M ÁSTER EN M ODELIZACIÓN E I NVESTIGACIÓN M ATEMÁTICA , E STADÍSTICA Y C OMPUTACIÓN

— Teoría de Control —

Trabajo de evaluación

Mario Asís Cánovas

5 de julio de 2016
P ROBLEMA 2 En la figura de abajo se muestra el diagrama de bloques de un modelo para un
sistema de control de posición. Los parámetros para el motor CC de imán permanente (con
carga) son R a = 5Ω, L a = 0, J = 4 × 10−4 K g r − m 2 , B = 4 × 10−4 N − mr ad /s, K t = 0, 15N − m/A
y K b = 0, 15V /(r ad /s). Determina Y (s)/R(s) y obtén valores de K p y K v para que los polos de la
función en lazo cerrado se localicen en s = −20 ± 10i del plano complejo.

En primer lugar vamos a simplificar lo posible el diagrama. Agruparemos en un solo bloque

con la función resultante a aquellos bloques que se encuentran en serie, y eliminaremos del
diagrama a los bloques cuyo único efecto es multiplicar por 1, ya que no afectan al calculo
de la función de transferencia. Tras realizar este proceso obtenemos el siguiente diagrama de
bloques equivalente:

Ataquemos ahora al lazo interno del diagrama, a fin de capturar su funcionalidad y con-
vertirlo en un solo bloque. Llamaremos M (s) a la función correspondiente al motor CC para
ahorrarnos explicitarla sistemáticamente durante este proceso, donde su forma es irrelevante.
Llamamos E 1 (s) a la función que sale del punto de suma y entra al motor, B 1 (s) a la función
que entra al punto de suma desde la parte inferior del lazo y C (s) a la función que sale del
controlador y resulta en la entrada de este lazo interno.
Se tiene, una vez aquí, lo siguiente:

Ω(s) = M (s)E 1 (s)

E 1 (s) = C (s) − B 1 (s) (0.1)
B 1 (s) = 0.05K v Ω(s)

2
 Figura 0.1: Lazo interno del diagrama de bloques.

Por tanto, sustituyendo la expresión de B 1 (s) en la segunda identidad:

E 1 (s) = C (s) − 0.05K v Ω(s)

Y sustituyendo la expresión alternativa de Ω(s) en esta igualdad obtenemos:

E 1 (s) = C (s) − 0.05K v M (s)E 1 (s)

Donde podemos despejar E 1 (s), quedando:

C (s)
E 1 (s) =
1 + 0.05K v M (s)
Ahora bien, se tiene que, despejando E 1 (s) de la primera identidad del trío inicial podemos
escribir esta última igualdad en los siguientes términos:

Ω(s) C (s)
=
M (s) 1 + 0.05K v M (s)
De donde podemos despejar ya Ω(s):

M (s)
Ω(s) = C (s)
1 + 0.05K v M (s)
Y por tanto el lazo interior es equivalente al bloque de la siguiente figura:

Ahora nos quedan entonces, en la parte superior del lazo externo, tres bloques en serie que
podemos simplificar al bloque producto, quedando por tanto en la parte superior del lazo un
solo bloque de función:
0.01K p M (s)
g (s) =
s(1 + 0.05K v M (s))

3
 Llamaremos ahora E 2 (s) a la función que sale del punto de suma, quedando por tanto:

0.01K p M (s)
Y (s) = E 2 (s)
s(1 + 0.05K v M (s)) (0.2)
E 2 (s) = R(s) − Y (s)

Por tanto, sustituyendo E 2 (s) en la primera igualdad:

0.01K p M (s)
Y (s) = (R(s) − Y (s))
s(1 + 0.05K v M (s))
O bien:

0.01K p M (s) 0.01K p M (s)

(1 + )Y (s) = R(s)
s(1 + 0.05K v M (s)) s(1 + 0.05K v M (s))
De donde podemos despejar el cociente que se nos pide (la función de transferencia):
0.01K p M (s)
Y (s) s(1+0.05K v M (s)) 0.01K p M (s)
= 0.01K M (s)
=
R(s) 1 + p s(1 + 0.05K v M (s)) + 0.01K p M (s)
s(1+0.05K v M (s))

Ahora podemos pasar ya a sustituir M (s) por su expresión explicita (la función de transfe-
rencia del motor CC):
Kt
M (s) =
La J s 2 + (R a J + L a B )s + (R a B + K t K b )

Que, sustituyendo los valores de las constantes por los de nuestro caso concreto, queda:

0.15
M (s) =
0.002s + 0.0245
Y sustituyendo M (s) en la función de transmisión y simplificando convenientemente, queda:

Y (s) 15K p
= 2
R(s) 20s + (240 + 75K v )s + 15K p

4
 Ahora se nos pide que los polos de la función se localicen en s = −20 ± 10i . Recordar que los
polos de la función se localizan en los puntos en los que el denominador se anula. Por tanto,
corresponden a las raíces del polinomio que se encuentra abajo:

p(s) = 20s 2 + (240 + 75K v )s + 15K p

q
−(240 + 75K v ) ± (240 + 75K v )2 − 1200K p
p(s ± ) = 0 ⇔ s ± =
40
Notar que de aquí podemos extraer dos ecuaciones que deben cumplir la parte real y la
imaginaria de las raíces:

−240 − 75K v
= −20
40 (0.3)
(240 + 75K v )2 − 1200K p = −102 · 402

O bien:

− 240 − 75K v = −800

(0.4)
(240 + 75K v )2 − 1200K p = −160000

De la primera igualdad se tiene:

560
75K v = 560 =⇒ K v = = 7.46
75
Sustituyendo este valor en la segunda igualdad obtenemos:

(240 + 560)2 − 1200K p = −160000 =⇒ 8002 − 1200K p = −160000

640000 − 1200K p = −160000 =⇒ 1600 − 3K p = −400

Y por tanto:
2000
Kp = = 666.6
3
Sustituyendo estos valores en la expresión de la función de transmisión obtenemos, tras
simplificar:
Y (s) 500
=
R(s) s 2 + 40s + 500
Cuyos polos son (fácilmente verificable) −20 ± 10i .

