Identificación de los sistemas de control de procesos en base a los diferentes métodos existentes.

Pérez Montejo Isidro TE110154, Osorio Valenzuela Christian Alexi TE110120, Madrigal Hernández Juan Carlos TE110935.

Instituto Tecnológico Superior de ComalcalcoTabasco, México

Chiloxmen_88@hotmail.comAlex_ov0115@outlook.com

Kuki_carlos_22@hotmail.com

A b str a c ta .- En este ensayo se verá las identificaciones de los sistemas de control de procesos en diferentes bases a los diferentes métodos de existencia.

I.INTRODUCCIÓN

Cuando hablamos de sistema de control nos referimos a un proceso que lleva diferentes procedimientos ya sea automatizado, llevando a controlar una máquina o una computadora.

II. CONTENIDOS

PROCESO DE IDENTIFICACION.

Se entiende por identificación de sistemas a la obtención de forma experimental de un modelo que reproduzca con suficiente exactitud, para los fines deseados, las características dinámicas del proceso objeto de estudio [1]. La mayoría de los procesos necesitan un control, hay diferentes tipos de identificación de proceso como por ejemplo:

1. Obtención de datos de entrada – salida: Es la aplicación de una señal de referencia de entrada, observando su comportamiento y su salida en un tiempo determinado.

2. Tratamiento previo de los datos registrados: Los datos registrados previamente contiene perturbaciones y ruido por ello es necesario realizar un tratamiento previo para obtener mejor resultado de los datos registrados.

3. Elección de la estructura del modelo: El modelo que se requiere obtener es necesario elegir la estructura del modelo requerido para facilitar el proceso.

4. Obtención de los parámetros del modelo: Es necesario ajustar los parámetros de la estructura para facilitar los datos de entrada y salida previamente obtenidas.

5. Validación del modelo: Verificar si los datos obtenidos son requeridos y satisfacen los puntos del proceso anteriores.

MÉTODO DEL MODELO DE REFERENCIA

El método del modelo de referencia se refiere a características de respuestas en diferentes tiempos de un proceso automatizado. En un sistema de control hay una entrada de referencia, perturbaciones en la carga y ruido en las mediciones como se muestra en la figura que se muestra.

Fig. 1 Entrada de un sistema.

1. Métodos de identificación off-line (a posteriori): Se utiliza este método cuando no es necesario de alterar los parámetros obtenidos ya que no cambiara conforme el tiempo pase.

2. Métodos de identificación on-line (identificación recursiva): Esto son los datos obtenidos de entrada y salida para verificar su evolución del proceso.

CONTROL ADAPTATIVO.

Adaptivo se refiere a cambiar el comportamiento conforme a las circunstancias. Es un control especial para adaptar los parámetros variables de un proceso de control. El estado puede cambiar por dos estados en escalas de tiempo; en escala lenta y escala rápida que se refiere a los cambias de los parámetros y la realimentación. Para tener bunas características hay varios control adaptivo de sus características de parámetros del sistema como los que utilizan bucle abierto. Los diseños de robot utilizan el tipo de control adaptivo para responder a los casos que son utilizados.Los control adaptivo programables consiste en “Si ocurre – entonces has ---“el sistema solo puede actuar en los que fue

programable y no puede responder en situaciones a los que se enfrenta como se muestra en la figura.

Fig. 2. Control adaptivo programado

Los control adaptivo con modelo referenciado consiste que el control ya puede tomar decisiones pero solo con sus condiciones establecidos.

Fig. 3 Control adaptivo con modelo referenciado

Desde el principio de la tecnología adaptativa, se han propuesto dos clases distintas de controladores adaptativos, directo e indirecto:

1. En el directo, los parámetros del controlador se ajustan directamente en base a los datos de entrada-salida.

2. En el indirecto, los parámetros de la planta se estiman y se ajustan en base a los datos de entrada-salida

El Control adaptativo trata el problema de controlar la salida de la planta en presencia de incertidumbres paramétricas o estructurales debidas a las no linealidades. En el control adaptativo tradicional, para conseguir que un problema fuera tratable, la planta se suponía lineal con parámetros desconocidos. Se escogía una estructura de controlador, y los parámetros se ajustaban escogiendo una ley adaptativa, de modo que la salida de la planta siguiera a la referencia asintóticamente. [2]

MÉTODO DE MÍNIMOS CUADRADOSEl método de mínimos cuadrados se refiere a un método numérico que dado unos datos en pares ordenados se realiza para obtener las funciones continuas para obtener un mejor ajuste de datos, mediantes diferentes condiciones con los distintos valores independientes para obtener sus parámetros.

Fig. 2 Método de mínimos cuadrados.

Método de verosimilitud

El método de máxima verosimilitud es unos de los métodos con mayor aproximación en confiabilidad que otros, esto quiere decir que procura ser más probable en la distribución de datos, y esto consiste maximizando el valor de la similitud.

Donde (x) representa “tiempo en la falla” y (θ1, θ2,..., θk) son los parámetros que se estimaran y (k) el número de parámetros a evaluar. [3]

También para un conjunto de datos de observación completos, la función de verosimilitud es el producto de la probabilidad de la densidad, con un elemento por cada punto.

El método de estimación de máxima verosimilitud consiste en que mientras más grande sea el tamaño de muestra, las estimaciones tienden a converger a los valores correctos; se dice que es asintótico eficiente que cuando más grande sea el valor de datos, más exacto es el producto.

Cuando es asintótico imparcial este dice que para los conjunto de valores grandes uno espera obtener un valor correcto en promedio. Si el conjunto de datos es bastante grande la distribución de las estimaciones mismas es normal.

Tiene sus características muy específicas ya que de ellas requiere un gran tamaño de muestra de 30 a 100 tamaños de muestras de tiempo exacto de fallas, dependiendo de la aplicación.

METODO DE LA VARIABLE INSTRUMENTAL

En el método de la variable instrumental es utilizada en estadística, econométrica, epidemiologia y disciplinas afines (VI) el método de variable instrumentales y en específico se utiliza para estimar relaciones casuales cuando los experimentos controlados no son factibles.

En este método nos permite una estimación consistente cuando las variables explicativas (variables) se correlacionan con los términos de error de la regresión. Dada una correlación puede ocurrir cuando la variable dependiente causa por los menos una de las covariables (relación casual “inversa”) cuando existen variables explicativas relevantes que se han omitido en el modelo, o cuando las variables están sujetas a errores de medición.

Dada una situación de la regresión lineal generalmente produce estimaciones sesgadas e inconsistentes. Un instrumento es una variable que no pertenecen en si a la ecuación explicativa y se correlacionan con las variables explicativas endógenas, condicionadas a las otras variables.

En los modelos lineales hay dos requisitos principales para el para el uso de un (IV):

El instrumento debe estar correlacionado con las variables explicativas endógenas, condicionada a las otras variables.

El instrumento no puede estar correlacionado con el término de error en la ecuación explicativa, es decir, el instrumento no puede sufrir el mismo problema que la variable original que pretende predecir.

ESTIMACION:

Dado unos datos generados por un proceso de la forma:

Donde

i es el índice de observaciones,

 la variable dependiente,

 la variable independiente,

 es un término de error inadvertido que representa

todas las causas de   diferente a  , y

 Es un parámetro escalar observado [4]

III.CONCLUCIONGracias a este trabajo hemos podido comprender más sobre los métodos de identificación de los sistemas de control ya que en la actualidad son muy indispensables los sistemas de control en las grandes industrias. Los métodos nos ayudad a realizar

un excelente sistema y controlar los datos de entrada y salida para obtener buenos resultados de los sistemas de control.

IV. REFERENCIAS

1. Elena López Guillén. (2010). Identificación de Sistemas.. 22/08/2015, de Control de proceso Sitio web http://www.ie.itcr.ac.cr/einteriano/control/Laboratorio/3.7Identificacion%20de%20sistemas.PDF

2. Jaime Martínez Verdú. 2009. Introducción al control adaptativo. En Control adaptivo (II, 1) México: MITIT.

3. Francisco Poujol Galván. (2005). el-método-de-maxima-verosimilitud. 2009, de Instituto de Investigaciones Eléctricas Sitio web: http://confiabilidad.net/articulos/el-metodo-de-maxima-verosimilitud

4.  Bullock, J. G., Green, D. P., and Ha, S. E. (2010). Yes, But what’s the Mechanism? (Don’t Expect an Easy Answer). Journal of Personality and Social Psychology, 98, 550-58.

5. Mbens, G.; Angrist, J. (1994). «Identification and estimation of local average treatment effects». Econométrica 62 (2): 467–476. JSTOR 2951620.