REPRESENTACIÓN EN ESPACIO DE ESTADO Espacio de estado El modelado y control de sistemas basado en la transformada de Laplace, es un enfoque muy sencillo y de fácil aplicación. Permite analizar sistemas utilizando una serie de reglas algebraicas en lugar de trabajar con ecuaciones diferenciales. En este enfoque tiene más valor la simplicidad que la exactitud. Sistema (Realidad) Saturación Representación de la realidad Modelado Ecuaciones diferenciales y + 3 yy = f (t ) d − sen = 0 dt Otras No Linealidades Múltiples puntos de equilibrio Fricción no lineal Q p − + p (t ) = f (t ) t t G(s ) Linealización Transformada de Laplace X (s ) Entrada (una) Características dinámicas Lineales 5 s 2 + 2s + 5 km ms + 1 Y (s ) Salida (una) Función de Transferencia Representación muy simplificada de la realidad Inconvenientes: Sin embargo, la útil y sencilla descripción de sistemas mediante la función de transferencia tiene las siguientes limitaciones: • Solo es válida para sistemas lineales con una entrada invariantes en el tiempo. y una salida e • Se necesita que las condiciones iniciales del sistema sean nulas. • No proporciona información sobre la estructura física del sistema. • No proporciona información de lo que pasa dentro del sistema. Ningún sistema dinámico de interés es representado perfectamente bajo las restricciones anteriores Los sistemas reales presentan no linealidades, pueden tener más de una entrada o salida, sus parámetros cambian en el tiempo y sus condiciones iniciales no siempre tienen un valor de cero. Afortunadamente: Para muchos sistemas es posible considerar esas limitaciones, trabajar sobre un punto de operación de interés, linealizar y utilizar las ventajas del análisis por Laplace. Sin embargo: Otros sistemas y/o situaciones son tan complejos que no es posible utilizar este enfoque. Para este tipo de sistemas es muy común hacer uso de la representación en espacio de estado. La representación en espacio de estado presenta las siguientes ventajas: • Aplicable a sistemas lineales y no lineales. • Permite analizar sistemas de más de una entrada o más de una salida. • Pueden ser sistemas variantes o invariantes en el tiempo. • Las condiciones iniciales pueden ser diferentes de cero. • Proporciona información de lo que pasa dentro del sistema. • Resultados sencillos y elegantes. Definiciones básicas Sistema, se entenderá como una relación entre entradas y salidas. Un Sistema es determinista, si a cada entrada le corresponde una y solo una salida. Sistema monovariable. Es aquel que solo tiene una entrada y una salida. Si el sistema tiene más de una entrada o más de una salida se llamará multivariable. Sistema causal o no anticipatorio. Es aquel que su salida para cierto tiempo, no depende de entradas aplicadas en el pasado. Obsérvese que la definición implica que un sistema no causal es capaz de predecir entradas futuras, por lo tanto la causalidad es una propiedad intrínseca de cualquier sistema físico. Sistema dinámico. Es aquel cuya salida presente depende de entradas pasadas y presentes. Si el valor de la salida en y , depende solamente de la entrada aplicada en u, el sistema se conoce como estático o sin memoria. La salida de un sistema estático permanece constante si la entrada no cambia. En un sistema dinámico la salida cambia con el tiempo aunque no se cambie la entrada, a menos que el sistema ya se encuentre en estado estable. Sistema invariante en el tiempo. Es aquel que tiene parámetros fijos o estacionarios con respecto al tiempo, es decir, sus características no cambian al pasar el tiempo o dicho de otra forma, sus propiedades son invariantes con traslaciones en el tiempo. Representación por medio del espacio de estado Con la representación en espacio de estado tenemos la capacidad de conocer y controlar en cierta medida la dinámica interna de un sistema y su respuesta. Este método principia con la selección de las variables de estado, las cuales deben de ser capaces en conjunto de determinar las condiciones de la dinámica del sistema para todo tiempo. Pueden existir varias representaciones en variables de estado para un sistema. En forma general, un sistema visto en espacio de estado tiene la siguiente estructura x = f ( x, t ) + g ( x, t ) Se considera que f(x, t) y g(x, t) son funciones suaves (una excepción pueden ser los sistemas con discontinuidades). El vector representa las variables de estado y el vector u(t) representa el control. A la ecuación (1) se le llama ecuación del espacio de estado. x Ahora se define la terminología empleada en espacio de estado: Concepto de estado. El estado de un sistema al tiempo to es la cantidad de información que junto con una entrada, nos permite determinar el comportamiento del sistema de manera única para cualquier t. Estado. Es el conjunto más pequeño de variables (denominadas variables de estado) tales que el conocimiento de esas variables en . conjuntamente con el conocimiento de la entrada para determinan completamente el comportamiento del sistema en cualquier tiempo t. Variables de estado. Son las variables que constituyen el conjunto más pequeño de variables que determinan el estado de un sistema dinámico. Si se requieren al n variables ( x1, x2 ,..., xn ), se dice que el sistema es de orden n. Vector de estado. Las n variables de estado forman el vector de estado, que generalmente es un vector columna de dimensión [n x 1]. Donde n es el número de variables de estado. Sistemas lineales invariantes en el tiempo Cuando se trata de sistemas lineales invariantes en el tiempo, la ecuación (1), se transforma en: (2) x (t ) = Ax (t ) + Bu(t ) y(t ) = Cx(t ) + Du(t ) x1 (t ) a11 a12 x (t ) a a22 2 = 21 x (t ) a n n1 an 2 a1n x1 (t ) b11 b12 a2 n x2 (t ) b21 b22 + ann xn (t ) bn1 bn 2 y1 (t ) c11 c12 y (t ) c c22 2 = 21 y ( t ) c p p1 c p 2 c1n x1 (t ) d11 d12 c2 n x2 (t ) d 21 d 22 + c pn xn (t ) d p1 d p 2 (3) b1m u1 (t ) b2 m u2 (t ) bnm um (t ) d1m u1 (t ) d 2 m u2 ( t ) d pm um (t ) Obtención de las ecuaciones de estado Para realizar la representación en el espacio de estado, se necesita manipular las ecuaciones del modelo de un sistema, de tal forma que se pueda obtener la razón de cambio respecto al tiempo de cada variable de estado seleccionada. La representación en espacio de estado puede ser derivada desde las ecuaciones diferenciales que representan a un sistema, o desde cualquier arreglo de ecuaciones diferenciales aunque estas no representen ningún sistema. Si no se tiene el modelo matemático (ecuaciones diferenciales) será necesario obtenerlo por medio de leyes o teorías (físicas, químicas, monetarias, entre otros.). Una secuencia muy común para obtener el espacio de estado es la