Simulación de Procesos

Industriales
ETN-1036

TRABAJO PRÁCTICO 3

 Oscilador Caótico Discretizado

 Identificación de Procesos

Estudiante:
Quimbert Montes
Diego Enrique

Docente:
Ing. Mauricio Améstegui

Fecha de Entrega:
1 de Abril de 2014
1 MARCO TEÓRICO
Oscilador de Chúa
Es un simple circuito electrónico que exhibe clásica teoría del caos
comportamiento. Fue introducido en 1983 por Leon O. Chua, que era un
visitante en la Universidad de Waseda en Japón en ese momento. La
facilidad de construcción del circuito se ha convertido en un ejemplo
del mundo real en todas partes de un sistema caótico, llevando a algunos
para declarar que "un paradigma para el caos".

Analizando el circuito utilizando leyes de circuito de Kirchhoff, la

dinámica de circuito de Chua se pueden modelar con precisión por medio
de un sistema de tres no lineales de ecuaciones diferenciales ordinarias
en las variables x (t), y (t) y z (t), que representan los voltajes a
través de los condensadores C1 y C2, y la corriente eléctrica en el
inductor L1, respectivamente. Estas ecuaciones leyeron:
𝑑𝑥
= 𝑝 ∗ (−𝑥 + 𝑦 − 𝑓(𝑥))
𝑑𝑡
𝑑𝑦
= 𝑥−𝑦+𝑧
𝑑𝑡
𝑑𝑧
= −𝑞 ∗ 𝑦
𝑑𝑡
𝑓(𝑥) = 𝑏𝑥 + 0.5 ∗ (𝑎 + 𝑏)(|𝑥 + 1| − |𝑥 − 1|)
La función f (x) describe la respuesta eléctrica de la resistencia no
lineal, y su forma depende de la configuración particular de sus
componentes. Los parámetros p y q son determinadas por los valores
particulares de los componentes del circuito.
Un atractor caótico, conocido como " El Rollo Doble "debido a su forma
en el espacio (x, y, z), se observó por primera vez en un circuito que
contiene un elemento no lineal tal que f (x) es un segmento lineal a
tramos. La implementación experimental del circuito es fácil, junto con
la existencia de un modelo teórico simple y precisa, hace que el circuito
de Chua sea un sistema útil para estudiar muchas cuestiones fundamentales
y aplicadas de la teoría del caos. Debido a esto, ha sido objeto de
muchos estudios, y aparece ampliamente referencia en la literatura.

2 SIMULACIÓN DEL SISTEMA CAÓTICO EN TIEMPO CONTINUO

Para poder simular este sistema caótico, se puede utilizar la
herramienta de cómputo Matlab, en este caso se utilizara Matlab R2013,
teniendo la siguiente sintaxis desarrollada en el Editor de éste.
1) Se crea la Función.-

2) Se observa las respuestas de sistema y también el Diagrama de

Fase.-
Obteniendo la siguiente Grafica de Simulación.-

3 SIMULACIÓN DEL SISTEMA CAÓTICO EN TIEMPO DISCRETO

Para realizar estas simulaciones, se realizaran 2 formas de
aproximaciones.
Para ambos casos, la primera Ecuación Diferencial o primer Estado, se
aplicara aproximación por Adelanto (Euler), debido al valor absoluto que
existe en 𝑓(𝑥)
Pero a partir de aquello se simulará el 2do y 3er estado por aproximación
en diferencias hacia Atrás, y por el método de Tustin.
Es decir para la primera Ecuación de estado se aplica el siguiente
operador
𝑑 𝑞−1
→
𝑑𝑡 𝑇

Obteniendo la siguiente Ecuación en Diferencias:

𝒙(𝒌) = 𝒙(𝒌 − 𝟏) ∗ (𝟏 − 𝑻𝒑 − 𝑻𝒑𝒃) + 𝑻𝒑𝒚(𝒌 − 𝟏) − 𝟎. 𝟓(𝒂𝒃 )𝑻𝒑 ∗ (|𝒙(𝒌 − 𝟏) + 𝟏| − |𝒙(𝒌 − 𝟏) − 𝟏|)

1) Entonces para la simulación Euler-Diff.Atras-Diff.Atras se tiene

la siguiente representación en el espacio de estados Discreta:
𝑑𝑦 𝑑𝑧
Habiendo aplicado el siguiente operador a y a
𝑑𝑡 𝑑𝑡

𝑑 𝑞−1
→
𝑑𝑡 𝑞𝑇
𝒙(𝒌) = 𝒙(𝒌 − 𝟏) ∗ (𝟏 − 𝑻𝒑 − 𝑻𝒑𝒃) + 𝑻𝒑𝒚(𝒌 − 𝟏) − 𝟎. 𝟓(𝒂𝒃 )𝑻𝒑 ∗ (|𝒙(𝒌 − 𝟏) + 𝟏| − |𝒙(𝒌 − 𝟏) − 𝟏|)

𝒚(𝒌 − 𝟏) + 𝑻 ∗ (𝒙(𝒌) + 𝒛(𝒌))

𝒚(𝒌) =
𝟏+𝑻
𝒛(𝒌) = 𝒛(𝒌𝟏 ) − 𝒒 ∗ 𝑻 ∗ 𝒚(𝒌)

2) Entonces para la simulación Euler-TUSTIN-TUSTIN se tiene la

siguiente sintaxis:
𝑑𝑦 𝑑𝑧
Habiendo aplicado el siguiente operador a 𝑑𝑡
y a 𝑑𝑡

𝑑 2 ∗ (𝑞 − 1)
→
𝑑𝑡 𝑇 ∗ (𝑞 + 1)
𝒙(𝒌) = 𝒙(𝒌 − 𝟏) ∗ (𝟏 − 𝑻𝒑 − 𝑻𝒑𝒃) + 𝑻𝒑𝒚(𝒌 − 𝟏) − 𝟎. 𝟓(𝒂𝒃 )𝑻𝒑 ∗ (|𝒙(𝒌 − 𝟏) + 𝟏| − |𝒙(𝒌 − 𝟏) − 𝟏|)

𝟐
𝒚(𝒌 − 𝟏) (𝑻 − 𝟏) + 𝒙(𝒌) + 𝒙(𝒌 − 𝟏) + 𝒛(𝒌) + 𝒛(𝒌 − 𝟏)
𝒚(𝒌) =
𝟐
𝟏+
𝑻
𝟐
𝑻 𝒛(𝒌 − 𝟏) − 𝒒 ∗ (𝒚(𝒌) + 𝒚(𝒌 − 𝟏))
𝒛(𝒌) =
𝟐
𝑻
Pudiendo así resolver este sistema, de manera más simple con Matlab.
Dando así lugar a la siguiente Sintaxis realizada en Matlab:
1.
 Obteniendo las siguientes graficas:

4 CONCLUSIONES SOBRE LA DISCRETIZACIÓN DE UN SISTEMA

CAÓTICO
Se observó que sí es posible discretizar un sistema de ecuaciones
diferenciales de un sistema Caótico, es importante hacer notar que se
tuvo dificultades en el segundo método de discretización dada por Euler-
Tustin-Tustin, lo que se observo es que al realizar la simulación con
un periodo de muestreo igual que el usado en el método 1 el sistema
pasaba a ser inestable ya que en el diagrama de fase al principio las
respuestas se querían acercar a los atractores, pero llegaba un punto
en el cual el sistema divergía de sus atractores, y se alejaban de manera
rápida formando así una figura en forma de remolino, es decir inestable,
pero volviéndolo más pequeño este periodo de muestreo se obtuvo una buena
respuesta, ES DECIR SI BIEN EL METODO DE TUSTIN ES MUY BUEN APROXIMADOR,
REQUIERE MAYOR TRABAJO COMPUTACIONAL POR 2 RAZONES, LA COMPLICACION DE
LAS ECUACIONES DISCRETAS Y EL REQUERIMIENTO DE UN PERIODO DE MUESTREO
MUCHO MENOR.
5 IDENTIFICACION DE PROCESOS
NO se entrara en detalles de los algoritmos utilizados ya que los mismos
fueron estudiados en clases, pero el sistema tiene el siguiente layout:

Lo que primeramente se realizara para poder aplicar mi algoritmo, es

llevar la función de transferencia al dominio Z teniendo asi la siguiente
sintaxis en matlab:
s=tf(‘s’);
a=2;b=3;
H=(a*b)/((s+a)*(s+b));
g=c2d(H,0.1,’zoh’)
Algoritmo para realizar la Estimación:

La simulación Obtenida es la siguiente:

Del cual se obtienen las siguientes graficas:

Roja = Salida Verdadera

Azul = Salida Estimada
Donde los coeficientes estimados y reales (ans) y (h) respectivamente
se tiene:

Como se puede observar con un factor de olvido de 0.995 y una matriz P

con diagonal principal de 1000, aproximadamente en la muestra 15 ya se
consiguen los valores muy cercanos a los verdaderos.
Si bajamos la diagonal principal de la matriz P a 100 se obtiene l
siguiente simulación:

Donde los coeficientes estimados y reales (ans) y (h) respectivamente

se tiene:

Como se puede observar con un factor de olvido de 0.995 y una matriz P

con diagonal principal de 100, aproximadamente en la muestra 45 ya se
consiguen los valores muy cercanos a los verdaderos.
La pregunta radica que tanto afecta el factor de olvido a la velocidad
de algoritmo, para ello con una matriz P con diagonal principal de 1e5
y un factor de olvido 0.99 se tiene la siguiente simulación:

Sistema Rel = h
Ssitema Estimado = ans
Al incluir el factor de olvido como un valor menor, en este caso se
cambió de 0.995 a 0.89 se puede observar que se incrementa la velocidad
del algoritmo, es decir las pendientes de búsqueda son más pronunciadas
con respecto al de 0.995, y la precisión quizá no es del 100% pero es
bastante cercana.
La simulación con un factor de olvido del 0.89 y una matriz P con diagonal
principal 1e3 = 1000 se tiene lo siguiente:

Donde los coeficientes estimados y reales (ans) y (h) respectivamente

se tiene:
PARA PODER VER EL DESEMPEÑO SE UTILIZARA EL CRITERIO DEL ERROR INTEGRADO
EL CUAL SE BASA EN LA SIGUIENTE FORMULA:

𝐼 = ∑|𝑌𝐴 − 𝑌𝐵 |

PARA PODER HALLAR ESTE ERROR UTILIZAMOS SIMULINK, Y EL ERROR ES DE

0.002151 CON 10 SEGUNDOS DE SIMULACION:

Donde la señal Verde es el escalón unitario que ingresa a ambos sistemas;

La figura SCOPE3 es el sistema real y el SCOPE2 sistema estimado.
6 BIBLIOGRFIA
 ORDINARY DIFFERENTIAL EQUATIONS IN MATLAB - P. HOWARD
 INVESTIGATION OF CHAOS IN LARGE ARRAYS OF CHUA’S CIRCUITS VIA
 A SPECTRAL TECHNIQUE - MARCO GILLI, MEMBER, IEEE -
OCTUBER 1995
 SINTESIS DE REDES NO LINEALES: EL OSCILADOR DE CHUA - JORGE
HERNANDO RIVERA, EDISON DUQUE C., LUIS ENRIQUE AVEDAÑO
 ELEGANT CHAOS “ALGEBRAICALLY SIMPLE CHAOTIC FLOWS” -
JULIEN SPROTT
 ECUACIONES DIFERENCIALES Y PROBLEMAS CON VALORES EN LA
FRONTERA COMPUTO Y MODELADO - CUARTA EDICION - EDWARDS,
PENNY
 ADAPTATIVE CONTROL - ASTROM