Professional Documents
Culture Documents
AUTOMATICA II
(Primer parcial)
INDICE
ENUNCIADOS............................................................................................................................1
Problemas Tema 1....................................................................................................................1
Problemas Tema 2....................................................................................................................3
Problemas Tema 3....................................................................................................................6
Problemas Tema 4....................................................................................................................8
Problemas Tema 5....................................................................................................................9
SOLUCIONES...........................................................................................................................11
Problema 1.1............................................................................................................................11
Problema 1.2............................................................................................................................12
Problema 1.3............................................................................................................................13
Problema 1.4............................................................................................................................14
Problema 1.5............................................................................................................................16
Problema 2.1............................................................................................................................18
Problema 2.2............................................................................................................................19
Problema 2.3............................................................................................................................22
Problema 2.4............................................................................................................................24
Problema 2.5............................................................................................................................26
Problema 2.6............................................................................................................................27
Problema 3.1............................................................................................................................30
Problema 3.2............................................................................................................................35
Problema 3.3............................................................................................................................41
Problema 3.4............................................................................................................................44
Problema 3.5............................................................................................................................47
Problema 4.1............................................................................................................................49
Problema 4.2............................................................................................................................51
Problema 4.3............................................................................................................................53
Problema 4.4............................................................................................................................54
Problema 5.1............................................................................................................................57
Problema 5.2............................................................................................................................61
Problema 5.3............................................................................................................................64
Problema 5.4............................................................................................................................66
BIBLIOGRAFIA........................................................................................................................74
ENUNCIADOS
ENUNCIADOS PROBLEMAS
TEMA 1: Modelos de sistemas continuos
1.1 Una representacin en el espacio de estados de un sistema en la forma cannica controlable se obtiene
mediante las siguientes ecuaciones:
1 x1 0
x&1 0
x& = 0.4 1.3 x + 1u
2
2
x
y = [0.8 1] 1
x2
(1)
El mismo sistema se representa mediante la siguiente ecuacin en el espacio de estados, que est en forma
cannica observable:
(2)
a) Demostrar que la representacin en el espacio de estados obtenida mediante las ecuaciones (1) produce un
sistema que es de estado controlable pero no observable.
b) Demostrar que la representacin en el espacio de estados definida mediante las ecuaciones (2) produce un
sistema que no es de estado completamente controlable pero si observable.
c) Explicar qu provoca las diferencias evidentes en la controlabilidad y la observabilidad del mismo sistema.
1.2 Considere el sistema dado por
x&1 2 0 0 x1 0 1
x& = 0 2 0 x + 1 0 u1
u
2
2
x& 3 0 3 1 x3 0 1 2
x1
1 0 0
y=
x 2
0 1 0 x
3
Es el sistema de estado completamente controlable y completamente observable? Es el sistema de salida
completamente controlable?
1.3 Considrese el sistema definido mediante
1 x1 0
x&1 0
x& = 2 3 x + 2u
2
2
x
y = [1 0] 1
x2
Se desea ubicar los valores caractersticos del sistema en -3 y -5 usando un control mediante la realimentacin
del estado u=-Kx. Determinar la matriz de ganancias de realimentacin K necesaria y la seal de control u.
ENUNCIADOS
1
0 x1 0
x&1 0
x& = 0
0
1 x 2 + 0u
2
x& 3 6 11 6 x3 1
x1
y = [1 0 0] x 2
x3
Se quiere disear un observador de orden completo. Determine la matriz de ganancias del observador Ke usando:
a) El mtodo de sustitucin directa. b) La frmula de Ackermann. Supngase que los valores caractersticos
deseados de la matriz de ganancias del observador son
1 = 2 + j2 3
2 = 2 j2 3
3 = 5
1.5 Para el sistema definido en el problema 1.4 se supone que la variable de estado x1 es igual a y. En
consecuencia x1 es medible y no necesita observarse. Determinar la matriz de ganancias del observador Ke para
el observador de orden mnimo. Los valores caractersticos deseados son
1 = 2 + j2 3
2 = 2 j2 3
ENUNCIADOS
ENUNCIADOS PROBLEMAS
TEMA 2: Modelos de sistemas discretos
2.1 Considrese el sistema definido por
G( z ) =
z +1
z + 1.37 z + 0.4
2
Obtener la representacin en el espacio de estados para este sistema en las tres configuraciones siguientes:
a) Forma cannica controlable
b) Forma cannica observable
c) Forma cannica diagonal (Jordan)
2.2 Considrese el sistema con doble integrador
T 2 / 2
1 T
x k +1 =
x
+
u k
k
T
0 1
G( z) =
1
z + z + 0.16
2
Utilizando el enfoque de las ecuaciones polinomiales, disear un sistema de control para esta planta basado en el
diagrama de bloques siguiente
R(z )
K0
B( z )
A( z )
U (z )
( z)
F ( z)
Y (z )
( z)
F ( z)
Suponer que la ecuacin caracterstica deseada es H ( z ) = z 1.2 z + 0.52 y que el polinomio del
2
ENUNCIADOS
1
0
0
0
0
1 x k + 0u
x k +1 = 0
0.5 0.2 1.1
1
x1
y = [0 1 0] x 2
x3
Usando el enfoque de ecuaciones polinomiales, disear un sistema de control para esta planta cuya diagrama de
bloques sea
R(z )
U (z )
K0
B( z )
A( z )
Y (z )
( z)
( z)
considrese que
H ( z) = z 3
F ( z) = z 2
2.5 Para la planta del problema 2.4 supuestos los mismos H(z) y F(z) emplear el enfoque polinomial para disear
un sistema de control para la planta cuyo diagrama de bloques sea
R(z )
K0
B( z )
A( z )
U (z )
( z)
F ( z)
( z)
F ( z)
Y (z )
ENUNCIADOS
G( z) =
z + 0.5
z z + 0.01z + 0.12
3
El periodo de muestreo T es de un segundo. Supngase que en el presente problema es importante tener un error
de seguimiento cero a una entrada rampa unitaria. Se quiere disear el siguiente sistema de control para la planta
R(z )
B( z )
A( z )
U (z )
V (z )
Gm H1 ( z )
( z)
F ( z)
( z)
F ( z)
Se considera que
Gm ( z ) =
0.64z 0.512
0.64z 0.512
= 3
( z 1.2 z + 0.52)( z 0.6) z 1.8z 2 + 1.24z 0.312
2
Se pide:
a) Obtener los polinomios (z) y (z).
b) Obtener las expresiones de Y(z)/V(z) e Y(z)/R(z).
Y (z )
ENUNCIADOS
ENUNCIADOS PROBLEMAS
TEMA 3: Modelos de perturbaciones
3.1 Calcular la funcin de covarianza estacionaria del proceso
0
0.4
x k +1 =
x k + v k
0.6 0.2
donde v es un proceso de ruido blanco con media cero y varianza
1 0
R1 =
0 2
3.2 Considrese el proceso
a 0
x k +1 =
x k + v k
0 b
y k = [1 1] x k
donde v es un proceso de ruido blanco con media cero y matriz de covarianza
12 0
R1 =
2
0 2
Demostrar que yk puede ser expresado en la forma
y (k ) =
q+c
e( k )
(q + a)(q + b)
donde e(k) es ruido blanco con media cero y varianza unidad. Encontrar la relacin a partir de la cual es posible
determinar y c.
3.3 Un proceso estocstico y(k) esta descrito por
x k +1 = ax k + v k
y k = x k + ek
donde v y e son procesos de ruido blanco de distribucin normal con las propiedades
E[v] = E[e] = 0
Var[v] = 1
Var[e] = r2
r si k = j
E[v(k )e( j )] = 12
0 si k j
Demostrar que y(k) puede ser expresada como la salida del siguiente filtro lineal:
y (k ) =
ENUNCIADOS
qc
(k )
qa
| c |< 1
donde (k) es ruido blanco con media cero y varianza unidad. Determinar y c.
3.4 Determinar la funcin de covarianza ry() y el espectro y() del proceso y(k)
ENUNCIADOS
ENUNCIADOS PROBLEMAS
TEMA 4: Estimacin ptima
4.1 Se genera un proceso estocstico mediante
x k +1 = 0.5 x k + v k
y k = x k + ek
donde v y e son procesos de ruido blanco no correlacionados con covarianzas r1 y r2, respectivamente. Adems
x(0) tiene una distribucin normal con media cero y desviacin estndar . Cual es la ganancia en estado
estacionario?. Calclese el polo del filtro estacionario y comprese con el polo del sistema.
4.2 El integrador doble con ruido de proceso puede describirse mediante las ecuaciones:
0
0 .5
1 1
x k +1 =
x k + u k +
1
0 1
v k
y k = [0 1]x k
donde v(k) es una secuencia de variables aleatorias normales de media nula e independientes. Supngase que
x(0) es normal de media nula y matriz de covarianza unidad. Determinar las ecuaciones de la matriz de
covarianza del error de estimacin y el vector de ganancias del filtro de Kalman.
y k = [0 1]x k + ek
Determinar la covarianza del error de estimacin y la ganancia del filtro de Kalman si la varianza de e(k), seal
de media nula, es 2.
0
0 .5
1 1
x k +1 =
x k + u k +
1
0 1
v k
y k = [0 1]x k
donde v(k) es ruido blanco de media nula y desviacin estndar 0.1. Supngase que se conoce x(0)
perfectamente. Determinar la estimacin de x(k+3), dado y(k) que minimiza el error de prediccin.
