Controle Contínuo

INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO PARÁ
CURSO DE ENGENHARIA DE CONTROLE E AUTOMAÇÃO
Unidade I: SISTEMA DE CONTROLE
Disciplina: Engenharia de Controle I
Professora: Prof.ª Dr.ª Rejane de Barros Araújo

Agenda
 Introdução
 Breve história do controle automático
 Exemplos de sistemas de controle
 Controle de malha fechada e malha aberta
 Projeto e compensação de sistemas de controle
2
Engenharia de Controle I – Rejane de Barros de Araújo
Bibliografia
 Engenharia de Controle Moderno

Autor: Ogata, K., Prentice Hall, 2011.
 Engenharia de Sistemas de Controle

Autor: Nise, N. S., Livros Técnicos e Científicos, 2009.
 Sistemas de Controle Modernos

Autor: Dorf, R. C. e Bishop, R. H., Livros Técnicos e
Científicos, 2009.
3
Pesquisadores na área de controle
4
Introdução
 Teoria de controle clássico;
 Teoria de controle moderno;
 Teoria de controle robusto;
 Controle automático
 Engenharia e ciência;
 Sistemas robóticos;
 Veículos espaciais;
 Manufatura;
 Operações industriais;
5
Breve história do controle automático
 1º trabalho de controle automático (James Watt): regulador centrífugo

para controle de velocidade de uma máquina a vapor;
6
 Minorsky (1922): controladores automáticos para pilotagem de

embarcações. Demonstrou como a estabilidade poderia ser determinada a
partir de equações diferenciais;
 Nyquist (1932): determinou a estabilidade de sistemas de malha

fechada com base na resposta de malha aberta a excitações senoidais
estacionárias;
 Hazen (1934): introduziu o termo servomecanismo para sistemas de

controle de posição, apresentou o projeto de servomecanismo a relé;
7
Nicolas Minorsky Harry Nyquist Graham J. Hazen
8
 Década de 1940: diagrama de Bode;
 1940 e 1950: controladores PID em sistemas de controle industrial;
 Início de 1940: regras de sintonia de Ziegler-Nichols;
 Final de 1940 (Evans): Lugar Geométrico das Raízes (LGR);

 LGR e resposta em frequência são a essência da teoria clássica de
controle;
9
 Teoria de controle moderno, com base nas variáveis de estado, foi

desenvolvida para lidar com a crescente complexidade dos sistemas
modernos e seus rigorosos requisitos relativos à precisão, à importância e
ao custo em aplicações militares, espaciais e industriais;
 1960 e 1980: controle de sistemas determinísticos e estocásticos,

controle adaptativo, controle de aprendizagem de sistemas complexos;
 1980 a 1990: controle robusto e tópicos associados.
10
Teoria de controle moderno
 Baseia-se na análise no domínio do tempo em sistemas de equações
diferenciais. Esta teoria simplifica o projeto de sistemas de controle porque
se baseia no modelo de um sistema de controle real;
 Estabilidade do sistema é sensível ao erro entre o sistema real e seu

modelo;
 O controlador é projetado a partir do modelo e pode alcançar um

sistema instável;
 O método de projeto para que o sistema não se torne instável é

chamada teoria de controle robusto. 11
 Variável controlada: é a grandeza ou a condição que é medida e controlada;
 Variável manipulada (sinal de controle): é a grandeza ou condição modificada

pelo controlador, de modo que afete o valor da variável controlada;
 Plantas: pode ser uma parte de equipamento ou apenas um conjunto de

componentes de um equipamento que funcione de maneira integrada, com o
objetivo de realizar determinada operação;
 Processos: operação natural de progresso contínuo ou um desenvolvimento

caracterizado por uma série de modificações graduais que se sucedem umas às
outras de modo relativamente estável, avançando em direção a um dado objetivo;
12
 Sistemas: é a combinação de componentes que agem em conjunto para atingir

determinado objetivo. Sistemas físicos, biológicos, econômicos e outros;
 Distúrbios: é um sinal que tende a afetar de maneira adversa o valor da variável

de saída de um sistema. Se um distúrbio for gerado dentro de um sistema, ele será
chamado distúrbio interno, enquanto que o distúrbio externo é aquele gerado
fora do sistema e que se comporta como um sinal de entrada no sistema;
Controle com realimentação: refere-se a uma operação que, na presença de

distúrbios, tende a diminuir a diferença entre a saída de um sistema e alguma
entrada de referência e atua com base nessa diferença.
13
Exemplos de sistemas de controle
Velocidade
 A quantidade de combustível fornecida ao motor é ajustada de acordo
com a diferença entre a velocidade esperada e a velocidade efetiva do
motor
14
Velocidade
 A planta (sistema controlador) é o motor e a variável controlada é a
velocidade do eixo do motor;
 A diferença entre a velocidade desejada e a velocidade real é o sinal de

erro;
 O sinal de controle (quantidade de combustível) a ser aplicado à planta

(motor) é o sinal atuante;
 A grandeza externa que perturba a variável controlada é o distúrbio

(mudança inesperada na carga).
15
Temperatura
16
Empresariais
 É um sistema de malha fechada;
 O projeto reduzirá o controle administrativo necessário;
 Os distúrbios correspondem à carência de mão de obra ou matéria-prima,

à interrupção de comunicação, a erros humanos entre outros.
17
Controle de malha fechada e malha aberta
Malha fechada (controle com realimentação)
 O sinal do erro atuante, realimenta o controlador, de modo a minimizar o erro
e acertar a saída do sistema ao valor desejado;
 O termo controle de malha fechada sempre implica a utilização do controle

com realimentação para reduzir o erro do sistema.
18
Malha aberta
 Os sistemas de malha aberta são aqueles que o sinal de saída não exerce
nenhuma ação de controle no sistema;
 O sinal de saída não é medido nem realimentado para a comparação com a
entrada;
 Máquina de lavar roupas: as operações são executadas em uma sequência
baseada no tempo. A lavadora não mede o sinal de saída, isto é, não verifica se
as roupas estão bem lavadas;
 Controle de tráfego: operado em função do tempo.
19
Malha fechada x Malha aberta
Malha aberta Malha fechada

Sensível a distúrbios externos e a Relativamente insensível a distúrbios
variações internas do sistema. externos e a variações internas do
sistema (devido a realimentação).
Em relação a estabilidade, é mais fácil Estabilidade é um problema
de ser construído, pois a estabilidade é importante.
um problema menos significativo.
Sistemas onde as entradas são Vantajosos nos casos em que houver
conhecidas com antecipação e são distúrbios e/ou alterações não
isentos de distúrbios. previsíveis nos componentes do
sistema.
Menor número de componentes Maior número de componentes
utilizados. utilizados.
20
Malha aberta (vantagens)
 São simples de serem construídos e possuem fácil manutenção;
 São menos dispendiosos que um sistema correspondente de malha fechada;
 Não apresentam problemas de estabilidade;
 São adequados quando existem dificuldades de medição da saída ou quando

a medição precisa da saída não é economicamente possível;
21
Malha aberta (desvantagens)
 Distúrbios e mudanças na calibração causam erros, e a saída pode

apresentar diferenças em relação ao padrão desejado;
 Para que a saída mantenha a qualidade requerida, é necessária uma

regulagem periódica;
22
Projeto e compensação de sistemas
de controle
 Compensação: é a modificação da dinâmica do sistema para satisfazer
às especificações dada;
 Em projetos reais de sistemas de controle, a utilização de um

compensador eletrônico, pneumático ou hidráulico, é uma questão que deve
ser decidida em parte na natureza da planta a ser controlada;
 Se a planta a ser controlada inclui líquido inflamável, é necessário

escolher componentes pneumáticos;
23
Projeto e compensação de sistemas de controle
Especificações de desempenho
 Requisitos importantes em um sistema de controle;
 As especificações podem ser em termos de requisitos de resposta

transitória e de regime estacionário ou em termos de resposta em
frequência;
 As especificações de desempenho não devem ser mais restritivas que o

necessário para a realização da tarefa em questão;
24
Projeto e compensação de sistemas
de controle
 Compensação do sistema:
 ajustar o ganho é o primeiro passo no ajuste do sistema para um desempenho
satisfatório;
 Reprojeto ou acréscimo de um dispositivo adequado;
 Compensador: dispositivo inserido ao sistema com o propósito de satisfazer às
especificações de projeto;
 Procedimento de projeto: desenvolve-se um modelo matemático do sistema de

controle e ajusta-se os parâmetros de um compensador;
 Verificação do desempenho do sistema por meio da análise de cada ajuste dos
parâmetros;
 Software de simulação;
 Implementação real ≠ simulação: deve-se ajustar.
25
26
ENGENHARIA DE CONTROLE I
UNIDADE I: ANÁLISE DE RESPOSTA TRANSITÓRIA E DE

REGIME PERMANENTE
Engenharia de Controle e Automação

Prof.ª Dr.ª Rejane de Barros Araújo
AGENDA
 Análise por Espaço de Estados
 Estabilidade de Sistemas Dinâmicos
 Critério da estabilidade de Routh
 Erros estacionários em sistemas de controle
Engenharia de Controle I – Rejane de Barros Araújo

BIBLIOGRAFIA
 Engenharia de Sistemas de Controle

 Autor: Norman S. Nise
 Sistemas de Controle Modernos

 Autor: Richard C. Dorf e Robert H. Bishop
 Engenharia de Controle Moderno

 Autor: Katsuhiko Ogata

ANÁLISE POR ESPAÇO DE ESTADOS
 Considere a equação de estado
 e a equação de saída
 Aplicando-se a Transformada de Laplace, tem-se:

 Isolando-se (equação de estado), tem-se:

 Os polos da função de transferência determinam a natureza de
resposta transiente do sistema.
 Os polos de um sistema representado em Espaço de Estado são iguais

aos autovalores da matriz A.
 Os polos são obtidos a partir da expressão

 Exemplo 1: Dado o sistema representado em EE, faça:

 Resolva a equação de estado precedente e obtenha a saída para a
entrada exponencial fornecida.
 Obtenha os autovalores e os pólos do sistema.


 Resolva para utilizando as técnicas de EE e da TL.
 Obtenha os autovalores e os polos do sistema.


 Resolva para utilizando as técnicas de EE e da TL.
 Obtenha os autovalores e os polos do sistema.
 Matriz de transição de estados.

ESTABILIDADE DE SISTEMAS DINÂMICOS
Estabilidade: é especificação mais importante do sistema;
Se um sistema é instável, a resposta transiente e os erros do estado

estacionário deixam de ter significado;
Um sistema instável não pode ser projetado para atender uma resposta
transiente específica ou um requisito de erro de estado estacionário;
10

 Sistema Estável: se a resposta natural tende a zero quando o tempo

tende a infinito (sistema linear invariante no tempo).
 Sistema Instável: se a resposta natural aumenta sem limites, na

medida que o tempo tende a infinito (sistema linear invariante no
tempo).
 Sistema Marginalmente Estável: quando a resposta natural não

apresenta aumento, nem atenuação, mas permanece constante ou
oscila quando o tempo tende a infinito (sistema linear invariante no
11
tempo).
 A definição de estabilidade implica a permanência da resposta forçada

quando a resposta natural tende a zero.
 Estabilidade BIBO (Bounded-Input, Bounded-Output):
 Um sistema é estável se toda entrada limitada gerar uma saída

limitada.
 Um sistema é instável se alguma entrada limitada gerar uma

saída ilimitada.
12

 Como determinar se um sistema é estável?
 Os sistemas estáveis possuem função de transferência de malha

fechada com polos somente no semiplano esquerdo (Respostas
naturais exponenciais decrescentes ou senóides amortecidas).
 Os sistemas instáveis possuem função de transferência de malha

fechada com pelo menos um polo no semiplano da direita e/ou
polos de multiplicidade maior que um no eixo imaginário.
13

 Como determinar se um sistema é estável?
 Os sistemas marginalmente estáveis apresentam função de

transferência de malha fechada somente com polos de
multiplicidade 1 no eixo imaginário e polos no semiplano da
esquerda (resposta natural, oscilações senoidais puras);
14

𝑅(𝑠) = 1/𝑠
Step Response
1.6 Root Locus
6
1.4
System: Y
4
Gain: 0.0558
1.2 System: Y Pole: -0.153 + 1.07i
Gain: 0 Damping: 0.141
Pole: -2.67 Overshoot (%): 63.9
2
1 Damping: 1 Frequency (rad/sec): 1.08
Overshoot (%): 0
Imaginary Axis
Amplitude
Frequency (rad/sec): 2.67

0.8 0
0.6
-2
0.4
-4
0.2
15
-6
0 -8 -6 -4 -2 0 2 4
0 5 10 15 20 25 30 35 40
Real Axis
Time (sec)

CRITÉRIO DE ROUTH-HURWITZ
 Por este método, pode-se dizer quantos polos do sistema em malha
fechada estão no semiplano esquerdo, no semiplano direito e sobre o
eixo .
 Não precisa-se calcular os polos do sistema em malha fechada.
 Etapas:
 Gerar uma tabela de dados denominada tabela de Routh.
 Interpretar a tabela de Routh para definir quantos polos do

sistema em malha fechada se situam no semiplano esquerdo, no
16
semiplano direito e sobre o eixo
ETAPA 1: TABELA DE ROUTH
 Observe a função de transferência de malha fechada.
 Gera-se a Tabela de Routh nomeando as linhas com potência de a

partir da potência mais alta no denominador da função de
transferência de malha fechada até .
17

𝟒
𝟒 𝟐 𝟎
𝟑
𝟑 𝟏
𝟐 - - -
𝟏 - - -
𝟎 - - -
 Entradas Remanescentes: cada entrada é igual ao valor negativo

dos determinantes formados com os elementos das duas linhas
anteriores, dividido pelo elemento da 1ª coluna diretamente acima da
18
linha que está sendo calculada;
 A coluna à esquerda do determinante é sempre a 1ª coluna das duas
linhas anteriores, e a coluna à direita é constituída dos elementos da
coluna a cima e à direita.
𝟒
𝟒 𝟐 𝟎
𝟑
𝟑 𝟏
𝟐
𝟏 𝟐 𝟑
𝟏
𝟏 𝟐 𝟑
𝟎
𝟏 𝟐 𝟑
19

20

21

ETAPA 2: INTERPRETAÇÃO DA TABELA DE ROUTH
 Os sistemas serão interpretados com polos reais nos semiplanos
esquerdo e direito.
 O critério de Routh-Hurwitz estabelece que o número de raízes do

polinômio que se situam no semiplano direito é igual ao número de
mudanças de sinal na 1ª coluna.
 Se a função de transferência de malha fechada possui todos os polos

na metade esquerda do plano , o sistema é estável;
 Um sistema é estável se não ocorrerem mudanças de sinal na 1ª

22
coluna da tabela de Routh;
 Exemplo 4: Construa a tabela de Routh e interprete para o sistema da

figura.
𝑹(𝑺) 𝑬(𝑺) 1000 𝒀(𝑺)

+
- (𝑠 + 2)(𝑠 + 3)(𝑠 + 5)
 Exemplo 5: Construa uma tabela de Routh e determine quantas

raízes do polinômio a seguir estão no semiplano da direita e no
semiplano da esquerda;
23

CASOS ESPECIAIS
 Zeros apenas na 1ª coluna:
 Se o 1º elemento de uma linha é igual a zero, seria necessário

uma divisão por zero para formar a próxima linha.
 Para evitar a divisão por zero, atribui-se um valor épsilon, , em

substituição ao zero na 1ª coluna.
 Faz-se o épsilon tender a zero por valores positivos ou negativos,

após, os sinais dos elementos na 1ª coluna, podem ser
determinados; 24

CASOS ESPECIAIS
 Zeros apenas na 1ª coluna:
 Outro método que pode ser utilizado é substituir o polinômio

procurado, pelo polinômio original com seus coeficientes escritos
na ordem inversa;
 Exemplo 6: Determine a estabilidade da função de transferência de

malha fechada
25

CASOS ESPECIAIS
 Exemplo 6: Solução
𝟑 
𝟐  
𝟏  𝟐 
𝟎
26

CASOS ESPECIAIS
Rótulo Primeira Coluna  

𝟓
𝟑 
𝟐  
𝟏  𝟐 
𝟎
27

CASOS ESPECIAIS
 Sendo , ocorrerá uma mudança de sinal da linha para a linha

, e haverá uma mudança da linha para a linha  sistema
instável com dois polos no semiplano da direita.
 Sendo , haverá uma mudança de sinal da linha para a linha

e uma mudança da linha para a linha  sistema instável
com dois polos no semiplano da direita;
28

CASOS ESPECIAIS
 Exemplo 7: Usando a função de transferência de malha fechada do
exemplo 3, determine a estabilidade do sistema para o método da
inversão dos coeficientes do polinômio característico;
 Linha Completa de Zeros:
 A linha completa de zeros na tabela de Routh é função da

existência de um polinômio estritamente par ou estritamente
ímpar, como fator do polinômio original.
 Um polinômio par possui apenas potências pares de ;
 Os polinômios pares possuem apenas raízes simétricas em

29
relação a origem;
CASOS ESPECIAIS
 Linha Completa de Zeros:
 É o polinômio par o responsável pelo aparecimento da linha de

zeros.
 A linha anterior a linha de zeros, contém o polinômio par.
 A simetria pode ocorrer em três condições de posição das raízes:
 As raízes são simétricas e reais.
 As raízes são simétricas e imaginárias.
 As raízes são quadrantais. 30

CASOS ESPECIAIS
31

 Exemplo 8: Determine o número de polos no semiplano da direita
referente à função de transferência.
 Exemplo 9: Determine o número de polos no semiplano da direita, no

semiplano da esquerda e sobre o eixo imaginário da função de
transferência.
32

𝟖
33

 Mudança de sinal da linha para a linha e outra mudança da

linha para  dois polos no semiplano direito (raízes
simétricas).
 Dois polos no semiplano esquerdo (raízes simétricas).
 Quatro polos sobre o eixo (raízes quadrantais).
34
 Polinômio par.
 Exemplo 10: Determine o número de polos no semiplano da direita,

no semiplano da esquerda e sobre o eixo imaginário da função de
transferência.
𝑹(𝑺) 𝑬(𝑺) 200 𝒀(𝑺)

+
- 𝑠 𝑠 + 6𝑠 + 11𝑠 + 6
 Exemplo 11: Determine o número de polos no semiplano da direita,

no semiplano da esquerda e sobre o eixo imaginário da função de
transferência.
35

 Exemplo 12: Determine a faixa de valores de ganho , para o
sistema mostrado na figura, que fará com que o sistema seja estável,
instável e marginalmente estável. Admita .
𝑹(𝑺) 𝑬(𝑺) 𝒀(𝑺)

+
-
 Exemplo 13: Determine a faixa de valores de ganho , para o

sistema mostrado na figura, que fará com que o sistema seja estável.
𝑹(𝑺) 𝑬(𝑺) 𝒀(𝑺)
+
-
36

 Exemplo 14: Dados os sistemas em Espaço de Estado. Determine a
quantidade de polos no semiplano da esquerda, no semiplano da direita
e sobre o eixo .
37

ERROS ESTACIONÁRIOS EM SISTEMAS DE CONTROLE
 Alterações na entrada de referência causarão erros inevitáveis durante o

regime transitório, podendo causar também erros estacionários.
 Qualquer sistema de controle físico apresenta, inerentemente, erros

estacionários na resposta a certos tipos de entradas.
 O erro estacionário que um sistema apresenta em relação a determinado

tipo de entrada depende do tipo de função de transferência de malha
aberta desse sistema.
38

 Considere o sistema de controle com realimentação unitária, com a
seguinte função de transferência de malha aberta:
 𝑁 polo de multiplicidade N.
 Número de integrações indicadas pela função de transferência de malha

aberta.
39
 Sistemas tipo 0, 1, 2,...., se , , ....

R(S) E(S) C(S)

+
G(S)
-
40

41

CONSTANTE DE POSIÇÃO -
 Erro estacionário do sistema para uma entrada em degrau
 A constante de erro estático de posição é definida por:
 Então o erro estacionário é:
42

CONSTANTE DE POSIÇÃO -
 Para um sistema do Tipo 0
 Para sistemas do Tipo 1 ou maior
43

CONSTANTE DE VELOCIDADE -
 Erro estacionário do sistema para uma entrada em rampa
 A constante de erro estático de velocidade é definida por:
44

 Para sistemas do Tipo 1
45

 Para sistemas do Tipo 2 ou maior
46

CONSTANTE DE ACELERAÇÃO -
 Erro estacionário do sistema para uma entrada em parábola
 A constante de erro estático de aceleração é definida por:
47

 Para sistemas do Tipo 1
48

49

 Para um sistema do Tipo 3 ou maior
Entrada em Entrada em Entrada em

degrau rampa aceleração
r(t) = 1 r(t) = t r(t) = (1/2)t2
Sistema do
tipo 0
Sistema do 0
tipo 1
Sistema do 0 0 50
tipo 2
 Exemplo 15: Determine os erros de regime permanente para as

entradas , e 2 no sistema mostrado na figura. A função
é um degrau unitário.
R(S) E(S) C(S)

+
-
51

 Exemplo 16: Um sistema com realimentação unitária possui a seguinte

função de transferência no caminho direto:
 Determine o tipo de sistema , e .
 Utilize as repostas anteriores para determinar os erros de regime

permanente para os sinais de entrada padronizados: degrau, rampa,
parabólico.
52

53

UNIDADE III: CONTROLADORE PID

Prof.ª Dr.ª Rejane de Barros Araújo
SISTEMA DE CONTROLE EM MALHA FECHADA
2
 Controladores geralmente utilizados na indústria:

 Controle proporcional: controle com ganho constante
 Controle proporcional-integral: melhora o erro em regime permanente
 Controle proporcional-derivativo: melhora as respostas transitórias
 Controle proporcional-integral-derivativo: tenta combinar o melhor dos tipos de
controladores anteriores
Eng. de Controle e Automação – Rejane de Barros Araújo/André Ferreira

AÇÕES BÁSICAS DE CONTROLE
3
 Controlador:
 Dispositivo que realiza um conjunto de operações matemáticas sobre
um sinal de erro ( ).
 Objetivo:
Produzir um sinal de controle ( ) para ser aplicado no processo;
Tenta atender determinados objetivos do sistema operando em
malha fechada.

4 AÇÃO “BANG-BANG”
 O controlador pode assumir apenas 2 valores, conforme o erro seja

positivo ou negativo:
>0
=
<0
 OBS.: Caso um dos sinais ( ou ) sejam nulos, a ação “bang-bang” é

chamada de ação liga-desliga.
 Para evitar que ruídos em torno do erro ( ) possam levar a
chaveamentos desnecessários, pode-se utilizar um controle “bang-bang”
com histerese:
 Se = , é necessário que o valor de ( ) desça abaixo de – 2( )

para que haja um chaveamento para 2;
 Se = , é necessário que o valor de ( ) ultrapasse o valor de 1( )

para que haja um chaveamento para 1.

 Pode ser considerada a ação mais simples e econômica existente;
 Possui muitas limitações no que diz respeito ao comportamento do

sistema;
 Aplicação restrita a sistemas onde não é necessário precisão ou um bom

comportamento dinâmico.

 Exemplo: Termostato de geladeira e ar-condicionado, Controle de

nível usando boias

9 AÇÃO PROPORCIONAL
 O sinal de controle aplicado à planta é proporcional à amplitude

do erro.
= ( )


 Para uma planta do tipo 0 (sem integradores na malha direta):

 Quanto maior  menor o erro em regime.
 O aumento da ação proporcional melhora a precisão do sistema em
malha fechada, embora não consiga zerar esse erro.
 Exemplo 1: calculando a função de transferência do sistema em malha

fechada.

 Exemplo 1: continuação
 Supondo ( ) uma entrada degrau e aplicando o teorema do valor
final:
∞ = lim ( ) = lim ( )
→ →
20 ( + 5) 1 100
∞ = lim =
→ +2 + 10 + 15 + 20 ( + 5) 300 + 100
100
∞ =1−
300 + 100
→∞ ⇒ (∞) → 0

 Exemplo 1: continuação (Matlab)

 n = 20*[1 5];
 d = conv(conv([1 2],[1 10]),[1 15]);
 G = tf(n,d)
 % Kc = 1 10 100 1000 (escolha de 4 valores de Kc)
 Gmf = feedback(Kc*G,1)
 step(Gmf)
 Avalie o transitório e o erro de regime permanente.

 Conclusões:
 Ao aumentar-se o ganho proporcional, diminui-se o erro em regime
permanente, porém sem torná-lo nulo;
 Um aumento indiscriminado no valor do ganho proporcional quase

sempre torna o sistema muito oscilatório ou pode até mesmo levar o
sistema à instabilidade.

15 AÇÃO INTEGRAL
 Consiste em aplicar um sinal de controle ( ) proporcional à integral do
sinal de erro ( ):
1
u (t ) = ∫ e(t )dt
Ti
 é chamado de tempo integral ou “reset time”;
 A ação integral tem uma função de armazenamento de energia;
 Quando o erro se anula ( ( ) = 0), o sinal de controle ( ) será mantido

em um valor constante, que é proporcional à energia armazenada até o
instante .
16 AÇÃO INTEGRAL

17 AÇÃO INTEGRAL
 O controlador integral pode ser representado por:
U (s) 1
Gc ( s ) = =
E ( s ) sTi
 Vantagens:
 Aumenta em 1 o tipo do sistema, permitindo obter erro nulo para uma
entrada constante;
 Melhora a precisão do sistema de regime permanente.
 Desvantagens:
 O polo na origem tende a tornar a resposta do sistema mais lenta;
 Pode vir a tornar o sistema instável.
18 AÇÃO DERIVATIVA
 Corresponde a aplicação de um sinal de controle proporcional à
derivada do sinal de erro:
de(t )
u (t ) = Td
dt
 Desta forma, o controlador derivativo pode ser representado por:
U (s)
Gc ( s ) = = Td s
E (s)


 A implementação física de um derivador puro não é possível na

prática;
 Para ganhos elevados o sistema seria extremamente sensível à

ruídos de alta frequência;
 Na prática inclui-se um polo juntamente com a ação derivativa

para limitar o ganho em alta frequência.

 Ação derivativa com polo extra
U (s) sp
Gc ( s ) = = Td
E (s) s+ p

 Aplicar um sinal de controle derivativo é o equivalente a aplicar uma
ação de controle baseada na tendência de evolução do erro;
 A ação derivativa é antecipatória ou preditiva, pois baseia-se na

tendência de evolução do erro;
 Faz com que o sistema reaja mais rápido, melhorando a resposta

transitória do sistema;
 Quando o sinal de erro for constante, a ação derivativa será nula, ou

seja, não tem qualquer efeito no regime permanente.
CONTROLADORES INDUSTRIAIS
23 CONTROLADOR PROPORCIONAL (P)
 é essencialmente um amplificador com ganho ajustável;
 a relação entre o sinal de saída do controlador ( ) e o sinal de erro

atuante ( ) é dada pela relação:
Kc
u (t ) = K c e(t )


 Efeito da variação do ganho proporcional
Step Response
1.6
1.4 Kc = 5
Kc = 15
1.2
1
Amplitude
0.8
0.6
0.4 Kc = 1
0.2
0
0 1 2 3 4 5 6 7
Time (seconds)

26
CONTROLADOR PROPORCIONAL-INTEGRAL (PI)
 A ação de controle de um controlador proporcional-integral é definida

por:
t
Kc
u (t ) = K c e(t ) + ∫
Ti 0
e(t )dt
 O principal objetivo da ação integral é eliminar o erro em regime

permanente para uma entrada (referência) constante.
 É necessário ter cuidado para não tornar o sistema muito oscilatório ou

até mesmo instável ao se ajustar a ação integral.

27
 Efeito da variação do tempo integral.
Step Response
1.4
Ti = 2.5
1.2 Ti = 1
0.8
Amplitude
Ti = 5
0.6
0.4
0.2
0
0 5 10 15 20 25 30
Time (seconds)
28

29
CONTROLADOR PROPORCIONAL-DERIVATIVO (PD)
 O efeito da ação de controle proporcional-derivativa pode ser expresso

pela relação:
de(t )
u (t ) = K c e(t ) + K cTd
dt
 A ação derivativa tem a função de antecipar a ação de controle para que

o processo reaja mais rápido, evitando o aparecimento de transitórios
com característica oscilatória.
 Pode-se dizer que o sinal de controle a ser aplicado é proporcional a

uma predição da saída do processo.
30

31
 Efeito da variação do tempo derivativo.
Step Response
1.6
T = 0.1
d
1.4 T =0
d
1.2
1
Amplitude
0.8
0.6
T = 0.2
0.4 d
0.2
0
0 1 2 3 4 5 6
Time (seconds)

32
CONTROLADOR PROPORCIONAL-INTEGRAL-DERIVATIVO (PID)
 Combina as vantagens dos controladores proporcional, proporcional-

integral e proporcional-derivativo, possuindo as vantagens de cada uma
das três ações individuais:
 a ação proporcional está ligada à rapidez da resposta do sistema;
 a ação integral está relacionada à precisão do sistema (garante erro nulo

em regime permanente para uma referência constante);
 a ação derivativa tende a aumentar a estabilidade relativa do sistema

(torna a resposta do sistema mais rápida devido ao seu efeito
antecipatório).
33

34
 A equação de um controlador PID é dada por:
t
Kc de(t )
u (t ) = K c e(t ) + ∫
Ti 0
e(t )dt + K cTd
dt

35
 O controlador PID é a estratégia de controle mais utilizada na

indústria:
 consegue afetar a rapidez do sistema, além de seus períodos
transitórios e em regime permanente.
 Popularidade de controladores PID:

 Desempenho robusto em uma ampla gama de condições de
funcionamento;
 Simplicidade funcional, que permite uma operação de forma simples
e direta (basta escolher os parâmetros , e ).

CONFIGURAÇÃO E VARIAÇÃO DO PID
36
 A estrutura ideal (na equação matemática clássica presente em

documentos técnicos) do controlador PID tem pouca utilização em
aplicações práticas;
 As estruturas de implementação do PID podem ser classificadas:

o pelo tipo de interação entre as ações P, I, D;
o pela distribuição das ações P e D na malha de controle;
 PID ideal
U (s)  1 
= Gc ( s ) = K c 1 + + Td s 
E (s)  Ti s 
37 PID IDEAL
proporcional integral
e(t ) + u(t )
1
Ti ∫
++
Kc
derivativo
d
Td
dt
 1 de(t ) 
u (t ) = K c  e(t ) + ∫ e(t )dt + Td 
 Ti dt 
38 PID SÉRIE
^ d
Td
dt
derivativo
e(t ) + ^ u(t )
Kc +
+
+
proporcional
1
^ ∫
Ti
integral
^  
U (s)  1  ^

= Gc ( s ) = K c 1 + ^ 1 + Td s
E (s)  T s  
 i 

39 PID PARALELO
proporcional
U (s) Ki
= Gc ( s ) = K c + + Kd s
E (s) s
Kc
integral
e(t ) + u (t )
Ki ∫ ++
derivativo
d
Kd
dt

40 PI+D
r (t ) e(t )
+
- integral proporcional
+ u(t ) y(t )
1
Ti ∫
+- Kc Planta
derivativo
d
Td
dt

41 I+PD
integral proporcional
r (t ) e(t ) + u(t ) y(t )

+ 1
Ti ∫
- - Kc Planta
+
+ derivativo
d
Td
dt

42 OBSERVAÇÕES
 Os parâmetros de projeto dos controladores são diferentes e as funções

de transferência não são sempre equivalentes;
 No PID série, os zeros do controlador somente podem ser reais,

enquanto que no PID paralelo e ideal, podem ser reais ou complexos
conjugados;
 A característica de polos complexos conjugados pode ser útil quando o

sistema a ser controlado tem polos complexos conjugados dominantes;

43 OBSERVAÇÕES
 O PID série é denominado de interativo, pois o ajuste de parcela

derivativa afeta a parcela integral;
 A estrutura paralela é a mais real, porém seus parâmetros não têm

interpretação física;
 Quando se trabalha com conceito de polos e zeros, a estrutura série

tem a vantagem de que cada zero do PID está relacionado com um
parâmetro do controlador ( ou );

44 OBSERVAÇÕES
 Um controlador PID ideal pode sempre ser representado como um
controlador PID série, cujos parâmetros são calculados como:
^ ^ ^ ^
^ Ti + Td ^ ^ Ti Td
Kc = Kc ^ Ti = Ti + Td Td = ^ ^
Ti Ti + Td
 Caso se implemente o controlador somente com as parcelas P, PI ou

PD, então as formas ideal e série são equivalentes;
 Na estrutura I+PD, o “kick” da parcela proporcional é subtraindo;

SINTONIA DE CONTROLADORES PID
45
 A sintonia do controlador PID envolve a seleção de valores adequados

dos ganhos deste controlador;
 A sintonia “ideal” do PID é um procedimento subjetivo e depende da

planta a ser controlada;
 Diferentes técnicas vêm sendo proposta pela literatura de controle ao

longo dos anos e os resultados indicam que:
o 30% dos controladores instalados operam em modo manual;
o 30% das malhas são inconsistentes (projetos mal elaborados);
o 25% das malhas utilizam o ganho default;
o 30% das malhas apresentam problemas nos equipamentos.
46
 Controle servo: para uma mudança degrau unitário na referência.

Depende da dinâmica da planta e da sintonia do controlador.
Rastreamento de referência (reference tracking);
o Overshoot, tempo de subida, tempo de acomodação.
 Controle regulatório: na presença de uma perturbação de carga na

variável de saída, tem-se uma típica resposta desejada de malha
fechada (disturbance rejection);

47
 Métodos empíricos: utilizam resultados de simulação ou prático do

processo;
o Ziegler-Nichols: curva de reação e curva de oscilação;
o Cohen-Coon;
o Chien, Hrones and Reswick; Hägglund-Åström; outros
 Métodos analíticos: utilizam a função de transferência do modelo do

processo e/ou índices de desempenho de malha fechada;
o Alocação de polos;
o Lugar geométrico das raízes;
o IMC; GPC; GMV; outros
48 AJUSTE DE PARÂMETROS
 Maior desafio na utilização do controle PID;
 Problema ainda maior quando não se tem muito conhecimento do

comportamento dinâmico do sistema a ser controlado;
 Sintonia é geralmente feita utilizando métodos empíricos:

 Ex.: Método de Ziegler e Nichols (ganho crítico e curva de reação);
 Servem como uma primeira tentativa de sintonia do PID.

49 MÉTODOS DE ZIEGLER-NICHOLS
 a) Método do Ganho Crítico:

 Utilizado em malha fechada;
 Aplica-se um controle puramente proporcional e aumenta-se o

ganho do sistema até que o mesmo fique no limiar da estabilidade
(oscilação sustentada);
 Nesta situação utiliza-se o valor do ganho crítico ( ) e do período

crítico ( ) para ajustar os parâmetros do PID ( , e );

r + e y
Processo
-
Esquema de controle para utilização do método do ganho crítico

Controlador
P ∞ 0
PI 0
PID

 b) Método da Curva de Reação:

 Utilizado em malha aberta;
 Aplica-se um sinal do tipo degrau observando-se se a resposta do

sistema possui forma de “S” (característica típica de muitos sistemas
industriais);
 Caso essa resposta seja observada, utilizam-se algumas

características da curva em “S” para ajustar os parâmetros do PID.

Reta tangente no ponto

de máxima inflexão

controlador Kc Ti Td
P 0
PI 0
PID
 Exemplo 2:

55
 Os métodos de Ziegler-Nichols podem ser usados como uma primeira

tentativa de sintonia do controlador PID.
 Outros métodos de ajuste podem ser encontrados na literatura:

 Cohen-Coon
 Tyreus-Luyben
 Chien-Hrones-Reswich
 Astrom

56
 Regra de Cohen-Coon
controlador Kc Ti Td
P 0
PI 0
PID

57
 Para fazer um “ajuste fino” nos parâmetros do controlador PID deve-se

levar em conta que, geralmente, o seguinte comportamento do sistema
em malha fechada para uma entrada degrau é observado:
Kc

EXERCÍCIOS
58
 Projete um controlador proporcional para o processo de 2ª ordem, que

atenda as seguintes especificações: ovsershoot de 15% e tempo de
acomodação de 0.4 segundos.
1
=
(0. + 1)( + 5)
 Projeto um controlador PI para o processo de 1ª ordem, que atenda as

seguintes especificações: overshoot de 10% e tempo de pico de 1
segundo.
1
=
( + 2)

EXERCÍCIOS
59
 Utilizando-se o simulink, simule as seguintes estruturas do controlador

PID. Observe os sinais de saída e controle. Utilize dois osciloscópios.
 PID ideal
 PID série
 PID pararelo
 PI+D
 I+PD
2,25
=
+ +1

EXERCÍCIOS
60
 Utilizando-se o simulink, sintonize o controlador PID pelos seguintes

métodos.
 Ziegler-Nichols (Método do ganho crítico)
 Ziegler-Nichols (Método da curva de reação)
 Cohen-Coon
1
=
+1

EXERCÍCIOS
61
 Desenvolva em código no Matlab, o projeto do controlador PID ideal,

sintonizando pelos seguintes métodos:
 Ziegler-Nichols (Método do ganho crítico)
 Ziegler-Nichols (Método da curva de reação)
 Cohen-Coon
1
=
+1

SATURAÇÃO E ANTIWINDUP
62
 Os processos industriais estão submetidos a restrições;
 Um controlador opera num intervalo limitado de 1-5 V ou 4-20 mA, uma

válvula não pode abrir mais que 100% e menos que 0%, um motor
funcionando como atuador tem um limite de velocidade, etc;
 A entrada real da planta é temporariamente diferente da saída do

controlador. Quando isto acontece, se o controlador é inicialmente projetado
para operar em uma região linear, o comportamento dinâmico do sistema de
malha fechada deteriora-se em relação ao desempenho linear esperado;
 Esta inadequação de desempenho (saturação na malha direta) é

denominada windup.
63
( ) , > ( )
= ( ) , ( )≤ ( )≤ ( )
( ) , < ( )

64
 Exemplo 3: considere a planta contínua de 2ª ordem representada pelo

seguinte modelo:
1
=
( + 1)(5. + 1)
 sendo controlada por um controlador PI+D sem e com a presença do

limitador no sinal de controle ( =0Ve = 5 V). Considerando
a planta com uma dinâmica de 1ª ordem, = 1, = 5.17 s e = 1 s, e
aplicando a 1ª regra de Ziegler-Nichols, obtém-se a seguinte sintonia:
= 6.204, =2e = 0.5.

65
sem limitador com limitador
Simular no simulink
TÉCNICA ANTIWINDUP
66
 Quando a variável de controle atinge o limite de operação máximo (ou

mínimo) do atuador, ocorre a saturação do sinal de controle;
 A saturação faz com que a malha de realimentação seja de certa forma

quebrada, pois o atuador permanece no seu limite máximo (ou mínimo)
independentemente da saída do processo;
 A consequência disto é que a resposta transitória do sistema torna-se

lenta e oscilatória, características extremamente indesejáveis em um
processo industrial;

TÉCNICA ANTIWINDUP
67
 Se um controlador com ação integral é utilizado, o erro continua a ser

integrado e o termo integral torna-se grande, ou seja, tende a carregar-se
demasiadamente (windup);
 Para que o controlador volte a funcionar na região linear é necessário que

o termo integral se “descarregue”;
 Deve-se esperar que o sinal de erro mude de sinal e, por um período de

tempo aplicar na entrada do controlador um sinal de erro oposto;
 A técnica back-calculation impedi que o integrador continue a se

carregar quando a saturação no sinal de controle ocorre.
TÉCNICA ANTIWINDUP
68

TÉCNICA ANTIWINDUP
69
 A técnica back-calculation funciona da seguinte forma: quando a saída

do atuador satura, o termo integral é novamente calculado de forma que
seu valor permaneça no limite do atuador;
 É vantajoso fazer esta correção não instantaneamente, mas

dinamicamente com uma constante de tempo ;
 Deve-se ter cuidado na seleção de , especialmente em sistemas com

ação derivativa;
 Na prática deve-se ter > e menor que . Regras sugeridas na
literatura de controle de processos são: = ou = ;

TÉCNICA ANTIWINDUP
70
 Exemplo 4: mesmo exemplo anterior com a técnica antiwindup.
sem antiwindup com antiwindup
Simular no simulink

UNIDADE IV: ANÁLISE E PROJETO DE

SISTEMAS PELO LUGAR GEOMÉTRICO DAS
RAÍZES (LGR) – PARTE 1

Prof. André Ferreira/ Profª Rejane de Barros Araújo
LUGAR GEOMÉTRICO DAS RAÍZES (LGR)
O LGR (Root Locus) é uma representação

gráfica dos polos de malha fechada, quando
um parâmetro do um sistema varia.
Proposto por Evans (1948; 1950);

Control System Synthesis by Root Locus
Method in AIEE Transactions, v. 69, 1950.
Eng. de Controle e Automação – André Ferreira e Rejane de Barros Araújo

Evans escreveu uma carta de

4 páginas em Junho de 1949
para o amigo Orrin Livingston,
que trabalhava na General
Electric, para explicar a ideia
do LGR.

Artigo sobre o LGR

publicado na AIEE
Transactions em 1950.

É um método “poderoso” para análise e projeto do

comportamento do sistema com relação a sua estabilidade e
características de resposta transitória.
Traz informações relevantes sobre o comportamento do

sistema (que podem ser complicadas de analisar para
sistemas de ordem superior olhando simplesmente para sua
função de transferência).
5

O LGR pode ser usado para descrever qualitativamente o

desempenho de um sistema quando determinados parâmetros
variam:
Ex: efeito da variação de um ganho sobre máximo percentual
de sobressinal, tempo de acomodação e tempo de pico.
Mostra também claramente as faixas de estabilidade e

instabilidade do sistema, além dos valores de ganho que levam o
sistema a um limiar de estabilidade.
6

O PROBLEMA DO SISTEMA DE CONTROLE
( ) FT de malha aberta;
(a) Sistema de malha fechada;
7
(b) FT equivalente de malha fechada.
Polos de malha aberta podem ser facilmente encontrados e

geralmente não dependem dos ganhos do sistema.
Polos de ( ).
Polos de malha fechada são mais difíceis de serem calculados:

É necessário obter o denominador da FT de MF;
Sofrem influência do valor do ganho do sistema;
( )
Polos de ( ) .


Zeros de T(s):
Zeros de ( ) e Polos de . Podem ser obtidos facilmente.
Polos de T(s):
Responsáveis pela resposta transitória e estabilidade do sistema;
Dependem do valor de .
LGR:
Mostra graficamente a posição dos polos de ( ) quando o ganho
10
( )varia.
REPRESENTAÇÃO VETORIAL DE NÚMEROS
COMPLEXOS
Números complexos:
Forma cartesiana: +
Forma polar: ∠θ
Qualquer número complexo pode ser descrito graficamente como um

vetor.
11

COMPLEXOS
Se um número complexo é substituído em uma função complexa F(s),
o resultado também é um número complexo:
= + = + +
= +
2 possíveis representações:
12

COMPLEXOS
Conclusão:
+ é um número complexo que pode ser representado por um
vetor desenhado do zero da função até o ponto .
Exemplo 1: +7 →
É um número complexo desenhado do zero da função −7 até o

ponto = 5 + 2.
13

COMPLEXOS
Generalizando para uma função F(s) qualquer:
∏E
DF + CD ∏ fatores complexos do numerador
= =
∏HF +G ∏ fatores complexos do denominador
Na forma polar:
∏ "ó$%&' $'( )*+'( ∏/ -.

Módulo: = ∏ "ó$%&' $'( ,'&'(
= ∏4 .01
301 23
Fase: 5 = ∑ ângulo dos zeros − ∑ ângulo dos polos

14
= ∑E
DF ∠ + CD − ∑HF ∠ +G
COMPLEXOS
Exemplo 2:
Para = , calcule seu valor para = −3 + 4
Contribuição dos polos e zeros:

o Zero em -1: 20∠116.6º
o Polo em 0: 5∠126.9º
o Polo em -2: 17∠104.0º
Resultante na forma polar:
20
∠5 =
15
∠116.6º−126.9º−104.0º=0.217∠−114.3º
5 17
COMPLEXOS
Exercício
T
Para = , calcular o seu valor no ponto.
U V
= −7 + 9
Resposta:
−0.0339 − 0.0899 = 0.096∠ − 110.7º

16

DEFININDO O LGR
Exemplo 3:
Câmera de segurança com rastreamento automático (usada para
seguir objetos em movimento):
17

DEFININDO O LGR
Posição dos polos com a variação do ganho :
18

DEFININDO O LGR
Posição dos polos com a variação do ganho :
19

DEFININDO O LGR
LGR do sistema:
20

DEFININDO O LGR
Análise:
Fornece a posição dos polos para ≥ 0.
Polos são reais e distintos para < 25:

Sistema superamortecido.
Polos reais e iguais para = 25:

Sistema criticamente amortecido.
Polos complexos conjugados para > 25 :

21
Sistema subamortecido.
PROPRIEDADES DO LGR
Partindo da FT de MF de um sistema de controle:
( )
=
1+ ( )
o Os polos de ( ) podem ser obtidos a partir de:
= −1 = 1∠ 2^ + 1 180º ^ = 0, ±1, ±2, ±3,...
o Uma forma alternativa de representar esses polos é dada por:
=1 ∠ = 2^ + 1 180º 22

PROPRIEDADES DO LGR
Para determinado polo que atenda a restrição de ângulo (múltiplo

ímpar de 180º), o seu ganho associado pode ser obtido usando:
1
=
( ) ( )
23

PROPRIEDADES DO LGR
Exemplo 4:
+3 +4
=
+1 +2
+3 +4
=
1+ + 3+7 + 2 + 12
24

PROPRIEDADES DO LGR
Não é múltiplo ímpar de 180º
Exemplo 4: continuação
O ponto −2 + 3 é um polo de ( )?
Fazer o teste do ângulo!
5 + 5 − 5U − 5T = 56.31º + 71.57º − 90º − 108.43º = −70.55º
o Conclusão:
−2 + 3 não é um polo de MF de T(s).
Não é um ponto sobre o LGR
Não é um polo de MF para
algum valor de K 25

PROPRIEDADES DO LGR
O ponto −2 + é um polo de ( )?
5 + 5 − 5U − 5T = 19.4712º + 35.2644º − 90º − 144.7356º = −180º
Conclusão:
−2 + é um polo de MF de ( ).
26

PROPRIEDADES DO LGR
Qual o valor do ganho que fornece o polo de MF em −2 + ?
1 1 ∏ módulo dos polos

= = =
∏ módulo dos zeros
2
cU cT 1.22
= = 2 = 0.33
c c 2.12 1.22 27

PROPRIEDADES DO LGR
Exercício 1: Dado um sistema com realimentação unitária que possui

a seguinte função de transferência:
+2
( )=
+ 4 + 13
a) Calcule o ângulo de ( ) no ponto (−3 + j0) determinando a

soma algébrica dos ângulos dos vetores desenhados a partir dos
zeros e dos polos de ( ) para o ponto dado;
b) Determine se o ponto especificado em (a) está sobre o LGR;
c) Se o ponto especificado em (a) estiver sobre o LGR, determine

28
o ganho , utilizando os comprimentos dos vetores.
REGRAS PARA ESBOÇAR O LGR
1) Número de ramos:
Cada polo de malha fechada se move quando o ganho do sistema
varia.
Definindo ramo como o caminho que um polo percorre, então

existirá um ramo para cada polo de malha fechada.
O número de ramos do LGR é igual ao número de polos de
malha fechada do sistema.
29

1) Número de ramos:
30

2) Simetria:
Se os polos complexos de malha fechada não são complexos
conjugados, isso resultaria em um polinômio com coeficientes
complexos.
Sistemas físicos não possuem coeficientes complexos em suas

funções de transferência.
O LGR é simétrico com relação ao eixo real.
31

2) Simetria:
32

3) Segmentos no Eixo Real:

A contribuição angular dos polos e zeros complexos de malha
aberta sempre irá se anular.
A contribuição angular dos polos e zeros reais de malha aberta

vale 0º ou 180º.
33


Para ≥ 0, qualquer ponto do eixo real que ficar à esquerda de
um número impar de singularidades (polos ou zeros) localizadas
também no eixo real é um ponto do LGR.
34


Exemplo 5:
35

4) Pontos Iniciais e Finais:

Onde o LGR começa (ganho nulo) e termina (ganho infinito)?
Analisa-se a FT de malha fechada para as duas situações:
e ( )f ( )
=
f f + e ( )e ( )
36


Para → 0:
e ( )f ( )
=
f f + e ( )e ( )
e ( )f ( )
≈
f f +k
O LGR começa nos polos de g h i(h) (FT de malha aberta).

37


Para → ∞:
e ( )f ( )
=
f f + e ( )e ( )
e ( )f ( )
≈
k+ e e
O LGR termina nos zeros de g h i(h) (FT de malha aberta).

38

39

5) Comportamento no infinito:
A regra anterior diz que o LGR começa nos polos de malha aberta
e termina nos zeros de malha aberta.
O que fazer quando o número de polos de malha aberta não é

igual ao número de zeros de malha aberta?
Uma FT G(s) pode ter polos ou zeros infinitos;
Polo infinito:
( ) → ∞ quando s → ∞.
Zero infinito:
( ) → 0 quando → ∞.
40

Exemplo 6:
a) =
Zero em 0 e Polo no infinito.
b) = ⁄
Polo em 0 e Zero no infinito.
Todo sistema tem um número igual de polos e zeros, caso sejam

considerados todos os polos e zeros finitos e infinitos.
41

Suponha que uma função de transferência possui um número de

polos finitos maior do que o de zeros finitos.
Como o LGR começa nos polos de malha aberta e termina nos

zeros de malha aberta, é necessário conhecer a localização de
todos os polos e zeros do sistema.
42

Nesta caso, onde estão localizados os zeros infinitos?
O LGR se aproxima de assíntotas quando o lugar geométrico se

aproxima de infinito.
A equação dessas assíntotas é definida pelo ponto onde

interceptam o eixo real n e pelo ângulo 5n .
43

44

Exemplo 7:
Esboçar o LGR para o sistema abaixo:
Polos finitos: 4
Zeros finitos: 1
Zeros infinitos: 3 45

Exemplo 7:
Definição das assíntotas:
46

Exemplo 7:
47

LGR
Exercício 2: Esboce o LGR e suas assíntotas para o sistema com

realimentação unitária que possui a seguinte função de transferência:
=
+2 +4 +6
48

REFINANDO O ESBOÇO DO LGR
As 5 regras mostradas anteriormente permitem se obter um esboço do

LGR rapidamente;
Caso seja necessário um detalhamento maior, deve-se obter pontos

específicos do LGR e seus ganhos associados.
Para maior precisão no LGR deve-se obter as seguintes informações:

Pontos no eixo real onde o LGR entra ou sai do plano complexo;
Pontos de cruzamento no eixo jω;

49
Ângulos de partida e chegada dos polos e zeros complexos.
PONTOS DE ENTRADA E SAÍDA DO EIXO REAL
Considere o esboço do LGR feito com as regras mostradas
anteriormente:
−3 −5
=
+1 +2
50
Qual o valor dos pontos σ1 e σ2?

Método usando diferenciação:
Deve-se minimizar ou maximizar o ganho .
Para qualquer ponto no LGR vale a relação:
1
=−
( )
Para pontos sobre o eixo real, onde os pontos de entrada e saída

podem existir, tem-se = :
1
=−
( )
51

Método usando diferenciação:
1
=−
( )
52

Partindo dos polos e zeros de malha aberta:
−3 −5 − 8 + 15
= =
+1 +2 +3 +2
Para todos os pontos do LGR, = −1 e para os

segmentos no eixo real, = . Então:
− 8 + 15 − +3 +2
= −1 =
+3 +2 − 8 + 15
Diferenciando com relação à σ e igualando a zero:
o 11 − 26 − 61 −1.45
=p
= =0 3.82
o − 8 + 15 53

Método da transição:
Não precisa utilizar a diferenciação;
Os pontos de entrada e saída satisfazem a relação:
E H
1 1
q =q
+ CD + GD
onde CD e GD são, respectivamente, o negativo dos zeros e polos

de ( ).
54

Método da transição:
E H
1 1 −3 −5
q =q =
+ CD + GD +1 +2
1 1 1 1
+ = +
−3 −5 +1 +2
−1.45
11 − 26 − 61 = 0 =p
3.82
55

PONTOS DE CRUZAMENTO NO EIXO Jω
É o ponto do LGR que separa a operação estável do sistema da
operação instável.
O valor do ganho do LGR no ponto de cruzamento pode ser calculado

utilizando o critério de Routh-Hurwitz:
Forçar uma linha de zeros na tabela de Routh para obter o ganho
no ponto de cruzamento;
Resolver o polinômio na linha acima da linha cheia de zeros para

achar o ponto de cruzamento.
56

Exemplo 8:
57

Exemplo 8:
Obter a FT de MF do sistema:
+3
= T +7 U + 14 + 8+ +3
Montar a tabela de Routh:
58

Exemplo 8:
Para valores positivos de , a linha pode ser formada por zeros:
− − 65 + 720 = 0 = 9.65
59

Exemplo 8:
Formando o polinômio par da linha para = 9.65:
90 − + 21 = 80.35 + 202.7 = 0 = ± 1.59
Conclusão:
Sistema estável para 0 ≤ < 9.65
60
Ponto de cruzamento do eixo jω: = ± 1.59
ÂNGULOS DE PARTIDA E DE CHEGADA DOS
POLOS E ZEROS COMPLEXOS
O LGR começa nos polos de MA e termina nos zeros de MA;
Para um LGR mais preciso é necessário calcular o ângulo de partida

dos polos complexos e o ângulo de chegada dos zeros complexos.
Assume-se um ponto ∈ no LGR próximo ao polo complexo que se

deseja calcular o ângulo de partida:
61

A soma dos ângulos de todos os polos e zeros finitos com relação ao

ponto ∈ deve ser um múltiplo ímpar de 180º.
−5 +5 +5U −5T −5 +5V = 2^ + 1 180
62

Da mesma forma, pode-se calcular o ângulo de chegada de um zero
complexo:
−5 +5 +5U −5T −5 +5V = 2^ + 1 180
63

Exemplo 9:
Polos complexos: −1 + 1
64
rlocus(G)
EXEMPLOS DO LGR
65

EXEMPLOS DO LGR
66

EXEMPLO COMPLETO
Considere o sistema mostrado abaixo:
+2
=
− 4 + 13
a) Desenhe o esboço do LGR

b) Ache o cruzamento com o eixo jω
c) Calcule o ganho no cruzamento com o eixo jω
d) Ache o ponto de entrada no eixo real
e) Calcule o ângulo de partida dos polos complexos
67

EXEMPLO COMPLETO
A) DESENHE O ESBOÇO DO LGR
+2
=
− 4 + 13
Polos de malha aberta: 2 ± 3

Zero de malha aberta: −2
68

EXEMPLO COMPLETO
B) ACHE O CRUZAMENTO COM O EIXO Jω
+2
=
− 4 + 13
Obtenha a FT em MF e depois utilize o critério de Routh-Hurwitz:
+2
= =
1+ ( ) + − 4 + 2 + 13
hs 1 2 + 13
ht −4 0
hu 2 + 13 0
69

EXEMPLO COMPLETO
B) ACHE O CRUZAMENTO COM O EIXO Jω
hs 1 2 + 13
ht −4 0
hu 2 + 13 0
Obtém-se uma linha cheia de zeros para = 4.
Da linha com = 4, tem-se:
Conclusão:
Ponto de cruzamento com o eixo jω é
+ 21 = 0 = ± 21
70

EXEMPLO COMPLETO
C) CALCULE O GANHO K NO CRUZAMENTO COM O EIXO Jω
Do item (b), sabe-se que = 4 no cruzamento com o eixo jω.
71

EXEMPLO COMPLETO
D) ACHE O PONTO DE ENTRADA NO EIXO REAL
72

EXEMPLO COMPLETO
73

EXEMPLO COMPLETO
1 +2
=− ( )=
( ) − 4 + 13
− 4 + 13
=−
+2
Fazendo = −7:
−7 − 4 −7 + 13 (49 + 28 + 13)
=− =−
−7 + 2 (−5)
= 18
74

EXEMPLO COMPLETO
E) CALCULE O ÂNGULO DE PARTIDA DOS POLOS COMPLEXOS
Desenhe os vetores para um ponto ∈ perto do polo

complexo:
3
v wx − 90° − 5 = −180°
4
5 = 126.9°
75

EXEMPLO COMPLETO
76

LGR USANDO O MATLAB
+2
=
>> num=[1 2] − 4 + 13
num =
1 2
>> den=[1 -4 13]
den =
1 -4 13
>> g=tf(num,den)
g=
s+2
--------------
s^2 - 4 s + 13
Continuous-time transfer function. 77

LGR USANDO O MATLAB
>> rlocus(g) Root Locus

6
Imaginary Axis (seconds-1)
-2
-4
-6
-16 -14 -12 -10 -8 -6 -4 -2 0 2 4
78
Real Axis (seconds -1)

LGR USANDO O MATLAB
Root Locus
6
4
System: g
Gain: 18
Pole: -7
2
Damping: 1
Overshoot (%): 0
Frequency (rad/s): 7
0
-2
-4
-6 79
-16 -14 -12 -10 -8 -6 -4 -2 0 2 4

LGR USANDO O MATLAB
Root Locus
6
4 System: g
Gain: 4.01
Pole: -0.00647 + 4.58i
Damping: 0.00141
2 Overshoot (%): 99.6

Frequency (rad/s): 4.58
-2
-4
-6
-16 -14 -12 -10 -8 -6 -4 -2 0 2 4 80

ASSUNTOS COMPLEMENTARES
LGR Generalizado:
Utilizado para verificar como os polos em MF do sistema variam

em função de um parâmetro do sistema diferente do ganho.
Ex.:
81

ASSUNTOS COMPLEMENTARES
LGR para sistemas com realimentação positiva:
( )
=
1− ( )
Como a função de transferência de malha fechada muda, as regras

para traçar o LGR também se alteram.
82

UNIDADE IV: PROJETO DE COMPENSADORES

USANDO O LGR – PARTE 2

Prof. André Ferreira/ Profª Rejane de Barros Araújo
PROJETO DE COMPENSADORES USANDO O LGR
O LGR permite escolher o ganho adequado para

atender determinadas especificações de
desempenho transitório, desde que essas
especificações façam parte do LGR.

 Ponto A pode ser atendido

com ajuste de ganho,
diferente do ponto B.
 Apenas com a variação do

ganho é possível atender
apenas a especificação de
máximo sobressinal, mas
não o que se deseja com
relação ao tempo de
3
acomodação.
 Solução:
 Compensar o sistema com polos e zeros adicionais;
 O sistema compensado deve possuir um LGR que passe pelos

polos dominantes que atendam às especificações de
desempenho desejadas;
 Deve-se garantir que os novos polos e zeros não afetem

significativamente o comportamento dos polos dominantes do
sistema.
4

 Compensadores:
 Usados para melhorar, de forma independente, as respostas
transitória e em regime permanente do sistema.
 Ajuste de “ganho puro”:

 K  ess  Mp(%)
 K  Mp(%)  ess
 Compensadores Dinâmicos:
 Não apresentam resposta instantânea (não são ganhos e sim FTs);
 Conseguem atender a ambas as especificações (transitória e
5
regime permanente) simultaneamente.

COMPENSADORES DINÂMICOS
CONFIGURAÇÕES
 a) Cascata:
 b) Em realimentação:

COMPENSADORES DINÂMICOS
 Ambas as configurações mudam o posicionamento dos polos e

zeros de MA, criando um novo LGR que deve passar pela
localização dos polos de MF desejados.
 Tipos:
 Lag
 PI
 Lead
 PD
 Lead-Lag
7
 PID

COMPENSADORES IDEAIS
 Integrador puro  melhora erro de regime permanente;
 Derivador puro  melhora o comportamento transitório, porém é

“ruidoso”.
 Observação: Esses compensadores são mais caros, pois só podem

ser implementados com redes ativas (usando amplificadores
operacionais e fontes de potência externas).
8

COMPENSADORES NÃO IDEAIS
 Podem ser implementados com componentes passivos

(resistores e capacitores), porém não são integradores e
derivadores puros;
 São mais baratos e não necessitam de fontes de potência

externas;
 Não conseguem zerar o erro de regime nos casos em que o

compensador ideal consegue.
9

COMPENSADORES IDEAIS X COMPENSADORES NÃO
IDEAIS
 A escolha entre um ou outra solução envolve custo,

peso, desempenho desejado, função de transferência
e a interface entre o compensador e o restante do
sistema.
10

MELHORANDO O ERRO DE REGIME PERMANENTE
USANDO COMPENSAÇÃO EM CASCATA
 a) Compensador Integral Ideal (PI):

 Sistema Original
11


 Integrador puro (afeta o transitório do sistema original)
12


 Integrador puro (sem afetar o transitório do sistema original)
13


 Sistema sem compensador atendia especificações de desempenho
transitório, mas com erro de regime permanente;
 Inclusão de um compensador atendia às especificações de

regime permanente, mas não a de transitório;
( )
 O compensador atende ambas as especificações, quando
a está perto do polo na origem, recebendo o nome de
COMPENSADOR INTEGRAL IDEAL. 14

 Exemplo 1: Para o sistema abaixo, deseja-se um amortecimento de

d=0,174.
*** Proj_LGR_ex1.m ***

15

 Exemplo 1: continuação.
Root Locus
25
20
15
10
5
Imaginary Axis
-5
-10
-15
-20
-25
-35 -30 -25 -20 -15 -10 -5 0 5 10 15
16
Real Axis

 Dar zoom e achar polos para d=0,174.
Root Locus
4
System: g1
Gain: 161
2 Pole: -0.686 + 3.88i
Damping: 0.174
Imaginary Axis
Overshoot (%): 57.4

0 Frequency (rad/sec): 3.94
-2
-4
-6 17
-2 -1.5 -1 -0.5 0
Real Axis
 Para K=161:
 polos dominantes:
o 0,686  j 3,88
o  = 0,174
o n = 3,94 rad/s
o Mp(%) = 57,4%
 3º polo:
o 11,6
18

 FT de MA:
19

Exemplo 2: Deseja-se novamente um amortecimento de d=0,174,

porém agora o compensador não é mais um ganho puro.
*** Proj_LGR_ex2.m *** (mostrar sisotool)

20

Exemplo 2: continuação.
Root Locus
25
20
15
10
5
Imaginary Axis
-5
-10
-15
-20
21
-25
-35 -30 -25 -20 -15 -10 -5 0 5 10 15
Real Axis

Dar zoom e achar polos para d=0,174.
Root Locus System: g2
Gain: 155
Pole: -0.67 + 3.79i
6 Damping: 0.174
Overshoot (%): 57.4
4
2
Imaginary Axis
-2
-4
-6
22
-2 -1.5 -1 -0.5 0
Real Axis
Step Response
1.4
Sistema não-compensado
Sistema com integrador ideal
1.2
0.8
Amplitude
0.6
0.4
0.2
0 23
0 5 10 15 20 25 30 35
Time (sec)

MÉTODO ALTERNATIVO
 Controlador PI:
24

 b) Compensação em atraso (Compensador Lag):

 A compensação usando um integrador ideal requer o uso de uma
rede ativa.
 Para o projeto de um compensador usando uma rede passiva,

pode-se colocar o polo e o zero perto da origem, conforme a
figura abaixo:
25


 Diminui o ganho do sistema em altas frequências, sem reduzir o
ganho em baixas frequências (melhora a precisão em regime
estacionário);
 Reduz a largura de faixa;
 O sistema fica mais lento;
 Por causa da diminuição do ganho em altas-frequências o ganho

total do sistema pode ser aumentado, melhorando a precisão em
26
regime permanente

 Sistema original:
27


 Sistema com compensador em atraso:
28


 Se o polo e o zero do compensador lag estão perto, a
contribuição angular do compensador para o ponto P é
aproximadamente zero:
 Não causa um efeito significativo na resposta transitória do sistema original.
29


 Com essa configuração o ganho para o polo dominante no ponto
P é aproximadamente o mesmo para o sistema compensado e
para o sistema não compensado:
 Pode-se melhorar o ganho estático do sistema não compensado

através da razão entre o polo e o zero do compensador lag.
30


 Deve-se lembrar que, para não afetar muito o desempenho
transitório, o polo e o zero do compensador devem estar próximos.
 Exemplo:
31


 Embora um integrador ideal elimine o erro em regime permanente
para uma entrada degrau, um compensador lag (com um polo que
não está na origem) irá melhorar a constante de erro estático de
um fator .
 Escolhendo e perto da origem também garante uma

alteração mínima na resposta transitória do sistema compensado.
32

 Exemplo 3: Melhorar o erro de regime permanente de um fator 10,

usando um compensador lag para o sistema mostrado no exemplo
anterior.
*** proj_LGR_ex3.m *** 33

 Do sistema original sabe-se que:
 Deseja-se para o sistema compensado:
34

 Assim, tem-se:
 Selecionando arbitrariamente 𝒄:
35

 Obter o LGR do sistema compensado e achar os polos para
d=0,174.
36

Root Locus
25
20
15
10
5
Imaginary Axis
-5
-10
-15
-20
-25 37
-35 -30 -25 -20 -15 -10 -5 0 5 10
Real Axis

Root Locus
System: g3
Gain: 156
Pole: -0.674 + 3.82i
6 Damping: 0.174
Overshoot (%): 57.4
4
2
Imaginary Axis
-2
-4
-6
38
-2 -1.5 -1 -0.5 0 0.5
Real Axis

 Para K=156:
o 0,674  j 3,82
o  = 0,174
o n = 3,87 rad/s
o Mp(%) = 57,4%
 Outros polos:
o 11,6
39
o 0,101
40

Step Response
1.4
Sistema com compensador LAG
1.2
0.8
Amplitude
0.6
0.4
0.2
0 41
0 5 10 15 20 25
Time (sec)

Step Response
1.4
Sistema com integrador ideal
Sistema com compensador LAG
1.2
0.8
Amplitude
0.6
0.4
0.2
42
0
0 5 10 15 20 25 30 35
Time (sec)

o Compensador lag não é capaz de eliminar o erro em regime
permanente para uma entrada degrau da mesma forma que o
controlador PI (embora possa ter um desempenho bastante
aproximado ao desejado).
o Compensador lag é formado por uma rede passiva (não usa

amplificadores operacionais e fontes externas).
43

 a) Compensador Derivativo Ideal (PD):

o Caso o LGR do sistema original não passe pela localização dos
polos que atendam às especificações de desempenho transitório,
a inclusão de um derivador ideal na malha direta pode fazer com
que o LGR do sistema compensado apresente o comportamento
desejado.
44

 Exemplo 4: Sistema não compensado (d=0,4):
Root Locus
10
2
Imaginary Axis
-2
-4
-6
-8
-10 45
-16 -14 -12 -10 -8 -6 -4 -2 0 2 4
Real Axis

Root Locus
System: g1
Gain: 23.7
4
Pole: -0.938 + 2.15i
Damping: 0.4
1
Imaginary Axis
-1
-2
-3
-4
46
-1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0
Real Axis

System: mf1
Peak amplitude: 0.866
Overshoot (%): 23.2
Step Response
At time (sec): 1.69
0.9
0.8
0.7
System: mf1
0.6 Settling Time (sec): 3.75
0.5
Amplitude
0.4
0.3
0.2
0.1
0
47
0 1 2 3 4 5 6 7
Time (sec)

 Exemplo 4: Compensação 1 (d=0,4):
Root Locus
10
2
Imaginary Axis
-2
-4
-6
-8
-10 48
-6 -5 -4 -3 -2 -1 0 1
Real Axis

Root Locus
7
System: g2
6 Gain: 51.3
Pole: -3 + 6.88i
Damping: 0.4
5
Overshoot (%): 25.4
Imaginary Axis
-1
-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1
49
Real Axis

Step Response
1.4
System: mf2
Overshoot (%): 25.4
At time (sec): 0.459
1.2
System: mf2
1
Settling Time (sec): 1.12
0.8
Amplitude
0.6
0.4
0.2
0 50
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Time (sec)

Root Locus
10
2
Imaginary Axis
-2
-4
-6
-8
-10 51
-6 -5 -4 -3 -2 -1 0 1
Real Axis

System: g3
Root Locus
10 Gain: 35
Pole: -2.43 + 5.55i
Damping: 0.4
8
Overshoot (%): 25.3
6
2
Imaginary Axis
-2
-4
-6
-8
52
-10
-6 -5 -4 -3 -2 -1 0 1
Real Axis

Step Response
System: mf3
1.4
Overshoot (%): 27.3
1.2
System: mf3
1
0.8
Amplitude
0.6
0.4
0.2
0 53
0 0.5 1 1.5 2 2.5
Time (sec)

Root Locus
10
2
Imaginary Axis
-2
-4
-6
-8
-10
-6 -5 -4 -3 -2 -1 0 1 54
Real Axis

Root Locus
10 System: g4
Gain: 20.7
8 Pole: -1.87 + 4.27i
Damping: 0.4
4
2
Imaginary Axis
-2
-4
-6
-8
-10 55
-6 -5 -4 -3 -2 -1 0 1
Real Axis

Step Response
1.4
System: mf4
Overshoot (%): 27.1
At
1.2time (sec): 0.737
1 System: mf4
0.8
Amplitude
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5
56
Time (sec)

 Exemplo 4:
57

 Exemplo 4: resposta ao degrau
Step Response
1.4
Sistema não compensado
Compensação 1
1.2
Compensação 2
Compensação 3
0.8
Amplitude
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 58
Time (sec)

 Exemplo 5: Projetar um compensador derivativo ideal para que o

sistema abaixo apresente um sobressinal máximo de 16% com
redução de 1/3 no tempo de acomodação original.
59

Root Locus
15
10
5
Imaginary Axis
-5
-10
-15
-20 -15 -10 -5 0 5 60
Real Axis

Root Locus
6
System: g1
Gain: 43.2
Pole: -1.2 + 2.05i
4 Damping: 0.504
Overshoot (%): 16
2
Imaginary Axis
-2
-4
-1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0 61

Real Axis

 Para :
o 1,2  j 2,05
o  = 0,504
o n = 2,38 rad/s
o Mp(%) = 16%
 3º polo:
o 7,59
62

Step Response
1.4
1.2
System: mf1
1
0.8
Amplitude
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Time (sec)
63

64

 Contribuição angular dos polos de MA:
65

66

67

 Sistema compensado
Root Locus
15
System: g2
Gain: 47.2
Pole: -3.6 + 6.17i
10 Damping: 0.504
Overshoot (%): 16
5
Imaginary Axis
-5
-10
68
-15
-7 -6 -5 -4 -3 -2 -1 0 1
Real Axis

Step Response
1.4
System: mf1
System: mf 2
Overshoot (%): 15
Overshoot (%): 12.1
1.2 At time (sec): 1.67
System: mf1
1
System: mf2
0.8
Amplitude
0.6
0.4
0.2
Sistema com compensação derivativa ideal
0
69
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Time (sec)

MÉTODO ALTERNATIVO
 Controlador PD:
 Problemas:
 Circuito ativo
70
 Ruído no sinal devido à diferenciação

 b) Compensação em Avanço (Compensador Lead):

o Vantagens:
o Pode ser implementado com uma rede passiva e reduz o ruído
de diferenciação.
o Desvantagens:
o A presença de um polo extra não reduz o número de ramos que
tendem a cruzar o eixo j como no caso da inclusão de apenas
um novo zero.
71

 Exemplo 6: Para o sistema abaixo, reduza o tempo de acomodação

pela metade, mantendo o sobressinal máximo em 30%.
72

Root Locus
15
10
5
Imaginary Axis
-5
-10
73
-15
-20 -15 -10 -5 0 5
Real Axis
Root Locus
15
System: g1
10
Gain: 63.2
Pole: -1.01 + 2.63i
Damping: 0.357
Overshoot (%): 30
5
Imaginary Axis
-5
-10
74
-15
-6 -5 -4 -3 -2 -1 0 1 2 3 4
Real Axis

 Para K=63,2:
o 1,01  j 2,63
o  = 0,358
o n = 2,81 rad/s
o Mp(%) = 30%
 3º polo:
o 7,99
75

76

77

 Projeto do compensador LEAD:

o Arbitrar a localização do zero e calcular posteriormente o polo que
faz o LGR passar pelo ponto desejado.
o Contribuição angular dos polos em MA:
78

 Exemplo 6: Compensador 1 (continuação)
79

80

Root Locus
100
80
60
40
20
Imaginary Axis
-20
-40
-60
-80
-100
-140 -120 -100 -80 -60 -40 -20 0 20 40 60
81
Real Axis


 Definir a função de transferência com o compensador LEAD
82


 Usar a função “rlocfind” para achar o ganho LGR no ponto
desejado
83


 Verificar se o amortecimento desejado é obtido.
84


 Para K=1412,7:
 polos dominantes:
 2,012  j 5,248
 3º e 4º polos:
 5,1341; 43,5519
o Zero:
 5 85

System: mf2
System: mf1
Peak amplitude: 1.3
Step Response
Overshoot (%): 30.5
1.4 0.608 Overshoot (%): 27.8
At time (sec):
At time (sec): 1.37
Compensador Lead 1
1.2
System: mf2 System: mf1
Settling Time (sec): 1.96 Settling Time (sec): 3.97
0.8
Amplitude
0.6
0.4
0.2
0 86
0 1 2 3 4 5 6
Time (sec)

 Exemplo 6: Compensador 2
87

88

Root Locus
60
40
20
Imaginary Axis
-20
-40
-60 89
-70 -60 -50 -40 -30 -20 -10 0 10 20 30
Real Axis


90


desejado
91


92

 Para K=694,527:
 2,012  j 5,248
 4; 21,9861
 Zero:
 4
93

Peak amplitude: 1.29 Peak amplitude: 1.28
Step Response
Overshoot (%): 28.7 Overshoot (%): 27.8
1.4
At time (sec): 0.627 At time (sec): 1.37
Compensador Lead 2
1.2
1
0.8
Amplitude
0.6
0.4
0.2
0 94
0 1 2 3 4 5 6
Time (sec)

95

96

Root Locus
10
2
Imaginary Axis
-2
-4
-6
-8
-10 97
-20 -15 -10 -5 0 5
Real Axis


98


desejado
99


100


 Para K=344,4025:
 2,012  j 5,248
 1,6423; 13,2766
 Zero:
 2
101

System: mf1
Step Response
System: 1.4
mf4 Overshoot (%): 27.8
Peak amplitude: 1.14 At time (sec): 1.37
Overshoot (%): 14.2
Compensador Lead 3
At time (sec):
1.2 0.727
System: mf1
System: mf4 Settling Time (sec): 3.97
1
0.8
Amplitude
0.6
0.4
0.2
0 102
0 1 2 3 4 5 6
Time (sec)

 Comparação entre os compensadores projetados
Step Response
1.4
Compensador Lead 1
1.2
Compensador Lead 2
Compensador Lead 3
0.8
Amplitude
0.6
0.4
0.2
0 103
0 1 2 3 4 5 6
Time (sec)

E A RESPOSTA TRANSITÓRIA
 Combinando-se as técnicas mostradas anteriormente, deseja-

se melhorar o desempenho transitório e o erro de regime
permanente do sistema compensado simultaneamente:
 1) Melhora-se o transitório e depois ajusta-se o regime
permanente.
 Desvantagem: geralmente a velocidade da resposta

diminui quando se ajusta o regime permanente.
104

 Combinando-se as técnicas mostradas anteriormente, deseja-se

melhorar o desempenho transitório e o erro de regime permanente
do sistema compensado simultaneamente:
 2) Melhora-se primeiro o regime permanente e depois a resposta
transitória.
 Desvantagem: o ajuste da resposta transitória modifica as

condições de regime permanente podendo piorar (o que não
atenderia às especificações desejadas) ou melhorar a resposta
em regime (geralmente não apresenta maiores problemas, mas
105
pode causar um aumento no custo do processo).

 Método (1) será utilizado.
 a) Controlador PID
106

MELHORANDO O ERRO DE REGIME PERMANENTE E
A RESPOSTA TRANSITÓRIA USANDO PD+PI (PID)
 Etapas de projeto:
 1) Avalie o desempenho do sistema não compensado para
determinar quanto deve-se melhorar a resposta transitória.
 2) Projete o controlador PD para atender às especificações de

resposta transitória (localização do zero e ganho de malha
aberta).
 3) Simule o sistema para garantir que as especificações foram

atendidas.
 4) Caso as especificações de resposta transitória não sejam

107
satisfeitas, refaça o projeto.

 5) Projete o controlador PI que leva o sistema a atender às
especificações em regime permanente.
 6) Determine , e .
 7) Simule o sistema para garantir que todos os requerimentos

(resposta transitória e regime permanente) foram atendidos.
 8) Reprojete os controladores caso as especificações obtidas

108
estejam fora do que é solicitado.

 Exemplo 7: Projete um controlador PID para que o sistema abaixo

passe a operar com um tempo de pico igual a 2/3 do tempo de pico
do sistema não compensado, com um sobressinal máximo de 20% e
com erro de regime nulo para uma entrada degrau.
109

 Exemplo 7: LGR do sistema não compensado
Root Locus
15
10
5
Imaginary Axis
-5
-10
-15 110
-12 -10 -8 -6 -4 -2 0 2
Real Axis

 Exemplo 7: LGR do sistema não compensado
Root Locus
15
10
System: g1
Gain: 122
Pole: -5.41 + 10.6i
5 Damping: 0.456
Overshoot (%): 20
Imaginary Axis
-5
-10
-15
-10 -8 -6 -4 -2 0 111
Real Axis

 Exemplo 7: Usando a função “rlocfind
112

 Obtendo o coeficiente de amortecimento a partir do sobressinal:
 Usando a função “damp” para verificar o amortecimento:
113

 Para K=122,17:
 5,416  j 10,6
  = 0,456
 n = 11,9 rad/s
 Mp(%) = 20%
 3º polo:
 8,168 114

 Exemplo 7: Resposta do sistema não compensado
Step Response
1.4
System: mf1
1.2 Peak amplitude: 1.02
Overshoot (%): 20.8
0.8
Amplitude
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2
115
Time (sec)

 Tempo de pico do sistema não compensado:
 Calculado:
 A partir do sistema simulado (lembrar que o sistema não é um

sistema de 2ª ordem):
116

 Exemplo 7: Especificações de regime transitório:
117

118

 Exemplo 7: Contribuição angular dos polos
119

 Exemplo 7: Contribuição angular do zero
 Contribuição angular do zero do PD
120

 Exemplo 7: Cálculo do zero do PD
121

 Exemplo 7:
 Definir a FT com o compensador PD:
122

 Exemplo 7: LGR do sistema com compensador PD
Root Locus
60
40
20
Imaginary Axis
-20
-40
-60 123
-200 -150 -100 -50 0 50
Real Axis

 Exemplo 7: LGR do sistema com compensador PD
Root Locus
60
System: g2
Gain: 5.56
40 Pole: -8.25 + 16.1i
Damping: 0.456
Overshoot (%): 20
20
Imaginary Axis
-20
-40
-60 124
-60 -50 -40 -30 -20 -10 0 10 20 30 40
Real Axis

 Exemplo 7:
 Usando a função “rlocfind”:
125

 Exemplo 7:
126

 Exemplo 7:
 Para K=5,56:
 8,2402  j 16,0799
 3º polo:
 8,0773
 zeros
 8; 55,26
127

 Exemplo 7: Simulação do sistema com compensador PD:
Step Response
1.4
Sistema com compensador PD
1.2
0.8
Amplitude
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2 128
Time (sec)

 Exemplo 7: Simulação do sistema com compensador PD:
Step Response
System:1.4mf2
Peak amplitude: 1.13 Sistema não-compensado
Overshoot (%): 21.7 System: mf1
At time1.2
(sec): 0.171 Peak amplitude: 1.02
Overshoot (%): 20.8
0.8
Amplitude
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2
129
Time (sec)

 Exemplo 7:
 Colocando o zero do PI perto da origem (-0,5):
 Definir a FT com os compensadores PD e PI:
130

 Exemplo 7: LGR do sistema com compensadores PD e PI.
Root Locus
60
40
20
Imaginary Axis
-20
-40
-60 131
-200 -150 -100 -50 0 50
Real Axis

 Exemplo 7:
 Usando a função “rlocfind”:
132

 Exemplo 7:
133

 Exemplo 7:
 Para K=5,62:
 8,0363  j 16,1519
 8,0815
 zeros
 0,5; 8; 55,26
134

 Exemplo 7: Simulação do sistema com compensadores PD e PI:
Step Response
1.4
1.2
Sistema com controlador PID
0.8
Amplitude
0.6
0.4
0.2
0 135
0 1 2 3 4 5 6
Time (sec)

 Exemplo 7: Simulação do sistema com compensadores PD e PI:
Step Response
1.4 System: mf3
Overshoot (%): 16.5 Sistema não-compensado
At time (sec): 0.174 Sistema com compensador PD
1.2
Sistema com controlador PID
System: mf2
1
Overshoot (%): 21.7 System: mf1
At time (sec): 0.171 Peak amplitude: 1.02
Overshoot (%): 20.8
0.8
Amplitude
0.6
0.4
0.2
0
0 1 2 3 4 5 6
136
Time (sec)

 Exemplo 7: Parâmetros do PID
137

MELHORANDO O ERRO DE REGIME PERMANENTE E A RESPOSTA
TRANSITÓRIA USANDO COMPENSADOR LEAD-LAG
 1) Avaliar o desempenho do sistema não compensado.
 2) Projetar o compensador LEAD para atender às especificações

de resposta transitória (localização do polo, localização do zero e
ganho de malha).
 3) Simular o sistema para verificar se as especificações foram

atendidas.
 4) Reprojetar o compensador LEAD, caso o desempenho transitório

138
não esteja satisfatório.

 5) Verificar o desempenho do sistema com compensação LEAD
com relação ao regime permanente para determinar quanto o
mesmo deve ser melhorado.
 6) Projetar o compensador LAG para atender às especificações de

regime permanente.
 7) Simular o sistema com compensador LEAD-LAG para verificar

se todas as especificações foram atendidas.
 8) Reprojetar os controladores caso as especificações estejam

139
fora do que foi especificado.

 Exemplo 8: Projete um compensador LEAD-LAG para que o sistema

abaixo opere com máximo sobressinal de 20% e uma redução pela
metade no seu tempo de acomodação do sistema sem compensação.
Além disto, o sistema compensado deve apresentar um erro em
regime permanente para uma entrada rampa 10 vezes menor que o
sistema original.
140

 Exemplo 8: LGR do sistema não compensado.
Root Locus
30
20
10
Imaginary Axis
-10
-20
-30
-40 -30 -20 -10 0 10 20 141
Real Axis

 Exemplo 8: LGR do sistema não compensado.
Root Locus
10
System: g1
8
Gain: 192
Pole: -1.79 + 3.5i
6 Damping: 0.456
Overshoot (%): 20
Imaginary Axis
-2
-4
-6
-3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 142
Real Axis

 Exemplo 8: Usando a função “rlocfind”
 Usando a função “damp” para verificar o amortecimento
143

Exemplo 8:
 Para K=192,09:
 1,7935  j 3,5012
 3º polo:
 12,413
144

 Exemplo 8: Simulação do sistema não compensado
System: mf1 Step Response

1.4 Peak amplitude: 1.19
Overshoot (%): 18.8
At time (sec): 1
1.2
System: mf1
1
0.8
Amplitude
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 145
Time (sec)

 Exemplo 8:
146

 Exemplo 8: arbitrar a posição do zero
147

 Exemplo 8: Contribuição angular dos polos
148

 Exemplo 8: Contribuição angular do polo do compensador LEAD
149

 Exemplo 8: Cálculo do polo do compensador LEAD
150

 Exemplo 8: Definindo a FT com o compensador LEAD
151

 Exemplo 8: LGR do sistema com o compensador LEAD
Root Locus
80
60
40
20
Imaginary Axis
-20
-40
-60
-80
-120 -100 -80 -60 -40 -20 0 20 40 152
Real Axis

 Exemplo 8: Usando a função “rlocfind”
153

 Exemplo 8: Usando a função “damp” para verificar o amortecimento
154

 Exemplo 8: Simulação do sistema com o compensador LEAD
Step Response
1.4
Sistema com compensador LEAD
1.2
0.8
Amplitude
0.6
0.4
0.2
0 155
0 0.5 1 1.5 2 2.5 3 3.5
Time (sec)

 Exemplo 8: Simulação do sistema com o compensador LEAD
System: mf2 System: Step

mf1 Response
1.4
Peak amplitude: 1.19 Peak amplitude: 1.19
At time (sec): 0.465 At time (sec): 1
1.2
System: mf1
1
System: mf2
0.8
Amplitude
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 156
Time (sec)

 Exemplo 8: Sistema não compensado
157

 Exemplo 8: Sistema com o compensador LEAD
158

 Exemplo 8: Sistema com compensador LEAD-LAG:

 Como a especificação do problema pede uma melhora de 10
vezes no erro em regime permanente para uma entrada rampa, o
compensador LAG deve melhorar o erro em regime permanente
de um fator:
 Desta forma:
159

 Exemplo 8: Compensador LAG:
 Assumindo:
 Desta forma:
160

 Exemplo 8: Definindo a FT com o compensador LEAD-LAG:
161

 Exemplo 8: LGR do sistema com compensador LEAD-LAG:
Root Locus
100
80
60
40
20
Imaginary Axis
-20
-40
-60
-80
-100
-140 -120 -100 -80 -60 -40 -20 0 20 40 60 162
Real Axis

 Exemplo 8: Usando a função “rlocfind”:
163

 Exemplo 8: Usando a função “damp” para verificar o amortecimento:
164

 Exemplo 8: Simulação do sistema com compensador LEAD-LAG
Step Response
1.4
1.2
Sistema com controlador LEAD-LAG
0.8
Amplitude
0.6
0.4
0.2
0 165
0 0.5 1 1.5 2 2.5 3 3.5
Time (sec)

Step Response
1.4
1.2
1
System: mf3
0.8
Amplitude
0.6
0.4
0.2 Sistema não-compensado

Sistema com compensador LEAD-LAG
0
0 0.5 1 1.5 2 2.5 3 3.5 166
Time (sec)

System: mf3 System: Step

mf1 Response
Peak amplitude:
1.4 1.2 Peak amplitude: 1.19
At time (sec): 0.467 At time (sec): 1
1.2
System: mf2
Overshoot 1 (%): 19.3
0.8
Amplitude
0.6
0.4

0
0 0.5 1 1.5 2 2.5 3 3.5 167
Time (sec)

 Exemplo 8: Simulação da resposta do sistema a uma entrada rampa
Step Response
1600
Rampa
1400 Sistema não-compensado
1200
1000
Amplitude
800
600
400
200
0
0 500 1000 1500
Time (sec)
168

 Exemplo 8: Simulação da resposta do sistema a uma entrada rampa
Step Response
15
Rampa
14 Sistema com compensador LEAD-LAG
13.5
13
Amplitude
12.5
12
11.5
11
10.5
10 169
10 10.5 11 11.5 12 12.5 13 13.5 14 14.5 15
Time (sec)

CARACTERÍSTICAS DOS COMPENSADORES
EM CASCATA
 PI e LAG:
170

EM CASCATA
 PD e LEAD:
171

EM CASCATA
 PID e LEAD-LAG:
172

Unidade VI: SISTEMAS DE CONTROLE NO ESPAÇO DE ESTADOS
Disciplina: Engenharia de Controle I
Professora: Prof.ª Dr.ª Rejane de Barros Araújo
1
Introdução
Teoria de Controle
 Clássico.
 Moderno (a partir da década de 1960).
CONTROLE CLÁSSICO CONTROLE MODERNO
Sistemas monovariáveis Sistemas multivariáveis

(SISO: single-input single-output) (MIMO: multiple-input multiple-output)
Sistemas lineares e invariantes no tempo Sistemas lineares ou não-lineares, variantes ou

não variantes no tempo
Enfoque no domínio da frequência complexa Abordagem centrada no domínio do tempo
Função de Transferência (modelo externo de Espaço de Estados (modelo interno)

entrada e saída)
2

Definições importantes
 Estado: é o menor conjunto de variáveis (chamadas de variáveis de estado) com

valores conhecidos em = , que juntamente com o conhecimento dos valores dos sinais
de entrada para ≥ , permitem determinar o comportamento do sistema para qualquer
instante ≥ .
 Variáveis de Estado: são as grandezas cujo conjunto de valores determina o estado de

um sistema dinâmico. Se forem necessárias pelo menos variáveis , ,…, para
descrever completamente o comportamento de um sistema dinâmico, diz-se que essas
variáveis são um conjunto de variáveis de estado.

 As variáveis de estado não precisam ser necessariamente grandezas físicas

mensuráveis ou observáveis, o que representa uma vantagem no método do espaço de
estados. Na prática, porém, é conveniente escolher grandezas facilmente mensuráveis
para serem as variáveis de estado do sistema, pois as leis de controle ótimo requerem a
realimentação de todas as variáveis de estado com a ponderação adequada.
 Vetor de Estados: é um vetor constituído das variáveis de estado necessárias para

descrever completamente o comportamento do sistema dinâmico.
= ⋮
4

 Espaço de Estados: é o espaço n-dimensional cujos eixos coordenados consistem nos

eixos , ,…, . Qualquer estado pode ser representado por um ponto no espaço de
estados.
 Equações no Espaço de Estados: modelagem de sistemas dinâmicos no espaço de

estados
 variáveis de entrada
 variáveis de saída
 variáveis de estado

 A representação de um sistema no espaço de estados não é única, porém sabe-se

que o número de variáveis de estado é o mesmo em qualquer representação.
 Os integradores atuam nos sistemas dinâmicos contínuos no tempo como

“dispositivos de memória”, de tal forma que os sinais de saída desses integradores
podem ser considerados como valores que definem o estado interno de um sistema
dinâmico.
 O número de integradores em um sistema dinâmico é também o número de variáveis

de estado necessárias para definir completamente a dinâmica desse sistema.
6

 sinais de entrada: , ,…, .

 sinais de saída: , ,…, .
 variáveis de saída dos integradores (variáveis de estado): , ,…, .
̇ = , , → çã
= , , → çã í
 Linearizando em torno do ponto de operação
̇ = + → çã
= + → çã í
7

 Onde:
→ matriz de estado
→ matriz de entrada
→ matriz de saída
→ matriz de transmissão direta

 Supondo o sistema linear e invariante no tempo:
̇ = +
= +
 Exemplo 1: circuito RLC série

 Exemplo 1: circuito RLC série (continuação).
( ) ( )
= (I) = + + (II)
I em II ⇒ = + +
1 1
+ + = + + =
1 1
=− − +
10

 Exemplo 1: circuito RLC série (continuação).

 Fazendo
= =
 Tem-se:
1 1
= =− − +
̇ ( ) 0 1 ( ) 0
= 1 + 1 ( )
̇ ( ) − − ( )
11

Exercícios
 1) Para o circuito RLC série do exemplo anterior, monte a equação de estados supondo
que = e = .
 2) Monte as equações de saída para e do sistema anterior.
 3) Dado o circuito abaixo, ache sua representação no espaço de estados considerando

= , = e = .
12

Funções de transferência x Equações no Espaço de Estados
̇ = + ( )
→ =
= + ( )
 Aplicando a transformada de Laplace
− (0) = ( )+ ( )
( )= ( )+ ( )
 Para obter a função de transferência ( ), tem-se 0 = 0:
= + ( )
− =
− − = −
= −
13

 Substituindo em :
= − + = − +
= = − +
( )
 Definindo a matriz de transição de estados  = − , tem-se:
=  + G = − +
polinômio(s)
=
det −
14

 Observação 1: Inversa de uma matriz M.
1
=
 é a matriz adjunta (matriz dos co-fatores transposta)
 Co-fator de ⇒(−1) det(sub − matriz retirando a linha e a coluna )
 Para uma matriz de 2ª ordem:
−
= ⇒ = −
15

 Observação 2: O polinômio característico de ( ) é o determinante de ( − ). Desta

forma, os auto-valores de A correspondem aos polos de ( ).
 Auto-valores e auto-vetores de uma matriz A
 = , onde  é o auto-valor e é o auto-vetor de A.

 − =0
 − =0
Para ≠ 0⇒ det  − =0
16

 Exemplo 2: Converter o sistema representado no espaço de estados para a forma de

função de transferência.
−4 −1,5 2 −4 −1,5 2
̇ = + = =
4 0 0 4 0 0
= 1,5 0,625 ( )
= 1,5 0,625 =0
1 0 −4 −1,5 +4 1,5
= − + − = − =
0 1 4 0 −4
− = Adj( − ) det − = +4 +6= +4 +6

17

−1,5
Adj − =
4 +4
 Desta forma
−1,5
− = 4 +4
+4 +6
1 −1,5 2
= − = 1,5 0,625
+4 +6 4 +4 0
3 +5
=
18
+4 +6
Conversão de uma Função de Transferência para
Espaço de Estados
 Como a escolha das variáveis de estado de um sistema dinâmico não é única, existem
inúmeras possibilidades de representação desse sistema na forma de equação de estados.
Entretanto, independente da representação no espaço de estados, há uma única função de
transferência que representa esse sistema.
 Apesar da infinidade de representações possíveis para um sistema dinâmico no espaço

de estados, algumas representações chamadas de FORMAS CANÔNICAS podem ser
obtidas.
19

Espaço de Estados
 Caso 1:
( ) 1
= =
( ) + + +
+ + + = ( )
+ + + = ( )
 Aplicando a anti-transformada de Laplace
( ) ( ) ( )
+ + + = ( )
20

Espaço de Estados
 Caso 1: colocando na forma de diagrama de blocos
21

Espaço de Estados
 Caso 1: fazendo
̇ − − − +
 Arrumando as variáveis na equação de estados
̇ − − − 1
̇ = 1 0 0 + 0 = 0 0 1
̇ 0 1 0 0
22

Espaço de Estados
 Caso 1: generalizando para um sistema de ordem :
( ) 1
= =
( ) + + + ⋯+
̇ − − − ⋯− +
̇
23
= Eng. de Controle e Automação – André Ferreira e Rejane de Barros Araújo

Espaço de Estados
 Caso 1: Então, tem-se
̇ = +
, com:
= +
− − … − − 1
1 0 … 0 0
= 0 1 … 0 0 = 0
⋮
⋮ ⋮ ⋱ ⋮ ⋮ 0
0 0 … 1 0
= 0 0 … 1 =0
24

Espaço de Estados
 Caso 2:
( ) + +
= =
( ) + + +
 Incluindo a variável intermediária ( ), pode-se escrever:
( ) ( ) ( )
=
( ) ( ) ( )
 De tal forma que:
( ) ( )
= + + =
( ) ( )
25

Espaço de Estados
 Caso 2:
26

Espaço de Estados
 Caso 2: expandindo o diagrama
27

Espaço de Estados
 Caso 2: eliminando os derivadores
28

Espaço de Estados
 Caso 2: fazendo
= + +
̇ − − − +
 Arrumando as variáveis na equação de estados
̇ − − − 1
̇ = 1 0 0 + 0 =
̇ 0 1 0 0
29

Espaço de Estados
 Caso 2: Generalizando para um sistema de ordem :
( ) + + ⋯+
= =
( ) + + + ⋯+
̇ − − − ⋯− +
⋮
= + + ⋯+
̇
̇
30

Espaço de Estados
 Caso 2: Forma de equação de estados
̇ = +
, com:
= +
− − … − −
1 0 … 0 0 1
= 0 1 … 0 0
⋱ = 0
⋮ ⋮ ⋮ ⋮ ⋮
0 0 … 1 0 0
= … =0
31
 A essa forma particular dá-se o nome de forma canônica do controlador.
Espaço de Estados
 Outras formas canônicas

 Forma canônica do observador
=
=
=
=0
 Forma canônica de Jordan: é obtida fazendo-se a expansão em frações parciais da

função de transferência do sistema, com a matriz de estados sendo uma matriz
diagonal com os polos desta função de transferência.
32

Espaço de Estados
 Exercício: Dado o sistema G(s), obtenha a sua representação no espaço de estados

na forma canônica de controlador.
+2
=
+6 +5
33

Controlabilidade e Observabilidade
 Considere a equação de estados com estados, entradas e saídas:
̇ = +
= +
 com ∈ , ∈ e ∈ .
 O par (A,B) é dito ser controlável se, para qualquer estado inicial e para qualquer
estado final , existir uma entrada ( ) que transfere o estado de para em tempo
finito.
34

 A definição requer apenas que se possa mover qualquer estado inicial no espaço de
estados para qualquer estado final em tempo finito, não havendo restrição quanto à
trajetória a ser seguida ou à magnitude do sinal de entrada. É importante notar que a
equação de saída não tem influencia sobre a controlabilidade do sistema.
 A matriz de controlabilidade de um sistema é dada por:
CO = …
 Diz-se que um sistema é controlável se a matriz CO tiver rank (número de linhas ou

colunas linearmente independentes) completo de linhas.
35

 O par (A,C) é dito ser observável se para qualquer estado inicial existir um tempo
tal que o conhecimento da entrada e da saída no intervalo [0, ] seja suficiente para
se determinar de maneira única .
 A matriz de observabilidade de um sistema é dada por:
OB =
⋮
 Diz-se que um sistema é observável se a matriz OB tiver rank completo de colunas.
36

 No MATLAB, os comandos “ctrb” e “obsv” retornam, respectivamente, as matrizes de

controlabilidade C e de observabilidade O. Utilizando o comando “rank” é possível
determinar se um sistema é controlável e/ou observável.
 Exemplo 3: Considere o seguinte sistema dinâmico mostrado abaixo. Calcule as

matrizes de controlabilidade e observabilidade e determine se o mesmo é ou não
controlável e observável:
2 0 0 1
̇ = 0 1 3 + 0 ( )
4 0 3 0
37
= 2 −1 0 ( )
Sistemas Equivalentes
 Considere o sistema
̇ = +
= +
 Seja ̅= , com não singular. Então, pode-se escrever o seguinte sistema

equivalente:
̇̅ = ̅ ̅ +
= ̅ ̅ +
 com ̅ = , = , ̅= e = .
38

Sistemas Equivalentes
 Pode-se mostrar que as propriedades de estabilidade, controlabilidade e

observabilidade são preservadas pela transformação de equivalência e que as matrizes de
controlabilidade e de observabilidade se relacionam da seguinte forma:
C = CO
O =O
39

Realimentação de estados
 A ideia básica da realimentação de estados consiste em alocar os polos de malha

fechada (autovalores da matriz dinâmica), modificando, assim, a dinâmica do sistema.
 Dada uma representação em variáveis de estado de um sistema
̇ = +
= +
40

 Usando realimentação de estado, cada variável de estado é multiplicada por um ganho e

realimentada para o terminal de entrada, ou seja:
=− +
 onde = … é o vetor de ganhos de realimentação.

 Assim, temos:
̇ = +
= + ̇ = + − +
̇ = − +
41

 Devemos ter acesso a todos os estados do sistema.
 Teorema: Se (A,B,C,d) for controlável, usando u(t) = -Kx(t) + r(t) podemos escolher
arbitrariamente os autovalores de (A - BK).
42

 Método da substituição direta para a Determinação da Matriz de Ganhos K.

 Se o sistema for de ordem reduzida (n ≤ 3), a substituição direta da matriz K no
polinômio característico desejado poderá ser mais simples;
 Por exemplo, se n = 3, então escreve-se a matriz de ganho K de realimentação de
estados como:
=
 Substitua a matriz K no polinômio característico desejado − + e iguala a
+ + + , isto é:
− + = + + +
43

 Exemplo 4.1: Dado o sistema em espaço de estados, usando =− + .

Determine K para que os polos desejados de malha fechada estejam localizados em =
−2± 4e = −10.
0 1 0 0
̇= 0 0 1 + 0
−1 −5 −6 1
 simulação matlab
A = [0 1 0;0 0 1;-1 -5 -6];
 B = [0 0 1]';
 J = [-2+j*4 -2-j*4 -10];
44
 K = place(A,B,J) Eng. de Controle e Automação – André Ferreira e Rejane de Barros Araújo
 Fórmula de Ackermann para Determinação da Matriz de Ganhos K.

 1) Formar ∆ = + + ⋯+ + com polos desejados.
 2) Calcular K da seguinte forma:
= 0 0 ⋯ 1 ( )
 onde
= ⋯
= + + ⋯+
45

 Exemplo 4.2: Dado o sistema em espaço de estados, usando =− + .

Determine K para que os autovalores do sistema sejam -1 e -2.
1 0 1
̇= +
0 −2 1
y= 1 1
simulação matlab
A = [0 1 0;0 0 1;-1 -5 -6];
 B = [0 0 1]';
 J = [-2+j*4 -2-j*4 -10];
 K = acker(A,B,J)
46

Observadores de estados
 O observador de estados consiste em um mecanismo (algoritmo) para estimação dos

estados da planta. É uma solução útil quando os estados reais da planta não estão
accessíveis, situação muito comum na prática .
 Seja
̇ = +
=
 conhecendo A, B e C e as medidas de y(t) e u(t), constrói-se o estimador:
̇ = + − ( ) +
47
( ) = ( )
 onde = ⋯
48

Erro de estimação
 O erro entre e , conhecido como erro de estimação (ou erro de observação), é dado
por; = − ( ), derivando-se, temos:
̇ = ̇ − ̇
̇ = + − + − ( ) +
̇ = − − −
̇ = − (t)
 Para que lim = 0 é necessário que os autovalores de (A − LC) sejam estáveis.

→
 Teorema: Se (A,B,C,D) for observável, então um estimador de estado assintótico com
49
quaisquer autovalores pode ser construído.
 Fórmula de Ackermann para Determinação da Matriz de Ganhos do observador L.

 1) Formar ∆ = + + ⋯+ + com polos desejados.
 2) Calcular L da seguinte forma:
= ( ) 0 0 ⋯ 1
 onde
= ⋯
= + + ⋯+
50

 Exemplo 5: Dado o sistema em espaço de estados, projetar um observador de estados

com autovalores -3 e -3.
1 0 1
̇= +
0 −2 1
y= 1 1
 simulação matlab
̇( ) 0 ( )
̇( ) = − ( )
+ ( )
( )
y= 0
51 ( )
Realimentação de estados observados
 Para a realimentação de estados é necessário que todos os estados reais da planta, x(t),
sejam mensuráveis. Quando isto não ocorre, há a necessidade de construir um observador
de estados. Neste caso a realimentação é feita a partir dos estados estimados, ( ):
52

 Seja
̇ = +
=
 Se ( ) é uma estimativa de ( ) , então, na realimentação de estados utiliza-se:
= +
 Porém, se a realimentação é feita a partir dos estados estimados, a dinâmica do

estimador precisa ser considerada. Desta forma, tem-se:
53

̇( ) − ( )
̇( ) = ( − − ) ( )
+ ( )
( )
y= 0
( )
 Exemplo 6: Utilizar a realimentação de estados em conjunto com o observador de

estados projetados anteriormente.
54

Seguidores de referência ou servosistemas
 Para que um sistema descrito por variáveis de estado possa, além de possuir a dinâmica
desejada (garantida pela alocação de polos por realimentação de estado), seguir uma
determinada entrada, com erro zero, usamos o princípio do modelo interno.
 Considere entradas de referência descritas por equações do tipo:
̇ =
=
 com condições iniciais desconhecidas. Um modelo equivalente para entradas de
referência é:
+ + ⋯+ ̇+ =0
 onde é a n-ésima derivada de r(t).

55

 Exemplo 7:
 Degrau unitário: =1; ≥ 0; ̇ = 0:
̇ =0
 Escolhendo = , temos:
=1
̇=1
 Rampa unitária: = , ≥ 0;
̈=0
̇ 0 1
= =
̇ 0 0
 Escolhendo = ̇ , temos:
= 1 0
56

Princípio do modelo interno para referência do tipo degrau
 Considere o sistema
̇ = +
=
 Definimos o erro de rastreamento como: e(t) = y(t) − r(t) .
 Das características do sinal de referência, temos: ̇ = ̇ − ̇ = ̇ =C ̇ .
 Definimos novas variáveis de estado como:
= ̇ ̇=
, então temos:
= ̇ ̇= +
57

 Na forma matricial
̇ 0 0
= +
̇ 0
 Se o sistema for controlável, então, existe uma lei de controle por realimentação de
estado, da forma; = + , tal que os polos do sistema aumentado podem ser
posicionados arbitrariamente.
 Desde que os polos do sistema aumentado sejam alocados na região de estabilidade, o

erro de rastreamento será estável. Assim, o objetivo de rastreamento assintótico com erro em
regime nulo será alcançado. Ou seja, a resposta do sistema abaixo é assintoticamente
estável.
58

̇ 0
=
̇ +
 O sinal de controle u(t) é obtido pela expressão:
= = + ( )
 Logo
̇= + → ̇= + +
59

 Definindo: =∫ , temos: ̇ = = − = − .
 Logo:
̇ − 0
= +
̇ − 0 1
60

 Exemplo 8: Considere o sistema em espaço de estados. Projetar um controlador para

que o sistema tenha erro nulo para uma entrada em degrau.
0 1 0
̇= +
−2 −2 1
y= 1 0
61

UNIDADE V: RESPOSTA EM FREQUÊNCIA DE

SISTEMAS LINEARES

Prof. André Ferreira/Rejane de Barros Araújo
SISTEMAS DE CONTROLE
2
 Histórico:
 Nyquist (1932)
 Critério de Estabilidade de Nyquist
Eng. de Controle e Automação – André Ferreira/Rejane de Barros Araújo

3
 Histórico:
 Bode (1945)
 Diagramas de Bode

4
 Histórico:
 Evans (1948)
 LGR

RESPOSTA EM FREQUÊNCIA DE SISTEMAS LINEARES
5
M i ( )∠i ( ) M o ( )∠o ( )
M ( )∠ ( )

6
M i ( )∠i ( ) M o ( )∠o ( )
M ( )∠ ( )
M o ( )∠o ( ) = M i ( )M ( )∠[i ( ) +  ( )]
M o ( )
M ( ) = Resposta da magnitude no
M i ( ) domínio da frequência
 ( ) = o ( ) − i ( ) Resposta da fase no
domínio da frequência

7
 Resposta da magnitude no domínio da frequência:

Relação entre as magnitudes das senoides de saída e
de entrada.
 Resposta da fase no domínio da frequência:

Diferença entre os ângulos de fase das senoides de
saída e de entrada.

8
 Essas respostas são função da frequência e valem apenas para a

resposta em regime estacionário das senoides aplicadas ao sistema.
 Pode-se mostrar que a resposta em frequência de um sistema G(s) é

dada por:
As + B
c( s ) = 2
s +(2
G (s)
)
G ( j  ) = G ( s ) s → j
As + B
R( s) =
(
s2 +  2 ) c(s )
G (s )

RESPOSTA GRÁFICA DA RESPOSTA EM FREQUÊNCIA
9
 A FT senoidal é uma função complexa da frequência , sendo

caracterizada pelo seu módulo e seu ângulo de fase.
 Existem duas maneiras para representar graficamente a resposta em

frequência de = ( )∠ ( ):
 Diagrama de Bode: com gráficos de magnitude e fase separados
(gráfico logarítmico; dB = 20 log M).
 Diagrama de Nyquist: gráfico polar (representação fasorial).

10
EXEMPLO
 Magnitude:
1 1 1 2− 2−
= = =
+2 2+ 2−
=
+4
+2
 Fase:
1 1
( ) = = ⇒ 20 log = 20 log
+4 +4
∠ = =−
2

11
 Magnitude e Fase em gráficos separados:
Bode Diagram
-10
-15
20log(M) (dB) (dB)
-20
-25
-30
-35
-40
0
Phase (degrees) (deg)
-30
-60
-90 -1 0 1 2
10 10 10 10
Frequency (rad/s)
12
 Gráfico Polar (magnitude e fase no mesmo gráfico):

13
 Esses gráficos podem ser obtidos com o auxílio do MATLAB.
 Definindo inicialmente a FT:

14
 Diagrama de Bode
 >> bode(g)
Bode Diagram
 >> grid 0
-10
Magnitude (dB)
-20
-30
-40
-50
0
Phase (deg)
-45
-90
-1 0 1 2
10 10 10 10
Frequency (rad/sec)

15
 Diagrama de Nyquist
 >> nyquist(g)
Nyquist Diagram
 >> grid 0.25
10 dB 6 dB4 dB2 dB0 dB-2 dB-4 dB
-6 dB -10 dB
0.2
0.15
20 dB -20 dB
0.1
0.05
Imaginary Axis
-0.05
-0.1
-0.15
-0.2
-0.25
-1 -0.5 0 0.5
Real Axis

APROXIMAÇÕES ASSINTÓTICAS:
16 DIAGRAMA DE BODE
 Os esboços dos diagramas de Bode podem ser simplificados através da
sua aproximação por uma sequência de linhas retas.
K (s + z1 )(s + z 2 ) (s + z k )
G (s) = m
s (s + p1 )(s + p2 ) (s + pn )
K (s + z1 ) (s + z 2 )  (s + z k )
G ( j ) =
s m (s + p1 ) (s + p2 )  (s + pn )
s → j

17 DIAGRAMA DE BODE
 Utilizando a representação em dB ( = 20 log ), tem-se:
20 log G ( j  ) = 20 log K + 20 log ( s + z1 ) + 20 log ( s + z 2 )

+  − 20 log s m − 20 log ( s + p1 ) − 
s → j
 Fazendo-se o mesmo procedimento para a fase, somam-se os ângulos

de fase dos termos relativos aos zeros e subtraem-se os ângulos de
fase dos termos referentes aos polos.

DIAGRAMA DE BODE PARA = +
18
= + → = + = +1
 Em baixas frequências:
→0 20 log = 20 log
≅ ⇒ = 0 =0
 Em altas frequências:
≫ 20 log = 20 log
≅ ⇒ = = ∠90 = 90

19 DIAGRAMA DE BODE
 Plotando o gráfico de log , tem-se:
 onde:
= 20 log
= log
 Desta forma, pode-se dizer que para cada década (intervalo entre duas
frequências, onde a última é dez vezes maior que a primeira) a
magnitude sofre um aumento de 20 dB.

20 DIAGRAMA DE BODE
 Na frequência de quebra = , tem-se:
= + ⇒ = 45
 Assim sendo, o diagrama de Bode de = + pode ser desenhado

utilizando as aproximações assintóticas:

21 DIAGRAMA DE BODE

22 DIAGRAMA DE BODE
 Comparação entre a aproximação assintótica e resposta em frequência
normalizada para = +

23 DIAGRAMA DE BODE

24 DIAGRAMA DE BODE

25 DIAGRAMA DE BODE
 Utilizando o Matlab
Bode Diagram
60
50
Magnitude (dB)
40
30
20
90
Phase (deg)
45
0
-1 0 1 2 3
10 10 10 10 10
Frequency (rad/sec)

DIAGRAMA DE BODE PARA = /( + )
26
1 1 1
= → = =
+ + +1
 Em baixas frequências:
→0 1
20 log = 20 log = −20 log
1 1
≅ ⇒ = ∠0 =0
 Em altas frequências:
≫ 1
20 log = 20 log
1 1 1
≅ ⇒ = = ∠ − 90 = −90

27 DIAGRAMA DE BODE
 Na frequência de quebra = , tem-se:
1
= ⇒ = −45
+
 Assim sendo, o diagrama de Bode de = + pode ser desenhado

utilizando as aproximações assintóticas (gráfico normalizado):

28 DIAGRAMA DE BODE

29 DIAGRAMA DE BODE
Bode Diagram
-20
-30
Magnitude (dB)
-40
-50
-60
0
Phase (deg)
-45
-90
-1 0 1 2 3
10 10 10 10 10
Frequency (rad/sec)

30 DIAGRAMA DE BODE PARA INTEGRADOR
 Usando o MATLAB:
Bode Diagram
20
10
Magnitude (dB)
-10
-20
-30
-40
0
Phase (deg)
-45
-90
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
 OBS.: Cruza 0 para = 1 rad/s

31 DIAGRAMA DE BODE PARA DERIVADOR
 Usando o MATLAB:
Bode Diagram
40
30
20
Magnitude (dB)
10
-10
-20
90
Phase (deg)
45
0
-1 0 1 2
10 10 10 10
Frequency (rad/sec)
 OBS.: Cruza 0 para = 1 rad/s

DIAGRAMA DE BODE PARA FATORES
32 DE 1ª ORDEM
 Exemplo:
G ( s ) = K (s + 3) /[s (s + 1)(s + 2 )]
 Rearrumando ( ), tem-se:
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 
 Frequências de quebra: 1 rad/s, 2 rad/s e 3 rad/s.
33 DE 1ª ORDEM
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 
 O gráfico deve começar pelo menos uma década abaixo da menor
frequência de quebra e terminar pelo menos uma década acima da
maior frequência de quebra:
0,1 ≤ ≤ 100 rad/s
 O efeito de é mover a curva de magnitude para cima (↑ ) ou para

baixo (↓ ) de um valor 20 log , com o mesmo não apresentando efeito
na curva de fase.

34 DE 1ª ORDEM
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 
 Em = 0,1 rad/s (baixas frequências) aproximar + 1 com →0 e
para o termo no denominador usar 0,1.
3
( ) , =2 ≅
0,1
=1 ⇒ = 0,1 ⇒ ( ) = 20 log 15 = 23,52

35 DE 1ª ORDEM
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 
 Cálculo da magnitude utilizando as aproximações assintóticas:

36 DE 1ª ORDEM
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 
 Gráfico da magnitude utilizando as aproximações assintóticas (efeito
individual dos polos e zeros):

37 DE 1ª ORDEM
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 
 Gráfico da magnitude utilizando as aproximações assintóticas (resultado
final):

38 DE 1ª ORDEM
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 
 Cálculo da fase utilizando as aproximações assintóticas:

39 DE 1ª ORDEM
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 
 Gráfico da magnitude utilizando as aproximações assintóticas (efeito
individual dos polos e zeros):

40 DE 1ª ORDEM
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 
 Gráfico da magnitude utilizando as aproximações assintóticas (resultado
final):

41 DE 1ª ORDEM
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 

42 DE 1ª ORDEM
3 s 
K  + 1
2 3 
G (s) =
s 
s (s + 1) + 1
2 
Bode Diagram
40
20
0
Magnitude (dB)
-20
-40
-60
-80
-90
Phase (deg)
-135
-180
-1 0 1 2
10 10 10 10
Frequency
Eng. (rad/sec)
de Controle e Automação – André Ferreira/Rejane de Barros Araújo
43 DE 2ª ORDEM

44 DE 2ª ORDEM

45 DE 2ª ORDEM

46 DE 2ª ORDEM

EXERCÍCIO
47
 Utilizando o MATLAB, obter os diagramas de Bode para
1
=
+2 +
 Fazendo =1 rad/s e com os seguintes coeficientes de

amortecimento:
= 0.1; 0.2; 0.3; 0.5; 0.7; 1.0; 1.5

VANTAGENS DA RESPOSTA EM FREQUÊNCIA
48 NA FORMA DE DIAGRAMAS DE BODE
 1) Diagramas de Bode de sistemas ligados em série podem ser somados

diretamente.
 2) O comportamento do sistema desde baixas até altas frequências pode

ser mostrado em um único gráfico.
 3) Diagramas de Bode podem ser obtidos experimentalmente.
 4) Compensadores dinâmicos podem ser projetados utilizando apenas

Diagramas de Bode.

CRITÉRIO DE NYQUIST
49
 Relaciona a estabilidade de um sistema em malha fechada à resposta

em frequência em malha aberta e à localização dos polos em malha
aberta.
NG
G (s) =
DG NG N H
NH G (s) H (s) =
H (s) = DG DH
DH

50
NG N H
G (s) H (s) =
DG DH
N G N H DG DH + N G N H
1 + G (s) H (s) = 1 + =
DG DH DG DH
G (s)
T (s) =
1 + G (s) H (s)
NG N H
T (s) =
DG DH + N G N H

51
G (s) H (s) =
NG N H N G N H DG DH + N G N H
1 + G (s) H (s) = 1 + =
DG DH DG DH DG DH
NG N H
T (s) =
DG DH + N G N H
 Conclusões:
 1) Os polos de 1 + ( ) são os mesmos de ( ), o sistema
em MA.
 2) Os zeros de 1 + ( ) são os idênticos aos polos de ( ), o

sistema em MF.

52
 Um contorno (conjunto de pontos) A pode ser mapeado no contorno B

substituindo-se cada ponto do contorno A na função F(s) e
representando-se graficamente os números complexos resultantes.

53
 Supondo que =1+ ( ) possui os polos e zeros mostrados

abaixo, pode-se fazer o mapeamento do contorno A para o contorno B:

54
 Pode-se mostrar que = − , onde:

 N → número de rotações no sentido anti-horário sobre o
contorno B em torno da origem.
 P → número de polos em malha aberta no interior do contorno

A.
 Z → número de polos em malha fechada no interior do

contorno A.

55
 Polos de 1 + ( ) → polos de ( ) (conhecidos)
 Zeros de 1 + ( ) → polos de ( ) (desconhecidos)
 Portanto, é igual ao número de polos envolvidos em MA e Z é

igual ao número de polos envolvidos em MF.
N = P−Z
Z = P−N
56
 O número de polos em MF no interior do contorno (igual ao número de

zeros dentro do contorno) é igual ao número de polos em MA de
( ) no interior do contorno menos o número de rotações no
sentido anti-horário do mapeamento em torno da origem.
 Ao se estender o contorno para incluir todo o semi-plano da direita,

pode-se contar o número de polos em MF no interior do contorno A que
estão no semi-plano da direita para se avaliar a estabilidade do sistema.

