Ingenierı́a de Control Automático

Práctica #2

Método de mı́nimos cuadrados convencional

Lic. Gabriela L. Galarza-Acosta

Octubre 11, 2023

Resumen

En el presente documento se realiza una comparación teórica - experimental de un circuito

eléctrico de tipo RC de segundo orden. Esto con la finalidad de aplicar el método de Mı́nimos
Cuadrados Convencional a fin de obtener una función de transferencia experimental, a su vez se
propone realizar la resolución del sistema RC empleando un sistema de ecuaciones diferenciales
capaces de describir dicho sistema y donde finalmente será obtenida una función de transferencia
teórica. Se realiza la comparación entre enfoques. A partir del método de MMC es posible realizar
una aproximación del comportamiento experimental con el teórico.

Índice

1. Introducción 2

2. Desarrollo 4

3. Resultados 7

4. Conclusiones 8

5. Anexos 8

Índice de figuras

1. Estructura del Modelo ARX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2. Matriz Z T (t) de dimensión (2n + 1)xt . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3. Circuito RC de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4. Circuito RC de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
5. Comparación gráfica de resultados teóricos vs. experimentales y su contraste con la
señal de entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6. Acercamiento de la respuesta del sistema hasta t = 1s. . . . . . . . . . . . . . . . . . 8

Listings

1. Programa de Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1
1. Introducción

El método de mı́nimos cuadrados (MMC) es el enfoque más básico y más utilizados para la identifi-
cación de sistemas lineales discretos donde se emplea un enfoque tanto teórico como práctico para su
identificación. Este método de identificación nos permitirá ajustar los cambios que sufren los sistemas
frente agentes externos y evitar problemas de control. Este método es de gran utilidad debido a que
todos los sistemas o procesos cambian con el tiempo; dichos cambios deben ser registrados en el mo-
mento a fin de realizar los ajustes pertinentes.
En otras palabras, el modelo MMC permite calcular los términos de una función de trasferencia en
base a data experimental en un periodo de tiempo determinado. Si bien se puede entender de una ma-
nera simple, se debe contar con un sustento matemático capaz de garantizar que esto ocurrirá, y que
los valores finalmente obtenidos tengan un sustento que permitan asegurar que la función encontrada
cuenta con ser una aproximación a la función que describe el sistema real. Por tanto se puede comenzar
a describir la estructura del Modelo ARX. Este modelo no es más que una estructura que incorpora el
comportamiento de un sistema en base a una entrada y una salida y toma en consideración un error
provocado por fuentes externas o internas.

Figura 1: Estructura del Modelo ARX

En la figura 1 se presenta una planta. Esta trabaja en función de una señal de entrada aplicada. A la
salida de dicha planta se le suma una señal de error, también señales externas o internas que afectan
de cierta medida el comportamiento de dicho sistema, donde la adición de ambas señales es lo que
se considera como la señal de salida del sistema. La señal de salida es producto del trabajo realizado
por el sistema durante cierto periodo de tiempo, donde su variación respecto a la señal de entrada es
producto de por ejemplo, el desgaste del sistema. Matemáticamente, esto puede ser descrito como:
n
X n
X
y(k) = aj y(k − j) + bj u(k − j) + e(k) (1)
j=1 j=1

Este error o ruido que modifica la respuesta del sistema no puede ser medido, debido a que no hay
forma de conocer que tanta señal pertenece al sistema, a los componentes mecánicos o eléctricos, que
tanto pertenece al medio exterior o algún otro fenómeno presente, más sin embargo, se le pueden
atribuir propiedades estadı́sticas. Dichas propiedades logran que este ruido pueda ser medible y en
cierta medida, aproximado. Dichas propiedades, se presentan en las ecuaciones 2 - 5.

E{e(k)} = 0 (2)

E{e2 (k)} = σ 2 (3)

E{e(k)e(k − i)} = 0, i ̸= 0 (4)

E{e(k)y(k − i)} = 0, E{e(k)u(k − i)} = 0 (5)

2
Estas ecuaciones señalan que el error se considera como un ruido blanco, debido a que cuenta con una
varianza estadı́stica, con una media igual a cero y no se distingue de la entrada o la salida del sistema.
Bajo el Teorema de corrimiento, descrito por la ecuación 6;

z −1 Y (z) = y(k − 1) (6)

Puede ser definidos los siguientes polinomios:

A(z −1 ) = a1 z −1 + a2 z −2 + · · · an z −n (7)

B(z −1 ) = b0 + b1 z −1 + b2 z −2 + · · · bn z −n (8)

Al sustituir en la ecuación 1, esta puede ser reescrita bajo el Teorema de Corrimiento como sigue:

(1 − A(z −1 ))Y (z) = B(z −1 )U (z) + E(z) (9)

Y al despejar el termino Y(z):

B(z −1 ) 1
Y (z) = U (z) + E(z) (10)
1 − A(z −1 ) 1 − A(z −1 )

La ecuación 10, entonces, permite relacionar la salida del sistema con la señal de entrada y que toma
bajo consideración la adición de un error al mismo sistema. Asimismo el ruido considerado satisface
las generalidades del ruido blanco previamente mencionado. Una vez introducidas las generalidades
que anteceden al método MMC, podemos ası́ definir el modelo ARX como:

y(k) = P T z(k) + e(k) (11)

donde P T y z T (k) son definidas como, respectivamente, vectores de dimensiones 2n + 1

P T = [b0 , a1 , b1 , · · ·, an , bn ] (12)

z T (k) = [u(k), y(k − 1), u(k − 1), · · ·, y(k − n), u(k − n)] (13)

Esto permite que el modelo pueda expresarse de forma generalizada para un tiempo t del par entrada-
salida (u, y) como:
Y T (t) = P T Z T (t) + E T (t) (14)
Donde Y T (t) puede ser escrito como:

Y T (t) = [y(1), y(2), · · ·, y(t)] (15)

Ası́, podemos definir Z T (t) como la siguiente matriz;

Figura 2: Matriz Z T (t) de dimensión (2n + 1)xt

Finalmente, el error, puede ser escrito vectorialmente como;

E T (t) = [e(1), e(2), · · ·, e(t)] (16)

3
De esta forma ya ha sido definido el modelo ARX de una forma tal que puede ser implementado un
algoritmo capaz de ser simulado en MatLab. Debe ser mencionado que la matriz Z(t) debe ser excitado
constantemente por una señal u(k) cambiante, esto con la finalidad de que el rango de dicha matriz
sea completo. Además, este cambio constante de la señal de excitación u(k) hace que las condiciones
estadı́sticas del método seleccionado sean precisas al realizar la aproximación del sistema.

Con la finalidad de aplicar el MMC, será estudiado un sistema real a partir de la obtención de su
función de transferencia de forma teórica como experimental. Bajo el enfoque teórico, partiremos del
sistema a simular como un circuito RC de segundo orden y cuyo modelo será obtenido a partir de la
configuración del mallado ası́ como bajo la aplicación de la ley de Ohm y las reglas de Kirchhoff. La
aplicación del MMC implica la discretización del sistema con la finalidad de facilitar su resolución,
entonces, experimentalmente, se calculará una función de transferencia fundamentada en los datos
previamente recolectados donde será aplicado el método MMC para la obtención de una función de
transferencia experimental aproximada.

Finalmente, se realizará una comparación entre enfoques con la intención de evaluar la calidad de la
aproximación.

2. Desarrollo

Partimos del siguiente circuito RC:

Figura 3: Circuito RC de segundo orden

En la figura 4 son definidas la dirección bajo la que se desplazan las corrientes y tensiones en las
mallas del circuito:

Figura 4: Circuito RC de segundo orden

En la figura 4, es posible observar dos tensiones, denominadas como V i(t) como entrada y V o(t) como
tensión de salida. Por lo que puede ser escrita la siguiente relación:

V i(t) = V R1 (t) + V C1 (t) (17)

V ot (t) = V C2 (t) (18)

4
Donde VR es la denominación otorgada a la tensión en la resistencia y VC corresponde a la tensión en
el capacitor. La ley de Kirchoff permite establecer que V i + V o = 0, relacionando ası́ ambas tensiones
como se muestra a continuación:

V C1 (t) + V R2 (t) + V C2 (t) = 0 (19)

A partir de las ecuaciones 17, 18 y 19 puede ser descrito el comportamiento del circuito. Recordando
que la ley de Ohm establece que V = RI, podemos reescribir las ecuaciones de la siguiente manera:

V i(t) = R1 i1 + RC1 (i1 − i2 ) (20)

V o(t) = RC2 i2 (21)
RC1 (i2 − i1 ) + R2 i2 + V C2 i2 = 0 (22)

Reescribiendo las ecuaciones en el dominio del tiempo:

Z
1
V i(t) = R1 i1 + (i1 − i2 )dt (23)
C1
Z
1
V o(t) = i2 dt (24)
C2
Z Z
1 1
(i2 − i1 )dt + R2 i2 + i2 dt = 0 (25)
C1 C2

Aplicando la Transformada de Laplace:

Z
1
L{V i(t)} = L{R1 i1 + (i1 − i2 )dt} (26)
C1
Z
1
L{V o(t)} = L{ i2 dt} (27)
C2
Z Z
1 1
L{ (i2 − i1 )dt + R2 i2 + i2 dt} = 0 (28)
C1 C2

Se obtiene;
1
V i(s) = R1 I1 (s) + (I1 (s) − I2 (s)) (29)
C1 s
1
V o(s) = I2 (s) (30)
C2 s

1 1
(I2 (s) − I1 (s)) + R2 I2 (s) + I2 (s) = 0 (31)
C1 S C2 s

Despejando I1 (s), de la ecuación 31; Is (s) de la ecuación 29 y I2 (s) de la ecuación 27:

I2 (s)[C2 s + C1 sC2 sR1 + C1 s]

I1 (s) = (32)
C2 s
V1 (s)C1 s + I2 (s)
I1 (s) = (33)
R1 C1 s + 1
I2 (s) = Vo (s)C2 s (34)

Después de introducir la ecuación 32 en la 33 y reducir algebraicamente se obtiene lo siguiente:

C2 Vi sC1 s
I2 (s) = (35)
C2 s − [C2 s + C1 sC2 sR1 + C1 s]R1 C1 s + 1

5
 Vo (s)
Finalmente, se reemplaza la ecuación 34 en la ecuación 35, y se reescribe en función de Vi (s) :

Vo (s) 1
= (36)
Vi (s) R1 R2 C1 C2 s2 + R1 C1 + R2 C2 + R1 C2 s + 1

Son sustituidos las magnitudes de R1 , R2 , C1 , C2 en la ecuación 36 permitiendo reducir la expresión

a:
Vo (s) 1
= F (s) = (37)
Vi (s) 0,01s2 + 0,3s + 1

Donde la ecuación 37 es la función de trasferencia del sistema. Se procede a su resolución por el método
100
de fracciones parciales. Se multiplicará la función por un factor unitario de la forma 100 :

100
F (s) = (38)
s2 + 3s + 100

Se multiplicará por el contenedor de orden 0 y se va a sacar el escalar 100 del numerador.

1 − e−st 100
F (z) = Z{( )∗ 2 } (39)
s s + 3s + 100
1
F (z) = Z{(1 − e−st )(100)} ∗ Z{ } (40)
s3 + 30s2 + 100s

Se aplica la identidad de Euler y se factoriza el trinomio:

1
F (z) = {(1 − Z −1 )(100)} ∗ Z{ } (41)
(s)(s + s1 )(s + s2 )

Se obtiene la siguiente igualdad en terminos de fracciones parciales:

1 A B C
= + + (42)
(s)(s + s1 )(s + s2 ) s S + S2 S + S2
Reescribiendo:
z−1 A B C z
F (z) = 100 ∗ { + + }∗ (43)
z 1 − z−1 1 − az−1 1 − bz−1 z

Y seguidamente reduciendo:
A B C
F (z) = 100 ∗ (z − 1){ + + } (44)
z−1 z−a z−b

Se llega ası́ a la siguiente expresión:

(A + B + C)z 2 − (A(a + b) + B(1 + b) + C(1 + a))z + Aab + Bb + Ca

F (z) = 100 ∗ { } (45)
(z − a)(z − b)

Son obtenidos los valores para s, s1 , s2 :

s=0 (46)
s1 = −26,1 (47)
s2 = −3,81 (48)

Y con estos, los valores para A, B, C

A = 0,01 (49)
−3
B = 1,718x10 (50)

6
 C = −0,0118 (51)

Sustituyendo en la ecuación 45, tenemos que:

0,00453z + 0,0041
F (z) = (52)
z 2 − 1,73z + 0,74
Donde la ecuación 52 corresponde a la función de transferencia teórica que describe el circuito eléctrico
RC de segundo orden.

3. Resultados

En la figura 5 se presenta la comparación gráfica entre la señal teórica obtenida a partir de la configu-
ración de malla, mostrada en la figura 3, respecto a la señal obtenida experimentalmente empleando
el método MMC a un sistema de mismas caracterı́sticas. Los datos para la aplicación del método
fueron recolectados en un archivo .TXT con una tasa de muestreo de 10 ms, acumulando 1000 datos.
Asimismo, en tal figura se muestra la señal de entrada, sin perturbaciones. Se puede mencionar que el
comportamiento para el sistema una vez descrito por el método MMC presenta ser una buena aproxi-
mación a la función que describe teóricamente el circuito eléctrico pese a presentar ligeras diferencias
entre funciones.

Figura 5: Comparación gráfica de resultados teóricos vs. experimentales y su contraste con la señal de
entrada

En la figura 6 se realiza un acercamiento con la intención de observar las diferencias presentadas entre
métodos.

Debe ser mencionado que dicha aproximación, al no ser más que una aproximación, fuerza al sistema
a conservar un comportamiento cercano al descrito por el sistema teórico y puede ser mejorada em-
pleando un mayor número de muestras que permitan refinar la función de transferencia que describe el
sistema experimentalmente. Asimismo, las diferencias presentadas entre la señal de entrada respecto
a la aproximación por el método MMC, no es más que un claro ejemplo del desgaste del sistema con el
paso del tiempo y como se ve afectada la señal. Debe mencionarse que se presenta una ligera diferencia
de amplitud en la sección asintótica de la curva es de 0.2, que para los fines de este documento es
aceptable debido a que permite realizar una descripción apropiada del sistema.

7
 Figura 6: Acercamiento de la respuesta del sistema hasta t = 1s.

4. Conclusiones

Si bien existen diferentes métodos para aproximar una función al comportamiento de un sistema, su
elección dependerá de las condiciones, parámetros, recursos de procesamiento ası́ como del tiempo
y el nivel de precisión que requiere el proceso a controlar. Asimismo, fue posible aplicar el método
MCC a partir de datos experimentales recopilados y su respectiva comparación a partir de un sistema
capaz de reproducir el mismo comportamiento teórico. Cabe destacar, que dicha aproximación fue
obtenida a partir de una base de datos de 1000 datos, donde su refinamiento dependerá de extender el
numero de datos empleado para describir el sistema. Si bien fue obtenida una función de transferencia
aproximada no es un solapamiento total de funciones pero cumple bajo el término estricto de ser una
aproximación.

5. Anexos

Listing 1: Código de MATLAB para el método de mı́nimos cuadrados convencional

%Teniendo n u e s t r a f u n c i n de t r a s f e r e n c i a F( s ) como :

% 1
% F( s ) = −−−−−−−−−−−−−−−−−−−−−−
% 0 . 0 1 s ˆ2 + 0 . 3 s + 1
%

% La trasformamos a l dominio de l a z o b t e n i e n d o F( z ) :

% 0 z ˆ2 + 0 . 0 0 4 5 3 2 Z + 0 . 0 0 4 1 0 1
% F( z ) = −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
% z ˆ2 − 1 . 7 3 2 z + 0 . 7 4 0 8

n = 2; %Funcion segundo orden

Ts = 0 . 0 0 1 ; %Tasa de muestreo

8
f s = 1/Ts ; %F r e c u e n c i a de muestreo
N e s c a l o n e s = 5 ; %Numero de e s c a l o n e s
m ue s t ra s = 2 0 0 ; %numero de cada muestra
t = N e s c a l o n e s ∗ m ue s t ra s ; %Tiempo de l a s i m u l a c i n /numero de m u es t ra s sim

%% I m p l e m e n t a c i n de MMCC

%Se o b t i e n e n l o s v a l o r e s d e l documento . t x t para l o s v e c t o r e s U e Y

ZT( 1 , : ) = U; %D e f i n i m o s l a m a t r i z de Z t r a s p u e s t a en l a p r i m e r a columna

f o r i =1:n %Empezamos a l l e n a r l a m a t r i z z con l o s v a l o r e s de U y Y

f o r j =1: t−i
ZT( 2 ∗ i , j+i ) = Y( j ) ;
ZT( 2 ∗ i +1, j+i ) = U( j ) ;
end
end

Z = ZT ’ ;

P = i n v (ZT∗Z) ∗ZT∗Y

%%Se o b t i e n e n l o s s i g u i e n t e s v a l o r e s :

%P =

% −0.0001 −b0
% 1 . 6 5 4 8 −a1 −0.0001 z ˆ2 + 0 . 0 0 0 2 Z + 0 . 0 1 0 1
% 0 . 0 0 0 2 −b1 −−> F( Z ) = −−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
% −0.6650 −a2 z ˆ2 − 1 . 6 5 4 8 z + 0 . 6 6 5 0
% 0 . 0 1 0 1 −b2

%% Se g r a f i c a e l comportamiento d e l s i s t e m a o b t e n i d o
% ex pe ri m en ta lm e nt e , con e l o b t e n i d o con l o s v a l o r e s d e l MMC

%Primero vamos a d e f i n i r l a f u n c i o n F( s )

Fs = t f ( [ 1 ] , [ 0 . 0 1 0 . 3 1 ] )

%Obteniendo e s t o :
%Fs =
%
% 1
% −−−−−−−−−−−−−−−−−−−−
% 0 . 0 1 s ˆ2 + 0 . 3 s + 1
%
%Continuous−time t r a n s f e r f u n c t i o n .

%Se pasa a l dominio de z y a p l i c a m o s t r a n s f o r m a d a Z

Fz = c2d ( Fs , 0 . 0 1 , ’ zho ’ )

%Obteniendo e s t o :
%Fz =
%
% 0.004532 z + 0.004101
% −−−−−−−−−−−−−−−−−−−−−−

9
% z ˆ2 − 1 . 7 3 2 z + 0 . 7 4 0 8

%% Lo s i g u i e n t e que haremos s e r graficar la s e a l calculada

u1 ( 1 ) = 10;
u1 ( 2 ) = 10;
kTs1 ( 1 ) = 1∗Ts ;
kTs1 ( 2 ) = 2∗Ts ;
y1 ( 1 ) = 0 . 0 0 0 1 ∗ u1 ( 1 ) ;
y1 ( 2 ) = 1 . 6 5 4 8 ∗ y1 (2 −1) −0.0001∗ u1 ( 2 ) + 0 . 0 0 0 2 ∗ u1 (2 −1);

f o r k=3: t

u1 ( k ) = 1 0 ;
kTs1 ( k ) = k∗Ts ;
y1 ( k ) = 1 . 6 5 4 8 ∗ y1 ( k−1) − 0 . 6 6 5 0 ∗ y1 ( k−2) −0.0001∗ u1 ( k ) + 0 . 0 0 0 2 ∗ u1 ( k−1) + 0 . 0 1 0 1 ∗ u1 (

end

%% Se g r a f i c a l a s e a l c a l c u l a d a en MatLab

u(1) = 10;
u(2) = 10;
kTs ( 1 ) = 1∗Ts ;
kTs ( 2 ) = 2∗Ts ;
y(1) = 0;
y(2) = 1 . 7 3 2 ∗ y (2 −1) + 0 . 0 0 4 5 3 2 ∗ u (2 −1);

f o r k=3: t

u(k) = 10;
kTs ( k ) = k∗Ts ;
y ( k ) = 1 . 7 3 2 ∗ y ( k−1) − 0 . 7 4 0 8 ∗ y ( k−2) + 0 . 0 0 4 5 3 2 ∗ u ( k−1) +0.004101∗ u ( k −2);

end

p l o t ( kTs1 , u1 , kTs1 , y1 )
h o l d on
g r i d on
p l o t ( kTs , y )
t i t l e ( ’MMC’ )
x l a b e l ( ’ Tiempo ( s ) ’ )
y l a b e l ( ’ Amplitud ( Hz ) ’ )
l e g e n d ( { ’ S e a l de entrada ’ , ’ Respuesta S i s t e m a c a l c u l a d o − T e r i c o ’ , ’ Respuesta S i s t e m a

10