1

IDENTIFICACIN DE PROCESOS USANDO EL MTODO RECURSIVO DE MNIMOS CUADRADOS

Ismael Minchala vila A00808366 minchalai@ieee.org MAT09/ Ago-Dic 2010

Resumen El presente documento contiene el reporte terico y el anlisis de resultados de la implementacin del algoritmo de mnimos cuadrados recursivo para la identificacin de procesos modelados con una estructura autorregresiva con variable exgena (ARX). El proyecto se realiz como parte de los requisitos de aprobacin de la ctedra Identificacin de Procesos de la maestra en automatizacin del Tecnolgico de Monterrey. Palabras Clave Identificacin de Procesos, modelos, mnimos cuadrados.

A lo largo del presente documento se detallaran los pasos mencionados, a travs de simulaciones generadas en el SCILAB. Este documento est organizado como sigue: en la seccin 2 se presenta el detalle de la implementacin del algoritmo para la generacin de la seal PRBS en SCILAB. La generacin de los datos necesarios para la identificacin del proceso, a travs de la aplicacin de la seal PRBS al sistema se presenta en la seccin 3. La seccin 4 contiene la lgica utilizada para la estimacin del modelo utilizando SCILAB. En la seccin 5 se muestran los resultados de aplicar el algoritmo de identificacin modificando el factor de olvido, y seguidamente se exponen las conclusiones del trabajo.

I. INTRODUCCIN dentificar significa determinar el modelo de un sistema dinmico a partir de las mediciones de las entradas y salidas. La identificacin de un proceso, por tanto requiere del conocimiento de la seal de estmulo y la respuesta del sistema ante ese estmulo. Se recomienda elegir como seal de excitacin, una seal con un contenido rico en el espectro de frecuencias de forma que se permita cubrir todo el ancho de banda de la planta a ser identificada, siendo lo ideal aplicar una seal de ruido blanco. Sin embargo, al ser la seal de ruido blanco ideal, se propone en [1], generar una seal binaria pseudoaleatoria que se asemeja mucho en contenido frecuencial a una seal de ruido blanco. Tal seal, mencionada antes, se conoce como seal PRBS (Pseudo Randomic Binary Sequence), y ser la que finalmente se aplique al proceso a identificar. La identificacin de sistemas es un enfoque experimental para determinar el modelo dinmico de un sistema, en el que se involucran 4 pasos: Adquisicin de los datos de la entrada y salida, bajo un protocolo experimental. Seleccin de la estructura del modelo. Estimacin de los parmetros del modelo. Validacin del sistema identificado
Reporte sujeto a revisin el 07/10/2010.

II. GENERACIN DE LA SEAL PRBS Las secuencias binarias pseudoaleatorias son secuencias de pulsos rectangulares, modulados en ancho de pulso, que se aproximan a una seal discreta de ruido blanco y por tanto poseen amplia gama de frecuencias [1]. El nombre Pseudoaleatorio se debe al hecho de que la seal PRBS tiene una longitud definida dentro de la cual los pulsos poseen una variacin aleatoria, pero que sin embargo en un horizonte de tiempo grande, los pulsos de la seal PRBS son peridicos. La seal PRBS se genera a travs de registros de desplazamiento y operaciones XOR entre bits definidos del registro. En la figura 1, se ilustra la idea de generacin de una seal PRBS para un registro de 5 bits. Para generar la seal PRBS, se tom como referencia el diagrama de flujo que se presenta en la figura 2. Resulta sencillo notar analizando la figura 2, que la implementacin del algoritmo sigue de manera estricta lo que la figura 1 estipula, con la excepcin de que la salida de la seal PRBS no se toma del ltimo bit del registro de desplazamiento, sino ms bien del resultado de la operacin XOR. Cabe resaltar que el resultado es igual al caso de tomar la salida desde el ltimo bit de la salida, nada ms que el orden de la secuencia es distinta, sin embargo debido a la naturaleza aleatoria que se pretende

III. GENERACIN DE DATOS PARA LA IDENTIFICACIN Habamos mencionado en un principio que para la identificacin de un sistema se requiere conocer la seal que se aplica al proceso, que en nuestro caso ser la seal PRBS, y asimismo resulta primordial conocer la respuesta del proceso ante dicha seal. Para objetos de sta simulacin, se defini un sistema de segundo orden sin retraso variante en el tiempo, que tiene las siguientes funciones de transferencia pulso:
G1 p (z ) = 0.6806 z + 0.4834 0.6806 z 1 + 0.4834 z 2 = z 0.7859 z + 0.3679 1 0.7859 z 1 + 0.3679 z 2 0.2642 z + 0.1353 0.2642 z 1 + 0.1353z 2 G2 p ( z ) = 2 = (1) z 0.7358 z + 0.1353 1 0.7358 z 1 + 0.1353z 2 0.9986 z + 0.83 0.9986 z 1 + 0.83 z 2 = G3 p (z ) = 2 z + 0.2222 z + 0.6065 1 + 0.2222 z 1 + 0.6065 z 2
2

Fig. 1. Generacin de una seal PRBS con un registro de 5 bits.

brindar a la seal esto no tiene injerencia en el propsito ltimo que es aplicar esta seal al sistema para observar su respuesta y poder identificarlo.

Los modelos ARX de las funciones de transferencia elegidas, sern:

y1k = 0.7859 y k 1 0.3679 y k 2 + 0.6806u k 1 + 0.4834u k 2 y 2 k = 0.7358 y k 1 0.1353 y k 2 + 0.2642u k 1 + 0.1353u k 2 y3k = 0.2222 y k 1 0.6065 y k 2 + 0.9986u k 1 + 0.83u k 2
(2)

Ya que hemos definido el sistema con el que se trabajar, lo que queda por hacer es aplicar la seal PRBS generada en SCILAB a travs de la instruccin 'filter', de la siguiente manera:
y = filter(num,den,R)

Fig. 2. Diagrama de flujo para la implementacin de la seal PRBS en SCILAB.

en donde, num y den representan los coeficientes del sistema en z, y R contiene la seal PRBS. Una vez aplicada la seal se procede a guardar los datos en disco para que se puedan utilizar ms adelante en el proceso de identificacin. En la figura 4 se ilustra el diagrama de flujo del algoritmo implementado en esta etapa y en la figura 5 se muestra el resultado de aplicar la seal PRBS al sistema. Analizando en detalle la figura 5, es posible notar la variacin del comportamiento del sistema en funcin del tiempo, y esto se debe precisamente a que la definicin del sistema para sta prueba fue a travs de la declaracin de las funciones de transferencia presentadas en (1) para segmentos de tiempo definidos. En este caso particular, la respuesta del sistema est compuesta por 765 muestras, de las cuales la tercera parte corresponde a la respuesta de la planta G1p, la segunda tercera parte a la respuesta de la planta declarada con la funcin de transferencia pulso G2p, y el ltimo tercio de la respuesta ilustrada en la figura 5 corresponde a la planta G3p. El mtodo de identificacin de mnimos cuadrados, deber por tanto identificar todas las funciones de transferencia en los segmentos de tiempo correspondientes.

En la figura 3, se ilustra el resultado de generar la seal PRBS para el caso de un registro de tamao 6.

Fig. 3. Seal PRBS generada con el algoritmo implementado en SCILAB.

Fig. 4. Algoritmo implementado en SCILAB para generar los datos de respuesta del sistema ante una entrada PRBS.

Fig. 6. Diagrama de flujo del algoritmo de identificacin de procesos implementado en SCILAB.

para luego aplicar el mtodo de mnimos cuadrados por lotes que estima los coeficientes a's y b's que mejor se ajusten al modelo que buscamos. Seguidamente se aplica la recursividad conforme nueva informacin se encuentra disponible.

V. PRUEBAS DEL ALGORITMO

Fig. 5. Respuesta del sistema ante la seal PRBS.

IV. ESTIMACIN DEL MODELO UTILIZANDO EL MTODO RECURSIVO DE MNIMOS CUADRADOS El mtodo de estimacin por mnimos cuadrados es ampliamente utilizado, debido a su sencillez en la implementacin y su confiabilidad. Se trata de ajustar un modelo ideal de estructura autorregresiva con variable exgena (ARX) a los datos obtenidos en el funcionamiento real del sistema [2]. En la figura 6 se ilustra el diagrama de flujo del software implementado en el SCILAB. De la figura 6 se puede observar que las partes claves estn en formar las matrices N y YN,

Las comprobaciones de desempeo del algoritmo se realizaron variando el factor de olvido, , de manera que el software nos ofrezca como salida diferentes curvas de respuesta del estimador, y as analizar su convergencia a los valores reales de la planta variante en el tiempo. Se presentan, a continuacin 4 casos especficos de anlisis de desempeo del mtodo, para diferentes valores de , siendo stos: = 0.1, = 0.5 , = 0.8 y finalmente = 0.98. = 0.1 Estableciendo el factor de olvido en 0.1, la respuesta del estimador recursivo es la que se presenta en la figura 7. Claramente se puede notar del anlisis de la figura 7, que el estimador converge a los valores reales rpidamente, puesto que el factor de olvido tiene un valor pequeo y da alta

prioridad a los datos ms recientes. Resulta importante, sin embargo resaltar las variaciones bruscas sobreimpulsos que se generan en los cambios de planta.

= 0.8 Estableciendo el factor de olvido en 0.8, la respuesta del estimador recursivo es la que se presenta en la figura 9. Claramente se puede notar del anlisis de la figura 9, que el estimador converge a los valores reales ms lento que en los dos casos expuestos recientemente, puesto que el factor de olvido tiene un valor ms cercano a 1, y la prioridad que brinda a los datos ms recientes es menor.

Fig. 7. Respuesta del estimador recursivo. = 0.1.

= 0.5 Estableciendo el factor de olvido en 0.5, la respuesta del estimador recursivo es la que se presenta en la figura 8. Resulta sencillo notar, analizando la figura 8, que el estimador converge a los valores reales rpidamente, aunque menos rpido que en el caso anterior, puesto que el factor de olvido tiene un valor pequeo y da alta prioridad a los datos ms recientes.
Fig. 9. Respuesta del estimador recursivo. = 0.8.

Es posible notar, asimismo que el sobreimpulso que se presenta en la estimacin de los coeficientes dinmicos del sistema, es menor que en el caso en que = 0.1 y = 0.5, lo cual resulta conveniente sobre todo si nuestro objetivo es realizar control adaptativo, puesto que no provocara cambios bruscos en el comportamiento del sistema de control. = 0.98 Estableciendo el factor de olvido en 0.98, la respuesta del estimador recursivo es la que se presenta en la figura 10. Claramente se puede notar del anlisis de la figura 10, que el estimador converge a los valores reales ms lentamente que todos los casos analizados anteriormente, y esto se debe precisamente a que el factor de olvido casi brinda prioridad a todos los datos por igual, puesto que su valor es muy cercano a la unidad.

Fig. 8. Respuesta del estimador recursivo. = 0.5.

Es posible notar, asimismo que el sobreimpulso que se presenta en la estimacin de los coeficientes dinmicos del sistema, es menor que en el caso en que = 0.1, lo cual resulta conveniente sobre todo si nuestro objetivo es realizar control adaptativo, puesto que no provocara cambios bruscos en el comportamiento del sistema de control.

Fig. 10. Respuesta del estimador recursivo. = 0.98.

VI. CONCLUSIONES La implementacin de un mtodo de identificacin por lotes, implica adquirir datos del proceso/planta durante una prueba experimental y luego aplicar esta informacin a un software de identificacin. La desventaja de este mtodo de identificacin radica en su no-recursividad, sin embargo en este trabajo se solvent esa desventaja a travs de la implementacin del algoritmo de mnimos cuadrados recursivo, que ofrece una solucin de baja complejidad y alta confiabilidad cuando los datos han sido capturados en ausencia de ruido, y que adems podra adecuarse muy bien a aplicaciones de control adaptativo. Definir la estructura del modelo a identificar es un punto clave en el proceso de identificacin. En el caso de ste trabajo se conocan a priori el nmero de coeficientes a's y b's del modelo, por lo que el software fue capaz de identificar con una gran precisin los coeficientes. Modificar el valor del factor de olvido a valores cercanos a 0, permite que el algoritmo converja rpidamente a los valores reales de la planta, presentando sobreimpulsos importantes en su clculo. Por otro lado, utilizar valores del factor de olvido, , cercanos a la unidad hacen que el estimador converja ms lentamente a los valores reales del sistema, pero sin presentar sobreimpulsos grandes, o incluso sin presentarlos, como se ilustra en la figura 10. Utilizar software libre tiene la gran ventaja de liberarnos de las ataduras de licencias comerciales, por lo que podemos generar aplicaciones sin tener que remunerar a empresas por costos de ejecucin del software de aplicacin implementado.

VII. REFERENCIAS BIBLIOGRFICAS [1] Ioan D. Landau and Gianluca Zito. Digital Control Systems. Lab. dAutomatique de Grenoble. Springer, London 2006. [2] Antonio Favela C., Mtodo de Identificacin por Mnimos Cuadrados, ITESM Ctedra de Identificacin de Procesos.