U.N.M.S.M.

FACULTAD DE ING.ELECTRÓNICA, ELÉCTRICA

Y DE TELECOMUNICACIONES

APELLIDOS Y NOMBRES MATRÍCULA

Cuentas Larrauri Renato Paolo

15190145
Cóndor Huamaní Cesar Raúl
15190105
Sanchez Buendia José Alonzo
15190171

CURSO TEMA
Identificación de
Sistemas de Control 1
Sistemas
INFORME FECHAS NOTA
Final REALIZADO ENTREGADO
NUMERO

Martes 3 de Julio, Martes 10 de Julio,

N° 5 2018 2018

GRUPO PROFESOR
3 Ing. Jean Carlos Malca Fernández
Curso de laboratorio de Sistemas de Control 1
Guía N°5
Identificación de Sistemas
1. Objetivos
El objetivo de la práctica es familiarizar al estudiante con las principales técnicas de
identificación experimental para encontrar una función matemática que permita establecer
posteriormente la ley de control. Así mismo, conocer las principales herramientas que Matlab
nos brinda para la identificación de sistemas.

2.Informe Previo

3. Introducción
La identificación experimental de procesos es una técnica mediante la cual es posible obtener
un modelo matemático que represente la dinámica del sistema. El caso de la identificación 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 también se registra) y es a partir de esta
información que se obtiene el modelo para el sistema, aplicando las reglas que cada método
establezca. En términos 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 información de la entrada y salida, se puede establecer si el sistema es de primer

orden o bien de segundo orden o mayor, además de establecer si existe un retardo o alguna
otra característica en particular.

3.1. Métodos de identificación basados en la curva de reacción.

En un sistema de primer orden se pueden medir de la respuesta directamente los parámetros
generales. Se distinguen dos casos: cuando la respuesta presenta retardo y cuando no lo
presenta.

3.1.1. Sistemas de Primer Orden

3.1.1.1. Sistemas de Primer Orden sin retardo

El modelo propuesto para la identificación de un sistema de primer orden sin retardo es:
𝑘
𝐺(𝑠) = … (1)
𝜏𝑠 + 1
𝑦
Donde la ganancia se calcula como 𝑘 = Δ𝑢 , mientras que la constante de tiempo 𝜏 se calcula de
𝑢
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.
3.1.1.2. 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 identificación es:
𝑘𝑒 −𝑡𝑚 𝑠
𝐺(𝑠) = … (2)
𝜏𝑠 + 1
𝑦𝑢
Donde la ganancia se calcula como 𝑘 = , mientras que la constante de tiempo 𝜏 y el tiempo
Δ𝑢
muerto 𝑡𝑚 se calculan de acuerdo a la Fig.3

3.1.2. Sistemas de Segundo Orden sobre amortiguados

Los sistemas de segundo orden sobre-amortiguados (sin oscilaciones) presentan curvas de
reacción similares a las de primer orden, pero se diferencian porque presentan un punto de
inflexión. Un sistema de segundo orden sin oscilaciones se ajusta a un modelo, 𝐺(𝑠), de primer
orden con tiempo muerto:
𝑘𝑒 −𝑡𝑚 𝑠
𝐺(𝑠) = … (3)
𝜏𝑠 + 1

Donde el cálculo de los parámetros 𝒌, 𝒕𝒎 y 𝝉 variará según el método de identificación escogido.

Los métodos a desarrollar son el Método de la tangente Modificada de Miller y el Método de los
dos puntos de Smith.
3.1.2.1. Método de la tangente de Ziegler y Nichols
Consiste en trazar una recta tangente en el punto de máxima 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: 𝒌 = 𝒚𝒖/𝚫𝒖.

