1.

Estudiar las referencias bibliográficas de la unidad 3 resaltando la

información que considere aporta al desarrollo del problema planteado,
la consolida en un documento y lo comparte en el foro, referenciando
bajo normas APA.
transformada Z: En matemáticas y en el procesamiento de señales,
la transformada Z convierte una señal real o compleja definida en
el dominio del tiempo discreto en una representación en el dominio de la
frecuencia compleja.
El nombre de transformada Z procede de la variable del dominio, al
igual que se podría llamar "Transformada S" a la Transformada de
Laplace. Un nombre más adecuado para la TZ podría haber sido
"Transformada de Laurent", ya que está basada en la serie de Laurent.
La TZ es a las señales de tiempo discreto lo mismo que Laplace a las
señales de tiempo continuo.

https://es.wikipedia.org/wiki/Transformada_Z

La Transformada Z inversa. La transformada Z en sistemas de control

de tiempo discreto juega el mismo papel que la transformada de Laplace
en sistemas de control de tiempo continuo. Para que la transformada Z
sea útil, se debe estar familiarizado con los métodos para hallar la
transformada Z inversa.
La notación para la transformada Z inversa será Z -1. La transformada Z
inversa de X[Z] da como resultado la correspondiente secuencia X[n].

http://aprendeenlinea.udea.edu.co/boa/contenidos.php/8b077438024e1
bddfbc83706da8049f2/138/1/contenido/contenido/inversa.html

Comando, zpk: Al crear un objeto LTI, se pueden determinar una o

más propiedades al vincular su NameEigName y su valueEigValue.

Propiedades generales y específicas del modelo Ahora existen las

propiedades genéricas existentes para todos los objetos LTI y las
propiedades específicas del modelo según el tipo de representación (TF,
ZPK, SS, FRD). En las siguientes tablas, la primera columna muestra el
nombre de la propiedad, en la segunda columna una breve descripción y
en la tercera columna el tipo del valor.

MLA (Modern Language Assoc.)

Angermann, Anne. MATLAB - Simulink - Stateflow: conceptos básicos,

cajas de herramientas, ejemplos.

Vol. 7, edición actualizada, De Gruyter Oldenbourg, 2011.
APA (American Psychological Assoc.)
Angermann, A. (2011). MATLAB - Simulink - Stateflow: conceptos
básicos, cajas de herramientas, ejemplos
(Vol. 7, edición actualizada). Munich, Alemania: De Gruyter
Oldenbourg.

SIMULACIÓN DINÁMICA DE UN ECUALIZADOR: al ecualizador,

tanque de regulación de caudal y amortiguador de oscilaciones de
concentración de influentes, en procesos de aguas, llega una corriente
de caudal y concentración de sustancias variables, y se pretende
determinar el volumen variable ocupado por el líquido en el ecualizador
cuando se extrae un caudal de valor medio de las últimas 24 horas,
media móvil, a la vez que determinar la concentración de las sustancias,
sustrato, variables en la salida.

Gil, Rodríguez, Manuel. Introducción rápida a Matlab y Simulink para

ciencia e ingeniería, Ediciones Díaz de Santos, 2003. ProQuest Ebook
Central, http://ebookcentral.proquest.com/lib/unadsp/detail.action?
docID=3171391.
Created from unadsp on 2019-05-01 08:37:26.

El bloque Mux permite conducir por una línea varias señales. En el

ejemplo, Mux se utiliza para realizar operaciones en los bloques f(u) , y
para representar varias señales en un gráfico.

Gil, Rodríguez, Manuel. Introducción rápida a Matlab y Simulink para

ciencia e ingeniería, Ediciones Díaz de Santos, 2003. ProQuest Ebook
Central, http://ebookcentral.proquest.com/lib/unadsp/detail.action?
docID=3171391.
Created from unadsp on 2019-05-01 08:39:08.

Métodos no paramétricos: son modelos que no pueden representarse

con un numero finito de parámetros.

Amaya Diaz, J. (17,12,2016). Identificación de sistemas. [Archivo de

video]. Recuperado de http://hdl.handle.net/10596/10872

Ident: Función de identificación de sistemas dinámicos incluida en

Matlab a través de la caja de herramientas “System Identification
Toolbox”, la cual provee funciones de Matlab, bloques de Simulink, y
una aplicación para la construcción matemática de modelos de sistemas
dinámicos a partir de datos medidos de entrada y salida. Permite crear y
 usar modelos de sistemas dinámicos que no es posible obtener
fácilmente a partir de los datos o especificaciones iniciales

2. 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.

Métodos paramétricos Métodos no paramétricos

Estos métodos requieren la Este método no permite definir un
elección de una posible estructura vector de parámetros finitos para
del modelo matemático, de un representarlos, algunos de estos
criterio de ajustes de parámetros, y métodos son:
por último la estimación de los - Análisis de la repuesta
parámetros que mejor se ajusten al transitoria: se basa en la
modelo de los datos obtención de la respuesta del
experimentales; se realiza por sistema a un impulso o a un
medio de dos técnicas: escalón. Las señales de
- Técnicas frecuenciales: las prueba a utilizar en este caso
cuales minimizan el error son un impulso o un escalón,
entre la repuesta frecuencial respectivamente y la salida
real del proceso y la repuesta registrada da el modelo
frecuencial del modelo. correspondiente.
- Técnicas temporales: las - Análisis de correlación: es un
cuales minimizan el error método del dominio
temporal, el error de temporal, útiles para
predicción o erro de salida sistemas lineales y con
entre el modelo y el proceso señales continuas o discretas,
como resultado del mismo de
obtiene la función de
correlación entre las
variables de interés.
- Técnicas frecuenciales: que
son utilizadas directamente
para estimar la respuesta
frecuencial de un sistema
3. Investigue sobre los modelos ARX, ARMAX, Output-Error y Box-Jenkins,
con esta información diligenciar la siguiente tabla:

Modelo Características Variables Aplicación Referencia

bibliográfica
Modelo autorregresivo con
entrada exógena. - En
procesamiento de señales, un
modelo autorregresivo (AR) es
una representación de un tipo
de proceso aleatorio, que como
tal, describe ciertos procesos
ARX variables en el tiempo. El Análisis de
modelo autorregresivo [na nb nk] regresión
especifica que la variable de (Modelos causales
salida depende linealmente de
sus propios valores anteriores. -
En un modelo ARX,
simplemente se agrega una
entrada exógena (externa) al
modelo AR.
- Es similar al modelo ARX, sólo Análisis de
ARMAX que ingresa una nueva variable [na nb nc nk] regresión
C(q), la cual representa el ruido (Modelos causales)
o error en el sistema:
OE - Básicamente es un modelo Análisis de
ARMAX con relación in/out sin [nb nf nk] regresión
perturbación más ruido blanco (Modelos causales)
aditivo en la salida
BJ Se refiere a una serie de
procedimientos para
identificar, ajustar y verificar
los modelos de promedio móvil
autorregresivo (más conocido
por sus siglas en inglés ARIMA)
con los datos de serie de Análisis de series
tiempo. - Los pronósticos en el tiempo.
proceden directamente de la Ampliamente
forma del modelo ajustado, y [nb nc nd nf utilizado para
es distinta de la mayoría de los nk] proyección de
métodos debido a que no modelos
supone un patrón particular en económicos
los datos históricos de las
series que han de
 pronosticarse. - Se utiliza un
enfoque iterativo de
identificación de un modelo útil
a partir de modelos de tipo
general.

4. Ingresar al entorno de Aprendizaje Práctico y descargar los insumos allí

compartidos para la resolución de las actividades correspondientes a la
Etapa 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, 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.

- Usando los datos según el grupo 243005_42 tomamos el fichero del

grupo 42.
- Abrimos Matlab e importamos los datos, después activamos el
comando ident.

- Importamos los datos y escogemos 2 polos y 2 ceros:

- Estimamos la función:

- Hacemos doble clic en la imagen representativa de la señal reflejada

para que nos muestre la ecuación de la señal de transferencia.
 - Graficamos el comportamiento de la señal.

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 ) =5V , 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.

- Siendo la función
Y (t ) 5.994 z−5.901
= 2
U (t ) z −1.842 z+ 0.8439