Sistemas Dinamicos

Sistemas Din amicos y Modelos Matem aticos Principios de la Teor a General de Sistemas Modelos Continuos y Discretos
Modelado y Simulaci on de Sistemas Din amicos: M etodos, Algoritmos y Herramientas

Introducci on al Modelado y Simulaci on Ernesto Kofman
Laboratorio de Sistemas Din amicos y Procesamiento de la Informaci on FCEIA - Universidad Nacional de Rosario. CIFASIS CONICET. Argentina
Ernesto Kofman. Modelado y Simulaci on de Sistemas Din amicos
Introducci on al Modelado y Simulaci on
Organizaci on de la Presentaci on
Sistemas Din amicos y Modelos Matem aticos
Principios de la Teor a General de Sistemas
Modelos Continuos y Discretos
Sistemas Din amicos

Denici on de Sistema Un Sistema es una disposici on delimitada de entidades interactuantes. Disposici on: dene la Estructura del Sistema. Delimitaci on: las acciones del resto del universo sobre el sistema se reemplazan por entradas. Entidades interactuante: son los componentes del sistema: procesos, elementos, subsistemas, etc. Denici on de Sistema Din amico Un Sistema Din amico es un Sistema en el cual hay almacenamiento de energ a, materia o informaci on; es decir, un Sistema Din amico es un sistema con Memoria.
Ernesto Kofman. Modelado y Simulaci on de Sistemas Din amicos Introducci on al Modelado y Simulaci on
Modelos Matem aticos

Por cuestiones de costo, riesgo o imposibilidad (si el sistema todav a no existe por ejemplo), en muchas ocasiones no se puede experimentar sobre los sistemas reales. En estos casos se recurre a la experimentaci on sobre Modelos del sistema. Denici on de Modelo Un Modelo es una representaci on simplicada de un Sistema que ltimo sin recurrir a la permite responder interrogantes sobre este u experimentaci on sobre dicho sistema. Denici on de Modelo Matem atico Es un conjunto de expresiones matem aticas que describen las relaciones existentes entre las magnitudes caracterizantes del sistema.
Variables y par ametros

Las magnitudes que caracterizan y rigen la evoluci on de un sistema ametros. se denominan variables y par Los par ametros son magnitudes constantes (o que var an lentamente, independente de lo que ocurre en el sistema). Ej: masa, resistencia el ectrica, etc. Las variables son magnitudes que cambian con el tiempo. Entre ellas encontramos:
Variables fundamentales: tiempo (t ) y espacio (x , y , z ). Son independientes de la evoluci on del sistema. Entradas: representan la acci on del resto del universo sobre el sistema. Son independientes de la evoluci on del mismo. Variables dependientes: representan la magnitudes que cambian en funci on de la evoluci on del sistema. Salidas: Son variables dependientes que nos interesan y que podemos observar.
Concepto de Estado
Denici on: El Estado de un modelo matem atico es un conjunto de variables dependientes cuyo conocimiento en un instante de tiempo, asumiendo conocidos los valores de las entradas, permite calcular el valor de cualquier otra variable dependiente en dicho instante. Si el modelo es determinista, el conocimiento del estado en un instante de tiempo y de las entradas en todo momento permite predecir la evoluci on de todas las variables del sistema. En general, el conjunto de variables dependientes que constituyen el estado puede elegirse de distintas maneras.
Teor a General de Sistemas

La Teor a General de Sistemas estudia las propiedades generales de los Sistemas Din amicos y de sus modelos matem aticos. Entre otros problemas, la Teor a General de Sistemas estudia y dene: Propiedades Generales de los Modelos Matem aticos Clasicaci on de Modelos Matem aticos, Modelado de Sistemas, Simulaci on de Modelos, Filtrado, Control de Sistemas, etc.
Modelado y Simulaci on
Modelado Es el proceso de obtenci on de modelos matem aticos. Para esto, hay dos t ecnicas: A partir de principios anal ticos y/o f sicos. Mediante experimentaci on (identicaci on) Simulaci on Es la experimentaci on sobre un modelo matem atico de un sistema, generalmente implementado en una computadora. La simulaci on de un sistema, adem as del modelado, suele requerir ecnicas de aproximaci on (m etodos num ericos de la utilizaci on de t integraci on, por ejemplo).
Clasicaci on de Modelos Matem aticos

Seg un la Evoluci on Temporal
Una forma de clasicar modelos es en funci on de la manera en que las variables evolucionan en el tiempo. Tiempo Continuo: Las variables evolucionan continuamente en el tiempo. Generalmente se representan mediante ecuaciones diferenciales. Tiempo Discreto: Las variables s olo pueden cambiar en determinados instantes de tiempo. Se suelen representar mediante ecuaciones en diferencias. Eventos Discretos: Las variables pueden cambiar en cualquier momento, pero s olo puede haber n umeros nitos de cambios en intervalos de tiempo nitos.

Sistemas de Tiempo Continuo
u (t ) Sistema t x (t )
y (t )

Sistemas de Tiempo Discreto
u (tk ) Sistema tk x (tk )
y (tk )
tk
tk

Sistemas de Eventos Discretos
y (t )

Seg un el nivel de especicaci on
Otra forma de clasicar modelos es acorde al nivel de detalle de la especicaci on: Especicaci on Entrada-Salida: El modelo s olo expresa la relaci on entre las secuencias o funciones de entrada y las secuencias o funciones de salida. Especicaci on de Estados: El modelo tiene en cuenta adem as la evoluci on de los estados internos. Especicaci on de Acoplamiento: El modelo explicita adem as submodelos y su interconexi on. Para un mismo sistema, seg un los objetivos, pueden plantearse modelos en los tres niveles de especicaci on.

Especicaci on Entrada-Salida
u (t ) Sistema t
y (t )

Especicaci on de Estados
y (t )

Especicaci on de Acoplamiento
u (t ) Sistema t
y (t )
Modelos de Tiempo Continuo

Hay dos grandes categor as: Modelos de Par ametros Concentrados, que se representan mediante Ecuaciones Diferenciales Ordinarias (t ) + g sin( (t )) = 0 (p endulo sin fricci on) l (o bien mediante Ecuaciones Algebraico Diferenciales) Modelos de Par ametros Distribuidos, que se representan mediante Ecuaciones en Derivadas Parciales u 2u (x , t ) = 2 (x , t ) (difusi on de calor) t x
Modelos de Tiempo Discreto
Los modelos de tiempo discreto se representan generalmente como ecuaciones en diferencias. Ej: N (tk +1 ) = N (tk ) e aP (tk ) P (tk +1 ) = N (tk ) (1 e aP (tk ) ) (Nicholson Bailey )
Los instantes de tiempo en los cuales hay cambios en las variables se denotan t0 , t1 , . . . , tk , . . . . La distancia tk +1 tk se denomina paso y suele ser constante (pero esto no es general).
Modelos de Eventos Discretos

Consideremos el siguiente ejemplo: un sistema, que posee un sensor que detecta cada vez que entra o sale una persona a una habitaci on, registra el n umero de personas dentro de la misma. El n umero de personas se imprime en un panel cada vez que se modica. Cada vez que entra o sale una persona, ocurre un evento de entrada. Al imprimirse el n umero en el panel, ocurre un evento de salida. El n umero de personas dentro de la habitaci on representa el estado del sistema. Este tipo de modelos no tiene un formalismo de representaci on unicado. Vamos a ver luego distintas alternativas.
Representaci on General de Sistemas Din amicos

Los sistemas din amicos deterministas pueden representarse por la estructura: D =< T , U , , Y , Q , , >, donde T es la base de tiempo (el conjunto de valores posibles para la variable t ). U es el conjunto de valores posibles de la entrada. es el conjunto de segmentos admisibles de entrada (sus elementos son funciones : [t 1, t 2] T U ). Y es el conjunto de valores posibles de la salida. Q es el conjunto de valores posibles de los estados. : Q Q es la funci on de transici on de estados. : Q Y es la funci on de salida.
Representaci on General de Sistemas Din amicos

Funci on de Transici on
La funci on de transici on tiene las siguientes caracter sticas: Dado un segmento de entrada admisible : [t 1, t 2] T U , y sabiendo que el estado en t1 es q (t1 ) Q , entonces q (t2 ) = (q (t1 ), ). Dados dos segmentos de entrada admisibles consecutivos 1 : [t1 , t2 ] U y 2 : [t2 , t3 ] U , y asumiendo que la concatenaci on 1 2 , debe cumplirse (q , 1 2 ) = ((q , 1 ), 2 ). La restricci on u ltima nos dice que la funci on para denir un sistema din amico no puede ser arbitraria.
Sistemas Estacionarios y Sistemas Lineales

Sistemas Estacionarios Dados dos segmentos 1 : [t1 , t2 ] U , 1 : [t1 + t , t2 + t ] U con la propiedad 1 (t ) = 2 (t + t ), cuando la funci on de transici on cumple que (q , 1 ) = (q , 2 ) se dice que el sistema es estacionario o invariante en el tiempo. Lo que ocurre en los sistemas estacionarios o invariantes en el citamente del tiempo inicial considerado. tiempo no depende expl Sistemas Lineales Dados dos segmentos 1 : [t1 , t2 ] U , 2 : [t1 , t2 ] U , cuando la funci on de transici on cumple que (q1 + q2 , 1 + 2 ) = (q1 , 1 ) + (q2 , 2 ) y adem as vale que (q1 + q2 ) = (q1 ) + (q2 ), se dice que el sistema es lineal. on. En los sistemas lineales vale el principio de superposici
Bibliograf a
C atedra de Din amica de los Sistemas F sicos. Sistemas din amicos y modelos matem aticos. FCEIAUNR. www.fceia.unr.edu.ar/dsf, 2001. B. Zeigler. Theory of Modeling and Simulation. John Wiley & Sons, New York, 1976. B. Zeigler, T.G. Kim, and H. Praehofer. Theory of Modeling and Simulation. Second edition. Academic Press, New York, 2000.

Sistemas Dinamicos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistemas Dinamicos

Cargado por

Copyright:

Formatos disponibles

Sistemas Din amicos y Modelos Matem aticos Principios de la Teor a General de Sistemas Modelos Continuos y Discretos

Modelado y Simulaci on de Sistemas Din amicos: M etodos, Algoritmos y Herramientas

Ernesto Kofman. Modelado y Simulaci on de Sistemas Din amicos

Introducci on al Modelado y Simulaci on