SISTEMAS DINAMICOS

Unidad 3: Etapa 3 - Hallar el modelo matemático de un sistema dinámico

mediante el software Matlab

Presentado por:

JOHN DARWIN DELGADO

Código: 18618722

Grupo: 243005_35

Presentado a:

ADRIANA DEL PILAR NOGUERA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

CEAD CALI

ABRIL DE 2019
Actividades a desarrollar – Individual

Esta actividad consiste en realizar la identificación de sistemas

dinámicos desconocidos por medio de software especializado, para lo

cual se solicita desarrollar:

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.

Investigue sobre los modelos ARX, ARMAX, Output-Error y BoxJenkins, con esta

información diligenciar la siguiente tabla: Modelo Características Variables

Modelo Características Variables Aplicación Representación

ARX El modelo ARX, e(t): Es el ruido Se utiliza para 𝐴(𝑞)𝑦(𝑡)

autorregresivo con Gaussiano. identificar = 𝐵(𝑞)𝑈(𝑡)

entrada exógena (auto ana Y bnb : Los modelos + 𝑒(𝑡)

regresivo con parámetros del lineales.

variable exógena) es modelo.

una extensión del na : polos del

modelo AR. El sistema

término "auto
regresivo" se nb : Ceros del

relaciona con la sistema +1

nk ∶ tiempo de
función de
retraso entre
transferencia que
y(t) salida del
se encuentra en la
sistema
entrada u ( k ) a la
u(t): entrada
salida y ( k )
del sistema
también como la

función de

transferencia del

ruido desde v ( k )

a y ( k ). Así, la

parte estocástica y

la parte

determinística del

modelo ARX

tienen dinámicas

con idéntico

denominador
ARMAX Este modelo es apropiado 𝐴(𝑞)𝑦(𝑡)

proporciona una cuando un = 𝐵(𝑞)𝑈(𝑡)

descripción de un sistema es una + 𝐶(𝑞)𝑒(𝑡)

proceso estocástico función de una

estacionario en serie de choques

términos de dos no observados

polinomios, uno para 𝑦(𝑡): Salida del (el MA o parte

sistema
la autorregresión y u(t): Entrada del móvil promedio)
sistema
otro para la media 𝑛𝑎 : Polos del así como su
sistema
móvil. 𝑛𝑏 : ceros del propio
sistema +1.
𝒏𝒄 Es el numero comportamiento.
C coeficientes.
Por ejemplo, los
𝒏𝒌 Es la
precios de las
cantidad de
acciones pueden
muestras que
verse
ocurren antes
impactados por
que la entrada
la información
afecte la salida
fundamental,

además de

mostrar

tendencias

técnicas y

efectos de
 reversión de la

media debidos a

los participantes

del mercado.

OE Este modelo describe y(t): es la salida 𝑦(𝑡)

la dinámica del del sistema. = [𝐵(𝑞)

sistema por separado u(t): entrada del /𝐹(𝑞)]𝑈(𝑡)

de la dinámica sistema. + 𝑒(𝑡)

Estocástica. El e(t): es la

modelo de salida de perturbación

errores no utiliza del sistema.

ningún parámetro B(q) y

para la simulación de F(q):polinomios

las respecto al

Características de las operador de

perturbaciones. desplazamiento.

BJ Para modelos y(t): es la salida Principalmente 𝑦(𝑡)

autorregresivos de del sistema. se aplica en = [𝐵(𝑞)

media móvil ARMA, u(t): entrada del montajes de /𝐹(𝑞)]𝑈(𝑡)

con el fin de sistema. minimos + [𝐶(𝑞)

encontrar el mejor e(t): es la cuadrados no /𝐷(𝑞)]𝑒(𝑡)

ajuste de una serie perturbación lineales y

temporal de valores a del sistema. estimación de

 fin de que los B(q)/F(q) máxima

pronósticos sean polinomio verosimilitud.

acertados. Determina respecto al

si la serie de tiempo operador de

es estacionaria, desplazamiento.

evalúa la tendencia a

partir de secuencias.

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

compartidos para la resolución de las actividades correspondientes a la Etapa 3.

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, 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 esta actividad nos corresponde el modelo número 35.

Se importan los datos a Ident, se calcula la función de transferencia con dos polos y

un cero; se visualiza la gráfica de la onda.

