Intro Matlab

n a Matlab y su Introduccio n al Ana lisis y Control aplicacio de Sistemas
Laboratorio de Control Autom atico
3o Ingeniero Telecomunicaci on
Manuel Vargas, Manuel Berenguel Escuela Superior de Ingenieros
Universidad de Sevilla
20 de Diciembre de 2004
Contenido
A MATLAB 1 INTRODUCCION 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Introduccio n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Instalacio Primeros pasos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funciones y s mbolos relacionados con el entorno . . . . . . . . . . n de datos. Uso de la ventana de comandos . . . . . . . Introduccio Variables de entorno y variables especiales . . . . . . . . . . . . . . Elementos de las matrices . . . . . . . . . . . . . . . . . . . . . . . . . . Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . lisis de datos . . . . . . . . . . . . . . . . Funciones orientadas al ana
1 1 2 4 4 6 7 8 9 10 10 11 12 14 14 14
1.10 Polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . s . . . . . . . . . . . . . . . . . . . . . . . . . . 1.11 Otras funciones de intere ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.12 Gra 1.13 Programando en matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.13.1 Operadores l ogicos y relacionales . . . . . . . . . . . . . . . . . . . . . 1.13.2 Bucles y estructuras condicionales . . . . . . . . . . . . . . . . . . . . i
ii
CONTENIDO 1.13.3 Ficheros .m . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.14 Resumen de los comandos de matlab . . . . . . . . . . . . . . . . . . . . 16 18
2 ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB 2.1 2.2 n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Introduccio Tratamiento mediante funciones de transferencia. Sistemas continuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 2.2.2 2.2.3 2.2.4 2.3 Dominio Temporal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dominio Frecuencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . Comandos relacionados con operaciones de bloques . . . . . . . . . . . Lugar de las ra ces . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25 25
25 26 29 33 34
Estudio temporal y frecuencial de sistemas de primer y segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.1 2.3.2 2.3.3 Sistemas de primer orden . . . . . . . . . . . . . . . . . . . . . . . . . Sistemas de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . An alisis del efecto de un cero en la respuesta temporal de un sistema de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Inuencia de polos adicionales. Polos dominantes . . . . . . . . . . . .
36 36 39
47 50
2.3.4 2.4
Tratamiento mediante funciones de transferencia. Sistemas discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . n en el espacio de estados . . . . Tratamiento mediante descripcio 2.5.1 Dise no de reguladores en el espacio de estados . . . . . . . . . . . . .
52 54 56 57
2.5
2.6 2.7
n mediante objetos . . . . . . . . . . . . . . . . . . . . . . . Manipulacio s importantes del Control System Resumen de los comandos ma Toolbox . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
60
Cap tulo 1
A MATLAB INTRODUCCION
1.1 n Introduccio
En estas notas se pretende realizar una introducci on muy b asica a matlab, orient andola en el siguiente cap tulo al estudio de sistemas de control. En l neas generales, matlab es una herramienta interactiva basada en matrices para c alculos cient cos y de ingenier a (de hecho, el t ermino matlab procede de matrix laboratory). Desde el punto de vista del control, matlab se puede considerar un entorno matem atico de simulaci on que puede utilizarse para modelar y analizar sistemas. Permitir a el estudio de sistemas continuos, discretos, lineales y no lineales, mediante descripci on interna y externa, en el dominio temporal y frecuencial. matlab constituye un entorno abierto, para el cual numerosas paquetes espec cos adicionales (toolboxes) han sido desarrollados. En el caso que nos ocupa se utilizar a fundamentalmente el Control System Toolbox. Estos paquetes espec cos adicionales est an constituidos por un conjunto de funciones que pueden ser llamadas desde el programa y mediante las cuales se pueden realizar multitud de operaciones. Las referencias al Control System Toolbox se realizar an directamente en los ejemplos que acompa nan a estas notas. Las notas se centrar an fundamentalmente en aquellos aspectos y funciones que m as inter es tengan desde el punto de vista de control, instando al lector a que busque en el manual de usuario cualquier informaci on adicional que desee ([5], [4], [3]). Para el desarrollo de las mismas se ha utilizado asimismo, una serie de referencias b asicas en control: [1], [6], [7], [8], etc. 1
n Instalacio
1.2
n Instalacio
La forma normal en la que se encuentra el sistema una vez instalado es la siguiente (versi on 3.5.1):
\matlabr11\bin \extern \help \notebook \simulink \sys \toolbox \control \local \matlab \simulink \work
El n ucleo fundamental de matlab se encuentra en los subdirectorios BIN y MATLAB. En BIN se encuentran los programas ejecutables. El subdirectorio MATLAB contiene los cheros .m (aunque ser an explicados posteriormente, comentamos brevemente que consisten en cheros escritos a base de comandos de matlab y que realizan una funci on determinada), que contienen las funciones b asicas para el funcionamiento de matlab. En este sentido, es necesario comentar que matlab cuenta con dos tipos b asicos de funciones:
Funciones denominadas built-in functions: Son funciones que matlab tiene incorporadas internamente y por tanto no son accesibles al usuario.
Funciones llamadas m functions: Son funciones cuyo c odigo es accesible. Las que se encuentran en el subdirectorio MATLAB son las b asicas para el funcionamiento del sistema.
Como se desprende del a rbol de directorios, los toolboxes se suelen instalar en forma de subdirectorios en el disco duro, colgando del subdirectorio TOOLBOX. En ellos se encuentran tambi en funciones .m orientadas al control de sistemas. Adem as, se pueden incorporar otros toolboxes (signal processing, image processing, robust control, non-linear control, system identification, etc), e incluso funciones propias del usuario.
matlab\general matlab\ops matlab\lang matlab\elmat matlab\elfun matlab\specfun matlab\matfun matlab\datafun matlab\polyfun matlab\funfun matlab\sparfun matlab\graph2d matlab\graph3d matlab\specgraph matlab\graphics matlab\uitools matlab\strfun matlab\iofun matlab\timefun matlab\datatypes matlab\winfun matlab\demos simulink\simulink simulink\blocks simulink\simdemos toolbox\control toolbox\local
Comandos de prop osito general Operadores y caracteres especiales Constructores del lenguaje de programaci on Matrices elementales y manipulaci on matricial Funciones matem aticas elementales Funciones matem aticas especiales Funciones matriciales - a lgebra lineal num erica An alisis de datos y transformada de Fourier Interpolaci on y polinomios Funciones de funciones y m etodos para ODE Funciones para matrices dispersas Gr acos en dos dimensiones Gr acos en tres dimensiones Gr acos especializados Manipulaci on de gr acos Herramientas de interfaz gr aca de usuario (GUI) Cadenas de caracteres Funciones para entrada/salida de cheros Hora y fecha Tipos de datos y estructuras Ficheros de interfaz con Windows (DDE/ActiveX) Ejemplos y demostraciones Simulink Librer a de bloques de Simulink Ejemplos y demostraciones de Simulink Paquete de Control de Sistemas Librer a de funciones locales Tabla 1.1: Listado del comando help
Primeros pasos
1.3
Primeros pasos
Una vez arrancado matlab , se abre la ventana de comandos en la que aparece el prompt o l nea de comandos (representado con el s mbolo ). Este es el momento de comentar la existencia del comando m as famoso de cualquier aplicaci on: help. Introduciendo este comando aparecer an todas las citadas built-in functions, tanto las contenidas en el subdirectorio MATLAB, como otras contenidas en subdirectorios eventualmente a nadidos por el usuario (ver Tabla 1.1). Para obtener informaci on sobre cualquiera de las funciones se introduce help nombre-funci on . Ejemplo: help impulse (impulse es una funci on que calcula la respuesta impulsional de un sistema y que se encuentra en el control system toolbox). Una cuesti on importante a tener en cuenta es que matlab distingue entre may usculas y min usculas. En este sentido, los nombres de funci on se introducir an en min usculas. El comando demo permite obtener una demostraci on de las posibilidades de matlab.
1.4
Funciones y s mbolos relacionados con el entorno
Con el comando path puede comprobarse cu ales son las localizaciones de los cheros y programas con los que va a trabajar matlab, pudiendo a nadirse nuevos subdirectorios (incluso personales) a conveniencia. La forma m as c omoda de interactuar con dichas localizaciones es mediante la opci on File/Set-Path... en el men u de la ventana de comandos. Para poder usar cualquier funci on .m, como por ejemplo las contenidas en el paquete de control, bastar a con que el camino \matlabr11\toolbox\control est e incluido en el path de matlab (cosa que ocurrir a si el paquete se instal o adecuadamente). Por otro lado, matlab comienza trabajando, por defecto, en el subdirectorio matlabr11\work. Si queremos cambiar de directorio de trabajo en cualquier momento, podemos hacerlo con el comando cd camino. Puede utilizarse en nombre completo del comando si se desea: chdir. Cabe decir que todas las funciones .m que existan en el directorio de trabajo ser an localizadas sin necesidad de tener que incluir dicho directorio en el path de matlab. El comando pwd nos indica cu al es el directorio de trabajo actual. Para mostrar el contenido del directorio de trabajo, se pueden emplear los comandos dir o ls. El comando delete nombre-chero puede emplearse para eliminar un archivo del directorio de trabajo. Asimismo, se pueden realizar operaciones t picas de l nea de comandos del sistema operativo DOS, introduciendo el comando correspondiente precedido por el s mbolo !.
Resulta interesante tener en cuenta que la l nea de comandos de matlab posee memoria y podemos recuperar comandos introducidos previamente, haciendo uso de las teclas de movimiento de cursor arriba y abajo. Para una localizaci on m as ecaz de alg un comando introducido previamente, podemos teclear los primeros caracteres del mismo antes de usar el cursor arriba y s olo buscar a entre los comandos ya introducidos aqu ellos cuyos primeros caracteres coincidan con los introducidos. Otra posibilidad que se ofrece es la de introducir varios comandos en una misma l nea de la ventana de comandos, separados por coma o punto y coma. Puede limpiarse el contenido de la ventana de comandos mediante la instrucci on clc. El s mbolo % sirve para introducir comentarios. Todo lo escrito desde ese s mbolo hasta el nal de la l nea ser a ignorado por el int erprete de matlab. El uso de comentarios puede no resultar demasiado interesante en la l nea de comandos, aunque s lo ser a cuando se est en escribiendo programas, como se ver a m as adelante. Si se quiere guardar toda la sesi on en un archivo, basta usar el comando diary nombrearchivo. Dicho archivo contendr a los comandos introducidos y los correspondientes resultados. Cuando no se quiera seguir almacenando la informaci on se introducir a diary off. Si se desean almacenar todas las variables de memoria en un chero, junto con sus valores actuales, se usa el comando save nombre-chero. Esto crea un chero binario en el directorio de trabajo actual con el nombre introducido y con extensi on .mat. Si no se da el nombre del chero, se crea uno llamado matlab.mat. En caso que se desee guardar en un chero con formato ascii, se introducir a en el comando un modicador: save -ascii nombre chero. Si s olo se quieren guardar una serie de variables, se introducir a save nombre-chero nombre-variables separadas por espacios. Para recuperar los cheros generados con el comando save se utilizar a load nombre-chero. El formato de visualizaci on en la ventana de comandos puede modicarse usando format: format long: Presentar a mayor n umero de decimales en pantalla al presentar los resultados en punto otante. format short: Es el modo por defecto, presenta un n umero de decimales menor. Este formato no afecta para nada a la precisi on de los c alculos, es sencillamente una cuesti on de visualizaci on. format compact: Deja menor n umero de l neas en blanco en la visualizaci on de los resultados, permitiendo dar cabida a m as informaci on previa en la ventana de comandos sin necesidad de hacer scroll. format loose: Es el modo por defecto, se dejan m as l neas de separaci on durante la visualizaci on. Tambi en puede modicarse el formato de visualizaci on a trav es de las opciones de men u: File/Preferences/General Para detener la ejecuci on de un comando, se usa Ctrl-C. La salida del sistema se efect ua al introducir quit o exit, o simplemente cerrando la ventana de comandos.
n de datos. Uso de la ventana de comandos Introduccio
1.5
n de datos. Uso de la ventana de comandos Introduccio
El elemento b asico en matlab es la matriz compleja de doble precisi on, estructura que abarca realmente todo tipo de datos, desde escalares tales como n umeros reales o complejos, hasta vectores o matrices de tama nos arbitrarios. Impl citamente se usa la notaci on matricial para introducir polinomios y funciones de transferencia, de la forma que se explicar a m as adelante. Por otro lado, si se dispone de una representaci on de un sistema lineal en el espacio de estados de la forma: x = Ax + Bu y = Cx + Du
bastar a con introducir los valores de los elementos de las matrices A, B , C y D, para tener descrito al sistema. Estos elementos se podr an introducir de la siguiente forma:
A=[1 0 2;2 2 0;0 0 1] B=[1, 0,0] C=[1 1 sqrt(2)] D=0;
A la vista de esta serie de comandos se pueden comentar varias cosas:
Si al nal de la introducci on de un comando cualquiera no se pone punto y coma (;), aparecer a expl citamente en pantalla el resultado de dicho comando. En caso contrario, el comando se ejecutar a pero no se mostrar a su resultado. Dicho resultado se habr a almacenado en la variable a la que se asigna o, si no se realiza asignaci on, se guardar a en una variable de entorno llamada ans. En caso de que se asigne a una variable, esta se crear a autom aticamente, sin necesidad de una declaraci on previa. Los elementos de cada la de una matriz se pueden introducir separados por espacios o por comas, indistintamente. Para separar las de una matriz se usa ; o un simple retorno de carro. Esta u ltima opci on puede facilitar muchas veces la visualizaci on de la matriz que se est a introduciendo. Para transponer matrices se usa el ap ostrofe. Los elementos de vectores y matrices pueden ser reales, complejos e incluso expresiones, como vemos en el caso del u ltimo elemento del vector C . Si se est a introduciendo un comando o conjunto de ellos cuya sintaxis sea muy larga, se puede continuar en la siguiente l nea introduciendo al nal de la actual tres puntos seguidos (...). Las variables a las que se asignan resultados, as como las variables de entorno, se almacenan en lo que se denomina el espacio de trabajo de matlab (workspace).
En este caso, se han creado una serie de variables (en particular, matrices) mediante la introducci on expl cita de sus elementos en l nea de comandos. Otras formas de producir variables podr an ser: gener andolas mediante funciones y declaraciones, cre andolas en un archivo .m, carg andolas desde un archivo de datos externo mediante el comando load (bien se trate de cheros de datos ASCII o bien de cheros binarios con formato de datos de matlab .mat). Adem as de variables num ericas, escalares o matriciales, en matlab pueden usarse cadenas de caracteres. Para ello se delimita una secuencia de caracteres mediante ap ostrofes: cadena = ejemplo de cadena de caracteres Para hacer referencia a cualquiera de los caracteres que componen una cadena, podemos hacerlo como si de un vector se tratara (la forma de indexar vectores y matrices se ver a m as adelante).
1.6
Variables de entorno y variables especiales
Existen una serie de variables predenidas en matlab, son las siguientes:
ans: Contiene la respuesta (answer) del u ltimo comando ejecutado, cuando el resultado de dicho comando no se asigna expl citamente a ninguna variable. eps: Da el valor de la precisi on con la que la m aquina realiza las operaciones en punto otante. T picamente, esta precisi on es del orden de 1017 . pi: . i, j: 1. Constante imaginaria. inf: . Se trata de un valor excesivamente grande para ser almacenado. NaN: Not a number. Es el resultado que se proporciona si durante una operaci on se produce 0 una indeterminaci on, del tipo 0 , , , etc. 0 clock: Reloj. date: Fecha. flops: N umero de operaciones en punto otante realizadas hasta el momento.
El comando who muestra las variables existentes en el espacio de trabajo generadas por el usuario, pero no las variables especiales.
Elementos de las matrices
Para borrar alguna variable de memoria se utiliza clear nombre-variables separadas por espacios. Pueden borrarse todas las variables a la vez si no se especica ning un nombre a continuaci on del nombre del comando.
1.7
Elementos de las matrices
En este punto es importante comentar uno de los elementos m as potentes de matlab, que es el s mbolo :, que permite generar una secuencia, y en particular permitir a referenciar varios elementos de una matriz. Veamos algunos ejemplos en los que se usa este operador: 1:0.1:10 Generar a una secuencia comenzando por 1 hasta 10, cada elemento de la secuencia estar a separado del anterior en 0.1. 1:10 Si se obvia el valor central, la separaci on entre cada dos elementos de la secuencia ser a 1. [1:0.1:10] Si lo ponemos entre corchetes, estaremos generando un vector con los elementos de la secuencia. En la forma m as directa, los elementos de una matriz se referencian mediante A(i, j ), donde i y j son los ndices del elemento correspondiente. Podemos usar una secuencia que facilitar la indexaci on de m ultiples elementos, como en los siguientes ejemplos: A(1,2:3) dar a como resultado los elementos de las columnas 2 y 3 pertenecientes a la primera la. A(:,2) dar a como resultado todos los elementos pertenecientes a la segunda columna. L ogicamente, en estos casos, los elementos especicados como inicio, nal e incremento para producir la secuencia deben ser enteros. Otra forma de generar datos secuencialmente es usando los comandos linspace y logspace, su formato es: t = linspace(n1,n2,n); w = logspace(n1,n2,n); El comando linspace genera un vector desde n1 a n2 de longitud n, cuyos componentes poseen valores espaciados linealmente. Por su parte, logspace produce tambi en un vector de n elementos, pero sus valores est an espaciados logar tmicamente desde 10 n1 a 10n2 . Este u ltimo comando resultar au til para la generaci on de escalas frecuenciales para el an alisis de sistemas mediante diagramas de Bode, Nyquist, etc.
1.8
Operaciones con matrices
Las operaciones comunes con matrices son:
Suma: + Resta: Multiplicaci on: * Divisi on derecha / (x = b/A es la soluci on del sistema de ecuaciones x A = b. Es decir calcula la inversa de la matriz A y multiplica b por la derecha por dicha inversa) Divisi on izquierda \ (x = A \ b es la soluci on de A x = b. Es decir, igual que en el caso anterior, pero realiza la multiplicaci on de la inversa con b por la izquierda) Potenciaci on ^. Este operador permite, en particular, implementar otra forma de realizar la inversi on de una matriz: A^(-1). Conjugada traspuesta
Cabe mencionar la potencia de los operadores /, \, y ^, puesto que si la matriz A no es cuadrada, autom aticamente se realiza el c alculo de su pseudoinversa, lo que equivaldr a a resolver el sistema de ecuaciones correspondiente por m nimos cuadrados. Las mismas operaciones que se han enumerado se pueden realizar elemento a elemento, anteponiendo un punto a cualquiera de los operandos anteriores. Como ejemplo, el siguiente comando realizar a el producto de cada elemento de la matriz A con su correspondiente de la matriz B (para que dicho producto sea realizable, obviamente, dichas matrices deben tener las mismas dimensiones): A .* B Adem as de los operadores anteriores, existen funciones tales como:
Trigonom etricas est andar: sin, cos, tan, asin, acos, atan, atan2 Trigonom etricas hiperb olicas: sinh, cosh, tanh, asinh, acosh, atanh Trascendentales: log, log10, exp, sqrt Manipulaci on de n umeros complejos: real: parte real de un escalar o de los elementos de una matriz.
conj: proporciona el conjugado de un escalar o la matriz conjugada a una dada.
imag: parte imaginaria.
10
lisis de datos Funciones orientadas al ana
C alculo del m odulo: abs permite calcular tanto el valor absoluto de un escalar real como el m odulo de un escalar complejo o el m odulo de un vector. Funciones t picas de matrices: det: determinante de una matriz eig: obtenci on de autovalores rank: rango de la matriz
inv, pinv: inversa y pseudoinversa
norm: norma de una matriz (norma 2, norma 1, norma innito, norma de Frobenius) diag: produce un vector conteniendo los elementos de la diagonal de una matriz, o si recibe un vector como par ametro, genera una matriz diagonal. triu: devuelve la matriz triangular superior de una matriz dada funciones para generar matrices: eye(n): produce una matriz identidad de dimensi on n n tril: devuelve la matriz triangular inferior de una matriz dada trace: traza de la matriz
zeros(n,m): genera una matriz de ceros de dimensi on n m ones(n,m): genera una matriz de unos de dimensi on n m rand(n,m): permite generar una matriz de valores aleatorios, entre 0 y 1, de dimensi on n m
A = [A11,A12;A21,A22]: podemos producir una nueva matriz por bloques, mediante su composici on a partir de submatrices ya existentes.
1.9
lisis de datos Funciones orientadas al ana
Se trata de funciones que operan con vectores. Si se aplican a matrices operan columna a columna. Permiten realizar an alisis sobre el conjunto de datos contenido en los vectores correspondientes, tales como calcular su valor m nimo, m aximo, media, mediana, desviaci on t pica, suma de los elementos de dicho vector, etc. min, max, mean, median, std, sum, prod, etc.
1.10
Polinomios
Esta es una secci on importante, dado que las funciones de transferencia de los sistemas se introducir an habitualmente en la forma numerador-denominador, los cuales ser an tratados
11
como polinomios por matlab. En las demos que acompa nan a estas notas se podr an analizar numerosos ejemplos. Los polinomios se representan por vectores, cuyos elementos son los coecientes del polinomio en orden descendente. Por ejemplo, el polinomio s3 + 2s2 + 3s + 4 se representa: p=[1 2 3 4]; que muy bien podr a ser el denominador de una funci on de transferencia. Mediante la funci on roots se pueden encontrar las ra ces de esa ecuaci on: roots(p) De modo complementario, se puede calcular un polinomio a partir de sus ra ces usando la funci on poly: p2=poly([-1 -2]); Si el argumento de entrada a poly es una matriz, devuelve el polinomio caracter stico de la matriz (det(I A)) como un vector la. Un polinomio puede ser evaluado en un punto determinado usando polyval(p,s), donde p es el polinomio y s es el punto donde va a ser evaluado. Por ejemplo: p2=[1 3 2]; a=[1 2; 3 4]; polyval(p2,a) si se introduce, como en este caso, un vector o una matriz, en lugar de un valor individual, la evaluaci on se hace elemento a elemento. Podemos realizar c omodamente operaciones de multiplicaci on y divisi on de polinomios mediante las funciones conv y deconv, respectivamente: conv([1,2],[2,0])
1.11
s Otras funciones de intere
En esta secci on simplemente comentaremos, de forma r apida, la existencia de una serie de funciones muy u tiles en problemas de integraci on num erica (quad, quad8), soluci on de ecuaciones diferenciales (ode23, ode45 y muchos otros), importantes cuando se estudian los sistemas din amicos, ecuaciones no lineales (fmin, fsolve, etc.), interpolaci on (spline, etc.)...
12
ficos Gra
1.12
ficos Gra
matlab es muy potente a la hora de generar gr acos (sobre todo en sus u ltimas versiones), no s olo por la variedad de comandos que ofrece para ello, sino tambi en por la versatilidad de dichos comandos. En las demostraciones aparecer an varios tipos de gr acos. De momento, comentaremos los comandos fundamentales para la realizaci on de los mismos. En primer lugar, comandos gen ericos y comandos orientados a gr acos bidimensionales:
figure(n): Las representaciones de gr acos en matlab se realizan en ventanas gr acas. En un momento dado puede haber varias ventanas gr acas abiertas. La funci on figure se utiliza para abrir una nueva ventana gr aca que ser a numerada de acuerdo con el par ametro, o bien, si ya existe una ventana con ese n umero, se convertir a en la ventana gr aca activa, donde se realizar a la pr oxima representaci on gr aca. clf: Limpia la ventana gr aca activa. close(n): Para cerrar una ventana gr aca. close all cierra todas las ventanas gr acas. plot: es la funci on b asica de representaci on gr aca de datos en dos dimensiones. La representaci on se realiza en la ventana gr aca que est e activa en un momento dado. En caso de no haber ninguna, se crea una ventana gr aca nueva. Ejemplos de uso: plot(v): representa en el eje vertical los valores contenidos en el vector v , frente a los valores del ndice en el eje horizontal. plot(t,A), plot(t,[v1,v2]): presentar a varias gr acas, puesto que cada columna de la matriz A es considerada como un vector a representar frente al vector t. En la segunda variante indicada, se consigue lo mismo mediante la agrupaci on de los vectores v 1, v 2 en una matriz. plot(t1,v1,t2,v2): En este caso tambi en se obtendr an dos gr acas, pero cada una de ellas tiene un conjunto de valores diferente para el eje horizontal. loglog: representaci on en escala logar tmica en ambos ejes. semilogx: representaci on en escala semilogar tmica, el eje vertical aparecer a en escala lineal. semilogy: representaci on en escala semilogar tmica, el eje horizontal aparecer a en escala lineal. polar: representaci on de datos dados en forma polar, es decir en lugar de dar un par de vectores de componentes horizontales y verticales, se dan los vectores conteniendo el vector de a ngulo y m odulo. plot(t,v): representa los valores del vector v frente a los del vector t.
Cuando se representan varias curvas simult aneamente en una misma ventana gr aca, se utiliza una secuencia predenida de colores para aplicar uno diferente a cada una de ellas. Se puede
13
cambiar manualmente el color que por defecto tendr a una determinada curva con la adici on de un par ametro: plot(t,y,r). En este ejemplo, en lugar de representarse la curva con el color por defecto (azul), aparecer a en color rojo. Para ver los c odigos de colores, puede consultarse la ayuda del comando plot. Tambi en pueden realizarse gr acos en tres dimensiones:
plot3(x,y,z): comando an alogo a plot para dibujar curvas, pero en tres dimensiones. mesh(x,y,Z): para dibujar supercies, Z debe ser una matriz con tantas las como longitud del vector x y tantas columnas como la longitud del vector y . Los puntos que se representan son: (x(i), y (j ), Z (i, j )). contour: representa en un plano horizontal las curvas de nivel de una supercie tridimensional.
Por otro lado, existen comandos que permiten a nadir determinados complementos a estos gr acos:
title: permite a nadir un t tulo a la gr aca xlabel: a nadir una etiqueta al eje horizontal de la gr aca ylabel: a nadir etiqueta al eje vertical grid: a nadir una rejilla axis: permite modicar los l mites de los ejes horizontal y vertical text: a nadir un texto en una posici on cualquiera de la gr aca gtext: igual que text pero permite seleccionar la ubicaci on del texto mediante el rat on.
Por otra parte, muchos de los elementos gr acos pueden manipularse como objetos que tienen una serie de propiedades asociadas. Por ejemplo: handlePlot = plot(x,y); con este comando estamos asignando el objeto de tipo plot a una variable. Podemos ver las propiedades asociadas a un objeto mediante la funci on get(handlePlot), o bien especicar alguna de ellas: get(handlePlot,LineStyle). Cualquiera de las propiedades de un objeto pueden ser alteradas mediante la funci on set(handlePlot,Color,g). Por otra parte, tambi en se dispone de cierta capacidad de modicaci on de las gr acas mediante opciones de la propia ventana gr aca, en lugar de usar instrucciones desde la ventana de comandos.
14
Programando en matlab
1.13
matlab permite a la hora de programar una serie de elementos t picos para la modicaci on del ujo de una secuencia de instrucciones. La sintaxis es muy parecida a la de cualquier lenguaje de programaci on. Todos estos operadores se pueden usar en la ventana de comandos, en l nea, o en un chero .m.
1.13.1
Operadores l ogicos y relacionales
Permiten la comparaci on de escalares (o de matrices elemento a elemento). Si el resultado de la comparaci on es verdadero, devuelven un 1, en caso contrario devuelven un 0. Los operadores elementales son: < > menor que mayor que <= >= menor o igual mayor o igual == = igual no igual
Es importante no dejar espacios entre los operadores formados por dos s mbolos. Si los datos a comparar son matrices, la comparaci on se hace elemento a elemento, devolviendo una matriz binaria.
1.13.2
Bucles y estructuras condicionales
En esta secci on se explica una serie de comandos importantes a la hora de hacer un programa en matlab: for, while, if-else.
for La sintaxis de este comando es la siguiente: for variable = expresion hacer algo; end La expresion es un vector, una matriz o cualquier comando de matlab que produzca como salida un vector o una matriz. La ejecuci on se realiza una vez por cada elemento del vector o de una columna de la matriz. Tanto los bucles como las estructuras condicionales se terminan con end. Presentamos un primer ejemplo en el que la variable i toma los valores 10, 9, ..., 1:
A MATLAB INTRODUCCION for i=10:-1:1 kk(11-i)=i; end A continuaci on otro ejemplo en el que aparecen dos bucles anidados: x = [0:0.1:pi]; y = x; for f=1:length(x) for c=1:length(y) Z(f,c) = sin(x(f)).^2 + cos(y(c)).^2; end end mesh(x,y,Z);
15
Es importante evitar en lo posible el uso de bucles en matlab, ya que consumen mucho tiempo, pudi endose en muchos casos realizar las mismas operaciones de una forma m as eciente y compacta. Los siguientes ejemplos calculan logaritmos de n umeros desde 1 a 10.000. Se har a de diferentes maneras para comparar. Se utilizan los comandos clock (que devuelve la hora actual) y etime (que devuelve el tiempo en segundos que ha transcurrido entre dos instantes) para calcular el tiempo consumido en las operaciones. t1=clock; for i=1:10000, a(i)=log(i); end; e1=etime(clock,t1); t1=clock; ind=[1:10000]; for i=ind, a(i)=log(i); end;... e2=etime(clock,t1); t1=clock; a=zeros(1,10000); ind=[1:10000];... for i=ind, a(i)=log(i); end; e3=etime(clock,t1); t1=clock; ind=[1:10000]; a=log(ind); e4=etime(clock,t1); t1=clock; ind=[1:10000]; a=zeros(1,10000); a=log(ind); ... e5=etime(clock,t1); Los tiempos de computaci on para los diferentes m etodos son: 86.17 86.56 2.42 0.27 0.28
Las causas de la disminuci on importante de tiempos es que en los primeros m etodos, matlab tiene que recalcular la dimensi on del vector cada pasada por el bucle (importancia de las inicializaciones), y adem as usa bucles for, que como se ha indicado, consumen mucho tiempo. Esto por supuesto no quiere decir que no deban usarse, pues habr a ocasiones en que no haya m as remedio, pero siempre que haya una forma alternativa de hacerlo, esta ser a preferible al uso de bucles.
16 while
Permite implementar bucles condicionales. Su sintaxis es: while expresion hacer algo; end
La expresi on es de la forma X operador Y, donde X e Y son escalares o expresiones que devuelven escalares y los operadores suelen ser operadores relacionales. En el siguiente ejemplo se busca una matriz aleatoria estable (parte real de autovalores negativa): A = randn(2); % Genera numeros aleatorios con distribucion normal while max(real(eig(A))) >= 0 A=randn(2); end; eig(A) Se puede usar el comando break para salir de un bucle en funci on de una determinada condici on. if, else, elseif
La sintaxis es la siguiente: if expresion 1 hace algo elseif expresion 2 hace algo else hace algo end
else y elseif son opcionales.
1.13.3
Ficheros .m
matlab puede ejecutar programas que se encuentren almacenados en cheros ASCII que pueden encuentrarse en alguno de los subdirectorios indicados en el camino de b usqueda o bien en el subdirectorio de trabajo actual y tengan adem as extensi on .m. Hay dos tipos de cheros .m: script les y function les Scripts Son cheros .m en los que se ponen secuencialmente comandos de matlab que se ejecutan en ese orden al introducir el nombre del chero .m (sin extensi on). Operan globalmente con
17
los datos que se encuentran en la memoria. Los ejemplos que ilustran estas notas son en s script-les, pues llevan un conjunto de comandos matlab y comentarios. funciones Son tambi en cheros .m, pero a diferencia de los anteriores, se le pueden pasar argumentos y pueden devolver resultados. Por tanto utilizan variables globales que se pasan por valor. La mayor a de los cheros contenidos en los toolboxes son funciones. La sintaxis de todas las funciones almacenadas en cheros .m es la siguiente:
function [out1,out2,...] = nombre_fichero (in1,in2,...) % Comentarios adicionales para el help comandos de MATLAB return;
Una funci on puede tener m ultiples par ametros de entrada y salida. Numerosos ejemplos de funciones ser an utilizados en las demostraciones. Para nalizar, comentar que existen una serie de utilidades a la hora de programar en matlab. Las m as comunes son:
pause: Para la ejecuci on hasta que se pulsa una tecla. Puede usarse para pausar la ejecuci on durante un n umero de segundos determinado, en lugar de esperar a que se pulse una tecla: pause(n).
disp: Muestra una cadena de caracteres por pantalla.
input: Muestra una cadena de caracteres por pantalla y espera a que el usuario introduzca un valor, que generalmente ser a asignado a una variable.
18
Resumen de los comandos de matlab
1.14
Resumen de los comandos de matlab
= [ ] ( ) . ... , ; % : !
Caracteres especiales Instrucci on de asignaci on Usado para formar vectores y matrices Ver [ Precedencia aritm etica Ver ( Punto decimal La instrucci on contin ua en la siguiente l nea Separa ndices y argumentos de funci on Acaba las, suprime la impresi on Comentarios Indexaci on, generaci on de vectores Ejecuta instrucci on del sistema operativo Valores Especiales Respuesta cuando no se asigna la expresi on Precisi on 1 No N umero (Not-a -Number) Reloj Fecha N umero de operaciones N umero de argumentos de entrada de una funci on N umero de argumentos de salida de una funci on Archivos de disco Cambiar de directorio Borrar archivo Diario de la sesi on Directorio de archivos en el disco Cargar variables de un archivo Guardar variables en un archivo Mostrar funci on o archivo Mostrar archivos .m en el disco Escribir en un archivo Compactar memoria v a save
ans eps pi i,j inf NaN clock date flops nargin narout
chdir delete diary dir load save type what fprintf pack
A MATLAB INTRODUCCION Matrices especiales Compa nera Diagonal Identidad Esot erica Hadamard Hankel Hilbert Inversa de Hilbert Vectores igualmente espaciados Vectores logar tmicamente espaciados M agica cuadrada Dominio para puntos de malla Matriz constante de unos Pascal Elementos aleatorios Toeplitz Vandermonde Matriz de ceros
19
compan diag eye gallery hadamard hankel hilb invhilb linspace logspace magic meshdom ones pascal rand toeplitz vander zeros
rot90 fliplr flipud diag tril triu reshape :
n de matrices Manipulacio Rotaci on Invierte el orden de las columnas Invierte el orden de las las Diagonal Parte triangular inferior Parte triangular superior Reordena una matriz en otra Traspuesta Convierte una matriz en una columna simple gicas y relacionales Funciones lo Condiciones l ogicas Condiciones l ogicas Encuentra ndices de valores l ogicos Detecta NaNs Detecta innitos Detecta matrices vac as Detecta variables de cadena Compara variables de cadena
any all find isnan finite isempty isstr strcomp
20
Resumen de los comandos de matlab Control de flujo Ejecuta instrucciones condicionalmente Usado con if Usado con if Termina if, for, while Repite instrucciones un n umero de veces Repite instrucciones mientras una sentencia l ogica sea verdadera Sale de los bucles for y while Salida desde funciones Pausa hasta que se pulse una tecla Texto y cadenas Convierte cadena en valores ASCII Eval ua texto como instrucciones Convierte n umeros en cadenas Convierte enteros en cadenas Indicador de cadenas Convierte n umeros en cadenas Detecta variables de cadena Compara variables de cadena Convierte cadenas hexadecimales en n umeros n y archivos .m Programacio Obtiene n umeros desde el teclado Llamada al teclado como si fuera un archivo .m Muestra mensaje de error Dene funci on Eval ua texto en variables Eval ua funci on dada por una cadena Permite mostrar las instrucciones en pantalla Comprueba si las variables existen Sensibilidad a las may usculas Dene variables globales Archivo de inicializaci on Accede a una variable de entorno Genera un men u Tiempo gastado rica Ventana alfanume Limpia pantalla Mueve cursor al comienzo Establece el formato de salida Muestra matriz o texto Imprime n umero formateado Permite la muestra de las instrucciones
if elseif else end for while break return pause
abs eval num2str int2str setstr sprintf isstr strcomp hex2num
input keyboard error function eval feval echo exist casesen global startup getenv menu etime
clc home format disp fprintf echo
A MATLAB INTRODUCCION ficos Gra Gr aco lineal en el plano XY Gr aco logar tmico en el plano XY Gr aco semilogar tmico Gr aco semilogar tmico Gr aco polar Supercie de malla tridimensional Plano de contornos Dominio para gr acos de supercie Gr acos de barras Gr acos de escaleras A nade barras de errores n Gra fica Anotacio T tulo Anotaci on en eje x Anotaci on en eje y Dibuja cuadriculado Posiciona un texto arbitrariamente Posiciona un texto con el rat on input gr aco fica Control de la ventana gra Escalado manual de ejes Mantiene gr aco en pantalla Muestra la pantalla gr aca Limpia la pantalla gr aca Divide la pantalla gr aca Funciones elementales M odulo complejo Argumento complejo Ra z cuadrada Parte real Parte imaginaria Conjugado complejo Redondeo al entero m as cercano Redondeo hacia cero Redondeo hacia Redondeo hacia Funci on signo Resto Exponencial base e Logaritmo natural Logaritmo base 10
21
plot loglog semilogx semilogy polar mesh contour meshdom bar stairs errorbar
title xlabel ylabel grid text gtext ginput
axis hold shg clf subplot
abs angle sqrt real imag conj round fix floor ceil sign rem exp log log10
22
Resumen de los comandos de matlab tricas Funciones Trigonome Seno Coseno Tangente Arcoseno Arcocoseno Arcotangente Arcotangente de x/y Seno hiperb olico Coseno hiperb olico Tangente hiperb olica Arcoseno hiperb olico Arcocoseno hiperb olico Arcotangente hiperb olica
sin cos tan asin acos atan atan2 sinh cosh tanh asinh acosh atanh
bessel gamma rat erf inverf ellipk ellipj
Funciones especiales Funci on de Bessel Funci on gamma Aproximaci on racional Funci on de error Inversa de la funci on de error Integral completa el ptica de primera especie Integral el ptica de Jacobi
balance backsub cdf2rdf chol eig hess inv lu nnls null orth pinv qr qz rref schur svd
Descomposiciones y factorizaciones Forma equilibrada Sustituci on regresiva Convierte diagonales complejas en diagonales reales Factorizaci on de Cholesky Autovalores y autovectores Forma de Hessenberg Inversa Factores de la eliminaci on gaussiana M nimos cuadrados con restricciones Base ortonormal del n ucleo Base ortonormal de la imagen Pseudoinversa Factorizaci on QR Algoritmo QZ Forma escalonada reducida por las Descomposici on de Schur Descomposici on en valores singulares
A MATLAB INTRODUCCION Condicionamiento de matrices N umero de condici on en la norma 2 Norma 1, norma 2, norma de Frobenius, norma Rango Estimaci on de la condici on (inverso) Funciones matriciales elementales Matriz exponencial Matriz logaritmo Matriz ra z cuadrada Funci on arbitraria de matriz Polinomio caracter stico Determinante Traza Producto tensorial de Kronecker
23
cond norm rank rcond
expm logm sqrtm funm poly det trace kron
poly roots roots1 polyval polyvalm conv deconv residue polyfit
Polinomios Polinomio caracter stico Ra ces de polinomios - m etodo de la matriz compa nera Ra ces de polinomios - m etodo de Laguerre Evaluaci on de polinomios Evaluaci on de polinomio matricial Multiplicaci on Divisi on Desarrollo en fracciones parciales Ajuste por un polinomio lisis de datos por columnas Ana Valor m aximo Valor m nimo Valor medio Mediana Desviaci on t pica Ordenaci on Suma de elementos Producto de elementos Suma acumulativa de elementos Producto acumulativo de elementos Derivadas aproximadas Histogramas Coecientes de correlaci on Matriz de covarianza Reordena en pares complejos
max min mean median std sort sum prod cumsum cumprod diff hist corrcoef cov cplxpair
24
Resumen de los comandos de matlab ales Tratamiento de sen M odulo complejo Argumento complejo Convoluci on Coecientes de correlaci on Covarianza Deconvoluci on Transformada r apida de Fourier FFT 2-dimensional FFT inversa FFT inversa 2-dimensional Cambia las dos mitades de un vector n nume rica Integracio Funci on de integraci on num erica Funci on de integraci on num erica
abs angle conv corrcoef cov deconv fft fft2 ifft ifft2 fftshift
quad quad8
ode23 ode45
n de ecuaciones diferenciales Solucio M etodo Runge-Kutta de orden 2/3 M etodo Runge-Kutta-Fehlberg de orden 4/5 n Ecuaciones no lineales y optimizacio M nimo de una funci on de una variable M nimo de una funci on de varias variables Soluci on de un sistema de ecuaciones no lineales (ceros de una funci on de varias variables) Cero de una funci on de una variable n Interpolacio Spline c ubico Genera tablas 1-D Genera tablas 2-D
fmin fmins fsolve fzero
spline table1 table2
Cap tulo 2
ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB

2.1 n Introduccio
En lo que sigue, se va a realizar una introducci on a los comandos de matlab relacionados con la teor a de control de sistemas. Casi todas las funciones que se describen pertenecen al Control System Toolbox. Las funciones principales se van a explicar sobre ejemplos demostrativos, con el n de que su uso y comprensi on sean lo m as sencillos posible. Se realizar an ejemplos tanto en el dominio temporal, continuo y discreto, como en el frecuencial. Tambi en se mostrar a la forma de dar la descripci on de un sistema lineal mediante funci on de transferencia, conjunto de polos y ceros, o variables de estado. Asimismo se comentar a la forma de manipular una funci on de transferencia como un objeto.
2.2
Tratamiento mediante funciones de transferencia. Sistemas continuos
Este apartado muestra el uso de algunas de las herramientas con las que cuenta matlab para el dise no y an alisis de sistemas de control. Para el ejemplo se va a partir de una descripci on de la planta en forma de funci on de transferencia: H (s) = .2s2 + .3s + 1 (s2 + .4s + 1)(s + .5)
En matlab las funciones de transferencia se introducen dando el par de polinomios numeradordenominador: 25
26
Tratamiento mediante funciones de transferencia. Sistemas continuos num = [.2 .3 1]; den1 = [1 .4 1]; den2 = [1 .5];
El polinomio del denominador es el producto de dos t erminos. Para obtener el polinomio resultante se usa el producto de convoluci on (o de polinomios).
den = conv(den1,den2)
Para ver los polos (o los ceros) de la funci on de transferencia, podemos usar: roots(den) (roots(num)). Una forma m as completa de convertir una funci on de transferencia dada por dos polinomios numerador y denominador, en un conjunto de factores de grado 1, correspondientes a los polos (z1 , z2 , z3 ) y ceros (c1 , c2 ), de la forma: H (s) = es mediante el comando tf2zp: K (1
s s c1 ) (1 c2 ) s s s z1 ) (1 z2 ) (1 z3 )
(1
[ceros,polos,gan] = tf2zp (N,D);
que devuelve un vector conteniendo los ceros de la funci on de transferencia, un vector conteniendo los polos, y un escalar correspondiente a la ganancia est atica. La funci on complementaria a esta tambi en existe:
[N,D] = zp2tf (ceros,polos,gan);
Como curiosidad, cabe mencionar que el nombre de estas funciones es bastante descriptivo: tf-two-zp procede de transfer-function to zero-pole form.
2.2.1
Dominio Temporal
La respuesta ante un escal on a la entrada se puede analizar en sistemas que tengan una descripci on en forma de funci on de transferencia o una representaci on en el espacio de estados, generando un vector de tiempos y usando la funci on step:
t = [0:.3:15]; y = step(num,den,t); plot (t,y);
ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB title (Respuesta a un escalon unitario); xlabel (tiempo(seg)); grid;
27
La respuesta al escal on unitario puede verse en la Fig. 2.1. Seleccionando con el rat on en la curva, pueden modicarse algunos atributos de la misma. Tambi en pueden modicarse las propiedades de los ejes de forma an aloga. Las guras guardarse en cheros .g propios de matlab, o exportarse en diferentes formatos gr acos est andar.
2.5 Respuesta a un escaln unitario
1.5
0.5
0 0
tiempo(seg)
10
15
Figura 2.1: Respuesta a escal on unitario
No es necesario recuperar el resultado de la simulaci on ante escal on que realiza step para despu es representarlo con plot, sino que el propio comando step, si lo utilizamos sin par ametros de salida, realiza la representaci on. Es m as, en este segundo caso, la representaci on gr aca es algo m as interactiva, puesto que si pinchamos con el bot on izquierdo en alg un punto de la gr aca, nos dice los valores correspondientes al tiempo y al valor de la salida en ese punto. La respuesta impulsional se puede obtener del mismo modo, pero usando en este caso la funci on impulse, que tiene una sintaxis similar al comando step. N otese que el vector de tiempos ya ha sido denido con anterioridad.
impulse (num,den,t);
La respuesta al impulso puede verse en la Fig. 2.2. La respuesta del sistema a cualquier tipo de entrada tambi en puede obtenerse. Para ello es necesario tener la se nal de entrada en un vector u, que l ogicamente deber a tener la misma dimensi on que el vector de tiempos. En sistemas multivariables, en vez de un vector de entradas tendremos una matriz. A estos efectos se usa la funci on lsim. Un ejemplo caracter stico es la respuesta a una entrada en rampa:
28

