Laboratorio de Control II

IDENTIFICACIÓN DE SISTEMAS
Informe
Harold Mauricio Dı́az Vargas
Ingenierı́a Electrónica
Universidad Tecnológica de Pereira
Pereira, Colombia
harold369@utp.edu.co
Sebastián Gil Gónzalez
Ingenierı́a Electrónica
Universidad Tecnológica de Pereira
Pereira, Colombia
s.gil@utp.edu.co
Sebastián Moreno Valencia
Ingenierı́a Electrónica
Universidad Tecnológica de Pereira
Pereira, Colombia
ss.morevale@utp.edu.co

Resumen—Este documento pretende llevar a cabo el análisis

del trabajo realizado en la práctica de laboratorio correspondi-
ente, en la cual se estudió la manera de realizar la identificación
de un sistema dinámico a través de diferentes modelos.

Palabras clave—Adquisición de datos, Tarjeta NISUB6211,

Matlab, identificación, modo diferencial.

Abstract—This document pretends to carry out the analysis

about work done in the laboratory practice correspondent, in
which studied the way of to realize the identification of a dynamic
system through of different models .

Index Terms—Data Acquisition, Target NIUSB6211, Matlab,

identification, differential mode.

I. I NTRODUCCI ÓN
Es importante la identificación de sistemas dinámicos
para diseñar estrategias de control adecuadas, esto se realiza Figure 1. Respuesta del sistema en lazo abierto ante una entrada escalón
utilizando Matlab
a través de datos experimentales. Es decir, el sistema es
comandado por variables de entrada controladas por el
usuario, y se obtienen perturbaciones las cuales brindan
información útil acerca del sistema.

Con el uso de la tarjeta NIUSB6211 y el System Identifi-

cation Toolbox de Matlab se realiza la estimación del sistema
dinámico seleccionado, ademas es importante realizar una
comparación con los cálculos teóricos y los obtenidos a través
de modelos matemáticos.

II. P ROCEDIMIENTO
A. Obtener la curva de reacción del sistema, a partir de
la aplicación de una señal escalón dentro de la zona de
trabajo seleccionada y tomar nota de los diferentes tiempos
de respuesta y magnitudes de la señal.
Con el fin de comparar todos los datos experimentales que
se obtendrán en esta práctica, se agregan como referencia las
señales obtenidas en Matlab del sistema en lazo abierto y en Figure 2. Respuesta del sistema en lazo cerrado ante una entrada escalón
lazo cerrado, las cuales se pueden apreciar en las figura 1 y 2 utilizando Matlab
respectivamente.
 Se aplica a la planta un escalón a través de la fuente
disponible en el laboratorio y se observan los siguientes
parámetros:
Tiempo de establecimiento(ts).
Tiempo pico (tp).
Valor de estado estable(yss).
Máximo sobreimpulso(Mp)
Para medir estos parámetros es indispensable el uso del
osciloscopio, los valores medidos se pueden observar en las
figuras 3, 4, 5 y 6. Donde se tiene :
ts = 4.3 s
tp = 1.9 s
yss = 292 mV
Mp = 52 mV

Figure 5. Respuesta del sistema masa-resorte-amortiguado implementado con

amplificadores

Figure 3. Respuesta del sistema masa-resorte-amortiguado implementado con

amplificadores

Figure 6. Respuesta del sistema masa-resorte-amortiguado implementado con

amplificadores

B. Preparar con un generador o por medio de la salida

análoga de la tarjeta de adquisición, un tren de pulsos
centrados con 50% de ciclo de trabajo, con un periodo mayor
o igual a 2 veces (4) el tiempo de establecimiento del sistema
en lazo abierto y que sea múltiplo del periodo de muestreo
calculado
Como se puede observar de la figura 1 el tiempo de
establecimiento del sistema en lazo abierto es 3.75 s, y el
periodo de muestreo calculado en el trabajo previo es:

0.05ts ≤ Ts ≤ 0.15ts; ts : Tiempo de establecimiento(LC)

0.05*(4.31) ≤ Ts ≤ 0.15*(4.31)
0.2155 ≤ Ts ≤ 0.6465
t1 + t2
Figure 4. Respuesta del sistema masa-resorte-amortiguado implementado con Ts =
amplificadores
2
0.2155 + 0.6465
Ts =
2
 Ts = 0.431 s ' 0.4 s
Por lo tanto el periodo del tren de pulsos es:
T ≥ 2*ts
T ≥ 2*3.75
T ≥ 7.5 s
Como debe ser multiplo del Ts, por lo tanto se seleccion
un periodo de :
T = 8 s.
A través de un generador de señales se obtiene un tren de
pulsos con un periodo de trabajo del 50%, de un Vp = 1 V,
y de un periodo de 8 segundos como se puede observar en la
figura 7
Figure 7. Tren de pulsos con periodo de 8 segundos
C. Adquirir y almacenar a través de dos entradas análogas
de la tarjeta de adquisición, la señal excitación y la salida del
sistema en el Workspace del MATLAB, durante un tiempo
igual a 4 veces el periodo del tren de pulsos.
A través de la DAQ6211 disponible en el laboratorio se
procede a conectar dos entradas analogas en modo común,
en este caso se seleccionan las entradas ai0(15) que tiene
asociada en modo diferencial la entrada ai8(16) y la entrada
ai1 que tiene asociada la entrada ai9 en modo diferencial.
Ademas es importante realizar la conexión con la tierra aignd
con las entradas ai8 y ai9.
Posteriormente en Matlab se realiza el script
correspondiente a la adquisición el cual se puede ver
en la figura 8
Se puede observar que el tiempo de
adquisición(s.DurationInSeconds) es de 4 veces el periodo
del tren de pulsos, es decir de 32 segundos. Una vez excitado
el sistema masa-resorte-amortiguador se adquiere tanto esta
señal como la señal de salida, que corresponderı́a a la posición
Figure 8. Script en Matlab correspondiente a la adqusición de las señales de
entrada y salida de la planta
de la masa y se guarda en la variable captured data, el cual
tiene 2 columnas, la primera correspondiente a la señal de
excitación y la segunda columna a la señal de salida.
La variable captured data se gráfica a través del comando
plot como se aprecia en la figura 9. La señal azul es el tren
de pulsos y la roja corresponde a la salida del sistema.
Figure 9. Señal de excitación(azul) y señal de salida(roja) adquiridas
D. A través de la herramienta ident de MATLAB, importar,
preparar y acondicionar los datos para realizar varias
estimaciones (con la opción Process Models), seleccionando
el número de polos, de ceros y el retardo, de acuerdo al
conocimiento previo del modelo.
Se puede observar que en el script de Matlab que se aprecia
en la figura 8 existe una variable llamada num, la cual guarda
unos datos que tiene un archivo Datos capturados de formato
xls, estos datos corresponden a la señal de entrada(pulsos) y
la señal de salida(posición de la masa) adquiridos a través de
la DAQ6211.
Posteriormente, a través del Toolbox System Identification
de Matlab se pretende estimar la planta. Primero, es necesario
importar los datos que estan guardados en num como se puede
observar en la figura 10 y definiendo un tiempo de muestreo
de 0.05 que corresponde a la DAQ.

Figure 10. Importación de datos adquiridos al Toolbox System Identification
Una vez los datos importados quedan guardados my data
como se observa en la figura 11
Figure 11. Datos guardados en mydata
Luego se selecciona Time Plot para observar los datos
importados como se aprecia en la figura 12
Figure 12. Señales de excitación y salida importados
Antes de proceder a la estimación de la planta, se realiza
una operación a los datos llamada Quick Start que tiene como
objetivo coger la mitad de los datos para estimar la otra mitad
y validarlos, ademas remueve valores promedios. El resultado
de esta operación a los datos se observa en la figura 13
Figure 13. Aplicación de la operación Quick Start a los datos importados
Para estimar la planta, se selecciona Transfer Function
Models en la pestaña Estimate como se muestra en la figura
14
Figure 14. Diferentes modelos estimados de la planta utilizando Transfer
Function Models
Esta selección abre una nueva ventana en la cual se debe
elegir la cantidad de polos y ceros que tendrá la estimación
como se observa en la figura 15.

Figure 15. Selección de cantidad de polos y ceros del sistema estimados
Es necesario probar diferentes valores de polos y ceros hasta
obtener una estimación mayor al 85%. Para esta planta, se
selecciona tres polos y un cero, el modelo estimado se muestra
en la figura 16
Figure 16. Señal correspondiente a la estimación de la planta con 86.18 %
E. Exportar la mejor aproximación (superior al 85%) al
Workspace del MATLAB y generar la función de transfer-
encia a través de los comandos tf y zpk.
Para exportar la aproximación obtenida en la figura 16 se
arrastra el modelo a To Workspace y luego en Matlab a dicho
modelo se le aplica el comando zpk para obtener la función de
transferencia en tiempo continuo que se muestra en la figura
17
Con el fin de observar la respuesta del sistema, se aplica un
escalón con el comando step y se obtiene la señal de la figura
18
Figure 17. Función de transferencia correspondiente al sistema estimado
Figure 18. Respuesta de la señal estimada ante una entrada escalón
F. Seleccionar el tipo de modelo más apropiado del sistema,
de acuerdo a la sección 2.1.3 del marco teórico y a la
respuesta transitoria observada. Calcular los parámetros
requeridos, considerando los datos del punto 1 del proced-
imiento y las operaciones matemáticas correspondientes
De acuerdo a la sección 2.1.3 del marco teórico, para
calcular el sistema de forma matemática se utiliza el modelo
de planta de segundo orden en lazo cerrado(2.1.7), y los
parametros necesarios para realizar los calculos matematicos
se definieron en el item1 de este informe, los cuales son:
ts = 4.3 s
tp = 1.9 s
yss = 292 mV
Mp = 52 mV
Con estos valores, se obtienen los parametros intrinsecos :
Wn y ς, que corresponden la frecuencia natural del sistema
y el coeficiente de amortiguamiento respectivamente.Estos
parámetros estan expresados de la siguiente forma:
| ln(mp) |
ς = p
π2 + (ln(mp))2
 4
Wn = Se puede observar que la respuesta del sistema obtenida de
ts ∗ ς esta manera resulta siendo muy parecida a la respuesta real,
El maximo sobreimpulso(mp) debe estar definido en pues las diferencias entre los parámetros que definen el sistema
porcentaje: son mı́nimas.
52 C ONCLUSIONES
mp(%) = *100
292 Resulta muy importante la identificación de sistemas,
mp(%) = 17.8% aun más en el caso cuando se desconoce la función de
transferencia debido a que permite generar un modelo el cual
puede ser utilizado para implementar estrategias de control.
Reemplazando se obtiene:
| ln(0.178) | El Toolbox de identificación de sistema con el que cuenta
ς = p Matlab brinda gran posibilidad de realizar operaciones a los
π2 + (ln(0.178))2
datos importados con el fin obtener en ultima instancia un
ς = 0.4814 modelo mucho mas aproximado. A pesar de que no se realiza
4 muchas operaciones en este caso, resulta muy importante
Wn = tener en cuenta dichas herramientas.
4.3 ∗ 0.4814
Wn = 1.93 Se puede destacar la importancia de estimar una planta a
través de diferentes maneras, con el fin de obtener diferentes
Ahora Ho corresponde al valor de estado estable, es decir : enfoques del funcionamiento de la planta con la que se esta
trabajando.
Ho = yss = 0.292
Por último, es importante notar el gran aporte práctico de
Reemplazando Ho, Wn y ς en la siguiente expresión: la tarjeta de adquisición de datos NIUSB6211 que resulta de
gran ayuda para adquirir las señales de excitación y salida del
Ho ∗ W n2
H(s) = sistema de una manera adecuada y sin errores.
s2 + 2 ∗ ς ∗ W ns + W n2
1.09 R EFERENCIAS
H(s) = 2
s + 1.86s + 3.73 [1] National Instruments Corporation. Manual de usuario y especificaciones
NI USB-621x. Austin, Texas; USA. Soporte NI. 2009.
G. Validar la pertinencia del modelo calculado, a través de [2] The Mathworks Inc. Ayuda del producto de Matlab R2009a. Mas-
una simulación que permita reproducir los datos obtenidos en sachusetts, U.S.A. 2009.
la medición experimental, o simular el modelo con un conjunto
de entradas distintas a las utilizadas para identificación, y
comparar la respuesta del modelo con la obtenida del sistema
real.
A través de Matlab se aplica un escalón con el comando
step a la función de transferencia calculada matemáticamente,
la señal obtenida se observa en la figura 19

Figure 19. Respuesta del sistema estimado a través de modelos no paramet-

ricos