Sistema en tiempo discreto con

retroalimentación

SISTEMAS DISCRETOS:
Son sistemas que trabajan con datos muestreados

Estos sistemas son controlados por computador

Los controladores se desarrollan en computadores

¿Para qué realimentamos un sistema?

Mejorar la Estabilidad:

Conseguir un sistema estable a partir de uno inestable.

Mejorar la estabilidad de un sistema estable.

Estabilidad

Un sistema es estable si excitado con una entrada acotada, la salida permanece Acotada

Precisión en Régimen Permanente:

Seguimiento, sin error en régimen permanente, de una señal de referencia.

Eliminar el efecto de perturbaciones sobre la salida del sistema.

Respuesta Transitoria Adecuada:

Transitorio suficientemente rápido.

Amortiguamiento adecuado.
Análisis de sistemas retroalimentados

Realimentación:

Reduce el efecto de perturbaciones

Disminuye la sensibilidad a errores de modelado

Estabiliza sistemas inestables

Pero puede...

Inestabilizar un sistema estable

Generar oscilaciones en sistemas con una respuesta en lazo abierto suave

Generar alta sensibilidad a ruido de medición.

Estructura de un sistema retroalimentado

Estabilidad de los sistemas en tiempo discreto

En tiempo discreto también se puede hablar de estabilidad de estado y de estabilidad de

entrada salida de forma similar a la empleada para los sistemas en tiempo continuo.

Podemos probar:

*Estabilidad de estado

*Estabilidad de entrada salida

Método de Jury

Se basa en el arreglo de Jury, que tiene 2n-3 filas donde n es el orden del polinomio
característico en tiempo discreto.

Los coeficientes ai se arreglan dos filas

Se calculan las filas por pares hasta obtener una fila con solo tres coeficientes.

Se comparan las magnitudes de los coeficientes a determinar la estabilidad del sistema.

Pasos para la prueba de Jury

Pruebe primero las condiciones 1, 2 y 3.

Calcule los coeficientes del arreglo de Jury de la siguiente forma y evalúe la condición 4 con
ellos.
 Tabla para evaluar el criterio de estabilidad de Jury

Criterio de estabilidad de Jury

Todos los ceros del polinomio característico tienen magnitud menor que uno exactamente si las
siguientes condiciones son satisfechas:

El polinomio característico evaluado en 1 es mayor que cero

p(1) > 0

El polinomio característico evaluado en -1 es positivo para polinomios de orden par y negativo

para polinomios de orden impar.

(-1) p( 1) > 0

El coeficiente an del polinomio característico debe ser positivo y mayor que el valor absoluto del
coeficiente a0.

Todos los coeficientes calculados de la columna izquierda en las filas impares del arreglo deben
tener una magnitud mayor que el coeficiente más a la derecha de la misma fila.
Pasos para la prueba de Jury

Pruebe primero las condiciones 1, 2 y 3.

Calcule los coeficientes del arreglo de Jury de la siguiente forma y evalúe la condición 4 con
ellos.

NOTA: Ya que el coeficiente s1 del arreglo de Jury no se emplea para determinar la estabilidad,
no es necesario calcularlo.

Análisis del lugar geométrico de las raíces

INTRODUCCIÓN

La estabilidad relativa y la respuesta transitoria de un sistema de control en lazo cerrado están

directamente relacionadas con la localización de los polos de dicha función de transferencia (o las raíces
de la función característica) en el plano complejo, por tal razón es necesario analizar el comportamiento
de los polos del sistema en lazo cerrado a la variación de los parámetros, en otras palabras, es
importante el análisis del Lugar Geométrico de las Raíces del sistema en lazo cerrado.

DEFINICIÓN

La técnica del Lugar Geométrico de las Raíces (LGR) es un método gráfico para dibujar la posición de los
polos del sistema en el plano complejo a medida que varía un parámetro, la información que
proporciona este método es utilizada para el análisis de la estabilidad y funcionamiento del sistema.
En la figura se muestra un sistema en lazo cerrado, en donde la constante k es el parámetro que se va a
variar para trazar el LGR, la variación de k es desde cero hasta infinito (0≤ k <∞)

TRAZADO DEL LUGAR GEOMÉTRICO DE LAS RAÍCES CON MATLAB

Como ejercicio el lector puede verificar por medio de Matlab el LGR del ejercicio.

Simulación de sistemas en tiempos continuos con sistemas en

tiempos discretos.

