Modelo de Espacio de Estados

Prof. Ruth Canahuire

Departamento de Ingeniería Electrónica y Mecatrónica
[email protected]
03.05.2019

Modelado y Simulación 1 / 25
 Objetivos

Introducir conceptos de variables de estado, variables de

entradas y salidas
Definir Espacio de estados
Conocer la importancia del Espacio de estados
Modelar sistemas dinámicos en la forma de Espacio de estados
Simular la respuesta de los sistemas en la forma de Espacio de
Estados

Modelado y Simulación 2 / 25
 Diagrama de bloques

Un diagrama de bloques de un sistema es una descomposición

lógica de las funciones del sistema y muestra cómo las
diferentes partes (bloques) influencian cada una.
Esta interacción es ilustrada a través de flechas entre los
bloques.

Referencia Señal de salida

+ Controlador Actuador Planta
Punto
de bifurcación

Sensor

Modelado y Simulación 3 / 25
 Diagrama de bloques

Un sistema puede ser representado por varios diferentes

modelos de diagrama de bloques, dependiendo de cuan
detallado queremos representarlo.

Los diagramas de bloques son muy útiles para estructurar un

sistema, especialmente para sistemas grandes y complejos.

Modelado y Simulación 4 / 25
 Ecuaciones diferenciales

En un modelo matemático, las relaciones entre las variables del

sistema están descritas con la ayuda de ecuaciones
diferenciales (visto hasta ahora).
Estas ecuaciones diferenciales se pueden escribir de 2 formas:
Forma 1: Relacionando directamente las entradas u con las
salidas y .

g (y n (t), y n−1 (t), . . . , y (t), u m (t), u m−1 (t), . . . , u(t)) = 0

donde
dk
y k (t) = dt k
y (t) y g (·, ·, . . . , ·) es una función arbitraria.
Ejemplo:

a2 ÿ (t) + a1 ẏ (t) + a0 y (t) = b0 u(t) (EDO de segundo orden)

Modelado y Simulación 5 / 25
 Ecuaciones diferenciales

Forma 2: Escribiendo la ecuación diferencial como un sistema

de ecuaciones diferenciales de primer orden.
⇒ introduciendo un número de variables internas.
⇒ escribiendo la ecuación diferencias a través de las variables
internas.
Si denotamos estas variables internas por
x1 (t), . . . , xn (t)
e introducimos la notación del vector
 
x1 (t)
 
x(t) =  ... 
xn (t)

Modelado y Simulación 6 / 25
 Ecuaciones diferenciales
Podemos escribir un sistema de ecuaciones diferenciales de
primer orden:
ẋ(t) = f (x(t), u(t))
f (x, u) es una función vector con n componentes:
 
f1 (x, u)
 .. 
f (x, u) =  . 
fn (x, u)

fi (x, u) son funciones de n + m variables, las componentes de

los vectores x y u.
Las salidas del modelo pueden ser calculadas usando las
variables internas xi (t) y las variables de entrada ui (t) :

y(t) = h(x, u)

Modelado y Simulación 7 / 25
 Modelado en Espacio de Estados

Un modelo de espacio de estados envuelve tres tipos de

variables: variables de entrada, variables de salida y variables
de estado.
El objetivo del modelo de espacio de estados es permitir que
un sistema representado por una ecuación diferencial de orden
n pueda ser representado por n ecuaciones diferenciales de
primer orden.
Nos permite conocer y controlar en cierta medida la dinámica
interna de un sistema y su respuesta.

Modelado y Simulación 8 / 25
 Variables de estado
Son las variables que conforman el conjunto más pequeño de
variables que determinan el estado del sistema dinámico.
x1 , x2 , · · · , xn ⇒ (variables internas)
Con el conocimiento de las variables de estado y de las
entradas previas se puede determinar completamente el
comportamiento dinámico del sistema.

Para un sistema dinámico las variables de salida dependen de

todas las variables de entrada previas.

Para calcular la variable de salida y (t), para t ≥ t0 , es

necesario conocer u(t), para t ≥ t0 , y la información del
sistema (Estado).

Modelado y Simulación 9 / 25
 Variables de estado
Son las variables que conforman el conjunto más pequeño de
variables que determinan el estado del sistema dinámico.
x1 , x2 , · · · , xn ⇒ (variables internas)
Con el conocimiento de las variables de estado y de las
entradas previas se puede determinar completamente el
comportamiento dinámico del sistema.

Para un sistema dinámico las variables de salida dependen de

todas las variables de entrada previas.

