UNIVERSIDAD MAYOR DE SAN ANDRES

FACULTAD DE INGENIERIA

CARRERA DE INGENIERIA ELECTRONICA

APLICACION DE TECNICAS DE CONTROL

ETN - 1034
LABORATORIO 2

ESTABILIDAD

Victor Hugo Sillerico Justo

Hernando Calle Valencia

Docente: Mg.Sc.Ing. Jorge Antonio Nava Amador

1. Trabajo de Analisis y Diseño
1.1. Fundamentación
1.1.1. Teoria de Estabilidad
En matematicas, la teoria de estabilidad estudia la estabilidad de las soluciones de ecua-
ciones diferenciales y sistemas dinamicos, es decir, examina como difieren las soluciones bajo
pequeñas modificaciones de las condiciones iniciales.

La estabilidad es muy importante en fisica y ciencias aplicadas, ya que en general en

los problemas practicos las condiciones iniciales nunca se conocen con toda precision, y la
predictibilidad requiere que pequeñas desviaciones iniciales, no generen comportamientos
cualitativamente muy diferentes a corto plazo. Cuando la diferencia entre dos soluciones con
valores iniciales cercanos puede acotarse mediante la diferencia de valores iniciales se dice
que la evolucion temporal del sistema presenta estabilidad.

1.1.2. Estabilidad de Ecuaciones Diferenciales

Debido a que toda ecuacion diferencial puede reducirse a un sistema de ecuaciones diferen-
ciales de primer orden equivalente, el estudio de la estabilidad de las soluciones de ecuaciones
diferenciales puede reducirse al estudio de la estabilidad de los sistemas de ecuaciones di-
ferenciales. Consideremos por ejemplo un sistema de ecuaciones autonomo no lineal dado
por:
ẋ = f (x(t)), siendo : x(0) = x0 , f (x0 ) = 0
Donde x(t) ∈ D ⊆ <n es el vector de estado del sistema, D un conjunto abierto que contiene
al origen y f : D → <n una funcion continua. Sin perdida de generalidad, se puede asumir
que el origen es un punto de equilibrio (si el punto de equilibrio fuera otro punto se puede
hacer un cambio de variable y redefinir la funcion f para que coincida con el origen):

El punto origen es estable en el sentido de Lyapunov, si para cada  > 0, existe un

δ = δ() > 0 tal que si ||x(0)|| < δ, entonces ||x(t)|| < , para cualquier t ≥ 0.

El punto de origen es estable asintoticamente si es estable en el sentido de Lyapunov y

existe δ > 0 tal que si ||x(0)|| < δ entonces lı́mx→∞ x(t) = 0.

El punto de origen es estable exponencialmente si es asintoticamente estable y si existen

α, β, δ > 0 tales que si ||x(0)|| < δ, entonces ||x(t)|| < α||x(0)||e−βt , para t ≥ 0.

Conceptualmente, las definciones anteriores se pueden interpretar como que:

La estabilidad en el sentido de Lyapunov de un punto de equilibrio significa que las

soluciones que empiezan “suficientemente cerca” de un punto de equilibrio (a una dis-
tancia δ de ellos) permanecen “suficientemente cerca” para siempre (como mucho a una

1
 distancia  la una de la otra). Notese que esto debe ser cierto para cualquier  que uno
escoja.

La estabilidad asintotica significa que soluciones que empiezan suficientemente cerca,

no solo permecen cercanas sino que eventualmente acaban convergiendo al mismo equi-
librio.

La estabilidad exponencial significa que las soluciones no solo convergen, sino que ade-
mas convergen al menos tan rapido como αkx(0)ke−βt .

1.1.3. Estabilidad Numérica

La estabilidad numerica tecnicamente no forma parte de la teoria de la estabilidad, puesto
que no analiza la estabilidad de soluciones de un sistema de evolucion temporal, sino la
estabilidad del algoritmo usado para encontrar una de las soluciones de dicho sistema. Sin
embargo, el propio algoritmo numerico de resolucion puede ser visto a veces como un sistema
dinamico discreto.

1.1.4. Estabilidad de Sistemas Dinamicos

La estabilidad de los sistemas dinamicos se refiere a que pequeñas perturbaciones en las
condiciones iniciales o en alguna de las variables que intervienen en la ecuacion del movi-
miento produzca un comportamiento suficientemente similar al comportamiento sin dichas
perturbaciones. Para sistemas deterministas descritos por ecuaciones diferenciales la estabi-
lidad del dicho sistema de ecuaciones obviamente implica la estabilidad del sistema.

1.1.5. Tipos de Estabilidad

Existen diferentes tipos de estabilidad, a continuacion desarrollaremos el concepto de ca-
da tipo, sin embargo centraremos nuestra atencion en la estabilidad interna, el motivo de
hacer esto es que al estar manejando sistemas representados en el espacio de estados es ne-
cesario analizar la estabilidad interna, es decir la evolucion de los estados a traves del tiempo.

Estabilidad Externa BIBO

La estabilidad BIBO es una forma de estabilidad para las señales y sistemas lineales que
tienen entradas. BIBO significa entrada-acotada salida-acotada.

Si un sistema es BIBO estable, entonces la salida estara delimitada por cada entrada al
sistema que esta limitada, para las señales de tiempo discreto, o para las señales de tiempo
continuo.

las funciones continuas cuyos valores absolutos crecen indefinidamente tienen sus polos
en el semiplano derecho. Si una funcion de transferencia tiene uno de sus polos en esa zona la

2
respuesta natural tendera a infinito, independientemente del valor de la entrada, y por tanto
el sistema sera inestable.

En consecuencia, para asegurar que un sistema dinamico lineal sea estable, todos los polos
de su funcion de transferencia deben estar en el semiplano izquierdo. Basta con que un polo
este en el semiplano derecho para que el sistema sea inestable. Si existe un polo en el eje
imaginario, es decir, en la frontera entre los semiplanos derecho e izquierdo, se dice que el
sistema es marginalmente estable.

Matematicamente la condicion implica que la respuesta al impulso debe ser absolutamente

integrable. Z ∞
|g(t)|dt = M < ∞
0
En el caso discreto debe ser absolutamente sumable.
∞
X
g[k] = M < ∞
k=0

Estabilidad Interna

Ahora nos centraremos en la estabilidad de la respuesta a entrada nula.

El analisis de estabilidad interna para sistemas dinamicos se realiza a partir de las he-
rramientas matematicas que definio el cientifico ruso Alexander Mikhailovich Lyapunov, que
fue uno de los pioneros de este tipo de analisis, el introdujo los metodos y las condicio-
nes necesarias para aplicar el analisis de la estabilidad interna a sistemas representados por
ecuaciones diferenciales, incluso sin la necesidad de resolver las mismas. Este analisis se ex-
tiende a sistemas lineales o no lineales y a sistemas variantes o invariantes en el tiempo, es
decir que casi no existen limites en cuanto al tipo de sistema que estemos tratando de analizar.

El concepto de estabilidad interna se basa en una generalizacion matematica del concepto

de energia de sistemas mecanicos; que proviene de la teoria de la mecanica clasica, se sabe que
un sistema vibratorio es estable si su energia total se reduce continuamente hasta alcanzar
un estado de equilibrio. El segundo metodo de Lyapunov se basa en una generalizacion de
lo anterior, sin embargo para sistemas puramente matematicos, no existe manera de definir
una “Funcion de Energia”, es por esto que Lyapunov introdujo la Funcion de Lyapunov, una
funcion ficticia de energia. Esta idea es mas general y mas utilizada que la de la energia. De
hecho, cualquier Funcion escalar que satisfaga las hipotesis de los teoremas de estabilidad de
Lyapunov puede ser utilizada como Funcion de Lyapunov.

Estado de Equilibrio
Un estado de equilibrio, tambien llamado punto de equilibrio o solucion equilibrio de un

3
sistema se define como un vector constante xe talque si x(0) = xe entonces x(t) = xe para
todo t > 0. La forma de obtener el, o los puntos de equilibrio es resolviendo la ecuacion:

ẋ(t) = f (x(t))

Para el caso en el que ẋ(t) = 0, por lo tanto debemos resolver.

f (x(t)) = 0

Y de esta manera se obtienen los puntos de equilibrio. En el caso de sistemas no lineales

(salvo para los casos en el que la matriz A sea singular) se defne un unico punto de equilibrio
que se encuentra en el origen.

Funcion de Lyapunov
En matematica, las funciones de Lyapunov, planteadas principalmente por el ruso Aleksandr
Liapunov, son funciones que demuestran la estabilidad de cierto punto fijo en un sistema
dinamico o en las ecuaciones difererenciales autonomas. Las funciones que podrian probar
la estabilidad de un punto cualquiera de equilibrio son llamadas candidatas a funciones de
Lyapunov.

