Universidad Nacional de Ingeniería

Facultad de Ingeniería Eléctrica y Electrónica

TAREA No. 3: “DISEÑO DE SISTEMAS DE CONTROL EN EL ESPACIO DE
ESTADOS”
Control II (EE-616M)
Serna Torre Paul Adán
20124052G
Especialidad: Ingeniería Eléctrica
Ciclo académico: 2015-I

Abstract-This work presents the application of design methods Puesto que la planta es de tercer orden, se quiere tres variables
such as relocation of poles and quadratic optimal regulator, which de estado para expresar la planta en el espacio de estados,
are used when the plant is written on the state space. MATLAB entonces hacemos:
and SIMULINK are the principal tools that are used in this work
to do calculation and to simulate the step response, respectively.
x 1= y
x 2= x˙1
1. INTRODUCCIÓN
x 3= x˙2
En este trabajo se usa una planta a la que se le aplica los
métodos de diseño que básicamente se basan en la reubicación Luego de la función de transferencia que modela a la planta:
de polos y optimización cuadrática.
8 Y ( s)
El método de reubicación de polos es algo análogo al método G ( s )= 3 2
=
del lugar de las raíces pues en ambos se ubican los polos del s +6 s + 11s+ 6 U (s)
sistema en lazo cerrado en las posiciones donde se cumplan
requerimientos de respuesta dinámica. La diferencia básica es
que en el diseño en el lugar de las raíces se sitúan solo los polos 8∗U ( s )=(s ¿ ¿ 3+6 s 2 +11 s +6)∗Y (s) ¿
en lazo cerrado dominantes, mientras que en el diseño por
reubicación de polos se colocan todos los polos en lazo cerrado Aplicamos transformada inversa de Laplace a ambos miembros
en las posiciones que se deseen. de la ecuación anterior:
Por otra parte, muchas veces se requiere una respuesta “óptima”
es decir que minimice alguna función objetivo, en este caso “la
8∗u ( t ) = ⃛y +6 ÿ +11 ẏ+ 6 y
función de coste”; es así como se puede aplicar cierto método
de diseño basado en la solución de la ecuación de Riccati para 8∗u ( t ) = ẋ3 +6 x 3 +11 x 2+ 6 x 1
obtener el vector de ganancias que reubique los polos del
sistema tal que su respuesta sea óptima ante el escalón. x˙3=−6 x 1−11 x 2−6 x 3 +8 u … …(¿)
Figura 1.1 Gráfica de y(t) vs r(t). Esta es la
2. PRESENTACIÓN DE LA PLANTA Empleando la ecuación (*) y las ecuaciones
respuesta en que definen
el dominio las ante un
del tiempo
escalón.
variables de estado y salida tenemos:
La planta para todo el trabajo expresada como función de
transferencia (en el dominio de Laplace) es la siguiente:
ẋ1 0 1 0 x1 0
G ( s )=
8
( s +1 )∗( s+2 )∗(s+3)
[][
ẋ 2 = 0 0 1 x2 + 0 u
ẋ3 −6 −11 −6 x3 8
][ ] [ ]
8
G ( s )= 3 2
s +6 s + 11s+ 6
 x1
y= [ 1 0 0 ] x 2
x3 [] Comprobación a través la matriz de controlabilidad y
observabilidad

Para ahorrar tiempo en cálculos de determinantes y

multiplicación de matrices emplearemos el MATLAB (es
Las anteriores dos ecuaciones son: la ecuación de estados y la
importante citar que ya se ingresó los datos de la planta como se
ecuación de salida. Así las matrices que definen estas
vio anteriormente):
ecuaciones son:
%Prueba de controlabilidad
0 1 0

[ ]
M=[B A*B A^2*B];
Matriz de estado: A= 0 0 1 det_M=det(M); %Si es controlable
−6 −11 −6 %Prueba de observabilidad
N=[C;C*A;C*A^2];
det_N=det(N); %Si es observable
0
Matriz de entrada:B= 0
8 []
Matriz de salida:C=[ 1 0 0 ]
Ingresando en la ventana de comandos tenemos:
det_M = -512
det_N = 1

