*Link to English version
Materiales: [ Cód.: SensorTSTKlmVsDifFinAPPROX.mlx ] [ PDF ]
Este vídeo concluye el caso de estudio y ejemplos Matlab de los vídeos [
Pero, vaya, al 99% de los estudiantes se le explica que si tenemos un proceso
continuo de orden 2, se discretiza y se hace un filtro de Kalman de orden 2, no de
orden 3 como hicimos en los vídeos arriba referidos. En este vídeo se comprueba
que, en efecto, si el período de muestreo es peque
La última sección del vídeo discute el hecho de que el tiempo de ‘promediación’ en la tarjeta de adquisición de datos antes de tener una mestra válida puede ser de s, pero si estamos controlando un horno que tarda horas en calentarse, a lo mejor el período de muestreo de un PID de control de temperatura es de 2 minutos. Por lo tanto, la varianza del ruido de medida dependerá de dicho primer intervalo que llamamos (tiempo de adquisición) y no del período de muestreo del PID del horno. Obviamente, el óptimo teórico será ambos y , con tendiendo a cero, pero como hemos visto en nuestro caso de estudio de Matlab, podemos aproximarnos bien a la situación idealizada en tiempo continuo con un procesado digital aproximado que tenga muchos menos requerimeintos de tiempo de cómputo.