UNIDAD 3 - ETAPA 3 - IDENTIFICAR MODELOS DE SISTEMAS DINÁMICOS

MEDIANTE MATLAB

ENTREGADO POR:
VERONICA HERAZO MERLANO
Código: 1.102.874.033

LUIS ALFREDO PALACIO

OSCAR LUIS MERCADO
JASON PALACIO RUIZ

GRUPO: 243005_40

ENTREGADO A:
ING: FRANCISCO FERNANDEZ
CURSO: SISTEMAS DINÁMICOS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
SINCELEJO
NOVIEMBRE 2018
 INTRODUCCION

Para el desarrollo de la etapa 3 de este trabajo, se procede en utilizar la herramienta Matlab

para hallar los distintos modelos matemáticos, que requiere esta temática, con el fin de
representar las señales de entradas y de salida del circuito mediante modelos matemáticos y
variando su tiempo y otros factores a fin de ser representados gráficamente. (Modelo arx
Modelo armax, Modelo output error, Modelo box Jenkins)
LISTADO DE CONCEPTOS DESCONOCIDOS

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.
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 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

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.
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.

Usted y sus compañeros de grupo son designados para encontrar el modelo matemático más
preciso posible.
Para encontrarlo se ha dividido el problema en etapas, el desarrollo de estas actividades le
permiten obtener la tercera de ellas:

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

identificación.

Teóricas:

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:

POR: VERÓNICA HERAZO MERLANO

Modelo Características Variables Representación Aplicación

ARX Se lo conoce como Estos pueden ser aplicados en

Estructura “ARX”, los procesos de control,
donde “AR” hace biomedicina, sismología,
referencia a la parte sistemas ambientales,
autor regresiva dinámicas de aviones,
A(q).y(t) y “X” a Macroeconomía, procesamiento de
la entrada extra señales, sistemas químicos entre
(extra imput) otros.
B(q).u(t) también Estas cuatros aplicaciones de los
conocida como modelos se encuentran
Variable exógena. relacionadas entre sí debido a que
el uno depende del otro

ARMAX Podemos decir que es Estos pueden ser aplicados en

una herramienta los procesos de control,
estándar en control y biomedicina, sismología,
econometría, sistemas ambientales,
tanto para la Descripción dinámicas de aviones,
de sistemas como Macroeconomía, procesamiento de
para el diseño de señales, sistemas químicos entre
otros.
Control. Además es muy
Estas cuatros aplicaciones de los
usado para describir
modelos se encuentran
sistemas con relacionadas entre sí debido a que
Perturbaciones lentas. el uno depende del otro

OE Para este tipo de modelo Estos pueden ser aplicados en

ARMAX, el cual posee los procesos de control,
una relación de biomedicina, sismología,
entrada/salida sin sistemas ambientales,
perturbación y dinámicas de aviones,
adicionalmente posee Macroeconomía, procesamiento de
ruido blanco en la salida señales, sistemas químicos entre
otros.
Estas cuatros aplicaciones de los
modelos se encuentran
relacionadas entre sí debido a que
el uno depende del otro

BJ Se aplica a los modelos Estos pueden ser aplicados en

autorregresivos de los procesos de control,
media móvil ARMA o a biomedicina, sismología,
los modelos sistemas ambientales,
autorregresivos dinámicas de aviones,
integrados de media Macroeconomía, procesamiento de
móvil (ARIMA) para señales, sistemas químicos entre
otros.
encontrar el mejor
Estas cuatros aplicaciones de los
ajuste de una serie
modelos se encuentran
temporal de valores, a relacionadas entre sí debido a que
fin de que los el uno depende del otro
pronósticos sean más
acertados.
 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. Para ello, trabaje con los datos suministrados del sistema lineal y del
sistema no lineal.

En la gráfica anterior muestra: Grafica superior, la señal de salida.

Color verde, entrada no lineal
Color azul, entrada lineal.

Función de transferencia del sistema lineal:

87.26𝑠 + 0.6198
𝐺(𝑠) =
𝑠3 + 90.24𝑠 2 + 465.1𝑠 + 0.3987
Se obtiene una aproximación del 93.68% al valor real.
Función de transferencia del sistema no lineal:
238.9𝑠 + 9.875
𝐺(𝑠) =
𝑠 3 + 343.6𝑠 2 + 3122𝑠 + 130
Se obtiene una aproximación del 33.11% al valor real.

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. Este procedimiento se
realiza para los datos del sistema lineal y no lineal.

Función de transferencia del sistema lineal:

87.26𝑠 + 0.6198
𝐺(𝑠) =
𝑠3 + 90.24𝑠 2 + 465.1𝑠 + 0.3987
Se obtiene una aproximación del 93.68% al valor real.
Función de transferencia del sistema no lineal:
238.9𝑠 + 9.875
𝐺(𝑠) =
𝑠3 + 343.6𝑠 2 + 3122𝑠 + 130
Se obtiene una aproximación del 18.32% al valor real.
Función del sistema lineal con el modelo ARX:
El orden del modelo, es:
[𝑛𝑎 𝑛𝑏 𝑛𝑘 ]
[3 2 1]

Número de polos 3, Número de ceros 2 + 1, Retardo del sistema 1, Se obtuvo lo siguiente

𝐴(𝑧) = 1 − 0.3518𝑧 −1 − 0.2444𝑧 −2 − 0.2828𝑧 −3
𝐵(𝑧) = 0.01748𝑧 −1 + 0.007041𝑧 −2

Modelo ARX ecuación:

𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡) + 𝑒(𝑡)
𝐴(𝑧)
El error es nulo para este sistema, se tiene:
 𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡)
𝐴(𝑧)
0.01748𝑧 −1 + 0.007041𝑧 −2
𝑦(𝑡) =
1 − 0.3518𝑧 −1 − 0.2444𝑧 −2 − 0.2828𝑧 −3

