Para los modelos de los ejercicios propuestos 5.6 y con la implementación en MATLAB, (i) indicar los pasos para la identificación (planificación experimental); (ii) obtener los datos experimentales con un período de muestreo adecuado, uso de una entrada PRBS con la función idinput y la adición a la salida de un pequeño ruido blanco con la función randn; (iii) implementar el método de predicción del error con el predictor óptimo, el método del gradiente (con un código que sirva para cualquier estructura del modelo) y el cálculo de los intervalos de confianza por el método de bootstrapping para el mejor modelo; (iv) validar el modelo comparando la salida experimental con la estimada con una entrada escalón y una señal sinusoidal, y calcular el porcentaje de ajuste; (v) realizar el análisis residual con la función whiteness_test; (vi) obtener el mapa de polos y ceros con la función pzmap para detectar una posible reducción del orden; (vii) documentar el modelo final con los respectivos intervalos de confianza; (viii) verificar los resultados con la función pem; (ix) interpretar los resultados.
Comentarios