You are on page 1of 30

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Universidad del Per, DECANA DE AMRICA

FACULTAD DE INGENIERA ELECTRNICA Y ELCTRICA


E.P. de Ingeniera Electrnica
E.P de Ingeniera Elctrica

Apellidos y nombres Matrcula


CHACA GUERRERO Jhon Jairo 14190077
PERALTA NAPAN Jos Jesus 14190141
PURE NAUPAY Miguel Angel 14190184
ROBLES PIASHCA Karoline Elena 13190222
ZAVALETA GUEVARA Luis Felipe 12190207

Curso Tema

Sistemas de
Identificacin de Sistemas
Control I

Informe Fecha NOTA


Realizada Presentada
Final
27 de junio del
2017
Nmero
4 de julio del 9 de julio del
2017 2017
6 7 de julio del
2017

Grupo Profesor

G4 Ing. Jean Carlos Malca Fernndez


Laboratorio de Sistemas de control I

Experiencia N6: Identificacin de Sistemas

I. OBJETIVO
El objetivo de la prctica es familiarizar al estudiante con las principales tcnicas
de identificacin experimental para encontrar una funcin matemtica que
permita establecer posteriormente la ley de control. As mismo, conocer las
principales herramientas que Matlab nos brinda para la identificacin de
sistemas.

II. INTRODUCIN

La identificacin experimental de procesos es una tcnica mediante la cual es


posible obtener un modelo matemtico que represente la dinmica del sistema.

El caso de la identificacin se diferencia del modelado ya que este no aplica las


leyes de los sistemas, en cambio se registra la respuesta de un sistema a una
entrada conocida (que tambin se registra) y es a partir de esta informacin que
se obtiene el modelo para el sistema, aplicando las reglas que cada mtodo
establezca.

En trminos generales se puede ver el sistema como una caja negra. Se


desconoce lo que hay dentro y solo se pueden ver entradas y salidas.

A partir de la informacin de la entrada y salida, se puede establecer si el sistema


es de primer orden o bien de segundo orden o mayor, adems de establecer si
existe un retardo o alguna otra caracterstica en particular.
MTODOS DE IDENTIFICACIN BASADOS EN LA CURVA DE REACCIN.

En un sistema de primer orden se pueden medir de la respuesta directamente


los parmetros generales. Se distinguen dos casos: cuando la respuesta presenta
retardo y cuando no lo presenta.

1. Sistemas de Primer Orden


1.1. Sistemas de Primer Orden sin retardo
El modelo propuesto para la identificacin de un sistema de primer
orden sin retardo es:


Donde la ganancia se calcula como = , mientras que la constante de

tiempo se calcula de acuerdo a la Fig.2 determinando el tiempo en el


que la respuesta del sistema alcanza el 0.632 del valor final de la
respuesta.

Figura 2: Mtodo para calcular un modelo de primer orden


1.2. Sistemas de Primer Orden con retardo
Cuando la respuesta de un sistema de primer presenta un retardo
(tiempo muerto), el modelo que se propone para la identificacin es:


donde la ganancia se calcula como = , mientras que la constante de

tiempo y el tiempo muerto tm se calculan de acuerdo a la Fig.3.


Figura 3: Sistema de primer orden ms tiempo muerto
2. Sistemas de Segundo Orden sobre armotiguados
Los sistemas de segundo orden sobre-amortiguados (sin oscilaciones)
presentan curvas de reaccin similares a las de primer orden, pero se
diferencian porque presentan un punto de inflexin. Un sistema de segundo
orden sin oscilaciones se ajusta a un modelo, G(s), de primer orden con
tiempo muerto:

Donde el clculo de los parmetros , y variar segn el mtodo de


identificacin escogido. Los mtodos a desarrollar son el Mtodo de la
tangente Modificada de Miller y el Mtodo de los dos puntos de Smith.

