Tesis Jose

INSTITUTO POLITÉCNICO NACIONAL
CENTRO DE INVESTIGACIÓN Y DESARROLLO

DE TECNOLOGÍA DIGITAL
TESIS:
PLANEACIÓN Y CONTROL DE MOVIMIENTO PARA SISTEMAS
SUBACTUADOS DE DOS GRADOS DE LIBERTAD
QUE PARA OBTENER EL GRADO DE

MAESTRO EN CIENCIAS EN SISTEMAS DIGITALES
PRESENTA:
ING. JOSÉ ANTONIO ORTEGA PÉREZ
BAJO LA DIRECCIÓN DE
DR. LUIS TUPAK AGUILAR BUSTOS

DRA. DOLORES ALEJANDRA FERREIRA DE LOZA
DICIEMBRE 2020 TIJUANA, B.C., MÉXICO.

Resumen
Esta tesis presentan dos alternativas para resolver el problema de estabilidad
orbital de sistemas mecánicos con un grado de subactuación. La primera al-
ternativa se basa en el control por dos relevadores, mientras que la segunda
usa la técnica de restricciones virtuales holonómicas. La primer técnica emplea
el controlador de dos relevadores. La sintonización de las ganancias, para
generar las oscilaciones deseadas a la salida utiliza el método de la función
descriptiva. A su vez un observador por modos deslizantes de orden superior
estima las velocidades del sistema e identifica perturbaciones, incertidumbres
paramétricas y dinámicas no modeladas para rechazarlas a través de la señal
de control. La segunda alternativa utiliza el método de restricciones virtuales
holonómicas. Un observador por modos deslizantes de alto orden estima el
estado e identifica discrepancias entre el modelo y la planta real (i.e., pertur-
baciones, dinámicas no modeladas, etcétera) por lo que se considera que solo
se tiene la medición de las posiciones y un conociemiento parcial de la planta.
Usando restricciones virtuales holonómicas es posible linealizar parcialmente
al sistema con una dinámica remanente particular. Esta dinámica remanente
tiene una integral general de movimiento, la cual reduce el problema de es-
tabilización orbital a la estabilización de un sistema lineal variante en el
tiempo. Los resultados teóricos de ambas metodologías se corroboran en un
carro-péndulo.
Abstract
This thesis presents two solutions to the orbital stability task of mecha-
nical systems of one-degree of underactuation. The first approach consists
of a two-relay controller, which is employed to generate a periodic signal in
the objective output. We used the describing function approach to tune the
gains of the two-relay controller. Also, a high-order sliding mode observer was
used to estimate the velocities of the system and to identify the disturbances,
parameter uncertainties, and disregarded dynamics to reject it through the
control signal. We assumed in both cases that the positions are only measured,
and we have partial knowledge of the plant. The second approach consists of
a controller based on virtual holonomic constraints with a high-order sliding-
mode observer. The system is partially linearized such that the remaining
dynamics have a periodic solution, thus, using the general integral of motion
of the periodic solution the orbital stability task is reduced to the stabilization
of a periodic linear system. This controller provides robustness to matched
disturbances. We corroborated both methodologies experimentally in a cart-
pole system.
Índice general
1. Introducción 7
1.1. Motivación: Importancia de la generación de oscilaciones en
sistemas mecánicos . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2. Estado del arte: Estabilización orbital en sistemas mecánicos . 9
1.3. Planteamiento del problema . . . . . . . . . . . . . . . . . . . 10
1.4. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.5. Contribución . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2. Marco Teórico 15
2.1. Función descriptiva . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.1. Análisis de un sistema no lineal por el método de la
función descriptiva. . . . . . . . . . . . . . . . . . . . . 16
2.2. Restricción virtual holonómica . . . . . . . . . . . . . . . . . . 22
2.2.1. Integral general de movimiento . . . . . . . . . . . . . 26
2.3. Identificación de perturbaciones y dinámicas no modeladas . . 31
2.4. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3. Oscilaciones por medio de un controlador de dos relevadores 35

3.1. Generación de auto-oscilaciones con un controlador de dos re-
levadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3
3.1.1. Diseño de las ganancias por medio de función descriptiva 37
3.2. Resultados experimentales en el carro-péndulo . . . . . . . . . 38
3.3. Robustificación de las auto-oscilaciones via identificación y
rechazo de perturbaciones . . . . . . . . . . . . . . . . . . . . 52
3.3.1. Diseño del controlador . . . . . . . . . . . . . . . . . . 53
3.4. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4. Estabilización orbital robusta por medio de restricciones vir-

tuales holonómicas 58
4.1. Planteamiento del problema . . . . . . . . . . . . . . . . . . . 58
4.2. Diseño del observador . . . . . . . . . . . . . . . . . . . . . . . 60
4.3. Diseño del controlador basado en restricciones virtuales holo-
nómicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.3.1. Controlador estabilizante por realimentación . . . . . . 66
4.4. Análisis de estabilidad del lazo cerrado . . . . . . . . . . . . . 68
4.5. Estabilización orbital del carro péndulo . . . . . . . . . . . . . 72
4.6. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5. Conclusiones 85
5.1. Trabajo futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Índice de figuras
2.1. Esquema para el análisis de la función descriptiva. . . . . . . . 17

2.2. Diagrama de Bode de un sistema con propiedades pasa bajos. 18
2.3. Diagrama de Nyquist de W (jω) y −1/N (A, ω). . . . . . . . . 20
2.4. Plano de fase de un ciclo límite estable. . . . . . . . . . . . . . 21
2.5. Pistón restringido por enlaces físicos . . . . . . . . . . . . . . 22
3.1. Representación esquemática del carro-péndulo. . . . . . . . . . 39

3.2. Carro-péndulo usado en los experimentos. . . . . . . . . . . . 42
3.3. Simulaciones numéricas bajo c1 = −1 y c2 = −1. (a) Posición
angular del péndulo, (b) posición lineal del carro y (c) entrada
de control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.4. Simulaciones numéricas bajo c1 = 1 y c2 = −0.2. (a) Posición
angular del péndulo, (b) posición lineal del carro y (c) entrada
de control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.5. Diagrama de Nyquist de la función de transferencia (3.22) y
controlador (3.19) bajo c1 = −1 y c2 = −1. . . . . . . . . . . . 47
3.6. Diagrama de Nyquist de la función de transferencia (3.22) y
controlador (3.19) bajo c1 = 1 y c2 = −0.2. . . . . . . . . . . . 48
5
3.7. Resultados experimentales bajo c1 = 0.15 y c2 = 0.15. (a)
Posición angular del péndulo, (b) posición lineal del carro y
(c) entrada de control. . . . . . . . . . . . . . . . . . . . . . . 49
3.8. Resultados experimentales bajo c1 = 0.20 y c2 = 0.20. (a)
Posición angular del péndulo, (b) posición lineal del carro y
(c) entrada de control. . . . . . . . . . . . . . . . . . . . . . . 50
3.9. Ciclos límite de la robustificación de oscilaciones por identificación
y rechazo de perturbaciones. . . . . . . . . . . . . . . . . . . . 55
4.1. Diagrama del carro péndulo. . . . . . . . . . . . . . . . . . . . 73

4.2. Plano de fase de la órbita generada en el caso nominal. . . . . 80
4.3. Plano de fase de la órbita generada en el caso robusto. . . . . 80
4.4. Errores RMS del sistema auxiliar . . . . . . . . . . . . . . . . 81
4.5. Evolución de las trayectorias del carro péndulo. . . . . . . . . 82
4.6. Evolución de las trayectorias del sistema auxiliar. . . . . . . . 82
4.7. Acción de control. . . . . . . . . . . . . . . . . . . . . . . . . . 83
6
Capítulo 1
Introducción
1.1. Motivación: Importancia de la generación

de oscilaciones en sistemas mecánicos
Las oscilaciones tienen aplicaciones en diversas ramas de la ciencia. Muchos
tipos de movimientos periódicos se pueden considerar oscilaciones, como
el movimiento de un robot bípedo, igualmente sistemas biológicos tienen
comportamientos oscilatorios [1, 2]. En electrónica se utilizan osciladores
como una medida de tiempo. Hay oscilaciones que ocurren naturalmente,
pero algunas otras se deben de generar artificialmente.
Específicamente las oscilaciones en sistemas mecánicos subactuados tienen
aplicaciones en robots bípedos (e.g., [3]), robots gimnastas y robots bio-
inspirados (e.g. , [4]). Un sistema subactuado tiene un número mayor de
grados de libertad que de actuadores. Algunas veces esto se debe a que
físicamente es imposible tener un actuador (e.g., un cohete, un helicóptero
o una grúa). Igualmente, cuando se presentan fallas en un actuador de un
sistema mecánico tal que no se pueda operar el actuador se considera un
7
CAPÍTULO 1. INTRODUCCIÓN
sistema subactuado.
Un método que se puede utilizar para generar oscilaciones en un sistema
mecánico es un controlador que asegure el seguimiento de una trayectoria
deseada, pero este método se vuelve complicado en sistemas subactuados ya
que se tiene un grado de libertad que no se puede manipular directamente.
También se dificulta la tarea cuando el sistema mecánico presenta una di-
námica cero inestable (i.e., cuando el sistema tiene una parte no controlable
que es inestable).
La generación de auto-oscilaciones se ha desarrollado con diferentes me-
todologías. En [5] se presenta el controlador dos relevadores, donde a un
sistema lineal estable se le agrega un controlador discontinuo con dos releva-
dores para provocar oscilaciones. Por medio del método de función descrip-
tiva, se encuentran ganancias aproximadas del controlador para generar una
oscilación con amplitud y frecuencia deseada. Después, en [6] se complemen-
ta este trabajo con un método de diseño por mapas de Poincaré el cual
es exacto, y se presenta el método LPRS (Locus Perturbed Relay System
por sus siglas en inglés). En [7] se presenta una solución al problema con
restricciones virtuales holonómicas, donde se buscan funciones que definan
la sincronización entre los grados de libertad actuados y los subactuados,
para obligar que el sistema tenga un comportamiento oscilatorio sin ningún
trayectoria dependiente del tiempo.
8
1.2. Estado del arte: Estabilización orbital en

sistemas mecánicos
Se pueden encontrar diversas aplicaciones de oscilaciones en diferentes
tipos de sistemas, por ejemplo en osciladores electrónicos, donde se busca una
oscilación con una frecuencia constante como unidad de tiempo. Asimismo,
varios sistemas biológicos tienen un comportamiento oscilatorio como los
latidos de un corazón, los foto-periodos de crecimiento de micro-algas. Es
conocido que en el sistema cardiovascular humano se tiene al menos seis
procesos oscilatorios [1, 2, 8]. En la robótica bio-inspirada igualmente se
tienen aplicaciones, (e.g.,([3], [4])), como en el movimiento de una serpiente,
o en el caminar de un robot bípedo.
En el problema de planeación y control de movimiento de sistemas sub-

actuados, se encuentra la estabilización orbital, que se vuelve desafiante
cuando la órbita deseada esta cerca de un equilibrio inestable. Estabilidad
orbital significa que un sistema tiene oscilaciones periódicas, i.e., que el
comportamiento oscilatorio es el mismo en un periodo que se repite una
y otra vez.
La estabilización orbital en sistemas mecanicos es un problema desafiante

cuando se consideran sistemas subactuados que operan a lo largo de un punto
de equilibrio inestable en lazo abierto. Entre las aplicaciones de estabilización
orbital se encuentran robots bio-inspirados, como lo son: robots bípedos [9],
robots con cuatro patas [10] y robots inspirados en víboras [11, 12].
En planeación de trayectorias cuando se involucra más de un actuador
se pueden tener problemas de desfasamiento y desincronización entre las
9
trayectorias de los actuadores. Una solución a esta problemática es la es-

tabilización orbital en lugar de la planeación de trayectorias [13]. Entre las
metologías de estabilización orbital se encuentra el método de restricciones
virtuales holonómicas [14, 15]. En Griffin y Grizzle ([16]) y Wang et al. ([17])
se encuentran aplicaciones recientes que utilizan esta metodología. Por otro
lado, en Berkemeier y Fearing ([18]) se propone un controlador que deriva
un conjunto exacto de trayectorias a partir del sistema dinámico, donde
se considera el movimiento periódico inverso y se desarrolla para un robot
subactuado de dos grados de libertad.
En [5] se propone el uso del controlador de dos relevadores para inducir
auto-oscilaciones en sistemas subactuados con grado relativo dos con respecto
a la salida objetivo. Esta idea se basa en la teoría de estructura variable
combinada con un metódo de sintonización basado en la función descrip-
tiva, lugar geométrico de un sistema relevado perturbado [19], o mapas de
Poincaré. Esta idea presenta como ventaja la facilidad en su implementa-
ción, pero en la literatura solo se han publicado aplicaciones en el péndulo
de Furuta [20, Chap. 7] y en la rueda inercial [21, 22].
1.3. Planteamiento del problema

La generación de oscilaciones para sistemas subactuados tiene la proble-
mática que no se tiene un actuador para el grado de libertad subactuado, por
lo que un seguimiento de trayectoria tradicional solo es viable si la dinámi-
ca cero del sistema es estable. Entonces, surge la necesidad de desarrollar y
estudiar métodos de planeación de trayectoria para este tipo de sistemas. Los
dos métodos a desarrollar en el presente trabajo son auto-oscilaciones por el
controlador de dos relevadores donde se busca que el controlador no lineal
10
genere una oscilación en la salida del sistema. Alternativamente, se usará el

método de restricciones virtuales holonómicas presentado en [14] que es un
método exacto que provoca un comportamiento oscilatorio en un sistema de
segundo orden.
El método de restricciones virtuales holonómicas (RVH) contempla el

conocimiento total de la dinámica del sistema lo cual no es asequible. Debido
a incertidumbres en los parámetros, fricciones, dinámicas no modeladas que
son omitidas en el modelado. Por tanto el método RVH se combina con una
estrategia de robustificación basada en la identificación de las dinámicas no
modeladas y perturbaciones externas, presentada en [23]. De esta manera se
obtiene una estabilidad orbital robusta.
Se considera un sistema subactuado controlado Euler-Lagrange,

!
d ∂L ∂L
− = B(q)(u + φ), (1.1)
dt ∂ q̇ ∂q
donde q ∈ Rn , q̇ ∈ Rn son los vectores de coordenadas generalizadas y velo-
cidades, respectivamente; u es el vector de entradas de control, φ ∈ Rn son
las perturbaciones, incertidumbres paramétricas y dinámicas no modeladas,
n es el número de grados de libertad. La función,
L(q, q̇) = K(q, q̇) − U (q), (1.2)

1
donde K = q̇ T M (q)q̇ es la energía cinética, y U (q) es la energía potencial.
2
M (q) ∈ Rnxn es la matriz de inercia definida positiva y B(q) es una matriz
de funciones de rango completo y dimensiones apropiadas. El sistema tiene
11
grado de subactuación uno i.e.,
dim u = dim q − 1. (1.3)
En este trabajo solo se consideraran sistemas de la forma (1.1) con grado de

subactuación uno. La ecuación dinámica de Euler Lagrange se define como,
M (q)q̈ + C(q, q̇)q̇ + F (q̇) + G(q) = B(q)(u + φ), (1.4)
donde C(q, q̇) es la matriz donde se agrupan las fuerzas de Coriolis y las
fuerzas centrípedas. F (q̇) contiene los términos de fricción. G(q) son los pares
gravitacionales. Posteriormente se definirá el concepto de oscilaciones en el
sistema (1.4).
Las oscilaciones son un fenómeno que ocurre en sistemas dinámicos cuando
el sistema tiene una solución periódica no trivial, i.e.,
q(t + T ) = q(T ), ∀t ≥ 0,
donde T > 0.
De acuerdo a [24] el concepto de estabilidad orbital asintótica se define

como,
Definición 1. (Estabilidad orbital). Sea q̄ una solución del sistema

(1.1). Entonces q̄ se dice ser orbitalmente estable si, dado > 0, existe una
vecindad δ = δ() > 0 tal que para cualquier otra solución y(t) de (1.1) se
satisface |q̄(t0 ) − y(t0 )| < δ entonces,
d(y(t), O+ (q0 , y0 )) < ,
para t > t0 donde,
O+ (q0 , y0 ) = {q ∈ Rn |q = q̄(t), t ≥ 0, q̄(t0 ) = q0 },
12
es una órbita positiva a lo largo del punto q0 para t ≥ t0 .
Definición 2. (Estabilidad orbital asintótica). La solución q̄ se dice

ser asintóticamente orbitalmente estable si es orbitalmente estable y para
cualquier solución, y(t) de (1.1) existe una constante b > 0 tal que, si |q̄(t0 )−
y(t0 )| < b, entonces
limt→∞ d(y(t), O+ (q0 , y0 )) = 0.
1.4. Objetivos
El objetivo principal de la tesis es:
Estudiar, desarrollar y verificar algoritmos de planeación de

movimiento para sistemas subactuados tipo péndulo de dos grados
de libertad.
Los objetivos específicos son:
Revisar el estado del arte sobre planeación y control de movimiento de

sistemas subactuados.
Estudiar el análisis de frecuencia de sistemas no lineales: Función descrip-

tiva.
Síntesis y análisis de control de dos relevadores para generación de

movimiento periódico en sistemas de grado de subactuación uno.
Síntesis y análisis del método de restricciones virtuales para la generación

de movimiento periódico con sistemas de grado de subactuación uno.
13
1.5. Contribución
Las contribuciones de este trabajo son:
Como contribución principal del trabajo se presenta la estabilización

orbital robusta de un sistema mecánico con un grado de subactuación
contando solo con la medición de las posiciones y un conocimiento
parcial del modelo por medio de un controlador basado en restricciones
virtuales holonómicas.
Se aborda el caso de la estabilización orbital del carro-péndulo por el

método de dos relevadores por salida.
Se obtienen resultados experimentales de ambas metodologías en un

carro-péndulo.
14
Capítulo 2
Marco Teórico
La estabilización orbital en sistema mecánicos se vuelve una tarea de-

safiante cuando se tienen sistemas subactuados ya que se debe abordar el
problema desde un enfoque diferente, considerando que no se tiene forma de
actuar directamente sobre las coordenadas subactuadas, y que la dinámica
cero del sistema puede ser inestable e.g., cuando se tiene el péndulo invertido.
En este capítulo se describen los preliminares teóricos utilizados a lo
largo del texto. Primero se revisa la herramienta de la función descriptiva,
desde el enfoque presentado en [20], utilizada en el controlador dos releva-
dores como método de sintonización. También se presenta el concepto de
restricción virtual holonómica [25] utilizada a lo largo del cuarto capítulo
y se comparan junto con restricciones físicas para encontrar las ventajas
y propiedades utilizadas para el desarrollo del controlador. Finalmente se
discute el concepto de integral general de movimiento el cual es útil para
analizar la dinámica oscilatoria de ecuaciones de segundo grado y segundo
orden.
15
CAPÍTULO 2. MARCO TEÓRICO
2.1. Función descriptiva

El análisis de sistemas lineales en el dominio de la frecuencia es una
herramienta poderosa que brinda una representación gráfica que aporta infor-
mación con un sentido físico para el análisis y diseño en sistemas no lineales.
Hay una correlación entre el dominio de la frecuencia y el tiempo en el
desempeño de un sistema lineal, por lo que las propiedades de un sistema en el
dominio del tiempo pueden ser predecidas por medio del análisis del dominio
en la frecuencia. Otra ventaja del análisis en el dominio de la frecuencia, es
que la complejidad del método no se incrementa si la complejidad del sistema
es mayor.
Para sistemas no lineales, el análisis en el dominio de la frecuencia es
llamado función descriptiva, el cual principalmente es utilizado para predecir
existencia de ciclos límite. Aunque es un método aproximado, brinda in-
formación importante sobre el comportamiento no lineal de un sistema. El
método es aproximado debido que en el procedimiento se representa la salida
del sistema como una serie de Fourier donde solo se considera el primer
armónico, por lo que se tienen imprecisiones, aún considerando que el sistema
tiene propiedades de filtro pasa bajos.
2.1.1. Análisis de un sistema no lineal por el método

de la función descriptiva.
La idea principal es obtener la función descriptiva del bloque de control,
el cual es un elemento no lineal y se considera que la planta es lineal o esta
linealizada [20]. Observe el esquema de control de la Figura 2.1.
Se asume que existe un ciclo límite en el oscilador por lo que x(t) es una
señal periódica de amplitud A y frecuencia ω, es decir
16
Figura 2.1: Esquema para el análisis de la función descriptiva.
x(t) = A sin(ωt), (2.1)
y su derivada temporal es,
ẋ(t) = Aω cos(wt). (2.2)
Basado en que x(t) es una solución periódica y la parte dinámica del

sistema es lineal se asume que ϕ(t) también es una señal periódica, por lo
que ϕ(t) se puede expresar como,
∞
X ∞
X
ϕ= an cos(nωt) + an sin(nωt).
n=1 n=1
La expresión de ϕ es una serie de Fourier donde no esta presente el

armónico fundamental. El método de función descriptiva requiere que se
cumpla la siguiente condición:
Condición 1. La parte dinámica del sistema W (jω) debe tener propiedades

de filtro pasa bajos, i.e.,
|W (jω)| |W (jnω)| n = 2, 3, ...
En la Figura 2.2 se muestra la gráfica de Bode de un sistema dinámico que

cumple con la Condición 1. Si se cumple esta condición se puede aproximar
ϕ a solo los términos del primer armónico,
17
1.2
0.8
0.6
0.4
0.2
0
100 101
Figura 2.2: Diagrama de Bode de un sistema con propiedades pasa bajos.
ϕ(t) ≈ a1 cos(ωt) + b1 sin(ωt),
por lo que, la relación de la salida y la entrada del término lineal se aproxima

por,
ϕ(t) a1 cos(ωt) + b1 sin(ωt)

≈ .
x(t) A sin(ωt)
De acuerdo a [26], la función descriptiva se define como la relación de la
representación del fasor1 de la salida ϕ(t) evaluada en la frecuencia ω y la
representación del fasor de la salida x(t) evaluada en la frecuencia ω,
q
( a21 + b21 )ej(ωt+φ) 1
N (A, ω) = = (b1 + ja1 ) (2.3)
Aejωt A
donde φ = arctan (a1 /b1 ), a1 y b1 son los coeficientes del primer armónico de
la representación de Fourier,
1
Un fasor es una representación gráfica de un número complejo en una función sinusoidal
18
ω Z 2π/ω ω Z 2π/ω
a1 = σ(t) cos(ωt)dt, b1 = σ(t) sin(ωt)dt. (2.4)
π 0 π 0
El método de la función descriptiva permite predecir la estabilidad de un
ciclo límite graficando el diagrama de Nyquist de la parte dinámica W (jω)
y la parte no lineal −1/N (A, ω) utilizando la ecuación de balance armónico
−1
W (jω) = . (2.5)
N (A, w)
En la Figura 2.3 se grafica el diagrama de Nyquist de las dos partes de la
ecuación de balance armónico (2.5), donde se observa que las trayectorias
se cruzan dos veces, por lo que se encuentra la existencia de dos ciclos
límites. Este método gráfico también brinda información sobre la amplitud y
frecuencia del ciclo límite. Se despeja en W (jω) el valor de la frecuencia en
el punto donde las trayectorias se cruzaron, y en −1/N (A, ω) se despeja la
amplitud aproximada sustituyendo la frecuencia obtenida en W (jω).
En [27], se establece el siguiente criterio,
Criterio 1. Cada intersección de la curva W (jω) y la curva −1/N (A, ω) en

el diagrama de Nyquist corresponde a un ciclo límite. Si el punto cercano a
la intersección del lado de la curva donde se esta incrementando la amplitud
de la curva −1/N (A, ω) no esta encerrado por la curva W (jω), entonces el
ciclo límite es estable. De otra manera el ciclo límite es inestable.
Por lo que en la Figura 2.3, la intersección de la parte superior predice

un ciclo límite inestable, y la intersección de la parte inferior predice un ciclo
límite estable. El comportamiento de un ciclo límite estable se muestra en la
Figura 2.4.
19
1.5
0.5
-0.5
-1
-1.5
-2
-0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2
Figura 2.3: Diagrama de Nyquist de W (jω) y −1/N (A, ω).
Este método brinda propiedades importantes, cuando se necesita prevenir

la existencia de ciclos límite, como podría ser en un avión o un robot mani-
pulador donde no se quiere que exista alguna oscilación, al menos en la
frecuencia de resonancia. Por otro lado, existen aplicaciones donde se requiere
que exista un ciclo límite robusto, el cual genere oscilaciones aún en presencia
de perturbaciones; un ejemplo es el movimiento de un robot bípedo, un
oscilador electrónico, en robots bio-inspirados como el de una víbora, sistemas
biológicos como el latido de un corazón, etc.
Este método es aproximado, por lo que los valores de amplitud y frecuencia
que se puedan obtener no son exactos debido a las perdidas generadas por
solo considerar un armónico en la serie de Fourier y la linealización en el
punto de equilibrio. Igualmente este método depende de la condición que la
parte dinámica debe de tener propiedades de filtro pasa-bajas ya que si esta
20
-1
-2
-3
-4 -3 -2 -1 0 1 2 3 4
Figura 2.4: Plano de fase de un ciclo límite estable.
21
Figura 2.5: (a) Pistón con el movimiento restringido en un cilindro. (b) Pistón
sin restricciones. (c) Diseño de Rube Goldberg de un pistón restringido por
medio de enlaces entre los eslabones. Figura tomada de [25, p. 25]
condición no se satisfice la aproximación de la función descriptiva seria muy

pobre y no representaría correctamente la dinámica no lineal.
2.2. Restricción virtual holonómica

El concepto de restricción virtual holonómica fue introducido por Byrnes
e Isidori [28, 29, 30]. Para ilustrar la idea principal de una restricción virtual
holonómica, desde ahora abreviado por sus siglas (RVH), observe la Figura 2.5,
donde se tienen tres escenarios: en Figura 2.5(a) un pistón esta restringido
por un cilindro y solo tiene un grado de libertad. En la Figura 2.5(b) el
pistón se encuentra completamente libre, y tiene tres grados de libertad. En
el tercer caso los enlaces adicionales que tiene entre los eslabones generan
que el pistón solo se pueda desplazar de la misma forma que en el primer
caso. Si se imponen las siguientes dos restricciones:
22
El centro del pistón siempre se mantiene en la línea vertical del punto

de anclaje del primer eslabón.
La cabeza del pistón siempre se mantiene horizontal.
Si se satisfacen las dos imposiciones el pistón tendría solamente un grado

de libertad, y se desplazaría de la misma forma que el primer caso donde
la camisa del cilindro lo restringe. Las dos restricciones se pueden escribir
matemáticamente por medio de las ecuaciones
0 = L1 cos(θ1 + L2 cos(θ1 + θ2 )
(2.6)
π = θ1 + θ2 + θ3
donde L1 es la longitud del primer eslabón, y L2 es la longitud del segundo

eslabón. Estas restricciones pueden ser impuestas físicamente como en la
Figura 2.5(c) con enlaces entre los eslabones, o en la Figura 2.5(a) con un
cilindro. Pero, si el pistón cuenta con actuadores, las restricciones pueden ser
impuestas asintóticamente por medio de un controlador por realimentación.
Suponga que θ2 y θ3 se encuentran actuados, y se definen dos salidas tal que
cuando estas salidas sean cero, las dos restricciones (2.6) se satisfagan, i.e.,
y1 = L1 cos(θ1 + L2 cos(θ1 + θ2 )
(2.7)
y2 = θ1 + θ2 + θ3 − π
Cualquier control por realimentación que estabilice asintóticamente y1 y

y2 al origen, generará que el pistón tenga solamente un grado de libertad, y
el mismo movimiento que en los casos (a) y (b) de la Figura 2.5. Observe que
cuando las salidas se estabilizan en el origen, las coordenadas actuadas θ2 y
23
θ3 se vuelven funciones implícitas de la coordenada subactuada [25]. También

se pueden encontrar las relaciones geométricas de las coordenadas actuadas
θ2 y θ3 como funciones explícitas de la coordenada subactuada θ1 ,
L1

θ2 = π − θ1 − arc cos cos θ1 ,
L2
(2.8)
L1

θ3 = arc cos cos θ1 .
L2
Las restricciones que son impuestas por medio de un controlador por
realimentación son llamadas restricciones virtuales [31, 32, 25]. Y las ventajas
de utilizar restricciones virtuales a diferencia de restricciones físicas, como en
los casos (b) y (c) de la Figura 2.5, es que fácilmente se pueden reconfigurar
los parámetros, a diferencia de las reales que necesitaría remplazar las res-
tricciones fisicas cada que se necesite modificar el movimiento.
En la técnica de restricciones virtuales holonómicas se utiliza el método
de dinámica inversa (también conocido como Par Calculado), el cual consta
de definir un conjunto de salidas y diseñar un controlador por realimentación
que estabilice asintóticamente el conjunto de salidas a cero. (cf. [33]). La
máxima dinámica interna de un sistema donde las salidas son idénticamente
cero es conocido como dinámica cero [34]. Por ejemplo considere el carro-
péndulo donde la posición del péndulo es la salida y junto con las derivadas
de ella son cero, entonces la dinámica restante del carro es la dinámica cero.
Existen diversos trabajos que utilizan esta técnica en sistemas subactua-

dos como [14] donde los autores presentan una técnica para estabilización
orbital de sistemas Euler-Lagrange de grado de subactuación uno y presentan
simulaciones en un carro-péndulo, orbitando en su equilibrio superior inestable.
Posteriormente en [35] presentan las condiciones suficientes de existencia para
24
que la dinámica remanente tenga al menos una solución periódica. En [7] se

desarrolla un controlador basado en RVH para la estabilización orbital del
péndulo de furuta. [36] reporta condiciones de factibilidad de un conjunto
de RVH para ser regularizadas, igualmente presentan la aplicación de esta
técnica para la tarea de levantamiento o swing-up en un péndulo doble. En
[37], se presenta un procedimiento para generar RVH en un sistema tipo
Euler-Lagrange. La herramienta de RVH ha sido utilizada para planificación
de movimiento de sistemas subactuados. Por ejemplo, en [38] se resuelve la
tarea de planificación de movimiento para un robot-víbora planar de diez
enlaces. En [39], se utiliza la linealización exacta por realimentación para
reducir la dinámica del modelo del robot bípedo de dimensión dos. Igualmente
se utiliza linealización exacta por realimentación con RVH para un robot
bípedo de tres enlaces y torso ajustable en [40].
Otra aplicación en un sistema subactuado se estudia en [41], donde el

modelo de la bicicleta de Getz’s debe atravesar una curva de Jordan estric-
tamente convexa con un ángulo de balanceo y velocidad acotados. El balanceo
de la bicicleta depende de la posición de la bicicleta a lo largo de la curva.
Se restringe el balanceo de la bicicleta a la posición de la bicicleta por medio
de una relación geométrica. Se presentan resultados experimentales en [17]
de un controlador basado en RVH para el péndulo de furuta doble.
Una desventaja que tiene la técnica de RVH es que se debe resolver

en línea una ecuación diferencial. Por ejemplo en [17] se resuelve en línea
la solución de la ecuación diferencial de Riccati de primer orden, lo cual
demanda un esfuerzo computacional considerable. Igualmente, en [14] se
resuelve la ecuación diferencial de Riccati y una ecuación diferencial ordinaria
25
que genera la órbita deseada del sistema límite virtual. Esto representa una
limítante si se piensa aplicar esta técnica en robótica móvil, o alguna tarea
donde el poder computacional sea limitado.
2.2.1. Integral general de movimiento

En Shiriaev et al. [35] se estudia que un sistema mecánico (1.4) no perturbado
M (q)q̈ + C(q, q̇)q̇ + F (q̇) + G(q) = B(q)u (2.9)
con un controlador que forza (n−1) restricciones virtuales holonómicas puede

ser reescrito como
α(q)q̈ + β(q)q̇ 2 + γ(q) = 0, (2.10)
donde q ∈ R1 y las funciones α, β y γ son funciones suaves. La integral general

de movimiento es muy utilizada junto con la metodología de restricciones
virtuales holonómicas, por lo que se puede encontrar dicha integral que tiene
un valor de cero cuando la ecuación (2.10) tiene una solución periódica.
Esta propiedad es de vital importancia para la generación de controladores
para estabilización orbital ya que se puede reducir la dificultad del problema
de estabilización orbital a la tarea de la estabilización de un sistema lineal
variante en el tiempo. En esta sección se analiza y desarrolla esta herramienta.
Primero, considere el siguiente cambio de variable Y (q) = q̇ 2 (t) para
abordar la ecuación de segundo orden como una de primer orden. Posterior-
mente, se calcula una solución Y (q) para la ecuación diferencial de primer
orden. Finalmente, se define la integral como I = q̇ 2 − Y (q).
A lo largo del procedimiento se utiliza el siguiente lema:
26
Lemma 1 ([35]). A lo largo de una solución [q(t), q̇(t)] del sistema,
α(q)q̈ + β(q)q̇ 2 + γ(q) = 0,
la siguiente identidad se mantiene,
d2 d 1 2

q(t) = q̇ (t)
dt2 dq 2
Demostración.
d2 d
2
q(t) = (q̇(t))
dt dt !
d dq(t)
=
dt dt
! !
d d
= q̇(t) q(t)
dq dt
!
d
= q̇(t) q̇(t)
dq
d 1 2

= q̇ (t)
dq 2
Definiendo,
Y (q) = q̇ 2 (t)
y aplicando el Lema 1 se puede escribir (2.10) como,
1 d
α(q, c) (Y (q)) + β(q, c)Y (q) + γ(q, c) = 0
2 dq
(2.11)
d 2β(q, c) 2γ(q, c)
(Y (q)) + Y (q) + =0
dq α(q, c) α(q, c)
27
la cual es una ecuación diferencial ordinaria de primer orden y lineal respecto

a Y (q) y q. El punto de equilibrio de (2.11) es q0 .
Considere el caso cuando γ(q0 ) = 0, es decir
d 2β(q, c)
(Y (q)) + Y (q) = 0.
dq α(q, c)
2β(q, c)
por simplicidad se define a(q, c) = , entonces,
α(q, c)
d
(Y (q)) + a(q, c)Y (q) = 0.
dq
Multiplicando ambos lados por una función llamada µ(q) que se definirá
posteriormente, se tiene
d
µ(q) (Y (q)) + µ(q)a(q, c)Y (q) = 0. (2.12)
dq
Suponiendo que la derivada de la variable µ(q) tiene la siguiente forma
d
(µ(q)) = µ(q)a(q, c) (2.13)
dq
y sustituyendo (2.13) en (2.12),
d d
µ(q) (Y (q)) + Y (q) (µ(q)) = 0, (2.14)
dq dq
por lo que (2.14) se puede reescribir como,
d
(µ(q)Y (q)) = 0. (2.15)
dq
Integrando la ecuación anterior se obtiene,
Z t
d
(µ(q)Y (q)) dq = µ(q)Y (q) + C
0 dq
28
C
Y (q) = . (2.16)
µ(q)
Para encontrar µ(q) se despeja α(q) de la suposición (2.13), por lo que
d
(µ(q))
dq
= a(q)
µ(q)
d
(ln (µ(q))) = a(q).
dq
Integrando la ecuación anterior se tiene,
Z t
ln(µ(q)) + K = a(q)dq
0
donde K es una constante. Despejando µ(q),
Z t
µ(q) = exp a(q)dq − K
0
Z t
= exp (−K) exp a(q)dq
0
Z t
µ(q) = K exp a(q)dq . (2.17)
0
Si se sustituye (2.17) en (2.16) se obtiene
C
Y (q) = R
t
,
K exp 0 a(q)dq
posteriormente, se agrupan las constantes de integración en la condición
2β(q, c)
inicial Y (q0 ) y se sustituye a(q, c) = ,
α(q, c)
Z t !
2β(q, c)
Y (q) = Y (q0 ) exp − dq . (2.18)
0 α(q, c)
29
Con Y (q) = q̇ 2 y (2.18) se define I = q̇ 2 − Y (q),

Z t !
2 2 2β(q, c)
I = q̇ − q˙0 exp − dq ,
0 α(q, c)
como una integral general de movimiento, que es la diferencia entre la parte

derecha e izquierda de la ecuación (2.18), de tal forma que cuando la integral
de movimiento sea cero, la ecuación (2.18) se satisface. Ahora, se puede
resumir con el siguiente teorema.
Teorema 1 ([35]). Dadas condiciones iniciales [q0 , q̇0 ], si la solución [q(t, q0 ,

q̇0 ), q̇(t, q0 , q̇0 )] del sistema,
α(q)q̈ + β(q)q̇ 2 + γ(q) = 0,
existe para las condiciones iniciales, la función
Z t !
2 2 2β(q, c)
I = q̇ − q˙0 exp − dq , (2.19)
0 α(q, c)
tiene un valor de cero a lo largo de la solución.
Lemma 2 ([35]). La derivada respecto al tiempo de la función I definida en

(2.19) a lo largo de una solución del sistema
α(q)q̈ + β(q)q̇ 2 + γ(q) = u,
tiene la forma
d 2q̇
I= [u − β(q)I] .
dt α(q)
30
2.3. Identificación de perturbaciones y diná-

micas no modeladas
En los sistemas mecánicos, existen diferencias entre el modelo dinámico y
la planta real, por ejemplo, incertidumbres paramétricas y dinámicas no mo-
deladas. Así como también perturbaciones exógenas y señales de ruido. Estas
incertidumbres y perturbaciones aparecen en las ecuaciones de la aceleración
del modelo dinámico que tiene grado relativo dos si se considera como salida,
las posiciones del sistema, por lo que no se pueden utilizar modos deslizantes
de primer orden ya que solo son aplicables con sistemas donde la salida tiene
un grado relativo uno con respecto a las perturbaciones e incertidumbres.
Por este motivo surge la necesidad de un observador para sistemas donde

la salida es de grado relativo mayor a uno con respecto a las perturbaciones
e incertidumbres. Para este tipo de observadores se utiliza un diferenciador
robusto a incertidumbres, perturbaciones y ruido, ya que si se utilizara algún
derivador que no sea robusto al ruido, amplificaría el ruido en las derivadas de
la señal de entrada. El derivador de Levant presentado en [42] tiene una gran
precisión contra pasos de muestreo grandes y ruido. Ademas, el derivador de
Levant en observadores de alto orden ha sido ampliamente utilizado en la
literatura (e.g., [43, 44, 45, 46, 47, 48, 49]).
Considere el sistema
ẋ1 = x2 ,
ẋ2 = f (x1 , x2 ) + g(y)u + ξ(y, φ), (2.20)
y = x1
31
donde x1 representa las posiciones del sistema, x2 son las velocidades del
sistema, y es la salida medible que solo contiene las posiciones. u es la acción
de control y ξ(y, φ) = g(y)φ denota las perturbaciones exógenas y dinámi-
cas no modeladas. La función f (x1 , x2 ) contiene la dinámica conocida de la
planta y g(y) es la matriz de distribución de entradas. Se asume que las
funciones f (x1 , x2 ) y g(y) son Lebesgue medibles para todo t ≥ 0 y son
uniformemente acotadas en una región compacta del espacio de estados x. Si
se quiere diseñar un control por realimentación de estados i.e., u = u(x) se
requiere de las velocidades del sistema y en algunos casos no se tiene acceso
a esta información, por lo que se considera que la salida medible y solo tiene
acceso a las posiciones del sistema x1 .
Primero, se define como estado extendido z = ξ(y, φ) tal que el sistema
(2.20) se puede reescribir como,
ẋ1 = x2 ,
ẋ2 = f (x1 , x2 ) + g(y)u + z (2.21)
˙ φ).
ż = ξ(y,
Con el estado z se aumenta el grado relativo de la perturbación φ con

respecto a la salida y. Ahora se propone el derivador de levant de tercer orden
[43],
1 2
x̂˙ 1 = −k1 L 3 de1 c 3 + x̂2
2 1
x̂˙ 2 = f (x1 , x̂2 ) + g(y)u − k2 L 3 de1 c 3 + ẑ (2.22)
ẑ˙ = −kz Lde1 c0
donde las ganancias son sintonizadas de acuerdo a [43],
32
1 2
k1 = 3.34kz3 , k2 = 5.3kz3 . (2.23)
Se define el error de observación como ei = x̂i − xi , i = 1, 2. Por lo que la

dinámica de error es,
1 2
ė1 = −k1 L 3 de1 c 3 + e2
2 1
ė2 = −k2 L 3 de1 c 3 + ∆f (x1 , x2 , x̂2 ) + ez (2.24)
˙ 1 , x2 , t, φ).
ėz = −kz Lde1 c0 + ξ(x
donde ∆f (x1 , x2 , x̂2 ) = f (x1 , x̂2 ) − f (x1 , x2 ). Se presentan las siguientes

condiciones:
Condición 2. Existe una constante de Lipschitz L > 0 tal que la dinámica

de las perturbaciones esta acotada,
˙ 1 , x2 , φ)k ≤ L.
kξ(x
Condición 3. Las condiciones iniciales del observador x̂1 (0) y x̂2 (0) inician
suficientemente cerca de los estados x1 y x2 tal que la función ∆f (x1 , x2 , x̂2 , u)
se encuentra acotada en t = 0 por
k∆f (x1 , x2 , x̂2 , u)k ≤ ∆f . (2.25)
La condición 2 es necesaria para que la dinámica del error ez colapse y el

error tienda a cero en tiempo finito. En un sistema mecánico, la condición 3
no es difícil de obtener, y se asegura con ella que la diferencia entre la
planta nominal f (x1 , x2 , u) y la reconstrucción de la planta f (x1 , x̂2 , u) con
la velocidad estimada, es desvaneciente en el tiempo. Por lo que la diná-
mica del error de velocidad e2 colapsa y el error tiende a cero en tiempo
33
finito. Entonces satisfaciendo las condiciones 2 y 3 el error de observación

e = [e1 , e2 , ez ] ≡ 0 para t ≥ tf , donde tf es el instante donde los errores de
observación entran en régimen deslizante.
Finalmente, se obtiene que el estado estimado x̂(t) = [x̂1 , x̂2 ]T en tiempo
finito, y se puede reconstruir las perturbaciones calculando
φ̂ = g −1 (y)ẑ. (2.26)
2.4. Resumen
En este capítulo se revisaron los conceptos necesarios a lo largo de la
tesis. Se revisó la función descriptiva utilizada como método de sintonización
de ganancias para el controlador dos relevadores. El controlador dos releva-
dores no solamente puede ser sintonizado por función descriptiva, hay otros
métodos más complejos que presentan una mayor precisión y desempeño, por
ejemplo el uso de mapas de Poincare [20]. También se ilustró la utilidad de
la ecuación de balance armónico para la predicción de ciclos límite. Después,
se introdujo el concepto de restricción virtual holonómica y las ventajas que
tiene, en el cuarto capítulo se profundiza sobre ellas y se utiliza para diseñar
un controlador con el fin de obtener estabilidad orbital robusta en un sistema
subactuado, conociendo solo las posiciones y teniendo conocimiento parcial
de la planta.
En este trabajo se considera el caso donde la solución periódica que se
busca esta alrededor de un punto de equilibrio inestable, el cual es un caso
más complejo que cuando las oscilaciones se encuentran alrededor de un
punto de equilibrio estable.
34
Capítulo 3
Oscilaciones por medio de un

controlador de dos relevadores
En este capítulo se aplica el método de dos relevadores desarrollado en

[20], para sistemas mecánicos con grado de subactuación uno, se presentan
resultados experimentales en un carro-péndulo.
En la sección 3.1 se revisa el controlador dos relevadores y se diseñan las
ganancias por medio de función descriptiva. En la sección 3.2 se presentan
resultados experimentales realizados en un carro péndulo.
35
CAPÍTULO 3. OSCILACIONES POR MEDIO DE UN CONTROLADOR
DE DOS RELEVADORES
3.1. Generación de auto-oscilaciones con un
controlador de dos relevadores
Considere el sistema lineal invariante en ausencia de perturbaciones:
ẋ = Ax + B ū (3.1)
z = C1 x (3.2)
y = C2 x (3.3)
donde x(t) ∈ Rn denota el estado del sistema, y(t) ∈ Rm representa la salida

medible, ū(t) ∈ R es la entrada de control encargada que la variable z(t) ∈ R
sea periódica, y las matrices A, B, C1 y C2 son de dimensiones apropiadas.
Se asume que el par (A, B) es controlable y que el estado x(t) ∈ Rn esta
disponible, es decir, C2 = In .
Considere las siguientes suposiciones en el sistema (3.1)-(3.3) para el
capítulo.
Suposición 1. [50] La matriz A ∈ Rn×n es Hurwitz y no tiene polos en el

eje imaginario.
Suposición 2. [50] El sistema (3.1)-(3.2) tiene grado relativo mayor que

uno con respecto a la salida z(t).
La suposición 1 refiere que las oscilaciones en la salida (3.2) son generadas

por la acción de control ū(t), ya que los polos se encuentran en el semiplano
izquierdo. La suposición 2 indica que los paramétros c1 ∈ R y c2 ∈ R del
controlador de dos relevadores son parametros independientes, por lo que los
parámetros provocan cambios en la amplitud ap y en la frecuencia Ω de las
auto-oscilaciones.
36
DE DOS RELEVADORES
Proposición 1. [50] La entrada de control con dos relevadores
ū(t) = −c1 sign(z) − c2 sign(ż) (3.4)
se propone con el fin de excitar un movimiento periódico en la salida (3.2).

