PRÁCTICA 2.

INTRODUCCIÓN A SIMULINK
Nombre de los alumnos. González Martínez Ariana Jocelyn, Ramírez Cisneros Yazmín Aimeé, Ramos Quintanar
Víctor Hugo, Rojas Montaño Paola Ximena
Profesores. Dr. Bernardo Flores Ramírez, Dr. Miguel Ramírez Barrios
Laboratorio de Sistemas Dinámicos I 4MM2, UPIBI.

Palabras clave: Simulink, ecuación diferencial, bloques, espacio de estados, ganancia.

INTRODUCCIÓN.
El propósito de este trabajo es presentar el entorno de Simulink, que es un subprograma de Matlab. Simulink es un entorno
gráfico basado en diagramas de bloques, utilizado para diseñar sistemas con modelos multidominio. Permite simular
sistemas antes de implementarlos en hardware y desplegarlos sin necesidad de escribir código. En el desarrollo de esta
práctica, emplearemos Simulink para realizar simulaciones y describir un modelo de sistema de (masa-resorte), además
de interpretar correctamente las gráficas de salida de cada experimento realizado en este entorno.

CUESTIONARIO PREVIO.

1. Describa el método de Euler y Runge-Kutta para resolver ecuaciones diferenciales.

El método de Euler consiste en encontrar iterativamente la solución de una ecuación diferencial de primer orden
y valores iniciales conocidos para un rango de valores. Dicho en otras palabras, consiste en una aproximación,
en la cual se parte desde el punto inicial a lo largo de la recta tangente, dividiendo el intervalo en pasos pequeños.
La fórmula del método Euler es la siguiente:

𝒀𝒏+𝟏 = 𝒀𝒏 + 𝒉 ∗ 𝒇(𝑿𝒏 , 𝒀𝒏 )

Donde:
Yn = valor anterior
h = tamaño del paso
f(Xn , Yn ) = derivada del punto actual
Yn+1 = valor siguiente

Se discretiza la variable independiente y posteriormente dicha discretización es utilizada para predecir el valor
de la función en el siguiente punto.

Por otro lado, el método de Runge-Kutta es como tal un conjunto de diversos métodos numéricos, mismos que
utilizan varias derivadas o tangentes intermedias, en lugar de solo una como en el método de Euler, para así
poder aproximar con una mayor precisión. El más utilizado es el de orden 4, debido a su exactitud, en el cual se
calculan cuatro pendientes.

2. En el método de Euler y Runge-Kutta, ¿de qué depende el tamaño o valor del paso de integración h?

De la precisión o exactitud que se desee de la aproximación, ya que un “h” más pequeño, da como resultado
una aproximación más precisa; sin embargo, requiere de una mayor cantidad de cálculos, es decir, resulta más
compleja; por otro lado, un “h” resulta en una aproximación menos precisa, pero más sencilla.

3. Describa el procedimiento para resolver analíticamente ecuaciones diferenciales de segundo orden con
coeficientes constantes.

I. Escribir la ecuación diferencial en forma estándar:

ay’’+by’+cy=0
Donde a,b y c son coeficientes constantes
 II. Encontrar las raíces del ecuación del paso anterior
III. Con base en las raíces halladas, si:
a) Las raíces son reales repetidas, la solución es:
xC1erx+C2erx
Donde:
C1:Constante 1
C2:Constante 2
r: raíz
b) Las raíces son reales diferentes, la solución es:
C1er1x+C2er2x
Donde:
C1:Constante 1
C2:Constante 2
r1: raíz 1
r2: raíz 2
c) Las raíces son complejas repetidas, la solución es:
C1eαxcos(βx)+C2eαxsen(βx)
Donde:
C1:Constante 1
C2:Constante 2
α: parte real de la raíz
β: parte imaginaria de la raíz
IV. Por medio de las condiciones iniciales del sistema sustituir en la solución encontrada, para así
encontrar las constantes
V. Sustituir los valores de las constantes hallados de las constantes en la solución

4. En el contexto de sistemas y control, ¿a qué se refiere el concepto de Espacio de Estados? ¿Cómo se

define un estado?