5
P ROBLEMA 3 Considera el Ejemplo 2.9 del libro de K. J. Aström y R. M. Murray: Feedback
Systems. An introduction for Scientists and Engineers. En él se exponen las ecuaciones que
modelizan la dinámica de un avión de empuje vertical.

Figura 0.2: Diagrama de balance y despegue del Harrier

(I) Justifica las ecuaciones (2.26) y comprueba la veracidad de las ecuaciones (2.27).
Directamente extraidas del libro, las ecuaciones (2.26) son:

m ẍ = F 1 cosθ − F 2 si nθ − c ẋ,
m ÿ = F 1 si nθ + F 2 cosθ − mg − c ẏ, (0.5)
J θ̈ = r F 1 .

Siendo m la masa del avión, c la constante de amortiguación, g la constante gravitatoria

y J el momento de inercia.

Deduzcamos estas ecuaciones por nuestra cuenta para comprobar su motivación y

justificar su forma.

Partamos en primer lugar de la segunda ley de Newton:

F = ma

Ahora vamos a aplicarla componente a componente, es decir, en el eje x y en el eje y. La

aceleración en los ejes queda, expresándolas en términos de las derivadas de la posición,
como ẍ e ÿ. Esto es, corresponde a las segundas derivadas. Por tanto, disponemos de las
siguientes identidades:

6
 m ẍ = F x ,
(0.6)
m ÿ = F y .

Siendo, como es obvio, F x y F y las fuerzas en cada eje. Descompongamos estas fuerzas
en los ejes antes de proceder. En el eje x actúa una fuerza de propulsión en dirección
del movimiento y la amortiguación del viento que se opone a dicho movimiento. En el
eje y actúan los mismos tipos de fuerzas, pero además aparece la fuerza de la gravedad
oponiéndose también al movimiento.
Poniendo todo esto junto, tenemos:

m ẍ = F 1,x + F 2,x + F c,x ,

(0.7)
m ÿ = F 1,y + F 2,y + F c,y + F g .

Ahora, dadas las fuerzas F 1 y F 2 que aparecen en la figura, un sencillo ajuste trigonomé-
trico nos permite proyectar dichas fuerzas en sus componentes en x e y, quedando:

F 1,x = F 1 cosθ,
F 2,x = −F 2 si nθ,
(0.8)
F 1,y = F 1 si nθ,
F 2,y = F 2 cosθ.

Por otra parte, tanto en la componente x como en la componente y estamos asumien-

do que el viento produce un efecto de amortiguado. Como sabemos, la ecuación del
amortiguador es:
F = −c v

Por tanto, aparecen unas fuerzas proporcionales a la constante de amortiguación c y a la

velocidad v que, en términos de las derivadas quedan F c,x = −c ẋ y F c,y = −c ẏ.

Nos queda únicamente por determinar el valor de la fuerza gravitatoria, F g , que sigue la
bien conocida fórmula:
F g = −g m
Sustituyendo todo esto en las ecuaciones anteriores, obtenemos exactamente las dos
primeras ecuaciones del libro.

m ẍ = F 1 cosθ − F 2 si nθ − c ẋ,
(0.9)
m ÿ = F 1 si nθ + F 2 cosθ − c ẏ − mg .

7
Para deducir la tercera ecuación tenemos que recurrir a la segunda Ley de Newton para
el movimiento angular:
τ = J θ̈
Donde τ es el torque, J el momento de inercia y θ̈ la aceleración angular. Pero el torque,
en dos dimensiones, no es más que el producto de la fuerza que provoca la aceleración
angular por la longitud del brazo desde el punto de aplicación al punto de referencia.
Por tanto:

τ = rF1

Y sustituyendo en la fórmula anterior se tiene J θ̈ = r F 1, con lo que conseguimos las tres

ecuaciones de (2.26).

A continuación se pide comprobar la veracidad de las siguientes expresiones, resultantes

(hipotéticamente) de tomar u 1 = F 1 y u 2 = F 2 − mg en las ecuaciones de (2.26):

m ẍ = −mg si nθ − c ẋ + u 1 cosθ − u 2 si nθ,

m ÿ = mg (cosθ − 1) − c ẏ + u 1 si nθ + u 2 cosθ, (0.10)
J θ̈ = r u 1 .

Tenemos por tanto el siguiente cambio:

F1 = u1
(0.11)
F 2 = u 2 + mg

Haciendo estas sustituciones en las ecuaciones de (2.26) nos queda:

m ẍ = u 1 cosθ − (u 2 + mg )si nθ − c ẋ,

m ÿ = u 1 si nθ + (u 2 + mg )cosθ − mg − c ẏ, (0.12)
J θ̈ = r u 1 .

Operando obtenemos:

m ẍ = u 1 cosθ − u 2 si nθ − mg si nθ − c ẋ,
m ÿ = u 1 si nθ + u 2 cosθ + mg cosθ − mg − c ẏ, (0.13)
J θ̈ = r u 1 .

Que, reordenando, quedan como se deseaba inicialmente.

8
(II) Escribe las ecuaciones de estado del sistema.

Para obtener las ecuaciones de espacio-estado del sistema aplicaremos primero el si-
guiente cambio, a fin de convertir el sistema de ecuaciones (2.27) en un sistema de orden
uno:

x 1 = ẋ, x 2 = ẏ, x 3 = θ̇, x 4 = x, x 5 = y, x 6 = θ. (0.14)

De esta forma podemos reescribir las ecuaciones (2.27) en función de las nuevas coorde-
nadas lo que nos dará (tras reordenar algunos coeficientes) las ecuaciones en espacio-
estado:

c 1 1
ẋ 1 = − x 1 + u 1 cos(x 6 ) − u 2 si n(x 6 ) − g si n(x 6 ),
m m m
c 1 1
ẋ 2 = − x 2 + u 1 si n(x 6 ) + u 2 cos(x 6 ) + g (cos(x 6 ) − 1),
m m m
r
ẋ 3 = u 1 , (0.15)
J
ẋ 4 = x 1 ,
ẋ 5 = x 2 ,
ẋ 6 = x 3 .

