IDENTIFICACION PARAMETRICA DE SISTEMAS
OSCAR FERNANDO DIAZ LIZARAZO CC. 13743313
JUAN CAMILO ALBARRACIN PARRA CC. 1098784132
Resumen
En la practica abordaremos como tema principal la identificación paramétrica de sistemas,
empleando modelos matemáticos como lo son el modelo ARX, el modelo ARMAX, el
modelo P.M y el modelo O.E, los cuales son utilizados mediante la programación matlab
para dar solución a las multiples variables e identificar la función de transferencia del
sistema con los datos de entrada y salida que nos dan los ejercicios propuestos.
La identificación paramétrica es uno de los avances computacionales que permiten el
desarrollo de sistemas de control de procesos eficientes, la implementación de los
sofware para dar solución a las diferentes incognitas, aunque parezca difícil tal manejo o
ejecución del programa nos muestra soluciones rápidas y reales.
Referente teorico
La función de transferencia (modelo matemático en el dominio de Laplace) de un
sistema se puede obtener mediante la inspección de la respuesta de dicho
sistema ante una entrada característica. Este proceso se conoce con el nombre de
modelado experimental o identificación paramétrica y puede ser descrito por la
realización de los siguientes pasos:
1. Conocimiento del fenómeno: se refiere a la posibilidad que se tenga de conocer
los estados extremos del fenómeno respecto a la energía, esto es, estados de
baja energía y estados de alta energía. Lo anterior es importante para
garantizar que la etapa de experimentación se pueda consolidar. En este
sentido es importante que se conozca si el sistema es estable o no, para tener
en cuenta en la toma de datos y poder elegir la longitud de datos a tomar.
2. Experimentación: Esta parte está relacionada con el diseño de las pruebas
requeridas para la toma de datos. Aquí se definen la cantidad de muestras y el
intervalo de muestreo para obtener la salida del sistema que se desea
identificar. Así mismo, para definir la variable respecto a la longitud de datos de
entrada al sistema. Una vez se han realizado las anteriores actividades, se
recogen los datos y se agrupan en vectores de entrada y salida.
3. Estructura del modelo: Hace referencia a la topología y al orden seleccionado
para el modelo.
4. Criterio de aproximación: Es seleccionar la técnica de ajuste de parámetros del
modelo.
5. Validación: Consiste en determinar la desviación entre los datos obtenidos del
modelo y los medidos de manera experimental. Si el resultado es apropiado se
detiene el proceso, de lo contrario deberá continuar hasta que se cumpla un
criterio de parada.
Con los resultados de los numerales 2, 3 y 4 se puede obtener el modelo
matemático (función de transferencia) del sistema. Los pasos 3, 4 y 5 se pueden
realizar usando la herramienta systemIdentification de Matlab.
Desarrollo de la practica
Preguntas de preparación
1. ¿ Que es la identificación paramétrica de sistemas?
Denominamos identificación paramétrica de sistemas a la obtención
deinformacion relevante apartir de un conjunto de datos observados,
llegando como resultado a un modelo, este ajustando parámetros de un
modelo dado y comprobando con datos nuevos para obtener el modelo
final.
La identificación mparametrica es necesaria para la interpretación y
observación de las medidas obtenidas desde el sistema de estudio.
2. ¿ Que son los modelos ARX (Auto-Regressive with exogenous imputs,
ARMAX ( Auto-Regressive Moving Average with exogenous inouts ),
P.M. (Process Model ), O.E. ( Output Error) ?
- Modelo ARX = En este modelo se puede introducir el orden o estimarlo
utilizando la notación na = 1;10, para modelos de multiples entradas
podemos introducirlas como vectores.
El modelo esta definido por tres números enteros
na=numero de ceros
nb=numero de polos
nk =numero de retardo d
Formula: A ( Z−1 ) Y K =Z−d B(Z−1)U K
- Modelo ARMAX: El modelo describe el error en la ecuacioncomo un
promedio móvil, el modelo se denota y define con las siguientes
ecuaciones:
A(q) Y (t )=B(q ) U (t )+C (q ) e(t)
1+C 1 q−1+ … Cn C q n c
- Modelo O.E : Es un tipo de modelo ARMAX, el cual posee una relación
de entrada y salida sin perturbación, el modelo se denota por la
siguiente ecuación:
B( )
y (t )= q U ( t−nk )+ e(t)
F (q )
SISTEMA 1
Creamos las variables en Matlab, Workspace
Utilizamos la función systemIdendification, la cual nos envia a la ventana para
ingresar las variables de entrada(X1) Y salida(Y1); también ingresamos los datos
de tiempo de inicio y tiempo de intervalo de muestreo.
Al importar estos datos nos muestra en la ventana unas graficas en la parte de
impor data.
Al ingresar en el icono Time plot nos arroja una ventana donde nos muestra la
Realizamos reproceso con las siguientes funciones o ventanas:
Operations---- Preproces--- Quick start---
Luego me arroja graficas de validación, estimación
Muestra grafica de datos originales vs primer paso de reprocesamiento(modead),
estimación(modeade), validación(modeadv)
En el icono Estimate escogemos transfer functions, colocamos el numero de polos y ceros para
estmar como pruebas