Respuesta a un impulso
0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0.1 0.2 0 5
tiempo(seg)
10
15
Figura 2.2: Respuesta al impulso ramp = t; y = lsim (num,den,ramp,t); plot (t,y,t,ramp); title (Respuesta a una rampa); xlabel (tiempo(seg)); La respuesta a la rampa puede verse en la Fig. 2.3.
30 Respuesta a una rampa
25
20
15
10
0 0
tiempo(seg)
10
15
Figura 2.3: Respuesta a la rampa
Otro ejemplo caracter stico es la respuesta a un ruido uniforme aleatorio. Recordamos que rand(m,n) genera una matriz m n de n umeros aleatorios uniformemente distribuidos entre 0 y 1. Es importante darse cuenta del ltrado que se produce en la se nal cuando pasa por el sistema (hace de ltro paso bajas). noise = rand (size(t));
ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB y = lsim (num,den,noise,t); plot (t,y,t,noise); title (Respuesta a un ruido aleatorio); xlabel (tiempo(seg));
29
La respuesta al ruido puede verse en la Fig. 2.4.

1.4 Respuesta a un ruido aleatorio
1.2
0.8
0.6
0.4
0.2
0 0
tiempo(seg)
10
15
Figura 2.4: Respuesta a ruido aleatorio
2.2.2
Dominio Frecuencial
Respuesta en frecuencia La respuesta en frecuencia de los sistemas se puede obtener usando las funciones bode, nyquist y nichols. Si no se le ponen argumentos a la izquierda, estas funciones generan las gr acas por s solas. En caso contrario, vuelcan los datos en los vectores de salida oportunos. A continuaci on se presentan ejemplos de las tres posibles sintaxis de la funci on bode:
1.- bode(num,den) 2.- [mag,phase,w] = bode (num,den) 3.- [mag,phase] = bode (num,den,w)
La primera de ellas produce un gr aco con la magnitud en decibelios (dB) y la fase en grados. En las otras dos la magnitud se devuelve en el vector mag y est a expresada en unidades absolutas, no en dB. Por su parte, la fase, devuelta en el vector phase, sigue siendo en grados. En esta forma, la representaci on es m as interactiva, en el sentido de que pinchando con
30
el rat on en un punto de la curva, podemos ver los valores correspondientes. La segunda forma autom aticamente genera los puntos de frecuencia en el vector w. En la tercera forma es el usuario el que escoge los rangos de frecuencia, y resulta muy adecuado cuando se quieren representar varias gr acas conjuntamente, que habr an de compartir una misma escala frecuencial. El resultado de los dos u ltimos comandos se puede representar usando funciones conocidas: subplot(211), loglog(w,mag), title(Magnitud), xlabel(rad/s); subplot(212), semilogx(w,phase), title(Fase), xlabel(rad/s); El resultado para la funci on de transferencia del ejemplo anterior puede verse en la Fig. 2.5. Cabe comentar que el comando subplot(n,m,i) permite dividir una ventana gr aca en una matriz de n m sub-gr acas, seleccionando como activa la n umero i (numeradas consecutivamente de izquierda a derecha y de arriba abajo).
10
1
Modulo
10
10
10
10
10 Rad/s Fase
10
100
200 1 10
10 Rad/s
10
Figura 2.5: Diagrama de Bode
El comando nyquist tiene la misma sintaxis: nyquist (num,den,w); [re,im] = nyquist (num,den,w); Computa las partes real e imaginaria de G(jw) y realiza la representaci on si no se le ponen par ametros de salida. Para obtener la representaci on gr aca por nosotros mismos, s olo hay que dibujar la parte real frente a la imaginaria. El resultado obtenido mediante el ejemplo anterior puede verse en la Fig. 2.6. El comando nichols computa el diagrama de Nichols de un sistema a partir de la funci on de transferencia en bucle abierto. Para verlo basta dibujar la magnitud del bucle abierto en