Viniendo la observación dada por:

0 0 0 1 0 0
 

Y (t ) =  0 0 0 0 1 0  X (t ) (0.16)
0 0 0 0 0 1

(III) Encuentra los estados de equilibrio a control cero e interpreta el resultado físicamente.
Tomar el sistema a control cero implica que u 1 = 0 y u 2 = 0, con lo que el sistema de
ecuaciones en espacio-estado queda:
c
ẋ 1 = − x 1 − g si n(x 6 ),
m
c
ẋ 2 = − x 2 + g (cos(x 6 ) − 1),
m
ẋ 3 = 0, (0.17)
ẋ 4 = x 1 ,
ẋ 5 = x 2 ,
ẋ 6 = x 3 .

Ahora bien, los estados de equilibrio son las soluciones de derivada nula. Por tanto,
obtendremos dichos estados resolviendo:

9
 c
0=− x 1 − g si n(x 6 ),
m
c
0 = − x 2 + g (cos(x 6 ) − 1),
m
(0.18)
0 = x1 ,
0 = x2 ,
0 = x3 .

Ahora, este sistema de ecuaciones es casi trivial, siendo las tres primeras coordenadas for-
zosamente nulas. Esto impone condiciones menos triviales sobre x 6 , que se desprenden
de la primera y segunda de las identidades anteriores:
0 = si n(x 6 ),
(0.19)
1 = cos(x 6 )).

Luego, si tomamos el ángulo en [0, 2π), se tiene que x 6 = 0. Por tanto, juntando todo esto,
los estados de equilibrio quedan:
   
x1 0

 x2  
  0 

 x3   0 
= (0.20)
   
x4 x0
 
   
y0
   
 x5   
x6 0
La interpretación física de este punto de equilibrio es clara. Recordemos que hemos
redistribuido el control respecto a la formulación original del problema de forma que
u 2 = F 2 − mg . Por tanto, un estado de equilibrio (en la formulación de espacio estado),
es una localización espacial cualquiera, (x 0 , y 0 ), en la que el avión tenga ángulo θ = 0 y
sobre el que las turbinas ejerzan unas fuerzas F 1 = 0 y F 2 = mg , de forma que el avión no
se va a desplazar en el eje x (pues las velocidades son igualmente nulas) y la fuerza de
las turbinas compensa exactamente el empuje gravitacional, de forma que se mantiene
también estático en el eje y.

(IV) Calcula las ecuaciones del sistema linealizado. ¿Es estable? ¿Es controlable?
Si llamamos f a la función que rige el sistema, es necesario calcular sus Jacobianos
con respecto de x (el vector de estados) y del control u para obtener el linealizado del
problema. Derivando entonces obtenemos:

c
0 − um1 si n(x 6 ) − ( um2 + g )cos(x 6 )
 
−m 0 0 0

 0 −mc
0 0 0 − um1 cos(x 6 ) − ( um2 + g )si n(x 6 ) 

 0 0 0 0 0 0 
J x (x, u) = D x f (x, u) = 
 
1 0 0 0 0 0

 
 
 0 1 0 0 0 0 
0 0 1 0 0 0

10
 Y por otra parte:
 1 1 
m cos(x 6 ) −m si n(x 6 )
1 1
m si n(x 6 ) m cos(x 6 )
 
 
r

J 0 
J u (x, u) = D u f (x, u) = 
 
0 0

 
 
 0 0 
0 0

Notar que estamos dando el linealizado general del sistema de ecuaciones en espacio-estado.
De esta forma, si X son las componentes de estado y U = (u 1 , u 2 ) es el vector de control, el
sistema linealizado viene dado por:

Ẋ = J x X + J u U

Particularizando a control cero y estado de equilibrio, al que llamaremos x e y será de la

forma calculada en el apartado anterior, podemos comprobar la estabilidad o inestabilidad
del sistema estudiando los valores propios de la siguiente matriz:
 c 
−m 0 0 0 0 −g
c

 0 −m 0 0 0 0 
 0 0 0 0 0 0 
J x (x e , 0) = 
 
1 0 0 0 0 0 


 
 0 1 0 0 0 0 
0 0 1 0 0 0
Ahora, notar que esta matriz tiene dos columnas totalmente nulas, por tanto 0 es valor
propio con multiplicidad al menos 2. Como, en caso de existir varios un valores propios de
parte real nula, es condición necesaria para la estabilidad que su multiplicidad individual sea
1, podemos afirmar sin pasar a mayor estudio que el sistema no es estable en estos puntos.
Era, desde un punto de vista físico, predecible: Una perturbación en el ángulo provoca que la
fuerza de propulsión se ejerza en dirección distinta al eje y, no compensando por lo tanto la
fuerza gravitatoria y provocando una potencial caída.

El estudio de la controlabilidad es algo más laborioso. En primer lugar, por simplicidad,

renombramos las matrices para seguir la notación de los apuntes, A = J x y B = J u . Necesitamos
por tanto evaluar el segundo Jacobiano en el punto de equilibrio:
 1 
m 0
 0 1 
 m 
 r 0 
B = J u (x e , u) =  J
 
 0 0 

 
 0 0 
0 0
Y debemos estudiar el rango de la matriz de controlabilidad:

c(A, B ) = B AB A 2 B A 3 B A 4 B A5B
£ ¤

11
Recordar que, para que el sistema sea controlable, el rango de esta matriz debe ser igual a la
dimensión del sistema, es decir, debe tener rango 6 en nuestro caso.

Como realizar toda esta suerte de productos es bastante tedioso, vamos a hacer uso de un
software de calculo simbólico, SAGE. Con el podemos multiplicar y exponenciar matrices
dependientes de parámetros sin problema, obteniendo la matriz de controlabilidad:

Figura 0.3: Matriz de controlabilidad del problema linealizado calculada con SAGE.

Sobre la que podemos, directamente, correr una orden que calcule el rango incluso a pesar
de la parametrización, obteniendo:

Es decir, el rango de la matriz de controlabilidad es 6 y por tanto el sistema linealizado es

controlable, como era de esperar. Si hubieramos querido calcular el rango a mano, notar que
de la cuarta a la sexta submatriz son el producto de la tercera submatriz por potencias de
−c/m, cosa que limita el estudio de rango a las tres primeras submatrices.

