SlideShare uma empresa Scribd logo
1 de 19
Estructuras para la identificación  y la selección  de variables
Modelo serie-paralelo Serie temporal
Modelo paralelo Depende de la salida del núcleo estimador
Selección de variables ,[object Object],[object Object],[object Object],[object Object],[object Object],Consideraciones fundamentales
Entrada-salida simple Las variables se presentan al modelo sin ningún tipo de ordenación previa
Entrada-salida simple (II) Sistema caótico no autónomo de Duffing Para las condiciones: x 1 =2;  x 2 =2 u (t)=0 t =[0, 60]
Retrasos en la señal de salida  y la señal de entrada                                                          
Retrasos en la señal de salida  y la señal de entrada (II)                                                           Ejemplo:  Planta I siendo la ley de control
Estímulo a la planta                                                           Los datos deben representar la  dinámica   representativa de la evolución del sistema ,[object Object],[object Object],[object Object],[object Object],[object Object],Planta u ( t ) ? y ( t )
Estímulo a la planta (II)                                                           Fuente Planta u ( t ) ? y ( t )
Estímulo a la planta (III)                                                           Planta u ( t ) ? y ( t )
Estímulo a la planta (IV)                                                           Planta u ( t ) ? y ( t )
Estímulo a la planta (V)                                                           Comandos Matlab (System Identification): u=idinput(250,'sine',[0 100],[-1 1],[ ])  Planta u ( t ) ? y ( t )
Retrasos en la señal de entrada,  salida y retardo del sistema                                                          
Retrasos en la señal de entrada,  salida y retardo del sistema (II)                                                           Ejemplo:  Modelo de Box y Jenkins Concentración de  dióxido de carbono Flujo de metano Ruido del sistema Ruido blanco
Retrasos en la señal de entrada, salida, retardo y el error                                                          
Estructura para la predicción                                                            donde : nA:  Número de veces que se retrasa la salida del sistema  (incluyendo núcleo estimador) nB : Número de veces que se retrasa la entrada del sistema d : Retardo N o  de valores medidos  ≡  y (.) = max( nA  -  j ,0) + 1 N o  de valores estimados  ≡  (  (.) )  = min(  j ,  nA ) – 1
Ejemplo                                                           Se desea diseñar un estimador con tres unidades hacia delante, cinco valores retrasados de la variable de salida y dos valores retrasados de la variable de entrada (el retardo se considera cero) Del problema se conoce que  nA=5 ,  nB=2 ,  d=0  y  j=3 N o  de valores medidos  ≡  y (.) = max(5-3, 0) +1 = 3 N o  de valores estimados  ≡  (  (.) )  = min(3, 5) – 1 = 2
Ejemplo                                                           - + Salida conocida y (t+1)  ( t+1 ) Sistema III   ( t +1) Salida del modelo Sistema  II Sistema I      F Entradas conocidas Red estática Red dinámica hacia adelante Red dinámica recurrente

Mais conteúdo relacionado

Mais procurados

Mais procurados (19)

RESOLUCION Capitulo4 soria porras
RESOLUCION Capitulo4 soria porrasRESOLUCION Capitulo4 soria porras
RESOLUCION Capitulo4 soria porras
 
T3.2.sistemas 1er orden 1314 v02
T3.2.sistemas 1er orden 1314 v02T3.2.sistemas 1er orden 1314 v02
T3.2.sistemas 1er orden 1314 v02
 
1clase limites 2011 i
1clase limites 2011 i1clase limites 2011 i
1clase limites 2011 i
 
Generacion variablesaleatorias
Generacion variablesaleatoriasGeneracion variablesaleatorias
Generacion variablesaleatorias
 
Td apunte8
Td apunte8Td apunte8
Td apunte8
 
Actividad N°2.Primera Parte.
Actividad N°2.Primera Parte.Actividad N°2.Primera Parte.
Actividad N°2.Primera Parte.
 
Tarea2 07 sol
Tarea2 07 solTarea2 07 sol
Tarea2 07 sol
 
Funciones
FuncionesFunciones
Funciones
 
Matlab2009b -clase2
Matlab2009b  -clase2Matlab2009b  -clase2
Matlab2009b -clase2
 
Analisis Grafico 2
Analisis Grafico 2Analisis Grafico 2
Analisis Grafico 2
 
Teoría Elemental de Funciones ccesa007
Teoría Elemental de Funciones  ccesa007Teoría Elemental de Funciones  ccesa007
Teoría Elemental de Funciones ccesa007
 
Recorrido de una función.pptxepn
Recorrido de una función.pptxepnRecorrido de una función.pptxepn
Recorrido de una función.pptxepn
 
Metodos bis fal_sec
Metodos bis fal_secMetodos bis fal_sec
Metodos bis fal_sec
 
Act5 segunda parte
Act5 segunda parteAct5 segunda parte
Act5 segunda parte
 
S08.s1 Material Complementario.pptx
S08.s1 Material Complementario.pptxS08.s1 Material Complementario.pptx
S08.s1 Material Complementario.pptx
 
Búsqueda en anchura
Búsqueda en anchuraBúsqueda en anchura
Búsqueda en anchura
 
Sistemas%20de%20control.ppt 0
Sistemas%20de%20control.ppt 0Sistemas%20de%20control.ppt 0
Sistemas%20de%20control.ppt 0
 
Practicas java gustavo carbajal macias 402
Practicas java gustavo carbajal macias 402Practicas java gustavo carbajal macias 402
Practicas java gustavo carbajal macias 402
 
Metodos numéricos (euler, euler modificado, rk)
Metodos numéricos (euler, euler modificado, rk)Metodos numéricos (euler, euler modificado, rk)
Metodos numéricos (euler, euler modificado, rk)
 

Destaque

Entrada/Salida de Sistemas Operativos
Entrada/Salida de Sistemas OperativosEntrada/Salida de Sistemas Operativos
Entrada/Salida de Sistemas OperativosKarina Rivra
 
Que Es Un Sistema Computo
Que Es Un Sistema ComputoQue Es Un Sistema Computo
Que Es Un Sistema Computoshanpu
 
Estructura general de un sistema
Estructura general de un sistemaEstructura general de un sistema
Estructura general de un sistemaHIAMIX
 
Fases de resolucion de problemas
Fases de resolucion de problemasFases de resolucion de problemas
Fases de resolucion de problemasncrmax
 
Método De Solución De Problemas
Método De Solución De ProblemasMétodo De Solución De Problemas
Método De Solución De ProblemasPriscilla Najera
 

Destaque (6)

Entrada/Salida de Sistemas Operativos
Entrada/Salida de Sistemas OperativosEntrada/Salida de Sistemas Operativos
Entrada/Salida de Sistemas Operativos
 
Que Es Un Sistema Computo
Que Es Un Sistema ComputoQue Es Un Sistema Computo
Que Es Un Sistema Computo
 
Estructura general de un sistema
Estructura general de un sistemaEstructura general de un sistema
Estructura general de un sistema
 
Fases de resolucion de problemas
Fases de resolucion de problemasFases de resolucion de problemas
Fases de resolucion de problemas
 
Método De Solución De Problemas
Método De Solución De ProblemasMétodo De Solución De Problemas
Método De Solución De Problemas
 
Simbolos diagrama de flujo
Simbolos diagrama de flujoSimbolos diagrama de flujo
Simbolos diagrama de flujo
 

Semelhante a Estructuras de entrada salida

Control Modelo de Referencia y Linealizacion po Realimentacion
Control Modelo de Referencia y Linealizacion po RealimentacionControl Modelo de Referencia y Linealizacion po Realimentacion
Control Modelo de Referencia y Linealizacion po RealimentacionOmar Sanchez
 
S_S de tiempo continuo_V2020.pptx
S_S de tiempo continuo_V2020.pptxS_S de tiempo continuo_V2020.pptx
S_S de tiempo continuo_V2020.pptxCrazyGamerSL
 