Nyquist Diagrams
2.5 From: U(1)
31
1.5
Imaginary Axis
0.5
To: Y(1)
0.5
1.5
2.5 1.5
0.5
0.5
1.5
Real Axis
Figura 2.6: Diagrama de Nyquist dB (en el eje de ordenadas) frente a fase del bucle abierto en grados (en eje de abcisas), o llamar a la funci on sin argumento de salida. Si se quiere en forma de a baco, se puede usar el comando ngrid. nichols (num,den,w), ngrid; [mag,phase] = nichols (num,den,w);
40 30 20 10 0 10 20 30 40 360 40 db 0 Diagrama de Nichols 0 db 0.25 db 0.5 db
ganancia del bucle abierto (dB)
1 db 3 db 6 db
1 db
3 db 6 db 12 db 20 db
270
180 fase del bucle abierto (grados)
90
Figura 2.7: Diagrama de Nichols
M argenes de estabilidad Como es bien sabido en la teor a cl asica del control, los m argenes de estabilidad son el margen de fase y el margen de ganancia. Estos m argenes se calculan usando el comando margin. margin (num,den);
32
Tratamiento mediante funciones de transferencia. Sistemas continuos [mg,mf,wmg,wmf] = margin (num,den);
Como tercer par ametro de entrada se le puede pasar el rango de frecuencias deseado. En el primer caso indicado, en el que no se le especican par ametros de salida, se realiza la representaci on del diagrama de Bode, junto con una indicaci on, mediante l neas verticales de los puntos donde se mide cada uno de los m argenes y los valores de los mismos. En la segunda variante, como salidas se obtienen los valores de los m argenes de ganancia (no en dB), el margen de fase (en grados) y sus correspondientes frecuencias. Si existen varias frecuencias de corte marca los m as desfavorables (ver Fig. 2.8).
50 Gm=3.448 dB, (w= 1.287) Pm=11.64 deg. (w=1.182)
Gain dB
50 2 10
10
Frequency (rad/sec)
10
10
0 90
Phase deg
180 270 360 2 10
10
Frequency (rad/sec)
10
10
Figura 2.8: M argenes de fase y ganancia
Efectos de los retardos Los retardos existen en numerosas aplicaciones de control autom atico. En sistemas lineales continuos invariantes en el tiempo, el retardo viene representado por e sT . La forma m as sencilla de manipular los retardos en matlab es en el dominio de la frecuencia. N otese que ejwT = 1|wT . Por tanto los retardos dejan la magnitud invariable y afectan al desfase, tendiendo a inestabilizar al sistema controlado. Para prop ositos de representaci on mediante el comando bode, todo lo que habr a que hacer es restar la fase del retardo a la de la funci on de transferencia. Por ejemplo: num = [0.2 0.3 1]; den = [1 0.9 1.2 0.5]; T = 1; % Tiempo de retardo puro w = logspace (-2,1,100); [mag,fase] = bode (num,den,w); faseDelay = fase - (T*w*180/pi); % Sustrae la fase tras convertirla a grados subplot(211); semilogx (w, 20*log10(mag)); grid; subplot(212); semilogx (w, [fase, faseDelay]); grid;
33
2.2.3
Comandos relacionados con operaciones de bloques
Existen una serie de comandos relacionados con las operaciones t picas en diagramas de bloques: [N12,D12] = series (N1,D1,N2,D2): Devuelve la resultante de colocar en serie dos funciones de transferencia (Fig. 2.9). El mismo resultado podr a obtenerse llamando dos veces al comando conv, que recu erdese permit a multiplicar dos polinomios.
u1
s1
y1
u2
s2
y2
Figura 2.9: Conexi on en serie [N12,D12] = parallel (N1,D1,N2,D2): Devuelve la resultante de colocar en paralelo dos funciones de transferencia (Fig. 2.10).
u1
S1
y1
u u2 S2
y2
Figura 2.10: Conexi on en paralelo [Nbc,Dbc] = feedback (N1,D1,N2,D2,-1): A partir de un sistema en bucle abierto, dado por el numerador y denominador N 1,D1, proporciona el correspondiente en bucle cerrado, considerando que en la cadena de realimentaci on hay otra funci on de transferencia, dada por N 2, D2 (Fig. 2.11). El u ltimo par ametro indica el signo de la realimentaci on (1 para realimentaci on negativa y 1 para positiva). [Nbc,Dbc] = cloop (N1,D1,-1): En el caso en que se pretenda obtener la funci on de transferencia en bucle cerrado con realimentaci on unitaria, puede emplearse este comando m as compacto, en el que se evita tener que especicar una segunda funci on de transferencia. Conviene tener claro que para todos estos comandos relacionados con operaciones por bloques, se podr a perfectamente estar trabajando con funciones de transferencia discretas, sin ninguna diferencia.
34
u S1
S2
Figura 2.11: Conexi on en realimentaci on Para operaciones de bloques m as complejas, resulta m as adecuado usar la herramienta simulink que tambi en se explicar a en estas notas.
2.2.4
Lugar de las ra ces
El an alisis mediante el lugar de las ra ces se puede obtener deniendo un vector de ganancias deseadas (que es el par ametro usado habitualmente para ver la evoluci on de los polos en bucle cerrado). La sintaxis es:
r = rlocus (N,D,K); rlocus (N,D);

(s) En la primera forma, calcula el lugar de las ra ces de 1 + K N D(s) = 0, para un vector de ganancias especicado, K . rlocus devuelve una matriz r con length(K) las y length(den) columnas, conteniendo la localizaci on de las ra ces complejas. Cada la de la matriz corresponde a una ganancia del vector K . El lugar de las ra ces puede ser dibujado con plot(r,x).
En la segunda forma, que es la usada habitualmente, la funci on directamente dibuja el lugar de las ra ces. Adem as, como vemos, no es imprescindible indicar un vector de ganancias. Para la funci on de transferencia que ven amos utilizando en los ejemplos, se obtendr a el lugar de las ra ces mostrado en la Fig. 2.12 Un comando muy u til como complemento a rlocus es rlocfind, cuya sintaxis general es:
[K,polos] = rlocfind (num,den)
Antes de introducir dicho comando es necesario haber dibujado el lugar de las ra ces. Al introducir rlocfind, se pide que se seleccione con el rat on un punto determinado del lugar,

4 3 2 1 0 1 2 3 4 4
35
Eje imaginario
0 Eje real
Figura 2.12: Lugar de las ra ces
proporcionando como resultado la ganancia K en dicho punto y la localizaci on de los polos correspondientes a esa ganancia. Para mejorar la precisi on, puede realizarse un zoom en torno a una zona de inter es en la gr aca, antes de ejecutar rlocfin. Otra utilidad para ver la sobreoscilaci on que corresponder a a un par de polos complejos conjugados situados en el lugar, ser a dibujar los lugares geom etricos de factor de amortiguamiento ( ) y frecuencia natural ( n ) constantes, mediante el comando sgrid. Ejemplo: Los siguientes comandos dibujan el lugar de las ra ces de una funci on de transferencia, realizando una conveniente ampliaci on y resaltando las l neas de factor de amortiguamiento 0.5, 0.6 , 0.7 y de frecuencia natural 0.5 rad/s (Fig. 2.13).
N = 1; D = [1 3 2 0]; rlocus(N,D); sgrid ([0.5:0.1:0.7],0.5); axis([-2.5,1,-3,3]);
Las nuevas versiones de matlab van m as all a y ofrecen una herramienta interactiva para ir viendo en vivo las variaciones que sufre el lugar de las ra ces, conforme se a naden, eliminan y mueven los polos y ceros de bucle abierto. A esta herramienta se accede mediante el comando rltool. Merece la pena que el alumno dedique unos minutos a esta herramienta de gran valor did actico.
36
Estudio temporal y frecuencial de sistemas de primer y segundo orden

3
Imag Axis
3 2.5
1.5
0.5 Real Axis
0.5
Figura 2.13: Lugar de las ra ces con rejilla
2.3

Sistemas de primer orden
2.3.1
La representaci on en forma de funci on de transferencia viene dada por: G(s) = que en notaci on matlab se introduce: K = tau num den 1; = 1; = K; = [tau 1]; K 1 + s
La respuesta a un escal on unitario de entrada se obtiene con la funci on step. El resultado puede verse en la Fig. 2.14 t = [0:0.1:10]; ye = step(num,den,t); plot(t,ye); title (Respuesta a un escalon unitario); xlabel (tiempo(seg)); grid;

Respuesta a un escaln unitario
37
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 1 2 3
5 6 tiempo(seg)
10
Figura 2.14: Respuesta a escal on unitario del sistema de primer orden Las dos caracter sticas fundamentales de un sistema de primer orden son su ganancia est atica K y su constante de tiempo . La constante de tiempo es el tiempo que tarda en alcanzar el 63% de la salida. La ganancia est atica es el cociente entre la amplitud de salida y la de entrada en el r egimen permanente. Estos valores se pueden comprobar directamente en la gr aca o analizando el vector de datos resultante: yRP = ye(length(ye)); % Valor en regimen permanente n = 1; while ye(n) < 0.63*yRP n=n+1; end % Constante de tiempo (0.1 es el intervalo transcurrido entre dos medidas, % se le resta 1, porque los indices empiezan en 1): tauEstim = 0.1*(n-1); La respuesta a una rampa unitaria de entrada para nuestro sistema de primer orden se puede simular mediante: ramp = t; yr = lsim (num,den,ramp,t); plot (t,yr,t,ramp); title (Respuesta a una rampa); xlabel (tiempo(seg)); grid; El resultado se muestra en la Fig. 2.15, en la que aparecen, tanto la rampa de entrada como la salida. El error de seguimiento en posici on en r egimen permanente puede obtenerse, al igual que se ha hecho anteriormente, midiendo directamente en la gr aca o bien a partir del vector de datos resultante.
38

Respuesta a una rampa
10 9 8 7 6 5 4 3 2 1 0 0 1 2 3
5 6 tiempo(seg)
10
Figura 2.15: Respuesta a rampa unitaria del sistema de primer orden La respuesta impulsional se puede obtener del mismo modo, pero usando en este caso la funci on impulse (Fig. 2.16), que tiene una sintaxis similar al comando step.
yi = impulse (num,den,t); plot (t,yi); title (Respuesta a un impulso); xlabel (tiempo(seg));

1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 1 2 3 4 5 6 tiempo(seg) 7 8 9 10 Respuesta a un impulso
Figura 2.16: Respuesta a impulso del sistema de primer orden Para nalizar con la secci on de sistemas de primer orden, se va a comprobar que los resultados coinciden con los esperados en la teor a. Como es bien sabido, los sistemas lineales de primer orden de ganancia unidad invariantes en el tiempo tienen las siguientes caracter sticas (nos remitimos a la bibliograf a): Respuesta a escal on unitario: ye2 (t) = 1 e(t/ ) , (t 0)
ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB Respuesta a rampa unitaria: yr2 (t) = t + e(t/ ) , (t 0) Respuesta a impulso: yi2 (t) = (1/ )e(t/ ) , (t 0)
39
Si se dibujan estas funciones con el vector de tiempos denido anteriormente, y se superponen con las gr acas vistas anteriormente, puede apreciarse que coinciden perfectamente (Fig. 2.17). ye2 = 1 - exp(-t/tau); yr2 = t - tau + tau * exp(-t/tau); yi2 = (1/tau) * exp(-t/tau); plot (t,ye,t,ye2,o); title(Respuesta teorica a escalon unitario); grid; pause; plot (t,yr,t,ramp,t,yr2,o); title(Respuesta teorica a rampa unitaria); grid; pause; plot (t,yi,t,yi2,o); title (Respuesta teorica a impulso); grid;
2.3.2
Sistemas de segundo orden
La representaci on normal de un sistema de segundo orden en forma de funci on de transferencia viene dada por: 2 Kwn G(s) = 2 2 s + 2wn s + wn donde: K : ganancia est atica del sistema. Se va a suponer en el an alisis siguiente, sin p erdida de generalidad, que K = 1. : Coeciente de amortiguamiento. wn : Frecuencia natural no amortiguada del sistema. Del polinomio caracter stico se tiene que las dos ra ces son s1,2 = wn wn 2 1, pudiendo distinguirse los siguientes casos: Caso 1: Si > 1 2 ra ces reales distintas en SPI (sobreamortiguado).
40
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 10 9 8 7 6 5 4 3 2 1 0 0 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 1 2 1 2 1 2
Respuesta terica a escaln unitario
10
Respuesta terica a rampa unitaria
10
Respuesta terica a impulso
10
Figura 2.17: Respuesta a escal on, rampa e impulso del sistema de primer orden
41
Caso 2: Si = 1 2 ra ces reales iguales en SPI (l mite sobre-sub), sistema cr ticamente amortiguado. Caso 3: Si 0 < < 1 ra ces complejas conjugadas en SPI (subamortiguado) Caso 4: Si = 0 Respuesta oscilatoria. Sistema cr ticamente estable. Ra ces en eje imaginario. Caso 5: Si < 0 Sistema inestable, ra ces en SPD. Se va a analizar el comportamiento para el conjunto de valores de en la respuesta a un escal on unitario. Se supone wn = 1. Dado que el caso 3 se ver a con m as detalle, dado su mayor inter es, se presentar a en u ltimo lugar. Primer caso: 2 ra ces reales distintas (Fig. 2.18).
t = [0:0.2:20]; wn = 1; d = 2; num = [wn^2]; den = [1,2*d*wn,wn^2]; ye = step (num,den,t); plot (t,ye); title (Respuesta a un escalon unitario); xlabel (tiempo(seg)); grid;
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 2 4 6
10 12 tiempo(seg)
14
16
18
20
Figura 2.18: Respuesta a escal on del sistema de segundo orden con dos ra ces reales distintas Segundo caso: 2 ra ces reales iguales (cr ticamente amortiguado) (Fig. 2.19). El sistema, en este caso el lo m as r apido posible, antes de hacerse subamortiguado.
42
Estudio temporal y frecuencial de sistemas de primer y segundo orden d = 1; den = [1,2*d*wn,wn^2]; ye = step (num,den,t); plot (t,ye); title (Respuesta a un escalon unitario); xlabel (tiempo(seg)); grid;
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 2 4 6
10 12 tiempo(seg)
14
16
18
20
Figura 2.19: Respuesta a escal on de un sistema segundo orden con dos ra ces reales iguales Cuarto caso: Sistema en punto cr tico de oscilaci on (Fig. 2.20).
d = 0; den = [1,2*d*wn,wn^2]; ye = step (num,den,t); plot (t,ye); title (Respuesta a un escalon unitario); xlabel (tiempo(seg)); grid;
Quinto caso: Sistema inestable (Fig. 2.21).
d = -0.1; den = [1,2*d*wn,wn^2]; ye = step (num,den,t); plot(t,ye); title (Respuesta a un escalon unitario); xlabel (tiempo(seg)); grid;
43
2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 0 2 4 6
10 12 tiempo(seg)
14
16
18
20
Figura 2.20: Respuesta a escal on de un sistema de segundo orden cr ticamente estable
6 0
10 12 tiempo(seg)
14
16
18
20
Figura 2.21: Respuesta a escal on de un sistema de segundo orden inestable
44
Tercer caso: Dos ra ces complejas conjugadas (Fig. 2.22). d = 0.5; den = [1,2*d*wn,wn^2]; ye = step (num,den,t); plot (t,ye); title (Respuesta a un escalon unitario); xlabel (tiempo(seg)); grid;
1.2
0.8
0.6
0.4
0.2
0 0
10 12 tiempo(seg)
14
16
18
20
Figura 2.22: Respuesta a escal on de un sistema segundo orden subamortiguado Se puede tambi en analizar para este tercer caso de dos ra ces complejas el efecto de modicar el factor de amortiguamiento. Se muestra para valores = {0.1, 0.2, ...0.9} (Fig. 2.23). t = [0:0.2:20]; wn = 1; vectDelta = [0.1:0.1:0.9]; num = wn^2; Y = []; for ind = 1:length(vectDelta) d = vectDelta(ind); den = [1,2*d*wn,wn^2]; y = step (num,den,t); Y = [Y, y]; end plot (t,Y); title (Respuesta a un escalon unitario); xlabel (tiempo(seg)); grid; Se mantiene el valor de = 0.2 para el siguiente an alisis:

Respuesta a un escalon unitario
45
1.8
1.6
1.4
1.2
0.8
0.6
0.4
0.2
10 tiempo(seg)
12
14
16
18
20
Figura 2.23: Familia de respuestas escal on de un sistema segundo orden subamortiguado d = 0.2; den = [1,2*d*wn,wn^2]; ye = step (num,den,t);
La salida del sistema viene dada por la ecuaci on: ye (t) = 1 e(wn t) sen(wd t + ) (1 2 ) , con : = arctg (1 2 )
y donde wd = wn (1 2 ), siendo wd la frecuencia natural amortiguada. Las envolventes de la respuesta anterior vendr an dadas por: 1+ e(wn t) (1 2 ) y 1 e(wn t) (1 2 )
ev1 = 1 + ((exp(-d*wn*t)/(sqrt(1-d^2)))); ev2 = 1 - ((exp(-d*wn*t)/(sqrt(1-d^2)))); plot (t,ye,t,ev1,t,ev2); title (Respuesta de sist. segundo orden) xlabel (tiempo (s)); ylabel (salida); grid;
Los par ametros caracter sticos del transitorio vienen dados por:
wd
Tiempo de pico: tp =
wn
(1 2 )
46

2 1.8 1.6 1.4 1.2
salida
Respuesta de sist. segundo orden
1 0.8 0.6 0.4 0.2 0
10 tiempo (s)
12
14
16
18
20
Figura 2.24: Envolventes de la respuesta de un sistema de segundo orden subamortiguado Tiempo de subida: ts =
wd
(1 2 )
Sobreoscilaci on (%): S 0 = e
Estos valores se pueden calcular anal ticamente y compararlos con los obtenidos directamente de la gr aca o analizando el vector de resultados.
% Valor de la salida en reg. perm: yeRP = 1; % Calculo SO teorica: SOana = exp (-(d*pi)/(sqrt(1-d^2))); % A partir de la respuesta obtenida: SO = max(ye) - yeRP; % Tiempo de pico teorico: Tpana = pi/(Wn*sqrt(1-d^2)); % A partir de la respuesta. Aunque existen muchas formas de calcularlo, % una trivial es la siguiente (la precision viene determinada por la % primera cifra decimal, debido al modo de definir el vector de tiempos): for i = 1:length(ye) if ye(i) == max(ye) Tp = t(i); break; end end % Tiempo de subida teorico: fi = atan (sqrt(1-d^2)/d); Tsana = (pi-fi) / (wn*sqrt(1-d^2));
47
% A partir de la respuesta. Por definicion, el tiempo de subida es aquel % para el cual la salida iguala por primera vez al valor en reg. perm. for i = 1:length(t) if (ye(i) <= yeRP & ye(i+1) >= yeRP) Ts = t(i); break; end end disp Sobreoscilaciones; [SOana SO] disp Tiempos de pico; [Tpana Tp] disp Tiempos de subida; [Tsana Ts]
2.3.3
An alisis del efecto de un cero en la respuesta temporal de un sistema de segundo orden
Los ceros afectan al valor de la ganancia y a la forma de respuesta transitoria, pero no a la estabilidad. Supongamos la funci on de transferencia siguiente:
n Kw z (s + z ) G(s) = 2 2 s + 2wn s + wn 2
Seg un la posici on de los polos y los ceros se tendr an comportamientos diferentes. Si el valor absoluto del cero es mucho mayor que el valor absoluto de la parte real de los polos, apenas var a la forma de la respuesta t pica (polos dominantes). Ver Fig. 2.25. t = [0:0.2:20]; K = 1; wn = 1; d = 0.5; c = 10; % Numeradores sin cero y con cero: num = K * wn^2; num2 = K * (wn^2/c) * [1 c]; den = [1 2*d*wn wn^2]; % Comparamos la salida con la correspondiente al mismo sistema sin cero: y = step (num,den,t); y2 = step (num2,den,t); plot (t,y2,t,y,o); title (Influencia de un cero lejos del eje imaginario); polos = roots(den); disp Magnitud de la parte real polos:; abs(real(polos(1)))
48

Influencia de un cero lejos del eje imaginario
1.2
0.8
0.6
0.4
0.2
0 0
10
12
14
16
18
20
Figura 2.25: Inuencia de un cero lejano en la respuesta temporal de un sistema de segundo orden Si el cero est a entre dos ra ces reales no var a la forma de la respuesta, pero var a su rapidez (Fig. 2.26), pues se introduce acci on derivativa.
t = [0:0.2:20]; K=1; wn=1; d=2; c=0.5; num = K*wn^2; num2 = K*(wn^2/c)*[1 c]; den = [1 2*d*wn wn^2]; y = step (num,den,t); y2 = step (num2,den,t); plot (t,y2,t,y,o); title(Influencia del cero entre polos reales); disp Magnitud de los polos:; abs(roots(den))
Si el cero est a m as cerca del eje imaginario que los polos reales, aumenta la rapidez de la respuesta (Fig. 2.27), pudiendo la salida rebasar ampliamente su valor de r egimen permanente. Como el efecto derivativo es muy grande, aunque el sistema sin el cero no sobrepasara el valor de r egimen permanente, el efecto del cero hace que s sobrepase dicho valor.
t = [0:0.2:20]; K=1; wn=1; d=2; c=0.05; num = K*wn^2; num2 = K*(wn^2/c)*[1 c]; den = [1 2*d*wn wn^2]; y = step (num,den,t);

Influencia del cero entre polos reales
49
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 2 4
10
12
14
16
18
20
Figura 2.26: Inuencia de un cero dominante en la respuesta temporal de un sistema de segundo orden y2 = step (num2,den,t); plot (t,y2,t,y,o); title(Influencia del cero cercano al eje imag.); disp Magnitud de los polos:; abs(roots(den))
5 4.5 4 3.5 3 2.5 2 1.5 1 0.5 0 0 2 4 6 8 10 12 14 16 18 20 Influencia de un cero cercano al eje imaginario
Figura 2.27: Inuencia de un cero muy dominante en la respuesta temporal de un sistema de segundo orden Si el cero pasa al semiplano derecho (sistema de fase no m nima) modica sensiblemente la oscilaci on (t pico por ejemplo en arranque de turbinas). Ver Fig. 2.28. En este caso, la acci on derivativa inicial va en sentido contrario a la salida del sistema, por lo que si dicha acci on derivativa es grande (cero cercano al eje imaginario), la salida ir a inicialmente en sentido contrario a la de r egimen permanente. t = [0:0.2:20];
50
Estudio temporal y frecuencial de sistemas de primer y segundo orden K=1; wn=1; d=2; c=-0.5; num = K*wn^2; num2 = K*(wn^2/c)*[1 c]; den = [1 2*d*wn wn^2]; y = step (num,den,t); y2 = step (num2,den,t); plot (t,y2,t,y,o); title(Influencia de un cero positivo);
1 Influencia de un cero positivo
0.8
0.6
0.4
0.2
0.2
0.4 0
10
12
14
16
18
20
Figura 2.28: Inuencia de un cero en el semiplano derecho en la respuesta temporal de un sistema de segundo orden
2.3.4
Inuencia de polos adicionales. Polos dominantes
Al r egimen transitorio afectan fundamentalmente los polos y ceros cercanos al eje imaginario. El efecto de un cero adicional se ha visto anteriormente. Analizamos ahora el de un polo adicional. Supongamos la funci on de transferencia siguiente: G(s) =
2 p K wn 2 )(s + p) (s2 + 2wn s + wn
Se va a tomar para el estudio el caso de comportamiento subamortiguado analizado en las secciones anteriores. En dicho caso, la funci on de transferencia correspondiente ten a los polos con su parte real en 0.5. Si la distancia entre esos polos y el resto es del orden de 5w n (con cercano a 1) todos los polos y ceros a partir de esa distancia no afectan al transitorio. De hecho, en el an alisis de sistemas, normalmente cuando un sistema tiene un n umero grande de polos, se trata de simplicar para obtener un sistema aproximado de segundo orden con sus polos localizados en los polos dominantes citados. La inuencia de un polo lejano y uno cercano puede verse en las Fig. 2.29 y 2.30. En ambas guras se muestra la salida del sistema con y sin el polo p adicional comparadas ante una entrada en escal on.
ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB t = [0:0.2:20]; K=1; wn=1; d=0.5; p=10; num = K*wn^2; num2 = wn^2*K*p; den = [1 2*d*wn wn^2]; den2 = conv (den,[1 p]); y = step (num,den,t); y2 = step (num2,den2,t); plot (t,y2,t,y,o); title (Influencia de un polo lejano); disp Situacion de los polos:; roots(den2)
51
Como se observa en la Fig. 2.29 la inuencia es muy peque na o casi inexistente en este caso.
1.2 Influencia de un polo lejano
0.8
0.6
0.4
0.2
0 0
10
12
14
16
18
20
Figura 2.29: Inuencia de un polo lejano en la respuesta temporal Si se analiza el caso de un polo cercano al eje imaginario:
t = [0:0.2:20]; K=1; wn=1; d=0.5; p=0.2; num = K*wn^2; num2 = wn^2*K*p; den = [1 2*d*wn wn^2]; den2 = conv (den,[1 p]); y = step (num,den,t); y2 = step (num2,den2,t); plot (t,y2,t,y,o); title (Influencia de un polo lejano); disp Situacion de los polos:; roots(den2)
52
Tratamiento mediante funciones de transferencia. Sistemas discretos

Influencia de un polo cercano
1.2
0.8
0.6
0.4
0.2
0 0
10
12
14
16
18
20
Figura 2.30: Inuencia de un polo cercano al eje imaginario
2.4
Tratamiento mediante funciones de transferencia. Sistemas discretos
Se incluyen en esta secci on algunas aclaraciones sobre comandos para tiempo discreto, cuya sintaxis suele ser similar, en su caso, a su equivalente continuo, a nadiendo una d delante. Se van a exponer s olo unas pocas, dejando al lector el an alisis por su cuenta del resto. [Nz,Dz] = c2dm (N,D,Ts,metodo): Discretizaci on de un modelo en tiempo continuo, cuya funci on de transferencia viene dada por los polinomios numerador y denominador. Como tercer par ametro se especica el periodo de muestreo. El u ltimo par ametro proporciona una cadena de caracteres que indica el m etodo con el que se va a hacer la discretizaci on, las posibilidades son: zoh: Discretizaci on utilizando mantenedor de orden cero (ZOH). Es la opci on por defecto. foh: Discretizaci on utilizando mantenedor de orden uno (FOH). tustin: Discretizaci on mediante aproximaci on trapezoidal. prewarp: Discretizaci on trapezoidal con prewarping. matched: Discretizaci on mediante emparejamiento de polos y ceros (ver [2], pag. 147). Se echa de menos en esta funci on la posibilidad de usar otros m etodos de discretizaci on como son el rectangular hacia delante o hacia atr as. Tambi en da numerosos problemas cuando se intenta discretizar una funci on no propia (como pueda ser la funci on de transferencia de un controlador PID). No es el u nico comando de matlab que tiene esta limitaci on. [N,D] = d2cm(Nz,Dz,Ts,metodo): Se trata de la funci on contraria a la anterior. Transforma un sistema discreto en uno continuo, mediante alguno de los m etodos citados.
53
dstep(Nz,Dz): Calcula la respuesta temporal de un sistema discreto a una secuencia escal on. Esta funci on dibuja directamente la respuesta. Esta representaci on no tendr a en el eje horizontal valores temporales absolutos, sino que aparecer an m ultiplos del periodo de muestreo. Por otro lado, si indicamos un par ametro de salida en la llamada al comando, y = dstep (Nz,Dz);, no se realiza la representaci on, deberemos hacerlo nosotros mismos. En este caso, ser a conveniente pintar la curva con puntos, en lugar de con un trazo continuo (como por defecto hace el comando plot). Ve amoslo con el siguiente ejemplo, que dar a como resultado la gura que aparece a la izquierda en Fig. 2.31: N = [0.2 0.3 1]; D = [1 0.9 1.2 0.5]; [Nz,Dz] = c2dm (N,D,1,zoh); y = dstep (Nz,Dz); plot (y,.); title (Respuesta escal{\o}n de un sistema discreto); xlabel (Periodo de muestreo); ylabel (Salida); grid;
2.5
Respuesta escaln de un sistema discreto
2.5
Respuesta escaln de un sistema discreto
1.5
Salida Salida
1.5
0.5
0.5
10
15 20 Periodo de muestreo
25
30
35
10
15 20 Periodo de muestreo
25
30
35
Figura 2.31: Respuesta ante escal on de un sistema discreto, mostrando s olo valores en instantes de muestreo (izq); mostrando salida continua, mantenida entre periodos de muestreo (der) stairs(y): Para obtener una respuesta como la de que aparece a la derecha en Fig. 2.31, con la forma escalonada t pica de sistemas digitales, simulando que la salida se mantiene constante entre dos periodos de muestreo, bastar a con reemplazar la instrucci on plot(y,.) del ejemplo anterior por stairs(y). dimpulse(Nz,Dz): Versi on discreta de impulse. dlsim(Nz,Dz): Versi on discreto de lsim.
54
n en el espacio de estados Tratamiento mediante descripcio [mag,phase] = dbode(Nz,Dz,Ts,w): Calcula el diagrama de bode de un sistema en tiempo discreto. Siendo w un vector con las frecuencias donde queremos que se eval uen magnitud y fase de la funci on de transferencia. Existen tambi en los correspondientes dnyquist y dnichols. El lugar de las ra ces se calcula igual que en dominio s, usando rlocus. Sin embargo, se usa una rejilla distinta para que la representaci on tenga en cuenta el c rculo de radio unidad. Por ejemplo, para el sistema discretizado anterior, si hacemos: rlocus (Nz,Dz); zgrid;
podremos obtener analizar el lugar de las ra ces en relaci on con los lugares geom etricos de constante y wn Ts constante, en el plano z (Fig. 2.32).
1.5
0.5
Imag Axis
0.5
1.5 2
1.5
0.5 Real Axis
0.5
Figura 2.32: Lugar de las ra ces del sistema discreto, mostrando rejilla plano Z
2.5
n en el espacio de esTratamiento mediante descripcio tados
Se va a utilizar para el an alisis la misma funci on de transferencia que ya apareci o anteriormente: 0.2s2 + 0.3s + 1 H (s) = 2 (s + 0.4s + 1)(s + 0.5) El sistema se puede representar en el espacio de estados x = Ax + Bu y = Cx + Du
55
Existen comandos que permiten obtener una descripci on de un sistema en espacio de estados (ss) a partir de una funci on de transferencia, venga esta dada mediante polinomios numeradordenominador (tf) o mediante polos-ceros (zp), y viceversa: [A,B,C,D] [A,B,C,D] [num,den] [z,p,k] = = tf2ss(num,den) = zp2ss(z,p,k) = ss2tf(A,B,C,D) ss2zp(A,B,C,D) Paso Paso Paso Paso de de de de funci on de transferencia a espacio de estados descripci on polo-cero a espacio de estados espacio de estados a funci on de transferencia espacio de estados a descripci on polo-cero
Supongamos que disponemos de nuestra funci on de transferencia dada mediante:
num = [.2 .3 1]; den = conv([1 .4 1],[1 .5]);
con el comando tf2ss, podemos obtener las matrices correspondientes a su descripci on en espacio de estados: [A,B,C,D] = tf2ss (num,den). La mayor a de las funciones que se han comentado en secciones anteriores para la manipulaci on y simulaci on de sistemas lineales dados por un par numerador-denominador, tienen su correspondencia para espacio de estados. Valgan los ejemplos siguientes:
step (A,B,C,D,1,t); impulse (A,B,C,D,1,t); [Abc,Bbc,Cbc,Dbc] = cloop (A,B,C,D,-1); [A12,B12,C12,D12] = series (A1,B1,C1,D1,A2,B2,C2,D2); [Ad,Bd] = c2dm (A,B,Ts,metodo)};
y muchas otras. Como es bien sabido, una propiedad fundamental de los sistemas es el concepto de estabilidad. Si se considera la ecuaci on no forzada x = Ax, x(0) = x0 , se dice que el sistema es asint oticamente estable si el estado alcanza el valor cero asint oticamente con el tiempo, es decir, x(t) 0 con t . Se puede demostrar que esto ocurre cuando los autovalores de la matriz A tienen partes reales negativas. Por tanto, se puede analizar la estabilidad encontrando los autovalores de la matriz A, usando el comando:
evalues = eig (A)
56
n en el espacio de estados Tratamiento mediante descripcio
2.5.1
Dise no de reguladores en el espacio de estados
Se analizan en esta secci on una serie de comandos de matlab de gran utilidad para el dise no y simulaci on de esquemas de control por realimentaci on lineal del vector de estados:
K = place(A,B,P): Calcula la matriz o vector K de tal forma que los autovalores de A B K (matriz de transici on de estados del sistema en bucle cerrado) sean los especicados en el vector P . K = acker(A,B,P): Calcula la matriz o vector de ganancias K tal que el sistema de una sola entrada x = Ax + Bu, con una ley de control u = Kx, tenga los polos en bucle cerrado en los valores especicados en el vector P . Es una implementaci on de la f ormula de Ackerman). [y,x,t] = initial(A,B,C,D,x0): Proporciona la respuesta que describe el comportamiento de un sistema lineal continuo de la forma: x = Ax + Bu y = Cx + Du ante una cierta condici on inicial x0 de los estados. Devuelve la evoluci on temporal de la salida y de los estados Existe la correspondiente versi on discreta de este comando dinitial. Co = ctrb(A,B): Devuelve la matriz de controlabilidad del sistema Ob = obsv(A,C): Devuelve la matriz de observabilidad. [Ac,Bc,Cc,T,K] = ctrbf(A,B,C): Devuelve una descripci on en espacio de estados en forma can onica de control, separando los subespacios controlables y no controlables. [Ao,Bo,Co,T,K] = obsvf(A,B,C): Devuelve una descripci on en espacio de estados en forma can onica de observaci on, separando los subespacios observables y no observables.
Ejemplo de dise no: Mostramos a continuaci on un breve ejemplo de un dise no de un controlador por realimentaci on lineal del vector de estados con un observador de orden completo:
% Se obtiene una descripcion continua en espacio de estados: [A,B,C,D] = tf2ss (num,den); % Se calcula, por ejemplo, la forma canonica de observacion: [Ao,Bo,Co,T,J] = obsvf (A,B,C); % Se calcula la dinamica deseada para el bucle cerrado (3 polos en s=-2): Pd = poly ([-2,-2,-2]); % Se calcula el vector de ganancias para realimentacion del vector de estados: K = acker (Ao,Bo,[-2,-2,-2]); % O bien se realiza manualmente:
57
K_ = [0 0 1] * inv([Bo, Ao*Bo, Ao^2*Bo]) * polyvalm(Pd,Ao); % Se calcula un observador de orden completo, con una din{\a}mica deseada: L = place (Ao,Co,[-5,-5+j,-5-j]); L = L; % Formamos el sistema en bucle cerrado: Abc = [Ao-Bo*K, -Bo*K; zeros(size(Ao)), Ao-L*Co]; Bbc = 0 * [Bo;Bo]; Cbc = [Co Co]; Dbc = 0; x0 = [1;1;1;-1;-1;-1]; [y,x,t] = initial (Abc,Bbc,Cbc,Dbc,x0); plot (t, [y, x]); title (Control por realim. vector estados con observador); xlabel (tiempo (s)); ylabel (Salida y estados); El resultado del programa indicado aparece en la Fig. 2.33, donde se muestran tanto la evoluci on temporal de los estados reales partiendo de condiciones iniciales no nulas como los errores de estimaci on (suponiendo tambi en un valor no nulo inicialmente en dicho error de estimaci on).
8 Control por realim. vector estados con observador
Salida y estados
3 tiempo (s)
Figura 2.33: Simulaci on de la evoluci on de la salida y los estados reales
2.6
n mediante objetos Manipulacio
En las nuevas versiones del paquete de control (en consonancia con la nueva losof a de matlab), se ofrece la posibilidad de manipular los sistemas mediante unas estructuras de datos espec cas para modelos de sistemas lineales. Estos objetos har an m as f acil la manipulaci on de los sistemas, pudiendo ser tratados de forma m as abstracta, independientemente de que vinieran descritos mediante funciones de transferencia, conjuntos de polos y ceros o matrices correspondientes a una descripci on en espacio de estados.
58
n mediante objetos Manipulacio
Para empezar, veamos justamente las tres formas de crear un objeto de tipo sistema, en funci on de c omo proporcionemos la descripci on de dicho sistema:
sys = tf(num,den) sys = zpk(ceros,polos,k) sys = ss(A,B,C,D)
En cualquiera de los casos, se puede a nadir un par ametro adicional que ser a indicativo de un periodo de muestreo, y por tanto, el sistema ser a discreto. Para cada una de las tres posibilidades el objeto que se crea tiene una estructura diferente, puesto que tiene que almacenar datos de distinto tipo. Supongamos que creamos dos sistemas mediante sendas funciones de transferencia:
sys1 = tf (1,[1 3 1]); sys2 = tf ([1,2],1); sys1 Transfer function: 1 ------------s^2 + 3 s + 1
Como vemos, al pedirle el valor de sys1 nos lo da de una forma monol tica, que har a muy c omoda su manipulaci on. Por ejemplo, podr amos sumar o poner en serie ambos sistemas sin m as que:
sys1+sys2 Transfer function: s^3 + 5 s^2 + 7 s + 3 --------------------s^2 + 3 s + 1 sys12 = sys1*sys2 Transfer function: s + 2 ------------s^2 + 3 s + 1
Por otra parte, las propiedades que est an asociadas a estos objetos pueden verse mediante:
ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB get(sys1) num: den: Variable: Ts: InputDelay: OutputDelay: ioDelayMatrix: InputName: OutputName: InputGroup: OutputGroup: Notes: UserData: {[0 0 1]} {[1 3 1]} s 0 0 0 0 {} {} {0x2 cell} {0x2 cell} {} []
59
Nos informa del numerador y denominador de la funci on de transferencia en s. Al ser continua, su periodo de muestreo es Ts = 0. Se pueden asociar retardos a las entradas o salidas, asociar nombres a entradas o salidas, etc. Si en un momento dado, quisi eramos cambiar alguna propiedad podr amos hacerlo mediante el operador .: sys1.Ts = 1; sys1.num{1} = [0 0 2]; sys1 Transfer function: 2 ------------z^2 + 3 z + 1 el nuevo sistema es discreto, con periodo de muestreo Ts = 1 y con un polinomio ganancia 2 en el numerador (no confundir esta manipulaci on con una discretizaci on, en este caso el sistema continuo original y el discreto no tienen porqu e guardar ninguna relaci on). Estos objetos tambi en est an pensados para poder manipular c omodamente sistemas de m ultiples entradas y m ultiples salidas. De hecho, podr amos haber creado un sistema de la siguiente forma: num1 = 0.5; num2 = [1 1]; den1 = [1 2 1]; den2 = [1 0]; sys = tf ({num1,num2},{den1,den2}) Transfer function from input 1 to output: 0.5 ------------s^2 + 2 s + 1
60
s importantes del Control System Toolbox Resumen de los comandos ma
Transfer function from input 2 to output: s + 1 ----s % O lo que hubiera sido igual: sys1 = tf (num1,den1); sys2 = tf (num2,den2); sys = [sys1, sys2];
2.7
s importantes del Control Resumen de los comandos ma System Toolbox
Normalmente, en la nomenclatura usada en este paquete de control, los comandos referentes a tiempo discreto que posean un equivalente para tiempo continuo, se denominan igual que estos, pero precedidos de una d. Por ejemplo: step y dstep.
append blkbuild cloop connect feedback ord2 pade parallel series
n de modelos Construccio Agrupa din amica de varios sistemas Construye un sistema en representaci on en espacio de estados a partir del diagrama de bloques Calcula el bucle cerrado de un sistema Modelado con diagrama de bloques Conexi on de sistemas realimentados Genera las matrices A, B , C y D para un sistema de segundo orden Aproximaci on de Pad e a un retardo Conexi on de sistemas en paralelo Conexi on de sistemas en serie
ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB n de modelos Conversio Conversi on de sistema continuo a tiempo discreto Conversi on de sistema continuo a tiempo discreto por varios m etodos Conversi on de sistema continuo a discreto con retardo Conversi on de sistema en tiempo discreto a continuo Conversi on de sistema en tiempo discreto a continuo Paso de representaci on en espacio de estados a funci on de transferencia Conversi on de espacio de estados a representaci on polo-cero Paso de representaci on externa (funci on de transferencia) a interna (espacio de estados) Conversi on de funci on de transferencia a representaci on polo-cero Paso de representaci on polo-cero a funci on de transferencia Paso de representaci on polo-cero a espacio de estados n de modelos Reduccio Realizaci on m nima y cancelaci on polo-cero Reducci on del orden del modelo n de modelos Realizacio Conversi on de un sistema a forma can onica Matriz de controlabilidad en escalera Matriz de observabilidad en escalera
61
c2d c2dm c2dt d2c d2cm ss2tf ss2zp tf2ss tf2zp zp2tf zp2ss
minreal modred
canon ctrbf obsvf
ctrb damp dcgain ddamp ddcgain eig esort obsv roots
Propiedades de los modelos Matriz de controlabilidad Factores de amortiguamiento y frecuencias naturales Ganancia en r egimen permanente Factores de amortiguamiento y frecuencias naturales discretas Ganancia discreta en r egimen permanente Autovalores del sistema Clasica los autovalores seg un su parte real Matriz de observabilidad Ra ces del polinomio n de ecuaciones Solucio Soluci on algebraica de la ecuaci on de Riccati Soluci on de la ecuaci on de Lyapunov discreta Soluci on de la ecuaci on de Lyapunov continua
are dlyap lyap
62
s importantes del Control System Toolbox Resumen de los comandos ma Respuesta temporal Respuesta a impulso unitario en tiempo discreto Condiciones iniciales para la respuesta en tiempo discreto Simulaci on para entradas arbitrarias en tiempo discreto Respuesta a escal on unitario en tiempo discreto Simulaci on de un sistema SISO en tiempo discreto Respuesta impulsional continua Condiciones iniciales para la respuesta temporal Simulaci on continua para entradas arbitrarias Respuesta continua a escal on unitario Respuesta frecuencial Diagrama de Bode Diagrama de Bode para tiempo discreto Abaco de Nichols para tiempo discreto Diagrama de Nyquist para tiempo discreto Transformada de Laplace Transformada Z M argenes de fase y ganancia Abaco de Nichols L neas de relleno para el a baco de Nichols Diagrama de Nyquist
dimpulse dinitial dlsim dstep filter impulse initial lsim step
bode dbode dnichols dnyquist freqs freqz margin nichols ngrid nyquist
pzmap rlocfind rlocus sgrid zgrid
Lugar de las ra ces Mapeo polo-cero Determinaci on interactiva de la ganancia en el lugar de las ra ces Lugar de las ra ces Relleno del lugar con l neas que indican wn , constantes Relleno del lugar para tiempo discreto con l neas de wn y constantes
ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB n de la ganancia Seleccio Situaci on de los polos del bucle cerrado en sistemas SISO Dise no de un estimador lineal-cuadr atico para tiempo discreto Dise no de un estimador general lineal-cuadr atico para tiempo discreto Dise no de un regulador lineal-cuadr atico para tiempo discreto Dise no de un regulador lineal-cuadr atico para tiempo discreto con pesos en las salidas Estimador lineal-cuadr atico Dise no de un estimador para tiempo discreto partiendo de una funci on de coste continua Estimador lineal-cuadr atico general Regulador lineal-cuadr atico Dise no de un regulador en tiempo discreto a partir de una funci on de coste continua Regulador con pesos en las salidas Situaci on de los polos dominantes Utilidades Analiza la consistencia del grupo (A, B, C, D) Selector autom atico de rango para diagramas de en tiempo discreto Selector autom atico de rango para diagramas de en tiempo discreto Selector autom atico de rango para diagramas de Selector autom atico de rango para diagramas de
63
acker dlqe dlqew dlqr dlqry lqe lqed lqew lqr lqrd lqry place
abcdchk dfrqint dfrqint2 freqint freqint2
Bode Nyquist Bode Nyquist
64
s importantes del Control System Toolbox Resumen de los comandos ma
Bibliograf a
[1] R.H. Bishop. Modern Control Systems Analysis and Design Using matlab. AddisonWesley, 1993. [2] G.F. Franklin and J.D. Powell. Digital Control of Dynamic Systems. Addison-Wesley, 1980. [3] The MathWorks Inc. Control System Toolbox Users Guide. 1999. [4] The MathWorks Inc. simulink Users Guide, version 3. 1999. [5] The MathWorks Inc. Using matlab, version 5.3.1. 1999. [6] K. Ogata. Solving Control Engineering Problems with matlab, year=1994, publisher=Prentice Hall International Editions. [7] B. Shahian and M. Hassul. Control System Design using matlab, year=1993, publisher=Prentice Hall. [8] K. Sigmon. Introducci on a matlab, Segunda Edici on. Department of Mathematics, U. Florida. Traducido del ingl es por Celestino Montes, Dep. Matem atica Aplicada II, U. Sevilla, 1992.
65

