Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 1

IDENTIFICACIÓN DE SISTEMAS

Black-box: los parámetros del modelo no tienen una

6190062) • Morales Vela Erick Brayann (16190132) interpretación física. Un modelo basado en leyes
fundamentales es muy complicado o se desconoce.
dad Nacional Mayor de San Marcos - Lima
Facultad de Ingeniería Electrónica
Resumen — En este documento se procederá a Gray-box: algunas partes del sistema son modeladas
documentar todo lo relacionado con la experiencia de basándose en principios fundamentales, y otras como
identificación de sistemas. Para este fin se va una caja negra. Algunos de los parámetros del modelo
pueden tener una interpretación física; a este tipo de
complementar el uso de Matlab con el software
modelos también se les conoce como “Tailor-made”,
Proteus. Veremos que se puede tener el sistema
estimando sólo los parámetros no conocidos.
identificado a partir de los datos de entrada y salida de
dicho sistema, la primera parte utilizamos los métodos
White-box: la estructura del modelo se obtiene a partir
basados en la curva de reacción y en la segunda parte de leyes fundamentales. Los parámetros tienen una
identificaremos un sistema físico. interpretación física.
Palabras Clave — Matlab, Proteus, identificación de
sistemas, sistema físico.

Summary - In this document, everything related to

the system identification experience will be
documented. For this purpose, the use of Matlab with
the Proteus software will be complemented. We will
see that we can have the system identified from the
input and output data of that system, the first part we
use the methods based on the reaction curve and in II. MATERIAL ES Y MÉTODOS
the second part we will identify a physical system.

A. Equipos y Materiales Utilizados

Keywords - Matlab, Proteus, identification of
systems, physical system.  Computadora con el software MATLAB y
Proteus.

I. INTRODUCCIÓN III. PROCEDIMIENTO

Podemos definir la identificación de sistemas, como los
estudios de técnicas que persiguen la obtención de
modelos matemáticos de sistemas dinámicos a partir de
mediciones realizadas en el proceso: entradas o
variables de control, salidas o variables controladas y
perturbaciones (figura 1).
El enfoque de la identificación se puede realizar en
función de la estructura del modelo, y del
comportamiento físico o no del mismo. Podemos
distinguir:
a. Parte 1: Métodos basados en la curva de
reacción.
En esta parte identificaremos un modelo para dos
sistemas implementados en Proteus, aplicando los
métodos basados en la curva de reacción de
Matlab.
i. Ejecute el programa Proteus y abra el
archivo Sistema1.pdsprj. Este archivo
contiene un bloque denominado Sistema1.
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica
ii. La respuesta del sistema lo podemos
observar en el visor de ‘Analogue Analysis’,
tal como se muestra en la siguiente figura.
iii. Indique de qué orden es el sistema a
analizar.
Como verificar en la imagen anterior, el
sistema 1 es de primer orden.
iv. Elija el método basado en la Curva de
Reacción, más adecuado según su criterio,
para identificar un modelo G(s).
Estudiaremos este sistema como un “sistema
de primer orden sin retardo”, donde la función
de transferencia está dada por:
k
G ( s )=
τs+1
Donde:
Yu
k= , y la constante de tiempo τ se calcula
∆u
de acuerdo a la siguiente figura, determinando
el tiempo en el que la respuesta del sistema
alcanza el 0.632 del valor final de la respuesta.
2
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. Guarde el archivo con
el nombre “Sistema1.dat” en la carpeta que
se tiene como directorio MATLAB.
vi. En MATLAB, ejecute la función
“proteus2matlab” utilizando la siguiente
sintaxis:
>>[Tiempo,Vin,Vout]=proteus2matlab(‘Sistem
a.dat’);
Lo cual creará en el Workspace los vectores
Tiempo, Vin y Vout obtenidos a partir del
archivo exportado en el punto v.
%primero importamos la data de la
simulacion en proteus
[T1, vin1, vout1]=
proteus2matlab('Sistema1.dat');
%T1=vector tiempo
%vin1=valores de voltaje de
entrada
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 3