Para calcular la variable de salida y (t), para t ≥ t0 , es

necesario conocer u(t), para t ≥ t0 , y la información del
sistema (Estado).

El estado es exactamente la información que tiene que ser

almacenada y actualizada en la simulación de manera a ser capaz
de calcular la salida.
Modelado y Simulación 9 / 25
 Espacio de Estados

El vector x(t) representa un estado para el modelo en la

descripción interna del modelo.

Con la definición de la variable y (t) el modelo es llamado

modelo espacio estado, el vector x(t) el vector estado, y sus
componentes xi (t) variables de estado.

La dimensión de x(t), n, es llamado el orden del modelo.

El Espacio de estados es el espacio n-dimenasional cuyos ejes

de coordenadas están formados por los ejes xi , donde
i = 1, 2, ..., n.

Modelado y Simulación 10 / 25
 Modelo espacio estado (tiempo continuo)
Sea un sistema genérico de orden n con p entradas y q salidas
como se muestra en la figura.

u1 y1
u2 Sistema y2
. .
. de orden .
up . n . yq

El sistema puede ser descrito por un conjunto de n ecuaciones

diferenciales de primer orden para el estado y q ecuaciones
algebraicas para la salida.

ẋ(t) = f (x(t), u(t))

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

Modelado y Simulación 11 / 25
 Modelo espacio estado (tiempo continuo)

Estas ecuaciones linealizadas para el estado de operación

resultan en:
ẋ(t) = A(t)x(t) + B(t)u(t) Ecuación de estados
y(t) = C(t)x(t) + D(t)u(t) Ecuación de salida

donde:
La matriz A almacena las características internas del sistema.
La matriz B relaciona las entradas y los estados.
La matriz C relaciona los estados y las salidas.
La matriz D relaciona directamente las entradas y las salidas.

Modelado y Simulación 12 / 25
 Solución de las ecuaciones de estado

Sea la ecuación de estados:

ẋ(t) = Ax(t) + Bu(t)

Esto puede ser resuelto usando la transformada de Laplace como

sigue.
sX(s) − x(0) = AX(s) + BU(s)
X(s) = (sI − A)−1 x(0) + (sI − A)−1 BU(s)
Usando la transformada inversa de Laplace tenemos:
Z t
At
x(t) = e x(0) + e A(t−τ ) Bu(τ )dτ
0

el término Φ(t) = e At es conocido como la matriz de transición de

estados.

Modelado y Simulación 13 / 25
 Solución de las ecuaciones de estado

Diagrama de bloques para un sistema representado en la forma

de espacio de estados.

D(t)

u(t) ẋ(t) R x(t) y(t)

B(t) + dt C(t) +

A(t)

Modelado y Simulación 14 / 25
 Ejemplo
Obtener la respuesta en el tiempo del siguiente sistema:
      
ẋ1 0 1 x1 0
= + u
ẋ2 −2 −3 x2 1

donde u(t) es la entrada escalón unitario aplicado en t = 0.

Solución:
Para este sistema la matriz de transición de estados se calcula
como:
 
At 2e −t − e −2t e −t − e −2t
Φ(t) = e =
−2e −t + 2e −2t −e −t + 2e −2t

La respuesta al escalón es:

Z t
2e −(t−τ ) − e −2(t−τ ) e −(t−τ ) − e −2(t−τ )
 
0
x(t) = e At x(0)+ 1dτ
0 −2e −(t−τ ) + 2e −2(t−τ ) −e −(t−τ ) + 2e −2(t−τ ) 1

Modelado y Simulación 15 / 25
 Ejemplo

Considerando condiciones iniciales de los estados iguales a 0

tenemos:
     1 
x1 (t) At x1 (0) 2 − e −t + 12 e −2t
=e +
x2 (t) x2 (0) e −t − e −2t

Finalmente,
   1

x1 (t) 2 − e −t + 12 e −2t
=
x2 (t) e −t − e −2t

Modelado y Simulación 16 / 25
 Sistemas SISO y MIMO

Un sistema que presenta una única entrada y única salida se

denomina sistema SISO, del inglés Single-input and
Single-output.
Un sistema que presenta más de una entrada y una salida se
denomina sistema MIMO, del inglés Multiple-input and
Multiple-output.
Un sistema moderno complejo posee muchas entradas y
muchas salidas que se pueden relacionar entre sí de una forma
complicada.
Para analizar estos sistemas, es esencial reducir la complejidad
de las expresiones matemáticas, y recurrir a computadoras que
realicen gran parte de los cálculos necesarios.
El enfoque en el espacio de estados para el análisis de estos
sistemas es el más conveniente desde este punto de vista.

