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

software Matlab

Estudiante
GILBERTO BARRIOS GARCÍA - CC 80072939
Grupo: 243005_3

Jefferson Villegas Cañón

Código: 1072666018

Tutor
ADRIANA DEL PILAR NOGUERA
243005A_614 – Sistemas Dinámicos

Universidad Nacional Abierta y a Distancia UNAD

Ingeniería Electrónica
19 de Noviembre 2019
4. Ingresar al entorno de Aprendizaje Práctico y descargar los insumos allí
compartidos para la resolución de las actividades correspondientes a la Etapa 3.

Para el trabajo grupo colaborativo se toma como insumo los datos

correspondientes al modelo 3.

5. Teniendo en cuenta los insumos entregados, realizar las siguientes actividades

con la herramienta ident incorporada en MATLAB®:

5.1. 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.

Con los datos suministrados en el modelo 3, se obtiene la siguiente grafica

en el dominio del tiempo para la entrada u1 y la salida y1:

Al simular varios modelos, se elige trabajar con cuatro (4) polos y dos (2)
ceros obteniendo un porcentaje de aproximación del 98.67% (grafica color
rojo):
Para el modelo simulado se obtiene la función de transferencia en tiempo
discreto:

La cual al simplificar con exponentes positivos se obtiene la expresión:

 𝑌1(𝑧) 2943𝑧 3 − 2660𝑧 2
𝐻(𝑧) = = (1)
𝑈1(𝑧) 10000𝑧 4 − 27400𝑧 3 + 30410𝑧 2 − 17740𝑧 + 4818

Para el desarrollo de los numerales 5.2 a 5.5 se obtiene la siguiente grafica

comparada para cada modelo simulado, el modelo ARX en color gris, armx en color
amarillo, output-error en color azul y finalmente el modelo Box-Jenkins en color
morado, el modelo más aproximado es el ARMAX de orden 4221 el cual obtuvo un
porcentaje de aproximación del 98.8%:
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. Este procedimiento se realiza
para los datos del sistema lineal y no lineal.

El modelo ARX obtenido tiene un porcentaje de aproximación del 92.4%,

simulado con el orden: 4 2 1.

Los polinomios obtenidos para el modelo son:

Por lo tanto, el modelo discreto ARX obtenido es:

𝐴(𝑧)𝑦(𝑡) = 𝐵(𝑧)𝑢(𝑡) + 𝑒(𝑡) (2)

𝑑𝑜𝑛𝑑𝑒:
𝐴(𝑧) = 1 − 0.9048 𝑧 − 0.3774 𝑧 −2 + 0.008915 𝑧 −3 + 0.3385 𝑧 −4
−1

𝐵(𝑧) = 0.4429 𝑧 −1 − 0.2455 𝑧 −2

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. Este
procedimiento se realiza para los datos del sistema lineal y no lineal.
 El modelo ARMAX obtenido tiene un porcentaje de aproximación del 98.8%,
simulado con el orden: 4 2 2 1.

Los polinomios obtenidos para el modelo son:

Por lo tanto, el modelo discreto ARMAX obtenido es:

𝐴(𝑧)𝑦(𝑡) = 𝐵(𝑧)𝑢(𝑡) + 𝐶(𝑧)𝑒(𝑡) (3)

𝑑𝑜𝑛𝑑𝑒:
𝐴(𝑧) = 1 − 1.755𝑧 + 0.8251 𝑧 −2 − 0.2162 𝑧 −3 + 0.1643 𝑧 −4
−1

𝐵(𝑧) = 0.5655 𝑧 −1 − 0.5113 𝑧 −2

𝐶(𝑧) = 1 − 1.754 𝑧 −1 − 0.7713 𝑧 −2

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. Este
procedimiento se realiza para los datos del sistema lineal y no lineal.

El modelo OE obtenido tiene un porcentaje de aproximación del 98.73%,

simulado con el orden: 2 2 1.

