ACERCA DE LA IDENTIFICACION DEL SISTEMA

Qu es la identificacin del sistema?

Es una metodologa para la construccin de modelos matemticos de sistemas dinmicos a
partir de mediciones del sistema de seales de entrada y salida. El proceso de identificacin
del sistema requiere:

Medir las seales de entrada y salida de su sistema en el dominio del tiempo o de la

frecuencia.
Seleccionar un modelo de estructura.
Aplicar un mtodo de estimacin para calcular el valor de los parmetros ajustables en
el candidato a la estructura del modelo.
Evaluar el modelo estimado, para ver si el modelo es adecuado para sus necesidades
de aplicacin.

ACERCA DE LOS SISTEMAS DINAMICOS Y MODELOS

Qu es un modelo dinmico?
En un sistema dinmico, donde las seales de salida dependen de los valores instantneos de
sus seales de entrada y tambin sobre el comportamiento pasado del sistema. Por ejemplo,
un asiento de coche es un sistema dinmico-el asiento (solucin de posicin) depende tanto
del peso actual del pasajero (valor instantneo) y cunto tiempo este pasajero ha decidido
viajar en automvil (comportamiento pasado).
Un modelo es una relacin matemtica entre el sistema de las variables de entrada y salida.
Modelos de sistemas dinmicos son tpicamente descritos por ecuaciones diferenciales,
funciones de transferencia, las ecuaciones de espacio de estado y polo-cero-ganancia
modelos.
Puede representar los modelos dinmicos tanto en tiempo continuo y en tiempo discreto.
Un ejemplo de uso frecuente de un modelo dinmico es la ecuacin del movimiento de un
resorte de masa del sistema de amortiguacin. Como se muestra en la siguiente figura, la
masa se mueve en respuesta a la fuerza F(t), aplicado sobre la base hasta que la masa est
conectado. La entrada y la salida de este sistema son la fuerza F(t) y el desplazamiento y(t)
respectivamente.
Sistema amortiguador masa resorte excitados por la fuerza f(t)

Ejemplo de Modelo Dinmico Tiempo-Continuo

Este modelo puede representar el mismo sistema fsico que varios modelos equivalentes. Por
ejemplo, puede representar el sistema masa-muelle-amortiguacin en tiempo contino como
una ecuacin diferencial de segundo orden:

Donde m es la masa, k la rigidez del muelle constante, y c el coeficiente de

amortiguacin. La solucin a esta ecuacin diferencial permite determinar el desplazamiento
de la masa, y(t), como una funcin de la fuerza externa F(t) en cualquier momento t para
valores conocidos de constante m, c y k.

Si se trata del desplazamiento y(t) y la velocidad

como variables de estado, puede
expresar la ecuacin anterior de movimiento como un modelo de espacio de estado del
sistema:

Donde Y(t) = [y(t);v(t)] es un vector de un modelo de estados. Las matrices A, B y C estn

relacionadas con las constantes m, c y k de la siguiente manera:

Tambin puede obtener un modelo de funcin de transferencia del muelle-amortiguadormasa del sistema tomando la transformada de Laplace de la ecuacin diferencial:

Donde s es la variable de Laplace.

Ejemplo de modelo dinmico tiempo-Discreto
Supongamos que slo se pueden observar las variables de entrada y salida F(t) e y(t) del
sistema masa-muelle-amortiguacin en diferentes instantes de tiempo t = nTs, donde Ts es
un intervalo fijo de tiempo y n = 0, 1, 2, .... Se dice que las variables estn muestreados con
intervalo de muestreo Ts. A continuacin, puede representar la relacin entre las variables de
entrada-salida muestreando como una ecuacin de diferencia de segundo orden, tales como:

A menudo, por simplicidad, Ts es tomada como una unidad de tiempo, y la ecuacin puede
escribirse como:

Donde a1 y a2 son los parmetros del modelo. Que estn relacionados con el sistema de
las constantes m, c y k, y el intervalo de muestreo Ts.
Esta diferencia la ecuacin muestra la naturaleza dinmica del modelo. El valor de
desplazamiento en el momento de tiempo t no slo depende del valor de la fuerza F en
un instante de tiempo anterior, sino tambin en los valores de desplazamiento en los dos
ltimos instantes de tiempo y(t-1) y y(t-2).
Puede utilizar esta ecuacin para calcular el desplazamiento en un momento especfico. El
desplazamiento es representado como una suma ponderada de los ltimos valores de entrada
y salida:

Esta ecuacin muestra una manera iterativa de generar valores de salida y(t) a partir de las
condiciones iniciales (y(0) y y(1)) y mediciones de la entrada F(t). Este clculo se llama
simulacin.
Alternativamente, el valor de salida en un momento dado t puede calcularse utilizando los
valores medidos de salida anterior en dos instantes de tiempo y el valor de entrada en un
momento anterior. Este clculo se llama prediccin
EL SISTEMA REQUIERE LA IDENTIFICACIN DE DATOS MEDIDOS
Por qu se requieren datos de identificacin del sistema?
La Identificacin del sistema utiliza las seales de entrada y salida se mida desde un sistema
para estimar los valores de los parmetros ajustables en un determinado modelo de
estructura.
La obtencin de un buen modelo de su sistema depende de cun bien sus datos estn
medidos reflejando el comportamiento del sistema.
Utilizando esta herramienta, puede construir modelos con dominio de tiempo seales de
entrada-salida, respuesta de frecuencia, datos de series de tiempo, seales y espectros de
series de tiempo, tal como se describe en Importar y procesar datos.
Datos de dominio de tiempo
El Dominio de tiempo consta de los datos de las variables de entrada y salida del sistema que
graba en un intervalo de muestreo uniforme a lo largo de un perodo de tiempo.
Por ejemplo, si se mide la fuerza de entrada F(t) y los desplazamientos en masa x(t) del
muelle-amortiguador de masas en un sistema uniforme de la frecuencia de muestreo de 10
Hz, se obtienen los siguientes vectores de valores medidos:

Donde Ts = 0,1 segundos y NTs es la hora de la ltima medicin.

Si usted quiere construir un modelo de tiempo discreto a partir de estos datos, los datos de
vectores Umeas y Ymeas y el intervalo de muestreo Ts proporciona suficiente informacin
para la creacin de dicho modelo.
Si usted quiere construir un modelo en tiempo continuo, usted debe tambin saber el
comportamiento interprueba de las seales de entrada durante el experimento.
Datos del dominio de frecuencia
Datos del dominio de frecuencia representa las mediciones del sistema, las variables de
entrada y salida que puede grabar o almacenar en el dominio de la frecuencia. El dominio de
la frecuencia de seales son transformadas de Fourier de las correspondientes seales en el
dominio del tiempo.
Datos del dominio de frecuencia tambin puede representar la respuesta de frecuencia del
sistema, representado por el conjunto de valores de la respuesta compleja a lo largo de un
rango de frecuencias determinado. La respuesta en frecuencia describe las salidas a entradas
sinusoidales. Si la entrada es una onda senoidal con frecuencia , entonces el resultado es
tambin una onda sinusoidal de igual frecuencia, cuya amplitud es A() veces la amplitud de
la seal de entrada y un cambio de fase de () con respecto a la seal de entrada. La
respuesta en frecuencia es A()e^(i ()).
En caso de sistema masa-muelle-amortiguacin, usted podr obtener la respuesta en
frecuencia de los datos mediante una fuerza de entrada sinusoidal y midiendo el
correspondiente cambio de fase y ganancia de amplitud de la respuesta, a travs de una
gama de frecuencias de entrada.
Puede utilizar los datos del dominio de frecuencia para construir tanto en tiempo discreto y
modelos de tiempo continuo de su sistema.
Requisitos de calidad de datos
La Identificacin del sistema requiere que los datos de la captura sean importantes dinmicas
de su sistema. un Buen diseo experimental asegura de que usted mida al derecho variables
con suficiente precisin y duracin para capturar la dinmica que se desea modelar. En
general, el experimento debe:

Utilizar insumos que excitan el sistema dinmico adecuadamente. Por ejemplo, un solo
paso raramente es suficiente excitacin.
Medir los datos lo suficientemente larga como para captar las constantes de tiempo
importante.
Configurar sistema de adquisicin de datos para tener una buena relacin seal-ruido.
Medir los datos en intervalos de muestreo apropiado o la resolucin de la frecuencia

Puede analizar la calidad de los datos antes de la construccin del modelo utilizando las
tcnicas disponibles en el cuadro de herramientas de procesamiento de seal Software. Por
ejemplo, analizar los espectros de entrada para determinar si las seales de entrada tienen
suficiente poder sobre el ancho de banda del sistema.
Tambin puede analizar los datos para determinar las frecuencias, los retardos de entrada,
constantes de tiempo importante, y la indicacin de respuestas no lineales utilizando
herramientas de anlisis no-paramtrica en esta caja de herramientas. Puede utilizar esta
informacin para configurar estructuras de modelo para la construccin de modelos de datos.
LA CONSTRUCCIN DE MODELOS A PARTIR DE DATOS

Sistema de identificacin requiere un modelo de estructura

Un modelo de estructura es una relacin matemtica entre las variables de entrada y salida
que contiene parmetros desconocidos. Ejemplos de modelos de estructuras son las
funciones de transferencia con regulacin de polos y ceros, estado del espacio desconocido
del sistema ecuaciones con matrices y funciones con parmetros no lineales.
La siguiente ecuacin representa un modelo simple estructural:

Donde a y b son parmetros ajustables. El proceso de identificacin del sistema requiere que
usted elija un modelo de estructura y aplicacin de los mtodos de estimacin para
determinar los valores numricos de los parmetros del modelo.

Puede utilizar uno de los mtodos siguientes para elegir el modelo de estructura:

Desea un modelo que es capaz de reproducir los datos medidos y es tan simple como
sea posible. Usted puede probar diferentes estructuras matemticas disponibles en el
cuadro de herramientas. Esto se llama el enfoque de modelado modelado de caja
negra.

Desea una estructura especfica para su modelo, que puede derivarse de los primeros
principios, pero no conoce los valores numricos de los parmetros. A continuacin,
puede representar la estructura del modelo como un conjunto de ecuaciones de
espacio de estado o sistema en Matlab y estimar los valores de sus parmetros a partir
de los datos. Este enfoque se conoce como modelado de caja gris.

Cmo calcular los parmetros del modelo de la caja de herramientas

La Identificacin del sistema de la caja de herramientas del software calcula los parmetros
modelo por minimizar el error entre el modelo y la medida de la respuesta de salida. La salida
Ymodel del modelo lineal est dada por:
Ymodel(t) = Gu(t)
Donde G es la funcin de transferencia. Para determinar G, la caja de herramientas minimiza
la diferencia entre el resultado del modelo Ymodel(t) y el resultado obtenido Ymeas(t). El
criterio de minimizacin es una norma ponderada del error v(t), donde:
V(t) = Ymeas(t) -Yymodel(t) = Ymeas(t) - Gu(t).
Ymodel(t) es uno de los siguientes:

Respuesta simulada del modelo para una entrada dada u(t).

Predecir la respuesta del modelo a una entrada dada u(t) y las mediciones anteriores
de salida (Ymeas(t-1),Ymeas(t-2),...).

En consecuencia, el error v(t) se denomina simulacin de error o error de prediccin. Los

algoritmos de estimacin de los parmetros de ajuste en la estructura del modelo G tal que la
norma de este error es tan pequeo como sea posible.

Configuracin del algoritmo de estimacin de parmetros

Se puede configurar el algoritmo de estimacin por:

Configurar el criterio de minimizacin para enfocar la estimacin en un rango de

frecuencia deseada, como poner ms nfasis en las frecuencias ms bajas y ruido de
alta frecuencia contribuciones. Tambin puede configurar el criterio para dirigirse a las
necesidades de la aplicacin prevista para el modelo como la simulacin y prediccin.
Especificar las opciones de optimizacin de algoritmos de estimacin iterativa. La
mayora de los algoritmos de estimacin en esta caja de herramientas son iterativos.
Puede configurar un algoritmo de estimacin iterativa especificando opciones, tales
como el mtodo de optimizacin y el nmero mximo de iteraciones.

MODELADO BLACK-BOX(CAJA NEGRA)

Seleccionar modelo Black-Box estructura y orden
El Modelado de caja negra es til cuando su inters principal es la colocacin de los datos
independientemente de una determinada estructura matemtica del modelo. La caja de
herramientas ofrece varios sistemas de edicin lineales y no lineales estructuras de modelo
de caja negra, que tradicionalmente han sido tiles para la representacin de sistemas
dinmicos. Estas estructuras modelo varan en complejidad dependiendo de la flexibilidad que
usted necesita para tener en cuenta la dinmica y el ruido en el sistema. Puede elegir una de
estas estructuras y calcular sus parmetros para ajustar la respuesta de datos medidos.
Modelado de caja negra es normalmente un proceso de ensayo y error, donde se estiman los
parmetros de las distintas estructuras y comparar los resultados. Normalmente, se empieza
con la estructura del modelo lineal simple y avanzar hacia estructuras ms complejas.
Tambin puede elegir un modelo de estructura porque estn ms familiarizados con esta
estructura o porque usted tiene necesidades especficas de la aplicacin.
Cundo utilizar estructuras de modelo no lineal?
Un modelo lineal es a menudo suficiente para describir con precisin la dinmica del sistema
y, en la mayora de los casos, primero debe intentar colocar modelos lineales. Si el modelo
lineal de salida no reproduce adecuadamente el resultado obtenido, es posible que necesite
utilizar un modelo no lineal. Usted puede evaluar la necesidad de utilizar un modelo de
estructura no lineal trazando la respuesta del sistema a una entrada. Si usted nota que las
respuestas varan dependiendo del nivel de entrada o seal de entrada, intente utilizar un
modelo no lineal. Por ejemplo, si la respuesta de salida a un paso de entrada es ms rpido
que la respuesta a un paso hacia abajo, usted puede ser que necesite un modelo no lineal.
Antes de construir un modelo no lineal de un sistema que sabe que no es lineal, intente
transformar las variables de entrada y salida de tal manera que la relacin entre las variables
es lineal transformado. Por ejemplo, considere un sistema que tiene como entradas de voltaje
y corriente a un calentador de inmersin y la temperatura del lquido calentado como una
salida. La salida depende de las entradas a travs de la potencia de la caldera, que es igual al
producto de la corriente y la tensin. En lugar de construir un modelo no lineal de dos
entradas y una salida del sistema, puede crear una nueva variable de entrada tomando el
producto de la corriente y la tensin y, a continuacin, construir un modelo lineal que
describe la relacin entre el poder y la temperatura.
Si no puede determinar la variable transformaciones que producen una relacin lineal entre
las variables de entrada y salida, puede utilizar estructuras no lineales como no lineales o

modelos Hammerstein-Wiener ARX. Para obtener una lista de estructuras de modelos no

lineales compatibles y cundo utilizarlos.
Ejemplo de estimacin Black-Box
Puede utilizar la GUI o los comandos para estimar modelos lineales y no lineales de diversas
estructuras. En la mayora de los casos, se elige un modelo de estructura y estimacin de los
parmetros del modelo mediante un solo comando.
Considerar el sistema masa-muelle-amortiguacin, descrito en unos sistemas dinmicos y
modelos. Si usted no sabe la ecuacin del movimiento de este sistema, puede usar un
enfoque de modelado de caja negra para construir un modelo. Por ejemplo, puede calcular la
funcin de transferencia o modelos de espacio de estado, especificando las rdenes de estos
modelos de estructuras.
Una funcin de transferencia es una relacin de polinomios:

Para el sistema de amortiguacin de masa-resorte, esta funcin de transferencia es:

Que es un sistema sin ceros y 2 polos.

En tiempo discreto, la funcin de transferencia del sistema masa-muelle-amortiguacin puede
ser:

Donde el modelo pedidos corresponden al nmero de coeficientes del numerador y el

denominador (nb = 1 y nf= 2) y el retardo de entrada-salida es igual a la menor exponente
del orden z^(-1) en el numerador (nk = 1).
En tiempo continuo, usted puede construir un modelo de funcin de transferencia lineal
utilizando el comando tfest:

m= tfest(data, 2, 0)

Donde los datos se miden sus datos de entrada-salida, representado como un objeto iddata
y el modelo de orden es el conjunto de nmero de polos (2) y el nmero de ceros (0).
Asimismo, usted puede construir un modelo de tiempo discreto estructura de Error de salida
utilizando el siguiente comando:

m= oe(datos, [1 2 1])

El modelo de orden es [nb nf nk] = [1 2 1]. Generalmente, usted no sabe el modelo de

pedidos por adelantado. Usted debe probar varios valores del orden de modelo hasta que
encuentre las rdenes que producen un modelo aceptable.

Alternativamente, usted puede elegir una estructura de espacio de estado para representar el
sistema masa-muelle-amortiguacin y estimar los parmetros del modelo mediante el ssest
o el comando n4sid:

m = ssest(datos, 2)

Donde el orden = 2 representa el nmero de miembros en el modelo.

En modelos de caja negra, no necesita la ecuacin del movimiento del sistema-slo una
estimacin del modelo de pedidos.
Modelado Gray-Box(caja gris)
En algunas situaciones, se puede deducir la estructura del modelo de principios fsicos. Por
ejemplo, la relacin matemtica entre la fuerza de entrada y los consiguientes
desplazamientos masivos en el sistema masa-muelle-amortiguacin es bien conocida. En
forma de espacio de estado, el modelo est dada por:

Donde Y(t) = [y(t);v(t)] es el vector de estado. Los coeficientes A, B y C son funciones de los
parmetros del modelo:
A = [0 1; -k/m -c/m]
B = [0; 1/m]
C = [1 0]
Aqu, usted conoce plenamente la estructura del modelo, pero no conoce los valores de sus
parmetros -m, c y k.
En el mtodo de caja gris, puede utilizar los datos para estimar los valores de los parmetros
desconocidos de su modelo de estructura. Puede especificar el modelo de estructura por un
conjunto de ecuaciones diferenciales o de diferencia en Matlab y proporcionar alguna
conjetura inicial para los parmetros desconocidos especificado.En general, puede construir
modelos de caja gris por:
1.-Crear un modelo de estructura de plantilla.
2.-Configuracin de los parmetros del modelo con valores inciales y restricciones (si hay
alguno).
3.-Aplicacin de un mtodo de estimacin de la estructura del modelo y los valores de los
parmetros del modelo de computacin.
EVALUAR LA CALIDAD DEL MODELO
Cmo evaluar y mejorar la calidad del modelo
Despus de estimar el modelo, se puede evaluar la calidad del modelo por:

Comparando el modelo de respuesta a la respuesta medida

Anlisis de residuos
El anlisis de la incertidumbre del modelo

En ltima instancia, usted debe evaluar la calidad de su modelo basado en si el modelo

aborde adecuadamente las necesidades de su aplicacin. Si no obtiene un modelo
satisfactorio, puede iterativamente mejorar tus resultados al tratar una estructura de modelo
diferente, cambiar el algoritmo de estimacin de parmetros, o realizar el procesamiento de
datos adicionales. Para obtener ms informacin sobre la estimacin de cada tipo de
estructura de modelo, consulte la Gua del usuario. Si estos cambios no mejoran los
resultados, es posible que necesite revisar su diseo experimental y los procedimientos de
recopilacin de datos.
Comparando el modelo de respuesta a la respuesta medida
Normalmente, debe evaluar la calidad de un modelo comparando el modelo de respuesta a la
medida de la salida de la misma seal de entrada.
Supongamos que utiliza un enfoque de modelado de caja negra para crear modelos de
dinmica del muelle-amortiguador de vibraciones del sistema. Intentar varias estructuras de
modelo y pedidos, tales como:
modelo1 = arx(datos, [2 1 1]);
modelo2 = n4sid(data, 3)
Puede simular estos modelos con una determinada entrada y comparar sus respuestas contra
los valores medidos de los desplazamientos para la misma entrada aplicado al sistema real. El
siguiente grfico compara la simulacin y medicin de respuestas para un paso de entrada.

La figura anterior indica que el modelo2 es mejor que el modelo1 porque el modelo2 se
adapta mejor a los datos (65% vs. 83%). Colocar el % indica el acuerdo entre el modelo de
respuesta y el resultado obtenido: 100 significa un ajuste perfecto, y 0 indica un mal ajuste
(es decir, el modelo de salida tiene el mismo ajuste a la medida de salida como la media de la
medida de la salida).
Anlisis de residuos
Identificacin del sistema software caja de herramientas permite realizar anlisis residual para
evaluar la calidad del modelo. Los residuos representan la parte de los datos de salida no
explicada por el modelo estimado. Un buen modelo tiene residuos no correlacionadas con las
ltimas entradas.
El anlisis de la incertidumbre del modelo
Al calcular los parmetros del modelo de datos, se obtienen sus valores nominales que son
precisas dentro de una regin de confianza. El tamao de esta regin est determinado por
los valores del parmetro incertidumbres calculado durante la estimacin. La magnitud de las

incertidumbres que proporcionan una medida de la fiabilidad del modelo. Grandes

incertidumbres en los parmetros pueden ser el resultado de pedidos modelo
innecesariamente altos niveles de excitacin, la insuficiencia de los datos de entrada, y la
pobre relacin seal-ruido en los datos medidos.
Puede calcular y visualizar el efecto del parmetro las incertidumbres sobre el modelo de
respuesta en el tiempo y frecuencia de dominios usando mapas de polo cero Bode, respuesta
y paso parcelas de respuesta. Por ejemplo, en las siguientes grficas de bode de un modelo
estimado, las regiones sombreadas representan la incertidumbre en amplitud y fase de
modelo de respuesta de frecuencia, calculado mediante la incertidumbre en los parmetros.
El grfico muestra que la incertidumbre es baja slo en el 5 a 50 rad/s el rango de frecuencia,
lo que indica que el modelo es fiable slo en este rango de frecuencia.