Identificacion Experimental de Sistemas

Sistemas de Control Automático
Identificación experimental de sistemas
Angel Martínez Bueno
© 2011 GITE – IEA
-1-
ÍNDICE
1. Introducción.
1.1 Tipos de respuestas.
2. Métodos de identificación experimental.
2.1 Identificación mediante respuesta ante entrada escalón.
• Respuestas Sobreamortiguadas.
o 1er orden puro.
o 1er orden con retardo.
o Polos reales múltiples.
o Polos reales múltiples con retardo.
o Polos reales distintos.
• Sistemas inestables.
• Respuestas Subamortiguadas.
o 2º orden estándar.
o 2º orden estándar con retardo.
o 2º orden estándar con polo adicional.
o 2º orden estándar con cero adicional.
2.2 Identificación mediante respuesta en frecuencia.

2.3 Identificación mediante Mínimos cuadrados.
2.3.1 Propiedades del estimador de mínimos cuadrados.
o Modelo ARX.
o Modelo OE.
o Modelo ARMAX.
o Modelo BJ.
3. Ejemplos.
Máster en Automática y Robótica
1. Introducción.
Mediante el proceso de identificación se pretende obtener un modelo matemático del

proceso. Para ello se deben tener en cuenta las siguientes consideraciones sobre la
señal de entrada:
- Relación señal ruido: Entrada lo suficientemente grande.

- Linealidad restringida a 1 punto de funcionamiento: entrada no demasiado
grande.
- Señal de entrada “excitante”: que aporte información suficiente.
Señales más utilizadas.
1.1 Tipos de respuestas.
Existen 2 tipos de respuestas, subamortiguadas y sobreamortiguadas.
Generalmente las respuestas subamortiguadas implican un proceso con mayor

velocidad de respuesta, sin embargo presentan como inconveniente la
sobreoscilación.
Ángel Martínez Bueno Pag.1

2. Métodos de identificación experimental.
El control de un proceso implica la utilización de una serie de sensores, según la

variable a controlar, para poder obtener información del proceso en tiempo real. De
esta forma, se puede obtener un valor del error existente entre la señal de referencia o
consigna y el valor real de la variable, este tipo de configuración se denomina control
en bucle cerrado.
Figura1: Diagrama de bloques bucle cerrado.
Actualmente, existen dispositivos compactos para controlar procesos industriales,

por ejemplo: controladores de temperatura, control de velocidad de un motor, etc.
Además estos dispositivos de control disponen de un autoajuste una vez insertados

en el proceso, que permiten ajustar los parámetros del controlador de forma
automática. Sin embargo, no siempre se obtiene un correcto funcionamiento del
proceso con este autoajuste, este es el momento de diseñar el controlador de forma
analítica. Previamente al diseño del controlador, es necesario identificar el proceso,
para ello se pueden aplicar varios métodos experimentales de identificación.

2.1 Identificación mediante respuesta ante entrada escalón.
Este método consiste en aplicar sobre un sistema en equilibrio, una entrada en

forma de escalón y observar la respuesta del mismo. Posteriormente se analiza
esta respuesta, obteniendo un polinomio denominado “función de transferencia”
que pretende ser un fiel reflejo del comportamiento del proceso.
Básicamente todos los procesos existentes en la naturaleza pueden clasificarse en

dos tipos, sistemas de primer orden y sistemas de segundo orden. Dentro de los
cuales existen variantes, tal como se especificará posteriormente.
• Respuestas sobreamortiguadas.
o 1er orden Puro.

La respuesta típica de estos sistemas no presenta sobreoscilación, esto
quiere decir que nunca llegan al valor exacto de la consigna y por lo
tanto, son sistemas relativamente lentos. Por ejemplo: el calentamiento de
un horno.
Figura 2: Sistema de 1er orden puro.
La función de transferencia de un sistema de 1er orden es la siguiente.

K
G (s) =
1+τ ⋅ s
Donde:
Señal salida Δy
K: Ganancia del sistema. K = =
Señal entrada Δu
τ : Constante de tiempo
El valor de la constante de tiempo se obtiene sobre la gráfica, para ello se

observa de tiempo correspondiente a un valor del 63% Δy .
Normalmente se trabaja con un factor denominado tiempo de
establecimiento, que suele estar comprendido entre un 95 – 98 %. Este
factor determina el tiempo en el cual la respuesta se estabiliza entre los
límites indicados a ese porcentaje.
o 1er orden con retardo.
La respuesta típica de este tipo de sistemas, presenta la misma

configuración que un sistema de 1er orden puro, en el cual la respuesta
presenta un desfase o retardo respecto a la señal de entrada.
Figura 3: Sistema de 1er orden con retardo.
La función de transferencia de un sistema de 1er orden con retardo es la

siguiente.
K
G ( s) = ⋅ e −T ⋅s
1+τ ⋅ s
Donde:
Δy
K: Ganancia del sistema. K =
Δu
T : Retardo.

o Polos reales múltiples.
La respuesta de este tipo de sistemas varía según la cantidad de polos

existentes, conforme aumenta el número de polos la respuesta es más
rápida, pero aparece al inicio un arranque con mayor suavidad.
Figura 4: Sistema de polos reales múltiples.
La función de transferencia de un sistema de polos reales múltiples es la

siguiente.
K
G (s) =
(1 + τ ⋅ s )
n
Donde:
Δy
Δu
n : Número de polos del sistema.

9 Método de Strejc.
Este método se emplea para la identificación de sistemas de polos múltiples,

mediante los parámetros Tu y Ta obtenidos sobre la respuesta del sistema.
Emplea una línea recta de pendiente máxima superpuesta sobre la zona de
pendiente, de modo que el valor del parámetro Tu se obtiene con el corte del eje
de abscisas y el valor del parámetro Ta se obtiene con el corte de una paralela al
eje de abscisas en el punto donde la respuesta está estable.
Figura 5: Parámetros de Strejc.
Tras obtener el valor de las variables Tu y Ta, se obtiene el valor de Tu/Ta. Con
este valor se va a la tabla de Strejc y se toma el valor más próximo, que
determina el número de polos múltiples “n”.
Tabla 1: Número de polos múltiples.
Ta Tu
Se toman los parámetros y y se despeja en cada ecuación τ , si los 2
τ τ
valores no coinciden significa que el sistema no se ajusta bien a polos múltiples.
Si por el valor obtenido es muy próximo al de la tabla se tendrá un sistema de

orden “n”.

o Polos reales múltiples con retardo.
La respuesta es del mismo tipo que para polos reales múltiples, en la cual
al comienzo presenta un retardo.
Figura 6: Parámetros de Strejc con retardo.
La función de transferencia de un sistema polos reales múltiples con

retardo es la siguiente.
K
G (s) = ⋅ e −T ⋅s
(1 + τ ⋅ s )
n
Donde:
Δy
Δu
T : Retardo puro.
n : Número de polos del sistema.
Una vez obtenidos los parámetros, se vuelve a consultar la tabla 1 para

Ta Tu
valores de Strejc para los parámetros y , y de igual modo al
τ τ
anterior se calculan los valores de τ para saber si se ajusta bien a un
sistema de polos reales múltiples.

o Polos reales distintos.
Si la respuesta es subamortiguada y no se ajusta a ningún sistema visto

Tu
hasta ahora y < 0.104 (n=2) se puede aproximar con polos reales
Ta
distintos.
Figura 7: Ejemplos respuestas polos distintos.
La función de transferencia de un sistema de 2 polos reales distintos es la

siguiente.
K
G (s) =
(1 + τ 1 ⋅ s ) ⋅ (1 + τ 2 ⋅ s )
Donde:
Δy
Δu
τ1 ,τ 2 : Constantes de tiempo
Existen 3 proceso de ajuste, el primero consiste en ajustar a ojo tras

realizar Strejc hasta que el ajuste sea lo suficientemente preciso. El
segundo consiste en aproximar el retardo por un polo, obteniendo la
siguiente ecuación.
K −Ts K K K
G (s) = e = = ≈
1+τ s (1 + τ s )eTs
(1 + τ s )(1 + Ts + T s / 2 + ") (1 + τ s )(1 + Ts )
2 2

Por último, se puede hacer un ajuste por graficas logarítmicas, donde las
ecuaciones correspondientes son:
K K
G ( s) = =
(1 + τ 1s )(1 + τ 2 s ) (1 + )(1 + s )
s
α β
La respuesta ante escalón es:
Δ y ( t ) = Δ y ( ∞ ) − Ae − α t + Be − β t
Restando el valor final:
Δy ( ∞) − Δy (t ) = Ae −αt − Be − βt
Si el polo α es mucho menor que el β , para t grandes se aproxima:
Δy ( ∞) − Δy (t ) ≈ Ae −αt
Se dibuja en una gráfica el logaritmo de esta expresión respecto del
tiempo:
ln( Δy ( ∞ ) − Δy (t )) ≈ ln( A) − αt

Figura 8: Representación ec. ln( Δy ( ∞ ) − Δy (t )) ≈ ln( A) − αt .


Para obtener la posición del otro polo se procede de forma similar.

− Δy ( ∞) + Δy (t ) + Ae −αt = Be − βt
Se representa en una grafica el logaritmo neperiano de la ecuación
anterior.

−α ⋅t
Figura 9: Representación ln(−Δy (∞) + Δy (t ) + A ⋅ e ) = B ⋅ e− β ⋅t .

• Sistemas inestables.
Un tipo de sistema inestable es un sistema de 1er orden con integrador,

cuya función de transferencia es la siguiente.
K
G ( s) =
s (1 + τ s )

10: Sistema con respuesta inestable.

• Respuestas subamortiguadas.
Como se comento al comienzo de este documento, este tipo de respuestas
presentan sobreoscilacion y un periodo transitorio con oscilación.
o 2º orden estándar.
La mayoría de los sistemas industriales se comportan como un sistema de

este tipo, en el cual posteriormente el control pretende limitar parámetros
como la sobreoscilacion, tiempo de establecimiento y error en régimen
permanente.
Figura 11: Respuesta 2º orden estándar.
La función de transferencia de un sistema de 2º orden estándar es la

siguiente.
kωn2
G ( s) = 2
s + 2ξωn s + ωn2
Donde:
Δy
Δu
Wn : Frecuencia natural del sistema.
ξ : Amortiguamiento.

Los parámetros que definen este tipo de respuesta son:

ξπ
−
Δ ymax − Δ y (∞) 1−ξ 2
- Sobreoscilacion: δ = =e → Obtener ξ
Δ y (∞ )
Tosc π
- Tiempo de pico: t p = = → Obtener ωn
2 ωn 1 − ξ 2
o 2º orden estándar con retardo.
La función de transferencia de un sistema de 2º orden estándar con

retardo es la siguiente.
kωn2
G ( s) = ⋅ e −T ⋅s
s 2 + 2ξωn s + ωn2

12: Respuesta 2º orden estándar con retardo.
o 2º orden estándar con polo adicional.
Se puede identificar un sistema de 2º orden con polo adicional si el valor

Tosc
de t p > . Por tanto, son sistemas que evolucionan más lentamente
2
que los de 2º orden estándar.

La función de transferencia de un sistema de 2º orden estándar con polo

adicional es la siguiente.

kωn2
G ( s) =
( s 2 + 2ξωn s + ωn2 )(1 + τs )

13: Respuesta 2º orden con polo adicional.

ξπ
−
Δ ymax − Δ y (∞) 1−ξ 2
- Sobreoscilacion: δ = <e → Obtener ξ
Δ y (∞ )
Tosc π
- Tiempo de pico: t p > = → Obtener ωn
2 ωn 1 − ξ 2
o 2º orden estándar con cero adicional.
Dentro de este grupo se pueden diferenciar 2 situaciones distintas, en

primer lugar si τ > 0 , obtenemos un sistema que presenta un tiempo de
Tosc
pico t p > , siendo un sistema más rápido que uno de 2º orden
2
estándar. En segundo lugar, si τ < 0 τ > 0 , obtenemos un sistema que
Tosc
presenta un tiempo de pico t p < , siendo un sistema más lento que
2
uno de 2º orden estándar, por presentar al inicio una respuesta contraria a
lo esperado.

La función de transferencia de un sistema de 2º orden estándar con cero

adicional es la siguiente.
kωn2 (1 + τs )
G ( s) =
s 2 + 2ξωn s + ωn2

13: Respuesta 2º orden con cero adicional y τ > 0 .

ξπ
−
Δ ymax − Δ y (∞ ) 1−ξ 2
- Sobreoscilacion: δ = >e → Obtener ξ
Δ y (∞ )
Tosc π
- Tiempo de pico: t p < = → Obtener ωn
2 ωn 1 − ξ 2

14: Respuesta 2º orden con cero adicional y τ < 0 .


ξπ
−
Δ ymax − Δ y (∞ ) 1−ξ 2
- Sobreoscilacion: δ = >e → Obtener ξ
Δ y (∞ )
Tosc π
- Tiempo de pico: t p > = → Obtener ωn
2 ωn 1 − ξ 2
2.2 Identificación mediante respuesta en frecuencia.
Dado un sistema de f.d.t G(s), se define la respuesta en frecuencia como la

función de ω : G ( jω ) = G ( s ) s = jω
Si u(t) es senoidal pura de frecuencia ω :
u (t ) = U ⋅ sen (ωt )
Entonces y(t) cuando pasa el transitorio es senoidal pura de la misma frecuencia

ω :
y (t ) = U ⋅ G ( jω ) sen (ω t + arg(G ( jω )) )
La representación de la respuesta en frecuencia mediante los diagramas de Bode,

contempla 2 gráficas. En la primera se representa en el eje de abscisas la
frecuencia en escala logarítmica la frecuencia y en el eje de ordenadas la
amplitud en decibelios. En la segunda se representa en el eje de abscisas la
frecuencia en escala logarítmica la frecuencia y en el eje de ordenadas el
argumento o desfase en grados.
Figura 15: Representación Amplitud / Frecuencia.

Figura 16: Representación Desfase / Frecuencia.
El método empleado para la identificación de sistemas mediante la respuesta en

frecuencia es la aproximación asintótica de líneas rectas sobre la gráfica de
amplitud / frecuencia.
Las consideraciones a tener en cuenta para la aplicación de este método son:
¾ Para el diagrama de amplitud.
- Término constante k: añade un valor constante 20log(k).

- Un polo simple añade pendiente de -20 db/década a partir del valor del
polo.
- Un cero simple añade pendiente de +20 db/década a partir del valor del
cero.
- Un par de polos complejos, añade una pendiente de - 40 db/década a
partir del valor del módulo de los polos. Si x es pequeño, hay pico de
resonancia.
- Un par de ceros complejos, añade una pendiente de +40 db/década a
partir del valor del módulo de los ceros. Si x es pequeño, hay pico de
resonancia.
- Un polo en el origen (1/s) añade una pendiente de -20 db/década en
todas las frecuencias.
- Un cero en el origen (s) añade con una pendiente de +20 db/década en
todas las frecuencias.

¾ Para el diagrama de fase.
- Término constante k: no contribuye

- Un polo simple: 0º para w=0, -90º para w=∞.
- Un cero simple: 0º para w=0, +90º para w=∞.
- Un par de polos complejos: 0º para w=0, -180º para w=∞.
- Un par de ceros complejos: 0º para w=0, +180º para w=∞.
- Un polo en el origen (1/s): -90º en todas las frecuencias.
- Un cero en el origen (s): +90º en todas las frecuencias.
- Un cero simple positivo: 0º para w=0, -90º para w=∞.
- Un retardo puro (e-sT): fase = -wT
Si se emplea la respuesta en frecuencia para la identificación de un sistema hay

que tener presente la zona de identificación posible, esto quiere decir, que no
toda la gráfica obtenida es válida para la identificación. A continuación se
muestra una gráfica en la cual al final se obtiene una oscilación inesperada, que
indica que el sistema presenta retardo.
Figura 17: Comprobación Magnitud, oscilación a partir de 0.5 Hz.

Figura 18: Comprobación Fase.
Aplicando retardo, se obtiene una gráfica en la cual se ajusta casi perfectamente

la fase esperada.
10
G ( s) = e −5.15 s
(1 + s 0.011)(1 + s 0.094)
2
Figura 19: Comprobación Fase tras introducir retardo.

Mááster en Automática y Rob
bótica
2.33 Identificacción mediannte mínimoss cuadradoss.
Este méttodo de idenntificación consiste

c en obtener el equivalente
e discreto de un
sistema continuo
c linneal. Para elllo se debe especificar
e el periodo dde muestreo
o y el
intervaloo de valores continuos que
q equivallen a un missmo valor ddiscreto.
Figuraa 20: Proceso de muestrreo.
Aplicanddo la transfoormada Z se
s obtiene laa función diiscreta del sistema.
b1 z −1 + b2 z −2
G( z) =
1 + a1 z −1 + a2 z −2
Δyk + a1Δyk −1 + a2 Δyk − 2 = b1Δuk −1 + b2 Δuk − 2
El probleema de idenntificación se
s basa en obtener
o los valores
v a1, a2, b1, b2
conocidoos Δu0 , Δu1 ........Δu N yy Δy0 , Δy1 .........Δy N .
Ángeel Martínez Bueno

B Pag.19
Realización del experimento.
- Se aplica una entrada constante hasta que el sistema llega al equilibrio.
Figura 21: Señales de entrada usuales.
- Se produce el cambio de la entrada para obtener variación de la salida.

- Restando el valor del punto de equilibrio se obtiene la secuencia de entrada
y salida, es decir, Δu0 , Δu1 ........Δu N y Δy0 , Δy1 ........Δy N .
- Se plantea el sistema de ecuaciones a resolver (no tiene solución, porque

tiene más ecuaciones que incógnitas).
- Se definen los errores de las ecuaciones como:
⎧e2 = Δy2 − (− a1Δy1 − a2 Δy0 + b1Δu1 + b2 Δu0 )

⎪e = Δy − (− a Δy − a Δy + b Δu + b Δu )
⎪ 3 3 1 2 2 1 1 2 2 1
⎨
⎪ #
⎪⎩eN = ΔyN − (−a1ΔyN −1 − a2 ΔyN − 2 + b1Δu N −1 + b2 Δu N − 2 )

- Se reorganiza de la siguiente forma matricial:

- Finalmente se resuelve el sistema de forma que se minimiza la suma de

errores al cuadrado, es decir, minimiza: E T E = ∑ ei 2
Solución: θˆ = ( X T X ) X T Y
−1

2.3.1 Propiedades del estimador de mínimos cuadrados.
• Modelo ARX.
Equivale a introducir a la salida “limpia” una perturbación que es un

ruido blanco “e” previamente filtrado por 1/A(z):
1
A(z )
+
Δu B ( z) + Δy
A( z)

Esta situación no es cierta, puesto que supone que el valor esperado de

los parámetros no tienen sesgo.

• Modelo OE (Output Error).
b1 z −1 + b2 z −2 B
Δy ( z ) = −1 −2
Δu ( z ) + e( z ) = Δu + e
1 + a1 z + a2 z A
Es decir, que a la salida “limpia” se le suma una perturbación que es

directamente un ruido blanco “e”.
e
+ Δy
Δu B ( z) +
A( z)
Este modelo representa bien la presencia de un ruido de medida

independiente en el sensor.
• Modelo ARMAX.
b1 z −1 + b2 z −2 c0 + c1 z −1 + c2 z −2 B C
Δy ( z ) = −1 −2
Δ u ( z ) + −1 −2
e ( z ) = Δu + e
1 + a1 z + a2 z 1 + a1 z + a2 z A A
Es decir, que a la salida “limpia” se le suma una perturbación que es un

ruido blanco e previamente filtrado por C(z)/A(z).
C ( z)
A( z )
+ Δy
Δu B ( z) +
A( z )

• Modelo BJ (Box Jenkins).

b1 z −1 + b2 z −2 c0 + c1 z −1 + c2 z −2 B C
Δy ( z ) = −1 −2
Δu ( z ) + −1 −2
e ( z ) = Δu + e
1 + a1 z + a2 z 1 + d1 z + d 2 z A D
Es decir, que a la salida “limpia” se le suma una perturbación que es un

ruido blanco e previamente filtrado por C(z)/D(z).

C( z )
D( z)
+ Δy
Δu B ( z) +
A( z)

Cada modelo de perturbación lleva asociado un algoritmo de resolución sin sesgo para
obtener q. Estos algoritmos estan disponibles en MATLAB (funciones arx, oe, armax,
bj).
3. Ejemplos.
A continuación se muestran varios ejemplos para facilitar la comprensión de los

distintos sistemas vistos en este documento. Se muestra para cada uno de ellos, la
identificación sucesiva y simulación, hasta obtener el resultado deseado.

Sistemas Automáticos. Tema 2. Identificación experimental. Ejemplos. Máster en Automática y Robótica
EJEMPLO 1.
Obtener la función de transferencia de un sistema cuya respuesta ante un escalón de valor ∆u=1 es:
G1
0 .1 5
0 .1
∆y
0 .0 5
0
0 0 .5 1 1 .5 2
T im e (se cs)
Si suponemos que el sistema es de orden 1, se tiene: K=∆y/∆u=0.15, τ≈0.5. La respuesta de este sistema
sería:
0 .1 5
0 .1
0 .0 5
0
0 0 .5 1 1 .5 2 2 .5 3
T im e (se cs)
Luego el sistema no es de orden 1.
Por el método de Strejc:
G1
0.15
0.1
∆y
0.05
0
0 0.5 1 1.5 2
Time (secs)
Se obtiene Tu≈0.07, Ta≈0.65, es decir, Tu/Ta≈0.108. Entrando en la tabla de Strejc:
Ángel Martínez Bueno Pag.24 2

n Ta/τ Tu/τ Tu/Ta

1 1 0 0
2 2.7 0.28 0.104
3 3.7 0.8 0.22
4 4.46 1.42 0.32
5 5.12 2.1 0.41
se observa que la mejor aproximación es n=2, Tu/τ=0.28, Ta/τ=2.7. Se obtienen dos valores: τ=0.25,
τ=0.24. Se pueden considerar lo suficientemente próximos y tomar el valor: τ=0.24. El sistema quedaría
entonces:
0.15
G( s ) =
(1 + 0.24 s)2
La simulación de la respuesta da en este caso:
0.15
0.1
0.05
0
0 0.5 1 1.5 2 2.5 3
T im e (secs)
La aproximación del método hace que el sistema obtenido sea ligeramente más lento que el real. Se puede
mejorar el ajuste reduciendo ligeramente el valor de τ:
0.15
G( s ) =
(1 + 0.22 s)2
quedando una respuesta:
0.15
0.1
0.05
0
0 0.5 1 1.5 2 2.5 3
T im e (secs)
EJEMPLO 2
Obtener la función de transferencia de un sistema cuya respuesta ante un escalón de valor ∆u=0.3 es:

G2
3
2.5
1.5
∆y
1
0.5
0
0 2 4 6 8 10
T im e (secs)
La ganancia estática es K=∆y/∆u=3/0.3=10. Como la respuesta es muy plana al principio, se podría tratar
de aproximar a un sistema de 1er orden con retardo:
10e − Ts
G2 ( s) =
1 + τs
G2
3
2.5
1.89
2
1.5
∆y
1
0.5
T τ
0
0 2 4 6 8 10
T im e (secs)
Midiendo se tiene aprox. T=0.9 seg., τ=2.25 seg. Simulando la respuesta de este modelo se tiene:
3
2 .5
1 .5
0 .5
0
0 2 4 6 8 10 12
T im e ( s e c s )
La aproximación podría ser suficiente si no se requiere una precisión elevada.
Se podría aplicar el método de Strejc para obtener un modelo mejor:

G2
3
2 .5
1 .5
∆y
1
0 .5
0
0 2 4 6 8 10
T im e (s e c s )
Midiendo Tu≈0.8, Ta≈3.3, Tu/Ta≈0.24. Entrando en la tabla de Strejc se observa que la mejor
aproximación es n=3, Tu/τ=0.8, Ta/τ=3.7. Se obtienen dos valores: τ=1, τ=0.89. Tomando el valor medio
τ=0.95, se tendría el modelo:
10
G( s ) =
(1 + 0.95s )3
cuya respuesta simulada es:
3
2 .5
1 .5
0 .5
0
0 2 4 6 8 10
T im e (s e c s )
Se observa en este caso que el modelo obtenido no es mejor que el de primer orden con retardo.
Se podría utilizar el método de Strejc con un retardo adicional:
G2
3
2 .5
1 .5
∆y
1
0 .5
T
0
0 2 4 6 8 10
T im e (se cs)
Fijando el retardo de forma que Tu/Ta≈0.104 se tiene T≈0.46, Tu≈0.34, Ta≈3.3, Tu/Ta≈0.103. Entrando en
la tabla de Strejc se observa que la mejor aproximación es n=2, Tu/τ=0.28, Ta/τ=2.7. Se obtienen dos
valores: τ=1.26, τ=1.22. Tomando el valor medio τ=1.24, se tendría el modelo:

10e −0.46 s
G( s ) =
(1 + 1.24 s)2
3
2.5
1.5
0.5
0
0 2 4 6 8 10
T im e (secs)
Se observa que tampoco se mejora el modelo de 1er orden con retardo.

EJEMPLO 3
Se ha medido el incremento de la salida de un sistema ante un incremento escalón de la entrada de valor
2. Obtener un modelo aproximado.
G3
4
∆y 2
0
0 2 4 6 8 10 12
T im e (s e c s )
La ganancia estática es de K=2.
Aproximando a un sistema de 1er orden con retardo se tiene aprox. T≈1.5 seg., τ≈3.1. La respuesta
simulada es:
4
0
0 2 4 6 8 10 12
T im e (se cs)
Se observa una discrepancia importante. Se puede mejorar el modelo mediante el método de Strejc con
retardo:
G3
4
∆y 2
T Tu
0
0 2 4 6 8 10 12
T im e (secs)
Se tiene que T+Tu≈1.47, y Ta≈4.8. Ajustando para que Tu/Ta=0.104 se tiene T≈0.97, Tu≈0.5, obteniendo
de la tabla n=2, Tu/τ=0.28, Ta/τ=2.7. Se obtienen dos valores: τ=1.78, τ=1.78. Se tendría el modelo:

2e −0.97 s
G( s ) =
(1 + 1.78s)2
4
0
0 2 4
6 8 10 12
T im e (secs)
Nota: La respuesta real del sistema G3 se ha obtenido mediante el sistema:
2
G3 =
(1 + 1.43s)(1 + 2 s)(1 + 0.1s )10
Se observa que el modelo obtenido no se parece demasiado al real. Sin embargo es un modelo adecuado,
pues tiene una respuesta ante escalón muy similar.
EJEMPLO 4
La respuesta ante escalón de valor 4 de un sistema se ha medido, siendo:
G4
1
0.8
0.6
∆y
0.4
0.2
0
0 0.5 1.5 1 2 2.5 3
T im e (secs)
Aproximando un sistema de 1er orden se tiene K=1/4=0.25, τ≈0.7. La respuesta simulada es:
1
0 .8
0 .6
0 .4
0 .2
0
0 1 2 3 4
T im e ( s e c s )

La aproximación no es demasiado buena. El método de Strejc da:

G4
1
0.8
0.6
∆y
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3
Time (secs)
Tu≈0.08, Ta≈0.85, Tu/ Ta≈0.094. La entrada de la tabla más próxima es la de n=2, obteniéndose: τ=0.286
y τ=0.315. Tomando el valor medio se tiene τ=0.3, con lo que la respuesta simulada es:
0 .8
0 .6
0 .4
0 .2
0
0 0 .5 1 .5 1 2 2 .5 3
T im e (s e c s )
En este caso la aproximación tampoco es buena. Eso significa que el sistema no se puede aproximar a un
modelo de polos múltiples. Se podría intentar ajustar un modelo con dos polos reales distintos:
0.25
G( s ) =
(1 + τ 1s )(1 + τ 2 s)
La respuesta de este modelo ante el escalón de valor 4 es
t t t t
− − − −
τ1 τ2 τ1 τ2
∆ym (t ) = 1 + Ae + Be = 1− e τ1 + e τ2
τ1 − τ 2 τ1 − τ 2
El problema a resolver sería ahora obtener los valores de τ1 y τ2 que minimizan la diferencia de la función
anterior y de los valores medidos. Para ello habría que tomar una serie de puntos de la gráfica, y plantear
el problema de minimización, que se resuelve de forma numérica, por ejemplo mediante la función fminu
de MATLAB. Lo normal es minimizar la suma de los cuadrados de los errores (∆ym(t)-∆y(t))2 en los
puntos en los que se tiene la medida.
Una alternativa para identificar un modelo con varios polos reales y diferentes es la realización
de gráficas logarítmicas de la respuesta. Este método es válido si los polos son bastante diferentes entre
sí. En este caso, si se supone que el modelo tiene 2 polos reales y diferentes, es decir, la función de
transferencia es:
0.25 0.25
G ( s) = =
(1 + τ 1 s )(1 + τ 2 s ) (1 + s )(1 + s )
α β
La respuesta de este modelo ante el escalón de valor 4 tiene la forma:

∆y m (t ) = 1 + Ae −αt + Be − βt
Despejando el término de valor final se tiene:
1 − ∆y m (t ) = − Ae −αt − Be − βt
Si el polo α es mucho menor que el β, la exponencial e-βt se hace despreciable frente a e-αt en cuanto pasa
un tiempo, por lo que
1 − ∆y m (t ) ≈ − Ae −αt
para t suficientemente grande. Si se dibuja en una gráfica el logaritmo de la expresión anterior se tiene:
ln(1 − ∆y m (t )) ≈ ln(− A) − αt
es decir, se tiene para t grande una recta cuya pendiente es el polo y cuyo valor en t=0 es el ln(-A).
Trazando la recta tangente para tiempos altos se obtiene:
ln(1-∆y) 2
1
ln(-A)=0.4
0
-1
-2
-3
-4
-5
α=8/4=2
-6
-7
-8
0 0.5 1 1.5 2 2.5 3 3.5 4
t
es decir, A=-e0.4=-1.5, α=2. Para obtener el otro polo se pasa a la izquierda el término del polo lento que
ya es conocido:
− 1 + ∆y m (t ) − Ae −αt = −1 + ∆y m (t ) + 1.5e −2t = Be − βt
donde se ha cambiado de signo a toda la expresión para poder tomar logaritmos:
ln(−1 + ∆y m (t ) + 1.5e −2t ) = ln( B) − βt
Dibujando esta gráfica logarítmica se tiene:
0
ln(-1+∆y+1.5e-2t)
-5
-10
-15
β=24/4=6
-20
-25
0 0.5 1 1.5 2 2.5 3 3.5 4
Es decir, la pendiente es β=6 (el otro polo). Se observa que la gráfica es prácticamente una línea recta (no
solo para tiempos grandes). Esto se debe a que el sistema no tiene ningún otro polo en este caso. En un

caso real lo habitual es que la gráfica solo se aproxime a una línea recta para tiempos grandes, por lo que
se tendría que trazar la tangente, tal y como se ha hecho antes. En este caso la ordenada en el origen me
daría el ln(B), pero no hace falta, pues no es necesaria para el modelo. Si hubiera un tercer polo sí
tendríamos que medir el valor de B, y volver a dibujar una nueva gráfica logarítmica para el nuevo polo
(pasando a la izquierda los términos conocidos de los 2 polos ya calculados).
Otra alternativa al método anterior es el método de mínimos cuadrados. En este método se plantea la
obtención de una función de transferencia discreta:
b z − 1 + b z −2
G ( z ) = 1 −1 2 − 2
1 + a1z + a2 z
de donde se obtendrá la función de transferencia continua mediante el método del equivalente discreto.
Este método solo es válido si las medidas de ∆y(t) están igualmente espaciadas en el tiempo (han sido
tomadas con un periodo constante). Por ejemplo se tendrían los valores medidos ∆y(-0.1)= ∆y(0)=0,
∆y(0.1), ∆y(0.2), ..., ∆y(2). Además se conocen los valores de la entrada en esos instantes ∆u(-0.1)=0,
∆u(0)=∆u(0.1)=...=∆u(2)=4. Las ecuaciones que se pueden plantear son:
∆y (0.1) = −a1∆y (0) − a 2 ∆y (−0.1) + b1∆u (0) + b2 ∆u (−0.1)
∆y (0.2) = −a1 ∆y (0.1) − a 2 ∆y(0) + b1 ∆u (0.1) + b2 ∆u (0)
∆y (0.3) = − a1 ∆y (0.2) − a 2 ∆y (0.1) + b1 ∆u (0.2) + b2 ∆u (0.1)
M
∆y (2) = − a1 ∆y (1.9) − a 2 ∆y (1.8) + b1 ∆u (1.9) + b2 ∆u (1.8)
La solución a este sistema incompatible de 19 ecuaciones y 4 incógnitas se obtiene por mínimos
cuadrados:
llamando
⎡ − ∆y (0) − ∆y (−0.1) ∆u (0) ∆u (−0.1)⎤ ⎡ ∆y (0.1) ⎤
⎢− ∆y (0.1) − ∆y (0) ∆u (0.1) ∆u (0) ⎥⎥ ⎢∆y (0.2)⎥
X= ⎢ ; Y =⎢ ⎥
⎢ M M M M ⎥ ⎢ M ⎥
⎢ ⎥ ⎢ ⎥
⎣− ∆y (1.9) − ∆y (1.8) ∆u (1.9) ∆u (1.8) ⎦ ⎣ ∆y (2) ⎦
la ecuación se expresa en forma matricial:
Y = X ⋅ [a1 b1 b2 ]
T
a2
la solución que minimiza el error cuadrático es:
[a1 a2
T
(
b1 b2 ] = X T X )
−1
X TY
Es necesario incluir la ecuación en la que aparece ∆u(-0.1) porque en caso contrario la matriz X sería
singular (por ser iguales la tercera y cuarta columna) y no se podría invertir.
El cálculo se tiene que hacer, evidentemente, mediante un programa de ordenador, por ejemplo el
MATLAB. Bastaría construir la matriz X y el vector Y, y resolver la ecuación. En este caso se obtiene
a1=-1.368, a2=0.45, b1=0.0204, b2=0. La función de transferencia continua G(s) se obtendría sabiendo
que la G(z) obtenida es el equivalente discreto para entrada constante. El cálculo de G(s) a partir del
equivalente discreto se puede realizar de forma inmediata utilizando la función d2cm de MATLAB. En
este caso se obtiene:
3
G(s) =
( s + 2)( s + 6)
por lo que τ1=1/6, τ2=1/2.

EJEMPLO 5
Obtener la f.d.t. del sistema cuya respuesta ante escalón de valor ∆u=0.4 es:
G5
0 .2 5
0 .2
0 .1 5
0 .1
∆y
0 .0 5
0
0 1 2 3 4 5
T im e (s e c s )
En primer lugar supondremos que es un sistema de 2º orden estándar. La ganancia estática es:
K=0.2/0.4=0.5. La sobreoscilación es:
− ξπ
0.25 − 0.2 1− ξ 2
δ= = 0.25 = e ⇒ ξ = 0.4
0.2
El periodo de oscilación es: T=2.9 seg ⇒ ωp=2π/T=2.17 rad/s.
El tiempo de pico es: tp=1.42 seg ⇒ ωp=π/tp=2.21 rad/s.
Como los dos valores son muy similares se concluye que el modelo de 2º orden estándar puede ser
correcto. Utilizando el valor medio se tiene:
ω p = 2.19 = ω n 1 − ξ 2 ⇒ ω n = 2.39 rad / s
La respuesta del modelo simulada es:
0 .3
0 .2 5
0 .2
0 .1 5
0 .1
0 .0 5
0
0 1 2 3 4 5
T im e ( s e c s )

EJEMPLO 6
Obtener la f.d.t. aproximada del sistema cuya respuesta ante una entrada escalón de valor 3 es:
2
1 .9
1 .8
1 .7
1 .6
1 .5
1 .4
1 .3
1 .2
1 .1 T /2
1
∆ y 0 .9
0 .8
0 .7
0 .6
0 .5
0 .4
0 .3
0 .2
0 .1
0
0 0 .2 0 .4 0 .6 0 .8 1 1 .2 1 .4 1 .6 1 .8 2 2 .2 2 .4 2 .6 2 .8 3
t (s e g )
Supondremos en primer lugar que es un sistema de 2º orden estándar. Midiendo sobre la gráfica la
sobreoscilación, el tiempo de pico y la frecuencia de oscilación se tienen datos suficientes para obtener ξ
y ωn. La ganancia estática se obtiene sin más que leer el valor en el que se estabiliza la entrada, teniendo
en cuenta que la entrada es un escalón de 3 unidades:
1.5
K= = 0.5
3
−ξπ
1.87 − 1.5 1− ξ 2
δ= = 0.247 = e
1.5
−ξπ 1 (ln(0.247))2
ln(0.247) = ⇒ (1 − ξ 2 ) = π 2ξ 2 ⇒ ξ = = 0.406
1 − ξ2 (ln(0.247))2 π 2 + (ln(0.247))2
π π
t p = 0.65 = ⇒ωp = = 4.83 = ω n 1 − ξ 2 ⇒ ω n = 5.29 rad / s
ωp 0.65
Por otra parte tenemos que el periodo de oscilación vale T=2*T/2=2*0.9=1.8 seg. Luego se tiene:
2π
T = 1.8 ⇒ ω p = = 3.49 rad / s
T
Evidentemente las dos frecuencias calculadas no coinciden, luego el sistema no es de 2º orden estándar, y
las fórmulas utilizadas para calcular δ y tp no son válidas. El valor real de ωp siempre coincide con la
frecuencia de oscilación, luego sabemos que ωp=3.49 rad/s. Con este valor, si el sistema fuera de 2º orden
estándar se tendría un tiempo de pico de tp=π/ωp=0.9 seg. Ahora bien, el sistema real tiene un tiempo de
pico de 0.65<0.9. Al ser menor que el correspondiente al sistema de 2º orden estándar, se puede suponer
que es un sistema de 2º orden con un cero adicional de valor τ>0, es decir:
Kω n 2 (1 + τs)
G( s ) = 2
s + 2ξω n s + ω n 2
De este sistema conocemos la ganancia K=0.5, y ωp=3.49 rad/s. Falta calcular ξ, τ y ωn. Para obtenerlos
disponemos de las ecuaciones para el sistema de 2º orden con cero adicional:
⎛ ω 1 − ξ2 ⎞
π − arctg⎜ n ⎟
⎜ 1 − ξω n ⎟
⎝ τ ⎠
(I) t p = 0.65 =
ω n 1 − ξ2
−ξω n t p
(II) δ = 0.247 = 1 − 2ξω nτ + ω n 2τ 2 e
(III) ω p = 3.49 = ω n 1 − ξ 2
Estas 3 ecuaciones con 3 incógnitas se pueden resolver iterando o con cualquier programa
(MATEMATICA o MATLAB por ejemplo). Los valores iniciales se tomarían de forma que: ξ>0.406 y
ωn>3.82 (ya que la sobreoscilación real es mayor que la del sistema de 2º orden estándar) y τ>0.
Partiendo de valores iniciales ξ=0.5, ωn=4 y τ=0 y utilizando la función fsolve de MATLAB se obtiene:.
ξ=0.5016, ωn=4.034 y τ=0.202.
La respuesta simulada se ajusta perfectamente a la respuesta real:

2
1 .5
0 .5
0
0 0 .5 1 1 .5 2 2 .5 3
T im e ( s e c s )
Un método alternativo es el de calcular un modelo discreto de 2º orden por mínimos cuadrados,
calculando después el modelo continuo. El modelo discreto sería de la misma forma que en el ejemplo de
polos reales diferentes.
EJEMPLO 7
La respuesta de un sistema ante un incremento escalón de valor 0.2 en la entrada es:
G7
0 .3 5
0 .3
0 .2 5
0 .2
0 .1 5
∆ y 0 .1
0 .0 5
0
0 1 2 3 4 5
T im e (s e c s )
Suponiendo que fuera un sistema de 2º orden estándar se tiene:
0.3
K= = 1.5
0.2
− ξπ
0.35 − 0.3 1− ξ 2
δ= = 0.167 = e ⇒ ξ = 0.495
0.3
Por otra parte tenemos que el periodo de oscilación vale T=2.4 seg. Luego se tiene:
2π
T = 2.4 ⇒ ω p = = 2.62 rad / s
T
Si fuera estándar, el tiempo de pico debería valer: tp=π/ωp=1.2 seg. Sin embargo en la gráfica se mide un
valor de tp=1.6 seg. Eso significa que el sistema no es estándar. Tampoco se puede modelizar con un cero
adicional, pues el tiempo de pico es mayor, y no hay respuesta negativa inicial. Una posibilidad es
considerar un sistema de 3er orden, es decir, un polo adicional, de la forma:
Kω n 2
G( s ) = 2
( s + 2ξω n s + ω n 2 )(1 + τs)
este polo adicional podría justificar el aumento del tiempo de pico. También produce un efecto de
disminución de la sobreoscilación. Eso implica que en el sistema real ξ<0.495 y ωn<3. Además,
τ>0, porque el sistema es estable. Del sistema anterior sabemos además que K=1.5 y que
ω p = ω n 1 − ξ 2 = 2.62 rad / s . El cálculo de los parámetros ξ, ωn y τ se podría hacer bien utilizando
mínimos cuadrados con un modelo discreto de 3er orden, calculando después el modelo continuo. El
modelo discreto sería de la forma:

b1z −1 + b2 z −2 + b3 z −3
G( z) =
1 + a1z −1 + a2 z − 2 + a3 z − 3
Otra posibilidad es ajustar los parámetros (ξ, ωn y τ ) por tanteo, simulando la repuesta y comparándola
con la real.

Identificacion Experimental de Sistemas

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Identificacion Experimental de Sistemas

Cargado por

Copyright:

Formatos disponibles

Sistemas de Control Automático

Identificación experimental de sistemas

Angel Martínez Bueno

© 2011 GITE – IEA

2.2 Identificación mediante respuesta en frecuencia.

Mediante el proceso de identificación se pretende obtener un modelo matemático del

- Relación señal ruido: Entrada lo suficientemente grande.

Señales más utilizadas.

1.1 Tipos de respuestas.

Existen 2 tipos de respuestas, subamortiguadas y sobreamortiguadas.

Generalmente las respuestas subamortiguadas implican un proceso con mayor

Ángel Martínez Bueno Pag.1

2. Métodos de identificación experimental.

El control de un proceso implica la utilización de una serie de sensores, según la

Figura1: Diagrama de bloques bucle cerrado.

Actualmente, existen dispositivos compactos para controlar procesos industriales,

Además estos dispositivos de control disponen de un autoajuste una vez insertados

Ángel Martínez Bueno Pag.2

2.1 Identificación mediante respuesta ante entrada escalón.

Este método consiste en aplicar sobre un sistema en equilibrio, una entrada en

Básicamente todos los procesos existentes en la naturaleza pueden clasificarse en

o 1er orden Puro.

Figura 2: Sistema de 1er orden puro.

La función de transferencia de un sistema de 1er orden es la siguiente.

El valor de la constante de tiempo se obtiene sobre la gráfica, para ello se

o 1er orden con retardo.

La respuesta típica de este tipo de sistemas, presenta la misma

Figura 3: Sistema de 1er orden con retardo.

La función de transferencia de un sistema de 1er orden con retardo es la

Ángel Martínez Bueno Pag.4

o Polos reales múltiples.

La respuesta de este tipo de sistemas varía según la cantidad de polos

Figura 4: Sistema de polos reales múltiples.

La función de transferencia de un sistema de polos reales múltiples es la

Ángel Martínez Bueno Pag.5

Este método se emplea para la identificación de sistemas de polos múltiples,

Figura 5: Parámetros de Strejc.

Tabla 1: Número de polos múltiples.

Si por el valor obtenido es muy próximo al de la tabla se tendrá un sistema de

Ángel Martínez Bueno Pag.6

o Polos reales múltiples con retardo.

Figura 6: Parámetros de Strejc con retardo.

La función de transferencia de un sistema polos reales múltiples con

Una vez obtenidos los parámetros, se vuelve a consultar la tabla 1 para

Ángel Martínez Bueno Pag.7

o Polos reales distintos.

Si la respuesta es subamortiguada y no se ajusta a ningún sistema visto

Figura 7: Ejemplos respuestas polos distintos.

La función de transferencia de un sistema de 2 polos reales distintos es la

Existen 3 proceso de ajuste, el primero consiste en ajustar a ojo tras

Ángel Martínez Bueno Pag.8

La respuesta ante escalón es:

Figura 8: Representación ec. ln( Δy ( ∞ ) − Δy (t )) ≈ ln( A) − αt .

Ángel Martínez Bueno Pag.9

Para obtener la posición del otro polo se procede de forma similar.

Un tipo de sistema inestable es un sistema de 1er orden con integrador,

Ángel Martínez Bueno Pag.10

La mayoría de los sistemas industriales se comportan como un sistema de

Figura 11: Respuesta 2º orden estándar.

La función de transferencia de un sistema de 2º orden estándar es la

Ángel Martínez Bueno Pag.11

Los parámetros que definen este tipo de respuesta son:

o 2º orden estándar con retardo.

La función de transferencia de un sistema de 2º orden estándar con