Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad II
Identificación de sistemas
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
Objetivo: Conocer los conceptos básicos inherentes a la identificación de
sistemas.
Contenido:
• Conceptos básicos.
• El proceso de identificación de sistemas.
• Técnicas de identificación no paramétricas.
• Técnicas de identificación paramétricas.
Tipos de modelos paramétricos: ARX, OE, ARMAX y BJ.
Métodos para el ajuste de los parámetros: uso de MATLAB.
• Consideraciones prácticas sobre identificación.
• Aplicación práctica.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Sistema: Un sistema es toda realidad en la que interactúan variables
de diferentes tipos para producir señales observables. Las señales
observables que son de interés para el observador se denominan
salidas del sistema, mientras que las señales que pueden ser
manipuladas libremente por el observador son las entradas del mismo.
El resto de señales que influyen en la evolución de las salidas pero no
pueden ser manipuladas por el observador se denominan
perturbaciones.
Perturbación, e(t)
Unidad II
Identificación de sistemas
• Conceptos básicos
Un sistema puede considerarse como un proceso en el cual las señales
de entrada son transformadas por el sistema o provocan que este
responda de alguna forma, dando como resultado otra señal como
salida.
Sistemas continuos y discretos: Los sistemas continuos operan con
señales analógicas y su principal característica es presentar
continuidad tanto en magnitud como en tiempo. Con los avances
tecnológicos, tanto en electrónica como en computadoras, la mayoría
de los sistemas de adquisición de datos y de control automático han
evolucionado a procesadores digitales y sistemas que operan con
computadoras, a los cuales se les conoce como sistemas discretos,
cuya principal característica es operar con señales discontinuas que
presentan su discontinuidad tanto en magnitud como en tiempo.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Conocer las características, ventajas y desventajas de los sistemas
continuos como de los discretos es fundamental para tener claridad en
las especificaciones y limitaciones de diseño que aseguren que, en la
implementación de uno de estos tipos de sistemas, se cumplan con los
objetivos de rendimiento global esperado.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Sistemas continuos:
Los primeros sistemas de adquisición de datos (así como sistemas
automáticos de control) operaron como sistemas continuos. A estos
sistemas actualmente se les conoce como sistemas o controles
convencionales y su principal característica es que registran y
manipulan la información mediante señales analógicas, tales como
voltaje, corriente, presión, temperatura, posición o alguna otra
variable física. Estas señales tienen la característica de presentar
continuidad tanto en magnitud como en tiempo (de ahí el nombre de
sistemas continuos). Así definiremos a los sistemas continuos como
aquellos que operan o manipulan información en forma continua.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Sistemas continuos:
Un sistema continuo es aquel en el cual las señales continuas de
entrada son transformadas en señales continuas de salida.
x(t) → y(t)
Unidad II
Identificación de sistemas
• Conceptos básicos
Sistemas discretos:
Los sistemas de control de tiempo discreto (STD) son sistemas
dinámicos para los cuales una ó más de sus variables solamente son
conocidas en ciertos instantes.
Por lo tanto, son aquellos que manejan señales discretas, a diferencia
de los sistemas de tiempo continuo (STC) en los cuales sus variables
son conocidas en todo momento.
El hecho de que algunas funciones del tiempo propias del STD varíen
en forma discreta, puede provenir de una característica inherente al
sistema, como en el caso de aquellos que trabajan con algún tipo de
barrido, por ejemplo: un sistema de radar.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Sistemas discretos:
La otra posibilidad es que la variación discreta provenga de un proceso
de muestreo de alguna señal, y estos últimos son los que interesan en
este estudio.
Este proceso de muestreo, que convierte una señal analógica o de
tiempo continuo en una señal discreta o muestreada, podría hacerse a
un ritmo constante, variable según alguna ley de variación o aleatorio.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Sistemas continuos y discretos
Un sistema discreto es aquel en el cual las señales discretas de entrada
son transformadas en señales discretas de salida.
