Controle de Sistemas
Controle de Sistemas
Controle de Sistemas
Sum
ario
1 Fundamentos dos sistemas discretos
5
1.1 Sinais discretos importantes . . . . . . . . . . . . . . . . . . . 6
1.2 Algumas propriedades . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Filtros FIR e IIR . . . . . . . . . . . . . . . . . . . . . . . . . 12
2 Equa
c
ao a diferen
cas de coeficientes constantes
2.1 Solucao de equacoes a diferencas (lineares, coeficientes constantes) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Solucao homogenea . . . . . . . . . . . . . . . . . . .
2.1.2 Solucao particular . . . . . . . . . . . . . . . . . . . .
2.1.3 Solucao completa . . . . . . . . . . . . . . . . . . . .
2.2 Comportamento da solucao homogenea . . . . . . . . . . . .
2.3 Regioes de estabilidade no plano complexo . . . . . . . . . .
3 Transformada Z
3.1 Transformada Z de entradas padronizadas . .
3.2 Principais propriedades da transformada Z . .
3.3 Inversa da transformada Z . . . . . . . . . . .
3.4 Transformada Z unilateral . . . . . . . . . . .
3.4.1 Algumas propriedades da transformada
3.5 Solucao de equacao de diferencas . . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
Z unilateral
. . . . . . .
.
.
.
.
.
.
13
.
.
.
.
.
.
15
15
18
18
19
22
.
.
.
.
.
.
22
24
26
27
30
30
31
4 Fun
c
ao de transfer
encia discreta
32
4.1 Polos e zeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 Interpretacao da funcao de transferencia discreta . . . . . . . . 33
5 Discretizac
ao de plantas anal
ogicas
33
5.1 Modulacao com impulso . . . . . . . . . . . . . . . . . . . . . 34
5.2 Segurador de ordem zero (ZOH) . . . . . . . . . . . . . . . . . 35
6 Mapeamento s z
6.1 Mapeamentos importantes para projeto . . . .
6.2 Metodos de integracao numerica . . . . . . . .
6.2.1 Transformacao Euler para tras . . . . .
6.2.2 Transformacao Euler para a frente . . .
6.2.3 Transformacao bilinear - Tustin . . . .
6.2.4 Transformacao pelo metodo do impulso
7 An
alise de erro estacion
ario
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
invariante
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
38
39
43
43
44
46
49
52
8 Resposta em freq
u
encia
8.1 Problemas com a discretizacao ZOH .
8.2 Warping . . . . . . . . . . . . . . . .
8.3 Pre-warping . . . . . . . . . . . . . .
8.4 Frequencia crtica de pre-warping . .
.
.
.
.
56
56
58
60
63
9 Projeto no plano z
9.1 Controle PID - Metodo Ziegler-Nichols . . . . . . . . . . . . .
9.2 PID - projeto analtico com base no lugar das razes . . . . . .
9.3 Compensacao avanco-atraso - projeto analtico . . . . . . . . .
64
64
69
75
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
10 Transformada w
82
10.1 Projeto avanco-atraso analtico na freq
uencia . . . . . . . . . . 85
11 Modelo de estado discreto
92
11.1 Transformacao pelo metodo do degrau invariante . . . . . . . 92
12 Diagrama de blocos
97
13 Realimenta
c
ao de estados
100
13.1 Controlabilidade e formula de Ackermann . . . . . . . . . . . 102
14 Observador (estimador de estados)
14.1 Estimador de ordem completa . . . . . . . . . . . . . . . . .
14.2 Observabilidade . . . . . . . . . . . . . . . . . . . . . . . . .
14.3 Efeito do observador na malha fechada . . . . . . . . . . . .
102
. 104
. 105
. 106
15 Controle
otimo
15.1 Introducao . . . . . . . . . . . . . . . . . .
15.2 Otimizacao de parametros . . . . . . . . .
15.3 Condicoes de otimalidade . . . . . . . . . .
15.4 Equacoes de Euler Lagrange . . . . . . . .
15.5 Condicoes de otimalidade e Euler-Lagrange
15.6 Controle linear quadratico - LQR . . . . .
15.7 Controle otimo multivariavel . . . . . . . .
15.7.1 Matriz hamiltoniana . . . . . . . .
.
.
.
.
.
.
.
.
107
. 107
. 108
. 110
. 111
. 113
. 117
. 120
. 122
.
.
.
.
123
. 124
. 127
. 133
. 136
16 Introdu
c
ao ao controle robusto
16.1 Caso SISO . . . . . . . . . . . . . . .
16.2 Resposta em frequencia multivariavel
16.3 Modelagem da incerteza . . . . . . .
16.4 Estabilidade robusta . . . . . . . . .
Prof. Dr. Alberto Luiz Serpa - 2007
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
17 Controle H
146
17.1 Estabilidade segundo Lyapunov . . . . . . . . . . . . . . . . . 153
17.2 H via Riccati . . . . . . . . . . . . . . . . . . . . . . . . . . 154
18 Bibliografia
19 Exerccios
19.1 Lista 1 . . . . . . . . . . . . . . .
19.2 Lista 2 . . . . . . . . . . . . . . .
19.3 Lista 3 . . . . . . . . . . . . . . .
19.4 Lista 4 . . . . . . . . . . . . . . .
19.5 Lista 5 . . . . . . . . . . . . . . .
19.6 Lista 6 . . . . . . . . . . . . . . .
19.7 Lista 7 . . . . . . . . . . . . . . .
19.8 Lista 8 - Roteiro para MATLAB .
19.9 Lista 9 - Roteiro para MATLAB .
19.10Lista 10 - Roteiro para MATLAB
19.11Lista 11 - Roteiro para MATLAB
19.12Lista 12 - Roteiro para MATLAB
162
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
163
163
164
165
166
167
168
169
172
174
175
176
177
Um sinal contnuo e uma funcao do tempo (um valor real para cada valor de
tempo), como mostrado na Figura 1.
f (t)
f (t)
periodica
transiente
t
f (t)
f (t)
senoidal
aleatoria
Sistema
Contnuo
sada
contnua
y(t)
Sistema
Discreto
x(n)
y(n)
2.5
1.5
y(n)
0.5
0.5
1.5
10
1.1
Uma seq
uencia real e denotada como
{x(n), n = , . . . , 1, 0, 1, . . . , +}.
Se um sinal contnuo x(t) e amostrado a cada T segundos, uma seq
uencia
{x(nT )} resulta. Para simplificar a notacao sera usada apenas a simbologia
x(n), i.e.,
{x(nT )} x(n).
Prof. Dr. Alberto Luiz Serpa - 2007
1 se n = 0,
0 se n 6= 0.
0.9
0.8
0.7
(n)
0.6
0.5
0.4
0.3
0.2
0.1
0
3
1 se n 0,
0 se n < 0,
1
0.9
0.8
0.7
u(n)
0.6
0.5
0.4
0.3
0.2
0.1
0
5
18
20
0.8
0.6
0.4
x(n)
0.2
0.2
0.4
0.6
0.8
10
12
14
16
1.2
Algumas propriedades
+
X
x(n)x (n) =
+
X
n=
n=
|x(n)|2 ,
+
X
x2 (n).
n=
k=
x(k)(n k).
2.5
y(n)
1.5
0.5
0
5
y(n) = T [x(n)] = T
k=
x(k)(n k) =
x(k)T [(nk)] =
k=
k=
k=
x(k)h(n k) =
k=
x(n k)h(k),
10
x(k)hk (n).
para todo n.
k=
|h(k)|
k=
h(k)x(n k).
Logo,
X
X
|h(k)x(n k)|,
h(k)x(n k)
|y(n)| =
k=
k=
|y(n)|
k=
k=
M |h(k)| = M S,
e portanto,
|y(n)| < M S,
ou seja, o sistema e BIBO estavel ja que toda entrada limitada produz
uma sada limitada quando S e finito.
P
11
k=
x(k)h(n k).
n
X
k=
x(k)h(n k),
1.3
valores n
ao nulos para n1 n n2 ,
0 para os demais,
k=0
ak y(n k) =
M
X
r=0
br x(n r),
M
X
r=0
br x(n r),
12
y(n) =
M
X
r=0
br
x(n r),
a0
| {z }
h(r)
bn
a0
0,
0 n M,
caso contr
ario,
Equac
ao a diferencas de coeficientes constantes
k=0
ak y(n k) =
M
X
m=0
bm x(n m),
a0 6= 0,
ou tambem,
y(n) =
N
X
ak
k=1 a0
y(n k) +
M
X
br
r=0
a0
x(n r).
13
y(0) = c.
Logo,
y(1) = 2c,
y(2) = 4c,
y(3) = 8c, . . .
i
v(n 1),
v(n) = 1 +
100
onde v(n) e o valor no mes n.
Exemplo: Modelo de um integrador numerico pela regra dos trapezios.
Seja o esquema da Figura 9.
f (t)
fn
fn1
In
In1
tn1
tn
tn
tn1
f (t)dt
T (fn + fn1 )
,
2
14
2.1
T (fn + fn1 )
.
2
Solu
c
ao de equa
c
oes a diferencas (lineares, coeficientes constantes)
k=0
ak y(n k) =
M
X
k=0
bk x(n k),
ou tambem
a0 y(n) + a1 y(n 1) + a2 y(n 2) + . . . + aN y(n N ) =
= b0 x(n) + b1 x(n 1) + . . . + bM x(n M ).
2.1.1
Soluc
ao homog
enea
k=0
ak y(n k) = 0.
ak cnk = 0,
k=0
e entao
a0 cn + a1 cn1 + a2 cn2 + . . . + aN cnN = 0,
(a0 N + a1 N 1 + a2 N 2 + . . . + aN )cnN = 0,
a0 N + a1 N 1 + a2 N 2 + . . . + aN = 0,
que e o polinomio caracterstico, cujas razes sao 1 , 2 , . . . , N .
A solucao homogenea yh (n) sera funcao do tipo das razes, ou seja,
Prof. Dr. Alberto Luiz Serpa - 2007
15
2 = ej ,
0.4
0.2
y(n)
0.2
0.4
0.6
0.8
10
15
20
25
30
35
40
16
30
20
10
y(n)
10
20
30
40
10
15
20
25
30
35
40
17
2.1.2
Soluc
ao particular
Soluc
ao completa
P
.
i
18
P
.
i
P
P
= C0 c = C0 ,
i
i
e conseq
uentemente
P
d(n) = C0
i
(1 + i)n +
P
.
i
2.2
P
C0
i
(1 + i)N +
P
iC0
.
=0 P =
1
i
1 (1+i)
N
Comportamento da soluc
ao homog
enea
19
14
12
10
y(n)
10
0.9
0.8
0.7
y(n)
0.6
0.5
0.4
0.3
0.2
0.1
10
20
0.8
0.6
y(n)
0.4
0.2
0.2
0.4
0.6
0.8
10
15
10
y(n)
10
15
10
21
avel
inst
Im[]
vel
esta
instavel
oscilante
estavel
oscilante
1
=1
estavel
instavel
1
Re[]
2.3
Regi
oes de estabilidade no plano complexo
Transformada Z
+
X
x(n)z n ,
n=
3
X
n=2
22
= z 2 + 2z + 5z 0 + 7z 1 + 0 z 2 + z 3 = z 2 + 2z + 5 + 7z 1 + z 3 .
