Identificación de Sistemas Identificacion de modelos parametricos

Contenido Métodos para el ajuste de parámetros

Métodos para el ajuste de parámetros

procedimiento del modelado experimental

Objetivos de los métodos de estimación paramétricos Hemos denominado error de predicción es la salida estimada por el modelo en el instante t.

Objetivos de los métodos de estimación paramétricos Los métodos de estimación de parametros tienen por objetivo: Según el modelo considerado Estimar los parámetros del modelo de forma que, en algún sentido, el error de predicción sea mínimo.

Las estructuras ARX y FIR Las estructuras ARX y FIR tienen la propiedad que: la predicción con un paso de anticipacion es una función lineal de los coeficientes de los polinomios

Modelo de predicción para una estructura ARX Se puede representar por el modelo lineal

Modelo de predicción para una estructura ARX Todos los términos de la derecha son simples productos de una muestra de los datos y un coeficiente de los polinomios

Modelo de predicción para una estructura ARX Se puede representar por el modelo lineal

Modelo de predicción para una estructura PEM En el caso de la ecuación general PEM

Modelo de predicción para una estructura PEM La ecuación de los residuos se puede evaluar considerando dos términos: Modelización de la parte determinista Modelización de la parte estocástica

Modelado de la parte determinista Relación lineal entre el error de predicción y los coeficientes de los polinomios A y B Relación no lineal entre el error de predicción y los coeficientes del polinomio F métodos analíticos métodos iterativos

Modelado de la parte estocástica Los errores de modelización, representados, en parte, en e(t), no son conocidos y la relación que hay entre los coeficientes de los polinomios y los residuos es no lineal. se deben tambien estimar los valores de e(t) métodos de estimacion iterativos

Un problema de optimizacion Aproximaciones computacionales: Algoritmos numericos generales para la minimizacion de una funcion Derivadas parciales; algoritmos numericos generales para hallar raices Algoritmos numericos especializados que aprovechan la forma de la funcion Solucion analitica: minimos cuadrados lineal

Un problema de optimizacion Aproximaciones computacionales: Algoritmos numericos generales para la minimizacion de una funcion Basados en el gradiente; algoritmos numericos generales para hallar raices; algoritmos que aprovechan la forma de la funcion Algoritmos con una aproximacion basada en la inteligencia artificial: algoritmos geneticos

Fuentes Van den Hof Paul M.J., Bombois Xavier, System Identification for Control. Lecture Notes DISC Course. Delft Center for Systems and Control. Delft University of Technology. March, 2004 Escobet Teresa, Morcego Bernardo, Identificación de sistemas. Notas de clase. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial. Escola Universitària Politècnica de Manresa. 2003 Kunusch Cristian, Identificación de Sistemas de Dinamicos. Catedra de Control y Servomecanismos. Universidad Nacional de La Plata, Facultad de Ingenieria, Dpto. de Electrotecnia. 2003 López Guillén, Mª Elena, Identificación de Sistemas. Aplicación al modelado de un motor de continua. Universidad de Alcalá de Henares, Departamento de Electrónica. Enero, 2002. Rengifo Carlos Felipe, Identificacion de Sistemas. Notas de Clase. Departamento de Electronica, Control e Instrumentacion. Universidad del Cauca. Marzo 2005.

ULTIMA DIAPOSITIVA