Profesor: Dr. Jaime Álvarez Gallegos, Dr. Hebertt Sira Ramírez 

Objetivo

Familiarización con las técnicas y métodos más comúnmente utilizados para la identificación de sistemas dinámicos tanto fuera de línea como en línea. Se hará énfasis especial en el análisis de las principales propiedades y limitaciones de los métodos y en las posibles aplicaciones a la regulación de sistemas mecatrónicos. 

Contenido

  1. Introducción a la Identificación

1.1  Objetivo de la identificación 
1.2  Caracterización 
1.3  Distancias y criterios 
1.4  Técnicas de identificación, validación.

  1. Modelos

2.1 Ecuaciones diferenciales y en diferencias 
2.2 Modelos de estado 
2.3 Modelos de entrada-salida, funciones de transferencia 
2.4 Relación entre modelos de estado discreto y continuo

  1. Métodos no paramétricos de identificación

3.1 Análisis de la respuesta transitoria 
3.2 Análisis de respuesta en frecuencia 
3.3 Método de correlación con sucesiones binarias pseudo-aleatorias

  1. Método del modelo de referencia

4.1 Descripción del método 
4.2 Influencia del ruido en el proceso de la identificación 
4.3 Algoritmos recursivos

  1. Mínimos cuadrados

5.1 Planteamiento del problema 
5.2 Características del ruido 
5.3 Solución analítica de los mínimos cuadrados 
5.4 Interpretación geométrica 
5.5 Propiedades 
5.6 Problemas de caracterización 
5.7 Mínimos cuadrados recursivos

  1. El Método Algebraico de Estimación

6.1 La identificación en línea. Ejemplos elementales 
6.2 Robustez respecto de condiciones iniciales y perturbaciones estructuradas 
6.3 Identificación de perturbaciones de manera seccional 
6.4 Estimación en línea de estados en sistemas lineales y no lineales 
6.5 El cálculo en línea de derivadas temporales. 
6.6 Casos de estudio.

Bibliografía

  1. L. Ljung. “System identification: Theory for the user”. Prentice Hall Inc. (1987).
  2. R. Johansson. “System modeling identification”. Prentice Hall Inc. (1993).
  3. L. Ljung and T. Soderstrom. “Theory and practice of recursive identification”. MIT Press, (1983).
  4. D.T. Pham and X. Liu. “Neural networks for identification, prediction and control”. Springer Verlag, (1995).
  5. Jaime Alvarez, Moisés Bonilla. “Introducción a la identificación de procesos”. Notas de curso. CINVESTA-IPN. Departamento de Ingeniería Eléctrica. (1983).
  6. M. Fliess y H. Sira-Ramírez ``An algebraic framework for linear identification” ESAIM, Control, Optimization and Calculus of Variations , Vol 9, pp. 151-168, January. 2003.
  7. M. Fliess and H. Sira-Ramírez ``Closed-loop Parametric Identification for Continuous-time Linear Systems via New Algebraic Techniques" en H. Granier & L. Wang (Eds.) Continuous Time Model Identification from Sampled Data , Springer-Verlag , Berlin , 2008.
  8. Notas del curso elaboradas por el profesor.