Modelado y Simulación 17 / 25
 Ventajas del uso del modelo espacio estado

Las ecuaciones son más adaptadas a la solución computacional.

Todas las ecuaciones son de primer orden, y la solución es
conceptualmente mas simple.
Las variables de estado no necesitan ser físicamente medibles
aunque es recomendable. (Ej.: futuro uso en control).
Sistemas MIMO son tratados sin mucha alteración.
Mayor facilidad en la aplicación de sistemas no-lineales y
variantes en el tiempo.

Modelado y Simulación 18 / 25
 Ejercicio 1: Modelo de suspensión

Observe el siguiente sistema de suspensión de un automóvil.

Modelado y Simulación 19 / 25
 Ejercicio 1: Modelo de suspensión

Considere la estructura de la suspensión de una de las llantas como

se muestra en la figura. Determinar el modelo en espacio de estado
del sistema de suspensión sobre una llanta, considerando como
salida la velocidad del bloque 1.
z1 m1 : es un cuarto de la masa total del
m1 vehículo;
m2 : es la masa de la llanta;
k1 c1
k1 : rigidez del resorte de suspensión;
z2 k2 : rigidez de la llanta;
m2
c1 : coeficiente de amortiguamiento de la
suspensión;
k2
ud z1 : es el movimiento vertical del vehículo;
z2 : es el movimiento vertical de la llanta.

Modelado y Simulación 20 / 25
 Ejercicio 1: Modelo de suspensión

Solucion: P
Usando la segunda ley de Newton: F =m×a

c1 k1
z̈1 = − (ż1 − ż2 ) − (z1 − z2 )
m1 m1
 
c1 k1 k1 + k2 k2
z̈2 = (ż1 − ż2 ) − ż1 − z2 + ud
m2 m2 m2 m2

Se consideran las siguientes variables internas:

Posición bloque 1: z1 = x1
Velocidad bloque 1: v1 = x2
Posición bloque 2: z2 = x3
Velocidad bloque 2: v2 = x4

Modelado y Simulación 21 / 25
 Ejercicio 1: Modelo de suspensión
Utilizando las variables internas en las ecuaciones diferenciales
anteriores podemos escribir lo siguiente:
   0 1 0 0
   

 ẋ1 
  k1  x 1   0 
  c1 k1 c1  
   

ẋ2  − m1 − m1 m1 m1  x2 0
= 1  + ud

 ẋ   0 0  0   x3   0 
 3   k c k +k c

 
 
 
k2 
ẋ4 m2
1
m2
1
− 1
m2
2
− m2
1 x 4 m2
| {z } | {z }
A B

Salida deseada: velocidad del bloque 1

 

 x1 

   x2 
y= 0 1 0 0
| {z } x 
 3 
C x4

Modelado y Simulación 22 / 25
 Ejercicio 2.

En base al modelo anterior considere la siguiente información: masa

del bloque 1, m1 = 375 kg , masa del bloque 2, m2 = 59 kg ,
coeficientes de elasticidad k1 = 35000 N/m, k2 = 190000 N/m y
coeficiente de amortiguamiento c1 = 1000 N.s/m. Determine la
respuesta del sistema en términos de desplazamiento del bloque 1
para los siguientes casos:
1 Para una entrada escalón unitario.
2 Para una entrada sinusoidal u(t) = 0,5sen(25t).

Modelado y Simulación 23 / 25
 Algunas funciones de Scilab necesarias

syslin: Construye un modelo en la forma de espacio de estados.

>> sistema=syslin(’c’,A,B,C,D,x0);

csim: Evalúa la salida del sistema para una entrada cualquiera

y considerando las condiciones iniciales de los estados iguales a
x0.
>> y=csim(’step’,t,sistema);

Modelado y Simulación 24 / 25
 Bibliografía

Smith, Carlos. 2011. A First Course in Differential Equations,

Modeling and Simulation, 1st Ed. CRC Press.
Norman S. Nise. 2014. Control System Engineering. 7 Ed.
Wiley .
Ogata, Katsuhiko 2009. Modern Control Engineering, 5th Ed.
Prentice-Hall.
Ljung, Lennart. 1994. Modeling of Dynamics Systems.
Prentice Hall.
Harold Klee, Randal Allen. 2011. Simulation of Dynamic
Systems with Matlabr and Simulinkr . CRC Press.

Modelado y Simulación 25 / 25