UNIVERSIDADE FEDERAL DE OURO PRETO UFOP

ESCOLA DE MINAS EM

CAT156 Controle Estocstico e timo

Prof. Ronilson Rocha

PROVA DE CONTROLE ESTOCSTICO E TIMO

Pedro Henrique Sousa Prado

Engenharia de Controle e Automao

Ouro Preto Minas Gerais Brasil
10/06/2011
Questo 1: Definir:
a) Probabilidade
b) Varivel aleatria
c) Valor esperado
d) Varincia
e) Processo de Markov

Resoluo:
A) A palavra probabilidade deriva do Latim probare (provar ou testar).
Informalmente, provvel uma das muitas palavras utilizadas para eventos incertos ou
conhecidos, sendo tambm substituda por algumas palavras como sorte, risco,
azar, incerteza, duvidoso, dependendo do contexto. Tal como acontece com a
teoria da mecnica, que atribui definies precisas a termos de uso dirio, como
trabalho e fora, tambm a teoria das probabilidades tenta quantificar a noo de
provvel.

Em essncia, existe um conjunto de regras matemticas para manipular a probabilidade.

A idia geral da probabilidade freqentemente dividida em dois conceitos
relacionados:

Probabilidade de freqncia ou probabilidade aleatria, que representa uma srie de

eventos futuros cuja ocorrncia definida por alguns fenmenos fsicos aleatrios. Este
conceito pode ser dividido em fenmenos fsicos que so previsveis atravs de
informao suficiente e fenmenos que so essencialmente imprevisveis. Um exemplo
para o primeiro tipo uma roleta, e um exemplo para o segundo tipo um decaimento
radioativo.

Probabilidade epistemolgica ou probabilidade Bayesiana, que representa nossas

incertezas sobre proposies quando no se tem conhecimento completo das
circunstncias causativas. Tais proposies podem ser sobre eventos passados ou
futuros, mas no precisam ser. Alguns exemplos de probabilidade epistemolgica so
designar uma probabilidade proposio de que uma lei da Fsica proposta seja
verdadeira, e determinar o quo "provvel" que um suspeito cometeu um crime,
baseado nas provas apresentadas.
A teoria de controle moderno utiliza tcnicas de probabilidade visando desenvolver
habilidades de descrio de incertezas de processos em termos de modelos
probabilsticos.

B) Varivel aleatria uma funo que associa a todo evento pertencente a uma
partio do espao amostral um nico nmero real. Uma varivel aleatria pode ser
ainda uma funo (transformao) dessa varivel aleatria original, ou seja, uma funo
da funo, uma funo composta. Intuitivamente, uma varivel aleatria pode ser vista
como uma medio de algum parmetro que pode gerar um valor diferente a cada
medida. Existem dois tipos de variveis aleatrias, as variveis aleatrias continuas e as
variveis aleatrias discretas. Nas Discretas o nmero de valores assumidos pela
varivel finito ou infinito, formados apenas por nmeros inteiros. J as variveis
Continuas o nmero de valores assumidos pela varivel formado pelo nmeros de
pontos de um segmento de reta.

C) Valor esperado (ou esperana, ou expectncia) de uma varivel aleatria a

soma das probabilidades de cada possibilidade de sada da experincia multiplicada pelo
seu valor. Isto , representa o valor mdio "esperado" de uma experincia se ela for
repetida muitas vezes. Note-se que o valor em si pode no ser esperado no sentido geral;
pode ser improvvel ou impossvel. Se todos os eventos tiverem igual probabilidade o
valor esperado a mdia aritmtica.

D) A varincia de uma varivel aleatria uma medida da sua disperso estatstica,

indicando quo longe em geral os seus valores se encontram do valor esperado. A
varincia de uma varivel aleatria real o seu segundo momento central e tambm o
seu segundo cumulante (os cumulantes s diferem dos momentos centrais a partir do 4
grau, inclusive). O conceito de varincia pode ser usada quer para variveis aleatrias
discretas, quer para contnuas.

E) Processo de Markov um caso particular de processo estocstico com estados

discretos (o parmetro, em geral o tempo, pode ser discreto ou contnuo) e apresenta a
propriedade Markoviana, chamada assim em homenagem ao matemtico Andrei
Andreyevich Markov. A definio desta propriedade, tambm chamada de memria
markoviana, que os estados anteriores so irrelevantes para a predio dos estados
seguintes, desde que o estado atual seja conhecido.
Modelo do Motor de corrente continua discreto com rudos
O motor de corrente contnua composto de duas estruturas magnticas:

-Estator (enrolamento de campo ou m permanente);

-Rotor (enrolamento de armadura).

