“Año de la unidad, la paz y el desarrollo”

GESTIÓN Y MANTENIMIENTO DE MAQUINARIA INDUSTRIAL

“ANALISIS ESTADISTICO CORRESPONDIENTE A LA INGENIERÍA DE CONTROL MODERNA –

Variables de estado”

CURSO: MATEMATICA APLICADA

INTEGRANTES:

• Challapa Chura Juan David

• Chahuara Quispe Ismael Dante
• Huahuatico Gutierrez Joel Jair
• xxxxxxxxxxxxxxx

AREQUIPA-PERU

2023
1. INDICE

1. INDICE……………………………………………………………………………………………… 2

2. INTRODUCCIÓN……………………………………………………………………………….. 3

3. MOTIVACIÓN Y JUSTIFICACIÓN………………………………………………………… 6

4. OBJETIVOS………………………………………………………………………………………. 6

4.1. Objetivo Principal…………………………………………………………………. 7

4.2. Objetivos Específicos……………………………………………………………. 7

5. ANALISIS DE LA DATA………………………………………………………………..……. 8

5.1. Concepto teórico…………………………………………………………………. 8

6. CONCLUSIONES……………………………………………………………………………….

7. BIBLIOGRAFÍA…………………………………………………………………………………
 2. INTRODUCCION:

El siguiente laboratorio tiene la finalidad de sintetizar y analizar los datos correspondientes a la

intención de ser un curso de sistemas de control. Presenta un tratamiento completo del análisis
y el diseño de sistemas de control en tiempo continuo. Previamente llevado los cursos
introductorios de ecuaciones diferenciales, análisis vectorial y matricial, análisis de circuitos.

La transformada de Laplace para funciones del tiempo y los teoremas básicos de la transformada
de Laplace que suelen encontrarse.

Los sistemas dinámicos y desarrolla modelos mediante la función de transferencia’ y el espacio

de estados.

El análisis de respuesta transitoria de los sistemas de primer y segundo.

Las acciones básicas de control de los controladores industriales automáticos y analiza los de
tipo neumático, hidráulico y electrónico.

El análisis mediante el lugar geométrico de las raíces. En él se presenta el enfoque de MATLAB

para graficar los lugares geométricos de las raíces.

El análisis de la respuesta en frecuencia de los sistemas de control. Analiza las trazas de Bode,
las trazas polares, el criterio de estabilidad de Nyquist y la respuesta en frecuencia en lazo
cerrado, que incluye el enfoque de MATLAB para obtener gráficas de la respuesta en frecuencia.

Presenta un análisis básico de los sistemas de control en el espacio de estados. En él se ofrecen

conceptos de controlabilidad y observabilidad. El capítulo incluye la transformación de los
modelos de sistemas (de la función de transferencia al espacio de estados y viceversa) mediante
el uso de MATLAB.

El análisis de estabilidad de Liapunov, seguido por el diseño de un sistema de control con modelo
de referencia, en el que primero se formulan las condiciones para la estabilidad de Liapunov y
después se diseña el sistema dentro de estas limitaciones.
Introducción a los sistemas de control.

El control automático ha desempeñado una función vital en el avance de la ingeniería y la ciencia.

Además de su extrema importancia en los sistemas de vehículos espaciales, de guiado de misiles,
robóticos y similares; el, control automático se ha vuelto una parte importante e integral de los
procesos modernos industriales y de manufactura. Por ejemplo, el control automático es
esencial en el control numérico de las máquinas-herramienta de las industrias de manufactura,
en el diseño de sistemas de pilotos automáticos en la industria aeroespacial, y en el diseño de
automóviles y camiones en la industria automotriz. También es esencial en las operaciones
industriales como el control de presión, temperatura, humedad, viscosidad y flujo en las
industrias de proceso.

Debido a que los avances en la teoría y la práctica del control automático aportan los medios
para obtener un desempeño óptimo de los sistemas dinámicos, mejorar la productividad,
aligerar la carga de muchas operaciones manuales repetitivas y rutinarias, así como de otras
actividades, casi todos los ingenieros y científicos deben tener un buen conocimiento de este
campo.

Los métodos de respuesta en frecuencia y del lugar geométrico de las raíces, que forman el
núcleo de la teoría de control clásica, conducen a sistemas estables que satisfacen un conjunto
más o menos arbitrario de requerimientos de desempeño. En general, estos sistemas son
aceptables, pero no óptimos en forma significativa. Desde el final de la década de los cincuenta,
el énfasis en los problemas de diseño de control se ha movido del diseño de uno de muchos
sistemas que trabajen apropiadamente al diseño de un sistema óptimo de algún modo
significativo.