3.1.2.2. Método de la tangente Modificada de Miller

Consiste en trazar una recta tangente en el punto de máxima 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 : 𝒌 = 𝒚𝒖/𝚫𝒖.
3.1.2.3. Método de los dos puntos de Smith
Consiste en tomar dos puntos que corresponde a valores específicos de la respuesta (28.3% y
63.2%) (Fig.6). A partir de estos tiempos (𝒕𝟐𝟖 y 𝒕𝟔𝟑) se calculan los parámetros del modelo, de
la siguiente manera: La ganancia: 𝒌 = 𝒚𝒖/𝚫𝒖, la constante de tiempo: 𝝉 = 𝟏. 𝟓(𝒕𝟔𝟑 − 𝒕𝟐𝟖) y el
tiempo muerto: 𝒕𝒎 = 𝒕𝟔𝟑 − 𝝉 = 𝟏. 𝟓𝒕𝟐𝟖 − 𝟎. 𝟓𝒕𝟔𝟑.

La respuesta del modelo y del sistema coincidirán como mínimo en los dos puntos de referencia.

3.1.3. Sistemas de Segundo Orden sub amortiguados

En un sistema de segundo orden sub amortiguado se pueden medir de la respuesta
directamente los parámetros generales (su ganancia 𝒌, su factor de amortiguamiento 𝜉 y su
frecuencia natural 𝜔𝑛). Por lo que se puede ajustar al siguiente modelo:

𝑘𝜔𝑛2
𝐺(𝑠) = 2 … (4)
𝑠 + 2𝜉𝜔𝑛 𝑠 + 𝜔𝑛2
 𝜉𝜋
𝜋 −
2
𝑡𝑝 = , 𝑀𝑝 = 𝑒 √1−𝜉 , 𝜔𝑑 = 𝜔𝑛 √1 − 𝜉 2 … (5)
𝜔𝑑

De las ecuaciones anteriores podemos obtener el factor de amortiguamiento 𝜉 y la frecuencia

natural 𝜔𝑛. La ganancia lo obtendremos de la misma manera que en los métodos anteriores.

3.2. Utilizando la ‘toolbox’ de sistema de identificación de Matlab.

Matlab dispone de una amplia colección de funciones aplicables al campo de la identificación de
sistemas, agrupadas en el System Identification Toolbox, que constituyen una herramienta de
gran utilidad para la identificación y modelado de sistemas dinámicos. Estas funciones incluyen
diferentes algoritmos para el ajuste de parámetros en todo tipo de modelos lineales. Así mismo,
permiten examinar las propiedades de los modelos obtenidos, e incluso realizar un pre
procesamiento de los datos utilizados para la identificación, en caso de que sea necesario. Para
arrancar el interfaz de la ‘toolbox’, basta con teclear en la línea de comandos de Matlab: >> ident

Lo cual abrirá la interfaz gráfica que se presenta en la figura 8. Durante el desarrollo de la práctica
se explicará el. Para un mayor detalle de las funcionalidades que ofrece la herramienta, revisar
la documentación ofrecida por Matlab.

Figura 8. Interfaz gráfica de la ‘toolbox’ de sistema de identificación de Matlab

4. Procedimiento
Se adjunta los archivos Sistema1. pdsprj, Sistema2.pdsprj y proteus2matlab.m. Los 2 primeros
archivos deberán 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 función que acondiciona y obtiene a partir de los datos
exportados de Proteus.
Parte I. Métodos basados en la curva de reacción
En esta parte identificaremos un modelo para 2 sistemas implementados en Proteus, aplicando
los métodos basados en la curva de reacción usando Matlab.
4.1. Ejecute el programa Proteus y abra el archivo Sistema1.pdsprj. Este archivo contiene un
bloque denominado Sistema1.

4.2. La respuesta del sistema lo podemos observar en el visor de ‘Analogue Analysis’, tal como
se muestra en la siguiente figura.

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

Respuesta: Según la gráfica que observamos, vemos que el sistema es de orden 1.

4.4. Elija un método de Curva de Reacción, más adecuado según su criterio, identificar un
modelo G(s) para el sistema.
Respuesta: Vemos que el sistema es de primer orden y sin retardo, entonces escogemos el
método de curva de reacción para un sistema con estas características que aparece en la guía
de laboratorio.

4.5. Para un mejor análisis y poder comparar la respuesta del modelo hallado con la respuesta
del sistema, se utilizará el software MATLAB®. Para ello, exporte los datos haciendo clic en la
opción Graph →Export Graph Data (Fig.10). Guarde el archivo con el nombre “Sistema1.dat” en
la carpeta que se tiene como directorio MATLAB®.
4.6. En MATLAB®, ejecute la función “proteus2matlab”, escribiendo en la línea de comando:
>> [Tiempo, Vin, Vout]=proteus2matlab('Sistema1.dat'); la cual creará en el Workspace los
vectores Tiempo, Vin y Vout obtenidos a partir del archivo exportado en (e).

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

4.8. Utilice Matlab para hallar un modelo según el método elegido en d. (Cree un script que
obtengan los parámetros necesarios).

4.9. Defina la función de transferencia G(s) obtenida en (h).

4.10. Obtenga su respuesta a un escalón.

4.11. Dibuje en una sola gráfica la respuesta del sistema y del modelo. Haga una comparación.
¿Es aceptable la respuesta del modelo?
Según la gráfica obtenida anteriormente de Vin, observamos que no es entrada escalón, sino un
escalón multiplicado por 5, entonces a la función de transferencia, multiplicamos por 5 a la
respuesta escalón para poder compararla con lo obtenido en Proteus.

4.12. Calcule la suma del error cuadrático entre el sistema y el modelo identificado.

4.13. Ejecute el programa Proteus y abra el archivo Sistema2.pdsprj. Este archivo contiene un
bloque denominado Sistema2.
4.14. La respuesta del sistema lo podemos observar en el visor de ‘Analogue Analysis’, tal
como se muestra en la siguiente figura.

4.15. Repita los pasos del 3.3 al 3.12. (Además de seleccionar alguno de los métodos
presentados, investigue de otro método de identificación y aplíquelo)

Indique de que orden es el sistema a analizar.

Según la gráfica que observamos, vemos una inflexión, es decir que el sistema es de orden 2
sobreamortiguado.
Elija un método de curva de reacción más adecuado a su criterio, identificar un modelo G(s)
para el sistema.
Vemos que el sistema es de segundo orden sobre amortiguado, entonces escogemos el Método
de los dos puntos de Smith para un sistema con estas características que aparece en la guía de
laboratorio.
Para analizar mejor y comparar la respuesta que tenemos utilizamos la exportación de Matlab a
Proteus.

Ahora ejecutamos la función “porteus2matlab”, escribiéndola en la ventana de comandos del

Matlab.

Graficamos los vectores Vin y Vout vs Tiempo en Matlab.

Utilizamos Matlab para hallar un modelo según el método que elegimos, creamos el script.

MÉTODO DE LOS DOS PUNTOS DE SMITH

Hallamos los parámetros de este método apartir de Vout y Vin del Sistema 2 haciendo uso de
Matlab
Definimos ahora la función de transferencia G(s) obtenida en pasos anteriores.

Graficamos su respuesta al escalón unitario:

Dibujamos en una sola gráfica la respuesta del sistema y del modelo. Hacemos una comparación.
¿Es aceptable la respuesta del modelo?
Gráficamente la respuesta del modelo es de apariencia similar a la del sistema, si bien describe
la respuesta del sistema de 2do orden, este no llega a ser exactamente igual. Es importante
mencionar que este modelo asemeja un sistema de 2do orden sobreamortiguado a uno de
primer orden con tiempo muerto, por lo tanto las diferencias entre sistema y modelo estarán
presentes. Entonces se considera aceptable la respuesta del modelo de dos puntos de Smith
usado.
Calculamos la suma del error cuadrático entre el sistema y el modelo identificado.

Utilizaremos otros dos métodos para poder realizar una comparación posterior y determinar
que modelo de identificación es más exacto y presenta menos errores.

