Hamilton

Universidade Federal de Santa Catarina
Departamento de Engenharia Eltrica

e
Fundamentos de Controle - EEL7531
Notas de Aula - Parte Linear (Verso 5)
a
Hamilton Medeiros Silveira, D. Et.
10/06/2007
Sumrio
a
Prefcio
a
1 Modelos e Soluo no Espao de Estado

ca
c
1.1 Conceito de Sistema Linear . . . . . . . . . . . . . . . . . . . . .
1.2 Representao de um Sistema Linear por Equao Diferencial ou
ca
ca
a Diferena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
c
1.2.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Conceito de Varivel de Estado . . . . . . . . . . . . . . . . . . .
a
1.3.1 Primeiro Exemplo . . . . . . . . . . . . . . . . . . . . . .
1.3.2 Segundo Exemplo . . . . . . . . . . . . . . . . . . . . . .
1.4 Gerao de Variveis de Estado a Partir de Equaes Diferenciais
ca
a
co
ou a Diferena
c
Um Caso Particular . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . . . .
1.4.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Processo em Variveis de Estado
a
Caso Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . . . .
1.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.3 Exemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.4 Exemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6 Sistemas Lineares em Variveis de Estado . . . . . . . . . . . . .
a
1.7 Blocos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8 Perturbao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
ca
1.9 Perturbao em Variveis de Estado
ca
a
Caso Particular . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . . . .
1.9.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.10 Perturbao em Variveis de Estado
ca
a
Caso Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . . . .
1.10.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.11 Processo com Perturbao em Variveis de Estado . . . . . . . .
ca
a
1
1
2
2
2
3
5
6
7
7
9
10
10
10
11
12
13
15
15
16
16
16
17
17
17
17
ii
Sumrio
a
1.12
1.13
1.14
1.15
1.16
1.11.1 Caso Cont

nuo . . . . . . . . . . . . . . . . . . . . . . . .
1.11.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
Conexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
o
1.12.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . . . .
1.12.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.12.3 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Soluo Temporal . . . . . . . . . . . . . . . . . . . . . . . . . . .
ca
1.13.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . . . .
1.13.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
Determinao da Equao de Estado Discreta a Partir da Cont
ca
ca
nua
1.14.1 Modelo do BOZ-Processo . . . . . . . . . . . . . . . . . .
1.14.2 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.14.3 Modelo da Perturbao . . . . . . . . . . . . . . . . . . .
ca
Exerc
cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Respostas dos Exerc
cios . . . . . . . . . . . . . . . . . . . . . . .
2 Controlabilidade, Observabilidade e Estabilidade

2.1 Conceito de Controlabilidade . . . . . . . . . . . .
2.1.1 Caso Cont
nuo . . . . . . . . . . . . . . . .
2.1.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.2 Conceito de Observabilidade . . . . . . . . . . . . .
2.2.1 Caso Cont
nuo . . . . . . . . . . . . . . . .
2.2.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.3 Dom
nio Freqncia . . . . . . . . . . . . . . . . .
ue
2.3.1 Caso Cont
nuo . . . . . . . . . . . . . . . .
2.3.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.4 Estabilidade . . . . . . . . . . . . . . . . . . . . . .
2.4.1 Caso Cont
nuo . . . . . . . . . . . . . . . .
2.4.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.5 Teorema de Kalman . . . . . . . . . . . . . . . . .
2.5.1 Caso Cont
nuo . . . . . . . . . . . . . . . .
2.5.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.6 Transformao de Similaridade . . . . . . . . . . .
ca
2.6.1 Caso Cont
nuo . . . . . . . . . . . . . . . .
2.6.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.7 Forma Cannica de Controlabilidade . . . . . . . .
o
2.7.1 Caso Cont
nuo . . . . . . . . . . . . . . . .
2.7.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.8 Forma Cannica de Observabilidade . . . . . . . .
o
2.8.1 Caso Cont
nuo . . . . . . . . . . . . . . . .
2.8.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.9 Exemplo . . . . . . . . . . . . . . . . . . . . . . . .
2.10 Exerc
cios . . . . . . . . . . . . . . . . . . . . . . .
2.11 Respostas dos Exerc
cios . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
17
18
19
19
22
24
27
27
28
28
32
33
34
35
37
40
40
40
41
41
41
42
42
43
44
46
46
46
47
47
47
48
48
49
50
50
51
53
53
55
56
62
64
Sumrio
a
iii
3 Controle Modal e Observador de Estado - Estabilizador 1

3.1 Princ
pio de Controle Modal . . . . . . . . . . . . . . . . . . .
3.1.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . .
3.1.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . .
3.2 Projeto de Controle Modal . . . . . . . . . . . . . . . . . . .
3.2.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . .
3.2.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . .
3.3 Princ
pio de Observador de Estado . . . . . . . . . . . . . . .
3.3.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . .
3.3.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . .
3.4 Projeto de Observador de Estado . . . . . . . . . . . . . . . .
3.4.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . .
3.4.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . .
3.5 Controle Modal com Observador de Estado - Estabilizador . .
3.5.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . . .
3.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . .
3.6 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.7 Exerc
cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
cios . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
65
65
65
66
66
66
68
70
70
71
71
71
73
74
75
76
78
83
85
4 Controle Otimo e Filtro de Kalman - Estabilizador 2
4.1 Princ
pio de Controle Otimo . . . . . . . . . . . . . . . . . .
4.1.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . .
4.1.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .
4.2 Projeto de Controle Otimo . . . . . . . . . . . . . . . . . .

4.2.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . .
4.2.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .
4.2.3 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Princ
pio do Filtro de Kalman . . . . . . . . . . . . . . . . .
4.3.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . .
4.3.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .
4.4 Projeto do Filtro de Kalman . . . . . . . . . . . . . . . . .
4.4.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . .
4.4.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .
4.4.3 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . .
4.5 Controle Quadrtico com Filtro de Kalman - Estabilizador
a
4.5.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . .
4.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .
4.6 Exerc
cios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
cios . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
86
86
86
87
88
88
88
89
89
90
90
91
91
91
92
93
93
95
97
98
5 Seguimento Robusto
5.1 O sinal de Referncia e a Perturbao
e
ca
5.1.1 Caso Cont
nuo . . . . . . . . .
5.1.2 Caso Discreto . . . . . . . . . .
5.2 Princ
pio de Seguidor Robusto . . . .
.
.
.
.
.
.
.
.
99
. 99
. 99
. 100
. 101
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
iv
Sumrio
a
5.3
5.4
5.5
5.2.1 Caso Cont

nuo . . . .
5.2.2 Caso Discreto . . . . .
Projeto de Seguidor Robusto
5.3.1 Caso Cont
nuo . . . .
5.3.2 Caso Discreto . . . . .
5.3.3 Exemplo . . . . . . . .
Exerc
cios . . . . . . . . . . .
Respostas dos Exerc
cios . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
101
106
112
112
113
116
118
120
6 S
ntese de Sistemas Descritos por Equaes de Estado Cont
co
nuas122
6.1 Amplicador Operacional Ideal . . . . . . . . . . . . . . . . . . . 122
6.2 Somador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
6.3 Inversor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.4 Integrador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.5 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
6.6 Exerc
cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
cios . . . . . . . . . . . . . . . . . . . . . . . 130
Referncias Bibliogrcas
e
a
132
Prefcio
a
Estas Notas de Aula referem-se ` parte linear da Disciplina -EEL7531- Funa
damentos de Controle, recentemente criada no Departamento de Engenharia
Eltrica da Universidade Federal de Santa Catarina com o objetivo de come
plementar os conhecimentos na rea de controle, introduzidos pela Disciplina
a
-EEL7063- Sistemas de Controle.
Procurou-se objetivamente dar os conceitos m
nimos para o completo entendimento do problema de seguimento robusto de processos submetidos a uma
perturbao determin
ca
stica.
Estas Notas cobrem simultaneamente tanto os controladores cont
nuos, quanto
os discretos; sendo os processos e controladores descritos pela moderna abordagem de variveis de estado.
a
Cap
tulo 1
Modelos e Soluo no
ca
Espao de Estado
c
O principal objetivo deste cap
tulo mostrar como se descreve um sistema
e
dinmico, que esteja na forma de equaes diferenciais (caso cont
a
co
nuo) ou a diferenas (caso discreto), por variveis de estado. Dois esquemas sero abordados
c
a
a
para este efeito: descrio na Forma Cannica de Controlabilidade (Primeiro
ca
o
Esquema); e descrio na Forma Cannica de Observabilidade (Segundo Esca
o
quema). Alm destes assuntos, discutiremos, tambm, as conexes em cascata,
e
e
o
paralelo e realimentao; bem como soluo temporal e discretizao.
ca
ca
ca
1.1
Conceito de Sistema Linear
Sejam u e y, respectivamente a entrada e a sa do sistema abaixo.

da
SL
Figura 1.1: Sistema Linear (SL).

Sejam u, u1 e u2 sinais de entrada de SL, e y, y1 e y2 as respectivas sa
das.
O sistema SL linear se e somente se
e
1. (Proporcionalidade) a sa ky corresponde ` entrada ku, onde k um
da
a
e
nmero inteiro; e
u
2. (Superposio) a sa y1 + y2 corresponde ` entrada u1 + u2 .
ca
da
a
1
Notas de Aula
Estas duas propriedades esto sumarizadas na Figura 1.2.
a
SL
u1
SL
ku
y1
u1 + u2
u2
SL
SL
SL
ky
y1 + y2
y2
Figura 1.2: Leis de Proporcionalidade e Superposio.

ca
1.2
Representao de um Sistema Linear por

ca
Equao Diferencial ou a Diferena
ca
c
1.2.1
Caso Cont
nuo
Um sistema cont
nuo de ordem n, onde u(t) e y(t) so respectivamente a entrada
a
e a sa
da, pode ser descrito pela equao diferencial
ca
dn
y(t)
dtn
dn1
y(t) + + an y(t)
dtn1
dn
dn1
+d n u(t) + (b1 da1 ) n1 u(t) + + (bn dan )u(t),
dt
dt
= a1
que pode ser reescrita na forma do operador p, onde pn = dn /dtn ,

pn y(t)
= a1 pn1 y(t) + + an y(t)

+dpn u(t) + (b1 da1 )pn1 u(t) + + (bn dan )u(t),
ou em Transformada de Laplace
sn y(s)
1.2.2
= a1 sn1 y(s) + + an y(s)

+dsn u(s) + (b1 da1 )sn1 u(s) + + (bn dan )u(s).
Caso Discreto
Seja T , o per
odo de amostragem.
Um sistema discreto ou amostrado no per
odo T , pode ser descrito pela seguinte
Modelos e Soluo no Espao de Estado

ca
c
equao de diferena, onde u e y so respectivamente a entrada e a sa

ca
c
a
da
y((k + n)T )
= a1 y((k + n 1)T ) + + an y(kT )

+du((k + n)T ) + (b1 da1 )u((k + n 1)T ) + + (bn dan )u(kT ),
onde se denota por simplicidade

y(k + n)
= a1 y(k + n 1) + + an y(k)
+du(k + n) + (b1 da1 )u(k + n 1) + + (bn dan )u(k).
Alternativamente, pode-se escrever na forma do operador q, onde q n y(k) =

y(k + n),
q n y(k) = a1 q n1 y(k) + + an y(k)
+dq n u(k) + (b1 da1 )q n1 u(k) + + (bn dan )u(k),
ou em Transformada de Z
z n y(z) =
1.3
a1 z n1 y(z) + + an y(z)
+dz n u(z) + (b1 da1 )z n1 u(z) + + (bn dan )u(z).
Conceito de Varivel de Estado

a
Vimos que um sistema linear pode ser representado por equaes diferenciais ou
co
a diferena. Alternativamente, um sistema descrito por equaes diferenciais de
c
co
ordem n, ou a diferena, pode ser descrito por um conjunto de n equaes de
c
co
primeira ordem, denominadas de Equaes de Estado, juntamente com outro
co
`
conjunto de m equaoes, denominadas de Equaes de Sa
c
co
da. As equaes de
co
estado, est associado um vetor, denominado Vetor de Estado. As componentes
a
deste vetor so chamadas de Variveis de Estado. Neste curso, daremos nfase
a
a
e
a
` descrio de sistemas lineares por variveis de estado.
ca
a
Apesar dos processos, em geral, poderem ter m sa
das e r entradas, sero
a
abordados neste curso apenas processos com uma unica sa e com uma unica
da
entrada, ou seja, neste curso, m e r sempre sero iguais a 1. Sistemas com uma
a
entrada e uma sa so denominados de monovariveis ou do tipo SISO (Single
da a
a
input - Single Output).
A descrio de um sistema monovarivel de ordem n descrito por n equaes
ca
a
e
co
diferenciais ou a diferena de primeira ordem e uma equao de sa
c
ca
da.
Um sistema cont
nuo de terceira ordem, com entrada u e sa y, seria assim
da
descrito:
x1
= f1 (x1 , x2 , x3 , u)
x2
x3
= f2 (x1 , x2 , x3 , u)
= f3 (x1 , x2 , x3 , u)
= f (x1 , x2 , x3 , u).
Notas de Aula
As trs primeiras equaes so equaes diferenciais de primeira ordem e

e
co
a
co
representam as Equaes de Estado. A ultima equao representa a Equao
co
ca
ca
de Sa
da. As variveis x1 , x2 e x3 so as Variveis de Estado.
a
a
a
Observe que as equaes de estado e a equao de sa so funes das
co
ca
da a
co
variveis de estado x1 , x2 e de x3 , e de u, que a entrada.
a
e
O Vetor de Estado para este caso seria:

x1
x = x2 .
x3
Um sistema discreto de terceira ordem, com entrada u(k) e sa y(k), seria
da
assim descrito:
x1 (k + 1) =
x2 (k + 1) =
x3 (k + 1) =
f1 (x1 (k), x2 (k), x3 (k), u(k))

f2 (x1 (k), x2 (k), x3 (k), u(k))
f3 (x1 (k), x2 (k), x3 (k), u(k))
y(k) =
f (x1 (k), x2 (k), x3 (k), u(k)).
As trs primeiras equaes so equaes a diferena de primeira ordem e

e
co
a
co
c
representam as Equaes de Estado. A ultima equao representa a Equao
co
ca
ca
de Sa
da. As variveis x1 (k), x2 (k) e x3 (k) so as Variveis de Estado.
a
a
a
Observe que as equaes de estado e a equao de sa so funes das
co
ca
da a
co
variveis de estado x1 (k), x2 (k) e de x3 (k), e de u(k), que a entrada.
a
e
O Vetor de Estado para este caso seria:
x1 (k)
x(k) = x2 (k) .
x3 (k)
Sistemas lineares eltricos e mecnicos podem ser descritos diretamente em
e
a
variveis de estado. Para ilustrar este fato, daremos dois exemplos: um eltrico;
a
e
e, outro mecnico.
a
Geralmente, em sistemas eltricos, escolhe-se como variveis de estado core
a
rente de indutores e tenso de capacitores. Fontes de tenso ou de corrente so
a
a
a
escolhidas como entrada. Qualquer sinal de tenso, corrente ou suas derivadas
a
pode ser a sa
da. No caso mais geral, qualquer combinao linear destes sinais
ca
pode ser a sa
da.
Em sistemas mecnicos, escolhe-se como variveis de estado posies e vea
a
co
locidades. Foras ou torques externos so escolhidos como entrada. Qualquer
c
a
sinal de velocidade, acelerao ou posio pode ser a sa
ca
ca
da. No caso mais geral,
qualquer combinao linear destes sinais pode ser a sa
ca
da.

ca
c
il
ic
vl
vc
Figura 1.3: Circuito R-L-C.
1.3.1
Primeiro Exemplo
Seja o circuito da Figura 1.3:

Podemos escrever as seguintes equaes
co
i
= ic + il
dvc
= C
dt
= vl + vr
dil
= L
dt
= Ril .
ic
vc
vl
vr
Das equaes acima, podemos escrever

co
dvc
dt
dil
L
dt
vr
= il + i
= vc Ril
= Ril .
Denindo-se as componentes do vetor de estado por

x1
x2
= vc
= il ,
e a entrada u e a sa y por
da
u =
y =
podemos escrever
vr
i
vr ,
Notas de Aula
dx1
dt
dx2
dt
y
1
1
x2 + u
C
C
1
R
x1 x2
L
L
Rx2 ,
=
=
o que permite escrever nalmente

x1
x2
1
C
R
L
1
L
1
x1
+ C u
x2
0
x1
.
x2
Denindo-se o vetor de estado por

x=
x1
,
x2
podemos escrever nalmente que

x
1.3.2
=
=
1
L
1
1
C
C u
R x+
0
L
R x.
Segundo Exemplo
Considere o esquema mecnico da Figura 1.4.

a
x
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
K
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
f
M
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
B
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
Figura 1.4: Sistema Amortecedor-Massa-Mola.
Pelo Princ
pio de D Alembert, podemos escrever
f
dx2
dx
+B
+ Kx
2
dt
dt
dv
+ Bv + Kx,
M
dt
M

ca
c
onde v a velocidade e x a posio.

