TALLER: IDENTIFICACIN DE SISTEMAS

JUAN SEBASTIAN CONTRERAS G.

UNIVERSIDAD DE IBAGU INGENIERA DE SISTEMAS IBAGU 2013

TALLER: IDENTIFICACIN DE SISTEMAS

JUAN SEBASTIAN CONTRERAS G.

Ricardo Troncoso Ingeniero Electrnico

UNIVERSIDAD DE IBAGU INGENIERA DE SISTEMAS IBAGU 2013

INTRODUCCION

La identificacin de sistemas es una forma de modelar un proceso mediante un enfoque experimental. Esta modelizacin de procesos nos permite analizar el funcionamiento del sistema para as mismo realizar diferentes acciones sobre estos procesos.

OBJETIVOS Aprender en qu consiste la identificacin de sistemas y en qu se diferencia de la

modelizacin matemtica

Comprender los conceptos bsicos sobre la modelizacin de procesos Estudiar los pasos para la creacin de modelos mediante la identificacin de
sistemas

Empezar a familiarizarse con los modelos que se aplican en la identificacin de

sistemas

Apropiar el concepto de perturbacin y su efecto en los sistemas lineales Entender las diferencias entre los modelos White model y black model

PREGUNTAS

1. Responda las siguientes preguntas: a) Qu son los sistemas dinmicos? b) Qu son las perturbaciones? 2. Escriba al menos cuatro ejemplos, diferentes a los que estn detallados en el documento de la Ingeniera Gutierrez. No olvide explicar, en esos ejemplos, lo relacionado con las entradas, las salidas y las perturbaciones. 3. Explique en detalle lo relacionado con la modelizacin de procesos o sea, defina que es la modelizacin, para que sirve, en donde se aplica, que es una medicin indirecta. 4. Explique que es un modelo. Escriba acerca de los modelos mentales, los modelos graficos y los modelos matemticos analticos. 5. Escriba las definiciones de modelizacin matemtica, de sistemas de identificacin. 6. Cmo se construye un modelo? Explique la diferencia entre un White model y un black model. 7. Explique las razones por las cuales los modelos matemticos son deducidos y aplicados. 8. Explique detalladamente en qu consiste el procedimiento de identificacin o sea explique lo relacionado con el diseo del experimento, el preprocesamiento de seales, la identificacin del sistema y la validacin del modelo. 9. Explique todo lo relacionado con Sistemas Invariantes en el Tiempo: Respuesta Impulso, Tiempo continuo Tiempo discreto, Perturbaciones, funcin de transferencia. 10. Escriba sobre los modelos ARX y ARMAX, Output Error (OE) y Box-Jenkins. Que son, como son, para que se utilizan, etc.

SOLUCION
1. a) Sistema Dinmico: Un sistema dinmico es aquel en el cual interactan varias seales y como resultado produce otra seal diferente a la observable. Es un sistema en el que podemos ver entrada(s) y salida(s). b) Perturbaciones: Una perturbacin en un sistema dinmico es una seal que interacta con el sistema pero que no se puede manipular, es decir que no pueden ser controladas. 2. Ejemplos: Control de la temperatura del auditorio central de la universidad: donde la entrada es el voltaje con el que funciona el dispositivo, las perturbaciones son los rayos solares, corrientes de aire; y la salida es la temperatura que se quiere alcanzar. Una pelota de tennis: donde la entrada es la fuerza que se le imprime a la pelota, la perturbacin es el viento que actua sobre la pelota y la salida es la velocidad que alcanza la pelota. Un circuito elctrico sencillo: Supongamos tenemos un circuito compuesto solo de resistencias, la entrada sera el voltaje que le suministremos, la salida bien podra ser el voltaje o corriente en alguna de las resistencias, y las condiciones ambientales se pueden considerar como perturbaciones. Una seal de radio: donde la entrada son las ondas que llegan a la antena, las perturbaciones son los agentes ambientales que pueden interferir(Lluvia, Sol, Viento) y la salida es la seal convertida. 3. La modelizacin se usa en muchos aspectos de la ciencia como soporte para describir y entender la realidad. La modelizacin de procesos la encontramos en la industria, en donde para el control de dichos procesos, es necesario el diseo de controladores que requieren una modelizacin de procesos, es decir un modelo que le permita ver los inconvenientes en tiempo real que pueda llegar a tener el proceso desarrollado. Varios de

los usos de la modelizacin son para el conocimiento de un proceso, una explicacin de lo que sucedi anteriormente, modelizacin de un sistema futuro, conocimiento del comportamiento dinamico de un sistema, monitoreo donde se puede revisar el buen funcionamiento de una mquina.

La medicin indirecta es otra aplicacin muy importante de la modelizacin, pero muy poco usada en la prctica dada su poca difusin. Esta consiste que a partir de la medicin de una variable se puede obtener el valor de otra que es dificil de medir.

4. En identificacin de sistemas un modelo es una estimacin del comportamiento de un proceso mediante la relacin entre su entrada y salida. Modelo Mental: Son aquellos modelos que no involucran una formalizacin matemtica. Modelo Grafico: Se utiliza para algunos sistemas en los que es apropiado describir sus propiedades a travs de graficas y asi poder identificar el modelo. Modelos matemticos analticos: Son la relacin que existe entre el mundo real y las matemticas. Son aquellos modelos que describen la relacin entre los sistemas en trminos matemticos como ecuaciones diferenciales o ecuaciones de diferencia. Los modelos matemticos pueden ser caracterizados por un nmero de adjetivos (tiempo continuo o tiempo discreto, concentrados o distribuidos, determinsticos o estocsticos, lineal o no lineal, etc.), determinando el tipo de ecuacin diferencial o de diferencia usada.

5. Modelizacion matemtica -El modelo se desarrolla mediante una aproximacin analtica. -Se basa en la aplicacin de las leyes fsicas al proceso. -Se obtiene un modelo de caja blanca (White Box). -Puede ser utilizado sobre procesos en los cuales no se pueden realizar experimentos o mediciones. -Los modelos dan una idea general del funcionamiento de determinado proceso. Sistemas de Identificacion -El modelo se desarrolla mediante una aproximacin experimental. -Se basa en el desarrollo de experimentos en el proceso. -Se obtiene un modelo de caja negra (Black Box). -Puede ser utilizado de manera ms eficaz sobre procesos sumamente complejos. -El modelo solo es vlido cuando se cumplen las condiciones en las cuales se hall. 6. Los modelos son construidos a partir de datos experimentales o datos observados. Aplicado para los diferentes modelos, para un modelo mental necesitamos la experiencia; para el modelo grafico necesitamos mediciones y para los modelos matemticos podemos utilizar dos formas de solucin. En la primera dividimos el proceso en dos subsitemas para luego obtener una solucin nica. Esta se denomina modelizacin matematica. Los modelos que obtenemos a travs de la modelizacin matemtica son denominados Modelos Blancos (White model) o modelos Caja Blanca, (White Box Model). Se consideran as, porque sus parmetros tienen un significado fsico. La otra solucin es la utilizacin de la modelizacin experimental, que, como su nombre lo dice utiliza la experiencia para encontrar un modelo adecuado. Los modelos obtenidos a travs de la ruta de modelizacin experimental son denominados Modelos Negros (Black model) o modelos Caja Negra (Black Box Model). Llamados asi dado que se consideran como una caja negra donde su estructura y

parmetros no tienen ningn significado fsico, lo nico que de el interesa es que muestre una buena relacin entre la entrada y la salida del sistema real.

7. Los modelos matemticos son deducidos y aplicados por estas razones: Simulacion: Con el apoyo de los modelos matemticos se puede analizar el comportamiento de un sistema por simulacin. Por ejemplo en los casos en los cuales experimentar con el sistema real resulta demasiado peligroso. Prediccin: En algunos casos se esta interesado en la prediccin del comportamiento futuro de un sistema cuando sea exitado con diferentes seales de entrada y perturbaciones.

Filtrar ptimamente: Los modelos matemticos pueden ser utilizados para estimar variables que no pueden ser medidas directamente. Controlar: Con el apoyo del modelo matemtico de un sistema uno puede desarrollar controladores que satisfacen algunos criterios de comportamiento. 8. Diseo del experimento: En esta parte se evala todo lo relacionado con la realizacin del experimento para hallar el modelo. Entre las consideraciones que se toman en cuenta estn: definir cules son las entradas y salidas del sistema, cules son los lmites de este, qu artefactos se van a usar para realizar las mediciones, cul ser el tiempo de muestreo, qu seales de entrada se van a aplicar. Preprocesamiento de seales: Durante este paso se eliminan las perturbaciones y no linealidades de los datos de entrada y salida tomados en el experimento. Identificacin del sistema: Es el paso ms difcil e importante en la identificacin. En este se selecciona un conjunto de modelos, de entre los cuales se va a elegir el modelo ms adecuado para realizar la identificacin del sistema. Validacin del modelo: Puede verse como la etapa de pruebas durante el proceso de identificacin, ya que en esta se averigua si el modelo calculado es de uso para la funcin propuesta. 9. Un sistema invariante en el tiempo es aquel en el que los parmetros no varan en el tiempo, es decir, que la respuesta del sistema va a ser la misma sin importar el momento en el que se aplica la entrada. Respuesta impulso: Bsicamente puede ser usada para describir un sistema lineal invariante en el tiempo y causal, dndose a entender que un sistema es lineal cuando una salida provocada por muchas entradas es igual a la suma de las salidas individuales, y que es causal cuando su salida depende del valor presente de las entradas y del valor pasado de tanto entradas como salidas. Tiempo continuo Tiempo discreto: Son los tiempos en los que se miden las seales. Una seal en tiempo continuo es aquella en la que se toman todos los valores de la seal en un intervalo de tiempo, mientras que una seal en tiempo discreto es bsicamente una aproximacin de la seal en tiempo continuo que se logra mediante el muestreo de esta seal en intervalos iguales de tiempo, o periodo de muestreo. La herramienta matemtica

usada en sistemas de tiempo continuo es la transformada de Laplace, y en sistemas de tiempo discreto es la transformada Z. De forma aclaratoria se puede decir que el tiempo continuo es el que se mide en sistemas anlogos, mientras que el discreto se da en los sistemas digitales. Perturbaciones: Son aquellas seales que afectan el sistema y que no pueden ser controladas. Algunas de las causas de las perturbaciones son el ruido de medicin y las seales de entrada que no se pueden controlar. 10. Modelo ARX Un modelo regresivo tipo ARX es un modelo lineal discreto en el cual la salida en el instante de muestreo n se obtiene a partir de valores pasados de la salida y de la entrada. La relacin entrada-salida est descrita por: y(k) + a1y(k-1)++ana y(k-na) = b1u(k) ++ bnbu(k-nb) + e(k) donde e(k) es el trmino de ruido blanco y sirve aqu como un error directo en la ecuacin diferencial. No es de los modelos ms fciles o evidentes desde el punto fsico, debido a que la entrada de ruido blanco siempre est filtrada, aunque casi siempre son la primera eleccin en un proceso de identificacin debido a su resolucin matemtica relativamente sencilla. Modelo ARMAX Prcticamente es un modelo ARX en el cual se mejora la descripcin de la influencia de las perturbaciones, en el cual se obtiene mayor flexibilidad describiendo el error como un promedio mvil, quedando as la ecuacin: y(k) + a1y(k-1)++ana y(k-na) = b1u(k) ++ bnbu(k-nb) + 1 + e(k) + c1e(k-1) ++ cnce(k-nc) Modelo Output Error Es aquel en el cual la relacin entre entrada y salida sin perturbacin puede ser dada por una ecuacin de diferencia lineal y la perturbacin existe de un ruido de medicin blanco aditivo en la salida. Una caracterstica de este modelo es que se concentra en la dinmica de entrada-salida. Su ecuacin est dada por: () = ( 1 ) () + () ( 1 )

Es bsicamente un modelo ARMAX con A(q-1) = C(q-1) = F(q-1)

Modelo Box-Jenkins Se obtiene al modelar ms el error de un modelo output error, quedando as como: () = ( 1 ) ( 1) ( ) + () ( 1 ) ( 1 )

Este modelo presenta mayor flexibilidad e independencia de entrada-ruido.

CONCLUSIONES

La identificacin de sistemas nos permite hallar modelos de procesos sin la necesidad de conocer todos los fenmenos fsicos presentados dentro del mismo. Tanto la modelizacin matemtica como la identificacin de sistemas poseen caractersticas que las hace ms apropiadas para su aplicacin en determinados sistemas. Los procesos de modelizacin matemtica son denominados tambin de caja blanca (White box) y la identificacin de sistemas como caja negra (Black box). Los modelos son una parte muy importante en el proceso de automatizacin, debido a que nos permite conocer el comportamiento de un proceso y disear mecanismos de control para estos. Las perturbaciones son elementos importantes a tener en cuenta en un modelo ya que pueden alterarlo.

BIBLIOGRAFIA

GUTIERREZ, Ana Isabel. Sistemas de Identificacin. Capitulo 1. Principios del proceso de modelizacin.