PROBLEMAS RESUELTOS
DE AUTOMÁTICA
ejercicios de regulación y control
diagramas de flujo
funciones de transferencia

Ver enunciado del ejercicio en:

Ejercicios de automática

Estás en :
Matemáticas y Poesía >

Ejercicios resueltos

Estudiar la estabilidad del sistema:
    \( \ddot{x} + \dot{x} + K(t)·x = 0 \)

    Ejercicios de automática.Respuesta 79

Escribiendo la ecuación en forma matricial tenemos:
    \( x= x_1 \;;\; \dot{x} = \dot{x}_1 = x_2 \;;\; \dot{x}_2 = \ddot{x} = - x - K(t)·x = x_2 - K(t)·x_1 \)
Esto es:
    \( \left(
    \begin{array}{c}
    \dot{x}_1 \\
    \dot{x}_2 \\
    \end{array}
    \right) =\left(
    \begin{array}{cc}
    0 & 1 \\
    -K(t) & -1 \\
    \end{array}
    \right)
    \left(
    \begin{array}{c}
    x_1 \\
    x_2 \\
    \end{array}
    \right) \)
Se trata de un sistema lineal libre no autónomo (y recibe señal de control y depende del tiempo). Para estudiar su estabilidad lo hacemos mediante el método directo de Lyapunov; para ello intentamos encontrar una función de Lyapunov a la que aplicar los criterios de estabilidad.
En aplicación del método del gradiente variable, tomamos una función g formada por función lineales de \(x_1 \; y \; x_2 \):
    \( g(x) = \left(
    \begin{array}{c}
    ax_1 + bx_2 \\
    cx_1 + dx_2 \\
    \end{array}
    \right) = \left(
    \begin{array}{c}
    g_1(x) \\
    g_2(x) \\
    \end{array}
    \right) \)
Siendo a, b, c y d funciones de \( ax_1, bx_2 \;y \; t \)
La condición necesaria y suficiente para que g(x) sea el gradiente de una función escalar es que la matriz:
    \( \displaystyle M = \left(
    \begin{array}{cc}
    \frac{\partial g_1}{\partial x_1} & \frac{\partial g_2}{\partial x_1} \\
    \frac{\partial g_1}{\partial x_2} & \frac{\partial g_2}{\partial x_2} \\
    \end{array}
    \right)\)
Sea simétrica. Por lo tanto, se debe cumplir:
    \( \displaystyle \frac{\partial g_2}{\partial x_1} = \frac{\partial g_1}{\partial x_2}\qquad (*) \)
Por otro lado, la derivada de la función de Lyapunov intentada será:
    \( \displaystyle \dot{W}(x,t) = \frac{d}{dt}[W(x,t)] = \frac{\partial W}{\partial x_1}\frac{dx}{dt} + \frac{\partial W}{\partial x_2}\frac{dx}{dt}= \nabla W(x)^T\dot{x} \)
Es decir:
    \( \begin{array}{c}
    \dot{W}(x,t) = \left(ax_1+bx_2\quad cx_1+dx_2 \right)\left(
    \begin{array}{c}
    x_2 \\
    -K(t)x_1-x_2 \\
    \end{array}
    \right) = \\
     \\
    = [a-c-K(t)d]x_1x_2 - K(t)c·x_1^2 + (b-d)x_2^2
    \end{array} \)
Y como \( \dot{W}(x,t) \) ha de ser definida negativa, tomamos:
    \(\displaystyle (K(t) > 0 \; ;\; a = 1 \;;\; d = \frac{1}{K(t)} \; ;\; c = 0 \;;\; b = 0 \)
Con lo cual:
    \( \displaystyle \dot{W}(x,t) = - \frac{1}{K(t)}·x_2^2 \)
Y la expresión del gradiente queda:
    \( \displaystyle \nabla W(x,t) = \left(
    \begin{array}{c}
    x_1 \\
    \frac{x_2}{K(t)} \\
    \end{array}
    \right) \)
Por lo que podemos apreciar que se verifica las condiciones de simetría exigidas en la ecuación (*).
La función de Lyapunov será:
    \( \displaystyle \begin{array}{c}
    W(x,t) =\left. \int_{0}^{x_1}g_1·dx_1\right|_{x_2=0}+\left. \int_{0}^{x_2}g_2·dx_2\right|_{x_1=0} = \\
     \\
    = \int_{0}^{x_1}g_1·dx_1 + \int_{0}^{x_2}\frac{x_2}{K(t)}·dx_2 = \frac{1}{2}x_1^2 + \frac{1}{2K(t)}x_2^2
    \end{array} \)
Por lo tanto, sí K(t)>0 y se cumplen condiciones exigidas, se tiene:
    \( \displaystyle \begin{array}{l}
    W(x,t) = \frac{1}{2}x_1^2 + \frac{1}{2K(t)}x_2^2 \\
     \\
    \dot{W}(x,t) = - \frac{1}{K(t)}·x_2^2
    \end{array} \)
Y el sistema es asintóticamente y globalmente estable.
EJERCICIOS RESUELTOS DE REGULACIÓN Y CONTROL AUTOMÁTICO PARA CIENCIAS E INGENIERÍA
Otros usuarios de Matemáticas y poesía también han visto:




Página publicada por: José Antonio Hervás