UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERA ELCTRICA

LAB CONTROL2

Qu es la identificacin del
sistema?
La identificacin de sistemas es una metodologa para la construccin de modelos matemticos de sistemas
dinmicos utilizando mediciones de seales de entrada y salida del sistema.
El proceso de identificacin del sistema requiere que usted:
Medir las seales de salida y de entrada de su sistema en el dominio del tiempo o de la
frecuencia.
Seleccionar un modelo de estructura.
Aplicar un mtodo de estimacin para estimar el valor de los parmetros ajustables en la estructura del
modelo candidato.
Evaluar el modelo estimado para ver si el modelo es adecuado para sus necesidades de aplicacin.
Acerca de los sistemas dinmicos y modelos
Qu es un modelo dinmico?
Ejemplo de tiempo continuo Modelo Dinmico
Tiempo Discreto Ejemplo modelo dinmico

Qu es un modelo dinmico?
En un sistema dinmico, los valores de las seales de salida dependen tanto de los valores instantneos de sus
seales de entrada y tambin en el pasado comportamiento del sistema. Por ejemplo, un asiento de seguridad
es un sistema de la dinmica (posicin de sedimentacin) forma del asiento depende tanto del peso actual del
pasajero (valor instantneo) y duracin de esta pasajero se ha montado en el coche (comportamiento en el
pasado).
Un modelo es una relacin matemtica entre las variables de entrada y de salida de un sistema. Modelos de
sistemas dinmicos suelen ser descritos por los diferenciales o de diferencia de ecuaciones, funciones de
transferencia, las ecuaciones de espacio de estado, y los modelos de polos y ceros de ganancia.
Puede representar modelos dinmicos tanto en tiempo continuo y forma discreta en el tiempo.
Un ejemplo de uso frecuente de un modelo dinmico es la ecuacin de movimiento de un sistema masaresorte-amortiguador. Como se muestra en la siguiente figura, los medios de se mueve en respuesta a la fuerza
F (t) aplicadas en la base a la que est unida la masa. La entrada y la salida de este sistema son la fuerza F (t) y
el desplazamiento y (t), respectivamente.
Sistema masa-resorte-amortiguador Excitado por la fuerza F (t)
.

Ejemplo de tiempo continuo Modelo Dinmico

Puede representar el mismo sistema fsico como varios modelos equivalentes. Por ejemplo, puede representar
el sistema masa-resorte-amortiguador en tiempo continuo como una ecuacin diferencial de segundo orden:

UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERA ELCTRICA
LAB CONTROL2

donde m es la masa, la rigidez k constante de la primavera, y el coeficiente de amortiguacin c. La solucin a

esta ecuacin diferencial le permite determinar el desplazamiento de la masa, y (t), como una funcin de la
fuerza externa F (t) en cualquier momento t para valores conocidos de constante m, C y K.
Considere el desplazamiento, y (t), y la velocidad,

, como variables de estado:

Usted puede expresar la ecuacin anterior de movimiento como un modelo de espacio de estado del sistema:

La matrices A, B, y C estn relacionados con las constantes m, c y k como sigue:

Tambin puede obtener un modelo de funcin de transferencia del sistema masa-resorte-amortiguador

tomando la transformada de Laplace de la ecuacin diferencial:

donde s es la variable de Laplace.

Discreta en el Tiempo Ejemplo modelo dinmico

Supongamos que slo se puede observar la variables de entrada y de salida F (t) ey (t) del sistema masaresorte-amortiguador en discretas instantes de tiempo t = NTS donde Ts es un intervalo fijo de tiempo y n = 0,
1, 2 , .... Las variables se dice que estn en la muestra con el tiempo de la muestra Ts. A continuacin, puede
representar la relacin entre las variables de entrada-salida de la muestra como una segunda ecuacin en
diferencias fin, tales como:

A menudo, por sencillez, Ts se toma como una unidad de tiempo, y la ecuacin se puede escribir como:

donde A1 y A2 son los parmetros del modelo. Los parmetros del modelo se relacionan con las constantes
del sistema m, c, y k, y el tiempo de muestreo Ts.
Esta ecuacin de diferencia muestra la naturaleza dinmica del modelo. El valor de desplazamiento en el
instante de tiempo t depende no slo sobre el valor de la fuerza F en un instante de tiempo anterior, sino
tambin de los valores de desplazamiento en los dos instantes de tiempo anteriores y (t-1) e y (t-2).
Se puede utilizar esta ecuacin para calcular el desplazamiento a una hora especfica. El desplazamiento se
representa como una suma ponderada de los ltimos valores de entrada y de salida:
Esta ecuacin muestra una forma iterativa de la generacin de valores de salida y (t) a partir de las
condiciones iniciales (y (0) e Y (1)) y las mediciones de entrada F (t). Este clculo se denomina simulacin.

UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERA ELCTRICA
LAB CONTROL2

Alternativamente, el valor de salida en un momento dado t se puede calcular usando los valores medidos de
salida en dos instantes de tiempo anteriores y el valor de entrada en un instante de tiempo anterior. Este
clculo se denomina prediccin. Para obtener ms informacin sobre la simulacin y prediccin usando un
modelo, vase Simulacin y prediccin Resultado de modelo.
Tambin puede representar una ecuacin de tiempo discreto de movimiento en el espacio de estados y la
funcin de transferencia formas mediante la realizacin de las transformaciones similares a los descritos en
Tiempo Continuo Ejemplo modelo dinmico.
Identificacin del sistema Requiere datos medidos
Por que requiere identificacin del sistema de datos?
Los datos de dominio de tiempo
Los datos de dominio de frecuencia
Requisitos de Calidad de Datos

Por que requiere identificacin del sistema de datos?

Identificacin del sistema utiliza las seales de entrada y de salida se pueden medir a partir de un sistema para
estimar los valores de los parmetros ajustables en una estructura modelo dado.
La obtencin de un buen modelo de su sistema depende de qu tan bien los datos medidos refleja el
comportamiento del sistema. Ver Requisitos de calidad de datos. El uso de esta caja de herramientas, a
construir modelos que utilizan seales de dominio de tiempo de entrada-salida, datos de respuesta de
frecuencia, seales de series de tiempo, y los espectros de series de tiempo.
Los datos de dominio de tiempo datos de dominio de tiempo consiste en las variables de entrada y de salida
del sistema que se graba en un intervalo de muestreo uniforme durante un perodo de tiempo.
Por ejemplo, si se mide la fuerza de entrada, F (t), y el desplazamiento de masas, y (t), del sistema de masaresorte-amortiguador a una frecuencia de muestreo uniforme de 10 Hz, se obtienen los siguientes enlaces de
los valores medidos:

donde Ts = 0,1 segundos y NT es el tiempo de la ltima medicin.

Si usted quiere construir un modelo de tiempo discreto de estos datos, los vectores de datos umeas y ymeas y
el tiempo de muestreo Ts aporten informacin suficiente para la creacin de un modelo de este tipo.
Si usted quiere construir un modelo de tiempo continuo, tambin debe conocer el comportamiento de
intermuestreos de las seales de entrada durante el experimento. Por ejemplo, la entrada puede ser por tramos
constante (mantenedor de orden cero) o lineal a trozos (de primer orden de retencin) entre las muestras.
Los datos de dominio de frecuencia
datos de dominio de frecuencia representa mediciones de las variables de entrada y de salida del sistema que
graba o almacena en el dominio de la frecuencia. Las seales en el dominio de frecuencia son transformadas
de Fourier de las seales en el dominio de tiempo correspondientes.
datos de dominio de frecuencia tambin pueden representar la respuesta de frecuencia del sistema,
representado por el conjunto de valores de respuesta complejos sobre un rango de frecuencia dado. La
frecuencia responsedescribes las salidas a las entradas sinusoidales. Si la entrada es una onda sinusoidal con
frecuencia, entonces la salida es tambin una onda sinusoidal de la misma frecuencia, cuya amplitud es A ()
veces la amplitud de la seal de entrada y un desplazamiento de fase de () con respecto a la entrada seal.
La respuesta de frecuencia es A () e (i ()).
En el caso del sistema de masa-resorte-amortiguador, puede obtener los datos de respuesta de frecuencia
mediante el uso de una fuerza de entrada sinusoidal y la medicin de la ganancia de amplitud correspondiente
y desplazamiento de fase de la respuesta, en un rango de frecuencias de entrada.
Puede utilizar los datos de dominio de frecuencia para construir dos modelos de tiempo continuo de su
sistema discreta en tiempo y.
Requisitos de calidad de datos

UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERA ELCTRICA
LAB CONTROL2

identificacin del sistema requiere que los datos de captura de las dinmicas importantes de su sistema. Un
buen diseo experimental asegura que mida las variables adecuadas con suficiente precisin y la duracin para
captar la dinmica que desea modelar. En general, el experimento debe:
Use las entradas que excitan la dinmica del sistema de manera adecuada. Por ejemplo, un solo paso
es raramente suficiente excitacin.
Medir los datos de tiempo suficiente para capturar las constantes de tiempo importantes.
Establecer un sistema de adquisicin de datos para tener una buena relacin seal-ruido.
Los datos de medida a intervalos apropiados de muestreo o resolucin de frecuencia.
Se puede analizar la calidad de los datos antes de construir el modelo usando tcnicas disponibles en el
software de procesamiento de seales caja de herramientas. Por ejemplo, analizar los espectros de entrada para
determinar si las seales de entrada tienen potencia suficiente sobre el ancho de banda del sistema.
Tambin puede analizar los datos para determinar las frecuencias pico, retardo a la entrada, las constantes de
tiempo importantes, y la indicacin de no linealidades utilizando herramientas de anlisis no paramtricos en
esta caja de herramientas. Puede utilizar esta informacin para configurar estructuras de modelos para la
construccin de modelos a partir de datos. Para ms informacin, ver:
Los modelos de correlacin
Los modelos de respuesta en frecuencia
La construccin de modelos de datos
Identificacin del sistema requiere una estructura de modelo
Cmo los parmetros del modelo Caja de herramientas Calcula
Configuracin de la estimacin de parmetros del algoritmo
Identificacin del sistema requiere una estructura de modelo
Una estructura del modelo es una relacin matemtica entre las variables de entrada y de salida que contiene
parmetros desconocidos. Ejemplos de estructuras de modelos son funciones de transferencia con polos
ajustables y ceros, ecuaciones de espacio de estado con matrices del sistema desconocidos, y funciones con
parmetros no lineales.
La siguiente ecuacin de diferencia representa un modelo de estructura simple:
donde a y b son parmetros ajustables.
El proceso de identificacin del sistema requiere que usted elige un modelo de estructura y aplicar los
mtodos de estimacin para determinar los valores numricos de los parmetros del modelo.
Puede utilizar uno de los siguientes mtodos para elegir el modelo de estructura:
Cuando se desea un modelo que es capaz de reproducir los datos medidos y es tan simple como sea posible.
Puede probar diferentes estructuras matemticas disponibles en la caja de herramientas. Este enfoque de
modelado se llama modelado de recuadro negro.
Cuando se desea una estructura especfica para su modelo, que puede haber derivado de los primeros
principios, pero no conoce los valores numricos de los parmetros. A continuacin, puede representar la
estructura del modelo como un conjunto de ecuaciones o sistema de espacio de estado en MATLAB y estimar
los valores de sus parmetros a partir de datos. Este enfoque se conoce como el modelado de caja gris.
Cmo los parmetros del modelo Caja de herramientas Calcula
Los parmetros de las estimaciones de software modelo de identificacin del sistema Toolbox, reduciendo al
mnimo el error entre la salida del modelo y la respuesta medida. El ymodel salida del modelo lineal est dada
por:
donde G es la funcin de transferencia.
Para determinar G, la caja de herramientas minimiza la diferencia entre la salida del modelo ymodel (t) y los
ymeas de salida medidos (t). El criterio de minimizacin es una norma ponderada del error, v (t), donde:

Ymodel (t) es una de las siguientes:

respuesta simulada (Gu (t) del modelo para una determinada entrada u (t).

UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERA ELCTRICA
LAB CONTROL2

Prediccin de la respuesta del modelo para una determinada entrada u (t) y las mediciones anteriores
de salida (ymeas (t-1), ymeas (t-2), ...).
En consecuencia, el error de v (t) se denomina error de simulacin o de error de prediccin. Los algoritmos de
estimacin de parmetros se ajustan en la estructura del modelo G tal que la norma de este error es tan
pequeo como sea posible.
Configuracin de la estimacin de parmetros del algoritmo
Se puede configurar el algoritmo de estimacin por:
Configuracin del criterio de minimizacin para enfocar la estimacin en un rango de frecuencia deseado, tal
como poner ms nfasis en las frecuencias ms bajas y deemphasize contribuciones de ruido de frecuencia
ms alta. Tambin puede configurar el criterio para orientar las necesidades de las aplicaciones destinadas a la
modelo como la simulacin o prediccin.
Especificacin de las opciones de optimizacin de algoritmos de estimacin iterativos.
La mayora de los algoritmos de estimacin de esta caja de herramientas son iterativo. Puede configurar un
algoritmo de estimacin iterativo por opciones, tales como el mtodo de optimizacin y el nmero mximo de
iteraciones que especifica.
Para obtener ms informacin sobre cmo configurar el algoritmo de estimacin, ver opciones para configurar
la funcin de prdida y los temas para la estimacin de estructuras de modelos especficos.

Negro-Box Modeling
Seleccin de Estructura Negro-Box del modelo y de Orden
Al utilizar las estructuras modelo no lineal?
Negro-Box Ejemplo Estimacin

Seleccin de Estructura Negro-Box del modelo y de Orden

modelado negro-box es til cuando el inters principal est en ajuste de los datos sin tener en cuenta una
estructura matemtica particular del modelo. La caja de herramientas ofrece varias estructuras de modelos de
recuadro negro lineales y no lineales, que tradicionalmente han sido tiles para representar sistemas
dinmicos. Estas estructuras de modelos varan en complejidad dependiendo de la flexibilidad que necesita
para tener en cuenta la dinmica y el ruido en el sistema. Puede elegir una de estas estructuras y calcular sus
parmetros para ajustar los datos de respuesta medidas.
modelado de recuadro negro es por lo general un proceso de ensayo y error, donde a estimar los parmetros de
diversas estructuras y comparar los resultados. Por lo general, se inicia con la simple estructura de modelo
lineal y el progreso a estructuras ms complejas. Tambin puede elegir un modelo de estructura, ya que estn
ms familiarizados con esta estructura o porque tiene necesidades especficas de aplicacin.
Los ms simples estructuras de recuadro negro lineales requieren menos opciones para configurar:
Funcin de transferencia, con un nmero dado de polos y ceros.
Modelo lineal ARX, que es el modelo ms simple polinomio de entrada-salida.
modelo de espacio de estados, que se puede estimar mediante la especificacin del nmero de
estados del modelo
Estimacin de algunas de estas estructuras tambin utiliza algoritmos de estimacin noniterative, lo que
reduce an ms la complejidad.
Se puede configurar un modelo de estructura utilizando el orden del modelo. La definicin de orden del
modelo vara dependiendo del tipo de modelo que seleccione. Por ejemplo, si se elige una representacin
funcin de transferencia, el orden del modelo se relaciona con el nmero de polos y ceros. Por espacio de
estados, el orden del modelo se corresponde con el nmero de estados. En algunos casos, como para las
estructuras ARX lineal y el espacio de estados del modelo, se puede estimar el orden del modelo a partir de los
datos.
Si las simples estructuras de modelos no producen buenos modelos, puede seleccionar estructuras de modelos
ms complejos por:
La especificacin de un modelo de orden superior para el mismo modelo de estructura lineal. Para el
modelo ms alto aumenta la flexibilidad del modelo para la captura de fenmenos complejos. Sin
embargo, innecesariamente altas rdenes pueden hacer que el modelo menos fiable.

UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERA ELCTRICA
LAB CONTROL2

modelar explcitamente el ruido:

y (t) = Gu (t) + He (t)
donde los modelos H la perturbacin aditivo mediante el tratamiento de la perturbacin como la salida de un
sistema lineal impulsado por una fuente de ruido blanco e (t).
El uso de una estructura de modelo que explcitamente modelos de la perturbacin aditiva pueden ayudar a
mejorar la precisin del componente medido G. Por otra parte, una estructura tal modelo es til cuando su
principal inters est utilizando el modelo para predecir futuros valores de respuesta.
El uso de un modelo de estructura lineal diferente.
El uso de un modelo de estructura no lineal.
Los modelos no lineales tienen una mayor flexibilidad en la captura de los fenmenos complejos que los
modelos lineales de rdenes similares. Ver Estructuras modelo no lineal.
En ltima instancia, se elige el modelo de estructura ms simple que proporciona el mejor ajuste a los datos
medidos. Para obtener ms informacin, consulte Modelos de Estimacin lineal utilizando inicio rpido.
Independientemente de la estructura que elija para la estimacin, se puede simplificar el modelo para sus
necesidades de aplicacin. Por ejemplo, se puede separar la dinmica de medicin (G) de la dinmica de ruido
(H) para obtener un modelo ms simple que representa slo la relacin entre y y u. Tambin puede linealizar
un modelo no lineal sobre un punto de operacin.

Cundo utilizar Estructuras modelo no lineal?

Un modelo lineal es a menudo suficiente para describir con precisin la dinmica del sistema y, en la mayora
de los casos, primero debe tratar de ajustar los modelos lineales. Si el resultado del modelo lineal no
reproduce adecuadamente la salida medida, puede que tenga que utilizar un modelo no lineal.
Se puede evaluar la necesidad de utilizar una estructura de modelo no lineal mediante el trazado de la
respuesta del sistema a una entrada. Si nota que las respuestas varan en funcin del nivel de seal de entrada
o de entrada, trate de usar un modelo no lineal. Por ejemplo, si la respuesta de salida a un paso de entrada de
hasta es ms rpida que la respuesta a un escaln, es posible que tenga un modelo no lineal.
Antes de la construccin de un modelo no lineal de un sistema que sabe que es no lineal, trate de transformar
las variables de entrada y de salida de tal manera que la relacin entre las variables transformadas es lineal.
Por ejemplo, considere un sistema que tiene corriente y el voltaje como entradas a un calentador de inmersin,
y la temperatura del lquido calentado como una salida. La salida depende de las entradas a travs de la
energa del calentador, que es igual al producto de la corriente y la tensin. En lugar de construir un modelo
no lineal para este sistema de dos entradas y una sola salida, puede crear una nueva variable de entrada al
tomar el producto de la corriente y el voltaje y luego construir un modelo lineal que describe la relacin entre
el poder y la temperatura.
Si no puede determinar las transformaciones de variables que producen una relacin lineal entre las variables
de entrada y de salida, puede utilizar las estructuras no lineales como modelos Hammerstein-Wiener no lineal
o ARX. Para una lista de estructuras de modelos no lineales compatibles y cundo utilizarlos, consulte

Negro-Box Ejemplo Estimacin

Puede utilizar la aplicacin de identificacin del sistema o los comandos para estimar modelos lineales y no
lineales de varias estructuras. En la mayora de los casos, se elige un modelo de estructura y estimar los
parmetros del modelo con un nico comando.
Considere el sistema masa-resorte-amortiguador, se describe en Acerca de los sistemas dinmicos y modelos.
Si no conoce la ecuacin de movimiento de este sistema, se puede utilizar un enfoque de modelado de
recuadro negro para construir un modelo. Por ejemplo, se puede estimar funciones de transferencia o modelos
de espacio de estado mediante la especificacin de los pedidos de estas estructuras de modelos.
Una funcin de transferencia es una relacin de polinomios:

Para el sistema amortiguador de masa-resorte, esta funcin de transferencia es:

UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERA ELCTRICA
LAB CONTROL2

que es un sistema sin ceros y 2 polos.

En discreta en el tiempo, la funcin de transferencia del sistema de masa-resorte-amortiguador puede ser:

donde las rdenes modelo corresponden al nmero de coeficientes del numerador y el denominador (nb = 1 y
nf = 2) y el retardo de entrada-salida es igual al exponente orden ms baja de z-1 en el numerador (nk = 1).
En tiempo continuo, se puede construir un modelo de funcin de transferencia lineal utilizando el comando
tfest:
m = tfest(data, 2, 0)
donde los datos son los datos de entrada-salida medidas, representada como un objeto iddata y el orden del
modelo es el conjunto de nmero de polos (2) y el nmero de ceros (0).
Del mismo modo, se puede construir una estructura de error del modelo de salida discreta en el tiempo con el
siguiente comando:
m = oe(data, [1 2 1])
El orden del modelo es [nb nf nk] = [1 2 1]. Por lo general, usted no sabe las rdenes modelo de antelacin.
Usted debe tratar varios valores del orden de modelo hasta que encuentre las rdenes que producen un modelo
aceptable.
Alternativamente, se puede elegir una estructura de espacio de estados para representar el sistema masaresorte-amortiguador y estimar los parmetros del modelo utilizando el ssest o el comando n4sid:
m = ssest(data, 2)
donde el orden = 2 representa el nmero de estados en el modelo.
En el modelado de recuadro negro, no es necesario ecuacin del sistema de movimiento de slo una conjetura
de las rdenes de modelo.
Para obtener ms informacin acerca de la construccin de modelos, consulte los pasos para usar la aplicacin
de identificacin del sistema y el modelo de estimacin de comandos.

Gris-Box Modeling
En algunas situaciones, se puede deducir la estructura del modelo de principios fsicos. Por ejemplo, la
relacin matemtica entre la fuerza de entrada y el desplazamiento de masa resultante en el sistema de
themass-resorte-amortiguador es bien conocida. En forma espacio de estado, el modelo viene dada por:
dxdt = Ax (t) + BF (t) y (t) = Cx (t)
donde x (t) = [Y (t), v (t)] es el vector de estado. Los coeficientes A, B, y C son funciones de los parmetros
del modelo:
A = [0 1; k / m -c / m]
B = [0; 1 / m]
C = [1 0]
Aqu, usted sabe completamente la estructura del modelo, pero no sabe los valores de sus parmetros-M, C y
K.
En el enfoque de caja gris, utiliza los datos para estimar los valores de los parmetros desconocidos de la
estructura de su modelo. Se especifica la estructura del modelo por un conjunto de ecuaciones diferenciales o
diferencia en MATLAB que proporcionan cierta aproximacin inicial para los parmetros desconocidos
especificados.
En general, se construye modelos de color gris-box por:
1. Creacin de una estructura modelo de plantilla.
2. Configuracin de los parmetros del modelo con valores iniciales y las limitaciones (si los hay).

UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERA ELCTRICA
LAB CONTROL2

3. La aplicacin de un mtodo de estimacin de la estructura del modelo y el clculo de los valores de

los parmetros del modelo.
La siguiente tabla resume las maneras en que puede especificar un modelo de estructura de caja gris.
Gris-Box Representacin Estructura Saber ms
Representar la estructura del modelo de espacio de estado como un modelo de objetos idss estructurado y
estimar las matrices de espacio A, B y C.
Puede calcular los valores de los parmetros, tales como m, c, y k, de las matrices de espacio de estado A y B.
Por ejemplo, m = 1 / B (2) y k = -A (2,1) m. Estimar el espacio de estados Modelos con parametrizacin
cannica
Modelos de estimacin de estado-espacio con parametrizacin Estructurado
Representar la estructura del modelo de espacio de estado como un objeto de modelo idgrey. Se puede estimar
directamente los valores de los parmetros m, C y K. Gris-Box modelo de estimacin
La evaluacin de Modelo de Calidad
Cmo evaluar y mejorar la calidad del modelo
Comparacin de contestacin tipo de respuesta que se mide
Anlisis de Residuos
La incertidumbre Analizar Modelo
Cmo evaluar y mejorar Modelo de Calidad
Despus de estimar el modelo, se puede evaluar la calidad del modelo por:
Comparacin de contestacin tipo de respuesta que se mide
Anlisis de Residuos
La incertidumbre Analizar Modelo
En ltima instancia, se debe evaluar la calidad de su modelo basado en si el modelo aborda adecuadamente las
necesidades de su aplicacin. Para obtener informacin sobre otras tcnicas de anlisis de modelo disponibles,
consulte Modelo de Anlisis.
Si no obtiene un modelo satisfactorio, puede mejorar sus resultados de forma iterativa por probar un modelo
de estructura diferente, cambiando la configuracin del algoritmo de estimacin, o la realizacin de
procesamiento de datos adicional. Si estos cambios no mejoran los resultados, puede que tenga que volver a
visitar los procedimientos de diseo y la recopilacin de datos experimentales.
La comparacin de contestacin tipo de respuesta que se mide
Por lo general, se evala la calidad de un modelo mediante la comparacin de la respuesta del modelo a la
salida medida por la misma seal de entrada.
Supongamos que utiliza un enfoque de modelado de recuadro negro para crear modelos dinmicos del sistema
amortiguador de muelle-masa. Intenta diferentes estructuras de modelos y rdenes, tales como:
model1 = arx(data, [2 1 1]);
model2 = n4sid(data, 3)
Se puede simular estos modelos con una entrada particular y comparar sus respuestas frente a los valores
medidos de desplazamiento para la misma entrada aplicada al sistema real. En la figura siguiente se comparan
las respuestas simulados y medidos para una entrada escaln.

UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERA ELCTRICA
LAB CONTROL2

La figura anterior indica que es mejor que model2 model1 porque model2 mejor ajuste a los datos (65% vs.
83%).
El% de ajuste indica el acuerdo entre la respuesta del modelo y la salida medida: 100 significa un ajuste
perfecto, y 0 indica un mal ajuste (es decir, la salida del modelo tiene la misma forma que la salida medida
como la media de la salida medida) .
El software de identificacin del sistema de herramientas le permite realizar anlisis residual para evaluar la
calidad del modelo. Los residuos representan la parte de los datos de salida no explicados por el modelo
estimado. Un buen modelo tiene residuales no correlacionados con las entradas anteriores.
Para obtener ms informacin, vase el anlisis residual.
La incertidumbre Analizar Modelo
Al estimar los parmetros del modelo de datos, obtiene sus valores nominales que sean precisos dentro de una
regin de confianza. El tamao de esta regin est determinada por los valores de las incertidumbres de los
parmetros calculados durante la estimacin. La magnitud de las incertidumbres proporcionar una medida de
la fiabilidad del modelo. Las grandes incertidumbres en los parmetros pueden ser el resultado de rdenes
innecesariamente altos niveles de excitacin, modelo inadecuadas en los datos de entrada, y la mala relacin
seal-ruido en los datos medidos.
Se puede calcular y visualizar el efecto de las incertidumbres de los parmetros de la respuesta del modelo en
los dominios de tiempo y frecuencia a travs de mapas de polos y ceros, respuesta Bode y grficos de
respuesta al escaln. Por ejemplo, en el siguiente diagrama de Bode de un modelo estimado, las regiones
sombreadas representan la incertidumbre en amplitud y fase de la respuesta de frecuencia del modelo,
calculada utilizando la incertidumbre en los parmetros. El grfico muestra que la incertidumbre es baja slo
en la / s rango de frecuencia de 5 a 50 rad, lo que indica que el modelo es fiable slo en esta gama de
frecuencias.

UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERA ELCTRICA
LAB CONTROL2