57
 Como todos os polos e zeros de ( ) são conhecidos, se

( ) for mapeado no lugar de 1 + ( ) o contorno
resultante é o mesmo, porém deslocado de uma unidade para a
esquerda:
 Rotações devem ser contadas no em torno de −1, ao invés da

origem.

CRITÉRIO DE ESTABILIDADE DE NYQUIST
58
 Se um contorno A que envolve todo o semi-plano direito do

plano-s for mapeado através de ( ), então o número de
polos em MF (Z), no semi-plano da direita, é igual ao número de
polos em MA (P) menos o número de rotações (N) no sentindo
anti-horário em torno de – 1 ( = – ).

59
 Exemplo 1:
 = 0; = 0; = – = 0 (sistema estável)

60
 Exemplo 2:
 = 0; = – 2 (sent. horário) → = – = 2 (sistema

instável)
61
 O número de envolvimentos pode ser determinado traçando-se

uma linha radial de teste a partir de -1 em qualquer direção
conveniente e contando-se o número de vezes que o diagrama
de Nyquist cruza essa linha de teste.
 Cruzamentos no sentido anti-horário são positivos e

cruzamentos no sentido horário são negativos.

AVALIAÇÃO DA ESTABILIDADE USANDO O
62 DIAGRAMA DE NYQUIST
 Para determinar a faixa de ganho que torna um sistema estável, mas

evitando ter que desenhar vários diagramas de Nyquist (um para cada
ganho), pode-se avaliar o comportamento do sistema ( ), ao invés de
( ).
 Isto pode ser feito porque o envolvimento de -1 por ( ) é equivalente

ao envolvimento de −1/ por ( ).
 Ao invés de lidar com ( ), pode-se considerar ( ) e contar o
número de envolvimentos no ponto −1/ .

 Exemplo 1:
 Obtendo o diagrama de Nyquist usando o MATLAB:

 Exemplo 1:
Nyquist Diagram
2
1.5
0.5
Imaginary Axis
-0.5
-1
-1.5
-2
-1.5 -1 -0.5 0 0.5 1 1.5 2
Real Axis

 Exemplo 1:
Nyquist Diagram
2
1.5
System: g System: g
0.5 Real: -1.33 Real: 1.87
Imag: -0.017 Imag: -0.0318
Imaginary Axis
Frequency (rad/sec): -3.31 Frequency (rad/sec): -0.0132

0
System: g
Real: 1
-0.5 Imag: -0
Frequency (rad/sec): -2.5e+017
-1
-1.5
-2
-1.5 -1 -0.5 0 0.5 1 1.5 2
Real Axis

 Exemplo 1: Supondo que −1/ possui a localização indicada no
gráfico.
Nyquist Diagram
2
1.5
0.5
Imaginary Axis
-0.5
-1
-1.5
-2
-1.5 -1 -0.5 0 0.5 1 1.5 2
Real Axis

 Exemplo 2:
K
G( s) =
s(s + 3)(s + 5)
 Obtendo o diagrama de Nyquist usando o MATLAB:

 Exemplo 2:
Nyquist Diagram
1.5
0.5
Imaginary Axis
-0.5
-1
-1.5
-1 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0
Real Axis

 Exemplo 2: zoom perto da origem
-3
x 10 Nyquist Diagram
2
1.5
1
System: g
0.5 Real: -0.00822
Imag: -3.47e-007
Imaginary Axis
Frequency (rad/sec): -3.92

0
-0.5
-1
-1.5
-2
-0.02 -0.018 -0.016 -0.014 -0.012 -0.01 -0.008 -0.006 -0.004 -0.002 0
Real Axis

MARGEM DE GANHO E MARGEM DE FASE
70
 São medidas usadas para quantificar a estabilidade de um

sistema, de tal forma que sistemas com maiores margens de
ganho e de fase podem suportar maiores mudanças de seus
parâmetros antes de se tornarem instáveis.

71
 Margem de Ganho ( ):
 É a mudança no valor do ganho em MA no ponto com fase de -180º,
expressa em dB, necessária para tornar o sistema instável em MF.
 Margem de Fase ( ):
 É a mudança no valor de fase em MA no ponto com ganho unitário (0
dB), necessária para tornar o sistema instável em MF.
 OBS.: MG e MF isoladamente não fornecem informação suficiente sobre

estabilidade relativa. Para que um sistema de fase mínima seja estável,
ambas as margens de estabilidade devem ser positivas.
72

73
USANDO DIAGRAMA DE NYQUIST

74
USANDO DIAGRAMA DE NYQUIST
Frequência de Crossover ( para 0 dB).

75
USANDO O MATLAB
 Nos gráficos de Bode e de Nyquist usando o MATLAB, pode-se obter

graficamente os valores das margens de ganho e de fase usando a
opção “Characteristics; All Stability Margins” com o botão direito do
mouse.
 No workspace pode-se utilizar a função “margin”:

 [Gm,Pm,Wcg,Wcp] = margin(sys)

76
USANDO O MATLAB
 Exemplo 3:

77
USANDO O MATLAB
 Exemplo 3:
Bode Diagram
20
0
Magnitude (dB)
-20
System: g
-40 Gain Margin (dB): 19.1
At frequency (rad/sec): 3.74
-60 Closed Loop Stable? Yes
-80
-100
0
-90 System: g
Phase (deg)
Phase Margin (deg): 122

Delay Margin (sec): 3.4
-180 At frequency (rad/sec): 0.624
Closed Loop Stable? Yes
-270
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/sec)

EXERCÍCIOS
78
 Para o sistema da figura abaixo, faça o seguinte:

 Represente graficamente o diagrama de Nyquist;
 Utilize o diagrama de Nyquist para determinar a faixa de valores do
ganho, , para a estabilidade do sistema;
 Determine as margens de ganho e de fase do sistema
considerando o ganho = 6.
K
G( s) = 2
(
s + 2s + 2 (s + 2) )

EXERCÍCIOS
79
 Para o sistema da figura abaixo, faça o seguinte:

 Represente graficamente o diagrama de Nyquist;
 Desenhe o diagrama de Bode de magnitude e de fase;
 Utilize o diagrama de Nyquist para determinar a faixa de valores do
ganho, K, para a estabilidade do sistema;
 Determine as margens de ganho e de fase do sistema
considerando o ganho K = 10.000.
K
G( s) =
(s + 5)(s + 20)(s + 50)

PROJETO EM AVANÇO DE FASE PELO DIAGRAMA
80
DE BODE
 O projeto do compensador em avanço de fase consiste em se encontrar

valores para p e z tais que a resposta do sistema compensado atinja o
objetivo desejado.
 Se a margem de fase da malha aberta não for suficiente (depois de

ajustado o ganho do sistema para atender a especificação de erro em
regime permanente), avanço de fase pode ser introduzido adicionando-
se o compensador na faixa de frequência adequada (de forma que, em
 =  , o ganho do sistema compensado seja 0dB).

PROJETO EM AVANÇO DE FASE PELO DIAGRAMA
81
DE BODE
 O valor de  é determinado em função do aumento na margem de fase

desejada a partir da expressão:
1
1 + sen  m s+
1
 = Gc (s) =
 s+ 1
T
1 − sen  m
T
 Como o aumento no ganho devido ao compensador é de  e o

máximo avanço de fase ocorre a meio caminho (entre o zero e o polo
na escala logarítmica de frequência), ou seja, = , espera-se que
o ganho em  =  seja .

PROJETO EM AVANÇO DE FASE PELO DIAGRAMA DE BODE
ALGORITMO
82
1. Determina-se de modo que o ganho de malha aberta atenda à

especificação de erro de regime permanente;
2. Usando o ganho determinado no passo 1, obter o diagrama de Bode

de KG(s) para determinar a margem de fase;
3. Deixando uma pequena margem de segurança, determina-se o ângulo

de avanço de fase adicional,  , tal que o sistema atinja a margem de
fase especificada;

ALGORITMO
83
4. A partir desse valor de φm, calcula-se .
5. Determina-se a frequência em que o ganho do sistema não-

compensado corresponda a − dB (nessa frequência, o ganho do
sistema compensado deverá ser exatamente 0dB e  =  .)
6. Calcula-se o polo e o zero do compensador usando as relações =

e = ⁄ .

ALGORITMO
84
7. Traça-se a resposta em frequência do sistema compensado, checa-se a

margem de fase resultante e, se necessário, repete-se os passos
anteriores.
8. Finalmente, ajusta-se o ganho do sistema de forma a balancear a

atenuação do compensador ( 1/ ), o que normalmente não reduz
significativamente a margem de fase pré-especificada. Caso a margem
de fase do sistema com o ganho re-ajustado não seja aceitável, repete-
se o procedimento para α de 10 a 20% maior.

ALGORITMO
85
 Exemplo 5: projete um compensador por avança de fase para a função

de transferência abaixo. O compensador deve atingir um erro de regime
permanente menor ou igual a 5% para uma entrada rampa e margem de
fase maior ou igual a 45º.
K
G (s)H (s) =
s (s + 2 )

ALGORITMO
86
 De (∞) é necessário: = = = 20
.
 Portanto, do 1º e 2º passo traça-se o diagrama de Bode da FT não

compensada
= lim = lim = 40
→ → +2
 Diagrama de Bode (matlab):

 n = 40; d = conv([1 0],[1 2]);
 G = tf(n,d); bode(G), grid on

ALGORITMO
87
 Margem de Fase = 18° do sistema não compensado;
 O que fazer? Adicionar um controlador de avanço de fase para

aumentar a margem de fase para 45º na nova frequência de
cruzamento (em 0dB);
 Passo 3: Veja que  = ° − ° = ° , mais um

incremento de 10%, leva ao incremento de fase  = 27° +
2,7° = 30°.

ALGORITMO
88
 Passo 4: Calcula-se ,
1+ 30°
=
1− 30°
 Passo 5: Veja que o máximo avanço de fase ocorre em  , no

qual = = . dB;
 Avalia-se na magnitude de -4.77dB a frequência de cruzamento

compensada, ou seja,  =  ≈
. rad/s.

ALGORITMO
89
 Passo 5: Logo
p
p =  m  = 8 . 21 3 = 14 , 22 z= = 4 , 74

 Passo 6 e 7: Compensador
 1 + s 
1  4 , 74 
Gc (s) =
3  1 + s 
 14 , 22 

ALGORITMO
90
 FT da malha de controle com o compensador
40  s + 1 
G c ( s )G ( s ) H ( s ) =
1  4 , 74 
3 s ( s + 2 ) s + 1 
 14 , 22 
 Matlab: sistema compensado e não compensado

PROJETO EM ATRASO DE FASE PELO DIAGRAMA
91
DE BODE
 Observando que o efeito útil do compensador em atraso de fase é sua

atenuação (de − ), este é usado para reduzir a frequência de
cruzamento, , da linha em 0dB, aumentando assim a margem de fase
do sistema;
1
s+
Gc (s) = T
1
s+
T

92
DE BODE
 1. Determina-se de modo que o ganho de malha aberta atenda à

especificação de erro de regime permanente;
 2. Usando o ganho determinado no passo 1, obter o diagrama de

Bode de ( ), sem compensação, para determinar a margem de fase.
Se for insuficiente, prossiga;
 3. Determina-se a frequência em que a margem de fase especificada

seja satisfeita assumindo que o ganho do sistema compensado venha a
cruzar a linha de 0 dB nessa frequência, (deixando uma folga de uns
5º para contabilizar a pequena defasagem restante do compensador);

93
DE BODE
 4. Aloca-se o zero do compensador uma década abaixo da nova

frequência de cruzamento, , garantindo assim que apenas 5º de
atraso de fase restará na frequência devido ao compensador;
 5. Mede-se a atenuação necessária em de forma que a curva de

ganho cruze a linha de 0dB nessa frequência.
 6. Calcula-se usando a relação em
 7. O valor do polo é determinado fazendo:

p= 1 = z
T 
PROJETO EM ATRASO DE FASE PELO DIAGRAMA DE BODE
ALGORITMO
94
 Exemplo 6: Considere o função de transferência do exemplo 5.
 Para os passos 1 e 2 já se sabe do exemplo anterior que, sem

compensação, a = °, conforme diagrama de Bode a seguir
 Matlab (diagrama de Bode)

ALGORITMO
95
 Exemplo 6: Continuação
 Passo 3. Determina-se, em Bode, a frequência (que deve ser a nova
frequência de cruzamento) onde a margem de fase (45°)
especificada seja satisfeita, levando em conta um atraso de 5º, ou
seja, para  = 45° − 180° + 5° = −130°;
 ≈ 1.68 rad/s.
 Passo 4. O zero está uma década abaixo de portanto

= /10 = 0.168 rad/s;

ALGORITMO
96
 Passo 5. Nesta frequência pode-se ler 19,2 dB, que seria a
atenuação necessária para que seja a nova frequência de
cruzamento (a curva de magnitude passe a cruzar a linha de 0 dB);
 Passo 6. Calcula-se α fazendo 20 = 19,2 dB, ou seja, =

9,1201;
 Passo 7. O valor do polo é = / = 0.0184 rad/s

ALGORITMO
97
40 ( s + 0 ,168 )
G c ( s )G ( s ) H ( s ) =
s ( s + 2 )( s + 0 , 0184 )
 Matlab: Diagrama de Bode do sistema compensado e não

compensado.

98

Controle Contínuo

Enviado por

Direitos autorais:

Formatos disponíveis

Controle Contínuo

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Controle Contínuo

Enviado por

Direitos autorais:

Formatos disponíveis

INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO PARÁ

CURSO DE ENGENHARIA DE CONTROLE E AUTOMAÇÃO

Unidade I: SISTEMA DE CONTROLE

Disciplina: Engenharia de Controle I

Professora: Prof.ª Dr.ª Rejane de Barros Araújo

 Breve história do controle automático

 Exemplos de sistemas de controle

 Controle de malha fechada e malha aberta

 Projeto e compensação de sistemas de controle

 Engenharia de Controle Moderno

 Engenharia de Sistemas de Controle

 Sistemas de Controle Modernos

 Teoria de controle clássico;

 Teoria de controle moderno;

 Teoria de controle robusto;

 1º trabalho de controle automático (James Watt): regulador centrífugo

 Minorsky (1922): controladores automáticos para pilotagem de

 Nyquist (1932): determinou a estabilidade de sistemas de malha

 Hazen (1934): introduziu o termo servomecanismo para sistemas de

Nicolas Minorsky Harry Nyquist Graham J. Hazen

 Década de 1940: diagrama de Bode;

 1940 e 1950: controladores PID em sistemas de controle industrial;

 Início de 1940: regras de sintonia de Ziegler-Nichols;

 Final de 1940 (Evans): Lugar Geométrico das Raízes (LGR);

 Teoria de controle moderno, com base nas variáveis de estado, foi

 1960 e 1980: controle de sistemas determinísticos e estocásticos,

 1980 a 1990: controle robusto e tópicos associados.

 Estabilidade do sistema é sensível ao erro entre o sistema real e seu

 O controlador é projetado a partir do modelo e pode alcançar um

 O método de projeto para que o sistema não se torne instável é

 Variável controlada: é a grandeza ou a condição que é medida e controlada;

 Variável manipulada (sinal de controle): é a grandeza ou condição modificada

 Plantas: pode ser uma parte de equipamento ou apenas um conjunto de

 Processos: operação natural de progresso contínuo ou um desenvolvimento

 Sistemas: é a combinação de componentes que agem em conjunto para atingir

 Distúrbios: é um sinal que tende a afetar de maneira adversa o valor da variável

Controle com realimentação: refere-se a uma operação que, na presença de

 A diferença entre a velocidade desejada e a velocidade real é o sinal de

 O sinal de controle (quantidade de combustível) a ser aplicado à planta

 A grandeza externa que perturba a variável controlada é o distúrbio

 O projeto reduzirá o controle administrativo necessário;

 Os distúrbios correspondem à carência de mão de obra ou matéria-prima,

 O termo controle de malha fechada sempre implica a utilização do controle

Malha aberta Malha fechada

 São simples de serem construídos e possuem fácil manutenção;

 São menos dispendiosos que um sistema correspondente de malha fechada;

 Não apresentam problemas de estabilidade;

 São adequados quando existem dificuldades de medição da saída ou quando

 Distúrbios e mudanças na calibração causam erros, e a saída pode

 Para que a saída mantenha a qualidade requerida, é necessária uma

 Em projetos reais de sistemas de controle, a utilização de um

 Se a planta a ser controlada inclui líquido inflamável, é necessário

 Requisitos importantes em um sistema de controle;

 As especificações podem ser em termos de requisitos de resposta

 As especificações de desempenho não devem ser mais restritivas que o

 Procedimento de projeto: desenvolve-se um modelo matemático do sistema de

UNIDADE I: ANÁLISE DE RESPOSTA TRANSITÓRIA E DE

Engenharia de Controle e Automação

 Análise por Espaço de Estados

 Estabilidade de Sistemas Dinâmicos