Unidad 3

Identificación de sistemas dinámicos

Etapa 3
Hallar el modelo matemático de un sistema dinámico mediante el
software Matlab
Aplicar las técnicas de estimación de funciones de transferencia
que representan sistemas dinámicos

Lucas Felipe Torres Rojas

1059700883

Grupo 243005_59

Sistemas Dinámicos - (243005A_611)

Presentado a:
Santiago Rúa Pérez (Tutor)

Universidad Nacional Abierta y a Distancia

Escuela de Ciencias Básicas Tecnología e Ingeniería
Ingeniería Electrónica
09 de mayo de 2019
 1. Estudiar las referencias bibliográficas de la unidad 3 resaltando la
información que considere aporta al desarrollo del problema
planteado, la consolida en un documento y lo comparte en el foro,
referenciando bajo normas APA.

2. Investigue sobre los métodos de identificación paramétricos y no

paramétricos haciendo énfasis en el comando ident de MATLAB® y
participe en el foro de interacción y producción de la unidad
indicando las características principales del comando y su
aplicación.

Identificación paramétrica
Se debe tener en cuenta una cierta estructura para el modelo, es decir,
que seleccionando un modelo matemático y estableciendo un conjunto
de parámetros a parir de la información de entrada – salida que
caracterizan e modelo.
Los parámetros del modelo se calculan minimizando ciertos criterios de
error entre el modelo y el proceso
Uno de los métodos más usados en identificación de parámetros es el de
identificación paramétrica por mínimos cuadrados recursivos. Con este
método es posible realizar el ajuste de los parámetros en cada intervalo
de tiempo.
Identificación no paramétrica
Para su utilización no se supone ningún tipo de estructura para el
modelo: no se emplea explícitamente un vector de parámetros en el
modelo matemático, sino que se determinan características del sistema
a partir del modelo matemático y en general, mediante el auxilio e
funciones espectrales, haciendo uso de la información entrada – salida
del sistema en cuestión
Herramienta Ident en MATLAB: Método que se utiliza para el análisis de
circuitos eléctricos y representación parcial de modelos.
Modelo ARX: Sistema de ecuaciones donde las incógnitas serán los
coeficientes de la función de transferencia discreta.
Modelo ARMAX: Sistema de ecuaciones donde las incógnitas son los
coeficientes del modelo discreto.
Modelo Output-Error: Modelos de ruido que no contienen la dinámica
del proceso.
ModeloBox-Jenkins: del sistema

3. Investigue sobre los modelos ARX, ARMAX, Output-Error y Box-

Jenkins, con esta información diligenciar la siguiente tabla:

Modelo Características Variables Aplicación Referencia

bibliográfica
No permite Las variables
independizar el mostradas Es muy http://www.ing.ul
ARX ruido de su según el práctico a.ve/noriegam/es
(Auto dinámica para diagrama de para hallar tructura.php
regresivo modelarlo bloques es A y B modelos
http://www.sld.c
con simples
u/eventos/haban
variable Resuelve capaces de a2001/arrepdf/00
exógena) ecuaciones de generar una 098.pdf
regresión de buena
forma analítica relación
por esto es de para la
los más señal de
precisos ruido.

Es
esencialmente Las variables Se utiliza https://support.n
un modelo de mostradas cuando umxl.com/hc/es/
ARMAX regresión lineal según el existen articles/21510596
(Auto que utiliza un diagrama de perturbacio 6-Modelo-ARMAX
regresivo modelo de tipo bloques es A,B y nes
y ARMA para los C dominantes
https://www.slid
residuos. Las eshare.net/Aldair
promedio que entren
series de JeancarlosGonz/2
móvil con al principio
tiempo de 41923779-
variable entrada y las del proceso. ejemplosdecontr
exógena) variables oladaptativopdf
exógenas
deben ser
todas
estacionarias o
cointegradas.
 Parametriza Se usa
independiente Las variables cuando se
mente la mostradas requiere https://www.slid
OE entrada y el según el estimar un eserve.com/scott-
(Error de ruido sin diagrama de modelo rush/introducci-
salida) embargo no se bloques es B y F dinámico n-a-la-identificaci-
n-de-sistemas
obtiene un pero sin
modelo de necesidad
ruido auto de estimar
correlacionado el ruido
El ruido afecta
la salida.
Se aplica a https://www.slid
Las variables los modelos eshare.net/Aldair
mostradas autorregresi JeancarlosGonz/2
según el vos para 41923779-
ejemplosdecontr
BJ Es de mucha diagrama de encontrar el
oladaptativopdf
(Box utilidad cuando bloques es B,F y mejor
Jenkins) las C,D ajuste de
perturbaciones una serie
llegan tarde al temporal de
proceso valores con
el objetivo
que los
pronósticos
sean más
acertados

5.2. Por medio de la herramienta ident incorporada en MATLAB®,

determine el orden del modelo y encuentre las ecuaciones
correspondientes para el modelo ARX para analizar el
comportamiento de dicho modelo comparando la salida del
sistema con la señal de entrada.
 𝐴(𝑧)𝑦(𝑡) = 𝐵(𝑧)𝑢(𝑡)
𝐴(𝑧) = 1 − 1.587𝑧 −1 + 0.6048𝑧 −2
𝐵(𝑧) = 1.045𝑧 −1
(1 − 1.587𝑧 −1 + 0.6048𝑧 −2 )𝑦(𝑡) = (1.045𝑧 −1 )𝑢(𝑡) + 𝑒(𝑡)
 𝑦(𝑡) 1.045𝑧 −1
=
𝑢(𝑡) 1 − 1.587𝑧 −1 + 0.6048𝑧 −2

1.045
𝑦(𝑡) 𝑧
=
𝑢(𝑡) 1 − 1.587 + 0.6048
𝑧 𝑧2

1.045
𝑦(𝑡) 𝑧
= 2
𝑢(𝑡) 𝑧 1.587 𝑧 0.6048
1 ( 2 ) − 𝑧 (𝑧) +
𝑧 𝑧2

1.045
𝑦(𝑡) 𝑧
=
𝑢(𝑡) 𝑧2 1.587𝑧 0.6048
1 ( 2) − +
𝑧 𝑧2 𝑧2
1.045
𝑦(𝑡) 𝑧
= 2
𝑢(𝑡) 𝑧 − 1.587𝑧 + 0.6048
𝑧2
𝑦(𝑡) 1.045𝑧 2
=
𝑢(𝑡) 𝑧(𝑧 2 − 1.587𝑧 + 0.6048)

𝑦(𝑡) 1.045𝑧
= 2
𝑢(𝑡) 𝑧 − 1.587𝑧 + 0.6048
6.2. Utilice MATLAB® para simular la función de transferencia
discreta del modelo ARX y grafique la salida de cada sistema
cuando se aplica una entrada constante 𝑉(𝑡) = 5 𝑉, durante los
primeros 5 segundos y en ese momento se aplica una entrada
escalón unitario durante 5 segundos más. De manera que la
simulación dura 10 segundos.