Sunteți pe pagina 1din 39

Captulo 3

Linealizaci on por realimentaci on


3.1. Introducci on
La linealizaci on por realimentaci on es un metodo de dise no de sistemas de control
no lineales que ha experimentado gran auge y aceptaci on en los ultimos a nos. La
idea principal es la de transformar, de forma parcial o total, la din amica no lineal
del sistema a controlar en una din amica lineal. El hecho de obtener una din amica
resultante lineal, permite aplicar tecnicas lineales para obtener el sistema en bucle
cerrado deseado. Por otro lado, el principal inconveniente del metodo es que exige
disponer de un modelo exacto del sistema. Para solventar este inconveniente R. Ma-
rino y P. Tomei presentan en [104] un metodo de linealizaci on por realimentaci on
adaptativo para sistemas con incertidumbres en el modelo. En esta investigaci on no
se estudiar a el caso de control adaptativo.
Este captulo est a dividido en dos bloques principales:
En el primer bloque se van a resumir los conceptos principales referentes a la
linealizaci on por realimentaci on (A. Isidori [57], S. Sastry [129], J. Slotine [141],
M. Spong [143], R. Su [146], V. Etxebarra [35]). Se denir an los conceptos
de grado relativo, linealizaci on entrada-estado, linealizaci on entrada-salida y
din amica cero. Se extender a el metodo de linealizaci on por realimentaci on para
el caso multivariable. Se introducir a la denici on de la matriz de desacoplo, que
permite conseguir el desacoplamiento entre las entradas y las salidas, es decir,
un control sin interacci on. Por otro lado, se comentar an los diversos metodos
33
Autor: Manuel Lopez-Martinez.
Curso: MASTER EN AUTOMTICA, ROBTICA Y TELEMTICA. 2009
Captulo: Linealizacin por realimentacin.
Ttulo: Diseo de sistemas no lineales.
34
para intentar obtener grado relativo cuando este no esta bien denido, bien
por extensi on din amica o bien por inversi on del sistema. Para nalizar con los
preliminares te oricos, se remarcar an los puntos en com un de la linealizaci on por
realimentaci on con el concepto de atness ( M. Fliess [38, 39, 40], M. Rathinam
y R. Murray [122, 110, 113, 123]).
En el segundo bloque se presentar an todos los casos de estudio analizados con
linealizaci on por realimentaci on en esta tesis, haciendo mayor hincapie en las
aportaciones publicadas, as como en el material original a un sin publicar.
3.2. Preliminares te oricos
La teora de la linealizaci on por realimentaci on se basa en diversos conceptos
matem aticos de geometra diferencial.
A continuaci on se presentan conceptos matem aticos como el gradiente de una
funcion escalar, el Jacobiano de una funci on vectorial y la derivada direccional de un
campo escalar en la direcci on de un campo vectorial, tambien conocida como derivada
de Lie. Se dene, tambien, el concepto de difeomorsmo y se expone el teorema de
Frobenius, el cual se reere a la existencia de soluciones para sistemas de ecuaciones
en derivadas parciales.
Tras el formalismo matem atico, se presentan las tecnicas de linealizaci on por rea-
limentaci on para sistemas SISO, tanto entrada-estado como entrada-salida. Para los
casos en que un sistema no es completamente linealizable, se presentan tanto el con-
cepto de grado relativo como la representaci on de sistemas en su forma normal, la
cual permite descomponer la din amica total del sistema en din amica externa lineal
y din amica interna no lineal. Esta descomposici on ser a muy util cuando se pretenda
estudiar la estabilidad de la din amica interna del sistema, ya sea globalmente, o ya sea
localmente, en cuyo caso se hablar a de din amica cero. El an alisis de estabilidad de la
din amica cero permitir a dise nar controladores de alta ganancia que aseguren la esta-
bilidad asint otica local del sistema completo. Por ultimo se extender an los conceptos
expuestos para el caso de sistemas MIMO.
35
3.2.1. Formalismo matem atico
A continuaci on se expondr an algunos conceptos b asicos:
Gradiente de una funci on escalar.
Jacobiano de una funcion vectorial.
Si h(x) es una funci on escalar del estado (n-dimensional), su gradiente es un vector
de dimension (1 n) denido por:
h =
h
x
=
_
h
x
1

h
x
n
_
(3.2.1)
Si f(x) es una funci on vectorial del estado (n-dimensional), tambien llamada campo
vectorial, el Jacobiano viene dado por una matriz de dimensiones (n n)
f =
f
x
=
_

_
f
1
x
1

f
1
x
n
.
.
.
.
.
.
.
.
.
f
n
x
1

f
n
x
n
_

_
(3.2.2)
Denici on 3.2.1. Sea la funci on escalar h : R
n
R y el campo vectorial f :
R
n
R
n
. Se dene la derivada de Lie o derivada direccional de h en la direccion
de f como la funci on escalar dada por:
L
f
h = hf (3.2.3)
Las derivadas direccionales m ultiples pueden denirse recursivamente seg un:
L
0
f
h = f; L
i
f
h = L
f
_
L
i1
f
h
_
=
_
L
i1
f
h
_
f i = 1, 2, . . . (3.2.4)
Del mismo modo, si g(x) es otro campo vectorial, entonces la funci on escalar doble
derivada direccional de h respecto de f y g viene dada por:
L
g
L
f
h = ( L
f
h)g (3.2.5)
Este concepto es importante desde el punto de vista de control, porque las derivadas
respecto del tiempo de la salida de un sistema din amico, as como la derivada de una
funcion de Lyapunov candidata, pueden expresarse en terminos de derivadas de Lie.
36
Denici on 3.2.2. Sean f y g dos campos vectoriales en R
n
. Se dene el campo
adjunto de g respecto de f o corchete de Lie como:
ad
f
g = [f, g] = gf fg (3.2.6)
y de forma recursiva
ad
0
f
g = g; ad
i
f
g = [f, ad
i1
f
g] i = 1, 2, . . . (3.2.7)
Difeomorsmos y transformaciones en el espacio de estado
Denici on 3.2.3. Una funci on : R
n
R
n
denida en una regi on del espacio de
estado es un difeomorsmo si es suave y su inversa
1
existe y es tambien suave.
Si es todo el espacio R
n
, entonces (x) se denomina difeomorsmo global.
Lema 3.2.1. Sea (x) una funcion suave denida en una regi on de R
n
. Si el
Jacobiano es no singular en un punto x
o
de , entonces (x) es un difeomorsmo
local en una subregi on de .
Los difeomorsmos son transformaciones no lineales que sirven para cambiar las va-
riables de estado en las que se expresa un sistema no lineal.
El Teorema de Frobenius
El teorema de Frobenius se reere a la existencia de soluciones para sistemas de
ecuaciones en derivadas parciales. Este teorema ser a usado en el tratamiento formal
de la linealizaci on por realimentaci on completa de sistemas de orden n. Antes de
enunciar el teorema de Frobenius es necesario denir que son sistemas completamente
integrables y sistemas involutivos.
Denici on 3.2.4. Se dice que un conjunto linealmente independiente de campos
vectoriales {f
1
, . . . , f
m
} en R
n
es completamente integrable si y solo si existen n m
37
funciones escalares h
1
(x), h
2
(x), . . . , h
nm
(x), donde x es el estado del sistema, tales
que satisfacen el siguiente sistema de ecuaciones diferenciales en derivadas parciales:
L
f
j
h
i
= h
i
f
j
= 0 1 i n m; 1 j m (3.2.8)
y los gradientes h
i
son linealmente independientes.
N otese que al ser m el n umero de campos vectoriales y n la dimensi on del espacio
asociado, el n umero de funciones escalares incognitas h
i
es n m, y por tanto el
n umero de ecuaciones en derivadas parciales ser a el producto del n umero de campos
vectoriales por el n umero de funciones inc ognitas, esto es, m(n m).
Denici on 3.2.5. Se dice que un conjunto de campos vectoriales linealmente inde-
pendientes {f
1
, . . . , f
m
} en R
n
es involutivo si y solo si existen funciones escalares

ijk
: R
n
R tales que:
[f
i
, f
j
](x) =
m

k=1

ijk
(x)f
k
(x) i, j (3.2.9)
Involutividad signica que si se forman los corchetes de Lie de cualquier par de
campos vectoriales del conjunto {f
1
, . . . , f
m
}, entonces el campo vectorial resultante
puede ser expresado como combinaci on lineal del conjunto original de campos vecto-
riales. N otese que:
Los campos vectoriales constantes son siempre involutivos. De hecho, el corchete
de Lie de dos vectores constantes es el vector cero, que puede ser trivialmente
expresado como combinaci on lineal de los campos vectoriales.
Un conjunto compuesto de un vector f es involutivo. De hecho,
[f, f] = (f)f (f)f = 0
Visto lo anterior, se puede presentar el teorema de Frobenius.
Teorema 3.2.2. Sea {f
1
, . . . , f
m
} un conjunto de campos vectoriales linealmente
independientes. El conjunto es completamente integrable si y solo si es involutivo.
38
3.2.2. Linealizaci on entrada-estado SISO
Denici on 3.2.6. Un sistema SISO no lineal descrito por las ecuaciones
x = f(x) +g(x)u (3.2.10)
se dice que es linealizable entrada - estado si existe una regi on en R
n
, un difeomor-
smo : R
n
y una ley de control no lineal
u = (x) + (x) (3.2.11)
tales que las nuevas variables de estado z = (x) y la nueva entrada satisfagan la
relaci on lineal invariante en el tiempo siguiente:
z = Az +b (3.2.12)
donde A y b viene denidos por:
A =
_

_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0 0 0 0
_

_
b =
_

_
0
0
.
.
.
0
1
_

_
(3.2.13)
El estado z se denomina estado linealizante, y la ley de control u = (x) +(x)
se denomina ley de control linealizante.
El siguiente teorema establece las condiciones necesarias y sucientes para que un
sistema del tipo x = f(x) +g(x)u pueda linealizarse entrada-estado.
Teorema 3.2.3. El sistema no lineal x = f(x) + g(x)u, donde f(x) y g(x) son
campos vectoriales suaves, es linealizable entrada-estado si y solo si existe una regi on
tal que se cumplen las dos siguientes condiciones:
39
Los campos vectoriales {g, ad
f
g, . . . , ad
n1
f
g} son linealmente independientes en
.
El conjunto {g, ad
f
g, . . . , ad
n2
f
g} es involutivo en .
La primera condici on representa una condici on de controlabilidad generalizada
para sistemas no lineales anes en la actuaci on.
Observaci on 3.2.1. Un sistema no lineal puede ser controlable aunque su aproximaci on
lineal no lo sea.
La segunda condici on es siempre satisfecha por los sistema lineales, por lo que
puede establecerse el siguiente corolario.
Corolario 3.2.4. Un sistema lineal es linealizable entrada-estado si y solo si es con-
trolable.
Metodo para linealizar entrada-estado
Los pasos para linealizar por realimentaci on entrada-estado un sistema no lineal
de la forma x = f(x) +g(x)u son los siguientes:
Construir los campos vectoriales {g, ad
f
g, . . . , ad
n1
f
g} para el sistema dado.
Probar si se cumplen las condiciones de controlabilidad generalizada y la de
involutividad.
Si se cumplen ambas condiciones, encontrar la primera componente del nuevo
vector de estado, z
1
, resolviendo las ecuaciones:
z
1
g = z
1
ad
f
g = z
1
ad
2
f
g = . . . = z
1
ad
n2
f
g = 0 (3.2.14)
z
1
ad
n1
f
g = 0 (3.2.15)
Este sistema de ecuaciones es equivalente a resolver el sistema de ecuaciones:
L
g
z
1
= L
g
L
f
z
1
= . . . = L
g
L
n2
f
z
1
= 0 (3.2.16)
L
g
L
n1
f
z
1
= 0 (3.2.17)
40
Calcular el nuevo vector de estado completo a partir de su primera componente
z
1
, mediante la transformaci on
z(x) =
_
z
1
L
f
z
1
. . . L
n1
f
z
1
_
T
(3.2.18)
y la ley de control linealizante
u = (x) + (x)
u =
L
n
f
z
1
L
g
L
n1
f
z
1
(3.2.19)
donde:
(x) =
L
n
f
z
1
L
g
L
n1
f
z
1
(x) =
1
L
g
L
n1
f
z
1
(3.2.20)
N otese, que la resoluci on simb olica de sistemas de ecuaciones diferenciales en deri-
vadas parciales, representa un problema complejo de c alculo que s olo est a parcialmen-
te resuelto. En la actualidad hay programas de c alculo avanzado, tales como MAPLE,
que aportan soluciones particulares para algunas clases de sistemas de ecuaciones di-
ferenciales.
3.2.3. Linealizaci on entrada-salida SISO
En esta seccion se discutira la linealizaci on entrada-salida de sistemas no lineales
con una entrada descritos por la representaci on en el espacio de estados
x = f(x) +g(x)u (3.2.21)
y = h(x) (3.2.22)
donde y es la salida del sistema. Por linealizaci on entrada-salida se entiende la gene-
raci on de una relaci on diferencial lineal entre la salida y y una nueva entrada .
Generando una relacion lineal entrada-salida
El procedimiento general para obtener dicha ley de linealizaci on consiste en derivar
la salida y repetidas veces hasta que aparezca la entrada u, y entonces dise nar u para
41
cancelar la no linealidad. El n umero de veces que es necesario derivar se conoce por
el nombre de grado relativo.
A continuaci on se introducir a el concepto formal de grado relativo.
Denici on 3.2.7. El sistema no lineal de una entrada y una salida
x = f(x) +g(x)u
y = h(x)
se dice que tiene grado relativo r en el punto x
o
si:
1. L
g
L
k
f
h(x) = 0 para todo x en un entorno
x
de x
o
y todo k < r 1
2. L
g
L
r1
f
h(x) = 0
Observaci on 3.2.2. Si n es el orden del sistema de partida, siempre se cumplir a que
r n.
Observaci on 3.2.3. Si el grado relativo de un sistema x = f(x) +g(x)u respecto a la
salida y = h(x) es r = n, entonces la linealizaci on entrada-salida, en virtud de 3.2.16
y tomando z
1
= y, es equivalente a la linealizaci on entrada-estado.
Del mismo modo se puede enunciar el siguiente lema.
Lema 3.2.5. La linealizacion entrada-estado es resoluble si y s olo si existe un entorno

x
de x
o
y una salida h(x) evaluada en R denida en
x
, tal que el sistema
x = f(x) +g(x)u
y = h(x)
tiene grado relativo n en x
o
.
42
Observaci on 3.2.4. Puede ocurrir que dada una salida determinada el grado relativo
de un sistema no este bien denido para un punto.
A continuaci on se estudiar a el caso en el que el grado relativo est a bien denido,
y posteriormente el caso en el que no lo este.
Caso I: Grado relativo bien denido
Considerese una regi on
x
en el espacio de estado. Si se deriva respecto al tiempo
la salida y, y se utiliza la notaci on de derivada direccional (derivada de Lie), se obtiene:
y =
h
x
x = h(f +gu) = L
f
h(x) + L
g
h(x)u (3.2.23)
Si se verica que L
g
h(x) = 0 para alg un x = x
o
, entonces por continuidad, la relaci on
se verica en un entorno nito de x
o
. En esta regi on, la transformaci on de la entrada
denida por:
u =
L
f
h
L
g
h
(3.2.24)
da lugar a la relaci on lineal y = . Sin embargo, si L
g
h(x) = 0, x
x
, entonces
no puede construirse la anterior transformaci on, y hay que derivar la salida respecto
del tiempo una vez m as:
y = L
2
f
h(x) + L
g
L
f
h(x)u (3.2.25)
Si L
g
L
f
h(x) = 0, x
x
, se debe seguir derivando la salida, hasta que para alg un
entero r se obtenga:
y
(r)
= L
r
f
h(x) + L
g
L
r1
f
h(x)u (3.2.26)
con L
g
L
r1
f
h(x) = 0 para alg un x
o

