Sie sind auf Seite 1von 141

Universidade Federal de Santa Catarina

Departamento de Engenharia Eletrica


Fundamentos de Controle - EEL7531
Notas de Aula - Parte Linear (Versao 6)
Hamilton Medeiros Silveira, D. Et.
08/2010

Sum
ario
Pref
acio

1 Modelos e Solu
c
ao no Espa
co de Estado
1.1 Conceito de Sistema Linear . . . . . . . . . . . . . . . . . . . . .
1.2 Representacao de um Sistema Linear por Equacao Diferencial ou
a Diferenca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Conceito de Variavel de Estado . . . . . . . . . . . . . . . . . . .
1.3.1 Primeiro Exemplo . . . . . . . . . . . . . . . . . . . . . .
1.3.2 Segundo Exemplo . . . . . . . . . . . . . . . . . . . . . .
1.3.3 Terceiro Exemplo . . . . . . . . . . . . . . . . . . . . . . .
1.4 Geracao de Variaveis de Estado a Partir de Equacoes Diferenciais
ou a Diferenca
Um Caso Particular . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.4.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Processo em Variaveis de Estado
Caso Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.3 Exemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.4 Exemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6 Sistemas Lineares em Variaveis de Estado . . . . . . . . . . . . .
1.7 Blocos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8 Perturbacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9 Perturbacao em Variaveis de Estado
Caso Particular . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.9.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.10 Perturbacao em Variaveis de Estado
Caso Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.10.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .

1
1

2
2
2
3
5
6
7

9
9
10
11
11
12
12
13
14
15
16
17
17
19
20
20
21

ii

Sumario
1.11 Processo com Perturbacao em Variaveis de Estado . . . . . . . .
1.11.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.11.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.12 Conexoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.12.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.12.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.12.3 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13 Solucao Temporal . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.13.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.14 Determinacao da Equacao de Estado Discreta a Partir da Contnua
1.14.1 Modelo do BOZ-Processo . . . . . . . . . . . . . . . . . .
1.14.2 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.14.3 Modelo da Perturbacao . . . . . . . . . . . . . . . . . . .
1.15 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.16 Respostas dos Exerccios . . . . . . . . . . . . . . . . . . . . . . .

2 Controlabilidade, Observabilidade e Estabilidade


2.1 Conceito de Controlabilidade . . . . . . . . . . . .
2.1.1 Caso Contnuo . . . . . . . . . . . . . . . .
2.1.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.2 Conceito de Observabilidade . . . . . . . . . . . . .
2.2.1 Caso Contnuo . . . . . . . . . . . . . . . .
2.2.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.3 Domnio Freq
uencia . . . . . . . . . . . . . . . . .
2.3.1 Caso Contnuo . . . . . . . . . . . . . . . .
2.3.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.4 Estabilidade . . . . . . . . . . . . . . . . . . . . . .
2.4.1 Caso Contnuo . . . . . . . . . . . . . . . .
2.4.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.5 Teorema de Kalman . . . . . . . . . . . . . . . . .
2.5.1 Caso Contnuo . . . . . . . . . . . . . . . .
2.5.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.6 Transformac
ao de Similaridade . . . . . . . . . . .
2.6.1 Caso Contnuo . . . . . . . . . . . . . . . .
2.6.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.7 Forma Canonica de Controlabilidade . . . . . . . .
2.7.1 Caso Contnuo . . . . . . . . . . . . . . . .
2.7.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.8 Forma Canonica de Observabilidade . . . . . . . .
2.8.1 Caso Contnuo . . . . . . . . . . . . . . . .
2.8.2 Caso Discreto . . . . . . . . . . . . . . . . .
2.9 Exemplo . . . . . . . . . . . . . . . . . . . . . . . .
2.10 Exerccios . . . . . . . . . . . . . . . . . . . . . . .
2.11 Respostas dos Exerccios . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

21
21
22
23
23
26
28
31
31
32
32
35
36
37
38
41
44
44
44
45
45
45
46
46
47
48
50
50
50
51
51
51
52
52
53
54
54
55
57
57
59
60
66
68

Sumario

iii

3 Controle Modal e Observador de Estado - Estabilizador 1


3.1 Princpio de Controle Modal . . . . . . . . . . . . . . . . . . .
3.1.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . .
3.1.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . .
3.2 Projeto de Controle Modal . . . . . . . . . . . . . . . . . . .
3.2.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . .
3.2.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . .
3.3 Princpio de Observador de Estado . . . . . . . . . . . . . . .
3.3.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . .
3.3.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . .
3.4 Projeto de Observador de Estado . . . . . . . . . . . . . . . .
3.4.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . .
3.4.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . .
3.5 Controle Modal com Observador de Estado - Estabilizador . .
3.5.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . .
3.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . .
3.6 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.8 Respostas dos Exerccios . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

4 Controle Otimo
e Filtro de Kalman - Estabilizador 2

4.1 Princpio de Controle Otimo


. . . . . . . . . . . . . . . . . .
4.1.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . .
4.1.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .

4.2 Projeto de Controle Otimo


. . . . . . . . . . . . . . . . . .
4.2.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . .
4.2.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .
4.2.3 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Princpio do Filtro de Kalman . . . . . . . . . . . . . . . . .
4.3.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . .
4.3.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .
4.4 Projeto do Filtro de Kalman . . . . . . . . . . . . . . . . .
4.4.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . .
4.4.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .
4.4.3 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . .
4.5 Controle Quadratico com Filtro de Kalman - Estabilizador
4.5.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . .
4.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . .
4.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.7 Respostas dos Exerccios . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

90
. 90
. 90
. 91
. 92
. 92
. 92
. 93
. 93
. 94
. 94
. 95
. 95
. 95
. 96
. 97
. 97
. 99
. 101
. 102

5 Seguimento Robusto
5.1 O sinal de Referencia e a Perturbacao
5.1.1 Caso Contnuo . . . . . . . . .
5.1.2 Caso Discreto . . . . . . . . . .
5.2 Princpio de Seguidor Robusto . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

69
69
69
70
70
70
72
74
74
75
75
75
77
78
79
80
82
87
89

103
103
103
104
105

iv

Sumario

5.3

5.4
5.5

5.2.1 Caso Contnuo . . . .


5.2.2 Caso Discreto . . . . .
Projeto de Seguidor Robusto
5.3.1 Caso Contnuo . . . .
5.3.2 Caso Discreto . . . . .
5.3.3 Exemplo . . . . . . . .
Exerccios . . . . . . . . . . .
Respostas dos Exerccios . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

105
110
115
115
117
118
122
123

6 Sntese de Sistemas Descritos por Equa


c
oes de Estado Contnuas125
6.1 Amplificador Operacional Ideal . . . . . . . . . . . . . . . . . . . 125
6.2 Somador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
6.3 Inversor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
6.4 Integrador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
6.5 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6.7 Respostas dos Exerccios . . . . . . . . . . . . . . . . . . . . . . . 133
Refer
encias Bibliogr
aficas

135

Pref
acio
Estas Notas de Aula referem-se `a parte linear da Disciplina -EEL7531- Fundamentos de Controle, recentemente criada no Departamento de Engenharia
Eletrica da Universidade Federal de Santa Catarina com o objetivo de complementar os conhecimentos na area de controle, introduzidos pela Disciplina
-EEL7063- Sistemas de Controle.
Procurou-se objetivamente dar os conceitos mnimos para o completo entendimento do problema de seguimento robusto de processos submetidos a uma
perturbacao determinstica.
Estas Notas cobrem simultaneamente tanto os controladores contnuos, quanto
os discretos; sendo os processos e controladores descritos pela moderna abordagem de variaveis de estado.

Captulo 1

Modelos e Soluc
ao no
Espaco de Estado
O principal objetivo deste captulo e mostrar como se descreve um sistema
din
amico, que esteja na forma de equacoes diferenciais (caso contnuo) ou a
diferencas (caso discreto), por variaveis de estado. Dois esquemas serao abordados para este efeito: descricao na Forma Canonica de Controlabilidade (Primeiro
Esquema); e descricao na Forma Canonica de Observabilidade (Segundo Esquema). Alem destes assuntos, discutiremos, tambem, as conexoes em cascata,
paralelo e realimentacao; bem como solucao temporal e discretizacao.

1.1

Conceito de Sistema Linear

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

SL

Figura 1.1: Sistema Linear (SL).


Sejam u, u1 e u2 sinais de entrada de SL, e y, y1 e y2 as respectivas sadas.
O sistema SL e linear se e somente se
1. (Proporcionalidade) a sada ky corresponde `a entrada ku, onde k e um
n
umero inteiro; e
2. (Superposicao) a sada y1 + y2 corresponde `a entrada u1 + u2 .
1

Notas de Aula
Estas duas propriedades estao sumarizadas na Figura 1.2.

SL

u1

SL

y1

ku

u1 + u2
u2

SL

SL

SL

ky

y1 + y2

y2

Figura 1.2: Leis de Proporcionalidade e Superposicao.

1.2

Representa
c
ao de um Sistema Linear por
Equac
ao Diferencial ou a Diferenca

1.2.1

Caso Contnuo

Um sistema contnuo de ordem n, onde u(t) e y(t) sao respectivamente a entrada


e a sada, pode ser descrito pela equacao diferencial
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 perodo de amostragem.


Um sistema discreto ou amostrado no perodo T , pode ser descrito pela seguinte

Modelos e Solucao no Espaco de Estado

equacao de diferenca, onde u e y sao respectivamente a entrada e a sada


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 Vari
avel de Estado

Vimos que um sistema linear pode ser representado por equacoes diferenciais ou
a diferenca. Alternativamente, um sistema descrito por equacoes diferenciais de
ordem n, ou a diferenca, pode ser descrito por um conjunto de n equacoes de
primeira ordem, denominadas de Equacoes de Estado, juntamente com outro
` equacoes de
conjunto de m equacoes, denominadas de Equacoes de Sada. As
estado, esta associado um vetor, denominado Vetor de Estado. As componentes
deste vetor sao chamadas de Variaveis de Estado. Neste curso, daremos enfase
`a descricao de sistemas lineares por variaveis de estado.
Apesar dos processos, em geral, poderem ter m sadas e r entradas, serao
abordados neste curso apenas processos com uma u
nica sada e com uma u
nica
entrada, ou seja, neste curso, m e r sempre serao iguais a 1. Sistemas com uma
entrada e uma sada sao denominados de monovariaveis ou do tipo SISO (Single
input - Single Output).
A descricao de um sistema monovariavel de ordem n e descrito por n equacoes
diferenciais ou a diferenca de primeira ordem e uma equacao de sada.
Um sistema contnuo de terceira ordem, com entrada u e sada y, seria assim
descrito:
x 1

= f1 (x1 , x2 , x3 , u)

x 2
x 3

= f2 (x1 , x2 , x3 , u)
= f3 (x1 , x2 , x3 , u)

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

Notas de Aula

As tres primeiras equacoes sao equacoes diferenciais de primeira ordem e


representam as Equacoes de Estado. A u
ltima equacao representa a Equacao
de Sada. As variaveis x1 , x2 e x3 sao as Variaveis de Estado.
Observe que as equacoes de estado e a equacao de sada sao funcoes das
variaveis de estado x1 , x2 e de x3 , e de u, que e a entrada.
O Vetor de Estado para este caso seria:

x1
x = x2 .
x3
Um sistema discreto de terceira ordem, com entrada u(k) e sada y(k), seria
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 tres primeiras equacoes sao equacoes a diferenca de primeira ordem e


representam as Equacoes de Estado. A u
ltima equacao representa a Equacao
de Sada. As variaveis x1 (k), x2 (k) e x3 (k) sao as Variaveis de Estado.
Observe que as equacoes de estado e a equacao de sada sao funcoes das
variaveis de estado x1 (k), x2 (k) e de x3 (k), e de u(k), que e a entrada.
O Vetor de Estado para este caso seria:

x1 (k)
x(k) = x2 (k) .
x3 (k)
Sistemas lineares eletricos e mecanicos podem ser descritos diretamente em
variaveis de estado. Para ilustrar este fato, daremos dois exemplos: um eletrico;
e, outro mecanico.
Geralmente, em sistemas eletricos, escolhe-se como variaveis de estado corrente de indutores e tensao de capacitores. Fontes de tensao ou de corrente sao
escolhidas como entrada. Qualquer sinal de tensao, corrente ou suas derivadas
pode ser a sada. No caso mais geral, qualquer combinacao linear destes sinais
pode ser a sada.
Em sistemas mecanicos, escolhe-se como variaveis de estado posicoes e velocidades. Forcas ou torques externos sao escolhidos como entrada. Qualquer
sinal de velocidade, aceleracao ou posicao pode ser a sada. No caso mais geral,
qualquer combinacao linear destes sinais pode ser a sada.

Modelos e Solucao no Espaco de Estado

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 equacoes

= ic + il
dvc
= C
dt
= vl + vr
dil
= L
dt
= Ril .

ic
vc
vl
vr

Das equacoes acima, podemos escrever


dvc
dt
dil
L
dt
vr

vr

= il + i
= vc Ril
= Ril .

Definindo-se as componentes do vetor de estado por


x1

= vc

x2

= il ,

e a entrada u e a sada y por


u =
y =

i
vr ,

Notas de Aula

podemos escrever
dx1
dt
dx2
dt
y
o que permite escrever

x 1
=
x 2
y

1
1
x2 + u
C
C
1
R
x1 x2
L
L
Rx2 ,

=
=

0
1/L

1/C
R/L

x1
R
.
x2

1
C
x1
u
+ /
x2
0

Definindo-se o vetor de estado por

x1
x=
,
x2
podemos escrever finalmente que

x =
y

1.3.2

0
1/L

1/C
1/C
x+
u
R/L
0

R x.

Segundo Exemplo

Considere o esquema mecanico da Figura 1.4.


x
11111111111111111111111111111111
00000000000000000000000000000000
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
K
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
f
M
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
B
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111
00000000000000000000000000000000
11111111111111111111111111111111

Figura 1.4: Sistema Amortecedor-Massa-Mola.


Pelo Princpio de D Alembert, podemos escrever

dx2
dx
+B
+ Kx
2
dt
dt
dv
+ Bv + Kx,
M
dt
M

Modelos e Solucao no Espaco de Estado

onde v e a velocidade e x e a posicao.


Definindo como variaveis de estado a velocidade e a posicao
x1
x2

=
=

v
x,

u =
y =

f
v,

e a entrada u e a sada y por

podemos escrever
B
K
1
x1
x2 +
u
M
M
M

x 1

x 2
y

=
=

x1
x1 .

Definindo-se o vetor de estado por



x
x= 1 ,
x2
podemos escrever finalmente que

B/M K/M
1/M
x+
u
1
0
0

= 1 0 x.

x =
y

1.3.3

Terceiro Exemplo

Considere omotor de corrente contnua da Figura 1.5.


O circuito de armadura e regido por
ea = Rm ia + Lm ia + em ,
onde Rm e a resistencia de armadura, Lm e a indutancia de armadura, ia e
a corrente de armadura, em e a tensao induzida e ea e a tensao aplicada nos
bornes da armadura (entrada do motor).
A tensao induzida de armadura depende da velocidade e e dada por
em = Ke w,
onde Ke e uma constante e w e a velocidade angular do eixo do motor.

Notas de Aula

Rm

Lm

ia

ea

em

w
J

Figura 1.5: Motor de Corrente Contnua.


O torque, TD , produzido pelo motor depende somente da corrente de armadura, e `e dado por,
TD = KT ia ,
onde KT e uma constante.
TD e aplicado `a carga mecanica associada ao motor. Pode-se, entao, escrever
que
d
TD = J w + Bw,
dt
onde J e o momento de inercia e B e o coeficiente de atrito viscoso.
Das equacoes acima, podemos escrever
d
w
dt
d
ia
dt

=
=

B
KT
w+
ia
J
J
Ke
Rm
1

w
ia +
ea .
Lm
Lm
Lm

Definindo-se as componentes do vetor de estado por


x1
x2

=
=

w
ia ,

u
y

= ea
= w,

e a entrada u e a sada y por

podemos escrever

x =
y

B/J
Ke /Lm

1 0 x.