Intro Matlab

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Intro Matlab

Uploaded by

Copyright:

Available Formats

n a Matlab y su Introduccio n al Ana lisis y Control aplicacio de Sistemas

Laboratorio de Control Autom atico

CONTENIDO 1.13.3 Ficheros .m . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.14 Resumen de los comandos de matlab . . . . . . . . . . . . . . . . . . . . 16 18

Funciones y s mbolos relacionados con el entorno

n de datos. Uso de la ventana de comandos Introduccio

n de datos. Uso de la ventana de comandos Introduccio

A=[1 0 2;2 2 0;0 0 1] B=[1, 0,0] C=[1 1 sqrt(2)] D=0;

A la vista de esta serie de comandos se pueden comentar varias cosas:

Variables de entorno y variables especiales

Existen una serie de variables predenidas en matlab, son las siguientes:

Elementos de las matrices

Elementos de las matrices

Operaciones con matrices

Las operaciones comunes con matrices son:

conj: proporciona el conjugado de un escalar o la matriz conjugada a una dada.

imag: parte imaginaria.

lisis de datos Funciones orientadas al ana

inv, pinv: inversa y pseudoinversa

lisis de datos Funciones orientadas al ana

s Otras funciones de intere

Operadores l ogicos y relacionales

Bucles y estructuras condicionales

else y elseif son opcionales.

disp: Muestra una cadena de caracteres por pantalla.

Resumen de los comandos de matlab

Resumen de los comandos de matlab

rot90 fliplr flipud diag tril triu reshape :

any all find isnan finite isempty isstr strcomp

if elseif else end for while break return pause

abs eval num2str int2str setstr sprintf isstr strcomp hex2num

clc home format disp fprintf echo

title xlabel ylabel grid text gtext ginput

axis hold shg clf subplot

bessel gamma rat erf inverf ellipk ellipj

cond norm rank rcond

expm logm sqrtm funm poly det trace kron

poly roots roots1 polyval polyvalm conv deconv residue polyfit

fmin fmins fsolve fzero

spline table1 table2

ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB

Tratamiento mediante funciones de transferencia. Sistemas continuos

En matlab las funciones de transferencia se introducen dando el par de polinomios numeradordenominador: 25

[ceros,polos,gan] = tf2zp (N,D);

[N,D] = zp2tf (ceros,polos,gan);

t = [0:.3:15]; y = step(num,den,t); plot (t,y);

Figura 2.1: Respuesta a escal on unitario

Tratamiento mediante funciones de transferencia. Sistemas continuos

Figura 2.3: Respuesta a la rampa

La respuesta al ruido puede verse en la Fig. 2.4.

Figura 2.4: Respuesta a ruido aleatorio

Tratamiento mediante funciones de transferencia. Sistemas continuos

Figura 2.5: Diagrama de Bode

ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB

180 fase del bucle abierto (grados)

Figura 2.7: Diagrama de Nichols

Tratamiento mediante funciones de transferencia. Sistemas continuos [mg,mf,wmg,wmf] = margin (num,den);

180 270 360 2 10

Figura 2.8: M argenes de fase y ganancia

ANALISIS Y CONTROL DE SISTEMAS USANDO MATLAB

Comandos relacionados con operaciones de bloques

Tratamiento mediante funciones de transferencia. Sistemas continuos

Lugar de las ra ces

r = rlocus (N,D,K); rlocus (N,D);

[K,polos] = rlocfind (num,den)