Control Digital.

Guía 8
1

Facultad: Ingeniería
Escuela: Electrónica
Asignatura: Control Digital
Lugar de Ejecución: Aula 3.24
Instrumentación y Control

Modelos en el espacio de estados

Objetivos específicos

• Crear modelos en el espacio de estado usando la caja de herramientas de sistemas de

control de MATLAB.
• Aplicar los comandos mostrados en la guía.

Materiales y equipo

• 1 Computadora con MATLAB 2008a o superior.

Introducción Teórica

En este guía se presentarán los modelos matemáticos en donde el sistema será estudiado como
visto desde el computador. Este recibe mediciones del proceso a intervalos discretos y transmite
una nueva señal de control también a intervalos discretos. El objetivo es entonces describir los
cambios en las señales de muestra a muestra sin importar el comportamiento entre ellas. Es de
recalcar que a pesar de que estos modelos muestran el comportamiento en los puntos de
muestreo, el proceso físico sigue siendo un proceso continuo.

Representación en Variables de estado.

No se debe olvidar que la planta a controlar sigue siendo continua y que se observa su
comportamiento en el instante de muestreo. Sea una planta con una dinámica descrita en
variables de estado como la ecuación siguiente:

{ẋ  t = Ax  t  Bu  t 
y  t = Cx  t  Du  t 
Ec 1.

Una situación común en control es encontrar los conversores DA construidos de tal manera que
mantengan la señal analógica constante hasta la llegada de una nueva conversión. Es natural
entonces elegir los instantes de muestreo, tk, como los instantes en donde el control cambia.
Como la señal de control es discontinua, es necesario precisar su comportamiento en la
discontinuidad. Se adopta por convención que la señal es continua por derecha.
2 Control Digital. Guía 8

Si se le controla con una señal u reconstruida con un bloqueador de orden cero, esta será
constante durante todo el período de muestreo y la evolución de los estados durante este
período se podrá calcular, resolviendo la Ec 1,

t
A  t −t k  A  t −
x  t = e x  t k ∫ e Bu  d  Ec 2.
tk

Para el instante siguiente resulta,

t k1
A  t k 1 −t k 
x  t k 1= x k 1=e x  t k ∫ e A  t − d  Bu  t k  Ec 3.
tk

La segunda igualdad resulta de considerar constante u entre instantes de muestreo. El vector de

estado en tk+1 es una función lineal de x(tk) y u(tk). Si los conversores AD y DA están
perfectamente sincronizados y si el tiempo de conversión es despreciable, u e Y pueden
considerarse como muestreadas en el mismo instante. La ecuación del sistema muestreado es

{x  t k1 = t k 1 , t k  x  t k   t k 1 , t k  u  t k 

y  t k =Cx  t k  Du  t k 
Ec 4 .

con

A  t k 1− t k 
  t k1 , t k = e
t k 1
A  t − Ec 5 .
  t k 1 , t k = ∫ e d B
tk

La relación entre las señales muestreadas está dada por la ecuación lineal en diferencias Ec 4.
Esta no involucra ningún tipo de aproximación, da el exacto valor de las variables y de la salida
en el instante de muestreo ya que la señal de control es constante durante el período de
muestreo. El modelo de la Ec 4 es llamado modelo de un sistema muestreado con bloqueador
de orden cero y es el equivalente al de la Ec1.

En muchos casos D es nula. Una razón es que en los sistemas controlados digitalmente existe
un pequeño retardo entre el muestreo de Y y la salida de control u. Además la respuesta del
sistema entre muestreos es parte de la respuesta escalón. Se puede considerar que el sistema
actúa a lazo abierto entre dos instantes de muestreo.

Si al período de muestreo se le llama T, el sistema es invariante en el tiempo y la matriz D es

nula, se puede simplificar de la siguiente forma:
 Control Digital. Guía 8
3

{
x k1= x k u k
y k= Cx k
Ec 6.

con

=e AT
T
Ec 7.
=∫ e A  d  B
0

Valor entre muestras

Con la misma ecuación, variando t, se calcula el estado entre muestras.

El cálculo del estado entre muestras es como calcular la respuesta al escalón.
Entre muestras el sistema está en lazo abierto.

Cálculo de las matrices Discretas

El cálculo del muestreo de un sistema continuo requiere de la evaluación de matrices

exponenciales e integración de éstas. Pueden ser calculadas de diferentes maneras.
Por ejemplo:

• Desarrollo en serie de la matriz exponencial

• Transformada de Laplace e AT= sI − A −1
• Teorema de Cayley-Hamilton
• Llevar la matriz a la forma canónica de Jordan

Para sistemas de orden menor o igual a dos o para órdenes superiores con alguna estructura
especial se pueden hacer cálculos manuales.

Una posible forma es mediante el desarrollo en serie de la matriz

T
A AT2 A i T i 1
=∫ e d =IT  ... Ec 8.
0 2 !  i 1 !

resultando

=I  A 
Ec 9.
= B
4 Control Digital. Guía 8

Otra forma es utilizar la Transformada de Laplace ya que

e AT =sI − A −1 Ec 10.

Una tercera opción es utilizar el siguiente teorema

Teorema de Cayley-Hamilton

det  I − A ==n a n−1 n −1... a 1  a 0 Ec 11.

Una matriz satisface su polinomio característico

A n a n−1 A n− 1...a 1 A a 0=0 Ec 12.

o lo que es lo mismo

A n =−a n −1 A n−1−...−a 1 A −a 0 Ec 13.

A n =f  I , A , A 2 , ... , A n −1 Ec 14.

pero si se multiplica por A tendremos

A n 1=−a n −1 A n−...−a 1 A 2−a 0 A

A n 1=−a n −1 −a n−1 A n−1−...−a 1 A − a 0 −...− a 1 A 2−a 0 A Ec 15.
A n 1=f  I, A , A2 , ... , A n−1

es decir toda potencia de la matriz original se puede expresar como una combinación lineal de
(I,A,A2,..., An-1) y por lo tanto cualquier polinomio f(A).

También A satisface polinomios de grado menor a n-1. Esto se cumple cuando el polinomio
característico tiene raíces múltiples. En este caso se define el polinomio mínimo que es de
menor grado que el característico y depende del tamaño de los bloques de Jordan.

Todo polinomio puede ser expresado como una división de polinomio , de la forma

f = q  h  Ec 16.

pero el primer término es nulo, con lo que queda, calculado en A, lo siguiente

f  A = h  A  Ec 17.
 Control Digital. Guía 8
5

este polinomio es de grado n-1. La EC 16 se cumple para todos los autovalores de A

En el caso del cálculo de eAT se puede considerar como un polinomio de grado infinito y
calcularlo en base al polinomio característico de A

Ejemplo 1. Teorema de Cayley-Hamilton

Se desea calcular eAT con la matriz

A=
[−120 71 ] Ec 18.

cuyo polinomio característico es

[ ]
=∣ I − A∣=  −1 =2−7 12=−4−3 Ec 19.
12 −7

el polinomio a calcular es

T
f = e Ec 20.

El polinomio h tendrá orden 1 y será de la forma:

h =1  0 Ec 21.

y se cumple que

T
f = e = h = 1  0 Ec 22.

que calculado para los autovalores de A resulta

{e 4T = 1 4 0
e3T =1 3 0
Ec 23.

de donde se puede deducir el valor de las constantes

{
1= e 4T −e 3T
0=−3 e 4T 4 e 3T
Ec 24.
6 Control Digital. Guía 8

reemplazando

e AT = 0 I  1 A =−3 e 4T 4 e 3T  I  e 4T −e 3T  A Ec 25.

[ ]
4T 3T 4T 3T
e = −3 e 4
AT
4T
e
3T
e −e
4T 3T Ec 26.
−12 e −e  4 e −3 e

Ejemplo 2. Doble integrador

El doble integrador se describe en variables de estado según la siguiente ecuación

{ [ ]
0 0
y  t =[1 0] x  t 
1 []
ẋ  t = 0 1 x  t  0 u  t 
Ec 27.

0 1 [ ][ ] [ ]
= 1 0  0 T 0= 1 T
0 0 0 1
Ec 28.

[]
2
T T
=∫
0
[]
 d =
1 2
T
Ec 29.

{ []
2
T
x k1= 1
0 [ ]
T x
1
k 2 u k Ec 30.
T
yk =[1 0] xk

Ejemplo 3. Motor

Un modelo simple, normalizado de un motor de cc es el siguiente

{ [ ] []
ẋ  t = −1 0 x  t  1 u  t 
1 0
y  t =[0 1] x  t 
0 Ec 31.
 Control Digital. Guía 8
7

[ ]
1
−1 0
1
−1 [
 sI − A  = s 1 0
−1

s ] = s
s  s 1 1 [ s 1]
0 = s 1
1 1
Ec 32.

s  s 1 s

[ ]
−T
=e AT = e 0
Ec 33.
−T
1−e 1
T
=∫
0 [ e− d = 1−e−T
1−e− T −1e−T] [
Ec 34.
]
Evolución del Estado

Los sistemas discretos invariantes se pueden describir mediante la ecuación en diferencias

descrita anteriormente y por simplicidad se utiliza T=1 y x(kT)=xk.

Asumiendo conocidos x(ka)=xa y las señales de entrada u(k0), u(k0+1),... ¿Cómo evoluciona
entonces el estado?

Se puede resolver la ecuación iterativamente

x k 1 = x k  u K
a a a

x k 2= x k  u K = 2 x k   u K  u K
a a 1 a 1 a a a 1

.
.
Ec 35.
.
k −k k −k 1
x k= x k  a
 u k ... u k 1
a
a

a
k −1
k −ka
x k= x k  ∑  k − j−1  u j
a
j= ka

La solución tiene dos partes: una que depende de la condición inicial y otra que es una suma
ponderada de las señales de entrada

Pasaje de Discreto a Continuo

Con el muestreo de un sistema se define una correspondencia entre un sistema continuo, como
el de la Ec 1 y un sistema discreto como el de la Ec 6. Un ejemplo simple mostrará que esta
8 Control Digital. Guía 8

correspondencia no siempre se puede invertir.

Ejemplo 4. Sistema de primer orden

No hay ecuación diferencial de primer orden que después del muestreo de la ecuación en
diferencia

x k1=−0.5xk  u k Ec 36.

e aT=−0.5 Ec 37.

tenga solución real dado que la exponencial es siempre positiva.

El modelo discreto es mas general que el continuo
Si el sistema discreto no tiene autovalores reales negativos, si existe inversa

1
ln 
A= =ln  T  Ec 38.
T

B =−1  Ec 39.

Si el sistema no tiene integradores, Ф-I es no singular

B =−1 = A −1 A = A −I −1 A  Ec 40.

Ejemplo 5 Oscilador Armónico

Existen muchos sistemas continuos que dan el mismo sistema continuo

ẋ  t =
[
− 0 ]  []
0  x  t  0 u  t 
Ec 41.

2
= i i =0,1, Ec 42.
T

x k1=
[ cos T 
−sen  T  cos  T ] [
sen  T  x  1−cos T  u
k
sen  T  ]
k Ec 43.


Pero existe un único n n = que es el entorno de la frecuencia de Nyquist
T
 Control Digital. Guía 8
9

Procedimiento

Parte I. Tutorial.

Modelos de tiempo discreto en el espacio de estado:

Crear modelos en el tiempo discreto es muy similar a como se crean en el tiempo continuo,
excepto que se debe especificar el periodo o tiempo de muestreo de los modelos en tiempo
discreto. El valor del tiempo de muestreo debe ser un escalar y estar expresado en segundos.
También puede usarse el valor de -1 para dejarlo sin especificar.

Como vimos en el práctica sobre las herramientas de MATLAB, para especificar modelos LTI
(Lineales invariables en el tiempo) en el tiempo discreto se usan los comandos tf, zpk, ss, o frd y
simplemente se añade el valor del tiempo de muestreo deseado a la lista de las entradas.

sist1 = tf(num,den,Ts)
sist2 = zpk(z,p,k,Ts)
sist3 = ss(a,b,c,d,Ts)
sist4 = frd(respuesta,frecuencia,Ts)

Por ejemplo:

sist = ss(A,B,C,D,0.5)

Especifica el modelo en el espacio de estado de tiempo discreto:

x [ n 1]= Ax [ n ] Bu [ n ]
Ec 44.
y [ n ]=Cx [ n ]Du [ n ]

con un periodo de muestreo de 0.5 segundos. Los vectores x[n], u[n], y[n], denotan las valores
de los vectores de estado, de entrada y salida en la n-ésima muestra.

Herramientas de análisis de modelos:

Las siguientes funciones son útiles para analizar, realizar transformaciones de coordenadas de
estado en ellos y derivar realizaciones canónicas en el espacio de estado para modelos únicos
LTI o arreglos de modelos LTI en el espacio de estado.

Realizaciones en el espacio de estado

canon Realización canónica en el espacio de estado
ctrb Matriz de controlabilidad
ctrbf Forma de escalera de controlabilidad
10 Control Digital. Guía 8

gram Gramians de controlabilidad y observabilidad

obsv Matriz de observabilidad
obsvf Forma de escalera de observabilidad
ss2ss Transformación de coordenadas de estado
Balanceo diagonal de realizaciones en el espacio de
ssbal
estado
Tabla 1. Comandos para realización en el espacio de estado.

