Tecnológico Nacional de México

Instituto Tecnológico de Ciudad Madero

“Por mi patria y por mi bien”

Ingeniería Electrónica
Control II

Investigación general sobre Control II.

Autores:
Estrada Santiago Jaime (19071124)
Vera Espinoza David Gabriel (19071132)
Cadena Morales Nahela (19071166)

Catedrático:
José Rafael Rodríguez Martínez.

Cd. Madero, Tamaulipas. México Lunes, 28 de noviembre de 2022

Índice
CONTROL II.............................................................................................................3
Cuestionario sobre generalidades de control II....................................................3
Explicación de conceptos generales..................................................................15
Concepto de respuesta a la frecuencia y sus aplicaciones...........................15
Concepto de variable de estado....................................................................18
Utilidad del análisis de estabilidad y los métodos de respuesta a la
frecuencia......................................................................................................23
Métodos de compensación en los sistemas de control.................................30
Concepto del control adaptativo....................................................................42
Conceptos de estabilidad, controlabilidad y observabilidad..........................46
Método y concepto de inteligencia artificial...................................................51
Ejercicios............................................................................................................57
Ejercicio 1......................................................................................................57
Ejercicio 2......................................................................................................61
Ejercicio 3......................................................................................................65
Ejercicio 4......................................................................................................69
Ejercicio 5......................................................................................................73
Ejercicio 6......................................................................................................75
Ejercicio 7......................................................................................................77
Ejercicio 8......................................................................................................79
Ejercicio 9......................................................................................................82
REFERENCIAS BIBLIOGRÁFICAS......................................................................85

2
Control II.

Cuestionario sobre generalidades de control II.

¿Qué entiende por control lineal?
A sistema de control es un sistema de dispositivos que gestiona, ordena, dirige o
regula el comportamiento de otros dispositivos para conseguir un resultado
deseado. En otras palabras, la definición de un sistema de control puede
simplificarse como un sistema que controla otros sistemas para lograr un estado
deseado. Hay varios tipos de sistemas de control que puede ser categorizado en
términos generales como sistemas de control lineal o sistemas de control no
lineales. Estos tipos de sistemas de control se examinan en detalle a continuación.

Sistemas de control lineal

Con el fin de entender la sistema de control lineal primero debemos entender el
principio de la superposición. El principio de teorema de superposición incluye dos
de las propiedades importantes y se explican a continuación:
Homogeneidad: Se dice que un sistema es homogéneo, si multiplicamos la
entrada por alguna constante A, la salida también se multiplicará por el mismo
valor de la constante (es decir, A).

Aditividad: Supongamos que tenemos un sistema S y que estamos dando la

entrada a este sistema como un1 por primera vez y estamos obteniendo la salida
como b1 correspondiente a la entrada a1. En la segunda vez que estamos dando
entrada a2 y en correspondencia con esto estamos obteniendo la salida como b2.

Ahora supongamos que esta vez estamos dando entrada como una suma de las
entradas anteriores (es decir, un1 + a2) y que corresponden a esta entrada
suponen que estamos obteniendo la salida como (b1 + b2) entonces podemos
decir que el sistema S sigue la propiedad de la aditividad. Ahora somos capaces
de definir el sistemas de control lineal como esos tipos de sistemas de control que
siguen el principio de homogeneidad y aditividad.
3
Ejemplos de Sistema de Control Lineal
Considere una red puramente resistiva con una fuente constante de corriente
continua. Este circuito sigue el principio de homogeneidad y aditividad. Todos los
efectos no deseados son descuidados y asumiendo el comportamiento ideal de
cada elemento de la red, decimos que obtendremos un comportamiento lineal
voltaje y actual característica. Este es el ejemplo de una sistema de control lineal.

¿Para que nos sirve el análisis de los sistemas matemáticos en el control lineal?
Los primeros estudios de sistema de control se basaban en la solución de
ecuaciones diferenciales por los medios clásicos. Salvo en los casos simples, el
análisis en este camino es pesado y no indica fácilmente que cambios deben
hacerse para mejorar el comportamiento del sistema. El empleo de la
transformada de Laplace simplifica algo este análisis. El artículo de Nyquist,
publicado en 1932 trata de la aplicación de los cálculos en el proyecto de
amplificadores realimentados basados en la respuesta frecuencial en régimen
permanente. Este trabajo fue ampliado por Black.y Bode. Hall y Harris aplicando
entonces éste estudio de respuesta frecuencial a los sistemas realimentados
aumentaron considerablemente el valor de la teoría de control como disciplina
nueva. Otro avance se logró en 1948 cuando Evans presentó su teoría del lugar
de las raíces. Esta teoría ofrece una visión gráfica de las propiedades de
estabilidad de un sistema y permite el cálculo gráfico de la respuesta frecuencial.

En las diversas fases del análisis lineal presentado en el estudio que se realizará
se emplean modelos matemáticos. Una vez, descrito un sistema físico por un
juego de ecuaciones matemáticas, estas se transforman para lograr un
determinado modelo matemático y, una vez logrado esto, es independiente la
manera de analizarlo, tanto si el sistema es de naturaleza eléctrica, mecánica o de
cualquier otra.

Esta técnica permite al proyectista establecer similitudes con casos vistos en su

experiencia anterior. El interesado deberá tener en cuenta, al pasar por las
diferentes fases del análisis que se presentará a continuación, que no se intenta el
4
empleo de un aspecto con exclusión de los demás. Según los factores conocidos y
la simplicidad o complejidad del problema de control tratado, un proyectista puede
hacer uso de uno o varios métodos de aná1isis aislados o combinados entre sí. Al
adquirirse experiencia en el campo del problema de control por realimentación se
adquiere la facultad de apreciar mejor las ventajas de cada método. El empleo de
computadoras ayuda enormemente al proyectista en sus problemas de síntesis de
un problema de control.

¿Qué representan las ecuaciones de 1° y 2° orden en el análisis a la respuesta

transitoria de un sistema de control?
La función de transferencia normalizada de un sistema de 1er orden es la
siguiente:

Dónde:

El método más utilizado para estudiar el comportamiento de los sistemas de 1er

orden consiste en someter dicho sistema a un conjunto de entradas típicas: el
impulso, el escalón unitario, la rampa y una señal alterna sinusoidal.

Supongamos que probamos un sistema de 1er orden con una entrada impulso
unitario. Es decir, con R (s)=1. De esta manera la salida C (s) se puede despejar
fácilmente de la ecuación mediante:

5
Es decir, la función de transferencia de la ecuación (1) es igual que la respuesta la
impulso. La ecuación (2) es la respuesta sistema al impulso en función de la
frecuencia. Si queremos conocer esta respuesta c (t) en función del tiempo
aplicamos la anti transformada de Laplace:

La ecuación anterior muestra un comportamiento exponencial decreciente. Esta es

la salida de un sistema de primer orden ante una entrada impulso unitario, la cual
se puede ver en la siguiente gráfica:

En la Figura 1, la constante de tiempo T es el tiempo que tardaría el sistema en

alcanzar el valor final si variase al ritmo que lo hace inicialmente. También coincide
la constante T con el tiempo en que la salida alcanza el 37% de su valor final.

Supongamos ahora que probamos el sistema de 1er orden con una entrada
escalón con amplitud A, es decir, R (s)=A/s. Aplicando el mismo procedimiento,
obtenemos los siguientes resultados:

6
En este caso, la salida de un sistema de primer orden ante una entrada escalón de
amplitud A tiene un valor inicial igual a cero (suponiendo condiciones iniciales
nulas) y luego aumenta exponencialmente hasta estabilizarse en un valor igual a
Ak. Dicha respuesta se puede ver en la siguiente gráfica:

En la Figura 2, la constante de tiempo T es el tiempo en que la salida del sistema

alcanza el 0.632 (63.2%) de su valor final. Podemos apreciar además que un
tiempo igual a 4 constantes de tiempo (4T) el sistema se estabiliza (tiempo de
establecimiento; ts=4T) ya que la salida alcanza su valor final o se mantiene al
menos a 98.2% del mismo.

