1.

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.

Existen diversos métodos de identificación, que pueden clasificarse según

distintos criterios:

Dependiendo del tipo de modelo obtenido:

Técnicas de identificación paramétrica

Los modelos paramétricos, a diferencia de los anteriores, quedan descritos

mediante una estructura y un número finito de parámetros que relacionan
las señales de interés del sistema (entradas, salida y perturbaciones). En
muchas ocasiones es necesario realizar la identificación de un sistema del
cual no se tiene ningún tipo de conocimiento previo. En estos casos, se suele
recurrir a modelos estándar, cuya validez para un amplio rango de sistemas
dinámicos ha sido comprobada experimentalmente. Generalmente estos
modelos permiten describir el comportamiento de cualquier sistema lineal.
La dificultad radica en la elección del tipo de modelo (orden del mismo,
número de parámetros, etc.) que se ajuste satisfactoriamente a los datos de
entrada - salida obtenidos experimentalmente.

Se debe tener en cuenta una cierta estructura para el modelo, es decir, que
seleccionando un modelo matemático y establecido un conjunto de
parámetros a partir de la información de estrada y salida que caracteriza el
modelo

Son aquellos modelos que permiten establecer una relación conocida entre
las entradas y salidas salvo algunas constantes o coeficientes 𝜃

𝑦 = 𝑓(𝑢𝑖 , … 𝑢𝑗 ; 0) + 𝑣

Caracterización
Modelos lineales con los parámetros
𝑦 = 00 + 01 𝑢 + 02 𝑢2

Modelos no lineales con los parámetros

𝑦 = 0 + 0𝑒 02𝑢

Estos son con los que trabajaremos esta etapa ya los que le daremos mayor
importancia, se conocen como Método del Error de predicción (PEM), este
agrupa varios métodos particulares conocidos Cómo, ARX, ARMAX, OE y BJ.
Herramienta Ident en MATLAB: Método que se utiliza para el análisis de
circuitos eléctricos y representación parcial de modelos.
Modelo ARX: Sistema de ecuaciones donde las incógnitas serán los
coeficientes de la función de transferencia discreta.

Modelo ARMAX: Sistema de ecuaciones donde las incógnitas son los

coeficientes del modelo discreto.

Modelo Output-Error: Modelos de ruido que no contienen la dinámica del

proceso.

ModeloBox-Jenkins: del sistema

Técnicas de identificación no paramétrica

Se consideran modelos no paramétricos a aquellos en que no es posible
definir un vector de parámetros finito para representarlo. Estas técnicas, la
mayoría de ellas más fáciles o directas de aplicar o utilizar en un proceso
real, aportan información muy útil para afrontar las decisiones que debe
tomar el usuario ante un problema de identificación de un proceso.
Los métodos de identificación no paramétricos permiten obtener modelos o
representaciones no paramétricas de la planta bajo estudio.

Supóngase el siguiente sistema:

Figura 1: Señales de interés para el modelado no paramétrico

Suponiendo que el sistema es lineal, la relación entre la salida del sistema

y(t), su entrada u(t) y el ruido e(t) puede expresarse del siguiente modo:

𝑦(𝑡) = 𝐺(𝑞 −1 )𝑢(𝑡) + 𝑒(𝑡)

donde 𝑞 −1 es el operador retardo y el producto 𝐺(𝑞 −1 )𝑢(𝑡) representa la

siguiente secuencia:
∞
−1 )𝑢(𝑡)
𝐺(𝑞 = ∑ 𝑔(𝑘)𝑢(𝑡 − 𝑘)
𝑘=1
y, por tanto:
∞
−1 )𝑢(𝑡)
𝐺(𝑞 = ∑ 𝑔(𝑘)𝑞 −𝑘
𝑘=1

La secuencia 𝑔(𝑘) se conoce como respuesta al impulso del sistema, y

coincide con la salida del mismo cuando a la entrada se aplica un impulso
unitario. Por otro lado, la función 𝐺(𝑧) es la función de transferencia del
sistema. Evaluando esta última a lo largo del círculo unidad (𝑧 = 𝑒 𝑗𝑤 ) se
obtiene la llamada respuesta en frecuencia del sistema, 𝐺(𝑒 𝑗𝑤 ).

La respuesta al impulso es un modelo no paramétrico que se define en el

dominio del tiempo, mientras que la respuesta en frecuencia es una
descripción no paramétrica en el dominio de la frecuencia.

Son tres las técnicas de identificación no paramétricas presentadas,

concretamente se evalúan las técnicas de análisis de la respuesta transitoria,
el análisis de correlación entre señales y las técnicas frecuenciales.
Análisis de la respuesta transitoria. Las señales test no periódicas
utilizadas para evaluar la respuesta transitoria son: impulsos de diferente
amplitud y de corta duración, función escalón y función rampa. Para
seleccionar la señal test adecuada, debe tenerse en consideración: las
propiedades de la señal, la posibilidad de la señal de ser generada y aplicada
y el tipo de información que se persigue del proceso.

El análisis de correlación, es un método basado en un análisis estadístico

y tiene como objetivo estimar la respuesta impulsional del proceso. Esta, se
determina a partir del análisis de correlación entre la señal de entrada y la
señal de salida. Las señales test más utilizadas en este ensayo son las
secuencias de ruido blanco o, en la práctica, las PRBS.

Técnicas frecuenciales. Los sistemas lineales pueden también definirse a

partir de la respuesta frecuencial 𝐺(𝑗𝑤).

Mientras que las respuestas transitorias y el análisis de correlación tienen

por objetivo estimar la respuesta impulsional, las técnicas frecuenciales
tienen por objetivo la estimación directa de la respuesta frecuencial, el cómo
a partir de ella se estiman los parámetros de la función de transferencia.
2. Investigue sobre los modelos ARX, ARMAX, Output-Error y Box-Jenkins, con esta información diligenciar la
siguiente tabla:

Modelo Característica Variables Aplicación Referencia

bibliográfica
ARX  No permite independizar el Las variables mostradas según el Es muy práctico para http://www.ing.ula.ve/norieg
ruido de su dinámica para diagrama de bloques son A y B hallar modelos simples am/estructura.php
modelarlo. capaces de generar
 Resuelve ecuaciones de una buena relación http://www.sld.cu/eventos/h
regresión de forma analítica para la señal de ruido. abana2001/arrepdf/00098.p
df
por esto es de los más
precisos.
ARMAX  Es esencialmente un modelo Las variables mostradas según el Se utiliza cuando https://support.numxl.com/h
de regresión lineal que utiliza diagrama de bloques son A, B y C existen perturbaciones c/es/articles/215105966-
un modelo de tipo ARMA para dominantes que Modelo-ARMAX
los residuos. entren al principio del
 Las series de tiempo de proceso. https://www.slideshare.net/A
entrada y las variables ldairJeancarlosGonz/2419237
79-
exógenas deben ser todas
ejemplosdecontroladaptativo
estacionarias o cointegradas.
pdf
OE  Parametriza Las variables mostradas según el Se usa cuando se https://www.slideserve.com/
independientemente la diagrama de bloques es B y F requiere estimar un scott-rush/introducci-n-a-la-
modelo dinámico pero identificaci-n-de-sistemas
entrada y el ruido sin
embargo no se obtiene un sin necesidad de
modelo de ruido auto estimar el ruido
correlacionado
 El ruido afecta la salida.
BJ  Es de mucha utilidad cuando Las variables mostradas según el Se aplica a los https://www.slideshare.net/A
las perturbaciones llegan diagrama de bloques es B, F y C, D modelos ldairJeancarlosGonz/2419237
autorregresivos para 79-
tarde al proceso
ejemplosdecontroladaptativo
encontrar el mejor
pdf
ajuste de una serie
temporal de valores
con el objetivo que los
pronósticos sean más
acertados
3. Teniendo en cuenta los insumos entregados, realizar las siguientes
actividades con la herramienta ident incorporada en MATLAB®:

3.1 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.

La función de transferencia estimada con MatLab es la siguiente:

Cambiando de exponente a positivas las variables de la función de

transferencia estimada:

6.619𝑧 −1
=
1 − 0.6037𝑧 −1 − 0.2221𝑧 −2

6.619𝑧
=
𝑧2 − 0.6037𝑧 − 0.2221

Ahora una comparación con el modelo de real de entrada:

3.2 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.

La función de transferencia estimada con MatLab para el modelo

ARX es la siguiente:

Organizando la función de transferencia obtenemos:

5.915𝑧 −1 + 1.487𝑧 −2
=
1 − 0.4364𝑧 −1 − 0.3689𝑧 −2

5.915𝑧 + 1.487
=
𝑧2 − 0.4364𝑧 − 0.3689

Graficas en Matlab del modelo encontrado con ARX:

3.3 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.

La función de transferencia estimada con MatLab para el modelo

ARMAX es la siguiente:

Graficas en Matlab del modelo encontrado con ARMAX:

3.4 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.

La función de transferencia estimada con MatLab para el modelo OE

(Error de salida) es la siguiente:

Graficas en Matlab del modelo encontrado con OE

(Error de salida):
3.5 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.

La función de transferencia estimada con MatLab para el modelo BJ

(Box Jenkins) es la siguiente:

Graficas en Matlab del modelo encontrado con BJ

(Box Jenkins):
4. De acuerdo al desarrollo del numeral 5, realizar las siguientes actividades
de simulación de para cada modelo obtenido:

4.1 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.

Diagrama de bloques equivalente en Simulink:

Grafica del modelo hallado con la función de transferencia:

Grafica con 100 seg de simulación:

4.2 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.

Diagrama de bloques equivalente en Simulink:

Grafica del modelo hallado con ARX:

Grafica con 100 seg de simulación:

4.3 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.

Diagrama de bloques equivalente en Simulink:

Grafica del modelo hallado con ARMAX:

Grafica con 100 seg de simulación:

4.4 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.

Diagrama de bloques equivalente en Simulink:

Grafica del modelo hallado con la OE:

Grafica con 100 seg de simulación:

4.5 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.

Diagrama de bloques equivalente en Simulink:

Grafica del modelo hallado con la OE:

Grafica con 100 seg de simulación:

5. Analice las respuestas obtenidas y compare la salida de cada modelo con
la salida que se obtiene del modelo real ante la misma entrada, tanto
lineal como no lineal, con el fin de validar y seleccionar el modelo más
preciso.

Grafica de Modelos ARX, ARMAX, OE y BJ de ident:

Grafica de Modelos ARX, ARMAX, OE y BJ de Simulink:

Grafica de Modelos ARX, ARMAX, OE y BJ de Simulink:

En la herramienta de MatLab, ident, podemos observar un valor numérico

del porcentaje de coincidencia con el modelo real, observando estos
valores y verificado con las gráficas podemos concluir que los modelos
más precisos son el OE (Output Error) y BJ (Box Jenkins), esto también
se puede verificar en la gráfica de Simulink donde son los modelos más
cercanos a la señal real.