Beruflich Dokumente
Kultur Dokumente
Integrantes: Profesor: Fecha: Proyecto: Continua Identificacin de un Motor de Corriente 14 de noviembre de 2010 Ing. Carlos Salazar Alexander Zambrano Garca Yasser Montero Florn
tipo de modelado se obtiene a partir del conocimiento de las caractersticas fsicas de los subsistemas que conforman el sistema. No obstante, en la vida diaria muchos sistemas son manejados con modelos mentales, los cuales no implican ningn formalismo matemtico. Ejemplo de ello es el hecho de tomar un libro. Los movimientos de nuestra mano, incluidas la velocidad, direccin y presin de los dedos, se controlan sin crear ningn modelo numrico. Los modelos de Software, por su parte, son programas utilizados para analizar y simular sistemas con el apoyo de las herramientas computacionales. Los procedimientos para construir modelos e identificar sistemas involucran tcnicas que deben tener en cuenta los siguientes aspectos: Planificacin experimental Seleccin de la estructura del modelo - Estimacin de parmetros - Validacin La construccin de modelos a partir de datos implica tres elementos bsicos: - Los datos - Un conjunto de modelos candidatos Una regla por medio de la cual los modelos candidatos puedan ser parametrizados y evaluados usando los datos. Realizar experimentos en procesos industriales puede resultar costoso, adems de dificil. Es, por lo tanto, deseable disponer de mtodos experimentales que no requieran de seales de entrada especiales. Los datos de entrada-salida son recogidos mediante un experimento de Identificacin especialmente diseado, donde el usuario determina las seales quese deben medir, lo mismo que cundo medidas y el tipo de seales de entrada que se utilizar. Estructura del modelo Se obtiene generalmente del conocimiento previo que se tenga del sistema y de las perturbaciones. Se escoge un conjunto de modelos candidatos dentro de un grupo de modelos que parecen acomodarse al sistema. Tal escogencia es de suma importancia, y no en vano, uno de los pasos mas difciles en el procedimiento de Identificacin. Entran en juego entonces la intuicin y el conocimiento a priori del sistema. En muchos casos se recurre a representaciones de sistemas lineales de tipo generales. Pueden entonces manejarse las estructuras del modelo como modelos de cajas negras. Como ejemplo de modelo en ecuacin de diferencias tenemos que
A(q)y(k) = B(q)u(k) + C(q)e(k) en donde u es la entrada, y la salida, y e una perturbacin de tipo ruido blanco. Estimacin de parmetros Resolver el problema de la estimacin de parmetros requiere, como se dijo anteriormente, de: Datos de entrada - salida del proceso - Una clase de modelos - Un criterio Validacin del modelo Una vez escogido un modelo debe probarse para determinar su comportamiento y qu tan bien se ajusta al sistema, o sea, qu tan vlido es para nuestros propsitos. La determinacin de este modelo implica llegar al modelo particular que mejor describe al sistema de acuerdo con el criterio de escogencia determinado. De lo anterior se desprende que el procedimiento de identificacin sigue un flujo lgico natural: recoger los datos, buscar un conjunto de modelos, seleccionar el mejor modelo de acuerdo con el criterio de escogencia y, por ltimo, validarlo. Generalmente, el primer modelo seleccionado no pasa la validacin, razn por la cual es necesario revisar algunos de los pasos seguidos. Las deficiencias en un modelo pueden deberse a varias razones: El procedimiento numrico es inadecuado para escoger el mejor modelo de acuerdo con nuestro criterio. - El criterio de escogencia es inadecuado. - El conjunto de modelos no es apropiado. - El conjunto de datos no contiene la suficiente informacin para guiarnos. Estimacin de modelos paramtricos Por lo visto, un modelo L11est especificado por la respuesta al impulso, el espectro de la perturbacin aditiva y posiblemente por una funcin de densidad probabilstica de la perturbacin e(t). El modelo completo resulta: y(t) = G(q)u(t) + H(q)e(t) H(q) = 1+ Lkh(k)q
Objetivo - Con los datos obtenidos de la planta por medio de una interfaz electrnica, identificar el bloque de transferencia. - Utilizar Filtros para obtener los mejores datos y realizar una correcta identificacin. - Obtener un 85 % como mnimo de aproximacin del sistema identificado con respecto al sistema real Proceso de identificacin Diseo del experimento de identificacin En este proyecto de identificacin de sistemas vamos a realizar el anlisis de comportamiento de un motor dc cuya entrada ser el porcentaje de modelacin de ancho de pulso (PWM) y de salida tendremos la velocidad angular del eje del motor (rpm). Las mediciones se van a efectuar acoplando al eje del motor una placa circular de color blanco con una pequea muesca. Adicionalmente utilizamos un sensor ptico cuyo funcionamiento es enviar luz infrarroja que es reflejada en el color blanco y contrariamente es absorbida por el color negro, as cada vez que la muesca corte el haz de luz del sensor este enviar una seal al Mdulo de Entrenamiento (Ideas & Tecnologa) gobernado por un microcontrolador donde se interrumpir el software creado con el fin de contar el nmero de interrupciones que representarn el nmero de revoluciones por minuto del eje del motor. El Mdulo de Entrenamiento (Ideas & Tecnologa) recibe la seal de (PWM) que es manipulada por el operador con la ayuda de un potencimetro a fin de obtener datos experimentales de entrada. De la misma manera el Mdulo de Entrenamiento (Ideas & Tecnologa) enva los datos utilizando comunicacin Serial RS-232 a la PC donde el software MATLAB procede mediante programacin a transformar los
datos enviados desde el mdulo que estn en hexadecimal y convertirlos en decimal a fin de obtener una base de datos que nos sirva para proceder con la identificacin del sistema.
