Beruflich Dokumente
Kultur Dokumente
Identificación de sistemas 1
Resumen— El presente documento trata del análisis e han surgido importantes investigaciones que han dado como
identificación de un sistema motor-generador, así como de resultado propuestas de técnicas de modelado que aproximan
emplear técnicas de modelado matemático que nos servirán sus comportamientos a los reales de manera sorprendente.
como herramientas para representar dicho sistema de forma
matemática. Se han adquirido muestras a través de una DAQ La identificación permite determinar el modelo de un sistema
del comportamiento del sistema ante un escalón y una señal dinámico a partir de mediciones de entradas y salidas,
PRBS, los datos obtenidos se procesaron a través del software mediante la cual podamos entender de mejor manera el
MATLAB y el toolbox IDENT, donde por medio de criterios comportamiento de dicho sistema. Tener la representación
de selección descritos posteriormente se obtiene un modelo matemática permite calcular, simular y ajustar parámetros de
ARX. Las técnicas estudiadas fueron: Identificación controladores, que luego serán aplicados al sistema físico
paramétrica con la aplicación de una señal PRBS y estructura observando el comportamiento simulado y ajustado sobre el
de modelo ARX110. Identificación no paramétrica con la modelo matemático.
aplicación del método de Miller. La identificación paramétrica
de sistema fue validado con la implementación de un
observador. II. IDENTIFICACIÓN
B. Métodos No Paramétricos.-Pueden definir un modelo En este proyecto hemos utilizado dos técnicas de
mediante tablas o gráficas, mediante un número no finito de identificación; paramétrica con la aplicación de una señal
muestras, así como de un vector de parámetros. PRBS y estructura de modelo ARX110 e identificación no
paramétrica con la aplicación del método más simple el de
Se pueden realizar tres tipos de análisis de la respuesta
Miller. Con el fin de contrastar los resultados obtenidos con el
transitoria1, de correlación2 y técnicas frecuenciales3.
método paramétrico del proceso de identificación el modelo
IDENTIFICACIÓN GRÁFICA MÉTODO DE MILLER. del sistema fue validado con la implementación de un
El procedimiento propuesto por Miller es una variación del observador.
Método de la tangente de Ziegler y Nichols y, al igual que Para iniciar con el proceso en cualquiera de los casos fue
éste, requiere el trazo de una recta tangente al punto de necesario obtener datos de entrada y salida mediante la
inflexión de la respuesta. El retardo de tiempo para esta aplicación de una señal de excitación. Para tal efecto fue
variante se calcula de la respuesta al escalón se determina L necesario el uso de una tarjeta de adquisición de datos de NI
interceptando la tangente a la curva de respuesta, en su punto (National Instruments) y las conexiones con la planta y la
de inflexión, con el eje de tiempo correspondiente al valor de computadora, tal como se muestra en la Figura 1.
estado estacionario inicial. La variación propuesta se establece
en el cálculo de la constante de tiempo del modelo, la cual se
determina como el tiempo requerido para que la respuesta
alcance el 63.2 por ciento del cambio total a partir del retardo
de tiempo. Esta variación hace que la respuesta del modelo y
la del sistema real coincidan en por lo menos un punto, ambas
respuestas transitan por el mismo punto en el instante de
tiempo t = T + L. La recta trazada y la ubicación de los puntos
mencionados se muestran en la Figura 1.
B. Identificación Paramétrica.
15..17
G 2
(s) s 19.02
Dicha función de transferencia nos da una respuesta al escalón
que se encuentra en la gráfica de la Figura 4 (b).
2.5
1.5
0.5
-0.5
-1
0 0.5 1 1.5 2 2.5 3
Figura 6. Comportamiento del observador realizado en base al modelo
obtenido ante cambios en la referencia..
Figura 8. Señal de salida ante un escalón de 3 voltios
Claramente se puede apreciar como el observador le sigue a la
referencia. Luego de “preparada” la respuesta obtenida (suavizado), se ha
aplicado el método simple de Miller para obtener los
C. Identificación No Paramétrica.
siguientes parámetros:
En este tipo de Identificación se alimentó a la planta con un
escalón de 3 unidades de voltaje, obteniendo el ∆y(∞) = 2.39
comportamiento de la salida ante tal excitación. ∆u = 3
En la Figura 6 se muestran las señales de excitación y de
respuesta de la planta. Podemos calcular la constante K :
( )
(4)
Figura 12. Diagrama de para obtener las respuestas al escalón de los modelos:
gráfico y ARX110
(5)
Ismael
(6)
Figura. 10. respuesta al escalón. Para los errores se obtuvo un promedio de todos los errores y
luego el porcentaje, entonces tenemos los siguientes valores:
Como se puede observar las gráficas de la figura 7 y figura 9 1.067%
tienen bastante similitud, en el siguiente punto vamos a
comparar las gráficas y a validar nuestra modelo. A hora podemos decidir qué modelo es el adecuado para
nuestro sistema.
V. VALIDACION DEL MODELO. Es el ARX110 porque tiene memos error en comparación con
El principio de validación es el siguiente: el método grafico
Si la estructura seleccionada para la “planta + disturbios” es En la gráfica siguiente podemos visualizar cómo se comportan
correcta; si los grados de los polinomios de la estructura del las salidas respecto a un escalón.
modelo, por ejemplo: na; nb; d se han elegido correctamente, La gráfica inferior nos indica los errores de la señal real con
entonces el error de predicción debe tender asintóticamente a los métodos encontrados.
una señal de ruido blanco, lo que implica:
La función de autocorrelación nos proporciona información
sobre la dependencia de los datos con muestras pasadas. [6]
VERIFICACIÓN DE LOS MÉTODOS (ARX, MÉTODO GRÁFICO )
3 uk
Autocorrelation of residuals for output y1
0.2 yk
2 ARX
Volts
0.1 MG
1
0 0
-0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time
COMPARACIÓN DEL ERROR DE LOS MÉTODOS (ARX, MÉTODO GRÁFICO)
-0.2 2
-20 -15 -10 -5 0 5 10 15 20
Error ARX
1.5
ErrorMG
Cross corr for input u1 and output y1 resids
1
0.2
0.5
0.1 0
0 -0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-0.1
-0.2
-20 -15 -10 -5 0 5 10 15 20 Figura 13.Ccomparación de los resultados de las salidas y los errores.
Samples Señal real y los métodos encontrados.
Figura 11. Representación de los residuos del modelo
VII. REFERENCIAS