2
1 1
x(n) = 1, ,
2 2
n
1
,...,
2
,... ,
1
1 n n
1 2 2
X(z) = 1z + z 1 +
z + ... +
z + ... =
2
2
2
n
X
X
1
1 1 n
n
=
z =
.
z
n=0 2
n=0 2
1 + A + A2 + A3 + . . . =
1
,
1A
1
,
1 12 z 1
i
T h
x(n)z n + x(n 1)z n ,
2
y(n)z
n=
n=
+
X
+
X
y(n)z
=z
n=
y(n 1)z
+
X
T
+
2
y(n1)z
n=
n=
y(n)z n = z 1
y(k)z k +
k=
+
X
x(n)z
T
+
2
"
+
X
n=
n=
(n1)
Seja k = n 1. Logo,
"
+
X
x(n)z
x(n 1)z
+z
n=
+
X
n=
x(n 1)z
T
x(k)z k ,
x(n)z n + z 1
2 n=
k=
23
(n1)
Y (z) = z 1 Y (z) +
T
1 + z 1 X(z),
2
que corresponde `a transformada Z da equacao a diferencas.
A relacao entre a entrada e a sada pode ser escrita em termos de uma
funcao de transferencia discreta H(z), ou seja,
(1 z 1 )Y (z) =
1 + z 1
X(z),
1 z 1
T
Y (z) =
2
|
{z
H(z)
Y (z)
H(z)
Y (z) = H(z)X(z)
Figura 17: Representacao de uma funcao de transferencia.
3.1
1 se n 0,
0 se n < 0.
n=
u(n)z n =
u(n)z n =
n=0
1
,
1 z 1
onde foi utilizada a formula da soma de uma PG de razao z 1 .
= 1z 0 + 1z 1 + 1z 2 + . . . + 1z n + . . . =
24
Portanto,
1
z
=
,
1
1z
z1
cuja regiao de convergencia e |z 1 | < 1.
U (z) =
an se n 0,
0 se n < 0.
anz n =
n=
anz n = 0z 0 + az 1 + 2az 2 + . . . =
n=0
= z 1 a[1 + 2z 1 + 3z 2 + . . .] =
= az 1 [(1+z 1 +z 2 +. . .)+z 1 (1+z 1 +z 2 +. . .)+z 2 (1+z 1 +z 2 +. . .)+. . .] =
= az 1 [(1 + z 1 + z 2 + . . .)(1| + z 1 +{zz 2 + . . }.)].
1
1z 1
Portanto,
= Z[r(n)] = az
"
1
1
= az 1
=
1
2
1
(1 z )
1 2z + z 2
az
az
=
,
z 2 2z + 1
(z 1)2
n=
(n)z n = (0)z 0 = 1 1 = 1.
x(n) = u(n) =
n se n 0,
0 se n < 0.
n u(n)z n =
n=
n=0
n z n =
(z 1 )n .
n=0
25
1
.
1z 1
1
z
=
,
1
1 z
z
3.2
Portanto,
z
,
zea
o que
1
r2
1
.
r1
dX(z)
,
dz
26
3.3
z1
Inversa da transformada Z
1 I
X(z)z n1 dz.
j2 c
x(n) = Z 1 [X(z)] =
Contudo, e pouco pratico calcular uma transformada inversa pela definicao anterior. Em geral, a transformada inversa e obtida atraves da expansao em fracoes parciais quando X(z) e uma funcao racional (razao de
dois polinomios).
Observa-se que as transformadas em geral possuem z no seu numerador,
de forma que um fator z pode ser fatorado primeiramente. Aplica-se entao o
mesmo procedimento da expansao em fracoes parciais usado na transformada
de Laplace.
Exemplo: Determinar a anti-transformada x(n) para
X(z) =
(3z 2
z
.
4z + 1)
X(z)
1
1
=
= 2
=
z
3z 4z + 1
3(z 2 43 z + 31 )
1
A
B
.
+
1 =
z 1 z 13
3(z 1)(z 3 )
1
1
=
= ,
1
3(z 3 ) z=1 2
1
1
1
B = F (z)(z )
=
=
.
3 z= 31
3(z 1) z= 1
2
27
Logo,
1
21
X(z)
2
F (z) =
,
=
+
z
z 1 z 31
X(z) =
1
z
2
z1
21 z
.
z 31
"
1
z
2
z1
+Z
"
n
1
1 1
x(n) = u(n)
2
2 3
para |z| <
1
3
u(n).
tem-se que
x(n) = Z
"
1
z
2
z1
+Z
"
1
3
"
1
z
2
z1
21 z
,
z 31
n
1
1
1
x(n) = u(n 1)
2
2
3
para
21 z
,
z 31
+Z
"
u(n 1) .
#
21 z
,
z 31
n
1
1 1
x(n) = u(n 1)
2
2 3
u(n).
Verifica-se atraves do exemplo anterior a importancia da regiao de convergencia para assegurar a unicidade da anti-transformada Z.
Exemplo: Determinar a anti-transformada Z para
X(z) =
z3
.
(z + 1)(z 1)2
28
X(z)
A2
A3
= A1 + (z + 1)
+
(z
+
1)
,
z
(z 1)2
(z 1)
fazendo-se z = 1, ou seja,
X(z)
1
A1 = (z + 1)
= .
z z=1 4
X(z)
A3
= (z 1)2 A1 + A2 + (z 1)2
,
z
(z 1)
(1)
fazendo-se z = 1, ou seja,
X(z)
1
A2 = (z 1)2
=
z z=1 2
i
X(z)
d h
d
(z 1)2
=
(z 1)2 A1 + A2 + (z 1)A3 ,
dz
z
dz
"
i
d
X(z)
d h
(z 1)2
=
(z 1)2 A1 + A3 ,
dz
z
dz
X(z)
d
(z 1)2
A3 =
dz
z
Note que:
z=1
3
= .
4
i
d h
(z 1)2 A1 |z=1 = 2(z 1)A1 |z=1 = 0.
dz
Logo,
1
1
3
X(z)
2
4
= 4 +
+
,
z
z + 1 (z 1)2 (z 1)
29
3.4
Transformada Z unilateral
x(n)z n .
n=0
Nota-se que a transformada unilateral nao requer que o sinal seja definido
para n < 0.
Esta transformada e usada na solucao de equacoes a diferencas com
condicoes iniciais nao nulas, e e identica `a transformada bilateral do sinal
x(n)u(n).
Exemplo: Determinar a transformada Z unilateral para
x1 (n) = {1, 2, 5, 7, 0, 1}.
A solucao e
X1+ (z) = 5z 0 + 7z 1 + 0z 2 + 1z 3 .
Exemplo: Determinar a transformada Z unilateral para
x2 (n) = {2, 4, 5, 7, 0, 1}.
A solucao e
X2+ (z) = 5z 0 + 7z 1 + 0z 2 + 1z 3 .
Note que, nos dois u
ltimos exemplos, X1+ e X2+ sao iguais embora x1 (n)
e x2 (n) sejam distintas, ou seja, a transformada unilateral nao e u
nica para
sinais nao causais. Ela e u
nica apenas para sinais causais.
3.4.1
Z [x(n k)] = z
X (z) +
k
X
x(n)z
n=1
k > 0.
30
Z [x(n + k)] = z
X (z)
k1
X
x(n)z
n=0
k > 0.
3.5
z1
Solu
c
ao de equa
c
ao de diferencas
Y (z) = z
"
Y (z) +
1
X
y(n)z
n=1
+z
"
Y (z) +
2
X
y(n)z
n=1
= z 1 Y + (z) + 0z 1 + z 2 Y + (z) + 0z 1 + 1z 2 =
= z 1 Y + (z) + z 2 Y + (z) + 1.
Logo,
Y + (z)(1 z 1 z 2 ) = 1 Y + (z) =
1
1 z 1 z 2
= 1.618 e p2 =
z2
,
z2 z 1
1 5
2
= 0.618.
z
A1
A2
Y + (z)
= 2
=
+
,
z
z z1
(z p1 ) (z p2 )
Prof. Dr. Alberto Luiz Serpa - 2007
31
de onde se obtem
p1
A1 = = 0.724,
5
p2
A2 = = 0.276.
5
Logo,
z
z
5
5)]
1
+
[(1
+
,
Y + (z) =
2 5
2 5
z ( 1+2 5 )
z ( 12 5 )
1+ 5
y(n) =
2 5
"
!n
1+ 5
1 5
2
2 5
!n #
1 5
u(n).
2
Func
ao de transfer
encia discreta
n=
n=
x(n 1)z n =
b0 + b1 z 1 + b2 z 2 + . . . + bm z m
Y (z)
=
.
X(z)
a0 + a1 z 1 + a2 z 2 + . . . + an z n
32
4.1
P
olos e zeros
Os zeros de X(z) sao os valores de z tais que X(z) = 0, ou seja, sao as razes
do numerador de X(z).
Os polos de X(z) sao os valores de z tais que X(z) = , ou seja, as
razes do denominador de X(z) quando nao ocorrem cancelamentos entre o
numerador e o denominador.
4.2
Interpreta
c
ao da func
ao de transfer
encia discreta
Discretiza
c
ao de plantas anal
ogicas
A/D
computador
digital
D/A
planta
sada
controlador
sensor
33
H(z)
A/D
D/A
5.1
Modula
c
ao com impulso
Uma funcao contnua x(t) pode ser amostrada usando um trem de impulsos
como ilustrado na Figura 20, gerando-se a funcao x (t).
x (t)
x(t)
t
modulador
x(t)
x (t)
T (t)
Figura 20: Modulacao com trem de impulsos.
O trem de impulsos, ilustrado na Figura 21, pode ser escrito como
T (t) =
k=0
(t kT ).
k=0
x(kT )(t kT ),
34
impulsos
0 1 2 3 4 ...
tempo
x(t)
T
Figura 22:
periodico.
x(kT )
k=0
sT
Definindo z = e
"
k=0
(t kT )est dt =
x(kT )eskT .
k=0
x(kT )z k = X(z),
k=0
5.2
35
x (t)
x(t)
t
x(t)
y(t)
kT
T
amostragem
y(t)
ZOH
(t)
36
X (s)
X(s)
H(s) = 1s (1 esT )
Y (s)
G(s)
amostragem
Figura 25: Efeito do ZOH sobre uma planta.
A relacao entre Y (s) e X (s), incluindo o segurador de ordem zero, e
1
Y (s) = (1 esT )G(s) X (s) = GZOH (s)X (s).
{z
}
|s
GZOH (s)
Verifica-se que
G(s)
G(s)
esT
=
GZOH (z) = Z[GZOH (s)] = Z
s
s
"
"
"
G(s)
G(s)
G(s)
Z esT
= (1 z 1 )Z
,
=Z
s
s
s
onde constatou-se que esT G(s)
representa um atraso de G(s)
de T , e portanto,
s
s
1
associa-se um z .
Uma seq
uencia para encontrar a transformada Z de uma funcao de tranferencia P (s) e
L1
1
.
s+1
"
1
G(s)
= (1 z 1 )Z
.
GZOH (z) = (1 z )Z
s
s(s + 1)
1
37
"
G(s)
s
tem-se
1
= (1 et )u(t).
s(s + 1)
z
z(1 eT )
z
=
.
z 1 z eT
(z 1)(z eT )
Conseq
uentemente,
=
GZOH (z) = (1 z 1 )
z(1 eT )
1 eT
=
.
(z 1)(z eT )
z eT
Mapeamento s z
( > 1).
38
Im
Im
1
Re
( + jw)
Re
plano z
plano s
6.1
s = wn jwn 1 2 .
