Controle Avan 1 ado - Trabalho 1 2

Hailton Antunes Dias da Silva 6 de junho de 2012

Introdu 1 1 o 2 2
2 O sistema 1 representado no espa 1 o de estados por: 2 x = Ax + Bu, y = Cx, (1) (2)

na forma can 2 nica control 1 vel com matrizes: 1 2 1 0 0 0 A = 1 0 0 ,B = 0 ,C = 0 0 1 0

Primeiro Caso

Como pode ser observado, a planta 2 inst 1 vel e possui 3 p 1 los na 1 2 2 1 origem. Assim, deseja-se alocar tais p 2 los em -1+j, -1-j e -4 utilizando reali menta 1 1 o de estados. 2 2 A representa 1 2 o da malha fechada com u = -Kx 1 dada por: 2 1 2 x = (A BK)x, y = Cx, Pela F 2 rmula de Ackermann: 1 det sI A + BK =0 (3) (4)

s3 + K1 s2 + K2 s + K3 = 0

(5)

Da mesma forma, calculando o polin 2 mio caracter 1 stico que representa 1 2 1 o sistema com p 2 los em -1+j, -1-j e -4 obtemos: (s + 1 j)(s + 1 + j)(s + 4) = 0 (6)

s3 + 6s2 + 10s + 8 = 0

(7)

Igualando os coecientes dos polin 2 mios, obtemos o ganho K, dado por: 1 K= s 2 o 1 6 10 8

O sistema em malha fechada foi simulado no Simulink (Matlab) e os gr 1 cos 2 dados por:

Figura 1: Estados do Sistema e Sinal de Controle Analisando a Figura 1, verica-se que 1 poss 1 vel controlar o sistema 2 2 apenas com a realimenta 1 1 o de estados, por 1 m esta t 1 cnica 1 limi 2 2 2 2 2 1 tada para sistemas conhecidos com precis 2 o al 2 m de necessitar que todos 1 os estados do sistema sejam medidos.

Segundo Caso

No segundo caso, deseja-se adicionar uma refer 2 ncia ao sistema. Com isso, 1 1 1 a representa 2 2 o da malha fechada, com N sendo um escalar, torna-se: x = (A BK)x + BN r, y = Cx, 2 (8) (9)

O ganho N do feedforward 1 desejado tal que limt y(t) = limt r(t). 2 Partindo desse pressuposto, calcula-se a fun 2 1 o de transfer 1 ncia de r para 1 2 2 y e utiliza-se o Teorema do Valor Final. Y (s) N = 3 R(s) s + 6s2 + 10s + 8 lims0 Y (s) N = =1 lims0 R(s) 8 N =8

(10)

(11)

(12)

O sistema foi simulado com uma refer 2 ncia r = 20 e seus resultados podem 1 ser observados na Figura 2 e na Figura 3.

Figura 2: Estados do Sistema e Sinal de Controle

Figura 3: Erro de Rastreamento Podemos observar que o comportamento do erro de rastreamento 1 bas 2 2 2 2 1 tante satisfat 2 rio, decaindo at 1 0 rapidamente. Por 1 m, as limita 1 2 es 1 da t 1 cnica utilizada continuam sendo as mesmas da Primeiro Caso. 2

Terceiro Caso

Podem haver situa 1 1 es em que apenas a sa 1 da y possa ser medida. 2 2 2 Neste caso, existe a necessidade da utiliza 1 1 o de um estimador de estados 2 2 na forma: x = A + Bu + L(y y ), x y = C x, (13) (14)

O sistema em malha fechada com u = K x + N r possui as seguintes equa 2 1 es que governam sua din 1 mica: 1 2 2 x = (A BK LC) + BN r + Ly, x y = C x, (15) (16)

2 2 2 Dessa forma, a equa 1 1 o que governa a din 1 mica do erro de estima 1 1 o 2 2 x = x x 1 dada por: 2 x = (A LC), x y = C x, 4 (17) (18)

Para determinar o ganho L, deve-se escolher p 1 los distantes o suciente 2 para que n 1 o interram na domin 1 ncia dos pol 1 s da planta e assim elimi 2 2 2 nando o erro de estima 1 1 o rapidamente. 2 2 Portanto, escolhendo-se p 1 los em -20-20j, -20+20j e -20 e aplicando a 2 2 2 F 2 rmula de Ackermann para a sele 1 1 o de ganho obtemos: 1 det sI A + LC =0

s3 + L3 s2 + L2 s + L1

(19)

Da mesma forma, calculando o polin 2 mio caracter 1 stico que representa 1 2 1 o sistema com p 2 los em -1+j, -1-j e -4 obtemos: (s + 20 + 20j)(s + 20 20j)(s + 20) = 0 (20)

s3 + 60s2 + 1600s + 16000 = 0

(21)

Igualando os coecientes dos polin 2 mios, obtemos o ganho L, dado por: 1 16000 L = 1600 . 60 Em posse de L, o sistema foi simulado no Simulink (Matlab) com um degrau no sinal de refer 1 ncia. Assim, os gr 2 cos da resposta ao degrau s 1 o dados 2 1 2 a seguir:

Figura 4: Sa 1 da do Sistema e Sinal de Controle 2 5

Figura 5: Erros de Observa 2 1 o e Erro de Rastreamento 1 2 O gr 1 co do erro de estima 1 1 o na Figura 5 mostra que o objetivo 2 2 2 de levar a sa 1 da at 2 a refer 1 ncia est 1 sendo atendido. Por 1 m, a 2 1 2 2 2 limita 1 2 o do conhecimento exato da planta ainda existe. 2 1

Quarto Caso

No quarto caso, utilizamos um estimador alternativo ao do Terceiro Caso e comparamos os resultados obtidos. Nesse novo estimador, utilizamos u = K x e eliminando assim a inu 2 ncia 1 1 1 1 1 1 da refer 2 ncia em sua din 2 mica. Os gr 2 cos de sua simula 2 2 o da res posta ao degrau no Matlab (Simulink) s 1 o dados na Figura 6 e na Figura 2 7:

Figura 6: Sa 1 da do Sistema e Sinal de Controle 2

Figura 7: Erros de Observa 2 1 o e Erro de Rastreamento 1 2 Analisando seu comportamento, podemos armar que retirando a refer 1 ncia 2 do sinal de entrada do estimador, o erro de rastreamento (Figura 7) n 2 o con 1 segue mais convergir para 0, o que caracteriza um oset na sa 1 da do sistema. 2

Quinto Caso

Todos os casos anteriores partiram do princ 1 pio que todos os par 1 metros 2 2 da planta eram conhecidos. Por 1 m, podem ocorrer incertezas no processo de 2 obten 1 1 o desses par 2 metros. 2 2 1 Assim, foi simulada essa incerteza substituindo a matriz A do observador por uma vers 1 o A pertubada na forma A + , sendo uma matriz de incerteza 2 1 param 2 trica gerada pelo comando randn do Matlab. 1 2 Acrescentamos tamb 1 m uma perturba 2 1 o no sinal de controle da planta 2 da forma:

x = Ax + B(u + d), y = Cx,

(22) (23)

Como d n 1 o 1 medido, utilizaremos o mesmo estimador (15) e na si 2 2 mula 2 1 o do sistema, utilizaremos como refer 1 ncia um degrau aplicado 1 2 2 em t = 50, r(t) = u0 (t 50). Por m, foram inseridos dois dist 1 rbios de 2 medi 1 1 o no sistema, um na entrada regido por 2d(t) = u0 (t 20) + u0 (t 2 2 30) + u0 (t 70) + u0 (t 80) e um ru 2 do branco na sa 1 da. 1 2 1 1 As simula 2 2 es no Matlab (Simulink), com um sinal de degrau na re fer 2 ncia, obtiveram os seguintes gr 1 cos: 1 2

Figura 8: Sa 1 da do Sistema e Sinal de Controle 2

Figura 9: Erros de Observa 2 1 o e Erro de Rastreamento 1 2 Analisando os gr 1 cos da simula 2 1 o, observamos que um sistema sub 2 1 2 1 1 metido a pertuba 2 2 es e erros param 1 tricos n 1 o conseguem atingir o 2 2 objetivo de chegar na refer 1 ncia desejada, necessitando de uma t 1 cnica adi 2 2 cional para tal resultado.

Sexto Caso

O sexto e 2 ltimo caso acrescenta um integrador com estado xi na malha 1 fechada de tal forma que: x xi

u=

Ki

K0

(24)

xi = y r Logo, na malha fechada: xi x Adotando K = se: det sI 0 0 C A + 0 B K =0 = K0 0 0 C A xi x + 0 B (u + d) 1 0 r

(25)

Ki , aplica-se a equa 1 1 o de Ackermann e obtem 2 2

s4 + K01 s3 + K02 s2 + K03 s + Ki 9

(26)

 1 2 Os p 1 los ser 2 o alocados nos mesmos lugares -1+j, -1-j e -4, al 1 m de um 2 adicional em -10 imposto pelo integrador. A equa 1 2 o caracter 1 stica 2 1 2 torna-se: p 2 lo 1 s4 + 16s3 + 70s2 + 108s + 80

(27)

K=

16

70

108

80

Os gr 1 cos da simula 1 1 o do sistema no Matlab (Simulink), nas mesmas 2 2 2 condi 1 1 es de pertuba 1 1 o do Quinto Caso, est 1 o expostos na Figura 2 2 2 2 2 10 e na Figura 11.

Figura 10: Sa 2 da do Sistema e Sinal de Controle 1

10

Figura 11: Erros de Observa 1 1 o e Erro de Rastreamento 2 2 A robustez da inser 1 1 o do integrador ca evidente quando observamos 2 2 na Figura 11 a r 1 pida elimina 1 2 o do erro de rastreamento do sistema 2 2 1 1 2 mesmo com incertezas param 2 tricas e dist 1 rbios.

11