El concepto de Espacio de Estados es una representación matemática de un sistema dinámico que describe la
evolución temporal del sistema en términos de un conjunto de variables de estado. Un sistema dinámico puede
representarse en forma de ecuaciones de estado, que son un conjunto de ecuaciones diferenciales de primer
orden que describen la relación entre las entradas, las salidas y las variables de estado del sistema.

Un "estado" se refiere a un conjunto mínimo de variables que son necesarias para describir completamente el
comportamiento futuro del sistema. Estas variables de estado contienen toda la información relevante sobre el
pasado y el efecto de las entradas futuras en el sistema.

5. Investigue para qué sirven los siguientes bloques de Simulink: constant input, gain, integrator, scope,
sum, sine wave, step y State-Space.

• Constant input: Ayuda a generar una señal constante que representará la entrada para los demás bloques
del modelo. Puede ser real o compleja.

• Gain: Este bloque multiplica la entrada por un valor constante (ganancia). Puede ser de tipo escalar, vector
o matriz, y su principal objetivo es modificar la magnitud de la señal de entrada.
• Integrator: Como su nombre indica, este bloque realiza la integral con respecto al tiempo de la señal de
entrada.

• Scope: Representa un osciloscopio, por lo cual su función es mostrar la señal generada dentro del modelo
a lo largo de la simulación. Puede colocarse en diferentes partes del modelo, dependiendo de la señal que
se busque observar.

• Sum: Permite llevar a cabo sumar o restas de las señales de entrada. Dichas operaciones pueden realizarse
con escalares, vectores o matrices.

• Sine wave: Produce una onda sinusoidal con amplitud, frecuencia y fases específicas.

• Step: Actúa como un generador de señales, el cual ofrece una función de escalón unitario en un momento
específico de la simulación.

• Step state: Este bloque permite describir un sistema con un conjunto de ecuaciones diferenciales de primer
orden, esto con ayuda de entradas, salidas y variables de estado. Es principalmente utilizado para
representar sistemas lineales invariantes en el tiempo.
METODOLOGÍA

Experimento I

Para el primer experimento se solicita la solución analítica de una ecuación diferencial de la forma:

𝑚𝑦̈ + 𝑏𝑦̇ + 𝑘𝑦 = 0 (1)

Considerando los siguientes valores y condiciones iniciales:

𝑢(𝑡) = 0, 𝑚 = 2, 𝑘 = 1.5, 𝑏 = 0.2, 𝑦(0) = 2, 𝑦̇ (0) = 0

Tras resolver la ecuación diferencial se realizan dos graficas en Matlab que muestran 𝑦(𝑡), 𝑦̇ (𝑡).

Experimento II

Experimento III
Después de obtener la ecuación dinámica que describe el sistema mecánico (masa-resorte) de manera analítica con la
ayuda de Matlab, lo cual dio pauta a la realización de y(t) y y’(t). Ya propiamente en el entorno de Simulink se realizó una
simulación de 10 segundos de la ecuación diferencial, empleando las condiciones iniciales en el integrador. Asimismo,
poniendo dos scopes en los lazos correspondientes del diagrama nos permite obtener la gráfica de la función del sistema,
así como su derivada, sin olvidar hacer los cambios pertinentes en las configuraciones como el método de integración
(Runger-Kutta) y el paso de integración.

Experimento IV

El desarrollo de este experimento resulta sumamente sencillo, ya que partiendo de la ecuación resuelta en el Experimento
3, se utilizan los mismos parámetros y condiciones iniciales para obtener las señales de salida de 𝑦(𝑡), 𝑦̇ (𝑡), sin embargo,
en esta ocasión, únicamente con ayuda del bloque “State space”. De esa manera, se comprueba la eficacia y ventajas de
dicho bloque frente al diseño convencional del modelo.

Experimento V

En cuanto al quinto experimento, se pide realizar una simulación durante 50 segundos de un sistema masa resorte (véase
ecuación 1), consideraron los siguientes valores y condiciones iniciales:

𝑢(𝑡) = sin (2𝑡), 𝑚 = 2, 𝑘 = 1.5, 𝑏 = 0.2, 𝑦(0) = 0, 𝑦̇ (0) = 0

El problema se solucionó con las herramientas proporcionadas por Simulink, al hacer uso de un diagrama de bloques y la
conversión a espacio de estados. Posteriormente se visualizaron las funciones 𝑦(𝑡), 𝑦̇ (𝑡) en el osciloscopio y se
reportaron los datos.

RESULTADOS Y DISCUSIÓN

Experimento I

Solución de la ecuación diferencial:

 2ÿ + 0.2 𝑦̇ + 1.5𝑦 = 0

0.2 1.5
ÿ=− 𝑦̇ − 𝑦
2 2

ÿ = −0.1𝑦̇ − 0.75𝑦
1 √299
∴ 𝑟1,2 = − ± 𝑖
20 20

1 √299 √299
𝑦(𝑡) = 𝑒 −20𝑡 [𝐶1 cos 𝑡 + 𝐶2 𝑠𝑒𝑛 𝑡
20 20
*Aplicando condiciones iniciales:

𝑦(0) = 2

2 = 𝑒 0 [𝐶1 cos 0 + 𝐶2 𝑠𝑒𝑛 0]

2 = 𝐶1 (1)

𝐶1 = 2

1 −1𝑡 √299 √299

𝑦̇ = − [𝑒 20 (𝐶1 cos ( 𝑡) + 𝐶2 sin ( 𝑡))
20 20 20
1 √299 √299
− 𝑒 −20𝑡 (−√299𝐶1 𝑠𝑖𝑛 ( 𝑡) + √299𝐶2 cos ( 𝑡))
20 20

𝑦̇ (0) = 0

1
0=− [2 − √299𝐶2 ]
20

1 √299
= 𝐶
10 20 2
2
𝐶2 =
√299

1 √299 2 √299
∴ 𝑦(𝑡) = 𝑒 −20𝑡 [2 cos 𝑡+ 𝑠𝑒𝑛 𝑡
20 √299 20

A continuación, se muestran las gráficas correspondientes a la solución de la ecuación diferencial.

 Figura 1. Gráfica de posición en función del tiempo.

Figura 2. Gráfica de velocidad en función del tiempo.

Se observa que la solución analítica nos proporciona una función dependiente del tiempo que describe un sistema
dinámico. En la figura 1, se presenta una función que describe la posición de nuestro objeto de estudio en relación con el
tiempo y se cumple la condición inicial con y(0) = 2. Mientras que en la figura dos, se muestra la gráfica de una función
que describe la velocidad en función del tiempo. Siendo esta, una derivada de la función anterior y(t). Esto se confirma
dado que los máximos y mínimos locales de la primera grafica corresponden a intersecciones con cero en el eje x. Sumado
a esto también se confirma una solución apropiada al cumplir la condición inicial y´(0) = 0.

Experimento II

Figura 3. Diagrama de Simulink del Experimento II

En la figura anterior se muestra el diagrama realizado en simulink, este diagrama está basado en la ecuación
𝑚𝑦̈ + 𝑏𝑦̇ + 𝑘𝑦 = 0
Donde:
𝑢(𝑡) = 0, 𝑚 = 2, 𝑘 = 1.5, 𝑏 = 0.2, 𝑦(0) = 2, 𝑦̇ (0) = 0

Experimento 2 “ y’ ”
Amplitud

Tiempo (s)

Figura 4. Grafica de la primera derivada de y

 Experimento 2 “ y ”

Amplitud

Tiempo (s)

Figura 5. Grafica de y
En las gráficas anteriores se puede observar que las condiciones iniciales coinciden con los comienzos de las gráficas,
siendo para y(0)=2 y y’(0)=0

Al cambiar el paso de integración se observaron las siguientes diferencias:

Un paso de integración más pequeño proporciona resultados más precisos, pero aumenta el tiempo de simulación,
mientras que un paso de integración más grande puede disminuir la precisión, pero acelerar la simulación.

La elección del paso de integración y el método numérico depende del sistema que estés simulando, así como de los
requisitos de precisión y eficiencia de la simulación. Es recomendable probar diferentes configuraciones para encontrar
la combinación óptima para tu aplicación específica.
Al comparar el tiempo invertido para hallar la solución de la ecuación analíticamente y con simulink, se concluye que la
manera más eficiente es hacerlo por medio de simulink.

Experimento III
 Figura 6. Gráfica posición/velocidad en función del tiempo

Figura 7. Diagrama de bloques del experimento 3

Figura 8. Gráfica de posición (m) en función tiempo (s) (experimento 3) en Simulink

Figura 9. Gráfica de velocidad (m/s) en función de tiempo (s) (experimento 3) en Simulink

 En este experimento, se demostró la utilidad de los sistemas dinámicos formados por ecuaciones de estado mediante
la representación de ecuaciones diferenciales escalares, los estados tienen la funcionalidad de poder describir el
comportamiento del sistema para cualquier tiempo mayor que el tiempo inicial, que generalmente, es 0. (Ogata, 2010).

Las variables de un sistema dinámico utilizadas permiten describir el comportamiento de nuestro sistema, en este
caso, de un sistema masa-resorte cuyo estado es de reposo y u(t) que modela la fuerza externa del sistema, la cual es
igual a 0. Para ello, se nos otorgaron los valores de los parámetros involucrados como la masa del bloque, constante de
elasticidad (k) y amortiguamiento del sistema (b).

De modo que, se solicitó expresar este sistema invariante en el tiempo (LIT) como:
𝑥1̇ = 𝐴𝑥 + 𝐵𝑢(𝑡)
𝑦 = 𝐶𝑥 + 𝐷𝑢(𝑡)

Teniendo las siguientes condiciones:

𝑚=2
𝑘 = 1.5
𝑏 = 0.2
𝑢(𝑡) = 0
𝑦(𝑡) = 2
𝑦 ′ (𝑡) = 0
Obteniendo las siguientes ecuaciones dinámicas:
𝑥1̇ = 𝑥2
𝑏 ̇𝑘 1
𝑥2̇ = − 𝑥2 − 𝑥1 + 𝑢(𝑡)
𝑚 𝑚 𝑚
0 1 𝑥 0
𝑥̇ 0.2] [ 1 ] + [1]
[ 1 ] = [ 1.5 𝑥2
𝑥2̇ − −
2 2 2
𝑥1
𝑦 = [1 0] [𝑥 ]
2

Si bien, con las gráficas mostradas, podemos inferir que en el caso de la figura x corresponde a la posición del bloque,
mientras que la figura x es la derivada de esa posición, en otras palabras, la velocidad del objeto: la variación o cambio de
posición por unidad de tiempo. Y para representar tal sistema en Simulink fue necesario realizar una serie de ajustes que
nos permitieran modelar el sistema en un tiempo de 10 segundos, por mencionar algunos fue el método de integración a
un método que use un paso fijo, en este caso fue Runge-Kutta.

Experimento IV

Figura 10. Diagrama de bloques de experimento 4. Uso del bloque “State space”.
 Figura 11. Gráfica de posición con respecto al tiempo. y(t)

Figura 12. Gráfica de velocidad con respecto al tiempo. y(t)

Como se menciona en la parte de Metodología, este experimento presenta exactamente las mismas respuestas de
salida que el Experimento 4, sin embargo, el cambio radica en la manera en que se planeta el modelo creado
en Simulink, ya que, en el primer caso, se hace uso de diversos bloques para integrar, generar ganancia, entre
otras cosas; sin embargo, para este segundo caso, solo nos enfocamos en utilizar el bloque Space State.
En cuanto a los valores empleados, se utilizaron aquellos proporcionados para el experimento anterior, así
como las matrices resultantes al llevar a cabo la resolución de la ecuación.
El bloque Space State sirve para representar sistemas dinámicos en forma de espacio de estados, tal como su
nombre indica, implementando así un sistema lineal invariante en el tiempo. Tal como podemos apreciar en las
características del bloque, necesitamos definir ciertas matrices (A, B, C y D), las cuales van a establecer una
relación entre las variables de estado, las entradas y las salidas.
La matriz A representa la dinámica interna del sistema, la matriz B establece los cambios que el sistema sufrirá
debido las entradas, C indica cómo el estado se convierte en salida, y finalmente D describe cómo las entradas
afectan a las salidas.
Ahora bien, como se mencionó anteriormente, el utilizar este bloque es equivalente al diseño detallado del
modelo, obteniendo el mismo resultado a la salida, tal como podemos ver en las Figuras 8-11 y 9-12 , razón
por la cual resulta una gran herramienta por su simplicidad y eficacia, sobre todo para sistemas mucho más
complejos, ayudando a su vez a generar un análisis más preciso.

Experimento V

Para la solución a partir del sistema de bloques en Simulink se despejo la segunda derivada de x respecto al tiempo y se
plasmo de la siguiente forma:

𝑏 𝑘
𝑥̈ (𝑡) = − 𝑥̇ (𝑡) − 𝑥(𝑡) + 𝑢(𝑡)
𝑚 𝑚

Al sustituir con los valores correspondientes para nuestro problema, queda expresado como:

0.2 1.5
𝑥̈ (𝑡) = − 𝑥̇ (𝑡) − 𝑥(𝑡) + sin (2𝑡)
2 2

Con esto como referencia simplemente se asignan las variables en Matlab y se genera un diagrama de bloques en Simulink
como el que se muestra a continuación:

Figura 13. Modelado de un sistema de masa resorte con diagrama de bloques en Simulink.

Del diagrama anterior, se aprecia el uso de una entrada de onda senoidal para expresar 𝑢(𝑡), es decir sin (2𝑡). También
se observa como las ganancias representan los coeficientes de la ecuación y los bloques de integración se configuran con
las condiciones iniciales apropiadas. Las salidas son obtenidas a partir de bloques scope y son las que se muestran a
continuación:

Figura 14. Posición en función del tiempo para un modelo de masa resorte.

Figura 15. Velocidad en función del tiempo para un modelo de masa resorte.
Para verificar la solución anterior, se realizó el mismo ejercicio, pero a través del bloque de espacio de estados en Simulink,
para lo cual tuvimos que generar las matrices correspondientes:

0 1
𝑘 𝑏], 0
𝐴=[ 𝐵 = [ ], 𝐶 = [1 0]
− − 1
𝑚 𝑚

Una vez asignadas las matrices en el workspace de Matlab, junto con los valores correspondientes de k, b y m. Se configuro
el diagrama de espacio de estados tal y como se muestra a continuación:

Figura 16. Diagrama de bloques en Simulink para la adecuación al espacio de estados.

Al igual que en el primer caso, aquí se ingresó una onda senoidal que hiciera de equivalente a 𝑢(𝑡). Solo que en este
caso se introdujo un bloque de derivación para mostrar 𝑥̇ (𝑡), dado que el diagrama de espacio de estados nos arroja solo
la función 𝑥(𝑡). Con la configuración anterior, se obtuvieron las siguientes salidas:
Figura 17. Posición en función del tiempo a partir del bloque de espacio de estados.

Figura 18. Velocidad en función del tiempo a partir del bloque de espacio de estados.
De lo anterior se observa como las funciones de salida mostradas en los scopes son equivalentes tanto si se realizan
mediante el modelado de bloques por pasos en Simulink, como si se realiza la conversión a espacio de estados con
matrices y posteriormente se utiliza el bloque especifico en el mismo software.
Se verifica también la validez de los resultados al cumplirse las condiciones iniciales y al mostrarse que las
graficas de velocidad son representaciones del valor de la pendiente en cada punto para las funciones de posición.
También hay que resaltar el hecho de que se tuvo que cambiar el intervalo de evaluación para el método de
Runge-Kutta, ya que se mostraban funciones con picos para las cuales existía una solución para múltiples puntos, lo que
implica un modelado incorrecto para cualquier sistema dinámico.

CONCLUSIONES

González Martínez Ariana Jocelyn: Simulink es una herramienta muy útil dentro de MATLAB que permite diseñar y
probar sistemas como el de masa-resorte de manera visual, sin necesidad de escribir un código complicado. Esto
significa que los ingenieros pueden ver cómo funcionará su sistema antes de construirlo realmente. Además, las gráficas
que genera Simulink son fáciles de entender, lo que ayuda a entender mejor cómo se comporta el sistema. Al comparar
los resultados obtenidos analíticamente y los resultados obtenidos por medio de simulink se comprobó la veracidad de
los resultados encontrados con Simulink, mas la diferencia entre estos dos métodos fue el tiempo invertido en realizar
cada método, llegando así a la conclusión de que es más eficiente utilizar simulink para la resolución de problemas en
vez de realizar la solución analítica, pues ambos resultados son correctos.
Simulink simplifica el proceso de diseño y análisis, dejando más tiempo para la creatividad y la mejora del sistema.

Ramírez Cisneros Yazmín Aimeé: El uso de diversos bloques en Simulink para la resolución de sistemas dinámicos y
ecuaciones diferenciales permite familiarizarse con los métodos que estos emplean, ya acoplados entre sí, para poder
brindar la solución adecuada a nuestros sistemas, tales como son el método de Euler o los métodos de Runge-Kutta.
Así mismo, realizar esta práctica nos permitió reforzar lo aprendido en clase, esto al momento de resolver las ecuaciones
diferenciales propias de cada sistema, cuyos valores iniciales, y matrices resultantes, son datos vitales al momento de
llevar a cabo el modelado del sistema.
Parte importante de obtener respuestas adecuadas a cada sistema dinámico, es tener un amplio conocimiento de los
bloques trabajados, así como de sus características y posibles modificaciones, como lo son el paso o método de
integración, equilibrando así la precisión de la simulación con la del sistema computacional, por ejemplo.
De la mano con este último punto, resulta muy interesante entender cómo es que se puede generar la respuesta a un
sistema de manera compleja, al utilizar diversos bloques y herramientas, y también, conocer que el mismo software
presenta herramientas para optimizar y simplificar el modelado de sistemas dinámicos, siendo igual de eficientes que la
solución “larga”.

Ramos Quintanar Victor Hugo. El modelado de sistemas dinámicos requiere la aplicación y resolución de ecuaciones
diferenciales, con el objetivo de generar una función para predecir y/o controlar el sistema a partir de la adecuación de las
condiciones iniciales u otras variables adyacentes. Una forma de resolver estas ecuaciones es a partir de las soluciones
analíticas, sin embargo, existe la posibilidad de realizar una transición del mismo sistema a un espacio de estados con el
uso de matrices. Estas soluciones permiten una mejor visualización de las variables involucradas y la interacción entre las
mismas. Para realizar estas adecuaciones es necesario convertir una ecuación de segundo orden o superior a un sistema
de ecuaciones de primer orden, donde la cantidad de ecuaciones será equivalente al grado de la ecuación original. Aunque
la resolución analítica puede ser conveniente cuando trabajamos con ecuaciones de primero o segundo orden, no es un
método suficientemente accesible cuando se tienen ecuaciones de orden superior, es por ello que se acostumbra a generar
estos sistemas mediante la aplicación de cambios de variable. Respecto a las herramientas que utilizamos para este tipo
de operaciones, resalta la utilidad de Simulink ya que nos ayuda a expresar sistemas dinámicos a través de bloques
simples que pueden ser fácilmente editados y que nos proporcionan una simulación a tiempos definidos por el usuario.

Rojas Montaño Paola Ximena: Durante la práctica, se observa que los diagramas en Simulink permiten representar
sistemas LTI y ecuaciones diferenciales. Para resolver los sistemas LTI, se requiere el uso de matrices, mientras que las
ecuaciones diferenciales pueden ser resueltas mediante métodos numéricos como el de Runge-Kutta. Además, los
diagramas utilizados en la práctica hacen uso de múltiples elementos compartidos, lo que permite representar ambos tipos
de sistemas en la simulación sin necesidad de ejecutar códigos de manera obligatoria, solo teniendo en cuenta ciertas
consideraciones como la reducción del diagrama, donde los bloques pueden conectarse en serie, solo si la entrada no se
ve afectada por el bloque siguiente. Es de suma importancia que, antes de diseñar un sistema dinámico compuesto por
un conjunto de ecuaciones, debemos conocer la naturaleza del sistema, para propósitos específicos de esta práctica, el
sistema es invariante del tiempo, donde obligatoriamente dos trayectorias que pasan por un mismo punto en diferentes
tiempos tienen la misma evolución con un desplazo del tiempo.

REFERENCIAS

• Antonio, T., & Rivero, J. (2002). Ecuaciones Diferenciales Ordinarias. Universidad de los Andes.
• Rodríguez, M. G. (2003). Introducción rápida a Matlab y Simulink para ciencia e ingeniería. Ediciones Díaz de
Santos.
• Akinsola, V. (2023). Numerical methods: Euler and Runge-Kutta. In Qualitative and Computational Aspects of
Dynamical Systems. IntechOpen.
• Ogata, K. (2010). Ingeniería de Control Moderna. 5ta edición. Editorial Pearson.