Puesto que ambas determinantes son diferentes de cero,

Matriz de transmisión directa: D= [ 0 ] podemos decir que el sistema es de estado completamente
controlable y observable.
Toda la anterior información acerca de la planta la ingresamos
en el MATLAB así:
2.2. RESPUESTA ANTE EL ESCALÓN Y REQUERIMIENTOS
%DEFINICIÓN DE LA PLANTA PARA MEJORAR LA RESPUESTA DINÁMICA
num=8; Básicamente los requerimientos que se muestran a continuación
den=[1 6 11 6]; nos servirán para la aplicación del método de reubicación de
sysf=tf(num,den); polos y así diseñar sistemas de seguimiento.
A=[0 1 0;0 0 1;-6 -11 -6];
B=[0;0;8]; Planta ante un escalón
C=[1 0 0];
D=0; Ante todo probamos la planta ante un escalón y tenemos la
syse=ss(A,B,C,D); siguiente respuesta:
2.1. CONTROLABILIDAD Y OBSERVABILIDAD DE LA
PLANTA
Para todas las técnicas de diseño será necesario y suficiente que
la planta sea de estado completamente controlable. Para usar un
observador de estados, es necesario y suficiente que la planta
sea de estado observable.

Comprobación a través de la función de transferencia

Puesto que la planta:

Respuesta de la planta ante un escalón unitario
8
G ( s )=
( s +1 )∗( s+2 )∗(s+3)
No presenta cancelación entre polos y ceros entonces podemos
decir que el sistema es de estado completamente controlable y
observable.
 rad
ω n=4
s

4
t s= =2 s
ξ∗ωn

Ecuación característica deseada

Según los requerimientos, citamos los polos de lazo cerrado

deseados (se incluye un tercer polo que no es dominante):
Comentarios y características a mejorar en la dinámica de
la planta p 1=−2+i 2 √ 3

-Puesto que es una planta de tercer orden, es difícil conocer sus p 2=−2−i2 √ 3
características dinámicas a través de la expresión matemática de
la función de transferencia (incluso no se comporta p 3=−10
aproximadamente como una de segundo orden).
Entonces la ecuación característica deseada es:
-Es factible que el sistema (con la planta incluida) se comporte
como uno de segundo orden (sistema subamortiguado), así sus s3 +14∗s2 +56∗s +160
características dinámicas se podrán manejar en función del
sobrepaso y tiempo de estabilización.

-La respuesta muestra que hay un error en estado estable

diferente de cero (es evidente puesto que no presenta polo en el 3. DISEÑO DE SISTEMA CON REUBICACIÓN POLOS
origen). Así que este es un punto a mejorar como sistema.
Vamos a diseñar un sistema, es decir, añadir un vector de
-La respuesta además muestra que el tiempo para el cual la pasa ganancia de realimentación de estado para que todo el sistema
por uno (“tiempo de subida si es que fuera de segundo orden) es responda según los requerimientos ya planteados.
mayor a los 2 segundos. Así esta lentitud es un punto a mejorar
como sistema. Ingresados los datos de la planta en MATLAB (ver sección 2),
ahora implementamos el procedimiento en MATLAB para
Requerimientos que mejoran la dinámica de la planta obtener el vector K. No se empleó la función “acker” puesto
que se prefiere mostrar el procedimiento.
Como se mencionó, para manejar de manera “más factible” a
todo el sistema, haremos que este (el sistema) se comporte %REUBICACION DE POLOS
como uno de segundo orden. ec=poly(A);
W=[ec(3),ec(2),1;ec(2),1,0;1,0,0];
T=M*W;
Luego comportándose como un sistema de segundo orden
ecd=[1 14 56 160];
planteamos los siguientes requerimientos:
J=[-2+j*2*sqrt(3) -2-2*j*sqrt(3) -10];
K=[ecd(4)-ec(4) ecd(3)-ec(3) ecd(2)-
1) Sobrepaso (Overshoot): Se requiere que la relación de
ec(2)]*T^-1;
amortiguamiento sea de 0.5

ξ=0.5 >> K

−ξ∗π K =19.2500 5.6250 1.0000

√ 1−ξ2
SP=e =16 %
En SIMULINK:
2) Tiempo de estabilización: Vamos a considerar el criterio del
2%. Asumiendo que se requiere para una respuesta aceptable:
 24.0000
145.0000
-140.0000

Comparación entre el sistema con reubicación de polos sin

observador y el sistema con reubicación de polos con
observador IMPORTANTE: Nótese que solo se ha utilizado
la ganancia Ke=24, puesto los ceros de la matriz de salidad C
permiten obviar a 145 y -140.

Respuesta ante escalón unitario del sistema con reubicación

de polos

Con
observador

Comentarios acerca de los resultados:

-Nótese que el sistema responde tal que el error en estado

estable es diferente de cero.
-Es la propia configuración del sistema (ubicación de
ganancias) así como la falta de un integrador que reduzca a cero Sin observador
el error. Única
ganancia
4. DISEÑO DEL OBSERVADOR DE ESTADOS DE ORDEN
usada
COMPLETO
Ante todo, situamos los polos del observador tal que no sean
dominantes el sistema entonces indicamos los polos del
observador:
p 1=−10
p 2=−10
p 3=−10
%OBSERVADOR DE ESTADO COMPLETO Comentarios acerca de los resultados:
Q=(W*N)^-1;
Je=[-10 -10 -10]; -Es notable de la gráfica que plotea el “Scope 2” monta las
ecde=poly(Je); respuestas del sistema con observador y sin observador tal que
Ke=Q*[ecde(4)-ec(4) ecde(3)-ec(3) ecde(2)- concuerdan exactamente en todos los puntos.
ec(2)]';
>> Ke=
-Véase que el color amarillo corresponde al sistema son
observador mientras que el rojo al sistema sin observador. Así
podemos concluir que el diseño del observador es el adecuado
tal que el error del valor real respecto al estimado se hacer cero
en el estado estacionario.

5. DISEÑO DE SISTEMA DE SEGUIMIENTO DE TIPO 1 Y

USO DE OBSERVADOR
Puesto que la planta no posee polo en el origen es
recomendable usar un sistema de seguimiento tipo 1 (inclusión
de integrador). Así implementamos los siguientes comandos en
MATLAB que nos ayudan a entender el procedimiento.

Comentarios acerca de los resultados:

-Ahora el sistema posee un error de estado estable igual a cero;

debido al polo en el origen (inclusión de integrador en el paso
directo).

-El sobrepaso es menor al 20% (cercano al 16%) mientras que

el tiempo de establecimiento bordea los 2 segundos tal que
como se requería en un inicio.

-Nótese la configuración particular que tiene este sistema de

Es importante citar que la nueva matriz de controlabilidad seguimiento tipo 1 que hace que la respuesta del sistema ante el
cumple tal que su determinante es diferente de cero. escalón cumple los requerimientos y además su error en estado
estable sea cero.
%SISTEMA DE SEGUIMIENTO DE TIPO 1
AS=[A,zeros(3,1);-C,0];
BS=[B;0];
CS=[1 0 0 0];
DS=[0];
MS=[BS AS*BS AS^2*BS AS^3*BS];
ecs=poly(AS);
WS=[ecs(4) ecs(3) ecs(2) 1;ecs(3) ecs(2) 1
0;ecs(2) 1 0 0;1 0 0 0];
TS=MS*WS;
Js=[-2+j*2*sqrt(3) -2-2*j*sqrt(3) -10
-10]; 5.1. INCLUSIÓN DEL OBSERVADOR AL SISTEMA DE
ecds=poly(Js); SEGUIMIENTO TIPO 1
Ks=[ecds(5)-ecs(5) ecds(4)-ecs(4) ecds(3)- Puesto que el observador de estados cumpla la función de
ecs(3) ecds(2)-ecs(2)]*(TS)^(-1); estimar las variables de estado sin necesidad de medir
directamente tales variables de estado; no será necesario volver
a calcular el vector Ke puesto que es el mismo ya calculado.
>> Ks=
Comparación entre el sistema se seguimiento tipo 1 sin
89.2500 23.1250 2.2500 -200.0000 observador y el sistema de seguimiento tipo 1 con
observador
Sistema de seguimiento de tipo 1

Con
observador
Comentarios acerca de los resultados:

-Es notable de la gráfica que plotea el “Scope 2” monta las

respuestas del sistema de seguimiento con observador y sin

observador tal que concuerdan exactamente en todos los puntos.
Así podemos concluir que el diseño del observador es el
adecuado tal que el error del valor real respecto al estimado se
hacer cero en el estado estacionario.

-Nuevamente corroboramos que el sobrepaso es menor al 20%

(cercano al 16%) mientras que el tiempo de establecimiento
bordea los 2 segundos tal que como se requería en un inicio.
Sin observador

6. DISEÑO DE SISTEMA PROPORCIONAL-INTEGRAL

MEDIANTE OPTIMIZACIÓN CUADRÁTICA
Para este diseño no se usa los requerimientos dados en la
sección 2.1, puesto que se busca la respuesta óptima a través de
la minimización de la función de coste o índice de
comportamiento (“performance”):

+∞
J=∫ ( x T Qx+uT Ru ) dt
0
Puesto que el procedimiento implica solucionar la ecuación de
Ricati para obtener P y luego K y todo esto resulta operativo.
Procederemos a utilizar la función “lqr” en MATLAB
considerando las matrices ampliadas de ^ A,B ^ yC^ empleadas
en el diseño de seguimiento tipo 1 ya realizado en la sección 5.
6.1 PRIMER CASO: Q=I, R=1 6.3 TERCER CASO: Q22=10, R=1
%CONTROLADOR ÓPTIMO PROPORCIONAL-INTEGRAL %CONTROLADOR ÓPTIMO PROPORCIONAL-INTEGRAL
Q1=eye(4);R=1; Q3=[1 0 0 0;0 10 0 0;0 0 1 0;0 0 0 1];
Kso1=lqr(AS,BS,Q1,R)

>> Kso1=

2.0186 1.6763 0.6577 -1.0000

Kso3=lqr(AS,BS,Q3,R)
6.2 SEGUNDO CASO: Q11=10, R=1
%CONTROLADOR ÓPTIMO PROPORCIONAL-INTEGRAL >> Kso3=
Q2=[10 0 0 0;0 1 0 0;0 0 1 0;0 0 0 1];
Kso2=lqr(AS,BS,Q2,R) 2.5088 3.1537 0.7833 -1.0000

Kso2 = 3.4975 2.3642 0.7175 -1.0000

6.4 CUARTO CASO: Q33=10, R=1
%CONTROLADOR ÓPTIMO PROPORCIONAL-INTEGRAL
Q4=[1 0 0 0;0 1 0 0;0 0 10 0;0 0 0 1];
Kso4=lqr(AS,BS,Q4,R)

>> Kso4= 2.6330 3.5661 2.6344 -1.0000

6.4 QUINTO CASO: Q44=100, R=1

%CONTROLADOR ÓPTIMO PROPORCIONAL-INTEGRAL
Q5=[1 0 0 0;0 1 0 0;0 0 10 0;0 0 0 100];
Kso5=lqr(AS,BS,Q5,R) Respuesta del primer caso (color azul): Q=I, R=1;
Respuesta del segundo caso (color rojo): Q11=10, R=1;
Kso5 =13.4739 8.6628 2.8177 -10.0000 Respuesta del tercer caso (color verde): Q22=10, R=1;
Respuesta del cuarto caso (color marrón): Q33=10, R=1;
Respuesta del quinto caso (color morado): Q44=100, R=1;

-Todas son respuestas óptimas pues minimizan la función de

coste, pero no todas las respuestas cumplen con los
requerimientos dados inicialmente.

-Físicamente, no se puede conocer qué variable (sea mecánica,

eléctrica o térmica) se da mayor importancia pues no se conoce
la planta en sí, sino que se conoce el modelamiento de una
planta cualquiera.

-No obstante, es notable que la respuesta óptima que más se

acerca a los requerimientos dados (16% de sobrepaso y tiempo
de establecimiento de 2 segundos) es la última respuesta (color
morado).

-Nótese que la respuesta para el cual se pondera con mayor

predominancia a la acción integrativa es la que tiende a oscilar
más, pero posee un tiempo de subida menor que las otras, en
este sentido, decimos que más rápida que las demás.

7. CONCLUSIONES FINALES

-Casi todas las técnicas presentadas a diferencia del diseño

mediante optimización presentan el mismo procedimiento de
diseño que es la reubicación de polos. Aunque la propia técnica
de optimización, en realidad, también reubica los polos pero en
base a obtener la respuesta óptima.

-El observador de estados es útil cuando no se pueden medir

Comparación de las respuestas al variar la matrices de directamente todas las variables de estado.
ponderación Q y R
-Con las técnicas de diseño en el espacio de estados se emplea
Se utilizó un multiplexor de 5 entradas para así comparar todas una gran cantidad de ganancias a diferencia de las técnicas
las salidas de los sistemas diseñados con diferentes matrices Q.
como basadas en el lugar de las raíces y la respuesta en
frecuencia.

-No siempre se usan todos los elementos del vector de

ganancias del observador, es importante, ver la configuración
de la propia planta y darse cuenta que no son necesario ciertos
elementos. Por ejemplo, cuando se diseñó el observador de
estados solo se usó finalmente la ganancia 24 puesto que la
matriz C poseía dos ceros.

-SIMULINK resulta ser un programa interactivo y de rápido

acceso para la simulación de sistemas de control.

-En MATLAB, funciones como “acker” y “lqr” nos permiten

conocer rápidamente los vectores de ganancia para los sistemas
de seguimiento (de reubicación de polos y optimización
cuadrática).