Professional Documents
Culture Documents
Resumen—En el presente artículo se planteara un controlador Se desea encontrar una ley de control uopt (t) que minimice:
por el método LQR (linear quadratic regulator) trabajandosobre
el sistema lineal y no lineal, ambos con dos fuentes de ruido Z∞
xT (t) Qx (t) + Ru2 (t) dt
blanco, por otro lado en lo que es diseño de observador de J (x, u) =
estados usaremos un estimado basado en un filtro de kalman,
0
el cual ya nos permite perfilar el modelo a un modelos más
realista con la aplicación de diferentes perturbaciones, y final La solución del problema de optimización planteado es:
mente para complementar esto se mostrara la implementación
real del modelo con sus respectivos sensores y actuadores.
uopt (t) = −kopt x (t) = −R−1 B T P x (t)
Index Terms—Ball and beam, LQR, Kalman, MatLab,
Simulink . Donde la matriz P se obtiene de la siguiente ecuación
algebraica de Riccati:
I. I NTRODUCTION
AT P + P A − P BR−1 B T P + Q = 0
AS señales de ruido pueden afectar en una forma muy
L negativa a los sistemas de control automático, estas per-
turbaciones a las que están sujetos estos sistemas provocan que
Es decir, la ley de control óptima resulta ser una de reali-
mentación de estados en la que la ganancia de realimentación
su salida se aleje del comportamiento ideal. Para que el diseño se obtiene de una ecuación algebraica de Riccati.
de un sistema se pueda implementar en la vida real, es por esto
que un buen diseño debe contemplar medidas que le permitan
mantener un desempeño satisfactorio, incluso en presencia II-B. Observador por Filtro de Kalman.
de este tipo de señales, las cuales pueden considerarse de
naturaleza deterministica o aleatoria. Sea un sistema SISO, con una entrada de control u (t) y de
salida y (t), cuya descripción en espacio estado es :
II. D ESCRIPCIÓN DE LOS MÉTODOS .
x = Ax + Bu + F v
En las siguiente dos sub-secciones se darán a conocer
los fundamentos teóricos de los dos métodos utilizados en y = Cx + w
este informe, el primero para determinar el controlador que
Donde x es el vector de estados, u es una entrada escalar
corresponde al LQG (linear quadratic regulator) y el otro para
conocida, y es la salida escalar,v y w son procesos escalares
determinar el observador de estados por un filtro de kalman.
aleatorios del tipo ruido blanco, cuyas densidades espectrales
de potencia son V y W respectivamente. Por lo que el
II-A. Controlador LGR. observador de kalman para el vector de estados, tendría la
estructura básica de un observador. Por lo que la ecuación
El control LQG presenta un enfoque diferente para a la que describe el observador es:
construcción de la ley de control, que se basa en encontrar
una ley de control que minimice la suma de los esfuerzos de x̂ = Ax̂ + Bu + Lk (y − C x̂)
control y las desviaciones de la señal de salida de su valor
deseado. Este problema se conoce como el de control óptimo. Siendo x̂ el vector de estado estimado y Lk la matriz de
diseño del estimador. Si las señales v y w no están correla-
Por lo que la formulación del problema Considere un
cionadas, el valor de Lk se determina mediante la formula:
sistema modelado en representación de espacio estados, de
la forma: Lk = Popt C T W −1
ẋ (t) = Ax (t) + Bu (t)
Donde Popt (t) es la matriz de covarianza óptima del error
y (t) = Cx (t) del estimador de estado, obtenida a partir de la ecuación de
Riccati:
Donde x (t) pertenece <n y las señales de entrada y salida
(u (t) ; y (t))son escalares. 0 = APopt + Popt AT − Popt C T W −1 CPopt + F V F T
DOCUMENTO PREPARADO PARA LA ASIGNATURA DE CONTROL AVANZADO 2
La matriz de diseño del observador óptimo corresponde a: soportar condiciones iníciales mucho más alejadas del punto
de equilibrio que en el caso del controlador mostrado en [2].
6,4027
20,2551
Lopt = −28,5813
−78,9461
V. R ESULTADOS Y ANÁLISIS .
En la regulación del sistema no-lineal podemos ver que el Los método de regulación LQR y observador por filtro de
controlador LQR es capaz al igual que en el caso anterior Kalman, presentan una forma sencilla y simple de controlar
DOCUMENTO PREPARADO PARA LA ASIGNATURA DE CONTROL AVANZADO 4
VII. REFERENCIAS
R EFERENCES
[1] Gregory Cardenas M,”Modelamiento y Simulación: Sistema Ball and
Beam”, Universidad de la frontera, Temuco-Chile .
[2] Gregory Cardenas M,”Diseño de controlador y observador por ubicación
de polos: Sistema Ball and Beam”, Universidad de la frontera, Temuco-
Chile
[3] Shamsher Ali Naz,Reza Katebi and Luisella Balbis. “Implementation of
Kalman Filter On Ball And Beam Experiment Using LabView ”.Industrial
Control Unit, Department of Electronics and Electrical Engineering
University of Strathclyde, Glasgow, U.K.
[4] Gregory Cardenas M .”Modelamiento y Simulacion : Sistema Ball and
Beam”. Universidad de la Frontera . Temuco-Chile .pp Anexo 1 y Anexo
2. 2010.
[5] Universidad Tecnica Federico Santa Maria.“Teoria moderna de control
Lineal”. Valparaíso-Chile .2004
[6] ” MatLab/Simulink 7.7.0 R2008b For Unix “. MathWorks Ins .