Control Automático 1

Profesor: Julio Braslavsky

Auxiliar: Virginia Mazzone

Código: CAUT1
Característica: Núcleo Básico
Clases: Lunes y Miércoles de 19 a 22
Consultas: Martes y Jueves de 15 a 18
Email: jbrasla@unq.edu.ar
Oficina: 9.5, Automatización y Control, UNQ F. Varela
Teléfono: 011.4275.7714 / 7717 (int. 220)
 CAUT1 Clase 1 1

Panorama de la clase

1. Información práctica sobre la asignatura

2. Motivación a Ingeniería de Control
3. Tipos de diseños de sistemas de control
4. Integración de sistemas
5. Ejemplo: control on-off
CAUT1 Clase 1 2

Información práctica sobre CAUT1

Esta asignatura es una introducción al control automático. Se

presentan principios, conceptos y técnicas fundamentales pa-
ra el análisis y diseño de sistemas de control.
Los sistemas que estudiaremos son lineales e invariantes en
el tiempo, descriptos por su función transferencia en transfor-
mada Laplace. Nos restringiremos a sistemas de una entrada
y una salida (SISO: single-input single-output).
Los objetivos de la asignatura: Aprender a

Analizar y diseñar sistemas de control para plantas SISO.

Usar herramientas de software moderno para analizar y re-

solver problemas de diseño de control.
CAUT1 Clase 1 3

Conocimientos previos: Señales y sistemas, Procesos y

máquinas industriales 1.

Régimen de promoción:

Aprobar los 3 Parciales teórico-prácticos (75 % de la nota

final)
Aprobar los 2 Laboratorios (15 % de la nota final)
Optativos: 4 o 5 Trabajos prácticos (10 % de la nota final)

Aprobar significa obtener un rendimiento no menor al 60 %.

Recuperatorios: como máximo

2 de los 3 parciales
1 de los 2 laboratorios
CAUT1 Clase 1 4

Software: M ATLAB + S IMULINK + C ONTROL S YSTEMS TOOL -

BOX

Libros:

? Goodwin, Graebe & Salgado, Control System Design. Pren-

tice Hall, 2001.
Ogata, Ingeniería de Control Moderna, Prentice Hall, 1980.
Franklin, Powell & Emami-Naeini, Control de sistemas diná-
micos con realimentación, Addison-Wesley, 1991.

Material en internet:

http://iaci.unq.edu.ar/caut1
http://csd.newcastle.edu.au/control
 CAUT1 Clase 1 5

Temas

1. Introducción al control automático

2. Principios de realimentación
3. Modelos, señales y sistemas
4. Análisis de sistemas realimentados
5. Control PID clásico
6. Diseño básico de controladores SISO
7. Consideraciones prácticas de diseño
8. Diseño avanzado de controladores SISO
CAUT1 Clase 1 6

Introducción al Control Automático

Motivación a Ingeniería de Control

Tipos de diseños de control
Integración de sistemas
Ejemplo: control on-off
CAUT1 Clase 1 7

Motivación a Ingeniería de Control

El control por realimentación tiene una larga historia que co-

menzó con el deseo primordial de los seres humanos de do-
minar los materiales y las fuerzas de la naturaleza en su pro-
vecho.

Los primeros ejemplos de dispositivos de control incluyen los

sistemas de regulación de relojes y los mecanismos para
mantener los molinos de viento orientados en la dirección del
viento.

Las plantas industriales modernas poseen sofisticados siste-

mas de control que son cruciales para su operación correcta.
CAUT1 Clase 1 8

Una planta industrial moderna: una sección de la refinería de

petróleo austríaca OMV.
CAUT1 Clase 1 9

La ingeniería de control ha tenido un enorme impacto en

nuestra sociedad.

Åström cita a Wilbur Wright (1901):

« Sabemos como construir aeroplanos.»

«Sabemos como construir motores.»
« El no saber cómo equilibrar y maniobrar aún desafía a los
estudiantes del problema de vuelo.»

«Cuando esta única dificultad sea resuelta, la era del vuelo

habrá arribado, ya que todas las demás dificultades son de
menor importancia.»
CAUT1 Clase 1 10

¡Los hermanos Wright resolvieron cómo equilibrar y manio-

brar y volaron el Kitty Hawk el 17 de diciembre de 1903!
CAUT1 Clase 1 11

De hecho, ninguno de los sistemas modernos (aviones, trenes

de alta velocidad, reproductores de CD, etc.) podrían operar
sin la ayuda de sofisticados sistemas de control.

Por ejemplo, el regulador centrífugo de Watt tuvo un impac-

to fundamental durante la revolución industrial.

La fotografía muestra un regulador

centrífugo de Watt usado en una má-
quina de vapor en una fábrica de te-
las cerca de Manchester, en el Reino
Unido. Manchester fue el centro de
la revolución industrial. La fábrica de
telas está aún en operación.
CAUT1 Clase 1 12

Regulador centrífugo de Watt

(Figura de Dorf & Bishop, Modern Control Systems, 9a Ed.)
CAUT1 Clase 1 13

¿Dónde se usa control?

Procesos industriales Generación de energía
Transporte Transmisión de energía
• Autos Mecatrónica
• Trenes Instrumentación
• Barcos Artefactos electrónicos
• Aviones Economía
• Naves espaciales Medicina

Un mejor control es la clave tecnológica para lograr

productos de mayor calidad

minimización de desperdicios
protección del medio ambiente
mayor rendimiento de la capacidad instalada
mayores márgenes de seguridad
CAUT1 Clase 1 14

Todas estos elementos son relevantes en el control de una

planta integrada como la planta de amoníaco de la figura.
CAUT1 Clase 1 15

Tipos de diseños de control

El diseño de sistemas de control también toma distintas for-

mas, cada una de las cuales requiere enfoques ligeramente
distintos.

L@s ingenier@s de control deben resolver problemas en las

distintas etapas de la «vida» de un sistema de control, por
ejemplo:

Diseño inicial «de base»

Construcción y ajuste
Refinamiento y actualización
Estudio «forense»
CAUT1 Clase 1 16

Integración de sistemas

El éxito en ingeniería de control se apoya en tener un enfoque

«global» de los problemas. Algunos de los elementos a tener
en cuenta:

la planta, el proceso a ser controlado

los objetivos
los sensores
los actuadores
las comunicaciones
el cómputo
la configuración e interfaces
los algoritmos
las perturbaciones e incertidumbres
CAUT1 Clase 1 17

La planta

La estructura física de la planta es una parte intrínseca del

problema de control.

Por lo tanto, l@s ingenier@s de control deben estar familiari-

zados con la «física» del proceso bajo estudio.

Esto incluye conocimientos básicos de balances de energía,

balances de masas, y flujo de materiales en el sistema.
CAUT1 Clase 1 18

Objetivos

Antes de diseñar sensores, actuadores, o configuraciones de

control, es importante conocer los objetivos de control.

Estos incluyen

Qué es lo que se pretende alcanzar (reducción de energía,

mayor produción, etc.).
Qué variables deben controlarse para alcanzar los objeti-
vos.
Qué nivel de calidad se necesita (precisión, velocidad, etc.).
CAUT1 Clase 1 19

Los sensores

Los sensores son los ojos del sistema de control, que le per-
miten ver qué está pasando. De hecho, algo que suele decirse
en control es:

Si se puede medir, se puede controlar.

CAUT1 Clase 1 20

Los actuadores

Una vez ubicados los sensores para informar el estado de un

proceso, sigue determinar la forma de actuar sobre el sistema
para hacerlo ir del estado actual al estado deseado.
Un problema de control industrial típicamente involucrará va-
rios actuadores distintos (ejemplo: tren de laminación).
CAUT1 Clase 1 21

Tren de laminación moderno.

CAUT1 Clase 1 22

Las comunicaciones

La interconección de sensores y actuadores requieren el uso

de sistemas de comunicación.

Una planta típica va a tener miles de señales diferentes que

seberán ser transmitidas largas distancias. Así, el diseño de
sistemas de comunicación y sus protocolos asociados es un
aspecto cada vez más importante de la ingeniería de control
moderna.
CAUT1 Clase 1 23

El cómputo

En los sistemas de control modernos la interconección de

sensores y actuadores se hace invariablemente a través de
una computadora de algún tipo. Por lo tanto, los aspectos
computacionales son necesariamente una parte del diseño
general.

Los sistemas de control actuales usan una gama de dispositi-

vos de cómputo, que incluyen DCS (sistemas de control distri-
buido), PLC (controladores lógicos programables), PC (com-
putadoras personales), etc.
CAUT1 Clase 1 24

UNAC-PC: un entorno para implementación rápida de control

de procesos.
CAUT1 Clase 1 25

Configuración e interfaces

La cuestión de qué se conecta con qué no es trivial en el di-

seño de un sistema de control. Podría pensarse que lo mejor
siempre sería llevar todas las señales a un punto central, de
manera que cada acción de control esté basada en informa-
ción completa (el denominado control centralizado).

Sin embargo, esta raramente es la mejor solución en la prácti-

ca. De hecho, hay muy buenas razones por las que no convie-
ne llevar todas las señales a un punto común. Algunas obvias
son complejidad, costos, limitaciones en tiempo de cómputo,
mantenimiento, confiabilidad, etc.
CAUT1 Clase 1 26

Típica jerarquía de control

Nivel Descripción Meta Tiempos Herramienta de
diseño típica
4 Optimización Satisfacer los pedidos C/día Optimización está-
global de la de los clientes y orga- tica
planta nizar el suministro de
materiales
3 Optimización Lograr la operación efi- C/hora Optimización está-
en régimen ciente de una unidad tica
permanente a (e.g., columna de des-
nivel unidad tilación)
operacional
2 Control diná- Lograr los puntos de C/minuto Control multivaria-
mico a nivel operación especifica- ble (e.g., control
unidad opera- dos en el nivel 3 con predictivo basado
cional rápida recuperación de en modelo)
perturbaciones
1 Control diná- Lograr los caudales de C/segundo Control monova-
mico a nivel flujo especificados en riable (e.g. PID)
de actuador el nivel 2 mediante ma-
nipulación de los actua-
dores disponibles
CAUT1 Clase 1 27

Algoritmos

Finalmente, llegamos al corazón de la ingeniería de control:

los algoritmos que conectan sensores y actuadores. Es muy
fácil subestimar este aspecto final del problema.
Como ejemplo simple de nuestra experiencia diaria, conside-
remos el problema de jugar tenis a primer nivel internacio-
nal. Claramente, se necesita buena visión (sensores) y fuer-
za muscular (actuadores) para jugar tenis en este nivel, pero
estos atributos no son suficientes. De hecho, la coordinación
entre ojos y brazo es también crucial para el éxito.
En resumen:

Los sensores proveen los ojos, y los actuadores los

músculos; la teoría de control provee la destreza.
CAUT1 Clase 1 28

Mejores sensores dan mejor visión

Mejores actuadores dan más músculos

Mejor control da más destreza al combinar sensores y ac-

tuadores de forma más inteligente
CAUT1 Clase 1 29

Perturbaciones e incertidumbre

Uno de los factores que hacen a la ciencia del control intere-

sante es que todos los sistemas reales están afectados por
ruido y perturbaciones externas.

Estos factores pueden tener un impacto significativo en el ren-

dimiento del sistema. Como ejemplo simple, los aviones están
sujetos a ráfagas de vientos y pozos de aire; los controladores
de crucero de los automóviles deben adecuarse a diferentes
condiciones de la ruta y diferentes cargas del vehículo.
CAUT1 Clase 1 30

Homogeneidad

Finalmente, todos los sistemas interconectados, incluyendo

sistemas de control, sólo pueden ser tan buenos como el ele-
mento más débil.

Las consecuencias de este hecho en el diseño de control son

que debe tenderse a que todos los componentes (planta, sen-
sores, actuadores, comunicaciones, cómputo, interfaces, al-
goritmos, etc.) sean de una precisión y calidad aproximada-
mente comparable.
CAUT1 Clase 1 31

Análisis costo-beneficio
Para poder avanzar en ingeniería de control (como en mu-
chas otras disciplinas) es importante saber justificar los gas-
tos asociados. Esta justificación usualmente toma la forma de
un análisis costo-beneficio. Las etapas típicas incluyen:

Evaluación de un rango de oportunidades de control.

