INSTITUTO POLITÉCNICO NACIONAL
ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA
Ingeniería en Comunicaciones y Electrónica
GRUPO:
9CM21
NOMBRES:
Chavez Camacho Miguel Angel
Ledezma Vaca Adan Karim
Ramírez Sanchez Angel Rafael
MATERIA:
CONTROL INTELIGENTE
ACTIVIDAD:
“Control del Péndulo invertido utilizando control óptimo”
PROFESOR:
CARLOS ROMAN MARIACA GASPAR
Índice
INTRODUCCIÓN 3
OBJETIVO GENERAL 3
OBJETIVO PARTICULARES 3
FUNDAMENTOS TEÓRICOS 4
Desarrollo 4
Introducción 4
Modelado del Péndulo Invertido en Simulink 4
Implementación del Controlador LQR 4
Evaluación ante Perturbaciones y Condiciones Iniciales 5
Análisis de Desempeño del Controlador LQR 5
Modelo matemático del péndulo invertido 5
Construcción De Diagramas 9
Resultados 10
CONCLUSIONES 11
Introducción
El control inteligente es una extensión avanzada del control automático que
incorpora técnicas basadas en el razonamiento humano y en la capacidad de
aprendizaje para optimizar la toma de decisiones en sistemas dinámicos. Este tipo
de control hace uso de herramientas como la lógica difusa, redes neuronales,
algoritmos evolutivos y sistemas expertos, lo que permite abordar problemas
complejos en los que los métodos tradicionales no son suficientes, especialmente
cuando existe no linealidad, incertidumbre o alta complejidad en el sistema.
Uno de los sistemas más utilizados para poner en práctica estrategias de control
inteligente es el péndulo invertido. Este dispositivo está compuesto por una barra
montada sobre una base móvil, y su reto principal es mantener la barra en posición
vertical a pesar de su tendencia natural a caer. Debido a su comportamiento no
lineal e inestable, el péndulo invertido se considera un excelente modelo para
evaluar el rendimiento de diferentes técnicas de control. Cuando se aplican métodos
de control inteligente a este sistema, es posible diseñar controladores capaces de
anticiparse y adaptarse a los cambios del entorno en tiempo real. Por ejemplo, con
lógica difusa se pueden establecer reglas que imitan el razonamiento humano para
mantener el equilibrio, y con redes neuronales es posible que el sistema aprenda
de su experiencia para tomar mejores decisiones. Estas herramientas permiten
lograr estabilidad incluso en condiciones inciertas o con modelos imprecisos.
En conclusión, el control inteligente se presenta como una solución eficaz y
adaptable frente a las limitaciones del control clásico, y su aplicación en el péndulo
invertido demuestra claramente su potencial para gestionar sistemas dinámicos,
sensibles y de gran complejidad.
Objetivo General
Diseñar e implementar un controlador óptimo LQR en Simulink para estabilizar un
sistema de péndulo invertido, optimizando el desempeño del sistema mediante la
minimización de una función de costo.
Objetivo Particulares
• Modelar el sistema de péndulo invertido en el entorno de Simulink.
• Implementar el controlador óptimo utilizando el bloque LQR y ajustar sus
parámetros Q y R.
• Evaluar la respuesta del sistema ante perturbaciones y condiciones iniciales
diversas.
• Analizar el efecto del controlador LQR sobre la estabilidad, rapidez y esfuerzo
de control.
Fundamentos Teóricos
Desarrollo
Introducción
El péndulo invertido es un sistema dinámico clásico que representa un desafío
fundamental en el campo del control automático debido a su inestabilidad inherente.
Su estudio es clave en la formación de ingenieros en control, ya que presenta
características similares a las de muchos sistemas reales como robots bípedos,
vehículos autónomos, y aeronaves. El objetivo es mantener el péndulo en posición
vertical (equilibrio inestable) mediante el movimiento de una base móvil, como un
carrito.
Entre las técnicas modernas para estabilizar este tipo de sistemas se encuentra el
control óptimo, específicamente el controlador LQR (Linear Quadratic Regulator).
Este enfoque se basa en la minimización de una función de costo cuadrática,
balanceando entre el desempeño del sistema (errores de estado) y el esfuerzo de
control (energía o fuerza aplicada).
Modelado del Péndulo Invertido en Simulink
El primer paso consiste en obtener un modelo matemático linealizado del sistema
de péndulo invertido. Generalmente, se utiliza un modelo de espacio de estados
linealizado alrededor del punto de equilibrio (ángulo del péndulo = 0).
El sistema se describe mediante la forma:
𝑥̇ (𝑡) = 𝐴𝑥(𝑡) + 𝑏𝑢(𝑡)
𝑦(𝑡) = 𝐶𝑥(𝑡) + 𝐷𝑢(𝑡)
En donde:
• 𝑥(𝑡) es el vector de estado (posición del carrito, velocidad, ángulo del
péndulo, velocidad angular)
• 𝑢(𝑡) es la señal de entrada (fuerza aplicada al carrito)
• 𝐴, 𝐵, 𝐶, 𝐷 son las matrices del sistema
Este modelo puede implementarse fácilmente en Simulink usando bloques como
State-Space, o construyendo manualmente cada ecuación con integradores,
sumadores y multiplicadores.
Implementación del Controlador LQR
El controlador LQR se diseña seleccionando una función de costo del tipo:
∞
𝐽 = ∫ (𝑥 𝑇 𝑄𝑥 + 𝑢𝑇 𝑅𝑢)𝑑𝑡
0
En donde:
• 𝑄 pondera los errores del sistema.
• 𝑅 pondera el esfuerzo de control.
El objetivo del LQR es minimizar 𝐽, encontrando la ganancia óptima 𝐾 tal que:
𝑢(𝑡) = −𝐾𝑥(𝑡)
En Simulink, el controlador LQR puede implementarse usando bloques como LQR
Controller (del toolbox de control), o calcular manualmente la matriz 𝐾 con
𝑙𝑞𝑟 (𝐴, 𝐵, 𝑄, 𝑅) en MATLAB y aplicar por retroalimentación de estados.
La correcta elección de Q y R es clave ya que una Q grande para un estado implica
que se desea mas ese estado, mientras que un R grande implica que se busca
reducir el esfuerzo de control.
Evaluación ante Perturbaciones y Condiciones Iniciales
Una vez implementado el sistema, se somete a pruebas con diferentes condiciones
iniciales y perturbaciones externas. Se analiza la respuesta temporal para evaluar
la capacidad del controlador de regresar el sistema al equilibrio de forma rápida y
estable.
Análisis de Desempeño del Controlador LQR
El análisis del sistema controlado se centra en tres aspectos fundamentales:
• Estabilidad: Verifica si el sistema regresa al equilibrio tras perturbaciones.
• Rapidez de respuesta: Influenciada por la elección de Q y R.
Esfuerzo de control: Magnitud de la señal de control requerida.
• Herramientas como gráficos de respuesta en el tiempo y análisis de polos
permiten cuantificar estos aspectos.
Modelo matemático del péndulo invertido
Ecuaciones de equilibrio:
𝑑2
𝜏 sin 𝜃 − 𝑚 (𝑥 + 𝑙 sin 𝜃) = 0
𝑑𝑡 2
𝑑2
𝜏 sin 𝜃 − 𝑚𝑔 (𝑙 sin 𝜃) = 0
𝑑𝑡 2
Del movil
𝑢 − 𝜏 sin 𝜃 − 𝑀𝑥̈ = 0
Las ecuaciones anteriores pueden escribirse como:
𝑑2
𝑚 2 (𝑥 + 𝑙 sin 𝜃) = 𝜏 sin 𝜃
𝑑𝑡
𝑀𝑥̈ = 𝑢 − 𝜏 sin 𝜃
Dado que de la tercera ecuación
𝜏 sin 𝜃 = 𝑢 − 𝑀𝑥̈
Entonces podemos escribir las primeras dos ecuaciones en dichos términos, eliminando la
variable 𝜏
La primera:
𝑑2
𝑚 (𝑥 + 𝑙𝑠𝑖𝑛 𝜃) = 𝑢 − 𝑀𝑥̈
𝑑𝑡 2
La segunda:
𝑑2
sin 𝜃 (𝑚 (𝑙𝑐𝑜𝑠 𝜃)) = sin 𝜃 (𝜏 cos 𝜃 − 𝑚𝑔)
𝑑𝑡 2
𝑑2
𝑚 sin 𝜃 (𝑙 cos 𝜃) = 𝜏 sin 𝜃 cos 𝜃 − 𝑚𝑔 sin 𝜃
𝑑𝑡 2
𝑑2
𝑚 sin 𝜃 (𝑙 cos 𝜃) = (𝑢 − 𝑀𝑥̈ ) 𝑐𝑜𝑠 𝜃 − 𝑚𝑔 𝑠𝑖𝑛 𝜃
𝑑𝑡 2
𝑑2
𝑚 sin 𝜃 (𝑙 cos 𝜃) = 𝑢 𝑐𝑜𝑠𝜃 − 𝑀𝑥̈ 𝑐𝑜𝑠 𝜃 − 𝑚𝑔 𝑠𝑖𝑛 𝜃
𝑑𝑡 2
Si se realizan las derivadas indicadas se llega a lo siguiente:
La primera ecuación:
𝑑2
𝑚 (𝑥 + 𝑙𝑠𝑖𝑛𝜃) = 𝑢 − 𝑀𝑥̈
𝑑𝑡 2
𝑑 𝑑
𝑚 ( (𝑥 + 𝑙𝑠𝑖𝑛 𝜃)) = 𝑢 − 𝑀𝑥̈
𝑑𝑡 𝑑𝑡
𝑑
𝑚 (𝑥̇ + 𝑙 𝑐𝑜𝑠 𝜃 ∗ 𝜃) = 𝑢 − 𝑀𝑥̈
𝑑𝑡
𝑚 (𝑥̈ + 𝑙(− sin 𝜃 ∗ 𝜃̇ ∗ 𝜃̇ )) = 𝑢 − 𝑀𝑥̈
𝑚𝑥̈ − 𝑚𝑙 sin 𝜃 ∗ 𝜃 2 + 𝑚𝑙 cos 𝜃 ∗ 𝜃̇ = 𝑢 − 𝑀𝑥̈
La segunda ecuación:
Se procede a eliminar los términos 𝜃̈ y 𝑥̈ de las ecuaciones anteriores mediante despeje y
sustitución simultanea:
Sustituyendo esta última expresión en:
𝑚𝑥̈ − 𝑚𝑙 sin 𝜃 ∗ 𝜃 2 + 𝑚𝑙 cos 𝜃 ∗ 𝜃̈ = 𝑢 − 𝑀𝑥̈
Se tiene:
Ahora, se pueden reducir términos utilizando la identidad trigonométrica:
𝑠𝑒𝑛2 𝜃 + cos2 𝜃 = 1
Y despejando la doble derivada restante se tiene:
Recordemos ahora la siguiente definición:
𝑀𝑥̈ cos 𝜃 + 𝑚𝑔 sin 𝜃 − 𝑚𝑙 sin 𝜃 cos 𝜃 ∗ 𝜃 2 − 𝑢𝑐𝑜𝑠𝜃
𝑚𝑙𝜃̈ =
𝑠𝑒𝑛2 𝜃
Por lo tanto se tiene que:
𝑀𝑥̈ cos 𝜃 + 𝑚𝑔 sin 𝜃 − 𝑚𝑙 sin 𝜃 cos 𝜃 ∗ 𝜃 2 − 𝑢𝑐𝑜𝑠𝜃
𝜃̈ =
𝑚𝑙 𝑠𝑒𝑛2 𝜃
O bien:
𝑚𝑙 sin 𝜃 − 𝜃 2 − 𝑚𝑔 sin 𝜃 cos 𝜃 + 𝑢
𝑀( 2 𝜃) ) cos 𝜃 + 𝑚𝑔 sin 𝜃 − 𝑚𝑙 sin 𝜃 cos 𝜃 ∗ 𝜃 2 − 𝑢𝑐𝑜𝑠𝜃
(𝑀 + 𝑚 𝑠𝑖𝑛
𝜃̈ =
𝑚𝑙 𝑠𝑒𝑛2 𝜃
+ ….3333333333333333333333333.3.
Finalmente:
𝑀𝑔 𝑠𝑖𝑛𝜃 + 𝑚𝑔 𝑠𝑖𝑛𝜃 − 𝑢 cos 𝜃 − 𝑚𝑙 sin 𝜃 cos 𝜃 ∗ 𝜃 2
𝜃̈ =
𝑙(𝑀 + 𝑚 sin2 𝜃)
Construcción De Diagramas
En esta primera etapa de la práctica, se implementa el control del sistema de
péndulo invertido utilizando un controlador LQR. Para ello, es necesario integrar al
modelo tanto las matrices del sistema en espacio de estados como las constantes
obtenidas durante el proceso de diseño del controlador.
Estos valores son fundamentales para definir correctamente la dinámica del sistema
y establecer los parámetros óptimos de control que permitan mantener el péndulo
en equilibrio. Al incorporar estas matrices y constantes en Simulink, se garantiza
que el comportamiento del controlador LQR se represente fielmente, permitiendo
simular con exactitud su desempeño ante diversas condiciones. El modelo que se
construyó es el siguiente:
Resultados
Conclusiones
Miguel Angel Chavez Camacho
El uso del controlador LQR para estabilizar el péndulo invertido permite diseñar un
sistema robusto y eficiente, capaz de mantener la posición vertical del péndulo bajo
diversas condiciones. Gracias a su formulación basada en la optimización, el LQR
ofrece una solución sistemática y balanceada. Su implementación en Simulink
proporciona una plataforma gráfica poderosa para el modelado, simulación y
validación del control en sistemas reales.
Ramírez Sanchez Angel Rafael
El uso del controlador LQR en Simulink permitió estabilizar eficazmente el péndulo
invertido, mostrando cómo un diseño adecuado basado en teoría del control puede
aplicarse con éxito en sistemas inestables. Esta práctica me permitió comprender
mejor el impacto de las matrices de ponderación en el desempeño del sistema, así
como la utilidad de herramientas como Simulink para modelar y simular sistemas
dinámicos.
Ledezma Vaca Adan Karim
La implementación del control LQR en Simulink demostró ser una herramienta
efectiva para estabilizar el péndulo invertido, permitiéndonos observar cómo los
conceptos teóricos del control óptimo se traducen en resultados prácticos. Esta
experiencia reforzó mis conocimientos sobre el diseño de controladores y el análisis
del comportamiento dinámico de sistemas inestables.