2.1. Mtodo de la tangente de Ziegler y Nichols


Consiste en trazar una recta tangente en el punto de mxima pendiente
de la respuesta del sistema (Fig. 4). A partir de esto, la constante de
tiempo y el tiempo muerto tm se calculan de acuerdo a la Figura 4,
mientras que la ganancia se calcula: =/.
2.2. Mtodo de la tangente Modificada de Miller
Consiste en trazar una recta tangente en el punto de mxima pendiente
de la respuesta del sistema y luego determinar el punto tiempo en el
0.632 del valor final de la respuesta (Fig. 5). A partir de esto, la constante
de tiempo y el tiempo muerto tm se calculan de acuerdo a la Figura 1,
mientras que la ganancia se calcula: =/
2.3. Mtodo de los dos puntos de Smith
Consiste en tomar dos puntos que corresponde a valores especficos de
la respuesta (28.3% y 63.2%) (Fig.6). A partir de estos tiempos ( y )
se calculan los parmetros del modelo, de la siguiente manera: La
ganancia: = , la constante de tiempo: = . ( ) y el
tiempo muerto: = = . . .

La respuesta del modelo y del sistema coincidirn como mnimo en los


dos puntos de referencia.

3. Sistemas de Segundo Orden sub amortiguados


En un sistema de segundo orden sub amortiguado se pueden medir de la
respuesta directamente los parmetros generales (su ganancia , su factor
de amortiguamiento y su frecuencia natural ). Por lo que se puede
ajustar al siguiente modelo:
De las ecuaciones anteriores podemos obtener el factor de amortiguamiento
y la frecuencia natural . La ganancia lo obtendremos de la misma manera
que en los mtodos anteriores.

UTILIZANDO LA TOOLBOX DE SISTEMA DE IDENTIFICACIN DE MATLAB.

Matlab dispone de una amplia coleccin de funciones aplicables al campo de la


identificacin de sistemas, agrupadas en el System Identification Toolbox, que
constituyen una herramienta de gran utilidad para la identificacin y modelado
de sistemas dinmicos. Estas funciones incluyen diferentes algoritmos para el
ajuste de parmetros en todo tipo de modelos lineales. As mismo, permiten
examinar las propiedades de los modelos obtenidos, e incluso realizar un
preprocesamiento de los datos utilizados para la identificacin, en caso de que
sea necesario.

Para arrancar el interfaz de la toolbox, basta con teclear en la lnea de comando


de Matlab:

>> ident
Lo cual abrir la interfaz grfica que se presenta en la figura 8. Durante el
desarrollo de la prctica se explicar el. Para un mayor detalle de las
funcionalidades que ofrece la herramienta, revisar la documentacin ofrecida
por Matlab.

Figura 8. Interfaz grfica de la toolbox de sistema de identificacin de Matlab


III. PROCEDIMIENTO
Se adjunta los archivos Sistema1. pdsprj, Sistema2.pdsprj y proteus2matlab.m.
Los 2 primeros archivos debern ser ejecutados con el programa Proteus. Cado
uno contiene un sistema diferente a identificar. El archivo proteus2matlab.m
debe ser guardado en el directorio de MATLAB. Este archivo es una funcin que
acondiciona y obtiene a partir de los datos exportados de Proteus.

Parte I. Mtodos basados en la curva de reaccin

En esta parte identificaremos un modelo para 2 sistemas implementados en


Proteus, aplicando los mtodos basados en la curva de reaccin usando Matlab.

1. Ejecute el programa Proteus y abra el archivo Sistema1.pdsprj. Este archivo


contiene un bloque denominado Sistema1.

2. La respuesta del sistema lo podemos observar en el visor de Analogue


Analysis, tal como se muestra en la siguiente figura.
Imagen 1. Ejecucin del Sistema 1

3. Indique de que orden es el sistema a analizar.


Este es un sistema de primer orden sin retardo.

4. Elija un mtodo de Curva de Reaccin, ms adecuado segn su criterio,


identificar un modelo G(s) para el sistema.
Se usar la que es propuesta en la presente gua.

