CAPITULO 2 SISTEMAS DISCRETOS En este captulo se exponen los conceptos de variables de estado, muestreo y reconstruccin de seales en los procesos

a controlar. Tambin se trata la discretizacion directa de procesos continuos, la transformada Z como herramienta de discretizacion, las formas cannicas de los procesos en el espacio de estado discreto y los conceptos de controlabilidad y observabilidad. 2.1. Diseo de Sistemas de Control Digital

Figura 2.1: Estructura de un sistema de control digital

La figura 2.1 muestra la estructura de un sistema de control digital, cuyo objetivo de control es lograr que la seal de salida Y del proceso (de carcter continuo, como en la mayora de los casos) siga a la seal de referencia cumpliendo determinadas especificaciones de diseo, tales como: mnimo tiempo de estabilizacin, mnimo sobre impulso y/o error en estado estacionario nulo en Y. En otras palabras, el algoritmo de control implementado, en este caso digitalmente, debe ser capaz de crear una seal de control U(la variable manipulada), la cual actuando sobre el proceso a travs de un actuador, minimice la seal de error e. El bloque de filtraje es til para eliminar las componentes contaminantes de alta frecuencia de la seal de ruido de medicin n. El filtro de ruido puede ser analgico o digital y su inclusin depende de la magnitud del ruido y su relevancia dentro del funcionamiento del sistema de control. El algoritmo de control se implementa en un dispositivo digital que puede ser una computadora personal, una computadora de procesos (con capacidad para manejar varios lazos de control), un microcontrolador o una tarjeta PDS (Procesamiento Digital de Seales). El procesamiento digital del algoritmo de control requiere de la presencia de los dispositivos de adquisicin de datos: muestreadores, conversores de seal A/D (analgico a digital) y D/A (digital a analgico) y retenedores (reconstructores) de seal.

2.2. Concepto de Estado y Variables de Estado La dinmica de un proceso multivariable, es decir, un proceso que posee mltiples entradas y mltiples salidas, puede ser representada en el espacio de estado mediante dos conjuntos de ecuaciones diferenciales ordinarias de primer orden, denominadas las ecuaciones de estado y de salida, como sigue: X = f(X,U,v,t) Y = h(X,U,w,t) Donde f y h son funciones vectoriales de variable vectorial de orden n y r respectivamente, X es el vector de estado de orden n, U es el vector de control de orden m, Y es el vector de salida de orden r, ves el vector de disturbios (de orden n) en los estados, y w es el vector de disturbios (de orden r) en las salidas. El tiempo t se incluye como parte del argumento para indicar que pueden existir parmetros variantes con el tiempo Concepto de estado: El vector de estado X=[X1 ... Xn]T de un proceso (donde el superndice T indica transpuesta) es el mnimo conjunto de variables, las variables de estado X1 ... Xn, las cuales contienen informacin suficiente acerca de la historia pasada del proceso. Esta informacin permite computar todos los futuros estados del proceso, asumiendo por supuesto, que todas las futuras entradas U son tambin conocidas, como del mismo modo lo son las ecuaciones dinmicas que describen dicho sistema. El numero n de variables de estado define el orden o la dimensin del sistema. 2.2.1. Linealizacion de Procesos La representacin linealizada en el espacio de estado de (2.1), sin la presencia de parmetros variantes con el tiempo, es la siguiente: x = Ax+Bu+Ev y = Cx+Du+Fw Donde A es la matriz de estado, B es la matriz de control, E es la matriz de disturbios en los estados, C es la matriz de salida de los estados ,D es la matriz de salida de las entradas y Fes la matriz de disturbios en las salidas. Las dimensiones de dichas matrices son: Ann, Bnm, Enn, Crn, Drm y Err, donde el primer subndice es el numero de filas de la matriz y el segundo, el numero de columnas Sin la presencia de disturbios (v=w=0), y para la operacin del proceso alrededor del estado de equilibrio (X, U), las matrices A, B, C y D pueden ser determinadas evaluando las siguientes matrices jacobinas:

La matriz de transferencia para procesos multivariables lineales se de-termina empleando la ecuacin matricial siguiente: Y(s)=*C(sIA)1 B+D]U(s) Donde s es la variable laplaciana e I es la matriz identidad. Cuando las seales Y y U son unidimensionales, la ecuacin anterior se convierte en la ecuacin de transferencia de un proceso univariable. 2.3. Fundamentos de Sistemas Discretos 2.3.1. Muestreo y Reconstruccin

Figura 2.2: Lazo de control con una computadora como controlador. La figura 2.2 muestra un lazo de control que incluye una computadora digital equipada con los dispositivos de adquisicin de datos necesarios. La seal controlada y, luego de ser censada, pasa por un muestreador, generndose un tren de impulsos y separados uno del otro en T segundos (el tiempo de muestreo). Luego, el tren de impulsos es digitalizado por medio del dispositivo A/D, lo que resulta en la seal yd, la cual ya puede ser procesada por la computadora con el fin de generar el algoritmo de control. La seal de control digitalizada ud sufre el proceso inverso: pasa por un dispositivo D/Ay luego por un muestreador para generar el tren de impulsos u. Mediante un dispositivo de retencin de orden cero, que se describe mas adelante, la seal de control es reconstruida, lo que resulta en una seal de control continua u capaz de actuar sobre el actuador-proceso continuo. Notar que la seal de referencia digitalizada rd se genera internamente.

Un tren de impulsos, por ejemplo la seal u, puede modelarse como:

Discretizacion Directa Es bastante til discretizar directamente expresiones que contengan integrales y derivadas. La aproximacin rectangular calcula el rea debajo de una cierta curva e(t) mediante la suma de rectngulos de la forma Te(iTT) (Tes el tiempo de muestreo), tal como se ilustra a continuacin. Por consiguiente, trminos que contengan integracin pueden discretizarse empleando

Figura 2.3: Proceso de muestreo y reconstruccin Aproximacin rectangular como sigue:

2.3.2. La Transformada Z En el dominio continuo, la transformada de Laplace g(s)=L*g(t)+ posee una inversa L1*g(s)+ =g(t) que es nica. En contraste, la transformacin Z[g(t)] =g(z) posee una inversa Z1 [g(z)] =g(t) que no es la nica debido a que la seal discreta no esta definida entre muestras. En el dominio discreto, sin embargo, la transformacin g(z)=Z[g(kT)] posee una nica inversa Z1*g(z)+ =g(kT) Una forma de determinar g(kT) es dividir el numerador deg(z) entre su denominador. Otra forma es expandir g(z) en fracciones parciales y obtener la transformada Z 1 de cada uno de los trminos resultantes. Un mtodo generalizado para determinar la inversa de g(z) consiste en factorizar g(z) en factores de primer orden; luego, usar la siguiente formula de inversin:

Donde P es el numero de polos ai no repetidos de G(z) y Q es el numero de polos bj que se repiten con multiplicidad mj. 2.3.4. Funcin de Transferencia de Pulso Conociendo la funcin de transferencia G(s)=y(s)/u(s) de un sistema, la correspondiente funcin de transferencia de pulso se determina de la relacin:

Para el caso multivariable, la matriz de transferencia de pulso G(z)se determina empleando la relacin anterior para cada elemento de la matriz de transferencia G(s). Para derivar la funcin de transferencia de pulso para el caso de procesos en cascada o formando lazos cerrados, debemos proceder con cautela, porque no siempre es posible encontrar una relacin de la forma y(z)=G(z)u(z). Los siguientes ejemplos ilustran los casos tratados. 2.3.5. El Espacio de Estado Discreto Vimos que la dinmica linealizada de un proceso (sin la presencia de disturbios) puede ser representada en el espacio de estado por la ecuacin x=Ax+Bu; y=Cx+Du La solucin de la ecuacin de estado anterior, dado un estado inicial x(t0), es:

Donde Es la matriz de transicin La representacin de la ecuacin de estado en el dominio laplaciano toma la forma: sx(s) x(t0)=Ax(s)+Bu(s) x(s) =(sIA)1x(t0)+(sIA)1Bu(s) y(s) =Cx(s)+Du(s). Solucin de la Ecuacin de Estado Discreta

Figura 2.4: Respuestas y(t) La ecuacin de estado se convierte en:

Un sistema discreto es estable si las races de su ecuacin caracterstica, los eigenvalores, se encuentran dentro del crculo unitario (en el dominio de z). En otro caso, el sistema no es estable. Formas Cannicas en el Espacio de Estado Discreto La forma general de la funcin de transferencia de pulso para un proceso es

y su correspondiente ecuacin de diferencias toma la forma:

Primera Forma Canonca Controlable:

Segunda Forma Canonca Controlable:

Tercera Forma cannica Controlable:

Primera Forma Canonica Observable:

Segunda forma canonica observable:

Forma cannica Diagonal (eigenvalores no repetidos)

Donde los pi son los eigenvalores no repetidos de Gp(z)=y(z)/u(z), y:

Forma cannica de Jordn (eigenvalores repetidos).-la forma de Jordan es una matriz J que poseenrunos sobre su diagonal, con todos los dems elementos iguales a cero. Por citar un ejemplo, si A, de orden n= 8, contiene un eigenvalorp1 de multiplicidad 3, otro eigenvalorp2 de multiplicidad 2, otros tres eigenvalores distintos, y su rango es 6, entonces la forma de Jordan presenta 86 = 2 unos sobre la diagonal. Es decir:

Procesos Discretos con Tiempo Muerto En el dominio continuo, la transformada de Laplace del tiempo muerto ese Tts .SiTt =dT, d=1,2,...y dado que e Ts=z, entonces en el dominio discreto el tiempo muerto toma la forma zd. Este tiempo muerto puede existir en la entrada, en la salida o entre las variables de estado del proceso, tal como se ilustra a continuacin:

Donde los tiempos muertos dk, du y dy toman valores enteros positivos. Si la relacion d=Tt/Tno fuera un entero (o tambin si lo fuera), resulta til emplear la aproximacin de Pade para el tiempo muerto:

Con una aproximacin de tercer orden, podemos acomodar retardos de fase de hasta 200 o (3.5 rad) [11], lo cual es suficiente para capturar el efecto del tiempo muerto en muchas aplicaciones. Tal aproximacin tiene la forma

2.3.6. Controlabilidad y Observabilidad Concepto de Controlabilidad

Un proceso dinmico lineal se dice que es controlable, si es que existe un vector u(k) realizable y capaz de trasladar el estado del proceso desde un estado inicial x(0) hacia cualquier estado final x(N) en un tiempo finito N. Concepto de Observabilidad Un proceso lineal dinmico con salida y(k) se denomina observable si algn estado x(k) puede ser obtenido a partir de un numero finito de salidas y(k),y(k1),...,y(kn). Consideremos la siguiente ecuacin de salida: y(k)=Cx(k) Empleando la ecuacin de estado x(k+1) =Gx(k)+Hu(k), podemos deducir que: y(k)=Cx(k) y(k+1) =CGx(k)+CHu(k) y(k+2) =CG2 x(k)+CGHu(k)+CHu(k+1) y(k+n1) = CG n1 x(k)+[0,CH, CGH,...,CG n2H]Un donde (asumiendo que los vectores de entrada son completamente conocidos) Un=*u(k+n1) ... u(k+1)u(k)+ T

EJEMPLOS Ejemplo 1 La figura muestra dos tanques idnticos colocados en cascada. La seccin Horizontal A=9 m2 de cada tanque es constante. El objetivo de control es estabilizar (controlar) la altura H2 empleando como fuerza de control el flujo de alimentacin Qo. Determinar el modelo linealizado de este proceso hidrulico.

Figura 2.5: Proceso hidrulico Solucin: Los flujos de salida Q1 y Q2 de los tanques se pueden modelar como:

Donde P1, P2 y P0son las presiones en el fondo de los tanques y en el exterior respectivamente, y =0.4 es una constante que depende de la geometra del orificio. Si =1.23 kg/m3 es la densidad del lquido y g=9.81 m/s2 es la aceleracin de la gravedad:

El flujo acumulado en cada tanque es

Resolviendo las ecuaciones anteriores para las alturas, obtenemos

y su correspondiente ecuacin de salida:

Definamos las siguientes variables residuales: h1=H1H1, h2=H2H2, q0=Q0Q0. Conociendo Q0=3m3/s, el estado de equilibrio del proceso se puede obtener de

lo que resulta en

Aplicando el jacobiano, el proceso linealizado resulta:

Donde:

Ejemplo 2 Dado u=3et, determinar la respuesta de un proceso descrito por las siguientes ecuaciones de estado y de salida:

Condiciones iniciales: x1(0) = 6, x2(0) = 1. Graficar la respuesta y(t) y compararla con las respuestas obtenidas mediante discretizacion para los tiempos de muestreo de 0.1 s y 0.04 s. Solucin: Segn la tabla 2.2: L[3et]=3/(s+ 1). Aplicando la ecuacin

Obtenemos: