UNIVERSIDADE FEDERAL DE JUIZ DE FORA

FACULDADE DE ENGENHARIA
ENGENHARIA ELÉTRICA

CONTROLE DIGITAL – 3° TVC

RELATÓRIO

ALEXANDRE LISBOA
CARLOS AUGUSTO FLORENCIO FREGULIA
LUCAS NUNES DUTRA

JUIZ DE FORA
Dezembro, 2019
 CONTROLE DIGITAL – 3° TVC

3° TVC de Controle Digital

apresentado ao Curso de
Engenharia Elétrica da Universidade
Federal de Juiz de Fora, como
requisito parcial para obtenção do
título de Bacharel em Engenharia
Elétrica

Professor: Pedro Machado

JUIZ DE FORA
Dezembro, 2019

2
Sumário
Introdução.............................................................................................................................................4
Modelagem do primeiro circuito ..........................................................................................................4
Projeto do controlador baseado nos polos dominantes de segunda ordem .......................................6
Projeto do controlador baseado no critério ITAE .................................................................................8
Projeto do controlador baseado nos polinômios de Bessel .................................................................9
Projeto do controlador baseado na resposta Deadbeat ....................................................................10
Análise da resposta no tempo e na frequência dos resultados anteriores ........................................11
Modelagem do segundo circuito ........................................................................................................15
Projeto do controlador .......................................................................................................................16
Simulação ............................................................................................................................................18

3
Introdução
O trabalho apresentado a seguir é responsável pela última avaliação para compor a nota da disciplina
ENE112 – Controle Digital. Primeiramente é apresentado o circuito a seguir:

Figura 1 - Sistema de conversão de energia

Com o dado circuito, devemos modelar sua dinâmica e projetar um controlador digital, baseado na
realimentação completa de estados, com a intenção de garantir erro em estado estacionário nulo ao
manter a tensão de saída sob a resistência R em um valor constante de 127 V para alimentar uma
carga linear. Tudo isso baseado nos seguintes itens:
(a) polos dominantes de segunda ordem;
(b) critério ITAE;
(c) polinômios de Bessel;
(d) resposta Deadbeat.
Tudo isso com a resposta no tempo e na frequência em mente. Já na parte final, a carga deixa de ser
linear e começa a ser modelada por uma fonte de corrente como apresentado a seguir:

Figura 2 - Sistema de conversão de energia

Aonde novamente, como o circuito dado acima, vamos projetar um controlador digital baseado na
realimentação completa de estados que garanta erro em estado estacionário nulo.

Modelagem do primeiro circuito

Então, com o circuito da Figura 1 - Sistema de conversão de energia, vamos começar a modelar a
dinâmica do sistema. Inicialmente sabemos:
𝑑𝑣𝐶
𝑖𝐶 = 𝐶
𝑑𝑡
1
𝑣𝐶 = ∫ 𝑖 𝑑𝑡
𝐶 𝐶
e,

4
 𝑑𝑖𝐿
𝑣𝐿 = 𝐿
𝑑𝑡
1
𝑖𝐿 = ∫ 𝑣𝐿 𝑑𝑡
𝐿
Utilizando a segunda lei de Kirchhoff (lei das malhas) e a primeira lei de Kirchhoff (lei dos nós), temos:
𝑢 = 𝑣𝑅𝐿 + 𝑣𝐿 + 𝑣𝐶
{
𝑖𝐶 = 𝑖𝐿 − 𝑖 𝑅
Com conhecimento sob as equações dadas inicialmente, vamos descrever a tensão sob indutor vL e
a corrente que flui pelo capacitor iC na forma diferencial:
𝑑𝑖𝐿
𝑢 = 𝑣𝑅𝐿 + 𝐿 + 𝑣𝐶
{ 𝑑𝑡
𝑑𝑣𝑐
𝐶 = 𝑖𝐿 − 𝑖𝑅
𝑑𝑡
Agora, descrevendo o sistema em função das formas diferenciais de vL e iC,
𝑑𝑖𝐿
𝐿 = 𝑢 − 𝑣𝑅𝐿 − 𝑣𝐶
{ 𝑑𝑡
𝑑𝑣𝑐 𝑣𝑅
𝐶 = 𝑖𝐿 −
𝑑𝑡 𝑅
𝑑𝑖𝐿
𝐿 = 𝑢 − 𝑖𝐿 𝑅𝐿 − 𝑣𝐶
{ 𝑑𝑡
𝑑𝑣𝑐 𝑣𝐶
𝐶 = 𝑖𝐿 −
𝑑𝑡 𝑅
Finalmente,
𝑑𝑖𝐿 𝑢 𝑖𝐿 𝑅𝐿 𝑣𝐶
= − −
{ 𝑑𝑡 𝐿 𝐿 𝐿
𝑑𝑣𝑐 𝑖𝐿 𝑣𝐶
= −
𝑑𝑡 𝐶 𝑅𝐶
De posse do sistema em uma forma familiar, podemos reescrever o sistema como a seguir:
𝑅𝐿 1
− − 1
𝑖𝐿̇ 𝐿 ] [ 𝑖𝐿 ] + [ ] 𝑢
[ ]=[ 𝐿 𝐿
𝑣𝐶̇ 1 1 𝑣𝐶
− 0
𝐶 𝑅𝐶
𝑖
[𝑦] = [0 1] [ 𝐿 ] + [0]𝑢
𝑣𝐶
Já em espaço de estados, vamos facilitar a notação,
𝑅𝐿 1
− − 1
𝑥1̇
[ ]=[ 𝐿 𝐿 ] [𝑥1 ] + [ ] 𝑢
𝑥2̇ 1 1 𝑥2 𝐿
− 0
𝐶 𝑅𝐶
𝑥
[𝑦] = [0 1] [𝑥1 ] + [0]𝑢
2

Os valores correspondentes aos componentes foram dados:

• L = 5 mH;
• RL = 0.1 Ω;
• C = 500 µF;

5
 • R = 1 Ω.
Logo, substituindo os valores, na forma em espaço de estados:
𝑥̇ −20 −200 𝑥1 200
[ 1] = [ ][ ] + [ ]𝑢
𝑥2̇ 2000 −2000 𝑥2 0
𝑥
[𝑦] = [0 1] [𝑥1 ] + [0]𝑢
2

Com,
𝑥̇ 𝑥1
[ 1 ] = [𝑨] [𝑥 ] + [𝑩]𝑢
𝑥2̇ 2
𝑥
[𝑦] = [𝑪] [𝑥1 ] + [𝑫]𝑢
2

temos que,

[𝑨] = [ −20 −200 ]

2000 −2000
E podemos encontrar os autovalores,
𝑠 0 −20 −200 𝑠 + 20 200
det(𝑠𝑰 − 𝑨) = |[ ]−[ ]| = |[ ]|
0 𝑠 2000 −2000 −2000 𝑠 + 2000
−20 −200
𝑑𝑒𝑡 [ ] ∴ (𝑠 + 20)(𝑠 + 2000) + 400000 = 0
2000 −2000
Os autovalores são as raízes da equação abaixo:
𝑠 2 + 2020𝑠 + 440000 = 0
Logo,
𝑠 ′ = −248,25
𝑠 ′′ = −1771,04
Os polos fornecem o comportamento dinâmico do sistema. O que acabamos de fazer, foi com um
artificio de álgebra linear, calcular os polos diretamente da forma do espaço de estados sabendo que
eles são os autovalores da matriz A de transição de estados.

