Planta RLC Informe de laboratorio

Juan José Ramirez Monsalve.

Departamento de Energía Eléctrica y Control. Facultad de Minas, Universidad Nacional

de Colombia, Sede Medellín. Cra. 80 N° 65-31. Barrió Robledo.

Abstract: En este documento se realiza el análisis del comportamiento en el espacio de

estados de un circuito RLC real y sus propiedades apoyándonos de un modelo
fenomenológico y una simulación de la planta analizamos su realización modal,
controlable y observable, estabilidad interna y externa, observabilidad y controlabilidad
con el fin de diseñar un sistema de control y observador para el sistema que será
implementado en el circuito real y se validará su operación ante perturbaciones.

Keywords: Simulation, Output feedback control, Model validation, Lyapunov methods,

Feedback, Control system design.

I. INTRODUCCIÓN

Se analiza el comportamiento de una planta RLC II. MODELO DE LA PLANTA

cuyo esquemático se observa en la figura 1,
compuesta de un capacitor y un inductor, dos Para hallar el modelo de la planta es necesario definir
elementos almacenadores de energía y tres los voltajes y corrientes de cada uno de los elementos
resistencias cuyos valores serán expresados que hacen parte del circuito RLC y se hace con el
posteriormente en la sección de parámetros, el objetivo de encontrar la matriz de variables de estado
análisis se realiza por medio de las matrices de que representa las dinámicas del sistema.
variables de estados que representan las dinámicas
del sistema obteniendo así, su comportamiento Utilizaremos los principios fenomenológicos y de
teórico, además se presenta la función de conservación de los circuitos RLC ( Ley de
transferencia asociada a la planta y diferentes corrientes y voltajes de Kirchhoff) y la ley de ohm
realizaciones para la misma, finalmente se analizará para hallar las ecuaciones que conforman dichas
la controlabilidad y observabilidad a partir de los matrices.
criterios de Kalman.

Fig 1. Circuito RLC Fig 2. Circuito RLC con indicadores de corriente

usados para el modelo.
Realizamos leyes de voltajes en las mallas
Se reemplaza (6) en (11)
correspondientes.
𝑑𝑖 𝐿
− 𝑉 +𝐿 +𝑖 + 𝑉 = 0 (12)
𝑅
Malla A. 𝑖 𝑑𝑡 𝐿 2 𝐶
− 𝑉 +𝑉 + 𝑉 + 𝑉 = 0 (1)
𝑖 𝐿 𝑅2 𝐶 𝑑𝑖
𝐿
Despejamos 𝑑𝑡 para conformar la matriz de
Malla B. variables de estados.
− 𝑉 -𝑉 +𝑉 = 0 (2)
𝐿 𝑅2 𝑅1
𝑑𝑖 𝑉 𝑖 *𝑅 𝑉
𝐿 𝑖 𝐿 2 𝐶
Malla 𝑑𝑡
= 𝐿
− 𝐿
− 𝐿
(13)
C.
𝑉 =𝑉 (3)
𝐶 𝑅3 𝑑𝑉
𝐶
Hallaremos 𝑑𝑡
igualando (5) y (4)
Aplicamos leyes de corrientes en los nodos N1 y N2. 𝑖 +𝑖 =𝑖 +𝑖 (14)
N1. 𝑅1 𝐿 𝐶 𝑅3
𝑖 =𝑖 +𝑖 (4) Hallamos la corriente en 𝑅 .
𝑅𝑒 𝐶 𝑅3 1
𝑉
𝑅1 (15)
𝑖
𝑅1 = 𝑅
N2. 1
𝑖 =𝑖 + 𝑖 (5)
𝑅𝑒 𝑅1 𝐿 Despejamos 𝑉 de (2).
𝑅1
Ecuaciones constitutivas de los elementos 𝑉 =𝑉 +𝑉 (16)
𝑅1 𝐿 𝑅2
almacenadores de energía
Reemplazamos (10) en (16)
Inductor. 𝑉 = 𝑉 + 𝑖 * 𝑅 (17)
𝑑𝑖 𝐿 𝑅1 𝐿 𝐿 2
𝑉 =𝐿 (6)
𝐿 𝑑𝑡
Ahora (17) en (15).
𝑉 𝑅
Capacitor. 𝐿 2 (18)
𝑖 = 𝑅1
+𝑖
𝑑𝑉 𝐶 𝑅1 𝐿 𝑅1
𝑖 =𝐶 (7)
𝐶 𝑑𝑡
Reemplazando (18) en (14).
Voltaje en 𝑅
.
2 𝑉 𝑅
𝑉 =𝑖 *𝑅 (8) 𝐿 2
=𝑖 +𝑖 (19)
𝑅1
+𝑖 1 +𝑖
𝑅2 𝐿 𝑅 𝐿 𝐶 𝑅3
𝑟2 2

Como 𝑅
1 y 𝐿 está en serie entonces tenemos que: Hallamos 𝑖 por ley de ohm.
𝑅3
𝑖 =𝑖 (9)
𝑅2 𝐿
𝑉 𝑅3
𝑖 = (20)
𝑅3 𝑅3
Reemplazando (9) en (8)

𝑉 =𝑖 *𝑅
𝑅2 𝐿 2
(10) Reemplazando (3) en (20):
𝑉
Reemplazando (10) en (1). 𝑖 = 𝑅
𝐶
(21)
𝑅3 3

− 𝑉 +𝑉 + 𝑖 𝑅 + 𝑉 = 0 (11)
𝑖 𝐿 𝐿 2 𝐶 Ahora (21) en (19).
𝑉𝐿
+𝑖 𝑅2 𝑉
+𝑖 =𝑖 𝐶
(22)
𝑅 𝐿 𝑅1 𝐿 𝐶 +𝑅
1 3
Despejando 𝑉 de (2).
𝐿

𝑉 =𝑉 −𝑉 − 𝑉 (23) A. Simulación del sistema

𝐿 𝑖 𝑅2 𝐶
Luego (10) en (23).
Para la simulación del sistema procedemos a hacer el
circuito en simulink con los parámetros ya dados
𝑉 =𝑉 −𝑖 *𝑅 −𝑉 (24) anteriormente, al correr el simulink podemos ver la
𝐿 𝑖 𝐿 2 𝐶
salida que sería el voltaje en el capacitor y la
Reemplazando (24) en (23) y simplificando. corriente en el inductor.
𝑉 𝑉 𝑉
𝑖 𝐶 =𝑖 (25)
𝑅 − 𝑅 + 𝑖𝐿 𝐶 +
𝐶
𝑅
1 3
1

Ahora (7) en (25).

𝑉 𝑉 𝑑𝑉 𝑉
𝑖 𝐶 𝐶 𝐶 (26)
𝑅 − 𝑅 + 𝑖𝐿 = 𝐶 𝑑𝑡 + 𝑅
1 1 3

𝑑𝑉
𝐶
Despejamos 𝑑𝑡
y simplificamos.
Fig 3. Circuito de simulación

𝑑𝑉
𝐶 𝑉𝑖 𝑖𝐿 Cuando ejecutamos este circuito podemos ver como
= + 𝑉 (− 1 1 + 1 )) + (27) la corriente en el inductor se estabiliza en un valor de
𝑑𝑡 𝐶·𝑅 𝐶 𝐶 ( 𝑅1 𝑅3 𝐶
1
2.8mH y el voltaje en el capacitor se comporta como
Ahora que ya tenemos las expresiones que describen un sistema de primer orden y se estabiliza en 3.4 V
la dinámica de la planta, procederemos a conformar aproximadamente, lo veremos en las siguientes
la matrices ( A, B, C, D) con las respectivas imágenes.
ecuaciones.

Definición de términos

● Entrada: La entrada de la planta es la

fuente de Vi(t), la cual toma un valor de 4 V
● Estados: Corriente en el inductor y voltaje Fig 4. Corriente en el inductor
en el capacitor
● Salida: Voltaje en el capacitor, salida del
sistema
● Variables: Tiempo
● Parámetros: R1(1000 ohm) , R2 (220
ohm), R3 (1000 ohm), C (470 uF), L (1mH),
Vi (4V)
 Fig 5. Voltaje en el capacitor

El siguiente paso es obtener la respuesta de nuestra

planta RlC en tiempo real por lo que tenemos que
hacer el montaje eléctrico de la planta con el
Arduino, para la entrada se fija un voltaje de
referencia igual a 4V en el código del Arduino IDE Fig 7. Corriente en el inductor Planta Real.
y se procede a obtener los datos de la planta en lazo
abierto sin ninguna retroalimentación, luego se Podemos decir que el comportamiento del sistema simulado
grafican los datos que arrojo la planta en el software en symulik y el sistema en la vida real se comporta parecido,
Matlab y estos fueron los resultados: para la corriente en symulink tenemos que se estabiliza en un
valor de 2.77 mA y en el montaje real (grafica azul) también
se está estabilizando cerca a este valor, con respecto al voltaje
de salida tenemos que en symulink se estabiliza en 3.38V y en
el sistema de la vida real se estabiliza en 2.9V donde
observamos que en la vida real hay una pequeña diferencia en
el voltaje con respecto a la simulación.

Además de esto podemos observar que la gráfica tanto de la

corriente como del voltaje tiene una respuesta más rápida esto
puede deberse a que la respuesta en la vida real depende de
muchas características de los componentes del circuito y sus
posibles limitaciones, también observamos que el voltaje que
nos muestra Arduino no es del todo correcto pues cuando se le
conecta un multímetro para hacer la medición paralela, estos
dos arrojan voltajes muy parecidos pero sin embargo tienen
una pequeña diferencia.

Fig 6. Voltaje en el capacitor Respuesta planta real

 III. FUNCIÓN DE TRANSFERENCIA Y
REALIZACIONES

A. Función de transferencia

Tenemos nuestras matrices de estado que hemos

encontrado anteriormente, las introducimos en
Matlab y queremos formar una función de
transferencia para nuestra planta donde se evidencien
los polos del sistema, nuestra función de
transferencia queda de la forma:
−1
𝐺(𝑠) = 𝐶(𝑆𝐼 − 𝐴) * 𝐵+𝐷

haciendo uso de la herramienta MATLAB se realiza

el cálculo numérico para nuestra función de transferencia
por medio del siguiente código:

Fig9.Realización en la forma canónica modal en Matlab

C. Realización en la forma canónica controlable

la transformación de una planta de espacio de estados

Fig 8. Código Matlab para nuestro espacio de estados y G(s). a su forma canónica controlable o companion es útil
para simplificar el análisis y el diseño de
B. Realización en la Forma canónica modal
Queremos pasar nuestro sistema de una forma en espacio controladores, identificar estados controlables, y
de estados a su forma canónica modal, pero ¿para qué evaluar la posibilidad de diseñar un controlador
hacemos esto? efectivo para el sistema. Esta representación es
La forma canónica modal tiene muchas ventajas que el fundamental en el diseño y análisis de sistemas de
sistema en forma de espacio de estados no tiene , se lleva control, especialmente en aplicaciones de control
a una forma canónica modal por simplificación del análisis avanzado y control óptimo.
de un sistema, permite identificar los modos propios del
sistema que son las soluciones naturales de un sistema LIT, En esta matriz, los primeros cuatro bloques en la
Diagonaliza la matriz A donde se puede ver claramente los diagonal superior son matrices de ceros con unos en
modos propios del sistema en su diagonal principal y por
la diagonal secundaria, y el último bloque
ultimo permite una manipulación mas sencilla de las
ecuaciones de estado facilitando así el diseño de los
corresponde a los coeficientes del polinomio
controladores. característico del sistema, donde "a_n," "a_(n-1),"
Obtenemos las matrices en su forma canónica modal "a_(n-2)," etc., son los coeficientes del polinomio
introduciéndolas en Matlab y utilizando el comando canon característico.
de la siguiente manera:
[Acm,Bcm,Ccm,Dcm,Pcm]=canon(A,B,C,D,‘Type’)
donde el tipo de forma canónica es “modal” y
Acm,Bcm,Ccm,Dcm,Pcm son las matrices en forma
canónica modal.

Fig10.Realizacion en forma canonica Controlable

Esta representación es especialmente útil para analizar y Asi para obtener la matriz canonica del controlador que la
calcular las raíces (autovalores) del sistema, ya que los nombramos Mc se hace de la siguiente manera:
autovalores se obtienen directamente de los coeficientes en
el último bloque de la matriz. La forma companion facilita
el cálculo de los autovalores y, por lo tanto, permite el Y para el vector que lo nombramos Gc se haría el
análisis de la estabilidad y el comportamiento dinámico del siguiente calculo:
sistema, en Matlab se representaría con la siguiente
instrucción:
Implementándolo en Matlab:

Fig11.Matlab de la forma canonica controlable

D. Realización en la forma canónica del controlador

Fig13.Realización en la forma canónica del controlador en
Matlab
Con un proceso análogo al anterior, se obtienen las
matrices de estado correspondientes a la realización
observable con la siguiente forma: la diferencia principal entre la forma canónica controlable
y la forma canónica del controlador radica en su enfoque:
[2]” Una forma canónica similar a la controlable, pero la forma canónica controlable se centra en la
más conveniente para diseño de control, es la del controlabilidad del sistema, mientras que la forma
controlador. Esta está dada por (caso SISO)” canónica del controlador se centra en la estructura del
polinomio característico y cómo influye en la dinámica
del sistema. Ambas formas son útiles en el análisis y el
diseño de sistemas de control, dependiendo de los
objetivos específicos del análisis y diseño del sistema.

Fig12.Realización en la forma canonica del controlador

Calculamos la matriz C en Matlab con la función

ctrb(A,B), y a R con el polinomio característico de A:
 E. Estabilidad interna.
Polinomio característico:
Usando el método directo de Lyapunov donde se
enuncia que un sistema LTI en espacio de estados es
internamente estable si, dada una matriz Q definida
positiva, existe una matriz P definida positiva que
satisface la ecuación de Lyapunov: Cuyas raíces son:

Por medio de 𝐴la𝑇 𝑃función+ 𝑃 𝐴lyap(A,Q) = − Por lo tanto concluimos que el sistema
𝑄.con Q: Matriz identidad de tamaño 2, obtenemos BIBO es estable.
una matriz P que solucione la ecuación de lyapunov
obteniendo:

IV. CONTROLABILIDAD Y
OBSERVABILIDAD.
cuyos valores propios son:
A. Controlabilidad
Para determinar la controlabilidad del sistema se
requiere encontrar el Gramiano de controlabilidad
para establecer que el par de matrices (A,B) fueran
controlables a partir de la condición que establece
que el gramiano debe ser no singular, es decir, su
determinante distinto de cero, partiendo de la
ecuación del gramiano de controlabilidad:
De manera que obtuvimos una matriz P simétrica y
definida positiva dado que sus valores propios son
positivos

F. Estabilidad externa.
usando la función de matlab lyap(A,B*B’)
El sistema BIBO es estable si y sólo si, los polos obteniendo:
están en el lado izquierdo del plano complejo,
partiendo de la función de transferencia del sistema,
buscamos los polos del polinomio característico
obteniendo:

Fig 14. Función de transferencia y polinomio

característico Fig 15. Matriz Wc y su determinante obtenida en matlab.
Observamos que su determinante es diferente de 0 por lo
tanto el gramiano es no singular, es decir, el sistema es
controlable.

Ahora aplicamos el criterio de la matriz de controlabilidad

el cual indica que el sistema será controlable si el rango de
la matriz de controlabilidad es igual al grado del sistema,
para este método se obtiene la matriz de controlabilidad
como:

Fig 17. Gramiano de observabilidad y su

determinante.
Obteniendo:

Observamos que el determinante del gramiano de

observabilidad es diferente de cero, por lo tanto, esta
matriz es no singular, es decir, el sistema es
observable.
Ahora aplicamos el criterio de la matriz de
observabilidad donde ahora se calcula el rango de
una matriz que está en función de sus estados y sus
salidas y se calcula mediante el comando obsv(A,C)
de matlab donde obtenemos que:
Fig 16. Matriz de controlabilidad y su rango
obtenida en MATLAB

Finalmente observamos que el rango de la matriz de

controlabilidad es 2.

B. Observabilidad
Para determinar la observabilidad del sistema
aplicaremos los criterios del gramiano de
observabilidad y la matriz de observabilidad que se
aplican de forma similar a los criterios de
controlabilidad empleados anteriormente.
Para calcular el gramiano de observabilidad
resolvemos la ecuación de lyapunov: Fig 18. Rango y matriz de observabilidad obtenido
con Matlab.

Dado que la matriz de observabilidad es de rango 2,

y calculamos su determinante, haciendo uso de la el sistema es controlable.
herramienta matlab obtenemos que el gramiano de
observabilidad y su determinante es:
 V. DISEÑO DEL CONTROLADOR
CON GANANCIA
PREALIMENTADA

Diseñamos un feedback de estado con ganancia

prealimentada y observamos su respuesta con ayuda
del software Matlab:

Fig21.Grafica de simulación de nuestro control por ganancia

prealimentada.

De esta grafica podemos decir que nuestro sistema

tiene la respuesta que queríamos para el sobre pico
que introducimos y para el valor de referencia que
queríamos obtener en estado estable, además se
introdujo un tiempo de muestreo de 7 milisegundos
Fig19.Realizacion de nuestro control por ganancia esto teniendo en cuenta el esquema de los tiempos
prealimentada en Matlab. que se tienen que tener en cuenta para plantear el
tiempo de muestreo y observando la rapidez de
respuesta de esta planta.
De donde obtenemos la matriz de ganancias K y el
vector H que es el que introduciremos en el Arduino
para ver como se comporta nuestro lazo cerrado:
VI. DISEÑO DEL CONTROLADOR
CON ACCION INTEGRAL

En un sistema de feedack de estados con acción

integral, se busca lograr un control preciso y eliminar
cualquier error de estado estacionario en la respuesta
del sistema. La "acción integral" en este contexto se
refiere a la inclusión de un término integral en el
Fig20.Resultados obtenidos matriz de Ganancia y H.
controlador. Este término se utiliza para integrar y
eliminar cualquier error acumulado en la respuesta
del sistema a lo largo del tiempo. El objetivo
Para la respuesta de salida del sistema tenemos la principal de la acción integral es garantizar que el
siguiente grafica: sistema alcance y mantenga de manera precisa el
valor deseado o la referencia a largo plazo.

Implementamos un control de estados por acción

integral para nuestra planta como se puede ver a
continuación:
 VII. IMPLEMENTACION DE
NUESTRO CONTROL POR
GANANCIA PREALIMENTADA

Después de haber diseñado nuestro control pasamos a

implementarlo en el software arduino IDE donde se
implementaría en una planta real, este sistema nos arrojo
unos datos que fueron censados por la board Arduino y que
posteriormente llevamos a Matlab para ver como era su
comportamiento, en la siguiente grafica veremos como fue
el resultado de nuestra acción de control para un feedback
de estados con ganancia prealimentada con un voltaje de
referencia igual a 3 V.

Fig22.Realizacion del control integral en Matlab

Se fijo un tiempo de respuesta del sistema en 30

segundos, un sobre pico máximo de 10% y un tiempo
de muestreo de 7 mili segundos, en la siguiente
grafica podemos observar la respuesta al escalón del
sistema en lazo cerrado con el feedback de estado con
la acción integral de esta podemos decir que es una
respuesta estable y con los parámetros que
deseábamos.

Fig24.Grafica de la implementación de nuestro control a la

planta real

En amarillo tenemos nuestra acción de control y en

rojo la respuesta de nuestro sistema al control
implementado como vemos tenemos una respuesta
de estado estacionario deseada y un sobre pico
deseado y podemos decir que nuestra acción de
control resulto exitosa.
En comparación con nuestra simulación, vemos que
en la simulación es mucho mas rápida la respuesta y
que no se tiene mucha variación con respecto a esta,
esto debido a ruidos que pueden existir en la
medición y factores físicos que limitan el
Fig23.Respuesta de nuestro sistema a nuestro control integral
comportamiento ideal de nuestro sistema real.

Cabe resaltar que comparando el sistema con REFERENCIAS

feedback de estado con acción integral del sistema [1] J.Bay, Fundamental of linear state space
systems,
con ganancia prealimentada este último se ve menos
1999
suave la grafica por que para ese control le dimos
otro tiempo de estabilización y otro sobre pico [2] Seron, M. M., Braslavsky, J. H. & Goodwin, G.
C. (1997), Fundamental Limitations in Filtering and
máximo. Control,
[3]CCES Series, Springer-Verlag.
Van Loan, C. (1978), ‘Computing integrals
involving the matrix exponential’, IEEE Trans. on
Automatic Control
23(3), 395–404.