Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual de Identificacin
21
25
27
29
31
35
37
39
40
42
1.1.
Introduccin
1.2.
Modelado Fsico
1.3.
Experimentos
- Linealidad
- Muchos de los algoritmos de identificacin obtienen modelos lineales
- Se debe analizar la linealidad
o Ensayar el proceso para diferentes amplitudes de la entrada
o Para una onda cuadrada a la entrada, respuesta debera ser simtrica
o Obtener el espectro de coherencia
- La mayora de los sistemas son no-lineales
- Es posible obtener un modelo lineal con variaciones pequeas de entrada
- En este caso, cuidado con el tamao del ruido o las perturbaciones
- Anlisis de Transitorios
- La respuesta al escaln o impulso dan informacin de
o Ganancia esttica
o Principales constantes de tiempo
o Retardos (no siempre)
o Comportamientos de no mnima fase
- Puede ser un escaln en la entrada o en una perturbacin
- Respuesta en Frecuencia
- Nos informa acerca de:
o Ganancia esttica
o Polos y ceros
o Retardos
9
10
o Recetas
1/(TxM) = ancho de banda del sistema
Para evitar aliasing: M= 2 10
Tener entre 5 y 10 muestras durante el perodo de crecimiento
La duracin del experimento debera ser entre 5-10 veces la mayor constante de tiempo a estimar.
11
12
1.4.
Tendremos columnas de u e y
Conviene dividirlo en dos conjuntos
o Identificacin y
o Validacin
1.4.1. Excitacin
Debe proveer suficiente energa en las frecuencias de inters
Estudiar el espectro tanto de la entrada como de la salida
Deben estar presentes las frecuencias de inters
Estudiar las condiciones de excitabilidad de la entrada
Se puede filtrar u e y para concentrarse en el rango til de frecuencias
Si la seal de entrada no tiene las componentes adecuadas, hay que repetir
el experimento con otra entrada.
14
15
1.4.2. Filtrado
En general, es bueno filtrar con un pasa
bajos o un pasa banda, los valores de u e y
Se concentra el anlisis en un rango de
frecuencias
El ruido tiene presencia en altas frecuencias
Filtro Butterworth:
Con
16
17
1.5.
yk Kuk
Complejidad del modelo vs precisin
Modelo ms general
A q 1 a1q 1 ana q na
A q yk
B q
C q
uk d
ek
F q
Dq
B q b1 b2 q 1 bnb q nb 1
C q 1 c1q 1 cnc q nc
D q 1 d1q 1 d nd q nd
F q 1 f1q 1 f n f q
nf
Casos Particulares
Modelo AR
A q yk ek
Solo tiene entrada de ruido
Modelo ARX
A q yk B q uk d ek
Modelo ARMAX
A q yk B q uk d C q ek
Modelo de Error de Entrada Salida (OE)
yk
Bq
uk d ek
F q
19
yk
Bq
F q
uk d
C q
Dq
ek
20
1.6.
Identificacin del Sistema: procedimiento para encontrar un modelo a partir de los datos.
Estimacin del Modelo: procedimiento para ajustar un modelo de una determinada estructura.
1.6.1. Estimacin de Modelos Lineales
En esta clase de modelos comprendemos al anlisis de
- Covarianza y
- Espectro
No se requiere fijar una estructura del modelo (orden de los polinomios, retardo, etc)
21
- Anlisis de Correlacin
Dos comandos bsicos: cra y covf
22
1 N
Cuu u k u k
N k 1
1 N
C yy y k y k
N k 1
La estimacin de la respuesta impulsional se extrae de la relacin
C yu k h l C uu k l
l 0
1
h k 2 C yu k
u
23
24
S yu j
C W
yu
e j
j
S
H e yu
S j
j
uu
25
Snn j S yy j
S yu j
Suu j
26
H e jk
Y e jk
U e jk
En Matlab
27
28
Por ejemplo
La informacin se presenta,
29
- Mnimos cuadrados y
- Variables instrumentales
Las otras estructuras de modelos usan mtodos de prediccin del error
30
31
resultando
32
33
1.7.
Validacin
34
35
36
37
38
39
k H e1 q yk H u q uk
Si los residuos se computan con los datos utilizados para la identificacin,
deberan ser, en teora, ruido blanco e independiente de la entrada.
Si no, se puede deber a un inadecuado
- orden de los polinomios
- estructura
- cantidad de datos
Los residuos se pueden analizar de distintas maneras:
40
- autocorrelacin de residuos
- correlacin cruzada entre residuos y entrada y
Se pueden visualizar con
Los residuos se deben analizar con los datos para identificacin y con los
datos para validacin.
Los residuos con datos para validacin, en teora, deberan ser tambin
ruido blanco.
Manejarlos con cuidado
41
Hay mtodos que hacen foco en la relacin entrada salida (por ejemplo VI),
es decir en H u q .
En estos casos es probable que los residuos no sean ruido blanco
No es necesario utilizar los modelos reducidos para este anlisis
42
43
44
1.8.
Bibliografa
Johansson, R. (1993): System Modeling and Identification. Prentice-Hall, Englewood Cliffs, New Jersey.
45