Etapa 3 – Hallar el modelo matemático de un sistema dinámico

mediante el software Matlab

Jhoan Estevan Niño Alvarez.

Noviembre 2019.

Universidad Nacional Abierta y a Distancia UNAD.

Bucaramanga.
Sistemas Dinámicos
 GRUPO: 243005_22
Modelo: 22
Polos: 3
Ceros: 2

Actividades a desarrollar – Individual

Esta actividad consiste en realizar la identificación de sistemas dinámicos

desconocidos por medio de software especializado, para lo cual se solicita
desarrollar:

1. Estudiar las referencias bibliográficas de la unidad 3 resaltando la

información que considere aporta al desarrollo del problema planteado,
la consolida en un documento y lo comparte en el foro, referenciando
bajo normas APA.

2. Investigue sobre los métodos de identificación paramétricos y no

paramétricos haciendo énfasis en el comando ident de MATLAB® y
participe en el foro de interacción y producción de la unidad indicando
las características principales del comando y su aplicación.

3. Investigue sobre los modelos ARX, ARMAX, Output-Error y Box-Jenkins,

con esta información diligenciar la siguiente tabla:

Modelo Características Variables Aplicación Referencia

ARX Modelo con una El modelo ARX, Sage y Melsa,
entrada error autorregresivo with “System
exogenous input, Identification,“,
(auto regresivo con Mathematics in
variable exógena) es science and
una extensión del engineering,
modelo AR volume 80,
AcademicPress,
Inc.
ARMA Modelo con una El modelo León, E. “Sistema
X entrada error C autorregresiva para la
veces mayor moving average with identificación
exogenous input (auto dinámica”. Tesis de
regresivo y promedio Maestría
móvil con variable Universidad de
exógena) ARMAX es Oriente. Santiago
una extensión del de Cuba, Abril,
modelo ARMA. 2002.
Output- Modelo con una Los modelos output Ollero, A.,
Error entrada error, pero error son “Control por
divide caracterizados por Computador.
modelos de ruido que Descripción interna
no contienen la y diseño óptimo”,
dinámica del proceso. Editorial
Así, el ruido se asume Marcombo, 1991.
que afecta la salida
del proceso
directamente. El más
evidente de los
modelos output
error es el output
error
Box- Modelo con una Los principales Ogata, K., “Modern
Jenkins entrada error divida enfoques de los Control
entre D y modelos de Box- Engineering”,
multiplicada por C Jenkins montaje son Ediciones del
mínimos cuadrados Castillo, 1998.
no lineales y la
estimación de
máxima
verosimilitud.
Estimación de
máxima verosimilitud
es generalmente la
técnica preferida.
4. Ingresar al entorno de Aprendizaje Práctico y descargar los insumos allí
compartidos para la resolución de las actividades correspondientes a la
Etapa 3.

5. Teniendo en cuenta los insumos entregados, realizar las siguientes

actividades con la herramienta ident incorporada en MATLAB®:

5.1. A partir de las mediciones de entrada y salida del sistema

realizadas cada 0.01 segundos, durante 100 segundos que se
entregan en el entorno de Aprendizaje Práctico, 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.
 3.505𝑧 −1 − 3.183𝑧 −2
1 − 1.83𝑧 −1 + 0.8047𝑧 −2 + 0.04819𝑧 −3

3.505 3.183
𝑧 − 𝑧2
1.83 0.8047 0.04819
1− 𝑧 + +
𝑧2 𝑧3

3.505𝑧 − 3.183
𝑧2
𝑧 3 − 1.83𝑧 2 + 0.8047𝑧 + 0.04819
𝑧3

𝑧 3 (3.505𝑧 − 3.183)
𝑧 2 (𝑧 3 − 1.83𝑧 2 + 0.8047𝑧 + 0.04819)

𝑧(3.505𝑧 − 3.183)
(𝑧 3 − 1.83𝑧 2 + 0.8047𝑧 + 0.04819)
 3.505𝑧 2 − 3.183𝑧
𝑧 3 − 1.83𝑧 2 + 0.8047𝑧 + 0.04819

5.2. Por medio de la herramienta ident incorporada en MATLAB®,

determine el orden del modelo y encuentre las ecuaciones
correspondientes para el modelo ARX para analizar el
comportamiento de dicho modelo comparando la salida del
sistema con la señal de entrada. Este procedimiento se realiza
para los datos del sistema lineal y no lineal.

