Professional Documents
Culture Documents
Examen Prctico
1er Parcial
Febrero de 2017
Identificacin de un Sistema mediante
el Mtodo de Mnimos Cuadrados
Marco Terico
El algoritmo de identificacin por mnimos cuadrados es una herramienta poderosa
utilizada para determinar el valor de los parmetros de la funcin de transferencia discreta
de un sistema, dados los valores discretos de entrada y salida del mismo. (Ntese que este
algoritmo puede ser utilizado para estimar los parmetros que caracterizan cualquier
funcin).
Se debe asumir que el modelo sigue la estructura de una ecuacin de diferencias de la
siguiente manera:
y ( k )=a1 y ( k 1 )+ a2 y ( k 2 ) +...+an y ( kn ) +b1 u ( k1 ) +b 2 y ( k 2 )+ ...+ bm y (k m)
Donde:
X =[ y k1 y k2 y kn u k1 uk2 u km ]
T
= [ a1 a 2 an b1 b 2 bm ]
[] []
y (1) a1
y (2)
=[ y (k1) y (k n)u(k 1) u( km) ] an
b1
y (k ) bm
O lo que es lo mismo:
Y k= X k
Es necesario resolver este sistema de ecuaciones bajo las condiciones de que k > m+n y
de que el sistema tiene una nica solucin. Pero observamos que el sistema nunca tiene una
solucin nica debido a distintas razones:
El sistema a identificar no es realmente linear
No sabemos realmente el orden del sistema
Las muestras de la salida son afectadas por ruido.
Es por ello que siempre existe un error aproximado y entonces, la ecuacin se convierte en:
Y k + Ek =X k
Ahora, el objetivo es determinar los parmetros de tal modo que se minimice este
error, lo que da como resultado que:
T 1 T
=( X k X k ) X k Y k
t=Salida(:,1);
y=Salida(:,2);
u=Entrada(:,2);
%%Construccin de matrices
Y=y;
X=zeros(k,n+m);
for i=1:size(X,1)
for j=1:size(X,2)
if(j<(n+1))
if((i-j)>0)
X(i,j)=Y(i-j);
else
X(i,j)=0;
end
else
if((i+n-j)>0)
X(i,j)=u(i+n-j);
else
X(i,j)=0;
end
end
end
end
%%Obtencin de parmetros
Theta=(X'*X)\X'*Y;
%%Reconstruccin de la salida
Yk=zeros(k,1);
step=ones(k,1);
for i=1:k
if( ((i-2)>0) && ((i-1)>0) )
Yk(i)=Theta(n+1)*step(i-2)+Theta(1)*Yk(i-1)+Theta(2)*Yk(i-2);
end
end
plot(t,Yk)
Conclusiones
Tanto el mtodo de identificacin por mnimos cuadrados como el
mtodo grfico, son herramientas muy poderosas que nos permiten
modelar nuestros sistemas.
Como se puede observar, los resultados son altamente similares, a tal
grado que los errores promedio porcentuales de ambos mtodos difieren
por solo algunas dcimas de unidad, con un error de 1.08% para el
mtodo grfico y un error del 1.21% para el mtodo de mnimos
cuadrados.
Por ello, la utilizacin de cada uno de ellos queda al criterio del usuario
como una decisin respaldada en bases tericas y complejidad de
implementacin.