P. 1
Implementación y Uso de Algoritmo Recursivo de Mínimos Cuadrados en Circuito RC

Implementación y Uso de Algoritmo Recursivo de Mínimos Cuadrados en Circuito RC

|Views: 549|Likes:
En este trabajo se muestra el desarrollo de un Circuito RC compuesto por una resistencia de 100 KΩ, un capacitor electrolítico de 100mF, al cual se busca las variables que definen la respuesta del sistema mediante el algoritmo Recursivo de Mínimos Cuadrados del curso Identificación de Sistemas en la Universidad de La Frontera. El algoritmo y las simulaciones se desarrollan en MATLAB/Simulink, a partir de las clase impartidas por el Profesor Flavio Torres de la Universidad de La Frontera.
En este trabajo se muestra el desarrollo de un Circuito RC compuesto por una resistencia de 100 KΩ, un capacitor electrolítico de 100mF, al cual se busca las variables que definen la respuesta del sistema mediante el algoritmo Recursivo de Mínimos Cuadrados del curso Identificación de Sistemas en la Universidad de La Frontera. El algoritmo y las simulaciones se desarrollan en MATLAB/Simulink, a partir de las clase impartidas por el Profesor Flavio Torres de la Universidad de La Frontera.

More info:

Categories:Types, Research
Published by: Luis D. Barrera Gamboa on Apr 29, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
See more
See less

06/14/2015

UNIVERSIDAD DE LA FRONTERA

FACULTAD DE INGENIERÍA, CIENCIAS Y ADMINISTRACIÓN
DEPARTAMENTO DE INGENIERÍA ELÉCTRICA


Implementación y Uso de Algoritmo Recursivo de Mínimos Cuadrados
en Circuito RC

LUIS DANIEL BARRERA GAMBOA

Identificación de Sistemas, Profesor Flavio Torres
Temuco, Octubre de 2012.


Resumen

En este trabajo se muestra el desarrollo de un Circuito RC compuesto por una resistencia de 100 KΩ, un capacitor electrolítico de
100mF, al cual se busca las variables que definen la respuesta del sistema mediante el algoritmo Recursivo de Mínimos Cuadrados del
curso Identificación de Sistemas en la Universidad de La Frontera. El algoritmo y las simulaciones se desarrollan en MATLAB/Simulink,
a partir de las clase impartidas por el Profesor Flavio Torres de la Universidad de La Frontera.

2012, Universidad de La Frontera, Reservados todos los derechos.


1. Introducción

En innumerables situaciones y circunstancias es necesario
obtener una fiel, o la más cercana representación matemática de
un proceso, por ejemplo para efectos de simulación ó control
avanzado de procesos [1].

En la ingeniería de control, el campo de identificación de
sistemas usa métodos estadísticos para crear modelos
matemáticos de sistemas dinámicos a partir de valores medidos.
La identificación del sistema también abarca el diseño óptimo de
los experimentos para generar eficientemente información útil
para aproximar dichos modelos [1], [2].

Un circuito RC es un circuito compuesto de elementos pasivos
conectados pro una fuente eléctrica. Además pueden usarse para
filtrar una señal, al bloquear ciertas frecuencias y dejar pasar
otras. Entre las características de los circuitos RC está la
propiedad de ser sistemas lineales e invariantes en el tiempo por
lo que reciben el nombre de filtros, debido a que son capaces de
filtrar señales eléctricas de acuerdo a su frecuencia [2]. Este
mismo circuito tiene además una utilidad de regulación de
tensión, y en tal caso se encuentran configuraciones en paralelo
de ambos, la resistencia y el condensador, o alternativamente,
como limitador de subidas y bajas bruscas de tensión con una
configuración de ambos componentes en serie. Un ejemplo de
esto es el circuito Snubber.

La presente Tarea a través de identificación de sistemas lograra
determinar los valores de constante de tiempo y ganancia del
sistema de primer orden y los valores de resistor y condensador
que posee el sistema, de esta manera, se lograra demostrar el
algoritmo Recursivo de Mínimos Cuadrados (RLS).




2. Descripción del problema

Para modelar el sistema basta simplemente con unir una
resistencia óhmica unida en serie con un condensador
electrolítico.



Figura 1. Circuito RC modelo MATLAB/Simulink.


En base de esta investigación, se identificara la respuesta de
este sistema a través de los datos de entrada y salida. Se
compararan las respuestas obtenidas de la simulación con datos
tomados de forma experimental.

3. Implementación del sistema Circuito RC.

En primera instancia se tiene una un proceso conocido
(Circuito RC)[3], en el cual se conoce los datos de entrada y de
salida, por lo tanto la expresión que la identifica en domino de
tiempo (t), dominio Laplace (s) y dominio discreto (z) es:

= (1 −

Τ) (1)

=

Τ+1
(2)

Dónde:

: Ganancia del sistema.
: Dominio Tiempo.
s : Dominio Laplace.
T: Constante de tiempo del sistema de primer orden.

Los parámetros a encontrar son los valores de ganancia y
constante de tiempo, en los respectivos dominios. Por lo tanto se
requieren los datos de entrada y salida, así los parámetros
cambian a parámetros discretizados, La expresión general a
encontrar en tiempo discreto y su transformada de Z es:

= −
1
∗ −1 +
1
∗ ( −1) (3)

=

1

−1
1+
1

−1
(4)

1
= −

0
Τ (5)

1
= 1 −

0
Τ (6)

Dónde:

(): Respuesta del Sistema.
(): Entrada del Sistema.
T0: Tiempo de Muestreo.

1
: Parámetro para obtener constante de Tiempo del sistema.

1
: Parámetro para obtener Ganancia del sistema

Por último para saber los valores de la resistencia y
condensador solo se debe considerar la constante de tiempo para
la obtención de estos:

= ∗ (7)

Dónde:

: Resistencia óhmica.
: Condensador Electrolítico.

4. Implementación de Algoritmo adaptativo RLS
Un filtro adaptativo es un dispositivo que intenta modelar la
relación entre señales en tiempo real de forma iterativa.
Se diferencia de los filtros digitales comunes tipo IIR o FIR, en
que éstos tienen coeficientes invariantes en el tiempo, mientras
que un adaptativo puede cambiar su forma de comportarse, es
decir pueden cambiar sus coeficientes de acuerdo con
un algoritmo adaptativo. De hecho no se saben los coeficientes
del filtro cuando se diseña, éstos coeficientes son calculados
cuando el filtro se implementa y se reajustan automáticamente en
cada iteración mientras dura su fase de aprendizaje.[4].
El algoritmo RLS está basado en la estimación del algoritmo
LS (mínimo cuadrado) de un filtro de coeficiente w(n-1) una
iteración n-1 puede ser rápidamente estimados con herramientas
computacionales, usando el arribo de datos que se obtiene con los
valores recursivos[5].
Las ventajas de este diseño, por las cuales se eligió como
solución propuesta, son las que se exponen a continuación:

- En los algoritmos RLS se suele utilizar el promedio IIR,
(filtro de respuesta infinita).
- Se reajustan automáticamente en cada iteración a diferencia
de otros filtros.
- Aplicaciones importantes para la cancelación de ruido,
Identificación de Sistemas y Predicción de Procesos.
- Se le permitirá seguir pequeñas variaciones de las señales.
- Alta rendimiento y menor gasto computacional.
- Permite utilizar los valores obtenidos anteriormente en la
convergencia para hallar el próximo valor y no solamente la
diferencia de error como hace el mínimo cuadrado.
.
Las ecuaciones que definen este algoritmo se presenta a
continuación:

|
|
.
|

\
|
+
÷ =
n n-
T
n
n-
T
n n n-
n- n
λ λ Ψ P Ψ
P Ψ Ψ P
P P
1
1 1
1
1 (8)

| |
n n
T
n n n n n
Y ÷ ÷ =
÷ ÷ 1 1
Θ Ψ Ψ P Θ Θ
(9)

Dónde:

: Matriz de potencia.
: Coeficiente de error (0-1).

: Vector de Salida medida.
Ψ

: Vector de datos de entradas.
Θ

: Vector de coeficientes para
1

1
.


4. Simulación del Sistema con Algoritmo RLS.

Para hacer la simulación se creó un archivo tarea3.m para así
tener de manera dinámica el RLS.

clc;
clear all;
load datos_tarea3.mat; % carga de datos

% condiciones iniciales
a=0;
b=0;

Lamda=input('ingrese el lambda que desea entre 0
y 1: ');
Teta_1=[-a;b];
PN_1=[1000 0;0 1000];

for k=2:481

y(k)=datos(k,1);% columna de datos de salida
y(n)
u(k)=datos(k,2);% columna de datos de entrada
u(n)


FI=[-y(k-1);u(k-1)];
ga=Lamda+FI'*PN_1*FI;
PN=(PN_1-(PN_1*FI*FI'*PN_1)/ga)/Lamda;
Teta=Teta_1+(PN_1*FI*(y(k)-FI'*Teta_1))/ga;
PN_1=PN;
Teta_1=Teta;
Teta1k(k)=Teta(1,1);
Teta2k(k)=Teta(2,1);
end

a=Teta(1,1)
b=Teta(2,1)

figure(1)
plot(Teta1k)
title('Grafica de Identificacion del
parametro a');
xlabel('Tiempo (segundos)');
ylabel('Parametro a');
grid;
figure(2)
plot(Teta2k)
title('Grafica de Identificacion del
parametro b');
xlabel('Tiempo (segundos)');
ylabel('Parametro b');
grid;

Figura 2. Código de MATLAB del algoritmo implementado
usando las formulas (8) y (9).

De manera experimental, se obtuvieron datos reales de entrada
y salida del circuito RC bajo la implementación de
CASSYLAB. A continuación se muestran los datos en
MATLAB/Simulink.


Figura 3. Datos de entrada y Salida de MATLAB/Simulink.

Con esto se obtendrán los parámetros a y b, por esto se
muestra la simulación completa en Simulink.


Figura 4. Simulación completa del algoritmo RLS ante la
Entrada y Salida de datos.

5. Resultados.

Para los resultados encontrados se considero un tiempo de
muestreo de 0.1 segundos, con lo que se obtienen 500 Muestra
en un tiempo de 50 segundos.

También es importante considerar un valor inicial a cada uno
de los vectores y matrices.

A continuación se Presentan los resultados que arroja la
simulación.



Figura 4. Respuesta del sistema ante una entrada de 10Volt
constante en MATLAB/Simulink.



Figura 5. Parametro a que arroja MATLAB/Simulink.



Figura 6. Parametro b que arroja MATLAB/Simulink.

6. Observaciones y Conclusiones.

Se concluye que en base a ecuaciones teóricas es posible
diseñar bloques para modelar en MATLAB/Simulink un
Identificador de Sistemas. Es posible realizar simulaciones del
RLS para datos reales de procesos específicos como el circuito
RC.

Destacar que los valores de a y b se van adaptando a medida
que transcurre el muestreo de datos del sistema en los valores que
identifican el sistema. Se obtuvieron los mismos parámetros en la
tarea 2, cumpliendo que este método fue más rápido y eficiente
que el LS que se desarrollo anteriormente.

Por último la aplicación que posee este método y la importancia
de este en procesos de sistemas e ingeniería de control.

7. Referencias.

[1] Torres Vicencio F. “INDENTIFICACION DE SISTEMAS
APLICADO A PROCESOS REALES”. Universidad de la
Frontera.
[2] es. Wikipedia.org/wiki/Identificación_de_sistemas.
[3] Alexander, Saduki. “fundamentos de Circuitos Eléctricos” 3°
Edición.
[4] es.wikipedia.org/wiki/Filtro_adaptativo.
[5] POWERT POINT, EL ALGORITMO ADAPTATIVO
MINIMO CUADRADO RECURSIVO RLS.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->