Professional Documents
Culture Documents
)
0 100 200 300 400 500 600 700 800
-40
-20
0
Tiempo(s)
n
g
u
l
o
t
u
r
b
o
j
e
t
s
(
)
Figura 3. Datos para la identificacin.
Para la validacin del modelo se realiza una
maniobra de curva de evolucin hacia babor
(figura 4).
0 200 400 600 800 1000
-600
-400
-200
0
200
R
u
m
b
o
(
)
0 200 400 600 800 1000
0
10
20
30
40
Tiempo(s)
n
g
u
l
o
t
u
r
b
o
j
e
t
s
(
)
Figura 4: Datos para la validacin.
4.3 IDENTIFICACIN MODELO DE
RUMBO ARX
La estructura general de un modelo ARX [4] es la
siguiente:
1
1
( ) ( 1) ... ( )
( ) ... (
na a
k nb k b
y t a y t a y t n
b u t n b u t n n 1)
+ + + =
+ + +
(3)
donde y(t) es la seal de salida, u(t) seal de entrada,
n
a
nmero de polos, n
b
nmero de ceros, n
k
retardo
puro.
En nuestro caso la seal de entrada es el ngulo del
turbojet y la seal de salida el rumbo.
En la figura 5 se puede observar que con los datos
utilizados, los modelos a partir de 10 parmetros son
los que mejor ajustan los datos, dado que a partir de
este valor la varianza de la salida permanece
constante, por lo que no tiene sentido introducir ms
parmetros.
0 5 10 15 20
0
0.2
0.4
0.6
0.8
1
x10
-4
Nmero de parmetros
V
a
r
i
a
n
z
a
d
e
l
a
s
a
l
id
a
(
%
)
Figura 5. Modelos que mejor se ajustan a los datos.
Se han identificado varios modelos, algunos con
menos de 10 parmetros. En la tabla 1 se muestran
algunos resultados. Se comprueba que el modelo
ARX con n
a
=9, n
b
=1 y n
k
=1, es el que mejor se
ajusta, por lo que se ha seleccionado como ms
adecuado.
Tabla 1: Diferentes estructuras de modelo ARX
Modelo ARX (na,nb,nc) FPE
(2,2,1)
(4,4,1)
(9,1,1)
0.0764
0.0853
0.0655
En la figura 6 se representa la simulacin de los
distintos modelos de rumbo ARX identificados junto
con la simulacin del rumbo medido. Se puede
apreciar que la simulacin no sigue totalmente la
curva de la trayectoria real debido a que la maniobra
de evolucin es una entrada escaln, que es una seal
poco persistente y el modelo obtenido no incluye las
caractersticas no lineales.
Figura 6. Simulacin de los distintos modelos
identificados junto con el rumbo medido.
4.4 IDENTIFICACIN MODELO DE
PROCESO DE RUMBO
Con los mismos registros es posible identificar un
modelo de proceso continuo, un modelo de Nomoto
de primer y segundo orden utilizando la toolbox de
Matlab System Identification [5]. Esta toolbox
permite la estimacin de modelos de proceso en
tiempo continuo caracterizados por la ganancia
esttica y las constantes de tiempo. Dichos modelos
se ajustan a las siguientes ecuaciones:
T K + = && & (4)
Cuya funcin de transferencia es:
( )
( )
1
K
s
s Ts
=
+
(5)
Nomoto de 2 orden:
1 2 1 2 3
( ) ( TT T T K T ) + + + = +
&
&&& && & (6)
Y su funcin de transferencia es:
3
1 2
(1 )
( )
(1 )(1 )
K T s
s
s T s T s
+
=
+ +
(7)
El proceso de identificacin proporciona los
siguientes coeficientes para un modelo de Nomoto de
2 orden:
K =- 0.071757, T1 =27.628 s, T2 =0.001 s,
T3 =-29.96 s
Una aproximacin a un modelo de primer orden se
puede calcular:
1 2 3
57,589 T T T T s = + = (8)
En la Figura 7 se puede ver como, el modelo de
Nomoto de segundo orden, se ajusta al rumbo
medido en la maniobra de babor.
0 100 200 300 400 500 600 700 800 900 1000
-600
-500
-400
-300
-200
-100
0
100
200
Tiempo(s)
Rumbo medido()
Nomoto orden 2()
Figura 7. Simulacin del modelo de Nomoto de 2
orden junto con el rumbo medido.
4.5 IDENTIFICACIN MULTIVARIABLE
MODELO VELOCIDAD ARX
En el caso de la identificacin del modelo de
velocidad, en el plano horizontal, se utilizan las
variables u, v, r y , con r definida como:
d
r
dt
= (9)
Esta variable se obtiene por derivacin numrica de
los datos de rumbo medidos con el girocomps. En la
figura 8a se representan los resultados obtenidos por
este procedimiento. Se puede observar que el proceso
de derivacin numrica introduce mucho ruido en la
seal, lo cual dificulta el proceso de identificacin,
ya que se pueden obtener modelos con varianza que
no reproducen el comportamiento del modelo fsico.
Para eliminar el ruido se ha utilizado un moving
average filter smooths [6]. El resultado de este
proceso se representa en la figura 8b.
El registro de velocidad obtenido por el GPS tambin
presenta bastante ruido. Se ha utilizado un moving
average filter smooths y en la figura 9 se presenta la
seal resultante.
Los datos que se utilizan en el proceso de
identificacin son los que corresponden al intervalo
de t =300s. a t =1400s. Se utilizan de t =300s a
t =800s para la identificacin y los restantes para la
validacin de resultados. En la Figura 9 se
representan estos datos; en trazo continuo para la
identificacin y en trazo discontinuo para la
validacin.
0 500 1000 1500 2000
-10
0
10
r
(
)
(a)
0 500 1000 1500 2000
-10
0
10
time(s)
r
(
)
(
s
m
o
o
t
h
e
d
)
(b)
Figura 8. Obtencin del vector r por derivacin
numrica.
Las ecuaciones lineales de movimiento de un barco,
en el plano horizontal [2], son las siguientes:
Mv Dv b + = & (10)
0 0
0
0
u
u g
g r z r
m X
r
M m Y mx X
mx Y I N
=
&
&
& &
&
Y
(11)
(12)
0 0
0
0
u
v r
v r
X
D Y
N N
Este modelo est descrito por el movimiento en los
tres ejes: guiada, cabeceo y balanceo, donde el
vector de salidas es =[u, , r]
T
y es la entrada
siendo una de las componentes de la velocidad
tangencial a la trayectoria vista en la Figura 2 y el
ngulo de giro de los turbojets.
Para la identificacin se utiliza un modelo ARX, que
corresponde a un sistema SIMO, definido por:
A(z) y(t) =B(z) u(t) +e(t) (13)
donde,
1
( )
( ) , ( ) ( )
( )
ny
v t
y t u t t
r t
=
= (14)
0 500 1000 1500
-10
-5
0
5
10
r
(
/
s
)
0 500 1000 1500
-1
-0.5
0
0.5
1
v
(
m
/
s
)
0 500 1000 1500
-0.5
0
0.5
u
(
m
/
s
)
0 500 1000 1500
-50
0
50
tiempo(s)
T
u
r
b
o
j
e
t
s
a
n
g
l
e
(
)
Figura 9: Datos de u, , r y utilizados en la
identificacin.
La matriz A(z) tiene como dimensiones ny*ny siendo
ny =2 y se puede representar como:
1
1
( ) ...
na
ny na
A z I A z A z
= + + +
(15)
La matriz B(z) tiene como dimensiones ny*nu siendo
ny =2 y nu =1:
(16)
1
0 1
( ) ...
nb
nb
B z B B z B z
= + + +
Segn la tabla 2 a medida que se aumenta el nmero
de parmetros para la identificacin del modelo
ARX, se obtienen modelos con un FPE
prcticamente el mismo por lo que se toma como
valido el modelo ms sencillo ARX221. Adems,
este modelo presenta unos residuos de
autocorrelacin bastante aceptables Figura 10.
-20 -15 -10 -5 0 5 10 15 20
0
0,1051
-0.1051
Residuos de autocorrelacin para la salida r
-20 -15 -10 -5 0 5 10 15 20
0.05
0.06
0.07
0.08
muestras
Residuos crosscorrelacin para la entrada(ngulo turbojets) y la salida r
-20 -15 -10 -5 0 5 10 15 20
-0.5
0,1051
-0,1051
0.5
Residuos de autocorrelacin para la salida v
-20 -15 -10 -5 0 5 10 15 20
0
0.02
0.04
0.06
muestras
Residuos crosscorrelacin para la entrada(ngulo turbojets) y la salida u
Figura 10. Residuos de autocorrelacin para el
modelo ARX221
Tabla 2: Diferentes estructuras de modelo ARX
multivariable
Modelo ARX (na,nb,nc) FPE*10
-11
(2,2,1)
(4,4,1)
(8,8,1)
1.31735
1.31735
1.31735
El modelo identificado ARX221 da como resultado
las siguientes matrices:
0 1
1 0 0 -1.869 -0.043 0.002
0 1 0 , 0.025 -1.948 -0.002 ,
0 0 1 0.040 0.221 -1.950
A A
= =
(17)
2 0
0.877 0.043 -0.002 0
-0.027 0.953 0.001 , 0
-0.037 -0.207 0.953 0
A B
= =
(18)
3 3
2 3
0.397 -0.387
-0.004 10 , -0.008 10
-0.586 0.475
B B
= =
(19)
5 CONCLUSIONES
Se ha utilizado una plataforma de experimentacin de
vehculos marinos para realizar pruebas de mar, con
el objeto de determinar caractersticas de gobierno y
maniobrabilidad de vehculos marinos. Con ello, se
muestran las posibilidades de la plataforma para la
experimentacin de vehculos marinos con fines
educativos y de investigacin.
Se han identificado modelos matemticos de rumbo y
de velocidad de un fast-ferry con los datos adquiridos
con la plataforma de ensayos. Se realizaron diversas
curvas de evolucin, en la Baha de Santander, de las
que se eligieron las ms adecuadas para realizar la
identificacin.
Con estos ensayos se han obtenido mediante
identificacin, modelos de rumbo y velocidad para el
fast-ferry.
Agradecimientos
Este artculo ha sido parcialmente financiado por el
MEC con el proyecto DPI2006-11835.
Referencias
[1] Aranda, J . Gonzalez de Santos, P. and De la
Cruz, J .M. (Ed.) (2006) Robotics and
Automation in the Maritime Industries, Chapter
12: Platform for remote experimentation of
autonomous high speed craft models with a
combined technology for wifi and internet
communications programmed in LabVIEW, pp
275-293. UCM, Madrid, Spain.
[2] Fossen, T. I. (1994) Guidance and Control of
Ocean Vehicles. J ohn Wiley & Sons, Inglaterra.
[3] KVH (1997), KVH Digital Gyro Stabilized
Sensor System Technical Manual.
[4] Ljung, L., (1999) System Identification Theory
for the User, Prentice Hall, New J ersey.
[5] Matlab, (2005) System Identification Toolbox
for Use with MATLAB, Userss Guide, Version
6.
[6] Matlab, (2004) Curve Fitting Toolbox for use
with MATLAB, Users Guide, Version 1.
[7] TIM (2004) TIM-LC, TIM-LF, TIM-LP System
Integration Manual. u-blox AG,.
[8] Velasco, F. J ., Rueda, T. M., Revestido, E.,
Esquibel, L. . (2006) Marine Vehicles Web-
Wifi Platform for Remote Experimentation
Programmed in LabVIEW, 'ACE 06' 7th IFAC
Symposium on Advances in Control Education.