ERIEN EMEL ORTIZ

E3_Identificacion_de_sistemas_dinamicos_con_matlab
2018 – Curso de sistemas dinámicos - UNAD

PREGUNTA PROBLEMATIZADORA:
“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.” (Tomado de la rúbrica de actividades de
la etapa 3).
A continuación se presenta el diagrama del nuevo equipo cuya entrada es el voltaje
de armadura del motor 𝑣(𝑡) y su salida es la velocidad de rotación angular del motor
𝛩(𝑡).

Figura 1 Diagrama simplificado del nuevo equipo

Según la rúbrica de actividades el sistema cuenta con los siguientes parámetros

físicos.
Momento de inercia del rotor 𝐽 0.01 𝐾𝑔 ∗ 𝑚2
Constante de fricción viscosa del motor 𝑏 1𝑁∗𝑚∗𝑠
Constante de fuerza electromotriz 𝑘𝑒 0.01𝑉
/𝑠
𝑟𝑎𝑑
Constante torque del motor 𝑘𝑡 0.01 𝑁 ∗ 𝑚/𝐴
Resistencia eléctrica 𝑅 1𝛺
Inductancia 𝐿 0.5 𝐻

Según la rúbrica actividades se debe encontrar el modelo matemático del sistema

anteriormente descrito usando técnicas de identificación en matlab®
 ERIEN EMEL ORTIZ
E3_Identificacion_de_sistemas_dinamicos_con_matlab
2018 – Curso de sistemas dinámicos - UNAD

Desarrollo teórico
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:

Modelo Características Variables Representación Aplicación

ARX Modelo El ruido es considerado a La aplicación
autoregresivo la entrada y a la salida. Las significativa de este
con variable variables son: modelo es la
externa. A(q)y(t)= identificación de los
Da como B(q)u(t-nk)+e(t) sistemas en presencia
resultado un de ruido
polinomio que es
calculado por
medio del
método de los
minimos
cuadrados
ARMAX modelo Se considera entrada El error se vuelve una
autoregresivo salida y ruido con un media móvil. Por lo tanto
con entrada polinomio para este el error no afectará
externa. directamente la salida.
La diferencia de A(q)y(t)=
este modelo al B(q)u(t-nk)+C(q)e(t)
ARX es que
cuenta con un
bloque adicional
de media móvil.
La función se
trono menos
compleja por el
proceso de
media movil
OE Es un modelo Entrada y ruido Ayuda a diferenciar los
ARMAX con parámetros de ruido y
relación 𝐵(𝑞) entrada, aunque el ruido
y(t)= u(t-nk)+e(t)
entrada/salida 𝐹(𝑞) a la salida no será
sin perturbación, autocorrelacionado en
más ruido aditivo los sistemas donde no
en la salida. hay perturbaciones pero
En este modelo si una adición de ruido
el blanco
procesamiento
del sistema no
se ve afectado.
BJ Es similar al Función de transferencia y La función de
modelo anterior, ruido transferencia y error se
solo que lo 𝐵(𝑞) parametrizan
y(t)= u(t-
generaliza para 𝐹(𝑞) independientemente,
𝐶(𝑞)
ingresarle media nk)+ e(t) aunque el ruido entra al
𝐷(𝑞)
móvil y demas filtro y afectara la salida
del sistema.
 ERIEN EMEL ORTIZ
E3_Identificacion_de_sistemas_dinamicos_con_matlab
2018 – Curso de sistemas dinámicos - UNAD

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 dado. Para ello, trabaje con los datos
suministrados del sistema lineal.

Lo primero que se procede es a cargar los datos brindados para la identificación de

nuestra planta, en este caso, el descrito en la pregunta problematizadora de este
documento

Figura 2 carga de datos en el workspace de MatLab

Llamamos al ident de Matlab

figura 3 herramienta ident de Matlab

Y empezamos a identificar el sistema

 ERIEN EMEL ORTIZ
E3_Identificacion_de_sistemas_dinamicos_con_matlab
2018 – Curso de sistemas dinámicos - UNAD

figura 4 identificacion de planta1

figura 5 identificacion de planta 2

figura 6identificacion de planta 3

figura 7 identificacion de planta 4

 ERIEN EMEL ORTIZ
E3_Identificacion_de_sistemas_dinamicos_con_matlab
2018 – Curso de sistemas dinámicos - UNAD

Se toma el rango de muestreo de:

figura 8 muestreo

figura 9 interpolacion de los datos de muestreo

figura 10 interpolacion de datos con mayor resolución

Se desplaza la señal muestreada

 ERIEN EMEL ORTIZ
E3_Identificacion_de_sistemas_dinamicos_con_matlab
2018 – Curso de sistemas dinámicos - UNAD

figura 11 señal muestreada desplazada

figura 12 procesamiento de señal muestreada y desplazada

 ERIEN EMEL ORTIZ
E3_Identificacion_de_sistemas_dinamicos_con_matlab
2018 – Curso de sistemas dinámicos - UNAD

figura 13 recortando parte de la señal de interés

figura 14 señal final a la que se le saca modelo

se estiman los valores de k y tp1 a partir de la última señal que resulto del proceso
de modelamiento

figura 15 valores de k y tp
 ERIEN EMEL ORTIZ
E3_Identificacion_de_sistemas_dinamicos_con_matlab
2018 – Curso de sistemas dinámicos - UNAD

figura 16 ventana de modelamiento con parametros de k y tp escogidos

Mediante Model Output se puede observar la respuesta escalon unitario del sistema
con lo cual se puede sacar el modelo de la planta.

figura 17respuesta escalon unitario del sistema

El modelamiento del sistema da como resultado: