MODELADO E IDENTIFICACIÓN Guia 2
-
Upload
juan-pablo-castillo -
Category
Documents
-
view
39 -
download
3
Transcript of MODELADO E IDENTIFICACIÓN Guia 2
Universidad Nacional de Colombia. Castillo, Garzón, Márquez, Velandia. Modelado e Identificación 1
Resumen— En esta práctica se desea modelar diferentes
funciones de transferencia teniendo en cuenta el tratamiento
de la información obtenida a partir de datos, representación
lineal del motor y su debido funcionamiento para esto es
necesario el manejo de los polos y demás propiedades que se
obtienen. Como parte de los objetivos esta el conocer cómo
obtener una función de transferencia conociendo solo la
respuesta y la entrada del sistema, es decir, la incógnita es
conocer la “personalidad” del modelo, para esto se usará
métodos gráficos o manuales, función ident de Matlab® y se
graficara en Simulink® y Matlab®
Índice de Términos— Curvas de reacción, función de
transferencia, función ident, modelado, sistemas de primer y
segundo orden.
I. INTRODUCCIÓN
na de las herramientas para generar una función de
transferencia cercana al modelo es por medio de la
muestra de datos en este caso del motor, el cual es
proporcionado de manera continua para generar dicha función.
Estos datos sin importar su valor o magnitud representan una
forma secuencial del funcionamiento del mismo lo que
conlleva a una correlación de datos principales para la
identificación de la función de transferencia del sistema.
Teniendo en cuenta algunos parámetros tales como el tiempo
de subida, magnitudes porcentuales de la grafica y valores en
los cuales la señal es estable, son datos más que suficientes
para generalizar y controlar el funcionamiento del motor.
Ya está en las manos de como se interpretan estos datos o con
que tanta precisión rigurosa se desea modelar el sistema para
tener en cuenta la información obtenida por las diferentes
técnicas descritas a continuación.
La parte central de este informe se encuentra situada en el
numeral III. PROCEDIMIENTO, el cual estará dividido en
tres partes; Análisis y modelado usando Matlab®, Análisis de
respuesta transitoria y modelado experimental del motor
LEGO y Modelado de Motores DC. La importancia de esta
práctica radica en el hecho que permitirá al estudiante
identificar una sistema de acuerdo con la salida y la entrada y
básicamente en la industria en la mayoría de procesos se
conoce la entrada de un sistema y se conoce la salida, por lo
menos la deseada y con esta información se puede generar un
modelo del sistema o un modelo para que el sistema de la salid
que se desea.
II. OBJETIVOS
Brindar una función de transferencia para los
diferentes sistemas modelados
Estudiar diferentes métodos de análisis para una
función de transferencia
Linealizar la función de transferencia dada por los
datos recolectados del motor.
III. PROCEDIMIENTO
A. Análisis y Modelado usando Matlab®
En esta parte, se utilizó el software Matlab® para la
identificación y el análisis de los datos proveídos para la guía
datos1.txt.
1. Análisis gráfico mediante Matlab®
Para esta parte de la práctica, se encontraron gráficamente los
parámetros introducidos en la guía del laboratorio. Se
graficaron los datos proveídos mediante el siguiente script:
load datos1.txt %Carga los datos del archivo .txt
tiempo = datos1(:,1); %Asigna la primera columna a
la variable deseada.
salida = datos1(:,2);
entrada = datos1(:,3);
plot(tiempo,salida,'b',tiempo,entrada,'r')
title('Respuesta ante una entrada escalón'), grid on
legend('Respuesta del sistema','Señal de entrada al
sistema'),xlabel('Tiempo (s)')
Mediante el uso de este código se pudo obtener la siguiente
figura 1.
Siguiendo con las instrucciones de la guía se procede a
encontrar de forma manual los parámetros de la respuesta de
la fig. 1, plantear la función de transferencia y comparar las
curvas para luego analizarlas.
A partir de la gráfica obtenida se pueden sacar los
siguientes valores:
MODELADO E IDENTIFICACIÓN
Laboratorio 2
Castillo Juan. Garzón Daniel. Márquez Jonathan. Velandia Juan
{jpcastillos, dfgarzone, jdmarquezo, jcvelandiag}@unal.edu.co
U
Universidad Nacional de Colombia. Castillo, Garzón, Márquez, Velandia. Modelado e Identificación 2
Fig. 1 Repuesta ante un escalón unitario
De la siguiente ecuación se obtiene :
Además,
Con estos valores, se encontró la función de transferencia
siguiente:
Esta función de transferencia se almacena en Matlab® y se
compara con la respuesta de la fig.1 mediante el uso del
siguiente código:
load datos1.txt
tiempo = datos1(:,1);
salida = datos1(:,2);
entrada = datos1(:,3);
G1=tf(2.1902826402,[1 .6188209317
1.0951413201]);
figure, plot(tiempo,salida,'b')
hold on
step(G1,'g',25)
legend('Respuesta del Sistema Real','Respuesta
del Sistema Aproximado a 2do Orden')
En la fig. 2 se puede comparar la respuesta experimental
contra la respuesta modelada
Fig. 2 Comparación respuesta experimental Vs. Modelada
Las respuestas son similares en cuanto a frecuencia se refiere
y tienen una oscilación con similares sobrepasos, sin embargo
la respuesta experimental toma un tiempo antes de iniciar y el
máximo sobrepaso es mayor que el máximo sobrepaso de la
respuesta modelada.
La razón por la cual ambas respuestas no son las mismas
siendo que se supone que se aplicó correctamente el
modelado, es debido a que no se garantizó desde un principio
que la respuesta experimental se debida a un sistema de 2°
orden, es posible que se necesiten hallar polos adicionales.
Para convertir nuestra respuesta modelada en una que se ajuste
mejor a la real es necesario agregar un polo adicional que nos
represente el tiempo muerto y es posible que se deba
modificar para ajustar el sobrepaso.
Universidad Nacional de Colombia. Castillo, Garzón, Márquez, Velandia. Modelado e Identificación 3
Fig. 3 Corrección de la respuesta modelada
La correcciones que se hicieron para sobreponer las curvas,
fueron agregar un polo, ajustar el y además se aumento la
ganancia en 1%. Se uso el siguiente código:
load datos1.txt
tiempo = datos1(:,1);
salida = datos1(:,2);
entrada = datos1(:,3);
G1=tf(2.1902826402,[1 .588209317
1.0951413201]);
figure, plot(tiempo,salida,'b')
G2=G1*tf(1.01,[.3333 1]);
hold on
step(G2,'g',25)
legend('Respuesta del Sistema Real','Respuesta
del Sistema Aproximado a 2do Orden')
La respuesta se puede observar en la Fig. 3.
2. Utilización del toolbox de identificación y de Simulink®
Matlab® es un software bastante extenso con muchas
herramientas. Dos de esas herramientas que son bastante útiles
son el toolbox de caracterización de sistemas y el Simulink.
Se utilizó primero que todo el toolobox de identificación
de sistemas. Se escribió ident en la ventana de comandos y se
obtuvo lo siguiente:
Fig. 4 Toolbox de identificación de sistemas
En la parte superior izquierda, se encuentra la opción de
importar datos. Se escogió la opción de importar datos en el
dominio del tiempo. Se abrió la siguiente ventana:
Fig.5 Ventana de time domain data
En el cuadro de texto de input se coloca la entrada del
sistema, la cual en nuestro caso es la tercera columna del
archivo datos1.txt. Se debe guardar esta columna en el espacio
de trabajo (workspace). Siguiendo el procedimiento anterior,
esta columna fue guardada bajo el nombre in.
De igual forma, en el cuadro de texto output se coloca la
respuesta al sistema la cual en nuestro caso es la segundo
columna del archivo datos1.txt. En nuestro espacio de trabajo
esta variable se llama out.
En el cuadro de texto Data name se coloca el nombre del
conjunto de datos que se identificará. Se puede colocar
cualquier nombre ya que no influye en nada en el resultado
final.
Por último, en el cuadro de texto Starting Time se coloca el
tiempo inicial de las muestras el cual en nuestro caso es 0. Y
en el cuadro de texto Sampling interval, se debe colocar la
frecuencia de muestreo utilizada en la toma de datos. Se
inspecciona la primera columna de datos1.txt ya que esta es la
columna del tiempo. Se observa que los datos tomados fueron
tomados a intervalos de 0.0039 segundos por lo cual esta es la
frecuencia de muestreo a emplear.
Definidos estos parámetros, se da clic en el botón import.
Se observara a continuación los datos en la ventana del ident.
Luego de importar los datos, se estimo en modelo. Esto se
hacienda seleccionando la opción process models en la
lengüeta que dice estimate. Al seleccionar esta opción, se
abrirá la siguiente ventana:
Universidad Nacional de Colombia. Castillo, Garzón, Márquez, Velandia. Modelado e Identificación 4
Fig. 6 Ventana de procesamiento del modelo
En esta ventana uno puedo poner que características uno
quiere utilizar para el procesamiento de los datos
(aproximación de un modelo a los datos experimentales). Se
puede escoger cuantos polos tiene, ceros, atrasos y colocar los
valores numéricos conocidos de los parámetros de la función
de transferencia. Visto que se sabe que es una función de
segundo orden, o sea que tiene 2 polos y ningún cero, se
seleccionaron estas opciones. Se obtuvo los siguientes
resultados:
Fig. 7 Resultados obtenidos con ident
Se compararon estos datos con los datos experimentales
seleccionando la opción Model Output de la figura 4. Se
obtuvo lo siguiente:
Fig. 8 Figura obtenida seleccionando la opción Output Model
En esta gráfica se logra observar el la gráfica de datos, y el
resultado del la respuesta al escalón del modelo hallada
anteriormente mediante el ident. A la derecha del plot se
observa un numero debajo del título Best Fits. Este número
señala que tan buena es la aproximación entre los datos
experimentales, y los datos obtenidos mediante la
aproximación del modelo. Este numero va entre 0 y 100, 100
siendo un aproximación perfecta. En este caso se logra
observar un best fit de 98.37.
Se obtiene por lo tanto dos funciones de transferencia las
cuales se compararán utilizando Simulink. Las funciones de
transferencia son:
Con estos resultados, y con la función de transferencia en
se realizó una simulación en Simulink®, para comparar ambas
funciones de transferencia. Se obtuvo la siguiente simulación:
Fig. 9 Simulación realizada
El resultado obtenido se observa en las gráficas obtenidas,
en la gráfica superior se observa el resultado al escalón de la
función de transferencia G1, en el de la mitad se logra observar
la respuesta escalón de la función de transferencia G2, y en la
última gráfica se logra observa las respuestas de ambas.
Universidad Nacional de Colombia. Castillo, Garzón, Márquez, Velandia. Modelado e Identificación 5
Fig.10 Resultado de las simulaciones
B. Análisis de respuesta transitoria y modelado
experimental del motor LEGO
1. Análisis gráfico
La siguiente figura muestra la curva de reacción del motor,
estos datos fueron brindados por el profesor.
Fig. 11 Curva de reacción
=0,08
K=7,72
2. Análisis Gráfico con una entrada rampa.
Para esta parte de la práctica se modificó el código
anterior, aumentando la potencia del motor en cada ciclo hasta
llegar a 100. El principio de esta respuesta rampa del motor es
la siguiente:
Fig. 12: Respuesta a una entrada rampa.
El análisis de una respuesta rampa de un sistema de primer
orden recae en la siguiente teoría[1]:
La respuesta a la rampa de un sistema de 1er orden es la
integral de la respuesta al escalón. En general, la respuesta al
escalón es de la forma:
Por lo cual la respuesta a la rampa está dada por:
El error entre la entrada rampa se encuentra por definición:
con una ganancia estática unitaria, o sea k=1:
Por lo cual se halla gráficamente τ con lo siguiente:
Fig. 13 Segundo método gráfico para encontrar características de sistema de
1er orden
Se debe de encontrar la coordenada de la gráfica en el
origen ya que se tiene que ambas gráficas son paralelas con
una diferencia de T o τ, después de un determinado tiempo. En
este caso k no es 1, pero solo se tendrá en cuenta la respuesta
del motor en velocidad (figura 12), y se normalizara esa
gráfica. Se obtiene utilizando Excel y no teniendo en cuenta
los primeros valores, lo siguiente:
Fig. 14 Gráfica obtenida en Excel
y = 388.06x - 63.669 R² = 0.9912
0
200
400
600
800
0 1 2 3
velo
cid
ad a
ngu
lar
Tiempo (s)
Series1
Lineal (Series1)
Universidad Nacional de Colombia. Castillo, Garzón, Márquez, Velandia. Modelado e Identificación 6
Por lo cual se encuentra que:
τ=64ms
k=7,72 (mismo que anterior)
Y se obtiene:
3. Análisis mediante el ident
En esta parte se utilizará el toolbox de identificación de
sistemas de Matlab®. Siguiendo el procedimiento anterior se
tiene:
Fig. 15 Resultado obtenido mediante el ident
Y se obtiene: τ=67ms y K=7,7557
Y la función de transferencia:
Esto se realizó con los datos obtenidos con una entrada
escalón. Se comparó de igual forma con los datos reales y se
obtuvo lo siguiente:
Fig. 16 Comparación entre los resultados reales y el modelo obtenido, se
tiene un best fit de 47.92 debido a todos los sobre picos
4. Comparación de los resultados
Por último, se realizó una pequeña simulación es Simulink,
para simular las 3 funciones de transferencias obtenidas y
compararlas. Las 3 funciones de transferencia tomadas son las
siguientes:
Fig. 17 Simulación para comparar las diferentes funciones de transferencia
obtenidas
Se obtuvo las siguientes gráficas:
Fig. 18 Gráficas obtenidas en Simulink
Se observa en orden de nombre, Glego1, Glego2, Glego3 y
todas las anteriores.