ENUNCIADOS
ENUNCIADOS PROBLEMAS
TEMA 5: Identificacin de sistemas
5.1 Considrese el sistema:
y (t ) + a y (t 1) = bu (t 1)
a) Obtener por mnimos cuadrados las estimas de los parmetros de este modelo.
b) Cuando t Qu parmetro coincide con el del sistema real y cul no? Por qu?.
c) Se puede conseguir que las estimas de los dos parmetros (a y b) no estn polarizadas? Como?
y (k ) + a y (k 1) = u (k ) + e(k )
donde u es la variable de control (supngase que es ruido blanco de varianza 2), y es la salida y {e(k)} es una
secuencia de variables aleatorias gaussianas independientes de varianza 2. Considrese un controlador
autosintonizante basado en el modelo:
y (k ) + y (k 1) = u (k 1) + e(k )
a) Obtener la estima de mnimos cuadrados de basada en los datos disponibles hasta el instante k (es decir,
y(k), y(k-1),..., y(1), u(k-1),..., u(1))
b) Estudiar si a cuando k.
Nota: El trmino e(k) en este modelo est indicando que no existe ruido correlacionado en el modelo. Luego a la
hora de realizar los clculos no hay que tener en cuenta este trmino.
y (t ) + a y (t 1) = bu (t 1) + e(t )
con una ley de control dada por
u (t ) = K y (t )
Es posible identificar los parmetros de este modelo en lazo cerrado? Justifique razonadamente la respuesta.
ENUNCIADOS
y (k ) + a y (k 1) + b y (k 2) = u (k ) + e(k )
donde u es la variable de control, y es la salida y {e(k)} es una secuencia de variables aleatorias gaussianas
independientes de varianza 2. Considrese un modelo de la forma:
y (k ) + 1 y (k 1) + 2 y (k 2) = u (k 1) + e(k )
a) Discutir qu tipo de seales de entrada se debe aplicar para realizar la identificacin.
b) Obtener por mnimos cuadrados las estimas de los parmetros de este modelo.
c) Estudiar si 1a y 1b cuando k.
Nota: El trmino e(k) en este modelo est indicando que no existe ruido correlacionado en el modelo. Luego a la
hora de realizar los clculos no hay que tener en cuenta este trmino.
10
SOLUCIONES
SOLUCIONES PROBLEMAS
TEMA 1: Modelos de sistemas continuos
1
1 0 0
0 0
=
M c = [B | AB ] = |
1 0.4 1.3 1 1 1.3
El rango de Mc es 2 ya que |Mc|=-1, luego el sistema es de estado completamente controlable.
Por otra parte, la matriz de observabilidad es:
M o = C T | AT C T = |
=
1 1 1.3 1 1 0.5
=
M c = [B | AB ] = |
1 1 1.3 1 1 0.5
El rango de Mc es 1 ya que |Mc|=0, luego el sistema no es de estado completamente controlable.
Por otra parte, la matriz de observabilidad es:
1
1 0 0
0 0
M o = C T | AT C T = |
=
1 0.4 1.3 1 1 1.3
1 0
s
G ( s ) = C ( sI A) B = [0.8 1]
=
0.4 s + 1.3 1
s + 1.3 1 0
s + 0.8
1
= 2
=
[0.8 1]
s + 1.3s + 0.4
0.4 s 1 ( s + 0.8)( s + 0.5)
1
11
SOLUCIONES
0 1 0 2 0 4
M c = B | AB | A B = 1 0 2 0 4 0
0 1 3 1 9 1
El rango de Mc es 3 ya que
0 1 0
1 0 2 = 3
0 1 3
Luego el sistema es de estado completamente controlable.
Por otra parte, la matriz de observabilidad es:
( ) C
M o = C | A C | A
T
2 T
1 0 2 0 4 0
= 0 1 0 2 0 4
0 0 0 0 0 0
0 1 0 2 0 4 0 0
M cy = CB | C AB | C A 2 B | D =
1 0 2 0 4 0 0 0
El rango de Mcy es 2, luego el sistema es de salida completamente controlable.
12
SOLUCIONES
1 0 0 2
0 0
=
M c = [B | AB ] = |
2 2 3 2 2 6
El rango de Mc es 2, ya que |Mc|=-4, luego el sistema es de estado completamente controlable. Por
tanto es posible la ubicacin arbitraria de polos.
Para sistema de ordenes pequeos (n 3) una forma sencilla de calcular K es igualando la ecuacin
caracterstica en lazo cerrado sI ( A BK ) ,
s
sI ( A BK ) =
2 + 2K1
= s 2 + (3 + 2k 2 )s + ( 2 + 2k1 )
s + 3 + 2K 2
( s + 3)( s + 5) = s 2 + 8s + 15
Por tanto,
3 + 2k 2 = 8
2 + 2k1 = 15
Resolviendo las ecuaciones anteriores se obtienen los elementos del vector de ganancias K
K = [ k1
k 2 ] = [6.5 2.5]
x
u = K x = [6.5 2.5] 1
x2
13
SOLUCIONES
( ) C
M o = C | A C | A
T
2 T
1 0 0
= 0 1 0
0 0 1
sI A + K e C = ( s + 1 )( s + 2 )( s + 3 ) = ( s + 2 j2 3 )( s + 2 + j2 3 )( s + 5) = s 3 + 9s 2 + 36s + 80
1
0 k e1
s + k e1
s 0 0 0
0 s 0 0
0
1 + k e 2 [0 0 1] = k e 2
0 0 s 6 11 6 k e3
6 + k e3
1
s
11
0
1 =
s+6
k e1 + 6 = 9
6k e1 + k e 2 + 11 = 36
11k e1 + 6k e 2 + k e3 + 6 = 80
Resolviendo el sistema se obtiene
14
SOLUCIONES
k e1 3
K e = k e 2 = 7
k e3 1
a) Determinacin de Ke mediante la frmula de Ackerman
La frmula de Ackerman para la obtencin de Ke es:
K e = en M o1 ( AT )
Para aplicar esta frmula hay que calcular en primer lugar la inversa de la matriz de observabilidad:
1
o
1 0 0
= 0 1 0
0 0 1
1 0 0
= 0 1 0
0 0 1
c ( s ) = ( s + 1 )( s + 2 )( s + 3 ) = ( s + 2 j2 3 )( s + 2 + j2 3 )( s + 5) = s 3 + 9s 2 + 36s + 80
( A) :
( A) = A3 + 9 A2 + 36 A + 80I
Y evalundola en AT:
6
= 11
6
74
= 25
25 90 9 54 225 0 36 216 0 0 80
18 42
41 95
7
1
15
SOLUCIONES
T
3
1 0 0 74 18 42
K e = [0 0 1] 0 1 0 25 41 95 = 7
0
0
1
3
7
1
x1
x a
x = x 2 =
x x
3 b
|
1
0
0
Aab
|
Aaa
=
A =
0
|
0
1
Abb
|
Aba
|
11 6
6
0
Ba
B = =
0
Bb
1
Luego se tiene:
x
xb = 2
x3
x a = x1
Aaa = 0
Aab = [1 0]
0
Aba =
6
1
0
Abb =
11 6
0
Ba = 0 Bb =
1
Para que sea posible la determinacin de la matriz de ganancias del observador Ke y poder disear el
observador de orden mnimo, la condicin de observabilidad que se debe cumplir es que:
A
1 0
O min = ab =
Aab Abb 0 1
sea de rango n-1=3-1=2. Efectivamente esto es as.
La ecuacin caracterstica deseada para el observador de orden mnimo es:
( Abb ) es:
16
(1.1)
SOLUCIONES
2
( Abb ) = Abb
1
1
0
0
1 0 89 14
+ 100
+ 20 Abb + 100I =
+ 20
11 6
11 6
0 1 154 5
K e = ( Abb ) M
min 1
o
T
n 1
89 14 1 0 0 14
=
=
154 5 0 1 1 5
17
SOLUCIONES
SOLUCIONES PROBLEMAS
TEMA 2: Modelos de sistemas discretos
G( z ) =
z +1
z + 1.3z + 0.4
G( z ) =
b0 z + b1
z + a1 z + a2
Se obtiene:
b0 = 1, b1 = 1, a1 = 1.3, a2 = 0.4
a) Forma cannica controlable
1
1
0
0
0
0
xk + uk =
xk + u k
xk +1 =
1
0.4 1.3
1
a2 a1
y k = [b1 b0 ] xk = [1 1] xk
b) Forma cannica observable
1
0
g
xk +1 =
x k + 1 uk
a2 a1
g2
y k = [1 0] xk
Los elementos g1 y g2 provienen del desarrollo en serie de Laurent en el origen de G(z).
G ( z ) = g k z k = g 0 + g1 z 1 + g 2 z 2 + ...
1
(2.2)
k =0
En el caso de sistemas discretos este desarrollo se obtiene dividiendo de forma directa el numerador
y el denominador de la funcin de transferencia G(z-1), que en este caso es:
G ( z 1 ) =
z 1 + z 2
1 + 1.3 z 1 + 0.4z 2
18
SOLUCIONES
Dividiendo
z 1 +
1 + 1.3z 1 + 0.4z 2
z 2
z 1 1.3 z 2 0.4 z 3
0.3z 2 0.4 z 3
+ 0.3z 2 + 0.39 z 3 + 0.12z 4
0.01z 3 + 0.12z 4
z 1 0.3 z 2 +....
:
:
Se obtiene g1=1 y g2=-0.3, luego
1
1
0
xk +
xk +1 =
uk
0.3
0.4 1.3
y k = [1 0] xk
c) Forma cannica de Jordan
0
1
x k +1 = 1
x
+
k
1u k
0 2
y k = [ c1 c2 ] xk
Los coeficientes ci y los autovalores i i=1,2 se obtienen desarrollando en fracciones simples la
funcin de transferencia G(z):
G( z ) =
c
c
z +1
5/3
2/3
=
+
= 1 + 2
z + 1.3z + 0.4 z + 0.5 z + 0.8 z 1 z 2
2
Luego
0
1
0.5
x k + uk
x k +1 =
0.8
1
0
y k = [5 / 3 2 / 3] xk
T 2 / 2
G=
1 T
F=
0 1
19
SOLUCIONES
K = [ k1
k2 ]
T2
zI ( F GK ) = z 1 + 2 k1
T k1
T2
2
2
T + k 2 = z 2 2 T k T k z + 1 + T k T k = 0
1
2
1
2
2
2
2
z 1 + T k 2
z2 = 0
Igualando los coeficientes de ambas ecuaciones caractersticas se obtienen las siguientes
ecuaciones:
T2
k1 T k 2 = 0
2
T2
1 + k1 T k 2 = 0
2
2
Resolviendo se obtiene:
k1 =
1
3
; k2 =
2
T
2T
Luego:
1
K= 2
T
3
2T
x1 (0) a
x (0 ) = b
2
La ecuacin con la realimentacin del estado es:
x(( k + 1)T ) = (F GK ) x( k T )
sustituyendo valores se obtiene
20
SOLUCIONES
1
x
k
T
((
1
)
)
+
2
1
x (( k + 1)T ) = 1
2
T
T
4 x1 ( k T )
1
x2 ( k T )
2
Se observa que
1
x1 (T ) 2
x (T ) = 1
2
T
T
1
(
0
)
x
4 1
= 2
1
1
x2 (0 )
2
T
1
x1 ( 2T ) 2
x ( 2T ) = 1
2
T
T
T
1
a + b
a
4
4
= 2
1 b 1
1
a b
T
2
2
T 1
T
a + b 0
4 2
4
=
1 1
1
a b 0
2 T
2
1
u( k T ) = K x( k T ) = 2
T
3
x( K T )
2T
Por lo tanto:
1
u( 0 ) = 2
T
1
u(T ) = 2
T
a 3b
3 a
= 2
2T b
T
2T
T
1
3 2 a + 4 b a
b
= 2+
1
1
2T a b T
2T
T
2
u(0 ) =
1
3
2
T
2T
u(T ) =
1
1
+
2
T
2T
u(0) = 115
21
SOLUCIONES
u(0) = 2.5
u(0) = 0.16
Se observa que para un valor pequeo del periodo de muestreo se hacen grandes u(0) y u(T). Al
aumentar el valor del periodo de muestreo T se reducen de forma significativa las magnitudes de u(0)
y de u(T).
A( z ) = z 2 + z + 0.16
B( z ) = 1
Por lo tanto a1=1, a2=0.16, b0=0, b1=0, b2=1. Para determinar (z) y (z), se debe resolver la siguiente
ecuacin Diofntica:
( z ) A( z ) + ( z )B( z ) = F ( z )H ( z ) = D( z )
Se tiene que
( z ) = 0 z + 1
( z ) = 0 z + 1
Para resolver la ecuacin Diofntica hay que resolver el sistema de ecuaciones:
EM = D
Donde E es la matriz de Sylvester E, que en este caso toma la forma
22
a 2
a
1
E=
1
b2
a2
a1
b1
b0
SOLUCIONES
0 0.16
0
b2 1
0.16
=
b1 1
1
b0 0
1
1 0
0 1
0 0
0 0
d 3 0
d 0.52
D = 2 =
d1 1.2
d 0 1
Luego el sistema a resolver es:
0
0.16
1
0.16
1
1
1
0
1 0 1 0
0 1 0 0.52
=
0 0 1 1. 2
0 0 0 1
( z ) = z 2.2
( z ) = 2.56z + 0.352
La funcin de transferencia en lazo cerrado es:
Y ( z ) K 0 B ( z )
1
=
= K0 2
R( z )
H ( z)
z 1.2z + 0.52
Para determinar la constante K0 se requiere que y() en la respuesta al escaln unitario sea igual a
uno.
z 1
z 1
K0
K
z 1
z
2
= 0 =1
z z 1.2 z + 0.52 z 1 0.32
Luego
K0 = 8
23
SOLUCIONES
Y ( z)
8
= 2
R( z ) z 1.2z + 0.52
0 0
z 1
1
G p ( z ) = C(zI F ) G = [0 1 0] 0
z
1 0
D( z ) = F ( z )H ( z ) = z 3 z 2 = z 5
Por lo tanto:
d 0 = 1, d1 = 0, d 2 = 0, d 3 = 0, d 4 = 0, d 5 = 0
Para determinar (z) y (z), se debe resolver la siguiente ecuacin Diofntica:
( z ) A( z ) + ( z )B( z ) = F ( z )H ( z ) = D( z )
Donde
24
SOLUCIONES
( z ) = 0 z 2 + 1 z + 2
( z ) = 0 z 2 + 1 z + 2
Para resolver la ecuacin Diofntica hay que resolver el sistema de ecuaciones:
EM = D
Donde E es la matriz de Sylvester E, que en este caso toma la forma
a3
a
2
a
E= 1
1
0
0
a3
a2
a1
1
0
0
0
a3
a2
a1
1
b3
b2
b1
b0
0
0
0
b3
b2
b1
b0
0
0 0.5
0
0
0
0.2
0.5
0
b3 1.1 0.2
0.5
=
b2 1
1.1 0.2
b1 0
1.1
1
b0 0
0
1
d 5 0
d 0
4
d 0
D = 3 =
d 2 0
d1 0
d 0 1
Luego el sistema a resolver es:
0
0
0.5
0.2
0.5
0
1.1 0.2
0.5
1.1 0.2
1
0
1
1.1
0
1
0
0
1
0
0
0
0
0
0
1
0
0
0
0 2 0
0 1 0
0 0 0
=
1 2 0
0 1 0
0 0 1
( z ) = z 2 + 1.1z
( z ) = 1.01z 2 0.72 z 0.55
25
0
1
0
0
0
0
0
0
1
0
0
0
0
0
1
0
SOLUCIONES
K 0 ( z )B( z )
K ( z ) ( z ) K 0 ( z 2 + 1.1 z )z K 0 ( z + 1.1)
Y ( z)
=
= 0
=
=
R( z ) ( z ) A( z ) + ( z )B( z )
H ( z )F ( z )
z5
z3
Para determinar la constante K0 se requiere que y() en la respuesta al escaln unitario sea igual a
uno.
z 1
z 1
z 1 K 0 ( z + 1.1) z
= 2.1K 0 = 1
z
z3
z 1
Luego
K 0 = 0.4762
Entonces la funcin de transferencia en lazo cerrado es:
Y ( z ) 0.4762( z + 1.1)
=
R( z )
z3
G p ( z) =
z
B( z )
=
z 1.1 z + 0.2 z + 0.5 A( z )
3
( z ) = z 2 + 1.1z
( z ) = 1.01z 2 0.72 z 0.55
26
SOLUCIONES
Y ( z ) K 0 B ( z )
z K
=
= K 0 3 = 20
R( z )
H ( z)
z
z
Para determinar la ganancia K0 se requiere que y() en la respuesta al escaln unitario sea igual a
uno.
z 1
z 1
z 1 K0 z
= K0 = 1
z z2 z 1
Luego
K0 = 1
Entonces la funcin de transferencia en lazo cerrado es:
Y ( z) 1
=
R( z ) z 2
B ( z ) = z + 0.5
A( z ) = z 3 z 2 + 0.01z + 0.12
Por lo tanto a1=-1, a2=0.01, a3=0.12 b0=0, b1=0, b2=1, b3=0.5. Por otra parte, se observa que no
existen factores comunes entre A(z) y B(z). En este problema se puede seleccionar H1(z) como
H 1 ( z ) = z 2 1.2 z + 0.52
con el objetivo de cancelar una parte del denominador del modelo Gm(z). Conviene resaltar que esta
eleccin de H1(z) no es nica, de hecho existe una infinidad de elecciones posibles. El nico requisito
necesario es que H1(z) debe ser un polinomio estable de grado n-1 (en este problema n=3).
Por otra parte se define
27
SOLUCIONES
F ( z) = z 2
Al igual que ocurra con H1(z), esta eleccin de F(z) no es nica, de hecho existe una infinidad de
elecciones posibles. El nico requisito necesario es que F(z) debe ser un polinomio estable de grado
n-1 (en este problema n=3).
Luego D(z) es:
( z ) A( z ) + ( z )B( z ) = D( z )
Donde (z) y (z) son polinomios en z de segundo orden:
( z ) = 0 z 2 + 1 z + 0
( z ) = 0 z 2 + 1 z + 0
Para resolver la ecuacin Diofntica hay que resolver el sistema de ecuaciones:
EM = D
Donde E es la matriz de Sylvester E, que en este caso toma la forma
a3
a
2
a
E= 1
1
0
0
a3
a2
a1
1
0
0
0
a3
a2
a1
1
b3
b2
b1
b0
0
0
0
b3
b2
b1
b0
0
0 0.12
0
0
0.5 0
0
0 0.01 0.12
0
1 0.5 0
b3 1 0.01 0.12 0
1 0.5
=
b2 1
1 0.01 0
0
1
b1 0
1
1
0
0
0
b0 0
0
1
0
0
0
28
SOLUCIONES
d 5 0
d 0
4
d 3 0.26
D= =
d 2 0.08
d1 0.7
d 0 1
Luego el sistema a resolver es:
0
0
0.5 0
0 2 0
0.12
0.01 0.12
0
1 0.5 0 1 0
1 0.01 0.12 0
1 0.5 0 0.26
1
1
0
.
01
0
0
1
2 0.08
0
1
0
0
0 1 0.7
1
0
1
0
0
0 0 1
0
Resolvindolo se obtiene: 2=-0.1, 1=0.3, 0=1, 2=0.024, 1=-0.118, 0=0.31
Luego
( z ) = z 2 + 0.3z 0.1
( z ) = 0.31z 2 0.118 z + 0.024
b) La funcin de transferencia Y(z)/V(z) es:
Y ( z)
F ( z )B( z )
1
1
=
=
= 2
V ( z ) F ( z )B ( z )H 1 ( z ) H 1 ( z ) z 1.2 z + 0.52
Puesto que:
V ( z)
(0.64 z 0.512 )( z 2 1.2 z + 0.52 ) 0.64z 0.512
= G m H 1 ( z ) =
=
R( z )
( z 2 1.2 z + 0.52 )( z 0.6)
z 0.6
Se tiene que la funcin de transferencia Y(z)/R(z) es
Y ( z ) Y ( z )V ( z )
1
0.64z 0.512
=
= 2
= Gm
R( z ) V ( z )R( z ) z 1.2 z + 0.52
z 0.6
29
SOLUCIONES
SOLUCIONES PROBLEMAS
TEMA 3: Modelos de perturbaciones
0
0.4
F=
0.6 0.2
En primer lugar se va a calcular la incertidumbre en el estado P(k) que de acuerdo con el Teorema
3.1 viene dada por la ecuacin:
P (k + 1) = FP(k )F T + R1
Por simplificar la escritura se va a utilizar la siguiente notacin:
p (k )
P (k ) = 11
p 21 (k )
p12 (k ) e(k )
=
p 22 (k ) g (k )
f (k )
h(k )
Luego
e(k + 1)
g (k + 1)
f (k + 1) 0.4
0 e( k )
=
f (k ) 0.4 0.6 1 0
+
0.2 0 2
h(k ) 0
Operando se obtiene:
e(k + 1)
g (k + 1)
f (k + 1)
0.16e(k ) + 1
0.24e(k ) + 0.08 f (k )
Por lo tanto para obtener las expresiones de e(k), f(k), g(k) y h(k) hay que resolver cuatro ecuaciones
en diferencias.
Se va a resolver en primer lugar la ecuacin en diferencias:
e(k + 1) = 0.16e(k ) + 1
Tomando la transformada Z se obtiene:
E ( z )z e(0)z = 0.16E ( z ) +
30
z
z 1
SOLUCIONES
Despejando E(z)
E( z) =
e(0)z
z
+
( z 0.16) ( z 1)( z 0.16)
1
0.16
0.84
e(0)z
E( z) =
+
+ 0.84
( z 0.16) z 0.16 z 1
1
1
k
e(k ) = e(0)0.16 k
0.16 +
0.84
0.84
k = 1, 2, 3, ...
1
1
k
e(k 0 ) = e0 = e(0)0.16 k0
0.16 0 +
0.84
0.84
Despejando el valor de e(0)
1 1
k
e(0) = e0 0.16 k0 +
0.16 0
0.84 0.84
Con lo que:
1
1
k k
e(k ) = e0 0.16 k k0
0.16 0 +
0.84
0.84
k = 1, 2, 3, ...
En el estacionario k0 entonces
e( k ) =
1
= 1.1905
0.84
Si se compara esta expresin con la expresin de E(z) se observa que e(k) en el estacionario
coincide con el coeficiente de la fraccin 1/(z-1).
Se va a resolver en segundo lugar la ecuacin en diferencias:
f (k + 1) = 0.24e(k ) + 0.08 f (k )
31
SOLUCIONES
Tomando la transformada Z
F ( z) =
f (0)z 0.24E ( z )
z 0.08 z 0.08
3
1 z
2
f (0)z
+
+
+
z 0.08 ( z 0.08)( z 0.16) ( z 0.08)( z 0.16) ( z 0.08)( z 1)
1 = 0.24e(0)
F ( z) =
0.16
0.84
0.24
3 =
0.84
2 = 0.24
ca d cb + d
c z + d
= ba + ba
( z a)( z b)
( z a)
( z b)
entonces descomponiendo en fracciones simples a F(z) se obtiene
F ( z) =
1
2 1
f (0)z
+
0.08 + 0.08 0.92 + 0.92
z 0.08 ( z 0.08) ( z 0.16) ( z 0.08) ( z 0.16) ( z 0.08) ( z 1)
2
0.08
0.08 k 1 +
2
0.08
0.16 k 1
3
0.92
0.08 k 1 +
3
0.92
2
0.08
0.08 k k0 1 +
En el estacionario k0 entonces
f (k ) =
3
0.92
0.24
= 0.3106
0.840.92
32
2
0.08
0.16 k k0 1
3
0.92
0.08 k k0 1 +
3
0.92
SOLUCIONES
Si se compara esta expresin con la expresin de F(z) se observa que f(k) en el estacionario coincide
con el coeficiente de la fraccin 1/(z-1).
Por analoga la ecuacin en diferencias
g (k + 1) = 0.24e(k ) + 0.08 g (k )
tiene la siguiente solucin en el estacionario:
g (k ) =
0.24
= 0.3106
0.840.92
2z
z 1
H ( z) =
h(0)z
0.36E ( z ) 0.12G ( z ) 0.12F ( z )
2z
+
+
z 0.04 z 0.04
z 0.04
z 0.04 ( z 1)( z 0.04)
Sustituyendo las expresiones de E(z), F(z) y G(z) obtenidas con anterioridad se obtiene:
1
0.16
0.84
h(0)z
0.36 e(0)z
H ( z) =
+ 0.84
+
+
z 0.04 z 0.04 ( z 0.16) z 0.16 z 1
3
3
2
2
2 1
1
0.24
f (0)z
+
0.08 + 0.08 0.92 + 0.92
z 0.04 z 0.08 ( z 0.08) ( z 0.16) ( z 0.08) ( z 0.16) ( z 0.08) ( z 1)
2z
( z 1)( z 0.04)
Aunque se podra proceder como en los casos anteriores es ms sencillo usar la propiedad
observada con anterioridad: La solucin de h(k) en el estacionario ser el coeficiente de la fraccin
1/(z-1). Luego basta con quedarnos con los siguientes trminos de la expresin anterior
33
SOLUCIONES
0.36
0.24 3
2z
0.84
0.92
+
( z 0.04)( z 1) ( z 0.04)( z 1) ( z 1)( z 0.04)
Descomponiendo en fracciones simples y quedndose nicamente con los trminos 1/(z-1) se
obtiene
0.24 3
2
0.36
0.840.96 0.920.96 + 0.96
( z 1)
( z 1)
( z 1)
Luego
h( k ) =
0.24 3
0.36
2
1 0.36 0.24 3
+
=
+ 2 =
1 0.36
0.24 2
=
+
+ 2 = 2.6074
1.1905 0.3106
P(k ) =
0.3106 2.6074
Por otra parte, de acuerdo con el Teorema 3.1, la funcin de covarianza estacionaria del proceso rx()
viene dada por la ecuacin:
rx ( ) = F P(k ) 0
Operando se obtiene que
0
0.4
0
0.4
=
F =
0.6 0.2
b( ) 0.2
donde
1
b( ) =
0
.
6
0.4 j 0.2 j
j =0
34
=0
>0
SOLUCIONES
1.19050.4
rx ( ) =
1.1905b( ) 0.31060.2
0.31060.4
0
0.3106b( ) + 2.60740.2
a 0
F=
0 b
C = [1 1]
En primer lugar se va a calcular la incertidumbre en el estado P(k) que de acuerdo con el Teorema
3.1 viene dada por la ecuacin:
P (k + 1) = FP (k )F T + R1
P(0) = R0
p (k )
P (k ) = 11
p 21 (k )
p12 (k ) e(k )
=
p 22 (k ) g (k )
f (k )
h(k )
Luego
e(k + 1)
g (k + 1)
f (k + 1) a 0 e(k )
=
h(k + 1) 0 b g (k )
f (k ) a 0 12
+
h(k ) 0 b 0
22
Operando se obtiene:
e(k + 1)
g (k + 1)
f (k + 1) a 2 e(k ) + 12
=
h(k + 1) ab g (k )
ab f (k )
b h(k ) + 22
2
Luego para obtener las expresiones de e(k), f(k), g(k) y h(k) hay que resolver cuatro ecuaciones en
diferencias.
Se va a resolver en primer lugar la ecuacin en diferencias:
e(k + 1) = a 2 e(k ) + 12
Tomando la transformada Z
35
SOLUCIONES
E ( z )z e(0)z = a 2 E ( z ) + 12
z
z 1
E( z) =
e(0)z
z
+ 12
2
(z 1)( z a 2 )
(z a )
a2
1
2
e(0)z
2 1 a
1 a2
+
+
E( z) =
1
2
z 1
(z a2 )
z a
e(k ) = e(0)a
2 k
12
2
1 a
2k 12
a +
2
1 a
k = 1, 2, 3, ...
2
e(k 0 ) = e0 = e(0)a 2k0 1 2
1 a
2k0 12
a +
2
1 a
2
e(0) = e0 a 2k0 + 1 2
1 a
12
2
1 a
2 k 0
a
Con lo que:
e(k ) = e0 a
2( k k 0 )
12
2
1 a
2( k k0 ) 12
a
+
2
1 a
e( k ) =
12
1 a2
36
k = 1, 2, 3, ...