Para uma faixa de fator de amortecimento > c , tem-se uma regiao
simetrica em relacao ao eixo real conforme mostrada na Figura 28 no
plano s.
2
2
z = e(wn +jwn 1 )T = ewn T ejwn 1 T ,
39
Im
Im
r
te
Re
plano s
Re
plano z
= cos
> c
Im
Re
plano s
Figura 28: Regiao correspondente a uma faixa de fator de amortecimento.
40
|z| = e
z = wn 1 2 T.
Im
1
Re
Re
plano z
plano s
41
Im
Im
wn
Re
Re
plano z
plano s
Im
Im
r
Re
Re
plano s
plano z
42
6.2
M
etodos de integrac
ao num
erica
Na conversao de funcoes de transferencia analogicas para funcoes de transferencia discretas, existe o interesse de preservar as caractersticas da resposta
no tempo e em frequencia. Contudo, na maioria das vezes nao e possvel atender a estes dois requisitos simultaneamente. Quando se preserva a resposta
no tempo, normalmente perde-se na resposta em freq
uencia, e vice-versa.
As tecnicas usuais de transformacao sao: Euler para frente, Euler para
tras e transformacao bilinear, que sao descritas brevemente a seguir.
6.2.1
Transformac
ao Euler para tr
as
y(nT ) y(nT T )
y(n) y(n 1)
=
,
T
T
y(n 1)
n1
y
t
)] =
Y (z).
T
A transformada de Laplace no caso contnuo e
L[y(t)]
= sY (s).
Comparando estes dois resultados, como ilustrado na Figura 33, e possvel
estabelecer a seguinte relacao
s=
z1
1 z 1
s=
,
T
Tz
43
y(n)
1z 1
T
y(t)
y(n)y(n1)
T
y(t)
=
dy
dt
wT
1
1
+j
= x + jy,
=
2
2
1 jwT
1 + {z
w T}
1 + {z
w2 T 2}
|
|
x
Transformac
ao Euler para a frente
y(n) y(n 1)
.
T
44
Im
Im
semi-plano
esquerdo
1
2
Re
Re
plano s
plano z
1 z 1
1 z 1
Z[y(n)] Z[y(n)]
=
Z[y(n)].
T
T z 1
1z 1
T z 1
y(t)
y(n)
y(t)
1 z 1
z1
=
.
1
Tz
T
A regra de Euler para a frente tem a desvantagem de nem sempre preservar a estabilidade, o que demanda cuidado no seu uso.
45
6.2.3
Transformac
ao bilinear - Tustin
b0
.
a1 s + a0
y(t)dt
+ y(t0 ).
t0
nT
(n1)T
y(t)dt
+ y((n 1)T ).
Esta integral pode ser aproximada pela regra dos trapesios, ou seja,
Z
nT
(n1)T
y(t)dt
T
[y(nT
) + y((n
1)T )] ,
2
y(nT
)
area do trapezio
y((n
1)T )
nT
(n 1)T
T
[y(nT
) + y((n
1)T )] .
2
46
a0
b0
y(t) + x(t),
a1
a1
) e y((n
1)T ), ou seja,
"
b0
a0
b0
T a0
y(nT ) + x(nT ) y((n 1)T ) + x((n 1)T ) ,
y(nT ) = y((n1)T )+
2 a1
a1
a1
a0
cuja transformada Z e
"
T a0
b0
a0
b0
Y (z) = z Y (z) +
Y (z) + X(z) z 1 Y (z) + z 1 X(z) ,
2 a1
a1
a1
a1
1
Y (z) 1 z
T
T a0 T a0 1
=
+
z
+
2 a1
2 a1
2
b0
b0
+ z 1 X(z),
a1 a1
Y (z)
b0
.
= 2 1z1
X(z)
a1 T 1+z1 + a0
1 z 1
1 + z 1
ou ainda,
z=
2
=
T
z1
,
z+1
1 + s T2
,
1 s T2
1 + jw T2
1 jw T2
1 + jw T2
1 + jw T2
1 + jwT w2 T4
=
,
2
1 + w2 T4
cujo modulo e
1
T
1 w2
|z| =
T2
2
4
1+w 4
Prof. Dr. Alberto Luiz Serpa - 2007
!2
+w T
= 1.
47
Im
semi-plano
esquerdo
1
Re
Re
plano s
plano z
( z1
)
T
+1
T
,
z1+T
( z1
)
Tz
+1
Tz
,
z 1 + Tz
1
, o que permite
cujo polo e dado por z 1 + T z = 0, ou seja, z = 1+T
concluir que para T > 0 a planta discretizada sera sempre estavel.
48
1
2
T
z1
z+1
+1
T (z + 1)
,
2(z 1) + T (z + 1)
2T
.
2+T
6.2.4
Transformac
ao pelo m
etodo do impulso invariante
(t)
sistema
G(s)
h(n)
sistema
G(z)
h
L1 [G(s)]
t=nT
49
Az
.
z eT
Exemplo: Verificar as respostas impulsivas do sistema contnuo e do sistema discreto usando a transformacao do impulso invariante para
G(s) =
10
,
s+5
Az
10z
=
.
z eT
z e5T
10z
10z
=
.
0.5
ze
z 0.6065
As respostas impulsivas podem ser calculadas com auxlio do aplicativo
Matlab e sao mostradas na Figura 40.
Um codigo Matlab que discretiza G(s) e calcula as respostas impulsivas
e
G(z) =
50
Impulse Response
10
Amplitude
Time (sec)
51
100
Amplitude
80
60
40
20
Time (sec)
An
alise de erro estacion
ario
z1
1
R(z).
1 + G(z)
52
R(z)
E(z)
Y (z)
G(z)
1
1 + G(z)
!
z
.
z1
Logo,
e() = lim [(z 1)E(z)] =
z1
"
1
= lim (z 1)
z1
1 + G(z)
!
z
z1
#
1
1 + G(1)
1
.
1 + kpos
1
1 + G(z)
!"
zT
.
(z 1)2
Logo,
e() = lim (z 1)E(z) =
z1
1
= lim (z 1)
z1
1 + G(z)
= lim
z1
1
1 + G(z)
!"
!"
zT
(z 1)2
zT
(z 1)
#)
#)
.
53
f (z)
,
(z p1 )(z p2 ) . . .
e() = lim
z1 1 +
= lim
z1
("
1
f (z)
(zp1 )(zp2
zT
1
)...
(z p1 )(z p2 ) . . .
(z p1 )(z p2 ) . . . + f (z)
#
zT
z1
)
= ,
z1
("
(z p2 ) . . .
zT
(z p1 )(z p2 ) . . . + f (z)
T (z p2 ) . . .
T
=
=
,
f (z)
(z
1)G(z)
z=1
z=1
(nT )k
,
k!
(z 1)k
,
G(z)
kk =
k
T
z=1
e k e o tipo do sistema.
54
Nota: se G(s) e discretizada usando um ZOH entao G(s) e G(z) possuem a mesma constante de erro. Logo, a constante de erro pode ser obtida
diretamente no plano s.
10
. Usando a conversao ZOH com T = 0.1s
Exemplo: Seja G(s) = (s+2)(s+5)
compare as respostas ao degrau unitario de G(s) e G(z).
10
Y (s) =
(s + 2)(s + 5)
#
A
B
C
1
= +
+
.
s
s
(s + 2) (s + 5)
10
= 1,
A=
(s + 2)(s + 5) s=0
#
1
5
10
=
,
=
s s=2 (2 + 5)(2)
3
2
10
10
C=
= .
=
(s + 2)s
(5 + 2)(5)
3
"
10
B=
(s + 5)
s=5
Logo,
Y (s) =
e entao,
2 1
1 5 1
+
,
s 3 (s + 2) 3 (s + 5)
5
2
y(t) = L [Y (s)] = 1 e2t + e5t u(t).
3
3
1
5
2
y(nT ) = 1 e0.2n + e0.5n u(nT ) = y(n).
3
3
Calculo de GZOH (z).
"
"
G(s)
10
GZOH (z) = (1 z )Z
= (1 z 1 )Z
,
s
(s + 2)(s + 5)s
1
L
Z
"
10
2
5
= 1 e2t + e5t u(t),
(s + 2)(s + 5)s
3
3
z
2
z
z
2
5
5
+
,
55
z
2
z
z
5
+
0.2
z1 3 ze
3 z e0,5
2
z
z
z
5
z1
+
,
=
z
z 1 3 z 0.8187
3 z 0.6065
5 (z 1)
2 (z 1)
GZOH (z) = 1
+
=
3 (z 0.8187) 3 (z 0.6065)
GZOH (z) = (1 z 1 )
0.0398z + 0.0315
2
z 1.4253z + 0.4966
z
z1
Resposta em freq
u
encia
8.1
10
,
s+1
com sua versao discretizada usando um ZOH para diferentes tempos de amostragem.
A resposta em freq
uencia pode ser calculada com o aplicativo Matlab e e
mostrada na Figura 43.
possvel notar que:
E
A diminuicao do intervalo de amostragem T , ou o aumento da freq
uencia
de amostragem, leva `a uma aproximacao do caso contnuo.
A frequencia de banda de passagem do sistema contnuo, ou seja, a
freq
uencia em que a resposta cai em 3dB (ver Figura 44) e 1rad/s.
De acordo com o teorema da amostragem, deve-se adotar pelo menos
o dobro disso, ou seja, 2rad/s. Isso corresponde a um intervalo de
amostragem maximo dado por Tmax = 2/2 = 3.14s.
Prof. Dr. Alberto Luiz Serpa - 2007
56
Bode Diagram
20
Magnitude (dB)
15
10
contnuo
T =1
T = 0.5
T = 0.1
5
0
90
Phase (deg)
180
270
360
450
540
630
0
10
Frequency (rad/sec)
amplitude
3dB
wb
57
Nota-se no diagrama de Bode, que mesmo para um intervalo de amostragem T = 1s, as respostas em freq
uencia sao muito diferentes.
Uma boa aproximacao somente foi conseguida para T = 0.1s, cerca de
30 vezes menor que Tmax .
Neste caso, verifica-se que a resposta em freq
uencia e significativamente
modificada com a discretizacao do tipo ZOH, que deve ser usada com muito
criterio na discretizacao de filtros.
8.2
Warping
n
,
Fs
F
,
Fs
2F n
+ = A cos(2f n + ),
Fs
ou ainda, = 2F e w = 2f . Logo,
w = 2
= 2
=
= T.
Fs
2Fs
Fs
Sejam a freq
uencia no plano s e w a freq
uencia no plano z. Usando a
relacao da transformacao bilinear e as relacoes s = j, z = esT e w = T ,
tem-se
2
j =
T
ejw 1
ejw + 1
w
2 2jsen 2
2
w
= j tan
=
,
w
T 2 cos
T
2
2
58
2
w
= tan
,
T
2
ou tambem
T
.
2
No sentido de trabalhar com freq
uencias equivalentes no tempo contnuo,
e possvel reescrever as equacoes de warping como:
w = 2 tan1
s =
2
z T
tan
T
2
2
s T
.
tan1
T
2
As equacoes anteriores caracterizam as formulas de warping e representam como a transformacao bilinear distorce o eixo de frequencias no processo
de discretizacao.
Seja o sistema contnuo de primeira ordem dado por
z =
H(s) =
s
a
1
,
+1
2
az T
as = tan
T
2
az T
2
2
21
az = tan1
= 1.5707
1
2
Prof. Dr. Alberto Luiz Serpa - 2007
59
2
2 0.5
az =
= 1.8546
tan1
0.5
2
Verifica-se a aproximacao dos sistemas contnuo e discretos com a diminuicao do intervalo de amostragem T . A Figura 45 apresenta as curvas de
amplitudes.
