ESTIMACIÓN DE PARÁMETROS EN MODELOS ARMA POR EL CRITERIO DE MÍNIMOS CUADRADOS
|
|
- Alfonso Silva Maestre
- hace 7 años
- Vistas:
Transcripción
1 Scientia et echnica Año XII, No 3, Agosto de 6 UP. ISSN ESIMACIÓN DE PARÁMEROS EN MODELOS ARMA POR EL CRIERIO DE MÍNIMOS CUADRADOS RESUMEN La estimación de parámetros es na de las técnicas con qe centa la ingeniería de control para desarrollar modelos qe logren aproximarse al comportamiento real de planta, esta aproximación del modelo lo garantiza el método de estimación, qe en este caso es el criterio de mínimos cadrados. Se presenta n desarrollo detallado del algoritmo de estimación el acondicionamiento del sistema en modelos ARMA, lego se recrea gráficamente los resltados obtenidos donde se demestra la fiabilidad del método sado. PALABRAS CLAVE: Modelos ARMA, planta, estimación, parámetros ABSRAC he estimation of parameters is one of the techniqes wherepon it conts the control engineering to develop models that manage to come near to the real behavior of plant, this approach of the model garantees the estimation method to it, that in this case is the criterion of sqare minimms. A detailed development of the estimation algorithm appears and the preparation of the sstem in models WEAPON, soon recreates graphicall the obtained reslts where the reliabilit of the sed method is demonstrated. LUIS CARLOS RÍOS Ingeniero Mecánico, Ms.C. Profesor Axiliar Universidad ecnológica de Pereira lcrios@tp.ed.co NICOLÁS ORO Ingeniero Electricista, Ms.C Profesor Asistente Universidad Nacional sede Manizales ntoroga@nal.ed.co KEY WORDS: ARMA models, plant, estimation, parameter. INRODUCCIÓN En principio ha dos formas diferentes de obtener los modelos: a partir de n conocimiento previo, es decir, en términos de lees físicas, o por experimentación sobre n proceso. Un proceso no pede caracterizarse por n único modelo matemático. Debe representarse por na jerarqía de modelos qe van desde los detallados complejos de simlación hasta los m sencillos, fáciles de maniplar analíticamente. El control atomático de sistemas reqiere del conocimiento del modelo matemático qe represente el comportamiento del mismo. Las estrctras del modelo se sacan del conocimiento previo del proceso de las pertrbaciones. En algnos casos el único conocimiento previo qe se tiene es qe el proceso se pede describir como n sistema lineal en n rango de operación concreto. Entonces es natral tilizar representaciones de sistemas lineales de tipo general. Estas representaciones se conocen como modelos de caja negra. Un ejemplo típico es el modelo de ecación en diferencias. A(q)() = B(q)() + C(q)e() Donde es la entrada, es la salida e es na pertrbación de tipo rido blanco. Los parámetros, así como el orden de los modelos, se consideran como parámetros desconocidos. Algnas veces es posible aplicar lees físicas para obtener modelos de procesos qe contienen solamente algnos parámetros de valor desconocido. El modelo pede ponerse en la forma x = f ( x,, v, θ) = g( x,, e, θ) Donde θ es n vector de los parámetros desconocidos, x es el vector de estados del sistema, v e son pertrbaciones. Otro método tilizado para el desarrollo del modelo del sistema tiliza información generada de n diseño experimentos aplicados al sistema, lo qe se conoce como identificación de sistemas. Una distinción general se realiza entre métodos en línea (on line) fera de línea (off line). Los métodos en línea dan las estimaciones en forma recrsiva, cando se obtienen las medidas, son la única alternativa si la identificación se va a tilizar en n controlador adaptativo o si el proceso es de tipo variable. En mchos casos los métodos de fera de línea dan precisiones maores son más fiables, por ejemplo, en términos de convergencia.. CONENIDO. En este proecto se tiliza la estimación de parámetros en modelos ARMA (Atoregressive, Moving Average). Estos modelos son basados en la representación de la planta, qe consiste en n formato en el cal la salida (t) actal se expresa como na fnción Fecha de Recepción: 3 Enero de 6 Fecha de Aceptación: Jnio de 6
2 34 lineal de salidas pasadas (t-j) de las entradas pasadas (t-j-d), donde d es el retardo. omando la fnción de transferencia en tiempo discreto Y ( z) b z G( z) = = U ( z) + a z a correspondiente a la ecación de diferencia + a n z z n a n = b n n + n Si las secencias de las entradas { i } salidas { i } son conocidas es posible formar n conjnto de ecaciones lineales de las cales los parámetros a i b i del modelo ARMA se pedan determinar. Específicamente, para n sistema de orden es posible en principio determinar parámetros con + mestras de la entrada la salida de la ecación de diferencia. n = a n a n n n n b n n+ = a n a n + n+ n n b n + n+ = a n+ a n+ n+ n+ n+ + n+ lego = ϕθ de aqí qe θ = ϕ - donde, θ es el vector de parámetros del modelo del sistema, ϕ es la matriz de mediciones de la entrada la salida. El problema de estimación, tiene solciones diferentes dependiendo del número de medidas el número de parámetros. En este proecto se tiliza el algoritmo de mínimos cadrados[9]. Métodos de Estimación de Parámetros Resolver el problema de estimación de parámetros reqiere lo sigiente: Datos de entrada-salida del proceso. Una clase de modelos. Un criterio. La estimación de parámetros se pede formlar como n problema de optimización, en el qe el mejor modelo es aqel qe mejor se ajsta a los datos de acerdo con n criterio dado. El resltado de n problema de estimación depende, natralmente, de como se formle el problema. Por ejemplo, el modelo obtenido depende de la amplitd Scientia et echnica Año XII, No 3, Agosto de 6. UP del contenido de frecencias de la señal de entrada. Ha mchas posibilidades de combinar condiciones experimentales, clases de modelos criterios. ambién ha mchas formas distintas de