CENTRO DE INVESTIGACIÓN Y DE ESTUDIOS AVANZADOS DEL INSTITUTO

POLITÉCNICO NACIONAL

DEPARTAMENTO DE INGENIERÍA ELÉCTRICA

SECCIÓN DE MECATRÓNICA

Examen 1 de identificación paramétrica de sistemas dinámicos.

Estudiantes:
José Manuel Molinar Monterrubio.
Miguel Villarreal Cervantes.

Profesor:

Dr. Jaime Álvarez Gallegos.

México, D.F., Agosto 2006

 Problema 1. Considere el sistema siguiente:

J1 θ̈1 + c1 θ̇1 − K (θ2 − θ1 ) = τ

J2 θ̈2 + c2 θ̇2 + K (θ2 − θ1 ) = 0 (1)

Considere J1 = 3x10−3 y c1 = 1.1x10−2 conocidos.

Si J2 = 2.5x10−3 , c2 = 3x10−2 y K = 0.25 para 0 < t < 0.25 y J2 = 2.7x10−3 , c2 = 2.8x10−2 y K = 0.2
para 0.25 ≤ t < 1, identifique mediante mı́nimos cuadrados recursivos los valores de J2 , c2 y K. Grafı́que la
evolución de los estimados.
h i
Haciendo x = θ1 , θ̇1 , θ2, θ̇2 en el sistema 1, se obtiene la siguiente ecuación en espacio de estados

ẋ = Ax + bu (2)
donde

   
 0 1 0 0   0 
 K c1 k  1 
 − − J1 0

A =  J1 J1  J1 
 , b =  0  (3)

 0 0 0 1
c2
 K k
  
J2
0 J2 J2 0
con la salida del sistema representada mediante

y = cx (4)
con
 
c= 0 0 1 0
Utilizando los valores de K, C2 , J2 para t < 0.25, se calcula la función de transferencia en el dominio s
quedando

33333.33333
Ga (s) =
(5)
s3
s + 15.66666667 s2 + 227.3333333 s + 1366.666667
que, aplicando la discretización mediante un retenedor de orden cero, se obtiene

1
 1.388x10−13 z3 + 1.527x10−12 z2 + 1.526x10−12 z + 1.387e − 013
Ga (z) = (6)
z4 − 3.998z3 + 5.995z2 − 3.995z + 0.9984
Del mismo modo con los valores nuevos de K, C2 , J2 para t > 0.25 se tiene la función de transferencia

24691.35802
Gb (s) = (7)
s3 + 14.03703704s2 + 178.7654321s + 962.9629629


s
del cual, también aplicando la discretización utilizando el retenedor de orden cero, se obtiene

1.029x10−13 z3 + 1.131x10−12 z2 + 1.131x10−12 z + 1.028x10−13

Gb (z) = (8)
z4 − 3.999z3 + 5.996z2 − 3.996z + 0.9986
En las ecuaciones (6) y (8) se puede observar que el sistema obedece a una función de transferencia de la
forma

b3 z 3 + b2 z 2 + b1 z + b0
G (z) = 4 (9)
z − a3 z 3 + a2 z 2 − a1 z + a0

Es claro que al multiplicar y dividir por un factor de z−4 a la función de transferencia (que llamaremos
prototipo) se obtiene el sistema en ecuaciones de diferencias siguiente

y (k∆) = a3 y ((k − 1)∆) − a2 y ((k − 2)∆) + a1 y ((k − 3)∆) − a0 y ((k − 4)∆) +

+ b3 u ((k − 1)∆) + b2 u ((k − 2)∆) + b1 u ((k − 3)∆) + b0 ((k − 4)∆) (10)

A esta expresión se puede llegar mediante diversos métodos de discretización, en el apéndice se anexan
algunos cálculos en Maple R que permiten establecer este hecho. Dicha discretización se lleva a cabo mediante
la expresión para la discretización exacta, truncando la serie de Taylor de la exponencial de una matriz hasta el
cuarto término. También, mediante las ideas expuestas en [4] se realiza esta discretización, cuyos cálculos se
presentan también en el apéndice.
Utilizando la ecuación (10), se escribe el modelo ARMA para la identificación mediante Mı́nimos
Cuadrados Recursivos. La siguiente es la expresión del sistema en esta forma

y (n) = φT (n) θ (11)

con

2
 y(n − 1)
   
   a3 
−y(n − 2) a2
   
   

 y(n − 3) 


 a1 

 −y(n − 4) 
 , θ = 
 a0 
φ (n) =   (12)
 u(n − 1)   b3 
 

 u(n − 2) 
  b2 
u(n − 3) b1
   
   
u(n − 4) b0

Mediante el método de mı́nimos cuadrados, se obtiene una estimación inicial de los datos, usando para ello
las primeras 20 muestras, la expresión para los mı́nimos cuadrados es

 −1
θ̂ = ΦT Φ ΦT Y (13)
donde

 T  T
Φ (N) = φ(n) φ(n + 1) . . . φ(N) , Y (N) = y(n) . . . y(N) (14)
donde también, se ha usado N = 20 y n es el orden del sistema (4 en este caso). De acuerdo a la ecuación (13),
la estimación para θ es

 T
θ̂ = 3.9984 5.9953 3.9953 0.9984 0.0139x10−11 0.1527x10−11 0.1526x10−11 0.0139x10−11
(15)
La ecuación (15) servirá como el estimado inicial para los parámetros del sistema usando el método de
mı́nimos cuadrados recursivos. De acuerdo a los elementos de dicha teorı́a, se tienen el procedimiento siguiente
para calcular los estimados [3].

1. Seleccionar los valores iniciales para P (N) y θ̂ (N).

2. Colectar salidas y(0) . . . y(N) y entradas u(0) . . . u(N) para formar φT (N + 1).
3. Hacer k = N.  −1
4. Calcular L (k + 1) = P (N) φ (k + 1) 1 + φT (k + 1) P (k) φ (k + 1) .
5. Obtener y(k+1) y u(k+1).  
6. Calcular θ̂ (k + 1) = θ̂ (k) + L (k + 1) y (k + 1) − φT (k + 1) θ̂ (k)
h i
7. Calcular P (k + 1) = I − L (k + 1) φT (k + 1) P (k)
8. Formar la φ (k + 2)
9. incrementar k como k = k + 1.
10. Regresar a 4 y repetir hasta que se detenga el proceso.

Realizando este procedimiento y seleccionando a la P (0) = 1x106 I, I matriz identidad, como parámetro
inicial y a la ecuación (15) para el primer paso, se obtienen los estimados.
En la figura 1 se muestra una comparación entre la salida del sistema continuo y la salida del sistema
discretizado mediante el retenedor de orden cero. Esto sirve para comparar el desempeño del sistema
muestreado y se parezca al sistema real. De este modo se puede realizar el cálculo de los parámetros mediante
los mı́nimos cuadrados. Si el sistema muestreado no tuviera el mismo comportamiento, no tendrı́a caso hacer

3
una estimación mediate este método.

1
Secuencia Binaria
0.5

u(t) [Nm]
0

−0.5

−1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0.2
Salida del Sistema Continuo
0
y(t) [rad]

−0.2

−0.4

−0.6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0.2
Salida del Sistema Muestreado
0
y(k∆) [rad]

−0.2

−0.4

−0.6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Tiempo [s]

Figura 1: Simulación y comparación de los sistemas continuo y discreto para una entrada de secuencia binaria pseudoaleatoria.

Se puede observar en la figura 2 la evolución en los estimados. Se nota la convergencia en los valores de
θ5 a θ8 que son los respectivos coeficientes de las potencias descendientes en z del numerador en la función de
transferencia G (z) en la ecuación (9).

4 6 5 1.4

5 1.2
4
3
1
4
3 0.8
θ1

θ2

θ3

θ4

2 3
2 0.6
2
0.4
1
1 1
0.2

0 0 0 0
0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1

−7 −7 −7 −7
x 10 x 10 x 10 x 10
6 5 1 1

4 0
0
4
−1
3
−2 −1
θ5

θ6

θ7

θ8

2 2
−3 −2
1
−4
0
0 −3
−5

−2 −1 −6 −4
0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1

Figura 2: Evolución en los estimados con mı́nimos cuadrados recursivos

El valor final para la θ̂ es

 
θ̂ (N = 10001) = 3.9451 5.8883 3.9414 0.9982 0.1395x10−6 −8x10−10 −9.36x10−8 1x10−10

4
 2
Funcion Escalon
1.5

u(t) [Nm]
1

0.5

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

30
Salida del Sistema Original

y(t), y(k∆) [rad]

Salida del Sistema Identificado
20

10

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

3
Error absoluto
Error [rad]

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Tiempo [s]

Figura 3: Comparación para entrada Función escalón.

Utilizando estos valores, se forma nuevamente la ecuación (9), ahora con los valores estimados de θ̂
correspondientes

θ̂5 z3 + θ̂6 z2 + θ̂7 z + θ̂8

G (z) =
z4 − θ̂1 z3 + θ̂2 z2 − θ̂3 z + θ̂4
Utilizando los valores estimados, se realiza la comparación entre la simulación del sistema original y el
sistema estimado, las figuras 3 a 6 muestran el desempeño del sistema estimado ante las siguientes entradas
Función escalón (figura 3).
Función senoidal u = sin (10πt) (figura 4).
Ruido Blanco limitado en Banda (figura 5)
Función senoidal con Ruido Blanco limitado en Banda (figura 6)
Función senoidal con Ruido Blanco limitado en Banda, montada sobre una constante de 3 Nm (figura 7).
Con estas pruebas, se puede concluir que el sistema identificado semeja muy bien al original. Existe un
error relativamente pequeño y para fines de control es posible utilizar el sistema identificado.

5
 1
Funcion Senoidal
0.5

u(t) [Nm]
0

−0.5

−1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

1.5
Salida del Sistema Original
y(t), y(k∆) [rad]

Salida del Sistema Identificado

1

0.5

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0.4
Error absoluto
0.3
Error [rad]

0.2

0.1

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Tiempo [s]

Figura 4: Comparación para entrada Función senoidal.

0.2
Ruido Blanco limitado en banda
0.1
u(t) [Nm]

−0.1

−0.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
−3
x 10
15
Salida del Sistema Original
y(t), y(k∆) [rad]

10 Salida del Sistema Identificado

−5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
−3
x 10
3
Error absoluto
Error [rad]

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Tiempo [s]

Figura 5: Comparación para entrada Ruido Blanco limitado en Banda.

6
 2
Senodial con Ruido Blanco limitado en banda
1

u(t) [Nm]
0

−1

−2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

1.5
Salida del Sistema Original
y(t), y(k∆) [rad]

Salida del Sistema Identificado

1

0.5

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0.4
Error absoluto
0.3
Error [rad]

0.2

0.1

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Tiempo [s]

Figura 6: Comparación para entrada Función senoidal con Ruido Blanco limitado en Banda.

5
Senodial con Ruido Blanco limitado en banda, montada en una constante de 3 [Nm]
4
u(t) [Nm]

1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

80
Salida del Sistema Original
y(t), y(k∆) [rad]

60 Salida del Sistema Identificado

40

20

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

10
Error absoluto
Error [rad]

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Tiempo [s]

Figura 7: Comparación para entrada Función senoidal con Ruido Blanco limitado en Banda sobre constante de 3 Nm.

7
 Problema 2. Encuentre la respuesta al impulso del sistema

1.92
F (s) = (16)
s3 + 3.8s2 + 3.045s + 1.92

Utilizando el método de correlación con secuencias binarias seudoaleatorias

 
A) Se debe verificar que el sistema es estable lı́m h(t) = 0 . Se observa que las raı́ces de los polos del
t→∞
sistema F(s) son:
λ1 = −0.4 + 0.692 82i, λ2 = −0.4 − 0.692 82i, λ3 = −3.0
donde λ son los valores propios del sistema y como toman valores negativos (se encuentran en el semiplano
izquierdo) se verifica que el sistema es estable [2].
B) Se debe generar una secuencia binaria pseudoaleatoria que tenga las propiedades de las del ruido blanco:

Espectro extenso respecto del ancho de banda del sistema (propiedad del ruido blanco).
Centrada para que perturbe muy poco al proceso.
Ser determinı́stica para que se pueda generar fácilmente, considerándose pseudoaleatoria.
Ser binaria para que sea generada fácilmente.
Ser periódica de manera que su autocorrelación se calcule fácilmente.

Se utilizó un registro con 12 bits para producir un periodo de la secuencia de 4095 al retroalimentar los bits
1, 2, 3 y 11 menos significativos. Se propone un retenedor en donde ∆t = 5ms, produciendo un total de 20.475
segundos. Esta señal tiene un promedio de L1 y una función de autocorrelación de:

L ( )
1X 1 para k = 0
Cuu (k) = ui ui−k =
L i=1 − L1 para k , 0

Para generar la señal pseudoaleatoria en Matlab se procede a lo siguiente:

1. Establecer una variable con la secuencia máxima que puede generar el registro (Periodo = 4095).
2. Obtener los bits 1, 2, 3 y 11 del registro con la función ”bitget”.
3. Realizar una operación boleana ”xor” entre los bits 1 y 2, 3 y 1 y despues otra con los resultados de esas
dos operaciones, con la función ”bitxor”.
4. Realizar un corrimiento a la derecha del registro Periodo con la función ”bitshift”.
5. Ya que el corrimiento automáticamente coloca un cero en el bit más significativo, se debe proponer una
condición que cuando el resultado de la operación boleana es uno, se coloque ese nivel lógico en esa
posición, realizándose con la función ”bitset”.

9
 6. Obtener el bit menos significativo y almacenarlo en una variable, el cual contendrá la secuencia
pseudoaleatoria.
7. Cambiar de la variable de secuencia pseudoaleatoria los 0 por −1.
8. Ir al paso 2 y salir del ciclo hasta que se haya completado el periodo (4095 veces).

C) Identificación de la secuencia ponderada para el caso discreto. Cuando el sistema es muestreado, el

sistema se caracteriza por su secuencia de ponderación. Esta secuencia wi define la relación salida-entrada del
sistema y se expresa en la forma siguiente:

∞
X
yk = wi uk−i (17)
i=0

Para un sistema estable wi se anula a partir de cierta i, por lo que se puede escribir:

N
X
yk = wi uk−i (18)
i=0

donde wi = 0 para i > N

La correlación descrita se define mediante la siguiente expresión:

L
1X
Cyu = yi ui−k (19)
L i=1

siendo L el periodo de las señales yk y uk .

De las expresiones (18) y (19) se obtiene:

L
 N 
1 X X 
Cyu (k) =  w j ui− j  ui−k
L i=1 i=o
N
 L 
X  1 X 
= w j  ui− j ui−k 
j=0
L i=1

Por lo tanto:

N
X
Cyu (k) = w jCu u (k − j) (20)
j=0

La ecuación (20) es la version discreta de la ecuación de Wiener-Hopf.

a2
Si la señal de entrada es una secuencia binaria pseudoaleatoria con una longitud muy grande, L
será casi
cero y si además L >> N, se tendrá:

Para k=j

10
 a2 (L + 1)
Cuu (0) = (21)
L
Para k , j

Cuu (k − j) = 0 (22)
Por lo tanto la función Cyu está dada:

L+1
Cyu (k) = wk a2 (23)
L
Por lo que se obtiene la respuesta al impulso:

L
1 X
wk = yi ui−k (24)
a2 (L + 1) i=1

Para obtener los resultados experimentales, se utilizó la ecuación (24), con:

L = 4095
a = 1

donde L es el periodo, a es la amplitud de la señal pseudoaleatoria, tal que no perturbe demasiado al sistema.
yi es la salida en el instante i y ui−k es la entrada en el instante i − k del sistema.

Figura 8: Identificación de la respuestas al impulso por secuencias pseudoaleatorias con un periodo de 20.475 segundos

Se procede a cambiar el periodo L para que tenga un periodo de 32767 produciendo un tiempo de 163.835
segundos.
Se observa en la figura 8 y en la figura 9, después de 20 segundos, la respuesta al impulso es continua
con una magnitud promedio de −2.44E − 4. Además se observa que la señal está corrida hacia abajo esa

11
 Figura 9: Identificación de la respuestas al impulso por secuencias pseudoaleatorias con un periodo de 163.835 segundos

1
misma cantidad. Esto se debe a las propiedades estadı́sticas de la señal pseudoaleatoria (promedio de L
y su
autocorrelación de − L1 para k , 0).
Se verifica la respuesta al impulso obtenida por el método de correlación de secuencias binarias
pseudoaleatorias con las respuesta al impulso producida por matlab con la función ”impulse”.

Figura 10: Respuesta al impulso calculada por matlab

Se observa que el comportamiento de la respuesta al impulso obtenida por el método de correlación (Figura
8) es semejante a la obtenida por Matlab (Figura 10).

12
Bibliografı́a

[1] Alberto Isidori. Nonlinear Control Systems. Springer, 1995.

[2] Katsuhiko Ogata. Ingenierı́a de control moderna. Prentice Hall, 2003.
[3] J. David Powell. Engine control using cylinder pressure: Past, present, and future. Journal of Dynamic
Systems, Measurement, and Control, 115:343–350, Jun. 1993.
[4] Juan I. Yuz y Graham Goodwin. On sampled-data models for nonlinear systems. IEEE- Transactions on
Automatic Control, 50(10):1477–1489, Oct. 2005.
Apéndice A

Discretización utilizando la forma normal

El sistema de la ecuación (1) se escribe en su forma normal (forma canónica controlable) siguiendo las
ideas de sistemas dinámicos no lineales, aplicados a este sistema lineal [1]. Utilizando esta teorı́a, se re-escribe
el sistema (1) como

ẋ1 = x2
1
ẋ2 = [u + K (x3 − x1 ) − c1 x2 ]
J1
ẋ3 = x4 (A.1)
1
ẋ4 = [K (x1 − x − 2) − c2 x2 ]
J2
h i
donde se ha sustituido θ1 , θ̇1 , θ2, θ̇2 = x = [x1 , x2 , x3 , x4 ]T y τ = u.
El sistema tiene la forma ẋ = F (x) + g (x) u donde

   
 x2   0 
K
x1 ) − cJ11
 1 
(x −
 
J1 3  J1 
f (x) =  , g (x) = (A.2)
 
 x4 
  0 
 
K
(x1 − x3 ) − cJ22 x4 0

J2

Utilizando las relaciones en (A.2), se busca el grado relativo del sistema. Para ello se procede como sigue.
Sea la derivada de Lee denotada como L f h (x) la derivada direccional del campo de deriva con respecto a
la salida h (x) = x3 , se obtienen

 
 x2 
∂h K
(x − x1 ) − cJ11
 
3
h i
J1
L f h (x) = T f = 0 0 1 0   = x4 (A.3)
 
∂x  x4 
K
(x1 − x3 ) − cJ22 x4

J2

Calculando si existe relación con el campo de control a lo largo de esta función, se obtiene

15
  
 0 
∂L f h (x) h i  1 
Lg L f h (x) = g = 0 0 0 1  J1  = 0 (A.4)
∂xT  0 
0
 

Entonces, el grado relativo es mayor, se continúa en la búsqueda del grado relativo, calculando

 
 x2 
∂L h (x) K
(x − x1 ) − cJ11  K c2
 
f h i 3
L f 2 h (x) = f = 0 0 0 1 J1
 = J2 (x1 − x3 ) − J2 x4 (A.5)

∂xT

 x4
(x1 − x3 ) − cJ22 x4
K

J2

Nuevamente, se busca si existe relación con el campo de control

 
 0 
∂L f 2 h (x) h i  1 
2
Lg L f h (x) = g = K
J2
0 − JK2 − cJ22  J1  = 0 (A.6)
∂xT  0 
 
0

Se continúa con la búsqueda del grado relativo, pues (A.6) es cero

 
 x2 
∂L f 2 h (x) i  K
(x − x1 ) − cJ11

3
h
L f 3 h (x) = f = K
0 − JK2 − cJ22 J1
 
J2 x4
∂xT  

(x1 − x3 ) − cJ22 x4
 K
J2
K K Kc2 c2
= x2 − x4 − 2 (x1 − x3 ) + 22 x4 (A.7)
J2 J2 J2 J2

Calculando con esta función la relación con el campo de control se tiene que

 
 0 
∂L f 3 h (x) 
c22
  1 
Lg L f 3 h (x) = − Kc K Kc2
− JK2 +
 J1 
g = J22
2
J2 J22 J22
∂xT  0 
 
0
K
= (A.8)
J1 J2

Como en este caso, Lg L f 3 h (x) es distinto de cero, el grado relativo debe ser r − 1 = 3, r = 4. El grado
relativo es igual al orden del sistema, por lo tanto, no hay dinámica remanente del sistema. Para escribir el
sistema en la forma normal, se obtiene una última derivada de Lee, como sigue

16
  
 x2 
3
∂L f h (x) K
  (x3 − x1 ) − cJ11
 
Kc2 Kc2 c22
L f 4 h (x) = f = − K
− K
+ J1 
∂xT J22 J2 J22 J2 J22  x4 
 
K
J2
(x1 − x3 ) − cJ22 x4
K K c22 K c2 2K c22
! ! !
K c2 c1
= − + (x3 − x1 ) − + x2 + − 2 (A.9)
J2 J1 J22 J2 J2 J2 J1 J2 J2 J2

Utilizando las ecuaciones (A.8) y (A.3) a (A.9), se escribe el sistema (A.1) en su forma normal como

Φ1 (x) = h (x) = x3
Φ2 (x) = L f h (x) = x4
K c2
Φ3 (x) = L f 2 h (x) = (x1 − x3 ) − x4 (A.10)
J2 J2
K K Kc2 c2
Φ4 (x) = L f 3 h (x) = x2 − x4 − 2 (x1 − x3 ) + 22 x4
J2 J2 J2 J2
Φ̇4 (x) = L f 4 h (x) + LgL f 3 h (x) u
K K c22 K c2 2K c22
! ! !
K c2 c1 K
= − 2+ (x3 − x1 ) − + x2 + − 2 + u
J2 J1 J2 J2 J2 J2 J1 J2 J2 J2 J1 J2

El sistema transformado en coordenadas ζ, haciendo Φ (x) = ζ, con ζ = ζ1 , ζ2 , ζ3 , ζ4 T es

 

ζ̇1 = ζ2
ζ̇2 = ζ3
ζ̇3 = ζ4 (A.11)
ζ̇4 = aζ1 + bζ3 + cζ4 + du

donde
a = − JKc 2
1 J2
− Kc2
J22
+ 2Kc2
J22
,

b = − JK1 − K
J2
− Jc11 cJ22 ,
c = − cJ22 − c1
J1
,
K
d= J1 J2
.
De este modo, se puede aplicar la discretización propuesta en [4], las variables ζℓ en (A.11) al tiempo
t = k∆ + ∆, donde ∆ es el periodo de muestreo, se pueden expresar exactamente como

17
 ∆2 ∆3  
ζ1 (k∆ + ∆) = ζ1 (k∆) + ∆ζ2 (k∆) + ζ (k∆) + z4 (k∆) + aζ2 (k∆) + bζ3 (k∆) + cζ4 (k∆) + du (k∆)
2 6
2
∆ ∆3  
ζ2 (k∆ + ∆) = ζ2 (k∆) + ∆ζ3 (k∆) + ζ4 (k∆) + aζ2 (k∆) + bζ3 (k∆) + cζ4 (k∆) + du (k∆)
2 6
∆2  
ζ3 (k∆ + ∆) = ζ3 (k∆) + ∆ζ4 (k∆) + aζ2 (k∆) + bζ3 (k∆) + cζ4 (k∆) + du (k∆) (A.12)
2
 
ζ4 (k∆ + ∆) = ζ4 (k∆) + ∆ aζ2 (k∆) + bζ3 (k∆) + cζ4 (k∆) + du (k∆)

Ésta es la descripción exacta discreta en tiempo con un retenedor de orden cero. Se puede escribir (A.12)
en forma matricial como

 1 ∆ + 1/24 ∆4a ∆2 + 1/24 ∆4b ∆3 + 1/24 ∆4 c  1/24 ∆4 d 

   

   
 0 1 + 1/6 ∆3 a ∆ + 1/6 ∆3 b ∆2 + 1/6 ∆3 c   1/6 ∆3 d 
ζ (k∆ + ∆) =   ζ (k∆) +   u (k∆) (A.13)
   
 0
 1/2 ∆2a 1 + 1/2 ∆2 b ∆ + 1/2 ∆2 c  2
 1/2 ∆ d 
   
0 ∆a ∆b 1 + ∆c ∆d

Haciendo

1 ∆ + 1/24 ∆4a ∆2 + 1/24 ∆4 b ∆3 + 1/24 ∆4c   1/24 ∆4 d

   
 
   
 0 1 + 1/6 ∆3a ∆ + 1/6 ∆3 b ∆2 + 1/6 ∆3 c   1/6 ∆3 d 
F = 
  , G =  
1/2 ∆2 a 1 + 1/2 ∆2 b ∆ + 1/2 ∆2c   1/2 ∆2 d 

 0  
   
0 ∆a ∆b 1 +∆c ∆d
h i
H= 1 0 0 0 (A.14)

el sistema está expresado entonces de la forma

ζ (k∆ + ∆) = Fζ (k∆) + Gu (k∆) , y = Hζ (k∆) (A.15)

Es necesario obtener una función de transferencia de modo que el sistema tenga relación directa entre
la salida del sistema y la entrada con fines de identificación de los parámetros. La salida aquı́ se encuentra
expresada mediante ζ1 , pues es la variable discreta del sistema (A.11) el cual, a su vez, es la forma normal del
sistema (A.1).
Utilizando ahora la relación

Y (z)
= H (zI − F)−1 G (A.16)
U (z)
donde Y (z) = Z {y (k∆)} = Z {ζ1 (k∆)} y U (z) = Z {u (k∆)}. Z {·} denota la transformada en z.
Para el sistema expresado en la forma de la ecuación (A.15) se tiene que la función de transferencia Γ (z) es

18
 37 4 2
1/8 ∆4 d + 24
∆ dz + 1/24 ∆4 dz3 − 17
24
∆4 dz
Γ (z) = (A.17)
z4 + αz3 + βz2 + γz + δ
donde ahora se han definido las siguientes constantes para simplificar la notación
α = −4 − 1/6 ∆3 a − ∆ c − 1/2 ∆2 b
β = 1/2 ∆2 b − ∆3 a + 6 + 3 ∆ c
γ = −4 − 3 ∆ c + 3/2 ∆3 a + 1/2 ∆2 b
δ = 1 + ∆ c − 1/3 ∆3a
Se
n debe escribir
o el tiempo discreto. Considerando
n la función
o de transferencia (A.17), y tomando en cuenta
−1−i −1 − j
Z z Y (z) = y (k∆ − i∆) para i = 1 . . . 4 y Z z U (z) = u (k∆ − j∆) para j = 1 . . . 4, se tiene que

y (k∆) + αy (k∆ − ∆) − βy (k∆ − 2∆) − γy (k∆ − 3∆) − δy (k∆ − 4∆) =

= 1/24∆ du (k∆ − ∆) + 37/24∆4du (k∆ − 2∆) − 17/24∆4du (k∆ − 3∆) + ∆4 /8du (k∆ − 4∆)
4
(A.18)

19
Apéndice B

Discretización “exacta” truncando al 4◦ término

[Maple ]R

21