Apuntes de Control Avanzado I

Ingeniería en Control y Automatización, ESIME Zacatenco, IPN

M. en C. Rubén Velázquez Cuevas

Apunte 05
Diseño de sistemas de control en tiempo discreto
mediante el espacio de estados

MODELO DE ESTADO EN TIEMPO DISCRETO

El uso de un modelo en espacio de estados permite el diseño de sistemas de control con múltiples
entradas y salidas. Adicionalmente, se puede ampliar la complejidad de problemas a resolver, debido a
que también los sistemas no lineales se pueden representar mediante modelos en espacio de estados.

El modelo descrito mediante el espacio de estados consiste en definir el sistema mediante n –

ecuaciones en diferencias de primer orden con la finalidad de simplificar la expresión matemática
resultante. Al utilizar este tipo de representaciones es posible diseñar sistemas de control con respecto a
índices de desempeño, así como también utilizar una gama más amplia de señales de entrada
adicionales a las señales típicas de prueba.

En general, el conjunto de ecuaciones en diferencias general que describe el modelo discreto en espacio
de estados se define mediante:

x(k + 1) = f ( x(k ), u(k ), k )

Donde x y u corresponden a los vectores de n – estados y r – entradas respectivamente. Los

componentes del vector de estados se conocen como variables de estado y juntas conforman el espacio
de estados. Por otro lado, la ecuación de salidas general se define mediante:

y (k ) = g ( x(k ), u(k ), k )

Para el caso de sistemas lineales invariantes en el tiempo (LTI) el modelo discreto en ecuaciones con
variables de estado se define mediante:

x(k + 1) = Ax(k ) + Bu(k )

y (k ) = Cx(k ) + Du(k )

Donde:

• x(k ) es el vector de estado, de dimensión n×1

• u(k ) es el vector de entradas, de dimensión r × 1

1
 • y(k ) es el vector de salidas, de dimensión m×1

• A es la matriz constante del sistema, de dimensiones n × n

• B es la matriz constante de entradas, de dimensiones n × r

• C es la matriz constante de salidas, de dimensiones m × n

• D es una matriz constante de dimensiones m × r

En la figura 1 se muestra el diagrama de bloques que representa el sistema de control en tiempo

discreto definido por las ecuaciones en variables de estado.

Figura 1. Sistema de control en tiempo discreto a lazo cerrado

Al igual que para los sistemas en tiempo continuo, la realización en espacio de estados ( A, B, C, D ) no
es única, por lo tanto también es posible obtener diferentes formas características conocidas como
formas canónicas. Por ejemplo, considérese el sistema en tiempo discreto de orden n = 3 definido por
la ecuación de diferencias:

y (k ) + a1 y (k − 1) + a2 y (k − 2) + a3 y (k − 3) = b0u (k ) + b1u (k − 1) + b2u (k − 2) + b3u (k − 3)

Donde u (k ) es la entrada y y ( k ) es la salida del sistema en el instante de muestreo k . Por lo tanto, la

función de transferencia de pulsos equivalente se puede escribir mediante:

Y ( z ) b0 + b1 z −1 + b2 z −2 + b3 z −3
=
U ( z ) 1 + a1 z −1 + a2 z −2 + a3 z −3

O bien:

Y ( z ) b0 z 3 + b1 z 2 + b2 z + b3
=
U ( z ) z 3 + a1 z 2 + a2 z + a3
De donde se obtienen las formas canónicas:

Normal (o Compañera):

 x1 (k + 1)   0 1 0   x1 (k )   β1   x1 (k + 1)  0 1 −a3   x1 (k )  1 
 x (k + 1)  =  0 0 1   x2 (k )  +  β 2  u (k )  x (k + 1)  = 1 0 −a   x (k )  + 0  u (k )
 2    2   2 2   
 x3 (k + 1)   − a3 −a2 − a1   x3 (k )   β3   x3 (k + 1)  0 0 −a1   x3 (k )  0 
 x1 (k )   x1 (k ) 
y (k ) = [1 0 0]  x2 (k )  + [ β 0 ] u (k ) y (k ) = [ β1 β 2 β 3 ]  x2 (k )  + [ β 0 ] u (k )
 x3 (k )   x3 (k ) 

Controlable (u Observable):

 x1 (k + 1)   0 1 0   x1 (k )  0   x1 (k + 1)  0 1 −a3   x1 (k )   b3 − a3b0 
 x (k + 1)  =  0 0 1   x2 (k )  + 0  u (k )
 x (k + 1)  = 1 0 − a   x (k )  + b − a b  u (k )
 2    2   2 2   2 2 0
 x3 (k + 1)   −a3 − a2 −a1   x3 (k )  1   x3 (k + 1)  0 0 − a1   x3 (k )   b1 − a1b0 
 x1 (k )   x1 (k ) 
y (k ) = [b3 − a3b0  
b2 − a2b0 b1 − a1b0 ]  x2 (k )  + [ β 0 ] u (k ) y (k ) = [ 0 0 1]  x2 (k )  + [ β 0 ] u (k )
 x3 (k )   x3 (k ) 

Diagonal (o de Jordán o Modal)

 x1 (k + 1)  λ1 0 0   x1 (k )  1  x1 (k + 1)  λ 1 0   x1 (k )  0 
 x (k + 1)  =  0 λ 0   x2 (k )  + 1 u (k )  x (k + 1)  =  0 λ 1   x (k )  + 0  u (k )
 2   2  2    2   
 x3 (k + 1)   0 0 λ2   x3 (k )  1  x3 (k + 1)   0 0 λ   x3 (k )  1 
 x1 (k )   x1 (k ) 
y (k ) = [ c1 c2 c3 ]  x2 (k )  + [b0 ] u (k ) y (k ) = [ c1 c2 c3 ]  x2 (k )  + [b0 ] u (k )
 x3 (k )   x3 (k ) 

 x1 (k + 1)   λ 0 0   x1 (k )  1 
 x (k + 1)  =  0 −σ ω   x2 (k )  + 1  u (k )
 2  
 x3 (k + 1)   0 −ω −σ   x3 (k )  0 
 x1 (k ) 
y (k ) = [ c1 c2 c3 ]  x2 (k )  + [b0 ] u (k )
 x3 (k ) 
Así mismo, para toda representación en espacio de estados de un sistema LTI existe una matriz no
singular de transformación de similitud P tal que si se define x( k ) = Pz ( k ) se obtiene el sistema
similar:

z (k + 1) = P −1APz (k ) + P −1Bu(k )
y (k ) = CPz (k ) + Du(k )

SOLUCIÓN AL MODELO DE ESTADO EN TIEMPO DISCRETO

En general las ecuaciones en tiempo discreto se resuelven de manera más fácil en comparación con las
ecuaciones diferenciales, debido a que las ecuaciones en diferencias se pueden resolver mediante un
algoritmo recursivo simple. Considerando por ejemplo la ecuación de diferencias:

x(k + 1) = Ax(k ) + Bu(k )

Para todo entero positivo k se tiene que:

x(1) = Ax(0) + Bu (0)

x(2) = Ax(1) + Bu(1) = A 2 x(0) + ABu(0) + Bu(1)
x(3) = Ax(2) + Bu(2) = A 3 x(0) + A 2 Bu(0) + ABu (1) + Bu (2)
⋮
k −1
x(k ) = A k x(0) + ∑ A k −1− j Bu( j ) ; k = 1, 2,3,…
j =0

Como se observa la solución x( k ) está formada por dos partes, una que representa la contribución del
estado inicial x(0) y la otra la contribución de la entrada u( j ) para j = 0,1, 2,… k − 1 . Por otro lado, la
salida y ( k ) está dada por:

k −1
y (k ) = CA k x(0) + C∑ A k −1− j Bu( j ) + Du(k )
j =0

Finalmente, la solución del modelo de estado en tiempo discreto también se puede expresar en términos
de la matriz de transición de estados Ψ ( k ) mediante:

k −1 k −1
x(k ) = Ψ(k )x(0) + ∑ Ψ(k − 1 − j )Bu( j ) = Ψ(k )x(0) + ∑ Ψ ( j )Bu(k − 1 − j )
j =0 j =0

De donde se observa que la matriz fundamental o de transición de estados se define como Ψ (k ) = A k

Un método útil para calcular la matriz de transición de estados es utilizando la transformada Z.

Para ello considérese el sistema en tiempo discreto descrito mediante:

x(k + 1) = Ax(k ) + Bu(k )

Aplicando la transformada Z en ambos lados de la igualdad se tiene:

zX( z ) − zx(0) = AX( z ) + BU( z )

Por lo tanto:

 zI − A  X( z ) = zx(0) + BU ( z )

Es decir:
−1 −1
X( z ) =  zI − A  zx(0) +  zI − A  BU( z )

Finalmente:

x( k ) = Z −1
{ zI − A  z} x(0) + Z { zI − A 
−1 −1 −1
}
BU ( z )

Comparando con la solución del modelo de estado en tiempo discreto se tiene que:

Ψ (k ) = A k = Z −1
{ zI − A  z}
−1

Así mismo, la función de transferencia de pulsos se determina mediante la fórmula análoga que se
utiliza para el caso en tiempo continuo
−1
G ( z ) = C  zI − A  B + D

DISCRETIZACIÓN DE LAS ECUACIONES EN EL ESPACIO DE ESTADO EN TIEMPO CONTINUO

Para el diseño de algoritmos de control digital en plantas de tiempo continuo, es necesario convertir las
ecuaciones de estado en tiempo continuo a ecuaciones de estado en tiempo discreto, para lo cual se
introducen los muestreadores y dispositivos de retención ficticios. El error introducido por la
discretización se puede despreciar si se utiliza un periodo de muestreo lo suficientemente pequeño en
comparación con la constante de tiempo más significativa de la planta.

Considérese la planta en tiempo continuo descrita mediante las ecuaciones de estado:

xɺ (t ) = Ax(t ) + Bu (t )
y (t ) = Cx(t ) + Du(t )
La representación en tiempo discreto correspondiente está dada por:

x ( (k + 1)T ) = A (T ) x ( kT ) + B (T ) u ( kT )
y ( kT ) = Cx ( kT ) + Du ( kT )

Donde las matrices A (T ) y B (T ) dependen explícitamente del periodo de muestreo T y las matrices
C y D no dependen del periodo de muestreo. Por lo tanto, las matrices A (T ) ≠ A y B (T ) ≠ B se
obtienen mediante:

A (T ) = e AT

T 
B ( T ) =  ∫ e Aλ d λ  B
0 

Donde λ = T − t . Adicionalmente, para el caso particular en que la matriz A es no singular, entonces

B (T ) se calcula mediante:

B ( T ) = A −1 ( e AT − I ) B = ( e AT − I ) A −1B

Ejemplo 1. Considérese el sistema en tiempo continuo descrito mediante:

1
G( s) =
s + 3s + 2
2

Obtener la representación en espacio de estados en tiempo continuo. Posteriormente, discretizar la

ecuación de estados para obtener las ecuaciones de estado en tiempo discreto con un tiempo de
muestreo de T = 0.1 [seg] . Finalmente, obtener la matriz función de transferencia de pulsos.

Solución:

La representación en espacio de estados está dada por:

 xɺ1 (t )   0 1   x1 (t )  0 
 xɺ (t )  =  −2 −3  x (t )  + 1  u (t )
 2    2   
x 
y (t ) = [1 0]  1  + [ 0] u (t )
 x2 

Posteriormente se procede a calcular la discretización de la ecuación de estados:

 2e −T − e −2T e −T − e −2T   0.9909 0.0861

A (T ) = e AT
= = 
−T
 −2e + 2e
−2T
−e−T + 2e −2T   −0.1722 0.7326 
Como A es no singular, entonces:

  0.9909 0.0861 1 0   −1.5 −0.5 0   −0.0091 0.0861   −0.5 0.0045

B (T ) =    − 0 1    1  1  =  −0.1722 −0.2674   0  =  0.0861
  −0.1722 0.7326      0       

Por lo tanto, las ecuaciones de estado en tiempo discreto equivalentes para T = 0.1 [seg] son:

 x1 (k + 1)   0.9909 0.0861  x1 (k )  0.0045  x (k ) 

 x (k + 1)  =  −0.1722 0.7326   x (k )  +  0.0861 u (k ); y (k ) = [1 0]  1  + [ 0] u (k )
 2    2     x2 (k ) 

Finalmente, la matriz función de transferencia de pulsos está dada por:

−1
 z − 0.9909 −0.0861  0.0045
G ( z ) = [1 0] 
 0.1722 z − 0.7326   0.0861

 1   z − 0.7326 0.0861  0.0045

G( z) =  2  [1 0]   
 z − 1.7236 z + 0.7408   −0.1722 z − 0.9909   0.0861

 1  0.0045
G( z) =  2  [ z − 0.7326 0.0861]  
 z − 1.7236 z + 0.7408   0.0861

0.0045 z − 0.0041
G( z) =
z − 1.7236 z + 0.7408
2

En la figura 2 se muestra el código y la respuesta al escalón para el sistema en tiempo continuo y su

equivalente discretizado con tiempo de muestreo T = 0.1 [seg]

Figura 2. Código para resolver el ejemplo 1 y gráficas resultantes

CONTROLABILIDAD Y OBSERVABILIDAD EN LOS SISTEMAS DISCRETOS
Los conceptos de controlabilidad y observabilidad fueron introducidos por Rudolf E. Kalman, los
cuales juegan un rol importante en el diseño de sistemas de control en el espacio de estados. Las
condiciones de controlabilidad y observabilidad establecen la existencia de una solución al problema
del diseño del algoritmo de control. Para el caso de los sistemas de control en tiempo discreto, se
aplican básicamente las mismas reglas para el caso continuo. Es decir, para un sistema LTI en tiempo
discreto se puede conocer a partir del cálculo de las matrices correspondientes la controlabilidad y la
observabilidad del sistema:

• Matriz de controlabilidad:

Mc =  B AB A 2 B ⋯ A n −1B 

• Matriz de observabilidad:

 C 
 CA 
 
Mo =  CA 2

 
 ⋮ 
CA n −1 
 

Por lo tanto, un sistema LTI en tiempo discreto es de estado completamente controlable y

completamente observable si las matrices Mc y Mo respectivamente, son de rango completo.
Finalmente, si la representación en espacio de estados de un sistema en tiempo discreto no está en
forma canónica (controlable, observable o diagonal) existen matrices de transformación que permiten
obtener dichas formas.

• Para el caso de la forma canónica controlable, se tiene la matriz de transformación de similitud:

TC = Mc * P

• Mientras que para la forma canónica observable, se tiene la matriz de transformación de similitud:

TO = ( P * Mo )
−1

 an−1 an− 2 ⋯ a1 1 
a an−3 ⋯ 1 0 
 n−2
Donde P =  ⋮ ⋮ ⋮ ⋮  ; para det  zI − A  = z n + a1 z n −1 + ⋯ + an −1 z + an = 0
 
 a1 1 ⋯ 0 0
 1 0 ⋯ 0 0 

• Por último, la matriz de diagonalización se obtiene a partir de la matriz de vectores propios

Consideraciones sobre el efecto de la discretización. Cuando se discretiza un sistema de control en
tiempo continuo, el sistema discretizado puede perder controlabilidad y observabilidad para el caso que
se tengan polos complejos en tiempo continuo ya que en el proceso de discretización se pueden
presentar cancelaciones entre polos y ceros. Por otro lado, cuando un sistema en tiempo continuo que
es completamente controlable y observable, no presenta polos complejos conjugados, es seguro que su
representación discreta será también completamente controlable y observable.

