NoParam UNAB PDF

IDENTIFICACION DE SISTEMAS
ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

Curso de Identificación de Sistemas Ing. Ana Isabel Gutiérrez MSc.
4. MODELOS NO PARAMETRICOS
9 Análisis transciente.
9 Análisis de correlación
* Auto correlación
* Correlación cruzada

ANÁLISIS DE CORRELACIÓN
n
+
Proceso +
y
u G(q-1 )
x
y (k ) = G(q −1 )u (k ) + n(k )
∞
= ∑ g (i)u (k − i) + n(k )
i =0
Respuesta impulso de un proceso real

n(t)
δ(t) +
Proceso + g(i)
G(q-1 ) x
Autocorrelación (Ruu)
1 N −1
Ruu(τ ) = lim
N →∞ N
∑ u( k )u( k + τ )
k =0
τ = ...− 2 ,− 1,0 ,1,2 ...
Ruido blanco
Ruu( τ ) = σ 2u τ =0
Ruu(τ ) = 0 τ≠0

Autocorrelación - Ejemplo
Tomemos una señal muestreada cualquiera
u(k)
▪ ▪
▪ ▪
4.5
4
3 ▪
2 ▪ ▪
1 ▪
1 2 3 4 5 6 7 8
k
Señal muestreada
A partir de éstas mediciones encontraremos la autocorrelación Ruu(τ )

de la señal u(k) utilizando la ecuación de autocorrelación.

1 N -1
Ruu( τ ) = ∑ u( k ) ⋅ u( k + τ )
N k =0
τ = ...−2 ,−1,0 ,1,2... N = 8
1 7
Ruu( −3 ) = ∑ u( k )u( k − 3 )
8 k =0
2 0 3 0 4 0 4.5 2 4 3 5 4 2 4.5 1 4
1
= [u( 0 )u( −3 ) + u( 1 )u( −2 ) + u(2)u( −1 ) + u(3)u( 0 ) + u( 4 )u( 1 ) + u( 5 )u( 2 ) + u( 6 )u( 3 ) + u(7)u( 4 )]
8
= 6 .75
1 7
Ruu( −2 ) = ∑ u( k )u( k − 2 )
8 k =0
2 0 3 0 4 2 4.5 3 4 4 5 4.5 2 4 1 5
1
= [u( 0 )u( −2 ) + u( 1 )u( −1 ) + u(2)u( 0 ) + u(3)u( 1 ) + u( 4 )u( 2 ) + u( 5 )u( 3 ) + u( 6 )u( 4 ) + u(7)u( 5 )]
8
= 9 .125
1 7
Ruu( −1 ) ∑ u( k )u( k − 1 )
8 k =0
1
= [u( 0 )u( −1 ) + u( 1 )u( 0 ) + u(2)u( 1 ) + u(3)u( 2 ) + u( 4 )u( 3 ) + u( 5 )u( 4 ) + u( 6 )u( 5 ) + u(7)u( 6 )]
8
= 10 .75
1 7
Ruu( 0 ) = ∑ u( k )u( k + 0 )
8 k =0
1
= [u( 0 )u( 0 ) + u( 1 )u( 1 ) + u(2)u( 2 ) + u(3)u( 3 ) + u(4)u( 4 ) + u(5)u( 5 ) + u( 6 )u( 6 ) + u(7)u(7 )]
8
= 11.9
1 7
Ruu( 1 ) = ∑ u( k )u( k + 1 )
8 k =0
1
= [u( 0 )u( 1 ) + u( 1 )u( 2 ) + u(2)u( 3 ) + u(3)u( 4 ) + u( 4 )u( 5 ) + u( 5 )u( 6 ) + u( 6 )u(7 ) + u(7)u( 8 )]
8
= 10 .75
1 7
Ruu( 2 ) = ∑ u( k )u( k + 2 )
8 k =0
1
= [u( 0 )u( 2 ) + u( 1 )u( 3 ) + u(2)u( 4 ) + u(3)u( 5 ) + u( 4 )u( 6 ) + u( 5 )u(7 ) + u( 6 )u( 8 ) + u(7)u( 9 )]
8
= 9 .125

Ruu( −3 ) = 6 .75
Ruu (τ)
Ruu( −2 ) = 9 .125
Ruu( −1 ) = 10 .75
12
Ruu( 0 ) = 11.9
10
8
Ruu( 1 ) = 10 .75
6
Ruu( 2 ) = 9 .125
4 Ruu( 3 ) = 6 .75
2
-1 -2 -3 1 2 3
τ
La señal presenta valores de Ruu en todos los τ por tanto es una señal
ruido coloreado.
Correlación Cruzada (Ruy)
La correlación cruzada consiste en encontrar la relación que

existe entre dos señales diferentes, en este caso la señal de
entrada u(k) y la señal de salida y(k) del proceso G(q-1)
describiendo así la respuesta impulso del proceso desconocido
siempre y cuando la señal de entrada sea ruido blanco:
N −1
1
Ruy ( τ ) = lim
N →α N
∑ u( k ) y ( k + τ)
k =0
∞
Ruy(τ) = ∑g(i) Ruu(τ − i)
i =0

Correlación Cruzada (Ruy) (Cont.)

Demostración:
N −1
1
Ruy(τ ) = ξ{u( k ) y( k + τ )} donde ξ = lim
N →α N
∑
k =0
como y( k ) = G( q −1 )u( k ) + n( k )
entonces,
{ [
Ruy(τ ) = ξ u( k ) G(q −1 ) u( k + τ ) + n( k + τ ) ]}
Ruy(τ ) = G(q −1 )ξ{u(k ) u(k + τ )} + ξ{u(k ) n(k + τ )}
Ruy( τ) = G(q −1 ) Ruu( τ)


donde, Run (τ ) = 0 y de esta forma eliminamos el ruido n(k).
Ruy ( τ ) = ( g( 0) + g(1) q −1 + g( 2) q −2 +...) Ruu ( τ )
= g( 0) Ruu ( τ ) + g(1) Ruu ( τ − 1) + g( 2) Ruu ( τ − 2 ) +... + g( τ) Ruu ( τ − τ )

Si la señal de entrada u(k) es ruido blanco
Ruu ( τ ) = σ 2u τ=0
=0 τ≠0
Entonces,
Ruy(τ) = g(τ) σ2u Ruy (τ )

g (τ ) =
σ u2

Si la señal de entrada u(k) es un ruido coloreado entonces:
 Ruy( 0 )  Ruu(0)...... Ruu(0 - n)  g( 0 )

 Ruy( 1 )   Ruu(1)...... Ruu(1- n)   g( 1 ) 
     
 Ruy( 2 )  Ruu(2)...... Ruu(2 - n)  g( 2 )
  =   =  
 .   .   . 
 .   .   . 
     
 Ruy ( n )  Ruu(n)...... Ruu(0)   g( n ) 
↓ ↓ ↓
Ruy Ruu g
g = Ruu −1 .Ruy

Correlación Cruzada - Ejemplo
Como ejemplo de correlación cruzada podemos encontrar las
siguientes señales: Ruy(t)
u(k) y(k)
0.4
0.2
3 3
2 2 -5 -4 -3 -2 -1
0
1 2 3 4 5 τ
1 -0.2
1
-0.4
0 1 2 3 4 5 t 0 1 2 3 4 5
t
-1
-2
-3 Ruy(1) =
2 Ruy( −1) = −2 5
N=5 t = 0,1,2,3,4 5
1
Ruy(2) = Ruy( −2) = −15
5
1
Ruy ( 0 ) = ( 0 − 1 + 0 + 1 + 0) = 0 Ruy(3) = 0
5 Ruy( −3) = 0
Ruy(4) = 0 Ruy( −4) = 0

Método de correlación con filtro blanqueador

Cuando la señal de entrada u(k) es un ruido coloreado, existe un
método alternativo para encontrar la respuesta impulso. El esquema del
método es dado en la figura.
u(k) y(k)
G( q )-1
F( q -1) F( q -1 )
G( q -1 )
u*( k ) y*( k )
g(k)= Ru*y*(k)
Diagrama de bloques del metodo de correlacion con un filtro blanqueador


(Cont.)
La idea es encontrar el filtro blanqueador F(q-1) cuando la entrada u(k)
es un ruido coloreado para obtener ruido blanco u*(k) y encontrar la
respuesta impulso.
y( k ) = G(q −1 )u( k )
F (q−1 ) y( k ) = G(q−1 ) F (q−1 )u( k )
y* ( k ) = G(q−1 )u* ( k )
donde, u * ( k ) = F ( q −1 ) u ( k )
y * ( k ) = F ( q −1 ) y ( k )
con,
F(q−1 ) = 1+ f1q−1 + f 2q−2 +... + f nq−n
u(k ) = − f1u(k − 1) − f2u(k − 2)..... fnu(k − n) + u *(k )

(Cont.)
Si multiplicamos la última expresión con el término u(k+τ) o
simplemente aplicamos autocorrelación, entonces:
ξ{u(k )u(k + τ )} = − f 1ξ{u(k − 1)u(k + τ )} − f 2ξ{u(k − 2)u(k + τ )}−...

...− f nξ{u(k − n)u(k + τ )} + ξ{u *(k − 1)u(k + τ )}
Como u*(k) es ruido blanco, entonces
ξ{u *(k )u( k + τ )} = 0
Ruu(τ) = − f1Ruu(τ − 1) − f 2 Ruu(τ − 2)−... − f n Ruu(τ − n)


(Cont.)
 Ruu( 1 )  -Ruu(0)......-Ruu(1 - n)   f1 
 Ruu( 2 ) -Ruu(1)......-Ruu(2 - n) f 
     2
 Ruu( 3 ) -Ruu(2)......-Ruu(3 - n)  f3 
  =   *  
 .   .  . 
 .   .  . 
     
 Ruu ( n )  -Ruu(n - 1)......-Ruu(0)   fn 
↓ ↓ ↓
r R f
f = R −1 . r

En la vida real es muy difícil encontrar procesos cuyas entradas sean

ruido blanco, entonces daremos una aproximación práctica para
dichos procesos y obtener el modelo.
Se toma la entrada inicial del proceso y se le adiciona una señal de

prueba x(k) que debe ser ruido blanco y no debe tener relación con la
entrada normal del proceso u(k) y con las perturbaciones n(k).
n(k)
Entrada y(k)
normal u(k)
G( q )
Ruido blanco x(k)
Aproximación practica de un sistema trabajando con entradas normales

R xy ( τ ) = ξ { x ( k ) y ( k + τ ) }
{ [
= ξ x ( k ) G ( q − 1 ) [u ( k + τ ) + x ( k + τ ) ] + n ( k + τ ]}
= G ( q − 1 ) R xu ( τ ) + G ( q − 1 ) R xx ( τ ) + R xn ( τ )
como Rxu ( τ ) = 0 y Rxn( τ ) = 0

entonces, Rxy(τ) = G(q−1 ) Rxx(τ)
Rxx ( τ) = 0 τ≠0
Como la señal x(k) es ruido blanco, donde:
Rxx ( τ) = σ 2x τ=0
entonces,
Rxy( τ ) = g( 0 ) Rxx( τ ) + g( 1 ) Rxx( τ − 1 ) + g( 2 ) Rxx( τ − 2 )+...
= g( i )Rxx( 0 )
= g( i )σ 2x
Estimación No-paramétrica via
Análisis de Correlación
Beneficios del Análisis de Correlación:
¾ Es una herramienta para la estimación de una “estructura libre”. A

partir de las respuestas paso e impulso, obtenidas por medio del
Análisis de Correlación, se puede medir el tiempo muerto (delays) y
fijar el orden del modelo que pueden ser utilizados en las técnicas de
estimación paramétrica.
¾ Se puede usar para confirmar o negar la presencia de una función de

transferencia que muestre la relación entre las variables analizadas.
¾ Se puede predecir la relación de retroalimentación en los datos.


NoParam UNAB PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

NoParam UNAB PDF

Cargado por

Copyright:

Formatos disponibles

IDENTIFICACION DE SISTEMAS

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

Respuesta impulso de un proceso real

τ = ...− 2 ,− 1,0 ,1,2 ...

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

Tomemos una señal muestreada cualquiera

A partir de éstas mediciones encontraremos la autocorrelación Ruu(τ )

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

Correlación Cruzada (Ruy)

La correlación cruzada consiste en encontrar la relación que

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

Correlación Cruzada (Ruy) (Cont.)

Ruy( τ) = G(q −1 ) Ruu( τ)

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

Correlación Cruzada (Ruy) (Cont.)

= g( 0) Ruu ( τ ) + g(1) Ruu ( τ − 1) + g( 2) Ruu ( τ − 2 ) +... + g( τ) Ruu ( τ − τ )

Ruy(τ) = g(τ) σ2u Ruy (τ )

Correlación Cruzada (Ruy) (Cont.)

 Ruy( 0 )  Ruu(0)...... Ruu(0 - n)  g( 0 )

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

Ruy(4) = 0 Ruy( −4) = 0

Método de correlación con filtro blanqueador

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

Método de correlación con filtro blanqueador

Método de correlación con filtro blanqueador

ξ{u(k )u(k + τ )} = − f 1ξ{u(k − 1)u(k + τ )} − f 2ξ{u(k − 2)u(k + τ )}−...

Como u*(k) es ruido blanco, entonces

ξ{u *(k )u( k + τ )} = 0

Ruu(τ) = − f1Ruu(τ − 1) − f 2 Ruu(τ − 2)−... − f n Ruu(τ − n)

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

Método de correlación con filtro blanqueador

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

En la vida real es muy difícil encontrar procesos cuyas entradas sean

Se toma la entrada inicial del proceso y se le adiciona una señal de

Ruido blanco x(k)

Aproximación practica de un sistema trabajando con entradas normales

como Rxu ( τ ) = 0 y Rxn( τ ) = 0

Beneficios del Análisis de Correlación:

¾ Es una herramienta para la estimación de una “estructura libre”. A

¾ Se puede usar para confirmar o negar la presencia de una función de

¾ Se puede predecir la relación de retroalimentación en los datos.

ESPECIALIZACIÓN EN AUTOMATIZACIÓN INDUSTRIAL - UNAB - Universidad de Ibagué

También podría gustarte