Академический Документы
Профессиональный Документы
Культура Документы
CONCEPCION
PROYECTO 2
COD. 410151
“SERVOMECANISMO”
TABLA DE CONTENIDOS
1. INTRODUCCION
2. OBJETIVO
3. MARCO TEORICO
4. SIMULACION Y CONTROL
5. EXPERIMENTACION
6. CONCLUSIONES
7. ANEXOS
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 3 de 73
1. INTRODUCCION
2. OBJETIVO
3. MARCO TEORICO
El modelamiento de los sistemas hace que sea posible y más fácil realizar el control, pues
del conocimiento del comportamiento del mismo se puede aplicar un apropiado control.
El método de mínimos cuadrados (LS) se presenta como una de las alternativas numéricas de
estimación de parámetros de baja complejidad y relativamente fácil de analizar. A través de un
conjunto muestra y una función propuesta para la identificación, el algoritmo minimiza el error
cuadrático entre ambas, de forma de ajustar de la mejor forma la función al conjunto de datos.
La señal de salida
Para efectos de identificación de parámetros, se asume que no se tiene θ sino que 𝜃̂, por lo
que se introduce el concepto de error de estimación. De aquí la salida puede ser representada
por:
Con ello se puede enunciar una función de costo que se hará en base al error cuadrático medio,
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 4 de 73
𝒹𝐴𝑥 𝒹𝑥 𝑇 𝐴𝑋
=𝐴 = 𝑥 𝑇 (𝐴 + 𝐴𝑇 ) 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 2.0
𝒹𝑥 𝒹𝑥
𝒹𝐽(𝑁) 𝒹
= (𝑦 𝑇 (𝑁)𝑦(𝑁) − 2𝜃̂ 𝑇 𝑀𝑇 (𝑁)𝑦(𝑁) + 𝜃̂ 𝑇 𝑀𝑇 (𝑁)𝑀(𝑁)𝜃̂) 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 2.1
𝒹𝜃̂ 𝒹𝜃̂
𝒹𝐽(𝑁)
= −2𝑀𝑇 (𝑁)(𝑦(𝑁) + 2𝑀𝑇 (𝑁)𝑀(𝑁)𝜃̂ 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 2.2
𝒹𝜃̂
Para conocer de algún mínimo local, entonces la derivada anterior se iguala a cero resultandos
que:
Esta aplicación es una optimización off-line en donde se obtienen estos resultados de variables
ya medidas.
Basándose en la ecuación 2.3 de mínimos cuadrados donde M(N) representa la matriz variables
explicativas o medidas e y(N) es el vector de salida de N muestras de la siguiente forma.
𝑚𝑇 (1) 𝑦(1)
𝑚1 (1) 𝑚2 (1) … … .. 𝑚𝑛 (1) 𝑚 𝑇 (2) 𝑦(2)
𝑀(𝑘) = [ 𝑚1 (2) 𝑚2 (2) … … . . . 𝑚𝑛 (2) ]= . 𝑦(𝑘) = . 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 2.4
…
𝑚1 (𝑁) 𝑚2 (𝑁) … … … 𝑚𝑛 (𝑁) . .
[𝑚𝑇 (𝑘)] [𝑦(𝑘)]
𝑀(𝑘) 𝑦(𝑘)
𝑚(𝑘 + 1) = [ 𝑇 ] 𝑦(𝑘 + 1) = [ ] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 2.5
𝑚 (𝑘 + 1) 𝑦(𝑘 + 1)
(1) (2)
𝑀(𝑘)
𝑀𝑇 (𝑘 + 1)𝑀(𝑘 + 1) = [𝑀𝑇 (𝑘) 𝑚(𝑘 + 1)] [ 𝑇 ] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 2.7
𝑚 (𝑘 + 1)
𝑦(𝑘)
𝑀𝑇 (𝑘 + 1)𝑦(𝑘 + 1) = [𝑀𝑇 (𝑘) 𝑚(𝑘 + 1)] [ ] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 2.9
𝑦(𝑘 + 1)
Luego
Ahora
Es posible obtener 𝑃(𝐾 + 1)en base a 𝑃(𝑘)mediante la ecuación 3.6 de inversión de matriz.
−𝟏 −𝟏
(𝑨 + 𝒃𝒄𝒅)−𝟏 = 𝑨−𝟏 − 𝑨−𝟏 𝒃(𝒄−𝟏 + 𝒅𝑨−𝟏 𝒃) 𝒅𝑨−𝟏 = 𝑨−𝟏 [𝑰 − 𝒃(𝒄−𝟏 + 𝒅𝑨−𝟏 𝒃) 𝒅𝑨−𝟏 ]
𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 3.6
Considerando como 𝐴 = 𝑃−1 (𝑘), 𝑏 = 𝑚(𝑘 + 1), 𝑐 = 1, 𝑑 = 𝑚𝑇 (𝑘 + 1) entonces:
𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 3.7
La única inversión en la Ecuación 3.7 es del término escalar
𝑃−1 (𝑘 + 1)𝜃̂(𝑘 + 1) = [𝑃−1 (𝑘) + + 𝑚(𝑘 + 1)𝑚𝑇 (𝑘 + 1)] 𝜃̂(𝑘) + 𝑚(𝑘 + 1)𝑒(𝑘 + 1)
𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 4.4
Para la simplificación de este método existe un algoritmo que simplifica los resultados de
mínimos cuadrados recursivos.
𝑃(𝑘−1)𝑚(𝑘)
3- Formar 𝐾(𝑘) = 1+𝑚𝑇 (𝑘)𝑃(𝑘−1)𝑚(𝑘) 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 4.8
4. SIMULACION Y CONTROL
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 8 de 73
𝑡𝑒 = 𝐾𝑚 𝑖𝑎 ; Torque eléctrico
𝑅𝑎 𝑖𝑎 = 𝑝é𝑟𝑑𝑖𝑑𝑎
𝑑𝑖
𝐿𝑎 𝑎 = 𝑖𝑛𝑑𝑢𝑐𝑡𝑎𝑛𝑐𝑖𝑎
𝑑𝑡
𝑒𝑎 = 𝑡𝑒𝑛𝑠𝑖ó𝑛 𝑖𝑛𝑑𝑢𝑐𝑡𝑎𝑛𝑐𝑖𝑎
𝑑𝑤 = 𝑟𝑜𝑐𝑒
𝑑𝑤
𝐽 = 𝐼𝑛𝑒𝑟𝑐𝑖𝑎
𝑑𝑡
𝑑
2) 𝑡𝑒 = 𝐾𝑚 𝑖𝑎 =𝑑𝑤 + 𝐽 𝑑𝑡𝑤 Ecuación 5.2
Conclusiones:
En conclusión, las leyes físicas que modelan el motor C.C. mediante el uso de un modelo
matemático resultan de suma utilidad para poder anticipar los diferentes comportamientos del
sistema. El análisis de este sistema con la implementación de las leyes de voltaje de kirchoff resulta
ser más simple de encontrar sus ecuaciones para proseguir en el desarrollo del proyecto.
4.2. Demuestre que es posible concluir que el sistema del servomecanismo se comporta como
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 9 de 73
De las ecuaciones anteriores se le aplica lo siguiente para concluir a un sistema de primer orden
entonces.
𝐾
𝑚
𝑤(𝑠) = 𝐽 +𝑑 𝑖𝑎 (𝑠) Ecuación 5.6
𝑠
Del diagrama de bloques derivamos a nuevas ecuaciones para obtener la ganancia y la constante de
tiempo del sistema dado.
1
Para simplificar cálculos 𝐽 +𝑑 le llamaremos ℎ1 (𝑠) entonces.
𝑠
1
𝑤(𝑠) = ℎ1 (𝑠) ∗ 𝐾𝑚 ∗ 𝑅 [𝑉𝑎 (𝑠) − 𝐾𝑚 𝑤(𝑠)] Ecuación 5.7
𝑎
1 1
𝑤(𝑠)[1 + ℎ1 (𝑠) ∗ 𝐾𝑚 ∗ 𝑅 ] = [ℎ1 (𝑠) ∗ 𝐾𝑚 𝑅 ∗ 𝑉𝑎 (𝑠)] Ecuación 5.8
𝑎 𝑎
1
ℎ1 (𝑠)∗𝐾𝑚 ∗
𝑅𝑎
𝑤(𝑠) = 1 𝑉𝑎 (𝑠) Ecuación 5.9
[1+ℎ1 (𝑠)∗𝐾𝑚2 ∗ ]
𝑅𝑎
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 10 de 73
𝐾𝑚
𝑤(𝑠) = [𝑅 (𝐽 +𝑑)+𝐾
𝑉𝑎 (𝑠) Ecuación 6.1
𝑎 𝑠 𝑚2 ]
𝐾𝑚
𝑤(𝑠) = [𝑅 𝑉𝑎 (𝑠) Ecuación 6.2
𝑎 (𝐽𝑠 +𝑑)+𝐾𝑚2 ]
La ganancia K= 𝑅
𝐾𝑚
𝑎 𝑑+𝐾𝑚2
y la Constante de tiempo τ=𝑅 𝑑+𝐾
𝑅 𝐽
𝑎
𝑎
𝑚2
Conclusiones:
En conclusión el sistema realizado y desarrollado por medio de diagramas de bloques se
concluye a un sistema de primer orden en la cual describe su comportamiento y su estabilidad
mediante de su constante de tiempo y su ganancia del sistema los cuales nos describen que es
estable. Cómo se observa en la figura n° 3 de las ecuaciones y simplificaciones se lleva a un
sistema de primer orden. El análisis realizado es sin perturbaciones en el sistema, pero aun así si
existiese y derivando las perturbaciones a cero no cambiaría su ganancia y la constante de tiempo.
1
ℎ(𝑠) = 𝐾𝑝 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 6.4
𝜏𝑠 + 1
Implica
1 1 −𝑇𝑠
𝑢(𝑠) = − 𝑒 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 6.5
𝑠 𝑠
1
𝑢(𝑠) = [1 − 𝑒 −𝑇𝑠 ] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 6.6
𝑠
La salida es:
𝑦(𝑠) = ℎ(𝑠)𝑢(𝑠) 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 6.7
Entonces
1 1
𝑦(𝑠) = 𝐾𝑝 ∗ [1 − 𝑒 −𝑇𝑠 ] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 6.8
𝜏𝑠 + 1 𝑠
1 1
𝑦(𝑡) = ℒ −1 {𝐾𝑝 ∗ [1 − 𝑒 −𝑇𝑠 ]} 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 6.9
𝜏𝑠 + 1 𝑠
1 1
𝑦(𝑘) = ℒ −1 {𝐾𝑝 ∗ [1 − 𝑒 −𝑇𝑠 ]} /𝑇 = 𝑘𝑇 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 7.0
𝜏𝑠 + 1 𝑠
Aplicando transformada 𝑍
1 1
𝒵{𝑦(𝑘)} = 𝒵 {ℒ −1 {𝐾𝑝 ∗ [1 − 𝑒 −𝑇𝑠 ]} /𝑇 = 𝑘𝑇} 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 7.1
𝜏𝑠 + 1 𝑠
1 1 1
𝒵{𝑦(𝑘)} = 𝒵 {ℒ −1 {𝐾𝑝 𝜏𝑠+1 ∗ 𝑠 } /𝑇 = 𝑘𝑇} − 𝒵 {ℒ −1 {𝐾𝑝 𝜏𝑠+1 ∗ 𝑒 −𝑇𝑠 }/𝑇 = 𝑘𝑇} 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 7.2
1 1 1 1
𝒵{𝑦(𝑘)} = 𝒵 {ℒ −1 {𝐾𝑝 ∗ } /𝑇 = 𝑘𝑇} − 𝑧 −1 𝒵 {ℒ −1 {𝐾𝑝 ∗ } /𝑇 = 𝑘𝑇} 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 7.3
𝜏𝑠+1 𝑠 𝜏𝑠+1 𝑠
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 12 de 73
1 1
𝒵{𝑦(𝑘)} = (1 − 𝑧 −1 ) 𝒵 {ℒ −1 {𝐾𝑝 ∗ } /𝑇 = 𝑘𝑇} 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 7.4
𝜏𝑠 + 1 𝑠
𝑦(𝑘)∗
1 1
ℒ −1 {𝐾𝑝 ∗ } 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 7.5
𝜏𝑠 + 1 𝑠
1 1 𝐴 𝐵
𝐾𝑝 ∗ = + 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 7.6
𝜏𝑠 + 1 𝑠 𝑠 𝜏𝑠 + 1
1 𝜏 1 𝜏
𝑦(𝑘)∗ = ℒ −1 {𝐾𝑝 ( − )} = 𝐾𝑝 ℒ −1 {( − )} 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 8.1
𝑠 𝜏𝑠 + 1 𝑠 𝜏𝑠 + 1
−1𝑡
𝑦(𝑡) = 𝐾𝑝 [𝑢(𝑡) − 𝑒 𝜏 𝑢(𝑡)] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 8.2
−1𝑇𝑘
𝑦(𝑘)∗ = 𝐾𝑝 [𝑢(𝑘) − 𝑒 𝜏 𝑢(𝑘)] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 8.3
Aplicando transformada Z
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 13 de 73
−1𝑡
𝒵{𝑦(𝑘)∗ } = 𝐾𝑝 [𝑢(𝑡) − 𝑒 𝜏 𝑢(𝑡)] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 8.4
1 1
𝒵{𝑦(𝑘)∗ } = 𝐾𝑝 [ − 𝑇] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 8.5
1 − 𝑧 −1 −1 −
1− 𝑧 𝑒 𝜏
Volviendo a la Ecuación 7.4
1 1
ℎ(𝑧) = (1 − 𝑧−1 )𝐾𝑝 [ − 𝑇] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 8.6
1 − 𝑧−1
1 − 𝑧−1 𝑒− 𝜏
−𝑇
1 − 𝑧−1 𝑒 𝜏 − 1 + 𝑧−1
ℎ(𝑧) = (1 − 𝑧−1 )𝐾 𝑝[ 𝑇 ] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 8.7
1 − 𝑧−1 (1 − 𝑧−1 𝑒− 𝜏 )
−𝑇
𝑧−1 (1 − 𝑒 𝜏 )
ℎ(𝑧) = −𝑇 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 8.8
1 − 𝑧−1 𝑒 𝜏
−𝑇 𝑇
𝑦(𝑘) = 𝑒 𝜏 𝑦(𝑘 − 1) + 𝐾𝑝 (1 − 𝑒− 𝜏 ) 𝑢(𝑘 − 1) 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 8.9
Conclusiones:
Se concluye que al discretizar el sistema de primer orden con una respuesta a una entrada impulso
se llega a la ecuación 8.9 obteniendo una respuesta en donde se obtienen 𝑘𝑝 y 𝜏 para obtener los
parámetros del sistema. Este análisis discreto tiene como característica en el uso de filtros discretos y
también en la implementación de mínimos cuadrados, mínimos cuadrados recursivos que
posteriormente de abarcará más adelante.
4.4. El modelo discreto escríbalo como 𝒚(𝒌) = 𝑴𝑻 (𝒌)𝜽 , definiendo apropiadamente 𝑴𝑻 (𝒌)
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 14 de 73
y θ.
−𝑇 𝑇
𝑦(𝑘) = 𝑒 𝜏 𝑦(𝑘 − 1) + 𝐾𝑝 (1 − 𝑒− 𝜏 ) 𝑢(𝑘 − 1) 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 8.9
𝜃
𝜃 = [ 1] 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 9.2
𝜃2
Donde
−𝑇 𝑇
𝑚1 (𝑘) = 𝑦(𝑘 − 1) ; 𝑚2 (𝑘) = 𝑢(𝑘 − 1) ; 𝜃1 = 𝑒 𝜏 ; 𝜃2 = 𝐾𝑝 (1 − 𝑒− 𝜏 )
Conclusiones:
Se pude concluir que la matriz 𝑀𝑇 (𝑘) resulta de Nx2, donde N es la cantidad de filas, esto depende
de Ts y del tiempo de simulación. También se puede obtener el despeje de los parámetros en
𝜃1 𝑦𝜃2 para encontrar 𝑘𝑝 y 𝜏.
4.5. Construya la matriz M(N) e y(N), donde N es la cantidad de muestras que tendrá una vez
terminada la simulación y obtenga los parámetros del sistema mediante mínimos cuadrados
(Off-Line). Luego, con los parámetros obtenidos de la identificación, simule el sistema real
en paralelo al sistema obtenido por mínimos cuadrados y compare sus resultados. Grafique
posición, velocidad, tensión de alimentación; todas los gráficos de posición deben ir en una
misma figura, así también como lo gráficos de velocidad. Utilice un tiempo de muestreo de
Ts = 20ms.
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 15 de 73
Comentarios:
En las figuras n°3, n°4 se obtienen los parámetros 𝑘𝑝 = 9.97 y 𝜏 = 0.4898 definidos en el tiempo.
Estos valores fueron obtenidos mediante la aplicación de mínimos cuadrados offline utilizando un
𝑇𝑠 = 20 𝑚𝑠.
Comentarios:
En la figura n°4 está representada la posición en el tiempo en donde se observa la posición con ruido
(azul) y la posición filtrada (rojo) presentando un pequeño desfase entre sí con un 𝑇𝑠 = 20𝑚𝑠.
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 17 de 73
Comentarios y conclusiones:
Como se observa en la figura n°5 se puede comparar la señal real del sistema (azul) con la
señal identificada de velocidad (rojo) su análisis presenta un desfase mínimo. Para este método
de mínimos cuadrados offline es necesario tener una gran cantidad de mediciones para poder
alcanzar el mínimo efecto de ruido, en otras palabras al contener más muestras en la matriz de
mediciones será un mejor ajuste por mínimos cuadrados.
Figura n°7:"identificación de 𝝉 mediante mínimos cuadrados offline para la señal filtrada, Ts=20ms"
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 19 de 73
Observaciones:
Como se puede observar en las figuras n°7 y n°8 presentan un comportamiento diferente para
la señal filtrada obteniendo como resultado un 𝑘𝑝 = 14,87 y 𝜏 = 0.9381 muy diferente a lo
obtenido anteriormente para un 𝑇𝑠 =20ms.
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 20 de 73
Observaciones:
Como se observa en la figura n°10 se contempla la señal speed_in (azul), señal identificada
(naranja) y señal filtrada (amarilla) en donde la señal identificada presenta un mayor desfase
frente a la señal filtrada.
Conclusiones:
Se puede concluir que al ser utilizado la implementación de mínimos cuadrados offline nos
permite apreciar los parámetros del sistema sin tener que estar directamente conectados. Al ser
implementada una señal filtrada presenta una respuesta con desfase y atenuación. Se implementó
filtro de ventana Digital analizada en la experiencia anterior ya que presentaba un mejor seguimiento
de las señales, se aplicó un N=6 (ancho de la ventana), ya que al ser mayor provoca un desfase
considerable en la gráfica de velocidad, y si es menor, la banda de filtrado aumenta y pasa mucho
ruido, obteniendo una señal con mucha interferencia.
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 22 de 73
Comentarios:
Al observar claramente en las figuras n° 12 y n° 13 al ser alteradas con un tiempo de 𝑇𝑠 = 150𝑚𝑠
el comportamiento de los parametros 𝜏 𝑦 𝐾𝑝 presentan una grafica diferente al tener y un tiempo de
𝑇𝑠 = 20𝑚𝑠. Obteniendo un 𝜏 = 6.378 𝑦 𝐾𝑝 = 24,41 estos valores se obtienen cuando alcanza un
estado estacionario.
Comentarios y conclusiones:
Al observar la figura nª14 la posición en el tiempo y la señal filtrada presentan un desfase entre
ambas señales ya que el tiempo de muestreo es aumentada a 150ms presentando un cambio en la
señal.
Al observar la figura n°15 la velocidad vista en la señal filtrada y la identificada presentan un gran
cambio en amplitud y desfase de la señal de entrada gracias al cambio del tiempo de muestreo de
150ms.
Se puede concluir que el sistema cambia, ya que se debe a los tiempos de muestreo que afecta a la
estimación de los parámetros. Para un tiempo de muestreo de 150ms provoca un muestreo no
adecuado, ya que el método de mínimos cuadrados offline no es preciso para su ajuste, ya que en este
método de mínimos cuadrados offline presenta una mejor respuesta cuando se logra tener una gran
cantidad de muestras para analizar, porque será más preciso.
4.8. Considerando las salidas filtradas del sistema y un tiempo de muestreo de Ts = 20 ms,
implemente el algoritmo de mínimos cuadrados recursivo y con los parámetros que va
obteniendo simule en paralelo y compare las salidas del identificador y las reales. Grafique
posición, velocidad, tensión de alimentación; todos los gráficos de posición deben ir en una
misma figura, así también como lo gráficos de velocidad.
Para el desarrollo de este método se aplicaron ecuaciones para el despeje de la identificación de los
parámetros que estos demostrara él porque se llegó a la siguiente denotación en la implementación
de mínimos cuadrados recursivos COD.2 (anexo).
−𝑇
𝑒 𝜏 = 𝜃1 𝐸𝑐𝑢𝑎𝑐𝑖ò𝑛 9.3
−𝑇
= 𝐿𝑛𝜃1 𝐸𝑐𝑢𝑎𝑐𝑖ò𝑛 9.6
𝜏
Despejando se obtiene
−𝑇
𝜏= 𝐸𝑐𝑢𝑎𝑐𝑖ò𝑛 9.7
𝐿𝑛𝜃1
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 26 de 73
−𝑇
𝐾𝑝 (1 − 𝑒 𝜏 ) = 𝜃2 𝐸𝑐𝑢𝑎𝑐𝑖ò𝑛 9.8
𝜃2
𝐾𝑝 = 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 9.9
(1 − 𝜃1 )
Entonces obteniendo el despeje de los parámetros y esto explica por qué se utilizó la secuencia de
códigos.
Observaciones:
Al observar la figura n°17 representa un “ciclo if” para determinar theta 1(𝜃1 ) en donde se le
restringe para que el valor del parámetro 𝐾𝑝 𝑦 𝜏 no se indetermine y en” parameter” solo se
declaran las identificación de los parámetros.
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 27 de 73
Observaciones:
Se puede observar en las figuras n°18 y n°19 la identificación de parámetros obteniendo un 𝜏 =
0,9526 𝑦 𝐾𝑝 = 14,85 utilizando el método de mínimos cuadrados recursivos con un tiempo de
muestreo de 20ms en donde la señal es diferente a la señal de mínimos cuadrados offline.
Observaciones y conclusiones:
Se observa que al obtener los parámetros de una señal filtrada con un Ts=20ms, se alejan los
valores de 𝐾𝑝 y 𝜏 de los reales, obteniendo un poco de desfase entre la señal filtrada y la señal
identificada (figura 20).
El método de estimación de parámetros recursivo se ha visto afectado por filtro utilizado,
afectando a los parámetros obtenidos y así también a su atenuación y su desfase en cuanto a la
comparación de la señal real. Al ver las figuras se concluye que el resultado es algo similar a las
señales reales filtradas.
Observaciones:
Al observar la figura n°28 y n°29 se obtienen los parámetros 𝜏 = 0,499 𝑦 𝐾𝑝 = 9,943 sin
considerar la señal filtrada del sistema utilizando la aplicación de métodos mínimos cuadrados
recursivos con un tiempo de muestreo de 20 ms. Al tiempo de 7seg y 8seg presenta un leve impulso
y después de este logra establecerse en ambas figuras.
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 32 de 73
Figura n°26:"grafica de velocidad speed in y la señal identificada con mínimos cuadrados recursivos, Ts=20ms"
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 33 de 73
Observaciones y conclusiones:
Al calcular los parámetros tau y 𝐾𝑝 con la señal no filtrada de velocidad, se pude observar que al
obtener los parámetros con mínimos cuadrados recursivos es muy exacto, incluso poseen menos error
que en offline. Se observa que en la figura n°25 la señal roja es la identificada y la azul es la señal no
filtrada, siguiendo a esta de muy buena manera.
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 34 de 73
Observaciones:
En las figuras n°28 y n°29 para obtener la identificación de parámetros de nuestro sistema a un
tiempo de muestreo de 150ms utilizando mínimos cuadrados recursivos se obtienen nuevos
parámetros de 𝜏 = 6,378 𝑦 𝐾𝑝 = 24,41. La señal obtenida en ambas figuras presenta una señal
distorsionada.
Observaciones y conclusiones:
Se puede observar que al igual que en mínimos cuadrados offline, en mínimos cuadrados
recursivos al aumentar el Ts de 20 ms a 150 ms, los parámetros se disparan alejándose mucho de
los valores reales; esto se debe a que la señal filtrada con el filtro de ventana se vuelve poco
representativa de la señal original de velocidad a un Ts=150 ms, para que los parámetros
calculados con mínimos cuadrados tomando como 𝑦(𝑘) la salida del filtro mejoren y se acerquen
a los reales se debe disminuir el tiempo de muestreo o aumentar de frecuencia de muestreo.
Obs: en esta etapa experimental se identificaron los parámetros con mínimos cuadrados
recursivos, se puede observar al igual que en 5.2, al identificar la señal a partir de una señal
filtrada los parámetros tau = 1.8 y kp = 20.7, esto provoca que la identificación varia en relación
a la real (speed in).
Obs: al igual que en la primera etapa experimental 5.3, los parámetros se disparan ya que al
tener un Ts = 150ms el filtro de ventana se vuelve poco representativo, debido a esto la señal
identificada se distorsiona bastante.
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 67 de 73
6. CONCLUSIONES
También se concluyó que al calcular los parámetros con la señal real (speed in), se obtiene
un modelo aceptable obteniendo un error mínimo en los parámetros y en la señal
identificada, en la obtención de los parámetros de manera experimental mediante el
laboratorio online existe un mayor error, pero aun así es un modelo aceptable.
7. ANEXOS
7.1.1 Códigos de implementación mínimos cuadrados offline
7.1.2 Parámetros Mínimos cuadrados offline se aprecia en la figura nnn.
El código es el siguiente:
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 70 de 73
El código es el siguiente:
Código : 410151
INFORME PROYECTO N°2
Revisión : 0
Fecha :25-04-2018
“IDENTIFICACION DE PARAMETROS” Página : 72 de 73
El código es el siguiente: