Sunteți pe pagina 1din 20

SISTEMAS DINAMICOS

ETAPA 3

MODELO MATEMÁTICO, MÉTODOS DE IDENTIFICACIÓN PARAMETRICOS,


MÉTODOS DE IDENTIFICACIÓN NO PARAMÉTRICO, FUNCIÓN DE
TRANSFERENCIA, HERRAMIENTA IDENT DE MATLAB

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA


2018
CONTENIDO

1. INTRODUCCION ........................................................................................................................... 2
2. LISTADO DE CONCEPTOS DESCONOCIDOS:................................................................................. 3
3. CONSULTAS ................................................................................................................................. 3
4. SOLUCION DE TAREAS ................................................................................................................. 4
5. CONCLUSIONES ......................................................................................................................... 19
6. BIBLIOGRAFIA ............................................................................................................................ 19

1. INTRODUCCION

A partir de conocimientos adquiridos sobre identificación de sistemas enfocados a


la ingeniería de control nace la necesidad de analizar problemas reales, como el
que se presenta en el desarrollo de la actividad, el modelado matemático de un
motor, empleando técnicas de identificación.
2. LISTADO DE CONCEPTOS DESCONOCIDOS:

- Modelo Box-Jenkins
- Modelo ARX
- Modelo ARMAX
- Modelo Output-Error
- Mínimos cuadrados
- Variable instrumental

3. CONSULTAS

Modelamiento matemático: es uno de los tipos de modelos científicos que emplea


algún tipo de formulismo matemático para expresar relaciones, variables,
parámetros, entidades y relaciones entre variables de las operaciones, para estudiar
comportamientos de sistemas complejos ante situaciones difíciles de observar en la
realidad.

Sistema de control: es un conjunto de dispositivos encargados de administrar,


ordenar, dirigir o regular el comportamiento de otro sistema, con el fin de reducir las
probabilidades de fallo y obtener los resultados deseados. Por lo general, se usan
sistemas de control industrial en procesos de producción industriales1 para
controlar equipos o máquinas.

Modelo Box-Jenkins: se aplica a los modelos autorregresivos de media móvil


ARMA o a los modelos autorregresivos integrados de media móvil (arima) para
encontrar el mejor ajuste de una serie temporal de valores, a fin de que los
pronósticos sean más acertados.

Modelo ARMAX: da lugar a un sistema de ecuaciones donde las incógnitas son los
coeficientes del modelo discreto, cuyas soluciones (de este modelo y los
posteriores) se obtienen por predicción del error con el Método de Máxima
Verosimilitud.
Modelo ARX: da lugar a un sistema de ecuaciones donde las incógnitas a y b serán
los coeficientes de la función de transferencia discreta y que se obtienen según:
mínimos cuadrados y variable instrumental.

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.
Variable instrumental: Se determinan a y b de manera tal que el error entre las
partes derecha e izquierda no correlaciona con alguna combinación lineal de la
entrada. Para esto se usa la función iv4.

Modelo Output-Error: Este modelo describe la dinámica del sistema por separado
de la dinámica estocástica. El modelo de salida de errores no utiliza ningún
parámetro para la simulación de las características de las perturbaciones.

4. SOLUCION DE TAREAS

DESCRIPCION 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
Constante de fuerza electromotriz 𝑘𝑒 = 0.01𝑉 𝑟𝑎𝑑 /𝑠
Constante torque del motor 𝑘𝑡 = 0.01 𝑁 ∗ 𝑚/𝐴
Resistencia eléctrica 𝑅 = 1 𝛺
Inductancia 𝐿 = 0.5 𝐻

En la Etapa 3 se deberá encontrar el modelo matemático empleando técnicas de


identificación.

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


Modelo
discreto lineal
en el que la
salida en el
instante de
muestreo n se Procedimien
obtiene a partir tos de
de valores identificació
pasados de la n de
salida y de la sistemas
ARX entrada | lineales
Estructura
autoregresiva,
media móvil con
entrada Diagnóstico
ARMAX externa. de fallas
Tiene una
relación
Parametriza entrada/sali
independiente da sin
mete la entrada perturbació
OE y el ruido n
Parametriza
independiente
mete los
modelos de la Se pueden
función de determinar
transferencia y errores
BJ el ruido cudraticos

2. A partir de las mediciones de entrada y salida del sistema realizadas cada


0.01 segundos, durante 100 segundos, utilice la herramienta ident que
incorpora 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.

Se abre el programa MATLAB y se carga en el Workspace el archivo


“insumos_etapa3” que contienen la entrada (lineal), la salida (real) y el
tiempo que va desde 0 cada 0.01 segundos.
Se escribe en la ventana de MATLAB:

>> ident

Se abre la siguiente pestaña


Donde dice “import data” se selecciona la opción “time domain Data”

Luego se abre una ventana de “import Data”


Y llamaremos de nuestro workspace los datos de entrada (QiL) salida (h) y
asignamos el tiempo de inicio y de muestro.

Ilustración 1. ventana ident (System identification)

Se ha guardado con el nombre “mydata”. Seleccionamos la opción “Time plot” y


veremos la gráfica de acuerdo a los datos suministrados.
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

Usando la herramienta “ident” de MATLAB se determinó el mejor orden para


los modelos y se encontró la ecuación correspondiente, se resumen a
continuación:

modelo orden del modelo ecuación


ARX [4 4 1 ] Ay = Bu + e
ARMAX [2221] Ay = Bu + Ce
OE [2 2 1 ] y = [B/F]u + e
BJ [2 2 2 2 1 ] y = [B/F]u + [C/D]e
Ecuación modelo ARX

Ecuación modelo ARMAX

Ecuación modelo OUTPUT-ERROR


Una vez desplegada el menú de ident (System Identification), en la opción
“Estimate” se selecciona “polynomial models” y aquí en en “Structure” se podrá
seleccionar cada uno de los modelos a analizar.
Estructura del modelo ARX
Ilustración 2. Estructura modelo ARX

Ilustración 3. Salida del modelo medido y simulado


Salida de los cuatro modelos medidos y simulados

Ilustración 4. Salida de los cuatro modelos


PRACTICA
Utilice MATLAB® para simular los cuatro sistemas identificados y grafique la salida
de los mismos cuando se aplica una entrada constante (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.

Grafica de salida del MODELO ARX hallado con la herramienta ident aplicando la
constante (t) = v = 10V durante los primeros 2 segundos, y luego aplicar la entrada
escalón unitario.
Grafica de salida del MODELO AMX hallado con la herramienta ident aplicando la
constante (t) = v = 10V durante los primeros 2 segundos, y luego aplicar la entrada
escalón unitario.
Grafica de salida del MODELO BJ hallado con la herramienta ident aplicando la
constante (t) = v = 10V durante los primeros 2 segundos, y luego aplicar la entrada
escalón unitario
Grafica de salida del MODELO OUTPUT-ERROR hallado con la herramienta ident
aplicando la constante (t) = v = 10V durante los primeros 2 segundos, y luego
aplicar la entrada escalón unitario

5. CONCLUSIONES

- Mediante el software de simulación MATLAB, se aprendió a demostrar los


modelos ARMAX, ARX, OE y BJ, comprendiendo la forma de la señal de
cada uno y como generarlos.
- A la hora de seleccionar el modelo hay que tener en cuenta que el sistema
sea físicamente realizable.
- Se recomienda aplicar un controlador para que la respuesta del modelo se
acerque más a la entrada.

6. BIBLIOGRAFIA
[1] M.C Jaime Cid Monjaraz “MODELOS MATEMATICOS Y SUS
REPRESENTACIONES”
ftp://www.ece.buap.mx/pub/JCid/Apuntes%20de%20Control%20I/6-
Capitulo%202%20Control%20I.pdf

[2] MODELADO DE UN MOTOR


https://elrobotista.com/modelado/

[3] MODELOS DE LOS SISTEMA MATEMATICOS FISICOS


https://www.scribd.com/doc/2634854/MODELOS-MATEMATICOS-DE-SISTEMAS-
FISICOS

S-ar putea să vă placă și