Trea Unidad Didáctica 1 (Nelson Vaca)

MASTER EN INVESTIGACIÓN DE ENERGÍA ELÉCTRICA, ELECTRÓNICA Y CONTROL INDUSTRIAL
(M-IEECI)
Máster Universitario en Investigación en

Ingeniería Eléctrica, Electrónica y Control
Industrial (M-IEECI)
EJERCICIOS DE LA UNIDAD
DIDÁCTICA 1
Sistemas industriales de Control Adaptativo

2018-2019
Nelson Vaca
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA

(M-IEECI)
Ejercicio 1.1.- Sea un proceso de primer orden descrito por la ecuación.
𝑦(𝑘) = 𝑎𝑦(𝑘 − 1) + 𝑏𝑢(𝑘 − 1)
Donde k es el tiempo discreto de simulación. La función de transferencia es:
𝑏𝑧 −1
𝑇(𝑧) =
1 − 𝑎𝑧 −1
En el escenario de simulación genérico, y partiendo de las condiciones iniciales de equilibrio, es
decir con todas las variables de entrada salida iguales a 0, aplicar como señal de control un
escalón unitario en el instante de control k=10, siendo k el instante de control (correspondiente
al índice del bucle en la simulación), asignado a los parámetros a y b del proceso los valores que
se indican en los siguientes casos:
1. a=0.4 b=0.6
2. a=0.9 b=0.1
3. a=1.0 b=0.1
4. a=1.1 b=0.1
Ajustar convenientemente las escalas de la representación gráfica para todos los casos teniendo
en cuenta la ganancia del proceso en los casos 1 y 2.
Solución
Se utiliza el software Octave con el siguiente código:
%%EJERCICIO 1.1
clc
hold on
%%Definoción de variables
a=[0.4 0.9 1 1.1]'
b=[0.6 0.1 0.1 0.1]'
yk=zeros(50,1);
%%Escalon Unidad
u=zeros(50,1);
for n=10:50
u(n)=1;
end
k=1:50;
plot (k,u,'bk:--')
legend("escalon unidad")
xlabel("k")
ylabel("y(k)")
%%Grafica de casos
for i=1:4
(M-IEECI)
for n=2:50
yk(n)= a(i,1)*yk(n-1)+b(i,1)*u(n-1);
end
plot (k,yk)
xlim([0,50])
ylim([0,2])
grid on
end
hold off
legend ('Escalon unidad','Caso 1', 'Caso 2', 'Caso 3','Caso 4')
Lo cual nos da la gráfica:
Ejercicio 1.2.- El comportamiento dinámico de un proceso, cuando el periodo de control es igual

a 1 segundo, puede representarse mediante el ejercicio anterior, donde el valor del parámetro
a es igual a 0.9 y el valor del parámetro b es 0.1. Calcular.
𝑦(𝑘) = 𝑎𝑦(𝑘 − 1) + 𝑏𝑢(𝑘 − 1)
1.- La Ganancia del proceso.
Con a=0.9 y b=0.1
𝑏𝑧 −1 0.1(1−1 )
lim 𝐹(𝑧) = =1
𝑧→1 1 − 𝑎𝑧 −1 1 − 0.9(1−1 )
2.- La ecuación que representaría el comportamiento dinámico de este mismo proceso si el

periodo de control fuera igual a 3 segundos.
(M-IEECI)
a=0.9 b=0.1
𝑦(3) = 𝑦 ′ (1)
𝑦(3) = 𝑎𝑦(2) + 𝑏𝑢(1) = 𝑎′ 𝑦 ′ (0) + 𝑏 ′ 𝑢(0)

𝑏 𝑏′
1= =
1 − 𝑎 1 − 𝑎′
𝑦(0) = 0 = 𝑦 ′ (0)
𝑢(2) = 𝑢(1) = 𝑢(0) = 1 = 𝑢′ (1) = 𝑢′(0)
𝑎𝑦(2) + 𝑏 = 𝑏 ′
𝑦(2) = 𝑎𝑦(1) + 𝑏𝑢(1)
𝑎(𝑎𝑦(1) + 𝑏(1)) + 𝑏 = 𝑏 ′
𝑎2 𝑦(1) + 𝑎𝑏 + 𝑏 = 𝑏 ′
𝑦(1) = 𝑎𝑦(0) + 𝑏 = 𝑏
𝑏 ′ = 𝑎2 (𝑏) + 𝑎𝑏 + 𝑏
𝑏 ′ = 𝑎2 (1 − 𝑎) + 𝑎(1 − 𝑎) + (1 − 𝑎) = 1 − 𝑎3
𝒃′ = 𝟎. 𝟐𝟕𝟏
𝑏 ′ = 1 − 𝑎′
𝑎′ = 1 − (1 − 𝑎3 ) = 𝑎3
𝒂′ = 𝟎. 𝟕𝟐𝟗
Con los nuevos valores de a y b se puede armar la ecuación de diferencias.
𝑦 ′ (𝑘) = 𝑎′ 𝑦(𝑘′ − 1) + 𝑏 ′ 𝑢(𝑘′ − 1)

𝒚′(𝒌) = 𝟎. 𝟕𝟐𝟗𝒚(𝒌′ − 𝟏) + 𝟎. 𝟐𝟕𝟏𝒖(𝒌′ − 𝟏)
Como comprobación tenemos:

0.1 0.271
1= =
1 − 0.1 1 − 0.729
𝑦 ′ (1) = 0.729𝑦(𝑘 ′ − 1) + 0.271𝑢(𝑘 ′ − 1) = 𝑦(3) = 0.9𝑦(𝑘 − 1) + 0.1𝑢(𝑘 − 1)
𝑦 ′ (1) = 0.271 = 𝑦(3)
Además se puede ver que las curvas son idénticas simplemente modificando sus escalas de
tiempo, como límite del primer caso 30 segundos y su equivalente en el segundo caso 10
segundos.
(M-IEECI)
3.- La ecuación que representaría el comportamiento dinámico de este mismo proceso si el

periodo de control fuera a m segundos.
Con el razonamiento anterior ya que en 3 segundos 𝑎′ = 𝑎3 y 𝑏 ′ = 1 − 𝑎3 entendemos que la

ecuación de diferencias para un periodo de control m sería
Completamos realizando otro ejemplo para un periodo de control de 2 segundos
𝑦(2) = 𝑦 ′ (1)
𝑦(2) = 𝑎𝑦(1) + 𝑏𝑢(1) = 𝑎′ 𝑦 ′ (0) + 𝑏 ′ 𝑢(0)

𝑏 𝑏′
1= =
1 − 𝑎 1 − 𝑎′
𝑦(0) = 0 = 𝑦 ′ (0)
𝑢(2) = 𝑢(1) = 𝑢(0) = 1 = 𝑢′ (1) = 𝑢′(0)
𝑎𝑦(1) + 𝑏 = 𝑏 ′
𝑦(1) = 𝑎𝑦(0) + 𝑏𝑢(0)
𝑎(𝑎𝑦(0) + 𝑏(0)) + 𝑏 = 𝑏 ′
𝑎𝑏 + 𝑏 = 𝑏 ′
𝑏 ′ = 𝑎(1 − 𝑎) + (1 − 𝑎)
𝑏 ′ = 𝑎 − 𝑎2 + 1 − 𝑎 = 1 − 𝑎2
Entonces por experimentación encontramos que para cualquier tiempo m el valor 𝑎 = 𝑎𝑚 y 𝑏 =

1 − 𝑎𝑚 quedando todo en función de 𝑎.
𝒚(𝒌) = 𝒂𝒎 𝒚(𝒌 − 𝟏) + (𝟏 − 𝒂𝒎 )𝒖(𝒌 − 𝟏)
4.- La ecuación que representaría el proceso con un periodo de control m segundos si la ganancia
del proceso se haría 5.
𝑏
5= → 𝑏 = 5(1 − 𝑎)
1−𝑎
(M-IEECI)
5.- El límite de los parámetros a y b cuando el periodo de control tiende a infinito.
lim 𝑦(𝑘) = 𝑎∞ 𝑦(𝑘 − 1) + (1 − 𝑎∞ )𝑢(𝑘 − 1)

𝑚→∞
lim 𝑦(𝑘) = 0.9∞ 𝑦(𝑘 − 1) + (1 − 0.9∞ )𝑢(𝑘 − 1)

𝑚→∞
lim 𝑦(𝑘) = 0𝑦(𝑘 − 1) + (1 − 0)𝑢(𝑘 − 1)

𝑚→∞
lim 𝑦(𝑘) = 1𝑢(𝑘 − 1)

𝑚→∞
Al tender el periodo de control a ∞, 𝑎 tiende a 0 y b tiende a la ganancia, así que se depende

netamente de la entrada del proceso.
6.- El límite de los parámetros a y b cuando el periodo de control tiende a infinito.
lim 𝑦(𝑘) = 𝑎0 𝑦(𝑘 − 1) + (1 − 𝑎0 )𝑢(𝑘 − 1)

𝑚→0
lim 𝑦(𝑘) = 𝑎0 𝑦(𝑘 − 1) + (1 − 𝑎0 )𝑢(𝑘 − 1)

𝑚→0
lim 𝑦(𝑘) = 1𝑦(𝑘 − 1) + (1 − 1)𝑢(𝑘 − 1)

𝑚→0
lim 𝑦(𝑘) = 𝑦(𝑘 − 1)

𝑚→0
Al tender el periodo de control a 0, el parámetro a tiende a 1 y el parámetro b a 0, con esto es

decir que el valor del proceso depende del valor anterior más que de la entrada.
Ejercicio 1.3.- Sea un proceso de segundo orden cuya ecuación es:
𝑦(𝑘) = 𝑎1𝑦(𝑘 − 1) + 𝑎2𝑦(𝑘 − 2) + 𝑏1𝑢(𝑘 − 1)
Donde k es el tiempo discreto de simulación. La función de transferencia es:
𝑏1𝑧 −1
𝑇(𝑧) =
1 − 𝑎1𝑧 −1 − 𝑎2𝑧 −2
Consideremos la particularización de este proceso genérico asignando valores a sus parámetros
en los siguientes casos:
1. a1=1.6 a2=-0.64 b1=0.04

2. a1=1.0 a2=-0.25 b1=0.25
3. a1=0.4 a2=-0.04 b1=0.64
4. a1=1.0 a2=-0.16 b1=0.16
5. a1=1.9 a2=-0.88 b1=0.02
1.- Calcular los polos y la ganancia de la función de transferencia.
Caso 1:
a1=1.6 a2=-0.64 b1=0.04
0.04𝑧 −1
𝑇(𝑧) =
1 − 1.6𝑧 −1 + 0.64𝑧 −2
Para determinar los polos:
(1 − 1.6𝑧 −1 + 0.64𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2

(M-IEECI)
𝑧 2 − 1.6𝑧 + 0.64 = 0
𝑧 = 0.8 + 𝑖0
𝑧 = 0.8 − 𝑖0
Caso 2:
a1=1 a2=-0.25 b1=0.25
0.25𝑧 −1
𝑇(𝑧) =
1 − 1𝑧 −1 + 0.25𝑧 −2
(1 − 1𝑧 −1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5
Caso 3:
a1=0.4 a2=-0.04 b1=0.64
0.64𝑧 −1
𝑇(𝑧) =
1 − 0.4𝑧 −1 + 0.04𝑧 −2
(1 − 0.4𝑧 −1 + 0.04𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 0.4𝑧 + 0.04 = 0
𝑧 = 0.2 + 𝑖0
𝑧 = 0.2 − 𝑖0
Caso 4:
a1=0.4 a2=-0.04 b1=0.64
0.64𝑧 −1
𝑇(𝑧) =
1 − 0.4𝑧 −1 + 0.04𝑧 −2
(1 − 0.4𝑧 −1 + 0.04𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 0.4𝑧 + 0.04 = 0
𝑧 = 0.8
𝑧 = 0.2
Caso 5:
a1=1.9 a2=-0.88 b1=0.02

(M-IEECI)
0.02𝑧 −1
𝑇(𝑧) =
1 − 1.9𝑧 −1 + 0.88𝑧 −2
(1 − 1.9𝑧 −1 + 0.88𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.9𝑧 + 0.88 = 0
𝑧 = 1.1
𝑧 = 0.8
2.- En el escenario de simulación genérico, partiendo de sus condiciones iniciales de equilibrio,

aplicar un escalón unidad y obtener las gráficas correspondientes. Observar experimentalmente
la ganancia del proceso y el tiempo de respuesta, que es el tiempo que la salida del proceso
tarda en alcanzar una banda de ± 5% alrededor del nuevo valor equilibrio.
Se puede observar que para el caso 1 es de al redor de 20 periodos, para el caso 2 es cercano a
6, para el caso 3 a 4, para el caso 4 a 15 y para el caso 5 se ve que es inestable.
Ejercicio 1.4.- Sea un proceso genérico de segundo orden descrito por la ecuación del ejercicio
anterior. Consideremos la particularización de este proceso genérico, asignando valores a sus
parámetros en los casos siguientes:
1. a1=1.2 a2=-0.37 b1=0.17

2. a1=1.2 a2=-0.45 b1=0.25
3. a1=1.2 a2=-0.72 b1=0.52
4. a1=1.2 a2=-1.00 b1=0.80
(M-IEECI)
5. a1=1.2 a2=-1.17 b1=0.97
1.- Calcular los polos y la ganancia de la función de transferencia
Caso 1:
a1=1.2 a2=-0.37 b1=0.17
0.17𝑧 −1
𝑇(𝑧) =
1 − 1.2𝑧 −1 + 0.37𝑧 −2
(1 − 1.2 + 0.37𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.2𝑧 + 0.37 = 0
𝑧 = 0.6 + 𝑖0.1
𝑧 = 0.6 − 𝑖0.1
Para determinar la ganancia:

0.17 ∗ 1
lim 𝑇(𝑧) = =1
𝑧→1 1 − 1.2 ∗ 1 + 0.37 ∗ 1
Caso 2:
a1=1.2 a2=-0.45 b1=0.25
0.25𝑧 −1
𝑇(𝑧) =
1 − 1.2𝑧 −1 + 0.45𝑧 −2
(1 − 1.2 + 0.45𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.2𝑧 + 0.45 = 0
𝑧 = 0.6 + 𝑖0.3
𝑧 = 0.6 − 𝑖0.3

0.25 ∗ 1
lim 𝑇(𝑧) = =1
𝑧→1 1 − 1.2 ∗ 1 + 0.45 ∗ 1
Caso 3:
a1=1.2 a2=-0.72 b1=0.52
0.52𝑧 −1
𝑇(𝑧) =
1 − 1.2𝑧 −1 + 0.72𝑧 −2
(1 − 1.2 + 0.72𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.2𝑧 + 0.72 = 0
(M-IEECI)
𝑧 = 0.6 + 𝑖0.6
𝑧 = 0.6 − 𝑖0.6
0.52 ∗ 1
lim 𝑇(𝑧) = =1
𝑧→1 1 − 1.2 ∗ 1 + 0.72 ∗ 1
Caso 4:
a1=1.2 a2=-1.0 b1=0.80
0.80𝑧 −1
𝑇(𝑧) =
1 − 1.2𝑧 −1 + 1.00𝑧 −2
(1 − 1.2 + 𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.2𝑧 + 1 = 0
𝑧 = 0.6 + 𝑖0.8
𝑧 = 0.6 − 𝑖0.8

0.8 ∗ 1
lim 𝑇(𝑧) = =1
𝑧→1 1 − 1.2 ∗ 1 + 1 ∗ 1
Caso 5:
a1=1.2 a2=-1.17 b1=0.97
0.97𝑧 −1
𝑇(𝑧) =
1 − 1.2𝑧 −1 + 1.17𝑧 −2
(1 − 1.2 + 0.72𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.2𝑧 + 0.72 = 0
𝑧 = 0.6 + 𝑖0.9
𝑧 = 0.6 − 𝑖0.9
0.52 ∗ 1
lim 𝑇(𝑧) = =1
𝑧→1 1 − 1.2 ∗ 1 + 0.72 ∗ 1
2.- En el escenario de simulación genérico, y partiendo de sus condiciones iniciales de equilibrio,
aplicar un escalón unidad y observar el tiempo de respuesta.
(M-IEECI)
Se puede ver que en el caso 4 y 5 ya que el modulo del polo es mayor que uno causa la
inestabilidad del sistema.
Ejercicio 1.5.- sea un proceso genérico de segundo orden descrito por la ecuación:
𝑦(𝑘) = 𝑎1𝑦(𝑘 − 1) + 𝑎2𝑌(𝑘 − 2) + 𝑏1𝑢(𝑘 − 2) + 𝑏2(𝑘 − 2)
Cuya función de transferencia es:
𝑏1𝑧 −1 + 𝑏2𝑧 −2
𝑇(𝑧) =
1 − 𝑎1𝑧 −1 − 𝑎2𝑧 −2
1. a1=1.0 a2=-0.25 b1=0.625 b2=-0.125

2. a1=1.0 a2=-0.25 b1=1.0 b2=-0.25
3. a1=1.0 a2=-0.25 b1=1.5 b2=-0.9
4. a1=1.0 a2=-0.25 b1=1.66 b2=-1.16
5. a1=1.0 a2=-0.25 b1=5.0 b2=-4.5
6. a1=1.0 a2=-0.25 b1=-5.0 b2=5.5
Para cada uno de estos casos:
Caso 1:
a1=1.0 a2=-0.25 b1=0.625 b2=-0.125

(M-IEECI)
0.625𝑧 −1 − 0.125𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
Para determinar los ceros:
(0.625𝑧 −1 − 0.125𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
0.625𝑧 − 0.125 = 0
𝑧 = 0.2
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5

0.625 ∗ 1 − 0.125 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
Caso 2:
a1=1.0 a2=-0.25 b1=1.0 b2=-0.5
1.0𝑧 −1 − 0.5𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(1.0𝑧 −1 − 0.5𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
1.0𝑧 − 0.5 = 0
𝑧 = 0.5
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5

1.0 ∗ 1 − 0.5 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
Caso 3:
(M-IEECI)
a1=1.0 a2=-0.25 b1=1.5 b2=-0.9
1.5𝑧 −1 − 0.9𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(1.5𝑧 −1 − 0.9𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
1.5𝑧 − 0.9 = 0
𝑧 = 0.6
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5
1.5 ∗ 1 − 0.9 ∗ 1
lim 𝑇(𝑧) = = 2.4
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
Caso 4:
a1=1.0 a2=-0.25 b1=1.66 b2=-1.16
1.66𝑧 −1 − 1.16𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(1.66𝑧 −1 − 1.16𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
1.66𝑧 − 1.16 = 0
𝑧 = 0.698
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5

1.66 ∗ 1 − 1.16 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
(M-IEECI)
Caso 5:
a1=1.0 a2=-0.25 b1=5.0 b2=-4.5
5.0𝑧 −1 − 4.5𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(5.0𝑧 −1 − 4.5𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
5.0𝑧 − 4.5 = 0
𝑧 = 0.9
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5

5.0 ∗ 1 − 4.5 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
Caso 6:
a1=1.0 a2=-0.25 b1=-5.0 b2=5.5
−5.0𝑧 −1 + 5.5𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(−5.0𝑧 −1 + 5.5𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
−5.0𝑧 + 5.5 = 0
𝑧 = 1.1
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5
(M-IEECI)
−5.0 ∗ 1 + 5.5 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
aplicar un escalón unitario, obtener las gráficas y observar el tiempo de respuesta.
Todos los casos aún con el polo 1.1 dan el resultado igual, excepto el caso 3 que tiene una
ganancia diferente y sale de la curva, todos tienen un tiempo de aproximación de casi 8 periodos.
Ejercicio 1.6.- Consideremos la particularización de un proceso genérico descrito por la ecuación

del ejercicio anterior asignando valores a sus parámetros:
𝑦(𝑘) = 𝑎1𝑦(𝑘 − 1) + 𝑎2𝑌(𝑘 − 2) + 𝑏1𝑢(𝑘 − 2) + 𝑏2(𝑘 − 2)
Cuya función de transferencia es:
𝑏1𝑧 −1 + 𝑏2𝑧 −2
𝑇(𝑧) =
1 − 𝑎1𝑧 −1 − 𝑎2𝑧 −2
1. a1=1.0 a2=-0.25 b1=0.416 b2=0.083

2. a1=1.0 a2=-0.25 b1=0.333 b2=0.166
3. a1=1.0 a2=-0.25 b1=0.294 b2=0.205
4. a1=1.0 a2=-0.25 b1=0.263 b2=0.236
5. a1=1.0 a2=-0.25 b1=0.238 b2=0.261

(M-IEECI)
Caso 1:
a1=1.0 a2=-0.25 b1=0.416 b2=0.083
0.416𝑧 −1 + 0.083𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(0.416𝑧 −1 − 0.083𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
0.416𝑧 + 0.083 = 0
𝑧 = −0.199
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5

0.416 ∗ 1 + 0.083 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
Caso 2:
a1=1.0 a2=-0.25 b1=0.333 b2=0.166
0.333𝑧 −1 + 0.166𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(0.333𝑧 −1 − 0.116𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
0.333𝑧 + 0.166 = 0
𝑧 = −0.49
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5
(M-IEECI)
0.333 ∗ 1 + 0.166 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
Caso 3:
a1=1.0 a2=-0.25 b1=0.294 b2=0.205
0.294𝑧 −1 + 0.205𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(0.294𝑧 −1 − 0.205𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
0.294𝑧 + 0.205 = 0
𝑧 = −0.69
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5

0.294 ∗ 1 + 0.205 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
Caso 4:
a1=1.0 a2=-0.25 b1=0.263 b2=0.236
0.263𝑧 −1 + 0.236𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(0.263𝑧 −1 − 0.236𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
0.263𝑧 + 0.236 = 0
𝑧 = −0.89
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5
(M-IEECI)

0.263 ∗ 1 + 0.236 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
Caso 5:
a1=1.0 a2=-0.25 b1=0.238 b2=0.261
0.238𝑧 −1 + 0.261𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(0.238𝑧 −1 − 0.261𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
0.238𝑧 + 0.261 = 0
𝑧 = −1.1
(1 − 1.0𝑧 1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1.0𝑧 + 0.25 = 0
𝑧 = 0.5
𝑧 = 0.5

0.238 ∗ 1 + 0.261 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
aplicar un escalón unitario, obtener las gráficas y observar el tiempo de respuesta.
(M-IEECI)
Todos los casos dan la misma solución aun teniendo los ceros negativos.
Ejercicio 1.7 Sea un proceso que responde a las ecuaciones
𝑦𝑎(𝑘) = 𝑎1𝑦𝑎(𝑘 − 1) + 𝑎2𝑦𝑎(𝑘 − 2) + 𝑏1𝑢(𝑘 − 1) + 𝑏2𝑢(𝑘 − 2)
𝑦(𝑘) = 𝑦𝑎(𝑘) − 𝑛𝑢(𝑘)

