Scribd
Cargar
9 vistas8 páginas

Taller 3 CXC

Cargado por

OBRE
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOC, PDF, TXT o lee en línea desde Scribd
9 vistas8 páginas

Taller 3 CXC

Cargado por

OBRE
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOC, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 8

1.

Diseñe un esquema de control basado en representación de estado tal que la planta


(Proceso) responda en lazo cerrado con las siguientes especificaciones:

Tome Los polos no dominantes en cero.

Función transferencia de la planta en tiempo continuo:

%planta en continuo:
num=[1];
den=[1 4 5 2];
Gps=tf(num,den);
Transfer function:
1
---------------------
s^3 + 4 s^2 + 5 s + 2

%representacion de estados del sistema:


Gss1=ss(Gps);
%lazo cerrado:
Gss=feedback(Gss1,1);

Representación de estados:
>>
a=
x1 x2 x3
x1 -4 -1.25 -0.125
x2 4 0 0
x3 0 4 0

b=
u1
x1 0.25
x2 0
x3 0

c=
x1 x2 x3
y1 0 0 0.25

d=
u1
y1 0

Continuous-time model.

Representación de estados en lazo cerrado:


>>
a=
x1 x2 x3
x1 -4 -1.25 -0.1875
x2 4 0 0
x3 0 4 0

b=
u1
x1 0.25
x2 0
x3 0
c=
x1 x2 x3
y1 0 0 0.25

d=
u1
y1 0

Continuous-time model.

%planta discretizada, tiempo de muestreo 0.3 sg:


Ts=0.3;
Gsd=c2d(Gss,Ts,'zoh');

Planta discretizada en representación de estados:

a=
x1 x2 x3
x1 0.1926 -0.2246 -0.03029
x2 0.6462 0.8388 -0.02267
x3 0.4836 1.13 0.99

b=
u1
x1 0.04039
x2 0.03023
x3 0.01339

c=
x1 x2 x3
y1 0 0 0.25

d=
u1
y1 0

Sampling time: 0.3


Discrete-time model.

%simulacion del proceso:


step(Gss,Gsd);
grid
Respuesta a una entrada paso de la planta (continuo y discreto):

Se halla la matriz de controlabilidad A, B, C y D = (G,H,C,D):

%se toma la matriz de control G y H (A y B)


[G,H,C,D,Ts]=ssdata(Gsd);
%se calcula la matriz de controlabilidad para verificar su rango:
U=[H G*H G^2*H];
disp('Rango de la matriz de contolabilidad')
rank(U)

G=
0.1926 -0.2246 -0.0303
0.6462 0.8388 -0.0227
0.4836 1.1298 0.9900

H=
0.0404
0.0302
0.0134

C=
0 0 0.2500

D= 0

Ts = 0.3000
Se verifica el rango de la matriz de controlabilidad, Rango de U:
>> Rango de la matriz de contolabilidad

ans = 3

Por lo tanto el sistema es controlable.

Los polos deseados se hallan con las especificaciones dadas:

Se halla el polinomio característico con los polos deseados:

% se especifica el polinomio característico por la siguiente definicion


%de matriz j y calculo de poly (j):
J=[0.7064+0.2231*i 0 ; 0 0.7064-0.2231*i];
JJ=poly(J)

JJ = 1.0000 -1.4128 0.5488

% se introduce el polinomio característico Phi


Phi=polyvalm(poly(J),G)

Phi =
0.1540 0.0514 0.0121
-0.2574 -0.1035 -0.0290
0.6188 0.3614 0.0899

% La ganancia de realimentación esta dada por


K=[0 0 1]*inv(U)*Phi

K = 17.4576 8.7626 2.2433

% Calculo de la ganancia para la función de matlab


K2 = acker(G,H,[0.7064+0.2231i 0.7064-0.2231i 0])
K2 = 10.1097 5.9636 1.4933

% calculo de realimentación de estado,


% se calculan las matrices G1 y H1:
G1=[G zeros(3,1);-C*G 1];
H1=[H;-C*H];

G1 =
0.1926 -0.2246 -0.0303 0
0.6462 0.8388 -0.0227 0
0.4836 1.1298 0.9900 0
-0.1209 -0.2825 -0.2475 1.0000

H1 =
0.0404
0.0302
0.0134
-0.0033

Se calcula la matriz de controlabilidad y se verifica el rango:

% Se calcula la matriz de controlabilidad


M=[H1 G1*H1 G1^2*H1];
% Verificar el rango de M
disp('El rango de M')
rank(M)

El rango de M ans = 3

%se halla la matriz de realimentación de estados


disp('Matriz de realimentación de estado')
K=acker(G1,H1,J)

Matriz de realimentación de estado

K = 17.9722 24.3487 8.7139 -8.9731

%Se definen las matrices del sistema de estado realimentado:


GG = [ G-H*K(1:3) H*(-K(4)); -C*G+C*H*K(1:3) 1-C*H*(-K(4)) ];
HH = [0;0;0;1];
CC = [C 0];
DD = D;
%El sistema total esta dado por:
sistot=ss(GG,HH,CC,DD,Ts)
(a) Calculo de la función transferencia discreta del sistema y una de las representaciones de
estado en lazo cerrado.

a=
x1 x2 x3 x4
x1 -0.5333 -1.208 -0.3822 0.3624
x2 0.103 0.1029 -0.2861 0.2712
x3 0.2429 0.8038 0.8733 0.1202
x4 -0.06073 -0.2009 -0.2183 0.97

b=
u1
x1 0
x2 0
x3 0
x4 1

c=
x1 x2 x3 x4
y1 0 0 0.25 0

d=
u1
y1 0

Sampling time: 0.3


Discrete-time model.
(b) Respuesta escalón unitario de lazo cerrado del sistema de control discreto.

% Simulación a una entrada paso:


figure(1)
step(sistot)
grid

(c) Comparación de resultados con trabajos anteriores.

Rango de K para Máximo T (sg) de T (sg)


Metodo de estabilidad sobreimpulso levantamiento estabilización
Discretizacion (%)
Ziegler Nichols 83.1 0.3 30.3
Gauthier Salas 75.5 0.6 12
Algebraico 4.79 3.3 4.5
RST 9.44 1.5 4.5
Rep. de 4.53 1.5 4.8
Estados

Como se puede ver en la tabla, la representación de estados presenta un tiempo de estabilización,


máximo sobre impulso y tiempo de levantamiento muy parecido al encontrado por el metodo
algebraico y el RST, por lo tanto vemos que es un metodo que tiene un muy buen desempeño,
tanto como el algebraico.

También podría gustarte