Selección de una lista corta a examinar en más detalle.
Decidir entre un proyecto de alto impacto económico o al
medio ambiente.
Consultar personal adecuado (gerencial, de operación, de
producción, de mantenimiento, etc.).
Identificar los puntos claves de acción.
Obtener información de desempeño de un caso base para
comparación ulterior.
Decidir modificaciones a las especificaciones de operación.
CAUT1 Clase 1 32

Actualizar actuadores, sensores, etc.

Desarrollar de algoritmos.
Probar algoritmos vía simulación.
Probar de algoritmos sobre la planta usando sistemas de
desarrollo rápido de prototipos.
Obtener información de desempeño para comparar con el
caso base.
Realizar la implementación definitiva.
Obtener información de desempeño final alcanzado.
Realizar el informe final del proyecto.
CAUT1 Clase 1 33

Resumen
La Ingeniería de Control está presente en virtualmente to-
dos los sistemas modernos de ingeniería.
El control es una tecnología a menudo «invisible», ya que
el éxito mismo de su aplicación la vuelve indetectable.
El control es la clave tecnológica para lograr
• productos de mayor calidad
• minimización de desperdicios
• protección del medio ambiente
• mayor rendimiento de la capacidad instalada
• mayores márgenes de seguridad
El control es multidisciplinario (incluye sensores, actuado-
res, comunicaciones, cómputo, algoritmos, etc.)
El diseño de control tiene como meta lograr un nivel de ren-
dimiento deseado frente a perturbaciones e incertidumbre.
 2. Principios de Realimentación

Panorama
Un ejemplo industrial motivador
Formulación básica del problema de control
La idea de inversión en la solución de problemas de control
De lazo abierto a lazo cerrado

En este capítulo veremos que la realimentación es la herra-

mienta clave que usan l@s ingenier@s en control para mo-
dificar el comportamiento de un sistema y así satisfacer las
especificaciones de diseño deseadas.
CAUT1 Clase 2 1

Un ejemplo industrial: proceso de colada

continua

Presentamos un ejemplo de un problema de control industrial

que, aunque simplificado, es esencialmente un problema real
auténtico.

Este ejemplo, de un proceso de colada continua, pertenece a

la industria siderúrgica. Sin embargo, como veremos, los prin-
cipales elementos en la especificación de un comportamiento
deseado, el modelado, y la necesidad de dar soluciones de
compromiso, son comunes a los problemas de control en ge-
neral.
CAUT1 Clase 2 2

Parte del proceso

integrado de
producción de
acero de
SIDERAR.
CAUT1 Clase 2 3

Máquina industrial de colada continua (BHP Newcastle, Au.)

CAUT1 Clase 2 4

Esquema del proceso industrial de colada continua.

CAUT1 Clase 2 5

Colada continua: Planchón típico (izquierda) y diagrama

simplificado (derecha).

Por ejemplo, los planchones producidos en SIDERAR son de

176/180 mm de espesor (t), 560/1525 mm de ancho (w), y
5780 mm de longitud máxima (l).
CAUT1 Clase 2 6

Debastes colados; cámara secundaria de enfriamiento.

CAUT1 Clase 2 7

Especificaciones de desempeño

Las metas principales de diseño para este problema son:

Seguridad: Claramente, el nivel del molde nunca debe co-

rrer riesgo de derramarse o vaciarse, ya que cualquiera de
las dos situaciones implicaría derramamiento de metal fun-
dido, con consecuencias desastrosas.

Rentabilidad: Los aspectos relevantes incluyen:

• Calidad del producto
• Mantenimiento
• Rendimiento
CAUT1 Clase 2 8

Modelado

Para seguir adelante con el diseño del sistema de control se

necesita en primer lugar entender el proceso. Típicamente,
el conocimiento del proceso se cristaliza en la forma de un
modelo matemático.
Variables relevantes del proceso:

h∗ : nivel de acero de referencia en el molde

h(t) : nivel real de acero en el molde
v(t) : posición de la válvula
σ (t) : velocidad de colado
qin(t) : caudal de material entrante al molde
qout (t) : caudal de material saliente del molde
CAUT1 Clase 2 9

Modelo simple como tanque

Z t
h(t) = (qin(τ) − qout (τ))dτ
−∞
CAUT1 Clase 2 10

Diagrama de bloques de la dinámica simplificada del proceso

de colada continua, sensores y actuadores.
Medición de h
velocidad de colada Caudal de salida(velocidad de colada)
h
Nivel de moldeado
'$ − h(t)
h
+- ?
-
R - h

Caudal de entrada &%

(válvula de control) +'$
? Ruido de medición
 h

&%
Nivel de moldeado medido +
h
CAUT1 Clase 2 11

Realimentación y predicción

Veremos más adelante que la idea central en control es la

de inversión. Por otra parte, convenientemente, la inversión
puede lograrse a través de dos mecanismos básicos: reali-
mentación y predicción.
Estrategia de control sugerida:
Medición de f
Caudal de salida(velocidad de colada)
velocidad de colada
Referencia de K −1 
nivel Nivel de moldeado
h∗ ?+
+ ?−
+  h(t)
f R -f
- -
K - -
− Caudal de entrada 
(válvula de control)
6

+ 
?+
Ruido de medición
 f

Nivel de moldeado medido

Este controlador combina una acción de realimentación con

una acción predictiva.
CAUT1 Clase 2 12

Una primer indicación de compromisos de

diseño

Simulando la operación del control propuesto para nuestro

modelo simplificado de la colada continua para valores de
K = 1 y K = 5, vemos que cuanto más pequeña es la ganancia
de control (K = 1), más lenta resulta la respuesta del sistema
a un cambio en el valor de set-point h∗.

Por otro lado, cuanto mayor es la ganancia de control (K = 5),

más rápida es la respuesta obtenida, pero también son mayo-
res los efectos del ruido de medición — evidente en oscilacio-
nes mayores en la respuesta permanente y los movimientos
más agresivos de la válvula de control.
CAUT1 Clase 2 13

Compromisos en diseño: mayor velocidad de respuesta a

cambios en set-point trae aparejados mayor sensibilidad a rui-
do de medición y mayor desgaste del actuador.
CAUT1 Clase 2 14

Pregunta

¿Será este compromiso inevitable. . . o podrá mejorarse la si-

tuación, por ejemplo con

un mejor modelado, o
un más sofisticado diseño de control?

Este será un tema central en el resto de nuestra discusión.

(Nota: de hecho, el compromiso de diseño es fundamental,

como veremos más adelante.)
CAUT1 Clase 2 15

Definición del problema de control

Abstrayendo del ejemplo anterior, podemos introducir la si-

guiente definición.

Problema de Control:
El problema central en control es encontrar una forma
técnicamente realizable de actuar sobre un determinado
proceso de manera que éste tenga un comportamiento que
se aproxime a cierto comportamiento deseado tanto como
sea posible.
Además, este comportamiento aproximado deberá lograrse
aún teniendo incertidumbres en el proceso, y ante la
presencia de perturbaciones externas, incontrolables,
actuando sobre el mismo.
CAUT1 Clase 2 16

Solución prototipo del problema de control vía

inversión

Una forma particularmente simple, aunque al mismo tiempo

profunda, de pensar problemas de control es vía la idea de
inversión.

Supongamos que sabemos qué efecto produce en la salida

del sistema una acción en la entrada. . .
Supongamos además que tenemos un comportamiento de-
seado para la salida del sistema. . .
Entonces, simplemente necesitamos invertir la relación en-
tre entrada y salida para determinar queé acción es necesa-
ria en la entrada para obtener el comportamiento de salida
deseado.
CAUT1 Clase 2 17

La idea de control conceptual por inversión se representa en

el diagrama de bloques
f
d

r + ?−
 u ?+
+- y
f -f
-

-
f −1(◦) -
f (◦) 

Controlador conceptual Planta

En general, podría decirse que todos los controladores gene-

ran implícitamente una inversa del proceso, tanto como sea
posible (es decir, una inversa aproximada).

Los detalles en los que los controladores difieren son esen-

cialmente los mecanismos usados para generar la inversa
aproximada necesaria.
CAUT1 Clase 2 18

Realimentación con ganancia elevada e

inversión

Una propiedad bastante curiosa de la realimentación es que

puede aproximar la inversa implícita de transformaciones di-
námicas.

r +  u y
f -f
-

-
h(◦) -
Planta
− 6

z
f (◦) 

El lazo implementa una inversa aproximada de f (◦), es decir,

u = f −1(r) si
r − h−1(u) ≈ r.
CAUT1 Clase 2 19

Mas concretamente, del diagrama de bloques anterior,

u = h(r − z)
= h(r − f (u)),
de modo que

h−1(u) = r − f (u),
de donde obtenemos finalmente

u = f −1(r − h−1(u)).

Así, si h−1(u) es pequeño en comparación con r, vemos que

u ≈ f −1(r).

Que h−1(u) sea pequeño es lo mismo que decir que h(u) sea
grande, es decir, que h(◦) tenga ganancia elevada.
CAUT1 Clase 2 20

En conclusión: Puede generarse una inversa aproximada de

la planta si colocamos un modelo de la misma en un lazo de
realimenación de ganancia elevada.

r +  u y
f -f
-

-
h(◦) -
Planta
− 6

z
f (◦) 

f (◦) : modelo de la planta

h(◦) : ganancia directa de lazo
CAUT1 Clase 2 21

Ejemplo: Supongamos una planta descripta por el modelo

dy(t) p
+ 2 y(t) = u(t),
dt
y que se necesita una ley de control para asegurar que y(t)
siga señales de referencia de variación lenta.
Una forma de resolver este problema es construir una inversa
del modelo válida dentro de un rango de bajas frecuencias
(señales lentas).
Usando la configuración de control (a lazo abierto)

r +  u y
f -f
-

-
h(◦) -
Planta
− 6

z
f (◦) 
CAUT1 Clase 2 22

obtenemos una inversa aproximada si h(◦) tiene ganancia ele-

vada en el rango de bajas frecuencias.

Una solución simple es elegir h(◦) como un integrador.

La figura muestra la referencia r(t) (sinusoidal) y la correspon-

diente salida de la planta y(t) con este control.
CAUT1 Clase 2 23

De lazo abierto a lazo cerrado

Desafortunadamente, la configuración de control que hemos

presentado no dará un solución satisfactoria general del pro-
blema de control, a menos que

el modelo en el que se basa el diseño de control sea una

muy buena representación de la planta,
este modelo y su inversa sean estables, y
las perturbaciones y condiciones iniciales sean desprecia-
bles.

Esto nos motiva a buscar una solución alternativa del proble-

ma de control reteniendo la esencia básica de la solución pro-
puesta, pero sin sus limitaciones.
CAUT1 Clase 2 24

r(t) + 
Ganancia de A u(t) y(t)
f - - f - Planta -f
 realimentación
− 6

Modelo 

Controlador a lazo abierto

Control a lazo abierto con inversa aproximada incorporada

r(t) + e(t) u(t) A0 y(t)

f - - Ganancia de - Planta f -f
 realimentación
− 6

Controlador a lazo cerrado

Control a lazo cerrado
CAUT1 Clase 2 25

Control a lazo abierto versus control a lazo cerrado:

Si el modelo representa a la planta exactamente, y todas

la señales son acotadas (o sea, el lazo es estable), ento-
ces ambas configuraciones son equivalentes con respecto
a la relación entre r(t) e y(t). Las diferencias principales se
deben a perturbaciones y condiciones iniciales.

En la configuración a lazo abierto, el controlador incorpora

la realimentación internamente, o sea, se realimenta de A.

En la configuración a lazo cerrado, la señal realimentada

depende directamente de lo que está pasando con la plan-
ta, ya que se realimenta la salida real de la planta de A0.
CAUT1 Clase 2 26

La configuración a lazo cerrado tiene muchas ventajas, que

incluyen

insensibilidad a errores de modelado;

insensibilidad a perturbaciones en la planta (no reflejadas
en el modelo).
r(t) + e(t) u(t) A0 y(t)
f - - Ganancia de - Planta f -f
 realimentación
− 6

Controlador a lazo cerrado

CAUT1 Clase 2 27

Compromisos en la elección de la ganancia de

realimentación

De nuestra discusión hasta ahora, podría pensarse que todo

lo que se necesita para resolver el problema de control es ce-
rrar un lazo de ganancia elevada alrededor de la planta. Esto
es estrictamente cierto, según lo que discutimos. Sin embar-
go, nada en la vida viene sin un costo, lo que también se aplica
al empleo de una ganancia elevada de realimentación.

Por ejemplo, si alguna perturbación afecta a la planta y produ-

ce un error e(t) distinto de cero, entonces la ganancia elevada
produciría una señal de control u(t) muy elevada también. Tal
señal puede exceder el rango permitido de los actuadores e
invalidar la solución.
CAUT1 Clase 2 28

Otro problema potencial con el empleo de ganancia elevada

es que a menudo va acompañada de un riesgo muy consi-
derable de inestabilidad. La inestabilidad se caracteriza por la
presencia de oscilaciones sostenidas (o crecientes).

Por ejemplo, una manifestación de inestabilidad resultante de

la excesiva ganancia de realimentación es el silbido de alta
frecuencia que se escucha cuando un parlante se coloca de-
masiado cerca de un micrófono.
CAUT1 Clase 2 29

Una manifestación trágica de inestabilidad fue el desastre de

Chernobyl.

Otra potencial desventaja del uso de elevada ganancia de lazo

fue sugerida en el ejemplo de colada continua. Allí vimos que
al incrementar la ganancia del controlador incrementábamos
la sensibilidad a ruido de medición — lo que resulta ser cierto
en general.
CAUT1 Clase 2 30

En resumen, la elevada ganancia de lazo es deseable desde

muchos aspectos, pero es también indeseable desde otras
perspectivas. En consecuencia, cuando se elige la ganancia
de realimentación debe arribarse a una solución de compro-
miso en forma racional, teniendo en cuenta todos los factores
en juego.
La ganancia de lazo elevada permite obtener una inversa
aproximada, que es esencial en control. Sin embargo, en la
práctica, la elección de la ganancia de realimentación es parte
de un complejo balance de compromisos de diseño. La com-
prensión y el balance adecuado de estos compromisos es la
esencia del diseño de sistemas de control.
CAUT1 Clase 2 31

Mediciones

Finalmente pasamos a discutir las mediciones, es decir, lo que

usamos para generar una señal de realimentación.

La figura siguiente muestra una descripción más adecuada

del lazo de realimentación incluyendo sensores:
r(t) +  u(t) A0 y(t)
f - - Ganancia de - Planta f -f
 realimentación
− 6

ym (t)
Sistema de medición 
y transmisión de señales
CAUT1 Clase 2 32

Propiedades deseables de los sensores

Confiabilidad. Deben operar dentro de rangos adecuados.
Exactitud. Para una variable de valor constante, la medi-
ción debe estabilizarse en el valor correcto.
Sensibilidad. La medición debe seguir los cambios de la
variable medida. Una medición demasiado lenta puede no
sólo afectar la calidad del control sino también inestabilizar
el lazo, aún cuando el lazo fuera diseñado para ser estable
asumiendo medión exacta de la variable del proceso.
Inmunidad a ruido. El sistema de medición, incluyendo los
transmisores, no deben ser significativamente afectados
por señales espúreas como ruido de medición.
Linealidad. Si el sensor es no lineal, al menos la alineali-
dad debe ser conocida para que pueda ser compensada.
No intrusividad. El dispositivo de medición no debe afectar
en forma significativa el comportamiento de la planta.
CAUT1 Clase 2 33

En resumen, un lazo de realimentación típico, considerando

sensores, presenta la configuración de la figura
Referencia:
f
Valor deseado para Perturbaciones
la salida Señal de ?
Salida real
f - control - -f
Controlador Actuadores - Sistema
-

Sensores 

Medición
6

f Ruido de medición
CAUT1 Clase 2 34

Resumen
El control se ocupa de encontrar medios tecnológica, am-
biental, y comercialmente realizables de actuar sobre un
sistema tecnológico para controlar sus salidas a valores de-
seados manteniendo un nivel deseado de rendimiento.

Concepto fundamental en ingeniería de control: inversión.

Puede lograrse inversión en forma aproximada mediante
una configuración en realimentación.

Los objetivos de un sistema de control usualmente incluyen

• maximización de rendimiento, velocidad, seguridad, etc.
• minimización de consumo de energía, producción de de-
sechos, emisiones, etc.
• reducción del impacto de perturbaciones, ruido de medi-
ción, incertidumbres, etc.
CAUT1 Clase 2 35

Hemos presentado una primer indicación de que los ob-

jetivos de diseño deseados usualmente están en conflicto
entre sí, por lo que es necesario tomar soluciones de com-
promiso.

El diseño de un sistema de control es el proceso median-

te el cual
• entendemos los compromisos de diseño inherentes al
problema,
• tomamos decisiones deliberadas consistentes con estos
compromisos de diseño, y
• somos capaces de traducir sistemáticamente el objetivo
de diseño deseado en un controlador.
CAUT1 Clase 2 36

El proceso de realimentación refiere al ciclo iterativo:

• cuantificación del comportamiento deseado,
• medición de los valores actuales de variables relevantes
del sistema mediante sensores,
• inferencia del estado presente del sistema a partir de las
mediciones,
• compararción del estado inferido con el estado deseado,
• cálculo de la acción correctora para llevar el sistema al
estado deseado,
• aplicación de la acción correctora al sistema por medio
de actuadores, y finalmente,
• repetir los pasos anteriores.
3. Modelos, señales y sistemas

Panorama
Modelos en control
• El por qué de los modelos matemáticos
• Complejidad de modelos
• Construcción de modelos
Linealización y escalamiento
Tipos de modelos
Funciones transferencia y diagramas de bloques
• Estabilidad
• Álgebra de bloques
CAUT1 Clase 3 1

Modelos en control
El diseño de un sistema de control típicamente requiere un de-
licado balance entre limitaciones fundamentales y soluciones
de compromiso. Para poder lograr este balance, es necesario
tener una comprensión cabal del proceso en cuestión.

Esta comprensión usualmente se captura en un modelo ma-

temático. Teniendo un modelo, es posible predecir el impacto
de distintos diseños posibles sin comprometer al sistema real.

En este capítulo vamos a discutir brevemente cómo

elegir el nivel adecuado de complejidad de un modelo;

linealizar modelos no lineales;
obtener experimentalmente modelos elementales.
CAUT1 Clase 3 2

En particular, revisaremos algunas propiedades básicas de

las funciones transferencias y los diagramas de bloques,
dos modelos matemáticos muy comúnmente usados en inge-
niería de control.

No discutiremos en detalle cómo obtener modelos matemá-

ticos en forma analítica. La derivación de modelos matemáti-
cos es una disciplina compleja en sí misma, elementos de la
cual se estudian, por ejemplo, en Procesos y Máquinas Indus-
triales I y II.
CAUT1 Clase 3 3

El por qué de los modelos matemáticos en

control

Recordando el ejemplo de la colada continua, el control del

nivel en este proceso sólo tiene tres formas de manipular la
válvula: abrirla, cerrarla, o dejarla como está.
Sin embargo, hemos visto también que el modo preciso en
que estas acciones se llevan a cabo involucran compromisos
delicados entre objetivos de diseño contrapuestos, tales co-
mo la velocidad de respuesta y la sensibilidad a ruido de me-
dición.
Para muchos problemas es posible encontrar un controlador
adecuado simplemente mediante prueba y error. Sin embar-
go, en muchos casos el enfoque de prueba y error no es facti-
ble, debido a complejidad, eficiencia, costo, o aún seguridad.
CAUT1 Clase 3 4

En particular, es imposible mediante prueba y error responder

a cuestiones como las siguientes antes de hacer pruebas:

Dada una planta y un objetivo deseado de operación, ¿qué

controlador puede alcanzarlo? ¿Se puede alcanzar el obje-
tivo propuesto con algún controlador?
Dados un controlador y una planta, ¿cómo operarán en lazo
cerrado?
¿Por qué un lazo dado opera de la forma que lo hace?
¿Puede mejorarse? ¿Con qué controlador?
¿Cómo cambiaría la operación si se cambiaran los paráme-
tros del sistema, o si las perturbaciones fueran mayores, o
si fallara algún sensor?

Para responder sistemáticamente a estas cuestiones necesi-

tamos modelos matemáticos.
CAUT1 Clase 3 5

Los modelos matemáticos nos brindan los medios de capturar

el comportamiento de un sistema sujeto a condiciones inicia-
les, entradas de control y perturbaciones mediante un conjun-
to de ecuaciones matemáticas.
La importancia de los modelos matemáticos radica en
que pueden ser
simulados en situaciones hipotéticas,
ensayados en estados que serían peligrosos en el
sistema real, y
usados como base para sintetizar controladores.
CAUT1 Clase 3 6

Complejidad de modelos

Al construir un modelo es importante tener en cuenta que to-

do proceso real es complejo, por lo que cualquier intento de
construir una descripción exacta de la planta es usualmente
una meta imposible de alcanzar.

Afortunadamente, la realimentación usualmente nos permite

tener éxito aún con modelos muy simples, siempre y cuando
éstos capturen las características esenciales del problema.

Es importante destacar que los modelos empleados para con-

trol usualmente difieren de los utilizados, por ejemplo, para
diseño del proceso.
CAUT1 Clase 3 7

Los sistemas reales pueden ser arbitrariamente complejos,

por lo que todo modelo deberá ser necesariamente una des-
cripción aproximada del proceso. Introducimos tres definicio-
nes para clarificar este enunciado.

Modelo nominal. Es una descripción aproximada de la plan-

ta que se usa para el diseño de control.

Modelo de calibración. Es una descripción más exhaustiva

de la planta. Incluye características no usadas en el diseño
de control pero que tienen directa influencia en el desem-
peño alcanzado.

Error de modelo. Es la diferencia entre el modelo nominal y

el modelo de calibración. Los detalles de este error podrían
ser desconocidos, pero podrían disponerse de cotas apro-
ximadas.
CAUT1 Clase 3 8

Construcción de modelos

Dos enfoques diferenciados para la construcción de modelos:

Experimental. Se basa en pensar al sistema como una caja

negra. En este enfoque se postula una determinada estruc-
tura de modelo, a la que que se varían los parámetros, bien
vía prueba y error, o bien vía algún algoritmo, hasta que la
el comportamiento dinámico del modelo se ajusta al obser-
vado en la planta mediante ensayos.
Analítico. Se basa en el uso de leyes físicas (conservación
de masa, energía y momento). El modelo se obtiene a partir
de las leyes fenomenológicas básicas que determinan las
relaciones entre todas las señales del sistema.

En la práctica es común combinar ambos enfoques.

CAUT1 Clase 3 9

Ejemplo. Consideremos un tanque cilíndrico de área A que

descarga a través de un orificio en el fondo. Los principios
físicos indican que el flujo de descarga
p q2 puede modelarse
razonablemente como q2(t) = K h(t), donde h es el nivel de
líquido en el tanque y K una constante a determinar, por ejem-
plo, usando principios físicos.
Por ejemplo, se mide h(t) cada T se-
gundos, donde T se elige tal que la
variación |h(t) − h(t − T )| sea peque-
ña. Así, q̂2(t) ≈ |h(t) − h(t − T )|A/T ,
y K podría estimarse haciendopuna
regresión lineal de q̂2(t) sobre h(t)
Figura de Dorf & Bishop (2000). para distintos valores de t.

Vemos en este ejemplo como el modelo final combina conoci-

miento físico con mediciones experimentales.
CAUT1 Clase 3 10

Los modelos relevantes en control son a menu-

do bastante simples en comparación al proceso
verdadero, y usualmente combinan razonamiento
físico con datos experimentales.

Otra consideración de relevancia práctica es la inclusión del

actuador en el proceso de modelado. Los actuadores son, en
general, bastante alineales, y usualmente tienen su propia di-
námica que, a veces, puede hasta dominar otras característi-
cas del proceso (como suele pasar con válvulas, actuadores
hidráulicos, rectificadores controlados)

Asi, de aquí en más, cuando nos refiramos al modelo de la

planta, entenderemos que este modelo también incluye los
actuadores, cuando sea necesario.
CAUT1 Clase 3 11

Linealización

Aunque casi todo sistema real tiene características no linea-

les, muchos sistemas pueden describirse razonablemente por
modelos lineales — al menos dentro de ciertos rangos de ope-
ración.

Como normalmente un sistema de control opera en las cerca-

nías de un equilibrio, se hace una linealización alrededor de
este equilibrio. El resultado es un modelo lineal, mucho más
simple, pero adecuado para el diseño de control.

Para un mismo sistema no lineal, la linealización alrededor de

distintos puntos de equilibrio dará, en general, distintos mo-
delos linealizados.
CAUT1 Clase 3 12

Consideramos la linealización del modelo general en ecua-

ciones de estado


ẋ(t) = f x(t), u(t)

(1)
y(t) = g x(t), u(t)

alrededor de un punto de equilibrio, o punto de operación.

Un punto de equilibrio está definido por un triplo de valores
constantes (x∗, u∗, y∗) que satisfacen (1), es decir que
∗ ∗


0 = f x ,u
∗ ∗ ∗


y = g x ,u .

Vamos a considerar la linealización del sistema alrededor de

un punto de equilibrio (alternativamente, también podría ser
alrededor de una trayectoria).
CAUT1 Clase 3 13

Si las funciones f y g son suficientemente regulares, las ecua-

ciones (1) pueden aproximarse por
 
∂ f ∂ f 
∗ ∗
∆x(t) +  ∆u(t),

ẋ(t) ≈ f (x , u ) + 
∂ x x∗,u∗ ∂ u x∗,u∗
  (2)
∂ g ∂ g
∗ ∗
∆x(t) +  ∆u(t),
 
y(t) ≈ g(x , u ) + 
∂x ∗ ∗
x ,u ∂u ∗ ∗
x ,u

. .
donde ∆x(t) = x(t) − x y ∆u(t) = u(t) − u∗.
∗

Como f (x∗, u∗) = 0 = ẋ∗ y g(x∗, u∗) = y∗, de (2) obtenemos final-
mente el sistema (incremental) linealizado

∆ẋ(t) = A ∆x + B ∆u
(3)
∆y = C ∆x + D ∆u.
CAUT1 Clase 3 14

Si las variables x ∈ Rn, u ∈ Rm, y ∈ R p, entonces A, B,C, D son

matrices — las matrices Jacobianas de f y g evaluadas en
el punto de operación, es decir,
 
. ∂ f  n×n . ∂ f  n×m
A= ∈ R ,B= ∈ R ,
∂ x x∗,u∗
 ∂ u x∗,u∗

 
. ∂ g  p×n . ∂ g 
C=  ∈R , D=  ∈ R p×m. (4)
∂ x x∗,u∗ ∂ u x∗,u∗

Si las variables x, u, e y son escalares

(o sea, ∈ R), entonces A, B,C y D son
también escalares y representan las
pendientes de las superficies f y g en
el punto de operación.
CAUT1 Clase 3 15

Ejemplo: levitador magnético. La figura muestra el esque-

ma de un sistema de suspensión magnética, en el que una
bola de material ferromagnético de masa m se “levita” me-
diante un electroimán controlado por fuente de corriente.

El movimiento de la bola se puede aproxi-

mar por la ecuación diferencial no lineal

L0 a 2
ÿ(t) − g + 2
[i(t)] = 0, (5)
2m(a + y(t))
donde g es la aceleración de la gravedad, y(t) es la posición
de la bola, e i(t) la corriente de excitación del electroimán. Los
parámetros L0 y a son constantes positivas.
Deseamos obtener un modelo incremental linealizado alrede-
dor de un punto de equilibrio definido por la corriente i(t) = i∗.
CAUT1 Clase 3 16

Solución:
Punto de equilibrio. En el punto de equilibrio inducido por la
corriente constante i(t) = i∗, necesariamente y(t) = constante,
es decir, ẏ(t) = 0 = ÿ(t). Así, de (5) obtenemos
r
L0a ∗ 2 ∗ L0a ∗
0= ∗ 2
[i ] − g ⇒ y = i − a.
2m(a + y ) 2mg

Ecuaciones de estado NL. Definiendo las variables de estado

. . .
x1 = y, x2 = ẏ, y la entrada u = i, obtenemos de (5) las ecuacio-
nes de estado en la forma (1),
 
  x2(t)  
ẋ1(t) f1(x2(t))
= =
 
L0a 2
ẋ2(t) g− [u(t)] f2(x1(t), u(t)) (6)
2m(a + x1(t)) 2

y(t) = x1(t) = g(x1(t)).

CAUT1 Clase 3 17

Jacobianos y modelo linealizado.

∂ f ∂ f   
1 2 0 1
∂ f  ∂ x1 ∂ x2   ∂ g h ∂g ∂g
i  
= ∂ f ∂ f =  L0au2 , = ∂x = 1 0

∂ x2
∂x 2 2
3
0 ∂x 1
∂ x1 ∂ x2 m(a + x1)
   
∂ f1 0
∂ f  ∂u   ∂g
= = L0au  , =0
∂u ∂ f2 − ∂u
∂u m(a + x1)2

Con los valores numéricos L0 = 0,01H, a = 0,05m, m = 0,01kg,

g = 9,81m/s2, y i∗ = 2A, obtenemos y∗ = 0,050963. Con x1 = y∗
y u = i∗ en (4), obtenemos el modelo incremental lineal
   
0 1 0
∆ẋ = ∆x + ∆u
194,327 0 −9,81
∆y(t) = 1 0 ∆x.
 
CAUT1 Clase 3 18

Escalamiento1

Un factor importante antes de trabajar con un modelo es hacer

una buena selección de los factores de escala (unidades) para
las variables y el tiempo.

Un buen escalamiento hará los cálculos más simples y más

precisos y disminuirá enormemente los problemas de simula-
ción en computador.

1
Ver §2.6 en Franklin, Powell & Emami-Naeini (1991), Control de sistemas dinámicos
con retroalimentación. Addison-Wesley Iberoamericana.
CAUT1 Clase 3 19

Ejemplo. Volvamos al ejemplo anterior para ilustrar el proce-

dimiento en concreto. Las ecuaciones del sistema incremental
lineal obtenido pueden escribirse de la forma

∆ẋ1 = ∆x2
(7)
∆ẋ2 = 194,327∆x1 − 9,81∆u.

Para este sistema tan simple las magnitudes de los paráme-

tros no están tan mal, pero aún así es bueno en la práctica
tratar de tener constantes entre 0,1 y 100, o entre 0,1 y 10 si
es posible, mediante una cuidadosa selección de escala, es
decir las unidades en que medir las variables.
Definamos las variables normalizadas
∆x1 ∆x2 ∆u
z1 = , z2 = , v= , τ = ω0t. (8)
x01 x02 u0
CAUT1 Clase 3 20

El escalamiento de tiempo cambia la diferenciación:

d∆x d∆x d∆x
= = ω0 .
dt d(τ/ω0) dτ

Este escalamiento en ∆ẋ1 y ∆ẋ2 y el uso de (8) en (7) da

dz1
(ω0x01) = x02 z2
dτ
dz2
(ω0x02) = (194,327x01) z1 − (9,8u0)v,
dτ
o sea,

dz1 x02
= z2
dτ ω0x01
dz2 194,327x01 9,8u0
= z1 − v.
dτ ω0x02 ω0x02
CAUT1 Clase 3 21

Si tomamos la posición en cm, resulta x01 = 0,01; la velocidad

en dm/s da x02 = 0,1. Así, si elegimos ω0 = 10, tenemos
dz1
= z2
dτ
dz2
= 1,94327 z1 − (9,81u0)v.
dτ
Finalmente, tomando u0 = 1/9,81 = 0,102, llegamos al sistema
normalizado
dz1
= z2
dτ
dz2
= 1,94327 z1 − v,
dτ
que es un modelo con parámetros bastante mejor escalados
que el original. Mucho mejor para manipulación y simulación
digital. Cualitativamente, ambos modelos son equivalentes.
CAUT1 Clase 3 22

Tipos de modelos
Atributo Atributo antagónico Determina si. . .
SISO MIMO . . . las ecuaciones del modelo
tienen una entrada y una sali-
da.
Lineal No lineal . . . las ecuaciones del modelo
son lineales en las variables
del sistema.
Estacionario Inestacionario . . . los parámetros del modelo
son constantes.
Continuo Discreto . . . las ecuaciones del modelo
describen su comportamiento
en cada instante de tiempo, o
sólo en muestras discretas.
Entrada-salida Espacio de estados . . . las ecuaciones dependen
sólo de las entradas y las sa-
lidas, o también de variables
de estado.
CAUT1 Clase 3 23

Sistemas lineales, estacionarios, en tiempo

continuo

Los sistemas que vamos a considerar están descriptos por

modelos lineales, estacionarios, en tiempo continuo. Éstos
pueden siempre representarse por una ecuación diferencial
ordinaria de la forma

d ny(t) d n−1y(t) d mu(t)

n
+ an−1 n−1
+ · · · + a0y(t) = bm m
+ · · · + b0u(t). (9)
dt dt dt
CAUT1 Clase 3 24

Transformada de Laplace

Para una señal en tiempo continuo y(t) definida para t ∈ [0, ∞),
se define la transformada de Laplace
Z ∞
L {y(t)} = Y (s) = e−sτ y(τ) dτ.
0−

Una propiedad muy útil de la transformada de Laplace es la

de la transformada de la derivada de una función,

L {ẏ(t)} = sY (s) − y(0−).

CAUT1 Clase 3 25

Funciones transferencia
Asumiendo condiciones iniciales nulas — y(0−) = 0, ẏ(0−) =
0, . . . ) — si aplicamos la transformada de Laplace a la ecua-
ción diferencial (9) la convertimos en la algebraica

snY (s) + an−1sn−1Y (s) + · · · + a0Y (s) = bmsmU(s) + · · · + b0U(s),

que puede expresarse alternativamente como

N(s)
Y (s) = G(s)U(s), donde G(s) = , y donde
D(s)

N(s) = bmsm +bm−1sm−1 +· · ·+b0, D(s) = sn +an−1sn−1 +· · ·+a0.

La función G(s) es la función transferencia del sistema. Es

un modelo entrada-salida.
CAUT1 Clase 3 26

Algunas definiciones pertinentes a funciones transferencia:

Ceros del sistema: son las raíces de N(s) = 0.

Polos del sistema: son las raíces de D(s) = 0.

Grado relativo: es la diferencia en grados n − m entre nume-

rador y denominador.

Función transferencia propia: si m ≤ n.

Función transferencia estrictamente propia: si m < n.

Función transferencia bipropia: si m = n.

Función transferencia impropia: si m > n.

CAUT1 Clase 3 27

Función transferencia y ecuaciones de estado

Dadas las ecuaciones de estado

ẋ(t) = Ax(t) + Bu(t)

(10)
y(t) = Cx(t) + Du(t),

si les aplicamos L {◦} obtenemos las ecuaciones algebraicas

sX(s) − x(0−) = AX(s) + BU(s)

Y (s) = CX(s) + DU(s),
de donde X(s) = (sI − A)−1x(0−) + (sI − A)−1BU(s)
Y (s) = [C(sI − A)−1B + D]U(s) +C(sI − A)−1x(0−).

Así, G(s) = C(sI − A)−1B + D es la función transferencia del

sistema (10).
CAUT1 Clase 3 28

Función de transferencia de sistemas con

retardo

En general, vamos a considerar funciones transferencia racio-

nales y propias, que corresponden a sistemas lineales, esta-
cionarios y de dimensión finita (orden finito).
Una excepción de gran importancia en la práctica es el caso
de sistemas con retardo entre entrada y salida. Estrictamen-
te, estos sistemas tienen dimensión infinita. Sin embargo,
su representación mediante función transferencia es aún tra-
table, aunque deja de ser racional.
La función transferencia de un retardo de T segundos es de
la forma
G(s) = e−sT ⇔ y(t) = u(t − T ).
CAUT1 Clase 3 29

Ejemplo: Sistema intercambiador de calor. Un ejemplo

simple de un sistema con retardo es el intercambiador de ca-
lor de la figura.
La función tranferencia
entre la entrada (ten-
sión aplicada al elemen-
to calefactor) y la sali-
da (temperatura sensa-
da) es aproximadamen-
te de la forma
Ke−sT
G(s) = .
(τs + 1)
Notar que K, T y τ dependen de la velocidad del ventilador,
que puede ser variable. Aunque muy simple, este tipo de mo-
delo es muy común en aplicaciones de control de procesos.
CAUT1 Clase 3 30

Estabilidad de funciones transferencia

Estabilidad entrada-salida. 2 Decimos que un sistema es es-
table entrada-salida, o BIBO estable, si toda entrada acotada
produce una salida acotada.

Teorema. [Estabilidad entrada-salida] Un sistema lineal,

estacionario y de tiempo continuo es estable entrada-salida
si todos los polos de su función transferencia tienen parte real
negativa.
jω

Estabilidad Inestabilidad

σ
Región de estabilidad entrada-
0
salida para los polos de G(s).
2
También Estabilidad BIBO, del inglés Bounded-Input Bounded-Output, (entrada aco-
tada/salida acotada).
 CAUT1 Clase 3 31

Desafío: Asumiendo una función transferencia racional y pro-

pia, demostrar el Teorema. Ayuda:

1. Mostrar que si todos los polos de G(s) tienen parte real ne-
gativa, entonces la antitransformada g(t) (respuesta al im-
pulso del sistema) es absolutamente integrable, es decir,
Z ∞
|g(τ)| dτ < M; para alguna M > 0.
0

2. Mostrar que si g(t) es absolutamente integrable, entonces

para toda entrada acotada u(t) la salida

y(t) = L −1{G(s)U(s)}
Z t Z t
= g(t − τ)u(τ)dτ = g(τ)u(t − τ)dτ
0 0

es acotada — o sea, el sistema es estable entrada-salida.

CAUT1 Clase 3 32

Diagramas de bloques

Capturan la esencia del sistema en un formalismo gráfico abs-

tracto de simple manipulación. Representan el flujo y proce-
samiento de las señales dentro del sistema.

Los diagramas de bloques

permiten ver la similaridad
esencial entre distintos tipos
de sistemas (independizan del
dominio físico).

Otro formalismo gráfico con

esta propiedad son los diagra-
Figura del curso ME155A, Prof. Åström, UCSB 2001. mas de enlaces (bond graphs).
CAUT1 Clase 3 33

Álgebra de bloques

Ejemplo de Dorf & Bishop

(2000)
CAUT1 Clase 3 34

Resumen

Para poder diseñar en forma sistemática un controlador pa-

ra un sistema es necesario disponer de una descripción
formal — aunque posiblemente simple — del mismo. Esta
descripción es el modelo matemático del sistema.
Los modelos matemáticos pueden obtenerse en forma ex-
perimental o analítica, y en general, en la práctica, mediante
una combinación de ambos métodos.
En general, los modelos matemáticos involucran un con-
junto de ecuaciones diferenciales no lineales. En muchos
casos, estas ecuaciones pueden linearizarse alrededor de
un punto de operación, con lo que se obtiene un modelo
incremental lineal mucho más tratable.
CAUT1 Clase 3 35

La elección de unidades adecuadas (escalamiento) de las

variables y el tiempo permite mejorar los modelos desde el
punto de vista computacional.
Las funciones transferencia describen las propiedades
entrada-salida de los sistemas en forma algebraica en el
dominio Laplace.
Una función transferencia es estable entrada-salida (entra-
da acotada/salida acotada) si todos sus polos tienen parte
real negativa.
3. Modelos, señales y sistemas

Panorama
Obtención experimental de modelos
Respuesta en frecuencia
Diagramas de Bode
CAUT1 Clase 4 1

Obtención experimental de modelos

Muchos sistemas en la práctica pueden describirse aproxima-

damente con un modelo muy simple, de primer o segundo
orden. A menudo estos modelos simples son suficientes para
realizar un primer diseño de control.
Estos modelos simples pueden obtenerse mediante ensayos
experimentales sobre el sistema. La idea es proponer la es-
tructura apropiada, por ejemplo un primer orden con retardo

Ke−sT
G(s) = ,
τs + 1
y luego inferir los valores de los parámetros K, T, τ de la res-
puesta del sistema a lazo abierto del sistema. Es común em-
plear la respuesta al escalón.
CAUT1 Clase 4 2

Existen técnicas más advanzadas de estimación de modelo

mediante ensayos experimentales, conocidas como técnicas
de identificación de sistemas.
Estas técnicas permiten estimar en forma optimizada tanto los
parámetros como la estructura más apropiada para un modelo
del sistema, inclusive para sistemas inestables a lazo abierto.
Para un tratamiento actualizado de identificación de siste-
mas ver por ejemplo

Lennart Ljung, System Identification, 2nd edn. Prentice Hall,

1999.

y el toolbox de identificación de M ATLAB.

Veremos ahora cómo identificar en forma elemental sistemas
de primer y segundo orden a partir de la respuesta al escalón.
CAUT1 Clase 4 3

Primer orden con retardo

0.5
yf Medir:
u0 nivel inicial de entrada.
0.4 uf
uf nivel final de entrada.
0.3
y0 nivel inicial de salida.
yf nivel final de salida.
T0 tiempo de cambio de la
0.2 u0
entrada.
0.1
Tδ tiempo en que la salida co-
y0 mienza a responder.
0
T63 tiempo en que la salida al-
0
T0 Tδ T63 2 3 4 5
canza el 63,2 % de y f − y0.
Calcular: Transferencia estimada:
y f − y0
K̂ = ; τ̂ = T63 − Tδ ; K̂e−sT̂r
u f − u0 Ĝ(s) =
τ̂s + 1
T̂r = Tδ − T0
CAUT1 Clase 4 4

Segundo orden subamortiguado

1.2
Medir:
A1
1.0
u0 nivel inicial de entrada.
An yf uf nivel final de entrada.
0.8 y0 nivel inicial de salida.
uf
yf nivel final de salida.
0.6 Tω A1 amplitud de un pico arbi-
0.4
trario.
u0
An amplitud del pico No. n
0.2 contando desde el pico 1.
y0 Tω tiempo entre dos picos su-
0
0 1 2 3 4 5 6 7 8 9 10 cesivos.
Calcular: Transferencia estimada:
1
n−1 log (A1/An) K̂
ζˆ = q ; Ĝ(s) =
1
4π 2 + n−1 log (A1/An)

2 T̂ 2s2 + 2ζˆ T̂ns + 1
n

Tω
q y f − y0
T̂n = ˆ 2
1 − ζ ; K̂ = .
2π u f − u0
CAUT1 Clase 4 5

Segundo orden sobreamortiguado

(Método de Harriott)
yf
0.5 Medir:
uf
0.4
u0 nivel inicial de entrada.
y73
uf nivel final de entrada.
0.3
y0 nivel inicial de salida.
yf nivel final de salida.
u0 T0 tiempo de escalón de en-
0.2

trada.
y0
0.1
T73 tiempo en que la salida al-
canza 73 % de y f − y0.
0
y0 y0 nivel de salida en el tiempo
T −T
0
T0 T0 T73
1.6 2.0 2.4 2.8 3.2
T 0 = T0 + 732,6 0 .
Calcular:

y f − y0 T73 − T0 y0 − y0
K̂ = ; τ̂tot = ; yfr =
u f − u0 1,3 y f − y0
CAUT1 Clase 4 6

Obtener τ̂rat de y f r del gráfico

Nota: si y f r resulta
mayor a 0,39 o
menor a 0,26,
la respuesta es
probablemente de
segundo orden
subamortiguada, o
de orden mayor.

Calcular Transferencia estimada:

K̂
Ĝ(s) =
τ̂1 = τ̂rat τ̂tot y τ̂2 = τ̂tot − τ̂1. (τ̂1s + 1)(τ̂2s + 1)
CAUT1 Clase 4 7

Respuesta en régimen permanente

La respuesta en régimen permanente de un sistema es la

señal yrp(t) a la que tiende la respuesta y(t) del sistema una
vez extinguidos los transitorios — es decir, para valores su-
ficientemente grandes de t,

t↑
y(t) −→ yrp(t)

El concepto de respuesta en régimen permanente sólo tiene

sentido si el sistema es estable (BIBO).

Típicamente, la respuesta en régimen permanente se estudia

para entradas de tipo escalón o sinusoidal.
CAUT1 Clase 4 8

Respuesta en frecuencia

La respuesta en régimen permanente de un sistema a señales

sinusoidales en un rango de frecuencias es lo que se conoce
como la respuesta en frecuencia del sistema.

El interés de tratar entradas sinusoidales está en que la res-

puesta del sistema a estas señales contiene información so-
bre la respuesta a señales más generales.

De hecho, toda señal periódica puede descomponerse en una

serie de senos y cosenos, por el Teorema de Fourier. Cono-
ciendo la respuesta del sistema a las componentes sinusoi-
dales de la señal de entrada, puede reconstruirse por Fourier
la señal de salida.
CAUT1 Clase 4 9

Teorema. (Respuesta en RP a entradas sinusoidales)

Consideremos una función transferencia estable G(s) de or-
den n (o sea, con n polos, todos ellos con parte real negativa).
Entonces, la respuesta en régimen permanente a una entrada

u(t) = A sen(ωt)

es

(1) yrp(t) = A|G( jω)| sen(ωt + φ (ω)) ,

donde G( jω) = |G( jω)|e jφ (ω), es decir,

|G( jω)| : magnitud de G( jω),

φ (ω) : fase de G( jω).
CAUT1 Clase 4 10

Demostración: La entrada sinusoidal puede escribirse

e jωt − e− jωt
(2) A sen(ωt) = A .
2j
Entonces, si obtenemos la respuesta del sistema a las entra-
das u(t) = e jωt y u(t) = e− jωt , aplicando superposición encon-
traremos la respuesta a la entrada sinusoidal (2).
La transformada Laplace de e jωt es L {e jωt } = s−1jω . Así,

1
Y (s) = G(s)
s − jω
G( jω) n ri
(3) = +∑ , en fracciones simples,
s − jω i=1 s − pi

donde pi, i = 1 . . . n son los polos de G(s) y ri los correspon-

(s−pi)G(s)
dientes residuos ri = lı́ms→pi s− jω .
CAUT1 Clase 4 11

Antitransformando (3) obtenemos

  n  
−1 G( jω) ri
y(t) = L +∑L −1
s − jω i=1 s − pi
n
= G( jω)e jωt + ∑ rie pit
i=1
t↑
→ G( jω)e jωt = |G( jω)|e j(ωt+φ (ω)).

De igual forma calculamos la respuesta a e− jωt . Superponien-

do ambas respuestas se obtiene la ecuación (1), que es lo
que se quería demostrar. 
La respuesta en régimen permanente de un sistema G(s) a
una senoide de frecuencia ω es una senoide de igual fre-
cuencia, con amplitud multiplicada por la magnitud de G( jω)
y desfasaje igual a la fase de G( jω).
 CAUT1 Clase 4 12

Diagramas de Bode
Los diagramas de Bode consisten de un par de gráficas:

1. La magnitud |G( jω)| versus la frecuencia angular ω.

2. La fase φ (ω), también como función de ω.

Los diagramas de Bode se suelen graficar en ejes especiales.

El eje de abscisas es logarítmico en ω, es decir, lineal en

log(ω), donde el logaritmo es de base 10. Así se consi-
gue una representación compacta sobre un rango amplio
de frecuencias. La unidad del eje es la década, es decir, la
distancia entre ω y 10ω para cualquier valor de ω.
La magnitud de la respuesta en frecuencia se mide en de-
cibeles [dB], es decir, unidades de 20 log |G( jω)|.
La fase se mide en escala lineal en radianes o grados.
CAUT1 Clase 4 13

Ejemplo:
18s + 100
G(s) = 2
s + 6,06s + 102,01
CAUT1 Clase 4 14

Gráfico aproximado de los diagramas de Bode

Los programas como M ATLAB y S CILAB poseen comandos es-
peciales 1 para calcular y graficar diagramas de Bode. Sin em-
bargo, existen reglas muy simples que permiten esbozar estos
diagramas prácticamente sin hacer cálculos.
Dada la función transferencia
Πmi=1(βis + 1)
G(s) = K k n , entonces
s Πi=1(αis + 1)

(4) 20 log |G( jω)| = 20 log |K| − 20k log |ω|

m n
+ ∑ 20 log |βi jω + 1| − ∑ 20 log |αi jω + 1|
i=1 i=1
1
Por ejemplo: bode, ltiview.
CAUT1 Clase 4 15

Por otro lado, la fase de G( jω) resulta

π m n
(5) ^G( jω) = ^K − k + ∑ ^(βi jω + 1) − ∑ ^(αis + 1)
2 i=1 i=1

Así vemos de (4) y (5) que el diagrama de Bode de cualquier

función transferencia puede obtenerse sumando y restando
magnitudes (en dB) y fases de factores simples.

Una ganancia simple K tiene magnitud y fase constantes. El

diagrama de magnitud es una línea horizontal en 20 log |K|
dB y la fase es una línea horizontal en 0 rad (si K > 0).