SOLUCIONES
h(k + 1) = b 2 h(k ) + 22
tiene como solucin en el estacionario a:
h( k ) =
22
1 b2
f (k + 1) = ab f (k )
tiene como solucin
f (k ) = (ab )
k k0
g (k + 1) = abg (k )
tiene como solucin en el estacionario a g ( k ) = 0
Luego en el estacionario
12
2
P (k ) = 1 a
0
22
1 b 2
Por otra parte, de acuerdo con el Teorema 3.1 la funcin de covarianza del estado viene dada por:
rxx (k + , k ) = F P(k ),
1 0
a 0 2 a 2
=
F 0 =
F
,
0 b, F =
0 1
0 3 a 3
, F =
b2
0
Luego en el estacionario
37
( a )
0
=
F
,...,
b3
0
( b )
SOLUCIONES
(1) a 12
2
rx ( ) = 1 a
2
(1) b 2
1 b 2
0
(1) a 12
2
ry ( ) = C rx ( )C T = [1 1] 1 a
1 (1) a 12 (1) b 22
+
=
(1) b 22 1
1 a2
1 b2
1 b 2
0
Para considerar adems la posibilidad de que pueda ser negativo, la expresin anterior se debe
escribir en la forma:
(1) a 12 (1) b 22
+
ry ( ) =
1 a2
1 b2
o equivalentemente
ry ( ) = (1) a c1 + (1) b c 2
donde
c1 =
12
c2 =
1 a2
22
1 b2
y ( ) =
1
2
r ( k )e
k =
ik
y ( ) =
1
2
i
ik
ik
+
+
=
+
+
r
(
0
)
r
(
k
)
e
r
(
k
)
e
r
(
0
)
r
(
)
e
ry (k )e ik
y
y
y
y
2 y
=1
k =
k =1
k =1
Se van a calcular por separado cada uno de los trminos. Para =0 se tiene
ry (0) = c1 + c 2
38
SOLUCIONES
k =1
k =1
+ c 2 (1) k (be i )
k =1
Considerando de forma independiente los trminos pares de los impares es posible expresar la
ecuacin anterior en la forma:
S1 = c1 ae i
2k
k =1
+ c 2 (be i ) c1 (ae i )
2k
k =1
c 2 (be i )
2 k 1
k =1
2 k 1
k =1
S1 = c1 (a 2 e i 2 ) + c2 (b 2 e i 2 ) c1 a 1 e i (a 2 e i 2 ) c2 b 1 e i (b 2 e i 2 )
k
k =1
k =1
k =1
k =1
S1 = ( c1 c1 a 1 e i ) (a 2 e i 2 ) + (c2 c2 b 1 e i ) (b 2 e i 2 )
k
k =1
k =1
Se tienen series de progresiones geomtricas que poseen una expresin analtica para su suma, con
lo que
S1 = (c1 c1 a 1 e i )
a 2 e i 2
b 2 e i 2
1 i
(
c
c
e
)
+
2
2
1 a 2 e i 2
1 b 2 e i 2
a 2 c1 c1 ae i b 2 c 2 c 2 be i
S1 =
+
e i 2 a 2
e i 2 b 2
Para <0 se tiene
=1
=1
S 2 = ry ( )e i = (1) a c1 + (1) b c 2 e i
siguiendo un procedimiento de clculo similar al descrito con anterioridad se puede demostrar que:
a 2 c1 c1 ae i b 2 c 2 c 2 be i
S2 =
+
e i 2 a 2
e i 2 b 2
Luego la funcin de densidad espectral de la salida es:
a 2 c1 c1 ae i b 2 c 2 c 2 be i a 2 c1 c1 ae i b 2 c 2 c 2 be i
1
y ( ) =
+
+
+
c1 + c 2 +
2
e i 2 a 2
e i 2 b 2
e i 2 a 2
e i 2 b 2
39
SOLUCIONES
O equivalentemente
F ( z) =
1
2
a 2 c1 c1 a z 1 b 2 c 2 c 2 b z 1 a 2 c1 c1 az b 2 c 2 c 2 bz
c
c
+
+
+
+
+
1
2
z 2 a 2
z 2 b 2
z2 a2
z 2 b2
F ( z) =
1
2
a (a z 1 ) a ( a z )
b(b z 1 ) b(b z )
1
c
+
+
+
+ 2
1
2 1 +
2
2
2
2
2
2
2
z
a
z
a
z
b
z
b
F ( z) =
1
2
a (a z 1 )
a(a z )
b(b z 1 )
b(b z )
+
+
+
+
+
c
1
c
1
1
2
1
1
1
1
( z b)( z + b) ( z b)( z + b)
( z a )( z + a ) ( z a )( z + a )
simplificando,
F ( z) =
F ( z) =
1
2
1
a
a
b
b
+ c 2 1 1
c1 1 1
+
2 ( z + a ) ( z + a )
(
z
b
)
+
(
z
b
)
( z 1 + a )( z + a ) a( z + a ) a( z 1 + a )
( z 1 + b)( z + b) b( z + b) b( z 1 + b)
+
c
1
2
( z 1 + a )( z + a )
( z 1 + b)( z + b)
F ( z) =
1
2
c1 (1 a 2 )
c 2 (1 b 2 )
+
1
1
( z + a )( z + a ) ( z + b)( z + b)
1 c1 (1 a 2 )( z 1 + b)( z + b) + c 2 (1 b 2 )( z 1 + a )( z + a )
F ( z) =
2
( z 1 + a )( z + a )( z 1 + b)( z + b)
Se sabe del enunciado que la expresin del filtro H(z) que teniendo como entrada ruido blanco
genera la salida y cuya densidad espectral es F(z), es:
H ( z) =
z+c
( z + a)( z + b)
40
SOLUCIONES
2 F ( z ) = H ( z )H ( z 1 )
y sustituyendo el valor de H(z) se tiene:
2 F ( z ) =
2 ( z + c )(z 1 + c )
( z + a)( z + b)( z 1 + a )( z 1 + b)
Comparando esta expresin con la funcin de densidad espectral obtenida con anterioridad se
obtiene la ecuacin
rx ( ) =
r1 a
1 a2
ry ( ) = rx ( ) + E[v k + 1 e k ] + re ( )
que de acuerdo con los datos del enunciado es equivalente a
41
SOLUCIONES
+ r2
2
1 a
a
+ r12
ry ( ) =
1 a2
a
1 a2
si
=0
si
=1
si
>1
y ( ) =
1
2
r ( k )e
k =
ik
1 2
ik
i
i
r
(
k
)
e
r
(
1
)
e
r
(
0
)
r
(
1
)
e
ry (k )e ik =
+
+
+
y
y
y
y
2 k =
k =2
1
i
ik
i
i
=
ry ( )e + ry (1)e + ry (0) + ry (1)e ry (k )e =
2 = 2
k =2
1
a
a
i 1
a
i a
ik
i
e
r
e
r
r
e
e
=
+
+
+
+
+
+
+
12
2
12
2
2
2
2
2
1 a
1 a
1 a
2 = 2 1 a
k =2 1 a
k
1
i
=
+ 2 e i + 1 + 2 e i + b ae i
b ae
2 = 2
k =2
y ( ) =
donde
1
1 a2
1
+ r2
1 =
1 a2
a
+ r12
2 =
1 a2
b=
Puesto que se trata de series de progresiones geomtricas, entonces existe una expresin analitica
para su suma:
2
2
1
ae i
ae i
i
i
y ( ) =
+ 2 e + 1 + 2 e b
b
2 1 ae i
1 ae i
42
F ( z) =
SOLUCIONES
ba 2
1 ba 2
1
z
z
+
+
+
2
1
2
( z a )z
2 ( z 1 a )z 1
Si se define
3 = ba 2
entonces:
F ( z) =
3
3
1
+
+ 2 ( z + z 1 ) + 1
1
1
2 ( z a )z
( z a )z
F ( z) =
1 3 z( z a) + 3 z 1 ( z 1 a ) + 2 ( z + z 1 )( z 1 a )( z a ) + 1 ( z 1 a )( z a)
2
( z 1 a)( z a)
Se sabe del enunciado que la expresin del filtro H(z) que teniendo como entrada ruido blanco
genera la salida y cuya densidad espectral es F(z), es:
H ( z) =
zc
za
2 F ( z ) = H ( z )H ( z 1 )
y sustituyendo el valor de H(z) se tiene:
2 F ( z ) =
2 ( z c )(z 1 c )
( z a)( z 1 a)
Comparando esta expresin con la expresin de F(z) calculada con anterioridad se obtiene la
siguiente ecuacin:
2 (1 + c 2 ) 2 c(z 1 + z ) = [ 3 a 3 ]( z 2 + z 2 ) + [a 3 + 2 (1 + a) a 1 ]( z + z 1 ) + [2a 2 + 1 (1 + a 2 )]
43
SOLUCIONES
Igualando los coeficientes asociados a las mismas potencias se obtiene el siguiente par de
ecuaciones:
2 (1 + c 2 ) = 1 (1 + a 2 ) 2a 2
2 c = a 3 2 (1 + a) + a 1
Que se pueden expresar equivalentemente en la forma:
2 (1 + c 2 ) = p1
2 c = p 2
donde
p1 = 1 (1 + a 2 ) 2a 2
p 2 = a 3 2 (1 + a) + a 1
Resolviendo este par de ecuaciones se obtiene como soluciones:
c=
p1
p12
1
2 p 2
4 p 22
p2
c
De estas cuatro soluciones solamente seran vlidas aquellas que fuesen reales y cumplan que |c|<1.
