Академический Документы
Профессиональный Документы
Культура Документы
Caractersticas
Resolucin 100 ciclos por vuelta en un canal 400 pulsos en cuadratura
Voltaje 5Vdc
Canales Canal A y Canal B
Normalmente este tipo de encoders se utilizan en aplicaciones en donde se necesita
conocer la velocidad y la direccin de giro y por esto traen dos canales desfasados 90
entre s. Para esta aplicacin no se necesita conocer la direccin de giro del motor,
pero podemos aprovechar los dos canales para conectarlos a un circuito lgico que
ser capaz de multiplicar por 2 4 los pulsos por revolucin que entrega el encoder.
La funcin retorna dos vectores tipo columna con los datos seleccionados de la hoja de
Excel.
Al ejecutar la lnea de cdigo en Matlab, esta abre la hoja de datos de Excel y pide que
se seleccione la columna a importar al workspace, como se muestra Figura 10.
xlabel('TIEMPO [S]')
ylabel('VELOCIDAD [RPM]')
Imagen de la grfica que utiliz para calcular las constantes del modelo de van
der grinten de este motor
Utilizando la respuesta del sistema al paso de 70 voltios calculamos cada una de las
constantes necesarias para reemplazarlas en la funcin de transferencia
correspondiente y as obtener el modelo.
IDENTIFICACIN USANDO EL TOOLBOX (System Identification Tool)
Para acceder al panel frontal Figura 13. Se ejecuta en Matlab el comando >>ident
El bloque que se genera Figura 25. Contiene la red neuronal con los pesos y bias del
entrenamiento, en este caso para lograr realizar la validacin del modelo es necesario
agregar al bloque dos retardo de salida y dos de entrada que corresponde al regresor
utilizado [2 2 1], si fuese necesario utilizar un regresor de orden mayor solo se deben
agregar a la entrada y a la salida el nmero de retardos indicados en el regresor.
Figura 24. Ajuste del modelo de la red neuronal y evolucin del error
En la figura 25 se muestra un sistema de validacin para el motor DC de la
identificacin con redes neuronales, regresor [2 2 1].
Al corre la simulacin del conjunto anterior se puede ver la respuesta del modelo
neuronal a los datos de validacin previamente separados. Figura 26.