%vout1=valores de voltaje de %vout1=valores de voltaje de

salida salida
vii. Grafique los vectores Vin y Vout vs el vector plot(T1,vin1,T1,vout1)%ploteo de
Tiempo. Verifique que sea la misma voltaje de salida y entrada
hold on
respuesta obtenida en Proteus. %identificacion de un sistema de
plot(T1,vin1,T1,vout1,'k+')%ploteo 1er orden
de voltaje de salida y entrada %1. tiempo que tarda en llegar a
0.632 del voltaje max
t1=T1(max(find(vout1>0.632*vin1,1)
Verificamos el resultado:
))
6 %2. voltaje donde se estabiliza la
Vin1
Vout1
señal de salida
5 % amplitud de la señal de
entrada
4 v1=max(vout1);
v3=max(vin1);
3
%3. ganancia
k1=v1/v3
%4. modelo de identificacion
2
num=[k1];
den=[t1 1];
1 G1=tf(num,den)
%ploteo de la señal frente a una
0 entrada escalon
0 0.5 1 1.5 2 2.5 3
step(5*G1,'yo')
Trazo azul: Vin. hold off
Trazo rojo: Vout.
Con el código anterior obtenemos los
Ahora comparamos con la gráfica de Proteus: siguientes parámetros que nos ayudarán a
identificar nuestro sistema.

Podemos verificar que ambas gráficas

coinciden. Donde:
-t1: Constante de tiempo cuando la respuesta
viii. Utilice Matlab para hallar un modelo según alcanza el 0.632 del valor final de la respuesta
el método elegido en el punto iv. (cree un (τ ).
script que obtengan los parámetros Yu
necesarios). -k 1= .
∆u
%primero importamos la data de la
simulacion en proteus ix. Defina la función de transferencia, G(s), del
[T1, vin1, vout1]= modelo obtenido en el paso previo.
proteus2matlab('Sistema1.dat');
%T1=vector tiempo %4. modelo de identificacion
%vin1=valores de voltaje de num=[k1];
entrada den=[t1 1];
G1=tf(num,den)
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 4

Step Response
5
Obtenemos la siguiente función de Entrada
4.5
transferencia: Proteus
Matlab
4

3.5

Amplitude
2.5

1.5

0.5

x. Obtenga su respuesta temporal ante una 0

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
entrada escalón. Time (seconds)
-Matlab: respuesta temporal obtenida en
%ploteo de la señal frente a una
Matlab.
entrada escalon
step(5*G1) -Proteus: respuesta temporal obtenida en
Proteus.
Step Response
5 -Entrada: entrada escalón unitario.
System: untitled1
4.5
Settling time (seconds): 0.85
System: untitled1
4 (seconds): 0.478
Rise time xii. A partir del punto anterior, considera que
3.5 es aceptable la respuesta del modelo
3 obtenido G(s).
Amplitude

2.5

2 Mediante la comparación de las figuras

1.5 anteriores, podemos decir que es aceptable la
1
respuesta del modelo obtenido, teniendo en
0.5
cuenta que existe cierto rango de error.
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Time (seconds)
xiii. Ejecute el programa Proteus y abra el
archivo Sistema2.pdsprj. Este archivo
xi. Presente en una sola gráfica, tanto la contiene un bloque Sistema2.
respuesta temporal obtenida en el punto
anterior como la respuesta importada desde
Proteus.
plot(T1,vin1,T1,vout1,'b+')%ploteo
de voltaje de salida y entrada
hold on
num=[k1];
den=[t1 1];
G1=tf(num,den)
%ploteo de la señal frente a una
entrada escalon
xiv. La respuesta del sistema lo podemos
step(5*G1,'y*') observar en el visor de ‘Analogue Analysis’,
hold off tal como se muestra en la siguiente figura.
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 5

