Sunteți pe pagina 1din 12

FIEE-UNMSM. Pérez.

Identificación de sistemas 1

Identificación de sistemas
Pérez Huallanca, Carlos Enrique Junior.
carlos.perez17@unmsm.edu.pe
Facultad de Ingeniería Electrónica y Eléctrica - UNMSM

Resumen– En el siguiente informe se pone en práctica la Sistemas de Primer Orden


familiarización con las principales técnicas de  Sistemas de Primer Orden sin retardo
identificación experimental para poder encontrar una
función matemática que permita establecer El modelo propuesto para la identificación de un sistema
posteriormente la ley de control. de primer orden sin retardo es:

Palabras claves – control, identificación, método, 𝑘


𝐺(𝑠) = ∙∙∙ (1)
sistemas. 𝜏𝑠 + 1
𝑦
Abstract– In the following report, familiarization with Donde la ganancia se calcula como 𝑘 = 𝑢⁄∆𝑢 ,
the main experimental identification techniques is put mientras que la constante de tiempo τ se calcula de
into practice in order to find a mathematical function acuerdo a la Fig.2 determinando el tiempo en el que la
that allows the control law to be applied. respuesta del sistema alcanza el 0.632 del valor final de
la respuesta.
Key words – control, identification, method, systems.

I. 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
Figura 2: Método para calcular un modelo de primer orden
de esta información que se obtiene el modelo para el
sistema, aplicando las reglas que cada método  Sistemas de Primer Orden con retardo
establezca.
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
Figura1. Esquema básico de un proceso 𝑦
Donde la ganancia se calcula como 𝑘 = 𝑢⁄∆𝑢 ,
A partir de la información de la entrada y salida, se mientras que la constante de tiempo τ y el tiempo muerto
puede establecer si el sistema es de primer orden o bien tm se calculan de acuerdo a la Fig.3.
de segundo orden o mayor, además de establecer si
existe un retardo o alguna otra característica en
particular.

a. 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.

Figura 3: Sistema de primer orden más tiempo muerto

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 2

Sistemas de Segundo Orden sobre-amortiguados  Método de los dos puntos de Smith


Los sistemas de segundo orden sobre-amortiguados (sin Consiste en tomar dos puntos que corresponde a valores
oscilaciones) presentan curvas de reacción similares a específicos de la respuesta (28.3% y 63.2%) (Fig.6). A
las de primer orden, pero se diferencian porque partir de estos tiempos (𝒕𝟐𝟖 y 𝒕𝟔𝟑) se calculan los
presentan un punto de inflexión. Un sistema de segundo parámetros del modelo, de la siguiente manera: La
orden sin oscilaciones se ajusta a un modelo, G(s), de 𝒚
ganancia: 𝒌 = 𝒖⁄∆𝒖 , la constante de tiempo:
primer orden con tiempo muerto:
𝝉 = 𝟏.𝟓(𝒕𝟔𝟑 − 𝒕𝟐𝟖) y el tiempo muerto: 𝒕𝒎 = 𝒕𝟔𝟑 − 𝝉 =
𝑘𝑒 −𝑡𝑚𝑠 𝟏.𝟓𝒕𝟐𝟖 − 𝟎.𝟓𝒕𝟔𝟑.
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.

 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 Figura 6: Método de Smith
partir de esto, la constante de tiempo τ y el tiempo
muerto tm se calculan de acuerdo a la Figura 4, mientras La respuesta del modelo y del sistema coincidirá como
𝑦 mínimo en los dos puntos de referencia.
que la ganancia se calcula: 𝑘 = 𝑢⁄∆𝑢
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

Figura 4: Método de Ziegler y Nichols

 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 τ y el tiempo muerto tm se calculan de acuerdo a
la Figura 1, mientras que la ganancia se calcula: 𝑘 =
𝑦𝑢
⁄∆𝑢 Figura 7. Respuesta de un sistema de segundo orden
subamortiguado.