KT /J
0
x+
u
Rm /Lm
1/Lm

Modelos e Solucao no Espaco de Estado

1.4

1.4.1

Gerac
ao de Vari
aveis de Estado a Partir de
Equaco
es Diferenciais ou a Diferenca
Um Caso Particular
Caso Contnuo

Seja o sistema, onde u e y sao respectivamente a entrada e a sada


y = a1 y + a2 y + u.
Este sistema pode ser descrito por duas variaveis de estado em dois esquemas padroes que serao apresentados a seguir:

Primeiro Esquema
Definindo-se
x1
x2

=
=

y
y,

pode-se escrever
x 1
x 2
y
e em forma matricial,

x 1
x 2
y

= a1 x1 + a2 x2 + u
= x1
= x2 ,

=
=

a2
x1
1
+
u
0
x2
0

x1
0 1
.
x2
a1
1

O vetor

x=

x1
x2

e chamado de vetor de estado.


Segundo Esquema
Definindo-se
x1
x 2

= y
= a2 y + u,

10

Notas de Aula

pode-se escrever
x
1

=
=
=

y
a1 y + a2 y + u
a1 x 1 + x 2 ,

o que permite escrever


x 1
x 2
y
e em forma matricial,

x 1
x 2

1.4.2

a1 x1 + x2
a2 x 1 + u
x1 ,

1
x1
0
+
u
0
x2
1

x1
1 0
.
x2

=
=
=

a1
a2

Caso Discreto

Seja o sistema descrito pela seguinte equacao de diferenca, onde u(k) e y(k) sao
respectivamente a entrada e a sada
y(k + 2) = a1 y(k + 1) + a2 y(k) + u(k).
Este sistema pode ser descrito por duas variaveis de estado nos dois esquemas padroes que ser`ao apresentados a seguir:

Primeiro Esquema
Definindo-se
x1 (k) =
x2 (k) =
pode-se escrever

x1 (k + 1)
x2 (k + 1)
y

=
=


a2
x1 (k)
1
+
u
0
x2 (k)
0

x1 (k)
0 1
.
x2 (k)
a1
1

O vetor

x(k) =

e o vetor de estado.

y(k + 1)
y(k),

x1 (k)
x2 (k)

Modelos e Solucao no Espaco de Estado

11

Segundo Esquema
Definindo-se
x1 (k) =
x2 (k + 1) =

y(k)
a2 y(k) + u(k),

pode-se escrever em forma matricial,


x1 (k + 1)
a1 1
x1 (k)
0
=
+
u(k)
x2 (k + 1)
a2 0
x2 (k)
1

x1 (k)
1 0
y(k) =
.
x2 (k)

1.5
1.5.1

Processo em Vari
aveis de Estado
Caso Geral
Caso Contnuo

Seja um sistema de ordem n, representado pela funcao de transferencia


dsn + (b1 da1 )sn1 + + (bn dan )
.
sn a1 sn1 an
Este sistema pode ser escrito na forma
f (s) =

b1 sn1 + b2 sn2 + + bn
.
sn a1 sn1 an
A Forma Canonica de Controlabilidade e


a1
a2
an
1

0
0


x =
.. x + .. u

.
In1
.
0
0

b1 b2 bn x + du,
y =
f (s) = d +

e a Forma Canonica de Observabilidade e

a1
a2
In1

x = .
..
y

onde x e o vetor de estado

an
1

0
0

x=

x +

x1
x2
..
.
xn

0
x + du,

b1
b2
..
.
bn

12

Notas de Aula

1.5.2

Caso Discreto

Seja um sistema de ordem n, representado pela funcao de transferencia


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

A Forma Canonica de Controlabilidade e

a1
a2
an
1

x(k + 1) =
.. x(k) + ..

.
In1
0
0

b1 b2 bn x(k) + du(k),
y(k) =
e a Forma Canonica de Observabilidade e

a1
a2
In1

x(k + 1) = .
..
y(k)

an
1 0

x(k) +

0
x(k) + du(k),

x(k) =

x1 (k)
x2 (k)
..
.

xn (k)

1.5.3

Exemplo 1

Encontrar a forma canonica de controlabilidade de


G(s) =
Soluc
ao:
Podemos escrever que:

b1
b2
..
.
bn

onde x(k) e o vetor de estado

5s2
.
s3 + 2s + 1

u(k)

u(k)

Modelos e Solucao no Espaco de Estado

13

a1
a2
a3
b1
b2
b3
d

=
=
=
=
=
=
=

0
2
1
5
0
0
0.

a2

De

a1

In1
b1

b2


x 1
x 2 =
x 3

0
1
0

2
0
1

bn

an
0
..
.

x +

x + du,

1
0
..
.

resulta

1.5.4

5 0


1 x1
1
0 x2 + 0 u
0
x3
0

x1
0 x2 .
x3

Exemplo 2

Encontrar a forma canonica de observabilidade de


y(k + 2) = 0, 6y(k + 1) 0.2y(k) + 2u(k + 2) + 1, 7u(k + 1) + 1, 2u(k)
Soluc
ao:
A funcao de transferencia 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

14

Notas de Aula
podemos escrever que:
a1
a2
d
b1 da1

=
=
=
=

0, 6
0, 2
2
1, 7

b2 da2

= 1, 2.

Deduz-se que
b1
b2

= 0, 5
= 0, 8.

De

x(k + 1)

y(k)

a1
a2
..
.

x(k) +

In1

an

1 0

b1
b2
..
.

u(k)

bn

x(k) + du(k),

resulta a forma canonica de observabilidade


x(k + 1)

y(k) =

1.6


0, 6 1
0, 5
x(k) +
u(k)
0, 2 0
0, 8

1 0 x(k) + 2u(k)

Sistemas Lineares em Vari


aveis de Estado

Vimos que um mesmo processo linear pode ser representado de diversas maneiras
em variaveis de estado.
Genericamente um sistema contnuo sera representado aqui pelas equacoes
de estado e de sada
x =
y =
onde x e o vetor de estado

Fx + Gu
Hx + Ju,

x=

x1
x2
..
.
xn

Modelos e Solucao no Espaco de Estado

15

a matriz F e de dimensao [n n], a matriz G e de dimensao [n 1], a matriz


H e de dimensao [1 n] e J e um escalar.
Um sistema amostrado sera representado aqui pelas equacoes de estado e de
sada
x(k + 1)
y

= x(k) + u(k)
= Hx(k) + Ju(k),

onde x(k) e o vetor de estado

x(k) =

x1 (k)
x2 (k)
..
.

xn (k)
a matriz e de dimensao [n n], a matriz e de dimensao [n 1], a matriz
H e de dimensao [1 n] e J e um escalar.

J
x

F
Figura 1.6: Bloco de Sistema Contnuo.

1.7

Blocos

O sistema contnuo
x =

Fx + Gu

Hx + Ju,

pode ser representado em um diagrama de blocos conforme Figura 1.6.


O sistema amostrado
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),

16

Notas de Aula

x(k)

x(k + 1)

u(k)

q 1

+
+

y(k)

Figura 1.7: Bloco de Sistema Amostrado.


pode ser representado em um diagrama de blocos conforme Figura 1.7.

1.8

Perturba
c
ao

Perturbacao e um sinal nao mensuravel associado `a sada do processo.


Dois tipos de perturbacao aparecem em sistemas de controle:
1. estocastica - que e um rudo agregado `a sada do processo. Rudos nao
sao modelados, porem, conhece-se a media, variancia e outros parametros
denominados momentos; e
2. determinstica - que pode ser modelada por uma equacao diferencial ou a
diferenca do tipo homogenea.
Neste curso, abordaremos apenas o estudo de perturbacoes determinsticas.
A Figura 1.8 mostra como aparece uma perturbacao W na sada de um
processo.
W
yf

PROCESSO

Figura 1.8: Processo com Perturbacao.


Podemos identificar os seguintes sinais:

Modelos e Solucao no Espaco de Estado

17

1. u - sinal de comando;
2. yf - sada do processo sem perturbacao (filtrada). Este sinal e nao mensuravel;
3. W - perturbacao nao mensuravel; e
4. y - sada mensuravel do processo.

1.9
1.9.1

Perturbac
ao em Vari
aveis de Estado
Caso Particular
Caso Contnuo

As perturbacoes contnuas sao descritas por equacoes diferenciais autonomas


(sem entrada) de ordem n,
pn W (t) = a1 pn1 W (t) + + an W (t).
Para encontrar a solucao de uma equacao diferencial, necessitamos da entrada e das condicoes ininiciais. Numa equacao diferencial autonoma, a entrada
e nula; e, portanto, para que a solucao nao seja nula, as condincoes iniciais nao
podem ser todas nulas; deve-se ter ao menos uma condicao inicial diferente de
zero.
Para encontrar os coeficientes a1 , a2 , , an , vamos apresentar dois metodos.
M
etodo 1: Coeficientes a Determinar.
Seja a perturbacao determinstica
W (t) = sen(wt),
que pode ser modelada por uma equacao diferencial autonoma de segunda ordem.
Para se determinar a equacao diferencial autonoma, deriva-se sucessivamente
a perturbacao em relacao ao tempo e procura-se encontrar uma combinacao
linear entre a perturbacao e suas derivadas temporais. Para isso define-se uma
equacao autonoma com coeficientes a determinar.
No exemplo,
W (t)
(t)
W

W (t)

= sen(wt)
= wcos(wt)
= w2 sen(wt).

Como a perturbacao W (t) = sen(wt) e regida por uma equacao autonoma


de segunda ordem do tipo

18

Notas de Aula

p2 W (t) = a1 pW (t) + a2 W (t),


deve-se determinar os parametros a1 e a2 .
(t), W
(t) e W (t) em
Substituindo-se W
p2 W (t) = a1 pW (t) + a2 W (t),
vem
w2 sen(wt) = a1 wcos(wt) + a2 sen(wt).
Os coeficientes a1 e a2 sao obtidos das relacoes
w2
0

=
=

a2
a1 .

Logo, a perturbacao sen(wt) satisfaz a equacao


(t) + w2 W (t) = 0.
W
M
etodo 2: Tabela.
(t) + w2 W (t) = 0 pode ser obtida pela Tabela 1.1 .
A equacao W

Operador
p
p2
p3
p+a
(p + a)2
p2 + w2
p2 + w2
(p + a)2 + w2
(p + a)2 + w2

Sinal
A
A + Bt
A + Bt + Ct2
Aeat
Ateat
Asen(wt + )
Acos(wt + )
Aeat sen(wt + )
Aeat cos(wt + )

Tabela 1.1: Sinal X Operador Contnuo.


(t) + w2 W (t) = 0 pode ser descrita em variaveis de estado pelo
A equacao W
segundo esquema

0
1
x p =
xp
w2 0

1 0 xp .
W =

Modelos e Solucao no Espaco de Estado

1.9.2

19

Caso Discreto

As perturbacoes discretas sao descritas por equacoes a diferencas autonomas


(sem entrada) de ordem n,
W (k + n) = a1 W (k + n 1) + + an W (k).
Para encontrar a solucao de uma equacao a diferencas, necessitamos da entrada
e das condicoes ininiciais. Numa equacao a diferencas autonoma, a entrada e
nula; e, portanto, para que a solucao nao seja nula, as condincoes iniciais nao
podem ser todas nulas; deve-se ter ao menos uma condicao inicial diferente de
zero.
Para encontrar os coeficientes a1 , a2 , , an , vamos apresentar dois metodos.
M
etodo 1: Coeficientes a Determinar.
Seja a perturbacao determinstica
W (t) = A + Bt.
Definido o perodo de amostragem T , a perturbacao nos instantes de amostragem
pode se obtida pela substituicao de t por kT
W (kT ) = A + B(kT ).
A perturbacao W (kT ) = A + B(kT ) pode ser modelada por uma equacao
a diferencas autonoma de segunda ordem. Para se determinar a equacao a
diferencas autonoma, determina-se a perturbacao nos instantes (k + 1)T, (k +
2)T e assim sucessivamente, e procura-se encontrar uma combinacao linear
com a perturbacao nos instantes calculados. Para isso define-se uma equacao
aut
onoma com coeficientes a determinar.
No exemplo,
W (kT )
W ((k + 1)T )

=
=
=
W ((k + 2)T ) =
=
.

C
A + B((k + 1)T )
A + B(kT ) + BT
A + B((k + 2)T )
A + B(kT ) + 2BT

Como a perturbacao W (kT ) = A+B(kT ) e regida por uma equacao autonoma


de segunda ordem do tipo
W ((k + 2)T ) = a1 W ((k + 1)T ) + a2 W (kT ),
deve-se determinar os parametros a1 e a2 .
Substituindo-se W ((k + 2)T ), W ((k + 1)T ) e W (kT ) em
W ((k + 2)T ) = a1 W ((k + 1)T ) + a2 W (kT ),

20

Notas de Aula

vem
(A + B(kT )) + 2BT = a1 ((A + B(kT )) + BT ) + a2 (A + B(kT )).
Os coeficientes a1 e a2 sao obtidos das relacoes
1 =
2 =

a1 + a2
a1 .

Logo, a perturbacao sen(wt) satisfaz a equacao


W (k + 2) 2W (k + 1) + W (k) = 0.
A equacao W (k + 2) 2W (k + 1) + W (k) = 0 pode ser obtida pela Tabela
1.2.
Operador
q1
(q 1)2
(q 1)3
q eaT
(q eaT )2
2
q 2qcos(wT ) + 1
q 2 2qcos(wT ) + 1
2
q 2qeaT cos(wT ) + e2aT
q 2 2qeaT cos(wT ) + e2aT

Sinal
A
A + B(kT )
A + B(kT ) + C(kT )2
Aea(kT )
A(kT )ea(kT )
Asen(w(kT ) + )
Acos(w(kT ) + )
Aea(kT ) sen(w(kT ) + )
Aea(kT ) cos(w(kT ) + )

Tabela 1.2: Sinal X Operador Discreto.


A equacao W (k + 2) 2W (k + 1) + W (k) = 0 pode ser descrita em variaveis
de estado pelo segundo esquema

2 1
xp (k + 1) =
xp (k)
1 0

1 0 xp (k).
W (k) =

1.10

Perturbac
ao em Vari
aveis de Estado
Caso Geral

1.10.1

Caso Contnuo

Seja a perturbacao contnua de ordem n, descrita pela equacao diferencial


pn W (t) = a1 pn1 W (t) + + an W (t).

Modelos e Solucao no Espaco de Estado

21

A Forma Canonica de Observabilidade e

a1
a2
In1

x p = .
.
.
W

1.10.2

an

1 0

xp

0
xp .

Caso Discreto

Seja a perturbacao discreta descrita pela seguinte equacao a diferenca,


W (k + n) = a1 W (k + n 1) + + an W (k)
.
A Forma Canonica de Observabilidade e

a1
a2
In1

xp (k + 1) = .
..
W (k)

an
1

0
0

xp (k)

0
xp (k).

1.11

Processo com Perturba


c
ao em Vari
aveis de
Estado

1.11.1

Caso Contnuo

Considere Figura 1.9, onde a perturbacao esta modelada por um sistema de


ordem np e o processo e de ordem nf .
Podemos escrever
x f
yf
x p
W
y

=
=
=
=
=

Ff xf + Gf u
Hf xf + J f u
Fp x p
Hp xp
yf + W,

o que permite escrever a perturbacao e o processo, em forma matricial, num


u
nico sistema de ordem nf + np , descrito por

x f
Ff 0
xf
Gf
=
+
u
x p
0 Fp
xp
0

xf
Hf Hp
y =
+ Jf u.
xp

22

Notas de Aula

x p = Fp xp
W = Hp xp

yf
u

x f = Ff xf + Gf u
yf = Hf xf + Jf u

Figura 1.9: Processo com Perturbacao.


Dentro da definicao de uma matriz , usaremos a notacao 0 para representar
uma matriz ou vetor com todos os elementos iguais a 0. A dimensao e variavel
e se adequa a sua posicao dentro da matriz. Assim, 0 `a direita de Ff tem nf
linhas e np colunas; e, 0 abaixo de Gf tem 1 coluna e np linhas.

1.11.2

Caso Discreto

Considere a Figura 1.10, onde a perturbacao esta modelada por um sistema de


ordem np e o processo e de ordem nf .
Podemos escrever que
xf (k + 1)
yf (k)
xp (k + 1)
W (k)
y(k)

=
=
=
=
=

f xf (k) + f u(k)
Hf xf (k) + Jf u(k)
p xp (k)
Hp xp (k)
yf (k) + W (k),

o que permite escrever a perturbacao e o processo, em forma matricial, num


u
nico sistema de ordem nf + np , descrito por

xf (k + 1)
f 0
xf (k)
f
=
+
u(k)
xp (k + 1)
0 p
xp (k)
0

xf (k)
Hf Hp
y(k) =
+ Jf u(k).
xp (k)

Modelos e Solucao no Espaco de Estado

23

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)
yf (k) = Hf xf (k) + Jf u(k)

u(k)

Figura 1.10: Processo com Perturbacao.

