1

INSTITUTO POLITECNICO
NACIONAL
EN
CENTRO DE INVESTIGACION

COMPUTACION

Control Dual PD con compensador no-lineal para

el sistema mesa esfera

Tesis que presenta el

M. en C. Sergio Galvan Colmenares
para obtener el grado de
Doctor en Ciencias de la Computaci
on

Directores de Tesis:

Dr. Marco Antonio Moreno Armendariz

Dr. Floriberto Ortiz Rodrguez (ESIME Zacatenco)

Mexico D.F. 29 de Julio del 2013.

Dedicatoria
A Frida, el amor de mi vida,
por su apoyo, cari
no y motivaci
on.

Agradecimientos
Hace cuatro a
nos cuando inicie el doctorado, el final se vea muy lejano y el camino pareca muy
complicado. Hoy que he logrado mi objetivo, el principio me parece cercano y el camino recorrido lo
observo sencillo. Esta sensaci
on, estoy seguro, la debo en gran manera al apoyo de muchas personas
e instituciones. En forma especial quiero agradecer a los siguientes:
A mi asesor, el Dr. Marco Antonio Moreno Armend
ariz por su apoyo incondicional, sus m
ultiples
consejos y sus valiosas ense
nanzas. A mi codirector, el Dr. Floriberto Ortiz Rodrguez, por toda su
motivaci
on, su enorme confianza, y su paciencia.
A mis compa
neros y amigos, por todo su apoyo, su compa
nerismo, y sus valiosas sugerencias y
comentarios.
Al CONACYT por el apoyo econ
omico que me otorg
o durante estos cuatro a
nos, al Centro
de Investigaci
on en Computaci
on, por la gran oportunidad de realizar mis estudios en la mejor
instituci
on de computaci
on del pas.
Finalmente, a mi familia, mis pap
as, hermanas, por su gran cari
no y motivaci
on.
Tambien a mi esposa por su paciencia, confianza, y por todas esas alegras y preocupaciones que
compartimos.

Resumen
El sistema mesa-esfera tiene cuatro grados de libertad y consta de una esfera que puede moverse
libremente sobre el plano. Esto lo hace atractivo para poner a prueba m
ultiples estrategias de
control. Este trabajo discute un metodo de regulacion para el sistema mesa-esfera, el problema
es dise
nar leyes de control las cuales generan un voltaje u para los servomotores, los cuales mueven
la esfera de su posicion actual hacia la posicion deseada. Los controladores son construidos agregando
compensadores no-lineales a controladores tipo PD. As es posible mejorar la precision del control.
Para llegar a esto, primero se describe en que consiste el modelado del sistema a controlar, as como
el modelo dinamico al cual es transformado y se describen las propiedades de los elementos que
conforman el modelo dinamico. Tambien se hace mencion del metodo empleado para encontrar las
leyes de control. Se explica las diferentes representaciones del sistema a controlar y se establecen sus
respectivas ventajas y desventajas. Para asegurar la estabilidad del sistema completo acoplado,se
emplea el metodo directo de Lyapunov. Para ello se realiza una transformacion del sistema mesa
esfera, al modelo general la ecuacion dinamica de un robot manipulador. Se plantea el desarrollo
matematico para obtener la ley de control propuesta, analizando el sistema en lazo cerrado. Por
u
ltimo, se ilustran los resultados obtenidos mediante simulaciones numericas. Se muestran las graficas
del desempe
no del controlador propuesto, se observa el comportamiento de la posicion y velocidad de
la esfera en cada uno de sus ejes de referencia. Tambien se realizan diversas simulaciones comparando
con otros dos metodos para validar las leyes de control propuestas.

Abstract
The ball and plate system has four degrees of freedom and consists of a ball that can move freely
on the plate. This makes it attractive for multiple testing control strategies.
In this thesis, the normal proportional derivative (PD) control is modificated into a new dual
form for the regulation of a ball and plate system. First, to analyze this controller, a novel complete
nonlinear model of the ball and plate system is obtained. Second, an asymptotic stable dual PD
control with a nonlinear compensation is developed. Finally, the simulation results of ball and plate
system are provided to verify the effectiveness of the proposed methodology.

Indice general
Dedicatoria

Agradecimientos

Resumen

Abstract

1. Introducci
on
1.1. Motivacion . . . . . . . . . .
1.2. Planteamiento del Problema .
1.3. Hipotesis . . . . . . . . . . .
1.4. Objetivos . . . . . . . . . . .
1.4.1. Objetivo General . . .
1.4.2. Objetivos Particulares
1.4.3. Aportacion . . . . . .
1.5. Estructura de la tesis . . . . .
1.6. Estado del arte . . . . . . . .
1.7. Trabajos relacionados . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

1
1
1
2
2
2
2
2
3
4
5

2. Marco Te
orico
2.1. El sistema mesa-esfera . . . . . . . . . . . . . . . . . . . .
2.2. Controlador PD . . . . . . . . . . . . . . . . . . . . . . . .
2.3. Dinamica y Control de un Robot Manipulador . . . . . .
2.3.1. Modelo mecanico . . . . . . . . . . . . . . . . . . .
2.3.2. Control tipo PD de un Robot Manipulator . . . .
2.4. Analisis de la Estabilidad de los Sistemas no-lineales . . .
2.4.1. Estabilidad de los Puntos de Equilibrio . . . . . .
2.4.2. Aproximaciones Lineales de los sistemas no-lineales
2.4.3. Estabilidad en el sentido de Lyapunov . . . . . . .
2.4.4. Principio de Invariancia . . . . . . . . . . . . . . .
2.5. Logica Difusa . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.1. Aplicaciones de la logica difusa . . . . . . . . . . .
2.5.2. Teora de conjuntos difusos . . . . . . . . . . . . .
2.5.3. Funciones de Pertenencia . . . . . . . . . . . . . .
2.5.4. El Controlador Difuso . . . . . . . . . . . . . . . .
2.6. Fusificacion . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7. Defusificacion . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

11
11
14
15
15
16
16
17
18
20
22
22
23
24
25
26
27
27

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

INDICE GENERAL

3. Control Dual PD con compensador

3.1. Dise
no del controlador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2. Transformacion del modelo mesa-esfera . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3. Analisis de estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28
28
33
35

4. Evaluaci
on y discusi
on
4.1. Fase de simulacion: Modelado Matematico . . . . . . . .
4.2. Fase de simulacion a lazo cerrado . . . . . . . . . . . . .
4.2.1. Control PD con Compensador y sin compensador
4.2.2. Control con logica difusa . . . . . . . . . . . . .
4.3. Resultados de simulacion . . . . . . . . . . . . . . . . .

.
.
.
.
.

44
44
45
46
47
47

5. Conclusiones y trabajos futuros

5.1. Artculos aceptados y en revision . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

56
57

Referencias

57

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

Indice de figuras
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.

Sistema barra esfera construido por Berkeley Robotics Laboratory [38] .

Ball and Beam Balancer construido por la universidad de Lakehead [43]
Ball and Beam module construido por Quanser [39] . . . . . . . . . . . .
Ball and Beam construido por Hirsch [40] . . . . . . . . . . . . . . . . .
A Robotic Ball Balancing Beam construido por Lieberman [41] . . . . .
Mesa-esfera construido por Cheng [42] . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

7
8
9
9
10
10

2.1.
2.2.
2.3.
2.4.
2.5.
2.6.

Sistema mesa-esfera . . . . . . . . . . . . . . . . . . . . . .
Trayectorias: (a) estable, (b) inestable y (c) asintoticamente
Ejemplos de conjuntos difusos . . . . . . . . . . . . . . . . .
Funcion de perteneca de un conjunto difuso triangular . . .
Funcion de perteneca de un conjunto difuso trapezoidal . .
Estructura de un modelo difuso . . . . . . . . . . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

12
18
25
25
26
27

3.1. Esquema de control del sistema mesa-esfera . . . . . . . . . . . . . . . . . . . . . . .

29

4.1. Bloque de simulink del sistema completo a lazo abierto . . . . . . . . . . . . . . . . .

4.2. Resultados de Simulacion; Desplazamiento de la esfera sobre el eje-x . . . . . . . . .
4.3. Resultados de Simulacion; Desplazamiento de la esfera sobre el eje-y . . . . . . . . .
4.4. Resultados de Simulacion; Desplazamiento de la mesa sobre el eje-x . . . . . . . . .
4.5. Resultados de Simulacion; Desplazamiento la mesa sobre el eje-y . . . . . . . . . . .
4.6. Esquema de control PD Dual con compensador en Simulink . . . . . . . . . . . . . .
4.7. Bloque de simulink del controlador fuzzy . . . . . . . . . . . . . . . . . . . . . . . . .
4.8. Bloque de simulink de la funciones de membresia de posicion . . . . . . . . . . . . .
4.9. Bloque de simulink de la funciones de membresia de velocidad . . . . . . . . . . . . .
4.10. Bloque de simulink de la funciones de membresia del par . . . . . . . . . . . . . . . .
4.11. Bloque de simulink de las reglas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.12. Resultados de Simulacion; Velocidad y desplazamiento sobre el eje-x sin compensador
4.13. Resultados de Simulacion; Velocidad y desplazamiento sobre el eje-y sin compensador
4.14. Resultados de Simulacion; Velocidad y desplazamiento sobre el eje-x con compensador
4.15. Resultados de Simulacion; Velocidad y desplazamiento sobre el eje-y con compensador
4.16. Comparacion tres metodos; Posicion de la esfera sobre el eje-x . . . . . . . . . . . . .
4.17. Comparacion tres metodos; Velocidad de la esfera sobre el eje-x . . . . . . . . . . . .
4.18. Comparacion tres metodos; Se
nales de control . . . . . . . . . . . . . . . . . . . . . .

44
45
45
46
46
47
48
48
49
49
50
50
51
51
52
52
53
53

II

. . . . .
estable.
. . . . .
. . . . .
. . . . .
. . . . .

.
.
.
.
.
.

.
.
.
.
.
.

Indice de tablas
4.1.
4.2.
4.3.
4.4.

Constantes de los controladores PD . . . . . . . . . . . .

Simulaciones con el control PD Dual con Compensador
Simulaciones con el control de logica difusa . . . . . . .
Simulaciones con el control PD Dual sin Compensador .

III

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

54
54
54
55

Captulo 1

Introducci
on
1.1.

Motivaci
on

La motivacion principal de este trabajo es mostrar la importancia del dise

no de controladores
para sistemas no-lineales, as como las ventajas y desventajas que conlleva el usar este tipo de
controladores. Tambien se pone enfasis en como el modelado de un sistema fsico que es descrito
mediante ecuaciones matematicas, puede utilizarse para dise
nar las leyes de control necesarias para
que se comporte de acuerdo con los requerimientos propuestos, tomando en cuenta las limitaciones
propias del sistema y de los dispositivos utilizados para alcanzar dichos requerimientos.

1.2.

Planteamiento del Problema

Hoy en da el control de procesos es usado en una gran variedad de ambitos por la eficiencia y
seguridad que dan a los sistemas en general, dicho control se realiza ya sea por medio de dispositivos
fsicos o de software, de los cuales existe una gran diversidad, entre ellos se encuentra el controlador
PD que es utilizado extensamente en la industria por las importantes funciones que realiza, las
cuales permiten un amplio control de los m
ultiples sistemas existentes. En la actualidad son muchas
las funciones y problemas se trabajan mediante el control de un proceso, ya sea para controlar
lo posicion de un objeto, el nivel de una sustancia, o la temperatura de un lquido, estos controles
pueden ser mediante los metodos clasicos de control despues de linealizar el sistema a controlar, o por
las nuevas tecnicas como la logica difusa, redes neuronales, etc... Tambien se realizan controladores
para sistemas no-lineales, determinando las leyes de control para los diversos procesos.
Lo anterior lleva a la siguiente pregunta: Como poder realizar el control de la posicion mediante
1


CAPITULO 1. INTRODUCCION

un esquema de control que considere todos el modelo completo y acoplado no-lineal del sistema
mesa-esfera?

1.3.

Hip
otesis

Es posible desarrollar un sistema de control, para un sistema no-lineal sin tener la necesidad de
tener que hacer el proceso de linealizar el modelo, y que mediante la comparacion con otros metodos
se demuestre que el control propuesto alcanza el valor deseado en menor tiempo.

1.4.

Objetivos

1.4.1.

Objetivo General

Dise
nar un control PD con compensador no-lineal, para control de regulacion del sistema mesaesfera y su analisis de estabilidad mediante el metodo directo de Lyapunov.

1.4.2.

Objetivos Particulares

1. Realizar un estudio del estado del arte sobre los trabajos que utilizan el sistema mesa-esfera.
2. Dise
nar las leyes de control para en un sistema de control en cascada para controlar la posici
on
de la esfera sobre la mesa.
3. Desarrollar el analisis de estabilidad de un control PD con compensador no-lineal.
4. Llevar a cabo simulaciones en Matlab del sistema, considerando el modelo completo y acoplado.

1.4.3.

Aportaci
on

La principal aportacion de esta tesis es el desarrollar el analisis de estabilidad del sistema nolineal completo y acoplado. Para ello adicionalmente se realiza la transformacion del modelo del
sistema a la forma de la dinamica de un robot manipulador.

1.5. ESTRUCTURA DE LA TESIS

1.5.

Estructura de la tesis

La conformacion de la tesis es la siguiente:

En la Introduccion se explica con detalle la motivacion de la tesis, se plantea de forma general

cual es el problema de control, cual es su relevancia y se detalla cada uno de los objetivos particulares.

En el Captulo 2 se describe en que consiste el modelado del sistema a controlar, as como

el modelo dinamico al cual es transformado y se describen las propiedades de los elementos que
conforman el modelo dinamico, por u
ltimo se hace mencion del metodo empleado para encontrar las
leyes de control. Se explica las diferentes representaciones del sistema a controlar y se establecen sus
respectivas ventajas y desventajas.

En el Captulo 3 se describe la aportacion principal de esta tesis, a saber, condiciones para la

estabilidad del sistema mesa-esfera bajo una accion PD mas un compensador no-lineal. Se plantea
el desarrollo matematico de la ley de control propuesta, analizando el sistema en lazo cerrado.

El Captulo 4 ilustra los resultados obtenidos mediante simulaciones numericas. En este captulo
se observa de manera grafica el desempe
no del controlador propuesto, se muestra el comportamiento
de la posicion y velocidad de la esfera en cada uno de sus ejes de referencia. Tambien se realizan
diversas simulaciones comparando con otros dos metodos, para validar las leyes de control propuestas.

En el Captulo 5 se discuten los resultados obtenidos en esta tesis, es decir, cuales son las
implicaciones de los resultados obtenidos, el impacto de estos, ademas de detallar cual a sido la
principal aportacion en el campo de control no-lineal. En esta seccion tambien se mencionan los
trabajos futuros que se puede desarrollar a partir de este trabajo de tesis. Finalmente se describe un
listado de los artculos que se encuentran aceptados y en revision derivados de este trabajo.


CAPITULO 1. INTRODUCCION

1.6.

Estado del arte

Los sistemas de control son una parte integral de la sociedad moderna y muchas aplicaciones
que nos rodean hace uso de un sistema de control. Un ejemplo de un sistema que utiliza la teora de
control es el sistema mesa-esfera. El sistema mesa-esfera es un modelo muy popular e importante de
laboratorio y muy utilizado en la ense
nanza de la ingeniera de control del sistemas.

El presente trabajo de tesis, trata del modelado, analisis y control visual de un sistema mesaesfera. El sistema mesa-esfera tiene cuatro grados de libertad y consta de una esfera que puede
moverse libremente sobre el plano. Esto lo hace atractivo para poner a prueba m
ultiples estrategias
de control. En nuestro caso, incorporamos un sistema de vision y un controlador proporcionalderivativo mas un compensador no-lineal. Debido a la naturaleza del objeto a manipular en algunos
sistemas, como es el caso del sistema mesa-esfera, es casi imposible utilizar sensores convencionales
(ultrasonicos, infrarrojos, de presion, etc.) que permitan adaptarse a su entorno y proporcionar
informacion adecuada para realizar una determinada tarea, ya que esta depende de un conocimiento
a priori de su espacio de trabajo y de la localizacion del objeto a manipular. Una caracterstica
importante del sistema mesa-esfera es la incorporacion del sistema de vision, el cual tienen como
ventaja principal mimetizar el sistema de vision humana que es capaz de obtener rasgos del objeto
a manipular. Esta informacion sera usada por el controlador.

Muchos investigadores han investigado el problema de regulacion en el sistema mesa-esfera.

El sistema mesa-esfera es uno de los mas famosos e importantes modelos de laboratorio para la
ense
nanza. El sistema mesa-esfera es una planta multi-variable, la cual es la extension de el tradicional
sistema barra-esfera [1]-[6]. El sistema barra-esfera tiene dos grados de libertad el cual consiste en una
esfera rodando sobre una barra rgida. De otra manera, El sistema mesa-esfera tiene cuatro grados
de libertad el cual consiste en que una esfera puede rodar libremente sobre una mesa rgida. Este
sistema no a atrado demasiado la atencion ; la principal desventaja de este sistema es la dificultad
de construirlo. Sin embargo, se considera que este sistema tiene un enorme potencial como mesa de
pruebas para diferentes estrategias de control como control con redes neuronales [7], logica difusa
[8]-[12], [13] y [6], control convencional [14], analisis de estabilidad [15] y [16], control no-lineal [17]-

1.7. TRABAJOS RELACIONADOS

[19], control con modos deslizantes [20],[21] y [22], etc. El objetivo de esta investigacion es desarrollar
un control PD para regulacion con compensacion de los terminos no-lineales del sistema, capaz de
controlar la posicion de la esfera sobre la mesa para ambos ejes (x, y). La posicion inicial de la mesa
es aquella donde no existe inclinacion en ninguno de los ejes. Para mover la esfera de la posici
on
inicial a la posicion deseada, se generan inclinaciones del plano mediante un servomotor para cada
eje. La posicion de la esfera sobre la mesa sera medida mediante una camara, ver todos los detalles
en [13]. Se ha trabajado con una version del sistema barra-esfera, este sistema tiene dos grados de
libertad y nuestro grupo de investigaci
on a obtenido muy buenos resultados [23]. En este trabajo fue
realizado usando el prototipo del sistema mesa-esfera [24], en esta tesis se analizara la estabilidad
del control PD para regulacion con el modelo no-lineal completo del sistema mesa-esfera.

As que con el fin de mejorar la precision del control y la estabilidad del sistema, se introduce un
compensador no-lineal, y se utiliza junto con PD para controlar el movimiento de la esfera sobre el
plano.

Las dificultades para controlar el sistema son los siguientes:

1. El sistema mesa-esfera tiene 8 variables de estado, que es difcil de ser representado por
un modelo matematico preciso y ser controlado de manera eficaz por algoritmos de control
tradicionales.
2. El sistema es no-lineal e inestable.

Las principales aportaciones de este trabajo son la introduccion de un nuevo algoritmo de control
para el sistema mesa-esfera y el analisis de estabilidad.

1.7.

Trabajos relacionados

En [25], una nueva funcion de Lyapunov es propuesta la cual puede ser utilizada para dise
nar
un esquema de control estable (switching control). Ellos introdujeron nuevos conceptos acerca de
sus metodos de control mediante Lyapunov. Ellos implementaron herramientas para encontrar un


CAPITULO 1. INTRODUCCION

esquema de control que sea asintoticamente estable para el sistema mesa-esfera. En [19], presentan
un metodo de control de modos deslizantes para el sistema barra-esfera. Los autores dise
naron un
modelo deslizante estacionario y uno dinamico del sistema. El primero usa el modelo simplificado
del sistema barra-esfera para dise
nar el modelo estacionario, el segundo es un controlador dinamico
de modos deslizantes para el sistema, los autores usan el modelo completo para dise
nar estos
controladores. En [26], el objetivo de control es controlar un brazo de robot para alcanzar el objeto
deseado mediante un sistema de vision. Este estudio incluye tambien un analisis de estabilidad
mediante Lyapunov. En esta tesis incluiremos un analisis similar de estabilidad mediante el metodo
de Lyapunov, transformamos el sistema completo del mesa-esfera en una estructura dinamica de
robot. En [27] discuten la concepcion y desarrollo de un sistema mesa-esfera basado en los principios
de un dise
no mecatronico. Ellos dise
nan un controlador basado en el modelo lineal del sistema mesaesfera, un controlador PID controlador es adecuado para obtener una respuesta muy rapida. Ellos
desarrollan su propio prototipo usando la herramienta para prototipos de control en tiempo real del
programa dSpace. En [22] los autores presentan un control servo-visual para el sistema mesa-esfera
para guiar a la esfera a su trayectoria deseada. Un controlador de modos deslizantes es dise
nado.
Muchos autores prefieren los tecnicas de control difuso, tales como [28], ellos proponen un esquema
de control difuso jerarquico y ellos proponen algoritmos geneticos para controlar y ajustar el valor
de las funciones de membreca de salida del controlador difuso para optimizar la trayectoria de
la esfera. En [29] y [15], los autores usan un control PD con compensador exacto para realizar la
sincronizacion de dos sistemas barra-esfera, despues una red neuronal de funcion radial es aplicada
para aproximar el compensador no-lineal. En este trabajo la sincronizacion puede ser en paralelo y
serie y ellos tambien discuten la estabilidad del esquema de sincronizacion. En [31] G. Wang y Z.S.
Sun han realizado una investigacion preliminar sobre el sistema mesa-esfera, en el que se detecta la
posicion de la esfera mediante una camara, un motor paso a paso se utiliza como mecanismo, y el
controlador ha sido dise
nado utilizando el metodo de control difuso.

El sistema de mesa-esfera en [32] se ha dise

nado para propositos educativos y desarrolla para
control de seguimiento a traves de control geometrico y controladores PID. HUMUSOFT [33] es un
sistema mesa-esfera que esta disponible comercialmente.

1.7. TRABAJOS RELACIONADOS

El sistema es un punto de referencia para poner a prueba diferentes sistemas de control nolineal. La regulacion de la salida (output regulation) del sistema mesa-esfera incluye el control de
la regulacion y el control de seguimiento de trayectoria. El control de regulacion es mantener la
esfera en una posicion deseada sobre la mesa y el seguimiento de una trayectoria se trata de que
el control mueva a la esfera para seguir un trazado geometrico sobre el plano. Ambas tareas son
difciles, especialmente cuando los problemas de la precision deseada del seguimiento sea alta.

Arroyo [38] construyo el sistema denominado Barra esfera en 2005, como se observa en la Figura
1.1. El sistema emplea el sensor de hilo resistivo para medir la posicion de la bola. El sensor de
posicion act
ua como un limpiador similar a un potenciometro.

Figura 1.1: Sistema barra esfera construido por Berkeley Robotics Laboratory [38]

Quanser [39] en el 2006 desarrollo un sistema barra esfera donde la se

nal del sensor se procesa en
un DSP. Se utilizo un motor de corriente continua con un reductor. El sistema estaba controlado por
un controlador PD. Este sistema es facil de construir, y el controlador PD era facil de dise
nar. Aunque
la posicion de la pelota fue controlada por el controlador PD, el angulo de inclinacion de la barra no
fue medido ni controlado. Por lo tanto, el sistema puede no ser muy robusto. El Departamento de
Ingeniera Electrica de la Universidad de Lakehead construyo un sistema llamado el Ball and Beam


CAPITULO 1. INTRODUCCION

Balancer [43], como se muestra en la Figura 1.2. El sistema emplea un motor de CC con una caja de
cambios integrada, un sensor de la posicion del alambre resistivo, y un codificador digital. El sistema
tena una entrada (entrada de tension del motor) y dos salidas (la posicion de la bola y el angulo
de inclinacion de la barra). El sistema puede ser muy robusto debido a que el metodo de espacio de
estado con el controlador dise
nado.

Figura 1.2: Ball and Beam Balancer construido por la universidad de Lakehead [43]

Quanser [39] presenta su producto comercial llamado ball and beam module, que se muestra en la
Figura 1.3. El modulo de barra y esfera consistio en el sensor de posicion hecho por cables resistivos
y un servo motor de corriente continua con una caja reductora. El sistema podra ser controlado por
un controlador PID o un controlador de espacio de estado.
Hirsch [40] construyo su Ball on Beam System en 1999. Una fotografa del sistema se muestra en
la Figura 1.4. El sistema emplea un sensor ultrasonico para medir la posicion de la bola. El angulo
de la viga se midio mediante el uso de un potenciometro. El motor con una caja de cambios fue
impulsado con un circuito amplificador operacional de alta potencia. El sistema esta controlado por
un controlador PD. El sistema de Hirsch era facil de construir debido a la configuracion mecanica
sencilla.
Lieberman [41] construyo un sistema llamado A Robotic Ball Balancing Beam, que se muestra
en la Figura 1.5. El sistema es similar al sistema barra esfera [40]. La diferencia entre los dos sistemas
es que el sistema de Lieberman utiliza un sensor de la posicion del alambre resistivo, y el sistema de
Hirsch utiliza un sensor de posicion ultrasonico.

1.7. TRABAJOS RELACIONADOS

Figura 1.3: Ball and Beam module construido por Quanser [39]

Figura 1.4: Ball and Beam construido por Hirsch [40]

Cheng [42] desarrollo un prototipo de mesa-esfera, figura 1.6. El sistema se construye mediante
dos actuadores magneticos de suspension de dos grados de libertad. Para obtener un rendimiento de
control, emplean un microprocesador de un solo chip, sirviendo como n
ucleo de control. Realizan el
dise
no del control a lazo cerrado, y el analisis de estabilidad mediante Lyapunov. Varios escenarios
de operacion dinamica, incluyendo oscilatoria, estabilizacion y seguimiento de la trayectoria circular
ponen a prueba para verificar el funcionamiento del sistema y su capacidad. El modelado del sistema
se reduce de forma que el sistema queda desacoplado, y as resulta mas facil realizar el control.

10

CAPITULO 1. INTRODUCCION

Figura 1.5: A Robotic Ball Balancing Beam construido por Lieberman [41]

Figura 1.6: Mesa-esfera construido por Cheng [42]

Captulo 2

Marco Te
orico
En este captulo se describe en una primera parte el modelo del sistema mesa esfera, el cual
consta de cuatro ecuaciones diferenciales, obtenidas mediante el metodo de Lagrange, despues se
describen las principales caractersticas del controlador PD, este controlador es el seleccionado para
controlar la posicion de la esfera sobre la mesa, como se trata de un sistema no-lineal y acoplado
se le agrega un compensador para la parte no-lineal, este compensador es encontrado a partir de la
transformacion del sistema en una ecuacion que representa la dinamica de un robot manipulador,
cuyas caractersticas se describen en este captulo, por u
ltimo se mencionan las definiciones de
estabilidad en el sentido de Lyapunov.

2.1.

El sistema mesa-esfera

Para el sistema mesa-esfera descrito en la Figura 2.1, una esfera es puesta sobre una superficie
lisa donde podra rodar. El modelado del sistema mesa-esfera es presentado anteriormente en [24],
en esta tesis se desarrolla el modelo completo del sistema mesa-esfera, tomando en cuenta el sistema
acoplado, para el analisis de estabilidad se convertira el modelo en la forma de una ecuacion general
para representar sistemas mecanicos de la forma descrita en la ecuacion (2.1).

M (q)
q + C(q, q)
q + G(q) = B q + D

(2.1)

En ausencia de friccion o de otros disturbios, la dinamica del sistema mesa-esfera puede ser
obtenida mediante el metodo de Lagrangiano.
11


CAPITULO 2. MARCO TEORICO

12

Figura 2.1: Sistema mesa-esfera

La energa cinetica del sistema es:

1
1
mv 2 + Icdm w2
2 cdm 2
2

1
1
1
x + y 2
1
= m(x 2 + y 2 ) + m(xx + y y )2 + Icdm
+ Icdm (x2 + y2 )
2
2
2
R
2
Ec =

(2.2)
(2.3)

donde Ec es la energia cinetica de la esfera; m es la masa de la esfera; Icdm es el momento de inercia

de la esfera; R es la velocidad de la esfera; (x 2 + y 2 ) es la velocidad lineal de la esfera; x y y son la
posicion de la esfera sobre la mesa; x y y son posiciones angulares de la mesa; w es la velocidad
2
2
angular de la esfera; (x + y ) es la velocidad angular de la mesa.

Por otro lado, la energa potencial debido a la gravedad es:

Ep = mG(x sin(x ) + y sin(y ))

(2.4)

donde Ep es la energa potencial de la esfera; G es la aceleracion debido a la gravedad.

De (2.3) y (2.4), la ecuacion de Lagrange es:
1
1
1
L = m(x 2 + y 2 ) + m(xx + y y )2 + Icdm
2
2
2

x 2 + y 2
R

1
+ Icdm (x2 + y2 )
2
mG(x sin(x ) + y sin(y ))
(2.5)

2.1. EL SISTEMA MESA-ESFERA

13

Las ecuaciones de Lagrange de movimiento son:

L
L

=0
t x
x

(2.6)

L
L

= x
t x
x

(2.7)

L
L
=0

t y
y

(2.8)

#
"
L
L

= y
t y
y

(2.9)

donde x y y son el torque aplicado a la mesa.

El sistema completo mesa-esfera esta dado por las ecuaciones (2.10),(2.11),(2.12) y (2.13):

Icdm
m+ 2 x
mxx2 my x y + mG sin x = 0
R

(2.10)

Icdm + mx2 x + 2mxx x + mxy y + (mxy + mxy)

y + mGx cos x = x

(2.11)

Icdm
m + 2 y my y2 mxx y + mG sin y = 0
R

(2.12)

Icdm + my 2 y + 2my y y + mxy x + (mxy + mxy)

x + mGy cos y = y

(2.13)

donde:
x: Representa la posicion de la esfera sobre el plano en el eje x
y: Representa la posicion de la esfera sobre el plano en el eje y
x : Representa la posicion angular de la mesa en el eje x
y : Representa la posicion angular de la mesa en el eje y
x : Torque aplicado al plano en el eje x
y : Torque aplicado al plano en el eje y
G: Aceleracion debido a la gravedad
R: Radio de la esfera
M : Masa de la esfera
Icdm : Momento de inercia de la esfera es 25 M R2


CAPITULO 2. MARCO TEORICO

14

2.2.

Controlador PD

Un tipo de controlador que funciona como un amplificador con una ganancia constante k se conoce
como control proporcional, ya que la se
nal de control a la salida del controlador esta relacionada con
la entrada del controlador mediante una constante proporcional. El controlador de tipo Proporcional
derivativo (PD) presenta la siguiente funcion de transferencia (2.14):

G(s) = KP + KD s

(2.14)

donde KP , KD son las constantes proporcional y derivativa. El control proporcional es un tipo

de controlador basico, pero utilizado ampliamente en la industria y en muchos de los aparatos de
uso cotidiano. La gran extension de su uso radica en que no se necesita conocer mucho sobre teora
de control o modelado matematico de sistemas para utilizarlo de forma eficiente, dado la facilidad
de sintonizacion, si los requerimientos de desempe
no no son muy estrictos.

Una de las desventajas de los controladores P y PI, es que su respuesta al escalon presenta un
sobrepaso maximo muy grande. Esto es generalmente indeseado, con mayor razon en sistemas como
el presentado en este trabajo, en donde un sobrepaso grande puede convertirse en sacar la esfera
fuera de la mesa. Ademas de esto, el sobrepaso demanda un esfuerzo extra para los motores y para
las partes mecanicas de la mesa, ocasionando desgaste de los mecanismos y desperdicio de energa.
Si en un control proporcional se intenta disminuir el sobrepaso se debe de disminuir la ganancia
proporcional (KP) y esto implica que el sistema sea mas lento y que tenga un error en estado
estacionario mayor. Por otra parte, el controlador PI por s mismo tiene el efecto de aumentar el
sobrepaso maximo. Si se intenta reducir, se disminuyen las ganancias proporcionales (KP) e integral
(KI), lo que tendra como consecuencia el aumento en el tiempo de asentamiento del sistema y en el
tiempo en el que el sistema llega al error cero en estado estacionario. El controlador proporcional y
derivativo (PD), soluciona el problema del sobrepaso maximo a
nadiendo una accion correctiva que
es proporcional a la derivada del error de posicion.


2.3. DINAMICA
Y CONTROL DE UN ROBOT MANIPULADOR

2.3.

Din
amica y Control de un Robot Manipulador

2.3.1.

Modelo mec
anico

15

En este trabajo se transforma el modelo completo y acoplado del sistema mesa-esfera en la forma
de la dinamica de un robot manipulador rgido de n eslabones conectados de manera serial[46], la
cual se escribe como:

M (q)
q + C(q, q)
q + G(q) + F (q)
=

(2.15)

donde q < es el vector de variables articulares y determina la posicion de los eslabones, q <n
es el vector de velocidades articulares, M (q) <nn es la matriz de inercia, C(q, q)
<nn , es la
matriz de fuerzas centrpetas y de Coriolis, G(q) <n representa el vector de gravedad, F (q)
<n ,
es un vector que contiene los terminos de friccion (friccion de Coulomb) y <n es el vector que
representa la entrada de control.
La ecuacion dinamica del robot (2.15) tiene las siguientes propiedades estructurales [46].
Propiedad 1. La matriz de inercia M es simetrica y definida positiva, es decir,

m1 k M (q) k m2

(2.16)

donde m1 , m2 son escalares constantes positivos, y k M (q) k es la norma euclidiana del vector.
Propiedad 2. La matriz de fuerzas centrpetas y de Coriolis es antisimetrica,
S(q, q)
= M (q) 2C(q, q)

(2.17)

Por lo que la siguiente relacion se satisface

xT [M (q) 2C(q, q)]x

=0

(2.18)

Propiedad 3. El vector de friccion es acotado, es decir,

kF (q)k
k
con k constante

(2.19)


CAPITULO 2. MARCO TEORICO

16
Propiedad 4. El vector de gravedad es acotado, es decir,

kG(q)k gb

(2.20)

con gb constante

2.3.2.

Control tipo PD de un Robot Manipulator

La estructura de un control PD tradicional es:

= KP (q q d ) KD (q qd )

(2.21)

donde KP , KD <nn ; son matrices diagonales definidas positivas, simetricas y constantes,

las cuales corresponden a las ganancias proporcional y derivativa, q d <n es la posicion articular
deseada, qd <n es la velocidad articular deseada. En esta tesis se discute el problema de regulacion,
por lo que qd = 0. En el caso de regulacion cuando se alcanza la posicion deseada se tiene que la
velocidad es cero.

2.4.

An
alisis de la Estabilidad de los Sistemas no-lineales

La estabilidad es una de las caractersticas mas importantes de los sistemas dinamicos. Al analizar
la estabilidad de dichos sistemas, surgen diferentes problemas seg
un la manera en que se la caracterice
y los sistemas en consideracion. Por ejemplo, considerando sistemas lineales y estacionarios, existen
metodos para poder determinar su estabilidad, como el criterio de la respuesta al impulso, el criterio
de Routh y el de Nyquist. Sin embargo cuando se tratan sistemas no-lineales, estos metodos no
tienen validez.
La riqueza dinamica de los sistemas no-lineales presenta ciertos fenomenos que no se evidencian al
estudiar los sistemas lineales [34]-[35]. Uno de estos fenomenos es la existencia de m
ultiples puntos de
equilibrio aislados. Un sistema lineal puede tener un solo punto de equilibrio aislado, y por lo tanto
un solo estado de regimen estacionario que si el punto es asintoticamente estable atrae al estado del
sistema independientemente del estado inicial. En cambio, los sistemas no lineales pueden tener varios
puntos de equilibrio, y la convergencia a uno estable depende del estado inicial. Debido a esto, resulta


2.4. ANALISIS
DE LA ESTABILIDAD DE LOS SISTEMAS NO-LINEALES

17

importante estudiar la estabilidad de los diferentes puntos de equilibrio de los sistemas no-lineales
para poder entender mejor el comportamiento del mismo. En este trabajo se presenta la estabilidad
de los puntos de equilibrio de los sistemas no-lineales mediante el estudio del comportamiento del
estado en un entorno de los mismos. Para ello se presenta el concepto de estabilidad en el sentido
de Lyapunov como as tambien una introduccion de los metodos de Lyapunov para el analisis de
estabilidad.

2.4.1.

Estabilidad de los Puntos de Equilibrio

Un punto de equilibrio de un sistema dinamico es estable en el sentido de Lyapunov si todas las

soluciones que nacen en las cercanas del punto de equilibrio permanecen en dichas cercanas; de otra
forma resulta inestable. El punto de equilibrio ademas es asintoticamente estable si las soluciones
ademas de permanecer en las cercanas del mismo, tienden hacia el punto de equilibrio a medida que
transcurre el tiempo. Considerese el siguiente sistema autonomo:

x = f (x)

(2.22)

Suponiendo que x D es un punto de equilibrio de 2.22; o sea f (x) = 0 , se pretende caracterizar

y analizar la estabilidad de x . Por conveniencia se considera x = 0 lo cual no representa una perdida
de generalizacion ya que cualquier punto de equilibrio x 6= 0 puede ser trasladado al origen mediante
el cambio de variable y := x x con lo que se tiene:

y = x = f (x) = f (y + x) := g(y)

(2.23)

con
g(0) = 0
En esta nueva variable y, el sistema y = g(y) tiene como punto de equilibrio al origen del espacio
de estados. En consecuencia , de ahora en mas se considerara que f (x) satisface f (0) = 0 y se
estudiar
a la estabilidad del origen del espacio de estados x = 0 como punto de equilibrio.
Definicion 1: Si (t; t0 , x0 ) representa la solucion de 2.22 dada a partir de la condicion inicial
x(t0 ) = x0 a partir del instante inicial t = t0 , entonces el punto de equilibrio x = 0 de 2.22 es:
Lyapunov estable si para cada > 0, hay un = () > 0 tal que


CAPITULO 2. MARCO TEORICO

18

kx(0)k < k(t; t0 , x0 )k < , t > 0

(2.24)

Inestable si no es estable.

Asint
oticamente estable si es estable y se puede elegir de modo que

kx(0)k < lm (t; t0 , x0 ) = 0

t

(2.25)

Figura 2.2: Trayectorias: (a) estable, (b) inestable y (c) asint

oticamente estable.

En la Figura 2.2 se muestra una representacion grafica de la definicion 1 para los tres casos de
estabilidad definidos.
Una vez definidos los diferentes tipos de estabilidad de los puntos de equilibrio, es necesario
encontrar metodos para determinar la misma.

2.4.2.

Aproximaciones Lineales de los sistemas no-lineales

Usualmente, el primer paso en el analisis de sistemas no-lineales es realizar una linealizacion en

torno a un punto de equilibrio y analizar el comportamiento del modelo lineal. Entonces el siguiente
teorema establece condiciones bajo las cuales es posible extraer conclusiones sobre la estabilidad
del origen como punto de equilibrio del sistema no-lineal a traves del analisis de estabilidad del
modelo linealizado en torno a dicho punto de equilibrio [34]-[35]. El Teorema se conoce como metodo
indirecto de Lyapunov.
Teorema 1 (M
etodo Indirecto de Lyapunov): Sea x = 0 un punto de equilibrio del sistema


2.4. ANALISIS
DE LA ESTABILIDAD DE LOS SISTEMAS NO-LINEALES

19

no-lineal dado por x = f (x) donde f : D <n , con D <n , es continuamente diferenciable y D
es un entorno del origen. Sea la matriz Jacobiana

A=

f
(x)|x=0
x

(2.26)

Entonces, notando con i a los autovalores de A(i = 1, ..., n).

El origen es asintoticamente estable si <e{i } < 0, para todo i .
El origen es inestable si <e{i } > 0, para uno o mas autovalores de A.
Este Teorema brinda un simple procedimiento para determinar la estabilidad del origen como
punto de equilibrio de un sistema no lineal a traves de su modelo incremental lineal. Sin embargo,
todava es posible extraer mas informacion del sistema linealizado como lo muestra el siguiente
teorema:
Teorema 2 (Hartman-Grobman): Sea x = 0 un punto de equilibrio del sistema no-lineal
dado por x = f (x) donde f : D <n , con D <n , es continuamente diferenciable y D es un
entorno del origen. Sea la matriz Jacobiana

A=

f
(x)|x=0 ,
x

(2.27)

continua sobre D.
Entonces, si A no tiene autovalores nulos o imaginarios con parte real nula, existe un
homeomorfismo h, es decir una funcion que tiene inversa y ambas continuas definida en un entorno
abierto U del origen, tal que para cada x0 U , hay un intervalo abierto I0 < que contiene al
cero de modo que para todo x0 U y t I0 :

h((t; t0 , x0 )) = eA(tt0 ) h(x0 )

(2.28)

donde (t; t0 , x0 ) representa la solucion de x = f (x) dada a partir de la condicion inicial x(0) = x0
a partir del instante inicial t =0 .
Es decir, que h transforma las trayectorias del sistema no-lineal en las del sistema linealizado,
preservando la parametrizacion, o sea el sentido en el que se recorren.
Este teorema no solo brinda informacion sobre la estabilidad del punto de equilibrio sino que


CAPITULO 2. MARCO TEORICO

20

tambien permite conocer cualitativamente el comportamiento de las trayectorias en un entorno del

mismo.
Ninguno de ambos teoremas establece condicion alguna cuando <e{i } 6 0 para todo i, y
<e{i } = 0 para alg
un i. En este caso, la linealizacion no es suficiente para determinar la estabilidad
del origen como punto de equilibrio del sistema no-lineal, como as tampoco para establecer la forma
del retrato de fase entorno al origen, y se debe recurrir a alguna otra herramienta para el analisis.

2.4.3.

Estabilidad en el sentido de Lyapunov

De la teora clasica de la Mecanica, es sabido que un sistema es estable si su energa, una funcion
positiva, es continuamente decreciente, o sea tiene derivada negativa, hasta que el sistema alcanza
su estado de equilibrio [36]. El segundo metodo de Lyapunov es una generalizacion de este hecho.
Lyapunov demostro que ciertas otras funciones aparte de la funcion energa pueden ser usadas para la
determinacion de la estabilidad del punto de equilibrio de un sistema. Antes de presentar el teorema
de Lyapunov se necesario revisar algunos conceptos.
Sea V : D <. un campo escalar continuamente diferenciable definido en un dominio D <n
que contiene al origen, entonces:
V (x) se dice que es una funcion definida positiva si V (0) = 0 y V (x) > 0 en D.
V (x) se dice que es una funcion semidefinida positiva si V (0) = 0 y V (x) > 0en D.
V (x) se dice que es una funcion definida negativa si V (x) es definida positiva.
V (x) se dice que es una funcion semidefinida negativa si V (x) es semidefinida positiva.
La derivada temporal de V sobre las trayectorias de 2.22 se denomina derivada orbital, se
denota V (x), y esta dada por:

V
V
V (x) =
x =
f (x) = V (x) f (x) =
x
x

V
x1

V
x2

...

f1 (x)

f2 (x)

xn

f3 (x)

f4 (x)

(2.29)

La derivada de V sobre las trayectorias del sistema depende de la ecuacion vectorial de estado
del sistema. De este modo, V (x) sera diferente para diferentes sistemas. Si (t; t0 , x0 ) representa la


2.4. ANALISIS
DE LA ESTABILIDAD DE LOS SISTEMAS NO-LINEALES

21

soluci
on de 2.22 dada a partir de la condicion inicial x(0) = x0 a partir del instante inicial t = t0 ,
entonces
d
V (x) = V ((t; t0 , x0 ))
dt

(2.30)

Consecuentemente, si V (x) es negativa, V sera decreciente sobre las trayectorias solucion de 2.22.
Ahora se esta en condiciones de presentar el segundo metodo o metodo directo de Lyapunov:
Teorema 3 (M
etodo directo de Lyapunov): Sea x = 0 un punto de equilibrio del sistema
x = f (x) y sea V : D < un campo escalar continuamente diferenciable definido en un dominio
D <n que contiene al origen, entonces
Si V (x) es definida positiva y V (x) es semidefinida negativa, el origen es un punto de
equilibrio estable.
Si V (x) es definida positiva y V (x) es definida negativa, el origen es un punto de equilibrio
asint
oticamente estable.

Una funcion V (x) que cumple con las condiciones impuestas en el teorema anterior se denomina
funci
on de Lyapunov. Este metodo es una herramienta de analisis muy poderosa. Sin embargo,
presenta dos desventajas. La primera es que no hay un metodo sistematico para hallar una funcion de
Lyapunov por lo tanto hay que proponer una funcion candidata a funcion de Lyapunov y probar si la
misma cumple con los requisitos de estabilidad. La segunda es que el teorema solo brinda condiciones
suficientes por lo tanto el hecho de no encontrar una funcion candidata a Lyapunov que satisfaga
las condiciones de estabilidad o de estabilidad asintotica no significa que el origen es inestable o no
asintoticamente estable.
Se puede demostrar que si V (x) es una funcion de Lyapunov, el conjunto de los x tal que V (x) = c,
para alguna contante c > 0 es una hypersuperficie cerrada (denominada superficie de Lyapunov
o superficie de nivel) en el espacio de estados que encierra al origen. El uso de las superficies
de Lyapunov hace que el teorema sea facilmente interpretable. Las superficies que corresponden a
constantes decrecientes 0 < c2 < c1 , se encuentran ntegramente contenidas para el caso de <2 .
La condicion V (x) 0 se puede interpretar geometricamente a traves de 2.29 ya que la misma
significa que el producto escalar entre el gradiente de V y el campo vectorial f es negativo:


CAPITULO 2. MARCO TEORICO

22

V (x) f (x) 0

(2.31)

Teniendo en cuenta que f es un vector tangente a la trayectoria solucion, la condicion V (x) =

V (x) f (x) 0 significa que cuando una trayectoria cruza una superficie de Lyapunov, esta
trayectoria lo hace hacia adentro y nunca vuelve a salir. Ademas cuando V (x) < 0 las trayectorias se
mueven desde una superficie hacia otra interior correspondiente a un c menor. Cuando c decrece, las
superficies de Lyapunov correspondientes se achican hacia el origen mostrando que las trayectorias
se aproximan al origen a medida que transcurre el tiempo. En cambio, si V (x) 0 no se puede
asegurar que las trayectorias converjan al origen, pero se puede concluir que el origen es estable ya
que las trayectorias quedaran contenidas en alg
un entorno del origen si la condicion inicial x0 esta
dentro de alguna superficie de Lyapunov contenida en dicho entorno [34]-[35].

2.4.4.

Principio de Invariancia

Cuando V (x) es semidefinida negativa, todava es posible determinar la estabilidad asintotica del
origen como lo muestra el siguiente corolario del Principio de Invariancia de LaSalle:
Corolario: Sea x = 0 un punto de equilibrio de 2.22. Sea V : D <. una funcion definida
positiva continuamente diferenciable sobre el dominio D <n que contiene al origen x = 0 ,y ademas
V (x) 0 en D. Sea S = {x <n |V (x) = 0} . Si ninguna trayectoria solucion de 2.22 que entra en
la region S permanece alli indefinidamente salvo la solucion trivial, entonces el origen es un punto
de equilibrio asintoticamente estable.
Este Corolario establece que si para un sistema de la forma de 2.22 se encuentra una funcion
de Lyapunov que es semidefinida positiva, para concluir que el origen es asintoticamente estable se
debe demostrar que cuando las trayectorias entran en la zona del espacio de estado donde se anula
V no permanecen all para siempre a menos que se este en el punto de equilibrio [34].

2.5.

L
ogica Difusa

La cantidad y variedad de aplicaciones de la logica difusa han crecido considerablemente. La logica

difusa es una logica alternativa a la logica clasica que pretende introducir un grado de vaguedad en
las cosas que eval
ua. En el mundo en que vivimos existe mucho conocimiento ambiguo e impreciso


2.5. LOGICA
DIFUSA

23

por naturaleza. El razonamiento humano con frecuencia act

ua con este tipo de informacion. La logica
difusa fue dise
nada precisamente para imitar el comportamiento del ser humano. La logica difusa
se inicio en 1965 por Lotfi A. Zadeh, profesor de la Universidad de California en Berkeley. Surgio
como una herramienta importante para el control de sistemas y procesos industriales complejos,
as como tambien para la electronica de entretenimiento y hogar, sistemas de diagnostico y otros
sistemas expertos [37]. La logica difusa en comparacion con la logica convencional permite trabajar
con informacion que no es exacta para poder definir evaluaciones convencionales, contrario con la
logica tradicional que permite trabajar con informacion definida y precisa.

En que situaciones es u
til aplicar la logica difusa? La logica difusa se puede aplicar en procesos
demasiado complejos, cuando no existe un modelo de solucion simple o un modelo matematico
preciso. Es u
til tambien cuando se necesite usar el conocimiento de un experto que utiliza conceptos
ambiguos o imprecisos. De la misma manera se puede aplicar cuando ciertas partes de un sistema
a controlar son desconocidas y no pueden medirse de forma confiable y cuando el ajuste de una
variable puede producir el desajuste de otras. No es recomendable utilizar la logica difusa cuando
alg
un modelo matematico ya soluciona eficientemente el problema, cuando los problemas son lineales
o cuando no tienen solucion.

2.5.1.

Aplicaciones de la l
ogica difusa

Actualmente la logica difusa tiene un sin n

umero de aplicaciones que afectan nuestra vida
cotidiana de alguna u otra manera, pero en ocasiones no nos percatamos. La logica difusa se ha
desarrollado en diferentes areas y a continuacion se mencionan algunas:
Control de sistemas: Control de trafico, control de vehculos, control de compuertas en plantas
hidroelectricas, centrales termicas, control en maquinas lavadoras, control de metros (mejora
de su conduccion, precision en las paradas y ahorro de energa), ascensores, etc. [37].
Prediccion de terremotos, optimizacion de horarios [37].
Reconocimiento de patrones y Vision por ordenador: Seguimiento de objetos con camara, reconocimiento de escritura manuscrita, reconocimiento de objetos, compensacion de vibraciones
en la camara, sistemas de enfoque automatico [37].


CAPITULO 2. MARCO TEORICO

24

Sistemas de informacion o conocimiento: Bases de datos, sistemas expertos [37].

2.5.2.

Teora de conjuntos difusos

La l
ogica difusa permite tratar con informacion que no es exacta o con un alto grado de
imprecision a diferencia de la logica convencional la cual trabaja con informacion precisa. El problema
principal surge de la poca capacidad de expresion de la logica clasica.

Conjuntos Cl
asicos
Los conjuntos clasicos surgen por la necesidad del ser humano de clasificar objetos y conceptos.
Estos conjuntos pueden definirse como un conjunto bien definido de elementos o mediante una funci
on
de pertenencia que toma valores de 0 o 1 de un universo en discurso para todos los elementos que
pueden o no pertenecer al conjunto [37].
Un conjunto clasico se puede definir con la funcion de pertenencia mostrada en la ecuacion (2.32).

A (x) =

Si x
/A

Si x A

(2.32)

La necesidad de trabajar con conjuntos difusos surge del hecho que existen conceptos que no
tienen lmites claros. Un conjunto difuso se encuentra asociado por un valor ling
ustico que esta
definido por una palabra, etiqueta ling
ustica o adjetivo. En los conjuntos difusos la funcion de
pertenencia puede tomar valores del intervalo entre 0 y 1, y la transicion del valor entre cero y uno
es gradual y no cambia de manera instantanea como pasa con los conjuntos clasicos [7]. Un conjunto
difuso en un universo en discurso pude definirse como lo muestra la ecuacion (2.33).

A = {(x, A (x)) | x U }

(2.33)

Donde A(x) es la funcion de perteneca de la variable x, y U es el universo en discurso. Cuando

mas cerca este la pertenencia del conjunto A al valor de 1, mayor sera la pertenencia de la variable
x al conjunto A, esto se puede ver en la figura 2.3


2.5. LOGICA
DIFUSA

25

Figura 2.3: Ejemplos de conjuntos difusos

2.5.3.

Funciones de Pertenencia

Aun cuando cualquier funcion puede ser valida para definir un conjunto difuso, existen ciertas
funciones que son mas com
unmente utilizadas por su simplicidad matematica, entre estas se
encuentran las funciones de tipo triangular (2.34), mostrado en la figura 2.4, trapezoidal (2.35)
mostrado en la figura 2.5, gaussiana,etc.

xa
(x) =

ma

bx

bm

P ara x a
P ara a < x m
P ara m < x b
P ara x > b

Figura 2.4: Funci

on de perteneca de un conjunto difuso triangular

(2.34)


CAPITULO 2. MARCO TEORICO

26

xa

ba
(x) =
1

dx

bc

P ara x a
P ara a < x b
P ara b < x c

(2.35)

P ara c < x d
P ara x > d

Figura 2.5: Funci

on de perteneca de un conjunto difuso trapezoidal

2.5.4.

El Controlador Difuso

La logica difusa se aplica principalmente en sistemas de control difuso que utilizan expresiones
ambiguas para formular reglas que controlen el sistema. Un sistema de control difuso trabaja de
manera muy diferente a los sistemas de control convencionales. Estos usan el conocimiento experto
para generar una base de conocimientos que dara al sistema la capacidad de tomar decisiones sobre
ciertas acciones que se presentan en su funcionamiento [37]. Los sistemas de control difuso permiten
describir un conjunto de reglas que utilizara una persona para controlar un proceso y a partir de
estas reglas generar acciones de control. El control difuso puede aplicarse tanto en sistemas muy
sencillos como en sistemas cuyos modelos matematicos sean muy complejos. La estructura de un
controlador difuso se muestra en la figura 2.6.


2.6. FUSIFICACION

27

Figura 2.6: Estructura de un modelo difuso

2.6.

Fusificaci
on

La fusificacion tiene como objetivo convertir valores reales en valores difusos. En la fusificacion
se asignan grados de pertenencia a cada una de las variables de entrada con relacion a los conjuntos
difusos previamente definidos utilizando las funciones de pertenencia asociadas a los conjuntos difusos
[37].
Base de Conocimiento
La base de conocimiento contiene el conocimiento asociado con el dominio de la aplicacion y los
objetivos del control. En esta etapa se deben definir las reglas ling
usticas de control que realizaran
la toma de decisiones que decidiran la forma en la que debe actuar el sistema.
Inferencia
La inferencia relaciona los conjuntos difusos de entrada y salida para representar las reglas que
definir
an el sistema. En la inferencia se utiliza la informacion de la base de conocimiento para generar
reglas mediante el uso de condiciones, por ejemplo: si caso1 y caso2, entonces accion1.

2.7.

Defusificaci
on

La defusificacion realiza el proceso de adecuar los valores difusos generados en la inferencia en

valores crisp, que posteriormente se utilizaran en el proceso de control. En la defusificacion se utilizan
metodos matematicos simples como el metodo del Centroide, Metodo del Promedio Ponderado [37].

Captulo 3

Control Dual PD con compensador

En este captulo se desarrolla el dise
no del controlador de la posicion de la esfera sobre la mesa,
primero se obtienen las leyes de control mediante una configuracion cascada, se determinan cuantos
controladores se necesitan para realizar la tarea deseada, despues se transforma el modelo del sistema
mesa-esfera en la forma de la ecuacion dinamica de un robot manipulador para poder realizar el
analisis de estabilidad, con el modelo transformado se realiza el analisis de estabilidad mediante el
metodo directo de Lyapunov con lo cual se obtiene las ecuaciones del compensador no-lineal.

3.1.

Dise
no del controlador

Para realizar el dise

no del controlador se considera primero el modelado del mesa-esfera descrito
en el capitulo 2.

Icdm
mxx2 my x y + mG sin x = 0
m+ 2 x
R

(3.1)

Icdm + mx2 x + 2mxx x + mxy y + (mxy + mxy)

y + mGx cos x = x

(3.2)

Icdm
m + 2 y my y2 mxx y + mG sin y = 0
R

(3.3)

Icdm + my 2 y + 2my y y + mxy x + (mxy + mxy)

x + mGy cos y = y

(3.4)

En la Figura 3.1 se muestra el diagrama de control a lazo cerrado con compensador. El dise
no
28

 DEL CONTROLADOR
3.1. DISENO

29

Figura 3.1: Esquema de control del sistema mesa-esfera

del controlador PD se realizo en configuracion cascada, teniendo dos lazos de control para cada uno
de los ejes (x, y), La configuracion cuenta con un lazo externo de control el cual calcula el error de
posicion de la esfera para obtener el valor de salida del controlador PD1, esta salida es la posici
on
angular deseada de la mesa para cada uno de sus ejes(x , y ), el lazo interno de control determina el
error de la posicion angular de la mesa para obtener el valor de la salida del controlador PD2, esta
salida es el par aplicado a la entrada del modelo del sistema mesa esfera.
Primero se define la variable q, como un vector que contiene la posicion de la esfera (x, y) y la
posicion angular de la mesa (x , y ):

x


x

q=
y


y

(3.5)

Por lo tanto q T se define como:

qT = x

(3.6)

Para el caso de regulacion la velocidad q = 0, por lo tanto el error de reguacion se define como:
El error de regulacion eje x:
x = x x

(3.7)

CAPITULO 3. CONTROL DUAL PD CON COMPENSADOR

30
El error de regulacion eje y:

y = y y

(3.8)

La ley de control del eje x, es de la siguiente forma:

Para obtener el valor de entrada al sistema mesa-esfera, se considera el valor del controlador PD
mas el valor de un compensador no-lineal x . Por lo tanto, se tiene que la ley del lazo interno de
control se describe como sigue,
Ux = kpmx (x x ) + kdmx (x x ) + x

(3.9)

para el lazo externo, la ley de control es descrita de la siguiente forma,

x = kpex (x x) + kdex (x x)

(3.10)

La ley de control del eje y, es de la siguiente forma:

Para obtener el valor de entrada al sistema mesa-esfera, se considera el valor del controlador PD
mas el valor de un compensador no-lineal y . Por lo tanto, se tiene que la ley del lazo interno de
control se describe como sigue,
Uy = kpmy (y y ) + kdmy (y y ) + y

(3.11)

para el lazo externo, la ley de control es descrita de la siguiente forma,

y = kpey (y y) + kdey (y y)

(3.12)

Donde kpmx ,kdmx y kpmy ,kdmy son constantes positivas de los controladores de la mesa, kpex ,kdex
y kpey ,kdey son ganancias de los controladores de la esfera.

Para problemas de regulacion el objetivo de control es estabilizar la esfera en una posicion deseada
(x , y ), por lo tanto (x , y ) = (0, 0). Tomando en consideracion esto, las leyes de control pueden
ser simplificadas sustituyendo la ecuacion (3.10) en la ecuacion (3.9) para el eje x de la siguiente
forma:

 DEL CONTROLADOR
3.1. DISENO

Ux = kpmx [(kpex (x x) + kdex (x x))

x ] + kdmx (x x ) + x

31

(3.13)

Para el eje y sustituimos la ecuacion (3.12) en la ecuacion (3.11):

Uy = kpmy [(kpey (y y) + kdey (y y))
y ] + kdmy (y y ) + y

(3.14)

Se calcula x , derivando la ecuacion 3.10:

x = kpex (x x)
+ kdex (
x x
)

(3.15)

Y se calcula y , derivando la ecuacion 3.12:

y = kpey (y y)
+ kdey (
y y)

(3.16)

Como x y y,
representan a la derivada, se tiene que las constantes kpex y kpey se transforman en
kdex y kdey , reescribiendo las ecuaciones (3.15) y (3.16) de la siguiente forma:

x = kdex (x x)
+ kdex (
x x
)

(3.17)

y = kdey (y y)
+ kdey (
y y)

(3.18)

Sustituyendo ecuacion 3.17 y 3.18 en 3.13 y 3.14, respectivamente.

h
i
Ux = kpmx [(kpex (x x) + kdex (x x))
x ] + kdmx (kdex (x x)
+ kdex (
x x
)) x
+x
(3.19)

h
i
Uy = kpmy [(kpey (y y) + kdey (y y))
y ] + kdmy (kdey (y y)
+ kdey (
y y)) y
+y
(3.20)
Desarrollando las ecuaciones, tenemos:

CAPITULO 3. CONTROL DUAL PD CON COMPENSADOR

32

Ux = kpmx kpex x kpmx kpex x + kdex kpmx x kpmx kdex x kpmx x + kdmx kdex x

kdmx kdex x + kdmx kdex x

kdmx kdex x
kdmx x + x

Uy = kpmy kpey y kpmy kpey y + kdey kpmy y kpmy kdey y kpmy y + kdmy kdey y
kdmy kdey y + kdmy kdey y kdmy kdey y kdmy y + y

(3.21)

(3.22)

Como se enuncio anteriormente que en los problemas de regulacion x = 0, por lo tanto x

= 0,
entonces:

Ux = kpmx kpex x kpmx kpex x kpmx kdex x kpmx x kdmx kdex x kdmx kdex x

kdmx x + x

(3.23)

y y = 0, por lo tanto y = 0, entonces:

Uy = kpmy kpey y kpmy kpey y kpmy kdey y kpmx y kdmy kdey y kdmy kdey y
kdmy y + y

(3.24)

Sustituyendo ecuaciones 3.7 y 3.8, tenemos:

Ux = kpmx kpex x kpmx kdex x kpmx x kdmx kdex x kdmx kdex x

kdmx x + x

(3.25)

Uy = kpmy kpey y kpmy kdey y kpmy y kdmy kdey y kdmy kdey y kdmy y + y

(3.26)

Ordenando las ecuaciones:

Ux = kpmx kpex x (kpmx + kdmx )kdex x kdmx kdex x

kpmx x kdmx x + x

(3.27)

 DEL MODELO MESA-ESFERA

3.2. TRANSFORMACION

Uy = kpmy kpey y (kpmy + kdmy )kdey y kdmy kdey y kpmy y kdmy y + y

33

(3.28)

Se definen las siguientes constantes:

Para el eje x:
a1 = kpmx kpex

a2 = (kpmx + kkdmx )kdex

a3 = kdmx kdex

a4 = kpmx

(3.29)

a5 = kdmx
y para el eje y, tenemos:
b1 = kpmy kpey

b2 = (kpmy + kkdmy )kdey

b3 = kdmy kdey

b4 = kpmy

(3.30)

b5 = kdmy
Finalmente Ux y Uy pueden escribirse de la forma:

Ux = a1 x a2 x a3 x
a4 x a5 x + x

(3.31)

Uy = b1 y b2 y b3 y b4 y b5 y + y

(3.32)

3.2.

Transformaci
on del modelo mesa-esfera

Sustituyendo las ecuaciones (3.31) y (3.32) en las ecuaciones (3.1-3.4).

Icdm
mxx2 my x y + mG sin x = 0
m+ 2 x
R

(3.33)

Icdm + mx2 x + 2mxx x + mxy y + (mxy + mxy)

y + mGx cos x = Ux

(3.34)

Icdm
m + 2 y my y2 mxx y + mG sin y = 0
R

(3.35)

CAPITULO 3. CONTROL DUAL PD CON COMPENSADOR

34

Icdm + my 2 y + 2my y y + mxy x + (mxy + mxy)

x + mGy cos y = Uy

(3.36)

Igualando todas las ecuaciones a cero, tenemos:

Icdm
m+ 2 x
mxx2 my x y + mG sin x = 0
R

(3.37)

Icdm + mx2 x + 2mxx x + mxy y + (mxy + mxy)

y + mGx cos x a1 x + a2 x+

a3 x
+ a4 x + a5 x x = 0

Icdm
m + 2 y my y2 mxx y + mG sin y = 0
R

(3.38)

(3.39)

Icdm + my 2 y + 2my y y + mxy x + (mxy + mxy)

x + mGy cos y b1 y + b2 y+

b3 y + b4 y + b5 y y = 0

(3.40)

Se determina la matriz de inercias M (q):

M (q) =

m+

Icdm
R2

0
2

0
Icdm
m+ 2
R
b3

mxy

a3

Icdm + mx

mxy

mxx

a5

mxy

mxy + mxy

2my y + b2

(3.41)

Icdm + my 2

La matriz de coriolis C(q, q):

2mxx + a2

C(q, q)
=

my x

mxy + mxy

my y

b5

(3.42)


3.3. ANALISIS
DE ESTABILIDAD

35

La matriz B:

a1

B=

a4

b1

b4

(3.43)

La matriz de gravedades G:

mGsen
x

mGx cos x

G(q) =

mGsen

mGy cos y

(3.44)

La matriz de compensadores D:

D=

(3.45)

Por lo tanto el modelo del sistema mesa-esfera puede ser descrito de la forma:

M (q)
q + C(q, q)
q + G(q) = Bq + D

3.3.

(3.46)

An
alisis de estabilidad

Antes de realizar el analisis de estabilidad, se determina si las matrices M y B pueden ser

consideradas para ser funciones candidates de Lyapunov.
Primeramente la matriz M es no simetrica para probar que es definida positiva, son calculados
los determinantes menores de la matriz. Si las constantes m > 0, R > 0, Icdm > 0, y M es un
matriz cuadrada, entonces se tiene que todos los determinantes menores de M son mayores que cero,
ademas como la posicion de la esfera es mayor que cero (x, y) > 0, se tiene que la matriz M satisface
las condiciones (3.47,3.48) para ser funcion candidata de Lyapunov.

CAPITULO 3. CONTROL DUAL PD CON COMPENSADOR

36

V (0) = qT M (q)q = 0

(3.47)

V (q) = qT M (q)q > 0

(3.48)

La matriz B es no simetrica para probar que puede ser utilizada como funcion candidata de
Lyapunov, se determina la forma cuadratica de la siguiente manera:

qT B q = a4 x2 + a1 xx + b4 y2 + b1 yy

(3.49)

La posicion de la mesa es (x , y ) > 0, y las constantes (a1 , a4 , b1 , b4 ) > 0. Si B es una matriz

cuadrada, entonces la forma cuadratica satisface:

V (0) = qT B q = 0

(3.50)

V (q) = qT B q > 0

(3.51)

Despues de demostrar que aunque las matrices M y B no cumplan con las caracteristicas de
simetria, se pueden considerar para formar parte de la funcion de Lyapunov. Por lo tanto, La
estabilidad del sistema en lazo cerrado se establece en el siguiente teorema.
Despues de escribir el modelo del sistema mesa-esfera en la forma de una ecuacion 3.46, podemos
realizar el analisis de estabilidad mediante el metodo de Lyapunov.
Teorema 3.1. Considerando el sistema mesa-esfera (3.1-3.4) descrito en la forma de robot
manipulador (3.46) y las leyes de control (3.31) y (3.32), si los compensadores x y y son:

x =

a2 x mxx + mxx x mxy + my x y

mxx mxy

b2 y my y + my y y my x + mxy x
y =

my y my x

if x 6= 0
if x = 0

(3.52)

if y 6= 0
if y = 0

entonces el sistema mesa-esfera a lazo cerrado es asintoticamente estable,

lmt x
(t) = 0
lmt y (t) = 0

(3.53)


3.3. ANALISIS
DE ESTABILIDAD

37

Demostraci
on. Si la matriz M (q) es una matriz que en su forma cuadratica es definida positiva, B
en (3.49) esta en su forma cuadratica, y recordando que x y y son no negativos, la siguiente funci
on
descrita en forma cuadratica es usada como la funcion candidata de Lyapunov.

V (q, q)
=

1 T
1
q M (q)q + q T Bq + mGxsenx + mGyseny
2
2

(3.54)

Para asegurar que la energia potencial EP = mG(xsenx + yseny ) sea positiva, dejamos que
x 0 y y 0, V (x, x)
0. Calculando la derivada con respecto al tiempo de la funcion candidata
y recordando que x y y son constantes, entonces:

1
dV = qT M (q)
q + qT M (q)q qT Bq + mGxsen

x + mGx cos x + mGysen

y + mG cos y
2
(3.55)
Despejamos de la ecuacion 3.46, la matriz de inercias M (q)
q:

M (q)
q = Bq + D C(q, q)
q G(q)

(3.56)

Sustituyendo la ecuacion 3.56 en 3.55:

1
dV = qT [Bq + D C(q, q)
q G(q)] + qT M (q)q qT Bq
2

(3.57)

Desarrollando la ecuacion 3.57:

dV = qT Bq + qT D qT C(q, q)
q qT G(q) + 21 qT M (q)q qT Bq

(3.58)

Factorizando terminos semejantes:

1
q
dV = qT [Bq Bq + D G(q)] + qT M (q)q qT C(q, q)
2

(3.59)

Eliminando terminos y agrupando, tenemos:

i
1 h
q
dV = qT [D G(q)] + qT M (q) 2C(q, q)
2
A partir de la ecuacion 3.60, diferenciamos la matriz de inercias M (q):

(3.60)

CAPITULO 3. CONTROL DUAL PD CON COMPENSADOR

38

M =

2mx

m(x + y) 0

m(x + y)

2my

(3.61)

h
i
La ecuacion 3.61, se sustituye en M (q) 2C(q, q)
:

h
i 0

M (q) 2C(q, q)
=
0

2mxx + a2

2mx
0 m(x + y)

0
0
0

m(x + y) 0
2my

mxx

a5

mxy

mxy + mxy

2my y + b2

my x

(3.62)

mxy + mxy

my y

b5

Desarrollando la ecuacion 3.62 y separando terminos variables de las constantes:

4mxx

2mxx

2mx

2mxy

m(x + y) 2mxy 2mxy

4my y

2a2

2a5

2b2

2b5

Se define una nueva matriz P :

2my x

2mxy 2mxy
+ m(x + y)

2my y

2my
(3.63)


3.3. ANALISIS
DE ESTABILIDAD

39

2a2

P =

2a5

2b2

2b5

(3.64)

Derivando la ecuacion 3.5, tenemos que:

q =

Por lo tanto

x
T
q = x x

(3.65)

1 T
q P q se calcula multiplicando primero qT P :
2

qT P =

x x

2a2

y
0

2a5

2b2

2b5

q P =

(3.66)

2a2 x

2a5 x

2b2 y

2b5 y

(3.67)

Despues se multiplica la ecuacion 3.67 por q:

qT P q =

2a2 x

qT P q =

2a5 x

2b2 y

2b5 y

2
2
2a2 x x 2a5 x 2b2 y y 2b5 y

(3.68)

(3.69)

Por u
ltimo multiplicando la ecuaci
on 3.69 por (1/2),tenemos que:
1 T
q P q =
2

2
2
a2 x x a5 x b2 y y b5 y

(3.70)

CAPITULO 3. CONTROL DUAL PD CON COMPENSADOR

40

Despues de la ecuacion 3.63, se calcula:

1 T
q
2

4mxx

2mxx

2mx

2mxy

m(x + y) 2mxy 2mxy

4my y

2my x

2mxy 2mxy
+ m(x + y)

2my y

2my
(3.71)

De la ecuacion 3.71, primero se realiza:

x x

4mxx

4mxx
=
2
4my y

2mxx

2mx

2mxy

m(x + y) 2mxy 2mxy

4my y

2my x

2mxy 2mxy
+ m(x + y)

2my y

2my
(3.72)

2mxx x + 2mxx + 2mxy y + my (x + y) 2my xy 2my xy

2my x x 2mx xy 2mx xy

+ mx (x + y) + 2my y y + 2my y

(3.73)

Luego multiplicamos la ecuacion 3.73 por q:

x
2mxx x + 2mxx + 2mxy y + my (x + y) 2my xy 2my xy

2my x x 2mx xy 2mx xy

+ mx (x + y) + 2my y y + 2my y
y

4mxx

2
4my y

(3.74)


3.3. ANALISIS
DE ESTABILIDAD

41

= 4mxx x + 2mxx x + 2mxx + 2mxy y x + my x (x + y) 2my x xy 2my x xy

+ mx y (x + y) + 2my y y + 2my y
4my y y + 2my x x y 2mx y xy 2mx y xy

(3.75)

2
2
2
2
= 2mxx x 2my y y + 2mxx + 2my y + 2mxy x + 2my y x 2mxy y x 2mxy
x y

(3.76)
Finalmente multiplicando la ecuacion 3.76 por 12 , obtenemos:

= mxx x my y y + mxx + my y + mxy x + my y x mxy y x mxy

x y

Por lo tanto de la ecuacion 3.60, tenemos que el termino

1 T
2 q

(3.77)

i
M (q) 2C(q, q)
q es igual a la

suma de las ecuaciones 3.77 y 3.70:

2
2
2
2
2
2
= a2 x x a5 x b2 y y b5 y mxx x my y y + mxx + my y + mxy x + my y x

mxy y x mxy
x y
(3.78)
De la ecuacion 3.60, calculamos el termino qT G(q):

mGsenx

x x

mGx cos x

mGsen

mGy cos y

= mxGsen

x mxx G cos x myGsen

y my y G cos y
Por u
ltimo se calcula el termino qT D de la ecuacion 3.60:

(3.79)

(3.80)

CAPITULO 3. CONTROL DUAL PD CON COMPENSADOR

42

x x

(3.81)

= x x + y y

(3.82)

Por lo tanto, para obtener la derivada de la funcion de Lyapunov, sumamos las ecuaciones 3.78,
3.80 y 3.82:

2
2
2
2
2
2
V = x x + y y a2 x x a5 x b2 y y b5 y mxx x my y y + mxx + my y +

mxy x + my y x mxy y x mxy

x y + mxGsen

x mxx G cos x + myGsen

y

my y G cos y
(3.83)
Factorizando x y y :

h
i
2
V = a5 x + x x a2 x + mxx mxx x + mxy my x y mGx cos x mxGsen

x + mxGsen
x
h
i
2
b5 y + y y b2 y + my y my y y + my x mxy x mGy cos y myGsen

y + myGsen
y
(3.84)
Sustituyendo los compensadores:

+a2 x mxx + mxx x mxy + my x y

x =

mxx mxy

Si x 6= 0

+b2 y my y + my y y my x + mxy x
y =

my my

Si y 6= 0

Por lo tanto dV es:

(3.85)

Si x = 0

Si y = 0

(3.86)


3.3. ANALISIS
DE ESTABILIDAD

43

2
2
V a5 x b5 y mG(xG
sin x + y sin y )

(3.87)

Si a5 > 0 y b5 > 0 por lo tanto V es una funcion semidefinida negativa, si el sistema se encuentra
en un punto de equilibrio, entonces [x,
y]
= [0, 0], por lo tanto:

2
2
V a5 x b5 y

(3.88)

Se concluye que el sistema es estable. Para probar si es estable asintoticamente, se usa el teorema
de LaSalles en la siguiente region:

= {[x, x , y, y ] | dV = 0}

(3.89)

Desde (3.54), dV = 0 si y solo si x = x = 0. Para una solucion x,y (t) que pertenece a para
todo t 0, es necesario y suficiente que x = y = 0 para todo t 0. Se concluye que en el sistema de
control a lazo cerrado la condicion inicial esta en para cada x(t) para todo t 0. Finalmente,
el origen del sistema de control a lazo cerrado es estable asintoticamente en [x, x , y, y ] = [0, 0, 0, 0]
Comentario 3.1. En [48], [49], [50] y [51], los autores proponen controladores proporcional integral
derivativo; Sin embargo, el controlador propuesto es diferente, ya que tiene cuatro alternativas
din
amicas seleccionadas por el controlador en funci
on de los valores de x e y en el sistema mesaesfera, que se llama Control Dual PD.

Captulo 4

Evaluaci
on y discusi
on
En este captulo se llevan a cabo diversas simulaciones empleando el controlador PD Dual
no-lineal mas el compensador. Se realizan comparaciones con otros metodos para observar el
comportamiento de nuestro metodo con respecto a los demas.

4.1.

Fase de simulaci
on: Modelado Matem
atico

Antes de que las leyes de control sean aplicadas al sistema real, se realizan simulaciones. Para
estas simulaciones el modelo del sistema mesa-esfera descrito por (3.1-3.4) es usado. Estas ecuaciones
son necesarias solo para los resultados de simulacion. Para la aplicacion real no son requeridas.

Resultados de simulacion a lazo abierto, utilizando el modelo completo y acoplado del sistema
mesa-esfera.

Figura 4.1: Bloque de simulink del sistema completo a lazo abierto

En la figura 4.1, se muestra el bloque que contiene el modelo completo del sistema mesa-esfera, en
la simulacion se le aplico a la entrada un par constante, para obtener la respuesta del modelo a lazo
44

 A LAZO CERRADO
4.2. FASE DE SIMULACION

45

abierto. En la figura 4.2 se tiene la respuesta de la salida del modelo en el eje x, se puede observar
que la esfera al no tener un valor de referencia a seguir, su posicion crece exponencialemente. En la
figura 4.3, se tiene el comportamiento de la esfera en el eje y, que al igual su comportamiento es
alejarse exponencialmente, por lo cual se concluye que este sistema es inestable a lazo abierto.

Figura 4.2: Resultados de Simulaci

on; Desplazamiento de la esfera sobre el eje-x

Figura 4.3: Resultados de Simulaci

on; Desplazamiento de la esfera sobre el eje-y

En las figuras 4.4 y 4.5 se grafica la posicion de la mesa con respecto a la respuesta despues de
aplicar un par a lazo abierto, el comportamiento en el eje x es similar en el eje y, aproximadamente
las dos respuestas se estabiizan en /2 radianes, por lo cual se puede concluir que la mesa quedo a
90o por lo cual la esfera es arroja fuera de la mesa.

4.2.

Fase de simulaci
on a lazo cerrado

En esta seccion se realizaron diferentes simulaciones utilizando tres metodos de control. El primero
es el control propuesto en esta tesis, el cual consta de dos lazos de control en cascada mas un

 Y DISCUSION

CAPITULO 4. EVALUACION

46

Figura 4.4: Resultados de Simulaci

on; Desplazamiento de la mesa sobre el eje-x

Figura 4.5: Resultados de Simulaci

on; Desplazamiento la mesa sobre el eje-y

compensador no lineal, el cual fue determinado mediante el analisis de estabilidad. El segundo metodo
fue emplear los mismos dos lazos de control pero en este caso no se le a
nade un compensador para las
no linealidades. Por u
ltimo se realizan simulaciones con dos lazos de control en cascada pero en lugar
de utilizar controladores PD se sustituyen por controladores mediante logica difusa. A continuacion
se presentan los esquemas de cada uno de estos controladores.

4.2.1.

Control PD con Compensador y sin compensador

En la figura se muestra el dise

no del controlador mediante los bloques de simulink, el bloque
denominado BPsystem contiene el modelo del sistema mesa esfera transformado en la forma de
la ecuacion dinamica de un brazo manipulador (3.46) , los bloques de nominados compensador
x y compensador y contienen las ecuaciones del compensador (3.52) que se determino despues
de realizar el analisis de estabilidad del sistema mediante el metodo directo de Lyapunov. Las
simulaciones con el metodo PD sin compensador se realizaron con el mismo esquema solo que el


4.3. RESULTADOS DE SIMULACION

47

switch que tienen los compensadores se cambian para anularlos. Las constantes proporcionales y
derivativas empleadas se describen en la siguiente tabla 4.2.1

Figura 4.6: Esquema de control PD Dual con compensador en Simulink

4.2.2.

Control con l
ogica difusa

En la figura 4.7, se muestra el bloque empleado de simulink para el control del sistema measesfera. El modulo esta constituido por dos entradas y una salida. La primera entrada representa el
error de la posicion de la esfera y la segunda entrada corresponde a la velocidad de la esfera. La
salida del modulo representa el par aplicado al modelo del sistema mesa-esfera. Se empleo el metodo
de logica difusa del tipo Mandani. El metodo de defusificacion elegido fue del centroide.
En la figura 4.8, se muestran las funciones de pertenencia empleadas para la entrada de la posicion
de la esfera. La figura 4.9, contiene el conjunto de funciones de pertenecia empleadas para definir
al entrada de la velocidad de la esfera. La salida del modulo del controlador de logica difusa es
mostrado en la figura 4.10. En la figura 4.11, se observa el conjunto de 25 reglas utilizadas en las
simulaciones [44]

4.3.

Resultados de simulaci
on

En esta seccion se realizan las simulaciones del metodo propuesto y de otros dos metodos (Logica
difusa y PD sin compensador no-lineal), mediante Simulink para probar el modelo (3.1-3.4), donde
M = 0,11 kg, R = 1,27 cm y G = 9,81 m/s2 . Considerando que el movimiento de la esfera lento y
que no muestra tendencia a deslizar (smooth bearing), debido a la baja velocidad y aceleracion de

48

Y DISCUSION

CAPITULO 4. EVALUACION

Figura 4.7: Bloque de simulink del controlador fuzzy

Figura 4.8: Bloque de simulink de la funciones de membresia de posici

on

la mesa, la interaccion de los movimientos de la mesa se consideran desacoplados, por lo tanto son
aplicados dos controladores PD uno para cada eje. Primero se realiza el experimento A mostrado
en las Figuras. 4.12 y 4.13, en el cual se estan realizando la simulacion del control PD no-lineal
sin compensador, y se obtiene como resultado un error de 0.02 con respecto al valor de referencia.
Despues se realiza el experimento B mostrado en las Figuras 4.14 y 4.15, en el cual se estan realizando


4.3. RESULTADOS DE SIMULACION

49

Figura 4.9: Bloque de simulink de la funciones de membresia de velocidad

Figura 4.10: Bloque de simulink de la funciones de membresia del par

la simulacion del control PD no-lineal con compensador, y se obtiene como resultado que se elimina
el error con respecto al valor de referencia y se muestra un buen comportamiento de nuestro sistema
de control.
Para comprobar las ventajas de la doble controlador PD Dual con compensador no-lineal, se
realizaron varios experimentos de regulacion. Un primer conjunto de experimentos se llevaron a cabo

50

Y DISCUSION

CAPITULO 4. EVALUACION

Figura 4.11: Bloque de simulink de las reglas

Figura 4.12: Resultados de Simulaci

on; Velocidad y desplazamiento sobre el eje-x sin compensador

utilizando el metodo propuesto, que implementa las leyes de control (3.31 y 3.32), estos experimentos
se repitieron utilizando el controlador de doble PD sin compensador, es decir, en las ecuaciones (3.31
y 3.32). Por u
ltimo, el controlador propuesto se compara con un controlador de logica difusa [47]
utilizando los mismos experimentos. Se muestran los detalles de la simulacion en las figuras 4.16
y 4.17, en donde la posicion, la velocidad y las se
nales de control son mostradas para el control
dual PD con compensador, control Dual PD sin compensacion, y la respuesta del controlador de
logica difusa. La figura 4.16 muestra la posicion de la esfera en el eje x, en este experimento la


4.3. RESULTADOS DE SIMULACION

51

Figura 4.13: Resultados de Simulaci

on; Velocidad y desplazamiento sobre el eje-y sin compensador

Figura 4.14: Resultados de Simulaci

on; Velocidad y desplazamiento sobre el eje-x con compensador

posicion inicial es 0,02587 m y la posicion final es 0,4375 m, se observa que el control Dual PD con
compensador alcanza el valor deseado mas rapido que los otros dos metodos . La Figura 4.17 muestra
el comportamiento de la velocidad de la esfera en el eje x, en este experimento, la velocidad inicial
es 0, la respuesta del control Dual PD con compensador logra estabilizarse mas rapidamente que los
otros dos metodos. La Figura 4.18 muestra el comportamiento de las se
nales de control sobre el eje
x, donde el control de doble PD con compensador muestra un mejor comportamiento.
La Tabla 4.3, muestra el tiempo en alcanzar la posicion deseada la esfera. El eje y muestra un
comportamiento muy similar como en el eje x por lo tanto, solo se presentan los graficos de las del

 Y DISCUSION

CAPITULO 4. EVALUACION

52

Figura 4.15: Resultados de Simulaci

on; Velocidad y desplazamiento sobre el eje-y con compensador

Figura 4.16: Comparaci

on tres metodos; Posici
on de la esfera sobre el eje-x

eje x.
La Tabla 4.3, muestra el tiempo que le toma a la esfera el alcanzar la posicion deseada. En esta
tabla se realizan las simulaciones tomando los mismos puntos de inicio y final de la posicion de la
esfera, empleando un controlador con logica difusa. Dado que el eje y muestra un comportamiento
muy similar como en el eje x por lo tanto, solo se presentan los graficos de las del eje x.
La Tabla 4.3, muestra el tiempo que le toma a la esfera el alcanzar la posicion deseada al igual
que en los metodos anteriores. Esta simulacion se puede llevar a cabo, mediante el empleo de las
leyes de control determinadas en este trabajo. La conclusion despues de realizar los experimentos en


4.3. RESULTADOS DE SIMULACION

53

Figura 4.17: Comparaci

on tres metodos; Velocidad de la esfera sobre el eje-x

Figura 4.18: Comparaci

on tres metodos; Se
nales de control

los tres diferentes metodos, es que se encontro una mejora en el tiempo en que la esfera alcanzaba
la posici
on deseada.

 Y DISCUSION

CAPITULO 4. EVALUACION

54
PD1
PD2
PD1
PD2

eje
eje
eje
eje

x
x
y
y

Kp=11
Kp=325
Kp=11
Kp=325

Kd=0.5
Kd=0.1
Kd=0.5
Kd=0.1

Tabla 4.1: Constantes de los controladores PD

No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

Inicial (x0 , y0 )
(0,041, 0,455)
(0,257, 0,477)
(0,470, 0,470)
(0,480, 0,251)
(0,464, 0,022)
(0,249, 0,020)
(0,032, 0,038)
(0,018, 0,250)
(0,239, 0,247)
(0,410, 0,460)
(0,274, 0,025)
(0,472, 0,235)
(0,290, 0,062)
(0,252, 0,108)
(0,025, 0,248)
(0,020, 0,020)
(0,472, 0,020)
(0,020, 0,472)

Final (x, y)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,12, 0,12)
(0,12, 0,12)
(0,12, 0,12)
(0,12, 0,12)
(0,43, 0,43)
(0,43, 0,43)
(0,43, 0,43)
(0,47, 0,47)
(0,47, 0,47)
(0,47, 0,47)

Tiempo
2,05
2,8
3,05
2,75
2,05
2,6
2,9
2,6
2,65
3,2
2
3,1
2,9
2,8
2,95
3,25
2,9
2,9

Error
(8,7e 4, 8,8e 4)
(8,5e 4, 7,6e 4)
(8,7e 4, 8,7e 4)
(8,4e 4, 9,5e 4)
(8,7e 4, 8,4e 4)
(9,6e 4, 8,2e 4)
(9,2e 4, 9,2e 4)
(8,2e 4, 9,7e 4)
(9,2e 4, 9,1e 4)
(9,4e 4, 9,3e 4)
(9,5e 4, 9,4e 4)
(8,4e 4, 9,0e 4)
(9,5e 4, 8,8e 4)
(9,6e 4, 8,9e 4)
(8,8e 4, 9,7e 4)
(9,2e 4, 9,2e 4)
(9,2e 4, 7,8e 4)
(7,8e 4, 9,2e 4)

Tabla 4.2: Simulaciones con el control PD Dual con Compensador

No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

Inicial (x0 , y0 )
(0,041, 0,455)
(0,257, 0,477)
(0,470, 0,470)
(0,480, 0,251)
(0,464, 0,022)
(0,249, 0,020)
(0,032, 0,038)
(0,018, 0,250)
(0,239, 0,247)
(0,410, 0,460)
(0,274, 0,025)
(0,472, 0,235)
(0,290, 0,062)
(0,252, 0,108)
(0,025, 0,248)
(0,020, 0,020)
(0,472, 0,020)
(0,020, 0,472)

Final (x, y)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,12, 0,12)
(0,12, 0,12)
(0,12, 0,12)
(0,12, 0,12)
(0,43, 0,43)
(0,43, 0,43)
(0,43, 0,43)
(0,47, 0,47)
(0,47, 0,47)
(0,47, 0,47)

Tiempo
2,95
2,95
2,9
3
3,05
3,1
3
3,15
2,5
3.35
2,5
3,85
2,9
3,85
4,45
4,65
4,65
4,65

Error
(8,7e 4, 4,1e 4)
(1,6e 7, 7,6e 4)
(7,8e 4, 6,8e 4)
(7,8e 4, 2,5e 6)
(2,3e 4, 9,4e 4)
(3,3e 6, 9,2e 4)
(9,7e 4, 9,9e 4)
(9,2e 4, 3,4e 6)
(8,8e 4, 8,5e 4)
(8,1e 4, 0,005)
(9,3e 4, 0,001)
(8,2e 4, 2,9e 6)
(4,9e 4, 0,0615)
(4,5e 5, 8,0e 4)
(8,8e 4, 2,6e 6)
(9,6e 4, 9,6e 4)
(3,6e 6, 9,6e 4)
(9,6e 4, 3,6e 6)

Tabla 4.3: Simulaciones con el control de logica difusa


4.3. RESULTADOS DE SIMULACION

No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

Inicial (x0 , y0 )
(0,041, 0,455)
(0,257, 0,477)
(0,470, 0,470)
(0,480, 0,251)
(0,464, 0,022)
(0,249, 0,020)
(0,032, 0,038)
(0,018, 0,250)
(0,239, 0,247)
(0,410, 0,460)
(0,274, 0,025)
(0,472, 0,235)
(0,290, 0,062)
(0,252, 0,108)
(0,025, 0,248)
(0,020, 0,020)
(0,472, 0,020)
(0,020, 0,472)

Final (x, y)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,25, 0,25)
(0,12, 0,12)
(0,12, 0,12)
(0,12, 0,12)
(0,12, 0,12)
(0,43, 0,43)
(0,43, 0,43)
(0,43, 0,43)
(0,47, 0,47)
(0,47, 0,47)
(0,47, 0,47)

55

Tiempo
3,8
3,85
3,85
3,85
3,85
3,85
3,8
3,85
3,85
4
3,6
4
4
3,95
4,05
4,1
4,1
4,1

Error
(9,1e 4, 9,2e 4)
(2,8e 5, 9,2e 4)
(8,9e 4, 8,9e 4)
(9,3e 4, 7,5e 6)
(8,7e 4, 8,9e 4)
(1,8e 6, 8,9e 4)
(9,6e 4, 9,3e 4)
(9,0e 4, 1,0e 6)
(9,2e 4, 9,8e 4)
(7,8e 4, 9,5e 4)
(9,5e 4, 6,3e 4)
(9,9e 4, 2,8e 4)
(3,5e 4, 9,6e 4)
(5,3e 4,9,7e 4)
(9,0e 4, 8,0e 4)
(8,2e 4, 8,2e 4)
(0, 8,2e 4)
(8,2e 4, 0)

Tabla 4.4: Simulaciones con el control PD Dual sin Compensador

Captulo 5

Conclusiones y trabajos futuros

Se dise
naron nuevas leyes de control para controlar la posicion de la esfera sobre la mesa, mediante
controladores PD en cascada. En este trabajo, un nuevo control PD con compensador exacto para
regulacion es presentado, este nuevo esquema garantiza la estabilidad a lazo cerrado del sistema.
Para comprobar esto, primero se realizo el analisis de estabilidad mediante el metodo directo de
Lyapunov. El compensador exacto requiere tener un conocimiento preciso de las no linealidades del
sistema, sin embargo, la metodologa de como obtenerlo se presento en detalle. Por otra parte, el
resultado de las simulaciones muestra su excelente rendimiento, dado el mejor comportamiento en
comparacion con los otros controladores seleccionados.
El control PD Dual con compensacion no-lineal se ha presentado para resolver el problema de
regulacion del sistema mesa-esfera. Para utilizar estos controladores, se obtuvo un nuevo modelo
dinamico en la forma de un robot manipulador. El modelo no-lineal propuesto es muy u
til para
dise
nar y validar diferentes algoritmos de control que a continuacion se pueden extrapolar a los
problemas con las mismas caractersticas, una de las ventajas de trabajar con un modelo no-lineal es
que la dinamica completa se puede ver, por lo que es posible analizar el comportamiento del sistema
en cada punto de equilibrio. Primero se describio en un modelo del sistema mesa esfera, el cual
consta de cuatro ecuaciones diferenciales, obtenidas mediante el metodo de Lagrange, despues se
enunciaron las principales caractersticas del controlador PD, este controlador fue seleccionado para
controlar la posicion de la esfera sobre la mesa, como se trata de un sistema no-lineal y acoplado
se le agrego un compensador para la parte no-lineal, este compensador es encontrado a partir de la
transformacion del sistema en una ecuacion que representa la dinamica de un robot manipulador.
Se desarrollo el dise
no del controlador de la posicion de la esfera sobre la mesa, obteniendo las leyes
56


5.1. ARTICULOS ACEPTADOS Y EN REVISION

57

de control mediante una configuracion cascada, se determinaron cuantos controladores se necesitan

para realizar la tarea deseada, modelo del sistema mesa-esfera en la forma de la ecuacion dinamica
de un robot manipulador se utilizo para realizar el analisis de estabilidad, mediante el metodo
directo de Lyapunov con lo cual se obtiene las ecuaciones del compensador no-lineal. Al utilizar
el primer metodo de Lyapunov, una nueva funcion de Lyapunov se presenta, con esta funcion la
estabilidad asintotica del sistema a lazo cerrado puede ser garantizada. El compensador exacto
requiere tener un conocimiento preciso de las no linealidades del sistema, sin embargo, la metodologa
de como obtenerlo se presento en detalle. Por otra parte, el resultado de las simulaciones muestra su
excelente rendimiento, dado el mejor comportamiento en comparacion con los otros controladores
seleccionados. Como trabajo futuro, se desarrollara un regulador PD con un compensador inteligente
ademas de incorporar un observador.

5.1.

Artculos aceptados y en revisi

on

1. PD regulation for Ball and Plate System, World Automation Congress - Special session 9th
International Symposium on Intelligent Automation and Control (ISIAC), enviado el 17 de
octubre del 2011.
2. Dual PD control regulation with nonlinear compensation for a ball and plate system,
International Journal of Advanced Robotic Systems, enviado el 14 de abril de 2013.
3. PD visual control with nonlinear compensation for a ball and plate system, Congreso Nacional
de Control Automatico AMCA 2013, enviado el 3 de junio de 2013.

Bibliografa
[1] Sung-Kwun, Han-Jong Jang, Witold Pedrycz, Optimized Fuzzy PD cascade controller: A
comparative analysis and design, Journal Simulation Modeling Practice and theory ,Vol. 19,
pp 181-195, 2011.
[2] J. Hauser, S. Sastry, P. Kokotovic, Nonlinear control via approximate input-output linearization:
the ball and beam example, IEEE transactions on Automatic control,Vol. 37(3), pp 392-398,
1992.
[3] B.C. Chang, H. Kwatry, S. S. Hu, An application of robust feedback linearization to a ball and
beam control problem, Proceedings of the IEEE International Conference on control application
, pp 694-698, 1998.
[4] F. Andreev, D. Auckly, S. Gosavi, L. Kapitanski, A. Kelkar, W. White, Matching linear systems,
and the ball and beam, Journal Elsevier Automatica ,Vol. 38, pp 2147-2152, 2002.
[5] Sung-Kwun Oh, Hang-Jong Jang, wiltod Pedrycz, The design of a fuzzy cascade controller for
ball and beam system: A study in optimization with the use of parallel genetic algorithms,
Journal Elsevier on Engineering Applications of Artificial Intelligence ,Vol. 22, pp 261-271,
2009.
[6] A.B. Rad, P.T. Chan, Wai Lun Lo and C.K. Mok , An online learning Fuzzy controller, IEEE
transactions on Industrial Electronics ,Vol. 50 No. 5, 2003.
[7] Wei Wei, Peng Xue, A research on control methods of ball and beam system based on
adaptive neural network, Proceedings of the 2010 International Conference on Computational
and information sciences , 2010.
[8] Nima Mohajerin, Mohammad B. Menhaj and Ali Doustmohammadi , A reinforcement Learning
Fuzzy Controller for the ball and plate system, Proceedings IEEE , 2010.
[9] Jin Tao Su, Yan Tao Tian, Ming Bai, Research on trajectory tracking of ball and plate system
based on supervisory fuzzy control, Proceedings of the 25th Chinese Control Conference, 7-11
August, 2006, Harbin, Heilongjiang.
[10] Takami Matsuo, Kenshi Tsuruta, Haruo Suemitsu,Fuzzy Adaptive Identification Method based
on Riccati Equation and its application to ball plate control system, IEEE Proceedings,1999.
[11] Hongrui wang, yantao tian, zhen sui, xuefei zhang and Ce ding ,Tracking control of ball and
plate system with a double feedback loop structure, Proceedings of the 2007 IEEE International
Conference on Mechatronics and automation , 5-8 August, 2007, Harbin, China.
[12] Ming bai, Huiqiu, Jintao Su and Yantao tian, Motion Control Of ball and plate system using
supervisory fuzzy controller, Proceedings of the 6th World Congress on Intelligent Control and
automation , June 21-23, 2006, Dalian, China.
58

BIBLIOGRAFIA

59

[13] M.A. Moreno-Armendariz, C. A. Perez Olvera, F. Ortiz-Rodriguez, E. Rubio, Indirect

hierarchical FCMAC control for the ball and plate system, Neurocomputing,Vol. 73, pp 24542463, 2010.
[14] Andrej Knuplez, Amor Chowdhury, Rajko Svecko, Modeling and control design for the ball and
plate system, IEEE Proceedings , 2003.
[15] Wen Yu , Nonlinear PD regulation for ball and beam system, International Journal of Electrical
Engineering Education , 46/1 pp. 59-73.
[16] De-hu Yuan, Nonlinear PD regulation for ball and beam system, Proceedings IEEE Electronics
Manufacturing Technology Symposium , 1999.
[17] Kwang-Kyu Lee, Georg Batz, and Dirk Wolherr, Basket robot: ball on plate with pure haptic
information, IEEE International Conference on Robotics an Automation, 2008.
[18] Hongrui wang, yantao tian, Ce ding, qing Gu and Feng Guo, Output Regulation of the ball
and plate system with a nonlinear velocity observer, Proceedings of the 7th World congress on
Intelligent Control and automation, June 25-27, 2008, Chongqing, China.
[19] Huida Duan, Yantao Tian and Guangbin Wang, Trajectory tracking control of ball and plate
system based on Auto-Disturbance rejection Controller, Proceedings of the 7th Asian Control
Conference, , Hong Kong, China, August 27-29, 2009.
[20] Naif B. Almutairi, Mohamed Zribi , On the sliding mode control of a ball on a beam system,
Springer Science Business Media B.V. 2009, Vol. 59, pp. 221-238.
[21] Jong Hyeon Park and Young Jong Lee , Robust visual servoing for motion control of the ball
on a plate, Journal Elsevier Science, 2003, Vol.13 pp. 723-738.
[22] Hongwei Liu, Yanyang Liang, Trajectory tracking sliding mode control of ball and plate system,
Proceedings of the 2nd International Asia Conference on Informatics in control, Automation and
Robotics, 2010.
[23] Wen Yu, Floriberto Ortiz, Stability analysis of PD regulation for ball and beam system, IEEE
Conference on control applications,CCA05, Toronto, Canada 517-522, 2005.
[24] C.A. Perez Olvera, Control visual difuso de un sistema no-lineal, ,Master thesis, CIC IPN,
Mexico 2009.
[25] D. Casagrande, A. Astolfi, and T. Parisini, Switching-Driving Lyapunov Function and the
stabilization of the ball and plate, IEEE Transactions automatic control, Vol. 54, No. 8. August
2009, pp. 1881-1886.
[26] Rafael Kelly , Robust Asymptotically stable visual servoing of planar robots, IEEE Transactions
on robotics and automation, Vol. 12, No. 5. October 1996, pp. 759-766.
[27] Shorya Awtar, C. Bernard, N. Boklund, A. Master, D. Ueda, Kevin Craig , Mechatronic design
of a ball on plate balancing system, Journal Elsevier Science, 2002, Vol.12 pp. 217-218.
[28] Xingzhe Fan, Naiyao Zhang and Shujie Teng , Trajectory planning and tracking of ball and
plate system using hierarchical fuzzy control scheme, fuzzy Sets and System, 2003, Vol.144 pp.
297-312.
[29] Xiaou Li and Wen Yu , Syncronization of ball and beam Systems with neural Compesation,
International Journal of Control, Automation and systems, 2010, Vol.8(3) pp. 491-496.

60

BIBLIOGRAFIA

[30] R. M. Murray, Z. Li and S.S. Sastry, A mathematical Introduction to Robotic Manipulation

(CRC Press, Boca Raton, 1994).
[31] G. Wang, Z. S. Sun, Algorithmic Research on PD Direct Fuzzy Control Based on Ball and Plate
Apparatus,(Electric Drive), vol. 34, no. 4, pp. 23-25, April 2004.
[32] http://www.eissq.com/BallandPlate/index.html
[33] HUMUSOFT CE151 ball and plate apparatus users manual.
[34] Khalil, H., Nonlinear Systems, Second Edition, Prentice-Hall 1996.
[35] Khalil, H., Chapter 56: Stability, in The Control Handbook, pp.889-897, IEEE Press Edited by
W. Levine 1997.
[36] Ogata, K., Modern Control Engineering, Second Edition, Prentice-Hall 1990.
[37] Zadeh, L, A critical view of our research in automatic control, Automatic control, vol.7, pp.7475, 1962.
[38] Arroyo, S., Ball on Balancing Beam, viewed 12 December 2006,
[39] Quanser, The ball and beam module, viewed 3 September 2006,
[40] Hirsch, R., Ball on Beam Instructional system, Shamdor Motion systems, 1999.
[41] Lieberman, J., A robotic ball balancing beam, viewed 12 September 2006.
[42] Cheng Chang Ker*, Chin E. Lin, and Rong Tyai Wang, TRACKING AND BALANCE
CONTROL OF BALL AND PLATE SYSTEM, Journal of the Chinese Institute of Engineers,
Vol. 30, No. 3, pp. 459-470, 2007.
[43] Ambalavanar, S., Moinuddin, H. M. and Malyshev, A., Ball and Beam Balancer, BAThesis,
Lakehead University, 2006.
[44] Cesar Aaron Perez Olvera, Control visual difuso de un sistema no-lineal, Mexico D.F., 7 de
diciembre de 2009.
[45] Francisco Palacios, Tesis doctoral.
[46] M.W.Spong and M.Vidyasagar,Robot Dynamics and Control, John Wiley and Sons Inc.,
Canada, 1989.
[47] Moreno-Armendariz M. A., Rubio E., Perez-Olvera C. A. (2010), Design and Implementation of
a Visual Fuzzy Control in FPGA for the Ball and Plate System, 2010 International Conference
on Reconfigurable Computing,: 85-90.
[48] Jin Y., Chen Y.-Q., Xue D., Time-constant robust analysis of a fractional order [proportional
derivative] controller, IET Control Theory Appl., 2011, 5, (1), pp. 164.172.
[49] Moornani K. A., Haeri M., Robustness in fractional proportional.integral.derivative-based
closed-loop systems, IET Control Theory Appl., 2010, 4, (10), pp. 1933.1944.
[50] Ntogramatzidis L., Ferrante A., Exact tuning of PID controllers in control feedback design, IET
Control Theory Appl., 2011, 5, (4), pp. 565.578.
[51] Shi D., Wang J., Ma L., Design of balanced proportional.integral.derivative controllers based
on bilevel optimisation, IET Control Theory Appl., 2011, 5, (1), pp. 84.92.