Los parámetros escalares c1 y c2 se diseñan tal que la salida periódica z(t)
tenga una frecuencia Ω y una amplitud ap deseada.1
3.1.1. Diseño de las ganancias por medio de función

descriptiva
Las ganancias c1 ∈ R y c2 ∈ R de (3.4) son parámetros de diseño con el
fin que la salida z(t) sea periódica con una frecuencia Ω y una amplitud ap
deseada. Las fórmulas de calculo de las ganancias basadas en el método de
función descriptiva, obtenidas de [20], son
√

−1
π ap
1 + ξ2 si Ω ∈ Q2 ∪ Q3



4 |W (jΩ)|
c1 =  √ −1 (3.5)
− π ap

1 + ξ 2 en otra parte,
4 |W (jΩ)|
c2 = ξ · c1 , (3.6)
donde W (jω) = C1 (jωI −A)−1 B es la función de transferencia de (3.1)-(3.2),

√
j = −1 denota la unidad imaginaria, ξ se encuentra por,
Im{W (jΩ)}
ξ=− , (3.7)
Re{W (jΩ)}
1
La prueba de estabilidad orbital para sistemas lineales invariantes en el tiempo se
encuentra en [20, Cap. 2].
37
DE DOS RELEVADORES
donde se definen los cuadrantes Q1 , . . . , Q4 como
Q1 = {ω ∈ R : Re{W (jω)} > 0, Im{W (jω)} ≥ 0}

Q2 = {ω ∈ R : Re{W (jω)} ≤ 0, Im{W (jω)} ≥ 0}
(3.8)
Q3 = {ω ∈ R : Re{W (jω)} ≤ 0, Im{W (jω)} < 0}
Q4 = {ω ∈ R : Re{W (jω)} > 0, Im{W (jω)} < 0}.
3.2. Resultados experimentales en el carro-

péndulo
El modelo dinámico de un carro péndulo, tomado de [51], es el siguiente
a1 k 1
ẋ1 = x3 , ẋ3 = f1 (x) + u,
b − cos2 (x2 )
(3.9)
k1 cos(x2 )
ẋ2 = x4 , ẋ4 = f2 (x) + u,
b − cos2 (x2 )
con
[g sin(x2 ) − k3 x4 ] cos(x2 ) − a1 [x24 sin(x2 ) + k2 x3 ]
f1 (x) = ,
b − cos2 (x2 )
(3.10)
a2 [g sin(x2 ) − k3 x4 ] − [x24 sin(x2 ) + k2 x3 ] cos(x2 )
f2 (x) = ,
b − cos2 (x2 )
donde
Jp 1 Jp
a1 = , a2 = , b= ,
ml l ml2 (3.11)
p1 f c − p2 fp
k1 = , k2 = , k3 = .
ml ml ml
Se define, x = [x1 x2 x3 x4 ]T como el vector de estadps, x1 (t) ∈ R representa
la posición del carro, x2 (t) ∈ R es el ángulo entre la vertical y el péndulo,
x3 (t) ∈ R y x4 (t) ∈ R representan la velocidad del carro y del péndulo,
respectivamente (véase Fig. 3.1); y t ∈ R≥0 es el tiempo. Observe la singularidad
38
DE DOS RELEVADORES
mg x2
x1 < 0 x1 > 0
x1 = 0
Figura 3.1: Representación esquemática del carro-péndulo.
cuando b = cos2 (x2 ), sin embargo, b es mas grande que uno, por lo que las
funciones f1 (x) y f2 (x) y las funciones de entrada en (3.9) son continuamente
diferenciables.
La constante g = 9.81 m/s2 denota la constante gravitacional, la masa
total del péndulo y del carro están denotadas por m, l es la distancia que
hay entre el eje de rotación del péndulo y el centro de masa del sistema, el
momento de inercia del péndulo con respecto a su eje en el carro es Jp . fp
y fc representan los coeficientes de fricción viscosa del carro y del péndulo
respectivamente. Finalmente, las constantes de fuerza de control son p1 y p2 .
Se considera z(t) = h(x) ∈ R como la salida donde las oscilaciones deben
ocurrir donde h(x) es una función continua. La idea es diseñar la ley de
control u(t) tal que la salida z(t) tenga una solución periódica, es decir,
z(t) = z(t + T ), (3.12)
donde T = 1/Ω es el periodo y Ω es la frecuencia deseada.

Se representa la planta (3.9)–(3.11) en el siguiente sistema
ẋ = f (x) + g(x)u, y = C2 x, (3.13)
39
DE DOS RELEVADORES
donde    
x
 3  
0 
   
 x4   0 
f (x) =  , g(x) = . (3.14)
   

 a1 k1 
f1 (x)
 
 b−cos2 (x2 ) 
   
k1 cos(x2 )
f2 (x) b−cos2 (x2 )
La variable virtual z(t) se define como la posición del péndulo,
z(t) = x2 (t). (3.15)
Linealización
Primero se transforma el modelo (3.9)–(3.11) de la planta en la forma
lineal (3.1). El modelo lineal local del péndulo invertido se obtiene por medio
de la linealización de Taylor alrededor del origen, que es el punto de equilibrio
inestable, donde las matrices A, B y C1 son las siguientes
 

0 0 1 0 
 
∂f (x) 0 0 0 1 
A= = , (3.16)
 

∂x x=0 0
 g
− ab−1
1 k2 k3 
− b−1
 b−1 

a2 g k2
0 b−1
− b−1 − ab−1
2 k3
 

0 
 
 0 
B = g(0) =   
, (3.17)
 a1 k1 
 b−1 
 
k1
b−1

C1 = 0 1 0 0 , C2 = I4 . (3.18)
Los parámetros se encuentran en la Tabla 3.1. Observe que (A, B) es controlable,

pero la matriz A no es Hurwitz. Por lo que se propone la entrada de control
u = −Kx + ū (3.19)
40
DE DOS RELEVADORES
donde K debe seleccionarse tal que A − BK sea Hurwitz, es decir, se cumpla

la suposición 1. En consecuencia, la función de transferencia para calcular
las ganancias (3.5)–(3.6) del controlador de dos relevadores se denota por,
W (jω) = C1 (jωIn − A + BK)−1 B. (3.20)
En la practica, colocar y mantener el péndulo exactamente en su posición

vertical hacia arriba, antes de que las oscilaciones ocurran es difícil, debido a
que el punto de equilibrio es inestable en lazo abierto. Por lo que se debe
garantizar que el punto de equilibrio sea asintóticamente estable en lazo
cerrado (3.13)–(3.19) cuando ū = 0 al menos en un intervalo de tiempo
inicial.
Para corroborar la teoria se desarrollaron resultados experimentales en
un carro péndulo fabricado por la empresa Intecor (véase Fig. 3.2). El
carro-péndulo tiene un péndulo montado sobre el carro donde el péndulo
puede moverse libremente. El carro se conecta por medio de una banda a
un motor de corriente directa. El carro-péndulo contiene dos sensores de
posición de 4096 pulsos por revolución para medir la posición del carro y el
ángulo del péndulo. El riel tiene una longitud de 1.8 metros. El controlador se
implementa en Matlab/Simulink r . El periodo de muestreo fijo fue de 0.01 s.
Los parámetros físicos (3.11) usados en el modelo estan en la Tabla 3.1.
Para ilustrar y corroborar los resultados teóricos presentados, se presentan
simulaciones bajo condiciones ideales, sin perturbaciones ni ruido en las
mediciones, parámetros perfectamente conocidos y sin saturaciones en el la
acción de control.
Las condiciones iniciales son x1 (0) = 0.01 m, x2 (0) = 0 rad, x3 (0) = 0 m/s
y x4 (0) = 0 rad/s. La matriz de ganancias

K = −0.7737 4.3189 −1.0231 0.8097
41
DE DOS RELEVADORES
Tabla 3.1: Parámetros de la planta
Parámetro Valor Unidades

l 0.011 m
m 0.872 Kg
fp 6.65 × 10−5 Ns/rad
fc 0.5 Ns/m
Jp 0.00292 Kgm2
p1 9.4 N
p2 -0.548 Ns/m
Figura 3.2: Carro-péndulo usado en los experimentos.
42
DE DOS RELEVADORES
se diseñá para colocar los polos de lazo cerrado de la planta en s1 = −2,

s2 = −3, s3 = −5 y s4 = −7.
Los resultados numéricos del sistema en lazo cerrado (3.13)–(3.15), (3.19)
manipulado por el control de dos relevadores
ū = −c1 sign(x2 ) − c2 sign(x4 ), (3.21)
donde c1 = c2 = −1, se muestran en la Figura 3.3. En la Figura 3.3(a)

se muestra la oscilación del péndulo con una amplitud de 0.7 rad y una
frecuencia ω = 5.6 rad/s. Se muestra el movimiento del carro en la Figura 3.3(b)
donde se observa que los límites del riel no se exceden. En la Figura 3.3(c)
se muestra la señal de control (3.19). Solo por comparación, se establece
ap = 0.7 y Ω = 5.6 rad/s como amplitud y frecuencia deseada. La función de
transferencia del modelo de la planta con el controlador de realimentación es
31.883s2
W (jω) = , s = jω, (3.22)
s4 + 17s3 + 101s2 + 247s + 210
con Re{W (jΩ)} = 0.3053 y Im{W (jΩ)} = −0.2479. En la figura 3.5 se

muestra el diagrama de Nyquist, en azul W (jω) y en negro −1/N (ap ) donde
N (ap ) es la función descriptiva de (3.19). Claramente se observa en el diagrama
de Nyquist donde se intersectan las curvas (en la solución de la ecuación de
balance armónico).
Se muestra otro conjunto de resultados numéricos bajo c1 = 1 y c2 =
−0.2 donde se obtiene una frecuencia de ω = 3.14 rad/s y una amplitud
ap = 0.6 rad en la Figura 3.4(a), Fig. 3.4(b) y Fig. 3.4(c) . Note que el carro
no excede los límites señalados del riel.
Aplicando las fórmulas (3.5)–(3.6), se obtienen las ganancias c1 = −1.08 y

c2 = −0.8810. Para la frecuencia deseada Ω = 3.14 rad/s y amplitud deseada
43
DE DOS RELEVADORES
ap = 0.6 rad las partes real e imaginaria de la función de transferencia son

Re{W (jΩ)} = 0.4036 y Im{W (jΩ)} = 0.4036, aplicando nuevamente las
fórmulas (3.5)–(3.6) se obtiene que c1 = 0.9463 y c2 = −0.3423. En la
Figura 3.6 se observa igualmente el diagrama de Nyquist de la función de
transferencia y el controlador (3.19).
44
DE DOS RELEVADORES
(a)
1
Posición del pendulo [rad]
0.5
−0.5
−1
0 2 4 6 8 10 12 14 16 18 20
(b)
1
Limite derecho = 1.0 m
Posición del carro [m]
0.5
−0.5
Limite izquierdo = −1.0 m

−1
0 2 4 6 8 10 12 14 16 18 20
(c)
10
Entrada de control [Nm]
−5
−10
0 2 4 6 8 10 12 14 16 18 20
Tiempo [s]
Figura 3.3: Simulaciones numéricas bajo c1 = −1 y c2 = −1. (a) Posición

angular del péndulo, (b) posición lineal del carro y (c) entrada de control.
45
DE DOS RELEVADORES
(a)
1
Posición del péndulo [rad]
0.5
−0.5
−1
0 2 4 6 8 10 12 14 16 18 20
(b)
1
Limite derecho = 1.0 m
0.5
−0.5
Limite izquierdo = −1.0 m

−1
0 2 4 6 8 10 12 14 16 18 20
(c)
4
−2
−4
0 2 4 6 8 10 12 14 16 18 20
Tiempo [s]
Figura 3.4: Simulaciones numéricas bajo c1 = 1 y c2 = −0.2. (a) Posición

46
DE DOS RELEVADORES
0.5
0.4
0.3
0.2
0.1
-0.1
-0.2
-0.3
-0.4
-0.5
-0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
Figura 3.5: Diagrama de Nyquist de la función de

transferencia (3.22) y controlador (3.19) bajo c1 = −1 y
c2 = −1.
47
DE DOS RELEVADORES
0.5
0.4
0.3
0.2
0.1
-0.1
-0.2
-0.3
-0.4
-0.5
-0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
Figura 3.6: Diagrama de Nyquist de la función de

transferencia (3.22) y controlador (3.19) bajo c1 = 1 y
c2 = −0.2.
Existe una discrepancia numérica entre el valor real y el valor calculado de
las ganancias. Esto se debe a las imprecisiones del método de función descrip-
tiva debido a la perdida de información en las armónicas de alta frecuencia
en los coeficientes de Fourier de la señal periódica. Una alternativa de diseño
de las ganacias es Poincaré que resulta ser más preciso pero más complejo en
su cálculo.
Los resultados experimentales del péndulo, con las ganancias c1 = c2 =
0.15 obteniéndose una amplitud de 0.1 rad y una frecuencia ω = 7.4 rad/s
se muestran en la Figura 3.7(a). El movimiento del carro se muestra en La
Figura 3.7(b), donde se resalta que los límites del riel no se exceden. La señal
de control (3.19) esta en la Figura 3.7(c). En la Figura 3.8(a), Fig. 3.8(b) y
48
DE DOS RELEVADORES
(a)
0.3
0.2
0.1
−0.1
−0.2
0 2 4 6 8 10 12 14 16 18 20
(b)
0.3
0.2
0.1
−0.1
−0.2
0 2 4 6 8 10 12 14 16 18 20
(c)
0.5
−0.5
0 2 4 6 8 10 12 14 16 18 20
Tiempo [s]
Figura 3.7: Resultados experimentales bajo c1 = 0.15 y c2 = 0.15. (a) Posición

