UNIVERSIDAD NACIONAL DE TRUJILLO

Facultad de Ingeniería
Escuela Profesional de Ingeniería Mecatrónica

Control Óptimo Y Estimación En Tiempo Continuo Y Discreto Del Circuito

Reductor RLC

Trabajo de Investigación Formativa

Control Avanzado
AUTORES :

- RODRIGUEZ CARBAJAL, Arnold Jair

- BEJARANO REYES, Mauricio Alonso
- SILVA ZUTA, Fray David

DOCENTE : Mg. MANZANO RAMOS, Edgar André

CICLO : IX

Trujillo, Perú
29 de Julio del 2020
 Obtención Del Estimador De Estados Del Modelo De Ecuaciones De Espacio – Estado En Tiempo

Discreto Del Circuito Reductor RLC

Tenemos el siguiente Ciruito Reductor RLC:

Figura 1: Circuito Reductor RLC.

Los elementos poseen los siguientes valores:

d = 0.5

L = 0.68H

C = 4700uF

R = 22

F = 1000Hz

Vi = 1v

Donde:

k: ciclo de trabajo

F: frecuencia

i: corriente

L: inductancia

C: capacitancia

R: resistencia

vi : voltaje de entrada

vo : voltaje de salida
A continuación, seguimos las siguientes instrucciones:

Paso 1: Diseñar el controlador, para este propósito, siga los siguientes sub-pasos:

1. Modele matemáticamente el sistema en un sistema de ecuaciones de espacio - estado. En esta parte se

sugiere considerar como estados a la corriente del capacitor, voltaje de salida; y como entrada al ciclo

de trabajo d.

La Función de Transferencia de nuestro sistema es la siguiente:

Vo ( s) Vi R
G( s)  
d ( s) RLCs 2  Ls  R

De la cual tenemos:

S 2 LRCVo(s)  SLVo(s)  RVo(s)  ViRd (s)

SLC
S 2 LRCVo( s )  Vo( s )  RVo( s )  ViRd ( s )
C

De nuestro sistema tenemos:

I c (S )  SCVo (S )

Reemplazamos en nuestra ecuación anterior:

L
SLRI c ( S )  I c (S)  RVo ( S )  Vi RD(S)
C

Y obtenemos las variables de estado en laplace:

L R VR
SI c ( S )   I c (S)  Vo ( S )  i D(S)
LRC LR LR

1
SVo ( S )  IC (S )
C

De lo cual obtenemos nuestro sistema de ecuaciones de espacio – estado:

 1   0 
 SVO ( S )   0 C  VO (S)  

 SI ( S )   1   V  D( S )

 C    1   I C ( S )   i L 
 L RC 
V (S) 
Y ( S )  1 0  O 
 IC (S )
 Mp=0.409

Ts=0.786

2. Determine la controlabilidad del sistema.

Matriz de controlabilidad:

ans =

0 312.8911

1.4706 -14.2223

Rango:

ans =

Su rango es igual al orden del sistema, por tanto, SI ES CONTROLABLE.

3. Cree las matrices Q y R, de acuerdo con las recomendaciones consideradas en el Fundamento Teórico.

R=

Q=

230 0

0 1
4. Obtenga la matriz de ganancias óptima K, utilizando los comandos de MatLab.

K=

14.1987 57.8659

5. Obtenga el nuevo sistema controlado.

sistema_controlado =

A=

x1 x2

x1 0 212.8

x2 -22.35 -94.77

B=

u1

x1 0

x2 20.88

C=

x1 x2

y1 1 0

D=

u1

y1 0
Paso 2: Simule el sistema controlado con ayuda de la herramienta ltiview de MatLab, analice los parámetros

de rendimiento y la ubicación de los polos.

PARÁMETROS DE RENDIMIENTO:

UBICACIÓN DE POLOS:
Paso 3: Realice la simulación del sistema diseñado en Simulink, analice la respuesta del sistema.

Paso 4: Diseñar el estimador para el sistema diseñado, para este propósito siga los siguientes sub-pasos:

1. Determine la observabilidad del sistema.

Matriz de observabilidad:

ans =

1.0000 0

0 212.7660

Rango:

ans =
 2

Su rango es igual al orden del sistema, por tanto, SI ES OBSERVABLE.

2. Ubique los polos del observador de tal manera que sean más rápidos que del controlador.

po1 =

-2.8430e+02 + 3.0062e+02i

po2 =

-2.8430e+02 - 3.0062e+02i

3. Obtenga la matriz de ganancias L, utilizando el posicionamiento de polos mediante los comandos de

MatLab.

L=

558.9370

777.7594

Paso 5: Realice la simulación del sistema diseñado con su estimador en Simulink, analice la respuesta del

sistema.
Paso 6: Proceda a la discretización del sistema en MatLab, a continuación, obtenga las nuevas matrices K

óptima y L para el caso discreto. Se sugiere considerar un tiempo de muestreo significativamente menor al

tiempo de establecimiento requerido en el diseño.

Kd =

13.5656 56.6419

pod1 =

0.7188 + 0.2229i

pod2 =

0.7188 - 0.2229i
Ld =

0.5525

0.5810 0.0160
Paso 6: Realice la simulación del sistema discreto diseñado, tanto para el caso sin estimados, como con

estimador. Realice el análisis de la respuesta del sistema.

CÓDIGO:

clc, close all, clear all;

%% DATOS
R = 22;
L = 0.68;
C = 0.0047;
Vi = 1;
Tm = 0.001;
%% 1 CONTROLADOR OPTIMO
%% 1.1 SISTEMA DE ECUACIONES DE ESPACIO - ESTADO
A = [0 1/C;-1/L -1/(R*C)];
B = [0; Vi/L];
C = [1 0];
D = [0];
sistema = ss(A,B,C,D);
figure(1)
step(sistema)
%% 1.2 CONTROLABILIDAD
ctrb(A,B);
rank(ctrb(A,B));
%% 1.3 MATRICES DE PONDERACION
R=[1];
Q=[230 0; 0 1];
%% 1.4 MATRIZ DE GANANCIAS OPTIMA K
[K P e]=lqr(A,B,Q,R);
%% 1.5 SISTEMA CONTROLADO
sistema_controlado = ss((A-B*K),(B*K(1)),C,0);
%% 2 LTIVIEW
ltiview(sistema_controlado)
%% 4 ESTIMADOR
%% 4.1 OBSERVABILIDAD
obsv(A,C);
rank(obsv(A,C));
%% 4.2 POLOS DEL OBSERVADOR
po1 = 6*e(1);
po2 = 6*e(2);
%% 4.3 MATRIZ DE GANANCIAS L
L = (acker(A',C',[po1,po2]))';
%% 6 DISCRETIZACIÓN
%% SISTEMA DISCRETO
sistema_discreto = c2d(sistema,Tm);
G = sistema_discreto.A;
H = sistema_discreto.B;
figure(2)
step(sistema_discreto)
%% MATRIZ DE GANANCIAS OPTIMA K DISCRETA
[Kd Pd ed]=dlqr(G,H,Q,R)
sistema_controlado_discreto = ss((G-H*Kd),(H*Kd(1)),C,0,Tm);
%% LTIVIEW
ltiview(sistema_controlado_discreto);
%% ESTIMADOR DISCRETO
%% POLOS DEL OBSERVADOR DISCRETO
pod1 = ed(1)^6;
pod2 = ed(2)^6;
%% 4.3 MATRIZ DE GANANCIAS L
Ld = (acker(G',C',[pod1,pod2]))';
CONCLUSIONES:

- Sistema con controlador óptimo continuo Vs Sistema con controlador óptimo discreto.
- Sistema con controlador óptimo sin estimador de estados Vs Sistema con controlador óptimo con

estimador de estados.
- Sistema con controlador óptimo Vs Sistemas con controladores por posicionamiento de polos

obtenidos en experiencias anteriores.