Beruflich Dokumente
Kultur Dokumente
Sumrio
a
Prefcio
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
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
65
65
65
66
66
66
68
70
70
71
71
71
73
74
75
76
78
83
85
4.1 Princ
pio de Controle Otimo . . . . . . . . . . . . . . . . . .
4.1.1 Caso Cont
nuo . . . . . . . . . . . . . . . . . . . . .
4.1.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
6.7 Respostas dos Exerc
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
SL
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
1.2
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
ou em Transformada de Laplace
sn y(s)
1.2.2
Caso Discreto
Seja T , o per
odo de amostragem.
Um sistema discreto ou amostrado no per
odo T , pode ser descrito pela seguinte
= a1 y(k + n 1) + + an y(k)
+du(k + n) + (b1 da1 )u(k + n 1) + + (bn dan )u(k).
1.3
a1 z n1 y(z) + + an y(z)
+dz n u(z) + (b1 da1 )z n1 u(z) + + (bn dan )u(z).
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
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) =
y(k) =
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.
il
ic
vl
vc
1.3.1
Primeiro Exemplo
= ic + il
dvc
= C
dt
= vl + vr
dil
= L
dt
= Ril .
ic
vc
vl
vr
= il + i
= vc Ril
= Ril .
= 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 ,
=
=
x2
1
C
R
L
1
L
1
x1
+ C u
x2
0
x1
.
x2
x1
,
x2
1.3.2
=
=
1
L
1
1
C
C u
R x+
0
L
R x.
Segundo Exemplo
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
=
=
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 .
x1
,
x2
x =
1.4
1.4.1
B
M
1
1
M
1 0 x.
K
M
0
x1
+
x2
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 ,
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
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),
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
b1 sn1 + b2 sn2 + + bn
.
sn a1 sn1 an
a1
a2
x =
In1
e
an
0
.
.
.
x +
0
y
b1
b2
bn
1 0
x=
x1
x2
.
.
.
x +
x + du,
a1
a2
In1
x = .
.
.
an
1
0
.
.
.
b1
b2
.
.
.
bn
x + du,
xn
1.5.2
Caso Discreto
b1 z n1 + b2 z n2 + + bn
.
z n a1 z n1 an
11
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
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
0
0
x(k) + du(k),
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
2z 2 + 1, 7z + 1, 2
z 2 + 0, 6z + 0, 2
De
f (z) =
= 0, 6
= 0, 2
d
b1 da1
b2 da2
Deduz-se que
= 2
= 1, 7
= 1, 2.
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),
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)
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
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
+
+
1.7
15
Blocos
O sistema cont
nuo
x =
y =
Fx + Gu
Hx + Ju,
1.8
Perturbao
ca
PROCESSO
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
W (t) =
W (t) =
wcos(wt)
w2 sen(wt)
w2 W (t)
xp
0
w2
1
0
1.9.2
=
=
xp .
xp
Caso Discreto
=
=
=
=
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).
17
1.10
1.10.1
Caso Cont
nuo
a1
a2
In1
xp = .
.
.
an
W
1.10.2
1 0
xp
0
0
xp .
Caso Discreto
a1
a2
In1
xp (k + 1) = .
.
.
an
W (k)
0
0
xp (k)
xp (k).
1.11
1.11.1
Caso Cont
nuo
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
Figura 1.8: Processo com Perturbao.
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.
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),
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)
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,
xb
yb
=
=
Fb xb + Gb u
Hb xb + Jb u.
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
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
xa
ya
= Fa xa + Ga u
= Ha xa + Ja u,
21
xb
y
=
=
Fb xb + Gb ya
Hb xb + Jb ya .
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.
= Hx + J(u y)
= Hx + Ju
= (1 + J)1 Hx + (1 + J)1 Ju.
22
Notas de Aula
=
=
=
=
=
(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,
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)
yb (k)
xb (k + 1) = b xb (k) + b u(k)
yb (k) = Hb xb (k) + Jb u(k)
a xa (k) + a u(k)
Ha xa (k) + Ja u(k),
23
ya (k) + yb (k),
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)
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)
= u(k) y(k).
1.12.3
Exemplo
0, 8
,
s
2
,
s2 + 6s + 8
e a perturbao
ca e
W (t) = 1.
25
W
yf
u
CONTROLADOR
PROCESSO
0
0
0, 8.
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.
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)
27
gera
xf
0
= 0, 8
0
yf
0
1
8 xf + 0
0
0
0
6
1
2 xf .
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
x =
y =
Fx + Gu
Hx + Ju.
xf
xp
.
1
0
+
0
0
28
Notas de Aula
eF(tt0 ) x(t0 ) +
eF(t ) Gu( )d
t0
y(t) =
H[eF(tt0 ) x(t0 ) +
t0
1
1
1
Ft + F2 t2 + F3 t3 + ,
1!
2!
3!
1.13.2
Caso Discreto
x(k)
(kj1) u(j)
= (kk0 ) x(k0 ) +
j=k0
(k1)
y(k)
= H[(kk0 ) x(k0 ) +
j=k0
1.14
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;
29
u
r
CONTROLADOR
ys
PROCESSO
u
r
CAD
CD
CDA
ys
PROCESSO
CAD
LER
CALCULAR
(k)
u(k)
CDA
ENVIAR PARA O
PROCESSO : u(k)
30
Notas de Aula
W
T
CAD
ys
CDA
+
y
CD
BOZ
PROCESSO
CD
ys
+
T
PROCESSO
BOZ
+
T
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
x =
y =
Fx + Gu
Hx + Ju.
x(t) =
eF(t ) Gu( )d
t0
Se T o per
e
odo de amostragem, podemos denir que
t
t0
= (k + 1)T
= kT.
eFT x(kT ) +
x((k + 1)T ) =
kT
(k+1)T
= eFT x(kT ) +
eF((k+1)T ) d
Gu(kT ).
kT
eF((k+1)T ) d
kT
eF d
T
T
eF d.
eFT x(k) +
eF d Gu(kT ).
Assim, identicamos
= eFT
T
=
0
eF d G.
33
=
=
1
1
FT + F2 T 2 +
2!
3!
I + FT
T G.
I+
1.14.2
Exemplo
x =
y
6
1
0
8
0
0
0 2
0, 8
0
0 x+ 0 u
1
0
0 x.
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
34
Notas de Aula
As matrizes e so
a
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
x =
W =
Fx
Hx.
Calcula-se por
1
1
FT + F2 T 2 +
2!
3!
= I + FT .
= I+
W (k) =
x(k)
Hx(k).
1.15
35
Exerc
cios
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
36
Notas de Aula
1
= 0
1
2
2
0
2
1
3 x + 1 u
0
4
d
x
dt
y
x.
1.16
37
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.
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
O principal objetivo deste cap
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
2.1.1
Caso Cont
nuo
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
41
G FG
F(n1) G
no singular.
e a
2.1.2
Caso Discreto
(n1)
no singular.
e a
2.2
Conceito de Observabilidade
2.2.1
Caso Cont
nuo
x =
y =
Fx + Gu
Hx + Ju,
42
Notas de Aula
x =
y =
Fx + Gu
Hx + Ju,
HF
Ox =
,
.
.
.
HF(n1)
no singular.
e a
2.2.2
Caso Discreto
Ox =
,
.
.
.
(n1)
H
no singular.
e a
2.3
Dom
nio Freqncia
ue
43
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
2.3.1
adj(A)
.
det(A)
Caso Cont
nuo
x =
y =
Fx + Gu
Hx + Ju.
= Gu(s)
= (sI F)1 Gu(s)
= H(sI F)1 Gu(s) + Ju(s)
= [H(sI F)1 G + J]u(s).
A funo de transferncia
ca
e
e
f (s) = H(sI F)1 G + J.
44
Notas de Aula
Podemos escrever que
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) =
=
=
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 .
2.3.2
Caso Discreto
45
= x(z) + u(z)
= Hx(z) + Ju(z).
A funo de transferncia
ca
e
e
f (z) = H(zI )1 + J.
Podemos escrever que
f (z) =
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 .
46
2.4
2.4.1
Notas de Aula
Estabilidade
Caso Cont
nuo
x =
Fx + Gu
Hx + Ju,
x =
y =
Fx + Gu
Hx + Ju,
x = Fx.
Se todas as ra
zes da equao caracter
ca
stica,
det (sI F) = 0,
tiverem parte real negativa, ento
a
lim x(t) = 0,
2.4.2
Caso Discreto
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
zes da equao caracter
ca
stica,
det (zI ) = 0,
estiverem dentro do c
rculo unitrio, ento
a
a
lim x(k) = 0,
2.5
Teorema de Kalman
2.5.1
Caso Cont
nuo
Teorema: Seja
f (s) =
x =
y =
Fx + Gu
Hx + Ju.
x =
y =
Fx + Gu
Hx + Ju
O sistema
2.5.2
Caso Discreto
Teorema: Seja
f (z) =
48
Notas de Aula
x(k) + u(k)
Hx(k) + Ju(k)
2.6
2.6.1
Transformao de Similaridade
ca
Caso Cont
nuo
x =
y =
Fx + Gu
Hx + Ju,
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,
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
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
2.7.1
Caso Cont
nuo
x =
y =
Fx + Gu
Hx + Ju,
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
r1
r2
Cx 1 = . ;
.
.
rn
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
G FG
F(n1) G
5. a inversa de T
e
T1 = Cz Cx 1 .
2.7.2
Caso Discreto
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
Dois mtodos sero usados para a determinao de T:
e
a
ca
Primeiro Mtodo:
e
1. de e , calcular a matriz de controlabilidade
Cx =
(n1)
r1
r2
Cx 1 = . ;
.
.
rn
3. a inversa de T
e
T1 =
rn (n1)
rn (n2)
.
.
.
rn
Segundo Mtodo:
e
1. calcular o polinmio caracter
o
stico associado `
a
det (zI ) = z n a1 z n1 an ;
2. calcular
A =
a1
a2
In1
an
0
.
.
.
0
1
0
.
.
.
B =
53
0
3. de A e B, calcular a matriz de controlabilidade
Cz =
AB
A(n1) B
5. a inversa de T
e
2.8
(n1)
T1 = Cz Cx 1 .
2.8.1
Caso Cont
nuo
x =
y =
Fx + Gu
Hx + Ju.
z =
y =
onde
Az + Bu
Cz + Ju,
= T1 FT
a1
a2
.
.
.
In1
an
e
C = HT
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
a1
a2
.
.
.
an
In1
0
e
C =
1 0
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
Az(k) + Bu(k)
Cz(k) + Ju(k),
onde
= T1 FT
a1
a2
.
.
.
In1
an
e
C = HT
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
1. calcular o polinmio caracter
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 =
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
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
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 .
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
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
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
=
=
=
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).
63
1
= 0
1
2
2
0
0
1
3 x + 1 u
0
4
x.
64
Notas de Aula
2.11
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).
7
1 0
0
x = 13 0 1 x + 2 u
12 0 0
6
y
x.
2s 6
.
s3 7s2 + 13s 12
Cap
tulo 3
Controle Modal e
Observador de Estado Estabilizador 1
O principal objetivo deste cap
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
3.1.1
Caso Cont
nuo
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
zes da equao caracter
ca
stica,
det (sI [F GK]) = 0,
3.1.2
Caso Discreto
3.2
3.2.1
Caso Cont
nuo
x = Fx + Gu,
67
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
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 .
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
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
Podemos escrever que
z(k + 1)
(A BKz )z(k)
1
2
In1
n
0
.
.
.
z(k),
0
o que comprova que foi estabelecido o polinmio caracter
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 .
=
=
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
3.3.1
Caso Cont
nuo
x =
y =
Fx + Gu
Hx + Ju.
x = x x,
podemos escrever
x = (F LH) .
x
lim x(t) = 0,
e
assegurando que em regime permanente x x.
3.3.2
71
Caso Discreto
lim x(k) = 0,
3.4
3.4.1
Caso Cont
nuo
x =
y =
Fx + Gu
Hx + Ju,
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
z = z z,
podemos escrever
z=
1
2
.
.
.
n
z,
In1
0
73
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 ,
3.4.2
Caso Discreto
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
Denindo-se
x(k) = T(k),
z
L = TLz ,
podemos escrever o obsevador
3.5
3.5.1
75
Caso Cont
nuo
x =
y =
Fx + Gu
Hx + Ju,
x = x x,
podemos escrever que
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
x =
y =
Fx + Gu
Hx + Ju,
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
x =
y =
Fx + Gu
Hx,
x = (F LH GK) + Ly
x
u = K .
x
A Figura 3.2 mostra este tipo de estabilizador.
u
x = [F LH GK]x + Ly
x = Fx + Gu
u = Kx
y = Hx
3.5.2
Caso Discreto
= x(k) + u(k)
= Hx(k) + Ju(k),
77
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
x(k) + u(k)
Hx(k),
78
Notas de Aula
u(k)
y(k)
x(k + 1) = x(k) + u(k)
y(k)
u(k) = Kx(k)
y(k) = Hx(k)
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.
79
1 2 0
2
0
F = 1
2 1 3
2
G = 0
0
H= 1
1 .
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
Finalmente podemos escrever que
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 .
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
0, 3889 0, 8681 x.
x = (F LH GK) + Gu + Ly
x
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).
d
x
dt
1
= 1
0
3
0
1
1
1
0 x + 0 u
0
0
y(k)
x(k).
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).
84
Notas de Aula
d
x
dt
y
1
= 0
1
2
2
0
1
1
3 x + 1 u
4
0
x.
3.8
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)
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
4, 667
1
3, 667
7 x + 1 u + 10, 000 y.
13, 667
0
17, 667
85
Cap
tulo 4
4.1
4.1.1
Princ
pio de Controle Otimo
Caso Cont
nuo
x = Fx + Gu.
Podemos denir um controlador da seguinte forma
u = Kx,
onde o vetor K, de dimenso [1 n], convenientemente calculado.
a
e
Podemos escrever que
x = (F GK)x.
O ganho K calculado de tal forma que a funo
e
ca
J=
1
2
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
4.1.2
Caso Discreto
1
2
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
zes da equao caracter
ca
stica,
det (zI [ K]) = 0,
estejam dentro do c
rculo unitrio. Garante-se que
a
lim x(k) = 0,
88
4.2
Notas de Aula
4.2.1
Caso Cont
nuo
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
P = Q + T P P(R+T P)
T P.
mI
0
0
0
Controle Otimo e Filtro de Kalman - Estabilizador 2
T
89
1
T P(k).
T P(k).
K = (R + T P)
4.2.3
T P.
Exemplo
x(k + 1) =
considerando Q = 10I e R = 1.
Soluo:
ca
Do processo, podemos escrever
7 5
1 0
1
.
0
10I
1
0
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
90
4.3.1
Notas de Aula
Caso Cont
nuo
x =
y =
Fx + Gu
Hx + Ju,
observvel.
a
Podemos denir um observador da seguinte forma
x = x x,
podemos escrever
x = (F LH) .
x
lim x(t) = 0,
e
assegurando que em regime permanente x x.
4.3.2
Caso Discreto
Controle Otimo e Filtro de Kalman - Estabilizador 2
91
lim x(k) = 0,
4.4
4.4.1
x =
y =
Fx + Gu
Hx + Ju,
4.4.2
Caso Discreto
92
Notas de Aula
P = Q + PT PHT (R+HPHT )
HPT .
mI
0
0
0
HP(k)T .
Terceiro Passo:
Podemos, agora, determinar L por
1
L = PHT (R + HPHT )
4.4.3
Exemplo
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
Do processo, podemos escrever
0 .
O observador
e
10I
1
0
Controle Otimo e Filtro de Kalman - Estabilizador 2
93
1
HP(k)T .
Em 10 iteraes, tem-se
co
P=
e
1
L = PHT (R + HPHT )
7, 085
.
0, 997
O Observador ca sendo
x(k + 1)
4.5
=
x(k) +
u(k) +
y(k).
0, 003 0
0
0, 997
4.5.1
Caso Cont
nuo
x =
y =
Fx + Gu
Hx + Ju,
x = x x,
podemos escrever que
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]),
lim x(t) =
lim x(t) =
lim y(t) =
0.
t
t
x =
y =
Fx + Gu
Hx + Ju,
x = (F LH GK + LJK) + Ly
x
u = K .
x
A Figura 4.1 mostra este tipo de estabilizador.
u
x = [F LH GK + LJK]x + Ly
x = Fx + Gu
u = Kx
y = Hx + Ju
x =
y =
Fx + Gu
Hx,
Controle Otimo e Filtro de Kalman - Estabilizador 2
95
x
u
= (F LH GK) + Ly
x
= K .
x
x = [F LH GK]x + Ly
x = Fx + Gu
u = Kx
y = Hx
e
Figura 4.2: Estabilizador para processos sem transferncia direta.
4.5.2
Caso Discreto
= x(k) + u(k)
= Hx(k) + Ju(k),
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
lim x(k)
lim x(k)
lim y(k)
0.
t
t
y(k)
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k)
x(k + 1)
u(k)
( LH K) (k) + Ly(k)
x
= K (k).
x
Controle Otimo e Filtro de Kalman - Estabilizador 2
u(k)
97
y(k)
u(k) = Kx(k)
y(k) = Hx(k)
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).
98
Notas de Aula
4.7
1.
a)
u(k) = 9, 410 6, 313
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
Cap
tulo 5
Seguimento Robusto
O principal objetivo deste cap
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
5.1.1
Caso Cont
nuo
0
0,
100
Notas de Aula
Sinal
A
A + Bt
A + Bt + Ct2
Asen(wt).
A cos(wt).
p3 + 0p2 + w2 p + 0
p3 d1 p2 d2 p d3 ,
5.1.2
= 0
= w2
= 0.
Caso Discreto
Seguimento Robusto
101
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
CONTROLADOR
ESTABILIZADOR
u
SERVO
yf
PROCESSO
y
+
xf
yf
y
=
=
Ff xf + Gf u
Hf xf + Jf u
yf + W,
102
Notas de Aula
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
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
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 .
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 =
Denindo-se
xe
e
a relao entre
ca
=
=
x
,
xp
Ff
Gu Hf
0
Fu
xp
Gf
+
x
Gu Jf
xp
x
Hu
xp
xe
=
e =
Ff
Gu Hf
0
Fu
xp
Gf
+
xe
Gu Jf
xp
.
xe
Hu
106
Notas de Aula
yp
xp = Ff xp + Gf
xe = Fu xe + Gu yp
yp = Hf xp + Jf
e = Hu xe
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 )
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)
= 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
+
0,
0.
= 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)
(q d1 q
n1
f xp (k) + f (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
.
.
.
x (k),
ou seja,
x (k + 1) =
(k) =
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)
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.
(k) =
f
u Hf
0
Hu
0
u
xp (k)
x (k)
xp (k)
f
+
(k)
x (k)
u Jf
Seguimento Robusto
111
e(k) =
f
u Hf
0
u
xp (k)
f
+
(k)
xe (k)
u Jf
0 Hu
xp (k)
.
xe (k)
e(k)
yp (k)
(k)
xp (k + 1) = f xp (k) + f (k)
xe (k + 1) = u xe (k) + u yp (k)
e(k) = Hu xe (k)
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 )
112
5.3
5.3.1
Notas de Aula
xf
y
=
=
Ff xf + Gf u
Hf xf + Jf u + W,
Fu xu + Gu
Hu xu,
onde
Fu
Gu
d1
d2
In1
1
0
.
.
.
dn
0
.
.
.
0
Hu
x =
=
onde
Fx + G
Hx,
Seguimento Robusto
113
Ff
Gu Hf
0
Fu
Gf
Gu Jf
0 Hu
H =
x =
=
[F LH GK]x + L
Kx.
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
(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
Segundo Passo: determinao do servo-compensador
ca
xu (k + 1) = u xu (k) + u (k)
u(k) = Hu xu (k),
onde
d1
d2
In1
1
0
.
.
.
dn
0
.
.
.
0
Hu
x(k) + (k)
Hx(k),
onde
=
f
u Hf
f
u Jf
H =
0
u
0 Hu .
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)
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.
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
y(k) =
=
f xf (k) + f u(k)
Hf xf (k) + 0, 1
0 1 xf (k) + 0, 1.
Seguimento Robusto
117
u xu (k) + u (k)
Hu xu (k),
onde
u
u
Hu
= [1]
= [1]
= [1] .
f
u Hf
f
u Jf
0
u
Hu .
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 .
1, 6405
L = 1, 3531 .
2, 1418
Podemos denir um controlador da seguinte forma
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
= 3x + 2u
= 4x.
Seguimento Robusto
119
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).
120
Notas de Aula
5.5
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
x(k + 1)
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.
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
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
ntese de Sistemas Descritos por Equaes de Estado Cont
co
nuas
123
Idealmente consideramos
A
Ri
Ro
0.
vd
0.
Figura 6.1: S
mbolo do Amplicador Operacional.
Ib
vd
Ri
vo
Ro
Avd
6.2
Somador
0.
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
vi
v1
v2
a2
v3
vi
a1
a3
vi = a1v1 + a2 v2 + a3 v3
vi
Ib
Ii
vd
Ri
Ro
Avd
vo
S
ntese de Sistemas Descritos por Equaes de Estado Cont
co
nuas
6.3
125
Inversor
vi
vi
6.4
Integrador
0.
v0 =
(a1 v1 + a2 v2 + a3 v3 )dt.
0
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
v1
a1
v2
a2
v3
a3
x = a1 v1 + a2 v2 + a3 v3
S
ntese de Sistemas Descritos por Equaes de Estado Cont
co
nuas
127
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
6.5
Exemplo
128
Notas de Aula
x =
2 1
2
x+
u
0 3
1
3 4 x.
x2
=
=
=
2x1 + x2 + 2u
3x2 + u
3x1 + 4x2 .
x1
x1
x2
1
x2
x2
ca
o
Figura 6.10: Diagrama de Computao Analgica.
S
ntese de Sistemas Descritos por Equaes de Estado Cont
co
nuas
1/2C
R
R
x1
x2
1/C
x1
129
+
+
1/2C
R/3
R/4
1/C
1/3C
x2
x2
6.6
Exerc
cios
x = 2x + 3
y = 5x
+
130
Notas de Aula
6.7
1.
3
5
1
2
R
R
1/3C
x
R
R/5
1/2C
cio
Figura 6.14: Resposta do Exerc 1 b).
S
ntese de Sistemas Descritos por Equaes de Estado Cont
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