siguiente: 1. Identificar completamente el sistema. Conocer el sistema, que es lo que hace, cuales son sus variables de interés, su comportamiento, su interrelación al exterior, etc. 2. Identificar las leyes o teorías que gobiernan el comportamiento del sistema. Leyes de termodinámica, Leyes dinámicas, segunda ley de Newton, Ley de voltajes y corrientes de Kirchoff, Ley de Ampere, Ley de Ohm, Ley de Boyle, etc. 3. Definir las ecuaciones diferenciales que representen el comportamiento del sistema. El grado de complejidad dependerá de la fidelidad del modelo al comportamiento del sistema y de las necesidades de simulación, medición o control. Los pasos 1,2,3 son básicos de cualquier modelado. 4. Seleccionar las variables de estado. Son las variables mínimas que determinan el comportamiento dinámico del sistema. Si se escogen menos de las necesarias, el espacio de estado no representa todo el comportamiento del sistema, si se definen más, el espacio de estado es redundante. 5. Encontrar la dinámica de cada estado. Es decir, encontrar la razón de cambio respecto al tiempo de cada variable de estado (su derivada). 6. Desplegar el arreglo de las dinámicas del estado como en la ecuación (1) o como el arreglo de las ecuaciones (2)-(3) si las ecuaciones son lineales o linealizadas. Ejemplo: Represente por medio de espacio de estado el siguiente sistema mecánico. Resorte u(t ) y (t ) k masa b amortiguador Donde: u(t) es la fuerza aplicada, k es la constante del resorte, b es el coeficiente de fricción viscosa. La fuerza del resorte se considera proporcional a la posición y la fuerza b del amortiguador es proporcional a la velocidad. masa. y(t) es la posición de la Solución: Utilizando la segunda ley de newton, se obtiene la ecuación de sumatoria de fuerzas (esf): masa aceleraci ón = f . aplicada − f . amortiguador − f . resorte f . = fuerza (esf) my(t ) = u(t ) − by (t ) − ky(t ) Se desea conocer la posición y la velocidad de la masa para todo tiempo. Por esta razón se asignan como variables de estado. x1(t ) = y (t ) x2 (t ) = y (t ) El siguiente paso es determinar las dinámicas del estado. Para la variable de estado x1 ( t ) , su derivada es la variable de estado x2 ( t ) x1(t ) = y (t ) = x2 (t ) Mientras que la derivada del estado x2 ( t ) se obtiene de la ecuación de sumatorias de fuerzas: my(t ) = u(t ) − by (t ) − ky(t ) mx2 (t ) = u(t ) − bx2 (t ) − kx1(t ) k b 1 x2 (t ) = − x1 (t ) − x2 (t ) + u(t ) m m m Finalmente se agrupan las dos ecuaciones de estado: x1(t ) = x2 (t ) k b 1 x2 (t ) = − x1 (t ) − x2 (t ) + u(t ) m m m como la representación es lineal, se puede indicar en matrices 1 x (t ) 0 x1 (t ) 0 1 k b = + 1 u ( t ) x (t ) − 2 m − m x2 (t ) m De la función de transferencia a la ecuación del estado Método de salida de integradores. Se obtendrán las variables de estado integrando sucesivamente la función de transferencia. Suponga la siguiente función de transferencia Ejemplo 1: b1 s 2 + b2 s + b3 Y ( s) = 3 U ( s) s + a1 s 2 + a 2 s + a3 Como primer paso se cruzan los denominadores s 3 y + a1 s 2 y + a2 sy + a3 y = b1 s 2 u + b2 su + b3u s 3 y + a1 s 2 y − b1 s 2 u + a2 sy − b2 su + a3 y − b3u = 0 Se realiza la primera integración, se toma una s como factor común: s(s 2 y + a1 sy − b1 su + a2 y − b2 u) + a3 y − b3u = 0 (E1) se define lo que queda dentro del paréntesis en (E1) como la primera variable de estado. x1 = s 2 y + a1 sy − b1 su + a2 y − b2 u quedando (E1): (E2) sx1 + a3 y − b3u = 0 x1 = −a3 y + b3u (E3) La ecuación (E3) es la primera ecuación del estado. El procedimiento se repite, se realiza la segunda integración. De (E2) se toma s como factor común: x1 = s(sy + a1 y − b1u) + a2 y − b2 u (E4) se define lo que queda dentro del paréntesis en (E4) como la segunda variable de estado. (E5) x = sy + a y − b u 2 1 1 quedando (E4): x1 = sx2 + a2 y − b2 u x 2 = x1 − a2 y + b2 u (E6) La ecuación (E6) es la segunda ecuación del estado. El procedimiento se repite, se realiza la tercera integración. De (E5) se toma s como factor común: x2 = s( y) + a1 y − b1u (E7) se define lo que queda dentro del paréntesis en (E7) como la tercera variable de estado. (E8) x3 = y quedando (E7): x2 = sx3 + a1 y − b1u x3 = x2 − a1 y + b1u Las ecuaciones (E3), (E6), (E8) y (E9) forman el espacio de estado: (E9) x1 = −a3 x3 + b3u x 2 = x1 − a2 x3 + b2 u x3 = x2 − a1 x3 + b1u y = x3 El resultado puede expresarse en forma matricial x1 0 0 − a3 x1 b3 x = 1 0 − a x + b u 2 2 2 2 x 3 0 1 − a1 x3 b1 x1 y = 0 0 1 x 2 x3 Ejemplo 2: Si la función de transferencia carece de ceros entonces, puede procede más directamente: Y ( s) K = 3 U ( s ) s + 7 s 2 + 5s + 2 ( s 3 + 7 s 2 + 5s + 2)Y ( s) = KU ( s) y + 7 y + 5 y + 2 y = Ku se define: y1 = y, y2 = y , y3 = y y la ecuación del estado queda: y1 = y2 y 2 = y3 y 3 = −2 y − 5 y2 − 7 y3 + Ku U (s) K s 3 + 7 s 2 + 5s + 2 Y (s) Ejemplo 3: Y ( s) s + 4s + 5 = 4 U ( s) s + 17 s 3 + 5s 2 + 20s 3 2 Utilizando: >> num=[1 4 0 5]; >> den=[1 17 5 20 0]; >> [A,B,C,D]=tf2ss(num,den) Se obtiene: A= -17 1 0 0 B= 1 0 0 0 C= 1 D= 0 -5 -20 0 0 0 0 1 0 0 0 1 0 x1 = −17 x1 − 5 x2 − 20 x3 + u x2 = x1 x3 = x2 x4 = x3 4 0 5 y = x1 + 4 x2 + 5 x4 Transformada de Laplace de representaciones en espacio de estado Solo para sistemas lineales invariantes en el tiempo, una entrada, una salida, con condiciones iniciales iguales a cero. De las ecuaciones (2)-(3) x (t ) = Ax (t ) + Bu(t ) y(t ) = Cx(t ) + Du (t ) La transformada de Laplace de (2)-(3) es sX ( s) − x0 = AX ( s) + BU ( s) Y ( s) = CX ( s) + DU ( s) (2) (3) Modificando las ecuaciones se tiene que ( sI − A) X ( s ) = x0 + BU ( s ) X ( s ) = ( sI − A) −1 x0 + ( sI − A) −1 BU ( s ) Y ( s ) = C ( sI − A) −1 x0 + C ( sI − A) −1 BU ( s ) + DU ( s ) si las condiciones iniciales son iguales a cero, x0 = 0 , entonces Y ( s) = C ( sI − A) −1 B + D U ( s) o como normalmente se describe Y ( s) G( s) = = C ( sI − A) −1 B + D U ( s) Ejemplo: Obtenga la función de transferencia de la siguiente representación en espacio de estado. x1 = x2 x2 = −2 x1 − 3 x2 + u y = x1 Y ( s) G( s) = = C ( sI − A) −1 B + D U ( s) 1 s + 3 1 ( sI − A) = 2 s + 3s + 2 − 2 s −1 s + 3 1 − 2 s 0 Y (s) G( s) = = 1 0 2 U (s) s + 3s + 2 1 1 G( s) = 2 s + 3s + 2 CONTROLABILIDAD Y OBSERVABILIDAD Controlabilidad Sea un sistema (escalar) dado en su representación en espacio de estado . ( A, b, c) x(t ) = Ax (t ) + bu (t ) y (t ) = cx(t ). Sean x(t0 ) y x(t1 ) puntos cualquiera del espacio de estado. Se dice que el sistema (A,b,c) es controlable al tiempo t 0 si existe una entrada u(t) que transfiere x(t0 ) a x(t1 ) al tiempo t 1. 