70 Identificación de Sistemas Identificacion de modelos parametricos.
-
Upload
cande-cordoba -
Category
Documents
-
view
245 -
download
0
Transcript of 70 Identificación de Sistemas Identificacion de modelos parametricos.
![Page 1: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/1.jpg)
/70
Identificación de Sistemas
Identificacion de modelos parametricos
![Page 2: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/2.jpg)
/70
Contenido
Los modelos parametricos Estructura de los modelos LTI discretos Estructuras de los modelos LTI estándar (Ljung) Métodos para el ajuste de parámetros Método de estimación por mínimos cuadrados
(LS)
![Page 3: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/3.jpg)
/70
Los modelos parametricos
t t
YUU
YProceso
Modelo
![Page 4: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/4.jpg)
/70
Los modelos paramétricos
Los modelos parametricos tienen un número finito de parámetros
relacionan las señales de interés del sistema:
» entradas, » salidas, y» perturbaciones
YUModelo
![Page 5: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/5.jpg)
/70
Los modelos paramétricos
En general, la estructura del modelo podría ser cualquiera
» Regresiones lineales» Regresiones no lineales
» Modelos conceptuales “fisicos”» Modelos dinámicos Fuzzy o con redes neuronales,
![Page 6: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/6.jpg)
/70
Estructura de los modelos LTI de tiempo discreto
![Page 7: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/7.jpg)
/70
Estructura de los modelos
Los modelos LTI de tiempo discreto son modelos paramétricos
los datos que sirven de base para la identificación se obtienen por muestreo.
ZN = {u(1), y(1), u(2), y(2), ..., u(N), y(N)}
![Page 8: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/8.jpg)
/70
Estructura de los modelos
Los modelos LTI de tiempo discreto pueden expresarse como una ecuación en diferencias finitas
1 01a ba a n b ny t n a y t n a y t b u t n b u t
0 0
a bn n
k a j bk k
a y t n k b u t n k
![Page 9: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/9.jpg)
/70
Estructura de los modelos en terminos del operador de retardo
1 01a bn a d n d by t a y t a y t n b u t n b u t n n
1 11 0 11 na nd nb
na nba q a q y t q b b q b q u t
d a bn n n retardo “puro” con que aparece la entrada en la salida.
![Page 10: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/10.jpg)
/70
Funcion de transferencia
La relacion de entrada-salida se puede representar en terminos del operador de retardo como una “Funcion de transferencia”
1y t G q u t
1
1 0 11
11
nbnb
nana
b b q b qG q
a q a q
![Page 11: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/11.jpg)
/70
Sistema causal
Sistema causal
nb na
1
1 0 11
11
nbnb
nana
b b q b qG q
a q a q
Un sistema es causal si la respuesta del sistema en un instante t depende sólo de la entrada en ese instante y de instantes anteriores.
![Page 12: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/12.jpg)
/70
Respuesta impulsiva
En terminos de la respuesta impulsiva, , la expresión general de un modelo LTI discreto es del tipo
0
l
k
y t g k q u t
0k
g k
Para sistemas estables
![Page 13: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/13.jpg)
/70
Respuesta impulsiva
La respuesta impulsiva, puede verse como un operador
0k
g k
Para sistemas estables
1 1 20 1 2G q g g q g q
0
l
k
y t g k q u t
![Page 14: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/14.jpg)
/70
Respuesta impulsiva
La respuesta al impulso del sistema es simplemente
la serie que resulta de la division de los polinomios del numerador por el denominador de la funcion de transferencia
1 1 20 0 1 21
nbnb
nana
b b qG q g g q g q
a q
![Page 15: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/15.jpg)
/70
Respuesta impulsiva
Ejercicio: Dado el sistema LTI
Encontrar los coeficientes de la respuesta impulsiva
2 3
11 2 3
0.5 0.3
1 0.2 0.16 0.24
q qG q
q q q
![Page 16: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/16.jpg)
/70
Estructuras de los modelos LTI discretos estándar
(Ljung)
![Page 17: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/17.jpg)
/70
Los modelos paramétricos estándar
A la familia de modelos se la denomina estructura del modelo
En la identificacion de sistemas se recurre a los modelos estándar de Ljung,
» cuya validez para un amplio rango de sistemas dinámicos ha sido comprobada experimentalmente
AR, ARX, ARMAX, . . .
![Page 18: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/18.jpg)
/70
Los modelos paramétricos estándar
A la familia de modelos se la denomina estructura del modelo
Al orden del modelo se le denomina complejidad del modelo
ARX de segundo orden
![Page 19: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/19.jpg)
/70
Los modelos paramétricos estándar
Los modelos LTI discretos son relaciones entre polinomios,
El proposito de la identificacion es encontrar los coeficientes de los polinomios (parametros)
1
1 0 11
11
nbnb
nana
b b q b qG q
a q a q
![Page 20: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/20.jpg)
/70
Presencia de perturbaciones
La salida puede ser calculada en forma exacta una vez conocida la entrada al sistema
Pero en la mayoría de los casos esto es imposible debido a que siempre existen señales espurias que afectan al sistema y se escapan de nuestro control.
1y t G q u t
![Page 21: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/21.jpg)
/70
Presencia de perturbaciones
Hay muchas fuentes y causas de perturbaciones,
– ruido a la entrada del sistema– ruido que entra en alguna parte
dentro del sistema– ruido a la salida del sistema– entradas exógenas al sistema
YUProceso
perturbaciones
![Page 22: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/22.jpg)
/70
Sistema generador de datos
Con el fin de simplificar la representacion se considera que todas las perturbaciones entran en la salida
0y t G q u t v t
![Page 23: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/23.jpg)
/70
Caracterización de las perturbaciones
Una simple aproximación de v(t) podría ser
1v t H q e t
1
0
k
k
H q h k q
donde e(t) es un proceso “ruido blanco”
![Page 24: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/24.jpg)
/70
Sistema generador de datos
0y t G q u t v t
![Page 25: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/25.jpg)
/70
Sistema generador de datos
» G(q) modela la parte determinista.
» H(q) modela la parte estocástica.
0y t G q u t H q e t
![Page 26: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/26.jpg)
/70
Sistema generador de datos
Observaciones:» » v(t), es un proceso estocástico. Pero las
perturbaciones que observamos son realizaciones del proceso estocástico
» En los métodos de estimación de parametros discretos los errores de modelado tambien se incluyen en v(t)
![Page 27: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/27.jpg)
/70
Respuesta impulsiva y el modelo de ruido
Un modelo LTI puede ser especificado por
y t G q u t H q e t
1
0
k
k
G q g k q
1
1
1+ k
k
H q h k q
ef x : la funcion densidad de probabilidad de e(t)
![Page 28: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/28.jpg)
/70
Modelos lineales parametricos
Descripción del modelo
, , ,y t G q u t H q e t
ef x : la fdp de e(t) (ruido blanco)
En realidad es un conjunto de modelos
![Page 29: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/29.jpg)
/70
Familias de modelos (Ljung) Es posible agrupar los modelos en dos
bloques:
» Modelos en que
» Modelos en que
1 1H q
1 1H q
![Page 30: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/30.jpg)
/70
Modelos en que H(q) = 1
Modelos de media ajustada, MA
1y t B q u t nk e t
1 10 1
nbnbB q b b q b q
modelos de respuesta impulso finita (FIR)
![Page 31: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/31.jpg)
/70
Modelos en que H(q) = 1
Modelos del error en la salida, OE.
1
1
B qy t u t nk e t
F q
1 111 nf
nfF q f q f q
![Page 32: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/32.jpg)
/70
Modelos en que H(q) ≠ 1
Modelos autoregresivos con variables exógenas, ARX
1 1A q y t B q u t nk e t
1 111 na
naA q a q a q
![Page 33: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/33.jpg)
/70
Modelos en que H(q) ≠ 1
Modelos autoregresivos de media móvil y variables exógenas, ARMAX
1 1 1A q y t B q u t nk C q e t
G y H tienen el mismo denominador
![Page 34: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/34.jpg)
/70
Modelos en que H(q) ≠ 1
Modelos Box-Jenkins, BJ
1 1
1 1
nkB q C q
y t q u t e tF q D q
Una propiedad particular de esta estructura es que G y H no tienen parámetros comunes.
y
![Page 35: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/35.jpg)
/70
Modelos en que H(q) ≠ 1
Modelos ARARX
Modelos ARARMAX
1 1
1
1nkA q y t q B q u t e tD q
1
1 1
1
nkC q
A q y t q B q u t e tD q
![Page 36: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/36.jpg)
/70
Estructura PEM
Todas estas familias de modelos se puede representar por
1 1
1
1 1
nkB q C q
A q y t q u t e tF q D q
Util para elaborar algoritmos ya que sus resultados cubren todos los casos especiales
![Page 37: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/37.jpg)
/70
Estructura PEM
Util para elaborar algoritmos ya que sus resultados cubren todos los casos especiales
![Page 38: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/38.jpg)
/70
Ejercicio Escriba un modelo de segundo orden con un
retardo para cada uno de los modelos propuestos
» Modelo de media ajustada, MA» Modelo del error en la salida, OE» Modelo autoregresivo con variable exógena, ARX» Modelo autoregresivo de media móvil y variable
exógena, ARMAX» Modelo Box-Jenkins, BJ
Introduzca este modelo en matlab
![Page 39: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/39.jpg)
/70
Métodos para el ajuste de parámetros
![Page 40: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/40.jpg)
/70
procedimiento del modelado experimental
![Page 41: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/41.jpg)
/70
Eleccion de la estructura
Para elegir la complejidad de la estructura del tipo de modelo considerado hay que determinar el orden de cada uno de los polinomios
» es decir na, nb, nc, nd, nf y nk.
Una vez elegidos estos valores, queda determinar el vector de coeficientes
» ai, bi, ci, di y fi
![Page 42: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/42.jpg)
/70
Eleccion de la estructura
El vector de coeficientes hace que el modelo se ajuste a los datos de entrada-salida del sistema real
Puede ser necesario ensayar
» con varias estructuras» y con varios órdenes dentro de una misma estructura
hasta encontrar un modelo satisfactorio.
![Page 43: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/43.jpg)
/70
Eleccion de la estructura
Cada una de las estructuras (ARX, ARMAX, OE o BJ) tiene sus propias características
y debe ser elegida fundamentalmente en función del punto en el que se prevé que se añade el ruido en el sistema.
![Page 44: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/44.jpg)
/70
Eleccion de la estructura
Ejemplo: Supóngase el sistema
¿Cuál es el tipo de estructura más apropiada a elegir para identificación?
![Page 45: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/45.jpg)
/70
Eleccion de la estructura: Ejemplo
El tipo de estructura más apropiada para identificación debe ser del tipo “Output Error” (OE).
2 3
1 21 2 3
1 2 31
b q b qy t u t e t
f q f q f q
Por tanto nb = 2, nf = 3 y nk = 2.
![Page 46: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/46.jpg)
/70
Eleccion de la estructura: Ejemplo
El tipo de estructura más apropiada para identificación debe ser del tipo “Output Error” (OE).
¡ Sin embargo, en la mayoría de los casos el diseñador no dispone de la información sobre el sistema real !
![Page 47: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/47.jpg)
/70
Objetivos de los métodos de estimación paramétricos
Hemos denominado error de predicción
ˆt y t y t
y t es la salida estimada por el modelo en el instante t.
![Page 48: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/48.jpg)
/70
Los métodos de estimación de parametros tienen por objetivo:
Según el modelo considerado
Estimar los parámetros de los polinomios: A, B, C, D y/o F,
de forma que, en algun sentido, el error de predicción sea mínimo.
Objetivos de los métodos de estimación paramétricos
![Page 49: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/49.jpg)
/70
En el caso de la ecuación general PEM
1 1
1
1 1
nkD q B q
t A q y t q u tC q F q
Objetivos de los métodos de estimación paramétricos
![Page 50: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/50.jpg)
/70
La ecuación de los residuos se puede evaluar considerando dos términos:
» Modelización de la parte determinista
» Modelización de la parte estocástica
Objetivos de los métodos de estimación paramétricos
![Page 51: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/51.jpg)
/70
Modelado de la parte determinista
1 1
1
1 1
nkD q B q
t A q y t q u tC q F q
Relación lineal entre el error de predicción y los coeficientes de los polinomios A y B
Relación no lineal entre el error de predicción y los coeficientes del polinomio F
métodos analíticos métodos iterativos
![Page 52: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/52.jpg)
/70
Modelado de la parte estocástica
Los errores de modelado, representados, en parte, en e(t), no son conocidos y la relación que hay entre los coeficientes de los polinomios y los residuos es no lineal.
1 1
1
1 1
nkD q B q
t A q y t q u tC q F q
métodos de estimacion iterativos
se deben tambien estimar los valores de e(t)
![Page 53: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/53.jpg)
/70
Método de estimación por mínimos cuadrados (LS)
t t
YUU Y
Proceso
Modelo
![Page 54: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/54.jpg)
/70
Las estructuras ARX y FIR
Las estructuras ARX y FIR tienen la propiedad que:
la predicción con un paso de anticipacion es una función lineal de los coeficientes de los polinomios,
los que constituyen el vector de parámetros
![Page 55: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/55.jpg)
/70
Modelo de predicción para una estructura ARX
1 1ˆ 1 1y t t B q u t A q y t
Todos los términos de la derecha son simples productos de una muestra de los datos y un coeficiente
de los polinomios
![Page 56: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/56.jpg)
/70
Solucion: Minimos cuadrados
En estas condiciones
Forma alterna equivalente
11 1ˆ T T
N YN N
1
1 1
1 1ˆN N
TN
t t
t t t y tN N
![Page 57: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/57.jpg)
/70
Problemas
Ver el documento Tema 3_problemes.pdf
De los profesores Teresa Escobet y Bernardo Morcego
de la Escola Universitària Politècnica de Manresa [Escobet et al., 2003].
![Page 58: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/58.jpg)
/70
Fuentes Van den Hof Paul M.J., Bombois Xavier, System Identification for Control.
Lecture Notes DISC Course. Delft Center for Systems and Control. Delft University of Technology. March, 2004
Escobet Teresa, Morcego Bernardo, Identificación de sistemas. Notas de clase. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial. Escola Universitària Politècnica de Manresa. 2003
Kunusch Cristian, Identificación de Sistemas de Dinamicos. Catedra de Control y Servomecanismos. Universidad Nacional de La Plata, Facultad de Ingenieria, Dpto. de Electrotecnia. 2003
López Guillén, Mª Elena, Identificación de Sistemas. Aplicación al modelado de un motor de continua. Universidad de Alcalá de Henares, Departamento de Electrónica. Enero, 2002.
Rengifo Carlos Felipe, Identificacion de Sistemas. Notas de Clase. Departamento de Electronica, Control e Instrumentacion. Universidad del Cauca. Marzo 2005.
![Page 59: 70 Identificación de Sistemas Identificacion de modelos parametricos.](https://reader033.fdocuments.net/reader033/viewer/2022061602/5665b4711a28abb57c917f89/html5/thumbnails/59.jpg)
/70
ULTIMA DIAPOSITIVA