Práctica N°6

Asignatura: Diseño de sistemas de controles ELT-304L

Tema: Identificación de Parámetros
URDANIVIA CAMPOS CRISTIAN GERARDO

Apellido Paterno Apellido Materno Nombres

CI: 6182360 Fecha de emisión 03/12/2021 Fecha de entrega 05/12/2021

Resumen del objetivo de la práctica

Hallar de acuerdo los sistemas equivalentes y el error cuadrático medio según los datos de los
archivos adjuntos la práctica.

Utilizar el bloque de herramientas de Matlab para identificación de parámetros y compararla con

los resultados obtenidos con la práctica.

Desarrollar un método recursivo que permita reducir el costo computacional.

Identificación mediante mínimos cuadrados

Este método de identificación consiste en obtener el equivalente discreto

de un sistema continuo lineal. Para ello se debe especificar el periodo de
muestreo y el intervalo de valores continuos que equivalen a un mismo
valor discreto.
 Figura 20: Proceso de muestreo.

Aplicando la transformada Z se obtiene la función discreta del sistema.

Δyk + a1Δyk −1 + a2 Δyk − 2 = b1Δuk −1 + b2 Δuk − 2

El problema de identificación se basa en obtener los valores a1, a2, b1, b2

conocidos Δ u0 , Δu1 ........Δu N y Δy0 , Δy1 ........ΔyN

- 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 ........ΔyN

- 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 )

⎪

⎪e3 = Δy3 − (−a1Δy2 − a2 Δy1 + b1Δu2 + b2 Δu1 )

⎪
⎩eN = ΔyN − (−a1ΔyN −1 − a2 Δy N − 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

T
errores al cuadrado, es decir, minimiza: E E =∑ e

T −1 T
Solución: θˆ = ( X X) X Y

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):
 Esta situación no es cierta, puesto que supone que el valor esperado de los
parámetros no tiene sesgo.

Modelo OE (Output Error).

Es decir, que a la salida “limpia” se le suma una perturbación que es

directamente un ruido blanco “e”.

Este modelo representa bien la presencia de un ruido de medida

independiente en el sensor.

Modelo ARMAX.

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).
Modelo BJ (Box Jenkins).

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).

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).
Comparación de métodos

Este primeramente utiliza se puede utilizar para una grafica en tiempo discreto
con un tiempo de muestreo luego pasar a un modelo continuo y compara de
forma grafica donde mucho depende el error en estas para una buena
identificación.
Se necesitara una cantidad mayor de datos para que las curvas se ajusten.
El primer método usa para identificar el sistema es el por aproximación de
parámetros utilizando para ello una respuesta en el tiempo del sistema a un
escalón en la entrada, el método implica a utilización de formulas y tablas y
curvas dependiendo de la respuesta en el tiempo con ellas obtener los
parámetros calsiscos de la formula del sistema de segundo orden, ubicando los
valores de la frecuencia no amortiguada, el factor de amortiguamiento y así
obtener un sistema lo mas aproximado al real.
 Aplicación en Matlab método de mínimos cuadrados
El Toolbox de Identificación de Sistemas de Matlab contiene varias funciones para
la estimación paramétrica de modelos. Todas ellas comparten la misma estructura
de comando

>>mod= function ([y u],N);

Las variables de entrada “y” y “u” son vectores columna que contienen los datos de
salida y entrada respectivamente, mientras que la matriz N especifica la estructura
particular de los modelos a ser estimados. El modelo estimado resultante será
contenido en mod, además de ser codificado en formato theta, que es el formato
básico para la representación de modelos en este Toolbox. Dicho formato guarda la
información acerca de la estructura del modelo y de sus órdenes, retardos,
parámetros, y varianzas estimadas de los parámetros estimados en una matriz. El
formato theta puede ser convertido a cualquier otro modelo que nos resulte de
utilidad. Comúnmente, para presentar la información del modelo se usa el comando
‘present’:

>>mod= function ([y u],N);

>>present (mod)

Modelos ARX

Para estimar los parámetros ai y bi del modelo ARX se usa la función ‘arx’ :

>>mod = arx (z,[na nb nk ]);

Aquí na y nb son los órdenes de A(q) y B(q) respectivamente. Mientras que nk es el

número de retardos entre la entrada y la salida definidos en la estructura. La
función ‘arx’ implementa el método de estimación de mínimos cuadrados.
Familia General de Modelos de Caja Negra
Basándose en la estructura es posible construir modelos de prácticamente
cualquier tipo. Para esto existe la función ‘pem’ :

>>mod = pem (z,nn);

donde N determina todos los órdenes y retardos

>>N = [na nb nc nd nf nk];

El comando ‘pem’ cubre todos los casos de modelos de sistemas lineales tipo caja
negra. Sin embargo existen rutinas más eficientes para algunos casos especiales:

>>mod = armax (z,[na nb nc nk]); (estructura ARMAX)

>>mod = oe (z,[nb nf nk]); (estructura de Error de Salida)

>>mod = bj (z,[nb nc nd nf nk]); (estructura Box-Jenkins)

Aplicación Matlab estimación de parámetros

Se tiene

100
G ( s )= 4 3 2
s +18 s +97 s +180 s +100

Luego factorizando

100
G ( s )=
( s+1)(s+2)(s +5)(s +10)
Se aproxima a las siguientes funciones e transferencia:

10
 G ( s )=
(s+1)( s+2)(s +5)
2
 G ( s )=
(s+1)( s+2)
1
 G ( s )=
(s+1)

Así aproximándola hasta una de primer orden verificando en matlab

Obteniendo la siguiente grafica

Donde podemos ver que estas son parecidas unas mas que otras péro
verificando que se pueden reducir de orden
Mediante ident
Como se puede ver obteniendo los mismos resultados que el metodo 1 y como
podemos ver una mas de las utilidades de la funcion ident.

Calculo del error

Cual es el error en regimen permanente en lazo cerrado para una entrada
escalon unitario si la ft en lazo abierto G(s) esta dodo por
K ( s+ 1)
G(s)= 2
y Gc (s)=1
s +2 s+ 1

Para las fts dadas por calcular ts, tr rpousando las expresiones analiticas
dadas y mida los valores via simulacion compare los valores y comente

130
G ( s )= 2
18+15 s +76 s+ 130

Siendo esta una de orden superior se aproxima a uno de segundo orden y se

130
tiene: G ( s )=
(s+5)(s¿¿ 2+10 s+26)¿

130
G ( s )=
5( s¿¿ 2+10 s +26)¿
 26
G ( s )= 2
s + 10 s+ 26

Entonces con los resultados obtenidos desarrollamos los siguientes cálculos:

 2
G ( s )= 2
s + 2 s+2

Entonces con los resultados obtenidos desarrollamos los siguientes cálculos:

Como podemos observar los valores del primer ejercicio varían un poco siendo
esto porque este se aproximó insertando un error al reducir de orden, pero
siendo este mínimo.

INVESTIGAR:

Los modelos de identificación de sistemas alternativos basados en la

experimentación.

Método a partir de una idea de Draper, Mc Kay y Lees.

La identificación de un sistema consiste en la determinación de la función
de transferencia de la misma o de sus parámetros fundamentales, a partir
de mediciones experimentales.

En particular, este trabajo desarrolla una metodología de identificación de

sistemas de segundo orden, basada en las características de la respuesta
en el tiempo Y(t) a la excitación de un salto escalón de entrada X(t), tal
como lo indica la figura 1.

Se ha elegido este método de identificación porque presenta las siguientes

características.

a) Obtención de rápidos resultados aproximados.

b) Simplicidad para analizar y entender.

 c) La respuesta en el tiempo a un salto escalón es posiblemente una de
las más fáciles de obtener en un sistema cualquiera.

d) Muchas veces en una planta, a pesar de que su función de

transferencia tenga más de dos polos, la respuesta al salto escalón de
entrada puede ser representada en forma aproximada por la respuesta de
un sistema de segundo orden. Ello es posible porque frecuentemente los
otros polos adicionales están ubicados más lejos del eje imaginario que
estos polos dominantes y por ende la influencia de los mismos en la
respuesta en el tiempo resulta menor. (En particular ello se cumple
significativamente cuando la relación entre las partes reales de los otros
polos y las partes reales de los polos dominantes es mayor de 5 y no hay
ceros cercanos) Por ello, se la puede representar aproximadamente por un
sistema de segundo orden conocido como de modos dominantes.

METODOLOGIA E IMPLEMENTACION

Se parte suponiendo que:

a) Que un sistema de segundo orden este representado por la ecuación

clásica.

b) Que la entrada es un salto escalón de amplitud Y0 de la forma.

c) Y que las condiciones iniciales son nulas, entonces, la respuesta del

sistema a un salto escalón de amplitud Y0 está dada por:
 Se reconoce en estos casos tres formas posibles de respuestas distintas a
saber:

a) Subamortiguada u oscilante ( para ζ menor que unο)

b) Critica ( para ζ igual a uno )

c) Sobremortiguada o no oscilante (para ζ mayor que uno )

Cada una de ellas presenta características distintas que la diferencian

entre sí. Sin embargo, para el reconocimiento de los parámetros del
sistema, se utiliza otra división basada en las siguientes situaciones
prácticas:

1 . Respuestas de sistemas oscilantes con sobre picos significativos

(ζ menor que 0,5)
2. Respuestas de sistemas sin sobre picos o con sobre picos de poco
valor
(ζ entre 0,5 y 2)

3. Respuestas de sistemas sobre amortiguados (ζ mayor que 2)

Se presenta a continuación, para cada una de ellas, el método de

reconocimiento de los parámetros y su justificación.

