FACULTAD DE INGENIERÍA ELÉCTRICA Y

ELECTRÓNICA
Carrera de Ingeniería Electrónica y Control

LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO

PRÁCTICA N°2
1. TEMA
MODELACIÓN DE SISTEMAS LINEALES

2. OBJETIVOS
2.1. Modelar sistemas lineales invariantes en el tiempo (LIT)
2.2. Utilizar los diferentes comandos que proporciona MATLAB para realizar
simulaciones de sistemas de control.
2.3. Utilizar herramientas computacionales provistas por MATLAB para la conexión,
conversión de modelos LIT

3. MARCO TEÓRICO
MATLAB trabaja esencialmente con matrices numéricas rectangulares (que pueden tener
elementos complejos), lo cual implica el uso de vectores fila o columna. Por esta razón este
paquete tiene una proyección hacia el control moderno (descrito a variables de estado) y
es útil para ilustrar las relaciones existentes entre las técnicas clásicas y modernas de
análisis. Para ello, contiene un conjunto de rutinas de propósito general que permiten
modelar, analizar y simular cualquier tipo de sistema, además, es capaz de trabajar con
modelos lineales invariantes en el tiempo (LIT), los cuales son:

▪ tf : modelo a función de transferencia

▪ zpk : modelo ceros – polos – ganancia
▪ ss : modelo a espacio de estados
▪ frd : modelo de respuesta a frecuencia.

MATLAB realiza las diversas conexiones y conversiones entre este conjunto de modelos.

3.1. Funciones para la Conexión de Modelos LIT utilizando MATLAB

La librería de Sistemas de Control de Matlab cuenta con un conjunto de funciones

para interconectar modelos para desarrollar concatenaciones de entrada – salida,
colocarlos en serie, paralelo y con realimentación.

Período: 2019-A | http://ciecfie.epn.edu.ec/wss/VirtualDirectories/80/Enlaces/LABORA.htm

 LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO

3.1.1 Conexión Serie

sys = series (sys1, sys2)

Conecta en serie dos modelos:

Fig. 1. Modelos en Serie

Es equivalente a la multiplicación: sys = sys2 * sys1

sys = series (sys1, sys2, outputs1, inputs2)

Permite la siguiente conexión:

Fig. 2. Modelos en Serie

En donde outputs1 e inputs2 indican cuales salidas y1 de sys1 y cuales entradas

u2 de sys2 deben ser conectadas. El modelo sys resultante tiene como entrada u
y como salida y.

3.1.2 Conexión con Realimentación

Considerando que el sistema de control realimentado es aquel que tiende a

mantener una relación preestablecida entre la salida y alguna entrada de
referencia, comparándolas y utilizando la diferencia como medio de control. Matlab
permite realizar dicha realimentación con los siguientes comandos:

sys = feedback (sys1, sys2)

El modelo en lazo cerrado sys tiene un vector de entrada y otro de salida, y esta
función determina una realimentación negativa como la de la figura. Los modelos
sys1 y sys2 deben ser continuos.

Período: 2019-A | http://ciecfie.epn.edu.ec/wss/VirtualDirectories/80/Enlaces/LABORA.htm

 LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO

Fig. 3. Realimentación Negativa representación de la función feedback

sys = feedback (sys1, nsys2, feedin, feedout)

En la mayoría de sistemas de control realimentado es común la presencia de

perturbaciones o señales que tienden a afectar adversamente el valor de la salida,
pueden ser internas o externas. Esto implica señales que ingresan al sistema, pero
que no se realimentan, así:

Fig. 4. Sistema realimentado con otras señales

El vector feedin contiene índices dentro del vector de entrada de sys1 y especifica
cuales entradas u son afectadas en el lazo de realimentación. Similarmente,
feedout especifica cuales salidas y de sys1 son usadas en la realimentación. El
modelo LIT resultante sys tiene el mismo número de entradas y salidas que sys1.

3.1.3 Conexiones más frecuentes en Sistemas de Control.

Cuando el comportamiento dinámico de un sistema no es satisfactorio, esto es, no

cumple las especificaciones de respuesta transitoria y en estado estable a fin de
obtener un funcionamiento satisfactorio es posible utilizar compensación en serie,
que a breves rasgos implica colocar en serie con la planta un compensador cuya
función de transferencia Gc puede implicar desde una variación de ganancia hasta
complejas redes de adelanto o atraso, etc. Esto es posible siempre y cuando exista
realimentación de tal forma que Gc procese la señal de error. Las conexiones más
comunes en los sistemas de control clásicos son:

Período: 2019-A | http://ciecfie.epn.edu.ec/wss/VirtualDirectories/80/Enlaces/LABORA.htm

 LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO

Fig. 5. Compensación en Serie

Fig. 6. Compensación de Retroalimentación o en Paralelo

Generalmente, en el análisis y diseño de sistemas de control se ha de tener una

base de comparación del desempeño de diversos sistemas de control, la misma
que se configura especificando las señales de entrada de prueba particulares y
comparando las respuestas de varios sistemas a estas señales de entrada.
MATLAB permite utilizar señales de prueba típicas para comparar sistemas, como
señales paso, rampa, etc. Esta función reproduce una figura con la respuesta de
sys a la entrada Paso:

step(sys) % Respuesta Escalón Unitario (paso)

Este comando se aplica a un sistema en lazo cerrado, es decir un sistema con

realimentación.

3.2. Funciones para la Conversión de Modelos LIT utilizando MATLAB

Existen cuatro tipos de modelos linealmente invariantes en el tiempo LTI que

pueden utilizarse con la librería de Sistemas de Control, que son TF (función de
transferencia), ZPK (ceros, polos y ganancia), SS (espacio de estados) y FRD
(respuesta en frecuencia). Es posible realizar la conversión de un modelo a otro,
en forma explícita, para un modelo dado sys con la siguiente sintaxis:

sys1 = tf (sys) % Conversión a TF

sys2 = zpk (sys) % Conversión a ZPK
sys3 = ss (sys) % Conversión a SS
sys4 = frd (sys, frequency) % Conversión a FRD

Período: 2019-A | http://ciecfie.epn.edu.ec/wss/VirtualDirectories/80/Enlaces/LABORA.htm

 LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO

Para el último caso, frecuency es un vector de frecuencias usada como argumento

de entrada cuando se realiza la conversión al modelo FRD.

Matlab en ocasiones realiza conversiones automáticas ya que existen varios

comandos que requieren de un modelo específico como parámetro de entrada así
que antes de realizar la función indicada por el comando realiza la conversión.
Estas conversiones pueden ser utilizadas tanto para sistemas sencillos con una
única entrada y única salida (SISO) como para sistemas de múltiples entradas y
salidas (MIMO).

3.1.4 Obtención de datos de una función de transferencia

• [A, B, C, D] = ssdata(SYS): Permite obtener las matrices de estado del

sistema SYS
• [NUM, DEN] = tfdata(SYS,'v'): Obtiene el numerador y denominador del
sistema SYS
• [Z, P, K]=zpkdata(SYS,’v’): Obtiene los polos, ceros y la ganancia, como
vectores
• P=pole(SYS): Obtiene los polos de la función de transferencia como un
vector
• Z=zeros(SYS): Obtiene los ceros del sistema como un vector
• S = esort(P): Ordena un vector columna de polos en forma descendente de
acuerdo a la parte real, los polos inestables se presenta primero
• S = dsort(P): Ordena un vector columna de polos en forma descendente de
acuerdo a la magnitud, los polos inestables se presenta primero
• pzmap(SYS): Dibuja la ubicación de los polos y ceros del sistema.
• sgrid: Dibuja una grilla de acuerdo al factor de amortiguamiento ξ

3.3. Conversión Continua/Discreta para modelos LTI

Los sistemas de control discreto difieren de los sistemas de control en tiempo

continuo en que las señales en uno o más puntos del sistema son, ya sea en forma
de pulsos o un código digital. Pueden ser sistemas de control de datos muestreados
y de control digital, en el primer caso, el sistema únicamente recibe datos o
información intermitente en instantes específicos, mientras que para el segundo
caso implica el uso de una computadora o un controlador digital en el sistema. Es
posible encontrar el equivalente discreto de una planta a fin de implementar un
control digital, trabajando en el dominio de z, con un tiempo de muestreo adecuado.
Existen varios métodos para discretizar una señal, en Matlab se puede aplicar los
siguientes: retenedor de orden cero (zoh), retenedor de primer orden (foh),
discretización de impulso invariante (imp), Aproximación Bilinear Tustin (tustin) y
Mapeo de Polos y Ceros (matched)

Período: 2019-A | http://ciecfie.epn.edu.ec/wss/VirtualDirectories/80/Enlaces/LABORA.htm

 LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO

Para discretizar de los modelos invariantes en el tiempo TF, SS o ZPK, es posible

utilizar la instrucción:

sysd=c2d(sysc, Ts, ‘método’)

Donde:

sysd =sistema discreto

sysc = sistema continuo
Ts = período de muestreo en segundos
sysc= sistema continuo en el tiempo
método =zoh, foh, imp, tustin o matched
Por defecto cuando el método es omitido se usa el ‘zoh’.