Conforme las plantas modernas con muchas entradas y salidas se vuelven más y más complejas,
la descripción de un sistema de control moderno requiere de una gran cantidad de ecuaciones.
La teoría del control clásica, que trata de los sistemas con una entrada y una salida, pierde su
solidez ante sistemas con entradas y salidas múltiples Desde alrededor de 1960, debido a que la
disponibilidad de las computadoras digitales hizo posible el análisis en el dominio del tiempo de
sistemas complejos, la teoría de control moderna, basada en el análisis en el dominio del tiempo
y la síntesis a partir de variables de estados, se ha desarrollado para enfrentar la creciente
complejidad de las plantas modernas y los requerimientos limitativos respecto de la precisión,
el peso y el costo en aplicaciones militares, espaciales e industriales.
Durante los años comprendidos entre 1960 y 1980, se investigaron a fondo el control optimo
tanto de sistemas determinísticos como estocásticos, y el control adaptable, mediante el
aprendizaje de sistemas complejos. De 1980 a la fecha, los descubrimientos en la teoría de
control moderna se centraron en el control robusto, el control de H, y temas asociados.

Ahora que las computadoras digitales se han vuelto más baratas y más compactas, se usan como
parte integral de los sistemas de control. Las aplicaciones recientes de la teoría de control
moderna incluyen sistemas ajenos a la ingeniería, como los biológicos, biomédicos, económicos
y socioeconómicos.

Definiciones. Antes de analizar los sistemas de control, deben definirse ciertos términos básicos.

Variable controlada y variable manipulada: La variable controlada es la cantidad o condición

que se mide y controla. La, variable manipulada es la cantidad o condición que el controlador
modifica para afectar el valor de la variable controlada. Por lo común, la variable controlada es
la salida (el resultado) del sistema. Controlar significa medir el valor de la variable controlada del
sistema y aplicar la variable manipulada al sistema para corregir o limitar una desviación del valor
medido a partir de un valor deseado.

En el estudio de la ingeniería de control, necesitamos definir términos adicionales que resultan

necesarios para describir los sistemas de control.

Plantas: Una planta puede ser una parte de un equipo, tal vez un conjunto de las partes de una
máquina que funcionan juntas, el propósito de la cual es ejecutar una operación particular. En
este libro, llamaremos planta a cualquier objeto físico que se va a controlar (tal como un
dispositivo mecánico, un horno de calefacción, un reactor químico o una nave espacial).

Procesos: El Diccionario Merriam-Webster define un proceso como una operación o un

desarrollo natural progresivamente continuo, marcado por una serie de cambios graduales que
se suceden uno al otro en una forma relativamente fija y que conducen a un resultado o
propósito determinados; o una operación artificial o voluntaria progresiva que consiste en una
serie de acciones o movimientos controlados, sistemáticamente dirigidos hacia un resultado o
propósito determinados. En este libro llamaremos proceso a cualquier operación que se va a
controlar. Algunos ejemplos son los procesos químicos, económicos y biológicos.

Sistemas: Un sistema es una combinación de componentes que actúan juntos y realizan un

objetivo determinado. Un sistema no necesariamente es físico. El concepto de sistema se aplica
a fenómenos abstractos y dinámicos, tales como los que se encuentran en la economía. Por
tanto, la palabra sistema debe interpretarse como una implicación de sistemas físicos, biológicos,
económicos y similares.

Perturbaciones: Una perturbación es una señal que tiende a afectar negativamente el valor de
la salida de un sistema. Si la perturbación se genera dentro del sistema se denomina interna, en
tanto que una perturbación externa se produce fuera del sistema y es una entrada.

Control realimentado: El control realimentado se refiere a una operación que, en presencia de

perturbaciones, tiende a reducir la diferencia entre la salida de un sistema y alguna entrada de
referencia y lo continúa haciendo con base en esta diferencia. Aquí ~610 se especifican con este
término las perturbaciones impredecibles, dado que las perturbaciones predecibles o conocidas
siempre pueden compensarse dentro del sistema.

3. MOTIVACION Y JUSTIFICACION

El tema de este informe es el estudio de las variables de estado y su aplicación al análisis y diseño
de sistemas dinámicos. Me interesa este tema porque quiero profundizar mis conocimientos de
matemática aplicada y aprender a modelar y controlar sistemas complejos que involucran
múltiples variables que cambian en el tiempo. Además, considero que las variables de estado
son una herramienta fundamental para la ingeniería y la ciencia, ya que permiten describir y
manipular sistemas físicos, químicos, biológicos, económicos, sociales, entre otros.

4. OBJETIVOS:

El objetivo de este informe es presentar y comparar dos enfoques para el estudio de las
variables de estado: el enfoque matricial y el enfoque geométrico. Estos enfoques son
complementarios y ofrecen diferentes perspectivas y ventajas para el análisis y diseño
de sistemas dinámicos. El enfoque matricial se basa en la representación de las variables
de estado y sus relaciones mediante matrices y vectores, lo que facilita el uso de
herramientas algebraicas y numéricas. El enfoque geométrico se basa en la
representación de las variables de estado y sus trayectorias mediante puntos y curvas en
el espacio de estados, lo que facilita la visualización e interpretación de los fenómenos
dinámicos.

Los resultados esperados de este informe son los siguientes:

• Mostrar cómo se definen y se obtienen las variables de estado a partir de las

ecuaciones diferenciales que rigen el comportamiento de un sistema dinámico.
• Aplicar el enfoque matricial y el enfoque geométrico para analizar las
propiedades y el comportamiento de algunos sistemas dinámicos de interés,
como el circuito RLC, el péndulo invertido, el modelo de Lotka-Volterra y el
modelo de Lorenz.
• Comparar los resultados obtenidos con los dos enfoques y evaluar sus ventajas y
limitaciones para el estudio de las variables de estado.
• Diseñar y simular algunos controladores para estabilizar o mejorar el desempeño
de los sistemas dinámicos estudiados, usando técnicas como el control por
realimentación de estado, el control óptimo y el control robusto.

La relevancia y la contribución de este informe son las siguientes:

• Aportar una visión integrada y aplicada de las variables de estado y su uso para
el análisis y diseño de sistemas dinámicos.
• Desarrollar habilidades de modelización, simulación y control de sistemas
complejos con aplicaciones a diversas áreas de la ingeniería y la ciencia.
• Proporcionar información útil para la solución de problemas prácticos que
involucran sistemas dinámicos.
 5. ANALISIS DE LA DATA:

El cálculo de tensiones y corrientes en una red resistiva a la cual se aplica una cierta excitación
es un procedimiento muy sencillo. Ya no lo es tanto en redes que también contienen elementos
almacenadores de energía, como C y L, cuyas características volt-ampere están definidas
mediante derivadas (v = L di/dt, i = C dv/dt). Las ecuaciones resultantes son integro diferenciales,
y su solución requiere un esfuerzo mayor, pudiéndose resolverlas por el denominado método
clásico, o por aplicación de la transformada de Laplace, cuya utilización es más simple. En este
capítulo veremos la transformación de Laplace y su aplicación a la resolución de circuitos con
elementos R, L y C.

La aplicación de la transformada de Laplace nos permitirá también generalizar la excitación de

los circuitos, y hallar propiedades que son muy útiles para la solución de numerosos problemas
de ingeniería. Veremos que la transformación de Laplace es una generalización del concepto de.

fasor: el fasor es el número complejo asociado a la senoide A cos (ω t + ϕ • A A), mientras que
la transformada de Laplace asocia una función compleja de la variable s, llamada F(s), con una
función dada del tiempo, f(t), definida en el intervalo [0, ∞}. La transformada de Laplace juega
un papel muy importante relacionando el comportamiento temporal con el comportamiento
frecuencial de los circuitos lineales invariantes en el tiempo.

La transformada de Laplace:

Las variables v(t) e i(t) son "variables temporales', es decir, se miden en el dominio temporal, en
un instante de tiempo particular, usando voltímetros y amperímetros, o pueden visualizarse en
un osciloscopio. Podemos así obtener información sobre las mismas a partir de un trabajo
experimental. Por lo tanto, independientemente del método que usemos para resolver un
problema, veremos o interpretaremos mejor el resultado final en función de lo que ocurra en el
dominio temporal. Para llegar a la solución podremos, sin embargo, dejar el dominio temporal
por un tiempo, y retornar luego a él para interpretar los resultados.

La transformada de Laplace de la función f(t) definida en [0, ∞) está dada por:

𝐿 {𝑓(𝑡)} = ∫ 𝑓(𝑡)𝑒 −𝑠𝑡 𝑑𝑡 = 𝐹 (𝑠) (1)

0

Debido a que los límites de integración son t = 0 y t = ∞, la L-transformada de f(t) no es una

función del tiempo sino de s, la cual se introduce a través del factor 𝑒 −𝑠𝑡 . La variable s se
denomina variable frecuencia compleja. La función transformada, F(s), es una función en el
dominio de la frecuencia compleja, o, más brevemente, en el dominio frecuencial. Designaremos
las funciones en el dominio temporal con minúscula, f y en el dominio frecuencial con mayúscula
F.
Siendo que s es una variable compleja, sus partes real e imaginaria se designarán con σ y ω,
respectivamente, de donde:

s = σ + jω σ real y ω real
Podemos visualizar s como un punto en el plano complejo, siendo σ la abscisa y ω la ordenada.

En la integral de (1), t es la variable de integración, y se tomó como límite inferior 0 - de forma

que, si f(t) incluye un impulso en el origen, quede dentro del intervalo de integración.

En el caso de que f(t) fuera una función de variable compleja (por ejemplo, 𝑒 (𝛼+𝑗𝛽)𝑡 ), por Euler
puede reducirse a una combinación de funciones de variable real.

También se sobreentiende que σ es lo suficientemente grande y positivo como para que

𝑒 −𝜎𝑡 decaiga rápidamente y la integral converja, es decir, para que el área bajo la curva
|𝑓(𝑡)|𝑒 −𝜎𝑡 sea finita.

Para que sea transformable, una función debe ser seccionalmente continua y de orden
exponencial. Si f(t) contiene solo un número finito de discontinuidades finitas aisladas, es
seccionalmente continua. Si, para M constante positiva y γ no real, |𝑓(𝑡)| < M 𝑒 𝑦𝑡 cuando t →
∞, f(t) es de orden exponencial. Si bien la mayoría de las funciones asociadas con los circuitos
reales son L-transformables, podemos, sin embargo, generar una función que no lo sea. En
efecto, f(t) = 𝑒 𝑡2

No puede transformarse porque no es exponencial, dado que no existen M y γ tales que |𝑓(𝑡)| <
M 𝑒 𝑦𝑡 cuando t → ∞.

Luego de la transformación, las dos variables eléctricas v(t) e i(t) se vuelven V(s) e I(s), y están
dadas por:
∞ ∞
−𝑠𝑡
𝑉(𝑠) = ∫ 𝑒 𝑣(𝑡)𝑑𝑡 𝐼 (𝑠) = ∫ 𝑒 −𝑠𝑡 𝑖(𝑡)𝑑𝑡
0 0

con lo cual resultan funciones de s, y no podemos visualizarlas en un osciloscopio. Sin embargo,

podemos trabajar con ellas en el dominio frecuencia, y aprender a usarlas y aun relacionar sus
propiedades en el dominio frecuencial con las del dominio temporal.

Una función excitación muy frecuente es 𝑒 𝑠𝑡 . Si s = σ es real, según su signo representará un

decaimiento exponencial (σ< 0), una constante (𝜎 = 0) o un crecimiento (𝜎 > 0).
Suponiendo que la excitación es 𝑣(𝑡) = 𝑒 𝜎𝑡 𝜇(𝑡), podrá representarse como sigue:

Si aceptamos que s sea un n° complejo, es posible generar senoides amortiguadas

exponencialmente, senoides puras, o senoides crecientes exponencialmente:

1 1
a) 𝑒 (−𝛼+𝑗𝛽)𝑡 − 𝑒 (−𝛼+𝛽)𝑡 = 𝑒 −𝛼𝑡 sin 𝛽𝑡
2𝑗 2𝑗

1 𝑗𝛽𝑡 1 −𝑗𝛽𝑡
𝑏) 𝑒 − 𝑒 = sin 𝛽𝑡
2𝑗 2𝑗

1 (𝛼+𝑗𝛽)𝑡 1 (𝛼−𝛽)𝑡
𝑐) 𝑒 − 𝑒 = 𝑒 𝛼𝑡 sin 𝛽𝑡
2𝑗 2𝑗

las cuales se grafican en la fig. 3:

La transformada de Laplace de la función se obtiene por aplicación de la ec. (1).

∞ ∞ 𝑒(𝑘−𝑠)𝑡 ∞
𝑒 𝑘𝑡
=∫ 𝑒−𝑠𝑡 𝑒𝑘𝑡 𝑑𝑡 = ∫ 𝑒 (𝑘−𝑠)𝑡
𝑑𝑡 = |
0 0 𝑘−𝑠 0
Queremos hallar la L-transformada.

Aproximamos el impulso por el pulso rectangular de área unitaria:

Usando pΔ(t) en la definición de L-transformada, obtenemos:

Ejercicio. 1
Obtenga la transformada inversa de Laplace de

Aquí, dado que el grado del polinomio del numerador es mayor que el polinomio del
denominador, debemos dividir el numerador entre el denominador.
ECUACIONES DIFERENCIALES LINEALES E INVARIANTES CON EL TIEMPO

En esta sección nos concentraremos en el uso del método de transformada de Laplace para
solucionar ecuaciones diferenciales lineales e invariantes con el tiempo. El método de la
transformada de Laplace produce la solución completa (la solución complementaria y la solución
particular) de las ecuaciones diferenciales lineales e invariantes con el tiempo. Los métodos
clásicos para encontrar la solución completa de una ecuación diferencial requieren de la
evaluación de las constantes de integración a partir de las condiciones iniciales. Sin embargo, en
el caso del método de la transformada de Laplace, no existe este requerimiento, porque las
condiciones iniciales se incluyen automáticamente en la transformada de Laplace de la ecuación
diferencial. Si todas las condiciones iniciales son cero, entonces la transformada de Laplace de la
ecuación diferencial se obtiene simplemente sustituyendo dldt por s, 𝑑2 /𝑑𝑡 2 por 9, y así
sucesivamente.

Ejercicio. 2
Encuentre la solución x(t) de la ecuación diferencial

en donde a y b son constantes. Escribiendo la transformada de Laplace de x(t) como X(s).

obtenemos:

Y, por tanto, la ecuación diferencial determinada se convierte en

Sustituyendo las condiciones iniciales dadas en esta última ecuación, obtenemos

Despejando para X(s), tenemos que,

La transformada inversa de Laplace de X(s) nos da

lo cual es la solución de la ecuación diferencial determinada. Observe que las condiciones

iniciales a y b aparecen en la solución. Por tanto, x(t) no tiene constantes indeterminadas.

Ejercicio.4

Encuentre los polos de la siguiente F(s):

Solución. Los polos se encuentran a partir de

o bien

Modelado de sistemas dinámicos:

Modelos matemáticos. Los modelos matemáticos pueden adoptar muchas formas distintas.
Dependiendo del sistema del que se trate y de las circunstancias específicas, un modelo
matemático puede ser más conveniente que otros. Por ejemplo, en problemas de control
óptimo, es provechoso usar representaciones en el espacio de estados. En cambio, para los
análisis de la respuesta transitoria o de la respuesta en frecuencia de sistemas lineales con una
entrada y una salida invariantes con el tiempo, la representación mediante la función de
transferencia puede ser más conveniente que cualquier otra. Una vez obtenido un modelo
matemático de un sistema, se usan diversos recursos analíticos, así como computadoras, para
estudiarlo y sintetizarlo.
Sistemas lineales. Un sistema se denomina lineal si se aplica el principio de superposición. Este
principio establece que la respuesta producida por la aplicación simultánea de dos funciones de
entradas diferentes es la suma de las dos respuestas individuales. Por tanto, para el sistema
lineal, la respuesta a varias entradas se calcula tratando una entrada a la vez y sumando los
resultados. Este principio permite desarrollar soluciones complicadas para la ecuación
diferencial lineal a partir de soluciones simples. Si en una investigación experimental de un
sistema dinámico son proporcionales la causa y el efecto, lo cual implica que se aplica el principio
de superposición, el sistema se considera lineal.

Sistemas lineales invariantes y variantes con el tiempo. Una ecuación diferencial es lineal si sus
coeficientes son constantes o son funciones ~610 de la variable independiente. Los sistemas
dinámicos formados por componentes de parámetros concentrados lineales invariantes con el
tiempo se describen mediante ecuaciones diferenciales lineales invariantes con el tiempo (de
coeficientes constantes). Tales sistemas se denominan sistemas lineales invariantes con el
tiempo (o lineales de coeficientes constantes). Los sistemas que se representan mediante
ecuaciones diferenciales cuyos coeficientes son funciones del tiempo, se denominan sistemas
lineales variantes con el tiempo. Un ejemplo de un sistema de control variantes con el tiempo es
un sistema de control de naves espaciales. (La masa de una nave espacial cambia debido al
consumo de combustible.)

Sistemas no lineales. Un sistema es no lineal si no se aplica el principio de superposición. Por

tanto, para un sistema no lineal la respuesta a dos entradas no puede calcularse tratando cada
una a la vez y sumando los resultados. Los siguientes son ejemplos de ecuaciones diferenciales
no lineales.

Curvas características para diversas no linealidades.

Función de transferencia. La función de transferencia de un sistema descrito mediante una
ecuación diferencial lineal e invariante con el tiempo se define como el cociente entre la
transformada de Laplace de la salida (función de respuesta) y la transformada de Laplace de la
entrada (función de excitación) bajo la suposición de que todas las condiciones iniciales son cero.

Considere el sistema lineal e invariante con el tiempo descrito mediante la siguiente ecuación
diferencial:

en donde y es la salida del sistema y x es la entrada. La función de transferencia de este sistema

se obtiene tomando la transformada de Laplace de ambos miembros de la ecuación (3-l), bajo la
suposición de que todas las condiciones iniciales son cero.

Resolución del ejercicio:

Amortiguador de coche

El dibujo representa el modelo de un amortiguador de automóvil:

Obtener la evolución con el tiempo de la altura de la masa m si estando circulando por una
superficie horizontal en régimen permanente se encuentra de repente con un bordilllo de altura
0.1 metro.

Datos:
v=20km/h, m=1000 kg, d=10cm, k=40000 N/m, c= 8000 Ns/m, longitud en reposo del muelle
lo=50cm

Solución La ecuación diferencial que describe el sistema es:

my = —mg - k(y - u - 0.5) - c(y - ú)

Suponemos que el coche está circulando en régimen permanente por el suelo (antes del bache).
El punto de funcionamiento será, por tanto

0 = -m g - k(y0 - «o - 0.5) => y0 = u0 + 0.255

donde u0 es la altura del suelo respecto de una referencia de altitud absoluta. Tomando
incrementos (linealizando) se tendría:

El bordillo de 0.1 m de altura representa una señal escalón de valor 0.1, por lo que la
transformada de Laplace de la salida es:

cuya transformada inversa es:

donde tomando transformadas, sumando e igualando numeradores se obtienen las constantes

quedando:

La evolución de la posición absoluta del coche es:

La Función de Transferencia H(s) es el cociente formado por Y(s), la Transformada de

Laplace de la salida de un sistema LTI (Causal, Lineal e Invariante en el tiempo), dividida
entre X(s), la Transformada de Laplace de la entrada a dicho sistema, cuando las
condiciones iniciales son iguales a cero en el tiempo t=0 –: Dónde:
Observación: La Función de Transferencia sólo se expresa como una función de la
variable compleja s. Para obtenerla, es necesario que las condiciones iniciales sean
nulas. De no serlo, se debe obligar a dichas condiciones a ser cero.

Observación: Conociendo la Función de Transferencia H(s) de un sistema, podemos

conocer la salida y(t) en el dominio del tiempo para cualquier entrada x(t), aplicando los
siguientes pasos:

Veremos un par de comandos en Matlab que ilustran este importante resultado.

Observación: La Función de Transferencia es una propiedad intrínseca del sistema, no
depende del tipo o naturaleza de la entrada o excitación.

Observación: La Función de Transferencia no ofrece información sobre las

características físicas del sistema. De hecho, sistemas con diferentes estructuras,
dimensiones o distribuciones físicas pueden tener la misma Función de Transferencia.
Observación: La Función de Transferencia es una parte importante del primer paso
necesario para el diseño y análisis de sistemas de control: el modelo matemático del
sistema.

Observación: La Función de Transferencia H(s) de un sistema LTI también se puede

definir como la Transformada de Laplace de la Respuesta al Impulso, con todas las
condiciones iniciales iguales a cero. Suponiendo que la respuesta del sistema al impulso
se denota como h(t), entonces:

La Función de Transferencia se obtiene a partir de la representación de un sistema LTI

por medio de ecuaciones diferenciales con coeficientes constantes, el modelo dinámico
del sistema. Se hace uso intensivo de la propiedad de La Transformada de
Laplace definida como “derivación n-ésima de una función en el dominio del tiempo”.
Dicha propiedad sirve de fundamento para el método que permite separar
algebraicamente la salida de la entrada, y obtener la Función de Transferencia.

Ejemplo.

Hallar la Función de Transferencia X(s)/P(s) del siguiente sistema mecánico:

Para obtener la ecuación diferencial que describe el comportamiento dinámico de este
sistema, aplicamos la Ley de Newton:

Suponiendo las condiciones iniciales iguales a cero, y que se trata de un sistema lineal,
causal e invariante en el tiempo (LTI), aplicamos superposición y determinamos las
fuerzas que actúan sobre la masa m, así obtenemos:

Esta es la ecuación diferencial del sistema, su modelo matemático. Por ser un sistema
LTI, los coeficientes de la ecuación son constantes. Se procede ahora a aplicar la
Transformada de Laplace a esta ecuación. Sabemos de La Transformada de
Laplace que la manera más práctica es actuar sobre cada término de la ecuación por
separado:
Así la ecuación del sistema luego de aplicarle Laplace es:

que podemos expresar como:

con el fin de despejar y obtener la Función de Transferencia del sistema:

La respuesta al impulso, la salida y la integral de Convolución de un sistema LIT

Sea T la salida de un sistema LIT (lineal e invariante en el tiempo) continuo en el tiempo,

la respuesta al impulso h(t) de este sistema se define como la salida del sistema a la
entrada impulso (delta de Dirac):

Propiedad de muestreo del impulso

Para comprender la función de la función impulso en el análisis de señales es menester
estudiar primero su propiedad de muestreo. Se puede demostrar que cualquier
entrada x(t) se puede representar como:

La ecuación (2) es una de las aplicaciones más importantes de la función impulso. Hace
posible representar cualquier función continua x(t) en el tiempo como una sucesión
continua de impulsos.

De esta manera, la ecuación (2) representa a x(t) como la suma (integral) de una serie
de impulsos continuos, donde la magnitud de cada impulso es igual al valor de la función
en este instante (propiedad de muestreo). Se utiliza entonces la función impulso
para muestrear la función x(t). Además, las propiedades de la función impulso que
aparecen en la Tabla 1, serán muy utilizadas en el procesamiento de señales y el análisis
de sistemas lineales:
TABLA 1

Respuesta de un sistema a cualquier entrada

Haciendo uso de las ecuaciones (1) y (2), podemos ahora derivar una expresión para la
salida de un sistema a cualquier entrada arbitraria. Puesto que el sistema es lineal, la
respuesta y(t) del sistema a cualquier entrada arbitraria x(t) puede expresarse como:

Ya vimos que la respuesta al impulso se define como:

Sustituyendo este desplazamiento en la ecuación (3) obtenemos que:

La ecuación (4) pone de manifiesto que, por medio de la respuesta al impulso, se puede
obtener la salida y(t) de un sistema para cualquier entrada x(t). En otras palabras, la
respuesta al impulso caracteriza completamente al sistema….De hecho, la función de
transferencia del sistema es igual a la transformada de Laplace de la respuesta al
impulso.

Nota importante: Observe la redundancia de decir que, si x(t) es un impulso unitario,

entonces, para un sistema LIT, y(t) = h(t).

La ecuación (4) es conocida como la integral de convolución o la integral de

superposición para un sistema LIT en términos de su respuesta al impulso, y también
se puede representar simbólicamente como:

Respuesta al impulso a partir de la respuesta al escalón unitario

Nota importante: Existen varios métodos para obtener la respuesta al impulso de un
sistema. Por su simplicidad, uno de los que se utiliza con mayor frecuencia es obtener
dicha respuesta a partir de la respuesta al escalón unitario u(t), ya que, como reza la
propiedad 4 de la Tabla 1:
Ejemplo:

Supóngase que la respuesta de un sistema al escalón unitario (step), es yu(t):

Entonces h(t):

Operación de la integral de convolución

Antes de aplicar la ecuación (4) para obtener la salida de un sistema mediante la integral
de convolución, se debe decidir que es más fácil obtener….h(t-τ) ó x(t-τ) . Porque:

Una vez decidido sobre este asunto (supóngase que se decide por la primera opción),
la integral de convolución involucra cuatro pasos:

1) La respuesta al impulso h(τ) se invierte en el tiempo (se refleja en el origen) para

obtener h(-τ). Después se desplaza en t para formar h(t-τ), la cual es una función
de τ con parámetro t;

2) Las señales x(τ) y h(t-τ) se multiplican entre sí para todos los valores de con la t fija
para algún valor;

3) El producto x(τ)h(t-τ) se integra sobre todas las τ para producir un único valor de
salida y(t);

4) Se repiten los pasos 1 al 3 a medida que t varía en el intervalo de [-∞,+∞], para

producir la salida completa y(t).
Sistemas lineales e invariantes en el tiempo.

Los sistemas LTI son aquellos que cumplen con las propiedades de linealidad e
invarianza en el tiempo. De allí las siglas que provienen del inglés “Linear and Time-
Invariant”. Su importancia radica en que facilitan enormemente el estudio y análisis de
sistemas complejos que puedan ser representados mediante un modelo matemático
que cumpla con estas dos condiciones.

Incluso cuando se posee poca información sobre un sistema, un modelo LTI del mismo
permite predecir rápidamente como se va a comportar, cuál será la salida para una
determinada entrada de prueba, que puede ser un impulso (movimiento súbito que
desaparece de inmediato), un escalón (movimiento súbito que se mantiene constante),
o una rampa (movimiento que crece o decrece de forma lineal).

Linealidad

Un sistema lineal, en tiempo continuo o discreto, es aquel que posee la importante

propiedad de la superposición: si una entrada consiste en la suma ponderada de varias
señales, entonces la salida es simplemente la superposición (es decir, la suma
ponderada) de las respuestas del sistema a cada una de estas señales.

Sea y1(t) la respuesta del sistema continuo a una entrada x1(t), y sea y2(t) la salida
correspondiente a la entrada x2(t). Entonces, el sistema es lineal si:

La respuesta a x1(t) + x2(t) es y1(t) + y2(t)

La respuesta a k*x1(t) es k*y1(t), donde k es una constante compleja cualquiera.

La primera de estas dos propiedades se llama propiedad de aditividad, mientras que la

segunda se conoce como la propiedad de escalamiento u homogeneidad.

El siguiente cuadro sirve de resumen para el estudio de la linealidad de un sistema:

Invarianza en el tiempo
Un sistema es invariante en el tiempo si un desplazamiento temporal de la señal de
entrada produce el mismo desplazamiento en la señal de salida. Es decir:

El siguiente esquema permite ver como fluye la información en un sistema invariante en

el tiempo:

Ejemplo

Consideremos un sistema S cuya entrada x(t) y salida y(t) están relacionadas mediante:

Ahora consideramos dos entradas arbitrarias x1(t) y x2(t). Ellas generan las siguientes
respuestas:

Consideremos una tercera entrada x3(t)=a*x1(t)+b*x2(t), la cual genera una

salida y3(t) igual a:
Concluimos entonces que el sistema es lineal.

• Ejemplo de la representación en espacios de estados de y(t) a partir

la función de transferencia

Obtener la representación en espacio de estados de y(t) a partir de la función de

transferencia Y(s)/U(s):

Halla
Para obtener la representación en espacios de estados del sistema utilizamos la
expresión para Y(s)/U(s) de la siguiente manera:
Representamos este sistema mediante el siguiente diagrama de bloques:

Dónde:

Al aplicar la antitransformada de Laplace obtenemos:

Asignamos las siguientes variables de estado:

Sustituimos:

Además vemos que:

De esta manera, la primera parte de la representación en espacios de estados del

sistema es:

Para determinar el resto de la representación tomamos en cuenta que:

Al aplicar la antitransformada de Laplace obtenemos que:

Al sustituir las variables de estado ya definidas obtenemos que:

Por lo tanto, la salida y(t) a partir del espacio de estados es:

2. Graficar y(t) en Matlab y explicar a partir de la gráfica la estabilidad del sistema.

Para graficar y(t) para una entrada escalón unitario utilizamos la función de transferencia
y el siguiente comando en Matlab:

>> sys=tf([1 3 7],[1 6 9 4]);

>> step(sys)

Así obtenemos:

En la gráfica anterior podemos ver claramente que el estado final del sistema es
estable, ya que el valor de la salida y(t) se estabiliza en:
Hallar la solución y(t) a partir de la función de transferencia Y(s)/U(s) para una entrada escalón:

Para hallar y(t) utilizaremos el método de expansión en fracciones parciales. El primer paso es
presentar a Y(s)/U(s) en su forma factorizada:

La expansión en fracciones parciales es como sigue:

Dónde:

Por lo tanto:
Para calcular k21 primero derivamos:

Por lo tanto:

De esta manera, Y(s)/U(s) se puede escribir como:

Al aplicar la antitransformada a la ecuación anterior, obtenemos que:

En consecuencia, y(t) para una entrada escalón es:

 PROBLEMA GENERAL:
ESTABILIDAD, OBSERVALIDAD, CONTROLABILIDAD Y RESPUESTA A LA SALIDA.

𝑅1 = 10 ∩
𝑅1 = 2𝑅1
𝐿 = 100𝑚𝐻
𝐶 = 500𝜇𝐹
𝑣𝜖 = 12cos (5𝑡 + 0.5)

Condiciones iniciales nulas.

Variables de estado

𝑽𝒄 = 𝒙𝟏 𝒊𝑳 = 𝒊𝟐 = 𝒙𝟐 𝒊 = 𝒊𝟏 + 𝒊𝟐 𝒊 = 𝑪𝒙𝟏 + 𝒙𝟐 𝑹𝟏 = 𝑹 = 𝟏𝟎 ∩ 𝑹𝟐 = 𝟐𝑹

𝑋1 2𝑅𝑋2
𝑋2 = −
𝐿 𝐿
𝑌 = 2𝑅𝑋2
Matriz de estado

Reemplazando valores de los elementos.

𝑋1
𝑦 = [0 20] [ ]
𝑋2

Estabilidad

∆1 = −31.89
∆2 = −188.1
Para que sea estable el sistema, los valores característicos deben ser menores a cero.

∆1 < 0 ∆2 < 0 Por lo tanto, el sistema es estable.

Controlabilidad.

Si el det(𝑆𝐶 ) ≠ 0 el sistema es controlable.

Observabilidad.

Si el det(𝑆𝐶 ) ≠ 0 el sistema es observable.

Por lo tanto, el sistema es observable.

Respuesta mediante convolución de variables de estado.

𝑦(𝑡) = 𝐶𝑒 𝑋(0) + ∫ 𝐶𝑒 𝐴(𝑡−𝑇) 𝑩𝑣𝑒 (𝑇)𝑑𝑇 + 𝒅𝑣𝑒 (𝑡)

𝐴𝑡

Ya que las condiciones iniciales son nulas 𝐶𝑒 𝐴𝑡 𝑋(0) = 0 además D = 0 obteniendo 𝑒 𝐴(𝑡−𝑇)

Resolviendo el sistema:
Ahora aplicamos 𝑒 𝐴𝑡 = 𝛽0 𝐼 + 𝛽1 𝐴

Obteniendo 𝐶𝑒 𝐴(𝑡−𝑇) 𝐵

Resolviendo el integral:
Respuesta mediante convolución de ecuaciones diferenciales.:

La ecuación 3 reemplazamos en la ecuación 2:

Tenemos el voltaje en 𝑅2 es:

Reemplazando los valores de los elementos:

Encontrando la respuesta al impulso h(t)

Condiciones iniciales del impulso.

La respuesta al impulso es.

La respuesta de salida es.

Reduciendo mediante identidades trigonométricas tenemos que:

Finalmente, la respuesta es:

Conclusiones:

• La función de transferencia de un sistema es un modelo matemático porque es

un método operacional para expresar la ecuación diferencial que relaciona la
variable de salida con la variable de entrada.

• La función de transferencia incluye las unidades necesarias para relacionar la

entrada con la salida; sin embargo, no proporciona información acerca de la
estructura física del sistema. (Las funciones de transferencia de muchos sistemas
físicamente diferentes pueden ser idénticas.)

• Si se conoce la función de transferencia de un sistema, se estudia la salida o

respuesta para varias formas de entrada, con la intención de comprender la
naturaleza del sistema.

• Si se desconoce la función de transferencia de un sistema, puede establecerse

experimentalmente introduciendo entradas conocidas y estudiando la salida del
sistema. Una vez establecida una función de transferencia, proporciona una
descripción completa de las características dinámicas del sistema, a diferencia
de su descripción física.

• Mediante variables de estado se vuelve más fácil calcular la respuesta, ya sea

por convolución de variables de estado o ya se por la transformada de Laplace
de variables de estado, pero mas aun si se usa esta última. Si resolvemos por
convolución de ecuaciones diferenciales la dificultad radica en encontrar la
ecuación diferencial del circuito, en circuitos que contengas más de tres
variables en el tiempo, encontrar la ecuación diferencial del circuito se vuelve
bastante laborioso, es por ello que se recomienda resolver mediante variables
de estado.
Bibliografía:

• https://controlautomaticoeducacion.com/sistemas-dinamicos-lineales/variables-de-
estado-espacio-de-estados/
• https://books.google.es/books?hl=es&lr=&id=JeAwDQAAQBAJ&oi=fnd&pg=PP1&dq
=Variables+de+estado&ots=EnzLol5Srx&sig=v6pMjg8wYdb79-
8ij8K_Ru51alo#v=onepage&q=Variables%20de%20estado&f=false
• https://controlautomaticoeducacion.com/sistemas-dinamicos-lineales/variables-de-
estado-espacio-de-estados/
• https://es.wikipedia.org/wiki/Variable_de_estado_(sistema_din%C3%A1mico)