Captulo 9

Linealizaci on Exacta por Realimentaci on

En este captulo introducimos elementos de la teora moderna de control geom etrico de
sistemas no lineales de control. Esta teora se inici o alrededor de los a nos 70 con intentos
de extender resultados de la teora de sistemas lineales a sistemas no lineales; resultados
tales como los que se reeren a controlabilidad y observabilidad del sistema. M as tarde,
en 1981 se mostr o (Isidori et al., 1981) que no s olo estas extensiones eran posibles, sino
tambi en gran parte de la teora de control geom etrico de sistemas lineales al estilo Wonham
(1985). El artculo de Isidori et al. fue seguido durante los a nos 80 por un gran n umero de
resultados que generaron un fant astico ((juego de herramientas)) para sistemas no lineales
(Isidori, 1995; Isidori, 1999). Una herramienta central en este ((juego de herramientas)) es la
linealizaci on exacta por realimentaci on, que presentamos en este captulo.
Consideramos sistemas no lineales anes en la entrada de control, es decir, de la forma
x = f (x) + g(x)u,
y = h(x),
y planteamos qu e condiciones se necesitan para que exista una realimentaci on de estados
u = (x) +(x)v
y un cambio de variables
z = T(x)
que transformen al sistema no lineal a una forma lineal equivalente. Esta linealizaci on no se
reere a la linealizaci on ((Jacobiana)) aproximada del sistema, vista en el Captulo 8, sino
que convierte exactamente al sistema en lineal.
Comenzaremos con linealizaci on entrada-estado, en la que la ecuaci on de estado completa
se linealiza exactamente. Luego introduciremos la linealizaci on entrada-salida, en la que s olo
la respuesta entrada-salida se linealiza, mientras que una parte del sistema permanece no
lineal. Finalmente, presentamos la estabilizaci on de sistemas por medio de linealizaci on
exacta por realimentaci on.
9.1. Linealizaci on Entrada-Estado
Vamos a introducir la idea de linealizaci on exacta por realimentaci on a trav es del Ejem-
plo 8.2 de estabilizaci on del p endulo.
136 Linealizaci on Exacta por Realimentaci on
Ejemplo 9.1 (Linealizaci on exacta del p endulo). La inspecci on del modelo de estado del
p endulo
x
1
= x
2
,
x
2
= a [sen(x
1
+) sen] b x
2
+ c u,
muestra que podemos elegir
u =
a
c
[sen(x
1
+) sen] +
v
c
para cancelar el t ermino no lineal de la segunda ecuaci on y obtener el sistema lineal
x
1
= x
2
,
x
2
= b x
2
+ v.
De esta manera, el problema de estabilizaci on del sistema no lineal se transforma en el
problema de estabilizaci on de un sistema lineal controlable. Podemos elegir, por ejemplo
v = k
1
x
1
+ k
2
x
2
tal que los autovalores del sistema a lazo cerrado
x
1
= x
2
,
x
2
= k
1
x
1
+ (k
2
b) x
2
tengan parte real negativa. Finalmente, el control completo no lineal que convierte al
sistema en lineal y estabiliza su equilibrio es entonces
u =
a
c
[sen(x
1
+) sen] +
1
c
k
1
x
1
+ k
2
x
2
.

Vamos a ver ahora cu an general es este procedimiento. Es claro que no podemos espe-
rar cancelar alinealidades en cualquier sistema no lineal; debe haber ciertas propiedades
estructurales que permiten tal cancelaci on. Del ejemplo podemos ver que
para cancelar un t ermino no lineal (x) por substracci on, el control u y el t ermino
(x) siempre deben aparecer juntos en forma de suma u +(x);
para cancelar un t ermino no lineal (x) por divisi on, el control u y el t ermino (x)
siempre deben aparecer juntos en forma de producto (x)u; si (x) es no singular en
el dominio de inter es, puede cancelarse con u = (x) v, con (x) =
1
(x).
Es decir que la posibilidad de convertir una ecuaci on de estado no lineal en una lineal
controlable cancelando alinealidades requiere que la ecuaci on no lineal tenga la estructura
x = Ax + B(x)
1
[u (x)] (9.1)
donde A R
nn
, B R
np
, el par (A, B) es controlable, y las alinealidades : R
n
R
p
,
: R
n
R
pp
, est an denidas en un dominio D
x
R
n
que contiene al origen. Asumimos
9.1 Linealizaci on Entrada-Estado 137
que la matriz (x) es no singular x D
x
. Si el sistema tiene la estructura (9.1), entonces
podemos usar el control
u = (x) +(x) v
para obtener la ecuaci on lineal
x = A x + B v.
Ahora para estabilizar el sistema podemos simplemente calcular v = Kx tal que A + BK
sea Hurwitz. El control estabilizante completo es no lineal y tiene la forma
u = (x) +(x)Kx.
Y si el sistema no tiene la estructura (9.1); quiere decir que no es posible linealizarlo
por realimentaci on? La respuesta es no. Recordemos que la representaci on en espacio de
estados de un sistema no es unica; depende de la elecci on de las variables de estado. A un
cuando el sistema no tenga inicialmente la estructura (9.1) es posible que un cambio de
variables lo lleve a la forma (9.1) en otras coordenadas, como vemos en el siguiente ejemplo.
Ejemplo 9.2 (Sistema exactamente linealizable despu es de cambio de coordenadas). Sea
el sistema
x
1
= a sen x
2
,
x
2
= x
2
1
+ u.
(9.2)
Si elegimos u = x
2
1
+ v para cancelar el t ermino no lineal, la primera ecuaci on sigue siendo
no lineal. Sin embargo, si hacemos el cambio de variables
z
1
= x
1
z
2
= a sen x
2
= x
1
(9.3)
obtenemos el sistema
z
1
= z
2
z
2
= a cos x
2
(x
2
1
+ u)
que tiene la forma (9.1), v alida en la regi on /2 < x
2
< /2. Usando
u = x
2
1
+
1
a cos x
2
v
el sistema queda linealizado en las nuevas variables. La ecuaci on de estados en las nuevas
variables se obtiene invirtiendo la transformaci on (9.3), es decir,
x
1
= z
1
x
2
= arc sen
z
2
a
que est a bien denida para a < z
2
< a. La ecuaci on de estado transformada es
z
1
= z
2
z
2
= a cos
_
arc sen
z
2
a
_
(z
2
1
+ u).

138 Linealizaci on Exacta por Realimentaci on

Denici on 9.1 (Difeomorsmo). Un difeomorsmo es un cambio de variables T tal que
z = T(x) est a denido en un dominio D
x
, su transformaci on inversa x = T
1
(z) est a de-
nida en D
z
= T(D
x
), y ambos T y T
1
son continuamente diferenciables en D
x
y D
z
,
respectivamente.
Tenemos ya todos los elementos para hacer la siguiente denici on.
Denici on 9.2 (Sistema Linealizable Entrada-Estado). Un sistema no lineal
x = f (x) + g(x)u (9.4)
con f , g denidas en un dominio D
x
R
n
y sucientemente suaves (con derivadas conti-
nuas hasta el orden que sea necesario), es linealizable entrada-estado si existe un difeomors-
mo T : D
x
R
n
tal que D
z
= T(D
x
) contiene al origen y el cambio de variables z = T(x)
transforma a (9.4) en
z = Az + B(x)
1
[u (x)] (9.5)
con (A, B) controlable y (x) no singular en D
x
.
Tomando
0
(z) = (T
1
(z)) ,
0
(z) = (T
1
(z)) nos queda el sistema expresado en las
nuevas coordenadas:
z = Az + B
0
(z)
1
[u
0
(z)]
Y cu ando ser a posible encontrar un difeomorsmo que pueda llevar un sistema dado
a la forma (9.5)? Derivando la ecuaci on z = T(x), es decir
z =
T
x
x =
T
x
[ f (x) + g(x)u]
e igual andola a (9.5), concluimos que el difeomorsmo T debe satisfacer las condiciones
T
x
f (x) = AT(x) B(x)
1
(x)
T
x
g(x) = B(x)
1
.
(9.6)
En resumen:
La existencia de T, , , A y B que satisfagan las ecuaciones en deri-
vadas parciales (9.6) es una condici on necesaria y suciente para que
x = f (x) + g(x)u sea linealizable entrada-estado.
As, la determinaci on de si un sistema no lineal dado es linealizable exactamente por
realimentaci on se reduce a la resoluci on de las ecuaciones en derivadas parciales (9.6). La
resoluci on de estas ecuaciones puede simplicarse, como explicamos a continuaci on.
9.1 Linealizaci on Entrada-Estado 139
9.1.1. Condiciones simplicadas para la linealizaci on exacta por realimentaci on
Cuando un sistema es linealizable entrada-estado, la transformaci on z = T(x) no es
unica. La forma m as simple de ver esto es aplicando la transformaci on lineal = M z, con
M no singular; as obtenemos

= MAM
1
+ MB(x)
1
[u (x)]
que tiene la misma estructura (9.5) pero con matrices A y B diferentes. Vamos a ver ahora
que podemos aprovechar la no unicidad de T para simplicar las ecuaciones en derivadas
parciales (9.6). Consideremos el caso p = 1 (una entrada). Dado cualquier par (A, B) con-
trolable, existe M no singular que lo transforma a la forma can onica controlable, es decir,
MAM
1
= A
c
+ B
c

T
, MB = B
c
, con
A
c
=
_

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

_
, B
c
=
_

_
0
0
.
.
.
1
_

_
=
_

2
.
.
.

n
_

_
.
Es decir,

= (A
c
+ B
c

T
) + B
c
(x)
1
[u (x)]
= A
c
+ B
c
(x)
1
[u (x)]
donde (x) = (x) (x)
T
MT(x). Vemos que podemos, sin p erdida de generalidad,
considerar que A y B est an en la forma can onica controlable A
c
y B
c
. Ahora escribamos
T(x) =
_

_
T
1
(x)
T
2
(x)
.
.
.
T
n
(x)
_

_
.
Es f acil vericar que
A
c
T(x) B
c
(x)
1
(x) =
_

_
T
2
(x)
.
.
.
T
n
(x)
(x)/(x)
_

_
, y que B
c
(x)
1
=
_

_
0
.
.
.
0
1/(x)
_

_
.
Usando estas expresiones en las ecuaciones en derivadas parciales (9.6) se obtiene el si-
guiente conjunto de ecuaciones
T
1
x
f (x) = T
2
(x),
T
1
x
g(x) = 0,
T
2
x
f (x) = T
3
(x),
T
2
x
g(x) = 0,
.
.
.
.
.
.
T
n1
x
f (x) = T
n
(x),
T
n1
x
g(x) = 0,
T
n
x
f (x) = (x)/(x),
T
n
x
g(x) = 1/(x).
140 Linealizaci on Exacta por Realimentaci on
Las primeras n 1 ecuaciones de la izquierda muestran que las componentes T
2
a T
n
de T
son funciones de la primera componente T
1
. Combinando todas las ecuaciones, la b usqueda
se reduce a una funci on T
1
(x) que satisfaga
T
i
x
g(x) = 0 , i = 1, 2, . . . , n 1;
T
n
x
g(x) = 0
(9.7)
donde
T
i+1
(x) =
T
i
x
f (x) , i = 1, 2, . . . , n 1.
Las funciones y est an dadas por
(x) =
1
(T
n
/x)g(x)
, (x) =
(T
n
/x) f (x)
(T
n
/x)g(x)
. (9.8)
Finalmente, para simplicar los c alculos en las nuevas variables, vamos a imponerle a T
1
(x)
la condici on adicional de que T
1
(x

) = 0, donde x

es un PE del sistema a lazo abierto en

las coordenadas originales ( f (x

) = 0) con respecto al cual queremos estabilizar al sistema.

Ejemplo 9.3 (C alculo del difeomorsmo z = T(x)). Consideremos nuevamente el sistema
x =
_
a sen x
2
x
2
1
_
+
_
0
1
_
u f (x) + g u
que tiene un PE en x = 0. Buscamos T
1
(x) tal que T
1
(0) = 0 y
T
1
x
g =
_
T
1
x
1
T
1
x
2
_
_
0
1
_
=
T
1
x
2
= 0, (9.9)
T
2
x
g =
_
T
2
x
1
T
2
x
2
_
_
0
1
_
=
T
2
x
2
= 0, (9.10)
donde
T
2
(x) =
T
1
x
f (x) =
_
T
1
x
1
T
1
x
2
_
_
a sen x
2
x
2
1
_
. (9.11)
Vemos de (9.9) que T
1
(x) no depende de x
2
. Usando este dato en (9.11) obtenemos
T
2
(x) =
T
1
x
1
a sen x
2
. (9.12)
Derivando (9.12) con respecto a x
2
, y reemplazando el resultado en (9.10) tenemos que
T
2
x
2
=
T
1
x
1
a cos x
2
= 0,
que se satisface para cos x
2
= 0 si tomamos, por ejemplo, T
1
(x) = x
1
. Reemplazando
T
1
/x
1
= 1 en (9.12) obtenemos T
2
(x) = a sen x
2
, que junto con T
1
(x) = x
1
da el mismo
cambio de variables propuesto en (9.3). Otras elecciones de T
1
son posibles; por ejemplo,
T
1
(x
1
) = x
1
+ x
3
1
dara otro cambio de variables que lleva al sistema a la forma (9.6).
9.1 Linealizaci on Entrada-Estado 141
Ejemplo 9.4 (Generador sincr onico). Un generador sincr onico conectado a un bus innito
puede representarse con el modelo
x = f (x) + g u
con
f (x) =
_
_
x
2
a[(1 + x
3
) sen(x
1
+) sen] bx
2
cx
3
+ d[cos(x
1
+) cos ]
_
_
, g =
_
_
0
0
1
_
_
,
donde a, b, c, d y son constantes positivas. El sistema tiene un PE en x = 0. Buscamos
T
1
(x) tal que T
1
(0) = 0 y
T
1
x
g =
T
1
x
3
= 0 (9.13)
T
2
x
g =
T
2
x
3
= 0 (9.14)
T
3
x
g =
T
3
x
3
= 0, (9.15)
donde
T
2
(x) =
T
1
x
f (x) (9.16)
T
3
(x) =
T
2
x
f (x). (9.17)
Usando (9.13) en (9.16) tenemos
T
2
(x) =
T
1
x
1
x
2

T
1
x
2
{a[(1 + x
3
) sen(x
1
+) sen] bx
2
}. (9.18)
Derivando (9.18) con respecto a x
3
, y reemplazando el resultado en (9.14) tenemos que
T
2
x
3
= a sen(x
1
+)
T
1
x
2
= 0.
Elegimos T
1
independiente de x
2
, y reemplazando T
1
/x
2
= 0 en (9.18) obtenemos
T
2
(x) =
T
1
x
1
x
2
. (9.19)
Usamos (9.19) (recordando que T
1
es independiente de x
2
y x
3
) en (9.17),
T
3
(x) =
T
2
x
1
x
2

T
1
x
1
{a[(1 + x
3
) sen(x
1
+) sen] bx
2
}. (9.20)
Derivando (9.20) con respecto a x
3
, y reemplazando el resultado en (9.15) tenemos que
T
3
x
3
= a sen(x
1
+)
T
1
x
1
= 0,
142 Linealizaci on Exacta por Realimentaci on
que se satisface en el dominio 0 < x
1
+ < eligiendo, por ejemplo, T
1
(x) = x
1
. Usando
T
1
(x) = x
1
en (9.19) y (9.20), completamos el c alculo del difeomorsmo z = T(x), dado por
z
1
= T
1
(x) = x
1
z
2
= T
2
(x) = x
2
z
3
= T
3
(x) = a[(1 + x
3
) sen(x
1
+) sen] bx
2
,
cuya transformaci on inversa
x
1
= z
1
x
2
= z
2
x
3
= 1
z
3
+ b z
2
a sen
a sen(z
1
+)
est a denida en 0 < z
1
+ < . Las funciones y est an dadas por (9.8) (con n = 3), es
decir
(x) =
1
a sen(x
1
+)
(x) =
(T
3
/x) f (x)
a sen(x
1
+)
El modelo de estado en las coordenadas z es entonces
z
1
= z
2
z
2
= z
3
z
3
= a sen(x
1
+)[u (x)].

9.2. Linealizaci on Entrada-Salida

La linealizaci on exacta de la ecuaci on de estado que describimos en la secci on anterior
no necesariamente linealiza la ecuaci on de salida. Consideremos otra vez el ejemplo (9.2).
Si tomamos como salida y = x
2
, el cambio de variables y el control
z
1
= x
1
, z
2
= a sen x
2
, u = x
2
1
+
1
a cos x
2
v
resultan en
z
1
= z
2
z
2
= v
y = arc sen
z
2
a
que tiene un modelo de estado lineal con salida no lineal. Si, en cambio, tomamos u =
x
2
1
+ v, obtenemos el modelo
x
1
= a sen x
2
x
2
= u
y = x
2
9.2 Linealizaci on Entrada-Salida 143
que tiene una transformaci on lineal entrada-salida (de u a y) y una din amica (la de x
1
)
que es inobservable a la salida, ya que y no depende de x
1
. Si s olo nos interesara la variable
y, el control v podra dise narse usando t ecnicas lineales para que y tenga el desempe no
deseado. Sin embargo, no hay que descuidar la din amica inobservable; por ejemplo, si
y fuera estabilizada en un valor constante y
R
= 0, la variable x
1
tendra una evoluci on
x
1
(t) = x
1
(0) + t a sen y
R
, que crece con t!
Veamos esta idea m as formalmente. Sea el sistema mono-entrada mono-salida
x = f (x) + g(x)u,
y = h(x).
El caso m as simple de sistema linealizable entrada-salida se da cuando es linealizable
entrada-estado y la salida de inter es es h(x) = T
1
(x). En ese caso, el cambio de variables
z = T(x) y el control u = (x) +(x)v lo transforman en
z = A
c
z + B
c
v
y = C
c
z =
_
1 0 . . . 0

z
donde (A
c
, B
c
, C
c
) son la forma can onica de una cadena de integradores.
Para una dada salida y = h(x) =
1
(x) no necesariamente igual a T
1
(x) podemos
vericar si satisface la condici on en derivadas parciales (9.7) directamente por substituci on,
es decir

i
x
g(x) = 0 , i = 1, 2, . . . , n 1;

n
x
g(x) = 0,
donde
i+1
(x) = (
i
/x) f (x) , i = 1, 2, . . . , n 1. Esta condici on es una restricci on en
la forma en que las derivadas de y dependen de u. Esto es f acil de ver si calculamos las
derivadas temporales de la salida,
y =

1
x
[ f (x) + g(x)u] =

1
x
f (x) =
2
(x)
y =

2
x
[ f (x) + g(x)u] =

2
x
f (x) =
3
(x)
Si seguimos, vemos que u no aparece en las primeras n 1 derivadas de y, pero aparece en
la derivada de orden n con un coeciente no nulo,
y
(n)
=

n
x
f (x) +

n
x
g(x)u.
Es obvio que el control
u =
1
(
n
/x)g(x)
_

n
x
f (x) + v
_
da la transformaci on entrada salida igual a una cadena de n integradores
y
(n)
= v.
Qu e pasara si u apareciera en una derivada de orden menor a n con coeciente no nulo?
Entonces todava podramos linealizar la transformaci on entrada-salida, pero nos quedara
una cadena de menos integradores, y la ecuaci on de estado tendra una parte no linealiza-
da. Como en los sistemas lineales, el n umero de veces que hay que derivar la salida hasta
que aparezca la entrada con un coeciente no nulo dene el grado relativo del sistema.
144 Linealizaci on Exacta por Realimentaci on
Denici on 9.3 (Grado Relativo). El sistema
x = f (x) + g(x)u
y = h(x),
(9.21)
donde f , g y h, denidas en un dominio D R
n
, son sucientemente suaves, tiene grado
relativo r, con 1 r n, en una regi on D
0
D si

i
x
g(x) = 0 , i = 1, 2, . . . , r 1;

r
x
g(x) = 0
para todo x D
0
, donde
1
(x) = h(x) y
i+1
(x) =

i
x
f (x) , i = 1, 2, . . . , r 1.
Si el sistema tiene grado relativo (GR) r, entonces es linealizable entrada-
salida; si tiene GR n, entonces es linealizable tanto entrada-salida como
entrada-estado.
Ejemplo 9.5 (Ecuaci on de Van der Pol). Consideremos la ecuaci on de Van der Pol contro-
lada
x
1
= x
2
x
2
= x
1
+ (1 x
2
1
) x
2
+ u , > 0
con salida y = x
1
. Calculemos las derivadas de la salida:
y = x
1
= x
2
y = x
2
= x
1
+ (1 x
2
1
) x
2
+ u
Por lo tanto el sistema tiene GR 2 en R
2
.
Si la salida es y = x
2
, entonces
y = x
1
+ (1 x
2
1
) x
2
+ u
y el sistema tiene GR 1 en R
2
.
Si la salida es y = x
1
+ x
2
2
, entonces
y = x
2
+ x
2
[x
1
+ (1 x
2
1
) x
2
+ u]
y el sistema tiene GR 1 en D
0
= {x R
2
| x
2
= 0}.
Ejemplo 9.6 (Sistema sin grado relativo bien denido). Consideremos el sistema
x
1
= x
1
x
2
= x
2
+ u
y = x
1
Las derivadas de la salida son
y = x
1
= x
1
= y = y
(n)
= y = x
1
, n 1
Vemos que en ninguna derivada de la salida aparece la entrada u. En este caso el sistema
no tiene un GR bien denido porque la salida y(t) = x
1
(t) = e
t
x
1
(0) es independiente de
la entrada.
9.2 Linealizaci on Entrada-Salida 145
Ejemplo 9.7 (Motor de corriente continua controlado por campo). Un motor de corriente
continua controlado por corriente de campo puede describirse por las ecuaciones
x
1
= ax
1
+ u
x
2
= bx
2
+ cx
1
x
3
x
3
= x
1
x
2
donde x
1
, x
2
y x
3
son respectivamente la corriente de campo, de armadura, y velocidad an-
gular. Para problemas de control de velocidad elegimos como salida y = x
3
. Las derivadas
de la salida son
y = x
3
= x
1
x
2
y = x
1
x
2
+ x
1
x
2
= () +x
2
u,
donde () contiene t erminos que son funciones de x. El sistema tiene GR 2 en la regi on
D
0
= {x R
3
|x
2
= 0}.
Ejemplo 9.8 (Sistema lineal). Consideremos el sistema lineal representado por la funci on
transferencia
H(s) =
b
m
s
m
+ b
m1
s
m1
+ + b
0
s
n
+ a
n1
s
n1
+ + a
0
,
donde m < n y b
m
= 0. Un modelo de estado para este sistema es
A =
_

_
0 1 0 . . . 0
0 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
0
a
1
. . . . . . a
n1
_

_
, B =
_

_
0
0
.
.
.
1
_

_
C =
_
b
0
b
1
. . . b
m
0 . . . 0

.
Este sistema es un caso particular de (9.21) con f (x) = Ax, g(x) = B y h(x) = Cx. Veamos
el GR del sistema calculando las derivadas de la salida. La primera derivada es
y = CAx + CBu.
Si m = n 1, entonces CB = b
n1
= 0 y el sistema tiene GR 1. En caso contrario, CB = 0
y seguimos derivando. Notemos que CA es un vector la que se obtiene moviendo los
elementos de C una posici on a la derecha, CA
2
se obtiene moviendo los elementos de C
dos posiciones a la derecha, y as sucesivamente. Entonces vemos que
CA
i1
B = 0 , i = 1, 2, . . . , n m1
CA
nm1
B = b
m
= 0.
Por lo tanto, u aparece por primera vez en la ecuaci on de y
(nm)
, que est a dada por
y
(nm)
= CA
nm
x + CA
nm1
Bu,
y el GR del sistema es n m, o sea la diferencia entre el grado de los polinomios denomi-
nador y numerador de H(s).
146 Linealizaci on Exacta por Realimentaci on
9.2.1. Linealizaci on Entrada-Salida y Estabilidad Interna. Forma Normal
Vamos a introducir una forma can onica para sistemas no lineales en la que el grado rela-
tivo del sistema es explcito. Esta forma can onica se conoce como la forma normal, y permite
extender a sistemas no lineales el concepto de sistema de mnima fase (en un sistema lineal:
sin ceros con parte real no negativa). Primero veamos c omo llevar un sistema lineal a una
realizaci on en la que los ceros del sistema queden explcitos.
Caso lineal
Empecemos escribiendo el sistema lineal de grado relativo r = n m como
H(s) =
N(s)
D(s)
=
1
Q(s)
1 +
1
Q(s)
R(s)
N(s)
, D(s) = Q(s)N(s) + R(s),
donde los grados de D, N y Q son n, m < n, y r, respectivamente. Entonces H puede
representarse como una interconexi on en realimentaci on negativa con 1/Q(s) en la cadena
directa y R(s)/N(s) en el camino de realimentaci on (ver Figura 9.1).

c c E E E
'
T
1
Q(s)

+
y e
R(s)
N(s)
w
u
Figura 9.1: Representaci on en realimentaci on de H(s)
La funci on transferencia 1/Q(s) no tiene ceros, y puede realizarse tomando el vector de
estados
=
_
y, y, . . . , y
(r1)

T
.
Esto nos da el modelo de estados

= (A
c
+ B
c

T
) + B
c
b
m
e
y = C
c

donde (A
c
, B
c
, C
c
) son la forma can onica de una cadena de r integradores, R
r
y e es
la se nal de salida del sumador (e = u [R(s)/N(s)]y). Sea (A
0
, B
0
, C
0
) una realizaci on
mnima de la funci on transferencia R(s)/N(s), con estado .
Notar que los autovalores de A
0
son los ceros de N(s), o sea, de H(s). Entonces H(s)
puede realizarse como
= A
0
+ B
0
C
c

= A
c
+ B
c
(
T
b
m
C
0
+ b
m
u) (9.22)
y = C
c

9.2 Linealizaci on Entrada-Salida 147

Usando la estructura de (A
c
, B
c
, C
c
) es f acil vericar que
y
(r)
=
T
b
m
C
0
+ b
m
u
El control (((linealizante)) entrada-salida)
u =
1
b
m
[
T
+ b
m
C
0
+ v]
resulta en el sistema
= A
0
+ B
0
C
c

= A
c
+ B
c
v
y = C
c

cuya funci on transferencia de v a y es una cadena de r integradores, y cuyo subvector de

estado es inobservable desde y.
Supongamos que queremos estabilizar al sistema con una realimentaci on v = K tal
que A
c
+ B
c
K sea Hurwitz. El correspondiente sistema a lazo cerrado es
_

_
=
_
A
0
B
0
C
c
0 A
c
+ B
c
K
_ _

_
(9.23)
Sabemos que para cualquier condici on inicial (0) tenemos que (t) 0 cuando t .
Notemos que los estados tienen como entrada la salida y = C
c
.
Para asegurar que (t) se mantenga acotada para toda evoluci on acotada
de y(t) es necesario que A
0
sea Hurwitz, es decir, los ceros de H(s) deben
tener parte real negativa.
Vemos que la matriz de evoluci on en (9.23) tiene una forma triangular en bloques, y por
lo tanto los autovalores de todo el sistema son la uni on de los autovalores de los bloques
diagonales A
0
y A
c
+ B
c
K. Es decir, este control dise nado siguiendo el procedimiento de
linealizaci on entrada-salida ubica r autovalores del sistema a lazo cerrado como los auto-
valores de A
c
+ B
c
K, y los restantes n r autovalores iguales a los ceros del sistema a lazo
abierto.
Caso no lineal
Busquemos una versi on no lineal del modelo (9.22). Las variables se toman igual que
en el caso lineal, ya que la transformaci on de entrada-salida va a seguir siendo una cadena
de r integradores. Para elegir las variables , va a ser importante respetar la caracterstica
fundamental del modelo (9.22), que es que la entrada u no aparece en la ecuaci on de . Toma-
mos entonces
z = T(x) =
_

1
(x)
.
.
.

nr
(x)

1
(x)
.
.
.

r
(x)
_

_
(x)
(x
_

_
(9.24)
148 Linealizaci on Exacta por Realimentaci on
donde
1
(x) = h(x) y
i+1
(x) =

i
x
f (x) , i = 1, 2, . . . , r 1, y las
i
se eligen tales que T(x)
sea un difeomorsmo en un dominio D
x
D
0
y

i
x
g(x) = 0 , 1 i n r , x D
x
. (9.25)
Esto siempre es posible para sistemas mono-entrada con grado relativo r. La condici on
(9.25) asegura que =

x
[ f (x) + g(x)u] =

x
f (x) no depende de u.
En las nuevas variables el sistema queda en la forma normal
= f
0
(, )

= A
c
+ B
c
(x)
1
[u (x)] (9.26)
y = C
c

donde R
r
, R
nr
, (A
c
, B
c
, C
c
) son la forma can onica de una cadena de r integradores
y
f
0
(, ) =

x
f (x)

x=T
1
(z)
(x) =
1
(
r
/x)g(x)
(x) =
(
r
/x) f (x)
(
r
/x)g(x)
(9.27)
Notar que (x) y (x) no dependen de la elecci on de . La estructura del sistema en forma
normal se representa (en coordenadas z) en el diagrama de bloques de la Figura 9.2.

_
e e j E E E E
'
'
'
T T
E E E

y u
z

0
(z)
.
.
.

f
0
(, )

r1

x = f (x, u), y = h(x)

0
(z)
1
_

Figura 9.2: Sistema en forma normal

9.2.2. Din amica de los Ceros
La forma normal (9.26) tiene una parte ((externa)), representada por las variables , y una
parte ((interna)), representada por las variables . El control u = (x) +(x)v linealiza la
parte externa y hace inobservable la parte interna. Haciendo = 0 en la primera ecuaci on
tenemos la din amica de los ceros
= f
0
(, 0) (9.28)
9.2 Linealizaci on Entrada-Salida 149
que es la contraparte no lineal de = A
0
, donde los autovalores de A
0
son los ceros de
H(s). El sistema se dice de mnima fase si la din amica de los ceros tiene un PE AE en el
dominio de inter es.
La ecuaci on (9.28) representa la din amica de los ceros en las nuevas variables. Podemos
tambi en caracterizarla en las coordenadas originales. Notar que
y(t) 0 = (t) 0 = u(t) (x(t)).
Entonces, mantener la salida id enticamente cero implica que la soluci on de la ecuaci on de
estados debe quedar connada al conjunto
Z

= {x D
0
|
1
(x) =
2
(x) = =
r
(x) = 0},
y la entrada debe ser
u = u

(x) (x)|
xZ

.
La din amica de los ceros es entonces la din amica restringida
x = f

(x) = [ f (x) + g(x)(x)]|

xZ

.
Ejemplo 9.9 (Sistema de mnima fase). Consideremos el sistema
x
1
= x
1
+
2 + x
2
3
1 + x
2
3
u
x
2
= x
3
x
3
= x
1
x
3
+ u
y = x
2
que tiene un PE en el origen. Las derivadas de la salida son
y = x
2
= x
3
y = x
3
= x
1
x
3
+ u
Por lo tanto el sistema tiene GR 2 en R
3
. Las variables de la transformaci on (9.24) son

1
(x) = x
2
y
2
(x) = x
3
. Usando (9.27) obtenemos
= 1 , = x
1
x
3
Para caracterizar la din amica de los ceros en las coordenadas originales, restringimos el
estado al conjunto
Z

= {x R
3
| x
2
= x
3
= 0}
y tomamos u = u

(x) = 0. Esto da como resultado

x
1
= x
1
lo que muestra que el sistema es de mnima fase. Para llevar al sistema a la forma normal
tenemos que elegir la funci on (x) de la transformaci on (9.24) tal que
(0) = 0 ,

x
g(x) = 0
150 Linealizaci on Exacta por Realimentaci on
y tal que T(x) sea un difeomorsmo en alg un dominio que contenga al origen. La ecuaci on
en derivadas parciales

x
1
2 + x
2
3
1 + x
2
3
+

x
3
= 0
puede resolverse por el m etodo de separaci on de variables; esto da
(x) = x
1
+ x
3
+ arctan x
3
que satisface la condici on (0) = 0. La transformaci on T(x) es un difeomorsmo global,
ya que para cualquier z R
3
, la ecuaci on T(x) = z tiene una soluci on unica. Por lo tanto,
la forma normal
= (
2
+ arctan
2
)
_
1 +
2 +
2
2
1 +
2
2

2
_

1
=
2

2
= (
2
+ arctan
2
)
2
+ u
y =
1
est a denida en forma global.
9.3. Control por Realimentaci on de Estados
9.3.1. Estabilizaci on
Consideremos el sistema linealizable entrada-estado
z = Az + B(x)
1
[u (x)] , z = T(x)
donde T(x) es un difeomorsmo en un dominio D
x
R
n
, D
z
= T(D
x
) contiene al origen,
(A, B) es controlable, (x) es no singular para todo x D
x
, y y son continuamente
diferenciables. Dise namos K tal que A + BK es Hurwitz. El control
u = (x) +(x)KT(x)
da el sistema lineal a lazo cerrado
z = (A + BK)z (9.29)
Este resultado, sin embargo, est a basado en la cancelaci on exacta de t erminos no lineales.
En general, debido a incertidumbre param etrica y errores computacionales, el control va a
implementar en la realidad funciones ,

y

T, que son aproximaciones de las ideales ,
y T. Es decir, el control real va a tener la forma
u = (x) +

(x)K

T(x)
El sistema a lazo cerrado con este control es entonces
z = Az + B(x)
1
[ (x) +

(x)K

T(x) (x)]
9.3 Control por Realimentaci on de Estados 151
Sumando y restando el t ermino BKz, podemos re-escribir la ecuaci on anterior como
z = (A + BK)z + B(z)
donde
(z) = (x)
1
_
(x) (x) + [

(x) (x)]KT(x) +

(x)K[

T(x) T(x)]
_

x=T
1
(z)
Vemos que el sistema a lazo cerrado es una perturbaci on del sistema nominal (9.29). Sea
P = P
T
la soluci on de la ecuaci on de Lyapunov
P(A + BK) + (A + BK)P
T
= I
y supongamos que en un entorno del origen el t ermino de error satisface
(z)
2

1
z
2
+
2
,
1
,
2
> 0
Usando V(z) = z
T
Pz como candidata a funci on de Lyapunov para el sistema a lazo cerrado
tenemos

V(z) = z
2
2
+ 2z
T
PB(z)
z
2
2
+ 2PB
2

1
z
2
2
+ 2PB
2

2
z
2
= (1 2PB
2

1
)z
2
2
+ 2PB
2

2
z
2
Si

1
<
1
4 PB
2
tenemos que

V(z)
1
2
z
2
2
+ 2PB
2

2
z
2
< 0 , z
2
4PB
2

2
lo que demuestra que las trayectorias del sistema perturbado son acotadas con cota nal
proporcional a
2
.
9.3.2. Sistema Parcialmente Linealizable
Consideremos ahora el caso en que el sistema es linealizable s olo parcialmente, es decir,
la ecuaci on de estado tiene la forma
= f
0
(, )

= A + B(x)
1
[u (x)]
(9.30)
donde
z = T(x) =
_

_
T
1
(x)
T
2
(x)
_
T(x) es un difeomorsmo en un dominio D
x
R
n
, D
z
= T(D
x
) contiene al origen, (A, B)
es controlable, (x) es no singular para todo x D
x
, f
0
(0, 0) = 0, y f
0
(, ), (x) y (x)
son continuamente diferenciables. La forma (9.30) est a basada en la forma normal (9.26),
152 Linealizaci on Exacta por Realimentaci on
pero en este caso no consideramos la salida porque no juega ning un papel en el problema
de estabilizaci on.
El control
u = (x) +(x)K = (x) +(x)KT
2
(x) (9.31)
con K tal que A + BK es Hurwitz, lleva el sistema a la forma triangular
= f
0
(, )