UBICACIÓN DE POLOS Y DISEÑO DE OBSERVADORES

El método de ubicación de polos en lazo cerrado selecciona los polos deseados en base a los requisitos
de la respuesta transitoria o bien de la respuesta en frecuencia como son: velocidad de respuesta, factor
de amortiguamiento relativo o ancho de banda. Para ello se debe tomar en cuenta inicialmente que
todas las variables son medibles y si y solo si el sistema es completamente controlable entonces la
ubicación de polos se puede realizar de forma arbitraria. Sin embargo, nuevamente se debe tener
cuidado en la selección del periodo de muestreo con la finalidad de no requerir señales de control
excesivamente grandes para que así no se alcance la saturación del mismo y se vuelva un sistema no
lineal, lo que a su vez provocaría que el método ya no fuese válido. Por otro lado, el observador de
estados es un algoritmo que realiza la tarea de estimar los estados a partir de la medición de la salida
considerando que no todas las variables son medibles o no están disponibles para su retroalimentación.
Por lo tanto, todos los estados se pueden estimar si y solo si el sistema es de estado completamente
observable. Recordar que si bien la selección de los polos del observador puede ser arbitraria, una
selección inadecuada traerá en consecuencia una mala estimación y por lo tanto una distorsión del
algoritmo de control diseñado. En conclusión se debe tomar en cuenta las características del diseño del
compensador para el posterior diseño del observador. Finalmente, es posible también el diseño de
observadores de orden mínimo utilizando la misma metodología empleada en el caso de sistemas en
tiempo continuo.

1. Compensador Regulador

En la figura 3 se muestra un esquema de un sistema de control por regulación mediante el método de

retroalimentación de estados.

Figura 3. Sistema de control regulador por retro de estados

Como se observa, el algoritmo de control está conformado por una matriz de ganancias que multiplica
a los estados retroalimentados; es decir:

u ( k ) = −Kx( k )

Donde la matriz K se determina utilizando los mismos métodos que en tiempo continuo. Por ejemplo,
mediante el método de la matriz de transformación TC o bien mediante la fórmula de Ackerman; con la
diferencia de que todo se maneja en tiempo discreto.

2. Compensador con entrada de referencia

En la figura 4 se muestra el esquema de un sistema de control con entrada de referencia utilizando

también la retroalimentación de estados.

Figura 4. Sistema de control con entrada de referencia.

En este caso al utilizar la retro de estados se modifica el polinomio característico resultante en lazo
cerrado, y a su vez se modifica también la ganancia del sistema. Por lo tanto, se utiliza una ganancia
ajustable K 0 para establecer la ganancia de la salida con respecto a la entrada igual a la unidad. Nótese
también que el algoritmo de control está dado por:

u (k ) = −Kx(k ) + K 0 r (k )

Por lo tanto:

x( k + 1) = ( A − BK ) x( k ) + BK 0 r ( k )

El cálculo de K 0 se puede realizar al obtener la matriz función de transferencia de pulsos para el

sistema en lazo cerrado y posteriormente despejar el término K 0 tal que la ganancia resultante sea uno.
3. Observador de estado completo

En la figura 5 se muestra el esquema de un observador de orden completo el cual consiste de un

algoritmo de estimación basado en el error de estimación definido mediante e( k ) = x( k ) − xɶ ( k )

Figura 5. Esquema de un observador de estado completo

La matriz de ganancias K e ubica los polos del observador para que la dinámica de estimación se
resuelva al igual que un regulador, de modo que el error de estimación tiende a cero en un tiempo
finito. Las ecuaciones que describen el comportamiento del observador son:

xɶ (k + 1) = Axɶ (k ) + Bu (k ) + K e ( y (k ) − yɶ (k ) )
yɶ (k ) = Cxɶ (k )

Mientras que la ecuación del error de estimación está dada por:

e( k + 1) = ( A − K eC ) e( k )

4. Sistema de regulación y referencia con observador de estados

En la figura 6 se muestra un sistema de control por regulación con un observador de orden completo,
mientras que en la figura 7 se muestra el sistema de control con entrada de referencia y observador de
estado. En ambos casos se asume que no todos los estados están disponibles para su retroalimentación
o no son medibles por lo que se utiliza el algoritmo de estimación mediante el observador de estados.
 Figura 6. Sistema de control regulador con observador de estados

Figura 7. Sistema de control con entrada de referencia y observador de estados

5. Observador de orden mínimo

En la figura 8 se observa un sistema de control en tiempo discreto tipo regulador con un observador de
orden mínimo. Nota: La matriz de ganancias del observador de orden mínimo K e es de ( n − 1) × 1

Figura 8. Sistema de control regulador con retro de estados y observador de orden mínimo

De donde a continuación se detallan sus elementos componentes:

• La dinámica del sistema se redefine mediante

 xa (k + 1)   Aaa A ab   xa (k )   Ba 
 x (k + 1)  =  A +
A bb   xb (k )   Bb 
u (k )
 b   ba

 xa (k ) 
y (k ) = [1 0]  
 xb (k ) 

• xa (k ) es el estado medible mientras que xb (k ) es el vector de (n – 1) estados no medibles

• La ecuación del observador de orden mínimo está dada por

ɶ (k + 1) = Aw
w ɶ (k ) + B y (k ) + Fu (k ); ɶ (k ) = xɶ b (k ) − K e y (k )
w

• Las matrices que conforman el observador de orden mínimo son

A = A bb − K e A ab ; B = AK e + Aba − K e Aaa ; F = B b − K e Ba
 • Por otro lado, la salida del observador de orden mínimo se define mediante

 xa (k )   y (k )   0  1 
xɶ (k ) =   =  =   [ xɶ b (k ) − K e y (k ) ] +   y (k ) = Cw
ɶ ( k ) + Dy (k )
 xb ( k )   xb (k )   I n −1  K e 

• De donde se definen las matrices

 0  1 
C =  ; D= 
 I n −1  K e 

6. Sistema de seguimiento

En la figura 9 se muestra el esquema de un sistema seguidor que se utiliza cuando la planta no tiene un
integrador en su modelo (o de lo contrario se utiliza el esquema de compensador con entrada de
referencia). En este esquema se combinan la retroalimentación de estados con un algoritmo integral
para el caso particular en que r = m = 1 aunque la metodología aquí presentada se puede extender para
el caso de más se una entrada y más de una salida.

Figura 9. Sistema de control de seguimiento con retro de estados y algoritmo integral

Del algoritmo integral y de la retro de estados se observa que:

v ( k ) = v ( k − 1) + r ( k ) − y ( k )

u (k ) = −Kx(k ) + k I v(k )

Por lo tanto, se puede reescribir las ecuaciones como:

v ( k + 1) = v( k ) + r ( k + 1) − y ( k + 1) = v( k ) + r ( k + 1) − C  Ax( k ) + Bu ( k )  = −CAx ( k ) + v ( k ) − CBu ( k ) + r ( k + 1)

u ( k + 1) = −Kx( k + 1) + k I v ( k + 1) = ( −KA − k I CA ) x( k ) + ( −KB − k I CB ) u ( k ) + k I v ( k ) + k I r ( k + 1)

