Show simple item record

dc.contributor.advisorYUZ EISSMANN, JUAN I.
dc.contributor.authorSÁNCHEZ QUINTERO, CLAUDIA
dc.coverage.spatialCasa Central Valparaísoes_CL
dc.date.accessioned2021-06-25T21:31:21Z
dc.date.available2021-06-25T21:31:21Z
dc.date.issued2021-03
dc.identifier.urihttps://hdl.handle.net/11673/50383
dc.description.abstractEn general, la representación de sistemas de tiempo continuo se realiza mediante ecuaciones diferenciales lineales o no lineales. Actualmente, los dispositivos digitales, que solo operan en tiempo discreto, son los encargados de interactuar con los sistemas de tiempo continuo. Por lo tanto, los modelos muestreados son necesarios. La precisión de estos modelos depende, entre otras cosas, del método numérico utilizado para resolver la ecuación diferencial. Entonces, siguiendo la idea anterior, el interés es estudiar el efecto del comportamiento entre muestras de las señales y del método de integración numérica aplicado sobre el modelo de tiempo discreto resultante. Las suposiciones hechas o el conocimiento que se tiene sobre las señales juega un papel esencial en el modelo de datos muestreados obtenido. En particular, la entrada al sistema generalmente se considera constante entre muestras, es decir, que es generada por un retentor de orden cero. Sin embargo, se pueden emplear dispositivos de orden superior para definir la entrada. Por ejemplo, las funciones B-spline se pueden usar en el retentor como una función de interpolación para modelar la suavidad de la entrada del sistema. Por otro lado, la representación exacta de modelos de datos muestreados para sistemas de tiempo continuo no siempre está disponible. Por lo tanto, se desarrollan modelos aproximados, considerando que la estrategia de integración aplicada impacta directamente en el modelo de datos muestreados obtenido. En el caso lineal, aparecen ceros adicionales debido al proceso de muestreo. La ubicación de estos ceros de muestreo se puede caracterizar cuando el período de muestreo tiende a cero. Además, el interés es extender estos resultados a una clase de sistemas no lineales escritos en forma normal. En esta tesis establece la relación entre la interpolación, la estrategía de inte gración numérica y los modelos de datos muestreados para sistemas lineales y no lineales. Específicamente, se estudia el impacto del retentor basado en funciones B spline y los métodos numéricos, tales como Runge-Kutta o series de Taylor truncadas, en la caracterización asintótica de los ceros de muestreo, para el caso lineal, y las dinámicas cero para sistemas no lineales. La precisión de los modelos aproximados obtenidos se mide utilizando el error relativo y el error de truncamiento local para sistemas lineales y no lineales, respectivamente. Además, exploramos cómo explotar los modelos de datos muestreados aproximados para el diseño de una ley de control de tiempo discreto universal para sistemas lineales estableses_CL
dc.format.extent99 H.es_CL
dc.subjectSAMPLED-DATA MODELSes_CL
dc.subjectINTERPOLATIONes_CL
dc.subjectB-SPLINESes_CL
dc.subjectNUMERICAL METHODSes_CL
dc.subjectTRUNCATED TAYLOR SERIESes_CL
dc.titleDOCTORAL DISSERTATION ON THE RELATIONSHIP BETWEEN SAMPLED-DATA MODELS, NUMERICAL INTEGRATION AND INTERPOLATIONes_CL
dc.typeTesis de Postgrado
dc.description.degreeDOCTOR EN INGENIERIA ELECTRONICAes_CL
dc.contributor.departmentUniversidad Técnica Federico Santa María. Departamento de Electrónicaes_CL
dc.description.programDEPARTAMENTO DE ELECTRÓNICA. DOCTORADO EN INGENIERÍA ELECTRÓNICA (PHD)es_CL
dc.identifier.barcode25475207KUTFSMes_CL


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record