Escolar Documentos
Profissional Documentos
Cultura Documentos
........................................... 228
Figura A2.4 Sistema de aquisio utilizado na aplicao de controle.............................. 228
Figura A2.5 Gerador de sinais de distrbio e amplificador do sinal de controle.............. 229
Figura A2.6 Atuador PZT de pilha CEDRAT APA 60M.................................................. 229
Figura A2.7 Acelermetro PCB Piezotronics modelo 352C22..................................... 230
Figura A2.8 Configurao do experimento de controle experimental na trelia 3D........ 230
LISTA DE TABELAS
Tabela 1.1 Propriedades fsicas do PZT e PVDF............................................................. 35
Tabela 1.2 Comparao entre propriedades dos polmeros PVDF e Polyimides............. 37
Tabela 7.1 Propriedades fsicas e geomtricas da viga utilizada...................................... 131
Tabela 7.2 Comparao entre as freqncias do modelo FEM e experimental............... 137
Tabela 7.3 Propriedades fsicas e geomtricas da placa de alumnio............................... 139
Tabela 7.4 Propriedades fsicas e geomtricas dos atuadores PZTs, baseadas no
material PSI-5A-S4 (Piezo-Systems, Inc.)........................................................................
145
Tabela 7.5 Freqncias naturais e fatores de amortecimento de cada identificao........ 147
Tabela 7.6 Comparao entre as freqncias naturais: FEM versus Modelo
Identificado..........................................................................................................................
151
Tabela 7.7 Comparao entre os fatores de amortecimento: FEM versus Modelo
Identificado..........................................................................................................................
151
Tabela 7.8 Propriedades fsicas e geomtricas da trelia................................................. 152
Tabela 7.9 Posies candidatas ao pior caso de distrbio................................................ 153
Tabela 7.10 Freqncias naturais e os fatores de amortecimento estrutural.................... 154
Tabela 7.11 Propriedades fsicas e geomtricas da trelia espacial................................. 160
Tabela 7.12 Nmero dos elementos (barras) em funo dos ns..................................... 164
Tabela 7.13 Posies dos sensores altamente correlacionados........................................ 170
Tabela 7.14 Atenuao em dB na amplitude de vibrao para os quatro primeiros
modos...................................................................................................................................
174
Tabela 7.15 Parmetros estatsticos dos sinais de fora modal nos atuadores................. 176
Tabela 7.16 Parmetros estatsticos dos sinais de deslocamento modal.......................... 177
Tabela 7.17 Atenuao em dB considerando o sistema em cada vrtice do politopo...... 178
Tabela 7.18 Propriedades fsicas e geomtricas da trelia............................................... 180
Tabela 7.19 Propriedades fsicas e geomtricas do atuador de pilha (CEDRAT
Technologies).......................................................................................................................
180
LISTA DE SMBOLOS
A
T
Transposto da matriz A
A
-1
Inversa da matriz quadrada no-singular A
||A||
2
Norma euclidiana de uma matriz A com valores reais
||v||
2
Norma euclidiana de um vetor v com valores reais
diag(a
i
) Matriz diagonal com elementos a
i
na diagonal
i
(A) Autovalores da matriz quadrada A
max
(A) Mximo autovalor da matriz quadrada A
I
n,n
Matriz identidade de ordem n x n
O
n,n
Matriz de zeros de ordem n x n
A
Pseudo-inversa da matriz A
[ ]
Matriz com espao de linhas perpendicular ao espao de linhas de [ ]
min(x)||a-b|| Mnimo entre a = a(x) e b = b(x) com incgnita x
tr(A) Trao da matriz A
Co(V
1
,...,V
n
) Domnio convexo com vrtices V
1
,..., V
n
) A ( lim
t
Limite de A = A(t) com t (tempo) tendendo ao infinito
E(a) Esperana da varivel a
N(a,b) Funo densidade probabilidade Gaussiana com argumento a e covarincia b
p(a|b) Probabilidade do evento a sabendo que ocorreu outro evento b
det(A) Determinante da matriz quadrada A
L(x,u) Funo quadrtica envolvendo as variveis x e u
Letras Latinas
A Matriz dinmica
A
m
Matriz dinmica modal
A
c
Matriz dinmica do sistema a malha fechada
B Matriz de entrada de controle
B
w
Matriz de entrada de distrbio
B
m
Matriz de entrada de controle modal
B
mw
Matriz de entrada de distrbio modal
B
0
Matriz de entrada do sinal de controle
B
0w
Matriz entrada do distrbio
C Matriz de sada
C
Matriz de controlabilidade
C
m
Matriz de sada modal
C
mq
Matriz de sada de deslocamento modal
C
mv
Matriz de sada de velocidade modal
C
oq
Matriz de sada de deslocamento
C
ov
Matriz de sada de velocidade
D Matriz de transmisso direta da entrada de controle
D
w
Matriz de transmisso direta da entrada de distrbio