x
. Entonces por continuidad, la relaci on
anterior se cumplir a tambien en un entorno nito de x
o
. En esta regi on , la ley
de control
u =
L
r
f
h
L
g
L
r1
f
h
(3.2.27)
da lugar a la relaci on lineal-entrada salida
y
(r)
= (3.2.28)
El n umero de derivadas necesarias es el grado relativo del sistema como se ha denido
en la denicion 3.2.7.
43
Caso II: Grado relativo no denido
Regresando a la denici on 3.2.7, se observa que puede haber puntos donde el
grado relativo no est a denido. Esto ocurre, de hecho, cuando la primera funci on de
la secuencia
L
g
h(x), L
g
L
f
h(x), . . . , L
g
L
k
f
h(x), . . . (3.2.29)
que no sea identicamente cero (en un entorno de x
o
) tenga un cero exactamente en
el punto x = x
o
. Sin embargo, el conjunto de puntos donde un grado relativo puede
ser denido es claramente un subconjunto abierto del conjunto donde el sistema
x = f(x) +g(x)u (3.2.30)
y = h(x) (3.2.31)
esta denido.
Observaci on 3.2.5. En el caso de que el grado relativo del sistema no este bien denido
para una salida h(x) dada, se puede optar por dise nar una nueva salida cticia de
tal manera que el grado relativo s este bien denido, al menos localmente en torno
al punto de trabajo elegido.
3.2.4. Formas normales
Un sistema SISO no lineal
x = f(x) +g(x)u (3.2.32)
y = h(x) (3.2.33)
de grado relativo r < n puede transformarse en un sistema parcialmente lineal. El
sistema resultante puede descomponerse en un subsistema lineal de orden r, que
representa la dinamica externa entrada-salida, y en un subsistema no lineal de orden
nr que representa la dinamica interna de los estados que no afectan a la salida. En
la siguiente proposici on se resumira el concepto de linealizaci on parcial.
44
Proposici on 3.2.6. Considerese un sistema no lineal con grado relativo r en un
punto x
o
. La ley linealizante
u =
L
r
f
h(x)
L
g
L
r1
f
h(x)
(3.2.34)
transforma este sistema en un sistema cuyo comportamiento entrada salida es identico
al de un sistema lineal que tenga una funcion de transferencia
H(s) =
1
s
r
(3.2.35)
La descomposici on obtenida se denomina forma normal, la cual puede escribirse
en un sistema SISO con grado relativo r como a continuaci on se indica. En primer
lugar se denotar a con la letra al vector correspondiente a los estados que forman la
din amica externa:
=
_
z
1
. . . z
r
_
T
(3.2.36)
Del mismo modo se denotar a con la letra al vector correspondiente a los estados
que forman la din amica interna.
=
_
z
r+1
. . . z
n
_
T
(3.2.37)
z
1
= y = h(x)
z
1
= z
2
z
2
= z
3
.
.
.
z
r1
= z
r
z
r
= L
r
f
z
1
+ L
g
L
r1
f
z
1
u =
= q(, )
Se supondr a a partir de ahora y sin perdida de generalidad, que en el punto de
equilibrio x
o
los vectores (, ) son nulos. Por lo tanto, si x
o
era un equilibrio para
45
el sistema en las coordenadas originales, su correspondiente punto (, ) = (0, 0)
es un punto de equilibrio para el sistema en las nuevas coordenadas. Al linealizar
parcialmente el sistema e imponer un controlador externo que lleve los estados de
la din amica externa asint oticamente a cero, no se est a garantizando que el estado
completo del sistema llegue de forma asint otica al equilibrio x
o
. Para que esto ocurra,
es necesario que los estados de la din amica interna del sistema tambien tiendan de
forma asint otica a cero. En general, demostrar esto no es una tarea sencilla, siendo
necesario atacar el problema de otra forma. Se plantean dos opciones: estabilizaci on
asint otica global o estabilizaci on asint otica local.
Estabilizaci on asint otica global
Como se ha comentado anteriormente, el an alisis de la estabilidad de la din amica
interna es un problema pr acticamente intratable en la mayora de los casos. En gene-
ral, para hacer frente al dise no de un controlador externo que haga que el equilibrio
en cero sea globalmente asint oticamente estable, se tendra que buscar una funci on de
Lyapunov, de tal manera que garantice que tanto los estados de la din amica externa
como los estados de la din amica interna converjan de forma asint otica a cero.
Estabilizaci on asint otica local
Un metodo sencillo para conseguir la estabilizaci on asint otica local consiste en
dise nar el controlador externo para que estabilice unicamente los estados de la
din amica externa. Para realizar esto bastara dise nar un controlador lineal de tal
manera que el polinomio caracterstico del subsistema externo en bucle cerrado sea
Hurwitz.
z
r
= L
r
f
z
1
+ L
g
L
r1
f
z
1
u =
= c
1
z
1
c
2
z
2
. . . c
r
z
r
o lo que es lo mismo
y
(r)
= L
r
f
y + L
g
L
r1
f
yu =
= c
1
y c
2
y . . . c
r
y
(r1)
46
Para garantizar que el sistema completo sea al menos localmente asint oticamente es-
table, se ha de garantizar que en un entorno del equilibrio (, ) = (0, 0), la din amica
interna tienda tambien de forma asint otica a cero. Esto se puede garantizar analizando
una propiedad intrnseca del sistema
x = f(x) +g(x)u (3.2.38)
y = h(x) (3.2.39)
denominada dinamica cero.
Denici on 3.2.8. Se dene la dinamica cero como la din amica interna cuando la
salida y todas sus derivadas son nulas.
Observaci on 3.2.6. Para garantizar que las salidas y sus derivadas, es decir, los estados
de la din amica externa, tiendan de forma asint otica a cero, se ha de cumplir que la
din amica cero del sistema sea asint oticamente estable.
Denici on 3.2.9. Se dene sistema de fase mnima como aquel cuya din amica cero
es asintoticamente estable. An alogamente, se dene sistema de fase no mnima como
aquel cuya din amica cero es inestable.
A continuaci on se estudiar a el problema de hacer identicamente cero la salida (Ze-
roing the Output).

Este consiste en encontrar el par formado por dos valores iniciales,
uno correspondiente al valor inicial del estado interno,
o
, y el otro, el correspondien-
te al valor inicial de la ley de control linealizante, u
o
, de tal manera que la salida del
sistema y sus derivadas, es decir los estados de la din amica externa, permanezcan a
cero para todo instante t en un entorno de t = 0. Haciendo cero los estados externos
en (3.2.38), se obtiene:
= 0
L
r
f
h(x(t)) + L
g
L
r1
f
h(x(t))u(t) = 0
u(t) =
L
r
f
h(x(t))
L
g
L
r1
f
h(x(t))
(3.2.40)
(t) = q(0, (t)), (0) =
o
47
donde u(t) est a evaluado para = 0, y sustituyendo la condici on inicial (0) =
o
se obtiene u
o
. N otese que esta se nal de control linealizante es la unica entrada capaz
de mantener la salida identicamente a cero para todos los instantes de tiempo.
Observaci on 3.2.7. Si al analizar la din amica cero, esta resulta asint oticamente esta-
ble, la se nal de control linealizante tender a de forma asint otica a cero. Por lo tanto,
si la din amica externa tambien es asintoticamente estable, entonces la din amica com-
pleta es localmente asint oticamente estable (LAS).
Se acaba de mostrar un metodo para dise nar un controlador que haga que un
equilibrio sea localmente asint oticamente estable (LAS). Este metodo es m as potente
que el consistente en realizar un aproximaci on lineal del sistema en torno a un punto y
dise nar un controlador local. Esto es as porque el metodo expuesto permitir a demos-
trar la estabilidad para casos en los que el sistema linealizado tenga autovalores con
parte real nula y sea marginalmente estable. A este tipo de problemas se le denomina
Problemas Crticos de Estabilizacion Asintotica Local, y la noci on de din amica cero
es muy util ya que permite demostrar la estabilidad local del sistema.
Observaci on 3.2.8. Este metodo permite estabilizar sistemas cuya aproximaci on lineal
contenga modos incontrolables correspondientes a autovalores sobre el eje imaginario.
Permite resolver problemas crticos de estabilizaci on asint otica local buscando una
salida cticia de tal manera que su din amica cero sea asint oticamente estable.
3.2.5. Realimentaci on con alta ganancia
Este metodo est a muy relacionado tanto con el concepto de din amica cero, como
con el tratamiento de sistemas singularmente perturbados, los cuales ser an tratados
en el captulo 5. Este metodo permite dise nar controladores para conseguir que el
equilibrio del sistema sea localmente asint oticamente estable (LAS). El controlador
sera lineal y s olo realimentar a los estados de la din amica externa, dada por la salida y
sus derivadas. El controlador tendr a que tener alta ganancia y no habr a necesidad de
realizar linealizaci on por realimentaci on. Este controlador estabilizar a local y asint oti-
camente el estado completo del sistema en el equilibrio si y s olo si la din amica cero
48
del sistema es asint oticamente estable. Se resumir a el dise no de estos controladores
en varias proposiciones.
Proposici on 3.2.7. Considerese un sistema de la forma:
x = f(x) +g(x)u
y = h(x)
con f(0) = 0 y h(0) = 0. Supongase que este sistema tiene grado relativo r = 1
en x = 0, y supongase que la dinamica cero del sistema es asint oticamente estable
teniendo ademas todos los autovalores de su Jacobiano en (, ) = (0, 0) parte real
negativa. Considerese el sistema en bucle cerrado
x = f(x) +g(x)u
u = Kh(x) (3.2.41)
_

_
K > 0 si L
g
h(0) > 0
K < 0 si L
g
h(0) < 0
_

_
(3.2.42)
Entonces, existe un n umero positivo K
o
tal que para todo valor de K que satisfaga
que |K| > K
o
el equilibrio x = 0 del sistema es asintoticamente estable.
Para el caso en el que el grado relativo es r > 1 se establece la siguiente observa-
cion.
Observaci on 3.2.9. Si el grado relativo es r > 1 el problema se puede resolver redu-
ciendose el caso a un sistema de grado relativo r=1. Para ello, se tomar a una nueva
salida cticia w.
w = k(x) = L
(r1)
f
h(x) + c
r2
L
(r2)
f
h(x) + . . . + c
1
L
(1)
f
h(x) + c
0
h(x) (3.2.43)
o lo que es lo mismo
w = y
(r1)
+ c
r2
y
(r2)
+ . . . + c
1
y + c
0
y
49
donde se ha de cumplir que el polinomio caracterstico
0 = s
r1
+ c
r2
s
r2
+ . . . + c
1
s + c
0
sea Hurwitz para asegurar que la din amica cero sea asint oticamente estable. Entonces
el nuevo sistema dado por
x = f(x) +g(x)u
u = Kk(x) (3.2.44)
tiene grado relativo r = 1 y su din amica cero es asint oticamente estable. Aplicando
el resultado de la proposici on anterior, existe un n umero positivo K
o
tal que para
todo valor de K que satisfaga que |K| > K
o
el equilibrio x = 0 del sistema es
asint oticamente estable.
3.2.6. Linealizaci on por realimentaci on MIMO
Al igual que en el caso SISO, se denominar a linealizaci on entrada-estado cuando
sea posible realizar una linealizaci on por realimentaci on exacta. En este caso una
linealizaci on entrada-salida con la misma elecci on de la salidas dar a lugar a que la
din amica cero es trivial, coincidiendo el orden del sistema con la suma de los grados
relativos parciales de cada una de las salidas (grado relativo total). En el caso de que
no sea posible linealizar el sistema de forma exacta, una linealizaci on entrada-salida
permitir a linealizar parcialmente la din amica. La din amica linealizada se denomina
din amica externa y sus estados son los que afectan a la relaci on entrada-salida. La
din amica no lineal residual se denomina din amica interna y est a formada por los
estados que no afectan a la salida. A continuaci on se denira el concepto de grado
relativo para el caso de sistemas MIMO.
50
Denici on 3.2.10. Sea el sistema no lineal MIMO dado por las ecuaciones
x = f(x) +
m

i=1
g
i
(x)u
i
(3.2.45)
y
1
= h
1
(x)
.
.
.
y
m
= h
m
(x)
donde f(x), g
1
(x), . . . , g
m
(x) son campos vectoriales suaves, y h
1
(x), . . . , h
m
(x) son
funciones suaves denidas en un conjunto abierto de R
n
. Se dice que este sistema
tiene grado relativo {r
1
, . . . , r
m
} en el punto x
o
con respecto a las salidas h
1
(x), . . . ,
h
m
(x) si:
1. L
g
j
L
k
f
h
i
(x) = 0, para todo 1 j m, para todo k < r
i
1, para todo 1 i m,
y para todo x en un entorno de x
o
.
2. La matriz m m
A(x) =
_

_
L
g
1
L
r
1
1
f
h
1
(x) . . . L
g
m
L
r
1
1
f
h
1
(x)
L
g
1
L
r
2
1
f
h
2
(x) . . . L
g
m
L
r
2
1
f
h
2
(x)
.
.
.
.
.
.
.
.
.
L
g
1
L
r
m
1
f
h
m
(x) . . . L
g
m
L
r
m
1
f
h
m
(x)
_

_
(3.2.46)
es no singular en x = x
o
.
Observaci on 3.2.10. r
i
representa el grado relativo respecto de la i-esima salida y
i
(t),
el cual se dene como el n umero de veces que se ha de derivar y
i
(t) en t = t
o
para que
aparezca de forma explcita al menos una componente del vector de entrada u(t
o
).
51
Linealizaci on entrada-estado MIMO
Denici on 3.2.11. Un sistema MIMO descrito por las ecuaciones
x = f(x) +
m

i=1
g
i
(x)u
i
o de forma compacta
x = f(x) + g(x)u (3.2.47)
donde
g(x) = [g
1
(x), g
2
(x), . . . , g
m
(x)]
u = col(u
1
, . . . , u
m
)
se dice que es linealizable entrada-estado si dado un estado inicial x
o
existe un entorno
de x
o
, una transformaci on de coordenadas z = (x) denida en , y una ley de
control no lineal expresada en forma compacta
u = (x) + (x) (3.2.48)
tales que:
_

x
(f(x) + g(x)(x))
_
x=
1
(z)
= Az (3.2.49)
_

x
(g(x)(x))
_
x=
1
(z)
= B (3.2.50)
y que el sistema
z = Az + B (3.2.51)
tenga una matriz de controlabilidad de rango completo.
52
El siguiente teorema establece las condiciones necesarias y sucientes para que di-
cho sistema pueda ser linealizable entrada-estado. Estas condiciones, al igual que para
el caso SISO, pueden ser establecidas en terminos de propiedades de determinadas
distribuciones generadas por campos vectoriales de la forma:
g
1
(x), . . . , g
m
(x), ad
f
g
1
(x), . . . , ad
f
g
m
(x), . . . , ad
n1
f
g
1
(x), . . . , ad
n1
f
g
m
(x) (3.2.52)
M as precisamente, si se usa el concepto de subespacio vectorial generado por un con-
junto de vectores
1
(Gen), y se denomina
G
0
= Gen{g
1
(x), . . . , g
m
(x)}
G
1
= Gen{g
1
(x), . . . , g
m
(x), ad
f
g
1
(x), . . . , ad
f
g
m
(x)}
.
.
.
G
i
= Gen{ad
k
f
g
j
: 0 k i, 1 j m}
para i = 0, 1, . . . , n 1 el teorema puede ser enunciado de la siguiente forma:
Teorema 3.2.8. Sea la matriz g(x
o
) de rango m (ecuacion (3.2.47)). Entonces, el
sistema no lineal (3.2.47) es linealizable entrada-estado si y solo si existe un entorno
de x
o
tal que se cumplen las siguientes tres condiciones:
Para cada 0 i n 1, la distribuci on G
i
tiene dimension constante cerca de
x
o
.
La distribucion G
n1
tiene dimension n.
Para cada 0 i n 2, la distribuci on G
i
es involutiva
2
.
Metodo para linealizar entrada-estado
Los pasos para linealizar por realimentaci on entrada-estado un sistema MIMO no
lineal como el descrito hasta ahora son:
1
El subespacio vectorial generado por un conjunto de vectores (Gen) es el conjunto de todas las
combinaciones lineales de los vectores.
2
Vease denici on 3.2.5
53
Probar que se cumplan las tres condiciones mencionadas en el teorema anterior.
Encontrar los nuevas primeras m funciones z
1
(x), ..., z
m
(x) resolviendo el sistema
de ecuaciones de la forma:
L
g
j
L
k
f
z
i
(x) = 0 para todo 0 k r
i
2, 1 j m
Comprobar que se cumple la restricci on de que la matriz A(x) es no singular,
tomando h
i
= z
i
.
Comprobar que r
1
+ r
2
+ . . . + r
m
= n, es decir, que el grado relativo total
3
es
igual al orden del sistema.
La ley de control linealizante vendr a dada por:
u = (x) + (x)
_

_
u
1
u
2
.
.
.
u
m
_

_
= A
1
_

1
L
r
1
f
z
1

2
L
r
2
f
z
2
.
.
.

m
L
r
m
f
z
m
_

_
(3.2.53)
dando lugar a m ecuaciones de la forma:
z
(r
i
)
i
=
i
Linealizaci on entrada-salida MIMO
La linealizaci on entrada-salida de sistemas MIMO se obtiene de forma similar al
caso SISO, es decir, derivando las salidas y
i
hasta que alguna de las componentes
del vector de entradas, u
i
, aparezca de forma explcita. El n umero de veces que es
necesario derivar cada salida se conoce con el nombre de grado relativo de la salida
r
i
. El grado relativo de todas las salidas viene dado por el vector {r
1
, r
2
, . . . , r
m
},
tal y como se expuso en la denici on 3.2.10. Al igual que en el caso SISO, se puede
establecer el siguiente lema.
3
Vease Linealizacion entrada-salida MIMO.
54
Lema 3.2.9. Sea la matriz g(x
o
) con rango m. Entonces, la linealizacion entrada-
estado es resoluble si y s olo si existe un entorno de x
o
y m funciones de salida
h
1
, h
2
, . . . , h
m
evaluadas en R y denidas en tales que el sistema dado por las ecua-
ciones (3.2.45) tiene grado relativo {r
1
, r
2
, . . . , r
m
} en x
o
y ademas el grado relativo
total es igual a n, denido como r
1
+ r
2
+ . . . + r
m
= n.
Observaci on 3.2.11. Si el grado relativo est a denido y el grado relativo total es
r
1
+ r
2
+ . . . + r
m
= n, entonces se dice que el sistema es linealizable entrada-estado
y tiene dinamica cero trivial. Si por el contrario el grado relativo total es r
1
+ r
2
+
. . . + r
m
< n existe una din amica interna y asociada a ella localmente una dinamica
cero no trivial cuya estabilidad deber a ser analizada para asegurar que el equilibrio
x
o
sea asint oticamente estable.
Caso I: Grado relativo bien denido
Asumiendo que r
i
es el entero mas peque no tal que al menos una componente, u
i
,
del vector de entradas aparece en y
(r
i
)
i
, entonces:
y
(r
i
)
i
= L
r
i
f
h
i
+
m

j=1
L
g
j
L
r
i
1
f
h
i
u
j
(3.2.54)
con L
g
j
L
r
i
1
f
h
i
= 0 para al menos un j, en un entorno de x
o
. Desarrollando este
procedimiento para cada salida y
i
resulta:
_

_
y
(r
1
)
1
y
(r
2
)
2
.
.
.
y
(r
m
)
m
_

_
=
_

_
L
r
1
f
h
1
(x)
L
r
2
f
h
2
(x)
.
.
.
L
r
m
f
h
m
(x)
_

_
+ A(x)
_

_
u
1
u
2
.
.
.
u
m
_

_
(3.2.55)
donde A(x) es la matriz de desacoplo presentada en la denici on 3.2.10. Asumiendo
que el grado relativo est a bien denido en un entorno de x
o
, la matriz de desacoplo
55
A(x) es no singular en dicho entorno, pudiendose despejar por tanto las leyes de
control linealizantes dadas por:
_

_
u
1
u
2
.
.
.
u
m
_

_
= A
1
_

1
L
r
1
f
h
1

2
L
r
2
f
h
2
.
.
.

m
L
r
m
f
h
m
_

_
(3.2.56)
dando lugar a m ecuaciones de la forma:
z
(r
i
)
i
=
i
Caso II: Grado relativo no denido
La linealizaci on por realimentaci on s olo puede ser realizada si la matriz de desa-
coplo A(x) es invertible en un entorno de x
o
. Dado el procedimiento directo usado
para construir A(x), esta condici on es bastante restrictiva. A continuaci on se pre-
sentar an dos metodos para generar una linealizaci on por realimentaci on cuando la
condici on de no singularidad de la matriz de desacoplo es violada.
La primera tecnica, denominada Extension Dinamica, requiere denir nuevas en-
tradas cticias como funciones de las derivadas de las entradas originales del sistema,
de tal forma que la correspondiente matriz de desacoplo sea ahora invertible. Las leyes
linealizantes son dise nadas bas andose en las nuevas entradas, y el valor de las entradas
originales es calculado mediante integraci on. Esta ley de linealizaci on por realimen-
taci on se denomina Linealizacion por Realimentacion Din amica, frente a la que no
necesita de extensi on din amica, que se denomina Linealizacion por Realimentacion
Est atica.
La segunda tecnica, y al igual que en el caso SISO, consiste en denir nuevas
salidas de tal manera que el grado relativo este bien denido, y por tanto la matriz
de desacoplo sea invertible. Esta tecnica se denomina Inversi on del sistema.
En ambos casos, la estabilidad de la dinamica interna, o localmente la estabilidad
de la dinamica cero, tendr a que ser vericada para poder asegurar que el equilibrio
x
o
es asintoticamente estable.
56
Extensi on dinamica
Bajo ciertas hip otesis es posible modicar un sistema que no tiene grado relativo
denido en un sistema que s lo tiene. Esto no puede hacerse como hasta ahora
usando una ley de linealizaci on estatica, ya que esta propiedad es invariante usando
este tipo de realimentaci on. Por ello, se emplear a una estructura de realimentaci on
que incorpore un conjunto adicional de nuevas variables de estado que en general
dependeran de las se nales de control originales, u
i
, y de las variables de estado del
sistema. En este caso, las variables de las que dependen los nuevos estados se dice
que son endogenas, ya que pertenecen al sistema original. Este tipo de realimentaci on
se conoce como linealizacion por realimentaci on dinamica mediante transformaci on
endogena y se puede modelar por ecuaciones de la forma:
(t) = E(t, u(t), x(t))

(t) = (t, x(t), (t)) + (t, x(t), (t))(t)


u(t) = (t, x(t), (t)) + (t, x(t), (t))(t)
(3.2.57)
Por simplicidad de notaci on, se considerar a un sistema con 2 entradas y 2 salidas.
Sup ongase que la matriz de desacoplo A(x) tiene rango 1. Esto signica, sin perdida
de generalidad, que se puede redenir el vector de entradas u para que A(x) tenga
una unica columna no nula (por ejemplo a
1
(x)) y hacer que todas las derivadas de
las salidas con grado relativo denido dependan exclusivamente de la entrada u
1
. De
esta forma se puede escribir:
_
y
(r
1
)
1
y
(r
2
)
2
_
=
_
L
r
1
f
h
1
(x)
L
r
2
f
h
2
(x)
_
+ A(x)
_
u
1
u
2
_
=
_
L
r
1
f
h
1
(x)
L
r
2
f
h
2
(x)
_
+ a
1
(x)u
1
(3.2.58)
Derivando y reemplazando la din amica del sistema se obtiene la siguiente ecuaci on:
_
y
(r
1
+1)
1
y
(r
2
+1)
2
_
= b(x, u
1
) + A
1
(x, u
1
)
_
u
1
u
2
_
=
= b(x,
1
) + A
1
(x,
1
)
_

1
u
2
_
= b(x,
1
) + A
1
(x,
1
)
_
u
1
u
2
_
57
Si la nueva matriz A
1
(x,
1
) es invertible, entonces el grado relativo del nuevo sistema
esta denido, donde se ha tomado como nuevo estado
1
= u
1
y como nueva entrada
u
1
=

