Mates DLC

CENTRO DE INVESTIGACIN Y DE ESTUDIOS
AVANZADOS DEL INSTITUTO POLITCNICO

NACIONAL

DEPARTAMENTO DE CONTROL AUTOMTICO

Control no lineal de un sistema de levitacin
magntica basado en estimacin de
parmetros electromagnticos

Tesis que presenta

Ing. David Luviano Cruz

Para obtener el grado de

Maestro en ciencias

En la especialidad de

Control Automtico

Director de tesis:

Dr. Wen Yu Liu

Mxico, D.F. Julio, 2012

AGRADECIMIENTO

El culminar el programa de maestra no podra haber sido posible sin la gua
en los momentos ms difciles de Dios, sin lugar a duda sus bendiciones han
sido parte medular en mi vida y en la finalizacin de este proyecto. Por todo,
agradezco a Dios siempre estar a mi lado.

Mis padres Gerardo y Norma as como Marlene mi hermana y su familia,
han sido el combustible en mi corazn y mente para lograr mis metas, saber
que siempre tengo el respaldo de mi familia me ha llevado a motivarme da a
da y lograr la superacin no importando la distancia y la prdida de
momentos agradables juntos. Por la gran formacin moral y el amor
incondicional que me han brindado muchas gracias.

El xito obtenido al terminar el posgrado no hubiera sido posible sin el
apoyo, cario, tiempo y comprensin de mi abuelita Luz Mara, siempre
estuvo all para m no importando lo temprano ni tarde fuera el da,
ofrecindome en todo momento lo mejor de s, mi ms sincero y amoroso
agradecimiento a ella por brindarme su hogar, sus atenciones y su cario.

Un agradecimiento muy especial a mis abuelos Miguel (q.e.p.d) y Asuncin
(q.e.p.d) quienes siempre me dieron su amor y cario en mi niez,
invitndome siempre a ser una persona de bien y provecho. Al igual que mi
abuelo Jos (q.e.p.d) quien siempre llevara un lugar especial en mi corazn.

Un especial agradecimiento a mis tos Andrs, Eduardo y particular a mi to
Antonio, quienes siempre me brindaron su apoyo, consejos y hospitalidad,
Gracias.

Mis ms profundos agradecimientos a mi director de tesis el Dr. Wen que
sin su apoyo, gua y solidaridad no hubiese sido posible terminar la presente
tesis en tiempo y forma.

Al CONACYT ya que sin su apoyo econmico hubiese sido imposible
culminar mis estudios de posgrado.

Por ltimo siempre estar sinceramente agradecido con mi gran amigo Flix
el cual me brindo su amistad incondicionalmente durante la maestra,
siempre apoyndome humildemente en cualquier duda, siendo el parte
importante en mi formacin acadmica.

ndice general
1. Introduccin 5
1.1. Motivacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2. Estructura de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2. Modelo de un sistema de levitacin magntica 9
2.1. Modelo completo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2. Sistema linealizado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3. Estabilidad de puntos de equilibrio . . . . . . . . . . . . . . . . . . . 17
3. Estimacin del parmetro de la fuerza electromagntica 21
3.1. Parmetro de la fuerza electromagntica . . . . . . . . . . . . . . . . 21
3.2. Estimacin con redes neuronales . . . . . . . . . . . . . . . . . . . . . 26
4. Linealizacin exacta 35
4.1. Linealizacin por medio de retroalimentacin completa de estados . . 36
4.2. Ley de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3. Simulaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5. Control aplicando "backstepping" 49
5.1. Mtodo constructivo . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
1
2 NDICE GENERAL
5.2. Ley de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.3. Simulaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
6. Control difuso 65
6.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.2. Sistema difuso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
6.3. Simulaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
6.3.1. Seal de referencia: Escaln . . . . . . . . . . . . . . . . . . . 78
6.3.2. Trayectoria Sinusoidal de Referencia . . . . . . . . . . . . . . 81
7. Comparaciones y conclusiones 85
7.1. Comparaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
7.2. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
7.3. Trabajo futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
ndice de guras
2.1. Sistema de suspencion magnetico . . . . . . . . . . . . . . . . . . . . 10
3.1. Minimal control function . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2. Dependencia entre posicion de equilibrio A
0
y la corriente de equilibrio
1
0
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3. Dependencia entre posicion de equilibrio A
0
y el parametro electro-
magnetico C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4. Dependencia entre A
0
. 1
0
. C . . . . . . . . . . . . . . . . . . . . . . . 26
3.5. Red neuronal para aproximar el parametro electromagnetico C . . . . 27
3.6. Funcion de transferencia sigmoide . . . . . . . . . . . . . . . . . . . . 28
3.7. Error medio cuadratico de red neuronal . . . . . . . . . . . . . . . . . 33
4.1. Respuesta al escalon, Linealizacion exacta por retroalimentacion de
estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2. Corriente respuesta escalon, linealizacion exacta . . . . . . . . . . . . 45
4.3. Seal de control para respuesta escalon; linealizacion exacta . . . . . 46
4.4. Seguimiento seal senoidal linealizacion exacta . . . . . . . . . . . . . 47
4.5. Corriente electrica seguimiento de seal senoidal linealizacion exacta. 47
4.6. Seal de control seguimiento seal senoidal linealizacion exacta . . . . 48
3
4 NDICE DE FIGURAS
5.1. Respuesta al escalon ,Backstepping . . . . . . . . . . . . . . . . . . . 60
5.2. Corriente electrica, Respuesta al escalon, Backstepping . . . . . . . . 60
5.3. Seal de control, Respuesta al Escalon, Backstepping . . . . . . . . . 61
5.4. Respuesta a seguimiento senoidal, Backstepping . . . . . . . . . . . . 62
5.5. Corriente electrica, Referencia Senoidal, Ley de control por Backstepping 62
5.6. Seal de Control, Referencia Senoidal , Backstepping . . . . . . . . . 63
6.1. Conguracion basica de un controlador logico difuso . . . . . . . . . . 67
6.2. Algunas funciones de membresia tipicas . . . . . . . . . . . . . . . . . 71
6.3. Representacion diagramatica de varias estrategias de desdifusicacion 74
6.4. Funcion de membresia entrada c al sistema difuso . . . . . . . . . . . 76
6.5. funcion de membresia entrada c al sistema difuso . . . . . . . . . . . 76
6.6. Funcion de mebresia de salida \ del sistema difuso . . . . . . . . . . 77
6.7. Supercie de salida del controlador logico difuso . . . . . . . . . . . . 79
6.8. Posicion de la Bola Metalica;Respuesta al escalon; Control Logico Difuso 80
6.9. Corriente electrica; Respuesta al escalon; Control logico Difuso . . . . 80
6.10. Seal de Control ; Respuesta al escalon; Control Logico Difuso . . . . 81
6.11. Posicion de la bola a una referencia senoidal; Control Logico difuso . 82
6.12. Corriente electrica; Referencia senoidal; Control difuso . . . . . . . . 83
6.13. Seal de control n a una referencia senoidal ; Control logico difuso . . 83
Captulo 1
Introduccin
El fenmeno de la levitacin ha fascinado a lsofos a travs de los aos y ha
atrado la atencin de cientcos en tiempos recientes como un medio de eliminar la
friccin o el contacto entre supercies. Las interacciones magnticas son conocidas
desde tiempos antiguos, uno de las mayores inquietudes en el estudio del magnetismo
reere a alcanzar la levitacin , es decir, obtener una suspensin estable de un objeto
en contra de la fuerza gravitatoria con la ayuda de campos magnticos.
El estudio de los sistemas de levitacin magntica presentan un gran potencial de-
bido al gran numero de aplicaciones en lo que son empleados. Estos sistemas tienen
variados usos tales como rodamiento sin friccin, trenes de alta velocidad de lev-
itacin magntica, levitacin de modelos en tneles de viento, amortiguamiento de
vibraciones, levitacin de metal fundido en hornos de induccin [8]. Estos sistemas
tienen dinmicas no lineales que son inestables en lazo abierto por lo tanto una ley
de control es requerido para estabilizarlo. Estos sistemas son conocidos como Maglev
(Magnetically Levitated System) los cuales pueden ser divididos en dos tipos:
Tipo repulsin: En este tipo de sistemas de suspensin electromagntica , la parte
5
6 Captulo 1. Introduccin
suspendida repele la parte ja. Este tipo de sistema es realizable con materi-
ales de permeabilidad j menores que la unidad (materiales diamagnticos) y
con materiales super conductores con j = 0. Estos sistemas son naturalmente
estables con coeciente de amortiguamiento pequeo [9].
Tipo atraccin: En este tipo de sistemas la parte suspendida es atrada por la
parte ja del sistema (electro magneto). La realizacin de este tipo de sistemas
es posible con materiales ferromagnticos o imanes permanentes. Este tipo
de maglev tiene ventajas signicativas ya que provee fuerza de atraccin a
velocidades cero , pero el sistema es naturalmente inestable [9].
1.1. Motivacin
El sistema de levitacin electromagntica (Maglev) es un sistema que debido a
la integracin de sus elementos,el subsistema de control y el subsistema actuador
se convierte un tema especial inters para su estudio. El problema de controlar con
precisin la altura vertical de una bola de acero ferromagntica mediante la levitacin
de ella en contra de la fuerza de gravedad es abordado. La levitacin se realiza por
medio de la fuerza electromagntica generado por la manipulacin de la corriente
elctrica a travs de la bobina para generar una fuerza electromagntica la cual
puede contrarrestar el peso de la bola metlica y mantenerla suspendida en el aire.
Sistemas que envuelven interacciones electromagnticas son muy difciles de mod-
elar matemticamente ya que intervienen fenmenos tales como magnetizacion, histre-
sis los cuales generan incertidumbres al momento de desarrollar una expresin analti-
ca del sistema. Por lo anterior y basados en el funcionamiento del sistema de levitacin
magntica una red neuronal es empleada para aproximar el parmetro de la fuerza
1.2. Estructura de la tesis 7
electromagntica C en el modelo de la planta, el cual de otro modo seria complicado
modelar.
Por lo anterior leyes de control que dominen la dinmica del sistema de levitacin
son necesarios los cuales son dependientes de los estados del sistema y del parmetro
electromagntico C .Comnmente este tipo de sistemas es linealizado al rededor de
un punto de equilibrio y posteriormente se emplean la amplia gama de controladores
lineales que existe, por lo tanto, en el presente trabajo se pretende realizar un anlisis
de la obtencin del modelo matemtico del sistema as como los parmetros fsicos
que vienen envueltos en ella, con la nalidad de obtener un modelo matemtico simple
pero apegado a los fenmenos que lo rigen en la vida real. Una serie de controladores
no lineales sern presentado con la nalidad de ampliar el rango de operacin del
sistema de levitacin , al no estar solo limitado a la regin cercana al punto de
operacin, se puede extender al seguimiento de seales que varan en el tiempo.
1.2. Estructura de la tesis
El presente trabajo esta organizado de manera que el Capitulo 1 esta enfocado a
la introduccin del problema planteado y del contexto actual en el cual se desempea
El capitulo 2 desarrolla desde las leyes fundamentales que rigen al circuito elec-
tromagntico el modelo matemtico que sera usado en los posteriores captulos
El capitulo 3 se enfoca al parmetro de la fuerza electromagntica, la manera en
que este parmetro varia en funcin de la posicin que la bola levitada guarda y de
la corriente consumida por el circuito, se emplea una red neuronal para aproximar
el comportamiento no lineal de este parmetro y de esta manera producir leyes de
control mas precisas que garanticen un mejor desempeo.
El capitulo 4,5 y 6 desarrollan estrategias de control no lineal para el sistema
8 Captulo 1. Introduccin
de levitacin,tales como linealizacin exacta, Backstepping y el control lgico difuso
la cual es una tcnica de control no convencional respectivamente,adems son pre-
sentadas simulaciones y se aaden perturbaciones aditivas del tipo de ruido blanco
gaussiano con la idea de asemejar el ruido encontrado en las mediciones experimen-
tales
El capitulo 7 habla de las conclusiones llegadas en la tesis, las limitaciones de ella
as como los trabajos a futuro propuestos.
Captulo 2
Modelo de un sistema de
levitacin magntica
Esta seccin esta enfocada al desarrollo del modelo matemtico de un sistema de
levitacin magntica de un grado de libertad, tipo atractivo usado para suspender un
objeto ferromagntico distancias predeterminadas. El sistema de levitacin magnti-
ca considerado es constituido por una bola ferromagntica suspendido en un campo
magntico controlado por medio de la manipulacin de la diferencia de potencial en
el devanado elctrico. La bola ferromagntica tiene dos grados de libertad, el anli-
sis esta enfocado solo en el movimiento de traslacin realizado en el plano vertical,
mientras se ignora la rotacin de la bola alrededor de su eje.
La bola ferromagntica sufre la inuencia de dos fuerzas
El campo gravitatorio
La fuerza de sustentacin electromagntica 1
1A
producida por el campo gen-
erado por la bobina.
9
10 Captulo 2. Modelo de un sistema de levitacin magntica
Figura 2.1: Sistema de suspencion magnetico
Los sistemas de suspensin magnticos son sistemas que cuentan con dinmicas
no lineales las cuales son inestables en lazo abierto, por lo que una retroalimentacin
de control es necesario para estabilizarlos [1].En el modelo matemtico propuesto
las variables de estado usadas son la posicin de la bola, la velocidad de la bola y
la corriente que pasa a travs del circuito electromagntico. Se puede desarrollar el
modelo matemtico del sistema de levitacin por medio de las ecuaciones diferenciales
apropiadas de acuerdo a los principios mecnicos y elctricos.
2.1. Modelo completo 11
2.1. Modelo completo
Se considera que la posicin r de la bola se incrementa de manera positiva en di-
reccin hacia abajo del electro magneto. Usando los principios fundamentales dinmi-
cos, la dinmica de la bola ferromagntica expresado mediante la ley de Newton para
el equilibrio de fuerzas tiene la siguiente forma no lineal
:
d
2
r(t)
dt
2
= :q ,
c
(i. r. t) (2.1)
donde
: = masa del objeto levitado
q = fuerza de gravedad
r(t) = Distancia entre el electromagneto y la bola
i(t) = Corriente elctrica a travs de la bobina
La expresin para el balance energtico dentro del sistema
d\
c
= d\
ncc
+d\
t
+d\
n
(2.2)
donde los trminos representan la variacin de la energa elctrica d\
c
, la variacin
de la energa mecnica d\
ncc
, la variacin de la energa trmica d\
t
y la variacin
de la energa magntica d\
n
. La variacin de la energa magntica cuando el ujo
magntico esta variando y los cuerpos estn moviendo dentro del campo magntico
viene dado por:
d\
n
= i ,
c
dr (2.3)
La fuerza de levitacin electromagntica puede ser determinada usando los teo-
remas de fuerzas generalizadas [10]
,
c
=
J\
n
Jr
i=cte.
(2.4)
La energa especica magntica de la bobina es:
\
n
=
i(t)
2
=
1(r. t)i(t)
2
2
(2.5)
1(r. t) es la inductancia del electromagneto,donde es inuenciado por el objeto
levitado, el cual puede ser determinado por calculo directos o usando reluctancia o
permeabilidad. Las referencias bibliogrcas empleadas especican el hecho que la
permeabilidad del entrehierro (la regin entre la bobina y el ncleo ferromagntico)
corresponde exclusivamente a la zona del polo cuando la supercie polar es mucho
mas amplia que el espesor.
Determinar analticamente la fuerza magntica para un sistema de levitacin
magntica experimental es extremadamente difcil ya que una combinacin de elec-
tromagneto y un material ferromagntico es usado para el modelo [5].Por lo tanto,
podemos tomar de forma simplicada la inductancia 1(r) como una funcin no lineal
de la posicin r de la bola ferromagntica [2].
1(r. t) = 1
1
+
1
0
r
0
r(t)
(2.6)
donde
r
0
= posicin arbitraria de referencia para la medicin de la inductancia
1
0
= Inductancia incremental producida por la bola ferromagnetica correspondiente a r
0
r(t) = Distancia efectiva entre la bola y el electromagneto
1
1
= Inductancia del electromagneto cuando la bola
se encuentra alejada tal que su efecto puede ser despreciado
2.1. Modelo completo 13
La cual es una aproximacin en donde se asume que esta inductancia varia inversa-
mente proporcional con respecto a la posicin r de la bola ferromagntica. Derivando
la expresin 2.4
,
c
(i. r. t) =
J\(i. r. t)
Jr
=
i
2
(t)d1(r. t)
2dr
(2.7)
Sustituyendo
,
c
(i. r. t) =
1
0
r
0
2
i(t)
r(t)
2
= C
i(t)
r(t)
2
(2.8)
donde
C =
1
0
r
0
2
(2.9)
El cual es un parmetro electromagntico el cual depende del punto de referencia
considerado, caracterizado por r
0
.Quedando nalmente
:
d
2
r(t)
dt
2
= :q C
i(t)
r(t)
2
(2.10)
Para la parte elctrica del sistema se tiene la ley de Kirchho [4].
c(t) = 1i(t) +
d [1(r. t)i(t)]
dt
(2.11)
donde
1 = Resistencia del circuito en Ohm
c(t) = Diferencia de potencial aplicado al circuito elctrico Volts
1(r) = inductancia como una funcin de posicin de la bola
Recordando:
1(r. t) = 1
1
+
1
0
r
0
r(t)
(2.12)
Usando en la ecuacin 2.11 lo anterior tenemos:
c(t) = 1i(t) +1
di(t)
d(t)
1
0
r
0
i(t)
r
2
dr
dt
(2.13)
Denicin 1 El parmetro de la fuerza electromagntica del sistema de levitacin
magntica es denido como:
C =
1
c
r
0
2
(2.14)
donde
r
0
= posicin arbitraria de referencia para la medicin de la inductancia
1
0
= Inductancia incremental producida por la bola ferromagntica correspondiente a r
0
Sustituyendo:
c(t) = 1i(t) +1
di(t)
dt
2C
i(t)
r(t)
2
dr
dt
(2.15)
Con lo desarrollado en la seccin precedente y deniendo
r
1
= Posicin r
r
2
= Velocidad de la bola
r
3
= Corriente a travs del circuito i
n = Diferencia de potencial aplicado al circuito c
Las ecuaciones del sistema de levitacin magntica en el espacio de estados es
r = r
2
(2.16)
r
2
= q
C
:
r
3
r
1
2
r
3
=
1
1(r)
r
3
+
2C
1(r)
r
2
r
3
r
2
1
+
n
1(r)
2.2. Sistema linealizado 15
donde
1 = Inductancia de la bobina
q = Fuerza de gravedad
C =
1
0
r
0
2
parmetro de la fuerza electromagntica
: = Masa de la bola
1 = Resistencia del circuito
2.2. Sistema linealizado
Sea el sistema no lineal
r = ,(r) (2.17)
donde , : 1 1
a
es un mapeo continuamente diferenciable de un dominio
C 1
a
en 1
a
[11].Suponiendo que el origen r = 0 esta en 1 y es un punto de
equilibrio para el sistema tal que ,(0) = 0. Por el teorema del valor medio
,
i
(r) = ,
i
(0) +
J,
i
Jr
(.
i
)r (2.18)
donde .
i
es un punto del segmento de lnea que conecta r con el origen. La ante-
rior igualdad es validad para cualquier punto r 1 tal que la lnea de segmento
conectando r con el origen se encuentre enteramente en 1. Ya que ,(0) = 0
,
i
(r) =
J,
i
Jr
(.
i
)r =
J,
i
Jr
(0)r +
J,
i
Jr
(.
i
)
J,
i
Jr
(0)
r (2.19)
De aqu tenemos:
,(r) = r +q(r) (2.20)
donde
=
J,
Jr
(0) (2.21)
q
i
(r) =

