Sec Tema 4 Control Digital 1314a Ocw-5203 PDF

Sistemas Electrónicos de Control
Curso 2013/2014-1
Tema 4. Control digital
Profesora: Rosa Mª Fernández-Cantí

Contenido
1. Control digital .......................................................................................................................................... 3
1.1 Transformada Z ................................................................................................................................. 3
1.1.1 Definición y propiedades .......................................................................................................... 3
1.1.2 Teorema del valor inicial (TVI) y teorema del valor final (TVF)............................................. 4
1.1.3 Solución de E (lineales y de coeficientes constantes) en el dominio z ................................... 4
1.2 Respuesta temporal de los sistemas discretos ................................................................................... 4
1.3 Respuesta frecuencial de los sistemas discretos................................................................................ 9
1.4 Métodos de discretización ............................................................................................................... 10
1.4.1 Aproximaciones numéricas (I). De la derivada ..................................................................... 11
1.4.2 Aproximaciones numéricas (II). De la integral...................................................................... 12
1.4.3 Transformación bilineal (I) ..................................................................................................... 13
1.4.4 Transformación bilineal (II). Prewarping .............................................................................. 13
1.4.5 Invariancia de la respuesta temporal (I). Impulsional ............................................................ 14
1.4.6 Invariancia de la respuesta temporal (II). Indicial ................................................................. 15
1.4.7 Transformación directa (mapping) de ceros y polos finitos ................................................... 16
1.5 Discretización de reguladores PID ................................................................................................. 19
1.6 Análisis de controladores digitales ................................................................................................. 22
1.6.1 Lugar geométrico de las raíces ............................................................................................... 22
1.6.2 Análisis de estabilidad. Criterio de Jury ................................................................................ 24
1.7 Diseño de controladores digitales ................................................................................................... 26
1.7.1 Controlador dead beat ............................................................................................................. 26
1.7.2 Controlador de Kalman .......................................................................................................... 27
1.7.3 Controlador de Dahlin ............................................................................................................ 29
1.8 Ejercicios resueltos ......................................................................................................................... 30
2. Control digital de 2 grados de libertad................................................................................................. 34
2.1 Controlador RST digital .................................................................................................................. 34
2.1.1 Configuración RST ................................................................................................................. 34
2.1.2 Funciones de sensibilidad ....................................................................................................... 36
2.2 Conformación de las funciones Syp y Sup ......................................................................................... 37
2.2.1 Propiedades de la función de sensibilidad de la salida Syp...................................................... 37
2.2.2 Propiedades de la función de sensibilidad de la entrada Sup ................................................... 42
2.2.3 Plantillas para las funciones de sensiblidad ............................................................................ 43
2.2.4 Descripción de la incertidumbre. Condiciones de estabilidad robusta................................... 44
2.2.5 Plantillas para el margen de módulo y de retardo en Syp ........................................................ 45
2.3 Control digital de dos grados de libertad ....................................................................................... 46
2.4 Fijación de polos (para seguimiento y regulación) ......................................................................... 46
2.4.1 Formulación del problema ...................................................................................................... 47
2.4.2 Solución del problema ............................................................................................................ 47
2.4.3 Ejemplo .................................................................................................................................. 49
2.5 Seguimiento y regulación con objetivos independientes ................................................................. 50
2.5.3 Ejemplos ................................................................................................................................. 52
2.6 Internal model control (IMC) .......................................................................................................... 55
2.6.3 Ejemplo .................................................................................................................................. 58
2.7 Fijación de polos para conformar las funciones de sensibilidad .................................................... 60
2.8 Ejercicio resuelto ............................................................................................................................ 61
ETSETB. Sistemas Electrónicos de Control 1314a 2

1. Control digital
Formas equivalentes de describir un sistema dinámico
Todo filtro, controlador o sistema dinámico puede ser descrito de diversas maneras, cada una con
sus ventajas propias pero equivalentes entre sí, siendo la de Ecuaciones de Estado (EE) la más
general.
Continuo Discreto
Ecuación diferencial (ED) Ecuación en diferencias (E)
Función de transferencia H(s) Función de transferencia H(z)
Respuesta frecuencial H(j) Respuesta frecuencial H(ejT)
Ecuaciones de estado en t, EE(t) Ecuaciones de estado en n, EE(n)
Tabla 1
1.1 Transformada Z
1.1.1 Definición y propiedades
En los sistemas discretos en el tiempo se usa la variable de tiempo discreto n en vez de la variable
de tiempo continuo t y se utiliza la transformada Z en lugar de la transformada de Laplace. Notar
las similitudes y diferencias entre ambas transformadas:
La transformada Z se define como:


 Unilátera: Y ( z )  Z  y ( n)   y ( n) z n
n0

 Bilátera: YII ( z )  Z II  y ( n)   y ( n) z n
n  
En cuanto a las propiedades, la relación entre un retardo en n y en el dominio transformado Z es:
z 1   (n  1)
siendo  la delta de Kronecker.
Filtro generador
z
La función de transferencia H(z) del filtro generador de la señal y(n) = an es H ( z )  ya que,
za
al excitar dicho filtro con un impulso u(n) = (n), la salida del mismo es
 z 
y ( n)  Z 1 Y ( z )  Z 1 H ( z )U ( z )  Z 1   1  a n , n  0.
z  a 

Si a>1, este filtro presenta un polo inestable (exterior al círculo unitario centrado en el origen del
plano z) de valor p = a.
1.1.2 Teorema del valor inicial (TVI) y teorema del valor final (TVF)
Sistemas discretos:
1
TVI: y (1)  lim y (n)  lim(1  z )Y ( z )  lim Y ( z )
n1 z  z 
1
TVF: y ()  lim y (n)  lim(1  z )Y ( z )
n  z 1
1.1.3 Solución de E (lineales y de coeficientes constantes) en el dominio z

Dada la ecuación en diferencias (E):
y (n  3)  a1 y (n  2)  a 2 y (n  1)  a 3 y (n)  b1u (n) ,
con las condiciones iniciales (CI): y (0) , y (1) , y ( 2) ,
la solución se obtiene a partir de los pasos siguientes:
1) Aplicar Z[ ] a ambos lados de la ecuación.
N ( z)
2) Despejar Y ( z )  (función racional).
D( z )
Y ( z)
3) Descomponer en suma de fracciones simples (de primer orden):
z
A1 A2 A3
Y ( z)  z z z .
z  p1 z  p2 z  p3
3.1) Hallar los polos (raíces de D(z)): p1, p2, p3.
3.2) Hallar los residuos Ai  Y ( z )( z  p i ) z  p . (Nota: si los polos son complejos, conviene
i
determinar los residuos gráficamente a partir del diagrama de polos y ceros)

4) Aplicar Z-1[ ].
 zA 
4.1) Polo real (p = r): Z 1    Arn.
z  r
 zA zA * 
4.2) Polos complejos: Z 1     2  A  r  cos(n  A) ; ( p  r , p*  r   )
n
 z  p z  p * 
1.2 Respuesta temporal de los sistemas discretos
La correspondencia entre los resultados para sistemas en tiempo continuo y sistemas en tiempo
discreto es la siguiente:

Continuo (tiempo: t) Discreto (tiempo: n)

Transformada Laplace, H(s) Z, H(z)
Polo real p 1 z 1

s p z  p 1  pz 1
Modo natural e pt pn
asociado al polo
real p
Ganancia en H (0) H (1)
continua
Eje de Frecuencia:  rad/s Frecuencia:  rad
frecuencias Eje imaginario del plano Círculo unitario (c.u.) centrado en el
complejo, j origen en el plano complejo
Respuesta H ( s ) s  j  H ( j ) H ( z ) z e j  H (e j )
frecuencial
En sistemas muestreados:   Ts
Región de Semiplano izquierdo (SPI) del Interior del c.u.
estabilidad plano complejo
Teorema del lim sY ( s ) lim(1  z 1 )Y ( z )
s0 z 1
valor final
(TVF)
Teorema del lim sY ( s ) lim(1  z 1 )Y ( z )
s 
valor inicial z 
(TVI)
Constantes de k p  lim L( s ) k p  lim L( z )
s 0 z 1
error en régimen
permanente k p  lim sL( s ) 1  z 1
s 0 k p  lim L( z )
s 0 Ts
ka  lim s 2 L( s )
s 0
ka  lim
1  z  1 2
L( z )
s 0 Ts2
Tabla 2
En sistemas muestreados, la relación de frecuencias es   Ts , donde  es la frecuencia del

sistema discreto/muestreado (en rad),  es la frecuencia del sistema analógico y Ts es el periodo de
muestreo. Notar que la relación exacta entre los planos s y z en sistemas muestreados es
1
z  e sTs , s ln z
Ts
Transformada Z directa y región de convergencia (ROC)
Dadas las muestras de la respuesta impulsional h(n) de un sistema., su transformada Z (unilátera) es:

H ( z )  Z h( n )   h( n ) z n
n 0

Transformada básica
Dada la señal u ( n )  a n , n  0 , su transformada Z es
1  az 1 

 
 
  az  1
U ( z )  Z u( n )   a z
n n 1 n
 1
 si az 1  1 
n 0 n 0 1  az 1  az 1
La condición az 1  1 (o equivalentemente z  a ), necesaria para que la transformada tenga una

expresión cerrada, define la llamada región de convergencia (ROC, region of convergence).
Para el análisis de estabilidad nos fijamos en el círculo unitario z  1 puesto que

 si a  1 la señal a n crece fuertemente con el tiempo n (inestabilidad)
 si a  1 la amplitud de la señal a n se mantiene constante con el tiempo n (oscilación
sostenida)
 si a  1 la señal a n decrece con el tiempo n (estabilidad)
Por ello se dice también que un modo natural asociado al polo de un sistema es estable si su ROC
incluye al c.u.
Tabla de transformadas Z
Modo natural
an
 z
Z an 
za
Escalón unitario
1n
Z 1n   
z

1
z  1 1  z 1
Rampa unitaria z
n (muestreo a Ts) Ts
 z  1
2
Tabla 3
Ejemplo 1. Transformada Z directa. Hallar la transformada Z unilátera de u (n)  cos( n) .
e j n  e  j n
Puesto que u (n)  cos( n)  podemos calcular su transformada como
2
1 z z 
U ( z)   
2 z e j
z  e  j 
Agrupando términos,
z z  e  j  z  e j z ( z  cos  )
U ( z)   2
2 z  z (e  e )  1 z  2 z cos   1
2 j  j

Transformada Z inversa
Cada factor z-1 puede interpretarse como una delta de Kronecker decalada una muestra (Nota: la
delta de Kronecker (n) vale 1 en n=0 y vale 0 para el resto de valores de n).
Por ejemplo, la transformada Z inversa de la señal

z
Y ( z)   1.2 z  0.64  z 1  1.2 z  0.64
z2
es, directamente, y ( n )   ( n  1)  1.2 ( n  1)  0.64 ( n )
También es posible obtener la respuesta a partir de las transformadas inversas de cada uno de los
modos naturales. Por ejemplo,
2z 2  4z 2 z ( z  2) z
Y ( z)   2  y ( n )  2  (1) n , n0
z  3z  2 ( z  2)( z  1)
2
z 1
Notar además que la división del numerador entre el denominador de Y(z) nos da las muestras en
tiempo:
2z2  4z z2  3z 2
 (2 z 2  6 z  4) 2  2 z 1  2 z 2  ...
0 2z 4
 ( 2 z  6  4 z 1 )
0 2  4 z 1
Cálculo de residuos
En casos más complicados se procede igual que en tiempo continuo (descomposición en suma de
fracciones simples y cálculo de residuos). Las fórmulas para el cálculo de residuos son análogas al
( z  1)
caso continuo, A  Y ( z ) .
z z 1
Ejemplo 2. Transformada Z inversa vía cálculo de residuos. Vamos a obtener la transformada

z (3z  0.6)
inversa de Y ( z )  . Puesto que no es estrictamente propia, dividimos el numerador
z  0.8 z  0.2
2
entre el denominador y obtenemos:
z (3 z  0.6) 1.8 z  0.6

Y ( z)   3 2
z  0.8 z  0.2
2
z  0.8 z  0.2
Y ahora realizamos la descomposición en suma de fracciones simples del término estrictamente

propio:
1.8 z  0.6 Az Bz
 
z  0.8 z  0.2 z  1 z  2
2
Los residuos son:

1.8 z  0.6 ( z  1) 1.8  0.6 2.4

A   2
( z  1)( z  0.2) z z 1 1.2 1.2
1.8 z  0.6 ( z  0.2) 0.36  0.6 0.24

B   1
( z  1)( z  0.2) z z 0.2
( 1.2)( 0.2) 0.24
Por tanto, la señal en el dominio temporal es:
y (n)  2(1) n  (0.2) n  3 (n) , n  0
Teoremas del valor inicial y final
2z
Para el señal Y ( z )  , tenemos:
( z  1)
( z  1) 2 z
TVF: y ( )  lim(1  z 1 )Y ( z )  lim 2
z 1 z 1 z ( z  1)
( z  1) 2 z
TVI: y (0)  lim(1  z 1 )Y ( z )  lim 2
z  z  z ( z  1)
Representación de la respuesta indicial con MATLAB
Considerar el sistema
z  0.6
H ( z) 
z  z  0.29
2
Para obtener su respuesta indicial, se puede usar dstep:
>> dstep([1 -0.6],[1 -1 0.29])
O bien, se puede usar step
>> H=tf([1 -0.6],[1 -1 0.29],1)
Transfer function:
z - 0.6
--------------
z^2 - z + 0.29
Sampling time: 1
>> step(H)
El resultado es:

Step Response
1.6
1.4
1.2
Amplitude
0.8
0.6
0.4
0.2
0
0 2 4 6 8 10 12 14 16 18 20
Time (sec)
Fig. 1
A continuación, verificamos el valor inicial y el valor final de la anterior respuesta indicial:

(z)
 H  
( z  1) z  0 . 6 z
y (0)  lim(1  z 1 )Y ( z )  lim 0
z  z  z  2
z z 0.29
z1
Y (z)
H (z)
  
( z  1) z  0 . 6 z 1  0 .6 0 .4
y (  )  lim(1  z 1 )Y ( z )  lim    1.379
z 1 z 1 z  2
z z 0.29
z1 1  1  0.29 0.29
Y ( z)
1.3 Respuesta frecuencial de los sistemas discretos
La respuesta frecuencial en un sistema discreto es H ( z ) z e j  H ( e j ) , donde  es la frecuencia

discreta (en rad). En los sistemas muestreados, la frecuencia discreta es   Ts , donde  es la
frecuencia angular continua (en rad/s) y Ts es el periodo de muestreo (en s).
Obtención punto a punto
Se procede igual que en el caso de los sistemas continuos en el tiempo. Por ejemplo, considerar el
siguiente sistema junto con su diagrama de polos y ceros:
Im
1
z  0.5
H ( z)  2
z  z  0.5 p1 1

z Re
2
p2
Fig. 2

La siguiente tabla muestra los valores de la respuesta frecuencial.
 0 0 .5 H  0º
H   0 .2
 0 .5  1 .5 
2 2
2
 H  0.35 H  18.9º

4
 0 .5 2  1 H  0º
 H  1
2
2  0 .5 2 0 .5 2  1 .5 2
3 H  3 .9 H  85º

4
  1.5 1.5 H  180º
H   3
2  0.5 2
2  0.5 2 0.5
Tabla 4
Notar que en los sistemas discretos la respuesta frecuencial toma valores entre 0 y 2 y que, en
realidad, basta con calcular la respuesta entre 0 y  puesto que entre  y 2 es simétrica.
6 6
Magnitude
4
Magnitude
2 2
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 1 2 3 4 5 6 7
Frequency (rad) Frequency (rad)
100 200
Phase (degrees)
Phase (degrees)
100
0
0
-100
-100
-200 -200
0 0.5 1 1.5 2 2.5 3 3.5 0 1 2 3 4 5 6 7
Frequency (rad) Frequency (rad)
Fig. 3. Respuesta frecuencial (a) de 0 a , (b) de 0 a 2
1.4 Métodos de discretización
Diacretización
Los distintos métodos de discretización tratan de aproximar mediante sistemas discretos ciertas
características dinámicas (respuesta frecuencial o temporal) de los sistemas analógicos. Ya que no
existe el “mejor universal”, para seleccionar un método se puede atender a los siguientes aspectos:
1) Fidelidad en la reproducción de una determinada característica dinámica (respuesta
impulsional, respuesta indicial, respuesta frecuencial, polos y ceros, etc.).
2) Dificultad de su cálculo.
Los distintos métodos pueden agruparse en diferentes categorías:

1) Aproximación numérica de la derivada y/o la integral.
2) Invariancia de las respuestas temporales (impulsional e indicial).

3) Transformación directa (mapping o matching) de polos y ceros finitos.

4) Por último existe el método de la transformación bilineal (transformada de Tustin), con y sin
prewarping. Esta transformada puede incluirse en la primera categoría pero su utilidad,
sobretodo en la reproducción aproximada de la respuesta frecuencial, le asigna un carácter
propio.
Selección del muestreo
Un tema previo es la elección de la frecuencia de muestreo fs (o de su inversa, el periodo de

muestreo, Ts).
Como criterio temporal, en sistemas con polos reales se recomienda tomar un mínimo de 5 muestras
por constante de tiempo (considerando la constante de tiempo más rápida de entre las que son de
interés). En sistemas con polos complejos conjugados, hay que tomar 10 muestras por ciclo
(correspondiente a los polos dominantes).
Como criterio frecuencial, la frecuencia de muestreo fs ha de ser, aproximadamente, de 5 a 10 veces

la mayor frecuencia (o polo) de interés del sistema (su ancho de banda). O bien hay que asegurar
que la modificación que introduce el muestreo en la frecuencia de crossover co (paso por 0dB) es
coTs   
inferior a 5º,  5º  .
2  180º 
1.4.1 Aproximaciones numéricas (I). De la derivada
1
0) La transformación exacta es: s ln z .
T
z
dx x(n  1)  x(n) z 1
1) Diferencia progresiva:   s
dt T T
Comentarios: Es sencilla pero puede producir inestabilidades.
El SPI (s) se transforma en el círculo de la figura
No presenta aliasing.
dx x(n)  x(n  1) 1  z 1 z  1 z
2) Diferencia regresiva:   s 
dt T T Tz
Comentarios: Es sencilla y no produce inestabilidad.

1.4.2 Aproximaciones numéricas (II). De la integral
t
x
0) Bases: La integral y (t )  y (t 0 ) 

t0
x( )d puede
n 1
aproximarse por y (n  1)  y (n) 

 x( )d , y, en
n
consecuencia, por y (n  1)  y (n)  x(.)T . El tipo de

n-1 n n+1 t
aproximación dependerá del valor que se adopte para x(.).
T T
x
1) Método de Euler progresivo (una muestra): El área
sombreada es x(n)T , por tanto,
x(n)
Y ( s) 1
y (n  1)  y (n)  x(n)T . Y, puesto que  y
X (s) s
Y ( s) T z 1
 , se obtiene que s  .
X (s) z  1 T n-1 n n+1 t
T T
x
2) Método de Euler regresivo (una muestra): El área
sombreada es x(n)T , por tanto, x(n)
Y ( s) 1
y (n)  y (n  1)  x(n)T . Y, puesto que  y
X (s) s
Y ( s) T z 1
 1
, se obtiene que s  .
X ( s) 1  z zT n-1 n n+1 t
T T
3) Regla trapezoidal o de Simpson (dos muestras): El área x

x(n)  x(n  1)
sombreada es T , por tanto, x(n+1)
2 x(n)
x(n)  x(n  1)
y (n  1)  y (n)  T . Y, puesto que
2
Y ( s) 1 Y ( s) z  1 T
 y  , se obtiene que
X ( s) s X (s) z  1 2 n-1 n n+1 t
2 z 1
s . T T
T z 1

1.4.3 Transformación bilineal (I)

Además de obtenerla con razonamientos numéricos (regla de Simpson) es interesante obtenerla
también como una aproximación de Padé de primer orden de la transformación exacta
e sT / 2 1  sT / 2 2 z 1
z  e sT   . Operando obtenemos s  .
e  sT / 2 1  sT / 2 T z 1
Comentarios: Es sencilla. z
Mejor aproximación que las otras dos.
No produce inestabilidad. 1
1.4.4 Transformación bilineal (II). Prewarping

La transformación bilineal supone una compresión de la frecuencia según se evidencia en la Figura
(a):
A
( / 2 ) s z
N 
T
jA DT
2
N N D
3
(a) (b)
Fig. 4
2 z 1
A partir de s  , igualando los puntos correspondientes de las frecuencias A y D (ver
T z 1
2 e j D T  1  T  T  2   DT 
Figura (b)), j A  j D T
, se obtiene A  tg D  y, finalmente,  A  tg 
T e 1 2  2  T  2 
cuya relación se representa en la Figura (a).
Comentarios:
1) Si A es pequeña, el valor de ambas frecuencias coinciden  A   D .
1  /2
2) La aproximación es muy buena (error menor que 1%) para  D   N , siendo  N  .
3 T
3) Warping: Si la D se aleja de estos límites, la característica frecuencial de ambos filtros puede
diferir (warping) bastante (  1D   1 A ).
4) Prewarping: Para compensarla se puede hacer una predistorsión o prewarping (expansión) tal
que luego recupere su valor (  2 AP   1DP   2 A ) original.

analógico original
1 analógico (A) 1
d
analógico predistorsionado
d
0.7 0.7
pw
digital
discreto (D)
1D 1A 1A = 1D 1AP

(a) (b)
Fig. 5
Pasos
0) Dado GA(s).
1) Se transforma la frecuencia crítica (por ejemplo, la b, filtro pasa-bajas),
2   Ab T 
 Ab   AbP  tg .
T  2 
2) Se obtiene la nueva GA(sP).
2 z 1
3) Se aplica la transformación bilineal s  a la nueva GA(sP).
T z 1
4) Se ajusta la ganancia en continua.
5) La nueva característica GD(D) pasará por la frecuencia crítica elegida (b) y por GA (A = 0)
ajustando así mejor la zona de frecuencias de interés de ambos filtros.
1.4.5 Invariancia de la respuesta temporal (I). Impulsional
Base: 
Gd ( z )  Z g d ( n )  Z g a (t ) t nT  siendo g d (n) la respuesta impulsional discreta y
g a (t )  L Ga ( s ) la respuesta impulsional continua.
1
Método:
1) Descomponer Ga(s) en suma de fracciones simples G ai (s ) .
2) Hallar su L-1 de cada fracción.
3) Discretizar cada uno de sus términos g ai (t )  g ai (nT ) .
4) Calcular la transformada Z de cada uno de los términos discretos, Z g ai (nT ) .  
5) Sumar dichos términos transformados. El resultado es Gd(z).
Comentarios: Cálculo laborioso.

Interesante en situaciones en que la respuesta impulsional es importante.
La coincidencia entre la respuesta del sistema discreto y las muestras del continuo
no asegura que el sistema muestreado (híbrido) resultante presente una buena
respuesta entre muestras (intersample ringing).
No produce inestabilidad.
Presenta aliasing.

1.4.6 Invariancia de la respuesta temporal (II). Indicial
Base: La respuesta indicial del sistema discreto es igual a las muestras de la respuesta indicial del
z 1 z  1  1  G A ( s ) 
sistema analógico GD ( z )  G A ( s )  GD ( z )  Z L   .
z 1 s z   s 
Comentarios:
1
1) El símbolo Z[ ] implica, como en el caso anterior: 1.1) la respuesta impulsional de Ga (s) .
s
1.2) Las muestras (t  nT). 1.3) La transformada Z de la señal discreta.
2) Cálculo laborioso.
3) Puede interpretarse también con la discretización (invariancia impulsional) del sistema
1  e  sT
precedido por un convertidor D/A tipo ZOH (modelo: ).
2
Permite una aproximación sencilla (en el estudio de Leron) de añadir un retardo  e  sT / 2 .
10
Ejemplo 3. Discretización. Dado el sistema en tiempo continuo Gc ( s )  se pide obtener
s  12
a mano su equivalente discreto GD(z) por el método de la invariancia indicial, es decir,
anteponiéndole un mantenedor de orden cero (ZOH, zero order hold). Tomar como periodo de
muestreo Ts=0.1s.
Invariancia indicial significa que la respuesta indicial de Gc muestreada a 0.1s coincidirá con las
muestras de la respuesta indicial de GD:
z   1  
G D ( z )  Z  L1  Gc ( s ) 
z 1   s  t nTs 
Por tanto el procedimiento es el siguiente:
Hallar la respuesta indicial de Gc:
 
10
10 1 A B 10
10
Y ( s)      12  12  y (t )  1  e 12 t
s  12 s s  12 s s  12 s 12
Muestrear la respuesta indicial:

y ( n )  y (t ) nT 
s
10
12

1  e 12 nTs 
Aplicar la transformada Z a la anterior respuesta indicial muestreada:
10  z z 
Y ( z)    12Ts 
12  z  1 z  e 
z
Despejar el término GD, GD ( z )  Y ( z )
z 1

z  1 10  z z  10 z  e 12Ts  z  1
GD ( z )    ( z  1)
z 12  z  1 z  e 12Ts  12 ( z  1)( z  e 12Ts )
10 0.6988 0.5823
GD ( z )  
12 z  0.3012 z  0.3012
Verificación por MATLAB;
>> G=tf(10,[1 12])
Transfer function:
10
------
s + 12
>> c2d(G,0.1,'zoh')
Transfer function:
0.5823
----------
z - 0.3012
Sampling time: 0.1
1.4.7 Transformación directa (mapping) de ceros y polos finitos
Pasos:
1) Transformar mediante z  e sT los polos (pA) y los ceros (zA) finitos: p D  e A , z D  e A .
p T z T
2) Añadir e ceros en –1 (factores (z+1)e) siendo e el exceso del número de polos finitos sobre el de
ceros finitos.
3) Añadir un factor k para ajustar la amplitud de continua.
( z  1) e  (z  z D )
4) Resultado: G A ( s )  G D ( z )  k m
.
 (z  p
n
D )
Comentarios:
Cálculos laboriosos.
Facilita mantener la asociación polos/modos naturales.
El siguiente ábaco permite ver la relación entre los polos discretos y , n correspondientes en
continuo.

IIm[z]
z  eTs s  n  jn 1   2
1
3 
n 
2T 2
5T
0.8 7 5T
10T 3  0
10T
4 0.1
0.6 0.2
5T
0.3 
0.4
5T
0.5
0.4 9 0.6
10T 0.7
0.8 
0.2
0.9 10T

n   1
0 T
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 IRe[z]
Fig. 6
10
Ejemplo 4. Métodos de discretización. Considerar la planta G ( s )  y el
s  7 s 2  6s
3
1.5( s  1)
controlador C ( s )  . Vamos a obtener la respuesta indicial del servo para el caso
( s  3)
analógico y tres tipos diferentes de discretización con Ts=0.1s.
Para poder cerrar el lazo con un controlador digital y la planta, hay que obtener el equivalente
discreto de la planta anteponiéndole un ZOH
G=tf(10,[1 7 6 0]);
Gz=c2d(G,ts,'zoh'),
Transfer function:
0.001408 z^2 + 0.004756 z + 0.0009922
-------------------------------------
z^3 - 2.454 z^2 + 1.95 z - 0.4966
Sampling time: 0.1
Ahora vamos a obtener los tres controladores discretos:
1  z 1
(a) Por el método de la diferencia regresiva, s 
Ts
 1  z 1 
1.5  1
 Ts  1.292  1.1538 z 1
C( z)  
 1  z 1  1  0.7692 z 1
  3
 Ts 
C=tf(1.5*[1 1],[1 3]);

Cz=bilin(ss(C),1,'BwdRec',Ts);Cz=tf(Cz),

Transfer function:
1.269 z - 1.154
---------------
z - 0.7692
Sampling time: 0.1
2 1  z 1
(b) Por el método de Tustin, s 
Ts 1  z 1
 2 1  z 1 
1.5 1
 1
 Ts 1  z  1.3696  1.2931z 1
C( z)  
 2 1  z 1  1  0.7391z 1
 1
 3 

 Ts 1  z 
Cz=c2d(C,ts,'Tustin'),
Transfer function:
1.37 z - 1.239
--------------
z - 0.7391
Sampling time: 0.1
(c) Por el método de transformación directa de polos y ceros finitos.
Az  e 10.1  Az  0.90484  1.3618  1.2322 z 1

C( z) 
z  e 30.1   z  0.74082  1  0.74082 z 1
A se escoge para que la ganancia a bajas frecuencias sea la misma que para el caso analógico. El
teorema del valor final para el controlador analógico establece que la ganancia en continua de éste
es C (0)  1.5(0  1) /(0  3)  0.5 . En el caso discreto, puesto que z  exp( sTs ) , cuando s=0
tenemos z=1. La ganancia en continua del controlador discreto es
C ( z ) z 1  A(1  0.90484) /(1  0.74082)  0.3672 A  0.5 , por tanto, A=1.3618.
Cz=c2d(C,ts,'matched'),
Transfer function:
1.362 z - 1.232
---------------
z - 0.7408
Sampling time: 0.1
Si cerramos el lazo para cada uno de los controladores y comparamos las respuestas indiciales el
resultado es el mostrado en la siguiente figura (donde se observa la ligera degradación de la
respuesta que introduce la discretización).
L3=series(Cz,Gz);T3=feedback(L3,1);
y3=step(T3,t);
figure(1),plot(t,ya,t,y1,t,y2,t,y3,'--'),grid,
legend('analógico','diferencia regresiva','Tustin','matched'),
axis([0 6 0 1.2]),xlabel('Tiempo (s)')

1.2
0.8
0.6
0.4
analógico
diferencia regresiva
0.2 Tustin
matched
0
0 1 2 3 4 5 6
Tiempo (s)
1.5 Discretización de reguladores PID
El regulador de 3 términos o PID es el controlador industrial más utilizado y se usa a menudo en su

versión digital. Se puede discretizar por cualquiera de los anteriores métodos (aunque Tustin no se
recomienda), como veremos más adelante
 1 
La función de transferencia del PID es C ( s )  k p 1   Td s  . Una opción directa es
 Ti s 
discretizar cada una de las acciones. Para la acción derivativa podemos usar la aproximación de la
 
derivada, s  1  z 1 / Ts . Para la acción integral se pueden ir sumando las áreas del error: la
integral en el instante n es la integral en el instante n-1 (la llamaremos PrevInt) más el área que hay
entre los instantes n y n-1 y que podemos calcular como en  en 1 Ts / 2 . Así, la ecuación en
diferencias del algoritmo PID queda como
 T ( e  en 1 ) 1  ( en  en 1 )Ts 
un  k p  en  d n    PrevInt  
 Ts Ti 2 
o, lo que es lo mismo,
 T T   T T  kp
un  k p 1  d  s en  k p   d  s en 1  PrevInt
 Ts 2Ti   Ts 2Ti  Ti
( en  en 1 )Ts
donde en cada intervalo hay que actualizar PrevInt  PrevInt  .
2

PID incremental
Hay una versión de este algoritmo mucho más utilizada que consiste en calcular sólo los cambios de
la señal de control con respecto a la muestra anterior. Este algoritmo recibe el nombre de algoritmo
de velocidad o PID incremental y tiene diversas ventajas: no hay que guardar el valor absoluto de
la integral hasta ese momento y se puede pasar de manera más suave del control manual al
automático (bumpless transfer). Ello es así porque cuando el controlador ya está en marcha solo
hay que calcular el primer movimiento incremental y no se debe inicializar para dar la misma señal
absoluta un que se tenía en control manual. Además, muchos actuadores, como los motores paso a
paso, ya esperan entradas de control incrementales.
Para obtener el incremento de la señal de control basta con calcular u  un  un 1 .

( en  en 1 )Ts
Notar que el área añadida a la integral en el instante n es mientras que el área
2
( en 1  en 2 )Ts
añadida en el instante n-1 es siendo PrevIntn-1 la integral hasta el momento n-1.
2
Así,
  
 Td ( en  en 1 ) 1  ( en  en 1 )Ts ( en 1  en 2 )Ts  
u n  k p  en     PrevInt n -1  
 T T 2         2  

s i
 PrevInt
 
 T (e  e ) 1  ( e  en 2 )Ts  
un 1  k p  en 1  d n 1 n 2   PrevInt n-1  n 1  
 Ts Ti  2 
Restando, el algoritmo incremental queda como:
 T (e  2en 1  en  2 ) 1  (en  en 1 )Ts  

u  un  un 1  k p  en  en 1  d n   
 Ts Ti  2 
Ejemplo 5. Métodos de discretización de reguladores PID. Considerar la planta

10
G( s)  3 y el PID con kp=3, Td=0.333 y Ti=1.5s. Comparar la respuesta
s  8s  17 s  10
2
indicial del servo para varios métodos de discretización con Ts=1s.
Para poder simular el lazo digital hallamos la función de transferencia de la planta discreta
equivalente anteponiéndole un ZOH:
G=tf(10,[1 8 17 10]);
Gz=c2d(G,Ts),
Transfer function:
0.001369 z^2 + 0.0045 z + 0.0009179
-----------------------------------
z^3 - 2.33 z^2 + 1.786 z - 0.4493
Sampling time: 0.1
La función de transferencia del PID analógico es

 1  s 2  3s  2
C ( s )  k p 1   Td s  
 Ti s  s
1  z 1
Discretización por diferencia regresiva, s 
Ts
2
 1  z 1   1  z 1 
   3   2
13.2  23z 1  10 z 2
C( z)     
T T
s s

 1  z 1  1  z 1
 
 Ts 
Discretización de la derivada e integración explícita
 T T   T T  kp
un  k p 1  d  s en  k p   d  s en 1  PrevInt
 T 2Ti   Ts 2Ti  T
 s    i
13.1 9.9 2
kp=3;
td=0.333;
ti=1.5;
a = kp*(1 + td/ts + 0.5*ts/ti);
b = kp*(-td/ts + 0.5*ts/ti);
c = kp/ti;
[numz,denz]=tfdata(Gz,'v');
integ=0; % integral previa
uu=0;uu_1=0; %últ valor de u, últ valor -1
uy=0;uy_1=0;uy_2=0;
ue=0;
y(1)=0;
for n=1:nmax
e=1-uy; % error
u(n) = a*e + b*ue + c*integ; % PID
% planta
y(n+1) = numz(2)*u(n) + numz(3)*uu + numz(4)*uu_1;
y(n+1) = y(n+1) - denz(2)*uy - denz(3)*uy_1 - denz(4)*uy_2;
% integral
integ=integ + 0.5*Ts*(e+ue);
% actualiz
ue=e;
uu_2=uu_1;uu_1=uu;uu=u(n);
uy_2=uy_1;uy_1=uy;uy=y(n+1);
end
Discretización por Tustin
Cz=c2d(tf([1 3 2],[1 0]),0.1,'Tustin')
Transfer function:
23.1 z^2 - 39.8 z + 17.1
------------------------
z^2 - 1
Sampling time: 0.1
La siguiente figura muestra las diferentes respuestas indiciales
%analògic

La=series(C,G);
Ta=feedback(La,1);
ya=step(Ta,t);
plot(t,y,t,y2,t,y3,t,ya),axis([0 5 0 1.2]),xlabel('Tiempo (s)'),grid

legend('integración directa','diferencia regresiva','Tustin','analógico'),
1.2
0.8
salida del servo y
0.6
0.4 integración directa

diferencia regresiva
Tustin
analógico
0.2
0
0 1 2 3 4 5
Tiempo (s)
El comportamiento del PID discretizado vía Tustin no es adecuado debido a la aparición de un polo
con parte real negativa (también llamado ringing pole). La siguiente figura muestra los esfuerzos
de control de las tres discretizaciones:
25
20
15
esfuerzo de control u
10
-5
-10
-15
-20
0 1 2 3 4 5
Tiempo (s)
Así, el PID discretizado vía Tustin no es adecuado porque desgasta físicamente al sistema, aumenta
el consumo, además de conllevar oscilaciones en la respuesta del servo.
1.6 Análisis de controladores digitales
1.6.1 Lugar geométrico de las raíces
El trazado e interpretación del lugar geométrico de las raíces para el caso de sistemas discretos en el
tiempo es análogo al caso de sistemas continuos en el tiempo. Las reglas de trazado son las mismas
(eje real, asíntotas, puntos de emergencia/incidencia del/al eje real, ajustes) con la única diferencia
de que la determinación del límite de estabilidad se realiza hallando los cruces con el círculo
unitario (c.u.). A nivel de cálculo, para obtener el corte con el c.u. hay que transformar L(z) en L(w)
y aplicar el criterio de Routh-Hurwitz de los sistemas continuo en el tiempo.

Ejemplo 6. Trazado del lugar geométrico de las raíces. Representar el LGR correspondiente a
la ecuación característica:
( z  0.9)( z  0.37)
1  kL( z )  1  k 0
z ( z  0.95)( z  1.35)
La aplicación de la regla del eje real indica que hay LGR de -∞ a -0.37, entre 0 y 0.9, y entre 0.95 y
1.35.
Sólo hay un cero en el infinito y la primera regla ya nos indica que la recta asintótica es la recta de
pendiente -180º.
dk
La solución de  0 tiene 4 raíces que corresponden a otros a tantos puntos de ruptura. En
dz
concreto, como puntos de emergencia del eje real tenemos a  e1  1.056 (ke1  0.148) y
 e 2  0.484 (ke 2  0.55) . Y como puntos de incidencia al eje real tenemos
 i1  0.703 (ki1  0.531) y  i 2  1.185 (ki 2  3.77) .
T
w1
Para obtener los cortes con el c.u. aplicamos la transformación z  2 a L(z). Tomando T=1,
T
1 w
2
0.2612 w  0.6411w  2.208w  0.2392
3 2
queda: L( w)  .
w3  1.753w2  0.5085w  0.03055
La ecuación característica 1  kL( w)  0 resultante es:
w3 1  0.2612k   w2 1.735  0.6411k   w  0.5085  2.208k    0.0355  0.2392k   0

        
a b c d
La tabla de Routh-Hurwitz es:
w3 a c
w2 b d
w1 A1 
w0 d
donde debemos forzar A1=0 a fin de tener una fila de ceros.
bc  ad (1.4155k 2  4.1966k  0.8914)  (0.0625k 2  0.2485k  0.0355)

A1  
b b
1.3531k 2  3.9482k  0.8559

A1  0
b

Los valores de k obtenidos son k1  0.2358 ( p1,2  0.99  j 0.13) y

k2  0.26821 ( p1,2  0.64  j 0.77)
>> L=tf(conv([1 -0.9],[1 0.37]),conv([1 -0.95],[1 -1.35 0]),1);

>> rlocus(L)
Root Locus
1.5
0.5
Imaginary Axis
-0.5
-1
-1.5
-1.5 -1 -0.5 0 0.5 1 1.5
Real Axis
1.6.2 Análisis de estabilidad. Criterio de Jury
Para el análisis de la estabilidad dado el polinomio característico, los sistemas discretos en el tiempo
cuentan con el criterio de Jury que, al igual que el criterio de Routh-Hurwitz, consiste en construir
una tabla y analizar los signos de la primera columna.
Construcción de la tabla
Dado el polinomio característico P ( z )  z n  pn 1 z n 1    p0 , la primera fila de la tabla contiene

sus coeficientes. Los valores de la segunda fila son los de la primera fila pero en orden inverso).
A partir de las dos primeras filas (de datos) se calculan los coeficientes de la tercera fila:
p0 p0 p0
A11  1  p0 , A12  pn 1  p1 , A13  pn 1  p0 
1 1 1
Los valores de la cuarta fila B1i son los valores de la tercera en orden inverso.

La quinta fila se obtiene a partir de las dos anteriores:
B11
A21  A11  B11 
A11
Y así sucesivamente.
Interpretación
Si los coeficientes pn, A11, A21,… son positivos entonces todas las raíces de P(z) están dentro del
círculo unitario.
10T
Ejemplo 7. Criterio de Jury. Considerar el lazo L( z )  . Se desea saber qué rango de
( z  1)
valores de T aseguran la estabilidad del servo con retroacción unitaria negativa alrededor de L(z).
T
w 1
Primer método: Aplicar la transformación z  2 a L(z) y analizar el polinomio característico
T
1 w
2
resultante. Éste es
T
1 w
1  L( w)  1  10 2  0  w(1  5T )  10  0
w
Para que el sistema sea estable, 1  5T  0 , por tanto 0  T  0.2
Segundo método: Aplicar el criterio de Jury a la ecuación característica en z,
10T
1  L( z )  1   0  z  (10T  1)  p1 z  p0  0
( z  1)
p1  1 p0  10T  1
p0  10T  1 p1  1
A1 A2  0
B1 
p0 p
A1  p1  p0  1  (10T  1) 2 , A2  p0  0 p0  0
p1 p1
A2
B1  A1  A2  A1
A1
La condición de estabilidad es que p1 y A1 sean positivas, por tanto,
A1  1  (10T  1) 2  0  1  10T  1  0  T  0.2

1.7 Diseño de controladores digitales
1.7.1 Controlador dead beat

Una respuesta dead beat es la que sigue exactamente la excitación con una única muestra de
retardo. Ello sólo puede conseguirse adecuadamente en sistemas de primer orden.
Suponer que la planta es G(z). Si se excita con un escalón unitario, la respuesta deseada es
z 1 1
Y ( z)  z  . La función de transferencia en lazo cerrado será
z 1 z 1
Y ( z ) 1 /( z  1) 1 1 T ( z) 1/ z
T ( z)    . Así, el controlador será C ( z )   .
R ( z ) z /( z  1) z G ( z ) 1  T ( z ) 1  1 / z G ( z )
Ejemplo 8. Controlador dead beat. Comportamiento entre muestras. (Dutton) Considerar la

8
planta G ( s )  , cuya versión discreta anteponiéndole un ZOH con Ts=0.4s es
s  2s  4
2
0.474069 z  0.361449
G( z)  2 .
z  1.03157 z  0.449329
El controlador dead beat es

1/ z z 2  1.03157 z  0.449329
C( z)  
1  1 / z  20.474069 z  0.361449 0.474069 z 2  0.11262 z  0.361449
z  1.03157 z  0.449329
2.1094  2.176 z 1  0.9478 z 2

C( z) 
1  0.2376 z 1  0.7624 z 2
Si realizamos la simulación con Simulink (variable step, ode45, max step size = 1e-2),
y representamos el resultado,
>> t=db(:,1);
>> plot(t,db(:,2)),hold on,stem(0:0.4:5,y,'r')
>> xlabel('Tiempo (s)'),title('salida del servo (analógica y muesteada a 0.4s)')
>> G=tf(8,[1 2 4]);

>> Gz=c2d(G,0.4,'zoh');
>> Cz=tf([2.1094 -2.176 0.9478],[1 -0.2376 -0.7624],0.4)
>> Tu=feedback(Cz,Gz);figure(2),u=step(Tu,0:0.4:5);stairs(0:0.4:5,u)
>> xlabel('Tiempo (s)'),title('salida del controlador')

Vemos que, efectivamente, si tomamos muestras a 0.4s podemos pensar que el seguimiento al
escalón discreto es perfecto, con sólo una muestra de retardo. Sin embargo el comportamiento del
sistema entre muestras dista mucho de ser el ideal. Es por ello por lo que el controlador dead beat
no se usa en sistemas de orden 2 o superior
salida del servo (analógica y muesteada a 0.4s) salida del controlador

1.4 2.5
2
1.2
1.5
1
1
0.8
0.5
0.6 0
-0.5
0.4
-1
0.2
-1.5
0 -2
0 1 2 3 4 5 0 1 2 3 4 5
Tiempo (s) Tiempo (s)
1.7.2 Controlador de Kalman
A la vista de las limitaciones del controlador dead beat del apartado anterior, Kalman razonó que ya
que es imposible que un sistema siga la excitación en un solo intervalo de muestreo de retardo,
quizá pueda seguirlo en un número mayor de intervalos de muestreo, tantos como el orden de la
planta.
Así, si la planta es de segundo orden, se trata de diseñar un controlador capaz de seguir

perfectamente consignas con dos intervalos de retardo.
Considerar que la consigna es un escalón unitario, r ( z )  1  z 1  z 2  ... En la salida, la

primera muestra será 0, la segunda muestra valdrá cierto valor  y a partir de la tercera muestra ya
tendremos el escalón unitario: y ( z )  0  z 1  z 2  ... En cuanto a la señal de control capaz de
conseguir esto, la primera muestra  deberá ser mayor que el régimen permanente, la segunda
muestra  deberá “frenar” al sistema a fin de situarlo en el punto adecuado y, a partir de la tercer
muestra, tendremos un escalón unitario dividido por la ganancia en continua de la planta k:
u( z )    z 1 
1 2
k

z  ... . 
1 T ( z)
Para diseñar el controlador usaremos de nuevo la expresión C ( z )  . Por tanto
G( z) 1  T ( z)
necesitamos obtener la expresión de T(z) y G(z).
y ( z ) 0  z 1  z 2  z 3  ...
T ( z)    z 1  z 2  z 3  ...  z 1 z 1  z 2  z 3  ...
r( z ) 1
1  z 1
T ( z )  z  (1   ) z
1 2
Para obtener G(z), multiplicaremos y(z), u(z) por (1-z-1),

y( z) (1  z 1 )z 1  z 2  z 3 ... z 1  (1   ) z 2
G( z)   
u( z ) 1  1 2 
  1
(1  z )   z  z  z ...    (   ) z 1      z 2
1 3 
 k  k 
Ejemplo 9. Controlador de Kalman. Sistema de segundo orden. (Dutton) Considerar de nuevo

8
la planta G ( s )  , cuya versión discreta anteponiéndole un ZOH con Ts=0.4s es
s  2s  4 2
0.474069 z  0.361449
G( z)  2 .
z  1.03157 z  0.449329
El primer paso es identificar los coeficientes , , , k. Pero tal y como está la planta no es posible
hacerlo puesto que los coeficientes del numerador no suman 1. Para solucionarlo, se puede
multiplicar numerador y denominador por el siguiente factor: 1/(0.474069+0.361449). Así,
0.567 z 1  0.433z 2 z 1  (1   ) z 2
G( z)  
1.197  1.235z 1  0.538 z 2 1 
  (   ) z 1      z 2
k 
de donde se obtiene =0.567, =1.197, =-0.038 y k=2.
Notar que T ( z )  z 1  (1   ) z 2  0.567 z 1  0.433z 2 .
El controlador resultante será
1 T ( z) 1.197  1.235z 1  0.538 z 2

C( z)  
G( z) 1  T ( z) 1  0.567 z 1  0.433z 2
La salida del sistema y la señal de control se muestran en la siguiente figura:
Salida del sistema con controlador de Kalman Esfuerzo de control con controlador de Kalman
1.4
1.2
1.2
1
1
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2 0
0 -0.2
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3

1.7.3 Controlador de Dahlin
Los problemas del controlador de Kalman se deben a que éste es muy dependiente del tiempo de
muestreo. El tiempo de establecimiento depende de Ts. Si Ts es muy corto, la señal de control debe
ser muy grande (la selección más común para el tiempo de muestreo mínimo es 5 veces la
frecuencia natural más alta del sistema en lazo cerrado). Pero tampoco se puede hacer Ts demasiado
largo puesto que este valor está limitado por el teorema de muestreo de Shannon y puede provocar
problemas de aliasing.
Una alternativa es usar el controlador de Dahlin. El controlador de Dahlin es una versión suavizada
del controlador dead beat y su objetivo es conseguir una respuesta de tipo (1-exp(at)) al ser el
sistema excitado con un escalón. Así, la velocidad de respuesta se ajusta con los parámetros del
controlador y no es necesario cambiar Ts.
Si la respuesta indicial del servo es del tipo y (t )  1  e at , tenemos que y ( n )  1  e

anTs
y, por
tanto,
Y ( z) 
1

1


1  e  aTs z 
z  1 z  e aTs 
z  e aTs z  1 
y
1  e  aTs
T ( z) 
z  e aTs
Ejemplo 10. Controlador de Dahlin. Ringing poles. Considerar de nuevo la planta

8
G( s)  , cuya versión discreta anteponiéndole un ZOH con Ts=0.4s es
s  2s  4
2
0.474069 z  0.361449
G( z)  2 . Se desea diseñar una respuesta de primer orden con una
z  1.03157 z  0.449329
contante de tiempo de 1.5s, por tanto, a=1/1.5.
1  e  aTs 0.23407
La función de transferencia del servo será: T ( z )   aTs

ze z  0.76593
Y el controlador resultante es
1 T ( z) 0.494  0.509 z 1  0.222 z 2
C( z)  
G( z) 1  T ( z) 1  0.237 z 1  0.7624 z 2
Esfuerzo de control del controlador de Dahlin
Respuesta del controlador de Dahlin
1
0.6
0.9
0.5
0.8
0.4
0.7
0.6 0.3
0.5
0.2
0.4
0.3 0.1
0.2
0
0.1
0 -0.1
0 2 4 6 8 10 0 2 4 6 8 10

La oscilación de la señal de control indica que tenemos un ringing pole. Si inspeccionamos el

denominador del controlador, 1  0.237 z 1  0.7624 z 2  (1  z 1 )(0.474069  0.361449 z 1 ) ,
vemos que los polos son z = 1 y z = -0.76. Lo que se suele hacer para eliminar este polo es
sustituirlo por su ganancia estática, 1/(0.474069+0.361449)=1.197. El nuevo controlador es:
0.494  0.509 z 1  0.222 z 2 0.591  0.609 z 1  0.266 z 2

C ( z )  1.197 
1  z 1 1  z 1
Respuesta del controlador de Dahlin (sin ringing poles) Esfuerzo de control del controlador de Dahlin (sin ringing poles)
1.4 0.6
1.2 0.5
1
0.4
0.8
0.3
0.6
0.2
0.4
0.1
0.2
0 0
0 2 4 6 8 10 0 1 2 3 4 5 6
1.8 Ejercicios resueltos
Ejercicio 1. Transformada Z inversa. Bloque cuadrático

... A A*
Dado el bloque de segundo orden H ( z )  z z , se pide:
z  (2r cos  ) z  r 2
zp
2
z  p*
1) Hallar el valor de los polos p, p* en forma módulo-argumental (en función de r y ).
2) Demostrar que Z 1 H ( z )  2 A (r ) n cos(n  A) .
Solución:
1) Obtención de los polos en forma de módulo y argumento.
2r cos  4r 2 cos 2   4r 2 2r cos  2rj 1  cos 2 

p, p*    r cos  jr sin   re  j
2 2
 j
p, p*  re
2) Obtención de la transformada Z inversa de H(z).
La descomposición en suma de fracciones simples es
... A A* A A*
H ( z)  z z z j
z
z  (2r cos ) z  r
2 2
z p z  p* z  re z  re  j

 
Sabiendo que Z a n 
z
za
, la transformada inversa de H(z) queda como
Z 1 H ( z )  Ar n e jn  A * r n e  jn
Puesto que el residuo A es complejo, también puede expresarse en forma módulo-argumental,
Z 1 H ( z )  A e jA r n e jn  A e  jA r n e  jn
Agrupando términos,
Z 1 H ( z )  2 A r n cosn  A c.q.d.
Ejercicio 2. Sistemas discretos.

1.5 z  0.6
1) Obtener el valor inicial y el valor final de la señal cuya transformada es X ( z )  .
z  0.7
z z
2) Dada la señal X ( z )   , obtener su expresión temporal x(n).
z  1 z  0.5
s 1
3) Dado el filtro analógico H ( s )  , obtener su equivalente discreto H(z) por el método de
s  1.61
la invariancia impulsional. Tomar periodo de muestreo Ts=0.1.
Solución:
1) TVI, TVF
z  1 1.5z  0.6
Valor inicial: x (1)  lim(1  z 1 ) X ( z )  lim   1.5
z  z  z z  0.7
z  1 1.5z  0.6
Valor final: x ( )  lim(1  z 1 ) X ( z )  lim  0
z 1 z 1 z z  0.7
Impulse Response
Comprobación por Matlab (opcional): 1.8
1.6
>> X=tf([1.5 0.6],[1 -0.7],1)

1.4
Transfer function:
1.5 z + 0.6 1.2
-----------
Amplitude
z - 0.7 1
Sampling time: 1 0.8
>> impulse(X) 0.6
0.4
0.2
0
0 5 10 15 20 25
Time (sec)
2) Transformada inversa

 z z 
x( n )  Z 1 X ( z )  Z 1     (1) n  ( 0.5) n , n0
 z  1 z  0.5 
3) Discretización por invariancia impulsional
“Invariancia impulsional” significa que la respuesta impulsional del sistema continuo muestreado
coincide con la respuesta impulsional del sistema equivalente discreto:
h( n )  h (t ) t nT
O, lo que es lo mismo,
Z 1 H ( z )  L1 H ( s )
t  nT
De ahí,

H ( z )  Z L1 H ( s )
t  nT

Los pasos son los siguientes:
s 1
Respuesta impulsional de H ( s )  :
s  1.61
s 1 1 s d
H ( s)    , h(t )  e 1.61t  e 1.61t  0.61e 1.61t , t  0
s  1.61 s  1.61 s  1.61 dt
Respuesta impulsional de H(s) muestreada: h( n )  0.61e 1.61nT , n  0
 0.61z  0.61z
Transformada Z de h(n): H ( z )  Z h ( n )  1.61T
 T  0.1 
ze z  0.8513
Verificación por Matlab:

Impulse Response
0
>>
Hz=c2d(tf(num,den),0.1,'imp' -0.1
)
-0.2
Transfer function:
-0.61 z -0.3
Amplitude
----------
z - 0.8513 -0.4
Sampling time: 0.1 -0.5