Bode Diagram
0
Magnitude (dB)
10
15
20
contnuo
T =1
T = 0.5
25
30
35
0.5
1.5
2.5
3.5
4.5
Frequency (rad/sec)
8.3
Pre-warping
s
a
1
.
+1
60
s
a
1
,
+1
2
aT
,
tan
T
2
e conhecida como a relacao de pre-warping.
O filtro Hpw (s), ao ser discretizado pela transformacao bilinear, resultara
em um filtro digital com a mesma largura de banda que o filtro analogico
original H(s).
Seja agora o filtro
a
=
H(s) =
k
k
Hpw (s) =
,
s+a
s+a
s
a
k
a
+1
H(s) =
s
a
k
,
+1
s
a
k
.
+1
2 0.5
2
= 2.1852
tan
a
=
0.5
2
Prof. Dr. Alberto Luiz Serpa - 2007
61
e entao,
Hpw (s) =
5
s
2.1852
+1
5
s
2.1852
+ 1
= 1.7665
s= T2
z1
z+1
z+1
.
z 0.2934
10
Magnitude (dB)
10
20
contnuo
T = 0.5
T =1
30
40
50
60
10
Frequency (rad/sec)
62
Caso H(s) nao tivesse sido colocada na forma preparada, ter-se-ia que
Hpw (s) =
10
=
s + 2.1852
10
2.1852
s
+
2.1852
8.4
Frequ
encia crtica de pre-warping
z1
,
z+1
c T
2
e conseq
uentemnete e possvel obter o seguinte valor para k:
k=
c
tan
c T
2
.
63
s2 + 0.2s + 100
.
s2 + 10s + 100
10
tan
100.1
2
= 18.305,
e conseq
uentemente determina-se do filtro discretizado como
H(z) = H(s)|s=18.305 z1 =
z+1
Projeto no plano z
9.1
Controle PID - M
etodo Ziegler-Nichols
sabido que:
E
o efeito integral aumenta o tipo do sistema, o que reduz o erro estacionario;
64
Bode Diagram
0
Magnitude (dB)
10
15
20
contnuo
pre-warping
sem pre-warping
25
30
35
10
11
12
13
14
Frequency (rad/sec)
65
z1
zT
+ ki
,
zT
z1
kp
kp wm
,
, ki =
4wm
kd =
10
.
s(s + 2)
0.2663z + 0.2255
.
1.607z + 0.6065
z2
z1 = 0.5569 + 0.8448j.
66
Root Locus
2
1.5
km
Imaginary Axis
0.5
0.5
1.5
2
3
2.5
1.5
0.5
0.5
Real Axis
67
kd = 0.2206,
ki = 1.3965.
A malha aberta e
G(z) = K(z)P (z) =
e a malha fechada e
T (z) =
1.8
1.6
1.4
Amplitude
1.2
0.8
0.6
0.4
0.2
Time (sec)
Figura 49: Resposta ao degrau da malha fechada, projeto PID por ZieglerNichols.
Um codigo em Matlab para este projeto e
Prof. Dr. Alberto Luiz Serpa - 2007
68
9.2
K(z)
P (z)
69
kp + kd
z1
zT
P (z) = 1.
+ ki
zT
z1
z1 1
1
z1 T
=
ki
,
z1 T
P (z1 )
z1 1
(2)
z1 1
,
z1 T
b
,
s1 = wn + jwn 1 2 = 1 + j.
A localizacao deste polo no plano z e
z1 = es1 T = e(1+j)0.25 = e0.25 e0.25j = 0.7788e0.25j .
Verifica-se, com o auxlio da Figura 51, que
ej = cos + jsen,
Prof. Dr. Alberto Luiz Serpa - 2007
70
Im
Re
0.2663z + 0.2255
.
1.607z + 0.6065
z2
= 0.9764,
= 1.2707,
e consequentemente
kp = 0.9531,
kd = 0.4074.
A malha aberta e
0.1886z 3 0.1208z 2 0.129z + 0.09188
,
G(z) = K(z)P (z) =
0.25z 4 0.6516z 3 + 0.5533z 2 0.1516z
e a malha fechada e
T (z) =
71
Root Locus
1.5
Imaginary Axis
0.5
0.5
1.5
2.5
1.5
0.5
0.5
1.5
Real Axis
72
Step Response
1.8
1.6
1.4
Amplitude
1.2
0.8
0.6
0.4
0.2
Time (sec)
73
74
9.3
Compensac
ao avanco-atraso - projeto analtico
z+a
.
z+b
(a+1)(z+a)
(a+1)
kc (b+1)(z+b)
(b+1)
(a + 1)
= kc
(b + 1)
z1
a+1
z1
b+1
(a + 1)
K(z) = kc
(b + 1)
z1+a+1 !
a+1
,
z1+b+1
b+1
+1
.
+1
Definindo z = z 1, v = a + 1, w = b + 1, k = kc wv tem-se
K(z) = k
z
v
z
w
+1
.
+1
z1
v
z1
w
z1
v
z1
w
+1
P (z1 ) = 1,
+1
+1
1
=
.
+1
kP (z1 )
z1
z1
1
+1=
+1
,
v
w
kP (z1 )
z1
1
z1
=
+1
1,
v
w
kP (z1 )
z1
1
1
1
=
+1
,
v
w
kP (z1 )z1 z1
Prof. Dr. Alberto Luiz Serpa - 2007
75
1
w1
1
1
1+
=
.
v
kP (z1 ) z1
kP (z1 )
(3)
"
"
1
1
w1
1+
Im
Im(v 1 ) = 0 Im
z1
kP (z1 )
kP (z1 )
ou ainda,
"
"
1
1
1
1+
w Im
= Im
z1
kP (z1 )
kP (z1 )
1
w1 =
Im
1
z1
Im
1
(z1 )
z1 kP
1
(z1 )
kP
!#
!#
= 0,
E(s)
K(s)
P (s)
Y (s)
R(s)
.
1 + K(s)P (s)
76
s0
1
R(s)
s2
=
lim s
= lim s
400
s0
s0
1 + K(s)G(s)
1 + k s(s2 +30s+200)
"
1
s(s2 + 30s + 200)
1
1
200
= lim
= lim s(s2 +30s+200)+k400
= 0.2,
=
s0 s
s0 s s(s + 30s + 200) + k400
k400
2
s(s +30s+200)
e conseq
uentemente,
200
= 2.5
400 0.2
Nota: no calculo anterior considerou-se que o erro estacionario sera compensado exclusivamente pelo ganho proporcional do controlador do tipo
k =
K(s) = k
s+1
,
s1
w = 0.9561,
v = 0.2390.
O controlador e
10z 7.609
.
z 0.04389
As caractersticas dos polos sao mostradas na Tabela 3.
O grafico do lugar das razes e mostrado na Figura 55, e as respostas ao
degrau e `a rampa nas Figuras 56 e 57.
Observa-se que se trata de uma resposta tpica de sistema de segunda
ordem, pois o par complexo de polos nao e dominante.
Um codigo Matlab para este projeto e apresentado a seguir.
K(z) =
77
Root Locus
4
Imaginary Axis
4
7
Real Axis
78
Step Response
1
0.9
0.8
0.7
Amplitude
0.6
0.5
0.4
0.3
0.2
0.1
0.5
1.5
Time (sec)
79
4.5
3.5
Amplitude
2.5
1.5
0.5
0.5
1.5
2.5
3.5
4.5
Time (sec)
80
81
10
Transformada w
2
w=
T
z1
z+1
ou
z=
1 + w2T
.
1 w2T
0.393
.
z 0.607
82
wT =
z= w2T
1 2
1+
0.393
=
0.607
1+0.25w
10.25w
0.393 0.098w
0.393(1 0.25w)
=
.
1 + 0.25w 0.607(1 0.25w)
0.393 + 0.402w
10
Exemplo: Determinar os diagramas de Bode para P (s) = s+5
e para os
sistemas em w com T1 = 0.05s, T2 = 0.1s e T3 = 0.5s.
Para T1 = 0.05s obtem-se atraves da transformacao ZOH que
P (z) =
0.4424
.
z 0.7788
0.2487w + 9.948
.
w + 4.974
83
Bode Diagram
10
5
Magnitude (dB)
0
5
contnuo
0.05s
0.1s
0.5s
10
15
20
25
0
Phase (deg)
45
90
135
180
1
10
10
10
10
Frequency (rad/sec)
84
2
w=
T
z1
2
=
z+1
T
esT 1
,
esT + 1
com w e s complexos.
A resposta em frequencia no plano s considera s = jw. A resposta em
frequencia no plano w sera, analogamente, w = j. Assim, pode-se escrever
que
!
2
2
ejwT 1
wT
j =
= j tan
,
T
ejwT + 1
T
2
ou ainda,
wT
2
,
= tan
T
2
que representa a relacao entre a freq
uencia no w no plano s e a freq
uencia
no plano w.
10.1
Seja uma planta P (s) a ser controlada por um controlador K(s) em realimentacao unitaria.
A equacao do lugar das razes estabelece que
1 + K(s)P (s) = 0 K(s)P (s) = 1.
Para uma frequencia especfica de cruzamento de ganho wcg , deseja-se
uma margem de fase P M , ou seja,
= + P M.
Prof. Dr. Alberto Luiz Serpa - 2007
85
z s + 1
,
p s + 1
Para a freq
uencia de cruzamento de ganho, e possvel escrever que
!
jwcg z + 1
MP ejP = 1ej(+P M ) ,
jwcg p + 1
K(jwcg )P (jwcg ) = kc
1 + kc MP cos(P M P )
,
wcg kc MP sen(P M P )
p =
cos(P M P ) + kc MP
.
wcg sen(P M P )
s(s2
400
,
+ 30s + 200)
1
= 0.2 kv = 5,
kv
86
z s + 1
.
p s + 1
!"
400
=
2
s(s + 30s + 200)
400
= 5,
200
e conseq
uentemente kc = 2.5. Nota-se que toda a contribuicao do controlador
no erro estacionario sera dada por kc .
Uma estimativa para a margem de fase desejada e
= kc
P M 100 = 50 = 0.8727rad,
e para a freq
uencia de cruzamento de ganho tem-se
wcg wn = 14rad/s.
A frequencia de cruzamento de ganho corrigida para evitar warping sera
wcg T
2
cg = tan
T
2
2
14 0.05
=
= 14.6
tan
0.05
2
P = 2.8004,
87
z = 0.4132,
1.033w + 2.5
.
0.01337w + 1
28.55z 25.3
.
z + 0.3033
A malha fechada e
T (z) =
cujas caractersticas dos polos estao mostradas na Tabela 4, de onde se verifica que os polos complexos nao sao dominantes.
Tabela 4: Caractersticas dos polos de malha de fechada.
polo
amplitude amortecimento freq
uencia (rad/s)
9.13E-01
9.13E-01
1.00E+00
1.81E+00
4.23E-01 + 6.42E-01j 7.69E-01
2.57E-01
2.05E+01
4.23E-01 - 6.42E-01j
7.69E-01
2.57E-01
2.05E+01
-2.54E-01
2.54E-01
4.00E-01
6.85E+01
O diagrama de Bode da malha aberta e mostrado na Figura 59. Verificase que margem de fase desejada foi obtida.
