Mauro Benito Montoya Arenas Terry

Martin Quispe Paniagua

Sistemas de
control
Identificación de sistemas
 Semestre Académico 2020-I

Sistemas de control

Identificación de
Sistemas
Terry Martin Quispe Paniagua (17190129)*; Mauro Benito Montoya Arenas (17190037)*
7th Semester Electronic Engineering Students

Faculty of Electronic and Electrical Engineering, UNMSM, Lima, PERU

A R T I C L E I N F O ABSTRAC T

Keywords: Abstract. In this document we study some suitable models for the systems presented in this
section, in which 3 systems are presented that were previously represented in the Proteus
Métodos
software and their data exported, to later make use of a function in Matlab to extract 3 vectors
that are the output voltage, input and time. The systems are two of them are second order both
para overdamped and underdamped and one of first order, in each of them it is identified by a
sistemas de specific method, in the case of the second order two, which gives a transfer function that is very
primer similar to its counterpart seen in the simulator, finally the results are compared and an
orden
analysis of the methods used is made, as well as its development through Matlab.
Métodos
RESUMEN
para
sistemas de
segundo Resumen: En el presente documento se estudia algunos modelos adecuados para los
orden sistemas presentados en esta sección , en la cual se presentan 3 sistemas que previamente
Método de fueron representados en el software de Proteus y exportados sus datos , para posteriormente
los 2 puntos hacer uso de una función en Matlab para extraer 3 vectores que son el voltaje de salida ,
de Smith entrada y el tiempo .los sistemas son 2,dos de ellos son de segundo orden tanto
sobreamortiguados como subamortiguado y uno de primer orden ,en cada uno de ellos se
Método de identifica por un método en específico , en el caso de las de segundo orden, la cual da resultado
Miller una función transferencia que es muy similar a su contraparte vista en el simulador ,
finalmente se compara los resultados y se hace análisis de los métodos empleados como
también se detalla su desarrollo mediante Matlab.

I. INTRODUCCION transcurso de la guía que unos sistemas se aproximaran más

que otro. Asimismo, podremos calcular el error que existe entre
la y(t) aproximada usando cualquier método y la y(t) producto
A medida que vamos estudiando y viendo más sobre los
de la gráfica. Los sistemas en algunos casos presentan
sistemas de primer y segundo orden, vemos la necesidad de
desplazamientos en el tiempo que influyen en la y(t), para estos
aplicar métodos que nos faciliten la representación de los
sistemas también es posible aplicar los mismos métodos de
mismos , es decir si tenemos un sistema el cual se desconoce su
identificación siempre y cuando hagamos algunas
física interna o es demasiado complicado saber su
modificaciones. Sabemos que los sistemas de primer orden y
funcionamiento interno , es mejor utilizar métodos que no
segundo orden sobreamortiguado tienen una señal de respuesta
impliquen el desarrollo de su física – matemática de
al escalón muy parecida. De la misma manera ocurre lo mismo
modelamiento , es por ello que existen métodos de
con sus métodos de identificación. En esta guía analizamos los
identificación que nos facilitan la labor cuando nos vemos en la
distintos métodos de identificación de sistemas aplicadas a
necesidad de usarlos , si bien no es del todo exacto a diferencia
distintos sistemas. Como no existe un único método con el cual
del modelo matemático físico , nos da una representación fiel a
generar y(t) aproximado podemos intentar hallar la
las características del sistema y por tanto son de importancia
aproximación de muchas formas.
cuando se presenta las dificultades descritas. Veremos en el
 II. MARCO TEORICO

A partir de la información de la entrada y salida, se puede

establecer si el sistema es de primer orden o bien de segundo
orden o mayor, además de establecer si existe un retardo o
alguna otra característica en particular. Existen muchos
métodos para la identificación de un sistema. En este apartado
estudiaremos nombraremos a 6 de estos (los cuales han sido
usados para elaborar el procedimiento de esta guía).

Para los sistemas de primer orden

Figura 1. Método para calcular un modelo de primer orden
Modelo de Alfaro primer orden más tiempo muerto

Las ecuaciones que dan originan los parámetros de importancia

para poder construir el sistema son:

∆y
k p=
∆u
(1) Para los sistemas subamortiguados

τ =0.9102(t 75−t 25 ) Método tradicional a partir de la respuesta al escalón [1]

(2)
De la respuesta fraccional se obtienen 3 magnitudes (ver figura
2)
t m=1.2620 t 25−0.2620 t 75  El periodo de oscilación (τ p)
(3)
 El primer sobrevalor ( SV 1)
Donde t 25 y t 75 son los tiempos requeridos para que la respuesta  El primer sobrevalor ( SV 2)
del sistema alcance el 25 y 75 por ciento de su valor final.

