Beruflich Dokumente
Kultur Dokumente
Notas de Aula
Fevereiro de 2008
Prefcio
Ementa:
Amostragem de Sinais contnuos; Transformada Z; Modelos Discretos; Espao de Estados discreto; Anlise de Sistemas Discretos; Controladores PID digital; Mtodos de projeto de controladores em tempo discreto.
Programa: Semana: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Data: 27/02 05/03 12/03 19/03 26/03 02/04 09/04 16/04 23/04 07/05 14/05 21/05 28/05 04/06 11/06 18/06 25/06 Assunto: Introduo ao controle de sistemas em tempo discreto Transformada Z Funo de Transferncia em Tempo Discreto Parte I Funo de Transferncia em Tempo Discreto Parte II Aula de Exerccios 1 Prova Projeto de Controladores por Mtodos Clssicos Exerccios Formulao por Matrizes de Estado Controlabilidade e Observabilidade Alocao de Plos, realimentao e observadores de estado Exerccios Matlab Observadores de ordem reduzida Exerccios Exerccios adicionais 2 Prova Apresentao dos projetos
Critrios de Avaliao: 1 Prova 35%, 2 Prova 35%, projeto 20%, listas de exerccio 10% Bibliografia:
K. Ogata. Discrete-Time Control Systems. Prentice Hall, 2nd Edition. 1994. G.F. Franklin, J.D. Powell, and M.L. Workman. Digital Control of Dynamic Systems. Addison-Wesley, 3rd Edition. 1998.
ii
Sumrio
1 INTRODUO AO CONTROLE DE SISTEMAS EM TEMPO DISCRETO1
1.1 1.2 1.3 1.4 1.4.1 1.4.2 1.5 INTRODUO .............................................................................................................................1 SISTEMAS DE CONTROLE EM TEMPO DISCRETO ...........................................................................1 TIPOS DE SINAIS .........................................................................................................................5 AMOSTRAGEM DE SINAIS CONTNUOS ........................................................................................6 Teoria da Amostragem Tratamento emprico....................................................................6 No unicidade de sinais amostrados ....................................................................................8 EXERCCIOS PROPOSTOS ............................................................................................................8
TRANSFORMADA Z .......................................................................................... 10
2.1 2.1.1 2.1.2 2.1.3 2.2 2.2.1 2.2.2 2.3 2.4 MTODO DA TRANSFORMADA Z ..............................................................................................10 Transformada Z ..................................................................................................................10 Transformada Z de funes elementares ............................................................................10 Propriedades da Transformada Z ......................................................................................12 TRANSFORMADA Z INVERSA ....................................................................................................14 Mtodo de expanso em fraes parciais...........................................................................15 Mtodo computacional - Matlab ........................................................................................17 EXERCCIOS RESOLVIDOS ........................................................................................................18 EXERCCIOS PROPOSTOS ..........................................................................................................19
iii
5.1 5.2 5.3 5.3.1 5.3.2 5.3.3 5.3.4 5.3.5 5.4 5.5 5.6 5.7 5.8
INTRODUO FORMULAO DE ESTADO ...............................................................................61 NOMENCLATURA DE ESPAO DE ESTADOS ..............................................................................62 REPRESENTAO DE ESPAO DE ESTADOS DISCRETOS ............................................................62 Forma Cannica Controlvel.............................................................................................62 Forma Cannica Observvel..............................................................................................63 Forma Cannica Diagonal.................................................................................................63 Forma Cannica de Jordan................................................................................................64 No unicidade das matrizes de estado................................................................................64 SIMULANDO UM SISTEMA NA FORMA DE ESTADO DISCRETO .....................................................65 PASSANDO DE MATRIZES DE ESTADO PARA FT........................................................................65 DISCRETIZAO DE MATRIZES DE ESTADO CONTNUAS ..........................................................66 EXERCCIOS RESOLVIDOS ........................................................................................................69 EXERCCIOS PROPOSTOS ..........................................................................................................72
iv
Captulo 1
1.1 Introduo
Aqui, sero tratados sistemas lineares e invariantes no tempo em que o controle de sistemas em tempo discreto entendido como a implementao de sistemas de controle utilizando placas de aquisio de dados capazes de medir uma determinada quantidade de sinais analgicos, process-los e devolv-los ao meio ambiente.
Figura 1.1: Exemplo de um sistema de controle em tempo contnuo J os sistemas de controle em tempo discreto envolvem a discretizao de uma ou mais variveis do processo de controle. Normalmente, a implementao de um sistema de controle em tempo discreto envolve a utilizao de um computador em conjunto com uma placa de aquisio de dados para a implementao do controlador. Sendo assim, est implcito no mtodo que ocorra pelo menos uma passagem do tempo contnuo para o tempo discreto, denominada discretizao ou amostragem do sinal, e uma passagem do tempo discreto para o tempo contnuo, chamada de reconstruo. A implementao em tempo real de controle para um sistema de controle em tempo discreto em realimentao onde o controlador implementado em tempo discreto pode ser observado na Figura 1.2.
Figura 1.2: Exemplo de um sistema de controle em tempo discreto Ambiente Fsico o ambiente no qual ser implementado o sistema de controle, o ambiente real onde o processo fsico ocorre. Ambiente Computacional o ambiente onde o sistema de controle implementado, isto , onde ocorre o processo de sntese do controlador e calculada a lei de controle. Este ambiente representa o hardware e software onde o sistema de controle implementado, como por exemplo no Matlab/Simulink. Varivel Fsica a quantidade fsica que se deseja medir para ser usada no sistema de controle, por exemplo, deslocamento, velocidade, acelerao, temperatura, presso, etc. Transdutor o dispositivo capaz de transformar uma quantidade de entrada em outra quantidade de sada, normalmente voltagem, isto , o dispositivo que tem a capacidade de medir a varivel fsica e transform-la em voltagem para ser utilizado como informao pelo sistema de controle, em outras palavras, simplesmente o sensor, como acelermetros, vibrmetros laser, clulas de carga, sensores de posio, tacmetros, microfones, etc. Condicionador de sinais o dispositivo que alimenta o transdutor, pois normalmente o transdutor precisa de uma fonte de alimentao especfica para ele. De maneira geral, os transdutores geram uma quantidade de voltagem insuficiente para serem utilizados em sistemas de medida e controle, necessitando assim de um sistema de amplificao. Os condicionadores de sinais podem incluir um amplificador operacional como fonte de alimentao bsica, um sistema de amplificao e filtros analgicos, integradores, etc. Filtros Analgicos so dispositivos que modificam o sinal de entrada, isto , eles eliminam determinadas faixas de freqncia do sinal de entrada. So classificados como filtros passa-baixo, onde apenas freqncias abaixo de um determinado valor esto presentes no sinal de sada, filtros passa-alto onde apenas freqncias acima de um determinado valor esto presentes no sinal de sada, passa-banda onde apenas uma determinada faixa de freqncias est no sinal de sada e rejeita-banda onde uma banda de freqncias retirada do sinal de sada. Alguns filtros podem incluir um sistema de amplificao, mas em geral no substituem o sistema de condicionamento de sinal.
Figura 1.3: Exemplo de curva em freqncia de um filtros ideais. Passa-baixo. Passaalta, Rejeita-banda ou Notch e Passa-banda Multiplexador Analgico normalmente parte integrante da placa de aquisio de sinais e o dispositivo que conecta os canais de entrada da placa de aquisio de dados ao circuito Sample and hold. Normalmente uma placa de aquisio de sinais contm vrios canais de entrada e apenas um multiplexador analgico. Circuito Sample-and-Hold dispositivo que faz a amostragem, sample, e mantm o sinal amostrado por um determinado perodo de tempo, hold. Este dispositivo aquele que o usurio tem a escolha do tempo de discretizao. Conversor Analgico Digital o dispositivo que realmente realiza o processo de amostragem e quantificao do sinal analgico, isto , a sada do conversor A/D um sinal binrio, normalmente o multiplexador analgico e circuito sample-and-hold so partes integrantes do conversor A/D.
Figura 1.4: Componentes bsicos de um sistema de medida Demultiplexador dispositivo que conecta a sada de dados da placa de aquisio de sinais com os respectivos canais de sada. Esta conexo sincronizada com o respectivo tempo de amostragem. Conversor Digital Analgico o dispositivo que transforma uma entrada digital, neste caso um nmero binrio, em uma sada analgica. Hold um dispositivo que mantm o sinal de sada do conversor D/A seguindo uma determinada funo, isto , o hold mais comum o Zero-Order Hold (ZOH), segurador de ordem zero, ele mantm o sinal constante como apresentado abaixo. Este dispositivo parte integrante do conversor D/A, Figura 1.5.
Figura 1.5: sinal contnuo e sinal contnuo com segurador de ordem zero Filtro de reconstruo um filtro analgico adicionado na sada do conversor D/A com o intuito de eliminar as escadas feitas pelo hold. Este filtro pode ser eliminado do processo se necessrio. Sistema de condicionamento do atuador um dispositivo parecido com o condicionador apresentado anteriormente e serve para alimentar, filtrar e amplificar o atuador. Atuador o dispositivo responsvel por implementar a lei de controle no sistema fsico, isto , o dispositivo que implementa fisicamente a lei de controle.
Figura 1.6: Componentes bsicos de um sistema de atuao Exemplo 1.1: Controle de temperatura de uma autoclave
Figura 1.7: Sistema de monitoramento de temperatura em uma autoclave Exemplo 1.2: Montagem experimental de um sistema de controle
(c) Sinal discretizado (d) Sinal discretizado quantizado Figura 1.9: Tipos de sinais
A Figura 1.9(a) representa um sinal analgico qualquer, enquanto que a Figura 1.9(d) representa um sinal visto por um sistema de aquisio de dados, isso significa que existiro erros entre a passagem de um sinal contnuo para um sinal discreto. Aqui o termo sinal contnuo ser referir sempre ao sinal da Figura 1.9(a) enquanto que um sinal discreto ou em tempo discreto a um sinal igual ao da Figura 1.9(d). Controle de sistemas em tempo discreto envolver uma ou mais variveis que s podem ser acessadas ou lidas em determinados instantes de tempo atravs de um processo de amostragem.
x (kT ) = x ( t ) (t kT )
k =
k=0, 1, 2 ...
(a) sinal contnuo (b) Sinal amostrado Figura 1.10: Sinal contnuo e sinal amostrado
Para que um sinal contnuo possa ser corretamente discretizado, ele deve obedecer as regras imposta por Fourier, isto , a maior freqncia contida no sinal a ser amostrado dever obrigatoriamente ser menor que metade da freqncia de amostragem fa que conhecida como freqncia de Nyquist fN. De modo geral, para uma boa aplicao de sistemas de controle, deve ser considerado pelo menos de 4 a 6 pontos por perodo da maior freqncia a ser amostrada para que o sistema de controle possa funcionar adequadamente.
Exemplo 1.3: Supor um sinal analgico com apenas uma freqncia igual a 400 Hz. Se a amostragem for feita com uma freqncia de amostragem fa = 1600 Hz. Pede-se:
a) Qual o tempo de amostragem? Soluo: O tempo de amostragem T dados por, 1 1 T= = = 0.625 ms fa 1600 b) Quantos pontos por perodo? Soluo: Como o sinal contnuo tem f = 400 Hz e a amostragem foi feita em 1600 Hz, ento o nmero de pontos por perodo dado por, Nmero de pontos por perodo n = 1600/400 = 4. c) Grfico do sinal correto vs sinal amostrado
n =
T=
1 1 = 2.35 ms 6 71.18 Desta forma, ter de ser amostrado com o menor T, ento, 1.96 ms.
Figura 1.12: Sinal contnuo e sinal amostrado incorretamente Desta forma, no se pode amostrar um sinal cuja freqncia seja maior que a freqncia de Nyquist, para evitar este problema, os sinais devem ser filtrados por um filtro passa baixo para eliminar todas as freqncias do sinal acima de Nyquist. Alm disso, significa que uma vez o sinal tenha sido amostrado, no mais possvel recupera-lo completamente devido ao problema de amostragem. Por isso, a discretizao do sinal deve ser feita com muito cuidado para obter o resultado final desejado. Em geral, o tempo de discretizao ser limitado pela capacidade da placa de aquisio de sinais, isto , as placas possuem uma capacidade limitada em velocidade de processamento, isso na prtica ir limitar a velocidade de aquisio.
Exerccio 1.1: (Prova de 2007) Calcular o tempo de amostragem mnimo para simular o sistema de 2 ordem dado abaixo para uma entrada senoidal com freqncia = 50 radl/s, supondo 6 pontos por perodo. 100 G (s) = 2 s + 20s + 10000
Captulo 2
2 Transformada Z
Neste captulo, ser abordada a transformada e a transformada inversa de Z.
k=0, 1, 2 ...
2.1.1 Transformada Z
A transformada Z de uma funo temporal contnua x(t), onde t representa apenas o eixo positivo de tempo, para um tempo de amostragem T ser definida por,
X(z ) = Z[x (t )] = Z[x (kT )] = x (kT )z k
k =0
Fazendo, G = 1 + z 1 + z 2 + z 3 + L G = z 1 + z 2 + z 3 + z 4 L = G 1 z
Portanto, G z 1 = G 1 G = zG z G (z 1) = z G = = z z 1 1 z 1 Ento,
10
1 z = 1 z 1 1 z
Note que esta srie convergir se |z| >1. t 0 t Funo Rampa Unitria definida por: x (t ) = 0 t < 0 Soluo: Aplicando a definio, X(z ) = Z[t ] = Z[kT ] = kTz k = T z 1 + 2z 2 + 3z 3 + L
k =0
Fazendo,
G = z 1 + 2z 2 + 3z 3 + L (1 z 1 )G = z 1 + 2z 2 + 3z 3 + L z 2 2z 3 3z 4 L z 1 G = z 1 + z 2 + z 3 + z 4 + L z Comparando com o exemplo do degrau unitrio, ento, z z 1 z 1 GG= 1 = = 2 z 1 z (z 1) 1 z 1 2 Portanto, Tz 1 Tz X(z ) = Z[t ] = Z[kT ] = kTz k = T 1z 1 + 2z 2 + 3z 3 + L = = 2 (z 1)2 k =0 1 z 1
0t t<0
com a constante. 1 z = 1 za 1 az
X(z ) = Z a k = a k z k = 1 + az 1 + a 2 z 2 + a 3 z 3 + L =
k =0
[ ]
[ ]
0t t<0
[ ] [
11
Comparando com a soluo do exemplo anterior, fcil notar que a = e-aT, ento, 1 z X(z ) = Z e at = Z e akT = e akT z k = = aT 1 1 e z z e aT k =0
[ ] [ ]
sin t 0 t Funo Senoidal definida como: x (t ) = t<0 0 Soluo: Sabendo-se que, 1 j t sin t = e e j t 2j Aplicando a definio, 1 1 X(z ) = Z[sin t ] = Z e jt e jt = Z e j t Z e j t 2j 2j Observe que aqui se aplicou duas propriedades da transformada Z, que foi a multiplicao por uma constante e a propriedade da soma. Ento, pela transformada Z da exponencial, 1 1 1 1 Z[x (t )] = Z[sin t ] = Z e jt e jt = jT 1 jT 1 1 e z 2j 2j 1 e z
([ ] [
])
= X(a 1 z)
= z n x (kT nT)z (k n )
k =0
x(mT)z
12
Alm disso,
n 1 Z[x ( t + nT )] = z n X(z) x (kT)z k k =0
Prova
Z[x ( t + nT)] = x (kT + nT )z k
k =0
= z n x (kT + nT )z (k + n )
k =0
n 1
= z n X(z) z n x (mT)z m
m =0
n 1
= z n X(z) x (kT)z k k =0
n 1
Exemplo 2.1: Achar a transformada Z do degrau unitrio quando o degrau aplicado 4 perodos de amostragem, isto , para k = 4. Soluo: como a transformada Z do degrau unitrio comeando em k = 0 dada por, z X(z ) = Z[x (t )] = Z[1] = z 1 O problema pede, X(z ) = Z[x (t 4T )] Utilizando o teorema da translao no tempo, z 4 Z[x ( t 4T )] = z 4 x (mT)z m = z 4 X(z) = z 1 m =0 -4 Neste caso, deve ser notado que z significa um atraso de tempo de 4 sem considerar qual foi o atraso de tempo utilizado. Translao complexa,
= X ze aT
Exemplo 2.2: Encontrar a transformada Z de te at Soluo: como a transformada de t, rampa unitria dada por, Tz 1 Tz X(z ) = Z[t ] = = = X(z) 2 (z 1)2 1 z 1 Ento, pelo teorema da translao complexa,
X(z ) = Z te at =
(1 (ze ) )
T(ze aT )
2 aT 1
(ze
Tze aT
aT
1)
13
Teorema do valor inicial: Se x(t) possui uma transformada X(z) e se lim X(z)
z
existe, ento o valor inicial x(0) dado por, x (0) = lim X(z)
z
Prova: Como a transformada z de uma seqncia de nmeros dada por, X(z ) = Z[x (kT)] = x (kT)z k = x (0) + x (T)z 1 + x (2T)z 2 + x (3T)z 3 + L
k =0
[(
Prova: Sabendo-se que pela definio da transformada Z, Z[x (kT )] = X(z ) = x (kT )z k
k =0
Subtraindo um do outro,
Aplicando o limite quando z tende unidade, lim x (kT )z k x (kT T )z k = lim (1 z 1 )X(z) z 1 k =0 k =0 z 1 Como foi assumido que x(k) = 0 para k < 0 ento, o lado esquerdo da equao acima torna-se, k k lim x (kT )z k x (kT T )z k = x (kT )(1) x (kT T)(1) z 1 k =0 k =0 k =0
Expandindo o somatrio,
= x () = lim x (k )
k
Ento,
k z 1
[(
da amostragem. Por exemplo, o sinal apresentado na Figura 2.1, como o sinal amostrado gera apenas os pontos discretos, qual o sinal real?
2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Figura 2.1: Sinal amostrado e suas possveis reconstrues Assim, a transformada Z de x(kT) ou x(t) gera um nico X(z), desde que especificado o tempo de amostragem T. Por sua vez, a transformada inversa de X(z) gera um nico x(kT), mas resta saber se este x(kT) representa a resposta esperada para x(t), assim pode-se dizer que a transformada inversa de X(z) pode no gerar um nico x(t).
15
Para encontrar a transformada z inversa de X(z), deve-se notar que X(z) dada da seguinte forma, b 0 z m + b1 z m 1 + L + b m 1 z + b m com m n X(z) = z n + a 1 z n 1 + L + a n 1 z + a n Ou ainda, b z ( n m ) + b1 z ( n m +1) + L + b m z n X(z) = 0 1 + a 1 z 1 + L + a n z n Colocando na forma de plos e zeros, b (z z 1 )(z z 2 )L (z z m ) X(z) = 0 (z p1 )(z p 2 )L (z p n ) Supondo que todos os plos so plos no repetidos e tenha pelo menos 1 zero na origem, bm = 0, ento, a melhor expanso ser na forma, a1 a2 an X(z) = + +L+ z z p1 z p 2 z pn Se houver plos repetidos, supondo um plo duplo e nenhum outro plo, a expanso poder ser na forma, c1 c X(z) = + 2 2 z (z p1 ) z p1
Exemplo 2.4: Supondo que a transformada z seja na forma z2 + z + 2 X(z) = 3 z 2z 2 + 2z 1
1 1 j 3 , 2 portanto, um plo real e um par de plos complexos conjugados, sendo assim, fazendo, a z + a3 a z2 + z + 2 X(z) = = 1 + 22 = 2 (z 1)(z z + 1) z 1 z z + 1 As razes do denominador, que so os plos, so dadas por, 1, =
(a 1 + a 2 )z 2 + ( a 1 a 2 + a 3 )z + (a 1 a 3 ) (z 1)(z 2 z + 1)
( )
16
z 1 sin T 1 2z 1 cos T + z 2 Aplicando o teorema da translao complexa, e aT z 1 sin T Z e akT sin kT = 1 2e aT z 1 cos T + e 2 aT z 2 Ento, comparando o segundo membro de X(z) com a equao acima, nota-se que se e 2aT = 1 , significando que e aT = 1 e cos T = 1 2 , significando que T = 3 Z[sin t ] =
e aT z 1 sin T 3 z 1 k Z(1) sin k = = 3 1 2e aT z 1 cos T + e 2aT z 2 2 1 z 1 + z 2 Significando que, 3z 1 2 3 (1k )sin k k = 1,2,3,L X(z) = Z2 3 (1k )sin k = x (kT) = 3 3 1 z 1 + z 2 0 k0 Para a terceira parte, utilizando a resposta anterior, 1 4 3 k (1 )sin k = 4z 2 z 1 X(z) = Y(z) = Z 3 1 z 1 + z 3 4 3 k x (kT) = 3 (1 )sin 3 (k 1) k = 1,2,3,L 0 k0 Portanto, a soluo final fica, 4 3 x (kT) = 4 2 3 sin 3 k + 3 sin 3 (k 1) k = 1,2,3,L 0 k0
Soluo encontrada.
x =
17
Columns 1 through 12 1 4 7 10 13 16 19 22 25 28 31 34
Columns 13 through 24 37 40 43 46 49 52 55 58 61 64 67 70
Columns 25 through 31 73 76 79 82 85 88 91
[ ]
Exemplo 2.7: Encontrar a transformada Z do sinal que tem a seguinte representao em Laplace, 1 X(s) = s(s + 1) Neste caso, das tabelas de transformada de laplace inversa, tem-se que, L1 [X(s)] = 1 e t t 0 Ento a transformada Z fica, 1 1 (1 e T )z 1 Z[X(s)] = Z 1 e t = = 1 z 1 1 e T z 1 (z 1)(z e T )
Exemplo 2.8: Encontrar a transformada Z da funo definida na assumindo tempo de amostragem T = 1 segundo.
18
1 0.8
x(t)
Figura 2.2: sinal a ser discretizado Observe que h algumas possveis solues, pois x(t) pode ser escrita como 3 impulsos devidamente defasados e o degrau unitrio defasado de 4 instantes de tempo, x (kT) = 0.25(kT 1) + 0.5(kT 2) + 0.75(kT 3) + 1(kT 4) Aplicando a transformada Z em cada termo, z 1 z 2 3z 3 z 4 z 1 z 5 Z[x (kT)] = + + + = 4 2 4 1 z 1 4(1 z 1 )2 Ou ento, como uma reta iniciando em 0 menos uma reta negativa iniciando em 4, 1 1 kT (kT 4) 4 4 Aplicando a transformada Z em cada termo, 1 z 1 1 z 5 z 1 z 5 Z[x (kT)] = = 4 (1 z 1 )2 4 (1 z 1 )2 4(1 z 1 )2 x (kT) =
1 0.8
x(t)
c)
Exerccio 2.2: Considerando a seguinte funo de transferncia discreta, z 1 X(z) = 1 z 1 1 + 1.3z 1 + 0.4z 2 Determinar: a) Valor inicial x(0);
)(
19
20
Captulo 3
Figura 3.1: Amostrador impulsivo Supondo que no so medidos tempos negativos, devido a causalidade, ento a equao acima pode ser expandida como, x * ( t ) = x (0)( t ) + x (T)( t T) + L + x (kT)( t kT) + L Observe que o representa um trem de impulsos e, uma das formas de entender o fenmeno da amostragem que o sinal x(t) modula o trem de impulsos para formar o sinal amostrado conforme apresentado pela Figura 3.2.
Agora aplicando a Transformada de Laplace no sinal amostrado, X * (s) = L x * ( t ) = x (0)L[( t )] + x (T)L[( t T)] + x (2T )L[( t 2T)] + L
Sabendo-se que a Transformada de laplace de um impulso defasado de a , L[( t a )] = e as Ento, X * (s) = x (0) + x (T)e Ts + x (2T)e 2 Ts + L = x (kT)e kTs
k =0
Definindo,
e Ts = z s=
1 ln z T
= x (kT )z k
k =0
22
Figura 3.3: Exemplo de sinal amostrado com uma reconstruo utilizando o ZOH O ZOH mantm o sinal anterior at que um novo sinal aparea, ento, h (kT + t ) = x (kT) Significando que a sada do circuito ser igual entrada at que ocorra outro sinal de entrada, ento, k = 0 h ( t ) = x (0)[1( t ) 1( t T)] k = 1 h (T + t ) = x (T)[1( t T ) 1( t 2T )] k = 2 h (2T + t ) = x (2T)[1( t 2T) 1( t 3T)] Ento a resposta temporal do ZOH ser definida como, h ( t ) = x (0)[1( t ) 1( t T)] + x (T)[1( t T) 1( t 2T)] + L
= x (kT)[1( t kT) 1( t (k + 1)T)]
k =0
Como a Transformada de Laplace do degrau unitrio atrasada de kT dada por, e kTs L[1( t kT)] = s Ento a Transformada de Laplace da resposta do ZOH torna-se, e kTs e (k +1)Ts 1 e Ts H(s) = x (kT) x (kT)e kTs = s s s k =0 k =0 Como, X * (s) = x (kT)e kTs
k =0
Ento, 1 e Ts * X (s) s Consequentemente, a funo de transferncia o ZOH dada por, H(s) 1 e Ts G ZOH (s) = * = s X (s) H(s) =
23
h (kT + ) = a 1 + x (kT) Aplicando a condio que, h ((k 1)T ) = x ((k 1)T) Ento, h ((k 1)T) = a 1T + x (kT) = x ((k 1)T) Portanto, x (kT) x ((k 1)T) a1 = T Consequentemente, a equao do segurador de primeira ordem fica, x (kT) x ((k 1)T) h (kT + ) = + x (kT) T Como o FOH utiliza uma extrapolao linear utilizando o valor anterior e o atual para predizer o valor do prximo e, alm disso, o valor h(kT) deve ser igual a x(kT). ento, x (0) x (T) k = 0 h () = + x (0) = 1 + x (0) T T x (T ) x (0) k = 1 h (T + ) = + x (T) = 1 + x (T ) x (0) T T T
x (2T) x (T) + x (2T) = 1 + x (2T) x (T) T T T Que pode ser expressa convenientemente como, h (kT + ) = 1 + x (T) x ((k 1)T) T T Fica difcil escrever a equao sem assumir uma entrada conhecida, utilizando uma entrada degrau para x(t), t t h ( t ) = 1 + 1( t ) 1( t T) T T Somando e subtraindo 1(t-T), t tT h ( t ) = 1 + 1( t ) 1( t T) 1( t T ) T T Aplicando a transformada de Laplace a cada um dos termos da equao acima, 1 1 1 Ts + 1 1 H(s) = + 2 2 e Ts e Ts = 1 e Ts s Ts 2 s Ts Ts * Agora, a transformada de Laplace da entrada x (t) do FOH , 1 * X (s) = 1(kT)e kTs = 1 e Ts k =0 Ento a funo de transferncia do segurador de primeira ordem FOH fica, 2 Ts + 1 H(s) G FOH (s) = * = 1 e Ts X (s) Ts 2 Um exemplo do FOH dado na Figura 3.4:. k = 2 h (2T + ) =
24
x 1 ( t ) = g 0 ( t )g 1 ()d
0
onde,
g 0 ( t ) = L1 e Ts = (t T ) g 1 ( t ) = L1 [G 1 (s)]
[ ]
Ento,
x 1 ( t ) = ( t T )g 1 ()d
0 t
Como o delta extrai o valor da funo, x 1 ( t ) = g1 ( t T) Alm disso, Z[g1(t)]=G1(Z), ento, por definio, Z[x 1 ( t )] = Z[g 1 ( t T)] = z 1G 1 (z) Porm, o desejado , X(z) = Z G 1 (s) e Ts G 1 (s) = Z[g 1 ( t )] Z[x 1 ( t )]
= G 1 (z) z 1
No caso do FOH preceder a funo G(s), tem-se 2 Ts + 1 X(s) = 1 e Ts G (s) Ts 2 Utilizando o mesmo resultado do ZOH,
25
X(z) = Z 1 e Ts
Ts + 1 G (s) 2 Ts
2 Ts + 1 G (s) = 1 z 1 Z 2 Ts
Exemplo 3.1: Obter a transformada Z de, 1 e Ts 1 X(s) = s s +1 Soluo: Como representa um ZOH, 1 e Ts 1 1 1 1 X(z) = Z = 1 z Z = s + 1 s s + 1 s
T 1 1 1 1 1 1 e z = 1 z 1 Z = 1 z 1 = 1 1 e T z 1 1 e T z 1 s s + 1 1 z
Nas figuras abaixo, s representa a freqncia de Nyquist, isto a mxima freqncia que o sinal ainda pode ser reconstrudo adequadamente. Caso o sinal amostrado apresente freqncias acima da freqncia de Nyquist o sinal discretizado apresentar erro de aliasing.
(a) (FRF)
26
Figura 3.5: Resposta em freqncia do ZOH O ZOH pode ser entendido como um filtro de reconstruo do sinal amostrado e ele no um filtro passa-baixo ideal. Como a magnitude muda com a freqncia, atenuando o sinal a medida que a freqncia aumenta, o ZOH distorce o sinal, isto , ele muda a amplitude e a fase do sinal de sada.
Que no domnio de Laplace dada por, Y(s) = H(s)X(s) Adicionando um amostrador em x(t), este dado por, x * ( t ) = x ( t )(t kT ) = x (kT )(t kT )
k =0 k =0
Aplicando esta entrada no sistema, tem-se que a resposta y(t) ser a combinao de cada impulso gerado por x*(t) em h(t), sendo assim, y( t ) = h ( t ) x (0) + h ( t T ) x (T ) + h ( t 2T) x (2T ) + L + h ( t kT) x (kT ) = = h ( t nT) x (nT)
n =0 k
0 t kT
Amostrando tambm a sada do sistema, tem-se a Soma de Convoluo dada por, y(kT ) = h (kT nT) x (nT) = x (kT nT)h (nT) = h (kT) * x (kT)
n =0 n =0
O procedimento feito at aqui exatamente o que ocorre na Figura 3.6. Deve-se notar que H(z) a resposta do sistema ao delta de Kronecker, pois se, 1 k = 0 x (kT) = (kT) = 0 k 0 Ento,
27
Aplicando a transformada Z,
Y(z) = h (kT) x (kT) z n n =0 k =0
= h (mT)z m x (kT)z k
m =0 k =0
= H(z)X(z) Significando que, Y * (s) = H(s)X * (s) = H * (s)X * (s) Aplicando transformada Z, torna-se, Y(z) Y(z) = H(z)X(z) = H (z) X(z)
28
Considerando o sistema apresentado na Figura 3.7(a), supondo que os amostradores esto sincronizados. Neste caso, observa-se que, U(s) = G (s)X * (s)
Y(s) = H(s) U * (s) Como mostrado no item anterior, encontra-se, U * (s) = G * (s)X * (s) Y * (s) = H * (s)G * (s)X * (s) * * * Y (s) = H (s) U (s) Aplicando a Transformada Z, obtm-se a funo de transferncia, Y(z) Y ( z ) = H ( z )G ( z ) X ( z ) = H(z)G ( Z) X(z) Porm, aplicando o mesmo mtodo na Figura 3.7(b), neste caso tem-se que, Y(s) = H(s)G (s)X * (s) = HG (s)X * (s) Que resulta em, * Y * (s) = [HG (s)] X * (s) Cuja transformada Z dada por, Y(z) = HG (z) X(z) Nota-se claramente que, HG (z) H(z)G ( Z)
)(
29
Como mencionado anteriormente, a amostragem pode ocorrer em qualquer etapa do processo de controle. Supondo um sistema em malha fechada como o descrito na Figura 3.8.
Figura 3.8: sistema em malha fechada envolvendo amostador Consequentemente, E(s) = R (s) H(s)G (s)E * (s) = R (s) HG (s)E * (s) Que pode ser reescrito utilizando FT pulsada para todos os termos como, R * (s) * E * (s) = R * (s) [HG (s)] E * (s) E * (s) = 1 + GH * (s) Como, C * (s) = G * (s)E * (s) Ento, a funo de transferncia pulsada de malha fechada dada por, R * (s) C * (s) G * (s) C * (s) = G * (s)E * (s) = G * (s) * = 1 + GH * (s) R (s) 1 + GH * (s) Aplicando a transformada Z, encontra-se a funo de transferncia discreta em malha fechada, C( z ) G (z) = R (z) 1 + GH(z)
30
Figura 3.9: sistema em malha fechada envolvendo amostador No caso, a funo de transferncia em malha fechada dada por, C(s) = G (s)G * (s)E * (s) C * (s) = G * (s)G * (s)E * (s) D D Aplicando a transformada Z, C( z ) = G ( z ) G D ( z ) E ( z ) Como, E(z) = R (z) C(z) C(z) = G (z)G D (z)[R (z) C(z)] Chegando a, G D ( z )G ( z ) C( z ) = R ( z ) 1 + G D ( z )G ( z )
T k e((h 1)T ) + e(hT) Td m(kT ) = K e(kT) + + [e(kT) e((k 1)T )] Ti h =1 2 T Para resolver o problema, deve-se primeiro notar que, i 1 1 k Z x ( h ) = X (z) x (h )z h 1 h =0 h =i 1 z Prova: esta transformada comprovada fazendo,
Ou ento,
~ (k ) = x (h ) = x (i) + x (i + 1) + L + x (k ) y
h =i
31
A transformada Z de cada um dos termos utilizando a propriedade da translao real, ~ Y(z) = x (i)z i + x (i + 1)z ( i +1) + L + x (k )z k Porm, observe que, definindo, ~ X(z) = x (i)z i + x (i + 1)z (i +1) + L + x (k )z k + L E da definio de transformada Z,
Ento, obtm-se,
i 1 ~ X(z) = X(z) x (h )z h h =0
Z[e((k 1)T)] = z 1 E(z) Ento, a transformada Z do controlador PID dada por, T 1 1 z 1 Td + M ( z ) = K E ( z ) + E(z) z 1 E(z) + Ti 2 1 z 1 1 z 1 T
Resultando em,
M(z) T 1 + z 1 Td 1 + = K + 1 z 1 1 E(z) T 2Ti 1 z Rearranjando os termos, Td M(z) T T 1 1 = K 1 2T + T 1 z 1 + T 1 z E(z) i i
KI = K P + + K D 1 z 1 1 1 z
Onde
Kp = K K KT =K I = 2Ti 2
ganho proporcional
32
KI =
KT = Ti KTD KD = = T
R(z)
+ -
KP +
KI + K D 1 z 1 1 z 1
)(
Figura 3.10 : sistema em malha fechada envolvendo amostador Assumindo que o tempo de amostragem T de 1 segundo, os ganhos do controlador sejam KP = 1, KI=0.2, KD = 0.2 e que a planta seja dada por, 1 Gp = s(s + 1) Soluo: Primeiro deve-se calcular a funo de transferncia pulsada entre o ZOH e a planta. A convoluo da planta e o ZOH dada por, 1 e s 1 G ZOH G p = s s(s + 1) Aplicando a transformada de Z, 1 e s 1 1 1 Z G ZOH G p = Z = (1 z )Z 2 = s (s + 1) s s(s + 1)
1 (T 1 + e T ) + (1 e T Te T )z 1 z 1 = (1 z 1 )Z 2 = (1 z 1 ) (1 z 1 )2 (1 e T z 1 ) s (s + 1) Esta transformada foi obtida atravs de tabela de transformao. Item 13 fazendo a = 1. Para comparar com o resultado do Exemplo 2.7, deve-se lembrar que naquele ponto estava-se trabalhando com sinais, que so as respostas, e no as Funes de Transferncia como tratadas aqui. No Exemplo 2.7, a resposta convoluo da FT com entrada. Agora substituindo os valores de T = 1 e simplificando, obtm-se, 0.3679z 1 + 0.2642z 2 Z G ZOH G p = G (z) = (1 z 1 )(1 0.3679z 1 ) A funo de transferncia do controlador PID dada por KI M(z) = G D (z) = K P + + K D (1 z 1 ) = E(z) 1 z 1
K P + K I + K D (K P + 2K D )z 1 + K D z 2 1.4 1.4z 1 + 0.2z 2 = 1 z 1 1 z 1 Agora a funo de transferncia em malha fechada dada por, =
33
1.4 1.4z 1 + 0.2z 2 0.3679z 1 + 0.2642z 2 G D ( z )G ( z ) C( z ) 1 z 1 1 z 1 1 0.3679z 1 = = = R ( z ) 1 + G D ( z )G ( z ) 1.4 1.4z 1 + 0.2z 2 0.3679z 1 + 0.2642z 2 1+ 1 z 1 1 0.3679z 1 1 z 1
)(
)(
0.5151z 1 0.1452z 2 0.2963z 3 + 0.0528z 4 1 2.3679z 1 + 1.7358z 2 0.3679z 3 = 0.5151z 1 0.1452z 2 0.2963z 3 + 0.0528z 4 1+ 1 2.3679z 1 + 1.7358z 2 0.3679z 3 0.5151z 1 0.1452z 2 0.2963z 3 + 0.0528z 4 = 1 1.8528z 1 + 1.5906z 2 0.6642z 3 + 0.0528z 4
Programa em Matlab
clear all;close all;clc % planta sem o sistema de controle discreto % significando que a simulao tempo contnuo num=[1]; % numerador contnuo den=[1 1 0]; % denominador contnuo figure('Color',[1 1 1]) step(num,den) % resposta ao degrau % Planta controlada com PID digital numd=[0 0.5151 -0.1452 -0.2963 0.0528]; dend=[1 -1.8528 1.5906 -0.6642 0.0528]; kT=[0:1:40]; % vetor de tempo discreto com T=1 r=ones(1,41); % criao do degrau unitrio c=filter(numd,dend,r); % simulao do sistema figure('Color',[1 1 1]);plot(kT,c,'ko',kT,c,'k-') title('Unit-Step Response');xlabel('kT [s]');ylabel('Output C')
Y(z) b 0 z (n m ) + b1 z (n m +1) + L + b m z n b 0 z n m + b1 z n m 1 + L + b m = = X ( z) 1 + a 1 z 1 + L + a n z n z n + a 1 z n 1 + L + a n Que tambm pode ser expressa na forma de plos e zeros, Y(z) b 0 (z z 1 )(z z 2 )L (z z m ) = nm (z p1 )(z p 2 )L (z p n ) X(z) Observe que, Y(z) b 0 + b1 z 1 + L + b m z m = X(z) 1 + a 1 z 1 + L + a n z n Que pode ser reescrita como, (1 + a 1z 1 + L + a n z n )Y(z) = (b 0 + b1z 1 + L + b m z m )X(z) Aplicando a transformada inversa de Z, obtm-se, y(kT) + a 1 y(kT T) + a 2 y(kT 2T) + L + a n y(kT nT) = b 0 x (kT) + b1 x (kT T) + L + b m x (kT mT) Significando que a resposta atual y(kT) obtida fazendo, y(kT) = a 1 y(kT T) a 2 y(kT 2T) L a n y(kT nT) +
nm
+ b 0 x (kT) + b1 x (kT T) + L + b m x (kT mT) Deve ser lembrado que para kT < 0 a resposta do sistema ser zero, isto y(-T) = 0 devido condio de causalidade.
Exemplo 3.4: Calcular a resposta ao degrau unitrio em tempo discreto com T = 0.5 para o sistema dado em tempo contnuo, s G (s) = (s + 1)2 Soluo: Das tabelas de transformada Z, s 1 (1 + T)e T z 1 1 0.9098z 1 Z = = 2 2 1 1.2131z 1 + 0.3679z 2 1 e T z 1 (s + 1)
Y(z) z 2 0.9098z = 2 U(z) z 1.2131z + 0.3679 Ento, o sistema a ser simulado , (1 1.2131z-1 + 0.3679z-2)Y(z) = (1 0.9098z-1)U(z) Aplicando a Transformada Z inversa, y(kT) 1.2131y((k-1)T) + 0.3679y((k-2)T) = u(kT) 0.9098u((k-1)T) Rearranjando, y(kT) = 1.2131y((k 1)T) 0.3679 y((k 2)T) + u (kT) 0.9098u ((k 1)T) Como x(kT)=1(kT), ento, comeando o processo de iterao, Para k = 0 Para k = 1 u(kT) = u(0) = 1 y(kT) = y(0) = u(0) = 1 u(kT) = u(0.5) = 1; u(0)=1 y(kT) = y(0.5) = 1.2131y(0) + u(0.5) - 0.9098u(0) = 1.2131 +1 - 0.9098 = 1.3033 u(kT) = u(1) = 1; u(0.5) = 1; y(kT) = y(1) = 1.2131y(0.5) - 0.3679y(0) + u(1) - 0.9098u(0.5) 35
Para k=2
= 1.2131*1.3033 - 0.3679 + 1 - 0.9098 = 1.3033 Para k=3 u(kT) = u(1.5) = 1; u(1) = 1; y(kT) = y(1.5) = 1.2131y(1.5) - 0.3679y(1) + u(1.5) - 0.9098u(1) = 1.2131*1.3033 - 0.3679*1.3033 + 1 - 0.9098 = 1.1917 x(kT) = u(2) = 1; u(1.5) = 1; u(1) = 1 y(kT) = y(2)=1.2131y(1.5)-0.3679y(1)+u(2)-0.9098u(1.5) = 1.2131*1.191-0.3679*1.3033+1 - 0.9098 = 1.0564
Para k=4
36
Para implementar esta funo de transferncia da planta e do controlador utilizase o bloco denominado Discrete Filter, mas poderia ser utilizado os blocos Discrete Transfer Fcn ou Discrete Zero-Pole. A implementao do sistema est apresentada na Figura 3.13:.
Figura 3.13: Diagrama de blocos implementado em Simulink utilizando funes de transferncia Para a implementao da funo de transferncia de malha fechada, optou-se pela expanso em blocos ao invs de se utilizar funo de transferncia, para tanto, deve-se observar que a funo de transferncia de malha fechada dada por, C( z ) 0.5151z 1 0.1452z 2 0.2963z 3 + 0.0528z 4 = R (z) 1 1.8528z 1 + 1.5906z 2 0.6642z 3 + 0.0528z 4 Observe que neste caso, observa-se que o termo b0 zero, pois sua representao , b + b1z 1 + b 2 z 2 + b 3 z 3 + b 3 z 4 G MF (z) = 0 1 + a 1z 1 + a 2 z 2 + a 3 z 3 + a 4 z 4 Para este caso, a soluo se encontra na Figura 3.14.
37
Uma alternativa para ao x=[1 zeros(1,10)]; e y=filter(num,den,x) seria utilizar direto a resposta ao impulso discreto y=dimpulse(num,den)
Y= Columns 1 through 8 2.0000 -1.6000 0.8000 -0.4000 0.2000 -0.1000 0.0500 -0.0250
38
Tomando apenas os valores abaixo de z-7, ento, a forma FIR fica, Y(z) 2 0.6z 1 = G (z) = X(z) 1 + 0.5z 1 2 1.6z 1 + 0.8z 2 0.4z 3 + 0.2z 4 0.1z 5 + 0.05z 6 0.025z 7 Cuja equao de diferenas fica, y FIR (kT) = 2x (kT) 1.6 x ((k 1)T) + 0.8x ((k 2)T) 0.4x ((k 3)T) + + 0.2x ((k 4)T) 0.1x ((k 5)T) + 0.05x ((k 6)T ) 0.025x ((k 7)T) Enquanto que a forma IIR dada por, y IIR (kT) = 0.5 y((k 1)T) + 2 x ((k )T) 0.6 x ((k 1)T)
k=0 k=1 k=2 k=3 k=4 k=5 k=6 k=7 k=8 k=9 k=10 Resposta ao degrau unitrio FIR y(0) = 2x(0) = 2*1 = y(1) = 2x(1)-1.6x(0) = 2*1-1.6*1 = y(2) = 2-1.6+0.8 = y(3) = 2-1.6+0.8-0.4 = y(3) = 2-1.6+0.8-0.4+0.2 = y(3) = 2-1.6+0.8-0.4+0.2-0.1 = y(3) = 2-1.6+0.8-0.4+0.2-0.1+0.05 = y(3) = 2-1.6+0.8-0.4+0.2-0.1+0.05-0.025 = y(3) = 2-1.6+0.8-0.4+0.2-0.1+0.05-0.025 = y(3) = 2-1.6+0.8-0.4+0.2-0.1+0.05-0.025 = y(3) = 2-1.6+0.8-0.4+0.2-0.1+0.05-0.025 = 2.0 0.4 1.2 0.8 1.0 0.9 0.95 0.925 0.925 0.925 0.925 Resposta ao degrau unitrio IIR y(0) = 2x(0)= y(1) = -0.5y(0)+2x(1)-0.6x(0) y(2) = -0.5y(1)+2x(2)-0.6x(1) y(3) = -0.5y(2)+2x(3)-0.6x(2) y(4) = -0.5y(3)+2x(4)-0.6x(3) y(5) = -0.5y(4)+2x(5)-0.6x(4) y(6) = -0.5y(5)+2x(6)-0.6x(5) y(7) = -0.5y(6)+2x(7)-0.6x(6) y(8) = -0.5y(7)+2x(8)-0.6x(7) y(9) = -0.5y(8)+2x(9)-0.6x(8) y(10) = -0.5y(9)+2x(10)-0.6x(9) 2.0 0.4 1.2 1.0 0.9 0.95 0.925 0.9375 0.9312 0.9328 0.9336
Soluo: Para a senide na forma, y( t ) = sin 2t , com T = 1/(8*1) = 0.125 s. Calculando a Transformada Z, z sin T Z[y( t )] = Z[y(kT)] = 2 z 2z cos T + 1 Como = 2, ento sin 2T = sin(20.125) = 0.7071 cos 2T = cos(20.125) = 0.7071 Assim, tem-se, Y(z) 0.7071z 1 = U(z) 1 1.4142z 1 + z 2 Aplicando a Transformada Z inversa, (1 1.4142z 1 + z 2 )Y(z) = 0.7071z 1 U(z) y(kT) 1.4142 y((k 1)T + y((k 2)T) = 0.7071u ((k 1)T) Para gerar a senide, deve-se aplicar a resposta ao impulso, isto u(0) = 1 e u(kT) = 0 para k 1, ento Para k=0 K=1 K=2 y(0) = 0 y(0.125) = 0.7071u(0) = 0.7071 y(0.250) = 1.4142y(0.125) = 1
39
K=3 K=4
Amplitude
0.2 0 -0.2 -0.4 -0.6 -0.8 -1 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Exemplo 3.8: Encontrar a FT de malha fechada em tempo discreto para o seguinte sistema,
Soluo: Montando as seguintes equaes, E(s) = R(s) H(s)C(s) (I) C(s) = P(s)X*(s) (II) X(s)=G(s)E*(s) (III) A primeira equao no est na forma satisfatria para aplicar a transformao para FT pulsada, pois no contm nenhum sinal amostrado. O ideal deixar do lado direito somente sinais amortrados, ento, combinando a 1 equao com a 2 equao, E(s) = R(s) H(s)P(s)X*(s) (IV) Aplicando a transformao para FT pulsada em (III), [X(s)]*=[G(s)E*(s)]* X*(s)=G*(s)E*(s) (V) Para (IV) [E(s)]* = [R(s)]* [H(s)P(s)X*(s)]* E*(s) = R*(s) HP*(s)X*(s) (VI) Combinando (V) e (VI), encontra-se a funo de transferncia pulsada em malha fechada, C * (s) G * (s)P * (s) = R * (s) 1 + G * (s)HP * (s) Aplicando a Transformada Z, encontra-se a funo de transferncia discreta em malha fechada, C( z ) G ( z) P( z) = R (z) 1 + G (z)HP(z)
40
b) G (s) = Dica:
clear all;close all;clc
1 e Ts 1 s (s + a )2
% denifindo os dados da planta T=0.2; num=[1 3]; den=conv([1 1 ],[1 2]); Gs=tf(num,den) % planta contnua Gz=c2d(Gs,T) % planta discreta
Exerccio 3.2: (Prova de 2007) Calcular a Transformada Z do seguinte sinal, 1 e st G (s) = (s + 2)2 Exerccio 3.3: (Exame de 2007) Calcular a Transformada Z da seguinte funo de transferncia, 1 G (s) = 2 s + 3s + 2 Exerccio 3.4: (Prova de 2007) Calcular a resposta c(kT) para k = 0,1,2,3,4,5, rupondo que a entrada r(kT) seja um impulso e o tempo de amostragem T = 1 segundo, C( z ) 1 + 2 z 1 = R (z) 1 0.5z 1 2
Exerccio 3.5: Obter a funo de transferncia discreta em malha fechada dos seguintes diagramas de bloco,
(a)
41
(b)
Exerccio 3.6: (Prova de 2007) Calcular a funo de transferncia em malha fechada do seguinte diagrama de blocos,
Exerccio 3.7: (Exame de 2007) Calcular a funo de transferncia em malha fechada do seguinte diagrama de blocos,
42
Captulo 4
Figura 4.1: Plo complexo no plano complexo S Quando a amostragem incorporada no processo, a relao que rege a transformao do plano complexo S para o plano discreto Z dada por, 1 e Ts = z s = ln z T onde T o tempo de amostragem e s a raiz complexa. Como a raiz s possui uma parte real e uma parte imaginria, s = + j Ento, z = e Ts = e T (+ j ) = e T e jT Como a exponencial complexa dada por, e jT = cos T j sin T
43
Significando que esta parte repetida a cada 2k, significando que freqncias que so mltiplas inteiras da freqncia de amostragem 2/T so mapeadas na mesma regio no plano Z, de acordo com a Figura 4.2, pois, z = e Ts = e T (+ j ) = e T e jT = e T e j(T 2 k )
Figura 4.2: Faixas peridicas no plano complexo e a correspondente regio no plano discreto, onde s corresponde freqncia de amostragem. Alm disso, o lado esquerdo do plano S possui parte real negativa, significando que,
z = eT < 1
Ento todo o lado esquerdo do plano complexo localizado no plano Z dentro de um crculo de raio unitrio, o eixo j mapeado exatamente em cima do circulo e o lado direito do plano S mapeado fora do circulo de raio unitrio. Alm disso, quanto menor o tempo de discretizao mais prximo do crculo de raio unitrio encontra-se a raiz. Isto ocorre porque se T tende para zero ento eT tende para 1. Observa-se pela equao de transformao que razes com a mesma parte real mas com parte imaginria diferente localizam-se em forma de crculo no plano complexo, de acordo com a Figura 4.3. Isto tambm significa que a parte real d a distncia da origem no plano z, isto , o raio.
44
Figura 4.3: Localizao das razes complexas com a mesma parte real no plano discreto. No caso de razes complexas com a mesma parte imaginria, elas encontram-se na forma de retas inclinadas de de acordo com a Figura 4.4.
Figura 4.4: Localizao das razes complexas com a mesma parte imaginria no plano discreto. Para traar as curvas de fator de amortecimento constante, basta lembrar que um plo complexo pode ser dado por,
s = n + jn 1 2 = n + jd Aplicando a transformao, z = eTs = e( n + jd ) = e Consequentemente,
z =e
2 d 2 s 1 2 d + j 2 d s 1 2 s
d s Assim, a magnitude de z decresce e o ngulo aumenta quando d, que a freqncia natural amortecida, aumenta, caracterizando assim uma espiral logartmica. Note que para uma dada relao d/s, a magnitude de z torna-se apenas uma funo do fator de amortecimento . A representao da curva com fator de amortecimento constante dada na Figura 4.5. e angle(z ) = 2
45
Figura 4.5: Representao das curvas de fator de amortecimento constante. Note que se a espiral de fator de amortecimento constante est no segundo ou terceiro quadrante do plano S, lado real negativo, ento a espiral decai para dentro do circulo no plano Z. Se ela estiver no primeiro ou quarto quadrante, lado real positivo, que neste caso corresponderia a um caso com fator de amortecimento negativo, corresponderia a uma espiral crescendo para fora do circulo de raio unitrio. Alm disso, deve- se notar que a medida que a freqncia aumenta, ela passa de uma banda para outra, sendo assim, s necessrio representar a primeira parte, que corresponde a 0 1/2s, Figura 4.6, a parte correspondente de -1/2s 0 uma imagem espelho para a parte de baixo. A curva para freqncia n constante, so crculos no plano S que so perpendiculares s curvas de fator de amortecimento constante, assim, a sua representao dada na Figura 4.6, onde /T s/2.
1 0.6/T 0.8 0.6 0.4 0.9/T 0.2 0 -1 0.7/T 0.8/T 0.5/T 0.4/T 0.1 /T 0.3 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0.2/T
0.1/T
/T
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Figura 4.6: Representao das curvas de freqncia natural constante e fator de amortecimento constante. Esta abordagem anterior foi feita para determinar qual a regio dos plos e zeros desejados para as funes de transferncia em tempo discreto. Ento a partir dos grficos anteriores pode-se determinar a regio desejada dos plos e zeros discretos de acordo com a Figura 4.7.
46
Figura 4.7: Localizao das razes complexas desejadas no plano discreto. Aqui deve ser mencionado que se um sistema em tempo contnuo possui um par de plos na forma s = - j1 no plano s, e for feita uma amostragem tal que 1 > 1/2s em que s = 2/T, sendo T o tempo de amostragem, significando que este par de plos complexo possui freqncia natural maior que a freqncia de Nyquist, ele cair fora da primeira faixa de valores, mas como mencionado anteriormente, ele ser transportado para dentro do circulo de raio unitrio do plano Z como se estivesse posicionado no plano S em s = - j(1 - s).
Para que o sistema seja instvel no plano complexo S, ele deve possuir pelo menos 1 plo com parte real positiva, que no plano Z corresponde parte localizada fora do circulo de raio unitrio, assim ,instvel, pelo menos 1 plo apresentando z > 1 .
Exemplo 4.1: Considerando o sistema em malha fechada apresentado abaixo, determinar a estabilidade para K = 1 e um tempo de amostragem T = 1s.
47
1 (T 1 + e T ) + (1 e T Te T )z 1 z 1 = (1 z 1 ) = (1 z 1 )Z 2 (1 z 1 )2 (1 e T z 1 ) s (s + 1) Esta transformada foi obtida atravs de tabela de transformao. Item 13. fazendo a = 1. Agora substituindo os valores de T = 1 e simplificando, obtm-se, 0.3679z 1 + 0.2642z 2 Z G ZOH G p = G (z) = (1 z 1 )(1 0.3679z 1 ) Como a funo de transferncia em malha fechada dada por, 0.3679z 1 + 0.2642z 2 1 C( z ) KG (z) (1 z 1 )(1 0.3679z 1 ) = 0.3679z 1 + 0.2642z 2 = = R (z) 1 + KG (z) 0.3679z 1 + 0.2642z 2 1 z 1 + 0.6321z 2 1+1 (1 z 1 )(1 0.3679z 1 ) Ento, calculando as razes do denominador, que so os plos, encontra-se, z 1, 2 = 0.5 j0.6181
(0.5)2 + (0.6181)2
= 0.7950
48
excitao, mas ocorre uma subida rpida, o tr ser pequeno ao passo que o td ser grande. 3. Tempo de pico tp (Peak Time) o tempo requerido para que a resposta do sistema atinja o primeiro pico de sobresinal. 4. Mximo sobresinal Mp (Maximun Overshoot) o pico mximo de sinal acima da referncia a ser atingida, isto , se a referncia for a resposta ao degrau, o pico acima da amplitude 1. Por ser um fator que depende da excitao, costuma-se utilizar um percentual de sobresinal definido como, c( t ) c( ) porcentagem de sobre sin al = 100% c( ) 5. Tempo de estabilizao ts (Settling Time) o tempo necessrio para a resposta do sistema alcance e permanea dentro de uma porcentagem da resposta em regime permanente, usualmente 2%.
Figura 4.8: Resposta ao degrau de um sistema com os parmetros de projeto. Observe que nem todas as especificaes so aplicadas a todos os sistemas, isto , se um sistema for superamortecido ou se for um sistema de primeira ordem ou se todas as razes forem puramente reais negativas, no ocorrer o sobre sinal e nem o tempo de pico.
49
Figura 4.9: Sistema de malha fechada com controlador proporcional. O sistema em malha fechada possui a resposta dada por, C( z ) KG (z) = R (z) 1 + KG (z) onde K representa o ganho do controlador proporcional. O denominador ou equao caracterstica dado por, 1 + KG (z) = 0 Que pode ser reescrita como, (z z1 )(z z 2 )L (z z m ) 1+ K =0 (z p1 )(z p 2 )L (z p n ) O mtodo do lugar das razes baseado em dar valores para K na equao cima e encontrar os plos correspondentes desejados. Interessante notar que, (z z1 )(z z 2 )L (z z m ) 1 = (z p1 )(z p 2 )L (z p n ) K
Exemplo 4.2: Supondo que o sistema seja dado por, 1 e s 1 1 e T Z G ZOH G p = Z = T s s + 1 z e E o controlador seja na forma integral dada por, K z G D (z) = =K 1 z 1 1 z Investigar a influencia do ganho K e do tempo de amostragem T para a estabilidade do sistema. Supondo que T = 0.5s, 1s e 2s. Soluo: A funo de transferncia em malha fechada dada por, z 1 e T G (z) = G D (z) Z[G ZOH G P ] = K z 1 z e T Ento, C( z ) G (z) K 1 e T z = = 2 R (z) 1 + G (z) z + K 1 e T 1 e T z + e T Substituindo o valor de T = 0.5s,
[ (
50
% Empacotando sys=tf(num,den,T) % aplicao do mtodo do lugar das razes rlocus(sys);zgrid Transfer function: 0.3935 z ---------------------z^2 - 1.607 z + 0.6065 Sampling time: 0.5 Transfer function: 0.6321 z ---------------------z^2 - 1.368 z + 0.3679 Sampling time: 1 Transfer function: 0.8647 z ---------------------z^2 - 1.135 z + 0.1353 Sampling time: 2
51
52
Z G ZOH G p
( (
1 1 1 = 1 z 1 + 1 T 1 4 1 e z 20 1 e 5T z 1 5 1 z 4 1 e 5T z 1 1 e T z 1 5 1 z 1 1 e 5T z 1 + = 20 1 e T z 1 1 e 5T z 1
) (
)( (
) (
(4 5e
+ e 5T z 1 + 4e 6 T 5e 5T + e T z 2 20 1 e T z 1 1 e 5T z 1
) ( (
)( )( )
)(
) ) ( )
1 z 1 1 e T z 1
)(
Step Response
0.2 1 0.18 0.8 0.16 0.14 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 0.02 -1 0 0 1 2 3 4 5 6 -1 -0.8 -0.6 -0.4 0.8/T 0.7/T 0.9/T /T /T 0.9/T 0.8/T 0.7/T
Root Locus
0.6/T 0.5/T 0.4/T System: Gz Gain: 10 Pole: 0.734 + 0.206i 0.2/T Damping: 0.705 Overshoot (%): 4.38 Frequency (rad/sec): 3. 0.1/T
Amplitude
Imaginary Axis
0.1 0.3/T 0.2 0.3 System: Gz 0.4 0.5 Gain: 0 0.6 Pole: 0.607 0.7 Damping: 1 0.8 Overshoot (%): 0 0.9 Frequency (rad/sec): 5
0.1/T
0.6/T
0.5/T 0
-0.2
0.2/T System: Gz Gain: 50 0.3/T Pole: 0.648 - 0.538i 0.4/T Damping: 0.241 Overshoot (%): 45.8 Frequency (rad/sec): 7.14 0.2 0.4 0.6 0.8 1
Time (sec)
Real Axis
53
Figura 4.13: Resposta do sistema considerando tempo contnuo e discreto e lugar das razes Calculando a resposta do sistema com o controlador proporcional,
% fechando a malha - Controle porporcional Kp Sys1=feedback(2*Gz,1) % ganho Kp = 2 Sys2=feedback(10*Gz,1) % ganho Kp = 10 Sys3=feedback(50*Gz,1) % ganho Kp = 50 figure('Color',[1 1 1]);step(Sys1,Sys2,Sys3) legend('K_P = 2','K_P = 10','K_P = 50')
54
% Controle PD % Kp = 50 , Kd = 0 Kp=50;Kd=0;Ki=0; num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];den=[1 -1 0]; GPIDz=tf(num,den,T) sysMA=GPIDz*Gz sysMF1=feedback(sysMA,1) % Kp = 50 , Kd = 10 Kp=50;Kd=10;Ki=0; num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];den=[1 -1 0]; GPIDz=tf(num,den,T) sysMA=GPIDz*Gz sysMF2=feedback(sysMA,1) % Kp = 50 , Kd = 50 Kp=50;Kd=50;Ki=0; num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd]; den=[1 -1 0]; GPIDz=tf(num,den,T) sysMA=GPIDz*Gz sysMF3=feedback(sysMA,1) figure('Color',[1 1 1]) step(sysMF1, sysMF2, sysMF3,3) legend('K_D = 0','K_D = 10','K_D = 50')
% Controle PID % Kp = 50 , Kd = 50 , Ki = 0 Kp=50;Kd=50;Ki=0; num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];den=[1 -1 0]; GPIDz=tf(num,den,T) sysMA=GPIDz*Gz sysMF4=feedback(sysMA,1) % Kp = 50 , Kd = 50 , Ki = 2 Kp=50;Kd=50;Ki=2; num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];den=[1 -1 0]; GPIDz=tf(num,den,T) sysMA= GPIDz*Gz sysMF5=feedback(sysMA,1) % Kp = 50 , Kd = 50 , Ki = 10 Kp=50;Kd=50;Ki=10; num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];den=[1 -1 0]; GPIDz=tf(num,den,T) sysMA=GPIDz*Gz sysMF6=feedback(sysMA,1) % Kp = 50 , Kd = 50 , Ki = 40 Kp=50;Kd=50;Ki=40; num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd]; den=[1 -1 0]; GPIDz=tf(num,den,T) sysMA=GPIDz*Gz sysMF7=feedback(sysMA,1) figure('Color',[1 1 1]) step(sysMF4,sysMF5,sysMF6,sysMF7,5) legend('K_I = 0','K_I = 2','K_I = 10','K_I = 40')
Figura 4.15: Respostadas do sistema controlado para vrios valores de Kd, mantendo o valor de Kp = 50.
55
Figura 4.16: Respostadas do sistema controlado para vrios valores de Ki, mantendo os valores de Kp = 50 e Kd = 50.
Figura 4.17: Diagrama de blocos de um sistema de controle utilizando controlador Dead Beat Supondo o sistema de controle em malha fechada com o apresentado na Figura 4.17, cuja malha fechada dada por, G D ( z )G ( z ) C( z ) = R ( z ) 1 + G D ( z )G ( z ) Para que o sistema em malha fechada tenha uma resposta dead beat, necessariamente a malha fechada deve ser na forma, a z N + a 1 z N 1 + L a N C( z ) = F(z) = a 0 + a 1 z 1 + L a N z N = 0 R (z) zN onde N deve ser maior ou igual a ordem do sistema G(z). Observe que F(z) no deve conter potencias positivas de z, pois significaria que o sistema seria no causal. 56
Figura 4.18: Controlador PID Para aplicar o mtodo Ziegler-Nichols de malha fechada deve-se primeiro encontrar qual o ganho proporcional Kp, com o ganho integral Ki e o ganho Kd iguais a zero, que torna o sistema de malha fechada marginalmente estvel, isto , pelo menos um dos plos do sistema de malha fechada deve ser puramente imaginrio no plano complexo S, que no plano discreto Z significa tem mdulo 1 ou estar em cima do crculo de raio unitrio. Este ganho Kp passa a ser chamado de ganho crtico Kcr. O sistema apresentado na Figura 4.18, fazendo o PID somente Kp, o sistema de malha fechada dado por, Y (z) G (z)Kp = R (z) 1 + G (z)Kp Para o calculo do ganho crtico, pelo menos um dos plos da equao acima deve possuir parte real igual a zero.
57
Root Locus
5 4 3 2
Root Locus
1 0.6/T 0.8 0.7/T 0.8/T 0.5/T
Imaginary Axis
Imaginary Axis
1 0 -1 -2 -3 -4 -5 -3
System: Gs Gain: 4.5 Pole: 0.00145 + 3.63i Damping: -0.0004 Overshoot (%): 100 Frequency (rad/sec): 3.63 System: Gs Gain: 4.47 Pole: -0.00302 - 3.63i Damping: 0.000832 Overshoot (%): 99.7 Frequency (rad/sec): 3.63
0.9/T /T /T 0.9/T
System: Gz Gain: 3.35 Pole: 0.807 + 0.59i 0.4/T Damping: 0.000454 0.1 0.3 (%): Overshoot /T 99.9 0.2 Frequency (rad/sec): 3.15 0.3 0.4 0.2/T 0.5 0.6 0.7 0.1/T 0.8 0.9
0.1/T
0.2/T System: Gz 0.3/T 3.35 Gain: Pole: 0.807 - 0.59i 0.4/T Damping: 0.000454 0.2 Overshoot (%): 99.9 0.8 0.4 0.6 Frequency (rad/sec): 3.15
-2
-1
-0.8
-0.6
-0.4
-0.2
Real Axis
Real Axis
Figura 4.19: Lugar das Razes no plano complexo S e no plano discreto Z O segundo passo consiste em traar a resposta ao degrau do sistema realimentado pelo ganho crtico Kcr. Desta resposta retirado o tempo de oscilao Tu.
Step Response
1.5 1.5
Step Response
Amplitude
0.5
Amplitude
0.5
Tempo de Oscilao Tu
0 0
Tempo de oscilao Tu
3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.5
1.5
2.5
Time (sec)
Time (sec)
Figura 4.20: Resposta ao degrau do sistema realimentado com Kcr Agora os parmetros do controlador podem ser ajustados de acordo com a tabela abaixo. Tabela 4-1: Ajustes do controlador PID para o mtodo Ziegler-Nichols malha fechada. Tipo do controlador Kc Ti Td P 0,5 Kcr --PI 0,45.Kcr Tu/1,2 --PID 0,6.Kcr 0,5Tu 0,125Tu
58
Figura 4.21: Resposta ao degrau unitrio A curva com o formato em S pode ser caracterizada por duas constantes, o atraso L e a constante de tempo T. O atraso e a constante de tempo so determinados desenhando-se uma linha tangente no ponto de inflexo da curva com o formato de S e determinando-se a interseo da linha tangente com o eixo do tempo. O ajuste do controlador PID, segundo este mtodo, introduz no sistema dois zeros em -1/L se o projeto for feito em tempo contnuo. Tabela 4-2: Ajustes do controlador PID para o mtodo Ziegler-Nichols malha aberta. Tipo de controlador Kc Ti Td P T/L 0 PI 0,9T/L L/0,3 0 PID 1,2T/L 2L 0,5L
59
2 1 e H(s) = (s + 1)(s + 2)(s + 3) 30s + 1 Para resolver este problema deve-se assumir que h um amostrador em X(s) e um ZOH em U(s). G (s) =
60
Captulo 5
61
62
63
x 1 (k + 1) p1 x (k + 1) 0 2 = M 0 x n (k + 1) 0 y(k ) = [c1
0 x 1 (k ) 1 p 2 L 0 x 2 (k ) 1 + u (k ) M O M M M 0 L p n x n (k ) 1 x 1 (k ) x (k ) c 2 L c n ] 2 + b 0 u (k ) M x n (k ) 0
L
c2
64
x ( k ) = Px ( k ) onde a matriz P de ordem nn, mesma ordem da matriz G. Ento, Px (k + 1) = GPx (k ) + Hu (k ) y(k ) = CPx (k ) + Du (k ) Que pode ser reescrito como, x (k + 1) = P 1GPx (k ) + P 1 Hu (k ) y(k ) = CPx (k ) + Du (k ) Agora definindo, G = P 1GP , C = CP e H = P 1 H Ento, x (k + 1) = Gx (k ) + Hu (k ) y(k ) = Cx (k ) + Du (k )
Que exatamente da mesma forma que o sistema original. Se a matriz P for a matriz dos autovetores da matriz G, ento o sistema ser diagonalizado, caso isso no seja possvel, a matriz resultante ser a matriz de Jordan.
k = 1, 2, 3 ...
k = 1, 2, 3 ...
65
zX(z) zx (0) = GX(z) + HU(z) Y(z) = CX(z) + DU(z) Supondo condies iniciais nulas, 1 zX(z) = GX(z) + HU(z) (zI G )X(z) = HU(z) X(z) = (zI G ) HU(z) Substituindo em Y(z), 1 1 Y(z) = C(zI G ) HU(z) + DU(z) = C(zI G ) H + D U(z) Como a funo de transferncia pulsada a relao dada por Y(z)/U(z), Y(z) 1 = C(zI G ) H + D U(z) Observe que se Y(z)/U(z) uma matriz mr.
At
x ( t ) x (0) = e A Bu ()d
0 t
A equao acima representa a soluo para um sistema na forma de estado contnuo. Para a soluo completa, basta substituir os estados x(t) em,
1
Deve ser lembrado que a integral da derivada a prpria funo aplicada os limites de integrao.
66
y( t ) = Cx ( t ) + Du ( t ) Para fazer o mesmo para um sistema discreto, tem-se que, & x ( t ) = Ax( t ) + Bu ( t ) x ((k + 1)T) = Gx (kT) + Hu (kT) Para que possa ser utilizada a soluo de um sistema contnuo para encontrar a soluo de um sistema discreto, assume-se que a entrada u(t) entre um perodo e outro de amostragem constante, isto , que h um ZOH, ento, u ( t ) = u (kT) kT t < kT+T Ento, a soluo,
x ( t ) = e At x (0) + e A ( t ) Bu ()d
0 t
x ( 0) + e
A (( k +1)T )
( k +1)T
e
0
Bu ()d
( k +1)T
(k +1)T
0
kT
Bu ()d
Supondo agora o ZOH, ento, o tempo entre kT e (k+1)T pode ser substitudo por 0 e T dentro da integral, pois o que vai variar apenas u() que considerado constante. Ento,
x ((k + 1)T) = e AT x (kT ) + e AT e A Bu ()d
0 T
Que representa a soluo da equao de estado discreta na forma, x ((k + 1)T) = Gx (kT) + Hu (kT) Que neste caso, tem-se que para encontrar estas matrizes discretas, necessariamente, T G = e AT e H = e A d B 0 Pelas equaes acima, verifica-se claramente que as matrizes discretas so dependentes do tempo de amostragem.
2
AT AkT
= e A (k +1)T 67
A soluo para y(kT) dada simplesmente por, y(kT) = Cx (kT) + Du (kT) Se a matriz A for no singular, ento T A H = e d B = A 1 e AT I B = e AT I A 1B 0 Exemplo 5.1: Considerando o sistema abaixo, encontrar a representao de estado discreto e a expresso para funo de transferncia discreta para T = 1 s. b2 1 1 G (s) = = 2 = 2 s(s + 2) s + 2s s + a 1s + a 2 Soluo: O primeiro passo encontrar uma representao de estado para o sistema, utilizando a forma cannica controlvel, & x 1 ( t ) 0 1 x 1 ( t ) 0 = + u (k ) & x 2 ( t ) 0 2 x 2 ( t ) 1
x (t) y( t ) = [1 0] 1 x 2 ( t ) Como foi visto, para as matrizes discretas tm-se3, 1 2 T 1 0.4323 AT 1 2 1 e = G=e = 0 0.1353 0 e 2 T Outra forma de encontrar a matriz G fazendo, 1 1 1 L e At = (sI A ) = s s(s + 2) 1 0 s+2 Cuja transformada de laplace inversa dada por, 1 1 s s(s + 2) 1 1 1 e 2 t e At = L1 = 2 1 2 t 0 0 e s+2 Ento, T 1 T 1 e 2 0 1 H = e A d B = d = 2 1 2 0 0 0 e 2T 1 1 e 1 e 2 T 1 T + T + T 2 2 0 = 2 2 = 0.2838 = 1 0.4323 1 1 2 T 2 T 1 e 2 1 e 0 2 Desta forma, o sistema discreto na forma de matrizes de estado dado por,
[ ]
e At = I + At +
1 2 2 1 Ak tk A t + L + Ak tk + L = 2! k! k! k =0
68
x 1 (k + 1) 1 0.4323 x 1 (k ) 0.2838 = + u (k ) x 2 (k + 1) 0 0.1353 x 2 (k ) 0.4323 x (k ) y(k ) = [1 0] 1 x 2 (k ) Para a representao em FT discreta, Y(z) 1 = G (z) = C(zI G ) H + D U(z) 1 0 1 0.4323 0.2838 0.2838z + 0.1485 = [1 0] z 0 1 0 0.1353 0.4323 + 0 = z 2 1.1353z 0.1353 O mesmo problema pode ser resolvido utilizando o Matlab,
clear all;close all;clc % Planta contnua num=1; den=[conv([0 0 1],[1 2 0])];
1
% numerador % denominador
% Transformando para matrizes de Estado [A,B,C,D]=tf2ss(num,den) % discretizando as matrizes T=1; [G,H]=c2d(A,B,T) % voltando para TF discreta [numd,dend]=ss2tf(G,H,C,D)
Observe que neste caso, as matrizes de estado no esto na forma cannica, mas o resultado em Funo de Transferncia deve ser exatamente o mesmo.
69
Exemplo 5.3: Para uma suspenso ativa representando de veculo, escrever as matrizes de estado contnuas supondo que o distrbio da via seja w(t).
Neste caso, as matrizes que regem o comportamento dinmico do sistema so dadas por, Massa Suspensa, & & m S && S + c S (x S x N ) + k S (x S x N ) = u ( t ) x Masssa No-Suspensa, & & m N && N + c S (x N x S ) + k S (x N x S ) + k P x N = k P w ( t ) u ( t ) x Que na forma matricial fica, u(t) & 0 && S c S c S x S k S x k S x S m S 0 m && + c x + k k + k x = k w ( t ) u ( t ) N x P S P P S cS & P S p Este caso representa um sistema MIMO, duas entradas e duas sadas. Definindo as variveis de estado iniciando pelos deslocamentos, & & & & x1 = x S x1 = x S e x 2 = x N x 2 = x N Para as velocidades, & & x 3 = x 1 = && S e x 4 = x 2 = && N x x Com as definies acima, as equaes de estado so dadas por, & x1 = x 3 & x2 = x4 c k u(t) & x 3 = S (x 3 x 4 ) S (x 1 x 2 ) + mS mS mS c k k k 1 & x 4 = S (x 4 x 3 ) S (x 2 x 1 ) P x 2 + P w ( t ) u(t) mN mN mN mN mN Que na forma matricial fica, 0 1 0 0 0 0 & x1 0 x1 0 0 0 1 0 x k x 1 kS c cS 2 u & 2 S + 0 S = m m mS x 3 mS mS w & S x 3 S kP (k S + k P ) c S kS c S x 1 x 4 & 4 mN mN mN mN mN mN De forma geral, se for sempre assumido que o vetor de estado se inicia com deslocamentos e depois as velocidades, as matrizes de estado podem ser dadas a partir das matrizes dinmicas como, 70
&& & [M ]{X( t )} + [C]{X( t )} + [K ]{X( t )} = {F( t )} Sendo que o vetor de estado, X( t ) {X( t )} = & X ( t ) E as matrizes de estado, [ [ & {X} = [M0]]1 K [MI]1 C{X} + [M0]1 F{U} ] A resposta do sistema deve ser dada pelo que se deseja medir, supondo que seja necessrio medir os deslocamentos e velocidades, y 1 1 0 0 0 x 1 0 0 y 0 1 0 0 x 0 0 u 2 2 + = y 3 0 0 1 0 x 3 0 0 w y 4 0 0 0 1 x 4 0 0 Caso seje necessrio medir apenas o deslocamento da massa suspensa, x1 x u {y1 } = [1 0 0 0] 2 + [0 0] w x 3 x 4
Exemplo 5.4:Para o sistema abaixo, encontrar as matrizes de estado.
As equaes de movimento na forma matricial so dadas por, k2 0 x 1 F1 + u 1 u 2 x 0 &&1 k 1 m1 0 0 m && + k k + k k 3 x 2 = F2 + u 2 u 3 0 x 2 2 2 1 2 0 k3 k 2 + k 3 x 3 F3 + u 3 0 m 3 && 3 0 x Portanto, as matrizes de estado podem ser dadas como,
0 & x1 0 x 0 & 2 k x 3 1 & = m1 & x 4 k 2 x 5 & m2 x 6 & 0 0 0 0 k2 m1 k + k2 1 m2 k3 m3 0 0 0 0 k3 m2 k + k3 2 m3 1 0 0 0 0 1 0 x 1 0 0 0 1 x 2 0 1 0 0 0 x 3 + x 4 m 1 0 0 0 0 x 5 x 6 0 0 0 0 0 0 0 0 1 m2 0 0 0 0 0 0 1 m3 0 0 0 1 m1 0 0 0 0 0 1 m1 1 m2 0 F 1 F2 0 F3 u1 1 m 2 u 2 u 1 3 m3 0 0 0
71
Supondo, m1 = m2 = m3 = 0.5 kg, k1 = k2 = k3 = k4 = 10.000 N/m, c2 = c3 = 50 Ns/m, determinar utilizando o Matlab, a) b) c) d) e) f) Equao de movimento matricial Matrizes de estado contnuas; Matrizes de estado discretas; Freqncias naturais e modos de vibrar; Resposta em freqncia, diagrama de bode; Resposta ao Impulso contnua e discreta.
Exerccio 5.3: (Prova 2007) Considerando o sistema abaixo, escrever a forma cannica controlvel e observvel, 2z + 0.5 G (z) = 2 z z + 0.5
72
Captulo 6
6 Controlabilidade e Observabilidade
6.1 Introduo
A controlabilidade se refere capacidade do sistema ter seu estado alterado de qualquer estado para qualquer outro estado, de modo geral significa que o sistema pode ser controlado. A observabilidade significa que o sistema pode ter seus estados observados, em outras palavras, o sistema pode ser inteiramente medido, significando que qualquer tipo de informao pode ser conseguida.
6.2 Controlabilidade
Um sistema de controle dito ser de estado completamente controlvel se possvel transferir o sistema de um estado qualquer para um outro estado desejvel qualquer em um perodo finito de tempo utilizando uma lei de controle sem restries. Para um sistema discreto, a controlabilidade significa que o sistema pode ser transferido de um estado qualquer x(kT) para um estado final x(kT) utilizando no mximo n perodos de amostragem. Considerando um sistema em espao de estados discretos na forma, x (k + 1) = Gx (k ) + Hu (k ) Sua soluo temporal dada por, x (kT) = G k x (0) + G k j1 Hu ( j)
j= 0 k k 1 k 2 k 1
k = 1, 2, 3 ...
= G x (0) + G Hu (0) + G Hu (T ) + L + Hu ((k 1)T) Esta soluo pode ser rearranjada para os primeiros n instatnes de tempo como, u (n 1) u (n 2) n n 1 x (n ) G x (0) = H GH L G H M u (0) onde n a dimenso da matriz G. Como a dimenso de H n1 e cada coluna da matriz H GH ... Gn-1H n1, ento a dimenso da matriz nn para o caso de uma nica entrada u(k), caso a entrada seja um vetor de dimenso 1r, ento a matriz de dimenso nnr Significando que dada uma lei de controle u(k), para alterar o estado do sistema de x(0) para x(n) a matriz necessariamente precisa obedecer seguinte relao, posto H GH L G n 1 H = n Esta matriz conhecida como matriz de controlabilidade. Caso o posto da matriz de controlabilidade seja menor que n, no significa que o sistema incontrolvel, mas
73
significa que pelo menos um dos estados no pode ser controlado, isto , parte do sistema pode ser controlado e parte no. Dever ser notado que a controlabilidade de estado independe da sada, isto , a controlabilidade de estado independente das matrizes C e D.
Exemplo 6.1: Verificar se os sistemas abaixo so de estado completamente controlveis. Sistema 1: x 1 (k + 1) 1 0 x 1 (k ) 2 x (k + 1) = 0 2 x (k ) + 3 u (k ) 2 2 Soluo: Construindo a matriz de controlabilidade, 2 1 0 2 2 2 [H GH] = 3 0 2 3 = 3 6 No necessrio calcular o posto da matriz e controlabilidade, pois s observar se as linhas so linearmente independentes, neste caso, o posto = 2, ento o sistema completamente controlvel.
Sistema 2:
x 1 (k + 1) 1 0 x 1 (k ) 2 x (k + 1) = 0 2 x (k ) + 0 u (k ) 2 2 Soluo: Construindo a matriz de controlabilidade, 2 1 0 2 2 2 [H GH] = 0 0 2 0 = 0 0 Neste caso, claramente o sistema possui posto = 1, significando que o sistema no completamente controlvel.
Sistema 3: 0 0 0 x 1 (k + 1) 0 1 x 1 (k + 1) 2 1 x (k + 1) 0 2 1 0 0 x 2 (k + 1) 0 0 2 u (k ) 1 x 3 (k + 1) = 0 0 2 0 0 x 3 (k + 1) + 3 0 u 2 (k ) 0 0 5 1 x 4 (k + 1) 0 0 x 4 (k + 1) 0 x 5 (k + 1) 0 0 0 0 5 x 5 (k + 1) 2 1 Soluo: Construindo a matriz de controlabilidade, H GH G 2 H G 3 H G 4 H Como a soluo mais complicada, utiliza-se o matlab para resolver o problema,
74
H=[0 1;0 0;;3 0;0 0;2 1] % Construindo matriz de Controlabilidade CO=ctrb(G,H) rank(CO)
Como o posto = 5, que a dimenso da matriz G, ento o sistema de estado completamente controlvel. Sistema 4: 0 0 0 x 1 (k + 1) 0 x 1 (k + 1) 2 1 x (k + 1) 0 2 1 0 0 x 2 (k + 1) 3 2 x 3 (k + 1) = 0 0 2 0 0 x 3 (k + 1) + 0 0 0 5 1 x 4 (k + 1) 2 x 4 (k + 1) 0 x 5 (k + 1) 0 0 0 0 5 x 5 (k + 1) 0
1 0 u (k ) 1 0 u 2 (k ) 1 0
Soluo: Construindo a matriz de controlabilidade, H GH G 2 H G 3 H G 4 H Como a soluo mais complicada, utiliza-se o matlab para resolver o problema,
clear all;close all;clc % definindo matriz G G=[-2 1 0 0 0 0 -2 1 0 0 0 0 -2 0 0 0 0 0 -5 1 0 0 0 0 -5] % definindo matriz H H=[0 1;3 0;0 0;2 1;0 0] % Construindo matriz de Controlabilidade CO=ctrb(G,H) rank(CO)
Como o posto = 3 que menor que a dimenso da matriz G, ento o sistema no de estado completamente controlvel.
u (n 1) u (n 2) n n 1 y(n ) CG x (0) = CH CGH L CG H M u (0) Significando que para a sada ser completamente controlvel, o posto da matriz precisa ser m, que a dimenso da matriz C, isto , posto CH CGH L CG n 1 H = m Caso esteja presente a matriz D, a condio de controlabilidade completa de sada dada por, posto D CH CGH L CG n 1 H = m Dever ser notado que a controlabilidade de sada dependente de todas as matrizes que compe o sistema, isto , a controlabilidade de sada dependente das matrizes G, H, C e D.
6.4 Observabilidade
Um sistema dito completamente observvel se todo estado inicial x(0) pode ser determinado a partir da observao de y(k) em um perodo finito de tempo. Observabilidade completa significa que, dado y(0), y(T), y(2T), ..., possvel determinar x1(0), x2(0), ..., xn(0). Utilizando esta definio, ento dado um sistema na forma, x (k + 1) = Gx (k ) + Hu (k ) y(k ) = Cx (k ) Sua resposta dada por, k 1 y(kT) = C G k x (0) + G k j1 Hu ( j) k = 1, 2, 3 ... j= 0 Fazendo a resposta para os n primeiros instantes de tempo, y(0) = Cx (0) y(0) C y(1) CG y(1) = CGx (0) x (0) = M M M n 1 y(n 1) CG n 1 y(n 1) = CG x (0) Consequentemente, com os primeiros n instantes de tempo, deve ser possvel determinar os estados iniciais x1(0), x2(0), ..., xn(0). Note que y(kT) um vetor de dimenso m1, portanto a simulao acima possui nm equaes todas envolvendo os estados iniciais. Para obter um conjunto nico de estados iniciais, deve necessariamente existir n equaes lineares independentes, isso significa necessariamente que a matriz nmn, C CG =n posto M n 1 CG Esta conhecida como matriz de observabilidade. Normalmente, esta equao no usada, mas a equao transposta dela dada por,
76
posto C H (CG ) L CG n 1 = n onde H representa a hermitiana, que o conjugado transposto. Observe que a observabilidade independente da matriz de entrada B.
H H
Sistema 1: x 1 (k + 1) 1 0 x 1 (k ) = x 2 (k + 1) 0 2 x 2 (k ) x (k ) y(k ) = [1 5] 1 x 2 (k ) Encontrando a matriz de observabilidade, 1 1 0 1 1 1 CH G HCH = = 5 0 2 5 5 10 Como se observa, a matriz de observabilidade tem posto 2 que a mesma ordem da matriz G, ento o sistema completamente observvel.
Sistema 2: x 1 (k + 1) 1 0 x 1 (k ) = x 2 (k + 1) 0 2 x 2 (k ) x (k ) y(k ) = [0 1] 1 x 2 (k ) Encontrando a matriz de observabilidade, 0 1 0 0 0 0 CH G HCH = = 1 0 2 1 1 2 Como se observa, a matriz de observabilidade tem posto 1 que menor que ordem da matriz G, ento o sistema no completamente observvel.
Sistema 3:
x 1 (k + 1) 2 x (k + 1) 0 2 x 3 (k + 1) = 0 x (k + 1) 0 4 x 5 (k + 1) 0 0 0 0 x 1 (k ) 1 0 0 x 2 (k ) 2 0 0 x 3 (k ) 0 3 1 x 4 (k ) 0 0 3 x 5 (k ) x 1 (k ) x (k ) 2 y1 (k ) 1 1 1 0 1 = x 3 (k ) y 2 ( k ) 0 1 1 1 0 x ( k ) 4 x 5 (k ) 1 2 0 0 0
Como o sistema definido acima um sistema de alta ordem, difcil de ser feito, utiliza-se o Matlab,
77
clear all;close all;clc % definindo matriz G G=[-2 1 0 0 0 0 -2 1 0 0 0 0 -2 0 0 0 0 0 -3 1 0 0 0 0 -3] % definindo matriz C C=[1 1 1 0 1 0 1 1 1 0] % Construindo matriz de Controlabilidade OB=obsv(G,C) rank(OB)
Como o posto da matriz de observabilidade 5 que a mesma dimenso da matriz G, ento o sistema completamente observvel. Sistema 4: x 1 (k + 1) 2 x (k + 1) 0 2 x 3 (k + 1) = 0 x (k + 1) 0 4 x 5 (k + 1) 0 0 0 0 x 1 (k ) 1 0 0 x 2 ( k ) 2 0 0 x 3 (k ) 0 3 1 x 4 ( k ) 0 0 3 x 5 (k ) x 1 (k ) x (k ) 2 y 1 ( k ) 1 1 1 0 1 = x 3 (k ) y 2 ( k ) 0 1 1 0 0 x ( k ) 4 x 5 (k ) 1 2 0 0 0
Como o sistema definido acima um sistema de alta ordem, difcil de ser feito, utiliza-se o Matlab,
clear all;close all;clc % definindo matriz G G=[-2 1 0 0 0 0 -2 1 0 0 0 0 -2 0 0 0 0 0 -3 1 0 0 0 0 -3] % definindo matriz C C=[1 1 1 0 1 0 1 1 0 0] % Construindo matriz de Controlabilidade OB=obsv(G,C) rank(OB)
78
Como o posto da matriz de observabilidade 4 que menor que a dimenso da matriz G, ento o sistema no completamente observvel.
sobre
controlabilidade
Nesta parte, ser feito alguns comentrios sobre a controlabilidade e observabilidade de sistemas em tempo discreto.
x (k ) y(k ) = [0.2 1] 1 x 2 (k ) Porm, a matriz G pode ser rearranjada e o sistema fica, 1 x 1 ( k ) 0 x 1 (k + 1) 0 + u (k ) = x 2 (k + 1) 0.16 0 x 2 (k ) 1 x (k ) y(k ) = [0.2 1] 1 x 2 (k ) Verificando a controlabilidade, 0 0 1 0 0 0 [H GH] = 1 0.16 0 1 = 1 1 Verificando que o sistema no completamente controlvel. Pode-se verificar isso diretamente pela matriz G, onde a diagonal principal nula, outra forma fatorando o denominado da FT, Y(z) z + 0.2 z + 0.2 = 2 = U(z) z + z + 0.16 (z + 0.8)(z + 0.2) Neste caso, verifica-se que h um zero cancelando um plo.
Exemplo 6.4: Verificar que o sistema no observvel,
79
[C
Cujo determinante zero, mostrando que o posto da matriz de observabilidade menor que a dimenso da matriz G assim, o sistema no completamente observvel. Este fato provm do cancelamento entre um plo por um zero, observe que a FT dada por, (z + 1)(z + 4) Y(z) z 2 + 5z + 4 1 = C(zI G ) H = 3 = 2 U(z) z + 6z + 11z + 6 (z + 1)(z + 2 )(z + 3) Observando que um plo cancelado por um zero, significando que este resultado no pode ser observado, pois sua influncia anulada.
x (k ) y(k ) = [1 0] 1 x 2 (k ) A questo ser, h algum valor de T para qual o sistema perder controlabilidade e observabilidade? Para responder a esta questo, faz-se,
80
1 cos T cos T + 1 2 cos 2 T [H GH] = sin T + 2 cos T sin T sin T Para que no tenha controlabilidade, faz-se o determinante igual a zero, chegando a, 2 sin T(1 cos T ) = 0 Significando que para T = n a matriz de controlabilidade ser de posto menor que a dimenso da matriz G, mostrando que o sistema ser de estado no completamente controlvel. O mesmo fato pode ser verificado atravs da matriz de observabilidade, 1 cos T CH G HCH = 0 sin T Fisicamente, o que ocorreu foi que se pretende observar e controlar uma freqncia que exatamente igual Nyquist, por isso no foi possvel control-la.
]
81
x (k + 1) = Q 1GQx (k ) + Q 1 Hu (k ) y(k ) = CQx (k ) + Du (k ) Interessante notar que se o sistema est na forma cannica controlvel dada por, x (k + 1) = Gx (k ) + Hu (k ) y(k ) = Cx (k ) + Du (k ) Para se obter a forma cannica observvel, basta fazer, H x (k + 1) = Gx (k ) + C u (k )
H y(k ) = H x (k ) + Du (k ) Esta equao demostra o princpio da dualidade
()
()
x (k ) y(k ) = [c d ] 1 x 2 (k ) Soluo: a matriz de controlabilidade, a 0 1 a a b [H GH] = b 0.4 1.3 b = b 0.4a 1.3b Calculando o determinante e, para que o sistema seje completamente controlvel, o determinante deve ser diferene de zero, ento, 0.4a 2 1.3ab b 2 0 Para a matriz de observabilidade, [c d] d C c 1 = 0 = CG [c d ] 0.4 1.3 0.4d c 1.3d Portanto, c 2 1.3cb + 0.4d 2 0 Como os valores de a, b, c e d no podem ser valores complexos, tem-se a resposta como,
82
83
Captulo 7
Se a referncia a ser seguida zero, o sistema de controle denominado de regulador, caso contrrio, o sistema de controle denominado controlador.
84
Figura 7.1: Diagrama de blocos de um sistema de controle por realimentao de estado para um regulador.
= (z ) = 0
( )
85
( )
( )
Observa-se que a matriz H GH L G n 1H a matriz de controlabilidade, rearranjnado na forma, ~ ~ n 1 K + n 2 KG + L + KG n 1 ~ ~ n 2 n 2 K + n 3 KG + L + KG = H GH L G n 1 H 1 (G ) M K Observando que sobrou apenas o ganho do controlador K na n-sima linha, e ele pode ser extrado multiplicando ambos os lados por um vetor composto por [0 0 0 1], assim, ~ ~ n 1 K + n 2 KG + L + KG n 1 ~ ~ n 2 n 2 K + n 3 KG + L + KG = [0 0 L 1] M K
n 1 a n 1 L 1 a 1 ](MW )
a n 1 a n 2 L a 1 1 a n 2 a n 3 L 1 0 M = H GH L G n 1 H e W= M M O M M 1 L 0 0 a1 1 0 L 0 0 Quando este modo for aplicado, se o sistema estiver na forma cannica controlvel, a matriz transformao T torna-se a identidade, facilitando a aplicao do mtodo.
3. Se os plos desejados pi para o sistema em malha fechada forem distintos, pode-se aplicar a seguinte relao diretamente, 1 K = [1 1 L 1][1 2 L n ] onde, i i = (G p i ) H com i = 1 ... n Se a resposta desejada for dead beat, significando que pi = 0, ento, i = G i H com i = 1 ... n
Exemplo 7.1: Considerando o sistema abaixo, 1 x 1 ( k ) 0 x 1 (k + 1) 0 = + u (k ) x 2 (k + 1) 0.16 1 x 2 (k ) 1 Cujos plos do sistema so, z 1 z = 0.2 = z 2 + z + 0.16 = 0 1 zI G = 0.16 z 1 z1 = 0.8 E os plos de malha fechada sejam dados por, z 1, 2 = 0.5 j0.5
Soluo: O primeiro passo verificar se o sistema de estado completamente controlvel. Ento, a matriz de controlabilidade , 0 0 1 0 0 1 [H GH] = 1 0.16 1 1 = 1 1 Significando que o sistema de estado completamente controlvel. Agora aplicando a frmula de Ackermann para encontrar o ganho da realimentao de estado, 1 K = [0 1][H GH ] (G ) Para (z), que o novo polinmio caracterstico, (z ) = (z 0.5 + j0.5)(z 0.5 j0.5) = z 2 z + 0.5 Portanto, 1 2 1 0 1 0 1 0 1 0 = [0.34 2] + 0.5 K = [0 1] 0 1 1 1 0.16 1 0.16 1 Soluo utilizando o Matlab,
clear all;close all;clc % Matrizes do sistema G=[0 1;-0.16 -1] H=[0;1]
87
% Vetor dos novos polos im=sqrt(-1); P=[0.5+im*0.5 0.5-im*0.5] % Utilizando Frnula de Ackermann K=acker(G,H,P) % Forma alternativa K=place(G,H,P)
Root Locus 1 0.6/T 0.8 0.6 0.4 Imaginary Axis 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 -1 0.9/T /T /T 0.7/T 0.8/T 0.5/T 0.4/T 0.6/T 0.8 0.6 0.2/T 0.4 0.1/T Imaginary Axis 0.9/T 0.2 /T 0 /T -0.2 0.9/T -0.4 0.2/T 0.3/T 0.6/T -0.8 -0.6 -0.4 -0.2 0.5/T 0 Real Axis 0.4/T 0.2 0.4 0.6 0.8 1 -0.6 -0.8 -1 -1 -0.8 -0.6 -0.4 -0.2 0.8/T 0.7/T 0.6/T 0.7/T 0.8/T
Root Locus 0.5/T 0.4/T 0.3/T 0.2/T System: Gmf Gain: 0 Pole: 0.5 + 0.5i Damping: 0.404 Overshoot (%): 25 Frequency (rad/sec): 0.858
0.1 0.3/T 0.2 0.3 0.4 System: Gma 0.5 Gain: 0 0.6 Pole: -0.2 0.7 Damping: 0.456 0.8 Overshoot (%): 20 0.9 Frequency (rad/sec): 3.53
0.1/T
System: Gma Gain: 0 0.9/T Pole: -0.8 Damping: 0.0709 Overshoot (%): 80 0.8/T Frequency (rad/sec): 3.15 0.7/T
0.1/T
0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.10.3/T 0.5/T 0 Real Axis 0.4/T 0.2 0.4
System: Gmf Gain: 0 Pole: 0.5 - 0.5i Damping: 0.404 0.1/T Overshoot (%): 25 Frequency (rad/sec): 0.858 0.2/T
0.6
0.8
(a) Plos originais (b) Plos realocados Figura 7.2: Lugar das razes do sistema sem controle e controlado
88
1 x 1 ( k ) 0 x 1 (k + 1) 0 = + u (k ) x 2 (k + 1) 0.16 1 x 2 (k ) 1 x (k ) y(k ) = [1 0] 1 x 2 (k ) E os plos de malha fechada sejam, z 1, 2 = 0.5 j0.5 Soluo: Para o ganho K, 1 2 1 0 1 0 1 0 1 0 K = [0 1] 0.16 1 0.16 1 + 0.50 1 = [0.34 2] 1 1 Agora basta encontrar o ganho k0 para que o sistema em malha fechada no apresente erro estacionrio. Para isso, encontra-se a FT do sistema, Y(z) ~ 1 ~ = G (z) = C zI G H R (z) Onde, neste caso, 1 0 1 ~ 0 0 ~ G = G HK = 1[0.32 2] = 0.5 1 e H = k 0 H 0.16 1 Portanto, 1 1 k0 z 0 Y(z) ~ 1 ~ = G (z) = C zI G H = [1 0] k 0 1 = 2 U(z) 0.5 z 1 z z + 0.5 5 Para o erro estacionrio , k0 k0 1 = lim y(k ) = lim 1 z 1 Y(z) = lim 1 z 1 2 =1 1 k z 1 z 1 z z + 0.5 1 z 1 1 + 0.5 Portanto, k 0 = 0.5
Deve ser lembrado que Y(z)=G(z)U(z), com R(z) sendo a entrada degrau unitrio.
89
T=1; % sistema em malha aberta empacotado Gma=ss(G,H,C,D,T) % Vetor dos novos polos im=sqrt(-1); P=[0.5+im*0.5 0.5-im*0.5] % Calculando ganho K K=acker(G,H,P) K=place(G,H,P) % sistema em malha fechada Gf=G-H*K; Hf=0.5*H; Gmf=ss(Gf,Hf,C,D,T) % clculo da resposa ao degrau step(Gma,Gmf,30) legend('Gma','Gmf')
Amplitude
0.8
0.6
0.4
0.2
10
15 Time (sec)
20
25
30
Figura 7.4:Resposta ao degrau unitrio do sistema sem controle e malha fechada com o controlador
90
os estados no medidos so estimados, ou de ordem reduzida, em que os estados no medidos e alguns dos estados medidos so estimados. Os estados do sistema sero estimados com base nas entradas e nas sadas disponveis do sistema, isto , atravs da entrada u(k) e da sada y(k). Ser projetado um novo sistema tal que os estados deste novo sistema sejam os estados do sistema a ser controlado, ver Figura 7.5, onde ~ (k ) representa a estimativa dos estados da planta x original. Como previsto que ser utilizada a sada do sistema, dever ser notado que a condio de observabilidade deve ser obedecida.
Figura 7.5: Sistema de controle por realimentao de estados junto com observador de estado.
Uma forma de fazer com que isso ocorra pela introduo de um sistema de controle, pois se as entradas e as sadas forem iguais e as matrizes de eswtado so as mesmas, isso significa que os estados so os mesmos, ento o sistema utilizado para a estimao de estados deve ser dado por, ~ (k + 1) = G~ (k ) + Hu (k ) + K (y(k ) ~ (k ) ) x x y e ~ (k ) = C~ (k ) y x onde Ke um controlador introduzido para garantir que os dois sistemas se comportem da mesma forma. 91
Figura 7.6: Sistema de controle por realimentao de estados junto com observadores de estado completo. O sistema do estimador de estado completo pode ser reescrito substituindo ~ (k ) = C~ (k ) , y x ~ (k + 1) = (G K C )~ (k ) + Hu (k ) + K y(k ) x x e e ~ (k ) = C~ (k ) y x Observe que a matriz do sistema dada por (G-KeC) e para um sistema controle por realimentao de estado dada por (G-HK). Ento, do princpio dualidade entre a forma cannica controlvel e observvel, o vetor de ganho Ke observador de estado pode ser encontrado da mesma forma que o vetor de ganho pois, zI G + HK = (z p1 )(z p 2 )L (z p n ) = z n + 1 z n 1 + 2 z n 2 + L n 1 z + n = 0 Agora, a expresso torna-se, H zI G H + K e C H = (z p1 )(z p 2 )L (z p n ) = z n + 1 z n 1 + 2 z n 2 + L n 1 z + n = 0 Significando que o ganho de estado era dado por, utilizando a frmula de Ackermann, K = [0 0 L 1] H GH L G n 1 H (G ) Ento, o ganho do estimador de estado pode ser dado por, 1 C 0 CG 0 K e = (G ) M M n 1 CG 1
1
de da do K,
92
Deve-se notar que a frmula para o clculo do vetor de ganho do observador de estado depende da inversa da matriz de observabilidade.
Exemplo 7.3: Supondo o sistema, x 1 (k + 1) 0 0.16 x 1 (k ) 0 u (k ) = + x 2 (k + 1) 1 1 x 2 (k ) 1
x (k ) y(k ) = [0 1] 1 x 2 (k ) Projetar um observador de estado completo para que o estimador de estado tenha plos em, z 1, 2 = 0.5 j0.5 Soluo: O polinmio caracterstico para o observador, (z ) = (z 0.5 + j0.5)(z 0.5 j0.5) = z 2 z + 0.5 E o ganho do observador, 1 C 0 K e = (G ) CG 1
0.34 0.32 0 1 0 0.34 = = 2 2.34 1 1 1 2 Para se utilizar o comando acker ou place do Matlab, deve ser lembrado que o que est sendo calculado est conjugado transposto, ento,
clear all;clc;close all % Matrizes do sistema G=[0 -0.16;1 -1] C=[0 1] % Vetor dos novos polos im=sqrt(-1); P=[0.5+im*0.5 0.5-im*0.5] % utilizando acker Gt=G'; Ct=C'; K=acker(Gt,Ct,P); Ke=K'
93
x x (k + 1) ~ (k + 1) = Gx (k ) + Hu (k ) (G K e C )~ (k ) Hu (k ) K e y(k ) x = G (x (k ) ~ (k ) ) + K C~ (k ) K Cx (k ) x x = (G K e C )(x (k ) ~ (k ) ) x
e e
e(k + 1) = (G K e C )e(k ) Significando que o comportamento do erro do estimador vai depender da posio dos plos da equao caracterstica G-KeC. Normalmente, deve-se escolher os plos do observador de 2 a 5 vezes mais rpido que a da planta a ser estimada, isto , com uma freqncia de 2 a 5 vezes maior. Porm, em aplicaes prticas, se a resposta da planta for contaminada com rudo, deve utilizar uma estimativa mais lenta.
Exemplo 7.4: Supondo o sistema, 1 0 x 1 ( k ) 0 x 1 (k + 1) 0 0 1 x 2 ( k ) + 0 u ( k ) x 2 (k + 1) = 0 x (k + 1) 0.5 0.2 1.1 x (k ) 1 3 3 x 1 (k ) y(k ) = [0 1 0]x 2 (k ) x (k ) 3 Projetar um controlador de estado e um observador de estado para a resposta ao degrau supondo, Razes do controlador: 0.5j0.5 e 0.5 P = z 3 1.5z 2 + z 0.25 Razes do observador: 0.3j0.5 e 0.3 P = z 3 0.9z 2 + 0.52z 0.102
Portanto,
Soluo: Observe que as razes da planta so dadas por, z 1 0 zI G = 0 0 z 1 = 0 0.5 0.2 z 1.1
z1 = 0.5 z 3 1.1z 2 + 0.2z + 0.5 = 0 z1, 2 = 0.8 j0.6 Que podem ser melhor compreendidas atravs da passagem para tempo contnuo, 1 z = e Ts s = ln z T Portanto, assumindo T = 1 s, as razes em tempo contnuo so dadas por, s1, 2 = 0.6931 j3.1416
s 3, 4 = j0.6435 Portanto o par complexo representa um plo marginalmente estvel, j a nova posio, 0.5j0.5 e 0.5 representa, z 1 = 0.5 s1 = 0.6931
z 2,3 = 0.5 j0.5 s 2,3 = 0.3466 j0.7854 Iniciando pela verificao da controlabilidade e observabilidade do sistema, Controlabilidade:
94
[
Observabilidade:
2H
Root Locus 1.5 1 0.7/T 0.5 Imaginary Axis 0.8/T System: Gpp Gain: 0 0.5/T Pole: 0.5 + 0.5i 0.6/T 0.4/T Damping: 0.404 0.10.3/T Overshoot (%): 25 0.2 System: Gpp 0.3 Frequency (rad/sec): 0.858 0.4 0.2/T Gain: 0 0.5 Pole: 0.5 0.6 0.7 Damping: 1 0.8 Overshoot0.1/T (%): 0 0.9 Frequency (rad/sec): 0.693
Root Locus System: Gpp Gain: 0 Pole: 0.3 + 0.5i 0.5/T Damping: 0.464 0.4/T
1 0.7/T 0.5 Imaginary Axis 0.8/T 0.9/T 0 /T /T 0.9/T -0.5 0.8/T 0.7/T -1
0.1 System: Gpp 0.2 0.3/T Gain: 0 0.3 0.4 Pole: 0.3 0.2/T 0.5 Damping: 1 0.6 0.7 Overshoot (%): 0 0.1/T 0.8 0.9 Frequency (rad/sec): 1.2
0.1/T 0.2/T System: Gpp Gain: 0 Pole: 0.3 0.5i 0.5/T - 0.4/T Damping: 0.464 Overshoot (%): 19.3 Frequency (rad/sec): 1.16 0.6/T -0.2 0 Real Axis 0.2 0.4 0.3/T
0.1/T
0.8/T 0.7/T System: Gpp Gain: 0 0.3/T Pole: 0.5 - 0.5i 0.6/T 0.4/T 0.5/TDamping: 0.404 Overshoot (%): 25 Frequency (rad/sec): 0.858 -0.4 -0.2 0 0.2 0.4 0.6 Real Axis
0.2/T
-1 -1 -0.8 -0.6
0.8
-1.5 -1
-0.8
-0.6
-0.4
0.6
0.8
Figura 7.7: Justificativa para as alocaes dos plos do controlador e observador Projeto do Controlador, K = [0 0 1] H GH G 2 H
Projeto do Observador, C K e = (G ) CG CG 2
1
0.25
H* u
x(k+1)
1 z
x(k)
3
C* u Resposta Controlada
3 3
G* u
Kc* u
H* u
x(k+1)
1 z
x(k)
3
C* u
3 3
G* u
Ke* u
95
1.2
Amplitude
0.8
Am plitude
0 10 20 30 40 50 60 70 80 90 100
1 0.5 0
0.6
0.4
0.2
-0.5 -1
10
20
30
40
50
60
70
80
90
100
Tempo
Tem po
Figura 7.9: Resposta do sistema nominal e ao sistema com x(0)= [-2 3 1]T Para a planta do sistema definida por, x (k + 1) = Gx (k ) + Hu (k ) y(k ) = Cx (k ) A funo de transferncia dada por, z Y(z) G1 (z) = = C(zI G )H = 3 2 U( Z) z 1.1z + 0.2z + 0.5 Para o sistema definido por, ~ (k + 1) = G~ (k ) + Hu (k ) + K [ y(k ) ~ (k )] = (G K C )~ (k ) + Hu (k ) + K y(k ) x x y x E E E ~ (k ) = C~ (k ) y x Aplicando transformada Z, ~ ~ zX(z) = (G K E C )X(z) + HU(z) + K E Y(z) ~ 1 1 X(z) = (zI G + K E C ) HU(z) + (zI G + K E C ) K E Y(z) Como a lei de controle dada por, u (k ) = r (k ) K C ~ (k ) x Aplicando a transformada Z, ~ U(z) = R (z) K C X(z) =
= R (z) Kc (zI G + K E C ) HU(z) + (zI G + K E C ) K E Y(z) Definindo, 0.4z 2 0.72z 0.153 1 G 2 = Kc(zI G + K E C ) H = 3 z 0.9z 2 + 0.52z 0.102 0.959z 2 1.3561z + 0.8622 1 G 3 = Kc(zI G + K E C ) K E = 3 z 0.9z 2 + 0.52z 0.102 Ento, G3 1 U (z) = R (z) + G 2 U (z) + G 3 Y(z) U(z) = R (z) + Y (z) (1 G 2 ) (1 G 2 ) Atravs da equao acima, observa-se que o sistema em malha fechada pode ser resumido a,
1 1
96
0.25
Resposta Controlada
Figura 7.10: Sistema em malha fechada Substituindo em Y(z)=G1(z)U(z), GG G1 G1 Y(z) Y(z) = R (z) + 1 3 Y (z) = (1 G 2 ) (1 G 2 ) R (z) 1 G 2 G 1G 3 Que substituindo os valores chega-se a, Y (z) z = 3 2 R (z) z 1.5z + z 0.25 Observe que houve cancelamento de plos e zeros e no final, os plos so os plos estipulados pela realimentao de estado. Para o ajuste do ganho Ko para eliminar o erro estacionrio, k0z 1 lim y(k ) = lim 1 z 1 Y(z) = lim 1 z 1 3 2 k z 1 z 1 z 1.5z + z 0.25 1 z 1
Que pode ser rearranjada como, x a (k + 1) G aa x a (k ) H a u (k ) = G ab x b (k ) A parte restante, que representa a dinmica dos estados no medidos, dada por, x b (k + 1) = G ba x a (k ) + G bb x b (k ) + H b u (k ) Como a equao de estado para o observador de estado de ordem completa dada por, ~ (k + 1) = G~ (k ) + Hu (k ) x x ~ (k ) = C~ (k ) y x Comparando com a equao de estado dos estados no medidos na seguinte x b (k + 1) = G bb x b (k ) + (G ba x a (k ) + H b u (k ) ) E a sada do observador de estado completo, ~ (k ) = C~ (k ) y x Comparando com, x a (k + 1) G aa x a (k ) H a u (k ) = G ab x b (k ) O projeto do observador de ordem mnima ou de ordem reduzida pode ser encontrado comparando a equao de estado do observador de ordem completada dada por, ~ (k + 1) = G~ (k ) + Hu (k ) x x ~ (k ) = C~ (k ) y x Comparada com, x b (k + 1) = G bb x b (k ) + (G ba x a (k ) + H b u (k ) ) x a (k + 1) G aa x a (k ) H a u (k ) = G ab x b (k ) Onde observa-se que, Observador de ordem completa ~(k ) x G Hu(k) y(k) C Ke ordem nm Observador de ordem mnima ~ (k ) x
b
forma,
Utilizando a tabela acima, atravs do projeto do observador de ordem completa que dado por, ~ (k + 1) = (G K C )~ (k ) + Hu (k ) + K y(k ) x x e e O projeto do observador de ordem mnima ou de ordem reduzida dado por, ~ (k + 1) = (G K G )~ (k ) + (G x (k ) + H u (k ) ) + xb bb e ab x b ba a b + K e (x a (k + 1) G aa x a (k ) H a u (k ) ) Substituindo xa(k) = y(k), pois so os estados medidos,
98
+ (G ba K e G aa )y(k ) + (H b K e H a )u (k ) O problema em utilizar a equao acima est no fato de ter que medir y(k+1). Ento, uma forma mais conveniente de expressar a equao acima fazendo, ~ (k + 1) K y(k + 1) = (G K G )~ (k ) + (G K G )y(k ) + (H K H )u (k ) xb e bb e ab x b ba e aa b e a ~ (k ) K y(k ) ) + (G K G )K y(k ) + = (G K G )(x + (G ba K e G aa )y(k ) + (H b K e H a )u (k ) = (G K G )(~ (k ) K y(k ) ) + x
bb e ab b e bb e ab b e bb e ab e
+ [(G bb K e G ab )K e + G ba K e G aa ]y(k ) + (H b K e H a )u (k )
Definindo,
+ [(G bb K e G ab )K e + G ba K e G aa ]y(k ) A equao acima descreve a dinmica do observador de estado de ordem mnima ou ordem reduzida. O erro do observador pode ser definido como, ~ e(k ) = (k ) (k ) = x b (k ) ~ b (k ) x Que se torna, x b (k + 1) ~ b (k + 1) = [G bb x b (k ) + (G ba x a (k ) + H b u (k ) )] + x [(G K G )~ (k ) + (G x (k ) + H u (k ) ) + x + K e (x a (k + 1) G aa x a (k ) H a u (k ) )]
bb e ab b ba a b
K e (G aa x a (k ) + G ab x b (k ) + H a u (k ) G aa x a (k ) H a u (k ) ) Que simplificando encontra-se, x b (k + 1) ~ b (k + 1) = G bb [x b (k ) ~ b (k )] + K e G ab [~ b (k ) x b (k )] x x x Que se reduz a, e(k + 1) = G bb e(k ) K e G ab e(k ) = (G bb K e G ab )e(k ) Portanto, a equao caracterstica do erro do observador de ordem mnima ou de ordem reduzida dada por, zI G bb + K e G ab = 0 Assim, o projeto do observador de ordem reduzida feito escolhendo os plos desejados para a equao acima, utilizando a frmula de Ackerman, conforme,
Rearranjando, x b (k + 1) ~ b (k + 1) = G bb [x b (k ) ~ b (k )] + K e G ab ~ b (k ) x x x
99
0 0 M 1
Figura 7.11: Diagrama de blocos do controlador de estado e do observador de ordem mnima ou de ordem reduzida
Exemplo 7.5: Supondo o seguinte sistema, x (k + 1) = Gx (k ) + Hu (k ) ~ (k ) = Cx (k ) y Com, 1 0.2 0.02 G= , H = 0.2 e C = [1 0] 0 1 Projetar um controlador de estado para que os plos do sistema em malha fechada sejam estabelecidos em Z1,2 = 0.6 j0.4 Assumir que apenas o primeiro estado x1(k) pode ser medido. Projetar um observador de ordem mnima para que o erro do observador seja do tipo Dead-Beat. Determinar a Funo de Transferncia de realimentao do sistema de controle.
Soluo: Iniciando pela verificao da observabilidade e controlabilidade do sistema, 0.02 1 0.2 0.02 0.02 0.6 [H GH] = 0 .2 0 1 0 .2 = 0 .2 0 .2
100
1 1 0 1 1 1 G T C T = = 0 0.2 1 0 0 0.2 Novo polinmio caracterstico para a realimentao de estado, (z ) = (z 0.6 j0.4 )(z 0.6 + j0.4) = z 2 1.2z + 0.52 Frmula de Ackermann para a realimentao de estado, 1 K = [0 1][H GH ] (G ) =
[C
1 2 0.02 0.6 1 0.2 1 0.2 1 0 = [0 1] 0 1 1.20 1 + 0.520 1 0.2 0.2 = [8 3.2] Desta forma, a lei de controle dada por, x (k ) y( k ) u (k ) = Kx (k ) = [8 3.2]~ 1 = [8 3.2]~ x 2 (k ) x 2 (k ) Para encontrar o observador de ordem mnima, deve-se separar o sistema segundo, G ab 1 0.2 G H a 0.02 G = aa = 0 1 e H = H = 0 .2 G ba G bb b Como o observador deve ter comportamento Dead-Beat, o polinmio caracterstico dado por6, (z ) = z = 0 Aplicando Ackermann para o ganho do observador de ordem mnima, 1 K e = (G bb )[G ab ] [1] = (1)(0.2) 1 (1) = 5 A equao de estado do observador de ordem mnima, ~ (k + 1) = (G bb K e G ab )(k ) + (H b K e H a )u (k )
+ [(G bb K e G ab )K e + G ba K e G aa ]y(k ) Substituindo os valores, ~ (k + 1) = (1 (5)(0.2) )(k ) + (0.2 (5)(0.02) )u (k ) + [(1 (5)(0.2) )5 + 0 (5)(1)]y(k ) = 0.1u (k ) 5 y(k ) S est faltando os estados no estimados dado por, ~ ~ ~ (k ) = K y(k ) + (k ) = 5y(k ) + (k ) x2 e E a equao da lei de controle, u (k ) = 8 y(k ) 3.2~ 2 (k ) x Estas ltimas trs equaes definem o sistema de controle. Combinando as duas ltimas, ~ u (k ) = 8y(k ) 3.2(5y(k ) + (k ) ) ~ = 24 y(k ) 3.2(k ) Se esta equao verdade, ~ u (k + 1) = 24 y(k + 1) 3.2(k + 1) Substituindo a equao do observador,
O polinmio caracterstico para dead beat deve ser da ordem a ser utilizada, como neste caso precisa-se estimar apenas um estado, o polinmio caracterstico apenas z.
101
u (k + 1) = 24 y(k + 1) 3.2(0.1u (k ) 5y(k ) ) u (k + 1) + 0.32u (k ) = 24 y(k + 1) + 16 y(k ) Para a funo de transferncia do controlador, aplica-se a transformada Z na equao anterior, zU(z) + 0.32U(z) = 24zY(z) + 16Y(z) Chegando a, U (z) 24z 16 = G D (z) = Y(z) z + 0.32 A funo de transferncia da planta, Y (z) 1 = C(zI G ) H + D = G P (z) = U(z) z 0 1 0.2 0.02 = [1 0] 0 z 0 1 0.2 0.02z + 0.02 = 2 z 2z + 1
0.02z+0.02 z2-2z+1 Scope Planta 24z-16 z+0.32 Controlador
1
Ko Step Gain
Figura 7.12: Diagrama de blocos do sistema em malha fechada A equao caracterstica do sistema em malha fechada, assumindo que a resposta seja C(z) e a referncia a ser seguida R(z), pode ser encontrada atravs do diagrama de blocos, Figura 7.12, dada por, K o G P (z) K 0.02z 2 + 0.0264z + 0.0064 C( z ) = = o R ( z ) 1 + G P ( z )G D ( z ) z 3 1.2z 2 + 0.52z Para que o sistema no tenha erro estacionrio, K 0.02z 2 + 0.0264z + 0.0064 1 = lim c(k ) = lim 1 z 1 C(z) = lim 1 z 1 o 3 2 k z 1 z 1 z 1.2z + 0.52z 1 z 1
) (
K o 0.0528 = 1 K o = 6.0606 0.32 Notar que a equao caracterstica do sistema em malha fechada dada por, z 2 1.2z + 0.52 z = 0 Representando os mesmos plos escolhidos para o fechamento da malha. =
Justificativa para a escolha dos plos do controlador em z1,2 = 0.6 j0.4. Os plos originais so z1,2 = 1, que so plos marginalmente estveis, porm, passando os plos escolhidos para tempo contnuo encontra-se s1,2 = - 0.327 j0.588, representando N = 0.6728 rad/s e fator de amortecimento = 0.486. Isto foi feito assumindo T = 1s.
102
Soluo: Passando o sistema para tempo discreto, precisa-se saber qual a freqncia natural do sistema, por anlise simples, verifica-se que ela de 10 rad/s, portanto a maior freqncia ser de 20 rad/s. Sendo assim, escolhe-se T = 0.05 s. Agora, discretizando o sistema, atravz de tabelas fcil verificar que, 1 s +1 1 1 e Ts 1 2 G (z) = Z s G (s) = 1 z Z 2s s 2 + 2s + 100 1 1 1 z s +1 1 99 = Z 2 + 1 2 2 1 z 2 s + 2s + 100 2 99 s + 2s + 100 Comparando com os items 16 e 17 da tabela de transformada, a = 1 e = 99 , ento, 1 e Ts 0.05923z + 0.05727 G (z) = Z s G (s) = z 2 1.672z + 0.9048 Transformando para matrizes de estado, utilizando a forma cannica observvel, pois a matriz C na forma unitria,
x 1 (k + 1) 0 0.9048 x 1 (k ) 0.05727 = + u (k ) x 2 (k + 1) 1 1.672 x 2 (k ) 0.05923 x (k ) y(k ) = [0 1] 1 x 2 (k ) Para os novos plos do sistema em tempo contnuo,
2 2 s1, 2 = n jd = 20 20 1 2 = 14.1421 j14.1421 2 Passando para tempo discreto, z 1, 2 = e sT = e ( 14.1421 j14.1421) 0.05) = 0.3749 j0.3203 Projetando o controle via realimentao de estado, matriz de controlabilidade, 0.05727 0 0.9048 0.05727 0.5727 0.0536 [H GH] = = 0.05923 1 1.672 0.05923 0.5923 0.1563 Novo polinmio caracterstico, (z) = (z 0.3749 + j0.3203)(z 0.3749 j0.3203) = z 2 + 1.672z 0.9048 Aplicando Ackerman,
103
K = [0 1][H GH ] (G ) =
1
Exemplo 7.7: Para o sistema acima, projetar um sistema de controle em realimentao utilizando um estimador tipo Dead Beat para o observador de estado de ordem reduzida.
Soluo: Observa-se que neste caso, a posio da matriz C est diferente da formulao proposta. Comparando as equaes do observador de ordem reduzida e a equao do sistema, observa-se que, G ba 0 0.9048 G H 0.05727 e H = b = G = bb = G ab G aa 1 1.672 H a 0.05923 Como o observador deve ter comportamento Dead-Beat, o polinmio caracterstico dado por, (z ) = z = 0 Aplicando Ackermann, 1 K e = (G bb )[G ab ] [1] = (0)(1) 1 (1) = 0 Significando que o observador de ordem reduzida no pode ser aplicado. Porm, a transformao para matrizes de estado no nica, aplicando a seguinte transformao, xn 1 (k ) 1 1 x 1 (k ) 1 1 T= xn (k ) = 0 1 x (k ) 2 0 1 2 O sistema fica, 1 xn 1 (k + 1) 1 1 0 0.9048 1 1 xn 1 (k ) 1 1 0.05727 u (k ) + = 1.672 0 1 xn 2 (k ) 0 1 0.05923 xn 2 (k + 1) 0 1 1
1 1 xn 1 (k ) y(k ) = [0 1] 0 1 xn 2 (k ) Chegando a, xn 1 (k + 1) 1 0.2328 xn 1 (k ) 0.1165 + = u (k ) xn 2 (k + 1) 1 0.672 xn 2 (k ) 0.05923
1
xn (k ) y(k ) = [0 1] 1 xn 2 (k ) A resposta do novo sistema e do sistema antigo exatamente a mesma, significando que os dois sistemas so os mesmos. Agora, aplicando o mtodo, 1 K e = (G bb )[G ab ] [1] = (1)(1) 1 (1) = 1 A equao de estado do observador de ordem mnima,
104
+ [(G bb K e G ab )K e + G ba K e G aa ]y(k ) Substituindo os valores, ~ (k + 1) = (1 (1)(1) )(k ) + (0.1165 (1)(0.05923) )u (k ) + [(1 (1)(1) )1 0.2328 (1)(0.672)]y(k ) = 0.0573u (k ) 0.9048 y(k ) S est faltando os estados no estimados dado por, ~ ~ ~n (k ) = K y(k ) + (k ) = y(k ) + (k ) x 1 e Neste ponto deve ser lembrado que o que est sendo estimado xn1(k) no x1(k) como necessrio para o controlador, porm da relao de transformao utilizada, 1 x 1 (k ) 1 1 xn 1 (k ) 1 1 xn1 (k ) 1 1 T= x (k ) = 0 1 xn (k ) = 0 1 xn (k ) 2 2 0 1 2 Significando que x2(k) = xn2(k), mas x1(k) = xn1(k)+xn2(k) = xn1(k)+x2(k), assim, a lei de controle fica, x ~n (k ) xn 2 (k ) u (k ) = Kx (k ) = [7.5878 8.2331] 1 xn 2 (k ) ~n (k ) x = [7.5878 0.6453] 1 xn 2 (k ) Estas ltimas trs equaes definem o sistema de controle. Combinando as duas ltimas, u (k ) = 7.5878~n 1 (k ) 0.6453xn 2 (k ) x ~ = 7.5878(y(k ) + (k ) ) 0.6453x (k )
~ = 8.2331y(k ) 7.5878(k ) Se esta equao verdade, ento, ~ u (k + 1) = 8.2331y(k + 1) 7.5878(k + 1) Substituindo a equao do observador, ~ u (k + 1) = 8.2331y(k + 1) 7.5878(k + 1)
2
~ (k + 1) = (G bb K e G ab )(k ) + (H b K e H a )u (k )
= 8.2331y(k + 1) 0.4348u (k ) + 6.8654 y(k ) Para a funo de transferncia do controlador, aplica-se a transformada Z na equao anterior, zU(z) + 0.4348U(z) = 8.2331zY(z) + 6.8654Y(z) Chegando a, U(z) 8.2331z 6.8654 G D (z) = = Y(z) z + 0.4348 A funo de transferncia da planta original, 0.05923z + 0.05727 G P (z) = 2 z 1.672z + 0.9048 A equao caracterstica do sistema em malha fechada, assumindo que a resposta seja C(z) e a referncia a ser seguida R(z), pode ser encontrada atravs de, K o G P (z) K o 0.05923z 2 + 0.08302z + 0.0249 C( z ) = = R (z) 1 + G P (z)G D (z) z 3 0.7494z 2 + 0.2428z + 0.0002473 Para que o sistema no tenha erro estacionrio,
105
Exemplo 7.8: Supondo o seguinte sistema, com T = 1s, x 1 (k + 1) 2.86 1.36 0.2 x 1 (k ) 1 x 2 (k + 1) = 3.86 1.36 0.2 x 2 (k ) + 1 u (k ) x (k + 1) 3.36 0.86 0.2 x (k ) 1 3 3
x 1 (k ) y(k ) = [1 0 0]x 2 (k ) x (k ) 3 a) Determinar se o sistema completamente observvel e controlvel; b) Implementar uma realimentao para posicionar os plos em, Z1,2 = 0.5 i0.5 e Z3 = 0.1 c) Implementar um estimador para os estados no estimados para que este apresente resposta deadbeat. Soluo: Iniciando pela controlabilidade e observabilidade, 0 0 1 1 1.7 1.73 2.86 1.36 0.2 H H H 2H H G C G C = H GH G 2 H = 1 2.7 3.43 e C 3.602 2.212 0.34 1 2.7 3.93
Portanto, sistema completamente controlvel e observvel. Para calcular o vetor de realimentao de estado, o novo polinmio caracterstico dado por, (z ) = z 3 1.1z 2 + 0.6z 0.05 Ento o vetor de realimentao de estado, K c = [0 0 1] H GH G 2 H (G ) = [1.16 0.66 0.1] Para a determinao do observador de ordem reduzida, deve-se fazer, [ 1.36 0.2] 2.86 1 G aa G ab e H = H b = 1 G= = 3.86 1.36 0.2 H G ba G bb 3.36 0.86 0.2 a 1 O polinmio para o observador deve ser deadbeat, ento, (z ) = z 2 O vetor de controle do observador, 1 G ab 0 1 K e = (G bb ) = G ab G bb 1 1 A equao de estado do observador de ordem mnima, ~ (k + 1) = (G bb K e G ab )(k ) + (H b K e H a )u (k )
1
106
Figura 7.13: Diagrama de blocos do sistema de controle com estimador de ordem mnima
Exemplo 7.9: Supondo o sistema apresentado no Exemplo 7.4, projetar um observador de estado de ordem mnima para os estados que no so medidos. Supor resposta DeadBeat para o observador, utilizando o mesmo controlador proposto no exemplo.
1 0 x 1 ( k ) 0 x 1 (k + 1) 0 0 1 x 2 ( k ) + 0 u ( k ) x 2 (k + 1) = 0 x (k + 1) 0.5 0.2 1.1 x (k ) 1 3 3 x 1 (k ) y(k ) = [0 1 0]x 2 (k ) x (k ) 3 Soluo: O primeiro passo verificar qual a sada que medida, no caso a sada x2(k). Ento necessrio reescreve o sistema na seguinte forma, 0 1 x 2 ( k ) 0 x 2 (k + 1) 0 0 0 x 1 ( k ) + 0 u ( k ) x 1 (k + 1) = 1 x (k + 1) 0.2 0.5 1.1 x (k ) 1 3 3 Nesta nova configurao,
x (k ) x a (k ) = x 2 (k ) ; x b (k ) = 1 x 3 (k )
107
0 1 0 G aa = 0 ; G ab = [0 1] ; G ba = ; G bb = 0.5 1.1 0.2 0 Ha = 0 ; Hb = 1 Ainda do Exemplo 7.4, o ganho do controlador, K c = [ 0.75 0.8 0.4] O ganho do observador de estado mnimo pode ser encontrado atravs da equao do erro dada por, e(k + 1) = (G bb K e G ab )e(k ) Como foi especificada resposta tipo deadbeat, ento, (z ) = z 2 Aplicando a frmula de ackerman, 1 G ab 0 0 K e = (G bb ) = G ab G bb 1 1.1 A construo do diagrama de blocos segue atravs das seguintes equaes, ~ ~ (k + 1) = (G bb K e G ab )(k ) + (H b K e H a )u (k )
+ [(G bb K e G ab )K e + G ba K e G aa ]y(k ) ~ = P1(k ) + P 2 y(k ) + P3u (k )
Substituindo os valores, ~ ~ (k + 1) = P1(k ) + P 2 y(k ) + P3u (k ) ~ ~ 0 1 (k ) 1 1 (k + 1) 0 0 ~ = (k ) + 0.2 y(k ) + 1 u (k ) ~ 2 (k + 1) 0.5 0 2 A segunda equao a ser utilizada, ~ ~ ~ (k ) = (k ) + K x (k ) = (k ) + K y(k ) xb e a e Substituindo os valores, ~ x ~1 (k ) 1 (k ) 0 ~ = ~ + y( k ) x 3 (k ) 2 (k ) 1.1 Finalmente a terceira equao, x x 1 (k ) ~ 1 (k ) u (k ) = K 0 r (k ) K c x 2 (k ) = K 0 r (k ) K c x 2 (k ) x (k ) ~ (k ) 3 x 3 Substituindo os valores,
x ~1 (k ) u (k ) = K 0 r (k ) [ 0.75 0.8 0.4]x 2 (k ) ~ (k ) x 3
Chegando a,
108
0.25
H* u
x(k+1)
1 z
x(k)
3
C* u Resposta Controlada
3 3
G* u
P2* u n(k)
Ke2* u
P3* u
n(k+1)
1 z
2 2 2
2 2
x~(k)
2
P1* u
Kc* u
Figura 7.14: Diagrama de blocos do sistema de controle com estimador de ordem mnima
x 1 (k + 1) 1 1 x 1 (k ) 1 + u (k ) = x 2 (k + 1) 0.5 0 x 2 (k ) 0.5 x (k + 1) y(k ) = [1 0] 1 x 2 (k + 1) a) Verificar se o sistema Controlvel; b) Projetar um sistema de controle via realimentao de estado para que os novos plos do sistema sejam posicionados em, z1, 2 = 0.15 j 0.3 c) Supondo uma entrada degrau r(k), calcular qual o ganho k0 para que no haja erro estacionrio;
Exerccio 7.2: (Prova 2007) Para o sistema do Exerccio 7.1, pede-se,
a) Verificar se o sistema Observvel; b) Projetar um observador de ordem completa para que este apresente resposta tipo DeadBeat; c) Colocar as equaes necessrias e desenhar o diagrama de blocos da planta observador de ordem completa realimentao de estado para uma resposta ao degrau unitrio;
Exerccio 7.3: (Prova 2007) Para o sistema abaixo, pede-se, 0.2 x 1 (k ) 1 x 1 (k + 1) 1 + u (k ) = x 2 (k + 1) 0.5 0.75 x 2 (k ) 0.5
x (k + 1) y(k ) = [1 0] 1 x 2 (k + 1)
109
a) Projetar um observador de ordem mnima para o estado que no medido, para que este apresente uma resposta tipo DeadBeat; b) Escrever as equaes necessrias e desenhar o diagrama de blocos planta observador de ordem mnima realimentao de estado supondo que o sistema seja um regulador.
Exerccio 7.4: (Exame 2007) Para o sistema abaixo pede-se,
x 1 (k + 1) 1 1 x 1 (k ) 1 = + u (k ) x 2 (k + 1) 2 0 x 2 (k ) 2 x (k + 1) y(k ) = [0 1] 1 x 2 (k + 1) a) Verificar se o sistema Controlvel e Observvel; b) Projetar um sistema de controle via realimentao de estado para que os novos plos do sistema sejam posicionados em, z 1, 2 = 0.5 j0.5 ; c) Projetar um observador de ordem reduzida para o estado que no medido, supor resposta deadbeat para o observador de ordem reduzida; d) Escrever as equaes necessrias e o diagrama de blocos para o conjunto sistema-controlador-observador de ordem reduzida supondo que o sistema de controle seja um Regulador.
110
Captulo 8
8 Projetos
Nesta parte, ser apresentada uma seqncia de projetos interessantes de sistemas mecnicos envolvendo sistemas de controle em tempo discreto. Para a implementao dos sistemas de controle, necessariamente dever ser seguido os seguintes passos, 1. Modelagem matemtica; onde o aluno dever assumir todas as condies necessrias para o equacionamento do sistema, tais como posio dos sensores e atuadores, se h atrito, linearizao, etc. 2. Equaes na forma de funo de transferncia e de Espao de Estados ambos em tempo contnuo e tempo discreto; onde o aluno dever optar por uma das formas para a transformao de tempo contnuo para tempo discreto. Alm disso, deve-se especificar qual o tempo de amostragem e explicar a sua escolha; 3. Apresentar o sistema em diagrama de blocos; nesta parte ser apresentado o diagrama de blocos contendo planta e sistema de controle separadamente, pode ser feita em Simulink; 4. Implementao do sistema de controle, explicando a sua escolha e detalhando o procedimento de clculo; 5. Apresentao dos resultados contendo distrbio e lei de controle;
111
Figura 8.1: Pndulo invertido. O problema est resolvido por realimentao de estado no Ogata, pgina 596. Implementar um controlador PID para que o desempenho do sistema controlado seja parecido com o j implementado.
112
Figura 8.2: Suspenso de de veculo. Para a implementao do sistema de controle, assumir que apenas a acelerao medida, mas verificar a acelerao e deslocamento da massa suspensa. O objetivo aqui manter a acelerao da massa suspensa igual a zero, portanto o sistema de controle um regulador. Distrbios da via a serem considerados a) Entrada degrau com 100 mm de altura; b) Entrada circunferncia de 150 mm de raio; Deve ser lembrado que os distrbios da via so relacionados com o tempo, simular para 40 km/h e 100 km/h.
113
Figura 8.3: Sistema de 3GDL para controle no colocado. Objeivo investiga sistemas de controle colocado e no colocado. Considerar que M1 = M2 = M3 = 0.5 Kg, K1 = K2 = K3 = 10 KN/m. Excitao um impulso dado na massa M3.
114
O aluno dever fazer uma implementao computacional exemplificando a utilizao de filtros digitais;
115
9 Referncias Bibliogrficas
K. Ogata. Discrete-Time Control Systems. 2nd Ed. Prentice Hall, 1994. G.F. Franklin, J.D. Powell, and M.L. Workman. Digital Control of Dynamic Systems. Addison-Wesley, 3rd Edition. 1998. C.H. Houpis, G.B. Lamont. Control Systems. Theory, Hardware, Software. 2nd Ed. McGraw-Hill, 1992. J.J. Distefano III, A. R. Stubberud. Schaums Outline of Theory and Problems of Feedback and Control Systems. 2nd Ed., Schaums Outline Series, McGraw-Hill. 1990.
116