INFORME N° 6

IDENTIFICACION DE PARAMETROS
Univ. Andrea Romina Alanoca Nuñez
Carrera: Ing. Mecánica
La gran dificultad en la sintonización de Controladores, es la caracterización de los
sistemas por medio de la modelación matemática ya que debido a la dificultad o
complejidad de los mismos es posible no tener toda la información necesaria.
La identificación de sistemas desde un punto experimental se basa en el principio de que
la señal de control es una salida proporcional a los estados, principalmente en la
obtención de los parámetros, presuponiendo una complejidad en el orden de la
dinámica, como la minimización del error en la comparativa con el sistema propuesto.
Uno de los métodos más utilizados es propuesto por Gauss basado en la obtención de la
órbita de un satélite llamado Ceres en 1801. El método denominado Mínimos
Cuadrados.
Método de mínimos cuadrados
De la arquitectura mostrada en la figura. se tiene que los datos obtenidos como un efecto
de una señal de prueba y su respuesta:
Al calcular el error de la aproximación por medio como implica la figura:

Dado que hay que determinar los mejores valores de parámetros θ esto es cuando se
minimiza la función de coste de Gauss
Denominado Error cuadrático medio. en la última igualdad está expresada en términos
vectoriales.
Al minimizar la ecuación anterior. por el criterio de máximos y mínimos. y el operador
nabla

Procedimiento
Hallar de acuerdo los sistemas equivalentes y el error cuadrático medio según los datos
de
los archivos adjuntos la práctica.
Utilizar el 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.
Simulacion
Corriendo el programa:
G_s =

s+5
--------------
s^2 + 3 s + 11

Continuous-time transfer function.

La Gráfica 1 de la planta sera color rojo

Periodo de muestreo
Tiempo Final para el muestreo

t=

Columns 1 through 4

0 0.0200 0.0400 0.0600

Columns 5 through 8

0.0800 0.1000 0.1200 0.1400

Columns 9 through 12

0.1600 0.1800 0.2000 0.2200

Columns 13 through 16

0.2400 0.2600 0.2800 0.3000

Columns 17 through 20

0.3200 0.3400 0.3600 0.3800

Columns 21 through 24

0.4000 0.4200 0.4400 0.4600

Columns 25 through 28

0.4800 0.5000 0.5200 0.5400

Columns 29 through 32

0.5600 0.5800 0.6000 0.6200

Columns 33 through 36

0.6400 0.6600 0.6800 0.7000

Columns 37 through 40

0.7200 0.7400 0.7600 0.7800

Columns 41 through 44

0.8000 0.8200 0.8400 0.8600

Columns 45 through 48

0.8800 0.9000 0.9200 0.9400

Columns 49 through 52

0.9600 0.9800 1.0000 1.0200

Columns 53 through 56

1.0400 1.0600 1.0800 1.1000

Columns 57 through 60

1.1200 1.1400 1.1600 1.1800

Columns 61 through 64

1.2000 1.2200 1.2400 1.2600

Columns 65 through 68

1.2800 1.3000 1.3200 1.3400

Columns 69 through 72

1.3600 1.3800 1.4000 1.4200

Columns 73 through 76

1.4400 1.4600 1.4800 1.5000

Columns 77 through 80
 1.5200 1.5400 1.5600 1.5800

Columns 81 through 84

1.6000 1.6200 1.6400 1.6600

Columns 85 through 88

1.6800 1.7000 1.7200 1.7400

Columns 89 through 92

1.7600 1.7800 1.8000 1.8200

Columns 93 through 96

1.8400 1.8600 1.8800 1.9000

Columns 97 through 100

1.9200 1.9400 1.9600 1.9800

Columns 101 through 104

2.0000 2.0200 2.0400 2.0600

Columns 105 through 108

2.0800 2.1000 2.1200 2.1400

Columns 109 through 112

 2.1600 2.1800 2.2000 2.2200

Columns 113 through 116

2.2400 2.2600 2.2800 2.3000

Columns 117 through 120

2.3200 2.3400 2.3600 2.3800

Columns 121 through 124

2.4000 2.4200 2.4400 2.4600

Columns 125 through 128

2.4800 2.5000 2.5200 2.5400

Columns 129 through 132

2.5600 2.5800 2.6000 2.6200

Columns 133 through 136

2.6400 2.6600 2.6800 2.7000

Columns 137 through 140

2.7200 2.7400 2.7600 2.7800

 Columns 141 through 144

2.8000 2.8200 2.8400 2.8600

Columns 145 through 148

2.8800 2.9000 2.9200 2.9400

Columns 149 through 151

2.9600 2.9800 3.0000

La Gráfica 2 del comportamiento de tm sera color azul

Los valores de Theta "?" seran

THETA =

1.3229
-0.3596
0.0031
0.0171
-0.0022

Funcion de Transferencia Discreta

G_z =

0.003147 + 0.01712 z^-1 - 0.002166 z^-2

---------------------------------------
1 - 1.323 z^-1 + 0.3596 z^-2
Sample time: 0.02 seconds
Discrete-time transfer function.

La Gráfica 3 de la Funcion de Transferencia Discreta

sera color verde
>>
Grafica comparativa:

Investigar
Los modelos de identificación de sistemas alternativos basados en la experimentación.
Los modelos de sistemas físicos pueden ser de muy diversos tipos. Una
clasificación, en función del grado de formalismo matemático que poseen, es la
siguiente:
1. Modelos mentales, intuitivos o verbales.
Estos modelos carecen de formalismo matemático. Para conducir un coche, por
ejemplo, se requiere un modelo mental o intuitivo sobre el efecto que produce el
movimiento del volante, pero no es necesario caracterizar dicho efecto mediante
ecuaciones matemáticas exactas.
2. Modelos no paramétricos.
Muchos sistemas quedan perfectamente caracterizados mediante un gráfico o tabla que
describa sus propiedades dinámicas mediante un número no finito de parámetros. Por
ejemplo, un sistema lineal queda definido mediante su respuesta al impulso o al
escalón, o bien mediante su respuesta en frecuencia.
3. Modelos paramétricos o matemáticos.
Para aplicaciones más avanzadas, puede ser necesario utilizar modelos que
describan las relaciones entre las variables del sistema mediante expresiones
matemáticas como pueden ser ecuaciones diferenciales (para sistemas
continuos) o en diferencias (para sistemas discretos). En función del tipo de
sistema y de la representación matemática utilizada, los sistemas pueden clasificarse en:
 Determinísticos o estocásticos.
Se dice que un modelo es determinístico cuando expresa la relación entre
entradas y salidas mediante una ecuación exacta. Por contra, un modelo es
estocástico si posee un cierto grado de incertidumbre. Estos últimos se definen mediante
conceptos probabilísticos o estadísticos.
 Dinámicos o estáticos.
Un sistema es estático cuando la salida depende únicamente de la entrada en
ese mismo instante (un resistor, por ejemplo, es un sistema estático). En estos
sistemas existe una relación directa entre entrada y salida, independiente del
tiempo. Un sistema dinámico es aquél en el que las salidas evolucionan con el
tiempo tras la aplicación de una determinada entrada (por ejemplo, una red RC).
En estos últimos, para conocer el valor actual de la salida es necesario conocer
el tiempo transcurrido desde la aplicación de la entrada.
 Continuos o discretos.
Los sistemas continuos trabajan con señales continuas, y se caracterizan mediante
ecuaciones diferenciales. Los sistemas discretos trabajan con señales muestreadas, y
quedan descritos mediante ecuaciones en diferencias.