Control Automático

Laboratorio Nº 15
“Identificación de procesos con Matlab”

Sección:
B

Alumnos:
Chahua Maccapa,
Martell Gonzales, Hassler
Rojas Astoaman, Chris
Salgado Ccollana, Sotero
Vásquez Benites, Eduardo

Profesor:

Ramón Robalino

2019-1
 Identificación de procesos con MatLab

1. Objetivos:

 Identificar y analizar procesos con la herramienta MatLab System Identification.

2. Introducción
El funcionamiento de los procesos industriales ha cambiado drásticamente en las
últimas décadas. Este cambio es debido principalmente a la evolución de la
tecnología del ordenador. La automatización de los procesos ha comportado un
aumento de la productividad de algunos sectores industriales, obligando a la
industria a adaptarse a las demandas de mercado y aumentar su competitividad.
Para aumentar la competitividad ha sido necesario desarrollar nuevas técnicas:
métodos y herramientas que permitan maximizar la eficiencia de los procesos,
desarrollando controladores de gran calidad, y maximizar la flexibilidad de los
procesos con el menor ajuste de la máquina. Para ello es imprescindible conocer
el comportamiento dinámico del proceso, principalmente de las partes críticas.
3. Marco teórico
Podemos definir la identificación de sistemas, como los estudios de técnicas que
persiguen la obtención de modelos matemáticos de sistemas dinámicos a partir
de mediciones realizadas en el proceso: entradas o variables de control, salidas o
variables controladas y perturbaciones.

Figura 1. Proceso de identificación sobre un sistema para la obtención de un modelo matemático

3.1. Tipos de modelos

Existen varias formas de catalogar los modelos matemáticos: deterministas o
estocásticos, dinámicos o estáticos, de parámetros distribuidos o concentrados,
lineales o no lineales, y de tiempo continuo o tiempo discreto.
3.1.1. Modelos mentales. Sin formalismo matemático.
3.1.2. Modelos no paramétricos. Se caracterizan mediante gráficos, diagramas
o representaciones que describen las propiedades dinámicas mediante un número
no finito de parámetros, i.e., respuesta al impulso, al escalón, o en frecuencia.
3.1.3. Modelos paramétricos o matemáticos. Describen las relaciones entre las
variables del sistema mediante expresiones matemáticas; i.e., ecuaciones
diferenciales en sistemas continuos y ecuaciones de diferencias en sistemas
discretos.
4. Procedimiento
Se hará uso de la herramienta de MatLab, System Identification. Los pasos que
se siguen son los mostrados a continuación.
1. Abrir Simulink e insertar el siguiente diagrama. Ver figura 1.

Figura 1. Planta de primer orden con ruido.

2. Modelar cada uno de los bloques con la información que se muestra a

continuación.

Figura 2. Función de transferencia de primer orden.

 Figura 3. Parámetros de la Fuente de ruido y del Step.

Figura 4. Señales de entrada y salida.

3. Será necesario que la señal mostrada en Scope sea enviada al Workspace para lo cual
debemos configurar el Scope como se muestra a continuación.

Figura 5. Configuración de Scope.

 4. Una vez concluída la configuración de Scope será necesario correr
nuevamente la simulación. Notar que ahora en el Workspace aparece MisDatos como
una estructura.
5. En el MatLab tipear los siguientes comandos:
● entrada = MisDatos.signals.values(:, 2)
● salida= MisDatos.signals.values(:, 1)
6. Verificar que ahora se han creado las matrices entrada y salida en el Workspace. Estas
contienen los valores de la señal de entrada y de salida de la planta a identificar.
7. Tipear en MatLab el comando Ident.
8. Aparece una ventana como la mostrada en la figura 6. También se ha seleccionado
Importar data.

Figura 6. Pantalla de la herramienta de identificación.

9. Configurar la ventana de Import data como se muestra en la figura 7.

Figura 7. Importación de datos desde Ident.

 10. La figura 8 muestra los datos importados de nuestra planta a
identificar. La figura 9 muestra una visualización de esos datos. Observar que son
iguales los de la figura 4.

Figura 8. Datos importados.

Figura 9. Visualización de datos de entrada y salida cuando se pone check en Time plot.

OBTENCION DE LOS DATOS IMPORTADOS DE LA FUNCION DE TRANSFERENCIA

11. Seleccione en la ventana de Estimate la opción Process Models. Aparecerá una ventana
como la mostrada a continuación.
 Figura 10. Ventana para calcular la función de transferencia.

12. Configurar la ventana con la información que se muestra en la figura 11.

Figura 11. Configuración para determinar la función de transferencia.

13. Presionar el botón Estimate (está en la parte inferior) para que Ident realice la identificación
de nuestra planta y nos entregue el modelo1. Ver figura 12. Si hacemos check en Model
output podremos ver una imagen donde se ha sobrepuesto a la salida real de nuestra planta
la salida del modelo encontrado con Ident. También se presenta el porcentaje de “fit” de
ambas figuras.

Figura 12. Resultado de la identificación de nuestra planta.

Figura 13. Comparación de la salida real con la salida del modelo.

14. Comparar los valores de K y Tp1 encontrados por Ident (figura 11) con los valores de la
figura 2. Decir cómo son estos valores.
K=2.9985

Tp1=7.036
 15. Repetir el procedimiento para la siguiente función de transferencia. Diga cuáles son los
valores de K, Tp1 y Tp2 encontrados por Ident. En este caso hay que cambiar en la figura 11
la opción de All Real por sub-amortiguado.

2
𝐺2(𝐺) =
10𝐺 2 + 2𝐺 + 1

K=1.9985
Tp1=3.1107
Tp2=0.32547

CURVA DE RESPUESTA DE LA FUNCION DE SEGUNDO ORDEN

DATOS IMPORTADOS CON IDENT

COMPARACION DE LA SALIDA REAL CON LA SALIDA DEL MODELO

APARECE UNA EXACTITUD DE 72.81

Conclusiones