Como: k I v(k ) = Kx(k ) + u (k ); entonces:

u ( k + 1) = ( K − KA − k I CA ) x( k ) + (1 − KB − k I CB ) u ( k ) + k I r ( k + 1)
Lo anterior permite definir un nuevo conjunto de ecuaciones de estado

 x(k + 1)   A B   x( k )   0 
u (k + 1)  =   + r (k + 1)
  ( K − KA − k I CA ) (1 − KB − kI CB ) u(k ) kI 
 x( k ) 
y (k ) = [ C 0]  
u ( k ) 

De donde si se analiza para el caso particular en que la señal de referencia r ( k ) = r es constante, se

tiene:

 x(k + 1)   A B   x( k )   0 
u (k + 1)  =   +
  ( K − KA − k I CA ) (1 − KB − kI CB ) u(k ) kI r 
Nótese que en consecuencia las variables x( k ) , u ( k ) y v ( k ) tienden a sus valores constantes
denominados como x(∞ ) , u (∞ ) y v (∞ ) respectivamente. En consecuencia v (∞ ) = v (∞ ) + r − y (∞ ) ; es
decir que y (∞ ) = r (no hay error en estado permanente cuando la referencia es constante). La ecuación
de estados en régimen permanente está dada por:

 x (∞ )   A B   x (∞ )   0 
=   +
 ( K − KA − k I CA ) (1 − KB − kI CB ) u(∞)  kI r 
 u (∞ ) 


Si se definen los vectores de error xe (k ) = x(k ) − x(∞) y ue (k ) = u (k + 1) − u (∞) se obtiene finalmente

la ecuación de estados

 xe (k + 1)   A B   xe (k ) 
 u (k + 1)  =  
 e  ( K − KA − k I CA ) (1 − KB − kI CB ) ue (k ) 
 xe (k ) 
Definiendo w (k ) = ( K − KA − k I CA ) (1 − KB − k CB ) u (k ) 
I
 e 

La ecuación de error de estados se reescribe como:

 xe (k + 1)   A B   x e (k )  0 
 u (k + 1)  =    +   w(k )
 e   0 0   ue ( k )   1 

Finalmente, definiendo:

 xe (k )  A B 0
η (k ) =   ; A=  ; B =   ; K = − ( K − KA − k I CA ) (1 − KB − k CB )
I
 ue ( k )   0 0 1 
Se obtiene la ecuación de estados aumentada:

η (k + 1) = Aη (k ) + Bw(k )

Y el algoritmo de control:

w(k ) = −Kη (k )

Donde la controlabilidad del sistema está dada por el par {A, B} y la matriz de ganancias por retro de
estados equivalente se utiliza para calcular K y kI de la siguiente forma:

Desarrollando el producto

( A − I n ) B 
[K kI ]   = ( KA − K + k I CA ) ( KB + k CB )
CB  
I
 CA

Se tiene entonces que

( A − I n ) B 
K = ( KA − K − kI CA ) ( KB + k CB − 1) = [K
I kI ]   − [ 0 1]
 CA CB 

Por lo tanto:

( A − I n ) B 
[K kI ]   = K + [ 0 1]
 CA CB 

( A − I n ) B 
Si la matriz   es no singular entonces se tiene finalmente:
 CA CB 

( A − I n ) B 
−1

[K ( )
kI ] = K + [ 0 1] 
 CA

CB 

7. Sistema de seguimiento con observador de estado

En la figura 10 se muestra el esquema de un sistema de control por seguimiento cuando solo la salida
es medible y por lo tanto se utiliza un observador de estado completo. Nótese que para el observador
solo se requieren las ecuaciones de estado de la planta, ya que la estimación de estados es
independiente del algoritmo integral.
 Figura 10. Sistema de seguimiento con retro de estado observado

Ejemplo 2. Considérese el sistema barra esfera en tiempo continuo descrito mediante el modelo
linealizado:

 xɺ1 (t )  0 1   x1 (t )   0 
 xɺ (t )  = 0 0   x (t )  + 7  u (t )
 2    2   

 x (t ) 
y (t ) = [1 0]  1  + [ 0] u (t )
 x2 (t ) 

A) Diseñar un compensador regulador digital para mantener la posición de la esfera en x1 = 0

B) Diseñar un compensador con entrada de referencia para ubicar la posición de la esfera en x1 ≠ 0

C) Diseñar un observador de estado completo y aplicarlo al esquema anterior

D) Diseñar un sistema de seguimiento para que el sistema siga una trayectoria senoidal

El requisito para los compensadores es que el transitorio sea menor o igual 1 segundo y la dinámica del
observador sea cinco veces más rápida que la del sistema compensado. Considérese una posición
inicial de uno y velocidad cero. Finalmente, la frecuencia de la señal senoidal de referencia es de medio
ciclo por segundo, por lo que el tiempo de muestreo necesario para el sistema discreto es menor o igual
a 0.25 segundos.
Solución:

En la figura 11 se muestra un esquema del sistema barra esfera. El modelo

Figura 11. Esquema de un sistema barra esfera

Seleccionando el tiempo de muestreo en T = 0.2 ; el modelo discretizado resultante está dado por:

 x1 ( (k + 1)T )  1 0.2   x1 ( kT )   0.14 

 =  +  u ( kT )
 x2 ( (k + 1)T )   0 1   x2 ( kT )   1.4 

 x ( kT ) 
y ( kT ) = [1 0]  1  + [ 0] u ( kT )
 x2 ( kT ) 

A) Para diseñar el regulador, primero se comprueba la controlabilidad del sistema:

0.14 0.42  0.14 0.42

MC =  ; det ( M C ) = = −0.392
 1.4 1.4  1.4 1.4

Posteriormente, se proponen los polos de lazo cerrado deseados. Para ello si se desea que el transitorio
4
dure 1 segundo o menos se tiene que ts = ≤ 1; por lo tanto σ ≥ 4 . Es decir:
σ

e−Tσ = exp ( −0.8) = 0.4493

Sin embargo, como se trata de dos polos, la aportación se dividirá a la mitad, de modo que se proponen
los polos de lazo cerrado en z = {0.22, 0.22} y se obtiene la matriz de retroalimentación de estados:

K = [ 2.1729 0.8970]

1 
Al obtener la gráfica ante las condiciones iniciales diferentes de cero x 0 =   se obtiene la gráfica que
0
se muestra en la figura 12, donde se observa que el transitorio efectivamente dura aproximadamente un
segundo
 Figura 12. Respuesta del regulador ante condiciones iniciales x 0

Para mayores detalles sobre los conceptos y métodos aquí señalados se recomienda consultar el libro Sistemas de control en
tiempo discreto, 2ª edición de Katsuhiko Ogata; así como las notas de teoría del control 3 que se pueden descargar desde la
página web: [Link]
EJERCICIO PRÁCTICO 5.

Considérese el servo motor ilustrado en la figura 7, cuyo modelo matemático lineal está descrito
mediante la función de transferencia:

8.4
Gm ( s) =
0.02s + 2.02s 2 + 22s
3

Figura 7. Esquema virtual de un servo motor

Se desea diseñar un sistema digital para controlar la posición del servo, utilizando un muestreador y un
retén de orden cero con una restricción angular mecánica de ±90° . Seleccione el tiempo de muestreo
2π
en T = 0.125 [ seg ] ; por lo que: T =
ωs

Diseñar el compensador tal que el sistema de control digital en lazo cerrado tenga las siguientes
características:

• El factor de amortiguamiento deberá ser de ξ = 0.6

• El número de muestras por ciclo de oscilación amortiguada deseado es de 10; es decir:

ωs
= 10
ωd

• Establecer mediante el criterio de Jury las condiciones de estabilidad para conocer los valores de
ganancia que aseguran la estabilidad del servomotor.