5. Para un mejor anlisis y poder comparar la respuesta del modelo hallado con
la respuesta del sistema, se utilizar el software MATLAB. Para ello, exporte
los datos haciendo clic en la opcin Graph Export Graph Data (Fig.10).
Guarde el archivo con el nombre Sistema1.dat en la carpeta que se tiene
como directorio MATLAB.
6. En MATLAB, ejecute la funcin proteus2matlab, escribiendo en la lnea de
comando:
>> [Tiempo, Vin, Vout]=proteus2matlab('Sistema1.dat');
La cual crear en el Workspace los vectores Tiempo, Vin y Vout obtenidos a
partir del archivo exportado en (e).

%Cdigo para analizar al sistema 1:

[Tiempo, Vin, Vout]=proteus2matlab('sistema1.dat');


figure(1)
plot(Tiempo,Vin,Tiempo,Vout)

%Mtodo: sistema de primer orden sin retardo


k=max(Vout)/max(Vin);
a=max(Vout)*0.632;
b=find(Vout>=a,1);
tao=Tiempo(b);
tao2=0:0.00001:tao;

y=max(Vin)+((max(Vin)/tao)*(tao2-tao));

figure(2)
plot(Tiempo,Vin,Tiempo,Vout,tao2,y,Tiempo(b),Vout(b),'xr','Ma
rkerSize',10)
grid on;

G=tf(k,[tao 1])

disp('El voltaje de entrada es: ');disp(max(Vin));


disp('El voltaje de salida mxima es: ');disp(max(Vout));
disp('La ganancia es: ');disp(k);
disp('La ganancia tao es: ');disp(tao);

figure(3)
[Y t]=step(G,0:0.0001:3);
Y=5*Y;
plot(t,Y)

figure(4)
plot(t,Y,Tiempo,Vout)
grid on

%calculo del error cuadrtico:


error=Y-Vout;
error2=error.^2;
sumaerror2=sum(error2);
disp('La suma del error cuadrtico es: ');disp(sumaerror2);
Imagen 2. Cdigo implementado en Matlab.

7. Grafique los vectores Vin y Vout vs el vector Tiempo.

Imagen 3. Vin y Vout vs tiempo


8. Utilice Matlab para hallar un modelo segn el mtodo elegido en d. (Cree un
script que obtengan los parmetros necesarios)
Imagen 4. Obtencin de parmetros
9. Defina la funcin de transferencia G(s) obtenida en (h).

Imagen 5. Funcin de transferencia G(s)

10. Obtenga su respuesta a un escaln.

Imagen 6. Respuesta escaln mediante funcin de transferencia


11. Dibuje en una sola grfica la respuesta del sistema y del modelo. Haga una
comparacin. Es aceptable la respuesta del modelo?

Imagen 7. Superposicin de las grficas


Imagen 8. Al aumentar el zoom de la grfica, vemos que el error entre las
grficas es mnimo. En verde, la grfica mediante identificacin; en azul, la
grfica mediante la funcin de transferencia.

12. Calcule la suma del error cuadrtico entre el sistema y el modelo identificado.

13. Ejecute el programa Proteus y abra el archivo Sistema2.pdsprj. Este archivo


contiene un bloque denominado Sistema2.

14. La respuesta del sistema lo podemos observar en el visor de Analogue


Analysis, tal como se muestra en la siguiente figura.

15. Repita los pasos del 3 al 12.

Este sistema es de segundo orden sobre amortiguado.


El cdigo usado para la primera parte, lo volveremos a usar, pero con ciertos
cambios. El mtodo a utilizar es el de los 2 puntos de Smith.

Cdigo utilizado:

[Tiempo, Vin, Vout]=proteus2matlab('sistema2.dat');


figure(1)
plot(Tiempo,Vin,Tiempo,Vout)
grid on

%Mtodo de 2 puntos de smith:


k=max(Vout)/max(Vin); %ganancia

v1=max(Vout)*0.283;
v2=max(Vout)*0.632;
b1=find(Vout>=v1,1);
b2=find(Vout>=v2,1);

tao1=Tiempo(b1);
tao2=Tiempo(b2);

tao=1.5*(tao2-tao1); %tiempo carga


tm=tao2-tao;

G=tf(k,[tao 1],'OutputDelay',tm)

disp('El voltaje de entrada es: ');disp(max(Vin));


disp('El voltaje de salida mxima es: ');disp(max(Vout));
disp('La ganancia es: ');disp(k);
disp('La ganancia tao es: ');disp(tao);
disp('El tiempo muerto es: ');disp(tm);

figure(2)
[Y t]=step(G,Tiempo);
Y=5*Y;
plot(t,Y)

figure(3)
plot(t,Y,Tiempo,Vout)
grid on

%calculo del error cuadrtico:


error=Y-Vout;
error2=error.^2;
sumaerror2=sum(error2);
disp('La suma del error cuadrtico es: ');disp(sumaerror2);

Resultados obtenidos:
Imagen 9. Parmetros obtenidos mediante Matlab.

Imagen 10. Voltaje de entrada Vin, en azul, y voltaje de salida Vout, en


verde
Imagen 11. Repuesta transitoria ante una entrada escaln unitario.

Imagen 12. Comparacin entre la identificacin (en verde) con el modelado


(en azul). La suma del error cuadrtico es 313.1712
Parte II: System identification toolbox

En esta parte utilizaremos la toolbox que nos ofrece Matlab para identificar
modelos para cada uno de los 2 sistemas propuestos en la parte I.

Importante los datos de los Sistema1.pdsprj y Sistema2.pdsprj deben ser


importados a Matlab como en el punto 3.6 de la Parte I.

16. Ingresamos a la interfaz grfica de la toolbox. (comando ident).


17. Importamos la informacin obtenida del Sistema1 a la interfaz. (Clic en Time
domain data)

18. Completamos en el cuadro dialogo que aparece con la informacin


correspondiente. Luego hacemos clic en Import.

19. Seleccionamos Transfer Function Models, para estimar una funcin de


transferencia para los datos introducidos.
20. A continuacin, ingresamos los nmeros de polos y zeros que consideremos
puede tener el sistema. Y hacemos clic en estimate.
Imagen 13. Configuracin de los polos y zeros.

21. Una vez que la interfaz haya estimado un modelo, de acuerdo con las
caractersticas especificadas. Comparamos la respuesta del modelo con la
salida dad. Para lo cual activamos la casilla Model Output, con la cual tambin
obtendremos el porcentaje de aproximacin a la salida real.
Imagen 14. Modelo aproximado por el Toolbox de Matlab.

22. Para llevar el modelo obtenido al workspace de Matlab, simplemente lo


arrastramos al rea de To Workspace.

-------------------------------------------------------------
Criterion: Determinant minimization
Scheme: Nonlinear least squares with automatically chosen
line search method
-------------------------------------------------------------
Initial Estimate:
Current cost: 3.44382e-006
Parameters:
Kp : 1
Tp1 : 0.02165

Iteration 1:
Current cost: 3.44382e-006 Previous cost: 3.44382e-006
Param New value Prev. value Direction
Kp : 1 1 -2.237e-009
Tp1 : 0.02165 0.02165 -1.145e-009
Step-size: 2.51341e-009
First-order optimality: 13.7845
Expected improvement: 1.53383e-008%
Achieved improvement: 1.5316e-008%
Estimation complete.
Last improvement: 1.5316e-008
First-order optimality (largest slope): 13.7845
Final cost: 3.44382e-006

>> P1
Process model with transfer function
Kp
G(s) = ----------
1+Tp1*s

with Kp = 1.0001
Tp1 = 0.021653

Estimated using PEM using SearchMethod = Auto from data set z


Loss function 3.44394e-006 and FPE 3.4444e-006

23. Calcule la suma del error cuadrtico entre el sistema y el modelo identificado
>> P1.Kp=5*(1.0001);F=step(P1,Tiempo);error=sum((F-Vout).^2)

error =

0.4058

24. Repetir el mismo procedimiento para el caso de sistema2.


Para el sistema 2:

Imagen 15. Importacin de datos del sistema 2.


Imagen 16. Configuracin del modelo.

Imagen 17. Estimacin del modelo mediante el Toolbox de Matlab.

La estimacin de los parmetros, con su respectiva funcin de transferencia,


es:
>> P2
Process model with transfer function
Kp
G(s) = ------------------
(1+Tp1*s)(1+Tp2*s)

with Kp = 1.0007
Tp1 = 0.047645
Tp2 = 0.026517
Estimated using PEM using SearchMethod = Auto from data set z
Loss function 5.03769e-006 and FPE 5.0383e-006

La suma del error cuadrtico es:


>> P1.Kp=5*(1.0001);F=step(P1,Tiempo);error=sum((F-Vout).^2)

error =

5.3289

25. De la parte 1 y la parte 2, elija los mejores modelos obtenidos para cada
sistema. Implemntelos y compare su respuesta temporal con la obtenida
con las dadas por el simulador.
Para comparar sistemas, se va a utilizar como referencia la suma del error
cuadrtico:

Suma de error MEDIANTE MEDIANTE


cuadrtico IDENTIFICACIN MODELAMIENTO

SISTEMA 1 0.2877 0.4058

SISTEMA 2 313.1712 5.3289

En el caso del sistema 1, seleccionaremos el modelo mediante la


identificacin, y en el caso del sistema 2, seleccionaremos el modelo
obtenido desde el toolbox.

Imagen 18. Circuito implementado para el sistema 1 (R = 10 K, C = 22 uF)


Imagen 19. Respuesta transitoria del escal unitario

Imagen 20. Circuito implementado para el sistema 2.

Imagen 21. Respuesta transitoria al escaln unitario para el sistema 2


Parte III: Identificacin de un sistema fsico

En esta parte, identificaremos un modelo a partir de la respuesta temporal de un


sistema real.

26. Implemente el circuito presentado en la figura.

27. Conecte una seal de entrada adecuada que permita observar la curva de
reaccin del sistema.
Se seleccion una seal cuadrada a 90 Hz.

Imagen 22. Respuesta transitoria al escaln unitario al circuito


implementado

28. Utilizando uno de los mtodos ms presentados, el ms adecuado segn su


criterio, obtenga un modelo para el circuito implementado.
Analizamos por etapas el sistema para poder encontrar la funcin de
transferencia de cada etapa que est compuesta por un opamp y as poder
analizar el efecto que se produce sobre el sistema, el anlisis del mtodo
mediante funciones de Transferencia es:

Imagen 23. Modelado del circuito

29. Investigue de otro mtodo de identificacin y aplquelo.


30. Defina en Matlab los modelos hallados en los puntos 28 y 29.

Imagen 24. Definicin del modelo en Matlab

31. Compare las respuestas temporales obtenidas en Matlab con la del circuito
implementado.
Imagen 25. Obtencin de la respuesta transitoria en Matlab. Esta imagen
debe ser contrastada con la imagen 22, para efectos comparativos.

32. Cual modelo representa mejor al circuito implementado.


Ambas respuestas (imagen 22 e imagen 25) son buenas aproximaciones de
lo obtenido durante la experiencia del laboratorio, pero el grfico en Matlab
es mejor porque le da una mejor interpretacin de la salida, pues se ve como
una seal continua.
IV. INFORME FINAL
El informe final se presentar en grupos de 5 personas.
a. Presente los resultados, en forma detallada y ordenada punto por punto,
obtenidos durante el procedimiento desarrollado. Adjuntar los archivos creados
durante la experiencia.
b. Plazo mximo de presentacin: 1 semana despus de presentacin de la
experiencia.