El factor sk tiene un diagrama de magnitud que es una línea

recta con pendiente igual a 20k dB/década, y fase constante
igual a kπ/2. Esta línea cruza el eje horizontal de 0 dB en
ω = 1.
CAUT1 Clase 4 16

El factor αis + 1 tiene un diagrama de magnitud que puede

aproximarse asintóticamente de la siguiente manera:

• para |αiω|  1, 20 log |αi jω +1| ≈ 20 log(1) = 0 dB, es decir,

para bajas frecuencias la magnitud es una línea horizon-
tal (la asíntota de baja frecuencia).
• para |αiω|  1, 20 log |αi jω + 1| ≈ 20 log |αiω| dB, es decir,
para altas frecuencias la magnitud es una línea recta de
pendiente 20 dB/década que corta el eje de 0 dB en ω =
|αi|−1 (la asíntota de alta frecuencia).
• el diagrama de fase es más complicado. Aproximadamen-
te cambia a lo largo de dos décadas. Una década por de-
bajo de |αi|−1 la fase es ≈ 0 rad. Una década por arriba
de |αi|−1 la fase es ≈ signo(αi)π/2 rad. Uniendo ambos
puntos por una línea recta da ≈ signo(αi)π/4 para la fase
en ω = |αi|−1. Es una aproximación basta.
CAUT1 Clase 4 17

Para αi complejo, ai = ℜ(αi) + jℑ(αi), la fase del diagrama

de Bode del factor (αis + 1) corresponde a la fase del núme-
ro complejo [1 − ωℑ(αi)] + jωℜ(ai)

Ejemplo: Consideremos la función transferencia

(s + 1)
G(s) = 640 .
(s + 4)(s + 8)(s + 10)

Para dibujar la aproximación asintótica del diagrama de Bode

primero llevamos a G(s) a una forma en que los polos y los
ceros no aporten ganancia estática,

(s + 1)
G(s) = 2 .
(0,25s + 1)(0,125s + 1)(0,1s + 1)

Usando las reglas aproximadas obtenemos el diagrama si-

guiente.
CAUT1 Clase 4 18

Diagrama de Bode exacto (línea gruesa) y aproximado (línea

fina).
CAUT1 Clase 4 19

Filtrado
En un amplificador ideal la respuesta en frecuencia debería
ser constante, G( jω) = K, ∀ω, es decir, toda componente
de frecuencia debería pasar sin cambio de fase ni distorsión
de amplitud.

Definimos:

La banda de paso es el rango de frecuencias sobre el cual

la amplificación (o atenuación) es aproximadamente cons-
tante, con un corrimiento de fase aproximadamente propor-
cinal a ω.

la banda de corte es el rango de frecuencias que son fil-

tradas. En este rango de frecuencias |G( jω)| tiene un valor
pequeño comparado con el valor sobre la banda de paso.
CAUT1 Clase 4 20

la(s) banda(s) de transición son los rangos de frecuencias

intermedias entre una banda de paso y una de corte.

la frecuencia√de corte ωc es el valor de frecuencia tal que

|G( jω)| = Ĝ/ 2, donde Ĝ es respectivamente

• |G(0)| para filtros pasa-bajos y corta-bandas,

• |G(∞)| para filtros pasa-altos,
• el máximo valor de |G( jω)| en la banda de paso, para
filtros pasa-bandas.

el ancho de banda Bω es una medida del rango de fre-

cuencias en la banda de paso (o de corte). Se define como
Bω = ωc2 − ωc1, donde ωc2 > ωc1 ≥ 0. En esta definición ωc1 y
ωc2 son las frecuencias de corte a cada lado de la banda de
paso o de corte. Para filtros pasa-bajos ωc1 = 0.
CAUT1 Clase 4 21

Respuesta en frecuencia de un filtro pasa-bandas.

CAUT1 Clase 4 22

Resumen

La identificación de sistemas es una disciplina que estu-

dia la obtención experimental de modelos matemáticos de
sistemas.

Sistemas estables que se comportan como sistemas linea-

les de primer o segundo orden pueden identificarse en for-
ma simple de la respuesta al escalón.

La respuesta en régimen permanente de un sistema es-

table es la señal a la que tiende la salida una vez extingui-
dos los transitorios. Típicamente se estudia la respuesta a
escalones y a sinusoides.
CAUT1 Clase 4 23

La respuesta en régimen permanente de un sistema a si-

nusoides en un rango de frecuencias es la respuesta en
frecuencia del sistema. Se basa en la propiedad de los
sistemas lineales que responden a sinusoides de entrada
con una sinusoide de igual frecuencia en la salida.

Los diagramas de Bode grafican magnitud y fase de G( jω),

y representan la respuesta en frecuencia del sistema. Nor-
malmente se grafican en escala logarítmica, lo que permite
aproximar en forma sencilla el diagrama a partir de la su-
perposición de asíntotas de la respuesta en frecuencia de
los factores en que se descompone la función transferencia
considerada.
 4. Análisis de Sistemas
Realimentados
Panorama: Dados un controlador y una planta conectados
en realimentación, vamos a plantear y contestar las
siguientes preguntas:
¿Es el lazo cerrado estable?
¿Cuáles son las sensibilidades a distintas perturbaciones?
¿Cuál es el impacto de errores de modelado?
Además, introduciremos herramientas de análisis como
El Lugar de las Raíces
El criterio de estabilidad de Nyquist
CAUT1 clase 5 1

Estructuras de realimentación

La realimentación puede tener muchas propiedades desea-

bles, tales como la capacidad de reducir el efecto de pertur-
baciones, disminuir la sensibilidad a errores de modelado, o
estabilizar un sistema inestable.

Sin embargo, es posible también con realimentación mal apli-

cada inestabilizar un sistema previamente estable, incorporar
oscilaciones en una respuesta previamente suave, o generar
alta sensibilidad a ruido de medición.

Comenzamos el análisis de sistemas en realimentación con la

estructura de control SISO de la Figura 1, llamada de un gra-
do de libertad, pues hay sólo una transferencia modificable
para alcanzar los objetivos deseados: la del controlador K(s).
CAUT1 clase 5 2

Inicialmente analizaremos el lazo nominal, o sea, el formado

con el modelo nominal de la planta G0(s). Más tarde vere-
mos el efecto de considerar errores de modelado.
Di(s) x0 D0(s)
h
h h

R(s) + U(s) +
?+
?
+ ?+
 Y (s)
h - - h

- K(s) -

- .
G0(s) -

− 6


+


6+
h

Dm(s)

Figura 1: Sistema de control de un grado de libertad

Usamos funciones transferencia y transformadas Laplace pa-

ra describir las relaciones entre las señales en el lazo: la en-
trada de referencia R(s), las perturbaciones Di(s), Do(s), Dm(s),
el estado inicial de la planta x0, la salida Y (s) y el control U(s).
CAUT1 clase 5 3

En particular, K(s) y G0(s) representan las funciones transfe-

rencia del controlador y el modelo nominal de la planta, que
pueden representarse en forma racional en la forma
P(s) B0(s)
(1) K(s) = , G0(s) = .
L(s) A0(s)

Tomamos como salidas de interés en el lazo la salida per-

turbada de la planta, Y (s), y la señal de control U(s), que se
relacionan a las entradas a través de las ecuaciones
 
K(s) f (s, x0)
(2) U(s) = R(s) − Dm(s) − G0(s)Di(s) −
1 + G0(s)K(s) A0(s)

1
(3) Y (s) = G0(s)K(s) (R(s) − Dm(s)) + Do(s)
1 + G0(s)K(s)

f (s, x0)
+ G0(s)Di(s) −
A0(s)
CAUT1 clase 5 4

Funciones de sensibilidad nominales

G0(s)K(s) B0(s)P(s)
T0(s) = =
1 + G0(s)K(s) A0(s)L(s) + B0(s)P(s)
1 A0(s)L(s)
S0(s) = =
1 + G0(s)K(s) A0(s)L(s) + B0(s)P(s)
G0(s) B0(s)L(s)
Si0(s) = =
1 + G0(s)K(s) A0(s)L(s) + B0(s)P(s)
K(s) A0(s)P(s)
Su0(s) = =
1 + G0(s)K(s) A0(s)L(s) + B0(s)P(s)

T0(s): Función de sensibilidad complementaria

S0(s): Función de sensibilidad
Si0(s): Función de sensibilidad a perturbación de entrada
Su0(s): Función de sensibilidad de control
CAUT1 clase 5 5

Las funciones de sensibilidad están relacionadas algebraica-

mente:

(4) S0(s) + T0(s) = 1

T0(s)
(5) Si0(s) = S0(s)G0(s) =
K(s)
T0(s)
(6) Su0(s) = S0(s)K(s) =
G0(s)

Con las funciones de sensibilidad y bajo condiciones iniciales

nulas, (2) y (3) pueden expresarse en la forma compacta
(7)   
G0(s)K(s) G0(s) 1 −G0(s)K(s) R(s)
K(s) −G0(s)K(s) −K(s) −K(s)
 
Y (s)  Di(s) 
 
=
U(s) 1 + G0(s)K(s)  Do(s) 
 
Dm(s)
CAUT1 clase 5 6

Estabilidad de lazo cerrado en base al

Polinomio Característico

Lazo nominal es el resultante de conectar un controlador al

modelo nominal de la planta.

Estabilidad interna. Decimos que el lazo nominal es interna-

mente estable si las ocho funciones transferencia en (7) son
estables.

Esta definición es equivalente a pedir que todas las seña-

les en el lazo sean acotadas para cada conjunto de entradas
r(t), di(t), do(t) y dm(t) acotadas.
CAUT1 clase 5 7

Teorema. [Estabilidad interna nominal] Dado el lazo ce-

rrado de la Figura 1 con el controlador y modelo definidos
por (1). Entonces el lazo cerrado es internamente estable si
y sólo si todas las raíces de la ecuación característica a lazo
cerrado

(8) A0(s)L(s) + B0(s)P(s) = 0

tienen parte real negativa. 

La idea de estabilidad interna implica más que la estabilidad

de la referencia a la salida. Además se requiere que no haya
cancelaciones de polos inestables entre planta y controlador.

La ecuación característica (8) es de la forma p(s) = 0, donde

p(s) es el polinomio característico del lazo cerrado.
CAUT1 clase 5 8

Ejemplo 1. Dadas

3 −s + 2
G0(s) = , K(s) = ,
(s + 4)(−s + 2) s

puede verse que la función de sensibilidad complementaria

nominal
3
T0(s) = 2
s + 4s + 3
es estable. Sin embargo, la sensibilidad a perturbación de en-
trada nominal
3s
Sio(s) =
(−s + 2)(s2 + 4s + 3)

es inestable. Por el Teorema de estabilidad interna nominal,

el lazo cerrado no es internamente estable, ya que A0(s)L(s) +
B0(s)P(s) = (−s + 2)(s2 + 4s + 3). 
CAUT1 clase 5 9

Estabilidad y análisis polinomial

Consideremos el polinomio p(s) definido por

(9) p(s) = sn + an−1sn−1 + · · · + a1s + a0, donde ai ∈ R.

El problema a estudiar es determinar si p(s) tiene alguna raíz

con parte real no negativa. Obviamente, podemos responder
a esta cuestión calculando las n raíces de p(s). Sin embargo,
en muchas aplicaciones interesa estudiar la relación entre la
posición de las raíces y ciertos coeficientes del polinomio.

Polinomio Hurwitz. Los polinomios que tienen todas sus raí-

ces con parte real negativa se dicen polinomios Hurwitz.
CAUT1 clase 5 10

Algunas propiedades polinomiales de interés:

Propiedad 1 El coeficiente an−1 satisface

n
an−1 = − ∑ λi, donde λ1, λ2 . . . , λn son las raíces de p(s).
i=1

Propiedad 2 El coeficiente a0 satisface

n
a0 = (−1)n ∏ λi.
i=1

Propiedad 3 Si todas las raíces de p(s) tienen parte real ne-

gativa, entonces necesariamente ai > 0, i ∈ {0, 1, . . . , n − 1}.
Propiedad 4 Si cualquiera de los coeficientes del polinomio
es no positivo (negativo o cero), entonces al menos una de
las raíces tiene parte real no negativa.
 CAUT1 clase 5 11

El criterio de Routh-Hurwitz
Es uno de los métodos más usados para determinar si un
polinomio es Hurwitz o no basándose en sus coeficientes. Es
particularmente útil para polinomios de grado elevado.

El procedimiento es el siguiente:

1. Escribir el polinomio en la forma

a0sn + a1sn−1 + a2sn−2 + · · · + an−1s + an.

2. Si cualquiera de los coeficientes es cero o negativo y al

menos uno de los coeficientes positivo, entonces existe al
menos una raíz que es imaginaria o tiene parte real positiva
(el polinomio no es Hurwitz).
 CAUT1 clase 5 12

3. Si todos los coeficientes son positivos, ordenarlos en filas y

columnas según el siguiente arreglo numérico,
sn a0 a2 a4 a6 . . .
sn−1 a1 a3 a5 a7 . . .
a1a2−a0a3 a1a4−a0a5
sn−2 b1 b2 b3 b4 . . . con b1 = a1 , b2 = a1 ,...
b1a3−a1b2 b1a5−a1b3
sn−3 c1 c2 c3 c4 ... con c1 = b1 , c2 = b1 ,...
.. .. .. .. ..
s2 d1 d2
s e1
s0 f1
El criterio de Routh-Hurwitz establece que el número de raí-
ces con parte real positiva es igual al número de cambios
de signo en la primera columna de la tabla. Un polinomio
Hurwitz tiene todos sus coeficientes, y también todos los
términos de la primera columna de la tabla, positivos.
CAUT1 clase 5 13

Lugar de las raíces

A menudo en un problema de diseño es necesario tener un
esbozo rápido del comportamiento a lazo cerrado del sistema.
Este es el tipo de información que da el Lugar de las Raíces.
El Lugar de las Raíces permite examinar la ubicación de las
raíces del polinomio característico en función de un parámen-
tro variable (una ganancia, un cero del controlador, etc).
Consideremos la ecuación
M(s) ∏m
i=1(s − ci)
(10) 1 + λ F(s) = 0 donde F(s) = = n ,
D(s) ∏i=1(s − pi)
donde λ ≥ 0 y M(s), D(s) tienen grados m, n respectivamen-
te. La solución del problema del lugar de las raíces requiere
encontrar todos los puntos del plano complejo que son solu-
ciones de (10) para todos los valores de λ .
 CAUT1 clase 5 14

Pasos para construir a mano el LR1

Hay 7 pasos para construir el LR:

1. Dibujar los polos y ceros de F(s) (lazo abierto).

2. Dibujar la parte del LR sobre el eje real.
3. Determinar el centroide y esbozar las asíntotas.
4. Determinar los puntos de bifurcación.
5. Determinar los ángulos de salida/llegada.
6. Calcular los cruces con el eje imaginario.
7. Dibujar el resto del LR.

Sólo es necesario dibujar el LR en el semiplano superior al eje

real, ya que el LR es siempre simétrico respecto del mismo.
1
Esta sección está basada en las clases on-line del Dept. of Mechanical Engineering
del MIT http://www-me.mit.edu/Lectures/RLocus/3-goals.html.
CAUT1 clase 5 15

Vamos a ir viendo la aplicación de las reglas sobre un ejemplo.

Consideramos la función transferencia

F(s) = K(s)G0(s),
(s + 3) 100
K(s) = 2 , G0(s) = ,
s + 4s + 5 (s − 0,5)(s + 4)

donde K(s) representa un controlador y G0(s) el modelo nomi-

nal de la planta.

Estudiaremos el LR de 1 + λ F(s), que representa los polos

del lazo cerrado nominal formado con K(s) y G0(s) para dis-
tintos valores de λ , que representa en este caso la ganancia
variable del controlador.
CAUT1 clase 5 16

1. Dibujar los polos y ceros a lazo abierto

Como el LR representa la posi-

ción de los polos a lazo cerrado
a medida que λ varía, comenza-
mos con los polos de lazo abierto,
que corresponden a λ = 0.

Cada línea en el LR empieza en un polo de lazo abierto (λ = 0)

y termina en un cero a lazo abierto (λ → ∞).

Si el sistema a lazo abierto tiene más polos que ceros, algu-

nas de las ramas del LR terminan en (ceros en) infinito.
CAUT1 clase 5 17

2. Dibujar la parte del LR sobre el eje real.

Muchos LR tienen partes so-

bre el eje real. Las porciones
del eje real que pertenecen al
LR se determinan según la si-
guiente regla:

Si hay un número impar de polos y ceros a lazo abierto a

la derecha de un punto en el eje real, entonces el punto
pertenece al LR.
CAUT1 clase 5 18

3. Determinar el centroide y esbozar las asíntotas.

Las asíntotas indican a dónde
tenderán los polos a medida
que la ganancia tiende a infi-
nito.
Para sistemas con más polos
que ceros, el número de asín-
totas es igual al grado relativo
n − m (número de polos menos
número de ceros).
En algunos sistemas no hay asíntotas; cuando el grado relati-
vo es 0, toda rama del LR termina en un cero (finito).

Las asíntotas son simétricas respecto al eje real, y parten de

un punto σ definido por las magnitudes relativas de los polos
y ceros a lazo abierto. Este punto es el centroide.
CAUT1 clase 5 19

El centroide se obtiene con la fórmula

∑ni=1 pi − ∑m
i=1 ci
σ= .
n−m

Los ángulos de las asíntotas son η1, η2, . . . , ηn−m, dados por

(2k − 1)π
ηk = ; k = 1, 2, . . . , n − m.
n−m
CAUT1 clase 5 20

4. Determinar los puntos de bifurcación.

Los puntos de bifurcación se
producen donde dos o más
ramas del LR se encuentran
y luego divergen. Aunque es
más común encontrarlos sobre
el eje real, pueden ocurrir en
cualquier parte del plano com-
plejo.
Los puntos de bifurcación son puntos donde se da un polo
múltiple para algún valor de λ .

La forma más simple de encontrarlos es por prueba y error

reemplazando valores de s en un entorno del posible punto
de bifurcación en la ecuación característica, dependiente de
λ , hasta encontrar un mínimo.
CAUT1 clase 5 21

Para un cálculo más preciso, dada la ecuación del LR

M(s)
1+λ = 0,
D(s)

los puntos de bifurcación pueden calcularse de la ecuación

dλ D(s)M 0(s) − D0(s)M(s)

= 2
= 0.
ds D (s)

Si λ es real y positivo en algún valor de s que satisfaga esta

ecuación, entonces el punto es un punto de bifurcación.

Siempre hay un número par de ramas en un entorno de un

punto de bifurcación, ya que por cada rama que entra al punto
de bifurcación debe haber una que salga de él.
CAUT1 clase 5 22

5. Determinar los ángulos de salida/llegada.

Los ángulos de salida/llegada
en qué dirección se mueven
las raíces a medida que λ va
de 0 a ∞ (salida en los polos
a lazo abierto; llegada en los
ceros de lazo abierto). Se cal-
culan se calculan en c/u de los
polos y ceros complejos a lazo
abierto.
Ángulo de salida: En cada polo complejo sumar los ángulos
θi desde los ceros al polo, luego restar los ángulos φi desde
los otros polos al mismo:
m n−1
α p = 180◦ + ∑ θi − ∑ φi .
i=1 i=1
CAUT1 clase 5 23

Ángulo de llegada: En cada cero, sumar los ángulos φi desde

los polos al cero, y restar los ángulos θi desde los otros ceros
al mismo:
m n−1
α p = 180◦ − ∑ θi + ∑ φi .
i=1 i=1

Por convención, los ángulos de salida/llegada se miden en

relación al eje real, de modo que el eje real es 0.
Los polos y ceros reales
siempre tendrán ángulos de
salida/llegada de 0◦ o 180◦,
debido a la simetría de las
raíces complejas.
CAUT1 clase 5 24

6. Calcular los cruces con el eje imaginario.

Los puntos de cruce con el eje

imaginario marcan valores de
λ para los que el sistema a la-
zo cerrado es marginalmente
estable. El lazo cerrado será
inestable para valores de λ pa-
ra los que el LR está en el se-
miplano derecho de C.

No todo LR intersecta el eje jω, por lo que primero hay que

determinar, si es posible, si definitivamente se cruza el eje (por
ejemplo, cuando hay más de dos asíntotas), o si hay buenas
chances de que se cruce (por ejemplo, si hay polos o ceros
cerca del eje jω y los ángulos de salida/llegada indican que
podría haber un cruce).
CAUT1 clase 5 25

Hay tres formas de encontrar los cruces del eje jω:

Por prueba y error, buscando los puntos del eje jω donde

la fase de F( jω) es 180◦.
Por el criterio de Routh-Hurwitz, determinando el valor de
λ que hace al lazo cerrado inestable (y luego el correspon-
diente valor de s = jω).
Planteando la ecuación característica en s = ω, igualando
parte real e imaginaria a cero, y luego resolviendo los valo-
res de λ y ω.

Cual método debe usarse depende de cuan precisamente de-

ban conocerse los puntos de cruce.
CAUT1 clase 5 26

7. Dibujar el resto del LR.

Para finalizar el LR comenza-
mos de los polos a lazo abier-
to, conectando las porciones
en el eje real, los puntos de
bifurcación, los cruces del eje
imaginario, terminando en los
ceros finitos, o bien hacia infi-
nito siguiendo las asíntotas.
En general, los ceros tienden a «atraer» las ramas del LR,
mientras que los polos las «repelen».
El conocimiento del LR exacto sólo es necesario cerca del eje
jω, o en regiones donde se necesite particular conocimien-
to detallado del comportamiento del sistema. Las funciones
rlocus y rltool de M ATLAB calculan el LR exacto.
 4. Análisis de Sistemas
Realimentados
Parte 2

Panorama:
Estabilidad y respuesta en frecuencia
El criterio de estabilidad de Nyquist
Márgenes de estabilidad
Robustez
CAUT1 Clase 6 1

Estabilidad y respuesta en frecuencia

Una herramienta clásica y durable para determinar la estabili-
dad de un lazo de realimentación es el criterio de estabilidad
de Nyquist. En el criterio de Nyquist, la estabilidad del siste-
ma a lazo cerrado se determina a partir de la respuesta en
frecuencia del sistema a lazo abierto, G0(s)K(s), que se grafi-
ca en un diagrama polar.
−270◦

ω = +∞ k0
Ejemplo: −180◦ 0◦
ω =0
k0
G0(s)K(s) =
(τ1s + 1)(τ2s + 1) ω↑
G0( jω)K( jω)

−90◦
Diagrama polar de G0(s)K(s)
 CAUT1 Clase 6 2

Sobre el trazado de diagramas polares

Consideramos el diagrama polar de una función transferencia
general de la forma

k0 ∏m
i=0(βis + 1)
F(s) = k n
s ∏i=1(αis + 1)

1. Extremo de bajas frecuencias, ω → 0. Depende del número

de polos en 0 de F(s):
Si k = 0, el diagrama comienza en el valor real
lı́mω→0 F(s) = k0, con la fase de k0 (0 o π rad).
Si k ≥ 1, el diagrama comienza en ∞ con fase −k0 π2 rad.

2. Extremo de altas frecuencias, ω → ∞. Para funciones trans-

ferencia estrictamente propias, el diagrama termina en el
origen, con una fase que tiende a −(n + k − m) π2 .
CAUT1 Clase 6 3

−270◦
k=3

Diagrama polar para distin-

ω = +∞ k0
tos números de polos en el −180◦ 0◦
ω =0
origen, pero un mismo gra- k=2
k=0
do relativo. k=1

◦
−90◦
−270

F( jω) Ejemplo: 1 polo en el origen y

−180◦ 0◦ grado relativo 4.
ω = +∞

k0
F(s) = s(τ1s+1)(τ2s+1)(τ3s+1)

ω → 0+
−90◦
CAUT1 Clase 6 4

Bases del criterio de Nyquist

Para explicar el criterio de estabilidad de Nyquist considere-
mos primero una función genérica F(s), no necesariamente
relacionada a un lazo de control.

Supongamos que se tiene una curva cerrada orientada Cs en

el plano s que encierra Z ceros y P polos de la función F(s).
Asumimos que ningún polo se encuentra sobre la curva Cs.
imag s
F(s)
imag F(s)
Al recorrer la curva Cs
en una dirección, la
función F(s) mapeará
Cs
CF Cs en otra curva ce-
rrada orientada CF en
real s real F(s)
0
el plano F.
0
 CAUT1 Clase 6 5

Mostraremos que el número de veces que CF encierra al ori-

gen del plano F está dado por la diferencia entre P y Z.
Será útil recordar que cada vuelta en sentido horario (antiho-
rario) alrededor del origen de una variable compleja implica
que la fase de esta variable cambia en −2π rad (2π rad).
Para empezar, supongamos que

F(s) = s − c,

donde c es un punto en el plano s. Esta es una función simple

con un único cero finito en c. Distinguimos dos casos:

1. El punto c está dentro de Cs. A medida que s recorre Cs

en sentido horario, la fase de F(s) cambia en −2π rad. Es
decir, la curva CF encierra al origen del plano F una vez
en sentido horario.
 CAUT1 Clase 6 6

2. El punto c está fuera de Cs. A medida que s recorre Cs en

sentido horario, la fase de F(s) cambia en 0 rad. Es decir,
la curva CF no encierra al origen del plano F.
plano s plano s

c)
(s −
c)
(s −
Cs Cs

c c
CAUT1 Clase 6 7

De forma similar, si la función es

F(s) = (s − p)−1,

podemos ver que a medida que s recorre Cs en sentido ho-

rario, la fase de F(s) cambia en +2π rad si p se encuentra
dentro de Cs, y 0 rad si se encuentra fuera de Cs (¡pensarlo!).

