Modelos de proceso

Modelos de función de transferencia de orden inferior con ganancia estática, constante de tiempo y retardo de entrada/salida

Los modelos de proceso son populares para describir dinámicas de sistema en muchos sectores y son aplicables a distintos entornos de producción. Las ventajas de estos modelos son que son sencillos, admiten estimación del retardo de transporte y los coeficientes del modelo tienen interpretaciones fáciles como polos y ceros.

Un modelo de proceso SISO sencillo tiene una ganancia, una constante de tiempo y un retardo de transporte.

$s y s = \frac{K_{p}}{1 + T_{p 1} s} e^{- T_{d} s} .$

En este caso, K_p es la ganancia proporcional, T_p₁ es la constante de tiempo del polo real y T_d es el retardo de transporte (retardo puro).

En System Identification Toolbox™, el modelo idproc proporciona la estructura del modelo de proceso y puede representar modelos de proceso con hasta tres polos y un cero.

Para obtener más información, consulte What Is a Process Model?

Apps

System Identification

Identificar modelos de sistemas dinámicos a partir de datos medidos.

Tareas de Live Editor

Realice la estimación de un modelo de proceso

Realizar la estimación de un modelo de proceso en tiempo continuo para un sistema de única entrada y única salida (SISO) en el dominio del tiempo o la frecuencia en Live Editor

Funciones

expandir todo

Crear modelo de proceso

`idproc`	Continuous-time process model with identifiable parameters
`procest`	Estimate process model using time-domain or frequency-domain data

Inicialización de modelos y parámetros de estructura

`pem`	Prediction error minimization for refining linear and nonlinear models
`idpar`	Create parameter for initial states and input level estimation
`delayest`	Estimate time delay (dead time) from data
`init`	Set or randomize initial parameter values

Extraer o establecer parámetros de modelos

`getpvec`	Obtain model parameters and associated uncertainty data
`setpvec`	Modify values of model parameters
`getpar`	Obtain attributes such as values and bounds of linear model parameters
`setpar`	Set attributes such as values and bounds of linear model parameters

Opciones de estimación

procestOptions Options set for procest

Temas

Conceptos básicos del modelo de proceso

What Is a Process Model?
A process model is a simple continuous-time transfer function that describes linear system dynamics in terms of static gain, time constants, and input-output delay.
Data Supported by Process Models
Use regularly sampled time-domain and frequency-domain data, and continuous-time frequency-domain data.

Realizar la estimación de modelos de proceso

Estimate Process Models Using the App
Specify model parameters and estimation options to use for estimating a process model.
Identify Low-Order Transfer Functions (Process Models) Using System Identification App
Identify continuous-time transfer functions from single-input/single-output (SISO) data using the app.
Estimate Process Models at the Command Line
Estimate first-order process models with fully free parameters and with a combination of fixed and free parameters.
Estimating Multiple-Input, Multi-Output Process Models
Specify whether to estimate the same transfer function for all input-output pairs, or a different transfer function for each pair.

Establecer opciones de un modelo de proceso

Process Model Structure Specification
Configure the model structure by specifying the number of real or complex poles, and whether to include a zero, delay, and integrator.
Disturbance Model Structure for Process Models
Specify a noise model.
Specifying Initial Conditions for Iterative Estimation Algorithms
Specify how the algorithm treats initial conditions for estimation of model parameters.

Ejemplos destacados

Building and Estimating Process Models Using System Identification Toolbox

Build simple process models using System Identification Toolbox.

Abrir script