1. Ajuste de los Modelos 1
|
|
- Juan Luis Carrasco Martínez
- hace 6 años
- Vistas:
Transcripción
1 03 b Ajuste de Modelos Identificacion.doc. Ajuste de los Modelos. Ajuste de los Modelos.. Introducción 2.2. Obtención Experimental del Modelo Modelado en Lazo Abierto 3.3. Otros Métodos 2.4. Obtención Estadística de los Parámetros del Modelo Método de Identificación por Mínimos Cuadrados Forma Recursiva: Inclusión del Factor de Olvido Características Estadísticas de la Estimación Referencias 42
2 .. Introducción Métodos usuales: - basado en las leyes físicas - experimental - estadístico.2. Obtención Experimental del Modelo Muchos sistemas en la práctica pueden describirse aproximadamente con un modelo muy simple, de primer o segundo orden. A menudo estos modelos simples son suficientes para realizar un primer diseño de control. Estos modelos simples pueden obtenerse mediante ensayos experimentales sobre el sistema. La idea es proponer la estructura apropiada, por ejemplo un primer orden con retardo ( ) G s s Ke = τ s +, [.] y luego inferir los valores de los parámetros K, y τ de la respuesta del sistema a lazo abierto del sistema. Es común emplear la respuesta al escalón u otra señal simple de excitación. escalón rampa senoide - aleatoria 03 b Ajuste de Modelos Identificacion.doc 2
3 03 b Ajuste de Modelos Identificacion.doc 3 Puede aplicarse en lazo abierto o cerrado (automático o manual) Es más conveniente en lazo abierto para evitar la complicación de la realimentación Muchas veces no se puede. Plantas inestables o críticas..2.. Modelado en Lazo Abierto Sistema de Primer Orden u f u 0 y f y 0 ˆ yf y K = u u f 0 0 0, 63 ˆ τ = 63 0 [.2]
4 ( ) Gˆ s Kˆ = ˆ τ s +, [.3] Sistema de Primer Orden con Retardo u f u 0 y f y 0 0 δ 63 y ˆ f y K = u u ( ) Gˆ s f = 0 0, ˆ ˆ s Ke d ˆ τ s ˆ τ = 63 δ, = [.4] ˆd δ +, [.5] 0 03 b Ajuste de Modelos Identificacion.doc 4
5 03 b Ajuste de Modelos Identificacion.doc 5 Sistema Oscilante de Segundo Orden u f ω u 0 A An y f y 0 y ˆ f y K = u u f 0 0 ( ) = 2 2 Gˆ s, d r A n n = A, ˆ ξ = π ln d r + d r 2 4 ln Kˆ ˆ s + 2ˆ ˆ ξ s+, [.7] n n 2, ˆ n ˆ2 ξ ω =, 2π ˆ ω n = [.6] ˆ n
6 03 b Ajuste de Modelos Identificacion.doc 6 Sistema de Segundo Orden Sobreamortiguado u f u 0 y f y 0 y y valor de la salida en el tiempo = 0 + 2,6 calcular: y ˆ f y0 y y0 K =, y fr = u u y y f 0 ˆ τ ˆ τ ˆ τ total 73 0 = + 2 =, f,3 ˆ τ 0 ˆ ττˆ = r total, 2 total [.8] ˆ τ = ˆ τ ˆ τ [.9]
7 03 b Ajuste de Modelos Identificacion.doc 7 ( ) Gˆ s = Kˆ + +, [.0] ( ˆ τ s )( ˆ τ s ) 2 Relación entre constantes de tiempo Yfr au r si 0,26 > y fr > 0,39, la respuesta es de un sistema subamortiguado o de mayor orden.
8 Step Response Amplitude ime (sec) τ = τ = 0,0 0,2 0,5 total 03 b Ajuste de Modelos Identificacion.doc 8
9 Step Response y Amplitude t y' t' ime (sec) 03 b Ajuste de Modelos Identificacion.doc 9
10 03 b Ajuste de Modelos Identificacion.doc 0 Efecto del factor de amortiguamiento - ξ < 0 inestable - ξ < subamortiguado - ξ = amortiguamiento crítico - ξ > sobreamortiguado g=tf(,[.3^2 2*.3*xi ])
11 03 b Ajuste de Modelos Identificacion.doc Plantas con Integradores u f y f u 0 y 0 0 f Kˆ = ( ) Gˆ s - y f y ( uf u0)( f 0) Kˆ s 0 [.] =, [.2]
12 03 b Ajuste de Modelos Identificacion.doc 2.3. Otros Métodos Modelado Físico Identificación estadística Existen técnicas más avanzadas de estimación de modelo mediante ensayos experimentales, conocidas como técnicas de identificación de sistemas. Para un tratamiento actualizado de identificación de sistemas ver por ejemplo - Lennart Ljung, System Identification, 2nd edn. Prentice Hall, 999. y el toolbox de identificación de MALAB.
13 03 b Ajuste de Modelos Identificacion.doc 3.4. Obtención Estadística de los Parámetros del Modelo ajuste automático de parámetros = Identificación de Sistemas Excitación Planta Salida de la Planta + Error de Estimación - Modelo Salida del Modelo
14 03 b Ajuste de Modelos Identificacion.doc Método de Identificación por Mínimos Cuadrados.4.2. Ejemplo Supongamos la siguiente planta real: y = ay + + bu + ε ε perturbación o incertidumbre. modelo: yˆ = ay ˆ + bu ˆ + + ε Para cada instante habrá un error o diferencia entre ambas salidas: e = y yˆ [-3] + + +
15 03 b Ajuste de Modelos Identificacion.doc 5 tomando todas las muestra, e ˆ + y ˆ + ay bu y+ y u aˆ E ˆ + = = = = ˆ Y + Φ θ b [-4] e y ˆ ˆ y ay0 bu 0 y0 u0 con y + y Y + = ˆ u ˆ a, θ = bˆ, Φ = [-5] y y0 u 0
16 03 b Ajuste de Modelos Identificacion.doc 6 Se puede minimizar el error respecto a ˆ θ. J = E E [-6] J = 2Φ Y 2Φ Φ ˆ = 0 [-7] θ ˆ θ θ el valor de ˆ θ que hace mínimo J es: * ˆ = ΦΦ ΦY θ [-8]
17 03 b Ajuste de Modelos Identificacion.doc Forma General Se considera, a los efectos del análisis, la siguiente planta real: y n m = ai y-i + biu i ε xθ ε i= i= 0 [-9] = + ε perturbación o incertidumbre. modelo: yˆ n m ˆ ˆ + = aˆ i y-i+ + bi u-i= xθ i= i= 0 [-20] donde a aˆ y an aˆ n y -n+ θ = ˆ θ = x= b0 bˆ 0 u bm bˆ u N= n+ m+ m N= n+ m+ -m N= n+ m+ Para cada instante habrá un error o diferencia entre ambas salidas: e = y yˆ [-22] [-2]
18 03 b Ajuste de Modelos Identificacion.doc 8 tomando todas las muestra, ˆ e E = - Y e θ φ = [-23] con y = Y y + +, 0 ˆ ˆ ˆ ˆ ˆ n m a a b b θ =, 0 0 -m -n 0 -m -n y y x u u = = y y x u u φ + [-24]
19 03 b Ajuste de Modelos Identificacion.doc 9 Se puede minimizar el error respecto a ˆ θ. J = E E [-25] J ˆ ˆ= 2φ Y - 2 φ = 0 θ θ φθ [-26] el valor de ˆ θ que hace mínimo J es: * ˆ Y θ = φφ φ [-27]
20 03 b Ajuste de Modelos Identificacion.doc Forma Recursiva: Analicemos una forma más cómoda de expresar la ecuación [-27]. Primero definamos la matriz P como sigue: x -N -N - φ φ = P = [ x-n x0] = xi xi = P-+ x x [-28] i=0 x 0 Del mismo modo el vector b será: y -N -N b= φ Y = [ x-n x0] = xi yi= b-+ x y [-29] i=0 y 0 Entonces [-27] se expresará ˆ θ = P b [-30] La inversa de la matriz P en un instante puede expresarse en función de su valor anterior más otra matriz - - P = P -+ x x [-3] Si la premultiplicamos por P
21 03 b Ajuste de Modelos Identificacion.doc = P - x x [-32] PP I =P +P y luego, posmultiplicando por P resulta: P-= P+ P x x P - [-33] o lo que es lo mismo P-- P= P x x P - [-34] Posmultipliquemos [-33] por x P- x= P x+ P x x P-x= P x + x P- x [-35] y agrupemos = P x x P x P x [-36] Ahora, reemplazando [-36] en [-34] P - x x - -- P P P= + - x o su equivalente P P - x x - = P P P x P x x [-37] [-38] Haremos lo mismo con el vector θ. Por la ecuación [-36] tenemos
22 03 b Ajuste de Modelos Identificacion.doc 22 ˆ θ ˆ θ x x - = P P P-- [ b-+ x y ] + [-39] x P- x - ˆ x x - = P P θ - - [ b-+ x y] + P- x y [-40] + - x P por [-36] sabemos que: P- x P x = + x P- x x [-4] reemplazando en la anterior ˆ θ = ˆ θ - - P x x P-b-- P x x P-x y+ P-x y [-42] ˆ θ = ˆ ˆ θ - - P x xθ + - P- - P x x P- x y [-43] de [-34] resulta P = P- - P x x P - [-44] quedando ˆ θ = ˆ ˆ θ P x x θ - y [-45]
23 03 b Ajuste de Modelos Identificacion.doc 23 en resumen el algoritmo está formado por las dos ecuaciones siguientes: [ y y ] ˆ θ ˆ ˆ θ - - P x - = P x x P P= P-- + x P- x - - [-46] Otra forma equivalente que se suele utilizar en la bibliografía es Px K = + xpx P+ = P KxP ˆ θ = ˆ K ˆ θ + - y xθ - [-47]
24 03 b Ajuste de Modelos Identificacion.doc Inclusión del Factor de Olvido. En el algoritmo anterior pesamos de igual manera las medidas muy viejas y las nuevas. J = e Q e [-48] donde α 0 Q = [-49] -N 0 0 α La matriz Q pondera las muestras dándole más o menos importancia a la historia con respecto al último valor según el parámetro α el cual se llama factor de olvido. Igual que antes derivamos J para obtener el mínimo. ˆ θ J ˆ = 2φ QY 2φ Qφθ = 0 [-50] θ resultando * ˆ Q Q Y θ = φ φ φ [-5]
25 03 b Ajuste de Modelos Identificacion.doc 25 Algoritmo recursivo con factor de olvido: [ y y ] ˆ θ = ˆ ˆ θ - - P x - P xxp P = P α α + xp x o lo que es lo mismo Px K = α + xpx P+ = ( P KxP) α ˆ θ = ˆ K ˆ θ + - y xθ - [-52] [-53]
26 03 b Ajuste de Modelos Identificacion.doc Características Estadísticas de la Estimación y y0 y y-n+ u u-m y-n+ y -n φφ = u u0 y0 y -n u0 u-m u-m u-m autocovarianza o covarianza cruzada i = y( 0) [-55] i= 0 φ φ [,] = y y = y r [-54]
27 03 b Ajuste de Modelos Identificacion.doc 27 La matriz total se llama matriz de covarianza del algoritmo y será: r y(o) r y(n - ) ruy(n - m - ) ruy(n - ) ruy(n - ) ruy(n - m - ) φφ = [-56] ruy (n - m - ) ruy(n - ) ru(0) ru(m) ruy(n - ) ruy(n - m - ) ru(m) ru(0) media de ˆ θ. ˆ - lim E θ lim ˆ E φφ φ Y E θ = = - = lim E φφ φ [ φθ + e] [-57] - = lim E[ θ ] + lim E φφ φe ˆ - E θ = lim E[ θ] + lim E φφ φe [-58] Por lo tanto la media de la estimación coincidirá con el valor real de θ si el error e es - incorrelado con φ φ φ. En cualquier otro caso existirá un sesgo en la estimación.
28 03 b Ajuste de Modelos Identificacion.doc 28 ambién debemos notar que para que exista solución la matrizφ φ debe ser invertible o sea det φ φ 0 [-59] Observando la ecuación 0 podemos inferir que esto se puede lograr si el sistema está persistentemente excitado.
29 03 b Ajuste de Modelos Identificacion.doc 29 Ejemplo.. Sistema de Primer Orden. Sea un sistema de primer orden cuya ecuación en diferencias es: y = a y + b u [-60] - - con a = 0,5 y b = y u 0 0 b = 2 b( a) 3 2 b( a a ) 4 b( a a 2 a 3 ) + =,5 + + =, =,875
30 03 b Ajuste de Modelos Identificacion.doc 30 El vector φ será, para tres muestras,, 75 φ =,5 φ = [-6], 75,5 el vector de medidas de la salida,,875 Y =, 75 [-62],5 la matriz de covarianza y P:, 6,325 4, φ φ = φ φ = ,4063 φ Y = 5,25 [-64] Estimación de los dos parámetros del sistema: ˆ - 0,5 θ = φ φ φ Y = [-65] [-63]
31 03 b Ajuste de Modelos Identificacion.doc 3 Ejemplo.2. Medición de una Resistencia Se mide ensión y Corriente sobre una resistencia u = u + e m u i = i + e m i la medición de la resistencia es r m u (.66) = m [.67] im por mínimos cuadrados J = E E = ( U ri ) ( U ri ) (.68) J = 2 I ( U ri) = 0 r mc IU (.69) r = I I (.70)
32 03 b Ajuste de Modelos Identificacion.doc 32 Cálculo de r n=000; vi=; vu=; i=+vi*(rand(n,)-.5); u=+vu*(rand(n,)-.5); r=zeros(n,); for =:n r()=u(:)'*i(:)/(i(:)'*i(:)); end plot(r);grid axis([0 n -.5.5]) cov(i);
33 03 b Ajuste de Modelos Identificacion.doc plot(u./i);grid; axis([0 n -.5.5])
34 03 b Ajuste de Modelos Identificacion.doc [mean(r) mean(u./i) cov(r) cov(u./i)] ans =
35 03 b Ajuste de Modelos Identificacion.doc 35 Sesgo Im U m ( Ir + ei) ( Ur + eu) Er ( mc ) =E =E Im Im ( Ir + ei) ( Ir + ei) I U r = r r =E 2 ( I r + e i) ( I r + e i) σ + i Ir Ir Método de mínimos cuadrados es ˆ Y (.7) θ = φφ φ (.72) { } + E ( ˆ θ) =E φ φ φ ( φθ e) (.73) el error está en la salida. No hay error en la entrada
36 03 b Ajuste de Modelos Identificacion.doc 36 Variables instrumentales rvi=zeros(n,); L=2; ivi=i; ivi(:length(i)-l)=i(l+:length(i)); for =:n rvi()=u(:)'*ivi(:)/(i(:)'*ivi(:)); end
37 03 b Ajuste de Modelos Identificacion.doc 37 Ejemplo.3. Generador Diesel Se mide velocidad del Motor/generador Primer Ensayo: Código y=w(:20:length(w))'-w(); u=ones(size(y)); u()=0; model = pem([y u],[ ]) yh = idsim(u,model); figure(2); plot([y yh])
38 03 b Ajuste de Modelos Identificacion.doc 38 La gráfica muestra la diferencia entre salida real y estimada
39 03 b Ajuste de Modelos Identificacion.doc 39 Los datos del modelo son: >> Discrete-time IDPOLY model: y(t) = [B(q)/F(q)]u(t) + e(t) B(q) = q^-3 F(q) = -.97 q^ q^-2 Estimated using PEM Loss function and FPE Sampling interval: Su fórmula es y o 3 0,737q =,97q + 0,9204q 2 y =,97 y 0,9204y + 0,737u u
40 03 b Ajuste de Modelos Identificacion.doc 40 Segundo Ensayo
41 03 b Ajuste de Modelos Identificacion.doc 4 Modelo: >> Discrete-time IDPOLY model: y(t) = [B(q)/F(q)]u(t) + e(t) B(q) = q^-20 F(q) = q^ q^-2 Estimated using PEM Loss function and FPE Sampling interval:
42 03 b Ajuste de Modelos Identificacion.doc Referencias i. Ljung, Lennart : System Identification: heory for the User, 2nd Edition, Prentice Hall, Englewood Cliffs, N.J.,999. p 33 ii. Goodwin, G. Sin: Adaptive Filtering, Prediction and Control, Prentice Hall 984. p 52 iii. Äström, K., Wittenmar: Adaptive Control, Prentice Hall 989. p 69 iv. Landau, Ioan Doré. System Identification and Control Design Prentice Hall 990 v. Isermann, R.: Digital Control Systems, Springer Verlag 98. p 380 vi. Stephanopoulos, G: Chemical Process Control. Prentice-Hall 984. Caps. 0 y 3
Identificación 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 detalles3. Modelos, señales y sistemas. Panorama Obtención experimental de modelos Respuesta en frecuencia Diagramas de Bode
3. Modelos, señales y sistemas Panorama Obtención experimental de modelos Respuesta en frecuencia Diagramas de Bode CAUT1 Clase 4 1 Obtención experimental de modelos Muchos sistemas en la práctica pueden
Más detallesPlanificaciones. 6665 - Control Digital. Docente responsable: ZANINI ANIBAL JOSE ANTONIO. 1 de 5
Planificaciones 6665 - Control Digital Docente responsable: ZANINI ANIBAL JOSE ANTONIO 1 de 5 OBJETIVOS El alumno deberá finalizar la asignatura manejando fluidamente las diferentes técnicas de modelización
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 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 detallesTrabajo Práctico n 2. Robotización de un Puente Grúa. Presentación. Restricciones. Curso 2011
Trabajo Práctico n 2 Robotización de un Puente Grúa Presentación Este problema consiste en desarrollar un sistema de control automático que permita robotizar la operación de un puente grúa para la carga
Más detallesSeñales y Sistemas. Señales y Clasificación Sistemas y Clasificación Respuesta al impulso de los sistemas. 5º Curso-Tratamiento Digital de Señal
Señales y Sistemas Señales y Clasificación Sistemas y Clasificación Respuesta al impulso de los sistemas Señales El procesamiento de señales es el objeto de la asignatura, así que no vendría mal comentar
Más detalles4. Control Vectorial. 1. Modelo dinámico del motor de inducción. 2. Control vectorial del motor de inducción. 3. Control vectorial Directo
4. Control Vectorial Control de Máquinas Eléctricas Primavera 2009 1. Modelo dinámico del motor de inducción 2. Control vectorial del motor de inducción 3. Control vectorial Directo 4. Control vectorial
Más detallesLISTA DE SÍMBOLOS. Capítulo 2 EJEMPLOS Y TEORIA DE LAS VIBRACIONES PARAMÉTRICAS 2.1 Introducción T - Periodo Ω - Frecuencia a- parámetro b- parámetro
LISTA DE SÍMBOLOS Capítulo 2 EJEMPLOS Y TEORIA DE LAS VIBRACIONES PARAMÉTRICAS 2.1 Introducción T - Periodo Ω - Frecuencia a- parámetro b- parámetro 2.1.1 Rigidez Flexiva que Difiere en dos Ejes x- Desplazamiento
Más detallesFACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R.
FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA SINTÉTICO DE LA ASIGNATURA: Identificación de Sistemas Código PLAN DE ESTUDIOS: 1996 CARRERA: Ingeniería Electrónica DEPARTAMENTO:
Más detalles1. Modelos Matemáticos y Experimentales 1
. Modelos Matemáticos y Experimentales. Modelos Matemáticos y Experimentales.. Definición.. Tipos de Procesos.3. Tipos de Modelos 3.4. Transformada de Laplace 4.5. Función de Transferencia 7.6. Función
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 detallesDescribe el movimiento sin atender a las causas que lo producen. Utilizaremos partículas puntuales
3. Cinemática Cinemática Describe el movimiento sin atender a las causas que lo producen Utilizaremos partículas puntuales Una partícula puntual es un objeto con masa, pero con dimensiones infinitesimales
Más detallesIdentificación de Sistemas. Aplicación al modelado de un motor de continua.
Identificación de Sistemas. Aplicación al modelado de un motor de continua. Departamento: ELECTRÓNICA Mª Elena López Guillén ÍNDICE. Introducción..... Concepto de sistema....2. Modelo de un sistema....3.
Más detallesIntroducción a los Sistemas de Control
Introducción a los Sistemas de Control Organización de la presentación - Introducción a la teoría de control y su utilidad - Ejemplo simple: modelado de un motor de continua que mueve una cinta transportadora.
Más detallesAplicaciones Industriales del Control Automático ESC
Aplicaciones Industriales del Control Automático Controladores Predictivos Aníbal Zanini azanini@fi.uba.ar Departamento de Electrónica Facultad de Ingeniería de la Universidad de Buenos Aires CIITI 2005
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesTSTC. Dpt. Teoría de la Señal, Telemática y Comunicaciones. Robótica Industrial. Universidad de Granada
Dpt. Teoría de la Señal, Telemática y Comunicaciones Robótica Industrial Universidad de Granada Tema 5: Análisis y Diseño de Sistemas de Control para Robots S.0 S.1 Introducción Sistemas Realimentados
Más detallesTrabajo práctico: Amplificador Operacional
Problema 1 El amplificador operacional de la figura posee resistencia de entrada infinita, resistencia de salida cero y ganancia de lazo abierto A LA =50. Calcule la ganancia de lazo cerrado Ar=Vo/Vi si
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesPráctica 4 Control de posición y velocidad de un motor de corriente continua
Práctica 4 Control de posición y velocidad de un motor de corriente continua Maqueta de control de posición y velocidad Practicas de Regulación Automática Maqueta de control de posición y velocidad Caja
Más detallesECUACIÓN DE OSCILACIONES. Tomado del texto de Ecuaciones Diferenciales de los Profesores. Norman Mercado. Luis Ignacio Ordoñéz
ECUACIÓN DE OSCILACIONES Tomado del texto de Ecuaciones Diferenciales de los Profesores Norman Mercado Luis Ignacio Ordoñéz Muchos de los sistemas de ingeniería están regidos por una ecuación diferencial
Más detalles2º INGENIERÍA INDUSTRIAL TEORÍA DE CIRCUITOS Y SISTEMAS
º INGENIERÍA INDUSTRIAL TEORÍA DE CIRCUITOS Y SISTEMAS PRÁCTICA 7 SISTEMAS. UTILIDADES MATLAB. TRANSFORMADAS Y ANTITRANSFORMADAS Matlab permite obtener transformadas y antitransformadas de Fourier, Laplace
Más detallesSistemas continuos. Francisco Carlos Calderón PUJ 2010
Sistemas continuos Francisco Carlos Calderón PUJ 2010 Objetivos Definir las propiedades básicas de los sistemas continuos Analizar la respuesta en el tiempo de un SLIT continuo Definición y clasificación
Más detallesSubconjuntos notables de un Espacio Topológico
34 Capítulo 4 Subconjuntos notables de un Espacio Topológico 4.1 Adherencia Definición 4.1.1 (Punto adherente). Sea (X, τ) un espacio topológico, y sea S un subconjunto de X. Diremos que x X es un punto
Más detallesEconometria con Series Temporales
May 24, 2009 Porque series temporales? Inhabilidad de la economia de producir experimentos controlados para estudiar relaciones causales entre variables. Una alternativa consiste en estudiar estas relaciones
Más detallesManual de la Práctica 5: Diseño de un controlador digital
Control por Computador Manual de la Práctica 5: Diseño de un controlador digital Jorge Pomares Baeza Francisco Andrés Candelas Herías Grupo de Innovación Educativa en Automática 009 GITE IEA - 1 - Introducción
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesProcesos estocásticos. Definición
Procesos estocásticos Definición http://humberto-r-alvarez-a.webs.com Definición de proceso estocástico Estudio del comportamiento de una variable aleatoria a lo largo del tiempo El ajuste de cualquier
Más detallesCálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Más detallesPreliminares Interpolación INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL
INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL Contenido Preliminares 1 Preliminares Teorema 2 Contenido Preliminares Teorema 1 Preliminares Teorema 2 Teorema Preliminares Teorema Teorema: Serie de Taylor Supongamos
Más detallesModelización por medio de sistemas
SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES. Modelización por medio de sistemas d y dy Ecuaciones autónomas de segundo orden: = f ( y, ) Una variable independiente. Una variable dependiente. La variable
Más detallesx^new = x^old + K(b new A new x^old )
El Filtro de Kalman: La idea fundamental del filtro de Kalman es la actualización La llegada de una nueva observación supone un cambio en la mejor estimación mínimo cuatrática del parámetro x Se desea
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 detalles6.1. Condición de magnitud y ángulo
Capítulo 6 Lugar de las raíces La respuesta transitoria de un sistema en lazo cerrado, está ligada con la ubicación de los polos de lazo cerrado en el plano complejo S. Si el sistema tiene una ganancia
Más detallesVELOCIDAD Y ACELERACION. RECTA TANGENTE.
VELOCIDAD Y ACELERACION. RECTA TANGENTE. 3. Describir la trayectoria y determinar la velocidad y aceleración del movimiento descrito por las curvas siguientes: (a) r (t) = i 4t 2 j + 3t 2 k. (b) r (t)
Más detallesDiferenciación numérica: Método de Euler explícito
Clase No. 21: MAT 251 Diferenciación numérica: Método de Euler explícito Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesMÁQUINAS DE CORRIENTE CONTÍNUA. LA MÁQUINA LINEAL.
MÁQUINAS DE CORRIENTE CONTÍNUA. LA MÁQUINA LINEAL. Fuerza sobre el conductor. r r r df = IΛ B dl F = I. B.L Tensión inducida en el conductor. dφ dφ e =, pero dados los sentidos normales se cumple que :
Más detallesDEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con
Más detallesControl de procesos industriales
GUÍA DOCENTE 2013-2014 Control de procesos industriales 1. Denominación de la asignatura: Control de procesos industriales Titulación Grado en Ingeniería Electrónica Industrial y Automática Código 6420
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más detalles1. Diseño de un compensador de adelanto de fase
COMPENSADORES DE ADELANTO Y RETARDO 1 1. Diseño de un compensador de adelanto de fase El compensador de adelanto de fase persigue el aumento del margen de fase mediante la superposición de la curva de
Más detallesPráctica 2 sobre mediciones de velocidad promedio y aceleración.
Práctica 2 sobre mediciones de velocidad promedio y aceleración. Daniela Isabel Aranda Cabrera, Hector Jesus Carrillo Reveles, Jose Maria Barbosa Alvarado, Marco Antonio Carmona Torres 1 Universidad de
Más detallesEl método de súper y sub soluciones en el espacio de funciones casi periódicas.
El método de súper y sub soluciones en el espacio de funciones casi periódicas. Universidad de Buenos Aires - IMAS (CONICET) UMA - Bahía Blanca - 2016 Super y sub soluciones Problema periódico asociado
Más detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detallesSeñales: Tiempo y Frecuencia PRÁCTICA 1
Señales: Tiempo y Frecuencia PRÁCTICA 1 (1 sesión) Laboratorio de Señales y Comunicaciones PRÁCTICA 1 Señales: Tiempo y Frecuencia 1. Objetivo El objetivo de esta primera práctica es revisar: las principales
Más detallesNombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010)
Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Enero 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe que los
Más detallesTeoría de Lenguajes. Clase Teórica 7 Autómatas de Pila y Lenguajes Independientes del Contexto Primer cuartimestre 2014
Teoría de Lenguajes Clase Teórica 7 Autómatas de Pila y Lenguajes Independientes del Contexto Primer cuartimestre 2014 aterial compilado por el Profesor Julio Jacobo, a lo largo de distintas ediciones
Más detallesTRANSIENTES EN CIRCUITOS RC y SU APLICACION A LA MEDIDA DE CAPACITANClAS
PRÁCTICA DE LABORATORIO II-09 TRANSIENTES EN CIRCUITOS RC y SU APLICACION A LA MEDIDA DE CAPACITANClAS OBJETIVOS Estudiar los fenómenos transientes que se producen en circuitos RC de corriente directa.
Más detallesEn la figura 1 se observan los cambios de polaridad (positivo y negativo) y las variaciones en amplitud de una onda de ca.
Página 1 de 7 TENSION ALTERNA En la figura 1 se observan los cambios de polaridad (positivo y negativo) y las variaciones en amplitud de una onda de ca. Puede definirse un voltaje alterno como el que varía
Más detallesECUACIÓN ORDINARIA DE LA ELIPSE CON CENTRO FUERA DEL ORIGEN
ECUACIÓN ORDINARIA DE LA ELIPSE CON CENTRO FUERA DEL ORIGEN Sugerencias para quien imparte el curso Consideramos conveniente realizar todo el proceso de obtención de la ecuación ordinaria de la elipse
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesPráctica 2. Introducción a la simulación de sistemas mediante Simulink. Sistemas de primer, segundo y tercer orden. Objetivo
Práctica 2 Introducción a la simulación de sistemas mediante Simulink. Sistemas de primer, segundo y tercer orden. Objetivo En esta práctica se pretende que el alumno tome contacto con una herramienta
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesIdentificación y Simulación de Sistemas Dinámicos
Unidad responsable: 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona Unidad que imparte: 707 - ESAII - Departamento de Ingeniería de Sistemas, Automática e Informática Industrial
Más detallesDifracción e Interferencia: Experimento de Young
Universidad Nacional Autónoma de Honduras Facultad de Ciencias Escuela de Física Difracción e Interferencia: Experimento de Young Elaborado por: Sofía D. Escobar, Miguel A. Serrano y Jorge A. Pérez Introducción
Más detallesRespuesta transitoria
Capítulo 4 Respuesta transitoria Una ves que los diagramas a bloques son desarrollados, el siguiente paso es llevar a cabo el análisis de los sistemas. Existen dos tipos de análisis: cuantitativo y cualitativo.
Más detallesε = = d σ (2) I. INTRODUCCIÓN
Estudio del comportamiento de un material piezoeléctrico en un campo eléctrico alterno. Eduardo Misael Honoré, Pablo Daniel Mininni Laboratorio - Dpto. de Física -FCEyN- UBA-996. Un material piezoeléctrico
Más detallesPresentado por: Laura Katherine Gómez Mariño. Universidad Central
Presentado por: Laura Katherine Gómez Mariño. Universidad Central IMPORTANCIA DEL TEMA ESCOGIDO: Es una herramienta usada en simulación, que es parte crucial en un sistema de control industrial. Un controlador
Más detalles07 - Control Todo o Nada.doc 1
1. Control Todo o Nada 1. Control Todo o Nada 1 1.1. Problema de control On-Off 2 1.2. Control en realimentación con ganancia elevada 2 1.3. Modelo para la habitación 3 1.4. Respuesta a Lazo Abierto 4
Más detallesDepartamento de Matemáticas, CCIR/ITESM. 9 de febrero de 2011
Factorización LU Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 26.1. Introducción............................................... 1 26.2. Factorización LU............................................
Más detallesEstimación MC3E, MVIC en Modelos de Ecuaciones Simultáneas
Estimación MC3E, MVIC en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contenidos 1 Información Completa 2 3 Información Completa Un método de información completa considera
Más detalles240AR013 - Modelado, Identificación y Simulación de Sistemas Dinámicos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 707 - ESAII - Departamento de Ingeniería de
Más detallesRepresentación en el espacio de estado. Sistemas Control Embebidos e Instrumentación Electrónica UNIVERSIDAD EAFIT
Representación en el espacio de estado Representación en espacio de estado Control clásico El modelado y control de sistemas basado en la transformada de Laplace, es un enfoque muy sencillo y de fácil
Más detallesGUÍA DOCENTE Control de procesos industriales
GUÍA DOCENTE 2016-2017 Control de procesos industriales 1. Denominación de la asignatura: Control de procesos industriales Titulación Grado en Ingeniería Electrónica Industrial y Automática Código 6420
Más detallesControl de procesos industriales
GUÍA DOCENTE 2012-2013 Control de procesos industriales 1. Denominación de la asignatura: Control de procesos industriales Titulación Grado en Ingeniería Electrónica Industrial y Automática Código 6420
Más detallesCONTROL DE VELOCIDAD DE UN MOTOR DC, USANDO FILTROS DE KALMAN EN TIEMPO CONTINUO
CONTROL DE VELOCIDAD DE UN MOTOR DC, USANDO FILTROS DE KALMAN EN TIEMPO CONTINUO Julio C Mansilla Hernández (1); Julio N. García Silverio (2); Francisco J. Arteaga (3) (1) ELEOCCIDENTE, Dpto. de Planificación
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detalles5. PLL Y SINTETIZADORES
5. PLL Y SINTETIZADORES (Jun.94) 1. a) Dibuje el esquema de un sintetizador de frecuencia de tres lazos PLL. b) Utilizando una señal de referencia de 100 khz, elegir los divisores programables NA y NB
Más detallesLugar Geométrico de las Raíces
ELC-33103 Teoría de Control Lugar Geométrico de las Raíces Prof. Francisco M. Gonzalez-Longatt fglongatt@ieee.org http://www.giaelec.org/fglongatt/sp.htm 1. Introducción La característica básica de la
Más detallesTema 2. Sistemas Lineales e Invariantes en el Tiempo (Sesión 2)
SISTEMAS LINEALES Tema. Sistemas Lineales e Invariantes en el Tiempo (Sesión ) 4 de octubre de 00 F. JAVIER ACEVEDO javier.acevedo@uah.es TEMA Contenidos. Representación de señales discretas en términos
Más detallesCONCEPTO DE CINEMÁTICA: es el estudio del movimiento sin atender a las causas que lo producen
CINEMÁTICA CONCEPTO DE CINEMÁTICA: es el estudio del movimiento sin atender a las causas que lo producen CONCEPTO DE MOVIMIENTO: el movimiento es el cambio de posición, de un cuerpo, con el tiempo (este
Más detallesGUÍA DOCENTE Control de procesos industriales
GUÍA DOCENTE 2015-2016 Control de procesos industriales 1. Denominación de la asignatura: Control de procesos industriales Titulación Grado en Ingeniería Electrónica Industrial y Automática Código 6420
Más detallesNÚMEROS COMPLEJOS: C
NÚMEROS COMPLEJOS: C Alejandro Lugon 21 de mayo de 2010 Resumen Este es un pequeño estudio de los números complejos con el objetivo de poder usar las técnicas de solución de ecuaciones y sistemas diferenciales
Más detallesFISICA GENERAL III 2012 Guía de Trabajo Practico No 9 ANÁLISIS DE CIRCUITOS RL, RC Y RCL SERIE Y PARALELO. R. Comes y R. Bürgesser
FISICA GENERAL III 2012 Guía de Trabajo Practico No 9 ANÁLISIS DE CIRCUITOS RL, RC Y RCL SERIE Y PARALELO. R. Comes y R. Bürgesser Objetivos: Estudiar el comportamiento de distintos elementos (resistores,
Más detallesCampo Magnético en un alambre recto.
Campo Magnético en un alambre recto. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se hizo pasar
Más detalles1 0 4/ 5 13/
1 1 1 7 1 0 4/ 5 13/ 5 R1 R 1+1/5R3 0 0 0 2 R2 R3 0 5 9 22 0 5 9 22 0 0 0 2 Como la matriz tiene un renglón (0, 0, 0, 2) indica que el sistema no tiene solución ya que no existe un número que sea 2 y al
Más detallesBases del filtro de Kalman
Bases del filtro de Kalman Rafael Molina Soriano Depto Ciencias de la Computación e IA Universidad de Granada Rafael Molina Bases del filtro de Kalman 1 Contenidos! Introducción.! El filtro de Kalman "
Más detallesNombre: Carné Ordinal. Parte I preguntas (1 punto c/u) Escriba la respuesta en el espacio indicado o encierre en un círculo la respuesta correcta:
INSTITUTO TECNOLÓGICO DE COSTA RICA II SEMESTRE 2013 ESCUELA DE INGENIERIA EN ELECTRÓNICA CURSO: EL-5408 CONTROL AUTOMÁTICO MEDIO: Examen 3 PROF: ING. EDUARDO INTERIANO Nombre: Carné Ordinal Parte I preguntas
Más detallesRESUMEN TEORIA MATEMATICAS 5
RESUMEN TEORIA MATEMATICAS 5 LIMITES Definición. Sea :, lim,,, Significa que cuando, esta cerca de, entonces, esta cerca de L. De otra forma se dice que, pertenece a una bola centrada en, por otro lado,
Más detallesTema 5. Análisis de sistemas muestreados
Ingeniería de Control Tema 5. Análisis de sistemas muestreados Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Relacionar la estabilidad
Más detalles1. Cinemática: Elementos del movimiento
1. Cinemática: Elementos del movimiento 1. Una partícula con velocidad cero, puede tener aceleración distinta de cero? Y si su aceleración es cero, puede cambiar el módulo de la velocidad? 2. La ecuación
Más detallesUn segundo ohmímetro mide la misma resistencia y obtiene los siguientes resultados: R B1 = ( 98 ± 7 ) Ω R B2 = ( 100 ± 7 ) Ω R B3 = ( 103 ± 7 ) Ω
Relación de problemas: MEDIDAS Y ERRORES. 1) En la medida de 1 m se ha cometido un error de 1 mm, y en 300 Km, 300 m. Qué error relativo es mayor?. ) Como medida de un radio de 7 dm hemos obtenido 70.7
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesSUMARIO Predictor de Smith
SUMARIO Predictor de Smith 1. Introducción 1 2. Plantas con Retardos 3 3. Predicción de la Salida 5 4. Ejemplo de Aplicación 7 5. Bibliografía 13 Filtro de Kalman-Bucy 1. Introducción 15 2. Observación
Más detallesMAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas. g(z) e u(z) 1. u(z) a log z + b
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE FACULTAD DE MATEMÁTICAS MAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas 1. Sea u : C R una función armónica positiva. Pruebe que u es constante. Solución:
Más detallesMétodos, Algoritmos y Herramientas
Modelado y Simulación de Sistemas Dinámicos: Métodos, Algoritmos y Herramientas Ernesto Kofman Laboratorio de Sistemas Dinámicos y Procesamiento de la Información FCEIA - Universidad Nacional de Rosario.
Más detallesIntroducción al Diseño de Filtros Digitales
Introducción al Diseño de Filtros Digitales Diego Milone Procesamiento Digital de Señales Ingeniería Informática FICH-UNL 3 de mayo de 2012 Organización de la clase Introducción Concepto y clasificación
Más detalles2. SEÑALES Y SISTEMAS DISCRETOS EN EL TIEMPO. Una señal puede ser definida como una portadora física de información. Por ejemplo,
2. SEÑALES Y SISTEMAS DISCRETOS EN EL TIEMPO Una señal puede ser definida como una portadora física de información. Por ejemplo, las señales de audio son variaciones en la presión del aire llevando consigo
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
Más detallesSEMANA 02 SISTEMAS DE MEDIDAS DE ARCOS, RELACIÓN ENTRE LOS SISTEMAS DE MEDIDAS DE ARCOS. LONGITUD DE ARCO.
SEMANA 02 SISTEMAS DE MEDIDAS DE ARCOS, RELACIÓN ENTRE LOS SISTEMAS DE MEDIDAS DE ARCOS. LONGITUD DE ARCO. I. INTRODUCCIÓN Arco Sección de un círculo que se encuentra entre dos puntos del círculo. Cualesquiera
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesLOS NUMEROS COMPLEJOS. En cursos previos se ha visto que algunas ecuaciones polinómicas- esto es, ecuaciones de la forma:
LOS NUMEROS COMPLEJOS. INTRODUCCION: En cursos previos se ha visto que algunas ecuaciones polinómicas- esto es, ecuaciones de la forma: n n a 0 + a +... + an + an = 0 () -no tienen soluciones en R. El
Más detallesTrabajo 2. Jonathan A. Trejos O. El primer problema es uno típico de teoría de números, en el cual se puede apreciar la simetría.
Trabajo Jonathan A. Trejos O. 1 Primer problema El primer problema es uno típico de teoría de números, en el cual se puede apreciar la simetría. Enunciado 1 Halle y pruebe una bonita fórmula para el producto
Más detallesFig. 3.1 Influencia de la incertidumbre de una magnitud x en la determinación de la incertidumbre de una magnitud derivada.
Unidad 3 Mediciones indirectas Propagación de incertidumbres Ha magnitudes que no se miden directamente, sino que se derivan de otras que sí son medidas en forma directa. Por ejemplo, para conocer el área
Más detallesSistemas Lineales e Invariantes PRÁCTICA 2
Sistemas Lineales e Invariantes PRÁCTICA 2 (1 sesión) Laboratorio de Señales y Comunicaciones PRÁCTICA 2 Sistemas Lineales e Invariantes 1. Objetivo Los objetivos de esta práctica son: Revisar los sistemas
Más detallesEJERCICIOS DE CONTROL POR COMPUTADOR BOLETIN V: SISTEMAS DISCRETOS (I)
C. Determine el valor al que tenderá en régimen permanente la salida ante un escalón de amplitud 3 a la entrada del sistema discreto dado por: z.7 G( z) ( z.5) z C. a) Determinar la región del plano z
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesGeneración de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones
Más detalles