ξπ
𝜋 −
2
𝑡𝑝 = , 𝑀𝑝 = 𝑒 √1−ξ , 𝜔𝑑 = 𝜔𝑛 √1 − ξ2 ∙∙∙ (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.

Figura 5: Método de Miller

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 3

II. MATERIALES Y MÉTODOS Graph Data (Fig.10). Guarde el archivo con el


nombre “Sistema1.dat” en la carpeta que se tiene
A. Equipos ,materiales y herramientas utilizados
como directorio MATLAB®.
 Software MATLAB-SIMULINK 2017
 Proteus 8 Professional
B. 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 Figura 10. Ilustración del punto v.
Proteus.
vi. En MATLAB®, ejecute la función “proteus2matlab”,
Parte I: Métodos basados en la curva de reacción utilizando la siguiente sintaxis:
En esta parte identificaremos un modelo para 2 sistemas >> [Tiempo, Vin, Vout]=proteus2matlab('Sistema1.dat');
implementados en Proteus, aplicando los métodos Lo cual creará en el Workspace los vectores Tiempo,
basados en la curva de reacción usando Matlab. Vin y Vout obtenidos a partir del archivo exportado en
el punto v.
i. Ejecute el Ejecute el programa Proteus y abra el
archivo Sistema1.pdsprj. Este archivo contiene un vii. Grafique los vectores Vin y Vout vs el vector
bloque denominado Sistema1. Tiempo. Verifique que sea la misma respuesta
obtenida en Proteus.
viii. Utilice Matlab para hallar un modelo según el
método elegido en el punto iv. (Cree un script que
obtengan los parámetros necesarios)
ix. Defina la función de transferencia, G(s), del modelo
obtenido en el paso previo.
x. Obtenga su respuesta temporal ante una entrada
Figura 8. Diagrama del Sistema1 escalón.
ii. La respuesta del sistema lo podemos observar en el xi. Presente en una sola gráfica, tanto la respuesta
visor de ‘Analogue Analysis’, tal como se muestra en temporal obtenida en el punto anterior como la
la siguiente figura. respuesta importada desde Proteus.
xii. A partir del punto anterior, considera que es
aceptable la respuesta del modelo obtenido G(s).
Justifique su respuesta. (Puede utilizar algunos
índices de desempeño como la suma del error
cuadrático)
xiii. Ejecute el programa Proteus y abra el archivo
Sistema2.pdsprj. Este archivo contiene un bloque
denominado Sistema2.
Figura 9. Respuesta temporal del sistema 1 (Proteus).

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


iv. Elija el método basado en la de Curva de Reacción,
más adecuado según su criterio, para identificar un
modelo G(s).
v. Para un mejor análisis y poder comparar la respuesta
del modelo hallado con la respuesta del sistema, se
Figura 11. Diagrama del sistema 2.
utilizará el software MATLAB®. Para ello, exporte
los datos haciendo clic en la opción Graph →Export

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 4

xiv. La respuesta del sistema lo podemos observar en el Al abrir el archivo se observa un bloque denominado
visor de ‘Analogue Analysis’, tal como se muestra en Sistema1.
la siguiente figura.

Figura 15. Respuesta temporal del Sistema1


Figura 12. Respuesta temporal del Sistema2.
La respuesta del sistema lo podemos observar en el
xv. Repita los pasos del iii al xii.( Además de seleccionar visor de ‘Analogue Analysis’, tal como se muestra en
alguno de los métodos presentados, investigue de la siguiente figura.
otro método de identificación y también aplíquelo)
Parte II: Identificación de un sistema físico
i. Implemente el circuito presentado en la siguiente
figura.

Figura 16. Respuesta temporal del sistema 1 (Proteus).

ii. El sistema a analizar es un sistema de primer orden y


Figura 13. Diagrama del circuito a implementar. para poder identificar un modelo G(s) utilizaremos el
de un sistema de primer orden sin retardo.
ii. Conecte una señal de entrada adecuada que permita iii. Para un mejor análisis, donde se puede comparar la
observar la curva de reacción de sistema. respuesta del modelo hallado con la respuesta del
iii. Utilizando uno de los métodos de identificación sistema, se utilizó el software MATLAB, exportando
presentados, el más adecuado según su criterio, la gráfica para guardarla con el nombre de
obtenga un modelo para el circuito implementado. Sistema1.dat en la carpeta que se tiene como
Compare este modelo con el obtenido en su informe directorio en MATLAB.
previo.
iv. Investigue de otro método de identificación y
aplíquelo.
v. Defina en Matlab los modelos hallados en los puntos
iii y iv.
vi. Compare las respuestas temporales obtenidas en Figura 17. Archivo Sistema1.dat
Matlab con la del circuito implementado.
iv. Ahora se ejecuta la función proteus2matlab de la
vii. ¿Cuál de los dos modelos representa mejora al siguiente manera:
circuito implementado? Justifique su respuesta.
<<
>> [Tiempo, Vin, Vout]=proteus2matlab('Sistema1.dat');
III. RESULTADOS
Una vez ejecutada la función se puede visualizar en
Parte I: Métodos basados en la curva de reacción el workspace tres vectores.
i. Se abrirá el archivo Sistema1.pdsprj.

Figura 14. Archivo Sistema1.pdsprj


Figura 18. Vectores Tiempo, Vin y Vout

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 5

v. Para verificar que los vectores Vin, Vout y Tiempo A partir del script anterior, se obtiene los siguientes
sea la misma respuesta en Proteus se gráficó Vin vs parámetros:
Tiempo y Vout vs Tiempo. K = 1.0000
Tau = 0.2175
vii. De los parámetros hallados definimos la función
transferencia G(s) que debe tener la forma de (1):
1
𝐺(𝑠) =
0.2175𝑠 + 1

viii. La respuesta temporal ante una entrada escalón con la


ayuda de MATLAB es la siguiente:

Figura 19. Vin vs Tiempo

Figura 22. Respuesta temporal ante una entrada escalón

ix. Comparando la figura 22 con la figura 20 que es la


respuesta obtenida en Proteus:

Figura 20. Vout vs Tiempo

Figura 23. Figura 20 vs Figura 22

x. Con la ayuda del siguiente script calcularemos el


Figura 21. Vin vs Tiempo y Vout vs Tiempo error cuadrático para poder analizar si la respuesta
Como observamos en la figura 21 es la misma obtenida en la figura 23 es aceptable.
respuesta obtenida en la figura 16. ERROR=Gs-Vout;
ERROR_CUA=ERROR.^2;
vi. Mediante el siguiente script hallaremos los SUMA_DE_ERROR=sum(ERROR_CUA);
parámetros necesarios para poder definir una función disp('La suma del error cuadrático es:');
transferencia G(s) del modelo elegido. disp(SUMA_DE_ERROR);

%Cálculo de la ganancia: La respuesta que se obtiene en la ventana de


K=max(Vout)/max(Vin)
comando es la siguiente:
%Cálculo de Tau: >> La suma del error cuadrático es: 0.2877
indice=find(Vout>0.632*max(Vout),1)
Tau=Tiempo(indice)
Como se puede apreciar el error cuadrático es
mínimo y se puede constatar al hacer zoom a la

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 6

figura 23, no existe mucha separación por lo que la xiii. Para un mejor análisis, donde se puede comparar la
respuesta obtenida es aceptable. respuesta del modelo hallado con la respuesta del
sistema, se utilizó el software MATLAB, exportando
la gráfica para guardarla con el nombre de
Sistema2.dat en la carpeta que se tiene como
directorio en MATLAB.