12
P ROBLEMA 4 Considera el sistema de ecuaciones que modeliza el sistema carro-péndulo
invertido. Estas mismas ecuaciones sirven para modelizar el segway con una persona subida en
él. Valores típicos para el segway son (la altura de 1m para la persona se debe considerar como
la altura donde se encuentra su centro de masa):

M = 10kg m = 80kg c = 0, 1N s/m g = 9, 8m/s 2

J = 100kg m 2 l = 1m c P = 0, 1N ms/r ad β=1

(a) Calcula las ecuaciones del sistema lineal de primer orden que se obtiene al linealizar el
sistema en torno a la solución de equilibrio correspondiente al sistema en reposo pero a una
distancia h del origen; i.e., r = h, r˙ = 0, ϕ = 0 y ϕ̇ = 0.
Las ecuaciones que describen el péndulo invertido son:

M (ϕ)r¨ = (J + ml 2 )(βu − c r˙ − ml ϕ̇2 sin ϕ) − ml cos ϕ(−mg l sin ϕ + c P ϕ̇)

(0.21)
M (ϕ)ϕ̈ = ml cos ϕ(βu − c r˙ − ml ϕ̇2 sin ϕ) − (M + m)(c P ϕ̇ − mg l sin ϕ)

Donde M (ϕ) = (M + m)J + ml 2 M + m 2 l 2 sin2 ϕ.

Primero, como es usual, aplicaremos un cambio de variable para rebajar el orden del
sistema:

x 1 = r˙
(0.22)
x 2 = r x 3 = ϕ̇x 4 = ϕ

Para evitar la tediosa tarea de derivar las ecuaciones, implementaremos este nuevo sistema,
dado el cambio, en SAGE. Se sigue:

SAGE permite calcular el Jacobiano de una función simbólica. Obtenemos la siguiente

matriz, evaluando directamente en el punto que se nos pide:

13
 Esto es:  
−0.002 0 −8 62720
 1 0 0 0 
J x (0, h, 0, 0) =  (0.23)
 
−0.0008 0 −9 70560

 
0 0 1 0

Notar que se trata de una matriz singular. Calculamos ahora J u (0, h, 0, 0), resultando:

Por tanto, el sistema linealizado en torno a dicho punto queda:

      
ẋ 1 −0.002 0 −8 62720 x1 0.02
 ẋ   1 0 0 0  x   0 
 2    2  
= + u

 ẋ 3   −0.0008 0 −9 70560   x 3   0.008 
 
ẋ 4 0 0 1 0 x4 0

(b) Demuestra que el sistema linealizado es controlable pero no estable.

Como para comprobar la controlabilidad de un sistema sin parámetros tenemos una
orden muy práctica ya implementada en MATLAB. Trasladaremos estas matrices a dicho
entorno para realizar el estudio. Recordar que para garantizar la controlabilidad, el rango
de la matriz de controlabilidad debe ser, en este caso 4.

Efectivamente, dado el siguiente conjunto de ordenes:

14
 MATLAB devuelve el siguiente output:

Por tanto, el rango de la matriz de controlabilidad es 4 y el sistema es controlable.

Para comprobar la estabilidad debemos calcular los valores propios de la matriz del
sistema y comprobar el signo de su parte real, como ya sabemos. Podemos realizar este
calculo de nuevo en MATLAB, obteniendo los siguientes valores propios:

Para que haya estabilidad, la parte real de todo valor propio debe ser negativa, con la
salvedad de que haya valores propios de parte real nula y multiplicidad 1. En este caso
existe un valor propio con parte real positiva, 261.169, y por tanto el sistema es inestable
como queríamos comprobar.

(c) Prueba que si se pueden medir directamente el desplazamiento lineal del carro y el angular
del péndulo, el sistema es observable. ¿Cuáles son los polos de la matriz de transferencia del
sistema? ¿Es el sistema BIBO estable?
Que se puedan medir directamente el desplazamiento lineal del carro y el angular del
péndulo se traduce en términos de la formulación de espacio-estado a que la matriz de
observación, C tenga por componentes no nulas (dada nuestra elección de coordenadas)
al menos las que corresponden a la variable asociada a r y a ϕ. Es decir, sea:

£ ¤
C= 0 1 0 1

En este caso, MATLAB dispone también de una orden para calcular la matriz de observabi-
lidad. Utilizando esta orden y comprobando a posteriori el rango de la matriz resultante,
obtenemos:

Y por tanto, el rango de la matriz de observabilidad es máximo y el sistema es observable.

Calculemos ahora la matriz de transferencia, usando esta misma matriz de observación.

15
P ROBLEMA 5 Considera los dos siguientes sistemas lineales conectados en serie:

donde Σi = (A i , B i ,C i , D i ) y supongamos Λ(A 1 ) ∩ Λ(A 2 ) = ;. (Λ(A) es el espectro de A, es decir,

el conjunto de sus valores propios).

(a) Determina la representación de espacio-estado del sistema conectado en serie.

La representación espacio-estado de cada uno de los sitemas que tenemos conectados en
serie queda, por separado, como es habitual:

Ẋ i (t ) = A i X i (t ) + B i u i (t )
(0.24)
Yi (t ) = C i X i (t ) + D i u i (t )

Ahora, en el sistema en serie, el input del segundo sistema conectado es el output del
primer sistema, es decir, una observación Y1 (t ). Hagamos por tanto u 2 = Y1 (t ) = C 1 X 1 (t ) +
D 1 u 1 (t ), quedándonos al sustituir en las ecuaciones del segundo sistema las siguientes
expresiones:

Ẋ 2 = A 2 X 2 (t ) + B 2 (C 1 X 1 (t ) + D 1 u 1 (t ))
(0.25)
Y2 = C 2 X 2 (t ) + D 2 (C 1 X 1 (t ) + D 1 u 1 (t ))

Que, operando:

Ẋ 2 = B 2C 1 X 1 (t ) + A 2 X 2 (t ) + B 2 D 1 u 1 (t )
(0.26)
Y2 = D 2C 1 X 1 (t ) +C 2 X 2 (t ) + D 2 D 1 u 1 (t )

Con esto, podemos escribir las ecuaciones en espacio de estado del sistema en serie
poniendo en conjunto el resultado producido por Σ1 y el producido por Σ2 al recibir al
primero como entrada:
· ¸ · ¸· ¸ · ¸
Ẋ 1 A1 0 X1 B1
Ẋ Σ := = + u1
Ẋ 2 B 2C 1 A2 X2 B2D 1
· ¸ (0.27)
£ ¤ X1
YΣ = D 2C 1 C2 + D 2 D 1 u1
X2

(b) Prueba que el sistema en serie es controlable si y sólo si (Σ1 ) es controlable y

r ang [λI − A 2 |B 2 T1 (λ)] = n 2

Para todo λ ∈ Λ(A 2 ) donde n 2 es el orden de (Σ2 ) y T1 (s) es la matriz de transferencia del
sistema (Σ1 ).

