Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Isan Mattos Nassiffe, Luter Fontes Ferraz de Novaes, Renata Guimaraes Baqueiro
Rodrigues
Abstract This paper aims to present and discuss the results found when modeling processes using two
different approaches: First, using deterministic methods, that is, methods that dont apply any noise correction
techniques, and second, using nonparametric methods, that result in a graphic representation of the system
dynamics and not directly in a transfer function.
Resumo Este artigo tem como objetivo apresentar e discutir os resultados obtidos a partir da modelagem
de processos atraves de duas abordagens: Primeiramente usando metodos determinsticos, ou seja, que nao fazem
nenhum tratamento de qualquer rudo presente e em seguida, usando metodos nao parametricos, que resultam
em uma representacao grafica da dinamica do sistema e nao diretamente em uma funcao de transferencia.
A0
T0 = (11)
y()
Z T0
A1 = y(t)dt (12)
0
Figura 5: Visualizacao dos parametros A0 e A1 Da mesma forma para planta 16, obtem-se a
figura 7 e a tabela 2.
A partir dos valores de A0 e A1 obtemos e
taud atraves das equacoes:
A1
= (13)
0.368y()
d = T0 (14)
277.5
Gp 1(s) = s5 +19.5s4 +141s3 +453s2 +608s+277.5 (15)
1
Gp 2(s) = (16) Figura 7: Metodos determinsticos para Gp 2(s)
(s + 1)4
1
LC
Gp 3(s) = R 1
(17)
s2 + L s + LC
onde Gp 3(s) representa um circuito RLC real com
valores: Tabela 2: Gp 2(s)
Nessa secao iremos aplicar o somatorio de con- Tendo conhecimento a priori de que o sistema
volucao para obter resposta ao impulso do sis- e de 2a ordem e utilizando as Eqs. 29 e 30, temos,
tema. respectivamente:
1.0001 2.0002 a2 2.3003
= (31)
(a) 2.0002 2.3003 a1 2.0504
b0 1.0 0 0 0
b1 = 1.5 1.0 0 1.0001
b2 0.69998 1.5 1.0 2.0002
(32)
A partir de 31 e 32 obtemos os valores de an
e bn e, por conseguinte, a funcao de transferencia:
1.0 z + 0.5001
H(s) = (33)
z 2 1.5 z + 0.7
1 X
N k ruyi + ru e = ru (0)I h
ru (k) = u(i)u(i + k), k = 0, 1, . . . , N 1. ruyi ru e (43)
N i=1 h= 2 + 2
u u
(38)
De maneira similar, a FCC amostral de duas series
temporais de media nula u(k) e y(k) e definida por: Lembrando que a Eq.(43) considera a entrada per-
(
1
PN k feitamente aleatoria, produzindo uma matriz de
u(i)y(i + k), k = 0, 1, . . . ,N1 autocorrelacao diagonal. Caso essa condicao nao
ruy (k) = N
1
Pi=1
N +k
N i=1 y(i)u(i k), k = 0, 1, . . . ,N+1 seja atendida devemos usar:
(39)
Como vimos anteriormente, em identificacao de
sistemas os sinais sao sempre reais e alem disso ruyi + ru e = Ru h
iremos assumir que os sinais possuem media tem- (44)
h = Ru1 ruyi + Ru1 rue
poral nula (caso os sinais u(k) e y(k) possuam me-
dia nao nula, a media amostral deve ser subtrada
antes do calculo de FAC e FCC).
Sob essas circunstancias, as funcoes de auto-
correlacao e correlacao cruzada coincidem com as
funcoes de autocovariancia e covariancia cruzada. 3.2 Aplicacao de funcoes de correlacao
Para fins de normalizacao de graficos, iremos defi-
nir o coeficiente de correlacao entre duas variaveis
u e y como sendo (u, y) = Cov[u,y]/(u y ). A
partir da substituicao de Eq. (18) em Eq. (36)
obtemos:
X
ruy (k) = h(i)ru (k i) (40)
i=0
Equacao discreta de Wiener-Hopf
1.003 z + 0.5693
H2 (s) = (46)
z 2 1.489 z + 0.6932
1.089 z + 0.4221
H3 (s) = (47)
z2 1.552 z + 0.8043