Método de primer orden sin retraso

El modelo propuesto para la identificación de un sistema es:

k
G ( s )=
τs+1
(4)

Donde la ganancia se calcula:

∆y
k p= (5)
∆u
constante de tiempo τ se calcula de acuerdo a la Fig 1.
determinando el tiempo en el que la respuesta del sistema
alcanza el 0.632 del valor final de la respuesta.
Figura 2. Respuesta de un sistema subamortiguado ante una
entrada escalón

El coeficiente de amortiguamiento puede estimarse a partir de

la expresión de primer sobrevalor:

−πξ
√1−ξ 2 (6)
SV 1=e

También puede evaluarse ξ usando la relación de atenuación:

−2 πξ
SV 2 |ln ⁡(RA )|
RA= 2 =e √1−ξ → ξ= (7)
SV 1 √(ln ( RA ) )2+ 4 π 2
La frecuencia propia de oscilación es:
2π Este sistema de ecuaciones se puede resolver para tm y τ
w p= (8)
τp obteniéndose:
τ =1.5(t 63−t 28 ) (15)
Y la frecuencia natural se calcula a partir de:
t m=t 63−τ (16)
2 wp
w p=wn √ 1−ξ → wn = (9)
√ 1−ξ2 La ganancia del modelo se calcula como en los métodos
anteriores:
Segundo método para un sistema de segundo orden yu
subamortiguado k= (17)
∆u
En un sistema de segundo orden sub amortiguado se pueden
medir de la respuesta directamente los parámetros generales (su
ganancia k, su factor de amortiguamiento ξ y su frecuencia
natural ωn). Por lo que se puede ajustar al siguiente modelo:

k ω ²n
G ( s )= 2 (10)
s + 2ξ ω n s+ω ²n

Figura 4. Método de Smith

II. MATERIALES Y METODOS

A. EQUIPOS, MATERIALES Y HERRAMIENTAS

UTILIZADAS
Figura 3. Método para calcular un modelo de segundo orden
subamortiguado

[ln ( Mp ) ]²
ξ=
√ 2
π +[ln ( Mp ) ]²
(11)

π
ω n= (12)
tp∗( √ 1−ξ ²)

Para los sistemas sobreamortiguados o críticamente

amortiguados:

Método de los 2 puntos de Smith [2]

El primer método basado en dos puntos sobre la curva de

reacción fue propuesto por Smith. Los instantes seleccionados
Figura 5. Software Matlab
por este autor fueron los tiempos requeridos para que la
respuesta alcance el 28.3% (t 28) y el 63.2% (t 63) del valor final, y
corresponden a:

t 28=t m+ τ /3 (13)

t 63=t m+ τ (14)

Figura 6. Software Simulink
B. ESQUEMAS
Figura 7. Respuesta temporal del sistema 1
Figura 8. Respuesta Temporal del sistema 2
Figura 9. Diagrama del circuito implementado en Proteus
C. PROCEDIMIENTO
a. Parte I: Métodos basados en la curva de reacción
En esta parte identificaremos un modelo para 2 sistemas
implementados en Proteus, aplicando los métodos basados en la
curva de reacción usando Matlab.
i. Ejecute el Ejecute el programa Proteus y
abra el archivo Sistema1.pdsprj. Este
archivo contiene un bloque denominado
Sistema1.
Figura 10. Diagrama del sistema 1
ii. La respuesta del sistema lo podemos
observar en el visor de ‘Analogue Analysis’,
tal como se muestra en la siguiente figura.
Figura 11. Respuesta temporal del sistema
iii. Indique de que orden es el sistema a
analizar.
A simple vista podemos decir que el sistema, con solo
ver la Figura 11 que es de primer orden, pero también
podría ser de 2 orden sobreamortiguado, pero
descartamos la segunda opción debido a que la
respuesta no presenta punto de inflexión cuando
empieza su ascensión en magnitud, también notamos
que el sistema se estabiliza en un valor cuando la
entrada es acotada, además la respuesta no presenta
retardo.
iv. Elija el método basado en la de Curva de
Reacción, más adecuado según su criterio, para
identificar un modelo G(s).
Debido lo dicho en el anterior apartado, nuestro
sistema es de primer orden y no presenta retraso para
elegimos el modelo para sistemas de primer orden sin
retraso, que está definido por la ec(18).
k
G ( s )= (18)
τs+1
Podemos calcular sus parámetros mediante la
observación de la Figura 8 en donde determinamos los
valores:
  y u=5
 Δ u=5
Hallamos la ganancia por medio de la ec(18)

yu
k= =1(19)
Δu
Figura 14. Datos generados por el comando
El siguiente paso es hallar el τ mediante la grafica
tenemos que fijarnos un punto en donde la magnitud
es el 63.2% de la magnitud máxima de la respuesta, vii. Grafique los vectores Vin y Vout vs el vector
luego para un determinado tiempo se obtiene ese Tiempo. Verifique que sea la misma respuesta
punto , en donde ese tiempo es nuestro τ . obtenida en Proteus.

Para lo cual τ vale 225 ms tenemos el 63.2% de la

Utilizando el comando “save” generamos un archivo.mat de
magnitud máxima. Entonces reemplazando en la nombre “sys.mat” que contiene los datos que se observan
ec(18) obtenemos nuestra función transferencia. en la Fig. 14 , ahora crearemos un script en donde lo
primero que haremos será cargar los datos con el comando
1 “load sys.mat” , el script generado se guardó en el archivo
G ( s )= (20) de nombre : ”sistemaexportado.m” y se muestra en la Fig.
0.225 s+ 1
15.
v. Para un mejor análisis y poder comparar la
respuesta del modelo hallado con la respuesta
del sistema, se utilizará el software
MATLAB®.Para ello, exporte los datos
haciendo clic en la opción Graph →Export
Graph Data ilustración 3 Guarde el archivo
con el nombre “Sistema1.dat” en la carpeta
que se tiene como directorio MATLAB.

Figura 15. Script que carga y genera las grafica de respuesta

del sistema y su entrada

Efectivamente el grafico generado corresponde a lo que se

muestra en Proteus, es decir es idéntico a la Figura 11, podemos
ver el resultado del Script en la Figura 16.

Figura 12. Opción para exportar datos Proteus

vi. En MATLAB®, ejecute la función

“proteus2matlab”, utilizando la siguiente
sintaxis:

Lo cual creará en el Workspace los vectores Tiempo, Vin y Vout

obtenidos a partir del archivo exportado en el punto v.

Figura 13. Comando para exportar datos generados por el

comando al workspace
 Figura 16. Comparación entre las gráficas de Matlab y Proteus
viii. Utilice Matlab para hallar un modelo según el
método elegido en el punto iv (Cree un script que
obtengan los parámetros necesarios)
En base al Script presentado en la Fig. 15, añadiremos líneas de
código para hallar sus parámetros , con la ayuda del comando
“(end)” podemos obtener el valor final tanto de y u(“y_est”) y
Δ u (“u_est”) , luego podemos calcular el valor de K ,
posteriormente para hallar el valor de tiempo que genera el
63.2% del voltaje máximo utilizamos el comando “find” para
buscar un valor cercano o igual a dicha magnitud . Una vez
obtenido este dato simplemente procedemos a extraer el
instante de tiempo para ese valor como se muestra en la Fig.17.
Figura 19. Comparativa de la identificación y respuesta
obtenida mediante datos del Proteus
Como podemos notar los resultados son bastante similares , ya
que superponiéndolos es casi imperceptible ver 2 graficas
distintas es por ello que se optó por ponerlas por separado , este
proceso se guardado en el mismo Script de nombre
“sistemaexportado.m”, en el siguiente apartado veremos las 2
graficas en una sola ventana.
xi. Presente en una sola gráfica, tanto la respuesta
temporal obtenida en el punto anterior como la
respuesta importada desde Proteus.

Figura 17. Script que identifica los parámetros del sistema de

1° orden

ix. Defina la función de transferencia, G(s), del

modelo obtenido en el paso previo.

Esta función la definiremos en el mismo Script que usamos

y lo compararemos con el resultado de identificación
obtenido en el anterior apartado inicial. Finalmente
definidos nuestras constantes reemplazamos los datos en
la ec (18) mediante el comando “tf” y “step” , definimos y
ploteamos los resultados para compararlos como se
muestra en la Figura 19 Figura 20. Graficas superpuestas

Como se nota en la Figura 20, la similitud es bastante alta

conduciendo a que el modelo de identificación es efectivo para
este sistema.

xii. A partir del punto anterior, considera que es

aceptable la respuesta del modelo obtenido
G(s). Justifique su respuesta. (Puede utilizar
algunos índices de desempeño como la suma
Figura 18. Script generador del grafico por identificación
del error cuadrático)

x. Obtenga su respuesta temporal ante una

entrada escalón. La respuesta como detallamos en el anterior aparte es muy
aceptable debido a que las gráficas son muy similares, esto
podemos dilucidar haciendo zoom al gráfico, como también
hallando el error cuadrático, en la ilustración 22 se muestra
un acercamiento para notar que las gráficas no son iguales
 del todo, en la Fig.21 se muestra parte del Script que nos
ayudara a calcular el índice de error y el error medio entre
estas 2 graficas.
Resp. Por el comportamiento inicial de la señal de salida (la
ligera subida) y por la inflexión que se muestra antes de
estabilizarse, podemos decir que el sistema es de segundo
orden.

iv.2. Elija el método basado en la de Curva de Reacción,

Figura 21. Comandos para hallar el indicador y el error más adecuado según su criterio, para identificar un
modelo G(s).

- Usaremos el método de los 2 puntos de Smith. Este

método te permite hacer una identificación del sistema
hallando 2 puntos de la gráfica, construyendo una
recta, y a partir de ello hallar los parámetros
requeridos. No implica gran complejidad en el
procedimiento.

Hallando t 63:

Si la gráfica se encuentra en 5*0.632=3.16 -----> t 63=0.7913

Hallando t 28:

Si la gráfica se encuentra en 5*0.283=1.415 -----> t 28=0.3855

Figura 22. Acercamiento de las graficas t 63=0.7913 (21)

xiii. Ejecute el programa Proteus y abra el archivo t 28=0.3855 (22)

Sistema2.pdsprj. Este archivo contiene un bloque
denominado Sistema2.
τ =1.5*(t 63-t 28) (23)

t m=t_63-τ (24)

y u=5 (25)

∆ u =5 (26)

Figura 23. Diagrama del sistema 2 yu

k= (27)
∆u
xiv. La respuesta del sistema lo podemos observar en el
visor de ‘Analogue Analysis’, tal como se muestra en la
Hallamos G(s):
siguiente figura.

k e−t s m

G ( s )= (28)
τs+ 1

Ahora hallamos Y(s):

Y(s)=G(s)*X(s) y X(s)=5/s (29)

Figura 24. Respuesta Temporal del sistema 2
xv. Repita los pasos del iii al xii.( Además de
seleccionar alguno de los métodos presentados,
investigue de otro método de identificación y también
aplíquelo)
5
Y ( s )=G ( s ) x (30)
s
v.2. Para un mejor análisis y poder comparar la
respuesta del modelo hallado con la respuesta del
sistema, se utilizará el software MATLAB®. Para ello,
exporte los datos haciendo clic en la opción Graph
→Export Graph Data (Fig.12). Guarde el archivo con el
nombre “Sistema2.dat” en la carpeta que se tiene como
directorio MATLAB®.

iii.2. Indique de que orden es el sistema a analizar.

Figura 25. El archivo “Sistema.dat” ya se encuentra instalado
en la carpeta donde haremos correr Matlab

vi.2. En MATLAB®, ejecute la función

“proteus2matlab”, utilizando la siguiente sintaxis:

>>[Tiempo,Vin,Vout]=
proteus2matlab('Sistema2.dat); Figura 28. Confirmamos que la gráfica obtenida en Matlab es
la misma que obtuvimos en Proteus
Lo cual creará en el Workspace los vectores Tiempo,
Vin y Vout obtenidos a partir del archivo exportado en viii.2. Utilice Matlab para hallar un modelo según el
el punto v. método elegido en el punto iv. (Cree un script que
obtengan los parámetros necesarios).

- Para el análisis en Matlab hemos realizado 2 códigos

Figura 26. Se ejecuta ahora la función que se ve en la figura
(primera y segunda forma) que tendrán el mismo
objetivo (hallar “y(t)” y “y(t) aproximado”). La primera
forma se hará a partir del ejemplo realizado en clase,
mientras que la segunda forma se realizará usando
variables simbólicas y la función ilaplace.

Primera forma de hallar y(t) aproximado (método enseñado en

la clase):

Figura 27. Se guardan los valores Tiempo, Vin y Vouten el

Workspace

vii.2. Grafique los vectores Vin y Vout vs el vector

Tiempo. Verifique que sea la misma respuesta
obtenida en Proteus.
 Figura 31. Defino G(s) a partir de los parámetros obtenidos
(primera forma), el desplazamiento será introducido después.

Figura 32. Defino G(s) a partir de los parámetros obtenidos

(segunda forma)

x.2. Obtenga su respuesta temporal ante una entrada

escalón.

Figura 33. y(t) obtenida a partir de Y(s)=G(s)* X(s) y

aplicando transformada de fourier inversa (primera forma),
notese que yout realiza un corrimiento para añadir el restraso
Figura 29. Script que identifica los parámetros del sistema de tm (punto 1828)
1° orden (primera forma)

Segunda forma de hallar y(t) aproximado usando variable

symbolic e ilaplace:

Figura 34. y(t) obtenida a partir de Y(s)=G(s)* X(s) y

aplicando transformada de fourier inversa (segunda forma)

xi.2. Presente en una sola gráfica, tanto la respuesta

temporal obtenida en el punto anterior como la
respuesta importada desde Proteus.

Figura 30. Se muestra el código que hemos usado para hallar

los parámetros del sistema (segunda forma)

ix.2. Defina la función de transferencia, G(s), del

modelo obtenido en el paso previo.
Figura 35. Se muestra las 2 graficas: y(t) en color rojo (salida
del sistema) y “y(t)” aproximado obtenido a través del método
Smith en color azul (primera forma)

Figura 38. Se muestra la diferencia entre y(t) (en rojo) y y(t)

aproximado (en azul)

Error cuadrático medio:

Para calcular el error medio cuadrático escogeremos 11 puntos

(entre 0 y 3), aplicaremos la fórmula del error medio cuadrático
y analizaremos el valor que nos quede:

i = número de punto
Figura 36. Se muestra las 3 graficas: 5*u(t) en color azul t = valor en el tiempo
(entrada del sistema), y(t) en color rojo (salida del sistema) y y(t) = señal de respuesta
“y(t)” aproximado obtenido a través del método Smith en color y’(t) = señal de respuesta aproximada
verde (segunda forma) ri = y(t)- y’(t)

i t y(t) y’(t) ri ri2

xii.2. A partir del punto anterior, considera que es
aceptable la respuesta del modelo obtenido G(s). 1 0 0 0 0 0
Justifique su respuesta. (Puede utilizar algunos índices
de desempeño como la suma del error cuadrático) 2 0.3 0.9928 0.8771 0.1157 0.0134

Ciertamente consideramos que la función G(s) Obtenida es 3 0.6 2.427 2.481 -0.054 0.0029
aceptable. Ya que se puede ver que hay muy poco margen de 4 0.9 3.496 3.461 0.035 0.0012
error en la etapa transitoria del sistema. Para corroborar esto
usamos la suma del error cuadrático medio en 10 puntos de la 5 1.2 4.159 4.06 0.099 0.0098
etapa transitoria entre 0 a 3. De esa manera comprobaremos lo
que hemos dicho: 6 1.5 4.537 4.426 0.111 0.0123

7 1.8 4.747 4.649 0.098 0.0096

Error cuadrático:
8 2.1 4.864 4.786 0.078 0.0061

9 2.4 4.928 4.869 0.059 0.0035

10 2.7 4.963 4.92 0.043 0.0018

11 3.0 4.984 4.951 0.033 0.0011

Tabla 1. Cuadro comparativo

11

error cuadratico medio=

√ ∑ r 2i
i=1
i−1

0+0.134+ 0.0029+…+0.0011
(31)

Figura 37. Error cuadrático de la función aproximada.

también se muestra el valor del indicador dividido entre la
cantidad de muestras, como se puede ver es bastante pequeño
error cuadratico medio=
(32)
√ 10
=0

error cuadratico medio=0.0722 (33)

- Comprobamos que el error medio cuadrático entre y(t)

y y(t) aproximada es muy bajo. Por lo que podemos
concluir que la aproximación ha sido bastante
 acertada.
t m=−0.262t 75+1.262 t 25=0.1822 (39)
Aplicación de un segundo método: Método de los 2
puntos General [3]
y u=5 (40)
Con posterioridad a la presentación del método de dos puntos
de Smith se han desarrollado otros basados en el mismo ∆ u=5 (41)
procedimiento, diferenciándose únicamente en la selección de
los dos instantes en que la respuesta del modelo se hace yu
coincidir con la del proceso real. k= =1 (42)
Pueden establecerse, por consiguiente, ecuaciones generales ∆u
para los métodos de dos puntos, con el fin de identificar un
modelo de primer orden más tiempo muerto dado por (1) con
base en los tiempos requeridos para alcanzar dos puntos e−0.1822 s
específicos en la curva de reacción del proceso. G ( s )= (43)
0.5925 s+ 1
Si p1 y p2 son dos valores porcentuales del cambio en la
respuesta del sistema a un cambio escalón en la entrada y t1 y2
son los tiempos requeridos para alcanzar estos dos valores,
como se muestra en la Fig. 39. entonces los parámetros de un
modelo de primer orden más tiempo muerto se pueden obtener
de:

τ =a t 1+ b t 2 (34)

t m=c t 1 + d t 2 (35)

Figura 40. Script para plotear y(t) aproximado a través del

método de Alfaro

Método de Broide:

t 40=0.5054 (44)
Figura 39. Métodos de 2 puntos
t 28=0.3825 (45)

τ =5.5 t 40−5.5t 28=0.6759 (46)

t m=−1.8 t 40 +2.8 t 28=0.1613 (47)

y u=5 (48)

Tabla 2. Constantes para la identificación de los métodos ∆ u=5 (49)

Para este caso tomaremos el método de Alfaro, de Broida y

yu
método de Cheng y Yang: k= =1 (50)
∆u
Método de Alfaro:

t 75=1.0025 (36) e−0.1613 s

G s=
( ) (51)
0.6759 s+ 1
t 25=0.3525 (37)

τ =0.91 t 75−0.91 t 25=0.5925 (38)

 Figura 42. Script para plotear y(t) aproximado a través del
método de Cheng y Yang

Plotemos ahora las señales:

Figura 43. Ploteamos la señal escalón de entrada y la señal de

salida y(t) (color azul y rojo respectivamente)

Figura 44. Ploteamos la señal y(t) aproximado con el método

de Alfaro (color verde), y(t) aproximado con el método de
Broide (color verde), y(t) aproximado con el método de Cheng
yYang (color azul claro)
Figura 41. Script para plotear y(t) aproximado a través del
método de Broide

Método de Chang y Yang:

t 67=0.8508 (52)

t 33=0.4329 (53)

τ =1.4 t 67−1.4 t 33=0.5851 (54)

t m=−0.54 t 67 +1.54 t 33=0.2072 (55)

y u=5 (56)

∆ u=5 (57)

yu Figura 45. Se muestran las gráficas producto de usar los 3

k= =1 (58)
métodos
∆u

b. Parte II: Identificación de un sistema físico

e−0.2072 s
G s=
( ) (59) i. Implemente el circuito presentado en la siguiente
0.5851 s+1
figura.

Figura 46. Diagrama del circuito implementado en Proteus

ii. Conecte una señal de entrada adecuada que permita

observar la curva de reacción de sistema.

La señal de entrada será un escalón de amplitud 1V que se logra

apreciar en la Figura 47, la gráfica de color rojo que es Vin y el
verde Vout .
 Figura 47. Respuesta temporal del sistema ante un escalón

iii. Utilizando uno de los métodos de identificación
presentados, el más adecuado según su criterio,
obtenga un modelo para el circuito implementado.
Compare este modelo con el obtenido en su informe
previo.
Utilizando el modelo para sistemas subamortiguados de 2
orden, para definir nuestra función transferencia debemos
conocer sus parámetros para ello lo primero que haremos será
exportar los datos de la gráfica de la Figura 47, escribir el
comando en Matlab para entrar los 3 vectores de Vin , Vout,
Tiempo , con la función:
Figura 20. Resultado del Script
Luego de plotear la gráfica de respuesta mostrada en la fig. 50,
ahora hallaremos sus parámetros según el modelo que está
definido en la ec(60) , primero hallamos el valor de tp usado el
comando “max” para obtener el voltaje(V) máximo de la gráfica
que represente el valor del sobrepico , en donde tp será el valor
para cuando la respuesta en voltaje sea la más alta,
posteriormente se calcula Mp con la ec(61),añadiremos líneas de
código en el Script que se muestra en la Figura 51.
k ω ²n
G ( s )= (60)
s 2+ 2ξ ω n s+ω ²n

Figura 48. Comando para extraer datos Mp=Vmax−t est (61)

Una vez extraídos los datos procederemos a guardar lo datos del

workspace con el comando “save ('sys3.mat')”, Luego crearemos
un Script de nombre “identificacionSistema3.m” el cual su
primera parte constara del respectivo grafico visto en proteus,
como se muestra en la figura 49, la gráfica del sistema se
muestra en la figura 50. Figura 51. Script que halla el parámetro Mp y Tp

Una vez obtenido el parámetro Mp y tp es posible hallar el factor

de amortiguamiento ξ resolviendo la ec(62).

−ξπ
√ 1−ξ ² (62)
Mp=e
Haciendo un poco calculo podemos despejar ξ como se muestra
en la ec(63) , también podemos hallar ω n con la ec(64).
Figura 19. Script que carga y genera las grafica de respuesta
del sistema y su entrada
[ln ( Mp ) ]²
ξ=
√ 2
π +[ln ( Mp ) ]²
(63)

π
ω n= (64)
tp∗( √ 1−ξ ²)

Todas las ecuaciones lo definimos en el Script de Matlab y se

muestra en la Figura 52
 que depende de este ,no coincidirá con la gráfica del sistema
obtenida en Proteus.

iv. Investigue de otro método de identificación y

Figura 52. Script que halla los parámetros del sistema
Una vez obtenidos ω n y ξ ahora podemos describir el sistema
adecuadamente mediante la ec(60) , posteriormente solo
debemos describir esta ecuación en el Script y reemplazar sus
valores para finalmente plotearlo y comparar los resultados que
son apreciables en la figura 54, Finalmente se hace uso del
comando “immse” para ver el error medio cuadrático existente.
aplíquelo.
Usaremos el método tradicional a partir de la respuesta al
escalón:
Método tradicional a partir de la respuesta al escalón
De la respuesta fraccional se obtienen 3 magnitudes (ver figura
2)
 El periodo de oscilación (τ p)
 El primer sobrevalor ( SV 1)
 El primer sobrevalor ( SV 2)

Figura 53. Script que integra los parámetros en la función

transferencia del sistema

Figura 55. Respuesta de un sistema subamortiguado ante una

entrada escalón

SV 2
RA= (65)
SV 1

También puede evaluarse ξ usando la relación de atenuación:

|ln ⁡( RA )|
ξ= 2 2
(66)
√( ln ( RA )) +4 π
La frecuencia propia de oscilación es:
2π
w p= (67)
Figura 54. Respuesta generada por identificación τp
Si observamos mejor y comparamos la Figura 9 que generamos Y la frecuencia natural se calcula a partir de:
a partir de la identificación y la Figura 5 que es la respuesta del
sistema , notaremos que ambos son muy similares , pero con wp
2
algunas diferencias que son apreciables por muy poco pero que w p=wn √ 1−ξ → wn = (68)
ambas tienen características similares como por ejemplo el valor √ 1−ξ2
de sobrepico y el valor donde la amplitud se vuelve estable ,
como también los 2 sobre impulsos al alcanzar la estabilidad de k ω ²n
amplitud. Con respecto al parámetro hallado Mp G ( s )= (69)
(sobreelongacion)hay que tener cuidado cuando la señal de s 2+ 2ξ ω n s+ω ²n
excitación no es de magnitud 1 , por ello utilizamos la formula
general debido a que si cometemos una equivocación en el
Parámetro de sobreelongacion , el factor de amortiguamiento
v. Defina en Matlab los modelos hallados en los puntos Figura 58. hallamos G(s)
iii y iv. Como ya hallamos el G8s) y tenemos una entrada escalon por 5.
Definimos en el step esa entrada y ploteamos el yout con el tout
para hallar la señal Vout aproximada.

Figura 56. Cargamos sys3.dat

Primero cargamos y ploteamos los vectores guardados en

sys3,dat. Aquí se encuentran contenidos el Vin y el Vout del
sistema a identificar.

Figura 59. Script creado para hallar los parámetros de la y(t)

aproximada

vi. Compare las respuestas temporales obtenidas en

Matlab con la del circuito implementado.

Comparación:

Figura 57. Hallamos los parámetros

La primera parte de este método de identificación es hallar SV1,

esto lo consequimos primero obteniendo Vmax, y depues el
tiempo estacionario del sistema, la resta de estos 2 me da como
resultado SV1.
El SV2 es parecido, pero ahora tenmos que hallar Vmax sin
conta con el Vmax más grande, por eso hacemos un recorte de la
gráfica en el punto 15, (antes del punto 15 ocurrió la primera
Vmax), por lo que después del recorte hallara el Vmax2.
Ya con el el Sv2 y Sv1 halladas procedemos a calcular el RA
(relación de atenuación. Como el épsilon es hallado a través de
RA, hallamos el épsilon.
Calculamos también el tp1 y el tp2. Para el tp1 hallamos el índice
del tiempo cuando Vout es máxima (la sobreelongacion).
Para el tp2 hallamos el tiempo cuando Vout es máxima. Pero
como hicimos un recorte en el punto 15. Le tenemos que sumar
el tiempo anterior (Tiempo(14)), de esa forma hallamos el tp2.
Solo nos queda ahora restar tp2-tp1 para hallar tp.
A partir de esto hallamos el wp. Seguidamente podemos hallar
wn de wp y épsilon. De esta manera tendremos todos los
parámetros para halar elG(s)

Figura 60. Se muestra la respuesta Vout en la salida del

circuito (parte superior), y Vout aproximado (parte inferior)

- Observamos que la y(t) y la y(t) aproximada son muy

parecidas, en donde existe mayor diferencia es en la
sobreelongación, mientras que y(t) apenas sobrepasa
 los 1.2v, el y(t) aproximado pasa los 1.3 voltios. Por lo
demás vemos que sigue el mismo comportamiento que
el de la original. Podemos decir que la aproximación
con este método ha sido bastante buena.
- Podemos hallar ahora el error cuadratico para
comprobar que el sistema aproximado esta bastante
acertado:
[n3]:https://www.researchgate.net/profile/Victor_Alfaro/publi
cation/260058479_Identificacion_de_procesos_sobreamortigu
ados_utilizando_tecnicas_de_lazo_cerrado/links/0deec52f3b8
3b6011c000000/Identificacion-de-procesos-
sobreamortiguados-utilizando-tecnicas-de-lazo-cerrado.pdf
(pag. 8)

Figura 61. Error cuadrático para el caso del sistema de la

figura 47

vii. ¿Cuál de los dos modelos representa mejor al

circuito implementado? Justifique su respuesta.
III. CONCLUSIONES:

 La identificación de sistemas es de mucha utilidad

cuando se quiere modelar la función de transferencia
de un sistema
 La identificación representa modelos que se aproximan
al modelo real de un sistema
 Algunos métodos de identificación son para casos
específicos por lo tanto antes de realizarlo debemos
conocer las características del sistema
 No hay un solo método de identificación de sistemas
para un tipo de sistema en particular. Por lo tanto
debemos escoger el sistema que más se aproxime al
sistema real.
 Para saber que tan exacto es el sistema aproximado
que hemos hallado debemos hallar el error cuadrático
del sistema, también se le podría hallar el error
cuadrático medio, o hacer un zoom a la gráfica y
comparar la distancia entre estas
 Los sistemas aproximados que mas se parecieron a los
reales son los de primer orden y segundo orden
sobreamortiguados. En los casos de sistemas
subamortiguados se presentaban desaciertos en la
sobreelongacion. Esto lo hacía más difícil de
identificar.

IV. REFERENCIAS

[n1]:https://catedras.facet.unt.edu.ar/controldeprocesos/wp-
content/uploads/sites/85/2016/02/Tp2a.pdf (pag.3)
[n2]:https://www.researchgate.net/profile/Victor_Alfaro/publ
ication/260058479_Identificacion_de_procesos_sobreamortig
uados_utilizando_tecnicas_de_lazo_cerrado/links/0deec52f3b
83b6011c000000/Identificacion-de-procesos-
sobreamortiguados-utilizando-tecnicas-de-lazo-cerrado.pdf
(pag. 6)