Professional Documents
Culture Documents
2016-2
Facultad de Ingeniería Mecánica 23/11/16
DAIA
Problema 1
x1 2x2
x 2 x1 u
Se requiere conseguir la regulación de las variables de estado con un esfuerzo óptimo y trayectoria optima
siempre que minimice el siguiente índice de costo:
2
J (u x1 ) dt
tf
Las trayectorias óptimas descritas deben ir desde (0,0) en el tiempo t=0 seg. hasta (1,-1) ten tf=1seg.
Problema 2
Donde 𝜔(𝑡) y 𝑣(𝑡) son las señales de ruido blanco, no correlacionadas entre si, con densidad espectral
𝑆𝜔 = 1 y 𝑆𝑣 = 5, respectivamente.
a) (02 ptos) Determine la ganancia en estado estable de Kalman y compare sus resultados con la función
care del Matlab.
b) (01 pto) ¿Cuáles son los polos del filtro de Kalman en estado estacionario?
c) (01 pto) ¿Cómo cambia el polo cuando el valor de 𝑆𝑣 es modificado a 50?
d) (01 pto) ¿ Implemente los ruidos blancos en Matlab?. Muestre el código en Matlab, verificando sus
principales carácteristicas.
e) (01 pto) Implemente en Matlab la planta estocástica y muestre la señal filtrada para un punto inicial
arbitrario. Use para u(t) una señal de pulsos.
Universidad Nacional de Ingeniería P.A. 2016-2
Facultad de Ingeniería Mecánica 23/11/16
DAIA
Problema 3
Dado el modelo:
x1 x1 u w
x 2 2x 2 u w
y x2 v
J 2 Elim T x2 u dt,
1
con =4.
T0
r(t)
-L -K
(t)
e) (1.5 ptos) En el gráfico anterior simule los ruidos gaussianos (t) y v(t) . Comience la simulación con
r(t)= 0. Muestre los gráficos de salida. ¿Comente su respuesta?
Grafique el vector error de estimación y calcule la varianza del error de estimación. Considere para
generar los ruidos el icono del Simulink: Random Number, con los parámetros: mean , varianza del
ruido, Sample time: 1e-4 .
La Profesora
Universidad Nacional de Ingeniería P.A. 2016-2
Facultad de Ingeniería Mecánica 23/11/16
DAIA
Solución Problema1
a) Función de Hamilton y correspondientes ecuaciones de estado y co-estado, condición estacionaria y
condición frontera:
𝐻 = (𝑢 − 𝑥̇1)2 + 𝜆1(2𝑥̇2) + 𝜆2(−𝑥̇1 + 𝑢)
b)
𝜆
Condición estacionaria: 𝜕𝐻 = 0 = 2(𝑢 − 𝑥̇ ) + 𝜆 ⇒ (𝑢 − 𝑥̇ ) = − 2
𝜕𝑢 1 2 1 2
Reemplazando la condición estacionaria en la ecuación de Hamilton
𝜆22 𝜆22 𝜆 2
𝐻∗ = + 𝜆1(2𝑥̇2) − = − 2 + 2𝑥̇2𝜆1
4 2 4
𝜕𝐻
𝜆 =−( )= 0 ⇒𝜆 = 𝑎
1 𝜕𝑥̇1 1
Ec. de co-estados: 𝜕𝐻
𝜆 =−( ) = −2𝜆 = −2𝑎 ⇒ 𝜆 = −2𝑎𝑡 + 𝑏
2 𝜕𝑥̇2 𝜆21 1 2 𝑡2 𝑡
𝑥̇ = −𝑥̇ + 𝑢 = − ⇒ 𝑥̇ = 𝑎 −𝑏
2 1 = 𝑎𝑡 − 𝑏 2
Ec. de estado : 2 2 2 2
𝑡3 𝑡2
𝑥̇ = 2𝑥̇ = 𝑎𝑡2 − 𝑏𝑡 ⇒ 𝑥̇ = 𝑎 −𝑏
1 2 1 3 2
𝑏 𝑡2
𝑡3
𝑢 = 𝑎𝑡 − + 𝑎 − 𝑏
2 3 2
Condiciones finales:
𝑥̇1(1)=1 𝑎 = −12
𝑥̇2(1)=−1
𝑏 = −10
c) t=linspace(0,1);
c1=[-4 5 0 0];
c2=[-6 5 0];
c3=[-4 5 -12 5];
u=polyval(c3,t);
x1=polyval(c1,t);
x2=polyval(c2,t);
Universidad Nacional de Ingeniería P.A. 2016-2
Facultad de Ingeniería Mecánica 23/11/16
DAIA
Solución Problema2
a)
𝑎 = −2; 𝑏 = 2 ; 𝑏𝑤 = 1 , 𝑐 = 3, 𝑎 == 2; 𝑏 = 2 ; 𝑏𝑤 = 1 , 𝑐 = 3,
𝑑=0 𝑑=0
sw=1, sv=5;
sw=1, sv=5; 9
9 𝑙𝑞𝑒: 4𝑝0 − 𝑝02 + 1 = 0
𝑙𝑞𝑒: − 4𝑝0 − 𝑝02 + 1 = 0 5
5
𝑝0 = 2.4491
𝑝0 = 0.2268 𝐿 = 1.4694
𝐿 = 0.1361
L=0.2268
d) dt=0.000001;
t=0:dt:1;
w=sqrt(sw)*randn(length(t),1);
v=sqrt(sv)*randn(length(t),1);
figure (1)
plot(t,w);
figure (2)
plot(t,v);
mean(w)
mean(v)
varw=var(w)
varv=var(v)
c) a=-2;
b=2;
bw=1;
c=3;
% varianzas del ruido del proceso y la medida
sw=1;
sv=5;
[l,p,e]=lqe(a,bw,c,sw,sv)
% planta nominal -
sys=ss(a,b,c,0);
s1=ss(sys.a,[sys.b sys.b/2],sys.c,sys.d);
s1.inputname={'u' 'w'};
s1.outputname={'y'};
% varianzas del ruido del proceso y la medida
[kest,L,P]=kalman(s1,sw,sv);
alterado=ss(sys.a,[sys.b sys.b/2 0*sys.b],...
[sys.c;sys.c ],[0 0 0;0 0 1]);
alterado.inputname={'u' 'w' 'v'}
alterado.outputname={'y' 'yv'};
Universidad Nacional de Ingeniería P.A. 2016-2
Facultad de Ingeniería Mecánica 23/11/16
DAIA
[u,tt]=gensig('square',3,10,0.001);
randn('seed',0);
w=sqrt(sw)*randn(length(tt),1);
v=sqrt(sv)*randn(length(tt),1);
% Simulación
[yideal,t]=lsim(alterado,[u,0*w,0*v],tt);
[yalterado,t]=lsim(alterado,[u,w,v],tt);
[yestim,t]=lsim(kest,[u,yalterado(:,2)],t);
y=yalterado(:,1);
yv=yalterado(:,2);
ye=yestim(:,1);
emedida=y-yv;
eobs=y-ye;
[cov(emedida) cov(eobs)]
figure(1)
subplot(311); plot(t,yideal(:,1))
subplot(312); plot(t,yv,'k:',t,y,'r-',t,ye,'b--');
subplot(313); plot(t,emedida,'g:',t,eobs,'k-');
Esta versión es ocional (se calificará solo una opción en Matlab o en Simulink)
Problema 3
A=[-1 0; 0 -2];
B=[1;1];
C=[0 1];
D=0;
Bw=[1 0]';
Q=[ 0 0; 0 4];
R=1;
W=0.5;
V=0.25;
nc=rank(ctrb(A,B))
no=rank(ctrb(A',C'))
nc =
no =
1
No es completamente observable, pero es detectable => si es posible el diseño de LQG
𝐴𝑇𝑃 + 𝑃𝐴 − 𝑃𝐵𝑅−1𝐵𝑇𝑃 + 𝑄 = 0
[K,P,E]=lqr(A,B,Q,R)
K=[ 0 0.8284]
[L,Poo,Eo] = lqe(A,B,C,W,V);
P =
0.2080 0.1449
0.1449 0.1124
Glqg=tf(ss(A-B*K-L*C,-L,-K,0))
Glqg =
0.3724
---------
s + 3.278
El orden del sistema es uno, ya que aparece en el compensador un cero en .1 que se cancela con un cero en
-1.
Universidad Nacional de Ingeniería P.A. 2016-2
Facultad de Ingeniería Mecánica 23/11/16
DAIA
x2
Xhat2
El sistema compensado con LQG no es bueno para seguir referencias diferentes de cero.