Projeto do controlador baseado nos polos dominantes de

segunda ordem

Temos um sistema de segunda ordem, então já não precisamos nos preocupar com as dificuldades
que sistemas de ordem maior trazem. Neste método, os cálculos são baseados no amortecimento ξ
e frequência natural ωn desejados de acordo com,

𝑠 2 + 2ξω𝑛 𝑠 + ω2𝑛
Cujos polos são

𝑠1,2 = −ξω𝑛 ± 𝑗ω𝑛 √1 − ξ2

Então, escolhendo inicialmente, o amortecimento ξ=0,7 (parâmetro muito utilizado em sistemas

subamortecidos e por apresentar boa resposta) supondo um sobressinal de 5% e o tempo de

6
acomodação Ta=2s (parâmetro escolhido com a finalidade de evitar altas demandas de energia do
sistema), como consequência:
4,6
ω𝑛 =
ξ𝑇𝑎
Com ξ=0,7 e Ts = 2, temos:
4,6 𝑟𝑎𝑑
ω𝑛 = = 3,29
0,7 × 2 𝑠
Prosseguindo,
𝑟𝑎𝑑
ω𝑑 = ω𝑛 √1 − ξ2 = 2,34
𝑠
Os polos dominantes de projeto podem ser vistos a seguir:
𝑠 = −ξω𝑛 ± 𝑗ω𝑑
𝑠 = −2,3 ± 𝑗2,34
O sistema discretizado utilizando ZOH é
𝑥(𝑘 + 1) = 𝜱𝑥(𝑘) + 𝜞𝑢(𝑘)
em que,
𝜱 = 𝑒 𝑨𝑇𝑠
𝑇𝑠
𝜞 = ∫ 𝑒 𝑨𝝉 𝑩 𝑑𝜏
0

Introduzindo então o conceito de controlabilidade, um sistema controlável é aquele no qual pode-

se mudar o estado de uma condição inicial arbitrária para um estado final arbitrário em um tempo
finito. O sistema de ordem n,
𝑥(𝑘 + 1) = 𝜱𝑥(𝑘) + 𝜞𝑢(𝑘)
é controlável se, e apenas se, a matriz de controlabilidade,
[𝜞 𝜱𝜞 … 𝜱𝒏−𝟏 𝜞]
tem posto n (posto completo). Se o sistema discretizado será controlável depende do intervalo de
amostragem Ts. Garantimos a condição com Ts=0,01s (pela planta possuir apenas polos reais, o
sistema será estável para qualquer Ts. Escolhermos o dado Ts por ser um parâmetro coerente com a
dinâmica do sistema) para o nosso caso. Temos ainda,
−0,0125 0,1096
𝜱 = 𝑒 𝑨𝑇𝑠 = [ ]
−0,0110 0,0960
e,
𝑇
𝑠
0,8209
𝜞 = ∫ 𝑒 𝑨𝝉 𝑩 𝑑𝜏 = [ ]
0
0,8318
O modelo equivalente discreto ZOH da planta é:
0,079 0,800 0,110
𝑥(𝑘 + 1) = [ ] 𝑥(𝑘) + [ ] 𝑢(𝑘)
−0,080 0,870 0,190
Portanto de posse do polinômio do denominador,
𝑧 − 0,079 −0,800
det(𝑧𝑰 − 𝜱) = 𝑎(𝑧) = 𝑑𝑒𝑡 |⌈ ⌉|
0,080 𝑧 − 0,870

7
 ∴ 𝑎(𝑧) = 𝑧 2 − 0,0834𝑧
Vamos agora mapear os polos escolhidos no plano z com a finalidade de obter o polinômio p(z):
𝑛

𝑝(𝑧) = ∏(𝑧 − 𝑧𝑖 ) = (𝑧 − 𝑒 (−2,35+𝑗2,35)×0,01 )(𝑧 − 𝑒 (−2,35−𝑗2,35)×0,01 )

𝑖=0

𝑝(𝑧) = 𝑧 2 − 1,9540𝑧 + 0,9550

Prosseguindo com as chamadas matrizes de controlabilidade WC,
0,8209 0,0809
𝑾𝑪 = [𝜞 𝜱𝜞 … 𝜱𝒏−𝟏 𝜞] = [ ]
0,8318 0,0708
̅̅̅̅̅𝑪, que possui forma triangular superior,
e𝑾