organizar los cálclos. Por consigiente, ha disponibilidad de n gran número de métodos de identificación..3 Criterios Cando se formla n problema de identificación se introdce n criterio para tener na medida de hasta qe pnto n modelo se ajsta a los datos experimentales. El criterio se pede postlar. Mediante hipótesis estadística se peden dedcir criterios de base probabilística. Con frecencia los criterios para sistemas discretos se expresan en la forma ε = ˆ ˆ ŷ = φθ J ( θ ) = g( ε ( )) = = θ ϕ ( x) + θ ϕ ( x) θnϕn( x) N donde ε es el error de entrada, el error de salida o n error generalizado. El error de predicción es n ejemplo típico de error generalizado. Frecentemente se elige la fnción g de tipo cadrático, pero pede ser de mchas otras formas. La primera formlación, solción aplicación de n problema de identificación se debe a Gass en s famosa determinación de la órbita del asteroide Ceres. Gass formló el problema de identificación como n problema de optimización e introdjo el principio de los mínimos cadrados, n método basado en la minimización de la sma de los cadrados del error. Desde entonces, el criterio de mínimos cadrados se ha tilizado ampliamente..4 El Principio de Mínimos Cadrados El método de mínimos cadrados se pede emplear para identificar parámetros en sistemas dinámicos [9]. En el problema general de mínimos cadrados se propone qe la variable calclada ŷ, en la terminología de Gass, viene dada por el modelo qe se presenta en la sigiente ecación: Donde ϕ, ϕ,..., ϕ n son fnciones conocidas θ, θ,..., θ n son parámetros desconocidos. Mediante n experimento se obtienen pares de observaciones {(x i, i ), i =,,..., N}. El problema es determinar los parámetros de tal forma qe las variables ŷ i calcladas mediante el modelo identificado por la ecación (3.5) los valores
3 Scientia et echnica Año XII, No 3, Agosto de 6. U..P 35 experimentales x i coincidan lo más posible con las variables medidas i. Sponiendo qe todas las medidas tienen la misma precisión, el principio de mínimos cadrados dice qe los parámetros se deben elegir de tal forma qe la fnción de costo donde ŷ = φθ Ha qe determinar el parámetro θ de tal forma qe ε sea mínimo. Las ecaciones de estimación propestas en este método son: ˆ( θ N + ) = ˆ( θ N ) + K ( N ) K ( N ) = P( N + ) ϕ ( N + ) [ ( N + ) ϕ( N + ) ˆ( θ N )] = P( N ) ϕ ( N + )[ + ϕ( N + ) P( N ) ϕ ( N + )] P( N + ) = [ I K ( N ) ϕ( N + )] P( N ) La matriz P es la matriz de covarianzas se inicializa con n valor grande, el cal va disminendo en la medida en qe se lleva a cabo la estimación. La matriz K es la matriz de ganancias, relacionada con la velocidad de convergencia de la estimación. La señal de entrada del sistema debe tener n alto contenido de frecencias, con el objeto de excitar la maor cantidad de modos del sistema. 3. EL SISEMA El modelo del sistema se toma de la fente [] presenta las sigientes matrices qe lo representan en el espacio de estados: 4 A = 66,66 66,66,666, B = C = D = [ ] eniendo en centa qe:. x = Ax + B = Cx + D J ( θ ) = ε ε = ε 4. DESCRIPCIÓN DEL MÉODO En el programa de estimación se insertaron las matrices A, B, C D, posteriormente se discretizó el sistema se asignó na entrada aleatoria (). Con el modelo discretizado se obtvo la fnción de transferencia se evaló la salida () para la entrada asignada. Con los pares (,) se realizó la estimación por el principio de mínimos cadrados, el algoritmo se realizó en Matlab presenta la sigiente estrctra: %programa de estimación recrsiva de parámetros %mediante el criterio de mínimos cadrados A=[-4 ; ; ]; B=[-4;;]; C=[ ]; D=[]; ts=.; sistema=ss(a,b,c,d); [Ad,Bd,Cd,Dd]=cdm(A,B,C,D,ts) F=tf(sistema); [Nm,Den]=tfdata(sistema) [Nmd, Dend]=cdm(Nm, Den, ts) sistemad=ss(ad,bd,cd,dd,ts); %Fnción de transferencia discreta fd=tf(sistemad); =zeros(6,); p=e*ee(6); lambda=.95; =sign(randn(,)); %modelo en el espacio de estados mod=idss(fd); %vector de respestas del modelo (valor real) =sim(mod,[]); for j=:length()- (j)=(j+); end te=[......]'; e=; for N=4:length()- Fi=[-(N-) -(N-) -(N-3) (N) (N-) (N-)]; te=te+*e; %estimación de los parámetros te(n)=te();te(n)=te();te3(n)=te(3); te4(n)=te(4);te5(n)=te(5);te6(n)=te(6); =p*fi'*inv(lambda+fi*p*fi'); p=(/lambda)*(p-*fi*p); Yest=Fi*te;
4 36 Scientia et echnica Año XII, No 3, Agosto de 6. UP %estimación del error e=(n)-yest; error(n)=e; Ye(N,)=Yest; end 5. SIMULACIÓN Y ANÁLISIS DE RESULADOS El sistema tilizado para aplicar el método de estimación tiene la sigiente fnción de transferencia. Se peden observar los valores de los parámetros, qe si el método de estimación es adecado, se deben obtener los mismos valores.,97e-5 z^ +,57 z +,86e-5 G (z) = z^3,95 z^ +,94 z,95 Aplicando el criterio de mínimos cadrados simlando el algoritmo para oo datos (mestras), obtenemos los sigientes resltados: b b b a, 9497 a, 943 a 3, 9594 θ = b =, 974e 5 b,57e 4 b, 8599e 5 En las gráficas anteriores se observa qe la convergencia de parámetros se obtiene en aproximadamente iteraciones, lo cal demestra la predicción. Para observar el comportamiento del sistema real el estimado se tiene la sigiente gráfica: Se observa qe los parámetros obtenidos por estimación tiene el mismo valor qe los parámetros de la fnción de transferencia en tiempo discreto del sistema, de tal forma qe se concle la gran eficiencia del método de estimación. Las predicciones teóricas de convergencia de parámetros, dicen qe el número de iteraciones o mestras aproximado para obtener el valor final de n parámetro es de +, donde es el orden del sistema anlizado. Para este caso K=3, por lo tanto el número de iteraciones o mestras es de 7. En las gráficas sigientes se mestra la rapidez de convergencia de parámetros. Se ve claramente como el estimado sólo diverge al comienzo del la gráfica mientras convergen los parámetros estimados.