X[n] → Y[n]
Unidad II
Identificación de sistemas
• Conceptos básicos
Modelo de un sistema:
Cuando se hace necesario conocer el comportamiento de un sistema
en unas determinadas condiciones y ante unas determinadas entradas,
se puede recurrir a la experimentación sobre dicho sistema y a la
observación de sus salidas. Sin embargo en muchos casos la
experimentación puede resultar compleja o incluso imposible de llevar
a cabo, lo que hace necesario trabajar con algún tipo de
representación que se aproxime a la realidad, y a la que se le conoce
como modelo.
Básicamente, un modelo es una herramienta que permite predecir el
comportamiento de un sistema sin la necesidad de experimentar sobre
él.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Tipos de modelos:
Los modelos de sistemas físicos pueden ser de muy diversos tipos. Una
clasificación, en función del grado de formalismo matemático que
poseen, es la siguiente:
1. Modelos mentales, intuitivos o verbales. Estos modelos carecen de
formalismo matemático. Por ejemplo, para producir un auto se
requiere un modelo mental o intuitivo sobre el efecto que produce
el movimiento del volante, pero no es necesario caracterizar dicho
efecto mediante ecuaciones matemáticas exactas.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Tipos de modelos:
2. Modelos no paramétricos. Muchos sistemas quedan perfectamente
caracterizados mediante un gráfico o tabla que describa sus
propiedades dinámicas mediante un número no finito de
parámetros. Por ejemplo, un sistema lineal queda definido
mediante su respuesta al impulso o al escalón, o bien mediante su
respuesta de frecuencia.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Tipos de modelos:
3. Modelos paramétricos o matemáticos. Para aplicaciones más
avanzadas, puede ser necesario utilizar modelos que describan las
relaciones entre las variables del sistema mediante expresiones
matemáticas como pueden ser ecuaciones diferenciales (para
sistemas continuos) o en diferencias (para sistemas discretos). En
función del tipo de sistema y de la representación matemática
utilizada, los sistemas pueden clasificarse en:
a. Determinísticos o estocásticos. Un modelo es determinístico
cuando expresa la relación entre entradas y salidas mediante una
ecuación exacta. Un modelo estocástico si posee un cierto grado
de incertidumbre y se definen mediante conceptos probabilísticos
o estadísticos.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Tipos de modelos:
b. Dinámicos o estáticos. Un sistema es estático cuando la salida
depende únicamente de la entrada en el mismo instante (un
resistor, es un sistema estático). En estos sistemas existe una
relación directa entre la entrada y la salida, independientemente
del tiempo. Un sistema dinámico es aquél en el que las salidas
evolucionan con el tiempo tras la aplicación de una determinada
entrada (por ejemplo, una red RC). En este caso, para conocer el
valor actual de la salida es necesario conocer el tiempo
transcurrido desde la aplicación de la entrada.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Tipos de modelos:
c. Continuos o discretos. Los sistemas continuos trabajan con
señales continuas, y se caracterizan mediante ecuaciones
diferenciales. Los sistemas discretos trabajan con señales
muestreadas, y quedan descritos mediantes ecuaciones en
diferencias.
Todo modelo matemático o paramétrico, por tanto, consta de una o
varias ecuaciones que relacionan la(s) entrada(s) y salida(s) (en los
modelos dinámicos la variable t –tiempo- juega un papel primordial).
De ahí que a los modelos matemáticos se les conozca mejor como
modelos paramétricos, ya que pueden definirse mediante una
estructura y un número finito de parámetros (ver ejemplo siguiente).
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Tipos de modelos:
Un ejemplo de modelo matemático de un sistema dinámico con dos
entradas u1 y u2 y una salida y, puede ser el siguiente:
Unidad II
Identificación de sistemas
• Conceptos básicos
Métodos de obtención de modelos:
Existen dos `métodos principales para obtener el modelo de un
sistema:
1. Modelo teórico. Se trata de un modelo analítico, en el que se
recurre a las leyes básicas de la física para describir el
comportamiento dinámico de un fenómeno o proceso.
2. Identificación del sistema. Se trata de un método experimental que
permite obtener el modelo de un sistema a partir de datos reales
recogidos de la planta bajo estudio.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Métodos de obtención de modelos:
El modelo teórico tiene un campo de aplicación restringido a procesos
muy sencillos de modelar, o a aplicaciones en que no se requiera gran
exactitud en el modelo obtenido. En muchos casos, además, de la
estructura del modelo obtenido a partir del conocimiento físico de la
planta posee un conjunto de parámetros desconocidos y que solo se
pueden determinar experimentando sobre el sistema real. De ahí la
necesidad de recurrir a los métodos de identificación de sistemas.
Los modelos obtenidos mediante técnicas de identificación tienen, sin
embargo, las siguientes desventajas:
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Métodos de obtención de modelos:
1. Su rango de validez suela ser limitado (solo son aplicables a un
determinado punto de trabajo, un determinado tipo de entrada o
un proceso concreto).
2. En muchos casos es difícil dar significado físico al modelo obtenido,
puesto que los parámetros identificados no tienen relación directa
con ninguna magnitud física. Estos parámetros se utilizan sólo para
dar una descripción aceptable del comportamiento conjunto del
sistema.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Métodos de obtención de modelos:
En la práctica, lo ideal es recurrir a una mezcla de ambos métodos de
modelado para obtener el modelo final. El uso de datos reales para
identificar los parámetros del modelo provee a este de una gran
exactitud, pero el proceso de identificación se ve tanto más facilitado
cuanto mayor sea el conocimiento sobre las leyes físicas que rigen el
proceso.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Series de tiempo:
Se llama Series de Tiempo a un conjunto de mediciones de cierto
fenómeno o experimento registrado secuencialmente en el tiempo. El
primer paso para analizar una serie de tiempo es graficarla, esto
permite: identificar la tendencia, la estacionalidad, las variaciones
irregulares (componente aleatoria). Un modelo clásico para una serie
de tiempo, puede ser expresada como suma o producto de tres
componentes: tendencia, estacional y un término de error aleatorio.
En adelante se estudiará como construir un modelo para explicar la
estructura y prever la evolución de una variable que observamos a lo
largo del tiempo.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Series de tiempo:
Uno de los problemas que intenta resolver las series de tiempo es el
de predicción. Esto es dado una serie {x(t1),...,x(tn)} nuestros
objetivos de interés son describir el comportamiento de la serie,
investigar el mecanismo generador de la serie temporal y buscar
posibles patrones temporales que permitan sobrepasar la
incertidumbre del futuro. Se analizará como construir un modelo para
explicar la estructura y prever la evolución de una variable que
observamos a lo largo del tiempo. La variables de interés pueden ser
varias, (económicas, sociales, etc.), incluyendo variables físicas, como:
velocidad del viento en una central eólica, temperatura en un proceso,
caudal de un río, concentración en la atmósfera de un agente
contaminante, entre otros.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Series de tiempo:
Definición de serie de tiempo: En muchas áreas del conocimiento las
observaciones de interés son obtenidas en instantes sucesivos del
tiempo, por ejemplo, a cada hora, durante 24 horas, mensuales,
trimestrales, semestrales o bien registradas por algún equipo en forma
continua.
Llamamos Serie de Tiempo a un conjunto de mediciones de cierto
fenómeno o experimento registradas secuencialmente en el tiempo.
Estas observaciones serán denotadas por {x(t1), x(t2), ..., x(tn)} = {x(t) : t
∈ T ⊆ R} con x(ti) el valor de la variable x en el instante ti. Si T = Z se
dice que la serie de tiempo es discreta y si T = R se dice que la serie de
tiempo es continua. Cuando ti+1 - ti = k para todo i = 1,...,n-1, se dice
que la serie es equiespaciada, en caso contrario será no equiespaciada.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Series de tiempo:
Definición de serie de tiempo:
En adelante se trabajará con series de tiempo discretas,
equiespaciadas en cuyo caso asumiremos y sin perdida de generalidad
que: {x(t1), x(t2), ..., x(tn)}= {x(1), x(2), ..., x(n)}.
El primer paso en el análisis de series de tiempo, consiste en graficar la
serie. Esto nos permite detectar las componentes esenciales de la
serie. El gráfico de la serie permitirá:
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Componentes de series de tiempo:
a) Variación secular: permite detectar tendencia. La tendencia
representa el comportamiento predominante de la serie. Esta puede
ser definida vagamente como el cambio de la media a lo largo de un
periodo (ver la siguiente figura):
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Componentes de series de tiempo:
b) Variación estacional: la variación estacional representa un
movimiento periódico de la serie de tiempo. La duración de la
unidad del periodo es generalmente menor que un año. Puede ser
un trimestre, un mes o un día, etc .
Matemáticamente, podemos decir que la serie representa variación
estacional si existe un número s tal que x(t) = x(t + k⋅s).
Las principales fuerzas que causan una variación estacional son las
condiciones del tiempo, como por ejemplo:
1) en invierno las ventas de helado
2) en verano la venta de lana
3) exportación de fruta en marzo.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Componentes de series de tiempo:
Todos estos fenómenos presentan un comportamiento estacional
(anual, semanal, etc.)
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Componentes de series de tiempo:
c) Variación cíclica: Un ejemplo de fluctuación cíclica lo representa el
ciclo económico. A través del tiempo, hay años en los que el ciclo
económico llega a un pico arriba de la línea de tendencia; en otros, es
probable que la actividad de los negocios disminuya debajo de la
línea de tendencia. El tiempo que transcurre entre picos y
depresiones es al menos un año, y puede llegar a ser hasta 15 o 20.
La siguiente gráfica ilustra este caso.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Componentes de series de tiempo:
d) Variaciones irregulares “Outlier”: (componente aleatoria): los
movimientos irregulares (al azar) representan todos los tipos de
movimientos de una serie de tiempo que no sea tendencia,
variaciones estacionales y fluctuaciones cíclicas. se refiere a puntos
de la serie que se escapan de lo normal. Un outliers es una
observación de la serie que corresponde a un comportamiento
anormal del fenómeno (sin incidencias futuras) o a un error de
medición.
Se debe determinar desde fuera si un punto dado es outlier o no. Si
se concluye que lo es, se debe omitir o reemplazar por otro valor
antes de analizar la serie.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Componentes de series de tiempo:
Por ejemplo, en un estudio de la producción diaria en una fabrica se
presentó la siguiente figura:
Los dos puntos enmarcados en un
círculo parecen corresponder a un
comportamiento anormal de la
serie. Al investigar estos dos puntos
se vio que correspondían a dos días
de paro, lo que naturalmente afectó
la producción en esos días. El
problema fue solucionado
eliminando las observaciones e
interpolando.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Función transferencia:
Una función de transferencia es un modelo matemático que a través
de un cociente relaciona la respuesta de un sistema (modelada) a una
señal de entrada o excitación (también modelada). En la teoría de
control, a menudo se usan las funciones de transferencia para
caracterizar las relaciones de entrada y salida de componentes o de
sistemas que se describen mediante ecuaciones diferenciales lineales
e invariantes en el tiempo.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Función transferencia:
La función de transferencia de un sistema lineal e invariante en el
tiempo se define como la relación entre la transformada de Laplace
de la variable de salida y la transformada de Laplace de la variable de
entrada, suponiendo que todas las condiciones iniciales se hacen
iguales a cero. Esta forma de representar sistemas se denomina
representación externa, ya que atiende a las señales presentes en sus
terminales de entrada y salida. Así, dado el sistema de la siguiente
figura, su función de transferencia será:
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Función transferencia:
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Transformada de Laplace:
Tradicionalmente la transformada de Laplace ha sido muy usada en
sistemas de control y aún hoy día todavía lo es, sin embargo,
restringe mucho el campo de aplicación, ya que sólo es apropiada
para estudiar sistemas lineales y, dentro de éstos, los de una entrada-
una salida o SISO (del inglés Single Input-Single Output). Para el caso
de sistemas lineales MIMO (del inglés Multiple Inputs-Multiple
Outputs), habrá tantas funciones de transferencia como relaciones
salida/entrada puedan ser obtenidas.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Transformada de Laplace
La transformada de Laplace facilita de forma notable la resolución de
ecuaciones diferenciales lineales, ya que convierte la ecuación
diferencial temporal en un polinomio en s, y el proceso de
integración para resolverla, en una manipulación algebraica de un
polinomio cuya conversión al dominio temporal es inmediata
mediante tablas. El proceso descrito se ilustra en la siguiente figura.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Transformada de Laplace:
Unidad II
Identificación de sistemas
• Conceptos básicos
Transformada de Laplace:
Para realizar la transformación desde el dominio de la variable
compleja s al dominio temporal se emplea una integral de inversión
denominada transformada inversa de Laplace. En la práctica, rara vez
se emplea la integral de inversión para encontrar f(t). Hay un método
más sencillo que vamos a ilustrar en este ejemplo, que consiste en
descomponer la expresión en s resultante de la transformación en
fracciones simples, para después, mediante tablas, realizar una
traslación directa al dominio temporal. Sea pues la ecuación
diferencial a resolver siguiente:
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Transformada de Laplace:
Aplicando la transformada de Laplace a cada término de la ecuación:
Unidad II
Identificación de sistemas
• Conceptos básicos
Transformada de Laplace:
Ahora, teniendo en cuenta las condiciones iniciales y que la
transformada de la señal escalón unitario U(s) es 1/s,
Unidad II
Identificación de sistemas
• Conceptos básicos
Transformada de Laplace:
Donde s2 + 5s + 6 = (s + 2) (s + 3). Entonces, el desarrollo en fracciones
parciales de la expresión anterior es:
Unidad II
Identificación de sistemas
• Conceptos básicos
Transformada de Laplace:
Del mismo modo:
Por tanto,
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Transformada de Laplace:
Utilizando una tabla de transformadas se aplica ahora la
transformada inversa a cada sumando para obtener la solución de la
ecuación diferencial en el dominio del tiempo:
Unidad II
Identificación de sistemas
• Conceptos básicos
Ecuación en diferencias finitas:
El Método de Diferencias Finitas es un método de carácter general
que permite la resolución aproximada de ecuaciones diferenciales en
derivadas parciales definidas en recintos finitos. Es de una gran
sencillez conceptual y constituye un procedimiento muy adecuado
para la resolución de una ecuación bidimensional como con la que
hemos trabajado.
El primer paso para la aplicación del método consiste en discretizar el
recinto del plano en el que se quiere resolver la ecuación con una
malla, por conveniencia cuadrada. Los puntos de la malla están
separados una distancia h en ambas direcciones x e y.
Podemos desarrollar T(x,y) en serie de Taylor alrededor de un punto:
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Ecuación en diferencias finitas:
Unidad II
Identificación de sistemas
• Conceptos básicos
Ecuación en diferencias finitas:
De forma similar se obtiene la expresión equivalente:
Unidad II
Identificación de sistemas
• Conceptos básicos
Ecuación en diferencias finitas:
por lo tanto:
Unidad II
Identificación de sistemas
• Conceptos básicos
Función impulso unitario y Delta de Dirac:
En ingeniería usualmente se maneja la idea de una acción ocurriendo
a un determinado punto. Puede ser una fuerza en ese punto o una
señal en un punto del tiempo, se convierte necesario desarrollar
alguna manera cuantitativa de definir este hecho. Esto nos lleva a la
idea de un pulso unitario. Es probablemente la segunda señal más
importante en el estudio de señales y sistemas después del
Exponencial Complejo.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Función impulso unitario y Delta de Dirac:
La función Delta de Dirac, conocida también como el impulso unitario
o función delta es una función infinitamente angosta, infinitamente
alta, cuya integral tiene un valor unitario (Ver ecuación abajo). Tal vez
la manera mas simple de visualizar esto es usar un pulso rectangular
que va de (a - ε/2) a (a + ε/2) con una altura de 1/ε. Al momento de
tomar su límite, , podemos observar que su ancho tiende a ser
cero y su altura tiende a infinito conforme su área total permanece
constante con un valor de uno. La función del impulso usualmente se
escribe como. La función del impulso usualmente se escribe como
δ(t).
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
• Conceptos básicos
Función impulso unitario y Delta de Dirac:
Ver video:
http://www.youtube.com/watch?v=KtUaWdjmiw8
Escalón unitario
http://www.youtube.com/watch?v=83flWdX9vgw
http://www.youtube.com/watch?v=cC50zfVxR0c
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II Conocimientos
• El proceso de identificación de sistemas
Identificación de sistemas previos del
Experimento sistema
de registro de
datos
Tratamiento
de datos Elección de la
estructura del
modelo
Elección del
Datos criterio de ajuste
de parámetros
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Y por tanto:
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
λ
Entonces la correlación cruzada entre la entrada y la salida puede
representarse del siguiente modo:
λg
g
g
Y por tanto la respuesta al impulso puede obtenerse a partir de las N
muestras registradas de la entrada y la salida del sistema, del siguiente
modo:
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
λ
Si la entrada al sistema no es un ruido blanco puro, puede
considerarse como el resultado de la aplicación de un filtro L(q-1) a un
ruido blanco. Aplicando dicho filtro a los datos de salida del sistema
puede realizarse la misma operación indicada anteriormente para
obtener los coeficientes de g(k).
El método es muy apropiado para obtener una idea rápida de la
relación entre distintas señales del sistema, retardos, constante de
tiempo y ganancias estáticas del mismo.
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
. "#$ . %#%
u(t) Ʃ y(t)
. $# . &#$ . $'#%
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
0.4
0.3
0.2
Amplitude
0.1
-0.1
-0.2
-0.3
-0.4
0 5 10 15 20 25
Time (seconds)
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
3 ⋯ 5 .5
5 .5
2 , *
4 6 ⋯ 1.6 .6
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
u B Ʃ y a) Estructura ARX
7
e
+
u Ʃ y b) Estructura OE
,
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
u B Ʃ y
7
c) Estructura ARMAX
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
3
4
+
u Ʃ y
,
d) Estructura BJ
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
+
y
,
- $ -$ %
1 # 1$ # 1% #
$ %
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Mostrar en pizarra
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
th_arx =
Discrete-time ARX model: A(z)y(t) = B(z)u(t) + e(t)
A(z) = 1 + 0.1889 (+/- 0.00615) z^-1 + 0.147 (+/- 0.005715) z^-2 +
0.2278 (+/- 0.005483) z^-3
Unidad II
Identificación de sistemas
th_arx =
Discrete-time ARX model: A(z)y(t) = B(z)u(t) + e(t)
A(z) = 1 + 0.1889 (+/- 0.00615) z^-1 + 0.147 (+/- 0.005715) z^-2 +
0.2278 (+/- 0.005483) z^-3
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas
0.8
La presencia de un cero y un 0.6
polo que prácticamente se 0.4
y F. -0.4
-0.6
-0.8
-1
-1 -0.5 0 0.5 1
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
0.8
0.6
Como se ve, en este caso no 0.4
-0.4
los polinomios B y F. -0.6
-0.8
-1
-1 -0.5 0 0.5 1
Identificación de sistemas y control adaptativo
Ing. Waldo Urribarrí
Unidad II
Identificación de sistemas
Unidad II
Identificación de sistemas