Incertezas e Robustez para Sistemas Monovariveis

Neste captulo, mostramos como representar incertezas por perturbaes reais ou complexas e analisamos a estabilidade robusta e performance robusta para sistemas monovariveis usando mtodos elementares. Captulo 8 dedicado a um tratamento mais geral. 7.1 Introduo robustez m sistema de controlo robusto se insensvel !s diferenas entre o sistema atual e o modelo do sistema "ue foi utilizado para conceber o controlador. #stas diferenas s$o referidas ! incompatibilidade do modelo%planta ou simplesmente incertezas do modelo. & ideia'c(ave usada no paradigma de controle robusto )*infinito c(ecar se as especificaes do pro+eto est$o satisfeitas mesmo para as incertezas do pior caso. Nossa abordagem a seguinte, -. .eterminar o con+unto de incertezas, encontrar uma representa$o matemtica das incertezas do modelo /esclarecer o "ue sabemos sobre o "ue n$o sabemos0 1. 2erificar a estabilidade robustata, determinar se o sistema permanece estvel para todas as plantas no con+unto de incertezas. 3. 2erificar o desempen(o robusto, se a estabilidade robusta satisfeita, determinar se as especificaes de desempen(o s$o cumpridos para todas as plantas no con+unto de incerteza. #sta abordagem pode nem sempre alcanar o desempen(o ideal. #m particular, se o pior caso da planta ocorre raramente ou nunca, outras abordagens, como a otimiza$o de desempen(o mdio ou usando controle adaptativo, pode render um mel(or desempen(o. No entanto, as descries de incertezas lineares apresentadas neste livro s$o muito utilizadas em situaes prticas. .ever ser apreciado tambm "ue as incertezas do modelo n$o s$o a 4nica preocupa$o "uando se trata de robustez. 5utras consideraes incluem fal(as de sensores e atuadores, restries fsicas, mudanas nos ob+etivos do controle, a abertura e fec(amento de loops, etc. &lm disso, se um pro+eto de controle baseado em uma otimiza$o, ent$o o problema de robustez pode tambm sem causado pela fun$o ob+etivo matemtica "ue n$o est propriamente descrevendo o problema de controle real. # tambm o pro+eto de algoritmos numricos n$o podem ser robustos por si s6. 7orm, "uando nos referimos ! robustez neste livro, estamos falando de incertezas do modelo, e assumimos "ue um controlador fixo /linear0 utilizado. 7ara levar em conta a incerteza do modelo, vamos supor "ue o comportamento din8mico de uma planta descrito n$o por um 4nico modelo linear invariante no tempo, mas por um con+unto de possveis modelos lineares invariantes no tempo, !s vezes denotado 9con+unto de incerteza9. N6s adotamos a seguinte a nota$o, :: ; m con+unto de possveis modelos de plantas perturbados. </s0 # :: ; modelo de planta nominal /sem incertezas0 <p/s0 # :: e <=/s0 # :: ; modelos de plantas perturbados em particular. >s vezes <p usado no lugar de :: para denotar o con+unto de incertezas, en"uanto <= sempre se refere ! uma planta de incertezas especfica. 5 ndice p representa perturbado ou possvel ou II /faa a sua escol(a0. :sto n$o deveria ser confundido com o ndice P em WP, "ue indica desempen(o. saremos uma ?norma'limitada de descri$o de incertezas@ onde o con+unto :: gerado permitindo a norma'limitada )*infinito estabilizar as perturbaes para a planta

nominal </s0. :sto corresponde ! uma descri$o contnua das incertezas do modelo, e (aver um n4mero infinito de plantas possveis <p, no con+unto ::. N6s vamos denotar uma perturba$o "ue n$o est normalizada e vamos denotar uma perturba$o normalizada com a norma )*infinito inferior a -. 5bserva$o, 5utra estratgia para lidar com a incerteza do modelo aproximar o seu efeito sobre o sistema de feedbacA, acrescentando dist4rbios fictcios ou rudo. 7or exemplo, esta a 4nica maneira de lidar com a incerteza do modelo dentro da c(amada abordagem BC< para o controle ideal /ver Captulo D0. #m geral, a resposta n$o. :sto pode ser facilmente ilustrado para sistemas lineares, onde a adi$o de perturbaes n$o afecta a estabilidade do sistema, en"uanto incerteza do modelo combinado com o feedbacA pode facilmente criar instabilidade. 7or exemplo, considere uma planta com um modelo nominal E F <u G <dd,e um modelo de planta perturbado <p F < G # onde # representa o aditivo de incertezas no modelo. #nt$o a sada da planta perturbada EF<puG<ddF<uGd-Gd1 5nde E diferente do "ue se esperava /nomeadamente <u0 por duas razes, -. :ncertezas no modelo /d- F #u0 1. Hinal de incertezas /d1F<dd0 No controle BC< configuramos Id F d- G d1 onde Id assumido como sendo uma varivel independente de rudo branco. #nt$o no problema de pro+eto podemos fazer Id grande selecionando a funes de pondera$o apropriada, mas sua presena nunca ir causar instabilidade. No entanto, na realidade Id F #u G d1, ent$o Id depende do sinal de retorno, o "ue pode causar instabilidade na presena de feedbacA "uando u depende de E. #specificamente, o sistema de circuito fec(ado /: G /<G #0 J0 '- pode ser instvel para # KL M. Concluindo, pode ser importante ter em conta explicitamente as incertezas do modelo "uando se estuda feedbacA de controle. & seguir discutiremos algumas fontes de incerteza do modelo e delinearemos a forma de represent'las matematicamente. 7.2 Representando incertezas :ncerteza no modelo de planta pode ter diversas origens, -. ) sempre par8metros do modelo linear "ue s6 s$o con(ecidos aproximadamente, ou s$o simplesmente errados. 1. 5s par8metros do modelo linear pode variar devido a n$o'linearidade ou mudanas nas as condies de funcionamento. 3. .ispositivos de medi$o tem imperfeies. :sso pode at dar origem a uma incerteza nas entradas manipulados, uma vez "ue a entrada real muitas vezes medida e a+ustada de um modo em cascata. 7or exemplo, muitas vezes este o caso "ue ocorre com vlvulas em "ue um fluxo controlador fre"uentemente utilizado. #m outros casos a resolu$o limitada da vlvula pode causar incertezas de entrada. N. #m altas fre"uOncias, mesmo "ue a estrutura e a ordem do modelo se+am descon(ecidas,a incerteza ser sempre superior a -MMP em alguma fre"uOncia. Q. Resmo "uando um modelo muito detal(ado est disponvel, pode optar por trabal(ar com um modelo nominal mais simples /baixa ordem0 e representar a din8mica negligenciadas como9:ncerteza9. S. Tinalmente, o controlador aplicado pode diferir da"uele obtido resolvendo o problema de sntese. Neste caso, pode'se incluir a incerteza para permitir redu$o de ordem do controlador e imprecises de implementa$o. &s vrias fontes de incerteza do modelo mencionado acima podem ser agrupadas em duas classes principais,

-. :ncerteza paramtrica. &"ui, a estrutura do modelo /incluindo a ordem0 con(ecida, mas alguns dos par8metros s$o incertos. 1. :ncertezas din8micas negligenciadas e n$o modeladas. &"ui o modelo est com erro devido ! falta de din8mica, geralmente em altas fre"uOncias, se+a atravs de negligOncia deliberada ou por causa de uma falta de compreens$o do processo fsico. Cual"uer modelo de um sistema real ir conter essa fonte de incerteza. :ncertezas paramtricas ser$o "uantificadas assumindo "ue cada par8metro incerto delimitado dentro de alguma regi$o Ualfa*min,alfa*maxV. 5u se+a, temos con+untos de par8metros da forma alfa*pFalfa'/-Gr*alfa delta0 onde alfa' representa o valor do par8metro r*alfaF/alfa*max ; alfa*min0%/alfa*mmax G alfa*min0 a incerteza relativa no par8metro, e delta "ual"uer escalar real satisfazendo Rod/.elta0 KF -. :ncertezas din8micas negligenciadas e n$o modeladas s$o um pouco menos precisas e assim, mais difcil de "uantificar, mas aparentemente o domnio da fre"uOncia particularmente ade"uado para esta classe. :sto leva a perturbaes complexas "ue normalizamos como Rod/.elta0*infinitoKF-. Neste captulo n6s trataremos principalmente desta classe de perturba$o. 7ara completar pode'se considerar uma terceira classe de incerteza /"ue realmente um combina$o das outras duas0, 3. :ncertezas aglomeradas. &"ui, a descri$o de incerteza representa uma ou vrias fontes de incertezas din8micas paramtricas e%ou n$o modeladas combinadas numa 4nica perturba$o aglomeradas de uma estrutura escol(ida. Tigura W.5 domnio da fre"uOncia tambm bem ade"uado para descrever incertezas aglomeradas. Na maioria dos casos, preferimos aglomerar a incerteza em uma incerteza multiplicativa da forma Tigura W.1 Cue pode ser representada pelo diagrama de blocos na Tigura W.-. &"ui .elta*:/s0 "ual"uer fun$o de transferOncia estvel "ue em cada fre"uOncia menor ou igual a um em magnitude. &lguns exemplos de .elta*:/s0 admissveis com a norma )*infinito menor "ue - Rod/.elta*:0*infinito KF-, s$o T6rmula Nota -, 5 re"uisito de estabilidade no .elta*:/s0 pode ser removido uma vez se assume "ue o n4mero de p6los X)7 em </s0 e <p/s0 mantm'se inalterada. No entanto, afim de simplificar as provas de estabilidade vamos assumir neste livro "ue as perturbaes s$o estveis. Nota 1, 5 ndice : denota ?entrada@, mas para sistemas monovariveis isto n$o importa se considerarmos a perturba$o na entrada ou sada da planta, desde T6rmula ma outra forma de incerteza, "ue mel(or ade"uado para representar a incerteza de polo, a incerteza multiplicativa inversa. Tigura W.3 Resmo com um .elta*i:/s0 estvel esta forma permite s incerteza na localiza$o de um p6lo instvel, e tambm permite a travessia de p6los entre a metade da es"uerda e da direita. :ncerteza paramtrica !s vezes c(amada de incerteza estruturada, uma vez "ue modela a incerteza de uma forma estruturada. &nalogamente, incerteza de din8mica aglomerada !s vezes c(amada incerteza n$o estruturada. No entanto, deve'se ter cuidado ao usar estes termos por"ue pode (aver vrios nveis de estrutura, especialmente para sistemas monovariveis. 5bserva$o, &bordagens alternativas para descrever a incerteza e o desempen(o resultante podem ser considerados. ma abordagem para a incerteza paramtrica

assumir uma distribui$o probabilstica /normal0dos par8metros, e para considerar a resposta 9mdia9. #sta incerteza estocstica , no entanto, difcil de analisar exatamente. 5utra abordagem a m4ltiplos modelos na "ual uns consideram um con+unto finito de modelos alternativos. #sta abordagem ade"uada para a incerteza paramtrica uma vez "ue alivia o peso da engen(aria na representa$o da incerteza. .esempen(o pode ser medido em termos do pior caso ou alguma mdia destas respostas dos modelos. & abordagem de m4ltiplos modelos pode tambm ser usada "uando ( incertezas din8micas n$o modeladas. m problema com a abordagem de m4ltiplos modelos "ue n$o est claro como escol(er o con+unto de modelos "ue representam as limitaes da planta /pior caso0. 7ara resumir, existem muitas maneiras para definir a incerteza, a partir de incerteza estocstica at a sensibilidade diferencial /robustez local0 e m4ltiplos modelos. Yeinmann /-DD-0 d uma boa vis$o. #m particular, existem vrias maneiras para manipular a incerteza paramtrica, e destes a abordagem no domnio de fre"ZOncia )*infinito, usada neste livro, pode n$o ser o mel(or ou o mais simples, mas pode manipular mais situaes como veremos. &lm disso, o domnio da fre"ZOncia excelente para descrever din8micas negligenciadas ou descon(ecidas, e muito ade"uado "uando se trata de algo simples mas ainda realstico as descries de incertezas aglomeradas. W.3 :ncertezas paramtricas &pesar de "ue !s vezes reivindicada, a incerteza paramtrica pode tambm ser representados no frameIorA )*infinito, pelo menos se n6s restringirmos as perturbaes .elta para ser reais. :sto discutido em mais detal(es na se$o W.W. &"ui n6s fornecemos apenas dois exemplos. #xemplo W.- <an(o de incerteza. [endo o con+unto de plantas possveis como, #"ua$o W.N onde Jp um gan(o incerto e <o/s0 a fun$o de transferOncia sem incertezas. #screvendo #"ua$o W.Q onde rA a magnitude relativa do gan(o de incerteza e A a mdia do gan(o, W.N pode ser escrita como incerteza multiplicativa #"ua$o W.S onde .elta um escalar real e </s0 a planta nominal. 2emos "ue as incertezas em W.S est$o na forma de W.1 com uma constante de peso multiplicativa I-/s0 F rA. & descri$o de incertezas em W.S pode tambm manipular casos onde o gan(o muda o sinal/A*min K M e A*max L M0 correspondendo a rA L-. & utilidade disto bastante limitada, no entanto, uma vez "ue impossvel obter "ual"uer benefcio do controle para uma planta de onde podemos ter <pFM, ao menos com um controlador linear. #xemplo W.1 :ncerteza de tempo constante. Considere um con+unto de plantas com um tempo de incerteza constante, dado por, #"ua$o W.W #screvendo [pF[\/-Grt.elta0, similar a W.Q com Rod/.elta0 K -, o con+unto do modelo W.W pode ser reescrito como #"ua$o W.8 "ue est na forma multiplicativa inversa de W.3. Note "ue isto n$o tem sentido fsico para tp mudar o sinal, por"ue um valor tpFM corresponde ao p6lo no infinito em X)7, e a planta correspondente seria impossvel estabilizar. 7ara representar casos nos "uais um p6lo pode cruzar entre as metades dos planos, deveria ao invs disso considerar incertezas paramtricas no pr6prio polo, -%/sGp0, como descrito em W.8Q.