5 Scientia et echnica Año XII, No 3, Agosto de 6. U..P 37 Otra gráfica qe mestra la efectividad del método es la de error. [8]Ogata, Katshio. Discrete-ime Control Sstem. Prentice Hall CONCLUSIÓN Para el sistema asignado, representado en modelo ARMA, al cal se le realizó la estimación recrsiva de parámetros tilizando el criterio de mínimos cadrados, obtvimos qe el método es adecado qe presenta na señal de error m peqeña na convergencia rápida de los parámetros estimados a los valores reales. 7. BIBLIOGRAFÍA [] ORO N. RIOS L. C. AVENDAÑO L.E. Aplicacion de n control adaptativo en el posicionamiento de n robot cartesiano. rabajo de Grado. Programa de Maestria en Sistemas atomaticos de Prodccion-. Universidad ecnologica de Pereira. []Åströn, Karl Johan - Wittenmar, Björn. Adaptive Control. Addison-Wesle 989. [3]Mosca, Edoardo. Optimal, Predictive and Adaptive Control. Prentice Hall, 995. [4] LJUNG, Lennart. Sstem Identification - heor For the User. Prentice Hall 987 [5]Canales Riz R. Barrera R. R. Análisis de Sistemas Dinámicos Control Atomático. Ed. Limsa 977. [6]Frieland, Bernard. Advanced Control Sstems Design. Prentice Hall 996. [7]Ljng, Lennart. Sstem Identification - heor the User. Prentice Hall. Math Wors 995. for
Identificación en lazo cerrado. Prof. Cesar de Prada ISA-Universidad de Valladolid
Identificación en lazo cerrado Prof. Cesar de Prada IAUniversidad de Valladolid Identificación en lazo cerrado Ha sitaciones (plantas inestables en lazo abierto, o con integradores) en las qe los experimentos
Más detallesMétodo de identificación de modelos de orden reducido de tres puntos 123c
Método de identificación de modelos de orden redcido de tres pntos 123c Víctor M. Alfaro, M.Sc. Departamento de Atomática Escela de Ingeniería Eléctrica Universidad de Costa Rica valfaro@eie.cr.ac.cr Rev:
Más detalles3. Campos escalares diferenciables: gradiente.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO. 3. Campos escalares diferenciables: gradiente. Plano tangente diferenciabilidad. Consideremos na fnción f :(, ) U f(, ) de dos variables n pnto (, interior al conjnto
Más detallesEstructura de Computadores. 1. Ejercicios Resueltos 1.1.
Estrctra de Comptadores Tema. La nidad de memoria II. La memoria virtal Localidad de referencia. Definición de memoria cache. Estrategias de mapeado: directo, asociativo y asociativo por conjntos. Algoritmos
Más detallesVECTORES EN EL PLANO. el punto B el extremo. Mientras no preste confusión el vector v podemos expresarlo simplemente por v.
COLEGIO NUESTRO SEÑOR DE LA BUENA ESPERANZA Asignatra: FÍSICA 10º Profesor: Lic. EDUARDO DUARTE SUESCÚN TALLER DE VECTORES VECTORES EN EL PLANO Vector fijo. Es n segmento orientado. Lo representamos por
Más detallesCriterio de la segunda derivada para funciones de dos variables por Sergio Roberto Arzamendi Pérez
Criterio de la segnda derivada para fnciones de dos variables por Sergio Roberto Arzamendi Pérez Sea la fnción f de dos variables definida por f (, ) contina de primera segnda derivadas continas en s dominio,
Más detallesTema 5: Ecuaciones diferenciales de primer orden homogéneas
Tema 5: Ecaciones diferenciales de primer orden homogéneas 5.1 Primer método de solción En la e.d. homogénea d (1) f (, ) d donde, de acerdo con lo visto en (.), f(t, t) f(, ), se sstite () v s correspondiente
Más detallesDERIVADA DE LA FUNCIÓN EXPONENCIAL DE CUALQUIER BASE Y DE LA FUNCIÓN LOGARÍTMO NATURAL
DERIVADA DE LA FUNCIÓN EXPONENCIAL DE CUALQUIER BASE Y DE LA FUNCIÓN LOGARÍTMO NATURAL Sgerencias para qien imparte el crso: Se deberá concebir a la Matemática como na actividad social y cltral, en la
Más detallesIdentificación Paramétrica
Identificación Paramétrica Métodos para la Obtención de un Modelo Discreto Un modelo, incluyendo el ruido o perturbación, a tiempo discreto puede ser representado por la siguiente i ecuación Donde: ( )
Más detallesTema 2: Control de sistemas SISO
Tema : Control de sistemas SISO Control Atomático º Crso. Ing. Indstrial Escela Técnica Sperior de Ingenieros Universidad de Sevilla Crso Índice. Descripción de sistemas dinámicos. Sistemas SISO. Identificación
Más detallesMétodo de Mínimos Cuadrados Recursivo
Control Avanzado Práctica 4 Método de Mínimos Cuadrados Recursivo José Gerardo Gomez Mendez Abril 27, 25 Resumen El presente trabajo presenta un sistema de un circuito RLC, donde se utiliza el método de
Más detallesRegla de la cadena. Regla de la cadena y. son diferenciables, entonces: w w u w v y u y v y. y g. donde F, w w u w v x u x v x
Regla de la cadena Una de las reglas qe en el cálclo de na variable reslta my útil es la regla de la cadena. Dicho grosso modo, esta regla sirve para derivar na composición de fnciones, esto es, na fnción
Más detallesEn el cálculo de los límtes se utilizarán los siguientes resultados: 1,siendoa una constante real distinta de cero.