Probemos ahora el sistema de 1er orden con una entrada rampa con amplitud A,
es decir, R(s)=A/s2. Aplicando el mismo procedimiento, obtenemos los siguientes
resultados:

7
En la Figura 3 podemos ver que un sistema de 1er orden ante una entrada rampa
siempre tiene un error La constante de tiempo T representa en este caso el tiempo
del que parte la asíntota a la que tiende la respuesta del sistema en estado
estacionario.

La forma estándar de la función de transferencia de un sistema de 2do orden es:

8
Donde:

La ganancia estática k, el coeficiente de amortiguamiento ζ, y la frecuencia natural

ωn, son los parámetros de un sistema de segundo orden. En comparación con la
simplicidad de un sistema de primer orden (Sistemas de primer orden), un sistema
de segundo orden exhibe una amplia gama de respuestas que deben analizarse y
describirse. Mientras que variar el parámetro de un sistema de primer orden
(constante de tiempo) simplemente cambia la velocidad de la respuesta, los
cambios en los parámetros de un sistema de segundo orden pueden cambiar la
forma total de la respuesta.

El diagrama de bloques de la Figura 1 representa a un sistema de segundo orden

de tipo cero. Físicamente, este diagrama puede ser el modelo de un motor DC, el
modelo de una red eléctrica o de un mecanismo con resorte, amortiguador y
masa. Por ello, el sistema de segundo orden es de gran interés académico,
industrial y tecnológico, de los más importantes para el estudio.

Los sistemas de segundo orden son esenciales en el diseño de sistemas de

control. En consecuencia, es de gran utilidad entender que el modelo de la Figura
1 suele provenir de un sistema realimentado como el de la Figura 2:

9
El sistema de la Figura 2 se puede ver como un sistema de control básico. Una
planta de segundo orden de tipo 1, con un polo en s=-2ζω n, en serie con un
controlador proporcional, y realimentación unitaria. Para diseñar un sistema de
control, por excelencia se utiliza principalmente la entrada escalón unitario como
señal de prueba. Es así porque a partir de ella, derivando podemos hallar la
respuesta al impulso unitario, e integrando, la respuesta a la rampa unitaria. El
comportamiento del sistema de control ante una entrada escalón unitario depende
de estos tres factores: la ganancia k , el coeficiente de amortiguamiento ζ, y la
frecuencia natural ω n. Con solo conocer el valor del coeficiente de
amortiguamiento ζ, podemos determinar la forma de la respuesta del sistema. Por
otra parte, en ocasiones podremos cumplir con los requerimientos de diseño de un
sistema de control con sólo variar el valor de la ganancia k, como veremos en el
caso siguiente, cuya respuesta aparece más adelante: Ejemplo 1:
Para la planta de la Figura 88, diseñar un sistema de control que cumpla con los
siguientes requerimientos ante una entrada escalón unitario: una salida c (t) con
Sobrepaso máximo (Mp) igual al 5%, tiempo de establecimiento (t s) de 2.1
segundos, y error en estado estable a la entrada escalón unitario (e p) menor o
igual al 50%:

La función de transferencia estándar (1) se deriva tanto del diagrama de bloques

de la Figura 1, como del de la Figura 2, diseñada en función de estos parámetros
10
(ganancia, frecuencia natural y coeficiente de amortiguamiento) que están ligados
al comportamiento físico de la respuesta y a la situación de sus polos en el plano
“s”.

¿Para que nos sirven el análisis de estabilidad en los sistemas de control?

El problema más resaltante de un sistema de control lineal es el relativo a su
estabilidad. Estabilidad es la especificación más importante que debe cumplirse
entre los requerimientos a la hora de diseñar un sistema de control. Sin
estabilidad, las otras dos especificaciones, respuesta transitoria y error en estado
estable, son irrelevantes.

11
Entonces, las preguntas más urgentes a la hora de diseñar un sistema de control
son las siguientes: ¿Bajo qué condiciones un sistema se vuelve inestable?. ¿Si el
sistema es inestable, que debemos hacer para estabilizar dicho sistema?
La respuesta total de un sistema es la suma de la respuesta natural y la respuesta
forzada, tal como lo señala la siguiente relación:

Usando este concepto presentamos la siguiente definición para estabilidad,

inestabilidad y estabilidad crítica o marginal:
• Un sistema lineal e invariante en el tiempo es estable si su respuesta
natural tiende a cero cuando el tiempo tiende a infinito.
• Un sistema lineal e invariante en el tiempo es inestable si su respuesta
natural crece ilimitadamente cuando el tiempo tiende a infinito.
• Un sistema lineal e invariante en el tiempo es críticamente estable si su
respuesta natural no decae ni crece y tiende a permanecer constante
cuando el tiempo tiende a infinito.

Esta definición de estabilidad implica por lo tanto que sólo la respuesta forzada
permanece a medida que la respuesta natural tiende a cero. Una definición
alternativa para estabilidad considera la respuesta total del sistema y la primera
definición basada en la respuesta natural:

• Un sistema es estable si genera una salida acotada como respuesta a una

entrada acotada. Llamamos a ésta definición BIBO de estabilidad, por su
siglas en inglés (bounded-input, bounded-output).

Ahora podemos entender que si una entrada acotada produce una salida no
acotada, el sistema es inestable. Por otra parte, si la entrada no es acotada con
seguridad veremos una salida no acotada pero no podremos llegar a ninguna
conclusión respecto a la estabilidad del sistema.

12
Físicamente hablando, un sistema inestable cuya salida crece ilimitadamente
puede causar daño al mismo sistema o a sistemas adyacentes, incluso puede
atentar contra la vida humana (imagine el caso de un ascensor cuyo sistema de
control se vuelve inestable). Por ello muchos sistemas se diseñan habilitando al
mismo tiempo una parada de emergencia que podría ser sencillamente un
interruptor de suministro de energía eléctrica (breaker).

La retroalimentación negativa en la mayoría de los sistemas de ingeniería tiende a

mejorar la estabilidad. Piense en los efectos beneficiosos de la retroalimentación
en los sistemas electrónicos. Del estudio de polos y zeros de la función de
transferencia de un sistema de control podemos retomar el hecho de que los polos
ubicados en el lado izquierdo del plano complejo producen respuestas naturales
en forma de exponenciales decrecientes puras o sinusoides amortiguadas. Estas
respuestas naturales tienden a cero a medida que el tiempo tiende a infinito. Por lo
tanto, los polos de sistemas de lazo cerrado ubicados en a la izquierda del plano
complejo tienen una parte real negativa y producen estabilidad en el sistema, es
decir:
• Los sistemas de lazo cerrado son estables si su función de transferencia
tiene sólo polos ubicados a la izquierda del plano complejo (lhp – left half-
plane).

Los polos de dichas funciones de transferencia ubicados en el lado derecho del

plano complejo producen exponenciales crecientes puras o sinusoides que crecen
exponencialmente, cuando el tiempo tiende a infinito. Por lo tanto:
• Los sistemas de lazo cerrado son inestables si su función de transferencia
posee al menos un polo ubicado en el lado derecho del plano complejo o al
menos un polo de multiplicidad mayor a 1 en el eje imaginario (rhp – right
half-plane).

Finalmente, un sistema que tiene polos en el eje imaginario de multiplicidad igual a

1 produce oscilaciones sinusoidales que no crecen ni decrecen en amplitud. Por lo
tanto:
13
• Los sistemas de lazo cerrado son críticamente o marginalmente inestables
si su función de transferencia posee sólo polos de multiplicidad igual a uno
en el eje imaginario y polos en el lado izquierdo del plano complejo.

14
Explicación de conceptos generales.

Concepto de respuesta a la frecuencia y sus aplicaciones.

La respuesta en frecuencia describe la respuesta en estado estacionario de un
sistema a las entradas sinusoidales de frecuencias variables y permite a los
ingenieros de sistemas de control analizar y diseñar sistemas de control en el
dominio de la frecuencia.

