Anlisis de

Procesos Dinmicos
Anlisis en el Espacio
de Estados

Espacio de Estado
d (t )
g
d (t )
c (t ) sin (t ) p (t ) , (t )
dt
l
dt

g
l

(t)

(t ) c (t ) sin (t ) p(t )
(t ) (t )

x (t )

g
x
c sin p (t )

l
4

x f x, u

-1

-2

-3

-4
-4

-3

-2

-1

Ciclos Lmites
Oscilador de Van Der Pol

El oscilador de Van der Pol puede mostrar un comportamiento

catico con una forzante sinusoidal.
En este caso el amortiguamiento no-lineal es = 8.53, mientras
que la amplitud de la forzante es A = 1.2 y su frecuencia angular
= 2 / 10.

Dinmicas Caticas
Atractor de Lorenz

es nmero de Prandtl y es el nmero de Rayleigh. Los parmetros , , son positivos no nulos, usualmente = 10, =
8 / 3 y vara. Este sistema exhibe un comportamiento catico para = 28 pero muestra rbitas peridicas anudadas para
otros valores de . Por ejemplo, con = 99.96 se convierte en un T(3,2) nudo toroidal.
Cuando 0 y (-1) 0, las ecuaciones generan tres puntos crticos. El punto crtico en (0,0,0) corresponde a ausencia de
conveccin, y los otros puntos crticos corresponden a conveccin estacionaria. Son estables solo si:

, lo cual se da solo para valores positivos de si > + 1.

http://en.wikipedia.org/wiki/Lorenz_attractor

Linealizacin
x f x,u, t

Ecuacin de estado general

Si el proceso es invariante en el tiempo

x f x, u

Desarrollando en serie de Taylor el lado derecho:

x f (x0 , u 0 )

f (x, u)
x x0 f (x, u) u u0
x x0 ,u0
u x0 ,u0

Despreciando los trminos de orden superior obtenemos una ecuacin de estado lineal

x(t ) f (x0 , u0 )

f (x, u)
f (x, u)
x(t ) x0
u(t ) u0
x x0 ,u0
u x0 ,u0

Y si tomamos una condicin de equilibrio para el desarrollo en serie:

x(t ) x ,u 0 f (x0 , u0 ) 0 x (t ) A x (t ) Bu (t )
0

, en donde

f (x, u)
f (x, u)
, B
,
x x0 ,u0
u x0 ,u0

x (t ) x(t ) x0

, u (t ) u(t ) u 0

Llamando x(t) y u(t) a los incrementos respecto del punto de equilibrio obtenemos la forma
general de la ecuacin de estado lineal pra un sistema genrico (MIMO = Multiple Inputs,
Multiple Outputs)

x(t ) A x(t ) B u(t )

Que expandida tiene

la forma

Aplicando Laplace

x1 (t )
a11 a12
x (t )
a
2
21 a22
.
.

.
.
.
.

xn (t )
an1 an 2

.
.

.
.

.
.

a1n x1 (t ) b11
a2 n x2 (t ) b21
. . .

. . .
. . .

ann xn (t ) bn1

sX(s) x(0) A X(s) B U(s) X(s) sI A

Definiendo la Matriz de Transicin de Estados como:

.
.

b1m
b2 m
u (t )
. 1

.
u (t )
. m

bnm

x(0) B U(s)

(t ) 1 ( s)
( s) sI A

(0)
((t)B)u
Bu
X( s) ( s)x(0) ( s)B U( s) x(xt )(t) ((tt))xx(0)
0
(t()d) d
t

Efecto del desequilibrio

Efecto de las entradas

Analicemos la transformada de Laplace de la matriz de transicin de estados

Adj sI A

( s ) sI A
1

sI A

11 ( s)

n1 ( s)

1n ( s)

nn ( s)

Cada elemento de esta matriz es una funcin racional de s, y tiene el

mismo denominador

ij ( s ) sI A
1

Adj ji sI A
sI A

bn 1s n 1 bn 2 s n 2 ... b0
n
s an 1s n 1 an 2 s n 2 ... a0

Toda funcin racional puede expandirse en fracciones parciales en base a las races
del denominador, que solo podrn ser valores reales o pares complejos conjugados si
los coeficientes de los polinomios son nmeros reales.

ij ( s)

c1
c
2
s p1 s p2

ck

s 2 k nk s nk
2

Anlisis de
Procesos Dinmicos
Funcin de Transferencia

Si adems de la ecuacin de estado consideramos la ecuacin de salida, el modelo queda:

x(t ) A x(t ) B u(t )

y (t ) C x(t ) Du(t )
La ecuacin de salida es una ecuacin algebraica. Aplicando Laplace, considerando
un estado inicial de equilibrio ( x(0) = { 0 } ) y reemplazando X(s) por lo hallado
anteriormente:

Y(s) CX(s) DU(s) Y(s) C sI A B U(s) DU(s)

1

de donde extraemos la Matriz de Transferencia, que relaciona la transformada

de Laplace de las entradas con la de las salidas cuando el estado inicial es un estado
de equilibrio:

G(s) C sI A B D Y(s) G(s) U( s)

1

G(s) es una matriz de funciones

racionales a las que llamamos
Funcines de Transferencia

Y1 ( s)
G11 ( s) G12 ( s)
Y ( s)
G ( s ) G ( s )
22
2
21
.
.

.
.
.
.

Yk ( s)
Gk1 ( s) Gk 2 ( s)

.
.

.
.

.
.

G1m ( s)
G2 m ( s) U1 ( s)
. .

. .

. U m ( s)

Gkm ( s)

Considerando una determinada entrada y una determinada salida lo que tenemos es una
Funcin de Transferencia en prticular, que sabemos es de la forma:

bm s m bm1s m1 ... b0
Gij ( s) n
s an 1s n1 an 2 s n2 ... a0

mn

en donde el denominador es el polinomio caracterstico de la matriz A

Desarrollando en fracciones parciales:

bm s m bm 1s m 1 ... b0
G(s) n
s an 1s n 1 an 2 s n 2 ... a0
K

s z1 s z2
s p1 s p2 s 2 2kn s n 2
k

c1
c
2
s p1 s p2

ck

s 2 k nk s nk
2

Los residuos del desarrollo (coeficientes cj) se calculan haciendo:

c j G(s) (s p j )

s p j

Para los polos complejos conjugados los residuos resultan ser conjugados, y para los
polos de orden mltiple el desarrollo en fracciones parciales queda:

G( s)

s p1

r1
r2

2
s p1 s p1

rk

s p1

Obtencin Directa de la Funcin de Transferencia

(t ) C(t )

g
sin (t ) f (t )
l

g
(t ) C(t ) (t ) f (t )
l

g
s 2 ( s ) (0) (0) C s ( s ) (0) ( s) F ( s)
l
g
g

s 2 ( s ) cs ( s ) ( s ) s 2 cs ( s ) F ( s )
l
l

( s)
G( s)
F ( s)

1
s 2 cs

g
l

( s ) G ( s ) F ( s )

e nt

(t ) 1

sin( d t tg

1 2

Step Response
1.5

Im(s)

Amplitude

Re(s)

0.5

10

Time (sec)

G( s) k

s z1 s z 2 s z N
s p1 s p2 s p N

cN
c1
c2

s p1 s p 2
s pN

12

Anlisis de
Procesos Dinmicos
Anlisis de Respuesta en
Frecuencia

Respuesta en Estado Estacionario a una Entrada Senoidal

Representacin Grfica de la Funcin de

Respuesta en Frecuencia

Anlisis de
Procesos Dinmicos
Anlisis Espectral de Seales

Funciones Peridicas Serie de Fourier

f (t ) a 0 [a n cos(n 0 t ) bn sen(n 0 t )]
1
2

n 1

T /2

a0

2
T

f (t )dt

T / 2
T /2

bn

2
T

2
T

f (t ) cos(n t )dt

T / 2

T /2

f (t )sen(n t )dt

T / 2

Puede verse que los coeficientes surgen

de realizar el producto escalar entre la
funcin f(t) con una funcin g(t) que ser
en este caso sen(n0t) o cos(n0t) segn
cual de los coeficientes estemos tratando
de determinar.

f(t)

an

0
-1
-2

24p

-30

50

100

150

200

f(t) = 1 + cos(t/3) + cos(t/4)

Tambin se puede escribir como:

f (t ) c0 rn cos(n 0 t n ) , rn a b
2
n

n 1

, o en forma compleja:

f (t ) c0 c n e jn0t
n 1

, cn

1
T

2
n

bn
, n tg
an
1

f (t )e jn0t dt

Se puede demostrar que:

cn

rn
e
2

j n

1
an jbn
2

Al utilizar seno y coseno para cada frecuencia obtenemos la coincidencia o

similitud de la armnica respecto de la seal en cuanto a forma y la fase con
la cual se maximiza dicha coincidencia.

Dada una funcin peridica f(t), le corresponde una y slo una serie de Fourier,
es decir, le corresponde un conjunto nico de coeficientes cn.
Por ello, los coeficientes cn especifican a f(t) en el dominio de la frecuencia
de la misma manera que f(t) especifica la funcin en el dominio del tiempo.

Ejemplo - Onda Cuadrada

f (t )

sen(0t ) 13 sen(30t ) 15 sen(50t ) ...

1.5
1
0.5
0
-0.5
Suma
fundamental
tercer armnico
quinto armnico
septimo armnico

-1
-1.5

-1

-0.5

0.5

1.5

Serie con 1 armnico

1.5

0.5

0.5

-0.5

-0.5

-1

-1

-1.5
-1

1.5

-0.5

0.5

Serie con 3 armnicos

-1.5
-1

1.5

0.5

0.5

-0.5

-0.5

-1

-1

-1.5
-1

-0.5

0.5

-1.5
-1

Serie con 5 armnicos

-0.5

0.5

Serie con 7 armnicos

-0.5

0.5

1.5

Serie con 13 armnicos

1.5

0.5

0.5

-0.5

-0.5

-1

-1

-1.5
-1

1.5

-0.5

0.5

Serie con 100 armnicos

1
0.5
0
-0.5
-1
-1.5
-1

-0.5

0.5

-1.5
-1

Serie con 50 armnicos

-0.5

0.5

Potencia de una Seal - Teorema de Parseval

Definimos la energa de la seal en un perodo como:
T /2

f (t ) 2 dt

T / 2

Definimos potencia como la energa de un ciclo dividida por su perodo.

Esta potencia promedio se puede determinar a partir de los coeficientes
de la serie mediante la relacin de Parseval:
T /2
1
T

f (t ) 2 dt

T / 2

cn

Los coeficientes nos indican como la potencia total de la seal se

distribuye entre las diferentes armnicas. Al filtrar armnicas le quitamos
potencia a la seal.

Transformada de Fourier
Analicemos que pasa con un tren de pulsos cuando aumentamos su
frecuencia de forma progresiva. Comenzamos con un perodo igual al
doble del ancho del pulso:
f(t)

...
.

f (t ) 1
0

T
2
p
2
p
2

-T

t
t
t

-T/
2
-p/
2

p
2
p
2
T
2

p/
2

T/
2

T ..

p
sen
(
n

p
0 2)
cn ( T )
(n0 2p )

La distribucin espectral para el tren de pulsos con p=1, T=2 es:

0.6

0.4

0.2

-0.2

-60

-40

-20

20

40

60 w=nw

Si el periodo del tren de pulsos aumenta:

1.5

p=1, T=2

f(t)

0.5
0
-20

-10

1.5

10

20

10

20

p=1, T=5

f(t)

1
0.5
0
-20

-10

1.5

p=1, T=10
f(t)

1
0.5
0
-20

-10

10

20

10

20

1.5

p=1, T=20
f(t)

1
0.5

0
-20

-10

p=1, T=2

cn

0.6
0.4
0.2

=n0

-0.2

0.3

p=1, T=5

0.2

0.1
0
-0.1

-50

0.15

p=1, T=10

0.1
0.05
0
-0.05

50

En el caso lmite para T la distribucin espectral se vuelve continua:

1.5

p=1, T=
f(t)

1
0.5

0
-20

-10

10

20

El razonamiento anterior nos lleva a reconsiderar la expresin de una funcin f(t) no peridica en el
dominio de la frecuencia, no como una suma de armnicos de frecuencia n0, sino como una funcin
continua de la frecuencia .

f (t )

As, la serie

c e

jn0 t

Al cambiar la variable discreta n0 (cuando T) por la variable continua , se transforma en una

integral de la siguiente manera:
T /2

cn

1
T

f (t )e

jn0t

dt

T / 2

1 T /2
jn0t
jn0t
f (t ) T f (t )e
dt e
21p
n T / 2
n

jn0t
jn0t
f
(
t
)
e
dt
0 e

T / 2

T /2

jt
jt
f (t )e dte d

Si T, n0 y 0d, la sumatoria se convierte en:

, lo que podemos escribir como:

f (t )

1
2p

F ( )e d
jt

f (t )

1
2p

F ( )

, en donde:

f (t )e jt dt

En base a esto definimos la Transformada de Fourier y su Inversa como:

f (t ) F ( )

f (t )e

jt

dt

F ( ) f (t )
1

1
2p

jt
F
(

)
e
d

Teorema de Parseval en Tiempo Discreto

Definimos la energa de la seal en un perodo como:

E NFs f k
2

2
n

La potencia ser:

E
1
P
T NFs

cn

Los coeficientes nos indican como la potencia total de la seal se

distribuye entre las diferentes armnicas. Al filtrar armnicas le quitamos
potencia a la seal.

Anlisis de
Procesos Dinmicos
Anlisis en Tiempo Discreto

Muestreo
Seal continua

Seal muestreada

Seal muestreada
y quantizada

Teorema del Muestreo

Para poder reconstruir una senoidal a partir de un muestreo de la misma, la frecuencia
de muestreo debe ser mayor al doble de la frecuencia de esta senoidal:

y * (nTs ) A sen(nTs ) A sen(2np

y (t ) A sen(t ) ,

s 2
Cumplir esta desigualdad permite resolver la
ambigedad que surge entre el muestreo de
la seal original y el de otras senoidales de
diferente frecuencia que produciran el mismo
muestreo.
Podemos decir que necesitamos que todo el
contenido espectral est en una banda de
frecuencia conocida dentro de algn intervalo

n , n 1
nq

nq

, nq

En el caso lmite en el cual la frecuencia de muestreo es

exactamente igual al doble de la frecuencia de la senoidal
puede observarse una ambigedad en la determinacin
de fase y amplitud.

s )

Transformada Discreta de Fourier

Para seales muestreadas la Transformada se convierte en una sumatoria que recuerda la
serie de Fourier, pero en este caso no es una suma infinita .
N

F (n) f (t k )e

j 2Npn ( k 1)

para1 n N

k 1

N es la cantidad de muestras.
De esto obtenemos una distribucin espectral discreta a intervalos s/N, en donde s es la
frecuencia de muestreo, s=2fs =2/Ts

Ecuacin de Estado Discreta

Sea la ecuacin de estado lineal:

x(t ) A x(t ) B u(t )

y (t ) C x(t ) Du(t )

Aplicando Laplace, despejando y anti-transformando obtenemos la solucin:

t

X( s) ( s)x(0) ( s)B U( s) x(t ) (t ) x(0) ( )B u(t ) d

( s ) sI A

(t ) ( s)
1

Tomando t = Ts (intervalo de muestreo) y asumiendo que u(t) solo

cambia en los instantes de muestreo y se mantiene constante en
este intervalo:

x k 1 A d x k B d u k

Ts

A d (Ts ) , B d ( ) d B
0

Que es la Ecuacin de Estado Discreta o modelo estroboscpico de la dinmica

descripta por la ecuacin de estado para tiempo continuo.
Notar que aunque Ad y Bd son matrices de constantes, sus valores dependen del tiempo de muestreo Ts

Transformada Z
Matemticamente podemos expresar una seal muestreada como el producto de la seal
continua con un tren de impulsos unitarios (expresado esto ltimo como una sumatoria de
funciones delta de Dirac desplazadas en el tiempo).

y* (t ) y(t ) (t nTs ) y(nTs ) (t nTs )

n

Si aplicamos transformada de Laplace a la seal muestreada obtenemos lo siguiente.

st
y (t ) y (nTs ) (t nTs ) e dt y (nTs ) (t nTs ) e snTs dt
n 0 0

0 n 0

y (nTs )e sTs n
n 0

Si definimos una nueva variable compleja z de la siguiente forma:

ze

sTs

Z y (t ) y (nTs ) z n
n 0

Los coeficientes de la serie que resulta de aplicar transformada Z a una funcin son los
valores de la funcin en los sucesivos instantes de muestreo:

Z y (t ) y (0) y (Ts ) z 1 y (2Ts ) z 2 y (3Ts ) z 3

y0 y1 z 1 y2 z 2 y3 z 3
Dado que la transformada Z es una sumatoria, resulta ser distributiva respecto de la suma y
del producto por una constante (es decir, es una aplicacin lineal):

Z f (t ) g (t ) f (nTs ) g (nTs )z n Z f (t ) Z g (t )
n 0

Z a f (t ) a f (nTs ) z n a Z f (t )
n 0

Y la propiedad mas importante para nosotros est relacionada con el desplazamiento en el

tiempo:

Z f (t Ts ) f n 1Ts z

( n 11)

n 0

Z f (t Ts ) f n 1Ts z
n 0

f (kT ) z

k n 11
( n 11)

z z Z f (t ) z f (0)

f (kTs ) z k z 1 z 1 Z f (t )
k 1

Matriz de Transferencia Discreta

Aplicando Transformada Z a la ecuacin de estado discreta:

Z x k 1 Z A d x k B d u k

z Z x z x(0) A d Z x B d Z u

X( z ) zI A d

z x(0) B d U( z)

Combinando esto con la ecuacin de salida y considerando condiciones iniciales nulas

podemos obtener una matriz de transferencia discreta:

Y( z ) C zI A d B d D U( z )
1

Puede notarse que la matriz de transferencia discreta tiene la misma forma matemtica
que la matriz de transferencia continua; y por lo tanto sus elementos son cocientes de
polinomios en z.
Dado que la transformada Z inversa tambin es distributiva respecto de la suma, todo lo
dicho sobre la aplicacin del principio de superposicin para modelos lineales en tiempo
continuo aplica al modelo correspondiente para tiempo discreto

Relacin entre el Plano S y el Plano Z

ze

TS s

2p Re( s )

j 2p Im( s )