Livro CNL Gsilva Jul03

CONTROLO NO LINEAR
Gustavo Vitorino Monteiro da Silva

Professor Adjunto da EST Setbal/IPS
Licenciado em Engenharia Electrotcnica
Mestre em Eng. Electrotcnica e de Computadores
Julho 2003

ii

ao Dioguinho

iii

PREFCIO

A obra do autor surge na sequncia de um esforo continuado no sentido de enriquecer
o j vasto nmero de publicaes que tem vindo a apresentar nas reas de
Instrumentao e Medida e de Controlo e Processos, onde desenvolve a sua actividade
como docente do Departamento de Sistemas e Informtica da Escola Superior de
Tecnologia de Setbal do Instituto Politcnico de Setbal.
Das obras j desenvolvidas so de realar, para alm das publicaes de carcter
pedaggico efectuadas no mbito das disciplinas que tem vindo a leccionar, os livros de
Instrumentao Industrial e Processamento Digital de Sinais que teve oportunidade de
publicar em Junho de 1999 e Outubro de 2000, respectivamente.
Considero que o factor fundamental de motivao subjacente s publicaes referidas e
particularmente nova publicao, agora apresentada, sobre Controlo No Linear tem
por base uma excepcional dedicao que o docente tem manifestado no apoio aos
alunos e outros interessados nas matrias que tem leccionado.
Como nota de realce, nas publicaes apresentadas, saliento ainda a capacidade que o
autor tem demonstrado em aliar sua experincia profissional o rigor tcnico-cientfico
na apresentao de temas cuja abordagem nem sempre fcil. Para isso contribuem, de
forma bastante positiva, os casos de aplicao prtica que so sugeridos no decurso da
apresentao dos contedos tericos e das matrias apresentadas, bem como o nmero
significativo dos problemas resolvidos e propostos em cada captulo.
Por todos estes considerandos e em especial pelo esforo evidenciado no sentido de
apoiar os alunos da EST Setbal, em particular os do Curso de Automao, Controlo e
Instrumentao, felicito o autor manifestando o meu reconhecimento e agradecimento
pelo trabalho desenvolvido.

Setbal, 26 de Julho de 2003

Dias Pereira

iv

INTRODUO

Este livro foi desenvolvido a partir das lies por mim dadas na disciplina de Controlo
No Linear, da licenciatura em Engenharia de Automao Controlo e Instrumentao da
Escola Superior de Tecnologia de Setbal / IPS, nos anos lectivos de 1998/99 a
2002/03. Nessa cadeira, inserida no 2 semestre do 4 ano, procura-se:
mostrar que muitos dos sistemas de interesse prtico, em reas muito diversas,
devem ser modelados e tratados como sistemas no lineares.
chamar a ateno para algumas das caractersticas prprias dos sistemas no
lineares.
compreender a teoria de Lyapunov em alguns casos simples.
conhecer as tcnicas de controlo no linear mais usuais.
Os alunos ao iniciarem o estudo desta disciplina devero ter conhecimentos gerais de
anlise matemtica que incluam funes trigonomtricas e nmeros complexos, clculo
diferencial e integral, varivel complexa, sries de Fourier e transformada de Laplace,
bem como conhecimentos de lgebra linear e geometria analtica. Devero tambm ser
conhecedores de funes reais de varivel inteira, somatrios, sries numricas e de
potncias. Os alunos devero tambm ter conhecimentos gerais da Teoria dos Sinais e
Sistemas, bem como os conceitos bsicos do Controlo Linear de diagramas de Bode e
de Nyquist, de funo de transferncia e estabilidade.
Como numa cadeira semestral no possvel abordar com um mnimo de profundidade
as matrias referentes a sistemas e controlo no linear, optou-se por escrev-las sob a
forma de livro, em edio electrnica. Deste modo os alunos alm de disporem de um
texto de apoio s aulas, podem adquirir os seus conhecimentos sem necessidade
imediata de recorrer a bibliografia estrangeira. Esta no entanto fundamental para uma
melhor compreenso e maior aprofundamento das matrias expostas, na medida em que
cada autor tem o seu modo prprio de explicar e aborda de forma diferente os diversos
assuntos.
Espero que este livro, para alm de auxiliar os alunos das cadeiras de Controlo No
Linear das nossas Escolas e Universidades, possa tambm ajudar todos aqueles que
estando interessados nestas matrias necessitem de um livro bsico em Lngua
Portuguesa.
Quero ainda agradecer a todos aqueles que de uma forma ou de outra contriburam para
que este livro tomasse forma.

Lisboa, Julho de 2003

iv

CONTEDO

pg.
1. SISTEMAS NO LINEARES..............................................................................................1
1.1. INTRODUO.....................................................................................................................1
1.2. CLASSIFICAO DOS SISTEMAS .........................................................................................2
1.2.1. Sistemas estticos e dinmicos...............................................................................3
1.2.2. Sistemas relaxados e no relaxados.......................................................................4
1.2.3. Sistemas de parmetros distribudos e de parmetros concentrados ....................4
1.2.4. Sistemas causais e no causais ..............................................................................4
1.2.5. Sistemas variantes no tempo e invariantes no tempo.............................................4
1.2.6. Sistemas contnuos e discretos ...............................................................................4
1.2.7. Sistemas determinsticos e estocsticos..................................................................5
1.2.8. Sistemas estveis e instveis...................................................................................5
1.2.9. Sistemas lineares e no lineares.............................................................................5
1.3. COMPORTAMENTO DOS SISTEMAS NO LINEARES ..............................................................5
1.3.1. Dependncia de amplitude da excitao................................................................6
1.3.2. Tempo de escape finito...........................................................................................7
1.3.3. Pontos de equilbrio mltiplos................................................................................9
1.3.4. No unicidade da soluo ....................................................................................10
1.3.5. Dependncia crtica dos parmetros....................................................................10
1.3.6. Bifurcaes...........................................................................................................11
1.3.7. Caos ou dependncia crtica das condies iniciais ............................................12
1.3.8. Ciclos limite ou oscilaes ...................................................................................12
1.3.9. Existncia de harmnicas e sub-harmnicas .......................................................13
1.4. ESCRITA DAS EQUAES..................................................................................................13
1.4.1. Sistemas mecnicos clssicos...............................................................................14
1.4.2. Teorema do momento linear.................................................................................14
1.4.3. Teorema do momento angular .............................................................................14
1.4.4. Movimento linear .................................................................................................15
1.4.5. Movimento de rotao..........................................................................................16
1.4.6. Sistemas elctricos................................................................................................16
1.4.7. Sistemas Trmicos ................................................................................................18
1.4.8. Sistemas qumicos.................................................................................................21
1.5. MODELO DE ESTADO........................................................................................................22
1.5.1. Modelo de estado, sistema contnuo.....................................................................22
1.5.2. Modelo de estado discreto....................................................................................25
1.5.3. Obteno da trajectria .......................................................................................26
1.5.4. Pontos de equilbrio. ............................................................................................28
1.5.5. Trajectrias e estabilidade...................................................................................28
1.6. ALGUMAS NO LINEARIDADES CORRENTES .....................................................................29
1.6.1. Saturao .............................................................................................................29
1.6.2. Zona Morta...........................................................................................................30
1.6.3. Histerese...............................................................................................................31
1.6.4. Folga ....................................................................................................................33
1.6.5. Atrito Esttico.......................................................................................................35
1.6.6. Caracterstica liga/desliga ou on/off ...............................................................35
1.7. PROBLEMAS RESOLVIDOS ................................................................................................37
1.8. PROBLEMAS PROPOSTOS ..................................................................................................41
v

2. SISTEMAS DE 2 ORDEM.............................................................................................43
2.1. INTRODUO...................................................................................................................43
2.2. ANLISE QUALITATIVA DOS SISTEMAS LINEARES.............................................................44
2.2.1. Valores prprios distintos (
1
2
)........................................................................45
2.2.2. Valores prprios iguais (
1
=
2
)...........................................................................47
2.3. CICLOS LIMITE .................................................................................................................49
2.3.1. Classificao dos ciclos limite .............................................................................49
2.3.2. Existncia de ciclos limite ....................................................................................50
2.4. OBTENO DA TRAJECTRIA...........................................................................................52
2.4.1. Mtodos analticos ...............................................................................................52
2.4.2. Mtodos grficos ..................................................................................................56
2.5. PROBLEMAS RESOLVIDOS ................................................................................................59
2.6. PROBLEMAS PROPOSTOS ..................................................................................................62

3. FUNDAMENTOS DA TEORIA DE LYAPUNOV ..........................................................63
3.2. INTRODUO...................................................................................................................63
3.3. PONTOS DE EQUILBRIO E ESTABILIDADE .........................................................................63
3.3.1. Sistemas autnomos em regime livre ...................................................................63
3.3.2. Pontos de equilbrio de sistemas autnomos........................................................65
3.3.3. Estabilidade de pontos de equilbrio....................................................................66
3.3.4. Estabilidade local e global...................................................................................69
3.4. ESTABILIDADE PELA LINEARIZAO................................................................................70
3.4.1. Sistema linearizado ..............................................................................................70
3.4.2. Mtodo de Lyapunov da linearizao ..................................................................73
3.5. MTODO DIRECTO DE LYAPUNOV ...................................................................................76
3.5.1. Motivao.............................................................................................................76
3.5.2. Funes positivas definidas..................................................................................77
3.5.3. Funo de Lyapunov ............................................................................................79
3.5.4. Teorema de Lyapunov (estabilidade local) ..........................................................80
3.5.5. Teorema de Lyapunov (estabilidade global) ........................................................81
3.5.6. Teorema de Lyapunov (instabilidade)..................................................................82
3.6. FUNO DE LYAPUNOV DE SISTEMAS LINEARES ..............................................................82
3.6.1. Formas quadrticas e matrizes positivas definidas .............................................82
3.6.2. Funo de Lyapunov para SLIT...........................................................................84
3.7. FUNO DE LYAPUNOV DE SISTEMAS NO LINEARES ......................................................84
3.7.1. Mtodos analticos ...............................................................................................84
3.7.2. Mtodos baseados em conceitos fsicos ...............................................................88
3.8. CONJUNTOS INVARIANTES ...............................................................................................88
3.8.1. Definio ..............................................................................................................88
3.8.2. Teorema local do conjunto invariante .................................................................88
3.8.3. Teorema global do conjunto invariante ...............................................................89
3.9. ESTABILIDADE DE SISTEMAS NO AUTNOMOS ...............................................................91
3.9.1. Pontos de equilbrio .............................................................................................91
3.9.2. Estabilidade de um ponto de equilbrio................................................................91
3.9.3. Mtodo directo de Lyapunov................................................................................92
3.9.4. Teoremas de Lyapunov para sistemas no autnomos ........................................93
3.9.5. Mtodo directo de Lyapunov para sistemas lineares no autnomos..................94
3.9.6. O mtodo da linearizao para sistemas no autnomos....................................95
3.9.7. Teoremas sobre instabilidade...............................................................................96
3.10. EXISTNCIA DE FUNES DE LYAPUNOV .......................................................................98
3.10.1. Teorema recproco, ponto de equilbrio estvel.................................................98
3.10.2. Teorema recproco, estabilidade assimptotica e uniforme.................................98
3.10.3. Teorema recproco, estabilidade exponencial....................................................98
vi
3.11. ESTABILIDADE ABSOLUTA .............................................................................................99
3.11.1. Sistema linear com realimentao no linear....................................................99
3.11.2. Critrio de Popov .............................................................................................101
3.11.3. Critrio do crculo............................................................................................103
3.12. PROBLEMAS RESOLVIDOS ............................................................................................104
3.13. PROBLEMAS PROPOSTOS ..............................................................................................105

4. MTODO DA FUNO DESCRITIVA........................................................................109
4.1. FUNO DESCRITIVA.....................................................................................................109
4.2. FUNO DESCRITIVA DE NO LINEARIDADES CORRENTES. ............................................110
4.3. ESTABILIDADE PELO MTODO DA FUNO DESCRITIVA. ................................................111
4.4. PROBLEMAS RESOLVIDOS..............................................................................................114
4.5. PROBLEMAS PROPOSTOS................................................................................................116

5. LINEARIZAO EXACTA POR REALIMENTAO..........................................119
5.1. UMA PRIMEIRA ABORDAGEM.........................................................................................119
5.1.1. Exemplo de linearizao e controlo por realimentao ....................................120
5.1.2. Sistemas na forma companheira ........................................................................122
5.1.3. Linearizao entrada-estado..............................................................................123
5.1.4. Linearizao entrada-sada ...............................................................................125
5.1.5. A dinmica interna .............................................................................................127
5.1.6. Dinmica interna de sistemas lineares...............................................................129
5.1.7. A dinmica zero..................................................................................................131
5.2. O FORMALISMO DA GEOMETRIA DIFERENCIAL ..............................................................133
5.2.1. Conceitos e aplicaes .......................................................................................133
5.2.1.1. Campo vectorial ........................................................................................................ 133
5.2.1.2. Campo covectorial .................................................................................................... 133
5.2.1.3. Produto interno.......................................................................................................... 133
5.2.1.4. Gradiente................................................................................................................... 133
5.2.1.5. Jacobiano .................................................................................................................. 134
5.2.1.6. Derivada de Lie......................................................................................................... 134
5.2.1.7. Aplicaes da derivada de Lie .................................................................................. 135
5.2.1.8. Parntesis de Lie ....................................................................................................... 136
5.2.1.9. Propriedades do parntesis de Lie............................................................................. 137
5.2.1.10. Difeomorfismos ........................................................................................................ 138
5.2.2. Teorema de Frobenius........................................................................................139
5.3. LINEARIZAO ENTRADA-ESTADO................................................................................141
5.3.1. Definio de linearizao entrada-estado .........................................................141
5.3.2. Condies para efectuar a linearizao entrada-estado ...................................142
5.3.3. Algoritmo para realizar a linearizao entrada-estado.....................................143
5.4. LINEARIZAO ENTRADA-SADA ..................................................................................146
5.4.1. Grau relativo bem definido ................................................................................146
5.4.2. Grau relativo indefinido.....................................................................................147
5.5. PROBLEMAS RESOLVIDOS ..............................................................................................148
5.6. PROBLEMAS PROPOSTOS ................................................................................................158

6. SISTEMAS DIFUSOS E REDES NEURONAIS........................................................159
6.1. INTRODUO. CONTROLO INTELIGENTE ........................................................................159
6.2. CONJUNTOS E LGICA DIFUSA........................................................................................160
6.2.1. Introduo ..........................................................................................................160
6.2.2. Conjuntos e sistemas difusos..............................................................................160
6.2.2.1. Definies ................................................................................................................. 160
6.2.2.2. Propriedades fundamentais ....................................................................................... 163
6.2.3. Lgica difusa......................................................................................................164
6.2.3.1. Variveis ................................................................................................................... 164
vii
6.2.3.2. Operaes.................................................................................................................. 165
6.2.3.3. Regras if-then............................................................................................................ 167
6.2.4. Regras de inferncia...........................................................................................168
6.2.5. Projecto de um controlador difuso.....................................................................170
6.2.6. Controlo difuso do satlite no Matlab................................................................174
6.3. REDES NEURONAIS ........................................................................................................177
6.3.1. Conceitos e definies ........................................................................................177
6.3.1.1. A rede multicamada .................................................................................................. 177
6.3.1.2. A rede de base radial................................................................................................. 180
6.3.2. A RNA como aproximador universal..................................................................181
6.3.3. Estrutura de uma rede........................................................................................181
6.3.3.1. Nmero de camadas .................................................................................................. 181
6.3.3.2. Nmero de unidades.................................................................................................. 181
6.3.3.3. Funes de activao ................................................................................................ 182
6.3.4. Obteno dos parmetros da rede .....................................................................183
6.3.4.1. Funcional de custo .................................................................................................... 183
6.3.4.2. Treino da rede ........................................................................................................... 184
6.3.5. Identificao do Processo. .................................................................................184
6.3.5.1. Dados de entrada /sada............................................................................................. 184
6.3.5.2. Estrutura da entrada da rede. ..................................................................................... 185
6.3.6. Controlo preditivo. .............................................................................................188

7. EXEMPLOS DE SISTEMAS NO LINEARES........................................................189
7.1. PNDULO SIMPLES .........................................................................................................189
7.2. SISTEMA MASSA-MOLA-AMORTECEDOR.........................................................................192
7.3. OSCILADOR DE RESISTNCIA NEGATIVA.........................................................................196
7.4. MOVIMENTO DE DOIS CORPOS COM FORAS CENTRAIS ..................................................199
7.5. INTERACO ENTRE ESPCIES ANIMAIS .........................................................................201
7.6. REACTOR QUMICO CONTINUAMENTE AGITADO.............................................................202

8. CONSTANTES, FORMULRIOS E TABELAS........................................................205
8.1. CONSTANTES MATEMTICAS .........................................................................................205
8.2. CONSTANTES FUNDAMENTAIS DA FSICA.......................................................................205
8.3. FORMULRIO DE MATEMTICA.....................................................................................206
8.3.1 lgebra elementar ...............................................................................................206
8.3.2 Logaritmos e exponenciais..................................................................................206
8.3.3 Geometria............................................................................................................206
8.3.4 Limites .................................................................................................................206
8.3.5 Sries ...................................................................................................................207
8.3.6 Trigonometria......................................................................................................207
8.3.7 Derivadas ............................................................................................................207
8.3.8 Integrais indefinidos............................................................................................208
8.4. TRANSFORMADA DE LAPLACE UNILATERAL ..................................................................209
8.4.1 Propriedades da TL.............................................................................................209
8.4.2 Tabelas de TL......................................................................................................210
8.5. FORMULRIO DE FSICA.................................................................................................211
8.5.1 Mecnica dos slidos ..........................................................................................211
8.5.2 Mecnica dos fluidos...........................................................................................211
8.5.3 Electrotecnia .......................................................................................................211

BIBLIOGRAFIA...................................................................................................................213

NDICE...................................................................................................................................215

1

1. SISTEMAS NO LINEARES

1.1. Introduo
O objectivo destes textos efectuar o estudo de sistemas no lineares e o modo de os
controlar. Um sistema designa-se por no linear sempre que na sua constituio
intervenha pelo menos um componente ou um sub-sistema no linear. Os sistemas no
lineares no satisfazem o princpio da sobreposio, pelo que o seu comportamento
depende da amplitude dos sinais que nele intervm. Sero apenas estudados sistemas
no lineares causais, quer sejam variantes ou invariantes no tempo, contnuos ou
discretos.
Os mtodos clssicos utilizados no estudo dos sistemas lineares, em particular a anlise
em frequncia (lugar das razes, diagramas de Bode e Nyquist) no so aplicveis aos
sistemas no lineares. H assim necessidade de recorrer a outros mtodos para proceder
ao estudo destes sistemas, em particular da sua estabilidade, sendo de entre outros de
destacar os mtodos devidos a Lyapunov
(1)

Entende-se por controlo no linear o conjunto de procedimentos destinados a fazer com
que as variveis de sada de um sistema no linear se aproximem de uma determinada
referncia e estabilizem numa vizinhana do seu valor. Como acontece no domnio
linear, o controlo no linear utiliza realimentao, quer da sada quer do estado, para
gerar um sinal de controlo que vai actuar sobre o processo. Por vezes a cadeia de
realimentao projectada no linear, ou para compensar as no linearidades do sistema
que est a ser controlado, ou para melhorar certos aspectos do controlo.
Quando se pretende controlar sistemas no lineares utilizando os mtodos do controlo
linear, estes de um modo geral apenas permitem um bom desempenho dentro de uma
pequena gama de operao do sistema. Fora dela, o desempenho ser mau ou mesmo
instvel. Nestes casos torna-se necessrio considerar o sistema linearizado em torno de
determinados pontos de funcionamento usando parmetros de controlo especficos para
cada ponto (gain schedule) e ajustar os parmetros automaticamente (controlo
adaptativo), ou ento utilizar uma cadeia de realimentao negativa que faa com que o
sistema em cadeia fechada se comporte como linear (linearizao por realimentao).
Nem sempre possvel linearizar o sistema em torno de um ponto de funcionamento,
por exemplo quando o sistema contm atritos de Coulomb, folgas, zonas mortas,
saturaes, etc., no linearidades muito correntes em processos e sistemas reais. Para
este tipo de no linearidades, chamadas no linearidades duras, necessrio usar
determinadas tcnicas de controlo especficas.

1
Aleksandr Mikhailovich Lyapunov, Matemtico e Engenheiro Russo, 1857-1918.
1 - SISTEMAS NO LINEARES
Pg. 2 Escola Superior de Tecnologia de Setbal Controlo No Linear Gustavo da Silva

Normalmente, o projecto de sistemas no lineares, obriga a um contacto mais estreito
com a fsica e a qumica associadas aos sistemas que iro ser controlados, de modo a
permitir uma melhor compreenso dos fenmenos que se esto a passar; por vezes
realizam-se modificaes nos processos que introduzem melhorias significativas no
controlo, tais como a mudana do local fsico dos actuadores, do seu dimensionamento
e inclusivamente poder fazer-se uma nova escolha das variveis manipuladas.
1.2. Classificao dos Sistemas
De uma forma genrica chama-se sistema a um conjunto de elementos organizados de
modo a constiturem um todo cientfico unitrio ou um corpo doutrinal.
Com base nesta definio de carcter bastante genrico, existem sistemas em todas as
reas do conhecimento. Este estudo limitar-se- a sistemas em que seja possvel
quantificar as variveis e os parmetros que os definem. Podem assim considerar-se
sistemas econmicos, em que se estuda a relao entre variveis de interesse na
economia, sistemas fsicos, em que as variveis sero grandezas de carcter fsico,
como por exemplo presses e caudais, sistemas qumicos, sistemas geolgicos,
sistemas matemticos, etc. Por vezes um sistema pode ser misto, envolvendo ao
mesmo tempo variveis de diversas reas, por exemplo econmicas e fsicas.
Ao efectuar-se o estudo do comportamento de um sistema torna-se quase sempre
necessrio construir um modelo. Este uma representao do sistema em estudo, por
meio de uma estrutura matemtica. A modelizao de um sistema pode ser mais ou
menos elaborada, consoante a finalidade. Poder haver mais do que um modelo, mais ou
menos simplificado, para cada sistema.

Sistema
(mundo real)
Modelo 1
Modelo 2
...
Modelo N
(mundo formal)

Estruturas
matemticas
simplificadas

A obteno do ou dos modelos de um sistema pode ser feita de diversos modos:
A partir do conhecimento dos fenmenos em causa (ex.: 2 lei de Newton).
A partir da observao das variveis em jogo e da sua anlise.
Por processo misto.
Salvo algumas excepes, os sistemas que aqui vo ser considerados dispem de pelo
menos uma varivel de entrada, eventualmente nenhuma, e pelo menos uma varivel de
sada, pelo que para estes casos se pode apresentar a seguinte definio:
Sistema toda a entidade de carcter matemtico, fsico, qumico ou outro tipo,
quantificvel, que recebe sinais, que os processa e os envia para o seu exterior.
Para uma definio matemtica de sistema consultar o livro de E. Sontag, referido na
bibliografia.
1- SISTEMAS NO LINEARES

Escola Superior de Tecnologia de Setbal Controlo No Linear Gustavo da Silva Pg. 3
De uma forma compacta, costume representar graficamente um sistema por meio de
um rectngulo, no interior do qual se indica a propriedade que o caracteriza,
representando os sinais de entrada ou excitao por u (ou por x, nos tratados de ndole
matemtica), e os sinais de sada por y, como se indica na Fig. 1.1.

Fig. 1.1 Representao grfica compacta de um sistema

Em relao a um determinado sistema genrico observe-se o seguinte:
As entradas u(t) e as sadas y(t) podem ser escalares ou vectores, podendo
eventualmente no haver entradas,
O valor das sadas depende da estrutura do sistema, caracterizada pelas
variveis de estado x(t), das entradas u(t), de perturbaes adicionais d(t), por
vezes desconhecidas, e do prprio tempo t:
( ) [ ( ), ( ), ( ), ] t T t t t t = y x u d (1.1)
costume efectuar a classificao dos sistemas de acordo com os seguintes critrios:
Sistemas estticos e dinmicos,
Sistemas relaxados e no relaxados,
Sistemas de parmetros distribudos e de parmetros concentrados,
Sistemas causais e no causais,
Sistemas variantes no tempo e invariantes no tempo,
Sistemas contnuos e discretos,
Sistemas determinsticos e estocsticos,
Sistemas estveis e instveis,
Sistemas lineares e no lineares,
1.2.1. Sistemas estticos e dinmicos
Um sistema designa-se esttico se a sua sada y(t), depender, quando muito, da entrada
u(t) no mesmo instante t. Caso y(t) dependa de variaes da entrada ou da sada, ou dos
seus valores integrados, o sistema diz-se dinmico. No sentido matemtico, um sistema
esttico uma aplicao de u(t) em y(t). Um sistema dinmico, ao contrrio de um
sistema esttico, possui memria, pelo facto da sada depender de valores tomados
noutros instantes.
SISTEMA
NO LINEAR
Entrada
Sada
y(t)
[1q]
Perturbaes
d(t)

1.2.2. Sistemas relaxados e no relaxados
Um sistema diz-se relaxado, num determinado instante inicial, ou em repouso, se no
tiver energia armazenada. Caso o sistema possua energia armazenada diz-se no
relaxado. comum dar-se como exemplo se um sistema no relaxado um circuito
elctrico contendo um condensador carregado.
1.2.3. Sistemas de parmetros distribudos e de parmetros concentrados
Um sistema de parmetros distribudos todo aquele em que pelo menos um dos seus
parmetros caractersticos depende de pelo menos uma coordenada espacial, de tal
forma que essa dependncia se reflicta nas caractersticas do sistema. exemplo
clssico de um sistema de parmetros distribudos uma linha de transmisso de sinais,
quando o comprimento de onda destes sinais inferior ordem de grandeza do
comprimento da linha. Pelo contrrio, um circuito RLC que trabalhe com um sinal de 10
MHz, a que corresponde um comprimento de onda de 30 m, ser um sistema de
parmetros concentrados.
1.2.4. Sistemas causais e no causais
Um sistema diz-se causal se a sua sada, num determinado instante, depender apenas
das entradas presente e passadas, no dependendo das entradas futuras.
Os sistemas em tempo real so sempre causais. No entanto, sistemas que trabalhem com
sinais gravados podero ser no causais. Sistemas cujas entradas sejam variveis que
no sejam o tempo, podero ser no causais: por exemplo a deformao de uma viga
depender dos esforos sua esquerda e sua direita (coordenada x, equiparvel a
tempos negativos e positivos, respectivamente).
1.2.5. Sistemas variantes no tempo e invariantes no tempo
Um sistema diz-se invariante no tempo se as suas caractersticas no se modificarem
com o decorrer do tempo. Para um sistema relaxado e causal o sistema ser invariante
no tempo se e s se, qualquer que seja d > 0,
( ) [ ( )] ( ) [ ( )] t T t t d T t d = = y u y u (1.2)
1.2.6. Sistemas contnuos e discretos
Designa-se por sistema contnuo todo aquele que opera com sinais em tempo contnuo
e por sistema discreto todo o sistema que opera com sinais em tempo discreto.
Muitas das propriedades dos sistemas discretos so semelhantes s dos sistemas
contnuos; outras so fundamentalmente diferentes. Os sistemas do mundo
macroscpico real, salvo algumas excepes, so contnuos. O processamento de sinais
num computador essencialmente discreto, pelo que essencial dominar-se as
propriedades de ambos os tipos de sistemas e saber efectuar a converso de sistemas
contnuos para discretos, e vice-versa.

1.2.7. Sistemas determinsticos e estocsticos
Um sistema diz-se estocstico sempre que processe variveis aleatrias. No caso
contrrio o sistema diz-se determinstico. Repare-se que basta a existncia de uma
varivel aleatria para que o sistema seja estocstico.
1.2.8. Sistemas estveis e instveis
Um sistema diz-se estvel (estabilidade BIBO Bounded Input, Bounded Output) se e
s se, qualquer que seja a sua entrada limitada, a sada for limitada. Analiticamente
pode escrever-se:
, || ( ) || < || ( ) ||
u y
t t M t M < < < u y (1.3)
Se existir pelo menos um valor de u(t) que torne a sada infinita, o sistema instvel. A
determinao da estabilidade de um sistema um dos tpicos mais importantes do
controlo de sistemas, uma vez que nos problemas de Engenharia essencial que os
sistemas mantenham a sada dentro de determinados limites.
Como se ver adiante no captulo 3, h outras formas de definir estabilidade de um
sistema, que podero conduzir a classificaes diferentes: um oscilador no linear
(sistema sem entrada, apenas com sada), que segundo as definies que se daro
adiante um sistema instvel, de acordo com a definio que acaba de ser dada
estvel, desde que a amplitude da sua oscilao seja limitada.
1.2.9. Sistemas lineares e no lineares
Ao contrrio do que se passa com os sistemas lineares, que so caracterizados por
possurem uma propriedade comum, que a de satisfazerem o princpio da
sobreposio, os sistemas no lineares so os que ficam de fora, por no obedecerem a
este princpio. A ausncia de uma propriedade unificadora, que os caracterize sem ser
por aquilo a que no obedecem, torna a sua sistematizao mais difcil de fazer do que a
dos sistemas lineares.
Um sistema linear todo aquele que satisfaz o princpio da sobreposio, o que se
traduz analiticamente do modo seguinte:

1 1 2 2 1 1 2 2
[ ( ) ( )] [ ( )] [ ( )] T a u t a u t a T u t a T u t + = + (1.4)
As no linearidades podem ser naturais ou artificiais. As primeiras esto intimamente
associadas aos sistemas, so inerentes a eles. Em muitos casos so indesejveis. As
segundas, so introduzidas intencionalmente, com o objectivo de poder controlar, ou
mesmo de melhorar o comportamento dos sistemas.
1.3. Comportamento dos sistemas no lineares
A dinmica dos sistemas no lineares mais complexa do que a dos lineares, e , de um
modo geral, muito mais rica do que a destes: H fenmenos que apenas acontecem nos
sistemas no lineares, que no ocorrem nos lineares, como sejam

Dependncia da amplitude de excitao,
Tempo de escape finito,
Pontos de equilbrio mltiplos,
No unicidade da soluo,
Dependncia crtica dos parmetros,
Bifurcaes,
Caos ou dependncia crtica das condies iniciais,
Ciclos limite ou oscilaes,
Existncia de harmnicas e de sub-harmnicas,
e que passam a exemplificar-se.
1.3.1. Dependncia de amplitude da excitao
Seja por exemplo o modelo do movimento de um veculo submarino, de massa m
actuado por uma fora propulsora u. Designando por v a velocidade do veculo, a
equao do movimento representada por:
mv k v v u + = (1.5)
em que k o coeficiente de atrito. Note-se que nesta expresso a fora de atrito de
arrastamento proporcional, em mdulo, ao quadrado da velocidade, tendo a direco
oposta a esta. Suponha-se m = 1 kg e k = 1 kg m
-1
e aplique-se ao veculo uma fora de
1.0 N durante 5 segundos. Este ficar sujeito a uma variao de velocidade, como se
indica na Fig. 1.2. Repare-se que o tempo de estabelecimento maior quando se retira a
fora propulsora do que quando esta aplicada. Este fenmeno que no acontece nos
sistemas lineares, onde os dois tempos so iguais, compreende-se bem se o sistema (1.5)
for comparado com o sistema linear equivalente, com amortecimento k|v| funo da
velocidade: Com velocidades prximas da unidade o amortecimento maior do que
quando as velocidades esto prxima de zero, o que justifica a assimetria.

Fig. 1.2 Resposta do veculo submarino, u = 1

u(t)
y(t)
V
e
l
o
c
i
d
a
d
e

m
/
s

Tempo, segundos 20.0
1.0
5.0 0


Aplique-se agora ao sistema uma fora propulsora semelhante, mas de amplitude
u = 10 N (Fig. 1.3). A velocidade do veculo aumenta e tender a estabilizar em 3.2 m/s e
no em 10 m/s como aconteceria se o sistema fosse linear. Tambm neste caso os
tempos de estabelecimento a subir e a descer so diferentes. As velocidades de
estabilizao do sistema podem ser obtidas, para estes dois casos por

1.0 : 0 0 1.0 1.0 /
10 : 0 0 10 10 3.2 /
s s s
s s s
u N v v v v m s
u N v v v v m s
= = + = =
= = + = =
(1.6)
Este exemplo permite compreender como que o comportamento de um sistema no
linear pode depender da amplitude dos sinais em jogo.

Fig. 1.3 Resposta do veculo submarino, u = 10.0

1.3.2. Tempo de escape finito
Num sistema linear instvel, a resposta, por muito rapidamente que tenda para infinito,
demora um tempo infinito a atingir este valor. Em contrapartida, alguns sistemas no
lineares podem atingir o valor infinito num intervalo de tempo finito.
Considere-se o seguinte modelo de crescimento, com a > 0 e c > 0, em que a taxa de
crescimento no constante mas aumenta com x(t):

( )
( ) (1 ) ( )
x t
x t a x t
c
= + (1.7)
A soluo desta equao encontra-se representada na Fig. 1.4, para t > 0 a = 0.5 c = 0.5
e x(0) = 0.5. A soluo atinge o valor infinito num intervalo de tempo finito. Diz-se que
o sistema tem uma singularidade na soluo, ou ainda, que apresenta um tempo de
escape finito.

y(t)
V
e
l
o
c
i
d
a
d
e

m
/
s

Tempo, segundos
20.0
10.0
5.0 0
u(t)

Fig. 1.4 Tempo de escape finito

1.3.3. Pontos de equilbrio mltiplos
Designam-se pontos de equilbrio aqueles em que todo o estado que nele se inicia
permanece inalterado: x(t) = x
e
, ou seja,
e
x
= 0.
Num sistema linear, definido pela equao de estado x x = A , tais pontos obtm-se
resolvendo a equao homognea A

x
e
= 0. Se a matriz do sistema, A, for regular, a
soluo desta equao x
e
(t) = 0, ou seja, o nico ponto de equilbrio a origem.
Tratando-se de sistemas no lineares, poder haver outros pontos de equilbrio, distintos
da origem, como se mostra nos exemplos que se do a seguir.
Um ponto de equilbrio pode variar no tempo. Uma trajectria que se dirija para um
ponto de equilbrio deste tipo pode cruzar-se com ela prpria.

Exemplo 1
Seja o sistema de 1 ordem representado pela equao
( ) [ ( ) 1] ( ) x t x t x t = (1.8)
Este sistema, variante de (1.7) com a < 0 e c < 0, admite como pontos de equilbrio
x
e1
= 0 e x
e2
= 1. A sua resposta tem um comportamento diferente, consoante seja
iniciada na vizinhana do estado x
e
= 0 ou x
e
= 1, como se pode observar na Fig. 1.5.
Repare-se que o ponto de equilbrio x
e
= 0 estvel, ou seja, as trajectrias iniciadas na
sua vizinhana no se afastam dele, enquanto que o ponto de equilbrio x
e
= 1 instvel.
Note-se a existncia de uma singularidade na soluo que se inicia em x
e
> 1.

0 0.5 1.0

50

0
tempo [s]
r
e
s
p
o
s
t
a



x(t)

1

0
t

Fig. 1.5 Resposta de um sistema no linear

Exemplo 2
Considere-se o movimento do pndulo ligado a uma haste rgida, sem amortecimento,
descrito pela equao diferencial
g sen =
A (1.9)
A introduo das variveis de estado
1
x = (posio angular) e
2
x =

(velocidade
angular), conduz a

1 2
2 1
x x
g
x sen x
=
A
(1.10)
Os pontos de equilbrio obtm-se fazendo
1
0 x = e
2
0 x = , o que conduz a

2
1
0
0
e
e
x
g
sen x
=
A
(1.11)
ou seja,

1
2
0, 1, 2,
0
e
e
x k
k
x

( (
= =
( (

" (1.12)

H pois uma infinidade de pontos de equilbrio, dos quais so fisicamente distintos
x
1e
= 0 e x
1e
= , sendo o primeiro ponto de equilbrio estvel e o segundo instvel.
Um estudo detalhado do pndulo feito adiante na seco 7.2.

1.3.4. No unicidade da soluo
Seja agora o sistema no linear descrito pela equao de estado

1
3
x x = (1.13)
Trata-se de uma equao de termos separveis, que pode ser escrita na forma

1
3
1 x x
= (1.14)
Esta equao admite as duas solues seguintes:

3
2
2
( ) ( ) ( ) 0
3
x t t e x t = = (1.15)
Seja agora o sistema de 1 ordem descrito por uma equao de estado do tipo

0
( )
(0)
x F x
x x
=
(1.16)
prova-se que condio suficiente para que a soluo de (1.16) seja nica, que
( ) F x
x

seja contnua numa vizinhana de x
0
. O sistema (1.13) no satisfaz a esta condio em
x = 0.
1.3.5. Dependncia crtica dos parmetros
A estrutura das solues de um sistema no linear pode ser fortemente dependente dos
valores que possa tomar um parmetro do sistema, como se exemplifica a seguir.
Considere-se o sistema descrito pelas equaes de estado

3
1 1 2 1
2 1
x x x x
x x
= +
(1.17)
em que o parmetro \. Para prximo de zero o carcter das solues diferente
consoante seja < 0 ou > 0.
Na Fig. 1.6 representam-se as solues do sistema para dois valores diferentes de .



x
0
= [2; 0] = - 0.1

x
0
= [2; 0] = + 0.1

Fig. 1.6 Dependncia crtica dos parmetros

1.3.6. Bifurcaes
Designa-se por bifurcao uma dependncia crtica nos parmetros particular, como a
exemplificada a seguir. Seja o sistema

3
0 x x x + + = (1.18)
A equao pode representar um sistema massa-mola em que a mola dura (ver
definio de mola dura adiante em 1.4.4 e em 7.3). O sistema (1.18) admite 3 pontos de
equilbrio:
x
e
= 0, x
e
= , x
e
= -
Com positivo o sistema sempre estvel; com negativo torna-se instvel, havendo
uma mudana qualitativa no comportamento para = 0.

0 5 10 15 20 25 30 35 40 45 50
-1
-0.5
0
0.5
1
1.5
2
tempo, segundos
x
-1 -0.5 0 0.5 1 1.5 2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
TRAJECTRIA NO ESPAO DE FASES
x1

x
1
0 5 10 15 20 25 30 35 40 45 50
-1
-0.5
0
0.5
1
1.5
2
tempo, segundos
r
e
s
p
o
s
t
a
-1 -0.5 0 0.5 1 1.5 2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
TRAJECTRIA NO ESPAO DE FASES
x1

x
1
Ciclo limite
amortecido

1.3.7. Caos ou dependncia crtica das condies iniciais
Nos sistemas lineares estveis, a pequenas variaes nas condies iniciais corres-
pondem pequenas variaes na resposta. Tal porm no acontece nos sistemas no
lineares, em que pode acontecer serem as solues extremamente sensveis a variaes
das condies iniciais, sendo a sada, a partir de certo valor de t, imprevisvel. A este
tipo de sistemas d-se o nome de sistemas caticos e ao fenmeno em si chama-se caos.
Seja o seguinte sistema no linear

5
0.1 6 x x x sent + + = (1.19)
As respostas deste sistema, para condies iniciais, x(0) = [2; 3] e x(0) = [2.01; 3.01],
prximas, esto representadas na Fig. 1.7.

Fig. 1.7 Dependncia crtica das condies iniciais

1.3.8. Ciclos limite ou oscilaes
Num sistema linear, invariante no tempo, para que se estabelea uma oscilao de
amplitude constante, necessrio que haja, nos sistemas contnuos, pelo menos um par
de polos sobre o eixo imaginrio. Mas esta condio no robusta, sendo na prtica
impossvel de conseguir, ficando os polos ligeiramente esquerda ou direita do eixo
imaginrio, o que conduz a uma oscilao amortecida ou crescente, respectivamente.
H no entanto determinados sistemas, no lineares, que entram em oscilao, com
amplitude e frequncia constantes, independentemente do valor inicial do estado. Estas
oscilaes so designadas por ciclos limite.
Considere-se o sistema representado pela equao diferencial, conhecida por equao
de Van der Pol:

2
2 ( 1) 0 mx x x kx + + = (1.20)

0 5 10 15 20 25 30 35 40 45 50
-2.5
-2
-1.5
-1

-0.5

0

0.5

1

1.5

2

2.5

x(t)
t (s)

Esta equao equivalente de um sistema massa-mola-amortecedor, em que o
coeficiente de amortecimento b = 2 (x
2
- 1), depende da amplitude da oscilao. Para
x > 1 o coeficiente de amortecimento positivo estando o amortecedor a retirar energia
ao sistema. Qualquer oscilao que exista com x > 1 ser amortecida. Para x < 1 o
coeficiente b negativo, estando agora o amortecedor a fornecer energia ao sistema:
toda a oscilao que exista com x < 1, ser amplificada at que x atinge o valor 1. A
partir da, se x continuasse a aumentar, entrava-se no regime amortecido. Isto faz com
que se estabelea uma oscilao de amplitude x = 1.
Repare-se que o fenmeno diferente do que acontece nos osciladores lineares, em que
o sistema, para oscilar, tem que ser marginalmente estvel. Aqui a amplitude das
oscilaes no depende de pequenas variaes nos parmetros do sistema. Tambm a
amplitude de oscilao independente das condies iniciais x
0
. Uma outra diferena
para os sistemas lineares (marginalmente estveis) que a forma da oscilao no
necessariamente sinusoidal. Para saber mais detalhes sobre ciclos limite ver adiante a
seco 2.3.

1.3.9. Existncia de harmnicas e sub-harmnicas
Num sistema linear, uma excitao sinusoidal conduz a uma resposta tambm
sinusoidal, com a mesma frequncia. Num sistema no linear tal poder no acontecer,
podendo o estado (ou a sada) ser uma oscilao contendo frequncias mltiplas e sub-
-mltiplas da frequncia do sinal sinusoidal de excitao. Tais constituintes so
designadas por harmnicas e sub-harmnicas da frequncia do sinal de excitao.

1.4. Escrita das equaes
Uma das formas correntes de hoje em dia representar um sistema atravs do seu
modelo de estado. Muitas vezes o modelo de estado obtido a partir de uma ou vrias
equaes diferenciais associadas ao sistema. Mas como que se obtm essas equaes
diferenciais? A resposta simples: a partir do conhecimento rigoroso da fsica/qumica
do sistema; sabendo as suas caractersticas possvel escrever relaes entre as suas
variveis.
Consideram-se a seguir alguns tipos genricos de sistemas:
Sistemas mecnicos clssicos,
Sistemas elctricos,
Sistemas trmicos,
Sistemas qumicos.


1.4.1. Sistemas mecnicos clssicos
Nos sistemas mecnicos clssicos (ou newtonianos) a escrita das equaes passa por:
1 Identificar o sistema em causa e o referencial em uso.
2 Identificar o tipo de movimento (linear, angular) e referenciar as variveis em
jogo, como sejam as posies, velocidades, acelerao, posies angulares,
velocidades angulares, etc.
3 Identificar e referenciar todas as foras e momentos do jogo.
4 Relacionar as variveis, utilizando os dois teoremas fundamentais da mecnica,
o do movimento linear e o do movimento angular.
1.4.2. Teorema do momento linear
Para um sistema constitudo por massas m
k
localizadas por
k
r , com aceleraes
k
r ,
sujeitas a foras exteriores f
e
k
,

com momento linear associado a cada massa dado por
k k k
m = p r , o teorema do momento linear pode enunciar-se:
A derivada em ordem ao tempo do momento linear do sistema, P, igual resultante
das foras exteriores aplicadas ao sistema, F
e

d
dt
=
e
P
F (1.21)
em que

k k k k
m e = = =

e e
P p r F f (1.22)

1.4.3. Teorema do momento angular
Este teorema tem uma forma semelhante ao anterior:

A derivada em ordem ao tempo do momento angular de um sistema em relao a um
ponto O, igual ao momento em relao a O das foras exteriores:

d
dt
=
e
L
N (1.23)
com L, momento angular, dado por

k k k k
e = =

e e
L r p N r f (1.24)
Por vezes conveniente considerar a energia do sistema. Sem entrar com a energia
externa ao sistema, h habitualmente a ter em conta a energia cintica associada ao
facto das massas m
k
se encontrarem em movimento com velocidade v
k
, e dada por:

2
1
2
k k
T m v =

(1.25)

e a energia potencial, associada ao facto, associada ao facto das massas estarem a ser
sujeitas a uma fora, e consequentemente poderem mudar a sua posio e o seu estado
de movimento. Para a fora de atraco terrestre a energia potencial dada por

k k
U g m h =

(1.26)
em que g representa a acelerao da gravidade e h
k
a altura a que a massa m
k
se encontra
da posio de referncia, ou seja, da altura a que se define a energia potencial zero.

Muitas vezes os sistemas mecnicos representam-se por um conjunto de elementos
discretos concentrados como se indica a seguir. Esta representao facilita a escrita das
equaes, por fornecer relaes pr-conhecidas entre estes os elementos.
1.4.4. Movimento linear
A massa, a mola e o amortecedor, so representados pelos smbolos da Fig. 1.8.

Fig. 1.8 Representao da massa, da mola e do amortecedor

Para estes casos as expresses anteriores, representando por x a posio, do origem a:
Massa:
e
mx F = (1.27)
Mola:
3
1 3
k x k x F + = (1.28)
Amortecedor:
a b
k x k x x F + = (1.29)
Para a mola convir distinguir trs casos:
k
3
= 0 mola linear, k
3
< 0 mola macia e k
3
> 0 mola dura.
Para o amortecedor h dois casos distintos:
k
b
= 0 atrito viscoso, k
a
= 0 e k
b
> 0 atrito quadrtico.

massa mola amortecedor

1.4.5. Movimento de rotao
Os elementos discretos so os mesmos que os anteriores, apenas os parmetros que os
caracterizam so diferentes.
A massa em rotao caracterizada pelo momento de inrcia J, sendo a sua posio
angular representada por e o binrio de actuao por T:
Massa em rotao:
J
J T =
(1.30)
Mola em toro
(a)
:
0
( )
k
k T = (1.31)
Amortecedor rotativo
(a)
:
B
B T =
(1.32)
(a)
Apenas se indicam os termos lineares.

1.4.6. Sistemas elctricos
A escrita das equaes representativas de um sistema elctrico passa pelo seguinte:

1 Identificar o sistema e os objectivos a alcanar;
2 Identificar os componentes em jogo: resistncias, bobinas, condensadores,
dodos, transstores, AMPOPs, etc.
3 Referenciar as tenses e correntes elctricas em jogo.
5 Utilizar a lei dos ns e a lei das malhas para escrever as equaes em jogo.
4 Relacionar as tenses e as correntes em cada componente [ver (1.33) a (1.35)].
6 Finalmente, o ltimo passo consiste em eliminar, de entre as equaes obtidas,
as variveis que no interessa apresentar, obtendo-se a equao diferencial do
sistema, ou o modelo de estado, consoante o caminho que se siga.

Para uma resistncia, caracterizada pelo seu valor hmico R, tem-se
( ) ( ) v t Ri t = (1.33)
para uma bobina, com coeficiente de autoinduo L, verifica-se

( )
( )
di t
v t L
dt
= (1.34)
e para o condensador, caracterizado pela capacidade C,

( )
( )
dv t
i t C
dt
= (1.35)
De uma forma geral, R e C no dependem de i ou de v, o mesmo no acontecendo com
as bobinas, se o ncleo for ferromagntico, em que L = L(i), apresentando saturao e
histerese.


Quando existe um transformador no circuito a relao entre as correntes e as tenses ,
arbitrando os sentidos das tenses e correntes de forma a que energia seja positiva
quando a entra no transformador:

1 2
1 1 1 1
2 1
2 2 2 2
( ) ( )
( ) ( )
( ) ( )
( ) ( )
M
M
di t di t
v t Ri t L L
dt dt
di t di t
v t R i t L L
dt dt
= + +
= + +
(1.36)
em que R
1
resistncia elctrica do enrolamento 1,
R
2
resistncia elctrica do enrolamento 2,
L
1
coeficiente de auto-induo do enrolamento 1,
L
2
coeficiente de auto-induo do enrolamento 2,
L
M
coeficiente de induo mtua.

Muitas vezes considera-se o transformador ideal (resistncia dos enrolamentos nula,
ligao magntica perfeita e coeficientes de induo infinitos), ficando neste caso, em
que se representa por n
1
e n
2
o nmero de espiras dos enrolamentos,

2 2
1 1
1 1 2 2
( )
( )
( ) ( ) 0
v t n
v t n
n i t n i t
+ =
(1.37)
Repare-se que ao escrever as equaes dos circuitos elctricos para sistemas no
lineares no se podem considerar os sinais alternados sinusoidais, uma vez que
aparecem harmnicas. preciso fazer intervir as relaes entre valores instantneos das
tenses e das correntes.
Para outros componentes, a relao entre as tenses e as correntes depender da
finalidade do modelo e da preciso exigida. Por exemplo, consoante os casos, um dodo
poder ser representado por:

a) Ideal, R = 0

b) Ideal, R 0

c) Real

Fig. 1.9 Caractersticas de um dodo

i
v
i
v
i
v

O dodo um elemento essencialmente no linear. A relao entre a corrente i e a
tenso v num dodo dada por:
( 1)
B
q v
K T
s
i i e
= (1.38)
em que
i
s
corrente inversa de saturao,
T temperatura absoluta a que se encontra a juno,
q carga elctrica do electro, q = 1.602 177 10
-19
C,
K
B
constante de Boltzmann, K
B
= 1.380 658 10
-23
J

K
-1
.

Quando um circuito contiver como elemento um transstor de juno (Fig. 1.10a), as
relaes entre as suas tenses e correntes podem ser representadas pelo modelo de
Ebers-Moll, que se encontra representado graficamente na Fig. 1.10b.

a) Representao simblica b) Modelo de Ebers-Moll

Fig. 1.10 Transistor de juno pnp

H mais alguns elementos elctricos utilizados em controlo, como amplificadores (com
regies linear e no linear), rectificadores (de meia onda e de onda completa), rels,
tiristores, etc.

1.4.7. Sistemas Trmicos
H um determinado nmero de sistemas que pem em jogo grandezas termodinmicas.
Para o seu estudo convir o conhecimento dos conceitos indicados a seguir.

a) Calor especfico.
Chama-se calor especfico de uma substncia, C, quantidade de energia que
necessrio fornecer massa unitria dessa substncia para que a sua temperatura
aumente de uma unidade:
dQ mCdT = (1.39)
I
E

I
C

I
B
V
EC

V
EB
V
CB

E
C
B
I
E

I
C

I
B

V
E

E
I
I
C

N
I
E

-I
E0 -I
C0
B
C V
C

P P
N N

Q quantidade de energia (ou calor) em jogo,
m massa do corpo,
C calor especfico do corpo,
T temperatura.
O calor especfico pode ser definido a presso constante (designa-se por C
p
) ou a
volume constante (designa-se por C
v
) e depende da temperatura.

b) Calor latente
D-se o nome de calor latente de uma substncia, , quantidade de energia que
necessrio fornecer massa unitria dessa substncia para que haja uma mudana de
fase, sem que haja variao de temperatura.
Q m = (1.40)
O calor latente pode definir-se para a fuso, para a vaporizao e para a sublimao.
A Fig. 1.11 mostra a relao entre a temperatura e a quantidade de calor fornecida a
uma massa unitria de gelo/gua/vapor, quando, a temperatura varia numa larga gama.

Fig. 1.11 Calor especfico e calor latente

Partindo de uma determinada massa de gelo (zona a) da figura), medida que a esta se
fornece energia trmica a sua temperatura vai subindo, de forma proporcional ao
acrscimo de energia fornecida, sendo a relao de proporcionalidade por unidade de
massa igual ao calor especfico do gelo. temperatura de 0 C comea a dar-se a fuso
do gelo. a zona b). Se esta for lenta e a mistura gua / gelo homognea, para que a
fuso se complete, necessrio fornecer massa m uma quantidade de energia m
1
. A
temperatura no varia durante a fuso. Quando todo o gelo est fundido, a gua comea
de novo a aquecer (zona c)). A temperatura sobe medida que se fornece calor, at se
atingir a temperatura de 100 C, em que a gua entra em ebulio (zona d) da figura).
Para efectuar a sua vaporizao completa, necessrio fornecer-lhe uma quantidade de
calor igual a m
2
.

tempe-
ratura
100 C
0 C
a)
gelo
b) gelo
+gua
c) gua
d) gua
+vapor
e) vapor
1

calor
latente
de fuso
2

calor
latente de
vaporizao
Q/m

B
T
A
T
B P
AB
Durante a vaporizao a temperatura mantm-se constante. O vapor existente nesta fase
designa-se por vapor saturado. Quando toda a gua se encontra vaporizada, o
fornecimento de mais calor conduz a uma nova elevao de temperatura, proporcional
ao acrescimo de calor, sendo a relao de proporcionalidade o calor especfico do vapor.
A este vapor d-se o nome de vapor sobre-aquecido.
Retirando agora energia trmica ao sistema a temperatura diminui, seguindo um
andamento muito prximo do indicado, embora ligeiramente acima, isto , o sistema
apresenta histerese.

c) Gs perfeito.
Designa-se por gs perfeito todo aquele em que as variveis termodinmicas presso, p,
volume, v, e temperatura, T, esto relacionadas pela expresso
pv nRT = (1.41)
em que n o nmero de moles do gs e R= 8.314 JK
-1
mol
-1
uma constante universal,
constante dos gases.
Muitas vezes no possvel representar o gs pela expresso acima, utilizando-se ento
outras expresses mais adequadas a cada caso.

d) Esquema elctrico equivalente
Por vezes, para representar determinados fenmenos fsicos ou qumicos utilizam-se os
chamados esquemas elctricos equivalentes.
Considere-se por exemplo um meio material atravs do qual se est a efectuar uma
determinada transferncia de calor por conduo. Sejam
A
e
B
duas superfcies s
temperaturas T
A
e T
B
respectivamente, como se indica na Fig. 1.12, e admita-se T
A
> T
B

Fig. 1.12 Transferncia de calor entre duas superfcies isotrmicas

A quantidade de calor transmitida, na unidade de tempo, da superfcie
A
para a
superfcie
B
, dada por

( - )
AB
AB A B
P G T T = (1.42)
em que o parmetro
AB
G designado por condutncia trmica do material, entre as
superfcies
A
e
B
. Exprime-se em W/C.


A expresso (1.42) tem o nome de lei de ohm trmica, por ser semelhante lei de ohm
da electrotecnia. Aqui as temperaturas equivalem s tenses elctricas e as potncias
trmicas s correntes. Esta expresso pode ser escrita sob a forma

( - )
AB
A B AB
T T R P = (1.43)
Ao parmetro

1/
AB AB
R G = d-se o nome de resistncia trmica do material e exprime-
se em C/W. As equaes (1.42) e (1.43) podem representar-se graficamente pelo
esquema da Fig. 1.13.

Fig. 1.13 Representao de uma resistncia trmica.
1.4.8. Sistemas qumicos
Normalmente um sistema qumico contm dois ou mais produtos que postos em
presena reagem entre si, originando novos produtos, com absoro ou libertao de
energia trmica. Para se obterem as equaes representativas de um processo qumico
recorre-se normalmente ao balano de massa e ao balano de energia.
Quase sempre as velocidades de reaco dependem da temperatura e da presso, que
correntemente so variveis manipuladas. Acontece que de um modo geral as reaces
so reversveis, sendo necessrio jogar com vrios parmetros para, por exemplo,
maximizar a concentrao de um determinado reagente. Quando as reaces so
exotrmicas, necessrio tomar as devidas precaues para retirar o excesso de calor
produzido; quando so endotrmicas, h necessidade de fornecer energia ao sistema, a
fim de garantir que a temperatura necessria ao desenvolvimento das reaces se
mantenha.
De uma forma genrica o balano de massas num reactor qumico, expresso pela
equao de conservao de massa, escreve-se:
( )
i o
k k
k k
d
V m m
dt
=

(1.44)
em que
i
k
m massa de cada produto que entra no reactor, por unidade de tempo,
o
k
m massa de cada produto que sai, por unidade de tempo,
V volume da mistura no reactor,
massa volmica da mistura.

P
AB

T
A

T
B

R
AB

A equao do balano de energia quase sempre mais complexa que a anterior, uma
vez que envolve a energia associada s massas que entram e saem, a energia recebida ou
perdida por convexo e por radiao, e a energia produzida pela prpria reaco:

Variao Energia que Energia Energia Energia
da energia entra com que sai com desenvolvida trocada com
acumulada os produtos os produtos na reaco o exterior
| | | | | | | | | |
| | | | |
= +
| | | | |
| | | | |
\ . \ . \ . \ . \ .
(1.45)
1.5. Modelo de estado
De entre os diversas formas analticas de representar um sistema linear ou no linear,
contnuo ou discreto, salientam-se a descrio entrada-sada e o modelo de estado.
A descrio entrada-sada mais cmoda de utilizar quando se trata de sistemas
lineares, em que pode recorrer-se aos domnios transformados s ou z e utilizar as
ferramentas dos sistemas lineares. Tem, o inconveniente de nada revelar sobre a
estrutura interna do sistema nem sobre a evoluo das variveis internas. Isto, para os
sistemas lineares no to grave como para os no lineares, pois naqueles as variveis
internas no se podem tornar infinitas sem que tal comportamento seja observado na
sada. Nos sistemas no lineares, pelo contrrio, uma ou mais variveis internas podem
divergir para infinito sem que tal seja observado na sada. Por esta razo, e pelo facto
de no se dispr do conceito de funo de transferncia, associada descrio entrada-
-sada, mais corrente utilizar-se a representao por meio de modelo de estado.
Embora seja possvel obter o modelo de estado de um sistema a partir da sua equao
diferencial, que afinal no mais do que uma representao entrada/sada, tal
procedimento no revela os modos internos do sistema. Da que o modelo de estado
deva ser obtido directamente a partir das consideraes que levam escrita das
equaes do sistema.

1.5.1. Modelo de estado, sistema contnuo
Chama-se estado de um sistema a um conjunto de variveis x
i
(t) que, juntamente com as
variveis de entrada u
j
(t), e a partir de um valor inicial x
i
(t
0
), definem completamente o
comportamento desse sistema, utilizando um sistema de equaes diferenciais escalares
de 1 ordem do tipo

1 1 1 2 1 2
2 2 1 2 1 2
1 2 1 2
( )= [ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
)= [ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
)= [ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
n p
n p
n n n p
x t f x t x t x t u t u t u t t
" "
" "
"
" "
(1.46)


com

1 10
2 20
0
(0)=
(0)=
(0)=
n n
x x
x x
x x
"
(1.47)

As variveis x
i
(t), designam-se por variveis de estado. D-se o nome de ordem do
sistema ao nmero mnimo de variveis suficientes para definir o sistema.
Nem sempre as variveis de sada de um sistema y
j
(t), coincidiro com as variveis de
estado. De uma forma genrica existir a relao

1 1 1 2 1 2
2 2 1 2 1 2
1 2 1 2
( )= [ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
( )= [ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
)= [ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
n p
n p
q q n p
y t h x t x t x t u t u t u t t
" "
" "
"
" "
(1.48)

As equaes (1.46) a (1.48) podem escrever-se de uma forma mais compacta.
Introduzindo os conceitos de vector de estado, vector de entrada e vector de sada
respectivamente definidos por

1 1 1
2 2 2
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
p q n
u t y t x t
u t y t x t
t t t
u t y t x t
( ( (
( ( (
( ( (
= = =
( ( (
( ( (
( (

x u y
" " "
(1.49)
e os vectores

1 1 2 1 2
2 1 2 1 2
1 2 1 2
[ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
[ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
( , , )
[ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
n p
n p
n n p
f x t x t x t u t u t u t t
t
(
(
(
=
(
(
(

f x u
" "
" "
"
" "
(1.50)
e

1 1 2 1 2
2 1 2 1 2
1 2 1 2
[ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
[ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
( , , )
[ ( ), ( ), , ( ), ( ), ( ), , ( ), ]
n p
n p
q n p
h x t x t x t u t u t u t t
t
(
(
(
=
(
(
(

h x u
" "
" "
"
" "
(1.51)


podem escrever-se as seguintes equaes vectoriais, designadas por modelo de estado
do sistema.

( ) [ ( ), ( ), ]
( ) [ ( ), ( ), ]
(0)
t t t t
t t t t
=
=
0
x f x u
y h x u
x x
(1.52)
a)
b)
c)

em que x D
x

n
\ , u D
u

p
\ , y D
y

q
\ e t
+
\ .

A equao (1.52)a designa-se por equao de estado do sistema, a equao (1.52)b) por
equao de sada e a equao (1.52)c) representa o valor inicial do estado (condies
iniciais).
O sistema representado deste modo diz-se de uma nica varivel se tiver uma nica
varivel escalar de entrada e uma nica varivel escalar de sada, ou seja, as dimenses
de u(t) e y(t) so iguais a 11 (p=1, q=1). Na literatura anglo-saxnica estes sistemas
designam-se por sistemas SISO (Single Input, Single Output). O sistema designa-se
multivarivel se tiver mais do que uma varivel de entrada ou mais do que uma varivel
de sada, ou seja, nas dimenses de u(t) e y(t), iguais respectivamente a p1 e q1,
p>1ou q>1. So os chamados sistemas MIMO (Multiple Input, Multiple Output).
Se no dispuser de nenhuma varivel de entrada, ou se o valor desta for identicamente
nulo, o sistema diz-se no forado ou em regime livre. Para um sistema em regime livre
tem-se a equao de estado:
( ) [ ( ), ] t t t = x f x (1.53)
Sempre que as funes f e h de um sistema em regime livre no dependam
explicitamente do tempo o sistema diz-se autnomo. Para um sistema invariante no
tempo o modelo de estado escreve-se:

( ) [ ( ), ( )]
( ) [ ( ), ( )]
(0)
t t t
t t t
=
=
0
x f x u
y h x u
x x
(1.54)
Para um sistema autnomo em regime livre tem-se

( ) [ ( )]
( ) [ ( )]
(0)
t t
t t
=
=
0
x f x
y h x
x x
(1.55)
As equaes (1.52) podem representar-se graficamente, como se indica na Fig. 1.14.



Fig. 1.14 Modelo de estado de um sistema no linear contnuo

1.5.2. Modelo de estado discreto
Para sistemas discreto, os conceitos so semelhantes aos apresentados para os sistemas
contnuos, com a particularidade de em vez da varivel tempo contnuo t \
+
se ter o
tempo discreto k ]
+
; em vez de uma equao diferencial vectorial de 1 ordem
existe uma equao s diferenas, vectorial, tambm de 1 ordem. O modelo de estado
assume assim a forma:

( 1) [ ( ), ( ), ]
( ) [ ( ), ( ), ]
(0)
k k k k
k k k k
+ =
=
0
x g x u
y h x u
x x
(1.56)
a)
b)
c)

que se encontra esquematizado na Fig. 1.15, e em que q
-1
representa o operador atraso,
definido por

1
[ ( )] ( 1) q k k
= x x (1.57)

Fig. 1.15 Modelo de estado de um sistema no linear discreto

t
h
x(t)
y(t)
( ) t x
dt (.) f
u(t)
k
h
x(k)
y(k)
( 1) k + x
g
u(k)
q
-1


1.5.3. Obteno da trajectria
1.5.3.1. Mtodos numricos
A obteno da trajectria de um sistema utilizando mtodos numricos, no mais do
que a obteno da soluo do sistema e sua representao grfica. Quer se trate de
sistema contnuos ou discretos, h toda a vantagem em representar o sistema por meio
do seu modelo de estado. Com efeito este tem a vantagem de efectuar a representao
sob a forma de uma equao n-vectorial de 1 ordem, cuja soluo pode ser obtida de
forma recursiva. Para a obteno da soluo convir distinguir o caso dos sistema
discretos e o dos sistema contnuos. Os primeiros so mais fceis de processar do que os
ltimos, que tm que ser previamente discretizados para que se possa obter a soluo.
1.5.3.1.1 Sistemas discretos
Considere-se o sistema discreto representado pelo modelo de estado (1.56). Para
efectuar a integrao numrica deste sistema deve proceder-se do seguinte modo:
a) Definir o valor das condies iniciais.
b) Obter a entrada inicial u(0). As entradas seguintes podero ser definidas durante
a execuo do algoritmo ou podero ser pr-definidas aqui neste ponto.
c) A partir de um ciclo for, ou outro equivalente, calcular o estado no instante
posterior, x(k+1), e a sada no instante corrente y(k).
Exemplo 3
Obter a soluo numrica do sistema discreto
1 2
2 1 2
( 1) 0.9 ( )
( 1) ( ) 0.1 ( )
x k x k
x k x k x k
+ =
+ =
sujeito s condies iniciais

1
2
(0) 0.2
(0) 0.8
x
x
=

Resoluo
Vai utilizar-se o Matlab. Como neste programa os ndices dos vectores no podem ser
negativos nem nulos, as condies iniciais devero escrever-se x
1
(1)=0.2 e x
2
(1)=0.8.
Este sistema encontra-se em regime livre pelo que u(k)=0, para todo o k (k1). O
sistema invariante no tempo. Um programa para obter a soluo ser
x1(1)=0.2; x2(1)=0.8; % Condies iniciais
N=100; % Nmero de instantes discretos a considerar
for k=1:N-1, % Incio do ciclo, com N-1 iteraes
x1(k+1)=0.9*x2(k);
x2(k+1)=-x1(k)-0.1*x2(k);
end % Fim do ciclo
plot([x1' x2'])
Note-se que na primeira iterao, em que k=1, se calculam os valores de x
1
(2) e x
2
(2) a
partir das condies iniciais x
1
(1) e x
2
(1). Apenas se efectuam N-1 iteraes porque se
deseja N valores do vector de estado. A ltima iterao calcula o estado no instante 100
(k=99, k+1=100). A ltima instruo, plot, permite a representao grfica do estado
em funo do tempo discreto, k.

Todos os sistemas representados por um modelo de estado discreto podem ter a soluo
obtida por numericamente por este mtodo, mesmo que sejam variantes no tempo ou
sujeitos a uma entrada u(k).
1.5.3.1.2 Sistemas contnuos
Seja um sistema contnuo representado pelo modelo de estado (1.52). Uma das formas
de integrar numericamente este sistema, ou seja, de obter x(t) e y(t), passa por
discretiz-lo previamente e a seguir obter a soluo do sistema discretizado. Tal no
entanto no necessrio efectuar, uma vez que os programas de computador dispem j
de algoritmos que fazem eles mesmos a discretizao. A maior parte dos programas
exige que a descrio do sistema esteja feita sob a forma de modelo de estado, ou seja
de uma equao n-vectorial de 1 ordem. Se a descrio do sistema estiver feita sob a
forma de uma equao diferencial necessrio efectuar a mudana de representao
para um modelo de estado.
Exemplo 4
Vai dar-se um exemplo em que se utiliza o Matlab para integrar o sistema
1 2 1 3
2 1 2 3
2 2 2
3 3 1 2 3
( )
( )
( )
x t x x x
x t x x x
x t x x x x
= +
= +
= +
sujeito s condies iniciais

1
2
3
(0) 0.5
(0) 2.0
(0) 0.1
x
x
x
=

Resoluo
O sistema dado dever ser codificado num ficheiro, que ser chamado numerico_sist:
O ficheiro comea com uma funo, com o mesmo nome, para se poder efectuar a
passagem de parmetros.
function xdot=numerico_sist(t,x)
xdot=zeros(3,1); % Valor inicial da derivada do estado
xdot(1)=-x(2)+x(1)*x(3);
xdot(2)=x(1)+x(2)*x(3);
xdot(3)=-x(3)-x(1)^2+x(3)^2;
Um 2 ficheiro, que o que se deve correr, indica os intervalos de tempo, as condies
iniciais e o mtodo de integrao: a instruo ode45 um dos algoritmos existentes.
t0=0; % Instante inicial
tf=50; % Instante final, em segundos
dt=0.1; % Intervalo de tempo para obteno de valores
tpo=t0:dt:tf; % Vector contendo a varivel tempo
x0=[0.5; -2.0; 0.1]; % Valor inicial do estado.
[t,x]=ode45('numerico_sist',tpo,x0); % Esta instruo
% integra o sistema definido no ficheiro numerico_sist
% acima referido, durante o tempo tpo e sujeito s
% condies iniciais x0 dadas. Devolve o vector tempo
% t e o estado x calculado nos mesmos instantes.
plot(t,x); % Representao do estado em funo do tempo


O Matlab dispe de outros algoritmos para integrar sistemas alm do ode45,
nomeadamente ode23, ode113, ode15s e ode23s. Estes dois ltimos devem ser
utilizados se o sistema contiver variaes muito rpidas comparadas com os intervalos
de tempo para os quais se pretende conhecer a soluo.
1.5.4. Pontos de equilbrio.
Os conceitos aqui apresentados so vlidos quer para sistemas contnuos quer para
sistemas discretos. Apenas sero referidos a um ou outro tipo quando houver dvidas na
interpretao. Chamam-se pontos de equilbrio de um sistema aos valores do estado
tais que
( ) 0 (sistemas contnuos) t = x (1.58)
ou ( 1) ( ) (sistemas discretos) k k + = x x (1.59)
Um sistema no excitado (u=0), que inicie a sua trajectria num estado inicial x
0

coincidente com um ponto de equilbrio, permanece indefinidamente nesse valor do
estado. Considere-se um sistema no excitado. A definio dada implica que os pontos
de equilbrio de um sistema contnuo devem satisfazer a equao:
( , ) 0 t = f x (1.60)
A resoluo desta equao vectorial permite determinar os pontos de equilbrio. Para
um sistema contnuo linear e autnomo, descrito pela equao de estado
( ) ( ) t t = x Ax (1.61)
os pontos de equilbrio obtm-se calculando as razes da equao
( ) 0 t = Ax (1.62)
Se a matriz A for regular, a equao (1.62) admite uma nica soluo, x(t) = 0. Se a
matriz for singular h um nmero infinito de pontos de equilbrio, que formam um
hiperplano que passa pelo ponto x(t) = 0.
Um ponto de equilbrio diz-se estvel se aps qualquer pequena perturbao o estado
no se afastar da vizinhana do ponto de equilbrio. Os conceitos sobre a estabilidade de
pontos de equilbrio sero apresentados adiante no Cap. 3.
1.5.5. Trajectrias e estabilidade
Designe-se por x(t; x
0
, t
0
) a soluo da equao de estado (1.52) que tem incio no
instante t = t
0
com as condies iniciais x
0
=x(t
0
).
No espao n-dimensional D
x
n
\ , entre os instantes t
0
e t, a soluo x(t; x
0
, t
0
) ir
descrever uma curva, chamada trajectria ou rbita do sistema.
A cada valor inicial x
0
est associada uma ou mais rbitas, consoante o sistema admita
uma ou mais solues. No caso do sistema ser linear, a unicidade da soluo da equao
de estado implica que a um determinado x
0
corresponde uma e uma s rbita. A tra-
jectria depende das condies iniciais (x
0
, t
0
). Uma trajectria diz-se estvel se e s se

0 0 0 1 0 0 1 0 0
, 0 ( , ) 0 ( ; , ) ( ; , ) t t t t t t t t > > < < x x x x x x (1.63)

1.6. Algumas no linearidades correntes
As no linearidades que a seguir se apresentam aparecem com muita frequncia, quer
por se tratar de no linearidades naturais existentes sistemas reais, quer por serem
intencionalmente introduzidas nos sistemas de controlo com o fim de melhorar o seu
desempenho. Nesta seco sero apenas considerados sistemas com uma nica varivel
de entrada e uma nica varivel de sada.
1.6.1. Saturao
Muitos sistemas fsicos exibem uma caracterstica esttica do tipo indicado na Fig. 1.16.
Nesta caracterstica, que no ser necessariamente simtrica em relao origem, para
valores elevados de |u| tem-se y/u 0, sendo pois a sada limitada. Diz-se que existe
saturao, ou que a sada se encontra saturada.

Fig. 1.16 Caracterstica da saturao.

A saturao ideal, representada na Fig. 1.17, descrita analiticamente do modo

,
,
,
m m
m M
M M
y u u
y k u c u u u
y u u
<
= +
>
(1.64)
em que y
m
=

y(u
m
) e y
M
=

y(u
M
). Qualquer dos valores y
m
ou y
M
pode ser positivo ou
negativo, com a condio y
m
< y
M
. Um dos valores, y
m
ou y
M
poder ser infinito (em
mdulo), mas apenas um deles.
A saturao aqui apresentada muito corrente em dispositivos de controlo industrial.
Por exemplo, a relao entre o sinal de comando e a abertura de uma vlvula do tipo
indicado, com a gama de sada compreendida entre 0 e 100 %. tambm corrente
introduzir-se na sada do controlador da vlvula um mdulo ou algoritmo que produza a
saturao com a finalidade, de no forar a vlvula para fora da gama.

Entrada, u
Sada, y
y
M
y
m

Fig. 1.17 Caracterstica da saturao ideal.

Um outro domnio em que aparece a caracterstica saturao a relao entre os campos
magnticos B e H, ou, em mquinas elctricas, entre a corrente elctrica e o campo
magntico por ela criado. Neste caso a curva de saturao aparece normalmente
associada a uma outra no linearidade tambm muito comum, a histerese, que se
descreve adiante.
Em matemtica define-se a funo saturao, sat(.), por

1 , 1
( ) , 1 1
1 , 1
x
sat x x x
x
<
>
(1.65)
1.6.2. Zona Morta
A zona morta uma no linearidade cuja caracterstica, representada nas Fig. 1.18a e
Fig. 1.18b, pode ser de dois tipos, designados por tipo I e tipo II.

a) zona morta tipo I

b) zona morta tipo II

Fig. 1.18 Caractersticas da zona morta.

y(u)
0 z
M
u
-z
M

y(u)
-z
M

0 z
M
u
y

y
M

y
m

u
m

u
M
u

Muitas vezes a zona morta utilizada intencionalmente em sistemas de controlo para
enviar um sinal nulo do controlador para o actuador, quando a sada daquele pequena.
Com este procedimento pode-se aumentar o tempo de vida de determinado tipo de
equipamentos mecnicos.
A relao entre y e u pode escrever-se, para os dois tipos de zona morta,
0,
Zona morta tipo I
,
M
M
u z
y
u u z

=

>
(1.66)
,
Zona morta tipo II 0 ,
,
M M
M M
M M
u z u z
y z u z
u z u z
+ <
>
(1.67)
1.6.3. Histerese
A histerese uma no linearidade cuja descrio analtica um pouco mais complicada
do que as anteriores, uma vez que faz intervir a histria do sinal de entrada.
A Fig. 1.19 apresenta uma caracterstica entrada-sada com histerese, admitindo que a
entrada varia de u
M
a +u
M
.

Fig. 1.19 Caracterstica da histerese, em torno de u=0.

Supondo que a entrada u sinusoidal de amplitude u
M
, quando u varia de u
M
a +u
M

(ramo crescente de u), y varia de y
M
a +y
M
seguindo a curva 1, 2, 3. Quando u diminui,
de +u
M
a u
M
, y varia de +y
M
a y
M
seguindo o ramo 3, 4, 1.
A dificuldade na definio matemtica da histerese que esta depende da amplitude do
sinal de entrada e do ponto de funcionamento. Assim, se para um sistema que exibe a
curva de histerese da Fig. 1.19 a funo u(t) diminuir de amplitude no momento em que
se encontrava no ponto P, a curva de histerese muda, tomando o aspecto indicado na
Fig. 1.20.

u
y(u)
h
1
2
3
+y
M

- y
M

u
M
- u
M

4

Fig. 1.20 Caracterstica da histerese, em torno de P.

De uma forma simplista costume representar a histerese em torno de u = 0 associada
saturao, como indicado no diagrama ideal da Fig. 1.21, onde se admite que a
amplitude de u igual a |u
M
|.

Fig. 1.21 Caracterstica ideal da histerese com saturao.

a seguinte a expresso analtica da histerese ideal:
, 2
ramo crescente: , 2
,
M M
M M
M M
y u u h
y u h u h u u
y u u
< +
= +
>
(1.68)
, 2
ramo decrescente: , 2
,
M M
M M
M M
y u u h
y u h u u u h
y u u
>
= +
<
(1.69)

u
y(u)
P
y

y
M
-y
M

-u
M
-u
M
+2h
u u
M
-2h u
M
0
h

1.6.4. Folga
Este tipo de no linearidade, designada em Ingls por backlash, deve o seu nome ao
facto de ser muito comum em sistemas mecnicos em que os elementos no se ajustam
perfeitamente, isto , sistemas com folgas mecnicas. Um destes sistemas em que a
folga vulgar o desmultiplicador de velocidade com rodas dentadas apresentado na
Fig. 1.22 (ver tambm a 1 figura do Probl. 1.2).

Fig. 1.22 Sistema de rodas dentadas com folga

Como para o caso da histerese, a descrio analtica da folga a partir da caracterstica
y(u) torna-se difcil de efectuar, uma vez que depende da histria de u e da sua
amplitude.
Na Fig. 1.23 faz-se uma representao grfica da caracterstica entrada-sada de um
sistema com folga. Esta est condicionada evoluo de u.

Fig. 1.23 Caracterstica entrada-sada de um sistema com folga.

y

y
M
-y
M
-u
M

u
M

0 1
5
4
3 2
u h/2
roda motriz
roda accionada
h

Admita-se que o sinal de entrada no sistema com folga alternado sinusoidal de
amplitude u
M
. Admita-se ainda que este sinal tem incio no instante t
0
como sinal
crescente e que no instante inicial a folga se encontra meio vencida. Enquanto a
amplitude de u cresce de 0 a h/2 vai-se vencer a restante folga e consequentemente a
sada y nula. a transio 01 indicada na figura. Continuando u a crescer, o valor
de y vai acompanhar o de u, atrasado de h/2, ou, como estamos a admitir ganho 1
(inclinao a 45), diminudo de h/2. a transio 12 indicada na figura.
Convm aqui frisar a diferena entre a histerese e a folga. A histerese acompanhada de
saturao, enquanto na folga a saturao no existe. A folga s se vai manifestar quando
u mudar de sentido, independentemente da sua amplitude.
O sinal de entrada aumentou at ao seu valor mximo u
M
e vai comear a diminuir, de
uma forma montona. Os primeiros instantes da diminuio do sinal de entrada vo ser
para compensar a folga, e portanto a sada no varia. Mais concretamente, enquanto u
diminui de u
M
at u
M
- h a amplitude de y mantm-se constante e igual a y
M
. a
transio 23 da figura. Continuando u a diminuir, o valor de sada ir diminuir,
seguindo o ramo 34, atingindo-se o ponto 4 quando a amplitude do sinal tiver o seu
valor mnimo - u
M
. Aqui o sinal de u muda de sentido e, como na transio 23, a
nova transio 45 destinada a vencer a folga. A resposta y segue agora o ramo
512, no se voltando ao ponto 0.
Note-se que na caracterstica da folga so possveis quaisquer pontos entre as rectas
paralelas representadas a trao interrompido, que enquadram o losango apresentado,
desde que haja mudana no sentido de u. Repare-se ainda que se a amplitude u
M
do sinal
de entrada for inferior a h/2 a sada y sempre nula.

Indica-se a seguir a expresso analtica da folga.

0 0 / 2 1 ramo ascendente (inicial)
- / 2 / 2 1 ramo ascendente de u
1 ramo descendente
/ 2 2 ramo descendente
2 ramo ascendente
/ 2 3 ramo ascend
M
M M M
M M
M M M
M M
u h
u h h u u
y u h u u
y
u h u u u h
y u u u h
u h u h u u

< <

=
+ < <
+
+ < < ente
(1.70)

Na Fig. 1.24 representa-se a evoluo temporal do sinal de entrada, u, e do sinal de
sada, y, de um sistema com folga, admitindo a entrada sinusoidal. Repare-se no atraso
introduzido e no patamar no sinal de sada.
A folga aparece tambm em sistemas mecnicos accionados por correntes, sendo
notria quando estas no se encontram suficientemente tensas.



Fig. 1.24 Sinais de entrada e de sada num sistema com folga h.

1.6.5. Atrito Esttico
Este tipo de no linearidade, se bem que originrio da mecnica, aparece tambm em
dispositivos electro-mecnicos e electrnicos.
A sua descrio elementar pode ser associada ao fenmeno bem conhecido de que para
arrastar uma caixa que se encontra em repouso sobre o cho necessrio efectuar uma
fora maior enquanto esta est em repouso, sendo depois suficiente para manter o
movimento, uma fora de valor inferior. A expresso analtica que representa a relao
entre a fora aplicada ao sistema e a sua posio, x, pode escrever-se de uma forma ideal

0, 0
0
x
y
kF x

=

=
(1.71)
em que x representa a velocidade do corpo pertencente ao sistema com esta
caracterstica.

1.6.6. Caracterstica liga/desliga ou on/off
Este tipo de no linearidade, representado na Fig. 1.25 tem como descrio analtica:

, 0
no definido 0
0
M u
y u
M u
<
= =
>
(1.72)
Em matemtica define-se a funo liga/desliga, sgn(x), por

1, 0
sgn( ) 0 , 0
1 , 0
u
x u
u
<
= =
>
(1.73)

u(t)
U
y(t)
h
h

Fig. 1.25 Caracterstica tipo liga-desliga.

Esta caracterstica muito utilizada em controladores do tipo liga/desliga. Assim, para
controlar a temperatura de uma sala que perde calor, utilizando um aquecedor elctrico,
comum utilizar um controlador que

liga, se a temperatura da sala for menor do que a temperatura desejada,
desliga, se a temperatura for maior do que a temperatura desejada.

A fim de evitar que o contactor que permite o fornecimento de energia ao aquecedor
esteja continuamente a actuar costume associar este tipo de no linearidade histerese,
de forma a ter-se a caracterstica indicada na Fig. 1.26.

Fig. 1.26 Caracterstica tipo liga-desliga, com histerese.

y

M

-h h

-M
u
y
y
M
0
-y
M

u


A Fig. 1.27 representa o resultado do controlo de temperatura de uma sala utilizando
um aquecedor elctrico e um controlador liga-desliga com histerese.
Note-se que quanto menor for a zona morta menor o erro obtido no controlo da
temperatura. No entanto este erro pequeno conseguido custa de ligar e desligar mais
vezes o aquecedor, o que pode diminuir o seu tempo de vida, bem como o do respectivo
contactor. Na prtica h pois que escolher uma soluo de compromisso.

Fig. 1.27 Controlo liga-desliga, da temperatura de uma sala.

1.7. Problemas resolvidos
Probl. 1.1
Classifique, no que respeita linearidade/no linearidade, os sistemas descritos pela
seguintes equaes (tcontnuo, ndiscreto):
a)
2
( ) 0.1 ( ) 0.5 ( ) y t y t x t + = b) ( ) 0.1 ( ) 0.5 ( 2) y t y t x t + =
c) ( ) ( ) 0.5 ( ) y t t y t x t + = d)
0
( ) ( )
t
y t x d =

e)
2
( ) ( ) ( ) y t y t x t + = f)
0
( ) 1 ( )
t
y t x d = +

g) ( ) 0.2 ( 1) ( ) y n y n x n + = h) ( 1) ( ) ( )
j n
y n e y n x n

+ + =
Resoluo:
Um sistema linear todo aquele que satisfaz o princpio da sobreposio:
1 1
x y ,
2 2
x y
1 1 2 2 1 1 2 2
x a x a x y a y a y = + = +
a) Representando o sistema de forma mais abreviada:
2
0.1 0.5 y y x + = .
Excitado por x
1
origina y
1
tal que
2
1 1 1
0.1 0.5 y y x + = (1)
Excitado por x
2
origina y
2
tal que
2
2 2 2
0.1 0.5 y y x + = (2)
Multiplicando a eq.(1) por a
1
, a eq. (2) por a
2
e somando obtm-se
2 2
1 1 2 2
0.1 0.5( ) y y a x a x + = + (3)
referncia
temperatura
ligado
desligado
t
t
2h

No entanto o sistema excitado por a
1
x
1
+ a
2
x
2
origina y

tal que
2
1 1 2 2
0.1 0.5( ) y y a x a x + = + =
2 2 2 2
1 1 2 2 1 2 1 2
0.5 0.5 a x a x a a x x + + . Mas esta quantidade
diferente da obtida em (3). Logo o sistema no linear.
Como critrio prtico no ser necessrio utilizar a definio para verificar se o
sistema linear ou no: basta verificar, para que seja no linear, a existncia de
potncias (diferentes de 1), produtos de variveis de entrada, de sada ou de estado,
exponenciais, logaritmos, funes trigonomtricas, etc. Derivadas e integrais so
lineares. Adio de constantes originam no linearidades. Um tempo de atraso no
implica no linearidade. Utilizando este critrio, a presena do termo quadrtico
2
0.5x indica a no linearidade do sistema.
b) ( ) 0.1 ( ) 0.5 ( 2) y t y t x t + = . Usando o critrio prtico que se acaba de expor,
constata-se que apenas aparece um atraso. Logo o sistema linear.
c) ( ) ( ) 0.5 ( ) y t t y t x t + = . O critrio exposto no refere o produto pela varivel tempo,
pelo que se vai utilizar a definio:

1 1 1 1
2 2 2 2
0.5 ( )
0.5 ( )
y t y x a
y t y x a
+ =
+ =

1 1 2 2 1 1 2 2 1 1 2 2
( ) ( ) 0.5( ) a y a y t a y a y a x a x + + + = +
Logo, o sistema linear.
d)
0
( ) ( )
t
y t x d =
. Pelo critrio prtico apresentado em a) o sistema linear.

e)
2
( ) ( ) ( ) y t y t x t + = . Pelo critrio prtico no h produtos de variveis de entrada, de
sada ou de estado. Mas a varivel tempo aparece ao quadrado. Para verificar sobre a
linearidade aplique-se a definio:

2
1 1 1 1
2
2 2 2 2
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
y t y t x t a
y t y t x t a
+ =
+ =

2 2
1 1 2 2 1 1 2 2 1 1 2 2
[ ( ) ( )] [ ( ) ( )] [ ( ) ( )] a y t a y t a y t a y t a x t a x t + + + = +
Logo, o sistema linear.
f)
0
( ) 1 ( )
t
y t x d = +
. Uma vez que h a adio de uma constante a uma varivel (ou

ao seu integral ou sua derivada), o sistema no linear.
g) ( ) 0.2 ( 1) ( ) y n y n x n + = . Trata-se de um sistema discreto. Apenas as variveis so
tomadas em instantes distintos (n, n-1). Logo o sistema linear.
h)
( 1) ( ) ( )
j n
y n e y n x n
+ + = . Este problema anlogo ao da alnea c), para o caso

discreto. Deixa-se a cargo do leitor utilizar a definio para mostrar que o sistema
linear.


Probl. 1.2
Considere um sistema mecnico constitudo por duas rodas dentadas iguais com 3,0
de folga. A roda motriz descreve um movimento alternado em rampa (sinal triangular)
com a frequncia de 0.125 Hz e a amplitude compreendida entre 30 e +30. Designe
por
1
a posio da roda motriz e por
2
a da roda accionada. Admita que no instante
inicial
1
=0 e que a folga se encontra meio vencida.
a) Escreva as expresses analticas que representam, nos primeiros 6 segundos, a
posio das duas rodas em funo do tempo.
b) Faa uma representao que mostre a caracterstica
2
(
1
). Sobre os grficos
represente os valores numricos correspondentes ao seu problema.
c) Qual o atraso, em graus, introduzido por este sistema, e qual a sua no linearidade?
Resoluo:
Desenhando as rodas dentadas e as variveis de posio
1
e
2
(figura seguinte)

1 1
( ) t = ,
2 2
( ) t = , folga= Na figura as condies iniciais so
1
0 = e
2
0 = .
Supondo R
1
=R
2
pode fazer-se a seguinte representao grfica:

+30
-30

2
T
T/4
t
1.5
1

2
R
1
2

R
2

P
1
P
2


Clculo de :
1
s=8s
0.125
T = . amplitude de 30 corresponde T/4=2 s. Como
corresponde a um deslocamento angular de 1,5 (ver figura), tem-se
1.5
/ 4 30 T
= 0.1s = .
a) Expresso analtica de
1
(t) e de
2
(t) nos primeiros 6 segundos = 3T/4 (ver figura):
1
0 / 4
( )
( / 2) / 4 3 / 4
tk t T
t
k t T T t T
<
=

<

Para t=T/4
1
=30 k=15 /s e portanto
1
15 0 2
( )
15( 4) 2 6
t t s
t
t t s
<
=

<

A expresso analtica de
2
(t) anloga de
1
(t), com inclinaes semelhantes, apenas
preciso tomar em considerao os patamares. Observando a figura pode concluir-se:

2
(t) =
0 0 0.1s
15( 1) 0.1 2s
28.5 2 2.2s
-15(t-4) 2.2 6s
-28.5 6 6.2s
t
t t
t
t
t

b) Caracterstica entrada-sada,
2
(
1
)

c) Atraso e no linearidade
O atraso introduzido corresponde a metade da folga: =0.1 s
No linearidade: % 100%
desvio
NL
curso
= =
1.5
100%
60
= 2.5 %.
Nota: o desvio o desvio da caracterstica em relao recta que melhor a aproxima,
que na figura se encontra representada a trao interrompido e passando pela origem.

2

-28.5
30
1

28.5
30
-30

1.8. Problemas propostos
Probl. 1.3
A evoluo de uma populao descrita pelo seguinte modelo:
( )
( ) (1 ) ( )
x t
x t a x t
c
= +
em que a e c so constantes positivas.
a) Determine analiticamente x(t). Considere x(0) = x
0
0.
b) Calcule o tempo de escape do sistema.
c) Com o auxlio do MatLab, fazendo a = 0.5, c = 0.5 e x
0
= 0.5, obtenha a soluo da
equao dada para 0 < t < 10 s. Utilize a funo ode45. Faa um grfico da soluo
x(t) obtida em a) e compare com o resultado obtido.

Probl. 1.4
Considere a equao seguinte, que representa de uma forma muito simples a velocidade
de um veculo subaqutico.
mv k v v u + =
a) Obtenha a soluo, para u = 1 N, para velocidades positivas e negativas; v(0)=0.
b) Idem, para u = 10 N. Compare os resultados e comente.

Probl. 1.5
Considere um pndulo simples, ligado por meio de uma haste rgida, sem
amortecimento.
a) Obtenha um modelo que o represente.
b) Determine os seus pontos de equilbrio, indicando qual a sua estabilidade.
c) Em que condies que o sistema pode ser considerado linear?

Probl. 1.6
Muitos dos sistemas fsicos no lineares podem ser descritos por uma equao
diferencial de ordem n do tipo
1
1
( ) ( )
[ , ( ), ( ),..., , ( )]
n n
n n
d y t d y t
f t y t y t u t
dt dt
=
onde y(t) e u(t) so a sada e a entrada do sistema (escalares).
a) Obtenha um modelo de estado para este modelo.
b) Indique como determinaria os pontos de equilbrio.
Sugesto: Utilize como variveis de estado x
n
(t)=y
(n-1)
(t)


Probl. 1.7
Obtenha um modelo de estado para o sistema fsico no linear descrito pela equao
( ) ( 1) ( 2)
1 2
( ) [ , ( ), ( ),..., ( ), ( )] [ , ( ), ( ),..., ( )] ( )
n n n
y t f t y t y t y t u t f t y t y t y t u t

=
onde y(t) e u(t) so a sada e a entrada do sistema (escalares).
Sugesto: Utilize como variveis de estado
( 1) ( 2)
2
( , , ,..., )
n n
n
x y f t y y y u

=

Probl. 1.8
Determine os pontos de equilbrio dos seguintes sistemas:
a)
1 2
3
2 1 1 2
0.2
x x
x x x x
=
= +
b)
1 1 2
2 3
2 1 2 1 1
0.1 2 0.8 0.1
x x x
x x x x x
= +

c)
1 2
2 2
2 1 2 1 2
(1 3 2 )
x x
x x x x x
=
= +
d)
2 2
1 1 2 1 2
2 2
2 1 2 1 2
( )( 1)
( )( 1)
x x x x x
x x x x x
= +
= + +

e)
2 2
2 2
(1 )
(1 )
x y x y
y x x y
=

Probl. 1.9
Considere um reservatrio para gua controlado por um controlador liga/desliga com
histerese. O reservatrio tem um dimetro de 5 m e uma capacidade de 200 m
3
. O set-
-point do controlador de 80 % da altura mxima e a histerese de 10 cm. Os
consumidores debitam uma mdia de 100 l/s e a alimentao do reservatrio, onde se
encontra a vlvula de controlo, fornece um caudal de 200 l/s. Nestas condies faa uma
representao grfica, completada com valores numricos, em que se indique
a) A evoluo do nvel do tanque.
b) O caudal de alimentao e a respectiva abertura da vlvula.

Probl. 1.10
Considere o sistema discreto representado pela seguinte equao s diferenas:
1 2
2 1 2
( 1) ( ) ( )
( 1) 0.3 ( ) 0.6sen[ ( )]
x n x n u n
x n x n x n
+ = +
+ = +

a) Obtenha uma representao entrada/sada do sistema, considerando y(n)=x
2
(n).
b) Atravs da definio, conclua sobre a linearidade do sistema.
43

2. SISTEMAS DE 2 ORDEM

2.1. Introduo
Num sistema de 2 ordem o vector de estado contm apenas duas componentes. Se estes
sistemas forem autnomos e sem entradas exteriores, o estudo do vector de estado, que
residir num plano, o plano de estado, permite obter uma compreenso global, do
comportamento do sistema.
Designem-se as duas componentes da varivel de estado por x
1
e x
2
. De uma forma
geral
1
x \ e
2
x \. Um sistema deste tipo que admita representao por meio de um
modelo de estado, ser descrito pelo sistema de equaes de estado escalares

1 1 1 2
2 2 1 2
( ) [ ( ), ( )]
( ) [ ( ), ( )]
x t f x t x t
x t f x t x t
=
(2.1)
com t
+
\ e f
1
e f
2
funes suaves de x
1
e de x
2

(1)
. As equaes acima, juntamente
com as condies iniciais

1 10
2 20
(0)
(0)
x x
x x
=
(2.2)
definem a evoluo do estado do sistema, ou seja, o seu comportamento.
Embora possa parecer que o estudo desta classe de sistemas pouco genrica, a sua
importncia advm de nela estarem representados os regimes livres dos sistemas de 2
ordem de uma varivel de entrada e uma varivel de sada, muito comuns na descrio
de sistemas fsicos.
Designa-se por rbita a trajectria de x(t) no espao das variveis de estado. Uma vez
que o sistema (2.1) utiliza uma varivel de estado com apenas duas componentes, que
por simplicidade so designadas por variveis de estado, a rbita

1 2
( , ) 0 g x x = (2.3)
uma rbita plana. A sua representao existe e nica.
Ao conjunto de todas as rbitas (mesmo no caso em que h mais de duas variveis de
estado) d-se o nome de retrato de fase do sistema; ao espao onde as rbitas se
encontram definidas chama-se espao de fases.
No caso dos sistemas em estudo, em que a rbita plana, o espao de fases designado
por plano de fases ou plano de estado.

1
Designa-se suave toda a funo diferencivel at ordem que for necessria para os clculos. Se a
funo for diferencivel at ordem p designa-se por funo de classe C
p
e se for indefinidamente
diferencivel designa-se por funo de classe C
.
Em sistemas de ordem superior 2 no possvel efectuar uma representao grfica
de todo o retrato de fase; o que correntemente se faz representar as rbitas mais
significativas, em nmero suficiente para se poder concluir, por simples observao,
como que qualquer outra rbita se comportar. A esta representao chama-se esboo
do retrato de fase. Para se efectuar o esboo do retrato de fase podem utilizar-se
mtodos analticos, mtodos grficos ou ento mtodos numricos, com o auxlio de um
computador. Os mtodos que a seguir sero descritos aplicam-se tambm a sistemas
com mais de duas variveis de estado, embora a complexidade da representao grfica
da resultante seja elevada. Tambm se aplicam a sistemas de 1 ordem, com uma
entrada e uma sada, ficando neste caso o retrato de fase reduzido a uma curva.
2.2. Anlise qualitativa dos sistemas lineares
Considere-se um sistema linear de 2 ordem, representado pelas equaes de estado

1 1 1 1 2
2 2 1 2 2
( ) ( ) ( )
( ) ( ) ( )
x t a x t b x t
x t a x t b x t
= +
= +
(2.4)
com t
+
\ e ,
i j
a b \ e constantes. As equaes acima, juntamente com as condies
iniciais (2.2) definem o comportamento do sistema, ou seja a evoluo do seu estado.
(2.4)Para facilitar a obteno da soluo deste sistema faa-se a transformao desta
representao numa equao diferencial de 2 ordem. Derivando (2.4) , substituindo no
resultado
2
x dado por (2.4) , reagrupando, dando novos nomes simplificados s
constantes e fazendo x
1
(t) = x(t), obtm-se
( ) ( ) 0 x t bx cx t + + = (2.5)
Para obter a soluo desta equao necessrio em primeiro lugar obter as solues da
equao caracterstica correspondente,

2
0 b c + + = (2.6)
que so

2 2
1 2
4 4
e
2 2
b b c b b c

+
= = (2.7)
sendo a soluo de (2.5) dada por

1 2
1 2 1 2
( )
t t
x t k e k e se

= + (2.8)
ou por

1 1
1 2 1 2
( )
t t
x t k e k te se

= + = (2.9)
Os valores das constantes k
1
e k
2
podem ser obtidos a partir das condies iniciais e das
equaes (2.8)/(2.9) e suas derivadas, fazendo nelas t = 0.
Chama-se a ateno para o facto de as razes do polinmio caracterstico serem os
valores prprios da matriz A do sistema linear (2.4). Consoante os valores que
1
e
1

possam ter, assim a evoluo das solues. So de salientar os casos analisados a seguir.

a)
b
a)
b)
2.2.1. Valores prprios distintos (
1
2
)
2.2.1.1. N estvel e n instvel
Se
1
e
2
forem ambos reais e negativos, ou seja se estiverem localizados sobre o eixo
real no semiplano complexo esquerdo, as solues convergem para a origem, que um
ponto de equilbrio estvel. A trajectria no espao de fases ( , ) x x a indicada na
Fig. 2.1. Diz-se que se trata de um n (ou nodo) estvel. Repare-se nas duas assimptotas
v
1
e v
2
. A sua inclinao depende da localizao de
1
e
2
. Junto da origem as
trajectrias aproximam-se da assimptota menos inclinada, enquanto que longe da
origem se tornam paralelas menos inclinada.

j

1

2

a) Localizao das razes do
polinmio caracterstico

b) Trajectria no espao de fases
Fig. 2.1 N estvel

Se
1
e
2
forem ambos reais e positivos, ou seja se estiverem localizados sobre o eixo
real no semiplano complexo direito, as solues divergem da origem, que um ponto de
equilbrio instvel. A trajectria no espao de fases ( , ) x x a indicada na Fig. 2.2. Diz-
-se que se trata de um n instvel.

j

1

2


Fig. 2.2 N instvel
2.2.1.2. Ponto de sela
Se
1
e
2
forem ambos reais e de sinais contrrios, as solues no espao de fases tm
o andamento indicado na Fig. 2.3, a que se chama ponto de sela. Repare-se que h
algumas solues que comeam por se aproximar da origem, mas que acabam por se
afastar. A origem um ponto de equilbrio instvel.
v
1
v
2

x
x
x
v
1
v
2

x

j

1

2


Fig. 2.3 Ponto de sela
2.2.1.3. Foco estvel e foco instvel
Se
1
for complexo,
2
tambm complexo e conjugado de
1
, como se pode observar
por (2.7), para o caso de b e c serem reais. As solues tm um andamento oscilatrio,
como se pode provar a partir de (2.8)/(2.9) fazendo = +j. Se a parte real de
1
(igual
de
2
) for negativa, as solues convergem para a origem, de uma forma oscilatria. A
origem um ponto de equilbrio estvel, designado por n estvel ou foco estvel. A
trajectria no espao de fases a indicada na Fig. 2.4.

Re(
1
)<0] j


Fig. 2.4 Foco estvel

Se a parte real de
1
for positiva as solues divergem da origem de uma forma
oscilatria. A trajectria no espao de fases indicada na Fig. 2.5. A origem um ponto
de equilbrio instvel, designado por n instvel ou foco instvel.

[Re(
1
)>0] j


Fig. 2.5 Foco instvel
v
2

v
1
x
x
x
x
x
x
2.2.1.4. Centro
Se
1
e
2
forem complexos conjugados com a parte real nula, as solues so
oscilatrias, sem amortecimento ou expanso. As solues mantm a amplitude
constante, no convergindo para a origem nem se afastando delas como se observa pela
rbita da Fig. 2.6. A origem um ponto de equilbrio criticamente estvel, designado
por centro.

[Re(
1
)]=0
j

a) Localizao das raizes do

Fig. 2.6 Centro
2.2.1.5. Um dos valores prprios nulo
Se um dos valores prprios for nulo, as solues degeneram em rectas (Fig. 2.7).

a)
1
= 0,
2
< 0

b)
1
= 0,
2
> 0
Fig. 2.7 Um valor prprio nulo
2.2.2. Valores prprios iguais (
1
=
2
)
Quando os valores prprios so iguais eles so necessariamente reais. As solues
obtm-se a partir da equao (2.9). Podem surgir os casos a seguir indicados.
2.2.2.1. Valor prprio duplo diferente de zero
Se o valor prprio for negativo as trajectrias convergem para a origem. A forma das
trajectrias depende dos valores das constantes k
1
e k
2
em (2.9)b). Se for k
1
=0 e k
2
0 as
rbitas so as representadas na Fig. 2.8
a
, para <0. Se se tiver k
1
0 e k
2
=0 as trajectrias
no espao de fases so as da Fig. 2.8b, para <0. A origem estvel.

x
x
x
x
x
x

a) k
1
= 0, k
2
0

b) k
1
0, k
2
= 0
Fig. 2.8 Valor prprio duplo no nulo, negativo

Se o valor prprio for positivo as trajectrias divergem da origem. A forma das
trajectrias continua a depender dos valores de k
1
e k
2
(Fig. 2.9). A origem instvel.

a) k
1
= 0, k
2
0

b) k
1
0, k
2
= 0
Fig. 2.9 Valor prprio duplo no nulo, positivo

2.2.2.2. Valor prprio duplo nulo
Se o valor prprio for duplo e nulo, as trajectrias so paralelas a uma recta que passa
pela origem (Fig. 2.10).

Fig. 2.10 Valor prprio duplo nulo
x
x
x
x
x
x
x
x
x
x
<0 <0
>0 >0
2.3. Ciclos limite
Chamam-se ciclos limite s oscilaes que se podem estabelecer, com amplitude
frequncia e forma bem definidas, sem que o sistema esteja sujeito a qualquer
solicitao externa. Estas oscilaes, auto-excitadas a partir do rudo ou de pequenas
perturbaes, so, como se disse na seco 1.3.8, uma caracterstica de alguns sistemas
no lineares, e nunca podem aparecer em sistemas lineares.
Num sistema de 2 ordem um ciclo limite define, no plano de estado, uma curva
fechada que divide o plano de estado em duas regies: uma regio interior ao ciclo
limite e uma outra exterior ao ciclo limite.

2.3.1. Classificao dos ciclos limite
Consoante o comportamento das trajectrias que se iniciem prximo do ciclo limite,
assim a sua classificao. Podem ter-se ciclos limite estveis, instveis ou semi-estveis.
2.3.1.1. Ciclo limite estvel
Um ciclo limite estvel quando uma curva fechada para a qual tendem as diversas
trajectrias que se iniciam numa determinada regio (regio de atraco do ciclo
limite). As trajectrias podem iniciar-se dentro ou fora do ciclo limite, ou ento sobre
este, como se indica na Fig. 2.11a). Repare-se na diferena entre ciclo limite e
trajectria fechada, por exemplo a trajectria da Fig. 2.6, correspondente a um sistema
massa mola sem amortecimento. Nesta ltima, a trajectria depende das condies
iniciais: para diversas condies iniciais assim se tero diferentes trajectrias. Com um
ciclo limite tal no acontece: quaisquer que sejam as condies iniciais as trajectrias
iniciadas numa determinada regio de atraco vo tender sempre para o mesmo ciclo
limite.
2.3.1.2. Ciclo limite instvel
Um ciclo limite instvel quando qualquer trajectria que se inicie na sua vizinhana se
afasta dele ver Fig. 2.11b). Apenas as trajectrias que sobre ele se iniciam nele perma-
necem. No entanto, mesmo estas, devido existncia de rudo ou de pequenas pertur-
baes, acabam por descolar do ciclo limite e divergir dele.
2.3.1.3. Ciclo limite semi-estvel
Um ciclo limite semi-estvel quando qualquer trajectria que se inicie na sua
vizinhana se comporta de modo diferente, como estvel ou como instvel, consoante se
inicie no interior ou no exterior do ciclo limite. No exemplo da Fig. 2.11c) as trajec-
trias que se iniciam no exterior do ciclo limite tendem para ele, e as que se iniciam no
seu interior divergem dele. Claro que devido existncia de rudo ou de pequenas
perturbaes mais tarde ou mais cedo, no caso da Fig. 2.11c), uma trajectria que se
inicie no exterior de um ciclo limite deste tipo acaba por atravessar o ciclo para o seu
interior e afastar-se dele. Um ciclo limite semi-estvel pode ser estvel interno ou
estvel externo.


a) Estvel b) Instvel c) Semi-estvel
Fig. 2.11 Tipos de ciclos limite
2.3.2. Existncia de ciclos limite
Os teoremas que se seguem estabelecem as condies de existncia de ciclos limite, a
partir do conhecimento dos pontos de equilbrio e do seu tipo.
Seja o sistema no linear autnomo representado por (2.1), com as condies iniciais
(2.2). So vlidos os seguintes teoremas:
2.3.2.1. Teorema de Poincar
(2)

Considerem-se os pontos de equilbrio do sistema numa determinada regio do
espao de fases e designe-se por
N o nmero de ns, centros ou focos interiores a ,
S o nmero de pontos de sela.
condio necessria para a existncia de um ciclo limite que
1 N S = + (2.10)
A demonstrao pode ser encontrada em [3Isidori].

Como corolrio deste teorema tem-se se S = 0, N =1, ou seja, um ciclo limite envolve
necessariamente pelo menos um ponto de equilbrio.
2.3.2.2. Teorema de Poincar-Bendixon
Se uma trajectria do sistema no linear autnomo de 2 ordem, representado por (2.1)
permanecer no interior de uma regio do espao de estados, finita, ento verifica-se
um dos trs casos seguintes:

A trajectria tende para um ponto de equilbrio estvel,
A trajectria tende para um ciclo limite estvel,
A trajectria um ciclo limite.

2
Henri Poincar, Matemtico francs, 1854-1912
trajectrias
divergentes
x
1

x
2

ciclo
limite
trajectrias
convergentes
x
2
x
1
ciclo
limite
x
2
ciclo
limite
convergente
divergente
x
1

2.3.2.3. Teorema de Bendixon
Seja o sistema no linear autnomo de 2 ordem, representado por (2.1). Represente-se
o sistema na forma vectorial, mais compacta,
x(t) = f [x(t)] (2.11)
O teorema de Bendixon afirma o seguinte: condio necessria para a existncia de
um ciclo limite, numa regio do plano de fase, que
div . f f (2.12)
no amortea e que mude de sinal. (a definio de div f est na sub-seco seguinte)
Demonstrao: Para qualquer trajectria do sistema tem-se

2 1 1 2
0 f dx f dx = (2.13)
Nestas condies, integrando (2.13) ao longo de uma curva fechada L que coincida com
o ciclo limite dever ser

1 2 2 1
( ) 0
L
f dx f dx =
(2.14)
Mas pelo teorema de Stokes , representando por S a rea delimitada pelo ciclo limite,

1 2
1 2 2 1 1 2
1 2
( ) ( )
L S
f f
f dx f dx dx dx
x x

= +

(2.15)
(Considere-se, para o efeito
2 1
( , , 0) f f = F e calcule-se .d F s e rotF). Para que o
integral de superfcie seja nulo necessrio que o integrando, se for diferente de zero e
no amortecido mude de sinal. (O integrando div f). Se o integrando for amortecendo
a trajectria tende para o ponto de equilbrio zero e no haver ciclo limite, a oscilao
amortecida. Se o integrando for nulo, nem sequer h oscilao.
2.3.2.4. Nota sobre alguns operadores vectoriais
Um campo vectorial f(x) representado por um vector coluna de comprimento n e com-
ponentes f
1
(x), f
2
(x), , f
n
(x), em que x representa a varivel de estado (vector
coluna).
Considere-se o vector simblico , designado por del ou nabla:

1 2
, ,
n
x x x
| |
=
|

\ .
" (2.16)
Define-se gradiente de uma funo escalar h(x),

1
( ) ( ) ( )
grad ( ) ( ) , ...,
n
h h h
h h
x x
| |
=
|

\ .
x x x
x x
x
(2.17)
O gradiente define-se para um campo escalar e um campo covectorial (vector linha).
Define-se divergncia de um campo vectorial g(x), por

1 2
1 2
( ) ( ) ( )
div ( ) ( )
n
n
f f f
x x x

= + + +

x x x
f x f x " (2.18)
A divergncia define-se para um campo vectorial e um campo escalar.
.
2.4. Obteno da trajectria
2.4.1. Mtodos analticos
Os mtodos analticos so utilizados para a obteno das trajectrias no plano de fases
quando a soluo analtica da equao de estado relativamente fcil de obter. A
essncia do mtodo consiste em obter a soluo explcita do sistema (2.1) em funo do
tempo,

1 1
2 2
( )
( )
x x t
x x t
=
(2.19)
e em seguida eliminar a varivel t entre as equaes obtidas, ficando-se com uma
relao do tipo (2.3).

Exemplo 2.1 Sistema linear massa-mola
Seja um sistema mecnico constitudo por uma massa ligada a uma mola, como
indicado na Fig. 2.12. Este sistema um caso particular daquele que apresentado
adiante no Cap.7; aqui a mola linear e no h atrito.
O corpo pode deslocar-se apenas segundo a direco x. Com o sistema em repouso o
corpo encontra-se na posio x=0 e a resultante das foras que sobre ela actuam nula.
A fora exterior que sobre ele actua, resultante da deformao da mola, tem o valor
f kx = (2.20)
Desloque-se o bloco para a posio x
0
e a seguir liberte-se o mesmo. Este tender a
voltar para a posio inicial.

Fig. 2.12 Sistema massa-mola

De acordo com a 2 lei de Newton a massa ficar sujeita a uma acelerao x tal que
f mx = (2.21)
Combinando (2.20) com (2.21) obtm-se
0 mx kx + = (2.22)
que admite como soluo

0 0
( ) cos( ) x t x t = (2.23)
.
-2 -1 0 1 2
| | | | | | | | | |
0 x
0
x
Mola
Massa
.
com
0
k
m
= (2.24)
Tomando para variveis de estado x e x tem-se

0 0 0
( ) sen( ) x t x t = (2.25)
Eliminando t entre (2.23) e (2.25) obtm-se

2
2 2
0 2
0
x
x x
+ =
(2.26)
que a equao de uma elipse. A Fig. 2.13 representa estas elipses para diversos valores
de x
0
para m = 1 kg e k = 10 N/m, ou seja, representa o retrato de fase.

Fig. 2.13 Trajectrias no espao de fases sistema massa/mola

Exemplo 2.2 Sistema no linear de 2 ordem
Seja o sistema no linear de 2 ordem

2
0 x x + = (2.27)
sujeito s condies iniciais x(0) = 0 e (0) x C = . Tomando para variveis de estado
x
1
= x e x
2
= x pode escrever-se

1 2
2
2 2
x x
x x
=
(2.28)
com x
1
(0) = 0 e x
2
(0) = C. A partir de (2.28) obtm-se

1
2 2
1 dx
dx x
= (2.29)
que integrada conduz a

1
2
x
x Ce
= (2.30)
e que se encontra representada na Fig. 2.14 para diversos valores de C. Repare-se na
convergncia exponencial para zero quando C > 0 e na divergncia exponencial quando
C < 0.

x
x
0
=0.5
x
0.2 0.1 0.4 0.3

Fig. 2.14 Trajectrias no espao de fases

Exemplo 2.3 Controlo de um satlite.
Neste modelo, muito simplista, pretende-se controlar a posio angular de um satlite,
obrigando-o a rodar em torno de um eixo por meio de um par de propulsores, como
indicado na Fig. 2.15.

Fig. 2.15 Esquema do satlite

Os propulsores podem fornecer um binrio u de amplitude U constante, que pode ser
positivo ou negativo, consoante o sentido dos jactos. O objectivo do controlo manter a
antena num determinado ngulo de referncia
R
, atravs de uma manipulao
conveniente dos propulsores. O satlite pode ser considerado como um corpo rgido que
se move em torno do seu centro de massas. Designando por J o momento de inrcia do
satlite em torno do seu centro de gravidade, a posio angular da antena e por u o
binrio propulsor, as equaes do movimento permitem escrever
J u =
(2.31)
O binrio dos propulsores depende do erro por meio da expresso

0
( )
0
U
u t
U

>
=

+ <
(2.32)
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-3
-2
-1
0
1
2
3
x
1

x
2

C>0,
C<0,
antena
u
Na Fig. 2.16, a seguir, encontra-se representada a cadeia da controlo deste satlite.

Fig. 2.16 Controlo do satlite

Para a construo do esboo do retrato de fase consideram-se separadamente os casos
em que o erro positivo e negativo.
Erro negativo: Neste caso o binrio propulsor positivo e toma o valor +U.
A expresso (2.31) escreve-se
J U =
(2.33)
que admite como soluo no plano de fase ( ,
)

2
2 J U C = +
(2.34)
onde C uma constante que depende das condies iniciais.
A equao (2.34) representa um conjunto de parbolas com o foco sobre o eixo e
concavidade voltada para a direita, como se indica na Fig. 2.17, semiplano esquerdo.

Fig. 2.17 Retrato de fase do satlite

u
1/ J
s
1
s

r
=0
-
satlite jactos
-U
+U
trajectrias
parablicas
u= +U u= U
linha de
comutao
Erro positivo: De um modo anlogo ao anterior obtm-se

2
2 J U C = +
(2.35)
que um conjunto de parbolas com o foco sobre o eixo e concavidade para a
esquerda.
O retrato de fase completo obtm-se juntando os dois diagramas anteriores. A
comutao entre os diagramas faz-se exactamente sobre o eixo dos
, que corresponde
mudana de sinal do erro. Repare-se que partindo de um estado inicial qualquer o
satlite ir oscilar em torno da posio de referncia. A convergncia da oscilao para
zero poder ser feita com a introduo de realimentao da velocidade angular.

H um grande nmero de sistemas que podem ser descritos por uma equao diferencial
de 2 ordem do tipo
( , ) 0 x f x x + = (2.36)
Para represent-los no espao de estados efectuam-se as substituies

1
2 1
x x
x x
=

(2.37)
ficando-se com a equao de estado

1 2
2 1 2
( , )
x x
x f x x
=
(2.38)
Foi o estudo deste tipo de sistemas que contribuiu para o desenvolvimento da
representao no plano de fase.
2.4.2. Mtodos grficos
Os mtodos grficos tiveram um grande desenvolvimento quando no se dispunha de
meios eficazes para obter a soluo da equao de estado de um sistema. Entende-se por
meios eficazes os que actualmente se utilizam, baseados em mtodos numricos,
disponveis para computador, e que permitem a obteno da soluo da equao de
estado para um sistema de ordem n.
Os mtodos grficos permitem apenas e de uma forma simples a obteno do esboo do
retrato de fase aproximado de sistemas com uma equao de estado com dimenso n=2,
mas mais genricas do que (2.38), do tipo

1 1 1 2
2 2 1 2
( , )
( , )
x f x x
x f x x
=
(2.39)
Os mtodos grficos dispensam a resoluo analtica da equao acima. De entre os
diversos mtodos grficos tm uma certa importncia o mtodo das isoclnicas e o
mtodo delta. Estudar-se- apenas o primeiro.
O sistema (2.39) pode escrever-se na forma

2 2 1 2
1 1 1 2
( , )
( , )
dx f x x
dx f x x
= (2.40)
O primeiro membro de (2.40) representa a inclinao da trajectria no plano (x
1
, x
2
).
D-se o nome de isoclnica ao conjunto de pontos do plano (x
1
, x
2
) tais que
dx
1
/dx
2
= = constante. A isoclnica pois constituda pelo conjunto de pontos com
igual declive . Traando as isoclnicas correspondentes a diversos valores de obtm-
se o campo de direces das tangentes s trajectrias, o que permite determinar, de um
modo aproximado, as prprias trajectrias. O mtodo pode ser mais bem compreendido
por meio de um exemplo.

Exemplo 2.4 Sistema de 2 ordem com amortecimento.
Considere-se um sistema linear de 2 ordem descrito pela equao:

2
2 0 x x x + + = (2.41)
Efectuando as mudanas de varivel x
1
= x e x
2
= x obtm-se o modelo de estado

1 2
2
2 2 1
2
x x
x x x
=
(2.42)
Dividindo (2.42)b por (2.42)a obtm-se:

2 2 1
1 2
2
dx x
dx x
= (2.43)
e fazendo
2
1
dx
dx
= (isoclnica ), obtm-se a equao de uma recta, no plano (x
1
, x
2
).

2
2 1
2
x x

=
+
(2.44)
Particularizando para os valores de = 1 e = 0.5 vem,

2 1
1
1
x x
=
+
(2.45)
equao (2.45) correspondem, para diversos valores de , as isoclnicas que se
representam na Fig. 2.18. Para a obteno das trajectrias procede-se do seguinte modo:
1. Parte-se do valor (x
1
, x
2
) correspondente s condies iniciais x
1
(0) e x
2
(0). No
exemplo da figura admite-se x
1
(0) = 0, e x
2
(0) = 1, a que corresponde o ponto A.
2. A inclinao da trajectria dada pela mdia aritmtica das inclinaes
associadas s isoclnicas vizinhas. Assim, a inclinao do troo de trajectria
situado entre as isoclnicas 1 = e 1.2 = aproximadamente
( 1 1.2) / 2 1.1 = . O ponto B determinado pela interseco da recta que parte
de A com inclinao 1.1, com a isoclnica 1.2 = . O segmento AB constitui
assim um troo aproximado da trajectria.
a)
b)
a) b)
3. De um modo anlogo ao anterior se obtm os troos BC e seguintes, obtendo-se a
curva A B C D E ... O.

Este mtodo de construo pode levar acumulao de erros, nomeadamente no caso de
sistemas no lineares em que as trajectrias tenham inclinaes que podem variar muito
rapidamente.
O mtodo das isoclnicas de utilizao fcil sempre que as isoclnicas so rectas.
Quando tal no acontece poder ser mais conveniente a utilizao de um outro mtodo
grfico, o mtodo delta, que permite obter as trajectrias por meio da sequncia de arcos
circulares cujos centros se situam ao longo do eixo dos x.

Fig. 2.18 Traado da trajectria pelo mtodo das isoclnicas

= -1
-1.2
-1.4
-1.8
-1.6
= -2
-2.5
- 3
- 4
-6
- 11
x
2
x
1

9
0.5
2
4
= 0
1
- 0.2
- 0.4
= -1
A
B
C
D
E

Probl. 2.1
Considere o sistema massa-mola-amortecedor, descrito pela equao diferencial
0 mx bx kx + + =
em que m representa a massa do corpo, b o coeficiente de amortecimento, k a constante
da mola e x a posio da massa.
a) Obtenha um modelo de estado para o sistema.
b) Determine os seus pontos de equilbrio.
c) No caso em que no h amortecimento determine analiticamente a trajectria
descrita pelas variveis de estado, partindo das condies iniciais x
0
=0.2 m e
0
0 x =
m/s.
d) Faa a representao da trajectria sobre o plano de fase. Existe alguma diferena
entre esta trajectria e um ciclo limite?
e) Para um sistema no linear com pontos de equilbrio semelhantes aos obtidos,
conclua sobre a existncia de um ciclo limite, com o auxlio dos teoremas de
Poincar e de Bendixon.
Resoluo:
a) 0 mx bx kx + + = . Efectuando as mudanas de varivel
1
x x = e
2
x x = obtm-se a
equao de estado
1 2
2 1 2
x x
k b
x x x
m m
=

O modelo de estado ficaria completo com a equao de sada
1
2
T
x
y C
x
(
=
(

(eventualmente y=x
1
) e com as condies iniciais x(0)=x
0
, que de momento no so
dadas.
b) Pontos de equilbrio:
1
2
0
0
x
x
=

2
1 2
0
0
x
k b
x x
m m
=

1
2
0
0
x
x
=

Este resultado era de esperar, pois tratando-se de um sistema linear o nico ponto de
equilbrio a origem do espao de estados.
c) No havendo amortecimento b=0, ficando a equao diferencial do sistema reduzida a
0 mx kx + = . A equao caracterstica
2
/ 0 k m + = , que admite como solues
/ j k m = . Uma vez que m e k so positivos, h dois plos sobre o eixo
imaginrio. Uma vez que os plos so distintos a soluo x(t) dada por (2.8):
1 2
1 2
( )
t t
x t k e k e

= + =
/ /
1 2
j k mt j k mt
k e k e
+
Note-se que / k m tem as dimenses do inverso do tempo. Fazendo
0
/ k m = e
atendendo frmula de Euler, cos sen
j
e j
= , resulta
1 2 0 1 2 0
( ) ( ) cos( ) ( )sen( ) x t k k t j k k t = + +
.
As constantes k
1
e k
2
obtm-se a partir das condies iniciais. Como estas fazem
intervir x(0) e (0) x , derive-se x(t):
0 1 2 0 0 1 2 0
( ) ( )sen( ) ( ) cos( ) x t k k t j k k t = + + . Para t=0 ser
1 2
(0) ( ) x k k = + e
0 1 2
(0) ( ) x j k k = . Para as condies iniciais dadas fica
1 2
0.2 k k + = e
0 1 2
( ) 0 j k k = k
1
=k
2
=0.1 . Finalmente fica
0
0 0
( ) 0.2cos( )
( ) 0.2 sen( )
x t t
x t t

Eliminando t entre estas duas equaes obtm-se a equao da trajectria:
2
2 2
2
0
(0.2)
x
x
+ =

d) A trajectria obtida representa uma elipse, de eixos 0.2 e 0.2
0
. Repare-se que os
eixos da elipse dependem das condies iniciais. Nas figuras representa-se a
evoluo do estado e o plano de fase.

evoluo do estado trajectria sobre o plano de fase

Existe uma grande diferena entre esta trajectria e um ciclo limite. Embora esta
trajectria seja fechada e se repita sobre ela prpria, o seu tamanho depende das
condies iniciais, enquanto que num ciclo limite a forma deste independente das
condies iniciais: de onde quer que se parta, dentro da bacia de atraco, -se
conduzido sempre ao mesmo ciclo limite, com a mesma forma e dimenses.
e) H apenas um ponto de equilbrio, que um centro. De acordo com o exposto atrs
em 2.3.2 ser N=1 e S=0. Pelo teorema de Poincar est satisfeita a condio
necessria para a existncia de um ciclo limite (N=S+1). Poder pois haver ciclo
limite, mas no quer dizer que haja. A condio necessria mas no suficiente.
Para aplicar o teorema de Bendixon escreva-se o modelo de estado na forma
matricial e calcule-se div f:
-0.2
0
0.2
x
x
t
x
x

x
0

1 1
2 2
x f
x f
( (
=
( (

2
1
2 1
x
f
k
f x
m
(
(
(
=
(
(

1
2 1 2
f
div
f x x
( (
=
( (

f =
1 2
1 2
f f
x x

+

=
2
1
1 2
( )
x k
x
x x m

+

= 0 + 0 = 0
A condio necessria para que haja ciclo limite que div f no amortea e mude de
sinal. Neste caso, ao ser nula, no muda de sinal nem amortece. Logo, no pode
haver ciclo limite.

Probl. 2.2
Considere o sistema descrito pela equao de Van der Pol
2
(1 ) 0 v v v kv + =
em que e k so constantes reais, positivas (v a tenso de sada do sistema).
b) Determine os seus pontos de equilbrio.
c) Com o auxlio dos teoremas de Poincar e de Bendixon conclua sobre a existncia de
ciclos limite.
d) Com o auxlio de um PC obtenha a trajectria para as condies iniciais 0 v = , 0 v = ,
num oscilador com = 1.0 e k = 1.0.
Resoluo:
a) Efectuando as mudanas de varivel
1
x v = e
2
x v = obtm-se a equao de estado
1 2
2
2 1 2 1
(1 )
x x
x x x kx
=
, ou, na forma matricial,

1 2
2
2 1 2 1
(1 )
x x
x x x kx
( (
=
( (

b) Pontos de equilbrio:
1
2
0
0
x
x
=

2
2
1 2 1
0
(1 ) 0
x
x x kx
=

1
2
0
0
x
x
=

Para caracterizar o ponto de equilbrio obtido vai ver-se como o sistema linearizado
obtido a partir deste.
Sistema linearizado:
1 1
2 2
x x
x x
( (
=
( (

A
, com
1 1
1 2
2 2
1 2
f f
x x
f f
x x
=

(
(

(
=

(
(

e
x x
A
Clculo de A:
{
1
2
2 2
1 2
2 2
0
1 2 1 1 2 1
0
1 2
[ (1 ) ] [ (1 ) ]
x
x
x x
x x
x x kx x x kx
x x

=
=

(
(

(
=

(

(

A
=
{
1
2
2
0
1 2 1
0
0 1
2 (1 )
x
x
x x k x
=
=
(
(

=
0 1
k
(
(

Esta matriz admite como valores prprios
2
1,2
4
2
k

= que no so do tipo
ponto de sela. De acordo com o exposto atrs em 2.3.2 ser N=1 e S=0. Pelo teorema
de Poincar est satisfeita a condio necessria para a existncia de um ciclo limite,
(N=S+1). Poder pois haver ciclo limite.
Calcule-se div f:
1 2
1 2
div
f f
x x

= +

f =
2 2
1 2 1
1 2
[ (1 ) ]
x
x x kx
x x

+

=
2
1
(1 ) x
Esta quantidade muda de sinal e no amortecida, logo, pelo teorema de Bendixon,
pode haver um ciclo limite.

Probl. 2.3
Considere o sistema autnomo, em regime livre
1 1
3
2 2
sen x x
x x
=

a) Determine os pontos de equilbrio e caracterize-os.
b) Trace de forma aproximada, usando o mtodo das isoclnicas, o seu retrato de fase.

Probl. 2.4
Dado o sistema contnuo
1 2
2 1 2
sen
sen
x x
x x x
=

a) Determine os seus pontos de equilbrio.
b) Aplicando o teorema de Bendixon, conclua sobre a possibilidade haver ciclos limite.
c) Qual a diferena entre um ciclo limite e a trajectria, sobre o plano de fase, do
sistema massa-mola linear sem amortecimento?

Probl. 2.5
Utilizando o mtodo das isoclnicas esboce o retrato de fase dos sistemas descritos por
a) x + x +0.5 x = 0
b) x + x +0.5 x = 1
Confirme os resultados obtidos utilizando o computador.

Probl. 2.6
Utilizando o mtodo das isoclnicas obtenha o esboo do retrato de fase do movimento
do pndulo gravtico sem atrito, a que corresponde a equao diferencial
+ sen = 0.
Nota: Repare que as isoclnicas so funes sinusoidais.
63

3. FUNDAMENTOS DA TEORIA DE LYAPUNOV

3.2. Introduo
Quando se projecta ou se estuda um sistema de controlo, um dos pontos importantes que
necessrio ter em conta a sua estabilidade. De uma forma geral deve-se garantir que
o sistema seja estvel. Com efeito, um sistema instvel alm de ser difcil de controlar
potencialmente perigoso, se a energia a ele associado for elevada. Um sistema instvel
pode por exemplo conduzir ao voo descontrolado de um avio (e sua eventual queda),
ou ao rebentamento de um reactor qumico.
O problema da estabilidade apareceu desde cedo na histria do controlo automtico com
o regulador automtico de Watt
(1)
, sistema mecnico baseado no pndulo cnico,
destinado a estabilizar a velocidade da mquina a vapor. Este dispositivo constitui um
sistema de controlo no linear.
O primeiro trabalho terico sobre a estabilidade de sistemas de controlo no lineares foi
publicado por Lyapunov em 1892 na sua tese de doutoramento, com o ttulo The
General Problem of Motion Stability. Nele determinado o comportamento de
sistemas no lineares com o auxlio de uma funo escalar com caractersticas
semelhantes energia associada ao sistema, que hoje se designa por funo de
Lyapunov.
O trabalho de Lyapunov foi traduzido para Francs em 1908, e foi reimpresso apenas
em 1947, pela Universidade de Princeton. S nos anos 60 que este trabalho atraiu a
ateno da comunidade cientfica, tendo a partir da sido completado e desenvolvido.
Neste captulo sero introduzidos conceitos que no tm correspondncia nos sistemas
lineares referentes aos pontos de equilbrio e estabilidade, so apresentados o mtodo da
linearizao de Lyapunov, muitas vezes designado por 1 mtodo, e o mtodo directo de
Lyapunov, conhecido tambm como 2 mtodo.

3.3. Pontos de equilbrio e estabilidade
3.3.1. Sistemas autnomos em regime livre
Viu-se no captulo 1, seces 1.5.1 e 1.5.2, que um sistema no linear, contnuo ou
discreto, pode ser representado por um sistema de equaes vectoriais, designado por
modelo de estado do sistema. Para um sistema contnuo determinstico o modelo de
estado escreve-se

1
James Watt, Mecnico Escocs, 1736-1819.
3 - FUNDAMENTOS DA TEORIA DE LYAPUNOV

0
( ) [ ( ), ( ), ]
( ) ( ( ), ( ), ]
(0)
t t t t
t t t t
=
x f x u
y h x u
x x
(3.1)
em que , , e
n p q
x u y
D D D t
+
x u y . Para um sistema discreto as
equaes tm uma escrita semelhante.

Estudar-se- a estabilidade de sistemas no submetidos a excitaes exteriores u, ou
seja, em regime livre, e em cadeia fechada, em que existe uma lei de realimentao de
estado,
( ) = u x (3.2)
Uma vez que o estado de um sistema define o seu comportamento, vai de momento
concentrar-se a ateno para a descrio do estado do sistema efectuada pela equao de
estado (3.1)a), sujeitos s condies iniciais (3.1)c). Considerando sistemas em cadeia
fechada, com a realimentao de estado (3.2), pode escrever-se:

0
( ) [ ( ), ]
(0)
t t t =
x f x
x x
(3.3)
O sistema descrito por (3.3)a) diz-se no autnomo se a funo f depender explicita-
mente do tempo. Se a funo no depender explicitamente do tempo, o sistema diz-se
autnomo. Um sistema autnomo no tem entradas aplicadas e invariante no tempo.
Exemplo 3-1
Dado o sistema autnomo descrito pela equao de estado

1 2
3
2 2 1 1 3 1
( / ) ( / ) ( / )
x x
x b m x k m x k m x u
=
= +
(3.4)
sujeito lei de realimentao

3
3 1
( / ) u k m x = (3.5)
obtenha a equao de estado do sistema em cadeia fechada.
Resoluo:
A substituio da lei de controlo (3.5) na equao de estado (3.5) conduz ao sistema

1 2
2 2 1 1
( / ) ( / )
x x
x b m x k m x
=
(3.6)
interessante notar que o sistema (3.6), a que se chegou, linear.

Um sistema autnomo pois descrito pela equao de estado
( ) [ ( )] t t = x f x (3.7)
a)
b)
c)
a)
b)

e pelas condies iniciais (3.3)b). Repare-se que um sistema em cadeia fechada em que
a lei de controlo (3.2) varia com o tempo, como acontece no caso do controlo
adaptativo, conduz a uma equao de estado com dependncia explcita do tempo, ou
seja, conduz a um sistema no autnomo.
Exemplo 3-2
Indicar se autnomo o sistema representado por
5
0.1 6sen x x x t + + = .
Resoluo:
Na equao diferencial aparece ( ) 6sen u t t = . O sistema encontra-se excitado por uma
entrada independente do seu estado, logo no autnomo.
Exemplo 3-3
Indicar se autnomo o sistema
2
(0.2sen 1) 0 mx t x x k x + + = .
Resoluo:
Apesar de no se encontrar excitado, o sistema no autnomo, uma vez que variante
no tempo.

3.3.2. Pontos de equilbrio de sistemas autnomos
Considere-se o sistema autnomo descrito por (3.7). Se as condies iniciais x(0) forem
tais que a trajectria x(t) permanea sempre igual a si mesma (e consequentemente a
x
0
), diz-se que x
0
um estado de equilbrio ou ponto de equilbrio. Designar-se-o
neste texto, os pontos de equilbrio por x
e
. Trata-se de vectores com a dimenso igual
ordem do sistema. Como se ver, um sistema pode ter um, vrios ou infinitos pontos de
equilbrio.
Analiticamente pode definir-se ponto de equilbrio por
ponto de equilbrio 0, ( ) t t >
e e
x x x (3.8)
A determinao dos pontos de equilbrio faz-se utilizando directamente o modelo de
estado. Com efeito, se x(t) x
e
ento ( ) t = x 0 , pelo que os pontos de equilbrio se
obtm resolvendo o sistema:
[ ( )] t = f x 0 (3.9)
ou, como x(t) no evolui, x(t)=x
e
,
( ) =
e
f x 0 (3.10)
Se se tratar de um sistema autnomo linear tem-se,
( ) ( ) t t = x Ax (3.11)
Os pontos de equilbrio so obtidos resolvendo o sistema de equaes:
=
e
Ax 0 (3.12)

Se a matriz A for regular, a nica soluo de (3.12) a origem do espao de estados,
x
e
= 0. Um sistema com a matriz A regular designa-se por sistema linear simples.
Se a matriz A for singular, o sistema (3.12) admite um nmero infinito de solues, que
constituem um hiperplano que passa pela origem.

Seja x
e
um ponto de equilbrio do sistema (3.7), e efectue-se a mudana de variveis de
estado
=
e
z x x (3.13)
Obtm-se uma nova descrio do sistema, na nova varivel de estado z,
( ) = +
e
z f z x (3.14)
varivel x corresponde a nova varivel z e a correspondncia biunvoca. Alm
disso, z
e
= 0 o ponto de equilbrio correspondente a x = x
e
. Portanto, o estudo do
comportamento do sistema (3.7) na vizinhana de x
e
poder ser facilitado analisando o
comportamento de (3.14) na vizinhana da origem (z=0). Se o sistema (3.7) possuir
mais do que um ponto de equilbrio, e se se pretender estudar o seu comportamento na
vizinhana de cada ponto de equilbrio utilizando o procedimento que acaba de ser
exposto, haver que efectuar tantas mudanas de varivel quantos os pontos de
equilbrio que se desejam estudar.

3.3.3. Estabilidade de pontos de equilbrio
Devido ao facto de os sistemas no lineares terem um comportamento muito mais rico e
complexo do que os sistemas lineares, tornou-se necessrio detalhar os conceitos de
estabilidade.
Considerar-se- de momento a estabilidade de trajectrias na vizinhana de pontos de
equilbrio de sistemas autnomos descritos pela equao (3.7), vulgarmente designada
por estabilidade dos pontos de equilbrio ou dos estados de equilbrio. Considerando a
possibilidade de efectuar a mudana de varivel (3.13), o assunto exposto no perde
generalidade se for estudada a estabilidade em torno da origem.
3.3.3.1. Estabilidade nsLy
O estado de equilbrio x
e
=0 diz-se estvel no sentido de Lyapunov (nsLy) se, para
qualquer R > 0 existir r(R) > 0 tal que se ||x(0)|| < r ento ||x(t)|| < R, para todo o t > 0.
O estado de equilbrio diz-se instvel, caso contrrio. Analiticamente pode escrever-se:
estvel nsLy ( 0, ( ) 0 (0) ( ) , R r R r t R t = > > < <
e
x 0 x x (3.15)
A definio afirma que num sistema estvel nsLy, se for desejado que uma trajectria
no saia fora de uma bola de raio R (qualquer que este seja), ento a trajectria dever
ser iniciada dentro de outra bola, cujo raio r < R, depender de R.

Na Fig. 3.1. representa-se a evoluo da norma do estado de um sistema estvel nsLy.


Fig. 3.1 Sistema estvel nsLy.

Repare-se que o valor de R qualquer, R
+
.
Se for desejado que ||x(t)|| permanea inferior a R, a trajectria dever iniciar-se com
||x(0)|| < r. Da figura observa-se que dever ser r < R, pois caso contrrio haveria um
intervalo de tempo em que ||x(t)|| R.
O oscilador de Van der Pol, j apresentado a propsito dos ciclos limite, instvel
nsLy. Com efeito qualquer trajectria iniciada no interior do ciclo limite (excluda a
origem), conduz o sistema a oscilar com uma amplitude bem definida, no havendo
possibilidade de iniciar o sistema num estado tal que a amplitude permanea inferior a
um valor desejado, R, qualquer que este seja.
A
Fig. 3.2 caracteriza, no espao de estados, instabilidade do oscilador de Van der Pol: se
for escolhida a circunferncia de raio R indicado, interior ao ciclo limite, a trajectria
evolui para fora dessa circunferncia, e portanto o sistema instvel.

Fig. 3.2 Instabilidade do oscilador de Van der Pol.
x
1
x
2
R
trajectrias
ciclo limite
||x(t)||

R

r
||x(0)||

||x
e
||=0
||x(t)||
0 t


3.3.3.2. Estabilidade assimpttica
e
= 0 diz-se assimptoticamente estvel nsLy se for estvel nsLy
e alm disso existir r > 0 tal que ||x(0)|| < r x(t) 0 quando t . A definio
dada tem a interpretao geomtrica dada na Fig. 3.3. Ao espao de estados B
r
,
constitudo por uma bola com o maior raio r que verifique a definio dada, d-se o
nome de domnio de atraco, regio de atraco ou bacia de atraco do ponto de
equilbrio (Fig. 3.4).

Fig. 3.3 Sistema assimptoticamente estvel.

Um ponto de equilbrio diz-se marginalmente estvel nsLy se for estvel mas no for
assimptoticamente estvel.
Chama-se a ateno para o facto de haver sistemas que podem no ser estveis nsLy e
convergirem para zero. Um exemplo apresentado por Vinograde descreve trajectrias
que quando iniciadas dentro da circunferncia de raio 1 comeam por sair sempre para
fora da circunferncia e s depois que convergem para a origem.
Os conceitos de estabilidade que se acabam de apresentar so aplicveis a qualquer
ponto de equilbrio de um sistema, no necessariamente a origem. Nestas condies, se
houver mais do que um ponto de equilbrio estvel o sistema ter as correspondentes
bacias de atraco. Designa-se por separatriz a linha, superfcie ou hipersuperfcie que
separa as bacias de atraco.

Fig. 3.4 Bacias de atraco e separatriz.

1 bacia de
atraco
2 bacia de
atraco
separatriz
||x(t)||

R

r
x(0)

||x
e
||=0
||x(t)||
0 t

3.3.3.3. Estabilidade exponencial
e
=0 diz-se exponencialmente estvel se existirem dois nmeros
reais 1 e > 0 tais que dentro de uma bola B
r
com centro na origem
0, || ( ) || || (0) ||
t
t t e
> x x (3.16)
Ao parmetro chama-se razo de convergncia da exponencial, ou decaimento.
O estado de um sistema exponencialmente estvel converge para a origem de uma
forma igual ou mais rpida que a exponencial, como se exemplifica na Fig. 3.5.

Fig. 3.5 Sistema exponencialmente estvel.

3.3.4. Estabilidade local e global
Os conceitos sobre estabilidade que se acabaram de apresentar, referem-se
estabilidade na vizinhana de um determinado ponto de equilbrio. A estabilidade assim
definida designa-se por estabilidade local. No entanto, se o estado inicial se encontrar
longe do ponto de equilbrio, o seu comportamento poder ser diverso.
Por este motivo importante saber como que um sistema se comporta, quando o seu
estado inicial se encontra afastado de determinado ponto de equilbrio. Surge assim o
conceito de estabilidade global.
Um estado de equilbrio diz-se globalmente estvel se for estvel, qualquer que seja o
valor inicial do seu estado.
Um estado de equilbrio diz-se globalmente assimptoticamente estvel se for
assimptoticamente estvel, qualquer que seja o valor do seu estado inicial. De um modo
semelhante se define estado de equilbrio globalmente exponencialmente estvel.

Exemplo 3-4
Determine o tipo de estabilidade do seguinte sistema:
2
( ) [1 sen ( )] ( ) x t x t x t = +
Resoluo:
O sistema de 1 ordem e admite como ponto de equilbrio x=0.
||x(t)||

||x(0)||

x(0)

||x
e
||=0

||x(t)||
0 t

decaimento

Nem sempre necessrio determinar analiticamente a soluo x(t) para saber o
comportamento do sistema. Este exemplo pode resolver-se de uma forma bastante
simples. Com efeito, do sistema dado, e atendendo a que o seno uma funo limitada,
pode escrever-se ( ) ( ) x t x t < Separando as variveis fica 1
x
x
<
. Esta equao pode

ser integrada membro a membro entre os instantes 0 e t, a que correspondem os estados
x
0
e x(t), resultando
0
( )
ln
x t
t
x
< , ou ainda
0
( )
t
x t x e
< , pelo que o sistema exponen-

cialmente estvel.
A definio de sistema globalmente assimptoticamente estvel implica o seguinte:

Um sistema global e assimptoticamente estvel apenas pode ter um ponto de equilbrio.

3.4. Estabilidade pela linearizao
Nesta seco ser estudada a estabilidade de um sistema no linear utilizando o mtodo
da linearizao de Lyapunov
(2)
. Este mtodo utiliza o conceito de sistema linearizado e
serve-se do formalismo dos sistemas lineares para analisar a estabilidade de
determinado tipo de sistemas no lineares. Em ltima anlise o mtodo justifica a
atitude que se toma na prtica de utilizar as tcnicas do controlo linear para cada um dos
pontos de funcionamento do sistema.

3.4.1. Sistema linearizado
Considere-se o sistema autnomo
( ) = x f x (3.17)
Admita-se que a funo f de classe C
1
, ou seja, diferencivel uma vez. Nestas
condies o sistema (3.17) pode escrever-se
( )
e
os
=
| |
= +
|
\ .
x 0
f
x x f x
x
(3.18)
onde
| |
|
\ .
f
x
representa o primeiro termo do desenvolvimento de f(x) em srie de Taylor
e f
os
(x) representa os restantes termos de ordem superior. Uma vez que o
desenvolvimento em srie feito em torno do ponto de equilbrio x
e
= 0, a expresso
(3.18) no tem termo constante.
Repare-se que
| |
|
\ .
f
x
representa a matriz Jacobiana de f, que se representar por A,

2
Este mtodo, vulgarmente designado por 1 mtodo de Lyapunov, devido a Poincar.


1 1
1
1
...
... ...
...
n
i
j
n n
n
f f
x x
f
x
f f
x x

| |
|

|
| |

| |
= = = |
|
|
|

\ .
|
\ .

|
|

\ .
f
A
x
(3.19)
Nestas condies, o sistema (3.18) pode escrever-se
( )
os
= + x Ax f x (3.20)
Se em (3.20) se ignorarem os termos de ordem superior, f
os
(x), fica apenas,
= x Ax (3.21)
Ao sistema (3.21) d-se o nome aproximao linear de (3.7), ou sistema linearizado.

Repare-se que para obter os termos f
os
(x) no necessrio calcular derivadas de f(x) de
ordem superior 1 (nem tal condio exigida para obter a linearizao); basta
calcular o sistema linearizado e subtra-lo do sistema original:
( ) ( )
os
= f x f x Ax (3.22)
Note-se que a linearizao pode ser aplicada a sistemas excitados com entrada u,
invariantes no tempo,
( ) [ ( ), ( )] t t t = x f x u (3.23)
resultando do desenvolvimento
( , )
e e
os
= =
= =

| | | |
= + +
| |

\ . \ .
x 0 x 0
u 0 u 0
f f
x x u f x u
x u
(3.24)
ou ainda
( , )
os
= + + x Ax Bu f x u (3.25)
sendo a linearizao do sistema dada por
= + x Ax Bu (3.26)
com
e
=
=
| |
=
|
\ .
x 0
u 0
f
A
x
(3.27)
e
e
=
=
| |
=
|
\ .
x 0
u 0
f
B
u
(3.28)

Um mtodo expedito para obter o sistema linearizado a partir de (3.7), consiste
simplesmente em desprezar os termos que convergem para zero com uma ordem
superior a 1, substituir cos x por 1, sen x por x, etc.


Exemplo 3-5
Obter a linearizao dos sistemas a seguir indicados, calculando a matriz Jacobiana e
utilizando o mtodo expedito.
a)
2
1 1 2
2 2
x x x
x x
= +

O ponto de equilbrio deste sistema
1 2
0 e 0 x x = = .
Neste sistema tem-se
2
1 1 2 1 2
( , ) f x x x x = + e
2 1 2 2
( , ) f x x x = , sendo a matriz Jacobiana
1 2
1 2
1 1
1 2 2
2 2
0, 0
1 2
0, 0
1 2 1 0
0 1 0 1
x x
x x
f f
x x x
f f
x x
= =
= =

(
(

( (
(
= = =
( (

(

(

A
O sistema linearizado pois dado por
1 1
2 2
1 0
0 1
x x
x x
( ( (
=
( ( (

Para obter este mesmo sistema por um mtodo expedito poderia simplesmente
desprezar-se o termo de 2 ordem, na primeira equao,
2
2
x .

b)
1 1 2
2 2 1
sen
sen
x x x
x x x
=

Considerar-se- apenas o ponto de equilbrio
1 2
0 e 0 x x = = , em torno do qual se far a
linearizao. Tem-se
1 1 2 1 2
( , ) sen f x x x x = e
2 1 2 2 1
( , ) sen f x x x x = , sendo a matriz
Jacobiana
1 2
1 2
1 1
1 2 2
1 2 2
0, 0
1 2
0, 0
1 cos 1 1
cos 1 1 1
x x
x x
f f
x x x
x f f
x x
= =
= =

(
(

( (
(
= = =
( (

(

(

A
O sistema linearizado assim
1 1
2 2
1 1
1 1
x x
x x

( ( (
=
( ( (

Para obter este mesmo sistema pelo mtodo expedito poderia simplesmente substituir-se
sen x
1
por x
1
e sen x
2
por x
2
.


c)
2
1 1 2
2
2 1 2
sen
0.5sen
x x x
x x x u
= +
= +

De acordo com (3.26) ser = + x Ax Bu , com
e
=
=
| |
=
|
\ .
x 0
u 0
f
A
x
e
e
=
=
| |
=
|
\ .
x 0
u 0
f
B
u
.
Os pontos de equilbrio do sistema autnomo so obtidos por
2
1 2
2
1 2
sen 0
0.5sen 0
x x
x x
+ =
, que
admite como soluo 3 pontos de equilbrio, entre os quais se encontra a origem do
espao de estados. Para este ponto ser:
1 2
1 2
1 1
1 2 1 2
1 2 2 2
0, 0; 0
1 2
0, 0; 0
cos 2 1 0
2 0.5cos 0 0.5
x x u
x x u
f f
x x x x
x x f f
x x
= = =
= = =

(
(

( (
(
= = =
( (

(

(

A
Note-se que o sistema apenas tem uma entrada (escalar), pelo que fica
1 2
1 2
1
2
0, 0; 0
0, 0; 0
0 0
1 1
x x u
x x u
f
u
f
u
= = =
= = =
(
(
( (
= = =
(
( (

(
(

B
O sistema linearizado em torno da origem ser pois
1 1
2 2
1 0 0
0 0.5 1
x x
u
x x
( ( ( (
= +
( ( ( (

3.4.2. Mtodo de Lyapunov da linearizao
Considere-se um sistema linear simples, autnomo,
( ) ( ) t t = x Ax (3.29)
Tratando-se de um sistema simples a matriz A regular e portanto o nico ponto de
equilbrio do sistema a origem do espao de estados, x
e
=

0. Como o sistema linear a
estabilidade sempre global; o seu tipo independente das condies iniciais, e
portanto independente da distncia entre o ponto de partida em t=0 e o ponto de
equilbrio.
Sabe-se, da teoria dos sistemas lineares, e utilizando a linguagem introduzida atrs, que,
em relao estabilidade, um sistema linear contnuo apenas pode ser:
Exponencialmente estvel: matriz A com todos os valores prprios no semiplano
complexo s, esquerdo,
Marginalmente estvel: matriz A com os plos no semiplano complexo s esquerdo e
com pelo menos um valor prprio sobre o eixo j.

Instvel: matriz A com pelo menos um valor prprio no semiplano complexo s
direito. Neste caso a soluo ||x(t)|| tende para quando t.
O mtodo da linearizao de Lyapunov parte da anlise da matriz A do sistema
linearizado para concluir sobre a estabilidade do sistema no linear, e afirma o seguinte:

Se o sistema linearizado for (exponencialmente) estvel, o correspondente
sistema no linear assimptoticamente estvel.
Se o sistema linearizado for instvel, o correspondente sistema no linear
instvel.
Se o sistema linearizado for marginalmente estvel nada se pode concluir
sobre o sistema no linear correspondente.

A demonstrao deste teorema ser feita adiante, com base no mtodo directo de
Lyapunov.
Note-se que se o valor do estado estiver prximo do equilbrio (por hiptese x
e
= 0), o
sistema linearizado representa com bastante aproximao o sistema no linear de
partida. No entanto, se o sistema linearizado for marginalmente estvel de esperar que
os termos de ordem superior desempenhem um papel decisivo no comportamento do
sistema no linear correspondente.
O mtodo da linearizao sofre de uma limitao, quando o sistema linearizado
marginalmente estvel. H no entanto forma de levantar a indeterminao e obter a
estabilidade do sistema no linear associado, utilizando o teorema da variedade central
(center manifold theorem). Este teorema permite estudar a estabilidade do sistema no
linear de ordem n a partir do estudo de um sistema menos complexo, de ordem n-p, em
que p o nmero de valores prprios com parte real nula, da matriz A do sistema
linearizado (ver Khalil, 2 ed. pgs. 167-169)

Exemplo 3-6
Utilizando o mtodo da linearizao concluir sobre a estabilidade dos sistemas descritos
pelos seguintes modelos:
a)
3
sen x x x = b)
3
(1 ) 1 x x =
c)
2
2 , x x a x a + = d) sen 0 ML B MgL + + =

(pndulo de massa M,
comprimento do brao L e factor de amortecimento B)
Resoluo:
a) O nico ponto de equilbrio deste sistema a origem. Utilizando o mtodo expedito
pode obter-se o sistema linearizado em torno da origem, x x = . Tem-se pois A= 1.
O valor prprio desta matriz, 1, encontra-se no semiplano complexo s esquerdo. O
sistema linearizado exponencialmente estvel e consequentemente o sistema
original assimptoticamente estvel.


b) Este sistema pode ser simplificado, obtendo-se
2 3
3 3 x x x x = + . O nico ponto de
equilbrio x=0. O sistema linearizado ser pois 3 x x = . O plo encontra-se no
semiplano complexo s esquerdo, e tem o valor 3. O sistema linearizado
exponencialmente estvel e portanto o sistema original assimptoticamente estvel.
c) Efectuando as mudanas de varivel
1
x x = e
2
x x = vem
1 2
2
2 1 2
2
x x
x ax x
=

Os pontos de equilbrio so
1
0 x = e
2
0 x = . O sistema linearizado ser
1 2
2 1
x x
x ax
=
, ou seja,
1 1
2 2
0 1
0
x x
x x a
( ( (
=
( ( (

, ou ainda,
1 1
2 2
x x
x x
( (
=
( (

A
, com
0 1
0 a
(
=
(

A
Os valores prprios de A obtm-se resolvendo a equao 0 = A I :
1
0
a
,
2
0 a = , a = . H a distinguir dois casos:
1. 0 a > . Neste caso h um plo do sistema linearizado no semiplano complexo s
direito. O sistema linearizado instvel e consequentemente o sistema original
tambm instvel.
2. 0 a . Neste caso h um par de plos sobre o eixo imaginrio. O sistema linearizado
marginalmente estvel, nada se podendo concluir sobre o sistema original.
d) Fazendo
1
x = e
2
x =
pode escrever-se
1 2
2 1 2
sen
x x
x g x bx
=
com
B
b
ML
= > 0.
Pontos de equilbrio:
2
1 2
0
sen 0
x
g x bx
=
, ou,
1
2
, 0, 1, 2,
0
x k k
x
= =

.
H agora a distinguir dois casos distintos, ao linearizar:
1. 0, 2, 4, k = . Nestes casos o sistema linearizado ser
1 2
2 1 2
x x
x gx bx
=
.
A matriz A ser
0 1
g b
(
(

, sendo os valores prprios
2
1,2
1
( 4 )
2
b b g = .
Estes valores prprios esto localizados no semiplano complexo s esquerdo. O
sistema linearizado exponencialmente estvel e portanto o sistema original
assimptoticamente estvel (nos pontos de equilbrio indicados).
2. 1, 3, k = . Nestes casos o sistema linearizado ser
1 2
2 1 2
x x
x gx bx
=
.
A matriz A ser
0 1
g b
(
(

, sendo os valores prprios
2
1,2
1
( 4 )
2
b b g = + . Estes
valores prprios esto localizados um no semiplano complexo s esquerdo e o outro
no semiplano direito. O sistema linearizado instvel e portanto o sistema original
tambm instvel. Note-se que estes pontos de equilbrio correspondem s posies
em que a massa do pndulo se encontra no topo.

3.5. Mtodo Directo de Lyapunov
3.5.1. Motivao
O mtodo directo de Lyapunov, correntemente designado por 2 mtodo de Lyapunov,
permite efectuar a anlise da estabilidade de um sistema atravs de uma funo escalar
do estado, designada por funo de Lyapunov.
A funo de Lyapunov pode ser encarada como uma extenso matemtica do conceito
de energia do sistema. Um sistema, quer seja mecnico, elctrico ou de outro tipo, tem
habitualmente dissipao ou amplificao de energia. Sempre que a dissipao seja
superior amplificao a energia do sistema ir caindo e as variveis do sistema
(amplitudes de oscilao, velocidades, tenses elctricas, correntes, etc.) tero tendncia
a evoluir para zero. Estudando a energia associada ao sistema, ou outra grandeza mais
conveniente, ser possvel avaliar o seu comportamento, em particular a sua
estabilidade.
A amplificao de energia s existe em sistemas com componentes activos, em que
existe uma transferncia de energia contnua para um tipo de energia alternado ou
oscilante. Nos circuitos de electrnica o fornecimento de energia contnua feito pela
fonte de alimentao. Numa ponte que entra em oscilao, a energia pode ser originada
pela componente contnua do vento, ou por qualquer outra fora permanente.
Tome-se como exemplo o sistema em regime livre, constitudo por uma massa sujeita
aco de uma mola no linear, com amortecimento proporcional ao quadrado da
velocidade. Ser uma extenso do modelo representado pela equao (2.22).

3
1 3
0 mx b x x k x k x + + + = (3.30)
Notando que
3
1 3
k x k x + a fora de restituio da mola, a energia potencial associada a
esta fora, quando a mola se encontra na posio x, dada por

3 2 4
1 3 1 3
0
1 1
( ) ( )
2 4
x
p
V x k x k x dx k x k x = + = +
(3.31)
A energia cintica do sistema dada por

2
1
( )
2
c
V x mx = (3.32)
pelo que a energia mecnica total do sistema ser

2 4 2
1 3
1 1 1
( )
2 4 2
V k x k x mx = + + x (3.33)
Observando a funo V(x), conclui-se que:
V(x) positiva quando x 0 (x 0 e x 0)
V(x) nula quando x = 0


Calcule-se agora a evoluo de V(x) com o tempo:

3 3
1 3 1 3
( ) ( ) V k xx k x x mxx k x k x mx x = + + = + + x
(3.34)
Notando que a quantidade entre parntesis, pela equao (3.30) igual a b x x , vem:

3
2
( ) V b x x b x = = x
(3.35)
Uma vez que se trata de um sistema com amortecimento (b>0), a expresso (3.35)
mostra que, independentemente do estado inicial, a funo ( ) V x
sempre negativa, isto

, a energia total do sistema vai diminuindo, at atingir o valor zero, quando 0 x = .
Os conceitos contidos neste exemplo constituem a base do mtodo directo de Lyapunov.

3.5.2. Funes positivas definidas
Uma funo escalar, contnua e unvoca, de um vector, diz-se localmente positiva
definida se, se dentro de uma bola de raio R
0
for:

0
( )
0
V
>
= =
x 0
x
x 0
(3.36)
A funo V(x) diz-se globalmente positiva definida se (3.36) for vlida para todo o
espao de estados.
Tomando o exemplo do sistema atrs representado em (3.30) e considerando a sua
energia total V(x) dada por (3.33), conclui-se imediatamente que V(x) globalmente
definida positiva. Na Fig. 3.6 encontra-se representada geometricamente uma funo
positiva definida.

a) Representao 3D b) Curvas de nvel
Fig. 3.6 Representao geomtrica de uma funo positiva definida.

Repare-se que a definio de funo positiva definida exige que V(0) = 0. Isto implica
que o seu nico mnimo a origem (estado nulo). Note-se ainda, que na representao
por meio de curvas de nvel estas no se intersectam, uma vez que a funo V(x)
unvoca.
V
3
>V
2
>V
1

V
3

V
2

V
1

V(x)
x
2
x
1
0
V
1
<V
2
<V
3

V
3
V
2
V
1
0
x
2
x
1


Uma funo V(x) diz-se negativa definida (local ou globalmente) se a sua simtrica
V(x) for positiva definida.
Uma funo escalar, contnua e unvoca, diz-se positiva semidefinida (local ou
globalmente) se:

0
( )
0
V

= =
x 0
x
x 0
(3.37)
A funo diz-se negativa semidefinida se V(x) for positiva semidefinida.
Uma funo escalar, contnua V(x) diz-se localmente indefinida se, dentro de uma bola
de raio R
0
qualquer, em torno da origem tomar valores positivos e negativos.
Exemplo 3-7
Classificar, no que respeita s definies atrs apresentadas, as seguintes funes V(x)
associadas aos sistemas indicados:
a) 2 sen 0 + + =

2
( ) 1 cos V = + x

1 2
( , ) x x = =

b)
3
sen x x x =
2 2
1
( ) 2
2
V x x = + x
c)
3
sen x x x =
2 2
1
( ) 2
4
V x x = x
Resoluo:
a) Efectuando as mudanas de varivel
1
x = e
2
x =
obtm-se o modelo de estado

1 2
2 1 2
sen 2
x x
x x x
=

Os pontos de equilbrio obtm-se resolvendo o sistema de equaes
2
1 2
0
sen 2 0
x
x x
=

obtendo-se
1 2
, e 0 x k k x = = .
Analise-se o que se passa no ponto de equilbrio x=0. A funo V(x) constituda
pela soma de 1 cos , que maior ou igual a zero (igual apenas para = 0 ou
mltiplo de 2), e de
2
, que maior ou igual a zero, sendo zero nos pontos de

equilbrio. Nestas condies, na vizinhana da origem V(x) satisfaz definio (3.36)
pelo que localmente positiva definida.
b) O ponto de equilbrio do sistema x=0. A funo V(x) constituda pela soma de
dois termos maiores ou iguais a zero. V(x) satisfaz definio (3.36), pelo que
globalmente positiva definida.
c) O sistema igual ao anterior. A funo V(x) pode agora tomar valores positivos ou
negativos para x0. V(x) pois localmente indefinida.


3.5.3. Funo de Lyapunov
Dentro de uma bola centrada na origem e de raio R, uma funo V(x) diz-se funo de
Lyapunov se e s se:
V(x) for positiva definida,
V
(x) for negativa semidefinida.

Para uma funo de Lyapunov tem-se pois:

( ) 0, ( ) 0
( ) 0, ( ) 0
V V
V V
> =
x x 0 0
x x 0 0

(3.38)
Na Fig. 3.7 faz-se a representao geomtrica de uma funo de Lyapunov.
A condio ( ) 0 V x
implica que a trajectria do sistema se deve aproximar da origem.

a) Representao 3D b) Curvas de nvel

Fig. 3.7 Representao geomtrica de uma funo de Lyapunov.

Exemplo 3-8
Indicar quais das funes abaixo so funo de Lyapunov dos respectivos sistemas, para
a origem:
a) x x =
2 2
( ) V x x = + x
b)
3
1 2 1
3
2 1 2
x x x
x x x
=

2 2
1 2
( ) V x x = + x
c)
1 2 1
2 1 2
sen
sen
x x x
x x x
=

2 2
1 2
1
( ) ( )
2
V x x = + x
Resoluo:
a) A funo V(x) positiva definida. Analise-se a derivada: ( ) 2 2 2( ) V xx xx x x x = + = + x
.
A partir do sistema obtm-se x x = , pelo que
2
( ) 2( ) 2( )( ) 4 V x x x x x x x = = + = x

que negativa definida. Logo, V(x) uma funo de Lyapunov do sistema dado.

x
1

x
2
x(t)
x
0

V(t)
V
1
<V
2
<V
3

V
3
V
2
V
1
0
x
2
x
1

x(t)
x
0


b) O nico ponto de equilbrio a origem. A funo V(x) positiva definida. A sua
derivada
1 1 2 2
( ) 2 2 V x x x x = + x
. Substituindo
1
x e
2
x dados pelo sistema obtm-se
3 3 4 4
1 2 1 2 1 2 1 2
( ) 2 ( ) 2 ( ) 2( ) V x x x x x x x x = + = + x
que negativa definida. Logo,

V(x) uma funo de Lyapunov do sistema dado.
c) O nico ponto de equilbrio a origem. A funo V(x) positiva definida. A sua
derivada
1 1 2 2
( ) V x x x x = + x
. Substituindo
1
x e
2
x dados pelo sistema obtm-se
1 2 1 2 1 2 1 1 2 2
( ) ( sen ) ( sen ) sen sen V x x x x x x x x x x = + = x
que pode ser positiva

ou negativa. V(x) no uma funo de Lyapunov do sistema dado. Restringindo x
1
e
x
2
ao intervalo (-, ) j ( ) V x
nd. Nesta regio V(x) funo de Lyapunov do

sistema dado.

3.5.4. Teorema de Lyapunov (estabilidade local)
Considere-se o sistema autnomo seguine, e um ponto de equilbrio x
e
=0.
( ) [ ( )] t t = x f x (3.39)

Se numa bola de raio R com centro em x
e
=0 existir uma funo escalar V(x), contnua,
com 1 derivada contnua, tal que:
V(x) localmente positiva definida,
( ) V x
localmente negativa semidefinida,

ento o ponto de equilbrio x
e
=0 localmente estvel.
Se alm disto ( ) V x
for localmente negativa definida, o ponto de equilbrio


Para demonstrar este teorema preciso provar que dado um nmero real positivo, R,
existe um outro nmero real tambm positivo r < R, tal que qualquer trajectria com
incio no interior da bola de raio r permanece no interior da bola de raio R [definio
dada pela expresso (3.15)].
Seja m o valor mnimo de V sobre uma superfcie de raio R (mnimo de V sobre a curva
de interseco de V(x) com a esfera de raio R). Considere-se uma superfcie esfrica de
raio r < R tal que a sua interseco com V(x) seja menor que m. Considere-se uma
trajectria iniciada sobre esta esfera. Uma vez que por ser uma funo de Lyapunov
V(x) no pode crescer, ser sempre V(x) m, ou seja, V(x) ficar sempre no interior da
esfera de raio R. Logo a trajectria estvel.
Se V(x) for estritamente decrescente, as trajectrias ficaro contidas no interior da bola
com raio cada vez menor, o que significa que o sistema assimptoticamente estvel.
Repare-se que a existncia de uma funo de Lyapunov condio suficiente para a
estabilidade do sistema, mas no condio necessria: um sistema poder ser estvel e
no se conhecer nenhuma funo de Lyapunov associada.

3.5.5. Teorema de Lyapunov (estabilidade global)
O teorema de Lyapunov apresentado na seco anterior refere-se estabilidade local.
possvel efectuar a sua extenso para a anlise de estabilidade assimpttica global.

Considere-se o sistema autnomo (3.39), e uma funo V(x) escalar, contnua, com 1
derivada contnua, tal que
V (x) positiva definida,
( ) V x
negativa definida,

V (x) quando ||x|| .
Ento o ponto de equilbrio na origem global e assimptoticamente estvel.

A ltima condio diz que a funo V(x) deve ser radialmente ilimitada. Do ponto de
vista geomtrico, isto quer dizer que as curvas de nvel de V(x) devem ser fechadas. Se
tal no acontecer, como acontece no exemplo da Fig. 3.8, pode acontecer que o estado
evolua de um ponto x(0) para um valor infinito, com diminuio contnua de V(x).

Fig. 3.8 Caso em que o sistema no globalmente estvel.

Um sistema pode admitir mais do que uma funo de Lyapunov. Algumas delas
podero dar mais informao sobre a estabilidade do sistema do que outras.
Exemplo 3-9
Concluir sobre a estabilidade dos sistemas seguintes, em torno da origem, dos quais se
conhece uma funo de Lyapunov, candidata, V(x):
a)
3
x x x =
2 2
( ) V x x = + x
b)
2
2
1
1
2
2 2 2
1
(1 )
x
x
x
x
x
x

2
2 1
2 2
1
( )
1
x
V x
x
= +
+
x
V
1
>V
2
>V
3

V
3

V
2

V
1

x(t)
x
1

x
2


Resoluo:
a) A funo V(x) positiva definida. Analise-se a sua derivada: ( ) 2 2 V xx xx = + x
. A
partir do sistema dado obtm-se
2
3 x x x x = . Substituindo x em ( ) V x
conclui-se
que ( ) 0 V < x
. A funo V(x) radialmente limitada. Esto pois satisfeitas todas as

condies da seco 3.5.4 e anterior: Logo o sistema localmente estvel na origem.
b) A funo V(x) positiva definida mas no radialmente ilimitada. Com efeito, para
cada valor de x
2
, V (x) no tende para quando x
1
. Analise-se a sua derivada.
3 2 2
1 1 2 1 2
2 2
1
2 2 (1 )
( )
(1 )
x x x x x
V
x
+ +
=
+
x

. Substituindo em ( ) V x
os valores de
1
x e de
2
x e
simplificando, obtm-se
2
2
2 2
1
4
( )
(1 )
x
V
x
=
+
x
, que negativa semi definida.

Portanto o sistema dado localmente assimptoticamente estvel na origem, mas no
globalmente assimptoticamente estvel.
3.5.6. Teorema de Lyapunov (instabilidade)
Considere-se o sistema autnomo (3.39) e um ponto de equilbrio = x 0 .

Se dentro de uma bola de raio R com centro em = x 0 existir uma funo escalar W(x)
tal que:

W (x) positiva definida, contnua, com primeiras derivadas parciais contnuas
( ) W x
positiva definida
ento a resposta do sistema tende para infinito quando t .

A demonstrao deixada ao cuidado do leitor.

3.6. Funo de Lyapunov de sistemas lineares
3.6.1. Formas quadrticas e matrizes positivas definidas
Dado o vector
T
1 2
= [ , , , ]
n
x x x x , de componentes reais, designa-se por forma quadrtica
o escalar V(x) definido pelo polinmio

1 1
( )
n n
i j i j
i j
V p x x
= =
=
x (3.40)
em que os coeficientes p
ij
so reais.
A expresso (3.40) pode ser escrita sob a forma matricial

T
( ) , V = =< > x x Px x Px (3.41)

Uma vez que qualquer matriz pode ser decomposta na soma de duas matrizes, uma
simtrica e outra anti-simtrica, e que a forma quadrtica associada a uma matriz anti-
-simtrica nula, pode considerar-se que em (3.41) a matriz P simtrica.
Uma matriz P diz-se positiva definida (pd) se a forma quadrtica que lhe est associada
for positiva definida, ou seja:

T
0 > x 0 x Px (3.42)
A condio x
T
P x = 0 para x=0, que aparece em (3.36), naturalmente satisfeita.

Uma vez que x
T
Px o produto interno de x
T
e de Px, a interpretao geomtrica de
definio de forma quadrtica pd a seguinte: O vector x e a sua imagem Px devem
fazer um ngulo que esteja no intervalo (-/2, /2).

condio necessria para uma matriz ser pd que os elementos da sua diagonal
principal sejam estritamente positivos (p
i i
> 0).
condio necessria e suficiente para que uma matriz seja pd que os seus menores
principais sejam estritamente positivos, ou seja:

11 1
11 12
1 11 2
21 22
1
...
= | | 0, 0, , ... ... 0
...
n
n
n nn
p p
p p
p
p p
p p
> = > = > (3.43)
Esta ltima condio equivalente seguinte:

c.n.s. para que uma matriz seja pd, que os seus valores prprios sejam
positivos (os valores prprios so reais porque P suposta simtrica).

Uma matriz pd pode ser decomposta em:

T
= P U U (3.44)
em que U a matriz unitria de vectores prprios de P, e uma matriz diagonal
contendo os valores prprios de P. Designando por
min
e
max
o menor e o maior valor
prprio de P, tem-se a partir de (3.44),

2 T 2
min max
|| || || || x x Px x (3.45)
De uma forma anloga se define uma forma quadrtica (e respectiva matriz)
positiva semidefinida ( psd),
negativa definida (nd),
negativa semidefinida (nsd).

Os conceitos at aqui apresentados consideram sistemas invariantes no tempo, isto , em
que os elementos das matrizes no dependem do tempo.


3.6.2. Funo de Lyapunov para SLIT
Considere-se o sistema autnomo linear:
= x Ax (3.46)
e uma funo candidata a funo de Lyapunov dada pela forma quadrtica

T
( ) V = x x Px (3.47)
em que P uma matriz pd simtrica. Derivando V(x) em ordem ao tempo e usando
(3.46) vem

T T T
( ) V = + = x x Px x Px x Qx
(3.48)
com

T
= + Q A P PA (3.49)
A equao (3.49) tem o nome de equao de Lyapunov.

Para que a trajectria do sistema (3.46) seja estvel a matriz Q dever ser pd. Se tal no
acontecer nada se pode concluir sobre a estabilidade do sistema. Para evitar que tal
possa acontecer, em vez de escolher P pd e analisar Q, procede-se de uma forma
inversa:
Escolhe-se uma matriz Q positiva definida, resolve-se a equao de Lyapunov de modo
a obter P e verifica-se se P pd. Se isto acontecer, o sistema assimptoticamente
estvel (globalmente, por se tratar de um sistema linear). Caso no acontea o sistema
instvel. O teorema que se segue resume o que acaba de se afirmar.
Teorema

c.n.s. para que o SLIT autnomo = x Ax seja estritamente
(3)

estvel que para qualquer matriz pd, Q, a nica soluo da
equao de Lyapunov (3.49) seja simtrica e pd.

Para detalhes consultar a Ref. [1] da bibliografia Slotine, J.J.E./Li, Weiping.

3.7. Funo de Lyapunov de sistemas no lineares
O problema que se pe em relao ao mtodo directo de Lyapunov consiste em ter um
mtodo sistemtico de obter uma funo de Lyapunov. Os mtodos existentes baseiam-
-se em formalismos de ordem exclusivamente matemtica ou em consideraes de
carcter fsico.
3.7.1. Mtodos analticos
Uma maneira simples de obter uma funo candidata a funo de Lyapunov a que
decorre do seguinte teorema:

3
No inclui a estabilidade marginal

3.7.1.1. Teorema de Krasovskii
Seja o sistema autnomo
( ) = x f x (3.50)
com f(x) suave, tendo como ponto de equilbrio de interesse a origem do espao de
estados. Seja A(x) o Jacobiano do sistema:
( )

| |
=
|
\ .
f
A x
x
(3.51)
Se numa regio em torno do ponto de equilbrio a matriz

T
( ) ( ) ( ) = + F x A x A x (3.52)
for negativa definida, o ponto de equilbrio assimptoticamente estvel. Uma funo de
Lyapunov do sistema

T
( ) ( ). ( ) V = x f x f x (3.53)
Se alm de (3.52) ser nd se tiver
( ) V x x (3.54)
ento o ponto de equilbrio globalmente assimptoticamente estvel.

Demonstrao
A matriz F(x) nd (por hiptese), o que implica que A(x) regular. Com efeito, se A(x)
fosse singular, existiria um vector x
1
0 tal que A(x)x
1
=0, ou ainda, x
1
T
A
T
(x)x
1
=0. Mas
pela condio (3.52) tem-se 2x
1
T
A(x)x
1
= x
1
T
F(x)x
1
, que dever ser 0, o que contradiz a
hiptese de F(x) ser nd. Logo, A(x) regular. Sendo A(x) regular invertvel, o que
implica que f(x) tambm invertvel, na regio em torno da origem, e portanto f(x)0
para x0.

Considere-se agora a funo (3.53),
T
( ) ( ). ( ) V = x f x f x ; uma vez que f(x)0 para x0,
V(x) definida positiva. Calcule-se ( ) V x
. Uma vez que ( ) ( ) ( ) = f x A x f x
, vem [derive-
-se (3.50)]

T T T T
( ) V = + = x f Af f A f f Ff
(3.55)
Como F negativa definida, ento ( ) V x
tambm negativa definida. Portanto, pela

aplicao do mtodo directo de Lyapunov a origem um ponto de equilbrio
Esta condio resulta directamente da aplicao do mtodo directo de Lyapunov para a
estabilidade global.

Exemplo 3-10
Obter uma funo de Lyapunov para o sistema autnomo

1 1 2
3
2 1 2 2
6 2
2 6 2
x x x
x x x x
= +
(3.56)
Tem-se
1 1
1 2
1 2
3 2
2 2
1 2 2 2
1 2
6 2 6 2
( )
2 6 2 2 6 6
f f
x x
x x
f f
x x x x
x x

(
(
+
( (

(
= = = =
( (
(

(

f
A x
x x

T
2
2
12 4
( ) ( ) ( )
4 12 12x
(
= + =
(

F x A x A x

F(x) negativa definida se F(x) for positiva definida:
1 menor principal de F(x): |F
11
| = |12| = 12 > 0.
2 menor principal de F(x):
2 2
2 2
2
2
12 4
144 144 16 144 128 0
4 12 12
x x
x
= + = + >
+

Logo F(x) nd e portanto uma funo de Lyapunov candidata
V(x) = f
T
(x) f(x) = (6x
1
+2x
2
)
2
+ (2x
1
6x
2
2x
2
3
)
2
.
Como V(x) quando ||x|| , a origem globalmente estvel.

3.7.1.2. Teorema de Krasovskii generalizado
Considere-se o sistema (3.50) anterior, ( ) = x f x .
c.n.s. para que a origem seja assimptoticamente estvel, que existam duas matrizes pd
simtricas P e Q, tais que para todo o x0 a matriz

T
( ) = + + F x A P PA Q (3.57)
seja negativa semidefinida numa vizinhana da origem. Uma funo de Lyapunov
para o sistema

T
( ) ( ) ( ) V = x f x Pf x (3.58)
Se a regio for todo o espao de estados e alm disso ||x|| V(x), ento o
sistema globalmente estvel.

A demonstrao deste teorema anloga do teorema anterior e deixa-se ao cuidado do
leitor.
3.7.1.3. Mtodo do gradiente varivel
O mtodo do gradiente varivel uma outra forma de se obter uma funo de Lyapunov
associada a um sistema. Parte-se da relao integral

0
( ) ( ). V V d =
x
x (3.59)

em que V(x) o gradiente de V(x), dado por

1
( ) ,...,
T
n
V V
V
x x
(
=
(

x (3.60)
Atendendo a que o rotacional do gradiente identicamente nulo, impe-se a condio
adicional

j
i
j i
V
V
x x
=

(3.61)
No mtodo do gradiente assume-se para o gradiente uma forma linear no estado:

1
n
i ij j
j
V a x
=
=
(3.62)
Concretizando, neste mtodo os passos a dar so os seguintes:
1. Construir V(x) como combinao linear do estado,
2. Impor a V(x) a condio do rotacional nulo, dada por (3.61),
3. Impor aos coeficientes a condio de ( ) V x
ser negativa semidefinida,

4. Obter V(x) por integrao de V(x), usando a relao (3.59),
5. Verificar se V(x) positiva definida.

Exemplo 3-11
Utilizando o mtodo do gradiente obter uma funo de Lyapunov para o sistema

1 1
2
2 2 1 2
2

2 2
x x
x x x x
=
= +
(3.63)
Seguindo os passos anteriores tem-se
1.
1 11 1 12 2
2 21 1 22 2
( )
( )
V a x a x
V a x a x
= +
= +
x
x
(3.64)
2.
1 2 12 21
12 2 21 1
2 1 2 1
V V a a
a x a x
x x x x

= + = +

(3.65)
3. Escolhendo
11 22 12 21
1, 1, 0, 0 a a a a = = = = , (3.66)
(valores que satisfazem a condio acima), vem
1 1
( ) V x = x e
2 2
( ) V x = x
4.
1 2 1 2
2 2
1 1 2 2 1 1 2 2 1 2
0 0 0 0
1
( ) ( )
2
x x x x
V V dx V dx x dx x dx x x = + = + = +

x (3.67)
5. V(x) pd, logo, a origem assimptoticamente estvel.
Uma vez que ||x|| V(x), a origem assimptoticamente estvel.


3.7.2. Mtodos baseados em conceitos fsicos
Por vezes utiliza-se o conhecimento que se tem sobre a fsica do processo para a
obteno da funo de Lyapunov associada a um determinado sistema. Esta anda de um
modo geral associada ao conceito de energia (potencial, cintica, elctrica, magntica) e
ao facto de que normalmente a sua soma (potencial+cintica, para sistemas mecnicos
ou elctrica+magntica para sistemas elctricos) se dissipa com o decorrer do tempo. A
energia tem um valor essencialmente positivo ou nulo, o que significa ser V(x) definida
positiva. A dissipao significa que V(x) diminui e tende para zero quando x0, ou
seja, ( ) V x
definida negativa.
Este mtodo vantajoso em relao aos mtodos matemticos sempre que se lida com
sistemas de ordem elevada.
3.8. Conjuntos invariantes
A introduo do conceito de conjunto invariante e dos teoremas a ele associados,
permite analisar a estabilidade de sistemas no caso em que a funo de Lyapunov no
permite efectuar o estudo da estabilidade em torno de um ponto de equilbrio.
3.8.1. Definio

Define-se conjunto invariante associado a um sistema como
sendo a regio do espao de estados tal que toda a trajectria
que nele se inicia a permanece em todos os instantes futuros.

De acordo com a definio dada so conjuntos invariantes os seguintes:
Um ponto de equilbrio estvel,
Um ciclo limite estvel,
Um domnio de atraco,
Uma determinada trajectria,
Todo o espao de estados (conjunto trivial).
Os dois teoremas que se seguem so relativos estabilidade de um sistema numa regio
contendo um conjunto invariante (estabilidade local) e em todo o espao de estados
(estabilidade global).
3.8.2. Teorema local do conjunto invariante
Considere-se o sistema autnomo (3.50) e seja V(x) uma funo escalar contnua que
admita derivadas parciais. Considere-se um valor real > 0 e seja
a regio do espao
de estados em que se verifica a condio V(x) < . Admita-se que ( ) 0 V x
para x
.
Seja R o conjunto de pontos dentro de
onde ( ) V x
=0 e seja M o maior conjunto


invariante contido em R. Ento, toda a trajectria x(t) com origem em
converge para
M quando t .
A interpretao geomtrica deste teorema encontra-se na Fig. 3.9. A demonstrao
encontra-se na ref. [1] da bibliografia Slotine, J.J.E./Li, Weiping.

Corolrio: Se nas condies anteriores V(x) for localmente positiva definida,
( ) V x
negativa semidefinida e o conjunto R definido por ( ) 0 V = x
no contiver
trajectrias alm da trajectria x 0, ento o ponto de equilbrio 0 assimptoticamente
estvel. Alm disso a maior regio
um domnio de atraco do ponto de equilbrio.

Fig. 3.9 Convergncia da trajectria para o conjunto invariante.

3.8.3. Teorema global do conjunto invariante
Considere-se o sistema autnomo (3.50), ( ) = x f x , e seja V(x) uma funo escalar
contnua que admita derivadas parciais. Admita-se que
( ) 0 V x
para qualquer x,
||x|| V(x) .
Seja R o conjunto de todos os pontos em que ( ) 0 V = x
e M o maior conjunto invariante

em R. Ento todas as solues convergem de uma forma global e assimpttica para M
quando t .

Exemplo 3-12: Uma classe de sistemas n.l. de 2 ordem.
Considere-se o sistema autnomo de 2 ordem definido por
( ) ( ) 0 x f x g x + + = (3.68)
em que ( ) f x e ( ) g x so funes contnuas satisfazendo s condies

R
M
x
1

x
2
V=
V(x)
x
0

( ) 0, para 0
( ) 0, para 0
x f x x
x g x x
>
>

(3.69)
Estas expresses tm o significado indicado na Fig. 3.10. A equao (3.68) pode
representar por exemplo um sistema massa-mola-amortecedor em que as foras devidas
ao amortecimento e mola podero seguir (3.69).

Fora devida ao amortecimento Fora devida mola

Fig. 3.10 Forma das funes ( ) e ( ) f x g x

Do ponto de vista fsico, a imposio das condies (3.69) equivale a dizer que o
coeficiente de amortecimento positivo e a fora exercida pela mola resistente. Nestas
condies de esperar que as energias cintica e potencial do sistema vo diminuindo e
que o sistema no fique bloqueado em nenhum ponto de equilbrio diferente da origem.
Considere-se a funo

2
0
1
( ) ( )
2
x
V x x g d = +
(3.70)
que, no caso de se tratar de um sistema mecnico, poder corresponder sua energia
total. A partir de V(x) obtm-se, por derivao,
( ) ( ) ( ) ( ) ( ) ( ) 0 V xx g x x xf x xg x g x x xf x = + = + = x
(3.71)
Devido s condies impostas ( ) x f x s pode ser nula para 0 x = . Mas para 0 x = tem-
-se ( ) x g x = que diferente de zero sempre que x0, o que significa o que h pouco
se afirmou, isto , que o sistema no pode ficar preso em nenhum ponto de equilbrio
que no seja a origem. Considerando R como o conjunto definido por 0 x = , o maior
conjunto invariante M contido em R contm apenas o ponto x=0 (x=0, 0 x = ). A
aplicao do teorema local do conjunto invariante indica que a origem localmente
Como alm disto
0
( )
x
g d
quando |x|, V(x) radialmente ilimitada e portanto

a origem globalmente assimptoticamente estvel.

( ) f x
x
( ) g x
x

3.9. Estabilidade de sistemas no autnomos
Os conceitos de estabilidade de sistemas no autnomos so muito semelhantes aos que
foram definidos para os sistemas autnomos. No entanto, uma vez que o tempo aparece
explicitamente nas equaes do sistema, de esperar que este tambm aparea nas
definies de estabilidade, e em particular surja o instante t
0
em que o sistema inicia a
sua trajectria, em vez do instante 0.
3.9.1. Pontos de equilbrio
Considere-se o sistema no autnomo, em regime livre, descrito pela equao
( ) [ ( ), ] t t t = x f x (3.72)
em que f(.,.) uma funo seccionalmente contnua no tempo e indefinidamente
diferencivel em relao a x.

Designam-se por pontos de equilbrio do sistema (3.72) todos aqueles em que para todo
t t
0
o estado estacionrio, ou seja,

0
[ ( ), ] 0,
e
t t t t = > f x (3.73)
tambm de salientar que a extenso de determinados conceitos tem que ser feita com
bastante cuidado, para no se chegar a concluses erradas. Como exemplo tome-se o
sistema linear massa mola amortecedor, em que o amortecimento b(t) > 0 varia com o
tempo:

0
( ) 0 x b t x k x + + = (3.74)
O nico ponto de equilbrio deste sistema a origem, x=0. Aparentemente, uma vez que
se trata de um sistema dissipativo, parece, primeira vista, que se o movimento for
iniciado num estado x0, este tender a convergir para o ponto de equilbrio. Tal
poder no acontecer. Exemplifique-se com b(t)=2+e
t
e k
0
= 0 e inicie-se o movimento
no instante t=0 com x(0)=2 e (0) 1 x = . A soluo da equao dada por x(t)=1+e
t
,
que tende para 1 quando t. Embora possa parecer paradoxal, que neste sistema,
sendo x=0 o ponto de equilbrio, a soluo no convirja para ele. A explicao, do
ponto de vista fsico, simples: o amortecimento vai aumentando de tal forma que o
sistema fica preso em x = 1 antes de chegar ao ponto de equilbrio.
3.9.2. Estabilidade de um ponto de equilbrio
O ponto de equilbrio x=0 diz-se estvel no sentido de Lyapunov, no instante t
0
, se para
qualquer R>0 existir r(R,t
0
) tal que para todo o tt
0

0
( ) ( ) t r t R < < x x (3.75)
O ponto de equilbrio diz-se instvel, caso contrrio.


Repare-se na diferena em relao definio dada em 3.3.3.1, expresso (3.15), para
sistemas autnomos: Aqui o valor de r depende tambm de t
0
.

De uma forma anloga anterior define-se estabilidade assimpttica e estabilidade
exponencial, estabilidade local e estabilidade global. H no entanto um conceito novo,
que no aparecia nos sistemas autnomos: O de estabilidade uniforme.

O ponto de equilbrio x=0 do sistema no autnomo (3.72) diz-se uniformemente
estvel se o escalar r da definio acima puder ser escolhido independentemente do
instante inicial t
0
, ou seja, r=r(R). O conceito de estabilidade uniforme extensvel aos
sistemas assimptoticamente estveis. Para um sistema no autnomo a estabilidade
exponencial implica estabilidade uniforme.
3.9.3. Mtodo directo de Lyapunov
A anlise da estabilidade de um sistema autnomo por meio da funo de Lyapunov
pode ser estendida a sistemas no autnomos, embora com um formalismo um pouco
mais complexo e com mais restries. A funo de Lyapunov vai agora depender do
estado e do tempo, V=V(x,t), como se ver a seguir.
3.9.3.1. Funo definida positiva / negativa
Uma funo escalar de um vector x e de um escalar t diz-se localmente positiva
definida se V(0,t)=0 e existir uma funo V
0
(x) positiva definida, no dependente de t,
tal que

0 0
( , ) ( ), V t V t t > x x (3.76)
Repare-se que existe um predomnio de V(x,t) sobre a correspondente funo V
0
(x)
independente do tempo.
De uma forma anloga define-se uma funo globalmente positiva definida, negativa
definida, positiva semidefinida e negativa semidefinida.
H no entanto um conceito novo que no existe para os sistemas autnomos: o conceito
de funo decrescente.
Uma funo V(x,t) diz-se decrescente se V(0,t)=0 e existe uma funo positiva definida
invariante no tempo V
1
(x) tal que

1 0
( , ) ( ), V t V t t > x x (3.77)
Exemplo 3-13 Indicar se a funo
2 2 2
1 2
( , ) (1 sen )( ) V t t x x = + + x pd e decrescente.
Uma vez que
2
1 1 sen 2 t + , existe uma funo
2 2
0 1 2
( ) ( ) V x x = + x positiva definida e
independente do tempo, tal que
0
( , ) ( ) V t V x x . Logo a funo dada, variante no tempo,
positiva definida.
Por outro lado existe
2 2
1 1 2
( ) 2( ) V x x = + x tal que
1
( , ) ( ) V t V x x qualquer que seja t.
Alm disso V(0,t)=0 e portanto a funo dada decrescente.

3.9.3.2. Clculo da derivada de V(x,t)
Uma vez que V(x,t) uma funo do tempo, explicitamente e tambm atravs da
evoluo do estado, para o clculo da sua derivada utilizam-se as regras normais da
derivao da funo de vrias variveis e de funo composta:

( )
( , ) ( , )
d V V d t
V t V t
dt t dt

= +

x
x x
x
(3.78)
e como
( )
( ) ( , )
d t
t t
dt
=
x
x f x , vem
( , ) ( , )
V V
V t t
t

= +

x f x
x
(3.79)
Isto significa que a derivada da funo de Lyapunov deve ser calculada ao longo das
trajectrias do sistema.
Os teoremas de Lyapunov sobre a estabilidade de pontos de equilbrio de sistemas no
autnomos encontram-se resumidos na seco seguinte.
3.9.4. Teoremas de Lyapunov para sistemas no autnomos
Seja uma bola
0
R
B de raio R
0
centrada no ponto de equilbrio x=0 do sistema no
autnomo. Definem-se os seguintes conceitos de estabilidade:
3.9.4.1. Estabilidade no sentido de Lyapunov (nsLy)
Se existir uma funo escalar V(x,t) com derivadas parciais contnuas, tal que
a) V(x,t) positiva definida,
b) ( , ) V t x
negativa semi-definida,
ento o ponto de equilbrio x=0 estvel nsLy.
3.9.4.2. Estabilidade uniforme
Se alm de verificar as condies a) e b) anteriores e
c) V(x,t) for decrescente,
ento o ponto de equilbrio x=0 uniformemente estvel.
3.9.4.3. Estabilidade assimpttica
Se em vez da condio b) se verificar
d) ( , ) V t x
negativa definida,
ento o ponto de equilbrio assimptoticamente estvel.
Se alm da condio a) as condies c) e d) forem verificadas em simultneo, o ponto
de equilbrio x=0 diz-se uniforme e assimptoticamente estvel.


3.9.4.4. Estabilidade global
Se a bola
0
R
B considerada for todo o espao de estados e se alm das condies a) c) d)
se verificar tambm
e) V(x,t) radialmente ilimitada,
ento o ponto de equilbrio x=0 global, uniforme e assimptoticamente estvel.
Exemplo 3-14
Determine a estabilidade do sistema
1 1 2
2
2 1 2
( ) ( ) ( )
( ) ( ) ( )
t
x t x t x t
x t e x t x t
= +

tomando como funo de Lyapunov
2 2 2
1 2
( , ) (1 )
t
V t e x x
= + + x .
Resoluo:
A funo V(x,t) pd, uma vez que existe uma funo independente do tempo,
V
0
(x)=x
1
2
+x
2
2
tal que V(x,t)V
0
(x), para todo tt
0
.
Clculo de ( , ) V t x
:
1 2 2 2 2
1 1 2 2
1 2
( , ) 2 [2(1 ) , 2 ]
t t
t
x x
V t e x e x x
e x x

+
(
= + +
(

x
=
2 2 2
2 1 2 1
2[ (1 )]
t
x x x x e
+ +
V
(x,t) 2 (x
1
2
x
1
x
2
+ x
2
2
) = (x
1
x
2
)
2
x
1
2
x
2
2
0

Como V(x,t) radialmente ilimitada, conclui-se que o sistema global, uniforme e
3.9.5. Mtodo directo de Lyapunov para sistemas lineares no autnomos.
Quando um sistema linear no autnomo, no podem ser utilizados os mtodos
tradicionais de anlise de sistemas autnomos para concluir sobre a sua estabilidade. O
exemplo seguinte mostra a necessidade de se tomarem as devidas precaues com os
sistemas no autnomos.
Seja o sistema linear no autnomo

2
1 1
2 2
1
0 1
t
x x e
x x
( ( (
=
( ( (
(3.80)
A matriz A do sistema depende do tempo. Para determinar a estabilidade -se tentado a
determinar os valores prprios de A(t) e, a pensar que se estes estiveram sempre no
semiplano complexo esquerdo, para todo t > t
0
, que o sistema ser estvel. Tal no
entanto falso. O sistema acima admite um valor prprio duplo = 1 (no semiplano
complexo esquerdo) e no estvel. Com efeito, a soluo do sistema , resolvendo
primeiro em ordem a x
2
e depois em ordem a x
1


-
2 2
1 1 2
( ) (0)
( ) ( ) (0)
t
t
x t x e
x t x t x e
=
+ =

x
1
(t) tende para infinito e portanto o sistema no estvel.
Uma situao anloga a esta acontece com os sistemas discretos lineares variantes no
tempo: o sistema pode ter os plos sempre no interior da circunferncia de raio 1 e no
ser estvel. A estabilidade de um sistema no autnomo estabelecida no seguinte
Teorema:
Seja o sistema linear no autnomo
( ) ( ) ( ) t t t = x A x (3.81)
condio suficiente para que o sistema (3.81) seja assimptoticamente estvel que a
matriz (simtrica)

T
( ) ( ) t t + A A (3.82)
tenha os valores prprios (reais) no semiplano complexo esquerdo, ou seja,

T
0 i
, , [ ( ) ( )] t t i t t + A A (3.83)

Demonstrao: Utilize-se a funo de Lyapunov V(x,t)=x
T
x para provar a estabilidade.
V(x,t) pd e ( , ) V t x
dado por
T T T T T T
( , ) ( ) ( ) [ ( ) ( )]
T
V t t t t t V = + = + = + = x x x x x x A x x A x x A A x x x

T
0
, 0 ( ) (0)
t
t t V t V e

= x x
e portanto x(t) tende exponencialmente para zero.

Repare-se que o teorema apresenta uma condio suficiente para que o sistema seja
estvel, mas no exige que os valores prprios de A(t)+A
T
(t) se encontrem no
semiplano complexo esquerdo.

3.9.6. O mtodo da linearizao para sistemas no autnomos
O mtodo da linearizao apresentado para sistemas autnomos pode ser estendido a
sistemas no autnomos.
Seja o sistema no autnomo (3.72). O desenvolvimento do 2 membro do sistema em
srie de Taylor, em torno de x
e
=0, conduz a
( ) ( ) ( ) ( , ) t t t t = +
os
x A x f x (3.84)
Se a funo f(x,t) puder ser aproximada por (3.84) em qualquer instante, dever ter-se

0
|| ( , ) ||
lim sup 0
|| ||
t
=
os
x
f x
x
(3.85)


Nestas condies o sistema
( ) ( ) ( ) t t t = x A x (3.86)
designa-se por sistema linearizado de f(x,t), em torno do ponto de equilbrio x=0.
Repare-se que a matriz A, Jacobiano do sistema no autnomo, de um modo geral
funo do tempo, podendo no entanto ser constante. Note-se ainda que, em relao aos
sistemas autnomos, a linearizao exige que seja satisfeita a condio adicional (3.85).
Nestas condies, obtido o sistema (3.86) por linearizao de (3.72), e obedecendo s
condies (3.85), tem-se o seguinte:
3.9.6.1. Teorema
Se o sistema linearizado for uniforme e assimptoticamente estvel, ento o
ponto de equilbrio x
e
=0 do sistema no autnomo original tambm
uniforme e assimptoticamente estvel.

Chama-se a ateno para a exigncia de estabilidade uniforme do sistema linearizado,
sem a qual o teorema no vlido. Repare-se ainda que, contrariamente ao que acontece
com o caso autnomo, a instabilidade do sistema linearizado no implica a instabilidade
do sistema original. A menos que A(t) seja constante, como se indica no seguinte
3.9.6.2. Teorema
Se A(t) for constante, A(t)=A
0
, ento a instabilidade do sistema linearizado
implica a instabilidade do sistema original.

3.9.7. Teoremas sobre instabilidade
Os teoremas que se seguem utilizam o mtodo directo de Lyapunov e aplicam-se tanto a
sistemas autnomos com no autnomos. Indicam condies suficientes para que um
sistema seja instvel.
Considere-se o sistema (3.72) em que f poder no depender explicitamente do tempo.
3.9.7.1. Primeiro teorema sobre instabilidade

Se numa regio em torno da origem existir uma funo escalar V(x,t),
contnua, diferencivel e decrescente, tal que
V(0,t) = 0, t t
0
,
V(x,t
0
) > 0 numa regio arbitrria prxima da origem,
( , ) V t x
localmente definida positiva,

ento o ponto de equilbrio x
e
=0, no instante t
0
, instvel.


3.9.7.2. Segundo teorema sobre instabilidade

Se numa regio em torno da origem existir uma funo escalar V(x,t),
contnua, diferencivel e decrescente, tal que
V(0,t) = 0,
V(x,t
0
) > 0 numa regio arbitrria prxima da origem,
( , ) ( , ) 0 V t V t x x
, x e t t
0

em que
+
, ento a origem um ponto de equilbrio instvel.

3.9.7.3. Terceiro teorema sobre instabilidade

Se numa regio
1
em torno da origem existir uma funo escalar V(x,t),
contnua, diferencivel e decrescente, tal que t t
0

V(x,t) e V
(x,t) so positivas definidas em

1
,
A origem um ponto fronteiro de
1
,
Em todos os pontos fronteiros de
1
V(x,t) = 0, t t
0
,
ento, no instante t
0
, a origem um ponto de equilbrio instvel.

A interpretao geomtrica deste teorema encontra-se na Fig. 3.11.

Fig. 3.11 Interpretao geomtrica do 3 teorema sobre instabilidade.

x
2
x
1

1
(V > 0, V
> 0)
x
0
V=0
V=0

3.10. Existncia de funes de Lyapunov
At aqui obtiveram-se as funes de Lyapunov de um determinado sistema sem ter a
garantia precisa da sua existncia: se fossem observados determinadas condies em
relao ao sistema, construa-se uma funo candidata a funo de Lyapunov.
Os teoremas que se seguem, designados por teoremas recprocos de Lyapunov, estabe-
lecem condies para a existncia de funo de Lyapunov associadas a um sistema.
Consoante o tipo de estabilidade, isto , local, global, uniforme, assimpttica, etc.,
existe um teorema recproco de Lyapunov sobre a existncia de uma funo de
Lyapunov.
3.10.1. Teorema recproco, ponto de equilbrio estvel

Se a origem do sistema (3.72) for estvel nsLy existe uma funo positiva
definida V(x,t), com derivada no positiva ao longo da trajectria do
sistema.

Este teorema garante que sempre que o ponto de equilbrio x = 0 de um sistema no
autnomo representado por (3.72) estvel nsLy, existe uma funo de Lyapunov que
lhe est associada (e portanto existem infinitas).
3.10.2. Teorema recproco, estabilidade assimpttica e uniforme

Se a origem do sistema (3.72) for assimptoticamente estvel, ento existe
uma funo V(x,t), positiva definida e decrescente, com derivada negativa
definida ao longo da trajectria do sistema.

3.10.3. Teorema recproco, estabilidade exponencial

Se a origem do sistema (3.72) for exponencialmente estvel, e se a funo
f(x,t) tiver derivadas parciais contnuas, e limitadas, ento existe uma funo
escalar V(x,t) positiva se e s se existirem constantes estritamente positivas
1
,
2
,
3
e
4
tais que

1
||x||
2
V(x,t)
2
||x||
2

( , ) V t x

3
||x||
2

V
x

4
||x||

Demonstrao em Sastry/Bodson-1989, Teorema 1.5.1.

3.11. Estabilidade absoluta
3.11.1. Sistema linear com realimentao no linear
Neste captulo vai-se estudar um tipo de sistemas em que o percurso directo linear e
invariante no tempo e a realimentao constituda por uma no linearidade esttica,
como se representa na Fig. 3.12. Este tipo de sistemas aparece com alguma frequncia
em casos de interesse prtico.

Fig. 3.12 Sistema linear com realimentao no linear.

A funo de transferncia G(s) obtm-se a partir do modelo de estado por

-1
G( ) ( - ) s s = C I A b (3.87)
Se a funo (y) fosse linear, por exemplo (y)=kx, a estabilidade do sistema poderia ser
estudada calculando os valores prprios da matriz do sistema em cadeia fechada
AbkC. Como (y) no linear, a anlise da estabilidade do sistema em cadeia fechada
torna-se mais complicada do que no caso linear. No entanto, se se obrigar (y) a
satisfazer determinadas condies, designadas condies sectoriais, apresentadas a
seguir, j possvel efectuar a anlise da estabilidade do sistema.
3.11.1.1. Funo pertencente a sector
Uma funo contnua pertence ao sector [k
1
,k
2
] se existirem dois nmeros no
negativos k
1
e k
2
tais que

1 2
( )
0
y
y k k
y
(3.88)
Geometricamente a condio (3.88) implica que o grfico da funo no linear (y) est
localizado entre duas rectas com declive k
1
e k
2
, como se mostra na Fig. 3.13.

G(s)
(y)
+

0
y

Fig. 3.13 Funo pertencente a um sector.

A definio (3.88) implica que (0) = 0 e que y(y) 0, isto , o grfico de (y) est
localizado no 1 e 3 quadrantes, uma vez que k
1
e k
2
so no negativos.

Um caso particular com interesse aquele em que k
1
=

0, dizendo-se ento que a funo
pertence ao sector [0, k] quando
0 0 ( ) k y ky > (3.89)
Admitindo que a no linearidade (y) pertence ao sector [k
1
,k
2
], a pergunta que se pe
a seguinte: Se o sistema em cadeia aberta G(s) for estvel, que condies devero ser
impostas a (y) para que o sistema em cadeia fechada seja estvel?
A intuio levaria a pensar, uma vez que o ganho de realimentao est compreendido
entre k
1
e k
2
se for linear, que tal propriedade poderia ser explorada com no linear.
Tal foi a hiptese feita por Aizerman
(4)
em 1949: se a matriz [A-bkC] for estvel para
todos os valores de k compreendidos no intervalo [k
1
,k
2
], ento o sistema no linear
global e assimptoticamente estvel.
A hiptese de Aizerman, aparentemente muito interessante, porque permitia estudar a
estabilidade de uma determinada classe de sistemas no lineares a partir de sistemas
lineares, revelou no ser verdadeira. Ela no considerou a variao de com y, que
pode conduzir instabilidade do sistema. Aps uma intensa pesquisa neste campo
foram estabelecidos novos critrios para determinar a estabilidade deste tipo de sistemas
em cadeia fechada.

4
M. A. Aizerman, cientista Sovitico,
(y)
k
1
y
k
2
y
Sector
[k
1
, k
2
]
y
(y)

3.11.2. Critrio de Popov
O critrio de Popov
(5)
estabelece uma condio suficiente para a estabilidade do sistema
em cadeia fechada. Considere-se o sistema apresentado na Fig. 3.12. Se forem
satisfeitas as condies seguintes:

A matriz A tem todos os valores prprios no semiplano complexo esquerdo,
O par [A,b] controlvel
6
,
A no linearidade pertence ao sector [0, k],
Existe um nmero real positivo, , tal que

1
0 Re([1 ) ( )] j G j
k
+ + > (3.90)
em que >0 arbitrariamente pequeno,
ento a origem global e assimptoticamente estvel.

A relao (3.90) tem o nome de desigualdade de Popov. Repare-se que os tipos de
sistemas representados na Fig. 3.12 aos quais se aplica o critrio de Popov, so lineares
autnomos e com realimentao no linear esttica. O critrio estabelece apenas uma
condio suficiente de estabilidade e no necessita de recorrer a nenhuma funo de
Lyapunov.
O critrio de Popov tem uma interpretao geomtrica interessante. Fazendo
( ) ( ) ( )
r j
G j G j jG j = + (3.91)
a expresso (3.90) escreve-se

1
( ) ( )
r j
G j G j
k
+ > (3.92)
Construa-se uma funo de transferncia associada W(j) com a mesma parte real que
G(j) mas com a parte imaginria igual a I
m
[G(j)]:
( ) ( ) ( )
r j
W j x jy G j j G j = + = + (3.93)
Com esta nomenclatura, a relao (3.92) implica que o sistema no linear global e
assimptoticamente estvel se sobre o plano complexo (x,y) a representao de W(j)
estiver para baixo da recta x-y+1/k=0. Na Fig. 3.14 esto traados o diagrama W(j),
designado por diagrama de Popov, e a recta que efectua a separao das regies, da
estabilidade e instabilidade.

5
Alexander Stephanovitch Popov, Eng Electrotcnico Russo, 1859-1906.
6
Um sistema linear caracterizado pela equao de estado = + x Ax bu controlvel se e s se o
determinante da matriz de controlabilidade Co = [b|Ab|...|A
n-1
b] for diferente de zero.


Fig. 3.14 Diagrama de Popov.

Exemplo 3-15
Determine a estabilidade de um sistema no linear com a estrutura do que apresentado
na Fig. 3.12, em que o bloco linear definido por

2
3
( )
7 10
s
G s
s s
+
=
+ +
(3.94)
e a realimentao no linear definida por (3.89).

Resoluo:
1. Plos de G(j): s
2

+7s

+10

=

0 p
1
=

2, p
2
=

5, logo, o sistema obedece condio
a) do critrio de Popov, ou seja, estritamente estvel.
2. A funo de transferncia no tem cancelamento de zeros e plos, e portanto o
sistema obedece condio b).
3. A no linearidade pertence ao sector [0, k], por hiptese.
4. Para a determinao da desigualdade de Popov, determinam-se primeiro as partes
reais e imaginria de G(j): Substituindo sj em (3.94) vem
2
3
( )
(10 ) 7
j
G j
j

+
=
+

e portanto
2
4 2
4 30
( )
29 100
r
G j

+
=
+ +
e
2
4 2
( 11)
( )
29 100
j
G j

+
=
+ +

Substituindo em (3.92) vem
4 2 2 2 4 2
1
29 100 ( 11) ( - )( 29 100) 0
k
+ + + + + + + >
Esta desigualdade satisfeita para qualquer estritamente positivo e para qualquer
nmero k tal que 0<k<, pelo que o sistema dado global e assimptoticamente estvel.
k
1
imag
W(j)
real
instvel
estvel
estvel
estvel
instvel
1
0 x y
k
+ =

3.11.3. Critrio do crculo
Este critrio, como o anterior, aplicvel a sistemas com o trajecto directo linear e
realimentao no linear esttica, sujeito s condies impostas atrs, uma
generalizao do Teorema de Nyquist para este tipo de sistemas.
Considere-se o sistema apresentado na Fig. 3.12. Se forem satisfeitas as condies
seguintes

a) A matriz A no tem valores prprios sobre o eixo j e tem p valores
prprios no semiplano complexo direito,
b) A no linearidade pertence ao sector [k
1
, k
2
],
c) Verifica-se uma das condies:
c
1
) 0 <k
1
k
2
e o diagrama de Nyquist de G(j) no entra no disco
D(k
1
, k
2
) (Fig. 3.15) e envolve-o p vezes no sentido contrrio aos
ponteiros do relgio,
c
2
) 0 = k
1
< k
2
e o diagrama de Nyquist de G(j) permanece no semi-
-plano R
e
(s) 1/k
2
,
c
3
) k
1
<0 < k
2
e o diagrama de Nyquist de G(j) permanece no interior do
disco D(k
1
, k
2
),
c
4
) k
1
<k
2
<0 e o diagrama de Nyquist de G(j) no entra no disco
D(k
1
, k
2
) e envolve-o p vezes no sentido contrrio ao dos ponteiros
do relgio,

ento o ponto de equilbrio x=0 global e assimptoticamente estvel.

Fig. 3.15 Diagrama do crculo.

Imag
1
1
k

Real
2
1
k
D(k
1
, k
2
)

Probl. 3-1
Obter a linearizao do sistema a seguir indicado, calculando a matriz Jacobiana e
utilizando o mtodo expedito.

1 1 1 2
2 2
x x x x
x x
= +

Resoluo:
O ponto de equilbrio deste sistema
1 2
0 e 0 x x = = .
Neste sistema tem-se
1 1 2 1 1 2
( , ) f x x x x x = + e
2 1 2 2
( , ) f x x x = , sendo a matriz Jacobiana
1 2
1 2
1 1
1 2 1
2 2
0, 0
1 2
0, 0
1 1 0
0 1 0 1
x x
x x
f f
x x x
f f
x x
= =
= =

(
(

( (
(
= = =
( (

(

(

A
O sistema linearizado igual ao anterior e dado por
1 1
2 2
1 0
0 1
x x
x x
( ( (
=
( ( (

Para obter este mesmo sistema pelo mtodo expedito poderia simplesmente desprezar-se
o termo de 2 ordem, na primeira equao,
1 2
x x .

Probl. 3-2
Determine o tipo de estabilidade dos seguintes sistemas:
a)
3
x x =
b)
1/ 2
x x =
c) sen( ) x x =
Resoluo:
a) O sistema admite como ponto de equilbrio x = 0. A equao pode escrever-se na
forma
3
x dx dt
= , que integrada membro a membro entre os instantes 0 e t, aos

quais correspondem os estados x
0
e x, conduz a
2 2
0
1 1
2t
x x
= , ou ainda
2
0
1
( )
1
2
x t
t
x
=
+
. Quando t x(t) tende para zero com
1
2t
, pelo que o sistema
assimptoticamente estvel nsLy, mas no exponencialmente estvel, pois decai de
uma forma mais lenta que qualquer exponencial.


b) O ponto de equilbrio deste sistema x = 0. Como para o sistema da alnea anterior,
efectuando a separao de variveis e integrando entre 0 e t, obtm-se
0
1
2
[ 2 ]
x
x
x t = ,
o que conduz a
1
2
2
0
1
( ) ( )
2
x t x t = . Esta soluo tende para infinito com t, pelo que o
sistema instvel nsLy.

c) Os pontos de equilbrio deste sistema so x=k, com k=0, 1, 2, ... Como
anteriormente, separando as variveis e integrando entre 0 e t obtm-se
0
ln(tan )
2
x
x
x
t
(
=
(

, ou seja,
0
ln(tan )
2
tan
2
x
t
t
x
e ke
+
= = , donde ( ) 2arctan( )
t
x t ke = .
Quando t x(t) tende para , consoante o valor de x
0
seja positivo ou negativo.

Probl. 3-3
Determine os pontos de equilbrio dos seguintes sistemas autnomos:
a)
2
1 2 1
2
2 1 2
x x x
x x x
= +
b)
3
1 2 1
3
2 1 2
x x x
x x x
=
c)
1 2
2
2 1 1 2
(1 )
x x
x x x x

+
=
= +

Probl. 3-4
Determine o tipo de estabilidade dos seguintes sistemas:
a)
2
x x = b)
1/ 2
x x
= c) cos( ) x a x a
+
=

Probl. 3-5
Obtenha os sistemas linearizados correspondentes a:
a)
1 2
2 1
x x
k
x k sen x
+
=
b)
1 2 1
2 1 2
cos
sen
x x x
x x x
=
= +

Probl. 3-6
Utilizando o teorema da linearizao de Lyapunov, determine a estabilidade dos pontos
de equilbrio dos seguintes sistemas
a)
1 2
3
2 1 1
x x
x x x
=
= +
b)
1 2 1
2 1 2
(1 cos )
(1 sen )
x x x
x x x
= +
= +
c)
1 2
2 1 2
sen( )
x x
x x x
=
= +


Probl. 3-7
Mostre que
2 2
1 2
( ) V x x = + x uma funo de Lyapunov, para a origem, para cada um dos
seguintes sistemas:
a)
1 2
2 1
x x
x x
=
b)
3
1 2 1
3
2 1 2
x x x
x x x
=
c)
2
1 1 2
3
2 1 2 2
2
2
x x x
x x x x
=

Probl. 3-8
Mostre que a funo
2 2
1 1 2 2
( ) V ax bx x cx = + + x definida positiva se e s se
2
0 e 4 0 a ac b > > sendo definida negativa sse
2
0 e 4 0 a ac b < > .

Probl. 3-9
Considere o sistema de 1 ordem representado pelo modelo de estado
(1 ) x x x = +
em que x escalar e est sujeito condio inicial x(0) = x
0
.
b) Obtenha analiticamente a soluo.
c) Com o auxlio do Matlab faa num s grfico o traado das solues que se
iniciam entre 1 e +1 (degraus de 0.1), para o tempo compreendido entre 0 e 6
segundos.
d) Anloga anterior, para x
0
compreendido entre 1.5 e 0.8 (degraus de 0.1), para
0 t 1 s.
e) Escreva de novo a soluo para os valores particulares x
0
= 0.5 e x
0
= 1.5.
Alguma delas exibe tempo de escape finito? Se sim qual delas e qual o seu valor?
f) Com o auxlio dos dados obtidos at aqui indique quais as bacias de atraco e
qual a(s) separatriz(es).
g) A partir do conhecimento que j tem do sistema indique qual o tipo de
estabilidade nsLy dos pontos de equilbrio, justificando com o uso da definio e
dizendo quais os domnios a considerar para R e r(R).
h) Linearize o sistema em torno de x
e
= 0. A partir da estabilidade do sistema
linearizado conclua sobre a estabilidade de x
e
= 0 do sistema dado. Que teorema
utilizou?
i) Anlogo ao anterior, para x
e
= 1.


Probl. 3-10
Considere um sistema de 2 ordem representado pelo modelo de estado
2
1 2 2
2
2 1 1 2
(1 )
(1 ) 0.4
x x x
x x x x
= +
= +

b) Com o auxlio do Matlab faa o traado do campo de vectores na regio do espao
de estados constituda por um rectngulo tal que
1
2 2 x e
2
2 2 x . Sobre
ele represente uma trajectria que se inicie em x = [1.5 -1]
T
e dure 20 segundos.
c) Linearize o sistema em torno do ponto de equilbrio x
e
=0. Determine a
estabilidade do sistema linearizado e a partir dela, utilizando o teorema de
Lyapunov da linearizao, conclua sobre a estabilidade do sistema dado.
d) Usando o teorema de Krasovskii determine a estabilidade do sistema dado.
e) Com os resultados da alnea anterior obtenha uma funo de Lyapunov para o
sistema dado. Verifique que positiva definida e que a sua derivada em ordem ao
tempo negativa definida.
f) Com o auxlio do Matlab trace um grfico de V(x), com x pertencente ao domnio
dado em b). Sugesto: Use um ciclo for dentro de outro ciclo for para x
1
e x
2
e
a instruo surf ou mesh. Trace tambm as curvas de nvel de V(x).

Probl. 3-11
Considere um sistema linear de realimentado negativamente por uma funo (y):
Sistema linear:
2
( )
0.29
a
G j
s s
=
+ +
,
2
( ) sen y y y = (a=1.4)
a) Com o auxlio do critrio de Popov determine a estabilidade deste sistema.
b) Represente este sistema em Simulink e confirme o resultado obtido em a).


109

4. MTODO DA FUNO DESCRITIVA

4.1. Funo Descritiva
Considere-se um sistema no linear com a entrada excitada por um sinal sinusoidal de
amplitude U e frequncia
0
,

0
( ) sen( ) u t U t = (4.1)
A sada do sistema, y(t), ser tambm peridica mas no sinusoidal. O seu desenvol-
vimento em srie de Fourier dado por

0
0 0
1
( ) [ cos( ) sen( )]
2
n n
n
A
y t A n t B n t
=
= + +
(4.2)
ou, equivalentemente

0
0
1
( ) cos( )
2
n n
n
Y
y t Y n t
=
= + +
(4.3)
Chama-se funo descritiva do sistema funo complexa N tal que

1
1
arg
Y
N N
U
= = (4.4)
em que Y
1
a amplitude da primeira harmnica da resposta e
1
a sua desfasagem em
relao ao sinal de entrada.
Se o sistema for linear, na expresso (4.3) apenas subsistem os termos em que n=1;
Nestas condies N transforma-se no ganho do sistema (mdulo N e argumento
1
).
Para efectuar o clculo da funo descritiva convm recordar as expresses que
permitem calcular os coeficientes A
n
e B
n
da srie de Fourier

0
2
( ) cos( )
n
T
A y t n t dt
T
=

(4.5)

0
2
( ) sen( )
n
T
B y t n t dt
T
=

(4.6)

2 2
n n n
Y A B = + (4.7)
arctan( )
n
n
n
A
B
= (4.8)
Se y(t) par, y(t) = y (-t), tem-se B
n
= 0. Se y(t) mpar, y(t) = -y(-t), A
n
= 0, para n1.
A
0
o valor mdio do sinal de sada.
4 - MTODO DA FUNO DESCRITIVA

4.2. Funo descritiva de no linearidades correntes.
A aplicao das frmulas acima permite efectuar o clculo de algumas funes descri-
tivas correntes. U designa a amplitude do sinal sinusoidal de entrada, estando os
restantes smbolos definidos nas figuras.

Liga-desliga, on-off ou tudo ou nada

0
4
j
Y
N e
U
= (4.9)

(O clculo encontra-se efectuado no Probl.4.1)
Fig. 4.1 Funo descritiva da caracterstica liga-desliga

Liga-desliga, com histerese

[ arctan( )]
4
h
j
U
Y
N e
U

= (4.10)

Fig. 4.2 Funo descritiva da caracterstica liga-desliga com histerese

Zona morta

2 0
2
sen( ) ( ) 1 ( )
k
N k arc ej
U U U
(

= +
(

(4.11)

Fig. 4.3 Funo descritiva da caracterstica zona morta

y
Y
-Y
u
y
Y
-Y
-h h u
y
u
-
declive k


Saturao, sem histerese

2 0
2
sen( ) ( ) 1 ( )
j
k S S S
N arc e
U U U
(
= +
(

(4.12)

Fig. 4.4 Funo descritiva da caracterstica saturao sem histerese

Folga
) 1
U
b
(
kb 4
a
1

=
(
(
=
2
1
) 1
U
b 2
( 1 ) 1
U
b 2
( ) 1
U
b 2
( arcsen
2
kU
b
2
1
2
1
b a
U
1
| ) U ( N | + = (4.13)
1
1
( ) ( )
a
N U arctg
b
=
Fig. 4.5 Funo descritiva da caracterstica folga

4.3. Estabilidade pelo mtodo da funo descritiva.
Se um sistema no linear tiver uma estrutura tal que se for excitado por uma entrada
sinusoidal as harmnicas de ordem superior primeira contidas na resposta forem
suficientemente atenuadas, ento a estabilidade do sistema pode ser analisada pelo
mtodo da funo descritiva.
Admita-se que se tem um sistema em cadeia fechada satisfazendo essas condies, e
que possvel agrupar os elementos no lineares numa funo descritiva N, e os
elementos lineares num outro bloco, G (Fig. 4.6). A funo de transferncia do sistema
dada por

1
GN
Y R
GN
=
+
(4.14)
A equao caracterstica dada por 1+GN = 0 pelo que resolvendo em ordem a G

1
( )
( , )
G j
N U
= (4.15)
A expresso (4.15) indica que o ponto 1 do diagrama de Nyquist substitudo aqui
pelo lugar geomtrico de 1/N.

y
S u
-S
declive k
y
b u
-b
declive k


Fig. 4.6 Sistema de controlo no linear.

A funo de transferncia dos elementos lineares G(j) depende da frequncia. N(,U)
alm de depender da frequncia depende ainda da amplitude do sinal U.
A condio de estabilidade pode enunciar-se da seguinte forma

O sistema em cadeia fechada constitudo pelos elementos no lineares N e
pelos elementos lineares G, supostos de fase mnima
(1)
, estvel se o lugar
geomtrico de G no envolver o lugar geomtrico de - 1/N.

Se os dois diagramas se intersectarem, o sistema poder apresentar oscilaes em
regime permanente. Estas oscilaes no so sinusoidais, embora possam considerar-se
aproximadamente como tal. A frequncia da harmnica fundamental pode ser lida no
diagrama de G e a sua amplitude no lugar geomtrico de -1/N.
Admita-se que os diagramas de G e -1/N se intersectam, como indica a Fig. 4.7. Sobre o
diagrama de -1/N convm indicar qual o sentido a que corresponde o aumento e a
diminuio de amplitude de oscilao.
Na figura esto representados dois pontos de interseco, A e B. O ponto A corresponde
a uma amplitude de uma possvel oscilao inferior do ponto B. Qual dos pontos
estvel e qual instvel? Fixe-se a ateno sobre o ponto A. Admita-se que uma
perturbao coloca o ponto A em A
1
. O ponto A
1
, fica fora do diagrama de G(j). A
oscilao tender a diminuir. Se a perturbao tivesse conduzido AA
2
, A
2
encontrava-
-se dentro do diagrama de G(j) e a oscilao tenderia a aumentar, o que aconteceria at
se atingir o ponto B. O ponto A tem caractersticas divergentes, portanto instvel.

1
Zeros no semi-plano complexo esquerdo, incluindo o eixo j.

N(U, j) G(j)
y
r +



Considere-se agora o ponto de interseco B e admita-se que a perturbao conduz
BB
1
. Como G(j) deixa de envolver B
1
a amplitude tender a diminuir, ou seja B
1

regressa a B. Finalmente admita-se que a perturbao conduz BB
2
. O novo ponto B
2

fica envolvido por G(j); estabelece-se uma oscilao, a amplitude aumenta e B
2
volta
para B. O ponto B tem caractersticas convergentes, pois estvel.
A frequncia de oscilao pode ser obtida directamente do diagrama de G(j), e a
amplitude da primeira harmnica a partir do diagrama de -1/N, tambm no ponto de
interseco B.

Fig. 4.7 Estabilidade de um sistema no linear.

Se as curvas de G(j) e - 1/N se intersectarem quase na perpendicular a preciso com
que se obtm os valores de e U boa.
Repare-se que os valores obtidos so aproximados uma vez que se est a ignorar o
efeito das restantes harmnicas.

A
1

A
A
2

B
1

B
2
0
U
U0
Imag
Real
0
-1/N
G(j)
B

4.4. Problemas Resolvidos
Probl. 4-1
Obtenha a funo descritiva da no linearidade liga/desliga representada na Fig. 4.1
Resoluo
Por definio, a funo descritiva a relao entre a amplitude da 1 harmnica do sinal
de sada e a amplitude do sinal de entrada. Represente-se a no linearidade sob a forma
de um bloco, o sinal de entrada e o sinal de sada.

Com a entrada sinusoidal tem-se ( ) sen( ) u t U t = e
, 0
( )
, 0
Y u
y t
Y u
<
=

+ >

y(t) no se encontra bem definida para t = kT. Considerar-se- o seu valor nulo nesses
instantes.
Devido ao facto de se considerar u(t) sinusoidal, y(t) tambm uma funo mpar, pelo
que os coeficientes A
n
em (4.5) so nulos, subsistindo apenas os coeficientes B
n
da
expresso (4.6). A funo descritiva, N, ser ento obtida dividindo B
1
por U. Para o
clculo de B1 utiliza-se a expresso (4.6) com n=1:
1
2
( ) sen( )
T
B y t t dt
T
=

=
/ 2
0 / 2
2
sen( ) sen( )
T T
T
Y t dt Y t dt
T

(
+
(

=
= | | | |
{ }
/ 2
0 / 2
2
cos( ) cos( )
T T
T
Y
t t
T

+ = | |
2
( 1 1) (1 1)
Y
T
+ + + =
4Y
.
A funo descritiva ser
1
4 B Y
N
U U
= = . Para indicar que se trata de um valor real
escreve-se por vezes
0
4
j
Y
N e
U
= .
Probl. 4-2
Utilizando o mtodo da F.D. determine a estabilidade do sistema em cadeia fechada
constitudo pela no linearidade liga/desliga anterior de amplitude 1, seguido de um
sistema linear de 1 ordem, como se indica na figura.

Liga/Desliga u(t) y(t)
0 T 0 T
0 e(t) u(t)
y(t)
Liga /
Desliga
1
( )
1
G s
s
=
+
-


Resoluo
Sobre o diagrama ( ) G j correspondente funo de transferncia do sistema de 1
ordem dado desenha-se o grfico de
1
4
U
N

= , com se indica na Fig. 4.7.

Uma vez que os diagramas de 1/N e de ( ) G j no se intersectam (apenas tm um
ponto comum em que U=0), o sistema estvel.

Probl. 4-3
Problema anlogo ao anterior mas com um atraso de 0.5 segundos no processo.
Resoluo
Como anteriormente, sobre o diagrama ( ) G j correspondente funo de transferncia
do sistema de 2 ordem dado desenha-se o grfico de
1
4
U
N

= . O problema resolve-
se bem com o auxlio do Matlab. Exemplo de um programa para o efeito:

w=logspace(0,2,500); % cria escala logartmica para as frequncias
tau=0.5; % tempo de atraso
s=j*w; % escala de frequncias, eixo imaginrio
G=1./(s+1).*exp(-tau*s); % f.t. do processo com atraso
plot(real(G),imag(G)); % diagrama de Nyquist de G(jw)
hold on; % mantm o grfico, para desenhar o prximo grfico por cima
M=1; % amplitude da no linearidade
h=0.2; % valor da histerese
U=0.01:0.01:1; % amplitudes para o traado de -1/N
FD=-(pi.*U/4/M); % Funo descritiva
plot(real(FD),imag(FD)); % diagrama da f.d.
grid; % grelha sobre os grficos
hold off; % liberta os grficos

U= U=0
real
imag
G(j)
=0
=
0
1 -1/N


-0.8 -0.6 -0.4 -0.2 0 0.2
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2

Uma vez que os diagramas de 1/N e de ( ) G j se intersectam, o sistema instvel.

4.5. Problemas Propostos
Probl. 4-4
Obtenha a funo descritiva da no linearidade liga/desliga com histerese da Fig. 4.2.

Probl. 4-5
Obtenha a funo descritiva da no linearidade zona morta representada na Fig. 4.3.

Probl. 4-6
Obtenha a funo descritiva da no linearidade saturao representada na Fig. 4.4.

Probl. 4-7
Obtenha a funo descritiva da no linearidade folga representada na Fig. 4.5.

Probl. 4-8
Problema anlogo ao Probl. 4-2, mas com
1.5
( )
1
G s
s
=
+
.

-1/N
( ) G j
.


Probl. 4-9
Considere o sistema de retroaco:

onde
1
1
) (
2
+ +
=
s s
s G .
O bloco D uma linha de atraso, descrita por y(t)=Kx(t-T
0
).
a) Considere x(t)=Acos(t). Determine a funo descritiva N(A,) do bloco D.
b) Esboce o diagrama de Nyquist do sistema. Sobreponha o grfico 1/ N(A,).
c) Quais so as condies sobre T
0
que permitem que o sistema entre em oscilao?
Estas oscilaes so estveis ou instveis? Qual a variao da frequncia e
amplitude com T
0
e K? Justifique.

Probl. 4-10
Considere o sistema representado abaixo:

Onde
2
10
( )
1
G j
s s
=
+ +
e
3
) ( u u f = .
a) Determine a funo descritiva de f

(u).
b) Admita que r

(t)=cos(t). Demonstre que a equao que descreve o sistema :
( ) ( ) u f r u G =
1

Substituindo f pela sua funo descritiva demonstre que a equao acima
aproximada por:
( )
3 1
3
4
j
U G j U e

+ =
Sugesto: Faa u(t)=Ucos(t+) e lembre-se que G(j) apenas altera a
amplitude e fase inicial de um sinal sinusoidal.
c) Considerando fixo, represente graficamente utilizando o Matlab, o lado
esquerdo da equao obtida na alnea anterior. Note que o lado direito da mesma
G(s) D
+
x(t) y(t)
-
r (t) e (t)
u (t)
G(j)
f (u)
+

equao representa um ponto sobre o crculo unitrio. Qual o significado fsico
das possveis interseces (para um dado )? Sugesto: lembre-se que, por
hiptese, os sinais que circulam no sistema so puramente sinusoidais.
d) Investigue o que acontece quando, no grfico anterior, ocorrem trs interseces.
Mais precisamente, fixe uma frequncia onde isto ocorra e varie a frequncia do
sinal de entrada r(t) numa vizinhana da primeira. O que que acontece
amplitude do sinal u(t).

Probl. 4-11
Considere o seguinte sistema

Admita que a funo descritiva da saturao :
2
1, 1
( , )
2 1 1 1
arcsin 1 1
A
N A
A
A A A
= | |
| |
+ >
|
|
\ .
\ .

Onde A e so, respectivamente, a amplitude e a frequncia angular do sinal x(t).
a) Determine o ganho de alta frequncia do filtro F
1
( ) ( lim
1

j F

) e o ganho de
baixa frequncia do filtro F
2
. Determine o sinal de sada y(t) se A<1.
b) Mantendo a aproximao do sistema pela sua funo descritiva, determine a
amplitude de y(t) para qualquer A.
Sugesto: qual a relao entre ( ) j F
1
e ( ) j F
2
?
c) Que tipo de filtragem feita por este sistema? Qual a funo dos filtros F
1
e
F
2
? Qual a desfasagem entre y(t) e x(t) (considere o sistema aproximado).
Sugesto: note que os filtros F
1
e F
2
esto relacionados.

Probl. 4-12
Demonstre que se um elemento no-linear no tem dinmica, ou seja, dado por
y=N(u), ento a sua funo descritiva independente da frequncia.
Sugesto: considere dois sinais de entrada com frequncias diferentes r
1
=cos(
1
t) e
r
2
=cos(
2
t). Note que r
1
(t)=r
2
((
1
/
2
)t). Escreva a expresso integral da 1 harmnica
de N(r
1
) e atravs de uma mudana conveniente de variveis, demonstre que igual 1
harmnica de N(r
2
).

x(t)= Acos ( t)
2s+1
s+1
s+1
2s+1
y(t)
F
1

F
2
119

5. LINEARIZAO EXACTA POR REALIMENTAO

5.1. Uma primeira abordagem
A linearizao exacta por realimentao um procedimento que permite transformar a
dinmica de um sistema no linear numa dinmica linear, atravs de uma realimentao
no linear do estado ou da sada, convenientemente escolhida. Para atingir este
objectivo torna-se quase sempre necessrio efectuar uma mudana de varivel de estado
e introduzir uma varivel de entrada auxiliar. Depois de ter o sistema no linear
modificado de modo a que o todo se comporte como linear, possvel utilizar tcnicas
lineares, bem conhecidas e mais poderosas do que as no lineares, para se efectuar o
controlo do sistema original. O mtodo, para poder ser aplicado, exige o conhecimento
do modelo descritivo do sistema no linear de partida.
Este tipo de procedimento conceptualmente diferente da linearizao na vizinhana de
um ponto de equilbrio, apresentada no captulo 3.4.1, em que se efectua o
desenvolvimento da funo do sistema em srie de Taylor, eliminando os termos de
ordem superior primeira, ou seja, em que se substitui, quando tal possvel, a funo
do sistema pelo seu jacobiano multiplicado pelo estado. No caso em que se lineariza
pelo jacobiano a linearizao local, isto , vlida apenas para uma regio em torno
de um determinado ponto, enquanto que a linearizao por realimentao global, isto
, aplica-se a todo o domnio do espao de estados ou de sada, com a eventual excepo
de pontos isolados. Alm disso, enquanto a linearizao pelo jacobiano aproximada, a
linearizao por realimentao exacta.
Apenas determinados tipos de sistemas so susceptveis de ser linearizados exactamente
por realimentao: podero s-lo a classe de sistemas SISO em que na equao de
estado as variveis de entrada e de estado so separveis, ou seja, sistemas
representveis pelo modelo

( ) ( ) ( )
( )
u
y
= +
x f x g x
h x
(5.1)
Neste tipo de sistemas, e para os casos em que possvel efectuar a linearizao exacta,
h normalmente que efectuar uma mudana de varivel de estado
( ) = z z x (5.2)
e introduzir uma lei de controlo
( , ) u u v = x (5.3)
ou seja, efectuar uma mudana de varivel de controlo, em que v uma nova varivel
intermdia que conduz o sistema original (5.1), a um sistema linear.

A linearizao por realimentao tem sido utilizada com xito numa grande gama de
aplicaes, nomeadamente no controlo de braos rob e manipuladores, peas de
artilharia, helicpteros, avies e satlites, alm de ser usada em aparelhagem mdica e
nas indstrias qumica e farmacutica.
Consoante as variveis utilizadas para efectuar a realimentao sejam as variveis de
estado ou ento as variveis de sada, assim o tipo de tratamento ser diferente
(eventualmente idntico). Antes de apresentar o formalismo matemtico da linearizao
por realimentao sero apresentados alguns exemplos.

5.1.1. Exemplo de linearizao e controlo por realimentao
Considere-se o problema de controlar o nvel do lquido no interior de um tanque
esfrico aberto, como o que se representa na Fig. 5.1.

Fig. 5.1 Controlo do nvel numa esfera.

A varivel manipulada u = q
1
o caudal de entrada. A varivel controlada y = h o
nvel do lquido no interior da esfera. H um escape contnuo de lquido para um
reservatrio exterior q
2
, escape este que depende da altura do lquido no interior da
esfera, e que, para um fluido ideal dado por

2 2
2 q S gh = (5.4)
em que S
2
representa a seco da tubagem por onde se escapa o lquido e g a acelerao
da gravidade. Esta relao pode ser obtida a partir da equao de Bernouilli para fluidos
ideais em regime permanente
2
2
te
v p
C
g
+ = , da equao de hidrosttica p gh = e da
relao q vS = .

~~~~~~~~~~~~~~~~~~~~~~~
h
q
1
, u

q
2

S
2

r
Neste sistema, a variao de volume no interior da esfera resultante da diferena entre
o caudal que entra e o caudal que sai. Representando por S(h) a seco interior da esfera
cota h, ou seja, a rea da superfcie livre do lquido, o volume de lquido obtm-se in-
tegrando S(h)dh entre as cotas 0 e h, pelo que a dinmica do sistema representada por

2
0
( ) ( ) 2 ( )
h
d
S d u t S gh t
dt
=
(5.5)
ou ainda, desenvolvendo o 1 membro
(1)
,

2
( ) ( ) ( ) 2 ( ) S h h t u t S gh t =
(5.6)
Se o valor desejado para a altura, r (referncia), estiver, por exemplo, a da altura da
esfera, o ganho ptimo para um controlador linear dever ser bastante diferente do
ganho ptimo para uma referncia a da altura.
Considere-se uma lei de controlo que procure linearizar (5.6). Poder ser do tipo

2
( ) ( ) ( ) 2 ( ) u t S h v t S gh t = + (5.7)
em que v(t) uma nova varivel manipulada intermdia, escolhida por (5.7) de modo a
tornar (5.6) linear. Com efeito, substituindo u(t) na equao do sistema resulta o sistema
( ) ( ) h t v t =
(5.8)
Este sistema pode ser controlado para uma referncia r(t) varivel no tempo utilizando a
lei de controlo
( ) ( ) ( ) v t r t ke t = (5.9)
em que e = hr representa o valor do erro e k uma constante real. Substituindo (5.9) em
(5.8) obtm-se
( ) ( ) 0 e t ke t + = (5.10)
Se a constante k for escolhida positiva, a soluo da equao (5.10) tende para zero
quando t , ou seja, a equao do erro exponencialmente estvel.
Se a referncia r mudar, o novo erro tende exponencialmente para zero, o que significa
que o nvel do tanque segue a referncia.
Substituindo a lei de controlo (5.9) em (5.7) obtm-se

2
( ) 2 ( ) ( ) u t S gh S h r S h ke = + (5.11)
Repare-se na constituio do 2 membro de (5.11). O primeiro termo utilizado para
compensar directamente o caudal de escape pelo fundo do tanque. O 2 termo compensa
as variaes da referncia. Finalmente o 3 termo compensa outras perturbaes do
nvel, por exemplo variaes de consumo, no indicadas na figura.
Nota: Neste exemplo h uma limitao no desempenho do controlo, uma vez que u(t)
no pode tomar valores negativos.

1
Relembre-se que
( ) ( )
( ) ( )
( , ) ( ) ( )
( , ) ( , ) ( , )
b x b x
a x a x
d f x y db x da x
f x y dy dy f b y f a y
dx x dx dx
= +


5.1.2. Sistemas na forma companheira
Um sistema no linear diz-se na forma companheira se a sua dinmica puder ser
representada por uma equao do tipo

( )
( ) ( )
n
x f g u = + x x (5.12)
em que x representa o vector de estado,

( 1) T
[ , , , ]
n
x x x

= x " (5.13)
e f e g so duas funes escalares, no lineares, de x. Dever ainda ser g(x)0.
Esta representao tem a particularidade de nela no intervirem as derivadas de u.
Efectuando a mudana de variveis

1
2
( 1) n
n
x x
x x
x x

=
"
(5.14)
a equao de estado correspondente equao diferencial (5.12) escreve-se

1 2
1
( ) ( )
n n
n
x x
x x
x f g u
( (
( (
( (
=
( (
( (
+

x x
" "
(5.15)
Utilizando a lei de controlo

1
( ) [ ( ) ( )]
( )
u t v t f
g
= x
x
(5.16)

e substituindo em (5.12), obtm-se o sistema linear, integrador mltiplo,

( ) n
x v = (5.17)
Se for desejado seguir uma referncia r(t), definindo o erro por
( ) ( ) ( ) e t x t r t = (5.18)
a lei de controlo

( ) ( 1)
0 1 1
n n
n
v r k e k e k e

= " (5.19)
conduz a um seguimento exponencialmente convergente se as razes do polinmio
caracterstico

1
1 1 0
0
n n
n
k k k
+ + + + = " (5.20)
tiverem a parte real estritamente negativa.

A lei de controlo (5.19) pode ser escrita na forma

( ) T n
v r = k e (5.21)
com

0
1
( 1) ( 1)
1
e
n n
n
k x r
k x r
k x r

( (
( (
( (
= =
( (
( (
(

k e

" "
(5.22)

O procedimento que acaba de ser apresentado foi aplicado a sistemas na forma
companheira, no lineares no estado mas lineares na entrada. Eles so expansveis ao
caso em que na equao (5.12) em vez de estar u estiver uma funo (u), invertvel.
Neste caso efectuando uma mudana de varivel prvia

1
( ) u w

= (5.23)
a no linearidade na entrada cancelada.

5.1.3. Linearizao entrada-estado
Na linearizao entrada-estado o objectivo linearizar por realimentao um sistema
descrito pela equao de estado
( , ) f u = x x (5.24)
em que o estado completamente acessvel. Como se disse atrs, a linearizao feita
com uma mudana da varivel de estado z = z(x), (5.2), e com uma mudana na varivel
de entrada u=u(x,v), (5.3), de modo a obter-se um sistema linear e invariante no tempo,
com a dinmica
v = + z Az b (5.25)
Chegando-se ao sistema linear (5.25), este pode ser controlado com qualquer das
tcnicas usadas com sistemas lineares. Ilustre-se o procedimento com um exemplo.
Exemplo 5-1
Considere-se o sistema de 2 ordem no linear no estado e linear na entrada,

1 1 2 1
2 2 1 1
3 2 sen
cos cos2
x x x x
x x x u x
= + +
= +
(5.26)
Efectue-se a seguinte mudana de varivel de estado

1 1
2 2 1
2 sen
z x
z x x
=
= +
(5.27)


A combinao de (5.26) com (5.27) conduz a

1 1 2
2 1 1 1 1 1
3
3 cos sen cos 2 cos 2
z z z
z x x x x u x
= +
= + +
(5.28)
Se for efectuada uma mudana na varivel de entrada

1 1 1 1
1
1
( 3 cos sen cos )
2cos 2
u v x x x x
x
= + (5.29)
-se conduzido equao de estado linear

1 1 2
2
3 z z z
z v
= +
(5.30)
Repare-se que a relao entre u e v no global. Com efeito ela s vlida desde que o
denominador em (5.29) seja diferente de zero, ou seja, para x
1

/4+k/2, k

=

1, 2,
Para estes valores de x
1
o coeficiente de u em (5.26) anula-se e o sistema deixa de ser
controlvel, uma vez que o estado passa a no depender de u.
Se for desejado que o novo estado estabilize a origem, poder utilizar-se a lei de
controlo

T
v = k e (5.31)
com k e e dados por

0
1
e
k z r
k z r
( (
= =
( (

k e

(5.32)
A razes do polinmio caracterstico (5.20) devero localizar-se no semiplano complexo
esquerdo, eixo imaginrio excludo, para que o sistema em cadeia fechada seja
exponencialmente estvel.
A Fig. 5.2 resume o conjunto de transformaes que se efectuaram para linearizar e
controlar o sistema deste exemplo.

Fig. 5.2 Esquema de controlo com linearizao entrada-estado.

r(t) -e(t) v(t) u(t)
x(t)
v = -k
T
e u = u(z,v) x = f(x,u)
z = z(x)
controlo
linearizao

Repare-se no seguinte:

Est-se a admitir que o estado completamente acessvel. Caso tal no acontea,
dever providenciar-se para ser feita a sua medida ou o seu clculo.
No foram consideradas incertezas no modelo original. Estas podem eventual-
mente conduzir a um tal aumento na incerteza da descrio linearizada que esta
pode deixar de ter qualquer utilidade.

At agora foram dados dois exemplos de sistemas em que atravs de mudanas de
variveis se transformou uma dinmica no linear numa dinmica linear. Ser que tal
sempre possvel? Em caso afirmativo, ser que existem classes de sistemas s quais o
mtodo sempre aplicvel? Quais essas classes e quais os mtodos sistemticos para
proceder sua linearizao?
Antes de procurar responder a estas questes levantem-se outras mais, procurando
efectuar a linearizao de um sistema a partir das variveis de entrada e de sada.

5.1.4. Linearizao entrada-sada
Seja um sistema no linear, descrito pelo modelo de estado

( , )
( )
f u
y h
=
x x
x
(5.33)
e projecte-se um sistema de controlo para seguir uma referncia r(t). A referncia e suas
derivadas assumem-se conhecidas e limitadas.
O sistema de controlo vai procurar impor valores a u no sentido de minimizar a
diferena entre y e r. Por agora no se far qualquer considerao sobre qual o critrio
de minimizao. Vai sim procurar-se uma relao explcita entre u e y, que de momento
apenas aparece implcita atravs de (5.33). Procure abordar-se o problema por meio de
um exemplo.
Exemplo 5-2
Considere-se o sistema no linear de 3 ordem

1 2 2 3
3
2 1 3
2
3 1
1
sen2 ( 3) x x x x
x x x
x x u
y x
= + +
= +
= +
(5.34)
Neste sistema no existe uma relao explcita entre a sada e a entrada, como
pretendido que haja. Para a obter, derive-se a equao de sada e substitua-se o valor de
1
x dado por (5.34)

2 2 3
sen2 ( 3) y x x x = + + (5.35)


Como ainda no aparece a relao entre y (ou y ) e u, derive-se de novo e substitua-se
2
x e
3
x pelos seus valores dados por (5.34). Obtm-se

1 2
( ) ( 3) y f x u = + + x (5.36)
em que f
1
a funo do estado

3 2
1 2 3 1 3 2 1
( ) (2cos2 ) ( ) ( 3) f x x x x x x = + + + + x (5.37)
Agora, na equao (5.36) j aparece uma relao explcita entre a sada e a entrada
(atravs de y e de u). Escolhendo uma nova varivel de entrada v, relacionada com u
por

1
2
1
( )
3
u v f
x
=
+
(5.38)
a no linearidade de (5.36) cancelada, ficando
y v = (5.39)
que um duplo integrador.
Projecte-se um sistema de controlo para (5.39), para seguir uma trajectria r(t), fazendo

T
v r = k e (5.40)
com

0
1
e
k y r
k y r
( (
= =
( (

k e

(5.41)
Substituindo (5.40) em (5.39) obtm-se

1 0
( ) ( ) 0 y r k y r k y r + + = (5.42)
ou ainda

1 0
0 e k e k e + + = (5.43)
que, se as razes da sua equao caracterstica tiverem a parte real estritamente
negativa, representa um sistema exponencialmente estvel.
Se as condies iniciais forem (0) 0 e = , (0) 0 e = , (0) 0 e = , tem-se, para qualquer t 0, ( ) 0 e t = ,
ou seja, h um seguimento perfeito da trajectria. Para condies iniciais diferentes
destas o erro e(t) tende exponencialmente para zero.
Chama-se a ateno para o seguinte:
A expresso (5.38), que define a nova varivel manipulada v, no global, isto ,
no vlida para todo o espao de estados, no se aplicando se x
2
= 3.
Como no caso do exemplo anterior, continua a ser necessrio o conhecimento das
variveis de estado, pois o clculo de y e de y utiliza os seus valores.
Para a obteno de uma relao explcita entre y e u houve necessidade de derivar
duas vezes a sada. Diz-se que o sistema tem um grau relativo igual a 2.

De uma forma mais geral:

Diz-se que o sistema tem o grau relativo r, se para obter uma relao
explcita entre a entrada e a sada esta tiver que ser derivada r vezes.

O grau relativo dever ser menor ou igual ordem do sistema:
r n (5.44)
Com efeito r no pode ser superior a n, porque se fosse possvel derivar um nmero de
vezes superior a n ento o sistema no seria de ordem n mas de ordem superior a n.
Se ao fim de derivar n vezes ainda no houver uma relao explcita entre a entrada e a
sada porque o sistema no controlvel.

5.1.5. A dinmica interna
Um facto curioso que se levanta com o exemplo anterior o seguinte: Partiu-se de um
sistema no linear de 3 ordem, o sistema (5.34), e chegou-se a uma equao diferencial
linear de 2 ordem, a equao (5.39). Pelo caminho perdeu-se uma varivel de estado. O
que que lhe aconteceu?
A explicao a seguinte: a equao (5.39) apenas representa parte da dinmica do
sistema inicial. A restante dinmica tornou-se no observvel, ao efectuar-se a
linearizao entrada-sada. A esta dinmica no observvel d-se o nome de dinmica
interna do sistema.
Neste exemplo a dinmica interna pode ser analisada por meio do estado x
3
, uma vez
que possvel obter um novo vector de estado com y, y e x
3
. A dinmica interna ser
ento representada por

2
3 1 0 1 1
2
1
( )
3
x x r k e k e f
x
= + +
+
(5.45)
Se o estado x
3
for estvel a dinmica interna ser estvel e o sistema pode efectuar o
seguimento da trajectria. Se a dinmica interna for instvel, ou seja, se o estado x
3
for
no limitado, o seguimento da trajectria r poder conduzir a fenmenos indesejveis,
como por exemplo vibraes violentas, rotura de peas, disparo de proteces ou
queima de fusveis.
Portanto, a eficincia do sistema de controlo de seguimento, alm de depender do
comportamento do modelo linear de ordem reduzida (5.43), depende tambm da
estabilidade da dinmica interna.
A fim de compreender melhor o que a dinmica interna de um sistema vai dar-se um
outro exemplo.

Exemplo 5-3
Considere-se o sistema no linear de 2 ordem


3
1 2
2
1
x x u
x u
y x
( + (
=
( (

(5.46)
e projecte-se um controlador que faa a sada seguir uma referncia r(t), limitada e com
derivada limitada. Procure-se uma relao entre y e u, derivando y:

3
1 2
y x x u = = + (5.47)
Como acaba de se obter a relao entre y e u (atravs de y ), aplique-se a lei de controlo

3
2
u v x = (5.48)
A substituio de (5.48) em (5.47) origina o sistema linear de 1 ordem (integrador)
y v = (5.49)
Efectuando um controlo de seguimento por realimentao de estado [ver as equaes
(5.19), (5.31), (5.40)], em que e = y r, ser
v r ke = (5.50)
Substituindo (5.50) em (5.49) e notando que r y e = , -se conduzido equao
diferencial de 1 ordem, para o erro,
0 e ke + = (5.51)
cuja equao caracterstica tem o valor prprio = k, pelo que o erro converge para
zero, exponencialmente.
A dinmica interna obtm-se substituindo a lei de controlo (5.48) na 2 equao de
(5.46), ainda no utilizada, resultando

3
2 2
x x r ke + = (5.52)
Uma vez que (5.51) garante que e(t) limitado, e que por hiptese a referncia e a sua
derivada so limitadas, tem-se
r ke C < (5.53)
em que C uma constante positiva, e portanto

3
2 2
x x C + < (5.54)
ou seja, x
2
limitado. O sistema de controlo satisfaz pois os objectivos pretendidos, uma
vez que y(t) segue a trajectria desejada r(t) e a dinmica interna estvel.
Se no entanto o sistema (5.46) for substitudo por um aparentemente muito semelhante

3
1 2
2
1
x x u
x u
y x
( + (
=
( (

(5.55)

chega-se a uma equao para o erro igual a (5.51), mas a dinmica interna dar

3
2 2
x x r ke = + (5.56)
que, mesmo com r ke C + < , como anteriormente, uma equao cuja soluo tende
para infinito quando t.
Embora nos exemplos apresentados tenha havido como motivao o seguimento de uma
referncia, o mtodo da linearizao por realimentao pode ser utilizado tambm para
a anlise da estabilidade de um sistema no linear na vizinhana de um ponto de
equilbrio.
Viu-se que o grau relativo de um sistema est relacionado com o nmero de derivaes
que necessrio efectuar sobre a varivel de sada at se obter uma relao explcita
entre y
(r)
e u. A dinmica interna de um sistema ser caracterizada por um determinado
nmero de equaes diferenciais de 1 ordem, concretamente n-r. Um caso importante
aquele em que para obter a relao entre y e u necessrio derivar y um nmero de
vezes igual ordem do sistema. Neste caso o grau relativo r

=

n, e o nmero de
equaes representativas da dinmica interna zero. O conjunto de variveis y, y , ,
y
(n)
pode ser tomado para vector de estado e o sistema fica assim transformado num
sistema na forma companheira, anlogo ao sistema (5.15). Neste caso a linearizao
entrada-sada equivalente linearizao entrada-estado e o sistema controlvel.

5.1.6. Dinmica interna de sistemas lineares
Para compreender melhor o significado da dinmica interna analise-se o sistema linear

| |
1 1
2 2
1
2
0 1 1
0 0 1
1 0
x x
u
x x
x
y
x
( ( ( (
= +
( ( ( (

=
(
(5.57)
semelhante a (5.46), mas linear. Derivando a sada e substituindo
1
x obtm-se

2
y x u = + (5.58)
A lei de controlo (que contm a realimentao de estado)

2
u r ke x =
(5.59)
conduz equao exponencialmente estvel (k>0)
0 e ke + = (5.60)
e dinmica interna [comparar com (5.52)]

2 2
x x r ke + = (5.61)
cuja soluo tende para zero quando t .


No entanto, se for considerado o sistema [confrontar com (5.55)],

| |
1 1
2 2
1
2
0 1 1
0 0 1
1 0
x x
u
x x
x
y
x
( ( ( (
= +
( ( ( (
=
(
(5.62)
a lei de controlo (5.59), embora conduza mesma equao para o erro, (5.60), origina a
dinmica interna

2 2
x x r ke = + (5.63)
cuja soluo tende para infinito quando t. Qual ser a diferena nos dois sistemas
que conduz a resultados to diferentes? Antes de responder a esta questo observem-se
as respectivas funes de transferncia, que podem ser obtidas pela relao

T 1
( ) ( ) G s s

= c I A b (5.64)
Obtm-se assim
1 sistema: 2 sistema:
1 2
1
( )
s
G s
s
+
=
2 2
1
( )
s
G s
s
=

Embora os dois sistemas tenham os mesmos plos, o primeiro tem o zero igual a 1
enquanto que o segundo tem o zero igual a +1. O sistema com o zero no semiplano
complexo esquerdo
(2)
tem a dinmica interna estvel, enquanto que o sistema com o
zero no semiplano complexo direito
(3)
tem a dinmica interna instvel.
Considere-se agora um outro exemplo, um sistema de 3 ordem com um excesso de
plos sobre zeros igual a dois. A sua funo de transferncia genrica pode escrever-se

0 1
2 3
1 2
( )
o
b b s
G s
a a s a s s
+
=
+ + +
(5.65)
Introduzindo as variveis de estado (escrita simblica)

1 2 1 3 2 2
0 1 2
1
x u x x x x
a a s a s
= = =
+ +
(5.66)
o sistema pode escrever-se na forma companheira

1 1
2 2
0 1 2 3 3
0 1 0 0
0 0 1 0
1
x x
x x u
a a a x x
( ( ( (
( ( ( (
= +
( ( ( (
( ( ( (

(5.67)

2
Designados por sistemas de fase mnima.
3
Designados por sistemas de fase no mnima.

| |
1
0 1 2
3
0
x
y b b x
x
(
(
=
(
(

(5.68)
Como em (5.68) no existe nenhuma relao explcita entre a sada e a entrada, derive-
-se a sada. Obtm-se

0 1 1 2 0 2 1 3
y b x b x b x b x = + = + (5.69)
e voltando a derivar

0 2 1 3 0 3 1 0 1 1 2 2 3
( ) y b x b x b x b a x a x a x u = + = + + (5.70)
Verifica-se que o nmero de diferenciaes necessrias para obter uma relao explcita
entre a sada e a entrada, ou seja, o grau relativo, igual ao excesso de plos sobre
zeros. Escolhendo a lei de controlo

0
0 1 1 2 2 3 3 0 1
1 1
1
( ) ( )
b
u a x a x a x x r k e k e
b b
= + + + (5.71)
com k
0
e k
1
positivos, -se conduzido equao de 2 ordem, que origina um erro
exponencialmente estvel,

1 0
0 e k e k e + + = (5.72)
A dinmica interna do sistema ser descrita por n r = 1 equao. Escolhendo a 1
equao escalar de (5.67) para representar a dinmica interna, vem

1 2 0 1
1
1
( ) x x y b x
b
= = (5.73)
ou seja
0
1 1
1 1
1 b
x x y
b b
+ = (5.74)
Uma vez que y limitado, por ser y = r + e, e tanto r como e so limitados, a
estabilidade de (5.74) depende da localizao do seu plo, que o zero da funo de
transferncia (5.65): se o sistema for de fase mnima o zero encontra-se no semiplano
complexo esquerdo, e a dinmica interna estvel. Se o sistema for de fase no mnima
o zero encontra-se no semiplano complexo direito, e a dinmica interna instvel.
Como exemplos clssicos de sistemas de fase no mnima, tem-se o controlo da altitude
de um avio, por meio da manipulao do leme de elevao, e o controlo do nvel do
ebulidor de uma caldeira por manipulao do caudal de gua de alimentao.

5.1.7. A dinmica zero
Na seco anterior estudou-se o efeito da localizao dos zeros da funo de
transferncia de um sistema linear sobre a estabilidade da sua dinmica interna. Ser
que possvel estender o conceito de zero(s) da funo de transferncia de um sistema
linear a um sistema no linear? O problema que comea por pr-se partida que para
um sistema no linear no se define funo de transferncia e, portanto, no existem os
conceitos de zero ou de plo. H no entanto uma forma de abordar este assunto atravs
do conceito de dinmica zero:

Dado um sistema linear, define-se dinmica zero desse sistema como sendo
a dinmica interna que actuada pela entrada mantm a sada a zero.
Para o sistema (5.46) do Exemplo 5-3 a dinmica zero obtm-se a partir da equao
(5.52), fazendo o 2 membro igual a zero, ou seja,

3
2 2
0 x x + = (5.75)
A dinmica zero uma caracterstica intrnseca de um sistema no linear. Ela no
depende nem da sada nem da referncia. Para este exemplo pode verificar-se que a
dinmica (5.75) assimptoticamente estvel utilizando uma funo de Lyapunov, por
exemplo
2
2
V x = .
Para o sistema (5.67)/(5.68) a dinmica zero obtm-se fazendo y = 0 em (5.74),
resultando

0
1 1
1
0
b
x x
b
+ = (5.76)
A equao (5.76) estvel, isto , x
1
0 quando t, se a raiz da sua equao
caracterstica,
1
0
b
b
, estiver no semiplano complexo esquerdo, e instvel caso a raiz se
encontre no semiplano complexo direito. A observao de (5.76) e de (5.65) mostra que
o plo da ltima o zero da primeira. O resultado que acaba de se apresentar vlido
para todos os sistema lineares e pode traduzir-se do modo seguinte:
a localizao dos zeros do sistema sobre o semiplano complexo esquerdo
garante a estabilidade da dinmica zero.
Nos sistemas lineares a estabilidade da dinmica zero global. Para os sistemas no
lineares no possvel garantir a estabilidade global, apenas a estabilidade local pode
ser garantida.

Diz-se que um sistema no linear de fase mnima se a sua dinmica zero
for assimptoticamente estvel.
Resumindo, o mtodo de linearizao entrada-sada envolve os seguintes passos:
1. Derivar a sada r vezes at se obter uma relao explcita entre y
(n)
e u.
2. Escolher u=u(v,x) de modo a cancelar as no linearidades e garantir a
convergncia do erro de seguimento.
3. Analisar a estabilidade da dinmica interna.

Quando o grau relativo r for igual ordem do sistema, este fica completamente
linearizado e possvel escolher um controlador que conduza a um seguimento
satisfatrio. Caso r < n, o comportamento do sistema depender tambm da estabilidade
da sua dinmica interna.

5.2. O formalismo da Geometria Diferencial
Nesta seco sero introduzidos alguns conceitos matemticos que permitem abordar a
linearizao por realimentao com o formalismo utilizado na Geometria Diferencial.
5.2.1. Conceitos e aplicaes
5.2.1.1. Campo vectorial
Considere-se um domnio D
n
. D-se o nome de campo vectorial a uma aplicao f
de D em
n
:

n
: D f (5.77)
O campo vectorial representa uma funo f(x) que a cada ponto x do domnio D faz
corresponder um vector f, de componentes reais. Pode fazer-se uma abstraco
geomtrica imaginando um vector f emanando de cada ponto x do domnio.
O campo vectorial representado por um vector coluna de comprimento n e
componentes f
1
(x), f
2
(x), , f
n
(x). Neste texto, quando mais nada for dito, f(x) designa
um campo vectorial.
No caso particular em que n = 1, o campo vectorial tem o nome de campo escalar.
Neste texto h(x) representar uma funo escalar e ser
: h D (5.78)
A funo escalar faz corresponder a cada ponto do espao vectorial um valor real.
No que se segue admitir-se- que h(x) e f(x) so funes suaves de x
(4)
.
5.2.1.2. Campo covectorial
Designa-se por campo covectorial ao transposto de um campo vectorial. Representa-se
por um vector linha.
5.2.1.3. Produto interno
Define-se produto interno de um campo vectorial f(x) por um campo covectorial w(x),
e representa-se por < w, f > , pelo escalar

1
, ( ) ( ) ( ) ( )
n
i i
i
w f
=
< >= =
w f w x f x x x (5.79)
O produto de w(x) por f(x) deve ser entendido como o produto matricial de uma matriz
linha 1n (covector w), por uma matriz coluna n1 (vector f).
5.2.1.4. Gradiente
Define-se gradiente de uma funo escalar h(x), e representa-se por h(x),
( ) h
x
x
, ou
grad h(x), pelo covector

4
f(x) funo suave se todas as sua componentes forem funes suaves em relao a todas as
componentes de x. Ver Cap.2, nota da pg.43.



1
( ) ( ) ( )
( ) grad ( ) , ...,
n
h h h
h h
x x
| |
=
|

\ .
x x x
x x
x
(5.80)
O gradiente de uma funo escalar um campo covectorial, cujas componentes se
obtm derivando h(x) em relao a cada uma das componente de x, respectivamente.
Tambm se lhe d o nome de gradiante de h(x).
5.2.1.5. Jacobiano
Define-se jacobiano de um campo vectorial f(x) pela expresso

1 1 1
1
1
1
( ) ( )
( ) ( )
( )
( ) ( )
n
n
i
j
n n n
n
f x f x
x x
f
x
f x f x
x x
(
(

(
(

= = (
(

( (

(
(

x f x
f x
x
"
" "
"
, 1, 2, , i j n = " (5.81)
O jacobiano de um campo vectorial de dimenso n uma matriz nn.

5.2.1.6. Derivada de Lie
Dados uma funo escalar h(x) e um campo vectorial f(x), define-se derivada de Lie de
h(x) em relao a f(x), e representa-se por L
f
h, pela expresso

f
( )
L ( ) ( ) ( ) ( ) ( ), ( )
h
h h h
= = =< >
x
x f x x f x x f x
x
(5.82)
Repare-se que h um covector, pelo que o seu produto com f um escalar.
A L
f
h tambm se costuma chamar derivada de Lie de h ao longo de f. A derivada de
Lie a derivada dirigida de h(x) segundo a direco de f.

Uma vez que a derivada de Lie de uma funo escalar tambm uma funo escalar,
possvel calcular as derivadas de Lie de ordem 2, 3, etc. A sua definio faz-se por
recorrncia: Define-se derivada de Lie de ordem i de uma funo escalar h(x) por

1 1
L ( ) [L ( )] [L ( )] ( )
i i i
h x L h h

= =
f f f f
x x f x (5.83)
e em que, por definio, a derivada de Lie de ordem zero

0
L ( ) ( ) h h =
f
x x (5.84)
Uma funo escalar pode ser derivada em relao a mais do que um campo vectorial.
Sejam f(x) e g(x) dois campos vectoriais. Define-se L
g
L
f
h(x) pela expresso
| | | |
g f g f f
L L ( ) L L ( ) L ( ) ( ) h h h = = x x x g x (5.85)
De um modo geral ser

g f f g
L L ( ) L L ( ) h h x x (5.86)
Dados um campo vectorial f(x) e um campo vectorial g(x), define-se derivada de Lie de
g(x) em relao a f(x), e representa-se por L
f
g, pela expresso

f
( )
L ( ) ( )
g x
g x f x
x
(5.87)
Note-se que
( )
g x
x
uma matriz, pelo que o seu produto por f um vector.
Exemplo 5-4
Sejam x = [x
1
, x
2
]
T

h(x) = x
1
3
+ x
2
f(x) =
2
2
1 2
x
x x
(
(
+

g(x) =
(
1
0
(campo vectorial constante)
Calcular: a) L
f
h b) L
2
f
h c) L
g
h d) L
f
L
g
h e) L
g
L
f
h.
Resoluo:
a) L
f
h =
h
x
f(x) = [3x
1
2
1]
2
2
1 2
x
x x
(
(
+

= 3x
1
2
x
2
+ x
1
+ x
2
2
b) L
2
f
h=
(L ) h
f
x
f = [6x
1
x
2
+1 3x
1
2
+2x
2
]
2
2
1 2
x
x x
(
(
+

= 3x
1
3
+3x
1
2
x
2
2
+2x
1
x
2
+x
2
+6x
1
x
2
2
+2x
2
3

c) L
g
h = [3x
1
2
1]
(
1
0
= 1
d) L
f
L
g
h =
(L ) h
g
x
f = [0 0] f = 0
e) L
g
L
f
h =
(L ) h
f
x
g = [6x
1
x
2
+1 3x
1
2
+2x
2
]
(
1
0
= 3x
1
2
+2x
2
L
f
L
g
h
5.2.1.7. Aplicaes da derivada de Lie
Veja-se como que as derivadas de Lie se aplicam a sistemas dinmicos no lineares.
Considere-se o sistema autnomo

( )
( ) y h
=
x f x
x
(5.88)
As derivadas da sada podem obter-se por

2
( )
L
(L )
n n
h h
y h
h
y h
y h

= = =
= =
f
f
f
f
x f
x x
x L
x
L

"
(5.89)

A derivada de Lie j apareceu no Cap. 3 seco 3.5.3, embora o seu nome no tenha
sido a referido, aquando do clculo da derivada da funo de Lyapunov ao longo de
uma trajectria do sistema. Considere-se ento uma funo de Lyapunov candidata, para
o sistema (5.88). A derivada ( ) V x
obtm-se por

( ) ( )
( ) ( ) L ( )
V V
V V

= = =

f
x x
x x f x x
x x
(5.90)
As derivadas de Lie podem ser usadas para redefinir as expresses de grau relativo de
um sistema, apresentadas atrs em 5.1.4. Seja o sistema no linear no estado e linear na
entrada

( ) ( )
( )
u
y h
= +
x f x g x
x
(5.91)
e seja r o seu grau relativo. Isto significa que necessrio derivar r vezes a 2 equao
de (5.91) at se obter uma dependncia explcita da entrada na sada. Derive-se uma vez
a 2 equao (5.91) e substitua-se x pelo seu valor:
( ) L L
h h
y u h hu

= = + = +

f g
x f g
x x
(5.92)
Se o sistema for de grau relativo r = 1 dever ser L 0 h
g
. Se r >1 ter que ser L 0 h =
g
.
Neste caso dever derivar-se de novo a sada. Derivando, substituindo x pelo seu valor
e generalizando o raciocnio at derivada de ordem r, pode afirmar-se o seguinte:

O sistema (5.91) de grau relativo r se para qualquer xD se verificar

1
L L ( ) 0, 0 2
L L ( ) 0
i
r
h i r
h
g f
g f
x
x
(5.93)

Para mais detalhe vejam-se as seces 5.4.1 e 5.4.2. mais adiante.

5.2.1.8. Parntesis de Lie
Dados uma funo escalar h(x) e dois campos vectoriais f(x) e g(x), em
n
, define-se
parntesis de Lie de f e g pela expresso

( ) ( )
[ , ] ( ) ( )

= =

g x f x
f g gf f g f x g x
x x
(5.94)
Repare-se que [f, g] um campo vectorial de dimenso n (vector coluna).
Uma outra notao utilizada para o parntesis de Lie, conveniente para a aplicao
recursiva, a seguinte:
[ , ] ad =
f
f g g (5.95)
onde ad
f
g significa adjunta de g e representa o parntesis de Lie de f e g.

O parntesis de Lie de ordem i definido por

1
ad [ , ad ]
i i
=
f f
g f g (5.96)
com a condio de se fazer

0
ad =
f
g g (5.97)
Exemplo 5-5
Dados x =
(
2
1
x
x
, f(x) =
(
+
1 2
2 1
senx x
x x 2
, g(x) =
(
1
x 2
1
, calcular [f, g].
Resoluo:
[f, g] =
( )
g x
x
f(x)
( )
f x
x
g(x) =
(
0 2
0 0
1 2
2 1
2
sen
x x
x x
+
(
(
2 1 1
2 1
cos sen x x x
(
(

1
1
2x
(
(

=
=
1
1 2 2 1 1 1
2 2
4 2 cos 2 sen
x
x x x x x x
(
(
+ + +

Exemplo 5-6
Considere o sistema obtido a partir de (5.91) fazendo f(x) =Ax, g(x) = b e h(x) = c
T
x.
Tem-se assim o sistema linear
x =

Ax + b

u

y = c
T
x
Calcule os vectores {ad
f
0
g, -ad
f

g, ad
f
2
g, , (-1)
n-1
ad
f
n-1
g}
Resoluo:
A aplicao das definies (5.97) e (5.96) permite obter o resultado
{b, Ab, A
2
b, , A
n-1
b}
Que semelhana tem com a matriz de controlabilidade de um sistema linear?
5.2.1.9. Propriedades do parntesis de Lie
P1. Bilinearidade:

1 1 2 2 1 1 2 2
1 1 2 2 1 1 2 2
[( ), ] [ , ] [ , ]
[ , ( )] [ , ] [ , ]

+ = +
+ = +
f f g f g f g
f g g f g f g
(5.98)
em que f, f
1
, f
2
, g, g
1
, g
2
so campos vectoriais suaves e

1
,
2
,
1
,
2
so escalares constantes.
P2. Anticomutatividade:
[ , ] [ , ] = f g g f (5.99)
P3. Identidade de Jacobi:

[ , ]
L L L L L h h h =
f g f g g f
(5.100)

5.2.1.10. Difeomorfismos
Considere-se uma regio do espao de estados,
n
, um vector x e uma
aplicao (x) de em
n
. A aplicao (x) diz-se um difeomorfismo se existir
1
(x)
e se alm disso (x) e
1
(x) forem funes suaves.
Normalmente a regio onde o difeomorfismo definido uma vizinhana de um
ponto x
0
do espao de estados. Nestas condies diz-se que se trata de um
difeomorfismo local. Em casos menos correntes a regio onde o difeomorfismo se
encontra definido coincide com todo o espao de estados, tratando-se ento de um
difeomorfismo global.
Os teoremas seguintes estabelecem as condies para a existncia de difeomorfismos.
Considere-se um campo vectorial (x)

n
: (5.101)
Teorema 1 (difeomorfismo local)

condio necessria e suficiente para que (x) seja um difeomorfismo
local, numa vizinhana de x
0
contida em , que o jacobiano (x) seja
regular em x = x
0
.

Teorema 2 (difeomorfismo global)

condio necessria e suficiente para que (x) seja um difeomorfismo
global, que o jacobiano (x) seja regular em todo o espao de estados e
que alm disso lim ( )
=
x
x

Uma das aplicaes dos difeomorfismos consiste em transformar o modelo de estado de
um sistema no linear num outro modelo de estado, linear ou no linear, atravs de uma
mudana de varivel de estado. Considere-se o sistema

( ) ( )
( )
u
y h
= +
x f x g x
x
(5.102)
e efectue-se a mudana de varivel de estado
( ) = z x (5.103)
Derivando (5.103) obtm-se
( ) ( ) u

= = +

z x f x g x
x x x
(5.104)
Como um difeomorfismo tem-se

1
( )
= x z (5.105)
pelo que, substituindo em (5.104) se obtm

*( ) *( )
*( )
u
y h
= +
z f z g z
z
(5.106)

5.2.2. Teorema de Frobenius
O teorema de Frobenius estabelece as condies necessrias e suficientes para que uma
determinada classe de equaes diferenciais s derivadas parciais seja integrvel. Antes
de apresentar o teorema na sua forma geral, apresente-se um exemplo.
Considere-se a funo escalar h(x
1
,x
2
,x
3
), a determinar, e as funes escalares
conhecidas f
i
(x
1
,x
2
,x
3
) e g
i
(x
1
,x
2
,x
3
), com i = 1, 2, 3, relacionadas pelas equaes diferen-
ciais s derivadas parciais

1 2 3
1 2 3
1 2 3
1 2 3
0
0
h h h
f f f
x x x
h h h
g g g
x x x

+ + =
+ + =
(5.107)
Se o sistema (5.107) admitir soluo, isto , se existir h(x
1
,x
2
,x
3
) que o satisfaa, diz-se
que ele completamente integrvel.

A questo est em saber quais as condies a impor a f = [f
1
, f
2
, f
3
]
T
e g = [g
1
, g
2
, g
3
]
T

para que o sistema admita soluo. A resposta a este problema dada pelo teorema de
Frobenius, que se apresenta a seguir.

Teorema de Frobenius:

O sistema (5.107) admite soluo se e s se existirem dois escalares
(x
1
,x
2
,x
3
) e (x
1
,x
2
,x
3
) tais que
[ , ] = + f g f g (5.108)
ou seja, o parntesis de Lie de f e g possa ser expresso por meio de uma
combinao linear de f e g.

Dois campos vectoriais f e g dizem-se involutivos se satisfizerem a condio (5.108).
Repare-se que as equaes (5.107) podem ser escritas na forma

0
0
h
h
=
f
g
(5.109)
Considere-se agora o caso geral de um conjunto de m campos vectoriais {f
1
, f
2
, , f
m
},
todos eles definidos em
n
e linearmente independentes, com m < n.
O conjunto de campos vectoriais diz-se completamente integrvel se e s se existirem
nm funes escalares h
1
(x), h
2
(x), , h
n-m
(x) que satisfaam o sistema de equaes
diferenciais

0 1, , ; 1, ,
i j
h i n m j m = = = f " " (5.110)
Repare-se que o nmero de funes escalares h
i
(x) igual a nm, e o nmero de
equaes diferenciais n(nm).
Um conjunto de campos vectoriais linearmente independentes diz-se involutivo se e s
se existirem funes escalares
i j k
:
n
tais que

0
[ , ] ( ) ( )
m
i j ijk k
k
x x
=
=
f f f (5.111)
A expresso (5.111) significa que os parntesis de Lie de dois quaisquer campos
vectoriais podem ser expressos por uma combinao linear dos campos de vectores
originais. Com as definies dadas pode apresentar-se o teorema de Frobenius de um
modo mais formal:
Teorema de Frobenius:

Seja {f
1
, f
2
, , f
m
} um conjunto de m campos vectoriais, definidos em
n
,
com m < n. Este conjunto completamente integrvel se e s se for involutivo.

Exemplo 5-7
Determine a existncia de soluo para o seguinte sistema de equaes diferenciais:
3
1 2
1 2 3
1 2 3
0
2 3 0
h h
x
x x
h h h
x x x
x x x

=
+ =

Resoluo:
Do sistema obtm-se f
1
=
3
1
0
x (
(
(
(

e f
2
=
1
2
3
2
3
x
x
x
(
(
(
(

. Calcule-se [f
1
, f
2
].
[f
1
, f
2
] =
2 1
1 2

f f
f f
x x
=
3 1
2
3
1 0 0 0 0 1
0 2 0 1 0 0 0 2
0 0 3 0 0 0 0 3
x x
x
x
( ( ( (
( ( ( (

( ( ( (
( ( ( (

=
3
2
2
0
x (
(
(
(

= 2f
1

e portanto o sistema completamente integrvel. Repare-se que s h uma funo h,
uma vez que n=3 e m=2.

5.3. Linearizao Entrada-Estado
Considere-se um sistema no linear, de entrada nica com a equao de estado da forma
( ) ( ) u = + x f x g x (5.112)
A um sistema com esta estrutura d-se o nome sistema linear na entrada, linear no
controlo ou linear na varivel de controlo.
Nesta seco sero estabelecidas as condies para que a um sistema deste tipo possa
ser efectuada uma linearizao entrada-estado. Note-se que h sistemas um pouco mais
genricos do que este, do tipo
( ) ( ) ( , ) u = + x f x g x x (5.113)
com (x,u) = [(x)+u] e invertvel, que podem ser convertidos forma (5.112).
Com efeito, fazendo
[ ( ) ] v u = + x (5.114)
o sistema fica imediatamente na forma (5.112), calculando-se u atravs de

1
( ) ( ) u v
= x (5.115)

5.3.1. Definio de linearizao entrada-estado
Considere-se um sistema do tipo (5.112), com f(x) e g(x) campos vectoriais suaves em
n
. O sistema diz-se linearizvel entrada-estado numa regio
n
se existirem

1. Um difeomorfismo :
n
(5.116)
2. Uma lei de controlo u = (x) + (x) v (5.117)
tais que o novo conjunto de variveis
z = (x) (5.118)
e a nova entrada v satisfaam o sistema linear e invariante no tempo
z = A z + b v (5.119)
com
A =
(
(
(
(
(
(
(
0 ... 0 0 0
1 ... 0 0 0
... ... ... ... ...
0 ... 1 0 0
0 ... 0 1 0
b =
(
(
(
(
(
(
1
0
...
0
0
(5.120)

A nova varivel de estado z designada por estado linearizado, e a lei de controlo
(5.117) chamada lei de controlo linearizante.


Repare-se que a forma das matrizes A e b faz com que o sistema (5.120) tenha a forma
de um integrador mltiplo. Este facto no introduz qualquer perda de generalidade,
uma vez que todo o sistema linear pode ser escrito na forma companheira, que por sua
vez, por meio da mudana de varivel (5.118) pode ser transformado num integrador
mltiplo. Note-se que na linearizao entrada-sada de um sistema com grau relativo
r=n tambm se conduzido a um integrador mltiplo, de ordem n. Isto significa que se
um sistema for linearizvel entrada-estado e a sua sada for a 1 componente do vector
de estado, y=z
1
, ento o sistema linearizvel entrada-sada, com grau relativo r=n.

5.3.2. Condies para efectuar a linearizao entrada-estado
Na seco anterior definiu-se o conceito de linearizao entrada estado de um sistema
no linear, linear no controlo. Ser que sempre possvel efectuar tal linearizao? Se
sim, quais as condies exigidas?
A resposta a estas questes dada pelo seguinte teorema, um dos mais importantes da
teoria da linearizao por retroaco.

Teorema (c.n.s. para a linearizao)

Considere-se um sistema linear no controlo, da forma (5.112), com f e g
campos vectoriais suaves. O sistema linearizvel entrada-estado se e s
se existir uma regio
n
na qual se verifiquem as seguintes
condies:
1. Os campos vectoriais {g, ad
f
g, , ad
f
n-1
g} (5.121)
so linearmente independentes.
2. O conjunto de vectores {g, ad
f
g, , ad
f
n-2
g} (5.122)
involutivo.

A primeira condio indica que o sistema controlvel. Exemplificando para um
sistema linear (ver Exemplo 5-6) tem-se
{ad
f
0
g, ad
f

g, ad
f
2
g, , ad
f
n-1
g} = {b, -Ab, A
2
b, ,(-1)
n-1
A
n-1
b} (5.123)
e a independncia destes vectores equivale a ser igual a n a caracterstica da matriz de
controlabilidade

2 -1
[
n
b Ab A b A b] " (5.124)
A demonstrao deste teorema encontra-se em [Slotine] e em [Isidori]

5.3.3. Algoritmo para realizar a linearizao entrada-estado
Com base nos resultados que se acabam de apresentar possvel estabelecer o seguinte
algoritmo destinado a efectuar a linearizao entrada-estado de um sistema no linear do
tipo (5.112).

1. Construir os campos de vectores {g, ad
f
g, , ad
f
n-1
g} (5.125)
2. Verificar se as condies 1. e 2. da seco anterior, de controlabilidade e
involutividade so satisfeitas. Caso no o sejam o sistema no linearizvel
entrada-sada. Caso sejam, passar ao ponto seguinte.
3. Calcular a 1 componente do novo vector de estado, z
1
, a partir de (5.93) e fazer
r = n
z
1
ad
f
i
g = 0 i = 0, 1, , n2 (5.126)
z
1
ad
f
n-1
g 0 (5.127)
4. Calcular o novo estado
z(x) = [z
1
L
f
z
1
L
f
n-1
z
1
]
T
(5.128)
5. Calcular a nova varivel de entrada, v, referida em (5.114) e dada por
u = (x) + (x) v (5.129)
com (x) e (x) dados por
(x) =
1
1
1
L
L L
n
n
z
z
f
g f
(5.130)
(x) =
1
1
1
L L
n
z
g f
(5.131)

Exemplo 5-8 (Slotine/Li, 1991, pgs. 242-245)
Considere um brao mecnico actuado por um veio atravs de uma junta flexvel, como
se mostra na Fig. 5.3.
a) Determinar um modelo de estado representativo da dinmica do sistema.
b) Nas condies em que tal possvel, efectue a linearizao entrada-sada do modelo.
Resoluo:
Designando por
T Binrio motor (varivel de controlo, u),
J Momento de inrcia do veio motor,
m
Posio angular do veio motor, relativamente vertical,
k Coeficiente de toro do eixo de ligao (k>0),
M Massa do brao,
L Distncia do centro de massas do brao ao eixo de ligao,
I Momento de inrcia do brao em relao ao veio,
Posio angular do brao, relativamente vertical (varivel controlada),



Fig. 5.3 Brao com junta flexvel

podem escrever-se as equaes do sistema:

2
2
2
2
( )
( ) sen
m
m
m
d
T J k
dt
d
k MgL I
dt
= +
= +
(5.132)
Escolhendo para vector de estado

T T
1 2 3 4
[ ] [ ]
m m
x x x x = = x

(5.133)
tem-se

2
1 1 3
4
1 3
0
0 - sen - ( - )
0
1
( - )
x
MgL k
x x x
I I
x
k
x x
J
J
(
(
(
(
(
(
(
= =
(
(
(
(
(
(
(

(

f g (5.134)

Seguindo agora os passos do algoritmo anterior, ser:
1. Construo do campo de vectores (sendo g constante a sua derivada nula)
ad

=

f
g f
g f g
x x
=
( )
( )
f x
g x
x
=
1
0 1 0 0
0
0 cos 0 0
0
0 0 0 1
1
0 0
MgL k k
x
I I I
k k
J
J J
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(

(

=
0
0
1
0
J
(
(
(
(
(
(
(

(=g
1
)
k
M, I,

L
T, J,
m

flexvel
(2)
f f f 1
ad ad (ad ) ad ( ) = =
f
g g g =
1
f
g
x
=
1
0 1 0 0
0
0 cos 0 0
1
0 0 0 1
0 0 0
MgL k k
x
I I I
J
k k
J J
(
(
(
(
(
+
(
(
(
(

(
(
(
(
(

(

=
2
0
0
k
IJ
k
J
(
(
(
(
(
(
(
(

e, mais uma vez, at se obter, [g ad
f
g ad
2
f
g ad
3
f
g] =
2
2
0 0 0 -
0 0 0
1
0 - 0
1
0 - 0
k
IJ
k
IJ
k
J J
k
J J
(
(
(
(
(
(
(
(
(
(

2. A caracterstica desta matriz igual a 4 desde que k > 0 , I, J < .
Por sua vez os campos vectoriais {g ad
f
g ad
2
f
g} so constantes, formando assim
um conjunto involutivo. Conclui-se pois que o sistema linearizvel entrada estado.
3. Para a 1 componente do novo vector de estado, z
1
,
1
2
z
x
= 0
1
3
z
x
= 0
1
4
z
x
= 0
1
1
z
x
0
A componente z
1
dever ser apenas funo de x
1
. A forma mais simples fazer z
1
=x
1
.
4. As restantes componentes do novo vector de estado sero, por (5.132),
z
2
= L
f
z
1
= x
2

z
3
= L
f
2
z
1
=
1 1 3
- sen - ( - )
MgL k
x x x
I I

z
4
= L
f
3
z
1
=
2 1 2 4
cos - ( - )
MgL k
x x x x
I I

5. A nova varivel de entrada, v, definida por u =
I J
k
[v (x)], com (x) dado por
(x) =
1
sen
M g L
x
I
(x
2
+
1
cos
M g L k
x
I I
+ ) +
k
I
(x
1
x
3
)(
1
cos
k k M g L
x
I J I
+ + )
obtendo-se assim o sistema linear
1 2
2 3
3 4
4
z z
z z
z z
z v
( (
( (
( (
=
( (
( (

Repare-se que neste exemplo a linearizao global, uma vez que o difeomorfismo z(x)
e a transformao da entrada se encontram bem definidos em todo o espao de estados.

5.4. Linearizao Entrada-Sada
Viu-se na seco 5.1.4 que para efectuar a linearizao entrada-sada se derivava a sada
r vezes at se ter uma relao explcita entre a derivada de ordem r da sada e a entrada,
procurando-se ento uma lei de controlo que cancelasse a linearidade. Ao valor r d-se
o nome de grau relativo do sistema.
Acontece porm que este procedimento nem sempre possvel, devido ao facto do grau
relativo do sistema poder ser indefinido. Considerar-se-o a seguir os casos em que o
grau relativo bem definido e em que indefinido.

5.4.1. Grau relativo bem definido
Considere-se um sistema de entrada nica e sada nica, linear na varivel de controlo

( ) ( )
( )
u
y h
= +
x f x g x
x
(5.135)
com f g e h funes suaves e considere-se uma regio do espao de estados
x

n
.
Derivando a sada, e utilizando a notao de geometria diferencial, obtm-se [ver (5.89)]
( ) L L
h h
y u h hu

= = + = +

f g
x f g
x x
(5.136)
Se for L
g
h 0 para algum x = x
0
pertencente a
x
, ento por continuidade tambm ser
diferente de zero numa regio , finita, na vizinhana de x
0
. A transformao da
entrada, dentro de ,

1
( L )
L
u h v
h
= +
f
g
(5.137)
conduz relao linear entre y e v,
y v = (5.138)
Se L
g
h = 0 para todo x pertencente a
x
, ento necessrio diferenciar de novo a sada,
obtendo-se

2
L L y h L hu = +
f g f
(5.139)
O raciocnio prossegue at se chegar a um determinado inteiro r para o qual se tem

( ) 1
L L
r r r
y h L hu
= +
f g f
(5.140)
com
1
L 0
r
L h
g f
para algum x = x
0
. Ento por continuidade esta desigualdade ser
verificada numa regio finita
x
. A lei de controlo

1
1
( L )
L L
r
r
u h v
h
= +
f
g f
(5.141)
aplicada a (5.140) conduz relao linear

( ) r
y v = (5.142)
Como tambm se disse anteriormente, dever ser r n. No caso particular em que r = n,
a linearizao entrada-sada equivalente linearizao entrada-estado. Pode dar-se
ento a seguinte definio, j apresentada em (5.93):

O sistema (5.135) de grau relativo r, numa regio , se para qualquer
x se verificar

1
L L ( ) 0, 0 1
L L ( ) 0
i
r
h i r
h
= <
g f
g f
x
x
(5.143)

5.4.2. Grau relativo indefinido
Viu-se que quando o grau relativo de um sistema r, se deve verificar L
g
L
r-1
f
h(x) 0.
Acontece porm que esta expresso pode ser diferente de zero numa vizinhana de x
0
,
mas ser nula no prprio ponto x
0
. Diz-se ento que o sistema tem um grau relativo
indefinido em x
0
. Ilustre-se este caso com um exemplo.
Seja o sistema de 2 ordem

2
( , ) x x x u
y x
= +

(5.144)
onde uma funo no linear do estado x=[x x ]
T
. Derivando a sada duas vezes
obtm-se
2 y xx = (5.145)

2 2
2 2 2 ( ) 2 y xx x x u x = + = + + (5.146)
Comparando com (5.139) ser L
g
L
f
h(x) = 2x. Para x 0 o grau relativo r = 2, mas
para x=0 (o nosso ponto de interesse), L
g
L
f
h(x) = 0, e portanto no se sabe qual o grau
relativo.
Por vezes uma mudana na varivel de sada suficiente para tornar o problema
solvel. Veja-se por exemplo o que acontece com o clculo do grau relativo se na
equao de sada do sistema acima se fizer y = x, em vez de y = x
2
. No entanto em
muitos outros casos o problema no tem soluo, e a linearizao entrada-sada na
vizinhana de um ponto de funcionamento no pode efectuar-se.


Probl. 5-1
Suponha que pretende controlar o nvel de um tanque cnico (com o vrtice para baixo)
com 10 m de altura e dimetro no cimo de 6 m. O sistema anlogo ao da Fig. 5.1, bem
como a definio das variveis.
a) Obtenha um modelo de estado para o sistema, para os valores numricos dados.
b) Efectue uma linearizao por realimentao, baseado nos conceitos apresentados na
seco 5.1.1.
c) Com o auxlio do Simulink faa uma simulao deste modelo. Ponha a referncia a
variar entre 0.8 e 1.2 m, com um perodo de 1 minuto. Utilize a realimentao de
estado indicada na equao (5.9) e limite a derivada da referncia. Observe a
referncia, a sada, o erro e o caudal de entrada.
d) Repita o ensaio anterior mas com a referncia a variar entre 8.8 e 9.2 m. Conclua
sobre o desempenho do controlador. Limite este caudal q
1
a 0.1 m
3
/s. Que conclui?
Resoluo
a) Esquema da instalao e equaes:
O dimetro d, da superfcie do lquido,
cota h, proporcional h, devido ao
facto do tanque ser cnico.
0.6
D
d kh h h
H
= = =
A rea da superfcie do lquido, S(h)
2 2
2
(0.6 )
( ) 0.2827
4 4
d h
S h h

= = =
A varivel controlada h e a manipulada u=q
1
.
O balano de massas impe
1 2
( ) dV q q dt = .
Pelos teoremas da mecnica dos fluidos
2 2
2 q S gh = , pelo que, se pode escrever,
notando que ( ) dV S h dh = e que u q
1
,
2
( ) ( 2 ) S h dh u S gh dt = ou ainda
2
( ) 2 S h h u S gh =
.
Substituindo S(h) pela sua expresso, obtida acima, vem
2
2 2
2 1
0.2827 0.2827
S gh
h u
h h
= +

ou, como S
2
=0.007854 m
2
3
2
2
0.123 3.537 h h h u

= +

H h
D
q
1

q
2
S
2

S(h)
V
d
2
=100 mm
d
1
=100 mm
b) Por analogia com a expresso (5.7) a lei de controlo dever ser
3
2
2
1
( ) ( ) 0.123
3.537
u t v t h
h

= +
Substituindo na equao do sistema obtm-se, depois de efectuar as simplificaes
( ) ( ) h t v t =

que a equao que representa o modelo linearizado.

c) e d) (O limitador de caudal s dever ser includo na alnea d))

h h'
e
6
ref
5
erro
4
v
3
k2sqrt(h)
2
k1h2
1
h
1
0.001s+1
Transfer Fcn
u
h
k1h2
k2sqrt(h)
Tanque
Cnico
Signal
Generator
ref
Referncia
Product
Osciloscpio2
Osciloscpio1
Osciloscpio
Mux
u
2
Math
Function1
sqrt
Math
Function
Limitador
v
k1h2
k2sqrt(h)
u
Lei de
Controlo
s
1
Integrator 0.2827
Gain2
0.2
Gain1
0.0348
Gain
du/dt
Derivative
href
h
v
erro
Controlador
9
Constant
3
h1
2
href
1
u

Modelo completo
tanque cnico
controlador linear
referncia

Probl. 5-2
Utilizando os conhecimentos adquiridos na seco 5.1.3, e por analogia com o
Exemplo 5-1, e substituio de variveis (5.27), para o sistema
1
1
1 1 2
2 2 1
3 2
x
x
x x x e
x x e x u
= + +
= +

a) Efectue a linearizao, por realimentao, entrada-estado
b) Indique se a linearizao obtida global. Justifique.
Resoluo
a) Por analogia com (5.27) efectue-se a mudana de variveis
1
1 1
2 2
2
x
z x
z x e
=
= +

Ser pois
1
1 1
2 2 1
2
x
z x
z x x e
=
= +

1
1 1 2
2 2 1
3
2
x
z z z
z x x e
= +
= +

ou ainda
1 1
1 1 2
2 2 1 1
3
2 2
x x
z z z
z x e x u x e
= +
= + +

1 1
1 1 2
2
2 1 1
3
3 2
x x
z z z
z x e e x u
= +
= + +

Introduzindo a lei de controlo
1 1
2
1
1
1
( 3 )
2
x x
u v x e e
x
= +
obtm-se o sistema linear
1 1 2
2
3 z z z
z v
= +
ou seja u = + z Az b , com
3 1
0 0
(
=
(

A e
0
1
(
=
(

b
b) A lei de controlo no pode ser aplicada em x
1
=0, pelo que a linearizao no global.
Probl. 5-3
Considere o sistema no linear
1 1 2 3
2 3 1 3
3 1
1
x x x x
x x x x
x x u
y x
=

Utilizando os conhecimentos adquiridos nas seces 5.1.4 e 5.1.5
a) Efectue a linearizao por realimentao, entrada-sada.
b) Qual o grau relativo do sistema?
c) Indique se a linearizao obtida global.
d) Qual a sua dinmica zero?

Resoluo
a) Como no existe nenhuma relao explcita entre a entrada e a sada, derive-se y:
1 1 2 3
y x x x x = = .
Uma vez que continua a no haver nenhuma relao explcita entre a entrada e a
sada, derive-se de novo:
1 2 3 2 3
y x x x x x =
1 2 3 3 1 3 3 2 1
( ) ( ) y x x x x x x x x x u =
ou ainda
2 2
1 2 3 3 1 3 1 2
y x x x x x x x x u = +
A lei de controlo
2 2
1 2 3 3 1 3
1 2
1
( ) u v x x x x x x
x x
= + +
conduz ao sistema linear
y v =
b) O grau relativo do sistema r=2. Com efeito, foi necessrio derivar a sada 2 vezes,
at se obter uma relao explcita entre a entrada e a sada (atravs da sua derivada).
c) A lei de controlo no pode ser aplicada em x
1
=0 ou x
2
=0, pelo que a linearizao no
global.
d) A dinmica zero pode obter-se substituindo a lei de controlo na ltima equao de
estado e igualando v a zero, resultando assim
2 2
3 1 2 3 3 1 3
2
1
( ) x x x x x x x
x
= +
Probl. 5-4
Considere o seguinte sistema linear:
2
1 2
( )
2 2
s
G s
s s
=
+ +

b) Projecte um controlador por realimentao de estado para a sada seguir uma
referncia conhecida e com derivada limitadas. (Porque que se impe esta
condio?)
c) Como representaria a dinmica interna deste sistema? Ser que ela estvel?
d) Represente a dinmica zero do sistema.
Resoluo
a) Por comparao entre o sistema dado e o modelo da expresso (5.65) pode escrever-
-se o modelo de estado, anlogo a (5.67) / (5.68)
1 1
2 2
0 1 0
2 2 1
x x
u
x x
( ( ( (
= +
( ( ( (

| |
1
2
1 2
x
y
x
(
=
(


b) A equao de sada,
1 2
2 y x x = no contm nenhuma relao explcita entre a
entrada e a sada. Derivando esta obtm-se
1 2
2 y x x = , ou ainda,
1 2
4 5 2 y x x u = + . Como se encontrou a dependncia pretendida ao fim da 1
derivao conclui-se que o grau relativo do sistema 1. Com efeito o grau relativo,
nos sistemas lineares, representa o excesso de plos sobre zeros, e o sistema tem 2
zeros e um plo. Projecte-se um controlador anlogo ao de (5.71). Comea-se por
introduzir a lei de controlo
1 2
1
4 5
2
u v x x =
e faz-se v r ke = , em que e y r = . Obtm-se a equao para o erro 0 e ke + = ,
que conduz a um erro exponencialmente estvel se e s se 0 k > .
c) A dinmica interna ser descrita por n-r equaes, sendo n a ordem do sistema e r o
seu grau relativo. Para este sistema ser descrita por 2-1=1 equao. Escolhendo a
equao
1 2
x x = e atendendo a que
1 2
2 y x x = , obtm-se
1 1
1 1
2 2
x x y = . Esta
dinmica no estvel, uma vez que o seu plo, com o valor 0.5, se encontra
localizado no semiplano complexo direito. Repare-se que este plo corresponde ao
zero do sistema dado.
d) A dinmica zero obtm-se a partir da dinmica interna fazendo y=0 (ver seco 5.1.7)
obtendo-se assim
1 1
1
0
2
x x = .
Probl. 5-5
Considere o sistema
3
1 2 1
3
2 1 2
x x x
x x x
=
e a funo de Lyapunov
2 2
1 2
( ) V x x = + x .
Utilizando o formalismo da Geometria Diferencial calcule ( ) V x
. Utilize a expresso
(5.90). Que conclui sobre a estabilidade do sistema?
Resoluo
O sistema dado pode ser escrito na forma ( ) = x f x , com
3
2 1
3
1 2
( )
x x
x x
(
=
(

f x .
Pela expresso (5.90) ser ( ) L ( ) V V =
f
x x
, ou seja
( )
( ) ( )
V
V

=
x
x f x
x
=
3
2 1
3
1 2 1 2
( ) ( ) x x V V
x x x x
( (
( (

x x
=| |
3
2 1
1 2
3
1 2
2 2
x x
x x
x x
(
(

=
4 4
1 2
2( ) x x + ,
que negativa definida, pelo que ( ) V x funo de Lyapunov do sistema, e portanto o
sistema estvel.

Probl. 5-6
Usando a notao da Geometria Diferencial determine o grau relativo do sistema
apresentado no Probl. 5-3.
Resoluo
Na seco 5.4 encontram-se as expresses (5.143), que sero utilizadas para a
determinao de r. O sistema do Probl. 5-3 pode escrever-se
| |
1 1 2 3
2 3 1 3
3 1
1
2
3
0
0
1
1 0 0
x x x x
x x x x u
x x
x
y x
x

( ( (
( ( (
= +
( ( (
( ( (

=
(

que da forma (5.135), com
1 2 3
3 1 3
1
x x x
x x x
x
(
(
=
(
(

f ,
0
0
1
(
(
=
(
(

g ,
1
h x =
Comece-se a ensaiar a expresso (5.143) com r=1:
Ser, de acordo com (5.84),
0
L ( ) ( ) h h =
f
x x =
1
x .
Calcule-se agora
0
1
L L ( ) L h x =
g f g
x =
1 1 1
1 2 3
0
0
1
x x x
x x x
(
(
(
(
(

(

= | |
0
1 0 0 0 0
1
(
(
=
(
(

.
Portanto o grau relativo ser superior a 1. Ensaie-a ento (5.143) para r=2:
Ser
1 2 3
1
3 1 3
1 2 3
1
L ( )
x x x
h h h
h x x x
x x x
x
(
(
(
=
(
(

(

f
x =| |
1 2 3
3 1 3
1
1 0 0
x x x
x x x
x
(
(
(
(

=
1 2 3
x x x
1
L L ( ) h
g f
x =
1 2 3
L ( ) x x x
g
=| |
3 2
0
1 0
1
x x
(
(

(
(

=
2
x
Este valor diferente de zero, excepto quando x
2
=0. Para x
2
0 o grau relativo r=2,
sendo indefinido em x
2
=0.


Probl. 5-7
Considere de novo o sistema do Probl. 5-3.
a) Construa a matriz {ad
f
0
g, ad
f

g, ad
f
2
g, , ad
f
n-1
g} apresentada no Exemplo 5-6 e
tambm em (5.123).
b) Que conclui sobre a controlabilidade do sistema? Ser local ou global?
Resoluo
a) Uma vez que se trata de um sistema de 3 ordem a matriz pedida ser apenas
M={ad
f
0
g, ad
f

g, ad
f
2
g}.
No Probl. 5-6 viu-se que em relao ao Probl. 5-3 se tinha
1 2 3
3 1 3
1
x x x
x x x
x
(
(
=
(
(

f ,
0
0
1
(
(
=
(
(

g ,
1
h x =
pelo que
1. | |
T
0
ad 0 0 1 = =
f
g g
2. ad [ , ]

= =

f
g f
g f g f g
x x
=
1 1 1
1 2 3
1 2 3
2 2 2
3 1 3
1 2 3
1
3 3 3
1 2 3
g g g
x x x
x x x
g g g
x x x
x x x
x
g g g
x x x
(
(

(

(
(
(
(
(

(
(

(
(

(

1 1 1
1 2 3
2 2 2
1 2 3
3 3 3
1 2 3
0
0
1
f f f
x x x
f f f
x x x
f f f
x x x
(
(

(
(
(
(
(
(

(
(

(
(

(

=
=
1 2 3
3 1 3
1
0 0 0
0 0 0
0 0 0
x x x
x x x
x
( (
( (
( (
( (

3 2
3 1
1 0
0 1 0
1 0 0 1
x x
x x

( (
( (

( (
( (

2
1
0 1
0
x
x
(
(
=
(
(

=
2
1
1
0
x
x
(
(
(
(

= g
3.
2
ad ad (ad ) ad

= = =

f f f f
g f
g g g f g
x x
=
=
1 1 1
1 2 3
1 2 3
2 2 2
3 1 3
1 2 3
1
3 3 3
1 2 3
g g g
x x x
x x x
g g g
x x x
x x x
x
g g g
x x x
(
(

(

(
(
(
(
(

(
(

(
(

(

1 1 1
1 2 3
2
2 2 2
1
1 2 3
3 3 3
1 2 3
1
0
f f f
x x x
x
f f f
x
x x x
f f f
x x x
(
(

(
(
(
(
(
(

(
(

(
(

(

=
=
1 2 3
3 1 3
1
0 1 0
1 0 0
0 0 0
x x x
x x x
x
( (
( (
( (
( (

3 2 2
3 1 1
1
0 1 1
1 0 0 0
x x x
x x x

( (
( (

( (
( (

=
2
1
2
x
x
x
(
(
(
(

Juntando os 3 vectores calculados obtm-se
2 2
1 1
2
0
0 1
1 0
x x
x x
x
(
(
=
(
(

M
b) O determinante da matriz obtida diferente de zero, excepto para
1
0.5 x = ou
2
0 x = .
O sistema dado controlvel, excepto para estes pontos do espao de estados. A
controlabilidade no pois global.

Probl. 5-8
Com o auxlio do teorema de Frobenius indique se o seguinte sistema de equaes s
derivadas parciais completamente integrvel:
3
1 2
1 2 3
1 2 3
0
2 0
h h
x
x x
h h h
x x x
x x x

+ + =

Resoluo
Pelo teorema de Frobenius, c.n.s. para que o sistema seja completamente integrvel
que [ , ] = + f g f g , em que
3
1
0
x
(
(
=
(
(

f ,
1
2
3
2x
x
x
(
(
=
(
(

g e e so escalares, reais no
simultaneamente nulos.
3 1
2
3
2 0 0 0 0 1 2
[ , ] 0 1 0 1 0 0 0
1 0 0 0 0 0 0
x x
x
x

( ( ( (

( ( ( (
= =
( ( ( (

( ( ( (

g f
f g f g
x x
=
1 3
2
1
0
x x
(
(
(
(

O resultado obtido no pode ser expresso como combinao linear de f e g, pelo que o
sistema no completamente integrvel.

Probl. 5-9
Considere o modelo do pndulo ligado a um ponto por meio de uma haste rgida,
podendo rodar em torno desse ponto. O pndulo encontra-se excitado por uma fora u.
1 2
2 1 2
1
sen
x x
g b
x x x u
m ml
=
= +
A

e em que g representa a acelerao da gravidade, A o comprimento da haste, m a massa
do pndulo e k o seu coeficiente de atrito cintico. As componentes x
1
e x
2
do estado
representam a posio angular do pndulo em relao vertical, e a sua velocidade.


Baseando-se nos conceitos apresentados em 5.3.2 e 5.3.3,
a) Indique quais as condies para que se possa efectuar a linearizao entrada-estado.
b) No caso das condies anteriores serem satisfeitas, e utilizando o algoritmo para a
linearizao entrada-estado, efectue a sua linearizao.
Resoluo
a) Para este modelo, ( ) ( ) u = + x f x g x , tem-se
2
1 2
sen
x
g b
x x
m
(
(
=
(

f
A
e
0
1
m
(
(
=
(

g
A

Verifique-se se o sistema controlvel. Por ser de 2 ordem ser M=[ad
f
0
g, ad
f

g].
0
0
ad
1
m
(
(
= =
(

f
g g
A

2
1 2 1 2
0 1 0
0 0
ad
1
0 0 sen cos
x
g b g b
x x x x
m m m
( ( (
(
( ( (
= =
(
( ( (

f
g f
g f g
x x
A A A
=
2
1
m
b
m
(
(
(
(
(

A
A

2
1
0
1
m
b
m m
(
(
=
(
(
(

M
A
A A
A caracterstica de M igual a 2 desde que m ou A ,
pelo que o sistema controlvel. Por sua vez os vectores coluna da matriz M so
constantes, e portanto involutivos [aplique-se-lhes a definio (5.108)]. Esto pois
satisfeitas as condies para que se possa efectuar a linearizao entrada-estado.
b) A 1 componente do novo vector de estado, z
1
, dever ser obtida por meio das
expresses (5.126) e (5.127). Uma vez que n=2, da expresso (5.126) resulta
1 1
1 2
0
0
1
z z
x x
m
(
(
(
=
(
(

A

1
2
1
0
z
m x
=
A

1
2
0
z
x

Da expresso (5.127) obtm-se
1 1
1 2
2
1
0
z z
m
b x x
m
(
(
(

(
(

(
(

A
A

1
1
2
1
0 0
z
m
b x
m
(
(
(

(
(
(
(

A
A

1
1
1
0
z
m x

A

1
1
0
z
x

A forma mais simples de satisfazer a ltima expresso consiste em fazer z
1
=x
1
.

A segunda componente do novo vector de estado, z
2
, determinada a partir de
(5.128):
2
1 1
2 1
1 2 1 2
L
sen
x
z z
z z
g b
x x x x
m
(
(
(
= =
(
(

f
A
=| |
2
2
1 2
1 0
sen
x
x
g b
x x
m
(
(
=
(

A

Logo, o novo vector de estado igual ao anterior: | | | |
1 2 1 2
z z x x = = = z x
A nova varivel de entrada calculada por meio de (5.129): u = (x) + (x) v
em que (x) e (x) so obtidos por (5.130) e (5.131), respectivamente:
(x) =
1
1
1
L
L L
n
n
z
z
f
g f
(x) =
1
1
1
L L
n
z
g f

1
1 2
L
n
z x
=
f
(j calculado atrs).
( )
2
1
2 2
1 1 2
1 1 1 2
L =L L L
sen
n n
x
x x
z z x
g b
x x x x
m
(
(
(
= =
(
(

f f f f
A
=
=| |
2
1 2
0 1
sen
x
g b
x x
m
(
(
(

(
A
=
1 2
sen
g b
x x
m

A

( )
1
2 2
1 2
1 1
0
L L L
1
n
x x
z x
x x
m
(
(
(
= =
(
(

g f g
A
=| |
0
1
0 1
1
m
m
(
(
=
(

A
A

Logo, ser
1 2
1 2
sen
( ) sen
1
g b
x x
m
mg x bx
m

= = + x
A
A
A

1
( )
1
m
m
= = x A
A

e portanto
1 2
sen u mg x bx m v = + A A ,
obtendo-se assim o sistema linear
1 2
2
z z
z v
( (
=
( (


Probl. 5-10
Considere o modelo de um motor de corrente contnua controlado pela corrente de
magnetizao, descrito pelo modelo de estado
1 1 1 2 2 3
2 4 2 5 1
2
x k x k x u k
x k x k x u
y x
= +
= +

k
1
a k
5
Constantes positivas, u Corrente de magnetizao (varivel manipulada),
x
1
Corrente no motor, x
2
velocidade do motor.
a) Efectue a sua linearizao entrada-sada.
b) Determine o grau relativo do sistema?
c) Exprima y em termos da notao usada na lgebra de Lie.
Probl. 5-11
Considere o sistema descrito pelo modelo de estado
1 2
2 1
0
sen 1
x x
u
x x
( ( (
= +
( ( (

a) Indique, justificando, se o sistema controlvel e se linearizvel entrada-estado.
b) Determine o grau relativo do sistema. Que conclui sobre a sua dinmica interna?
Probl. 5-12
Considere o sistema definido por

1 2
2 1 1 2 2
1
ln
x x
x x x x x u
y x
=
= + +

a) Determine uma lei de controlo u(x
1
,x
2
,v) (v a nova varivel de controlo), que
transforme este sistema em v y = . A lei de controlo global? Justifique.
b) Considere agora apenas as equaes entrada-estado. Determine f(x
1
,x
2
) e g(x
1
,x
2
) de
modo a que o sistema fique na forma: ( ) ( )
1
1 2 1 2
2
, ,
x
x x x x u
x
(
= +
(

f g

c) Defina variveis de estado z
1
e z
2
tais que 0 , 0
1 1
= g ad z g z
f
e
1 2
z L z
f
= .
Utilizando estas variveis, calcule a lei de controlo u =(x
1
,x
2
)+(x
1
,x
2
)v onde:
( )
1
1
2
2 1
,
z L L
z L
x x
f g
f
= ( )
1
2 1
1
,
z L L
x x
f g
=
(Compare com a lei de controlo obtida na alnea b)).
159

6. SISTEMAS DIFUSOS E REDES NEURONAIS

6.1. Introduo. Controlo inteligente
Quase todos os processos industriais esto ligados a sistemas de aquisio de dados, a
sistemas de controlo distribudo, ou apenas a sistemas de monitorizao e diagnstico.
Devido ao aumento de complexidade dos processos, com acrscimo do nmero de
cadeias de controlo multivarivel, com um grande acoplamento entre as variveis, fortes
no linearidades e variaes dos parmetros por vezes rpidas, os esquemas de controlo
convencionais, apesar de terem tido uma evoluo muito significativa, por vezes so
insuficientes para resolver alguns dos problemas de controlo que se colocam, pelo que
poder haver necessidade de recorrer a tcnicas diferentes das convencionais.
Uma das ideias que se encontra na base de algumas das tcnicas que surgiram foi a de
observar como que os seres vivos, e em particular os seres humanos, se comportam
perante determinado tipo de problemas, e como que os solucionam. Aplicado ao
controlo de processos surgiu desta forma o chamado controlo inteligente.
O facto do ser humano lidar por vezes com informao que no se encontra bem
definida, ou at mesmo inexistente foi uma das razes que levou ao aparecimento da
lgica difusa, que tem servido para muitos fins, entre eles para efectuar a identificao
de sistemas e efectuar o seu controlo. Os sistemas periciais e os sistemas baseados em
regras so outras formas de lidar com sistemas e podem por vezes ser associados aos
sistemas difusos.
A observao da modo como o crebro humano funciona deu origem ao desenvolvi-
mento de uma estrutura matemtica, as redes neuronais artificiais (RNA). Os diversos
tipos de RNA tm sido utilizados em campos muito diversos, sendo talvez os mais
importantes o reconhecimento de caracteres, o reconhecimento de padres e a
identificao de sistemas. Tambm tm sido usadas em controlo de sistemas.
Quando os parmetros de um sistema variam no tempo ou quando devido existncia
de vrios pontos de funcionamento com caractersticas muito distintas (devido por
exemplo s no linearidades), torna-se necessrio ir ajustando os parmetros do
controlador de uma forma automtica: este o princpio do controlo adaptativo. Outras
vezes h necessidade de trabalhar com sistemas em que os parmetros podem variar
muito rapidamente no tempo, de forma que, para a obteno de bons resultados, no h
tempo de esperar que se faa a adaptao dos parmetros. Surgiu ento a ideia de ter
previamente disponveis uns tantos modelos do sistema, previstos ou no previstos, e
outros tantos conjuntos de parmetros para os respectivos controladores, de modo a
entrar imediatamente em operao o controlador que nesse instante melhor corrige o
processo, tendo nascido assim o controlo com modelos mltiplos.
6 -SISTEMAS DIFUSOS, MODELOS MLTIPLOS E REDES NEURONAIS
Num outro tipo de formalismo, designado por algoritmos genticos, definem-se entes
matemticos com propriedades semelhantes s das clulas biolgicas, que nascem, se
multiplicam e desaparecem de acordo com um conjunto de regras bem definidas. Estes
algoritmos tm sido utilizados em vrios campos cientficos, nomeadamente no controlo
de processos.
Neste captulo apenas sero abordadas a lgica difusa e as redes neuronais e a sua
aplicao no controlo de sistemas.

6.2. Conjuntos e lgica difusa
6.2.1. Introduo
O conceito de conjunto difuso (fuzzy set) est associado a uma classe de objectos em
que no se consegue, ou no tem interesse, efectuar a classificao de uma forma
precisa, no sentido convencional. Embora o conceito se perca na 2 metade do sculo
XIX, ele s em 1965 foi formalmente apresentado, por Zadeh
(1)
. Uma das preocupaes
que estiveram na base do aparecimento dos conjuntos difusos foi a seguinte:
Algumas classes de objectos no tm critrios de pertena bem definidos.
Veja-se o seguinte exemplo: Esto 60 pessoas de diversas nacionalidades numa
esplanada em Paris, numa noite de Outubro, em que a temperatura ronda os 17 C.
Como que os utentes da esplanada classificam o ambiente: muito frio, frio, tpido,
quente ou muito quente?
Este problema, que aqui se equaciona para um facto do dia a dia, pe-se em qualquer
outro ramo de actividade, como sejam numa indstria ou at mesmo numa cincia
exacta como a Matemtica. Num processo industrial, um determinado operador trabalha
com uma certa vlvula com uma abertura que considera ideal, enquanto outro operador,
nas mesmas circunstncias acha que essa vlvula se encontra demasiado aberta. E em
matemtica, o que que se entende por analisar o comportamento de uma determinada
funo na vizinhana de x=0? Qual dever ser o domnio a considerar?
para formalizar este tipo de conceitos que se estudam os conjuntos difusos, e os
sistemas que com eles operam, designados por sistemas difusos. O conceito de tal
modo flexvel e poderoso que pode ser estendido aos sistemas de controlo, dando
origem ao controlo difuso.
6.2.2. Conjuntos e sistemas difusos
6.2.2.1. Definies
O conceito convencional de conjunto obtido custa de uma determinada
caracterstica, C. Designando por U o conjunto universal e por x os seus elementos,
para um determinado conjunto A atribui-se um valor C
A
(x) a cada um do seus elementos
xU, do seguinte modo:

1
Lutfi A. Zadeh, Engenheiro Electrotcnico, Azerbeijo, 1921-
6 - SISTEMAS DIFUSOS, MODELOS MLTIPLOS E REDES NEURONAIS

A
1, A
( )
0, A
sse x
C x
sse x

=

(6.1)
Esta funo caracterstica A de x, discrimina todos os elementos de um determinado
conjunto universal, tambm designado por universo do discurso, em dois grupos: os
que pertencem a A (tm a caracterstica C
A
=1) e os que no pertencem a A (tm a
caracterstica C
A
=0). Pode pois dizer-se que C
A
uma aplicao de U em {0,1}:

A
C : U {0,1} (6.2)
Esta classificao dicotmica, embora exacta, poder no ser das mais apropriadas para
lidar com certo tipo de fenmenos. Considere-se assim o exemplo dado atrs para
classificar o ambiente da esplanada em funo da temperatura. Pode efectuar-se uma
classificao, do tipo anterior, do modo seguinte:

Temperatura (T) Ambiente
T < 10 C muito frio
10 T < 17 C frio
17 T < 24 C tpido
24 T < 30 C quente
T 30 C muito quente

Sabe-se assim, de uma forma exacta, que a caracterstica do ambiente tpido se a
temperatura se encontrar compreendida entre 17 e 24 C, e no ser tpido caso
contrrio. E que acontece quando a temperatura, que estava a descer de uma forma
muito lenta, passar de 17.01 C para 16.99 C? Ser que o ambiente passou bruscamente
de tpido a frio? De acordo com a classificao dada de facto assim aconteceu. Mas ser
esta a forma mais correcta de classificar?
Para resolver situaes semelhantes deste exemplo faz-se uma extenso da noo
convencional de conjunto, definindo uma classe de objectos em que a transio de uma
classe para outra gradual, em vez de ser abrupta. assim introduzido o conceito de
funo de pertena, definido como se segue:
Seja U o conjunto universal ou universo do discurso. Define-se funo de pertena de
um conjunto A,
A
, pela aplicao

A
: U {0,1} (6.3)
em que {0, 1}.
Nestes termos, a classificao do ambiente da esplanada apresentado atrs pode por
exemplo ser feita com 5 funes de pertena, como exemplificado na Fig. 6.1
Define-se suporte de um conjunto difuso como o conjunto convencional dos pontos
com grau de pertena em A no nulo. Formalmente conjunto

A
{ U| ( ) 0} x x > (6.4)

Fig. 6.1 Funes de pertena para a temperatura ambiente

Define-se corte- fraco de um conjunto difuso A, ou simplesmente corte-, como

A
A { U ( ) } x x
= (6.5)
Define-se corte- forte de um conjunto difuso A, como sendo

A
A { U ( ) } x x
= > (6.6)
Se a funo de pertena for contnua os cortes fraco e forte so coincidentes.
Define-se altura de um conjunto difuso A pela expresso

A
(A) {sup ( ) } H x = > (6.7)
Um conjunto difuso diz-se normalizado ou regular se H(A) = 1.
Um conjunto difuso diz-se convexo quando o seu suporte um subconjunto dos reais e
verifica

A A A
[ , ] , ( ) min( ( ), ( )) x a b x a b (6.8)
Observando o conjunto difuso de valores do ambiente tpido do exemplo anterior,
conclui-se que normalizado e convexo.
Chama-se nmero difuso a um conjunto difuso normalizado e convexo, definido em ,
com uma funo de pertena contnua ou contnua por troos. D-se um exemplo,
relacionado com o que j foi abordado na introduo, da vizinhana de uma funo em
torno de zero. Introduza-se o conceito de nmero prximo de zero atravs de uma
funo de pertena, por exemplo,

zero 2
1
( )
10 1
x
x
=
+
(6.9)
temperatura
frio muito
frio
tpido quente
muito
quente
ambiente
0
0.2
0.4
0.6
0.8
1
0 5 10 15 20 25 30 35 40C
cuja representao grfica se encontra na Fig. 6.2. O conjunto difuso dos nmeros
prximos de zero caracterizado pela funo de pertena (6.9). O nmero difuso
aproximadamente zero poder ser caracterizado pela mesma funo de pertena.

Fig. 6.2 Funo de pertena para o conjunto difuso
dos nmeros reais prximos de zero.

Chama-se singular difuso (fuzzy singleton) a um conjunto difuso cujo suporte um
nico ponto de U. Se A um singular difuso cujo suporte o ponto x
0
, ento A
representado por

A 0 0
A ( ) / x x = (6.10)
Um conjunto difuso A pode ser considerado como sendo a unio dos seus singulares
constituintes. Nesta conformidade, num universo de discurso discreto X={x
1
, x
2
, ,x
n
}
o conjunto pode representar-se por

A
1
A ( ) /
n
i i
i
x x
=
=
(6.11)
6.2.2.2. Propriedades fundamentais
H dois princpios bsicos na teoria dos conjuntos difusos: o princpio da resoluo e o
princpio da extenso.
O princpio da resoluo, ou da representao, afirma o seguinte: um conjunto difuso
pode ser encarado como sendo a unio dos seus cortes-:

| ) ( | 0,1 0,1
A A A

= =

(6.12)
O princpio da extenso permite a generalizao de conceitos matemticos convencio-
nais aos conjuntos difusos. Seja f uma funo contnua tal que f: XY. Pelo princpio
da extenso, ao conjunto difuso A definido em X feito corresponder um conjunto
difuso f(A) tal que
A
(x)
-3 -2 -1 0 1 2 3
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x

(A)
(A) ( ) / ( )
f
Y
f x f x =
(6.13)

(A)
( )
( ) sup ( )
f A
y f x
y x
=
= (6.14)
Este princpio est na base da aritmtica difusa, cujas operaes foram generalizadas a
nmeros difusos, por meio da aplicao de (6.13) e de (6.14).

Fig. 6.3 Adio de dois nmeros difusos

6.2.3. Lgica difusa
A designao lgica difusa utilizada em dois contextos diferentes:
Um no sentido lato, designando os conceitos e tcnicas referentes aos conjuntos e
aos sistemas difusos (exemplo: controlador de lgica difusa).
Outro em sentido restrito, referindo-se s relaes entre grandezas difusas.
6.2.3.1. Variveis
De entre as diversas variveis tipo que podem ser definidas, sero considerados apenas
duas: as variveis difusa e as variveis lingusticas.
Variveis difusas so aquelas cujos valores so nomes de conjuntos difusos,
associados aos seus possveis valores. No exemplo apresentado na pg. 157 a
temperatura, associada aos valores desde muito frio at muito quente um exemplo
de uma varivel difusa.
Variveis lingusticas so aquelas cujos valores so nomes de conjuntos difusos,
associados a expresses que permitem determin-las. Tomando o exemplo da pg. 157,
poder definir-se uma varivel lingustica TpAmbiente quente mas no muito quente.
De um modo mais formal, define-se varivel lingustica x pelo conjunto
( , U, , ) x L G S = (6.15)
em que L o conjunto de termos lingusticos de x; cada um destes termos representado
por um conjunto definido no universo U. G representa uma gramtica para a
manipulao sintctica e S uma regra semntica que associa a cada varivel difusa uma
varivel lingustica.
| | | | | | | |
0 1 2 3 4 5 6 7
2 + 3 = 5
~ ~ ~
1
6.2.3.2. Operaes
Nos conjuntos convencionais definem-se as seguintes as operaes fundamentais ou
operaes bsicas: unio, interseco e complemento:
Unio A B { U| A B} x x x = (6.16)
Interseco A B { U| A B} x x x = (6.17)
Complemento A { U| A} x x = (6.18)
Com conjuntos difusos definem-se operaes semelhantes a estas, mas em termos de
funo de pertena. Considerem-se dois conjuntos difusos A e B, definidos em U, com
funes de pertena
A
e
B
.
A funo de pertena da unio ou disjuno de A com B definida ponto a ponto para
todos os elementos xU tais que

A B A B
( ) = max{ ( ), ( )} x x x
(6.19)

Fig. 6.4 Operaes bsicas com conjuntos difusos.

De modo anlogo, a funo de pertena da interseco ou conjuno de A com B
definida ponto a ponto para todos os elementos xU tais que

A B A B
( ) = min{ ( ), ( )} x x x
(6.20)
x 0 50 100
0
0.2
0.4
0.6
0.8
1
Conjuntos difusos A e B
g
r
a
u

d
e

p
e
r
t
e
n
a

0 50 100
0
0.2
0.4
0.6
0.8
1
Unio de A e B
0 50 100
0
0.2
0.4
0.6
0.8
1
Interseco de A e B
x
0 50 100
0
0.2
0.4
0.6
0.8
1
Complemento de A
g
r
a
u

d
e

p
e
r
t
e
n
a

g
r
a
u

d
e

p
e
r
t
e
n
a

g
r
a
u

d
e

p
e
r
t
e
n
a

x x
A
B
A funo de pertena do complemento de A definida ponto a ponto para todos os
elementos xU tais que

A A
( ) = 1- ( ) x x (6.21)
Na Fig. 6.4 faz-se uma representao grfica das operaes que se acabam de
apresentar.
Aos operadores lgicos unio e interseco, uma vez que estabelecem uma ligao entre
conjuntos difusos, d-se por vezes o nome genrico de conectivas.
O produto cartesiano de n conjuntos difusos A
1
, A
2
, A
n
, definidos respectivamente
em U
1
, U
2
, , U
n
, o conjunto difuso definido no espao cartesiano U
1
U
2
U
n
,
com a seguinte funo de pertena:

1 1 n
A A A
( ) = min{ ( ), , ( )}
n
A
x x x

(6.22)

A forma de definir os operadores lgicos OU difuso, E difuso e Complemento
difuso so as que foram propostas por Zadeh, mas no so as nicas. Os operadores
lgicos interseco e conjuno so definidos de uma forma bastante mais genrica
atravs dos chamados operadores triangulares. Definem-se dois operadores
triangulares, a norma-T, extenso da interseco, e a norma-S, extenso da
conjuno.
Norma-T Seja x o elemento genrico do universo do discurso, A e B dois
conjuntos difusos e
A
(x) e
B
(x) duas funes de pertena para A e B respectivamente.
O conjunto C diz-se norma-T de A e B sse existir uma funo de pertena
C
(x) definida
do modo seguinte:

( ) ( ( ), ( ))
: [0,1] [0,1] [0,1]
C A B
x T x x
T
=

(6.23)
e goza das seguintes propriedades:
T
1
fronteira: T(0,0)=0 T(1,a)=T(a,1)=a
T
2
monotonia: T(a,b)T(c,d) sse a c bd
T
3
comutatividade: T(a,b)=T(b,a)
T
4
associatividade: T(a,T(b,c))=T(T(a,b),c)
A propriedade P
1
uma generalizao da propriedade anloga existente nos conjuntos
convencionais. Da propriedade P
2
conclui-se que a diminuio do grau de pertena de A
ou de B no pode produzir um aumento do grau de pertena da sua interseco. A
comutatividade da interseco diz que indiferente a ordem pela qual se combinam os
conjuntos. Finalmente a associatividade permite efectuar o agrupamento de conjuntos
emparelhando-os como se pretender.
A norma-T de x e y tambm representada por:
T( , ) ( , ) x y x y x y (6.24)

Norma-S Sejam
A
(x) e
B
(x) duas funes de pertena de dois conjuntos difusos
A e B respectivamente. O conjunto C diz-se norma-S de A e B sse existir uma funo de
pertena
C
(x) definida do modo seguinte:

( ) ( ( ), ( ))
: [0,1] [0,1] [0,1]
C A B
x S x x
S
=

(6.25)
e goza das seguintes propriedades:
S
1
fronteira: S(1,1)=1 S(a,0)=S(0,a)=a
S
2
monotonia: S(a,b)S(c,d) sse a c bd
S
3
comutatividade: S(a,b)=S(b,a)
S
4
associatividade: S(a,S(b,c))=S(S(a,b),c)
A norma-S de x e y tambm representada por:
S(x,y) = (x,y) = x y (6.26)

A norma-T est associada norma-S por meio da negao ou complemento:
( ( ) ( )) x y n n x n y = (6.27)
A relao (6.27) no mais do que uma das leis de Morgan.
Deixa-se ao cuidado do leitor verificar que a funo de pertena interseco, definida
por (6.20), obedece definio (6.23) propriedades T
1
a T
4
, e que a funo de pertena
unio, definida por (6.19), obedece definio (6.25) e goza das propriedades S
1
a S
4
.
H outras formas de definir as funes de pertena interseco e unio, dentro das
normas triangulares. A mais simples para a interseco, consiste em efectuar o produto
xy e para a unio, efectuar a operao x+yxy, designada por ou probabilstico.
6.2.3.3. Regras if-then
Viu-se que as funes de pertena so definidas por regras. Comparando com a
linguagem corrente, os elementos de um conjunto so equivalentes aos substantivos e os
operadores equivalentes aos verbos. H uma regra condicional, bastante conhecida das
linguagens de programao, que a if-then. Ela tem uma forma semelhante a
se x pertence a A ento y pertence a B
A primeira parte da regra, se x pertence a A designada antecedente ou permissa. A
2 parte, ento y pertence a B tem o nome de consequente ou concluso. Concretize-
se com um exemplo, a partir das temperaturas ambiente e do tipo de estao do ano.
se o ambiente est quente ento tempo de Vero
A caracterstica quente representada por um nmero entre 0 e 1 e portanto o
antecedente gera um nmero tambm compreendido entre 0 e 1. A palavra Vero um
conjunto difuso; o consequente atribui a uma varivel de sada (tempo) um conjunto
difuso (Vero).
6.2.4. Regras de inferncia
As regras de inferncia constituem o processo de estabelecer a relao entre as entradas
e as sadas de um sistema lgico. Esta relao, aplicao ou mapping fornece a base
a partir da qual podem ser tomadas decises. Este processo envolve os conceitos que se
apresentaram atrs: funes de pertena, operadores lgicos e regras if-then.
Vai dar-se um exemplo que permite fazer a previso aproximada da chuva numa certa
regio, tomando como base o valor da presso atmosfrica e a direco do vento. Este
exemplo muito simplista, pois uma boa previso dever ser baseada em mais variveis
de entrada. Os passos a seguir so os seguintes:
1. Escolha das variveis de entrada e de sada. Neste exemplo as variveis de
entrada sero a presso atmosfrica e a direco do vento. Esta escolha dever ser
feita de acordo com os conhecimentos meteorolgicos pr-existentes que se sabe
serem determinantes para o estado do tempo. Vai considerar-se para varivel de
sada a previso da quantidade de chuva.
2. Definio dos universos de discurso para as variveis de entrada. Neste
exemplo, tendo em conta conhecimentos meteorolgicos sabe-se que a presso
atmosfrica poder estar baixa, normal ou alta.
3. Definio das funes de pertena para as variveis consideradas (fuzificao
das entradas e das sadas). aqui que se vai dizer o que se entende por presso
baixa, normal ou alta, e o que vento Norte, Oeste ou outro. Neste exemplo
considerar-se-o apenas 3 funes de pertena para a variao da presso e 4 para
a direco do vento. Podero ser utilizadas funes do tipo gaussiano, como se
mostra na Fig. 6.5, ou de outro tipo, como no exemplo que se d adiante.

Fig. 6.5 Funes de pertena para a presso e para a direco do vento.

4. Escolha das conectivas a utilizar. Para este efeito devero ser definidos os tipos
de funes a utilizar para as funes de pertena da conjuno e da disjuno.
Neste exemplo escolhe-se para a interseco a funo mnimo(x,y) e para a unio a
funo mximo(x,y).

N
-100 0 100
presso / mBar

-180 -90 0 90 180
direco do vento /
O S
S E P0 P+ P
5. Escolha das regras de inferncia. neste ponto que se vo criar as variveis
difusas de sada, a partir de regras. Neste exemplo vai ser utilizado o conheci-
mento pr-existente sobre o fenmeno (consulta aos especialistas) para prever se
vai ou no haver chuva. Quando h apenas duas variveis de entrada comum
apresentarem-se as regras sob a forma de uma matriz. Se houvesse mais variveis
de entrada as regras poderiam ser apresentadas sob a forma de um array. No
caso deste exemplo pode construir-se a seguinte matriz, geradora das variveis
difusas SC, SC+, CH, CH+.

Estas variveis difusas de sada tm o seguinte significado:
SC+ tempo muito seco
SC tempo seco
CH tempo de chuva
CH+ tempo com muita chuva
A matriz apresentada uma forma compacta de apresentar as seguintes regras:
1. Se (if) a presso atmosfrica P- e (and) a direco do vento S, ento (then) o
tempo ir ser SC (tempo seco).
2. Se (if) a presso atmosfrica P- e (and) a direco do vento E, ento (then) o
tempo ir ser SC+ (tempo muito seco).
3. Se (if) a presso atmosfrica P0 e (and) a direco do vento S, ento (then) o
tempo ir ser CH (tempo chuvoso).
4. Se (if) a presso atmosfrica P0 e (and) a direco do vento E, ento (then) o
tempo ir ser SC (tempo seco).

H neste exemplo um total de 8 regras, que definem as 4 variveis difusas de sada
indicadas acima. No caso geral as regras no tero necessariamente que ser feitas apenas
com o operador and, podero ser mais complexas, em particular quando h mais que
duas entradas.
Ficam assim definidas, em termos de variveis lingusticas, as 4 possibilidades que o
tempo atmosfrico ir ter, em funo das medies efectuadas na presso e na direco
do vento. No caso de pretender dar esta informao de forma numrica ou atravs de um
ponteiro sobre uma escala, torna-se necessrio efectuar a agregao das variveis
lingusticas de sada assim obtidas e converter a agregao num valor numrico atravs
da operao inversa da fuzificao, que designada por desfuzificao. Estes dois
pontos sero abordados no exemplo seguinte, do controlo de um satlite.

and direco do vento
presso atmosf. N (norte) S (sul) E (este) O (oeste)
P- - SC SC+ -
P0 - CH SC CH
P+ CH CH+ - CH+
. . .
6.2.5. Projecto de um controlador difuso
O projecto de um controlador difuso tem passos muito semelhantes aos anteriores. Vai
admitir-se que o controlador ser inserido numa cadeia de controlo convencional, com
realimentao negativa, como se mostra na Fig. 6.6.

Fig. 6.6 Cadeia de controlo difuso.

Os passos a considerar no projecto do controlador so os seguintes:
1. Escolha das variveis de entrada e de sada.
2. Definio dos universos de discurso para as variveis de entrada e de sada.
3. Definio das funes de pertena para os termos lingusticos das variveis
consideradas (fuzificao das entradas e das sadas).
4. Construo das regras de inferncia a utilizar.
5. Escolha das conectivas a utilizar.
6. Agregao de todas as regras de sada.
7. Desfuzificao da sada.

Vai concretizar-se atravs do exemplo dado no Cap.2: Pretende-se controlar a posio
angular de um satlite, obrigando-o a rodar em torno de um eixo por meio de um par
de propulsores, como indicado na Fig. 6.7. Considera-se apenas este grau de liberdade.

1. Escolha das variveis de entrada e de sada:
Viu-se na seco 2.4.1, que utilizando na cadeia de controlo apenas a varivel
posio angular, o satlite ficava a oscilar em torno da referncia. Vai ento utilizar-
-se, alm da posio, o valor da velocidade angular,
. Tem-se deste modo para

variveis de entrada do controlador a posio angular e a velocidade angular. A
sada do controlador ser a intensidade do jacto propulsor (em que se considera o
seu sentido).

controlador
difuso
y
referncia +

processo
erro controlo sada
u
e
r

regras


Fig. 6.7 Esquema do satlite

2. Universos do discurso:
A posio do satlite poder variar entre e +. A determinao da sua velocidade
angular um pouco mais complicada. Ela depende do momento de inrcia do satlite
em torno do seu eixo de rotao e do binrio propulsor. Para um satlite com a massa
de 200 kg, e o dimetro de 2,8 m, e para um binrio propulsor de 1 Nm, um clculo
aproximado permite determinar o momento de inrcia do satlite (suposto homo-
gneo I=2/5mR
2
=160 kg.m
2
) e concluir, utilizando as expresses (2.34) e (2.35) que
a velocidade angular estar compreendida entre 0.20 e +20 rad/s. Tem-se assim os
valores do universo do discurso: =x
1
[,+] rad e
=x
2
[0.2,+0.2] rad/s.
3. Definio das funes de pertena:
A definio das funes de pertena feita de acordo com a sensibilidade que o
especialista tem em relao ao problema especfico em causa. Mesmo assim
recomendado que se faam vrias hipteses, se testem os resultados e se escolha a
que conduzir a melhores resultados. Uma vez que se est a apresentar um exemplo,
vai comear-se com um nmero muito pequeno de funes de pertena e testar o
resultado. Na prtica corrente ter entre 3 e 11 funes de pertena por varivel.
Escolhemos 3 funes de pertena para a posio e outras 3 para a velocidade:
Posio: Velocidade:
RE rodado esquerda VE velocidade para a esquerda
R0 centrado V0 velocidade nula
RD rodado direita VD velocidade para a direita

Podem escolher-se as funes de pertena do tipo triangular, como indicado na
Fig. 6.8. Depois de efectuados os testes podem escolher-se outros tipos de funes de
pertena, nomeadamente funes do tipo gaussiano, e comparar os resultados. Em
grande parte dos casos no haver melhoria significativa no desempenho.
Para a velocidade angular segue-se uma estratgia anloga que se utilizou com a
posio.

antena
u


Fig. 6.8 Funes de pertena para a posio e velocidade do satlite

4. Obteno das regras de controlo
A definio das regras de controlo tambm feita de acordo com os conhecimentos
do especialista em satlites, que definiu as regras seguintes:
1. Se (if) a posio RE e (and) a velocidade VE, ento (then) o jacto dever ser
JD2 (jacto para a direita, forte).
2. Se (if) a posio RE e (and) a velocidade V0, ento (then) o jacto dever ser
JD (jacto para a direita).

Como para o exemplo anterior poder elaborar-se o conjunto de regras por
seguinte quadro, em que as entradas so ligadas por meio do operador E.

posio angular
velocidade
angular
RE R0 RD
VE JD2 JD J0
V0 JD J0 JE
VD J0 JE JE2

De acordo com o quadro resumo haver 9 regras e 5 funes de pertena para o
jacto propulsor:
JE2 jacto propulsor actua para a esquerda, forte
JE jacto propulsor actua para a esquerda
J0 jacto propulsor nulo
JD jacto propulsor actua para a direita
JD2 jacto propulsor actua para a direita, forte

. . .
- - /8 0 /8 x
1
= pos. ang.
(x
1
)
RE
RD
R0
-0.20 -0.07 0 0.07 0.20 x
2
= vel. ang.
(x
2
)
V0
VD
VE

Fig. 6.9 Funes de pertena para a intensidade do jacto propulsor

5. Escolha das conectivas a utilizar.
Este ponto poder ser feito antes ou depois do anterior. Serve para definir o modo
como so implementados os operadores ou e and. Podem de novo usar-se as
definies (6.19) e (6.20), por serem as mais correntes e a experincia mostrar que
oferecerem um bom desempenho.
6. Agregao de todas as regras de sada.
A agregao o processo pelo qual os conjuntos difusos resultantes de cada regra
so combinados num nico conjunto difuso. A agregao das regras de sada
necessria, uma vez que muitas das decises se baseiam em mais do que uma
regra ao mesmo tempo. Esta afirmao particularmente vlida quando as
funes de pertena so do tipo gaussiano. Acompanhe-se a exposio com um
exemplo. Admita-se o satlite estava posicionado e estabilizado e que se mudou
de 0.1 rad a referncia da posio angular. O erro de posio ser de +0.1 rad. Da
Fig. 6.8 tira-se, para x
1
=0.1, o valor de
R0
(x
1
)=0.73 e o valor de
RD
(x
1
)=0.27. O
satlite est centrado com um grau de pertena de 0.73 e rodado direita com um
grau de pertena de 0.27. Pode dizer-se que com as funes de pertena atribudas
o satlite est mais centrado do que desviado. Como neste instante a velocidade
angular nula ser
V0
(x
2
)=1 e as outras funes de pertena da velocidade tm o
valor zero. A sada depender de duas regras simultneas com valores no nulos:
1. Se (if) a posio R0 e (and) a velocidade V0, ento (then) o jacto dever ser J0
(jacto nulo), multiplicado por 0,73
2. Se (if) a posio RD e (and) a velocidade V0, ento (then) o jacto dever ser
JE (jacto para a esquerda), multiplicado por 0.27.
O resultado global consiste em multiplicar por 0.73 a funo de pertena J0, por
0.27 a funo JE e efectuar a sua unio. Resulta a funo de pertena que limita a
rea sombreada da Fig. 6.10.
importante chamar-se aqui a ateno para o facto de as regras deverem ter um
peso diferente consoante a entrada. Com efeito, neste exemplo, a importncia da
contribuio da posio e da velocidade para a intensidade do jacto propulsor no
ser a mesma. Neste exemplo tal no foi considerado, tendo sido atribudos o
mesmo peso 1 s contribuies da posio e da velocidade.

-1.0 -0.5 -0.25 0 0.25 0.5 1.0 u

= jacto
(u)
JD2 JD J0 JE JE2

Fig. 6.10 Funo de pertena da agregao das sadas

7. Desfuzificao da sada.
A desfuzificao consiste em converter a varivel de sada lingustica num valor
numrico. No exemplo que se est a apresentar, a sada a funo de pertena que
limita a rea sombreada, e resultado da agregao das sadas de cada regra. Mas a
sada para o jacto no pode ser uma funo de pertena, tem que ser um valor
numrico, que neste exemplo dever estar no intervalo [-1, 1], em que 1 o mximo
de intensidade que o jacto pode ter num sentido e -1 no sentido oposto. pois
necessrio efectuar a converso da sada lingustica num nmero que esteja dentro da
gama de sada. Um mtodo muito vulgar para efectuar esta converso o chamado
mtodo do centride; consiste em determinar o centro geomtrico da rea definida
pela funo de pertena da agregao das variveis de sada e a partir da sua posio
determinar a coordenada da sada, pela distncia ao eixo das ordenadas, como se
indica na Fig. 6.10.
6.2.6. Controlo difuso do satlite no Matlab
O sistema se controlo que acaba de se descrever foi implementado em Matlab/Simulink.
Para este efeito necessrio implementar as regras em Matlab, atravs do editor FIS
(fuzzy inference systems). Para isto invoca-se o editor atravs do comando fuzzy.
Uma vez no editor define-se o nmero de entradas, a gama de cada entrada, o nmero
de funes de pertena e o seu tipo (de entre uma lista standard). Faz-se o mesmo para
as sadas. Definem-se tambm as regras e o seu peso. Pode observar-se o resultado final
vendo as regras ou a superfcie. O ficheiro dever ser salvo em disco e tambm no
workspace. Este ltimo ponto importante, pois ao workspace que o Simulink vai
buscar as regras.
A seguir abre-se o Simulink e constri-se o modelo do satlite. Da biblioteca do
Simulink Fuzzy Logic Toolbox copia-se o Fuzzy Logic Controller, que dever ser
ligado entrada do processo (atravs de um ganho). Este dever estar ligado ao ficheiro
com as regras que foram anteriormente salvas no workspace. A entrada do Fuzzy
Logic Controller dever ser feita atravs de um multiplexer, que contm o erro de
posio e a velocidade, esta multiplicada por um ganho. Na pg. seguinte est
representado o modelo que acaba de se descrever. Colocou-se tambm um PID, para
poder comparar o desempenho dos controladores.

-1.0 -0.5 -0.25 0 0.25 0.5 1.0 u

= jacto
(u)
JD2 JD J0 JE JE2
agregao

0.07
Modelo Simulink utilizado para implementar o controlo difuso do satlite:

Modelo do satlite:

Resultados do controlo:

60 80 100 120 140 160 180 200
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
referncia
posio
tempo / s
posio
angular
/ rad

6.3. Redes Neuronais
6.3.1. Conceitos e definies
6.3.1.1. A rede multicamada
Uma rede neuronal artificial, RNA, uma estrutura matemtica constituda por um
nmero finito de unidades individualizadas, tambm designadas por neurnios, orga-
nizados em camadas. A rede uma aplicao de um espao de entrada P num espao
de sada A.
A Fig. 6.11 representa a estrutura de uma RNA. O sinal de entrada, P, um vector de
dimenso
r
, aplicado entrada da rede. A entrada da rede contm r unidades,
dispostas numa camada. Cada unidade desta camada recebe directamente a respectiva
componente do sinal de entrada. A soma das entradas multiplicadas por coeficientes de
ponderao, no indicados na figura, qual adicionado um valor constante, aplicada
a cada uma das unidades da camada seguinte, designada por 1 camada, que origina
uma sada a
( ) a i = (6.28)
em que i designa a soma ponderada das entradas e do valor constante, e uma funo
suave crescente e limitada, designada por funo de activao
2
.

Fig. 6.11 Representao de uma rede neuronal artificial

2
D-se o nome de "funo suave" a uma funo contnua e indefinidamente diferencivel.

N de ordem
da camada
N de
unidades
1
2
i
n

n

-1
Entrada 1 camada
escondida
Camada
de sada
P
A
L
0 1 -1 L-1 L
r n
1
n
-1
n
n
L-1
n
L

A Fig.6.12 representa o detalhe de uma unidade de processamento, ou neurnio, e a
Fig.6.13 mostra um exemplo de uma funo de activao. De uma forma anloga ao que
se passa na 1 camada, a segunda camada recebe os sinais de sada de cada uma das
unidades da camada 1, tambm multiplicados por coeficientes de ponderao, e o
processo repete-se at se atingir a camada de sada.

Fig.6.12 Representao do clculo realizado pelo neurnio i da camada l

Na terminologia das RNA costume designar por camadas escondidas todas as que se
encontram entre a entrada e a camada de sada, no sendo a entrada contabilizada para
efeito de contagem do nmero de camadas, embora muitas vezes se lhe chame camada
de entrada. Assim, por exemplo, quando se referir uma rede de trs camadas, significa
que se trata de uma rede com duas camadas escondidas e uma camada de sada.

Fig.6.13 Exemplo de uma funo de activao

i
a
+
a
-1
1
a
-1
2
a
-1
n
-1

w

i 1
w

i 2
w

i n
-1
i

i
b

i
(.)

i
a

i
1

-1.5
-1
-0.5
0.5
1
1.5
-6.0 -4.0 -2.0 4.0 6.0 2.0
Nas duas expresses seguintes esto indicados os clculos efectuados na unidade
genrica i da camada :
Valor interno:
1
1
1
n
i ij j i
j
i w a b
=
= +

(6.29)
Sada: ( )
i i i
a i =

(6.30)
Designando por W
a matriz de transferncia da sada da camada -1 para a camada ,

1
1
1
1
11 12 1
21 22 2
1 2
1 2
...
...
... ... ... ...
...
... ... ... ...
...
n
n
i i in
n n n n
w w w
w w w
w w w
w w w
(
(
(
(
(
=
(
(
(
(
(

W

(6.31)
por I
o vector de valores internos nas unidades da camada , por B
o vector de cons-
tantes ou vector de polarizao da camada e por A
o vector de sada da camada ,

1
2
...
n
i
i
i
(
(
(
=
(
(
(

I

1
2
...
n
b
b
b
(
(
(
=
(
(
(

B

1
2
...
n
a
a
a
(
(
(
=
(
(
(

A
(6.32)
as equaes (6.29) e (6.30) podem escrever-se na forma matricial

1
= + I W A B

(6.33)
( ) = A I

(6.34)
em que
aplicado individualmente a cada um dos elementos do vector I

.
Na matriz W
,
ij
w
representa o coeficiente de ponderao que multiplica a sada da

unidade j da camada anterior, -1, antes de a adicionar unidade i da camada , e no
vector B

i
b
o vector de polarizao da unidade i da camada .

corrente fazer-se a funo de activao igual para todas as unidades de uma mesma
camada.
Uma vez que as funes de activao so limitadas, para se poder ter uma sada com
uma amplitude arbitrria faz-se a camada de sada linear (
(x) = x), pelo que a sada

de uma rede com L camadas dada pela expresso
L L L-1 L-1 2 2 1 1 1 2 L-1 L
A =W (W ( ( (W ( (W (WP+B )+B )+ +B )+ )+B )+B

(6.35)
A
1

A
2

O sinal de entrada poder ser uma funo contnua do tempo, P(t), sendo ento a sada
tambm uma funo contnua, admitindo-se neste caso que a execuo dos clculos se
faz em tempo contnuo e num intervalo de tempo infinitesimal, ou poder ser uma
sequncia de sinais discretos do tempo ou de outras variveis. Neste caso a execuo
dos clculos faz-se ao ritmo da chegada das entradas da rede.
Repare-se que a RNA, tal como aqui foi definida, uma rede esttica, no guardando
qualquer informao relativa a estados anteriores; no existe realimentao das sadas
nas entradas. No caso de se desejar manipular sistemas dinmicos, os valores anteriores
das entradas, sadas ou estados devero ser aplicados entrada juntamente com a
entrada actual da rede.
6.3.1.2. A rede de base radial
A estrutura desta rede semelhante da rede anterior, mas com uma diferena
importante: o sinal de entrada primeiramente transformado por meio de uma funo
no linear, s sendo em seguida efectuada a soma dos valores resultantes de cada
converso, como se mostra na expresso (6.36) e na Fig.6.14.

1
1
1
( , )
n
i i i i i
j
a w a c
=
=

(6.36)

Fig.6.14 Representao grfica da unidade i da camada l, numa rede de base radial

a
-1
1
a
-1
2
al
-1
n
-1

i

i
w

i
a

i
1
(
1
1 a

,
1 c
2
(
1
2 a

,
2 c
1
n
(
1
1
n a

,
1
n c

i
(
1
i a

,
i c
)
6.3.2. A RNA como aproximador universal
A RNA constitui um aproximador universal. Uma das suas vantagens sobre outros
aproximadores consiste em ter-se uma estrutura com um nmero finito de unidades. Se
a funo a aproximar for contnua, possvel aproxim-la por meio de uma RNA com
apenas duas camadas, uma camada escondida e a camada de sada:

2 2 1 1 1 2
f =W (WP+B )+B (6.37)
Se a funo a aproximar for descontnua, poder no ser possvel aproxim-la por meio
de uma rede de duas camadas. no entanto sempre possvel aproxim-la por meio de
uma RNA com trs camadas:

3 3 2 2 1 1 1 2 3
f =W (W (WP+B )+B )+B (6.38)
Este ltimo caso de bastante interesse em sistemas de controlo com a lei de
realimentao descontnua, ou em sistemas em que haja necessidade de identificar
modelos inversos de processo de fase no mnima.
6.3.3. Estrutura de uma rede
6.3.3.1. Nmero de camadas
Na seco anterior viu-se que para as aplicaes que interessam identificao de
sistemas e ao controlo suficiente a utilizao de redes com trs camadas: duas
camadas escondidas e uma camada de sada. Nos casos mais simples, em que no haja
descontinuidades da funo a aproximar, no modelo a identificar ou na lei de controlo,
suficiente a utilizao de uma camada escondida e uma camada de sada.
6.3.3.2. Nmero de unidades
A determinao do nmero de unidades de uma rede, e a sua distribuio pelas camadas
da rede, normalmente abordada de uma forma prtica, uma vez que no existe um
procedimento exacto para efectuar a sua determinao. Obviamente o nmero de
unidades das camadas de entrada e de sada devero ser iguais dimenso dos
respectivos sinais.
Para as camadas escondidas corrente configurar inicialmente a rede com um nmero
de unidades igual soma das dimenses dos sinais de entrada e de sada. Depois de
testar a rede com este nmero de unidades, reconfigura-se a rede com mais ou menos
unidades, consoante os resultados obtidos. Na medida em que os resultados sejam
aceitveis, utilizar-se- sempre o menor nmero possvel de unidades.

6.3.3.3. Funes de activao
De entre as vrias funes de activao no lineares utilizadas nas RNA salientam-se as
seguintes:

Funo Expresso Grfico
1
Exponencial (x) =
x
e 1
1
+

0
0 , 2
0 , 4
0 , 6
0 , 8
1
1 , 2
- 6 , 0 - 4 , 0 - 2 , 0 0 , 0 2 , 0 4 , 0 6 , 0

2
Exponencial (x) =
x
x
e 1
e 1

- 1 . 5
- 1
- 0 . 5
0
0 . 5
1
1 . 5
- 6 . 0 - 4 . 0 - 2 . 0 0 . 0 2 . 0 4 . 0 6 . 0

3
Trigonomtrica
inversa arctg()
(x) =
2
arctan(x)
- 1
- 0 . 8
- 0 . 6
- 0 . 4
- 0 . 2
0
0 . 2
0 . 4
0 . 6
0 . 8
1
- 6 . 0 - 4 . 0 - 2 . 0 0 . 0 2 . 0 4 . 0 6 . 0

4

Hiperblica th()

Igual 2, excepto
factor de escala em x
- 1 . 5
- 1
- 0 . 5
0
0 . 5
1
1 . 5
- 6 . 0 - 4 . 0 - 2 . 0 0 . 0 2 . 0 4 . 0 6 . 0

5
Degrau unitrio
Pode ser considerado
como sendo o limite
dos anteriores,
mudada a escala x - 1 , 5
- 1
- 0 , 5
0
0 , 5
1
1 , 5
- 6 , 0 - 4 , 0 - 2 , 0 0 , 0 2 , 0 4 , 0 6 , 0
S e r i e s 4

Do ponto de vista do comportamento da rede, as quatro primeiras funes so equiva-
lentes.

6.3.4. Obteno dos parmetros da rede
6.3.4.1. Funcional de custo
Depois de se fixar o nmero de camadas de uma rede e o nmero de unidades em cada
camada, dever determinar-se quais os valores dos parmetros
ij
w
e de
i
b
que
conduzem ao melhor desempenho da rede. Aos parmetros
ij
w
d-se tambm o nome

de pesos.
O mtodo correntemente usado para avaliar o desempenho de uma rede consiste em
calcular o funcional de custo, J
Nd
, obtido pela soma do quadrado dos desvios da
previso em relao ao processo, e referida a um par de sequncias { y } e {y} de
comprimento N
d
.

2
1
[ ( ) ( )]
Nd
Nd
k
J y k y k
=
=
(6.39)
Considera-se que a rede adequada se o valor deste funcional for inferior a um
determinado limite de aceitao.
Os parmetros ideais para a rede sero assim aqueles a que corresponde o mnimo do
funcional J
Nd
. Pode no entanto acontecer que este mnimo esteja acima do limite de
aceitao. Isto poder ser devido a vrias causas:
O mnimo obtido para J
Nd
no um mnimo absoluto mas sim um mnimo local.
O nmero de unidades da rede no suficiente.
O nmero de entradas da rede no o correcto.

A determinao do mnimo de J
Nd
um problema geralmente complexo, uma vez que se
trata de minimizar uma funo de muitas variveis. Com efeito, para uma rede com
duas camadas escondidas, com n
1
e n
2
unidades em cada camada, com r entradas e n
L

sadas, o nmero total de parmetros a obter, n
p
, dado por (ver Fig. 6.11):

1 1 1 2 2 2
( ) ( ) ( )
p L L
n r n n n n n n n n = + + + + + (6.40)
Uma rede muito simples com r = 5, n
1
= 3 e n
2
= 3 e uma sada ter n
p
= 34 parmetros.
Se se fizerem estes parmetros variar continuamente de modo a obter o valor mnimo
para J
Nd
, tem-se o problema da minimizao de uma funo de muitas variveis, que
poder apresentar mnimos locais Os mtodos de clculo dos parmetros de modo a
minimizar J
Nd
devero considerar a possvel existncia destes mnimos locais e procurar
ultrapassar o problema de modo a encontrar-se, se possvel, o mnimo global.
O outro caso mencionado atrs, do nmero de unidades insuficiente, resolve-se
simplesmente tentando uma rede com maior nmero de unidades, ou eventualmente
com uma outra distribuio pelas camadas escondidas.
Finalmente o ltimo caso indicado: se se suspeitar das entradas da rede no serem as
correctas, devero ser reanalisadas quais as entradas mais convenientes.
6.3.4.2. Treino da rede
A minimizao de J
Nd
efectuada por mtodos iteractivos. Durante a busca do mnimo
diz-se que se efectua o treino da rede, ou que esta est em aprendizagem.
Um mtodo muito corrente para treinar a rede designado por rectro-propagao
(backpropagation: Rumelhart et al. 1986). Esta forma de treino baseia-se no mtodo
do gradiente. Parte de um valor inicial arbitrrio para os parmetros e d-lhes um
acrscimo negativo proporcional derivada de J
Nd
em relao ao parmetro. Comea-se
pela camada de sada e aplica-se a seguir s sucessivas camadas, por ordem contrria
do fluxo de informao. O mtodo lento, em particular junto do mnimo.
Um outro mtodo utilizado para treinar as redes neuronais o de Marquardt-Levenberg.
Trata-se de uma modificao do mtodo de Gauss-Newton (Hagan e Menhaj, 1994). O
mtodo computacionalmente mais pesado do que a rectro-propagao, exibindo no
entanto uma convergncia bastante mais rpida do que esta.
6.3.5. Identificao do Processo.
6.3.5.1. Dados de entrada /sada
Considere-se um processo discreto, de uma s varivel, linear ou no, com atraso de
transporte p. Se o processo for observvel, poder ser representado por uma equao s
diferenas
( ) [ ( 1), , ( ), ( ), , ( )]
y u
y n f y n y n n u n p u n p n = (6.41)
em que
n - tempo discreto, p - atraso de transporte,
u(n) - varivel de entrada, n
u
- nmero de entradas atrasadas,
y(n) - varivel de sada, n
y
- nmero de realimentaes atrasadas.

Considerando as observaes das sadas nos instantes sucessivamente anteriores ao
actual, n-1, n-2, ..., n-h, pode escrever-se
( 1) [ ( 2), , ( 1), ( 1), , ( 1)]
y u
( 2) [ ( 3), , ( 2), ( 2), , ( 2)]
y u

( ) [ ( 1), , ( ), ( ), , ( )]
y u
y n h f y n h y n h n u n h p u n h p n = (6.44)
A substituio sucessiva em (6.41) de (6.42), (6.43), ..., (6.44) conduz a uma equao do
tipo
( ) [ ( 1), , ( ), ( ), , ( )]
y u
y n g y n h y n h n u n p u n h p n = (6.45)

A equao (6.45) tem o seguinte significado, representado na Fig. 6.15: O valor da
varivel de sada no instante actual, n, pode ser considerado como dependente dos
valores dessa varivel nos instantes (n-h-1) a (n-h-n
y
) e dos valores da varivel de
entrada nos instantes (n-p) a (n-h-p-n
u
).
Uma vez que para a identificao do processo apenas se dispe de sequncias de entrada
e de sada, como se referiu no incio, apenas ser possvel efectuar a identificao da
parte observvel do processo, permanecendo a dinmica interna por identificar.

Fig. 6.15 Processo de ordem n
y
com atraso p

6.3.5.2. Estrutura da entrada da rede.
As consideraes anteriores sugerem que a rede estimadora do processo dever ser
alimentada com (h+n
u
+1) entradas u e respectivos atrasos, e n
y
entradas y e anteriores.
Com efeito da equao (6.45) pode obter-se
( ) [ ( 1), , ( ), ( ), , ( )]
y u
y n h g y n y n n u n p h u n p n + = + (6.46)
pelo que para dois pares de sequncias u(n) e y(n) se espera ter para uma RNA
estimadora do processo, cuja sada se designar por ( ) y n ,
( ) [ ( 1), , ( ), ( ), , ( )]
y u
y n h g y n y n n u n p h u n p n + = + (6.47)

Considerem-se os dois casos seguintes:
h p : Neste caso os valores de u(n-p+h), , u(n-p-n
u
) pertencem ao passado pelo que
podem ser sempre conhecidos. Dispe-se assim dos dados necessrios para efectuar
uma identificao do processo.
h > p : Nesta situao a determinao de ( ) y n h + vai depender de u(n
f
), ou seja dos
valores da entrada tomados em instantes futuros n
f
> n. Ser necessrio efectuar alguma
suposio sobre u(n
f
), como por exemplo congelar todas as entradas futuras,
mantendo-as iguais a u(n) presente, ou prever u(n
f
) a partir dos valores passados.
Representando a rede neuronal pelo rectngulo da Fig. 6.16, o conjunto de entradas e
sadas sugerido para a rede o indicado a seguir:

Tempo discreto
n
u(n)
y(n)
n
u
h p
n
y
h

Fig. 6.16 Conjunto de entradas de uma RNA para estimar ( ) y n h +

Como muitas vezes os valores de n
u
, n
y
e p no so conhecidos a priori, devero ser
atribudas rede um nmero de entradas u e um nmero de entradas y suficientes para
se obter um desempenho aceitvel.
corrente escolher-se uma rede com duas camadas escondidas. A razo da escolha, j
mencionada anteriormente, complementada com os resultados obtidos por Hartman et
all (1990) e por Hornick (1991):
Para uma funo contnua uma rede neuronal com duas camadas escondidas
constitui um aproximador universal com convergncia mais rpida do que
uma rede de uma camada.
Uma RNA com duas camadas escondidas permite a utilizao de leis de controlo
descontnuas, o que no possvel com apenas uma camada,
Uma RNA com duas camadas escondidas permite sempre a obteno de um
modelo inverso (Sontag, 1992).
O nmero de unidades nas camadas escondidas depende da relao (6.41) que carac-
teriza o processo, que partida no conhecido. Considera-se habitualmente uma rede
com um total de unidades igual ao valor estimado para n
u
+n
y
, por se verificar suficiente.

Treino da rede
Para o treino da rede devem ser considerados dois casos: treino em grupo (batch) e
treino em linha (on line). O primeiro tem interesse quando o processo a identificar
invariante no tempo ou ento para a obteno de um valor inicial de parmetros para a
rede. O treino em linha poder ser necessrio sempre que preciso identificar um
processo variante no tempo. Chama-se no entanto a ateno para o facto de o treino em
linha, quando se trata de processos no lineares, poder conduzir obteno de uma rede
que no aproxime o processo globalmente. No treino em linha pois necessrio ter
cuidado com os dados utilizados, para no se cair num ponto de funcionamento local.
Neste caso tem-se uma rede bem treinada localmente mas com pouca capacidade para
generalizar para outro tipo de dados de entrada. Assim, o algoritmo de treino no
dever esquecer os dados iniciais mas sim complement-los.

h+n
u
+1
entradas
u
n
y

entradas
y
u(n-p)
u(n-p-1)
u(n-p-2)

u(n-p-h-n
u
)
y(n-h-1)
y(n-h-2)

y(n-h-n
y
)
( ) y n
Treino em grupo.
Uma vez que se trata de identificar um processo genrico, que poder ser linear ou no-
linear, uma questo que se coloca a definio da amplitude do sinal de entrada. Dever
considerar-se o sinal de entrada a poder variar entre -au
M
e + au
M
sendo u
M
o valor
absoluto mximo detectado na sequncia de entrada e a uma constante real maior do
que a unidade. De forma anloga se estabelece o domnio para o sinal de sada.
O nmero de valores das sequncias {u} e {y} utilizados para o treino em grupo, Nd,
dever ser da ordem das centenas, para permitir ter uma grande variedade de
amplitudes.
Alimentando a rede com (h+n
u
+1) entradas desde u(n-p) a u(n-p-h-n
u
) e com n
y
entradas
desde y(n-h) a y(n-h-n
y
), esta origina um sinal de sada ( ) y n . A rede deve ser treinada
utilizando um algoritmo disponvel, por exemplo o de rectropropagao dos erros ou o
algoritmo de Marquardt-Levenberg. O nmero de iteraces utilizado para obter a
convergncia da rede varivel consoante os casos estudados, a respectiva rapidez de
convergncia e o valor aceite para J
Nd
. No caso da rectro-propagao a fim de acelerar a
convergncia devem utilizar-se os mtodos do passo adaptativo e do momento,
conhecidos das redes neuronais e postos disposio pelos fornecedores do software
especfico de redes neuronais.
Aps o treino em grupo as redes devem testadas utilizando outras sequncias de entrada
/sada, com outras formas amplitudes e nmero de pontos, para verificar a sua boa
capacidade de generalizao. Aps ser definido um critrio de aceitao, a rede
considerada adequada e suficientemente treinada quando satisfaz esse critrio. Por vezes
considera-se como critrio de aceitao o andamento da curva de erro y(n) - ( ) y n , em
vez do valor de J
Nd
.

Treino em linha.
Uma vez que o treino de uma rede neuronal envolve um nmero muito grande de
iteraes, normalmente superior a 1000, ao efectuar-se o treino em linha no pode ser
feita apenas uma destas iteraes por cada passo de execuo do controlo. O seu
nmero depender da velocidade de variao no tempo do prprio processo. No entanto
dever ser pelo menos da ordem das dezenas. A Fig. 6.17 representa esquematicamente
as sequncias para efectuar o treino em linha.


Fig. 6.17 - Treino de uma rede neuronal, em linha.

No entanto, se o nmero de iteraes para actualizao da rede for elevado, o rudo do
processo, includo o rudo dos sensores, pode perturbar significativamente a
convergncia da rede, levando os seus parmetros a mudar sistematicamente de
trajectria. -se assim conduzido necessidade de filtrar os dados u(n) e y(n) utilizados
para treinar a rede. Esta filtragem, que poder ser igual para todas as entradas da rede,
dever obedecer a duas condies antagnicas: por um lado dever ser bastante elevada
para que o rudo no perturbe a convergncia da rede e por outro suficientemente fraca
para que qualquer variao dos parmetros do processo seja imediatamente detectada.
Um outro problema da actualizao em linha, em sistemas no lineares, j atrs referido,
consiste no esquecimento das caractersticas globais da rede, ficando esta mais adaptada
apenas para pontos de funcionamento com caractersticas locais.
6.3.6. Controlo preditivo.
No controlo de um processo com atraso de transporte utilizando um controlador
clssico, por exemplo um PID, medida que se vo tendo tempos de atraso maiores
torna-se necessrio baixar o ganho proporcional e aumentar o tempo de integrao, se se
quiserem evitar oscilaes ou ter um sistema instvel. Esta medida torna a resposta do
sistema lenta. Com o fim de obter controladores com melhor desempenho, utilizam-se
outros mtodos. De entre os que utilizam redes neuronais foram estudados os seguintes:
Uso de um controlador clssico em que o erro obtido subtraindo referncia o valor
da previso, e controlo por meio do modelo inverso. Em qualquer dos casos o modelo
dever ser actualizado em linha.
tempo discreto, n
instantes de execuo
do controlo
actualizao da rede
||||||||||||||| ||||||||||||||| ||||||||||||||| ||||||||||||||| |||||||||||||||
189

7. EXEMPLOS DE SISTEMAS NO LINEARES

7.1. Pndulo simples
Considere-se o pndulo simples, representado esquematicamente na Fig. 7.1. Trata-se
de uma pequena esfera de massa m, ligada a um ponto fixo O por meio de uma haste
rgida de comprimento A e massa desprezvel. A haste pode rodar em torno de O.
Considere-se apenas o movimento no plano vertical (x,O,y). Pela aplicao da 2 lei de
Newton, a massa sujeita a uma fora exterior f
e
adquire uma acelerao a tal que ma=f
e
.

Fig. 7.1 Pndulo simples

A observao da Fig. 7.1 mostra que dr d = A , pelo que, como A constante,

2 2
2 2
d r d
dt dt
= A (7.1)
ou, uma vez que d
2
r/dt
2
a acelerao a que se encontra submetida a massa m, pode
escrever-se, aplicando a lei de Newton, e usando uma notao simplificada:

e
m f =
A
(7.2)
r=A
dr
p=mg
x
y
m
0
d
7 - EXEMPLOS DE SISTEMAS NO LINEARES


A resultante das foras exteriores actuando sobre o corpo de massa m (suposta a massa
concentrada no seu centro de massas) constituda por duas parcelas: uma fora de
restituio devida ao seu peso (mg sen ) e outra resistente, devido ao atrito, que se
admitir ser viscoso, ou seja, proporcional velocidade linear do corpo ( b

A ), pelo
que (7.2) se pode escrever:

sen m mg b =

A A
(7.3)
A fora cos mg , na direco da haste, no representada por no contribuir para esta
acelerao.
Para se obter um modelo de estado para o sistema da equao (7.3) faam-se as
mudanas de varivel
1
x = e
2
x =

. Obtm-se ento a seguinte equao de estado:

1 2
2 1 2
( / ) sen ( / )
x x
x g x b m x
=
A
(7.4)
A equao de sada, y = x
1
, no escrita por uma questo de economia.
Os pontos de equilbrio obtm-se a partir de (7.4) fazendo
1
0 x = e
2
0 x = , ou seja,

2
1 2
0
( / ) sen ( / ) 0
x
g x b m x
=
A
(7.5)
ou ainda:

1
2
sen 0
0
x
x
=

ou

1
2
, 0, 1, 2,
0
x k k
x
= =
"
(7.6)
Do ponto de vista de localizao fsica apenas as solues para k=0 e k=1 so distintas;
as restantes so repeties das posies geomtricas das primeiras. No entanto as
solues so distintas, como se pode observar na Fig. 7.2.
Voltando s variveis iniciais e (ou
), os pontos de equilbrio distintos so:

1
1
0rad
0rad/s
e
e
( (
=
( (

e
2
2
rad
0rad/s
e
e

( (
=
( (

A integrao numrica da equao (7.4) para um pndulo com m=1 kg, l =1 m e
b=0.2 N.s.m
-2
, sujeito s condies iniciais =0 rad e =10 rad/s, d origem soluo
que se representa na Fig. 7.3.



Fig. 7.2 Evoluo no tempo do estado do pndulo simples

A Fig. 7.3 representa a evoluo do referido estado, no plano de fase, submetido s
mesmas condies iniciais.

Fig. 7.3 Evoluo do estado do pndulo no espao de fases.

0 5 10 15 20 25 30 35 40
-10
-5
0
5
10
15
20
25
30
tempo (s)
om
eg
a
(ra
d/s
)
tet
a
(ra
d)

(
r
a
d
/
s
)

(
r
a
d
)

0 5 10 15 20 25 30
-6
-4
-2
0
2
4
6
8
10
x1 = posio (rad)

x
1

=

v
e
l
.

a
n
g
u
l
a
r

(
r
a
d
/
s
)
(rad)

(
r
a
d
/
s
)



7.2. Sistema massa-mola-amortecedor
Imagine-se um sistema mecnico constitudo por um bloco rgido de massa m que se
pode deslocar ao longo do eixo dos xx, sujeito aco de uma mola no linear e de um
amortecedor viscoso, como se mostra na Fig. 7.4.

Fig. 7.4 Sistema massa-mola-amortecedor

A aplicao da 2 lei de Newton a este sistema, conduz seguinte equao diferencial:

2
3
1 3 2
d x dx
m b k x k x f
dt dt
+ + + = (7.7)
em que
m - massa do bloco, suposta concentrada ao centro de massas,
x(t) - posio da massa, suposta igual a zero com o sistema em repouso,
b - coeficiente de atrito viscoso do amortecedor,
k
1
e k
3
coeficientes da mola,
f(t) - fora de excitao externa, exercida sobre o bloco.
Os parmetros m, b e k
1
so positivos; k
3
pode ser positivo ou negativo.
(Relembre-se a equao linear correspondente ao sistema linear de 2 ordem,

2
0
2 / x x x f m + + = (7.8)
com
2
0 1
/ k m = e / 2 b m = ).
Se k
3
for positivo a mola diz-se dura: a sua fora resistente incremental aumenta com a
amplitude da coordenada x. Se k
3
for negativo a mola diz-se macia: a sua fora
resistente incremental diminui com a amplitude. Neste caso, se se tratar de uma mola
passiva, dever ser imposta a condio adicional

2 3
1
1
k
x
k
< (7.9)
que corresponde fora resistente da mola ser positiva. A Fig. 7.5 representa a fora
resistente de uma mola linear, de uma mola dura e a de uma mola macia.

-3 -2 -1 0 1 2 3
| | | | | | | | | | | | |
0 x
0
x
mola
o
massa
o
amortecedor


Fig. 7.5 Fora resistente de diversos tipos de mola

A equao de estado do sistema exposto pode obter-se a partir de (7.7) efectuando as
mudanas de varivel x
1
= x (posio do bloco) e
2
x x = (velocidade linear):

1 2
3 3 1
2 2 1 1
1
x x
k k b
x x x x f
m m m m
=
= +
(7.10)
Considere-se o sistema em regime livre (f = 0), a partir das condies iniciais [x
0
0; 0],
isto posio inicial x
0
distinta da posio de repouso e velocidade inicial nula. Se o
amortecimento for fraco
(1)
a massa vai oscilar, de uma forma amortecida em torno da
posio x=0, sendo a frequncia de oscilao funo da amplitude.
Para k
3
> 0 observa-se que a frequncia de oscilao aumenta com a amplitude (a mola
mais resistente para amplitudes maiores) e para k
3
< 0 a frequncia de oscilao diminui
com a amplitude (Fig. 7.6).
Considere-se agora o sistema em regime forado; admita-se que sobre o bloco se exerce
uma fora alternada sinusoidal f(t) de frequncia e amplitude F constante,
( ) cos( ) f t F t = (7.11)
Nestas condies a massa entrar em oscilao.
Considere-se o caso em que k
3
= 0 (sistema linear). Neste caso a amplitude de oscilao
x(t) ser tambm sinusoidal e ter a mesma frequncia que a fora de excitao:
( ) cos( ) x t X t = (7.12)

1
Para o sistema linear equivalente (7.8), o amortecimento diz-se fraco se
2
<
0
2
.
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
mola dura
mola linear
mola macia
deformao
f
o
r
a

r
e
s
i
s
t
e
n
t
e

d
a

m
o
l
a



Fig. 7.6 Variao da frequncia de oscilao com a amplitude

A Fig. 7.7 representa a relao entre a amplitude de oscilao X por unidade de fora de
excitao, para diversos valores do amortecimento
(2)
, em funo da frequncia da
fora de excitao. Estas funes de transferncia so bastante conhecidas do estudo da
resposta de sistemas lineares de 2 ordem.
A relao X/F depende de e do amortecimento do sistema e no depende de F. Para
um determinado grau de amortecimento existe uma relao unvoca entre X/F e . O
grfico X/F apresentado considera apenas o regime forado, que se estabelece depois de
desaparecer a resposta transitria inicial.
Nestas condies, se a frequncia variar lentamente no tempo, o ponto representativo
de X/F em funo de evolui sobre a curva respectiva, quer aumente, quer diminua.

Fig. 7.7 Curvas de resposta em frequncia, sistema linear

2
= b/2m
frequncia
k
3
>0 k
3
<0
k
3
= 0, mola linear
mola macia mola dura
amplitude
X

=8
2
1
1/2
1/2
1/4
=0 =0


Fig. 7.8 Curvas de resposta em frequncia, sistema no linear.

Seja agora o caso em que k
3
0. Admite-se k
3
suficientemente elevado para se
poderem observar as no linearidades. As curvas de resposta em frequncia, para um
amortecimento muito pequeno, tomam o aspecto indicado na Fig. 7.8.

Analise-se a curva correspondente a k
3
> 0. Admita-se F constante e lentamente
varivel e crescente. Partindo do ponto 1, medida que a frequncia vai aumentando,
vai-se progredindo sobre a curva X/F at se atingir o ponto 2, em que a amplitude de
oscilao mxima. Neste ponto um ligeiro aumento de produz uma descontinuidade
na amplitude da oscilao, de 2 para 3. Continuando a aumentar caminha-se at ao
ponto 4 com uma diminuio contnua da amplitude. Se agora descer lentamente a
partir de 4, a amplitude seguir a trajectria 43561 havendo uma nova
descontinuidade, com aumento brusco de amplitude, na transio de 56. A este
fenmeno chama-se ressonncia com saltos. Esta exige que a no linearidade seja
aprecivel e o amortecimento pequeno. Tem a propriedade de exibir uma gama de
frequncias em que para cada existem duas amplitudes de oscilao estveis.
Para a curva correspondente a k
3
< 0 acontece um fenmeno semelhante.

k
3
>0
X

0

1
2
3
4
5
6

k
3
<0
X

0

1
2
3
4
5
6


7.3. Oscilador de resistncia negativa
Considere-se o circuito elctrico representado na Fig. 7.9a), constitudo por um
condensador, uma bobina e um elemento resistivo com a caracterstica indicada em b).
A capacidade do condensador e o coeficiente de auto-induo da bobina supe-se
constantes. So exemplos de dispositivos electrnicos de resistncia negativa os dodo
tnel , o transistor unijuno, o dodo de 4 camadas e o transistor de avalanche.
Para valores de v junto da origem a um aumento de v corresponde uma diminuio i.
por esta razo que se diz o circuito exibir resistncia negativa.

Fig. 7.9 Oscilador de resistncia negativa.

Pela aplicao das leis de Kirchoff pode escrever-se:
0
C L
i i i + + = (7.13)
Da electrotecnia sabe-se que:

dt
dv
C i
c
= e
1
( )
t
L
i v d
L

=

(7.14)
A caracterstica i = h(v) por enquanto no dada. Substituindo (7.14) em (7.13) pode
escrever-se:

1
( ) ( ) 0
t
dv
C v d h v
dt L

+ + =
(7.15)
Multiplicando-se ambos os membros de (7.15) por L e derivando em ordem ao tempo
fica:

2
2
( ) 0
d v dv
LC Lh v v
dt dt
+ + = (7.16)
Efectuando a mudana de varivel
t
LC
= pode escrever-se
i
v

elemento
de
resistncia
negativa
C L
i
L
i
C

i
v


2
2
( ) 0
d v L dv
h v v
dt C dt
+ + = (7.17)
Utilizando a notao simplificada para a derivada em ordem ao tempo normalizado e
fazendo / L C = vem:
( ) 0 v h v v v + + = (7.18)
Finalmente, aproximando a curva h(v) da figura Fig. 7.9b por uma parbola cbica:

3
1
( )
3
h v v v = + (7.19)
pode escrever-se:

2
(1 ) 0 v v v v + = (7.20)
que a equao de Van der Pol
(3)
. Esta equao foi utilizada por Van der Pol para
estudar osciladores electrnicos com tubos de vazio. um exemplo muito corrente
apresentado no estudo dos sistemas no lineares, por exibir um ciclo limite.
Para a obteno da equao de estado correspondente ao sistema descrito pela equao
(7.20), faam-se as mudanas de varivel x
1
= v e
2
x v = . Obtm-se assim a equao
de estado

1 2
2
2 1 1 2
(1 )
x x
x x x x
=
= +
(7.21)
A integrao numrica desta equao, para dois valores distintos de , conduz s
solues apresentadas na Fig. 7.10. Na Fig. 7.11 indicam-se as respectivas trajectrias
no espao de estado.

Fig. 7.10 Solues da equao de Van der Pol

3
Van der Pol Engenheiro Electrotcnico Holands, 1889-1959.
= 2.0
x
1

x
2

t (segundos)
= 0.2
t (segundos)


Fig. 7.11 Diagramas de estado da equao de Van der Pol.

Compare-se agora a equao (7.20) com a sua correspondente linear
0 v v v + = (7.22)
Repare-se que para valores muito pequenos de v se tem (1v
2
) 1. A equao (7.22),
devido existncia de 0, no tem solues peridicas. Para > 0 as solues
crescem indefinidamente com o tempo e para < 0 decrescem e tendem para zero.
Considere-se o caso em que > 0 e o estado inicial v = 0 e v = 0. Qualquer
perturbao em v faz com que este comece a aumentar. No entanto, a partir de uma certa
amplitude o termo (1-v
2
) comea a ser francamente diferente de 1 . a existncia da no
linearidade que estabiliza o sistema: o termo (1-v
2
)v amplifica v se |v| < 1 e amortece-
o se |v| > 1. Este fenmeno d origem a uma soluo peridica.

.
= 2.0
x
1
x
2
= 0.2
x
1
x
2


7.4. Movimento de dois corpos com foras centrais
Este caso de extrema importncia em astronomia. Seja um corpo de massa m sujeito a
uma fora central f(r), ou seja, dirigida para a origem, como se indica na Fig. 7.12.
Sero utilizadas coordenadas polares.

Fig. 7.12 Corpo de massa m sujeito a uma fora central.

Trata-se por exemplo da trajectria de um planeta P de massa m que se movimenta em
torno de uma estrela O de massa M muito maior que m. A fora f(r), devido lei de
atraco de massas, dirigida de P para O e tem o valor

2
( )
mM
f r G
r
= (7.23)
A aplicao das leis da mecnica conduz s equaes diferenciais

2
( )
2 0
mr mr f r
r r

=
+ =
(7.24)

Substituindo f(r) pelo seu valor dado por (7.23) e dividindo por m vem:

2
2
0
2 0
GM
r r
r
r r
+ =
+ =
(7.25)
Para se obter um modelo de estado, efectuem-se as seguintes mudanas de varivel :
1 2 3 4
x r x r x x = = = =

Obtm-se as equaes de estado:

O x
y
r
m
f(r)
P


1 2
2
2 1 3
1
3 4
2 4
4
1
2
x x
GM
x x x
x
x x
x x
x
x
=
(7.26)

A equao de estado contm duas equaes lineares e duas equaes no lineares. Uma
vez que G e M so constantes, o comportamento do movimento de um planeta de massa
m em torno de uma estrela de massa M vai depender exclusivamente das suas condies
iniciais, uma vez que no h outros parmetros ou solicitaes. A rbita do planeta, no
sentido geomtrico, ser a trajectria no sub-espao de estados x
1
x
3
, isto a trajectria
no plano (r, ). De acordo com os valores iniciais x
0
= [
0
r
0
r
0
] assim a rbita ser

elptica ou um ramo de hiprbole. A zona de transio corresponde rbita parablica.


7.5. Interaco entre espcies animais
Descreve-se a seguir o exemplo clssico relativo interaco entre populaes. Este
problema foi estudado por Volterra
(4)
e por Lotka
(5)
, e pode equacionar-se do seguinte
modo:
Duas espcies animais semelhantes competem entre si num ambiente em que os
recursos alimentares so limitados. Qual a evoluo das respectivas populaes?
Designando por x
i
o nmero de indivduos da espcie i (i=1,2), o sistema pode ser
modelado pelo sistema de equaes diferenciais no lineares

1 1 2 1
2 1 2 2
( )
( )
x a bx x x
x c x dx x
(7.27)
com a, b, c, d, , > 0.
Nas equaes acima a taxa de crescimento per capita da espcie 1 dada por

1
1 2
1
x
a bx x
x
=
(7.28)
Observe-se que constituda por trs termos: a taxa de crescimento a da populao x
1

isolada, a taxa devida competio intra-espcie, bx
1
, e a taxa da competio inter-
-espcie x
2.
A taxa de crescimento per capita da espcie 2 tem uma constituio
semelhante.
Uma condio necessria para a coexistncia indefinida das duas espcies que exista
pelo menos um ponto de equilbrio tal que x
1e
> 0 e x
2e
> 0. Os pontos de equilbrio
obtm-se resolvendo o sistema

1 2 1
1 2 2
( ) 0
( ) 0
a bx x x
c x dx x
(7.29)
obtendo-se os 3 pontos

1 2 3
0
0
e e e
ad c
a
bd
x x x b
c
bc a
d
bd
(
( (
(
( (
= = = (
( (

(
( (

(

(7.30)

Os pontos de equilbrio x
e1
e x
e2
so instveis e correspondem extino das espcies 1
e 2 respectivamente. O ponto de equilbrio x
e3
estvel se bd > v (nestas condies
exige-se que ad > c e bc < av).

4
Vito Volterra, Matemtico Italiano, 1860-1940.
5
Alfred James Lotka, Biofsico Americano, 1860-1949.


7.6. Reactor qumico continuamente agitado
O reactor qumico continuamente agitado, CSTR (Continuous Stirred Tank Reactor)
constitudo por um tanque por onde transita uma mistura de reagentes qumicos. Para
que a mistura seja bem feita esta est continuamente a ser agitada. O reactor, represen-
tado esquematicamente na Fig. 7.13, refrigerado por meio de um permutador de calor.

Fig. 7.13 Reactor qumico continuamente agitado.

O reactor alimentado com um reagente A, de concentrao c
Ai
, caudal q e temperatura
T
i
. No tanque, de volume V, encontra-se uma mistura de dois reagentes A e B,
temperatura T. Admite-se que por aco do agitador a mistura homognea e de
composio igual em todas as zonas no interior do reactor, e com massa volmica .
No interior do reactor, vai dar-se uma reaco exotrmica em que o produto A se
transforma, originando o produto B
A B (7.31)
A velocidade de reaco, por unidade de volume, proporcional concentrao de A

A
r kc = (7.32)
com

A B
dc dc
r
dt dt
= = (7.33)
~~~~~~~~~~~~~~~~~~~~~~~~
motor do
agitador
agitador
V, , T
permutador de calor
vlvula de
segurana
Refrigerante

q
c
T
ci

Reagentes A e B
q, c
A
, c
B
, T
Reagente A
q c
Ai
T
i

q
c
T
c


em que k representa o coeficiente de reaco do produto A e c
A
a sua concentrao
molar. O coeficiente k fortemente dependente da temperatura a que se d a reaco e
correntemente aproximado pela Lei de Arrhenius

0
E
RT
k k e
= (7.34)
em que:
k constante de velocidade, k
0
factor pr-exponencial,
E energia de activao, R constante de Boltzmann.
Admitindo que as densidades do reagente A e da mistura so iguais, o balano de
massas permite escrever
( )
A
Ai A A
dc
V q c c V k c
dt
= (7.35)
Se a reaco for exotrmica, a energia libertada retirada por meio de um permutador
de calor. O balano de energia permite escrever a equao
( ) ( ) ( )
i A c
dT
V q w T T H V k c U A T T
dt
= + + (7.36)
em que:
H o calor desenvolvido na reaco,
U coeficiente de transferncia de calor do permutador,
A rea do permutador,
w caudal mssico atravs do reactor.

Substituindo (7.34) em (7.35) e (7.36) podem escrever as equaes de estado

0
0
( )
( ) ( )
E
RT
A Ai A A
E
RT
i A c
q
c c c k e c
V
q
T T T Jk e c UA T T
V
= +
(7.37)
As equaes (7.37), no lineares, representam com uma aproximao suficiente para
muitos casos prticos, o que se passa neste tipo de reactor.

O sistema descrito admite 3 pontos de equilbrio. Sabe-se que a quantidade de energia
libertada pela reaco uma funo sigmoidal da temperatura, e que o calor retirado


pelo permutador proporcional temperatura, como se representa na Fig. 7.14. Os
pontos de equilbrio correspondem energia retirada pelo permutador de calor ser igual
energia libertada pela reaco exotrmica. Os pontos de equilbrio A e C so estveis,
o ponto de equilbrio B instvel: Admita-se que o reactor se encontra no ponto de
equilbrio B. Uma perturbao no processo, que conduza a uma ligeira elevao de
temperatura de T
2
para T
2
, para a qual a libertao de energia pela reaco superior
energia retirada pelo permutador, leva a caminhar na direco de C.
Se a perturbao inicial, a partir de B, tivesse produzido uma ligeira baixa de T
2
, um
raciocnio anlogo ao anterior conduziria ao ponto de equilbrio A. Consideraes
anlogas a estas, para os pontos A e C, permitem provar que estes so estveis.

Fig. 7.14 Pontos de equilbrio do CSTR.

A
B
C
Energia
em jogo
T
1
T
2
T
2
T
3
Temperatura
Energia libertada
pela reaco
Energia retirada
pelo permutador
205

8. CONSTANTES, FORMULRIOS E TABELAS

8.1. Constantes matemticas

e = 2.7182 81828 45904 52353 60287
= 3.1415 92653 58979 32384 62643
2 = 1.4142 13562 37309 50488
3 = 1.7320 50807 56887 72935
10 = 3.1622 77660 16837 93320

8.2. Constantes fundamentais da Fsica

Nome da constante Smbolo Valor + (incerteza) + unidades
Carga elctrica elementar e 1.602 177 33(4 9) 10
-19
C
Constante de Boltzmann k
B
1.380 658 (12) 10
-23
JK
-1

Constante de Coulomb ke 8.987 551 787 10
-9
Nm
2
C
-2
(exacto)
Constante de Faraday F 9.648 670 (54) 10
4
C/mol
Constante de Planck h 6.626 075 (40) 10
-34
Js (exacto)
Constante de Stefan 5.669 6 10
-8
Wm
-2
K
-4

Constante dos gases R 8.314 510(70) JK
-1
mol
Constante gravitacional G 6.672 59(8 5) 10
-11
Nm
2
kg
-2

Electro-volt (unidade de energia) eV 1.602 177 33(4 9) 10
-19
J
Massa do electro me 9.109 389 7(54) 10
-31
kg
Massa do neutro mn 1.674 928 6(10) 10
-27
kg
Massa do proto mp 1.672 623(10) 10
-27
kg
Nmero de Avogadro NA 6.022 136 7(36) 10
23
partculas/mole
Permeabilidade elctrica do vazio
0
8.854 187 817 10
-12
C
2
N
-1
m
-2
(exacto)
Permeabilidade magntica do vazio
0
4 10
-7
TmA
-1
(exacto)
Raio de Bohr a
0
0.529 177 249(24) 10
-10
m
Unidade de massa atmica u 1.660 540 2(10) 10
-27
kg
Velocidade da luz no vazio c 2.997 924 58 10
8
ms
-1
(exacto)


8.3. Formulrio de Matemtica

8.3.1 lgebra elementar
Fraces
soma
a c ad bc
b d bd
=
multiplicao
a c ac
b d bd
=
diviso
a c ad
b d bc
=
Potncias

m n m n
x x x
+
=
m
m n
n
x
x
x

=
( )
m n m n
x x

=
1/ n n
x x =
Factorizao
quadrado perfeito:
2 2 2
( ) 2 a b a ab b + = + +
diferena de quadrados:
2 2
( )( ) a b a b a b + =
Equaes
1 grau: 0 ax b + =
b
x
a
=
2 grau:
2
0 ax bx c + + =
2
4
2
b b ac
x
a

=

8.3.2 Logaritmos e exponenciais
log
y
a
a x y x = =

log ( ) log log
a a a
xy x y = +

log ( ) log log
a a a
x
x y
y
=
log ( ) log
p
a a
x p x =

log
log
log
b
a
b
x
x
a
=
10
log log x x

ln log
e
x x

ln 2.302585 log x x =

ln 1 e =

ln1 0 =

8.3.3 Geometria
Rectngulo de lados a e b
Permetro: 2( ) P a b = +
rea: A a b =
Tringulo de base b e altura h
rea:
1
2
A b h =
Circunferncia /crculo de raio r
Dimetro: 2 d r =
Permetro: 2 P r =
rea:
2
A r =
Paralelippedo de lados a, b e c
rea da base: A ab =
Volume: V abc =
Esfera de raio r
rea:
2
4 A r =
Volume:
3
4
3
V r =
Cilindro com base de raio r e altura h
rea da base:
2
b
A r =
rea lateral: 2 A r =

Volume:
2
V r =
ngulo slido:
2
/ d dA r =

8.3.4 Limites
0
0
( ) 0
( ) 0
f x
g x
=

0 0
( ) ( )
lim lim
( ) ( )
x x x x
f x f x
g x g x

1
lim(1 )
n
n
e
n
+ =
lim(1 )
n k
n
k
e
n
+ =
0
1
lim 1
x
x
e
x
= lim
x
p
x
e
x
=
a
b
.
r
b
h
.
r
a
b
c
r
h

0
log( 1)
lim 1
x
x
x
+
=
log
lim 0
x
x
x
=
0
sen
lim 1
x
x
x
=
0
tan
lim 1
x
x
x
=

8.3.5 Sries
2
0
0 0 0 0
( )
( ) ( ) ( ) ( ) ( )
2!
x x
f x f x x x f x f x
= + + +
1 2 2
( 1)
( )
1! 2!
n n n n
n n n
a b a a b a b

+ = + + +
2
( 1)
(1 ) 1
2!
n
n n
x nx x
+ = + + +
1 2 3 4 5
2
5 7
(1 ) 1
2 8 16 128 256
x x x x x
x + = + + +
1 2 3 4 5
2
3 5 35 63
(1 ) 1
2 8 16 128 256
x x x x x
x

+ = + + +
2 3
1
2! 3!
x
x x
e x = + + + +
2 3
1 1
ln(1 )
2 3
x x x x =
3 5
sen
3! 5!
x x
x x = + (x em radianos)
2 4
cos 1
2! 4!
x x
x = + (x em radianos)
3 5
2
tan
3 15
x x
x x = + + (x rad, | | / 2 x <

8.3.6 Trigonometria

Teorema de Pitgoras:
2 2 2
b c R + =

sen cos tan
b c b
R R c
= = =
1 1 1
cot csc sec
tan sen cos

= = =
sen sen sen
a b c

= =
2 2
sen cos 1 + =
2 2
1 tan sec + =
2 2
1 cot csc + =
sen( ) sen cos cos sen =

cos( ) cos cos sen sen =

tan tan
tan( )
1 tan tan

sen2 2sen cos =
2 2
cos2 cos sen =
2
2tan
tan2
1 tan

8.3.7 Derivadas
1 n n
d
x nx
dx

=
2
du dv
v u
d u
dx dx
dx v v
| |
=
|
\ .

x x
d
e e
dx
=
log
x x
d
a a a
dx
=
( )
1
log
v v v
d du dv
u vu u u
dx dx dx
= +
( )
( ) ( 1)
n
n n
n
d
uv u nu v
dx

= + +

( ) ( ) ( ) n n r r n
r
C u v uv
+ + +

1
log
d
x
dx x
=
1
log
log
a
d
x
dx x a
=
sen cos
d
x x
dx
=
cos sen
d
x x
dx
=
2
tan sec
d
x x
dx
=
2
cot csc
d
x x
dx
=
R
b
c
a
b
c


2
1
sen
1
d
arc x
dx
x
=

2
1
arccos
1
d
x
dx
x

2
1
arctan
1
d
x
dx x
=
+

2
1
arccot
1
d
x
dx x
=
+

2
1
arcsec
1
d
x
dx
x x
=

2
1
arccos
1
d
x
dx
x x

8.3.8 Integrais indefinidos
vdu vu udv =

1
1
n
n
x
x dx C
n
+
= +
+

x x
e dx e C = +

1
ax ax
e dx e C
a
= +

2
( 1)
ax
ax
e
xe dx ax C
a
= +

1
ln dx x C
x
= +

ln ( ln ) ax dx x ax x C = +

1
ax ax
e dx e C
a
= +

1
ln( )
dx
ax b C
ax b a
= + +
+

2
ln( )
xdx x b
ax b C
ax b a a
= + +
+

1
ln
( )
dx x a
C
x x a a x
+
= +
+

2
1
( ) ( )
dx
ax b a ax b
=
+ +

1
2 2
1
tan
dx x
a x a a
=
+

2 2
1
ln
2
dx a x
a x a a x
+
=

(a
2
-x
2
>0)
1
2 2
sen
dx x
a
a x

=
(a
2
-x
2
>0)
1
sen cos ax dx ax C
a
= +

1
cos sen ax dx ax C
a
= +

1
tan ln(cos ) ax dx ax C
a
= +

1
cot ln(sen ) ax dx ax C
a
= +

1
sec ln(sec tan ) ax dx ax ax C
a
= + +

1
csc ln(csc cot ) ax dx ax ax C
a
= +

2
sen2
sen
2 4
x ax
ax dx C
a
= +


8.4. Transformada de Laplace unilateral

8.4.1 Propriedades da TL

P.1 - Linearidade:
1 1 2 2 1 1 2 2
[ ( ) ( )] ( ) ( ) a x t a x t a X s a X s
+
+ = + L
P.2 - Deslocamento no tempo:
0
0
[ ( )] ( )
st
x t t e X s
+
= L (t
0
> 0)
P.3 - Deslocamento no domnio s:
0
0
[ ( ) ] ( )
s t
x t e X s s
+
= L
P.4 - Sinal conjugado:
* * *
[ ( ) ] ( ) x t X s
+
= L
P.5 - Contraco/expanso no tempo:
1
[ ( )] ( ), 0
s
x at X a
a a
+
= > L
P.6 - Derivao no tempo:
( )
[ ] ( ) (0 )
dx t
s X s x
dt
+ +
= L
1 2 ( 1)
( )
[ ] ( ) (0 ) (0 ) ... (0 )
n
n n n n
n
d x t
s X s s x s x x
dt
+ + + +
= L

P.7 - Derivao no domnio s:
( )
[ ( )]
dX s
t x t
ds
+
= L
( )
[( ) ( )]
n
n
n
d X s
t x t
ds
+
= L
P.8 - Integrao no tempo:
1
[ ( ) ] ( )
t
x d X s
s

+
L
0 0
1
[ ( ) ] ( )
t t
n
x d X s
s

+
=

L
P.9 - Integrao no domnio s:
1
[ ( )] ( )
s
x t X d
t

+
=
L
P.10 - Convoluo: [ ( ) * ( )] ( ) ( ) x t y t X s Y s
+
= L
P.11 - Funo peridica [perodo a: x(t+a)=x(t)]:
0
( )
[ ( )]
1
a
st
as
x t e dt
x t
e
L

P.12 - Rectificao de onda completa [perodo a: x(t+a)=x(t)]:
[| ( ) |] ( )coth( )
2
as
x t X s
+
= L

P.13 - Teorema do valor final:
0
lim ( ) lim[ ( )]
t s
x t s X s
+
= (desde que exista o 1 limite)
P.14 - Teorema do valor inicial: (0 ) lim[ ( )]
s
x s X s
+
=

8.4.2 Tabelas de TL

Sinal temporal, x(t) TL unilateral, X(s) Regio de convergncia
1. ( ) u t
1
s
R
e
(s) > 0
2.
0
( ) t t
0
st
e

todo s
3. t
2
1
s

R
e
(s) > 0
4. t
n
(n inteiro)
( 1)
!
n
n
s
+

R
e
(s) > 0
5.
t
3/ 2
2
s

R
e
(s) > 0
6.
1
t

s
R
e
(s) > 0
7.
at
e

1
s a +
R
e
(s) > -a
8.
at
t e

2
1
( ) s a +

R
e
(s) > -a
9.
n at
t e
(n inteiro)
1
!
( )
n
n
s a
+
+

R
e
(s) > -a
10.
0
cos( ) t
2 2
0
s
s +

R
e
(s) > 0
11.
0
( ) sen t
0
2 2
0
s

+

R
e
(s) > 0
12.
0
1 cos( ) t
2
0
2 2
0
( ) s s
+

R
e
(s) > 0
13.
0
( )
at
e sen t

0
2 2
0
( ) s a
+ +

R
e
(s) > 0
14.
0
cos( )
at
e t

2 2
0
( )
s a
s a
+
+ +

R
e
(s) > 0
15.
0
cos( ) t t
2 2
2 2 2
( )
s a
s a
+

R
e
(s) > 0
16.
0
( ) t sen t
2 2 2
2
( )
a s
s a +

R
e
(s) > 0


8.5. Formulrio de Fsica

8.5.1 Mecnica dos slidos
r
vector de posio da partcula

v
velocidade linear da partcula

dr
v
dt
=

acelerao da partcula

2
2
dv d r
a
dt dt
= =

Movimento circular:
velocidade angular da partcula

v r =

2
a r =
2 lei de Newton

dv
F ma m
dt
= =

Momento linear p mv =

Teorema do momento linear (lei de Newton)

dp
F
dt
=

Momento angular r mv =

I momento de inrcia
Momento de inrcia de uma partcula de
massa m que descrever um movimento
circular uniforme de raio R:

2
I mR =

Momento angular de um corpo rgido que
roda com velocidade angular
em relao
ao seu eixo de simetria:

I =

Momento de uma fora em relao a um
ponto: M r F =

Teorema do momento angular

d
M
dt
=

Energia cintica:
2
1
2
c
E mv =
Energia potencial:
p
E mgh =
Trabalho exercido por uma fora: . W F r =

Lei da atraco universal:
1 2
2
m m
F G
r
=
Lei de Hooke: Y =
( tenso mecnica, deformao relativa,
Y mdulo de elasticidade de Young)

8.5.2 Mecnica dos fluidos
Presso exercida num ponto:
F
p
S
=
Lei fundamental da hidrosttica:
p g h =
Teorema de Arquimedes
f i
I gV =
(I impulso,
f
massa volmica do fluido, V
i

volume imerso do corpo)
Caudal: q VS = (V velocidade, S rea)
Nmero de Reynolds: /
e
R VD =
(V velocidade, D dimetro da tubagem,
peso volmico, viscosidade do fluido)
Equao de Bernouilli para fluidos ideais
2
2
te
V p
z C
g
+ + =
(V velocidade, g acelerao da gravidade, p
presso, peso volmico, z cota geomtrica)

8.5.3 Electrotecnia
Lei de Coulomb:
1 2
2 e
q q
F k
r
=
Campo elctrico:
0
/ E F q =

(volt/metro)
Densidade volumtrica de carga elctrica:
/ q V = (carga por unidade de volume)
Densidade superficial de carga elctrica:
/ q S = (carga por unidade de rea)
Potencial num ponto: .
P
P
U E ds


Diferena de potencial entre A e B:
.
B
AB
A
U E ds =

Se o campo for uniforme na direco de s

AB AB
V Ed =
Capacidade (definio):
q
C
U
=
Capacidade de um condensador plano:

A
C
d
=
Corrente elctrica:
( )
( )
dQ t
I t
dt
=
Densidade de corrente:
I
J
A
=
Lei de ohm: J E = U = R I
Resistncia elctrica de um condutor
R
S
=

Potncia dissipada numa resistncia (lei de
Joule)
2 2
/ P RI U R = =
Associao de resistncias
em srie:
1
N
i
i
R R
=
=
em paralelo:
1
1 1
N
i i
R R
=
=

Associao de bobinas
em srie:
1
N
i
i
L L
=
=
em paralelo:
1
1 1
N
i i
L L
=
=

Associao de condensadores
em srie:
1
1 1
N
i i
C C
=
=
em paralelo:
1
N
i
i
C C
=
=

Leis de Kirchoff
ns:
1
0
n
k
k
i
=
=
malhas:
1
0
m
k
k
u
=
=

Fora magntica sobre carga em movimento:

B
F qv B =

Fora magntica entre condutores paralelos:

0 1 2
2
F I I
d

(F fora, comprimento,
0
permeabilidade
magntica do meio, I
1
e I
2
correntes nos
condutores 1 e 2, d distncia entre condutores)

Fora electromotriz induzida por variao de
fluxo:
d
e
dt
=
Reactncia de uma bobina:
L
X L =
(=2f frequncia angular, f frequncia,
L coeficiente de auto-induo)
Reactncia de um condensador:
1
C
X
C
=
(C capacidade do condensador)
Impedncia do circuito RLC srie:

1
Z R j L
j C
= + +

Potncia aparente:
ef ef
Q V I =
Potncia activa: cos
ef ef
P V I =
Potncia reactiva: sen
ef ef
S V I =
( desfasagem entre a tenso e a corrente)
Transformador ideal (ligao magntica
perfeita e semperdas):
1 2
1 2
u u
N N
=
1 1 2 2
0 N i N i + =
(u tenso, i corrente, N n de espiras,
1 primrio, 2 secundrio)
Linha de transmisso sem perdas (L coefici-
ente de auto-induo/m, C capacidade/m,
R
L
resistncia de carga no final da linha)
Impedncia caracterstica:
L
Z
C
=
Factor de reflexo:
L
L
R Z
p
R Z
=
+

Velocidade de propagao:
1
v
LC
=
Circuitos trifsicos
Tenso composta:
12 1 1
3 1, 732 V V V = =
(V
1
tenso simples, ou por fase)

BIBLIOGRAFIA

[1]. NONLINEAR SYSTEMS
Khalil, Hassan K Prentice Hall 1996

[2]. APPLIED NONLINEAR CONTROL
Slotine, J. J. E / Li, Weiping Prentice Hall 1991

[3]. NONLINEAR CONTROL SYSTEMS AN INTRODUCTION
Isidori, A Springer Verlag 1989

[4]. MATHEMATICAL CONTROL THEORY
Sontag, Eduard Springer 1998

[5]. ESSENTIALS OF NONLINEAR CONTROL THEORY
Leigh, J. R. IEE Topics in Control, Series 2
Peter Peregrinus LTD 1983

[6]. CONTROLO DE SISTEMAS NO-LINEARES
Lemos, J. Miranda Acetatos das aulas de Controlo II IST 1985
http://ramses.inesc.pt/People/jlml/flsC2.html

[7]. EQUAES DIFERENCIAIS ORDINRIAS
Costa, Fernando Pestana da IST Press 1998

[8]. FUZZY CONTROL AND FUZZY SYSTEMS
Pedrycz, Witold Jonh Wiley & Sons Inc. 1993

[9]. NEURO-CONTROL AND ITS APPLICATIONS
Omatu, S. / Khalid M. / Yusof R. Springer 1996



NDICE

adjunta ...................................136
agregao ..............................173
algoritmo para a linearizao
entrada-estado ....................143
algoritmos genticos .............160
altura de conjunto difuso .......162
amortecimento, .....................194
amplificadores ....................... 18
amplitude da excitao ............ 6
antecedente ...........................167
aprendizagem ........................184
aproximao linear ..................71
aproximadamente zero ..........163
aproximador universal ..........181
assimptotica/ estvel................85
assimptotica/ estvel nsLy.......68
atraso no processo .................115
atrito esttico ......................... 35
atrito viscoso ......................... 15
autnomo.................................64

bacia de atraco .....................68
backlash ................................. 33
backpropagation ...................184
balano de energia ..........22, 203
balano de massas ..........21, 203
bifurcao .............................. 11
binrio......................................54

calor especfico ...................... 18
calor latente ........................... 19
camada de entrada ................178
camada de sada ....................178
camadas ................................177
camadas escondidas ..............178
campo
covectorial .................51, 133
escalar ................................51
vectorial .....................51, 133
vectorial.involutivo .........139
caos ........................................ 12
caractersticas convergentes ..113
caractersticas divergentes .....112
centro.......................................47
centride ...............................174
ciclo limite...............................49
estvel ................................49
semi-estvel .......................49
existncia de.......................50
complemento ........................ 166
completamente integrvel .... 139
condies sectoriais ................ 99
condutncia trmica .............. 20
conectivas ............................ 166
congelar entradas ................. 185
conjuno ............................ 165
conjunto difuso ........... 160, 162
convexo .......................... 162
normalizado..................... 162
regular ............................ 162
conjunto invariante.................. 88
controlabilidade .................... 142
controlador
difuso .............................. 170
liga/desliga ...................... 37
controlo
adaptativo .................. 1, 159
difuso .............................. 160
difuso do satlite ............. 174
inteligente ....................... 159
no linear ........................... 1
preditivo ......................... 188
corte- forte ......................... 162
corte- fraco ........................ 162
critrio de Popov................... 101
critrio do crculo.................. 103
critrios de pertena ............. 160
CSTR (Continuous Stirred
Tank Reactor .................... 202
condies iniciais .................. 13

decaimento.............................. 69
del ........................................... 51
dependncia crtica ................ 10
derivada de Lie ............. 134, 135
derivada de V(x,t) ................... 93
descrio entrada-sada ......... 22
desfuzificao ............. 169, 174
desigualdade de Popov.......... 101
diagrama de Nyquist ............. 111
diagrama de Popov................ 101
diagrama do crculo............... 103
dicotmica ........................... 161
difeomorfismo ...................... 138
global .............................. 138
local ................................ 138
dinmica
interna ............. 127, 129, 185
estvel .......................130
instvel ......................130
zero .................................132
disjuno ...............................165
dissipa......................................88
divergncia ..............................51
domnio de atraco.................68
domnios transformados ........ 22

energia ............................. 21, 88
cintica ....................... 14, 76
do sistema .................. 14, 76
mecnica total ....................76
potencial ..................... 15, 76
equao
s diferenas ..................... 25
caracterstica ......................44
de Bernouilli ...................120
de conservao da massa . 21
de estado .......................... 24
de Lyapunov ......................84
de sada ............................ 24
de Van der Pol ...........61, 197
do balano de energia 22, 203
n-vectorial ........................ 26
equaes
de estado escalares.............43
diferenciais s derivadas
parciais ............................139
vectoriais .................... 24, 26
esboo do retrato de fase .........44
espao de fases ........................43
esquecimento .......................188
estabilidade......................63, 112
absoluta..............................99
assimpttica .......................92
assimpttica .......................93
BIBO .................................. 5
de sistemas no autnomos 91
exponencial ........................92
global .....................69, 92, 94
local ...................................69
no sentido de Lyapunov.....93
pelo mtodo da funo
descritiva.......................111
uniforme.............................93
estado ..................................... 22
de equilbrio.......................65
completa/ acessvel .........125

linearizado ......................141
estvel..............................45, 113
no sentido de Lyapunov.....66, 91
nsLy.........................................93
estrutura interna do sistema ... 22
excesso de plos / zeros ........131
excitao .................................. 3
existncia de funes de
Lyapunov..............................98
exponencialmente estvel..69, 73

fase ........................................ 19
fase mnima ...........................112
fuzzy inference systems ........174
foco estvel / instvel ..............46
folga ............................... 33, 111
foras centrais .......................199
forma quadrtica......................82
Frobenius ..............................139
funo
candidata............................84
de activao ....................177
de Lyapunov .......... 63, 76, 79
de pertena ......................161
funo descritiva...... 109, 111
folga ...........................111
liga-desliga.................110
liga-desl. c/ histerese ..110
saturao s/ histerese..111
zona morta..................110
n. linearid. correntes...110
pertencente a sector....99, 100
positiva definida ................92
positiva semidefinida.........78
negativa definida..........78, 92
saturao .......................... 30
seccionalmente contnua....91
sigmoidal ....................... 203
sinal de () ......................... 35
radialmente ilimitada .........81
decrescente.........................92
invertvel .........................123
funcional de custo .................183
funes de activao .............182
fuso ...................................... 19
fuzificao ...........................168
fuzzy set ................................160

ganho.....................................109
gs perfeito ............................ 20
Gauss-Newton .......................184
generalizao.........................187
generalizar .............................186
Geometria Diferencial .......... 133
global/ assimptotica/ estvel....85
globalmente estvel................. 69
gradiente........................... 51,133
grau de amortecimento......... 194
grau relativo................. 127, 131
bem definido................... 146
indefinido ....................... 147

harmnicas............................. 13
hiprbole .............................. 200
hiperplano ............................... 66
hiptese feita por Aizerman.. 100
histerese ..................... 16, 20, 31
ideal ................................. 32
histria do sinal ..................... 31

identificao do processo ..... 184
if-then................................... 167
inferncia ............................. 168
instvel .......... 49, 66, 91, 74, 112
integrador mltiplo....... 122, 142
interaco entre espcies
animais .............................. 201
interseco ........................... 165
involutivos ........................... 139
isoclnicas..................... 56,57, 58

Jacobiano ....................... 96, 134
jactos ....................................... 54

lei de Arrhenius.................... 203
lei de controlo ...................... 119
lei de ohm trmica.................. 21
leis de Morgan ...................... 167
liga/desliga ............................ 35
liga-desliga............................ 110
com histerese................... 110
linearizao
entrada-estado ......... 123, 141
entrada-sada ................... 146
exacta .............................. 119
exacta por realimentao. 119
por realimentao................ 1
linha de atraso ....................... 117
localmente indefinida.............. 78
lgica difusa.................. 159, 164

marginalmente estvel ............ 73
estvel nsLy....................... 68
Marquardt-Levenberg .......... 184
massa ..................................... 21
massa-mola-amortecedor ..... 192
Matlab................................... 115
matriz Jacobiana................ 70, 72
memria .................................. 3
mtodo da linearizao ........... 74
para sist. no autnomos....95
mtodo das isoclnicas.............56
Lyapunov.................................76
mtodo da linearizao ......73
mtodo directo .......76, 92, 94
mtodo delta ............................56
mtodo do gradiente varivel ..86
mtodo expedito ......................71
mnimo
absoluto............................183
global ...............................183
local .................................183
modelo ..................................... 2
de Ebers-Moll ........................ 18
de estado .............. 13, 22, 24, 63
modelos mltiplos .................159
mola
dura ............................15, 192
linear ..........................15, 192
macia ........................ 15, 192
momento................................187
momento angular ................... 14
momento de inrcia ............... 16
momento linear ...................... 14
multivarivel .......................... 24
nabla ........................................51
no autnomo ..........................64
no linear ................................. 1
no linearidades artificiais ....... 5
no linearidades duras ............. 1
no linearidades naturais ... 5, 29
no observvel.......................127
no unicidade da soluo ....... 10
neurnio.........................177, 178
n.............................................45
estvel ..........................45, 46
instvel.........................45, 46
nodo.........................................45
norma-S.................................167
norma-T.................................166
nsLy...................................66, 93
nmero de camadas ...............181
nmero de unidades...............181
nmero difuso........................162

observvel..............................185
on/off ..................................... 35
operador
atraso ................................ 25
triangulares ......................166
vectoriais............................51
rbita ................................ 28, 43
plana...................................43
elptica ............................ 200
ordem

do sistema ........................ 23
reduzida ...........................127
oscilaes ................................49
oscilador
de resistncia negativa...........196
de Van der Pol .........................67

parmetros da rede.................183
parntesis de Lie....................136
passo adaptativo ....................187
pndulo simples.....................189
permissa.................................167
plano de estado........................43
plano de fases ..........................43
polarizao ............................179
polinmio caracterstico ........122
ponto de equilbrio... 8, 28, 65, 91
estvel .................................... 28
ponto de sela............................45
positiva definida ......................83
princpio
da extenso ......................163
da representao...............163
da resoluo .....................163
da sobreposio .............. 1, 5
produto
cartesiano.........................166
interno..............................133
propulsores ..............................54

quadrtico .............................. 15
quantificar 2

razo de convergncia .............69
reactor qumico continuamente
agitado ................................202
realimentao ........................... 1
de estado................................128
realimentao no linear..99, 119
rectificadores ......................... 18
rectro-propagao..................184
rede de base radial .................180
rede esttica 180
redes neuronais......................177
artificiais .................. 159, 177
regio de atraco............149, 68
regime livre .............................64
regular .............................. 28, 66
rels ....................................... 18
resistncia negativa..................96
resistncia trmica ................. 21
ressonncia com saltos ..........195
retrato de fase ..........................43
Rumelhart ..............................184

sistema(s) .............................. 1, 2
autnomo ......................... 24
causal ................................. 4
completa/ linearizado ...... 132
contnuo ....................... 4, 27
de fase mnima ........ 130, 132
de fase no mnima.......... 130
de parmetros concentrados 4
de parmetros distribudos . 4
determinstico .................... 5
dinmico ............................ 3
discreto ........................ 4, 26
em regime livre ................ 24
em repouso ........................ 4
em tempo real .................... 4
econmicos ........................ 2
esttico ............................... 3
estvel ................................ 5
estocstico ......................... 5
fsicos ................................ 2
geolgicos ......................... 2
invariante no tempo ........... 4
linear massa-mola.............. 52
linear na entrada .............. 141
linear simples .................... 66
linearizado............... 1, 70, 71
linearizvel ........................ 54
matemticos ....................... 2
misto .................................. 2
na forma companheira..... 122
no controlvel ................ 127
no forado ...................... 24
no relaxado ...................... 4
qumicos ............................ 2
relaxado ............................. 4
saturao 16, 29
sem histerese ................... 111
seguimento da trajectria ...... 126
separatriz................................. 68
srie de Fourier ..................... 109
sinal de entrada ....................... 3
singular ........................... 28, 66
singular difuso....................... 163
singularidade na soluo ......... 7
soluo peridica .................. 198
sub-harmnicas ..................... 13
sublimao ............................ 19
suporte................................... 162

tanque cnico ........................ 148
taxa da competio................ 201
tempo de escape ...................... 7
tempo discreto ....................... 25
teorema
da variedade central........... 74
de Bendixon.................51, 62
de Frobenius, 139, 140
de Krasovskii .....................85
de Krasovskii generalizado 86
de Poincar...................50, 62
de Lyapunov ......................80
sistemas no autnomos.....93
de Ly (estabilidade global) 81
de Ly (instabilidade) ..........82
de Poincar-Bendixon........50
do conjunto invariante
global............................89
local..............................88
recproco ............................98
sobre instabilidade .............96
termos de ordem superior ........70
tiristores ................................. 18
trajectria ............................... 28
trajectria estvel ................... 28
trajectria.........................52, 188
parablica.........................200
transformador ........................ 17
ideal ................................. 17
transistor de juno ................ 18
treino
da rede......................184, 186
em grupo..........................186
em linha ...................186, 187

nica varivel ........................ 24
unio......................................165
unidade de processamento.....178
uniformemente estvel.............92
universo do discurso, ............161

valor inicial do estado ............ 24
valor prprio duplo..................47
valores prprios .......................44
Van der Pol, ..........................197
vaporizao ............................ 19
variveis
separveis, .......................119
estado ......................... 23, 43
difusas, ............................164
lingusticas, .....................164
varivel
controlada ........................120
de entrada ..................... 2, 23
de sada .............................. 2
manipulada, .....................120
vector de estado ..................... 23
vector de sada ....................... 23

zona morta ............................. 30
zona morta.............................110

FICHA TCNICA

Ttulo
Controlo No Linear
Copyright 2003 do autor

Autor
Gustavo Monteiro da Silva
http://ltodi.est.ips.pt/gsilva/GVMSilva/CV GMS Out 2001.pdf
e-mail: gsilva@est.ips.pt
gmsilva@netcabo.pt

Edio
Escola Superior de Tecnologia de Setbal
Campus do IPS
Rua do Vale de Chaves, Estefanilha
2910-761 SETBAL PORTUGAL
Tel: 265 790 000 Fax: 265 721 869
e-mail: rel-ext@est.ips.pt

Capa
FXS, Gesto de Marketing, Lda.
Rua Prof. Mark Athias, 4, 3 Frente
1600-646 LISBOA PORTUGAL
Tel: 217 524 285
Fax: 217 524 286 / 217 599 327
e-mail: info@fxs.pt

ISBN 972-98624-5-1

Depsito Legal 1

Setbal, Julho de 2003

Livro CNL Gsilva Jul03

Enviado por

Dados do documento

Título original

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

Livro CNL Gsilva Jul03

Enviado por

Direitos autorais:

Formatos disponíveis

CONTROLO NO LINEAR

Gustavo Vitorino Monteiro da Silva

sujeito s condies iniciais

sujeito s condies iniciais

. Pelo critrio prtico apresentado em a) o sistema linear.

. Uma vez que h a adio de uma constante a uma varivel (ou

+ + = . Este problema anlogo ao da alnea c), para o caso

, ou, na forma matricial,

. Esta equao pode

< , pelo que o sistema exponen-

sempre negativa, isto

obtm-se o modelo de estado

, que maior ou igual a zero, sendo zero nos pontos de

(x) for negativa semidefinida.

implica que a trajectria do sistema se deve aproximar da origem.

que negativa definida. Logo,

que pode ser positiva

nd. Nesta regio V(x) funo de Lyapunov do

localmente negativa semidefinida,

for localmente negativa definida, o ponto de equilbrio

. A funo V(x) radialmente limitada. Esto pois satisfeitas todas as

, que negativa semi definida.

. Uma vez que ( ) ( ) ( ) = f x A x f x

tambm negativa definida. Portanto, pela

ser negativa semidefinida,

=0 e seja M o maior conjunto

negativa semidefinida e o conjunto R definido por ( ) 0 V = x

um domnio de atraco do ponto de equilbrio.

e M o maior conjunto invariante

quando |x|, V(x) radialmente ilimitada e portanto

localmente definida positiva,

(x,t) so positivas definidas em

= , que integrada membro a membro entre os instantes 0 e t, aos

. Tem-se deste modo para

6 -SISTEMAS DIFUSOS, MODELOS MLTIPLOS E REDES NEURONAIS

a matriz de transferncia da sada da camada -1 para a camada ,

o vector de valores internos nas unidades da camada , por B

o vector de sada da camada ,

aplicado individualmente a cada um dos elementos do vector I

representa o coeficiente de ponderao que multiplica a sada da

o vector de polarizao da unidade i da camada .

(x) = x), pelo que a sada

d-se tambm o nome

), os pontos de equilbrio distintos so:

7 - EXEMPLOS DE SISTEMAS NO LINEARES

] assim a rbita ser

vector de posio da partcula

velocidade linear da partcula

velocidade angular da partcula

Você também pode gostar