UNIVERSIDAD DE ALCAL

INGENIERA TCNICA EN SISTEMAS ELECTRNICOS

Laboratorio de Sistemas Electrnicos de Control Discreto

IDENTIFICACIN DE PARMETROS DE UN MOTOR DC

ndice

NDICE
INTRODUCCIN IDENTIFICACIN DE SISTEMAS CONOCIMIENTOS PREVIOS SOBRE LA PLANTA A
IDENTIFICAR

DISEO DEL EXPERIMENTO DE RECOGIDA DE DATOS TRATAMIENTO PREVIO DE LOS DATOS OBTENIDOS IDENTIFICACIN NO PARAMTRICA IDENTIFICACIN PARAMTRICA VALIDACIN DE MODELOS CONCLUSIONES

Introduccin

1. INTRODUCCIN
1.1. Concepto de sistema
Perturbacin

v(t)

Entrada

Salida Sistema dinmico

u(t)

y(t)

1.2 Modelo de un sistema

Un modelo es una herramienta matemtica que nos permite predecir el comportamiento de un sistema sin necesidad de experimentar sobre l.

1.3. Tipos de modelos

Modelos mentales, intuitivos o verbales. Modelos no paramtricos: grficos y tablas. Modelos paramtricos o matemticos.

Introduccin

Ejemplo de modelo paramtrico:

y (t ) = 5 t + 3 u (t ) 2 u (t ) 1 2
Hay que distinguir:

Estructura del modelo y (t ) = k t + k u (t ) + k u (t ) 1 2 1 3 2 Parmetros del modelo k = 5; 1 k = 3; 2 k = 2; 3

1.4. Mtodos de obtencin de modelos:

Modelado matemtico mtodo analtico Identificacin del sistema mtodo experimental

Identificacin de sistemas

2. IDENTIFICACIN DE SISTEMAS ?
Se entiende por identificacin de sistemas a la obtencin experimental de la estructura y los parmetros de un modelo que reproduce con suficiente exactitud las caractersticas dinmicas del proceso objeto de estudio.

2.1 El proceso de identificacin

Conocimientos previos sobre la planta Diseo del experimento de recogida de datos

Tratamiento de los datos Eleccin de la estructura del modelo

Datos

Clculo del modelo (ajuste de parmetros)

Validacin del modelo

Modelo no vlido: revisar

Modelo vlido: usar

Identificacin de sistemas

2.2. Mtodos de identificacin

Dependiendo del tipo de modelo obtenido: Mtodos no parmetricos Mtodos paramtricos Dependiendo de la aplicacin: Mtodos de identificacin off-line Mtodos de identificacin on-line (identificacin
recursiva)

Dependiendo del criterio de ajuste :

mtodo del error de prediccin, mtodo de mnimos cuadrados, mtodo de variables instrumentales...

Conocimientos previos sobre la planta a identificar

3. CONOCIMIENTOS PREVIOS SOBRE LA PLANTA A IDENTIFICAR

? ?

Todo conocimiento fsico previo sobre la planta a identificar facilita en gran medida el proceso de identificacin. Estudio de un caso concreto Identificacin de parmetros de un motor DC

Eleccin de entradas y salidas:

Perturbacin Ml(t)

Entrada Va(t)
.

Salida

Motor DC

w(t)

Posible estructura: G( s) = (s) A = e L s V (s) s + 1 a

A Ganancia esttica del motor. Constante de tiempo electromecnica del motor. L Retardo del motor.

Diseo del experimento de recogida de datos

4. DISEO DEL EXPERIMENTO DE RECOGIDA DE DATOS

El primer paso dentro del proceso de identificacin es realizar algn tipo de experimento sobre el sistema bajo estudio para obtener los datos de entrada-salida que servirn de base para la obtencin del modelo final.

4.1. Aspectos prcticos

Los datos deben contener informacin significativa sobre el sistema, debindose tomar las siguientes decisiones:
ELECCIN DE LAS SEALES A MEDIR

Entradas : seales que se puedan manipular. Salidas: seales que se puedan medir. Perturbaciones: no se pueden manipular ni medir.
ELECCIN DEL TIPO DE ENTRADA

Debe contener el mayor nmero de frecuencias posibles:

las seales escalonadas son apropiadas.

Para sistemas lineales: dos niveles de entrada.

Para sistemas no lineales: ms de dos niveles de entrada.
.

Diseo del experimento de recogida de datos

a)

b)

Si se sabe que el sistema va a trabajar preferentemente en

torno a un determinado punto de trabajo, es conveniente realizar la recogida de datos en ese mismo entorno.

ELECCIN DEL PERIODO DE MUESTREO

Relacionada con las constantes de tiempo del sistema Si es muy pequeo : obtencin de datos redundantes Si es muy grande : no es posible reproducir la dinmica del
sistema.

Regla comnmente usada: frecuencia de muestreo de diez

veces el ancho de banda del sistema.

ELECCIN DEL NMERO DE MUESTRAS A TOMAR Viene

limitado por la capacidad del dispositivo de memoria utilizado.

Diseo del experimento de recogida de datos

4.2. Obtencin de datos de entrada-salida de un motor DC

EXCITADOR ELECTRNICO PWM

Vcod

Generador de PWM

Puente en H
Va

PC
1. Generacin de las entradas 2. Lectura de las salidas 3. Almacenamiento de los datos 4. Temporizacin 5. Sincronizacin 6. Herramientas para la identificacin Wcod Vcod

INTERFASE HARDWARE

Va
EXCITADOR ELECTRNICO

MOTOR
ENCODER TACMETRO DIGITAL

Sentido

Q Clk
ENCODE

Velocidad

Q[0..7 ]

Clk Q

CHA CHB CHI

Rst

Seal de reset peridica

Diseo del experimento de recogida de datos

Funcin de transferencia de la interfaz:

INTERFAZ HARDWARE

Vcod

EXCITADOR ELECTRNICO

Vm MOTOR A s L e s+1 Wm

PC
Wcod

Kee =

Vn 255

TACMETRO DIGITAL

N Ts Ktac = 60

? ?

Eleccin del tipo de entrada binaria pseudoaleatoria por ser un sistema lineal. Eleccin del periodo de muestreo . Factores determinantes:

Constante de tiempo del motor.

Rebose del contador. Precisin de la medida.

10

Diseo del experimento de recogida de datos

Ejemplos de datos obtenidos:

CON Ts = 1 ms
Velocidad angular codificada W cod 40 30 20 10 0 0 200 400 600 800 1000 1200 1400 1600 n muestra

Tensin de armadura codificada Vcod 250 200 150 100 50 0 0 200 400 600 800 1000 1200 1400 1600 n muestra

CON Ts = 4 ms
Velocidad angular codificada W cod 150 100 50 0

100

200

300

400

500 n muestra

Tensin de armadura codificada Vcod 200 150 100 50 0 0 100 200 300 400 500 n muestra

11

Tratamiento previo de los datos obtenidos

5. TRATAMIENTO PREVIO DE LOS DATOS OBTENIDOS

5.1. Eliminacin de perturbaciones de alta frecuencia
5.2. Eliminacin de datos errneos 5.3. Tratamiento de niveles de continua

12

Identificacin no paramtrica

6. IDENTIFICACIN NO PARAMTRICA ?
Permiten obtener modelos no paramtricos de la planta bajo estudio. Algunos ejemplos:

Anlisis de la respuesta transitoria. Anlisis de la respuesta en frecuencia. Anlisis mediante correlacin de seales. Anlisis de Fourier.

Posibilidad de convertir los modelos no paramtricos en modelos paramtricos.

6.1. Anlisis de la respuesta transitoria de un motor de continua.

200 180 160 140 120 100 80 60 40 20 0 0 10 20 30 40

13

Identificacin no paramtrica

Identificacin del retardo del sistema:

60 50 40 30 20 10 0 -10 -2 -1 0 1 2 3 4 5 6

L 4 ms

Identificacin de la constante de tiempo:

100 90 80 70 60 50 40 30 20 10 0 0 10 20 30 40 50

8,35 muestras

= n muestras Ts = 8,35 4ms = 33,4ms

14

Identificacin no paramtrica

Identificacin de la ganancia esttica del sistema:

200 180 160 140 120 100 80 60 40 20 0 0 10 20 30 40

K=

102 = 0,51 200

K=

Vn 500 Ts A 255 60 A = 867

Modelo obtenido:

w(s) 867 G( s) = Va( s) = 0.051 s + 1 e0.004 s

15

Identificacin paramtrica

7. IDENTIFICACIN PARAMTRICA
7.1. Tipos de modelos paramtricos

Los modelos paramtricos se describen en el dominio discreto, puesto que los datos que sirven de base para la identificacin se han obtenido por muestreo. Expresin general de un modelo discreto:

y(t ) = G(q, ) u(t ) + H (q, ) e(t ) =

B (q ) C (q ) u(t ) + e(t ) F (q ) D(q )

Tanto G(q,) como H(q,) son cocientes de polinomios del tipo: nk + b q nk 1 + + b q nk nb + 1 b q B( q ) 2 nb G ( q , ) = = 1 nf F ( q) 1 + f q 1 + + f q 1 nf 1 nc C( q) 1 + c1 q + + cnc q H ( q , ) = = D( q) 1 + d q 1 + + d q nd 1 nd

Proceso de identificacin paramtrica:

Elegir la estructura orden de cada uno de los polinomios

anteriores, es decir nb,nc,nd,nf y nk.

Determinar el vector de coeficientes ( bi , ci , di y fi ) que

hacen que el modelo se ajuste a los datos de entrada - salida del sistema real.
16

Identificacin paramtrica

Posibles simplificaciones de la estructura general:

Si F(q)=D(q)=A(q) y C(q) = 1 Modelo ARX

e

A( q) y (t ) = B( q) u(t ) + e(t )

1 A

Si C(q)=D(q)=1 Modelo Output Error (OE)

e

B( q ) y (t ) = u(t ) + e(t ) F ( q)

B F

Si F(q)=D(q)=A(q) Modelo ARMAX

C

A( q) y (t ) = B( q) u(t ) + C( q) e(t )
u B

1 A

Todos los polinomios no nulos Modelo Box Jenkins (BJ)

e C D

B ( q) C( q ) y (t ) = u(t ) + e(t ) F ( q) D( q)
u B F

y 17

Identificacin paramtrica

7.3. Identificacin paramtrica de un motor DC

Eleccin de la estructura del modelo, en base al conocimiento
previo sobre la planta: W ( s) Kee A Ktac cod = e L s V ( s) s +1 cod Eligiendo el mtodo de correspondencia directa entre ceros y polos en ambos dominios (mtodo matched), se debe escoger una estructura discreta con un polo, ningn cero y un determinado retardo. Una estructura ARX del orden anterior es:
:

y ( KT ) + a y ( KT T ) = b u( KT T ) 1 0 o en el dominio transformado: b y( z) 0 = z 1 u( z) 1 + a z 1 1

Ajuste de los parmetros del modelo, mediante el Toolbox de

Identificacin de Matlab: >> load datos4 >> z = [ resp act ] >> idplot ( z )

18

Identificacin paramtrica

OUTPUT #1 150 100 50 0

100

200

300

400

500

INPUT #1 200 150 100 50 0 0 100 200 300 400 500

>> zd = dtrend (z); >> idplot (zd);

OUTPUT #1 50 0 -50 -100

100

200

300

400

500

IN P U T # 1 100 50 0 -50 0 100 200 300 400 500

>> th = arx ( zd, [ 1 1 1] ); >> th = sett ( th, 0.004); >> [numd,dend] = th2tf ( th ); >> printsys(numd,dend,z) 0.03222 ---------z - 0.9175
19

Identificacin paramtrica

Por tanto, los parmetros obtenidos son: a = 0.9175 1 y b = 0.03222 0

>> [numc,denc] = d2cm(numd,dend,0.004,matched); >> printsys(numc,denc,s) 8.407 --------s + 21.53

Por tanto, la funcin de transferencia identificada del conjunto excitador electrnico + motor + tacmetro es la siguiente: W ( s) 8.407 0.3905 cod = = V ( s) s + 2153 . 0.0464 s + 1 cod Conocida la relacin de la funcin de transferencia anterior con la del motor, se obtiene: w (s) 663.85 = V (s) 0.0464 s + 1 a

20

Conclusiones

8. VALIDACIN DE MODELOS
?
Es conveniente probar varias estructuras y determinar cundo un determinado modelo es lo suficientemente exacto para la aplicacin requerida validacin del modelo.

8.1. Mtodos de validacin

Validacin en base a la aplicacin del modelo Comprobacin de parmetros fsicos

Coherencia en el comportamiento de entrada - salida Reduccin del modelo

Intervalos de fiabilidad de parmetros Simulacin

Anlisis de residuos
Residuos de un modelo (t ) = (t , ) = y(t ) y (t , ) e Idealmente, estos residuos deben ser independientes de la entrada. Si no sucede as, significa que hay componentes en (t) que proceden de la entrada u(t), lo cual a su vez significa que el modelo no es capaz de describir completamente la dinmica del sistema.
21

Conclusiones

Comprobacin de la correlacin entre el error de prediccin y la entrada al sistema, segn la expresin: 1 N (t + ) u(t ) R = u N t = 1 M

El modelo ser tanto ms exacto cuanto ms se acerquen a cero los trmino de la correlacin anterior.

8.2. Validacin del modelo de un motor DC

El modelo obtenido corresponda a una estructura ARX del tipo: y( kT ) 0.9175 y( kT T ) = 0.0322 u(kT T )

Validacin mediante simulacin (mediante Toolbox de Identificacin de Matlab)

Output # 1 Fit: 7.973 60 40 20 0 -20 -40 -60 -80

100 200 Model output

300 400 Measured output

500

22

Conclusiones

9. CONCLUSIONES
?
Limitaciones de la teora de identificacin:

Necesidad de disponer de datos experimentales. Eleccin de una estructura adecuada para el sistema.

Todava hay reas poco conocidas o estudiadas:

Aplicacin de la teora de identificacin al procesamiento de

seales, deteccin de fallos o reconocimiento de formas.

Identificacin de sistemas variables con el tiempo. Uso eficiente de la informacin a priori que se tiene sobre el
sistema a identificar.

Identificacin de sistemas no lineales o de parmetros

distribuidos.

Desarrollo de mtodos y algoritmos ms simples, rpidos y

eficientes para la estimacin de la estructura y los parmetros del modelo.

23