En todos los casos se supone que las condiciones iniciales del sistema son
nulas.

Respuesta oscilante (para ζ igual o menor que 0,5):

La respuesta de un sistema oscilante a una entrada salto escalón de amplitud
Y0 es de la forma tal como indica la figura 2.
En la práctica, es fácil distinguir los sobrepicos primero (Y1) y segundo (Y2)
cuando el valor de ζ es igual o menor que 0,5. Cuando ζ es mayor que 0,5, pero
menor que 1, si bien ma- temáticamente es posible determinar la oscilación de
la respuesta, a veces los valores de los sobrepicos Y1 e Y2 no resultan lo
suficientemente notorios en los métodos de medición, por lo que una
estimación de los parámetros utilizando estos valores pueden llevar a errores
poco aceptables.

En consecuencia, en esta primera parte, el objetivo es encontrar valores

aproximados para ωn y ζ, que representen de la mejor forma posible a los
parámetros fundamentales del sis- tema de segundo orden, cuando ζ sea igual
o menor que 0,5.

Para ello, se utilizan los valores de Y0, Y1 y Y2 (que son las amplitudes del
salto escalón de entrada, del primer sobrepico y segundo sobrepico de la
respuesta en el tiempo respectiva-
mente) y de T (que es el período de una oscilación de la respuesta en el
tiempo), tal como se observa en la figura (1).

Entonces la respuesta en el tiempo y(t) cumple la ecuación.

Puede demostrarse a parir de la ecuación (4), que:

De donde se obtienen dos posibles valores para ζ, utilizando las expresiones

En la práctica se adopta el valor promedio de ambos.

Los valores de las ecuaciones (6) también pueden obtenerse utilizando la tabla

No1 o el gráfico No1.

El valor de ωn se obtiene a partir de la expresión:

Respuesta para amortiguamientos próximos al criterio (entre 0.5 y 2)
La forma de la respuesta de un sistema con amortiguamiento critico o próximo al
crítico.
Se puede demostrar que una característica importante de la respuesta en estos
casos es que si se toma como referencia a los valores de salida indicados en la
figura 3, a saber:

Y si se conocen los tiempos t3 y t4 respectivos, se cumple que:

Cuando ζ es igual a uno.

Por ello, si la relación t4/t3 es menor que tres, significa que ζ es menor que
uno y si resul- ta mayor que tres, el valor de ζ es mayor que uno. Esta
característica permite en consecuencia determinar los parámetros ζ yωn del
sistema de segundo orden, a partir de las dos posibles res- puestas en el
tiempo a una excitación escalón.

En efecto, la respuesta en el tiempo de un sistema de segundo orden a un salto

escalón está dada por la ecuación:

Cuando ζ es menor a uno.

Cuando ζ es mayor que uno.

A partir de estas ecuaciones, se puede determinar el valor de ζ utilizando

la relación t4/t3 en la tabla No 2.

 El valor de ωn queda dado entonces, a partir de la tabla 2, utilizando la
tercera columna, la relación t4/t3 y el valor del tiempo t4 tal que:

Los valores anteriores también pueden obtenerse del gráfico 2, donde se

presentan las curvas de t4/t3, ωnt3, y ωnt4 en función de ζ.

Respuesta para sistemas sobre amortiguamientos (ζ mayor que 2):

La respuesta de un sistema sobreamortiguado a una entrada salto escalón de
amplitud Y0 a la entrada, es de la forma como indica la figura 3
 Su ecuación está dada por:

En estos casos, al ser el coeficiente de amortiguamiento ζ mayor que 2, el

sistema posee polos reales y negativos, bastantes distanciados entre sí, por lo
menos 3,7 veces el uno del otro.

Ellos son:
Debido a esta particularidad, resulta más accesible, como objetivo de
identificación en este caso, encontrar dos valores aproximados para los polos p1
y p2 del sistema, tal que representen de la mejor forma posible a los parámetros
fundamentales del sistema de segundo orden.

Por lo tanto la ecuación representativa del sistema de segundo orden a encontrar

es:

Para ello, conociendo que la respuesta en el tiempo al salto escalón está

prácticamente determinada por el polo de menor valor absoluto p2, cuando la
amplitud de la salida es superior a la mitad del valor total, el cálculo de los
coeficientes se facilita determinando primero el polo p2, como si fuera el único
existente. Para ello se determinan dos valores de ordenadas de la curva de
respuesta en frecuencia, Y5(t5) e Y6(t6), tal que ambos sean mayores que el 50
% de la amplitud final de la respuesta, según indica la figura 4.

Entonces, el polo p2 está dado por:

Y luego el valor del polo p1 como:

Tomándose en la práctica el valor promedio entre ambas expresiones (17) y (18).

Finalmente, de las ecuaciones (15), (16), (17) y (18), si se desea, pueden

encontrarse los valores de ζ y ωn , según: