Scribd
Cargar
20 vistas7 páginas

Análisis de Sistemas Lineales en MATLAB

Este documento presenta el modelado de un sistema lineal mediante diferentes métodos como diagrama de bloques, función de transferencia y variables de estado. Se compara la respuesta de los tres métodos al aplicar una señal de escalón. El autor concluye que los tres métodos llevan a la misma respuesta.

Cargado por

Nathaly
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
20 vistas7 páginas

Análisis de Sistemas Lineales en MATLAB

Este documento presenta el modelado de un sistema lineal mediante diferentes métodos como diagrama de bloques, función de transferencia y variables de estado. Se compara la respuesta de los tres métodos al aplicar una señal de escalón. El autor concluye que los tres métodos llevan a la misma respuesta.

Cargado por

Nathaly
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

PRÁCTICA 2.

Modelación de Sistemas Lineales

Nombre: Pablo Alejandro Chávez Pérez

Grupo: GR4

Pregunta 1.
R=100;
L=160e-3;
C1=1e-6;
C2=2e-6;

sim('Desarrollo2');
figure
plot(out.Vo(:,1),out.Vo(:,2))
title('Voltaje en el inductor')
xlabel('Tiempo [s]')
ylabel('Voltaje [V]')
grid on

Pregunta 2

1
num=[(2*L*R*C2) (L) 0];
den=[(2*L*R^2*C1*C2) (L*R*C1+2*R*L*C2) (2*C2*R^2+2*R^2*C1+L) (3*R)]

den = 1×4
0.0000 0.0001 0.2200 300.0000

H=tf(num,den)

H =

6.4e-05 s^2 + 0.16 s


--------------------------------------
6.4e-09 s^3 + 8e-05 s^2 + 0.22 s + 300

Continuous-time transfer function.

H=zpk(H)

H =

10000 s (s+2500)
---------------------------------
(s+9363) (s^2 + 3137s + 5.006e06)

Continuous-time zero/pole/gain model.

figure
step(H)

2
Pregunta 3
A=[0 1/L -1/L;-1/C1 -1/(R*C1) 0;1/C2 0 -1/(2*R*C2)];
B=[0;1/(R*C1);0]

B = 3×1
0
10000
0

C=[0 1 -1];
D=0;

F_trans=ss(A,B,C,D)

F_trans =

A =
x1 x2 x3
x1 0 6.25 -6.25
x2 -1e+06 -1e+04 0
x3 5e+05 0 -2500

B =
u1
x1 0
x2 1e+04
x3 0

C =
x1 x2 x3
y1 0 1 -1

D =
u1
y1 0

Continuous-time state-space model.

H3=tf(F_trans)

H3 =

10000 s^2 + 2.5e07 s


-----------------------------------------
s^3 + 1.25e04 s^2 + 3.437e07 s + 4.687e10

Continuous-time transfer function.

figure
step(F_trans)

3
Pregunta 4
Como se puede observar, tanto por el diagrama de bloques, función de transferencia y por variables de estado,
se puede llegar a la misma respuesta, y se comprobó realizando las gráficas de los 3 métodos.

4
sim('Desarrollo2');
figure
plot(out.Salidas(:,1),out.Salidas(:,2))
hold on
plot(out.Salidas(:,1),out.Salidas(:,3))
plot(out.Salidas(:,1),out.Salidas(:,4))
legend('Diagrama de bloques','Funcion de transferencia','Variables de Estado')
title('Voltaje en el Inductor')
xlabel('Tiempo [s]')
ylabel('Voltaje [V]')

5
Pregunta 5
[num1,den1]=tfdata(F_trans,'v')

num1 = 1×4
0 10000 25000000 0
den1 = 1×4
1010 ×
0.0000 0.0000 0.0034 4.6875

H5=zpk(H3)

H5 =

10000 s (s+2500)
---------------------------------
(s+9363) (s^2 + 3137s + 5.006e06)

Continuous-time zero/pole/gain model.

[z,p,k]=zpkdata(H5,'v')

z = 2×1
0
-2500
p = 3×1 complex
103 ×
-9.3635 + 0.0000i
-1.5683 + 1.5958i
-1.5683 - 1.5958i

6
k = 10000

p1=pole(H5)

p1 = 3×1 complex
103 ×
-9.3635 + 0.0000i
-1.5683 + 1.5958i
-1.5683 - 1.5958i

z1=zero(H5)

z1 = 2×1
0
-2500

pzmap(H5)

También podría gustarte