METODO DE LA TANGENTE DE ZIEGLER Y NICHOLS

Hallamos los parámetros de este método apartir de Vout y Vin del Sistema 2 haciendo uso de
Matlab

Definimos ahora la función de transferencia H(s) obtenida en pasos anteriores.

Graficamos su respuesta al escalón unitario:

Dibujamos en una sola gráfica la respuesta del sistema y del modelo. Hacemos una comparación.
¿Es aceptable la respuesta del modelo?
De la gráfica debajo de este texto, la respuesta del modelo (color verde) tiene una respuesta
sobreamortiguada pero comparándola con la respuesta sistema (color rojo) se presenta grandes
diferencias entre valores en puntos iguales de tiempo entre ambas respuestas. Si bien describe
la respuesta del sistema de 2do orden, este no llega a ser igual. Es importante mencionar que
este modelo asemeja un sistema de 2do orden sobreamortiguado a uno de primer orden con
tiempo muerto, apartir de la tangente máxima de la respuesta del sistema.
Para nuestro grupo de trabajo este modelo no es aceptable para representar la respuesta del
sistema, debido al error que se presentará en el siguiente inciso y también debido a que la
respuesta de este modelo tarda más en estabilizarse a su valor constante a diferencia de la
respuesta del sistema.
Calculamos la suma del error cuadrático entre el sistema y el modelo identificado.

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.
4.16. Ingresamos a la interfaz gráfica de la toolbox. (comando “ident”).

*Nota: el comando ‘ident’ en futuras verisiones de Matlab puede ser removido y reemplazado
por el comando ‘systemIdentification’.

4.17. Importamos la información obtenida del Sistema1 a la interfaz. (Click en “Time domain
data”).

4.18. Completamos en el cuadro dialogo que aparece con la información correspondiente.

Luego hacemos click en Import.
4.19. Seleccionamos Transfer Function Models, para estimar una función de transferencia
para los datos introducidos.

4.20. A continuación, ingresamos los números de polos y zeros que consideremos puede tener
el sistema. Y hacemos click en estimate.

4.21. Una vez que la interfaz haya estimado un modelo, de acuerdo con las características
especificadas. Comparamos la respuesta del modelo con la salida dad. Para lo cual activamos la
casilla Model Output, con la cual también obtendremos el porcentaje de aproximación a la
salida real.
 Este modelo de salida usando Toolbox tiene un 99.79% de semejanza con la respuesta del
sistema Vout.

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

área de To Workspace.

4.23. Calcule la suma del error cuadrático entre el sistema y el modelo identificado.
4.24. Repetir el mismo procedimiento para el caso de sistema2.

Este modelo de salida usando Toolbox tiene un 99.83% de semejanza con la respuesta del
sistema Vout.
Calculamos la suma del error cuadrático entre el sistema y el modelo identificado.

4.25. De la parte 1 y la parte 2, elija los mejores modelos obtenidos para cada sistema.
Impleméntelos y compare su respuesta temporal con la obtenida con las dadas por el simulador.

Modelado para el sistema 1:

Método de Sistema Primer Orden sin Retardo

Método Sist. 1er Orden Sin Retardo Identificación con Toolbox

Error cuadrático: 0.2877 Error cuadrático: 0.4062

Modelado para el sistema 2:

Método de Sistema Segundo Orden Sobreamortiguado de los dos puntos de Smith

Método Sist. 2do Orden dos puntos de Smith Identificación con Toolbox
Error cuadrático: 313.1712 Error cuadrático: 5.2804
Parte III: Identificación de un sistema físico
En esta parte, identificaremos un modelo a partir de la respuesta temporal de un sistema real.
4.26. Implemente el circuito presentado en la figura.

4.27. Conecte una señal de entrada adecuada que permita observar la curva de reacción del
sistema.

4.28. Utilizando uno de los métodos más presentados, el más adecuado según su criterio,
obtenga un modelo para el circuito implementado.

Aplicando el método de identificación para sistemas de segundo orden subamortiguados:

Obtenemos de las imágenes de la señal: El tp y el Mp para poder obtener el factor de
amortiguamiento, la frecuencia natural y la ganancia y así obtener el modelo matemático del
sistema.
𝝅
𝒕𝒑 = 𝟔𝟏𝟏𝒖𝒔 = → 𝒘𝒅 = 𝟓𝟒𝟔𝟑. 𝟔𝟒 𝒓𝒂𝒅/𝒔
𝒘𝒅
𝜺𝝅
𝑴𝒑 = 𝟎. 𝟐𝟓𝒗 = 𝒆 𝟏−𝜺𝟐
√ → 𝜺 = 𝟎. 𝟒𝟎𝟑𝟕
 𝒅𝒚
𝑲= = 𝟎. 𝟗𝟒𝟏
𝒅𝒖

Entonces el modelo matemático está dado por:

𝟐𝟖 × 𝟏𝟎^𝟔
𝑮(𝒔) =
𝒔𝟐 + 𝟒𝟒𝟏𝟏𝒔 + 𝟐𝟗. 𝟖𝟓 × 𝟏𝟎𝟔

4.29. Investigue de otro método de identificación y aplíquelo.

Para definirlo usaremos el método de obtener el modelo y usaremos el ploteo en Matlab, el
modelo lo obtendremos usando las funciones, series, parallel, feedback.

Primero debemos analizar por etapas el sistema para poder encontrar la función de
transferencia de cada etapa que está compuesta por un opamp y así poder analizar el efecto
que se produce sobre el sistema, su representación en Simulink sería:

4.30. Defina en Matlab los modelos hallados en los puntos 3.28 y 3.29.

Método de la guía para sistemas de 2do orden subamortiguados:

11
Método de identificación alterno:

4.31. Compare las respuestas temporales obtenidas en Matlab con la del circuito
implementado.

Gráfica método de la guía para sistemas de 2do orden subamortiguados:

Gráfica método de identificación alterno:

Gráfica de método alterno en Simulink:

4.32. Cual modelo representa mejor al circuito implementado.

Observando las gráficas apartir de cada método de identificación, podemos concluir que el
método para sistemas de 2do orden subamortiguados presentado y usado de la guía es la que
mejor representa al circuito implementado. Esto se llegó a concluir luego de comparar los
tiempos de subida, tiempo de asentamiento, voltaje pico.

Circuito Implementado Método para Sist. 2do Orden

Tiempo subida 611us 626us
Tiempo de asentamiento 1.79ms 1.54ms
Voltaje pico 2.33v 2.35v

CONCLUSIONES

 Para sistemas de primer orden, los métodos de identificación aplicados resultaron

eficientes y precisos ya que estos representaron al Sistema 1 lo más exacto posible,
llegando a tener solo un error muy pequeño
 Para sistemas de segundo orden sobreamortiguado, los métodos de identificación
aplicados resultaron no ser tan precisos como se esperaba, esto debido a que estos
modelos representaban al sistema de segundo orden como uno de primer orden con un
tiempo muerto, es por ello si bien describían el comportamiento del sistema, estos
presentaban grandes diferencias de valor en cada instante de tiempo. Se obtuvo un
error de gran tamaño para el método de la tangente y un error medianamente grande
para el método de dos puntos.
 Para sistemas de segundo orden subamortiguado, el método presentado en la guía
resulto ser el más eficiente ya que los factores calculados apartir de la implementación
del circuito nos dieron valores de tiempo y voltaje muy semejantes a los obtenidos con
el modelo implementado.
 De toda la experiencia se rescata que el software Control System Toolbox de Matlab es
la herramienta más eficiente y precisa para obtener modelos matemáticos de sistemas
que deseemos analizar, ya que el error al compararlo con los sistemas propuestos
resulto ser muy bajo.
 Durante la implementación del Sistema 3 (Sist. 2do orden subamortiguado) se presentó
dificultades para hallar la señal a analizar debido al mal estado de las puntas de prueba.