Maestría en

Automatización y
Control Industrial

Carlos Salazar L., M.Sc.

Julio 2013 - Guayaquil / Ecuador
Clase 01
Introducción

Planteamiento del problema

Señales más empleadas

Generalidades de modelos e identificación

Carlos Salazar L., M. Sc. Julio 2013

Presentación del curso

Bibliografía
Cronograma

Objetivos

¿Quién soy ?

Carlos Salazar L., M. Sc. Julio 2013

 1994: Ingeniero Electrónico especialización
Industrial.
FIEC-ESPOL, Ecuador
 1997: Master en Administración de Empresas.
ESPAE-ESPOL. Ecuador. respeto
honestidad
 2004: Especialista en Gestión de la Calidad.
Sistema Interamericano de Metrología,
INEN, Ecuador puntualidad

 2006: Maitre en administration des affaires

(M.B.A.) Université du Québec, Montréal,
Canadá
 2007: Master en Control Industrial (M. Sc.) POLÍTICAS
Universidad de Ibagué, Colombia
Université de Montpellier, France

Carlos Salazar L., M. Sc. Julio 2013

 I.S. es el arte de construcción de modelos de
sistemas dinámicos, considerando datos
medidos y observaciones del sistema.
 El presente curso brindará la comprensión de
la conceptualización y aplicaciones de
técnicas de identificación de sistemas.
 Se familiarizará explícitamente con el uso de
System Identification toolbox , Matlab.

Carlos Salazar L., M. Sc. Julio 2013

1 • Principios del Proceso de Modelización

2 • Diseño de señales y filtros

3 • Procesamiento de señales

4 • Modelos No Paramétricos

5 • Métodos Eye Ball (Vision Global)

6 • Modelos Paramétricos (AR, ARX, ARMAX, BJ, OE, PEM)

7 • Criterios de selección y validación

Carlos Salazar L., M. Sc. Julio 2013

 Diseño de sistemas de control de procesos (diseño
de controladores).
 Control predictivo basado en modelos.
 Control robusto.
 Control por el Modelo Interno.
 Control No Lineal.
 Control por Modelos de Conocimientos
(controladores borrosos, neuronales, genéticos y
sus combinaciones).
 Control Óptimo.

Carlos Salazar L., M. Sc.

Julio 2013
 Inferencia de medidas o predictores de
comportamiento.
 Estimación de dosis para tratamiento médico con
drogas.
 Construcción de simuladores de plantas para
entrenar sus operadores o las tripulaciones de
aeronaves.
 Predicción de mercados financieros y su
comportamiento.
 Toma de decisiones en negocios y previsión de
comportamientos.

Carlos Salazar L., M. Sc.

Julio 2013
Número Tipo de clase Contenido Horas
de clase

1 Conferencia. Introducción a la asignatura. Problemática de 4

la identificación de sistemas. Clasificación de
las tareas de identificación.

2 Conferencia. Señales más empleadas en la identificación 4

de sistemas. Características de las señales.
Modo de obtención de las señales por medios
de cómputo.

3 Clase Práctica Empleo de MATLAB para el diseño de la señal 4

de prueba.

Carlos Salazar L., M. Sc. Julio 2013

Número Tipo de clase Contenido Horas
de clase

4 Conferencia. Generalidades de los modelos y métodos de 4

identificación. Método no paramétrico de
identificación. Empleo de MATLAB para la
aplicación del método y el análisis de los
resultados.

5 Trab. en Lab. Práctica de identificación con modelos no 4

paramétricos.

6 Conferencia. Método paramétrico de identificación. 4

Tratamiento de los datos. Elección de la
estructura del modelo. Validación de la
estructura del modelo.

Carlos Salazar L., M. Sc. Julio 2013

Número Tipo de clase Contenido Horas
de clase

7 Trab. en Lab. Aspectos prácticos de la identificación de 4

sistemas con modelos paramétricos.

8 Trab. en Lab. Software interactivo para identificación de 4

sistemas con modelos paramétricos.

9 Trab. en Lab. Práctica de identificación con modelos 4

paramétricos.