= (A + BK)
(9.32)
donde el subsistema es tiene un PE GAE en = 0. Para analizar la estabilidad de todo
el sistema (9.32) vamos a usar los resultados de la Secci on 5.3 del Captulo 5. El sistema
(9.32) va a tener un PE AE en el origen si el subsistema es (localmente) ISS cuando se
considera su entrada. El Lema 5.3 garantiza que el subsistema de (9.32) es localmente ISS
si el sistema no forzado
= f
0
(, 0)
tiene un PE AE en = 0. Por lo tanto,
un sistema linealizable entrada-salida que sea mnima fase es localmente
estabilizado asint oticamente por el control (9.31).
Para probar estabilizaci on asint otica global debemos garantizar que el subsistema de
(9.32) sea ISS (globalmente). Usando el Lema 5.4 vemos que esto es as, por ejemplo, si el
origen de = f
0
(, 0) es globalmente exponencialmente estable y f
0
(, ) es globalmente
Lipschitz en (, ), aunque estas condiciones son bastante exigentes.
Si el origen de = f
0
(, 0) es GAE, se podra pensar que el sistema triangular (9.32)
se estabilizara globalmente si los estados decaen a cero arbitrariamente r apido. Esto in-
dicara que la soluci on de = f
0
(, ) se aproxima r apidamente a la de = f
0
(, 0), que
tiende a cero. Vamos a ver en el ejemplo siguiente que esta no es necesariamente una buena
estrategia debido al fen omeno de peaking.
Ejemplo 9.10 (Peaking). Consideremos el sistema
=
1
2
(1 +
2
)
3

1
=
2

1
= v.
El control lineal
v =
2

1
2
2
K
asigna los autovalores de A + BK en (, ).
Para la condici on inicial (0) =
0
,
1
(0) = 1,
2
(0) = 0, el estado
2
tiene la evoluci on

2
(t) =
2
te
t
154 Linealizaci on Exacta por Realimentaci on
obtendramos el sistema a lazo cerrado
x = x bx
3
,
cuyo origen es globalmente asint oticamente estable y sus trayectorias se aproximan al ori-
gen m as r apido que las de x = x. M as a un, el control lineal es m as simple de implemen-
tar y usa menos esfuerzo de control.
La idea del ejemplo anterior es ilustrar que la teora de linealizaci on por realimentaci on
da una herramienta muy valiosa para representar al sistema en una forma en la que todos
los t erminos alineales entran a la ecuaci on de estado en el mismo punto en que entra el
control. En el pr oximo captulo vamos a ver t ecnicas que explotan esta estructura. La misma
estructura permite que se puedan cancelar las alinealidades por realimentaci on, pero, no
hay que perder de vista, dado el ejemplo anterior, que esta no siempre es la alternativa m as
adecuada.
9.3.3. Regulaci on con Acci on Integral
Usando el esquema de la secci on anterior linealizaci on exacta por realimentaci on
m as dise no de una ganancia de realimentaci on de estados lineal podemos dise nar un
sistema para regular la salida y a un valor constante de referencia y
R
, como se muestra en
la Figura 9.3. La ganancia est atica N = [C(A + BK)
1
B]
1
sirve, como en el caso lineal,
para compensar el error est atico de seguimiento.
c j j c E E E
-
-

e
e
- E E
T T
6

6
T
E
f (x, u) h(x)
x x
(x)

K
(x)
T(x)
y
u
+
+ +
_ y
R
N
Figura 9.3: Esquema de regulaci on va linealizaci on exacta
Como en el caso lineal, tambi en podemos agregar acci on integral al esquema de la Fi-
gura 9.3 para lograr regulaci on de la salida en forma robusta. Consideramos el sistema
mono-entrada mono-salida, linealizable entrada-salida, y representado en la forma normal
(9.26)
= f
0
(, )

= A
c
+ B
c
1
(x)
[u (x)]
y = C
c
.
Sin p erdida de generalidad, asumimos que f
0
(0, 0) = 0. Pretendemos dise nar un control
de forma que la salida y siga en forma asint otica una referencia constante y
R
usando acci on
integral para preservar regulaci on a un en presencia de incertidumbres param etricas.
9.3 Control por Realimentaci on de Estados 155
Adem as de asumir que el vector de estados es medible, suponemos que la salida es
tambi en fsicamente medible no es suciente calcular y de x usando y = h(x), ya que si
hubiera incertidumbres en h podramos perder la regulaci on.
Integramos entonces el error de seguimiento e = y y
R
aumentando el sistema con el
integrador = e, obteniendo
= f
0
(, e +Y
R
)

a
= A
a
+B
1
(x)
[u (x)],
donde
A =
_
A
c
0
C
c
0
_
, B =
_
B
c
0
_
, Y
R
=
_

_
y
R
0
.
.
.
0
_

_
r1
, e = Y
R
, y
a
=
_
e

_
.
Notar que el agregado de la ecuaci on de no modica la estructura de la forma normal. El
par de matrices aumentadas (A, B) es controlable, como puede vericarse, y por lo tanto
podemos calcular una matriz K tal que A+BK sea Hurwitz, procediendo en forma id entica
a como hicimos en la secci on anterior. Particionando K = [K
1
K
2
], donde K
1
R
1r
y
K
2
R, armamos el control
u = (x) +(x){K
1
[T
2
(x) Y
R
] + K
2
},
que da el lazo cerrado
= f
0
(, e +Y
R
)

a
= (A+BK)
a
.
El esquema de regulaci on con acci on integral se representa en la Figura 9.4.
c j c j j
j
E E
T
E E E
-
-

e
e
E E

e
e
- E E
T T
6

6
6
T
K
2

f (x, u)
_
h(x)
x x
(x)

K
1
Y
R
(x)
T
2
(x)
y
R
y
u
+
+
+ +

_
+
Figura 9.4: Regulador con acci on integral va linealizaci on por realimentaci on
Para sistemas de mnima fase, la ecuaci on = f
0
(, e + Y
R
) es localmente ISS y el
control calculado resuelve el problema de regulaci on local. Una condici on suciente para
obtener seguimiento global es pedir que el sistema = f
0
(, e +Y
R
) sea ISS.
Bibliografa
Bay, John S. (1999). Fundamentals of Linear State Space Systems. WCB/McGraw-Hill.
Chen, Chi-Tsong (1999). Linear System Theory and Design. 3rd ed.. Oxford University Press.
Golub, G.H. and C.F. van Loan (1996). Matrix computations. 3 ed.. Johns Hopkins University
Press.
Guckenheimer, J. and P. Holmes (1983). Nonlinear oscillations, dynamical systems and bifurca-
tions of vector elds. Springer.
Isidori, A., A.J. Krener, C. Gori-Giorgi and S. Monaco (1981). Nonlinear decoupling via
feedback: A differential geometric approach. IEEE Trans. Automat. Contr. 26, 331345.
Isidori, Alberto (1995). Nonlinear control systems. 3rd ed.. Springer-Verlag.
Isidori, Alberto (1999). Nonlinear control systems II. Springer-Verlag.
Khalil, H. K. (1996). Nonlinear systems. 2nd ed.. Prentice-Hall.
Krsti c, M., I. Kanellakopoulos and P. V. Kokotovi c (1995). Nonlinear and adaptive control de-
sign. John Wiley & Sons.
Sastry, Shankar (1999). Nonlinear Systems: Analysis, Stability and Control. Interdisciplinary
Applied Mathematics. Springer.
Sepulchre, R., M. Jankovi c and P. V. Kokotovi c (1997). Constructive Nonlinear Control. CCES
Series. Springer-Verlag.
Sontag, E. D. (1989). Smooth stabilization implies coprime factorization. IEEE Trans. Auto-
mat. Contr. 34, 435443.
Sontag, E.D. and Y. Wang (1995). On characterizations of the input-to-state stability pro-
perty. Systems and Control Letters 24, 351359.
van der Schaft, A. J. (2000). L
2
-gain and passivity techniques in nonlinear control. Springer-
Verlag.
Wonham, W. M. (1985). Linear Multivariable Control: A Geometric Approach. Third Edition.
Springer-Verlag.

Indice alfab etico

Banach, v ease espacio de Banach
Barbashin-Krasovskii, v ease teorema de Barbashin-
Krasovskii
Cauchy, v ease secuencia de Cauchy
causalidad, 87
centro, 13
Chetaev, v ease teorema de Chetaev
ciclo lmite, 20
clausura, 27
condici on de Lipschitz, 29
conjunto cerrado, 27
control adaptable, 10
convergencia de secuencias, 27
Coulomb, v ease fricci on de Coulomb
desigualdad de Gronwall-Bellman, 26
desigualdad de H older, 25
desigualdad de Hamilton-Jacobi, 94
difeomorsmo, 138
din amica de los ceros, 148
diodo t unel, 6, 17
ecuaci on de Lienard, 9
ecuaci on de sensibilidad, 39
ecuaci on de Van der Pol, 9, 21
ensilladura, 11
equilibrios
denici on, 4
hiperb olicos, 16
m ultiples, 16
perturbaci on, 14
espacio de Banach, 27
espacio lineal normado, 27
espacios de se nales, 85
estabilidad, 42
Estabilidad L
en variable de estado, 90
estabilidad L, 87
estabilidad asint otica global, 49
estabilidad de sistemas perturbados, 75
estabilidad entrada-estado, 80
estabilidad estrada-salida, 87
estabilidad estructural, 16
estabilidad exponencial, 68
robusta, 76
estabilidad uniforme, 67
foco, 13
forma de Jordan, 16
forma normal, 148
fricci on de Coulomb, 8
fricci on est atica, 8
funci on de Lyapunov, 44
funci on de sensibilidad, 39
funci on denida positiva, 45
funciones de clase K y KL, 67
ganancia de un sistema, 88
grado relativo, 143
Gronwall-Bellman, v ease desigualdad de Gronwall-
Bellman
H older, v ease desigualdad de H older
Hamilton-Jacobi, v ease desigualdad de Hamilton-
Jacobi
inestabilidad, 42, 50
ISS, v ease estabilidad entrada-estado
Jacobiana, 19
Jordan, v ease forma de Jordan
LaSalle, v ease teorema de LaSalle
Lienard, v ease ecuaci on de Lienard
linealizaci on
an alisis de puntos de equilibrio, 17
y estabilidad, 59
Lipschitz, v ease condici on de Lipschitz
Lyapunov
funci on, 44
m etodo directo, 43
m etodo indirecto, 62
supercie, 44
teorema de estabilidad, 43, 65
teoremas conversos, 71
m etodo del gradiente variable, 47
164

Indice alfab etico
m etodo indirecto de Lyapunov, 62
mnima fase, 148
mapa contractivo, 27
matriz Jacobiana, 19
nodo, 11
norma, 27
operador, 85
oscilador
arm onico, 20
de relajaci on, 21
de resistencia negativa, 9
de Van der Pol, v ease ecuaci on de Van der
Pol
p endulo, 5, 17
perturbaci on de equilibrios, 14
principio de comparaci on, 39
principio de invariancia, 52
sistemas inestacionarios, 72
punto jo, 27
puntos de equilibrio, 4
regi on de atracci on, 49, 56
retrato de fase, 11
construcci on num erica, 21
secuencia convergente, 27
secuencia de Cauchy, 27
sensibilidad, 39
separatriz, 17
sistema linealizable entrada-estado, 138
sistema masa-resorte, 7
supercie de Lyapunov, 44
teorema de Barbashin-Krasovskii, 49
teorema de Chetaev, 50
teorema de estabilidad de Lyapunov, 43
teorema de LaSalle, 53
teoremas conversos, v ease Lyapunov
Van der Pol, v ease ecuaci on de Van der Pol