UNIVERSIDAD NACIONAL DE TRUJILLO

Facultad de Ingeniería
Escuela Profesional de Ingeniería Mecatrónica

Control Adaptativo 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 = 0.022H

C = 3300uF

R = 15

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: Obtener el modelo de la planta, obteniendo las matrices de estado (Ap, Bp y Cp).

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   D( S )
 C   1   I C ( S )  Vi 
 L RC   L
V (S) 
Y ( S )  1 0  O 
 IC (S )
Paso 2: Diseñar un controlador, ya sea utilizando el posicionamiento de polos o regulador óptimo cuadrático

LQR, de tal manera que se obtenga un nuevo sistema, el cual será nuestro modelo de referencia (Am, Bm y

Cm). Se solicita que la respuesta presente un mejor tiempo de establecimiento y máximo sobrepico en

comparación a la planta original. Además, el error en estado estacionario deberá ser menor al 10% del valor

de la señal escalón.
Paso 3: Determinar la matriz omega. Adicionalmente, despejar los valores de omega11, omega12, omega21

y omega22, de acuerdo con las dimensiones de las matrices presentes en las ecuaciones matriciales revisadas

en el fundamento teórico.

Omega =

0 0 1.0000

0.0033 0 0

0.0015 0.0220 1.0000

Omega11 =

0 0

0.0033 0

Omega12 =

Omega21 =

0.0015 0.0220

Omega22 =

Paso 4: Resolver la expresión s11 que se presenta en la siguiente ecuación:

Para tal propósito, se deberá utiliza la ecuación de Lyapunov. En MatLab se encuentra la posibilidad de usarlo

mediante el comando "lyap". Sin embargo, se sugiere, primeramente, reacomodar la anterior ecuación para

hacer más fácil la utilización del comando mencionado. La expresión quedaría de la siguiente forma:

s11 =

1 0

0 1
Paso 5: Despejar las ganancias Ku y Kx, a partir de las siguientes ecuaciones obtenidas a partir de las

ecuaciones matriciales consideradas en el Fundamento Teórico.

Kx =

-13.1774 -12.8558

Ku =

13.1774

Paso 6: Incluir una ganancia Ke que cumpla con la condición de que los valores propios de la expresión (Ap

- BpKeCp) sean menores que cero.

Para este propósito, se sugiere utilizar el comando de MatLab "eig" que permite conocer los valores propios

de una expresión. Es así que se se podrá probar para diferentes valores de Ke si la expresión en cuestión

cumple con la condición mencionada.

ans =

1.0e+02 *

-0.1010 + 2.0303i

-0.1010 - 2.0303i

Paso 7: Simular el sistema con control adaptivo a partir del diagrama de bloques considerado en el fundamento

teórico del presente documento. El diagrama en Simulink deberá quedar como el que se muestra a

continuación:

Se sugiere ajustar el valor de la ganancia Ke de tal manera que la respuesta de la planta pueda adaptarse de

mejor manera al modelo de referencia.

CÓDIGO:

clc, close all, clear all;

%% DATOS
R = 15;
L = 0.022;
C = 0.0033;
Vi = 1;
%% MODELO DE LA PLANTA
Ap = [0 1/C;-1/L -1/(R*C)];
Bp = [0; Vi/L];
Cp = [1 0];
Dp = [0];
sistema = ss(Ap,Bp,Cp,Dp);
figure(1)
step(sistema)
%% MODELO DE REFERENCIA
R=[1];
Q=[200 0; 0 1];
Kp=lqr(Ap,Bp,Q,R);
Am=Ap-Bp*Kp;
Bm=Bp*Kp(1);
Cm=Cp;
Dm=Dp;
modelo = ss(Am,Bm,Cm,Dm);
figure(2)
step(modelo)
%% OBTENER LA MATRIZ OMEGA
Omega=inv([Ap Bp; Cp 0]);
Omega11=Omega(1:2, 1:2);
Omega12=Omega(1:2,3);
Omega21=Omega(3,1:2);
Omega22=Omega(3,3);
% resolver s11
s11=lyap(Omega11,-inv(Am),Omega12*Cm*inv(Am));
Kx=Omega21*s11*Am+Omega22*Cm;
Ku=Omega21*s11*Bm;
% obtenemos Ke
Ke=2;
eig(Ap-Bp*Ke*Cp);
TEST DE COMPROBACIÓN

¿Por qué es necesario ajustar la ganancia Ke para mejorar el ajuste del sistema adaptivo?

Se ajusta el valor de Ke para que nuestro sistema tenga un comportamiento parecido a el modelo disminuyendo

el error del modelo y la planta y asi tenemos el control de la planta como el modelo que nos otros le planteamos

En determinado punto, por más que se aumente la ganancia Ke, la respuesta no cambia ¿A qué se debe

esto?

Por la saturación del sistema ya que el sistema llega a un valor maximo, causando que el sistema ya no aumente

el máximo sobrepico saturando el sistema