Experimento
Un sistema es un objeto o colección de objetos
cuyas propiedades queremos estudiar
Un experimento es el proceso de extraer
información de un sistema mediante la
manipulacion de sus entradas.
Problemas associados a la
experimentacion
●
El experimento podría ser demasiado costoso.
●
El experimento podría ser demasiado peligroso.
●
Es posible que el sistema necesario para el
experimento aún no exista. Esto es típico de los
sistemas a ser diseñado o fabricado.
Modelo
Un modelo de un sistema es cualquier situacion a
la que se pueda aplicar un "experimento" para
responder preguntas sobre ese sistema.
Tipos de modelos
●
Modelo mental: una declaración como "una persona es confiable" nos ayuda a responder
preguntas sobre el comportamiento de la persona en diversas situaciones.
●
Modelo verbal: este tipo de modelo se expresa en palabras. Por ejemplo, la oración "Más
ocurrirán accidentes si se aumenta el límite de velocidad" es un ejemplo de un modelo verbal.
Los sistemas son una tecnología para formalizar modelos verbales.
●
Modelo físico: este es un objeto físico que imita algunas propiedades de un sistema real, para
ayudar
●
respondamos preguntas sobre ese sistema. Por ejemplo, durante el diseño de artefactos como
edificios,
aviones, etc., es común construir pequeños modelos físicos con la misma forma y apariencia
como los objetos reales a estudiar, p. con respecto a sus propiedades aerodinámicas y estéticas.
Tipos de Modelos
Modelo matemático: una descripción de un sistema en el que las
relaciones entre las variables del sistema se expresan en forma
matemática, las variables pueden ser cantidades medibles como el
tamaño, longitud, peso, temperatura, nivel de desempleo, flujo de
información, tasa de bits, etc. La mayoría de las leyes de la
naturaleza son modelos matemáticos en este sentido. Por
ejemplo, la ley de Ohm describe la relación entre corriente y
voltaje para una resistencia; Las leyes de Newton describen las
relaciones,entre velocidad, aceleración, masa, fuerza, etc.
Simulacion
●
Una simulación es un experimento realizado en un modelo.
●
Una simulación de un proceso industrial como la fabricación de
acero o pulpa, para aprender sobre el comportamiento bajo
diferentes condiciones de operación con el fin de mejorar el
proceso.
●
Una simulación de un modelo simplificado de una red informática
de paquetes conmutados, para conocer sus comportamiento bajo
diferentes cargas con el fin de mejorar el rendimiento
Razones para la simulacion
●
Los experimentos son demasiado caros, demasiado peligrosos o el sistema a
investigar aún no funciona o existe.
La escala temporal de la dinámica del sistema no es compatible con la del
experimentador.
●
Por ejemplo, se necesitan millones de años para observar pequeños cambios
en el desarrollo de la universo, mientras que cambios similares se pueden
observar rápidamente en una simulación por computadora del universo.
●
Las variables pueden ser inaccesibles. En una simulación se pueden
estudiar y controlar todas las variables, incluso aquellos que son inaccesibles
en el sistema real.
Razones para simular
●
Fácil manipulación de modelos. Usando la simulación, es fácil manipular los parámetros de un
●
modelo de sistema, incluso fuera del rango factible de un sistema físico particular. por ejemplo, el
●
La masa de un cuerpo en un modelo de simulación basado en computadora se puede aumentar de 40
a 500 kg en una pulsación de tecla, mientras que este cambio puede ser difícil de realizar en el
sistema físico.
●
Supresión de perturbaciones. En una simulación de un modelo es posible suprimir perturbaciones
eso podría ser inevitable en las mediciones del sistema real. Esto puede permitirnos aislar efectos
particulares y así obtener una mejor comprensión de esos efectos.
●
Supresión de efectos de segundo orden. A menudo, se realizan simulaciones ya que permiten
supresión de efectos de segundo orden, como pequeñas no linealidades u otros detalles de ciertos
componentes del sistema, que pueden ayudarnos a comprender mejor los efectos primarios.
Peligros de la simulacion
●
el modelo no es el mundo real mas bien representa el
sistema real bajo ciertas condiciones
●
Forzar la realidad a las limitaciones de un modelo: Un
ejemplo es el la conformación de nuestras sociedades
después de las teorías económicas actualmente de moda
que tienen una visión simplificada de la realidad e
ignorando muchos otros aspectos importantes del
comportamiento humano, la sociedad y la naturaleza.
Simulación del asiento de un piloto
para tener una mejor comprensión del operador
Simulación del asiento de un piloto
para tener una mejor comprensión del operador
Simulación de un avión
Una simulación del comportamiento del vehículo, p. de un automóvil o
un avión, con el fin de proporcionar formación realista del operador
Sistemas dinámicos
Algebra lineal, ecuaciones diferenciales, métodos numéricos, procesamiento
de señales, machine learning,estadística,probabilidad.
Conceptos básicos
*las señales contienen datos que pueden ser
constantes o variar con el tiempo.
*Las señales se representan con rectas dirigidas
o flechas.
• Identifique la librería sources, arrastre el bloque
• Identifique la librería sources, arrastre el bloque
• Identifique la librería Math operations, sume las
señales
• Identifique la librería sinks, arrastre el bloque
scope, obsérvelas
• Haga doble click y etiquete,las líneas con los
nombres de las funciones
• Efectue la siguiente operación 15+23*5.3-(3i/2+
• Solucion
Efectue -3, dados los siguientes bloques
Operadores matemáticos
Extraiga Ramp, agregue raíz cuadrada,conecte de tal
forma que se observe
√ 10 𝑡
Agregue una constante de tal forma que -3
Se observe
Efectue -3, dados los siguientes bloques
Características del bloque Scope
Identifique desde la librería
sources, sawtooh(signal
generator), sine, pulse
generator,step, conéctelas al
scope,haciendo click derecho del
mouse.
Características
del scope
Corra el modelo e identifique
Layout en la barra de
herramientas de scope que
separa las gráficas y habilite
legend.
Características del scope
Operadores matemáticos
Extraiga Ramp, agregue raíz cuadrada,conecte de tal
forma que se observe
√ 10 𝑡
Agregue una constante de tal forma que -3
Utilice el bloque gain, para realizar la misma operación
Operadores matemáticos
*Extraiga Polynonomial, defina y=
Funciones definidas de usuario
Defina la function definida de usuario como
Agregue las funciones u1 con frecuencia 0.9*pi, u2 con frecuencia
0.09*pi amplitud 1 en ambas.en seguida corra la function.
• Efectue la operación matricial:
• *
• Efectue la operación matricial:
• *
• Efectue la operación matricial utilice funciones
definidas de usuario:
0.6 0 + 0.4i
u y
0 + 0.5i 0.64
0.6 0 + 0.4i
0 + 0.5i 0.64
+ 0.4337 + 1.007i 0.6427 + 0.5061i
+ 0.6851 + 0.6131i 1.083 + 0.6183i
u y -0.1663 + 1.007i 0.6427 + 0.1061i
0.6851 + 0.1131i 0.4431 + 0.6183i
-0.1663 + 1.007i 0.6427 + 0.1061i
Inv 0.6851 + 0.1131i 0.4431 + 0.6183i
Ejercicios
Considere una turbina en la que la potencia y la velocidad dependen de la entrada,
p=0.5CρA
V=
Utilice el bloque fcn para observar la potencia y la velocidad de la turbina, con
Cp = 0.35; % Power coefficient
ρ = 1000; % Densidad del agua , kg/m^3
A = pi*10^2; % Area de pala de la turbina
g = 9.81; % Aceleracion de la gravedad, m/s^2
Solucion
1. En un solo bloque constante ubique todas las
constantes .
2. En el bloque fcn identifique salidas a la
izquierda, del igual las entradas a la derecha.
3. Escriba todas las constantes.
4. Escriba todas las funciones
Solucion
1. En un solo bloque constante ubique todas las
constantes .
Calculo de valores de funciones
1. Representar graficamente, la funcion: f(t)
, ),
en pasos de /3000
Calculo de valores de funciones
Calculo de valores de funciones
Calculo de valores de funciones
Interaccion con el workspace
• Los bloques aceptan nombres de variables
como entradas.
• Escriba r=5, en la Ventana de commandos.
• Utilice la function sin x , cambie la amplitud
por r y grafiquela.
Creacion de variables
• Agrague una ganancia etiquela como mi
ganancia.
• En los tres puntos pique crear variable valor
=3
Metodos numericos en Simulink
• Variable-step: son aquellos que modifican automáticamente el tamaño
del paso durante la simulación y proveen control de error y detección
de cruces por cero para detectar discontinuidades.
• Fixed-step: mantienen el tamaño del paso constante a través de toda
la simulación y contrariamente a los métodos de paso variable, no
proveen control del error ni detección de cruces por cero. Métodos de
paso variable.
• discrete: es el método por defecto que elige SIMULINK cuando
detecta un modelo de estado discreto.
Metodos numericos en Simulink
ode45 (ordinary differential equation solver of 4 th and 5 th order): es un
método de un solo paso (utiliza el valor estimado y la derivada del paso
anterior) basado en la Fórmula de Runge-Kutta de orden 4 y 5. Este método se
elige por defecto cuando SIMULINK detecta un modelo de estado continuo. En
general, el método arroja resultados satisfactorios para la mayoría de los
modelos continuos y resulta ser bueno como primera aproximación cuando no
se conoce mucho el sistema en estudio.
• ode23: igual que el ode45, pero de orden 2 y 3. Es más eficiente que este,
pero requiere de mayores tolerancias de error.
• ode113: es un método multipaso (utiliza los valores estimados y las derivadas
de varios pasos anteriores) de orden variable. Puede resultar más eficiente que
ode45 cuando la tolerancia de error es más exigente.
Metodos numericos en Simulink
ode15s: es un método multipaso de orden variable (entre uno y cinco)
basado en fórmulas de diferenciación numérica (NDFs), más eficientes que
las fórmulas de diferenciación por atraso (DBFs). Este método es
recomendable cuando el ode45 falla o resulta muy lento. El orden se puede
seleccionar, teniendo en cuenta que a mayor orden, mayor exactitud en los
cálculos pero más susceptible a la inestabilidad.
• ode23s: es un método de segundo orden de un único paso que en
algunos casos resulta más eficiente que el ode15s cuando las tolerancias no
sean muy exigentes.
• ode23t: es una implementación de la regla trapezoidal usando un
interpolador libre. Se sugiere su elección fundamentalmente cuando se
necesita una solución sin oscilaciones numéricas.
Metodos numericos en Simulink
ode23tb: es una implementación de la fórmula Runge-Kutta con dos
etapas. En la primera etapa usa la regla trapezoidal, y en la segunda etapa
usa una fórmula de diferenciación hacia atrás de segundo orden. Al igual
que el ode23s este solver puede ser más eficiente que el ode15s cuando se
admite mayor tolerancia de error. Este solver es sugerido cuando se
realizan simulaciones con bloques de la librería SimPowerSystems en la
mayoría de los modelos.
Métodos de paso fijo
Discrete: es un método que no realiza integraciones, por lo cual solo es
aconsejable para aquellos modelos en los cuales la detección de cruces por
cero y la detección de errores no es importante.
ode1, ode2, ode3, ode4, ode5, ode8, ode14s: similares a los ODE de paso
variable, pero de paso fijo y diferentes órdenes.
Creacion de subsistemas
Para la funcion f(t)
9.425 u 1
Subsystem
Creacion de subsistemas
Para la funcion f(t)
Creacion de subsistemas
Para la funcion f(t)
Operaciones matriciales
Sumar, restar,multiplicar
A=[2 -3 1 2; 3 2 5 2; 1 3 4 2; -3 -2 3 2] ;
D=[1 2 3 7; 2 3 4 7; 4 3 1 7; -2 -3 1 7] ;
Inversa
DSP system toolbox,Blockset Aerospace
Sistemas de ecuaciones lineales
DSP system toolbox
Solucion
DSP system toolbox
