Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
t=
Columns 1 through 4
Columns 5 through 8
Columns 9 through 12
Columns 13 through 16
Columns 21 through 24
Columns 25 through 28
Columns 29 through 32
Columns 33 through 36
Columns 37 through 40
Columns 41 through 44
Columns 45 through 48
Columns 53 through 56
Columns 57 through 60
Columns 61 through 64
Columns 65 through 68
Columns 69 through 72
Columns 73 through 76
Columns 77 through 80
1.5200 1.5400 1.5600 1.5800
Columns 81 through 84
Columns 85 through 88
Columns 89 through 92
Columns 93 through 96
THETA =
1.3229
-0.3596
0.0031
0.0171
-0.0022
G_z =
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.