IntroduccionIdentificacion2
Páginas: 5 (1045 palabras)
Publicado: 29 de junio de 2015
IDENTIFICACIÓN DE
SISTEMAS
Introducción a la Identificación
Identificación de Sistemas
Introducción
2
Índice
• Introducción
• Clasificación de Modelos Matemáticos
• Clasificación de Métodos de Identificación
• Identificación y Experimentos
• Etapas Identificación
1
Identificación de Sistemas
Introducción
3
Introducción
• Modelado deSistemas
• Modelos Físicos:
• copias reducidas
• Modelos Matemáticos:
• Teóricos (a priori): obtenidos a partir de las relaciones físicas.
• Experimentales (a posteriori): obtenidos mediante experimentos
sobre el sistema
• Híbridos
Identificación de Sistemas
Introducción
4
Introducción
• Aplicaciones Modelos Experimentales:
• Predicción
• Análisis y diseño sistemas de control
• Simulación
• Supervisión y monitorización
• Optimización
• Sensores software o estimadores.
2
Identificación de Sistemas
Introducción
5
Clasificación Modelos Matemáticos
• Representación:
• Dominio temporal:
• Continuo
• Discreto
• Dominio Frecuencial
• Dominio Complejo: transf. s, z
• Estructura de datos:
• Paramétricos: número finito de parámetros
• No paramétricos: respuestastemporales o frecuenciales
Identificación de Sistemas
Introducción
6
Modelos Estocásticos AR
• La salida depende no solo de los valores previos de la entrada
y la salida, sino también de perturbaciones aleatorias (ruido
blanco)
• Tipos de modelos:
• Modelo ARX: AutoRegresivo con variable eXógena
n
D(z
D(z1!1!1))
1
A(z!1!1))
A(z
C(z
m
y(k) = # !ai " y(k ! i) + # bi " u(k ! d ! i) + e(k)
i=1i=1
u(k)
A(z !1 ) y(k) = B(z !1 )u(k ! d) + e(k)
z !d
B(z !1 )
1
y(k) =
u(k ! d) +
e(k)
A(z !1 )
A(z !1 )
e(k)
B(z !1 )
A(z !1 )
+
y(k)
+
• Modelo ARMAX: AutoRegresivo de Media Móvil con variable eXógena
n
m
n
y(k) = # !ai " y(k ! i) + # bi " u(k ! d ! i) + # di " e(k ! i)
i=1
y(k) =
i=1
i=0
B(z !1 )
D(z !1 )
u(k ! d) +
e(k)
A(z !1 )
A(z !1 )
• Box-Jenkins:
• OE: Error deSalida:
y(k) =
B(z !1 )
D(z !1 )
u(k ! d) +
e(k)
A(z !1 )
C(z !1 )
y(k) =
B(z !1 )
u(k ! d) + e(k)
A(z !1 )
3
Identificación de Sistemas
Introducción
7
Clasificación Métodos Identificación
• Error entre proceso y modelo:
• Señal de error
• Ecuación de error
• Tipo de Algoritmo:
• Estimación directa: una sola pasada
• Estimación iterativa: múltiples pasadas
• Recursivo
• No recursivo• Secuenciación de medidas y evaluación
• Off-line
• On-line
• Tipo de Procesamiento:
• Tiempo Real
• Por lotes (batch)
Identificación de Sistemas
Introducción
8
Clasificación Métodos Identificación
Identificación En línea:
4
Identificación de Sistemas
Introducción
9
Clasificación Métodos Identificación
• Técnicas de identificación no paramétrica
• Análisis de respuesta transitoria:impulso, escalón..
• Análisis de correlación: señales periódicas/estocásticas
• Técnicas frecuenciales: Fourier, análisis espectral
• Características:
• Buenas para procesos de estructura no conocida
• Análisis complicado
Identificación de Sistemas
Introducción
10
Identificación no paramétrica:
• Respuesta impulsional:
y(t) = g(t)* ! (t) = g(t)
• Respuesta frecuencial:
5Identificación de Sistemas
Introducción
11
Clasificación Métodos Identificación
• Técnicas de identificación paramétrica
• Métodos de ajuste: (sistemas continuos)
• Estimación de parámetros: continuos/discretos. Ruido y
perturbaciones aleatorias. Predicción del error
Identificación de Sistemas
12
Clasificación Métodos Identificación
• Técnicas de identificación paramétrica
• Métodos de ajuste:(sistemas continuos)
• Ejemplo: respuesta ante escalón
Valor Final=> K
63%
G(s) = e!sd
K
1+ Ts
T: constante de tiempo
Retardo: d
Pendiente no nula => Orden 1
6
Identificación de Sistemas
Introducción
13
Clasificación Métodos Identificación
• Métodos de Ajuste:
• Métodos: respuesta a escalón, respuesta frecuencial, análisis de
correlación, análisis espectral.
• No considera...
Leer documento completo
Regístrate para leer el documento completo.