En el caso general en que

∏m
i=1(s − ci)
(1) F(s) = k n
∏l=1(s − pl )

cualquier cambio neto en la fase de F(s) surge de la suma

de los cambios de fase debidos a los factores (s − ci) menos
la suma de los cambios debidos a los factores (s − pl ). En
síntesis,
CAUT1 Clase 6 8

Versión del Principio del Argumento. Sea la función

F(s) dada por (1) y una curva cerrada Cs en el plano s.
Sea Z el número de ceros, y P el número de polos de
F(s) dentro de la regíon encerrada por Cs. Entonces, a
medida que s recorre en sentido horario Cs, la curva CF
mapeada por F(s) encierra Z −P veces en sentido horario
al origen del plano F.

Para aplicar esta versión del Principio del Argumento a estu-

diar estabilidad de sistemas a lazo cerrado, consideramos en
particular la función

(2) F(s) = 1 + G0(s)K(s).

CAUT1 Clase 6 9

Los ceros de F(s) son los polos a la- plano s

zo cerrado del sistema de control.
Los polos de F(s) son los polos a la-
Ci
zo abierto del sistema de control; es
r→∞
decir, los polos de G0(s)K(s).
Asumimos G0(s)K(s) estrictamente
propia, es decir, lı́m|s|→∞ F(s) = 1.
Cr
Para analizar la existencia de polos en
el semiplano derecho (SPD), usamos
como Cs el contorno de Nyquist. Contorno de Nyquist

El contorno de Nyquist es la unión de las curvas Ci (el

eje imaginario) y Cr (un semicírculo de radio infinito). Como
lı́m|s|→∞ F(s) = 1, el mapeo de Cr a través de F(s) se reduce al
punto (1, 0), por lo que sólo es necesario graficar la respuesta
en frecuencia F( jω).
CAUT1 Clase 6 10

A medida que s recorre el contorno de Nyquist, el número

de vueltas en sentido horario del mapeo F(s) = 1 + G0(s)K(s)
alrededor del origen determina el número de ceros en el SPD
(polos inestables del sistema a lazo cerrado).

De hecho, típicamente se grafica F(s) = G0(s)K(s), se corre

el origen a −1 y se cuenta el número de vueltas en sentido
horario alrededor del punto (−1, 0).

Teorema 1. [Criterio básico de Nyquist] Si una función trans-

ferencia propia a lazo abierto G0(s)K(s) tiene P polos en el se-
miplano derecho abierto (SPDA), y ninguno sobre el eje ima-
ginario, entonces el sistema a lazo cerrado tiene Z polos en el
SPDA si y sólo si el diagrama de Nyquist de G0(s)K(s) encie-
rra N = Z − P veces en sentido horario al punto (−1, 0). 
CAUT1 Clase 6 11

Implicaciones del Criterio de Nyquist

Si el sistema es estable a lazo abierto, para que el lazo

cerrado sea internamente estable es necesario y suficiente
que no haya cancelaciones inestables y que el diagrama de
Nyquist de G0(s)K(s) no encierre al punto (−1, 0).
Si el sistema es inestable a lazo abierto, con P polos en el
SPDA, entonces para que el lazo cerrado sea internamente
estable es necesario y suficiente que no haya cancelacio-
nes inestables y que el diagrama de Nyquist de G0(s)K(s)
encierre P veces en sentido antihorario al punto (−1, 0).
Si el diagrama de Nyquist de G0(s)K(s) pasa por el punto
(−1, 0), existe una frecuencia ω0 ∈ R tal que F( jω0) = −1,
es decir, el lazo cerrado tiene polos exactamente sobre el
eje imaginario. Esta situación se conoce como condición
de estabilidad crítica.
CAUT1 Clase 6 12

¿Cómo aplicar el criterio de Nyquist cuando existen polos a

lazo abierto exactamente sobre el eje jω, por ejemplo, en el
origen?

En estos casos no puede usarse el plano s

contorno de Nyquist visto — no podría
calcularse el cambio de fase al pasar Ci
s = 0 — y debe usarse un contorno r→∞
de Nyquist modificado.
ε

El contorno de Nyquist modificado se

compone de tres curvas: Cr , Ci y Cε . A Cr
medida que ε → 0 y r → ∞, la región
encerrada aún se expande a el SPDA, Contorno de Nyquist
excepto por un área infinitesimal. modificado
CAUT1 Clase 6 13

Teorema 2. [Criterio de Nyquist] Dada una función transfe-

rencia propia G0(s)K(s) con P polos en el SPDA, entonces el
lazo cerrado tiene Z polos en el SPDA si y sólo si el diagrama
de Nyquist de G0(s)K(s) encierra N = Z − P veces en sentido
horario al punto (−1, 0) cuando s recorre el contorno de Ny-
quist modificado.
CAUT1 Clase 6 14

Ejemplo: Consideremos el sistema

k0
G0(s)K(s) = .
s(τ1s + 1)(τ2s + 1)

Este sistema puede ser inestable si se aumenta suficiente-

mente la ganancia k0.
−270◦
ω = 0−
plano s P=0
N=2
r→∞ Z = N +P = 2
−1 ω = +∞
−180◦ ω = −∞ 0◦
ε

Sistema a lazo
cerrado inestable
ω = 0+
−90◦
CAUT1 Clase 6 15

Estabilidad relativa: Márgenes de estabilidad

En el diseño de sistemas de control a menudo se necesita ir

más allá de la cuestión de estabilidad a lazo cerrado. En par-
ticular, usualmente es deseable obtener alguna medida cuan-
titativa de cuan lejos de ser inestable está un lazo nominal; es
decir, cuantificar la estabilidad relativa del lazo.

Esta cuantificación puede lograrse definiendo medidas que

describan la distancia de la respuesta en frecuencia nominal
al punto de estabilidad crítica (−1, 0).
CAUT1 Clase 6 16

Márgenes de ganancia y fase

Definimos margen de ganancia Mg y margen de fase M f

(3) Mg , −20 log10(|a|)

(4) Mf , φ
|a|

El margen de ganancia marca la

−1 0
ganancia adicional que llevaría
φ
el lazo cerrado a la condición de
ω = ωp estabilidad crítica.

El margen de fase cuantifica el re-

G0 ( jω)K( jω)
tardo de fase puro que debería
Márgenes de ganancia y agregarse para alcanzar la misma
fase. condición de estabilidad crítica.
CAUT1 Clase 6 17

Pico de sensibilidad
Un indicador alternativo de estabilidad relativa es el pico de
la función de sensibilidad. Notemos que el vector desde el
punto (−1, 0) a G0( jω)K( jω), para ω = ω1, corresponde a
 −1
1 + G0( jω)K( jω) = S0( jω1) .

−1 0 El radio η del círculo tangente al

η ω = ωs
gráfico de G0( jω)K( jω) es la recí-
proca del pico de la sensibilidad
nominal. Cuanto mayor sea este
pico, más cerca de la inestabilidad
estará el lazo.
G0 ( jω)K( jω)

Pico de sensibilidad
CAUT1 Clase 6 18

El pico de sensibilidad es un indicador de estabilidad relativa

más confiable que los márgenes de fase y ganancia: un siste-
ma puede tener buenos márgenes de fase y ganancia y aún
estar cerca de ser inestable.

Por otro lado, un bajo valor del pico de sensibilidad garantiza

márgenes de ganancia y fase mínimos.
CAUT1 Clase 6 19

Márgenes de estabilidad y diagramas de Bode

Los márgenes de estabilidad pueden describirse y cuantificar-
se también en diagramas de Bode.
Magnitud
db
60

40

20
Mg
0

−20

−40

−60
Hz
.
−80
−2 −1 0 1
10
ωp 10
ωg 10 10

Fase
grados
270
250
230
Mf
210
190
170
150
130
110 Hz
.
90
−2 −1 0 1
10 10 10 10
CAUT1 Clase 6 20

Robustez

Hasta ahora sólo hemos considerado el efecto que el con-

trolador tiene sobre el lazo cerrado formado con el modelo
nominal de la planta. Sin embargo, en la práctica no sólo nos
interesa este desempeño nominal, sino también el desempe-
ño realmente alcanzado cuando el controlador se aplique a la
planta real.

Esta es la así llamada cuestión de robustez. Veremos cómo

las funciones de sensibilidad nominal brindan información so-
bre las sensibilidades reales del lazo.
CAUT1 Clase 6 21

Error multiplicativo de modelado

Introducimos el modelo de error multiplicativo (MEM), que
se define por

G(s) = G0(s) 1 + G∆(s) ,
es decir, el error entre modelo nominal G0(s) y modelo de
calibración G(s) es

G(s)
G∆(s) = − 1.
G0(s)

El error G∆(s) es en general desconocido, pero muchas veces

es posible cuantificar una cota conocida del tipo
 
G ( jω) < ε(ω).
∆
CAUT1 Clase 6 22

Funciones de sensibilidad alcanzadas

Contrastamos las sensibilidades derivadas anteriormente con

las realmente alcanzadas (o verdaderas) cuando el controla-
dor se aplica al modelo de calibración G(s).

G(s)K(s) B(s)P(s)
T (s) = =
1 + G(s)K(s) A(s)L(s) + B(s)P(s)
1 A(s)L(s)
S(s) = =
1 + G(s)K(s) A(s)L(s) + B(s)P(s)
G(s) B(s)L(s)
Si(s) = =
1 + G(s)K(s) A(s)L(s) + B(s)P(s)
K(s) A(s)P(s)
Su(s) = =
1 + G(s)K(s) A(s)L(s) + B(s)P(s)
CAUT1 Clase 6 23

Funciones de sensibilidad reales y error de

modelado con MEM
Las funciones de sensibilidad reales pueden escribirse en tér-
minos de las nominales.

S(s) = S0(s)S∆(s)


T (s) = T0(s) 1 + G∆(s) S∆(s)


Si(s) = Si0(s) 1 + G∆(s) S∆(s)
Su(s) = Su0(s)S∆(s)

donde
1
S∆(s) , ,
1 + T0(s)G∆(s)
con G∆(s) el modelo de error multiplicativo.
CAUT1 Clase 6 24

Estabilidad robusta

Consideramos el caso en que el modelo nominal y la planta

verdadera difieren. En este caso es necesario que, además de
la estabilidad nominal, debamos chequear si la estabilidad se
mantiene cuando la verdadera planta se controle controlador
que alcanzaba estabilidad del lazo nominal.

Cuando un controlador mantiene la estabilidad del lazo al apli-

carse a la planta verdadera, decimos que el controlador pro-
vee estabilidad robusta.
CAUT1 Clase 6 25

Teorema 3. [Estabilidad robusta] Sea una planta con mo-

delo nominal G0(s) y transferencia real G(s). Supongamos que
K(s) es un controlador que alcanza estabilidad interna nomi-
nal. Supongamos además que G(s)K(s) y G0(s)K(s) tienen el
mismo número de polos inestables. Entonces si
 
(5) T ( jω)G ( jω) < 1
0 ∆

el controlador K(s) alcanza además estabilidad del lazo real.


CAUT1 Clase 6 26

Notemos que la condición (5) puede escribirse de la forma

(6) |G0( jω)K( jω)G∆( jω)| < |1 + G0( jω)K( jω)|.

Es decir, la estabilidad es robusta frente a un MEM G∆(s) si el

punto de estabilidad crítica (−1, 0) se encuentra fuera del dis-
co de centro G0( jω)K( jω) y radio G0( jω)K( jω)G∆( jω) para
todo ω.

Vemos que un pico eleva-

−1 0
do de sensibilidad hace |1 +
G0( jω)K( jω)| pequeño en (6),
disminuyendo la tolerancia a
error de modelado MEM para
G0 ( jω)K( jω)G∆ ( jω)
preservar estabilidad robusta.
G0 ( jω)K( jω)