Identificación de sistemas

curso de ingeniería, Simulación y Modelado Experimental, que se basa en un método para la estimación directa de parámetros físicos en sistemas dinámicos.

Se basa en un enfoque de sensibilidad que es útil para la elección de la estructura del modelo, para el diseño de experimentos y para la verificación de la precisión.

el problema de construir modelos matemáticos de sistemas dinámicos basados en datos observados es generalmente considerado difícil por los estudiantes de ingeniería

Un enfoque fundamental simple se ilustra gráficamente

Se aplican modelos de tiempo continuo con parámetros físicamente significativos

Se puede estimar cualquier parámetro, por ejemplo, parámetros que describen no linealidades y retrasos

Los aspectos estocásticos se reducen al mínimo y se sustituyen por un enfoque de sensibilidad

los méritos del método se refieren a la presentación pedagógica más que a la novedad de la teoría

la señal de entrada debe elegirse de manera que tenga la mayor parte de su potencia en la gama de frecuencias en la que la precisión del modelo es más importante.

Para la identificación de sistemas lineales, una entrada de onda cuadrada suele ser una buena opción.

The textbook T. Söderström and P. Stoica: System Identification, originally published by Prentice Hall International, is out of print. It can, however, be freely downloaded

Para cuerpos simples, el momento de inercia de la masa se puede obtener a partir de un modelo CAD o derivar analíticamente.

Para cuerpos más complejos, debe medirse.

El péndulo torsional de eje vertical bifilar (dos alambres de soporte) es un dispositivo simple y rentable para este propósito

Comenzamos creando un modelo de Simulink del péndulo bifilar que implementa la ecuación

Creamos el modelo diseñando un subsistema de bloques de biblioteca para el péndulo bifilar con parámetros de máscara para definir las dimensiones del péndulo y las desviaciones estándar de error estimadas

podemos utilizar Simulink Design Optimization para variar automáticamente los parámetros del objeto de prueba de modo que los datos de simulación coincidan con los datos experimentales registrados.

At least half of the presentations were lacking statistics!

we can't make any comparisons between evolutionary algorithms based on individual runs

each evolutionary run will give a different result, which means that multiple replicates of an algorithm will perform differently

without showing some basic statistics, we could be misleading ourselves and others who follow up on our work

we need to run it many times with different random number seeds