El análisis de respuesta en frecuencia es un método gráfico empleado para

diseñar, predecir y ajustar el comportamiento de los sistemas de control. Se
emplea también para determinar experimentalmente la función de transferencia de
sistemas complicados sin necesidad de conocer las relaciones que lo describen.
La respuesta en frecuencia de un sistema se define como la respuesta en estado
de régimen permanente para una entrada senoidal de amplitud fija pero con
frecuencia variable en un cierto rango.

El análisis de respuesta en frecuencia presenta varias ventajas:

a) Es fácil obtener la respuesta en frecuencia de un sistema en forma
experimental, pues solo se requiere de generadores de señales
sinusoidales y equipos de medición precisos.
b) El comportamiento del régimen sinusoidal permanente del sistema puede
deducirse a partir de la función de transferencia, simplemente sustituyendo
al operador de Laplace (s) por (jw), por lo tanto, la función de transferencia
sinusoidal es una función compleja de variables complejas y en general
puede representarse por un módulo y un argumento.
c) Es posible deducir una función de transferencia a partir de cierto
comportamiento experimental de una respuesta en frecuencia.

Una desventaja de utilizar el método de respuesta en frecuencia es que la

respuesta transitoria solo puede estimarse en forma indirecta, excepto en el caso
de sistemas de segundo orden.

15
Consideraremos sistemas lineales con única entrada y una única salida (SISO),
cuyo esquema es el siguiente:

La ecuación que relaciona la entrada u(t) con la salida y(t) será una EDO
(ecuación diferencial ordinaria) de orden 2 y con coeficientes constantes, que tiene
la forma general siguiente:

La transformada de Laplace de esta ecuación, considerando condiciones iniciales

cero, está dada por:

Que al ser una ecuación algebraica en lugar de una diferencial, nos permite
obtener fácilmente la relación entre Y(s) y U(s):

Esta función H(s), que es la ganancia de transferencia desde U(s) a Y(s), es la

llamada función de transferencia del sistema. H(s) es la transformada de Fourier
de h(t), siendo h(t) la salida del sistema si la entrada es una delta (h(t) también se
llama respuesta al impulso).

Ejemplo: Consideremos la función de transferencia en lazo abierto H(s) mostrada

abajo. Vamos a realimentarla con un lazo de ganancia unidad y vamos a ver
cuáles son sus respuestas al escalón y al impulso.

16
Si introducimos el lazo de realimentación vemos que el sistema mejora su
respuesta al escalón (pasa de ser 4 en el origen a valer aproximadamente 0.8):

17
Concepto de variable de estado.
Las variables de estado son la representación moderna que se tiene para describir
el comportamiento de los sistemas dinámicos empleados en diferentes áreas de la
ingeniería, como ingeniería electrónica, mecánica, química, mecatrónica o control.
Las variables de estado son el subconjunto más pequeño de variables de un
sistema que pueden representar su estado dinámico completo en un determinado
instante. En la Fig. 1 se muestra un modelo de espacio de estado típico, teniendo
en cuenta que estas variables de estado deben ser linealmente independientes. El
número mínimo de variables de estado necesarias para representar un sistema
dado, n, es normalmente igual al orden de la ecuación diferencial que define al
sistema.

El modelado de sistemas en el espacio de estados es muy común en diferentes

ingenierías, por ejemplo, si tuviésemos dos tanques en cascada, con los que se
muestran en figura, en los que se quisiera controlar el nivel del segundo tanque
(H2) con el flujo de entrada que ingresa al primer tanque (qin), en el enfoque
clásico solo se utilizaría, como información para el control, el nivel del segundo
tanque, pero, ¿por que no usar la información sobre el nivel del primer tanque que
también es fácilmente medible?.

18
En el control clásico solo se emplearía la función de transferencia del tanque 2
para controlar la altura H2, la cual es representada por:

Las constantes A1, Ki, i = 1; 2; 3, están asociadas a las áreas de los tanques y a
las aperturas (orificios) de salida del liquido. Sin embargo, en la teoría de control
moderno aparece la representación en variables de estado o espacio de estados.
Donde el sistema de tanques los podemos representar, basándonos en las
ecuaciones diferenciales de primer orden que relacionan flujo y nivel en cada uno
de los tanques, de la forma:

Si se definen los estados empleando la siguiente notación:

19
Se procede a reemplazar en las ecuaciones diferenciales cada uno de los estados
definidos anteriormente. De esa forma nuestra ecuación queda representada
como:

Las dos ecuaciones diferenciales de primer orden mostradas anteriormente,

pueden ser representadas en su forma matricial de la siguiente forma:
Donde la ecuación de estados es:

Y la ecuación de salida del sistema (en este caso la altura del tanque 2):

Las dos ecuaciones anteriores son las variables de estado del sistema de los dos
tanques en cascada, sin embrago dicha representación en espacio de estados
puede ser simplificada como:

20
Variables de Estado Tiempo Discreto
La representación de un sistema dinámico en espacio de estados de forma
discreta, no varia mucho, y es representada de la misma forma, solo que con las
señales en tiempo discreto:

Es un modelo matemático de un sistema físico descrito mediante un conjunto de

entradas, salidas y variables de estado relacionadas por ecuaciones diferenciales
de primer orden que se combinan en una ecuación diferencial matricial de primer
orden. Para prescindir del número de entradas, salidas y estados, las variables
son expresadas como vectores y las ecuaciones algebraicas se escriben en forma
matricial (esto último solo puede hacerse cuando el sistema dinámico es lineal e
invariante en el tiempo). El estado del sistema puede ser representado como un
vector dentro de ese espacio.

Espacio de Estados Control

Comenzando con unas definiciones formales sobre lo que son las variables de
estado en los sistemas de control:
• El espacio de estado es una forma de representar un sistema dinámico en
función de n ecuaciones en diferencia.
• Variables de Estado: son el conjunto más pequeño de variables que
determina el comportamiento dinámico de un sistema.

Partiendo de la premisa que todo sistema dinámico lineal (LTI), podemos

representarlo como un bloque (Caja Negra) el cual posee un numero de entradas
y salidas como puede verse a continuación.
21
No obstante, esta representación de caja negra, no nos dice mucho al respecto de
la evolución que tendrá el sistema con el tiempo al momento de perturbarlo con
una señal en la entrada. Para eso existen diferentes formas de modelar el
comportamiento de todo sistema, que puede ser a través del dominio
transformado de Laplace usando Funciones de transferencia, puede ser a través
del dominio de la frecuencia usando el Diagrama de Bode, o en este caso usando
la representación de variables de estados.

La entrada del sistema puede ser un conjunto de señales que comandan el

comportamiento del sistema. Las salidas del sistema puede estar conformado por
un conjunto de respuestas a las entradas. Así, internamente, podríamos decir que
el sistema o el modelo está conformado por unas variables de estado.

Dicho esto, el sistema anterior, puede ser desglosado como:

22
En el enfoque clásico de la teoría del control, los sistemas dinámicos son
modelados por un sistema entrada-salida (Funciones de Transferencia) donde
únicamente se dispone de una variable la cual será controlada.

Pero en muchas situaciones, además de la salida del sistema, es posible contar

con variables adicionales para realizar el estudio de los sistemas de control.

Utilidad del análisis de estabilidad y los métodos de respuesta a

la frecuencia.
La Estabilidad de un sistemas de control es su propiedad más importante, tanto es
así que no se puede hablar de sistema de control si éste no es estable.

Un sistema es estable si responde con una variación finita a variaciones finitas de

sus señales de entrada. Si se considera un sistema lineal e invariante en el
tiempo, la inestabilidad del sistema supondrá una respuesta que aumenta o
disminuye deforma exponencial, o una oscilación cuya amplitud aumenta
exponencialmente. En esas situaciones el sistema no responde a las acciones de
control, por lo que se dice que el sistemas se ha ido de control. Este efecto puede
provocar situaciones muy peligrosas y fallos catastróficos, de ahí la importancia de
estudiar la estabilidad.

En el diseño de cualquier sistema de control de un proceso dinámico, la

estabilidad es uno de los principales parámetros a tener en cuenta, ya que en el
23
caso de entrar en inestabilidad se puede producir el deterioro y destrucción del
proceso.

