Presenta

ING. SANDRA DENISSE ONTIVEROS PAREDES

INTRODUCCIN
Desde su desarrollo a mediados del siglo XX, la teora de control moderno ha
estado presente en muchos mbitos de la actividad humana, sus aplicaciones
son tan variadas que se pueden encontrar infinidad de ejemplos en reas tan
distantes entre s como lo son la ingeniera aeroespacial, la ingeniera de
manufactura en entre muchas otras. En el mbito acadmico es comn que la
teora de control moderna se utilice para controlar diversos mecanismos o
sistemas inestables. Un ejemplo es el pndulo, el cual es un sistema mecnico
ampliamente utilizado por que es muy til para la demostracin de conceptos
de control, tanto lineal como no lineal. [1]
El pndulo simple invertido (PSI) es usado en laboratorios de control para
demostrar la efectividad de los sistemas de control, dada la conveniencia en
investigar y verificar diferentes mtodos de control para sistemas dinmicos
no-lineales de orden superior, el pndulo invertido es uno de los ejemplos ms
conocidos de sistemas dinmicos para estabilizar, fue ampliamente estudiado
por la comunidad cientfica.[2]
Su aplicacin en la vida cotidiana se da desde el control de estabilidad
de gras, hasta la construccin de vehculos de desplazamiento para humanos
que implementan este problema, como lo es Segway. El problema aborda el
control de un sistema inestable y no-lineal.
El sistema del pndulo doble invertido (SPDI) es un sistema dinmico
sub-actuado que tiene menos entradas de control que grados de libertad,
existen sistemas similares como el Pendubot, el robot de gimnasta de tres
eslabones, robot bpedos, etc..

OBJETIVO
Disear un controlador para un sistema dinmico, realizando el modelamiento
matemtico, el diseo y simulacin de un sistema de control para el sistema
del pndulo doble, de modo que pueda mantenerse en una posicin vertical
invertida ante posibles perturbaciones, con asistencia de Matlab Simulink,y
disear el control difuso del sistema.

DESCRIPCIN DEL SISTEMA

El sistema pndulo doble es un sistema no lineal e inestable. En condiciones de
su posicin de equilibrio inestable (posicin vertical), el pndulo doble se
encuentra sin los elementos necesarios para mantener los brazos
verticalmente.

El modelo matemtico es una representacin del sistema, el cual ayuda

a comprender el sistema por medio de su representacin en ecuaciones, lo que
nos permite hacer predicciones sobre el comportamiento del sistema en
circunstancias particulares.
Al tener el modelo del sistema de pndulo doble, auxilindonos de
programas de simulacin como en este caso Matlab, realizando anlisis y
sntesis del modelo a fin de comprobar los resultados.

REPRESENTACIN EN EL ESPACIO DE ESTADOS

Modelo de Estado de Sistemas No lineales
En nuestro caso, analizaremos un sistema no lineal, sin embargo puede ser
descrito por un nmero finito de ecuaciones diferenciales. No cumplen con el
principio de superposicin, una forma de representarlos es la siguiente:

xn

x1 , x2 , x n , U 1 , U p

x 1 , x 2 , x n ,U n , U p f 1
Donde

x i=Es la iesima variable de estado

U j =Es la jesima variable de entrada
Para las salidas del sistema tenemos

y1

h1 ,(x1 , x2 , x n , U i U p )

ym

x1 , x2 xn , U j U p
hm ,

Representando el sistema de forma vectorial

[] [ ] [] []

x1
x
x= 2

xn

U1
; U= ; Y =

Up

y1
;

ym

x 1
x
x = 2

x n

Vector de Estados Vector deentradas Vector de Salidas Vector de Deriva das

Representacin del sistema no lineal

x =f ( x , u)
donde f ( x ,u )=
y=h ( x , u)

h ( x , u )=

f 1 ( x , u)
Funciones Dinmicas

f ( x ,u)

h1 (x ,u)
Funciones de salida

hn (x ,u)

Puntos de equilibrio
Los puntos de equilibrio son estados en los cuales el sistema se queda
detenido siendo sus derivadas iguales a cero. Un sistema lineal puede tener 1
punto de equilibrio (0), o pueden tener una infinidad de puntos de equilibrio
incluyendo el cero, en contraste un sistema no lineal tiene puntos de equilibrio
sin embargo estos son aislados, como en el caso de estudio que es el pndulo,
siendo su punto de equilibrio de forma vertical superior, est sin embargo es
un punto de equilibrio inestable llamado repulsor, y su punto de equilibrio
inferior, en cambio este punto de equilibrio es estable comportndose como
atractor.
Considerando el sistema no lineal

x =f (x , u)
Los puntos de equilibrio se calculan a partir de

0
Vector dederivadas

= f
( x , u)
Seal decontrol

Hacemos nuestra seal de control igual a cero, para obtener los puntos
de equilibrio naturales, siendo

xe

los puntos de equilibrio naturales.

LINEALIZACIN DE SISTEMAS NO LINEALES

Linealizacin del Modelo
Ya que el modelo es no lineal fsicamente, tenemos que proceder a linealizar el
sistema, esto mediante el modelo matemtico del mismo, esto nos permite
analizarlo de forma lineal, y puede ser por diferentes mtodos y obtener
informacin del sistema de forma menos compleja.
Antes de linealizar el sistema se debe saber que se quiere analizar, en
que puntos hacer nuestro sistema lineal, siendo los puntos de operacin del
sistema.
Las matrices con la que realizamos el moldeo de pndulo doble a un sistema
lineal son:

|
h
C= |
x
A=

f
x Ux 00
x0
U0

|
h
D= |
x
B=

f
x

x0
U0

x0
U0

Siendo A la matriz de estados de sistema, B la matriz para actuadores, C

la matriz para sensores y D relaciona los sensores y actuadores. La matriz A
esta asociada con los puntos de equilibrio.

Controlabilidad
Un sistema exhibe controlabilidad completa si todos los estados son
controlables, y si la matriz de controlabilidad C es de rango completo, es decir
C es igual a n, el nmero de estados. Y se construye de la siguiente manera.

C=[ B AB A 2 B An1 B ]
El sistema del pndulo doble es inestable debido a dos races caractersticas
positivas, la matriz de controlabilidad es de rango completo por lo tanto el
sistema es totalmente controlable.
Observabilidad

Un sistema es observable si cualquier estado puede determinarse a partir de la

observacin de las salidas del sistema y(t), durante un periodo de tiempo finito.
El sistema es de estado completamente observable si la matriz siguiente
tiene rango pleno.

[ ]

C
CA
O= C A2 siendo la matriz de Observabilidad

C A n1
Se sugiere que los valores propios del observador deber ser mayores a
los del controlador.
Para la implementacin de un observador necesita el modelo
matemtico del sistema, su ventaja es que no genera ruido, en contraste un
sensor causa ruido por cada variable de estado, si se desea que el
comportamiento del observador sea igual al sistema real las condiciones
iniciales deben ser las mimas al estado real del sistema.

REALIZACIN DEL PROGRAMA DE SIMULACIN EN MATLAB

DIAGRAMA EN SIMMECHANICS

Figura. 1 Diagrama en SimMechanics del sistema de pndulo doble.

Realizamos el diseo del controlador, en primera instancia,

tomando en cuenta las condiciones iniciales, los puntos de operacin, as
como las ganancias propuestas. Al tener esto obtenemos el torque
esttico, realizando la funcin del control del sistema.

Figura. 2 Controlador del sistema de pndulo doble

Para probar el funcionamiento del controlador, graficamos el

primer eslabn, en el cual se aplica el control del sistema. El punto

donde se linealiz el sistema es en 13, en la siguiente grafica se

observa la posicin (Lnea amarilla) y la velocidad (Lnea magenta) del
sistema. Not que el primer eslabn se tiene una posicin inicial de 26,
y se posiciona en 13 aproximadamente a los 15 segundos. Se not que
el rango de funcionamiento del sistema con las condiciones iniciales de -5 a
26, fuera de este rango el controlador no funciona.

