Principios Básicos de

Identificación de Sistemas.
Material de Apuntes Prof. Guillermo González R.
Prof. Marcos Orchard y Prof. Doris Sáez Hueichapan.

Departamento de Ingeniería Eléctrica, Facultad de

Ciencias Físicas y Matemáticas, FCFM.
Material del Prof. G. González R.
Entre mejor es el modelo, mejor es el controlador

Introducción.
Por ejemplo si quiero crear un modelo de temperatura de una habitación, la entrada sería el ventilador, los datos serían el flujo de aire podría determinar un modelo para la temeperatura.
Entre más simple el modelo, más simple es hacer el control.

• El Problema de la Identificación de Sistemas consiste en

encontrar un modelo matemático que represente a un
sistema en forma óptima, según algún criterio y para
determinados fines.

• El modelo debe ser tal que contenga las características del

sistema que se modela necesarias para el problema o la
aplicación de que se trate.

• Para que el modelo resulte lo más simple posible, no

debería modelar aspectos que no interesan en el problema.
Material del Prof. G. González R.
 Definición, (L Zadeh).
El criterio de todos los modelos, es que la salida real menos la salida que
entraga el modelo (ec matemática) el error sea lo más pequeño posible

• Identificación es la determinación de un modelo M

perteneciente a una clase de modelos CM tal que M sea la
mejor representación de un sistema, dada una clase de
señales U de entrada y un criterio V. Todo esto sobre la
base de mediciones sólo de las variables de entrada y
salida del sistema.

Material del Prof. G. González R.

 P podría ser una ventana abierta, cortes de corriente y el clima exterior (radiación solar es la principal perturbación en un sistema
Por ejemplo, de climatización en edificios)
Otra perturbación podría ser la ocupación de la habitación (cantidad de personas)

U podría ser el flujo de aire Y la temperatura

La clase de señales es importante

para tener data que sirva para
encontrar la minimización del modelo

Queremos tener un modelo que lo represente, para ello debemos

tener datos de entrada y salida.

• u son las señales de comando, η son otras salidas de la

planta, v son las perturbaciones medidas y p son las
perturbaciones no medidas.
Material del Prof. G. González R.
 Clase de Modelos CM.

• Es el conjunto de modelos donde se busca un modelo M

que mejor represente a la planta según el criterio V y el
conjunto de señales U elegidos.
Por ejemplos, nueva renca (una termoeléctrica), la variable de entrada sería el combustible y la variable de salida la potencia eléctrica.
Entonces, los modelos de caja negra se obtienen a partir de datos empíricos.

• Modelos fenomenológicos. Ecuaciones termodinámicas, ecuaciones matemáticas, etc - Tienden a ser

complejos ya que se necesita obtener los coeficientes

• Modelos Grises (incorporan parcialmente aspectos

fenomenológicos).
• Modelos Caja Negra (Empíricos).

Material del Prof. G. González R.

 Clase de Modelos CM: Ejemplos.

• Ecuaciones diferenciales.

• Ecuaciones de diferencia. Las eciuaciones de diferencia se usarán en el curso

Material del Prof. G. González R.

 Clase de Modelos CM: Zona de Validez.
• Un modelo podría representar el comportamiento de una
planta en toda su región de operación o sólo en una
vecindad de un punto o trayectoria de operación.

• Para aplicaciones en planta donde los modelos

fenomenológicos son complejos, es conveniente usar
modelos de estructura relativamente sencilla (Ej. Modelos
lineales discretos) que se ajustan al punto de operación
vigente.

• De esta forma se obtiene un modelo más simple, exacto y

preciso, pero válido sólo en una vecindad de cada punto de
operación.
Material del Prof. G. González R.
 Clase de Modelos CM: Zona de Validez.

• La desventaja principal consiste en que el modelo debe

recalibrarse a medida que varía el punto de operación.

• En general, se desea que un cierto conjunto de parámetros

estimados sea válido en una región de operación
relativamente grande (Ej. Modelos difusos, Redes
Neuronales, etc.).

Material del Prof. G. González R.

Los primeros modelos serán lineales como la línea azul o roja.
La lógica difusa es un modelo no lineal que combina azul y rojo con regresión lineal que tengan diferentes grados de inclinación.

Material del Prof. G. González R.

 Clase de Modelos CM: Zona de Validez.
Se ocupó Taylor para determinar el modelo de linealización (azul) en Po

• Se ha aproximado F(x) por un modelo de primer grado.

• Al cambiar el punto de operación P el error de modelación

y –ym error aumenta considerablemente al salir de una
vecindad pequeña alrededor de P, definida como región de
validez para |y –ym| < εo .

• En tal caso, se debe cambiar el valor de los parámetros θi.

Material del Prof. G. González R.

 Clase de Señales U.

• Estas señales deben ser adecuadas al tipo de señales a que

va a estar sometido el sistema. En caso contrario, pueden
resultar modelos M inadecuados.

• Señales constantes
• Señales sinusoidales
• Ruido blanco
Es lo que se desea tener, pero se aplica un ruido blanco de ancho limitado. Otra opción es usar datos históricos de señal de entrada.

• Ruido coloreado (Ej. Ruido blanco filtrado)

• Escalones

Material del Prof. G. González R.

 Clase de Señales U: Excitación Persistente.

• Son señales que excitan todos los modos de operación de

la planta. Las señales U deben ser “persistentemente
excitantes” para lograr una buena identificación.

• ¿ Qué ocurre en el caso de que las señales de entrada no

son persistentemente excitantes?.

• Considérese el siguiente ejemplo:

Material del Prof. G. González R.

 Clase de Señales U: Excitación Persistente.

• Sea una planta estable: Los parámetros son a1 a0 y b0

• Se desea encontrar un modelo dentro de la clase de modelos

CM, correspondiente a las ecuaciones diferenciales lineales
de parámetros constantes.

Material del Prof. G. González R.

 Clase de Señales U: Excitación Persistente.

• Si la clase de señales U escogida es tal que u varía muy

lentamente, (y si la planta es estable), la respuesta de y c/r
a u variará lentamente, entonces, se obtiene:

Con lo cual:

que puede representarse por un modelo estático de la

forma:

Material del Prof. G. González R.

 Clase de Señales U: Excitación Persistente.

• Si ahora aparece una señal u de variación rápida, el modelo

no representará a la planta. En efecto, habrá una parte
dinámica no modelada, dada por: .
• Si u es un escalón:

Material del Prof. G. González R.

• Considérese el siguiente ejemplo:

y (t )  2 y (t )  10 y ( y )  10u (t )

• Con la respuesta al escalón unitario:

1.2

0.8
y

0.6

0.4

0.2

0
0 10 20 30 40 50 60 70 80 90
Tiempo [s] Tiempo de Muestreo Ts= 0.01[s]

Material del Prof. G. González R.

 • La señal adecuada para efectuar la identificación
corresponde a un ruido blanco limitado en banda.
• El ancho de banda del ruido se elige mayor o igual al ancho
de banda del sistema. En este caso:
Si quiero analizar el tiempo de estabilización, el ruido blanco debe variar entre
el tiempo de estabilización y dos veces el tiempo de estabilización, y la
amplitud debe ser dependiendo de la entrada y el proceso.
Entrada,(Ruido Blanco Limitado en banda)
4 Entrada,(Ruido Blanco Limitado en banda)

2 2

0 1
u

u
0
-2
-1
-4
0 1 2 3 4 5 6 7 8 9 10
0 50 100 150 200 250 300
Tiempo [s] Tiempo de Muestreo Ts= 0.01[s] 4
Tiempo [s] Tiempo de Muestreo Ts= 0.01[s]
Ruido
x 10
Salida Salida
10

5 2

y
y

0
0

-2
-5 0 50 100 150 200 250 300
0 1 2 3 4 5 6 7 8 9 10
Tiempo [s] Tiempo de Muestreo Ts= 0.01[s]
Tiempo [s] Tiempo de Muestreo Ts= 0.01[s] 4
x 10

General Salida Zoom

Material del Prof. G. González R.
• En la práctica se elige un ancho de pulso del ruido similar al
tiempo de estabilización de la planta, y una densidad
espectral del potencia tal que la salida varíe en todo su rango
de operación.
Contenido de frecuencia de la salida y del ruido Blanco de Entrada

1800 Espectro Salida

Espectro Ruido
1600

1400

1200 Espectro Ruido

1000
H(jw)

800
Espectro Salida
600

400

200

0
0 0.1 0.2 0.3 0.4 0.5 0.6
frecuencia (Hz)
Material del Prof. G. González R.
• De la figura se observa que en efecto, el espectro de
frecuencias del ruido se traslapa con el espectro de la salida,
(es decir los anchos de banda del ruido y de la salida son
similares).

• Con esto se logra excitar la planta en todos sus modos de

operación.

• En el dominio de la frecuencia, la transformada de fourier

de la función de auto correlación del ruido blanco es una
constante Q, (espectro del ruido). En la práctica no se puede
generar un ruido de energía infinita, por lo cual se usa un
ruido de banda limitada.
Material del Prof. G. González R.
• Al usar como entrada este ruido, el sistema actuá como un
filtro que atenúa el espectro del ruido, (de banda mayor o
igual), dando como resultado una señal que contiene todas
las frecuencias del sistema.

Material del Prof. G. González R.