Carlos Salazar L., M. Sc. Julio 2013

Carlos Salazar L., M. Sc. Julio 2013
 Aguado, A. B. Temas de Identificación y
Control Adaptable. Instituto de Cibernética,
Matemática y Física. La Habana, Cuba, 2000.
 Ljung, Lennart : System Identification
Toolbox For Use with MATLAB
 Ana Isabel Gutierrez. Sistemas de
Identificacion. Ibague, Colombia . Grupo de
Automatización, 1999

Carlos Salazar L., M. Sc. Julio 2013

 Ljung, Lennart: System Identification:
Theory for the User, 2nd Edition, Prentice
Hall, Englewood Cliffs, N.J.,1999.
 Söderström, T. & Stoica, P.: System
Identification, Prentice Hall, Englewood
Cliffs, N.J., 1989.
 Ljung, Lennart: System Identification
Toolbox, for use with Matlab, User's Guide
Version 4, The MathWorks, Inc, Natick, MA,
1997.

Carlos Salazar L., M. Sc. Julio 2013

Conceptualización

Formas de
modelar
Clases de
Modelos
Modelización

Sistemas
Dinámicos

Carlos Salazar L., M. Sc. Julio 2013

 Objeto donde interactúan variables en el cual
se producen variables observables.

F1 F2 Perturbaciones
v(t)

c1 c2
Entrada Salida
V c
u(t) y(t)
F

PROCESO REAL MODELO VIRTUAL

Carlos Salazar L., M. Sc. Julio 2013
¿Para qué?

Diseño

Conocimiento

Diagnóstico de
fallas

Carlos Salazar L., M. Sc. Julio 2013

 • Sin formalización matemática
• Ejemplo: manejar un carro
Mentales

• Generalmente tienen propósitos de diseño

• Ejemplo: diagrama de bode, respuesta impulso, etc
Gráficos

• Relación de mundo real y las matemáticas

• Ejemplo: ecuaciones diferenciales, en diferencia, etc.
Analíticos • Se usa en análisis, predicción, y diseño de sistemas dinámicos

Carlos Salazar L., M. Sc. Julio 2013

Carlos Salazar L., M. Sc. Julio 2013
 White Box Model

Modelación
Ecuaciones…
Matemática

Modelación Off-line (línea

muerta)
Identificación
de Sistemas
On –line (línea
abierta)
Black Box Model

Carlos Salazar L., M. Sc. Julio 2013

Identificación Off-Line: El computador no está conectado al proceso.
Identificación On-Line: El computador está conectado al proceso.

Modelo
Control PID

Entrada

Computador Proceso

Salida

Carlos Salazar L., M. Sc. Julio 2013

 Perturbaciones

Proceso
Entrada (Sistema Físico) Salida

Estructura y
Modelo Blanco Modelo Negro parámetros sin
significado físico
(White Model) (Black Model) alguno

básicamente básicamente
teórico experimental

Carlos Salazar L., M. Sc. Julio 2013

 e1 e2

P R

x w
x y z
A B

Carlos Salazar L., M. Sc. Julio 2013

 Determinación de los parámetros del objeto.
A y B; P y R

 Determinación de las características de las

señales casuales. x yw

Carlos Salazar L., M. Sc. Julio 2013

 Determinación de la linealidad de los
operadores.
 Determinación de los órdenes del sistema y el
retardo existente entre las señales de entrada
y salida conociendo que los operadores son
lineales.

Carlos Salazar L., M. Sc. Julio 2013

 Ulterior o
Formas
Recursiva

Recolectar datos y
estimar parámetros
(ulterior)
Identificación
Estimación de
parámetros en el
transcurso de la toma
de datos (recursiva)

Carlos Salazar L., M. Sc. Julio 2013

 Determinación de
Preprocesamiento
Inicio la estructura del
de datos
modelo

Fin de la Estimación de los

Validación
Identificación parámetros

Carlos Salazar L., M. Sc. Julio 2013

 ¿Qué es identificación de sistemas?

Construcción de modelos (matemáticos) de sistemas dinámicos basados en DATOS MEDIDOS

¿Cómo se identifica un sistema?

Ajuste de parámetros de un modelo dado hasta que la salida coincida lo mejor posible con los datos medidos

¿Cómo saber si el modelo es bueno?

Probando con otro grupo de datos, cercanos a los que se usaron en la modelación

¿Qué modelos son los mas comunes?

Modelos descritos por ecuaciones diferenciales (libre de leyes) tales como ARX, ARMAX, así como modelos de espacios de
estados

Carlos Salazar L., M. Sc. Julio 2013