Teoria de Control Variable de Estado. 2
Teoria de Control Variable de Estado. 2
Teoria de Control Variable de Estado. 2
(UNEFA)
VARIABLES
DE ESTADO
PROFESOR: BACHILLERES:
MAYO,2018
INTRODUCCION
La ingeniería de control nos permite, representar un sistema físico cualquiera compuesto
por un conjunto de entradas, salidas y variables de estado en un modelo matemático
establecido mediante un sistema de ecuaciones que a su vez se combinan en una
representación matricial, este tipo de representaciones nos permiten trabajar de una forma
más compacta y versátil para moldear y estudiar un tipo específico de sistemas que puede
poseer un numero variante de entradas como de salidas, el espacio de estado se refiere al
espacio de “n” dimensiones donde no está limitada a solo sistemas con componentes
lineales o con condiciones iguales a “cero”, las variables de estado se manejan dentro de
dicho espacio y esas variables de estado: son un subconjunto más pequeño de variables de
un sistema que pueden representar su estado dinámico completo para un determinado
momento.
MARCO TEORICO
Variables de estado
Sistemas lineales
_. Las variables de estado nos permiten establecer una relación entre un sistema y un
modelo matemático, ahora sabiendo cual es el comportamiento de dicho sistema podemos
establecer un modelo similar a este donde se representan las entradas variables de estados
y salidas como se le ve en la imagen siguiente:
Podemos establecer que dicho proceso será representado de la siguiente manera: la entrada
“Ẋ(t) =A(t)X(t) + B(t)U(t)” y salida “Y(t) =C(t)X(t) + D(t)U(t)”, donde se establece la
relación entre elementos que conforman dicho sistema
dx (t)
De esta manera sabemos que: Ẋ(t) = , en el plano temporal es “dx” y que también es
dt
igual a “Sx” en el plano frecuencial, ahora la variables de dichas ecuaciones representan lo
siguiente:
-“D” matriz de transmisión directa, esto por simplicidad, pero puede tomar el valor de cero
si se elige trabajar un sistema ideal sin perturbaciones.
Dónde:
A = [a 11 a 12 a1 n a 21 a 22 a2 n an 1 an 2 ann] (n x n). B =
[b 11 b 12b 1 p b 21b 22 b 2 p bn 1 bn 2bnp ] (n x p).
_. Se debe tener en cuenta que todas las variables dependen de “t”, es decir, son variantes
en el tiempo, tanto como para una “t continua, (t Є R)” como para una “t discreta, (t Є Z)”,
esto depende de las consideraciones tomadas hacia la representación del sistema para un
modelo de espacio, para el cual pudiera representarse de la siguiente manera:
_. Se define como una matriz que satisface la ecuación de estado lineal homogénea.
dx (t)
= Ax(t).
dt
_. Debemos tener en cuenta que cuando se aplica para una matriz de (n x n) de transición de
estado, esta debe satisfacer la ecuación:
dϕ(t )
= Aϕ(t), a un más si x(0) es el estado inicial en (t=0), entonces ϕ(t) se define
dt
mediante la ecuación matricial:
X(t) = ϕ(t)x(0).
X(s) = (sI – A)-1x(0), donde se supone la matriz (sI – A) es no singular, ahora aplicando la
transformada inversa en ambos miembros tenemos que:
1 2 2 1 3 3
e at = I + At + A t + A t ….
2! 3!
d eat ( t)
= Ae at .
dt
_. Ahora conociendo la ecuación de estado: Ẋ(t) =AX(t) + BU(t), una vez que las
ecuaciones de un sistema lineal e invariante en el tiempo están expresadas en forma de
ecuación, el siguiente paso involucra por lo general resolver estas ecuaciones, dado el
vector de estado X(t0), el vector de entrada U(t). Para un tiempo (t ≥ t0), dicho esto el
significado de la matriz de transición de estado es que esta representa la respuesta libre del
sistema, esta determina la respuesta que es debida a las condiciones iniciales solamente,
esta depende específicamente de la matriz A, por lo que esta se denomina como la matriz
de transición de estado de A, esta define por completo la transición de estado desde el
tiempo inicial (t=0) a cualquier “t” cuando las entradas sean cero.
Propiedades:
X-1(t) = X(-t) .
X(t2 –t1)X(t1 – t0) = X(t2 – t0), esta propiedad de la matriz de transición de estado es
importante ya que implica que un proceso de transición de estados se puede dividir en un
numero de transiciones secuenciales.
dx (t)
=AX(t) + BU(t)
dt
sX(s) – x(0) = AX(s) + BU(s), donde x(0), denota el vector de estado inicial evaluado en
(t=0).
_. Dicha ecuación es útil solamente cuando el tiempo inicial se define en (t=0), para el
estudio de sistemas de control en el ámbito de sistemas en tiempo discreto, casi siempre se
desea llegar a una descomposición de un proceso de transición a una secuencia de
transiciones, para de esa forma hacer más flexible la dinámica respecto al tiempo inicial.
dx 1(t) dx 2(t)
[ ] = [0 1−2−3 ] x [ x 1(t) x 2(t )] + [0 1] x u(t);
dt dt
A= [0 1−2−3 ] , B=[0 1]
Por lo que:
1
(sI – A)-1 = x [s+ 31−2 s ]
(s+1)(s +2)
s+ 3 s 3
L-1{ }= L-1{ } +L-1{ }
(s+1)(s +2) (s+1)(s +2) (s+1)(s +2)
s s a b
L-1{ } = aplicando fracciones parciales: = +
(s+1)(s +2) (s+1)(s +2) (s+1) (s+2)
La convertimos en una ecuación lineal: s = a(s + 2) + b(s + 1), le damos los siguientes
valores a “s” para hallar los valores de (a y b), [s = (-2) y s = (-1)]:
s 1 1
L-1{ } = (-1)L-1{ } + (2)L-1{ } = −e−t + 2e−2 t
(s+1)(s +2) (s+1) (s+2)
3 3 a b
L-1{ } = aplicando fracciones parciales: = +
(s+1)(s +2) (s+1)(s +2) (s+1) (s+2)
La convertimos en una ecuación lineal: 3 = a(s + 2) + b(s + 1), le damos los siguientes
valores a “s” para hallar los valores de (a y b), [s = (-2) y s = (-1)]:
3 1 1
L-1{ } = (3)L-1{ } + (-3)L-1{ } = 3 e−t - 3e−2 t
(s+1)(s +2) (s+1) (s+2)
1
L-1{ } = e−t - e−2 t
(s+1)(s +2)
−2
L-1{ } = −2 e−t + 2e−2 t
(s+1)(s +2)
s
L-1{ } =−e−t + 2e−2 t
(s+1)(s +2)
_. La matriz de transición de estado A se encuentra tomando la transformada inversa de
1
Laplace de la ecuación: (sI – A)-1 = x [s+ 31−2 s ].
(s+1)(s +2)
Φ(t) = L-1[(sI – A)-1] = [2e−t −e−2 t e−t −e−2 t−2 e−t + 2e−2 t −e−t + 2e−2 t ]
t
Quedando:
X(t) = [2e−t −e−2 t e−t −e−2 t−2 e−t + 2e−2 t −e−t + 2e−2 t ] x(0)
t
= ∫ [2e−(t−τ )−e−2 (t −τ) e−(t −τ) −e−2(t− τ)−2 e−(t −τ )+ 2e−2 (t −τ) −e−(t−τ )+ 2 e−2 (t −τ )] x [0 1]dτ
0
_. Existe una relación entre las ecuaciones de estado y las ecuaciones de orden superior,
como se pudo constar anteriormente se definieron las ecuaciones de estado y sus soluciones
para sistemas lineales e invariantes en el tiempo, pero se puede plasmar las ecuaciones
directamente del diagrama esquemático del sistema, dicho esto el sistema puede ser
representado en un modelo matemático como lo es una ecuación de orden superior o
función de trasferencia.
dx (t)
= Ax(t) + Bu(t) .
dt
Dónde:
_. Se puede observar que los últimos renglones de A contienen los valores negativos de los
coeficientes de la parte homogénea de la ecuación diferencial de orden ascendente, excepto
para el coeficiente del termino de mayor orden, el cual es la unidad. B es la matriz columna
con el ultimo renglón igual a “1” y el resto de los elementos son ceros.
dx (t)
_. Estas ecuaciones de estado en la ecuación = Ax(t) + Bu(t), junto con A y B
dt
conforman lo que se conoce como la forma canónica en variables de fase (FCVF), o
también la forma canónica controlable (FCC).
dx (t)
= Ax(t) + Bu(t)
dt
Dónde:
_. Ecuación característica:
Esta es de vital importancia ya que para el estudio de sistemas lineales esta puede definir
con relación a la ecuación diferencial, la función de transferencia o las ecuaciones de
estado.
k dk
S = k , donde (k=1, 2, 3…., n) enteros positivo.
dt
La ecuación del Sistema se define como: Sn + a(n-1)S(n-1) + ... + a1S + a0 = 0, lo cual se obtiene
igualando a “cero” la parte homogénea de la ecuación
Apartir de lo que se conoce como variable de estado podemos partir desde la ecuacion:
adj (sI −A ) ¿
G(s) = C B + D → = C [adj (sI −A)] B+{sI− A ¿ D [sI− A ] , igualando el
[sI− A ]
denominador de la matriz de transferencia G(s) a cero, obtiene la ecuación característica:
[sI – A] = 0
Esta viene siendo una forma alternativa de dicha ecuación, una de las propiedades más
importantes de la ecuación característica es que si los coeficientes de A son reales, los
coeficientes de [sI – A] son también reales.
_. Valores característicos:
En una ecuación característica suele pasar comúnmente que las raíces de dicha ecuación
tengan relación con los valores característicos de la matriz A, existen ciertas propiedades de
dichos valores característicos como los son los siguientes:
_ Sí los coeficientes de A son todos reales, sus valores característicos son, ya sean reales o
pares complejos conjugados.
_. Vectores característicos:
Respecto a lo que tiene que ver el tema de control de sistemas en la actualidad los vectores
característicos son de mucha utilidad en el tema, ahora cualquier vector [P i], distinto e cero
que satisfaga la ecuación matricial:
[λI – A] = λ 2 – 1
[-2P12 +P22 = 0]
Ahora como hay valores desconocidos los cuales son dos, esto implica que se pueden
establecer en forma arbitraria valores a esas dos incógnitas:
P1=[10 ] , P2=[12]
Ya que las matrices A y B están involucradas, en algunas ocasiones se dice que el par [A,B]
es controlable, lo que implica que S es de “rango n”, sabiendo que en dicho rango no puede
existir (0), rengo de n [R - {0}].
EJEMPLO:
A = [−21 0−1] , B = [10 ]
Lo cual si sacamos la determinante nos damos cuenta que dicho sistema no es controlable
debido a que la matriz es singular.
Este concepto obedece a que si un sistema es observable si cada variable de estado del sistema
afecta alguna de la salida, es importante obtener información sobre las variables de estado de las
mediciones de las salidas y de las entradas, si cualquiera de los estados n o se observar a partir de
las mediciones de las salidas se dice que el sistema no es observable, dicho esto un sistema
lineal e invariante en el tiempo que se describe mediantes ecuaciones dinámicas se dice
que el estado es observable si dada cualquier entrada existe un tiempo finito tal que del
conocimiento la entrada u(t) para un tiempo determinado , las matrices (A, B, C y D), y la
salida Y(t) para un tiempo finito son suficientes para determinar x(t0), si cada estado del
sistema es observable. Ahora el siguiente teorema define dicha condición de observabilidad
la cual depende notoriamente de las matrices del sistema (A y C):
Para el sistema descrito sea observable en necesario y suficiente que la siguiente matriz de
observabilidad de (n x np) tenga un “rango n”:
V=[C CA C A 2 C A n−1 ] , ya plasmada la condición esta también se conoce como que el par
[A,C] es observable en particular si el sistema tiene solo una salida, C es una matriz renglón
de(1xn), V es una matriz cuadrada (nxn), siendo entonces que es observable el sistema
siempre y cuando V sea no singular:
V = [C CA ] = [10−2 0] , det = 0,
Las variables de estados son un campo muy dinámico en el cual se pueden esquematizar y
definir una cantidad variada de sistemas desde unos físicos hasta eléctricos y llevar los a
una representación matemática ya sea en sistemas matriciales, funciones de transferencia y
ecuaciones diferenciales lo cuales poseen diferentes características respecto a la descripción
de su comportamiento, del cómo nos pueden establecer la observabilidad y controlabilidad
del sistema mismo. Como pueden establecerse criterios de manejo respecto a problemas
que pueden presentarse en el proceso y como saber si tienen solución, sabemos existen
espacios entre la teoría de control optima y la teoría de control clásica una como métodos
establecidos para el manejo de sistemas mientras que la otra los estable a medida que
realiza pruebas en el sistema, todo con la finalidad de identificar un sistema y estudiarlo
para de esa manera mejorarlo y hacer que sea mejor y más eficiente en su desarrollo.
BIBLIOGRAFIA
https://es.wikipedia.org/wiki/Espacio_de_estados
https://es.scribd.com/document/38865453/Analisis-de-Variables-de-Estado