El tiempo de muestreo utilizado es 10ms y fue escogido debido a que la respuesta del sistema es rpida.
%%pwm=(100*PWM)/255
i=1 j=1 in_sis=[]; out_sis=[]; for n=1:1:ndatos if (cont<10) promPWM=PWM(n)+promPWM; promF=F(n)+promF; cont=cont+1; else cont=0; promPWM=promPWM/10; promF=promF/10; in_sis(i)=promPWM; out_sis(i)=promF; promx=0; promy=0; i=i+1; end; end out_sis=out_sis' in_sis=in_sis' %% plot subplot(411),plot(PWM)%x1 title('MODULACION PWM') xlabel('tiempo') ylabel('% PWM') grid subplot(412),plot(F) title('VELOCIDAD ANGULAR') xlabel('tiempo') ylabel('RPM') grid subplot(413),plot(in_sis) title('MODULACION PWM FILTRADO (IN SIS)') xlabel('tiempo') ylabel('% PWM') grid subplot(414),plot(out_sis) title('VELOCIDAD ANGULAR FILTRADO (OUT SIS)') xlabel('tiempo') ylabel('RPM') grid
En el grfico MODULACION PWM se muestra la seal de entrada con niveles de ruido notorios debido a una ligera vibracin de la placa acoplada al eje del motor. El grfico de VELOCIIDAD ANGULAR nos indica la salida pura y desde ya se puede ver que trata de seguir a la seal de entrada. El grfico de MODELACION PWM FILTRADO (IN_SIS) representa un promedio de cada 10 datos sumarlos y dividirlos entre diez con el fin de obtener datos mas confiables y representativos para proceder a la identificacin. De forma similar se ha promediado la salida y ha sido representada en el grfico VELOCIDAD ANGULAR FILTRADA (OUT_SIS).
Programa en Transferencia
MatLab
para
Adquisicin
de
la
Funcin
de
%GENERAR FUNCION DE TRANSFERENCIA DEL SISTEMA IDENTIFICADO figure(1) G=tf(d2c(amx2221)) subplot(211),pzmap(G(1,1)) subplot(212),step(G(1,1)) POLOS=pole(G(1,1))
Transfer function from input "u1" to output "y1": -1.224 s + 0.1707 -------------------------s^2 + 0.03121 s + 0.002085
Transfer function from input "v@y1" to output "y1": 127.8 s^2 + 155.2 s + 2.314e-006 --------------------------------
POLOS =
Respuesta Paso
Conclusiones
1. Los datos de entrada fueron tomados en lazo abierto ya que utilizamos un potencimetro para variar el porcentaje de Modulacin de Ancho de Pulso sin tomar en cuenta ningn parmetro ni tendencia ms que la de observar el comportamiento del motor DC. 2. Se realiz un filtrado de los datos ya que presentaban perturbaciones que incidan en la identificacin del sistema de manera negativa; estimamos que esta se deba a la vibracin del sensor al momento de receptar la luz. 3. Pudimos encontrar una funcin de transferencia utilizacin de la herramienta Toolbox de Matlab para Identificacin de Sistemas. 4. Se seleccion el modelo AMX2211 (Polos=2, Ceros=2, Retardo=2, Ruido=1) en la identificacin paramtrica con el cual se obtuvo el 76.35% al momento de validar los datos. 5. Con el modelo AMX4421 (Polos=4, Ceros=4, Retardo=2, Ruido=1) se obtuvo un 85.23% al momento de la validacin pero se decidi rechazarlo ya que el orden de la funcin de transferencia segn los estudios fsicos-matemticos no corresponde a un modelo de motor DC. 6. De la grfica del mapa de polos y ceros se deduce que el modelo escogido es vlido ya que los polos y el ceros no se encuentran cercanos. 7. Segn la grfica de respuesta paso se puede deducir que el sistema es sobreamortiguado. 8. Podemos concluir que segn las grficas de entrada y salida del sistema notamos que la respuesta del motor frente a una variacin en la entrada estn correlacionadas a pesar de que existe un pequeo retardo debido a la inercia propia del sistema. 9. Al realizar el experimento que al inicio del mismo aumentamos el porcentaje de PWM y el motor aparentemente no responda, esto se debe a que necesitaba un porcentaje adecuado de PWM para romper la inercia del sistema.