IDENTIFICACION DE SISTEMAS DOC

Title	IDENTIFICACION DE SISTEMAS
Pages	7
File Size	575.5 KB
File Type	DOC
Total Downloads	190
Total Views	365

Summary

IDENTIFICACION DE UN MODELO PARA UN CONTROL DE PH. Chinchay Italo, Ipanaqué William Abstract— La identificación de procesos cumple una parámetros físicos son conocidos, pero otros función muy importante en el diseño del control parámetros no pueden determinarse de los datos automático y también las ...

Description

IDENTIFICACION DE UN MODELO PARA UN CONTROL DE PH. Chinchay Italo, Ipanaqué William Abstract— La identificación de procesos cumple una función muy importante en el diseño del control automático y también las metodologías a utilizar. Una de las metodologías son los modelos paramétricos: ARX, ARMAX, OE, BJ, que son herramientas muy ponderosas para obtener un modelo matemático que represente un proceso físico, que en muchos casos sería complejo o imposible representarlo con ecuaciones matemáticas que relacionen a las variables involucradas, tanto de entrada como de salida. El presente trabajo hace una identificación a partir de una señal aleatoria de entrada, la cual es aplicada a un simulador de un control de PH para posteriormente utilizar los valores de salida y encontrar un modelo que lo represente, se comparan los diferentes resultados y se escoge el de mayor precisión. I.INTRODUCTION A identificación de sistemas es un campo de la modelación matemática de sistemas a partir de datos experimentales. Se trata de determinar un modelo matemático a partir de un grupo de datos experimentales de entrada y de salida sin necesidad de conocer las leyes internas que gobiernan el comportamiento del sistema. L El problema principal en la identificación del sistema es encontrar un modelo con la estructura adecuada, dentro de la cual se puede encontrar un buen modelo. El Ajuste de un modelo dentro de una estructura determinada (estimación de parámetros) es en la mayoría de los casos, un problema menor. Una regla básica en estimación es "no es estimar lo que ya se sabe". En otras palabras, se debe tener conocimiento y comprensión física sobre el sistema, antes de la selección de la estructura del modelo. 1. Es usual distinguir entre tres niveles de conocimiento, los cuales se ha codificado en colores, de la siguiente manera: Modelos de caja-blanca: Este es el caso en que el modelo es perfectamente conocido; y todo ha sido construido con el conocimiento previo. Modelos de caja-verde: En este caso algunos parámetros físicos son conocidos, pero otros parámetros no pueden determinarse de los datos observados. Existen dos sub-casos: o Modelado físico: una estructura del modelo se puede construir con una base física, la cual tiene un cierto numero de parámetros a ser estimados desde los datos. Por ejemplo, este podría ser un modelo espacio estado. o Modelado semi-físico: la visión física es usada para sugerir cierta combinación no lineal de señales medidas. Estas nuevas señales son sujetas a estructuras de modelos del carácter de "caja-negra". Modelos de caja-negra: no hay idea de la parte física, pero la estructura del modelo pertenece a las familias conocidas y que han tenido éxito en el pasado. La identificación realizada, pertenece al modelo "caja negra". Estos modelos se basan en un análisis de respuesta en frecuencia o respuesta a impulsos el cual hace un mapeo de a pm (p=número de salidas y m número de entradas). De entre los diferentes métodos de identificación, para este caso se han utilizado los métodos paramétricos, y entre ellos tenemos: Modelo ARX: AutoRegressive with eXternal input Modelo ARMAX: AutoRegressive Moving Average model with eXogenous inputs Modelo EO : Output Error Modelo BJ : Box Jenkins La figura 1, muestra el esquema general para realizar una identificación....