Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sindy 221225 114635
Sindy 221225 114635
Lopez, Andrés
Maestría en Ingeniería Electrónica
Universidad de Nariño
Pasto, Colombia
andresae@udenar.edu.co
RESUMEN
Donde, son los estados del sistema, la señal de
SINDy es una herramienta eficiente que permite identificar los
parámetros activos dentro de un sistema dinámico a partir de entrada es de la forma , mientras que las dinámicas
sus mediciones, teniendo en cuenta que muchos de los
sistemas dinámicos poseen comportamientos no lineales, lo
que genera dificultades al momento de aplicar técnicas de Haciendo uso de las mediciones obtenidas en los dos
control sobre ellos. En este documento, se evidencian los conjuntos de datos batches, se identificó a través de la
resultados obtenidos luego de aplicar SINDy que tiene como regresión dispersa la menor cantidad de términos activos
objetivo identificar las dinámicas no lineales de un sistema, posibles para aproximar la función .[2]
que en este caso comprenden las mediciones de un modelo de
fermentación de café, analizando el ajuste de los parámetros La matriz de los estados y la matriz de la entrada, se evaluaron
resultantes del algoritmo hacia el sistema y a partir de las a través de una librería que contiene las posibles funciones
funciones obtenida. polinómicas que describen los datos de las mediciones, para
lograr lo antes propuesto, se requiere obtener el cambio con
I. INTRODUCCIÓN respecto del tiempo de los datos, como están establecidos en
Existen un conjunto de técnicas que permiten encontrar el tiempo discreto son de la forma:
comportamiento matemático de los sistemas dinámicos, sin
embargo, la eficacia de la estimación recae en la calidad de las (2)
mediciones y la experiencia del investigador. Sparse
identification of nonlinear dynamics (SINDy) permite estimar Es importante tener en cuenta que son los estados del
las estructuras posibles para modelar un sistema dinámico no sistema. Con la ayuda de Matlab, se cuenta con 2 funciones
lineal. [1] que permiten la aplicación de SINDy, la primera denominada
En este caso de estudio se cuenta con dos conjuntos de datos de poolData, contiene las librerías de las posibles combinaciones
los estados que están presentes en un sistema de fermentación entre los estados y la entrada para lograr , la función
de café, tomando como variables de estado: el pH, los grados sparsifyDynamics, hace referencia al método de regresión
brix, y la temperatura interna a la cual están sometidos los utilizado para arrojar la mínima cantidad de elementos
granos del café durante su procesado. La sección 2 comprende posibles para caracterizar el sistema, el cual requiere de un
el planteamiento del modelo, la sección 3 expone los resultados
parámetro de ajuste denominado lambda, utilizando el método
obtenidos en Matlab, finalmente en la última sección se
de mínimos cuadrados umbralizados secuenciales dentro de la
presentan las conclusiones para este caso de estudio.
función nombrada anteriormente.
II. PLANTEAMIENTO DEL MODELO
Con el fin de evaluar el ajuste de los coeficientes obtenidos
Para este caso, el sistema dinámico comprende datos de que caracterizan el sistema, se utilizó la función fitlm la cual
temperatura ambiente, la cual será tratada como señal de arroja los coeficientes de correlación, determinación y bondad
entrada del sistema, además, en este caso de estudio se tratará de ajuste a través de la función chi square para cada estado del
el sistema en tiempo discreto, por lo tanto, considerando la sistema dinámico.
siguiente estructura:
III. RESULTADOS
En esta sección se abordarán los dos conjuntos de datos, junto
(1)
con sus coeficientes de la regresión dispersa con los cuales se
Estados fd
x1(k+1) x2(k+1) x3(k+1)
1 0,229 -99,5634 -0,3607
x 0,8497 -12,624 0
y 0 0 0
z 0 4,0548 1,0106
sin(x² )/z² -27,18 -2,42E+03 35,5227
sin(y² )/z² -0,5587 0 0
y/z -0,1685 24,8017 0
x/z² 74,6426 7,20E+03 22,1046
y² z 0 0 0
yz² 0 0 0
u 0 0 0
u² 0 0 0
u³ 0 0 0
Tabla 3: Coeficientes de función discreta segundo Batch.