 6.116𝑧 −1
𝑇𝐹 =
1 − 0.5982𝑧 −1 − 0.2271𝑧 −2

6.116
𝑇𝐹 = 𝑧
0.5982 0.2271
1− 𝑧 −
𝑧2
 6.116
𝑇𝐹 = 3 𝑧
𝑧 − 0.5982𝑧 2 − 0.2271𝑧
𝑧3

6.116𝑧 3
𝐹𝑇 =
𝑧(𝑧 3 − 0.5982𝑧 2 − 0.2271𝑧)

6.116𝑧
𝐹𝑇 = (𝟏)
𝑧2 − 0.5982𝑧 − 0.2271

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.

Se presenta la ecuación del modelo ARX obtenido y su respectiva gráfica.

 𝐴(𝑧) = 1 − 0.5206𝑧 −1 − 0.2964𝑧 −2

𝐵(𝑧) = 5.309𝑧 −1 + 1.098𝑧 −2

0.5206 0.2964
𝐴(𝑧) = 1 − −
𝑧 𝑧2

𝑧 3 − 0.5206𝑧 2 − 0.2964𝑧
𝐴(𝑧) =
𝑧3

5.309 1.098
𝐵(𝑧) = + 2
𝑧 𝑧

5.309𝑧 + 1.098
𝐵(𝑧) =
𝑧2

5.309𝑧 + 1.098
𝑦(𝑡) 𝐵(𝑧) 𝑧2
= = 3
𝑢(𝑡) 𝐴(𝑧) 𝑧 − 0.5206𝑧 2 − 0.2964𝑧
𝑧3

𝑦(𝑡) 𝐵(𝑧) 𝑧 3 (5.309𝑧 + 1.098)

= = 3 2
𝑢(𝑡) 𝐴(𝑧) 𝑧 (𝑧 − 0.5206𝑧 − 0.2964)

𝑦(𝑡) 𝐵(𝑧) 5.309𝑧 + 1.098

= = 𝑧 (2)
𝑢(𝑡) 𝐴(𝑧) 𝑧 − 0.5206𝑧 − 0.2964
5.3 Por medio de la herramienta ident incorporada en MATLAB®, determine el

orden del modelo y encuentre las ecuaciones correspondientes para el modelo

ARMAX para analizar el comportamiento de dicho modelo comparando la

salida del sistema con la señal de entrada.

Se presenta la ecuación del modelo ARMAX obtenido y su respectiva gráfica.

 𝐴(𝑧) = 1 − 0.8536𝑧 −1 − 0.02345𝑧 −2

𝐵(𝑧) = 4.889𝑧 −1 + 0.04695𝑧 −2

0.8536 0.02345
𝐴(𝑧) = 1 − −
𝑧 𝑧2

𝑧 3 − 0.8536𝑧 2 − 0.02345𝑧
𝐴(𝑧) =
𝑧3

𝑧 2 − 0.8536𝑧 − 0.02345
𝐴(𝑧) =
𝑧2

4.889 0.04695
𝐵(𝑧) = +
𝑧 𝑧2

4.889𝑧 + 0.04695
𝐵(𝑧) =
𝑧2

4.889𝑧 + 0.04695
𝑦(𝑡) 𝐵(𝑧) 𝑧2
= = 2
𝑢(𝑡) 𝐴(𝑧) 𝑧 − 0.8536𝑧 − 0.02345
𝑧2

𝑦(𝑡) 𝐵(𝑧) 𝑧 2 (4.889𝑧 + 0.04695)

= = 2 2
𝑢(𝑡) 𝐴(𝑧) 𝑧 (𝑧 − 0.8536𝑧 − 0.02345)

𝑦(𝑡) 𝐵(𝑧) 4.889𝑧 + 0.04695

= = 2 (𝟑)
𝑢(𝑡) 𝐴(𝑧) 𝑧 − 0.8536𝑧 − 0.02345
5.4 Por medio de la herramienta ident incorporada en MATLAB®, determine el

orden del modelo y encuentre las ecuaciones correspondientes para el modelo

OE (Out-Put Error) para analizar el comportamiento de dicho modelo

comparando la salida del sistema con la señal de entrada.

Se presenta la ecuación del modelo Output-Error obtenido y su respectiva

gráfica.
 𝐵(𝑧) = 4.991𝑧 −1 − 4.991𝑧 −2

𝐹(𝑧) = 1 − 1.858𝑧 −1 + 0.8576𝑧 −2

4.991 4.991
𝐵(𝑧) = − 2
𝑧 𝑧
4.991𝑧 − 4.991
𝐵(𝑧) =
𝑧2

1.858 0.8576
𝐹(𝑧) = 1 − +
𝑧 𝑧2

𝑧 3 − 1.858𝑧 2 + 0.8576𝑧
𝐹(𝑧) =
𝑧3

𝑧 2 − 1.858𝑧 + 0.8576
𝐹(𝑧) =
𝑧2
4.991𝑧 − 4.991
𝑦(𝑡) 𝐵(𝑧) 𝑧2
= = 2
𝑢(𝑡) 𝐹(𝑧) 𝑧 − 1.858𝑧 + 0.8576
𝑧2

𝑦(𝑡) 𝐵(𝑧) 𝑧 2 (4.991𝑧 − 4.991)

= =
𝑢(𝑡) 𝐹(𝑧) 𝑧 2 (𝑧 2 − 1.858𝑧 + 0.8576)

𝑦(𝑡) 𝐵(𝑧) 4.991𝑧 − 4.991

= = 2 (𝟒)
𝑢(𝑡) 𝐹(𝑧) 𝑧 − 1.858𝑧 + 0.8576
5.5. Por medio de la herramienta ident incorporada en MATLAB®, determine el

orden del modelo y encuentre las ecuaciones correspondientes para el modelo BOX

JENKINS para analizar el comportamiento de dicho modelo comparando la salida

del sistema con la señal de entrada.

Se presenta la ecuación del modelo Box JENKINS obtenido y su respectiva gráfica.

 𝐵(𝑧) = 4.874𝑧 −1 + 0.2606𝑧 −2

4.874 0.2606
𝐵(𝑧) = −
𝑧 𝑧2
4.874𝑧 − 0.2606
𝐵(𝑧) =
𝑧2

𝐹(𝑧) = 1 − 0.794𝑧 −1 − 0.05933𝑧 −2

0.794 0.05933
𝐹(𝑧) = 1 − −
𝑧 𝑧2

𝑧 3 − 0.794𝑧 2 − 0.05933
𝐹(𝑧) =
𝑧3

𝑧 2 − 0.794𝑧 − 0.05933
𝐹(𝑧) =
𝑧2
4.874𝑧 − 0.2606
𝑦(𝑡) 𝑧2
= 2
𝑢(𝑡) 𝑧 − 0.794𝑧 − 0.05933
𝑧2

𝑦(𝑡) 4.874𝑧 − 0.2606

= 2 (𝟓)
𝑢(𝑡) 𝑧 − 0.794𝑧 − 0.05933
6. De acuerdo al desarrollo del numeral 5, realizar las siguientes actividades de

simulación de para cada modelo obtenido:

6.1. 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.

La señal 𝑉(𝑡) utilizada para las simulaciones, se presenta a continuación.

El diagrama de bloques implementado en simulink para la función de transferencia

y la respuesta del sistema.

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.
El diagrama de bloques implementado en simulink para el modelo ARX y la

respuesta del sistema.

6.3. Utilice MATLAB® para simular la función de transferencia discreta del

modelo ARMAX 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.

El diagrama de bloques implementado en simulink para el modelo ARMAX y la

respuesta del sistema.

6.4. Utilice MATLAB® para simular la función de transferencia discreta del

modelo OE 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.

El diagrama de bloques implementado en simulink para el modelo Output Error y la

respuesta del sistema.

6.5. Utilice MATLAB® para simular la función de transferencia discreta del

modelo Box Jenkins 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.

El diagrama de bloques implementado en simulink para el modelo Box Jenkins y la

respuesta del sistema.

Actividades a desarrollar - Colaborativo

1 Comparar las gráficas obtenidas de las simulaciones de los modelos estimados

para seleccionar el modelo más cercano a la función de transferencia establecida,

justificando su selección.

El modelo más cercano a la función de transferencia que cuenta con una similitud

del 99.7% con respecto al modelo, es el de output error con un 99.62%.