J,
i
Jr
(.
i
)
J,
i
Jr
(0)
r
La funcin q
i
(r) satisface:
|q
i
(r)|
J,
i
Jr
(.
i
)
J,
i
Jr
(0)
krk (2.22)
Por continuidad de

0)
0a
tenemos:
kq(r)k
krk
0 como krk 0 (2.23)
Lo que sugiere que en una vecindad cercana a el origen se puede aproximar el sistema
no lineal r = ,(r) por su linealizacin alrededor del origen
r = r (2.24)
donde
=
J,
Jr
(0) (2.25)
La aproximacin lineal del modelo matemtico del sistema de levitacin magntica
esta dado por:
r = r +1n (2.26)
= Cr (2.27)
donde
=
0 1 0
2Ca
2
3
na
3
1
0
2Ca
3
na
2
1
0
2Ca
3
1a
2
1

1
1
(2.28)
2.3. Estabilidad de puntos de equilibrio 17
1 =
0
0
1
1
(2.29)
C =
h
1 0 0
i
(2.30)
De acuerdo a la relacin 2.30 solo nos interesa como salida del sistema la posicin r
de la bola ferromagntica Donde r
1cq
. r
3cq
satisfacen la condicin
r
2
3cq
=
q:
C
r
2
1cq
(2.31)
La variacin de 1(r) con la posicin de medicin de la inductancia r
0
es despreciada
ya que segun [4],
1
0
r
0
r
(2.32)
Es normalmente 25 veces mas pequeo que el parmetro 1
1
el cual es la inductancia
de la bobina sin la presencia de bola ferromagntica.
2.3. Estabilidad de puntos de equilibrio
Un importante punto en el estudio de las ecuaciones de estado de un sistema es el
concepto de punto de equilibrio. Un punto r = r
en el espacio de estados se dice que

es un punto de equilibrio de r = ,(r) si tiene la propiedad que cuando el estado del
sistema comienza en r
, el sistema se mantendr en r
para tiempo futuro [11]. Los

puntos de equilibrios para sistemas autnomos son las races reales de la ecuacin:
,(r) = 0 (2.33)
Un punto de equilibrio podra ser aislado o podra ser un continuo de puntos de
equilibrio. Analizando las ecuaciones en el espacio de estados para el sistema de
levitacin magntica (ecuacin 2.16).
0 = r
2
(2.34)
0 = q
C
:
r
3
r
1
2
0 =
1
1(r)
r
3
+
n
1(r)
De lo anterior
q: = C
r
3cq
A
1cq
2
(2.35)
1r
3cq
= n
cq
Por lo tanto los puntos de equilibrio del sistema de levitacin magntica ecuacin
2.16.
r
2cq
= 0 (2.36)
En donde r
1cq
y r
3cq
cumplen lo siguiente:
r
2
3cq
=
q:
C
r
2
1cq
(2.37)
Lo que seala que el sistema de levitacin magntica tiene un continuo de puntos de
equilibrio los cuales deben de satisfacer la relacin 2.37. El siguiente teorema muestra
las condiciones bajo las cuales se puede hallar conclusiones acerca de la estabilidad
del origen como un punto de equilibrio para los sistemas no lineales por medio de
investigar la estabilidad del punto de equilibrio del sistema linealizado [11].
2.3. Estabilidad de puntos de equilibrio 19
Teorema 1 Sea r = 0 un punto de equilibrio para el sistema no lineal
r = ,(r) (2.38)
donde f : D R
n
es continuamente diferenciable y D es una vecindad al origen.
Sea
=
J,
Jr
(r) |
a=0
(2.39)
Entonces
El origen es asintticamente estable si Re `
i
< 0 para todos los valores
caractersticos de A
El origen es inestable si Re `
i
0 para uno o mas valores caractersticos de
A
Prueba 1 Para el sistema de levitacin magntico su sistema linealizado referido
en las ecuaciones 2.28 ,2.29, 2.30 .Al calcular los valores los valores caractersticos
de la matriz
=
0 1 0
2Ca
2
3
na
3
1
0
2Ca
3
na
2
1
0
2Ca
3
1a
2
1

1
1
(2.40)
(`1 =
` 1 0
2Ca
2
3
na
3
1
`
2Ca
3
na
2
1
0
2Ca
3
1a
2
1
` +
1
1
(2.41)
Al calcular el determinante de (`1 )
Det(`1 ) = `
3
+`
2
1
1
+`
4Cr
2
30
1:r
4
10

2Cr
30
:r
3
10
2Cr
2
30
1
1:r
3
10
(2.42)
Ya que en el presente anlisis del sistema de levitacin magntica la posicin r
1
y la
corriente r
3
son siempre positivas, el termino
2Cr
2
30
1
1:r
3
10
(2.43)
Sera siempre positivo, por lo que si alguno de los coecientes es cero o negativo ante la
presencia de al menos un coeciente positivo en el polinomio caractersticos, implica
ello que hay una raz o races imaginarias que tiene parte real positiva, en tal caso el
sistema no es estable [15]. De lo anterior se demuestra que el sistema de levitacin
magntica :
1) Cuenta con un continuo de puntos de equilibrio.
2) Los puntos de equilibrio del sistema de levitacin son inestables.
Captulo 3
Estimacin del parmetro de la
fuerza electromagntica
3.1. Parmetro de la fuerza electromagntica
El sistema de levitacin magntica considerado es un sistema no lineal, inestable
y sobre todo afectado por incertidumbres debido a la falta de conocimientos acerca
de alguno de sus parmetros tales como magnetizacion, histresis etc. Por lo tanto
para lograr la posibilidad de simular y disear leyes de control para el sistema , un
modelo que sea capas de capturar el comportamiento real del sistema seria de gran
utilidad.
La levitacin de la bola ferromagntica es obtenida cuando la fuerza electromag-
ntica cancela la fuerza gravitacional [12],[4] [2]. En ese momento la aceleracin de
la bola es cero y el movimiento del sistema es descrito por la ecuacin:
:q = C
1
0
A
0
(3.1)
21
22 Captulo 3. Estimacin del parmetro de la fuerza electromagntica
La expresin 3.1 indica que el parmetro C varia de acuerdo a el punto de lev-
itacin (punto de equilibrio) el cual es caraterizado por el par r
1cq
= A
0
. r
3cq
= 1
0
.
Lo que signica que el parmetro no es constante, incluso si es considerado constante
se obtiene una buena aproximacin de el modelo para un punto de equilibrio [48],[4].
No obstante este modelo donde se considere el parmetro C constante no sera un
modelo general en una situacin donde la levitacin de la bola ferromagntica es
deseada a varias distancias como en el caso del seguimiento de una seal sinusoidal .
Tomando en cuanta lo descrito anteriormente una solucin podra ser desarrollar
un modelo matemtico para el parmetro electromagntico C, lo cual es sumamente
complicado ya que fenmenos como la histresis o magnetizacion son difciles de
modelar.
Para determinar la posicin de equilibrio A
0
y la corriente de equilibrio 1
0
as
como el valor del parmetro C se usa una aproximacin experimental [5],[4],[3] donde
la corriente del circuito y posicin de la bola son medidas. La bola ferromagntica
es localizada en un estante no magntico directamente debajo del electromagneto.
La posicin exacta es registrada por el sensor de posicin, luego una rampa suave
de voltaje es aplicado al circuito magntico y la posicin resultante y la corriente
consumida por el electromagneto es medido [4]. En el primer instante de movimiento
de la bola cuando la fuerza magntica es igual a la fuerza de gravedad la posicin
de la bola r(t) = A
0
y el valor de la corriente i(t) = 1
0
es guardado. Estos valores
representan diferentes puntos de equilibrio para el sistema de levitacin magntica.
Por lo tanto la constante de fuerza C es determinado usando los valores exper-
imentales para A
0,
1
0
y la expresin 3.2 despus de la sustitucin en los valores
medidos para la posicin y corriente.
3.1. Parmetro de la fuerza electromagntica 23
Figura 3.1: Minimal control function
C =
:q
1
0
A
0
2
(3.2)
Aprovechando las ventajas del prototipo experimental ITEKO Krakow presente
en el laboratorio , podemos utilizar la funcin "minimal control identication"gura
3.1 para realizar el experimento antes descrito [6].
A continuacin se presenta una tabla con una serie de datos experimentales
obtenidos para la posicin de equilibrioA
0
y la corriente elctrica de equilibrio 1
0
.
5 6 7 8 9 10 11 12 13
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Posicion de equilibrio X
0
en mm
C
o
r
r
ie
n
t
e

e
le
c
t
r
ic
a

d
e

e
q
u
ilib
r
io

I
0

e
n

A
m
p
e
r
e
Dependencia X
0
, I
0
Figura 3.2: Dependencia entre posicion de equilibrio A
0
1
0
Corriente de equilibrio 1
0
Amp Posicin de equilibrio A
0
mm. Parmetro C
.n
2
2
10
5
0.2936 5.12 2.9866
0.2961 5.17 2.9933
0.3214 5.75 3.1421
0.3547 6.41 3.2133
0.3991 6.87 2.914
0.4384 7.89 3.185
0.493 8.41 3.1702
... ... ...
Basados en los datos obtenidos de manera experimental se observa una depen-
dencia lineal entre la posicin de equilibrio de la bola A
0
1
0
como lo muestra la gura 3.2.
3.1. Parmetro de la fuerza electromagntica 25
5 10 15 20
1.8
2
2.2
2.4
2.6
2.8
3
3.2
3.4
3.6
Posicion de Equilibrio en mm
P
a
r
a
m
e
t
r
o

C
(
N
m
2
/
A
2
)

x

1
0
5
Dependencia X
0
,C
Figura 3.3: Dependencia entre posicion de equilibrio A
0
y el parametro electromag-
netico C
Los valores experimentales para A
0
. 1
0
. C representados por la gura 3.3 indica
que el valor del parmetro C en el modelo matemtico del levitador magntico no
puede ser considerado constante ya que para cada punto caracterizado por el par
A
0
. 1
0
donde la fuerza electromagntica vence a la fuerza gravitacional toma difer-
entes valores.
El parmetro electromagntico C representa una simplicacin en la denicin
del modelo matemtico del sistema de levitacin magntica, ya que encontrar una
expresin analtica para este parmetro es dicil, la dicultad se centra en modelar
una serie de fenmenos no lineales tales como: la magnetizacion de la bola ferromag-
ntica, histresis, campos magnticos etc.[48],[1].
La gura 3.3 muestra que el parmetro electromagntico C obtenido para un
especico punto de equilibrio no provee una adecuada descripcin de el sistema fuera
de la considerada zona lineal.
1
1.2
1.4
1.6
1.8
2
2.2
2.4
2.6
2.8
3
0
10
20
30
40
50
60
70
0
2
4
6
8
10
12
14
16
18
20
Parametro electromagnetico C (Nm
2
/A
2
) x 10
5
Dependencia C,X
0
,I
0
Corriente electrica de equilibrio I
0
en mAmp
P
o
s
ic
io
n

d
e

e
q
u
ilib
r
io

X
0

e
n

m
m
Figura 3.4: Dependencia entre A
0
. 1
0
. C
3.2. Estimacin con redes neuronales
Con la intencin de capturar el comportamiento real del parmetro electromag-
ntico C en el modelo del sistema de levitacin magnetica. Se introduce una red
neuronal capaz de proporcionar una aproximacin a este parmetro el cual sera en-
trenado usando datos experimentales obtenidos [4],[7].
Denicin 2 Una red neuronal es un procesador paralelo distribuido compuesto de
unidades simples de procesamiento , los cuales son propensos por naturaleza a guardar
conocimiento experimental y hacerlo este disponible para su uso.
La red neuronal empleada para la aproximacin del parmetro electromagntico
C es una red del tipo feed-forward que cuenta con 2 entradas, 12 neuronas en la capa
oculta y una neurona en la capa de salida como lo muestra la gura 3.5
La funcin de activacin para las neuronas en la capa oculta es la funcin de
transferencia sigmoidea gura 3.6 :
3.2. Estimacin con redes neuronales 27
Figura 3.5: Red neuronal para aproximar el parametro electromagnetico C
= ,(r) =
1
1 +c
oa
(3.3)
La cual es la mas comn funcin de activacin usada en la construccin de re-
des neuronales articiales .La cual dene una funcin estrictamente creciente que
exhibe un gran balance entre un comportamiento lineal y no lineal. El valor c es el
parmetro de pendiente de la funcin sigmoidea, variando el parmetro c se obtienen
funciones sigmoideas de diferentes pendientes. En el limite conforme el parmetro de
pendiente c se acerca al innito la funcin sigmoidea se aproxima a una funcin
umbral (threshold)[13],[14].Es importante hacer notar que la funcin sigmoidea es
diferenciable mientras que la funcin umbral no lo es.
Para la neurona de salida de le red neuronal es usada una funcin lineal, la cual
es comn en para funciones de ajuste (function tting):
= r (3.4)
Figura 3.6: Funcion de transferencia sigmoide
Las dos entradas de la red neuronal articial representan la posicin de la bola
ferromagntica y la corriente elctrica a travs de la bobina del electromagneto.
Cuando la levitacin de la bola ocurre estos valores coinciden con los valores para la
posicin de equilibrio y la corriente elctrica de equilibrio A
0
. 1
0
:q = C
1
0
A
0
2
(3.5)
Las entradas a la red neuronal articial:
A =
r
1
r
2
A
0
1
0
(3.6)
La salida de la red neuronal representa la aproximacin del parmetro electro-
magntico C. Este valor es determinado de acuerdo [13, 14, 50].
C = \
i
[,(\
o
A +1
o
)] +/
i
(3.7)
Donde
C = Salida de la red neuronal,aproximacin del parmetro C

A = Vector de entrada de dimensin 2 1
\
o
= Matriz de dimensin 12 2 que contiene los pesos de la capa oculta
1
o
= Vector de osets para la capa oculta 12 1
\
i
= Matriz de dimensin 1 12 de los pesos de la capa de salida
/
i
= Oset de la neurona de salida 1 1
El algoritmo de entrenamiento Levenberg-Marquadt Backpropagation fue usado
en la red neuronal para la aproximacin del parmetro electromagntico C el cual
asegura rpida convergencia. El algoritmo levenberg-Marquardt es una aproximacin
al el mtodo de Newton [13, 14, 50].
Denicin 3 El error de estimacin es denido como:
c
i
= C

C (3.8)
donde:
C = Salida deseada
C = Salida de la red neuronal,aproximacin del parmetro C

Las actualizaciones de los pesos viene dado por
\
i
(/ + 1) = \
i
(/)
J
T
(/)J(/) +j1
1
J
T
(/) +c
i
(/)
\
o
(/ + 1) = \
o
(/)
J
T
(/)J(/) +j1
1
J
T
(/) +c
i
(/)
1
o
(/ + 1) = 1
o
(/)
J
T
(/)J(/) +j1
1
J
T
(/) +c
i
(/)
/
i
(/ + 1) = /
i
(/)
J
T
(/)J(/) +j1
1
J
T
(/) +c
i
(/)
(3.9)
donde J(A) es la matriz Jacobiana.
Teniendo una funcin \ (r) el cual se quiere minimizar con respecto a el parmetro
r el mtodo de Newton seria:
A =
2
\ (r)
1
\ (r) (3.10)
Donde
2
\ (r) es el Hessiano de la matriz y \ (r) es el gradiente. Asumiendo
que \ (r) es una suma de funciones cuadradas
\ (r) =
.
X
i=1
c
2
i
(r) = c
T
i
c
i
(3.11)
La tarea de la red neuronal es aprender asociaciones entre un conjunto especico de
pares de entradas-salidas (j
1
. t
1
). (j
2
. t
2
) . .... (j
Q
. t
Q
) .El ndice de desempeo de la
red neuronal es
\ =
1
2
Q
X
q=1
t
Q
c
A
Q
T

t
Q
c
A
Q
=
1
2
Q
X
q=1
c
T
Q
c
Q
(3.12)
donde c
A
Q
es la salida de la red neuronal cuando la -esima entrada j
q
es presentada
y c
q
= t
q
c
A
q
es el error de la -esima entrada.
\ (r) = J
T
(r)c(r) (3.13)
2
\ (r) = J
T
(r)J(r) +o(r)
donde J(A) es la matriz Jacobiana
J(r) =
0c
1
(a)
0a
1
0c
1
(a)
0a
2
...
0c
1
(a)
0a
0c
2
(a)
0a
1
0c
2
(a)
0a
2
...
0c
2
(a)
0a
. . . .
0c
(a)
0a
1
0c
(a)
0a
2
...
0c
(a)
0a

o(r) =
.
X
i=1
c
i
(r)
2
c
i
(r) (3.14)
Para el mtodo Gauss-Newton es asumido que o(r) 0$ y la ley de actualizacin
se convierte en [13, 50] :
r =

J
T
(r)J(r)
1
J
T
(r)c(r) (3.15)
Al usar la modicacin Levenberg-Marquardt a el mtodo Gauss-Newton :
r =

J
T
(r)J(r) +j1
1
J
T
(r)c(r) (3.16)
El parmetro j es multiplicado por algn factor , cuando en un paso resulte en
un aumento de la funcin \ (r) que queremos minimizar. Cuando un paso reduce
\ (r) entonces j es dividido por,. Para el problema de ajuste de una curva por
medio de una red neuronal los trminos de la matriz Jacobiana puede ser calculado
por medio de una modicacin al algoritmo backpropagation.
La red neuronal para calcular la aproximacin del parmetro electromagntico
C fue entrenada con una serie de valores obtenidos de manera experimental para
A
0
. 1
0
. C , los cuales fueron determinados cuando los puntos de equilibrio fueron
alcanzados segun la ecuacin 3.1, como se observa en la tabla 3.1.
La funcin \ (r) que se busco minimizar fue el error de entrenamiento denido
como el error medio cuadrtico entre la salida de la red neuronal y la salida deseada
gura 3.7
La certeza de la red neuronal fue comprobada usando otros valores experimentales
para el parmetro electromagntico C los cuales fueron comparados con la salida de
la red neuronal como se observa en la tabla 3.2.
Corriente de equilibrio 1
0
Amp Posicin de Equilibrio A
0
en mm Parmetro C
.n
2
2
10
5
0.2936 5.12 2.9866
0.2961 5.17 2.9933
0.2965 5.3125 3.1533
0.3089 5.5625 3.1833
0.3214 5.75 3.1421
0.3378 6.0625 3.163
0.363 6.212 3.1697
0.3478 6.251 3.1712
0.3547 6.41 3.2133
0.3991 6.87 2.914
0.4384 7.89 3.185
0.493 8.41 3.1702
... ... ...
Cuadro 3.1: Datos de entrenamiento usado en la red neuronal
Figura 3.7: Error medio cuadratico de red neuronal
Corriente 1
0
Amp Posicin A
0
en mm C Objetivo 10
5
C Salida NN 10
5
0.3647 7.15 3.774 3.710
0.6067 10.3 2.83 2.855
1.027 15.77 2.316 2.28
1.07 16.33 2.288 2.261
1.114 16.97 2.261 2.259
1.164 17.55 2.234 2.244
1.214 18.28 2.209 2.199
.. .. .. ..
Cuadro 3.2: Validacion de red neuronal
Captulo 4
Linealizacin exacta
Los sistemas de levitacin magntica (Maglev) cuentan con dinmicas no lineales
los cuales son inestables en lazo abierto, por lo tanto, una ley de control es requerido
para estabilizar al sistema, la mayora de las leyes de control generadas para este
tipo de sistemas han sido diseadas utilizando tcnicas de control lineal basados
en un modelo lineal aproximado encontrado perturbando la dinmica del sistema
cerca de un deseado punto de operacin (punto de equilibrio)[4, 8] ,ya que el modelo
lineal del sistema es valido solo en una pequea vecindad a el punto de equilibrio
la resultante ley de control lineal se espera que funcione adecuadamente en dicha
vecindad al punto de operacin.
La estrategia de control antes descrita es ampliamente usada ya que es relati-
vamente fcil el disear un controlador lineal para estabilizar el modelo lineal del
sistema y por ende el modelo no linealizado en una vecindad del punto de operacin.
Sin embargo, esta metodologa tiene algunos inconvenientes tales como si una pertur-
bacin acta sobre el sistema este desva relativamente lejos del punto de operacin
y se puede volver inestable. Adems los controladores lineales necesitan algn tipo
35
36 Captulo 4. Linealizacin exacta
de procedimiento de sintonizacin para cambiar los puntos de operacin. Por lo tanto
es una importante tarea disear controladores no lineales de gran rendimiento para
manipular la posicin del objeto levitado.
Nuestro inters en esta tesis es presentar tcnicas de control no lineal para el
sistema de levitacin magntica tomando como premisa que todos los estados del
sistema (posicin,velocidad y corriente) estn disponibles , dichos controladores no
lineales tales como linealizacin exacta por retroalimentacin, backstepping, modos
deslizantes y tcnicas difusas son utilizados para la regulacin o seguimiento en la
altura de la bola metlica levitada por medio de un electromagneto ,tomando como
seales de referencia escalones o seales sinusoidales
4.1. Linealizacin por medio de retroalimentacin
completa de estados
En la tcnica de control por medio de linealizacin exacta se aprovecha que al
modelo matemtico del sistema de levitacin magntica existe un difeomorsmo 1 :
1 1
3
que contiene al origen y un cambio de variables . = 1(r) tal que transforma
el modelo no lineal en la forma . = . +1(r) [n c(r)], de esta manera el sistema
se linealiza de manera exacta en un modelo lineal observable [11].
Denicin 4 [11]Un sistema no lineal
r = ,(r) +q(r)n (4.1)
donde , : 1 1
a
y q : 1 1
aaj
son sucientemente suaves en un dominio
1 1
a
, se dice que es linealizable por retroalimentacin de estado si existe un
difeomorsmo 1 : 1 1
a
tal que 1
:
= 1(1) contiene el origen y el cambio de
4.1. Linealizacin por medio de retroalimentacin completa de estados 37
variables . = 1(r) trasforma el sistema (4.1) en la forma
. = r +1(r) [n c(r)]
con el par . 1 controlable y (r) no singular para toda r 1.
Cuando un cambio de variables . = 1(r) es usado para transformar la ecuacin
de estado desde las coordenadas r a las coordenadas . , el mapeo 1 debe de ser
invertible, debe de existir un mapeo inverso 1
1
(.) para toda . 1(1) donde 1
es el dominio de 1. Ya que la derivadas de . y de r deben de ser continuas se
requiere que 1
1
() y 1() sean continuamente diferenciable, a ellos se le denomina
difeomorsmo.
En un sistema dinmico de una sola entrada y una sola salida tal como el sistema
de levitacin magntico donde la entrada de control es el voltaje aplicado al circuito
elctrico y la salida es la altura de bola metlica , la estructura mas conveniente para
una retroalimentacin esttica de estados es una en la cual la variable de entrada n
es igual a
n = c(r) +,(r) (4.2)
donde es la entrada de referencia externa , la composicin de este tipo de controlador
con un sistema de la forma
r = ,(r) +q(r)n (4.3)
= /(r)
nos da como resultado un sistema en lazo cerrado caracterizado por :
r = ,(r) +q(r)c(r) +q(r),(r) (4.4)
= /(r)
Las funciones c(r) y ,(r) que caracterizan la ley de control ( 4.2 )estn denidas
en un adecuado conjunto abierto de 1
a
, donde ,(r) es asumida diferente de cero para
toda r en este conjunto. Considerando el sistema de una sola entrada-una sola salida
(4.3) donde , ,q y / son funciones sucientemente suaves en un dominio 1 1
a
. El
mapeo , : 1 1
a
y q : 1 1
a
son llamados campos vectoriales en 1. La derivada
de esta dado por
=
J/
Jr
[,(r) +q(r)n] = 1
)
/(r) +1
j
/(r)n (4.5)
donde
1
)
/(r) =
J
Jr
,(r) (4.6)
es llamada la derivada de Lie de / con respecto a , a lo largo de ,. La siguiente
notacin es usada en lo que resta de la seccin:
1
j
1
)
/(r) =
J (1
)
/)
Jr
q(r) (4.7)
1
2
)
/(r) = 1
)
1
)
/(r) =
J (1
)
/)
Jr
,(r)
1
I
)
/(r) = 1
)
1
I1
)
/(r) =
J
1
I1
)
/
Jr
,(r)
1
0
)
/(r) = /(r)
Denicin 5 El sistema no lineal (4.3) es dicho que tiene grado relativo j ,1 j
: , en una regin 1
0
1 si
1
j
1
i1
)
/(r) = 0 con i = 1. 2. .... j 1 (4.8)
1
j
1
j1
)
/(r) 6= 0
para toda r 1
0
.
4.1. Linealizacin por medio de retroalimentacin completa de estados 39
Recordando el modelo en el espacio de estados para el sistema de levitacin
magntica dado por la expresin (2.16) y reorganizndolo en la forma (4.3) r =
,(r) +q(r)n
r
1
r
2
r
3
r
2
q
C
n
a
3
a
1
2
1
1(a)
r
3
+
2C
1(a)
a
2
a
3
a
2
1
0
0
1
1(a)
n (4.9)
Con salida del sistema:
= /(r) = r
1
(4.10)
donde:
r
1
= Posicin r
r
2
r
3
n = Diferencia de potencial aplicado al circuito elctrico
Calculando el grado relativo del modelo matemtico anterior tenemos:
1
j
1
0
)
/(r) =
J
1
0
)
/(r)
Jr
q(r) =
J (/(r))
Jr
q(r) =
h
1 0 0
i
0
0
1
1(a)
= 0 (4.11)
1
j
1
1
)
/(r) =
J (1
)
/(r))
Jr
q(r) =
Jr
2
Jr
q(r) =
h
0 1 0
i
0
0
1
1(a)
= 0 (4.12)
1
j
1
2
)
/(r) =
J
1
2
)
/(r)
Jr
q(r) =
J
q
C
n
a
3
a
1
Jr
q(r) (4.13)
=
h
2Ca
2
3
na
3
1
0
2Ca
3
na
2
1
i
0
0
1
1(a)
=
2Cr
3
:r
2
1
1(r)
6= 0
Por lo tanto el grado relativo del modelo matemtico del sistema de levitacin mag-
ntica es j = : = 3 que es el mismo grado del sistema. Considerando un sistema no
lineal que tenga grado relativo j = : es decir exactamente igual a la dimensin del
espacio de estados. Un cambio de coordenadas requerido para la construccin de una
retroalimentacin que linealice el sistema esta dado por [11, 20]:
(r) =
c
1
(r)
c
2
(r)
...
c
a
(r)
/(r)
1
)
/(r)
...
1
a1
)
/(r)
(4.14)
Para el caso del modelo matemtico del sistema de levitacin el cambio de coorde-
nadas viene dado por:
(r) =
/(r)
1
)
/(r)
1
2
)
/(r)
.
1
.
2
.
3
r
1
r
2
q
C
n
a
3
a
1
(4.15)
El estado del sistema es restringido a la regin donde r
1
0 y r
3
0 para asegurar
que la transformacin (4.15) es invertible. Ninguna funcin extraes necesitada para
completar la transformacin,en las nuevas coordenadas
4.2. Ley de control 41
.
i
= c
i
(r) = 1
i1
)
/(r) con 1 i :
El sistema aparecer descrito por las ecuaciones en la forma
.
1
= .
2
(4.16)
.
2
= .
3
...
.
a1
= .
a
.
a
= /(.) +c(.)n
donde . = (.
1
. .... .
a
) ,
4.2. Ley de control
Suponiendo que la siguiente ley de control por retroalimentacin de estado es
escogida
n =
1
c(.)
(/(.) +)
la cual existe y es bien denida, el resultante sistema en lazo cerrado es gobernado
por las ecuaciones:
.
1
= .
2
(4.17)
.
2
= .
3
...
.
a1
= .
a
.
a
=
El cual es un sistema lineal y controlable. Aplicando lo analizado anteriormente al
sistema de levitacin magntica junto con el cambio de variable expresado por (4.15),
el sistema queda expresado en las nuevas coordenadas:
.
1
= .
2
(4.18)
.
2
= .
3
.
3
= c(r) +,(r)n
Si se escoge la siguiente retroalimentacin de estados [4]
n =
1
,(r)
(c(r) +n) (4.19)
donde
c(r) =
2

C
:
1
2

C
r
1
1(r)
!
r
2
r
2
3
r
3
1
+
1
1(r)
r
2
3
r
2
1
!
(4.20)
,(r) =
2

Cr
3
:1(r)r
2
1
C = Estimacin de parmetro C va redes neuronales (4.21)

La corriente es mantenida positiva y acotada r
3
0 de ese modo es mantenida la in-
vertivilidad del termino ,(r),lo anterior da como resultado la siguiente representacin
en el espacio de estados
.
1
.
2
.
3
0 1 0
0 0 1
0 0 0
.
1
.
2
.
3
0
0
n
(4.22)
donde
.
1
= Posicin de la pelota
.
2
= Velocidad de la pelota
.
3
= aceleracin de la pelota
4.3. Simulaciones 43
4.3. Simulaciones
Para comparar el rendimiento de la linealizacin exacta por retroalimentacin
de estado se realizaron simulaciones para analizar su respuesta a entradas escaln y
su habilidad para el seguimiento de trayectorias de referencias sinusoidales Sea una
trayectoria arbitraria de referencia [4, 11] .
1vc)
(t). .
2vc)
(t). .
3vc)
(t) y una referencia
de entrada j
vc)
(t) dados tales que
.
1vc)
(t) = r
1vc)
(t) (4.23)
.
2vc)
(t) =
d.
1vc)
(t)
dt
.
3vc)
(t) =
d.
2vc)
(t)
dt
,
vc)
(t) =
d.
3vc)
(t)
dt
Una retroalimentacin lineal para n es escogido
n = 1
0
t
Z
0
(.
1vc)
.
1
) dt +1
1
(.
1vc)
.
1
) +1
2
(.
2vc)
.
2
) +1
3
(.
3vc)
.
3
) +,
vc)
(4.24)
Expresado en las variables A
n = 1
0
t
Z
0
(.
1vc)
r
1
) dt+1
1
(.
1vc)
r
1
)+1
2
(.
2vc)
r
2
)+1
3
"
.
3vc)

q
C
:
r
3
r
1
2
!#
+,
vc)
(4.25)
Ya que el sistema (4.22) esta expresado en la forma cannica controlable, escogien-
do valores positivos para las ganancias 1
0
. 1
1
. 1
2
. 1
3
se asegura la localizacin de
los polos en lazo cerrado del sistema en el semiplano izquierdo complejo asegurando
un seguimiento en la trayectoria de referencia.
La primera simulacin consiste en una respuesta escaln de 4.5 mm , con valor
inicial de 18.5 mm y nal de 14 mm. Los parmetros del sistema escogidos para la
simulacin fueron los siguientes
masa : = 12 gramos
Resistencia 1 = 30 Ohm
Inductancia 1 = 0.8 Henrys
Como se muestra en la gura (4.1) la posicin inicial de la bola metlica es de
una altura de 18.5 mm, las ganancias para el controlador sealado en la expresin
(4.25) fueron las siguientes
1
0
= 2 (4.26)
1
1
= 15
1
2
= 5
1
3
= 5
La gura (4.2) muestra la corriente elctrica generada por la seal de control
mostrada en la gura (4.3), la condicin inicial para la corriente fue r
3
= i = 0.5669
amp y r
2
= 0
n
c
.
Para probar la capacidad de seguimiento de trayectoria de la ley de control se
escogi una seal sinusoidal como referencia
.
1
vc)
= 0.005:c:(2:t) +.0185 metros (4.27)
.
2vc)
(t) =
d.
1vc)
(t)
dt
.
3vc)
(t) =
d.
2vc)
(t)
dt
,
vc)
(t) =
d.
3vc)
(t)
dt
0 5 10 15 20 25 30 35 40 45 50
0.013
0.014
0.015
0.016
0.017
0.018
0.019
0.02
Tiempo Segundos
P
o
s
i
c
i
o
n

M
e
t
r
o
s
Respuesta al escalon; Linealizacion exacta

Bola
Referencia
Figura 4.1: Respuesta al escalon, Linealizacion exacta por retroalimentacion de
estado
0 5 10 15 20 25 30 35 40 45 50
0.4
0.42
0.44
0.46
0.48
0.5
0.52
0.54
0.56
0.58
0.6
Segundos
C
o
r
r
i
e
n
t
e

A
m
p
e
r
e
s
Corriente respuesta escalor, retroalimentacion de estado
Figura 4.2: Corriente respuesta escalon, linealizacion exacta
0 5 10 15 20 25 30 35 40 45 50
11
11.5
12
12.5
13
13.5
14
14.5
15
15.5
16
Segundos
V
o
l
t
s
Seal de control
Figura 4.3: Seal de control para respuesta escalon; linealizacion exacta
Con los siguientes valores de ganancias para 1
i
para i = 1. 2. 3 utilizados en la
ley de control (4.25)
1
0
= 100 (4.28)
1
1
= 75
1
2
= 300
1
3
= 12
La gura (4.4) muestra un seguimiento aceptable de la seal de referencia sinu-
soidal, las condiciones iniciales escogidas son r
1
= 18.5 mm, r
3
= i = 0.5669 amp,
r
2
= 0
n
c
.
La corriente elctrica y la seal de control para el seguimiento de la seal sinu-
soidal son mostradas en la gura (4.5) y (4.6) respectivamente.
0 2 4 6 8 10 12 14 16 18
0.0178
0.018
0.0182
0.0184
0.0186
0.0188
0.019
0.0192
0.0194
0.0196
Segundos
P
o
s
i
c
i
o
n

M
e
t
r
o
s
Seguimiento seal senoidal

posicion bola
Figura 4.4: Seguimiento seal senoidal linealizacion exacta
0 2 4 6 8 10 12 14 16 18
0.54
0.55
0.56
0.57
0.58
0.59
0.6
Segundos
A
m
p
e
r
e
s
Corriente electrica seguimiento senoidal
Figura 4.5: Corriente electrica seguimiento de seal senoidal linealizacion exacta.
0 2 4 6 8 10 12 14 16 18
15
15.5
16
16.5
Segundos
V
o
l
t
s
Seal de control ; seguimiento senoidal
Figura 4.6: Seal de control seguimiento seal senoidal linealizacion exacta
Captulo 5
Control aplicando "backstepping"
La tcnica de diseo de controladores por medio de backstepping es una eciente
y popular herramienta para afrontar los problemas de estabilizacion global asinttica
(GAS) y de seguimiento de seales de referencia en sistemas no lineales con parmet-
ros desconocidos o inciertos, sus inicios datan en los primeros aos de la dcada de
los 90s como un resultado de Petar Kokotovic y sus colaboradores [16]. Este enfoque
de ley de control depende en gran medida de los trabajos de Lyapunov y su teora
publicada en el sigo XIX [22].
La tcnica clsica de Backstepping es un tipo de diseo recursivo en el do-
minio del tiempo, que puede ser implementado a sistemas lineales con una estruc-
tura triangular baja y a sistemas no lineales en forma denominada "strict-feedback
form"[11, 16, 21]. En este contexto es posible extender la tcnica clsica de Backstep-
ping a una subclase de sistemas no lineales puros retroalimentados (pure feedback)
, anes en control [16], los cuales incluyen los sistemas no lineales en una forma
strict-feedback[23], sea el sistema no lineal afn en el control :
49
50 Captulo 5. Control aplicando "backstepping"
r
1
= ,
1
(r
1
) +q
1
(r
1
)r
c
1
2
(5.1)
r
2
= ,
2
(r
1
. r
2
) +q
2
(r
1
. r
2
)r
c
2
3
.....
r
a1
= ,
a1
(r
1
. .... r
a1
) +q
a1
(r
1
. ..... r
a1
)r
c
1
a
r
a
= ,
a
(r
1
. .... r
a
) +q
a
(r
1
. .... r
a
)n
con ,
i
() y q
i
() funciones no lineales conocidas, localmente Lipschitz para i =
1. 2. ... :.El sistema (5.1) tiene una sola entrada-una sola salida conteniendo : `
ecuaciones de estados,con el par entrada-salida de grado relativo : .
Denicin 6 Es llamado una forma strict-feedback a cualquier sistema no lineal que
pertenece a la clase (5.1) con c
)1
= 1 para , = 2. .... :[22].
Denicin 7 Cualquier sistema no lineal es llamado de la forma pure-strict-feedback
si mantiene la estructura expresado por (5.1) con c
)1
1\{0} para , = 2. .... :.
[22]
Es importante mencionar que sistemas de la forma pure-strict-feedback es mas
general que las formas strict-feedback, ya que estas ultimas estn incluidas en las
primeras. La diferencia entre sistemas de la forma strict feedback y la forma pure
strict feedback radica en los exponentes del termino c
i
de las variables r
c
1
)
con , =
2. 3. ... :. en el cual son valores constantes en el caso de la forma strict feedback:c
)1
=
1.
Un amplio rango de controladores no lineales pueden ser utilizados para estabilizar
sistemas expresados en la forma anterior tales como modos deslizantes, linealizacin
5.1. Mtodo constructivo 51
exacta por retroalimentacin, mtodos pasivos, control no lineal predictivo, back-
stepping [16]. Numerosas aplicaciones pueden ser beneciadas de la extensin de la
denicin de los sistemas en forma pure-strict-feedback por ejemplo los sistemas de
levitacin magntica [4, 24].
El modelo del sistema levitacin magntica en el espacio de estados cumple con
la denicin ofrecida para los sistemas no lineales en forma pure-strict-feedback con
valores c
1
= 1, c
2
= 2 .
r = r
2
(5.2)
r
2
= q
C
:r
2
1
r
2
3
r
3
=
1
1(r)
r
3
+
2C
1(r)
r
2
r
3
r
2
1
+
n
1(r)
Donde:
r
1
= Posicin r
r
2
r
3
n = Diferencia de potencial aplicado al circuito c
5.1. Mtodo constructivo
El enfoque utilizado por la tcnica Backstepping consiste de : pasos constructivos
y procedimiento sistemtico, aplicado a un sistema no lineal en forma strict feedback
con el objetivo de obtener al nal una ley de control n estabilizante. En el caso
especico de los sistemas no lineales en forma pure strict feedback tal como el sistema
de levitacin magntica es aplicado prcticamente el mismo procedimiento salvo con
ligeros cambios en la funcin de Lyapunov de control. La idea principal es construir
sistemticamente una ley de control n capaz de asegurar el seguimiento a una seal de
referencia, por lo tanto es asumido que todos los estados del sistema estn disponibles
para medicion y consecuentemente para su uso como retroalimentacin de estado
completa [16].
Comenzando con el procedimiento de diseo [21, 23], reescribiendo el subsistema
consistente en la primera ecuacin del sistema (5.1)
r
1
= ,
1
(r) +q
1
(r
1
)r
c
1
2
(5.3)
Se desea encontrar el valor de r
c
1
2
que garantice la estabilidad asinttica del
subsistema (5.3) y la convergencia asinttica de la seal de error variante en el
tiempo
1
= r
1
(t) r
1vc)
(t) hacia el valor cero, donde r
1vc)
(t) es la trayectoria
de referencia deseada para el estado r
1
(t).Usando la terminologa clsica empleada
en [16], se introduce un control virtual c
c
1
a
2
el cual reemplaza el valor de r
c
1
2
en la
expresin (5.3) adems se usara la siguiente funcin de Lyapunov de control o funcin
candidata de Lyapunov [25]:
\
1
(r) =
1
2
2
1
Si se impone

\ (r) < 0 es posible obtener explcitamente el control virtual c
c
1
a
2
.
Escogiendo
\
1
(r) = /
2
1
< 0
con /
1
1
+
un parmetro de ajuste para controlar la pendiente de \
1
(r) y por
lo tanto manipular la razn de convergencia de
1
0. Para el segundo paso del
procedimiento de diseo[23], se toman las primeras dos ecuaciones del sistema (5.1):
r
1
= ,
1
(r
1
) +q
1
(r
1
)r
c
1
2
(5.4)
r
2
= ,
2
(r
1
. r
2
) +q
2
(r
1
. r
2
)r
c
2
3
5.1. Mtodo constructivo 53
Se desea conocer cual debera de ser el valor de r
2
3
para que la estabilidad asinttica
del subsistema (5.4) y la convergencia asinttica a cero de la seal de error
2
= r
c
1
2
c
c
1
a
2
(5.5)
este garantizada. En otras palabras necesitamos calcular el control virtual c
c
2
3
que
establece el valor analtico deseado de r
c2
3
,y luego considerar este control virtual c
c
2
3
en lugar de r
c2
3
en el subsistema (5.4). La forma analtica del control virtual c
c
2
3
sera
calculad imponiendo:
\
2
(r
1
. r
2
) < 0 (5.6)
donde la funcin de lyapunvo de control esta denida por:
\
2
(r) =
1
2
2
1
+
1
2
2
2
(5.7)
Es posible imponer
\
2
(r) = /
1
2
1
/
2
2
2
< 0 (5.8)
con /
2
1
+
. En este punto somos capaces de asegurar estabilidad asinttica del
subsistema parcial (5.4).
Los dos parmetros de ajuste /
1
. /
2
estn destinados a imponer la forma de las
funciones \
1
. \
2
y por lo tanto controlar la velocidad de convergencia asinttica del
subsistema. El procedimiento de diseo continuara paso a paso como es descrito
anteriormente, poniendo atencin en el paso n-esimo :
tI
(el ultimo), analizando el
sistema completo expresado en (5.1) se dene:
a
= r
c
1
a
c
c
1
a
(5.9)
y la funcin candidata de lyapunov para asegurar estabilidad asinttica global (GAS):
\
a
(r
1
. r
2
. .... r
a
) =
a
X
i=1
1
2
2
i
(5.10)
Con el objetivo de dar una visin de el sentido de la funcin de Lyapunov total
(5.10) uno puede notar ya que el objetivo es controlar la evolucin de las variables
de estado r , se ha construido una Funcin de Lyapunov de control capas de reducir
el error de seguimiento entre las variables de estado y sus valores deseados.
Si se impone en el paso nal :
\
a
(r
1
. r
2
. ... r
a
) =
a
X
i=1
/
i
2
i
< 0 (5.11)
se obtiene la ley de control nal n. En la conclusin del paso numero : de este
procedimiento de diseo da como resultado la construccin de una retroalimentacin
global estabilizante y de una Funcin de Lyapunov de Control.
Al analizar la ley de control nal n es fcil notar el inconveniente de tener trminos
que contienen las variables de estado r
i
en el denominador , esto es debido al numero
de las potencias c
i
1
+
en el sistema (5.1), mientas que el exponente c
i
6= 1 la
derivada temporal :
d
dt
(r
c
1
i
) = c
i1
r
c
1
i
dr
i
dt
(5.12)
genera un problema de singularidad ya que la multiplicacin de trminos r
c
1
i
aparecer en el denominador dentro de cada control virtual c
c
1
a
. Este problema no
aparece en los sistemas en la forma strict-feedback ya que el grado del exponente
en el sistema (5.1) siempre es c
i
= 1. Por esta razn es importante tomar especial
atencin en evitar problemas de singularidad en el cual r
i
0 = n con
i = 1. 2. ... :.
5.2. Ley de control
Poniendo atencin en el modelo en el espacio de estados del sistema de levitacin
magntica
r
1
= r
2
(5.13)
r
2
= q
C
:r
2
1
r
2
3
r
3
=
1
1(r)
r
3
+
2C
1(r)
r
2
r
3
r
2
1
+
n
1(r)
Se pretende calcular analticamente una retroalimentacin asinttica global estabi-
lizante por medio de la ley de control n [22]. El control nal sera calculado en 3
pasos constructivos ya que ese es el numero de variables de estado del modelo de
levitacin magntica.
En el primer paso tomamos la primera ecuacin de estado del sistema (5.13):
r
1
= r
2
(5.14)
Denimos el control virtual c
a
2
y lo reemplazamos por r
2
en (5.14)
r
1
= c
a
2
(5.15)
Deniendo
1
, r
1
r
1vc)
(5.16)
Siendo r
1vc)
la trayectoria deseada para la posicin de la bola r
1
. Es escogido una
funcin de control de Lyapunov tal como
\
1
(r) =
1
2
2
1
(5.17)
Imponemos la condicin para la derivada temporal de \
1
(r)
\
1
(r) = /
1
2
1
< 0 (5.18)
con /
1
0 para asegurar la convergencia asinttica global de
1
(t) 0. Si escogemos
el control virtual como [16, 22]:
c
a
2
= r
1vc)
/
1
1
= r
1vc)
/
1
(r
1
r
1vc)
) (5.19)
Derivando a lo largo de las trayectorias de (5.17)
\
1
(r) =
1

1
=
1
( r
1
r
1vc)
) (5.20)
Ya que
r
1
= c
a
2
= r
1vc)
/
1
(r
1
r
1vc)
) (5.21)
sustituyendo (5.21) en (5.20) tenemos:
\
1
(r) =
1
( r
1
r
1vc)
) =
1
( r
1vc)
/
1
(r
1
r
1vc)
) r
1vc)
) = /
1
2
1
< 0 (5.22)
Para el segundo paso se considera el subsistema consistente en las dos primeras
ecuaciones de (5.13)
r
1
= r
2
(5.23)
r
2
= q
C
:r
2
1
r
2
3
se dene el control virtual c
a
2
3
y se reemplaza por r
2
3
.
r
1
= r
2
(5.24)
r
2
= q
C
:r
2
1
c
a
2
3
es denido
2
, r
2
c
a
2
(5.25)
Usando como funcin de control de Lyapunov:
\
2
(r
1
. r
2
) =
1
2
2
1
1
2
/
2
2
2
Imponiendo a la derivada de \
2
a lo largo de las trayectorias del sistema ser:
\
2
(r
1
. r
2
) = /
1
2
1
/
2
2
2
< 0 (5.26)
con /
1
. /
2
0. Si se escoge el control virtual como [16, 22]:
c
a
2
3
=
:r
2
1
C
[q + r
1vc)
(/
1
+/
2
) (r
2
r
1vc)
) (1 +/
1
/
2
) (r
1
r
1vc)
)] (5.27)
Derivando a \
2
(r
1
. r
2
) a lo largo de las trayectorias del sistema
\
2
(r
1
. r
2
) =
1

1
+
2

2
=
1
[ r
1
r
1vc)
] +
2
h
r
2

c
a
2
i
(5.28)
=
1
[r
2
r
1vc)
] +
2
q
C
:r
2
1
c
a
2
3
r
1vc)
+/
1
( r
1
r
1vc)
)
=
1
[r
2
r
1vc)
] +
2
[/
2
(r
2
r
1vc)
) (1 +/
1
/
2
) (r
1
r
1vc)
)]
=
1
[r
2
r
1vc)
] +
2
[/
2
(r
2
r
1vc)
/
1
(r
1
r
1vc)
))]
2
[r
1
r
1vc)
]
Recordando que
2
= r
2
c
a
2
= r
2
[ r
1vc)
/
1
(r
1
r
1vc)
)] (5.29)
1
= r
1
r
1vc)
Sustituyendo en (5.28):
\
2
(r
1
. r
2
) =
1
[r
2
r
1vc)

2
] /
2
2
2
(5.30)
=
1
[r
2
r
1vc)
r
2
+ r
1vc)
/
1
(r
1
r
1vc)
)] /
2
2
2
= /
1
2
1
/
2
2
2
< 0
Para el tercer paso se considera el sistema completo
r
1
= r
2
(5.31)
r
2
= q
C
:r
2
1
r
2
3
r
3
=
1
1(r)
r
3
+
2C
1(r)
r
2
r
3
r
2
1
+
n
1(r)
Deniendo
3
= r
2
3
c
a
2
3
(5.32)
Junto con la funcin de control de Lyapunov:
\
3
(r
1
. r
2
. r
3
) =
1
2
2
1
+
1
2
2
2
+
1
2
2
3
(5.33)
Di se escoge la entrada de control n como[16, 22]:
n = 1r
3
2

C
r
2
r
3
r
2
1

1(r)
2
(/
1
+/
2
+/
3
) r
3
+
1(r)
2r
3
"

C
:r
2
1
[r
2
r
1vc)
+/
1
(r
1
r
1vc)
)] (5.34)
+
:r
1
C
[(1 +/
1
/
2
) (r
1
r
1vc)
) +q + (/
1
+/
2
) (r
2
r
1vc)
) r
1vc)
] (/
3
r
1
+ 2r
2
)
+
:r
2
1
C
[(1 +/
1
/
2
) (r
2
r
1vc)
) + (/
1
+/
2
) (q r
1vc)
)
...
r
1vc)
]
donde

C es la estimacin de parmetro electromagntico va red neuronal, la singu-
laridad presentada en el denominador de la expresin (5.34) por el parmetro

C es
evitada imponiendo que la altura de la bola metlica r
1
6= 0 y la corriente elctrica
a travs del circuito sera r
3
6= 0. En trminos fsicos, la bola metlica no toque el
devanado elctrico que produce la fuerza electromagntica.
Se impone al sistema
\
3
(r
1
. r
2
. r
3
) = /
1
2
1
/
2
2
2
/
3
2
3
< 0 (5.35)
Con lo anterior se asegura estabilidad asinttica Global (GAS) para el sistema de
levitacin magntica (5.31).
5.3. Simulaciones
Para probar el rendimiento del controlador por backstepping se realizaron simula-
ciones para analizar su respuesta a entradas escaln y su habilidad para el seguimiento
de trayectorias de referencias sinusoidales
En la primera simulacin es escogido un escaln de valor inicial 18.5:: y de
valor nal 17:: como seal de referencia , los parmetros del sistema fueron
masa : = 12 gramos
Resistencia 1 = 30 Ohm
Inductancia 1 = 0.8 Henry
Las ganancias utilizadas para la ley de control (5.34) usadas en la simulacin
fueron:
/
1
= 50
/
2
= 50
/
3
= 50
En todas las simulaciones los estados se mantienen acotados r
1
0. r
2
0. r
3
0
, la gura (5.1) muestra la respuesta al escaln por medio de la tcnica backstepping
(5.34), la cual tiene una respuesta en estado transitorio mas pequea que la respuesta
al escaln al aplicar la ley de control por linealizacin exacta (4.24).
La gura (5.2) muestra la grca del estado r
3
(corriente elctrica) la cual en
todo momento se mantiene acotada y con valores positivos r
3
0.
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.017
0.0172
0.0174
0.0176
0.0178
0.018
0.0182
0.0184
0.0186
Segundos
M
e
t
r
o
s
Respuesta al escalon Backstepping
Figura 5.1: Respuesta al escalon ,Backstepping
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0.51
0.52
0.53
0.54
0.55
0.56
0.57
0.58
0.59
0.6
Segundos
A
m
p
e
r
e
s
Corriente electrica , respuesta al escalon, Backstepping
Figura 5.2: Corriente electrica, Respuesta al escalon, Backstepping
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
13
14
15
16
17
18
19
20
21
Segundos
V
o
l
t
s
Seal de control (Voltaje) , Respuesta Escalon Backstepping
Figura 5.3: Seal de control, Respuesta al Escalon, Backstepping
La seal de control empleada en la respuesta al escaln es mostrada en la gura
(5.3)
En el caso de seguimiento a una seal de referencia fue escogida una seal del
tipo sinusoidal
r
1vc)
= 0.005:c:(4:t) + 0.0178 metros
Para validar las propiedad de robustez de la ley de control por medio de back-
stepping se aadi un ruido blanco gaussiano en cada variable de estado r
i
(t) con
i = 1. 2. 3 en la mitad de cada tiempo de simulacin. El ruido blanco Gaussiano
es equivalente al ruido elctrico encontrado en todos los equipos de medicin tales
como sensores, tarjetas de adquisicin de datos etc. [26, 27]. Las simulaciones son
ejecutadas con el ruido blanco gaussiano como perturbacin aditiva a cada uno de
los estados del sistema.
La gura (5.5) muestra la grca del estado r
3
(corriente elctrica) la cual se
mantiene acotada y positiva r
3
0 incluso al agregar la perturbacin aditiva.
0 5 10 15 20 25 30 35 40 45 50
0.0172
0.0174
0.0176
0.0178
0.018
0.0182
0.0184
0.0186
Segundos
M
e
t
r
o
s
Respuesta Seal Senoidal , Backstepping
Figura 5.4: Respuesta a seguimiento senoidal, Backstepping
0 5 10 15 20 25 30 35 40 45 50
0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Segundos
A
m
p
e
r
e
s
Corriente electrica, Referencia Senoidal, Backstepping
Figura 5.5: Corriente electrica, Referencia Senoidal, Ley de control por Backstepping
0 5 10 15 20 25 30 35 40 45 50
400
300
200
100
0
100
200
300
400
Segundos
V
o
l
t
s
Seal de Control, Referencia Senoidal , Backstepping
Figura 5.6: Seal de Control, Referencia Senoidal , Backstepping
Como lo sealan las grcas (5.4,5.5,5.6) la ley de control (5.34) muestra su
robustez ante perturbaciones aditivas en los estados del sistema de levitacin mag-
ntica.
Captulo 6
Control difuso
6.1. Introduccin
Durante los ltimos aos el control difuso se ha erigido como una de la mas activa
y fructfera reas para la investigacin en las aplicaciones de la teora de conjuntos
difusos, especialmente en los procesos industriales en los cuales no son controlables
por medio de mtodos convencionales debido a una falta de datos cuantitativos con
respecto a las relaciones entrada-salida del sistema[31].
Los controladores difusos estn basados en la lgica difusa el cual es un sistema
lgico que es mucho mas cercano al espritu del pensamiento humano y a un lenguaje
natural que sistemas tradicionales lgicos. Estos proveen un medio efectivo de cap-
turar la naturaleza aproximada e inexacta del mundo real. Los controladores difusos
basados en lgica difusa proporciona un medio de convertir una estrategia linguis-
tica de control basado en un conocimiento experto en una estrategia automtica de
control.
Los controladores lgico difusos son una atractiva alternativa a los cotroladores
65
66 Captulo 6. Control difuso
clsicos para el diseo de sistemas de control no lineales desaantes. Estos no re-
quieren ningn modelo matemtico del sistema o ecuaciones matemticas complejas
que gobiernen las relaciones entre entradas y salidas del sistema. Las reglas difusas
son fciles de aprender incluso por personas que no son expertas en el tema, normal-
mente toma pocas reglas describir sistemas que requieren muchas lneas de progra-
macin, lo que reduce el diseo[30].
El control lgico difuso es til cuando los procesos a controlar son muy comple-
jos para su anlisis con tcnicas convencionales o cuando las fuentes de informacin
disponibles son inexactas o existen incertidumbres [29].Al usar lgica difusa el com-
portamiento del sistema es caracterizado por medio del conocimiento humano el cual
directamente es llevado al diseo del algoritmo de control sobre la base de reglas
difusas. Estas reglas estn en trminos de la relacin de entradas a sus correspondi-
entes salidas los cuales determinan los parmetros del controlador. Visto desde esta
perspectiva la parte esencial de el controlador lgico difuso es un conjunto de re-
glas lingstica de control relacionadas por los conceptos de implicacin difusa y las
reglas de inferencia. Por lo tanto el controlador difuso proporciona un algoritmo el
cual puede convertir la estrategia de control linguistica basado en un conocimiento
experto en una estrategia de control automtica.
Cualquier ajuste al controlador difuso solo requiere la modicacin de estas reglas
difusas en lugar de un rediseo completo del controlador, de lo anterior las tcnicas de
control basados en lgica difusa no solo simplica el proceso de diseo si no adems
reduce las tareas de resolver ecuaciones matemticas complejas para sistemas no
lineales como el sistema de levitacin magntica. Como resultado de lo anterior los
controladores lgico difusos pueden entregar un mejor desempeo en los casos donde
los controladores convencionales no se desarrollen adecuadamente frente a procesos
no lineales bajo control[28].
6.2. Sistema difuso 67
Figura 6.1: Conguracion basica de un controlador logico difuso
Por todo lo anterior expuesto el controlador lgico difuso debe de ser visto como
un paso hacia el acercamiento entre el convencional control matemtico preciso y las
decisiones humanas [32].
Para especicar reglas en la base de reglas, el controlador experto debe de usar
una descripcin linguistica, de lo anterior, expresiones lingstica son necesarias para
las entradas y las salidas y sus respectivas caractersticas. Las variables lingstica
son usadas para describir las entradas y salidas de los sistemas difusos. Comnmente
las variables lingstica son denotadas por n
i
y
i
para las entradas y salidas del
sistema difuso. Una denicin mas formal es dada por Lee [29].
6.2. Sistema difuso
El mapeo de las entradas hacia las salidas por medio de un sistema difuso esta en
parte caracterizada por un conjunto de reglas condicinaccin, o en forma modus
ponens (Si-entonces),
Si premisa entonces consecuencia
Usualmente las entradas de los sistemas difusos estn asociadas con la premisa,
y las salidas del sistema difuso son asociadas con las consecuencias. Estas reglas
Si-Entonces pueden ser representadas de muchas maneras. Dos formas posibles
son: mltiple entrada-multiple salida (MIMO) y mltiple entrada- una sola salida
(MISO). La forma MISO de una regla linguistica es
Si n
1
es

)
1
y n
2
es

I
2
y,...,y n
a
es

|
a
entonces
q
es

1
j
q
Lo anterior es un conjunto completo de reglas lingstica que el experto especica
en como controlar el sistema o proceso. Se puede demostrar que en un sistema de
forma MIMO sus reglas pueden ser descompuestas en un numero de reglas de sistema
MISO usando reglas simples de lgica. Por ejemplo , una regla MIMO con : entradas
y : = 2 salidas
Si n
i
es

)
1
y n
2
es

I
2
y....y n
a
es

|
a
entonces
1
es

1
v
1
y
2
es

1
c
2
Es lingsticament equivalente a las dos reglas
Si n
i
es

)
1
y n
2
es

I
2
y....y n
a
es

|
a
entonces
1
es

1
v
1
Si n
i
es

)
1
y n
2
es

I
2
y....y n
a
es

|
a
entonces
2
es

1
c
2
La coleccin de reglas de control difusas que son expresadas como enunciados
condicionales difusos forman la base de reglas o el conjunto de reglas de un contro-
lador lgico difuso. Las reglas de control difusas son mas convenientes formularlas en
variables lingstica que en trminos numricos. La eleccin adecuada de variables de
estado del proceso y las variables de control es esencial en el proceso de un sistema
difuso, adems la eleccin adecuada de variables lingstica tiene un efecto sustancial
en el desempeo de un controlador lgico difuso. La experiencia y el conocimiento
de ingeniera juega un papel importante en esta etapa de seleccin.
En particular la eleccin de variables lingstica y de sus funciones de membresa
tienen una fuerte inuencia en la estructura linguistica de un controlador lgico
difuso. Tpicamente las variables lingstica en un controlador lgico difuso son el
estado, error, derivada del error, seal integral del error etc.
Existen dos principales enfoques para la derivacin de reglas de control difusas. La
primera es un mtodo heurstico en el cual un conjunto de reglas de control difusas es
formado por medio de el anlisis de la conducta del sistema controlado. Las reglas de
control son obtenidas de tal manera que la desviacin desde un estado deseado puede
ser corregido y los objetivos de control pueden ser alcanzados. La obtencin de las
reglas es puramente heurstica en naturaleza y recae en el conocimiento cualitativo
del comportamiento del proceso a controlar. Muchos mtodos de ajuste para la
seleccin de reglas han sido estudiados[41, 42].
El segundo enfoque es bsicamente un mtodo determinista el cual puede sis-
temticamente determinar las estructura linguistica y los parmetros de las reglas de
control difuso que satisfacen los objetivos de control y las restricciones del sistema.
Mamdani propuso un algoritmo descriptivo [41] para obtener las mejores reglas de
control por medio de restringir la respuesta del sistema a una prescrita banda di-
fusa el cual es especicado por reglas difusas. King y Mamdani [42] introducen otro
mtodo til denominado mapeo escalable el cual debe de ser ajustado primero para
que la trayectoria del sistema pueda terminar en un estado deseado.
Existen dos propiedades generales de las bases de reglas difusas ;
1. La completad: Existe conclusiones para toda posible entrada al controlador
difuso. Intuitivamente un control difuso siempre podr inferir una adecuada
accin de control para todo estado del proceso.
2. Consistencia: Las conclusiones que las reglas realizan no entran en conicto
con conclusiones de otras reglas
Por ultimo,si todos los trminos de son utilizados en todas las reglas y una regla
es formada por cada posible combinacin de los elementos de las premisas entonces
existe
a
i=1
`
i
= `
1
`
2
... `
a
reglas en la base de reglas. En este caso el numero de reglas crece exponen-
cialmente con un incremento de el numero de entradas al controlador difuso o al
incrementar las funciones de membresa.
Los conjuntos difusos y la lgica difusa son utilizados para cuanticar heurstica-
mente el signicado de las variables lingstica, valores lingstico y reglas lingstica
los cuales son especicados por el experto. Sea l
i
que denote un universo de discurso
y sea

)
i

i
el conjunto de las valores lingstico para una variable linguistica n
i
.
La funcin j(n
i
) asociada con

)
i
que mapea l
i
hacia [0. 1] es llamada una funcin
de membresa.
j(n
i
) : l [0. 1]
Esta funcin de membresa describe la certeza que un elemento de l
i
denotado por
n
i
, con una descripcin linguistica n
i
puede ser clasicada lingsticamente como
)
i
. Las funciones de membresa son subjetivamente especicadas de una manera
heurstica de acuerdo a la experiencia o intuicin.
Figura 6.2: Algunas funciones de membresia tipicas
Claramente muchas elecciones para la forma de las funciones de membresa son
posibles por ejemplo, triangulares, trapezoidales, gaussianas tales como lo muestra
la gura (6.2). , y cada una de ellas proveer un diferente signicado para los valores
lingsticos que ellos cuantican. En la tabla se muestra la caracterizacin matemti-
ca de la funcin de membresa triangular donde c
1
especica el punto de saturacin
y n
1
especica la pendiente la parte no unitaria y no cerca de n
1
.Similarmente para
n
1
, para n
C
se nota que c es el centro de el tringulo y n es el ancho de la base.
Funcin de Membresa Triangular
Izquierda n
1
(n) =
1
max
n
0. 1 +
c
&
0,5&
o
si n c
1
de otro modo
Centro n
C
(n) =
max
n
0. 1 +
&c
0,5&
o
max
n
0. 1 +
c&
0,5&
o
si n c
de otro modo
Derecha n
C
(n) =
max
n
0. 1 +
&c
0,5&
o
1
si n c
1
de otro modo
El proceso de fusicacion esta relacionado con la vaguedad y la imprecisin de
un lenguaje natural como el humano. La fusicaciones es una valoracin subjetiva el
cual transforma una medida en una valoracin de una valor subjetivo y por lo tanto
podra ser denido como un mapeo desde un espacio de entrada observado hacia
conjuntos difusos in ciertos universos de discursos de entrada. La fusicacion juega
un rol importante en el trato con informacin incierta el cual puede ser objetiva o
subjetiva naturalmente.
En aplicaciones de control difuso los datos observados son comnmente ntidos
(crisp en ingles). Ya que la manipulacin de datos en un controlador lgico difuso es
basado en la teora de conjuntos difusos , la fusicacion es necesario durante una etapa
previa. La experiencia con el diseo de un Controlador lgico difuso recomiendan las
principales formas siguientes para el trato del proceso de fusicacion
Un operador de fusicacion conceptualmente convierte un valor nitido en un
singleton difuso dentro de cierto universo de discurso. Bsicamente un singleton
difuso es un valor preciso y de ello ninguna fusicacion es introducido por el proceso
de fusicacion en este caso.
Esta estrategia ha sido ampliamente usada en aplicaciones de control lgico difuso
ya que es natural y fcil de implementar. Se interpreta como una entrada r
0
como
un conjunto difuso con la funcin de membresa j
(r) = 0 excepto en el punto

r
0
en el cual j
(r) = 1.
El criterio del mximo produce el punto en el cual la distribucin posible de la
accin de control difusa alcanza su mximo valor. Una salida ntida
crisp
q
es escogida
como el punto en el universo de discurso de salida 1
q
para el cual el total de los
conjuntos implicados 1
q
alcanza su valor mximo
crisp
q

n
arg sup
n
j
1
(
q
)
oo
De lo anterior arg sup
a
{j(r)} regresa el valor de r que resulta en el supremo
valor alcanzado por la funcin de membresa j(r) . En ocasiones el supremo puede
ocurrir en mas de un punto en 1
q
lo cual se puede evitar usando el criterio del mnimo
para representar la implicacin y usando funciones de membresa triangulares en el
universo de discurso de las salidas.
La estrategia de la media del mtodo mximo genera una accin de control
los cuales representan el valor medio de todas las acciones de control locales cuya
funciones de membresa alcanzan el mximo. Mas especico, en el caso de un universo
de discurso discreto, la accin de control puede ser expresada como:
.
0
=
|
X
)=1
n
)
|
donde n
)
es el valor de soporte en cuya funcin de membresa alcanza el mximo
valor j
:
(n
)
) .y | es el numero de tales valores de soporte.
Una salida ntida
crisp
q
es escogida usando el centro de rea y el rea de cada
conjunto difuso implicado, lo cual es dado por:
crisp
q
=
P
1
i=1
/
q
i
R
j
j
1
(
q
)d
q
P
1
i=1
R
j
j
1
(
q
)d
q
donde 1 es el numero de reglas, /
q
i
es el centro de rea de la funcin de membresa
de 1
j
q
asociada con el conjunto difuso implicado 1
i
q
para la i-esima regla , adems
Z
j
j
1
(
q
)d
q
denota el rea bajo j
1
(
q
) . El mtodo de centro de gravedad es fcilmente calculado
ya que es comn encontrar expresiones cerradas para el termino
R
j
j
1
(
q
)d
q
. el cual
es el rea bajo la funcin de membresa. El rea bajo cada conjunto difuso implicado
debe de poder ser calculable, por lo tanto el rea bajo cada una de las funciones de
membreca de la salida ( que son usados en la consecuencia de una regla) debe de
Figura 6.3: Representacion diagramatica de varias estrategias de desdifusicacion
ser nita (esta es la razn por la que no se puede saturar la funciones de membresa
en el borde mas exterior de el universo de discurso de la salida. Adems el sistema
difuso debe de estar denido por lo que
1
X
i=1
Z
j
j
1
(
q
)d
q
6= 0
para todo n
i
. Este valor sera diferente de cero si existe una regla que este activada
para toda posible combinacin de las entradas al sistema difuso y los conjuntos difusos
resultantes no tengan rea con valor cero.
La gura (6.3) muestra una interpretacin grca de varias estrategias de desdi-
fusicacion. Braa and Rutherford [45] presentan anlisis detallas de varias estrategias
de desdifusicacion y concluye que el mtodo del centro de gravedad genera mejores
resultados. Sin embargo la estrategia el mtodo de la media del mximo genera mejor
rendimiento en estado transitorio mientras que el mtodo de centro de gravedad ofrece
un mejor desempeo en estado estacionario [40].
Cuando la estrategia de desdifusicacion por el mtodo del centro de gravedad
es empleado resulta que el desempeo del controlador lgico difuso es similar a
aquellas obtenidas con un controlador convencional PID [46].
6.3. Simulaciones
Para analizar el desempeo de los controladores lgicos difusos, se propone el
empleo de un controlador difuso para el sistema de levitacin magntico utilizando
el mtodo de inferencia Mamdani con operaciones lgicas difusas:
Interseccin: Mnimo
Unin: Mximo
Las entradas al sistema difuso fueron seleccionadas de la siguiente manera:
Error (c)
Derivada del error ( c)
Denimos
c = r
1
r
1vc)
c =
dr
1
dt

dr
1vc)
dt
Donde
r
1
= Posicin de la bola metlica
r
1vc)
= Seal de referencia
Figura 6.4: Funcion de membresia entrada c al sistema difuso
Figura 6.5: funcion de membresia entrada c al sistema difuso
Con un universo de discurso para las entradas c. c en [0.75. 0.75] .
Para la salida del sistema difuso se escoge:
Diferencia de potencial en volt (n) con un universo de discurso en [2. 2]
Las funciones de membresas para las entradas y salidas del sistema difusos tiene
la forma de tringulos isosceles.
Las valores lingstica empleados en el sistema difuso se muestran en la tabla
(6.1)
Figura 6.6: Funcion de mebresia de salida \ del sistema difuso
Valor lingstico
PG Positivo Grande
PM Positivo Mediano
PP Positivo Pequeo
Z Cero
NP Negativo Pequeo
NM Negativo Mediano
NG Negativo Grande
Cuadro 6.1: Valores linguisticos empleados en el sistema difuso
c
c
PG PM PP Z NP NM NG
NG Z NP NM NG NG NG NG
NM PP Z NP NM NG NG NG
NP PM PP Z NP NM NG NG
Z PG PM PP Z NP NM NG
PP PG PG PM PP Z NP NM
PM PG PG PG PM PP Z NP
PG PG PG PG PG PM PP Z
Cuadro 6.2: Tabla de reglas para el sistema de levitacion magnetica
Parmetro
Masa (:) 12 Gramos
Resistencia (1) 30 Ohm
Inductancia (1) 0.8 Henry
Cuadro 6.3: Parametros del sistema de levitacion
La base de reglas mostrada en la tabla (6.2) fue generada siguiendo las recomen-
daciones encontradas en [4, 29, 47, 48, 49]
El mtodo de desdifusicacion escogido es el Centro de gravedad, ya que ofrece
rapidez computacional y cero error en estado estacionario. Los parmetros del sistema
escogidos para las simulaciones son se muestran en la tabla (6.3).
6.3.1. Seal de referencia: Escaln
Se escogi como seal de referencia un escaln con las caractersticas:
r
1vc)
(t) = 20 mm
Figura 6.7: Supercie de salida del controlador logico difuso
Factor Valor
Error c 26
Cambio error c 5
Voltaje n 400
Cuadro 6.4: Factores de escalamiento de los universos de discurso
Con condiciones iniciales
r
1
(0) = 16 mm
Los factores de escalamiento de los universos de discurso se muestran en la tabla
(6.4).
La guras (6.8),(6.9) ,(6.10) muestran las grcas de la posicin de la bola metli-
ca, la corriente consumida por el circuito elctrico y la seal de control en volts
respectivamente.
0 2 4 6 8 10 12 14 16 18 20
0.01
0.012
0.014
0.016
0.018
0.02
0.022
0.024
0.026
0.028
0.03
Segundos
M
e
t
r
o
s
Posicion de la bola Respuesta al escalon control difuso
Figura 6.8: Posicion de la Bola Metalica;Respuesta al escalon; Control Logico Difuso
0 2 4 6 8 10 12 14 16 18 20
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
Segundos
A
m
p
e
r
e
s
Corriente electrica; Respuesta al escalon; Control Difuso
Figura 6.9: Corriente electrica; Respuesta al escalon; Control logico Difuso
0 2 4 6 8 10 12 14 16 18 20
60
40
20
0
20
40
60
80
Segundos
V
o
l
t
s
Seal de control u; Control Logico Difuso
Figura 6.10: Seal de Control ; Respuesta al escalon; Control Logico Difuso
Factor Valor
Error c 130
Cambio error c 5
Voltaje n 150
Cuadro 6.5: Factores de escalamiento de los universos de discurso
6.3.2. Trayectoria Sinusoidal de Referencia
Se escogi como seal de referencia un escaln con las caractersticas:
r
1vc)
(t) = 0.0005 sen(4:t) + 0.0178 metros
Con condiciones iniciales
r
1
(0) = 19 mm
Los factores de escalamiento de los universos de discurso se muestran en la tabla
(6.5).
0 5 10 15 20 25 30 35 40 45 50
0.0166
0.0168
0.017
0.0172
0.0174
0.0176
0.0178
0.018
Segundos
M
e
t
r
o
s
Posicion de la bola; Referencia senoidal; Control difuso
Figura 6.11: Posicion de la bola a una referencia senoidal; Control Logico difuso
Para validar las propiedad de robustez del controlador lgico difuso se aadi
un ruido blanco gaussiano en cada variable de estado r
i
(t) con i = 1. 2 en la mitad
de cada tiempo de simulacin. El ruido blanco Gaussiano es equivalente al ruido
elctrico encontrado en todos los equipos de medicin tales como sensores, tarjetas
de adquisicin de datos etc [26, 27]. Las simulaciones son ejecutadas con el ruido
blanco gaussiano como perturbacin aditiva a cada uno de los estados del sistema.
La guras (6.11),(6.12) ,(6.13) muestran las grcas de la posicin de la bola
metlica, la corriente consumida por el circuito elctrico y la seal de control en volts
respectivamente. Hay que notar que la corriente elctrica se mantiene siempre positiva
y acotada r
3
0 evitando problemas se singularidades en el modelo matemtico del
sistema de levitacin magntica.
0 5 10 15 20 25 30 35 40 45 50
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Segundos
A
m
p
e
r
e
s
Corriente electrica; Referencia senoidal; Control difuso
Figura 6.12: Corriente electrica; Referencia senoidal; Control difuso
0 5 10 15 20 25 30 35 40 45 50
100
80
60
40
20
0
20
40
60
80
100
120
Segundos
V
o
l
t
s
Seal de control a una referencia senoidal; Control Difuso
Figura 6.13: Seal de control n a una referencia senoidal ; Control logico difuso
Captulo 7
Comparaciones y conclusiones
7.1. Comparaciones
Una red neuronal feedforward 2 12 1 con una capa oculta, entrenada por
medio del algoritmo Levenberg-Marquardt es propuesta para tratar de aproximar el
comportamiento no lineal del parmetro electromagnetico C y por ende obtener un
modelo matemtico mas preciso, dicha red neuronal es entrenada con una serie de
datos experimentales extrados del prototipo fsico provisto por INTECO el cual se
encuentra en el laboratorio del departamento de control automtico.
El carcter inestable de los puntos de equilibrio del sistema de levitacin genera
una necesidad de leyes de control que gobiernen su dinmica , bajo este enfoque,
fueron escogidos tres estrategias diferentes de control, con el objetivo de comparar
su desempeo en trminos de respuesta en estado transitorio y estacionario, sobre
elongacin, cotas sobre los estados y seales de control, todo lo anterior teniendo como
premisa que todos los estados del sistema se encuentran disponibles . La comparacin
de las estrategias de control se realizaron por medio de simulaciones en las cuales
85
86 Captulo 7. Comparaciones y conclusiones
se mantuvieron iguales los parmetros del sistema,y adems evitando problemas de
singularidades por medio de mantener acotados los estados del sistema. Para analizar
las propiedades de robustez fue aadido a cada estado del sistema una perturbacin
aditiva en forma de ruido blanco gaussiano. El ruido blanco Gaussiano es equivalente
al ruido elctrico encontrado en todos los equipos de medicin experimentales tales
como sensores, tarjetas de adquisicin de datos.
La primera estrategia de control usada fue la linealizacin exacta del sistema no
lineal por medio de una retroalimentacin completa de estados, en este apartado, se
analiza el modelo matemtico para hallar el grado relativo del sistema el cual coincide
con el grado del mismo, por lo anterior es posible encontrar una retroalimentacin de
estados que linealice el sistema no lineal, los resultados de simulacin muestran una
respuesta lenta en estado transitorio y una gran sobre elongacin al aplicar seales de
referencia sinusoidales, adems de una gran sensibilidad a la variacin del parmetro
electromagntico C por lo que la necesidad de un modelo matemtico preciso para la
sintonizacin de los parmetros de la ley de control es fundamental , la perturbacin
aditiva agregada a los estados del sistema degrado en medida amplia el desempeo
del controlador por lo que se omite las grcas correspondientes a este escenario de
simulacin.
Analizando la estructura del modelo en el espacio de estados del sistema de lev-
itacin se puede encontrar que este reune las condiciones para ser considerado que se
encuentra en una forma pure-strict-feedback form , la cual es una generalizacin de
los sistemas en forma strict-feedback, Teodorescu [22] desarrolla un mtodo construc-
tivo para hallar una ley de control estabilizante por medio de la retroalimentacin
completa de los estados del sistema y de funciones de control de Lyapunov, la cual
es implementable al modelo de levitacin magntica presentado, simulaciones fueron
realizadas para analizar el desempeo de esta ley de control, mostrando mejores re-
7.1. Comparaciones 87
sultados en estado transitorio que la linealizacin exacta, sin embargo muestra una
sensibilidad reducida hacia la variacin del parmetro electromagntico C ya que
este es utilizado en la retroalimentacin en la ley nal de control, por otra parte al
aadir la perturbacin aditiva a los estados del sistema muestra un gran desempeo
en el seguimiento de una referencia sinusoidal Por lo anterior la tcnica de control por
backstepping se muestra como una tcnica con muy buen rendimiento, en contraste,
una implementacin experimental de este tipo de controladores seria costoso ya que
requiere una amplia gama de sensores para medir los estados del sistema necesarios
para la retroalimentacin.
Por ultimo se propuso un controlador lgico difuso tipo Mamdani con una base
de 49 reglas, donde las entradas al sistema difuso es el error y el cambio en el error
, la salida del controlador es la diferencia de potencial aplicado al circuito elec-
tromagntico, esta estrategia es elegida ya que para implementarla no es necesario
un representacin matemtica exacta para lograr un adecuado desempeo del con-
trolador, siendo solo necesario conocer a plenitud el comportamiento del sistema a
controlar, simulaciones fueron realizadas para avaluar el desarrollo del controlador
difuso mostrando gran robustez ante las variaciones en el parmetro electromagnti-
co C, adems de tener un estado transitorio rpido sin sobre elongaciones. Tambien
fue agregado una perturbacin aditiva en forma de ruido blanco gaussiano a los dos
estados que participan como entradas al sistema difuso, donde tambin demostr
robustez, la gran ventaja mostrada por este controlador es que para su sintonizacin
solo es necesario modicar los factores de escalamiento del universo de discurso y no
realizar un anlisis completo como las dos anteriores estrategias de control, agregan-
do, en una aplicacin experimental repercutira en un menor costo ya que requiere
un menor numero de sensores.
7.2. Conclusiones
Los sistemas de suspensin magnticos vistos como una clase de suspensin libre
de contacto y por lo tanto sin desgaste, juega un rol importante en el control de
movimientos precisos por lo que ha sido estudiado en muchos campos de investigacin
tales como ingeniera mecnica, control automtico, ingeniera biomedica etc, por
lo anterior el desarrollo de nuevas estrategias para este sistema es un campo de
investigacin en continuo descrubrimiento.
Con el objetivo de alcanzar un mejor desempeo total, compensaciones deben de
ser tomadas entre la precisin, tiempo de asceso en estado transitorio, overshoot y
desviacin en estado estacionario en los sistemas de levitacin magntica. En el marco
anterior, la presente tesis entrega un anlisis del sistema partiendo desde las leyes
fundamentales que rigen los fenmenos electromagnticos y de movimiento presentes
en el sistema de levitacin, el modelo matemtico es desarrollado hasta expresarlo
en forma de variables de estado , donde los estados son escogidos para ser la posicin
de la bola metlica, la velocidad de la bola y la corriente elctrica que consume el
circuito , en esta parte, fueron analizados los puntos de equilibrios del sistema dando
como resultado que estos se componen por un continuo de puntos de equilibrios y
no por puntos aislados , utilizando el mtodo indirecto de lyapunov para resolver
la estabilidad de puntos de equilibrio de sistemas no lineales se demuestra que el
continuo de puntos de equilibrio del sistema de levitacin magntica son inestables
como se podra suponer desde un principio.
La existencia de un continuo de puntos de equilibrio del sistema de levitacin
magntica implica que el parmetro de fuerza electromagntica C utilizado en el
modelo matemtico del mismo, varia de acuerdo a la distancia de la bola metlica
y la corriente consumida por el circuito elctrico en el instante de levitacin la cual
7.3. Trabajo futuro 89
sucede en los puntos de equilibrio, lo anterior lleva a visualizar que el parmetro
electromagntico C tiene una variacin del tipo no lineal dependiente de la posicin
y corriente de equilibrio.
7.3. Trabajo futuro
En los trabajos a futuro propuestos en el presente trabajo
La implementacin experimental de las leyes de control expuestas anterior-
mente utilizando la red neuronal propuesta para aproximar el parmetro elec-
tromagntico C. y evaluar el rendimiento frente a estrategias de control robusto.
Agregar al anlisis del sistema de levitacin un grado de libertad adicional lo
que llevara a un panorama mas completo del sistema.
Lograr una estrategia de control donde se optimice la corriente consumida por
el circuito electromagntico utilizada para levitar la bola.
Explorar estrategias de control donde los estados del sistema usados para la
retroalimentacin sean mnimo, y con ello minorizar el costo de una aplicacin
experimental.
Bibliografa
[1] Hajjaji, A.E. y Guladsine,M. Modeling and non linear control of magnetic levi-
tation system. IEEE transaction on industrial electronic Vo.48 No.4 2001
[2] Wong, T.H Desing and levitation of a magnetic levitation control system- an
undergraduate project IEEE transaction on education Vol.29 No.4 1986
[3] Hurley, W.G Electromagnetic design of a magnetic suspension system IEEE
transaction on education Vo.40 No.2 1997
[4] Barie W. y Chiasson, T. Linear and nonlinear state-space controllers for mag-
netic levitation International journal of system science vol.27 No.11 1996
[5] Cho, D. ; Kato, Y.; Spilman, D. Sliding mode and classical control of magnetic
levitation system IEEE control system 1993.
[6] INTECO Magnetic levitation system ; users manual Krakow, March 2005
[7] E. Alba and J.F. Chicano ; Training Neural networks with GA hybrid algo-
rithms; lectures in computer science;2004 ; Spriger-Verlag
[8] Jayawant B.V. Electromagnetic suspension and levitation
91
92 BIBLIOGRAFA
[9] Taghirad H. D. ; Abrishamchian M. ; Ghabcheloo R. Elegtromagnetic levitatio
system: An experimental approach
[10] Poznyak A. Modelos Matematicos
[11] Khalil Hassan K. Nonlinear systems Third edition Prentice Hall 2002
[12] Shiao Y.S. Design and implementation of a controller for a magnetic levitation
system Proceedings of the National Science Council Vol. 11 No.2 2001
[13] Haykin, Simon. Neural networks a comprehensive foundation second edition
1999 Prentice Hall
[14] Hagan Martin T.; Mehaj , Mohammad B. Training Feedforward Networks with
the manquardt algorithm IEEE transaccions on neuran networks Vol.5, No. 6
November 1994
[15] Ogata, Katsuhiko Ingenieria de control moderna 4 edicion Prencite Hall 2006
[16] R. Sepulchre, M. Jankovic, P. Kokotovi; Constructive nonlinear control,
Springer-Verlag, London U.K. 1997
[17] N.F. Al-Muthairi ; M. Zribi; Sliding mode control of a magnetic levitation sys-
tem, Mathematical problems in engineering ; 23 de febrero 2004
[18] H. Sira-Ramirez; S.Ahmad , M. Zribi ; Dynamical feedback control of robot-
ic manipulators with joint exibility; IEEE transactions on systems,Man and
cybernetics 1992.
[19] Cihan Karakuzu,Sitki ozturk ; A comparision of fuzzy, neuro and classica control
techniques based on an experimental application, university of quafaquaz, Julio
200
BIBLIOGRAFA 93
[20] Alberto Isidori; Nonlinear Control Systems ; Third Edition , Springer 1995
[21] M. Krstic, I. Kanellakopoulos , P.M. Kokotovic Nonlinear and adaptive control
design New York:Wiley 1995.
[22] C.S. Teodorescu, N. Sakamoto, S. Olaru ; Controller design for sine wave track-
ing on magnetic levitation system: A comparative simulation study IEEE 2010
International conference on control applications
[23] C.S. Teodorescu, H. Siguerdidjane, S. Olaru, A. Arzande. Towards robust control
with constraints for a class of dynamical systems: Theory and application. 2010
American Control Conference
[24] A. Henni, H. Siguerdidjane ; Robust nonlinear control of a magnetic suspension
system; Pro. of the IEEE International Conference in Control Applications,
Istanbul 2003.
[25] R. Sepulchre, M. Jankovic, P.V. Kokotovic; Interlaced system and recursive
designs for global stalibization ; 4
tI
Eurupean Control Conference 1997
[26] J.R. Brauer, Magnetic Actuators and Sensors, Wiley-IEEE Press, New Jersey
USA 2006
[27] A.M. Pawlac, Sensors and Actuators in Mechatronics: Designs and Applications,
Taylor and Francis, New York USA 2007
[28] Von altrock; fuzzy logic and neurofuzzy applications explained, Prentice Hall
1995
[29] C.C. Lee ; Fuzzy logic un control systems:fuzzy logic controller part I and Part
II, IEEE transactions systems man Cybernetic 1990
94 BIBLIOGRAFA
[30] Cihan Karakuzu, A comparison of fuzzy, neuro and classical control techniques
based on an experimental application, IEEE 2000
[31] L.A. Zadeh ; Fuzzy sets, Informat Control 1965
[32] M.M. Gupta, Y. Tsukamoto ; Fuzzy logic Controllers A perspective ; Proc. Joint
Automatic Control Conference ; San Francisco 1980.
[33] T.Yamakawa; High speed fuzzy controller hardware system; Fuzzy systems sim-
posium ;Japan ;1986
[34] E.H. Mamdani and S. Assilian ; An experiment in linguistic synthesis with a
fuzzy logic controller; International Journal Man. Match. studies vol 7 1975
[35] W.J. M. Kicker and H.R. Van nauta Lemke; Application of a fuzzy controller
in a warm water plant; Automatica vol.12 no. 4 1976
[36] M. Sugeno and K. Murakami; Fuzzy parking control of model car; 23rd IEEE
conf. on desicion and control, Las vegas 1984
[37] M. Sugeno and M.Nishida; Fuzzy control of model car; Fuzzy sets systems; vol
16 1985.
[38] T.J. Prock and E.H. Mamdani; A linguistic self-organizing process controller;
Automatica vol.15 1979.
[39] E. Lembessis ; Dynamical learning behavior of a rule-based self-organizing con-
troller; Univ. of London 1984, Ph.D. Thesis
[40] E.M. Scharf and N.J. Mandic; The application of a fuzzy controller to the control
of a multi-degree-freedom robot arm; Industrial applications of fuzzy control
1985.
BIBLIOGRAFA 95
[41] N. Baaklini and E. H. Mamdani; Prescriptive methods for deriving control policy
in a fuzzy logic controller; Electr. Letters vol 11 1975.
[42] P.J. King and E.H. Mamdani; The application of fuzzy control systems to in-
dustrial process; IFAC world congress,MIT 1975.
[43] Y. Murayama and T. Terano; Optimizing control of diesel engine; Industrial
application of fuzzy control 1985.
[44] A. Kaufmann and M.M. Gupta; Introduction to fuzzy arithmetic; New york
1985.
[45] M. Raae and D.A. Rutherford; Fuzzy relations in control settings; Kybernetes
Vol. No. 3 1978
[46] W. J. Kicker; Further analysis and applications of a fuzzy logic contro; Internal
Rep , Queen mary college , London
[47] A.K. Ahmad, Z. Saad; Control of magnetico levitation systems using fuzzy logic
controller. Second international conference on computational intelligence, mod-
elling and simualtion; IEEE 2010
[48] V. Dolga and L. Dolga ; Modelling and simulation of a magnetic levitation
system; Fascicle of management and technological engineering, Vol. VI 2007
[49] K. M. Passino and S. Yurkovich; Fuzzy control; Addison-Wesley;California; 1998
[50] M.T. Hagan, H. B. Demuth, M. Beale; Neural network design; PWS Publishing
Company, 1996

Mates DLC

Uploaded by

Document Information

Original Title

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

Mates DLC

Uploaded by

Copyright:

Available Formats

CENTRO DE INVESTIGACIN Y DE ESTUDIOS

AVANZADOS DEL INSTITUTO POLITCNICO

en el espacio de estados se dice que

para tiempo futuro [11]. Los

C = Salida de la red neuronal,aproximacin del parmetro C

C = Salida de la red neuronal,aproximacin del parmetro C

3.2. Estimacin con redes neuronales 31

C = Estimacin de parmetro C va redes neuronales (4.21)

(r) = 0 excepto en el punto

You might also like