FACULTAD DE INGENIERÍA

ELECTRÓNICA Y
ELÉCTRICA

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

INFORME PREVIO N°5

IDENTIFICACION DE SISTEMAS

CURSO : SISTEMAS DE CONTROL I

PROFESOR : ING. MALCA FERNANDEZ JEAN CARLOS

CICLO ACADEMICO : 2018-1

E.A.P. : INGENIERÍA ELECTRÓNICA

ALUMNO : CÓNDOR HUAMANÍ CÉSAR RAÚL 15190105

 EXPERIMENTO N°5
IDENTIFICACION DE SISTEMAS

I. OBJETIVOS

El objetivo de la práctica es familiarizar al estudiante con las principales técnicas de

identificación experimental para encontrar una función matemática que permita establecer
posteriormente la ley de control. Así mismo, conocer las principales herramientas que Matlab
nos brinda para la identificación de sistemas.

II. INFORME PREVIO

A. ¿Cuál es la diferencia entre modelado e identificación?

El modelado de un sistema refiere a una función matemática obtenida a partir de la

aplicación de leyes físicas o químicas al sistema real en análisis; esta función matemática
representa el comportamiento dinámico del sistema. La modelización es también el primer
paso en el diseño de un lazo de control.

Mientras que la identificación de un sistema se define como los estudios de técnicas que
persiguen la obtención de modelos matemáticos para el sistema a partir de mediciones
realizadas en el proceso: entradas o variables de control, salidas o variables controladas y
perturbaciones. Esto se representa en la siguiente figura.

B. Presente un método de identificación para sistemas de segundo orden sub y sobre

amortiguados, diferentes a los presentados en esta guía.

La identificación de un sistema consta en determinar la función de transferencia de la

misma o de sus parámetros fundamentales, a partir de mediciones experimentales. En
particular, este trabajo desarrolla una metodología de identificación de sistemas de
segundo orden, basada en las características de la respuesta en el tiempo Y(t) a la
excitación de un salto escalón de entrada X(t), tal como lo indica la figura.
 Este método se eligió porque posee las siguientes características:

a) Obtención de rápidos resultados aproximados.

b) Simplicidad para analizar y entender.
c) La respuesta en el tiempo a un salto escalón es posiblemente una de las más
fáciles de obtener en un sistema cualquiera.

IMPLEMENTACION

Se parte suponiendo:
a) Que un sistema de segundo orden está representado por la ecuación clásica
𝒚(𝒔) 𝒏 𝝎𝟐
𝑻(𝒔) = 𝒙(𝒔) = 𝒔𝟐+𝟐𝝇𝝎𝒔+𝝎𝟐
𝒏

b) Que la entrada es un salto escalón de amplitud Y0 de la forma

𝒀𝟎
𝒙(𝒔) =
𝒔
c) Que las condiciones iniciales son nulas.
Entonces, la respuesta del sistema a un salto escalón de amplitud Y0 está dada por:
𝒀𝟎 𝝎𝟐𝒏
𝒀(𝒔) = × 𝟐
𝒔 𝒔 + 𝟐𝝇𝝎𝒔 + 𝝎𝟐𝒏
Se reconoce en estos casos tres formas posibles de respuestas distintas a saber:
a. Subamortiguada u oscilante (para ζ < 1)
b. Critica (para ζ = 1)
c. Sobreamortiguada o no oscilante (para ζ > 1)
Cada uno de estos 3 casos presentan características distintas que las diferencian entre sí.
Sin embargo, para el reconocimiento de los parámetros del sistema, se utiliza otra división
basada en las siguientes situaciones prácticas:
1. Respuestas de sistemas oscilantes con sobrepicos significativos (ζ < 0,5).
2. Respuestas de sistemas sin sobrepicos o con sobrepicos de poco valor (0,5 < ζ < 2).
3. Respuestas de sistemas sobreamortiguados (2 < ζ).

Se presenta a continuación, para cada una de ellas, el método de reconocimiento de los

parámetros y su justificación.
En todos los casos se supone que las condiciones iniciales del sistema son nulas.

Respuesta para sistemas subamortiguados (para ζ ≤ 0,5):

La respuesta de un sistema oscilante a una entrada salto escalón de amplitud Y0 es de la
forma tal como indica la figura.
 Respuesta oscilante del sistema de segundo orden a la excitación de un salto escalón
de amplitud 𝑌0

En la práctica, es fácil distinguir los sobrepicos primero (𝑌1 ) y segundo (𝑌2 ) cuando el valor
de ζ ≤ 0,5. Cuando 0,5< ζ < 1, si bien matemáticamente es posible determinar la oscilación
de la respuesta, a veces los valores de los sobrepicos 𝑌1 e 𝑌2 no resultan lo
suficientemente notorios en los métodos de medición, por lo que una estimación de los
parámetros utilizando estos valores pueden llevar a errores poco aceptables.
En consecuencia, en esta primera parte, el objetivo es encontrar valores aproximados
para 𝑤𝑛 y ζ, que representen de la mejor forma posible a los parámetros fundamentales
del sistema de segundo orden, cuando ζ ≤ 0,5.
Para ello, se utilizan los valores de 𝑌0 , 𝑌1 y 𝑌2 (que son las amplitudes del salto escalón
de entrada, del primer sobrepico y segundo sobrepico de la respuesta en el tiempo
respectivamente) y de T (que es el período de una oscilación de la respuesta en el tiempo),
tal como se observa en la figura anterior.
Entonces, la respuesta en el tiempo y (t) cumple la ecuación:

𝝇
𝒚(𝒕) = 𝒀𝟎 − 𝒀𝟏 × 𝒆−𝝇𝝎𝒏 𝒕 [𝐜𝐨𝐬 (𝝎𝒏 √𝟏 − 𝝇𝟐 𝒕) + 𝒔𝒆𝒏 (𝝎𝒏 √𝟏 − 𝝇𝟐 𝒕)]
√𝟏 − 𝝇𝟐

Puede demostrarse a partir de la ecuación, que:

𝝇𝝅 𝟐𝝇𝝅
𝒀𝟏 −
𝟐 𝒀𝟐 −
𝟐
= 𝒆 √𝟏−𝝇 ; = 𝒆 √𝟏−𝝇
𝒀𝟎 𝒀𝟎

De donde se obtienen dos posibles valores para ζ, utilizando las expresiones

𝒀 𝒀
𝐥𝐧(𝒀𝟏 ) 𝐥𝐧(𝒀𝟐 )
𝟎 𝟎
𝝇= 𝒚 𝝇=
𝒀 𝒀
√𝝅𝟐 + (𝐥𝐧 ( 𝟏 ))𝟐 √𝟒𝝅𝟐 + (𝐥𝐧 ( 𝟐 ))𝟐
𝒀𝟎 𝒀𝟎
Los valores de las ecuaciones también pueden obtenerse utilizando la tabla o el gráfico siguientes:

Y el valor 𝐰𝐧 lo hallamos de la siguiente manera, tomando T como el periodo de una oscilación

de la respuesta en el tiempo
𝟐𝝅
𝒘𝒏 =
𝑻√𝟏 − 𝜻²

Respuesta para sistemas sobreamortiguamientos (ζ > 2):

La respuesta de un sistema sobreamortiguado a una entrada salto escalón de amplitud Yo es
la siguiente:

Forma aproximada de la respuesta del sistema de segundo orden a la excitación de

un salto de escalón de amplitud Y0 cuando el valor de ζ > 2

Su ecuación está dada por:

𝟏 𝟐 −𝟏)𝝎 𝒕 𝟏 𝟐 −𝟏)𝝎 𝒕
𝒚(𝒕) = 𝒀𝟎 + 𝒀𝟎 × 𝒆−(𝝇+√𝝇 𝒏 − 𝒀𝟎 𝒆−(𝝇−√𝝇 𝒏

𝟐√𝝇𝟐 − 𝟏 × (𝝇 + √𝝇𝟐 − 𝟏) 𝟐√𝝇𝟐 − 𝟏 × (𝝇 − √𝝇𝟐 − 𝟏)

En estos casos, al ser el coeficiente de amortiguamiento ζ mayor que 2, el sistema posee polos
reales y negativos, bastantes distanciados entre sí, por lo menos 3,7 veces el uno del otro
Ellos son:
𝒑𝟏 = 𝝇 + √𝝇𝟐 − 𝟏
𝒑𝟐 = 𝝇 + √𝝇𝟐 − 𝟏

Debido a esta particularidad, resulta más accesible, como objetivo de identificación en este
caso, encontrar dos valores aproximados para los polos p1 y p2 del sistema, tal que
representen de la mejor forma posible a los parámetros fundamentales del sistema de
segundo orden.
Por lo tanto la ecuación representativa del sistema de segundo orden a encontrar es:

𝒚(𝒔) 𝒑𝟏 × 𝒑𝟏
𝑻(𝒔) = = 𝟐 … (𝒛)
𝒙(𝒔) 𝒔 + (𝒑𝟏 + 𝒑𝟐) 𝒔 + 𝒑𝟏 × 𝒑𝟏

Para ello, conociendo que la respuesta en el tiempo al salto escalón está prácticamente
determinada por el polo de menor valor absoluto p2, cuando la amplitud de la salida es
superior a la mitad del valor total, el cálculo de los coeficientes se facilita determinando
primero el polo p2, como si fuera el único existente. Para ello se determinan dos valores de
ordenadas de la curva de respuesta en frecuencia, Y5(t5) e Y6(t6), tal que ambos sean mayores
que el 50 % de la amplitud final de la respuesta, según indica la figura inicial de este apartado
Entonces, el polo p2 está dado por:
𝒀 𝒀
𝐥𝐧 (𝟏 − ( 𝟓 )) − 𝐥𝐧(𝟏 − ( 𝟔 ))
𝒀𝟎 𝒀𝟎
𝒑𝟐 = (𝒙)
𝒕𝟓 − 𝒕𝟔
Y luego el valor del polo p1 como:

𝒀
(𝟏 − (𝒀𝟓 )) × 𝒆𝒑𝟐𝒕𝟓
𝟎
𝒑𝟏 = 𝒑𝟐 × (𝒚)
𝒀
(𝟏 − (𝒀𝟓 )) × 𝒆𝒑𝟐𝒕𝟓 − 𝟏
𝟎

o
𝒀
(𝟏 − ( 𝟔 )) × 𝒆𝒑𝟐𝒕𝟔
𝒀𝟎
𝒑𝟏 = 𝒑𝟐 × (𝒘)
𝒀
(𝟏 − (𝒀𝟔 )) × 𝒆𝒑𝟐𝒕𝟔 − 𝟏
𝟎

Tomándose en la práctica el valor promedio entre ambas expresiones (y) y (w).

Finalmente, de las ecuaciones (z), (x), (y) y (w), si se desea, pueden encontrarse los valores de
ζ y Wn, según:
𝒑𝟏 + 𝒑𝟐
𝝎𝒏 = √𝒑𝟏 × 𝒑𝟐 𝒚 𝝇=
𝟐√𝒑𝟏 × 𝒑𝟐
 C. Describa las principales características de System Identification Toolbox de Matlab.

System Identification Toolbox proporciona funciones MATLAB, bloques Simulink y una

aplicación para construir modelos matemáticos de sistemas dinámicos a partir de datos
medidos de entrada-salida. Le permite crear y usar modelos de sistemas dinámicos que no
se modelan fácilmente a partir de los primeros principios o especificaciones. Puede usar
datos de entrada y salida de dominio de tiempo y de dominio de frecuencia para identificar
funciones de transferencia de tiempo discreto y tiempo continuo, modelos de proceso y
modelos de espacio de estado. Toolbox también proporciona algoritmos para la
estimación de parámetros integrados en línea.

Características principales

 Función de transferencia , modelo de proceso e identificación de modelo de espacio

de estado utilizando datos de dominio de tiempo y respuesta de dominio de
frecuencia
 Estimación del modelo autoregresivo (ARX, ARMAX), Box-Jenkins y Output-Error
utilizando la máxima probabilidad, la minimización del error de predicción (PEM) y las
técnicas de identificación del sistema subespacial
 Estimación de parámetros de modelo en línea
 Modelado de series de tiempo (AR, ARMA) y previsión
 Identificación de modelos ARX no lineales y modelos Hammerstein-Wiener con no
linealidades de entrada-salida como saturación y zona muerta
 Identificación del sistema de caja gris lineal y no lineal para la estimación de modelos
definidos por el usuario
 Estimación de retardo, desviación, filtrado, remuestreo y reconstrucción de datos
faltantes

III. BIBLIOGRAFÍA

 https://www.mathworks.com/products/sysid/features.html
 https://www.mathworks.com/products/sysid.html
 http://www.edutecne.utn.edu.ar/tutoriales/identificacion-sistemas-segundo-
orden.pdf
 http://www.control-class.com/Tema_1/Slides/Tema_1_IntroduccionIdentificacion.pdf
 http://javeriana.edu.co/ruizf/sys_id.html
 ftp://ftp.unicauca.edu.co/Facultades/FIET/DEIC/Materias/Identificacion/.../temas.pdf