Documente Academic
Documente Profesional
Documente Cultură
ABSTRACT
A model is used as tool for analysis, design and process control system. There
exist three fundamental problems that must be born in mind at the moment of the
process models: the formulation, the parameters estimation and the validation of
the model.
The present article tries to show the actual situation of the knowledge of two
actual currents used for obtain process models. Emphasizing in the beginning
involved in unknown parameters estimation of the process model, and see it
adapted that are for the analysis/control of the same one.
Por otro lado, un estudio emprico, busca esta 2. MODELAMIENTO TERICO DE PROCESOS
desconocida relacin por algunas funciones matemticas,
usando la informacin recogida experimentalmente del Los pasos detallados en el modelamiento terico de
sistema, especialmente cuando el proceso es demasiado procesos se ilustran en la Figura 1.
complicado, y se le conoce como modelamiento emprico
de procesos o Identificacin de Procesos. 2.1. Formulacin del modelo
Abordar un sistema fsico y finalmente reducirlo a un Las leyes fsicas que gobiernan el proceso para producir
modelo de proceso como sustituto para su uso, es un modelos se analizan con ecuaciones que son
procedimiento que consta de varias etapas: La definicin normalmente complejas y no lineales, stas pueden
del problema, la formulacin del modelo, la estimacin involucrar ecuaciones diferenciales parciales o
de parmetros y la validacin del modelo. ecuaciones integrales. Por ello el modelo normalmente se
simplifica de forma que sea fcilmente manejable.
exactamente con el conjunto de datos observados y(k), las tcnicas numricas. Sin embargo, es comn buscar
sino ms bien: mtodos para los cuales los modelos de procesos pueden
reestructurarse en formas que sean lineales en los
y( k ) = f (z (k ), ) + (k ) ; k = 1, 2, ..., N (3) parmetros. y,
donde (k) es el vector de errores entre la prediccin del La Estimacin lineal: de la ecuacin (3), se observa que
modelo y los datos actuales. las medidas experimentalmente obtenidas de las salidas
del proceso, obtenidas para varios valores del vector de
La estimacin de parmetros ahora se centra en la variables independientes, z(k), se relacionan con el
bsqueda del conjunto especfico de valores de parmetro modelo del proceso segn:
tal que alguna funcin escalar S del vector de error,
sea mnima; es decir, sobre el rango de entrada de los y (1) f ( z(1), ) (1)
y (2) f ( z(2), ) (2)
posibles valores de , el valor ms pequeo de S() se da
... ... ...
por S () . S ( ) es conocida como funcin objetivo, dado = + (6)
que depende del valor de los parmetros. y (k ) f ( z(k ), ) (k )
... ... ...
Varios criterios son usados para la determinacin ptima y (N ) f ( z( N ), ) ( N )
de los parmetros desconocidos del modelo, el ms usado
es el criterio de mnimos cuadrados. En este caso, la Si f(z,) es lineal en los parmetros , entonces puede
suma de los cuadrados de los errores es la funcin a ser mostrarse que la ecuacin (6) se vuelve:
minimizada, es decir, S() definida como:
N
Y = X + E
[ (k)]
(7)
S ( ) = T
[ (k )] (4)
k =1
donde X es la matriz de variables independientes
o de la ecuacin (3): compilada para cada conjunto de datos; Y es la coleccin
Se observa en la ecuacin (5) que la estimacin de El problema de estimacin de parmetros lineal consiste
parmetros prevalece el encontrar el que da el mnimo en encontrar el vector para el cual la desviacin del
S. As, el problema de estimacin de parmetros es conjunto de datos Y del modelo X (es decir, la magnitud
realmente un problema de optimizacin, donde la del vector Y - X), es minimizada, y se da por:
coleccin de todos los valores de S() como una funcin
de desempeo de , es una superficie de suma de T 1 T
= ( X X ) X Y (8)
cuadrados en el espacio p-dimensional de parmetros.
Entonces, el objetivo de la estimacin de parmetros, es
2.2.2. Estimacin de parmetros en modelos de
localizar el mnimo global de esta superficie; los
ecuaciones diferenciales: mtodos numricos
valores para los cuales este mnimo ocurre se designan
como , llamado estimado por mnimos cuadrados de . Los modelos matemticos de muchos sistemas reales con
bastante complejidad, son manejables por los mtodos
A continuacin, se ver cmo los principios anteriores numricos, con la ayuda de una computadora. El
pueden aplicarse a la estimacin de parmetros de procedimiento para estimar el conjunto de parmetros
modelos de proceso que se presentan en trminos de desconocidos contenidos en el modelo, es el siguiente: Se
ecuaciones diferenciales. empieza asumiendo que el modelo es de la forma:
Cuando un modelo de proceso posee una solucin donde f(n,z,,t) es alguna funcin no lineal de los
analtica, el problema de estimacin de parmetros se
argumentos indicados, y representa el conjunto de
hace ms fcil, desde una expresin explcita de la forma
parmetros desconocidos a ser estimados.
dada en la ecuacin (2) se obtiene directamente la
solucin analtica. Se pueden distinguir dos casos
Del experimento que se ha realizado sobre el proceso
separados:
fsico se han tomado N medidas independientes del
La estimacin no lineal, que es la situacin ms comn
vector de salidas de proceso , para las varias escenas de
en los modelos de procesos y se desarrolla en general por
las variables de entrada z y tiempo. Estas medidas son
106 Scientia et Technica Ao XII, No 31, Agosto de 2006. UTP
representadas como yk, con k = 1,2,..., N. En el algoritmo Considrese, la situacin que se describe en la figura
general para la estimacin numrica de parmetros: 2, en la que un proceso desconocido est sometido a
1. Se inicia con una condicin inicial para el valor del una funcin de excitacin, u(t), y la respuesta, y(t) es
vector de parmetros (0). medida. Es posible desarrollar un modelo para este
2. Se integra (numricamente) el modelo del proceso sistema, correlacionando de manera directa los datos
para producir las salidas k del modelo predicho, de entrada y salida . En resumen :
dado que el valor del vector del parmetro
desconocido es (0) . La identificacin de procesos involucra la construccin
3. Se evala la funcin S() substrayendo al modelo la de un modelo de proceso estrictamente a partir de los
prediccin k de yk y se encuentra la norma del datos entrada/salida obtenidos experimentalmente, sin
vector de la diferencia resultante, es decir: recurrir a ninguna ley relacionada con la naturaleza y
T con las propiedades del sistema.
[y ] [y ]
N
S ( ( j)
)= k k ( ( j)
) k k ( ( j ) ) (10)
k =1
4. Se actualiza la estimacin (j); ahora como (j+1).
5. Se regresa al paso 2 e iterando, se obtiene S j+1
usando la estimacin actualizada.
6. Se continua hastaSj+1 -S j . La actualizacin final de Figura 2. Identificacin de Procesos
la estimacin es la requerida por la estimacin por
mnimos cuadrados, . La identificacin, puede, en principio, llevarse a cabo
durante el funcionamiento normal del proceso (On-line),
2.3. Validacin de modelos tericos como en los esquemas de control adaptativo. Sin
embargo, la prctica usual es suspender el
Despus de que un modelo terico se ha formulado, y los funcionamiento normal del proceso y realizar
parmetros desconocidos se han estimado, es importante experimentos diseados para el desarrollo del
comprobar que el modelo proporciona una adecuada modelamiento emprico (Off-line).
representacin del proceso fsico.
El proceso de construccin de un modelo emprico por
Existen varias tcnicas para evaluar la eficacia de un medio de la identificacin, consta de las mismas etapas
modelo terico, la ms prctica, consiste en sobreponer del modelamiento terico: la definicin del problema, la
una grafica de la prediccin terica del modelo sobre los formulacin del modelo, la estimacin de los
datos experimentales obtenidos del proceso fsico. Tal parmetros y la validacin del Modelo. La diferencia
evaluacin visual proporciona una primera impresin de radica en las dificultades involucradas en cada etapa
qu tan bien el modelo representa los datos; y esto (ver figura 3).
normalmente es bastante para decidir mejoras en el Formulacin del Errores en la
Seleccin Ecuaciones
3. MODELAMIENTO EMPRICO DE PROCESOS de la del modelo
del modelo
Surgen entonces dos situaciones , una en la que un
proceso dinmico debe tratarse como una caja negra
para obtener una descripcin matemtica razonable ; y Figura 3. Modelamiento emprico de procesos: Identificacin
otra en que los modelos tericos resultantes son
demasiado complicados para ser usados. 3.1. Definicin del problema
En estos casos, las caractersticas del sistema son Las consideraciones enumeradas bajo este tem son
identificadas a partir de su respuesta ante entradas de pertinentes, independientemente del modelo a adoptarse
funciones de excitacin conocidas, que da como en el futuro; de hecho, estas consideraciones son las que
resultado modelos empricos de procesos y se conoce permitirn escoger, de manera razonable, un mtodo u
como Identificacin de Procesos (o de sistemas) . otro (terico o emprico).
Scientia et Technica Ao XII, No 31, Agosto de 2006. U.T.P 107
y( j)
3.3. Estimacin de parmetros g ( j) = (17)
u ( j )
Una vez elegido un modelo, se deben estimar sus
parmetros desconocidos, de la mis ma manera que en el Cualquier funcin f(t), que se acerque a cero lo
modelamiento terico. En la identificacin de procesos, suficientemente rpido como t + puede escribirse
esta es la tarea principal, y puede hacerse en el dominio como:
+
del tiempo o en el dominio de frecuencia. 1
f (t ) = f ( j )e j t d (18)
2
En el dominio temporal, las respuestas escalonadas
tericas de los modelos elegidos junto con los parmetros
donde f ( j ) es la transformada de Fourier de f(t).
a estimar, de acuerdo con las ecuaciones anteriores, son
las siguientes (el tamao del escaln es , y t 0.): Introduciendo las identidades de Euler y
aproxima ndo la integral con una suma, se produce:
108 Scientia et Technica Ao XII, No 31, Agosto de 2006. UTP
5. BIBLIOGRAFA
En principio, una vez postulados los mejores modelos
por medio del anlisis del diagrama de Bode obtenido [1] Babatunde A. Agunnaike and W. Harmon Ray.
experimentalmente, la estimacin de los parmetros Process, Modeling and Control. Oxford University
puede realizarse en el campo de la frecuencia, usando Press. 1994.
los datos de la frecuencia, o directamente en el [2] Kunusch Cristian. Ctedra de control y
dominio del tiempo, utilizando los datos a intervalos servomecanismos: Identificacin de sistemas
netos de tiempo. dinmicos. Universidad Nacional de la Plata.
Facultad de Ingeniera. 2003.
A partir de las ecuaciones anteriores, se obtiene para la [3] Escobet Teresa y Morcego Bernardo. Identificacin
entrada: de Sistemas. Curso semipresencial, tele-enseanza.
u ( j ) = B12 ( ) + B22 ( ) (23) Departament d'Enginyeria de Sistemes, Automtica i
Informtica Industrial. Escola Universitria
y para la salida: Politcnica de Manresa. 2003.
y ( j ) = A12 ( ) + A22 ( ) (24) [4] Ljung Lennart. System Identification, theory for the
user. 2nd edition. Prentice Hall PTR, Prentice Hall
Inc. 1.999.
Con una grfica de la ecuacin (23) contra la frecuencia
[5] Ljung Lennart. Identification for control: What is
da el espectro de frecuencia de entrada: la grfica
there to learn? In Proceedings of Workshop on
correspondiente de la ecuacin (24) proporciona el
Learning Control and Hybrid Systems. Bangalore,
espectro de frecuencia. A partir de estos espectros de
India. 1998.
frecuencia podemos determinar qu porciones del
[6] Meade, M. L. and Dillon, C. R. Signal and Systems:
diagrama de Bode contiene informacin til.
Models and Behaviour. 2nd edition. Chapman &
Hall. London, England. 1991.
3.4. Validacin del modelo
[7] Norton, J. P. An Introduction to Identification.
Academic Press Inc. (London) Ltd. 1986.
As como en el modelamiento terico, el paso final en la
[8] Schoukens, J. y Pintelon, R. Identification of Linear
identificacin del proceso comprende verificar cmo el
Systems: a Practical Guideline to Accurate
modelo emprico se acomoda a los datos, que
Modeling. Pergamon Press, 1991.
supuestamente representa. La validacin del modelo se
[9] Sderstrm, T. and Stoica, P. System Identification,
realiza generalmente comparando los pronsticos de los
Prentice Hall, N.J., 1989.
modelos con datos adicionales y evaluando la
[10] Urban Forssell. Closed-loop Identification. Methods,
adaptacin. Esto puede realizarse en el dominio del
Theory and Applications. Linkping Studies in
tiempo o en el dominio de la frecuencia.
Science and Technology. Dissertations No. 566.
1999.
4. CONCLUSIONES
[11] Van den Bosch Paul P. J. Modeling, Identification
and Simulation of Dynamical Systems. CRC. 1994.
Las etapas fundamentales en el procedimiento de
[12] Sinha N. K. Kuszta B. Modeling and Identification
desarrollo de modelos de procesos son: la definicin del
of Dynamic Systems. Springer. 1983.