06 Analisis Sistemas Discretos

Control Digital 5.doc 1

1. Análisis de los Sistemas Discretos

1. Análisis de los Sistemas Discretos____________________________________ 1

1.1. Introducción ________________________________________________________ 2

1.2. Estabilidad __________________________________________________________ 2 1.2.1. Estabilidad de Sistemas Lineales ________________________________________ 2 1.2.2. Estabilidad de Sistemas con Entrada y Salida Acotadas(BIBO) __________________ 3 1.2.3. Cómputo de la Estabilidad_____________________________________________ 4

1.3. Controlabilidad, Alcanzabilidad y Observabilidad _______________________11 1.3.1. Controlabilidad y Alcanzabilidad _______________________________________ 11

1.4. Observabilidad _____________________________________________________14

1.5. Descomposición de Kalman ___________________________________________16

1.6. Pérdida de Alcanzabilidad y Observabilidad debido al muestreo ___________17

1.7. Un Controlador Simple ______________________________________________18 1.7.1. Estado Estacionario_________________________________________________ 18

1.8. Simulación _________________________________________________________19

1.9. Control de un Doble Integrador_______________________________________19


1.1. Introducción

Los sistemas a estudiar son

1k k k

k k

x x uy Cx

+ = Φ + Γ =

[1.1]

( ) ( )k kA q y B q u= [1.2]

( )( )

11

10 1

a a

a

b b

b

n nn

n nn

A q q a q a

B q b q b q b

−

−

= + + +

= + + +

LL

[1.3]

1.2. Estabilidad

Dada unas secuencia

( )1 ,k kx f x k+ = [1.4]

sean dos secuencias kx y 0kx soluciones de [1.4]

Se dice que la secuencia 0kx es estable si dado

00

0kkx x δ− < [1.5]

se cumple

00kkx x k kε− < ∀ ≥ [1.6]

Se dice que la secuencia 0kx es asintóticamente estable si se cumple

0 0kkx x k− → → ∞ [1.7]

1.2.1. Estabilidad de Sistemas Lineales

Sea el sistema

0 01k kx x+ = Φ [1.8]

con

0 00x a= [1.9]

se cambia el valor inicial


0x a= [1.10]

resultando

1k kx x+ = Φ [1.11]

La diferencia entre ambas soluciones es

011 1 kk k kx x x x++ += − = Φ [1.12]

con

00x a a= − [1.13]

esto implica que si 0x es estable, toda otra solución será también estable.

Se deduce que la estabilidad es una característica del sistema y no de una solución determinada.

La solución de

0k

kx x= Φ [1.14]

Si la matriz Φ se puede diagonalizar, la solución es una combinación lineal de los autovalores.

Si la matriz Φ no se puede diagonalizar, la solución es una combinación lineal del producto de polinomios por los autovalores.

Pero en ambos casos, para que la solución tienda a cero los autovalores deberán ser menor que 1.

Teorema 1. Un sistemas discreto, lineal, invariante en el tiempo es asintóticamente estable si todos los autovalores de Φ están dentro del círculo unidad.

1.2.2. Estabilidad de Sistemas con Entrada y Salida Acotadas(BIBO)

Un sistema cuya entrada es acotada, es estable si su salida también lo es.

La estabilidad asintótica es más restrictiva.

Ejemplo 1.1. Oscilador Armónico

( ) ( )( ) ( )

( )( )

[ ]

1

cos sen 1 cossen cos sen

1 0

k k k

k k

T T Tx x u

T T T

y x

ω ω ωω ω ω+

− = + − =

[1.15]

Los autovalores son 1.


Si la entrada es nula, el sistema es estable porque 0kx x=

Pero si la entrada es una onda cuadrada de frecuencia ω la salida es

0 5 10 15 20 25 30-20

-15

-10

-5

0

5

10

15

20

El sistema es estable pero no es estable en el sentido de entrada y salida acotada

1.2.3. Cómputo de la Estabilidad

- Cómputo directo de los autovalores

- lugar de las raíces

- criterio de Nyquist

- método de Lyapunov

- Cálculo directo:

cálculo de las raíces de

( ) 11

a a

a

n nnA q q a q a−= + + +L [1.16]

no es adecuado para calcularlo manualmente en sistemas de alto orden

- Criterio de Jury (Routh-Hurwitz)

Se forma la siguiente tabla

0a 1a L 1na − na


na 1na − L 1a 0a

0

nn

aa

α =

10

na − 11

na − L 11

nna −

−

11

nna −

− 12

nna −

− L 10

na − 1

1 10

nn

n n

aa

α−

− −=

M

00a

con

1

0

k k ki i k k i

kk

k k

a a a

aa

α

α

−−= −

= [1.17]

Teorema 2. Si 0 0a > , el sistema es estable si todos los 0ka son positivos. Si ningún 0

ka , la

cantidad de 0ka negativos es igual al número de raíces fuera del círculo unidad.

Ejemplo 1.2. Sistema

( ) 21 2 0A q q a q a= + + = [1.18]

1 1a 2a

2a 1a 1 22 1

aα =

( )21 2 20 0 2 2 2 2 21 1a a a a a aα= − = − = − ( )1 2 2

1 1 2 1 1 2 1 1 21a a a a a a a aα= − = − = −

( )1 21a a− ( )221 a− ( )

( )

11 21 1

1 210 22

111

a aa aa aa

α−

= = =+−

( ) ( )( )20 1 1 1 10 0 1 0 0 1 2

2

1 1 11

aa a a a a

aα α

= − = − = − − +

Todas las raíces están dentro del círculo unidad si:

( )210 21 0a a= − > [1.19]


( )( )20 10 2

2

1 1 01

aa a

a

= − − > + [1.20]

esto implica

2 1a < [1.21]

1 2 1

2 2

1 2

1 2

11 0

1 1

1

1

a a aa a

a a

a a

+ −− = > + + < +

> − −

[1.22]

a2

a1

1 2

1

-1

- Criterio de Nyquist

Es el equivalente al de los sistemas continuos

Sea el sistema

+

yk

G(z)

-1

rk uk+


( ) ( )( )

( )( )1

Y z G zH z

U z G z= =

+ [1.23]

La ecuación característica es

( )1 0G z+ = [1.24]

Plano Z Im

Re

Γ

1

inf

Ejemplo 1.3. Sistema de Segundo Orden

( )( ) ( )

0,251 0,5

kG z

z z=

− − [1.25]

( ) ( ) ( )( )( )

20,25 1,5 1 cos 2 2cos 1,5

2 2cos 1,25 cosj

k sen jsenG e ω

ω ω ω ω

ω ω

− − − − =− +

[1.26]


Plano ZIm

Re

Γ

-1

inf

el camino cruza el eje real negativo en 0,5ω = −

el sistema es estable en lazo cerrado para 2k <

- Robustez

Tolerancia a variaciones

Teorema 3. Sea ( )0G z el valor real y ( )G z el valor nominal

( ) ( )( )

00

01G z

H zG z

=+

[1.27]

( ) ( )( )1

G zH z

G z=

+ [1.28]

- si ( )H z es estable

- si ( )0G z y ( )G z tienen la misma cantidad de polos fuera del círculo unidad y

- si se cumple que para 1z = ( ) ( ) ( )0 1G z G z G z− < +

entonces ( )0H z es estable

Cuando la ganancia del sistema es alta, es fácil de cumplir la condición.

Se necesita mayor precisión en los lugares donde ( ) 1G z ;

Otra forma de verlo: la función en lazo cerrado es


( )

( )

0

0

11

1H z

G z

=+

[1.29]

los polos en lazo cerrado están en

( )( ) ( ) ( ) ( )0 0

1 1 1 11 1f zG z G z G z G z

= + = + + −

[1.30]

en esta forma vale el nuevo teorema:

Teorema

Sea ( )0G z el valor real y ( )G z el valor nominal

- si ( )H z es estable

- si ( )0G z y ( )G z tienen la misma cantidad de ceros fuera del círculo unidad y

- si se cumple que para 1z = ( ) ( ) ( )0

1 1 11

G z G z G z− < +

entonces ( )0H z es estable

Reglas a tener en cuenta:

- es importante saber la cantidad de polos y ceros inestables

- no es necesario tener gran precisión en el modelo para frecuencias en la que el sistema tiene alta ganancia

- para aquellas frecuencias en las que no se conoce el modelo con exactitud hay que reducir la ganancia

- hay que tener un modelo preciso para frecuencias en donde ( ) 1G z ;

- Segundo Método de Lyapunov

Función de Lyapunov:

Sea el sistema

( ) ( )1 0 0k kx f x f+ = = [1.31]


( )V x es una función de Lyapunov si

- ( )V x es continua en x y ( )0 0V =

- ( )V x es definida positiva y

- ( ) ( )( ) ( )V x V f x V x∆ = − es definida negativa

X2

X1

Xk

Xk+1

V(xk)

Las curvas de nivel de ( )V x son cerradas alrededor del origen

La tercera condición dice que la dinámica del sistema es tal que partiendo de un estado, el siguiente llevará a un valor de ( )V x menor o más cerca del origen.

Teorema 4. Estabilidad

La solución 0kx = es asintóticamente estable si existe una función de Lyapunov para el sistema

Si además existe

( ) ( )0 x V xϕ< < [1.32]

y se cumple

( )xϕ → ∞ cuando x → ∞ [1.33]

entonces, la solución es asintóticamente estable para cualquier condición inicial.

- El principal problema es encontrar la función de Lyapunov

- Para sistemas lineales, una función candidata es


( ) TV x x Px= [1.34]

donde

( ) ( ) ( ) T T T

T T T

V x V x V x x P x x Px

x P P x x Qx

∆ = Φ − = Φ Φ −

= Φ Φ − = − [1.35]

Para que ( )V x se una función de Lyapunov, debe existir una matriz P, que cumpla

T P P QΦ Φ − = − [1.36]

con Q definida positiva

Esta es la ecuación de Lyapunov

La una matriz P es definida positiva si Q definida positiva

1.3. Controlabilidad, Alcanzabilidad y Observabilidad

1.3.1. Controlabilidad y Alcanzabilidad

Sea el sistema

10 0 1

0

n nn n

nc

x x u u

x W U

−−= Φ + Φ Γ + + Γ

= Φ +

L [1.37]

con

1ncW − = Γ ΦΓ Φ Γ L [1.38]

1 0TT T

nU u u− = L [1.39]

si cW tiene rango n se pueden encontrar n valores de u para llevar al sistema a un valor deseado nx .

Si hay más de una entrada la solución no es única.

- Definición de Controlabilidad:

Un sistema es controlable si se puede llevar desde cualquier punto al origen en tiempo finito.

- Definición de Alcanzabilidad:

Un sistema es alcanzable si se puede llevar desde cualquier punto a otro cualquiera en tiempo finito


Controlabilidad no implica alcanzabilidad.

Por ejemplo si ya está en el origen, es controlable pero no necesariamente alcanzable.

Teorema

Un sistema es alcanzable si y solo si cW es de rango n.

cW se llama matriz de controlabilidad.

Ejemplo

1

1 0 1

0 1 1k k kx x u+ = +

[1.40]

no es alcanzable porque

1 1

1 1cW =

[1.41]

si tuviera dos entrada con una matriz Γ no singular, el sistema sería alcanzable.

Ejemplo

dado

1

0

1 1 10,25 0 0,5

2

2

k k kx x u

x

+

= + − −

=

[1.42]

¿es posible encontrar una ley de control tal que 2

0,5

1x

− =

?

La ecuación dice

22 0 0 1x x u u= Φ +ΦΓ + Γ [1.43]

o sea

[ ]0 1

0,5 3,5 10,5

1 1 0,5u u

− = + + − − [1.44]

0 10,5 4u u+ = − [1.45]

tiene solución.


Si se parte del origen y se quiere llegar a 2

32

x−

=

[ ]0 1

3 10,5

2 0,5u u

− = + −

[1.46]

no tiene solución

El sistema no es alcanzable ya que

1 0,5

0,5 0,25cW = −

[1.47]

Partiendo del origen solo se pueden alcanzar los puntos que pertenecen al

subespacio 10,5

−

La característica de alcanzabilidad es independiente de transformaciones.

1

1 1 1

nc

n

c

W

T T T T T T T

TW

−

− − −

= Γ ΦΓ Φ Γ = Γ Φ Γ Φ Γ

=

% % % % % %LL [1.48]

De ahí el porque del nombre de la forma canónica controlable

Ejemplo

Sistema en forma canónica controlable

1 2 3

1

11 0 0 0

0 1 0 0k k k

a a ax x u+

− − − = +

[1.49]

21 1 2

21

10 1

0 0 1c

a a aW a

− − = Γ ΦΓ Φ Γ = −

[1.50]

la inversa es

1 21

1

10 10 0 1

c

a aW a=

= −

[1.51]

generalizando


1 2 2 1

1 3 21

1

10 1

0 0 0 1

0 0 0 0 1

n n

n n

c

a a a aa a a

Wa

− −

− −=

=

LL

M M M O M MLL

[1.52]

- Seguimiento de Trayectorias

Si la matriz Γ es de rango n, es posible llegar a un estado en, a lo sumo, n pasos.

Es necesario pero no suficiente tener n entradas.

Si el sistema es SISO es fácil hacer seguir una trayectoria kr .

Se hace

( )( )k k k

B qy u r

A q= = [1.53]

la acción de control es

( )( )k k

A qu r

B q= [1.54]

Si hay d muestras de retardo, la generación de la actuación es causal

Recordar cociente de polinomios en q: Solo tiene solución si u parte de estado inicial cero.

Tiene que tener inversa estable.

1.4. Observabilidad

Definición: El estado 0 0x ≠ es no observable si existe un número finito

1 1k n≥ − en donde 10 0ky k k= ∀ ≤ ≤ resultando 00x x= y 10 0ku k k= ∀ ≤ ≤ .

El sistema es observable si, conociendo k entradas y k salidas es suficiente para conocer el estado inicial.

En un sistema tal como el [1.1] es calculable el efecto de la entrada y no se pierde generalidad si se hace 0ku = .

Se suponen conocidas las salidas 0 1 1, , , ny y y −L

Con esto se puede plantear


0 0

1 1 0

11 1 0

nn n

y Cxy Cx C x

y Cx C x−− −

== = Φ

= = Φ

M [1.55]

vectorialmente

0

10

11

nn

yCyC

x

yC −−

Φ = Φ

MM [1.56]

el estado inicial se puede reconstruir si la matriz de observabilidad

1

o

n

CC

W

C −

Φ =

Φ

M [1.57]

tiene rango n.

Teorema

El sistema 5.1 es observable sii la matriz de observabilidad tiene rango n.

Ejemplo

Sea el sistema

[ ]

1

1,1 0,31 0

1 0,5

k k

k k

x x

y x

+

− =

=

[1.58]

la matriz de observabilidad es

1 0,5

0,6 0,3o

CW

C

− = = Φ − [1.59]

tiene rango 1.

En la figura siguiente se muestra la respuesta del sistema para diferentes estados iniciales. Se observa que para todos los estados que están en una recta paralela a [ ]0,5 1 dan la misma salida. (b y d)


0 5 10 15 20 25 300

1

2

3

4

5

6x 10

-17

0 5 10 15 20 25 300

0.2

0.4

0.6

0.8

1

1.2

1.4

0 5 10 15 20 25 300

0.5

1

1.5

2

2.5

0 5 10 15 20 25 300

0.2

0.4

0.6

0.8

1

1.2

1.4

1.5. Descomposición de Kalman

Un sistema puede tener solo una parte observable y otra alcanzable.

Estas partes son subespacios del espacio de estado independientes de las coordenadas de estado.

Se puede demostrar que existe una transformación tal que el sistema se particiona de la forma:

[ ]

11 12 1

221

31 32 33 34 3

43 44

1 2

0 00 0 0 0

0 0 0

0 0

k k k

k k

x x u

y C C x

+

Φ Φ Γ Φ = + Φ Φ Φ Φ Γ Φ Φ

=

[1.60]

en donde hay cuatro partes

- oaS observable y alcanzable

- oaS observable pero no alcanzable

- oaS no observable pero alcanzable


- oaS ni observable ni alcanzable

La función de transferencia es única y se puede expresar como

( ) ( ) 11 11 1G q C qI

−= − Φ Γ [1.61]

C-noO

u

C-O

noC-O

noC-noO

y

1.6. Pérdida de Alcanzabilidad y Observabilidad debido al muestreo

Las matrices del sistema muestreado dependen del período de muestreo.

Para que el sistema muestreado sea alcanzable, el continuo lo debe ser. Pero esta se puede perder al muestrear.

La no observabilidad de los sistemas muestreados se presenta en las llamadas oscilaciones oculta en donde un sistema continuo es observable y el discreto deja de serlo.

Ejemplo: Oscilador armónico.

( ) ( )( ) ( )

( )( )

[ ]

1

cos 1 coscos

1 0

k k k

k k

T sen T Tx x u

sen T T sen T

y x

ω ω ωω ω ω+

− = +

=

[1.62]

el determinante de las matrices de controlabilidad y observabilidad es

( ) ( )( )( )

det 1 cos

det

c

o

W sen T T

W sen T

ω ω

ω

= − −

= [1.63]

Ambas se pierden para T nω π= a pesar de que el sistema continuo es observable y controlable.


1.7. Un Controlador Simple

Ventajas de la realimentación (tanto continua como discreta):

- Mejoras en el transitorio

- Disminuye la sensibilidad a cambios de parámetros del sistema

- Corrige errores en régimen permanente

1.7.1. Estado Estacionario

Sea un lazo simple de realimentación.

El error será

( ) ( )1

1k ke rR q G q

=+

[1.64]

Si la entrada es un escalón, aplicando el teorema del valor final, se puede calcular el error en régimen estacionario haciendo 1q = en [1.64].

El número de integradores en lazo abierto determina el tipo de referencia para la cual el sistema no tiene error estacionario.

Si en lazo abierto hay p integradores, el sistema no tendrá error estacionario para referencias polinómicas en k de orden menor a p.

Ejemplo

Sea el sistema

( ) ( ) ( )0,5

0,8 1k k k

qy G q u u

q q−

= =− −

[1.65]

realimentando resulta

( )( )( )( )

0,8 10,8 1 0,5k k

q qe r

q q q− −

=− − + −

[1.66]

Si la referencia es un escalón el error final es cero (haciendo 1q = )

Otra forma de verlo es observando el integrador que posee el sistema en lazo abierto.

Si la referencia es una rampa se debe calcular

( ) ( )( )( )

( )( )

1

21

10,8 1lim lim 0,4

0,8 1 0,5 1k

k z

z zz ze

z z z z

−

→∞ →

−− −= =

− − + − − [1.67]


En la literatura es frecuente representar la referencia o perturbación como generada por un impulso aplicado a cierto sistema:

( )k r kr H q δ= [1.68]

+

yk

G(q)

-1

rk ek=uk

+Hr(q)

Si se quiere representar un escalón

( )1r

qH q

q=

− [1.69]

o una rampa

( )( )2

1r

qH q

q=

− [1.70]

es más fácil aplicar el teorema del valor final.

1.8. Simulación

Es importante pero

No olvidar que debe ir acompañada del análisis.

Nunca se pueden simular los infinitos casos

1.9. Control de un Doble Integrador

( ) ( )( )2

0,5 1

1

qG q

q

+=

− [1.71]

Objetivo: seguir una trayectoria

Tipo de control: digital, proporcional

[ ]k p k k p ku K r y K e= − = [1.72]

la ecuación característica es

( ) ( )21 0,5 1 0pq K q− + + = [1.73]


el sistema es inestable independiente de la ganancia

Plano Z

1

Otro Control:

[ ]k p k d ku K e T y= − & [1.74]

se muestrea también la velocidad

CADu*

1/s1/sCDAComputador

H(z)

ydy/dtur

Para calcular la relación entrada salida se observa que en el sistema continuo

( ) dyu tdt

=&

[1.75]

como u es constante durante el muestreo,

1k k ky y u+ − =& & [1.76]

o

11k ky u

q=

−& [1.77]

reemplazando resulta

( )( )( ) ( )

0,5 1

1 1 0,5 1p

k kd p p

K qy r

q q T K K q

+=

− − + + + [1.78]

Es un sistema de segundo orden con dos parámetros (las ganancias) para ajustar.


El sistema es estable para 0; 0,5; 2p d p dK T K T> > <

Root locus para 1,5dT =

Plano Z

1

- Respuesta al escalón

Para 1pK = el sistema llega al valor final en dos muestras, es el llamado control de tiempo finito.

Para ganancias superiores hay un polo real negativo que da el carácter oscilante de la respuesta

El límite es 43pK =

0 2 4 6 8 100

0.2

0.4

0.6

0.8

1

1.2

1.4

0 2 4 6 8 100

0.2

0.4

0.6

0.8

1

1.2

1.4


0 2 4 6 8 100

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

0 2 4 6 8 100

0.2

0.4

0.6

0.8

1

1.2

1.4

Cuidado!!!

Si el sistema se representa como

1 2 1 22 0,5 0,5k k k k ky y y u u− − − −= − + + [1.79]

Se intenta seguir un referencia.

Una opción es hacer

1 2 1 22 0,5 0,5k k k k kr y y u u− − − −= − + + [1.80]

y despejar u

( ) ( )

( )( )( )

1 12 0,5 0,5

11 2 1

22 2 12

1 1

k k k k k

k k k

k k k

r y y u u

u q qr q y

qqu r y

q q

+ −= − + +

+ = − −

−= −

+ +

[1.81]

la salida en lazo cerrado es

1k ky r −= [1.82]

Parece igual que el anterior pero la respuesta del último es la de la figura


0 2 4 6 8 10-5

-4

-3

-2

-1

0

1

2

3

4

5

Hay una oscilación oculta

Algo se puede ver analizando el sistema discreto que en lazo cerrado tiene una transferencia

( )( ) ( )

( )( )

2

12

1

1 2 1 2 1

11

k k

k k

q qy r

q q q q

q qr r

q q −

+=

+ − + − − + +

= =+

[1.83]

El sistema es de tercer orden.

Hay una cancelación de polos y ceros

Lo que pasa es que se pierde la observabilidad debido a la elección del controlador.

- Oscilaciones Ocultas

Son oscilaciones del sistema continuo no observadas por el sistema discreto (también llamadas intersample ripple).

Se pueden ver con simulación o con z-modificada

Se deben, básicamente, a que el sistema está en lazo abierto entre muestras

Se distinguen dos tipos

- Oscilaciones debidas al sistema continuo

- Oscilaciones debidas al controlador

El primer caso se puede deber a pérdida de observabilidad debida al muestreo.


En la función de transferencia se cancelan polos y ceros.

Estas oscilaciones ocurren para ciertos valores de muestreo

Se puede cambiar el período de muestreo y analizar observabilidad

El segundo tipo ocurre con ceros poco amortiguados que son cancelados por el controlador.

Son independiente del período de muestreo (caso doble integrador)

Resumen:

No existen oscilaciones ocultas si el sistema continuo no tiene modos no observables oscilantes y si los ceros inestables o cercanos a la inestabilidad no son cancelados.

Ejemplo:

( )( )2 2

11 0,02

G ss s

π

π= +

+ + + [1.84]

con 2T = su FT discreta es

( ) 1 aG z

z a−

=−

[1.85]

con 2a e−=

el sistema discreto es de primer orden y el continuo es de tercero.

Esto indica que existirán oscilaciones ocultas.

La figura muestra la respuesta al escalón del sistema continuo y sus muestras

0 2 4 6 8 100

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

Technology

06 Analisis Sistemas Discretos