Figura. 3 Grafica del primer estabn, Condicin inicial 26, y punto de operacin 13.

Al lograr el control del sistema, se continua realizando el diseo del

observador, este a partir de las posiciones angulares del sistema, puede
estimar las velocidades angulares del primer eslabn y segundo eslabn. Se
mantuvieron los mismos polos que se usaron para el controlador.

Figura. 4 Seguimiento del observador el primer eslabn

Figura. 5 Seguimiento del observador del segundo eslabn

Figura. 6 Estados del observador

Figura. 7 Pendulo Doble Invertido, el sistema es controlable y observable.

CONTROL DIFUSO
Tipos de sistemas difusos
Sistema difuso tipo Mamdani

Si x1 en M1 y x2 en M2,
Ensconces U en N1 y U2 en N2

Para este tipo de sistemas no se necesita el modelo del sistema.

El desarrollo del fuzzy control tiene, su origen en los sistemas basados en
reglas para la toma de decisiones y en la fuzzy logic para la evaluacin de
aquellas. Los controladores fuzzy, al igual que otros, toman los valores de las
variables de entrada, realizan algn procedimiento con ellas, deciden como
modificar las variables de salida y lo realizan, afectando estas ltimas a la
planta. La diferencia escencial es que no procesan ecuaciones ni tablas,
procesan reglas para decidir como cambiar las salidas. Esto lo hace una
tecnologa muy accesible, ya que las reglas estn ms cerca del sentido comn
que de las ecuaciones y los modelos. Este mtodo de procesamiento de reglas
est vinculado con los sistemas expertos, uno de los frutos tangibles de la
Inteligencia Artificial (IA). Estos sistemas nacieron como consecuencia natural
del desarrollo de esta disciplina, ya que era necesario agregar a los programas
ese conocimiento y experiencia, que el experto humano tiene para resolver un
determinado problema. Estos programas de computadora, utilizan
conocimiento y algn tipo de mecanismo de inferencia para resolver un tipo de
problema en especial, con el objetivo de obtener resultados parecidos a los del
experto humano, no slo en cuanto a la conclusin final, sino tambin a la
forma en que se llega a la misma. Los problemas atacados con esta tcnica son
entre otros, los de diagnstico mdico, path planning, controladores de trfico,
acceso inteligente a bases de datos. Este conocimiento consta de hechos y
heurstica, siendo los primeros la informacin pblica y generalmente
disponible, para la resolucin de un problema en particular, mientras que la
heurstica, es ms privativa del experto, es justamente ese conocimiento en
particular que lo hace destacarse en su tarea. Cuando este conocimiento est
expresado como reglas del tipo SI antecedente ENTONCES consecuente o SI
condicin ENTONCES accin
En este caso, para ampliar el rango de validez del control, se propone un
controlador difuso, para esto, es necesario realizar linealizaciones en diferentes
puntos de operacin.

Para resolver este problema es necesario el uso de LMIS para encontrar los
valores ptimos de Q, m1, m2 y m3, las cuales entregan las ganancias K
correspondientes a cada linealizacin. As mismo, se realiz un programa que
calcula la certeza de cada una de las linealizaciones.

CONCLUSIONES
Se comprob que el sistema era controlable, el control propuesto por
retroalimentacin de estados se encontr vlido dentro de una regin amplia,
se construy un observador lineal para obtener las velocidad angulares del
sistema, en este caso, los polos correctos para el sistema se observara y
controlara de forma correcta no se pudieron encontrar de manera
experimental, se observ que el sistema al estar construido a partir de una
linealizacin sigui la referencia alrededor del punto de operacin, se realiz un
controlador difuso con el fin de ampliar la regin de validez del control,
despus de realizar varios experimentos que el controlador difuso fue exitoso,
ya que fue capaz de llevar al punto de operacin seleccionado al sistema con
condiciones iniciales muy lejanas a la regin de validez propuesta en la primer
seccin.