Etapa 3

Hallar el modelo matemático de un sistema dinámico mediante el software Matlab

Tutor:
Edison Andrés Arteaga

Entregado Por:

Código

Grupo:
41

Universidad Nacional Abierta Y A Distancia - UNAD

Escuela De Ciencias Básicas, Ingenierías Y Tecnologías
2019
BÚSQUEDA DE TÉRMINOS DESCONOCIDOS
 Se entiende por identificación el proceso de encontrar las ecuaciones matemáticas que rigen el
comportamiento de un sistema, es decir, crear un modelo matemático del sistema físico real.
Respecto a la identificación puede ser paramétrica (cuando existe un modelo al que es necesario
ajustarle algunos parámetros) o no paramétrica (cuando se obtienen las ecuaciones del modelo
partiendo de la respuesta al escalón o de la respuesta en frecuencia) y on-line (cuando el
ordenador actúa en tiempo real como herramienta de la identificación) u off-line (cuando los
valores de las variables de entrada y salida se registran constituyendo los datos para un
programa de ordenador diseñado para identificar al sistema) (Identificación de sistemas).

Investigue sobre los métodos de identificación paramétricos y no paramétricos

haciendo énfasis en el comando ident de MATLAB®

System Identification Toolbox ™ proporciona funciones MATLAB®, bloques Simulink® y una

aplicación para construir modelos matemáticos de sistemas dinámicos a partir de datos de
entrada-salida medidos. Le permite crear y usar modelos de sistemas dinámicos que no se
modelan fácilmente a partir de los primeros principios o especificaciones. Puede usar datos de
entrada-salida en el dominio del tiempo y del dominio de la frecuencia para identificar
funciones de transferencia de tiempo continuo y de tiempo discreto, modelos de proceso y
modelos de espacio de estado. La caja de herramientas también proporciona algoritmos para la
estimación de parámetros en línea integrados (The MathWorks, Inc, 2019).

Investigue sobre los modelos ARX, ARMAX, Output-Error y Box-Jenkins, con esta
información diligenciar la siguiente tabla:

Modelo Características Variables Aplicación Referencia bibliográfica

Peitsman, H. C., &
Soethout, L. L. (1997).
Respuestas de ARX models and real-time
Linealidad sistema Tiempo, retraso,
ARX sistemas dinámicos a model-based diagnosis.
dinámico coeficiente
factores no internos American Society of
Heating, Refrigerating and
Air-Conditioning Engineers.
Baillie, R. T. (1980).
Series de tiempo,
Regresión lineal Predictions from ARMAX
ARMAX variables no Residuales
que utiliza ARMA models. Journal of
estacionales,
Econometrics, 365-374.
Entradas-salidas, Söderström, T., & Stoica, P.
A perturbaciones
delays, (1982). Some properties of
OE Dinámica sistema dominantes que
perturbaciones del the output error method.
entran
sistema Automatica, 93-99.
Perturbaciones que McLeod, A. I. (1978).
Serie temporal
BJ Estacionarias entran tarde en el Simulation procedures for
(Estacionario)
proceso Box‐Jenkins models. Water
 Resources Research, 969-
975.

MODELO MATEMÁTICO A PARTIR DE LAS MEDICIONES DE ENTRADA

De la grafica anterior, se obtiene que la función de transferencia es:

7.195𝑧 −1
𝑡𝑓1 =
1 − 0.5931𝑧 −1 − 0.2315𝑧 −2
Se transforman las potencias negativas en su representación positiva:

7.195
𝑡𝑓1 = 𝑧
0.5931 0.2315
1− 𝑧 −
𝑧2
7.195
𝑡𝑓1 = 2 𝑧
𝑧 0.5931𝑧 0.2315
− −
𝑧2 𝑧2 𝑧2
7.195𝑧
𝑡𝑓1 =
𝑧2 − 0.5931𝑧 − 0.2315

SIMULACIÓN Y DIAGRAMA DE BLOQUES

Referencias Bibliográficas

Baillie, R. T. (1980). Predictions from ARMAX models. Journal of Econometrics, 365-374.

Fukata, K., Washio, T., Yada, K., & Motoda, H. (2006). A Method to Search ARX Model Orders and Its
Application to Sales Dynamics Analysis. Scientific Research on.
Identificación de sistemas. (s.f.). Obtenido de
ftp://45.231.184.224/Facultades/FIET/DEIC/Materias/Identificacion/documentos/Rica
rdo%20Garc%EDa%20L%F3pez/VVEE12.PDF
McLeod, A. I. (1978). Simulation procedures for Box‐Jenkins models. Water Resources Research,
969-975.
National Instruments. (2013). Output-Error Model Definitions (System Identification Toolkit).
Obtenido de National Instruments: http://zone.ni.com/reference/en-XX/help/372458D-
01/lvsysidconcepts/modeldefinitionsoe/
NIST/SEMATECH. (2013). Box-Jenkins Models. Obtenido de e-Handbook of Statistical Methods:
https://www.itl.nist.gov/div898/handbook/pmc/section4/pmc445.htm
Peitsman, H. C., & Soethout, L. L. (1997). ARX models and real-time model-based diagnosis.
American Society of Heating, Refrigerating and Air-Conditioning Engineers.
Söderström, T., & Stoica, P. (1982). Some properties of the output error method. Automatica, 93-
99.
The MathWorks, Inc. (2019). System Identification Toolbox. Obtenido de MathWorks
Documentation: https://www.mathworks.com/help/ident/
Tsay, S. (2005). Analysis of Financial Time Series. John Wiley & SONS. Obtenido de NUMXL.