MDULO DE NIVEL: DOS TANQUES,

IDENTIFICACIN DE LOS MODELOS DE

PRIMER Y SEGUNDO ORDEN
Daniel Jaramillo Grisales, Esteban Buitrago Snchez, Jos Blandn Torres
Departamento de Ingeniera Electrnica, Universidad de Antioquia
Medelln, Colombia
danielj_2392@hotmail.com
esteban_bs93@hotmail.com
to-bla-jo@hotmail.com

Resumen:
II.
Se realiza el modelo matemtico de un sistema
de control de nivel de dos tanques de forma
experimental, para lo cual fue necesario
determinar la respuesta temporal del sistema ante
una entrada escaln y se utiliz dicha respuesta
para encontrar modelos de primero y segundo
orden mediante diferentes mtodos, para
posteriormente elegir el mejor modelo tanto de
primero como de segundo orden.
I.

INTRODUCCIN

Para poder controlar un sistema es necesario

caracterizar
el
sistema
y
modelarlo
matemticamente. Sin embargo el modelado
matemtico exacto es difcil de generar
tericamente, por lo que se debe hacer uso de
mtodos experimentales que quizs no sean los
ms exactos pero que generan modelos de
sistemas de control prcticos.
Para la realizacin del modelo matemtico de
forma experimental se cuentan con mltiples
mtodos, tanto de segundo como de primer
orden, entre los cuales destacan el mtodo Smith,
el mtodo de Miller, el Ho et al.

RECONOCIMIENTO
DEL
MDULO DE NIVEL DE DOS
TANQUES

El modulo consiste en llenar dos tanques con

agua, manipulando una vlvula a travs de un
controlador.
Inicialmente se activan manualmente ciertas
vlvulas para que luego fluya correctamente
el fluido con el que se llenan los tanques. El
nivel de estos se puede controlar mediante el
software
instalado
Soft
control,
especificando la cantidad de fluido que se
desea pasar, entre otros.
Hay un monitor que indica el nivel de los
tanques y el proceso de estabilidad del
sistema. La variable controlada es el nivel de
los tanques.
Los valores minimo y mximo de operacin
del sistema para la valvula de presin es de:
3-15 psi (unidades de medicion), de 4-20 mA
(unidades de ingeniera) de porcentaje de
apertura de 0-100%.

III.

TABULACIN Y DEPURACIN
DE DATOS

En el laboratorio se toman muestras abriendo la

vlvula entre el 38% y el 45%, con lo cual se
obtiene la respuesta real del sistema, cuyos datos
obtenidos se exportan a una tabla de Excel a
partir del software Soft Control. Debido a que el
software muestrea ms de una vez por segundo,
se hace necesario depurar los datos y utilizar slo
una de estas muestras. Por lo tanto, de 4268
muestras se pasa a tener 1612 muestras luego de
depurar los datos.

Donde 1 y 2 corresponden a valores temporales

en los cuales se alcanza un porcentaje
determinado del valor de salida del sistema. El
valor de las constantes a, b, c y d, depender del
mtodo elegido.
La ganancia del sistema, se calcula como la
relacin entre la amplitud de las seales de salida
y entrada, as:

14.6810.32
=
=3.8928
11.210.08

Los parmetros anteriores

miliamperios [mA].

se

dan

en

En la tabla 1 se presentan los datos ms

relevantes para el clculo de los modelos.

Fig. 1 Relacin entrada-salida del sistema.

Tab.1
IV.

MODELOS DE PRIMER ORDEN

Teniendo en cuenta la forma general del modelo

de primer orden:

1 () =
+ 1

Constantes para la identificacin de los modelos de

primer orden ms tiempo muerto.

Adems, con base en la Fig.2 se obtienen los

tiempos correspondientes a los porcentajes
requeridos.

Se procede a identificar la ganancia , la

constante de tiempo , y el tiempo muerto .
Por otro lado, existe una relacin general que
permitir halla los parmetros de la funcin de
transferencia. Dicha relacin se presenta en las
ecuaciones (1) y (2).Esto para los modelos de dos
puntos, tales como el de Alfaro, Brida, Chen y
Yang, Ho et al, Smith y Viteckov.
= 1 + 2
= 1 + 2

(1)
(2)

Fig. 2 Modelo de curva de reaccin del proceso.

DESARROLLO E IDENTIFICACIN DE
MODELOS

Modelo Alfaro 1/4-3/4

4.5
Real
Modelo
4

3.5

Modelos de primer orden

Es posible observar en la Figura 1, que el valor

mximo de la seal de salida es 4.36. Entonces,
para hallar el 75% y el 25% se tiene:
4.36 x 0.75 = 3.27
4.36 x 0.25 = 1.09
Los valores obtenidos, se buscan en el eje de
nivel de la Figura 1. De esta forma, se tiene que
los tiempos requeridos para alcanzar el 25% y el
75% de la seal corresponden a:
25% = 141s
75% = 551s
Reemplazando en las ecuaciones (1) y (2), con
1 = 25 = 141 y 2 = 75 = 551, y teniendo
en cuenta los coeficientes dados por la tabla 1, se
obtiene:
= 0.91(141) + 0.91(551) = 373.1
= 1.262(141) 0.262(551) = 33.58
Reemplazando valores en la ecuacin general, se
tiene:

. 33.58
() =
. +

En formato zpk:
Z=0
P = -0.0027
K =0.0104

Presin (mA)

a) Modelo 1/4-3/4 de Alfaro

Segn la informacin de la Tabla 1, se deben
tomar muestras de tiempo en los porcentajes 25%
y 75%. Dichos tiempos se hallan de la siguiente
forma:

2.5

1.5

0.5

200

400

600

800

1000

1200

1400

1600

1800

Tiempo (s)

Fig. 3. Grfica Modelo -3/4

b) Modelo de Smith
Segn la informacin de la Tabla 1, se deben
tomar muestras de tiempo en los porcentajes
28.3% y 63.2%. Dichos tiempos se hallan de la
siguiente forma:
Es posible observar en la Figura 1, que el valor
mximo de la seal de salida es 4.36. Entonces,
para hallar el 28.3% y el 63.2% se tiene:
4.36 x 0.632 = 2.755
4.36 x 0.283 = 1.233
Los valores obtenidos, se buscan en el eje de
nivel de la Figura 1. De esta forma, se tiene que
los tiempos requeridos para alcanzar el 28.3% y
el 63.2% de la seal corresponden a:
28.3% = 158s
63.2% = 408s
Adems, segn el mtodo, se deben tener en
cuenta las ecuaciones (7) y (8),
= 1.5(63 28 )
= 63

(7)
(8)

Reemplazando 63 = 408 y 28 = 158 en las

ecuaciones (7) y (8), se obtiene:
= 1.5(408 158) = 375
= 408 375 = 33
Reemplazando valores en la ecuacin general, se
tiene:

.
() =
+

En formato zpk:

En formato zpk:
Z=0
P = -0.0027
K =0.0104

Z=0
P = -0.0039
K =0.0151

Modelo Smith
4.5
Real
Modelo
4

Modelo de Broida
4.5
Real
Modelo

3.5

4
3

3
2

Presin (mA)

Presin (mA)

3.5
2.5

1.5

2.5

1.5
0.5

1
0

200

400

600

800

1000

1200

1400

1600

1800

Tiempo (s)

0.5

Fig. 4. Grfica Modelo de Smith

200

400

600

800

1000

1200

1400

1600

1800

Tiempo (s)

Fig. 5. Grfica Modelo Broida

c) Modelo de Brida
Segn la informacin de la Tabla 1, se deben
tomar muestras de tiempo en los porcentajes 28%
y 40%. Dado que el mximo valor de la seal de
salida es 4.36, se obtiene el valor de seal para
los respectivos porcentajes requeridos.
4.36 x 0.40 = 1.744
4.36 x 0.28 = 1.2208
A partir de los valores obtenidos, se obtiene que
los tiempos requeridos para alcanzar el 28% y el
40% de la seal corresponden a:
28% = 157s
40% = 224s
Segn el mtodo, se deben tener en cuenta las
ecuaciones (9) y (10),
= 3.85(40 28 )
= 3.2728 2.2740

(9)
(10)

Reemplazando 40 = 224 y 28 = 157 en las

ecuaciones (9) y (10), se obtiene:
= 3.85(224 157) = 257.95
= 3.27(157) 2.27(224) = 4.91
Reemplazando valores en la ecuacin general, se
tiene:

() =

.
. +

d) Modelo Ho et al.
Se deben tomar muestras de tiempo
correspondientes a los porcentajes 35% y 85%.
Utilizando el mismo procedimiento de los
modelos anteriores para tomar estas muestras de
tiempo, se obtiene lo siguiente:
35% (35 ) = 196s
85% (85 ) = 732s
Reemplazando en las ecuaciones (1) y (2), con
1 = 35 = 196 y 2 = 85 = 732, y teniendo
en cuenta los coeficientes dados por la tabla 1, se
obtiene:
= 0.67(196) + 0.67(732) = 359.12
= 1.3(196) 0.29(732) = 42.52
Reemplazando valores en la ecuacin general, se
tiene:

. .
() =
. +

En formato zpk:
Z=0
P = -0.0028
K =0.0108

Modelo Viteckov et al

Modelo Ho et al
4.5

4.5

Real
Modelo

3.5

3.5

Presin (mA)

Presin (mA)

Real
Modelo

2.5

2.5

1.5

1.5

0.5

0.5
0

200

400

600

800

1000

1200

1400

1600

200

400

600

1800

800

1000

1200

1400

1600

Tiempo (s)

Tiempo (s)

Fig. 7. Grfica Modelo Viteckov et al

Fig. 6. Grfica Modelo Ho et al

e) Modelo Viteckov et al.

Se deben tomar muestras de tiempo
correspondientes a los porcentajes 33% y 70%.
Utilizando el mismo procedimiento de los
modelos anteriores para tomar estas muestras de
tiempo, se obtiene lo siguiente:
33% (33 ) = 184s
70% (70 ) = 482s
Reemplazando en las ecuaciones (1) y (2), con
1 = 33 = 184 y 2 = 70 = 482, y teniendo
en cuenta los coeficientes dados por la tabla 1, se
obtiene:
= 1.245(184) + 1.245(482) = 371.01
= 1.5(184) 0.5(482) = 35
Reemplazando valores en la ecuacin general, se
tiene:

.
() =
. +

f) Modelo de Ziegler & Nichols

Para llevar a cabo la identificacin del proceso
por medio de este mtodo, es necesario trazar
una recta tangente al punto de inflexin de la
seal de salida o de respuesta ante el impulso,
como se observa en la figura 8. La ganancia
Kp estar dada por la misma frmula de los
procedimientos anteriores, es decir el cambio
de la seal de salida sobre el cambio de la
seal de entrada. El tiempo muerto , ser el
tiempo transcurrido desde que inicia el
escaln hasta el cruce de la recta tangente con
el eje del tiempo. Por otro lado, la constante
de tiempo ser el tiempo transcurrido entre
el cruce de la recta tangente y el eje del tiempo
hasta que la seal de respuesta alcanza su
mximo valor. De esta forma, y con valores
muy aproximados se obtienen los siguientes
resultados:
Kp = 3.8928

= 30s

En formato zpk:
Z=0
P = -0.0027
K = 0.0105

= 410s

Y la funcin de trasnferencia toma la forma:

() =

En formato zpk:

.
+

1800

Z=0
P = -0.0024
K = 0.0076

Modelo de primer orden.

Fig. 10. Estimacin del proceso por medio del system

identification toolbox correspondiente a un modelo de
primer orden.
Fig. 8. Grfica Modelo Ziegler & Nichols

Modelo a partir del System Identification de

Matlab
Matlab ofrece la oportunidad de modelar
procesos a partir de datos importados, por lo
tanto, despus de procesar los datos se presenta
el modelo estimado por la herramienta System
Identification Toolbox de Matlab.

Y al exportar los datos obtenidos al espacio de

trabajo de Matlab, usando el comando
>>tf(P1Dc), se muestra la funcin de
transferencia estimada:

Fig. 11. Datos obtenidos en el ETML.

Fig. 9. Entrada y salida graficadas a partir del system

identification.

. .
() =
. +
La ganancia proporcionada por el System
Identification Toolbox de Matlab es muy
similar a la obtenida grficamente mediante
fig.1, donde:
=

En formato zpk:

4.36
= 0.6228
7

Z=0
P = -0.0026
K = 0.0016

Para el caso de los modelos de segundo orden, se

tiene en cuenta que la forma general que describe
este tipo de modelos son:

Finalmente, se grafican los resultados obtenidos

en cada uno de los modelos utilizados. Dichos
resultados se observan en la Fig. 13.

() =
() =

Modelos
4.5
Real
1/4-3/4
Brida
Smith
Ho et al
Viteckov et al

3.5

Presin (mA)

2.5

(1 +1)(2 +1)

(1 +1)2

(9)
(10)

Para los modelos de segundo orden de polo

doble, que tienen la forma de la ecuacin 10, se
muestran los parmetros en la tabla 3.

1.5

0.5

200

400

600

800

1000

1200

1400

1600

1800

Tab. 3. Constantes para la identificacin de los modelos de polo doble

ms tiempo muerto.

Tiempo (s)

Fig. 13. Modelos vs Real.

Clculo de errores en los mtodos de primer

orden
Se calcula el error cuadrtico medio para cada
modelo de sistema con el que se trabaj.
Modelo
-
Broida
Smith
Ho et al
Viteckov et al

Error
0.1662
0.1227
0.1686
0.1543
0.1644

Tab. 2. Errores para cada uno de los modelos.

El mejor modelo (el ms aproximado) es el

que presenta un menor error, que corresponde
al modelo Brida.

DESARROLLO E IDENTIFICACIN DE
MODELOS
a) Modelo Ho et al:
Segn la informacin suministrada por la Tabla
2, es necesario tomar muestras de tiempo en los
tiempos correspondientes a los porcentajes 35%
y 85% de la seal de salida.

35% (35 ) = 196s

85% (85 ) = 732s

Reemplazando en las ecuaciones (1) y (2), con

1 = 35 = 196 y 2 = 85 = 732, y teniendo
en cuenta los coeficientes dados por la tabla 2, se
obtiene:
= 0.463(196) + 0.463(732) = 248.168
= 1.574(196) 0.574(732) = 111.664
Considerando que el tiempo muerto da negativo,
no hay tiempo de atraso del sistema, por ende, se
considera que este comienza en el tiempo 0.

V.

MODELOS DE SEGUNDO
ORDEN

Reemplazando valores en la ecuacin general, se

tiene:

 () =

() = . 0.60

(.+)

En formato zpk:

() = .

Z=0
P = -1.9980
-0.0020
K = 0.0157

Modelo Ho Et Al
4.5
Real
Modelo

4
3.5

()

= .

75 15

() = . (. ) = .
=

Presin (mA)

> 1.0

()
= .

2.5
2

1.5
1
0.5
0

200

400

600

800
1000
Tiempo (s)

1200

1400

1600

b) Modelo Stark.
Para este modelo es necesario tomar muestras de
tiempo correspondientes a los porcentajes
15%(t15), 45%(t45) y 75%(t75):

15% (15 ) = 95s

45% (45 ) = 258s
75% (75 ) = 550s

Para desarrollar el mtodo se tendr en cuenta la

siguiente ecuacin:
0.0805 5.547(0.475 )2
= 2.1938
0.356
Donde:
=

45 15
= 0.3582
75 15

() = . (. ) 1.0

1.0

= .

1800

Fig. 13. Grfica Modelo Ho et al de segundo orden.

+ 2 1

2 1

1.0

= .
Se obtiene la siguiente funcin de transferencia:
3.8958 7.75
() =
(370.216 + 1)(21.53 + 1)
En Fig.14 se observa la grfica del modelo Stark

En formato zpk:

Modelo Stark
4.5

Z=0
P = -0.1096
-0.0030
K = 0.0013

Real
Modelo

4
3.5

Presin (mA)

3
2.5

Modelo Jahanmiri y Fallahi

4.5

1.5
1

3.5

0.5

3
0

200

400

600

800
1000
Tiempo (s)

1200

1400

1600

1800

Fig. 14. Grfica Modelo Stark.

Presin (mA)

Real
Modelo

2.5
2
1.5

En formato zpk:

Z=0
P = -0.0464
-0.0027
K = 4.8832*10-4
c) Modelo de Jahanmiri y Fallahi
Para este modelo es necesario tomar muestras de
tiempo correspondientes a los porcentajes 5%,
70% y 90%:

5% (5 ) = 55s
70% (70 ) = 484s
90% (90 ) = 866s

Ahora, segn el mtodo, = 5 .

90 70 866 484
=
=
= 0.4710
90
866 55
Como < 0.4771, debe tomar el valor:
0.48446510.75323499

12.0946444

=3.1084

Ahora, para :

90
=
= 55.233
0.424301 + 4.62533 2.65412

Ahora reemplazando en la ecuacin general, se

obtiene:

() =

.
+ . +

0.5
0

200

400

600

800
1000
Tiempo (s)

1200

1400

1600

1800

Fig. 15. Grfica Modelo Jahanmiri y Fallahi.

d) Modelo de segundo orden ms tiempo

muerto-Mtodo general
Segn el mtodo, es necesario tomar muestras de
tiempo correspondientes a los porcentajes 25%,
50% y 75% de la seal de respuesta.
De esta forma:
25% (25 ) = 141s
50% (50 ) = 292s
75% (75 ) = 551s
Ahora, reemplazando 25 = 141s, 50 = 292s, 75
= 551s en las ecuaciones (20) a (25)
=

75 25
0.9866+0.7036

1 =

(20)
(21)

2 =

(22)

= 75 (1.3421 + 1.3455)

(23)

0.624025 +0.986650 0.362675

0.353325 0.703650 +0.350375

= 0.008309389
= 413.1205113

(24)

= -8.067842815
1 = 413.1205
2 = 3.4327
Reemplazando en la ecuacin general dada por la
ecuacin (9), se obtiene la funcin de
transferencia:

() =

..
(.+)(.+)

Considerando que el tiempo muerto da negativo,

no hay tiempo de atraso del sistema, por ende, se
considera que este comienza en el tiempo 0, por
lo tanto la funcin de transferencia toma la
forma:

() =

e) Modelo de polo doble ms tiempo

muerto
Se toman muestras en el 25% y el 75%
usando las ecuaciones
= 0.5776(2 1 )
= 1.55521 0.55522

Para este caso se tiene que:

25% (25 ) = 141s
75% (75 ) = 551s
Haciendo que 1 = 25 y 2 = 75 , se
reemplazan en las ecuaciones 25 y 26.
= 236.816
= 86.632 s
Considerando que el tiempo muerto da negativo,
no hay tiempo de atraso del sistema, por ende, se
considera que este comienza en el tiempo 0.

(.+)(.+)

En formato zpk:
Z=0
P = -0.2913
-0.0024
K = 0.0027

Reemplazando los valores en la funcin de

transferencia, se tiene que:

() =
Modelo de segundo orden ms tiempo muerto-Mtodo general

.
(. + )

4.5
Real
Modelo

En formato zpk:

3.5

Z=0
P = -0.0042
-0.0042
K = 6.9414*10-5

Presin (mA)

3
2.5
2
1.5
1
0.5
0

200

400

600

800
1000
Tiempo (s)

1200

(25)
(26)

1400

1600

1800

Fig. 16. Grfica Modelo general de segundo orden.