̅̅̅̅̅𝑪 = [𝜞 ̅̅̅̅̅̅̅ 7,7582 8,8582

𝑾 ̅ 𝜱
̅𝜞̅ …𝜱 𝒏−𝟏 𝜞̅] = [ ]
91,1204 0,0708
Finalmente vamos calcular o vetor de realimentação de posse de todos os dados calculados
anteriormente:
𝑳 = [(𝑝1 − 𝑎1 ) (𝑝2 − 𝑎2 ) … (𝑝𝑛 − 𝑎𝑛 )]̅̅̅̅
𝑊𝐶 𝑊𝐶−1
0,8209 0,0809 −7,7582 8,8582
𝑳 = [(−1,995 + 0,0834) (0,9550)] [ ][ ]
0,8318 0,0708 91,1204 −89,9203
𝑳 = [87,31 −88,4119]
E, para obtermos a função de transferência de malha fechada
𝐺(𝑧) = 𝑪[𝑧𝑰 − 𝜱 + 𝜞𝑳]−1 𝜞𝑙𝑟
Vamos calcular o ganho lr com a finalidade de garantir um bom rastreamento da referência.
𝑙𝑟 = [𝑪(𝑰 − 𝜱 + 𝜞𝑳)−1 𝑳]−1 = 0,0013
Enquanto -L garante estabilidade e trabalha na rejeição de distúrbios, com lr nosso sistema passa a
ter dois graus de liberdade e, tem como função, eliminar o erro em estado permanente e melhorar
o rastreamento da referência. Concluindo,
0,001039𝑧 3 − 0,002015𝑧 2 + 0,0009621𝑧
𝐺(𝑧) =
𝑧 4 − 3,908𝑧 3 + 5,728𝑧 2 − 3,732𝑧 + 0,9121

Projeto do controlador baseado no critério ITAE

O ITAE (Integral of Time multiplying the Absolute value of the Error) é definido como,
∞
𝐼𝑇𝐴𝐸 = ∫ 𝑡|𝑒(𝑡)|𝑑𝑡
0

e baseia-se na ponderação do erro no tempo. Quanto maior o tempo, maior o produto. No início,
apesar do erro ser maior, como há a ponderação no tempo, o termo somado tende a ser pequeno.
Assim, quanto maior o tempo, maior o termo somado na integral, a depender do valor do erro. Para
erros maiores, que ocorrem no início da resposta, a ponderação no tempo torna os termos somados
pequenos. O critério ITAE penaliza os erros que persistem por longos períodos. Assim, os parâmetros
de sintonia são obtidos a partir da minimização dos critérios de desempenho baseados em integrais.
Mantendo nossos parâmetros de projetos iguais,
• Ta=2s;
• Ts=0,01s.

8
Baseado na tabela abaixo, como nosso sistema é de 2ª ordem, temos:

Tabela 1 - Polos de sistemas padrão ITAE com frequência de corte igual a 1 rad/s
Então,
−4,660 ± 𝑗4,660
𝑠=
2
𝑠1 = −2,33 + 𝑗2,33
𝑠2 = −2,33 − 𝑗2,33
∴
𝑧1 = 𝑒 (−2,33+𝑗2,33)×0,01 = 0,9767 + 𝑗0,0228
𝑧1 = 𝑒 (−2,33+𝑗2,33)×0,01 = 0,9767 − 𝑗0,0228
Prosseguindo, de forma mais direta,
𝑝(𝑧) = (𝑧 − (0,9767 + 0,0228))(𝑧 − (0,9767 − 0,0228))
𝑝(𝑧) = 𝑧 2 − 1,9534𝑧 + 0,9545
De posse do polinômio do denominador,
𝑎(𝑧) = 𝑧 2 − 0,0834 + 1,6875 × 10−9
̅̅̅̅̅𝑪 são os mesmos pois só dependem da planta, finalmente,
Sabemos que 𝑾𝑪 e 𝑾
𝑳 = [(𝑝1 − 𝑎1 ) (𝑝2 − 𝑎2 ) … (𝑝𝑛 − 𝑎𝑛 )]̅̅̅̅
𝑊𝐶 𝑊𝐶−1
̅̅̅̅𝐶 𝑊𝐶−1 = [87,2609 −88,3596]
𝑳 = [(−1,9534 + 0,0834) (0,9545 − 0,0)]𝑊
e,
𝑙𝑟 = 0,0013
Concluindo,
0,001045𝑧 3 − 0,002026𝑧 2 + 0,0009667𝑧 + 1,503 × 10−5
𝐺(𝑧) =
𝑧 4 − 3,907𝑧 3 + 5,725𝑧 2 − 3,729𝑧 + 0,911

Projeto do controlador baseado nos polinômios de Bessel

Os sistemas padrão tipo Bessel apresentam resposta temporal um pouco lenta, mas sem
praticamente nenhum sobressinal. Baseado na tabela a seguir, como nosso sistema é de 2ª ordem,
temos:

9
 Tabela 2 - Polos de sistemas padrão Bessel com tempo de assentamento igual a 1s
Então,
−4,053 ± 𝑗2,340
𝑠=
2
𝑠1 = −2,0265 + 𝑗1,17
𝑠2 = −2,0265 − 𝑗1,17
∴
𝑧1 = 𝑒 (−2,0265+𝑗1,17)×0,01 = 0,9799 + 𝑗0,0115
𝑧2 = 𝑒 (−2,0265−𝑗1,17)×0,01 = 0,9799 − 𝑗0,0115
Prosseguindo, de forma mais direta,

𝑝(𝑧) = (𝑧 − (0,9799 + 0,0115))(𝑧 − (0,9799 − 0,0115))

𝑝(𝑧) = 𝑧 2 − 1,9597𝑧 + 0,9603
De posse do polinômio do denominador,
𝑎(𝑧) = 𝑧 2 − 0,0834 + 1,6875 × 10−9
̅̅̅̅̅𝑪 são os mesmos pois só dependem da planta, finalmente,
Sabemos que 𝑾𝑪 e 𝑾
𝑳 = [(𝑝1 − 𝑎1 ) (𝑝2 − 𝑎2 ) … (𝑝𝑛 − 𝑎𝑛 )]̅̅̅̅
𝑊𝐶 𝑊𝐶−1
𝑳 = [87,7914 −88,8408]
e,
𝑙𝑟 = 6,4398 × 10−4
Concluindo,
5,357 × 10−4𝑧 3 − 1,049 × 10−3𝑧 2 + 5,126 × 10−4 𝑧 + 8,733 × 10−7
𝐺(𝑧) =
𝑧 4 − 3,919𝑧 3 + 5,761𝑧 2 − 3,764𝑧 + 0,9221

Projeto do controlador baseado na resposta Deadbeat

O controlador Deadbeat é um alocador de polos na origem. Alocar todos os polos na origem
significa que todos os autovalores de 𝜱 − 𝜞𝑳 são nulos e o polinômio característico, já utilizando
nosso caso, será 𝑧 2. Ou seja, um regulador Deadbeat levará as variáveis de estado do sistema para
zero em 2 períodos de amostragem. Então vamos iniciar o projeto,
𝑠1 = 𝑠2 = −∞
e,

10
 𝑝(𝑧) = (𝑧 − 0)(𝑧 − 0) = 𝑧 2
como enunciado anteriormente. Agora, com 𝑝(𝑧) = 𝑧 2 ,
𝑎(𝑧) = 𝑧 2 − 0,0834𝑧 + 1,6875 × 10−4
Finalmente,
𝐿 = [−0,0129 0,1131]
e
𝑙𝑟 = 1,2001
Concluindo,
0,9983𝑧 3 + 0,001695𝑧 2 − 4,192 × 10−19 𝑧 − 1,117 × 1,117−22
𝐺=
𝑧4 + 2,851 × 10−17 𝑧 3 − 1,559 × 10−19 𝑧 2 + 1,168 × 1,68−36 𝑧 + 5,988 × 5,988−39

Análise da resposta no tempo e na frequência dos

resultados anteriores
Os gráficos trazem a característica inerente de cada método de alocação. Percebemos que ITAE e
polos dominantes, embora com a forma bem parecida no tempo, tem características de performance
bem distintas. O primeiro bem mais lento, todavia, com melhor M.G. e M.F. O método de Bessel
chamou a atenção por uma atenuação acentuada a partir de 1rad/s e por apresentar M.G. infinita.
O DeadBeat, por fim, nos mostrou que para certos ganhos o sistema se torna instável. Todas as
ilustrações encontram-se a partir da próxima página com o intuito de podermos visualizar tanta a
resposta no tempo como a resposta na frequência.

11
Figura 3 - Resposta ao degrau do controlador baseado na alocação dos polos arbitrariamente

Figura 4 - Resposta na frequência alocando os polos arbitrariamente

12
 Figura 5 - Resposta ao degrau do controlador baseado no critério ITAE

Figura 6 - Resposta na frequência alocando os polos baseado no critério ITAE

13
 Figura 7 - Resposta ao degrau do controlador baseado nos polinômios de Bessel
Assim como previsto, a reposta no tempo foi um pouco lenta, mas sem praticamente sobressinal
algum.

Figura 8 - Resposta na frequência alocando os polos baseado nos polinômios de Bessel

14
 Figura 9 - Resposta ao degrau do controlador baseado na resposta Deadbeat
Podemos reparar, através da Figura 9 - Resposta ao degrau do controlador baseado na resposta
Deadbeat, que de fato o regulador Deadbeat levo as variáveis de estado do sistema para zero em 2
períodos de amostragem (2xTs=2x0,01s=0,02s).

Figura 10 - Resposta na frequência alocando os polos baseado na resposta Deadbeat

Modelagem do segundo circuito

A modelagem deste sistema segue a mesma lógica do anterior. No entanto, neste momento,
devemos perceber a existência do distúrbio se manifestando como uma entrada indesejada do
sistema, como pode-se notar na representação espaço-estados do sistema:
𝑑𝑖𝐿 𝑢 𝑖𝐿 𝑅𝐿 𝑣𝐶
= − −
{ 𝑑𝑡 𝐿 𝐿 𝐿
𝑑𝑣𝑐 𝑖𝐿 𝑣𝐶 𝑖0
= − −
𝑑𝑡 𝐶 𝑅𝐶 𝐶
∴

15
 𝑅𝐿 1
− − 1
𝑖̇ 𝐿 ] [ 𝑖𝐿 ] + [ ] 𝑢
[ 𝐿] = [ 𝐿 𝐿
𝑣𝐶̇ 1 1 𝑣𝐶
− 0
𝐶 𝑅𝐶
0
𝑖
[𝑦] = [0 1] [ 𝐿 ] + [0]𝑢 + [ 1 ] 𝑖0
𝑣𝐶 −
𝐶
Com o nosso sistema em mãos vamos prosseguir para o projeto do controlador.

Projeto do controlador
Com,
1
𝐿{𝑟(𝑡)} =
𝑠 2 + (377)2
e,
1
𝐿{𝑑(𝑡)} =
𝑠2 + (3,377)2
Os conjuntos que descrevem os autovalores λ do distúrbio e da referência são:

𝛬𝑟 = {(𝑗377,1), (−𝑗377,1)}
𝛬𝑑 = {(𝑗3,377,1), (−𝑗3,377,1)}
Então, a partir de,
𝛬𝑟 𝑈 𝛬𝑑
Temos:
𝛬 = {(𝑗377,1), (−𝑗377,1)}, {(𝑗3,377,1), (−𝑗3,377,1)}
A capacidade de rejeitar distúrbios e rastrear a referência conferem robustez ao sistema,
desempenho atingido por meio de uma dinâmica adicional proveniente de um controlador que
contém os autovalores da referência e do distúrbio. Prosseguindo, vamos realizar o mapeamento
ZOH dos autovalores para encontrarmos o polinômio característico para as dinâmicas adicionais δ(z),
δ(z) = 𝑧 4 − 2(cos (3 × 377𝑇𝑠 ) + 𝑐𝑜𝑠377𝑇𝑠 )𝑧 3 + (2 + 4𝑐𝑜𝑠377𝑇𝑠 × cos (3 × 377𝑇𝑠 ))𝑧 2
− 2(𝑐𝑜𝑠377𝑇𝑠 + 𝑐𝑜𝑠3 × 377𝑇𝑠 )𝑧 + 1
Simplificando,
δ(z) = 𝑧 4 + 𝑧 3 + 𝑧 2 + 𝑧 + 1
De posse do polinômio característico da dinâmica adicional, podemos determinar as matrizes 𝜱d e
𝜞 d e, juntamente com as citadas matrizes, pode-se determinar a representação aumentada do
sistema discreto em espaço-estados.
−1 1 0 0
𝜱𝑑 = [−1 0 1 0]
−1 0 0 1
−1 0 0 0
−1
𝜞𝑑 = [−1]
−1
−1

16
Então o sistema aumentado fica,
−0,0125 0.1090 0 0 0 0
−0.0110 0,0960 0 0 0 0
1 0 −1 1 0 0
𝜱𝒂 =
1 0 −1 0 1 0
1 0 −1 0 0 1
[ 1 0 −1 0 0 0]
0.8209
0.8318
0
𝜞𝑎 =
0
0
[ 0 ]
Para completarmos a representação aumentada em malha fechada, precisamos expressar a entrada
de controle u(k) em função do vetor de realimentação de estados L e do vetor de variáveis de estados
x(k). Neste momento, precisamos projetar o comportamento do sistema em malha fechada alocando
os polos M.F. para que o sistema atenda aos requisitos de performance. A alocação de polos pode
ser alcançada por diversos métodos dependendo dos critérios escolhidos. Para o presente trabalho
escolheu-se alocar por Bessel com um tempo de acomodação de 2 segundos, obtendo os polos
seguintes:

𝑠𝑝1 = (−2,1085 + 𝑗3,765);

𝑠𝑝1 = (−2,1085 − 𝑗3,765);
𝑠𝑝1 = (−3,1305 + 𝑗2,201);
𝑠𝑝1 = (−3,1305 − 𝑗2,201);
𝑠𝑝1 = (−3,5605 + 𝑗0,727);
𝑠𝑝1 = (−3,5605 − 𝑗0,727);
Com isso, podemos calcular o vetor de ganho de realimentação de estados por meio do método
“Place” da toolbox de controle digital do matlab, conforme Figura 11 - Imagem extraída do MATLAB
abaixo e obter os resultados que se seguem na Figura 12 - Imagem 2 extraída do MATLAB:

Figura 11 - Imagem extraída do MATLAB

17
 Figura 12 - Imagem 2 extraída do MATLAB

Simulação
Embora tenhamos nos esforçado em realizar a simulação, devido à falta de prática com o simulink
encontramos diversos problemas durante o processo. Por fim, não conseguimos chegar a uma
resposta adequada, não permitindo uma análise da resposta. Chegamos próximos de algumas saídas
senoidais, mas ainda sim distantes do nosso objetivo. Não fomos capazes de determinar o erro,
porém acreditamos que os erros possam ser devidos a erros de dimensão nas matrizes ou também
por tempos de amostragem não satisfatórios. Como testamos Ts distintos acreditamos que o erro
provavelmente ocorreu na hora de montar o diagrama simulado.

18