Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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)
.
Usted puede expresar la ecuacin anterior de movimiento como un modelo de espacio de estado del sistema:
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.
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
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:
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
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).
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.