e
e
ca
Denindo como variveis de estado a velocidade e a posio
a
ca
x1
x2
=
=
v
x,
u =
y =
f
v,
e a entrada u e a sa y por
da
podemos escrever
B
K
1
x1
x2 +
u
M
M
M
x1
x2
=
=
x1
x1 .
Denindo-se o vetor de estado por

x=
x1
,
x2
podemos escrever nalmente que
x =
1.4
1.4.1
B
M
1
1
M
1 0 x.
K
M
0
x1
+
x2
Gerao de Variveis de Estado a Partir de

ca
a
Equaoes Diferenciais ou a Diferena
c
c
Um Caso Particular
Caso Cont
nuo
Seja o sistema, onde u e y so respectivamente a entrada e a sa

a
da
y = a1 y + a2 y + u.
Este sistema pode ser descrito por duas variveis de estado em dois esquea
mas padres que sero apresentados a seguir:
o
a
Notas de Aula
Primeiro Esquema
Denindo-se
x1
x2
=
=
y,
pode-se escrever
x1
x2
=
=
=
a1 x1 + a2 x2 + u
x1
x2 ,
e em forma matricial,
x1
x2
=
y
a1
1
a2
0
x1
x2
x1
x2
O vetor
1
0
0
1
x1
x2
x=
chamado de vetor de estado.
e
Segundo Esquema
Denindo-se
x1
x2
=
=
y
a2 y + u,
pode-se escrever
x1
=
=
=
a1 y + a2 y + u
a1 x1 + x2 ,
o que permite escrever

x1
x2
=
=
=
a1 x1 + x2
a2 x 1 + u
x1 ,
a1
a2
1
0
1 0
e em forma matricial,
x1
x2
x1
x2
x1
x2

ca
c
1.4.2
Caso Discreto
Seja o sistema descrito pela seguinte equao de diferena, onde u(k) e y(k) so
ca
c
a
respectivamente a entrada e a sa
da
y(k + 2) = a1 y(k + 1) + a2 y(k) + u(k).
Este sistema pode ser descrito por duas variveis de estado nos dois esquea
mas padres que ser`o apresentados a seguir:
o
a
Primeiro Esquema
Denindo-se
x1 (k)
= y(k + 1)
x2 (k)
= y(k),
pode-se escrever
=
x1 (k + 1)
x2 (k + 1)
y
a1
1
x1 (k)
x2 (k)
a2
0
x1 (k)
x2 (k)
1
0
O vetor
x(k) =
x1 (k)
x2 (k)
o vetor de estado.
e
Segundo Esquema
Denindo-se
x1 (k) =
x2 (k + 1) =
y(k)
a2 y(k) + u(k),
pode-se escrever em forma matricial,

x1 (k + 1)
x2 (k + 1)
y(k) =
a1
a2
1 0
1
0
x1 (k)
x2 (k)
x1 (k)
x2 (k)
+
.
0
1
u(k)
10
Notas de Aula
1.5
1.5.1
Processo em Variveis de Estado

a
Caso Geral
Caso Cont
nuo
Seja um sistema de ordem n, representado pela funo de transferncia

ca
e
f (s) =
dsn + (b1 da1 )sn1 + + (bn dan )

.
sn a1 sn1 an
Este sistema pode ser escrito na forma

f (s) = d +
b1 sn1 + b2 sn2 + + bn
.
sn a1 sn1 an
A Forma Cannica de Controlabilidade

o
a1
a2
x =
In1
e
an
0
.
.
.
x +
0
y
b1
b2
bn
1 0
onde x o vetor de estado

e
x=
x1
x2
.
.
.
x +
x + du,
e a Forma Cannica de Observabilidade

o
e
a1
a2
In1
x = .
.
.
an
1
0
.
.
.
b1
b2
.
.
.
bn
x + du,
xn
1.5.2
Caso Discreto
Seja um sistema de ordem n, representado pela funo de transferncia

ca
e
f (z) =
dz n + (b1 da1 )z n1 + + (bn dan )

.
z n a1 z n1 an
Este sistema pode ser escrito na forma

f (z) = d +
b1 z n1 + b2 z n2 + + bn
.
z n a1 z n1 an

ca
c
11
A Forma Cannica de Controlabilidade

o
e
a1
a2
an
x(k + 1) =
. x(k) +
.
.
In1
0
y(k) =
b1
b2
bn
y(k) =
1 0
x(k) +
x(k) =
x(k) + du(k),
x1 (k)
x2 (k)
.
.
.
xn (k)
1.5.3
Exemplo 1
Encontrar a forma cannica de controlabilidade de

o
G(s) =
s3
5s2
.
+ 2s + 1
Soluo:
ca
Podemos escrever que:
a1
a2
= 0
= 2
a3
= 1
b1
b2
= 5
= 0
b3
d
De
u(k)
= 0
= 0.
b1
b2
.
.
.
bn
onde x(k) o vetor de estado

e
0
0
x(k) + du(k),
e a Forma Cannica de Observabilidade

o
e
a1
a2
In1
x(k + 1) = .
.
.
an
1
0
.
.
.
u(k)
12
Notas de Aula
x =
a1
a2
In1
an
0
.
.
.
x +
1
0
.
.
.
b1
b2

x1
x2 =
x3
0
1
0

1 x1
1
0 x2 + 0 u
0
0
x3

x1
0 0 x2 .
x3
bn
x + du,
resulta
1.5.4
2
0
1
Exemplo 2
Encontrar a forma cannica de observabilidade de

o
y(k + 2) = 0, 6y(k + 1) 0.2y(k) + 2u(k + 2) + 1, 7u(k + 1) + 1, 2u(k)
Soluo:
ca
A funo de transferncia
ca
e
e
f (z) =
2z 2 + 1, 7z + 1, 2
z 2 + 0, 6z + 0, 2
De
f (z) =
dz n + (b1 da1 )z n1 + + (bn dan )

,
z n a1 z n1 an
podemos escrever que:

a1
a2
= 0, 6
= 0, 2
d
b1 da1
b2 da2
Deduz-se que
= 2
= 1, 7
= 1, 2.

ca
c
b1
b2
13
= 0, 5
= 0, 8.
De
x(k + 1)
an
1 0
y(k) =
a1
a2
.
.
.
x(k) +
In1
0
0
0
b1
b2
.
.
.
u(k)
bn
x(k) + du(k),
resulta a forma cannica de observabilidade

o
x(k + 1)
0, 6
0, 2
y(k)
1.6
1
0, 5
x(k) +
u(k)
0
0, 8
1 0 x(k) + 2u(k)
Sistemas Lineares em Variveis de Estado

a
Vimos que um mesmo processo linear pode ser representado de diversas maneiras
em variveis de estado.
a
Genericamente um sistema cont
nuo ser representado aqui pelas equaes
a
co
de estado e de sa
da
x =
y =
onde x o vetor de estado
e
Fx + Gu
Hx + Ju,
x=
x1
x2
.
.
.
xn
a matriz F de dimenso [n n], a matriz G de dimenso [n 1], a matriz
e
a
e
a
H de dimenso [1 n] e J um escalar.
e
a
e
Um sistema amostrado ser representado aqui pelas equaes de estado e de
a
co
sa
da
x(k + 1)
y
= x(k) + u(k)
= Hx(k) + Ju(k),
14
Notas de Aula
onde x(k) o vetor de estado

e
x(k) =
x1 (k)
x2 (k)
.
.
.
xn (k)
a matriz de dimenso [n n], a matriz de dimenso [n 1], a matriz
e
a
e
a
H de dimenso [1 n] e J um escalar.
e
a
e
y(k)
F
Figura 1.5: Bloco de Sistema Cont
nuo.
J
x(k)
x(k + 1)
u(k)
q 1
+
+
Figura 1.6: Bloco de Sistema Amostrado.

ca
c
1.7
15
Blocos
O sistema cont
nuo
x =
y =
Fx + Gu
Hx + Ju,
pode ser representado em um diagrama de blocos conforme Figura 1.5.

O sistema amostrado
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
pode ser representado em um diagrama de blocos conforme Figura 1.6.
1.8
Perturbao
ca
Perturbao um sinal no mensurvel associado ` sa do processo.

ca e
a
a
a da
Dois tipos de perturbao aparecem em sistemas de controle:
ca
1. estocstica - que um ru agregado ` sa do processo. Ru
a
e
do
a da
dos no
a
so modelados, porm, conhece-se a mdia, varincia e outros parmetros
a
e
e
a
a
denominados momentos; e
2. determin
stica - que pode ser modelada por uma equao diferencial ou
ca
a diferena do tipo homognea. Abordaremos, agora, a modelagem deste
c
e
tipo de perturbao.
ca
A Figura 1.7 mostra como aparece uma perturbao W na sa de um
ca
da
processo.
W
yf
PROCESSO
Figura 1.7: Processo com Perturbao.

ca
Podemos identicar os seguintes sinais:
1. u - sinal de comando;
2. yf - sa do processo sem perturbao (ltrada). Este sinal no menda
ca
e a
survel;
a
16
Notas de Aula
3. W - perturbao no mensurvel; e
ca a
a
4. y - sa mensurvel do processo.
da
a
1.9
1.9.1
Perturbao em Variveis de Estado

ca
a
Caso Particular
Caso Cont
nuo
Seja a perturbao determin

ca
stica
W (t) = sen(wt)
Mas,
W (t) =
W (t) =
wcos(wt)
w2 sen(wt)
w2 W (t)
podemos modelar pelo segundo esquema
xp
0
w2
1
0
1.9.2
=
=
xp .
xp
Caso Discreto
Seja a perturbao determin

ca
stica
W (kT ) = A + B(kT )
Mas,
W ((k + 1)T )
W ((k + 2)T )
=
=
=
=
A + B((k + 1)T )
A + B((k + 2)T )
2(A + B((k + 1)T ) A B(kT )
2W ((k + 1)T ) W (kT ).
Assim
W (k + 2)) = 2W (k + 1) W (k).
Podemos modelar pelo segundo esquema
xp (k + 1)
2 1
1 0
W (k)
xp (k)
xp (k).

ca
c
17
1.10
Perturbao em Variveis de Estado

ca
a
Caso Geral
1.10.1
Caso Cont
nuo
Seja a perturbao cont

ca
nua de ordem n, descrita pela equao diferencial
ca
pn W (t) = a1 pn1 W (t) + + an W (t).
A Forma Cannica de Observabilidade
o
e
a1
a2
In1
xp = .
.
.
an
W
1.10.2
1 0
xp
0
0
xp .
Caso Discreto
Seja a perturbao discreta descrita pela seguinte equao a diferena,

ca
ca
c
W (k + n) = a1 W (k + n 1) + + an W (k)
.
A Forma Cannica de Observabilidade
o
e
a1
a2
In1
xp (k + 1) = .
.
.
an
W (k)
0
0
xp (k)
xp (k).
1.11
Processo com Perturbao em Variveis de

ca
a
Estado
1.11.1
Caso Cont
nuo
Considere Figura 1.8, onde a perturbao est modelada por um sistema de

ca
a
ordem np e o processo de ordem nf .
e
Podemos escrever
xf
= Ff xf + Gf u
yf
xp
= Hf xf + J f u
= Fp x p
W
y
= Hp xp
= yf + W,
18
Notas de Aula
xp = Fp xp
W = Hp xp
yf
xf = Ff xf + Gf u
yf = Hf xf + Jf u
ca
o que permite escrever a perturbao e o processo, em forma matricial, num
ca
unico sistema de ordem nf + np , descrito por
xf
xp
=
y
Ff
0
0
Fp
xf
xp
Gf
0
Hf
Hp
xf
xp
+ Jf u.
Dentro da denio de uma matriz , usaremos a notao 0 para representar

ca
ca
uma matriz ou vetor com todos os elementos iguais a 0. A dimenso varivel
a e
a
e se adequa a sua posio dentro da matriz. Assim, 0 ` direita de Ff tem nf
ca
a
linhas e np colunas; e, 0 abaixo de Gf tem 1 coluna e np linhas.
1.11.2
Caso Discreto
ca
a
Considere a Figura 1.9, onde a perturbao est modelada por um sistema de
ordem np e o processo de ordem nf .
e
Podemos escrever que
xf (k + 1)
f xf (k) + f u(k)
yf (k) =
xp (k + 1) =
Hf xf (k) + Jf u(k)
p xp (k)
W (k) =
y(k) =
Hp xp (k)
yf (k) + W (k),

ca
c
19
W (k)
xp (k + 1) = p xp (k)
W (k) = Hp xp (k)
yf (k)
y(k)
xf (k + 1) = f xf (k) + f u(k)
u(k)
yf (k) = Hf xf (k) + Jf u(k)

ca
o que permite escrever a perturbao e o processo, em forma matricial, num
ca
unico sistema de ordem nf + np , descrito por
xf (k + 1)
xp (k + 1)
y(k)
f
0
0
p
xf (k)
xp (k)
Hf
Hp
xf (k)
xp (k)
+ Jf u(k).
1.12
Conexes
o
1.12.1
f
0
Caso Cont
nuo
Conexo em Paralelo
a
Considere a conexo em paralelo apresentada na Figura 1.10
a
O sistema A, de ordem na , descrito por
e
xa
ya
=
=
Fa x a + G a u
Ha xa + Ja u,
e o sistema B, de ordem nb , descrito por

e
xb
yb
=
=
Fb xb + Gb u
Hb xb + Jb u.

y
ya + yb ,
u(k)
20
Notas de Aula
ya
xa = Fa xa + Ga u
ya = Ha xa + Ja u
yb
+
xb = Fb xb + Gb u
yb = Hb xb + Jb u
a
Figura 1.10: Conexo em Paralelo.
o que permite escrever a conexo em paralelo, em forma matricial, num unico
a
sistema de ordem na + nb , descrito por
xa
xb
Ga
Gb
=
y
Fa
0
0
Fb
xa
xb
Ha
Hb
xa
xb
+ (Ja + Jb )u.
Conexo em Cascata
a
Considere a conexo em cascata apresentada na Figura 1.11
a
ya
xa = Fa xa + Ga u
xb = Fb xb + Gb ya
ya = Ha xa + Ja u
y = Hb xb + Jb ya
Figura 1.11: Conexo em Cascata.

a
e
xa
ya
= Fa xa + Ga u
= Ha xa + Ja u,

ca
c
21
e um sistema B, de ordem nb , descrito por
xb
y
=
=
Fb xb + Gb ya
Hb xb + Jb ya .
Podemos escrever a conexo em cascata, em forma matricial, num unico

a
xa
xb
=
y
Fa
Gb Ha
0
Fb
Jb Ha
xa
xb
xa
xb
Hb
Ga
Gb Ja
+ Jb Ja u.
Conexo em Realimentao
a
ca
Considere a conexo em realimentao apresentada na Figura 1.12
a
ca
y
u
x = Fx + G
y = Hx + J
a
ca
Figura 1.12: Conexo em Realimentao.
O sistema dinmico, de ordem n, descrito por
a
e
x =
y =
Fx + G
Hx + J .

=
u y.
Assim, a equao de sa pode ser reescrita

ca
da
y
(1 + J)y
y
= Hx + J(u y)
= Hx + Ju
= (1 + J)1 Hx + (1 + J)1 Ju.
22
Notas de Aula
Para encontrar a equao de estado precisamos encontrar u y em funo de x

ca
ca
eu
y
uy
(1 + J)(u y)
(1 + J)(u y)
uy
=
=
=
=
=
(1 + J)1 Hx + (1 + J)1 Ju
u (1 + J)1 Hx (1 + J)1 Ju
(1 + J)u Hx Ju
u Hx = Hx + u
(1 + J)1 Hx + (1 + J)1 u,
o que permite escrever a conexo em realimentao, em forma matricial, num

a
ca
unico sistema de ordem n, descrito por
[F G(1 + J)1 H]x + G(1 + J)1 u

(1 + J)1 Hx + (1 + J)1 Ju.
x =
y =
1.12.2
Caso Discreto
Conexo em Paralelo
a
Considere a conexo em paralelo apresentada na Figura 1.13.
a
ya (k)
xa (k + 1) = a xa (k) + a u(k)
u(k)
y(k)
ya (k) = Ha xa (k) + Ja u(k)
yb (k)
xb (k + 1) = b xb (k) + b u(k)
yb (k) = Hb xb (k) + Jb u(k)
Figura 1.13: Conexo em Paralelo.

a
e
xa (k + 1) =
ya (k) =
a xa (k) + a u(k)
Ha xa (k) + Ja u(k),
e um sistema B, de ordem nb , descrito por

e
xb (k + 1) = b xb (k) + b u(k)
yb (k) = Hb xb (k) + Jb u(k).

ca
c
23

y(k) =
ya (k) + yb (k),
o que permite escrever a conexo em paralelo, em forma matricial, num unico

a

xa (k + 1)
xb (k + 1)
a
0
0
b
xa (k)
xb (k)
a
b
y(k) =
Ha
Hb
xa (k)
xb (k)
+ (Ja + Jb )u(k).
u(k)
Conexo em Cascata
a
Considere a conexo em cascata apresentada na Figura 1.14.
a
y(k)
ya (k)
u(k)
xa (k + 1) = a xa (k) + a u(k)
xb (k + 1) = b xb (k) + b ya (k)
ya (k) = Ha xa (k) + Ja u(k)
y(k) = Hb xb (k) + Jb ya (k)
Figura 1.14: Conexo em Cascata.

a
e
xa (k + 1) = a xa (k) + a u(k)
ya (k) = Ha xa (k) + Ja u(k),
e o B, de ordem nb , descrito por
e
xb (k + 1) = b xb (k) + b ya (k)
y(k) = Hb xb (k) + Jb ya (k).

Podemos escrever a conexo em cascata, em forma matricial, num unico
a

xa (k + 1)
xb (k + 1)
a
b H a
0
b
xa (k)
xb (k)
y(k) =
Jb Ha
Hb
xa (k)
xb (k)
+ Jb Ja u(k).
a
b Ja
u(k)
24
Notas de Aula
y(k)
(k)
u(k)
x(k + 1) = x(k) + (k)

y(k) = Hx(k) + J (k)
Figura 1.15: Conexo em Realimentao.

a
ca
Conexo em Realimentao
a
ca
Considere a conexo em realimentao apresentada na Figura 1.15.
a
ca
O sistema dinmico, de ordem n, descrito por
a
x(k + 1) = x(k) + (k)
y(k) = Hx(k) + J (k).
(k)
= u(k) y(k).
Assim, de maneira similar ao caso cont

nuo, podemos escrever a conexo em
a
realimentao, em forma matricial, num unico sistema de ordem n, descrito por
ca
x(k + 1) = [ (1 + J)1 H]x(k) + (1 + J)1 u(k)

y(k) = (1 + J)1 Hx(k) + (1 + J)1 Ju(k).
1.12.3
Exemplo
Seja o sistema da Figura 1.16 onde a funo de transferncia do controlador

ca
e
e
C(s) =
0, 8
,
s
a funo de transferncia do processo

ca
e
e
P (s) =
2
,
s2 + 6s + 8
e a perturbao
ca e
W (t) = 1.

ca
c
25
W
yf
u
CONTROLADOR
PROCESSO
Figura 1.16: Exemplo de Conexes.

o
Encontrar:
a) A forma cannica de controlabilidade do controlador;
o
b) A forma cannica de controlabilidade do processo;
o
c) A descrio em variveis de estado da perturbao;
ca
a
ca
d) A conexo em cascata do controlador-processo; e
a
e) A descrio em variveis de estado do controlador-processo-perturbao.
ca
a
ca
Soluo:
ca
a) Da funo de transferncia de C(s) podemos tirar que
ca
e
a1 =
d =
b1 =
0
0
0, 8.
A forma cannica de controlabilidade do controlador

o
e
xa =
u = 0, 8xa .
b) Da funo de transferncia de P (s) podemos tirar que
ca
e
a1
a2
d
b1
b2
=
=
=
=
6
8
0
0
= 2.
A forma cannica de controlabilidade do processo

o
e
xb
6
1
8
1
xb +
u
0
0
yf
0 2 xa .
26
Notas de Aula
c) O sinal W (t) satisfaz
dW
= 0.
dt
Assim,
a1 = 0.
A perturbao ento modelada por
ca e
a
xp
W
= 0
= xp .
Fa
Ga
Ha
Ja
=
=
=
=
d)Do controlador
0
1
0, 8
0.
Do processo
Fb
6
1
Gb
1
0
Hb
Jb
= 0
= 0.
8
0
Podemos escrever
Gb Ha
1
0, 8
0, 8 =
0
0
Gb Ja
1
0
0=
0
0
Ja Hb
Jb Ja
= 0.
Assim
xa
xb
=
yf
Fa
Gb Ha
Jb Ha
0
Fb
Hb
xa
xb
xa
xb
Ga
Gb Ja
+ Jb Ja ,
(1.1)

ca
c
27
gera
xf
0
= 0, 8
0
yf

0
1
8 xf + 0
0
0
0
6
1
2 xf .
e) podemos escrever que
0
0, 8
0

1
0
0
0
8
0
0
6
1
Ff
Gf
Hf
Jf
Fp
Hp
= 0
= 0
= 1.
Ff
0
0
Fp
xf
xp
Hf
Hp
xf
xp
+ Jf ,
0 0
Ento
a
xf
xp
y
Gf
0
gera
0
0, 8
=
0
0
xf
xp
y
0 0
8 0
0 0
0 0
0
6
1
0
2
1.13
Soluo Temporal
ca
1.13.1
xf
xp
Caso Cont
nuo
Seja o sistema de ordem n,
x =
y =
Fx + Gu
Hx + Ju.
xf
xp
.

1
0

+
0
0
28
Notas de Aula
A soluo dada pelas equaes

ca e
co
x(t) =
eF(tt0 ) x(t0 ) +
eF(t ) Gu( )d
t0
y(t) =
H[eF(tt0 ) x(t0 ) +
eF(t ) Gu( )d ] + Ju(t).
t0
A matriz eFt denida pela srie

e
e
eFt = I +
1
1
1
Ft + F2 t2 + F3 t3 + ,
1!
2!
3!
e tem a seguinte propriedade

eF(t1 +t2 ) = eFt1 eFt2 .
1.13.2
Caso Discreto
Seja o sistema de ordem n,

x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k).
A soluo dada pelas equaes
ca e
co
(k1)
x(k)
(kj1) u(j)
= (kk0 ) x(k0 ) +
j=k0
(k1)
y(k)
(kj1) u(j)] + Ju(k).
= H[(kk0 ) x(k0 ) +
j=k0
1.14
Determinao da Equao de Estado Disca

ca
creta a Partir da Cont
nua
Considere a Figura 1.17, que apresenta um processo controlado por um controlador analgico.
o
Considere a seguinte Figura 1.18, onde o controlador analgico foi subso
titu por um computador digital.
do
As seguintes consideraes podem ser feitas:
co
1. computadores digitais trabalham internamente com nmeros binrios. Poru
a
tanto, pela Figura 1.18, vemos que computadores digitais usados em controle devero ter um Conversor Analgico Digital (CAD) para receber o
a
o
sinal analgico do erro, , e um Conversor Digital Analgico para enviar
o
o
ao processo o sinal de comando calculado, u;

ca
c
29
u
r
CONTROLADOR
ys
PROCESSO
Figura 1.17: Controle Analgico.

o
u
r
CAD
CD
CDA
ys
PROCESSO
Figura 1.18: Controle Digital.
CAD
LER
CALCULAR
(k)
u(k)
CDA
ENVIAR PARA O
PROCESSO : u(k)
Figura 1.19: Calculo de u(k).
30
Notas de Aula
W
T
CAD
ys
CDA
+
y
CD
BOZ
PROCESSO
Figura 1.20: Modelo do Computador.
CD
ys
+
T
PROCESSO
BOZ
+
T
Figura 1.21: Processo&BOZ.

ca
c
31
2. computadores digitais trabalham com programas. Ver Figura 1.19. Portanto, o computador digital usado para substituir um controlador analgico
o
recebe o sinal de erro toda vez que, no programa que calcula o sinal de
comando u, a instruo de acionar o CAD executada. Este programa
ca
e
e
rodado num per
odo T , que dene o per
odo de amostragem.
3. como o programa que calcula u roda no per
odo T , o sinal de comando
e
atualizado de T em T segundos. Este sinal enviado ao processo atravs
e
e
do CDA. Assim, o sinal de comando u permanece constante (sustentado)
enquanto no atualizado, ou seja, u( ) = u(kT ) para kT < (k +1)T .
a e
Desta forma, tudo se passa como se o sinal de contrlole fosse calculado periodicamente de T em T segundos, e este resultado entrasse num Bloqueador
de Ordem Zero (BOZ).
Cumpre observar que o programa que calcula u leva algum tempo para
ser rodado: tempo de converso do CAD; tempo de clculo propriamente
a
a
dito; e tempo de converso do CDA. O per
a
odo de amostragem T deve,
ento, ser maior que a soma destes trs tempos, tu . Na prtica, o per
a
e
a
odo
de amostragem, T , muitas vezes maior que tu , ou seja, tu << T .
e
Dentro do intervalo de tempo T , o computador pode ainda rodar outros
programas, alm do programa de clculo do sinal de comando, u, como
e
a
programas para aquisio de dados, programas de acionamento e prograca
mas de superviso.
a
Tendo em vista estas observaes, podemos modelar o computador e o proco
cesso conforme a Figura 1.20. Note que o CAD modelado por uma chave, e o
e
CDA, por uma chave em cascata com um BOZ.
A Figura 1.20 pode ser redesenhada conforme a Figura 1.21. Desta gura
vemos que:
1. o processo visto pelo computador , na realidade, o processo associado a
e
um BOZ, onde as entradas e a sa so amostradas. Portanto, o sistema
da a
composto de processo e BOZ pode ser descrito por equaes a diferena,
co
c
no dom
nio tempo; ou Transformada Z, no dom
nio freqncia;
ue
2. como o conjunto formado pelo processo e pelo BOZ pode ser descrito por
uma equao a diferena, tambm podemos represent-lo por equaes de
ca
c
e
a
co
estado;
3. o programa que calcula u um algor
e
timo que reete uma equao a
ca
diferena. Portanto, podemos tambm escrever este programa a partir de
c
e
equaes de estado;
co
4. tanto o sinal de referncia r, como a perturbao so sinais apenas amose
ca a
trados, no estando associados a BOZs.
a
Em virtude destas observaes, vamos ver, em seguida, como se calcula a
co
equaes de estado discretas a partir das equaes de estado cont
co
co
nuas.
32
Notas de Aula
1.14.1
Modelo do BOZ-Processo
Seja o sistema cont

nuo de ordem n,
x =
y =
Fx + Gu
Hx + Ju.
A soluo x(t) dada por

ca
e
eF(tt0 ) x(t0 ) +
x(t) =
eF(t ) Gu( )d
t0
Se T o per
e
odo de amostragem, podemos denir que
t
t0
= (k + 1)T
= kT.
Assim, vem que

(k+1)T
eFT x(kT ) +
x((k + 1)T ) =
eF((k+1)T ) Gu( )d.
kT
Mas, vimos que u( ) = u(kT ) para kT < (k + 1)T . Assim,

x((k + 1)T )
(k+1)T
= eFT x(kT ) +
eF((k+1)T ) d
Gu(kT ).
kT
Fazendo uma mudana de variveis dentro da integral = (k + 1)T ,

c
a
podemos escrever que d = d; que = 0 quando = (k + 1)T ; e que = T
quando = kT . Assim,
(k+1)T
eF((k+1)T ) d
kT
eF d
T
T
eF d.
Podemos, ento, escrever que

a
x(k + 1)
eFT x(k) +
eF d Gu(kT ).
Assim, identicamos
= eFT
T
=
0
eF d G.

ca
c
33
=
=
1
1
FT + F2 T 2 +
2!
3!
I + FT
T G.
I+
O modelo discreto do BOZ-Processo

e
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k).
1.14.2
Exemplo
Seja o sistema cont

nuo
x =
y
6
1
0
8
0
0
0 2

0, 8
0
0 x+ 0 u
1
0
0 x.
Achar o modelo discreto BOZ&Sistema, considerando um per

odo de amostragem de 0, 1 segundos.
Soluo:
ca
Podemos escrever
G
H
J
6
= 1
0

0
= 0
1
= 0
= 0,
8 0, 8
0
0
0
0
e
T = 0, 1.
Em 6 iteraes, a matriz
co
e
1 0 0
0 1 0 + 1 FT + 1 F2 T 2 + 1 F3 T 3 + 1 F4 T 4 + 1 F5 T 5
2!
3!
4!
5!
6!
0 0 1
0, 7421 0, 3286 0, 0329

0, 0411 0, 9885 0, 0012 .
0
0
1
34
Notas de Aula
As matrizes e so
a
0, 5219 0, 5936 0, 0594

I + FT = 0, 0742 0, 9671 0, 0033
0
0
1
0, 0033
T G = 0, 0001 .
0, 1000
O BOZ&Sistema ser
a
x(k + 1)
y(k) =
1.14.3
0, 5219
0, 0742
0
0
0, 5936 0, 0594
0, 0033
0, 9671 0, 0033 x(k) + 0, 0001 u(k)
0, 1000
0
1
0 x(k).
Modelo da Perturbao
ca
Dois mtodos podem se usados:

e
Primeiro Mtodo
e
O primeiro mtodo j foi visto. Conhecendo-se W (t), determina-se W (kT ).
e
a
Procura-se achar uma equao a diferena homognea. Em seguida usa-se a
ca
c
e
Forma Cannica de Observabilidade discreta.
o
Segundo Mtodo
e
Suponhamos que W (t) dada pelo sistema cont
e
nuo de ordem n,
x =
W =
Fx
Hx.
Calcula-se por
1
1
FT + F2 T 2 +
2!
3!
= I + FT .
= I+
O modelo discreto da perturbao

ca e
x(k + 1)
W (k) =
x(k)
Hx(k).

ca
c
1.15
35
Exerc
cios
1. Achar o modelo em variveis de estado na forma cannica de controlabilidade

a
o
de:
a)
s+1
2 + 5s + 2
s
b)
3z 2 + 4z + 8
z 2 + 5z + 1
c)
dy 2
dy
du2
=2
+ 8y + 2 2 + 3u
dt
dt
dt
d)
dy
= 2y + 4u
dt
e)
y(k + 3) = 0, 5y(k + 2) + 0, 8y(k) + 2u(k + 2) + 5u(k + 1) + 0.7u(k)
f)
1+s
.
1 + 10s
2. Achar o modelo em variveis de estado na forma cannica de observabia
o
lidade dos sistemas do Exerc 1.
cio
3. Seja o sistema da Figura 1.22. A funo de transferncia do controlador
ca
e
e
2
C(s) =
s
e a funo de transferncia do processo
ca
e
e
4
G(s) =
s2
0.4
+ 1.125s + 0.3
u
r
CONTROLADOR
y
PROCESSO
Figura 1.22: Exerc 3.

cio
36
Notas de Aula
a) Modele C(s) em variveis de estado na forma cannica de controlabilidade;

a
o
b) Modele G(s) em variveis de estado na forma cannica de observabilidade;
a
o
c) Com os resultados de a) e b), modele a malha direta em variveis de
a
estado;e
d) Modele o sistema realimentado.
4. Discretizar o sistema abaixo, em cascata com um Bloqueador de Ordem
Zero, considerando um per
odo de amostragem T = 0.1 segundos.
1
= 0
1
2
2
0
2
1
3 x + 1 u
0
4
d
x
dt
y
x.
5. Achar o modelo em variveis de estado das seguintes perturbaes:

a
co
a) W = 5sen(12t);
b) W = 8 cos(5t);
c) W = 3t2 ;
d) W = 4t + 5; e
e) Determinar o modelo discreto de c) para T = 0, 05 segundos;
f) Determinar o modelo discreto de d) para T = 0, 05 segundos;

ca
c
1.16
37
Respostas dos Exerc

cios
1.
a)
x =
5
1
x(k + 1)
2
1
x+
u
0
0
1 x.
b)
5
1
11
y(k) =
1
1
x(k) +
u(k)
0
0
5 x(k) + 3u(k).
c)
x =
2 8
1
x+
u
1 0
0
19 x + 2u.
d)
x
= 2x + u
= 4x.
e)
x(k + 1)
y(k)

0, 5 0 0, 8
1
1 0 0 x(k) + 0 u(k)
0 1 0
0
0, 7 x(k).
f)
x
= 0, 1x + u
= 0, 36x + 0, 4u.
2.
a)
x =
5
2
1 0 x.
1
1
x+
u
0
1
b)
x(k + 1)
y(k) =
5
1
1
11
x(k) +
u(k)
0
5
1 0 x(k) + 3u(k).
38
Notas de Aula
c)
x =
2
8
1
4
x+
u
0
19
0 x + 2u.
d)
x =
y =
2x + 4u
x.
e)

2
0.5 1 0
0 0 1 x(k) + 5 u(k)
0, 8 0 0
0, 7
x(k + 1)
y(k)
0 0 x(k).
f)
x =
y =
0, 1x + 0, 36u
x + 0, 4u.
3.
a)
x =
u = 2x.
b)
x =
0, 125
0, 3
1
0
x+
u
0
0, 4
0 x.
c)
x =
0
0
0, 8
0 1

0
0
1
0, 125 1 x + 0
0, 3 0
0
0 x.
d)
x =
0
0
0, 8
0 1

1
0
1
0, 125 1 x + 0
0, 3 0
0
0 x.

ca
c
39
4.
x(k + 1)
y(k) =
0, 233 0, 167
0, 222
1, 223 0, 406 x(k) + 0, 112 u(k)
0, 013 1, 500
0, 012
1, 113
0, 019
0, 129
1
1 x(k).
5.
a)
0
1
x
144 0
x =
0 x.
b)
0
1
x
25 0
x =
0 x.
c)
0
x = 0
1
0
0
0
1 x
0
0 x.
d)
0 1
x
0 0
x =
1 0 x.
e)
x(k + 1)
W (k)
3 1 0
3 0 1 x(k)
1 0 0
0 x(k).
f)
x(k + 1)
W (k) =
2 1
x(k)
1 0
1 0 x(k).
Cap
tulo 2
Controlabilidade,
Observabilidade e
Estabilidade
tulo denir Controlabilidade, Observabilidade
e
e Estabilidade, e suas decorrncias diretas. Estes trs conceitos fundamentam
e
e
o projeto de estabilizadores que parte integrante de seguidores robustos.
e
2.1
Conceito de Controlabilidade
O conceito de controlabilidade fundamental para o projeto de estabilizadores

e
usando realimentao de estado. Um sistema instvel, porm controlvel, pode
ca
a
e
a
ser estabilizado e, em conseqncia, esta se torna uma condio necessria que
ue
ca
a
permite projetar com segurana controladores para sistemas.
c
2.1.1
Caso Cont
nuo
Denio de Controlabilidade : Sejam xi e xf

ca
arbitrariamente escolhidos.
O sistema cont
nuo, de ordem n,
pontos do espao de estado

c
x = Fx + Gu,
controlvel se e somente se existe um sinal de controle u(t), denido no ine
a
tervalo [t0 , t0 + ], que transra o estado do ponto xi = x(t0 ) (estado inicial)
para o ponto xf = x(t0 + ) (estado nal), onde t0 e so um nmeros reais
a
u
e 0. Pode-se demonstrar que esta denio equivalente ao Critrio de
ca e
e
Controlabilidade, apresentado em seguida.
Critrio de Controlabilidade: O sistema cont
e
nuo, de ordem n,
x = Fx + Gu,
40
Controlabilidade, Observabilidade e Estabilidade
41
controlvel se e somente se a matriz de controlabilidade,

e
a
Cx =
G FG
F(n1) G
no singular.
e a
2.1.2
Caso Discreto
Denio de Controlabilidade: Sejam xi e xf

ca
arbitrariamente escolhidos.
O sistema discreto, de ordem n,
pontos do espao de estado

c
x(k + 1) = x(k) + u(k),

controlvel se e somente se existe um sinal de controle u(k), denido em
e
a
[k0 , k0 + m], que transra o estado do ponto xi = x(k0 ) (estado inicial) para o
ponto xf = x(k0 + m) (estado nal), onde k0 e m so inteiros e m n.
a
Critrio de Controlabilidade: O sistema discreto, de ordem n,
e
x(k + 1) = x(k) + u(k),
controlvel se e somente se a matriz de controlabilidade,
e
a
Cx =
(n1)
no singular.
e a
2.2
Conceito de Observabilidade
Para se realizar esquemas de seguimento robusto, necessrio a utilizao de

e
a
ca
controle por realimentao de estado. Quando o estado no mensurvel, imca
a e
a
e
poss a implementao deste tipo de controle. Porm, poss obter uma
vel
ca
e e
vel
estimativa do vetor x, usando apenas os sinais de entrada, u, e de sa
da, y, que
so sempre mensurveis. O esquema que estima o estado a partir da entrada e
a
a
da sa denominado de Observador de Estado. O conceito de observabilidade
da e
importante para a construo de observadores de estado. Esquemas de cone
ca
trole por realimentao de estado podem ser implementados usando o estado
ca
estimado, x, ao invs do estado real, x.
e
2.2.1
Caso Cont
nuo
Denio de Observabilidade: O sistema cont

ca
nuo, de ordem n,
x =
y =
Fx + Gu
Hx + Ju,
42
Notas de Aula
observvel se e somente se existe um nmero real tal que o estado x(0) do

e
a
u
espao de estado possa ser determinado de u(t) e y(t) para 0 t .
c
Critrio de Observabilidade: O sistema cont
e
nuo, de ordem n,
x =
y =
Fx + Gu
Hx + Ju,
observvel se e somente se a matriz de observabilidade

e
a
HF
Ox =
,
.
.
.
HF(n1)
no singular.
e a
2.2.2
Caso Discreto
Denio de Observabilidade: O sistema discreto, de ordem n,

ca
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
observvel se e somente se existe existe um nmero inteiro m tal que o estado
e
a
u
x(0) do espao de estado possa ser determinado de u(k) e y(k) para 0 k m.
c
Critrio de Observabilidade: O sistema discreto, de ordem n,
e
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
observvel se e somente se a matriz de observabilidade
e
a
Ox =
,
.
.
.
(n1)
H
no singular.
e a
2.3
Dom
nio Freqncia
ue
Antes de apresentarmos o assunto, vamos recordar trs propriedade de determie

nantes e o conceito de matriz adjunta.
Teorema: Sejam A, B e C matrizes quadradas, onde C no singular.
e a
Ento
a
det(AB) = det(A) det(B)
det(C) det(C1 ) = 1
det(A) = det(AT ).
43
Denio: Seja A uma matriz quadrada no singular de dimenso n.

ca
a
a
A matriz,
11 12 1n
21 22 2n
= .
.
. ,
.
.
.
.
.
.
n1 n2 nn
a matriz de cofatores de A. O cofator ij de A denido por
e
e
ij = (1)i+j det(Mij ),
onde a matriz menor Mij de A , de dimenso n 1, a matriz A sem a i-sima
a
e
e
linha e sem a j-sima coluna.
e
A matriz adjunta de A a transposta de sua matriz de cofatores
e
11 21 n1
12 22 n2
adj(A) = T = .
.
. .
.
.
.
.
.
.
1n
2n
nn
Teorema: Seja A uma matriz quadrada no singular de dimenso n. Ento

a
a
a
A1 =
2.3.1
adj(A)
.
det(A)
Caso Cont
nuo
Seja o sistema cont

nuo, de ordem n,
x =
y =
Fx + Gu
Hx + Ju.
A Transformada de Laplace deste sistema

e
sx(s) = Fx(s) + Gu(s)
y(s) = Hx(s) + Ju(s).
(sI F)x(s)
x(s)
y(s)
= Gu(s)
= (sI F)1 Gu(s)
= H(sI F)1 Gu(s) + Ju(s)
= [H(sI F)1 G + J]u(s).
ca
e
e
f (s) = H(sI F)1 G + J.
44
Notas de Aula
H(sI F)1 G + J
Hadj(sI F)G
+J
det (sI F)
Hadj(sI F)G + det (sI F)J
.
det (sI F)
f (s) =
=
=
V-se claramente que o polinmio caracter

e
o
stico
e
det (sI F),
e que a equao caracter
ca
stica
e
det (sI F) = 0.
Algumas propriedades, relativas a polinmios caracter
o
sticos, so importana
tes.
Teorema: Se A e B so matrizes quadradas, ento
a
a
det sI
A
0
C
B
det(sI A) det(sI B)
det sI
A 0
C B
det(sI A) det(sI B)
Teorema:
det sI
a1
a2
In1
det sI
an
0
.
.
.
0
a1
a2
.
.
.
an
sn a1 sn1 an
In1
0
sn a1 sn1 an .
Teorema: Se T no singular e A = T1 FT, ento

e a
a
det (sI A) = det (sI F).
2.3.2
Caso Discreto
Seja o sistema discreto, de ordem n,

x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k).
45
A Transformada Z deste sistema

e
zx(z)
y(z)
= x(z) + u(z)
= Hx(z) + Ju(z).
ca
e
e
f (z) = H(zI )1 + J.
f (z) =
Hadj(zI ) + det (zI )J

.
det(zI )
O polinmio caracter
o
stico
e
det (zI ),
e que a equao caracter
ca
stica
e
det (zI ) = 0.
Algumas propriedades, relativas a polinmios caracter
o
sticos, so importana
tes.
Teorema: Se A e B so matrizes quadradas, ento
a
a
det zI
A C
0 B
= det(zI A) det(zI B)
det zI
A
C
= det(zI A) det(zI B)
Teorema:
det zI
a1
a2
0
B
In1
det zI
an
0
.
.
.
0
a1
a2
.
.
.
an
= z n a1 z n1 an
In1
0
= z n a1 z n1 an .
Teorema: Se T no singular e A = T1 FT, ento

e a
a
det (zI A) = det (zI F).
46
2.4
2.4.1
Notas de Aula
Estabilidade
Caso Cont
nuo
Denio de Estabilidade: O sistema, de ordem n,

ca
x =
Fx + Gu
Hx + Ju,
estvel se para toda entrada limitada, a sa limitada.

e
a
da e
Critrio de Estabilidade: A condio para que o sistema, de ordem n,
e
ca
x =
y =
Fx + Gu
Hx + Ju,
seja estvel que todas as ra

a
e
zes da equao caracter
ca
stica,
det (sI F) = 0,
tenham parte real negativa.
Teorema de Estabilidade: Seja o sistema, de ordem n,
x = Fx.
Se todas as ra
ca
stica,
det (sI F) = 0,
tiverem parte real negativa, ento
a
lim x(t) = 0,
para toda condio inicial x(0).

ca
2.4.2
Caso Discreto
Denio de Estabilidade: O sistema, de ordem n,

ca
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
estvel se para toda entrada limitada, a sa limitada.
e
a
da e
Critrio de Estabilidade: A condio para que o sistema, de ordem n,
e
ca
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
seja estvel que todas as ra
a
e
ca
stica,
det (zI ) = 0,
47
estejam dentro do c
rculo unitrio.
a
Teorema de Estabilidade: Seja o sistema, de ordem n,
x(k + 1) = x(k).
Se todas as ra
ca
stica,
det (zI ) = 0,
estiverem dentro do c
rculo unitrio, ento
a
a
lim x(k) = 0,
para toda condio inicial x(0).

ca
2.5
Teorema de Kalman
Este teorema relaciona controlabilidade e observabilidade com funo de transca

ferncia.
e
2.5.1
Caso Cont
nuo
Teorema: Seja
f (s) =
Hadj(sI F)G + det (sI F)J

N (s)
=
det (sI F)
D(s)
a funo de transferncia do sistema

ca
e
x =
y =
Fx + Gu
Hx + Ju.
x =
y =
Fx + Gu
Hx + Ju
O sistema
controlvel e observvel se e somente se os polinmios N (s) e D(s) no tm

e
a
a
o
a e
ra
zes comuns.
2.5.2
Caso Discreto
Teorema: Seja
f (z) =
Hadj(zI ) + det (zI )J

N (z)
=
det(zI )
D(z)
48
Notas de Aula
a funo de transferncia do sistema

ca
e
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k).
O sistema
x(k + 1) =
y(k) =
x(k) + u(k)
Hx(k) + Ju(k)
controlvel e observvel se e somente se os polinmios N (z) e D(z) no tm

e
a
a
o
a e
ra
zes comuns.
Uma implicao prtica importante deste teorema que a Forma Cannica
ca
a
e
o
de Controlabilidade e a Forma Cannica de Observabilidade, obtidas a partir de
o
uma funo de transferncia, so equaes de estado controlveis e observveis.
ca
e
a
co
a
a
2.6
2.6.1
Transformao de Similaridade
ca
Caso Cont
nuo
Considere o sistema cont

nuo, de ordem n,
x =
y =
Fx + Gu
Hx + Ju,
e uma matriz n n, no singular T. Se denirmos

a
x = Tz,
ento podemos escrever
a
T1 x = T1 Fx + T1 Gu
z = T1 FTz + T1 Gu
y = HTz + Ju,
o que permite escrever
z
y
= Az + Bu
= Cz + Ju,
onde
A
B =
C =
T1 FT
T1 G
HT.
49
Teorema:
Cx
Oz
Prova: Observe que
= TCz
= Ox T.
[T1 FT]i = T1 Fi T,
onde i um nmero inteiro. Assim,

e
u
Cx
F(n1) G
FG
= TT1
FTT1 G
T1 FTT1 G
F(n1) TT1 G
= T
T1 G
= T
T1 FTB
T1 F(n1) TB
= T
T1 FTB
(T1 FT)(n1) B
= T
AB
T1 F(n1) TT1 G
A(n1) B
= TCz
De maneira similar, pode-se provar a outra parte do teorema.
2.6.2
Caso Discreto
Considere o sistema discreto, de ordem n,

x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
e uma matriz n n, no singular T. Se denirmos
a
x(k) = Tz(k),
ento podemos escrever
a
z(k + 1) =
y(k) =
Az(k) + Bu(k)
Cz(k) + Ju(k),
onde
A
B
= T1 FT
= T1 G
= HT.
Teorema:
Cx
Oz
= TCz
= Ox T.
50
Notas de Aula
2.7
Forma Cannica de Controlabilidade

o
Todo sistema controlvel, seja discreto ou cont

a
nuo, pode ser posto na forma
cannica de controlabilidade. Dois mtodos sero apresentados.
o
e
a
2.7.1
Caso Cont
nuo
Seja o sistema, de ordem n,
x =
y =
Fx + Gu
Hx + Ju,
controlvel. Existe uma matriz, n n, no singular T, tal que

a
a
x = Tz,
e
z
y
= Az + Bu
= Cz + Ju,
onde
T1 FT
a1
a2
In1
an
0
.
.
.
0
T1 G =
1
0
.
.
.
0
Dois mtodos sero usados para a determinao de T:
e
a
ca
Primeiro Mtodo:
e
1. de F e G, calcular a matriz de controlabilidade
Cx =
FG
F(n1) G
2. determinar a ultima linha, rn de sua inversa
r1
r2
Cx 1 = . ;
.
.
rn

3. a inversa de T
e
T1 =
rn F(n1)
rn F(n2)
.
.
.
51
rn
Segundo Mtodo:
e
1. calcular o polinmio caracter
o
stico associado ` F
a
det (sI F) = sn a1 sn1 an ;
2. calcular
a1
a2
In1
an
0
.
.
.
0
e
B =
1
0
.
.
.
0
3. de A e B, calcular a matriz de controlabilidade
Cz =
AB
A(n1) B
4. de F e G, calcular a matriz de controlabilidade

Cx =
G FG
F(n1) G
5. a inversa de T
e
T1 = Cz Cx 1 .
2.7.2
Caso Discreto
Seja o sistema, de ordem n,

x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
controlvel. Existe uma matriz, n n, no singular T, tal que
a
a
x(k) = Tz(k),
52
Notas de Aula
e
z(k + 1) = Az(k) + Bu(k)
y(k) = Cz(k) + Ju(k),
onde
T1 FT
a1
a2
In1
an
0
.
.
.
0
e
T1 G =
1
0
.
.
.
0
e
a
ca
Primeiro Mtodo:
e
1. de e , calcular a matriz de controlabilidade
Cx =
(n1)
2. determinar a ultima linha, rn de sua inversa
r1
r2
Cx 1 = . ;
.
.
rn
3. a inversa de T
e
T1 =
rn (n1)
rn (n2)
.
.
.
rn
Segundo Mtodo:
e
o
stico associado `
a
det (zI ) = z n a1 z n1 an ;
2. calcular
A =
a1
a2
In1
an
0
.
.
.
0

e
1
0
.
.
.
B =
53
0
3. de A e B, calcular a matriz de controlabilidade
Cz =
AB
A(n1) B
4. de e , calcular a matriz de controlabilidade

Cx =
5. a inversa de T
e
2.8
(n1)
T1 = Cz Cx 1 .
Forma Cannica de Observabilidade

o
Todo sistema observvel, seja discreto ou cont

a
nuo, pode ser posto na forma
cannica de observabilidade. Dois mtodos sero apresentados.
o
e
a
2.8.1
Caso Cont
nuo
Seja o sistema observvel, de ordem n,

a
x =
y =
Fx + Gu
Hx + Ju.
Existe uma matriz, n n, no singular T, tal que

a
x = Tz,
e
z =
y =
onde
Az + Bu
Cz + Ju,
= T1 FT
a1
a2
.
.
.
In1
an
e
C = HT

e
a
ca
Primeiro Mtodo:
e
54
Notas de Aula
1. de F e H, calcular a matriz de observabilidade
HF
Ox =
;
.
.
.
HF(n1)
2. determinar a ultima coluna, rn , de sua inversa
Ox 1 =
r1
r2
rn
F(n2) rn
rn
3. a matriz T
e
F(n1) rn
T=
Segundo Mtodo:
e

o
stico associado ` F
a
det (sI F) = sn a1 sn1 an ;
2. calcular
a1
a2
.
.
.
an
In1
0
e
C =
1 0
3. de A e C, calcular a matriz de observabilidade
CA
Oz =
;
.
.
.
CA(n1)
4. de F e H, calcular a matriz de observabilidade
HF
Ox =
;
.
.
.
HF(n1)
5. a matriz T
e
T = Ox 1 Oz .
2.8.2
55
Caso Discreto
Seja o sistema observvel, de ordem n,

a
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k).
Existe uma matriz, n n, no singular T, tal que
a
x(k) = Tz(k),
e
z(k + 1) =
y(k) =
Az(k) + Bu(k)
Cz(k) + Ju(k),
onde
= T1 FT
a1
a2
.
.
.
In1
an
e
C = HT

e
a
ca
Primeiro Mtodo:
e
1. de e H, calcular a matriz de observabilidade
Ox =
;
.
.
.
H(n1)
2. determinar a ultima coluna, rn , de sua inversa
Ox 1 =
r1
r2
rn
(n2) rn
rn
3. a matriz T
e
T=
(n1) rn
Segundo Mtodo:
e
o
stico associado `
a
det (zI ) = z n a1 z n1 an ;
56
Notas de Aula
2. calcular
a1
a2
.
.
.
In1
an
e
1 0
C =
3. de A e C, calcular a matriz de observabilidade
CA
Oz =
;
.
.
.
(n1)
CA
4. de e H, calcular a matriz de observabilidade
Ox =
;
.
.
.
H(n1)
5. a matriz T
e
2.9
T = Ox 1 Oz .
Exemplo
Seja o sistema
x =
y
6
1
0
0
8
0
0

0, 8
0
0 x+ 0 u
0
1
0 x.
Encontrar:
a) Vericar se o sistema controlvel;
e
a
b) Encontrar a forma cannica de controlabilidade pelo primeiro mtodo;
o
e
c) Vericar se o sistema observvel;
e
a
d) Encontrar a forma cannica de observabilidade pelo primeiro mtodo;
o
e
e) Achar o polinmio caracter
o
stico diretamente e pelas propriedades;
f) Encontrar a forma cannica de observabilidade pelo segundo mtodo;
o
e
g) Achar a funo de transferncia.
ca
e
Soluo:
ca
57
a) Do sistema podemos escrever que
6 8 0, 8
0
0
F = 1
0
0
0

0
G = 0
1
H= 0
0 .
Mas
6
F2 = 1
0

8 0, 8 6 8 0, 8
28 48
0
0 1
0
0 = 6 8
0
0
0
0
0
0
0

6 8 0, 8 0
0, 8
0
0 0 = 0
FG = 1
0
0
0
1
0
28 48 4, 8 0
4, 8
F2 G = 6 8 0, 8 0 = 0, 8 .
0
0
0
1
0
Assim,
0 0, 8
Cx = G FG F2 G = 0 0
1 0
4, 8
0, 8
0
e
det(Cx ) = 0, 64 = 0.
Portanto, o sistema controlvel.
e
a
b) Primeiro passo: Vimos que
0 0, 8
Cx = 0 0
1 0
4, 8
0, 8 .
0
Segundo passo:
1
Cx
Terceiro passo:
0
0
1
r1
= 1, 25 7, 5 0 = r2 .
0
1, 25 0
r3
4, 8
0, 8
0
58
Notas de Aula
r3
r3 F
1, 25
7, 5
10
r3 F
1, 25
0
0
1
A matriz T1
e

7, 5 10 1
r3 F2
0
0
= r3 F = 1, 25
0
1, 25 0
r3
T1
e
0
T = 0
1
0, 8 0
0 0, 8 .
6
8
Finalmente podemos escrever que
7, 5 10 1
6
0
0 1
T1 FT = 1, 25
0
1, 25 0
0
6 8 0
1
0 0
0
1 0
8 0, 8 0
0
0 0
0
0
1

7, 5 10 1
0
0
0 0
T1 G = 1, 25
0
1, 25 0
1

1
0
0
0 0, 8
= HT = 0 2 0 0 0
1 6
=
1, 6 .
c) Podemos escrever que

H= 0 2
HF = 2
0
0
0
0, 8
8
0, 8 0
0 0, 8
6
8
HF2 = 12
16
59
1, 6 .
Assim,

H
0
Ox = HF = 2
12
HF2
2
0
16
0
0
1, 6
e
det(Ox ) = 6, 4 = 0.
Assim, o sistema observvel.
e
a
d) Primeiro passo:
0
Ox = 2
12
2
0
16
0
0
1, 6
Segundo passo:
1
Ox =
r1
r2
0
= 0, 5
5
r3
0, 5
0
0
0
3, 75 0, 625
Terceiro passo:
T=
0
r3 = 0
0, 625
3 0, 5
0
F2 r3 Fr3 r3 = 0, 5 0
0
0
0 0, 625
0 2
0
T1 = 2 12 0 .
0 0 1, 6
Podemos nalmente escrever
6 1 0
A = T1 FT = 8 0 1
0 0 0

0
B = T1 G = 0
1, 6
C = HT = 1
0 .
60
Notas de Aula
e) Pelo mtodo direto
e
sI F
0
6 8 0, 8
0 1
0
0
s
0
0
0
8 0, 8
s
0 .
0
s
s 0
= 0 s
0 0
s+6
= 1
0
Assim,
det(sI F) =s3 + 6s2 + 8s.
Pelas propriedades
A
F=
0
6
C
= 1
B
0
8
0
0
0, 8
0 .
0
Assim, por inspeo

ca
A=
6
1
8
0
B =0
C=
0, 8
0
Ento
a
det(sI F)
=
=
=
det(sI A) det(sI B)
6 8
det(sI
)s
1
0
s3 + 6s2 + 8s.
f) Primeiro passo:
det(sI F) =s3 + 6s2 + 8s + 0
Segundo passo:
6 1 0
A = 8 0 1
0 0 0
C= 1
61
Terceiro passo:

C
1
Oz = CA = 6
CA2
28
0 0
1 0
6 1
Quarto passo:

H
0
Ox = HF = 2
12
HF2
0
0
1, 6
2
0
16
Quinto passo:
1
Ox
0
= 0, 5
5
0, 5
0
3, 75
0
0
0, 625
Quinto passo:
3 0, 5
T = Ox 1 Oz = 0, 5 0
0
0
0
0 .
0, 625
g)
f (s) =
Hadj(sI F)G
.
det (sI F)
Mas,
det(sI F)
= s3 + 6s2 + 8s
= s(s2 + 6s + 8)
11
adj(sI F) = 21
31
11
= 12
13
12
22
32
21
22
23
T
13
23
33
31
32
33
62
Notas de Aula
11
0 12
13
0 2
Hadj(sI F)G =
=
21
22
23

31
0
32 0
33
1
232
s+6 8
sI F = 1 s
0
0
0, 8
0
s
Mas,
ij = (1)i+j det(Mij )
e
32
(1)3+2 det(M32 )
det(M32 )
s + 6 0, 8
det(
) = 0, 8
1
0
=
=
=
Hadj(sI F)G =232 = 1, 6

e nalmente
f (s) =
2.10
s(s2
1, 6
.
+ 6s + 8)
Exerc
cios
1. Seja o sistema
x(k + 1)
1
0
1
y(k)
2
2
0

1
0
3 x(k) + 1 u(k)
4
0
0 1
x(k).
a) Determinar a funo de transferncia;

ca
e
b) Vericar se o sistema estvel;
e
a
c) Vericar se o sistema controlvel;
e
a
63
d) Determinar a Forma Cannica de Controlabilidade pelo primeiro

o
mtodo;
e
e) Determinar a Forma Cannica de Controlabilidade pelo segundo
o
mtodo;
e
f) Determinar a funo de transferncia a partir da Forma Cannica de
ca
e
o
Controlabilidade.
2. Seja o sistema
1
= 0
1
2
2
0
0
1
3 x + 1 u
0
4
x.
a) Vericar se o sistema observvel;

e
a
b) Determinar a Forma Cannica de Observabilidade pelo primeiro mtodo;
o
e
c) Determinar a Forma Cannica de Observabilidade pelo segundo
o
mtodo;
e
d) Determinar a funo de transferncia a partir da Forma Cannica de
ca
e
o
Observabilidade.
64
Notas de Aula
2.11
Respostas dos Exerc

cios
1.
a)
f (z) =
z3
2z 6
.
7z 2 + 13z 12
b) sistema instvel, pois tem um plo igual a 4, 819 que est fora do c
a
o
a
rculo
unitrio.
a
c) sistema controlvel, pois det(Cx ) = 4 = 0.
a
d)

1
7 13 12
0
0 x(k) + 0 u(k)
x(k + 1) = 1
0
1
0
0
y(k) =
0 2
x(k).
e) resposta igual a do item d).

f) resposta igual a do item a).
2.
a) sistema observvel, pois det(Ox ) = 18 = 0.
a
b)
7
1 0
0
x = 13 0 1 x + 2 u
12 0 0
6
y
c) resposta igual a do item b).

d)
f (s) =
x.
2s 6
.
s3 7s2 + 13s 12
Cap
tulo 3
Controle Modal e
Observador de Estado Estabilizador 1
tulo denir o conceito de observador de estado
e
e de controle modal, como pr-requisitos de projeto de estabilizadores.
e
3.1
Princ
pio de Controle Modal
O objetivo de Controle Modal encontrar um esquema de realimentao que

e
ca
faa o estado do sistema a ser controlado convergir para zero em regime perc
manente, mesmo que o sistema em malha aberta seja instvel. A realimentao
a
ca
feita atravs do vetor de estado, e todos os polos do sistema realimentado
e
e
so arbitrariamente especicados ou escolhidos. Esta estratgia de controle s
a
e
o
poss ser implementada se o sistema a ser controlado for controlvel. Da a
e
vel
a
importncia do conceito de controlabilidade.

a
3.1.1
Caso Cont
nuo
Seja o sistema controlvel cont

a
nuo, de ordem n,
x = Fx + Gu.
Podemos denir um controlador da seguinte forma
u = Kx,
onde o vetor K, de dimenso [1 n], convenientemente calculado. Assim,
a
e
podemos escrever que
x = (F GK)x.
65
66
Notas de Aula
Escolhendo-se K de tal forma que as ra
ca
stica,
det (sI [F GK]) = 0,
tenham parte real negativa, garante-se que

lim x(t) = 0,
assegurando que, em regime permanente, x converge para zero.
3.1.2
Caso Discreto
Seja o sistema controlvel discreto, de ordem n,

a
x(k + 1) = x(k) + u(k).
u(k) = Kx(k),
onde o vetor K, de dimenso [1 n], convenientemente calculado. Podemos
a
e
escrever que
x(k + 1) = ( K)x(k).
Escolhendo-se K de tal forma que as ra
ca
stica,
det (zI [ K]) = 0,
estejam dentro do c
rculo unitrio, garante-se que
a
lim x(k) = 0,
assegurando que, em regime permanente, a sequncia x(k) converge para zero.

ue
3.2
Projeto de Controle Modal
A concepo de projeto totalmente diferente da do controle clssico. Aqui,

ca
e
a
escolhem-se todas as ra
zes desejadas para o polinmio caracter
o
stico, ou seja,
escolhe-se o polinmio caracter
o
stico desejado para o sistema realimentado; e, a
partir deste, calcula-se a matriz K.
3.2.1
Caso Cont
nuo
Vamos descrever o mtodo nos seguintes passos:

e
Primeiro Passo:
Dado o sistema cont
nuo controlvel de ordem n,
a
x = Fx + Gu,
Controle Modal e Observador de Estado - Estabilizador 1
67
podemos calcular uma transformao de similaridade T, tal que

ca
x = Tz,
e
z = Az + Bu,
onde
T1 FT
a1
a2
In1
an
0
.
.
.
0
e
B =
=
T1
G
1
0

. .
.
.
0
Segundo Passo:
Vamos especicar, no semiplano esquerdo, a localizao desejada para os poca
los em malha fechada, denotados por 1 , , n . A seguir, vamos calcular o
polinmio caracter
o
stico desejado para o sistema em malha fechada
sn 1 s(n1) n = (s 1 )(s 2 ) (s n ).
Terceiro Passo:
Podemos, agora, determinar o controlador para o sistema na forma cannica de
o
controlabilidade, denindo a matriz Kz por
Kz =
a1 1
a2 2
an n
e o controlador por
u = Kz z.
Observe que
(A BKz ) =
In1
n
0
.
.
.
0
= (A BKz )z
1
2
In1
n
0
.
.
.
0
z,
68
Notas de Aula
o que comprova que foi estabelecido o polinmio caracter

o
stico especicado, pois
1
2
n
n
n1
det sI
n .
. = s 1 s
.
I
.
n1
0
Quarto Passo:
A matriz K dada por
e
K = Kz T1 .
Com a denio acima e o sistema transformado, podemos voltar ao sistema

ca
original
Tz =
=
=
T(A BKz )z
T(A BKz )T1 Tz
(TAT1 )Tz (TB)(Kz T1 )Tz,
e que
x =
=
3.2.2
Fx GKx
Fx + Gu.
Caso Discreto

e
Primeiro Passo:
Dado o sistema controlvel discreto de ordem n,
a
x(k + 1) = x(k) + u(k),
ca
x(k) = Tz(k),
e
z(k + 1) = Az(k) + Bu(k),
onde
A =
T1 T =
a1
a2
In1
an
0
.
.
.
0
= 1
T
1
0

= . .
.
.
0
69
Segundo Passo:
Vamos especicar, dentro do c
rculo unitrio, a localizao desejada para os
a
ca
polos em malha fechada, denotados por 1 , , n . A seguir, vamos calcular o
polinmio caracter
o
stico desejado para o sistema em malha fechada
z n 1 z (n1) n = (z 1 )(z 2 ) (z n ).
Terceiro Passo:
Podemos, agora, determinar o controlador para o sistema na forma cannica de
o
controlabilidade, denindo a matriz Kz por
a1 1
Kz =
a2 2
an n
e o controlador por
u(k) = Kz z(k).
Observe que
(A BKz ) =
n
0
.
.
.
In1
0
z(k + 1)
(A BKz )z(k)
1
2
In1
n
0
.
.
.
z(k),
0
o
stico especicado, pois
1
2
n
n
n1
det zI
n .
. = z 1 z
.
In1
.
0
Quarto Passo:
A matriz K dada por
e
K = Kz T1 .
Com a denio acima e o sistema transformado, podemos voltar ao sistema

ca
original
Tz(k + 1)
T(A BKz )z(k)
=
=
T(A BKz )T1 Tz(k)

(TAT1 )Tz(k) (TB)(Kz T1 )Tz(k),
70
Notas de Aula
e que
x(k + 1)
3.3
=
=
x(k) Kx(k)
x(k) + u(k).
Princ
pio de Observador de Estado
Vimos que para se implementar o esquema de controle modal, necessrio se ter

e
a
acesso ao vetor de estado. A necessidade de observador de estado surgiu da impossibilidade de se medir os estados do sistema a ser controlado, em decorrncia
e
de custo muito elevado ou de impossibilidade tcnica.
e
Com sempre poss medir a entrada e a sa do sistema a ser controlado,
e
vel
da
pode-se estabelecer um esquema que permita indiretamente estimar (observar)
as suas variveis de estado, desde que o mesmo seja observvel. Da a ima
a
portncia do conceito de observabilidade. Com o estado observado, pode-se

a
implementar um controle modal como se o estado do sistema a ser controlado
fosse diretamente medido. Observadores de estado podem ser pensados como
medidores do vetor de estado atravs dos sinais de entrada e de sa
e
da.
3.3.1
Caso Cont
nuo
Seja o sistema cont

nuo observvel, de ordem n,
a
x =
y =
Fx + Gu
Hx + Ju.
Podemos denir um observador da seguinte forma
x = (F LH) + Gu + L(y Ju),

x
onde o vetor L, de dimenso [n 1], convenientemente calculado.
a
e
Denindo o vetor erro de estado, x, por
x = x x,
podemos escrever
x = (F LH) .
x
Escolhendo-se L de tal forma que as ra

ca
stica,
(sI [F LH]) = 0,
tenham parte real negativa, garante-se que
lim x(t) = 0,
e
assegurando que em regime permanente x x.
3.3.2
71
Caso Discreto

x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
observvel. Podemos denir um observador da seguinte forma
a
x(k + 1) = ( LH) (k) + u(k) + L(y(k) Ju(k)),

x
a
e
Denindo o vetor erro de estado, x(k), por
x(k) = x(k) x(k),

podemos escrever
x(k + 1) = ( LH) (k).

x
Escolhendo-se L de tal forma que as ra
ca
stica,
(zI [ LH]) = 0,
estejam dentro do c
rculo unitrio, garante-se que
a
lim x(k) = 0,
assegurando que em regime permanente x(k) x(k).

e
3.4
Projeto de Observador de Estado
Quando o processo a ser controlado observvel, poss

e
a
e
vel arbitrariamente
escolher o polinmio caracter
o
stico associado ao observador.
3.4.1
Caso Cont
nuo

e
Primeiro Passo:
Dado o sistema cont
a
x =
y =
Fx + Gu
Hx + Ju,

ca
x = Tz,
72
Notas de Aula
z
y
= Az + Bu
= Cz + Ju,
onde
T1 FT =
T1 G,
a1
a2
.
.
.
In1
an
e
C =
1 0
HT =
Segundo Passo:
Vamos especicar, no semiplano esquerdo, a localizao desejada para os polos
ca
do estimador, denotados por 1 , , n . A seguir, vamos calcular o polinmio
o
caracter
stico desejado
(n1)
sn 1
n = (s 1 )(s 2 ) (s n ).
Terceiro Passo:
Podemos, agora, determinar o observador para o sistema na forma cannica de
o
observabilidade, denindo o vetor Lz por
a1 1
a2 2
Lz =
,
.
.
.
an n
e o observador por
z = (A Lz C) + Bu + Lz (y Ju).
z
Observe que
(A Lz C) =
1
2
.
.
.
n
In1
0
Denindo o vetor erro de estado, z, por
z = z z,
podemos escrever
z=
1
2
.
.
.
n
z,
In1
0
73

o
stico especicado
In1
det sI .
= sn 1 sn1 n .
.
n 0
0
Quarto Passo:
Vamos retornar agora ao sistema original. Podemos escrever que
z
Tz = T(A Lz C) + TBu + TLz (y Ju).
Assim,
z
Tz = T(A Lz C)T1 T + TBu + TLz (y Ju)
= (TAT1 TLz CT1 )T + Gu + TLz (y Ju)
z
= (F TLz H)T + Gu + TLz (y Ju).
z
Denindo-se
x
L
=
=
T,
z
TLz ,
podemos escrever o obsevador
x = (F LH) + Gu + L(y Ju).

x
3.4.2
Caso Discreto

e
Primeiro Passo:
Dado o sistema discreto observvel, de ordem n,
a
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
ca
x(k) = Tzk),
e
zk + 1)
y(k)
Az(k) + Bu(k)
= Cz(k) + Ju(k),
onde
T1 T =
T1 ,
a1
a2
.
.
.
an
In1
0
74
Notas de Aula
e
C =
HT =
1 0
Segundo Passo:
Vamos especicar, dentro do c
rculo unitrio, a localizao desejada para os
a
ca
polos do estimador, denotados por 1 , , n . A seguir, vamos calcular o polinmio caracter
o
stico desejado
(n1)
z n 1
n = (z 1 )(z 1 ) (z n ).
Terceiro Passo:
Podemos, agora, determinar o observador para o sistema na forma cannica de
o
observabilidade, denindo o vetor Lz por
a1 1
a2 2
Lz =
,
.
.
.
an n
e o observador por
z(k + 1) = (A Lz C)(k) + Bu(k) + Lz (y(k) Ju(k)).

z
Quarto Passo:
Vamos retornar agora ao sistema original. Podemos escrever que
T(k + 1) = T(A Lz C)(k) + TBu(k) + TLz (y(k) Ju(k)).
z
z
Assim,
T(k + 1)
z
= T(A Lz C)T1 T(k) + TBu(k) + TLz (y Ju(k))

z
1
= (TAT TLz CT1 )T(k) + u(k) + TLz (y(k) Ju(k))
z
= ( TLz H)T(k) + u(k) + TLz (y(k) Ju(k)).
z
Denindo-se
x(k) = T(k),
z
L = TLz ,
podemos escrever o obsevador
x(k + 1) = ( LH) (k) + u(k) + L(y(k) Ju(k)).

x
3.5
Controle Modal com Observador de Estado

- Estabilizador
Quando o estado no mensurvel, torna-se necessrio realizar um controle

a e
a
a
modal com estados observados. Mostraremos que este esquema pode ser realizado para todo sistema controlvel e observvel. Este esquema dene um
a
a
estabilizador.
3.5.1
75
Caso Cont
nuo
Dado o sistema cont

nuo controlvel e observvel, de ordem n,
a
a
x =
y =
Fx + Gu
Hx + Ju,
podemos projetar o observador
x = (F LH) + Gu + L(y Ju),

x
e denir como lei de controle
u = K .
x
Denindo o erro de estado por
x = x x,
F GK
GK
0
F LH
Conseqentemente,
u
det sI
F GK
GK
0
F LH
= det(sI [F GK])
det(sI [F LH]),
o que prova que os plos do sistema combinado so os mesmos da unio dos plos
o
a
a
o
especicados para o observador e com os plos especicados para o controlador.
o
Se os plos do observador e os plos do controlador tiverem parte real negao
o
tiva, ento pelo Teorema da Estabilidade
a
lim x(t) =
lim x(t) =
lim y(t) =
0.
t
t
Para processos com transferncia direta (J = 0)

e
x =
y =
Fx + Gu
Hx + Ju,
o estabilizador pode ser agora denido como
x =
u =
(F LH GK + LJK) + Ly
x
K .
x
76
Notas de Aula
x = [F LH GK + LJK]x + Ly
x = Fx + Gu
u = Kx
y = Hx + Ju
Figura 3.1: Estabilizador para processos com transferncia direta.

e
A Figura 3.1 mostra este tipo de estabilizador.
Para processos sem transferncia direta
e
x =
y =
Fx + Gu
Hx,
o estabilizador ca denido como
x = (F LH GK) + Ly
x
u = K .
x
u
x = [F LH GK]x + Ly
x = Fx + Gu
u = Kx
y = Hx
Figura 3.2: Estabilizador para processos sem transferncia direta.

e
3.5.2
Caso Discreto
Dado o sistema discreto controlvel e observvel, de ordem n,

a
a
x(k + 1)
y
= x(k) + u(k)
= Hx(k) + Ju(k),
77
podemos projetar o observador
x(k + 1) = ( LH) (k) + u(k) + L(y(k) Ju(k)),

x
u(k) = K (k).
x
x(k) = x(k) x(k),

x(k + 1)
x(k + 1)
K
K
0
LH
x(k)
x(k)
Conseqentemente,
u
det zI
K
K
0
LH
det(zI [ K])
det(zI [ LH]),
o que prova que os plos do sistema combinado so os mesmos da unio dos plos
o
a
a
o
especicados para o observador e com os plos especicados para o controlador.
o
Se os plos do observador e os plos do controlador tiverem parte real negao
o
tiva, ento pelo Teorema da Estabilidade
a
lim x(k) =
lim x(k) =
lim y(k) =
0.
t
t

e
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
x(k + 1) = ( LH K + LJK) (k) + Ly(k)

x
u(k) = K (k).
x
e
x(k + 1) =
y(k) =
x(k) + u(k)
Hx(k),
78
Notas de Aula
u(k)
y(k)
x(k + 1) = x(k) + u(k)
x(k + 1) = [ LH K + LJK]x(k) + Ly(k)

u(k) = Kx(k)
y(k) = Hx(k) + Ju(k)

e
x(k + 1) = ( LH K) (k) + Ly(k)

x
u(k) = K (k).
x
u(k)
y(k)
x(k + 1) = [ LH K]x(k) + Ly(k)
x(k + 1) = x(k) + u(k)
u(k) = Kx(k)
y(k) = Hx(k)

e
3.6
Exemplo
Seja o sistema
x =
y
1
1
2
1
2
2
1

0
2
0 x+ 0 u
3
0
1 x.
a) Encontrar um controle modal de tal forma que os plos do sistema realio

mentado estejam posicionados em 0, 5 , 0, 5 , e 0, 5;
79
b) Encontrar um observador de estado de tal forma que os plos do sistema

o
que descreve o erro de estado sejam 1 , 1 , e 1;
c) Encontrar o estabilizador.
Soluo:
ca
a) Do sistema podemos escrever que
1 2 0
2
0
F = 1
2 1 3

2
G = 0
0
H= 1
1 .
Primeiro Passo: Encontrar T e A.

Cx = G
2
FG F2 G = 0
0
2
2
4
2
2
14
e
det(Cx ) = 72 = 0.
Portanto, o sistema controlvel.
e
a
Mas,
0, 5
0, 5
1
Cx = 0 0, 3889
0 0, 1111
0
r1
0, 0556 = r2 .
0, 0556
r3
r3 = 0
0, 1111 0, 0556 .
A matriz T1
e
T1

r3 F2
0, 5
= r3 F = 0
r3
0
0, 5
0, 5
0, 1667 0, 1667
0, 1111 0, 0556
2
T = 0
0
2
2
4
12
6 .
6
80
Notas de Aula

2 3 0
a1
A=T1 FT = 1 0 0 = 1
0 1 0
0
a2
0
1
a3
0
0
e
a1
a2
a3
=
=
=
2
3
0.
Segundo Passo:
1
2
3
= 0, 5
= 0, 5
= 0, 5.
Assim,
s3 1 s2 2 s 3
=
=
=
(s 1 )(s 2 )(s 3 )
(s + 0, 5)3
s3 + 1, 5s2 + 0, 75s + 0, 125,
e
1
2
1
= 1, 5
= 0, 75
= 0, 125.
a1 1
a2 2
2 + 1, 5 3 + 0, 75
0, 5
Terceiro Passo: Kz
Kz
a3 3
0 + 0, 125
3, 75 0, 125
Quarto Passo: K
K
Kz T1
0, 5
0, 25
0, 5
0, 5
0, 5
3, 75 0, 125 0 0, 1667 0, 1667
0 0, 1111 0, 0556
0, 3889
0, 8681 .

O controlador ser
a
u = Kx = 0, 25 0, 3889
b) Primeiro Passo: Encontrar T e A.

H
1
Ox = HF = 3
6
HF2
e
0, 8681 x.
0
3
3
1
3
9
det(Ox ) = 9 = 0.
Assim, o sistema observvel.
e
a
Mas,
1
Ox =
r1
r2
r3
2
= 1
1
0, 3333
0, 3333
0, 3333
0, 3333
.
0
0, 3333
Assim,
0, 3333
0
r3 =
0, 3333
e
T=
F2 r3
Fr3
r3
0, 3333
= 0, 3333
0, 6667
0, 3333 0, 3333
.
0, 3333
0
0, 3333 0, 3333

2 1 0
a1
A=T1 FT = 3 0 1 = a2
0 0 0
a3
e
a1
a2
a3
= 2
= 3
= 0.
= 1
2
3
= 1
= 1.
Segundo Passo:
1 0
0 1
0 0
81
82
Notas de Aula
Assim,
s3 1 s2 2 s 3
= (s 1 )(s 2 )(s 3 )
= (s + 1)3
= s3 + 3s2 + 3s + 1,
e
1
2
1
=
=
=
3
3
1.
Terceiro Passo: Lz

a1 1
2 + 3
1
Lz = a2 2 = 3 + 3 = 6 .
a3 3
0+1
1
Quarto Passo:
2
L = TLz = 2, 3333
1
3
2
2
F LH = 3, 3333 2 2, 3333 .
1
1
2
O observador ser
a
x =
=
(F LH) + Gu + Ly
x
3
2
2
2
2
3, 3333 2 2, 3333 x + 0 u + 2, 3333 y.
1
1
2
0
1
c) Se o estado no for dispon

a
vel, pode-se usar a lei de controle
u = K = 0, 25
x
0, 3889 0, 8681 x.
O estabilizador ca denido como
x = (F LH GK) + Gu + Ly
x
2.5 2.7778 .2638

2
2
2, 3333 x + 2, 3333 y
= 3, 3333
1
1
2
1
u = K
x
= 0, 25 0, 3889 0, 8681 x.
3.7
83
Exerc
cios
1. Seja o sistema
1 1
2 0
1 0
y(k) =
1 0
x(k + 1)

0
2
1 x(k) + 1 u(k)
0
0
0
x(k).
a) Determinar o ganho L de um observador de tal forma que o erro de estado

seja regido por um sistema com plos em 0,3, 0,2 e 0,1.
o
b) Determinar o ganho K de um controle modal de tal forma que os plos
o
quem posicionados em 0,8.
c) Determinar o estabilizador.
2. Considere o sistema abaixo.
d
x
dt
1
= 1
0
3
0
1

1
1
0 x + 0 u
0
0
y(k)
x(k).
a) Determinar o ganho K de um controle modal de tal forma que os plos

o
quem posicionados em -1, -1 e -3.
b) Determinar o ganho L de um observador de tal forma que o erro de estado
seja regido por um sistema com plos em -5.
o
3. Seja o sistema
1 2
0 2
1 0
y(k) =
1 0
x(k + 1)

1
0
3 x(k) + 1 u(k)
4
0
1
x(k).
a) Determinar um controle modal de tal forma que os plos quem posicioo

nados em 0,1, 0,2 e 0,5;
b) Determinar um observador de tal forma que o erro de estado seja regido
por um sistema com plos em 0,3, 0,2 e 0,2.
o
84
Notas de Aula
d
x
dt
y
1
= 0
1
2
2
0

1
1
3 x + 1 u
4
0
x.
a) Determinar um controle modal de tal forma que os plos quem posicioo

nados em -1, -2 e -5.
b) Determinar um observador de tal forma que o erro de estado seja regido
por um sistema com plos em -3, -2 e -2.
o
3.8
Respostas dos Exerc

cios
1.
a)
0, 400
L = 2, 110
0, 994
b)
K = 0, 515
c)
2, 429 5, 347
0, 400
10, 693
4, 347 x(k) + 2, 110 y(k)
0, 994
0
0, 429
0, 625
0, 006
5, 859
2, 429
0
u(k) =
0, 515
2, 429
x(k + 1)
5, 347 x(k).
2.
a)
K= 6
b)
10
43, 5
L = 19, 5
27, 5
c)
x =
48, 5
18, 5
27, 5
7
0
1
46, 5
43, 5
19, 5 x + 19, 5 y
27, 5
27, 5
u =
6 4
10 x.
3.
a)
u(k) = 9, 085
b)
x(k + 1)
6, 200 33, 035 x(k)
1, 948 2 1, 948
0
2, 948
4, 302 2 1, 302 x(k) + 1 u(k) + 4, 302 y(k).
2, 352 0 0, 648
0
3, 352
4.
a)
u = 11, 333
b)
4, 667
2
10
2
=
16, 667 0
3, 667 67, 667 x
4, 667
1
3, 667
7 x + 1 u + 10, 000 y.
13, 667
0
17, 667
85
Cap
tulo 4
Controle Otimo e Filtro de

Kalman - Estabilizador 2
tulo denir o conceito de controle timo e de
e
o
ltro de Kalman. Por otimizao, podemos encontrar tanto o ganho K de conca
troladores por realimentao de estado, tanto quanto o ganho L de observadores
ca
de estado. No primeiro caso, o controle denominado controle quadrtico; e no
e
a
segundo, ltro de Kalman. O controlador e o observador assim obtidos podero
a
servir como base de estabilizadores.
4.1
4.1.1
Princ
pio de Controle Otimo
Caso Cont
nuo
Seja o sistema cont

nuo controlvel, de ordem n,
a
x = Fx + Gu.
u = Kx,
onde o vetor K, de dimenso [1 n], convenientemente calculado.
a
e
x = (F GK)x.
O ganho K calculado de tal forma que a funo
e
ca
J=
1
2
(xT Qx + Ru2 )dt
seja m
nima, onde R um nmero real positivo e Q uma matriz denida
e
u
e
positiva.
86

Controle Otimo e Filtro de Kalman - Estabilizador 2
87
Uma matriz Q denida positiva se para x = 0

e
xT Qx >0
e para x = 0
xT Qx =0.
Escolhendo-se Q denida positiva e o real R positivo, a matriz K calculada
e
de tal forma que as ra
ca
stica,
det (sI [F GK]) = 0,
tenham parte real negativa. Garante-se que
lim x(t) = 0,
assegurando que, em regime permanente, x converge para zero.
4.1.2
Caso Discreto
Seja o sistema discreto controlvel, de ordem n,

a
x(k + 1) = x(k) + u(k).
u(k) = Kx(k),
onde o vetor K, de dimenso [1 n], convenientemente calculado.
a
e
x(k + 1) = ( K)x(k).
O ganho K calculado de tal forma que a funo
e
ca
J=
1
2
(xT (k)Qx(k) + Ru2 (k))

k=0
seja m
nima, onde R um nmero real positivo e Q uma matriz denida
e
u
e
positiva.
Se Q for denida positiva e o real R for positivo, a matriz K calculada de
e
tal forma que as ra
ca
stica,
det (zI [ K]) = 0,
estejam dentro do c
rculo unitrio. Garante-se que
a
lim x(k) = 0,
assegurando que, em regime permanente, x(k) converge para zero.
88
4.2
Notas de Aula
Projeto de Controle Otimo
A concepo de projeto totalmente diferente da do controle modal. Aqui,

ca
e
escolhe-se a matriz Q e o nmero R; o ganho K calculado atravs da equao
u
e
e
ca
de Riccati.
4.2.1
Caso Cont
nuo

e
Primeiro Passo:
Dado o sistema cont
nuo de ordem n controlvel,
a
x = Fx + Gu,
escolher um nmero positivo R e a matriz denida positiva Q.
u
Segundo Passo:
Determinar a matriz P pela equao
ca
FT P + PF + Q PGR1 GT P = 0.
A equao acima denominada equao de Riccati, e a matriz P simtrica.
ca
e
ca
e
e
O Scilab tem um programa que permite calcular a matriz de Riccati.
Terceiro Passo:
Podemos, agora, determinar K por
K =R1 GT P.
4.2.2
Caso Discreto

e
Primeiro Passo:
Dado o sistema cont
nuo de ordem n controlvel,
a
x(k + 1) = x(k) + u(k),
u
Segundo Passo:
ca
T
P = Q + T P P(R+T P)
T P.

ca
e
ca
e
e
A matriz de Riccati pode ser obtida iterativamente
Q =
m >
R >
P(0) =
mI
0
0
0

T
89
1
T P(k).
T P(k).
P(k + 1) = Q + P(k) T P(k)(R+T P(k))

Terceiro Passo:
Podemos, agora, determinar K por
1
K = (R + T P)
4.2.3
T P.
Exemplo
Encontrar um controle timo para o processo

o
7 5
1
x(k)+
u(k),
1 0
0
x(k + 1) =
considerando Q = 10I e R = 1.
Soluo:
ca
Do processo, podemos escrever
7 5
1 0
1
.
0
O sinal de controle calculado por

e
u(k) = Kx(k).
A matriz de Riccati calculasda por
e
Q =
R =
P(0) =
10I
1
0
P(k + 1) = Q + P(k) T P(k)(R+T P(k))

Em 10 iteraes, tem-se
co
P=
e
4.3
83, 176
36, 768
1
K = (R + T P)
36, 768
34, 703
T P = 7, 354 4, 941 .
Princ
pio do Filtro de Kalman
Kalman desenvolveu um observador geral para processos com distrbios aleatu

o
rios. Este observador, conhecido como ltro de Kalman, tambm baseado em
e e
otimizao. A matriz Q e o nmero R esto relacionados com as propriedades
ca
u
a
do distrbio. No caso determin
u
stico, pode-se escolher uma matriz Q denida
positiva qualquer e um nmero positivo qualquer R para se obter o ganho L do
u
ltro.
90
4.3.1
Notas de Aula
Caso Cont
nuo
Seja o sistema cont

nuo, de ordem n,
x =
y =
Fx + Gu
Hx + Ju,
observvel.
a
Podemos denir um observador da seguinte forma
x = (F LH) + Gu + L(y Ju),

x
a
e
Denindo o vetor erro de estado, x, por
x = x x,
podemos escrever
x = (F LH) .
x
Escolhendo-se a matriz Q denida positiva e o real R positivo, o vetor L

e
calculado de tal forma que as ra
ca
stica,
det (sI [F LH]) = 0,
tenham parte real negativa. Garante-se que
lim x(t) = 0,
e
assegurando que em regime permanente x x.
4.3.2
Caso Discreto

x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
observvel. Podemos denir um observador da seguinte forma
a
x(k + 1) = ( LH) (k) + u(k) + L(y(k) Ju(k)),

x
a
e
Denindo o vetor erro de estado, x(k), por
x(k) = x(k) x(k),

podemos escrever
x(k + 1) = ( LH) (k).

x

91
Escolhendo-se a matriz Q denida positiva e o rel R positivo, o vetor L

e
calculado de tal forma que as ra
ca
stica,
det (zI [ LH]) = 0,
estejam dentro do c
rculo unitrio. Garante-se que
a
lim x(k) = 0,
assegurando que em regime permanente x(k) x(k).

e
4.4
4.4.1
Projeto do Filtro de Kalman

Caso Cont
nuo

e
Primeiro Passo:
Dado o sistema cont
a
x =
y =
Fx + Gu
Hx + Ju,

u
Segundo Passo:
ca
FP + PFT +Q PHT R1 HP = 0.
ca
e
ca
e
e
O Scilab tem um programa que permite calcular a matriz de Riccati.
Terceiro Passo:
Podemos, agora, determinar L por
L = PHT R1 .
4.4.2
Caso Discreto

e
Primeiro Passo:
Dado o sistema discreto observvel, de ordem n,
a
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
u
Segundo Passo:
ca
92
Notas de Aula
P = Q + PT PHT (R+HPHT )
HPT .

ca
e
ca
e
e
A matriz de Riccati pode ser obtida iterativamente
Q(0) =
m >
R >
P(0) =
mI
0
0
0
P(k + 1) = Q + P(k)T P(k)HT (R+HP(k)HT )
HP(k)T .
Terceiro Passo:
Podemos, agora, determinar L por
1
L = PHT (R + HPHT )
4.4.3
Exemplo
Encontrar um observador, baseado em ltro de Kalman, para o processo
x(k + 1)
1
7 5
u(k)
x(k)+
0
1 0
y(k)
0 x(k),
7 5
1 0
1
0
considerando Q = 10I e R = 1.
Soluo:
ca
0 .
O observador
e
x(k + 1) = ( LH) (k) + u(k) + Ly(k).

x
A matriz de Riccati calculasda por
e
Q =
R =
P(0) =
10I
1
0

93
1
P(k + 1) = Q + P(k)T P(k)HT (R+HP(k)HT )
HP(k)T .
Em 10 iteraes, tem-se
co
P=
331, 494 7, 085

7, 085 10, 997
e
1
L = PHT (R + HPHT )
7, 085
.
0, 997
O Observador ca sendo
x(k + 1)
4.5
(F LH) (k) + Gu(k) + Ly(k)

x
0, 085 5
1
7, 085
=
x(k) +
u(k) +
y(k).
0, 003 0
0
0, 997
Controle Quadrtico com Filtro de Kalman

a
- Estabilizador
Quando o estado no mensurvel, torna-se necessrio realizar um controle

a e
a
a
quadrtico com estados observados, e o observador utilizado pode ser o Filtro
a
de Kalman. Mostraremos que este esquema pode ser realizado para todo sistema
controlvel e observvel. Este esquema dene um estabilizador.
a
a
4.5.1
Caso Cont
nuo
Dado o sistema cont

a
a
x =
y =
Fx + Gu
Hx + Ju,
podemos projetar o Filtro de Kalman
x = (F LH) + Gu + L(y Ju),

x
u = K ,
x
onde o ganho K foi determinado por Controle Quadrtico.
a
x = x x,
F GK
GK
0
F LH
94
Notas de Aula
Conseqentemente,
u
det sI
F GK
GK
0
F LH
det(sI [F GK])
det(sI [F LH]),
o que prova que os plos do sistema combinado so os mesmos da unio dos

o
a
a
plos denidos pelo Filtro de Kalman com os plos denidos pelo Controle
o
o
Quadrtico.
a
Como os plos denidos pelo Filtro de Kalman e os plos denidos pelo Cono
o
trole Quadrtico tm parte real negativa, ento pelo Teorema da Estabilidade
a
e
a
lim x(t) =
lim x(t) =
lim y(t) =
0.
t
t

e
x =
y =
Fx + Gu
Hx + Ju,
x = (F LH GK + LJK) + Ly
x
u = K .
x
u
x = [F LH GK + LJK]x + Ly
x = Fx + Gu
u = Kx
y = Hx + Ju

e
e
x =
y =
Fx + Gu
Hx,

95
x
u
= (F LH GK) + Ly
x
= K .
x

y
x = [F LH GK]x + Ly
x = Fx + Gu
u = Kx
y = Hx
e
4.5.2
Caso Discreto
Dado o sistema discreto controlvel e observvel, de ordem n,

a
a
x(k + 1)
y
= x(k) + u(k)
= Hx(k) + Ju(k),
podemos projetar o Filtro de Kalman
x(k + 1) = ( LH) (k) + u(k) + L(y(k) Ju(k)),

x
u(k) = K (k),
x
onde o ganho K foi obtido por Controle Quadrtico.
a
x(k) = x(k) x(k),

x(k + 1)
x(k + 1)
K
K
0
LH
x(k)
x(k)
Conseqentemente,
u
det zI
K
K
0
LH
det(zI [ K])
det(zI [ LH]),
96
Notas de Aula
o que prova que os plos do sistema combinado so os mesmos da unio dos

o
a
a
plos denidos pelo Filtro de Kalman com os plos denidos pelo Controle
o
o
Quadrtico.
a
Como os plos denidos pelo Filtro de Kalman e os plos denidos pelo
o
o
Controle Quadrtico esto dentro do c
a
a
rculo unitrio, ento pelo Teorema da
a
a
Estabilidade
lim x(k)
lim x(k)
lim y(k)
0.
t
t

e
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
x(k + 1) = ( LH K + LJK) (k) + Ly(k)

x
u(k) = K (k).
x
u(k)
x(k + 1) = [ LH K + LJK]x(k) + Ly(k)
u(k) = Kx(k)
y(k)
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k)

e
e
x(k + 1) = x(k) + u(k)
y(k) = Hx(k),
x(k + 1)
u(k)
( LH K) (k) + Ly(k)
x
= K (k).
x

u(k)
97
y(k)
x(k + 1) = [ LH K]x(k) + Ly(k)
x(k + 1) = x(k) + u(k)
u(k) = Kx(k)
y(k) = Hx(k)

e
4.6
Exerc
cios
1. Seja o sistema
1 2
0 2
1 0
y(k) =
1 0
x(k + 1)

1
0
3 x(k) + 1 u(k)
4
0
1
x(k).
a) Determinar um controle timo para Q = 2I e R = 1;

o
b) Determinar um ltro de Kalman para Q = 5I e R = 1.
98
Notas de Aula
4.7
Respostas dos Exerc

cios
1.
a)
u(k) = 9, 410 6, 313
34, 152 x(k).
b)
x(k + 1)
2, 937
0
1, 937 2 1, 937
4, 394 2 1, 394 x(k) + 1 u(k) + 4, 394 y(k).
3, 455
0
2, 455 0 0, 545
c)
x(k + 1)
u(k) =
1, 937
13, 804
2, 455
9, 410
2
4, 313
0
2, 937
1, 937
35, 547 x(k) + 4, 394 y(k)
3, 455
0, 545
6, 313 34, 152 x(k).
Cap
tulo 5
Seguimento Robusto
tulo denir o conceito de seguimento robusto.
e
Quando se fala em seguimento robusto, est-se referindo ` robustez da capaa
a
cidade de seguimento de um sinal. Em outras palavras, dado um sinal de referncia, pertencendo a uma certa classe, deseja-se encontrar um controlador
e
tal que a sa do processo, ou seja, o sinal a ser controlado, siga o sinal de reda
ferncia em regime permanente, mesmo que haja uma utuao nos parmetros
e
ca
a
do processo. O processo pode ter uma perturbao determin
ca
stica, como j
a
estudado. Tanto o sinal de referncia, como a perturbao devem ser soluo
e
ca
ca
de uma mesma equao homognea diferencial ou a diferena (caso discreto).
ca
e
c
O segredo da robustez de seguimento est no controlador que mantm a proa
e
priedade de seguimento em regime permanente, apesar de haver variaes nos
co
parmetros do processo, desde que seja conservada a estabilidade do sistema
a
realimentado. Este tipo de controle tambm chamado na literatura de servoe e
mecanismo robusto ou simplesmente, de servomecanismo.
5.1
O sinal de Referncia e a Perturbao

e
ca
Como j mencionado, o sinal de referncia e a perturbao devero ser soluo

a
e
ca
a
ca
de uma mesma equao homognea diferencial ou a diferena. Estudaremos, a
ca
e
c
seguir, as mais comuns equaes homogneas.
co
e
5.1.1
Caso Cont
nuo
Seja a referncia denotada por r e a perturbao denotada por W . Estes sinais

e
ca
so soluo de
a
ca
(pn d1 pn1 dn )r(t) =
(pn d1 pn1 dn )W (t) =
99
0
0,
100
Notas de Aula
onde os coecientes d1 , d2 , ..., dn so conhecidos. A tabela seguinte, permite

a
determinar estes coecientes para diversos sinais
Operador
p
p2
p3
2
p + w2
p2 + w2
Sinal
A
A + Bt
A + Bt + Ct2
Asen(wt).
A cos(wt).
A determinao dos coecientes d1 , d2 , ..., dn pode ser feita como segue.

ca
Seja W (t) uma senoide denida por
W (t) = Bsen(wt)
e seja r(t) um degrau dado por
r(t) = A.
Estes sinais satisfazem
p(p2 + w2 )W (t) = 0,
p(p2 + w2 )r(t) = 0.
Ento,
a
p(p2 + w2 ) =
=
p3 + 0p2 + w2 p + 0
p3 d1 p2 d2 p d3 ,
o que implica que

d1
d2
d3
5.1.2
= 0
= w2
= 0.
Caso Discreto
Seja a referncia denotada por r(k) = r(kT ) e a perturbao denotada por

e
ca
W (k) = W (kT ), onde T o per
e
odo de amostragem. Estes sinais satisfazem
(q n d1 q n1 dn )r(k) = 0
(q n d1 q n1 dn )W (k) = 0,
Seguimento Robusto
101
onde os coecientes d1 , d2 , ..., dn so conhecidos.

a
A seguinte tabela permite determinar estes coecientes para diversos sinais
Operador
q1
(q 1)2
(q 1)3
2
q 2 cos(wT )q + 1
q 2 2 cos(wT )q + 1
5.2
Sinal
A
A + B(kT )
A + B(kT ) + C(kT )2
Asen(w(kT )).
A cos(w(kT )).
Princ
pio de Seguidor Robusto
5.2.1
Caso Cont
nuo
O esquema de um seguidor robusto dado na Figura 5.1. O controlador

e
e
composto por um estabilizador e um servo-compensador.
W
+
CONTROLADOR
ESTABILIZADOR
u
SERVO
yf
PROCESSO
y
+
Figura 5.1: Seguidor Robusto Cont

nuo.
Seja o processo cont
a
a
xf
yf
y
=
=
Ff xf + Gf u
Hf xf + Jf u
yf + W,
onde a perturbao W e a referncia r satisfazem

ca
e
pn W (t) = d1 pn1 W (t) + + dn W (t),
pn r(t) = d1 pn1 r(t) + + dn r(t),
102
Notas de Aula
ou seja, a perturbao e a referncia satisfazem as equaes

ca
e
co
(pn d1 pn1 dn )W (t) = 0,
(pn d1 pn1 dn )r(t) = 0.
Finalmente, supomos que as raises s1 , s2 , , sn de
sn d1 sn1 dn
0,
no so zeros do processo.
a a
O objetivo do controlador de encontrar um sinal u tal que a sa do proe
da
cesso y siga o sinal de referncia r em regime permanente. Em outras palavras,
e
denindo-se um erro de seguimento, , por
= r y,
deseja-se encontrar um sinal de controle u, tal que
lim (t) = 0.
Princ
pio do servo-compensador
Da denio de erro , podemos escrever que
ca
= ry
= r Hf xf Jf uW.
Mas,
(pn d1 pn1 dn )
(pn d1 pn1 dn )
= (pn d1 pn1 dn )r
(pn d1 pn1 dn )Hf xf
(pn d1 pn1 dn )Jf u
(pn d1 pn1 dn )W
= Hf xp Jf ,
onde,
xp = (pn d1 pn1 dn )xf ,
e
= (pn d1 pn1 dn )u.
A equao acima dene o servo-compensador que calcula o sinal de sa u
ca
da
e alimentado por um sinal auxiliar .
e
Seguimento Robusto
103
O servo-compensador pode ser descrito na forma cannica de controlabilio

dade, como segue
xu
d1
d2
dn
0
.
.
.
In1
xu +
0
u =
1
0
.
.
.
xu ,
ou seja,
xu =
u =
Fu xu + Gu
Hu xu ,
onde
Fu
Gu
d1
d2
dn
0
.
.
.
In1
1
0
.
.
.
0
Hu
0 1
Princ
pio do estabilizador
Da equao de estado do processo, podemos escrever
ca
xf
pxf
n
n1
(p d1 p
dn )pxf
p(pn d1 pn1 dn )xf
xp
Assim, a relao entre
ca
e
e
n1
(p d1 p
= Ff xf + Gf u
= Ff xf + Gf u
= (pn d1 pn1 dn )(Ff xf + Gf u)
= Ff (pn d1 pn1 dn )xf
+Gf (pn d1 pn1 dn )u
= Ff xp + Gf .
xp
dn )
= Ff xp + Gf
= Hf xp Jf .
104
Notas de Aula
Mas,
(pn d1 pn1 dn ) = Hf xp Jf
pode ser posta na forma cannica de controlabilidade

o
d1
d2
dn
0
.
.
.
In1
x +
0 1
(Hf xp Jf )
0
=
1
0
.
.
.
x,
ou seja,
=
=
Fu x + Gu (Hf xp Jf )
Hu x .
Assim, podemos escrever
xp
Ff
Gu Hf
0 Hu
0
Fu
xp
Gf
+
x
Gu Jf
xp
.
x
Denindo
x=
xp
,
x
x =
=
Ff
Gu Hf
0
Gf
x+
Fu
Gu Jf
0 Hu x,
e que
x =
=
onde
Fx + G
Hx,
Seguimento Robusto
105
Ff
Gu Hf
0
Fu
Gf
Gu Jf
0 Hu .
H =
Este sistema, que representa a relao entre e , controlvel e observvel,

ca
e
a
a
conforme ser provado a seguir. Portanto, podemos determinar o sinal , tal
a
que
lim (t) = 0.
A determinao de feita atravs de um controle modal usando obserca

e
e
vador de estado, ou seja, atravs de um estabilizador, conforme anteriormente
e
estudado, tendo em vista que o estado, x, no dispon
a e
vel.
Controlabilidade e Observabilidade da Relao entre
ca
Denindo-se
xe
e
a relao entre
ca
=
=
x
,
xp
Ff
Gu Hf
0
Fu
xp
Gf
+
x
Gu Jf
xp
x
Hu
pode ser reescrita
xp
xe
=
e =
Ff
Gu Hf
0
Fu
xp
Gf
+
xe
Gu Jf
xp
.
xe
Hu
As equaes acima correspondem aos dois sistemas em cascata representados

co
na Figura 5.2.
A funo de transferncia entre yp (s) e (s), denotada por
ca
e
Np (s)
,
Dp (s)
106
Notas de Aula
yp
xp = Ff xp + Gf
xe = Fu xe + Gu yp
yp = Hf xp + Jf
e = Hu xe
Figura 5.2: Relao entre e e .

ca
a mesma da do processo. Da Figura 5.2 tira-se que
e
e(s) =
1
sn
d1
sn1
dn
yp (s).
Logo,
e(s) =
Dp
e
(s) =
(s)(sn
Np (s)
(s),
d1 sn1 dn )
Np (s)
(s).
Dp (s)(sn d1 sn1 dn )
Como o processo controlvel e observvel, Np (s) e Dp (s) no tm ra

e
a
a
a e
zes
comuns, pelo Teorema de Kalman. Por hiptese, Np (s) e sn d1 sn1 dn
o
tambm no tm ra
e
a e
zes comuns. Logo, Np (s) e Dp (s)(sn d1 sn1 dn )
no tm ra comuns. Conclu
a e
zes
mos, nalmente, pelo Teorema de Kalman, que
a relao entre e controlvel e observvel.
ca
e
a
a
5.2.2
Caso Discreto
e
O esquema de um seguidor robusto dado na Figura 5.3. O controlador
e
composto por um estabilizador e um servo-compensador que so implementados
a
em um Computador Digital (CD).
Seja o sistema discreto controlvel e observvel, de ordem n,
a
a
xf (k + 1)
f xf (k) + f u(k)
yf (k) = Hf xf (k) + Jf u(k)

y(k) = yf (k) + W (k),
onde a perturbao W (k) e a referncia r(k) satisfazem
ca
e
q n W (k)
q n r(k)
= d1 q n1 W (k) + + dn W (k),
= d1 q n1 r(k) + + dn r(k),
Seguimento Robusto
107
W
+
CD
CAD
ESTABILIZADOR
CDA
yf
SERVO
PROCESSO
y
+
Figura 5.3: Seguidor Robusto Discreto.

ou seja, a perturbao e a referncia satisfazem
ca
e
(q n d1 q n1 dn )W (k) =
(q n d1 q n1 dn )r(k) =
0,
0.
Finalmente, supomos que as raises z1 , z2 , , zn de

z n d1 z n1 dn
= 0,
no so zeros do processo.
a a
O objetivo do controlador de encontrar um sinal u(k) tal que a sa do
e
da
processo y(k) siga o sinal de referncia r(k) em regime permanente. Em outras
e
palavras, denindo-se um erro de sa
da, (k), por
(k) = r(k) y(k),
deseja-se encontrar um sinal de controle u(k), tal que
lim (k) = 0.
Princ
pio do servo-compensador
Da denio de erro (k), podemos escrever que
ca
(k) =
=
Mas,
r(k) y(k)
r(k) Hf xf (k) Jf u(k)W (k)
108
Notas de Aula
(q n d1 q n1 dn ) (k)
(q n d1 q n1 dn )r(k)
(q n d1 q n1 dn )Hf xf (k)
(q n d1 q n1 dn )Jf u(k)
(q n d1 q n1 dn )W (k)
(q n d1 q n1 dn ) (k)
= Hf xp (k) Jf (k),
onde
xp (k) = (q n d1 q n1 dn )xf (k),
e
(k) = (q n d1 q n1 dn )u(k).
A equao acima dene o servo-compensador que calcula o sinal de comando
ca
u(k) e alimentado por um sinal auxiliar (k).
e
O servo-compensador pode ser descrito na forma cannica de controlabilio
dade, como segue
xu (k + 1)
d1
d2
dn
0
.
.
.
In1
xu (k) +
0
u(k) =
0 1
xu (k),
ou seja,
xu (k + 1) =
u(k) =
u xu (k) + u (k)
Hu xu (k),
onde
d1
d2
dn
0
.
.
.
In1
1
0
.
.
.
0
Hu
1
0
.
.
.
(k)
Seguimento Robusto
109
Princ
pio do estabilizador
Da equao de estado do processo, podemos escrever
ca
xf (k + 1) =
qxf (k) =
n
n1
(q d1 q
dn )qxf (k) =
n
n1
q(q d1 q
dn )xf (k) =
f xf (k) + f u(k)
f xf (k) + f u(k)
(q n d1 q n1 dn )(f xf (k) + f u(k))
f (q n d1 q n1 dn )xf (k)
+f (q n d1 q n1 dn )u(k)
= f xp (k) + f (k).
xp (k)
Assim, a relao entre (k) e (k)

ca
e
xp (k + 1)
n
(q d1 q
n1
f xp (k) + f (k)
dn ) (k) = Hf xp (k) Jf (k).
Mas
(q n d1 q n1 dn ) (k) = Hf xp (k) Jf (k)
pode ser posta na Forma Cannica de Controlabilidade
o
x (k + 1)
d1
d2
In1
dn
0
.
.
.
x (k) +
0
(k) =
0 1
1
0
.
.
.
(Hf xp (k) Jf (k))
x (k),
ou seja,
x (k + 1) =
(k) =
u x (k) + u (Hf xp (k) Jf (k))

Hu x (k).
Assim, podemos escrever

xp (k + 1)
x (k + 1)
(k)
Denindo
f
u Hf
Hu
0
u
xp (k)
f
+
(k)
x (k)
u Jf
xp (k)
.
x (k)
110
Notas de Aula
x(k) =
xp (k)
,
x (k)

x(k + 1)
f
u Hf
(k) =
0
f
x(k) +
(k)
u
u Jf
Hu x(k),
e que
x(k + 1) =
(k) =
Fx(k) + (k)
Hx(k),
onde
=
f
u Hf
0
u
f
u Jf
0 Hu x.
Este sistema, que representa a relao entre (k) e (k), controlvel e

ca
e
a
observvel, conforme ser mostrado a seguir. Portanto, podemos determinar o
a
a
sinal (k), tal que
lim (k) = 0.
A determinao de (k) feita atravs de um controle modal usando obserca

e
e
vador de estado, conforme anteriormente estudado, tendo em vista que o estado,
x(k), no dispon
a e
vel.
Controlabilidade e Observabilidade da Relao entre (k) e (k)
ca
Denindo-se
xe (k) = x (k)
e(k) = (k),
a relao entre (k) e (k)
ca
xp (k + 1)
x (k + 1)
(k) =
f
u Hf
0
Hu
0
u
xp (k)
x (k)
xp (k)
f
+
(k)
x (k)
u Jf
Seguimento Robusto
111
pode ser reescrita

xp (k + 1)
xe (k + 1)
e(k) =
f
u Hf
0
u
xp (k)
f
+
(k)
xe (k)
u Jf
0 Hu
xp (k)
.
xe (k)
As equaes acima correspondem aos dois sistemas em cascata representados

co
na Figura 5.4.
e(k)
yp (k)
(k)
xp (k + 1) = f xp (k) + f (k)
xe (k + 1) = u xe (k) + u yp (k)
yp (k) = Hf xp (k) + Jf (k)
e(k) = Hu xe (k)
Figura 5.4: Relao entre e(k) e (k).

ca
A funo de transferncia entre yp (z) e (z), denotada por
ca
e
Np (z)
,
Dp (z)
a mesma da do processo. Da Figura 5.2 tira-se que
e
e(z) =
1
yp (z).
z n d1 z n1 dn
Logo,
e(z) =
Np (z)
(z),
Dp (z)(z n d1 z n1 dn )
e
(z) =
Np (z)
(z).
Dp (z)(z n d1 z n1 dn )
Como o processo controlvel e observvel, Np (z) e Dp (z) no tm ra

e
a
a
a e
zes
comuns, pelo Teorema de Kalman. Por hiptese, Np (z) e z n d1 z n1 dn
o
tambm no tm ra
e
a e
zes comuns. Logo, Np (z) e Dp (z)(z n d1 z n1 dn )
no tm ra
a e
zes comuns. Conclu
mos, ento, pelo Teorema de Kalman, que a
a
relao entre (k) e (k) controlvel e observvel.
ca
e
a
a
112
5.3
5.3.1
Notas de Aula
Projeto de Seguidor Robusto

Caso Cont
nuo
Seja o sistema cont

a
a
xf
y
=
=
Ff xf + Gf u
Hf xf + Jf u + W,
onde a perturbao W e a referncia r satisfazem

ca
e
(pn d1 pn1 dn )W (t) = 0,
(pn d1 pn1 dn )r(t) = 0.
Primeiro Passo: determinao do erro de sa
ca
da
= r y.
Segundo Passo: determinao do servo-compensador
ca
xu =
u =
Fu xu + Gu
Hu xu,
onde
Fu
Gu
d1
d2
In1
1
0
.
.
.
dn
0
.
.
.
0
Hu
Terceiro Passo: determinao da relao entre

ca
ca
A relao entre e dada por
ca
e
x =
=
onde
Fx + G
Hx,
Seguimento Robusto
113
Ff
Gu Hf
0
Fu
Gf
Gu Jf
0 Hu
H =
Quarto Passo: determinao do estabilizador. Encontrar L e K, e denir o

ca
estabilizador da seguinte forma
x =
=
[F LH GK]x + L
Kx.
O esquema de controle dado pela Figura 5.5.

e
W
x = [F LH GK]x + L
= Kx
xu = Fu xu + Gu
u = Hu xu
xf = Ff xf + Gf u
yf = Hf xf + Jf u
nuo.
Figura 5.5: Seguidor Robusto Cont
5.3.2
Caso Discreto
Seja o sistema discreto controlvel e observvel, de ordem n,

a
a
xf (k + 1) = f xf (k) + f u(k)
y(k) = Hf xf (k) + Jf u(k) + W (k),
onde a perturbao W (k) e a referncia r(k) satisfazem
ca
e
(q n d1 q n1 dn )W (k) =
(q n d1 q n1 dn )r(k) =
Primeiro Passo: determinao do erro de sa
ca
da
(k) = r(k) y(k).
0,
0.
yf
+
114
Notas de Aula
ca
xu (k + 1) = u xu (k) + u (k)
u(k) = Hu xu (k),
onde
d1
d2
In1
1
0
.
.
.
dn
0
.
.
.
0
Hu
Terceiro Passo: determinao da relao entre (k) e (k)

ca
ca
A relao entre (k) e (k) dada por
ca
e
x(k + 1) =
(k) =
x(k) + (k)
Hx(k),
onde
=
f
u Hf
f
u Jf
H =
0
u
0 Hu .
Quarto Passo: determinao do estabilizador. Encontrar L e K, e denir o

ca
estabilizador da seguinte forma
x(k + 1) = [ LH K]x(k) + L (k)
(k) = Kx(k).
O programa de computador dado pela Figura 5.6.
e
Este programa roda periodicamente a cada T segundos. T o per
e
odo de
amostragem.
Seguimento Robusto
115
x(k) = 0
xu (k) = 0
u(k) = Hu xu (k)
CDA
ENVIAR PARA O
PROCESSO : u(k)
CAD
LER
(k)
(k) = Kx(k)
x(k + 1) = [F LH GK]x(k) + L (k)
xu (k + 1) = Fu xu (k) + Gu (k)
x(k) = x(k + 1)
xu (k) = xu (k + 1)
Figura 5.6: Programa do Seguidor Robusto Discreto.
116
Notas de Aula
5.3.3
Exemplo
Seja o processo
xf
2, 8
1
1, 6
1
xf +
u
0
0
1 xf +0.1.
Encontrar um controle robusto discreto tal que

r(t) = R
e o per
odo de amostragem seja 0, 1.
Os plos do controle modal para o estabilizador devero ser iguais a 0, 8. Os
o
a
plos do observador para o estabilizador devero ser 0, 2.
o
a
Soluo:
ca
Precisamos, antes de tudo, determinar o modelo discreto do processo cont
nuo
com bloqueador de ordem zero, considerando o per
odo de amostragem T = 0, 1.
f
f
=
=
1
1
Ff T + (Ff )2 T 2 +
2!
3!
I + Ff T
T Gf .
I+
Considerando que
Ff =
2, 8
1
e
Gf =
1, 6
0
1
,
0
podemos escrever
0, 74914
0, 08699
f =
e
f =
0, 13918
0.9927
0, 08699
.
0, 00456
O Processo&Bloqueador na forma discreta descrito por

e
xf (k + 1)
y(k) =
=
f xf (k) + f u(k)
Hf xf (k) + 0, 1
0 1 xf (k) + 0, 1.

W (k) = 0, 1.
Seguimento Robusto
117
Como W (k) e r(k) so sequncias constantes, satisfazem as equaes

a
e
co
(z 1)r(kT ) = 0
e
(z 1)W (kT ) = 0.
Vamos agora considerar os quatro passos de projeto.
Primeiro Passo: erro de sa
da
(k) = r(k) y(k).
ca
xu (k + 1) =
u(k) =
u xu (k) + u (k)
Hu xu (k),
onde
u
u
Hu
= [1]
= [1]
= [1] .
Terceiro Passo: relao entre (k) e (k)

ca
Podemos agora escrever o sistema a ser observado e controlado
x(k + 1) = x(k) + (k)
(k) = Hx(k),
onde
=
f
u Hf
f
u Jf
0
u
Hu .
Considerando Jf = 0, podemos escrever
0, 74914 0, 13918
0.9927
= 0, 08699
0
1
0, 08699
= 0, 00456
0
H
1 .
0
0
1
118
Notas de Aula
Quarto Passo: determinao do estabilizador
ca
Calculando-se o controle modal para os plos 0, 8, 0, 8 e 0, 8, tem-se que
o
K = 3, 3169 11, 696 0, 9184 .
O ganho do observador para plos 0, 2, 0, 2 e 0, 2

o
e
1, 6405
L = 1, 3531 .
2, 1418
x(k + 1) = [ LH K]x(k) + L (k)
(k) = Kx(k).
Pode-se mostrar que
0, 4606
LH K = 0, 0719
0
5.4
1, 1566
0, 9394
1
1, 7205
1, 3573 .
1, 1418
Exerc
cios
1. Achar o servo-compensador cont

nuo para:
a) W (t) = 5sen(12t) e r(t) = 5.
b) r(t) = 5sen(12t) e W (t) = 5.
c) r(t) = 5t2 e r(t) = 4.
2. Considerando T = 0, 1, achar o servo-compensador discreto para:
a) W (kT ) = 5sen(12(kT )) e r(kT ) = 5.
c) r(t) = 5(kT )2 e r(kT ) = 4.
x
= 3x + 2u
= 4x.
a) Determinar o servo-compensador para: r(t) = 2sen(5t) e W (t) = 0.

b) Determinar a relao entre e ;
ca
c) Determinar o estabilizador de tal forma que o observador tenha plos em
o
1 e o controle modal tenha plos em 0.1.
o
Seguimento Robusto
119
4. Seja o sistema discretizado (BOZ&Processo) num per

odo de amostragem de
0, 2 segundos.
1 2
0 2
1 0
y(k) =
1 0
x(k + 1)

1
0
3 x(k) + 1 u(k)
4
0
1
x(k).
a) Determinar o servo-compensador discreto para: W (kT ) = 10sen(2(kT ))

e r(kT ) = 2.
b) Determinar a relao entre (k) e (k);
ca
c) Determinar o estabilizador de tal forma que o observador tenha plos em
o
0, 1 e o controle modal tenha plos em 0, 8.
o
120
Notas de Aula
5.5
Respostas dos Exerc

cios
1.
a)
xu

144 0
1
0
0 xu + 0
0
1
0
0
1
0
0 0
u =
1 xu
b)
xu

1
144 0
0
0 xu + 0
0
1
0
0
1
0
0 0
u =
1 xu
c)
xu
0
= 1
0
0
0
1

0
1
0 xu + 0
0
0
1 xu
u =
2.
a)
xu (k + 1)
1, 725
1
0
0 0
u(k) =

1, 725 1
1
0
0 xu (k) + 0 (k)
1
0
0
1 xu (k)
b)
xu (k + 1)
3
1
0
u(k)

3 1
1
0 0 xu (k) + 0 (k)
1 0
0
0
1 xu (k)
3.
a)
xu
u =
0
1
25
1
xu +
0
0
0 1 xu
Seguimento Robusto
121
b)
3 0
= 4 0
0 1

0
2
25 x + 0
0
0
1 x
c)
0, 3
4
0
x =
1, 35
6, 243
0
1
3, 121
3, 875
2
3 x + 22
0
0
0, 937 x
4.
a)
xu (k + 1)
u(k)
2, 842
1
0
2, 842
0
1
1 xu (k)
1
3
4
1
0
0
0
0
0
2, 842
1
0
1
1
0 xu (k) + 0 (k)
0
0
b)
x(k + 1)
(k) =
1
0
0
0
2
2
0
0
0
0
0 0
0 0
0
0
0
2, 842
0
1

0
0
1
0

0
x(k) + 0 (k)
0
1

0
0
0
0
1 x(k)
c)
0, 002 0, 009
48, 412
48, 406
72, 631
0, 012 0, 046
72, 661
0, 000 0, 001
70, 365
x(k) + 70, 364 (k)
115, 720
2, 842 2, 842 114, 720
32, 540
1
0
32, 540
0
1
7, 287
7, 287
0, 447
3, 991
0, 274
0
0
0, 137
0, 542
0, 033
0
0
0
2, 349
13, 305
2, 053
1
0
0
(k) =
16, 582
8, 302
58, 481 0, 047
x(k + 1)
0, 187 0, 139 x(k)
Cap
tulo 6
S
ntese de Sistemas
Descritos por Equaoes de
c
Estado Cont
nuas
Seja o sistema cont
nuo
x =
y =
Fx + Gu
Hx + Ju.
Sintetizar o sistema acima consiste em encontrar um circuito que seja regido

matematicamente pelas mesmas equaes, ou seja, por
co
x =
y =
Fx + Gu
Hx + Ju.
O uso de amplicadores operacionais permite sintetizar com facilidade sistemas descritos por equaes de estado cont
co
nuas. Assim, observadores, servocompensadores e estabilizadores cont
nuos podero ser sintetizados eletronicaa
mente.
Para sistemas lineares, trs circuitos bsicos so necessrios: somador; ine
a
a
a
versor e integrador.
Somadores somam tenses ponderadas. Inversores invertem o sinal de uma
o
tenso. E, integradores integram temporalmente uma soma ponderada de tenses.
a
o
6.1
Amplicador Operacional Ideal
O s
mbolo de um amplicador operacional apresentado na Figura 6.1. A
e
Figura 6.2 mostra o modelo de um Amplicador Operacional.
Amplicadores Operacionais ideais tm resistncia de entrada elevada, ganho
e
e
elevado e resistncia de sa muito baixa.
e
da
122
S
co
nuas
123
Idealmente consideramos
A
Ri
Ro
0.
Nestas condies ideais, pode-se mostrar que

co
Ib
vd
0.
Figura 6.1: S
mbolo do Amplicador Operacional.
Ib
vd
Ri
vo
Ro
Avd
Figura 6.2: Modelo de Amplicador Operacional.
6.2
Somador
Um somador obtido realimentando-se um amplicador operacional com um

e
resistor, conforme Figura 6.3.
Da Figura 6.3, tira-se que
I1 + I2 + I3 + I = Ib
0.
Pode-se escrever que

a2 v2
a 3 v3
vo
a1 v1
+
+
+
= 0,
R
R
R
R
o que implica em
v0 = (a1 v1 + a2 v2 + a3 v3 ).
Em computao analgica o somador representado conforme a Figura 6.4.
ca
o
e
124
Notas de Aula
v1
v2
I
R/a1 1
Ib
I
R/a2 2
v3
I
R/a3 3
Ri
vd
Ro
vo
Avd
Figura 6.3: Somador.
vi
v1
v2
a2
v3
vi
a1
a3
vi = a1v1 + a2 v2 + a3 v3
Figura 6.4: Computao Analgica - Somador.

ca
o
vi
Ib
Ii
vd
Ri
Ro
Avd
Figura 6.5: Inversor.
vo
S
co
nuas
6.3
125
Inversor
Um inversor um caso particular do somador. Veja Figura 6.5.

e
Pode-se mostrar que
v0 = vi .
Em computao analgica o inversor representado conforme a Figura 6.6.
ca
o
e
vi
vi
Figura 6.6: Computao Analgica - Inversor.

ca
o
6.4
Integrador
Um somador obtido realimentando-se um amplicador operacional com um

e
capacitor, conforme Figura 6.7.
Da Figura 6.7, tira-se que
I1 + I2 + I3 + I = Ib
0.
Pode-se escrever que

Ca1 v1 + Ca2 v2 + Ca3 v3 + C vo = 0,
o que implica em
v0 = (a1 v1 + a2 v2 + a3 v3 ).
Logo,
t
v0 =
(a1 v1 + a2 v2 + a3 v3 )dt.
0
Em computao analgica o integrador representado conforme a Figura

ca
o
e
6.8.
Os circuitos aqui apresentados de somador, inversor e integrador, usando
a
amplicadores operacionais no so unicos. Em [5] so apresentados diversos
a a
circuitos alternativos. As conguraes mais simples de tais circuitos foram aqui
co
abordadas.
126
Notas de Aula
v1
v2
1/a1 C
1/a2 C
I1
Ib
I2
v3
1/a3 C
I3
Ri
vd
vo
Ro
Avd
Figura 6.7: Integrador.
v1
a1
v2
a2
v3
a3
x = a1 v1 + a2 v2 + a3 v3
Figura 6.8: Computao Analgica - Integrador.

ca
o
S
co
nuas
127
A Figura 6.9 faz um resumo dos trs elementos de computao analgica

e
ca
o
necessrios para s
a
ntese de sistemas lineares. Na primeira coluna so apresena
tados os elementos de computao analgica, e na segunda os correspondentes
ca
o
circuitos eletrnicos.
o
R/a1
vi
v1
vi
vi
a1
R/a2
v2
v2
a3
a2
v3
vi
v1
R/a3
v3
vi = a1v1 + a2 v2 + a3 v3
1/a1 C
v1
a1
v2
a2
v3
a3
v1
1/a2 C
v2
1/a3 C
v3
x = a1 v1 + a2 v2 + a3 v3
R
vi
vi
R
vi
vi
Figura 6.9: Elementos de Computao Analgica X Circuitos Eletrnicos.

ca
o
o
6.5
Exemplo
Seja o sistema abaixo:
128
Notas de Aula
x =
2 1
2
x+
u
0 3
1
3 4 x.
Realizar o programa de computao analgica e sintetizar o circuito corresca

o
pondente.
x1
x2
=
=
=
2x1 + x2 + 2u
3x2 + u
3x1 + 4x2 .
Para realizar o programa de computao analgica, devemos programar cada

ca
o
estado e a sa
da. Comea-se programando os integradores. Cada integrador
c
corresponde a um estado. Desta forma programa-se os estados. A equao de
ca
sa obtida com um somador.
da e
O programa de computao analgica est apresentado na Figura 6.10 e o
ca
o
a
correspondente circuito est apresentado na Figura 6.11. A Figura 6.10 auto
a
e
explicativa. A Figura 6.11 foi obtida usando-se os circuitos correspondentes dos
elementos de computao analgica apresentados na Figura 6.9.
ca
o
x1
x1
x2
1
x2
x2
ca
o
Figura 6.10: Diagrama de Computao Analgica.
S
co
nuas
1/2C
R
R
x1
x2
1/C
x1
129
+
+
1/2C
R/3
R/4
1/C
1/3C
x2
x2
Figura 6.11: Realizao com Amplicadores Operacionais.

ca
6.6
Exerc
cios
1. Considere o sistema da Figura 6.12.

a) Faa o programa de computao analgica;
c
ca
o
b) Apresente o circuito correspondente.
x = 2x + 3
y = 5x
+
Figura 6.12: Exerc 1.

cio
2. Faa o programa de computao analgica do sistema abaixo:
c
ca
o
3
.
s3 + 2s + 1
130
Notas de Aula
6.7
Respostas dos Exerc

cios
1.
3
5
1
2
Figura 6.13: Resposta do Exerc 1 a).

cio
R
R
1/3C
x
R
R/5
1/2C
cio
Figura 6.14: Resposta do Exerc 1 b).
S
co
nuas
131
2.
x1
x1
x2
x2
1
1
2
x3
x3
Referncias Bibliogrcas
e
a
[1] Stefani R. T., Savant Jr C. J., Shahian B., Hosttetter G. H. Design of
Feedback Control Systems, Saunders College Publishing,1994.
[2] Chen C. T. Introduction to Linear System Theory, Holt, Rinehart and Wiston,Inc,1970.
[3] Franklin G. F., Powell J. D., Emami-Naeini A. Feedback Control of Dynamic
Systems , Addison-Wesley Publishing Company, 1994.
[4] Hsu H. P. Teoria e Problemas de Sinais e Sistemas - Coleo Schaum ,
ca
Bookman Companhia Editora, 2004.
[5] Pertence Junior, A. Amplicadores Operacionais e Filtros Ativos, McGrawHill, 1988.
132

Hamilton

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Hamilton

Hochgeladen von

Copyright:

Verfügbare Formate

Universidade Federal de Santa Catarina

Departamento de Engenharia Eltrica

1 Modelos e Soluo no Espao de Estado

1.11.1 Caso Cont

2 Controlabilidade, Observabilidade e Estabilidade

3 Controle Modal e Observador de Estado - Estabilizador 1

4 Controle Otimo e Filtro de Kalman - Estabilizador 2

4.2 Projeto de Controle Otimo . . . . . . . . . . . . . . . . . .

5.2.1 Caso Cont

Conceito de Sistema Linear

Sejam u e y, respectivamente a entrada e a sa do sistema abaixo.

Figura 1.1: Sistema Linear (SL).

Figura 1.2: Leis de Proporcionalidade e Superposio.

Representao de um Sistema Linear por

que pode ser reescrita na forma do operador p, onde pn = dn /dtn ,

= a1 pn1 y(t) + + an y(t)

= a1 sn1 y(s) + + an y(s)

Modelos e Soluo no Espao de Estado

equao de diferena, onde u e y so respectivamente a entrada e a sa

= a1 y((k + n 1)T ) + + an y(kT )

onde se denota por simplicidade

Alternativamente, pode-se escrever na forma do operador q, onde q n y(k) =

Conceito de Varivel de Estado

As trs primeiras equaes so equaes diferenciais de primeira ordem e

f1 (x1 (k), x2 (k), x3 (k), u(k))

f (x1 (k), x2 (k), x3 (k), u(k)).

As trs primeiras equaes so equaes a diferena de primeira ordem e

Modelos e Soluo no Espao de Estado

Figura 1.3: Circuito R-L-C.

Seja o circuito da Figura 1.3:

Das equaes acima, podemos escrever

Denindo-se as componentes do vetor de estado por

o que permite escrever nalmente

Denindo-se o vetor de estado por

podemos escrever nalmente que

Considere o esquema mecnico da Figura 1.4.

Modelos e Soluo no Espao de Estado

onde v a velocidade e x a posio.

Denindo-se o vetor de estado por

podemos escrever nalmente que

Gerao de Variveis de Estado a Partir de

Seja o sistema, onde u e y so respectivamente a entrada e a sa

o que permite escrever

Modelos e Soluo no Espao de Estado

pode-se escrever em forma matricial,

Processo em Variveis de Estado

Seja um sistema de ordem n, representado pela funo de transferncia

dsn + (b1 da1 )sn1 + + (bn dan )

Este sistema pode ser escrito na forma

A Forma Cannica de Controlabilidade

onde x o vetor de estado

e a Forma Cannica de Observabilidade

Seja um sistema de ordem n, representado pela funo de transferncia

dz n + (b1 da1 )z n1 + + (bn dan )

Este sistema pode ser escrito na forma

Modelos e Soluo no Espao de Estado

A Forma Cannica de Controlabilidade

Encontrar a forma cannica de controlabilidade de

onde x(k) o vetor de estado

e a Forma Cannica de Observabilidade

Encontrar a forma cannica de observabilidade de

dz n + (b1 da1 )z n1 + + (bn dan )

podemos escrever que:

Modelos e Soluo no Espao de Estado