Tarea 5 Sistemas de ecuaciones lineales.

Vaca Pardo Leonardo

Del gráfico se obtienen los siguientes valores:

Velocidad, ɳ, [rpm]
Caída de presión, H [m]
1440 1600 1800

6 2 2.6 3
8 2.7 3.4 4.1
10 3.2 4.4 5.6
De esta tabla de datos se obtiene:
Q vs H: Se muestra un ejemplo del código utilizado, en este se varía el valor de Y para obtener
el resultado para cada velocidad.
clear;clc;
syms H
X=[6 8 10];
Y=[2 2.7 3.2];
np=numel(X);
Q=0;
for i=1:np
L=sym('1');
for k=1:np
if i~=k
L=L*(H-X(k))/(X(i)-X(k));
end
end
Q=Q+Y(i)*L;
end
Q=vpa(simplify(Q),3);
fplot(Q,'g')
grid on
xlabel('Caída de Presión H [m]'); ylabel('Relación de flujo Q [l/s]')
title('Q vs H a 1600 RPM')

Ecuaciones:
1440 RPM: Q = - 0.025*H^2 + 0.7*H - 1.3
1600 RPM: Q = 0.025*H^2 + 0.05*H + 1.4
1800 RPM: Q = 0.05*H^2 - 0.15*H + 2.1
Q vs η: Se muestra un ejemplo del código utilizado, en este se varía el valor de Y para obtener
el resultado para cada altura.
clear;clc;
syms n
X=[1440 1600 1800];
Y=[2 2.6 3];
np=numel(X);
Q=0;
for i=1:np
L=sym('1');
for k=1:np
if i~=k
L=L*(n-X(k))/(X(i)-X(k));
end
end
Q=Q+Y(i)*L;
end
Q=vpa(simplify(Q),3);
fplot(Q,'g')
grid on
xlabel('Velocidad η [RPM]'); ylabel('Relación de flujo Q [l/s]')
title('Q vs η a 6 m')

Ecuaciones:
6 m: Q = - 4.86e-6*n^2 + 0.0185*n - 14.6
8 m: Q = - 2.43e-6*n^2 + 0.0118*n - 9.2
10 m: Q = - 4.17e-6*n^2 + 0.0202*n - 17.2
Q(H,n):
clear, clc
syms n H
A = - 3.72e-5*n^2 + 0.13*n - 111.0;
B = 8.51e-6*n^2 - 0.0299*n + 26.1;
C = - 5.21e-7*n^2 + 0.0019*n - 1.67;
Q = A + B*H + C*H^2

Q = (- (2460352937575085*n^2)/4722366482869645213696 + (19*n)/10000 - 167/100)*H^2 +

((5023417346152585*n^2)/590295810358705651712 - (299*n)/10000 + 261/10)*H +
(13*n)/100 - (5489751036335963*n^2)/147573952589676412928 - 111

Como se observa se pudo obtener una ecuación para la capacidad de la bomba en función de
la caída de presión y la velocidad, partiendo de una gráfica que relaciona estas tres variables.
Esto se logra por medio de un análisis de Lagrange para obtener las ecuaciones de Q vs H y Q
vs η, y posteriormente se encuentra el ajuste polinomial para Q en función de estas.

Método de Fourier:
Se utiliza el siguiente código para realizar el suavizado:
clear;clc;
senal=readmatrix('Pendulo.txt');
t=senal(:,1);
ft=senal(:,3);
figure(1)
hold on
plot(t,ft,'r')
title('Señal péndulo original')
F=13;
Ts=1/(30);
Fs=1/Ts;
N=numel(t);
WN=cos(2*pi/N)-1i*sin(2*pi/N);
fn=zeros(1,N);
fk=zeros(1,N);
for n=1:N
for k=1:N
fn(1,n)=fn(1,n)+ft(k)*WN^((k-1)*(n-1));
end
end
IWN=cos(2*pi/N)+1i*sin(2*pi/N);
for k=1:N
for n=1:N
fk(1,k)=fk(1,k)+fn(n)*IWN^((k-1)*(n-1));
end
end
fn(60:length(fn)-60)=0;
filtro=real(ifft(fn));
hold on
figure(5)
plot(t,filtro)
title('Señal péndulo suavizada')
Suavizado B-spline:
Se utiliza el siguiente código para realizar el suavizado:
clear;clc;
datos=readmatrix('Pendulo.txt');
t=datos(:,1);
n=max(size(t));
fps=30;
T = 1/fps;
tn = (0:n-1)*T;
dt=mean(t(2:end)-t(1:end-1));
fdamat = suavizado_bspline(datos(:,2:end), t, 260,4);
Posicion=fdamat (:,:,1);
Velocidad=fdamat (:,:,2);
Aceleracion=fdamat (:,:,3);
figure(6)
hold on
plot(datos(:,3))
plot(fdamat(:,2,1))
legend('Señal con Ruido','Señal suavizada')
title('Suavizado de la señal')

Se observa que el suavizado por el método de Fourier es mejor, ya que esta toma en cuenta
más variables para realizar el suavizado, como las funciones mínimas necesarias y la
distribución de datos. Mientras que el suavizado b-spline no toma en cuenta estos factores y
presenta un suavizado menos adecuado.