, los vectores x(k),
u(k) y v(k) tienden a los valores de vector constante x(),
u() y v(), respectivamente. Por lo tanto de la ecuaci on
(45) tenemos que
v() = v() +r y()
es decir,
y() = r
Entonces, la salida no tiene error en estado estacionario cuando
la entrada de comando es un vector escal on. La ecuaci on (51)
en estado estacionario es
_
x()
u()
_
=
_
G H
K2 K2GK1CG Im K2H K1CH
_ _
x()
u()
_
+
_
0
K1r
_
(52)
Denimos los vectores de error como
x
e
(k) = x(k) x()
u
e
(k) = u(k) u()
Si restamos la ecuaci on (51) de la ecuaci on (49), obtenemos
la ecuaci on de estado
_
xe(k + 1)
ue(k + 1)
_
=
_
G H
K2 K2GK1CG Im K2H K1CH
_ _
xe(k)
ue(k)
_
cuyos valores caractersticos determinan la din amica del sis-
tema de seguimiento. La ecuaci on anterior puede modicarse
a _
xe(k + 1)
ue(k + 1)
_
=
_
G H
0 0
_ _
x(k)
u(k)
_
+
_
0
Im
_
w(k) (53)
donde
w(k) =
_
K2 K2GK1CG Im K2H K1CH
_
_
xe(k)
ue(k)
_
(54)
si denimos
(k) =
_
xe(k)
ue(k)
_
= (n +m) vector

G =
_
G H
0 0
_
= (n +m) (n +m) matriz

H =
_
0
Im
_

K =
_
K2 K2GK1CG Im K2H K1CH
_
= m(n +m) matriz (55)
donde n es el n umero de estados de la planta y m es el n umero
de integradores que se agregan al sistema de seguimiento,
en este problema m = 1. Las ecuaciones (53) y (54) se
convierten, respectivamente, en
(k + 1) =

G(k) +

Hw(k) (56)
y
w(k) =

K(k) (57)
La matriz de controlabilidad del sistema denido por la
ecuaci on de estado (56) es
_

H

G

H

G
n+m1

H

=
_
0 H GH G
n+m2
H
I
m
0 0 0
_
(58)
10
Se supone que la ecuaci on de estado de la planta, dada por
la ecuaci on (43), es de estado completamente controlable, es
decir que el rango de la matriz
_
H GH G
n1
H

es n. Por lo tanto, el rango de la matriz de controlabilidad

del sistema de seguimiento, dada por la ecuaci on (58) es n +
m. En consecuencia si la planta es de estado completamente
controlable, el sistema denido por la ecuaci on (56) es de
estado completamente controlable y, por lo tanto, es posible
utilizar la t ecnica de asignaci on de polos. Podemos utilizar la
f ormula de Ackermann, dada por la ecuaci on (5) para obtener

K.

K = [ 0 0 0 1 ] [
H

G

H

G
n1

H ]
1
(

G) (59)
sabemos por la ecuaci on (55) que

K =
_
K
2
+K
2
G+K
1
CG I
m
+K
2
H +K
1
CH

Podemos acomodar la ecuaci on anterior de forma conveniente,

de manera que podamos despejar la ganancia integral K
1
y la ganancia de retroalimentaci on de estados K
2
, entonces
tenemos que

K =
_
K2 K1
_
_
GIn H
CG CH
_
+
_
0 Im
_
Por lo tanto
_
K2 K1
_
=
_

K +
_
0 Im
_
_
_
GIn H
CG CH
_
1
(60)
Entonces, concluimos en que K
1
y K
2
pueden determinarse
a partir de la formula de Ackermann dada por la ecuaci on
(59) y por la ecuaci on (60).
Sistema de seguimiento con retroalimentaci on de
estado y control integral que incluye un retardo unitario
en la trayectoria directa.
Ahora si consideramos la el sistema de seguimiento
que se muestra en la Figura (1) tenemos que la ecuaci on de
estado de la planta es la misma que en el caso anterior, es
decir, la ecuaci on (43). La ecuaci on de estado del integrador
es
v(k + 1) = v(k) +r(k) y(k) (61)
El vector de control esta dado por:
u(k) = K
2
x(k) +K
1
v(k) (62)
Despejando v(k) de (62) tenemos
v(k) =
1
K
1
[u(k) +K
2
x(k)] (63)
Derivando (62) tenemos
u(k + 1) =K
2
x(k + 1) +K
1
v(k + 1)
u(k + 1) =K
2
[Gx(k) +Hu(k)] +K
1
[v(k) +r(k) y(k)]
sustituyendo la ecuaci on (63) v(k) y Cx(k) por y(k)
u(k + 1) =K
2
Gx(k) K
2
Hu(k) +u(k) +K
2
(k)
+K
1
r(k) K
1
Cx(k)
u(k + 1) =[K
2
K
2
GK
1
C] x(k) + [I
m
K
2
H] u(k)
+K
1
r(k) (64)
Entonces, juntando las ecuaciones (64) y (43) formamos la
ecuaci on de estado
_
x(k + 1)
u(k + 1)
_
=
_
G H
K
2
K
2
GK
1
C I
m
K
2
H
_ _
x(k)
u(k)
_
+
_
0
K
1
_
r(k) (65)
Si aplicamos un escal on a la entrada del sistema de segui-
miento y el sistema es estable, entonces cuando k = , la
ecuaci on (61) es
v() = v() +r y()
y por lo tanto
y() = r
entonces la ecuaci on de estado (65) cuando k = es
_
x()
u()
_
=
_
G H
K
2
K
2
GK
1
C I
m
K
2
H
_ _
x()
u()
_
+
_
0
K
1
r
_
(66)
si denimos los vectores de error
x
e
(k) = x(k) x()
u
e
(k) = u(k) u()
entonces, obtenemos la ecuaci on de estado
_
x
e
(k + 1)
u
e
(k + 1)
_
=
_
G H
K
2
K
2
GK
1
C I
m
K
2
H
_ _
x
e
(k)
u
e
(k)
_
(67)
que describe la din amica del sistema de seguimiento del
problema B-6-17. Podemos modicar la ecuaci on anterior a
_
x
e
(k + 1)
u
e
(k + 1)
_
=
_
G H
0 0
_ _
x
e
(k)
u
e
(k)
_
+
_
0
I
m
_
w(k) (68)
donde
w(k) =
_
K
2
K
2
GK
1
C I
m
K
2
H

_
x(k)
u(k)
_
(69)
Si denimos
(k) =
_
x
e
(k)
u
e
(k)
_

G =
_
G H
0 0
_

H =
_
0
I
m
_
y

K =
_
K
2
K
2
GK
1
C I
m
K
2
H

11
Entonces tenemos
(k + 1) =

G(k) +

Hw(k) (70)
y
w(k) =

K(k) (71)
sabemos que

K =
_
K
2
K
2
GK
1
C I
m
K
2
H

Podemos acomodar la ecuaci on anterior de forma conveniente,

de manera que podamos despejar la ganancia integral K
1
y la ganancia de retroalimentaci on de estados K
2
, entonces
tenemos que

K =
_
K
2
G+K
1
C K
2
K
2
H I
m

=
_
K
2
K
1

_
GI
n
H
C 0
_

_
0 I
m

entonces
_
K
2
K
1

=
_

K +
_
0 I
m

_
_
GI
n
H
C 0
_
1
(72)
volviendo a nuestro problema, bas andonos en la Figura 1
tenemos que la ecuaci on de estado de la planta es
x(k + 1) = 0,5x(k) +u(k) (73)
y(k) = x(k) (74)
En este caso G y H son escalares, entonces tenemos que
G = 0,5 y H = 1
Ahora, considerando la ecuaci on que dene la din amica del
sistema de seguimiento dada por la ecuaci on (56) tenemos que

G =
_
0,5 1
0 0
_
y

H =
_
0
1
_
Aplicando la f ormula de Ackermann tenemos

K =
_
0 1
_

H

G

H

1
(

G) (75)
donde
(

G) =

G
2
porque se desea que la respuesta transitoria del sistema
sea con oscilaciones muertas, y por lo tanto la ecuaci on
caracterstica deseada es z
2
= 0.
Despu es de aplicar la f ormula de Ackermann utilizaremos las
ecuaciones (60) y (72) para encontrar las ganancias k
1
y k
2
para los sistemas de seguimiento que se analizaron en este
documento.
Podemos utilizar MATLAB para encontrar

K de forma
r apida
>> G=0.5;
>> H=1;
>> C=1;
>> Ggorro=[G H;0 0];
>> Hgorro=[0;1]; %Utilizando la ec. (63) tenemos
>> Kgorro=[0 1]
*
inv([Hgorro Ggorro
*
Hgorro])
*
Ggorro2
Kgorro =
0.2500 0.5000
>> Kgorro=[0 1]
*
inv(ctrb(Ggorro,Hgorro))
*
Ggorro2
Kgorro =
0.2500 0.5000
%tambien podemos utilizar el comando acker
>> Kgorro=acker(Ggorro,Hgorro,[0 0])
Kgorro =
0.2500 0.5000
%para obtener k1 y k2 para el esquema de control
%de la Figura 2 utilizamos la ec. (60)
>> [Kgorro+[0 1]]
*
inv([G-1 H;C
*
G C
*
H])
ans =
0.5000 1.0000
%para obtener k1 y k2 para el esquema de control
%de la Figura 1 utilizamos la ec. (72)
>> [Kgorro+[0 1]]
*
inv([G-1 H;C 0])
ans =
1.5000 1.0000
>>
Entonces K
1
= 1 y K
2
= 0,5 para el esquema de control de
la Figura 2 y K
1
= 1 y K
2
= 1,5 para el esquema de control
de la Figura 1.
Realizamos la siguiente simulaci on en Simulink en la
que se muestra la respuesta transitoria de los dos tipos de
sistema de seguimiento que se estudian con las ganancias
obtenidas anteriormente con MATLAB.
H=1
H=1 C=1
C=1
a) Sistema de seguimiento con retroalimentacin del estado y control integral
b) Sistema de seguimiento con retroalimentacin del estado y control integral
que incluye un retardo unitario en la trayectoria directa.
Step1
Final value=1
step time=1
Step
Final value=1
step time=1
Scope2
Scope1
Integer Delay4
1
Z
Integer Delay3
1
Z
Integer Delay2
1
Z
Integer Delay1
1
Z
K2
0.5
K1
1
K2
1.5
K1
1
G
0.5
G
0.5
Figura 3. Simulaci on en Simulink
12
Figura 4. Respuesta transitoria del sistema a) (scope 1)
Figura 5. Respuesta transitoria del sistema b) (scope 2)
Se obtiene una respuesta transitoria con oscilaciones muer-
tas en los dos sistemas. La simulaci on muestra que la respuesta
transitoria del sistema de seguimiento con integrador con
retardo en la linea directa (Figura 4) esta atrasada una muestra
con respecto al sistema de seguimiento con integrador (Figura
5).
IX. PROBLEMA A-8-8
Si un sistema de control de tiempo discreto lineal de orden
n de una entrada y una salida es de estado completamente
controlable, se necesita al menos n periodos de muestreo para
llevarlo desde un estado inicial arbitrario a un estado nal
deseado, considerando que el vector de control no est a li-
mitado. Por lo tanto, si se permite que N (donde N > n)
perodos de muestreo, entonces se tendr a libertad adicional
para satisfacer especicaciones adicionales.
La cantidad de energa de control que se necesita depende
del intervalo de tiempo (n umero de perodos de muestreo)
permitido para control. Si el n umero de perodos de muestreo
permitido es n, el orden del sistema, entonces la secuencia de
control de tiempo optimo u(0), u(1),...,u(n1) es unica. Sin
embargo, si se permiten N periodos de muestreo (N > n),
entonces es posible m as de una secuencia de control. Cada
secuencia de control posible requiere una cierta cantidad de
energa de control. En muchas aplicaciones industriales, si son
posibles muchas secuencias de control, es preferible lograr las
tareas de control empleando la cantidad mnima de energa.
En este problema, se trata de transferir el estado inicial desde
un estado inicial arbitrario al estado nal deseado (que se
supone es el origen de espacio de estado, es decir x(N) = 0)
en N perodos de muestreo y al mismo tiempo usar la mnima
cantidad de energa de control.
Considere el sistema de control denido por
x(k + 1) = Gx(k) +Hu(k) (76)
donde
x(k) = vector de estado (vector-n) en el instante de muestreo k
u(k) = se nal de control (escalar) en el instante de muestreo k
G = matriz no singular de n n
H = matriz de n 1
Determine la ley de control que llevar a al estado del sistema
desde un estado inicial arbitrario al origen en N perodos
de muestreo (donde N > n) al usar la mnima cantidad de
energa, donde la energa de control se mide con
E =
1
2
N1

k=0
u
2
(k) (77)
Soluci on
Con referencia a la ecuaci on (5-30) del libro [1] la soluci on
de la ecuaci on (76)
x(k) = G
k
x(0) +
k1

j=0
G
kj1
Hu(j), k = 1, 2, 3, ... (78)
Entonces el estado X(N) de la ecuaci on (76) se puede escribir
como
x(N) =G
N
x(0) +G
N1
Hu(0) +G
N2
Hu(1) +
+GHu(N 2) +Hu(N 1)
Al hacer x(N) = 0 en esta ultima ecuaci on, tenemos
x(0) = G
1
Hu(0) G
2
Hu(1)
G
N+1
Hu(N 2) G
N
Hu(N 1) (79)
Se dene
f
i
= G
i
H (80)
Entonces la ecuaci on (79) se convierte
x(0) =f
i
u(0) f
2
u(1)
f
N1
u(N 2) f
N
u(N 1) (81)
Ya que el estado es completamente controlable, los vectores
f
1
, f
2
,...,f
n
son linealmente independientes. (Los N n
vectores restantes se pueden expresar como una combinaci on
lineal de estos n vectores linealmente independientes.) La
ecuaci on (81) se puede expresar como
x(0) = FU (82)
donde
F =
_
f
1
f
2
f
N

, U =
_

_
u(0)
u(1)
.
.
.
u(N 1)
_

_
(83)
Se desea encontrar la secuencia de control que satisfaga la
ecuaci on (82) y que al mismo tiempo minimice la energa
de control total. La matriz F es de n N y tiene rango
13
n, por lo tanto no es una matriz cuadrada y su inversa no
est a denida. Observamos que N (el n umero de se nales de
control desconocidas u(0), u(1),...u(N 1)) es mayor que
el n umero de estados n, entonces, tenemos un conjunto de
ecuaciones en donde el n umero de variables es mayor que el
n umero de ecuaciones. Un conjunto de ecuaciones escalares
en esta situaci on se dice que es indeterminado, y posee un
n umero indenido de soluciones. Sin embargo, en este caso se
tiene una restricci on que hace que un conjunto de N variables
desconocidas u(0), u(1),...,u(N 1) produzca una norma
mnima:
1
2
N1

k=0
u
2
(k) = minimum
Entonces, existe una soluci on unica. Dicha soluci on da la
secuencia de control que lleva a un estado inicial arbitrario
x(0) al origen en N periodos de muestreo y al hacer esto
minimiza la energa de control total.
La soluci on minimizante en dicho problema, donde el n umero
de variables desconocidas es mayor que el n umero de ecuacio-
nes, se puede obtener en t erminos de la pseudoinversa derecha.
La pseudoinversa derecha se dene como:
F
RM
= F
T
(FF
T
)
1
(84)
Al despejar U en la ecuaci on (82) empleando la pseudoinversa
derecha de F, la secuencia de control de energa minima u(0),
u(1),...,u(N 1) que transere a un estado inicial arbitrario
x(0) al origen esta dada por
U = F
RM
x(0) = F
T
(FF
T
)
1
x(0) (85)
La ecuaci on anterior se puede reescribir como:
_

_
u(0)
u(1)
.
.
.
u(N 1)
_

_
= F
T
(FF
T
)
1
x(0) (86)
La secuencia de control dada por la ecuaci on (86) llevar a a un
estado inicial arbitrario al origen en N periodos de muestreo
y requerir a la minima cantidad de energa entre todas las
secuencias de control posibles que requieren N periodos de
muestreo.
X. PROBLEMA A-8-10
Considere el sistema que se muestra en la Figura (6), donde
un p endulo invertido est a montado sobre un carro impulsado
por un motor. En este caso se considera que el p endulo solo
se mueve en dos dimensiones. El objetivo de este sistema es
mantener el p endulo en posici on vertical, apuntando hacia
arriba, es decir, se desea mantener el sistema en un punto de
equilibrio inestable. Esto quiere decir que cualquier peque na
perturbaci on pude hacer que el p endulo caiga, por lo tanto,
es necesario dise nar una ley de control que mueva el carro
de forma adecuada, de tal manera que impida que el p endulo
caiga. En este problema, solo se pide obtener un modelo
lineal discreto de este sistema suponiendo que el perodo de
muestreo T es de 0,1 segundos y que los valores num ericos
para M, m y l son 2kg, 0,1kg y 0,5m respectivamente.
Figura 6. Sistema de p endulo invertido.
Soluci on
Podemos obtener las ecuaciones din amicas del sistema
mediante ecuaciones de movimiento de Lagrange.
An alisis Cinem atico
El sistema tiene 2 grados de libertad, dado que necesitamos
una variable de desplazamiento para describir la posici on
de cada uno de los cuerpos que conforman el sistema.
Las variables de desplazamiento generalizadas son x (para
el carro de masa M) y (para la bola de masa m). Las
correspondientes variables de ujo son x y

. El an alisis
cinem atico tiene el objetivo de determinar las velocidades de
M y m. Supongamos que

i es el vector unitario con direcci on
en el eje x, mientras que

j es el vector unitario con direcci on
en el eje y. La posici on de la masa M esta dado por:
r
i
= x

i (87)
La velocidad de la masa M esta dada por:

r
i
= x

i (88)
La posici on de la masa m esta dado por:
r
2
= (x +lsen)

i + (l cos )

j (89)
La velocidad de la masa m esta dada por:

r
2
=
d
dt
(x +l sen )

i +
d
dt
(l cos )

j
= ( x +l

cos )

i (l

sen)

j (90)
14
An alisis de esfuerzos aplicados
El trabajo virtual realizado por la fuerza F, y el peso
mg es
W = Fx mgy
2
(91)
Donde y
2
= l cos es la componente vertical de la posici on
de m. Entonces el desplazamiento virtual y
2
es
y
2
=
d
d
(l cos ) = (lsen) (92)
El trabajo virtual entonces es:
W = Fx +mglsen = e
s
x
x +e
s

(93)
e
s
x
es el esfuerzo generalizado asociado al desplazamiento x.
e
s

es el esfuerzo generalizado asociado al desplazamiento .

An alisis de coenerga cin etica, energa potencial y
funci on de disipaci on de los componentes del sistema
Coenerga cin etica T

=
1
2
M

r
1


r
1
+
1
2
m

r
2


r
2
(94)
=
1
2
M x
2
+
1
2
m
_
_
_
x +l

cos
_
2
+
_
l

sen
_
2
_
2
=
1
2
M x
2
+
1
2
m
_
_
x +l

cos
_
2
+
_
l

sen
_
2
_
=
1
2
M x
2
+
1
2
m
_
x
2
+ 2l x

cos +l
2

2
cos
2
+l
2

2
sen
2

_
=
1
2
M x
2
+
1
2
m
_
x
2
+ 2l x

cos +l
2

2
_
cos
2
+ sen
2

_
_
cos
2
+ sen
2
= 1
T

=
1
2
M x
2
+
1
2
m
_
x
2
+l
2

2
+ 2l x

cos
_
(95)
Energa potencial V
La energa potencial de la bola con masa m esta considerada
en los esfuerzos aplicados. Por lo tanto consideramos que es
cero.
V = 0 (96)
La funci on de disipaci on D
El sistema no contiene elementos que disipen la energa, por
lo tanto:
D = 0 (97)
Para describir el sistema se requieren dos ecuaciones de
movimiento, dado que el sistema est a conformado por dos
cuerpos. Las ecuaciones (98) y (99) son las ecuaciones
de movimiento de Lagrange. Para hallar las ecuaciones de
Lagrange de este sistema, es necesario calcular cada uno de
los t erminos que conforman dichas ecuaciones.
d
dt
T

x

T

x
+
D
x
+
V
x
= e
s
x
(98)
d
dt
T

+
D

+
V

= e
s

(99)
An alisis de la masa M
T

x
=

x
_
1
2
M x
2
+
1
2
m
_
x
2
+l
2

2
+ 2l x

cos
_
_
= M x +m x +ml

cos
T

x
= (M +m) x +ml

cos (100)
La derivada de la ecuaci on anterior es
d
dt
T

x
=
d
dt
_
(M +m) x +ml

cos
_
= (M +m) x +ml
d
dt
_

cos
_
= (M +m) x +ml
_
d
dt
_

_
cos +

d
dt
cos
_
= (M +m) x +ml
_

cos

2
sen
_
d
dt
T

x
= (M +m) x +ml

cos ml

2
sen (101)
T

x
=

x
_
1
2
M x
2
+
1
2
m
_
x
2
+l
2

2
+ 2l x

cos
_
_
= 0
(102)
D
x
= 0 (103)
V
x
= 0 (104)
e
s
x
= u (105)
An alisis de la masa m
T

= m
_
l
2

+l xcos
_
(106)
La derivada con respecto al tiempo de la ecuaci on anterior es
d
dt
T

=
d
dt
_
ml
2

+ml xcos
_
= ml
2

+ml
_
d
dt
( x) cos + x
d
dt
cos
_
d
dt
T

= ml
2

+ml xcos ml x

sen (107)
T

= ml x

sen (108)
D

= 0 (109)
V

= 0 (110)
e
s

= mglsen (111)
15
Las ecuaciones de movimiento de Lagrange quedan de la
siguiente forma:
(M +m) x +ml

cos ml

2
sen = u (112)
m(l

+ xcos ) = mgsen (113)

Las ecuaciones (112) y (113) constituyen el modelo no lineal
del sistema. Para obtener un modelo lineal en tiempo discreto,
es necesario linealizar en un punto de equilibrio.
Si tenemos el sistema lineal en la forma
x(t) = f(x(t), u(t)) (114)
Podemos linealizar en un punto de equilibrio (x
op
, u
op
) tal
que f(x
op
, u
op
) = 0. Expandiendo en series de Taylor
f(x(t), u(t)) tenemos
x(t) =f(x(t), u(t))
=f(x
op
, u
op
) +
f()
x

xop,uop
(x x
op
)
+
f()
u

xop,uop
(u u
op
) +
1
2

2
f()
x
2

xop,uop
(x x
op
)
2
+
1
2

2
f()

2
u

xop,uop
(u u
op
)
2
+
1
2

2
f()
xu

xop,uop
(x x
op
)(u u
op
) +t.o.s
Considerando solo los t erminos de primer orden, tenemos la
serie de Taylor truncada
f(x(t), u(t)) = f(x
op
, u
op
) +
f()
x

xop,uop
(x x
op
)
+
f()
u

xop,uop
(u u
op
)
(115)
Deniendo
A =
f()
x

xop,uop
y B =
f()
u

xop,uop
entonces, tenemos el sistema linealizado
x

(t) = Ax

(t) +Bu

(t)
donde
x

= x x
op
y u

= u u
op
Para poder utilizar la t ecnica de linealizaci on anterior, es
necesario representar (112) y (113) en la forma afn al estado.
Despejando

en la (113) tenemos

=
1
l
gsen
1
l
xcos (116)
Despejando x de la (112) tenemos
x =
ml cos
M +m

+
mlsen
M +m

2
+
u
M +m
(117)
Sustituyendo (117) en (116) tenemos

=
1
l
gsen
1
l
_

ml cos
M +m

+
mlsen
M +m

2
+
u
M +m
_
cos
=
1
l
gsen +
mcos
2

M +m

msen cos
M +m

cos
l (M +m)
u
_
1
mcos
2

M +m
_

=
1
l
gsen
msen cos
M +m

cos
l (M +m)
u
_
M +m
_
1 cos
2

_
M +m
_

=
1
l
gsen
msen cos
M +m

cos
l (M +m)
u

=
M +m
Ml +ml (1 cos
2
)
gsen
msen cos
M +m(1 cos
2
)

cos
Ml +ml (1 cos
2
)
u (118)
Sustituyendo (116) en (117) tenemos
x =
ml cos
M +m
_
1
l
gsen
1
l
xcos
_
+
mlsen
M +m

2
+
u
M +m
=
mcos
2

M +m
x +
mlsen
M +m

mg cos sen
M +m
+
u
M +m
_
M +mmcos
2

M +m
_
x =
mlsen
M +m

mg cos sen
M +m
+
u
M +m
x =
mlsen
M +mmcos
2

mg cos sen
M +mmcos
2

+
u
M +mmcos
2

(119)
Seleccionando las variables de estado
x
1
=
x
2
=

x
3
= x
x
4
= x

x
1
=

= x
2
x
2
=

x
3
= x = x
4
x
4
= x
Utilizando (119) y (118) tenemos
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
f
1
f
2
f
3
f
4
_

_
=
_

_
x
2
(M+m)gsenx1
Ml+ml(1cos
2
x1)

m x
2
1
senx1 cos x1
M+m(1cos
2
x1)

cos x1u
Ml+ml(1cos
2
x1)
x
4
ml x
2
1
senx1
M+mmcos
2
x1

mg cos x1senx1
M+mmcos
2
x1
+
u
M+mmcos
2
x1
_

_
(120)
Bas andonos en la t ecnica de linealizaci on que se explic o ante-
riormente podemos encontrar las matrices A y B del sistema
16
linealizado en el punto de equilibrio = 0.
A =
f()
x

xop,uop
=
_

_
f1
x1
f1
x2
f1
x3
f1
x4
f2
x1
f2
x2
f2
x3
f2
x4
f3
x1
f3
x2
f3
x3
f3
x4
f4
x1
f4
x2
f4
x3
f4
x4
_

_
x1==0
=
_

_
0 1 0 0
f2
x1
0 0 0
0 0 0 1
f4
x1
0 0 0
_

_
x1==0
Considerando que x
1
= 0, es decir

= 0, tenemos
f2
x1
=

x1
_
(M +m) gsenx1
Ml +ml (1 cos
2
x1)

cos x1
Ml +ml (1 cos
2
x1)
u
_
=

x1
_
(M +m) gsenx1
Ml +ml (1 cos
2
x1)
_

x1
_
cos x1
Ml +ml (1 cos
2
x1)
_
u
Utilizando la regla del cociente y del producto tenemos
=
(M + m) g cos x
1
_
Ml + ml
_
1 cos
2
x
1
__
[(M + m) gsenx
1
] 2ml cos x
1
senx
1
_
Ml + ml
_
1 cos
2
x
1
__
2

x
1
=0
+
_
_
_
senx
1
_
Ml + ml
_
1 cos
2
x
1
__
cos x
1
[2ml cos x
1
senx
1
]
_
Ml + ml
_
1 cos
2
x
1
__
2
_

_
x
1
=0
u
cos x
1
= cos 0 = 1
senx
1
= sen0 = 0
entonces
f
2
x
1
=
M +m
Ml
g (121)
Ahora
f4
x1
=

x1
_

mg cos x1senx1
M +mmcos
2
x1
+
u
M +mmcos
2
x1
_
=

x1
_
mg cos x1senx1
M +mmcos
2
x1
_
+

x1
_
u
M +mmcos
2
x1
_
=
_
_
_
mg
_
cos
2
x
1
sen
2
x
1
_ _
M + m mcos
2
x
1
_
+ [mg cos x
1
senx
1
] [2mcos x
1
senx
1
]
_
M + m mcos
2
x
1
_
2
_

_
x
1
=0
+
_
2mcos x
1
senx
1
M + m mcos
2
x
1
_
x
1
=0
u
f
4
x
1
=
m
M
g (122)
Para encontrar la matriz B
B =
f ()
u

xop,uop
=
_

_
f1
u
f2
u
f3
u
f4
u
_

_
x1==0
=
_

_
0
f2
u
0
f4
u
_

_
x1==0
f
2
u
=
cos x
1
Ml +ml(1 cos
2
x
1
)

x1=0
=
1
Ml
(123)
(124)
f
4
u
=
1
M +mmcos
2
x
1

x1=0
=
1
M
(125)
Entonces, el modelo linealizado del p endulo invertido en el
punto de equilibrio = 0, (considerando al desplazamiento x
como la salida del sistema) es
_

_
x
1
x
2
x
3
x
4
_

_
=
_

_
0 1 0 0
M+m
Ml
g 0 0 0
0 0 0 1

m
M
g 0 0 0
_

_
_

_
x
1
x
2
x
3
x
4
_

_
+
_

_
0

1
Ml
0
1
M
_

_
(126)
y =
_
0 0 1 0

_
x
1
x
2
x
3
x
4
_

_
(127)
Al sustituir los valores num ericos de M, n y l, se obtiene
M +m
Ml
g = 20,601,
m
M
g = 0,4905
1
Ml
= 1,
1
M
= 0,5
Entonces la ecuaci on de estado y de salida para el p endulo
invertido con carro se convierte en:
x = Ax +Bu (128)
y = Cx +Du (129)
Donde
A =
_

_
0 1 0 0
20,601 0 0 0
0 0 0 1
0,4905 0 0 0
_

_
, B =
_

_
0
1
0
0,5
_

_
C =
_
0 0 1 0

D = 0
Ahora, se discretiza la ecuaci on de estado (128) utilizando el
comando c2d de MATLAB, donde el tiempo de muestreo T
es igual a 0,1 segundos.
17
>> A=[0 1 0 0;20.601 0 0 0;0 0 0 1;-0.4905 0 0 0]
A =
0 1.0000 0 0
20.6010 0 0 0
0 0 0 1.0000
-0.4905 0 0 0
>> B=[0;-1;0;0.5]
B =
0
-1.0000
0
0.5000
>> [G,H]=c2d(A,B,0.1)
G =
1.1048 0.1035 0 0
2.1316 1.1048 0 0
-0.0025 -0.0001 1.0000 0.1000
-0.0508 -0.0025 0 1.0000
H =
-0.0051
-0.1035
0.0025
0.0501
Por lo tanto, el modelo lineal en tiempo discreto en espacio
de estados del sistema de p endulo invertido esta dado por:
_

_
x
1
(k + 1)
x
2
(k + 1)
x
3
(k + 1)
x
4
(k + 1)
_

_
=
_

_
1,1048 0,1035 0 0
2,1316 1,1048 0 0
0,0025 0,0001 1 0,1
0,0508 0,0025 0 1
_

_
_

_
x
1
(k)
x
2
(k)
x
3
(k)
x
4
(k)
_

_
+
_

_
0,0051
0,1035
0,0025
0,0501
_

_
u(k)
y(k) =
_
0 0 1 0

_
x
1
(k)
x
2
(k)
x
3
(k)
x
4
(k)
_

_
REFERENCIAS
[1] K. Ogata, Sistemas de control en tiempo discreto, 2 ed. PEARSON
Prentice Hall 1996.
[2] B. Fabien, Analytical System Dynamics, 1 ed. Springer 2009.
[3] H. K. KhB-6-1-2alil, Nonlinear Systems, 3 ed. Prentice Hall 2002.