C. Modelado de Motores DC
Para este primer punto se utilizó el modelo matemático de la
ecuación 21 de la guía 2, el cual es una función de
transferencia entre la velocidad del roto y el voltaje de entrada,
de acuerdo a sus parámetros y con la ayuda de Matlab® se
obtuvo lo siguiente:
Universidad Nacional de Colombia. Castillo, Garzón, Márquez, Velandia. Modelado e Identificación 7
Función de transferencia del motor:
La función de transferencia muestra la siguiente grafica:
Fig.19 Curva de reacción del motor
De esta forma se visualiza un comportamiento como si fuese
una función de primer orden, sin embargo la función descrita
es de segundo orden, esto se debe a que el ζ=6.59 es un valor
muy grande por lo que no existe sobre pico característico de
una señal de un sistema de segundo orden.
Función de transferencia:
Realizando una reducción de polos se genera una nueva
función de transferencia:
La reducción de polo está basada en el hecho de la ubicación
en el plano del polo s=-199 debido a que un polo esa ubicado a
mas de 10 veces del polo más cercano a cero así el polo
dominante ejerce toda la parametrización o descripción de la
función de transferencia.
Fig. 20 Reducción de orden
En esta grafica se describe ambas señales siendo una la
correspondiente a la función de transferencia del segundo
orden y la otra se refiere a la función linealizada, como se
puede observar ambas se superponen aproximadamente,
teniendo una leve diferencia desde el punto de estabilidad,
pero cumpliendo con las características principales que
debería tener la función.
Analíticamente en la función de transferencia general para
segundo orden tenemos:
Mientras que la función descrita para el modelado del motor
DC es:
De esta los coeficientes se pueden igualar:
Temiendo en cuenta los valores numéricos y que tan
despreciables en la ecuación pueden ser resulta:
Universidad Nacional de Colombia. Castillo, Garzón, Márquez, Velandia. Modelado e Identificación 8
donde:
Ra = resistencia de la armadura
Jm = inercia del rotor
Bm = coeficiente de friccion
La = inductancia de la armadura
Parámetros mecánicos tanto como la inercia y la fricción son
propios del motor y de esta manera su forma de respuesta
frente a la acción general del motor es más lenta que una
respuesta eléctrica.
IV. CONCLUSIONES
No se puede asegurar a simple vista la cantidad de
polos o el orden de un sistema.
A partir de un muestreo de datos se puede aproximar
el modelado de un sistema que se quiera analizar
teniendo en cuenta parámetros de funcionamiento
estable
Los métodos manuales pueden entregar una
aproximación importante
V. REFERENCIAS
[1] Dorf, Richard C. ; Bishop, Robert H.: Modern control
systems. 12th. Prentice Hall : Pearson, 2010. {
xxi, 1082 p. p.
[2] Golnaraghi, M. F. ; Kuo, Benjamin C.: Automatic control
systems. 9th. Hoboken, NJ : Wiley, 2010. {
786 p. p.
[3] Ogata, Katsuhiko: Modern control engineering. 5th.
Boston : Prentice-Hall, 2010 (Prentice-Hall electrical
engineering series Instrumentation and controls series). { x,
894 p. p.
[4] Smith, Carlos A. ; Corripio, Armando B.: Principles and
practice of automatic process control. 2nd.
Wiley, 1997. { 784 p.