En el cálclo de los límtes se tilizarán los sigientes resltados: I) II) III) IV) sin 1 sina a a a sin a a 1 sink a k a 1,siendoa na constante real distinta de cero. 1, siendo k na constante real distinta
Más detalles1.1. Introducción Método de Identificación por Mínimos Cuadrados Forma Recursiva: Inclusión del Factor de Olvido.
. Mínimos Cuadrados. Mínimos Cuadrados.. Introducción 2.2. Método de Identificación por Mínimos Cuadrados 3.2.. Forma Recursiva: 6.2.2. Inclusión del Factor de Olvido. 0.3. Características Estadísticas
Más detallesDiseño o de Entradas. Autor: Dr. Juan Carlos Gómez ISIS 2
Identificación n de SIStemas Diseño o de Entradas Ator: Dr. Jan Carlos Gómez Un reqisito fndamental de las entradas para n experimento de identificación es el de persistencia de excitación de las mismas.
Más detallesMétodo de los Elementos Finitos para determinar las deflexiones en una viga tipo Euler-Bernoulli
Preliminares Formlación del elemento inito para vigas Ejemplo Método de los Elementos Finitos para determinar las deleiones en na viga tipo Eler-Bernolli Lic. Mat. Carlos Felipe Piedra Cáceda. Estdiante
Más detallesProcedimiento. Medición de Longitud y Estimación de la Incertidumbre de Medida PD-LMD_TESCo-T-10 ELABORÓ REVISÓ AUTORIZÓ
Versión: 2 Pág.: 1 de 10 TABLA DE AUTORIZACIÓN ELABORÓ REVISÓ AUTORIZÓ Pesto: Metrólogo Pesto: Spervisor Técnico Pesto: Dirección Académica Responsable del Laboratorio Ing. Zaira Dinorah Garnica Navarro
Más detallesLos datos para éste análisis consisten de m muestras de una población que se detalla a continuación:
Gráfico U Resmen El procedimiento del Gráfico U crea n cadro de control para datos qe describe el número de desarreglos registrados por nidad como resltado de inspeccionar m mestras. Las mestras podrían
Más detallesAnálisis y Diseño de Algoritmos. Búsqueda Local
Búsqeda Local Artro Díaz Pérez Sección de Comptación Departamento de Ingeniería Eléctrica CINVESTAV-IPN A. Institto Politécnico Nacional No. 2508 Col. San Pedro Zacatenco México, D. F. CP 07300 Tel. (5)747
Más detalles1 Composición de funciones
Composición de fnciones La composición de fnciones o la fnción de fnción es na operación qe aparece natralmente en varias sitaciones. En esta nota, presentaremos (sin demostración) algnos de los resltados
Más detallesΣ Pr [W]: Potencia eléctrica de todos los equipos
Scientia et Technica Año XII, No 3, Diciembre de 006. UTP. ISSN 01-1701 55 PROCEDIMIENTO PARA EL CÁLCULO DE INCERTIDUMBRE EN LA ESTIMACIÒN DE LA POTENCIA DE ENFRIAMIENTO DE ACONDICIONADORES DE AIRE DE
Más detallesUNIDAD 1 Ecuaciones Diferenciales de Primer Orden
UNIDAD UNIDAD Ecaciones Diferenciales de Primer Orden Definición Clasificación de las Ecaciones Diferenciales Una ecación diferencial es aqélla qe contiene las derivadas o diferenciales de na o más variables
Más detallesCurso de Procesamiento Digital de Imágenes
Crso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Comptación IIMAS UNAM cbíclo 408 http://tring.iimas.nam.mx/~elena/teaching/pdi-mast.html elena.martinez@iimas.nam.mx
Más detalles1. Ajuste de los Modelos 1
03 b Ajuste de Modelos Identificacion.doc. Ajuste de los Modelos. Ajuste de los Modelos.. Introducción 2.2. Obtención Experimental del Modelo 2.2.. Modelado en Lazo Abierto 3.3. Otros Métodos 2.4. Obtención
Más detallesEcuaciones Diferenciales Ordinarias
Ecaciones Diferenciales Ordinarias Cristian j. P. Castillo U. ÍNDICE GENERAL PRESENTACIÓN CAPÍTULO. INTRODUCCIÓN A LAS ECUACIONES DIFERENCIALES 4. Definición de ecación diferencial 5. Clasificación de
Más detallesCONTROL DE PROCESOS FACET UNT TEMA 5 Nota Auxiliar B RELACIÓN ENTRE EL COMPORTAMIENTO TEMPORAL Y RESPUESTA EN FRECUENCIA DE SISTEMAS EN LAZO CERRADO
TEMA 5 Nota Axiliar B RESPUESTA EN FRECUENCIA EN LAZO ABIERTO Considérese n lazo de control típico con los elementos qe se consignan en la Figra 1. Se han rellenado los bloqes correspondientes a elementos
Más detallesel blog de mate de aida MI: apuntes de vectores y rectas pág. 1 VECTORES
el blog de mate de aida MI: apntes de vectores y rectas pág. VECTORES.- LOS EJES CARTESIANOS Y EL ORIGEN El eje horizontal se llama eje de abscisas y el eje vertical se llama eje de ordenadas. El pnto
Más detallesMétodos y técnicas de integración
Métodos y técnicas de integración (º) Integración por sstitción o cambio de variable En mchas ocasiones, cando la integración directa no es tan obvia, es posible resolver la integral simplemente con hacer
Más detalles4 IDENTIFICACIÓN DE MODELOS LINEALES DE LA PLANTA SOLAR
4 IDENTIFICACIÓN DE MODELOS LINEALES DE LA PLANTA SOLAR Los sistemas de E/S quedan determinados por su función de transferencia, que puede expresarse como una función temporal (respuesta impulsional) o
Más detallesCONTROL DE UN MOTOR DC PARALELO CON TÉCNICAS GEOMÉTRICAS DIFERENCIALES
CONTROL DE UN MOTOR DC PARALELO CON TÉCNICAS GEOMÉTRICAS DIFERENCIALES FABIOLA ANGULO Grpo de Percepción y Control Inteligente, Universidad Nacional de Colombia, Sede Manizales FLAVIO PRIETO Grpo de Percepción
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales FILTRADO DE LA IMAGEN Filtros en frecencia INTRODUCCIÓN x (0, 0) El filtrado en el dominio de la frecencia se basa en la transformada de Forier (TF), la cal asocia cambios
Más detallesIDENTIFICACIÓN DE PARÁMETROS UNIVERSIDAD DE ALCALÁ DE UN MOTOR DC INGENIERÍA TÉCNICA EN SISTEMAS ELECTRÓNICOS
UNIVERSIDAD DE ALCALÁ INGENIERÍA TÉCNICA EN SISTEMAS ELECTRÓNICOS Laboratorio de Sistemas Electrónicos de Control Discreto IDENTIFICACIÓN DE PARÁMETROS DE UN MOTOR DC Índice ÍNDICE Ø INTRODUCCIÓN Ù IDENTIFICACIÓN
Más detallesLÍMITES, CONTINUIDAD Y DERIVADAS
LÍMITES, CONTINUIDAD Y DERIVADAS ÍNDICE. Concepto de límite. Propiedades de los límites 3. Definición de continidad 4. Tipos de continidad 5. Concepto de derivada 6. Tabla de derivadas 7. Crecimiento y
Más detallesCONTROL PREDICTIVO CON REDES NEURONALES COMO MODELO, UTILIZANDO EL METODO DE NEWTON-RAPHSON PARA LOGRAR LA MINIMIZACION DE LA FUNCION DE COSTO
Scientia et Technica Año XV, No 41, Mayo de 2009. Universidad Tecnológica de Pereira. ISSN 0122-1701 203 CONTROL PREDICTIVO CON REDES NEURONALES COMO MODELO, UTILIZANDO EL METODO DE NEWTON-RAPHSON PARA
Más detallesGuía de Ejercicios 2 Econometría II
Gía de Ejercicios Economería II.- Para el sigiene proceso : donde es n rido blanco con ariana. a Calcle la media la ariana marginal condicional del proceso. Compare los alores marginales condicionales.
Más detalles3. Control de procesos con lógica difusa (CLD)
3. Control de procesos con lógica difsa (CLD) 3.1. Presentación El Control por Lógica Difsa (CLD) es n tipo de control salmente de tipo realimentado qe está basado en reglas. Se orienta al mejoramiento
Más detallesDyna ISSN: Universidad Nacional de Colombia Colombia
Dyna ISSN: 0012-7353 dyna@nalmed.ed.co Universidad Nacional de Colombia Colombia GÓMEZ, ALEJANDRA; CORREA, RODRIGO IMPLEMENTACION DE UN SISTEMA DE CONTROL PREDICTIVO MULTIVARIABLE EN UN HORNO Dyna, vol.
Más detalles3. Sistema Por Unidad Ejemplos
Anexo. istema Por Unidad Ejemplos Ejemplo.1 Dos generadores conectados en paralelo a la misma barra poseen reactancias sbtransitoria de 10%. El generador número no posee na capacidad de 500 KA, y el número
Más detallesIdentificación algebraica de un servomecanismo de corriente directa empleando el Método de Mínimos Cuadrados
Congreso Anal de la Asociación de México de Control Atomático. Perto Vallarta, Jalisco, México. Identificación algebraica de n servomecanismo de corriente directa empleando el Método de Mínimos Cadrados
Más detallesAPORTACIONES AL MUESTREO SUCESIVO
Metodología de Encestas Vol!, Nm 1, 1999, 19-28 APORTACIONES AL MUESTREO SUCESIVO Eva Maria Artés Rodrígez Universidad de Almería M' del Mar Reda García Antonio Arcos Cebrián Universidad de Granada RESUMEN
Más detallesSolución Numérica de Ecuaciones Diferenciales Parciales Parabólicas
Solción Nmérica de Ecaciones Diferenciales Parciales Parabólicas Diferencias Finitas En la discretización de las EDPs samos fórmlas de diferencias finitas para las derivadas qe se derivan de las fórmlas
Más detallesIDENTIFICACIÓN DE SISTEMAS MÉTODOS POR SUB-ESPACIOS
IDENTIFICACIÓN DE SISTEMAS MÉTODOS POR SUB-ESPACIOS Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 Introduccion La teoría de sistemas
Más detallesCONTROL DE FRECUENCIA Y VOLTAJE EN TIEMPO REAL DE UN GENERADOR SÍNCRONO
Scientia et echnica Año XII, No, Diciembre de 6. UP. ISSN -7 CONROL DE FRECUENCIA Y VOLAJE EN IEMPO REAL DE UN GENERADOR SÍNCRONO RESUMEN Este artículo aborda la identificación y control de un sistema
Más detalles[ANEXO 4] AJUSTE DE REGULADORES DE TURBINAS HIDRÁULICAS CON TÉCNICAS DE ESTIMACIÓN DE PARÁMETROS [13]
[ANEXO 4] AJUSTE DE REGULADORES DE TURBINAS HIDRÁULICAS CON TÉCNICAS DE ESTIMACIÓN DE PARÁMETROS [13] Este método se aplica al ajuste de los reguladores de un regulador digital de turbinas hidráulicas.
Más detallesNOMBRE: VECTORES EN EL PLANO. Ángel de la Llave Canosa
NOMBRE: VECTORES EN EL PLANO Ángel de la Llave Canosa 1 VECTORES EN EL PLANO VECTOR FIJO Un vector fijo AB es n segmento orientado, qe está definido por dos pntos: Un pnto origen y n pnto extremo. Los
Más detallesSeries aritméticas. ó 4 6 8 10 La suma de los primeros n términos en una serie se representa por S n. .Por ejemplo, S 6
LECCIÓN CONDENSADA 11.1 Series aritméticas En esta lección Aprenderás la terminología y la notación asociada con las series Descbrirás dos fórmlas para la sma parcial de na serie aritmética Una serie es
Más detallesALGEBRA Y GEOMETRÍA VECTORIAL EN R 2 Y EN R 3
ALGEBRA Y GEOMETRÍA VECTORIAL EN R Y EN R Los ectores se peden representar mediante segmentos de recta dirigidos, o flechas, en R o en R. Se denotan por letras minúsclas negritas Pnto inicial del ector
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detalles3.2 EL PRODUCTO ESCALAR Y LAS PROYECCIONES EN R 2
34 CAPÍTULO 3 Vectores en R R 3 ais sqare a=ais; ais([min(a([1,3])),ma(a([,4])),min(a([1,3])),ma(a([,4]))]) % hold off Una ez qe se haa escrito la fnción en n archio con nombre lincomb.m, dé el comando
Más detalles1. Idea intuitiva del concepto de derivada de una función en un punto.
Tema : Derivadas. Idea intitiva del concepto de derivada de na fnción en n pnto. Comencemos pensando en na fnción f () t, donde t represente el tiempo y f la evolción de na cantidad calqiera a lo largo
Más detallesNombre de la asignatura: Probabilidad y Estadística
1. - DATOS DE LA ASIGNATURA Regresar Nombre de la asignatura: Probabilidad y Estadística Carrera : Mecánico Clave de la asignatura: Clave local: Horas teoría horas practicas créditos: 3-2-8 O B S E R V
Más detalles6 La semejanza en el plano
TIVIS MPLIIÓN 6 La semejanza en el plano 1. alcla las medidas de los segmentos,, z, t en la sigiente figra, sabiendo qe las medidas de los segmentos conocidos están epresadas en metros. 4 G z t. ibja n
Más detallesMétodos Numéricos. Carrera: BQM Participantes. Representantes de las academias de Ingeniería Bioquímica. Academia de Ingeniería
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Métodos Numéricos Ingeniería Bioquímica BQM - 0524 3-2-8 2.- HISTORIA DEL PROGRAMA
Más detallesVECTORES EN EL PLANO
VECTORES EN EL PLANO.- PRIMERO DE BACHILLERATO.- TEORÍA Y EJERCICIOS. Pág. 1 VECTORES EN EL PLANO Vector fijo. Es n segmento orientado. Lo representamos por AB o por. El pnto A es el origen y el pnto B
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesMODELIZACION 01. Universidad Nacional de La Pampa Facultad de Ciencias Económicas y Jurídicas 18 - Métodos Cuantitativos para la Administración
Bibliografía Mathur y Solow; Investigación de Operaciones - El arte de la toma de decisiones. Ed. Prentice Hall Anderson, Sweeney y Williams; Introducción a los modelos cuantitativos para Administración.
Más detalles1.- DATOS DE LA ASIGNATURA. Carrera: ACM Participantes
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Control de procesos I Ingeniería Electrónica ACM-0802 3-2 - 8 2.- HISTORIA DEL
Más detallesApéndice I Capa límite
Apéndice I Capa límite Capa límite. Aproimadamente hasta antes de 860, el interés de la ingeniería por la mecánica de flidos se limitaba casi eclsivamente al fljo del aga. La complejidad de los fljos viscosos,
Más detallesTercera Parte: Producto Vectorial y Producto Mixto entre vectores
Tercera Parte: Prodcto Vectorial Prodcto Mito entre ectores Introdcción Retomemos el caso los dos pintores: Carlos Jan. Finaliada la tarea de moer el escritorio, el arqitecto qe coordina la obra, indica
Más detallesPFC: Localización de robots mediante filtro de Kalman
6.- FILTRO DE KALMAN 6.1.- MOTIVACIÓN Los sistemas de navegación se han convertido en un estándar, ya que se venden más y más, sobre todo con los coches nuevos. La mayoría de estos sistemas de navegación
Más detallesProbabilidad y Estadística
Programa de la Asignatura: Código: 23 Probabilidad y Estadística Carrera: Ingeniería en Computación Plan: 2013 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Tercer año Primer cuatrimestre
Más detallesASIGNATURA DE GRADO: PROCESADO DE SEÑAL
ASIGNATURA DE GRADO: PROCESADO DE SEÑAL Curso 2014/2015 (Código:68024101) 1.PRESENTACIÓN DE LA ASIGNATURA La asignatura Procesado de Señal se encuadra dentro del programa del Grado Universitario Oficial
Más detallesIdentificación mediante el método de los mínimos cuadrados
Ingeniería de Control Identificación mediante el método de los mínimos cuadrados Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos relevantes aprendidos previamente:
Más detallesAproximación al MEF en el cálculo de estructuras: Resolución paso a paso de una estructura sencilla desde las funciones de forma.