Conversión de Modelos

La Control System Toolbox contiene un conjunto de funciones que permiten a los modelos LTI
ser convertidos entre las varias representaciones.
Conversión de Modelos
Residue Expansión en fracciones parciales consulte la ayuda de MATLAB
ss2tf Conversión de espacio de estado a función de transferencia
ss2zp Conversión de espacio de estado a polos y ceros
tf2ss Conversión de función de transferencia a espacio de estado
tf2zp Conversión de función de transferencia a polos y ceros
zp2tf Conversión de polos y ceros a función de transferencia
zp2ss Conversión de polos y ceros a espacio de estado
Tabla 2. Comandos de MATLAB para conversión de modelos.
También pueden convertirse entre el tiempo continuo y el tiempo discreto como se muestra en
la siguiente tabla:
Discretización
c2d Conversión de tiempo continuo a discreto
Ctdm Conversión de tiempo continuo a discreto con método
c2dt Conversión de tiempo continuo a discreto con retraso
d2c Conversión de tiempo discreto a continuo
d2cm Conversión de tiempo discreto a continuo con método
Tabla 3. Comandos de MATLAB para Discretización.
Otros comandos de MATLAB a utilizar:

Otros comandos de Matlab a utilizar

expm Calcula la matriz exponencial
var=syms ('var ') Convierte a una variable en simbólica
Calculo de integral de una expresión x, a y b son los límites de
int (x,a,b)
integración
tf(num,den) Mostrar los vectores de coeficientes como una función de
transferencia
Tabla 4. Otros comandos de MATLAB a utilizar
 Control Digital. Guía 8
11

Parte II. Ejercicios.

Los siguientes ejercicios deben resolverse usando MATLAB.

1. Realice los tres primeros ejemplos que aparecen en la introducción teórica.

2. Encuentre la función de transferencia del Integrador doble (ejemplo 2).
3. Encuentre la respuesta en el tiempo discreto de sistema anterior (tiempo de muestreo de 1s) y
explique el por qué de ella.
4. Repita los numerales 2 y 3 para el ejemplo 3.
5. Encuentre la forma canónica en el espacio de estado del doble integrador y del motor.
6. Encuentre el sistema discreto correspondiente al siguiente sistema continuo:
2
Ec 45.
 s 1s 2

Para un periodo de muestreo de 1 y para uno de 1e-6.

¿Cuándo puede despreciarse el numerador?

7. Encuentre el sistema discreto correspondiente al siguiente sistema continuo con inversa

inestable
6 ( s −1)
G ( s )= Ec 46.
( s + 2)( s + 3)

Pruebe para un Ts = 1.25s. e indique si es inestable.

NOTA: Un sistema discreto tiene inversa inestable si tiene algún polo fuera
del círculo unitario.

Análisis de Resultados

1. Presente la solución de los ejercicios y las respuestas a las preguntas que se le pedían en el
procedimiento de la guía.

Investigación Complementaria

• Investigue a cerca de los controladores por realimentación de estados.

Bibliografía

• MODELOS DE SISTEMAS DISCRETOS. Diego Palmieri. Universidad Nacional de

Quilmes. Disponible en:
http://iaci.unq.edu.ar/Materias/Cont.Digital/Apuntes/ApuntePagina/CODIES2010_Cap3_
Modelos%20de%20Sistemas%20Discretos.pdf
12 Control Digital. Guía 8

• DOCUMENTATION CENTER CONTROL SYSTEM TOOLBOX.

Mathworks. Disponible en: http://www.mathworks.com/help/control/index.html

Hoja de cotejo: 8

Guía 8: Modelos en el espacio de estados

Alumno: Puesto No:

Docente: GL: Fecha:

EVALUACION

% 1-4 5-7 8-10 Nota

CONOCIMIENTO 25 Conocimiento deficiente Conocimiento y Conocimiento completo

de los fundamentos explicación incompleta y explicación clara de
teóricos de los fundamentos los fundamentos teóricos
teóricos

APLICACIÓN DEL 70 Realizó solamente 1 o 2 Realizó de 3 a 5 Realizó de 6 a 7

CONOCIMIENTO ejercicios correctamente ejercicios correctamente Ejercicios correctamente

ACTITUD 2.5 Es un observador pasivo. Participa Participa propositiva e

ocasionalmente o lo integralmente en toda la
hace constantemente práctica.
pero sin coordinarse
con su compañero.

2.5 Es ordenado; pero no Hace un uso adecuado Hace un manejo

hace un uso adecuado de los recursos, respeta responsable y adecuado
de los recursos las pautas de seguridad; de los recursos conforme
pero es desordenado. a pautas de seguridad e
higiene.

TOTAL 100