16
Demostremos primero que la condición es suficiente. Recordemos que una caracterización
de la controlabilidad de un sistema (A, B,C , D) viene dada por que se de la siguiente
igualdad:

r ang [λI − A|B ] = n ∀λ ∈ Λ(A)

En nuestro sistema en serie esto se traduce a:

λI n1 − A 1
· ¸
0 B1
r ang = n1 + n2 , ∀λ ∈ Λ(A 1 ) ∪ Λ(A 2 )
−B 2C 1 λI n2 − A 2 B 2 D 1

Sea para empezar λ ∈ Λ(A 2 ). Como los espectros son disjuntos, se tiene que λ ∉ Λ(A 1 ) y
por tanto r ang [λI n1 − A 1 ] = n 1 . En particular, λI n1 − A 1 es invertible, por tanto podemos
multiplicar una columna en bloque sin que esto afecte al rango de la expresión anterior.
Se tiene por tanto que:

λI n1 − A 1
· ¸
0 B1
(∗) = r ang =
−B 2C 1 λI n2 − A 2 B2D 1
· ¸
I n1 0 B1
r ang
−B 2C 1 (I n1 − A 1 )−1 λI n2 − A 2 B2D 1

Notar que el rango de la primera fila es, por si solo n 1 . Podemos multiplicar la primera
columna por −1 y sumarle la tercera columna, quedando que el rango se conserva para la
expresión siguiente:
· ¸
−I n1 + B 1 0 B1
(∗) = r ang =
B 2C 1 (I n1 − A 1 )−1 + B 2 D 1 λI n2 − A 2 B 2 D 1
· ¸
−I n1 + B 1 0 B1
r ang
B 2 (C 1 (I n1 − A 1 )−1 + D 1 ) λI n2 − A 2 B 2 D 1

Pero recordemos que la función de transferencia de un sistema como los que estamos
estudiando queda:
T (s) = C (sI n − A)−1 B + D

Por tanto, en la última expresión del rango:

· ¸
−I n1 + B 1 0 B1
(∗) = r ang =
B 2 (C 1 (I n1 − A 1 )−1 + D 1 ) λI n2 − A 2 B 2 D 1
· ¸
−I n1 + B 1 0 B1
r ang = n1 + n2
B 2 T1 (s) λI n2 − A 2 B 2 D 1

Resultado que se sigue inmediatamente de aplicar la hipótesis sobre el rango de [λI n2 −

A 2 |B 2 T1 (s)].

17
Ahora supongamos que λ ∈ Λ(A 1 ). Entonces,λ ∉ Λ(A 1 ), luego r ang [λI − A 2 ] = n 2 . Como
(Σ1 ) es controlable se tiene, como hemos dicho antes, que:

r ang [λI n1 − A 1 |B 1 ] = n 1 ∀λ ∈ Λ(A 1 )

Por tanto, es inmediato de leer la primera fila y la segunda columna de la matriz cuyo
rango estudiamos, que:

λI n1 − A 1
· ¸
0 B1
r ang = n1 + n2
−B 2C 1 λI n2 − A 2 B2D 1

Con esto se tiene la condición ∀λ ∈ Λ(A 1 ) ∪ Λ(A 2 ), luego también se tiene la controlabili-
dad del sistema en serie, como queríamos demostrar, y la hipótesis enunciada es condición
suficiente.

Veamos ahora que es necesaria. De la controlabilidad del sistema en serie se tiene, como
sabemos lo siguiente:

λI n1 − A 1
· ¸
0 B1
r ang = n1 + n2 , ∀λ ∈ Λ(A 1 ) ∪ Λ(A 2 )
−B 2C 1 λI n2 − A 2 B2D 1

Por tanto, si nos fijamos en la primera fila, necesariamente debe darse que:

r ang [λI n1 − A 1 |B 1 ] = n 1 ∀λ ∈ Λ(A 1 )

Luego el sistema (Σ1 ) es controlable.

Sea ahora λ ∈ Λ(A 2 ). Notar primero que es una condición necesaria que se desprende
de la definición de controlabilidad que, si un sistema es controlable, la matriz de trans-
ferencia es suprayectiva. En este caso, esta condición se traduce a que su rango por filas
debe ser máximo. Por tanto, como (Σ1 ) es controlable, se hace equivalente demostrar que
r ang [λI − A 2 |B 2 T1 (λ)] = n 2 que demostrar que r ang [λI − A 2 |B 2 ] = n 2 , es decir, que (Σ2 )
es controlable.

Como hemos visto antes, de la controlabilidad del sistema en serie se tiene que:

λI n1 − A 1
· ¸
0 B1
r ang = n1 + n2 , ∀λ ∈ Λ(A 1 ) ∪ Λ(A 2 )
−B 2C 1 λI n2 − A 2 B2D 1

En particular:

λI n2 − A 2 ∀λ ∈ Λ(A 2 )
£ ¤
r ang −B 2C 1 B2D 1 = n2 ,

Ahora bien, es fácil ver que:

18
 λI n2 − A 2 λI n2 − A 2
£ ¤ £ ¤
r ang −B 2C 1 B2D 1 ≤ r ang −B 2 B2

Y tenemos que:

λI n2 − A 2 λI n2 − A 2
£ ¤ £ ¤
r ang −B 2 B2 = r ang B2 ≤ n2

Por tanto se tiene el resultado deseado:

λI n2 − A 2
£ ¤
r ang B2 = n2

19
P ROBLEMA 6

(a) En la sección 3.5 del libro de Astrom y Murray se describen las ecuaciones que rigen la
dinámica del desplazamiento de las dos masas del AFM cuando el cristal piezoeléctrico
produce una fuerza F para separarlas:

d 2 z1 d 2 z2 d z2
m1 = F, m2 = −c 2 − k2 z2 − F
dt2 dt 2 dt
Suponiendo que l (t ) = z 1 (t ) − z 2 (t ) es la función de control del sistema y que z 1 (t ) es la
salida, demuestra que la función de transferencia del sistema es la siguiente:

Z1 (s) αs 2 + 2ζ0 ω0 s + ω20

= 2
L(s) s + 2ζ0 ω0 s + ω20
q
m2 k2
donde α = m 1 +m 2 , ω0
es la frecuencia natural del sistema: ω0 = m 1 +m 2 , y ζ0 es la razón de
amortiguamiento: ζ0 = p c2
2 k 2 (m 1 +m 2 )
Como es bien sabido, para obtener la función de transferencia dado un problema di-
ferencial como este es necesario llevar el sistema al dominio de Laplace. Por tanto, si
consideramos este sistema que solamente es fruto de reordenar las ecuaciones enuncia-
das:

m 1 z̈ 1 = F
(0.28)
m 2 z̈ 2 = −c 2 ż 2 − k 2 z 2 − F

Nos queda, tras aplicar la transformada de Laplace:

F
m 1 s 2 Z1 (s) =
s (0.29)
F
m 2 s 2 Z2 (s) = −c 2 s Z2 (s) − k 2 Z2 (s) −
s
De donde podemos despejar Z1 (s) y Z2 (s) a fin de calcular la función de control enunciada
en el dominio de Laplace, L(s) = Z1 (s) − Z2 (s), quedando:

1 F
Z1 (s) =
m1 s 3
(0.30)
F
Z2 (s) = −
s(m 2 s 2 + c 2 s + k 2 )

La resta de ambas funciones queda, por tanto:

1 F F
L(s) = 3
+ 2
m1 s s(m 2 s + c 2 s + k 2 )

20
 Y estamos en condiciones de calcular la función de transferencia:

1 F
Z1 (s) m1 s 3 1 m2 s 2 + c2 s + k2
= = =
L(s) 1 F
+ s(m F
1+ m s 2 m1 (m 2 + m 1 )s 2 + c 2 s + k 2
m1 s 3 2s
2 +c
2 s+k 2 ) 2s
2 +c
2 s+k 2

Ahora bien, notar que una vez aquí, podemos tomar cocientes por m 2 + m 1 , quedando:
m2 2 c2 k2
Z1 (s) m 2 +m 1 s + m 2 +m 1 s + m 2 +m 1
=
L(s) s 2 + m2c+m
2
1
s + m2k+m
2
1

Pero , de las expresiones de α, ω0 y ζ0 se tiene que:

m2 k2
α= , ω20 =
m2 + m1 m2 + m1
y
s
k2 c2 c2
2ω0 ζ0 = 2 p =
m 1 + m 2 2 k 2 (m 1 + m 2 ) m 1 + m 2

Con lo que hemos obtenido expresiones alternativas para los coeficientes de los po-
linomios del numerador y denominador de la función de transferencia. Aplicando la
sustitución obtenemos:

Z1 (s) αs 2 + 2ζ0 ω0 s + ω20

= 2
L(s) s + 2ζ0 ω0 s + ω20

La fórmula que deseabamos.

(b) En el Ejemplo 5.9 se proponen unas ecuaciones de espacio-estado para el sistema cuando la
pila piezoeléctrica se modeliza como un sistema de segundo orden. Demuestra que el sistema
de primer orden propuesto corresponde a la conexión en serie del sistema que modeliza la
pila piezoeléctrica (ẍ 3 + 2ζ3 ω3 ẋ 3 + ω23 x 3 = ω23 u) y el sistema ẍ 1 + 2ζ0 ω0 ẋ 1 + ω20 x 1 = m12 x 3 .

Escribamos primero, de forma independiente, los dos sistemas en su formulación espacio-

estado para aplicar los resultados sobre sistemas en serie de el ejercicio anterior y obtener
la representación conjunta. Introduzcamos el siguiente cambio de coordenadas a fin de
reducir el orden de las ecuaciones:

x1 = x1
x 2 = ẋ 1
x3 = x3 (0.31)
ẋ 3
x4 =
ω3

21
Notar que, para obtener el cambio de x 4 hemos dividido la ecuación por ω3 . De esta forma,
la formulación espacio-estado queda:

ω3
· ¸ · ¸· ¸ · ¸
ẋ 3 0 x3 0
= + u
ẋ 4 −ω3 −2ζ3 ω3 x4 ω3
| {z } | {z }
A1 B1 (0.32)
· ¸
£ ¤ x3
y1 = 1 0
| {z } x4
C1

· ¸ · ¸· ¸ · ¸
ẋ 1 0 1 x1 0
= + 1 x3
ẋ 2 −ω20 −2ζ0 ω0 x2 m2
| {z } | {z }
A2 B2 (0.33)
· ¸
£ ¤ x1
y2 = 1 0
| {z } x2
C2

Identificando las matrices de cada uno de los sistemas y aplicando, como decimos, lo ya
deducido en el ejercicio anterior, podemos obtener la siguiente formulación en espacio-
estado del problema en serie:

ω3
      
ẋ 3 0 0 0 x3 0
 ẋ 4   −2ζ ω
−ω3
3 3 0 0  x4   ω3 
= + u
      
ẋ 1 0 0 0 1 x1 0
 
      
1 2
ẋ 2 m2 0 −ω 0 −2ζ 0 ω0 x2 0
  (0.34)
x3
¤ x4 
£ 
y= 0 0 1 0 
 x1 

x2

Recolocando las ecuaciones para llevar a cada variable a su legítimo orden (al indicado
por su subíndice) obtenemos:
      
ẋ 1 0 1 0 0 x1 0
 ẋ   −ω2 −2ζ ω 1
 2   0 0 0 m2 0  x   0 
 2  
= + u

 ẋ 3   0 0 0 x 0
 
−ω3   3   
ẋ 4 0 0 −ω3 −2ζ3 ω3 x4 ω3
  (0.35)
x1
 x2 
¤
£ 
y= 1 0 0 0 
 x3 

x4

22
 Ahora, podemos escribir las constantes de las primeras dos variables como hemos visto al
principio del ejercicio, en función de k 2 , m 1 y m 2 , quedando por tanto el siguiente sistema:

      
ẋ 1 0 1 0 0 x1 0
  −k /(m + m ) −c /(m + m ) 1
 ẋ 2 2 2 1 2 2 1 m2 0  x2   0 
= + u
      
ẋ 3 0 0 0 ω3 x3 0
 
      
ẋ 4 0 0 −ω3 −2ζ3 ω3 x4 ω3
 
x1
 x2 
¤
£ 
y= 1 0 0 0 
 x3 

x4
(0.36)

Notar que las ecuaciones de estado que hemos obtenido son idénticas a las expuestas en
el libro. La única salvedad es, como puede comprobarse, la observación que obtenemos.
Esto se debe a que no se ha expuesto que tipo de observación de salida quiere tomarse
para el sistema en serie, que es una cuestión a voluntad de lo que desee medir quien
formula las ecuaciones. En el caso del libro, una observación del sistema en serie viene
dada por:  
x1
m 2 h m1 k2 m1 c2
i x 
 2 
y= m +m m +m 1 0
 x3 
 
m2 + m1 2 1 2 1

x4

Parece guardar una cierta relación con las observaciones descritas en el apartado anterior,
pero cuya profundización omitiremos por poco clara y aparentemente irrelevante desde
un punto de vista puramente teórico.

(c) Demuestra que la matriz de transferencia del sistema en serie es:

Y (s) ω23 Z1 (s)

G(s) = = 2
U (s) s + 2ζ3 ω3 s + ω3 L(s)
2

Tenemos que, en el libro, una observación y(t ) viene dada, como vimos antes, por:
 
x1
m 2 h m1 k2 m1 c2
i x 
 2 
y= m +m m +m 1 0
 x3 
 
m2 + m1 2 1 2 1

x4

Podemos reescribir esto en términos de la frecuencia y el amortiguamiento usando las

equivalencias que usamos en el primer apartado, de forma que queda:

23
  
x1
¤ x2 
y =α m 1 ω20 m 1 2ζ0 ω0
£
1 0
 
x3
 
 
x4

Por tanto tenemos que, operando y cambiando a las variables originales:

y(t ) = αm 1 ω20 x 1 (t ) + αm 1 2ζ0 ω0 ẋ 1 (t ) + αx 3 (t )

Pasándola al dominio de Laplace, obtenemos Y (s):

Y (s) = (αm 1 ω20 + αm 1 2ζ0 ω0 s)x 1 (s) + αx 3 (s)

Ahora, de la ecuación del segundo sistema del acoplado en serie tenemos, pasándola al
dominio de Laplace, una relacion entre x 1 (s) y x 3 (s), que queda tras simplificar adecuada-
mente:

1/m 2
x 1 (s) = x (s)
2 3
s 2 + 2ζ 0 ω0 + ω0

Por otra parte, de la ecuación de la pila podemos obtener U (s), pasando una vez más al
dominio de Laplace:

s 2 + 2ζ3 ω3 s + ω23
U (s) = x 3 (s)
ω23

De sustituir la expresión para x 1 (s) en Y (s) queda, tras simplificar:

αs 2 + 2α( m2m+m
2
1
)ζ0 ω0 + α( m2m+m
2
1
)ω20
Y (s) = x 3 (s)
s 2 + 2ζ0 ω0 + ω20

m2 m 2 +m 1
Ahora bien, notar que α = m 1 +m 2 , y por tanto α( m 2 ) = 1. De esta forma se tiene que:

αs 2 + 2ζ0 ω0 + ω20 Z1 (s)

Y (s) = x 3 (s) = x 3 (s)
0 ω0 + ω0
2
s 2 + 2ζ L(s)

Por tanto:

Z1 (s)
Y (s) L(s) x 3 (s)
=
U (s) U (s)
Pero:
x 3 (s) ω23
=
U (s) s 2 + 2ζ3 ω3 s + ω23

24
 Luego, sustituyendo en la expresion anterior, se tiene el resultado:

Y (s) ω23 Z1 (s)

=
U (s) s 2 + 2ζ3 ω3 s + ω23 L(s)

(d) Demuestra que cualesquiera que sean los valores de α, las frecuencias naturales (ω0 , ω3 ) y
las razones de amortiguamiento (ζ0 , ζ3 ), la ganancia de frecuencia cero del sistema en serie
es M 0 = 1 unidades absolutas.
Recordemos en primer lugar que la ganancia de un sistema viene dada por el módulo de la
función de transferencia cuando esta es evaluada en i ω, donde a ω se le llama frecuencia
forzada.

Del apartado anterior tenemos que:

ω23 αs 2 + 2ζ0 ω0 s + ω20

G(s) =
s 2 + 2ζ3 ω3 s + ω23 s 2 + 2ζ0 ω0 s + ω20

La ganancia de frecuencia 0 es, como cabía esperar, la ganancia obtenida al evaluar la

función de transferencia para una frecuencia ω = 0. Por tanto, basta evaluar G(i 0) = G(0),
con lo que obtenemos:

ω23 α02 + 2ζ0 ω0 0 + ω20 ω23 ω20

G(0) = = =1
02 + 2ζ3 ω3 0 + ω23 02 + 2ζ0 ω0 0 + ω20 ω23 ω20

Y por tanto, siempre que la función de transferencia este bien definida en la frecuencia 0, su
valor sera independiente de las frecuencias naturales y de las razones de amortiguamiento,
valiendo siempre 1.

(e) Utilizando los siguientes valores para los parámetros: α = 0, 8, ζ0 = 0, 105, ω0 = 400kr ad /seg ,
ζ3 = 0, 125 y ω3 = 700kr ad /seg , obtén el diagrama de Bode del sistema así como los los
picos resonantes, las frecuencias a los que se alcanzan y el ancho de banda.
Tras sustituir los valores enunciados en la expresión general de la función de transferencia
del sistema, obtenemos la función para este problema concreto:

7002 (0.8s 2 + 2 · 0.105 · 400s + 4002 )

G(s) =
(s 2 + 2 · 0.125 · 700s + 7002 )(s 2 + 2 · 0.105 · 400s + 4002 )
3.92 · 105 s + 4.116 · 107 s + 7.84 · 1010
= 4
s + 259s 3 + 6.647 · 105 s 2 + 6.916 · 107 s + 7.84 · 1010

Podemos implementar esta función de transferencia en MATLAB e imprimir su diagrama

de Bode haciendo uso de las siguientes ordenes:

25
Con lo que obtenemos el diagrama de Bode:

Ahora, para calcular los picos resonantes y sus frecuencias asociadas (en unidades absolu-
tas):

Por tanto, la ganancia del pico resonante, M r queda 2.8561 y su frecuencia en unidades
absolutas 700. Podemos pasar esta frecuencia a decibelios con facilidad, obteniendo:

Esto es, 56.902d B .

Por último, calculamos el ancho de banda:

26
Es decir, 994.717kr ad /seg .

27
P ROBLEMA 7 Se quiere controlar el sistema

ẋ(t ) = −10x(t ) + u(t )

para minimizar la función de coste:

1
Z 0.04 1 2 1
J = x 2 (0.04) + x (t ) + u 2 (t )d t
2 0 4 2

¿Cuál es la ley de control óptimo?

Para resolver este problema aplicaremos, como es habitual, el Principio del máximo de
Pontryagin. Antes de pasar a la formulación del problema en estos términos tomémonos un
momento para identificar los elementos del sistema de estudio con los que luego trabajaremos,
siguiendo la notación de los apuntes.

t 0 = 0, t 1 = 0.04
f (t , x, u) = −10x + u
1 (0.37)
φ(t , x) = x 2
2
1 1
L(t , x, u) = x 2 + u 2
4 2
Con todo esto podemos pasar a determinar el Hamiltoniano:

H (x, p, λ, u) = p T f (x, u) − λL(x, u)

Notar que la ausencia de dependencia temporal explícita en las funciones permite dar esta
formulación que prescinde de t . Ahora, como se trata de un problema en el que la integral
esta penalizada por un coste terminal, se añade la siguiente condición sobre p:

∂φ
p ∗ (t 1 ) = −λ∗ (t 1 , x(t 1 ))
∂x
Siendo p ∗ la función p asociada al control óptimo.

Con todo esto dicho, pasemos a determinar el Hamiltoniano en este caso concreto:

1 1
H (x, p, λ, u) = p(−10x + u) − λ( x 2 + u 2 )
4 2
∂H
La condición de maximización implica que = 0, luego:
∂u
∂H
0= = p − λu ⇔ p = λu
∂u
Con lo que tenemos el valor de p en función de u. Ahora, del resto de ecuaciones críticas se
tiene que:

28
 ∂H λ
ṗ = − = 10p + x
∂x 2
(0.38)
∂H
ẋ = = −10x + u
∂p
Dado que tenemos, por la condición de maximización, que u = p/λ, podemos sustituirla
en la expresión anterior, dejándola enteramente en términos de x y p. Notar que, si λ =
0, no podemos tomar ese cociente. No obstante, esto forzaría a que p = 0, con lo que no
hay soluciones anormales. Podemos tomar λ = 1, que nos dará las soluciones extremales
normales, obteniendo el siguiente sistema de ecuaciones diferenciales de orden 1.
· ¸ · ¸· ¸
ṗ 10 1/2 p
=
ẋ 1 −10 x
Para determinar la familia de soluciones primero calculamos los valores propios y vectores
propios asociados de la matriz del sistema:
¯ ¯ r r
¯s − 10 −1/2 ¯¯ 201 201
¯ = (s − )(s + )
¯ −1 s + 10¯ 2 2
Resolviendo los sistemas convenientes obtenemos los espacios fundamentales para estos
valores propios:

r r
201 201
E( ) =< (10 + , 1) >
2 2 (0.39)
r r
201 201
E (− ) =< (10 − , 1) >
2 2
Y por tanto, cualquier solución del sistema de ecuaciones vendrá dado por una expresión de
la forma:
" q # " q #
201 201
· ¸ q q
p(t ) 201
t 10 + 2 − 201 t 10 − 2
= c1 e 2 + c2 e 2
x(t ) 1 1
Ahora, recordar que p ∗ debe cumplir:
∂φ
p ∗ (t 1 ) = −λ∗ (t 1 , x(t 1 )) = −x(t 1 )
∂x
Pero t 1 = 0.04, luego:
p ∗ (0.04) = −x(0.04)
Podemos renombrar este valor como x(0.04) = x 0.04 , quedando por tanto la ecuación que
determina los coeficientes c 1 y c 2 como sigue:
 q q 
201 201
q q
201 0.04 201 −0.04
(10 + )e (10 − 2 )e
2 2
· ¸ · ¸
2q c1 −x 0.04
 q  = (0.40)
0.04 201 −0.04 201 c2 x 0.04
e 2 e 2

29
 Cuyas soluciones son, realizando unas cuentas un poco farragosas, las siguientes:

q
1 11 −0.04 201
c 1 = x 0.04 ( − p )e 2
2 402
q (0.41)
1 11 0.04 201
c 2 = x 0.04 ( + p )e 2
2 402

Por tanto, p ∗ queda, sustituyendo estos valores:

q q
∗ 1 19 (t −0.04) 201 1 19 −(t −0.04) 201
p (t ) = −x 0.04 ( p + 1)e 2 + x 0.04 ( p − 1)e 2
2 402 2 402

Que puede formularse en términos de funciones hiperbólicas para dar una expresión más
compacta:
r r
∗ 201 19 201
p (t ) = −x 0.04 [cosh( (t − 0.04)) + p si nh( (t − 0.04))]
2 402 2

Y, como se tiene que λ = 1 y p = λu, se tiene que u ∗ = p ∗ , y hemos obtenido por tanto el
control óptimo del problema. Podemos sustituir también los coeficientes en la expresión de
x(t ) para obtener la trayectoria óptima que resulta, tras realizar las mismas simplificaciones
que para p ∗ :
r r
∗ 201 22 201
x (t ) = x 0.04 [cosh( (t − 0.04)) − p si nh( (t − 0.04))]
2 402 2

30