Bitácora Individual
Box Azul (Fundamentals & Principles of Control)
1.- ¿Cómo se modela un sistema de control digital desde la teoría de control?
Un sistema de control digital se modela utilizando ecuaciones en diferencias y la
transformada Z. Primero, se obtiene un modelo en el dominio del tiempo continuo, ya sea
aplicando la anti transformada a una función de transferencia dada en el dominio de Laplace.
Una vez obtenido esa señal o modelo, se discretiza definiendo un periodo, T, de muestreos.
Entre menor sea el periodo, mayor cantidad de muestreos, y, por tanto, el sistema discretizado
será más fiel al comportamiento del sistema en el dominio del tiempo. Finalmente, se aplica
la transformada Z para obtener una función de transferencia en el dominio Z. Esto permite
analizar y diseñar controladores digitales ya que estos trabajan en tiempo discreto.
Otro método utilizado para discretizar un sistema continuo está dado por la aproximación de
Tustin o transformación bilineal. Este se encuentra definido por la relación:
2 𝑧−1
𝑠≈ ∙
𝑇 𝑧+1
Donde,
𝑠, es la variable en el dominio de Laplace.
𝑧, es la variable en el domino de la transformada Z.
𝑇, es el periodo de muestreo.
En general, convierte un sistema continuo (en el dominio de Laplace) a un sistema discreto
(en el dominio Z) sustituyendo 𝑠 en una función de transferencia continua 𝐻(𝑠) para obtener
la versión discreta 𝐻(𝑧). Es una de las técnicas más populares para diseñar controladores
discretos a partir de sistemas continuos
2.- ¿Cómo influye la discretización en el rendimiento del sistema?
La discretización introduce errores debido a la cuantización y la periodicidad de muestreo.
Si la frecuencia de muestreo es demasiado baja, pueden aparecer problemas como el aliasing
y, por consecuencia, una respuesta dinámica inexacta.
El aliasing es un fenómeno que ocurre cuando una señal continua se muestrea a una
frecuencia insuficiente, lo que provoca una distorsión en la reconstrucción de la señal
original. Como resultado, componentes de alta frecuencia se superponen con las de baja
frecuencia, generando información incorrecta en la señal discretizada. Una frecuencia de
muestreo baja es aquella que viola el teorema de Nyquist, es decir:
𝑓𝑠 ≥ 2 ∙ 𝑓𝑚
Donde,
𝑓𝑠 , es la frecuencia de muestreo.
𝑓𝑚 , es la frecuencia máxima de la señal original.
Además, algunos efectos como el retardo y la variabilidad numérica pueden afectar la
estabilidad y el desempeño del sistema. Para minimizar estos problemas, es fundamental
elegir una tasa de muestreo adecuada y utilizar métodos avanzados de discretización.
3.- ¿Cómo la transformada Z facilita el análisis de estabilidad en sistemas discretos?
La estabilidad en sistemas de control es una propiedad que determina si una señal de entrada
finita produce una salida acotada o si el sistema responde de manera descontrolada. La
transformada Z, permite analizar la estabilidad de un sistema discreto examinando la
ubicación de los polos en el plano Z.
Dado un sistema discreto descrito por su función de transferencia
𝑌(𝑧)
𝐻=
𝑋(𝑧)
La estabilidad del sistema está determinada por la ubicación de los polos en el plano Z. El
sistema es BIBO estable, si los polos de la función de transferencia cumplen que |𝑧𝑖 | < 1,
para todo 𝑖.
Un sistema discreto es estable si todos los polos de su función de transferencia están
dentro del círculo unitario en el plano complejo.
Si algún polo está fuera del círculo unitario, el sistema es inestable.
Si un polo está exactamente en el borde del círculo unitario, el sistema es
marginalmente estable (puede oscilar indefinidamente).
4.- ¿Cómo se relaciona la transformada Z con la respuesta en frecuencia de un sistema?
La respuesta en frecuencia de un sistema discreto se obtiene evaluando la función de
transferencia en el contorno del círculo unitario de la transformada Z, es decir, sustituyendo
𝑧 = 𝑒 𝑗𝜔𝑇 , donde 𝜔 es la frecuencia y T es el periodo de muestreo. Esto permite obtener la
respuesta en frecuencia del sistema y analizar características como la ganancia, la fase y la
estabilidad en el dominio de la frecuencia.
Box Verde (Fundamentals & Principles of Control)
1.- ¿Cómo implementar en Matlab una función que calcule la transformada Z de señales
discretas?
En MATLAB, la transformada Z se puede calcular usando la función 𝑧𝑡𝑟𝑎𝑛𝑠 de la Symbolic
Math Toolbox.
Si se desea calcular la transformada Z de una secuencia numérica, se puede utilizar la
representación de funciones de transferencia con 𝑡𝑓 y 𝑐2𝑑. Otro método más manual consiste
en usar la definición de la transformada Z.
∞
𝑋(𝑧) = ∑ 𝑥[𝑛] ∙ 𝑧 −𝑛
𝑛=0
El cual implementándolo en código de MATLAB sería:
2.- ¿Cómo optimizar código en Python para simulación de sistemas discretos?
Para optimizar la simulación de sistemas discretos en Python, se recomienda utilizar librerías
optimizadas como 𝑛𝑢𝑚𝑝𝑦 para cálculos numéricos rápidos y 𝑠𝑐𝑖𝑝𝑦. 𝑠𝑖𝑔𝑛𝑎𝑙 para análisis y
simulación de sistemas discretos. Utilizar operaciones vectorizadas con 𝑛𝑢𝑚𝑝𝑦 en lugar de
iteraciones con 𝑓𝑜𝑟. Si hay cálculos intensivos, usa @𝑗𝑖𝑡 de 𝑛𝑢𝑚𝑏𝑎 para acelerar la
ejecución:
En lugar de implementar ecuaciones en diferencia manualmente, usa 𝑑𝑙𝑠𝑖𝑚.
Box Rojo (Hardware for Control - RCP)
1.- ¿Qué ventajas tiene el uso de herramientas RCP en el diseño de controladores?
Las herramientas de Rapid Control Prototyping (RCP) permiten probar y validar algoritmos
de control en tiempo real antes de implementarlos en hardware final. Sus ventajas incluyen:
Reducción del tiempo de desarrollo: Se pueden probar rápidamente distintas
estrategias sin necesidad de diseñar hardware desde el inicio.
Facilidad de ajuste y depuración: Permite modificar parámetros y evaluar el
desempeño en tiempo real sin necesidad de reprogramar un microcontrolador o DSP.
Simulación en hardware real: Se usa una plataforma de desarrollo como dSPACE,
Speedgoat o NI LabVIEW que ejecuta el controlador con el sistema físico.
Validación temprana del diseño: Se pueden detectar errores antes de la
implementación final, lo que reduce costos y tiempos de prueba.
2.- ¿Cómo podemos validar un diseño de control en simulación antes de implementarlo en
hardware?
Antes de implementar un controlador en hardware, es importante validarlo en simulación.
Primero se debe modelar el sistema, es decir, representar la planta usando ecuaciones
diferenciales, modelos de espacio de estados o funciones de transferencia en
MATLAB/Simulink, Python (control, [Link]) o software similar. Luego, se verifica la
respuesta del modelo ante distintas entradas (escalón, rampa, senoidal, ruido, etc.), para
posteriormente implementar un controlador y conectarlo en el modelo de la planta para
evaluar su desempeño, estabilidad, robustez y respuesta en frecuencia. Finalmente, se hace
una simulación antes de la implementación final.