O estator composto de uma estrutura ferromagntica com plos salientes aos quais so
enroladas as bobinas que formam o campo, ou de um m permanente. A figura 3.1
mostra o desenho de um motor CC de 2 plos com enrolamento de campo.

Figura 3.1- Esquema de um motor de corrente continua.

O rotor um eletrom constitudo de um ncleo de ferro com enrolamentos em sua
superfcie que so alimentados por um sistema mecnico de comutao . Esse sistema
formado por um comutador, solidrio ao eixo do rotor, que possui uma superfcie
cilndrica com diversas lminas s quais so conectados os enrolamentos do rotor; e por
escovas fixas, que exercem presso sobre o comutador e que so ligadas aos terminais
de alimentao. O propsito do comutador o de inverter a corrente na fase de rotao
apropriada de forma a que o conjugado desenvolvido seja sempre na mesma direo.

Os enrolamentos do rotor compreendem bobinas de n espiras. Os dois lados de cada

enrolamento so inseridos em sulcos com espaamento igual ao da distncia entre dois
plos do estator, de modo que quando os condutores de um lado esto sob o plo norte,
os condutores do outro devem estar sob o plo sul. As bobinas so conectadas em srie
atravs das lminas do comutador, com o fim da ltima conectado ao incio da primeira,
de modo que o enrolamento no tenha um ponto especfico.

No estudo em questo utilizaremos um motor de corrente continua com excitao

independente. Apresenta-se na figura a seguir o circuito equivalente desse tipo de
maquina.

Figura 3.2- Circuito equivalente Motor CC com excitao independente.

Diante do circuito equivalente pode-se chegar as seguintes equaes que representam a
dinmica do sistema:

dia (3.1)
Va Ra ia La e
dt

di f
Vf Rf if Lf (3.2)
dt

d
J B TL Te (3.3)
dt

e K
(3.4)

Te Kia
(3.5)

Fazendo as seguintes consideraes:

Resistncias constantes, independentes da temperatura;

Perdas magnticas e saturao desprezada;

Efeito de reao de armadura no modelado;

Desacoplamento perfeito entre os circuitos de campo e armadura;

Comutao escova-comutador ideal.

Chegamos as seguintes equaes diferenciais que modelam o problema, considerando

que o campo fixo, temos:

 (3.6)

O motor de corrente continua pode ser descrito na forma de Espao de Estados

A partir do modelo do motor incorpora-se no modelo de espao estado o ganhos de

tenso do conversor CC-CC (Gv =32) e o ganho do sensor de corrente (Gs=0.33). Alm

iremos considerar na simulao que o motor opera a vazio, ou seja, a componente TL

nula. A seguir, apresenta-se o novo modelo em espao estado para o problema.

Pelo conversor cc e o sensor, temos:

Va 32Vc
(3.7)
IaM 0.33Ia
Onde Va a tenso aplicada na armadura e Vc a tenso aplicada no conversor. Ia a

corrente de armadura e Iam a corrente medida pelo sensor.

iaM
Y [0.33 0]

Diante do modelo em espao estado, iremos simular o modelo com os rudos de

processo e medio.
 Figura 3.3- Matrizes A,B,C,D do modelo em espao de estados continuo.

Figura 3.4 - Matrizes A,B,C,D do modelo em espao de estados discreto(Ta=0.15ms).

Com as matrizes A,B,C,D do sistema em espao de estado discreto e a mdia e a

varincia dos rudos de processo e de medio, possvel simular o sistema no

Matlab/Simulink. A seguir apresenta-se o esquema do motor cc discreto em modelo de

espao estado com rudos no Matlab/Simulink. Apresenta-se tambm a resposta a um

degrau de tenso neste sistema.

Figura 3.5- Bloco do Motor cc discreto com rudos

Figura 3.6- Bloco do Motor exemplificado

 Figura 3.7- Simulao do motor cc discreto com rudos e do motor cc continuo.

Projeto do regulador LQG discreto em regime permanente

para o controle sensorless de velocidade do Motor cc.
Os controladores LQG (Regulador Linear Quadrtico Gaussiano) so a juno dos
reguladores LQR(Regulador Linear Quadrtico) aplicados com um estimador de estados
(Kalman). Utiliza-se essa juno em sistemas no qual os estados no so completamente
observveis ou possuem estados e medidas corrompidas por rudos.

O projeto do regulador LQG consiste- se em dois subprojetos independentes: o Projeto

do Observador de estados (Kalman), que ir nos fornecer todos estados do modelo; e o
Projeto do LQR em um modelo de erro.

O modelo do sistema tem de ser modificado para o projeto do LQR, visto que esse tipo
de regulador tende a minimizar os estados. Caso, de maneira errnea, utilizemos o
modelo no qual a corrente de armadura e a velocidade so os estados, esse regulador ir
minimiz-los, gerando assim um grave erro no controle de velocidade do motor CC.

Sub-Projeto do LQR:

Um sistema genrico discreto em variveis de espao estado pode ser descrito pela seguinte
equao:

(3.8)
Onde x(k) o vetor de estados, y(k) a sada, u(k) a entrada de controle e Ad,Bd e Cd so
matrizes do sistema de espao de estados. Seguindo a teoria clssica de controle, um sinal de
erro e(k), definido a seguir, pode ser definido como a diferena entre o valor de referencia r(k)
e o sinal de sada do sistema y(k).

(3.9)

Alm disso, pode-se definir o incremento da entrada de controle e o incremento dos

estados como:

(3.10)

Para o projeto do LQR com modelo de erro, vamos supor que o sistema controlvel e
observvel, logo temos:

(3.11)

O erro no instante de tempo K+1(th) definido por (zz):

(3.12)
Subtraindo eq.(3.9) de eq.(3.12) temos:

(3.13)

Substituindo eq.(3.11) em eq.(3.13) pode-se deduzir que:

(3.14)

Onde:

(3.15)
Supondo que os valores de referncia futuros no podem ser utilizados, temos:
Com isso, o modelo do motor de corrente continua de erro pode ser obtido como:

(3.16)

Esse modelo ser utilizado para o clculo do ganho do LQR (Regulador Linear
Quadrtico), pois minimizando os estados, minimiza-se o erro do sistema. O sinal de
que minimiza a funo custo do sistema acima definido por:

(3.17)

Onde P, apresentada abaixo, uma matriz semi-definida positiva e soluo da equao de

Riccati.

(3.18)

Supondo valores iniciais igual a zero o sinal de controle definido por:

(3.19)

Onde:

(3.20)
Baseado no observador completo de estado (Kalman) o controle discreto timo realizado
pelo LQG pode ser descrito pela seguinte equao:

(3.21)
Onde V(k) a tenso aplicada no conversor, e(k) o erro de velocidade e x(m) o vetor
de estado estimado. Realizando os clculos no Matlab, temos:
 Figura 3.8- Algoritmo para calculo do ganho do LQR.

Sub-Projeto do Filtro de Kalman:

Agora temos de dimensionar o ganho estacionrio do filtro de kalman. Para isso, utiliza-
se os comandos do Matlab. A figura a seguir apresenta o algoritmo para encontrar o
ganho estacionrio do filtro (L).
 Figura 3.9- Algoritmo para calculo do ganho estacionrio do filtro de Kalman.

Com o ganho L possvel desenvolver o observador no Matlab/Simulink. As figuras a

seguir apresentam o bloco Filtro de Kalman.

Figura 3.10- Bloco Filtro de Kalman.

 Figura 3.11- Bloco expandido.
Com isso o projeto do LQG discreto est completo (Letra A). Veja que esse projeto
engloba os rudos gaussianos do processo ( Rudo em Ia, W) e os rudos gaussianos do
sensor.

Apresenta-se na figura a seguir o diagrama de blocos do sistema de controle sensorless

proposto (Letra B).

Figura 3.12- Diagrama de blocos do sistema de controle sensorless do motor cc

 Figura 13- Montagem do sistema no Matlab/Simulink

Aps o desenvolvimento do sistema no Matlab/Simulink, vamos simular o controle

LQG sensorless operando a vazio com a referncia a 500 rad/s e os rudos. (Letra C).
Apresenta-se a seguir os grficos de tenso de armadura, corrente de armadura e
velocidade do eixo.

Figura 3.14- Tenso na armadura

 Figura 3.15- Tenso na armadura

Figura 3.16- Controle de Velocidade do eixo 500 rad/s

Veja na figura 3.16 que o controle LQG sensorless no motor de corrente continua
apresenta boa resposta. Nos grficos 3.16 3.18, a velocidade do eixo real do motor
usada somente para comparao do sistema, ou seja, como temos um sistema sensorless,
essa varivel no existe. Afim de se testar a robustez do sistema iremos adicionar um
sinal senoidal com uma alta freqncia(100 rad/seg) na referncia e ver o
comportamento da velocidade no eixo.
 Figura 3.17- Velocidade do eixo com sinal senoidal na referncia (100rad/s)

Veja que o controlador tende a acompanhar a referncia. O problema que a referncia

varia bruscamente( alta freqncia 100 rad/s). Veja na figura abaixo que se variarmos o
sinal de referncia com uma menor freqncia (ex: Sinal senoidal de 8 rad/s) temos uma
melhor resposta do sistema de controle LQG.

Figura 3.18- Velocidade do eixo com sinal senoidal na referncia (8rad/s)