1.12

Conex
oes

1.12.1

Caso Contnuo

Conex
ao em Paralelo
Considere a conexao em paralelo apresentada na Figura 1.11

ya
x a = Fa xa + Ga u

ya = Ha xa + Ja u

yb
x b = Fb xb + Gb u
yb = Hb xb + Jb u

Figura 1.11: Conexao em Paralelo.


O sistema A, de ordem na , e descrito por
x a
ya

=
=

Fa x a + G a u
Ha xa + Ja u,

24

Notas de Aula

e o sistema B, de ordem nb , e descrito por


x b
yb

=
=

Fb xb + Gb u
Hb xb + Jb u.

Podemos escrever que


y

= ya + yb ,

o que permite escrever a conexao em paralelo, em forma matricial, num u


nico
sistema de ordem na + nb , descrito por

x a
Fa 0
xa
Ga
=
+
u
x b
0 Fb
xb
Gb

xa
Ha Hb
y =
+ (Ja + Jb )u.
xb
Conex
ao em Cascata
Considere a conexao em cascata apresentada na Figura 1.12

ya

u
x a = Fa xa + Ga u

x b = Fb xb + Gb ya

ya = Ha xa + Ja u

y = Hb xb + Jb ya

Figura 1.12: Conexao em Cascata.


O sistema A, de ordem na , e descrito por
x a
ya

= Fa xa + Ga u
= Ha xa + Ja u,

e um sistema B, de ordem nb , descrito por


x b
y

=
=

Fb xb + Gb ya
Hb xb + Jb ya .

Podemos escrever a conexao em cascata, em forma matricial, num u


nico
sistema de ordem na + nb , descrito por

x a
Fa
0
xa
Ga
=
+
u
x b
Gb Ha Fb
xb
Gb Ja

xa
Jb Ha Hb
y =
+ Jb Ja u.
xb

Modelos e Solucao no Espaco de Estado

25

Conex
ao em Realimenta
c
ao
Considere a conexao em realimentacao apresentada na Figura 1.13

x = Fx + G
y = Hx + J

Figura 1.13: Conexao em Realimentacao.


O sistema dinamico, de ordem n, e descrito por
x =
y =

Fx + G
Hx + J.

Podemos escrever que


=

u y.

Assim, a equacao de sada pode ser reescrita


y
(1 + J)y
y

= Hx + J(u y)
= Hx + Ju
= (1 + J)1 Hx + (1 + J)1 Ju.

Para encontrar a equacao de estado precisamos encontrar u y em funcao de x


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 conexao em realimentacao, em forma matricial, num


u
nico sistema de ordem n, descrito por
x

= [F G(1 + J)1 H]x + G(1 + J)1 u

= (1 + J)1 Hx + (1 + J)1 Ju.

26

Notas de Aula

1.12.2

Caso Discreto

Conex
ao em Paralelo
Considere a conexao em paralelo apresentada na Figura 1.14.

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 1.14: Conexao em Paralelo.


O sistema A, de ordem na , e descrito por
xa (k + 1) =
ya (k) =

a xa (k) + a u(k)
Ha xa (k) + Ja u(k),

e um sistema B, de ordem nb , e descrito por


xb (k + 1) = b xb (k) + b u(k)
yb (k) = Hb xb (k) + Jb u(k).
Podemos escrever que
y(k) =

ya (k) + yb (k),

o que permite escrever a conexao em paralelo, em forma matricial, num u


nico
sistema de ordem na + nb , descrito por

xa (k + 1)
a 0
xa (k)
a
=
+
u(k)
xb (k + 1)
0 b
xb (k)
b

xa (k)
Ha Hb
y(k) =
+ (Ja + Jb )u(k).
xb (k)
Conex
ao em Cascata
Considere a conexao em cascata apresentada na Figura 1.15.

Modelos e Solucao no Espaco de Estado

27

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 1.15: Conexao em Cascata.


O sistema A, de ordem na , e descrito por
xa (k + 1) = a xa (k) + a u(k)
ya (k) = Ha xa (k) + Ja u(k),
e o B, de ordem nb , e descrito por
xb (k + 1) = b xb (k) + b ya (k)

y(k) = Hb xb (k) + Jb ya (k).


Podemos escrever a conexao em cascata, em forma matricial, num u
nico
sistema de ordem na + nb , descrito por

xa (k + 1)
a
0
xa (k)
a
=
+
u(k)
xb (k + 1)
b H a b
xb (k)
b Ja

xa (k)
Jb Ha Hb
y(k) =
+ Jb Ja u(k).
xb (k)
Conex
ao em Realimenta
c
ao
Considere a conexao em realimentacao apresentada na Figura 1.16.
O sistema dinamico, de ordem n, descrito por
x(k + 1) = x(k) + (k)
y(k) = Hx(k) + J(k).
Podemos escrever que
(k) =

u(k) y(k).

Assim, de maneira similar ao caso contnuo, podemos escrever a conexao em


realimentacao, em forma matricial, num u
nico sistema de ordem n, descrito por
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).

28

Notas de Aula

y(k)

(k)
u(k)

x(k + 1) = x(k) + (k)


y(k) = Hx(k) + J(k)

Figura 1.16: Conexao em Realimentacao.

1.12.3

Exemplo

Seja o sistema da Figura 1.17 onde a funcao de transferencia do controlador e


W

yf

u
CONTROLADOR

PROCESSO

Figura 1.17: Exemplo de Conexoes.

C(s) =

0, 8
,
s

a funcao de transferencia do processo e


P (s) =

s2

2
,
+ 6s + 8

e a perturbacao e
W (t) = 1.
Encontrar:
a) A forma canonica de controlabilidade do controlador;
b) A forma canonica de controlabilidade do processo;
c) A descricao em variaveis de estado da perturbacao;
d) A conexao em cascata do controlador-processo; e
e) A descricao em variaveis de estado do controlador-processo-perturbacao.
Soluc
ao:

Modelos e Solucao no Espaco de Estado

29

a) Da funcao de transferencia de C(s) podemos tirar que

a1 =
d =
b1 =

0
0
0, 8.

A forma canonica de controlabilidade do controlador e

x a =
u = 0, 8xa .
b) Da funcao de transferencia de P (s) podemos tirar que

a1
a2
d
b1
b2

=
=
=
=
=

6
8
0
0
2.

A forma canonica de controlabilidade do processo e

x b

yf

6
1


8
1
xb +
u
0
0

2 xa .

c) O sinal W (t) satisfaz


dW
= 0.
dt
Assim,
a1 = 0.
A perturbacao e entao modelada por
x p
W
d)Do controlador

=
=

0
xp .

30

Notas de Aula

Fa
Ga
Ha
Ja

=
=
=
=

0
1
0, 8
0.

Do processo

Fb
Gb
Hb
Jb

6 8
1
0

1
=
0

= 0 2
= 0.
=

Podemos escrever

Gb Ha

Gb Ja

Ja Hb
Jb Ja

=
=



1
0, 8
0, 8 =
0
0


1
0
0=
0
0
0
0.

Assim

x a
x b

yf

Fa
Gb Ha
Jb Ha

0
Fb
Hb

xa
xb
xa
xb

Ga
Gb Ja

+ Jb Ja ,

gera

x f

yf

e) podemos escrever que


0
0
0
1
0, 8 6 8 xf + 0
0
1
0
0

0 0 2 xf .

(1.1)

Modelos e Solucao no Espaco de Estado

31

0
8
0

0
0
0, 8 6
0
1

1
0
0

0 0 2

Ff

Gf

Hf
Jf
Fp
Hp

=
= 0
= 0
= 1.

Entao

x f
x p

Ff
0

0
Fp

Hf

Hp

xf
xp
xf
xp

Gf
0

+ Jf ,

gera

x f
x p

0
0
0
0, 8 6 8
=
0
1
0
0
0
0

= 0 0 2 1

1.13

Soluc
ao Temporal

1.13.1

Caso Contnuo


0
1

0
0
x
f

+
0
0 xp
0
0

xf
.
xp

Seja o sistema de ordem n,


x =

Fx + Gu

Hx + Ju.

A solucao e dada pelas equacoes


Z
x(t)

= eF(tt0 ) x(t0 ) +

eF(t ) Gu( )d

t0

y(t)

= H[eF(tt0 ) x(t0 ) +

t
t0

eF(t ) Gu( )d ] + Ju(t).

32

Notas de Aula
A matriz eFt e definida pela serie
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 solucao e dada pelas equacoes
(k1)

x(k)

= (kk0 ) x(k0 ) +

(kj1) u(j)

j=k0
(k1)

y(k)

(kk0 )

= H[

x(k0 ) +

(kj1) u(j)] + Ju(k).

j=k0

1.14

Determinac
ao da Equac
ao de Estado Discreta a Partir da Contnua

Considere a Figura 1.18, que apresenta um processo controlado por um controlador analogico.
W

u
CONTROLADOR

ys
PROCESSO

Figura 1.18: Controle Analogico.


Considere a seguinte Figura 1.19, onde o controlador analogico foi substitudo por um computador digital.
As seguintes consideracoes podem ser feitas:

Modelos e Solucao no Espaco de Estado

33

u
CAD

CD

ys

PROCESSO

CDA

Figura 1.19: Controle Digital.

CAD

(k)

LER

CALCULAR

u(k)

CDA
ENVIAR PARA O
PROCESSO : u(k)

Figura 1.20: Calculo de u(k).

W
T

CAD

ys

CDA

+
y

CD

BOZ

Figura 1.21: Modelo do Computador.

PROCESSO

34

Notas de Aula

CD

ys

+
T

PROCESSO

BOZ

Figura 1.22: Processo&BOZ.


1. computadores digitais trabalham internamente com n
umeros binarios. Portanto, pela Figura 1.19, vemos que computadores digitais usados em controle deverao ter um Conversor Analogico Digital (CAD) para receber o
sinal analogico do erro, , e um Conversor Digital Analogico para enviar
ao processo o sinal de comando calculado, u;
2. computadores digitais trabalham com programas. Ver Figura 1.20. Portanto, o computador digital usado para substituir um controlador analogico
recebe o sinal de erro toda vez que, no programa que calcula o sinal de
comando u, a instrucao de acionar o CAD e executada. Este programa e
rodado num perodo T , que define o perodo de amostragem.
3. como o programa que calcula u roda no perodo T , o sinal de comando e
atualizado de T em T segundos. Este sinal e enviado ao processo atraves
do CDA. Assim, o sinal de comando u permanece constante (sustentado)
enquanto nao e atualizado, ou seja, u( ) = u(kT ) para kT < (k +1)T .
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 conversao do CAD; tempo de calculo propriamente
dito; e tempo de conversao do CDA. O perodo de amostragem T deve,
entao, ser maior que a soma destes tres tempos, tu . Na pratica, o perodo
de amostragem, T , e muitas vezes maior que tu , ou seja, tu << T .
Dentro do intervalo de tempo T , o computador pode ainda rodar outros
programas, alem do programa de calculo do sinal de comando, u, como
programas para aquisicao de dados, programas de acionamento e programas de supervisao.
Tendo em vista estas observacoes, podemos modelar o computador e o processo conforme a Figura 1.21. Note que o CAD e modelado por uma chave, e o

Modelos e Solucao no Espaco de Estado

35

CDA, por uma chave em cascata com um BOZ.


A Figura 1.21 pode ser redesenhada conforme a Figura 1.22. Desta figura
vemos que:
1. o processo visto pelo computador e, na realidade, o processo associado a
um BOZ, onde as entradas e a sada sao amostradas. Portanto, o sistema
composto de processo e BOZ pode ser descrito por equacoes a diferenca,
no domnio tempo; ou Transformada Z, no domnio freq
uencia;
2. como o conjunto formado pelo processo e pelo BOZ pode ser descrito por
uma equacao a diferenca, tambem podemos representa-lo por equacoes de
estado;
3. o programa que calcula u e um algortimo que reflete uma equacao a
diferenca. Portanto, podemos tambem escrever este programa a partir de
equacoes de estado;
4. tanto o sinal de referencia r, como a perturbacao sao sinais apenas amostrados, nao estando associados a BOZs.
Em virtude destas observacoes, vamos ver, em seguida, como se calcula a
equacoes de estado discretas a partir das equacoes de estado contnuas.

1.14.1

Modelo do BOZ-Processo

Seja o sistema contnuo de ordem n,


x =
y =

Fx + Gu
Hx + Ju.

A solucao x(t) e dada por


Z
x(t) =

F(tt0 )

x(t0 ) +

eF(t ) Gu( )d

t0

Se T e o perodo de amostragem, podemos definir que


t
t0

= (k + 1)T
= kT.

Assim, vem que


Z
x((k + 1)T )

= e

FT

(k+1)T

x(kT ) +

eF((k+1)T ) Gu( )d.

kT

Mas, vimos que u( ) = u(kT ) para kT < (k + 1)T . Assim,


Z
!
x((k + 1)T )

= eFT x(kT ) +

(k+1)T

kT

eF((k+1)T ) d

Gu(kT ).

36

Notas de Aula

Fazendo uma mudanca de variaveis dentro da integral = (k + 1)T ,


podemos escrever que d = d; que = 0 quando = (k + 1)T ; e que = T
quando = kT . Assim,
Z

(k+1)T

Z
eF((k+1)T ) d

kT

eF d

T
T

eF d.

Podemos, entao, escrever que


Z
x(k + 1)

eFT x(k) +

!
eF d Gu(kT ).

Assim, identificamos
=
eFT
!
Z T
=
eF d G.
0

Podemos escrever que

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 contnuo

x =
y


6 8 0, 8
0
1
0
0 x+ 0 u
0
0
0
1

0 2 0 x.

Achar o modelo discreto BOZ&Sistema, considerando um perodo de amostragem


de 0, 1 segundos.
Soluc
ao:

Modelos e Solucao no Espaco de Estado

37

Podemos escrever

G
H
J

6 8 0, 8
0
0
= 1
0
0
0

0
= 0
1

= 0 2 0
= 0,

e
T = 0, 1.
Em 6 iteracoes, a matriz 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

As matrizes e sao

0, 5219
I + FT = 0, 0742
0

0, 0033
T G = 0, 0001 .
0, 1000

0, 5936 0, 0594
0, 9671 0, 0033
0
1

O BOZ&Sistema sera

0, 5219 0, 5936 0, 0594


0, 0033
x(k + 1) = 0, 0742 0, 9671 0, 0033 x(k) + 0, 0001 u(k)
0
0
1
0, 1000

y(k) = 0 2 0 x(k).

1.14.3

Modelo da Perturba
c
ao

Dois metodos podem se usados:

38

Notas de Aula

Primeiro M
etodo
O primeiro metodo e o metodo dos coeficientes a determinar, que ja foi visto.
Conhecendo-se W (t), determina-se W (kT ). Procura-se achar uma equacao a
diferenca homogenea. Em seguida usa-se a Forma Canonica de Observabilidade
discreta.
Segundo M
etodo
` o metodo que usa tabela.
O segundo metodo tambem ja foi visto. E
Terceiro M
etodo
Suponhamos que W (t) e dada pelo sistema contnuo 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 perturbacao e


x(k + 1) =
W (k) =

1.15

x(k)
Hx(k).

Exerccios

1. Achar o modelo em variaveis de estado na forma canonica de controlabilidade


de:
a)
s+1
s2 + 5s + 2
b)
3z 2 + 4z + 8
z 2 + 5z + 1
c)
dy
du2
dy 2
=2
+ 8y + 2 2 + 3u
dt
dt
dt
d)
dy
= 2y + 4u
dt

Modelos e Solucao no Espaco de Estado

39

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 variaveis de estado na forma canonica de observabilidade dos sistemas do Exerccio 1.
3. Seja o sistema da Figura 1.23. A funcao de transferencia do controlador
e
2
C(s) =
s
e a funcao de transferencia do processo e
4

G(s) =

s2

0, 4
+ 0, 125s + 0, 3

u
CONTROLADOR

y
PROCESSO

Figura 1.23: Exerccio 3.


a) Modele C(s) em variaveis de estado na forma canonica de controlabilidade;
b) Modele G(s) em variaveis de estado na forma canonica de observabilidade;
c) Com os resultados de a) e b), modele a malha direta em variaveis de
estado;e
d) Modele o sistema realimentado.
4. Discretizar o sistema abaixo, em cascata com um Bloqueador de Ordem
Zero, considerando um perodo de amostragem T = 0.1 segundos.

d
x =
dt
y


1 2 1
2
0 2 3 x + 1 u
1 0 4
0

1 0 1 x.

5. Achar o modelo em variaveis de estado das seguintes perturbacoes:

40

Notas de Aula

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

Modelos e Solucao no Espaco de Estado

1.16

Respostas dos Exerccios

1.
a)

x =

5
1


2
1
x+
u
0
0

1 x.

x(k + 1)


5 1
1
x(k) +
u(k)
1
0
0

11 5 x(k) + 3u(k).

b)

y(k) =
c)


2 8
1
x+
u
1 0
0

4 19 x + 2u.

x =
y

d)
x
y

= 2x + u
= 4x.

e)


0, 5 0 0, 8
1
x(k + 1) = 1 0 0 x(k) + 0 u(k)
0 1 0
0

y(k) = 2 5 0, 7 x(k).
f)
x
y

= 0, 1x + u
= 0, 36x + 0, 4u.

2.
a)
x =
y


5 1
1
x+
u
2 0
1

1 0 x.

b)
x(k + 1)

y(k) =

5 1
11
x(k) +
u(k)
1 0
5

1 0 x(k) + 3u(k).

41

42

Notas de Aula
c)

x =
y

2
8


1
4
x+
u
0
19

0 x + 2u.

d)
x =
y =

2x + 4u
x.

e)

0.5
x(k + 1) = 0
0, 8

y(k) = 1 0


2
1 0
0 1 x(k) + 5 u(k)
0, 7
0 0

0 x(k).

f)
x =
y =

0, 1x + 0, 36u
x + 0, 4u.

3.
a)
x =

u = 2x.
b)


0, 125 1
0
x =
x+
u
0, 3
0
0, 4

y = 1 0 x.
c)

x =
y


0
0
0
1
0 0, 125 1 x + 0
0, 8 0, 3 0
0

0 1 0 x.

d)

0
1
x = 0 0, 125
0, 8 0, 3

y = 0 1 0 x.


0
1
1 x + 0 r
0
0

Modelos e Solucao no Espaco de Estado


4.

1, 113 0, 233 0, 167


0, 222
x(k + 1) = 0, 019 1, 223 0, 406 x(k) + 0, 112 u(k)
0, 129 0, 013 1, 500
0, 012

y(k) = 1 0 1 x(k).
5.
a)

0
1
x =
x
144 0

W = 1 0 x.
b)

0
1
x
25 0

= 1 0 x.

x =
W
c)

0 1 0
x = 0 0 1 x
0 0 0

W = 1 0 0 x.
d)

x =
W

0 1
x
0 0

1 0 x.

e)

3 1 0
x(k + 1) = 3 0 1 x(k)
1 0 0

W (k) = 1 0 0 x(k).
f)

x(k + 1)

W (k) =

2 1
x(k)
1 0

1 0 x(k).

43

Captulo 2

Controlabilidade,
Observabilidade e
Estabilidade
O principal objetivo deste captulo e definir Controlabilidade, Observabilidade
e Estabilidade, e suas decorrencias diretas. Estes tres conceitos fundamentam
o projeto de estabilizadores que e parte integrante de seguidores robustos.

2.1

Conceito de Controlabilidade

O conceito de controlabilidade e fundamental para o projeto de estabilizadores


usando realimentacao de estado. Um sistema instavel, porem controlavel, pode
ser estabilizado e, em conseq
uencia, esta se torna uma condicao necessaria que
permite projetar com seguranca controladores para sistemas.

2.1.1

Caso Contnuo

Definic
ao de Controlabilidade : Sejam xi e xf
arbitrariamente escolhidos.
O sistema contnuo, de ordem n,

pontos do espaco de estado

x = Fx + Gu,
e controlavel se e somente se existe um sinal de controle u(t), definido no intervalo [t0 , t0 + ], que transfira o estado do ponto xi = x(t0 ) (estado inicial)
para o ponto xf = x(t0 + ) (estado final), onde t0 e sao um n
umeros reais
e 0. Pode-se demonstrar que esta definicao e equivalente ao Criterio de
Controlabilidade, apresentado em seguida.
Criterio de Controlabilidade: O sistema contnuo, de ordem n,
x = Fx + Gu,
44

Controlabilidade, Observabilidade e Estabilidade

45

e controlavel se e somente se a matriz de controlabilidade,

Cx = G FG F(n1) G ,
e nao singular.

2.1.2

Caso Discreto

Definic
ao de Controlabilidade: Sejam xi e xf
arbitrariamente escolhidos.
O sistema discreto, de ordem n,

pontos do espaco de estado

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


e controlavel se e somente se existe um sinal de controle u(k), definido em
[k0 , k0 + m], que transfira o estado do ponto xi = x(k0 ) (estado inicial) para o
ponto xf = x(k0 + m) (estado final), onde k0 e m sao inteiros e m n.
Criterio de Controlabilidade: O sistema discreto, de ordem n,
x(k + 1) = x(k) + u(k),
e controlavel se e somente se a matriz de controlabilidade,

Cx = (n1) ,
e nao singular.

2.2

Conceito de Observabilidade

Para se realizar esquemas de seguimento robusto, e necessario a utilizacao de


controle por realimentacao de estado. Quando o estado nao e mensuravel, e impossvel a implementacao deste tipo de controle. Porem, e possvel obter uma
estimativa do vetor x, usando apenas os sinais de entrada, u, e de sada, y, que
sao sempre mensuraveis. O esquema que estima o estado a partir da entrada e
da sada e denominado de Observador de Estado. O conceito de observabilidade
e importante para a construcao de observadores de estado. Esquemas de controle por realimentacao de estado podem ser implementados usando o estado
b, ao inves do estado real, x.
estimado, x

2.2.1

Caso Contnuo

Definic
ao de Observabilidade: O sistema contnuo, de ordem n,
x =
y =

Fx + Gu
Hx + Ju,

46

Notas de Aula

e observavel se e somente se existe um n


umero real tal que o estado x(0) do
espaco de estado possa ser determinado de u(t) e y(t) para 0 t .
Criterio de Observabilidade: O sistema contnuo, de ordem n,
x =
y =

Fx + Gu
Hx + Ju,

e observavel se e somente se a matriz de observabilidade

HF

Ox =
,
..

.
HF(n1)
e nao singular.

2.2.2

Caso Discreto

Definic
ao de Observabilidade: O sistema discreto, de ordem n,
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
e observavel se e somente se existe existe um n
umero inteiro m tal que o estado
x(0) do espaco de estado possa ser determinado de u(k) e y(k) para 0 k m.
Criterio de Observabilidade: O sistema discreto, de ordem n,
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
e observavel se e somente se a matriz de observabilidade

Ox =
,
..

.
(n1)
H
e nao singular.

2.3

Domnio Freq
u
encia

Antes de apresentarmos o assunto, vamos recordar tres propriedade de determinantes e o conceito de matriz adjunta.
Teorema: Sejam A, B e C matrizes quadradas, onde C e nao singular.
Entao
det(AB) = det(A) det(B)
det(C) det(C1 ) = 1
det(A) = det(AT ).

Controlabilidade, Observabilidade e Estabilidade

47

Definic
ao: Seja A uma matriz quadrada nao singular de dimensao n.
A matriz,

11 12 1n
21 22 2n

= .
..
.. ,
..
.
.
n1 n2 nn
e a matriz de cofatores de A. O cofator ij de A e definido por
ij = (1)i+j det(Mij ),
onde a matriz menor Mij de A , de dimensao n 1, e a matriz A sem a i-esima
linha e sem a j-esima coluna.
A matriz adjunta de A e a transposta de sua matriz de cofatores

11 21 n1
12 22 n2

adj(A) = T = .
..
.. .
..
.
.
1n

2n

nn

Teorema: Seja A uma matriz quadrada nao singular de dimensao n. Entao


A1 =

2.3.1

adj(A)
.
det(A)

Caso Contnuo

Seja o sistema contnuo, 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).
Podemos escrever que
(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).

A funcao de transferencia e
f (s) = H(sI F)1 G + J.

48

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) =
=
=

Ve-se claramente que o polinomio caracterstico e


det (sI F),
e que a equacao caracterstica e
det (sI F) = 0.
Algumas propriedades, relativas
tantes.
Teorema: Se A e B sao matrizes

A C
det sI
0 B

A 0
det sI
C B
Teorema:

det sI

a1

a2

In1

det sI

a polinomios caractersticos, sao imporquadradas, entao


=

det(sI A) det(sI B)

det(sI A) det(sI B)

an
0
..
.
0

a1
a2
..
.
an

sn a1 sn1 an

In1
0

sn a1 sn1 an .

Teorema: Se T e nao singular e A = T1 FT, entao


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).

Controlabilidade, Observabilidade e Estabilidade

49

A Transformada Z deste sistema e


zx(z) = x(z) + u(z)
y(z) = Hx(z) + Ju(z).
A funcao de transferencia e
f (z) = H(zI )1 + J.
Podemos escrever que
f (z) =

Hadj(zI ) + det (zI )J


.
det(zI )

O polinomio caracterstico e
det (zI ),
e que a equacao caracterstica e
det (zI ) = 0.
Algumas propriedades, relativas
tantes.
Teorema: Se A e B sao matrizes

A C
det zI
0 B

A 0
det zI
C B
Teorema:

det zI

a1

a2

In1

det zI

a polinomios caractersticos, sao imporquadradas, entao


= det(zI A) det(zI B)
= det(zI A) det(zI B)

an
0
..
.
0

a1
a2
..
.
an

= z n a1 z n1 an

In1
0

= z n a1 z n1 an .

Teorema: Se T e nao singular e A = T1 FT, entao


det (zI A) = det (zI F).

50

2.4
2.4.1

Notas de Aula

Estabilidade
Caso Contnuo

Definic
ao de Estabilidade: O sistema, de ordem n,
x =
y =

Fx + Gu
Hx + Ju,

e estavel se para toda entrada limitada, a sada e limitada.


Criterio de Estabilidade: A condicao para que o sistema, de ordem n,
x =
y =

Fx + Gu
Hx + Ju,

seja estavel e que todas as razes da equacao caracterstica,


det (sI F) = 0,
tenham parte real negativa.
Teorema de Estabilidade: Seja o sistema, de ordem n,
x = Fx.
Se todas as razes da equacao caracterstica,
det (sI F) = 0,
tiverem parte real negativa, entao
lim x(t) = 0,

para toda condicao inicial x(0).

2.4.2

Caso Discreto

Definic
ao de Estabilidade: O sistema, de ordem n,
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
e estavel se para toda entrada limitada, a sada e limitada.
Criterio de Estabilidade: A condicao para que o sistema, de ordem n,
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
seja estavel e que todas as razes da equacao caracterstica,
det (zI ) = 0,

Controlabilidade, Observabilidade e Estabilidade

51

estejam dentro do crculo unitario.


Teorema de Estabilidade: Seja o sistema, de ordem n,
x(k + 1) = x(k).
Se todas as razes da equacao caracterstica,
det (zI ) = 0,
estiverem dentro do crculo unitario, entao
lim x(k) = 0,

para toda condicao inicial x(0).

2.5

Teorema de Kalman

Este teorema relaciona controlabilidade e observabilidade com funcao de transferencia.

2.5.1

Caso Contnuo

Teorema: Seja
f (s) =

Hadj(sI F)G + det (sI F)J


N (s)
=
det (sI F)
D(s)

a funcao de transferencia do sistema


x =
y =

Fx + Gu
Hx + Ju.

x =
y =

Fx + Gu
Hx + Ju

O sistema

e controlavel e observavel se e somente se os polinomios N (s) e D(s) nao tem


razes comuns.

2.5.2

Caso Discreto

Teorema: Seja
f (z) =

Hadj(zI ) + det (zI )J


N (z)
=
det(zI )
D(z)

52

Notas de Aula

a funcao de transferencia do sistema


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)

e controlavel e observavel se e somente se os polinomios N (z) e D(z) nao tem


razes comuns.
Uma implicacao pratica importante deste teorema e que a Forma Canonica
de Controlabilidade e a Forma Canonica de Observabilidade, obtidas a partir de
uma funcao de transferencia, sao equacoes de estado controlaveis e observaveis.

2.6
2.6.1

Transforma
c
ao de Similaridade
Caso Contnuo

Considere o sistema contnuo, de ordem n,


x =
y =

Fx + Gu
Hx + Ju,

e uma matriz n n, nao singular T. Se definirmos


x = Tz,
entao podemos escrever
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.

Controlabilidade, Observabilidade e Estabilidade


Teorema:
Cx
Oz
Prova: Observe que

= TCz
= Ox T.

[T1 FT]i = T1 Fi T,

onde i e um n
umero inteiro. Assim,

Cx =
G FG F(n1) G

= TT1 G FTT1 G F(n1) TT1 G

= T T1 G T1 FTT1 G T1 F(n1) TT1 G

= T B T1 FTB T1 F(n1) TB

= T B T1 FTB (T1 FT)(n1) B

= T B AB 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, nao singular T. Se definirmos
x(k) = Tz(k),
ent
ao podemos escrever
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.

53

54

Notas de Aula

2.7

Forma Can
onica de Controlabilidade

Todo sistema controlavel, seja discreto ou contnuo, pode ser posto na forma
canonica de controlabilidade. Dois metodos serao apresentados.

2.7.1

Caso Contnuo

Seja o sistema, de ordem n,


x =
y =

Fx + Gu
Hx + Ju,

controlavel. Existe uma matriz, n n, nao singular T, tal que


x = Tz,
e
z
y
onde

= Az + Bu
= Cz + Ju,

T1 FT

a1

a2

In1

an
0
..
.
0

T1 G =

1
0
..
.

0
Dois metodos serao usados para a determinacao de T:
Primeiro Metodo:
1. de F e G, calcular a matriz de controlabilidade

Cx = G FG F(n1) G ;
2. determinar a u
ltima linha, rn de sua inversa

r1
r2

Cx 1 = . ;
..
rn

Controlabilidade, Observabilidade e Estabilidade


3. a inversa de T e

T1 =

rn F(n1)
rn F(n2)
..
.

55

rn
Segundo Metodo:
1. calcular o polinomio caracterstico associado `a F
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 = B 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),
controlavel. Existe uma matriz, n n, nao singular T, tal que
x(k) = Tz(k),

56

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 metodos serao usados para a determinacao de T:
Primeiro Metodo:
1. de e , calcular a matriz de controlabilidade

Cx = (n1) ;
2. determinar a u
ltima linha, rn de sua inversa

r1
r2

Cx 1 = . ;
..
rn
3. a inversa de T e

T1 =

rn (n1)
rn (n2)
..
.

rn
Segundo Metodo:
1. calcular o polinomio caracterstico associado `a
det (zI ) = z n a1 z n1 an ;
2. calcular

A =

a1

a2
In1

an
0
..
.
0

Controlabilidade, Observabilidade e Estabilidade


e

B =

1
0
..
.

57

0
3. de A e B, calcular a matriz de controlabilidade

Cz = B AB A(n1) B ;
4. de e , calcular a matriz de controlabilidade

Cx = (n1) ;
5. a inversa de T e

2.8

T1 = Cz Cx 1 .

Forma Can
onica de Observabilidade

Todo sistema observavel, seja discreto ou contnuo, pode ser posto na forma
canonica de observabilidade. Dois metodos serao apresentados.

2.8.1

Caso Contnuo

Seja o sistema observavel, de ordem n,


x =
y =

Fx + Gu
Hx + Ju.

Existe uma matriz, n n, nao singular T, tal que


x = Tz,
e
z =
y =
onde

Az + Bu
Cz + Ju,

= T1 FT

a1
a2
..
.
an

e
C = HT

In1
0
0

0
0

Dois metodos serao usados para a determinacao de T:


Primeiro Metodo:

58

Notas de Aula
1. de F e H, calcular a matriz de observabilidade

HF

Ox =
;
..

.
HF(n1)
2. determinar a u
ltima coluna, rn , de sua inversa

Ox 1 = r1 r2 rn ;
3. a matriz T e
T=

F(n1) rn

F(n2) rn

rn

Segundo Metodo:
1. calcular o polinomio caracterstico associado `a F
det (sI F) = sn a1 sn1 an ;
2. calcular

an
e
C =

a1
a2
..
.

In1
0

1 0

0
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 .

Controlabilidade, Observabilidade e Estabilidade

2.8.2

59

Caso Discreto

Seja o sistema observavel, de ordem n,


x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k).
Existe uma matriz, n n, nao singular T, tal que
x(k) = Tz(k),
e
z(k + 1) =
y(k) =
onde

Az(k) + Bu(k)
Cz(k) + Ju(k),

= T1 FT

a1
a2
..
.
an

e
C = HT

In1
0
0

0
0

Dois metodos serao usados para a determinacao de T:


Primeiro Metodo:
1. de e H, calcular a matriz de observabilidade

Ox =
;
..

.
H(n1)
2. determinar a u
ltima coluna, rn , de sua inversa

Ox 1 = r1 r2 rn ;
3. a matriz T e
T=

(n1) rn

(n2) rn

rn

Segundo Metodo:
1. calcular o polinomio caracterstico associado `a
det (zI ) = z n a1 z n1 an ;

60

Notas de Aula
2. calcular

a1
a2
..
.
an

e
C =

In1
0

1 0

0
0

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 8 0, 8
0
1
0
0 x+ 0 u
0
0
0
1

0 2 0 x.

Encontrar:
a) Verificar se o sistema e controlavel;
b) Encontrar a forma canonica de controlabilidade pelo primeiro metodo;
c) Verificar se o sistema e observavel;
d) Encontrar a forma canonica de observabilidade pelo primeiro metodo;
e) Achar o polinomio caracterstico diretamente e pelas propriedades;
f) Encontrar a forma canonica de observabilidade pelo segundo metodo;
g) Achar a funcao de transferencia.
Soluc
ao:

Controlabilidade, Observabilidade e Estabilidade

61

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

28 48 4, 8
8 0, 8 6 8 0, 8
0
0 = 6 8 0, 8
0
0 1
0
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

6
F2 = 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 6= 0.
Portanto, o sistema e controlavel.
b) Primeiro passo: Vimos que

0 0, 8
Cx = 0 0
1 0

4, 8
0, 8 .
0

Segundo passo:

Cx1
Terceiro passo:

0
0
1
r1
= 1, 25 7, 5 0 = r2 .
0
1, 25 0
r3

62

Notas de Aula

r3
r3 F
r3 F2

0 1, 25 0

= 1, 25 0 0

= 7, 5 10 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

= 0 0 1, 6 .

c) Podemos escrever que

H= 0 2

HF = 2

0
0, 8
8

0, 8 0
0 0, 8
6
8

Controlabilidade, Observabilidade e Estabilidade

HF2 = 12

63

1, 6 .

16

Assim,


H
0
Ox = HF = 2
12
HF2

2
0
16

0
0
1, 6

e
det(Ox ) = 6, 4 6= 0.
Assim, o sistema e observavel.
d) Primeiro passo:

0
Ox = 2
12

2
0
16

0
0
1, 6

Segundo passo:

Ox1 =

r1

r2

r3

0
= 0, 5
5

0, 5
0
0
0
3, 75 0, 625

Terceiro passo:

0
r3 = 0
0, 625

3 0, 5
0
2

0
T = F r3 Fr3 r3 = 0, 5 0
0
0 0, 625

0 2
0
T1 = 2 12 0 .
0 0 1, 6
Podemos finalmente escrever

6 1 0
A = T1 FT = 8 0 1
0 0 0

0
B = T1 G = 0
1, 6

C = HT = 1 0 0 .

64

Notas de Aula
e) Pelo metodo direto

sI F

s 0
= 0 s
0 0

s+6
= 1
0

0
6 8 0, 8
0 1
0
0
s
0
0
0

8 0, 8
s
0 .
0
s

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 inspecao


6
A=
1

8
0

B =0

C=

0, 8
0

Entao
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 0 0

Controlabilidade, Observabilidade e Estabilidade

65

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:

Ox1

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)

adj(sI F)

= s3 + 6s2 + 8s
= s(s2 + 6s + 8)

11
= 21
31

11
= 12
13

12
22
32
21
22
23

T
13
23
33

31
32
33

66

Notas de Aula

Hadj(sI F)G =
=

0 2

11
0 12
13

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 finalmente
f (s) =

2.10

s(s2

1, 6
.
+ 6s + 8)

Exerccios

1. Seja o sistema


1 2 1
0
x(k + 1) = 0 2 3 x(k) + 1 u(k)
1 0 4
0

1 0 1 x(k).
y(k) =
a) Determinar a funcao de transferencia;
b) Verificar se o sistema e estavel;
c) Verificar se o sistema e controlavel;

Controlabilidade, Observabilidade e Estabilidade

67

d) Determinar a Forma Canonica de Controlabilidade pelo primeiro


metodo;
e) Determinar a Forma Canonica de Controlabilidade pelo segundo
metodo;
f) Determinar a funcao de transferencia a partir da Forma Canonica de
Controlabilidade.
2. Seja o sistema

0
1 2 1
= 0 2 3 x + 1 u
0
1 0 4

1 0 1 x.
=

x
y

a) Verificar se o sistema e observavel;


b) Determinar a Forma Canonica de Observabilidade pelo primeiro metodo;
c) Determinar a Forma Canonica de Observabilidade pelo segundo
metodo;
d) Determinar a funcao de transferencia a partir da Forma Canonica de
Observabilidade.

68

Notas de Aula

2.11

Respostas dos Exerccios

1.
a)
f (z) =

z3

2z 6
.
7z 2 + 13z 12

b) sistema instavel, pois tem um polo igual a 4, 819 que esta fora do crculo
unitario.
c) sistema controlavel, pois det(Cx ) = 4 6= 0.
d)


1
7 13 12
0
0 x(k) + 0 u(k)
x(k + 1) = 1
0
1
0
0

0 2 6 x(k).
y(k) =
e) resposta igual a do item d).
f) resposta igual a do item a).
2.
a) sistema observavel, pois det(Ox ) = 18 6= 0.
b)

7
1 0
0
x = 13 0 1 x + 2 u
12 0 0
6

1 0 0 x.
y =
c) resposta igual a do item b).
d)
f (s) =

2s 6
.
s3 7s2 + 13s 12

Captulo 3

Controle Modal e
Observador de Estado Estabilizador 1
O principal objetivo deste captulo e definir o conceito de observador de estado
e de controle modal, como pre-requisitos de projeto de estabilizadores.

3.1

Princpio de Controle Modal

O objetivo de Controle Modal e encontrar um esquema de realimentacao que


faca o estado do sistema a ser controlado convergir para zero em regime permanente, mesmo que o sistema em malha aberta seja instavel. A realimentacao
e feita atraves do vetor de estado, e todos os polos do sistema realimentado
sao arbitrariamente especificados ou escolhidos. Esta estrategia de controle so
e possvel ser implementada se o sistema a ser controlado for controlavel. Da a
importancia do conceito de controlabilidade.

3.1.1

Caso Contnuo

Seja o sistema controlavel contnuo, de ordem n,


x = Fx + Gu.
Podemos definir um controlador da seguinte forma
u = Kx,
onde o vetor K, de dimensao [1 n], e convenientemente calculado. Assim,
podemos escrever que
x = (F GK)x.
69

70

Notas de Aula
Escolhendo-se K de tal forma que as razes da equacao caracterstica,
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 controlavel discreto, de ordem n,


x(k + 1) = x(k) + u(k).
Podemos definir um controlador da seguinte forma
u(k) = Kx(k),
onde o vetor K, de dimensao [1 n], e convenientemente calculado. Podemos
escrever que
x(k + 1) = ( K)x(k).
Escolhendo-se K de tal forma que as razes da equacao caracterstica,
det (zI [ K]) = 0,
estejam dentro do crculo unitario, garante-se que
lim x(k) = 0,

assegurando que, em regime permanente, a sequ


uencia x(k) converge para zero.

3.2

Projeto de Controle Modal

A concepcao de projeto e totalmente diferente da do controle classico. Aqui,


escolhem-se todas as razes desejadas para o polinomio caracterstico, ou seja,
escolhe-se o polinomio caracterstico desejado para o sistema realimentado; e, a
partir deste, calcula-se a matriz K.

3.2.1

Caso Contnuo

Vamos descrever o metodo nos seguintes passos:


Primeiro Passo:
Dado o sistema contnuo controlavel de ordem n,
x = Fx + Gu,

Controle Modal e Observador de Estado - Estabilizador 1

71

podemos calcular uma transformacao de similaridade T, tal que


x = Tz,
e
z = Az + Bu,
onde

T1 FT

a1

a2

In1

an
0
..
.

0
e

B =
=

1
T G

1
0

.. .
.

0
Segundo Passo:
Vamos especificar, no semiplano esquerdo, a localizacao desejada para os polos em malha fechada, denotados por 1 , , n . A seguir, vamos calcular o
polinomio caracterstico 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 canonica de
controlabilidade, definindo 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

Podemos escrever que


z

= (A BKz )z

1
2

In1

n
0
..
.
0

z,

72

Notas de Aula

o que comprova que foi estabelecido o polinomio caracterstico especificado, pois

1
2
n

det sI

= sn 1 sn1 n .
..

I
.
n1

0
Quarto Passo:
A matriz K e dada por

K = Kz T1 .

Com a definicao acima e o sistema transformado, podemos voltar ao sistema


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

Vamos descrever o metodo nos seguintes passos:


Primeiro Passo:
Dado o sistema controlavel discreto de ordem n,
x(k + 1) = x(k) + u(k),
podemos calcular uma transformacao de similaridade T, tal que
x(k) = Tz(k),
e
z(k + 1) = Az(k) + Bu(k),
onde

A =

T1 T =

a1

a2
In1

an
0
..
.
0

= T1

1
0

= . .
..
0

Controle Modal e Observador de Estado - Estabilizador 1

73

Segundo Passo:
Vamos especificar, dentro do crculo unitario, a localizacao desejada para os
polos em malha fechada, denotados por 1 , , n . A seguir, vamos calcular o
polinomio caracterstico 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 canonica de
controlabilidade, definindo a matriz Kz por

Kz = a1 1 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 polinomio caracterstico especificado, pois

1
2
n

n
n1
det zI
n .
.. = z 1 z

In1
.
0
Quarto Passo:
A matriz K e dada por

K = Kz T1 .

Com a definicao acima e o sistema transformado, podemos voltar ao sistema


original
Tz(k + 1)

T(A BKz )z(k)

=
=

T(A BKz )T1 Tz(k)


(TAT1 )Tz(k) (TB)(Kz T1 )Tz(k),

74

Notas de Aula

e que
x(k + 1)

3.3

=
=

x(k) Kx(k)
x(k) + u(k).

Princpio de Observador de Estado

Vimos que para se implementar o esquema de controle modal, e necessario se ter


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 decorrencia
de custo muito elevado ou de impossibilidade tecnica.
Com sempre e possvel medir a entrada e a sada do sistema a ser controlado,
pode-se estabelecer um esquema que permita indiretamente estimar (observar)
as suas variaveis de estado, desde que o mesmo seja observavel. Da a importancia do conceito de observabilidade. Com o estado observado, pode-se
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 atraves dos sinais de entrada e de sada.

3.3.1

Caso Contnuo

Seja o sistema contnuo observavel, de ordem n,


x =
y =

Fx + Gu
Hx + Ju.

Podemos definir um observador da seguinte forma


= (F LH)
x
x + Gu + L(y Ju),
onde o vetor L, de dimensao [n 1], e convenientemente calculado.
, por
Definindo o vetor erro de estado, x
=xx
,
x
podemos escrever

= (F LH)
x
x.

Escolhendo-se L de tal forma que as razes da equacao caracterstica,


(sI [F LH]) = 0,
tenham parte real negativa, garante-se que
(t) = 0,
lim x

e x.
assegurando que em regime permanente x

Controle Modal e Observador de Estado - Estabilizador 1

3.3.2

75

Caso Discreto

Seja o sistema discreto, de ordem n,


x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
observavel. Podemos definir um observador da seguinte forma
(k + 1) = ( LH)
x
x(k) + u(k) + L(y(k) Ju(k)),
onde o vetor L, de dimensao [n 1], e convenientemente calculado.
(k), por
Definindo o vetor erro de estado, x
(k) = x(k) x
(k),
x
podemos escrever
(k + 1) = ( LH)
x
x(k).
Escolhendo-se L de tal forma que as razes da equacao caracterstica,
(zI [ LH]) = 0,
estejam dentro do crculo unitario, garante-se que
(k) = 0,
lim x

(k) e x(k).
assegurando que em regime permanente x

3.4

Projeto de Observador de Estado

Quando o processo a ser controlado e observavel, e possvel arbitrariamente


escolher o polinomio caracterstico associado ao observador.

3.4.1

Caso Contnuo

Vamos descrever o metodo nos seguintes passos:


Primeiro Passo:
Dado o sistema contnuo observavel, de ordem n,
x =
y =

Fx + Gu
Hx + Ju,

podemos calcular uma transformacao de similaridade T, tal que


x = Tz,

76

Notas de Aula

e
z
y

= Az + Bu
= Cz + Ju,

onde

T1 FT =

T1 G,

HT =

In1

an

e
C =

a1
a2
..
.
0

1 0

Segundo Passo:
Vamos especificar, no semiplano esquerdo, a localizacao desejada para os polos
do estimador, denotados por 1 , , n . A seguir, vamos calcular o polinomio
caracterstico desejado
(n1)

sn 1

n = (s 1 )(s 2 ) (s n ).

Terceiro Passo:
Podemos, agora, determinar o observador para o sistema na forma canonica de
observabilidade, definindo o vetor Lz por

a1 1
a2 2

Lz =
,
..

.
an n
e o observador por
= (A Lz C)
z
z + Bu + Lz (y Ju).
Observe que

(A Lz C) =

1
2
..
.
n

In1
0

, por
Definindo o vetor erro de estado, z
=zz
,
z
podemos escrever

=
z

1
2
..
.
n

,
z

In1
0

Controle Modal e Observador de Estado - Estabilizador 1

77

o que comprova que foi estabelecido o polinomio caracterstico especificado

In1

det sI .
= sn 1 sn1 n .

..

n 0
0
Quarto Passo:
Vamos retornar agora ao sistema original. Podemos escrever que
= T(A Lz C)
z + TBu + TLz (y Ju).
Tz
Assim,
= T(A Lz C)T1 T
Tz
z + TBu + TLz (y Ju)
= (TAT1 TLz CT1 )T
z + Gu + TLz (y Ju)
= (F TLz H)T
z + Gu + TLz (y Ju).
Definindo-se

x
L

=
=

T
z,
TLz ,

podemos escrever o obsevador


= (F LH)
x
x + Gu + L(y Ju).

3.4.2

Caso Discreto

Vamos descrever o metodo nos seguintes passos:


Primeiro Passo:
Dado o sistema discreto observavel, de ordem n,
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
podemos calcular uma transformacao de similaridade T, tal que
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

78

Notas de Aula

e
C =

HT =

1 0

Segundo Passo:
Vamos especificar, dentro do crculo unitario, a localizacao desejada para os
polos do estimador, denotados por 1 , , n . A seguir, vamos calcular o
polinomio caracterstico desejado
(n1)

z n 1

n = (z 1 )(z 1 ) (z n ).

Terceiro Passo:
Podemos, agora, determinar o observador para o sistema na forma canonica de
observabilidade, definindo o vetor Lz por

a1 1
a2 2

Lz =
,
..

.
an n
e o observador por
(k + 1) = (A Lz C)
z
z(k) + Bu(k) + Lz (y(k) Ju(k)).
Quarto Passo:
Vamos retornar agora ao sistema original. Podemos escrever que
T
z(k + 1) = T(A Lz C)
z(k) + TBu(k) + TLz (y(k) Ju(k)).
Assim,
T
z(k + 1)

= T(A Lz C)T1 T
z(k) + TBu(k) + TLz (y Ju(k))
1
= (TAT TLz CT1 )T
z(k) + u(k) + TLz (y(k) Ju(k))
= ( TLz H)T
z(k) + u(k) + TLz (y(k) Ju(k)).

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

3.5

Controle Modal com Observador de Estado


- Estabilizador

Quando o estado nao e mensuravel, torna-se necessario realizar um controle


modal com estados observados. Mostraremos que este esquema pode ser realizado para todo sistema controlavel e observavel. Este esquema define um
estabilizador.

Controle Modal e Observador de Estado - Estabilizador 1

3.5.1

79

Caso Contnuo

Dado o sistema contnuo controlavel e observavel, de ordem n,


x =
y =

Fx + Gu
Hx + Ju,

podemos projetar o observador


= (F LH)
x
x + Gu + L(y Ju),
e definir como lei de controle
u = K
x.
Definindo o erro de estado por
=xx
,
x
podemos escrever que

x
F GK
GK
x
=
.

0
F LH
x

x
Conseq
uentemente,

F GK
GK
det sI
0
F LH

= det(sI [F GK])
det(sI [F LH]),

o que prova que os polos do sistema combinado sao os mesmos da uniao dos polos
especificados para o observador e com os polos especificados para o controlador.
Se os polos do observador e os polos do controlador tiverem parte real negativa, entao pelo Teorema da Estabilidade
(t) =
lim x

lim x(t) =

lim y(t) =

0.

t
t

Para processos com transferencia direta (J 6= 0)


x =
y =

Fx + Gu
Hx + Ju,

o estabilizador pode ser agora definido como


=
x
u =

(F LH GK + LJK)
x + Ly
K
x.

80

Notas de Aula

b = [F LH GK + LJK]b
x
x + Ly

= Fx + Gu
x

u = Kb
x

y = Hx + Ju

Figura 3.1: Estabilizador para processos com transferencia direta.


A Figura 3.1 mostra este tipo de estabilizador.
Para processos sem transferencia direta
x =
y =

Fx + Gu
Hx,

o estabilizador fica definido como


= (F LH GK)
x
x + Ly
u = K
x.
A Figura 3.2 mostra este tipo de estabilizador.
u

b = [F LH GK]b
x
x + Ly

= Fx + Gu
x

u = Kb
x

y = Hx

Figura 3.2: Estabilizador para processos sem transferencia direta.

3.5.2

Caso Discreto

Dado o sistema discreto controlavel e observavel, de ordem n,


x(k + 1)
y

= x(k) + u(k)
= Hx(k) + Ju(k),

Controle Modal e Observador de Estado - Estabilizador 1

81

podemos projetar o observador


(k + 1) = ( LH)
x
x(k) + u(k) + L(y(k) Ju(k)),
e definir como lei de controle
u(k) = K
x(k).
Definindo o erro de estado por
(k) = x(k) x
(k),
x
podemos escrever que

x(k + 1)
K
K
x(k)
=
.
(k + 1)
(k)
x
0
LH
x
Conseq
uentemente,

K
K
det zI
0
LH

det(zI [ K])
det(zI [ LH]),

o que prova que os polos do sistema combinado sao os mesmos da uniao dos polos
especificados para o observador e com os polos especificados para o controlador.
Se os polos do observador e os polos do controlador tiverem parte real negativa, entao pelo Teorema da Estabilidade
(k) =
lim x

lim x(k) =

lim y(k) =

0.

t
t

Para processos com transferencia direta (J 6= 0)


x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
o estabilizador pode ser agora definido como
(k + 1) = ( LH K + LJK)
x
x(k) + Ly(k)
u(k) = K
x(k).
A Figura 3.3 mostra este tipo de estabilizador.
Para processos sem transferencia direta
x(k + 1) =
y(k) =

x(k) + u(k)
Hx(k),

82

Notas de Aula

u(k)

y(k)
x(k + 1) = x(k) + u(k)

b (k + 1) = [ LH K + LJK]b
x
x(k) + Ly(k)
u(k) = Kb
x(k)

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

Figura 3.3: Estabilizador para processos com transferencia direta.


o estabilizador fica definido como
(k + 1)
x

u(k)

( LH K)
x(k) + Ly(k)

= K
x(k).

A Figura 3.4 mostra este tipo de estabilizador.


u(k)

y(k)

b (k + 1) = [ LH K]b
x
x(k) + Ly(k)

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

u(k) = Kb
x(k)

y(k) = Hx(k)

Figura 3.4: Estabilizador para processos sem transferencia direta.

3.6

Exemplo

Seja o sistema

x =
y


1 2 0
2
1
2
0 x+ 0 u
2 1 3
0

1 0 1 x.

a) Encontrar um controle modal de tal forma que os polos do sistema realimentado estejam posicionados em 0, 5 , 0, 5 , e 0, 5;

Controle Modal e Observador de Estado - Estabilizador 1

83

b) Encontrar um observador de estado de tal forma que os polos do sistema


que descreve o erro de estado sejam 1 , 1 , e 1;
c) Encontrar o estabilizador.
Soluc
ao:
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

FG F2 G = 0
0

2
2
4

2
2
14

e
det(Cx ) = 72 6= 0.
Portanto, o sistema e controlavel.
Mas,

0, 5
0, 5
Cx1 = 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

84

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.

Terceiro Passo: Kz
Kz

=
=
=

a1 1 a2 2 a3 3

2 + 1, 5 3 + 0, 75 0 + 0, 125

0, 5 3, 75 0, 125

Quarto Passo: K
K

Kz T1

0, 5

0, 5
0, 5
0, 5
3, 75 0, 125 0 0, 1667 0, 1667
0 0, 1111 0, 0556

0, 25 0, 3889 0, 8681 .

Controle Modal e Observador de Estado - Estabilizador 1


O controlador sera

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 6= 0.
Assim, o sistema e observavel.
Mas,

Ox1 =

r1

r2

r3

2 0, 3333
= 1 0, 3333
1 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

Finalmente podemos escrever que


2 1 0
a1
A=T1 FT = 3 0 1 = a2
0 0 0
a3
e
a1
a2

= 2
= 3

a3

= 0.

= 1

2
3

= 1
= 1.

Segundo Passo:

1 0
0 1
0 0

85

86

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 sera
=
x
=

(F LH)
x + Gu + Ly

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 nao for disponvel, pode-se usar a lei de controle

u = K
x = 0, 25

.
0, 3889 0, 8681 x

O estabilizador fica definido como


= (F LH GK)
x
x + Ly

2.5 2.7778 .2638


2
+ 2, 3333 y
2
2, 3333 x
= 3, 3333
1
1
2
1
u = K
x

.
= 0, 25 0, 3889 0, 8681 x

Controle Modal e Observador de Estado - Estabilizador 1

3.7

87

Exerccios

1. Seja o sistema


1 1 0
2
2 0 1 x(k) + 1 u(k)
1 0 0
0

1 0 0 x(k).

x(k + 1)

y(k) =

a) Determinar o ganho L de um observador de tal forma que o erro de estado


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

d
x
dt
y(k)


1 3 1
1
= 1 0 0 x + 0 u
0 1 0
0

1 0 1 x(k).
=

a) Determinar o ganho K de um controle modal de tal forma que os polos


fiquem 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 polos em -5.
c) Determinar o estabilizador.
3. Seja o sistema

x(k + 1)

y(k) =


1 2 1
0
0 2 3 x(k) + 1 u(k)
1 0 4
0

1 0 1 x(k).

a) Determinar um controle modal de tal forma que os polos fiquem posicionados 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 polos em 0,3, 0,2 e 0,2.
4. Considere o sistema abaixo.

88

Notas de Aula

d
x
dt
y


1 2 1
1
= 0 2 3 x + 1 u
1 0 4
0

1 0 1 x.
=

a) Determinar um controle modal de tal forma que os polos fiquem posicionados em -1, -2 e -5.
b) Determinar um observador de tal forma que o erro de estado seja regido
por um sistema com polos em -3, -2 e -2.

Controle Modal e Observador de Estado - Estabilizador 1

3.8

Respostas dos Exerccios

1.
a)

0, 400
L = 2, 110
0, 994

b)

K = 0, 515

c)
b(k + 1)
x

2, 429 5, 347

0, 400
0, 429 5, 859 10, 693
0, 625 2, 429 4, 347 x
b(k) + 2, 110 y(k)
0, 994
0, 006
0
0

b(k).
0, 515 2, 429 5, 347 x

u(k) =
2.
a)

K= 6

b)

10

43, 5
L = 19, 5
27, 5

c)
b =
x
u =

48, 5 7 46, 5
43, 5
18, 5 0 19, 5 x
b + 19, 5 y
27, 5
1
27, 5
27, 5

b.
6 4 10 x

3.
a)

u(k) = 9, 085

b)
b(k + 1)
x

6, 200 33, 035 x(k)

1, 948 2 1, 948
0
2, 948
4, 302 2 1, 302 x
b(k) + 1 u(k) + 4, 302 y(k).
2, 352 0 0, 648
0
3, 352

4.
a)

u = 11, 333

b)

b
x

4, 667
2

10
2
=
16, 667 0

3, 667 67, 667 x

4, 667
1
3, 667
b + 1 u + 10, 000 y.
7 x
13, 667
0
17, 667

89

Captulo 4

Controle Otimo
e Filtro de
Kalman - Estabilizador 2
O principal objetivo deste captulo e definir o conceito de controle otimo e de
filtro de Kalman. Por otimizacao, podemos encontrar tanto o ganho K de controladores por realimentacao de estado, tanto quanto o ganho L de observadores
de estado. No primeiro caso, o controle e denominado controle quadratico; e no
segundo, filtro de Kalman. O controlador e o observador assim obtidos poderao
servir como base de estabilizadores.

4.1
4.1.1

Princpio de Controle Otimo


Caso Contnuo

Seja o sistema contnuo controlavel, de ordem n,


x = Fx + Gu.
Podemos definir um controlador da seguinte forma
u = Kx,
onde o vetor K, de dimensao [1 n], e convenientemente calculado.
Podemos escrever que
x = (F GK)x.
O ganho K e calculado de tal forma que a funcao
Z
1 T
(x Qx + Ru2 )dt
J=
2 0
seja mnima, onde R e um n
umero real positivo e Q e uma matriz definida
positiva.
90


Controle Otimo
e Filtro de Kalman - Estabilizador 2

91

Uma matriz Q e definida positiva se para x 6= 0


xT Qx >0
e para x = 0
xT Qx =0.
Escolhendo-se Q definida positiva e o real R positivo, a matriz K e calculada
de tal forma que as razes da equacao caracterstica,
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 controlavel, de ordem n,


x(k + 1) = x(k) + u(k).
Podemos definir um controlador da seguinte forma
u(k) = Kx(k),
onde o vetor K, de dimensao [1 n], e convenientemente calculado.
Podemos escrever que
x(k + 1) = ( K)x(k).
O ganho K e calculado de tal forma que a funcao

J=

1X T
(x (k)Qx(k) + Ru2 (k))
2
k=0

seja mnima, onde R e um n


umero real positivo e Q e uma matriz definida
positiva.
Se Q for definida positiva e o real R for positivo, a matriz K e calculada de
tal forma que as razes da equacao caracterstica,
det (zI [ K]) = 0,
estejam dentro do crculo unitario. Garante-se que
lim x(k) = 0,

assegurando que, em regime permanente, x(k) converge para zero.

92

4.2

Notas de Aula

Projeto de Controle Otimo

A concepcao de projeto e totalmente diferente da do controle modal. Aqui,


escolhe-se a matriz Q e o n
umero R; o ganho K e calculado atraves da equacao
de Riccati.

4.2.1

Caso Contnuo

Vamos descrever o metodo nos seguintes passos:


Primeiro Passo:
Dado o sistema contnuo de ordem n controlavel,
x = Fx + Gu,
escolher um n
umero positivo R e a matriz definida positiva Q.
Segundo Passo:
Determinar a matriz P pela equacao
FT P + PF + Q PGR1 GT P = 0.
A equacao acima e denominada equacao de Riccati, e a matriz P e simetrica.
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

Vamos descrever o metodo nos seguintes passos:


Primeiro Passo:
Dado o sistema contnuo de ordem n controlavel,
x(k + 1) = x(k) + u(k),
escolher um n
umero positivo R e a matriz definida positiva Q.
Segundo Passo:
Determinar a matriz P pela equacao
T

P = Q + T P P(R+T P)

T P.

A equacao acima e denominada equacao de Riccati, e a matriz P e simetrica.


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

mI
0
0
0


Controle Otimo
e Filtro de Kalman - Estabilizador 2
T

93
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 otimo para o processo


7 5
1
x(k + 1) =
x(k)+
u(k),
1 0
0
considerando Q = 10I e R = 1.
Soluc
ao:
Do processo, podemos escrever

=
=

7 5
1 0

1
.
0

O sinal de controle e calculado por


u(k) = Kx(k).
A matriz de Riccati e calculasda por
Q =
R =
P(0) =

10I
1
0

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


Em 10 iteracoes, tem-se

83, 176
P=
36, 768
e

4.3

K = (R + T P)

36, 768
34, 703

T P = 7, 354 4, 941 .

Princpio do Filtro de Kalman

Kalman desenvolveu um observador geral para processos com dist


urbios aleatorios. Este observador, conhecido como filtro de Kalman, tambem e baseado em
otimizacao. A matriz Q e o n
umero R estao relacionados com as propriedades
do dist
urbio. No caso determinstico, pode-se escolher uma matriz Q definida
positiva qualquer e um n
umero positivo qualquer R para se obter o ganho L do
filtro.

94

4.3.1

Notas de Aula

Caso Contnuo

Seja o sistema contnuo, de ordem n,


x =
y =

Fx + Gu
Hx + Ju,

observavel.
Podemos definir um observador da seguinte forma
= (F LH)
x
x + Gu + L(y Ju),
onde o vetor L, de dimensao [n 1], e convenientemente calculado.
, por
Definindo o vetor erro de estado, x
=xx
,
x
podemos escrever

= (F LH)
x
x.

Escolhendo-se a matriz Q definida positiva e o real R positivo, o vetor L e


calculado de tal forma que as razes da equacao caracterstica,
det (sI [F LH]) = 0,
tenham parte real negativa. Garante-se que
(t) = 0,
lim x

e x.
assegurando que em regime permanente x

4.3.2

Caso Discreto

Seja o sistema discreto, de ordem n,


x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
observavel. Podemos definir um observador da seguinte forma
(k + 1) = ( LH)
x
x(k) + u(k) + L(y(k) Ju(k)),
onde o vetor L, de dimensao [n 1], e convenientemente calculado.
(k), por
Definindo o vetor erro de estado, x
(k) = x(k) x
(k),
x
podemos escrever
(k + 1) = ( LH)
x
x(k).


Controle Otimo
e Filtro de Kalman - Estabilizador 2

95

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


calculado de tal forma que as razes da equacao caracterstica,
det (zI [ LH]) = 0,
estejam dentro do crculo unitario. Garante-se que
(k) = 0,
lim x

(k) e x(k).
assegurando que em regime permanente x

4.4
4.4.1

Projeto do Filtro de Kalman


Caso Contnuo

Vamos descrever o metodo nos seguintes passos:


Primeiro Passo:
Dado o sistema contnuo observavel, de ordem n,
x =
y =

Fx + Gu
Hx + Ju,

escolher um n
umero positivo R e a matriz definida positiva Q.
Segundo Passo:
Determinar a matriz P pela equacao
FP + PFT +Q PHT R1 HP = 0.
A equacao acima e denominada equacao de Riccati, e a matriz P e simetrica.
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

Vamos descrever o metodo nos seguintes passos:


Primeiro Passo:
Dado o sistema discreto observavel, de ordem n,
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
escolher um n
umero positivo R e a matriz definida positiva Q.
Segundo Passo:
Determinar a matriz P pela equacao

96

Notas de Aula

P = Q + PT PHT (R+HPHT )

HPT .

A equacao acima e denominada equacao de Riccati, e a matriz P e simetrica.


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 filtro de Kalman, para o processo


1
7 5
u(k)
x(k)+
x(k + 1) =
0
1 0

y(k) = 1 0 x(k),

considerando Q = 10I e R = 1.
Soluc
ao:
Do processo, podemos escrever

7 5
=
1 0

1
=
0

= 1 0 .

O observador e
(k + 1) = ( LH)
x
x(k) + u(k) + Ly(k).
A matriz de Riccati e calculasda por
Q =
R =
P(0) =

10I
1
0


Controle Otimo
e Filtro de Kalman - Estabilizador 2

97
1

P(k + 1) = Q + P(k)T P(k)HT (R+HP(k)HT )

HP(k)T .

Em 10 iteracoes, tem-se

331, 494
P=
7, 085

7, 085
10, 997

T 1

L = PH (R + HPH )

7, 085
=
.
0, 997

O Observador fica sendo


(k + 1)
x

4.5

(F LH)
x(k) + Gu(k) + Ly(k)

0, 085 5
1
7, 085
(k) +
=
x
u(k) +
y(k).
0, 003 0
0
0, 997

Controle Quadr
atico com Filtro de Kalman
- Estabilizador

Quando o estado nao e mensuravel, torna-se necessario realizar um controle


quadratico com estados observados, e o observador utilizado pode ser o Filtro
de Kalman. Mostraremos que este esquema pode ser realizado para todo sistema
controlavel e observavel. Este esquema define um estabilizador.

4.5.1

Caso Contnuo

Dado o sistema contnuo controlavel e observavel, de ordem n,


x =
y =

Fx + Gu
Hx + Ju,

podemos projetar o Filtro de Kalman


= (F LH)
x
x + Gu + L(y Ju),
e definir como lei de controle
u = K
x,
onde o ganho K foi determinado por Controle Quadratico.
Definindo o erro de estado por
=xx
,
x
podemos escrever que

x
F GK
GK
x
=
.

0
F LH
x

98

Notas de Aula
Conseq
uentemente,

F GK
GK
det sI
0
F LH

det(sI [F GK])
det(sI [F LH]),

o que prova que os polos do sistema combinado sao os mesmos da uniao dos
polos definidos pelo Filtro de Kalman com os polos definidos pelo Controle
Quadratico.
Como os polos definidos pelo Filtro de Kalman e os polos definidos pelo Controle Quadratico tem parte real negativa, entao pelo Teorema da Estabilidade
(t) =
lim x

lim x(t) =

lim y(t) =

0.

Para processos com transferencia direta (J 6= 0)


x =
y =

Fx + Gu
Hx + Ju,

o estabilizador pode ser agora definido como


= (F LH GK + LJK)
x
x + Ly
u = K
x.
A Figura 4.1 mostra este tipo de estabilizador.
u

b = [F LH GK + LJK]b
x
x + Ly

= Fx + Gu
x

u = Kb
x

y = Hx + Ju

Figura 4.1: Estabilizador para processos com transferencia direta.


Para processos sem transferencia direta
x =
y =

Fx + Gu
Hx,


Controle Otimo
e Filtro de Kalman - Estabilizador 2

99

o estabilizador fica definido como

x
u

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

A Figura 4.2 mostra este tipo de estabilizador.


y

u
b = [F LH GK]b
x
x + Ly

= Fx + Gu
x

u = Kb
x

y = Hx

Figura 4.2: Estabilizador para processos sem transferencia direta.

4.5.2

Caso Discreto

Dado o sistema discreto controlavel e observavel, de ordem n,


x(k + 1)
y

= x(k) + u(k)
= Hx(k) + Ju(k),

podemos projetar o Filtro de Kalman


(k + 1) = ( LH)
x
x(k) + u(k) + L(y(k) Ju(k)),
e definir como lei de controle
u(k) = K
x(k),
onde o ganho K foi obtido por Controle Quadratico.
Definindo o erro de estado por
(k) = x(k) x
(k),
x
podemos escrever que

x(k + 1)
K
K
x(k)
=
.
(k + 1)
(k)
x
0
LH
x
Conseq
uentemente,

K
K
det zI
0
LH

det(zI [ K])
det(zI [ LH]),

100

Notas de Aula

o que prova que os polos do sistema combinado sao os mesmos da uniao dos
polos definidos pelo Filtro de Kalman com os polos definidos pelo Controle
Quadratico.
Como os polos definidos pelo Filtro de Kalman e os polos definidos pelo
Controle Quadratico estao dentro do crculo unitario, entao pelo Teorema da
Estabilidade
(k)
lim x

lim x(k)

lim y(k)

0.

t
t

Para processos com transferencia direta (J 6= 0)


x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
o estabilizador pode ser agora definido como
(k + 1) = ( LH K + LJK)
x
x(k) + Ly(k)
u(k) = K
x(k).
A Figura 4.3 mostra este tipo de estabilizador.
u(k)
b (k + 1) = [ LH K + LJK]b
x
x(k) + Ly(k)
u(k) = Kb
x(k)

y(k)
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k)

Figura 4.3: Estabilizador para processos com transferencia direta.


Para processos sem transferencia direta
x(k + 1)
y(k)

x(k) + u(k)

= Hx(k),

o estabilizador fica definido como


(k + 1)
x
u(k)

( LH K)
x(k) + Ly(k)

= K
x(k).

A Figura 4.4 mostra este tipo de estabilizador.


Controle Otimo
e Filtro de Kalman - Estabilizador 2

u(k)

101

y(k)

b (k + 1) = [ LH K]b
x
x(k) + Ly(k)

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

u(k) = Kb
x(k)

y(k) = Hx(k)

Figura 4.4: Estabilizador para processos sem transferencia direta.

4.6

Exerccios

1. Seja o sistema

x(k + 1)

y(k) =


1 2 1
0
0 2 3 x(k) + 1 u(k)
1 0 4
0

1 0 1 x(k).

a) Determinar um controle otimo para Q = 2I e R = 1;


b) Determinar um filtro de Kalman para Q = 5I e R = 1.
c) Determinar o estabilizador.

102

Notas de Aula

4.7

Respostas dos Exerccios

1.
a)

u(k) = 9, 410 6, 313

34, 152 x(k).

b)
b(k + 1)
x

2, 937
0
1, 937 2 1, 937
4, 394 2 1, 394 x
b(k) + 1 u(k) + 4, 394 y(k).
3, 455
0
2, 455 0 0, 545

c)

2, 937
1, 937
2
1, 937
13, 804 4, 313 35, 547 x
b(k) + 4, 394 y(k)
3, 455
2, 455
0
0, 545

b
9, 410 6, 313 34, 152 x(k).

b(k + 1)
x

u(k) =

Captulo 5

Seguimento Robusto
O principal objetivo deste captulo e definir o conceito de seguimento robusto.
Quando se fala em seguimento robusto, esta-se referindo `a robustez da capacidade de seguimento de um sinal. Em outras palavras, dado um sinal de referencia, pertencendo a uma certa classe, deseja-se encontrar um controlador
tal que a sada do processo, ou seja, o sinal a ser controlado, siga o sinal de referencia em regime permanente, mesmo que haja uma flutuacao nos parametros
do processo. O processo pode ter uma perturbacao determinstica, como ja estudado. Tanto o sinal de referencia, como a perturbacao devem ser solucao de uma
mesma equacao homogenea diferencial ou a diferenca (caso discreto). O segredo
da robustez de seguimento esta no controlador que mantem a propriedade de
seguimento em regime permanente, apesar de haver variacoes nos parametros
do processo, desde que seja conservada a estabilidade do sistema realimentado.
Este tipo de controle tambem e chamado na literatura de servomecanismo robusto ou simplesmente, de servomecanismo.

5.1

O sinal de Refer
encia e a Perturbac
ao

Como ja mencionado, o sinal de referencia e a perturbacao deverao ser solucao


de uma mesma equacao homogenea diferencial ou a diferenca. Estudaremos, a
seguir, as mais comuns equacoes homogeneas.

5.1.1

Caso Contnuo

Seja a referencia denotada por r e a perturbacao denotada por W . Estes sinais


sao solucao de
(pn d1 pn1 dn )r(t) =
(pn d1 pn1 dn )W (t) =
103

0
0,

104

Notas de Aula

onde os coeficientes d1 , d2 , ..., dn sao conhecidos. A determinacao dos coeficientes d1 , d2 , ..., dn pode ser feita pelos metodos ja estudados.
A determinacao dos coeficientes d1 , d2 , ..., dn pode ser feita como segue.
Seja W (t) uma senoide definida por
W (t) = Bsen(wt)
seja r(t) um degrau dado por
r(t) = A.
Estes sinais satisfazem
(p2 + w2 )W (t)
pr(t)

=
=

0,
0.

Logo podemos escrever que


p(p2 + w2 )W (t) = 0,
p(p2 + w2 )r(t) = 0.
Entao,
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 referencia denotada por r(k) = r(kT ) e a perturbacao denotada por


W (k) = W (kT ), onde T e o perodo de amostragem. Estes sinais satisfazem
(q n d1 q n1 dn )r(k)
n

(q d1 q

n1

dn )W (k)

0,

onde os coeficientes d1 , d2 , ..., dn sao conhecidos.


A determinacao dos coeficientes d1 , d2 , ..., dn pode ser feita pelos metodos
ja estudados.

Seguimento Robusto

5.2

105

Princpio de Seguidor Robusto

5.2.1

Caso Contnuo

O esquema de um seguidor robusto e dado na Figura 5.1. O controlador e


composto por um estabilizador e um servo-compensador.
W
+

CONTROLADOR

ESTABILIZADOR

u
SERVO

yf
PROCESSO

y
+

Figura 5.1: Seguidor Robusto Contnuo.


Seja o processo contnuo controlavel e observavel, de ordem n,
x f
yf
y

=
=
=

Ff xf + Gf u
Hf xf + Jf u
yf + W,

onde a perturbacao W e a referencia r satisfazem


pn W (t) = d1 pn1 W (t) + + dn W (t),
pn r(t) = d1 pn1 r(t) + + dn r(t),
ou seja, a perturbacao e a referencia satisfazem as equacoes
(pn d1 pn1 dn )W (t) =
n

n1

(p d1 p

dn )r(t) =

0,
0.

Finalmente, supomos que as raises s1 , s2 , , sn de


sn d1 sn1 dn

= 0,

nao sao zeros do processo.


O objetivo do controlador e de encontrar um sinal u tal que a sada do processo y siga o sinal de referencia r em regime permanente. Em outras palavras,
definindo-se um erro de seguimento, , por
= r y,

106

Notas de Aula

deseja-se encontrar um sinal de controle u, tal que


lim (t) = 0.

Princpio do servo-compensador
Da definicao de erro , podemos escrever que

= ry
= r Hf xf Jf uW.

Mas,
(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
n
n1
(p d1 p
dn ) = Hf xp Jf ,
onde,
xp = (pn d1 pn1 dn )xf ,
e
= (pn d1 pn1 dn )u.
A equacao acima define o servo-compensador que calcula o sinal de sada u
e e alimentado por um sinal auxiliar .
O servo-compensador pode ser descrito na forma canonica de controlabilidade, como segue

x u

u =

d1

d2

In1
0

dn
0
..
.

xu +

0
xu ,

ou seja,
x u =
u =

Fu xu + Gu
Hu xu ,

1
0
..
.
0

Seguimento Robusto

107

onde

Fu

d1

Hu

dn
0
..
.

In1

Gu

d2

1
0
...

0 1

Princpio do estabilizador
Da equacao de estado do processo, podemos escrever
x f

pxf
(p d1 p
dn )pxf
p(pn d1 pn1 dn )xf
n

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 .

n1

x p
Assim, a relacao entre e e

n1

(p d1 p

x p = Ff xp + Gf
dn ) = Hf xp Jf .

Mas,
(pn d1 pn1 dn ) = Hf xp Jf
pode ser posta na forma canonica de controlabilidade

=
ou seja,

d1

d2

In1
0

0 1

dn
0
..
.
0
x ,

x +

1
0
..
.
0

(Hf xp Jf )

108

Notas de Aula

x =
=

Fu x + Gu (Hf xp Jf )
Hu x .

Assim, podemos escrever

x p
x

Ff
0
Gu Hf Fu

xp
0 Hu
.
x

xp
Gf
+

x
Gu Jf

Definindo

x=

xp
,
x

podemos escrever que

x =
=

Ff
0
Gf
x+

Gu Hf Fu
Gu Jf

0 Hu x,

e que
x =
=

Fx + G
Hx,

onde

F =
G =
H =

Ff
Gu Hf

Gf
Gu Jf

0 Hu .

0
Fu

Este sistema, que representa a relacao entre e , e controlavel e observavel,


conforme sera provado a seguir. Portanto, podemos determinar o sinal , tal
que
lim (t) = 0.

A determinacao de e feita atraves de um controle modal usando observador de estado, ou seja, atraves de um estabilizador, conforme anteriormente
estudado, tendo em vista que o estado, x, nao e disponvel.

Seguimento Robusto

109

Controlabilidade e Observabilidade da Rela


c
ao entre e
Definindo-se
xe
e

=
=

x
,

a relacao entre e

x p
x

Ff
0
Gu Hf Fu

xp
= 0 Hu
x

xp
Gf
+

x
Gu Jf

pode ser reescrita

x p
x e

e =

0
xp
Gf
+

Fu xe
Gu Jf

xp
Hu
.
xe

Ff
Gu Hf

As equacoes acima correspondem aos dois sistemas em cascata representados


na Figura 5.2.

yp

x p = Ff xp + Gf

x e = Fu xe + Gu yp

yp = Hf xp + Jf

e = Hu xe

Figura 5.2: Relacao entre e e .


A funcao de transferencia entre yp (s) e (s), denotada por
Np (s)
,
Dp (s)
e a mesma da do processo. Da Figura 5.2 tira-se que
e(s) =

1
sn

d1

sn1

dn

yp (s).

110

Notas de Aula
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 e controlavel e observavel, Np (s) e Dp (s) nao tem razes


comuns, pelo Teorema de Kalman. Por hipotese, Np (s) e sn d1 sn1 dn
tambem nao tem razes comuns. Logo, Np (s) e Dp (s)(sn d1 sn1 dn )
nao tem razes comuns. Conclumos, finalmente, pelo Teorema de Kalman, que
a relacao entre e e controlavel e observavel.

5.2.2

Caso Discreto

O esquema de um seguidor robusto e dado na Figura 5.3. O controlador e


composto por um estabilizador e um servo-compensador que sao implementados
em um Computador Digital (CD).
W
+

CD

CAD

ESTABILIZADOR

CDA

SERVO

yf
PROCESSO

Figura 5.3: Seguidor Robusto Discreto.


Seja o sistema discreto controlavel e observavel, de ordem n,
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 perturbacao W (k) e a referencia r(k) satisfazem
q n W (k)
q n r(k)

= d1 q n1 W (k) + + dn W (k),
= d1 q n1 r(k) + + dn r(k),

ou seja, a perturbacao e a referencia satisfazem

y
+

Seguimento Robusto

111

(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,

nao sao zeros do processo.


O objetivo do controlador e de encontrar um sinal u(k) tal que a sada do
processo y(k) siga o sinal de referencia r(k) em regime permanente. Em outras
palavras, definindo-se um erro de sada, (k), por
(k) = r(k) y(k),
deseja-se encontrar um sinal de controle u(k), tal que
lim (k) = 0.

Princpio do servo-compensador
Da definicao de erro (k), podemos escrever que
(k) =
=

r(k) y(k)
r(k) Hf xf (k) Jf u(k)W (k)

Mas,
(q n d1 q n1 dn )(k)

(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)
= 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 equacao acima define o servo-compensador que calcula o sinal de comando
u(k) e e alimentado por um sinal auxiliar (k).

112

Notas de Aula

O servo-compensador pode ser descrito na forma canonica de controlabilidade, como segue

xu (k + 1)

u(k) =

d1

d2

dn
0
..
.

In1
0

0 1

xu (k) +

1
0
..
.

(k)

0
xu (k),

ou seja,
xu (k + 1) =
u(k) =

u xu (k) + u (k)
Hu xu (k),

onde

Hu

d1

d2

dn
0
..
.

In1
1
0
..
.

0
0

Princpio do estabilizador
Da equacao de estado do processo, podemos escrever
xf (k + 1)
qxf (k)
n
n1
(q d1 q
dn )qxf (k)
q(q n d1 q n1 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)

xp (k) = f xp (k) + f (k).


Assim, a relacao entre (k) e (k) e

(q d1 q

n1

xp (k + 1) =
dn )(k) =

f xp (k) + f (k)
Hf xp (k) Jf (k).

Seguimento Robusto

113

Mas
(q n d1 q n1 dn )(k) = Hf xp (k) Jf (k)
pode ser posta na Forma Canonica de Controlabilidade

x (k + 1)

(k) =

d1

d2

In1
0

0 1

dn
0
..
.

x (k) +

1
0
..
.

(Hf xp (k) Jf (k))

0
x (k),

ou seja,
x (k + 1) =
(k) =

u x (k) + u (Hf xp (k) Jf (k))


Hu x (k).

Assim, podemos escrever

f
0
xp (k)
f
=
+
(k)
u Hf u x (k)
u Jf

xp (k)
(k) = 0 Hu
.
x (k)

xp (k + 1)
x (k + 1)

Definindo
x(k) =

xp (k)
,
x (k)

podemos escrever que

x(k + 1)
(k)

f
0
f
x(k) +
(k)
u Hf u
u Jf

= 0 Hu x(k),

e que
x(k + 1)

(k) =
onde

Fx(k) + (k)
Hx(k),

114

Notas de Aula

f
0
=
u Hf u

f
=
u Jf

H = 0 Hu x.

Este sistema, que representa a relacao entre (k) e (k), e controlavel e


observavel, conforme sera mostrado a seguir. Portanto, podemos determinar o
sinal (k), tal que
lim (k) = 0.

A determinacao de (k) e feita atraves de um controle modal usando observador de estado, conforme anteriormente estudado, tendo em vista que o estado,
x(k), nao e disponvel.
Controlabilidade e Observabilidade da Rela
c
ao entre (k) e (k)
Definindo-se
xe (k) = x (k)
e(k) = (k),
a relacao entre (k) e (k)

xp (k + 1)
x (k + 1)

f
0
xp (k)
f
+
(k)
u Hf u x (k)
u Jf

xp (k)
(k) = 0 Hu
x (k)
=

pode ser reescrita

xp (k + 1)
xe (k + 1)

e(k)

=
=

0
xp (k)
f
+
(k)
u xe (k)
u Jf

xp (k)
Hu
.
xe (k)

f
u H f

As equacoes acima correspondem aos dois sistemas em cascata representados


na Figura 5.4.
A funcao de transferencia entre yp (z) e (z), denotada por
Np (z)
,
Dp (z)

Seguimento Robusto

115

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: Relacao entre e(k) e (k).


e a mesma da do processo. Da Figura 5.2 tira-se que
e(z) =
Logo,
e(z) =

1
zn

d1

z n1

dn

yp (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 e controlavel e observavel, Np (z) e Dp (z) nao tem razes


comuns, pelo Teorema de Kalman. Por hipotese, Np (z) e z n d1 z n1 dn
tambem nao tem razes comuns. Logo, Np (z) e Dp (z)(z n d1 z n1 dn )
nao tem razes comuns. Conclumos, entao, pelo Teorema de Kalman, que a
relac
ao entre (k) e (k) e controlavel e observavel.

5.3
5.3.1

Projeto de Seguidor Robusto


Caso Contnuo

Seja o sistema contnuo controlavel e observavel, de ordem n,


x f
y

= Ff x f + G f u
= Hf xf + Jf u + W,

onde a perturbacao W e a referencia r satisfazem


(pn d1 pn1 dn )W (t) =
(pn d1 pn1 dn )r(t) =
Primeiro Passo: determinacao do erro de sada

0,
0.

116

Notas de Aula

= r y.
Segundo Passo: determinacao do servo-compensador
xu

u =

Fu xu + Gu
Hu xu,

onde

Fu

Gu

Hu

d1

d2

In1
1
0
..
.

0
0

dn
0
..
.

Terceiro Passo: determinacao da relacao entre e


A relacao entre e e dada por
x =
=

Fx + G
Hx,

onde

F =
G =
H =

Ff
Gu Hf

Gf
Gu Jf

0 Hu

0
Fu

Quarto Passo: determinacao do estabilizador. Encontrar L e K, e definir o


estabilizador da seguinte forma
b =
x

[F LH GK]b
x + L

Kb
x.

O esquema de controle e dado pela Figura 5.5.

Seguimento Robusto

117

r
+

= [F LH GK]b
b
x
x + L
= Kb
x

u = Fu xu + Gu
x
u = Hu xu

f = Ff x f + G f u
x
yf = Hf xf + Jf u

Figura 5.5: Seguidor Robusto Contnuo.

5.3.2

Caso Discreto

Seja o sistema discreto controlavel e observavel, de ordem n,


xf (k + 1) = f xf (k) + f u(k)
y(k) = Hf xf (k) + Jf u(k) + W (k),
onde a perturbacao W (k) e a referencia r(k) satisfazem

(q n d1 q n1 dn )W (k) =
(q n d1 q n1 dn )r(k) =

0,
0.

Primeiro Passo: determinacao do erro de sada


(k) = r(k) y(k).
Segundo Passo: determinacao do servo-compensador
xu (k + 1) =
u(k) =

u xu (k) + u (k)
Hu xu (k),

onde

Hu

d1

d2

In1
1
0
..
.

0
0

dn
0
..
.

0 1

yf
+

118

Notas de Aula
Terceiro Passo: determinacao da relacao entre (k) e (k)
A relacao entre (k) e (k) e dada por
x(k + 1) =
(k) =

x(k) + (k)
Hx(k),

onde

=
=
H =

f
0
u Hf u

f
u Jf

0 Hu .

Quarto Passo: determinacao do estabilizador. Encontrar L e K, e definir o


estabilizador da seguinte forma
b(k + 1) = [ LH K]b
x
x(k) + L(k)
(k) = Kb
x(k).
O programa de computador e dado pela Figura 5.6.
Este programa roda periodicamente a cada T segundos. T e o perodo de
amostragem.

5.3.3

Exemplo

Seja o processo

x f
y


2, 8 1, 6
1
xf +
u
1
0
0

= 0 1 xf +0.1.
=

Encontrar um controle robusto discreto tal que


r(t) = R
e o perodo de amostragem seja 0, 1.
Os polos do controle modal para o estabilizador deverao ser iguais a 0, 8. Os
polos do observador para o estabilizador deverao ser 0, 2.
Soluc
ao:

Seguimento Robusto

119

b (k) = 0
x
xu (k) = 0

u(k) = Hu xu (k)

CDA
ENVIAR PARA O
PROCESSO : u(k)

CAD
LER

(k)

(k) = Kb
x(k)
b (k + 1) = [F LH GK]b
x
x(k) + L(k)
xu (k + 1) = Fu xu (k) + Gu (k)

b (k) = x
b (k + 1)
x
xu (k) = xu (k + 1)

Figura 5.6: Programa do Seguidor Robusto Discreto.

120

Notas de Aula

Precisamos, antes de tudo, determinar o modelo discreto do processo contnuo


com bloqueador de ordem zero, considerando o perodo de amostragem T = 0, 1.
Podemos escrever que

f
f

=
=

1
1
Ff T + (Ff )2 T 2 +
2!
3!
I + Ff T
T Gf .
I+

Considerando que
Ff =
e

1, 6
0


1
Gf =
,
0

podemos escrever

f =

2, 8
1

0, 74914
0, 08699

0, 13918
0.9927

0, 08699
f =
.
0, 00456

O Processo&Bloqueador na forma discreta e descrito por


xf (k + 1) =
y(k) =
=

f xf (k) + f u(k)
Hf xf (k) + 0, 1

0 1 xf (k) + 0, 1.

Do processo, podemos escrever


W (kT ) = 0, 1.
Como W (kT ) e r(kT ) sao sequencias constantes, satisfazem as equacoes
(q 1)r(kT ) = 0
e
(q 1)W (kT ) = 0.
Vamos agora considerar os quatro passos de projeto.
Primeiro Passo: erro de sada
(k) = r(k) y(k).
Segundo Passo: determinacao do servo-compensador
xu (k + 1) = u xu (k) + u (k)
u(k) = Hu xu (k),

Seguimento Robusto

121

onde
u
u
Hu

= [1]
= [1]
= [1] .

Terceiro Passo: relacao entre (k) e (k)


Podemos agora escrever o sistema a ser observado e controlado
x(k + 1) = x(k) + (k)
(k) = Hx(k),
onde

f
0
u Hf u

f
=
u Jf

= 0 Hu .

Considerando Jf = 0, podemos escrever

0, 74914 0, 13918
0.9927
= 0, 08699
0
1

0, 08699
= 0, 00456
0

= 0 0 1 .

0
0
1

Quarto Passo: determinacao do estabilizador


Calculando-se o controle modal para os polos 0, 8, 0, 8 e 0, 8, tem-se que

K = 3, 3169 11, 696 0, 9184 .


O ganho do observador para polos 0, 2, 0, 2 e 0, 2 e

1, 6405
L = 1, 3531 .
2, 1418
Podemos definir um controlador da seguinte forma

122

Notas de Aula

b(k + 1) = [ LH K]b
x
x(k) + L(k)
(k) = Kb
x(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

Exerccios

1. Achar o servo-compensador contnuo para:


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

= 3x + 2u
= 4x.

a) Determinar o servo-compensador para: r(t) = 2sen(5t) e W (t) = 0.


b) Determinar a relacao entre e ;
c) Determinar o estabilizador de tal forma que o observador tenha polos em
1 e o controle modal tenha polos em 0.1.
4. Seja o sistema discretizado (BOZ&Processo) num perodo de amostragem de
0, 2 segundos.


1 2 1
0
x(k + 1) = 0 2 3 x(k) + 1 u(k)
1 0 4
0

1 0 1 x(k).
y(k) =
a) Determinar o servo-compensador discreto para: W (kT ) = 10sen(2(kT ))
e r(kT ) = 2.
b) Determinar a relacao entre (k) e (k);
c) Determinar o estabilizador de tal forma que o observador tenha polos em
0, 1 e o controle modal tenha polos em 0, 8.

Seguimento Robusto

5.5

123

Respostas dos Exerccios

1.
a)
x u


0 144 0
1
1
0
0 xu + 0
0
0
1
0

0 0 1 xu

u =
b)
x u

1
0 144 0
1
0
0 xu + 0
0
1
0
0

0 0 1 xu

u =
c)
x u

u =

0
1
0

0
0
1
0


0
1
0 xu + 0
0
0

1 xu

2.
a)

1, 725 1, 725
0
xu (k + 1) = 1
0
1

u(k) = 0 0 1 xu (k)


1
1
0 xu (k) + 0 (k)
0
0

b)


3 3 1
1
xu (k + 1) = 1 0 0 xu (k) + 0 (k)
0 1 0
0

u(k) = 0 0 1 xu (k)
3.
a)

x u

u =

0
1


25
1
xu +

0
0

1 xu

124

Notas de Aula
b)


3 0
0
2
4 0 25 x + 0
0 1
0
0

0 0 1 x

x =
=
c)
b
x

0, 3 6, 243 3, 875
2
b + 22
0
3 x
= 4
0
1
0
0

b
= 1, 35 3, 121 0, 937 x

4.
a)
xu (k + 1)

u(k) =

1
2, 842 2, 842 1
1
0
0 xu (k) + 0 (k)
0
0
1
0

0 0 1 xu (k)

b)

1
0

1
x(k + 1) =
1

0
0

(k) = 0 0

2
2
0
0
0
0
0

1
3
4
1
0
0
0

0
0
0
0
0
0
2, 842 2, 842
1
0
0
1

0 1 x(k)


0
0
1
0



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


0
0
0
0

c)

0, 447
0, 137
2, 349 0, 002
3, 991 0, 542 13, 305 0, 012

0, 274
0, 033
2, 053
0, 000
b(k + 1) =
x
1
0
1
2, 842

0
0
0
1
0
0
0
0

(k) = 16, 582 8, 302 58, 481 0, 047

0, 009
48, 412
48, 406
72, 631
0, 046
72, 661

70, 364
0, 001
70, 365
x

(k)
b(k) +

2, 842 114, 720

115, 720
32, 540
0
32, 540
1
7, 287
7, 287

b(k)
0, 187 0, 139 x

Captulo 6

Sntese de Sistemas
Descritos por Equaco
es de
Estado Contnuas
Seja o sistema contnuo
x =
y =

Fx + Gu
Hx + Ju.

Sintetizar o sistema acima consiste em encontrar um circuito que seja regido


matematicamente pelas mesmas equacoes, ou seja, por
x =
y =

Fx + Gu
Hx + Ju.

O uso de amplificadores operacionais permite sintetizar com facilidade sistemas descritos por equacoes de estado contnuas. Assim, observadores, servocompensadores e estabilizadores contnuos poderao ser sintetizados eletronicamente.
Para sistemas lineares, tres circuitos basicos sao necessarios: somador; inversor e integrador.
Somadores somam tensoes ponderadas. Inversores invertem o sinal de uma
tensao. E, integradores integram temporalmente uma soma ponderada de tensoes.

6.1

Amplificador Operacional Ideal

O smbolo de um amplificador operacional e apresentado na Figura 6.1. A


Figura 6.2 mostra o modelo de um Amplificador Operacional.
Amplificadores Operacionais ideais tem resistencia de entrada elevada, ganho
elevado e resistencia de sada muito baixa.
125

126

Notas de Aula
Idealmente consideramos
A'

Ri '

Ro ' 0.

Nestas condicoes ideais, pode-se mostrar que


Ib ' 0 vd ' 0.

Figura 6.1: Smbolo do Amplificador Operacional.


Ib

vd

Ri

Ro

vo

Avd

Figura 6.2: Modelo de Amplificador Operacional.

6.2

Somador

Um somador e obtido realimentando-se um amplificador operacional com um


resistor, conforme Figura 6.3.
Da Figura 6.3, tira-se que
I1 + I2 + I3 + I = Ib ' 0.
Pode-se escrever que
a2 v2
a3 v3
vo
a 1 v1
+
+
+
= 0,
R
R
R
R
o que implica em
v0 = (a1 v1 + a2 v2 + a3 v3 ).
Em computacao analogica o somador e representado conforme a Figura 6.4.

Sntese de Sistemas Descritos por Equacoes de Estado Contnuas

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

a1

v2

a2

v3

a3

vi

vi = a1v1 + a2 v2 + a3 v3

Figura 6.4: Computacao Analogica - Somador.

vi

Ib

Ii

vd

Ri

Ro

Avd

Figura 6.5: Inversor.

vo

127

128

Notas de Aula

6.3

Inversor

Um inversor e um caso particular do somador. Veja Figura 6.5.


Pode-se mostrar que
v0 = vi .
Em computacao analogica o inversor e representado conforme a Figura 6.6.

vi
vi

Figura 6.6: Computacao Analogica - Inversor.

6.4

Integrador

Um somador e obtido realimentando-se um amplificador operacional com um


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,
Z
v0 =

(a1 v1 + a2 v2 + a3 v3 )dt.
0

Em computacao analogica o integrador e representado conforme a Figura


6.8.
Os circuitos aqui apresentados de somador, inversor e integrador, usando
amplificadores operacionais nao sao u
nicos. Em [5] sao apresentados diversos
circuitos alternativos. As configuracoes mais simples de tais circuitos foram aqui
abordadas.

Sntese de Sistemas Descritos por Equacoes de Estado Contnuas

v1

v2

1/a1 C

1/a2 C

I1

Ib

I2

v3

1/a3 C

129

I3
Ri

vd

vo
Ro

Avd

Figura 6.7: Integrador.

x
v1

a1

v2

a2

v3

a3

x = a1 v1 + a2 v2 + a3 v3

Figura 6.8: Computacao Analogica - Integrador.

130

Notas de Aula

A Figura 6.9 faz um resumo dos tres elementos de computacao analogica


necessarios para sntese de sistemas lineares. Na primeira coluna sao apresentados os elementos de computacao analogica, e na segunda os correspondentes
circuitos eletronicos.
R/a1
vi
v1

vi

vi

a1

R/a2
v2

v2

a2

v3

a3

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 Computacao Analogica X Circuitos Eletronicos.

6.5

Exemplo

Seja o sistema abaixo:

Sntese de Sistemas Descritos por Equacoes de Estado Contnuas

x =
y

2
0

131


1
2
x+
u
3
1

4 x.

Realizar o programa de computacao analogica e sintetizar o circuito correspondente.


Podemos escrever que
x 1
x 2
y

= 2x1 + x2 + 2u
= 3x2 + u
= 3x1 + 4x2 .

Para realizar o programa de computacao analogica, devemos programar cada


estado e a sada. Comeca-se programando os integradores. Cada integrador
corresponde a um estado. Desta forma programa-se os estados. A equacao de
sada e obtida com um somador.
O programa de computacao analogica esta apresentado na Figura 6.10 e o
correspondente circuito esta apresentado na Figura 6.11. A Figura 6.10 e auto
explicativa. A Figura 6.11 foi obtida usando-se os circuitos correspondentes dos
elementos de computacao analogica apresentados na Figura 6.9.

x 1

x1

x2
1

x 2

x2

Figura 6.10: Diagrama de Computacao Analogica.

132

Notas de Aula

1/2C

R
R

x 1
C

x2

1/C

x1

+
+

1/2C

R/3

R/4
1/C

1/3C

x 2

x2

Figura 6.11: Realizacao com Amplificadores Operacionais.

6.6

Exerccios

1. Considere o sistema da Figura 6.12.


a) Faca o programa de computacao analogica;
b) Apresente o circuito correspondente.

x = 2x + 3
y = 5x

Figura 6.12: Exerccio 1.


2. Faca o programa de computacao analogica do sistema abaixo:
3
.
s3 + 2s + 1

Sntese de Sistemas Descritos por Equacoes de Estado Contnuas

6.7

133

Respostas dos Exerccios

1.

3
5

1
2

Figura 6.13: Resposta do Exerccio 1 a).

R
R

1/3C

x
R

R/5

1/2C

Figura 6.14: Resposta do Exerccio 1 b).

134

Notas de Aula

2.

x 1

x1

x 2

x2

1
1
2

x 3

x3

Refer
encias Bibliogr
aficas
[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 - Colec
ao Schaum ,
Bookman Companhia Editora, 2004.
[5] Pertence Junior, A. Amplificadores Operacionais e Filtros Ativos, McGrawHill, 1988.

135

Das könnte Ihnen auch gefallen