Se puede decir que un sistema o proceso es estable si, ante una señal de entrada
limitada en amplitud, el sistema responde con una señal de salida también limitada
en amplitud. Esta es una definición de lo que se denomina "estabilidad absoluta",
es decir, si el sistema es estable o no. Sin embargo, en muchas ocasiones es
interesante conocer también el grado de estabilidad del sistema, lo que se conoce
como "estabilidad relativa".
Para sistemas lineales tiempo invariantes, la estabilidad está directamente ligada
con la posición de las raíces del denominador de la función de transferencia de
lazo cerrado (los polos del sistema). Para comprobar esta última afirmación basta
calcular la transformada inversa de una función de transferencia genérica, tal
como la siguiente:

Si se aplica al sistema una señal de entrada tipo impulso unidad, R(s)= δ(t), la
respuesta del sistema es idéntica a la transformada inversa de su función de
transferencia y en ésta se observa plenamente las características dinámicas y
estáticas del sistema. De esta forma, la transformada de la expresión anterior
(considerando N=0 y para entrada impulso unidad) queda de la forma:

Los coeficientes de Ak y Bk dependen de los valores de K, δk, α m , wm y zi. Como

se puede observar en la expresión anterior, los valores de la parte real de las
raíces del denominador actúan como exponentes en las exponenciales
dependientes del tiempo. De esta forma, si la parte real de las raíces del
denominador son negativas se obtienen exponenciales decrecientes con el
tiempo, mientras que si la parte real de las raíces son positivas se obtienen
términos que crecen exponencialmente con el tiempo.
24
Entonces, es condición para que el sistema sea estable que todas las raíces del
denominador de la función de transferencia del sistema, o lo que es lo mismo los
polos o las raíces de la ecuación característica, tengan parte real negativa. En el
momento que una única raíz no cumpla esta condición el sistema será inestable.
Existe un caso particular que es interesante considerar. Este aparece cuando
alguna de las raíces no presenta parte real ni positiva ni negativa, es decir, que es
cero. Esto ocurre cuando el sistema presenta polos en el origen o polos complejos
conjugados con parte real nula. En este caso, el sistema es marginalmente
estable, ya que ante una entrada limitada en amplitud la respuesta no crece
indefinidamente, pero presenta características especiales, tales como la existencia
de respuesta aún cuando se ha eliminado la entrada.

A continuación se presenta un conjunto de figuras donde se puede observar la

relación entre la posición de los polos y el tipo de respuesta obtenido para una
entrada impulso unidad.

- Respuesta impusional de un sistema con un polo en el origen:

- Respuesta impusional de un sistema con dos polos complejos en el eje

imaginario:

25
- Respuesta impusional de un sistema con un polo en el eje real negativo:

- Respuesta impusional de un sistema con un polo en origen y otro en eje real

positivo:

- Respuesta impusional de un sistema con polos complejos con parte eje real
negativa:

26
- Respuesta impusional de un sistema con polos complejos con parte eje real
positiva:

- Respuesta impusional de un sistema con polos reales en la parte eje real

positiva:

Como se ha indicado previamente, y tal como indican las figuras anteriores, basta
con calcular las raíces del denominador de la función de transferencia del sistema
(ecuación característica), y comprobar su posición en el plano complejo s, para
saber si el sistema es estable y como afecta cada una de las raíces.

Hoy en día, con el uso de las modernas calculadoras y computadores, el cálculo

de las raíces de la ecuación característica es una tarea sencilla y automática que
permite conocer si el sistema es estable o no, e incluso el grado de estabilidad
27
relativa. Sin embargo, no hace mucho tiempo que el cálculo de estas raíces era
una tarea imposible de realizar, por lo que desarrollaron técnicas alternativas que,
si bien hoy en día han perdido algo de su relevancia al poder calcular directamente
las raíces, aportan aún gran información acerca del comportamiento del sistema y
son muy útiles para el diseño y ajuste de parámetros de control.

Existen, básicamente, tres enfoques en los métodos de análisis de estabilidad:

Análisis en el plano complejo, análisis en frecuencia y análisis en el tiempo,
aunque este último es más propio de la representación mediante variables de
estado.

Criterio de estabilidad de Routh – Hurwitz.

A finales de 1800, A. Hurwitz y J. Routh publicaron un método para el análisis de la
estabilidad de sistemas a partir de su ecuación característica. A continuación se
presenta, de forma muy resumida, este método. Dada la ecuación característica
del sistema:

Si alguno de los coeficientes no existe o es de distinto signo el sistema será

inestable. Se construye la tabla de Routh - Hurwitz según el siguiente esquema:

Los coeficientes b1, b2, b3, etc. se calculan según las expresiones siguientes:

Los coeficientes c1, c2, c3, etc. se calculan según las expresiones siguientes:

28
De la misma forma se van calculando los coeficientes de cada fila basándose
siempre en los coeficientes de las dos filas anteriores hasta llegar a la fila de s 0.

Cada cambio de signo en la primera columna, corresponde con un polo inestable.

Casos especiales:
• Cuando aparece un término cero en la primera columna, se sustituye s por
1/x en la ecuación característica y se realiza la tabla. El número de polos
inestables no varía.
• Todos los coeficientes de una fila pueden ser multiplicados o divididos por
un número positivo sin alterar el resultado.
• Cuando aparece una fila de ceros para calcular la siguiente fila se utiliza la
ecuación auxiliar formada por los coeficientes de la fila anterior para,
después de derivarla, sustituir con sus coeficientes la fila de ceros

29
Métodos de compensación en los sistemas de control.
Necesario de compensación.
1. Para obtener el rendimiento deseado del sistema, utilizamos redes de
compensación. Las redes de compensación se aplican al sistema en forma
de ajuste de la ganancia de la trayectoria de alimentación.
2. Compensar un sistema inestable para hacerlo estable.
3. Se utiliza una red de compensación para minimizar el sobregiro.
4. Estas redes de compensación aumentan la precisión del sistema en estado
estable. Un punto importante a destacar aquí es que el aumento de la
precisión de estado estacionario trae inestabilidad al sistema.
5. Las redes de compensación también introducen polos y ceros en el
sistema, lo que provoca cambios en la función de transferencia del sistema.
Debido a esto, las especificaciones de rendimiento del sistema cambian.

Métodos de compensación.
Conectando el circuito de compensación entre detector de errores y las plantas
conocidas como compensación en serie.

Compensador en serie.
Cuando un compensador utilizado de manera retroactiva llamado compensación
por retroalimentación.

30
Compensador de retroalimentación.
Una combinación de serie y compensador de retroalimentación se llama
compensación de cargas.

Compensador de carga.

Ahora, ¿qué son las redes de compensación? Una red de compensación es

aquella que hace algunos ajustes para compensar las deficiencias del sistema.
Los dispositivos de compensación pueden ser eléctricos, mecánicos, hidráulicos,
etc. La mayoría de los compensadores eléctricos son filtros RC. Las redes más
simples utilizadas para el compensador se conocen como red de plomo, red de
retardo.

31
Compensación de plomo de fase.
Un sistema que tiene un polo y un cero dominante (el cero que está más cerca del
origen que todos los demás ceros se conoce como cero dominante) se conoce
como red de plomo. Si queremos añadir un cero dominante para compensación en
el sistema de control entonces tenemos que seleccionar compensación de plomo
de la red. El requisito básico de la red de conductores de fase es que todos los
polos y ceros de la función de transferencia de la red deben estar en (-) ve eje real
entrelazados entre sí con un cero situado en el origen del origen más cercano. A
continuación se muestra el diagrama de circuito para la fase compensación de
plomo de la red.

Red de compensación de fases.

Desde el circuito de arriba tenemos,

32
Equivalente a la expresión de «yo» que tenemos,

Ahora determinemos la función de transferencia para la red dada y la función de

transferencia puede ser determinada encontrando la relación de la salida voltaje al
voltaje de entrada. Así que tomar Laplace transformar de ambos lados de las
ecuaciones anteriores,

Al sustituir el = (R1 +R2) / R2 y T = {(R)1R2) /(R1 +R2)} en la ecuación anterior.

Donde, T y son respectivamente la constante de tiempo y la constante de
atenuación, tenemos:

33
La red anterior puede ser visualizada como un amplificador con una ganancia de
1/. Dibujemos el diagrama del polo cero para la función de transferencia anterior.

Red de Compensación de Plomo del Polo Cero

Claramente tenemos que -1/T (que es un cero de la función de transferencia) está
más cerca del origen que el -1/(T) (que es el polo de la función de transferencia).
Así podemos decir que en el compensador de plomo el cero es más dominante
que el polo y debido a esta red de plomo introduce un ángulo de fase positivo en el
sistema cuando se conecta en serie.
Sustituyamos s = j en la función de transferencia anterior y también tenemos < 1.
Al encontrar la función del ángulo de fase para la función de transferencia
tenemos:

34
Ahora para encontrar poner el máximo de plomo de fase ocurre en una frecuencia
vamos a diferenciar esta función de la fase y equipararla a cero. Al resolver la
ecuación anterior obtenemos:

Dónde, m es el máximo ángulo de avance de la fase. Y la magnitud

correspondiente de la función de transferencia en el máximo es 1/a.

Efecto de la compensación de plomo de fase.

1. La constante de velocidad Kv …aumenta.
2. La pendiente del gráfico de magnitudes se reduce en la frecuencia de cruce
de la ganancia, de modo que la estabilidad relativa mejora y la disminución
del error debido al error es directamente proporcional a la pendiente.
3. El margen de la fase aumenta.
4. La respuesta se hace más rápida.

Ventajas de la compensación de fases.

Discutamos algunas de las ventajas de la compensación de plomo de fase…
1. Debido a la presencia de la red de conductores de fase, la velocidad del
sistema aumenta porque desplaza la frecuencia de cruce de la ganancia a
un valor más alto.
2. Debido a la presencia de la compensación de plomo de fase, el sobregiro
máximo del sistema disminuye.

Desventajas de la compensación de la fase principal.

Algunas de las desventajas de la compensación por desfase.
1. Error de estado estable no ha mejorado.
Compensación de desfase
35
Un sistema que tiene un cero y un polo dominante (el polo que está más cerca del
origen que todos los demás polos se conoce como polo dominante) se conoce
como red de retardo. Si queremos añadir un polo dominante para compensación
en el sistema de control entonces, tenemos que seleccionar un compensación de
retraso de la red. El requisito básico de la red de desfase es que todos los polos y
ceros de la función de transferencia de la red deben estar en (-) ve eje real
entrelazados entre sí con un polo situado o en el más cercano al origen. A
continuación se muestra el diagrama de circuito para la fase compensación de
retraso de la red.

Red de compensación de desfase.

Tendremos la salida en la combinación de series de la resistencia R2 y el
condensador C. Del diagrama de circuitos anterior, obtenemos:

Ahora determinemos la función de transferencia para la red dada y la función de

transferencia puede ser determinada encontrando la relación de la salida voltaje al
voltaje de entrada. Tomando Laplace transformar de la ecuación superior a dos
que tenemos:

36
Al sustituir el:

En la ecuación anterior (Donde, T y son respectivamente la constante de tiempo y

la ganancia de DC), tenemos:

La red anterior proporciona una ganancia de alta frecuencia de 1 / . Dibujemos el

diagrama del polo cero para la función de transferencia anterior.

37
Polo Cero de la Red Lag.
Claramente tenemos que -1/T (que es un cero de la función de transferencia) está
más lejos del origen que el -1 / (T) (que es el polo de la función de transferencia).
Por lo tanto, podemos decir que en el compensador de desfase el polo es más
dominante que el cero y debido a esta red de desfase introduce un ángulo de fase
negativo en el sistema cuando se conecta en serie. Sustituyamos s = j en la
función de transferencia anterior y también tenemos un < 1. Al encontrar la función
del ángulo de fase para la función de transferencia tenemos:

Ahora para encontrar poner el máximo desfase se produce en una frecuencia

vamos a diferenciar esta función de la fase y equipararla a cero. Al resolver la
ecuación anterior obtenemos:

Dónde, m es el máximo ángulo de avance de la fase. Recuerde que generalmente

se elige que sea mayor de 10.

38
Efecto de la compensación de desfase.
1. Aumenta la frecuencia de cruce de ganancias.
2. El ancho de banda disminuye.
3. El margen de la fase se incrementará.
4. La respuesta será más lenta antes de que, debido a la disminución del
ancho de banda, el tiempo de subida y el tiempo de asentamiento sean
mayores.

Ventajas de la compensación de desfase.

Veamos algunas de las ventajas de la compensación de desfase.
1. La red de retardo de fase permite que las bajas frecuencias y las altas
frecuencias sean atenuadas.
2. Debido a la presencia de la compensación de desfase, la precisión del
estado estable aumenta.

Desventajas de la compensación por desfase.

Algunas de las desventajas de la compensación por desfase de fase.
1. Debido a la presencia de la compensación de desfase, la velocidad del
sistema disminuye.

Compensación de desfase de fase.

Con un solo retardo o compensación de plomo puede que no se satisfagan las
especificaciones de diseño. Para un sistema inestable no compensado, la
compensación del plomo proporciona una respuesta rápida pero no proporciona
suficiente margen de fase, mientras que la compensación del desfase estabiliza el
sistema pero no proporciona suficiente ancho de banda. Así que necesitamos
múltiples compensadores en cascada. A continuación se muestra el diagrama de
circuito para la fase compensación por retraso de la red.

39
Red de Compensación de Plomo de Retraso.
Ahora determinemos la función de transferencia para la red dada y la función de
transferencia puede ser determinada encontrando la relación de la salida voltaje al
voltaje de entrada.

Al sustituir la T1 = R1C1, R2C2 = T2, R1R2C1C2 = T1T2 y T1T2 = R1R2C1C2 en

la ecuación anterior (donde T1, T2 y , son respectivamente las constantes de
tiempo y atenuación). Tenemos:

40
Dibujemos el diagrama del polo cero para la función de transferencia anterior.

Red de rezago del Polo Cero Parcela.

Claramente tenemos que -1/T (que es un cero de la función de transferencia) está
más lejos del origen que el -1/(T) (que es el polo de la función de transferencia).
Por lo tanto, podemos decir que en el compensación por retraso en el liderazgo El
polo es más dominante que el cero y debido a esta red de retardo puede introducir
un ángulo de fase positivo en el sistema cuando se conecta en serie.

Ventajas de la compensación por desfase de fases.

Discutamos algunas de las ventajas de la compensación por desfase de fase…
1. Debido a la presencia de la red de retardo de fase, la velocidad del sistema
aumenta porque desplaza la frecuencia de cruce de la ganancia a un valor
más alto.
2. Debido a la presencia de la red de retardo de fase, la precisión de la red es
mejorada.

41
Concepto del control adaptativo.
Un control adaptativo es aquel que puede modificar su comportamiento en
respuesta a cambios en la dinámica del sistema y a sus perturbaciones en línea,
esto quiere decir que se puede hacer ajustes al controlador en tiempo real, en
periodos de tiempo definidos.

El control adaptativo utiliza una serie de técnicas de adaptación que de forma

continua y automática miden las variables dinámicas de la planta, las compara con
unos parámetros deseados y mediante su diferencia se modifican las
características ajustables del controlador, generando un accionamiento que
mantiene las variables de la planta en un rango de desempeño; dichas variables
son alteradas debido a procesos con características que están cambiando en el
tiempo o con las condiciones de operación.

Las técnicas adaptativas vienen siendo utilizadas en la industria desde la década

de los 80s, sin embargo, para la época existían limitaciones tecnológicas que
hacían que éste tipo de control fuera muy costoso. Actualmente es posible
desarrollar técnicas adaptativas de muy bajo costo, con un procesamiento
matemático muy alto y rápido, dejando atrás dichas limitaciones.

Las técnicas de control adaptativo se pueden identificar en dos grupos, directas e

indirectas.

Se dice que la técnica de adaptación es indirecta si los parámetros de la planta

son estimados en línea y son usados para calcular los parámetros del controlador,
razón por la cual necesitan de una ley de adaptación, lo que puede llegar a ser
contraproducente pues en ciertas ocasiones es complicado determinar la ley de
control e incluso el estimador de parámetros.

Son directas, si el modelo de la planta es parametrizado en términos de los

parámetros del controlador que son estimados inmediatamente sin ningún cálculo
intermedio.
42
La figura 2.1 y la figura 2.2 muestran el esquema de un sistema de control
adaptativo indirecto y directo correspondientemente.

Ganancia programable (Gain Scheduling).

Ésta es una de las primeras técnicas de control adaptativo y no se considera una
técnica directa o indirecta por su estructura en bucle abierto. La figura 2.3 muestra
el diagrama de bloques de la técnica de ganancia programable.

La idea principal de esta técnica es modificar los parámetros del controlador a

partir de una tabla que se calcula previamente para los diferentes puntos de
operación en función de una variable auxiliar. El problema se encuentra que al no
existir una realimentación de la adaptación, no puede efectuarse una
compensación de los parámetros ya pre-programados en el caso de un
comportamiento incorrecto o impredecible del proceso controlado, sin embargo, su
principal ventaja es que puede seguir rápidamente los cambios en las condiciones
de operación.

43
Control Adaptativo por modelo de referencia (MRAC).
La Figura 2.4 corresponde a un sistema de control del tipo MRAC, cuyo
funcionamiento se basa en la obtención del error calculado a partir de la diferencia
del modelo de referencia y la salida de la planta. A través de una ley de adaptación
se calculan los parámetros del controlador para que la planta siga el modelo de
referencia.

Existen dos tipos de enfoque para el MRAC, el primero es conocido como

esquema de alta ganancia y el segundo como paralelo. Estos esquemas fueron
desarrollados inicialmente para los sistemas de piloto automático para aeronaves.

• Esquema de alta ganancia: El objetivo principal es que la señal de salida de

la planta siga el modelo de referencia, variando el valor de la ganancia del
lazo. La figura 2.5 muestra que el sistema está compuesto por un detector
de ciclo límite, que es el encargado de evitar que el sistema entre en la
44
 inestabilidad y un bloque de ajuste de ganancia, que es el encargado de
modificar el valor de la ganancia del sistema.
•

• Esquema en paralelo: La figura 2.4 muestra el esquema de un sistema de

control MRAC en paralelo. El objetivo es alcanzar un mínimo de error entre
la salida de la planta y el modelo de referencia para lo cual se puede
implementar un mecanismo de ajuste de parámetros como la regla del MIT3
o de mínimos cuadrados.

Control adaptativo autoajustable (STR).

La figura 2.6 es un sistema de control del tipo STR, el cual almacena las entradas
y las salidas de la planta en un vector con ventana de tamaño n. Mediante un
algoritmo se estiman los parámetros de la planta, con los cuales, se calculan los
parámetros del controlador con una ley de control.

Una gran ventaja de este método es que se adapta a cualquier caso sin importar
que la planta tenga perturbaciones, teniendo al mismo tiempo una estructura
modular facilitando su programación, de ahí como se observa en la figura anterior
45
está compuesto por un algoritmo de estimación de parámetros, un bloque de
diseño o mecanismo de adaptación y un controlador o regulador con parámetros
ajustables. Debido a su modularidad, se pueden formar muchas clases de STR
empleando diferentes métodos de diseño e identificadores.

Conceptos de estabilidad, controlabilidad y observabilidad.

- Estabilidad.
Podemos definir un sistema como estable cuando su salida está acotada. Es decir,
que su salida no es ±∞ sino un valor concreto. También podríamos definir a un
sistema estable que evoluciona de un modo similar a la variable de entrada.

Para analizar mejor la estabilidad primero hemos de hacer una distinción: sistemas
en bucle abierto y en bucle cerrado.

En un sistema en bucle abierto solo estudiaríamos nuestro proceso con el

regulador, o incluso sin él:

Pero en el bucle cerrado, estudiaríamos nuestro sistema, más la realimentación.

Lo cual complica un poco las cosas:

46
Cada uno se estudia de una forma. En el caso del bucle abierto, la estabilidad se
puede analizar mediante los polos y ceros del sistema. Como mencionamos en el
tema de la “función de transferencia directa” obteníamos un cociente de dos
polinomios. El valor de Z para el cual el numerador de la función de transferencia
directa vale cero, son los ceros. Por contra, el valor de Z para el cual el
denominador de la función de transferencia directa es cero, son los polos.

- Controlabilidad.
Un sistema de control es de «estado completamente controlable», si es posible
transferir el sistema desde un estado inicial arbitrario a cualquier otro estado
deseado en un intervalo de tiempo finito.

Si se tiene un sistema dado por:

47
La variación del estado solo depende de las matrices A y B, asi que expandiendo
el estado hasta n, tenemos que:

La expresión anterior se puede escribir en la forma:

Si conocemos el estado final x(n) y el estado inicial x(0) la ecuación se puede

reescribir como:

El vector de estados x(k) tiene una dimensión de n, de esta forma implica que se
deben generar n ecuaciones simultaneas, y para ello la matriz.

48
Debe ser igual a n, o sea debe tener rango completo para afirmar que el sistema
es controlable.

49
- Observabilidad.
El concepto de observabilidad de un sistema se relaciona con la posibilidad de
obtener el estado de un sistema a partir de la medición o el conocimiento de las
entradas y de las salidas del mismo.

Partiendo de la representación de estados discretos.

Se dice que el sistema es complemente observable si cualquier estado inicial

puede determinarse a partir de la observación de y(n) en n períodos de muestreo
como máximo.

Para eso se asume que u(k)=0

Si variamos k desde cero hasta n:

50
De forma matricial las ecuaciones anteriores son representadas por:

El vector de salida tiene n elementos por lo tanto, se deben generar n ecuaciones

simultáneas, esta condición solo es posible si:

Una condición suficiente y necesaria para la observabilidad completa del estado

es que no se presente cancelación de ceros y polos en la función de transferencia
de pulso.

Método y concepto de inteligencia artificial.

Las técnicas de inteligencia artificial hacen referencia a diferentes campos de
investigación y de desarrollo de aplicación de la inteligencia artificial.

51
La IA es el tipo de inteligencia que muestra los distintos artefactos creados por los
humanos, normalmente referido a los sistemas informáticos. Pero también hace
referencia al ámbito de la investigación científica en la intención de crear entornos
que hagan uso de dicha inteligencia.

Se pretende que la IA se acerque al funcionamiento de la mente humana. Y se

recurre a ella cuando se considera útil incorporar a un sistema de ordenadores un
conocimiento o comportamiento ante los eventos que serían más propios de un
ser humano.

15 técnicas de inteligencia artificial

Los campos de aplicación de la inteligencia artificial en las empresas son muchos,
y algunos están orientados a satisfacer necesidades muy distintas.

1. Machine learning o aprendizaje automático

El Machine Learning es la rama de la ciencia que busca el desarrollo de técnicas
de inteligencia artificial que permitan a los ordenadores aprender por sí mismos.
Para ello se crean programas que pueden generalizar ciertas respuestas a partir
de información sin estructurar, que se suministra como ejemplos. Con ello, se
induce al conocimiento por parte del ordenador.

2. Fuzzy logic o lógica difusa

Conocida como lógica heurística. Esta técnica incide en lo relativo de un escenario
observado como posición diferencial. Es un tipo de lógica que toma dos valores al
azar, contextualizados y relacionados entre sí. Por ejemplo, considerar una
persona de 2 metros como alta al haber tomado antes el valor de una persona de
un metro como baja.

52
 3. Vida artificial
Consiste en el estudio de la vida y de los entornos artificiales que muestran
cualidades propias de los seres vivos en entornos de simulación. Una de las
técnicas de inteligencia artificial con más proyección de futuro en el ámbito de la
investigación.

4. Sistemas expertos
Hace referencia a un sistema de información que se basa en el conocimiento de
un área de aplicación de gran complejidad y muy específica. Sirve como asistente
consultor y experto para los usuarios de su interfaz.

Son entornos que proporcionan respuestas sobre problemáticas muy específicas,

pudiendo realizar inferencias muy parecidas a las de un ser humano acerca de los
conocimientos concretos consultados.

5. Data Mining o minería de datos

Esta técnica consiste en la extracción discriminada de información que se
encuentra implícita en los datos manejados. Dicha información, desconocida
previamente, se destina a ser utilizada en algún otro proceso. La minería de datos
sondea, prepara y explora los datos para poder extraer alguna información que se
oculte en ellos.

6. Redes Bayesianas
También conocidas como redes de creencia, estas redes son un modelo
probabilístico multivariado, que relaciona un conjunto de variables de tipo aleatorio
usando un grafo dirigido para indicar una influencia casual de manera explícita.

Con un motor de actualización de las probabilidades llamado el Teorema de

Bayes, estas redes se convierten en una herramienta muy útil a la hora de calcular
probabilidades en casos de nuevas evidencias. Es uno de los tipos de red que se
denominan de tipo casual.
7. Ingeniería del conocimiento
53
Consiste en generar un nuevo conocimiento que no existía previamente. Se hace
a partir de la información que se contiene en bases de datos de documentos y
mediante el cruce de contenido de los archivos.

Es una técnica que se basa en la teoría de «actor-red», poniendo de manifiesto

redes y creando nuevas. También implica el ejercicio de la teoría de la
«traducción-traslación», acercando y poniendo en relación los actores, con el
objetivo de producir una traducción en la que llevar los enunciados o modalidades
hacia nuevos estadios evolutivos.

8. Redes neuronales artificiales

Estas redes son un paradigma del aprendizaje y los procesamientos automáticos,
inspirado todo ello en el modo en que funciona el sistema nervioso de los
animales. Consiste en un sistema de interconexión de neuronas en una red que
colaboran entre ellas para crear una respuesta de salida.

9. Sistemas reactivos
Estos son sistemas de aplicación crítica, y un fallo o error puede acarrear
consecuencias graves. Al punto de poner en riesgo las vidas humanas o el
resultado de importantes inversiones económicas. Su comportamiento en estos
entornos, de tiempo real, se determina tanto por la sucesión de acciones que se
ejecutan como por el momento en que cada una de ellas se sucede y son
procesadas.

10. Sistemas basados en reglas

Consisten en modelos de representación del conocimiento que se usan de manera
amplia. Son apropiados para escenarios en los que el conocimiento que se
necesita representar surge de manera natural en una estructura de reglas.

54
 11. Razonamiento basado en casos
Es un proceso para solucionar cuestiones basándose en soluciones de
problemáticas anteriores. El razonamiento que se basa en casos se sirve de
analogías para los nuevos razonamientos. Se considera que no solo es una
poderosa herramienta de cálculo para ordenadores. Sino que los seres humanos
usan el mismo principio para la solución de problemas cotidianos.

12. Técnicas de Representación de Conocimiento

Es un sistema que sirve para analizar el modo de pensar de manera formal. Se
usa un entorno de símbolos para la representación de un dominio de discurso,
junto a las funciones que puedan inferir sobre los objetos procesados.

13. Redes semánticas

Son maneras de representación del conocimiento lingüístico para las que los
conceptos y las interrelaciones entre ellos se representan mediante grafos. Son
utilizadas para la representación de mapas conceptuales y mentales, entre otras
funciones.

14. Lingüística computacional

Es un campo multidisciplinar de la lingüística aplicada en la informática. Se sirve
de los sistemas informáticos para el estudio y el tratamiento del lenguaje. Para
ello, se intenta modelar de manera lógica el lenguaje natural desde un punto de
vista programable.

15. Procesamiento del lenguaje natural

Es una disciplina de la rama de la ingeniería para la lingüística computacional. Se
utiliza para la formulación e investigación de mecanismos de eficacia informática
para servicios de comunicación entre las personas o entre ellas y las máquinas
usando lenguajes naturales.

Los campos de desarrollo e investigación de la inteligencia artificial sirven para el

desarrollo de nuevos mecanismos y aplicaciones que permitan diseñar nuevos
55
métodos de trabajar y comunicar con las máquinas y los entornos informáticos. Y
ya son muchas las empresas punteras que utilizan el big data y la inteligencia
empresarial, convirtiendo en realidad lo que hasta hace muy poco formaba parte
de la ficción.

56
Ejercicios.

Ejercicio 1.
Para el siguiente sistema:
G
( ¿ s ¿)
¿
k
2
s ( s + 1 )(s + 4 s + 13 )
;
H
( ¿ s ¿)
¿
1

a. Bosqueje con todos los detalles posibles el lugar geométricos de las raíces
cuando 0 < k < ∞

Si dos de sus raíces están ubicadas en -0.3 ± j, entonces:

b. ¿Cuál es el valor de k que ubica las raíces en lazo cerrado en ese lugar?
c. Para ese valor de k, ¿Dónde se encuentran las otras raíces?
d. ¿Existe dominancia de segundo orden?, justifique su afirmación.

Polos:

Calculo el N y r:

57
Puntos de dispersión:
1.- Cuando s = σ

Los otros 2 resultados son complejos, no aplican

Intersección con el eje imaginario:

2. Cuando s = jω:

Parte real:

Parte imaginaria:

Resolvemos:

58
Kcrit:

Hallar la estabilidad, aplicamos Routh-Hurwitz:

Ec. Aux:

Se concluye que el kcrit = 37.44 y la intersección con el eje imaginario de la

gráfica coincide en s = ± 1.261245.
Solo faltaría calcular los ángulos de salida de los polos conjugados

59
Por simetría vamos a tener que:

b. Se lo prueba por criterio de magnitud:

c. Hallando las raíces del polinomio q:

60
Solución: -2.1902 ± j2.8958

e. ¿Dominancia de segundo orden? Si, ya que 2.1902 > 5(0.3098)

Ejercicio 2.
El sistema con realimentación unitaria y controlador PI es:

a. Grafique el LGR asignado al cero del controlador un valor inicial entre 2 < z < 5

Para el valor que asuma evalué los puntos de interés en el gráfico de la trayectoria
de las raíces.

b.Encuentre el valor de k y z del controlador de tal manera que dos de sus raíces
en lazo cerrado proporcionan un tiempo de estabilización de 2 seg. Y una
constante de amortiguación de 0.7 (dominancia de segundo orden).

Acomodando:

61
Polos: 0, -2, -5
Ceros: -z
Asíntotas:

Ángulos:

Centroide:

Como:

Vemos que a medida que el cero tiende a -5, el centroide tiende a -1, lo mismo
cuando el cero tiende a -2, el centroide tiende a -2.5.

Región:

Puntos de dispersión:
Cuando s = σ

62
Cuando z  2

Cuando z  5

Para saber los valores factibles, debemos hacer una gráfica de las regiones
cuando el cero tiene tendencia hacia uno de los polos -2 y -6.

Cuando z  2:

Vemos que tiende a cancelarse con el polo en -2, el punto de dispersión tiende a
ser -2.5 ya que es el punto medio entre -5 y 0.

Cuando z  5:

También sería lo mismo, tiende a cancelar el polo ubicado en -5 y la región seria

entre -2 y 0 con un punto de dispersión que tiende a -1.

Se da un rango de valores para σ0

-2.5 < σ0 < -1
2<z<5

63
Para el análisis de estabilidad vemos que:
-2.5 < σ0 < -1
Y además:
-2.5 < σ0 < -1
2<z<5

El sistema es estable para cualquier variación de ganancia, siempre y cuando

cumpla la condición de que k sea positivo y el polo este entre 2 y 5.

Como el sistema es estable, no va a tener puntos de cruce por el eje jω, no es

necesario calcularlo-

Para la gráfica se elegirá un z = 3.

b.

Como:

64
Tenemos:

Comparado:

Entonces:
3
s
+ ¿ 7
2
s
+ ¿ 12.1633
s
+ ¿ 24.4898

O también:
( ¿ s ¿ + ¿ 5.61 ¿ )
( ¿ s ¿ + ¿ 0.695 ¿ + ¿ j ¿ 1.97 ¿ )
( ¿ s ¿ + ¿ 0.69 5 ¿− ¿ j ¿ 1.97 ¿ )

Como:

¿Dominancia de 2do orden?:

Ejercicio 3.
Considere el sistema de la figura.

Trace la gráfica del lugar geométrico de las raíces y determine el valor de k tal que
el factor de amortiguamiento relativo ζ de los polos dominantes complejos
conjugados en lazo cerrado sea 0.6.

65
Para el sistema determinado, la condición de ángulo se convierte en:

La condición de magnitud es:

1. Inicio y final de las trayectorias: Las trayectorias del LGR empiezan en los
polos de lazo abierto (0, -1 y -2) con K = 0, y terminan, una en ( -5) y dos en
el infinito con K = ∞
2. Trayectorias sobre el eje real: Las trayectorias del LGR sobre el eje real
existen entre los polos (0 y -1) y de (-2 a -5).
3. Ubicación de los ceros infinitos: La cantidad de trayectorias del LGR que
tienden a infinito son 2, ya que solo existe un cero finito.

4. Puntos de quiebre o de ruptura . Como existe lugar de las raíces entre dos
polos (0 y -1), entonces existe un punto de quiebre.

De la ecuación característica despejamos K:

66
Derivando K respecto a s e igualando a ceros:

Resolviendo:

Como el punto de ruptura debe estar entre (0 y -1) entonces el punto seria:

5. Ganancia de quiebre (¿K¿q¿): Utilizando el punto de quiebre calculamos la

ganancia de quiebre con la condición de magnitud.

6. Ganancia Critica (¿ K¿c¿): Se obtiene aplicando el criterio de Routh-Hurwitz en

la ecuación característica

La ecuación característica es:

3
s
+ ¿ 3
2
s
+ ¿ ( ¿ 2¿ + ¿ K ¿)
s
+ ¿ 5
K
¿
0

La tabla de Routh es:

La ganancia critica se obtiene de:

67
 7. El punto crítico se obtiene del polinomio auxiliar:

Para determinar la ganancia K que permite tener una respuesta con relación de
amortiguamiento ζ = 0.6.

Primero se determina el punto s, que este sobre el LGR y que este sobre la recta
de relación de amortiguamiento ζ = 0.6.

Se determinan los puntos que estén sobre la recta de ζ = 0.6

Con esta ecuación de la recta se propone un valor en x y se determina el valor en

y.
El punto debe de cumplir la condición de ángulo para que este sobre el LGR.

68
El punto que cumple con las dos condiciones es s = -0.398 + 0.532j.
Aplicando la condición de magnitud:

La ganancia que me permite tener una respuesta con una relación de

amortiguamiento ζ=0.6 es:

Ejercicio 4.
Para el sistema cuya función transferencia directa, con realimentación unitaria, es:

Representar el lugar de las raíces. Calcular el controlador proporcional para que la

respuesta del sistema equivalente reducido de segundo orden tenga un sobre
impulso del 25%. Comentar el éxito de las especificaciones.

69
70
71
72
Ejercicio 5.
Considere el sistema de la figura:

1. Inicio y final de la trayectorias: Las trayectorias del LGR empiezan en los

polos de lazo abierto (0, -2 -2j y -2+2j) con K = 0, y terminan, en el infinito
con K = ∞.
2. Trayectorias sobre el eje real: Las trayectorias del LGR sobre el eje real
existen entre 0 y -∞.
3. Ubicación de los ceros infinitos: La cantidad de trayectorias del LGR que
tienden a infinito son 3, ya que no existen ceros finitos.

73
4. Puntos de quiebre o de ruptura (¿ S ¿ ): No existe punto de quiebre.
q

5. Ganancia de quiebre (¿ K ¿ ): No existe ganancia de quiebre.}

q

6. Ganancia Crítica (¿ K c ¿ ): Se obtiene aplicando el criterio de Routh - Hurwitz en

la ecuación característica.

7. El punto crítico se obtiene del polinomio auxiliar

8. Calculo del ángulo de salida (o ángulo de llegada) de un trayectoria a partir

de un polo complejo (un cero complejo).

74
Ejercicio 6.

75
76
Ejercicio 7.

77
78
Ejercicio 8.

79
80
81
Ejercicio 9.

82
83
84
Referencias bibliográficas.

C, S. (2021, 24 noviembre). Variables de Estado – Espacio de Estados – Control. Control

Automático Educación. https://controlautomaticoeducacion.com/sistemas-

dinamicos-lineales/variables-de-estado-espacio-de-estados/

Llata García, J. R., González Sarabia, E., Fernández Pérez, D., Torre Ferrero, C. & Robla

Gómez, M. S. (s. f.). Automática - Capítulo 5. Estabilidad. Universidad de

Cantabria.

https://ocw.unican.es/pluginfile.php/763/course/section/813/capitulo_5.pdf

Mago Ramos, M. G., Olaya Flórez, J. J., Vallés Defendine, L. & Palomino Naranjo, C.

(2016, diciembre). Aplicación del modelo de control en espacios de estado a partir

de las pérdidas totales obtenidas del porcentaje de carbono de la chapa de acero al

silicio. SciELO. http://www.scielo.org.co/pdf/itec/v13n2/v13n2a03.pdf

Barragán Piña, A. J. (2008, 18 mayo). Estabilidad de los sistemas de control lineales.

Tutoría Virtual de A. Javier Barragán Piña.

http://uhu.es/antonio.barragan/content/estabilidad-sistemas-control-lineales

Electrónica Fácil. (2020, 25 abril). Compensación en el sistema de control | Compensación

de retraso. Electrónica Fácil Top. https://www.electronicafacil.top/ingenieria-

control/compensacion-en-el-sistema-de-control-compensacion-de-retraso/

85
Gómez Martínez, J. A. & Mendoza Avedaño, G. (2009). APLICACIÓN DEL CONTROL

ADAPTATIVO A PROCESOS INDUSTRIALES TIPO SISO.

https://repository.upb.edu.co/bitstream/handle/20.500.11912/433/digital_17521.pdf?

sequence=1#:~:text=Un%20control%20adaptativo%20es%20aquel,en%20periodos

%20de%20tiempo%20definidos.

Castaño Giraldo, S. A. (2021, 7 enero). CONTROLABILIDAD Y OBSERVABILIDAD.

Control Automático Educación. https://controlautomaticoeducacion.com/sistemas-

dinamicos-lineales/controlabilidad-y-observabilidad/

Estabilidad. (s. f.). Universiatat de Valencia.

https://www.uv.es/masefor/PAGINAS/estabilidad.html

Redacción APD. (2021, 7 enero). Técnicas de inteligencia artificial: ¿cuáles son y para

qué se usan? APD España. https://www.apd.es/tecnicas-de-la-inteligencia-artificial-

cuales-son-y-para-que-se-utilizan/

carakenio73. (2018, 15 marzo). Estabilidad de un sistema de control. dademuchconnection.

https://dademuch.com/2018/03/15/estabilidad-de-un-sistema-de-control/

Gaibor, E. (2014, 4 junio). RESPUESTA EN FRECUENCIA EN SISTEMAS DE CONTROL.

Academia.edu.

https://www.academia.edu/5419831/RESPUESTA_EN_FRECUENCIA_EN_SISTE

MAS_DE_CONTROL

86
Ingeniería de Control. (2020, 15 abril). Tipos de sistemas de control | Sistema de control

lineal y no lineal. Electrónica Fácil Top. https://www.electronicafacil.top/ingenieria-

control/tipos-de-sistemas-de-control-sistema-de-control-lineal-y-no-lineal/

Alberto Perez, M., Perez Hidalgo, A. & Perez Berenguer, E. (2009). INTRODUCCION A

LOS SISTEMAS DE CONTROL Y MODELO MATEMÁTICO PARA SISTEMAS

LINEALES INVARIANTES EN EL TIEMPO.”. Universidad Nacional de San Juan.

http://dea.unsj.edu.ar/control1b/teoria/unidad1y2.pdf

87