Etapa 3 – Hallar el modelo matemático de un sistema dinámico mediante el

software Matlab

Estudiante
Jeffersson Arley Guerrero Fonseca

Grupo: 243005 – 54

Docente:

Adriana del Pilar Noguera

Curso

Sistemas Dinámicos

Universidad Nacional Abierta y a Distancia UNAD

Ingeniería Electrónica

2020
 Introducción

Los sistemas dinámicos son indispensables en muchos procesos de la ingeniería. A partir

del modelo matemático empleado para las técnicas de identificación, se requiere realizar
una serie de simulaciones a partir de modelos mencionados en la guía de actividades.

Se implementa el modelo matemático empleando las técnicas de identificación a partir de la

herramienta computacional de Matlab y su herramienta incluida ident, se realiza el
procesamiento requerido de la señal.

A partir de las técnicas de identificación se encuentra el modelo ARX, ARMAX, output-

error y el modelo Box-Jenkins. Con la participación de cada uno de los integrantes del
grupo colaborativo se emplea cada uno de los puntos de la guía de actividades, la
información para desarrollar el problema con éxito se retomará de las referencias
bibliográficas propias del curso y la información del blog diseñado por el tutor del curso.
 Desarrollo de la Actividad

1. Conceptos Desconocidos:

 Modelo mental: Sin fundamento matemático.

 Modelo no paramétrico: Caracterizado mediante gráficos o tablas que describen

las propiedades dinámicas.

 Modelo paramétrico o matemático: Representa las relaciones de las variables del

sistema mediante expresiones matemáticas.

 Modelo matemático determinístico: Representa la relación de entrada y salida del

sistema mediante una ecuación exacta.

 Modelo matemático estocástico: La relación de entrada y salida del sistema

presenta un grado de incertidumbre, definido por probabilidad o estadística.

 Sistema dinámico: Se utiliza en los sistemas donde las salidas evolucionan con el
paso del tiempo a partir de aplicar la entrada.

 Sistema estático: La salida del sistema depende solo de la entrada en el primer

instante, tiene una relación directa entrada salida sin importar el tiempo.

 Sistema continuo: La entrada del sistema es una señal continua, se caracterizan con
ecuaciones diferenciales.
  Sistema discreto: La entrada del sistema es una señal muestreada, se describe con
ecuaciones en diferencias.

 Ruido blanco: señal aleatoria caracterizada por que el valor de su amplitud en

tiempos diferentes no guarda correlación estadística, su densidad de potencia es
plana, es decir contiene todas las frecuencias en potencias similares.

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.

Caja de herramientas de identificación del sistema

Sistema de identificación de la caja de herramientas de MATLAB ™ ofrece ® funciones,

Simulink ® bloques, y una aplicación para la construcción de modelos matemáticos de
sistemas dinámicos a partir de datos de entrada-salida medidos. Le permite crear y utilizar
modelos de sistemas dinámicos que no se pueden modelar fácilmente desde los primeros
principios o especificaciones. Puede usar datos de entrada y salida de dominio de tiempo y
dominio de frecuencia para identificar funciones de transferencia de tiempo continuo y
tiempo discreto, modelos de proceso y modelos de espacio de estado. La caja de
herramientas también proporciona algoritmos para la estimación de parámetros incrustados
en línea.

La caja de herramientas proporciona técnicas de identificación tales como máxima

probabilidad, minimización del error de predicción (PEM) e identificación del sistema
subespacial. Para representar la dinámica del sistema no lineal, puede estimar los modelos
de Hammerstein-Weiner y los modelos ARX no lineales con redes de wavelets, particiones
de árbol y no lineales de redes sigmoideas. La caja de herramientas realiza la identificación
 del sistema de caja gris para estimar los parámetros de un modelo definido por el usuario.
Puede usar el modelo identificado para la predicción de respuesta del sistema y el modelado
de plantas en Simulink. La caja de herramientas también admite el modelado de datos de
series temporales y el pronóstico de series temporales.

3. Investigue sobre los modelos ARX, ARMAX, Output-Error y Box-Jenkins, con esta
información diligenciar la siguiente tabla:

Modelo Características Variables Representación Aplicación

Modelo paramétrico u(t) : Ent. del y ( t ) + a1 y ( t−1 )+ …+a na y ( ARX

t−na )es
=bun1 usistema
( t−nk )+de
b2 u ( t−nk −1
de regresión lineal. sistema ecuaciones donde las
ARX Para sistemas de e(t): Perturbación incógnitas a y b son los
ecuaciones donde las del sistema y(t): coeficientes de la función de
incógnitas serán los Salida del sistema transferencia discreta.
coeficientes de la Mínimos Cuadrados:
función de Minimiza la suma de los
transferencia discreta cuadrados de la parte derecha
menos la parte izquierda con
respecto a los coeficientes a y
b. Para esto se usa la función
ARX del Matlab.

auto regressive with Ejemplo; C se expresa de la Con este método se obtiene la

moving average and siguiente forma; predicción del error con el
ARMAX exogenous input A ( q ) y ( t ) =B ( q ) u ( t−nk )+ C ( q ) e (t) Método de Máxima
(ARMAX), describe C (q)=1+ c1 q +… c nc q Verosimilitud.
(−1) (−nc)

los errores de las

ecuaciones con
promedios

Modelos de ruido no B (q ) F ( q) )=1+ f 1 q−1 +…+ f nf q−nfOutput-Error (OE), es es

y (t)= u ( t−nk ) + e(t
contienen la F ( q) similar al modelo ARMAX,
dinámica del proceso este tiene una relación de
entrada/salida sin
OE perturbación, y que
adicionalmente posee ruido
blanco en la salida. El
Modelo OE,
 Box-Jenkins, es una B (q ) Se pueden determinarlos
C ( q ) D ( q ) =1+ d 1 q−1 +…+ d nd q−nd
y (t)= u ( t )+ e (t)
generalización del F ( q) C ( q ) F ( q )=1+ f 1 q +…+ f nf q errores cuadráticos
−1 −nf

BJ modelo OE, el cual

se denomina como
un modelo ARMAX
con una relación de
(Lemus,
2012)entrada/salida
sin perturbación,
más ruido blanco en
la salida

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.
5.2. Por medio de la herramienta ident incorporada en MATLAB®, determine el orden del
modelo y encuentre las ecuaciones correspondientes para el modelo ARX para analizar
el comportamiento de dicho modelo comparando la salida del sistema con la señal de
entrada.
5.3. Por medio de la herramienta ident incorporada en MATLAB®, determine el orden del
modelo y encuentre las ecuaciones correspondientes para el modelo ARMAX para
analizar el comportamiento de dicho modelo comparando la salida del sistema con la
señal de entrada.
5.4. Por medio de la herramienta ident incorporada en MATLAB®, determine el orden del
modelo y encuentre las ecuaciones correspondientes para el modelo OE (Out-Put
Error) para analizar el comportamiento de dicho modelo comparando la salida del
sistema con la señal de entrada.
5.5. Por medio de la herramienta ident incorporada en MATLAB®, determine el orden del
modelo y encuentre las ecuaciones correspondientes para el modelo BOX JENKINS
para analizar el comportamiento de dicho modelo comparando la salida del sistema
con la señal de entrada.
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)=5
𝑉, 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.

La función de transferencia obtenida es:

5,545 Z −1
G ( z) =
1−0.05475 Z−1−0,8597 Z−2

5,545
Z
G ( z) =
0.05475 0,8597
1− −
Z Z2

5,545
Z
G ( z) = 2
Z 0.05475 Z 0,8597
− −
Z2 Z2 Z2

5,545
Z
G ( z) = 2
Z −0.05475 Z−0,8597
Z2

5,545 Z 2
G ( z) =
Z ( Z 2−0.05475 Z−0,8597 )
 5,545 Z
G ( z) = 2
Z −0.05475 Z −0,8597

El diagrama en simulink es:

6.2. Utilice MATLAB® para simular la función de transferencia discreta del modelo ARX
y grafique la salida de cada sistema cuando se aplica una entrada constante 𝑉(𝑡)=5 𝑉,
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.

La función de transferencia obtenida es:

y (t ) B (Z ) 4,652 Z −1−3,879 Z−2

= =
u ( t ) A ( Z ) 1−1.596 Z−1 +0.6078 Z −2

4,652 3,879
− 2
B (Z ) Z Z
=
A ( Z ) 1− 1.596 + 0.6078
Z Z2

4,652 Z 3,879
− 2
B (Z ) Z2 Z
= 2
A Z
( ) Z 1.596 Z 0.6078
− +
Z2 Z2 Z2

4,652 Z−3,879
B (Z ) Z2
= 2
A ( Z ) Z −1.596 Z +0.6078
2
Z

B (Z ) 4,652 Z−3,879
=
A ( Z ) Z 2−1.596 Z +0.6078
El diagrama en simulink es:
6.3. Utilice MATLAB® para simular la función de transferencia discreta del modelo
ARMAX y grafique la salida de cada sistema cuando se aplica una entrada constante
𝑉(𝑡)=5 𝑉, 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.

B( Z) 8,118 Z−1−7,37 Z−2 −1 −2

+C Z =
( ) +1−1,041 Z +0,04137 Z
A (Z) −1
1−1,605 Z + 0,6164 Z −2

8,118 7,37
− 2
B( Z) Z Z 1,041 0,04137
+ C ( Z )= +1− +
A (Z)
1−
1,605 0,6164
+
Z Z2
Z Z2
 8,118 Z 7,37
2
− 2
B( Z) Z Z Z 2 1,041 Z 0,04137
+ C ( Z )= 2 + 2− +
A (Z) Z 1,605 Z 0,6164 Z Z2 Z2
− +
Z2 Z2 Z2

8,118 Z−7,37
B( Z) Z2 Z 2−1,041 Z +0,04137
+ C ( Z )= 2 +
A (Z) Z −1,605 Z+ 0,6164 Z2
2
Z

B( Z) 8,118 Z −7,37 Z 2−1,041 Z +0,04137

+ C ( Z )= 2 +
A (Z) Z −1,605 Z +0,6164 Z2

B( Z)
+ C ( Z )=Z 2 ( 8,118 Z−7,37 )+( Z 2−1,605 Z +0,6164)¿ ¿
A (Z)

B( Z) Z 2 ( 8,118 Z−7,37 ) +(Z 4 −1,605 Z +0,6164)(Z 2−1,041 Z +0,04137)

+ C ( Z )=
A (Z) Z 2 ( Z 2−1,605 Z +0,6164)
B( Z) Z 4 +5,472 Z 3−5,0415 Z 2−0,708 Z+ 0,0255
+ C ( Z )=
A (Z) Z 4−1,605 Z3 + 0,6164 Z 2

El diagrama en simulink es:

6.4. Utilice MATLAB® para simular la función de transferencia discreta del modelo OE y
grafique la salida de cada sistema cuando se aplica una entrada constante 𝑉(𝑡)=5 𝑉,
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.

B (Z ) 9,05 Z −1−8,176 Z −2
=
F ( Z ) 1−1.545 Z −1 +0.5585 Z−2

9,05 8,176
− 2
B (Z ) Z Z
=
F ( Z ) 1− 1.545 + 0.5585
Z Z2
 9,05 Z 8,176
− 2
B (Z ) Z2 Z
= 2
F ( Z ) Z 1.545 Z 0.5585
− +
Z2 Z2 Z2

9,05 Z−8,176
B (Z ) Z2
= 2
F ( Z ) Z −1.545 Z +0.5585
2
Z

B (Z ) 9,05 Z−8,176
= 2
F ( Z ) Z −1.545 Z+ 0.5585

El diagrama en simulink es:

6.5. Utilice MATLAB® para simular la función de transferencia discreta del modelo Box
Jenkins y grafique la salida de cada sistema cuando se aplica una entrada constante
𝑉(𝑡)=5 𝑉, 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.

B (Z ) C ( Z ) 4.93 Z−1−3.8 Z−2 1−0,2174 Z−1−0,118 Z−2

+ = +
F ( Z ) D ( Z ) 1−1,456 Z−1+ 0,4731 Z−2 1−1,645 Z−1+ 0,6606 Z−2
 4.93 3.8 0,2174 0,118
− 2 1− − 2
B (Z ) C ( Z ) Z Z Z Z
+ = +
F ( Z ) D ( Z ) 1− 1,456 + 0,4731 1− 1,645 + 0,6606
Z Z2 Z Z2

4.93 Z 3.8 Z2 0,2174 Z 0,118

− 2 − − 2
B (Z ) C ( Z ) Z2 Z Z2 Z2 Z
+ = 2 + 2
F ( Z ) D ( Z ) Z 1,456 Z 0,4731 Z 1,645 Z 0,6606
2
− 2
+ 2 2
− 2
+ 2
Z Z Z Z Z Z

4.93 Z−3.8 Z 2−0,2174 Z−0,118

B (Z ) C ( Z ) Z2 Z2
+ = 2 + 2
F ( Z ) D ( Z ) Z −1,456 Z+0,4731 Z −1,645 Z+ 0,6606
Z2 Z2

B (Z ) C ( Z ) 4.93 Z−3.8 Z2 −0,2174 Z −0,118

+ = 2 + 2
F ( Z ) D ( Z ) Z −1,456 Z +0,4731 Z −1,645 Z +0,6606

El diagrama en simulink es:

La comparación de todos los modelos da:
Link del video:
 Conclusiones

Con la realización de este trabajo fue posible conocer los modelos matemáticos de un
sistema dinámico, haciendo uso del software Matlab, a partir de datos de entrada y salida
del sistema se puede simular los diferentes modelos para establecer cuál de ellos representa
con mayor precisión al sistema real y asa obtener un modelo matemático que caracterice al
sistema dinámico.

Se implementa el modelo matemático empleando las técnicas de identificación a partir de la

herramienta computacional de Matlab y su herramienta incluida ident, se realiza el
procesamiento requerido de la señal.
 Bibliografía

 García, I. (2005). Teoría de estabilidad y control. Lérida, ES: Edicions de la

Universitat de Lleida. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=6&docID=10680662&tm=1481847095839

 Ogata, K. (1987). Dinámica de sistemas. México D.F. México. Prentice Hall

Hispanoamericana S.A. Recuperado de
https://drive.google.com/file/d/0Byc3qFVcZerdY09YbUM3SGxaQTg/view