0.01748 0.007041
+
𝑦(𝑡) =
𝑧 𝑧2
0.3518 0.2444 0.2828
1− 𝑧 − −
𝑧2 𝑧3

0.01748𝑧 0.007041
+
𝑦(𝑡) = 3 𝑧2 𝑧2
1𝑧 0.3518𝑧 2 0.2444𝑧 0.2828
− − −
𝑧3 𝑧3 𝑧3 𝑧3

0.01748𝑧 + 0.007041
𝑦(𝑡) = 3 𝑧2
2
𝑧 − 0.3518𝑧 − 0.2444𝑧 − 0.2828
𝑧3

0.01748𝑧 + 0.007041
𝑦(𝑡) = 3 1
𝑧 − 0.3518𝑧 2 − 0.2444𝑧 − 0.2828
𝑧

0.01748𝑧 2 + 0.007041𝑧
𝑦(𝑡) =
𝑧 3 − 0.3518𝑧 2 − 0.2444𝑧 − 0.2828

Función del sistema lineal con el modelo ARMAX:

El orden del modelo, es:
[𝑛𝑎 𝑛𝑏 𝑛𝑐 𝑛𝑘 ]
[3 2 2 1]
Número de polos 3 Número de ceros 2 + 1. Número de ceros 2 + 1. Retardo del sistema 1
Se obtuvo lo siguiente:
𝐴(𝑧) = 1 − 1.927𝑧 −1 + 0.939𝑧 −2 − 0.01094𝑧 −3
𝐵(𝑧) = 0.01385𝑧 −1 − 0.01368𝑧 −2
𝐶(𝑧) = 1 − 1.741𝑧 −1 + 0.7624𝑧 −2

Modelo ARMAX, ecuación:

𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡) + 𝐶(𝑧)𝑒(𝑡)
𝐴(𝑧)
Como el error es nulo para este sistema, se tiene lo siguiente:
𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡)
𝐴(𝑧)
0.01385𝑧 −1 − 0.01368𝑧 −2
𝑦(𝑡) =
1 − 1.927𝑧 −1 + 0.939𝑧 −2 − 0.01094𝑧 −3

0.01385 0.01368
−
𝑦(𝑡) =
𝑧 𝑧2
1.927 0.939 0.01094
1− 𝑧 + 2 −
𝑧 𝑧3

0.01385𝑧 0.01368
−
𝑦(𝑡) = 3 𝑧2 𝑧2
1𝑧 1.927𝑧 2 0.939𝑧 0.01094
− + −
𝑧3 𝑧3 𝑧3 𝑧3

0.01385𝑧 − 0.01368
𝑦(𝑡) = 3 𝑧2
2
𝑧 − 1.927𝑧 + 0.939𝑧 − 0.01094
𝑧3

0.01385𝑧 − 0.01368
𝑦(𝑡) = 3 1
𝑧 − 1.927𝑧 2 + 0.939𝑧 − 0.01094
𝑧

0.01385𝑧 2 − 0.01368𝑧
𝑦(𝑡) =
𝑧 3 − 1.927𝑧 2 + 0.939𝑧 − 0.01094
Función del sistema lineal con el modelo OE:
Para este modelo se tiene el siguiente orden
[𝑛𝑏 𝑛𝑓 𝑛𝑘]
[2 3 1]
Número de ceros 2 + 1, Número de polos 3, Retardo del sistema 1
Se obtuvo lo siguiente
𝐵(𝑧) = 0.02342𝑧 −1 − 0.02321𝑧 −2
𝐹(𝑧) = 1 − 1.073𝑧 −1 − 0.7311𝑧 −2 + 0.8051𝑧 −3

Modelo OE, ecuación:

𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡) + 𝑒(𝑡)
𝐹(𝑧)
Como el error es nulo para nuestro sistema, entonces:
𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡)
𝐹(𝑧)
0.02342𝑧 −1 − 0.02321𝑧 −2
𝑦(𝑡) =
1 − 1.073𝑧 −1 − 0.7311𝑧 −2 + 0.8051𝑧 −3
0.02342 0.02321
−
𝑦(𝑡) =
𝑧 𝑧2
1.073 0.7311 0.8051
1− 𝑧 − +
𝑧2 𝑧3
0.02342𝑧 0.02321
−
𝑦(𝑡) = 3 𝑧2 𝑧2
1𝑧 1.073𝑧 2 0.7311𝑧 0.8051
− − +
𝑧3 𝑧3 𝑧3 𝑧3
0.02342𝑧 − 0.02321
𝑦(𝑡) = 3 𝑧2
2
𝑧 − 1.073𝑧 − 0.7311𝑧 + 0.8051
𝑧3
0.02342𝑧 − 0.02321
𝑦(𝑡) = 3 1
𝑧 − 1.073𝑧 2 − 0.7311𝑧 + 0.8051
𝑧
0.02342𝑧 2 − 0.02321𝑧
𝑦(𝑡) =
𝑧 3 − 1.073𝑧 2 − 0.7311𝑧 + 0.8051

Función del sistema lineal con el modelo BJ:

Para este modelo se tiene el siguiente orden:
[𝑛𝑏 𝑛𝑐 𝑛𝑑 𝑛𝑓 𝑛𝑘]
[2 2 3 3 1]
Número de ceros 2 + 1, Número de polos 3, Número de polos 3, Retardo del sistema 1
Se obtuvo lo siguiente:
𝐵(𝑧) = 0.01557𝑧 −1 − 0.006719𝑧 −2
𝐶(𝑧) = 1 − 1.867𝑧 −1 + 0.8798𝑧 −2
𝐷(𝑧) = 1 − 1.934𝑧 −1 + 0.9744𝑧 −2 − 0.03966𝑧 −3

𝐹(𝑧) = 1 − 0.5962𝑧 −1 − 0.7771𝑧 −2 + 0.4169𝑧 −3

Modelo BJ, ecuación:

𝐵(𝑧) 𝐶(𝑧)
𝑦(𝑡) = 𝑢(𝑡) + 𝑒(𝑡)
𝐹(𝑧) 𝐷(𝑧)
Como el error es nulo para nuestro sistema, entonces:
𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡)
𝐹(𝑧)
0.01557𝑧 −1 − 0.006719𝑧 −2
𝑦(𝑡) =
1 − 0.5962𝑧 −1 − 0.777𝑧 −2 + 0.4169𝑧 −3
0.01557 0.006719
−
𝑦(𝑡) =
𝑧 𝑧2
0.5962 0.777 0.4169
1− 𝑧 − 2 +
𝑧 𝑧3
0.01557𝑧 0.006719
−
𝑦(𝑡) = 3 𝑧2 𝑧2
1𝑧 0.5962𝑧 2 0.777𝑧 0.4169
− − +
𝑧3 𝑧3 𝑧3 𝑧3
0.01557𝑧 − 0.006719
𝑦(𝑡) = 3 𝑧2
𝑧 − 0.5962𝑧 2 − 0.777𝑧 + 0.4169
𝑧3
0.01557𝑧 − 0.006719
𝑦(𝑡) = 3 1
𝑧 − 0.5962𝑧 2 − 0.777𝑧 + 0.4169
𝑧
0.01557𝑧 2 − 0.006719𝑧
𝑦(𝑡) =
𝑧 3 − 0.5962𝑧 2 − 0.777𝑧 + 0.4169
Función del sistema no lineal con el modelo ARX:
Para este modelo tenemos el siguiente orden:
[𝑛𝑎 𝑛𝑏 𝑛𝑘 ]
[3 2 1]

3, el número de polos 3, número de ceros 2 + 1, retardo del sistema 1

Se obtuvo lo siguiente:
𝐴(𝑧) = 1 − 0.5186𝑧 −1 − 0.2832𝑧 −2 − 0.177𝑧 −3
𝐵(𝑧) = 0.01309𝑧 −1 − 0.01074𝑧 −2

Modelo ARX, ecuación:

𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡) + 𝑒(𝑡)
𝐴(𝑧)
Como el error es nulo para este sistema, se tiene:
𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡)
𝐴(𝑧)
0.01309𝑧 −1 − 0.01074𝑧 −2
𝑦(𝑡) =
1 − 0.5186𝑧 −1 − 0.2832𝑧 −2 − 0.177𝑧 −3

0.01309 0.01074
−
𝑦(𝑡) =
𝑧 𝑧2
0.5186 0.2832 0.177
1− 𝑧 − − 3
𝑧2 𝑧
 0.01309𝑧 0.01074
−
𝑦(𝑡) = 3 𝑧2 𝑧2
1𝑧 0.5186𝑧 2 0.2832𝑧 0.177
− − − 3
𝑧3 𝑧3 𝑧3 𝑧
0.01309𝑧 − 0.01074
𝑦(𝑡) = 3 𝑧2
𝑧 − 0.5186𝑧 2 − 0.2832𝑧 − 0.177
𝑧3
0.01309𝑧 − 0.01074
𝑦(𝑡) = 3 1
𝑧 − 0.5186𝑧 2 − 0.2832𝑧 − 0.177
𝑧
0.01309𝑧 2 − 0.01074𝑧
𝑦(𝑡) =
𝑧 3 − 0.5186𝑧 2 − 0.2832𝑧 − 0.177

Función del sistema no lineal con el modelo ARMAX:

Para este modelo tenemos el siguiente orden:
[𝑛𝑎 𝑛𝑏 𝑛𝑐 𝑛𝑘 ]
[3 2 2 1]
3, el número de polos, número de ceros 2 + 1, número de ceros 2 + 1, retardo del sistema 1
Se obtuvo los siguientes valores:
𝐴(𝑧) = 1 − 1.939𝑧 −1 + 0.9659𝑧 −2 − 0.02675𝑧 −3

𝐵(𝑧) = 0.006294𝑧 −1 − 0.006278𝑧 −2

𝐶(𝑧) = 1 − 1.739𝑧 −1 + 0.7797𝑧 −2

La ecuación para el modelo ARMAX, es:

𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡) + 𝐶(𝑧)𝑒(𝑡)
𝐴(𝑧)
Como el error es nulo para este sistema, entonces:
𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡)
𝐴(𝑧)
0.006294𝑧 −1 − 0.006278𝑧 −2
𝑦(𝑡) =
1 − 1.939𝑧 −1 + 0.9659𝑧 −2 − 0.02675𝑧 −3
0.006294 0.006278
−
𝑦(𝑡) =
𝑧 𝑧2
1.939 0.9659 0.02675
1− + −
𝑧 𝑧2 𝑧3
 0.006294𝑧 0.006278
−
𝑦(𝑡) = 3 𝑧2 𝑧2
1𝑧 1.939𝑧 2 0.9659𝑧 0.02675
− + −
𝑧3 𝑧3 𝑧3 𝑧3
0.006294𝑧 − 0.006278
𝑦(𝑡) = 3 𝑧2
𝑧 − 1.939𝑧 2 + 0.9659𝑧 − 0.02675
𝑧3
0.006294𝑧 − 0.006278
𝑦(𝑡) = 3 1
𝑧 − 1.939𝑧 2 + 0.9659𝑧 − 0.02675
𝑧
0.006294𝑧 2 − 0.006278𝑧
𝑦(𝑡) =
𝑧 3 − 1.939𝑧 2 + 0.9659𝑧 − 0.02675

Función del sistema no lineal con el modelo OE:

Para este modelo se tiene el siguiente orden:
[𝑛𝑏 𝑛𝑓 𝑛𝑘]
[2 3 1]

Número de ceros 2 + 1, número de polos 3, retardo del sistema 1

Los valores obtenidos, fueron:
𝐵(𝑧) = 0.005908𝑧 −1 − 0.005904𝑧 −2
𝐹(𝑧) = 1 − 0.9668𝑧 −1 − 0.997𝑧 −2 + 0.9638𝑧 −3
La ecuación para el modelo OE, es:
𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡) + 𝑒(𝑡)
𝐹(𝑧)
Como el error es nulo para este sistema, se tiene:
𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡)
𝐹(𝑧)
0.005908𝑧 −1 − 0.005904𝑧 −2
𝑦(𝑡) =
1 − 0.9668𝑧 −1 − 0.997𝑧 −2 + 0.9638𝑧 −3
0.005908 0.005904
−
𝑦(𝑡) =
𝑧 𝑧2
0.9668 0.997 0.9638
1− 𝑧 − 2 +
𝑧 𝑧3
 0.005908𝑧 0.005904
−
𝑦(𝑡) = 3 𝑧2 𝑧2
1𝑧 0.9668𝑧 2 0.997𝑧 0.9638
− − +
𝑧3 𝑧3 𝑧3 𝑧3
0.005908𝑧 − 0.005904
𝑦(𝑡) = 3 𝑧2
2
𝑧 − 0.9668𝑧 − 0.997𝑧 + 0.9638
𝑧3
0.005908𝑧 − 0.005904
𝑦(𝑡) = 3 1
𝑧 − 0.9668𝑧 2 − 0.997𝑧 + 0.9638
𝑧
0.005908𝑧 2 − 0.005904𝑧
𝑦(𝑡) =
𝑧 3 − 0.9668𝑧 2 − 0.997𝑧 + 0.9638

Función del sistema no lineal con el modelo BJ:

Para este modelo tenemos el siguiente orden:
[𝑛𝑏 𝑛𝑐 𝑛𝑑 𝑛𝑓 𝑛𝑘]
[2 2 3 3 1]
Número de ceros 2 + 1. Número de ceros 2 + 1, número de polos 3, número de polos 3,
retardo del sistema 1
Los valores obtenidos, fueron:
𝐵(𝑧) = 0.01793𝑧 −1 + 0.01809𝑧 −2
𝐶(𝑧) = 1 − 1.872𝑧 −1 + 0.8835𝑧 −2
𝐷(𝑧) = 1 − 1.947𝑧 −1 + 0.9891𝑧 −2 − 0.04237𝑧 −3
𝐹(𝑧) = 1 + 0.948𝑧 −1 − 0.9102𝑧 −2 − 0.8594𝑧 −3

Modelo BJ, ecuación:

𝐵(𝑧) 𝐶(𝑧)
𝑦(𝑡) = 𝑢(𝑡) + 𝑒(𝑡)
𝐹(𝑧) 𝐷(𝑧)
Como el error es nulo para este sistema, se tiene:
𝐵(𝑧)
𝑦(𝑡) = 𝑢(𝑡)
𝐹(𝑧)
0.01793𝑧 −1 + 0.01809𝑧 −2
𝑦(𝑡) =
1 + 0.948𝑧 −1 − 0.9102𝑧 −2 − 0.8594𝑧 −3
 0.01793 0.01809
+
𝑦(𝑡) =
𝑧 𝑧2
0.948 0.9102 0.8594
1+ 𝑧 − −
𝑧2 𝑧3
0.01793𝑧 0.01809
+
𝑦(𝑡) = 3 𝑧2 𝑧2
1𝑧 0.948𝑧 2 0.9102𝑧 0.8594
+ − −
𝑧3 𝑧3 𝑧3 𝑧3
0.01793𝑧 + 0.01809
𝑦(𝑡) = 3 𝑧2
2
𝑧 + 0.948𝑧 − 0.9102𝑧 − 0.8594
𝑧3
0.01793𝑧 + 0.01809
𝑦(𝑡) = 3 1
𝑧 + 0.948𝑧 2 − 0.9102𝑧 − 0.8594
𝑧
0.01793𝑧 2 + 0.01809𝑧
𝑦(𝑡) =
𝑧 3 + 0.948𝑧 2 − 0.9102𝑧 − 0.8594
Simulink

POR: LUIS ALFREDO PALACIO

Modelo Características Variables Representación Aplicación

na - Orden del
polinomio A (q).

Estima los nb - Orden del

parámetros del polinomio B (q) + 1. y(t)+a1y(t−1)+...+anay(t−na)
ARX modelo ARX o AR =b1u(t−nk)+...+bnbu(t−nb−nk
usando mínimos +1)+e(t)
cuadrados nk - retardo de entrada-
salida expresado como
ceros iniciales fijos del
polinomio B.

na es el orden del
polinomio A (q),
especificado como una
matriz Ny-by-Ny de
enteros no negativos.

nb es el orden del
polinomio B (q) + 1,
Estima los especificado como una
parámetros del matriz Ny-by-Nu de y(t)+a1y(t−1)+…+anay(t−na)
modelo ARMAX enteros no negativos. = b1u(t−nk)+…+bnbu(t−nk−
ARMAX usando datos de nb+1)+ c1e(t−1)+…+cn
dominio de tiempo ce(t−nc)+e(t)
nc es el orden del
polinomio C (q),
especificado como un
vector de columna de
enteros no negativos de
longitud Ny.

nk es el retardo de
entrada / salida
expresado como ceros
 iniciales fijos del
polinomio B.

Especifique nk como una

matriz Ny-by-Nu de
enteros no negativos.

nb - El orden del
polinomio B + 1. nb es
una matriz Ny-by-Nu. Ny
es el número de salidas
y Nu es el número de
entradas.

nf - Orden del polinomio

y(t)=B(q)F(q)u(t−nk)+e(t)
F. nf es una matriz de
Ny-by-Nu. Ny es el
número de salidas y Nu
es el número de
Cálculo del modelo
entradas.
polinomial de
salida-error
OE nb: B(q)=b1+b2q−1+...+bnb
usando datos de
dominio de tiempo nk - Retardo de entrada, q−nb+1
o frecuencia expresado como el
número de muestras. nk
es una matriz de Ny-by-
nf: F(q)=1+f1q−1+...+fnfq−nf
Nu. Ny es el número de
salidas y Nu es el
número de entradas. El
retraso aparece como
ceros a la izquierda del
polinomio B.

Cálculo del modelo nb es el orden del

BJ polinomial de Box- polinomio B más 1
Jenkins utilizando (matriz Ny-by-Nu)
 datos del dominio
del tiempo
nc es el orden del
polinomio C más 1
(matriz Ny-by – 1)

nd es el orden del
polinomio D más 1
(matriz Ny-by-1)

nf es el orden del
polinomio F más 1
(matriz Ny-by-Nu)

nk es el retardo de
entrada (en número de
muestras, matriz de Ny-
by-Nu) donde Nu es el
número de entradas y
Ny es el número de
salidas.

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. Para ello, trabaje con los
datos suministrados del sistema lineal y del sistema no lineal.

A partir de los datos suministrados en el entorno de trabajo colaborativo se hallan las funciones de
transferencia para los sistemas lineal y no lineal con un polo y un cero.
  Lineal:
−0.02813𝑠 + 1.39
𝐹𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 =
𝑠 + 6.851
 No lineal:
0.07616𝑠 + 0.000107
𝐹𝑢𝑛𝑐𝑖𝑜𝑛 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 =
𝑠 + 0.0004403
Como se observa en las funciones de transferencia, el grado del numerador es 1, haciendo a los
sistemas, sistemas de primer orden.

1. 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. Este procedimiento se realiza para los datos del sistema lineal y no lineal.

Después de tener las funciones de transferencia de los sistemas lineal y no lineal se hallan las
ecuaciones que describen cada uno de los modelos expuestos en el numeral 1, para cada modelo
se usara un cero y un polo, haciéndolos de primer orden.
Modelo ARX:

 Lineal:
 𝐵(𝑧) 0.01789
=
𝐴(𝑧) 𝑧 − 0.9113

 No lineal:
𝐵(𝑧) 0.001972
=
𝐴(𝑧) 𝑧 − 0.9819
Modelo ARXMax:

 Lineal:

𝐵(𝑧) 0.01319
=
𝐴(𝑧) 𝑧 − 0.9349
 No lineal:
 𝐵(𝑧) 0.001593
=
𝐴(𝑧) 𝑧 − 0.9856
Output-Error OE:

 Lineal:

𝐵(𝑧) 0.01466
=
𝐹(𝑧) 𝑧 − 0.9275
 No lineal:

𝐵(𝑧) 0.001276
=
𝐹(𝑧) 𝑧 − 0.9885
Box – Jenkins BJ:

 Lineal:
 𝐵(𝑧) 𝐶(𝑧) 0.01406 𝑧 − 0.7908
+ = +
𝐹(𝑧) 𝐷(𝑧) 𝑧 − 0.9306 𝑧 − 0.994
 No lineal:

𝐵(𝑧) 𝐶(𝑧) 0.006384 𝑧 − 0.716

+ = +
𝐹(𝑧) 𝐷(𝑧) 𝑧 − 0.9193 𝑧 − 1.002

PRACTICAS
1. Utilice MATLAB® para simular cada sistema y grafique la salida de cada sistema cuando se
aplica una entrada constante (𝑡)=2 𝑉, durante los primeros 2 segundos y en ese momento se
aplica una entrada escalón unitario durante 5 segundos más. De manera que la simulación
dura 7 segundos.

Modelo ARX:

 Lineal:

 No lineak:
Modelo ARXMax:

 Lineal:

 No lineal:
Modelo Output-Error:
 Lineal:

 No lineal:
Box – Jenkins BJ:

 Lineal:

 No lineal:
 2. Analice las respuestas obtenidas y compare la salida de cada modelo con la salida que se
obtiene del modelo real ante la misma entrada, tanto lineal como no lineal, con el fin de
validar y seleccionar el modelo más preciso.

Aunque el mayor cambio se nota en el modelo BJ, este no es el que mejor se ajusta a la entrada,
por el contrario, el modelo ARX es aquel que mejor se comporta con respecto a la entrada.

POR: OSCAR LUIS MERCADO

MODELO

CARACTERÍSTICAS VARIABLES REPRESENTACIÓN APLICACIÓN

Es la relación entrada-salida más ruido=e(t) Comportamiento de un

simple que puede existir en un Salida=y(t) Sistema motor-generador
sistema Polos=na
El ruido es sumado a la salida, Ceros=nb
ARX

luego de pasar a través del Retrasos=nk

denominador del sistema
dinámico.
 Presenta escasez o falta de ruido=e(t) simulación de un tanque
libertad en la descripción del Salida=y(t) Reactor continuamente
término de perturbación e(t) Polos=na agitado
ARMAX

Es posible incorporar mayor Ceros=nb-nc

flexibilidad al modelado si se Retraso=nk
agrega un término conocido
como media en movimiento
(movingaverage) del ruido
blanco.
Este sistema por su simplicidad en ruido=e(t) Sistema de control de
los procesos y los modelos se Salida=y(t) velocidad de un motor DC
asumen que no tienen tiempo Polos=nf
muerto Ceros=nb
OE

En los procesos y los modelos OE Retraso=nk

no tienen camino directo desde la
entrada a la salida, es decir la
entrada u(t) no afecta
inmediatamente la salida y(t).
Sirve para adicionar al modelo las ruido=e(t) modelo estimado para
propiedades del ruido en la salida Salida=y(t) generar pronósticos
Una propiedad particular de esta Polos=nf-nd económicos del
estructura es que no tienen Ceros=nb-nc comportamiento de los
BJ

parámetros comunes. Retraso=nk Índice de Precios al

Consumidor (IPC) de un
país en un periodo
determinado

POR: JASON PALACIO RUIZ

Modelo Características Variables Representación Aplicación

ARX Es la 1ra na, nb: (polos) y
elección en un nk (número de
procedimiento retrasos de la
de entrada a salida
identificación retrasos)
de sistemas
ARMAX Describe el na, nb, nc:
error en la (polos) y nk
ecuación como (número de
en promedio retrasos de la
móvil entrada a la
salida)
OE Es parecido al nf, nb: (polos) y
modelo armax nk (número de
con relación retrasos de la
IN/OUT sin entrada a
perturbaciones salida)
 BJ Es una nf, nd: (polos),
generalización nb, nc: (ceros),
del modelo y nk (número
OUTPUT de retrasos)
ERROR

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. Para ello, trabaje con los datos
suministrados del sistema lineal y del sistema no lineal.

Sistema lineal
1.304𝑠 2 + 5.362𝑠 + 4.749
𝐹𝑇 = 3
𝑠 + 11.56𝑠 2 + 30.62𝑠 + 23.48

En la función de transferencia se identifican 3 polos y 2 ceros

Sistema No lineal
0.669𝑠 2 + 1.087𝑠 + 0.06448
𝐹𝑇 =
𝑠 3 + 8.624𝑠 2 + 11.79𝑠 + (1.415 ∗ 10−7 )
En la función de transferencia se identifican 3 polos y 2 ceros

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. Este procedimiento se realiza para los datos del sistema lineal y
no lineal.

Para el sistema lineal

Tomando los datos arrojados por la herramienta ident, podemos calcular la función
de transferencia para el modelo ARX:

𝐵(𝑡) 0.01748 𝑧 −1 − 0.004754 𝑧 −2 + 0.0123 𝑧 −3

𝑦(𝑡) = [ ]∗𝑢 =[ ]∗1
𝐴(𝑡) 1 − 0.3507 𝑧 −1 − 0.2425 𝑧 −2 − 0.2833 𝑧 −3

0.01748 0.004754 0.0123 0.01748𝑧 2 − 0.004754𝑧 + 0.0123

− 2 + 3
𝑦(𝑡) = [
𝑧 𝑧 𝑧 ]=[ 3 𝑧3 ]
0.3507 0.2425 0.2833 2
𝑧 − 0.3507𝑧 − 0.2425𝑧 − 0.2833
1− 𝑧 − −
𝑧2 𝑧3 𝑧3
 0.01748𝑧 2 − 0.004754𝑧 + 0.0123
𝑦(𝑡) = [ 3 1 ]
𝑧 − 0.3507𝑧 2 − 0.2425𝑧 − 0.2833
1
𝟎. 𝟎𝟏𝟕𝟒𝟖𝒛𝟐 − 𝟎. 𝟎𝟎𝟒𝟕𝟓𝟒𝒛 + 𝟎. 𝟎𝟏𝟐𝟑
𝒚(𝒕) = [ 𝟑 ]
𝒛 − 𝟎. 𝟑𝟓𝟎𝟕𝒛𝟐 − 𝟎. 𝟐𝟒𝟐𝟓𝒛 − 𝟎. 𝟐𝟖𝟑𝟑

Tomando los datos arrojados por la herramienta ident, y despreciando el error (Ct),
entonces podemos calcular la función de transferencia para el modelo ARMAX:

𝐵(𝑡) 0.009123 𝑧 −1 − 0.01271 𝑧 −2 + 0.00368 𝑧 −3

𝑦(𝑡) = [ ] ∗ 𝑢 + 𝐶(𝑡) = [ ]∗1
𝐴(𝑡) 1 − 2.409 𝑧 −1 + 1.858 𝑧 −2 − 0.4491 𝑧 −3

0.009123 0.01271 0.00368 0.009123𝑧 2 − 0.01271𝑧 + 0.00368

− +
𝑦(𝑡) = [
𝑧 𝑧2 𝑧3 ] = [ 𝑧3 ]
2.409 1.858 0.4491 3 2
𝑧 − 2.409𝑧 + 1.858𝑧 − 0.4491
1− 𝑧 + 2 −
𝑧 𝑧3 𝑧3
0.009123𝑧 2 − 0.01271𝑧 + 0.00368
𝑦(𝑡) = [ 3 1 ]
𝑧 − 2.409𝑧 2 + 1.858𝑧 − 0.4491
1
𝟎. 𝟎𝟎𝟗𝟏𝟐𝟑𝒛𝟐 − 𝟎. 𝟎𝟏𝟐𝟕𝟏𝒛 + 𝟎. 𝟎𝟎𝟑𝟔𝟖
𝒚(𝒕) = [ 𝟑 ]
𝒛 − 𝟐. 𝟒𝟎𝟗𝒛𝟐 + 𝟏. 𝟖𝟓𝟖𝒛 − 𝟎. 𝟒𝟒𝟗𝟏

Tomando los datos arrojados por la herramienta ident, y despreciando el error (et),
entonces podemos calcular la función de transferencia para el modelo OE:

𝐵(𝑡) 𝐶(𝑡)
𝑦(𝑡) = [ ]∗𝑢+ ∗ 𝑒(𝑡)
𝐹(𝑡) 𝐷(𝑡)

0.004142 𝑧 −1 − 0.003431 𝑧 −2 − 0.0006758 𝑧 −3

𝑦(𝑡) = [ ]∗1
1 − 2.464 𝑧 −1 + 1.96 𝑧 −2 − 0.4961 𝑧 −3
0.004142 0.003431 0.0006758
− −
𝑦(𝑡) = [
𝑧 𝑧2 𝑧3 ]
2.464 1.96 0.4961
1− 𝑧 + 2 −
𝑧 𝑧3
0.004142 𝑧 2 − 0.003431𝑧 − 0.0006758
𝑦(𝑡) = [ 𝑧3 ]
3 2
𝑧 − 2.464 𝑧 + 1.96 𝑧 − 0.4961
𝑧3
 0.004142 𝑧 2 − 0.003431𝑧 − 0.0006758
𝑦(𝑡) = [ 1 ]
𝑧 3 − 2.464 𝑧 2 + 1.96 𝑧 − 0.4961
1
𝟎. 𝟎𝟎𝟒𝟏𝟒𝟐 𝒛𝟐 − 𝟎. 𝟎𝟎𝟑𝟒𝟑𝟏𝒛 − 𝟎. 𝟎𝟎𝟎𝟔𝟕𝟓𝟖
𝒚(𝒕) = [ ]
𝒛𝟑 − 𝟐. 𝟒𝟔𝟒 𝒛𝟐 + 𝟏. 𝟗𝟔 𝒛 − 𝟎. 𝟒𝟗𝟔𝟏

Tomando los datos arrojados por la herramienta ident, y despreciando el error (Ct),
entonces podemos calcular la función de transferencia para el modelo BJ:

𝐵(𝑡) 𝐶(𝑡)
𝑦(𝑡) = [ ]∗𝑢+ ∗ 𝑒(𝑡)
𝐹(𝑡) 𝐷(𝑡)

0.0146 𝑧 −1 + 0.001044 𝑧 −2 + 0.0006275 𝑧 −3

𝑦(𝑡) = [ ]∗1
1 − 0.1713 𝑧 −1 − 0.8312 𝑧 −2 + 0.0826 𝑧 −3
0.0146 0.001044 0.0006275
𝑧 + +
𝑦(𝑡) = [ 𝑧2 𝑧3 ]
0.1713 0.8312 0.0826
1− 𝑧 − +
𝑧2 𝑧3
0.0146 𝑧 2 + 0.001044𝑧 + 0.0006275
𝑦(𝑡) = [ 3 𝑧3 ]
2
𝑧 − 0.1713 𝑧 − 0.8312𝑧 + 0.0826
𝑧3
0.0146 𝑧 2 + 0.001044𝑧 + 0.0006275
𝑦(𝑡) = [ 3 1 ]
𝑧 − 0.1713 𝑧 2 − 0.8312𝑧 + 0.0826
1
𝟎. 𝟎𝟏𝟒𝟔 𝒛𝟐 + 𝟎. 𝟎𝟎𝟏𝟎𝟒𝟒𝒛 + 𝟎. 𝟎𝟎𝟎𝟔𝟐𝟕𝟓
𝒚(𝒕) = [ 𝟑 ]
𝒛 − 𝟎. 𝟏𝟕𝟏𝟑 𝒛𝟐 − 𝟎. 𝟖𝟑𝟏𝟐𝒛 + 𝟎. 𝟎𝟖𝟐𝟔
Para el sistema No lineal
Tomando los datos arrojados por la herramienta ident, podemos calcular la función
de transferencia para el modelo ARX:

𝐵(𝑡) 0.01311 𝑧 −1 − 0.007208 𝑧 −2 − 0.00356 𝑧 −3

𝑦(𝑡) = [ ]∗𝑢 =[ ]∗1
𝐴(𝑡) 1 − 0.5177 𝑧 −1 − 0.2835 𝑧 −2 − 0.1777 𝑧 −3
0.01311 0.007208 0.00356
− −
𝑦(𝑡) = [
𝑧 𝑧2 𝑧3 ]
0.5177 0.2835 0.1777
1− 𝑧 − −
𝑧2 𝑧3
0.01311 𝑧 2 − 0.007208𝑧 − 0.00356
𝑦(𝑡) = [ 3 𝑧3 ]
2
𝑧 − 0.5177 𝑧 − 0.2835 𝑧 − 0.1777
𝑧3
0.01311 𝑧 2 − 0.007208𝑧 − 0.00356
𝑦(𝑡) = [ 3 1 ]
𝑧 − 0.5177 𝑧 2 − 0.2835 𝑧 − 0.1777
1
𝟎. 𝟎𝟏𝟑𝟏𝟏 𝒛𝟐 − 𝟎. 𝟎𝟎𝟕𝟐𝟎𝟖𝒛 − 𝟎. 𝟎𝟎𝟑𝟓𝟔
𝒚(𝒕) = [ 𝟑 ]
𝒛 − 𝟎. 𝟓𝟏𝟕𝟕 𝒛𝟐 − 𝟎. 𝟐𝟖𝟑𝟓 𝒛 − 𝟎. 𝟏𝟕𝟕𝟕

Tomando los datos arrojados por la herramienta ident, y despreciando el error (Ct),
entonces podemos calcular la función de transferencia para el modelo ARMAX:

𝐵(𝑡) 0.01252 𝑧 −1 − 0.01457 𝑧 −2 + 0.00207 𝑧 −3

𝑦(𝑡) = [ ] ∗ 𝑢 + 𝐶(𝑡) = [ ]∗1
𝐴(𝑡) 1 − 1.248 𝑧 −1 − 0.3714 𝑧 −2 + 0.6196 𝑧 −3

0.01252 0.01457 0.00207 0.01252𝑧 2 − 0.01457𝑧 + 0.00207

− +
𝑦(𝑡) = [
𝑧 𝑧2 𝑧3 ] = [ 𝑧3 ]
1.248 0.3714 0.6196 3 2
𝑧 − 1.248𝑧 − 0.3714𝑧 + 0.6196
1− 𝑧 − +
𝑧2 𝑧3 𝑧3
0.01252𝑧 2 − 0.01457𝑧 + 0.00207
𝑦(𝑡) = [ 3 1 ]
𝑧 − 1.248𝑧 2 − 0.3714𝑧 + 0.6196
1
𝟎. 𝟎𝟏𝟐𝟓𝟐𝒛𝟐 − 𝟎. 𝟎𝟏𝟒𝟓𝟕𝒛 + 𝟎. 𝟎𝟎𝟐𝟎𝟕
𝒚(𝒕) = [ 𝟑 ]
𝒛 − 𝟏. 𝟐𝟒𝟖𝒛𝟐 − 𝟎. 𝟑𝟕𝟏𝟒𝒛 + 𝟎. 𝟔𝟏𝟗𝟔
Tomando los datos arrojados por la herramienta ident, y despreciando el error (et),
entonces podemos calcular la función de transferencia para el modelo OE:

𝐵(𝑡) 𝐶(𝑡)
𝑦(𝑡) = [ ]∗𝑢+ ∗ 𝑒(𝑡)
𝐹(𝑡) 𝐷(𝑡)

0.005504 𝑧 −1 − 0.0109 𝑧 −2 + 0.005397 𝑧 −3

𝑦(𝑡) = [ ]∗1
1 − 2.918 𝑧 −1 + 2.837 𝑧 −2 − 0.9192 𝑧 −3
0.005504 0.0109 0.005397
− +
𝑦(𝑡) = [
𝑧 𝑧2 𝑧3 ]
2.918 2.837 0.9192
1− 𝑧 + 2 −
𝑧 𝑧3
0.005504 𝑧 2 − 0.0109𝑧 + 0.005397
𝑦(𝑡) = [ 3 𝑧3 ]
2
𝑧 − 2.918 𝑧 + 2.837 𝑧 − 0.9192
𝑧3
0.005504 𝑧 2 − 0.0109𝑧 + 0.005397
𝑦(𝑡) = [ 3 1 ]
𝑧 − 2.918 𝑧 2 + 2.837 𝑧 − 0.9192
1
𝟎. 𝟎𝟎𝟓𝟓𝟎𝟒 𝒛𝟐 − 𝟎. 𝟎𝟏𝟎𝟗𝒛 + 𝟎. 𝟎𝟎𝟓𝟑𝟗𝟕
𝒚(𝒕) = [ 𝟑 ]
𝒛 − 𝟐. 𝟗𝟏𝟖 𝒛𝟐 + 𝟐. 𝟖𝟑𝟕 𝒛 − 𝟎. 𝟗𝟏𝟗𝟐

Tomando los datos arrojados por la herramienta ident, y despreciando el error (Ct),
entonces podemos calcular la función de transferencia para el modelo BJ:

𝐵(𝑡) 𝐶(𝑡)
𝑦(𝑡) = [ ]∗𝑢+ ∗ 𝑒(𝑡)
𝐹(𝑡) 𝐷(𝑡)

0.01624 𝑧 −1 − 0.01369 𝑧 −2 − 0.0005366 𝑧 −3

𝑦(𝑡) = [ ]∗1
1 − 0.9932 𝑧 −1 − 0.713 𝑧 −2 + 0.7163 𝑧 −3
0.01624 0.01369 0.0005366
− −
𝑦(𝑡) = [
𝑧 𝑧2 𝑧3 ]
0.9932 0.713 0.7163
1− 𝑧 − 2 +
𝑧 𝑧3
0.01624 𝑧 2 − 0.01369𝑧 − 0.0005366
𝑦(𝑡) = [ 3 𝑧3 ]
2
𝑧 − 0.9932 𝑧 − 0.713𝑧 + 0.7163
𝑧3
 0.01624 𝑧 2 − 0.01369𝑧 − 0.0005366
𝑦(𝑡) = [ 3 1 ]
𝑧 − 0.9932 𝑧 2 − 0.713𝑧 + 0.7163
1
𝟎. 𝟎𝟏𝟔𝟐𝟒 𝒛𝟐 − 𝟎. 𝟎𝟏𝟑𝟔𝟗𝒛 − 𝟎. 𝟎𝟎𝟎𝟓𝟑𝟔𝟔
𝒚(𝒕) = [ 𝟑 ]
𝒛 − 𝟎. 𝟗𝟗𝟑𝟐 𝒛𝟐 − 𝟎. 𝟕𝟏𝟑𝒛 + 𝟎. 𝟕𝟏𝟔𝟑

NOMBRES LINK DE VIDEO

VERONICA HERAZAO MERLANO https://youtu.be/LJlCUhdbrD4

LUIS ALFREDO PALACIO https://www.youtube.com/watch?v=2LcEjg_9k

OSCAR LUIS MERCADO

JASON PALACIO RUIZ

 CONCLUSIONES

Se representaron los diferentes órdenes de modelos, para llevar a cabo el proceso de

muestra de una señal dada la entrada y salida del circuito analizado y sus respectivos
tiempos, permitiendo mediante ecuaciones, poder representar los diagramas de Modelo arx
Modelo armax, Modelo output error, Modelo box Jenkins
Con el software de simulación Matlab se aprendió a demostrar, los modelos nombrados,
comprendiendo la forma de señal de cada uno y la forma de generarlos.
 BIBLIOGRAFIAS

 Amaya Diaz, J. ( 17,12,2016). Identificación de sistemas. [Archivo de video].

Recuperado de http://hdl.handle.net/10596/10872
 Soria, O. E., Martín, G. J. D., & Gómez, C. L. (2004). Teoría de circuitos Cap. 8-9.
Madrid, ES: McGraw-Hill España. Recuperado
dehttp://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=200&docI
D=10498623&tm=1481843758253
 Pastor, G. A., & Ortega, J. J. (2014). Circuitos eléctricos. Vol. II. Madrid, ES:
UNED - Universidad Nacional de Educación a Distancia. Recuperado
dehttp://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=29&docI
D=10853795&tm=1481844106731
 Villegas, L. (2007). Trabajo teórico práctico con Matlab. Buenos Aires, AR: El Cid
Editor - Informática. Recuperado
dehttp://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=23&docI
D=10165756&tm=1481844464476
 Pagola, L. L. (2009). Regulación automática. Madrid, ES: Universidad Pontificia
Comillas. Recuperado
dehttp://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=1&docID
=10522924&tm=1481844622214