º COGRESO EMIE 8-9 Jlio ETSIE, Universidad Politécnica de Valencia Aproimación al MEF en el cálclo de estrctras: Resolción paso a paso de na estrctra sencilla desde las fnciones de forma. Enriqe David
Más detallesUNA APROXIMACIÓN HEURÍSTICA PARA EL DOBLE PROBLEMA DEL VIAJANTE CON MÚLTIPLES PILAS
Departamento de Estadística e Inestigación Operatia I Uniersidad Compltense de Madrid UNA APROXIMACIÓN HEURÍSTICA PARA EL DOBLE PROBLEMA DEL VIAJANTE CON MÚLTIPLES PILAS Ángel Felipe Ortega M. Teresa Ortño
Más detallesTEMA 5 VECTORES EN EL ESPACIO MATEMÁTICAS II 2º Bach. 1. es un vector unitario de la misma dirección y el mismo sentido que v.
Estdios J.Concha ( fndado en 00) ESO, BACHILLERATO y UNIVERSIDAD Departamento Bachillerato MATEMATICAS º BACHILLERATO Profesores Jaier Concha y Ramiro Froilán TEMA 5 VECTORES EN EL ESPACIO MATEMÁTICAS
Más detallesDiagnóstico de Fallas en Centrales Termoeléctricas Utilizando Modelado Neuronal y Lógica Difusa
Diagnóstico de Fallas en Centrales Termoeléctricas Utilizando Modelado Neronal y Lógica Difsa Nemecio Tlalolini Ramos 1, José A. Rz Hernández 2, Dionisio A. Sárez Cerda 3, Alfredo Sánchez López 3, Agstín
Más detallesControl Mediante Lógica Difusa
Técnicas Modernas en Atomática 1 Control Mediante Lógica Difsa Samir Koro R. y Rodrigo Msalem M. Resmen En este docmento se presenta na introdcción a la teoría y aplicación de lógica difsa en sistemas
Más detallesLos datos del sistema están dados en valores por unidad sobre las mismas bases.
Ejemplo. Malio Rodrígez. Ejemplo, Malio Rodrígez En el sigiente sistema de potencia ocrre n cortocircito trifásico sólido en el pnto, el cal esta bicado exactamente en la mita de la línea -. Los interrptores
Más detallesSólido de Lagrange. Mecánica II Tema 11. Manuel Ruiz Delgado. Escuela Técnica Superior de Ingenieros Aeronáuticos Universidad Politécnica de Madrid
Sólido de Lagrange p. 1/22 Sólido de Lagrange Mecánica II Tema 11 Manel Riz Delgado Escela Técnica Sperior de Ingenieros Aeronáticos Universidad Politécnica de Madrid Sólido de Lagrange Sólido de Lagrange
Más detallesIDENTIFICAR LOS ELEMENTOS DE UN VECTOR
8 REPSO POO OJETIVO IDENTIFICR LOS ELEMENTOS DE UN VECTOR Nombre: Crso: Fecha: Vector: segmento orientado determinado por dos pntos: (a, a ), origen del ector, y (b, b ), extremo del ector. Coordenadas
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesVECTORES EN EL PLANO.
VECTORES EN EL PLNO. Introdcción: Magnitdes escalares ectoriales. Ha ciertas magnitdes físicas, tales como la masa, la presión, el olmen, la energía, la temperatra, etc., qe qedan completamente definidas
Más detallesCOMPENSADOR DE TEMPERATURA PARA CELDAS DE CARGA
COMPENSADOR DE TEMPERATURA PARA CELDAS DE CARGA 1 Roberto Salas, 2 M. Velasco 1 MIDE, Metrología Integral y Desarrollo S. A. de C. V., Querétaro, México. 2 CENAM (Centro Nacional de Metrología), Querétaro,
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesIntroducción a la Identificación de sistemas
Ingeniería de Control Introducción a la Identificación de sistemas Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Modelos deterministas
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesMMII_L1_c3: Método de Lagrange.
MMII_L_c3: Método de Lagrange. Gión de la clase: Esta clase está centrada en plantearse la resolción de las ecaciones casi lineales de primer orden mediante el Método de Lagrange. El método eqivale a plantearse
Más detallesTratamiento Estadístico de Señales Universidad de la República Facultad de Ingeniería. Monografía final: Filtro de Kalman para lápiz digitalizador
Tratamiento Estadístico de Señales Universidad de la República Facultad de Ingeniería Monografía final: Filtro de Kalman para lápiz digitalizador Mauro Andrés Di Leonardi Introducción y Motivación Las
Más detallesRegresión con errores autocorrelacionados
Series de tiempo Gerardo Ortega Miguel Pluma Luis Osorio Johnatan García 09 de diciembre de 2013 Contenido 1 Introducción Idea intuitiva 2 Algoritmo 3 Propiedades de los estimadores 4 Estadístico de Durbin-Watson
Más detallesFormulación del elemento de barra unidimensional.