Considerando que el tiempo muerto da

negativo, no hay tiempo de atraso del sistema,
por ende, se considera que este comienza en el
tiempo 0.

Modelo de polo doble ms tiempo muerto

4.5

. .
() =
. + . +

Real
Modelo

4
3.5

Presin (mA)

En formato zpk:

2.5

Z=0
P = -4.9062
-0.0026
K = 0.0395

2
1.5
1
0.5
0

200

400

600

800
1000
Tiempo (s)

1200

1400

1600

1800

Fig. 17. Grfica Modelo de polo doble ms tiempo muerto.

Finalmente se grafican todos los modelos de

segundo orden obtenidos junto con el modelo
real. Fig. 18.

Modelo de segundo orden a partir del System

Identification de Matlab

Modelos
3.5
Real
Ho et al
Jahanmiri y Fallahi
Stark
Polo doble mas tm

Presin (mA)

2.5

1.5

0.5

Fig. 12. Estimacin del proceso por medio del system

identification toolbox correspondiente a un modelo de
segundo orden.

Al exportar los datos obtenidos al espacio de

trabajo de Matlab, usando el comando
>>tf(P2D), se muestra la funcin de
transferencia estimada:

0
0

50

100

150

200

250
300
Tiempo (s)

350

400

450

500

Fig. 18. Grfica Modelos de segundo orden vs sistema

real.

Clculo de errores en los mtodos de segundo

orden
Se calcula el error cuadrtico medio para cada
modelo de sistema con el que se trabaj. Tab.
4.
Modelo
Ho et al
Stark
Jahanmiri y Fallahi
SOMTMg
Polo doble ms
tiempo muerto

Fig. 12. Datos obtenidos en el ETML.

Error
0.3691
0.1581
0.1439
0.2026
0.3241

Tab. 4. Errores para cada uno de los modelos de segundo

orden.

El mejor modelo (el ms aproximado) es el

que presenta un menor error, que corresponde
al modelo Jahanmiri y Fallahi.

PROGRAMAS USADOS
Cdigo escaln vs nivel
Cdigo modelo 1er orden

VI.

CONCLUSIONES
Los mtodos desarrollados para modelar
el sistema son todos mtodos
experimentales, por lo que el sistema que
se obtendr no ser ms que una
aproximacin del sistema real, el cual
ser ms aproximado entre mejores
sistemas de medicin se tengan y mejores
criterios de escogencia de los valores de
prueba.
Para un sistema de control se pueden
tener diferentes modelos que lo
representan, unos ms exactos que otros,
por lo que la escogencia de un buen
modelo ser de vital importancia para que
el modelo del sistema sea lo ms
aproximado al real.

VII.

BIBLIOGRAFA
Tavera. A, Modelos de procesos.
Curso de control semestre 0114,
Universidad de Antioquia.
Harriot y Smith, Identificacin de
sistemas.
Alfaro. M Sc, Mtodo de
identificacin de modelos de orden
reducido de tres puntos 123.c. Costa
Rica. 2007
Murillo A. Ivn, Comparacin de las
caractersticas de desempeo de los
modelos de primer y segundo orden
ms tiempo muerto. Costa Rica.
2004.
Alfaro. Victor M, Identificacin de
procesos
sobreamortiguados
utilizando tcnicas de lazo abierto.
San Jose. Costa Rica. 2001.

A=xlsread('DatosLabdefseg.xlsx');
%real
y1=A(:,3)-10.32;
tamy1=size(y1);
%tiempo
t=A(:,5);
%funcion transferencia modelo
num=3.1142;
den=[374.74,1];
G=tf(num,den,'inputdelay',32.5);
display(G);
y=step(G,t);
%graficar
plot(t,y1,'color',[1 0 0]);%real
hold on
plot(t,y,'color',[0 0 1]);%modelo
error=sum((y-y1).^2)/(tamy1(1));
%error modelo
display(error);
legend('Real','Modelo')
xlabel('Tiempo (s)')
ylabel('Presin (mA)')
title('Modelo Viteckov et al')

Cdigo modelos 1er orden todos

A=xlsread('DatosLabdefseg.xlsx');
%tiempo
t=A(:,5);
%real
R=A(:,3)-10.32;
plot(t,R,'color',[1 0 0]);
hold on
%numerador comun
num=3.1142;
%Modelo 1/4-3/4
den1=[372.19,1];
G1=tf(num,den1,'inputdelay',4.91);

y1=step(G1,t);
plot(t,y1,'color',[0 0 1]);
hold on
%Modelo Broida
den2=[257.9,1];
G2=tf(num,den2,'inputdelay',4.91);
y2=step(G2,t);
plot(t,y2,'color',[1 1 0]);
hold on
%Modelo Smith
den3=[372,1];
G3=tf(num,den3,'inputdelay',34);
y3=step(G3,t);
plot(t,y3,'color',[0 1 0]);
hold on
%Modelo Ho et al
den4=[359.79,1];
G4=tf(num,den4,'inputdelay',41.22);
y4=step(G4,t);
plot(t,y4,'color',[0 0 1]);
hold on
%Modelo Viteckova et al
den5=[374.74,1];
G5=tf(num,den5,'inputdelay',32.5);
y5=step(G5,t);
plot(t,y5,'color',[1 0 1]);
legend('Real','1/43/4','Brida','Smith','Ho et
al','Viteckov et al')
xlabel('Tiempo (s)')
ylabel('Presin (mA)')
title('Modelos')

Cdigo modelo 2do orden

A=xlsread('DatosLabdefseg.xlsx');
%real
y1=A(:,3)-10.32;
tamy1=size(y1);
%tiempo
t=A(:,5);
%funcion transferencia modelo
num=3.1142;
den=[236.816,236.816,1];
G=tf(num,den,'inputdelay',0);
display(G);
y=step(G,t);

%graficar
plot(t,y1,'color',[1 0 0]);%real
hold on
plot(t,y,'color',[0 0 1]);%modelo
error=sum((y-y1).^2)/(tamy1(1));
%error modelo
display(error);
legend('Real','Modelo')
xlabel('Tiempo (s)')
ylabel('Presin (mA)')
title('Modelo polo doble ms tiempo
muerto')

Cdigo modelos 2do orden todos

A=xlsread('DatosLabdefseg.xlsx');
%tiempo
t=A(:,5);
%real
R=A(:,3)-10.32;
plot(t,R,'color',[1 0 0]);
hold on
%numerador comun
num=3.1142;
%Modelo Ho et al
den1=[248.63,248.63,1];
G1=tf(num,den1,'inputdelay',0);
y1=step(G1,t);
plot(t,y1,'color',[0 0 1]);
hold on
%Modelo Jahanmiri y Fallahi
den2=[79.87,79.87,1];
G2=tf(num,den2,'inputdelay',43);
y2=step(G2,t);
plot(t,y2,'color',[1 1 0]);
hold on
%Modelo Viteckova et al
den3=[225.45,225.45,1];
G3=tf(num,den3,'inputdelay',0);
y3=step(G3,t);
plot(t,y3,'color',[0 1 0]);
hold on
%Modelo Polo doble mas tm
den4=[236.816,236.816,1];
G4=tf(num,den4,'inputdelay',0);

y4=step(G4,t);
plot(t,y4,'color',[0 0 1]);
hold on
%Modelo SOMTMg
den5=[1418.1187,416.5532,1];
G5=tf(num,den5,'inputdelay',0);
y5=step(G5,t);
plot(t,y5,'color',[1 0 1]);
legend('Real','Ho et al','Jahanmiri y
Fallahi','Viteckova et al','Polo doble
mas tm','SOMTMg')
xlabel('Tiempo (s)')
ylabel('Presin (mA)')
title('Modelos')