49
DE DOS RELEVADORES
(a)
0.3
0.2
0.1
−0.1
−0.2
0 2 4 6 8 10 12 14 16 18 20
(b)
0.3
0.2
0.1
−0.1
−0.2
0 2 4 6 8 10 12 14 16 18 20
(c)
1
0.5
−0.5
−1
0 2 4 6 8 10 12 14 16 18 20
Tiempo [s]
Figura 3.8: Resultados experimentales bajo c1 = 0.20 y c2 = 0.20. (a) Posición

50
DE DOS RELEVADORES
Fig. 3.8(c) se muestra otro conjunto de resultados numéricos bajo c1 = 0.20

y c2 = 0.20 donde se obtiene una frecuencia de ω = 7.2 rad/s y una amplitud
ap = 0.25 rad.
51
DE DOS RELEVADORES
3.3. Robustificación de las auto-oscilaciones

via identificación y rechazo de pertur-
baciones
Considere el sistema perturbado
ẋ = f (x) + g(y)(u(t) + φ(t)) (3.23)

σ = g(x) (3.24)
y = h(x) (3.25)
donde x(t) ∈ Rn es el vector de estados, y(t) es la salida medible y σ(t) es

la salida objetivo que contiene el estado donde se busca el comportamiento
oscilatorio. En la sección 3.1 se consideró que la salida medible y(t) contiene
el estado completo. En este caso se considera que la salida medible solo
contiene las posiciones del sistema. Otra diferencia, es que en este caso el
sistema considera perturbaciones φ(t) que representan dinámicas no mode-
ladas, incertidumbres paramétricas y perturbaciones exógenas.
En esta sección se busca resolver el problema de estabilización orbital en

el sistema (3.23)-(3.25) considerando que no se tiene la medición del estado
completo, y que existen perturbaciones. Para ello se propone un observa-
dor por modos deslizantes de alto orden basado en el derivador de Levant
[42] para estimar las velocidades del sistema y rechazar las perturbaciones
acopladas φ(t).
52
DE DOS RELEVADORES
3.3.1. Diseño del controlador

Recordando el sistema (3.23)-(3.25), y con el observador de la sección 2.3
se propone la acción de control,
u(t) = ū(t) − φ̂(t) (3.26)

ˆ son las perturbaciones
donde ū(t) se diseña como en la sección 3.2 y φ(t)
identificadas (2.26), tal que sustituyendo 3.26 en el sistema (3.23)-(3.25) se
rechazan las perturbaciones en tiempo finito. obteniendo el sistema,
ẋ = f (x) + g(y)(ū(t)), (3.27)

σ = g(x), (3.28)
y = x̂. (3.29)
El controlador inicia hasta que el observador haya convergido por lo el

estado estimado es exactamente el estado x(t) = x̂(t). En este punto, el
sistema esta libre de perturbaciones, y de dinámicas no modeladas, por lo que
una linealización de este sistema es más confiable. Considere una linealización
a lo largo de un punto de equilibrio x0 :
ẋ = Ax + B ū, (3.30)
y = x, (3.31)
σ = Cx. (3.32)
donde
∂f (x) ∂g(x)
A= , B= . (3.33)
∂x x=x0
∂x x=x0
53
DE DOS RELEVADORES
Observe que el sistema linealizado (3.30)-(3.32) es exactamente el mismo

sistema con el que se inicia la sección 3.1. Por lo que el controlador se propone
de la misma forma que en la sección anterior,
ū = −Kx − c1 sign(σ) − c2 sign(σ̇). (3.34)
donde K se calcula de tal forma que la matriz A−BK sea Hurwitz. Entonces
las ganancias c1 y c2 se pueden calcular para una amplitud ap y frecuencia Ω
deseada a través de (3.5) y (3.6).
Para corroborar el correcto funcionamiento del observador se realizaron

experimentos en el carro-péndulo INTECO mostrado en la Figura 3.2, que
se representa por el modelo (3.9) con los parámetros del Cuadro 3.1. Se
realizaron cuatro experimentos con diferentes escenarios:
Nominal: Este escenario contempla una ley de control para el sistema

nominal en ausencia de perturbaciones y asumiendo el estado conocido.
Las velocidades se obtienen mediante un derivador numérico. Este esce-
nario se encuentra en la Figura 3.9 (a).
Robusto sin perturbaciones: En este escenario se usa un observa-

dor por modos deslizantes de orden superior para estimar el estado e
identificar las dinámicas no modeladas. Dicha información se alimenta
al controlador para que rechace los efectos de las dinámicas no mode-
ladas y otorgue robustez. Este escenario se encuentra en la Figura 3.9
(b).
Perturbado: Este caso el controlador esta afectado por la presencia

de perturbaciones y dinámicas no modeladas, las velocidades son es-
54
DE DOS RELEVADORES
timadas para evitar las discontinuidades del derivador numérico. Este

escenario se encuentra en la Figura 3.9 (c).
Robusto y perturbado: En este caso el controlador se encuentra

rechazando las perturbaciones, esta estimando las velocidades, y se
están añadiendo perturbaciones exógenas Lipschitz en el sistema. Este
escenario se encuentra en la Figura 3.9 (d).
0.4 0.4
0.2 0.2
0 0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.15 -0.1 -0.05 0 0.05 0.1 0.15 -0.15 -0.1 -0.05 0 0.05 0.1 0.15
0.4 0.4
0.2 0.2
0 0
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.15 -0.1 -0.05 0 0.05 0.1 0.15 -0.15 -0.1 -0.05 0 0.05 0.1 0.15
Figura 3.9: Ciclos límite de la robustificación de oscilaciones por identificación

y rechazo de perturbaciones. (a) Caso nominal. (b) Caso robusto sin presencia
de perturbaciones. (c) Caso perturbado (d) Caso robusto y perturbado.
En el caso perturbado (Figura 3.9 (c)) se observa como la estimación de

las velocidades son suaves y se observa de mejor manera el ciclo límite con
la interactuación de las dinámicas no modeladas. A diferencia, se observa en
55
DE DOS RELEVADORES
el caso robusto sin perturbaciones (Figura 3.9 (b)) que el observador esta
rechazando dinámicas no modeladas y el ciclo límite tiene una forma que se
repite en cada periodo. En el caso robusto donde se tienen perturbaciones
exógenas (Figura 3.9 (d)) se observa la misma amplitud y frecuencia en el
ciclo límite que el caso no perturbado, aún en presencia de perturbaciones, por
lo que el observador demuestra su capacidad de robustez ante perturbaciones
acopladas.
3.4. Resumen
El método de dos relevadores descansa en la hipótesis de que el sistema es
lineal y tiene propiedades de filtro pasa-bajas. La desventaja de este método
es que es aproximado debido a las truncaciones generadas por linealizar el
sistema y quedarse solo con el primer armónico. Esta técnica es de gran
utilidad debido a su fácil desarrollo e implementación y ha presentado muy
buenos resultados en aplicaciones donde se buscan oscilaciones prescindiendo
un poco de la precisión, por ejemplo en el movimiento de robots bio-inspirados
que estan diseñados de tal manera que se desplazan cuando se excita un
movimiento oscilatorio, por ejemplo el de una víbora. Se presentó la estrategia
de dos relevadores con una robustificación de perturbaciones y dinámicas no
modeladas en las auto-oscilaciones via identificación y rechazo de pertur-
baciones acopladas a la entrada de control.
En [23] se utiliza el observador de una manera similar en una rueda

inercial, donde se linealiza exactamente por medio de un controlador el
modelo de la rueda inercial, por lo que el diseño de las ganancias c1 y c2
serán más precisas que en el caso de la linealización a lo largo del punto de
56
DE DOS RELEVADORES
equilibrio por series de Taylor. Se obtendrían mejores resultados en el carro

péndulo con la linealización presentada en [23].
57
Capítulo 4
Estabilización orbital robusta

por medio de restricciones
virtuales holonómicas
En este capítulo se utiliza el método de restricciones virtuales holonómicas

presentado en [14] considerando solo la medición de las posiciones y la presencia
de perturbaciones externas en un sistema mecánico con un grado de subac-
tuación. Para brindar robustez se combina el controlador con un observador
por modos deslizantes presentado en [23] para identificar, rechazar las per-
turbaciones y estimar las velocidades del sistema. Después, se presenta el
desarrollo de la metodología en un carro-péndulo y finalmente se muestran
resultados experimentales.
4.1. Planteamiento del problema

Considere un sistema mecánico representado con,
58
CAPÍTULO 4. ESTABILIZACIÓN ORBITAL ROBUSTA POR MEDIO
DE RESTRICCIONES VIRTUALES HOLONÓMICAS
M (x1 )ẋ2 = B(x1 )(τ + φ(x1 , x2 , t)), (4.1)
donde x1 ∈ Rn es el vector de coordenadas generalizadas y x2 ∈ Rn representa

su derivada temporal, τ ∈ Rm es la acción de control, φ(x1 , x2 , t) ∈ Rm
representa las perturbaciones y dinámicas no modeladas como las fuerzas de
Coriolis y de gravedad. M (x1 ) es la matriz de inercia que es definida positiva
para todo x1 , y B(x1 ) es el vector de distribución de entradas. Este trabajo
esta dedicado a sistemas de grado de subactuación simple, i.e., n − m = 1.
Se define el vector de salida como,
y = x1 , (4.2)
que solo contiene las posiciones del sistema (4.1). Se definen las siguientes
relaciones geométricas entre las coordenadas generalizadas,
x1i := ϕi (θ, c), x1n := θ, (4.3)
del sistema (4.1) donde c es un vector de parámetros y θ es la coordenada

independiente. En la literatura estas relaciones geométricas son llamadas
restricciones virtuales holonómicas (el concepto de restricción virtual holo-
nómicas fue introducido en la subsección 2.2). La coordenada subactuada es
la coordenada independiente θ, y las otras coordenadas son restringidas con
respecto a θ. En [14], se demuestra que si las RVH se cumplen, entonces la
dinámica cero del sistema mecánico (4.1) puede se escrita por la ecuación
α(θ, c)θ̈ + β(θ, c)θ̇2 + γ(θ, c) = 0. (4.4)
En [35], se presentan las condiciones suficientes de existencia de soluciones

periódicas de (4.4). Una propiedad muy importante de (4.4) es que existe una
59
integral general de movimiento definida en la sección 2.2.1, que se mantiene

en el origen a lo largo de una solución periódica de la ecuación (4.4).
Entonces el objetivo de control es diseñar un control por realimentación

de salida robusto τ tal que las RVH se satisfagan, por lo que, la dinámica
cero de (4.1) presenta una solución periódica
θ∗ (t) = θ∗ (t + T ) (4.5)
asintóticamente estable a pesar de el efecto de perturbaciones φ(x1 , x2 , t).
En la siguiente sección se utiliza un observador por modos deslizantes

para estimar las velocidades e identificar y rechazar las perturbaciones, incer-
tidumbres paramétricas y dinámicas no modeladas. El proceso es muy similar
al utilizado en la sección 2.3.
4.2. Diseño del observador

La solución del problema de estabilidad orbital en sistemas subactuados
por medio de restricciones virtuales holonómicas ha sido ampliamente estu-
diado en [14, 7, 36] bajo el escenario donde se tiene conocimiento completo de
la planta. Sin embargo, no es trivial conocer la dinámica de algunas plantas
como la matriz de Coriolis o fricciones. De manera que se propone un ob-
servador por modos deslizantes de alto orden para identificar las dinámicas
no modeladas y perturbaciones exógenas. La contribución principal de este
capítulo es obtener estabilización orbital en un sistema mecánico con un
grado de subactuación midiendo solo las posiciones del sistema y sin tener
conocimiento preciso del modelo, además de estar sujeta a la acción de per-
60
turbaciones. Se suponen conocidas la matriz de inercias M (x1 ) y el vector

de distribución de entradas B(x1 ) bajo la presencia de perturbaciones con
dinámica acotada φ(x1 , x2 , t).
Para diseñar el observador se escribe el sistema (4.1) en espacio de estados,
ẋ1 = x2 ,
ẋ2 = M −1 (x1 ) [B(x1 )[τ + φ(x, t)]] , (4.6)
y = x1
donde x1 = q son las posiciones y x2 = q̇ son las velocidades del sistema. El

vector de estados es definido por x ∈ R2n , x = [x1 , x2 ]T . La salida medible se
define por y ∈ Rn la cual solo contiene las posiciones del sistema. Considere
x∗ ∈ R ⊂ Rn como el punto de equilibrio del sistema (4.6). Para utilizar el
observador se hacen las siguientes consideraciones.
Suposición 3. Se define φ(x, t) = φ1 (x, t) + φ2 (x1 , t).

Existen las constantes positivas C1 , C2 , φ̄2 > 0 tal que,
kφ1 (x, t)k ≤ C1 kxk, kφ2 (x1 , t)k ≤ C2 , kφ̇2 (x1 , t)k ≤ φ̄2 , ∀t ≥ 0.
Suposición 4. Para cada condición inicial x0 en un vecindario de x∗ , para

cada entrada de control τ y para cada φ(x, t) satisfaciendo la suposición 3,
las soluciones del sistema (4.6) son definidas y permanecen acotadas para
todo t ≥ 0.
La suposición 3 se refiere a la separación del término φ(x, t) en φ1 (x, t)

que corresponde a perturbaciones desvanecientes con dinámica acotada y en
61
otro termino φ2 que representa a perturbaciones Lipschitz. La suposición 3

significa que la entrada esta acotada, en consecuencia los estados estados
también. Considerando que (4.1) es un sistema mecánico, las condiciones 1
y 2 resultan en realistas y fáciles de suponer.
El sistema (4.6) tiene grado relativo completo, en consecuencia satisface

la condición de observabilidad algebraicamente fuerte [23], por lo que bajo
las suposiciones 3 y 4 es posible diseñar un observador por modos deslizantes
de alto orden que estime el estado x(t) e identifique las perturbaciones φ(t)
teóricamente en tiempo finito.
Si se define la variable z = M −1 (x1 )B(x1 )φ2 , entonces el sistema (4.6)
puede ser escrito como
ẋ1 = x2 , (4.7)
ẋ2 = M −1 (x1 )B(x1 )τ + z + φ1 (x, t), (4.8)
ż = ξ(t, x), (4.9)
y = x1 . (4.10)
donde
d h −1 i
ξ(t, x) =M (x1 )B(x1 ) φ2 + M −1 (x1 )B(x1 )φ̇2 . (4.11)
dt
Cumpliendo la suposición 3 existe una constante positiva Lξ tal que la
desigualdad
d h −1 i
M (x1 )B(x1 ) φ2 + M −1 (x1 )B(x1 )φ̇2 < Lξ (4.12)
dt
se mantiene ∀t > 0. Note que la matriz M −1 (x1 ) existe y es definida positiva
para todo x1 ∈ Rn . Considerando que las velocidades se encuentran acotadas,
d
el termino [M −1 (x1 )B(x1 )] φ2 esta acotado. Se propone el siguiente obser-
dt
vador
62
x̂˙ 1 = x̂2 + κ1 de1 c2/3 , (4.13)

x̂˙ 2 = M −1 (x1 ) [B(x1 )τ ] + ẑ + κ2 de1 c1/3 , (4.14)
ẑ˙ = κ3 de1 c0 . (4.15)
donde x̂1 , x̂2 , ẑ, respectivamente son los valores estimados de x1 , x2 , z, y

e1 = x1 − xˆ1 es el error de observación. Siguiendo [43] las ganancias del
observador son
1/3 2/3
κ1 = 3.1Lξ , κ2 = 5.7Lξ , κ3 = 1.1Lξ . (4.16)
donde Lξ es una matriz diagonal.
Como resultado, existe un tiempo finito tf > 0 tal que el estado estimado
es x̂ = x para todo t ≥ tf . Y se puede calcular las perturbaciones identificadas
con
φ̂ = B + (x1 )M (x1 )z. (4.17)
donde B + (x1 ) es la pseudoinversa de la matriz de distribución de entradas

