Introduccion a la Identificacion de Sistemas Lineales Discretos

Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.

1
Introducc|n a |a Ident|f|cac|n de 5|stemas D|nm|cos

Introducc|n

La ldenLlflcacln de slsLemas dlnmlcos conslsLe en la obLencln de un modelo aproxlmado para
descrlblr un slsLema dlnmlco a parLlr de los daLos obLenldos de experlmenLos enLrada-sallda
reallzados sobre el slsLema. Ln la flaura slaulenLe se llusLra esquemLlcamenLe un bloque
ldenLlflcador que Loma lnformacln de la enLrada v la sallda de un slsLema para obLener los
parmeLros de un modelo propuesLo.

Las Lecnlcas de ldenLlflcacln apllcadas a procesos con una enLrada v una sallda Llenen su orlaen a
prlnclplos de los anos 70, sln embarao, slo hasLa flnales de la decada de los 90 emplezan a
apllcarse a procesos lndusLrlales.

La ldenLlflcacln de slsLemas LraLa con el problema de consLrulr modelos de un slsLema a parLlr de
observaclones (daLos) sobre el slsLema. odrla declrse que en esencla la ldenLlflcacln es una
modelacln experlmenLal, sln embarao en la prcLlca la ldenLlflcacln de slsLemas no solamenLe
uLlllza lnformacln de observaclones sobre el slsLema, slno que Lamblen hace uso de lnformacln
basadas en las leves flslcas que aoblernan al slsLema.

La ldenLlflcacln de slsLemas es un enfoque experlmenLal al modelado de procesos e lncluve los
slaulenLes aspecLos:

|aneac|n exper|menta|. La reallzacln de experlmenLos en un proceso lndusLrlal en
operacln puede ser muv cosLosa, por ello es convenlenLe conLar con meLodos de
ldenLlflcacln que no requleran de alaun Llpo especlal de enLrada. or e[emplo, alaunos
meLodos clslcos de ldenLlflcacln esLn basados en la respuesLa al lmpulso o a funclones
senoldales. Sln embarao, un requerlmlenLo que no podemos evlLar es que la enLrada uLlllzada
deber exclLar suflclenLemenLe Lodos los modos del proceso.

5e|ecc|n de una estructura de mode|o. La esLrucLura de modelo a conslderar se derlva del
conoclmlenLo a prlorl que se Lenaa del slsLema. Ln alaunos casos el unlco conoclmlenLo a
prlorl que se Llene del proceso es que esLe se comporLa como un slsLema llneal en alaun
Parmetros estimados
Entrada

|anta
Ident|f|cador

Salida
Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
2
parLlcular ranao de operacln. ue aqul resulLa naLural conslderar una represenLacln aeneral
para un slsLema llneal. LsLe Llpo de represenLacln es llamada mode/o de cojo neoro. un
e[emplo Llplco es el modelo de un uSLl1 dado por la ecuacln de dlferenclas:

( ) ( ) ( ) ( ) ( ) ( ) A q v k B q u k C q e k = + (1)

uonde ( ) u k es la enLrada, ( ) v k es la sallda v ( ) e k es una perLurbacln conslsLenLe en ruldo
blanco. Los coeflclenLes de los pollnomlos asl como su orden son conslderados parmeLros
desconocldos.

Lst|mac|n de armetros. ara resolver el problema de esLlmacln de parmeLros se
requlere de lo slaulenLe:
o uaLos enLrada-sallda del proceso.
o una clase de modelos.
o un crlLerlo.
Ll problema de esLlmacln de parmeLros puede ser formulado como un problema de
opLlmlzacln, en el cual el me[or modelo es aquel que se acomoda me[or a los daLos en el senLldo
deflnldo por el crlLerlo elealdo.

L| cr|ter|o. Ll crlLerlo es una medlda de que Lan blen represenLa el modelo a los daLos
experlmenLales. La forma ms comun del crlLerlo para el caso dlscreLo es
1
( ) ( ( ))
N
k
J g k
=
=

(2)
uonde ( ) k es una medlda del error, (.) g es una funcln poslLlva (normalmenLe cuadrLlca).
Causs fue el prlmero en formular v resolver un problema de ldenLlflcacln: La deLermlnacln de la
rblLa del asLerolde Ceres, el cual formul como un problema de mlnlmlzacln de la suma de los
cuadrados de los errores de medlcln, dando orlaen al mtodo de minimos cuodrodos.

Pav una aran varledad de maneras de dlsenar los experlmenLos para obLener los daLos del
proceso, clases de modelos v crlLerlos, por lo LanLo hav una aran varledad de meLodos de
esLlmacln de parmeLros, una claslflcacln muv amplla es la slaulenLe:

Mtodos fuera de ||nea. uan esLlmaclones a parLlr de un bloque de daLos obLenldos
prevlamenLe del proceso.
Mtodos en ||nea. uan esLlmaclones recursivomente conforme se van obLenlendo los
daLos del proceso. Son la unlca alLernaLlva cuando la ldenLlflcacln es usada como
parLe de un conLrol adapLlvo o en el caso de parmeLros varlanLes en el Llempo.

Los meLodos de ldenLlflcacln pueden claslflcarse Lamblen en funcln de los modelos obLenldos,
de esLa forma podrlamos dlferenclar enLre: Lecnlcas de ldenLlflcacln no parameLrlcas, que se
basan en modelos no parameLrlcos, v Lecnlcas de ldenLlflcacln parameLrlcas, que uLlllzan
modelos parameLrlcos.

Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
3
uenLro de las denomlnadas tcnicos de identificocin no poromtricos podemos clLar como las
ms lmporLanLes:

An||s|s de |a respuesta trans|tor|a se basa en la obLencln de la respuesLa del slsLema a
un lmpulso o a un escaln. Las senales de prueba a uLlllzar en esLe caso son un lmpulso o
un escaln, respecLlvamenLe, v la sallda realsLrada da el modelo correspondlenLe.

An||s|s de corre|ac|n es un meLodo en el domlnlo del Llempo, el cual obLlene la funcln
de correlacln enLre las varlables de lnLeres v como caso especlal, una funcln de
ponderacln.

1cn|cas frecuenc|a|es que son uLlllzadas para esLlmar la respuesLa de frecuencla del
slsLema. uenLro de las Lecnlcas frecuenclales podemos dlferenclar enLre el anllsls de
lourler v el anllsls LspecLral.

1odas ellas son apllcables en el caso de conslderar procesos llneales o llneallzables. ara su
uLlllzacln no se debe suponer nlnaun Llpo de esLrucLura para el modelo v los resulLados
obLenldos son de Llpos arflco.

Ln el caso de mtodos de identificocin poromtricos, se debe Lener en cuenLa una clerLa
esLrucLura para el modelo. Los parmeLros del modelo se calculan mlnlmlzando clerLos crlLerlos
de error dependlendo del domlnlo en el cual se calculan los daLos, podemos dlsLlnaulr enLre dos
Llpos de Lecnlcas: Las frecuenclales, v las Lemporales.

Alaunos e[emplos de la relacln exlsLenLe enLre el ob[eLlvo flnal del modelo v el meLodo de
ldenLlflcacln uLlllzado se dan en la slaulenLe Labla.

Cb[et|vo f|na| de|
mode|o, ap||cac|n
1|pos de mode|os
rec|s|n
requer|da
Mtodo de |dent|f|cac|n
verlflcacln de modelos
Lerlcos
Llneal,
1lempo conLlnuo,
arameLrlco/ no parameLrlco
Medla /
AlLa
off-llne,
respuesLa LranslLorla,
respuesLa frecuenclal
SlnLonla de
conLroladores
Llneal,
no parameLrlco,
1lempo conLlnuo
Medla
off-llne,
respuesLa LranslLorla
Avuda al dlseno de
alaorlLmos de conLrol
Llneal,
arameLrlco/no parameLrlco
1lempo dlscreLo
Medla
esLlmacln parameLrlca
on-llne / off llne
ConLrol adapLaLlvo
Llneal,
arameLrlco
1lempo dlscreLo
Medla
esLlmacln parameLrlca
on-llne
Supervlsln v deLeccln
de fallos
llneal / no llneal,
parameLrlco
1lempo conLlnuo
AlLa
esLlmacln parameLrlca
on-llne
Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
4
Adqu|s|c|n y f||trado de
datos
D|seo de| exper|mento
Lst|mac|n de
parmetros de| mode|o
Va||dac|n de| mode|o
obten|do
Ls representat|vo e|
mode|o?
roponer
estructura
de| mode|o
s|
LsLrucLura
lnadecuada
no
no
uaLos
lnuLlles

Va||dac|n. Cuando un modelo ha sldo obLenldo de daLos experlmenLales es necesarlo
revlsarlo para averlauar sus punLos deblles. ara ello es convenlenLe obLener su respuesLa al
escaln, al lmpulso, polos v ceros, errores en el modelo v errores de predlccln. Ln esLe paso
es convenlenLe buscar comporLamlenLos especlalmenLe senslbles a camblos en el modelo.

Ltapas a segu|r para |a |dent|f|cac|n de un mode|o

Ln aeneral, las eLapas a seaulr para ldenLlflcar un modelo parameLrlco son:

ulseno del experlmenLo de ldenLlflcacln. Ln esLa prlmera eLapa es necesarlo decldlr, enLre
oLros aspecLos: el Llpo de senales de exclLacln, el me[or perlodo para la adqulslcln de daLos,
la canLldad de daLos necesarlos,
Cbservacln v me[ora de la calldad de los daLos capLurados. AnLes de uLlllzar los meLodos de
esLlmacln de parmeLros es necesarlo: observar v reparar los daLos errneos, fllLrar las alLas
frecuenclas, ellmlnar offseLs v Lendenclas.
ueLermlnacln de la esLrucLura del modelo. Ln esLa eLapa es necesarlo deflnlr el Llpo de
modelo a uLlllzar: conLlnuo o dlscreLo, llneal o no llneal, modelado del ruldo, reareslones,
redes neuronales, eLc. Ls necesarlo Lamblen adopLar un procedlmlenLo para deLermlnar el
orden del modelo.
LsLlmacln de los parmeLros. LLapa la mavorla de las veces muv relaclonada con la anLerlor,
en ella se presenLa el problema de decldlr el meLodo o meLodos de esLlmacln de parmeLros
que se va a uLlllzar para calcular el valor de los mlsmos. Ln aeneral se puede escoaer enLre dos
Lecnlcas dlsLlnLas: en el domlnlo Lemporal v en el domlnlo frecuenclal.
valldacln del modelo. Ls la eLapa en la que debe preaunLarse sl el modelo ldenLlflcado es
suflclenLemenLe represenLaLlvo del proceso esLudlado. Ln el se debe usar un crlLerlo para
evaluar la calldad.

Ln la flaura slaulenLe se muesLran las eLapas para
la ldenLlflcacln de un proceso.

Los recLnaulos son en aeneral responsabllldad
del alaorlLmo compuLaclonal v los ovalados son
en aeneral responsabllldad del usuarlo.










Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
5

Mtodo de M|n|mos Cuadrados.

ue acuerdo a Causs, el prlnclplo de mlnlmos cuadrados es Lal que los parmeLros desconocldos de
un modelo deberlan ser elealdos de manera que:

lo somo Je los cooJtoJos Je los Jlfeteoclos eotte los obsetvoclooes teoles v los volotes
colcoloJos moltlpllcoJos pot cootlJoJes ooe mlJoo el otoJo Je pteclslo es mlolmo".

A conLlnuacln se formula el problema de mlnlmos cuadrado v se da una solucln anallLlca en el
caso en que los valores calculados (salldas del modelo) son funclones llneales de los parmeLros
desconocldos, es declr, responden a un modelo /ineo/ respecto o /os pormetros.

Ls declr, el planLeamlenLo aeneral descrlLo a conLlnuacln se apllca al caso en que la varlable
calculada ( ` v ) o sallda del modelo esL dada por

1 1 2 2
` ( ) ( ) ... ( )
n n
v x x x = + + + (3)

uonde x es la enLrada del proceso, v es la sallda,
1 2
. .....
n
son los parmeLros desconocldos v
1 2
. .....
n
son funclones conocldas.

Ll problema de esLlmacln de parmeLros conslsLe en que a parLlr de N pares de observaclones
1 1 2 2
( . ). ( . ). .... ( . )
N N
x v x v x v obLenldas del slsLema real medlanLe un experlmenLo se deben esLlmar
valores para los n parmeLros desconocldos, de Lal manera que las varlables ` v calculadas a parLlr
del modelo dado por (3) v los valores experlmenLales
i
x colncldan lo ms que sea poslble con los
valores
i
v medldos. Suponlendo que Lodos los valores medldos Llenen la mlsma preclsln, el
prlnclplo de mlnlmos cuadrados esLablece que los parmeLros debern ser elealdos de manera
que la slaulenLe funcln sea mlnlma

2
1
1
( )
2
N
i
i
J
=
=

(4)

uonde
i
es el error de predlccln en la observacln l-eslma, dado por:

1 1
` ( ) ... ( ). 1. 2.....
i i i i i n n n
v v v x x i N = = = (3)

ara slmpllflcar los clculos que slauen lnLroduclmos la noLacln vecLorlal slaulenLe:

1 2
| ... |
T
n
=
1 2
| ... |
T
n
=
1 2
| ... |
T
N
v v v v =
1 2
| ... |
T
N
=
Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
6
? la maLrlz de N n
1
( )
( )
T
T
N
x
x

=




LnLonces la funcln ! se puede reescrlblr de manera compacLa como slaue
2
1 1
2 2
( )
T
J = = (6)
uonde
` v v = (7)
? donde
` v = (8)

LnLonces el problema de esLlmacln de parmeLros por mlnlmos cuadrados se puede formular
de manera compacLa: uetetmloot el vectot Je potmettos Je mooeto ooe
2
seo mlolmo.

La solucln al problema de esLlmacln por mlnlmos cuadrados esL dada por el slaulenLe

1eorema 1. La funcln ( ) J dada por (6) es mlnlma para los parmeLros esLlmados
`
Lales que
`
T T
v = (9)

Sl la maLrlz
T
es no slnaular, esLe mlnlmo es unlco v enLonces
( )
1
f
`
T T
v v

= = (9)
Demostrac|n

La funcln ( ) J dada por (6) puede ser reescrlLa como slaue
[ ] [ ] 2 ( )
T
T
J v v = =
T T T T T T
v v v v = +
CompleLando cuadrados: sumamos v resLamos el Lermlno
( )
1
T T T
v v

:
( ) ( )
1 1
2 ( )
T T T T T T T T T T T T
J v v v v v v v v

= + +
CbLenlendo
( ) ( ) ( )
1 1 1
2 ( )
T
T T T T T T T T T
J v v v v v v


= +




Cbservando que el unlco Lermlno que depende de es no negativo. por lo tanto su valor minimo
es cero y se alcanza cuando toma el valor
( )
1
`
T T
v

= .

noLa 1: Al con[unLo de ecuaclones dadas por (9) se les llama ecuociones normo/es.

Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
7
noLa 2: La maLrlz
( )
1
f T T

= es una lnversa por la lzqulerda de v es denomlnada

pseudolnversa de slempre v cuando la maLrlz
( )
T
sea no slnaular, lo cual se cumple slempre
que la maLrlz Lenaa columnas llnealmenLe lndependlenLes (ranao n), esLo solo ser poslble sl
N n .


Ap||cac|n a |a |dent|f|cac|n de un D5LI1:

Conslderando el uSLl1 dado por la ecuacln (1) v represenLado por el dlaarama de bloques de la
flaura slaulenLe
( ) ( ) ( ) ( ) ( ) ( ) A q v k B q u k C q e k = +




Con los pollnomlos dados por
1
1 1
( ) ...
n n
n n
A q q a q a q a

= + + + +
1
1 1
( ) ...
n
n n
B q b q b q b

= + + +
( )
n
C q q =
CbLenemos
( ) ( )
1 1
1 1 1 1
... ( ) ... ( ) ( )
n n n n
n n n n
q a q a q a v k b q b q b u k q e k


+ + + + = + + + +

MulLlpllcando por
n
q

obLenemos
( ) ( )
1 1 1 1
1 1 1 1
1 ... ( ) ... ( ) ( )
n n n n
n n n n
a q a q a q v k b q b q b q u k e k
+ +

+ + + + = + + + +
Ls declr,
1 1 1 1
( ) ( 1) ... ( 1) ( ) ( 1) ... ( 1) ( ) ( )
n n n n
v k a v k a v k n a v k n b u k b u k n b u k n e k

+ + + + + = + + + + +

uespe[ando
1 1 1 1
( ) ( 1) ... ( 1) ( ) ( 1) ... ( 1) ( ) ( )
n n n n
v k a v k a v k n a v k n b u k b u k n b u k n e k

= + + + + + + + (10)

La ecuacln (10) Llene la forma
` ( ) ( ) ( ) v k v k e k = + ,
Ls declr,
e(k)

C(q)
y(k)
B(q)
u(k)

1
( ) A q

Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
8
` ( ) ( ) ( ) e k v k v k = (11)

uonde
1 1 1 1
`( ) ( 1) ... ( 1) ( ) ( 1) ... ( 1) ( )
n n n n
v k a v k a v k n a v k n b u k b u k n b u k n

= + + + + + + (12)

La ecuacln (12) se puede escrlblr de manera compacLa como
`( ) ( )
T
v k k = (13)
uonde
[ ] ( ) ( 1) ... ( 1) ( ) ( 1) ... ( 1) ( )
T
k v k v k n v k n u k u k n u k n = + + (14)
[ ]
1 2 1 2
... ...
T
n n
a a a b b b = (13)

Suponlendo que en un experlmenLo enLrada-sallda se obLlenen n+n valores de enLrada v los
correspondlenLes n+n valores de sallda, es declr, las secuenclas (1). (2). .... ( ) u u u n N + ,
(1). (2). .... ( ) v v v n N + son conocldas, enLonces replLlendo la ecuacln (13) para dlferenLes
lnsLanLes de Llempo se puede formular el slsLema de n ecuaclones llneales con 2n lncanlLas:

` v = (16)
uonde
( 1)
( )
T
T
n
n N

+

=


+

,
`( 1)
`
`( )
v n
v
v n N
+

=

+

(17)

ue acuerdo al Leorema anLerlor, a parLlr de esLas medlclones, la esLlmacln de por mlnlmos
cuadrados esLar dada por (9), es declr,
( )
1
`
T
v

= (18)

L[emp|o:
ara el slsLema de prlmer orden slaulenLe
( ) ( 1) ( 1) v k av k bu k + =

Ln esLe caso
`( ) ( 1) ( 1) v k av k bu k = +
Ls declr,
( ) | ( 1) ( 1)|
T
k v k u k = ,
a
b

=



LnLonces
(2)
(3)
( 1)
v
v
v
v N



=


+

(1) (1)
(2) (2)
( ) ( )
v u
v u
v N u N

,
(2)
(3)
( 1)
e
e
e
e N



=


+

Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
9
Ll crlLerlo de error cuadrLlco es
1
2
2 1 1 1
2 2 2
2
( . ) ( )
N
T
k
J a b e e e e k
+
=
= = =


uonde
` ( ) ( ) ( ) ( ) ( 1) ( 1) ( ) ( )
T
e k v k v k v k av k bu k v k k = = + + =

Ll esLlmado de mlnlmos cuadrados esL dado por (18), donde
2
1 1
2
1 1
( ) ( ) ( )
( ) ( ) ( )
N N
k k T
N N
k k
v k v k u k
v k u k u k
= =
= =

,
1
1
( 1) ( )
( 1) ( )
N
k T
N
k
v k v k
v
v k u k
=
=

+


=

+

Sl la maLrlz
T
es no slnaular, se podr obLener una esLlmacln para los parmeLros a, b. LsLa
maLrlz
T
es no slnaular sl la enLrada conLlene la suflclenLe lnformacln, a esLe Llpo de enLrada
se le llama de excitocin persistente.

or e[emplo, para los parmeLros a=0.3, b=1, se obLlenen 20 punLos de la respuesLa al escaln
unlLarlo mosLrado en la slaulenLe flaura.

Step Response
Time (k)
y
(
k
)
0 2 4 6 8 10 12 14 16 18 20
0
0.2
0.4
0.6
0.8
1


La Labla de daLos correspondlenLe es la slaulenLe:

k u(k) v(k)
1 1 1.0000 -1.0000 1 0.3000
2 1 0.3000 -0.3000 1 0.7300
3 1 0.7300 -0.7300 1 0.6230
4 1 0.6230 -0.6230 1 0.6873
3 1 0.6873 -0.6873 1 0.6363
6 1 0.6363 -0.6363 1 0.6719
7 1 0.6719 -0.6719 1 0.6641
8 1 0.6641 -0.6641 1 0.6680
9 1 0.6680 -0.6680 1 0.6660
10 1 0.6660
or lo LanLo: =
-0.6660 1
, v =
0.6670
11 1 0.6670 -0.6670 1 0.6663
12 1 0.6663 -0.6663 1 0.6667
13 1 0.6667 -0.6667 1 0.6666
Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
10
14 1 0.6666 -0.6666 1 0.6667
13 1 0.6667 -0.6667 1 0.6667
16 1 0.6667 -0.6667 1 0.6667
17 1 0.6667 -0.6667 1 0.6667
18 1 0.6667 -0.6667 1 0.6667
19 1 0.6667 -0.6667 1 0.6667
20 1 0.6667 -0.6667 1 0.6667
21 1 0.6667
LnLonces
9.3333 13.5555
13.5555 20
T

=

,
9.3333
13.5555
T
v

=



ue donde se obLlene
0.5
1.0

=



or lo que la esLlmacln es exacLa hasLa los dlalLos slanlflcaLlvos conslderados.


Vers|n kecurs|va

La LsLlmacln dada por la ecuacln (18) se calcula a parLlr de un bloque de n+n daLos, por lo
LanLo, el procedlmlenLo conslsLe en Lomar el bloque de daLos v despus hacer la esLlmacln. or
lo LanLo no puede ser proaramada en /ineo (conforme se van obLenlendo los daLos). A
conLlnuacln se desarrolla una versln de la ecuacln (18) que permlLe lr recalculando los
parmeLros esLlmados con cada nuevo daLo obLenldo del proceso a ldenLlflcar.

uenoLemos por
`
( ) N los parmeLros esLlmados por mlnlmos cuadrados basados en n
medlclones, v reescrlbamos el vecLor de salldas v la maLrlz usadas en el clculo
correspondlenLe como slaue:
1
( )
N
v
v N
v


=



,
(1)
( )
( )
T
T
N
N

=



,
Se supone que la maLrlz
T
es no slnaular para Lodo n. LnLonces la ecuacln (18) Loma la forma
1
`
( ) ( ) ( ) ( ) ( )
T T
N N N N v N

=

(19)

Cuando se obLlene una nueva medlcln, se aareaa un nuevo renaln a la maLrlz v un nuevo
elemenLo al vecLor v como slaue:
( )
( 1)
( 1)
T
N
N
N

+ =

+

,
1
( )
( 1)
N
v N
v N
v
+

+ =


(20)
LnLonces los parmeLros esLlmados en lncorporando esLa nueva medlcln pueden ser calculados
de acuerdo a (18) como
1
`
( 1) ( 1) ( 1) ( 1) ( 1)
T T
N N N N v N

+ = + + + +


Ls declr,
Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
11
1
1
`
( 1) ( ) ( ) ( 1) ( 1) ( ) ( ) ( 1)
T T T
N
N N N N N N v N N v

+
+ = + + + + +

(21)
La ecuacln (21) puede ser escrlLa en forma recurslva, es declr,
`
( 1) N + se puede expresar en
Lermlnos de
`
( ) N , de acuerdo al slaulenLe Leorema

1eorema 2. (LsLlmacln 8ecurslva por Mlnlmos Cuadrados). Suponlendo que la maLrlz
( ) ( )
T
N N es poslLlva deflnlda. Ll vecLor de parmeLros esLlmados
`
por mlnlmos cuadrados
saLlsface la ecuacln recurslva slaulenLe
1
` ` `
( 1) ( ) ( ) ( 1) ( )
T
N
N N K N v N N
+

+ = + +

(22)
uonde
1
( ) ( 1) ( 1) ( ) ( 1) ( 1) ( ) ( 1)
T
K N P N N P N N I N P N N

= + + = + + + +

(23)
? adems,
1
( 1) ( ) ( 1) ( )
T
P N I K N N P N

+ = +

(24)

ara demosLrar el Leorema anLerlor es uLll el slaulenLe lema.

Lema de |nvers|n matr|c|a|. Sean las maLrlces . A C v
1 1
C DA B

+ maLrlces no slnaulares,
enLonces
1
1 1 1 1 1 1
| | A BCD A A B C DA B DA

+ = +


Demostrac|n de| Lema: or mulLlpllcacln dlrecLa
1
1 1 1 1 1 1
| || | | | A BCD A BCD A BCD A A B C DA B DA

+ + = + +




1 1
1 1 1 1 1 1 1 1
I BCDA B C DA B DA BCDA B C DA B DA


= + + +


1 1
1 1 1 1 1 1
I BCDA BC C DA B C DA B DA


= + + +


1 1
I BCDA BCDA I

= + =

Demostrac|n de| 1eorema 2.- ara slmpllflcar la noLacln, el araumenLo N en ( ) v N v en ( ) N ,
asl como el araumenLo 1 N + en ( 1)
T
N + sern omlLldos en el desarrollo que slaue. ue esLa
manera la ecuacln (21) se reescrlbe como slaue
( ) ( )
1
1
`
( 1)
T T T
N
N v v

+
+ = + +
( ) ( )
1 1
1
T T T T T
N
v v

+
= + + +
Sumando v resLando
( )
1
`
( )
T T
N v

= , obLenemos
( ) ( ) ( ) ( )
1 1 1 1
1
`
( 1)
T T T T T T T T T
N
N v v v v

+
+ = + + + +
lacLorlzando
T
v en el seaundo v Lercer Lermlnos
( ) ( ) ( ) ( )
1 1 1 1
1
`
( 1)
T T T T T T T T
N
N v v v

+

+ = + + + +


(23)

Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
12
Ll Lermlno del corcheLe en la ecuacln anLerlor se puede reescrlblr prefacLorlzando
( )
1
T T

+ como slaue
( ) ( )
1 1
T T T T
v


+

( ) ( )( )
1 1
T T T T T T
I v


+ +



posfacLorlzando
( )
1
T

:
( ) ( ) ( )
1 1
T T T T T T T
v


= + +


( ) ( )
1 1
T T T T T
v

= +
( )
1
`
( )
T T T
N

= +
or lo LanLo, la ecuacln (23) puede ser escrlLa como
( ) ( )
1 1
1
` ` `
( 1) ( ) ( )
T T T T T
N
N N N v

+
+ = + + +
Ls declr, se obLlene la ecuacln (22):
1
` ` `
( 1) ( ) ( ) ( )
T
N
N N K N v N
+

+ = +


donde
( )
1
1
( )
( 1) ( 1) ( 1)
T T
T
K N
N N N

= +
= + + +


A conLlnuacln se obLlene una ecuacln recurslva para el facLor de ponderacln ( ) K N , para ello
lnLroduclmos la maLrlz ( ) P N deflnlda por
1
( ) ( ) ( )
T
P N N N

=


(LsLa maLrlz es proporclonal a la varlanza de los parmeLros esLlmados).

Apllcando el Lema de lnversln maLrlclal podemos escrlblr la maLrlz ( ) P N como slaue
1 1
( 1) ( 1) ( 1)
T T T
P N N N

+ = + + = +


( ) ( ) ( ) ( )
1
1 1 1 1
T T T T T T
I

= +



C blen,
1
( 1) ( ) ( ) ( ) ( )
T T
P N P N P N I P N P N

+ = +


Con lo que obLenemos
1
( ) ( 1) ( ) ( ) ( ) ( )
T T
K N P N P N P N I P N P N

= + = +


1
( ) ( ) ( )
T T
P N I I P N P N

= +




lacLorlzando
1
( )
T
I P N

+

se obLlene
1
( ) ( ) ( ) ( ) ( )
T T T
K N P N I P N I P N P N

= + +


1
( ) ( )
T
P N I P N

= +


Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
13
La cual es la ecuacln (23). llnalmenLe susLlLulmos la ecuacln anLerlor en la ecuacln para
( 1) P N + v se obLlene la ecuacln (23).

Cbservac|n 1: La unlca maLrlz que se requlere lnverLlr para calcular la acLuallzacln de la maLrlz
P es de dlmensln p= numero de salldas. Ln el caso SlSC esLe Lermlno
1
( )
T
I P N

+

es un
escalar.

Cbservac|n 2: Condlclones lnlclales: Se puede escoaer un valor
0
N N = Lal que
0 0
( ) ( )
T
N N es
lnverLlble, calcular
1
0 0 0
( ) ( ) ( )
T
P N N N

=


0 0 0 0
`
( ) ( ) ( ) ( )
T
N P N N v N =

? lueao usar las ecuaclones recurslvas para
0
N N
CLra alLernaLlva es lnlclar las ecuaclones recurslvas con
0
(0) P P = donde
0
P es una maLrlz deflnlda
poslLlva, v enLonces
1
1
0
( ) ( ) ( )
T
P N P N N

= +



Lo cual se puede calcular aun cuando ( ) ( )
T
N N es slnaular. Se puede elealr
0
P arande para que
0 0
( ) ( ) ( )
T
P N N N .


5|stemas var|antes en e| t|empo.

ara slsLemas con parmeLros varlanLes en el Llempo se puede usar un crlLerlo que lncluva una
funcln de ponderacln exponenclal que de un mavor peso a los errores reclenLes v un menor
peso a los errores anLlauos:
2
1
( ) ( ) ( )
N
N k T
k
J v k k

=
=

(26)
uonde 1 < es un escalar denomlnado foctor de o/vido v es una medlda de la rapldez con la cual
los daLos anLlauos son olvldados.

Al conslderar el crlLerlo (26) el alaorlLmo recurslvo para la esLlmacln de parmeLros por mlnlmos
cuadrados con facLor de olvldo queda:

1
` ` `
( 1) ( ) ( ) ( 1) ( )
T
k
k k K k v k k
+

+ = + +

(27)
uonde
1
( ) ( ) ( 1) ( 1) ( ) ( 1)
T
K k P k k k P k k

= + + + +

(28)
1
1
( 1) ( ) ( 1) ( )
T
P k I K k k P k

+ = +

(29)

Introduccion a la Identificacion de Sistemas Lineales Discretos
Jose Juan Rincon Pasaye. Facultad de Ingenieria Electrica- UMSNH.
14
Lxtens|ones a| Mtodo de M|n|mos Cuadrados.

Ll meLodo de esLlmacln por mlnlmos cuadrados proporclona esLlmados no polarlzados
(
`
E

=

) para el modelo (1) solamenLe en el caso en que ( )
n
C q q = . Ln el caso en que ( )
n
C q q
en luaar del meLodo de mlnlmos cuadrados se puede usar alauno de los slaulenLes meLodos

MeLodo de mxlma veroslmlllLud.
MeLodo de mlnlmos cuadrados aenerallzados
MeLodo de mlnlmos cuadrados exLendldos
MeLodo de la varlable lnsLrumenLal












1area:
ara el slsLema dlscreLo dado por
( ) 1.5 ( 1) 0.7 ( 2) ( 1) 0.5 ( 2) ( ) ( 1) 0.2 ( 2) v k v k v k u k u k e k e k e k + = + + + (30)
uonde ( ) e k es un ruldo de medla cero v desvlacln esLndar 0.3.

Cenerar una enLrada ( ) u k conslsLenLe en una secuencla blnarla pseudoaleaLorla de valores 1 v usar unos 300
punLos de esLa secuencla para hacer la esLlmacln del slsLema medlanLe mlnlmos cuadrados recurslvos.

1. Pacer la esLlmacln de los parmeLros para n=2.
a. Craflcar el comporLamlenLo de los parmeLros esLlmados conforme se e[ecuLa el meLodo.
b. valldar el modelo esLlmado obLenlendo 100 punLos de la respuesLa al escaln unlLarlo v
comparando con el modelo exacLo (30). Cbservese la desvlacln de la esLlmacln ia que se debe?.
2. 8epeLlr la esLlmacln de los parmeLros para n=4.
a. 8epeLlr la valldacln. iSe corrlae la desvlacln? iporque?