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).
 Ejecutamos la función “proteus2matlab”
 El sistema anterior lo analizaremos como
utilizando la siguiente sintaxis:
“Sistemas de 2do orden sobre-amortiguado”
con el método de los dos puntos de Smith, %primero exportamos la data de la
donde la función de transferencia está dada simulacion en proteus
[T, vin, vout]=
por:
−t m s
proteus2matlab('Sistema2.dat');
ke %T=vector tiempo
G ( s )=
τs+ 1 %vin=valores de voltaje de entrada
Donde: %vout=valores de voltaje de salida
Yu
-k = Lo cual creará en el Workspace los vectores
∆u Tiempo, Vin y Vout.
-τ =1.5(t 28−t 63)
-t m=t 63 −τ  Graficamos los vectores Vin y Vout vs el
*t 28: tiempo cuando la respuesta alcanza el vector Tiempo. Verifique que sea la misma
0.283 del valor final. respuesta obtenida en Proteus.
*t 63: tiempo cuando la respuesta alcanza el plot(T,vin,T,vout)%ploteo de
0.632 del valor final. voltaje de salida y entrada

Verficamos resultado:

6
Vin
Vout
5

1
 Primero exportamos los datos haciendo clic en
la opción Graph  Export Graph Data. 0
Guardamos el archivo con el nombre 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

“Sistema2.dat” en la carpeta que se tiene como

directorio MATLAB. Trazo azul: Vin.
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 6

Trazo rajo: Vout. G=tf(num,den,'InputDelay',tm);

% ploteo de la señal frente a
 Ahora comprobamos con la gráfica de Proteus.
entrada escalón
%step(5*G,'g-')
stepinfo(5*G)
hold off

 Obtenemos los siguientes parámetros:

Podemos verificar que ambas gráficas

coinciden.

 Creamos un script en Matlab que nos ayude a

obtener los parámetros necesarios para
construir la función de transferencia del Donde:
sistema. -t63: tiempo cuando la respuesta alcanza el
%primero exportamos la data de la 0.632 del valor final.
simulacion en proteus -t28: tiempo cuando la respuesta alcanza el
[T, vin, vout]= 0.283 del valor final.
proteus2matlab('Sistema2.dat');
%T=vector tiempo -tow=1.5(t 28−t 63).
%vin=valores de voltaje de entrada -tm: tiempo muerto.
%vout=valores de voltaje de salida Yu
plot(T,vin,T,vout)%ploteo de -k = .
voltaje de salida y entrada ∆u
hold on
%identificacion de un sistema de  Definimos la función de transferencia, G(s),
2do con retardo del modelo obtenido en el paso previo.
%1. tiempo que tarda en llegar a
0.632 del voltaje max %7. modelo de identificación
t63=T(max(find(vout>0.632*vin,1))) num=[k];
; den=[tow 1];
%2. tiempo que tarda en llegar a G=tf(num,den,'InputDelay',tm)
0.283 del voltaje max
t28=T(max(find(vout>0.283*vin,1)))
;
%3. voltaje donde se estabiliza la
señal de salida
% amplitud de la señal de
entrada
v=max(vout);
v2=max(vin);
%4. ganancia  Obtenemos su respuesta temporal ante una
k=v/v2; entrada escalón.
%5. constante de tiempo(tao)
tow=1.5*(t63-t28); % ploteo de la señal frente a
%6. tiempo muerto(tm) entrada escalón
tm=t63-tow; step(5*G,'g-')
%7. modelo de identificación
num=[k];
den=[tow 1];
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 7

5
Step Response Mediante la comparación de las figuras
4.5
System: untitled1 anteriores, podemos decir que es aceptable la
Settling time (seconds): 2.56
4
System: untitled1
Rise time (seconds): 1.34
respuesta del modelo obtenido, teniendo en
3.5
cuenta que existe cierto rango de error.
3
Amplitude

2.5 xvi. A continuación, se presenta otro método

2 para obtener la identificación del sistema, lo
1.5 aplicaremos para ‘Sistema1.dat’, siguiendo
1 la misma lógica se puede aplicar para
0.5 ‘Sistema2.dat’.
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Time (seconds) Aplicamos para ‘Sistema1.dat’. Este método es
propio de Matlab, seguimos los siguientes
 Ahora, presentamos en una sola gráfica, tanto pasos:
la respuesta temporal obtenida en el punto
anterior como la respuesta importada desde  Escribimos en el Comand Window lo
Proteus. siguiente: ‘ident’, lo que nos permite acceder
plot(T,vin,T,vout,'b+')%ploteo de al Sistema de Identificación de la caja de
voltaje de salida y entrada herramientas de MATLAB para poder crear y
hold on utilizar modelos de sistemas dinámicos a partir
%7. modelo de identificación de datos de entrada-salida medidos.
num=[k];
den=[tow 1];
G=tf(num,den,'InputDelay',tm)  Nos sale la siguiente ventana, donde
% ploteo de la señal frente a condicionaremos nuestra función de
entrada escalón transferencia a estimar.
step(5*G,'y*')
%hold off

Step Response
6
entrada
Proteus
5 Matlab

4
Amplitude

1
 Ahora escogemos la opción ‘import data’ 
0 ’Time domain data’, nos aparece una nueva
0 0.5 1 1.5 2 2.5 3 3.5 4
Time (seconds) ventana donde pondremos las siguientes
indicaciones:
-Matlab: respuesta temporal obtenida en *Input: ‘vin1’, que son los datos de entrada
Matlab. para el ‘Sistema1.dat’.
-Proteus: respuesta temporal obtenida en *Output: ‘vout1’, que son los datos de salida
Proteus. para el ‘Sistema1.dat’
-Entrada: entrada escalón unitario. *Data name: para este caso ‘mydata’.
*Starting time: 0.
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 8

*Sample time: 0.0001, este parámetro es
importante, debido a que es el valor de saltos
que tiene el tiempo de muestreo de los valores
de entrada y salida.
*Number of poles: 1, debido a que el sistema a
estimar es de primer orden.
*Number of zeros: 0, debido a que el sistema a
estimar no tiene ceros.
Finalmente escogemos la opción ‘Estimate’ de
la parte inferior.

 Tener en cuenta que, para el paso anterior, en

el Workspace ya deben figurar ‘vin1’ y  En la ventana ‘System identification’ aparece
‘vout1’. Ahora escogemos la opción ‘Import’ ‘tf1’ (color verde) que es nuestro sistema
de la parte inferior de la ventana anterior. En la estimado.
ventana ‘System Identification’ nos aparece los
datos anteriormente insertados en la ventana
‘Import Data’ con el nombre de ‘mydata’
(color azul).

 Le hacemos doble click y obtenemos la

función de transferencia estimada.

Seguidamente escogemos la opción ‘Estimate’

 ‘Transfer Function Models’.

 Nos aparece una nueva ventana ‘Transfer

Functions’, donde ponemos lo siguiente:
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 9

%primero importamos la data de la

simulacion en proteus
[T1, vin1, vout1]=
proteus2matlab('Sistema1.dat');
%T1=vector tiempo
%vin1=valores de voltaje de
entrada
%vout1=valores de voltaje de
salida
plot(T1,vin1,T1,vout1,'b+')%ploteo
de voltaje de salida y entrada
hold on
step(5*tf1,'y*')%ploteo de la tf
estimada con el segundo método
hold off

Step Response
From: u1 To: Out(1)
6
Entrada
Proteus
5 Matlab

Amplitude
La función de transferencia estimada es:
3

4.619 2

s +4.618
1

En la ventana anterior escogemos la opción

0
inferior ‘Export’ para exportar esta función de 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Time (seconds)
transferencia estimada al workspace.
Si comparamos esta función de transferencia
con la obtenida por el primer método: -Matlab: respuesta temporal obtenida en
Matlab con la segunda estimación.
-Proteus: respuesta temporal obtenida en
Proteus.
-Entrada: entrada escalón unitario.

Mediante la comparación de las figuras

anteriores, podemos decir que es aceptable la
respuesta del modelo obtenido, teniendo en
Podemos notar que son muy semejantes, para
cuenta que existe cierto rango de error.
notarlo, multiplicamos la primera función de
transferencia por 1/4.619 obtenemos lo b. Parte 2: Identificación de un sistema físico
siguiente: i. Implemente el circuito presentado en la
siguiente figura.
1
0.21649 s+ 1

Compararemos gráficamente el resultado

anterior con la importada desde Proteus
‘Sistema1.dat’
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 10

Respuesta del sistema en proteus:

Tiempo pico:
ii. Conecte una señal de entrada adecuada que Tp=640us
permita observar la curva de reacción de
sistema.
funcion de entrada y salida del sistema

6 Vin
Vout

1
iii. Utilizando uno de los métodos de
0 identificación presentados, el más
0 0.005 0.01 0.015
adecuado según su criterio, obtengo un
Modelo generado por el circuito: modelo para el circuito implementado.
Compara este modelo con el obtenido en
su informe previo.
Método para sistema de segundo orden sub
amortiguados:

Tiempo de asentamiento:
T=400us
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 11

Obtención de los parámetros establecidos

mediante Matlab:
%primero exportamos la data de
la simulacion en proteus
[T3, vout3, vin3]=
proteus2matlab('Sistema3.dat');
%T1=vector tiempo
%vin1=valores de voltaje de
entrada
%vout1=valores de voltaje de
salida
figure(1)
plot(T3,vin3,T3,vout3)%ploteo de
voltaje de salida y entrada
axis([0 0.015 0 6.5])
title('funcion de entrada y
salida del sistema')
hold on
%identificacion del sistema
%tiempo pico(tp)
vp=max(vout3);
tp=T3(max(find(vout3>=vp,1))) Step Response
%sobreimpulso 8

Mp=vp-vout3(length(vout3))
7
%hallamos Wd
Wd=pi/tp 6
%hallamos E
L=log(Mp); 5
Amplitude

E=L/sqrt(pi^2+L^2) 4
%E=0.19339;
%hallamos Wn 3
Wn=Wd/sqrt(1-E^2)
2
%hallamos k
u=max(vin3); 1
k=vout3(length(vout3))/u
%definimos funcion de transf 0
0 0.002 0.004 0.006 0.008 0.01 0.012
G=tf([k*Wn^2],[1 2*E*Wn Wn^2]) Time (seconds)
hold off Función de transferencia del informe
grid on
previo:
figure(2)
step(u*G,'b')

parámetros obtenidos:
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 12

Siguiendo los mismos pasos de la parte “a”:

Step Response
7

 Escribimos en el Comand Window lo

6
siguiente: ‘ident’, lo que nos permite acceder
5 al Sistema de Identificación de la caja de
herramientas de MATLAB para poder crear y
Amplitude

4
utilizar modelos de sistemas dinámicos a partir
3 de datos de entrada-salida medidos.

2
 Nos sale la siguiente ventana, donde
1 condicionaremos nuestra función de
transferencia a estimar.
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Time (seconds) 10-3

Comparación de graficas:
figure(2)
step(u*G,'b')
hold on
A=tf([23148148],[1 3358.58
25252525.25]);
step(5*A,'g')

Step Response
8
Modelado
7 Previo

 Ahora escogemos la opción ‘import data’ 

6
’Time domain data’, nos aparece una nueva
5 ventana donde pondremos las siguientes
Amplitude

4
indicaciones:
*Input: ‘vin3’, que son los datos de entrada
3
para el ‘Sistema3.dat’.
2 *Output: ‘vout3’, que son los datos de salida
1
para el ‘Sistema3.dat’
*Data name: para este caso ‘modelo1’.
0
0 0.002 0.004 0.006 0.008 0.01 0.012 *Starting time: 0.
Time (seconds)
*Sample time: 0.0001, este parámetro es
De acuerdo a la gráfica mostrada notamos importante, debido a que es el valor de saltos
que la señal modelada es más rápida que la que tiene el tiempo de muestreo de los valores
señal obtenida en el informe previo, además de entrada y salida.
de mostrar picos más pronunciados de una
amplitud mayor a la señal generada en el
análisis previo de este informe, esto debido
a un menor valor en el factor de
amortiguamiento lo cual hace que la señal
sea más rápida.

iv. Investigue de otro método de

identificación y aplíquelo.
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 13

*Number of poles: 2, debido a que el sistema a

estimar es de segundo orden.
*Number of zeros: 0, debido a que el sistema a
estimar no tiene ceros.
Finalmente escogemos la opción ‘Estimate’ de
la parte inferior.

 Tener en cuenta que, para el paso anterior, en

el Workspace ya deben figurar ‘vin3’ y
‘vout3’. Ahora escogemos la opción ‘Import’
de la parte inferior de la ventana anterior. En la  En la ventana ‘System identification’ aparece
ventana ‘System Identification’ nos aparece los ‘tf1’ (color verde) que es nuestro sistema
datos anteriormente insertados en la ventana estimado.
‘Import Data’ con el nombre de ‘modelo1’
(color azul).

 Le hacemos doble click y obtenemos la

función de transferencia estimada.
Seguidamente escogemos la opción ‘Estimate’
 ‘Transfer Function Models’.

 Nos aparece una nueva ventana ‘Transfer

Functions’, donde ponemos lo siguiente:
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 14

v. Defina en Matlab los modelos hallados en

los puntos iii y iv.

Modelo del Informe previo:

Modelo del primer método de

identificación:

Modelo mediante el uso del toolbox de

Matlab:

vi. Compare las respuestas temporales

obtenidas en Matlab con la del circuito
La función de transferencia estimada es: implementado.
Modelo generado por Proteus:

6 PROTEUS

En la ventana anterior escogemos la opción 5

inferior ‘Export’ para exportar esta función de
transferencia estimada al workspace. 4

Si comparamos esta función de transferencia

con la obtenida por el primer método: 3

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

10-3
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 15

Modelo del Informe previo:

Step Response
7 Comparación de todas las señales:
PREVIO
6 Step Response
8
METODO 1
5
7 PREVIO
PROTEUS
METODO 2
Amplitude

4 6

3 5

Amplitude
4
2

3
1
2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 1
Time (seconds) 10-3
0
0 0.002 0.004 0.006 0.008 0.01 0.012
Modelo del primer método de Time (seconds)

identificación: En la anterior figura podemos notar que la

función generada por el toolbox de Matlab
Step Response
8 nos permite una mejor aproximación de la
METODO 1 curva del sistema, a diferencia del método
7
realizado por la presente guía la cual si bien
6 nos muestra una señal de segundo orden
5 sub-amortiguada, presenta un aumento de
velocidad, esto debido al factor de
Amplitude

4
amortiguamiento.
3

2 vii. ¿Cuál de los modelos representa mejora

al circuito implementado? Justifique su
1
respuesta.
0
0 0.002 0.004 0.006 0.008 0.01 0.012
Time (seconds) Según lo expuesto anteriormente el mejor
Modelo mediante el uso del toolbox de modelo que representa el circuito
Matlab: implementado es el método 2, el cual es
Step Response generado mediante el toolbox de Matlab.
From: u1 To: Out(1)
7
METODO 2 IV. LEYENDA
6

5 PROTEUS:
- Sistema1: sistema de segundo orden
Amplitude

4
a evaluar.
3 - Sistema2: sistema de segundo orden
a evaluar.
2
- Sistema3: sistema de segundo orden
1 sub-amortiguado.

0 MATLAB:
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
Time (seconds) 10-3
Universidad Nacional Mayor de San Marcos – Facultad de Ingeniería Electrónica 16

- Parte1a: método de identificación

para sistema1.
- Parte1b: método de identificación
para sistema2.
- Parte1c: segundo método de
identificación para sistema2
- Parte2a: método de identificación de
sistema3.
- Parte2.mat: sistema estimado con el
2do método de identificación de
sistema3.

V. CONCLUSIONES:

- El método de identificación planteado

en la guía de esta experiencia no
presenta un buen modelado del sistema
de segundo orden sub-amortiguado
debido a su factor de amortiguamiento
que es menor al valor que se toma en el
informe previo.
- El sistema generado mediante el
circuito practico, del cual tomamos los
valores de tiempo de pico, asentamiento
y amplitud de pico, muestran una
pequeña diferencia a los valores
simulados lo cual se puede considerar
insignificantes pues estos se encuentran
en la escala de micro segundos.

VI. BIBLIOGRAFIA:

 https://www.mathworks.com/help/ident/
 http://www.edu.xunta.gal/centros/
cpiantonioorzacouto/system/files/
TEORIANEUMATICA.pdf
 http://www.tecnologia-tecnica.com.ar/
index_archivos/Page4697.htm
 https://
iesvillalbahervastecnologia.files.wordpr
ess.com/2012/06/apuntes-
neumc3a1tica.pdf