Y ( z ) 0.7z 1 Y ( z ) = E ( z ) 0.5z 1 E ( z )
con lo que
H ( z) =
Y ( z ) z 0.5
=
E ( z ) z 0.7
En segundo lugar hay que determinar la expresin temporal de este filtro, es decir h(k), para ello hay
que aplicar la transformada Z inversa a la expresin H(z), con lo que se obtiene:
1
h( k ) =
k 1
0.2 0.7
44
si k = 0
si k = 1, 2, 3,...
SOLUCIONES
Por otra en el dominio temporal la relacin entre la entrada y la salida viene dada por la expresin:
y (k ) = h(n)e(k n)
n =0
m y (k ) = E [ y (k )] = E h(n)e(k n) =
n =0
n =0
n =0
ry ( ) = E y (k + ) y T (k ) =
T
= E h(n)[e(k + n)] h(l )[e(k l )] =
l =0
n =0
= h(n)re ( + l n)h T (l )
n =0 l =0
n =0
n =0
n =0
ry ( ) = h(n)re ( + 0 n)h T (0) + h(n)re ( + 1 n)h T (1) + h(n)re ( + 2 n)h T (2) + ...
Puesto que la entrada de la entrada es ruido blanco su funcin de covarianza es no nula nicamente
cuando se evala en 0, y en dicho caso de acuerdo el enunciado vale 1, por ello dentro de cada
sumatorio solamente existe un trmino no nulo:
ry ( ) = h( + k )h T (k )
k =0
45
SOLUCIONES
ry ( ) = h( + k )h(k )
k =0
Si =0, entonces
k =0
k =1
k =1
0 .7 2
0.2 2
55
1
=
+
=
2
2
51
1 0.7
1 0.7
Si >0, entonces
ry ( ) = h( ) + h( + k )h (k ) = 0.2 0.7
T
k =1
k =1
= 0.2 0.7
0.7 2
=
1 0.7 2
0.2
0.2 0.7
0.2 2
130
+
=
+
0.7 =
0.7
2
2
357
1 0.7
0.7 1 0.7
2
55
ry ( ) = 51
130
0.7
357
=0
0
La funcin de densidad espectral se puede calcular mediante la expresin dada por el teorema 3.3
y ( ) = H (e i )u ( )H T (e i )
Sustituyendo valores se obtiene:
(
(
)(
)(
1 e i 0.5 e i 0.5
y ( ) = i
2 e 0.7 e i 0.7
o equivalentemente
46
)
)
F ( z) =
SOLUCIONES
(
(
1 ( z 0.5) z 1 0.5
2 ( z 0.7 ) z 1 0.7
)
)
H ( z) =
Y ( z ) B( z )
z 2 + 0.2 z
=
= 2
E ( z ) A( z ) z 1.5 z 1 + 0.7
Si se supone que:
B( z ) = b0 z 2 + b1 z + b2
A( z ) = a 0 z 2 + a1 z + a 2
entonces b0=1, b1=0.2, b2=0, a0=1, a1=-1.5 y a2=0.7.
De acuerdo con el Teorema 3.5 la densidad espectral de la seal y esta dada por
( ) =
1 B( z )B( z 1 )
2 A( z ) A( z 1 )
Tambin se sigue de dicho Teorema 3.5 que la varianza de la seal y est dada por la integral
compleja
[ ]
Ey
B ( z )B ( z 1 ) dz
1
1
= ( )d = ( )e i d (e i ) =
i
2 i A( z ) A( z 1 ) z
Puesto que el orden del denominador es 2, se puede demostrar que en dicho caso la varianza viene
dada por la expresin:
[ ]
E y2 =
B0 a 0 e1 B1 a 0 a1 + B2 (a12 a 2 e1 )
a 0 [(a 02 a 22 )e1 (a 0 a1 a1 a 2 )a 1 ]
donde
47
SOLUCIONES
[ ]
E y2 =
2.368 37
=
= 12.3333...
0.192 3
48
SOLUCIONES
SOLUCIONES PROBLEMAS
TEMA 4: Estimacin ptima
x k +1 = x k + u k + v k
y k = C x k + ek
se obtiene que para el proceso del problema =0.5, =0 y C=1.
La ganancia de Kalman en el estado estacionario es:
K e = PC T R2 + C PC T
donde
P = [ P PC T ( R2 + C PC T ) 1 C P ] T + R1
En este caso se trata de un sistema escalar luego:
Ke =
PC
r2 + C 2 P
2 r2 P
P 2 C 2
P = 2 P
+
r
=
+ r1
1
(r2 + C 2 P)
r2 + C 2 P
Expresando la ecuacin de la covarianza del error de estimacin como una ecuacin de segundo
orden:
Pr2 + C 2 P 2 = 2 r2 P + r1 r2 + r1 C 2 P
C 2 P 2 + (r2 2 r2 r1 C 2 ) P r1 r2 = 0
C 2 P 2 + [(1 2 )r2 r1 C 2 ]P r1 r2 = 0
y sustituyendo valores se obtiene:
P 2 + [0.75r2 r1 ]P r1 r2 = 0
49
SOLUCIONES
P=
Por otra se pide calcular el polo del filtro estacionario y compararlo con el del sistema. De forma
general, el sistema real viene dado por:
x k +1 = x k + u k + v k
Por su parte el estimador del sistema implementado por el filtro de Kalman viene dado por la
ecuacin:
x (k + 1 | k + 1) = x (k + 1 | k ) + K ke+1 [ y k +1 C x (k + 1 | k )]
donde:
x (k + 1 | k ) = x (k | k ) + u k
Sustituyendo x ( k + 1 | k ) en la expresin de x ( k + 1 | k + 1)
x (k + 1 | k + 1) = x (k | k ) + u k + K ke+1 [ y k +1 C x (k | k ) C u k ]
y reordenando trminos se obtiene:
x (k + 1 | k + 1) = [1 K e C ] x (k | k ) + [1 K e C ]u k + K ke+1 y k +1
Para este problema, el sistema real es:
x k +1 = 0.5x k + v k
50
SOLUCIONES
x (k + 1 | k + 1) = [1 K e ]0.5 x (k | k ) + K e y k +1
cuyo polo es
z = [1 K e ]0.5
Es decir el polo del estimador en el estado estacionario modifica el polo del sistema real con un factor
[1 K e ] .
x k +1 = x k + u k + wk
y k = C x k + ek
donde
wk = v k
se obtiene que
1 1
0.5
0
=
= =
0 1
1
1
C = [0 1]
Por otra parte la varianza de wk es:
0 0
0
T
T
T
R1 = E[ wk wk ] = E[v k v k T ] = E[v k v k ] T = r1 T = r1 [0 1] =
1
0 r1
Por otra parte como ek es 0 para este sistema, entonces R2=0;
Las ecuaciones de la matriz de covarianza del error de estimacin y del vector de ganancias del filtro
de Kalman son:
P (k + 1 | k ) = P(k | k ) T + R1
51
SOLUCIONES
P (k + 1 | k + 1) = P (k + 1 | k ) K ke+1 C P(k + 1 | k )
Sustituyendo valores se obtiene:
1 1
1 0 0 0
P (k + 1 | k ) =
P(k | k )
+
0 1
1 1 0 r1
e
k +1
0
0
= P(k + 1 | k ) [0 1]P(k + 1 | k )
1
1
p12 (k )
p 22 (k )
p (k )
P (k | k ) = 11
p 21 (k )
p (k + 1)
P (k + 1 | k + 1) = 11
p 21 (k + 1)
p12 (k + 1)
p 22 (k + 1)
p (k ) + p 21 (k ) + p12 (k ) + p 22 (k ) p12 (k ) + p 22 (k )
P (k + 1 | k ) = 11
p 21 (k ) + p 22 (k )
p 22 (k ) + r1
e
k +1
p (k) + p 22 (k)
= 12
1
p 22 (k) + r1
(p12 (k ) + p 22 (k )) (p 21 (k ) + p 22 (k ))
(p 22 (k ) + r1 )
p12 (k + 1) = p 21 (k + 1) = p 22 (k + 1) = 0
52
SOLUCIONES
1 1
1 0 0 0
P(k | k )
P (k + 1 | k ) =
+
0 1
1 1 0 r1
e
k +1
0
0
= P(k + 1 | k ) 2 + [0 1]P(k + 1 | k )
1
1
p (k ) + p 21 (k ) + p12 (k ) + p 22 (k ) p12 (k ) + p 22 (k )
P (k + 1 | k ) = 11
p 21 (k ) + p22(k )
p 22 (k ) + r1
e
k +1
p (k) + p 22 (k)
= 12
2
p 22 (k) + r1 +
p 22 (k) + r1
p 22 (k) + r1 + 2
(p12 (k ) + p 22 (k )) (p 21 (k ) + p 22 (k ))
(p 22 (k ) + r1 + 2 )
p12 (k + 1) = p12 (k ) + p 22 (k )
(p12 (k ) + p 22 (k )) (p 22 (k ) + r1 )
(p 22 (k ) + r1 + 2 )
p 21 (k + 1) = p 21 (k ) + p 22 (k )
(p 21 (k ) + p 22 (k )) (p 22 (k ) + r1 )
(p 22 (k ) + r1 + 2 )
p 22 (k + 1) = p 22 (k ) + r1
(p 22 (k ) + r1 ) 2
(p 22 (k ) + r1 + 2 )
53
SOLUCIONES
0 0
P (0 | 0) =
0 0
De acuerdo con las ecuaciones del filtro de Kalman:
0 0
P (1 | 0) = P(0 | 0) Y + R1 = R1 =
0 r1
0
0
K = P(1 | 0) [0 1]P(1 | 0)
1
1
e
1
0
=
1
0 0
P (1 | 1) = P(1 | 0) K 1e [0 1]P(1 | 0) =
0 0
Con lo que se deduce que en cualquier instante k se tendr:
0 0
P (k | k ) =
0 0
0
K ke+1 = K e =
1
Por otra parte el estimador del sistema implementado por el filtro de Kalman viene dado por la
ecuacin:
x (k + 1 | k + 1) = x (k + 1 | k ) + K ke+1 [ y k +1 C x (k + 1 | k )]
donde:
x (k + 1 | k ) = x (k | k ) + u k
Sustituyendo x ( k + 1 | k ) en la expresin de x ( k + 1 | k + 1) :
x (k + 1 | k + 1) = x (k | k ) + u k + K ke+1 [ y k +1 C x (k | k ) C u k ]
54
SOLUCIONES
x (k + 1 | k + 1) = A x (k | k ) + Bu k + K ke+1 y k +1
donde
A = [ I K ke+1 C ]
B = [ I K ke+1 C ]
Para este sistema la ganancia de Kalman es constante, luego
x (k + 1 | k + 1) = A x (k | k ) + Bu k + K e y k +1
En el instante k+2 el estimador es:
x (k + 2 | k + 2) = A x (k + 1 | k + 1) + Bu k +1 + K e y k + 2
Sustituyendo en la ecuacin anterior la expresin del estimador en k+1 y operando se obtiene:
x (k + 2 | k + 2) = A 2 x (k | k ) + ABu k + AK e y k +1 + Bu k +1 + K e y k + 2
En el instante k+3 el estimador es:
x (k + 3 | k + 3) = Ax (k + 2 | k + 2) + Bu k + 2 + K e y k +3
Sustituyendo en la ecuacin anterior la expresin del estimador en k+2 y operando se obtiene:
x (k + 3 | k + 3) = A 3 x (k | k ) + A 2 Bu k + A 2 K e y k +1 + ABu k +1 + AK e y k + 2 + Bu k + 2 + K e y k + 3
Reordenando trminos se obtiene:
x (k + 3 | k + 3) = A 3 x (k | k ) + [ A 2 Bu k + ABu k +1 + Bu k + 2 ] + [ A 2 K e y k +1 + AK e y k + 2 + K e y k +3 ]
Por tanto se ha conseguido expresar el estimador en el instante k+3 en funcin de: el estimador en el
instante k, las seales de control en los instantes k, k+1 y k+2, y las salidas medidas en los instantes
k+1, k+2 y k+3.
55
SOLUCIONES
Para el sistema del problema las matrices A y B toman los siguientes valores:
0.5
1 1
A=
B=
0
0 0
Adems se puede comprobar que
An = A
n = 1, 2, 3,...
que
AB = B
y que
1
AK e = = D
0
Luego el estimador en el instante k+3 para este sistema toma la expresin:
x (k + 3 | k + 3) = A x (k | k ) + [ Bu k + Bu k +1 + Bu k + 2 ] + [ D y k +1 + D y k + 2 + K e y k +3 ]
0
1
0.5
1 1
x (k + 3 | k + 3) =
x (k | k ) + (u k + u k +1 + u k + 2 ) + ( y k +1 + y k + 2 ) + y k +3
1
0
0
0 0
56
SOLUCIONES
SOLUCIONES PROBLEMAS
TEMA 5: Identificacin
y (t ) = a y (t 1) + bu(t 1)
En este caso:
T (t ) = [ y (t 1) u(t 1)], =
b
Para construir la ecuacin normal hay que hacer las siguientes multiplicaciones de matrices
y (1 1)
y (1 1) y (i 1) y (t 1)
T
=
y (i 1)
u (1 1) u (i 1) u (t 1)
y (t 1)
u (1 1)
u (i 1)
u (t 1) tx1
y (1)
y (1 1) y (i 1) y (t 1)
T Y =
y
(
i
)
u (1 1) u (i 1) u (t 1)
y (t )
que se pueden expresar en la forma:
t
t
2
(
1
)
y
i
y (i 1)u (i 1)
i =1
T = t i =1
t
2
y (i 1)u (i 1)
u (i 1)
i =1
i =1
57
tx1
SOLUCIONES
y (i ) y (i 1)
T Y = ti =1
y (i )u (i 1)
i =1
Luego la ecuacin normal es:
t
t
y
(
i
1
)
y
(
i
1
)
u
(
i
1
)
a y (i ) y (i 1)
i =1
t i =1
= ti =1
t
b
2
y (i 1)u(i 1)
u (i 1)
y (i )u(i 1)
i =1
i =1
i =1
t
t
t
t
u 2 (i 1) y (i ) y (i 1) + y (i 1)u(i 1) y (i )u(i 1)
i =1
i =1
i =1
a = i =1
2
t
t
t
y 2 (i 1) u 2 (i 1) y (i 1)u(i 1)
i =1
i =1
i =1
t
t
t
t
y (i 1)u(i 1) y (i ) y (i 1) + y 2 (i 1) y (i )u(i 1)
i =1
i =1
i =1
b = i =1
2
t
t
t
y 2 (i 1) u 2 (i 1) y (i 1)u(i 1)
i =1
i =1
i =1
1 t 2
1 t
x (i 1) x 2 (i )
t i =1
t i =1
la ecuacin normal se puede expresar en la forma:
1 t
1 t 2
1 t
y
(
i
)
y
(
i
)
u
(
i
)
y (i) y (i 1)
t i =1
t i =1
i =1
t
t
t
1
1
1
b
2
y (i)u (i)
u (i)
y (i )u (i 1)
t
t i =1
i =1
t i =1
Si t , entonces se obtiene
E[ y 2 (t )]
E[ y (t )u (t )] a E[ y (t ) y (t 1)]
E[u 2 (t )] b E[ y (t )u (t 1)]
E[ y (t )u (t )]
58
(1)
SOLUCIONES
Hay que calcular los valores esperados de diferentes magnitudes. Como la entrada u y el ruido e son
independientes se cumple:
E[ e(t ) 2 ] = 1
E [u(t ) 2 ] = 1
Adems como el valor actual de e o de u es independiente del valor pasado de la salida y, se cumple:
E[ y (t 1)u (t )] = 0
E[ y (t 1)e(t )] = 0
Teniendo en cuenta toda esta informacin, en primer lugar, se va a calcular E[ y (t )u (t )] :
59
(2)
SOLUCIONES
E[ y (t 1) 2 ] E [ y (t ) 2 ]
E[u(t 1) 2 ] E [u(t ) 2 ] = 1
E[ e(t 1) 2 ] E[ e(t ) 2 ] = 1
entonces la ecuacin (2) toma la forma
E [ y 2 (t )] =
1.36
= 3.78
0.36
3.78 0 a 2.22
=
0
1 b 1
a = 0.59
b =1
Solamente el parmetro b=1 coincide con el parmetro real b0=1. Por su parte el parmetro a=0.59
difiere del parmetro real a0=0.8 debido a la existencia de ruido correlacionado que hace que la
estima est polarizada.
c) Si es posible, para ello se deben utilizar otros mtodos de estimacin como el mtodo de los
60
SOLUCIONES
y (t ) = ay (t 1) + u (t ) + e(t )
donde e(t) es ruido gaussiano independiente.
El modelo que se considera para la identificacin es:
y (t ) = y (t 1) + u (t 1)
En este caso:
T (t ) = [ y (t 1) u (t 1)], =
1
Para construir la ecuacin normal hay que hacer las siguientes multiplicaciones de matrices
y (1 1)
y (1 1) y (i 1) y (t 1)
T
=
y (i 1)
u (1 1) u (i 1) u (t 1)
y (t 1)
u (1 1)
u (i 1)
u (t 1) tx1
y (1)
y (1 1) y (i 1) y (t 1)
T Y =
y
i
(
)
u (1 1) u (i 1) u (t 1)
y (t )
tx1
que se pueden expresar en la forma:
t
t
(
1
)
y
i
y (i 1)u (i 1)
i =1
T = t i =1
t
2
y (i 1)u (i 1)
u (i 1)
i =1
i =1
61
SOLUCIONES
y (i ) y (i 1)
T Y = ti =1
y (i )u (i 1)
i =1
Luego la ecuacin normal es:
t
t
y
(
i
1
)
y
(
i
1
)
u
(
i
1
)
y (i ) y (i 1)
i =1
t i =1
= ti =1
t
1
2
y (i 1)u (i 1)
u (i 1)
y (i )u (i 1)
i =1
i =1
i =1
Despejando se obtiene:
t
i =1
(1)
(i 1)
i =1
1 t 2
1 t
x (i 1) x 2 (i )
t i =1
t i =1
la ecuacin (1) si t se puede expresar en la forma:
(2)
Hay que calcular los valores esperados de diferentes magnitudes. Como la entrada u y el ruido e son
independientes se cumple:
E[e(t ) 2 ] = 2
E[u (t ) 2 ] = 2
Adems como el valor actual de e o de u es independiente del valor pasado de la salida y, se cumple:
62
SOLUCIONES
E[ y (t 1)u (t )] = 0
E[ y (t 1)e(t )] = 0
Teniendo en cuenta toda esta informacin, en primer lugar, se va a calcular E[ y (t )u (t )] :
E[ y (t ) 2 ] = E[(a y (t 1) + u (t ) + e(t )) 2 ]
desarrollando el cuadrado, tomando el valor esperado, y considerando nicamente los trminos no
nulos se obtiene la siguiente expresin
E[ y (t 1) 2 ] E[ y (t ) 2 ]
entonces la ecuacin (3) toma la forma
E[ y (t ) 2 ] = a 2 E[ y 2 (t )] +E[u 2 (t )] + E[e 2 (t )]
2
E[ y (t )] =
2
2 + 2
1 a2
63
(3)
SOLUCIONES
2 a
=
2 + 2
1 a2
2 + 2
1 a2
(1 + a)2
2 + 2
Luego se observa que cuando t la estima del parmetro no tiende al parmetro real a.
y (t ) = ay (t 1) + bu (t 1)
En este caso:
T (t ) = [ y (t 1) u (t 1)], =
b
)
( T ) = T Y
hay que hacer las siguientes multiplicaciones de matrices
y (1 1)
y (1 1) y (i 1) y (t 1)
T
=
y (i 1)
u (1 1) u (i 1) u (t 1)
y (t 1)
64
u (1 1)
u (i 1)
u (t 1) tx1
SOLUCIONES
y (1)
y (1 1) y (i 1) y (t 1)
T Y =
y
i
(
)
u (1 1) u (i 1) u (t 1)
y (t )
tx1
2
(
1
)
y
i
y (i 1)u (i 1)
i =1
T = t i =1
t
2
y (i 1)u (i 1)
u (i 1)
i =1
i =1
t
y (i ) y (i 1)
T Y = ti =1
y (i )u (i 1)
i =1
Luego la ecuacin normal es:
t
t
y
(
i
1
)
y
(
i
1
)
u
(
i
1
)
a y (i ) y (i 1)
i =1
t i =1
= ti =1
t
b
2
y (i 1)u (i 1)
u (i 1)
y (i )u (i 1)
i =1
i =1
i =1
(
1
)
y
i
k k 2 b
i =1
i =1
k
t
1 k
=0
k k2
Luego los parmetros de este modelo en lazo cerrado no se pueden identificar de forma nica.
65
SOLUCIONES
y (t ) = 1 y (t 1) 2 y (t 2 ) + u(t 1)
En este caso:
1
(t ) = [ y(t 1) y (t 2) u(t 1)], = 2
1
T
Para construir la ecuacin normal (5.5) hay que hacer las siguientes multiplicaciones de matrices
0
u(1 1)
y (1 1)
y (1 1) y ( 2 1) y (t 1)
y ( 2 1) y ( 2 2) u( 2 1)
T =
y ( 2 2) y (t 2)
0
:
:
:
u(1 1)
u( 2 1) u(t 1)
y (t 1) y (t 2) u(t 1)
y (1 1) y ( 2 1) y (t 1) y (1)
Y =
0
y ( 2 2 ) y (t 2 ) :
u( 2 1) u(t 1) y (t )
u(1 1)
T
y
i
y
i
y
i
y (i 1)u(i 1)
(
1
)
(
1
)
(
2
)
i =1
i =1
t i =1
t
t
T
2
= y (i 1) y (i 2)
y (i 2 )u(i 1)
y (i 2 )
i =1
i =1
i =1
t
t
t
u
i
(
1
)
y (i 1)u(i 1) y (i 2 )u(i 1)
i =1
i =1
i =1
66
SOLUCIONES
t
y (i ) y (i 1)
i t=1
T
Y = y (i ) y (i 2 )
i =1
t
y (i )u(i 1)
i =1
Luego la ecuacin normal es:
t
t
t
2
y
i
y
i
y
i
y
i
u
i
(
1
)
(
1
)
(
2
)
(
1
)
(
1
)
y(i ) y(i 1)
i =1
i =1
1 i t=1
t i =1
t
t
2
y(i 1) y(i 2)
y (i 2 )
y(i 2)u(i 1) 2 = y(i ) y(i 2) (1)
i =1
i =1
i =1
i =1
1 t
t
t
u 2 (i 1)
y(i )u(i 1)
i =1
i =1
i =1
i =1
y
(
i
1
)
+
y
(
i
1
)
y
(
i
2
)
y
(
i
1
)
u
(
i
1
)
=
y (i ) y (i 1)
1
2
i =1
i =1
i =1
i =1
t
t
t
t 2
y
(
i
1
)
y
(
i
2
)
+
y
(
i
2
)
y
(
i
2
)
u
(
i
1
)
=
y (i ) y (i 2 )
1
2
i =1
i =1
i =1
i =1
(2)
s1 = y 2 (i 1)
i =1
t
s 5 = y 2 (i 2 )
i =1
s2 = y (i 1) y (i 2)
i =1
i =1
s3 = y (i 1)u(i 1) s4 = y (i ) y (i 1)
i =1
t
s6 = y (i 2)u(i 1)
s7 = y (i ) y (i 2)
i =1
i =1
s1 1 + s2 2 s3 = s4
s2 1 + s5 2 s6 = s7
s1 1 + s2 2 = s3 s4
s2 1 + s5 2 = s6 s7
1 =
s5 ( s3 s4 ) s2 ( s6 s7 )
s1 s5 s22
67
2 =
SOLUCIONES
s2 ( s3 s4 ) + s1 ( s6 s7 )
s1 s5 s22
1 t 2
1 t 2
x (i 1) x (i )
t i =1
t i =1
la ecuacin normal se puede expresar en la forma:
t
t
t 2
t
y
(
i
)
+
y
(
i
)
y
(
i
1
)
y
(
i
)
u
(
i
)
=
y (i ) y (i 1)
1
2
i =1
i =1
i =1
i =1
t
t
t
t 2
y
(
i
)
y
(
i
1
)
+
y
(
i
1
)
y
(
i
1
)
u
(
i
)
=
y (i ) y (i 2)
1
2
i =1
i =1
i =1
i =1
Si t , entonces se obtiene
(3)
Hay que calcular los valores esperados de diferentes magnitudes. Como la entrada u y el ruido e son
independientes se cumple:
E[e(i ) 2 ] = 2
E[u (i ) 2 ] = 2
Adems como el valor el valor pasado de la salida y es independiente del valor actual de e o de u, se
cumple:
E[ y (t 1)u (t )] = 0
E[ y (t 1)e(t )] = 0
Asimismo se consideran las siguientes aproximaciones:
68
SOLUCIONES
E[ y(t 1) 2 ] E[ y (t 1) 2 ] E[ y (t ) 2 ]
E[u(t 1) 2 ] E[u(t ) 2 ] = 2
E[ e(t 1) 2 ] E[ e(t ) 2 ] = 2
E[ y(t 1) y (t 2)] E[ y (t ) y (t 1)]
Teniendo en cuenta toda esta informacin, en primer lugar, se va a calcular E[ y (t )u (t )] :
E[ y (t ) 2 ] = a 2 E[ y 2 (t 1)] + 2a bE [ y (t 1) y (t 2 )] + b 2 E[ y 2 (t 2 )] + E[u 2 (t )] + E[ e 2 (t )]
Que se puede expresar equivalentemente en la forma:
E[ y (t ) 2 ] = a 2 E[ y 2 (t )] + 2abE[ y (t ) y (t 1)] + b 2 E[ y 2 (t )] + 2 + 2
2
Despejando E [ y (t ) ] se obtiene:
E [ y (t ) 2 ] =
2abE[ y (t ) y (t 1)] + 2 + 2
1 a2 b2
(4)
E[ y (t ) y (t 1)] =
69
aE [ y (t ) 2 ]
1+ b
(5)
SOLUCIONES
A partir de (4) y (5) es posible obtener las siguientes expresiones para E[ y (t ) ] y E [ y (t ) y (t 1)]
2
E [ y (t ) 2 ] =
(1 + b )(2 + 2 )
(1 a 2 b 2 )(1 + b ) + 2a 2 b
a(2 + 2 )
E[ y (t ) y (t 1)] =
(1 a 2 b 2 )(1 + b) + 2a 2 b
En cuarto lugar se requiere calcular E [ y (t ) y (t 2)] :
(1 + b)(2 + 2 )
a(2 + 2 )
b
(1 a 2 b 2 )(1 + b) + 2a 2 b
(1 a 2 b 2 )(1 + b) + 2a 2 b
a ( 2 + 2 )
a(2 + 2 ) ab(2 + 2 ) + ab(2 + 2 )
= E[ y (t ) y (t 1)]
=
(1 a 2 b 2 )(1 + b) + 2a 2 b
(1 a 2 b 2 )(1 + b) + 2a 2 b
s1 = E[ y 2 (t )] =
(1 + b)(2 + 2 )
(1 a 2 b 2 )(1 + b ) + 2a 2 b
s2 = E[ y (t ) y (t 1)] =
a(2 + 2 )
(1 a 2 b 2 )(1 + b) + 2a 2 b
s3 = E[ y (t )u(t )] = 2
D = (1 a 2 b 2 )(1 + b ) + 2a 2 b
El sistema de ecuaciones se puede expresar en la forma
s1 1 + s2 2 = s3 s2
s2 1 + s1 2 = s2
Y resolviendo el sistema se obtienen las siguientes expresiones:
70
(3)
1 =
2 =
SOLUCIONES
s1 s3 s1 s2 + s22
s12 s22
s2 s3 s1 s2 + s22
s12 s22
(1 + b )2 [(1 a 2 b 2 )(1 + b ) + 2a 2 b] a + ab + a 2
1 =
+
[(1 + b ) 2 a 2 ](2 + 2 )
(1 + b ) 2 a 2
1 =
a2 [(1 a 2 b 2 )(1 + b ) + 2a 2 b] a + ab + a 2
+
[(1 + b ) 2 a 2 ](2 + 2 )
(1 + b ) 2 a 2
Luego se observa que cuando t las estimas de los parmetros 1 y 2 no tienden a los parmetros
reales a y b, respectivamente.
71
BIBLIOGRAFIA
72