1
= u
1
. La ley de linealizaci on tendr a la forma
_
u
1
u
2
_
= A
1
(x,
1
)
1
[ b(x,
1
)]
dando lugar a las dos ecuaciones:
y
(r
1
+1)
1
=
1
y
(r
1
+1)
2
=
2
Las leyes externas dadas por seran dise nadas para colocar los polos de la din amica
lineal entrada-salida resultante. Observese que u
1
deber a se obtenida mediante inte-
graci on, por lo que el controlador es din amico. En el caso de que la matriz A
1
(x,
1
)
sea no singular, el procedimiento se puede repetir a nadiendo m as integradores.
Inversi on del sistema
Esta tecnica involucra denir nuevas salidas de manera que la nueva matriz de
desacoplo sea invertible. Partiendo del mismo punto que en el extensi on din amica, se
va a redenir la entrada para que las ecuaciones del sistema puedan expresarse de la
siguiente forma:
_
y
(r
1
)
1
y
(r
2
)
2
_
=
_
L
r
1
f
h
1
(x)
L
r
2
f
h
2
(x)
_
+ A(x)
_
u
1
u
2
_
=
_
L
r
1
f
h
1
(x)
L
r
2
f
h
2
(x)
_
+ a
1
(x)u
1
(3.2.59)
Ahora, en vez de derivar y realizar la extensi on din amica, se denir a una nueva salida
tal que:
a
1
(x) = [ a
11
(x) a
12
(x) ]
T
= a
12
(x)y
(r
1
)
1
a
11
(x)y
(r
2
)
2
Sustituyendo y
(r
1
)
1
y y
(r
2
)
2
de la ecuaci on (3.2.59) se obtiene:
= a
12
(x) L
r
1
f
h
1
+ a
12
(x)a
11
(x)u
1
a
11
(x) L
r
2
f
h
2
a
11
(x)a
12
(x)u
1
=
= a
12
(x) L
r
1
f
h
1
a
11
(x) L
r
2
f
h
2
58
Como puede observarse, la nueva salida no depende de la se nal de control u
1
, con lo
que se puede seguir derivando. De esta forma, teniendo en cuenta que a
12
(x) y a
12
(x)
son funciones de x, se obtiene una ecuacion en la que ahora s aparecen de forma
explcita las se nales de control.
=
0
(x) +
1
(x)u
1
+
2
(x)u
2
Si ahora se vuelve a plantear de nuevo el problema tomando como nuevas salidas y
1
y , se obtiene:
_
y
(r
1
)
1

_
=
_
L
r
1
f
h
1
(x)

0
(x)
_
+
_
e
11
0

1
(x)
2
(x)
__
u
1
u
2
_
=
_
L
r
1
f
h
1
(x)

0
(x)
_
+ A
2
(x)
_
u
1
u
2
_
donde si la matriz
A
2
(x) =
_
e
11
0

1
(x)
2
(x)
_
es invertible, entonces la ley de control linealizante podr a ser elegida como:
_
u
1
u
2
_
= A
1
2
(x)
_

1
L
r
1
f
h
1
(x)

2

0
(x)
_
dando lugar a 2 ecuaciones de la forma:
y
(r
1
+1)
1
=
1
=
2
Las leyes externas dadas por seran dise nadas para colocar los polos de la din amica
lineal entrada-salida resultante. En el caso de que la matriz A
2
(x) sea no singular el
procedimiento se puede repetir para crear nuevas salidas.
3.2.7. Desacoplamiento entrada-salida de sistemas MIMO
El concepto de grado relativo para los sistemas MIMO ha introducido tambien
una nueva matriz A(x) que se denomina matriz de desacoplo. La matriz de desacoplo
59
permitir a desacoplar el sistema multivariable en varios sistemas monovariables inde-
pendientes. El problema de control sin interacci on (desacoplamiento entrada-salida)
se plantea formalmente de la siguiente manera:
Sea el sistema no lineal dado por las ecuaciones (3.2.45) se plantea el problema
de encontrar una ley de realimentaci on estatica de la forma:
u
i
=
i
(x) +
m

j=1

ij
(x)
j
(3.2.60)
denida en un entorno de x
o
= 0, con
i
(x
o
) = 0, tal que el sistema en bucle cerrado
tenga grado relativo denido en el punto de equilibrio x
o
y, para cada 1 i m, la
salida y
i
se vea afectada solo por la correspondiente entrada
i
.
Proposici on 3.2.10. El problema de control sin interacci on (desacoplamiento entrada-
salida) es resoluble si y s olo si la matriz A(x
o
) es no singular, es decir, si el sistema
tiene grado relativo denido en x
o
.
Esta seccion naliza con algunas consideraciones sobre la estabilidad de un sistema
que ha sido desacoplado a traves de una realimentaci on est atica.
Observaci on 3.2.12. Si la din amica externa del sistema desacoplado (via realimen-
taci on est atica) es asint oticamente estable, una condici on suciente, pero en general
no necesaria, para que el sistema sea localmente asint oticamente estable, es que su
din amica cero tambien sea asint oticamente estable.
3.2.8. Flatness
Se dice que un sistema es plano (at), si existen funciones de las salidas, llamadas
salidas planas, tales que todos los estados y las entradas se pueden expresar como
funciones analticas de aquellas y de un n umero nito q de sus derivadas respecto al
tiempo. La siguiente denici on expresa formalmente que es un sistema plano.
60
Denici on 3.2.12. Dado un sistema x = f(x, u), con estados x R
n
, y entradas u
R
m
, se dice que el sistema es plano si existen salidas R
m
que dependen de x,
de u y de un n umero nito p de sus derivadas respecto al tiempo,
= F

(x, u, u, . . . , u
(p)
)
tales que:
x = F
x
(, , . . . ,
(q)
)
u = F
u
(, , . . . ,
(q)
)
Observaci on 3.2.13. Para el caso de que exista una unica se nal de control (m = 1),
ocurre que si el sistema es linealizable entrada-salida y la din amica cero es trivial,
entonces el sistema es plano (at) para las salidas elegidas.
Observaci on 3.2.14. Si un sistema x = f(x, u) es plano (at), existe una linealizaci on
por realimentaci on din amica usando una transformaci on end ogena tal que el sistema
en bucle cerrado es difeom orco a un sistema lineal controlable.
Observaci on 3.2.15. Si un sistema es linealizable mediante realimentaci on din amica
usando una transformaci on end ogena, dando lugar a que la din amica cero es trivial,
entonces el sistema es plano (at) para las salidas elegidas.
Seguimiento de trayectorias
Los sistemas planos son utiles en situaciones donde se requiere una generaci on de
trayectorias explcitas, ya que el comportamiento del sistema plano est a determinado
por sus salidas planas. Se pueden dise nar trayectorias en el espacio de las salidas
planas y luego transformarlas en se nales de entrada apropiadas.
61
3.3. Aplicaciones
En las siguientes secciones se estudiara la posibilidad de linealizar por realimen-
taci on el subsistema de elevacion (din amica de cabeceo) del equipo de doble rotor. Se
analizar a si el sistema es linealizable por realimentaci on en funcion de que el modelo de
propulsi on posea un termino lineal en velocidad o, por el contrario, sea estrictamente
cuadr atico.
Se mostrar a que este sistema, para fuerzas de propulsi on estrictamente cuadr ati-
cas en velocidad, presenta una singularidad cuando la velocidad del rotor se hace cero
por lo que se har an modicaciones a las leyes de control obtenidas. Se presentar an
controladores usando el concepto de linealizaci on por realimentaci on aproximada pre-
sentado en [51], permitiendo aplicar una ley aproximada en puntos en los que el grado
relativo del sistema no est a denido, y consiguiendo estabilidad asint otica local.
Al nal del captulo se presentar a el estudio de linealizaci on por realimentaci on del
equipo de doble rotor completo y se analizar a si este es linealizable por realimentaci on
para las salidas que representan los angulos de cabeceo y de gui nada. Se mostrar a que,
tanto para modelos lineales de propulsi on como para modelos cuadr aticos, la linea-
lizaci on por realimentaci on para las salidas elegidas da lugar a una din amica cero
asint oticamente estable si y s olo si las fuerzas de resistencia (drag) en las helices son
mayores que las de sustentaci on (lift). Se analizar an las causas de este efecto y se
aportar an posibles soluciones.
3.4. Dinamica de cabeceo del equipo de doble ro-
tor
En este apartado se mostrar a c omo controlar el subsistema de elevaci on del equipo
de doble rotor, considerando que el resto de la din amica est a desacoplada. Adem as se
estudiar an varios modelos del sistema, considerando modelos de propulsi on cuadr ati-
cos y lineales, y se aportar an soluciones de control para cada uno de ellos.
Se presenta un controlador compuesto por dos leyes de linealizaci on que conmutan
62
al aproximarse a valores bajos de velocidad, en los que la linealizaci on por realimen-
taci on con modelo cuadr atico no est a bien denida (trabajo publicado en [89]).
Para robustecer el controlador conmutado ante incertidumbre parametrica depen-
diente de la din amica de los motores, se realiza la linealizaci on por realimentaci on en
dos pasos. En el primer paso se linealiza por realimentaci on el motor y se le aplica un
controlador tal que el motor se comporte como un sistema lineal de primer orden. En
el segundo paso se linealiza por realimentaci on la din amica conjunta del cuerpo y del
motor (trabajo publicado en [87]). Para eliminar la conmutaci on en la ley de control
se plantea un modelo de propulsi on cuadr atico con un termino lineal de constante
muy peque na. Con este modelo se obtiene una ley de control unica aproximada cuya
estabilidad asint otica en el origen es demostrada, present andose adem as, resultados
experimentales (trabajo publicado en [90]).
En primer lugar se estudiar a el caso de que el modelo de propulsi on del sistema sea
lineal y luego se mostrar a que ocurre cuando el modelo de propulsi on sea cuadr atico.
3.4.1. Modelo con propulsi on lineal
En la literatura es frecuente encontrar modelos de propulsi on de helices en el que
las fuerzas de propulsi on son proporcionales a la velocidad de la helice. Observando la
gura 2.4 se puede comprobar que esto no es m as que una aproximaci on lineal en un
entorno de un punto de trabajo, por lo que la constante de proporcionalidad incluye
el valor medio de dicha velocidad angular.
En este apartado se considera jo el angulo de orientaci on ( = cte) y nula la
velocidad del rotor de cola (
p
= cte = 0). Se controlar a el movimiento de elevaci on
mediante el rotor principal.

g
Figura 3.1: Subsistema de Elevaci on
63
Tal y como se expuso en el captulo 2, las ecuaciones del subsistema de elevaci on
vienen dadas por:
I

+ G
s
S() + G
c
C() + K

=

L
g

g
(3.4.1)
I
g

g
= U
g
(B
g
+

D
g
)
g
(3.4.2)
En este caso, el termino de propulsi on y el de arrastre se han modelado como si fueran
lineales en velocidad (

L
g

g
y

D
g

g
) en vez de cuadr aticos (L
g
|| y D
g
||).
:

Angulo de elevaci on medido desde el plano horizontal.
I

: Inercia del sistema de elevacion respecto al eje de giro.

g
: Velocidad de la helice grande.
I
g
: Inercia del motor-helice respecto a su eje de giro.

L
g

g
: Par en el eje debido a la fuerza aerodin amica
de propulsi on del rotor grande (Lift).
K

: Par de friccion.
G
s
S() + G
c
C(): Par de gravedad. S()
.
= sin() y C()
.
= cos().
U
g
: Par motor.
B
g
: Constante de fricci on del motor.

D
g
: Constante de resistencia aerodin amica de la helice (Drag).
Reescribiendo las ecuaciones (3.4.1) y (3.4.2) en forma matricial
_

_
I

0
0 I
g
_

_


g
_

_
+
_

_
G
s
S() + G
c
C() + K



L
g

g
(B
g
+

D
g
)
g
_

_
=
_

_
0
U
g
_

_
(3.4.3)
Se observa que hay una se nal de actuaci on (U
g
) y dos grados de libertad ( y
g
). Por
tanto, se trata de un sistema subactuado, en el sentido de que posee menos se nales
de control que grados de libertad ([36]).
Linealizaci on por realimentaci on: entrada-estado
Se seguir a el metodo general expuesto en la secci on 3.2.2, comenzando por:
64
1. Denici on del vector de estados:
x =
_

_

eq

g
_

_
=
_

_
x
1
x
2
x
3
_

_
2. Expresar la ecuaci on (3.4.3) como:
x = f(x) + g(x)u
_

_
x
1
x
2
x
3
_

_
=
_

_
x
2
G
s
S(
eq
+x
1
)G
c
C(
eq
+x
1
)K

x
2
+

L
g
x
3
I

(B
g
+

D
g
)x
3
I
g
_

_
+
_

_
0
0
1
I
g
_

_
U
g
3. Comprobar que es posible la linealizaci on por realimentaci on.
ad
0
f
g = g
ad
f
g
.
= [fg]
.
=
g
x
f
f
x
g
donde:
g
x
= 0
y
f
x
=
_

_
0 1 0

G
s
I

C(
eq
+ x
1
) +
G
c
I

S(
eq
+ x
1
)
K

L
g
I

0 0
B
g
+

D
g
I
g
_

_
Sustituyendo, se obtiene:
ad
f
g =
_

_
0


L
g
I
g
I

B
g
+

D
g
I
2
g
_

_
65
Finalmente,
ad
2
f
g
.
= [f, ad
f
g]
.
=
ad
f
g
x
f
f
x
ad
f
(g)
donde:
ad
f
g
x
= 0
resultando:
ad
2
f
g =
_

L
g
I
g
I

L
g
I
g
I
2


L
g
(B
g
+

D
g
)
I
2
g
I

(B
g
+

D
g
)
2
I
3
g
_

_
Es facil comprobar que los vectores {g, ad
f
(g), ad
2
f
(g)} son linealmente indepen-
dientes, donde el determinante de la matriz formada por los mismos resulta

L
2
g
I
3
g
I
2

= 0,
siendo todos los par ametros positivos. Adem as como los vectores son constantes, los
Corchetes de Lie de todas las combinaciones de los vectores {g, ad
f
(g)} son nulas, por
lo que se pueden expresar como combinaci on lineal de ellos mismos , y por tanto, el
conjunto {g, ad
f
(g)} es involutivo en .
Como se cumplen las dos condiciones, se puede armar que el sistema es linealizable
por realimentaci on entrada-estado.
4. Calcular el nuevo vector de estado completo a partir del primer estado z
1
, mediante
la transformaci on:
z(x) =
_
z
1
L
f
z
1
. . . L
n1
f
z
1
_
T
(3.4.4)
Para ello se han de plantear las ecuaciones siguientes para encontrar el primer estado
z
1
. Se tendr a que cumplir que:
z
1
g = 0 (3.4.5)
z
1
ad
f
g = 0
z
1
ad
2
f
g = 0
66
Sustituyendo en (3.4.5) se obtiene:
z
1
g =
z
1
x
1
g
1
+
z
1
x
2
g
2
+
z
1
x
3
g
3
=
z
1
x
1
0 +
z
1
x
2
0 +
z
1
x
3

1
I
g
=
z
1
x
3

1
I
g
= 0
z
1
ad
f
g =
z
1
x
1
ad
f
g
1
+
z
1
x
2
ad
f
g
2
+
z
1
x
3
ad
f
g
3
=
=
z
1
x
1
0 +
z
1
x
2
ad
f
g
2
+ 0ad
f
g
3
= 0
z
1
ad
2
f
g =
z
1
x
1
ad
2
f
g
1
+
z
1
x
2
ad
2
f
g
2
+
z
1
x
3
ad
2
f
g
3
=
=
z
1
x
1
ad
2
f
g
1
+ 0ad
2
f
g
2
+ 0ad
2
f
g
3
= 0
donde
i
representa la i-esima componente del vector.
Por lo que se demuestra que z
1
(x) = z
1
(x
1
). Eligiendo la funci on m as sencilla,
z
1
(x) = x
1
, se llega a que:
z
1
=
_
z
1
x
1
,
z
1
x
2
,
z
1
x
3
_
=
_
1 0 0
_
por lo que L
g
z
1
= z
1
g = 0 y L
f
z
1
(x) = z
1
f = x
2
.
Se calcula ( L
f
z
1
) obteniendo:
( L
f
z
1
) =
_
0 1 0
_
llegando a que L
g
L
f
z
1
= ( L
f
z
1
)g = 0. Del mismo modo, se resuelve:
L
2
f
z
1
(x) = ( L
f
z
1
)f =
G
s
S(
eq
+ x
1
) G
c
C(
eq
+ x
1
) K

x
2
+

L
g
x
3
I

A continuaci on se calcula:
L
g
L
2
f
z
1
= ( L
2
f
z
1
)(x)g =

L
g
I

I
g
= 0
tal y como se deseaba. Por ultimo se calcular a L
3
f
z
1
obteniendose:
L
3
f
z
1
= ( L
2
f
z
1
)f =
_
K

(G
s
S(
eq
+ x
1
) + G
c
C(
eq
+ x
1
))
I
2

_
+
+
_
G
c
S(
eq
+ x
1
) G
s
C(
eq
+ x
1
)
I

+
_
K

_
2
_
x
2

67

L
g
I

_
K

+
B
g
+

D
g
I
g
__
x
3
(3.4.6)
5. Finalmente, la se nal de control a aplicar al actuador viene dada por la transfor-
maci on:
u =
L
3
f
z
1
L
g
L
2
f
z
1
Se puede observar que el difeomorsmo planteado est a bien denido para todo
valor del estado x. Adem as, la ley de control estar a bien denida si y s olo si L
g
L
2
f
z
1
esta bien denida para todo valor del estado x, cosa que se cumple por ser una
constante distinta de cero. Por lo tanto, la linealizaci on obtenida es global para todo
x.
6. El controlador externo tendr a que ser dise nado para un sistema lineal dado por
un triple integrador (tantos integradores como la dimensi on del vector x).
Linealizaci on por realimentaci on: entrada-salida
Una vez comprobado que es posible realizar una linealizaci on entrada-estado, se
expondr a c omo obtener la misma ley de control usando una linealizaci on entrada-
salida.
El procedimiento consiste en derivar la salida respecto al tiempo repetidas veces
hasta que aparezca la entrada u, y despues dise nar u de forma que la no linealidad
quede cancelada.
Se denira la salida de la forma m as sencilla. Se elegir a h(x) = x
1
, que representa
el angulo de elevaci on del sistema y es una variable medible. A continuaci on se calcula
la primera derivada de y respecto al tiempo:
y = L
f
h + L
g
hu
Sabiendo que L
g
h = hg, se tiene que:
h =
h
x
=
_
h
x
1
,
h
x
2
,
h
x
3
_
=
_
1 0 0
_
68
y por tanto:
hg =
_
1 0 0
_

_
0
0
1
I
g
_

_
= 0
Por consiguiente, se ha de volver a derivar la salida, obteniendose:
y = L
2
f
h + L
g
L
f
hu
donde:
L
f
h = hf =
_
1 0 0
_

_
f
1
f
2
f
3
_

_
= f
1
= x
2
L
g
L
f
h = (hf)g = x
2
g =
_
0 1 0
_
_

_
0
0
1
I
g
_

_
= 0
y por tanto se ha de volver a derivar.
y
(3)
= L
3
f
h + L
g
L
2
f
hu
A continuaci on se examina:
L
g
L
2
f
h = L
g
( L
f
x
2
)
L
f
x
2
= x
2
f =
_
0 1 0
_
f = f
2
L
g
(f
2
) = (f
2
)g =
_
f
2
x
1
f
2
x
2
f
2
x
3
_
_

_
0
0
1
I
g
_

_
=
f
2
x
3
1
I
g
=

L
g
I

I
g
= 0
Debido a que L
g
L
2
f
h = 0, el sistema tiene grado relativo 3. Ahora la se nal de
control u se calcular a tomando como nueva se nal de control = y
(3)
. De esta forma
se puede expresar la ley de control linealizante como:
= L
3
f
h + L
g
L
2
f
hu
69
y despejando u,
u =
L
3
f
h
L
g
L
2
f
h
con L
g
L
2
f
h =

L
g
I

I
g
= 0 x
Esta ley har a que el sistema se comporte, visto desde , como un triple integrador. A
continuaci on se ha de calcular L
3
f
h. Este calculo es justamente el realizado en el caso
de la linealizaci on entrada-estado (Ec. (3.4.6)), ya que para la salida elegida el grado
relativo del sistema coincide con el orden del sistema, el cual es 3. Por tanto no hay
din amica cero, y la linealizaci on entrada-salida para la salida elegida da lugar a una
linealizaci on completa del sistema.
Controlador externo LQR
A continuaci on se va a dise nar el controlador del lazo externo que proporciona
la se nal de entrada al sistema linealizado. Se han dise nado dos controladores: un
controlador LQR y un controlador LQR con efecto integral.
El controlador LQR se ha dise nado bajo la hip otesis de que el sistema resultante de
la linealizaci on por realimentaci on es un triple integrador. La ley de control dada por
el controlador LQR ser a de la forma = k
p
r U
LQR
, siendo r el angulo de cabeceo
de referencia y U
LQR
= K
c
z, donde K
c
= [k
p
, k
v
, k
a
] sera obtenida resolviendo la
ecuaci on de Riccati para horizonte innito. Expresando el triple integrador en el
espacio de estados resulta:
z = Az + BU
LQR
y = Cz
donde:
A =
_

_
0 1 0
0 0 1
0 0 0
_

_
B =
_

_
0
0
1
_

_
C =
_
1 0 0
_
El controlador LQR se ha dise nado en tiempo discreto para un tiempo de muestreo
de T
m
= 0.01s, eligiendose como matriz de ponderaci on del nuevo estado Q = C
T
C,
y como ponderaci on de la se nal de control r = 1. Haciendo uso de MatLab se ha
obtenido, para el sistema en tiempo discreto, K
c
= [0.9900, 1.9851, 1.9900]. N otese,
70
que con la elecci on de Q = C
T
C se esta ponderando la primera componente del vector
de estado, que corresponde a la salida y.
Los resultados de simulaci on, usando modelos de propulsi on lineales tanto en la
ley de control como en el simulador, se muestran en las guras 3.2a, 3.2b y 3.2c,
donde respectivamente se muestran la se nal de control procedente del controlador
LQR, la se nal de control u aplicada al motor y el angulo de cabeceo del sistema.
Se hace notar que el valor permitido para la se nal de control aplicada a los motores
es de |u| 1. Por encima de este valor el motor satura. Puede ocurrir que, debido a
0 10 20 30 40 50 60
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
Linealizacion EntradaEstado con LQR: Seal Externa de Control
Tiempo en segundos
V
0 10 20 30 40 50 60
0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Linealizacion EntradaEstado con LQR: Seal de Control al motor
Tiempo en segundos

U
0 10 20 30 40 50 60
35
30
25
20
15
10
5
0
Linealizacion EntradaEstado con LQR: Angulo de Elevacion
A
n
g
u
lo

e
n

g
r
a
d
o
s
Tiempo en segundos
des

Figura 3.2: a) Se nal de control procedente del LQR. b) Se nal de control aplicada al
motor. c)

Angulo de cabeceo
las incertidumbres del modelo, sobre todo en los modelos de propulsi on, no se consiga
realizar una linealizaci on por realimentaci on perfecta, por lo que para asegurar que
71
el sistema resultante sea al menos de tipo 1, se ha a nadido un cuarto integrador. De
esta forma, se conseguir a obtener un error de posici on nulo en regimen permanente.
El sistema ampliado con el integrador adicional vendr a dado por:
z
a
= A
a
z
a
+ B
a
U
LQR
y = C
a
z
a
Aa =
_
A 0
C 0
_
Ba =
_
B
0
_
Ca =
_
C 0
0 1
_
El controlador ha sido calculado en tiempo discreto para un T
m
= 0.01s, obte-
niendose:
Kc = [2.8717, 3.6869, 2.7102, 0.9864]
Los resultados de las leyes de control se muestran en las guras 3.3a, 3.3b y 3.3c.
Igual que en el caso anterior, estas representan respectivamente la se nal de control
externo , la se nal de control linealizante u, y el angulo de cabeceo . En la gura
3.3b puede observarse c omo la se nal de control u no llega a saturar (|u| 1 t).