Tema 3.

Modelado de sistemas continuos

Objetivos

Distinguir entre modelo matemtico dinmico y esttico.

Distinguir entre modelo matemtico dinmico continuo y discreto.
Distinguir modelado e identificacin.
Conocer las etapas del modelado dinmico de sistemas.
Modelar sistemas sencillos.
Conocer que es la estimacin de parmetros y como puede realizarse.
Conocer los principales errores que se comenten en modelado y
simulacin.
Conocer los diversos tipos de validaciones de un modelo de
simulacin.
Conocer algunas tcnicas de validacin de un modelo de simulacin.

Simulacin y Optimizacin
4 Ingeniera Informtica

Tema 3. Modelado de sistemas continuos

Contenidos
Tipologa de los modelos matemticos de los sistemas
continuos.
Formalizacin de los modelos matemticos.
Obtencin de modelos matemticos: modelado e
identificacin.
Ejemplos de modelado de sistemas sencillos.
Estimacin de parmetros.
Validacin de modelos.

Simulacin y Optimizacin
4 Ingeniera Informtica

1. Tipologa de los M.M. de sistemas continuos

Cualitativos:
Caractersticas:
Modelado con incertidumbres
Tcnicas de Inteligencia Artificial (sistemas expertos, fsica cualitativa )

Cuantitativos
Caractersticas:
Conjunto de relaciones matemticas entre las variables del sistema.
La resolucin de dichas ecuaciones tiene resultados numricos similares a las
medidas en el sistema que representa.

Clasificacin:
Atendiendo a su conducta con respecto al tiempo
Dinmicos/estticos

Atendiendo a la naturaleza de sus ecuaciones

Lineales/no lineales
Continuos/discretos
Simulacin y Optimizacin
4 Ingeniera Informtica

2. Formalizacin de los modelos matemticos

El modelo matemtico dinmico de un sistema es:
Conjunto de relaciones matemticas entre las variables del sistema, tales
que las soluciones para este conjunto de ecuaciones, ante los mismos
estmulos que se aplican al sistema real, tengan valores numricos
similares a los que podramos medir en dicho sistema real.

El modelo matemtico dinmico de un sistema constar de:

y = a x 2 + be z
Ecuaciones algebraicas (estticas)
Ecuaciones en diferencias (discretas) y(t + t ) = a y(t ) + b y(t t ) + cu(t 2t )
dy (t )
d 2 y (t )
= a
+ b x 2 (t ) + d x(t )
Ecuaciones diferenciales
dt
dt 2
Eventos
SI (z = 0. and z' > 0 )
Cambios estructurales en el modelo
Cambio instantneo del valor de las variables.

ENTONCES x = 5.
SINO x = 6 * z

Simulacin y Optimizacin
4 Ingeniera Informtica

3. Obtencin de modelos matemticos

Modelado
Se caracterizan por generar conjuntos de ecuaciones
diferenciales y algebraicas, normalmente no lineales, que se
obtienen a partir de un estudio analtico del sistema basado en:
Una serie de hiptesis sobre dicho sistema.
El uso de leyes de comportamiento fsico-qumicas (leyes de
conservacin, equilibrio entre fases, dependencias entre variables,...), o
bien expresiones obtenidas a partir de datos experimentales.

Identificacin
Se caracterizan por considerar el sistema como una caja negra,
sin hacer ninguna hiptesis ni tener en cuenta los mecanismos
internos de funcionamiento del sistema, y se basan en medidas
experimentales para deducir las relaciones entrada salida.

Diferencias modelado/identificacin
Simulacin y Optimizacin
4 Ingeniera Informtica

Metodologa de modelado
Conceptualizacin
Conocer de forma general el proceso que se quiere modelar
Definir de los objetivos del modelo
Realizar un modelo conceptual basado en hiptesis sobre el sistema bajo estudio
que debe ser tan simple como sea posible.
Conocer las leyes que rigen los fenmenos del sistema y su causalidad fsica
(leyes de conservacin de la masa, energa y momento )
Dividir el sistema en subsistemas interconectados.

Formalizacin

Conceptualizacin

Formular el modelo en forma dede

ecuaciones diferenciales y/o algebraicas
y una serie de condiciones lgicas).

Parametrizacin
Determinacin de los parmetros del
modelo y condiciones iniciales.

Resolucin del modelos en un ordenador

Validar el modelo.

Conocimiento,
experiencia,
bibliografa

Datos tcnicos
y del proceso
Lenguaje de
simulacin
Datos
experimentales

Simulacin y Optimizacin
4 Ingeniera Informtica

Formalizacin
Parametrizacin
Resolucin
Validacin
NO
Correcto?
SI

 Metodologa de identificacin
Seleccionar una clase de modelos: Continuos o discretos, lineales o no.

U(t)

Ec. Diferencial
Ec. Algebraica
Parmetros?

Y(t)

{U(Kt)}

Ec. en diferencias
RED NEURONAL
...
Parmetros?

{Y(Kt)}

Obtener un conjunto de datos experimentales.

Seleccionar, de acuerdo con algunas de las caractersticas de los
datos experimentales y previo minucioso anlisis de dichos datos,
un modelo entre los de clase seleccionada.
Tratamiento de los datos experimentales (filtrado en un rango de
frecuencias, eliminacin de datos espreos,...) y estimacin de los
parmetros del modelo. Las tcnicas de estimacin del modelo
dependen de la clase de modelo a identificar y de los datos de los
que se dispongan.
Probar la validez del modelo.
Simulacin y Optimizacin
4 Ingeniera Informtica

Ventajas y desventajas del modelado vs identificacin

Ventaja del modelado:
Genera modelos aplicables en un extenso rango, debido a que llevan
incorporados los mecanismos bsicos que describen el comportamiento del
sistema.

Inconveniente del modelado

El modelado suele ser una tarea larga que requiere un conocimiento
preciso del sistema que se trata de modelar, adems de experiencia en la
tarea de modelado.

Ventaja de la identificacin
Los modelos obtenidos mediante las tcnicas de identificacin suelen estar
orientados a algoritmos de control y deteccin de fallos.
Suelen ser ms sencillos de obtener que los basados en tcnicas de
modelado.

Inconveniente de la identificacin
Su entorno de validez suele estar restringido a las condiciones en las que
se tomaron los datos experimentales (esto es especialmente cierto para los
modelos lineales, no debera ser as para los modelos basados en redes
neuronales).
Simulacin y Optimizacin
4 Ingeniera Informtica

4. Ejemplos de modelado de sistemas

Sistemas hidrulicos
Sistemas mecnicos
Traslacionales
Rotacionales

Sistemas elctricos
Sistemas trmicos
Sistema multidominio: bomba centrfuga
Sistemas complejos: planta de produccin

Simulacin y Optimizacin
4 Ingeniera Informtica

Sistemas hidralicos: ejemplo depsito

Conceptualizacin (1)
Descripcin general del sistema

Simulacin y Optimizacin
4 Ingeniera Informtica

 Conceptualizacin (2)
Objetivos del modelo:
Evolucin temporal del nivel y de los flujos de entrada y salida, en
funcin de los valores de las presiones en los extremos de la
conducciones.

Formulacin de hiptesis de comportamiento.

Densidad del lquido que entra constante.

No existe intercambio energtico con el exterior.
La presin en la superficie del lquido es constante (Patm).
Lquido incompresible.
Depsito agitado.

Divisin en subsistemas interconectados:

Depsito
Tuberas de entrada y salida

Simulacin y Optimizacin
4 Ingeniera Informtica

Formalizacin
Uso de la conservacin de la masa
Geometra del depsito
F1 = Cv1

Dinmica de fluidos

p1 p

F2 = Cv2

Esttica de fluidos

d ( A h )
= F1 F2
dt
dh
A
= F1 F2
dt

p p2

P = p0 + g h

dh F1 F2
=
dt
A
F1 = Cv1
F2 = Cv 2

p1 p 0 g h

p0 + g h p2

Simulacin y Optimizacin
4 Ingeniera Informtica

 Formalizacin
Altura del depsito limitada
Flujo de lquido en las dos
direcciones

0 h(t ) hmax
F1 = Cv1 signo( p1 p 0 g h)

p1 p 0 g h

F2 = Cv2 signo( p0 + g h p 2 )

p0 + g h p2

dh F1 F2
=
;0 h(t) hmax
dt
A
F1 = Cv1 signo( p1 p0 g h)

p1 p0 g h

F2 = Cv2 signo( p0 + g h p2 )

p0 + g h p2

Simulacin y Optimizacin
4 Ingeniera Informtica

Parametrizacin
Parmetros fsicos
Condiciones iniciales
Parmetros:
A , hmax, p0, , Cv1 , Cv2

dh F1 F2
;0 h(t ) hmax
=
dt
A

Entradas:
p1(t) , p2(t)

p1 p0 g h

MODELO

F1 = Cv1 signo( p1 p0 g h)

F2 = Cv2 signo( p0 + g h p2 )

p0 + g h p 2

Salidas:
h(t) , F1(t) , F2(t)

Condiciones iniciales:
h(t=0)
Simulacin y Optimizacin
4 Ingeniera Informtica

 Objetivo:

Sistemas mecnicos traslacionales:

ejemplo amortiguador

Conocer el desplazamiento del bloque (x), en funcin de la fuerza aplicada

y de los parmetros del muelle (k) y la friccin viscosa (a).

Conceptualizacin del sistema:

Segn el esquema

Formalizacin

F
Segunda ley de Newton ma =
Muelle cumple la ley de Hooke F
muelle = K ( x xno min al )
Friccin viscosa proporcional a la velocidad y opuesta al desplazamiento

F friccin = f x&

As: ma =
F = F + Fmuelle + F friccin = F k (x xno min al ) f x
Como a = x y asumiendo que medimos el desplazamiento desde la
longitud nominal del muelle xnominal=0.

Simulacin y Optimizacin
4 Ingeniera Informtica

Entonces se tiene que:

ma = F k (x ) f x
a = x

Definiendo la velocidad como: v = x

Se tiene que: a = x = v
As el modelo matemtico resulta ser:

ma = F k x f x

v = x
a = v

F k x f v
Manipulando el modelo simblicamente le
v =
m

podemos poner en forma de ODEs

x = v

Condiciones iniciales:
x(t=0) y v(t=0)
Entrada: F(t)

F k x f v

v =
m

x = v

Salida: x(t)

Parmetros: k,f y m
Simulacin y Optimizacin
4 Ingeniera Informtica

Sistemas mecnicos rotacionales

Objetivo:
Conocer la velocidad de giro del eje () en funcin del par aplicado (T) y
considerando que existe un rozamiento viscoso (b) y que el momento de
inercia del cilindro es conocido (J).

Conceptualizacin del sistema: Segn el esquema

Formalizacin

es la aceleracin angular

Segunda Ley de Newton aplicada a la rotacin

Friccin viscosa proporcional a la velocidad de giro
Sustituyendo
Sabiendo que:

c.i. : (t = 0) = 0
parmetros : b y J Entonces:

T (t )

d (t )
+ b (t ) = T (t )
dt

Simulacin y Optimizacin
4 Ingeniera Informtica

J =
T friccion = b

J = T b

= =
J + b = T

(t )

Sistemas elctricos
Objetivo:
Conocer la tensin de salida del circuito de la figura (Us) en funcin de la
tensin de entrada (Ui).

Formalizacin:
Uso de las leyes de Kirchhoff
U i (t ) = Li (t ) + Ri (t ) +
U s (t ) =

1
i (t )dt
C

1
i (t )dt
C
LC U s (t ) + RC U s (t ) + U s (t ) = U i (t )

U i (t ) = Li (t ) + Ri (t ) + U s (t )
i (t ) = C U s (t )
U i (t ) U s (t ) Ri (t )
L
i (t )
U s (t ) =
C
i (t ) =

Simulacin y Optimizacin
4 Ingeniera Informtica

Sistemas multidominio: ejemplo bomba

centrfuga
Dominio elctrico:
Motor AC o DC.

Dominio mecnico:
Velocidad de giro del eje de la
bomba funcin del par motor par
antagnico (funcin del caudal
suministrado).

Dominio hidrulico:
Caudal suministrado por la bomba
funcin de la velocidad de giro del
eje de la bomba y de las presiones en
el exterior de la bomba.
Simulacin y Optimizacin
4 Ingeniera Informtica

Sistemas complejos. Ejemplo: procesos de fabricacin

Sistemas demasiado complejos para modelarles

ecuacin a ecuacin
Simulacin y Optimizacin
4 Ingeniera Informtica

10

5. Estimacin de parmetros
Uno de los grandes problemas de la simulacin es conocer el
valor de los parmetros de un modelo, en ocasiones se pueden
obtener de:
Datos tcnicos del proceso (dimensiones, resistencia elctrica, nmero
de tubos, )
Balances estacionarios
Por tcnicas numricas a partir de un conjunto de datos
entrada/salida

Parmetros?
Variables de
entrada (t)
U i (t ) U s (t ) Ri (t )
L
i (t )
U s (t ) =
C
i (t ) =

Modelo

Variables de
salida (t)

Condiciones
iniciales (t=0)
Simulacin y Optimizacin
4 Ingeniera Informtica

Estimacin de parmetros por minimizacin de una funcin de coste:

Simulacin y Optimizacin
4 Ingeniera Informtica

11

 Seleccionar la funcin de coste:

F=

n muestras n salidas

K =1

j =1

f j [ y mod elo ( K T ) y sistema ( K T )]

T es el periodo de muestreo de toma de datos.

fj el peso asociado a cada variable
Los problemas pueden ser estimar los valores de los
pesos (fj) y seleccionar el periodo de muestreo (T).

Seleccionar el algoritmo de minimizacin y un

programa informtico donde est implementado.
Dicho algoritmo buscar los valores de los
parmetros desconocidos del modelo de modo que el
valor de la funcin de coste sea lo ms prximo a
cero.
El principal problema es que el algoritmo de
optimizacin debe ser lo suficientemente bueno
como para no caer en mnimos globales.

Seleccionar los datos de entrada (deben ser datos

con una adecuada informacin dinmica).
Filtrar los datos

Simulacin y Optimizacin
4 Ingeniera Informtica

5. Validacin de modelos
Objetivo de la validacin de modelos:
Establecer la credibilidad de un modelo para un propsito especfico

Tipos de errores en modelado:

Error tipo I: modelo es bueno pero es descartado por el modelador
El error consiste en que el diseador de modelos perder el tiempo reformando un
modelo que no hay que reformular.

Error tipo II: modelo no es bueno pero no es descartado por el usuario (afecta a la
credibilidad del modelo).
El error es que el usuario toma decisiones basadas en un modelo incorrecto.

Claramente el primer tipo de errores no afectan a la credibilidad del modelo, pero el

segundo si. As, para conseguir la credibilidad de un modelo deben recurrirse a
tcnicas de control de calidad en el desarrollo de modelos y la posterior
documentacin para su uso por usuarios finales.

Simulacin y Optimizacin
4 Ingeniera Informtica

12

 Tipos de validaciones de modelos:

Validacin de los datos a usar en el
modelo
Son necesarios para construir el modelo,
evaluarlo y verificarlo.

Validacin del modelo conceptual:

Validez de las teoras y suposiciones que
subyacen en el modelo (relaciones causales
y estructuras sean lgicas, fenmenos con
suficiente grado de detalle ...)

Verificacin o validacin del modelo software, que requiere:

Depurar el programa.
Que los algoritmos de integracin y solucin de ecuaciones sean numricamente estables y
apropiados al tipo de problema.
Comprobar las condiciones numricas: unidades correctas? robusto ante errores de
clculo? problemas stiff?
Presentacin de datos: los resultados son fciles o ambiguos de interpretar?
Implementacin: exportable a otras mquinas? precisin adecuada? interface de usuario?

Validacin operacional:
Determinar si la salida del modelo posee el grado de aproximacin al sistema para el
propsito requerido y en el dominio que va a ser usado.
Si el modelo no es vlido suele deberse a: falta de adecuacin del modelo conceptual, falta
de correccin al implementar el modelo conceptual, datos de entrada no vlidos.
Simulacin y Optimizacin
4 Ingeniera Informtica

Tcnicas de validacin:
Cualitativas:
Fenmenos asociados Qu pasa si?
Verificacin basada en conocimiento
de expertos Qu opinas sobre ...?
Cuantitativas:
Comparacin de datos
Sensibilidad del modelo ante cambios
en ciertos parmetros
Repetitibilidad de las simulaciones

Simulacin y Optimizacin
4 Ingeniera Informtica

13