Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Profesor:
Dr. Fernando Reyes Cortés
25 de marzo de 2021
Índice
1. Resumen 2
2. Introducción 3
2.1. Señales de excitación persistente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2. Definición: Señal de excitación persistente fuerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3. Definición: Señal de excitación persistente debil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3. Objetivos 5
3.1. General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2. Particulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6. Conclusiones 14
7. Anexos 15
7.1. Anexo1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
7.1.1. Modelo dinámico del pendulo y señal de torque . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
7.1.2. Principal esquema de regresión dinámica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
7.1.3. Algoritmo mínimos cuadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
7.2. Anexo2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
7.2.1. Principal esquema de regresión de la energía . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
7.3. Anexo3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
7.3.1. Principal esquema de regresión de la potencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1
1. Resumen
2
2. Introducción
3
2.2. Definición: Señal de excitación persistente fuerte
Una señal escalar u(tk ) se dice de excitación persistente fuerte de orden n, si para
todo tk , existe un entero positivo tal que [Reyes, 2021]:
u(tk + n)
tX
k +ζ
u(tk + n − 1) h
i
ρ1 I >
..
u(t + n) u(t + n − 1)
k k ... u(tk + 1) > ρ2 I (1)
tk
.
u(tk + 1)
Una señal escalar u(tk ) se dice ser de excitación persistente debil de orden n, si
satisface lo siguiente [Reyes, 2021]:
u(tk + n)
N u(t + n − 1) h
1 X k i
ρ1 I ≥ lı́m
.
u(t + n)
k u(tk + n − 1) . . . u(tk + 1) ≥ ρ2 I (2)
N →∞ N ..
tk =1
u(tk + 1)
La condición de una señal de excitación persistente débil tiene una interesante in-
terpretación en el dominio de la frecuencia.
4
3. Objetivos
3.1. General
3.2. Particulares
dinámico
energía
potencia
5
Ip momento de inercia: [0,16N m − seg 2 /rad],
m masa: [5kg],
6
dinámico
energía
potencia
7
5. Solución del problema
8
5.1.3. Esquema de regresión de la potencia
El modelo de potencia del péndulo se describe en [1], del análisis resulta el si-
guiente modelo de regresión lineal:
Iˆp
# ˆ
mglc
"
e(k) = τ q̇ − q̇ q̈ sen(q)q̇ q̇ 2 |q̇|
(7)
b̂
ˆ
fc
9
Como se puede observar, el vector de mediciones y la entrada τ ingresan a la función
de minimos cuadrados, la cual nos regresa “theta_hat” que corresponde al vector
de parámetros estimados. El resultado arrojado por este regresor es el siguiente:
0,16
0,3924
theta_hat = θ̂ = (8)
0,45
0,45
10
resultado:
0,1963
0,3161
theta_hat = θ̂ = (9)
0,4623
0,0588
Como se observa para este esquema de regresión los paramétros de estimación difie-
ren demasiado de los parámetros reales. Esto se puede deber a la señal de excitación
persistente que se propuso, ya que solo con este esquema de regresión es con el que
se tuvo problemas. Los detalles del código se dan en el anexo2.
theta_hat = θ̂ = (10)
0,45
0,45
11
Observando el vector de parámetros estimados, vemos que estos corresponden exac-
tamente a los mismos valores de parámetros reales que se presentaron para el modelo
del péndulo. Se piensa que esto se debe a que el modelo de potencia, sale propia-
mente del modelo dinámico del robot, de hecho solo multiplicamos ambos lados de
la expresión por q̇ para obtener dicho modelo, por lo que en esencia, toda la infor-
mación del modelo dinámico esta presente en el modelo de potencia. El programa
principal donde se tiene al modelo de potencia y los detalles se dan en el anexo3.
Inspeccionando dicha señal, vemos que cumple con las caracteristicas de una señal
de excitación persistente segun [1], ya que como observamos en la expresión nuestra
señal de excitación tiene 2 componentes senoidales, ya que son las necesarias para
identificar los 4 parámetros del pendulo, ademas las frecuencias, corresponden al
tipo irracional ya que se encuentran multiplicadas por pi. Por otra parte la fase de
estas señales se propone aleatoria utilizando rand() de MATLAB que proporciona
numeros aleatorio con distribución uniforme. Finalmente las amplitudes de estas
señales se propusieron experimentalmente, teniendo en cuenta que no se debe so-
brepasar el torque máximo de 15N-m. A continuación se muestra la linea de código,
donde se implementa el torque:
tau =4.5∗ s i n ( 0 . 4 8 ∗ p i ∗ t+rand ( 1 ) ) + 3 . 2 ∗ s i n ( 0 . 8 5 ∗ p i ∗ t+rand ( 1 ) ) ;
12
La gráfica de la señal de excitación persistente utlizada en los 3 esquemas de regresión
es la siguiente: Como se puede observar, la señal no sobrepasas el torque máximo,
sin embargo, parece no ser periodica. Teniendo esto en cuenta se hizo mas grande el
tiempo de simulación (t=70s), para visualizar mejor el comportamiento, el resultado
se muestra en la figura 3, como se aprecia la señal vuelve a ser periodica en t=38s.
13
6. Conclusiones
Referencias
14
7. Anexos
7.1. Anexo1
7.1.1. Modelo dinámico del pendulo y señal de torque
f u n c t i o n xp=pendulo ( t , x , bandera )
g l o b a l tau qpp
i f ( bandera==9) %e v a l u a l a a c e l e r a c i ón
q=x ( : , 1 ) ;
qp=x ( : , 2 ) ;
e l s e %i n t e g r a c i ón numerica
q=x ( 1 ) ;
qp=x ( 2 ) ;
end
%Par á metros d e l pé ndulo
Ip = 0 . 1 6 ; %momento de i n e r c i a
m=5; %masa
l c =0.008; %c e n t r o de masa
g = 9 . 8 1 ; %c o n s t a n t e de a c e l e r a c i ón g r a v i t a c i o n a l
b = 0 . 4 5 ; %c o e f i c i e n t e s de f r i c c i ón
f c =0.45;
c l c ; c l e a r a l l ; c l o s e a l l ; format s h o r t g
g l o b a l tau qpp %v a r i a b l e s g l o b a l e s
t i =0;h = 0 . 0 0 1 ; t f =10;
t=t i : h : t f ;
ci =[0;0];
o p c i o n e s=o d e s e t ( ’ RelTol ’ , 1 e −3 , ’ I n i t i a l S t e p ’ , 1 e −3 , ’ MaxStep ’ , 1 e −3); %opcionesODE
[ t , x]= ode45 ( ’ pendulo ’ , t , c i , o p c i o n e s ) ; %S o l u c i ón numerica d e l s i s t e m a
xp=pendulo ( t , x , 9 ) ;
q=x ( : , 1 ) ;
15
qp=x ( : , 2 ) ;
f i =[qpp , s i n ( q ) , qp s i g n ( qp ) ] ;
[ r , theta_hat ]= mincuad ( tau , f i ) ;
theta_hat
p l o t ( t , tau )
7.1.3. Algoritmo mínimos cuadrados
f u n c t i o n [ r , theta_hat ]= mincuad ( y , f i )
[ n ,m]= s i z e ( f i ) %n= numero de r e n g l o n e s , m numero de columnas
theta_hat = [ 1 :m] ’ ; %v e c t o r columna de pá r a m e t r o s
theta_hat (1)=0; % C o n d i c i ón i n i c i a l d e l v e c t o r de parametros
p s i = [ 1 :m] ’ ; %Vector columna de o b s e r v a c i o n e s
P=eye (m,m) ∗ 10 e20 ; %Matriz de c o v a r i a n z a P
r=eye ( n ,m) ; %r e g i s t r o para l a s par á metros e s t i m a d o s
f o r k=1:n %a l g o r i t m o r e c u r s i v o de mí nimos cuadrados
f o r i =1:m %s e forma e l r e g r e s o r
p s i ( i ,1)= f i ( k , i ) ;
end
e=y ( k)−theta_hat ’ ∗ p s i ; %e r r o r de r e g r e s i o n
theta_hat=theta_hat +(P∗ p s i ∗ e )/(1+ p s i ’ ∗P∗ p s i ) ; %v e c t o r estimado
P=P−(P∗ p s i ∗ ( p s i ’ ) ∗ P)/(1+ p s i ’ ∗P∗ p s i ); % Matriz de c o v a r i a n z a
f o r i =1:m
r ( k , i )= theta_hat ( i , 1 ) ; %r e g i s t r o por cada i t e r a c i o n de parametros e s t i m a
end
end
end
7.2. Anexo2
7.2.1. Principal esquema de regresión de la energía
c l c ; c l e a r a l l ; c l o s e a l l ; format s h o r t g
g l o b a l tau %v a r i a b l e s g l o b a l e s
t i =0;h = 0 . 0 0 1 ; t f =10;
t=t i : h : t f ;
ci =[0;0];
o p c i o n e s=o d e s e t ( ’ RelTol ’ , 1 e −3 , ’ I n i t i a l S t e p ’ , 1 e −3 , ’ MaxStep ’ , 1 e −3); %opcionesODE
d i s p ( ’ S i m u l a c i o n puede demorar por u s a r f u n c i o n e s d i s c o n t i n u a s . . . ’ )
[ t , x]= ode45 ( ’ pendulo ’ , t , c i , o p c i o n e s ) ; %S o l u c i ón numerica d e l s i s t e m a
xp=pendulo ( t , x , 9 ) ;
[m n]= s i z e ( t ) ;
q=x ( : , 1 ) ;
16
qp=x ( : , 2 ) ;
I n t 1=z e r o s (m, 1 ) ;
I n t 2=z e r o s (m, 1 ) ;
I n t 3=z e r o s (m, 1 ) ;
f o r k=2:m
I n t 1 ( k ,1)= I n t 1 ( k −1 ,1) + h∗qp ( k , 1 ) ∗ tau ( k , 1 ) ;
I n t 2 ( k ,1)= I n t 2 ( k −1 ,1) + h∗qp ( k , 1 ) ∗ qp ( k , 1 ) ;
I n t 3 ( k ,1)= I n t 3 ( k −1 ,1) + h∗ abs ( qp ( k , 1 ) ) ;
end
c l c ; c l e a r a l l ; c l o s e a l l ; format s h o r t g
g l o b a l tau qpp %v a r i a b l e s g l o b a l e s
t i =0;h = 0 . 0 0 1 ; t f =10;
t=t i : h : t f ;
ci =[0;0];
o p c i o n e s=o d e s e t ( ’ RelTol ’ , 1 e −3 , ’ I n i t i a l S t e p ’ , 1 e −3 , ’ MaxStep ’ , 1 e −3); %opcionesODE
[ t , x]= ode45 ( ’ pendulo ’ , t , c i , o p c i o n e s ) ; %S o l u c i ón numerica d e l s i s t e m a
xp=pendulo ( t , x , 9 ) ;
[m n]= s i z e ( t ) ;
q=x ( : , 1 ) ;
qp=x ( : , 2 ) ;
17