Donde 𝑛𝑦(𝑘) es un ruido blanco gaussiano de media 0 y desviación estándar 0.05. Consideramos
un filtro de primer orden sobre la variable de salida 𝑦(𝑘) definido por la ecuación
𝑦𝑓(𝑘) = 𝐹𝑦(𝑘) + (1 − 𝐹)𝑦𝑓(𝑘 − 1)
Consideremos la particularización de este proceso genérico y del filtro asignando valores a sus
parámetros en los casos siguientes.
1. a1=0.9 a2=0.0 b1=0.1 b2=0.0 F=0.25

2. a1=0.9 a2=0.0 b1=0.1 b2=0.0 F=0.75
3. a1=1.0 a2=-0.25 b1=0.3333 b2=0.166 F=0.25
4. a1=1.0 a2=-0.25 b1=0.3333 b2=0.166 F=0.75
Para cada uno de estos casos:
1.- Calcular los polos, los ceros y la ganancia de la función de transferencia del proceso sin filtro
y con filtro, en ausencia de ruido de medida.
Para obtener la FT sin filtro y en ausencia de ruido.
𝑦(𝑘) = 𝑦𝑎(𝑘)
𝑦(𝑘) = 𝑎1𝑦(𝑘 − 1) + 𝑎2𝑦(𝑘 − 2) + 𝑏1𝑢(𝑘 − 1) + 𝑏2𝑢(𝑘 − 2)
𝑏1𝑧 −1 + 𝑏2𝑧 −2
𝑇(𝑧) =
1 − 𝑎1𝑧 −1 − 𝑎2𝑧 −2
Para obtener FT con filtro y en ausencia de ruido.
𝑦𝑓(𝑘) = 𝐹𝑦(𝑘) + (1 − 𝐹)𝑦𝑓(𝑘 − 1)

𝑦𝑓(𝑘) = 𝐹𝑎1𝑦(𝑘 − 1) + 𝐹𝑎2𝑦(𝑘 − 2) + 𝐹𝑏1𝑢(𝑘 − 1) + 𝐹𝑏2𝑢(𝑘 − 2) + (1 − 𝐹)𝑦𝑓(𝑘 − 1)
𝑌(𝑧) 𝑌𝑓(𝑧)
𝑇(𝑧) = ∗
𝑈(𝑧) 𝑌(𝑧)
𝑏1𝑧 −1 + 𝑏2𝑧 −2 𝐹
𝑇(𝑧) = −1 −2 ∗
1 − 𝑎1𝑧 − 𝑎2𝑧 1 − (1 − 𝐹)𝑧 −1
Caso 1:
a1=0.9 a2=0.0 b1=0.1 b2=0.0 F=0.25
Sin filtro
0.1𝑧 −1
𝑇(𝑧) =
1 − 0.9𝑧 −1
(M-IEECI)
𝑧=0
(1 − 0.9𝑧 1 ) ∗ 𝑧 = (0) ∗ 𝑧
𝑧 − 0.9 = 0
𝑧 = 0.9

0.1 ∗ 1
lim 𝑇(𝑧) = =1
𝑧→1 1 − 0.9 ∗ 1
Con filtro
0.1𝑧 −1 0.25
𝑇(𝑧) = −1 ∗
1 − 0.9𝑧 1 − 0.75𝑧 −1
𝑧=0
𝑧=0
(1 − 0.9𝑧 1 ) ∗ 𝑧 = (0) ∗ 𝑧
𝑧 − 0.9 = 0
𝑧 = 0.9
(1 − 0.75𝑧 1 ) ∗ 𝑧 = (0) ∗ 𝑧
𝑧 − 0.75 = 0
𝑧 = 0.75

0.1 ∗ 1 0.25
lim 𝑇(𝑧) = ∗ =1
𝑧→1 1 − 0.9 ∗ 1 1 − 0.75 ∗ 1
Caso 2:
a1=0.9 a2=0.0 b1=0.1 b2=0.0 F=0.75
Sin filtro
0.1𝑧 −1
𝑇(𝑧) =
1 − 0.9𝑧 −1
(M-IEECI)
𝑧=0
(1 − 0.9𝑧 1 ) ∗ 𝑧 = (0) ∗ 𝑧
𝑧 − 0.9 = 0
𝑧 = 0.9

0.1 ∗ 1
lim 𝑇(𝑧) = =1
𝑧→1 1 − 0.9 ∗ 1
Con filtro
0.1𝑧 −1 0.75
𝑇(𝑧) = −1 ∗
1 − 0.9𝑧 1 − 0.25𝑧 −1
𝑧=0
𝑧=0
(1 − 0.9𝑧 1 ) ∗ 𝑧 = (0) ∗ 𝑧
𝑧 − 0.9 = 0
𝑧 = 0.9
(1 − 0.25𝑧 1 ) ∗ 𝑧 = (0) ∗ 𝑧
𝑧 − 0.25 = 0
𝑧 = 0.25

0.1 ∗ 1 0.75
lim 𝑇(𝑧) = ∗ =1
𝑧→1 1 − 0.9 ∗ 1 1 − 0.25 ∗ 1
Caso 3:
a1=1.0 a2=-0.25 b1=0.333 b2=0.166 F=0.25
Sin filtro
0.333𝑧 −1 + 0.166𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(0.333𝑧 −1 + 0.166𝑧 −2 ) ∗ 𝑧 2 = 0
(M-IEECI)
0.333𝑧 + 0.166 = 0
𝑧 = −0.5
(1 − 1.0𝑧 −1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1𝑧 + 0.25 = 0
𝑧 = 0.5 + 0𝑖
𝑧 = 0.5 − 0𝑖
0.333 ∗ 1 + 0.166 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
Con filtro
0.333𝑧 −1 + 0.166𝑧 −2 0.25

