Práctica 3 de Control Avanzado

Contents
1 Introducción 2

2 Desarrollo 3
2.1 Comandos de MatLab a ser utilizados. . . . . . . . . . . . . . . . 3

3 Desarrollo 4

4 Conclusiones 6

5 Anexos 7

List of Figures
1 Método de Mı́nimos Cuadrados Convencional. . . . . . . . . . . . 4
2 Comparativo entre los datos de Entrada y Salida experimentales
contra los Calculados. . . . . . . . . . . . . . . . . . . . . . . . . 6
3 Resultado del Método de Mı́nimos Cuadrados Convencional. . . . 7

1
1 Introducción

Método de Mı́nimos Cuadrados Convencional

Apartir de un archivo de texto con datos de la entrada y salida de un proceso,

econtrar la función de trasnferencia usando el Método de Mı́nimos Cuadrados
Convencional (MMCC).
Comandos de Matlab a utilizar:
1. fopen(...);
2. fscanf(...);
3. fclose(...);

2
2 Desarrollo
2.1 Comandos de MatLab a ser utilizados.
fopen(...)
fid = fopen(filename, permission) abre el archivo filename en el permiso
especificado: ’r’ lectura, ’w’ escritura, etc.
fscanf(...)
A = fscanf(fid, format) lee datos desde el archivo especificado por fid lo
convierte al formato de cadena especificado y lo guarda de la matriz A. El
argumento fid es un identificador de archivo entero obtenido desde fopen. format
es un especificador de cadena de los datos a ser leidos.
fclose(...)
status = fclose(fid) cierra el archivo especificado si este esta abierto dando
0 si es exitoso y -1 en caso contrario. El argumento fid es un identificador de
archivo relacionado con un archivo abierto.
Al final de esta práctica de anexa el código usado en MatLab donde se
muestra como estos comandos fueron utilizados.

El Método de Mı́nimos Cuadrados es un método ampliamente difundido

dentro del mundo del control, ya que además de su sensillez nos permite conocer
la función de transferencia de un sistema con el solo uso de sus datos de entrada y
salida. Volviendose ası́ la base para el desarrollo de los métodos de identificación
en lı́nea de procesos.
Supongamos que podemos conocer la entrada y la salida de alguna planta,
para describir el comportamiento dinámico de un conjunto de mediciones de la
entrada y la salida, tomadas durante un cierto número de intervalos de tiempo
T, es posible, en muchos casos, la ecuación de diferencias representada por (1)
N
X N
X
y(k) = ai y(k − i) + bi U (k − i) (1)
i=1 i=0

en la cual, al aplicar la transformada de Laplace obtenemos la función de

transferencia mostrada en (2)

Y (z) b0 + b1 z −1 + · · · + bn z −n
= (2)
U (z) 1 − a1 z −1 − · · · − an z −n
La solución del método de mı́nimos cuadrados está dada por (3)

P = (Z · Z T )−1 Z · Y T (3)
T
y podemos expresar a P como:

P T = [B0 A1 B1 . . . An Bn ] (4)

3
 Figure 1: Método de Mı́nimos Cuadrados Convencional.

donde P es la matriz de coeficientes, U es la matriz de entradas al sistema,

Y es la matriz de salidas del sistema, n es el orden de aproximación, N es el
numero total de muestras y k=0,1,2,..,N

3 Desarrollo
Utilizando Matlab obtenemos U e Y desde el archivo entregado por el profesor,
mismas con las que formamos la matriz Z para poder utilizar 3 buscando ajus-
tar a un Sistema de Grado n=2 y tenido un total de t=50 muestras obtenemos
P t quequeenestecasoarrojaunresultadode :

 
B0

 A1 

P =
 B1 

 A2 
B2

4
  
−0.0115

 0.1949 

=
 0.9985 

 −0.6048 
0.0139

De aqui obtenemos la Función de Diferenicas que nos servira para obtener

la Función de Trasnferencia del Sistema, como se muestra a continuación:
y(k) = B0 u(k) + A1 y(k − 1) + B1 u(k − 1) + A2 y(k − 2) + B2 u(k − 2)
y(k) − A1 y(k − 1) − A2 y(k − 2) = B0 u(k) + B1 u(k − 1) + B2 u(k − 2)

y(z) − A1 y(z)z −1 − A2 y(z)z −2 = B0 u(z) + B1 u(k)z −1 + B2 u(z)z −2

y(z)[1 − A1 z −1 − A2 z −2 ] = u(z)[B0 + B1 z −1 + B2 z −2 ]
y(z) B0 +B1 z −1 +B2 z −2 B0 z 2 +B1 z+B2
u(z) = 1−A1 z −1 −A2 z −2 = z 2 1−A1 z−A2

Llevándonos a las siguiente expresión:

−0.0115z 2 + 0.9985z + 0.0139

G(z) = (5)
z 2 − 0.1949z + 0.6048

La gráfica 2 muestra como trabaja la planta calculada, en comparación con

los datos obtenidos experimentales, de donde se puede apreciar que la aproxi-
mación es muy buena.

5
Figure 2: Comparativo entre los datos de Entrada y Salida experimentales con-
tra los Calculados.

4 Conclusiones
Queda de manifiesto la facilidad del método en cmparación con una análisis
matemático para poder obtener la Función de Transferencia de un Sistema,
ya que solo fue necesario un manejo matricial del problema para dar con una
solución satisfactoria y de facil comprobación.

6
 Figure 3: Resultado del Método de Mı́nimos Cuadrados Convencional.

5 Anexos
Programa realizado en MatLab, para poder aproximar una planta por medio de
una serie de datos de entrada y salida.

clc;
fid = fopen(’MMC.txt’); %Abre el archivo con datos de la planta

A = fscanf(fid, ’
status = fclose(fid); %Cierra el archivo con la informacion de la planta

U = [A(1)]; %Separamos los datos de la matriz en entradas y salidas

Y = [A(2)];

for i=3:length(A)
if (mod(i,2) == 1)
U = [U;A(i)];
else
Y = [Y;A(i)];

7
end
end

t = length(Y);
n = 2; %n es el grado de la funciòn que
%deseamos obtener
B(1,:)=U; %todo el vector u en el primer renglon de Z’, que en este caso es Z
transpuesta
for i=1:n %B solo es una matriz auxiliar
for j=1:t-i
B(2*i,i+j) = Y(j);
B(2*i+1, i+j) = U(j);
end
end

Z = B’;

P = inv(Z’*Z)*Z’*Y

kTs = [1:t]; y(1) = Y(1); y(2) = Y(2);

for k = 3:t
y(k) = P’ * [U(k);y(k-1);U(k-1);y(k-2);U(k-2)]; %Obtenemos el vector de salida
con la
end %planta calculada

plot(kTs, U, kTs, Y, kTs, y); %Se comparan los valores experimentales con
%con los calculados