Los polinomios obtenidos para el modelo son:

 Por lo tanto, el modelo discreto OE obtenido es:

𝐵(𝑧)
𝑦(𝑡) = [ ] 𝑢(𝑡) + 𝑒(𝑡) (4)
𝐹(𝑧)
𝑑𝑜𝑛𝑑𝑒:
𝐵(𝑧) = 0.4577𝑧 − 0.4162 𝑧 −2
−1

𝐹(𝑧) = 1 − 1.891 𝑧 −1 + 0.9043 𝑧 −2

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. Este
procedimiento se realiza para los datos del sistema lineal y no lineal.

El modelo BJ obtenido tiene un porcentaje de aproximación del 98.73%,

simulado con el orden: 2 2 2 2 1.

Los polinomios obtenidos para el modelo son:

 Por lo tanto, el modelo discreto BJ obtenido es:

𝐵(𝑧) 𝐶(𝑧)
𝑦(𝑡) = [ ] 𝑢(𝑡) + [ ] 𝑒(𝑡) (5)
𝐹(𝑧) 𝐷(𝑧)
𝑑𝑜𝑛𝑑𝑒:
𝐵(𝑧) = 0.4573𝑧 − 0.4158 𝑧 −2
−1

𝐶(𝑧) = 1 − 1.637 𝑧 −1 + 0.7682 𝑧 −2

𝐷(𝑧) = 1 − 1.707 𝑧 −1 + 0.7956 𝑧 −2
𝐹(𝑧) = 1 − 1.891 𝑧 −1 + 0.9044 𝑧 −2

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.
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.

Como primer paso, se halla la función de transferencia del modelo ARX421

mediante la función tf():
Para efectos del ejercicio se simula en paralelo para ver las respuestas
comparadas entre la TF sin modelar y el modelo ARX421:
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.

Como primer paso, se halla la función de transferencia del modelo

ARMAX4221 mediante la función tf():

Para efectos del ejercicio se simula en paralelo para ver las respuestas
comparadas entre la TF sin modelar y el modelo ARMAX4221:
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.

Como primer paso, se halla la función de transferencia del modelo OE4221

mediante la función tf():
Para efectos del ejercicio se simula en paralelo para ver las respuestas
comparadas entre la TF sin modelar y el modelo OE221:
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.

Como primer paso, se halla la función de transferencia del modelo BJ22221

mediante la función tf():

Para efectos del ejercicio se simula en paralelo para ver las respuestas
comparadas entre la TF sin modelar y el modelo BJ22221:
Modelo 11_: Jefferson Villegas

5.1 Función de Transferencia

Modelo matemático de la función de transferencia

Realización y arreglo modelo matemático FT

0.3157 𝑧 −1
1 − 1.879 𝑧 −1 + 0.9077 𝑧 −2

Pasamos la ecuación en factorial

0.3157
𝑧
1.879 0.9077
1− 𝑧 +
𝑧2
 Pasamos todos los términos con el mismo exponencial
0.3157 𝑧
(𝑧 )
𝑧
1 𝑧2 1.879 𝑧 0.9077
1 (𝑧 2 ) − 𝑧 (𝑧) + 𝑧 2

0.3157𝑧
𝑧2
𝑧 2 1.879𝑧 0.9077
− +
𝑧2 𝑧2 𝑧2

Como ya tenemos el mismo denominador ahora vamos agruparlos

0.3157z
𝑧2
2
𝑧 − 1.879𝑧 + 0.9077
𝑧2

Aplicamos extremos sobre extremos por medios sobre medios, o como común
mente le llaman la ley de la oreja
𝑧 2 (0.3157z)
𝑧 2 (𝑧 2 − 1.879𝑧 + 0.9077)
Cancelamos 𝑧 2
0.3157z
𝑧 2 − 1.879𝑧 + 0.9077
5.2 ARX

Modelo matemático
 Realización y arreglo modelo matemático ARX
A(z) = 1 − 1.81𝑧 −1 + 0.8322𝑧 −2 𝐵(𝑧) = 1.035𝑧 −1 −
0.7919𝑧 −2

𝑌(𝑡) 1.035𝑧 −1 − 0.7919𝑧 −2

=
𝑈(𝑡) 1 − 1.81𝑧 −1 + 0.8322𝑧 −2

1.035 0.7919
𝑌(𝑡) 𝑧 − 𝑧2
=
𝑈(𝑡) 1 − 1.81 + 0.8322
𝑧 𝑧2
Pasamos todos los términos con el mismo exponencial

1.035 𝑧 0.7919
𝑌(𝑡) ( ) −
=
𝑧 𝑧 𝑧2
𝑈(𝑡) 𝑧 2 1.81 𝑧 0.8322
1 ( 2 ) − 𝑧 (𝑧) +
𝑧 𝑧2

1.035𝑧 0.7919
𝑌(𝑡) 2 −
= 2 𝑧 𝑧2
𝑈(𝑡) 𝑧 1.81z 0.8322
2 − 2 +
𝑧 𝑧 𝑧2
Como ya tenemos el mismo denominador ahora vamos agruparlos
1.035𝑧 − 0.7919
𝑌(𝑡) 𝑧2
= 2
𝑈(𝑡) 𝑧 − 1.81z + 0.8322
𝑧2
Aplicamos extremos sobre extremos por medios sobre medios, o como común
mente le llaman la ley de la oreja
𝑌(𝑡) 𝑧 2 (1.035𝑧 − 0.7919)
= 2 2
𝑈(𝑡) 𝑧 (𝑧 − 1.81z + 0.8322)
Cancelamos 𝑧 2
𝑌(𝑡) 1.035𝑧 − 0.7919
= 2
𝑈(𝑡) 𝑧 − 1.81z + 0.8322
5.3 ARMAX

Modelo matemático
 𝐴(𝑧) = 1 − 1.892𝑧 −1 + 0.9056𝑧 −2 𝐵(𝑧) = 1.651𝑧 −1 − 1.56𝑧 −2

𝑌(𝑡) 1.651𝑧 −1 − 1.56𝑧 −2

=
𝑈(𝑡) 1 − 1.892𝑧 −1 + 0.9056𝑧 −2

1.651 1.56
𝑌(𝑡) 𝑧 − 𝑧2
=
𝑈(𝑡) 1 − 1.892 + 0.9056
𝑧 𝑧2
Pasamos todos los términos con el mismo exponencial
1.651 𝑧 1.56
𝑌(𝑡) ( )− 2
𝑧 𝑧 𝑧
=
𝑈(𝑡) 𝑧 2 1.892 𝑧 0.9056
1 2 − 𝑧 (𝑧) +
𝑧 𝑧2

1.651𝑧 1.56
𝑌(𝑡) − 2
= 2 𝑧2 𝑧
𝑈(𝑡) 𝑧 1.892𝑧 0.9056
− +
𝑧2 𝑧2 𝑧2

Como ya tenemos el mismo denominador ahora vamos agruparlos

1.651𝑧 − 1.56
𝑌(𝑡) 𝑧2
= 2
𝑈(𝑡) 𝑧 − 1.892𝑧 + 0.9056
𝑧2

Aplicamos extremos sobre extremos por medios sobre medios, o como común
mente le llaman la ley de la oreja
𝑌(𝑡) 𝑧 2 (1.651𝑧 − 1.56)
= 2 2
𝑈(𝑡) 𝑧 (𝑧 − 1.892𝑧 + 0.9056)

Cancelamos 𝑧 2

𝑌(𝑡) 1.651𝑧 − 1.56

= 2
𝑈(𝑡) 𝑧 − 1.892𝑧 + 0.9056
5.4 OE (Out-Put Error)

Modelo matemático
 𝐵(𝑧) = 1.695𝑧 −1 − 1.543𝑧 −2 𝐹(𝑧) = 1 − 1.89𝑧 −1 + 0.9043𝑧 −2
𝑌(𝑡) 1.695𝑧 −1 − 1.543𝑧 −2
=
𝑈(𝑡) 1 − 1.89𝑧 −1 + 0.9043𝑧 −2

1.695 1.543
𝑌(𝑡) 𝑧 − 𝑧2
=
𝑈(𝑡) 1 − 1.89 + 0.9043
𝑧 𝑧2
Pasamos todos los términos con el mismo exponencial
1.695 𝑧 1.543
𝑌(𝑡) 𝑧 (𝑧) − 𝑧 2
=
𝑈(𝑡) 𝑧2 1.89 𝑧 0.9043
1 ( 2 ) − 𝑧 (𝑧) +
𝑧 𝑧2
1.695𝑧 1.543
𝑌(𝑡) 2 − 2
= 2 𝑧 𝑧
𝑈(𝑡) 𝑧 1.89𝑧 0.9043
− 2 +
𝑧2 𝑧 𝑧2

Como ya tenemos el mismo denominador ahora vamos agruparlos

1.695𝑧 − 1.543
𝑌(𝑡) 𝑧2
= 2
𝑈(𝑡) 𝑧 − 1.89𝑧 + 0.9043
𝑧2

Aplicamos extremos sobre extremos por medios sobre medios, o como común
mente le llaman la ley de la oreja
𝑌(𝑡) 𝑧 2 (1.695𝑧 − 1.543)
= 2 2
𝑈(𝑡) 𝑧 (𝑧 − 1.89𝑧 + 0.9043)
Cancelamos 𝑧 2

𝑌(𝑡) 1.695𝑧 − 1.543

= 2
𝑈(𝑡) 𝑧 − 1.89𝑧 + 0.9043
5.5 BOX JENKINS

Modelo matemático
𝐵(𝑧) = 1.652𝑧 −1 − 1.501𝑧 −2 𝐶(𝑧) = 1 − 1.408𝑧 −1 + 0.418𝑧 −2
𝐷(𝑧) = 1 − 1.891𝑧 −1 + 0.8975𝑧 −2 𝐹(𝑧) = 1 − 1.891𝑧 −1 + 0.9052𝑧 −2
𝑌(𝑡) 𝐵(𝑧) 𝐶(𝑧)
=( )+( )
𝑈(𝑡) 𝐹(𝑧) 𝐷(𝑧)

𝑌(𝑡) 1.652𝑧 −1 − 1.501𝑧 −2

=
𝑈(𝑡) 1 − 1.891𝑧 −1 + 0.9052𝑧 −2
1.652 1.501
𝑌(𝑡) 𝑧 − 𝑧2
=
𝑈(𝑡) 1 − 1.891 + 0.9052
𝑧 𝑧2

Pasamos todos los términos con el mismo exponencial

1.652 𝑧 1.501
𝑌(𝑡) ( ) −
=
𝑧 𝑧 𝑧2
𝑈(𝑡) 𝑧 2 1.891 𝑧 0.9052
1 ( 2 ) − 𝑧 (𝑧) +
𝑧 𝑧2
1.652𝑧 1.501
𝑌(𝑡) 2 − 2
= 2 𝑧 𝑧
𝑈(𝑡) 𝑧 1.891𝑧 0.9052
2 − 2 +
𝑧 𝑧 𝑧2

Como ya tenemos el mismo denominador ahora vamos agruparlos

1.652𝑧 − 1.501
𝑌(𝑡) 𝑧2
= 2
𝑈(𝑡) 𝑧 − 1.891𝑧 + 0.9052
𝑧2
Aplicamos extremos sobre extremos por medios sobre medios, o como común
mente le llaman la ley de la oreja
𝑌(𝑡) 𝑧 2 (1.652𝑧 − 1.501)
= 2 2
𝑈(𝑡) 𝑧 (𝑧 1.891𝑧 + 0.9052)
Cancelamos 𝑧 2
𝑌(𝑡) 1.652𝑧 − 1.501
= 2
𝑈(𝑡) 𝑧 − 1.891𝑧 + 0.9052
6.1 FT

6.2 ARX
6.3Armax
6.4 OE (Out-Put Error)
5.5 BOX JENKINS