Instituto Tecnológico y de Estudios Superiores de Monterrey

Escuela de Ingeniería y Ciencias

Modelación y automatización

MR2023.342

Case Study Activity 1 Assignment

Integrantes:

Galia Balandrano Aguilar A00573144

Omar Aldrich Aparicio Rojas A01655182
Angelo Octavio Amador Cervantes A01660184

Profesor:

Renato Galluzzi

9 Junio de 2022
1. Diagramas de cuerpo libre del modelo

Diagrama 1:

Diagrama 2:
2. Ecuaciones diferenciales correspondientes al sistema

𝑚𝑠ẍ𝑠 =− 𝑘𝑠(𝑥𝑠− 𝑥𝑢) − 𝑐(ẋ𝑠 − ẋ𝑢)

−𝑘𝑠(𝑥𝑠−𝑥𝑢) 𝑐(ẋ𝑠−ẋ𝑢)
ẍ𝑠 = 𝑚𝑠
− 𝑚𝑠

𝑘𝑠𝑥𝑠 𝑘𝑠𝑥𝑢 𝑐ẋ𝑠 𝑐ẋ𝑢

ẍ𝑠 =− 𝑚𝑠
+ 𝑚𝑠
− 𝑚𝑠
+ 𝑚𝑠
……. ec. 1

𝑚𝑢ẍ𝑢 = 𝑘𝑠(𝑥𝑢− 𝑥𝑠) + 𝑘𝑢(𝑥𝑢− 𝑥𝑖𝑛) + 𝑐(ẋ𝑢 − ẋ𝑠)

𝑘𝑠(𝑥𝑢−𝑥𝑠) 𝑘𝑢(𝑥𝑢−𝑥𝑖𝑛) 𝑐(ẋ𝑢−ẋ𝑠)

ẍ𝑢 = 𝑚𝑢
+ 𝑚𝑢
+ 𝑚𝑢

𝑘𝑠𝑥𝑢 𝑘𝑠𝑥𝑠 𝑘𝑢𝑥𝑢 𝑘𝑢𝑥𝑖𝑛 𝑐ẋ𝑢 𝑐ẋ𝑠

ẍ𝑢 =− 𝑚𝑢
+ 𝑚𝑢
− 𝑚𝑢
+ 𝑚𝑢
− 𝑚𝑢
+ 𝑚𝑢
……. ec. 2
3. Ecuaciones diferenciales en la forma de espacio de estados
CÓDIGO (LAS GRAFICAS ESTAN ABAJO DE ESTE)
clc
clear all
close all

ms=440
ks=22000
mu=44
ku=213000

t=linspace(0,5,1000);

xi=[2000,4000,6000,8000,10000]

for idx=1:length(xi);
c=xi(idx);
A= [0 1 0 0;-ks/ms -c/ms ks/ms c/ms; 0 0 0 1;ks/mu c/mu (-ks-ku)/mu,-c/mu]
B= [0; 0; 0;ku/mu];
C=[1 0 0 0];%xs
C2=[0,0,1,0];
C3=[-ks/ms,-c/ms,ks/ms,c/ms];
C4=[0,0,1,0];
D=[0];
D2=[-1];

s = tf('s');
[numG,denG] = ss2tf(A,B,C,D);
G = tf(numG,denG)
p = roots(denG)
xo = step(G,t)

[numG1,denG1] = ss2tf(A,B,C2,D);
G1 = tf(numG1,denG1)
p1 = roots(denG1)
xo1 = step(G1,t)

[numG2,denG2] = ss2tf(A,B,C3,D);
G2 = tf(numG2,denG2)
p2 = roots(denG2)
xo2 = step(G2,t)
 [numG3,denG3] = ss2tf(A,B,C4,D2);
G3 = tf(numG3,denG3)
p3 = roots(denG3)
xo3 = step(G3,t)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5
subplot(421)
plot(t,xo,'displayname',num2str(c))
xlabel('time[s]')
ylabel('xo [m]')
lg=legend();
lg.Title.String='xs';
title('step response')

grid on
hold on
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%
subplot(422)
plot(real(p),imag(p),'o')
xlabel('Re(s)')
ylabel('Im(s)')
title('root locus')
grid on
hold on
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
subplot(423)
plot(t,xo1,'displayname',num2str(c))
xlabel('time[s]')
ylabel('xo1 [m]')
lg=legend();
lg.Title.String='xu';
title('step response')
grid on
hold on

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
subplot(425)
plot(t,xo2,'displayname',num2str(c))
xlabel('time[s]')
ylabel('xo2 [m]')
lg=legend();
lg.Title.String='xss';
title('step response')
 grid on
hold on

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
subplot(427)
plot(t,xo3,'displayname',num2str(c))
xlabel('time[s]')
ylabel('xo3 [m]')
lg=legend();
lg.Title.String='xin';
title('step response')
grid on
hold on

end

• Plot the step response for all the outputs indicated in Step 1.
Sprung mass displacement 𝑥𝑠(𝑡)

Unsprung mass displacement 𝑥𝑢(𝑡)

Chassis acceleration 𝑥̈𝑠(𝑡)

Tire deflection 𝑥𝑢(𝑡)−𝑥𝑖𝑛(𝑡)

Plot the poles of the system in a root locus. Remember to use det(𝑠𝐼−𝐴)=0 or
eig(A)
in MATLAB.

From the undamped response (𝑐𝑠 =0), determine the natural frequency of
both masses.
De acuerdo a los gráficos mostrados anteriormente se muestra en la gráfica de la desviación
de la llanta (𝑥𝑢(𝑡) − 𝑥𝑖𝑛(𝑡)) que la curva con menor curvatura es la que va tener un menor
rebote en la llanta, por lo tanto, está será la que mantendrá al vehículo con una mejor
estabilidad. Visualmente, la curva que logrará lo mencionado anteriormente, es la de color
amarillo. Comparando con las demás curvaturas, esta es la que presenta una mayor linealidad.
Concluyendo entonces que mientras la curva sea más suave, la llanta tendrá más estabilidad,
logrando así un mejor recorrido.