Integrantes:

Narvis Camacho
Reimer Bolivar
Andres Marquez
Variable de estado:
Es una cantidad de variables que describe completamente el estado actual de un sistema
dinámico

Figura 1

Figura 2
 Observabilidad

Observador de Estado

Observador general Observador general con realimentación

Sea el sistema definido mediante
(1.1)

(1.2)
(1.3)

Observador de estado de orden completo

(1.4)

Se define la diferencia entre x y x ̃ como el vector de

error e, o bien

Entonces, la Ecuación (1.4) se convierte en

(1.5)
El problema de diseñar un observador de orden completo está en determinar la matriz de ganancias del observador
Ke de forma que la dinámica de error definida mediante la Ecuación (1.5) sea asintóticamente estable con una
velocidad de respuesta suficiente.

(La estabilidad asintótica y la velocidad de respuesta de la dinámica de error se determinan mediante los valores
característicos de la matriz A.KeC.) Por tanto, el diseño del observador de orden completo se convierte en
determinar un Ke apropiado tal que A .KeC tenga los valores propios deseados.

Considérese el sistema definido mediante

Al diseñar el observador de estado de orden completo, se resuelve el problema dual, es decir, se

obtiene la solución del problema de asignación de polos para el sistema dual

suponiendo que la señal de control v es

Considerando que los valores característicos de A* - C*K y los de A - K*C son iguales, se
tiene que

Si se compara el polinomio característico |sI - (A - K*C)| y el polinomio característico |sI - (A - KeC)|

para el sistema observador se encuentra que Ke y K* están relacionadas mediante

Por tanto, si se utiliza la matriz K determinada mediante el método de asignación de polos en el

sistema dual, la matriz de ganancias del observador Ke para el sistema original se determina a
partir de la relación Ke = K*.
 Condición necesaria y suficiente para la observación del estado. Como ya se analizó, una condición necesaria y
suficiente para la determinación de la matriz de ganancias del observador Ke para los valores propios deseados de
A - KeC es que el dual del sistema original

sea de estado completamente controlable. La condición de controlabilidad completa del estado para este sistema
dual es que el rango de

sea n.
la ecuación para el observador de estado de orden completo es
Observador de Luenberger
El observador de Luenberger permite estimar el estado interno de un sistema dinámico lineal
utilizando una aproximación basada en un sistema clon y correcciones de entrada.

Esquema de realimentación lineal de salida para un sistema no lineal, utilizando un observador dinámico de estado
Convergencia
Tomaremos como nuestro observador de estados, o reconstructor, al sistema dinámico lineal
dado por
(4.1)

donde la matriz Φ y los vectores Γ y L serán determinados en lo sucesivo, de tal manera que sea posible
obtener un estimador asintótico de los estados del sistema lineal.

(4.2)

con valor inicial Puesto que el valor inicial del estado verdadero
es desconocido, no podemos hacer suposición alguna acerca del valor inicial del error de estimación. En
general tendremos que suponer que tal error inicial es diferente de cero pero no podremos dar
calificaciones adicionales sobre la magnitud de esta cantidad vectorial.

(4.3)
La dinámica del error de observación (4.3) no debe depender ni de los valores de las acciones de control ni de los
valores correspondientes que éstas producen en los estados del sistema.

Si hemos de manipular uδ para lograr, digamos, la estabilización del sistema linealizado hacia el origen de coordenadas,
no parece lógico que el error de observación dependiera de cuan grandes o pequeñas deban ser tales acciones de control.
El mismo razonamiento nos conduce a concluir que es igualmente inconveniente que el error de estimación dependa de
los valores que va tomando el vector de estado en su camino hacia la estabilización, pues la existencia de sus transientes
alejaría, aún más, el valor del estado estimado del real, actuando como perturbaciones en la dinámica
del error. En consecuencia, debemos anular, con una escogencia apropiada de las matrices y vectores Φ, Γ y L, la
influencia de los estados y controles del sistema original linealizado.

De la ecuación (4.3) es fácil inferir que se requiere entonces que

(4.4)
Lo cual hace que el error de observación evolucione de acuerdo con la dinámica lineal y autónoma dada por:
(4.5)

De esta forma, el error de estimación eδ solo dependerá de si mismo y, en particular, de su valor inicial.
La solución de la ecuación diferencial lineal vectorial de primer orden, la cual representa al vector de error de
estimación, estaría dada aún en términos del vector columna desconocido L mediante la siguiente expresión:

En virtud del resultado anterior, estamos en capacidad de predecir el comportamiento cualitativo de eδ, el cual depende
principalmente de la naturaleza de los autovalores de la matriz Φ = A − LC.
Nuestro objetivo será entonces el de imponer, sobre la dinámica autonoma del error de estimación, un comportamiento
asintóticamente estable a cero a través de la escogencia juiciosa del vector L. Es decir, debemos escoger L de tal
manera que los autovalores de A − LC se encuentren en el semiplano izquierdo del plano complejo.

Al hacer esto se garantiza, finalmente, que el valor del estado estimado converge, efectivamente, de manera asintótica
al valor del estado verdadero del sistema linealizado.
el mismo. A partir de (4.2) y (4.4), tenemos

(4.6)
Si hacemos

Es decir, si damos el nombre de salida estimada al valor que produce el estado estimado cuando es afectado
por el mapa de salida C, entonces podemos reescribir las ecuaciones del observador (4.6)

(4.7)

El observador (4.7) puede representarse entonces mediante el diagrama de bloques mostrado en la

Figura.
 Separabilidad
Utilizando ahora el modelo linealizado en reemplazo de la parte incremental del modelo no lineal de la
Figura.
Las ecuaciones del sistema en lazo cerrado resultante están dadas por:

(4.12)
El sistema de ecuaciones (4.12) lo podemos reescribir en una sola ecuación vectorial de estado aumentado o estado
compuesto de la planta y del observador, de la manera siguiente

(4.13)
Es difícil ver el efecto de los vectores (o matrices) de diseño K y L en la ecuación lineal (4.13) pues los autovalores de
la matriz ampliada en lazo cerrado no son fáciles de discernir.

Para resolver este problema, aprovecharemos el hecho de que dos matrices similares, es decir, aquellas que se
relacionan mediante una transformación similar, tienen los mismos autovalores.

(4.14)
El sistema transformado a partir de (4.14) resulta entonces:

(4.15)
Observador de Orden Reducido

Supóngase que el vector de estado x es un vector de dimensión n y que el vector de salida y es un vector de dimensión
m medible. Como las m variables de salida son combinaciones lineales de las variables de estado, no necesitan
estimarse m variables de estado, sino sólo n .m variables de estado. Así, el observador de orden reducido se vuelve un
observador de (n .m)-ésimo orden. Tal observador de (n . m)-ésimo orden es el observador de orden mínimo. La Figura
siguiente muestra el diagrama de bloques de un sistema con un observador de orden mínimo.

Sin embargo, es importante considerar que, si la medida de las variables de salida contiene ruido significativo y es
relativamente imprecisa, el uso del observador de orden completo puede dar un mejor comportamiento del sistema.

Para presentar la idea básica del observador de orden mínimo, sin complicaciones matemáticas innecesarias, se
expondrá el caso en el que la salida es un escalar (es decir, m =1) y se derivará la ecuación de estado para el observador
de orden mínimo.
Sea el sistema:
(4.2)

(4.21)

donde el vector de estado x se particiona en dos partes (un escalar) y [un vector de dimensión (n . 1)]. Aquí la
variable de estado es igual a la salida y de modo que se mide directamente, y es la parte no medible del vector de
estado. De esta forma, el estado particionado y las ecuaciones de salida son

(4.23) (4.24)

Donde:
A partir de la Ecuación (4.23), la ecuación para la parte medida del estado es

O bien
(4.25)

Los términos del miembro izquierdo de la Ecuación (4.25) se pueden medir. La Ecuación (4.25) funciona como la
ecuación de salida. A1 diseñar el observador de orden mínimo, se considera que el lado izquierdo de la Ecuación
(4.25) contiene cantidades conocidas. Por tanto, la ecuación (4.25) relaciona las cantidades medibles y no medibles
del estado.

A partir de la Ecuación (4.23), la ecuación de la parte no medida del estado es

(4.26)

Si se considera que los términos son cantidades conocidas, la Ecuación (4.26) describe la dinámica de la
parte no medida del estado.

A continuación se presentará un método para diseñar un observador de orden mínimo. El procedimiento de diseño se
simplifica si se utiliza la técnica de diseño desarrollada para el observador de estado de orden completo.
Compárese la ecuación de estado para el observador de orden completo con la del observador de orden
mínimo. La ecuación de estado para el observador de orden completo es

y la «ecuación de estado» para el observador de orden mínimo es

La ecuación de salida para el observador de orden completo es

y la «ecuación de salida» para el observador de orden mínimo es

El diseño del observador de orden mínimo se realiza del modo siguiente. Primero, obsérvese que la
ecuación del observador para el observador de orden completo se obtuvo a partir de la Ecuación:
(4.27)

Así, sustituyendo en la ecuación (4.27)

(4.28)
donde la matriz de ganancias del observador de estado Ke es una matriz de (n - 1) x 1. En la ecuación (4.28), obsérvese
que para estimar se necesita la derivada de . Esto presenta una dificultad, porque la diferenciación amplifica el
ruido. Si (= y) tiene ruido, el uso de a no es aceptable. Para evitar esta dificultad, se elimina a de la forma
siguiente. En primer lugar se reescribe la Ecuación (4.28) como

(4.29)

Se define

y (4.30)

Entonces, la Ecuación (4.29) se hace

(4.31)
Se define

Entonces, la Ecuación (4.31) es

(4.32)

La Ecuación (4.32), junto con la Ecuación (4.30), definen el observador de orden mínimo como

donde 0 es un vector fila consistente en (n - 1) ceros, si se define

entonces se puede escribir x̃ en términos de ñ e y como sigue:
(4.33)

Esta ecuación da la transformación de ñ a x̃.

basado en las Ecuaciones (4.20), (4.21), (4.32), (4.33) y u = -Kx̃.

A continuación se obtendrá la ecuación del error del observador. Utilizando la Ecuación (4.25), la
Ecuación (4.28) se modifica a

(4.34)

Sistema con realimentación de estado observado donde el observador es el observador de orden mínimo.
Restando la Ecuación (4.34) de la Ecuación (4.26), se obtiene

(4.35)

Se define

Así, la Ecuación (4.35) se hace

(4.36)

Esta es la ecuación del error para el observador de orden mínimo. Obsérvese que e es un vector
de dimensión (n - 1).
La dinámica del error se puede escoger como se desee siguiendo la técnica desarrollada para
el observador de orden completo, siempre y cuando el rango de la matriz

sea n - 1. (Esta es la condición de observabilidad completa aplicable al observador de orden mínimo.)

La ecuación característica para el observador de orden mínimo se obtiene a partir de la Ecuación (4.36) del
modo siguiente:

(4.37)

donde son valores propios deseados para el observador de orden mínimo. La matriz de
ganancias del observador Ke se determina seleccionando primero los valores propios deseados para el
observador de orden mínimo [es decir, colocando las raíces de la ecuación característica, Ecuación (4.37),
en las posiciones deseadas] y después empleando el procedimiento desarrollado para el observador de
orden completo con las modificaciones adecuadas.

Por ejemplo, si se va a usar la fórmula para determinar la matriz Ke obtenida mediante

debe modificarse a

(4.38)
donde Ke es una matriz de (n - 1) x 1 y

Obsérvese que son coeficientes en la ecuación característica para la ecuación de estado

También, si se va a usar la fórmula de Ackermann dada por la Ecuación

debe modificarse a

Donde
Observador de Orden Completo Vs Observador de Orden Mínimo

Observador de orden completo Observador de orden mínimo

Ecuación de estado
Ecuación de salida Tabla 1

1. Para realizar el diseño del observador

de orden mínimo se debe realizar los
siguientes pasos. Primero, obsérvese
que la ecuación del observador para el
observador de orden completo se
obtuvo a partir de la Ecuación a
continuación:

2. Se debe realizar la sustitución en la

ecuación anterior según la tabla 2
Generando como resultado la siguiente
ecuación: Tabla 2
Observador de Orden Completo Vs Observador de Orden Mínimo

1. Complejidad del Modelo:

Orden Completo: Un observador de orden completo requiere conocer el modelo completo del sistema, lo que implica un
mayor número de estados a estimar.
Orden Reducido: En contraste, un observador de orden reducido simplifica el modelo al reducir la cantidad de estados a
estimar, lo que puede facilitar su implementación
2. Precisión de la Estimación
Orden Completo: Debido a que considera todos los estados del sistema, un observador de orden completo tiende a
proporcionar estimaciones más precisas de los estados internos.
Orden Reducido: Aunque menos precisa en comparación, un observador de orden reducido puede ser suficiente para
muchos sistemas donde la precisión absoluta no es crítica y se prioriza la simplicidad.
3. Requisitos Computacionales:
Orden Completo: Por lo general, los observadores de orden completo requieren más cálculos y recursos computacionales
debido a la complejidad del modelo.
Orden Reducido: Los observadores de orden reducido son menos exigentes computacionalmente al tener modelos más
simples, lo que puede ser beneficioso para sistemas en tiempo real
Un observador de orden completo tiende a ser más preciso debido a su capacidad para estimar todos los estados del
sistema, sin embargo, en situaciones donde la complejidad computacional es un factor crítico o la precisión absoluta no es
imprescindible, un observador de orden reducido puede ser preferible por su simplicidad y eficiencia en términos de
cálculo.
En resumen, el observador de orden completo proporciona una estimación más precisa pero a expensas de mayor
complejidad, mientras que el observador de orden reducido simplifica el cálculo pero puede ser menos preciso, la elección
entre un observador u otro, dependerá de las necesidades específicas del sistema y los recursos disponibles.
 Ejercicio de Observador de Orden Reducido
Considérese el sistema constituido por dos tanques, de formas diferentes, tales como los que se
muestran en la Figura y en los cuales se vierte un cierto líquido.

Donde
x2 = X

(4.4)

(4.41)

Linealizando:

(4.42)
(4.43)

(4.44)

(4.45)
 (4.46)

(4.47)

No existe, entonces, problema alguno en proponer un valor de la ganancia L1 de tal forma que el error de
estimación sea asintóticamente estable a cero. De hecho, cualquier valor positivo
de tal ganancia lo lograría. Sin embargo, este estimador aún requiere del cálculo de la derivada temporal
de la altura incremental en el segundo tanque (recordemos que

Note que sustituyendo en la ecuación diferencial (4.48), tenemos

O el equivalente

(4.49)

(4.50)

Lo cual reescribimos:

(4.51)

(4.52)
 Observador de orden reducido caso general

De acuerdo con estas dimensiones tenemos:

Por lo tanto, el vector de estado incremental lo representamos mediante:

Esquema de control realimentado lineal de la salida para un sistema de tanques mediante el uso de un observador de orden
reducido
Podemos, entonces, particionar las matrices que intervienen en el sistema linealizado y reescribir
estas ecuaciones de estado incremental como:

(4.60)

Donde . La ecuación vectorial de salida

representada por el subvector de estados conocidos:

(4.61)

Reescribamos las ecuaciones de estado linealizadas (4.38) en función de las variables conocidas (asumiremos como
antes que y ̇δ es medible):

Puesto que yδ y uδ son conocidas, es concebible que también podamos conocer como señal del tiempo al vector n1
dimensional dado por la segunda ecuación anterior. Designemos a este vector como y2δ:

(4.62)
El problema de estimación de x2δ puede verse como el problema de reconstruir el estado del subsistema dado por:

donde el vector v1δ = A21x1δ +B2uδ es completamente conocido, al igual que la señal y2δ.

La reconstrucción del estado incremental desconocido x2δ, con error de estimación asintóticamente estable a cero, es
factible si el par (A22, A12) es observable o, en su defecto, simplemente detectable.

Teorema 4.1: Un sistema lineal z ̇ = Az, y = Cz es observable (es decir, el par (A, C) es observable) si, y solamente si,
el único vector η para el cual se cumple que

es para η = 0.
Prueba: Supongamos, por un momento, que el sistema lineal dado es inobservable. Entonces, existe una
transformación del vector de estado z que exhibe tal inobservabilidad. Tal transformación lleva al sistema a su forma
canónica inobservable de Kalman:
Puesto que la exponencial matricial de este sistema está dada por:

entonces es claro que existen vectores η distintos de cero que hacen cero el siguiente producto:

pues para ello bastaría con tomar vectores η de la forma

A partir del teorema anterior, si el sistema dado por

es observable (resp. detectable), entonces el subsistema

también es observable (resp. detectable).

Regresemos al problema planteado, cual era reconstruir el vector de es-
tado del sistema:

(4.63*)

Un observador para este sistema se obtiene simplemente como:

El error de estimación está dado entonces por:

Estructura de un observador dinámico de orden reducido

Reescribimos, como antes, la ecuación obtenida del observador de la manera siguiente:

es decir:

(4.64)

Si hacemos

(4.65)

Entonces obtenemos

(4.66)
Estructura de control por realimentación lineal de la salida, a base de un observador dinámico de orden reducido
El vector de estado x(t) es de dimensión n y la salida y(t) es un escalar medible que se expresa como una
combinación lineal de las variables de estado (y(t)=Cx(t)). Por lo que no necesitan estimarse las n
variables de estado, sino sólo n-1. Así, el observador de orden reducido se vuelve un observador de (n-1)-
ésimo orden

Escriba aquí la ecuación.

Verificación del sistema de orden mínimo sin realimentación
en Matlab