Figura 28. Archivo Sistema1.dat

xiv. Ahora se ejecuta la función proteus2matlab de la


Figura 24. Zoom de la figura 23 siguiente manera:
El archivo .m que contiene el código completo del >> [tiempo, vin, vout]=proteus2matlab('Sistema2.dat');
análisis para el sistema 1 se adjuntará con el nombre
Una vez ejecutada la función se puede visualizar en
de SISTEMA_1.m
el workspace tres vectores.
xi. Se abrirá el archivo Sistema2.pdsprj.

Figura 25. Archivo Sistema2.pdsprj


Al abrir el archivo se observa un bloque denominado Figura 29. Vectores tiempo, vin y vout
Sistema1. xv. Para verificar que los vectores vin, vout y tiempo sea
la misma respuesta en Proteus se gráficó vin vs
tiempo y vout vs tiempo.

Figura 26. Respuesta temporal del Sistema2.

La respuesta del sistema lo podemos observar en el


visor de ‘Analogue Analysis’, tal como se muestra en
la siguiente figura.

Figura 30. vin vs tiempo

Figura 27. Respuesta temporal del sistema 1 (Proteus).

xii. El sistema a analizar viendo la figura 27 donde se


puede observar cierta inflexión se trata de un sistema
de segundo orden sobre amortiguado y para poder
identificar un modelo G(s) utilizaremos el MÉTODO
DE LOS PUNTOS DE SMITH propuesto en la guía
de laboratorio 7.

Figura 31. vout vs tiempo

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 7

Figura 32. vin vs tiempo y vout vs tiempo Figura 33. Respuesta temporal ante una entrada escalón

Como observamos en la figura 32 es la misma xix. Comparando la figura 22 con la figura 20 que es la
respuesta obtenida en la figura 27. respuesta obtenida en Proteus:
xvi. Mediante el siguiente script hallaremos los
parámetros necesarios para poder definir una función
transferencia G(s) del modelo elegido.
%Cálculo de la ganancia:
K=max(vout)/max(vin)

%Cálculo de los tiempos T28 y T67:


t_28=find(vout>=(max(vout)*0.283),1);
t_63=find(vout>=(max(vout)*0.632),1);
T_28=tiempo(t_28);
T_63=tiempo(t_63);

%Calculo de la constante de tiempo,


Tau: Figura 34. Figura 31 vs Figura 33
Tau=1.5*(T_63-T_28)
xx. Con la ayuda del siguiente script calcularemos el
%Calculo del tiempo muerto, Tm: error cuadrático para poder analizar si la respuesta
Tm=T_63-Tau obtenida en la figura 23 es aceptable.
ERROR=Hs-vout;
A partir del script anterior, se obtiene los siguientes ERROR_CUA=ERROR.^2;
parámetros mostrados en la ventana de comando: SUMA_DE_ERROR=sum(ERROR_CUA);
disp('La suma del error cuadrático es:');
disp(SUMA_DE_ERROR);
K=
1.0008 La respuesta que se obtiene en la ventana de
comando es la siguiente:
>> La suma del error cuadrático es: 313.1712
Tau =
0.6095 Como se puede apreciar el error cuadrático es mucho
mayor al del sistema 1, ya que para este método de
identificación existe un tiempo muerto que es el que
Tm = marca la diferencia.
0.1826
xxi. Una forma distinta para poder identificar un sistema
xvii. De los parámetros hallados definimos la función es utilizando la función systemIdentification.
transferencia H(s) que debe tener la forma de (3): Al llamar la función systemIdentification en la
ventana de comando se nos abrirá la siguiente
1.0008 ventana, cabe resaltar para un correcto uso de
𝐺(𝑠) = 𝑒 −0.1826𝑠
0.6095𝑠 + 1 systemIdentification debemos haber exportado los
datos proporciones por la simulación en Proteus,
xviii. La respuesta temporal ante una entrada escalón con la estamos hablando de los vectores vin y vout.
ayuda de MATLAB es la siguiente:

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 8

En la opción de Operations seleccionamos Select


Range, luego se selecciona un rango que nos ayudará
como muestra para la identificación del sistema.

Figura 35. systemIdentification

Como estaremos trabajando en el dominio del


tiempo, escogeremos esa opción donde se nos indica
con la flecha de color roja, a lo que se nos abrirá la Figura 38. Selección de rango
siguiente ventana:
Como observamos en la figura 39 ya tenemos un
nuevo dato importado con el nombre de MUESTRA,
este dato debemos cargarlo al Working Data y
Validation Data.

Figura 36. Importación de datos Figura 39. Carga de datos al Working Data y Validation Data

En esta ventana importamos los datos de vin y vout En la opción de estimación seleccionamos Process
necesarios para los cálculos respectivos de una Models:
identificación de sistemas.
En la siguiente imagen observamos ambos datos ya
importados:

Figura 37. Datos importados Figura 40. Process Model

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 9

Observamos en la figura 40 el modelo estimado y es


muy similar al planteado con el método de Smith.

Al exportar la estimación “Ges” a nuestro workspace


tenemos lo siguiente, la función transferencia de la
estimación realizada.

>> Gest=tf(Ges)

Gest = Figura 43. Circuito implementado

From input “u1” to output “y1”: ii. La curva de reacción al conectarle una señal fue la
siguiente:
1.146
exp(-30*s) * -----------------
1.024e04 s + 1

Name: Ges
Continuous-time transfer function.

Y su respuesta ante una entrada escalón es la


siguiente:

Figura 44. Respuesta del circuito simulado

Figura 45. Respuesta del circuito simulado

iii. Utilizaremos un método de identificación para


Figura 41. Respuesta ante una entrada escalón
obtener un modelo para el circuito de la figura35.
El archivo .m que contiene el código completo del
análisis para el sistema 1 se adjuntará con el nombre Para obtener este modelo se hallarán distintos
de SISTEMA_2.m parámetros que serán reemplazados en (4).
Para el cálculo de estos de parámetros se utilizó la
Parte II: Identificación de un sistema físico ayuda del software MATLAB, los detalles del código
se muestran a continuación (el código está comentado
i. Para la segunda parte se implementó el siguiente para un mejor entendimiento):
circuito:

%Para poder determinar la respuesta Hs será


necesario el cálculo previo de los
siguientes datos: K, Wn y Factor de
amortiguamiento.

%Cálculo de la ganancia:
K=max(VOUT)/max(VIN)
Figura 42. Diagrama del circuito a implementar
%Para el cálculo de Facmorti se harán los
siguientes cálculos previos.

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 10

%Cálculo del sobre impulso: %Para la respuesta Hs:


Mp=max(VOUT)-max(VIN) A=VOUT(length(VOUT)-1,1);
%Cálculo del factor de amortiguamiento: figure(3)
Facmorti=log(Mp)/sqrt((log(Mp))^2+pi^2) step(A*Hs,TIEMPO,'k')

%Para el cálculo de la frecuencia natural %Comparación de mabas respuestas obtenidas


(Wn) a partir de la siguiente fórmula, anteriormente:
Wn=Wd/sqrt(1-Facmorti^2), para ello figure(4)
necesitaremos el cálculo previo de los hold on
siguientes parámetros: step(5*H,'b')
%Cálculo del tiempo pico, Tp: step(A*Hs,TIEMPO,'k')
Tp=TIEMPO(find(VOUT==max(VOUT)),1)
%Cálculo de Wd a partir de Tp:
Wd=pi/Tp
%Cálculo de Wn con los datos obtenidos
anteriormente:
Wn=Wd/sqrt(1-Facmorti^2)

Con esta primera parte del código se obtiene los


siguientes datos:

Ganancia:
K = 1.2910
Figura 46. Comparación de las respuestas obtenidas anteriormente
Sobre impulso:
Mp = 1.4552 Ahora compararemos tres respuestas, la obtenida por
el circuito simulado, por un método de identificación
Factor de amortiguamiento: y por el informe previo.
Facmorti = 0.1186

Tiempo pico:
Tp = 7.0000e-04

Frecuencia natural amortiguada:


Wd = 4.4880e+03

Frecuencia natural:
Wn = 4.5199e+03

Ahora declararemos al modelo, según se indicó Figura 47. Comparación de las respuestas obtenidas anteriormente
anteriormente debe tener la forma de (4):
iv. Una forma distinta para poder identificar un sistema
%Ya habiendo obtenido los datos necesarios, es utilizando la función systemIdentification.
procederemos a defenir el
%modelo de la respuesta: Al llamar la función systemIdentification en la
Hs=tf([Wn^2],[1 2*Facmorti*Wn Wn^2])
ventana de comando se nos abrirá la siguiente
Hs = ventana, cabe resaltar para un correcto uso de
systemIdentification debemos haber exportado los
2.043e07 datos proporciones por la simulación en Proteus,
----------------------- estamos hablando de los vectores vin y vout.
s^2 + 1072 s + 2.043e07

Para compararlo con la respuesta obtenida en el


informe previo utilizamos el siguiente script:
%Declaracón de la función H obtenida en el
informe previo:
NUM=[11];
DEN=[475.2*10^-9 1.596*10^-3 12];
H=tf(NUM,DEN)
figure(2)
step(5*H,'b')

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 11

En la opción de Operations seleccionamos Select


Range, luego se selecciona un rango que nos ayudará
como muestra para la identificación del sistema.

Figura 48. systemIdentification

Como estaremos trabajando en el dominio del


tiempo, escogeremos esa opción donde se nos indica
con la flecha de color roja, a lo que se nos abrirá la
siguiente ventana: Figura 51. Selección de rango

Como observamos en la figura 39 ya tenemos un


nuevo dato importado con el nombre de MUESTRA,
este dato debemos cargarlo al Working Data y
Validation Data.

Figura 52. Carga de datos al Working Data y Validation Data


Figura 49. Importación de datos
En la opción de estimación seleccionamos Process
En esta ventana importamos los datos de vin y vout Models:
necesarios para los cálculos respectivos de una
identificación de sistemas.
En la siguiente imagen observamos ambos datos ya
importados:

Figura 53. Process Model


Figura 50. Datos importados

Informe final de laboratorio N° 7


FIEE-UNMSM. Pérez. Identificación de sistemas 12

Observamos en la figura 40 el modelo estimado y es


muy similar al planteado con el método de Smith. IV. CONCLUSIONES Y RECOMENDACIONES

Al exportar la estimación “Hest” a nuestro workspace  Existen distintas formas de identificar un sistema,
tenemos lo siguiente, la función transferencia de la todos con métodos distintos y cada una tratando de
estimación realizada. asemejarse a lo deseado.
 De la misma forma como existen métodos
matemáticos para la identificación, MATLAB no
>> Hest=tf(Est)
proporciona una herramienta muy útil para nuestros
fines.
Hest =  Pese a la gran diversidad de formas para identificar
sistemas siempre se obtendrá un margen de error.
From input "u1" to output "y1":  Conocer las características de los sistemas es muy
importante para facilitar el uso del método correcto.
0.916
exp(-0.061*s) * -------------------------------
0.1996 s^2 + 1.363 s + 1 REFERENCIAS

Name: Est [1]. Ingeniería de Control Moderna-Katsuhik Ogata 5ta


Continuous-time transfer function. edición.

[2]. Documentación de Matlab


Y su respuesta ante una entrada escalón es la (https://es.mathworks.com/help/matlab/)
siguiente:
[3]. Material proporcionado en la clase de teoría (PPT)

Figura 54. Respuesta ante una entrada escalón

El archivo .m que contiene el código completo del


análisis para el sistema físico se adjuntará con el
nombre de SISTEMA_FISICO.m

Informe final de laboratorio N° 7