Sistemas de control digital con matlab y labview
Sistemas de control digital con matlab y labviewSistemas de control digital con matlab y labview
Sistemas de control digital con matlab y labviewJosue Rivera
 
Automatizacion_Industrial.ppt
Automatizacion_Industrial.pptAutomatizacion_Industrial.ppt
Automatizacion_Industrial.pptSick Hoziriz
 
S03.s1 -PDS - Señales y sistemas discretos.pdf
S03.s1 -PDS - Señales y sistemas discretos.pdfS03.s1 -PDS - Señales y sistemas discretos.pdf
S03.s1 -PDS - Señales y sistemas discretos.pdfJoseTorres207934
 
Electrónica digital: Sistemas secuenciales
Electrónica digital: Sistemas secuenciales Electrónica digital: Sistemas secuenciales
Electrónica digital: Sistemas secuenciales SANTIAGO PABLO ALBERTO
 
Laplace matlab
Laplace matlabLaplace matlab
Laplace matlabelmorillo
 
ESTRUCTURA DE DATOS ALEXIS ROJAS
ESTRUCTURA DE DATOS  ALEXIS ROJASESTRUCTURA DE DATOS  ALEXIS ROJAS
ESTRUCTURA DE DATOS ALEXIS ROJASAlex Kira
 
Resolución de problemas con java
Resolución de problemas con javaResolución de problemas con java
Resolución de problemas con javadiegocastro1234
 
Sistemas
SistemasSistemas
Sistemaslichic
 
Lecture 10 isi and eye pattern
Lecture 10 isi and eye patternLecture 10 isi and eye pattern
Lecture 10 isi and eye patternnica2009
 
Lecture 10 isi and eye pattern
Lecture 10 isi and eye patternLecture 10 isi and eye pattern
Lecture 10 isi and eye patternnica2009
 

Semelhante a Estructuras de entrada salida (20)

Control Modelo de Referencia y Linealizacion po Realimentacion
Control Modelo de Referencia y Linealizacion po RealimentacionControl Modelo de Referencia y Linealizacion po Realimentacion
Control Modelo de Referencia y Linealizacion po Realimentacion
 
T3.2.sistemas 1er orden 1314 v02
T3.2.sistemas 1er orden 1314 v02T3.2.sistemas 1er orden 1314 v02
T3.2.sistemas 1er orden 1314 v02
 
S_S de tiempo continuo_V2020.pptx
S_S de tiempo continuo_V2020.pptxS_S de tiempo continuo_V2020.pptx
S_S de tiempo continuo_V2020.pptx
 
Uso Ident matlab
Uso Ident matlabUso Ident matlab
Uso Ident matlab
 
Sistemas de control digital con matlab y labview
Sistemas de control digital con matlab y labviewSistemas de control digital con matlab y labview
Sistemas de control digital con matlab y labview
 
Automatizacion_Industrial.ppt
Automatizacion_Industrial.pptAutomatizacion_Industrial.ppt
Automatizacion_Industrial.ppt
 
S03.s1 -PDS - Señales y sistemas discretos.pdf
S03.s1 -PDS - Señales y sistemas discretos.pdfS03.s1 -PDS - Señales y sistemas discretos.pdf
S03.s1 -PDS - Señales y sistemas discretos.pdf
 
Electrónica digital: Sistemas secuenciales
Electrónica digital: Sistemas secuenciales Electrónica digital: Sistemas secuenciales
Electrónica digital: Sistemas secuenciales
 
Mapa conceptual
Mapa conceptualMapa conceptual
Mapa conceptual
 
Presentación1
Presentación1Presentación1
Presentación1
 
Tema2 2014 b
Tema2 2014 bTema2 2014 b
Tema2 2014 b
 
Laplace matlab
Laplace matlabLaplace matlab
Laplace matlab
 
ESTRUCTURA DE DATOS ALEXIS ROJAS
ESTRUCTURA DE DATOS  ALEXIS ROJASESTRUCTURA DE DATOS  ALEXIS ROJAS
ESTRUCTURA DE DATOS ALEXIS ROJAS
 
Grupos próximos
Grupos próximosGrupos próximos
Grupos próximos
 
Resolución de problemas con java
Resolución de problemas con javaResolución de problemas con java
Resolución de problemas con java
 
Sistemas
SistemasSistemas
Sistemas
 
Tema 1 canales en comunicaciones digitales
Tema 1   canales en comunicaciones digitalesTema 1   canales en comunicaciones digitales
Tema 1 canales en comunicaciones digitales
 
Control digital
Control digitalControl digital
Control digital
 
Lecture 10 isi and eye pattern
Lecture 10 isi and eye patternLecture 10 isi and eye pattern
Lecture 10 isi and eye pattern
 
Lecture 10 isi and eye pattern
Lecture 10 isi and eye patternLecture 10 isi and eye pattern
Lecture 10 isi and eye pattern
 

Mais de Omar Sanchez

Assembly programming II
Assembly programming IIAssembly programming II
Assembly programming IIOmar Sanchez
 
Assembly programming
Assembly programmingAssembly programming
Assembly programmingOmar Sanchez
 
Assembler Programming
Assembler ProgrammingAssembler Programming
Assembler ProgrammingOmar Sanchez
 
Functions for Nano 5 Card
Functions for Nano 5 CardFunctions for Nano 5 Card
Functions for Nano 5 CardOmar Sanchez
 
Ejemplos de modelos basados en adaptacion parametrica
Ejemplos de modelos basados en adaptacion parametricaEjemplos de modelos basados en adaptacion parametrica
Ejemplos de modelos basados en adaptacion parametricaOmar Sanchez
 
Sistemas numericos
Sistemas numericosSistemas numericos
Sistemas numericosOmar Sanchez
 
Referencias MATLAB
Referencias MATLABReferencias MATLAB
Referencias MATLABOmar Sanchez
 
Segmentación de imagenes
Segmentación de imagenesSegmentación de imagenes
Segmentación de imagenesOmar Sanchez
 
Imagen e histograma
Imagen e histogramaImagen e histograma
Imagen e histogramaOmar Sanchez
 
Funciones de Lyapunov basado en Krasovskii
Funciones de Lyapunov basado en KrasovskiiFunciones de Lyapunov basado en Krasovskii
Funciones de Lyapunov basado en KrasovskiiOmar Sanchez
 
Sensores de robots
Sensores de robotsSensores de robots
Sensores de robotsOmar Sanchez
 
Vehiculos no tripulados
Vehiculos no tripuladosVehiculos no tripulados
Vehiculos no tripuladosOmar Sanchez
 
Algunos aspectos de estabilidad
Algunos aspectos de estabilidadAlgunos aspectos de estabilidad
Algunos aspectos de estabilidadOmar Sanchez
 
Control basado en modelo
Control basado en modeloControl basado en modelo
Control basado en modeloOmar Sanchez
 
Algunas consideraciones
Algunas consideracionesAlgunas consideraciones
Algunas consideracionesOmar Sanchez
 

Mais de Omar Sanchez (20)

Assembler4
Assembler4Assembler4
Assembler4
 
Assembly programming II
Assembly programming IIAssembly programming II
Assembly programming II
 
Assembly programming
Assembly programmingAssembly programming
Assembly programming
 
Assembler Programming
Assembler ProgrammingAssembler Programming
Assembler Programming
 
Functions for Nano 5 Card
Functions for Nano 5 CardFunctions for Nano 5 Card
Functions for Nano 5 Card
 
Ejemplos de modelos basados en adaptacion parametrica
Ejemplos de modelos basados en adaptacion parametricaEjemplos de modelos basados en adaptacion parametrica
Ejemplos de modelos basados en adaptacion parametrica
 
Sistemas numericos
Sistemas numericosSistemas numericos
Sistemas numericos
 
Ensamblador
EnsambladorEnsamblador
Ensamblador
 
Nano5 features
Nano5 featuresNano5 features
Nano5 features
 
Referencias MATLAB
Referencias MATLABReferencias MATLAB
Referencias MATLAB
 
Fundposori
FundposoriFundposori
Fundposori
 
Segmentación de imagenes
Segmentación de imagenesSegmentación de imagenes
Segmentación de imagenes
 
Imagen e histograma
Imagen e histogramaImagen e histograma
Imagen e histograma
 
Funciones de Lyapunov basado en Krasovskii
Funciones de Lyapunov basado en KrasovskiiFunciones de Lyapunov basado en Krasovskii
Funciones de Lyapunov basado en Krasovskii
 
Sensores de robots
Sensores de robotsSensores de robots
Sensores de robots
 
Vehiculos no tripulados
Vehiculos no tripuladosVehiculos no tripulados
Vehiculos no tripulados
 
Algunos aspectos de estabilidad
Algunos aspectos de estabilidadAlgunos aspectos de estabilidad
Algunos aspectos de estabilidad
 
Control basado en modelo
Control basado en modeloControl basado en modelo
Control basado en modelo
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Algunas consideraciones
Algunas consideracionesAlgunas consideraciones
Algunas consideraciones
 

Estructuras de entrada salida

  • 1. Estructuras para la identificación y la selección de variables
  • 3. Modelo paralelo Depende de la salida del núcleo estimador
  • 4.
  • 5. Entrada-salida simple Las variables se presentan al modelo sin ningún tipo de ordenación previa
  • 6. Entrada-salida simple (II) Sistema caótico no autónomo de Duffing Para las condiciones: x 1 =2; x 2 =2 u (t)=0 t =[0, 60]
  • 7. Retrasos en la señal de salida y la señal de entrada                                                          
  • 8. Retrasos en la señal de salida y la señal de entrada (II)                                                           Ejemplo: Planta I siendo la ley de control
  • 9.
  • 10. Estímulo a la planta (II)                                                           Fuente Planta u ( t ) ? y ( t )
  • 11. Estímulo a la planta (III)                                                           Planta u ( t ) ? y ( t )
  • 12. Estímulo a la planta (IV)                                                           Planta u ( t ) ? y ( t )
  • 13. Estímulo a la planta (V)                                                           Comandos Matlab (System Identification): u=idinput(250,'sine',[0 100],[-1 1],[ ]) Planta u ( t ) ? y ( t )
  • 14. Retrasos en la señal de entrada, salida y retardo del sistema                                                          
  • 15. Retrasos en la señal de entrada, salida y retardo del sistema (II)                                                           Ejemplo: Modelo de Box y Jenkins Concentración de dióxido de carbono Flujo de metano Ruido del sistema Ruido blanco
  • 16. Retrasos en la señal de entrada, salida, retardo y el error                                                          
  • 17. Estructura para la predicción                                                           donde : nA: Número de veces que se retrasa la salida del sistema (incluyendo núcleo estimador) nB : Número de veces que se retrasa la entrada del sistema d : Retardo N o de valores medidos ≡ y (.) = max( nA - j ,0) + 1 N o de valores estimados ≡ ( (.) ) = min( j , nA ) – 1
  • 18. Ejemplo                                                           Se desea diseñar un estimador con tres unidades hacia delante, cinco valores retrasados de la variable de salida y dos valores retrasados de la variable de entrada (el retardo se considera cero) Del problema se conoce que nA=5 , nB=2 , d=0 y j=3 N o de valores medidos ≡ y (.) = max(5-3, 0) +1 = 3 N o de valores estimados ≡ ( (.) ) = min(3, 5) – 1 = 2
  • 19. Ejemplo                                                           - + Salida conocida y (t+1)  ( t+1 ) Sistema III   ( t +1) Salida del modelo Sistema II Sistema I      F Entradas conocidas Red estática Red dinámica hacia adelante Red dinámica recurrente