Modelización Mecánica de Elementos Estrctrales Formlación del elemento de barra nidimensional. Viana. Gadalpe Sárez Carmelo Militello Militello Departamento de Ingeniería Indstrial Área de Mecánica Escela
Más detallesESTIMACIÓN DE DAÑO ESTRUCTURAL EN VIGAS CON COMPORTAMIENTO NO LINEAL RESUMEN ABSTRACT
ESTIACIÓN DE DAÑO ESTRUCTURAL EN VIGAS CON COPORTAIENTO NO LINEAL anel Erípides Riz Sandoval Hernández 1, Gelacio Járez Lna 2 RESUEN En este artíclo se bsca determinar la existencia y bicación del daño
Más detallesSOLUCIONES DE LAS ACTIVIDADES Págs. 158 a 169
TEMA. VECTORES SOLUCIONES DE LAS ACTIVIDADES Págs. 58 a 6 Página 58. Obtenemos los sigientes ectores: + Página 6. La representación es la sigiente: x - - Página 5. ( 0) (0 ) x ( ) a + b a / b y ( 6) a
Más detallesTEMA 7: VECTORES. También un vector queda determinado por su módulo, dirección y sentido. Dado el vector u. = AB, se define: Módulo del vector u
DPTO DE MATEMÁTICAS T5: VECTORES - 1 1.- VECTORES EN EL PLANO TEMA 7: VECTORES Hay magnitdes como ferza, desplazamiento, elocidad, qe no qedan completamente definidas por n número. Por ejemplo, no es sficiente
Más detallesTema 10 Ejercicios resueltos
Tema 1 Ejercicios reseltos 1.1. Determinar el campo de eistencia de las fnciones sigientes: - 1 f(, ) = log f(, ) = ç è + ø f(, ) + - = ( f (, ) = log - 3 ) + 1.. Calclar los límites de las sigientes fnciones
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detalles4. Espacios Vectoriales
4. Espacios Vectoriales 4.. Definición de espacio, sbespacio ectorial y ss propiedades n ector es na magnitd qe consta de módlo, dirección y sentido. Algnos sin embargo; más teóricos, explicarían qe n
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesANÁLISIS DE LOS CRITERIOS DE FALLA APLICADOS A LOS
ANÁLISIS DE LOS CRITERIOS DE FALLA APLICADOS A LOS LAMINADOS COMPUESTOS Ator: Matías Molinier Instrctor: Alejandro Verri Kozlowski Serie de monografías en Mecánica de Laminados Compestos. Facltad de Ingeniería
Más detallesINGENIERIA CIVIL EN MECANICA GUIA DE LABORATORIO
INGENIERIA CIVIL EN MECANICA GUIA DE LABORATORIO ASIGNATURA MECANICA DE FLUIDOS II CODIGO 9513 NIVEL 3 EXPERIENCIA C9 ESTUDIO DE DESARROLLO DE CAPA LIMITE" OBJETIVO GENERAL UNIVERSIDAD DE SANTIAGO DE CHILE
Más detallesResuelve. Unidad 7. Vectores. BACHILLERATO Matemáticas I. Descomposición de una fuerza. Página 171
Resele Página 171 Descomposición de na ferza I. Una cerda de 10 m de larga celga de dos escarpias, A y B, sitadas a la misma altra y a m de distancia entre sí. De ella se celga na pesa de 0 kg de masa
Más detallesOBJETIVOS: Definir Límites. Realizar demostraciones formales de límites. Describir gráficamente los límites. Calcular límites.
Cap. Límites de Fnciones. LÍMITE EN UN PUNTO. LÍMITES LATERALES. TEOREMAS SOBRE LÍMITES.4 CÁLCULO DE LÍMITES.5 LÍMITES AL INFINITO.6 LÍMITES INFINITOS.7 OTROS LÍMITES OBJETIVOS: Definir Límites. Realizar
Más detallesÍndice. TEMA 3. Evaluación de la incertidumbre típica. 1. Clasificación de las medidas: Ejemplos. 2. Función de transferencia.
INTRODUCCIÓN A LA METROLOGÍA Curso Académico 2011-1212 Rafael Muñoz Bueno Laboratorio de Metrología y Metrotecnia LMM-ETSII-UPM TEMA 3. Evaluación de la incertidumbre típica Índice 1. Clasificación de
Más detalles1. Encontrar la pendiente de la recta tangente a la curva de intersección de la superficie: z = y con el plano y=2, en el punto (2,1, 6 )
PROBLEMAS RESUELTOS 1. Encontrar la pendiente de la recta tangente a la cra de intersección de la sperficie: z = 1 con el plano =, en el pnto (,1, 6 Solción La pendiente bscada es: z 1 (,1 1 z (,1 6 (,1.
Más detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Más detallesTEMA 7 VECTORES MATEMÁTICAS 1
TEMA 7 VECTORES MATEMÁTICAS TEMA 7 VECTORES 7. LOS VECTORES Y SUS OPERACIONES DEFINICIÓN Un ector es n segmento orientado. Un ector AB qeda determinado por dos pntos, origen A y extremo B. Elementos de
Más detalles2. Determinar el dominio de las siguientes funciones de variable real. a) f ( x ) = 4 2x b) f ( x ) =x 2 4x + 3
Ejercicios para practicar. Dado los conjntos A = {, 4, 6, 8,0,,4} B = {,, 5, 7, 9,,,5}; Constra la sigiente relación de A en B R = {(, ) / = + }. Adicionalmente determine el dominio el rango de cada na
Más detallesINTEGRACIÓN POR PARTES EN FORMA TABULAR José A. Rangel M. 1
1. Introdcción INTEGRACIÓN POR PARTES EN FORMA TABULAR José A. Rangel M. 1 Es conocida la dificltad qe encentra el estdiante al aplicar la fórmla de integración por partes: = v vd. Tal dificltad comienza
Más detalles