You are on page 1of 16

ETAPA 3 - IDENTIFICAR MODELOS DE SISTEMAS DINÁMICOS MEDIANTE MATLAB

SISTEMAS DINAMICOS

CURSO: 243305_44

ARIOLFO QUIROGA ARDILA


CODIGO: 1019053203
FERNANDO ANDRES CHIVATA MORALES
CODIGO: 1014238109
JUAN CAMILO OBREDOR VALENZUELA
CODIGO: 1013654208
CRISTIAN STEVEN VILLAMIL POVEDA
CODIGO: 1013642598

TUTOR
FABIAN BOLIVAR MARIN

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD


INGENIERIA DE TELECOMUNICACIONES
BOGOTÁ DC
MAYO 2018
INTRODUCCIÓN

se presenta el modelamiento de sistemas dinámicos mediante modelos de estimación e


identificación, principalmente nos enfocamos en el uso de cuatro modelos con la ayuda de la
herramienta MATLAB, los cuales mencionaremos a continuación: Modelo ARX, ARMAX,
Output-Error y Box-Jenkins, la estimación de un sistema en cualquiera de los modelos anteriores
es posible con un estudio previo de muestreo donde se recopilan una serie de datos los cuales son
llevados y tratados de manera que nos permita encontrar una función de transferencia que al ser
comparada con la salida de nuestro sistema este de acorde a la señal de entrada del mismo.
DESARROLLO DE ACTIVIDADES

DESCRIPCIÓN DEL PROBLEMA:

La compañía donde usted trabaja ha realizado la adquisición de un nuevo


equipo industrial que permitirá incrementar los niveles de producción de la
empresa. Con el fin de prevenir fallas y proteger la alta inversión realizada, el
presidente de la compañía ha ordenado la creación de un sistema de
monitoreo que permita supervisar el buen funcionamiento de la máquina y
diagnosticar la existencia de alguna falla. Para el diseño del sistema de
monitoreo y diagnóstico de fallas se requiere conocer de forma precisa el
modelo matemático del equipo industrial; de esta manera se dice que la
máquina está funcionando correctamente si la salida real es similar a la salida
de su modelo matemático; en caso contrario es posible que la máquina esté
presentando fallas.

A continuación, se presenta un diagrama simplificado del nuevo equipo


industrial, en el cual se tiene como variable de entrada el voltaje de
armadura del motor aplicada 𝑣(𝑡) y como variable de salida la velocidad
de rotación del motor 𝛩(𝑡):

Los parámetros físicos a tener en cuenta son:

Momento de inercia del rotor 𝐽 = 0.01 𝐾𝑔 ∗ 𝑚2


Constante de fricción viscosa del motor 𝑏 = 1 𝑁 ∗ 𝑚 ∗ 𝑠
0.01𝑉
Constante de fuerza electromotriz 𝑘𝑒 = 𝑟𝑎𝑑 /𝑠

Constante torque del motor 𝑘𝑡 = 0.01 𝑁 ∗ 𝑚/𝐴

Resistencia eléctrica 𝑅 = 1 𝛺
Inductancia 𝐿 = 0.5 𝐻

Desarrollar las siguientes actividades:

1. Investigue sobre el comando ident de MATLAB® y los modelos ARX,


ARMAX, Output-Error y Box-Jenkins, con esta información diligenciar la
siguiente tabla:

Modelo Características Variables Representación Aplicación


ARX Es un modelo u(t) : Entrada 𝑦(𝑡) + 𝑎1 𝑦(𝑡 − 1) Esto da lugar a un
parametrico de del sistema + ⋯ + 𝑎 𝑛𝑎 𝑦(𝑡 − 𝑛𝑎) sistema de ecuaciones
regresion lineal. e(t): = 𝑏1 𝑢(𝑡 − 𝑛𝑘) donde las incógnitas a
Sistema de Perturbación + 𝑏2 𝑢(𝑡 − 𝑛𝑘 − 1) y b serán los
ecuaciones donde del sistema + ⋯ + 𝑏𝑛𝑏 𝑢(𝑡 − 𝑛𝑘 coeficientes de la
las incógnitas serán función de
− 𝑛𝑏 + 1)
los coeficientes de y(t): Salida del transferencia discreta
sistema y que se obtienen
la funciónde
según:
transferencia
discreta Mínimos Cuadrados:
Minimiza la suma de
los cuadrados de la
parte derecha menos
la parte izquierda con
respecto a los
coeficientes a y b.
Para esto se usa la
función arx del
Matlab. (Pedro,
Padilla, Mumañ,
Alberto, & Abreu,
2008)

ARMAX El modelo auto 𝐴(𝑞)𝑦(𝑡) C se puede expresar Por medio de este se


regressive with = 𝐵(𝑞)𝑢(𝑡 como: se obtienen por
moving average − 𝑛𝑘) 𝐶(𝑞) predicción del error
and exogenous + 𝐶(𝑞)𝑒(𝑡) = 1 + 𝑐_1 𝑞^(−1) con el Método de
input (ARMAX), + ⋯ 𝑐_𝑛𝑐 𝑞^(−𝑛𝑐) Máxima
describe el error en Verosimilitud. Para
la ecuación como
un promedio esto se usa la función
móvil. armax.

OE Modelos de ruido 𝑦(𝑡) 𝐹(𝑞) El modelo Output-


que no contienen la 𝐵(𝑞) = 1 + 𝑓1 𝑞 −1 + ⋯ Error (OE), es un tipo
= 𝑢(𝑡
dinámica del 𝐹(𝑞) + 𝑓𝑛𝑓 𝑞 −𝑛𝑓 de modelo ARMAX,
proceso − 𝑛𝑘) + 𝑒(𝑡) el cual posee una
relación de
entrada/salida sin
pertur- bación, y que
adicionalmente posee
ruido blanco en la
salida. El Modelo OE,
se denota y de ne
como se indica en la

BJ El Modelo Box- 𝑦(𝑡)


Jenkins, es una 𝐵(𝑞) Con este modelo
generali- zación del = 𝑢(𝑡)
𝐹(𝑞) 𝐷(𝑞) podemos determinar
modelo OE, el cual 𝐶(𝑞) = 1 + 𝑑1 𝑞 −1 + ⋯ el error cuadrático
se de ne como un + 𝑒(𝑡) + 𝑑𝑛𝑑 𝑞 −𝑛𝑑
modelo ARMAX 𝐶(𝑞)
𝐹(𝑞)
con una rela- ción
= 1 + 𝑓1 𝑞 −1 + ⋯
de (Lemus,
2012)entrada/salida + 𝑓𝑛𝑓 𝑞 −𝑛𝑓
sin perturbación,
más ruido blanco
en la salida

2. A partir de las mediciones de entrada y salida del sistema realizadas cada 0.01 segundos,
durante 100 segundos que se entregan en foro de la unidad, utilice la herramienta ident
incorporada en MATLAB® para realizar el procedimiento requerido a las señales dadas que
le permita obtener la función de transferencia del sistema dado. Para ello, trabaje con los
datos suministrados del sistema lineal.
Solución

Se configuran los polos y zeros de acuerdo a nuestro sistema

se hace la estimación de la función de transferencia


llamamos a nuestra función de transferencia estimada

Finalmente se hace la grafica del comportamiento de la FT


3).Por medio de la herramienta ident incorporada en MATLAB®, determine
el orden del modelo y encuentre las ecuaciones correspondientes a cada
modelo solicitado (ARX, ARMAX, OE y BJ) que permitan analizar el
comportamiento de cada uno, comparando la salida del sistema con la
señal de entrada.

I. MODELO ARX
Ecuación del modelo arx

𝑩
𝒚(𝒕) = 𝒖(𝒕)
𝑨

𝟏 − 𝟎. 𝟐𝟕𝟐𝟏 𝒛−𝟏 − 𝟎. 𝟏𝟕𝟎𝟔 𝒛−𝟐 − 𝟎. 𝟏𝟖𝟗𝟕 𝒛−𝟑 − 𝟎. 𝟐𝟎𝟐𝟑 𝒛−𝟒 − 𝟎. 𝟎𝟐𝟖𝟎𝟐 𝒛−𝟓
𝑨(𝒛) =
𝒛𝟐

𝑩(𝒛) = 𝟎. 𝟎𝟏𝟔𝟓𝟒 𝒛−𝟏 + 𝟎. 𝟎𝟏𝟏𝟑𝟑 𝒛−𝟐

𝟎. 𝟎𝟐𝟕𝟖𝟕𝒛𝟑
𝒚(𝒕) = 𝒖(𝒕)
𝟏. 𝟑𝟏𝟖𝟓𝟐𝒛𝟓

El modelo que mas se acerco de una manera visible a la función de transferencia original fue el
modelo ARX, como se puede observar en la grafica para este caso se diseño con 5 polos y 2
ceros con lo cual se logra dicha aproximación.

II. MODELO ARMAX


Ecuación del modelo ARMAX

𝐵(𝑧) + 𝐶(𝑧)
𝑦(𝑡) = ( ) 𝑢(𝑡)
𝐴(𝑧)

0.0139𝑍 −1
𝐵(𝑧) = 0.0139𝑍 −1 =
𝑍

−1 −2
1 − 0.8585 𝑍 −1 − 0.07299 𝑍 −2
𝐴(𝑧) = 1 − 0.8585 𝑍 − 1 − 0.07299 𝑍 =
𝑍2
1 − 0.5729
𝐶(𝑧) = 1 − 0.5729 𝑍 −1 =
𝑍
0.0139𝑧 + 1 − 0.5729𝑧 0,441𝑧
𝑦(𝑡) = 2
= 𝑦(𝑡) =
1 − 0.8585𝑧 − 0.07299𝑧 0.21449𝑧
III. MODELO OE

Ecuación del modelo Oe

𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡)
𝐹(𝑧)

−0.01299 𝑧 −1 + 0.02613 𝑧 −2
𝐵(𝑧) = −0.01299 𝑧 −1 − 1 + 0.02613 𝑧 −2 =
𝑧2

1 − 0.9353 𝑧 −1 1 − 0.9353𝑧
𝐹(𝑧) = =
𝑧 𝑧

𝐵(𝑧) −0.01299𝑧 + 0.02613 𝑧 2 0,01314𝑧


𝑦(𝑡) = = =
𝐹(𝑧) 1 − 0.9353𝑧 1 − 0.9353𝑧
IV. MODELO BJ
Ecuación del modelo BJ

𝐵(𝑧) 𝐶(𝑧)
𝑦(𝑡) = 𝑢(𝑡) + 𝑒(𝑡)
𝐹(𝑧) 𝐷(𝑧)

0.01388𝑧
𝐵(𝑧) = 0.01388 𝑧 −1 =
𝑧
1 − 0.3947 𝑧 − 0.3181 𝑧 2
𝐶(𝑧) = 1 − 0.3947 𝑧 −1 − 0.3181 𝑧 −2 =
𝑧2

−1 −2
1 − 0.6122 𝑧 − 0.3797 𝑧 2
𝐷(𝑧) = 1 − 0.6122 𝑧 − 0.3797 𝑧 =
𝑧2
1 − 0.9314𝑧
𝐹(𝑧) = 1 − 0.9314𝑧 −1 =
𝑧

0.01388𝑧 1 − 0.3947 𝑧 − 0.3181 𝑧 2


𝑦(𝑡) = + 𝑢(𝑡)
1 − 0.9314𝑧 1 − 0.6122 𝑧 − 0.3797 𝑧 2
Prácticas:

1. Utilice MATLAB® para simular los cuatro sistemas identificados y grafique


la salida de los mismos cuando se aplica una entrada constante 𝑣(𝑡) = 𝑣 =
10 𝑉, durante los primeros 2 segundos y en ese momento se aplica una
entrada escalón unitario, esto es, la corriente de entrada cambia de 10 𝑉 a
11 𝑉 durante 3 segundos más. De manera que la simulación dura 5
segundos.

 Video simulación Estudiante 1: Ariolfo Quiroga Ardila


https://youtu.be/pu9tBUazROQ

 Video simulación Estudiante 2: Cristian villamil

https://www.youtube.com/watch?v=912FYszwHMw&t=57s

 Video simulación Estudiante 3: Fernando Chivata

https://www.youtube.com/watch?v=fKVh0nkEHZ4&feature=youtu.be

 Video simulación Estudiante 4: Juan Camilo Obredor

https://www.youtube.com/watch?v=IHRMZeRx3i8&feature=youtu.be
Conclusiones

 Se realizó la identificación de los modelos solicitados con valores reales de un


estudio previo de un sistema dinámico
 Se identificó la función de trasferencia de cada sistema polinomial ARX ARMAX
OE BJ
Bibliografía

Lemus, C. G. (2012). Estimación de modelos lineales para el control predictivo de pequeñas


centrales hidroeléctricas, 63–78.

Pedro, A., Padilla, A., Mumañ, F. C., Alberto, M. T., & Abreu, H. D. (2008). Métodos de
Identificación dinámica.

Villegas, L. (2007). Trabajo teórico práctico con Matlab. Buenos Aires, AR: El Cid Editor -
Informática. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=23&docID=10165756
&tm=1481844464476direct=true&db=e000xww&AN=650507&lang=es&site=ehost-live

Creus, S. A. (2007). Simulación y control de procesos por ordenador (2a. ed.). Barcelona, ES:
Marcombo. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=45&docID=10212445
&tm=1481848330059