La salida x(t) del modelo

La señal x(t) representa el efecto del proceso en la salida y(t) debido a la entrada u(t)
.De nuevo ,x(t) no es una señal medible .En general la relación entre u(t) y x(t) puede
representarse mediante un modelo dinamico genérico de la forma.
X(t)=f(x(t-1),x(t-2),……..,u(t-1),u(t-2)…)
Donde f(t)es una funcion que puede estrcturarse de diversas formas .Es decir,f(.) puede
ser una ecuación de diferencias ,una red neuronal o una caja negra con parámetros a ser
estimados .Notar que cuando se considera n(t), encontces:
X(t)=y(t),x(t-1)=y(t-1) y asi sucesivamente:
El modelo carima
El modelo CARIMA, del ingl_es Controlled Autoregressive Integrated Moving
Average,
es un modelo lineal b_asico y bastante extendido en su aplicaci_on, y es precisamente
el que emplearemos. Tal modelo CARIMA para un determinado proceso puede
ser representado por:
𝐶(𝑧 −1 )
𝐴(𝑧 −1 )𝑦(𝑡) = 𝐵(𝑧 −1 )𝑢(𝑡) + 𝑒(𝑡)
𝐷(𝑧 −1 )
Donde z es la variable de desplazamiento de la transformada z,y:

𝐴(𝑧 −1 ) = 1 + 𝑎1 𝑧 −1 + ⋯ + 𝑎𝑛𝑎 𝑧 −𝑛𝑎

𝐵(𝑧 −1 ) = 𝑏1 𝑧 −1 + ⋯ + 𝑏𝑛𝑏 𝑧 −𝑛𝑏

El origen del termino CARIMA se debe a que la ecuacion de diferencias del modelo
del proceso presenta tres componentes, a saber, la componente salida autoregresiva
𝐴(𝑧 −1 )y(t), de donde despejamos y(t):
𝑦(𝑡) = −𝑎1𝑦 (𝑡 − 1) − 𝑎2𝑦 (𝑡 − 2) − ⋯ − 𝑎𝑛𝑎 𝑦(𝑡 − 𝑛𝑎 )

el componente promedio temporal de control 𝐵(𝑧 −1 )𝑢(𝑡), 𝑒𝑠 𝑑𝑒𝑐𝑖𝑟:

+𝑏0 𝑢(𝑡 − 1) + 𝑏1 𝑢(𝑡 − 2) + ⋯ + 𝑏𝑛𝑏 𝑢(𝑡 − 𝑛𝑏 − 1)
𝐶(𝑧 −1 )
El componente prometido temporal integrado del error 𝐷(𝑧 −1 ) 𝑒(𝑡):

𝑒(𝑡) + 𝑐1 𝑒(𝑡 − 1) + 𝑐2 𝑒(𝑡 − 2) + ⋯ + 𝑐𝑛𝑐 𝑒(𝑡 − 𝑛𝑐 )

+
𝐷(𝑧 −1 )
Por ejemplo, para un proceso de segundo orden sin presencia de perturbaciones; esto
es, con 𝐶(𝑧 −1) = 0, la representacion CARIMA toma la forma:
𝐵(𝑧 −1 ) 𝑏1 𝑧 −1 + 𝑏2 𝑧 −2
𝑦(𝑡) = 𝑥(𝑡) = 𝑢(𝑡) = 𝑢(𝑡)
𝐴(𝑧 −1 ) 1 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2
La cual conduce a la ecuación dde diferencias:
𝑦(𝑡) = 𝑎1 𝑦(𝑡 − 1) − 𝑎2 𝑦(𝑡 − 2) + 𝑏1 𝑢(𝑡 − 1) + 𝑏2 𝑢(𝑡 − 2)
El modelo lineal CARIMA mas generalizado es de la forma:
𝐵(𝑧 −1 ) 𝐶(𝑧 −1 )
𝐴(𝑧 −1 )𝑦(𝑡) = 𝑢(𝑡) + 𝑒(𝑡)
𝐹(𝑧 −1 ) 𝐷(𝑧 −1 )
La salida y(t) del modelo también cumple que ver con la ecuación.
La representación predictiva dela ultima expresión es:
𝑘 𝑘 𝑘
𝑦 (𝑡 + ) = 𝑥 (𝑡 + ) + 𝑛(𝑡 + )
𝑡 𝑡 𝑡
Donde:
𝑘 𝑘 𝑘 𝐶 𝑘
𝑥 (𝑡 + 𝑡 ) = 𝐵/𝐴𝐹𝑢(𝑡 + 𝑡 ) 𝑛 (𝑡 + 𝑡 ) = 𝐴𝐷 𝑒(𝑡 + 𝑡 )

Ejemplo

Comparar las respuestas no ruidosa q(t) y ruidosa y(t) del ejemplo anterior. Los
parametros requeridos se derivan de un proceso de segundo orden cuyas ecuaciones
de estado y de salida son conocidas. La respuesta q(t) se obtiene cuando la entrada al
proceso es una sinusoide u(t), mientras que la ruidosa y(t) se debe a un ruido blanco
gaussiano que se añade a q(t). Asumir un tiempo de muestreo de T = 0.01 s.

Solucion: La soluci_on del problema planteado se detalla en el programa ejruido.m.

Los resultados se muestran en la Fig. 8.5. Observar en la Fig. inferior que el ruido
e(t) empleado posee media cero y una funci_on de distribuci_on gaussiana.
% ejruido.m RESPUESTAS NO RUIDOSA Y RUIDOSA EN UN PROCESO DE 2DO ORDEN
clear all; close all; clc;
% PROCESO CONTINUO DE SEGUNDO ORDEN Y SU MODELO DISCRETO
Ac = [0 1;-14.4007 -1.2707]; Bc = [0;30.4696]; Cc = [1 0]; Dc = [0];
T = 0.01; [G,H,C,D]=c2dm(Ac,Bc,Cc,Dc,T,'zoh'); [num,den]=ss2tf(G,H,C,D);
a1 = den(2); a2 = den(3); b1 = num(2); b2 = num(3);
% CONDICIONES INICIALES NULAS
qp=0; qpp=0; up=0; upp=0;
yp=0; ypp=0; yppp=0; ep=0; epp=0;
% RESPUESTAS DEL PROCESO
MM = 1000; for t=1:MM; u=sin(0.006*t); U(t)=u; % SINUSOIDE DE ENTRADA
q = -a1*qp -a2*qpp + b1*u + b2*up; Q(t)=q; % RESPUESTA NO RUIDOSA
e = 0.1*randn; E(t)=e; % RUIDO BLANCO GAUSSIANO, MEDIA NULA, VARIANZA 0.1
y = (1-a1)*yp + (a1-a2)*ypp + a2*yppp ...
+ b1*u + (b2-b1)*up - b2*upp + e + a1*ep + a2*epp; Y(t)=y;
yppp=ypp; ypp=yp; yp=y; upp=up; up=u; epp=ep; ep=e;
end
% GRAFICOS
ejex = linspace(0,MM*T,MM); subplot(5,1,1); plot(ejex,U); grid
ylabel('u(t) [V]'); xlabel('TIEMPO [s]'); subplot(5,1,2);
plot(ejex,Q); grid; ylabel('q(t) [rad]'); xlabel('TIEMPO [s]');
subplot(5,1,3); plot(ejex,Y); grid; ylabel('y(t) [rad]')
xlabel('TIEMPO [s]'); subplot(5,1,4); plot(ejex,E); grid;
ylabel('e(t) [rad]'); xlabel('TIEMPO [s]'); subplot(5,1,5); hist(E);
ylabel('e(t) GAUSS.'); xlabel('<------ e(t) ------>');
print -f -deps ejruidor