Está en la página 1de 22

SISTEMAS DINAMICOS

Etapa 3 - Hallar el modelo matemático de un sistema dinámico mediante el


software Matlab

ESTUDIANTE:
JOHN CARLOS ARÉVALO
WILLMAN FABIAN CELIS
Código: 1098619117

GRUPO 243005_23

TUTOR:
FABIAN BOLIVAR MARIN

UNIVERSIDAD NACIONAL ABIERTA Y DISTANCIA


INGENIERIA EN TELECOMUNICACIONES
PUERTO GAITAN
INTRODUCCION

En la actualidad los sistemas dinámicos son unas de las ciencias de apoyo en la


solución de problemas que se puedan presentar en diferentes áreas de
aplicación laboral. El análisis mediante un modelo matemático es una
herramienta para que el estudiante diseñe soluciones a los problemas
planteados y obtenga control, supervisión, predicción, simulación, optimización
de los procesos. Tanto para la utilización de técnicas de diseño convencionales
como técnicas avanzadas y especialmente las basadas en modelos, es
necesario un modelo numérico preciso del proceso. La complejidad de los
mismos crece constantemente y esto hace necesario el desarrollo de
herramientas automáticas de ayuda como MATLAB la cual mediante algunas
técnicas de identificación puede ayudarnos a detectar y diagnosticar los posibles
fallos utilizando para ello la comparación del proceso con un modelo de
simulación.

En este aporte se hará una revisión de la actividad para definir que


conocimientos son necesarios para su buen desarrollo, se definirán algunos
conceptos conocidos y se enunciaran los que no se conozcan.
Actividades a desarrollar – Individual

Los modelos paramétricos a diferencia de los modelos no paramétricos están

descritos mediante una estructura y un número finito de parámetros que

relacionan las señales de interés del sistema (Entrada, salida y perturbaciones).

En muchas ocasiones es necesario realizar la identificación de un sistema del

cual no se tiene ningún tipo de conocimiento previo. En estos casos se suele

recurrir a modelos estándar, cuya validez para un amplio rango de sistemas

dinámicos han sido comprobadas experimentalmente.

Modelos no paramétricos:

Los modelos no paramétricos son aquellos en que no es posible definir un vector

de parámetros finitos para representarlo.

Modelos paramétricos:

Los modelos paramétricos requieren de elección de una posible estructura del

modelo, de un criterio de ajuste de parámetros y por último de la estimación de

los parámetros que mejor se ajustan al modelo experimental.

JOHN CARLOS AREVALO


Teóricas:

Desarrollar las siguientes actividades:

1. Investigue sobre el comando ident de MATLAB® y los modelos ARX,

ARMAX, Output-Error y Box-Jenkins, con esta información diligenciar la

siguiente tabla.

Modelo Características Variables Aplicación


ARX Los modelos ARX no
lineales amplían el modelo
ARX lineal al caso no lineal.
Un modelo ARX no lineal
consiste en regresores y(t-1),y(t-2),...,y(t-na),u(t),u(t-1),...,u(t- Simular y predeci
estándar y personalizados, nb-1) la salida de un
y un estimador de no modelo, calcular
linealidad. El diagrama de Donde y(t) es la medida de la salida la aproximación
bloques representa la del sistema, u(t) la medida de la lineal de un
estructura de un modelo entrada y v(t) es el término de sistema.
ARX no lineal en un perturbación.
escenario de simulación. na= pasos del tiempo de salida,
nb=número de pasos del tiempo en la
entrada en el pasado, nk= retardo de
la entrada.
ARMAX AutoRegressive Moving Los modelos
Average eXogen, y es el ARMAX son útiles
resultado de introducir el cuando tiene
polinomio C(a) al modelo perturbaciones
ARX. Esto da lugar a un dominantes que
sistema de ecuaciones entran temprano
donde las incógnitas son A ( z ) s ( un ) = B ( z ) T ( un - n ) + C ( en el proceso,
los coeficientes del z ) e ( un ) como en la
modelo discreto entrada. Por
dónde y ( k ) son las salidas del ejemplo, una
sistema ráfaga de viento
u ( k ) es el sistema de entradas que afecta a un
n es el retraso del sistema avión es una
e ( k ) es la perturbación del sistema perturbación
dominante al
principio del
proceso. El
modelo ARMAX
tiene más
flexibilidad que el
modelo ARX en e
manejo de
modelos que
contienen
perturbaciones.
OE Este modelo describe la
dinámica del sistema por
separado de la dinámica
dónde y ( k ) son las salidas del
estocástica. El modelo de
sistema
error de salida no usa Estimar modelos
u ( k ) es el sistema de entradas
ningún parámetro para de error de salida
n es el retraso del sistema
simular las características
e ( k ) es la perturbación del sistema
de perturbación.
B ( z ) y F ( z ) son polinomios con
respecto al operador de
desplazamiento hacia atrás z -1 y
definidos por las siguientes
ecuaciones.
BJ Cuando A ( z ) es igual a 1,
el modelo polinomial lineal
general se reduce al dónde y ( k ) son las salidas del Representar las
modelo de Box-Jenkins. sistema propiedades de
u ( k ) es el sistema de entradas perturbación por
n es el retraso del sistema separado de la
e ( k ) es la perturbación del sistema dinámica del
B ( z ), C ( z ), D ( z ) y F ( z ) son sistema
polinomios con respecto al operador
de desplazamiento hacia atrás z -1 y
definidos por las siguientes
ecuaciones.

1. Ingresar al entorno de Aprendizaje Práctico y descargar los insumos allí

compartidos para la resolución de las actividades correspondientes a la

Etapa 3.

Modelo seleccionado: Función Transferencia

Modelo FT.
Gráfica LTI
2. Teniendo en cuenta los insumos entregados, realizar las siguientes
actividades con la herramienta ident incorporada en MATLAB®:

2.1 A partir de las mediciones de entrada y salida del sistema realizadas


cada 0.01 segundos, durante 100 segundos que se entregan en el
entorno de Aprendizaje Práctico, utilice la herramienta ident incorporada
en MATLAB® para realizar el procedimiento requerido a las señales
dadas que le permita obtener la función de transferencia del sistema.
Para ello, trabaje con los datos suministrados del sistema lineal y del
sistema no lineal.

Modelo a encontrar Función Transferencia


Solución
0.6559𝑧 −1
𝐹𝑇 =
1 − 1.88𝑧 −1 + 0.9085𝑧 −2
Simplificamos
1 1
1 − 1.88𝑧 −1 + 0.9085𝑧 −2 : 1 − 1.88 ∗ + 0.9085 ∗ 2
𝑧 𝑧

0.6559𝑧−1
1 1
1 − 1.88 ∗ + 0.9085 ∗ 2
𝑧 𝑧
Multiplicamos
0.6559
0.6559𝑧 −1 :
𝑧
0.6559
𝑧
1 1
1 − 1.88 ∗ + 0.9085 ∗ 2
𝑧 𝑧

Aplicamos las propiedades de las fracciones

0.6559
1 1
𝑧(1 − 1.88 ∗
𝑧 + 0.9085 ∗ 𝑧 2 )

1 1.88
1.88 ∗ =
𝑧 𝑧

1 0.9085
0.9085 ∗ =
𝑧2 𝑧2

0.6559
0.9085 1.88
𝑧( − 𝑧 + 1)
𝑧2

Simplificamos
1.88 0.9085 𝑧2 −1.88𝑧+0.9085
1− + 𝑧2
en una fracción
𝑧 𝑧2

0.6559
𝑧2 − 1.88𝑧 + 0.9085
𝑧
𝑧2

Multiplicamos
𝑧2 −1.88𝑧+0.9085 𝑧2 −1.88𝑧+0.9085
𝑧 en una fracción
𝑧2 𝑧

0.6559
𝑧2 − 1.88𝑧 + 0.9085
𝑧

Aplicamos propiedades de las fracciones

0.6559𝑧
𝑧2 − 1.88𝑧 + 0.9085

3. De acuerdo al desarrollo del numeral 5, realizar las siguientes actividades


de simulación de para cada modelo obtenido:

3.1 Utilice MATLAB® para simular cada función de transferencia halladas en


el numeral 5.1 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.
Modelo seleccionado: Modelo ARMAX.
Gráfica LTI
4. Teniendo en cuenta los insumos entregados, realizar las siguientes
actividades con la herramienta ident incorporada en MATLAB®:

4.1 A partir de las mediciones de entrada y salida del sistema realizadas


cada 0.01 segundos, durante 100 segundos que se entregan en el
entorno de Aprendizaje Práctico, utilice la herramienta ident incorporada
en MATLAB® para realizar el procedimiento requerido a las señales
dadas que le permita obtener la función de transferencia del sistema.
Para ello, trabaje con los datos suministrados del sistema lineal y del
sistema no lineal.

Modelo ARMAX
Solución
𝐴(𝑧) = 1 − 1.893𝑧 −1 + 0.9072𝑧 −2

𝐵(𝑧) = 3.387𝑧 −1 − 3.07𝑧 −2

𝑌(𝑡) 𝐵(𝑧) 3.387𝑧 −1 − 3.07𝑧 −2


= =
𝑈(𝑡) 𝐴(𝑧) 1 − 1.893𝑧 −1 + 0.9072𝑧 −2

Simplificamos
1 1
1 − 1.893𝑧 −1 + 0.9072𝑧 −2 : 1 − 1.893 ∗ + 0.9072 ∗ 2
𝑧 𝑧

3.387𝑧−1 − 3.07𝑧−2
1 1
1 − 1.893 ∗
𝑧 + 0.9072 ∗ 𝑧 2
Simplificamos
1 1
3.387𝑧 −1 − 3.07𝑧 −2 : 3.387 ∗ − 3.07 ∗ 2
𝑧 𝑧
1 1
3.387 ∗
𝑧 − 3.07 ∗ 𝑧 2
1 1
1 − 1.893 ∗ + 0.9072 ∗ 2
𝑧 𝑧

1 1.893
1.893 ∗ =
𝑧 𝑧

1 0.9072
0.9072 ∗ =
𝑧2 𝑧2

1 1
3.387 ∗
𝑧 − 3.07 ∗ 𝑧 2
1.893 0.9072
1− +
𝑧 𝑧2

1 3.387
3.387 ∗ =
𝑧 𝑧

1 3.07
3.07 ∗ = 2
𝑧2 𝑧
3.387 3.07

𝑧 𝑧2
1.893 0.9072
1− +
𝑧 𝑧2

Simplificamos
1.893 0.9072 𝑧2 −1.893𝑧+0.9072
1− + 𝑧2
en una fracción
𝑧 𝑧2

3.387 3.07

𝑧 𝑧2
𝑧2 − 1.893𝑧 + 0.9072
𝑧2

Simplificamos
3.387 3.07 3.387𝑧−3.07
− en una fracción
𝑧 𝑧2 𝑧2

3.387𝑧 − 3.07
𝑧2
𝑧2 − 1.893𝑧 + 0.9072
𝑧2

Dividimos fracciones

(3.387𝑧 − 3.07)𝑧 2
𝑧 2 (𝑧 2 − 1.893𝑧 + 0.9072)

Eliminamos los términos semejantes 𝑧 2

3.387𝑧 − 3.07
𝑧2 − 1.893𝑧 + 0.9072

5. De acuerdo al desarrollo del numeral 5, realizar las siguientes actividades


de simulación de para cada modelo obtenido:

5.1 Utilice MATLAB® para simular cada función de transferencia halladas en


el numeral 5.1 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.
5.2. Modelo ARX
𝐵(𝑧) 2.003 𝑧 −1 − 1.626 𝑧 −2
=
𝐴(𝑧) 1 − 1.875 𝑧 −1 − 0.8909 𝑧 −2

𝐵(𝑧) 2.003 𝑧 −1 − 1.626 𝑧 −2 𝑧2


= ×
𝐴(𝑧) 1 − 1.875 𝑧 −1 − 0.8909 𝑧 −2 𝑧 2

𝐵(𝑧) 2.003 𝑧 − 1.626


= 2
𝐴(𝑧) 𝑧 − 1.875 𝑧 − 0.8909

6.2. Simulación de la salida del sistema – ARX

𝐵(𝑧) 2.003 𝑧 − 1.626


= 2
𝐴(𝑧) 𝑧 − 1.875 𝑧 − 0.8909
8. Cada estudiante elabora un video de la simulación obtenida en
MATLAB® donde explique el funcionamiento y comportamiento de los
modelos hallados y el procedimiento realizado, debe estar en su página de
youtube y hace entrega del enlace del video en el foro de interacción y
producción de la unidad.
A continuación relaciono link del video explicativo del funcionamiento y
comportamiento de todos los modelos hallados:
Link del Video: https://youtu.be/8cHNSudHQpY
CONCLUSIÓN

Para el previo desarrollo de este trabajo fue necesario llevar a cabo un proceso
de un aprendizaje autónomo, realizar lecturas no solo del texto guía sino de
consultas externas realizadas para aclarar las temáticas y de esta forma
desarrollar cada punto especificado donde aclaraba los diferentes puntos de
vista frente a la asignatura sistemas dinámicos.

Dificultades encontradas a través de la realización del trabajo, fue la correcta


redacción, el análisis de la lectura y la correcta respuesta según los
conocimientos adquiridos y los conocimientos ya obtenidos anteriormente, en
términos generales son dificultades que, a medida del tiempo, de la práctica y de
la experiencia se van afianzando poco a poco.
Referencias bibliográficas

Gil, R. M. (2003). Introducción rápida a Matlab y Simulink para ciencia e


ingeniería. Madrid, ES: Ediciones Díaz de Santos. (pp. 81 - 92). Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=93&doc
ID=3171391&tm=1541556868646
Creus, S. A. (2007). Simulación y control de procesos por ordenador (2a. ed.).
Barcelona, ES: Marcombo. (pp. 273 - 285). Recuperado de:
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=292&do
cID=3175444&tm=1541557741349
Angermann, A. (2011) MATLAB - Simulink - Stateflow: Grundlagen. Toolboxen,
Beispiele (Vol. 7., aktualisierte Auflage). Munich, Germany: De Gruyter
Oldenbourg. (pp. 117 - 133). Recuperado de:
http://bibliotecavirtual.unad.edu.co/login?url=https://bibliotecavirtual.unad.edu.c
o:2969/login.aspx?direct=true&db=nlebk&AN=674426&lang=es&site=ehost-
live&ebv=EB&ppid=pp_117
Gil, R. M. (2003). Introducción rápida a Matlab y Simulink para ciencia e
ingeniería. Madrid, ES: Ediciones Díaz de Santos. (pp. 81 - 92). Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=93&doc
ID=3171391&tm=1541556868646
Amaya Diaz, J. (17,12,2016). Identificación de sistemas. [Archivo de video].
Recuperado de http://hdl.handle.net/10596/10872