>> impulse(tf(num,den),Hz)
-0.6
-0.7
0 0.5 1 1.5 2 2.5 3 3.5 4
Time (sec)
Nota: La respuesta impulsional del sistema analógico obtenida a partir de la descomposición en

suma de fracciones simples presenta una discontinuidad en t=0.

s 1 0.61
H ( s)   1 , h(t )   (t )  0.61e 1.61t , t  0
s  1.61 s  1.61
Esto puede verse con ayuda de la función residue o con la funció ilaplace:
>> num=[1 1];den=[1 1.61];

>> [r,p,k]=residue(num,den)
r =
-0.6100
p =
-1.6100
k =
1
>> syms s
>> ilaplace((s+1)/(s+1.61))
ans =
dirac(t)-61/100*exp(-161/100*t)
Sin embargo, para poder aplicar el método de discretización de la invarianza impulsional tal y como
está en los apuntes es necesario que la respuesta impulsional del sistema analógico sea continua.
Por ello, en la práctica, lo que se hace es tomar la respuesta impulsional del sistema analógico a
partir de t=0+ (a fin de evitar la delta de Dirac). Esto es lo que hemos considerado implícitamente al
suponer que la respuesta impulsional era derivable.
Este tema está tratado con más detalle en la siguiente referencia: L. Jackson, "A correction to
impulse invariance", IEEE Signal Processing Letters, Vol. 7, Oct. 2000.
Ejercicio 3. Criterio de Jury. Comprobar mediante el criterio de Jury que el polinomio

P( z )  z ( z  1.5)( z  0.5)  z 3  2 z 2  0.75 z presenta una raíz en el exterior del círculo unitario.
Solución:
1 2 0.75 0
0 0.75 2 1
A11  1 A12  2 A13  0.75 A14  
0.75 2 1
A21  0.43 A22  0.5 A23  
0.5 0.43
A31  0.133 A32  
0.133
0 0 0 0
A11  1  0  1 , A12  2  0.75  2 , A13  0.75  0  0.75 , A14  0  0  0
1 1 1 1
0.75 0.75 0.75
A21  1  0.75  0.4375 , A22  2  2  0.5 , A23  0.75  1 0
1 1 1
0.5 (0.5)
A31  0.43  0.5  0.133 , A32  0.5  0.44 0
0.44 0.44
Puesto que el coeficiente A31 es negativo (mientras que el resto, p3, A11, A21 son positivos), hay una
raíz fuera del círculo unitario.

2. Control digital de 2 grados de libertad
Este apartado está basado en el trabajo de
LANDAU, I.D., Commande des Systèmes. Conception, identification et mise en oeuvre, Hermès
Lavoisier, 2002.
Para más detalles, se recomienda su consulta.
2.1 Controlador RST digital
La figura muestra un esquema de control digital. El bloque "Planta" incluye el proceso a controlar
así como los actuadores y transductores con los que se ha instrumentado el lazo de control. La
variable temporal t corresponde al tiempo discreto (muestras).
reloj
r(t) u(t) y(t)

Procesador
(controlador) D/A + ZOH Planta A/D
Planta discretizada
2.1.1 Configuración RST
Los controladores de dos grados de libertad, tales como el controlador RST de la siguiente figura,
permiten obtener simultáneamente seguimiento (tracking) y rechazo de las perturbaciones
(regulación). El tracking se obtiene gracias al polinomio T mientras que la regulación se
implementa con 1/S y R. Para la robustez, solo los polinomios S y R son importantes.
d(t) p(t)
+ + y(t)
r(t)
Bm (q 1 ) T(q-1) + 1 + u(t) d
q B(q ) 1 +
Am (q 1 ) S (q 1 ) A(q 1 )
y _
modelo de +
la planta
-1
R(q ) + v(t)
controlador
d(t) y p(t) son perturbaciones a la entrada y a la salida de la planta respectivamente. v(t) es el ruido
de medida.
El efecto del mantenedor de orden cero (ZOH) se traduce en un retardo de una muestra de duración.
El operador retardo se denota como q 1 y (t )  y (t  1) .
Nota: No vamos a considerar qué sucede entre las muestras (inter-sampling behaviour). Por tanto,
no consideraremos rechazo de las perturbaciones entre muestras. Tampoco se van a considerar
efectos tales como los de la inicialización, discetización/cuantización, reset-windup,...

Modelo de la planta:
G (q 1 )  
d
 1
q  d B(q 1 ) q b1 q    bnB q B
n

 ~
q  d 1 B (q 1 )
A(q 1 ) 
1  a1 q 1    bn A q  n A  A(q 1 )
,
donde q-d corresponde a un retardo entero (un retardo fraccional introduce ceros de fase no mínima
en el polinomio B). Notar que B captura el efecto del ZOH (contiene q-1).
Controlador R-S-T:
S (q 1 )u (t )  T (q 1 ) ~
y (t  d  1)  R(q 1 ) y (t ) ,
donde la trayectoria deseada para el lazo, ~

y (t  d  1) , es la predicción del valor futuro (a d+1
muestras) de la salida. En general, no se considera el valor ideal ~ y (t ) debido a que no se va a
~
cancelar el numerador de la planta q  d 1 B (q 1 ) .
Polinomio característico:
P (q 1 )  A(q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 ) ,
contiene los polos del lazo cerrado deseados.
Función de lazo:
R(q 1 ) q  d B(q 1 )
L(q 1 ) 
S (q 1 ) A(q 1 )
El seguimiento (tracking) de señales de referencia viene dado por la siguiente función de

transferencia:
Bm (q 1 )
1 q  d T (q 1 ) B(q 1 )
M (q ) 
Am (q 1 ) A(q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 )
donde P(q-1) contiene los polos en lazo cerrado deseados. Y desde r hacia u tenemos:
Bm (q 1 ) q  d T (q 1 ) A(q 1 )
M u (q 1 )  .
Am (q 1 ) A(q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 )

2.1.2 Funciones de sensibilidad
Se pueden definir diversas funciones de sensibilidad que caracterizan la variación de la entrada u(t)
y la salida y(t) de la planta en función de las distintas señales de entrada al lazo (p(t), d(t), v(t)).
Función de sensibilidad de la entrada Sup: Es la función de transferencia en lazo cerrado desde p

hacia u. Caracteriza el efecto de la perturbación p en la señal de control u. Si queremos bloquear la
señal de control u para cierta frecuencia de perturbación p, Sup deberá presentar un cero a dicha
frecuencia.
R( q 1 )

S ( q 1 )  A( q 1 ) R( q 1 )  A(q 1 ) R(q 1 )
S up ( q 1 )   
R( q 1 ) q  d B(q 1 ) A( q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 ) P(q 1 )
1
S (q 1 ) A(q 1 )
Función de sensibilidad de la salida Syp: Es la función de transferencia en lazo cerrado desde p

hacia y. Caracteriza el efecto de la perturbación p en la salida y (así, describe el rechazo de la
perturbación p). Para cancelar totalmente el efecto de una perturbación p de frecuencia  sobre la
salida y, Syp debe presentar un cero a dicha frecuencia.
1 A(q 1 ) S (q 1 ) A(q 1 ) S (q 1 )
S yp ( q 1 )   
R(q 1 ) q  d B(q 1 ) A(q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 ) P (q 1 )
1
S (q 1 ) A(q 1 )
Función de sensibilidad de la salida con respecto al ruido de medida Syv: Es la función de

transferencia en lazo cerrado desde v hacia y. Caracteriza el efecto del ruido de medida v en la
salida y. También se conoce como función de sensibilidad complementaria puesto que
S yp  S yv  1 . Notar también que, para T=R, Syr=-Syv.
R(q 1 ) q  d B (q 1 )

S (q 1 ) A( q 1 )  q  d B(q 1 ) R (q 1 )  q  d B(q 1 ) R(q 1 )
S yv ( q 1 )   
R(q 1 ) q  d B(q 1 ) A(q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 ) P(q 1 )
1
S (q 1 ) A(q 1 )
Función de sensibilidad de la salida con respecto a la perturbación de entrada Syd: Es la función de

transferencia en lazo cerrado desde d hacia y. No se suele utilizar. Aún así, es importante para
estudiar la estabilidad de la configuración IMC (internal model control).
q  d B(q 1 )
A(q 1 ) q  d B (q 1 ) S (q 1 ) q  d B(q 1 ) S (q 1 )
S yd (q 1 )   
R(q 1 ) q  d B (q 1 ) A(q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 ) P (q 1 )
1
S (q 1 ) A(q 1 )
Las más utilizadas son Sup y Syp.
Es necesario que las cuatro funciones de sensibilidad sean estables a fin de evitar diseños
inapropiados tales como los que, por ejemplo, cancelan los polos inestables de la planta con ayuda
del polinomio R. En ese caso, notar que Sup, Syp y Syv pueden ser estables, pero Syd será inestable:

 A(q 1 ) S (q 1 )
S up (q 1 )  , S yp ( q 1 ) 
S (q 1 )  q  d B(q 1 ) S (q 1 )  q  d B(q 1 )
 q  d B(q 1 ) q  d B(q 1 ) S (q 1 )
S yv (q 1 )  , S yd (q 1 ) 
S (q 1 )  q  d B(q 1 ) 
A(q 1 )  S (q 1 )  q  d B(q 1 ) 
En consecuencia, las perturbaciones a la entrada de la planta d son capaces de desestabilizar el
sistema.
2.2 Conformación de las funciones Syp y Sup
Las funciones de sensibilidad juegan un papel clave en los estudios de robustez. De hecho, el
control robusto puede interpretarse como una metodología para conformar las diferentes funciones
de sensibilidad a fin de satisfacer diferentes familias de especificaciones. Por ello es fundamental
entender e interpretar el comportamiento de las funciones de sensibilidad en el dominio frecuencial.
2.2.1 Propiedades de la función de sensibilidad de la salida Syp
A(q 1 ) S (q 1 )
S yp (q 1 ) 
A(q 1 ) S (q 1 )  q  d B( q 1 ) R(q 1 )
Propiedad 1: Amplificación/atenuación. El módulo de Syp a cada frecuencia  nos da el
factor de amplificación o atenuación de la perturbación p a la salida de la planta y.
 Si |Syp()|>1 (|Syp()|>0dB) el sistema amplifica la perturbación p de frecuencia .
 Si |Syp()|=1 (|Syp()|=0dB) el sistema opera en lazo abierto (notar que es

equivalente a cortar el lazo a la frecuencia , es decir, a hacer R=0)
 Si |Syp()|<1 (|Syp()|<0dB) el sistema atenúa la perturbación p de frecuencia .
 Si |Syp()|=0 (|Syp()|=-dB) el rechazo de la perturbación p de frecuencia  es

total.

1
Propiedad 2: Margen de módulo. El margen de módulo es M  . Su valor mínimo se
S yp
max
suele tomar como M min  0.4 ( 8dB) . Típicamente se pide M  0.5 (6dB) . Un margen de
módulo de M  0.5 (6dB) implica que MG  2 y MF  29 (pero el recíproco en general
no es cierto). El margen de módulo también define la tolerancia a las no linealidades.
Propiedad 3. Efecto "cama de agua" (waterbed effect). Si el lazo abierto (KG) es estable, se
cumple la siguiente propiedad
0.5 f s
 0
log S yp (e j 2f / f s ) df  0
El área que define la curva Syp por debajo del eje de 0dB es igual al área definida por encima de los
0dB. Por tanto, la atenuación de las perturbaciones en una región frecuencial implica la
amplificación de éstas en otras regiones. Y la ampliación de la zona de atenuación tiene como
resultado una mayor amplificación fuera de la zona de atenuación y, consecuentemente, una
reducción de la robustez (puesto que se reduce el margen de módulo).
|S yp| con cancelación de continua
10
-5
dB
-10
-15
-20
wn=0.4
-25 wn=0.6
wn=1.0
-30
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
Propiedad 4. Cancelación total de las perturbaciones. Cancelar totalmente una frecuencia  es

hacer |Syp()|=0. Esto se consigue añadiendo un cero a esa frecuencia al numerador de Syp. Si el
numerador A(ej)S(ej) no contiene dicho cero, es posible añadirlo al polinomio S:
A(ej)S(ej)HS(ej).
Si queremos cancelar totalmente la frecuencia 0 en régimen permanente, basta con escoger

H S (q 1 )  1  2 cos( 0Ts )q 1  q 2 . Si queremos cancelar totalmente las perturbaciones tipo
escalón basta con escoger H S (q 1 )  1  q 1 .
B(q 1 ) 0.3q 1
Ejemplo: Considerar la planta q  d  q 2
, Ts=1s. Se desea un comportamiento
A(q 1 ) 1  0.7 q 1
equivalente a un sistema de segundo orden con =0.9 y n=0.4 (tiempo continuo). Para ello se
escogen los polinomios S y R de manera que el polinomio característico sea
1 1 1 d 1 1 1
P (q )  A(q ) S (q )  q B(q ) R(q )  1  1.37 q  0.48q 2 . (Nota: Los polos en
tiempo continuo son  0.36  j 0.17 . Aplicando la transformación z  e s , se obtiene que los
sT

polos en tiempo discreto correspondientes a P(q-1) son 0.68  j 0.12 o, lo que es lo mismo,
0.69e 0.17 . El polinomio correspondiente a estos polos es el que se especifica como polinomio
característico de la regulación). La función Syp resultante es:
|S yp|
2
1.5
0.5
dB
-0.5
-1
-1.5
-2
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
Si se desea cancelar la continua, hay que añadir el factor H S (q 1 )  1  q 1 al polinomio S(q-1).
Si, además de la continua, se desea cancelar la frecuencia f0=0.25Hz, hay que añadir el factor
 
H S (q 1 )  1  q 1 1  2 cos(2 0.25Ts )q 1  q 2  1  q 1 1  q 2 al polinomio S(q-1).    
Los resultados, para ambos casos, son:
|S yp| con Hs =(1-q-1) |S yp| con Hs =(1-q-1)(1+q-2)

10 10
0 0
-10 -10
dB
-20
dB
-20
-30 -30
-40 -40
-50 -50
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs f/fs
Propiedad 5. Operación en lazo abierto. Operar en lazo abierto a la frecuencia  es forzar que, a
dicha frecuencia, el polinomio R(q-1) se anule. Notar que, entonces, tendremos |Syp()|=1 (0dB).
Para forzar que R se anule lo que haremos será añadirle un cero a la frecuencia que queremos
anular. Así, R(ej) se convierte en R(ej)HR(ej). Si queremos operar en lazo abierto a la frecuencia
0, basta con escoger H R (q 1 )  1  2 cos( 0Ts )q 1  q 2 .
Ejemplo: Considerar de nuevo el ejemplo anterior. Suponer que, además de cancelar la continua,
queremos operar en lazo abierto a f=0.25Hz. Así, habrá que escoger H S (q 1 )  1  q 1 y
H R (q 1 )  1  q 2 . La función Syp resultante (para n=0.4 y n=1 ) es:

|S yp| con Hs =(1-q-1) y Hr =(1+q-2) |S yp| con Hs =(1-q-1) y Hr =(1+q-2)

10 10
5
5
0
-5
dB
dB
-5 -10
-15
-10
-20
-15
-25
-20 -30
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs f/fs
Propiedad 6. Polos auxiliares. En general, la introducción de polos auxiliares estables, es decir, la

inclusión en el polinomio característico P(q-1) de un factor auxiliar estable (y más rápido que los
polos dominantes PD(q-1)), P(q-1)=PD(q-1)PA(q-1), tiene como resultado la reducción de |Syp| en la
banda de atenuación correspondiente a dicho factor auxiliar. En particular, notar que si se reduce
|Syp|max, aumentará el margen de módulo y, en consecuencia, aumentará la robustez del sistema.
La elección típica es PA (q 1 )  (1  pq 1 ) PA donde  0.5  p  0.05 y n PA  n P  n PD . En

n
muchas aplicaciones, la introducción de polos auxiliares de alta frecuencia es suficiente para

asegurar los márgenes de robustez requeridos.
Ejemplo: Considerar de nuevo el ejemplo anterior con n=1. Se ha añadido el factor

H S (q )  1  q 1 para cancelar las perturbaciones de frecuencia 0. El efecto de añadir un par de
1
polos auxiliares PA (q 1 )  (1  0.2q 1 ) 2 al polinomio característico se muestra en la siguiente

figura.
|S yp| con P a=1 y P a=(1-0.2q-1)2 Módulo de P a=(1-0.2q-1)2

10 4
5 3
0 2
-5 1
dB
0
dB
-10
-15 -1
-20 -2
P a=1
-25 -3
P a=(1-0.2q-1)2
-30 -4
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs f/fs
Propiedad 7. Efecto de un dipolo. Atenuación/amplificación local. Si se quiere introducir una

atenuación o amplificación local, se puede ampliar Syp con la introducción de un factor del tipo
H S (q 1 ) 1  1 q 1   2 q 2

PA (q 1 ) 1   1 q 1   2 q 2
El procedimiento es como sigue: Se define una función de transferencia en tiempo continuo,

s 2  2 num 0 s   02
F (s) 
s 2  2 den 0 s   02
2 1  q 1
donde  den  0.3 y se discretiza mediante la transformación bilineal s  a fin de
Ts 1  q 1
H S (q 1 )
obtener . (No se discretiza mediante ZOH puesto que interesa conservar el valor de la
PA (q 1 )
frecuencia).
  num 
Si  num   den se introduce una atenuación local de valor 20 log  a la frecuencia
  den 
  0Ts 
discretizada  discr  2arctg  . Si  num   den se introduce una amplificación local.
 2 
Ejemplo: Considerar de nuevo el ejemplo anterior. Los polos dominantes del polinomio
característico del diseño corresponden ahora a =0.9 y n=1 (tiempo continuo) y se ha añadido el
factor H S (q 1 )  1  q 1 para cancelar las perturbaciones de frecuencia 0. El efecto de añadir el
factor
s 2  2  0.21  1.02s  1.02 2

F (s) 
s 2  2  0.34  1s  12
y su inversa se muestra en las siguientes figuras.

|S yp| con amplificación local
|S yp| con atenuación local
15
10
10
5
5
0
0
-5
-5
dB
dB
-10
-10
-15
-15
-20
-20
-25 -25
-30 -30
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs f/fs
Para frecuencia inferiores a 0.17fs, se puede asumir que  discr   0 num   0 den   0 . Por ejemplo,
si fs=1Hz y queremos atenuación a 0.1Hz, podemos escoger una F(s) con  0  2 0.1 ,
 num  0.25 ,  den  0.4. El filtro F(s) discretizado mediante la transformación bilineal se muestra
en la figura:

dB
-2
-4
-6
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
20
10
deg 0
-10
-20
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
En resumen, la forma final de Syp será:
| Syp |dB Margen de módulo

| Syp |max = -M Zona de amplificación
| Syp | > 0dB
fs/2
Lazo abierto
| Syp | = 0dB
Zona de atenuación
Rechazo total | Syp | < 0dB
| Syp | = -dB
2.2.2 Propiedades de la función de sensibilidad de la entrada Sup
 A(q 1 ) R(q 1 )
S up (q 1 ) 
A(q 1 ) S (q 1 )  q  d B( q 1 ) R(q 1 )
Propiedad 1. Bloqueo de señales. Cancelar totalmente el efecto sobre la señal de control u de una
perturbación p de frecuencia  es hacer |Sup()|=0. Esto se consigue añadiendo un cero a esa
frecuencia al numerador de Sup, es decir, A(ej)R(ej) se convierte en A(ej)R(ej)HR(ej).
Notar que ello es equivalente a operar en lazo abierto a dicha frecuencia (|Syp()|=1).
 
El filtro HR se puede escoger como H R (q 1 )  1  q 1 , con 1    1 y n = 1, 2. También, si
n
se quiere bloquear una señal armónica, se puede escoger H R (q 1 )  1  2 cos( 0Ts )q 1  q 2 . Y
si se quiere bloquear la frecuencia 0.5fs (cero en -1), se puede elegir H R (q 1 )  1  q 1 , n = 1,  

n
2.

Propiedad 2. Inversa de la planta. A las frecuencias donde |Syp()|=0 (cancelación total del
efecto de la perturbación p sobre la salida de la planta y), es decir, donde A(ej)S(ej)HS(ej)=0,
A( ) 1
notar que S up ( )   G ( ) (la función de sensibilidad es la inversa de la planta).
B( )
Cancelar totalmente una perturbación allá donde la ganancia de la planta es pequeña no es

aconsejable puesto que fuerza mucho al actuador. Además, disminuye la robustez, puesto que
1
S up ( ) es la tolerancia con respecto a la incertidumbre aditiva en el modelo de la planta (un
valor alto de S up ( ) implica baja robustez).
Propiedad 3. Efecto de un dipolo. Atenuación/amplificación local. De manera análoga a lo

visto en Syp, si se quiere introducir una atenuación o amplificación local, se puede ampliar Sup con la
introducción de un factor del tipo
H R (q 1 ) 1  1 q 1   2 q 2

PA (q 1 ) 1   1 q 1   2 q  2
s 2  2 num  0 s   02
resultado de discretizar, vía la transformación de Tustin, un factor F ( s )  .
s 2  2 den 0 s   02
En resumen, la forma final de Sup será del tipo:
2.2.3 Plantillas para las funciones de sensiblidad
Las condiciones de robustez de la estabilidad permiten definir plantillas en el dominio frecuencial

para las funciones de sensibilidad. Estas plantillas son esenciales para diseñar un buen controlador.
Las plantillas típicas para Syp y Sup son:

2.2.4 Descripción de la incertidumbre. Condiciones de estabilidad robusta
Se adopta la descripción en el dominio frecuencial en forma de discos de incertidumbre, esto es,

para cada frecuencia, la respuesta de la planta se encuentra en el interior de un círculo con centro en
el valor nominal y radio variando según una función de transferencia con cualquier fase pero
módulo menor que 1.
En el caso de incertidumbre aditiva, la planta perturbada puede escribirse como

   G q    q W q 
Gq 1
0
1 1
 
a
1
, donde  q 1 es cualquier función de transferencia con
 q   1 y W q  es una función estable. La aplicación del teorema de la ganancia pequeña
1
 a
1
da como resultado la siguiente condición de estabilidad robusta:
S up (q 1 )Wa (q 1 ) 1

R q d B
Los esquemas de bloques correspondientes, para K  yG son:
S A
b a
Wa 

K G b a
SupWa
b (1) KWa  RAWa

puesto que    S upWa .
a 1  KG SA  RB
En el caso de incertidumbre multiplicativa, la planta perturbada puede escribirse como

         
G q 1  G0 q 1 1   q 1 Wm q 1 , donde  q 1 es cualquier función de transferencia con
 q 
1

 1 y Wm q  es una función estable. La aplicación del teorema de la ganancia
1
pequeña da como resultado la siguiente condición de estabilidad robusta:
S yv (q 1 )Wm (q 1 )  1.

R q d B
S A

b
Wm 
a

K G b a
SyvWm
b (1) KGWm  RBWm

puesto que    S yvWm .
En el caso de incertidumbre multiplicativa inversa (retroactiva), la planta perturbada puede

G0 q 1 
escribirse como G q 1    , donde  q 1  es cualquier función de transferencia
1   q Wr q 
1 1
 
con  q 1

 
 1 y Wr q 1 es una función estable. La aplicación del teorema de la ganancia
pequeña da como resultado la siguiente condición de estabilidad robusta:
S yp (q 1 )Wr (q 1 )  1.

R q d B
S A
a b
 Wr

K G b a
-SypWr
b (1)Wr  SAWr
puesto que     S ypWr .
2.2.5 Plantillas para el margen de módulo y de retardo en Syp

1
En general, la condición de estabilidad robusta es del tipo S xy ( )  W z ( ) , 0     , donde
1
las funciones W z ( ) definen cotas superiores para las funciones de sensibilidad. Las funciones
W z ( ) describen la cantidad de incertidumbre en el modelo de la planta a frecuencia . Por tanto,
1
S xy ( ) puede interpretarse como la tolerancia del sistema a dichas incertidumbres.
Un margen de módulo M  0.5 (-6dB) implica que S yp ( )  6dB puesto que, por definición,
-1
M  S yp ( ) .
max

Un margen de retardo   Ts implica que G0 (q 1 )  q  d B(q 1 ) / A(q 1 ) y

G (q 1 )  q  d 1 B (q 1 ) / A(q 1 ) . En términos de incertidumbre multiplicativa,
1
Wm  (G  G0 ) / G0  (q 1  1) . Por tanto, la condición sobre Syv es S yv ( )  .
e  j  1
Puesto que S yp  1  S yv , 1  S yv  S yp  1  S yv y, por tanto, una condición aproximada es:
1 1
1  e j  1  S yp  1  e j  1 .
Plantillas para S yp
10
M
5 
-5

dB
-10
-15
-20
-25
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
2.3 Control digital de dos grados de libertad
Los controladores digitales se pueden diseñar por los siguientes métodos:
 Fijación de polos (para seguimiento y regulación)

 Seguimiento y regulación con objetivos independientes
 Internal Model Control (IMC)
 Fijación de polos con conformación de las funciones de sensibilidad
Todos estos métodos de diseño se basan en la estructura RST de dos grados de libertad y pueden
interpretarse como casos particulares del problema de fijación de polos.
El diseño y sintonización de los controladores necesita un modelo en tiempo discreto de la planta.

El número de parámetros del controlador (memoria) depende de la complejidad del modelo de la
planta y de las especificaciones de robustez.
2.4 Fijación de polos (para seguimiento y regulación)
Permite el diseño de controladores RST para:

 Sistemas estables o inestables.
 Sistemas con ceros de fase mínima o de fase no mínima.
 No hay restricción de orden en los polinomios A y B.
No cancela los ceros del modelo de la planta.
El PID digital puede diseñarse usando este método.

2.4.1 Formulación del problema
B(q 1 )
Problema: Dada la planta G (q 1 )  q  d y las especificaciones del diseño en forma de
A(q 1 )
Bm (q 1 )
polinomio característico P (q 1 ) (para la regulación) y modelo (para el seguimiento),
Am (q 1 )
obtener los polinomios R (q 1 ) , S (q 1 ) y T (q 1 ) .
Polinomio característico: El primer paso es la selección de los polos en lazo cerrado deseados:
P(q-1)= PD(q-1) PA(q-1)
Los polos dominantes PD(q-1) se seleccionan a partir de las especificaciones. A menudo se dan
especificaciones en tiempo continuo (tr, Rpt) que se pueden traducir a bloques de segundo orden (n,
). Para obtener PD(q-1) hay que discretizar (Ts) dichos bloques. Unas especificaciones
correctamente seleccionadas cumplen 0.25nTs1.5, 0.71.
Los polos auxiliares PA(q-1) se introducen para dar robustez al diseño y suelen ser más rápidos que
los polos dominantes.
2.4.2 Solución del problema
Paso 1. Regulación (cálculo de los polinomios R y S). Consiste en resolver la ecuación diofántica
(o ecuación de Bézout)
P (q 1 )  A(q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 )
Existe solución y es única si

o A y B no tienen factores en común
o nP  n A  nB  d  1
En esas condiciones, la solución tiene n S  n B  d  1 y n R  n A  1

~
o S (q 1 )  1  s1 q 1    s nS q  nS  1  q 1 S (q 1 )
o R (q 1 )  r0  r1 q 1    rnR q  nR
La ecuación diofántica se resuelve fácilmente de forma matricial, Mx  p , x  M 1p .

 1 0  0 0 0  0   1   1 
a    
 1 1  b1 0    s1   p1 
 a 2 a1  0 b2 b1        
     
  a 2 1  b 2  0  s
  ns   
a nA  a1 bnB   
b1   r0   p np 

 
 0 a nA a2 0 bnB b2   r1   0 
     
           
    
 0 0 0 a nA 0 0 0 bnB   rnr   0 
  
nB  d nA
Los polinomios R y S pueden incorporar partes fijas HR y HS que permiten imponer condiciones
adicionales de comportamiento/robustez al lazo (acción integral en el controlador, rechazo de cierta
frecuencia de perturbación a la salida,…).
En estas situaciones el procedimiento es el mismo pero añadiendo estas partes fijas a la planta:
A’=AHS, B’=BHR. La solución de la ecuación diofántica es entonces S' y R',
P (q 1 )  A' (q 1 ) S ' (q 1 )  q  d B' (q 1 ) R' (q 1 ) ,
con lo que los polinomios S y R finales serán S=S’HS, R=R’HR. Las condiciones de existencia y
unicidad de la solución deben reflejar estos cambios.
Paso 2. Seguimiento (cálculo del polinomio T)
q  ( d 1) Bm (q 1 )
El caso ideal ~
y (t )  1
r (t ) no puede conseguirse debido al retardo y los ceros de la
Am (q )
B (q 1 )
planta, por tanto, el objetivo es conseguir ~
y (t  d  1)  m 1 r (t ) .
Am (q )
Selección de T: Puesto que la función de transferencia entre r e y es
Bm (q 1 ) q  d B (q 1 )
M (q 1 )  T ( q 1
) ,
Am (q 1 ) A(q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 )
se escoge T (q 1 )  HP(q 1 ) , donde H es una ganancia estática (T debe ser un polinomio) entre
~ B (q 1 ) q  d B(q 1 )
y (t ) e y(t) (H=1/B(1) si B(1)0 y H=1 si B(1)=0). Entonces, M (q 1 )  m 1 .
Am (q ) B(1)
Un caso particular es cuando coinciden la dinámica de regulación y la de seguimiento. En ese caso,

T(q-1)=H.
Ley de control resultante: Puesto que S (q 1 )u (t )  T (q 1 ) ~

y (t  d  1)  R(q 1 ) y (t ) con
~
S (q 1 )  1  q 1 S (q 1 ) , la ley de control es:

~
u (t )  T (q 1 ) ~
y (t  d  1)  R(q 1 ) y (t )  S (q 1 )u (t  1)
2.4.3 Ejemplo
Periodo de muestreo: Ts=1s

q  d B(q 1 ) 0 0.1q 1  0.2q 2
Planta: q
A(q 1 ) 1  1.3q 1  0.42q  2
Especificaciones:
Bm (q 1 ) 0.0927  0.0687 q 1
 Seguimiento:  (  n  0.5rad / s ,  = 0.9)
Am (q 1 ) 1  1.2451q 1  0.4066q  2
 Regulación: PD (q 1 )  1  1.3741q 1  0.4867q 2 (  n  0.4rad / s ,  = 0.9)
 Acción integral: H S (q 1 )  1  q 1
Solución:
polys =
S: [1 -0.3742 -0.6258]
R: [3.0000 -3.9390 1.3142]
T: [3.3333 -4.5807 1.6225]
Análisis:
marges =
GM: 2.7029
PM: 65.4468
DM: 2.0979
MM: 0.6177
Respuesta temporal:
 Excitación: Escalón unitario con retardo de 9 muestras.
 Perturbación: Escalón de valor -0.25 a partir de la muestra 50.
1.5
1
y
0.5
0
0 10 20 30 40 50 60 70 80 90 100
1.5
1
u
0.5
0
0 10 20 30 40 50 60 70 80 90 100

2.5 Seguimiento y regulación con objetivos independientes
Es un caso particular de la fijación de polos en el cual los polos en lazo cerrado contienen los ceros
de la planta. Por tanto, solo es válido para plantas con ceros de fase mínima.
Así, permite el diseño de controladores RST para:

 Sistemas estables o inestables
 No hay restricción en el orden de los polinomios A y B
 No hay restricción en el retardo entero de la planta d
 Los ceros de la planta deben ser estables. Por tanto, no se permite retardo fraccional >0.5Ts
puesto que ello implica ceros "inestables".
Al contrario que la fijación de polos simple, este método cancela los ceros de la planta y,
por tanto, permite alcanzar perfectamente las especificaciones de comportamiento (sigue
perfectamente la trayectoria deseada). Para ello, los ceros de la planta deben ser estables y
su coeficiente de amortiguamiento debe ser adecuado, >0.2 (ello define una región
admisible para los ceros del modelo de la planta).
B(q 1 ) ~
Problema: Dada la planta G (q 1 )  q  d 1
, con B (q 1 )  q 1 B (q 1 ) , y las especificaciones
A(q )
del diseño en forma de polinomio característico conteniendo los ceros de la planta
~ B (q 1 )
P(q 1 )  P' (q 1 ) B (q 1 ) (para la regulación) y modelo m 1 (para el seguimiento), obtener
Am (q )
los polinomios R (q 1 ) , S (q 1 ) y T (q 1 ) .
Regulación: El polinomio característico deseado contiene los ceros de la planta,

~ ~
P (q 1 )  A(q 1 ) S (q 1 )  q  d 1 B (q 1 ) R(q 1 )  P' (q 1 ) B (q 1 )
~
Si se toma S (q 1 )  S ' (q 1 ) B (q 1 ) , con S’ mónico (entonces s0 en S será igual a b1,
~
S (q 1 )  s 0  s1 q 1    B (q 1 ) S ' (q 1 )  (b1  b2 q 1  )(1  s1' q 1  ) ), la ecuación a
resolver se simplifica y queda como:
A(q 1 ) S ' (q 1 )  q  d 1 R(q 1 )  P' (q 1 )


o nP'  n A  d
En esas condiciones, la solución tiene n S '  d y n R  n A  1

o S ' (q 1 )  1  s '1 q 1    s ' nS ' q  nS '
o R (q 1 )  r0  r1 q 1    rnR q  nR
La ecuación diofántica se resuelve fácilmente de forma matricial, Mx  p , x  M 1p . Puesto que

la matriz M es triangular inferior, este problema es más sencillo de resolver y numéricamente más
robusto que el del problema de fijación de polos general.
 1 0  0 0  0  1   1 
0
a    
 1 1     s '1   p1 
 a 2 a1  0       
     
  a2 1 0  s
 d '   p nA 
a nA  
 r0   p nA1 
a1 1   
 
 0 a2 0  0   r1   
     
  1 0      
 
 0  0 a nA 0  0 1  rnr   p nA d 
   
d 1 nA
La inserción de los filtros HS y HR es análoga al caso de fijación de polos general.
Seguimiento: El lazo cerrado es
Bm (q 1 ) q  d B(q 1 )
M (q 1 )  T ( q 1
)
Am (q 1 ) A(q 1 ) S (q 1 )  q d B(q 1 ) R(q 1 )
~ B (q 1 )
La trayectoria de referencia es y (t  d  1)  m 1 r (t ) . Puesto que
Am (q )
Bm (q 1 ) q  d 1
M (q 1 )  1
T ( q 1
) 1
, el resultado es T (q 1 )  P ' (q 1 ) .
Am (q ) P ' (q )
Ley de control: Como antes, S (q 1 )u (t )  T (q 1 ) ~

y (t  d  1)  R(q 1 ) y (t ) . Ahora,
S (q 1 )u (t )  P' (q 1 ) ~
y (t  d  1)  R(q 1 ) y (t ) ,
~
donde S (q 1 )  s 0  s1 q 1    s 0 (1  S (q 1 )) , con s0=b1. Entonces,

u (t ) 
1
b1

P' (q 1 ) ~
~
y (t  d  1)  R(q 1 ) y (t )  S (q 1 )u (t  1) ,
1  1
1 Bm ( q ) ~ 
u (t )   P ' ( q ) 1
r (t )  R(q 1 ) y (t )  S (q 1 )u (t  1)
b1  Am (q ) 
2.5.3 Ejemplos

q  d B(q 1 ) 0 0.2q 1  0.1q 2
Planta: q
A(q 1 ) 1  1.3q 1  0.42q  2
Especificaciones:
Bm (q 1 ) 0.0927  0.0687 q 1
Am (q 1 ) 1  1.2451q 1  0.4066q  2
Solución:
polys =
S: [0.2000 -0.1000 -0.1000]
R: [0.9258 -1.2332 0.4200]
T: [1 -1.3742 0.4868]
Efectivamente, S tiene un integrador S(1)=0 y T=P.
Análisis:
marges =
GM: 2.1093
PM: 65.3277
DM: 1.2040
MM: 0.5259
Respuesta temporal:
 Excitación: Escalón unitario con retardo de 9 muestras.
 Perturbación: Escalón de valor -0.25 a partir de la muestra 50.

1.5
y
0.5
0
0 10 20 30 40 50 60 70 80 90 100
t/Ts
1
u
-1
0 10 20 30 40 50 60 70 80 90 100
t/Ts
El ringing observado es debido al cero de la planta (igual a -0.5, correspondiente a =0.2, en el

límite del amortiguamiento deseable), el cual ahora forma parte del polinomio característico del
sistema. En concreto:
>> zpk(trfn.Sup)
Zero/pole/gain:
-4.629 (z-0.7) (z-0.6) (z^2 - 1.332z + 0.4537)
-----------------------------------------------
(z+0.5) (z^2 - 1.374z + 0.4868)
Sampling time: 1

q  d B(q 1 ) 3 0.2q 1  0.1q 2
Planta: q
A(q 1 ) 1  1.3q 1  0.42q 2
Especificaciones:
Bm (q 1 ) 0.0927  0.0687 q 1
Am (q 1 ) 1  1.2451q 1  0.4066q  2
 Robustez: M  0.5 ,   1  Ts
Solución:
polys =
S: [0.2000 0.0852 -0.0134 -0.0045 -0.1785 -0.0889]
R: [0.8914 -1.1521 0.3732]
T: [1 -1.3742 0.4868]
Análisis:

marges =
GM: [2.0784 2.1796]
PM: [58.0372 -69.9802 71.5384 -72.5586]
DM: [3.9544 3.8626 0.6960 1.7269 1]
MM: 0.5189
Hay varios márgenes puesto que el retardo d=3 ha tenido como consecuencia un incremento de
vueltas del diagrama polar y, por tanto, diversos cruces por el círculo unitario.
Nyquist Diagram
10
2
Imaginary Axis
-2
-4
-6
-8
-10
-1 0 1 2 3 4 5 6 7
Real Axis
Se toman como márgenes de robustez los valores mínimos, esto es, GM=2.078, PM=58.037,
MM=0.518 y DM=0.696s. Notar que el margen de retardo no cumple la especificación DM  1s.
Ello se observa también en la siguiente figura:
|S yp|
10
-5
dB
-10
-15
-20
-25
-30
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
Para mejorar el margen de retardo se introducen 3 polos auxiliares a 0.1.

|S yp|
10
-5
dB
-10
-15
-20
-25
-30
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs

La introducción de polos auxiliares también ha reducido el ringing. Las siguientes figuras muestran
la respuesta temporal antes y después de introducir los polos auxiliares.
1.5 1.5
1 1
y
y
0.5 0.5
0 0
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
t/Ts t/Ts
2 2
1 1
u
u
0 0
-1 -1
0 10 20 30 40 50 60 70 80 90 100 10 20 30 40 50 60 70 80 90 100
t/Ts t/Ts
Los nuevos polinomios y márgenes de robustez son:
polys =
S: [0.2000 0.0252 -0.0329 0.0019 -0.1295 -0.0647]
R: [0.6508 -0.8403 0.2716]
T: [1 -1.6742 0.9290 -0.1883 0.0160 -4.8675e-004]
marges =
GM: [2.1586 2.9741]
PM: [58.5372 -94.0039 110.9487]
DM: [4.2981 3.6034 1.1869]
MM: 0.5344
2.6 Internal model control (IMC)
Es otro caso particular de la fijación de polos.
IMC es un nombre comercial pero puede llevar a confusión puesto que no tiene nada que ver con el
"principio del modelo interno". De hecho, implementa una estrategia de control trivial.
Los polos dominantes del lazo cerrado coinciden con los de la planta. Por tanto, no permite acelerar
la respuesta del sistema en lazo cerrado. Y, además, el modelo de la planta deberá ser estable y bien
amortiguado.
Se usa en los casos en que existe un retardo muy grande (horas), mayor que la dinámica de la planta
sin retardo (del orden de 2 o más de 2 veces superior).
B(q 1 ) ~
Problema: Dada la planta G (q 1 )  q  d 1
, con B (q 1 )  q 1 B (q 1 ) , y las especificaciones
A(q )
del diseño en forma de polinomio característico conteniendo los polos de la planta

Bm (q 1 )
P(q 1 )  PA (q 1 ) A(q 1 ) (para la regulación) y modelo (para el seguimiento), obtener
Am (q 1 )
los polinomios R (q 1 ) , S (q 1 ) y T (q 1 ) .
Regulación: El polinomio característico del sistema en lazo cerrado tiene como polos dominantes
los de la planta ( A(q 1 ) ).
P (q 1 )  A(q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 )  A(q 1 ) PA (q 1 ) ,
Como polos auxiliares PA (q 1 ) se suelen usar factores del tipo PA (q 1 )  (1  q 1 )

n PA
.
Si se toma R (q 1 ) de la forma R (q 1 )  A(q 1 ) R ' (q 1 ) , la ecuación a resolver queda

simplificada a:
S (q 1 )  q  d B (q 1 ) R' (q 1 )  PA (q 1 ) ,

o n PA  d  n B  1
En esas condiciones, la solución tiene n S  d  n B  1 y n R '  0

o S (q 1 )  1  s1 q 1    s nS ' q  nS
o R' (q 1 )  r ' 0
La inserción de los filtros HS y HR es análoga al caso de fijación de polos general.
Solución para el caso con integrador: En el caso de controlador con acción integral,
S (q 1 )  (1  q 1 ) S ' (q 1 ) , la ecuación a resolver queda como:
(1  q 1 ) S ' (q 1 )  q  d B(q 1 ) R' (q 1 )  PA (q 1 )
El valor de R' se puede obtener fácilmente para el caso estático, q=1: r ' 0  PA (1) / B (1) . Así,
PA (1) P (1)
R (q 1 )  A(q 1 ) y S (q 1 )  (1  q 1 ) S ' (q 1 )  PA (q 1 )  q  d B (q 1 ) A
B (1) B(1)
Si, además, se añaden un filtro fijo HR, la solución queda como:
PA (1) H R (q 1 ) P (1) H R (q 1 )
R (q 1 )  A(q 1 ) y S (q 1 )  PA (q 1 )  q  d B (q 1 ) A
B(1) H R (1) B(1) H R (1)

Bm (q 1 ) q  d B(q 1 )
Seguimiento: El lazo cerrado es M (q 1 )  T ( q 1
) y la trayectoria de
Am (q 1 ) A(q 1 ) PA (q 1 )
B (q 1 )
referencia es ~
y (t  d  1)  m 1 r (t ) . Puesto que, en régimen permanente, interesa que
Am (q )
1
q  d B(q 1 ) 1 PA ( q )
T (q 1 ) 1, el polinomio T se escoge como T ( q 1
)  A( q ) .
A(q 1 ) PA (q 1 ) B(1)
En el caso deque la dinámica de seguimiento coincida con la de regulación, Am  APA , se puede

A(1) PA (1)
suprimir el modelo de referencia Bm/Am y tomar una T estática, T (q 1 )  T (1) 
B(1)
Ley de control e interpretación: Para H r (q 1 )  1 , la ley de control es:
S (q 1 )u (t )  T (q 1 ) ~
y (t  d  1)  R(q 1 ) y (t )
Poniendo el valor de S, T y R,
1
1 dPA (1) 1 1 PA ( q ) ~ P (1)
PA (q )u (t )  q B(q ) u (t )  A(q ) y (t  d  1)  A(q 1 ) A y (t )
B(1) B(1) B(1)
1 PA (q 1 ) ~
1 P (1) P (1)
PA (q )u (t )  A(q ) y (t  d  1)  A(q 1 ) A y (t )  q  d B(q 1 ) A u (t )
B(1) B(1) B(1)
y sacando factor común APA(1)/B(1) de los dos últimos términos,

 
P ( q 1
) ~ P (1)  q d
B ( q 1
) 
PA (q 1 )u (t )  A(q 1 ) A y (t  d  1)  A(q 1 ) A  y (t )  u (t )

  B(1) B (1)  A(q ) 1
S0  
    
T0 R0  modelo 
El esquema equivalente se muestra en la figura:
y(t+d+1) T0(q-1) + 1 u(t) y(t)

Planta
S 0 (q 1 )
_
modelo +
d
q B (q )1 _
A(q 1 )
R0(q-1)
El modelo de la planta (modelo de predicción) está presente en el controlador. En lugar de aplicar

la retroacción a la salida de la planta se aplica al error de predicción.

IMC parcial: Es un caso particular donde solo una parte de los polos de la planta forman parte del
polinomio característico. Por ejemplo, suponer A(q 1 )  A1 (q 1 ) A2 (q 1 ) , donde A1 son los polos
dominantes y A2 unos polos lejanos. Los polos lejanos formarán parte del polinomio característico
mientras que los polos dominantes no puesto que, por lo que sea, queremos modificar su posición.
Las ecuaciones serán:
A1 (q 1 ) A2 (q 1 ) S (q 1 )  q  d B(q 1 ) R(q 1 )  A2 (q 1 ) PA (q 1 )
donde R (q 1 )  A2 (q 1 ) R ' (q 1 ) .
2.6.3 Ejemplo

q  d B(q 1 ) 7 q 1
Planta:  q
A(q 1 ) 1  0.2q 1
Especificaciones:
 Robustez: M  0.5 y   Ts
 Comportamiento: integrador en el lazo
Solución:
Se satisface el margen de módulo, no así el de retardo:

|S yp|
10
controller
1
5
0.8
0.6 0
0.4
-5
0.2
Imaginary Axis
dB
-10
0
-0.2 -15
-0.4
-20
-0.6
-25
-0.8
-1 -30
-1.5 -1 -0.5 0 0.5 1 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Real Axis f/fs
Solución 2 y análisis: La introducción de polos auxiliares mejora la robustez con respecto al

margen de retardo. Como ilustración se ensayan los polos 0.1, 0.3 y 0.333.
Las figura superior muestra la plantilla correspondiente a   Ts y el módulo de Syv. La inferior

muestra las plantillas de módulo y retardo y el módulo de Syp. El polo auxiliar en 0.333 satisface ya
las especificaciones del problema.

|S yv |
0
-2
tmp
dB
0.1
-4
0.3
0.333
-6
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
|S yp|
10
0
dB
-10
-20
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
Solución 3 y análisis: Es posible mejorar las prestaciones del diseño haciendo uso de los grados de
libertad que nos quedan. Podemos usar un polinomio característico de hasta orden 9 (nB+nA+d,
donde nB=1, nA=1, d=7). Por ello, se ensaya un diseño con un polo auxiliar en 0.3 y 7 polos en
0.1. El resultado se compara con el obtenido con un único polo auxiliar en 0.5. Ambos cumplen las
especificaciones.
|S yv |
0
-5
dB
-10
tmp
0.5
-15
7 x 0.1
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
|S yp|
10
0
dB
-10
-20
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
Solución 4 y análisis: Finalmente, se compara el caso de un polo auxiliar en 0.333 con el caso de
añadir un filtro H R (q 1 )  1  q 1 a fin de abrir el lazo a frecuencia 0.5fs. Ambos diseños cumplen
también las especificaciones de diseño.

|S yv |
0
tmp
dB
-5
Hr =1+q-1
P aux =1-0.333q-1
-10
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
|S yp|
10
0
dB
-10
-20
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs
2.7 Fijación de polos para conformar las funciones de sensibilidad
El objetivo del control es conformar las funciones de sensibilidad de la entrada Sup y de la salida Syp.
Estas dos funciones contienen todas las especificaciones del problema de control y se conforman
mediante la introducción de polos auxiliares en el polinomio característico del sistema y la
introducción de filtros en los controladores.
Los pasos son:

1) Elegir los polos dominantes y los polos auxiliares del lazo cerrado.
2) Elegir la parte fija de los controladores (HS y HR)
3) Si es necesario, elegir de manera simultánea los polos auxiliares y las partes fijas de los
controladores.

2.8 Ejercicio resuelto
Ejercicio 4. Colada continua de acero

El proceso de colada continua de acero puede modelizarse por medio de la siguiente función de
transferencia (Landau, 2002):
B(q 1 )  2 0.5q
1
Planta: G (q 1 )  q  d   q 
A(q 1 ) 1  q 1
Especificaciones:
 Atenuar las perturbaciones de baja frecuencia: desde 0 a 0.03Hz.
 A frecuencia 0.07Hz la amplificación debe ser <3dB
 No atenuar la perturbación sinusoidal de f=0.25Hz (puesto que esta vibración es la que evita que
el acero se pegue a las paredes de la cubeta intermedia).
 El controlador no debe contener ningún integrador (puesto que la planta ya lo es)
 Margen de módulo M > -6dB y margen de retardo  > Ts.
Solución:
Diseño A: Se escoge una dinámica de regulación (polinomio característico) correspondiente a

2
n  , =0.9 (tiempo continuo). A fin de abrir el lazo a 0.25Hz se introduce un filtro
10
H R (q 1 )  1  q 2 . Los márgenes de robustez se cumplen, =4.5549s y M=0.6224. Sin
embargo, la especificación a 0.07Hz no se satisface.
Diseño B: Para introducir una atenuación local a 0.07Hz, se añade el filtro
s 2  2  0.35  0.07 s  0.07 2

F (s) 
s 2  2  0.5  0.07 s  0.07 2
Ahora la especificación a 0.07Hz se cumple pero hemos entrado ligeramente en la zona de

atenuación 0-0.03Hz. Los márgenes de robustez son =6.1194s y M=0.7131.
Diseño C: Para solucionar este último inconveniente se escogen unos polos dominantes más
rápidos:  n  0.9 , =0.9. Los márgenes de robustez obtenidos son =5.1016s y M=0.6408.
Ahora sí se satisfacen todas las especificaciones, tal y como muestran las siguientes figuras:
|S yp| |S up|
10 0
up A
lo B
A -10 C
5
B
C
-20
0
dB
-30
dB
-5
-40
-10
-50
-15 -60
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/fs f/fs

Sec Tema 4 Control Digital 1314a Ocw-5203 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Sec Tema 4 Control Digital 1314a Ocw-5203 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Sistemas Electrónicos de Control

Tema 4. Control digital

Profesora: Rosa Mª Fernández-Cantí

ETSETB. Sistemas Electrónicos de Control 1314a 2

Formas equivalentes de describir un sistema dinámico

1.1.1 Definición y propiedades

La transformada Z se define como:

En cuanto a las propiedades, la relación entre un retardo en n y en el dominio transformado Z es:

siendo  la delta de Kronecker.

ETSETB. Sistemas Electrónicos de Control 1314a 3

1.1.3 Solución de E (lineales y de coeficientes constantes) en el dominio z

determinar los residuos gráficamente a partir del diagrama de polos y ceros)

1.2 Respuesta temporal de los sistemas discretos

ETSETB. Sistemas Electrónicos de Control 1314a 4

Continuo (tiempo: t) Discreto (tiempo: n)

En sistemas muestreados, la relación de frecuencias es   Ts , donde  es la frecuencia del

Transformada Z directa y región de convergencia (ROC)

ETSETB. Sistemas Electrónicos de Control 1314a 5

Dada la señal u ( n )  a n , n  0 , su transformada Z es

La condición az 1  1 (o equivalentemente z  a ), necesaria para que la transformada tenga una

Para el análisis de estabilidad nos fijamos en el círculo unitario z  1 puesto que

Ejemplo 1. Transformada Z directa. Hallar la transformada Z unilátera de u (n)  cos( n) .

ETSETB. Sistemas Electrónicos de Control 1314a 6

Por ejemplo, la transformada Z inversa de la señal

Ejemplo 2. Transformada Z inversa vía cálculo de residuos. Vamos a obtener la transformada

entre el denominador y obtenemos:

z (3 z  0.6) 1.8 z  0.6

Y ahora realizamos la descomposición en suma de fracciones simples del término estrictamente

Los residuos son:

ETSETB. Sistemas Electrónicos de Control 1314a 7

1.8 z  0.6 ( z  1) 1.8  0.6 2.4

1.8 z  0.6 ( z  0.2) 0.36  0.6 0.24

Por tanto, la señal en el dominio temporal es:

y (n)  2(1) n  (0.2) n  3 (n) , n  0

Teoremas del valor inicial y final

Representación de la respuesta indicial con MATLAB

Para obtener su respuesta indicial, se puede usar dstep:

>> dstep([1 -0.6],[1 -1 0.29])

O bien, se puede usar step

>> H=tf([1 -0.6],[1 -1 0.29],1)

ETSETB. Sistemas Electrónicos de Control 1314a 8

A continuación, verificamos el valor inicial y el valor final de la anterior respuesta indicial:

1.3 Respuesta frecuencial de los sistemas discretos

La respuesta frecuencial en un sistema discreto es H ( z ) z e j  H ( e j ) , donde  es la frecuencia

Obtención punto a punto

ETSETB. Sistemas Electrónicos de Control 1314a 9

La siguiente tabla muestra los valores de la respuesta frecuencial.

Fig. 3. Respuesta frecuencial (a) de 0 a , (b) de 0 a 2

1.4 Métodos de discretización

Los distintos métodos pueden agruparse en diferentes categorías:

ETSETB. Sistemas Electrónicos de Control 1314a 10

3) Transformación directa (mapping o matching) de polos y ceros finitos.

Selección del muestreo

Un tema previo es la elección de la frecuencia de muestreo fs (o de su inversa, el periodo de

Como criterio frecuencial, la frecuencia de muestreo fs ha de ser, aproximadamente, de 5 a 10 veces

1.4.1 Aproximaciones numéricas (I). De la derivada

ETSETB. Sistemas Electrónicos de Control 1314a 11

1.4.2 Aproximaciones numéricas (II). De la integral

aproximarse por y (n  1)  y (n) 

consecuencia, por y (n  1)  y (n)  x(.)T . El tipo de

3) Regla trapezoidal o de Simpson (dos muestras): El área x

ETSETB. Sistemas Electrónicos de Control 1314a 12

1.4.3 Transformación bilineal (I)