Estimador para un Proceso Estocástico de Tercer Orden

Jesús Medel J., Romeo Urbieta P., Juan C. García I.

Resumen

En este artículo se propone un estimador basado en el segundo momento de probabilidad aplicado a un modelo estocástico de tercer orden en diferencias finitas. Modelo que comúnmente es usado para describir sistemas con amortiguamiento como es el caso de los motores síncronos. Los valores que se consideran en el modelo son resultado de la estimación con respecto a la señal de referencia. En el diseño se realiza el cálculo de los tres parámetros usando las covariancias Pk y Qk. Es así como la variable estocástica observable está en función sus ganancias y del proceso de innovación, lo que permite el desarrollo de un identificador con convergencia en casi todos los puntos a la señal de referencia. Para contar con los resultados en línea así como lograr una implementación se realiza la estimación recursiva. En la sección de resultados se presenta un experimento teórico utilizando la herramienta de Matlab® para determinar los parámetros y lograr la convergencia del modelo de tercer orden con la señal de referencia, lo cual se logró en menos de diez iteraciones. La convergencia se puede observar a través del funcional del error. La aproximación del identificador con la estimación recursiva hacia la referencia fue de milésimas y es descrita como una supermartingala.

Palabras clave

Estimación; Probabilidad; Identificación; Filtrado; Algoritmo; Recursivo

Texto completo:

PDF

Referencias

Alok, S., 2007. Taylor & Francis Group, Optimal and Robust Control. CRC Press, 179-228. DOI: 10.1109/TAC.2008.9187

Armando, J., Graciela, G., Ramón, M., 2001, Un procedimiento práctico para estimar el parámetro de forma de la distribución Gaussiana Generalizada. Centro de Investigación de Matemáticas. México, 6.

Rengifo, C., 2004. Una Herramienta para Identificación Recursiva de Sistemas Dinámicos, 1-12.

Christian, H., Andre, Ran., Freek, Schagen., 2007. Introduction to Mathematical System Theory. Linear Systems, Identification and Control, Springer, Germany, 115-132.

Daniel, W., 1994. Probability Theory, an Analytic View. Cambridge University Press, USA, 193-256.

David, S., 2002. La Matriz Fundamental y la Matriz esencial. Conceptos y aplicaciones, 3-38.

Frank. L., Liua, X., Dan, Popa., 2008. Optimal Estimation and Robust Estimation. CRC Press, pp. 423-442.

Isabelle, R., Léon, P., 1996. Black Box Modeling with State Space Neural Networks. Neural Adaptive Control Technology, 237-264.

János, A., 2003. Fuzzy Model Identification for Control. International Journal of Robust and Nonlinear Control 14, 1079-1081. DOI:10.1002/rnc.882

Justino, A., 2007. Estimación de Parámetros en Ecuaciones Diferenciales Ordinarias: Identificabilidad y Aplicaciones a Medida. UNAM. México, 1-34.

Kailath, T., Ali, H., Babak H., 2000. Linear Estimation, Prentice Hall, USA.

Lagunas M., 2007. Procesos Estocásticos y Estimación de Parámetros

Lokenath, D., Piotr, M., 2005. Hilbert Spaces with Applications. Elsevier Academy Press, USA, 93-135.

Medel, J., García, M., 2009. Estimación de Parámetros Usando la deconvolución y la Pseudo-inversa: Descripción e Implementación Recursiva. Revista Mexicana de Física 56, 54-60.

Medel, J., María, Z., 2010. Estimación-Identificación como Filtro Digital Integrado: Descripción e Implementación Recursiva. Revista Mexicana de Física 56,1–8.

Paul, G., Sidney, C., Charles, Stone., 1971 Introduction to Probability Theory. Editorial Houghton Mifflin Company, USA, 92-95.

Pérez A., Romeo Y., Pérez S., 2007. Identificación de los parámetros de un modelo de tercer orden para una máquina síncrona utilizando mediciones en línea, Revista Scientia Et Technica, 13, 67-71.

Rao, D., 2006. Analysis and Design of Control Systems Using Matlab. New Age International, USA.

Robert, J., Lakhdar, A., John, Moore., 2008. Hidden Markov Models. Estimation and Control. Springer. 19.

Wilfredo, D., 1999. Convergencia Aleatoria en Espacios de Hilbert. Revista de la F. C. M. de la Universidad mayor de San Marcos, 2 69-70.

Abstract Views

506
Metrics Loading ...

Metrics powered by PLOS ALM




Creative Commons License

Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-CompartirIgual 4.0 International (CC BY-NC-SA 4.0)

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912