Como mostrado nos exemplos acima podemos representar incertezas paramtricas no frameIorA )*infinito. 7orm, incerteza paramtrica evitada !s vezes pelas seguintes razes, -. <eralmente re"uer muitos esforos para modelar incertezas paramtricas. 1. m modelo paramtrico de incertezas algo ilus6rio no sentido de "ue ele proporciona uma descri$o muito detal(ada e precisa, mesmo "ue as suposies sub+acentes sobre o modelo e os par8metros podem ser muito menos exata. 3. & estrutura exata do modelo necessria e n$o pode ser tratado com din8micas n$o modeladas. N. 7erturbaes reais s$o necessrias, "ue s$o mais difceis de lidar matematicamente e numericamente, especialmente "uando se trata de sntese do controlador. 7ortanto, incertezas paramtricas s$o as vezes representadas por perturbaes complexas. 7or exemplo, n6s podemos simplesmente substituir a perturba$o real , 'KF .elta KF - pela perturba$o complexa com Rod/.elta/+I00KF-. Claro "ue isto conservador uma vez "ue introduz possveis plantas "ue n$o est$o presentes no con+unto original. 7orm se ( vrias perturbaes reais, ent$o o conservadorismo muitas vezes reduzido por misturar estas perturbaes em uma 4nica perturba$o complexa.[ipicamente, uma perturba$o multiplicativa complexa usada, ex, <pF</:GIi.elta0. Como possvel reduzir o conservadorismo ao agrupar vrias perturbaes reais] :sto ficar claro a partir dos exemplos na pr6xima se$o, mas est simplesmente declarado "ue com vrios par8metros incertos a verdadeira regi$o de incertezas muitas vezes em forma de disco, e pode ser representada mais precisamente por uma simples perturba$o complexa. 7.4 Representando incertezas no domnio da re!u"ncia #m termos de "uantifica$o de incertezas din8micas n$o modeladas a abordagem do domnio da fre"uOncia )*infinito n$o parece ter muita competi$o /"uando comparada com outras normas0. Na verdade, 5Ien and ^ames /-DD10 fazem a seguinte observa$o, 5 pro+eto de controladores de feedbacA na presena de incertezas n$o paramtricas e n$o estruturadas... a raz$o d=etre para otimiza$o de feedbacA )*infinito, para se perturbaes e modelos de plantas s$o claramente parametrizados ent$o o mtodo )*infinito n$o parece oferecer alguma vantagem clara sobre o mais convencional espao de estados e mtodos paramtricos. 7.4.1 Re#i$es de incerteza 7ara ilustrar como incertezas paramtricas se traduzem em domnio de fre"uOncia, considere a figura W.1 as regies de NE"uist geradas pelo seguinte con+unto de plantas #"ua$o W.D 7asso -,em cada fre"uOncia, a regi$o de n4meros complexos <p/+I0 gerada pela varia$o de trOs par8metros na faixa dada por W.D, ver figura W.1. #m geral, estas regies de incertezas tOm formas complicadas e descries matemticas complexas e s$o difceis de tratar nos pro+etos de controle de sistemas. 7asso 1, N6s aproximamos as regies complexas como discos/crculos0 como mostrado na figura W.3, resultando em uma discuss$o de incerteza aditiva como discutida a seguir. Tigura W.1 5bserva$o -, N$o ( conservadorismo introduzido no primeiro passo "uando n6s vamos de uma descri$o de incerteza paramtrica como em W.D at uma descri$o de regi$o de incerteza como na figura W.1. :sto algo surpreendente uma vez "ue as regies

de incertezas na figura W.1 parecem permitir uma maior incerteza. 7or exemplo, permitem ?pulos@ em <p/+I0 de uma fre"uOncia para a pr6xima /por exemplo a partir de um canto de uma regi$o para a outra0. No entanto, n6s obtemos neste e no pr6ximo captulo uma condi$o de fre"uOncia necessria e suficiente para estabilidade robusta baseada em regies de incertezas. &ssim, o 4nico conservadorismo est no segundo passo onde n6s aproximamos a regi$o de incerteza original da maior regi$o em forma de disco mostrada na figura W.3. 5bserva$o 1, N$o existem mtodos exatos "ue evitam o segundo passo conservador. 7orm, como + mencionado, estes Tigura W.3 mtodos s$o bastante complexos, e embora eles possam ser utilizados em anlises, pelo menos para sistemas simples, eles n$o s$o realmente ade"uados para sntese de controladores e n$o ser$o analisados neste livro. 5bserva$o 3, .a figura W.3 n6s vimos "ue o raio do disco pode ser reduzido movendo o centro /selecionando outro modelo nominal0. :sto discutido na se$o W.N.N. 7.4.2 Representando re#i$es de incertezas por perturba$es comp%e&as N6s usaremos as regies em formato de disco para representar regies de incertezas como ilustrado por NE"uist na Tigura W.3 e W.N. #stas regies podem ser geradas por aditivo de perturbaes norma'delimitada complexas /aditivo de incertezas0 em torno da planta nominal < #"ua$o W.-M onde .elta&/s0 "ual"uer fun$o de transferOncia estvel "ue a cada fre"uOncia n$o maior "ue - em magnitude. Como isto possvel] He n6s considerarmos todos os possveis .elta &=s, ent$o a cada fre"uOncia de .elta&/+I0 ?gerada@ uma regi$o em forma de disco com radio - centrado em M, ent$o </+I0GIa/+I0.elta&/+I0 gera a cada fre"uOncia uma regi$o de disco de rdio Rod/I&/+I00 centrado em </+I0 como mostrado na figura W.N. Na maioria dos casos I&/s0 uma fun$o de transferOncia racional /embora nem sempre necessariamente0. Tigura W.N ns podem tambm ver I&/s0 como um peso "ue introduzido para normalizar a perturba$o para menos "ue - em magnitude em cada fre"uOncia. &ssim, somente a magnitude dos pesos importa, e para evitar problemas desnecessrios n6s sempre escol(emos I&/s0 para estabilidade e mnima fase /isto se aplica a todos os pesos utilizados neste livro0. Tigura W.Q & regi$o de formato de disco pode alternativamente ser representada por descries de incertezas multiplicativas como em W.1. #"ua$o W.-Comparando W.-M e W.-- n6s vemos "ue para sistemas monovariveis as descries de incertezas aditivas e multiplicativas s$o e"uivalentes em cada fre"uOncia #"ua$o W.-1

Contudo, pesos multiplicativos /relativa0 s$o muitas vezes preferidos, por"ue os valores numricos deles s$o mais informativos. #m fre"ZOncias onde Rod/Ii /+I0 +0 L - a incerteza excede -MMP e a curva de NE"uist pode passar atravs da origem. :sto segue uma vez "ue, como ilustrado na figura W.-Q, o rdio do disco no NE"uist 7lot,

Rod/I&/+I00FRod/</+I0I:/+I00 ent$o excede a dist8ncia de </+I0 para a origem. Nestas fre"ZOncias n6s n$o sabemos as fases da planta, e permitimos zeros cruzando da es"uerda para a direita. 7ara vermos isto, consideramos a fre"ZOncia IM onde Rod/I:/+IM00 LF-. #nt$o existe um Rod/.elta:0 KF- como <7/+IM0FM em W.--, isto , existe uma possvel planta com zeros em sFG'+IM. 7ara esta planta em fre"ZOncia IM a entrada n$o tem efeito na sada, ent$o n$o ( controle. Hegue'se ent$o "ue o controle apertado n$o possvel em fre"ZOncias onde Rod/I:/+I00LF- /esta condi$o obtida mais rigorosamente em W.330.