𝑌(𝑡) 𝐵(𝑧) 2.863𝑧 −1 − 1.131𝑧 −2 − 1.197𝑧 −3

= =
𝑈(𝑡) 𝐴(𝑧) 1 − 1.202𝑧 −1 − 0.3942𝑧 −2 + 0.6206𝑧 −3
 2.863 1.131 1.197
𝑧 − 𝑧2 − 𝑧3
=
1.202 0.3942 0.6206
1− 𝑧 − +
𝑧2 𝑧3

2.863𝑧 2 − 1.131𝑧 − 1.197

= 3 𝑧3
2
𝑧 − 1.202𝑧 − 0.3942𝑧 + 0.6206
𝑧3

𝑧 3 (2.863𝑧 2 − 1.131𝑧 − 1.197)

= 3 3
𝑧 (𝑧 − 1.202𝑧 2 − 0.3942𝑧 + 0.6206)

2.863𝑧 2 − 1.131𝑧 − 1.197

=
𝑧 3 − 1.202𝑧 2 − 0.3942𝑧 + 0.6206

5.3. Por medio de la herramienta ident incorporada en MATLAB®,

determine el orden del modelo y encuentre las ecuaciones
correspondientes para el modelo ARMAX para analizar el
comportamiento de dicho modelo comparando la salida del
sistema con la señal de entrada. Este procedimiento se realiza
para los datos del sistema lineal y no lineal.
 𝐴(𝑧) ∗ 𝑦(𝑡) = 𝐵(𝑧) ∗ 𝑢(𝑡)

𝑌(𝑡) 𝐵(𝑧)
=
𝑈(𝑡) 𝐴(𝑧)

3.758𝑧 −1 − 2.274𝑧 −2 − 1.023𝑧 −3

1 − 1.368𝑧 −1 − 0.08859𝑧 −2 + 0.4774𝑧 −3

3.758 1.023
2.274
−
2 − 𝑧3
𝑧 𝑧
=
1.368 0.08859 0.4774
1− 𝑧 − +
𝑧2 𝑧3

3.758𝑧 2 − 2.274𝑧 − 1.023

= 𝑧3
𝑧 3 − 1.368𝑧 2 − 0.08859𝑧 + 0.4774
𝑧3

𝑧 3 (3.758𝑧 2 − 2.274𝑧 − 1.023)

=
𝑧 3 (𝑧 3 − 1.368𝑧 2 − 0.08859𝑧 + 0.4774)

3.758𝑧 2 − 2.274𝑧 − 1.023

=
𝑧 3 − 1.368𝑧 2 − 0.08859𝑧 + 0.4774

5.4. Por medio de la herramienta ident incorporada en MATLAB®,

determine el orden del modelo y encuentre las ecuaciones
correspondientes para el modelo OE (Out-Put Error) para analizar
el comportamiento de dicho modelo comparando la salida del
sistema con la señal de entrada. Este procedimiento se realiza
para los datos del sistema lineal y no lineal.

𝑦(𝑡) = 𝐵(𝑧)/𝐹(𝑧) ∗ 𝑢(𝑡)

𝑌(𝑡) 𝐵(𝑧)
=
𝑈(𝑡) 𝐹(𝑧)

4.338𝑧 −1 − 5.459𝑧 −2 + 1.39𝑧 −3

1 − 2.002𝑧 −1 + 1.111𝑧 −2 − 0.09705𝑧 −3

4.338 5.459 1.39

− +
=
𝑧 𝑧2 𝑧3
2.002 1.111 0.09705
1− + −
𝑧 𝑧2 𝑧3

4.338𝑧 2 − 5.459𝑧 + 1.39

= 𝑧3
𝑧 3 − 2.002𝑧 2 + 1.111𝑧 − 0.09705
𝑧3
 𝑧 3 (4.338𝑧 2 − 5.459𝑧 + 1.39)
=
𝑧 3 (𝑧 3 − 2.002𝑧 2 + 1.111𝑧 − 0.09705)

4.338𝑧 2 − 5.459𝑧 + 1.39

=
𝑧 3 − 2.002𝑧 2 + 1.111𝑧 − 0.09705

5.5. Por medio de la herramienta ident incorporada en MATLAB®,

determine el orden del modelo y encuentre las ecuaciones
correspondientes para el modelo BOX JENKINS para analizar el
comportamiento de dicho modelo comparando la salida del
sistema con la señal de entrada. Este procedimiento se realiza
para los datos del sistema lineal y no lineal.

𝑦(𝑡) = 𝐵(𝑧)/𝐹(𝑧) ∗ 𝑢(𝑡)

𝑌(𝑡) 𝐵(𝑧)
=
𝑈(𝑡) 𝐹(𝑧)
 3.733𝑧 −1 − 3.512𝑧 −2 + 0.1223𝑧 −3
1 − 1.761𝑧 −1 + 0.656𝑧 −2 + 0.1208𝑧 −3

3.733 3.512 0.1223

− +
=
𝑧 𝑧2 𝑧3
1.761 0.656 0.1208
1− + +
𝑧 𝑧2 𝑧3

3.733𝑧 2 − 3.512𝑧 + 0.1223

= 𝑧3
𝑧3 − 1.761𝑧 2 + 0.656𝑧 + 0.1208
𝑧3

𝑧 3 (3.733𝑧 2 − 3.512𝑧 + 0.1223)

= 3 3
𝑧 (𝑧 − 1.761𝑧 2 + 0.656𝑧 + 0.1208)

3.733𝑧 2 − 3.512𝑧 + 0.1223

=
𝑧 3 − 1.761𝑧 2 + 0.656𝑧 + 0.1208

6. De acuerdo al desarrollo del numeral 5, realizar las siguientes

actividades de simulación de para cada modelo obtenido:

6.1. Utilice MATLAB® para simular cada función de transferencia

halladas en el numeral 5.1 y grafique la salida de cada sistema
cuando se aplica una entrada constante 𝑉(𝑡) = 5 𝑉, durante los
primeros 5 segundos y en ese momento se aplica una entrada
escalón unitario durante 5 segundos más. De manera que la
simulación dura 10 segundos.
6.2. Utilice MATLAB® para simular la función de transferencia discreta
del modelo ARX y grafique la salida de cada sistema cuando se
aplica una entrada constante 𝑉(𝑡) = 5 𝑉, durante los primeros 5
segundos y en ese momento se aplica una entrada escalón
unitario durante 5 segundos más. De manera que la simulación
dura 10 segundos.
6.3. Utilice MATLAB® para simular la función de transferencia discreta
del modelo ARMAX y grafique la salida de cada sistema cuando se
aplica una entrada constante 𝑉(𝑡) = 5 𝑉, durante los primeros 5
segundos y en ese momento se aplica una entrada escalón
unitario durante 5 segundos más. De manera que la simulación
dura 10 segundos.
6.4. Utilice MATLAB® para simular la función de transferencia discreta
del modelo OE y grafique la salida de cada sistema cuando se
aplica una entrada constante 𝑉(𝑡) = 5 𝑉, durante los primeros 5
segundos y en ese momento se aplica una entrada escalón
unitario durante 5 segundos más. De manera que la simulación
dura 10 segundos.
6.5. Utilice MATLAB® para simular la función de transferencia discreta
del modelo Box Jenkins y grafique la salida de cada sistema
cuando se aplica una entrada constante 𝑉(𝑡) = 5 𝑉, durante los
primeros 5 segundos y en ese momento se aplica una entrada
escalón unitario durante 5 segundos más. De manera que la
simulación dura 10 segundos.
7. 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.
 8. Cada estudiante elabora un video de la simulación obtenida en
MATLAB® donde explique el funcionamiento y comportamiento de los
modelos hallados y el procedimiento realizado, debe estar en su página
de youtube y hace entrega del enlace del video en el foro de interacción
y producción de la unidad.

https://youtu.be/TIwF2aKVrVE

9. Los aportes los debe subir al foro de la Etapa 1 que se encuentra en el

Entorno de Aprendizaje Colaborativo.
 Referencias

Gil, R. M. (2003). Introducción rápida a Matlab y Simulink para ciencia e ingeniería.

Madrid, ES: Ediciones Díaz de Santos. (pp. 81 - 92). Recuperado
de: https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=93&docID=
3171391&tm=1541556868646

Noguera, A. (2018). Modelado de sistemas en el dominio del tiempo. [Archivo de video].

Recuperado de: http://hdl.handle.net/10596/22255

Noguera, A. (2018). Modelamiento de sistemas dinámicos en el dominio del tiempo.

[OVA]. Recuperado de http://hdl.handle.net/10596/22323