No existe un metodo general para construir o encontrar una funcion candidata de Lya-
punov que demuestre la estabilidad de un equilibrio dado, en todo caso, la incapacidad de
encontrar una funcion de Lyapunov no implica automaticamente la inestabilidad del equili-
brio mismo. Para los sistemas dinamicos (como los sistemas fisicos) las leyes de conservacion
proveen frecuentemente a las funciones candidatas de Lyapunov.

El segundo teorema de estabilidad de Lyapunov para los sistemas autonomos los hace es-
trechamente correlativos con las funciones candidatas de Lyapunov y son instrumentos para
demostrar la estabilidad de los equilibrios de un sistema dinamico autonomo.

Es menester saber que el segundo teorema de estabilidad de Lyapunov para los sistemas
autonomos aporta condiciones suficientes pero no necesarias para demostrar la estabilidad
de un equilibrio.

Definicion intuitiva de una Funcion de Lyapunov

Un sistema dinamico requiere un estado inicial x0 y una funcion de evolucion F (x0 , t) que
indica la trayectoria de los estados x(t) futuros que tendra el sistema. Una funcion de Lya-
punov corresponde intuitivamente a una familia de regiones de Lyapunov, cada una de las
cuales queda definida por una curva de nivel. Una vez que el estado x(t) ha entrado a la
region de Lyapunov correspondiente a la curva de nivel V (x0 ) = V0 , ya no podra salir de ella.
De este modo, a medida que el tiempo avanza, el estado ira quedando restringido a regiones
de Lyapunov cada vez menores, razon por la cual el valor de la funcion de Lyapunov ira
decreciendo al pasar el tiempo. La restriccion en las trayectorias que imponen las curvas de

4
 Figura 1: Ejemplo de una funcion de Lyapunov

nivel permiten asegurar que el sistema dinamico es estable.

Definicion de una funcion candidata de Lyapunov

Sea V : Rn → R una funcion escalar V y dicha funcion, candidata de Lyapunov si es
localmente (en 0) una funcion definida positiva o, equivalentemente, si existe un entorno U
de 0 tal que:
V (0) = 0 ; V (x) > 0 ∀x ∈ U \ {0}
Teorema de estabilidad de Lyapunov
Sea x∗ = 0 un punto de equilibrio del sistema autonomo ẋ = f (x) y sea

∂V dx
V̇ (x) = ∂x dt
= ∇V ẋ = ∇V f (x)
la derivada respecto al tiempo de una funcion candidata de Lyapunov V .

Podemos definir:
Equilibrio estable
Si la derivada respecto al tiempo de V (la funcion candidata de Lyapunov) esta localmente
semidefinida negativa, entonces existe un entorno B centrado en 0 tal que V̇ (x) ≤ 0 ∀x ∈ B,
entonces el equilibrio es estable, para algun entorno o vecindad B.
Equilibrio localmente atractivo
Si la derivada respecto al tiempo de la funcion candidata de Lyapunov V esta localmente
definida negativa, esto es si existe un entorno B de 0 tal que: V̇ (x) < 0 ∀x ∈ B \ {0},
entonces el equilibrio es localmente atractivo.
Equilibrio globalmente atractivo
Si las funciones candidatas de Lyapunov V estan definidas como positiva sobre todo el do-
minio y si su derivada respecto al tiempo es globalmente definida como negativa, esto es
V̇ (x) < 0 ∀x ∈ Rn \ {0}, entonces el equilibrio es globalmente atractivo.

5
 Ahora podemos mencionar las clases de Estabilidad que se podrian presentar en el sistema.

Estabilidad en el sentido de Lyapunov

Un estado de equilibrio del sistema ẋ(t) = Ax(t) es estable en el sentido de lyapunov, si toda
condicion finita origina una trayectoria acotada.

Figura 2: Estabilidad en el sentido de Lyapunov

Estabilidad Asintotica
Un estado de equilibrio del sistema ẋ(t) = Ax(t) es asintoticamente estable si toda condicion
inicial finita origina una trayectoria acotada que ademas tiende al origen cuando t → ∞.

Figura 3: Estabilidad Asintotica

Inestabilidad
Un estado de equilibrio del sistema ẋ(t) = Ax(t) es inestable si toda condicion inicial finita
origina una trayectoria que tiende a ser divergente cuando t → ∞.

Figura 4: Inestabilidad

6
1.2. Análisis de Estabilidad Interna del sistema
Estabilidad del Sistema con Controlador
Tomamos como regulador a aquel controlador capaz de llevar el sistema de una condicion
inicial finita x0 6= 0 a una condicion final xf = 0 en un tiempo finito t < ∞.

El sistema puede tener entrada(s) pero la ineficiencia del sistema regulador puro no per-
mite que la salida alcance el valor de referencia de la entrada, por lo tanto tomamos el sistema
como un sistema sin entradas, matriz B = 0.
Luego, el sistema completo a lazo cerrado.

x[k + 1] = (Ad − Bd K)x[k]

Reemplazando valores:
    
x1 [k + 1] 0,9981 0,0240 x1 [k]
=
x2 [k + 1] −0,1518 0,9212 x2 [k]
Emlearemos el metodo de analisis de estabilidad interna para sistemas discretos para de-
finir el tipo de estabilidad del sistema regulado.

Usamos la ecuacion de Lyapunov para sistemas discretos para determinar la matriz P:

Atd P Ad + P = −I

       
0,9981 −0,1518 p11 p12 0,9981 0,0240 p11 p12 1 0
+ =−
0,0240 0,9212 p21 p22 −0,1518 0,9212 p21 p22 0 1

Realizando operaciones resulta:

   
p11 p12 36,3333 −19,9979
P = =
p21 p22 −19,9979 45,5056
Y la funcion de Lyapunov es:
V (x) = xt P x
  

36,3333 −19,9979 x1 [k]
V (x) = x1 [k] x2 [k]
−19,9979 45,5056 x2 [k]

V (x) = 36,3333x21 [k] − 39,9958x21 [k]x22 [k] + 45,5056x22 [k]

Analizando la definidad de la matriz P, recordemos que una forma de comprobar que una
matriz es definida positiva es que todos sus menores (determinantes) sean mayores que cero.

7
 p11 = 36,3333 > 0 ⇒ P es def inida positiva

36,3333 −19,9979
= 1253,5 > 0 ⇒ P es def inida positiva
−19,9979 45,5056
   
x1 [k] 0
Por lo tanto el punto de equilibrio = del sistema Ẋ = AX es asintoti-
x2 [k] 0
camente estable.

2. Trabajo de Simulacion en MATLAB

Para visualizar en MATLAB la evolucion de los estados del sistema empleamos el si-
guiente script.

Figura 5: Script para visualizar la evolucion de los estados

En la Figura 6 observamos los resultados de la simulacion en MATLAB, primero esta la

trayectoria azul cuando se parte de unas condiciones iniciales arbitrarias, se observa como
evolucionan hacia el punto de equilibrio (origen), luego la trayectoria roja resulta de colocar
una referencia a la entrada del sistema, se ve como los estados evolucionan a un punto
determinado, finalmente se hace cero la referencia y se ve como los estados retornan al punto
de equilibrio, trayectoria verde.

8
 Figura 6: Trayectorias de los Estados (X) en MATLAB

3. Trabajo de Simulacion en PROTEUS

Se simulo el circuito a implementar (Figura 7), y a traves de los rescursos que se dispone
en ISIS Proteus, se pudo analizar la evolucion de los estados.

Figura 7: Circuito a implementar

9
 Figura 8: Comportamiento de los Estados

En la Figura 8 podemos observar el comportamiento de los estados en el tiempo.

Figura 9: Trayectorias de los Estados (X) en PROTEUS

Los resultados son similares a los obtenidos con MATLAB, se describen tres trayectoias en

10
condiciones diferentes y se puede observar como los estados evolucionan al punto de equilibrio
cuando la referencia es cero.

4. Trabajo de Implementacion
Los resultados de la implementacion se pueden observar en la Figura 10.

Figura 10: Resultados de la implementacion

En este caso solo se obtuvo dos trayectorias, la primera describe como los estados evolu-
cionan desde su punto de equilibrio (origen) haste un estado determinado por una referencia
distinta de cero, luego al hacer la referencia cero, se ve como los estados retornan asintotica-
mente al punto de partida, segunda trayectoria.

5. Conclusiones
Al desarrollar la solucion de la ecuacion de Lyapunov, se encontro la matriz P y se
verifico que es definida positiva,por lo que en forma analitica se pudo comprobar que
el sistema es asintoticamente estable.

Al observar la evolucion de los estados en el osciloscopio del laboratorio se pudo verificar

al partir de una condiciones iniciales arbitrarias (tras aplicar una referencia distinta de
cero al sistema), retornan asintoticamente al punto de equilibrio, por lo que podemos
afirmar que el sistema es asintoticamente estable, lo que implica que tambien es estable
BIBO y estable en el sentido de Lyapunov.

11