Modelagem e Controle de Sistemas

Automatizados

Semana 1

Apresentação do Curso
Introdução

Adriano Muricy Guimarães

 ASSUNTOS
Semana 1 (26/07)
– Apresentação do curso;
– Conceitos fundamentais de sistemas:
– Sistemas dinâmicos;
– Sistemas a tempo contínuo, a tempo discreto e a eventos
discretos;
– Classificação de sistemas.

Semana 2 (02/08)
– Sistemas a eventos discretos (SEDs):
– Conceituação;
– Classificação;
– Propriedades;
– Exemplos.
 ASSUNTOS
Semana 3 (09/08)
– Autômatos finitos:
– Conceituação;
– Classificação;
– Autômatos finitos determinísticos;
– Composição de autômatos;
– Exemplos.

Semana 4 (16/08)
– Exercícios sobre autômatos.

Semana 5 (23/08)
– Redes de Petri:
– Modelagem de SEDs.
 ASSUNTOS
Semana 6 (30/08)
– Redes de Petri:
– Classes;
– Propriedades;
– Análise;
– Implementação.

Semana 7 (06/09)
– Redes de Petri:
– Exercícios;
– Prática com o software HPSim.

Semana 8 (13/09)
– Prática com o software HPSim sobre RPs.
 ASSUNTOS
Semana 9 (20/09)
– Redes de Petri Temporizadas:
– Definição e aplicabilidade;
– Prática com o HPSim.

Semana 10 (27/09)
– Prática com o HPSim sobre Redes de Petri Temporizadas.

Semana 11 (04/10)
– 1ª avaliação.

Semana 12 (11/10)
– Redes de Petri com arcos habilitadores e inibidores:
– Conceitos e aplicabilidade;
– Prática com o HPSim.
 ASSUNTOS
Semana 13 (18/10)
– Modelagem de SEDs através de SFCs (Sequential Function Charts);
– Componentes;
– Construção;
– Exemplos.

Semana 14 (25/10)
– Exemplos com SFCs;
– O CLP (controlador lógico programável):
– Histórico e arquitetura;
– Linguagens de programação: o diagrama Ladder.

Semana 15 (01/11)
– Conversão de SFCs em Ladder;
– Exemplos.
 ASSUNTOS
Semana 16 (08/11)
– Prática com o software RS Logix e o CLP MicroLogix

Semana 17 (15/11)
– Prática com o software RS Logix e o CLP MicroLogix

Semana 18 (22/11)
– Sistemas supervisórios:
– Introdução;
– Características;
– O software Elipse Scada.

Semana 19 (29/11)
– Apresentação dos trabalhos.
 ASSUNTOS
Semana 20 (06/12)
– Revisão.

Semana 21 (13/12)
– 2ª avaliação
 OUTROS ASPECTOS DO PLANO
Estratégia
– Aulas teóricas expositivas e participadas;
– Aulas práticas:
– HPSim;
– CLPs.

Avaliações
– 2 provas teóricas;
– Um trabalho em equipe.
 BIBLIOGRAFIA
Engenharia de Automação Industrial
MORAES, C.C.; CASTRUCCI, P.L. São Paulo, LTC. 2007

Petri Net Theory and the Modeling of Systems

PETERSON, J.L., Prentice Hall. 1981

Redes de Petri: Conceitos e Aplicações

MARRANGHELLO, N. São Paulo, UNESP. 2005
 SINAIS E SISTEMAS
Sinais
– Correspondem a uma descrição de como um dado parâmetro varia em
função de um outro parâmetro (tempo, freqüência ou distância, por
exemplo);
– É um conceito que diz respeito a sistemas contínuos ou discretos.

Sistema
– Combinação de componentes que atuam conjuntamente e realizam
um certo objetivo; o conceito não é limitado a algo físico, podendo ser
aplicado a fenômenos abstratos, como econômicos, sociológicos, etc;
– Em sistemas contínuos ou discretos, produz um(alguns) sinal(is) de
saída, em resposta a um(alguns) sinal(is) de entrada;
 SISTEMAS DINÂMICOS
Definição
– Sistemas estáticos:
– Em um sistema estático, os valores das saídas dependem apenas
dos valores atuais das entradas: são sistemas sem memória, sem
transiente;
– Sistemas dinâmicos:
– Em um sistema dinâmico as saídas dependem também de valores
passados das entradas (ocorre pelo armazenamento de energia):
são sistemas com memória, possuem transiente;
– Por exemplo, um sistema dinâmico contínuo no tempo pode ser
representado matematicamente por:
x(t) = f(x(t0), u(t), t0) t ≥ t0
onde:
t0 é o instante inicial (normalmente, t0 = 0, para LIT);
x é o estado (variáveis mais importantes do problema);
u é a entrada (variável à qual temos acesso).
 SISTEMAS DINÂMICOS
Representação
– Pode ser representado por um conjunto de equações que especificam
o modo como as variáveis se alteram ao longo do tempo;
– No caso de o sistema ser discreto, o processo de cálculo do novo
estado chama-se iteração:
x[k+1] = f(x[k], u[k], k) k = 0, 1, 2, ...
onde:
k é o instante da amostragem;
x é o estado (variáveis mais importantes do problema);
u é a entrada (variável à qual temos acesso).
– Embora originalmente o termo refira-se a sistemas acionados no
tempo (contínuo ou discreto), modernamente adquiriu um outro
significado, passando a designar também sistemas determinados por
chaveamento, temporização, sequências lógicas, de causa-e-efeito e
determinados por eventos. São os sistemas a eventos discretos
(SEDs).
 SISTEMAS DINÂMICOS
Exemplos
1) Motor elétrico de corrente contínua (contínuo no tempo)

2) Robô (SED)
 TIPOS DE SISTEMAS
Contínuos no tempo
– Descritos por variáveis contínuas no tempo. Também chamados
analógicos;

Discretos no tempo
– São sistemas contínuos, porém amostrados (suas entradas e saídas são
observadas apenas em instantes de tempo definidos); para uma boa
representação, a freqüência de amostragem deve ser grande o
suficiente (teorema de Nyquist). Também chamados digitais.

Período de amostragem 0,1 s Período de amostragem 0,3 s

Freqüência de amostragem 10 Hz Freqüência de amostragem 3,33 Hz
 TIPOS DE SISTEMAS
A Eventos Discretos
– Sistemas em que os estados são descritos por variáveis discretas e
em que as mudanças de estados ocorrem por eventos de duração
teoricamente infinitesimal;
Estados
s4

s3

s2

s1

s0
e1 e2 e3 e4 e4 Eventos

Híbridos
– Misturam características de SEDs e sistemas contínuos (ou discretos).
x(t) Estado: x
Entradas:
u

dx/dt = f(x, u, t)

Trajetória

Tempo
 TIPOS DE SISTEMAS
Lineares ou Não-lineares
– Sistemas em que a resposta à soma de dois sinais de entrada é igual à
soma das respostas aos dois sinais isoladamente, isto é, vale a
característica de superposição de entradas e saídas;
– Exemplos: determine se os seguintes sistemas são lineares:
y(t) = x(2t)
y(t) = x1(t) + x2(t)
y[k] = x2[k]
y(t) = sen(x(t))

Determinísticos ou Estocásticos
– Sistemas estocásticos são determinados pela presença de alguma
variável ou parâmetro cuja definição se faz por meios estatísticos;
– Exemplos: sistema cujo sinal de entrada é de origem atmosférica;
sistema em que desejamos determinar índices de confiabilidade.
 MODELAGEM E SIMULAÇÃO
Modelagem
– Determinação de um conjunto de equações matemáticas que
descrevem a reação ou o estado de um sistema a estímulos externos
ou determinadas condições;
– O modelo é uma abstração da realidade. As ferramentas utilizadas e a
complexidade dependem dos objetivos da modelagem;
– Se o sistema é contínuo ou discreto, suas entradas e saídas são
descritas por sinais;
– O modelo representa o comportamento de um SED (cujo estado se mo-
difica no tempo): quais os possíveis estados? qual a relação entre eles?
– Por que modelar:
– permite analisar o sistema, detectar possíveis falhas e antever a
resposta a diversos tipos de entradas, inclusive as indesejadas;
– é uma ferramenta de comunicação e documentação;
– é um meio de se lidar com sistemas complexos;
– é uma forma de entender melhor o sistema em desenvolvimento.
 MODELAGEM E SIMULAÇÃO
Simulação
– Determinação da resposta de um sistema a uma determinada
entrada, através da “imitação” de uma operação ou de um processo
do mundo real (até certo ponto);
– Obrigatório para validação de modelos (verificação da correção do
modelo);
– Para isso, todos os aspectos relevantes para os objetivos da simulação
devem ser incluídos no modelo; então compara-se o resultado da
simulação com algum resultado conhecido ou medido;
– Para que simular?
– Para estudar sistemas em fase de concepção, antes que sejam
implementados;
– Para prever o impacto de mudanças no desempenho de um
sistema.
 MODELAGEM E SIMULAÇÃO
Principais Etapas da Simulação

Definição dos Objetivos

da Simulação

Concepção do modelo Coleta de dados

Execução da simulação

Análise dos resultados

Nova execução?
SIM
NÃO
 MODELAGEM E SIMULAÇÃO
Simulação X Análise Formal
– Vantagens e desvantagens da simulação:
– Solução preferida dos engenheiros;
– Mais simples de se realizar;
– Precisa de menos esforço computacional;
– Mostra uma das possíveis evoluções do sistema;
– Não garante o funcionamento em 100% dos casos.
– Vantagens e desvantagens da análise formal:
– Solução preferida dos matemáticos;
– Considera todos os possíveis comportamentos do sistema;
– Garante o funcionamento em 100% dos casos;
– Nem sempre tem solução;
– Requer muito esforço computacional (às vezes inviável).
 SISTEMAS CONTÍNUOS
Características
– Descritos por variáveis contínuas no tempo e em amplitude, e são
governados pelas leis da Física;
– Modelados por equações diferenciais, transformadas de Laplace;
– Normalmente os sinais podem ser descritos em função da variável t
(tempo);
– Exemplo: y(t) = f(x(t));
– t é uma variável independente contínua (conjunto dos reais);
– Possui uma saída contínua como resposta a uma entrada contínua.

Sistema
x(t) Contínuo y(t)
 SISTEMAS DISCRETOS
Generalidades
– Sistemas discretos no tempo são sistemas dinâmicos em que as
variáveis podem mudar apenas em instantes discretos de tempo;
– Também chamados de sistemas a dados amostrados;
– Modelados por equações de diferenças, transformadas Z.
– Normalmente os sinais podem ser descritos em função da variável k
(ou kT), o instante da amostragem, uma vez que o tipo de
amostragem convencional é periódica;
– Exemplo: y[k] = f(x[k]);
– k é uma variável independente discreta (conjunto dos inteiros);
– Possui uma saída discreta como resposta a uma entrada discreta.

Sistema
x[k] Discreto y[k]
 SISTEMAS DISCRETOS
Aplicação
– Multiplexagem em tempo de controlador que envia ou recebe sinais
de vários pontos do processo;
– Computador que envia ou recebe dados;
– Sensores digitais (transdutores digitais); DSPs;
– Enfim, qualquer sistema em que haja envolvimento de elementos
digitais; em uma ou mais partes destes sistemas, os sinais têm a
forma de trem de pulsos (PAM, PWM) ou códigos numéricos
(computadores ou transdutores digitais);
– Como a natureza é normalmente “analógica”, há sempre a
necessidade de conversores digital-analógico (CDA ou CAD).
 SISTEMAS DISCRETOS
Vantagens
– Componentes digitais são menos suscetíveis ao envelhecimento e a
variações ambientais;
– Eles são menos sensíveis a ruídos e distúrbios;
– Processadores digitais são mais compactos e leves; simples CIs de
microprocessadores (MPs) e DSPs são muito versáteis e poderosos
para aplicações de controle;
– Os custos de MPs e DSPs estão caindo continuamente;
– MPs e DSPs possibilitam flexibilidade para programação: para mudar
um projeto, não é necessária alteração de hardware;
– São mais confiáveis;
– Provêem aumento de sensibilidade, através da introdução de ganho.
 SISTEMAS DISCRETOS
Desvantagens
– Limitações na velocidade de processamento e na resolução, devido ao
comprimento de palavra finito do processador digital; ao contrário,
sistemas analógicos operam em tempo real, e sua resolução é
teoricamente infinita;
– A palavra, de comprimento finito, do processador digital pode se
transformar em instabilidade;
– A limitação na velocidade de processamento causa atrasos de tempo
na malha de controle, as quais podem causar instabilidade;
– O tempo de amostragem deve ser bem selecionado:
– T muito pequeno pode gerar instabilidade, além de encarecer o
sistema;
– T muito grande também pode gerar instabilidade, além de não
proporcionar a recuperação do sinal original.
 SISTEMAS DISCRETOS
Elementos de Circuito e Formas de Sinal
– Tipos de amostradores: – Dispositivos seguradores:
– Periódicos (mais comuns); – Tipo de filtro;
– Taxa múltipla cíclica; – Pode ser de diversas ordens;
– Aleatórios; – A ordem mais comum é 0
(entre uma amostragem e
– PWM.
outra, o sinal é constante);

x(t) x*(t) dispositivo xh(t)

segurador
amostrador

x(t) x*(t) xh(t)

0 T 2T 3T 4T 5T 6T 7T 8T 9T 10T 11T 0 T 2T 3T 4T 5T 6T 7T 8T 9T 10T 11T

t t t
 SISTEMAS DISCRETOS
Elementos de Circuito e Formas de Sinal
– Quantização: o sistema, que já é discreto no tempo, torna-se discreto
também em amplitude:
– Uso necessário quando o sistema é a código numérico;
– A sua resolução depende do tamanho da palavra do processador;
– Quantização é feita após o sinal ser amostrado;
– Após quantizado, o sinal entra no CAD propriamente dito; no
caminho inverso, o sinal em código entra no CDA e obtém-se na
saída um sinal analógico.

q*(t) qh(t)

0 T 2T 3T 4T 5T 6T 7T 8T 9T 10T 11T 0 T 2T 3T 4T 5T 6T 7T 8T 9T 10T 11T

t t
 SISTEMAS A EVENTOS DISCRETOS
Conceito
– Sistemas em que os estados podem ser descritos por variáveis
discretas e em que as mudanças de estados ocorrem por eventos de
duração teoricamente infinitesimal;
– Estado futuro depende apenas do estado atual e do evento ocorrido;
– São sistemas não lineares; podem ser determinísticos ou estocásticos;
– Modelado por:
– Autômatos finitos, álgebra de Boole (sistemas lógicos);
– Redes de Petri, SFCs (Sequential Function Charts), diagramas
Ladder (sistemas sequenciais, onde, além das operações lógicas,
ocorrem operações de temporização).

Máquina 1

Buffer de
entrada Robô Máquina 2
 SISTEMAS A EVENTOS DISCRETOS
Modelagem
Redes de Petri.

Lugares: representam estados

Transições: representam eventos

Arcos orientados: conectam lugares

e transições
Marcas: indicam qual o estado
atual do sistema a) ANTES do disparo

b) APÓS o disparo
 SISTEMAS HÍBRIDOS
Conceito
– Na prática, a maioria dos processos são híbridos:
– Evolução parcialmente em função do tempo e parcialmente em
função de eventos discretos.
– Ocorrência de eventos discretos ‘disparada’ pelo valor de variáveis
contínuas (ou discretas).
– Dinâmica contínua modificada em função da ocorrência de eventos
discretos – provocando descontinuidades nas variáveis contínuas.
– Exemplos:
– Processos contínuos com controle discreto: ar condicionado do tipo
on/off (eventos: ligar, desligar; variável contínua: temperatura;
– Processos não-lineares com chaveamento de controlador linear;
– Sistemas de bateladas: indústria química, alimentícia; ciclo de
produção em etapas (algumas etapas são processos contínuos);
– Processos contínuos com intertravamentos – normalmente ligados
a segurança – ou em cujo início ocorrem sequências de eventos.