Actividad Colaborativa

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

software Matlab

Presentado por:
Javier Barraza Vasquez
Sergio Antonio Lemus

Grupo del curso

243005_40

Presentado a
Adriana del Pilar Noguera

Universidad Nacional Abierta y a Distancia (UNAD)

8 de mayo de 2019

Introducción

Dimensionando la entrada a la tercera etapa del mundo de los sistemas dinámicos entra en
juego el estudio y análisis de técnicas de identificación de los modelos matemáticos del
sistema o proceso, esto se lleva a cabo en base al aprendizaje basado en problemas el cual por
medio de una metodología de acción se ejecutan una serie de etapas que refuerzan la
comprensión del problema y por tanto su más óptima solución.

Para empezar de darle solución al problema o tareas practicas planteadas hay que analizar en
que se fundamenta, que lo caracterizar, que se desconoce y que no, se encuentran los
objetivos a solucionar, luego se definirán conceptos que básicos conocidos y desconocidos,
metodología utilizada y se desarrollaran diversas tareas para hallar los distintos modelos
matemáticos empleando técnicas de identificación como el ARX, ARMAX, Output-
Error y Box- Jenkins, aplicando estos resultados en el software MATLAB para mayor
interpretación y discernimiento de las tareas desarrolladas.

CONCEPTOS CONOCIDOS. Unidad 3

Diagrama en bloques
Un diagrama de bloques es una representación gráfica de las funciones realizadas por cada
componente y del flujo de las señales. Se parte de la función de transferencia del sistema y su
representación permite evaluar la contribución de cada componente al desempeño general del
sistema.

Dominio de la frecuencia
Es un término usado para describir el análisis de funciones matemáticas o señales o
movimiento periódico respecto a su frecuencia.

Función de transferencia
Es la forma básica de describir modelos de sistemas lineales, basada en la transformada de
Laplace. Permite obtener la respuesta temporal, la respuesta estática y la respuesta en
frecuencia.

Perturbación
Alteración o trastorno que se produce en el orden o en las características permanentes que
conforman una cosa o en el desarrollo normal de un proceso.

Función de transferencia
Una función de transferencia es un modelo matemático que a través de un cociente relaciona
la respuesta de un sistema (modelada) con una señal de entrada o excitación (también
modelada). en la teoría de control, a menudo se usan las funciones de transferencia para
caracterizar las relaciones de entrada y salida de componentes o de sistemas que se describen
mediante ecuaciones diferenciales lineales e invariantes en el tiempo.

Variable independiente
Es aquella propiedad, cualidad o característica de una realidad, evento o fenómeno, que tiene
la capacidad para influir, incidir o afectar a otras variables. Se llama independiente, porque
esta variable no depende de otros factores para estar presente en esa realidad en estudio.
Algunos ejemplos de variables independientes son; el sexo, la raza, la edad, entre otros.

Variable dependiente
Es aquella característica, propiedad o cualidad de una realidad o evento que estamos
investigando. Es el objeto de estudio, sobre la cual se centra la investigación en general.
También la variable independiente es manipulada por el investigador, porque el investigador
él puede variar los factores para determinar el comportamiento de la variable. Por ejemplo:
“los niños que hacen tres años de educación preescolar, aprenden a leer más rápido en primer
grado.” en este caso la variable dependiente sería “aprenden a leer más rápido”, pero aprenden
a leer más rápido como consecuencia de que “hacen tres año de educación preescolar”. Por

esta razón se recomienda que en el título de un trabajo siempre debe aparecer la variable
dependiente, pues está es el objeto de estudio.
CONCEPTOS DESCONOCIDOS

Ecuaciones paramétricas
En matemáticas, un sistema de ecuaciones paramétricas permite representar una curva o
superficie en el plano o en el espacio, mediante valores que recorren un intervalo de números
reales, mediante una variable, llamada parámetro.
.
Identificación paramétrica
 ar estimación de un modelo ar usando mínimos cuadrados recursivos.
 armax estimación de un modelo armax usando mínimos cuadrados recursivos.
 arx estimación de un modelo arx usando mínimos cuadrados recursivos.
 bj estimación de un modelo box-jenkins usando mínimos cuadrados recursivos.
 oe estimación de un modelo output error usando mínimos cuadrados recursivos.
 pem estimación de un modelo lineal genérico usando mínimos cuadrados recursivos.
 ivar estimación de un modelo ar usando variables instrumentales.
 ivx estimación de un modelo arx usando variables instrumentales.
 iv4 estimación de un modelo arx usando variables instrumentales de 4 etapas.
 present presentación de modelos paramétricos en formato theta.

Identificación no paramétrica
 covf estimación de la función de covarianza de una matriz de datos.
 cra análisis de correlación para obtención de la respuesta al impulso.
 etfe estimación de función de transferencia empírica y periodo grama.
 spa análisis espectral

Transformada de Laplace
La utilidad esencial de la transformación de laplace reside en su propiedad de convertir
ecuaciones diferenciales lineales (en la variable tiempo t) en ecuaciones algebraicas (en la
variable compleja s)

Modelamiento matemático
Se define como un conjunto de ecuaciones que representan la dinámica del sistema, este
modelo no es único para un sistema determinado ya que el mismo sistema puede representarse
en muchas formas diferentes, dependiendo de cada perspectiva.

Error en estado estacionario

Un sistema lineal estable alcanza el régimen o estado estacionario cuando, al ser excitado por
una señal de entrada, la respuesta transitoria decae a cero.

ModeloCaracterística Variables Aplicación Referencia

ARX Modelo autoregresivo na=número de En diseño de
con variable exógena, es Polos que tiene controladores de
una extensión del modelo el sistema temperatura
AR la parte estocástica t nb=número de
determinística tienen Ceros que tiene
dinámica con idéntico el sistema
denominador este modelo nk=número de
trabaja con dos retrasos del
ecuaciones a y b sistema
ARMAX Utiliza los mismo na=número de Describe
coeficientes en cuanto a Polos que tiene sistemas con
polos y ceros del modelo el sistema pertubaciones
ARX, con la diferencia nb y nc=número lentas, para
de que nc, representa los de Ceros que describir el error
desplazamiento tiene el sistema como promedio
temporales del ruido nk=número de movil
parametrizado retrasos del
sistema
OE Los modelos de OE son nf= número de
caracteristicos por Polos que tiene
modelos de ruido que no el sistema
contienen las dimesiones nb =número de
del proceso se asume que Ceros que tiene
el ruido afecta la salida el sistema
del proceso nk=número de
retrasos del
sistema
BJ Es una estructura
generalizada que
utilizamos a nuestra
conveniencia
dependiendo el modelo
en el que se combinen los
polinomios.

Función de transferencia ARX

Esta estructura es probablemente la relación entrada-salida más simple que se pueda obtener
para describir el sistema a través de una ecuación en diferencias.
Modelo de predicción
Un conjunto de ecuaciones que explican y miden las relaciones de causalidad encontradas
entre el nivel de la actividad económica, con la evolución de los impuestos.
La regresión lineal o ajuste lineal: es un modelo matemático usado para aproximar la relación
de dependencia entre una variable dependiente y, las variables independientes xi y un término
aleatorio ε.

Función de transferencia ARMAX

La principal desventaja del modelo ARX reside en la escasez o falta de libertad en la
descripción del término del erro r o perturbación. Debido a esto agregamos un término
conocido como “medida en movimiento” (moving average) del ruido blanco.

Función de transferencia output-error

En lugar de modelar el término del ruido o perturbación con una media en movimiento, se
puede describir esta perturbación como un auto regresión.

Estructura box Jenkins

Es una estructura generalizada que utilizamos a nuestra conveniencia dependiendo el modelo
en el que se combinen los polinomios.

ANEXO 2 – PLANTEAMIENTO DEL PROBLEMA ETAPA 3

SISTEMAS DINÁMICOS - 243005
Unidad 1 – Identificación de sistemas dinámicos
 Etapa 3 – Hallar el modelo matemático de un sistema dinámico mediante el software
Matlab

La compañía donde usted trabaja ha realizado la adquisición de un nuevo equipo industrial que
permitirá incrementar los niveles de producción de la empresa. Con el fin de prevenir fallas y
proteger la alta inversión realizada, el presidente de la compañía ha ordenado la creación de un
sistema de control de fallas que permita el buen funcionamiento de la máquina y diagnosticar
la existencia de alguna falla. Para el diseño del sistema se requiere conocer por estimación el
modelo matemático del equipo industrial de acuerdo a los datos obtenidos de manera
experimental.

Se presentan 69 bases de datos que corresponden al equipo industrial que se requiere estimar,
sobre los cuales desarrollarán las siguientes actividades:

1. Descargar el archivo comprimido denominado Anexos Etapa 3.

2. Descomprimir el archivo y descargar el modelo que corresponde al número de su
grupo colaborativo.
3. Cada estudiante selecciona un modelo y análisis a obtener e indica en el foro el modelo
seleccionado, los cuales son:

3.1 Función de transferencia.

3.2 Modelo ARX.
3.3 Modelo ARMAX.
3.4 Modelo Output Error – OE.
3.5 Modelo Box Jenkins – BJ.

4. Los modelos a estimar deben ser de segundo orden.

5. Por medio de la herramienta ident, obtener los modelos requeridos de acuerdo a las
indicaciones dadas en la guía.

Desarrollo
Función de Transferencia
Javier Barraza
Entradas y salida

Se configura la función de transferencia con 2 polos y 2 ceros

Función de transferencia
 Grafica de salida de la Función de transferencia

Función de transferencia con exponentes negativos

Modelo matemático para hallar la función de transferencia

5.704𝑧 −1 − 5.704𝑧 −2
𝐹𝑇 =
1 − 1.857𝑧 −1 + 0.8575𝑧 −2

5.704 5.704
𝑧 − 𝑧2
𝐹𝑇 =
1.857 0.8575
1− 𝑧 +
𝑧2

5.704 5.704
𝑧 − 𝑧2
𝐹𝑇 =
1 1.857 0.8575
1 − 𝑧 + 𝑧2

5.704 𝑧 5.704
( )− 2
𝑧 𝑧 𝑧
𝐹𝑇 =
1 𝑧2 1.857 𝑧 0.8575
( )− ( )+
1 𝑧2 𝑧 𝑧 𝑧2

5.704𝑧 2 5.704
2 − 2
𝐹𝑇 = 2 𝑧 𝑧
𝑧 1.857𝑧 0.8575
− +
𝑧2 𝑧2 𝑧2

5.704𝑧 2 − 5.704
𝐹𝑇 = 2 𝑧2
𝑧 − 1.857𝑧 + 0.8575
𝑧2

𝑧 2 (5.704𝑧 2 − 5.704)
𝐹𝑇 =
𝑧 2 (𝑧 2 − 1.857𝑧 + 0.8575)

5.704𝑧 2 − 5.704
𝐹𝑇 =
𝑧 2 − 1.857𝑧 + 0.8575
Función de transferencia en simulink

Grafica en Simulink
Modelo ARX
Edgar Duque
Seleccionamos el modelo y configuramos los Polos y Ceros

Grafica modelo ARX

 Señal de salida arx

Ecuaciones de la función de transferencia con exponentes negativos del modelo ARX

Modelamiento matemáticos para hallar la función de transferencia del modelo ARX

𝐴(𝑧) = 1 − 0.2953𝑧 −1 − 0.49𝑧 −2

𝐵(𝑧) = 6.62𝑧 −1 + 1.792𝑧 −2 + 0.1797𝑧 −3

𝐴(𝑧)𝑌(𝑡) = 𝐵(𝑧)𝑈(𝑡)

𝑌(𝑡) 𝐵(𝑧) 6.62𝑧 −1 + 1.792𝑧 −2 + 0.1797𝑧 −3

= =
𝑈(𝑡) 𝐴(𝑧) 1 − 0.2953𝑧 −1 − 0.49𝑧 −2

6.62 1.792 0.1797

𝑌(𝑡) 𝑧 + 𝑧2 + 𝑧3
=
𝑈(𝑡) 0.2953 0.49
1− 𝑧 − 2
𝑧

6.62𝑧 2 + 1.792𝑧 + 0.1797

𝑌(𝑡) 𝑧3
= 2
𝑈(𝑡) 𝑧 − 0.2953𝑧 − 0.49
𝑧2

𝑌(𝑡) (6.62𝑧 2 + 1.792𝑧 + 0.1797)𝑧 2

=
𝑈(𝑡) (𝑧 2 − 0.2953𝑧 − 0.49)𝑧 3

𝑌(𝑡) 6.62𝑧 2 + 1.792𝑧 + 0.1797

=
𝑈(𝑡) 𝑧 3 − 0.2953𝑧 2 − 0.49𝑧
 Modelo ARX en Simulink

Configuración de la función de transferencia modelo ARX

 Configuración de la señal escalón

Grafica la señal de entrada con una señal escalón

Como vemos la señal se estabiliza aproximadamente a los 4.2 seg y a los 5 seg le
aplicamos una señal escalón.
Modelo ARMAX
Sergio Lemus
Modelo ARMAX
Grafica Modelo ARMAX
Ecuaciones de la función de transferencia del modelo ARMAX
Calculo de la función con exponentes positivos

𝐴(𝑧) = 1 − 1.755𝑧 −1 + 0.7706𝑧 −2

𝐵(𝑧) = 6.992𝑧 −1 − 7.767𝑧 −2 + 1.391𝑧 −3

𝐶(𝑧) = 1 − 1.65𝑧 −1 + 0.6686𝑧 −2 − 0.01729𝑧 −3

Hallamos la función que tiene la siguiente forma

𝐴(𝑧)𝑌(𝑡) = 𝐵(𝑧)𝑈(𝑡) + 𝐶(𝑧)

Despejamos la Y(t)
Para estos ejercicios C(z) lo despreciamos por tal motivo no lo tenemos en cuenta en la
ecuación

𝑌(𝑡) 𝐵(𝑧) 6.992𝑧 −1 − 7.767𝑧 −2 + 1.391𝑧 −3

= =
𝑈(𝑡) 𝐴(𝑧) 1 − 1.755𝑧 −1 + 0.7706𝑧 −2

6.992 7.767 1.391

𝑌(𝑡) 𝑧 − 𝑧2 + 𝑧3
=
𝑈(𝑡) 1.755 0.7706
1− 𝑧 +
𝑧2

6.992 𝑧 2 7.767 𝑧 1.391

𝑌(𝑡) 𝑧 (𝑧 2 ) − 𝑧 2 (𝑧) + 𝑧 3
=
𝑈(𝑡) 𝑧2 1.755 𝑧 0.7706
1( 2 ) − 𝑧 (𝑧) +
𝑧 𝑧2

6.992𝑧 2 − 7.767𝑧 + 1.391

𝑌(𝑡) 𝑧3
= 2
𝑈(𝑡) 𝑧 − 1.755𝑧 + 0.7706
𝑧2

Aplicamos internos externos

𝑌(𝑡) (6.992𝑧 2 − 7.767𝑧 + 1.391)𝑧 2

=
𝑈(𝑡) (𝑧 2 − 1.755𝑧 + 0.7706)𝑧 3
Simplificamos

𝑌(𝑡) (6.992𝑧 2 − 7.767𝑧 + 1.391)𝑧 2

=
𝑈(𝑡) (𝑧 2 − 1.755𝑧 + 0.7706)𝑧 3

Obtenemos nuestra función con exponentes positivos

𝑌(𝑡) 6.992𝑧 2 − 7.767𝑧 + 1.391

= 3
𝑈(𝑡) 𝑧 − 1.755𝑧 2 + 0.7706𝑧

Simulación en simulink
Configuración función de transferencia en Simulink
Modelo Output – Error
Javier Barraza
Grafica modelo OE
Ecuación con exponentes negativos del modelo OE
Modelamiento matemático para hallar la función de transferencia del modelo OE

𝐵(𝑧) = 6.837𝑧 −1 + 4.956𝑧 −2 − 1.207𝑧 −3

𝐹(𝑧) = 1 + 0.05692𝑧 −1 − 0.7923𝑧 −2
𝐵(𝑧)
𝑌(𝑡) = [ ] 𝑈(𝑡)
𝐹(𝑧)
𝑌(𝑡) 𝐵(𝑧) 6.837𝑧 −1 + 4.956𝑧 −2 − 1.207𝑧 −3
= =
𝑈(𝑡) 𝐹(𝑧) 1 + 0.05692𝑧 −1 − 0.7923𝑧 −2
6.837 4.956 1.207
𝑌(𝑡) 𝑧 + 𝑧2 − 𝑧3
=
𝑈(𝑡) 1 + 0.05692 − 0.7923
𝑧 𝑧2
6.837 𝑧 2 4.956 𝑧 1.207
𝑌(𝑡) ( 2 ) + 2 ( ) −
𝑧 𝑧 𝑧 𝑧 𝑧3
= 2
𝑈(𝑡) 1 𝑧 0.05692 𝑧 0.7923
( 2 ) + ( ) −
1 𝑧 𝑧 𝑧 𝑧2
6.837𝑧 2 4.956𝑧 1.207
𝑌(𝑡) 3 + − 3
= 2𝑧 𝑧3 𝑧
𝑈(𝑡) 𝑧 0.05692𝑧 0.7923
+ −
𝑧2 𝑧2 𝑧2
6.837𝑧 2 + 4.956𝑧 − 1.207
𝑌(𝑡) 𝑧3
= 2
𝑈(𝑡) 𝑧 + 0.05692𝑧 − 0.7923
𝑧2
𝑌(𝑡) 𝑧 2 (6.837𝑧 2 + 4.956𝑧 − 1.207)
= 3 2
𝑈(𝑡) 𝑧 (𝑧 + 0.05692𝑧 − 0.7923)
𝑌(𝑡) 6.837𝑧 2 + 4.956𝑧 − 1.207
=
𝑈(𝑡) 𝑧(𝑧 2 + 0.05692𝑧 − 0.7923)
𝑌(𝑡) 6.837𝑧 2 + 4.956𝑧 − 1.207
=
𝑈(𝑡) 𝑧 3 + 0.05692𝑧 2 − 0.7923𝑧
 Simulink modelo OE

Gráfica del modelo OE en Simulink

Modelo Box Jenkins
Edgar Duque

Gráfica del modelo BJ

 Salida del modelo BJ

Modelo matemático para hallar la función de transferencia del modelo BJ

𝐁(𝐳) = 𝟔. 𝟗𝟎𝟑𝒛−𝟏 − 𝟑. 𝟖𝟎𝟔𝒛−𝟐 + 𝟎. 𝟖𝟐𝟔𝟓𝒛−𝟑

𝑪(𝒛) = 𝟏 − 𝟏. 𝟕𝟗𝟕𝒛−𝟏 + 𝟎. 𝟗𝟔𝟎𝟓𝒛−𝟐 − 𝟎. 𝟏𝟔𝟏𝟏𝒛−𝟑

𝑫(𝒛) = 𝟏 − 𝟏. 𝟗𝟓𝟔𝒛−𝟏 + 𝟎. 𝟗𝟓𝟔𝟏𝒛−𝟐

𝑭(𝒛) = 𝟏 − 𝟏. 𝟏𝟒𝟏𝒛−𝟏 + 𝟎. 𝟐𝟑𝟗𝟏𝒛−𝟐

E(t)=0

𝑩(𝒛) 𝑪(𝒛)
𝒚(𝒕) = [ ] 𝒖(𝒕) + [ ] 𝒆(𝒕)
𝑭(𝒛) 𝑫(𝒛)

Se reemplaza
𝟔. 𝟗𝟎𝟑𝒛−𝟏 − 𝟑. 𝟖𝟎𝟔𝒛−𝟐 + 𝟎. 𝟖𝟐𝟔𝟓𝒛−𝟑 𝟏 − 𝟏. 𝟕𝟗𝟕𝒛−𝟏 + 𝟎. 𝟗𝟔𝟎𝟓𝒛−𝟐 − 𝟎. 𝟏𝟔𝟏𝟏𝒛−𝟑
𝒚(𝒕) = [ ] 𝒖(𝒕) + [ ]∗𝟎
𝟏 − 𝟏. 𝟏𝟒𝟏𝒛−𝟏 + 𝟎. 𝟐𝟑𝟗𝟏𝒛−𝟐 𝟏 − 𝟏. 𝟗𝟓𝟔𝒛−𝟏 + 𝟎. 𝟗𝟓𝟔𝟏𝒛−𝟐

𝟔. 𝟗𝟎𝟑𝒛−𝟏 − 𝟑. 𝟖𝟎𝟔𝒛−𝟐 + 𝟎. 𝟖𝟐𝟔𝟓𝒛−𝟑

𝒚(𝒕) = [ ] ∗ 𝑼(𝒕)
𝟏 − 𝟏. 𝟏𝟒𝟏𝒛−𝟏 + 𝟎. 𝟐𝟑𝟗𝟏𝒛−𝟐
 6.903 3.806 0.8265
𝑌(𝑡) 𝑧 − 𝑧2 + 𝑧3
=
𝑈(𝑡) 1.141 0.2391
1− 𝑧 +
𝑧2

6.903𝑧 2 − 3.806𝑧 + 0.8265

𝑌(𝑡) 𝑧3
= 2
𝑈(𝑡) 𝑧 − 1.141𝑧 + 0.2391
𝑧2

𝑌(𝑡) (6.903𝑧 2 − 3.806𝑧 + 0.8265)𝑧 2

=
𝑈(𝑡) (𝑧 2 − 1.141𝑧 + 0.2391)𝑧 3

𝑌(𝑡) 6.903𝑧 2 − 3.806𝑧 + 0.8265

=
𝑈(𝑡) 𝑧 3 − 1.141𝑧 2 + 0.2391𝑧
 Configuración de la función de transferencia del modelo BJ en Simulink

Grafica en Simulink de modelo BJ

Ventana de identificación de matlab con la función de transferencia, modelo ARX,

ARMAX, OE y BJ
 Grafica de Salida de los modelos tf, arx, amx, oe y bj

Como vemos en la gráfica el modelo ARMAX se acerca más con un 99.73 a la función de
transferencia escogida.

Grafica de las señales de salida de los modelos

Link del Video de los modelos de transferencia, ARX, ARMAX, OE y BJ
https://youtu.be/CcqltYfXbbk
 Conclusión

Las técnicas de identificación de un sistema más dinámico son fundamentales para poder
desarrollar los modelos matemáticos de aplicación como el ARX, ARMAX, Output-Error,
Box- Jenkins y el procesamiento de señales. Por ello es necesario estudiar su comportamiento
en las distintas disciplinas y actividades que son de gran importancia científica y cotidiana,
para eso fue necesario precisar e identificar conceptos conocidos y desconocidos, que
aclararon el panorama de comprensión y contribuyeron al hallazgo de los modelos
matemáticos del sistema, mediante la utilización de MATLAB y sus herramientas como
IDENT, que Fortalecieron el aprendizaje autónomo y basado en problemas, el trabajo en
equipo y el reconocimiento del impacto que presenta el conocimiento de los sistemas
dinámicos y sus técnicas de aplicación para todos

Referencias
Gil, R. M. (2003). Introducción rápida a Matlab y Simulink para ciencia e ingeniería. Madrid,
ES: Ediciones Díaz de Santos. (pp. 81 - 92). Recuperado
dehttps://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=93&docID=317139
1&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&docID=3175
444&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.co:2969/log
in.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
dehttps://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=93&docID=317139
1&tm=1541556868646
Amaya Diaz, J. (17,12,2016). Identificación de sistemas. [Archivo de video]. Recuperado
de http://hdl.handle.net/10596/10872