Viceversa, para convertir un sistema discreto a uno continuo:

sysc = d2c(sysd,método)

En forma similar el método de conversión utilizará el equivalente propio de zoh,

tustin, o matched.

4. TRABAJO PREPARATORIO
Sistemas a considerar:

Sistema 1: Sistema 2:

Para el sistema de dos tanques, Para el sistema de suspensión de un

considerar que la entrada del sistema es automóvil, considerar que la entrada
el flujo 𝑞1 , y las salidas son las alturas del sistema es el desplazamiento W;
ℎ1 y ℎ2 y las salidas del sistema son los
desplazamientos X1 y X2

X1 MASA SUSPENDIDA (M1)

k1 b1

X2 MASA AMORTIGUADOR (M2)

k2 b2
MUELLE DEL
NEUMÁTICO
W

Período: 2019-A | http://ciecfie.epn.edu.ec/wss/VirtualDirectories/80/Enlaces/LABORA.htm

 LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO

Para los dos sistemas descritos:

4.1. Obtener el modelo de los sistemas en ecuaciones diferenciales.

4.2. Representar los sistemas en diagrama de bloques.
4.3. Representar los sistemas en diagrama de flujo.
4.4. Determinar la función de transferencia de los sistemas.
4.5. Determinar el modelo en variables de estado de los sistemas.
Nota. Para la obtención del modelo del sistema considerar condiciones iniciales nulas.

4.6. ¿Qué representaría físicamente la señal paso unitario en cada uno de los sistemas?

4.7. Consultar comandos en Matlab que permitan ejecutar archivos implementados en

SIMULINK.

5. EQUIPO Y MATERIALES

• Computadores con el software de simulación Matlab.

6. PROCEDIMIENTO
Para el sistema 2 (suspensión de un vehículo), considerar:

𝑀1 = 200 𝐾𝑔
𝑀2 = 8 𝐾𝑔
𝐾1 = 15825 𝑁/𝑚
𝐾2 = 163250𝑁/𝑚
𝑏1 = 1200 𝑁/𝑚
𝑏2 = 150 𝑁/𝑚

6.1. Implementar en Simulink la representación en diagramas de bloques y obtener la

respuesta ante una entrada paso.

6.2. Implementar en Simulink la función de transferencia y obtener la respuesta ante

una entrada paso.

6.3. Implementar en Simulink la representación del modelo en variables de estado,

mediante el bloque State-Space y obtener la respuesta ante una entrada paso.

6.4. Comparar y comentar los resultados obtenidos, en 6.1, 6.2 y 6.3

Período: 2019-A | http://ciecfie.epn.edu.ec/wss/VirtualDirectories/80/Enlaces/LABORA.htm

 LABORATORIO DE SISTEMAS DE CONTROL AUTOMÁTICO

6.5. Variar los parámetros del sistema y las condiciones iniciales e interpretar las
respuestas obtenidas.

6.5.1 ¿Cómo ha cambiado cada variable de estado al cambiar los parámetros?

6.5.2 ¿Cómo han influenciado los parámetros en la salida del sistema?

7. INFORME
Para el sistema de la figura 1 (sistema de tanques), considerar que el flujo es agua y
desarrollar lo siguiente:

7.1. Implementar en Simulink la representación en diagrama de bloques.

7.2. Implementar en Simulink la representación en función de transferencia.

7.3. Implementar en Simulink la representación del modelo en variables de estado.

7.4. Desarrollar un archivo .m que permita realizar lo siguiente.

7.4.1 Ingresar por teclado los valores de sección transversal, altura máxima, y el
radio de salida de cada uno de los tanques.
7.4.2 Simular (directamente desde el archivo .m) los archivos de Simulink
implementados en 7.1, 7.2 y 7.3 y en cada uno de los casos obtener la
respuesta ante una entrada paso

7.5. Simular el archivo .m desarrollado, para dos valores diferentes de cada una de las
variables, comparar y comentar los resultados.

7.6. Conclusiones y Recomendaciones

7.7. Bibliografía.

8. REFERENCIAS
DORF R., BISHOP R., “Modern Control Systems”, 16th Ed., Prentice-Hall, USA, 2016.
NISE N. "Control Systems Engineering". 7th. Ed. Wiley, USA, 2013

Elaborado por: Ing. Israel Paredes, MSc.

Ing. Jhon Pilataxi

Revisado por: Ing. Yadira Bravo, MSc.

Período: 2019-A | http://ciecfie.epn.edu.ec/wss/VirtualDirectories/80/Enlaces/LABORA.htm