B(x1 ). Entonces, se tiene el estado estimado y las perturbaciones identificadas
en tiempo finito, i.e.,
x̂ ≡ x y φ̂ ≡ φ, ∀t > tf . (4.18)
63
4.3. Diseño del controlador basado en restric-

ciones virtuales holonómicas
Usando los resultados del observador, en esta sección se diseña una ley
de control τ robusta para estabilizar orbitalmente θ. Primero, se define un
conjunto de RVH, después, se encuentra la integral general de movimiento
a lo largo de una solución periódica de la dinámica remanente generada por
la acción de control. Por medio de esta integral de movimiento se puede
encontrar un sistema lineal periódico. Finalmente se debe de estabilizar este
sistema periódico con esta metodología se reduce el problema de estabili-
zación orbital a la estabilización de un sistema lineal no autónomo, el cual
se solucionará en este caso por medio de un regulador lineal basado en la
ecuación diferencial periódica de Riccati. Desde ahora se considera que x = x̂
y φ = φ̂, es decir que el controlador se inicia hasta que el observador converja.
Para hacer invariantes las RVH se introduce la siguiente salida,
σi := x1i − ϕi (θ, c), ∀i = 1, . . . , n − 1, (4.19)
tal que, si σ = 0, las relaciones (4.3) se satisfacen. La dinámica de salida σ a

lo largo de las trayectorias del sistema (4.1) puede ser escrita por:
σ̈ = K(σ, θ)(τ + φ) + R(σ̇, σ, θ̇, θ). (4.20)
donde la función K(·) es no singular a lo largo de la órbita elegida (4.5), y

la función R(·) contiene todos los términos independientes de la entrada de
control τ .
Entonces, se propone la siguiente acción de control
64

−1 ˙
˙ θ, θ̂)
τ = K(σ, θ) v − R(σ, σ̂, − φ̂(x, t). (4.21)
donde φ̂(x, t) es la perturbación identificada en (4.18). Usando (4.3) y (4.18)

se obtiene θ̂ = x̂1n . Diferenciando (4.19) con respecto al tiempo y usando el
˙
estado estimado en (4.18), se obtiene σ̂˙ i := x̂˙ i − (∂ϕi (θ, c)/∂t)θ̂. Por lo que,
el sistema (4.1) se puede rescribir como
α(θ)θ̈ + β(θ)θ̇2 + γ(θ) = gσ (θ, θ̇, θ̈, σ, σ̇)σ + gσ̇ (θ, θ̇, θ̈, σ, σ̇)σ̇ + gv (θ, θ̇, θ̈, σ, σ̇)v,
(4.22)
σ̈ = v. (4.23)
donde v es un controlador estabilizante que será definido en la siguiente

sección. Note que la dinámica remanente (4.22) tiene la forma de una ecuación
de Liénard, la cual tiene soluciones numéricas. Ahora se pueden utilizar las
propiedades de la integral general de movimiento revisadas en la sección 2.2.1,
se emplea el Lema 2 con el sistema (4.22)-(4.23) para encontrar
2θ̇
I˙ = {gσ (·)σ + gσ̇ (·)σ̇ + gv (·)v − β(θ)I} , (4.24)
α(θ)
σ̈ = v. (4.25)
Es evidente que los sistemas (4.22)-(4.25) no son equivalentes, pero el

sistema (4.24)-(4.25) es necesario para el desarrollo de la acción de control
v, ya que el uso de la integral general de movimiento permite reducir el
problema de estabilización orbital a la estabilización de la integral general de
movimiento y las restricciones virtuales holonómicas.
65
4.3.1. Controlador estabilizante por realimentación

Se define el nuevo estado ζ = [I, σ, σ̇]T , tal que el sistema (4.24-4.25)
evaluado a lo largo de una solución elegida (4.4), puede ser escrito en la
representación de espacio de estados como
ζ̇ = A(t)ζ + b(t)v, (4.26)
con
2θ̇∗ β(θ∗ ) 2θ̇∗ gσ (·) 2θ̇∗ gσ̇ (·)
 
−
α(θ∗ ) α(θ∗ ) α(θ∗ ) 
 

A(t) =  , (4.27)
 
 0(m×1) 0(m×m) I(m)  
 
0(m×1) 0(m×m) 0(m×m)
#T
2θ̇∗ gv (·)
"
b(t) = , 0(m×m) , I(m) . (4.28)
α(θ∗ )
Las matrices A(t) y b(t) son periódicas ,i.e., A(t) = A(t + T ) y b(t) =
b(t + T ). En [14] se establece que el sistema es completamente controlable en
el intervalo [0, T ]. Para más detalles sobre la controlabilidad de este sistema
en específico se puede revisar en [52, Teorema 9.2 p.143].
Cualquier ley de control que estabilice el sistema auxiliar (4.26) hará

invariantes las RVH y mantendrá en cero la integral general de movimiento
I definida en el Teorema 1. Se representa la función b(t) con
" #T
2θ̇gv (θ, θ̇, σ, σ̇)
b(θ, θ̇, σ, σ̇) = , 0, 1 . (4.29)
α(θ)
donde las variables θ̇(t), θ(t) = x1n , σ̇i (t), σi (t) = x1i (t)−ϕi (θ(t), c) dependen
de las posiciones x1 y las velocidades x2 del sistema (4.1), la cual es diferente
al vector de distribución b(t) del sistema auxiliar (4.26) que está evaluado
a lo largo de una órbita deseada θ∗ . Esta función b(θ, θ̇, σ, σ̇) se utiliza en
66
el controlador estabilizante debido a que depende de las variables reales del

sistema. Cabe aclarar que si se utilizara la función (4.28) el sistema no se
estabilizaría. Para estabilizar el sistema auxiliar, se utiliza el regulador lineal
presentado en [14],
v = −Ω−1 b(θ, θ̇, σ, σ̇)T W (t)ζ, (4.30)
donde Ω > 0 es la matriz de peso y W (t) > 0 es una función periódica

definida positiva para todo t. En la siguiente proposición de [14] se presenta
la ecuación diferencial de Riccati.
Proposición 2. [14, p. 1168]

Con una matriz (n − 1) × (n − 1) Γ = ΓT > 0 y una matriz de (2n − 1) ×
(2n − 1) G = GT > 0, suponga que el sistema
d
ζ = A(t)ζ + b(t)v,
dt
es completamente controlable en [0, T ], entonces existe una matriz de (2n −
1) × (2n − 1) R(t), que es periódica R(t) = R(t + T ) y simétrica R(t) = R(t)T
∀, t ∈ [0, T ], que satisface la ecuación de Lur’e Riccati
Ṙ(t) = A(t)T R(t) + R(t)A(t) + G = R(t)b(t)Γ−1 b(t)T R(t) (4.31)
∀ t ∈ [0, T ] con A(t) y b(t) definidas en (4.27)-(4.28), tal que el controlador

por realimentación
v = −Γ−1 b(t)T R(t)ζ, (4.32)
ofrece estabilidad exponencial al sistema lineal periódico (4.26). Sin embargo,

a lo largo de cualquier solución de ζ(t) del sistema en lazo cerrado (4.26) y
(4.32) la siguiente igualdad se mantiene,
67
d h i
ζ(t)T R(t)ζ(t) = −ζ(t)T G(t)ζ(t) − v(t)T Γv(t).
dt

Finalmente, con el regulador lineal (4.30) se estabiliza el sistema auxiliar

(4.26), en consecuencia las RVH son invariantes y la dinámica remanente tiene
la estructura de una ecuación de Lienard que tiene soluciones periódicas y
por medio de la integral general de movimiento y el regulador lineal provoca
que la solución periódica resultante sea la solución periódica deseada θ(t). Se
resume la contribución de este capítulo en la siguiente proposición:
Proposición 3. Considere el sistema Euler-Lagrange perturbado (4.1) con

la salida medible y = x, y el cambio de coordenadas dado en (4.6). Si se
satisfacen las suposiciones 3 y 4, el observador (4.13)-(4.15) con las ganancias
seleccionadas siguiendo (4.16) converge en tiempo finito. Por lo que el con-
trolador (4.21) iniciando cuando el observador esta en régimen deslizante
provoca que la coordenada subactuada θ(t) definida en (4.3) converja asin-
tóticamente a la órbita deseada θ∗ (t) definida en (4.5), a pesar de presencia
de perturbaciones φ.
4.4. Análisis de estabilidad del lazo cerrado

En esta sección se analiza la dinámica de lazo cerrado del controlador y
el observador. Primero, se calcula la dinámica de salida (4.19) a lo largo de
las trayectorias del sistema (4.1) con el controlador (4.21), obteniendo σ̈ = v.
Asumiendo que el observador ya ha convergido, el controlador rechaza las
perturbaciones e incertidumbres. Como resultado la dinámica en lazo cerrado
es el sistema (4.22)-(4.23), que de acuerdo al Lema 2 se escribe el sistema
68
(4.24)-(4.25), que utilizando el vector de estados ζ = [I, σ, σ̇]T se puede

escribir de la siguiente forma:
ζ̇ = Ā(t)ζ + b̄(t) (v) , (4.33)
donde las matrices Ā(t) y b̄(t) son definidas por


2θ̇β(θ) 2θ̇gσ (·) 2θ̇gσ̇ (·)
 
2θ̇gv (·)

−
α(θ) α(θ) α(θ)   α(θ) 
  

Ā(t) =  , b̄(t) =  0 .
   
 0(m×1) 0(m×m) I(m)    (m×m) 
   
0(m×1) 0(m×m) 0(m×m) I(m)
La diferencia entre el sistema (4.33) y el sistema (4.26) que esta evaluado
en θ∗ . El sistema (4.33) si depende de las variables de posición que se están
midiendo del sistema mecánico, y de las velocidades estimadas por el obser-
vador.
Basándose en [14] se introduce la siguiente función candidata de Lyapunov

para analizar la estabilidad del sistema 4.33,
V (t, σ, σ̇, xp , x˙p ) = ζ(t)T W (t)ζ(t), (4.34)
donde la siguiente desigualdad se satisface,
λM {W (t)}kζ(t)k2 ≤ ζ(t)T W (t)ζ(t) ≤ λm {W (t)}kζ(t)k2 (4.35)
con λM {W (t)} > 0 y λm {W (t)} > 0. Por lo que la derivada temporal de

la función candidata de Lyapunov a lo largo de las trayectorias del sistema
4.33 es
h i
V̇ (t, σ, σ̇, xp , ẋp ) = ζ(t)T −G − W (t)b(t)Ω−1 bT (t)W (t) + ∆(t) ζ(t) (4.36)
69
con
h i h iT
∆(t) = W (t) Ā(t) − A(t) + Ā(t) − A(t) W (t)
h i h iT (4.37)
−1
+ 2W (t) b(t) − b̄(t) Ω b(t) − b̄(t) W (t)
En la derivada se observa que G y Ω son parámetros de diseño que son

definidos positivos, pero el termino ∆(t) no tiene signo definido, por lo que
se necesita analizar si este termino puede ser acotado, para ello se utiliza
el teorema de la dependencia continua de las condiciones iniciales [14] que
define lo siguiente:
Proposición 4. Para cualquier > 0, existe una δ = δ() tal que si dos
vectores
h i h i
ω01 = θ01 , θ̇01 , σ01 , σ̇01 , ω02 = θ02 , θ̇02 , 0, 0
cumplen
||ω01 − ω02 || < δ y ω02 ∈ O
donde el conjunto O es la órbita de la solución deseada (4.5), i.e.,

n o
O = [θ, θ̇, σ, σ̇] : θ = θ∗ , θ̇ = θ̇∗ , σ = 0, σ̇ = 0 . (4.38)
entonces las soluciones ω1 (t) = ω1 (t, ω01 ) y ω2 (t) = ω2 (t, ω02 ) del lazo cerrado
(4.22), (4.23), (4.30) inicializado en ω01 y ω02 en t = t0 , respectivamente,
satisfacen la desigualdad
||ω1 (t) − ω2 (t)|| < , t ∈ [t0 , t0 + T ] . (4.39)
La desigualdad (4.39) se mantiene independientemente de la estabilidad de

la órbita (4.5).
70
Esta propiedad en necesaria para probar la estabilidad orbital de la solución

h i
(4.5). Considere como condiciones iniciales ω0 = θ0 , θ̇0 , σ0 , σ̇0 y la solución
h i
ω(t) = θ(t), θ̇(t), σ(t), σ̇(t) del sistema 4.33 iniciado en ω0 .
Considere solo las condiciones iniciales ω0 que pertenecen a una vecindad

de la órbita O, Esta vecindad se elige como ∗ la mitad del valor propio más
pequeño de G, es decir
1
∗ = min{λ(G)}. (4.40)
2
La proposición 4 indica que existe una constante positiva δ1 = δ1 (∗ ) tal
que si el vector ω0 tiene una distancia menor que δ1 a la órbita O
dist{ω0 , O} < δ1 (4.41)
entonces, la solución ω(t) = ω(t, ω0 ) satisface la desigualdad
dist{ω(t), O} < ∗ , t ∈ [t0 , t0 + T ] . (4.42)
Por lo que la siguiente desigualdad se satisface
||∆(t, θ, θ̇, θ∗ , θ̇∗ )|| < ∗ . (4.43)
Como consecuencia, la cota (4.43) nos permite acotar la derivada temporal

de la función candidata de Lyapunov como
V̇ (t) ≤ −ζ(t)T [G] ζ(t) + ∗ ||ζ(t)||2 (4.44)

≤ (∗ − min {λ(G)})||ζ(t)||2 (4.45)
= −∗ ||ζ(t)||2 . (4.46)
71
Resultando, que el sistema (4.33) converge asintóticamente al origen, lo que

implica que las restricciones virtuales holonómicas se satisfacen, y la solución
deseada es orbitalmente estable en la órbita O a pesar de la presencia de
perturbaciones.
4.5. Estabilización orbital del carro péndulo

Considere el siguiente carro-péndulo
aẍc + b cos(xp )ẍp − bx˙p 2 sin(xp ) = τ + φ, (4.47)

b cos(xp )ẍc + cẍp − dg sin(xp ) = 0, (4.48)
donde xc ∈ R es la posición del carro, xp ∈ R es la posición angular entre

el eje vertical y el péndulo. ẋc ∈ R es la velocidad del carro y ẋp ∈ R es
la velocidad del péndulo. Las perturbaciones y dinámicas no modeladas son
denotadas por φ ∈ R. La ley de control es τ ∈ R. g es la constante de
gravedad, los parámetros a, b, c, d fueron identificados y se encuentran en la
Tabla (4.1). El diagrama del carro péndulo se muestra en la Figura 4.1. La
posición del carro esta físicamente acotada por la longitud del riel 1.8 m.
Diseño del observador

Se introduce el sistema extendido
72
Figura 4.1: Diagrama del carro péndulo.
73
ẋ1 = x2 , (4.49)
bcẋ2p
 
sin(xp ) − bdg sin(xp ) cos(xp ) + cτ
 
 ac − b2 cos2 (xp ) 
ẋ2 =  adg sin(x ) − b2 ẋ2 sin(x ) cos(x ) − b cos(x )τ  + x3 ,
  (4.50)
 p p p p p 
ac − b2 cos2 (xp )
ż = ξ(t, x1 , x2 ), (4.51)
y = x1 . (4.52)
donde el estado extendido es


c 
 ac − b2 cos2 (x ) 
p 
x3 =  −b cos(x )  φ. (4.53)

 p 
ac − b cos (xp )
2 2
El sistema (4.49)-(4.52) tiene grado relativo completo respecto a τ ; por lo

que, el sistema es algebráicamente fuertemente observable. Las suposiciones 3
y 4 se satisfacen. En consecuencias el estado x = [x1 , x2 ]T y las pertur-
baciones φ(t, x1 , x2 ) son estimadas por el observador:
x̂˙ 1 = x̂2 + κ1 Γ 1/3 dye c2/3 , (4.54)

bcẋ2p sin(xp ) − bdg sin(xp ) cos(xp ) + cτ
 
 
x̂˙ 2 = + κ2 Γ 2/3 dye c1/3 ,
 
 adg sin(x ) − b2 ẋ2 sin(x ) cos(x ) − b cos(x )τ  + ẑ
 
 p p p p p 
(4.55)
ẑ˙ = κ3 Γ dye c0 . (4.56)
con el error de observación ye = x1 − x̂1 . Se obtiene en tiempo finito el

estimado del estado x̂ = [x̂1 , x̂2 ]T , y siguiendo (4.17) se identifican las per-
74
turbaciones con
" #
c(ac − b2 cos2 (xp )) b3 cos3 (xp ) − abc cos(xp )
φ̂ = z. (4.57)
b2 cos2 (xp ) + c2 b2 cos2 (xp ) + c2
Ahora se puede proponer un controlador usando el término de perturbación

estimado φ̂ y el estado estimado x̂.
Elección de la órbita deseada

Primero se define la RVH
σ := xc + L sin xp (4.58)
como la salida a ser controlada. Esta variable representa la RVH que restringe
la posición del carro xc a la posición angular del péndulo xp . Se deriva dos
veces la salida σ para obtener la dinámica de salida
σ̈ = ẍc + L cos(xp )ẍp − L sin(xp )ẋ2p . (4.59)
Considere que σ̈ = 0. Se evalua (4.48) en (4.59) para obtener
[c − bL cos2 (xp )]ẍp + [bL sin(xp ) cos(xp )] ẋ2p − dg sin(xp ) = 0. (4.60)
Se elige una solución de (4.60) con las condiciones iniciales x∗p (0) =
x∗p 0 , x˙p ∗0 = x˙p ∗0 como la solución periódica deseada x∗p = (x∗p + T ).
Diseño del controlador

Se calcula la segunda derivada de la salida a lo largo de las trayectorias
del sistema (4.49)-(4.51),
75
σ̈ = K(xp )(τ + φ) + R(xp , ẋp ), (4.61)
donde
c − b cos(x2 )
K(xp ) = ,
bcẋ2p sin(xp ) − bdg sin(xp ) cos(xp )
R(xp , ẋp ) =
adg sin(xp ) − b2 ẋ2p sin(xp ) cos(xp )
!
+ L cos(xp ) − L sin(xp )ẋ2p .
(4.62)
Siguiendo (4.21) se propone el controlador
h i
τ = K(xp )−1 v − R(xp , x̂˙ p ) − φ̂. (4.63)
Sistema periódico auxiliar

La dinámica subactuada del carro péndulo (4.48) a lo largo de la dinámica
de salida es
[c − bL cos2 (xp )]ẍp + bL sin(xp ) cos(xp )ẋ2p − dg sin(xp ) = −b cos(xp )v,
por lo que el controlador (4.63) transforma el sistema (4.47)-(4.48) en,
76
[c − bL cos2 (xp )]ẍp + [bL sin(xp ) cos(xp )] ẋ2p − dg sin(xp ) = −b cos(xp )v,
(4.64)
σ̈ = v, (4.65)
Usando el Lema 2, se encuentra el siguiente sistema
−2bx̂˙ p
I˙ = [cos(xp )v + L sin(xp ) cos(xp )I]
c − bL cos2 (xp ) (4.66)
σ̈ = v,
que es escrito en su representación de espacio de estados y se evaluá a lo

largo de la órbita deseada x∗p . El sistema auxiliar es
d
ζ = A(t)ζ + b(t)v, (4.67)
dt
donde A(t) y b(t) son,
2bx̂˙ ∗p L sin(x∗p ) cos(x∗p ) 2bx̂˙ ∗p cos(x∗p )

   
 0 0  

 bL cos2 (x∗p ) − c 

 bL cos2 (x∗ ) − c 
 p 
A(t) =  , b(t) =  .

 0 0 1


 0 

   
0 0 0 1
(4.68)
Controlador estabilizante v
Se calcula la integral general de movimiento de la dinámica (4.64) con el
teorema 1 como
77
Tabla 4.1: Parámetros del experimento.
Carro Péndulo Observador Controlador

a 0.0516 Γ1 60 L 1.4
b 0.0036 Γ2 60 x∗p (0) 0.2
c 0.0012 ẋ∗p (0) -0.2
d 0.0034 Ω 0.5
g 9.81 G diag{15, 15, 15}
2

2 x̂˙ ∗p (0) Lb − 2c + Lb cos 2x∗p (0) 2gd cos (xp ) − cos x∗p (0)
I = x̂˙ p − + .
Lb − 2c + Lb cos (2xp ) c − Lb cos2 (xp )
(4.69)
Tal que el controlador (4.30) del sistema auxiliar (4.67) es
v = −Ω−1 b(x̂˙ p , xp )T W (t)ζ, (4.70)
con
2 
x̂˙ ∗p (0) Lb − 2c + Lb cos 2x∗p (0)

2 2gd cos (xp ) − cos x∗p (0)
x̂˙ − + 
 p
 Lb − 2c + Lb cos (2xp ) c − Lb cos2 (xp ) 

ζ(t) =  ,

 xc + L sin(xp (t)) 

 
x̂˙ c + L cos(xp (t))x̂˙ p (t)
−2x̂˙ p cos(xp )
" #
b(x̂˙ p , xp )T = , 0, 1 .
1 − L cos2 (xp )
78
Con el fin de corroborar la teoría se presentan resultados experimentales.

El experimento se llevo a cabo en el carro péndulo mostrado en la Figura 3.2.
El tiempo de muestreo es de 0.001 s. Los encoders son de 4096 y 1024 pulsos
por revolución, midiendo el carro y el angulo del péndulo respectivamente.
Se utilizó Euler como algoritmo de integración a través de la instrucción ode1
de Matlab. En la Tabla 4.1 se muestran los parámetros de la planta (4.49)-
(4.52), del observador (4.54)-(4.56) y del controlador (4.63), (4.70).
Para observar la contribución del observador al desempeño del controlador

se realizaron experimentos con dos escenarios diferentes: primero, el caso
nominal, cuando no se utiliza el observador, es decir la acción de control τ
es
τ = K(xp )−1 [v − R(xp , ẋp )] ,
por lo que la planta es afectada por perturbaciones. En el segundo escenario,

el caso robusto, se esta utilizando el observador para rechazar las pertur-
baciones.
La Figura 4.2 muestra el ciclo límite del escenario nominal en presencia
de dinámicas no modeladas y perturbaciones, donde se observa que hay
una fuerte discrepancia entre la órbita deseada y la real, pero se mantiene
orbitalmente estable en una región cercana a la órbita deseada. En la Figura 4.3
se muestra el caso robusto donde se observa una diferencia a diferencia del
caso nominal, en este experimento se puede notar el correcto funcionamiento
del observador, el cual esta rechazando las dinámicas no modeladas y per-
turbaciones exógenas. Gracias a ello, el controlador puede llevar al origen
de forma robusta a las variables I, σ y σ̇ como lo muestra la Figura 4.6,
donde se comparan las trayectorias en los dos escenarios y se observa que se
desempeña mejor en el caso robusto, este resultado significa que el sistema
79
Figura 4.2: Plano de fase de la órbita generada en el caso nominal.
Figura 4.3: Plano de fase de la órbita generada en el caso robusto.
80
NOMINAL ROBUSTO
I 0.2264 0.0956
σ 0.0924 0.0409
σ̇ 0.2276 0.1121
Figura 4.4: Errores RMS del sistema auxiliar
auxiliar, el sistema variante en el tiempo con el estado ζ, se estabiliza y como

la teoría lo indica, provoca que la coordenada subactuados, en este caso la
posición del péndulo converja a la órbita deseada. Dada la misma naturaleza
de la RVH elegida igualmente se presenta un comportamiento oscilatorio en
la posición del carro, como se muestra en la Figura 4.5.
Otro resultado se muestra en la Figura 4.7 donde se muestra una dismi-

nución de picos en el caso robusto, esto se debe principalmente en que la
ley de control depende de las velocidades del péndulo, por lo que al utilizar
la estimación de las velocidades del observador por modos deslizantes de
orden superior se obtiene una señal continua, sin picos y discontinuidades
provocados por el uso de un derivador sucio como se observa en la Figura 4.5.
También se calcula el error RMS el sistema auxiliar, donde la Figura 4.4
revela que el error del escenario robusto es más de dos veces menor en las
tres variables I, σ y σ̇.
81
Figura 4.5: Evolución de las trayectorias del carro péndulo.
Figura 4.6: Evolución de las trayectorias del sistema auxiliar.
82
Figura 4.7: Acción de control.
4.6. Resumen
En este capítulo se presentó un controlador por medio de restricciones vir-
tuales holonómicas que lleva de forma robusta a la coordenada subactuada
a una órbita preestablecida. Esta metodología tiene grandes fortalezas para
su uso en robots bípedos, robots complejos con una cantidad considerable de
actuadores debido a que el controlador no depende de una señal externa ni
de una trayectoria, por lo que no hay un problema de sincronización en los
actuadores, esta ventaja hace que esta metodología también sea muy utilizada
en sistemas donde se consideran impactos. En la metodología clásica de res-
tricciones virtuales holonómicas es necesario tener conocimiento completo de
la planta sin embargo, esto es un requisito que limita su uso para algunas
plantas donde no se tiene toda la información, esta limitación se soluciona por
83
medio de la contribución de este trabajo donde por medio de la linealización

exacta, solo se necesita tener conocimiento parcial de la planta y la medición
de las posiciones. También en los resultados se mostró que el error se ve
disminuido por más de la mitad para el caso robusto.
84
Capítulo 5
Conclusiones
Se cumplió el objetivo principal de la tesis, se desarrollaron y verificaron

dos diferentes metodologías de planeación de movimiento para sistemas sub-
actuados tipo péndulo de dos grados de libertad.
Igualmente los objetivos específicos de la tesis se cumplieron:
Se revisó la literatura sobre planeación y control de movimiento de

sistemas subactuados mediante diferentes metodologías como auto osci-
laciones por controlador dos relevadores, controladores por moldeo de
energía, controladores por restricciones virtuales holonómicas, contro-
ladores H∞ , controladores por medio de dinámica inversa, etcétera.
Se estudió el metodo de la función descriptiva como método de análisis

de frecuencia en un sistema no lineal, este fue utilizado como sintonización
de las ganancias del controlador dos relevadores en el capítulo 3.
85
CAPÍTULO 5. CONCLUSIONES
Se desarrolló la metodología de dos relevadores en un carro-péndulo

obteniendo generación de auto oscilaciones en el péndulo. Además, se
consideró el caso perturbado y solo con las mediciones de las posiciones,
se propuso como solución la identificación y rechazo de las pertur-
baciones por modos deslizantes de alto orden.
Se utilizó el método de restricciones virtuales holonómicas para la

generación de movimientos periódicos en sistemas con grado de subac-
tuación uno. Además de cumplir el objetivo específico, se trabajó con un
caso más complejo, cuando solo se conocen las posiciones del sistema,
solo se tiene conocimiento parcial de la planta y el sistema posee pertur-
baciones exógenas y dinámicas no modeladas. Se presentaron resultados
experimentales en un carro-péndulo donde se obtiene estabilización
orbital robusta.
Se estudiaron dos métodos para la generación de oscilaciones en sistemas

mecánicos con un grado de subactuación. El controlador de dos relevadores y
el método por restricciones virtuales holonómicas. A continuación se enlistan
las ventajas y desventajas entre los dos métodos:
El método de dos relevadores solo permite sintonizar las ganancias para

obtener una solución periódica de una amplitud y frecuencia deseada.
Mientras el método por restricciones virtuales holonómicas permite
diseñar una restricción virtual holonómica para obtener soluciones perió-
dicas con una forma en particular, tomando en cuenta la dinámica de
la planta.
El método de dos relevadores considera que la planta es lineal, a diferencia
86
CAPÍTULO 5. CONCLUSIONES
del método de restricciones virtuales holonómicas donde la planta es

descrita por un sistema no lineal.
El método de restricciones virtuales holonómicas puede ser utilizado

para sistemas con subactuación mayor a uno, sin embargo en el caso
del controlador de dos relevadores aún es un problema abierto.
El método de dos relevadores es aproximado, debido a la linealización

alrededor del punto de equilibrio y de solo considerar el primer armónico
en la serie de fourier de la respuesta del sistema lineal. En cambio, en
el método de restricciones virtuales holonómicas es un caso exacto.
La ventaja que presenta el método de dos relevadores es la fácil imple-

mentación y el cálculo de las ganancias del controlador, a diferencia del
método de restricciones virtuales holonómicas que tiene un procedimiento
más complejo que además exige solucionar dos ecuaciones diferenciales
y calcular la integral general de movimiento para cuando se cambie la
solucion periódica elegida.
5.1. Trabajo futuro

A continuación se enlistan algunas ideas como trabajo futuro para poder
seguir el rumbo de esta investigación:
Extender la metodología de estabilización orbital robusta presentada

en el capítulo 4 para sistemas con grado de subactuación mayor a uno.
Trabajar con la solución del problema de estabilidad orbital robusta

para sistemas con impactos.
Considerar la dinámica del actuador para ambas metodologías.
87
Bibliografía
[1] Aneta Stefanovska and Maja Bračič. Physics of the human

cardiovascular system. Contemp. Phys., 1999.
[2] Aneta Stefanovska, Maja Bracic, and Hebe Désirée Kvernmo. Wavelet
analysis of oscillations in the peripheral blood circulation measured by
laser Doppler technique. IEEE Trans. Biomed. Eng., 1999.
[3] Oscar Montaño, Yury Orlov, Yannick Aoustin, and Christine

Chevallereau. Orbital stabilization of an underactuated bipedal gait
via nonlinear H -control using measurement feedback. Auton. Robots,
41(6):1277–1295, aug 2017.
[4] Duncan W. Haldane and Ronald S. Fearing. Roll oscillation modulated

turning in dynamic millirobots. In Proc. - IEEE Int. Conf. Robot.
Autom., pages 4569–4575. Institute of Electrical and Electronics
Engineers Inc., sep 2014.
[5] Luis T. Aguilar, Igor Boiko, Leonid Fridman, and Rafael Iriarte.
Generating self-excited oscillations via two-relay controller. IEEE Trans.
Automat. Contr., 54(2):416–420, 2009.
[6] Luis T. Aguilar, Igor Boiko, Leonid Fridman, and Rafael Iriarte.
88
BIBLIOGRAFÍA
Generating self-excited oscillations for underactuated mechanical

systems via two-relay controller. Int. J. Control, 82(9):1678–1691, sep
2009.
[7] Anton S. Shiriaev, Leonid B. Freidovich, Anders Robertsson, Rolf

Johansson, and Anders Sandberg. Virtual-holonomic-constraints-
based design of stable oscillations of Furuta pendulum: Theory and
experiments. IEEE Trans. Robot., 23(4):827–832, aug 2007.
[8] Y. Shiogai, A. Stefanovska, and P. V.E. McClintock. Nonlinear dynamics

of cardiovascular ageing, 2010.
[9] Franck Plestan, Jessy W. Grizzle, Eric R. Westervelt, and Gabriel Abba.
Stable walking of a 7-DOF biped robot. IEEE Trans. Robot. Autom.,
2003.
[10] William R. Provancher, Samuel I. Jensen-Segal, and Mark A. Fehlberg.

ROCR: An energy-efficient dynamic wall-climbing robot. IEEE/ASME
Trans. Mechatronics, 2011.
[11] Eleni Kelasidi, Pal Liljeback, Kristin Y. Pettersen, and Jan Tommy
Gravdahl. Innovation in Underwater Robots: Biologically Inspired
Swimming Snake Robots. IEEE Robot. Autom. Mag., 2016.
[12] Alireza Mohammadi, Ehsan Rezapour, Manfredi Maggiore, and

Kristin Y. Pettersen. Maneuvering Control of Planar Snake Robots
Using Virtual Holonomic Constraints. IEEE Trans. Control Syst.
Technol., 2016.
[13] Stepan S. Pchelkin, Anton S. Shiriaev, Anders Robertsson, Leonid B.

Freidovich, Sergey A. Kolyubin, Leonid V. Paramonov, and Sergey V.
89
BIBLIOGRAFÍA
Gusev. On Orbital Stabilization for Industrial Manipulators: Case Study

in Evaluating Performances of Modified PD+ and Inverse Dynamics
Controllers. IEEE Trans. Control Syst. Technol., 2017.
[14] Anton S. Shiriaev, John W. Perram, and Carlos Canudas-de Wit.

Constructive tool for orbital stabilization of underactuated nonlinear
systems: Virtual constraints approach. IEEE Trans. Automat. Contr.,
50(8):1164–1176, aug 2005.
[15] Zeguo Wang, Leonid B. Freidovich, and Honghua Zhang. Periodic

motion planning and control for underactuated mechanical systems. Int.
J. Control, 2018.
[16] Brent Griffin and Jessy Grizzle. Nonholonomic virtual constraints and
gait optimization for robust walking control. Int. J. Rob. Res., 2017.
[17] Zeguo Wang, Leonid B. Freidovich, and Honghua Zhang. Periodic

motion planning and control for double rotary pendulum via virtual
holonomic constraints. IEEE/CAA J. Autom. Sin., 2019.
[18] Matthew D. Berkemeier and Ronald S. Fearing. Tracking fast inverted

trajectories of the underactuated Acrobot. IEEE Trans. Robot. Autom.,
1999.
[19] Igor Boiko. Discontinuous control systems: Frequency-domain analysis

and design. Springer Science & Business Media, 2009.
[20] Luis T. Aguilar, Igor Boiko, Leonid Fridman, and Rafael Iriarte. Self-
oscillations in dynamic systems. Springer Science & Business Media,
2015.
90
BIBLIOGRAFÍA
[21] Luis T. Aguilar, Rafael Iriarte, and Yury Orlov. Variable Structure
Tracking Control-Observer for a Perturbed Inertia Wheel Pendulum
via Position Measurements. IFAC-PapersOnLine, 50(1):7151–7156, jul
2017.
[22] Rosalba Galvan-Guerra, Juan Eduardo Velazquez-Velazquez, and

Leonid Fridman. Finite-Time Continuous Robust Generation of Self-
Oscillation: A Switched Approach. In Proc. IEEE Conf. Decis. Control,
2019.
[23] A. Ferreira de Loza, Leonid Fridman, Luis T. Aguilar, and Rafael Iriarte.
High-order sliding-mode observer–based input-output linearization. Int.
J. Robust Nonlinear Control, 29(10):3183–3199, jul 2019.
[24] John Brandon and S. Wiggins. Introduction to Applied Nonlinear

Dynamical Systems and Chaos. Math. Gaz., 1991.
[25] Eric R. Westervelt, Jessy W. Grizzle, Christine Chevallereau, Jun Ho

Choi, and Benjamin Morris. Feedback control of dynamic bipedal robot
locomotion. 2007.
[26] Arthur Gelb and Wallace E. Vander Velde. Multiple-Input Describing

Functions and Nonlinear System Design. McGraw-Hill, 1968.
[27] Jean-Jacques E Slotine and Weiping Li. Applied nonlinear control.

Prentice hall Englewood Cliffs, NJ, 1991.
[28] Christopher I. Byrnes and Alberto Isidori. Asymptotic Stabilization

of Minimum Phase Nonlinear Systems. IEEE Trans. Automat. Contr.,
36(10):1122–1137, 1991.
91
BIBLIOGRAFÍA
[29] Christopher I. Byrnes and Alberto Isidori. A frequency domain

philosophy for nonlinear systems, with applications to stabilization and
to adaptive control. In Proc. IEEE Conf. Decis. Control, 1984.
[30] A. Isidori and C. H. Moog. On the nonlinear equivalent of the notion of

transmission zeros. In Model. Adapt. Control, pages 146–158. Springer-
Verlag, feb 2006.
[31] J. W. Grizzle. RABBIT: A Testbed for Advanced Control Theory. IEEE

Control Syst., 23(5):57–79, 2003.
[32] Carlos Canudas-De-Wit, Bernard Espiau, and Claudio Urrea. Orbital

stabilization of underactuated mechanical systems. In IFAC Proc. Vol.,
volume 15, pages 527–532. IFAC Secretariat, jan 2002.
[33] H K Khalil. Nonlinear Systems, Third Edition. Prentice hall Englewood

Cliffs, NJ, 2002.
[34] Alberto Isidori. Nonlinear Control Systems. Communications and

Control Engineering. Springer London, London, 1995.
[35] Anton S. Shiriaev, A. Robertsson, J. Perram, and A. Sandberg. Periodic

motion planning for virtually constrained Euler-Lagrange systems. Syst.
Control Lett., 55(11):900–907, 2006.
[36] Manfredi Maggiore and Luca Consolini. Virtual holonomic constraints

for euler-lagrange systems. IEEE Trans. Automat. Contr., 2013.
[37] Luca Consolini and Manfredi Maggiore. Virtual holonomic constraints

for Euler-Lagrange systems. In IFAC Proc. Vol., number 14, pages 1193–
1198. IFAC Secretariat, sep 2010.
92
BIBLIOGRAFÍA
[38] Ehsan Rezapour, Andreas Hofmann, Kristin Y. Pettersen, Alireza

Mohammadi, and Manfredi Maggiore. Virtual holonomic constraint
based direction following control of planar snake robots described by
a simplified model. In 2014 IEEE Conf. Control Appl. CCA 2014, 2014.
[39] Michael Scheint, Marion Sobotka, and Martin Buss. Virtual holonomic
constraint approach for planar bipedal walking robots extended to
double support. In Proc. IEEE Conf. Decis. Control, 2009.
[40] Sergej Čelikovský and Milan Anderle. Exact Feedback Linearization

of the Collocated Constrained Dynamics of the Three-Link With
Adjustable Torso and its Application in the Underactuated Planar
Walking. In IEEE Int. Conf. Control Autom. ICCA, 2019.
[41] Luca Consolini and Manfredi Maggiore. Control of a bicycle using virtual
holonomic constraints. Automatica, 2013.
[42] Arie Levant. Higher-order sliding modes, differentiation and output-

feedback control. Int. J. Control, 2003.
[43] Emmanuel Cruz-Zavala and Jaime A. Moreno. Levant’s arbitrary-

order exact differentiator: A lyapunov approach. IEEE Trans. Automat.
Contr., 64(7):3034–3039, 2019.
[44] Seiichi Kobayashi and Katsuhisa Furuta. Frequency characteristics of

Levant’s differentiator and adaptive sliding mode differentiator. Int. J.
Syst. Sci., 38(10):825–832, oct 2007.
[45] W. Alejandro Apaza-Perez, Jaime A. Moreno, and Leonid Fridman.

Global sliding mode observers for some uncertain mechanical systems.
IEEE Trans. Automat. Contr., 65(3):1348–1355, mar 2020.
93
BIBLIOGRAFÍA
[46] Marco Tulio Angulo, Leonid Fridman, and Arie Levant. Output-
feedback finite-time stabilization of disturbed LTI systems. Automatica,
48(4):606–611, apr 2012.
[47] Jean Pierre Barbot, Arie Levant, Miki Livne, and Davin Lunz. Discrete
differentiators based on sliding modes. Automatica, 112:108633, feb 2020.
[48] Arie Levant and Miki Livne. Globally convergent differentiators with
variable gains. Int. J. Control, 91(9):1994–2008, sep 2018.
[49] Jaime A. Moreno. Exact differentiator with varying gains. Int. J.

Control, 91(9):1983–1993, sep 2018.
[50] J.Antonio Ortega-Pérez, Luis T. Aguilar, A. Ferreira de Loza, and

Rosalba Galvan. Generación de Auto-Oscilaciones en un péndulo por el
Método de TRC. In Congr. Nac. Control Automático, 2019.
[51] INTECO. Pendulum-Cart System—User’s Manual, 2017.
[52] Wilson J Rugh. Linear system theory, volume 2. Prentice Hall Upper
Saddle River, NJ, 1996.
94

Tesis Jose

Uploaded by

Copyright:

Available Formats

Tesis Jose

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tesis Jose

Uploaded by

Copyright:

Available Formats

INSTITUTO POLITÉCNICO NACIONAL

CENTRO DE INVESTIGACIÓN Y DESARROLLO

QUE PARA OBTENER EL GRADO DE

DR. LUIS TUPAK AGUILAR BUSTOS

DICIEMBRE 2020 TIJUANA, B.C., MÉXICO.

3. Oscilaciones por medio de un controlador de dos relevadores 35

4. Estabilización orbital robusta por medio de restricciones vir-

2.1. Esquema para el análisis de la función descriptiva. . . . . . . . 17

3.1. Representación esquemática del carro-péndulo. . . . . . . . . . 39

4.1. Diagrama del carro péndulo. . . . . . . . . . . . . . . . . . . . 73

1.1. Motivación: Importancia de la generación

1.2. Estado del arte: Estabilización orbital en

En el problema de planeación y control de movimiento de sistemas sub-

La estabilización orbital en sistemas mecanicos es un problema desafiante

trayectorias de los actuadores. Una solución a esta problemática es la es-

1.3. Planteamiento del problema

genere una oscilación en la salida del sistema. Alternativamente, se usará el

El método de restricciones virtuales holonómicas (RVH) contempla el

Se considera un sistema subactuado controlado Euler-Lagrange,

L(q, q̇) = K(q, q̇) − U (q), (1.2)

grado de subactuación uno i.e.,

dim u = dim q − 1. (1.3)

En este trabajo solo se consideraran sistemas de la forma (1.1) con grado de

M (q)q̈ + C(q, q̇)q̇ + F (q̇) + G(q) = B(q)(u + φ), (1.4)

De acuerdo a [24] el concepto de estabilidad orbital asintótica se define

Definición 1. (Estabilidad orbital). Sea q̄ una solución del sistema

d(y(t), O+ (q0 , y0 )) < ,

para t > t0 donde,

O+ (q0 , y0 ) = {q ∈ Rn |q = q̄(t), t ≥ 0, q̄(t0 ) = q0 },

es una órbita positiva a lo largo del punto q0 para t ≥ t0 .

Definición 2. (Estabilidad orbital asintótica). La solución q̄ se dice

limt→∞ d(y(t), O+ (q0 , y0 )) = 0.

Estudiar, desarrollar y verificar algoritmos de planeación de

Los objetivos específicos son:

Revisar el estado del arte sobre planeación y control de movimiento de

Estudiar el análisis de frecuencia de sistemas no lineales: Función descrip-

Síntesis y análisis de control de dos relevadores para generación de

Síntesis y análisis del método de restricciones virtuales para la generación

Como contribución principal del trabajo se presenta la estabilización

Se aborda el caso de la estabilización orbital del carro-péndulo por el

Se obtienen resultados experimentales de ambas metodologías en un

La estabilización orbital en sistema mecánicos se vuelve una tarea de-

2.1. Función descriptiva

2.1.1. Análisis de un sistema no lineal por el método

Figura 2.1: Esquema para el análisis de la función descriptiva.

x(t) = A sin(ωt), (2.1)

y su derivada temporal es,

ẋ(t) = Aω cos(wt). (2.2)

Basado en que x(t) es una solución periódica y la parte dinámica del

La expresión de ϕ es una serie de Fourier donde no esta presente el

Condición 1. La parte dinámica del sistema W (jω) debe tener propiedades

|W (jω)|  |W (jnω)| n = 2, 3, ...

En la Figura 2.2 se muestra la gráfica de Bode de un sistema dinámico que

Figura 2.2: Diagrama de Bode de un sistema con propiedades pasa bajos.

ϕ(t) ≈ a1 cos(ωt) + b1 sin(ωt),

por lo que, la relación de la salida y la entrada del término lineal se aproxima

ϕ(t) a1 cos(ωt) + b1 sin(ωt)

En [27], se establece el siguiente criterio,

Criterio 1. Cada intersección de la curva W (jω) y la curva −1/N (A, ω) en

d(y(t), O+ (q0 , y0 )) < ,

|W (jω)| |W (jnω)| n = 2, 3, ...