32 A continuación se derivarán las condiciones bajo las cuales un sistema (A,b,c) es controlable. La solución de la ecuación de estado (con t 0 = 0) está dada por x(t ) = e x(0) + 0 e A(t − )bu ( )d . At t Al tiempo t 1 x(t1 ) = e x(0) + 0 e A(t1− )bu ( )d . At1 t1 Usando la fórmula de interpolación de Sylvester para la matriz exponencial n−1 e = k (t ) Ak At k =0 se obtiene n−1 x(t1 ) = e x(0) + A b 0 k (t1 − )u ( )d . At1 k =0 k t1 Definiendo wk := 0 k (t1 − )u ( )d t1 tenemos que n−1 x(t1 ) = e x(0) + Ak b wk At1 k =0 La ecuación anterior puede escribirse como x(t1 ) − e At1 x(0) = b w0 w Ab An−1b 1 . w n−1 Para que tenga solución la ecuación anterior, es necesario que x(t1 ) − e At1 x(0) Im b Ab An−1b y como x(t0 ) y x(t1 ) son vectores cualquiera, entonces debe de cumplirse que las columnas de la matriz b Ab An−1b sean linealmente independientes. La matriz C = b Ab An−1b se conoce como la matriz de controlabilidad del sistema. Teorema 1. El sistema (A,b,c) es controlable si y solo si la matriz de controlabilidad del sistema C = b Ab An−1b es no singular. Para un sistema de orden 3 en forma canónica controlador, donde − a1 Ac = 1 0 − a2 0 1 − a3 0 , 0 1 bc = 0 0 tenemos que C c = bc Ac bc 1 −a1 2 Ac bc = 0 1 0 0 a1 − a2 1 a1 − a1 = 0 1 1 0 0 2 −1 a2 a1 . 1 En general, para un sistema de orden n en forma canónica controlador, tenemos que 1 0 Cc = 0 a1 a2 1 0 a1 1 0 −1 an−1 an − 2 . a1 1 Para un sistema de orden 3 en la forma canónica de controlabilidad, donde 0 0 − a3 Aco = 1 0 − a2 , 0 1 − a1 1 bco = 0 0 tenemos que 1 0 0 C co = 0 1 0. 0 0 1 En general, para un sistema de orden n en la forma canónica controlabilidad C co = I n . El sistema se dice alcanzable si existe una entrada que transfiere la condición inicial x(0)=0 a cualquier estado x(n). El sistema se dice controlable si existe una entrada que transfiere una condición inicial x(0) cualquiera al punto cero. Teorema 2. El sistema discreto (A,b,c) es alcanzable si y solo si la matriz b Ab An−1b es no singular. Observe que: • La no singularidad de la matriz b Ab An−1b es condición suficiente para alcanzar el origen, pero no es necesaria. • Alcanzabilidad implica controlabilidad. • Para sistemas continuos, ambos conceptos son equivalentes. Observabilidad El sistema (A,b,c) se dice observable al tiempo t0 , si es posible determinar el estado x(t0 ) a partir del conocimiento de la entrada u(t) y de la salida y(t) en un intervalo finito de tiempo. Las condiciones bajo las cuales el sistema (A,b,c) es observable se pueden obtener como se indica a continuación. Considerando la salida del sistema y(t) y sus derivadas, tenemos que y (t ) = cx(t ) . . y (t ) = c x(t ) = cAx (t ) + cbu(t ) .. . . . 2 y (t ) = cA x(t ) + cb u (t ) = cA x(t ) + cAbu (t ) + cb u (t ) y ( n−1) (t ) = cAn−1 x(t ) + cAn−2bu (t ) + + cbu ( n−2 ) (t ). Lo anterior se puede escribir en forma matricial como 0 u (t ) y (t ) c . . cA 0 cb u (t ) y..(t ) u..(t ) y (t ) = cA2 x(t ) + cAb cb n−2 ( n−1) y ( n−1) (t ) cAn−1 cA b 0 u (t ) U (t ) Y (t ) O T En t=0, tenemos Y (0) −TU (0) = Ox(0). Con el conocimiento de Y (0) y U (0), el estado x(0) puede ser determinado de manera única si las columnas de la matriz O son linealmente independientes, esto es, si O es no singular, en cuyo caso tendremos x(0) = O −1[Y (0) − TU (0)]. La matriz c cA O= cAn−1 se conoce como la matriz de observabilidad del sistema. Teorema 3. El sistema (A,b,c) es observable si y solo si la matriz de observabilidad es no singular.