As respostas ao degrau e `a rampa estao mostradas nas Figuras 60 e 61.
Um codigo Matlab para este projeto e apresentado a seguir.
clear all; close all; clc;
ts=0.05;
s=tf(s);
ps=400/(s*(s^2+30*s+200));
pz=c2d(ps,ts)
pw=d2c(pz,tustin)
kc=2.5;
wcg=14.6;
pm=50*pi/180
Prof. Dr. Alberto Luiz Serpa - 2007
88
Bode Diagram
Gm = 6.08 dB (at 24.6 rad/sec) , Pm = 50 deg (at 14 rad/sec)
40
Magnitude (dB)
30
20
10
10
20
180
Phase (deg)
90
270
360
1
10
10
10
10
Frequency (rad/sec)
89
Step Response
1.4
1.2
Amplitude
0.8
0.6
0.4
0.2
0.5
1.5
2.5
Time (sec)
90
4.5
3.5
Amplitude
2.5
1.5
0.5
0.5
1.5
2.5
3.5
4.5
Time (sec)
91
11
Um modelo de estado discreto, de uma entrada e uma sada, pode ser escrito
na forma
x(n + 1) = Ax(n) + Bu(n),
y(n) = Cx(n) + Du(n).
Aplicando a transformada Z com condicoes iniciais nulas tem-se que
zX(z) = AX(z) + BU (z),
Y (z) = CX(z) + DU (z),
e reorganizando estas equacoes e possvel obter a funcao de tranferencia correspondente, ou seja,
(zI A)X(z) = BU (z) X(z) = (zI A)1 BU (z),
e portanto,
h
11.1
Transformac
ao pelo m
etodo do degrau invariante
X
Ak tk
1
1
,
eAt = I + At + A2 t2 + . . . + Ak tk + . . . =
2!
k!
k=0 k!
92
(n+1)T
(n+1)T
eA Bu( )d.
(4)
nT
eA Bu( )d.
Multiplicando esta u
ltima equacao por eAT tem-se
Z
nT
eA Bu( )d.
(5)
(n+1)T
(n+1)T
nT
nT
eA Bu( )d,
eA Bu( )d,
eA Bu(nT )d =
eA(T ) Bu(nT )d =
eA Bu(nT )(d) =
eA Bu(nT )d,
93
e consequentemente
x((n + 1)T ) = eAT x(nT ) +
eA Bu(nT )d.
Definindo
G(T ) = eAT
H(T ) =
eA d B,
escreve-se que
x((n + 1)T ) = G(T )x(nT ) + H(T )u(nT ),
que representa a equacao de estado do sistema discretizado.
A equacao de sada do sistema contnuo e:
y = Cx(t) + Du(t),
e a correspondente discreta e
y(nT ) = Cx(nT ) + Du(nT ).
Em resumo pode-se escrever:
Para o sistema contnuo
x = Ax + Bu,
y = Cx + Du.
Para o sistema discretizado com ZOH
x(n + 1) = Gx(n) + Hu(n),
y(n)
= Cx(n) + Du(n),
R
com G = eAT e H = 0T eA d B.
Notas:
Verifica-se que
H=
T
eA d B = A1 eA B = A1 (eAT I)B = A1 (GI)B,
0
94
1
Exemplo: para P (s) = s+a
obter o modelo de estado discreto usando
ZOH.
A equacao diferencial correspondente pode ser determinada como
Y (s) =
1
U (s) (s + a)Y (s) = U (s) y(t)
+ ay(t) = u(t).
s+a
x = ax + u.
y = x,
eA d B =
d 1 =
T
1 eaT
1
ea =
.
0
(a)
a
x(n + 1) = e
1 eaT
x(n) +
a
u(n),
y(n) = x(n).
A funcao de transferencia sera, portanto,
1
aT 1
1 eaT
a
+0=
1 eaT
(1 eaT )z 1
=
.
a(z eaT )
a(1 eaT z 1 )
1
.
s(s + 2)
95
Sejam os estados x1 = y e x2 = x 1 = y.
Logo, x 2 + 2x2 = u, e o modelo
contnuo de estados e
)
) (
#(
)
"
(
0
x1
0 1
x 1
u,
+
=
1
x2
0 2
x 2
y = [1
0].
x1
x2
s 0
0 s
"
"
#!1
0 1
0 2
"
1
1
1
s+2 1
=
= s (s+2)s
1
0
s
0 s+2
s(s + 2)
Logo, fazendo a transformada inversa tem-se
"
"
s 1
0 s+2
= (s).
1
(1
2
e2t )
e2t .
1
0
#1
(T ) = eAT =
1
(1
2
1
0
e2T )
e2T
= G.
"
T
0
"
1
2
1
0
1
(1
2
2t
e
e2t
T + 12 e2T
12 e2T + 12
)
1
2
!"
dt
#"
"
1
2
0
1
0
1
#
"
T
0
1
2
t
0
1
2
#
e2t
(2)
e2t
(2)
T "
#
0
=
1
0
#"
#
T + e 2 1
1
(1 e2T )
2
2T
0
1
#
u(n),
T + e 2 1
=
.
1
2T
(1
e
)
2
Portanto, o modelo de estado discretizado e
(
x1 (n + 1)
x2 (n + 1)
"
1
0
1
(1
2
e2T )
e2T
y(n) = [1
2T
#(
0]
"
x1 (n)
x2 (n)
x1 (n)
x2 (n)
(
1
2
T + e 2 1
1
(1 e2T )
2
2T
96
12
Diagrama de blocos
Uma representacao dos sistemas discretos pode ser feita atraves de diagramas
de blocos de forma similar ao caso dos sistemas contnuos. No caso discreto,
o atraso unitario e o elemento fundamental conforme representado na Figura
62.
en
en1
z 1
atraso
E(z)
z 1 E(z)
z+1
.
z1
en
z 1
en1
T
2
un
b
un1
U (z)
E(z)
T
2
z 1
z+1
z1
b=
T
(en1 + en ),
2
e ainda
T
(en1 + en ) + un1 ,
2
T
un un1 = (en1 + en ).
2
Aplicando a transformada Z tem-se
un = b + un1 =
(1 z 1 )U (z) =
Prof. Dr. Alberto Luiz Serpa - 2007
T
(1 + z 1 )E(z),
2
97
T
U (z) =
2
T
1 + z 1
E(z) =
1
1z
2
N (z)
,
D(z)
z+1
E(z).
z1
N (z)
U (z) = N (z)F (z),
D(z)
U (z)
D(z)F (z) = U (z).
D(z)
bo z 3 + b1 z 2 + b2 z + b3
U (z),
z 3 + a1 z 2 + a2 z + a3
onde
N (z) = bo z 3 + b1 z 2 + b2 z + b3
D(z) = z 3 + a1 z 2 + a2 z + a3 .
98
u(n)
f (n + 3)
f (n + 2)
z 1
z 1
f (n + 1)
z 1
f (n)
a1
a2
a3
Figura 64: Diagrama de blocos relacionado ao denominador.
bo
b1
b2
u(n)
f (n + 3)
z 1
f (n + 2)
x1
z 1
f (n + 1)
x2
z 1
f (n)
x3
y(n)
b3
a1
a2
a3
99
x1 (n + 1)
a1 a2 a3
1
x1 (n)
0
0
x2 (n + 1) =
x2 (n) +
1
0 u(n),
0
1
0
x3 (n + 1)
0
x3 (n)
|
{z
| {z }
ou ainda,
y(n) = (b1 a1 bo )x1 (n) + (b2 a2 bo )x2 (n) + (b3 a3 bo )x3 (n) + bo u(n),
y(n) = [(b1 a1 bo )
|
(b2 a2 bo )
{z
C
Portanto, o modelo de estado e
x1 (n)
13
Realimenta
c
ao de estados
100
H=
eA d B.
k2
...
kk ]
x1 (n)
x2 (n)
..
.
xk (n)
= Kx(n),
"
1 T
0 1
H=
"
T2
2
T = 0.1s.
101
"
1 0
0 1
"
1 T
0 1
"
"
T2
2
k2 ] = z 2 1.6z + 0.70,
[k1
e portanto,
det
= det
"
"
z 0
0 z
z 1 + k1 T2
k1 T
1 T
0 1
"
2
T + k2 T2
z 1 k2 T
k1 T2
k1 T
#
k2 T2
k2 T
#!
= z 2 1.6z + 0.70,
cuja solucao permite obter os valores dos elementos do vetor de ganhos, i.e.,
k1 =
13.1
0.10
= 10
T2
k2 =
0.35
= 3.5
T
Controlabilidade e f
ormula de Ackermann
GH
G2 H . . . Gk1 H] = M
14
102
103
14.1
"
1 T
0 1
H=
"
T2
2
C = [1
0]
T = 0.1s
det
l2
0 1
0 z
Prof. Dr. Alberto Luiz Serpa - 2007
104
Resolvendo esta u
ltima equacao determina-se que l1 = 1.2 e l2 = 5.2.
Portanto, as equacoes do observador a serem implementadas sao:
(
"
1.2
5.2
x1 (n + 1)
x2 (n + 1)
y(n) [1
"
0]
1 0.1
0 1
x1 (n)
x2 (n)
#(
)!
x1 (n)
x2 (n)
+
"
0.005
0.1
u(n),
14.2
Observabilidade
O sistema de ordem k
x(n + 1) = Gx(n) + Hu(n),
y(n) = Cx(n),
e completamente observavel se e somente se a matriz de observabilidade
O = [C CG CG2
...
CGk1 ]t
L = (G)O ..
.
1
105
u(n)
x(n)
y(n)
(n) x(n + 1) = G
x
x(n) + Hu(n)
+L(y(n) C
x(n))
controlador
Figura 66: Esquema de sistema com observador.
14.3
x(n + 1)
e(n + 1)
"
G HK HK
0
G LC
#(
x(n)
e(n)
106
15
15.1
Controle
otimo
Introduc
ao
tf
g(x, u, t)dt,
to
tf
tf
J(u) =
to
e2 (t)dt.
J(u) =
tf
J(u) =
tf
to
to
to
|e(t)|dt.
(t to )e2 (t)dt.
(t to )|e(t)|dt.
107
Mnimo combustvel :
J(u) =
tf
J(u) =
tf
Mnimo tempo:
u2 (t)dt.
to
|u(t)|dt.
to
J(u) =
tf
to
dt.
tf
to
(xt Qx + u2 )dt.
A escolha do criterio de otimizacao (da funcao objetivo) e papel do projetista do sistema de controle em funcao dos requisitos desejados, e o resultado
obtido sera uma funcao desta escolha.
15.2
Otimizac
ao de par
ametros
tf
to
(xt Qx + u2 )dt,
tf
to
(xt Qx + xt Kt Kx)dt =
tf
to
xt (Q + Kt K)xdt.
108
replacemen
Controle discreto e introducao ao controle otimo e robusto
e +
1
s+1
x2 = y
1
s
x1 = y
kt
(e2 + u2 )dt,
1
X2 (s)
1
s+1
=
,
1 =
E(s)
s + 1 + kt
1 + kt s+1
1
Y (s)
1
s(s+1+kt )
= 2
=
,
1
R(s)
s + (1 + kt )s + 1
1 + s(s+1+kt )
que corresponde a um sistema de segunda ordem em que wn = 1 e 2wn =
1 + kt . Verifica-se que:
Para o caso sub-amortecido, 0 < < 1, tem-se que 1 < kt < 1.
Para o caso super-amortecido tem-se kt > 1.
Para a instabilidade tem-se kt < 1.
Prof. Dr. Alberto Luiz Serpa - 2007
109
et
sen(wd t + ),
1 2
y(t)
= x2 (t) =
et
sen(wd t).
1 2
"
"
#2
et
sen(wd t + )
1 2
#2
et
et
+
sen(w
t
+
)
k
sen(w
t)
dt.
d
t
d
1 2
1 2
1 + 2 + (kt + 1)2
.
2(kt + 1)
15.3
Condi
c
oes de otimalidade
min
f (x)
sujeito a g(x) 0
110
minimiza L(x, )
1. x
t g(
2.
x) = 0
0
3.
4. g(x) 0
Da condicao primeira condicao tem-se que
t g(
t g(x).
f (
x) +
x) f (x) +
Usando a segunda condicao, o resultado anterior torna-se
t g(x) f (
t g(x)
f (
x) f (x) +
x) f (x)
Combinando a terceira e a quarta condicoes verifica-se que
t g(x) 0,
e consequentemente
f (
x) f (x),
e um ponto de otimo global do problema (P ).
provando-se que x
15.4
Equac
oes de Euler Lagrange
tf
to
g(y, y,
t)dt,
onde y(t) e uma funcao contnua no intervalo [to , tf ], y (t) e a solucao otima
e (t) e uma variacao arbitraria em torno do otimo conforme ilustrado na
Figura 68.
Para > 0 pequeno, e possvel escrever que
y(t) = y (t) + (t).
Prof. Dr. Alberto Luiz Serpa - 2007
111
y(t)
y(t)
y (t)
to
tf
(t)
Figura 68: Representacao da variacao das funcoes nas equacoes de EulerLagrange.
Considerando que para esta aproximacao as condicoes de contorno devem
ser satisfeitas, tem-se que
y (to ) = y(to ),
tf
to
g(y + , y + ,
t)dt,
Z tf
Z tf
dJ
d
=
(g(y, y,
t))dt =
d
to d
to
tf
to
g y g y
+
dt =
y y
!
g
g
+
dt.
y
y
d
g
=
y
dt
g
g
,
+
y
y
e conseq
uentemente escreve-se que
"
Z tf
d
g
dJ
=
+
d
y
dt
to
d
g
y
dt
! #
g
dt =
y
112
Veriifca-se que
! #
"
g f Z tf g
d
=
+
y to
y
dt
to
g
dt.
y
g f
= 0,
y to
"
Z tf
dJ
d
g
=
d
y dt
to
g
y
!#
dt
= 0.
e a condicao de mnimo estabelece que dJ
d
Para que y(t) y (t) entao 0. Como (t) deve ser arbitrario, para
que dJ
= 0, entao
d
!#
"
d g
g
= 0,
y dt y y=y
que representa e equacao de Euler-Lagrange.
No caso de um problema de varias variaveis, y deixa de ser uma funcao
escalar, e e possvel generalizar para o vetor y como
"
15.5
g
d
y dt
g
y
!#
=0
y=y
Condi
c
oes de otimalidade e Euler-Lagrange
J(u) =
g(x, u, t)dt,
J (u) =
tf
to
L(x, , u, t)dt.
113
L
x
L
,
=
x
d
dt
L
=
d
dt
L
u
L
.
u
g
f
=
+
,
x
x
0 = f x x = f
!t
g
f
0=
+
,
u
u
equacoes estas que podem ser usadas para a determinacao da solucao otima.
Exemplo: Seja o sistema dado por
x = 3x + 4u,
x(0) = xo ,
x() = 0.
(x2 + u2 )dt
seja miminizado.
A funcao lagrangiana correspondente e
2
+{z4u x}).
L(x, , u, t) = x
+ u2 +(3x
| {z }
|
g
(f x)
f
= 3,
x
g
= 2u,
u
f
= 4.
u
114
e entao,
"
3 8
2 3
#(
cuja solucao e
(
x(t)
(t)
4 5t
e
5
+ 15 e5t
4 5t
e
5
54 e5t
1 5t
e
5
51 e5t
1 5t
e
5
+ 45 e5t
x0
0
4 5t 1 5t
4 5t 4 5t
x(t) =
e + e x0 +
e e 0 .
5
5
5
5
Para t + deseja-se que x(t) 0 e assim escreve-se que
1
4
4
1
0 = e5t x0 e5t 0 =
x0 0 e5t ,
5
5
5
5
4
1
1
0 = x0 0 0 = x0 .
5
5
4
Conseq
uentemente, e possvel escrever que
1
(t) = e5t 0 = e5t x0 ,
4
x(t) = e5t x0 ,
1
u(t) = 2(t) = e5t x0 ,
2
e entao a lei de controle otimo sera
1
u(t) = x(t).
2
Esta solucao pode ser representada em um diagrama de blocos conforme
mostrado na Figura 69.
Considere agora a lei de controle de realimentacao de estados u = kx.
Logo,
Z
Z
J(u) =
(x2 + k 2 x2 )dt =
(1 + k 2 )x2 dt,
0
(1 + k 2 )e2(3+4k)t x20 dt =
115
u(t) = 12 x0 e5t
1
s
u(x)
1
s
3
12
k
Figura 69: Representacao do sistema e lei de controle otimo.
116
Para k <
3
4
x2 (1 + k 2 ) 2(3+4k)t
e
.
= 0
2(3 + 4k)
0
x20 (1 + k 2 )
x2
= 0 (1 + k 2 )(3 4k)1 ,
2(3 4k)
2
i
dJ
x2 h
= 0 2k(3 4k)1 + (1 + k 2 )(1)(3 4k)2 (4) =
dk
2
"
"
#
#
2k
x0 2k(3 4k) + 4(1 + k 2 )
4(1 + k 2 )
x0
=
= 0,
+
=
2 3 4k (3 4k)2
2
(3 4k)2
e entao,
1
6k 8k 2 + 4 + 4k 2 = 0 4k 2 + 6k + 4 = 0 k1 = 2 e k2 = ,
2
e determina-se, escolhendo a situacao de estabilidade, que o ganho otimo e
1
k = k2 = .
2
15.6
tf
to
(xt Qx + u2 )dt,
f = Ax + Bu x,
e entao tem-se
da primeira equacao:
= 2Qx + At = 2Qx At .
Prof. Dr. Alberto Luiz Serpa - 2007
117
da terceira equacao:
2u + Bt = 0 u =
1 t
B .
2
e da segunda equacao:
x = Ax + Bu = Ax
1
BBt .
2
+ 2Px = 2Qx At ,
= 2Px
+ 2P(Ax 1 BBt ) + 2Qx + At = 0,
2Px
2
#
"
P = 0. Neste caso,
1
Q + At P + PA PBBt P = 0.
Note que
u=
1 t
1
B (2Px) = Bt Px.
2
1Z 2
(5x1 + 5x22 + u2 )dt.
2 0
118
"
0
1
2 3
e B=
"
0
1
[x1 x2 ]
"
2.5 0
0 2.5
#(
x1
x2
Z
1 2
+ u dt =
(xt Qx + u2 )dt,
2
0
"
2.5 0
0 2.5
1
e = .
2
"
"
2.5 0
0 2.5
0.5
"
"
0 2
1 3
p11 p12
p12 p22
#"
#"
0
1
p11 p12
p12 p22
#
[0
1]
"
"
p11 p12
p12 p22
p11 p12
p12 p22
#"
"
0
1
2 3
0 0
0 0
"
,
0 0
0 0
"
3 0.5
0.5 0.5
1
u = [0 1]
0.5
"
3 0.5
0.5 0.5
#(
x1
x2
e finalmente
u = x1 x2 .
119
15.7
Controle
otimo multivari
avel
(xt Qx + ut Ru)dt,
"
0
1
4 4
B=
"
1 0
0 1
.
120
x=
x1
x2
u=
u1
u2
"
(xt Qx + ut Ru)dt,
2 1
1 36
R=
"
1 0
0 1
A equacao de Riccati e
"
2 1
1 36
"
p11 p12
p12 p22
"
#"
Q + At P + PA PBR1 Bt P = 0,
0
1
4 4
#t "
1 0
0 1
1 0
0 1
#"
p11 p12
p12 p22
cuja solucao e
P=
#1 "
"
"
1 0
0 1
3 1
1 3
p11 p12
p12 p22
#"
#"
p11 p12
p12 p22
0
1
4 4
=
"
0 0
0 0
Conseq
uentemente, a lei de controle otimo sera
u=
"
u = R1 Bt Px,
1 0
0 1
u=
#1 "
u1
u2
1 0
0 1
#"
3 1
1 3
3x1 + x2
x1 + 3x2
#(
)
x1
x2
B = BR1 Bt .
121
15.7.1
Matriz hamiltoniana
J(u) =
(x Qx + ut Ru)dt,
2 0
e R = 1R
onde Q = 21 Q
2
Uma funcao correspondente `a funcao lagrangiana e a funcao hamiltoniana
definida como
1
+ ut Ru)
+ t (Ax + Bu x).
H(x, , t) = (xt Qx
2
As condicoes de Euler-Lagrange podem ser aplicadas `a funcao hamiltoniana, ou seja,
d
dt
H
x
H
,
=
x
d
dt
H
=
d
dt
H
u
H
.
u
"
|
Bt
A BR
Q
At
{z
#(
=H
Bt P
e a matriz de ganhos do controlador.
onde K = R
Escreve-se tambem que
+ P
x = Qx
At Px,
= Px
Prof. Dr. Alberto Luiz Serpa - 2007
122
+ P(Ax
1 Bt Px)
= Qx
At Px,
Px
BR
= Qx
+ At Px
+ P(A
1 Bt P)x,
Px
BR
= At P
+ PA
PB
R
1 Bt P
+ Q,
16
Introduc
ao ao controle robusto
123
16.1
Caso SISO
E(s):
sinal de erro entre a referencia e a sada medida;
U (s): sinal de controle;
D(s): entrada de dist
urbio;
Y (s): sinal de sada;
N (s): rudo de medicao;
K(s): funcao de transferencia do controlador;
G(s): funcao de transferencia da planta;
K(s)G(s): funcao de transferencia de malha aberta;
J(s) = 1 + K(s)G(s) : funcao de transferencia diferenca de retorno;
S(s) =
1
J(s)
1
:
1+K(s)G(s)
K(s)G(s)
: funcao de transferencia de malha fechada (ou sensi T (s) = 1+K(s)G(s)
bilidade complementar).
Verifica-se que
S(s) + T (s) = 1.
Do diagrama de blocos e possvel escrever para a sada que
Y (s) = D(s) + K(s)G(s)(R(s) Y (s) N (s)),
Y (s)(1 + K(s)G(s)) = D(s) + K(s)G(s)R(s) K(s)G(s)N (s),
Y (s) =
K(s)G(s)
1
K(s)G(s)
R(s) +
D(s)
N (s),
1 + K(s)G(s)
1 + K(s)G(s)
1 + K(s)G(s)
124
D(s)
E(s)
R(s)
K(s)
U (s)
G(s)
Y (s)
N (s)
E(s) =
1
K(s)G(s)
1
R(s)
D(s) +
N (s).
1 + K(s)G(s)
1 + K(s)G(s)
1 + K(s)G(s)
U (s) = K(s)E(s)
= K(s)(R(s) N (s) Y (s)),
e substituindo Y (s) tem-se que
U (s) =
K(s)
(R(s) D(s) N (s)),
1 + K(s)G(s)
ou ainda
U (s) = K(s)S(s)(R(s) D(s) N (s)).
As principais caractersticas requeridas deste sistema sao descritas a seguir.
125
Acompanhamento do sinal de referencia. Considerando apenas a contribuicao de R(s) para E(s) verifica-se que para S(s) pequeno o erro
sera pequeno. Isso e equivalente a ter K(s)G(s) grande.
Rejeicao de dist
urbios. Para a rejeicao de dist
urbios a funcao de sensibilidade S(s) deve ser pequena, e novamente K(s)G(s) deve ser grande.
Rejeicao de rudos de medicao. Para a rejeicao de rudos de medicao
a funcao de sensibilidade complementar T (s) deve ser pequena, e conseq
uentemente K(s)G(s) deve ser pequeno.
Insensibilidade a variacoes na planta. Seja uma variacao na sada da
planta Y causada por uma variacao na planta G. Uma medida da
sensibilidade da sada devido `a variacao da planta e dada por
SGY =
Y
Y
G
G
ou ainda,
SGY =
G Y
,
Y G
G Y
.
Y G
K(s)G(s)
R(s),
1 + K(s)G(s)
escreve-se que
SGY
"
G
K 2 (s)G(s)
K(s)
=
.
Y 1 + K(s)G(s) (1 + K(s)G(s))2
Para que a sensibilidade de Y com relacao a G, SGY , seja pequena devese ter K(s)G(s) grande.
Esforco de controle limitado. Para que o esforco de controle U (s) seja
limitado deve-se limitar K(s)S(s).
Se K(s)G(s) for grande tem-se
K(s)S(s) =
1
K(s)
,
1 + K(s)G(s)
G(s)
e para freq
uencias altas sabe-se que para os sistemas fsicos |G(s)|
0, de forma que o esforco de controle seria muito alto. Logo, para
um esforco de controle limitado, K(s)G(s) deve ser pequeno em altas
freq
uencias.
Prof. Dr. Alberto Luiz Serpa - 2007
126
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
GK
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
Figura 71: Forma desejada do diagrama de Bode para atender aos requisitos.
A Figura 72 apresenta as formas desejadas para as funcoes de sensibilidade
e de sensibilidade complementar para atender aos requisitos basicos.
16.2
Resposta em frequ
encia multivari
avel
127
dB
0dB
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
xxxxxxxxxxx
w
|S|
dB
0dB
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxx
|T |
128
||x|| = x x.
A norma espectral da matriz G induzida pela norma euclidiana e
||G|| = max ||Gx||.
||x||=1
Uma interpretacao da norma de uma matriz e mostrada na Figura 73.
y = Gx
x2
y2
y
||G||
1
x1
y1
||x|| = 1
Figura 73: Interpretacao da norma de uma matriz.
Demonstra-se que
||G|| =
max (G G),
i (G G) ; i = 1, 2, . . . , m,
129
min (G)
x2
y = Gx
y2
max (G)
1
x1
y1
e portanto
min ||Gx|| >> 1.
||x||=1
Conseq
uentemente, min (G) >> 1. Logo,
G grande min (G) >> 1.
Uma matriz e pequena quando ela produz uma grande atenuacao para
todas as direcoes dos vetores sobre os quais ela opera conforme ilustrado na
Figura 75.
Consequentemente,
G pequena max (G) << 1.
Os diagramas de Bode para sistemas multivariaveis consistem nos graficos
de max (G(jw)) e min (G(jw)) em funcao da frequencia w conforme ilustrado
na Figura 76.
ejwt e ||
Seja uma entrada u(t) = u
u|| = 1, sem perda de generalidade,
pois a resposta depende linearmente da entrada (sistema linear). A resposta
ejwt , onde y
= G(jw)
de regime e y(t) = y
u.
Prof. Dr. Alberto Luiz Serpa - 2007
130
x2
y = Gx
y2
min
max
1
x1
y1
dB
max (G(jw))
min (G(jw))
Figura 76: Resposta em freq
uencia multivariavel atraves de valores singulares.
131
132
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxx
min (GK)
Figura 77: Forma desejada da resposta em freq
uencia multivariavel.
16.3
Modelagem da incerteza
133
G(s)
= G(s) + a (s),
onde G(s) e a planta nominal e a (s) e a incerteza aditiva. Uma
representacao de sistema com incerteza aditiva esta na Figura 78.
a (s)
G(s)
10(s + 1)
.
s2 (s + 5)
134
m (s)
G(s)
G(s)
.
s2 + 2(0.05)(10)s + 102 122
deve considerar tambem o modo flexvel. Logo,
A planta real G
s2 + 2(0.1)(12)s + 122
102
10(s + 1)
.
G(s)
= 2
s (s + 5) s + 2(0.05)(10)s + 102 122
A incerteza aditiva pode ser determinada como
a (s) = G(s)
G(s) =
G(s)
G(s)
0.3056s2 + 0.6667s
=
.
G(s)
s2 + s + 100
135
16.4
Estabilidade robusta
G(s)
Y (s)
K(s)
136
= K(i + o),
137
m
i
GK
i = M i.
1 + GK
Portanto,
GK
.
1 + GK
Pelo teorema do ganho pequeno, se m e M sao estaveis, entao a malha
fechada sera robustamente estavel se
M=
1
,
|M |
1
1
|
|
<
.
m
|GK(1 + GK)1 |
|T |
1 + (GK)1 = 1 +
1
1 + GK
=
= T 1 ,
GK
GK
ou
|T | < 1,
138
1
,
maxw |T (jw)|
1
.
max (T(jw))
139
a
o
i
G
140
K
i = M i,
1 + GK
K
.
1 + GK
1
,
|M |
1
1
|a | <
.
1
|K(1 + GK) |
|KS|
ou |KS| < 1.
1
,
maxw |K(jw)S(jw)|
|a | < ASM.
1
.
max (K(jw)S(jw))
10(s + 1)
,
s2 (s + 5)
G(s)
= 2
2
.
s (s + 5) s + 2(0.05)(10)s + 102 122
As incertezas multiplicativa e aditiva correspondentes sao
a (s) = G(s)
G(s) =
Prof. Dr. Alberto Luiz Serpa - 2007
Root Locus
5
4
3
Imaginary Axis
2
1
0
1
2
3
4
5
5
Real Axis
Root Locus
25
20
15
Imaginary Axis
10
5
0
5
10
15
20
25
5
1
Real Axis
142
m (s) =
G(s)
G(s)
0.3056s2 + 0.6667s
=
.
G(s)
s2 + s + 100
O grafico do lugar das razes das plantas nominal e real sao apresentados
nas Figuras 87 e 88 respectivamente. Verifica-se que a malha fechada nominal
sera estavel para qualquer ganho, enquanto que a malha fechada real torna-se
instavel para ganhos muito baixos e tambem para ganhos muito altos.
Os diagramas de Bode da planta nominal e da planta real sao apresentados
na Figura 89. Verifica-se que a planta nominal possui margem de ganho
infinita e margem de fase de 42 (boas margens), enquanto que a planta real
possui margem de ganho Gm = 10.6dB e margem de fase tembem de 42 ,
notando-se a queda de robustez.
Bode Diagram
Magnitude (dB)
150
100
50
0
50
Phase (deg)
100
135
180
225
270
2
10
nominal
real
1
10
10
Frequency (rad/sec)
10
10
143
Step Response
1.4
nominal
real
1.2
Amplitude
0.8
0.6
0.4
0.2
Time (sec)
Bode Diagram
10
Magnitude (dB)
10
20
30
40
50
1
10
S
T
10
10
Frequency (rad/sec)
10
144
1
,
|T |
T 1
m
60
Magnitude (dB)
40
20
0
20
40
60
80
1
10
10
10
Frequency (rad/sec)
10
1
.
T
32(s + 1)
.
s2 (s + 2)
145
Bode Diagram
60
S 1
a
40
Magnitude (dB)
20
20
40
60
80
1
10
10
10
Frequency (rad/sec)
10
17
Controle H
146
Bode Diagram
60
T 1
m
40
Magnitude (dB)
20
20
40
60
80
1
10
10
10
Frequency (rad/sec)
10
1
.
T
Bode Diagram
80
S 1
a
60
Magnitude (dB)
40
20
0
20
40
60
80
1
10
10
10
Frequency (rad/sec)
10
147
Step Response
2.5
nominal
real
Amplitude
1.5
0.5
10
Time (sec)
n
X
j=1
|aij |.
148
1
.
||T ||
O objetivo do controle H e minimizar a norma da funcao de tranferencia, ou seja, reduzir o pico de amplitude no diagrama de Bode (ou o
pico do maior valor singular no caso MIMO). Esta minimizacao aumentara
a margem de estabilidade robusta do sistema.
Seja o modelo de estado
x = Ax + Bu,
y = Cx + Du,
cuja funcao (matriz) de transferencia e dada por
P(s) = C(sI A)1 B + D.
Uma representacao usual do problema H e mostrada na Figura 97, onde
w: entradas exogenas (referencia, dist
urbios e rudos);
u: vetor do sinal de controle;
z: medida de desempenho;
y: sinal medido e usado para realimentacao.
z
w
P(s)
K(s)
149
{z
Tzw
A funcao Tzw e chamada de transformacao linear fracional inferior e representa a funcao de tranferencia entre os dist
urbios w e a sada de desempenho
z.
Um problema usual pode ser representado na forma padrao. Seja como
exemplo o esquema da Figura 98.
d
y
K(s)
P (s)
sada real
Vm
sada medida
w1
w = r = w2 .
n w3
150
z
y
| {z }
(21)
"
|
1 1 0
P (s)
1 1 1 P (s)
{z
(24)
#(
w
u
} | {z }
(41)
"
1 1 0
P (s)
1 1 1 P (s)
Pzu = P (s),
Pyu = P (s).
151
w= r
P(s)
P (s)
y
K(s)
152
17.1
t
eA t QeAt dt > 0.
153
x2
xo
x1
t
t
At eA t QeAt + eA t QeAt A dt =
t
t
d
=
eA t QeAt dt = lim eA t QeAt Q = Q,
t
dt
0
|
{z
}
0
onde o limite e nulo pois A e estavel.
17.2
H via Riccati
A B1 B2
A B1 B2
C
0 D12
C
D
D
=
P=
1
1
11
12
C2 D21 0
C2 D21 D22
154
z
P
y
K
D12
w
B1
C1
u
(s)
B2
C2
y
D21
Figura 102: Representacao das equacoes de estado do problema H .
155
P=
t
t
eA t Ct1 C1 eA dt,
t
t
eA t Bt1 B1 eA dt.
(xt Qx + ut Ru)dt,
1
A X + XA + X 2 B1 Bt1 B2 Bt2 X + Ct1 C1 = 0,
1
YAt + AY + Y 2 Ct1 C1 Ct2 C2 Y + B1 Bt1 = 0.
1
= A + 2 B1 Bt1 X + ZLC2 + B2 u ZLy,
156
zL
(s)
B2
C2
1
B Bt X
2 1 1
Bt2 X,
L=
YCt2 ,
!1
1
Z = I 2 YX
1
= A + 2 B1 Bt1 X + ZLC2 + B2 F +
(ZLC2 x + ZLD21 w) ,
Logo escreve-se que
x = Ax + B1 w + B2 F,
z = C1 x + D12 F.
Matricialmente tem-se a equacao de estados
(
"
A
ZLC2 A +
+
"
B2 F
t
1
B
B
X
+
ZLC
+
B
F
2
2
2 1 1
B1
ZLD21
#(
w.
157
z
y
"
C1 D12 F
C2
0
#(
"
0
D21
D12 F]
+ 0w
d
n
z=
x2
u
.
158
x 1
x 2
"
0 0
1 0
z=
{z
x2
u
y = [0
#(
x1
x2
1]
| {z }
"
0 1
0 0
C1
{z
x1
x2
"
1 0
0 0
B1
#(
{z
x1
x2
#(
d
n
"
1
0
u,
| {z }
B2
"
0
1
u,
| {z }
D12
+ [0
1]
| {z }
d
n
C2
D21
O sistema na notacao compacta e representado por
A B1 B2
0 D12
P=
C1
=
C2 D21 D22
0
1
0
0
0
0
0
1
0
1
1
0
0
0
0
0
0
0
0
1
1
0
0
1
0
159
%malha aberta
a=A;
b=[1 0];
c=[0 1];
d=0;
pma=ss(a,b,c,d);
%valor de gamma
gamma=2.62
%solucao das equacoes de Riccati
B=(B1*B1)/(gamma^2)-B2*B2
C=(C1*C1)/(gamma^2)-C2*C2
Q1=C1*C1
Q2=B1*B1
X=are(A,-B,Q1)
Y=are(A,-C,Q2)
Z=inv(eye(length(A))-Y*X/gamma^2)
F=-B2*X
L=-Y*C2
%Controlador
disp(Modelo de Estado do Controlador Hinfinito)
Ak=A+B1*B1*X/gamma^2+Z*L*C2+B2*F
Bk=-Z*L
Ck=F
Dk=0
%Malha Fechada Final (Tzw)
disp(Malha fechada final)
Af=[A B2*F; -Z*L*C2 A+B2*F+B1*B1*X/gamma^2+Z*L*C2]
Bf=[B1; -Z*L*D21]
lC2=size(C2)
cC2=size(D12*F)
Cf=[C1 D12*F]
cD21=size(D21)
Df=[zeros(cC2(1),cD21(2))]
pmf=ss(Af,Bf,Cf,Df)
%verificacao da estabilidade
Prof. Dr. Alberto Luiz Serpa - 2007
160
polosmf=eig(Af)
%calculo da norma Hinfinito
nhinf=normhinf(pmf)
sigma(pmf)
%funcoes de transferencia de malha fechada
ts=tf(pmf)
tswx2=ts(1,1)
tswu=ts(1,2)
tsnx2=ts(2,1)
tsnu=ts(2,2)
%verificacao do desempenho
t=0:0.01:20;
nt=length(t);
disturbio=rand(nt,1)-0.5; %disturbio entre -1 e +1
ruido=0.01*disturbio;
%respostas ao disturbio e ruido
rx2w=lsim(tswx2,disturbio,t);
figure
plot(t,rx2w)
ruw=lsim(tswu,disturbio,t);
figure
plot(t,ruw)
rx2n=lsim(tsnx2,ruido,t);
figure
plot(t,rx2n)
run=lsim(tsnu,ruido,t);
figure
plot(t,run)
%SOLUCAO USANDO FUNCOES ESPECIFICAS DO ROBUST CONTROL TOOLBOX
%RESOLVENDO ATRAVES DE RICCATI - HINFRIC
P1=ltisys(A, [B1 B2], [C1; C2], [D11 D12; D21 D22]);
disp(Solucao obtida com o hinfric do matlab)
Prof. Dr. Alberto Luiz Serpa - 2007
161
18
Bibliografia
1. Shahian B., Hassul M., Control System Design Using Matlab, PrenticeHall, 1993.
2. Philips C. L., Nagle H. T., Digital Control System Analysis and Design,
Prentice-Hall, 1995.
3. Cruz J. J., Controle Robusto Multivariavel, Edusp, 1996.
4. Skogestad S., Postlethwaite I., Multivariable Feedback Control - Analysis and Design, John Wiley & Sons, 1997.
5. Rowland J. R., Linear Control System - Modeling Analysis and Design,
John Wiley & Sons, 1986.
162
19
19.1
Exerccios
Lista 1
z
zb ,
zcos0
d
Resposta: Z[x(n)] = z 1 dz
( z 2z2zcos
|
), |z| > |a|.
0 +1 zz/a
5. Encontre a anti-transformada Z de
z4 + z2
(z 12 )(z 14 )
X(z) =
para a regiao de convergencia
1
2
Resposta: x(n) = (n + 2) + 43 (n + 1) + [ 52 ( 12 )n
17 1 n
16 ( 4 ) ]u(n).
6. Encontre a anti-transformada Z de
X(z) =
z2 + z
(z 12 )3 (z 41 )
163
19.2
Lista 2
10(1 + 2s)
s2 + s + 1
e G2 (s) =
10(s + 2)
.
s2 + 3s + 1
164
19.3
Lista 3
10(1 + 2s)
s2 + s + 1
e G2 (s) =
10(s + 2)
.
s2 + 3s + 1
1
100
100
4
; G2 (s) =
; G3 (s) =
; G4 (s) =
.
s(s + 0.2)
s(s + 40)
s(s + 10)
s(s + 4)
165
K
s(s + 2)
G2 (s) =
2K
.
s(s + 5)
(a) Determine o valor de K para que o PSS seja menor que 10% para
a situacao de realimentacao unitaria (caso connuo);
(b) Repita o item anterior para o caso discretizado com T=0.1s.
19.4
Lista 4
10(1 + 2s)
s2 + s + 1
e G2 (s) =
10(s + 2)
.
s2 + 3s + 1
166
19.5
Lista 5
0.3
0.4 0 0.01
1
0
0
x
+
x =
0 u,
9.8
1.4 9.8 0.02
y = [0 0 1]x,
e um problema padrao LQR.
(a) Considerando R = rI e Q = qI com r = 1 e q = [1 10 102 103 106 ],
estude o comportamento do sistema em termos da resposta ao
Prof. Dr. Alberto Luiz Serpa - 2007
167
19.6
Lista 6
1. Seja a planta nominal dada por P (s) = s12 compensada por K(s) =
20(s+1)
. Considere que o modelo da planta possui uma incerteza adidis+10
1
tiva dada por s2 +s+1
.
(a) Verifique se o controlador K(s) estabiliza a planta nominal.
(b) Verifique se o controlador K(s) estabiliza a planta real.
(c) Encontre a funcao de transferencia M (s) vista pela incerteza.
(d) Verifique a estabilidade robusta do sistema
2. Seja a planta nominal dada por P (s) =
2(s+1)
dada por P (s)K(s) = s2 (s
2 +s+1) .
1
s2
y = x n.
168
19.7
Lista 7
1. Seja um sistema de primeira ordem dado por y + 5y = 10f (t), com f (t)
um degrau unitario e intervalo de amostragem de 0.1s.
(a) Determine a funcao de transferencia discreta usando um ZOH.
(b) Calcule a resposta do sistema discreto y(n) e compare com o resultado de y(t) (apenas para os pontos n = {1, 10}).
(c) Determine o erro estacionario usando o teorema do valor final
tanto para o sistema contnuo como para o discretizado.
(d) Determine/estime a constante de tempo e ganho estatico dos sistemas contnuo e discreto. Os resultados sao consistentes?
(e) Determine os polos do sistema contnuo e discreto. Eles sao consistentes? Comente sobre a estabilade do sistema contnuo e discreto.
2. Um sistema contnuo com entrada f (t) e sada y(t) e descrito por
y1 + 10y1 = 20f (t),
Determine a relacao entre entrada F (z) e sada Y (z) usando a discretizacao pelo metodo impulso invariante. (Nota: T = 0.1s.)
3. Considere um sistema contnuo de primeira ordem. Sabendo que a
transformacao de Tustin e baseada na regra de integracao dos trapesios,
mostre que
2 z1
s=
.
T z+1
4. Um sistema de primeira ordem dado por y1 + 10y1 = 20f (t) deve ter
sua largura de banda preservada. Determine a funcao de tranferencia
discretizada que possua esta caracterstica. (Nota: T = 0.1s.)
5. Um sistema de segunda ordem e dado por
G(s) =
wn2
.
s2 + 2wn s
169
x 2 = x1 x2 + 3u2 ;
y = x2 .
170
onde wc e a freq
uencia para a qual se deseja preservar a resposta em
freq
uencia.
10. Uma bancada para testes de vibracao possui massa de 1000kg e esta
apoiada sobre 4 molas de rigidez 25000N/m. Esta bancada contara com
um sistema de controle de vibracao atraves de um atuador hidraulico
que aplica uma forca vertical u(t). Considere um intervalo de amostragem de 0.01s e um segurador de ordem zero.
(a) Determine a funcao de transferencia de um controlador LQR discreto para assegurar que a velocidade da bancada permaneca nula.
Considere como ndice de desempenho a integral de y 2 + 4y 2 + u2 ,
onde y e y sao a posicao e a velocidade verticais da mesa.
(b) Determine a funcao de transferencia do controlador discreto por
realimentacao de estados que assegure um amortecimento de 0.7
e uma freq
uencia natural de 2rad/s.
(c) Determine o maximo esforco de controle (valor absoluto) para os
dois casos anteriores se um deslocamento de 0.1m e imposto `a
mesa e esta e solta. Sugestao: obter a resposta graficamente e
extrair o valor do grafico.
1
11. Seja a planta G(s) = 2s
e um intervalo de amostragem de 0.01s. Usando
a metodologia da transformada w determine analiticamente o controlador PD para que a freq
uencia de oscilacao seja de 10rad/s, o fator
de amortecimento seja de 0.7 e o erro estacionario ao degrau seja nulo.
12. Um sistema G(s) = s22 devera ser controlado pelo controlador K(s) =
15(s+1)
y = x n.
171
19.8
10
.
s+5
172
10
.
(s+2)(s+1)
10
.
s+1
10
.
s+2
173
10
.
s+2
19.9
10
.
s(s + 2)
174
10
4. Determinar os diagramas de Bode para P (s) = s+5
e para os sistemas
correspondentes em w com T1 = 0.05s, T2 = 0.1s e T3 = 0.5s. Analisar
o efeito do intervalo de amostragem nos polos e zeros.
5. Para a planta
400
,
+ 30s + 200)
com intervalo de amostragem T = 0.05s, projetar um controlador discreto do tipo
z+a
K(z) = kc
,
z+b
que satisfaca os seguintes requisitos: = 0.5, wn = 14rad/s e erro
estacionario `a rampa de 0.2. Usar o metodo analtico de Bode e a
transformada w.
P (s) =
19.10
s(s2
"
1
.
s(s + 2)
0 1
0 2
x =
0
0
0
0
1
0
0
mg/M
0
0
0 (M + m)g/M l
0
0
1
0
x +
0
1/M
0
1/M l
u,
175
(xt x + ut u)dt
19.11
10(s + 1)
,
s2 (s + 5)
G(s)
= 2
2
.
s (s + 5) s + 2(0.05)(10)s + 102 122
Considere realimentacao unitaria.
(a) Determine as incertezas aditiva e multiplicativa.
(b) Determine o grafico do lugar das razes da planta nominal e da
planta real. Discuta estes graficos.
(c) Determine os diagramas de Bode para sistema nominal e real.
Analise este resultado.
(d) Determine as margens de ganho e de fase para o sistema nominal
e real. Discuta estes resultados.
(e) Determine a resposta ao degrau para o sistema nominal e real.
Prof. Dr. Alberto Luiz Serpa - 2007
176
32(s + 1)
,
s2 (s + 2)
19.12
177