E2 Grupo 203042 32

Universidad Nacional Abierta y a Distancia – UNAD
Escuela de Ciencias Básicas Tecnologías e Ingenierías-ECBTI

Curso: SISTEMAS DINAMICOS Grupo: 203042_32
Unidad 3 - Etapa 3 - Identificar modelos de sistemas dinámicos mediante Matlab
Estudiante:
John Jairo Valencia Rojas Cod: 94326428
Edin Alexis Burgos Estrada Cód: 80828593
Hugo Nelson Tapue Ayala Cod:
Alexis Mina Cod: 1193402967
Grupo: 243005_32
Tutor(a): Adriana Del Pilar Noguera
Universidad Nacional Abierta y Distancia- UNAD

Palmira (Valle)
Noviembre de 2018
INTRODUCCION
El análisis mediante un modelo matemático es una herramienta para que

el estudiante diseñe soluciones a los problemas planteados y obtenga
control, supervisión, predicción, simulación, optimización de los procesos.
Tanto para la utilización de técnicas de diseño convencionales como
técnicas avanzadas y especialmente las basadas en modelos, es necesario
un modelo numérico preciso del proceso. La complejidad de estos crece
constantemente y esto hace necesario el desarrollo de herramientas
automáticas de ayuda como MATLAB la cual mediante algunas técnicas
de identificación puede ayudarnos a detectar y diagnosticar los posibles
fallos utilizando para ello la comparación del proceso con un modelo de
simulación.
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
Es un sistema de 𝒆(𝒕) Se refiere al ruido
ecuaciones donde las que se supones es Es comúnmente
incógnitas a y b serán los Gaussiano. seleccionado como la
coeficientes de la función primera opción en la
ARX de transferencia discreta y 𝒂𝒏𝒂 Y 𝒃𝒏𝒃 son los identificación de sistemas
que se obtienen según: parámetros del modelo. lineales.
Mínimos cuadrados o 𝒏𝒂 𝑦 𝒏𝒃 Indican
variable instrumental respectivamente el orden
de los polinomios de la
salida 𝑨(𝒒) y la entrada
𝑩(𝒒).
El parámetro 𝑛𝑘 es el
tiempo de retraso entre
𝒚(𝒕) y 𝒖(𝒕).
Es un sistema de 𝒚(𝒕) Es la salida en el Describe el error en la
ecuaciones donde las tiempo 𝒕. ecuación como un promedio
incógnitas son los móvil.
coeficientes del modelo 𝒏𝒂 Es el número de
ARMAX discreto, cuyas soluciones polos.
(de este modelo y los 𝒏𝒃 Es el número de ceros
posteriores) se obtienen más 1.
por predicción del error
con el Método de Máxima
𝒏𝒄 Es el numero C
coeficientes.
𝒏𝒌 Es la cantidad de
muestras que ocurren
antes que la entrada
afecte la salida
Este modelo describe la 𝒚 Es la medida de salida. Es un modelo especial que
dinámica del sistema por por simplicidad los procesos
̂ Es la salida de la
𝒚
separado de la dinámica y los modelos se asumen que
función de transferencia
no tienen tiempo muerto.
Estocástica. El modelo de del modelo.
salida de errores no
OE 𝒖 Es la excitación del
utiliza ningún parámetro
sistema.
para la simulación de las
Características de las 𝑩/𝑨 Es el verdadero
perturbaciones. sistema.
̂ /𝑩
𝑨 ̂ Es el modelo
estimado.
𝒘 Es el disturbio en la
salida.
Se aplica a los modelos 𝑻 Es el número de Se define como un modelo
autorregresivos de media observaciones usadas en ARMAX con una relación
móvil ARMA o a los la estimación. de entrada/salida sin
perturbación, más ruido
blanco en la salida.
BJ modelos autorregresivos 𝒌 Es el número de

integrados de media parámetros estimados.
móvil (arma) ̂𝒕 es el ajuste residual
𝑬
del tiempo t.
para encontrar el mejor
ajuste de una
Serie temporal de valores,
a fin de que los
pronósticos sean más
acertados.
LISTADOS DE CONCEPTOS CONOCIDOS

Sistemas dinámicos: Un sistema es un objeto en el cual variables de diferente tipo
interactúan y producen señales observables. Las señales observables que nos interesan son
llamadas salidas.
Identificación de sistemas dinámicos: Es la determinación, a partir del conocimiento de las

señales de entrada y salida del sistema en estudio, de un modelo matemático perteneciente a
una clase de modelos predeterminados.
Obtención de datos de entrada: Para ello se debe excitar el sistema mediante la aplicación
de una señal de entrada y registrar la evolución de sus entradas y salidas durante un intervalo
de tiempo.
Tratamiento previo de los datos de registrados: Los datos registrados están generalmente
acompañados de ruidos indeseados u otro tipo de imperfecciones que puede ser necesario
corregir antes de iniciar los datos para facilitar y mejorar el proceso de identificación.
Elección de la estructura del modelo: Si el modelo que se desea obtener es un modelo
paramétrico, el primer paso es determinar la estructura deseada para dicho modelo. Este
punto se facilita en gran medida si se tiene un cierto conocimiento sobre las leyes físicas que
rigen el proceso.
Identificación de modelos no paramétricos: Los modelos no paramétricos son aquellos en
que no es posible definir un vector de parámetros finitos para representarlo.
Identificación de modelos paramétricos: Este modelo requiere de elección de una posible

estructura del modelo, de un criterio de ajuste de parámetros y por último de la estimación
de los parámetros que mejor se ajustan al modelo de los datos experimentales.
Análisis transiente: Un análisis en el método por el cual una señal o forma de onda que
empieza en una amplitud cero. Un ejemplo es el sonido de un disparo de un rifle, o la
vibración de un golpe de un martillo. Cuando se hace el análisis de espectro a transiente,
generalmente no generan series de armónicos, pero generan un espectro continuo en el que
la energía está distribuida sobre el rango de frecuencias. Cuando se analiza transiente con un
analizador TRF, se tiene que cuidar que el transiente está incluido en la grabación en tiempo
del analizador y que se use una ventana rectangular en lugar de una ventana de Hanning.
LISTADOS DE CONCEPTOS DESCONOCIDOS

Manejo de la herramienta ident de Matlab
Modelo ARX
Modelo ARMAX
Modelo output-error del sistema.
Modelo box-Jenkins del sistema.
RESULTADO DE LAS CONSULTAS REALIZADAS PARA DAR SOLUCIÓN A

LAS TAREAS DE LA ETAPA
Inicialmente debemos descargar el archivo comprimido que contiene el insumo de la
ecuación no lineal y la función de transferencia dada por el tutor(a). También Allí
encontraremos las variables de entrada y las variables de salida que utilizaremos en el
modelamiento que realizaremos por medio de Matlab.
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. Para ello, trabaje con los datos suministrados del sistema lineal y del sistema
no lineal.
SEÑAL DE ENTRADA VS SEÑAL DE SALIDA SISTEMA LINEAL
FUNCIÓN DE TRANSFERENCIA lineal
Ecuación
1.201 s + 1.266
--------------------
s^2 + 6.954 s + 6.27
Por medio de la herramienta ident incorporada en MATLAB®, determine el orden del

modelo y encuentre las ecuaciones correspondientes a cada modelo solicitado (ARX, ARMAX,
OE y BJ) que permitan analizar el comportamiento de cada uno, comparando la salida del
sistema con la señal de entrada. Este procedimiento se realiza para los datos del sistema lineal
y no lineal.
Modelo ARX:
0.01666 z^-1 + 0.003493 z^-2

-----------------------------
1 - 0.4856 z^-1 - 0.4149 z^-2
0.01666𝑧 −1 + 0.003493𝑧 −2
𝒚(𝑡) =
1 − 0.4856𝑧 −1 − 0.4149𝑧 −2
0.01666 0.003493
+
𝒚(𝑡) =
𝑧 𝑧2
0.4856 0.4149
1− 𝑧 −
𝑧2
0.01666 0.003493
( + 2 ) ∗ 𝑧2
𝑧 𝑧
𝒚(𝑡) =
0.4856 0.4149
(1 − 𝑧 − ) ∗ 𝑧2
𝑧2
0.01666𝑧 + 0.003493
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.4856𝑧 − 0.4149
( )
𝑧2
0.01666𝑧 + 0.003493
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.4856𝑧 − 0.4149
( )
𝑧2
0.01666𝑧 + 0.003493
( )
𝒚(𝑡) = 1
2
𝑧 − 0.4856𝑧 − 0.4149
( )
1
0.01666𝑧 + 0.003493
( )
𝒚(𝑡) = 1
𝑧 2 − 0.4856𝑧 − 0.4149
( )
1
0.01666𝑧 + 0.003493
𝒚(𝑡) =
𝑧 2 − 0.4856𝑧 − 0.4149
Modelo ARMAX:
0.02009 z^-1 + 0.002304 z^-2

-----------------------------
1 - 0.1789 z^-1 - 0.7107 z^-2
0.02009𝑧 −1 + 0.002304𝑧 −2
𝑦(𝑡) =
1 − 0.1789𝑧 −1 − 0.7107𝑧 −2
0.02009 0.002304
+
𝒚(𝑡) =
𝑧 𝑧2
0.1789 0.7107
1− 𝑧 −
𝑧2
0.02009 0.002304
( + 2 ) ∗ 𝑧2
𝑧 𝑧
𝒚(𝑡) =
0.1789 0.7107
(1 − 𝑧 − ) ∗ 𝑧2
𝑧2
0.02009𝑧 + 0.002304
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.1789𝑧 − 0.7107
( )
𝑧2
0.02009𝑧 + 0.002304
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.1789𝑧 − 0.7107
( )
𝑧2
0.02009𝑧 + 0.002304
( )
𝒚(𝑡) = 1
𝑧 2 − 0.1789𝑧 − 0.7107
( )
1
0.02009𝑧 + 0.002304
𝒚(𝑡) =
𝑧 2 − 0.1789𝑧 − 0.7107
Modelo Output-Error:
0.02295 z^-1 + 0.001145 z^-2

-----------------------------
1 - 0.2433 z^-1 - 0.6376 z^-2
−0.02295𝑧 −1 + 0.001145𝑧 −2
𝑦(𝑡) =
1 − 0.24333z −1 − 0.6376z −2
0.02295 0.001145
+
𝒚(𝑡) =
𝑧 𝑧2
0.24333 0.6376
1− −
𝑧 𝑧2
0.02295 0.001145
( + 2 ) ∗ 𝑧2
𝑧 𝑧
𝒚(𝑡) =
0.24333 0.6376
(1 − − ) ∗ 𝑧2
𝑧 𝑧2
0.02295𝑧 + 0.001145
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.24333𝑧 − 0.6376
( )
𝑧2
0.02295𝑧 + 0.001145
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.24333𝑧 − 0.6376
( )
𝑧2
0.02295𝑧 + 0.001145
( )
𝒚(𝑡) = 1
𝑧 2 − 0.24333𝑧 − 0.6376
( )
1
0.02295𝑧 + 0.001145
𝒚(𝑡) =
𝑧 2 − 0.24333𝑧 − 0.6376
Modelo Box-Jenkins:
0.02262 z^-1 - 0.0007597 z^-2

-----------------------------
1 - 0.3146 z^-1 - 0.5779 z^-2
0.02262 𝑧 −1 − 0.0007597𝑧 −2
𝑦(𝑡) =
1 − 0.3146𝑧 −1 − 0.5779𝑧 −2
0.02262 0.0007597
−
𝒚(𝑡) =
𝑧 𝑧2
0.3146 0.5779
1− 𝑧 −
𝑧2
0.02262 0.0007597
( − 2 ) ∗ 𝑧2
𝑧 𝑧
𝒚(𝑡) =
0.3146 0.5779
(1 − 𝑧 − ) ∗ 𝑧2
𝑧2
0.02262𝑧 − 0.0007597
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.3146𝑧 − 0.5779
( )
𝑧2
0.02262𝑧 − 0.0007597
( 2 )
𝒚(𝑡) = 𝑧
𝑧 2 − 0.3146𝑧 − 0.5779
( )
𝑧2
0.02262𝑧 − 0.0007597
( )
𝒚(𝑡) = 1
2
𝑧 − 0.3146𝑧 − 0.5779
( )
1
0.02262𝑧 − 0.0007597
𝒚(𝑡) =
𝑧 2 − 0.3146𝑧 − 0.5779
SEÑAL DE ENTRADA Vs SEÑAL DE SALIDA SISTEMA NO LINEAL
FUNCIÓN DE TRANSFERENCIA no lineal

0.7131 s + 0.03511
----------------------
s^2 + 9.069 s + 0.4488
Modelo ARX:
0.01294 z^-1 - 0.01081 z^-2

-----------------------------
1 - 0.6003 z^-1 - 0.3804 z^-2
0.01294 𝑧 −1 − 0.01081𝑧 −2
𝒚(𝑡) =
1 − 0.6003𝑧 −1 − 0.3804 𝑧 −2
0.01294 0.01081
−
𝒚(𝑡) =
𝑧 𝑧2
0.6003 0.3804
1− 𝑧 −
𝑧2
0.01294 0.01081
( − 2 ) ∗ 𝑧2
𝑧 𝑧
𝒚(𝑡) =
0.6003 0.3804
(1 − 𝑧 − ) ∗ 𝑧2
𝑧2
0.01294𝑧 − 0.01081
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.6003𝑧 − 0.3804
( )
𝑧2
0.01294𝑧 − 0.01081
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.6003𝑧 − 0.3804
( )
𝑧2
0.01294𝑧 − 0.01081
( )
𝒚(𝑡) = 1
2
𝑧 − 0.6003𝑧 − 0.3804
( )
1
0.01294𝑧 − 0.01081
𝒚(𝑡) =
𝑧 2 − 0.6003𝑧 − 0.3804
Modelo ARMAX:
0.0186 z^-1 - 0.01717 z^-2

----------------------------
1 - 0.7784 z^-1 - 0.209 z^-2
0.0186 𝑧 −1 − 0.01717𝑧 −2
𝒚(𝑡) =
1 − 0.7784𝑧 −1 − 0.209 𝑧 −2
0.0186 0.01717
𝑧 − 𝑧2
𝒚(𝑡) =
0.7784 0.209
1− 𝑧 −
𝑧2
0.0186 0.01717
( ) ∗ 𝑧2
𝑧 − 𝑧 2
𝒚(𝑡) =
0.7784 0.209
(1 − 𝑧 − ) ∗ 𝑧2
𝑧2
0.0186𝑧 − 0.01717
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.7784𝑧 − 0.209
( )
𝑧2
0.0186𝑧 − 0.01717
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.7784𝑧 − 0.209
( )
𝑧2
0.0186𝑧 − 0.01717
( )
𝒚(𝑡) = 1
𝑧 2 − 0.7784𝑧 − 0.209
( )
1
0.0186𝑧 − 0.01717
𝒚(𝑡) =
𝑧 2 − 0.7784𝑧 − 0.209
0.1017 z^-1 - 0.1016 z^-2

-----------------------------
1 - 0.4952 z^-1 - 0.5043 z^-2
0.1017 𝑧 −1 − 0.1016𝑧 −2
𝒚(𝑡) =
1 − 0.4952𝑧 −1 − 0.5043 𝑧 −2
0.1017 0.1016
−
𝒚(𝑡) =
𝑧 𝑧2
0.4952 0.5043
1− 𝑧 −
𝑧2
0.1017 0.1016
( ) ∗ 𝑧2
𝑧 − 𝑧 2
𝒚(𝑡) =
0.4952 0.5043
(1 − 𝑧 − ) ∗ 𝑧2
𝑧2
0.1017𝑧 − 0.1016
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.4952𝑧 − 0.5043
( )
𝑧2
0.1017𝑧 − 0.1016
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.4952𝑧 − 0.5043
( )
𝑧2
0.1017𝑧 − 0.1016
( )
𝒚(𝑡) = 1
𝑧 2 − 0.4952𝑧 − 0.5043
( )
1
0.1017𝑧 − 0.1016
𝒚(𝑡) =
𝑧 2 − 0.4952𝑧 − 0.5043
Modelo Box-Jenkins:
0.0135 z^-1 - 0.003753 z^-2

---------------------------
1 - 0.3318 z^-1 - 0.55 z^-2
0.0135 𝑧 −1 − 0.003753𝑧 −2
𝒚(𝑡) =
1 − 0.3318 𝑧 −1 − 0.55 𝑧 −2
0.0135 0.003753
𝑧 − 𝑧2
𝒚(𝑡) =
0.3318 0.55
1− 𝑧 − 2
𝑧
0.0135 0.003753
( 𝑧 − 2 ) ∗ 𝑧2
𝒚(𝑡) = 𝑧
0.3318 0.55
(1 − 𝑧 − 2 ) ∗ 𝑧 2
𝑧
0.0135𝑧 − 0.003753
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.3318𝑧 − 0.55
( )
𝑧2
0.0135𝑧 − 0.003753
( )
𝒚(𝑡) = 𝑧2
𝑧 2 − 0.3318𝑧 − 0.55
( )
𝑧2
0.0135𝑧 − 0.003753
( )
𝒚(𝑡) = 1
𝑧 2 − 0.3318𝑧 − 0.55
( )
1
0.0135𝑧 − 0.003753
𝒚(𝑡) =
𝑧 2 − 0.3318𝑧 − 0.55
Prácticas:
1. Utilice MATLAB® para simular cada sistema y grafique la salida de cada sistema
cuando se aplica una entrada constante 𝑒(𝑡) = 2 𝑉, durante los primeros 2 segundos
y en ese momento se aplica una entrada escalón unitario durante 5 segundos más. De
manera que la simulación dura 7 segundos.
SISTEMA Lineal
FUNCION TRANSFERENCIA
Modelo ARX:
Modelo ARMAX:
Modelo Box-Jenkins:
Sistema No Lineal
FUNCION TRANSFERENCIA
Modelo ARX:
Modelo ARMAX:
Modelo Box-Jenkins:
LINK DEL VIDEO

https://youtu.be/3YKzQ-5PgPI
Aporte: John Jairo Valencia Rojas

Modelos para sistemas lineales
Señal de entrada y salida para el sistema lineal
Para la función de transferencia usaremos 4 polos y 2 ceros
La función de trasferencia para el sistema lineal está dada por
5337𝑠 2 + 3.162𝑒04 𝑠 + 1.103𝑒04

𝑦(𝑡) =
𝑠 4 + 555.8𝑠 3 + 3.14𝑒04 𝑠 2 + 5.105𝑒04 𝑠 + 1.502𝑒05
Para el modelo ARX
Función de transferencia
0.01647𝑧 −1 − 0.002081𝑧 −2 + 0.01409𝑧 −3

𝑦(𝑡) =
1 − 0.2842𝑧 −1 − 0.1711𝑧 −2 − 0.1978𝑧 −3 − 0.2065𝑧 −4
cambiamos los signos de z
0.01647 0.002081 0.01409

− +
𝑦(𝑡) = 𝑧 𝑧2 𝑧3
0.2842 0.1711 0.1978 0.2065
1− − − −
𝑧 𝑧2 𝑧3 𝑧4
2
0.01647𝑧 − 0.002081𝑧 + 0.01409
𝑦(𝑡) = 𝑧3
0.2842𝑧 0.1711𝑧 0.1978𝑧 4 − 0.2065𝑧 3
2−
1− −
𝑧3 𝑧7
0.01647𝑧 2 − 0.002081𝑧 + 0.01409

𝑦(𝑡) = 𝑧3
𝑧 − 0.2842𝑧 − 0.1711𝑧 8 − 0.1978𝑧 7 − 0.2065𝑧 6
10 9
𝑧10
0.01647𝑧 2 − 0.002081𝑧 + 0.01409

𝑦(𝑡) = 𝑧3
𝑧 − 0.2842𝑧 − 0.1711𝑧 2 − 0.1978𝑧 − 0.2065
4 3
𝑧4
0.01647𝑧 2 − 0.002081𝑧 + 0.01409

𝑦(𝑡) = 1
𝑧 4 − 0.2842𝑧 3 − 0.1711𝑧 2 − 0.1978𝑧 − 0.2065
𝑧
0.01647𝑧 3 − 0.002081𝑧 2 + 0.01409𝑧

𝑦(𝑡) =
𝑧 4 − 0.2842𝑧 3 − 0.1711𝑧 2 − 0.1978𝑧 − 0.2065
Para el modelo ARMAX
Función de trasferencia
(0.01328𝑧 −1 + 0.0006906𝑧 −2 − 0.01344𝑧 −3 ) + (1 − 0.7308𝑧 −1 − 0.9692𝑧 −2 + 0.7617𝑧 −3 )

𝒚(𝒕) =
1 − 0.9434𝑧 −1 − 0.9635𝑧 −2 + 0.9407𝑧 −3 − 0.0311𝑧 −4
0.01328 0.0006906 0.01344 0.7308 0.9692 0.7617

( + 2 − 3 ) + (1 − − + )
=
𝑧 𝑧 𝑧 𝑧 𝑧2 𝑧3
0.9434 0.9635 0.9407 0.0311
1− − + −
𝑧 𝑧2 𝑧3 𝑧4
(0.01328𝑧 2 + 0.0006906𝑧 − 0.01344) + (𝑧 3 − 0.7308𝑧 2 − 0.9692𝑧 + 0.7617)

= 𝑧3
(𝑧10 − 0.9434𝑧 9 − 0.9635𝑧 8 ) + (0.9407𝑧 7 − 0.0311𝑧 6 )
𝑧10
(0.01328𝑧 2 + 0.0006906𝑧 − 0.01344) + (𝑧 3 − 0.7308𝑧 2 − 0.9692𝑧 + 0.7617)

= 𝑧3
𝑧 4 − 0.9434𝑧 3 − 0.9635𝑧 2 + 0.9407𝑧 − 0.0311
𝑧4
(0.01328𝑧 2 + 0.0006906𝑧 − 0.01344) + (𝑧 3 − 0.7308𝑧 2 − 0.9692𝑧 + 0.7617)

= 1
𝑧 4 − 0.9434𝑧 3 − 0.9635𝑧 2 + 0.9407𝑧 − 0.0311
𝑧
(0.01328𝑧 3 + 0.0006906𝑧 2 − 0.01344𝑧) + (𝑧 4 − 0.7308𝑧 3 − 0.9692𝑧 2 + 0.7617𝑧)

=
𝑧 4 − 0.9434𝑧 3 − 0.9635𝑧 2 + 0.9407𝑧 − 0.0311
Para el modelo OE
0.0169𝑧 −1 − 0.01492𝑧 −2 + 0.00932𝑧 −3

𝑦(𝑡) =
1 − 1.289𝑧 −1 − 0.04477𝑧 −2 + 0.7035𝑧 −3 − 0.4031𝑧 −4
0.0169 0.01492 0.00932

𝑦(𝑡) = 𝑧 − 𝑧2 +
𝑧3
1.289 0.04477 0.7035 0.4031
1− 𝑧 − + −
𝑧2 𝑧3 𝑧4
0.0169𝑧 2 + 0.01492𝑧 + 0.00932

𝑦(𝑡) = 3 𝑧3
𝑧 − 1.289𝑧 2 − 0.04477𝑧 0.7035𝑧 4 − 0.4031𝑧 3
+
𝑧3 𝑧7
0.0169𝑧 2 + 0.01492𝑧 + 0.00932

𝑦(𝑡) = 10 𝑧3
𝑧 − 1.289𝑧 − 0.04477𝑧 8 + 0.7035𝑧 7 − 0.4031𝑧 6
9
𝑧10
0.0169𝑧 2 + 0.01492𝑧 + 0.00932

𝑦(𝑡) = 4 𝑧3
𝑧 − 1.289𝑧 − 0.04477𝑧 2 + 0.7035𝑧 − 0.4031
3
𝑧4
0.0169𝑧 2 + 0.01492𝑧 + 0.00932

𝑦(𝑡) = 4 1
𝑧 − 1.289𝑧 3 − 0.04477𝑧 2 + 0.7035𝑧 − 0.4031
𝑧
0.0169𝑧 3 + 0.01492𝑧 2 + 0.00932𝑧

𝑦(𝑡) =
𝑧 4 − 1.289𝑧 3 − 0.04477𝑧 2 + 0.7035𝑧 − 0.403
Para el modelo BJ
0.004959𝑧 −1 −0.004947𝑧 −2 1+0.1625𝑧 −1 −0.5631𝑧 −2 −03325𝑧 −3

𝑦(𝑡) = 1−2.796𝑧 −1 −3.522𝑧−2 −2.348𝑧−3 −0.6364𝑧−4 + 1+0.0705𝑧−1 −0.5968𝑧−2 −0.3625𝑧−3 −0.1132𝑧−4
0.004959 0.004947 0.1625 0.5631 03325

− 1+ − 2 − 3
𝑧 𝑧2 𝑧 𝑧 𝑧
𝑦(𝑡) = 2.796 3.522 2.348 0.6364 + 0.0705 0.5968 0.3625 0.1132
1− − 2 − 3 − 4 1+ − 2 − 3 − 4
𝑧 𝑧 𝑧 𝑧 𝑧 𝑧 𝑧 𝑧
0.004959𝑧2−0.004947𝑧 𝑧3 +0.1625𝑧2 −0.5631𝑧−03325

𝑧3 𝑧3
𝑦(𝑡) = 𝑧3 −2.796𝑧2−3.522𝑧 2.348𝑧4 −0.6364𝑧3
+ 𝑧3 +0.0705𝑧2−0.5968𝑧 0.3625𝑧4 −0.1132𝑧3
− −
𝑧3 𝑧7 𝑧3 𝑧7
0.004959𝑧2 −0.004947𝑧 𝑧3 +0.1625𝑧2 −0.5631𝑧−03325

𝑧3 𝑧3
𝑦(𝑡) = 𝑧10 −2.796𝑧9 −3.522𝑧8−2.348𝑧7 −0.6364𝑧6
+ 𝑧10 +0.0705𝑧9 −0.5968𝑧8−0.3625𝑧7 −0.1132𝑧6
𝑧10 𝑧10
0.004959𝑧2−0.004947𝑧 𝑧3 +0.1625𝑧2 −0.5631𝑧−03325

𝑧3 𝑧3
𝑦(𝑡) = 𝑧4 −2.796𝑧3−3.522𝑧2 −2.348𝑧−0.6364
+ 𝑧4 +0.0705𝑧3 −0.5968𝑧20.3625𝑧−0.1132
𝑧4 𝑧4
0.004959𝑧2−0.004947𝑧 𝑧3 +0.1625𝑧2 −0.5631𝑧−03325

1 1
𝑦(𝑡) = 𝑧4 −2.796𝑧3−3.522𝑧2 −2.348𝑧−0.6364
+ 𝑧4 +0.0705𝑧3 −0.5968𝑧20.3625𝑧−0.1132
𝑧 𝑧
0.004959𝑧 3 −0.004947𝑧 2 𝑧 4 +0.1625𝑧 3 −0.5631𝑧 2 −03325𝑧

𝑦(𝑡) = 𝑧 4 −2.796𝑧 3 −3.522𝑧 2 −2.348𝑧−0.6364 + 𝑧 4 +0.0705𝑧 3 −0.5968𝑧 2 0.3625𝑧−0.1132
Modelos para sistemas no lineales
La función de trasferencia para el sistema lineal está dada por
−2170𝑠 2 − 2.103𝑒05 𝑠 − 7.343𝑒04

𝑦(𝑡) =
𝑠 4 + 788.2𝑠 3 + 6.913𝑒04 𝑠 2 + 3.045𝑒06 𝑠 + 9.081𝑒05
Para el modelo ARX
0.0129𝑧 −1 − 0.006383𝑧 −2 − 0.004249𝑧 −3

𝑦(𝑡) =
1 − 0.4943𝑧 −1 − 0.2547𝑧 −2 − 0.183𝑧 −3 − 0.04769𝑧 −4
0.0129 0.006383 0.004249

𝑦(𝑡) = 𝑧 − 𝑧2
−
𝑧3
0.4943 0.2547 0.183 0.04769
1− − − 3 −
𝑧 𝑧2 𝑧 𝑧4
0.0129𝑧 2 − 0.006383𝑧 − 0.004249

𝑦(𝑡) = 10 𝑧3
𝑧 − 0.4943𝑧 − 0.2547𝑧 8 − 0.183𝑧 7 − 0.04769𝑧 6
9
𝑧10
0.0129𝑧 2 − 0.006383𝑧 − 0.004249

𝑦(𝑡) = 4 𝑧3
𝑧 − 0.4943𝑧 − 0.2547𝑧 2 − 0.183𝑧 − 0.04769
3
𝑧4
0.0129𝑧 2 − 0.006383𝑧 − 0.004249

𝑦(𝑡) = 4 1
𝑧 − 0.4943𝑧 3 − 0.2547𝑧 2 − 0.183𝑧 − 0.04769
𝑧
0.0129𝑧 3 − 0.006383𝑧 2 − 0.004249𝑧

𝑦(𝑡) =
𝑧 4 − 0.4943𝑧 3 − 0.2547𝑧 2 − 0.183𝑧 − 0.04769
Para el modelo ARMAX
Función de trasferencia
(0.009768𝑧 −1 − 0.01865𝑧 −2 − 0.00888𝑧 −3 ) + (1 − 2.842𝑧 −1 + 2.7𝑧 −2 − 0.8581𝑧 −3 )

𝑦(𝑡) =
1 − 2.903𝑧 −1 + 2.852𝑧 −2 − 0.9917𝑧 −3 + 0.04233𝑧 −4
0.009768 0.01865 0.00888 2.842 2.7 0.8581

( − − ) + (1 − + 2 − )
𝑦(𝑡) =
𝑧 𝑧2 𝑧3 𝑧 𝑧 𝑧3
2.903 2.852 0.9917 0.04233
1− + 2 − +
𝑧 𝑧 𝑧3 𝑧4
0.009768𝑧 2 − 0.01865𝑧 − 0.00888 𝑧 3 − 2.842𝑧 2 + 2.7𝑧 − 0.8581

( )+ ( )
𝑧3 𝑧3
𝑦(𝑡) = 10 9 8 7 6
𝑧 − 2.903𝑧 − 2.852𝑧 − 0.9917𝑧 + 0.04233𝑧
𝑧10
(0.009768𝑧 2 − 0.01865𝑧 − 0.00888) + (𝑧 3 − 2.842𝑧 2 + 2.7𝑧 − 0.8581)

𝑦(𝑡) = 𝑧3
𝑧 4 − 2.903𝑧 3 − 2.852𝑧 2 − 0.9917𝑧 + 0.04233
𝑧4
(0.009768𝑧 2 − 0.01865𝑧 − 0.00888) + (𝑧 3 − 2.842𝑧 2 + 2.7𝑧 − 0.8581)

𝑦(𝑡) = 1
𝑧 4 − 2.903𝑧 3 − 2.852𝑧 2 − 0.9917𝑧 + 0.04233
𝑧
(0.009768𝑧 3 − 0.01865𝑧 2 − 0.00888𝑧) + (𝑧 4 − 2.842𝑧 3 + 2.7𝑧 2 − 0.8581𝑧)

𝒚(𝒕) =
𝑧 4 − 2.903𝑧 3 − 2.852𝑧 2 − 0.9917𝑧 + 0.04233
Para el modelo OE
−0.03321𝑧−1 + 0.09558𝑧−2 − 0.06237𝑧−3

𝑦(𝑡) =
1 − 0.5204𝑧−1 − 1.148𝑧−2 + 0.08932𝑧−3 + 0.5789𝑧−4
0.03321 0.09558 0.06237

− + −
𝑧 𝑧2 𝑧3
𝑦(𝑡) = 0.5204 1.148 0.08932 0.5789
1− − 2 + 3 +
𝑧 𝑧 𝑧 𝑧4
−0.03321𝑧2 + 0.09558𝑧 − 0.06237

𝑧3
𝑦(𝑡) =
𝑧10 − 0.5204𝑧 − 1.148𝑧8 + 0.08932𝑧7 + 0.5789𝑧6
9
𝑧10
−0.03321𝑧2 + 0.09558𝑧 − 0.06237

𝑧3
𝑦(𝑡) =
𝑧 − 0.5204𝑧 − 1.148𝑧2 + 0.08932𝑧 + 0.5789
4 3
𝑧4
−0.03321𝑧2 + 0.09558𝑧 − 0.06237

1
𝑦(𝑡) =
𝑧4 − 0.5204𝑧3 − 1.148𝑧2 + 0.08932𝑧 + 0.5789
𝑧
−0.03321𝑧3 + 0.09558𝑧2 − 0.06237𝑧

𝑦(𝑡) =
𝑧4 − 0.5204𝑧3 − 1.148𝑧2 + 0.08932𝑧 + 0.5789
Para el modelo B
0.0143𝑧 −1 + 0.02228𝑧 −2 + 0.008238𝑧 −3 1 + 0.1267𝑧 −1 + 0.5425𝑧 −2 − 0.3496𝑧 −3

𝑦(𝑡) = −1 −2 −3 −4
+
1 − 1.732𝑧 − 0.037𝑧 + 1.332𝑧 − 0.5615𝑧 1 + 0.04575𝑧 −1 − 0.5606𝑧 −2 − 0.3768𝑧 −3 − 0.1084𝑧 −4
0.0143 0.02228 0.008238 0.1267 0.5425 0.3496

+ + 1+ + −
𝑦(𝑡) = 𝑧 𝑧2 𝑧3 + 𝑧 𝑧2 𝑧3
1.732 0.037 1.332 0.5615 0.04575 0.5606 0.3768 0.1084
1− − 2 + 3 − 1+ − − −
𝑧 𝑧 𝑧 𝑧4 𝑧 𝑧2 𝑧3 𝑧4
0.0143𝑧 2 + 0.02228𝑧 + 0.008238 𝑧 3 + 0.1267𝑧 2 + 0.5425𝑧 − 0.3496

𝑧 3 𝑧3
𝑦(𝑡) = 10 +
𝑧 − 1.732𝑧 9 − 0.037𝑧 8 + 1.332𝑧 7 − 0.5615𝑧 6 𝑧10 + 0.04575𝑧 9 − 0.5606𝑧 8 − 0.37681.332𝑧 7 − 0.1084𝑧 6
𝑧10 𝑧10
0.0143𝑧 2 + 0.02228𝑧 + 0.008238 𝑧 3 + 0.1267𝑧 2 + 0.5425𝑧 − 0.3496

𝑧 3 𝑧3
𝑦(𝑡) = 4 +
𝑧 − 1.732𝑧 3 − 0.037𝑧 2 + 1.332𝑧 − 0.5615 𝑧 4 + 0.04575𝑧 3 − 0.5606𝑧 2 − 0.3768𝑧 − 0.1084
𝑧4 𝑧4
0.0143𝑧 2 + 0.02228𝑧 + 0.008238 𝑧 3 + 0.1267𝑧 2 + 0.5425𝑧 − 0.3496

𝑦(𝑡) = 4 1 + 1
𝑧 − 1.732𝑧 3 − 0.037𝑧 2 + 1.332𝑧 − 0.5615 𝑧 4 + 0.04575𝑧 3 − 0.5606𝑧 2 − 0.3768𝑧 − 0.1084
𝑧 𝑧
3 2 4 3 2
0.0143𝑧 + 0.02228𝑧 + 0.008238𝑧 𝑧 + 0.1267𝑧 + 0.5425𝑧 − 0.3496𝑧
𝑦(𝑡) = +
𝑧4 − 1.732𝑧3 − 0.037𝑧2 + 1.332𝑧 − 0.5615 𝑧4 + 0.04575𝑧3 − 0.5606𝑧2 − 0.3768𝑧 − 0.1084
Link del video:

https://youtu.be/8aiT_Cb2gW8
Aporte: Alexis Mina

Función de transferencia para el sistema lineal:
𝟒𝟗𝟑𝟏𝑺 + 𝟑. 𝟏𝟏𝟒𝒆𝟎𝟒
𝑻𝑭 =
𝒔𝟑 + 𝟓𝟐𝟏. 𝟑𝒔𝟐 + 𝟑. 𝟐𝟖𝟕𝒆𝟎𝟒𝑺 + 𝟏. 𝟒𝟖𝟕𝒆𝟎𝟓
Función de transferencia para el sistema no lineal:
Señales de entrada
y salida
𝐵(𝑧)
𝑦(𝑡) = [ ]𝑢
𝐴(𝑧)
0.01385𝑧 −1 − 0.01368𝑧 −2
𝑦(𝑡) =
1 − 1.927𝑧 −1 + 0.939𝑧 −2 − 0.01094𝑧 −3
0.01385 0.01368
−
𝑦(𝑡) =
𝑧 𝑧2
1.927 0.939 0.01094
1− 𝑧 + 2 −
𝑧 𝑧3
0.01385𝑧 − 0.01368
𝑦(𝑡) = 3 𝑧2
2
𝑧 − 1.927𝑧 + 0.939𝑧 − 0.01094
𝑧3
0.01385𝑧 − 0.01368
𝑦(𝑡) = 3 1
2
𝑧 − 1.927𝑧 + 0.939𝑧 − 0.01094
𝑧
(0.01385𝑧 − 0.01368)𝑧
𝑦(𝑡) =
𝑧3 − 1.927𝑧 2 + 0.939𝑧 − 0.01094
se obtiene la función de transferencia para el modelo ARMAX

𝟎. 𝟎𝟏𝟑𝟖𝟓𝒛𝟐 − 𝟎. 𝟎𝟏𝟑𝟔𝟖𝒛
𝒚(𝒕) =
𝒛𝟑 − 𝟏. 𝟗𝟐𝟕𝒛𝟐 + 𝟎. 𝟗𝟑𝟗𝒛 − 𝟎. 𝟎𝟏𝟎𝟗𝟒
Modelo ARX:
Se realiza el procedimiento matemático con el fin de obtener Y(t) con exponentes
positivos:
𝐵(𝑧)
𝑦(𝑡) = [ ]𝑢
𝐴(𝑧)
0.01748𝑧 −1 + 0.007041𝑧 −2
𝑦(𝑡) =
1 − 0.3518𝑧 −1 − 0.2444𝑧 −2 − 0.2828𝑧 −3
0.01748 0.007041
+
𝑦(𝑡) =
𝑧 𝑧2
0.3518 0.2444 0.2828
1− 𝑧 − −
𝑧2 𝑧3
0.01748𝑧 + 0.007041
𝑦(𝑡) = 3 𝑧2
𝑧 − 0.3518𝑧 2 − 0.2444𝑧 − 0.2828
𝑧3
(0.01748𝑧 + 0.007041)𝑧
𝑦(𝑡) =
𝑧3 − 0.3518𝑧 2 − 0.2444𝑧 − 0.2828
Se realizan los primeros procedimientos matemáticos con el fin de tener Y(t) con
exponentes positivos
𝐵(𝑧)
𝑦(𝑡) = [ ]𝑢
𝐹 (𝑧)
0.02342𝑧 −1 − 0.02321𝑧 −2
𝑦(𝑡) =
1 − 1.073𝑧 −1 − 0.7311𝑧 −2 + 0.8051𝑧 −3
0.02342 0.02321
−
𝑦(𝑡) =
𝑧 𝑧2
1.073 0.7311 0.8051
1− 𝑧 − +
𝑧2 𝑧3
0.02342𝑧 − 0.02321
𝑦(𝑡) = 3 𝑧2
2
𝑧 − 1.073𝑧 − 0.7311𝑧 + 0.8051
𝑧3
0.02342𝑧 − 0.02321
𝑦(𝑡) = 3 1
2
𝑧 − 1.073𝑧 − 0.7311𝑧 + 0.8051
𝑧
(0.02342𝑧 − 0.02321)𝑧 Función de

𝑦(𝑡) = transferenci
𝑧 3 − 1.073𝑧 2 − 0.7311𝑧 + 0.8051
a para el
modelo OE.
Modelo BJ
Se realizan los procedimientos matemáticos con el fin de tener Y(t) con

exponentes positivos.
B(z)
( )
y t =[ ]u
F(z)
0.07095𝑧 −1 − 0.05595𝑧 −2
𝑦(𝑡) =
1 − 0.4604𝑧 −1 − 0.08713𝑧 −2 − 0.3885𝑧 −3
0.07095 0.05595
−
𝑦(𝑡) =
𝑧 𝑧2
0.4604 0.08713 0.3885
1− 𝑧 − −
𝑧2 𝑧3
0.07095𝑧 − 0.05595
𝑦(𝑡) = 3 𝑧2
2
𝑧 − 0.4604𝑧 − 0.08713𝑧 − 0.3885
𝑧3
0.07095𝑧 − 0.05595
𝑦(𝑡) = 3 1
𝑧 − 0.4604𝑧 2 − 0.08713𝑧 − 0.3885
𝑧
(0.07095𝑧 − 0.05595)𝑧
𝑦(𝑡) =
𝑧 3 − 0.4604𝑧 2 − 0.08713𝑧 − 0.3885
Sistema no lineal:
Modelo ARX:

𝐵(𝑧)
𝑦(𝑡) = [ ]𝑢
𝐴(𝑧)
0.01309𝑧 −1 − 0.01074𝑧 −2
𝑦(𝑡) =
1 − 0.5186𝑧 −1 − 0.2832𝑧 −2 − 0.177𝑧 −3
0.01309 0.01074
−
𝑦(𝑡) =
𝑧 𝑧2
0.5186 0.2832 0.177
1− 𝑧 − − 3
𝑧2 𝑧
0.01309𝑧 − 0.01074
𝑦(𝑡) = 3 𝑧2
2
𝑧 − 0.5186𝑧 − 0.2832𝑧 − 0.177
𝑧3
0.01309𝑧 − 0.01074
𝑦(𝑡) = 3 1
𝑧 − 0.5186𝑧 2 − 0.2832𝑧 − 0.177
𝑧
(0.01309𝑧 − 0.01074)𝑧
𝑦(𝑡) =
𝑧 3 − 0.5186𝑧 2 − 0.2832𝑧 − 0.177
señales medidas: amarilla: entrada y azul: salida

modelo ARMAX:

𝐵(𝑧)
𝑦(𝑡) = [ ]𝑢
𝐴(𝑧)
0.00629𝑧 −1 − 0.006274𝑧 −2
𝑦(𝑡) =
1 − 1.939𝑧 −1 + 0.9652𝑧 −2 − 0.02636𝑧 −3
0.00629 0.006274
−
𝑦(𝑡) =
𝑧 𝑧2
1.939 0.9652 0.02636
1− 𝑧 + −
𝑧2 𝑧3
0.00629𝑧 − 0.006274
𝑦(𝑡) = 3 𝑧2
2
𝑧 − 1.939𝑧 + 0.9652𝑧 − 0.02636
𝑧3
0.00629𝑧 − 0.006274
𝑦(𝑡) = 3 1
𝑧 − 1.939𝑧 2 + 0.9652𝑧 − 0.02636
𝑧
Función de
(0.00629𝑧 − 0.006274)𝑧 transferencia
𝑦(𝑡) = 3
𝑧 − 1.939𝑧 2 + 0.9652𝑧 − 0.02636 para el
modelo
ARMAX.
Modelo OE:

B(z)
y(t) = [ ]u
F(z)
−4.538𝑥10−5 𝑧 −1 + 9.977𝑥10−5 𝑧 −2
𝑦(𝑡) =
1 − 0.9733𝑧 −1 − 𝑧 −2 + 0.9735𝑧 −3
4.538𝑥10−5 9.977𝑥10−5
− +
𝑦(𝑡) =
𝑧 𝑧2
0.9733 1 0.9735
1− 𝑧 − 2+
𝑧 𝑧3
−4.538𝑥10−5 𝑧 + 9.977𝑥10−5
𝑦(𝑡) = 3 𝑧2
𝑧 − 0.9733𝑧 2 − 𝑧 + 0.9735
𝑧3
−4.538𝑥10−5 𝑧 + 9.977𝑥10−5
𝑦(𝑡) = 3 𝑧2
𝑧 − 0.9733𝑧 2 − 𝑧 + 0.9735
𝑧3
−4.538𝑥10−5 𝑧 + 9.977𝑥10−5
𝑦(𝑡) = 3 1
𝑧 − 0.9733𝑧 2 − 𝑧 + 0.9735
𝑧
(−4.538𝑥10−5 𝑧 + 9.977𝑥10−5 )𝑧
𝑦(𝑡) = Función de
𝑧 3 − 0.9733𝑧 2 − 𝑧 + 0.9735
transferenci
a para el
modelo OE.
Modelo BJ:
𝐵(𝑧)
𝑦(𝑡) = [ ]𝑢
𝐹 (𝑧)
0.01646𝑧 −1 − 0.0143𝑧 −2
𝑦(𝑡) =
1 − 0.9857𝑧 −1 − 0.7152𝑧 −2 + 0.7118𝑧 −3
0.01646 0.0143
−
𝑦(𝑡) =
𝑧 𝑧2
0.9857 0.7152 0.7118
1− 𝑧 − +
𝑧2 𝑧3
0.01646𝑧 − 0.0143
𝑦(𝑡) = 3 𝑧2
2
𝑧 − 0.9857𝑧 − 0.7152𝑧 + 0.7118
𝑧3
0.01646𝑧 − 0.0143
𝑦(𝑡) = 3 1
2
𝑧 − 0.9857𝑧 − 0.7152𝑧 + 0.7118
𝑧
(0.01646𝑧 − 0.0143)𝑧 Función de

𝑦(𝑡) =
𝑧 3 − 0.9857𝑧 2 − 0.7152𝑧 + 0.7118 transferencia
para el modelo
BJ.
Aporte: Edin Alexis Burgos

Modelo ARX
Porcentaje de acercamiento de 92.5%
Por lo tanto
0.02001𝑧 −1 0,02001𝑧 2
𝑦(𝑡) = =
1 − 0.4863𝑧 −1 − 0.4149𝑧 −2 1𝑧 3 − 0,4863𝑧 2 − 0,4149𝑧
Modelo ARMAX
Despejamos y(t)
La ecuación es la siguiente
𝐵(𝑧)𝑢(𝑡)
𝑦(𝑡) =
𝐴(𝑧)
Reemplazamos valores y obtenemos
0,0139𝑧 −1 0,0139𝑧
𝑦(𝑡) = =
1 − 0,8585𝑧 −1 − 0,07299𝑧 −2 1𝑧 2 − 0,8585𝑧 − 0,07299
Modelo OE
𝐵(𝑧)
𝑦(𝑡) =
𝐹(𝑧)
Reemplazamos valores y operamos
0,02295𝑧 −1 + 0,001145𝑧 −2 0,02295𝑧 + 0,001145
𝑦(𝑡) = =
1 − 0,2433𝑧 −1 − 0,6376𝑧 −2 1𝑧 2 − 0,2433𝑧 − 0,6376
Modelo BJ
La fórmula es la siguiente
𝐵(𝑧)
𝑦(𝑡) =
𝐹(𝑧)
Reemplazamos valores y operamos:
0,02262𝑧 −1 − 0,0007597𝑧 −2 0,2262𝑧 − 0,0007597
𝑦(𝑡) = =
1 − 0,3146𝑧 −1 − 0,5779𝑧 −2 1𝑧 2 − 0,3146𝑧 − 0,5779
Link del video:
https://youtu.be/9GlVZQU
Aporte: Hugo Nelson Tapue

CONCLUSIONES
Durante el estudio de identificación de sistemas y modelos en Matlab, hemos aprendido a

evaluar las características de sistemas lineales, donde se ha logrado interactuar con las
herramientas del software Matlab y Simulink, siendo identificado los modelos de mejor
respuesta al sistema en estudio.
Mediante estos datos experimentales se logra hallar y evaluar cada uno de los modelos,
además se maneja de una forma más profunda los sistemas de programación en Matlab y su
correspondiente graficación, gracias al entorno amigable de este software.
REFERENCIAS BIBLIOGRAFICAS
 La función escalón unitario. (s.f.). Recuperado el 4 de marzo de 2017, de

https://es.slideshare.net/Goky66/la-funcin-escaln-unitario.
 Sistemas dinámicos. (s.f.). Recuperado el 28 de marzo de 2017, de http://juanamaya-

academia.blogspot.com.co/p/sistemas-dinamicos.html.

E2 Grupo 203042 32

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

E2 Grupo 203042 32

Caricato da

Copyright:

Formati disponibili

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencias Básicas Tecnologías e Ingenierías-ECBTI

Unidad 3 - Etapa 3 - Identificar modelos de sistemas dinámicos mediante Matlab

Tutor(a): Adriana Del Pilar Noguera

Universidad Nacional Abierta y Distancia- UNAD

El análisis mediante un modelo matemático es una herramienta para que

BJ modelos autorregresivos 𝒌 Es el número de

LISTADOS DE CONCEPTOS CONOCIDOS

Identificación de sistemas dinámicos: Es la determinación, a partir del conocimiento de las

Identificación de modelos paramétricos: Este modelo requiere de elección de una posible

LISTADOS DE CONCEPTOS DESCONOCIDOS

RESULTADO DE LAS CONSULTAS REALIZADAS PARA DAR SOLUCIÓN A

A partir de las mediciones de entrada y salida del sistema realizadas cada

FUNCIÓN DE TRANSFERENCIA lineal

Por medio de la herramienta ident incorporada en MATLAB®, determine el orden del

0.01666 z^-1 + 0.003493 z^-2

0.02009 z^-1 + 0.002304 z^-2

0.02295 z^-1 + 0.001145 z^-2

0.02262 z^-1 - 0.0007597 z^-2

SEÑAL DE ENTRADA Vs SEÑAL DE SALIDA SISTEMA NO LINEAL

FUNCIÓN DE TRANSFERENCIA no lineal

0.01294 z^-1 - 0.01081 z^-2

0.0186 z^-1 - 0.01717 z^-2

0.1017 z^-1 - 0.1016 z^-2

0.0135 z^-1 - 0.003753 z^-2

LINK DEL VIDEO

Aporte: John Jairo Valencia Rojas

Modelos para sistemas lineales

Señal de entrada y salida para el sistema lineal

Para la función de transferencia usaremos 4 polos y 2 ceros

La función de trasferencia para el sistema lineal está dada por

5337𝑠 2 + 3.162𝑒04 𝑠 + 1.103𝑒04

Para el modelo ARX

0.01647𝑧 −1 − 0.002081𝑧 −2 + 0.01409𝑧 −3

cambiamos los signos de z

0.01647 0.002081 0.01409

0.01647𝑧 2 − 0.002081𝑧 + 0.01409

0.01647𝑧 2 − 0.002081𝑧 + 0.01409

0.01647𝑧 2 − 0.002081𝑧 + 0.01409

0.01647𝑧 3 − 0.002081𝑧 2 + 0.01409𝑧

Para el modelo ARMAX

(0.01328𝑧 −1 + 0.0006906𝑧 −2 − 0.01344𝑧 −3 ) + (1 − 0.7308𝑧 −1 − 0.9692𝑧 −2 + 0.7617𝑧 −3 )

0.01328 0.0006906 0.01344 0.7308 0.9692 0.7617

(0.01328𝑧 2 + 0.0006906𝑧 − 0.01344) + (𝑧 3 − 0.7308𝑧 2 − 0.9692𝑧 + 0.7617)

(0.01328𝑧 2 + 0.0006906𝑧 − 0.01344) + (𝑧 3 − 0.7308𝑧 2 − 0.9692𝑧 + 0.7617)

(0.01328𝑧 2 + 0.0006906𝑧 − 0.01344) + (𝑧 3 − 0.7308𝑧 2 − 0.9692𝑧 + 0.7617)

(0.01328𝑧 3 + 0.0006906𝑧 2 − 0.01344𝑧) + (𝑧 4 − 0.7308𝑧 3 − 0.9692𝑧 2 + 0.7617𝑧)

0.0169𝑧 −1 − 0.01492𝑧 −2 + 0.00932𝑧 −3

0.0169 0.01492 0.00932

0.0169𝑧 2 + 0.01492𝑧 + 0.00932

0.0169𝑧 2 + 0.01492𝑧 + 0.00932

0.0169𝑧 2 + 0.01492𝑧 + 0.00932

0.0169𝑧 2 + 0.01492𝑧 + 0.00932

0.0169𝑧 3 + 0.01492𝑧 2 + 0.00932𝑧

0.004959𝑧 −1 −0.004947𝑧 −2 1+0.1625𝑧 −1 −0.5631𝑧 −2 −03325𝑧 −3

0.004959 0.004947 0.1625 0.5631 03325

0.004959𝑧2−0.004947𝑧 𝑧3 +0.1625𝑧2 −0.5631𝑧−03325

0.004959𝑧2 −0.004947𝑧 𝑧3 +0.1625𝑧2 −0.5631𝑧−03325

0.004959𝑧2−0.004947𝑧 𝑧3 +0.1625𝑧2 −0.5631𝑧−03325

0.004959𝑧2−0.004947𝑧 𝑧3 +0.1625𝑧2 −0.5631𝑧−03325

0.004959𝑧 3 −0.004947𝑧 2 𝑧 4 +0.1625𝑧 3 −0.5631𝑧 2 −03325𝑧

Modelos para sistemas no lineales

La función de trasferencia para el sistema lineal está dada por