𝑇(𝑧) = −1 −2
∗
1 − 1.0𝑧 + 0.25𝑧 1 − 0.75𝑧 −1
(0.333𝑧 −1 + 0.166𝑧 −2 ) ∗ 𝑧 2 = 0
0.333𝑧 + 0.166 = 0
𝑧 = −0.5
𝑧=0
(1 − 1.0𝑧 −1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1𝑧 + 0.25 = 0
𝑧 = 0.5 + 0𝑖
𝑧 = 0.5 − 0𝑖
(1 − 0.75𝑧 1 ) ∗ 𝑧 = (0) ∗ 𝑧 2
𝑧 − 0.75 = 0
𝑧 = 0.75

0.333 ∗ 1 + 0.166 ∗ 1 0.25
lim 𝑇(𝑧) = ∗ =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1 1 − 0.75𝑧 −1
Caso 4:
a1=1.0 a2=-0.25 b1=0.333 b2=0.166 F=0.75

(M-IEECI)
Sin filtro
0.333𝑧 −1 + 0.166𝑧 −2
𝑇(𝑧) =
1 − 1.0𝑧 −1 + 0.25𝑧 −2
(0.333𝑧 −1 + 0.166𝑧 −2 ) ∗ 𝑧 2 = 0
0.333𝑧 + 0.166 = 0
𝑧 = −0.5
(1 − 1.0𝑧 −1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1𝑧 + 0.25 = 0
𝑧 = 0.5 + 0𝑖
𝑧 = 0.5 − 0𝑖
0.333 ∗ 1 + 0.166 ∗ 1
lim 𝑇(𝑧) = =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1
Con filtro
0.333𝑧 −1 + 0.166𝑧 −2 0.75

𝑇(𝑧) = −1 −2 ∗
1 − 1.0𝑧 + 0.25𝑧 1 − 0.25𝑧 −1
(0.333𝑧 −1 + 0.166𝑧 −2 ) ∗ 𝑧 2 = 0
0.333𝑧 + 0.166 = 0
𝑧 = −0.5
𝑧=0
(1 − 1.0𝑧 −1 + 0.25𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2
𝑧 2 − 1𝑧 + 0.25 = 0
𝑧 = 0.5 + 0𝑖
𝑧 = 0.5 − 0𝑖
(1 − 0.25𝑧 1 ) ∗ 𝑧 = (0) ∗ 𝑧 2
𝑧 − 0.25 = 0
𝑧 = 0.25
(M-IEECI)

0.333 ∗ 1 + 0.166 ∗ 1 0.75
lim 𝑇(𝑧) = ∗ =2
𝑧→1 1 − 1.0 ∗ 1 + 0.25 ∗ 1 1 − 0.25𝑧 −1
aplicar al proceso un escalón unitario, y obtener las gráficas de salida del proceso y de la salida
filtrada.
Sin filtro
Se puede ver cómo afecta el ruido a la salida aún al alcanzar el valor de la ganancia alrededor
de 30 periodos en el caso 1 y 2 y de 10 periodos en el caso 3 y 4.
Con filtro
(M-IEECI)
En el caso con filtro se logra más estabilidad al llegar a la ganancia en el caso 1 y 2 que es igual
a 1 y en el caso 3 y 4 que es igual a 2, además la desviación es menor. Pero se evidencia que el
filtro causa un retardo en alcanzar esta ganancia cuando el valor de F es menor
3.- Repetir el proceso anterior eliminando el ruido de medida sobre la salida del proceso
Sin filtro
Con filtro
Al eliminar los ruidos, se puede apreciar el efecto del filtro al aumentar el número de periodos
en los casos 1 y 3 a diferencia del 2 y 4, ya que el valor de filtro es menor.
(M-IEECI)
4.- Deducir la ecuación que relaciona directamente la entrada al proceso con la salida filtrada a
partir del cálculo realizado en el punto 1
𝑦𝑓(𝑘) = 𝐹𝑦(𝑘) + (1 − 𝐹)𝑦𝑓(𝑘 − 1)

𝑦𝑓(𝑘) = 𝐹𝑎1𝑦(𝑘 − 1) + 𝐹𝑎2𝑦(𝑘 − 2) + 𝐹𝑏1𝑢(𝑘 − 1) + 𝐹𝑏2𝑢(𝑘 − 2) + (1 − 𝐹)𝑦𝑓(𝑘 − 1)
𝑏1𝑧 −1 + 𝑏2𝑧 −2 𝐹
𝑇(𝑧) = −1 −2 ∗
1 − 𝑎1𝑧 − 𝑎2𝑧 1 − (1 − 𝐹)𝑧 −1
𝐹𝑏1𝑧 −1 + 𝐹𝑧 −2
𝑇(𝑧) =
1 − (𝑎1 + 1 − 𝐹)𝑧 −1 + (𝑎2 − (1 − 𝐹)𝑎1)𝑧 −2 − (1 − 𝐹)𝑎2𝑧 −3
Regresando a la ecuación en diferencias:
𝑦(𝑘) = (𝑎1 + 1 − 𝐹)𝑦(𝑘 − 1) + (𝑎2 − (1 − 𝐹)𝑎1)𝑦(𝑘 − 2) − (1 − 𝐹)𝑎2𝑦(𝑘 − 3)

+ 𝐹𝑏1𝑢(𝑘 − 1) + 𝐹𝑏2𝑢(𝑘 − 2)
5.-En el escenario de simulación genérico, utilizando como ecuación del proceso la obtenida del
punto anterior y sin considerar ruido de medida, aplicar un escalón unitario. Obtener la gráfica
de la salida de este proceso y comprobar que esta gráfica coincide con la gráfica obtenida en el
punto 3 para la salida filtrada.
Se puede ver que las gráficas coinciden aun cuando el proceso aumentó de orden al realizar los
cálculos.
(M-IEECI)
CÓDIGO USADO PARA LA RESOLUCIÓN DE LOS PROBLEMAS EN OCTAVE
Ejercicio 1.1 y 1.2
%%EJERCICIO 1.1
clc
hold on
a=[0.4 0.9 1 1.1]'
b=[0.6 0.1 0.1 0.1]'
yk=zeros(50,1);
%%Escalon Unidad
u=zeros(50,1);
for n=10:50
u(n)=1;
end
k=1:50;
plot (k,u,'bk:--')
legend("escalon unidad")
xlabel("k")
ylabel("y(k)")
%%Grafica de casos
for i=1:4
for n=2:50
yk(n)= a(i,1)*yk(n-1)+b(i,1)*u(n-1);
end
plot (k,yk)
xlim([0,50])
ylim([0,2])
grid on
end
hold off
Ejercicio 1.3 y 1.4
%%EJERCICIO 1.3 y 1.4
clc
hold on
a1=[1.2 1.2 1.2 1.2 1.2]'
a2=[-0.37 -0.45 -0.72 -1 -1.17]'
b1=[0.17 0.25 0.52 0.8 0.97]'
yk=zeros(50,1);
u=ones(50,1);
k=1:50;
(M-IEECI)
plot (k,u,'bk:--')
xlabel("k")
ylabel("y(k)")
%%Grafica de casos
for i=1:5
for n=3:50
yk(n)= a1(i,1)*yk(n-1)+a2(i,1)*yk(n-2)+b1(i,1)*u(n-1);
end
plot (k-1,yk)
xlim([0,50])
ylim([0,2])
grid on
end
legend ('Escalon unidad','Caso 1', 'Caso 2', 'Caso 3','Caso 4', 'Caso 5')
Ejercicio 1.5 y 1.6
%%EJERCICIO 1.5 y 1.6

clc
hold on
a1=[1 1 1 1 1 1]'
a2=[-0.25 -0.25 -0.25 -0.25 -0.25 -0.25]'
b1=[0.625 1 1.5 1.66 5 -5]'
b2=[-0.125 -0.5 -0.9 -1.16 -4.5 5.5]'
yk=zeros(30,1);
u=ones(30,1);
k=1:30;
plot (k,u,'bk:--')
xlabel("k")
ylabel("y(k)")
%%Grafica de casos
for i=1:6
for n=3:30
yk(n)= a1(i,1)*yk(n-1)+a2(i,1)*yk(n-2)+b1(i,1)*u(n-1)+b2(i,1)*u(n-2);
end
plot (k-2,yk)
xlim([0,30])
ylim([0,3])
grid on
end
legend ('Escalon unidad','Caso 1', 'Caso 2', 'Caso 3','Caso 4', 'Caso 5', 'Caso 6')
Ejercicio 1.7 sin filtro
%%EJERCICIO 1.7 sin filtro

clc
pkg load statistics
(M-IEECI)
hold on
a1=[0.9 0.9 1 1]'
a2=[0 0 -0.25 -0.25]'
b1=[0.1 0.1 0.333 0.333]'
b2=[0 0 0.166 0.166]'
yk=zeros(50,1);
u=ones(50,1);
k=1:50;
plot (k,u,'bk:--')
xlabel("k")
ylabel("y(k)")
%%Grafica de casos
for i=1:4
for n=3:50
yk(n)= a1(i,1)*yk(n-1)+a2(i,1)*yk(n-2)+b1(i,1)*u(n-1)+b2(i,1)*u(n-2)+normrnd (0,0.05);
end
plot (k-2,yk)
xlim([0,50])
ylim([0,3])
grid on
end
Ejercicio 1.7 con filtro
%%EJERCICIO 1.7 con filtro

clc
pkg load statistics
hold on
a1=[0.9 0.9 1 1]'
a2=[0 0 -0.25 -0.25]'
b1=[0.1 0.1 0.333 0.333]'
b2=[0 0 0.166 0.166]'
F=[0.25 0.75 0.25 0.75]'
yk=zeros(50,1);
yf=zeros(50,1);
u=ones(50,1);
k=1:50;
plot (k,u,'bk:--')
xlabel("k")
ylabel("y(f)")
%%Grafica de casos
for i=1:4
for n=3:50
yk(n)= a1(i,1)*yk(n-1)+a2(i,1)*yk(n-2)+b1(i,1)*u(n-1)+b2(i,1)*u(n-2)+normrnd (0,0.05);
yf(n)=F(i,1)*yk(n)+(1-F(i,1))*yf(n-1);
(M-IEECI)
end
plot (k-2,yf)
xlim([0,50])
ylim([0,3])
grid on
end
Ejercicio 1.7 con la ecuación completa
%%EJERCICIO 1.7 ecuación completa con relación a y(k)

clc
pkg load statistics
hold on
a1=[0.9 0.9 1 1]'
a2=[0 0 -0.25 -0.25]'
b1=[0.1 0.1 0.333 0.333]'
b2=[0 0 0.166 0.166]'
F=[0.25 0.75 0.25 0.75]'
yk=zeros(50,1);
u=ones(50,1);
k=1:50;
plot (k,u,'bk:--')
xlabel("k")
ylabel("y(k)")
%%Grafica de casos
for i=1:4
for n=4:50
yk(n)=(a1(i,1)+1-F(i,1))*yk(n-1)+(a2(i,1)-(1-F(i,1))*a1(i,1))*yk(n-2)-(1-F(i,1))*a2(i,1)*yk(n-
3)+F(i,1)*b1(i,1)*u(n-1)+F(i,1)*b2(i,1)*u(n-2);
end
plot (k-3,yk)
xlim([0,50])
ylim([0,3])
grid on
end

Trea Unidad Didáctica 1 (Nelson Vaca)

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Trea Unidad Didáctica 1 (Nelson Vaca)

Transféré par

Droits d'auteur :

Formats disponibles

MASTER EN INVESTIGACIÓN DE ENERGÍA ELÉCTRICA, ELECTRÓNICA Y CONTROL INDUSTRIAL

Máster Universitario en Investigación en

Sistemas industriales de Control Adaptativo

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA

Ejercicio 1.1.- Sea un proceso de primer orden descrito por la ecuación.

𝑦(𝑘) = 𝑎𝑦(𝑘 − 1) + 𝑏𝑢(𝑘 − 1)

Donde k es el tiempo discreto de simulación. La función de transferencia es:

Se utiliza el software Octave con el siguiente código:

Lo cual nos da la gráfica:

Ejercicio 1.2.- El comportamiento dinámico de un proceso, cuando el periodo de control es igual

𝑦(𝑘) = 𝑎𝑦(𝑘 − 1) + 𝑏𝑢(𝑘 − 1)

1.- La Ganancia del proceso.

Con a=0.9 y b=0.1

2.- La ecuación que representaría el comportamiento dinámico de este mismo proceso si el

𝑦(3) = 𝑎𝑦(2) + 𝑏𝑢(1) = 𝑎′ 𝑦 ′ (0) + 𝑏 ′ 𝑢(0)

Con los nuevos valores de a y b se puede armar la ecuación de diferencias.

𝑦 ′ (𝑘) = 𝑎′ 𝑦(𝑘′ − 1) + 𝑏 ′ 𝑢(𝑘′ − 1)

Como comprobación tenemos:

𝑦 ′ (1) = 0.271 = 𝑦(3)

3.- La ecuación que representaría el comportamiento dinámico de este mismo proceso si el

Con el razonamiento anterior ya que en 3 segundos 𝑎′ = 𝑎3 y 𝑏 ′ = 1 − 𝑎3 entendemos que la

Completamos realizando otro ejemplo para un periodo de control de 2 segundos

𝑦(2) = 𝑎𝑦(1) + 𝑏𝑢(1) = 𝑎′ 𝑦 ′ (0) + 𝑏 ′ 𝑢(0)

Entonces por experimentación encontramos que para cualquier tiempo m el valor 𝑎 = 𝑎𝑚 y 𝑏 =

𝒚(𝒌) = 𝒂𝒎 𝒚(𝒌 − 𝟏) + (𝟏 − 𝒂𝒎 )𝒖(𝒌 − 𝟏)

5.- El límite de los parámetros a y b cuando el periodo de control tiende a infinito.

lim 𝑦(𝑘) = 𝑎∞ 𝑦(𝑘 − 1) + (1 − 𝑎∞ )𝑢(𝑘 − 1)

lim 𝑦(𝑘) = 0.9∞ 𝑦(𝑘 − 1) + (1 − 0.9∞ )𝑢(𝑘 − 1)

lim 𝑦(𝑘) = 0𝑦(𝑘 − 1) + (1 − 0)𝑢(𝑘 − 1)

lim 𝑦(𝑘) = 1𝑢(𝑘 − 1)

Al tender el periodo de control a ∞, 𝑎 tiende a 0 y b tiende a la ganancia, así que se depende

6.- El límite de los parámetros a y b cuando el periodo de control tiende a infinito.

lim 𝑦(𝑘) = 𝑎0 𝑦(𝑘 − 1) + (1 − 𝑎0 )𝑢(𝑘 − 1)

lim 𝑦(𝑘) = 𝑎0 𝑦(𝑘 − 1) + (1 − 𝑎0 )𝑢(𝑘 − 1)

lim 𝑦(𝑘) = 1𝑦(𝑘 − 1) + (1 − 1)𝑢(𝑘 − 1)

lim 𝑦(𝑘) = 𝑦(𝑘 − 1)

Al tender el periodo de control a 0, el parámetro a tiende a 1 y el parámetro b a 0, con esto es

Ejercicio 1.3.- Sea un proceso de segundo orden cuya ecuación es:

𝑦(𝑘) = 𝑎1𝑦(𝑘 − 1) + 𝑎2𝑦(𝑘 − 2) + 𝑏1𝑢(𝑘 − 1)

Donde k es el tiempo discreto de simulación. La función de transferencia es:

1. a1=1.6 a2=-0.64 b1=0.04

1.- Calcular los polos y la ganancia de la función de transferencia.

a1=1.6 a2=-0.64 b1=0.04

(1 − 1.6𝑧 −1 + 0.64𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2

a1=1 a2=-0.25 b1=0.25

a1=0.4 a2=-0.04 b1=0.64

(1 − 0.4𝑧 −1 + 0.04𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2

a1=0.4 a2=-0.04 b1=0.64

(1 − 0.4𝑧 −1 + 0.04𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2

a1=1.9 a2=-0.88 b1=0.02

(1 − 1.9𝑧 −1 + 0.88𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2

2.- En el escenario de simulación genérico, partiendo de sus condiciones iniciales de equilibrio,

1. a1=1.2 a2=-0.37 b1=0.17

5. a1=1.2 a2=-1.17 b1=0.97

1.- Calcular los polos y la ganancia de la función de transferencia

a1=1.2 a2=-0.37 b1=0.17

(1 − 1.2 + 0.37𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2

Para determinar la ganancia:

a1=1.2 a2=-0.45 b1=0.25

(1 − 1.2 + 0.45𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2

Para determinar la ganancia:

a1=1.2 a2=-0.72 b1=0.52

(1 − 1.2 + 0.72𝑧 −2 ) ∗ 𝑧 2 = (0) ∗ 𝑧 2