Sistemas, modelos y simulación:

Un sistema se puede definir como un conjunto de elementos unidos por relaciones de interacción o
interdependencia. Los elementos que forman parte del sistema vienen condicionados por el objetivo del
estudio que se pretende realizar, ya que un sistema definido para un estudio determinado puede ser
una parte de un sistema más amplio Simulación de sistemas discretos - 5 - definido para otro estudio
particular. Por ejemplo, si se quiere determinar cuál es el número más adecuado de operarios y
máquinas en la sección de mecanizado de una empresa que tiene una determinada cartera de pedidos,
estos elementos serán los que formen parte del sistema a analizar, mientras que, si lo que se desea es
estudiar la capacidad productiva de la empresa, los elementos mencionados anteriormente sólo serán
una parte del sistema. A ellos habrá que añadir montaje, embalaje, almacenaje, etc.
Se pueden realizar las siguientes definiciones:

− Atributo: propiedad de un elemento del sistema.

− Actividad: todo proceso que provoque un cambio en el sistema.

El estado del sistema en un instante de tiempo determinado se puede definir como la descripción de
todos los elementos, atributos y actividades en dicho instante. Por ejemplo, el estado de una oficina
bancaria en un instante se podría definir mediante el número de cajeros en él, el número de clientes, el
instante de llegada de cada cliente y el tipo de operación que desea realizar cada uno. Este conjunto
constituiría las variables de estado del sistema.

Tipos de sistemas
− Sistemas continuos y sistemas discretos.

En un sistema continuo las variables de estado cambian de forma continua a lo largo del tiempo,
mientras que en uno discreto cambian instantáneamente de valor en ciertos instantes de tiempo. En un
sistema de una cierta complejidad puede ocurrir que existan simultáneamente variables de estado
continuas y discretas. En este caso, dependiendo de la predominancia de una y otras y del objetivo del
estudio que se pretende realizar, se considerará el sistema como perteneciente a uno de los dos tipos.

Tipos de modelos
En cualquiera de los casos anteriores se hace necesaria la construcción de un modelo del sistema que
refleje con la fidelidad adecuada las características destacadas del sistema a analizar y la
experimentación sobre dicho modelo. Si se realiza correctamente la construcción del modelo y el diseño
de los experimentos, los resultados obtenidos permitirán inferir cuál sería el comportamiento del
sistema a analizar en determinadas condiciones. La figura 1 muestra un esquema que muestra las
diferentes formas de simulación que se pueden utilizar para analizar un sistema.
Los modelos físicos están formados por una estructura material que tiene unas características, en
cuanto al objeto del estudio, similares a las del sistema real. Ejemplos de modelos físicos pueden ser las
maquetas a escala y también los modelos analógicos

Un modelo matemático representa el sistema por medio de relaciones lógicas y cuantitativas entre sus
variables de estado. Tanto el valor de las variables como sus relaciones se pueden modificar para
estudiar cómo reacciona el modelo y, por lo tanto, cómo reaccionaría el sistema real ante dichos
cambios.

Necesidad de la simulación
Ya se ha indicado anteriormente que se recurre a la simulación cuando el modelo matemático que
representa el sistema a estudiar es excesivamente complejo o resulta inabordable por no estar
desarrollados métodos analíticos para su resolución. La fuente de complejidad puede tener básicamente
dos causas:

− En los sistemas continuos es frecuente que unas variables de estado representen la tasa o velocidad
de cambio de otras variables de estado. La formulación matemática de estos modelos lleva a la
aparición de ecuaciones diferenciales que indican las relaciones anteriormente mencionadas. Si el
sistema tiene una cierta complejidad, puede ocurrir que las ecuaciones diferenciales sean no lineales y,
por lo tanto, de difícil o imposible resolución analítica.

− En los sistemas discretos pueden aparecer fenómenos aleatorios que sólo se pueden representar en
términos probabilistas. En este caso, la formulación matemática del modelo contiene relaciones en las
que aparecen funciones de distribución o de densidad de probabilidad, que dificultan o impiden su
resolución analítica.

Campos de aplicación
− Sistemas de espera.

− Tráfico de comunicaciones: correos, teléfonos, redes informáticas...

− Diseño de instalaciones, talleres, líneas de montaje...

− Determinación de reglas de programación de la producción.

− Diseño de plantillas, asignación de trabajadores a puestos de trabajo...

− Localización de instalaciones (almacenes, vehículos, equipos de mantenimiento...)

− Análisis de proyectos.

− Reglas de gestión de inventarios. − Análisis de inversiones.