SciELO - Scientific Electronic Library Online

 
vol.18 issue2Standardization of the Processes Associated with the Development of Informatics Projects: a Case StudyTrajectory Tracking for Chaos Synchronization via PI Control Law between Roosler-Chen author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Computación y Sistemas

Print version ISSN 1405-5546

Comp. y Sist. vol.18 n.2 México Apr./Jun. 2014

http://dx.doi.org/10.13053/CyS-18-2-2014-039 

Artículos regulares

 

Internal State Identification for Black Box Systems

 

Estimación de parámetros internos para sistemas tipo caja negra

 

José de Jesús Medel Juárez1 and María Teresa Zagaceta Álvarez2

 

1 Computing Research Center (CIC), National Polytechnic Institute (IPN), Mexico City, Mexico. jjmedelj@yahoo.com.mx

2 Mechanical and Electrical School, National Polytechnic Institute (IPN), Mexico City, Mexico. mtza79@yahoo.com.mx

 

Abstract

In digital filter theory, the identification process describes internal dynamic states based on a reference system, commonly known as a black box. The identification process as a function of: a) transition function, b) identified delayed states, c) gain function which depends on convergence correlation error, and d) an innovation process based on the error described by the differences between the output reference system and the identification result. Unfortunately, in the black box concept, the exponential transition function considers the unknown internal parameters. This means that the identification process does not operate correctly because its transition function has no access to the internal dynamic gain. An approximation for solving this problem includes the estimation in the identification technique. This paper presents an estimation for a "single input single output" (SISO) system with stationary properties applied to internal state identification.

Keywords: Digital filter, estimation, functional error, identification, stochastic gradient, reference model.

 

Resumen

En teoría de filtro digital, el proceso de identificación describe los estados internos del sistema de referencia comúnmente conocido como caja negra. El proceso de identificación está en función de: a) la función de transición, b) los estados identificados retardados, c) la función de ganancia descrita por el error de correlación y, d) por el proceso de innovación basado en el error descrito por las diferencias entre el sistema de referencia de salida y el resultado de la identificación. Desafortunadamente, con respecto a la caja negra, la función de transición considera a un exponencial con los parámetros internos desconocidos. Esto significa que el proceso de identificación no es posible desarrollarlo adecuadamente debido a que su función de transición no tiene acceso a esos parámetros. Una aproximación para resolver este problema es usar una técnica de estimación. En este trabajo se presenta la estimación para un sistema con una sola entrada y una salida (UEUS o en sus siglas en inglés SISO) con propiedades estacionarias, aplicado dentro de un identificador para describir el estado interno del sistema de referencia.

Palabras clave: Filtro digital, estimador, funcional de error, identificación, gradiente estocástico, modelo de referencia.

 

DESCARGAR ARTÍCULO EN FORMATO PDF

 

References

1. Rodríguez-Reséndiz, J., Gutiérrez-Villalobos, J.M., Duarte-Correa, D., Mendiola-Santibañez, J.D., & Santillán-Méndez, I.M. (2012). Design and Implementation of an Adjustable Speed Drive for Motion Control Applications. Journal of Applied Research and Technology, 10(12), 180-194.         [ Links ]

2. Casco-Sánchez, F.M., Medina-Ramírez, R.C., & López-Guerrero, M. (2011). A New Variable Step Size NLMS Algorithm and its Performance Evaluation in Echo Cancelling Applications. Journal of Applied Research and Technology, 9(3), 302-313.         [ Links ]

3. Bazdresch, M., Cortez, J., Longoria-Gándara, O., & Parra-Michel, R. (2012). A Family of Hybrid Space-Time Codes for MIMO Wireless Communications. Journal of Applied Research and Technology, 10(2), 122-142.         [ Links ]

4. Joham, M., Zoltowski, M.D. (2000). Interpretation of the Multi-Stage Nested Wiener Filter in the Krylov Subspace Framework (TR-ECE-00-51). West Lafayette: Purdue University.         [ Links ]

5 Min-Sung, K., Ho-Lim, C., &Jong-Tae, L. (2012). Output feedback regulation of a chain of integrators with an unbounded time-varying delay in the input. IEEE Transactions on Automatic Control,57(10), 2662-2667.         [ Links ]

6 Zhou, J., Wen, C., & Li,T. (2012). Adaptive Output Feedback Control of Uncertain in Nonlinear Systems With Hysteresis Nonlinearity. IEEE Transactions on Automatic Control, 57(10), 2627-2633.         [ Links ]

7 Herrera, R.S. & VázquezJ.R. (2012). Unbalance Sources Identification in Non-Sinusoidal Electric Power Systems.International Review of Automatic Control, 5(5), 638-645.         [ Links ]

8 Iskrenovic-Momcilovic, O. (2012).Discrete-Time Variable Structure Controller Synthesis Using Model in Canonical Subspace. International Review of Automatic Control, 5(5), 703-709.         [ Links ]

9 Medel, J.J. & Zagaceta, M.T. (2010). Estimación-identificación como filtro digital integrado: descripción e implementación recursiva. Revista Mexicana de Física, 56(1), 1-8.         [ Links ]

10 Medel, J.J., García, J.C., & Urbieta, R. (2011). Identificador con comparación entre dos estimadores. Revista Mexicana de Física, 57(5), 414-420.         [ Links ]

11 Frizera, A., Ceres, R., & Pons, J.L. (2011). Filtrado Adaptivo Componentes Involuntarias en Marcha Asistida por Andador para Detección de Intenciones. Revista Iberoamericana de Automática e Informática Industrial, 8(2), 71-80.         [ Links ]

12 Gallegos, M.A., Álvarez, R., Moreno, J.A., & Espinosa, G.R. (2010). Control Vectorial de un Motor de Inducción con Carga Desconocida Basado en un Nuevo Observador no Lineal. Revista Iberoamericana de Automática e Informática Industrial, 7(4), 74-82.         [ Links ]

13 Romero, J.A., & Sanchis ,R. (2011).Metodología para la Evaluación de Algoritmos de Auto-ajuste de Controladores PID. Revista Iberoamericana de Automática e Informática Industrial, 8(1), 112-117.         [ Links ]

14 Hernández, D.F., Gómez, D., & Thompson, P. (2011). Implementación de un sistema de control activo para disminuir las vibraciones producidas por personas en una tribuna. Revista Facultad de Ingeniería Universidad de Antioquia, 61, 83-92.         [ Links ]

15 Escobar, A., Hernández, C., & Arguello, J. (2011) . Control difuso adaptativo aplicado a un sistema de fermentación de flujo continuo de alcohol. Revista Facultad de Ingeniería Universidad de Antioquia, 58, 105-113.         [ Links ]

16 Haykin, S. (1996). Adaptive Filter Theory (3rd ed.). Upper Saddle River, New Jersey: Prentice Hall.         [ Links ]

17 Shiryaev, A.N. (1984), Theory of Probability. Nauka, Moscow, 22-78.         [ Links ]

18 Wasan, M.T. (1969). Stochastic Approximation. Cambridge, UK: Cambridge University Press.         [ Links ]

19 Bhat, U.N. & Miller, G.K. (2002). Elements of Applied Stochastic Processes (3rd ed.). Hoboken, N.J.: Wiley-Interscience.         [ Links ]

20 Ogatta, K. (1996). Sistemas de Control en Tiempo Discreto (2a ed.). México: Prentice Hall.         [ Links ]

21 Moreno, F.J., Duitama, J.F., & Ospina, E.C. (2012) . A method for estimating the position and direction of a leader of a set of moving objects. Revista Facultad de Ingeniería Universidad de Antioquia, 62, 11-20.         [ Links ]

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License