D
a
Matriz de amortecimento estrutural
D
ap
Matriz de amortecimento estrutural proporcional
D
m
Matriz de amortecimento modal
e(t) Vetor de erro
g
uyk
Vetor da norma do k-simo sensor
G Funo de transferncia do sistema
G Matriz de ganho do controlador
G(s) Funo de transferncia real
G
n
(s) Funo de transferncia nominal
||G||
Norma H
i
Freqncia natural do i-simo modo
Espao convexo
Matriz de freqncias naturais
Matriz modal
Escalar de proporcionalidade entre as matrizes de massa e amortecimento
wi
Peso do distrbio w no i-simo modo
zi
Peso da sada de desempenho z no i-simo modo
Escalar de proporcionalidade entre as matrizes de rigidez e amortecimento
i
Fator de amortecimento do i-simo modo
i
Valor singular de Hankel do i-simo modo
Matriz de observabilidade estendida
Matriz de controlabilidade estendida
a
(s) Representao da incerteza aditiva
o
(s) Representao da incerteza multiplicativa na sada
i
(s) Representao da incerteza multiplicativa na entrada
Matriz diagonal da decomposio de valores singulares
max
(G) Maior valor singular da funo de transferncia G
Escalar da formulao da norma H
via LMIs
2
ndice de posicionamento envolvendo a norma H
2
h
ndice de posicionamento envolvendo a norma Hankel
a
ndice de posicionamento do atuador
s
ndice de posicionamento do sensor
m
ndice dos modos
max
(A) Maior autovalor da matriz A
Subscritos
m Referente representao em coordenadas modais
w Referente matriz de entrada de distrbio
i Referente ao i-simo modo de vibrao
r Referente aos estados mantidos aps o truncamento
t Referente aos estados truncados
d Referente forma discreta
s Referente aos sensores
a Referente aos atuadores
c Referente ao modelo a ser controlado
r Referente ao modelo residual
Siglas
AVC Controle Ativo de Vibraes (Active Vibration Control)
LMI Desigualdades Matriciais Lineares (Linear Matrix Inequalities)
LQR Regulador Linear Quadrtico (Linear Quadratic Regulator)
ANC Controle Ativo de Rudos (Active Noise Control)
ANVC Controle Ativo de Vibraes e Rudos (Active Noise and Vibration Control)
SISO Simples Entrada Simples Sada (Single Input Single Output)
AG Algoritmos Genticos
PZT Titanato-Zirconato-Chumbo
PVDF Polyvinilidene Fluoride
NASA Agncia Aeroespacial dos Estados Unidos (National Aeronautics and Space
Administration)
SHM Monitoramento da Integridade Estrutural (Structural Health Monitoring)
ACX Active Control eXperts, Empresa de Cambridge, Massachusetts, EUA
ATVA Active Tuned Vibration Attenuators
USDC Ultrasonic/sonic driller/corer
ER Eletroreolgico
MR Magnetoreolgico
FEM Mtodo dos Elementos Finitos (Finite Element Method)
EDOL Equao Diferencial Ordinria Linear
GL Grau de Liberdade
ERA Algoritmo de Realizao de Autosistemas (Eigensystem Realization Algorithm)
SOFIA Stratospheric Observatory for Infrared Astronomy
DLR Centro Aeroespacial da Alemanha
FFT Transformada Rpida de Fourier (Fast Fourier Transform)
MIMO Mltiplas Entradas Mltiplas Sadas (Multi Input Multi Output)
N4SID Numerical Algorithms for Subspace State Space System Identification
SVD Decomposio em Valores Singulares (Singular Value Decomposition)
FRF Funo de Resposta em Freqncia
RMS Root Mean Square
GEPV Problema de Autovalor Generalizado
LDI Incluso Diferencial Linear
PLDI LDI Politpica
NLDI LDI Limitada por Norma
LMIP Problema de Factibilidade de uma LMI
LTI Sistema Linear e Invariante no Tempo
LQG Regulador Linear Quadrtico Gaussiano
EVP Problema de Autovalor (Eigenvalue Problem)
PDF Funo Densidade de Probabilidade (Probability Density Function)
22
SUMRIO
1. INTRODUO...................................................................................................................................24
1.2.1 Configurao Geral do Problema de Posicionamento timo ......................................... 29
1.3.1 Algumas Aplicaes de Materiais Inteligentes................................................................ 38
CAPTULO 2. MODELO DINMICO ESTRUTURAL ...........................................................................49
2.1 MODELOS ESTRUTURAIS DE SEGUNDA ORDEM........................................................... 50
2.2 MODELOS ESTRUTURAIS NO ESPAO DE ESTADOS ................................................... 52
2.3 CONTROLABILIDADE E OBSERVABILIDADE.................................................................... 55
2.4 REDUO DE MODELOS.................................................................................................... 58
2.5 MTODO DE SUBESPAO PARA IDENTIFICAO DAS MATRIZES DO SISTEMA ...... 61
2.5.1 Esquema da Identificao ............................................................................................... 65
CAPTULO 3. POSICIONAMENTO TIMO DE SENSORES E ATUADORES ...................................68
3.1 NORMAS DE SISTEMAS...................................................................................................... 68
3.1.1 A Norma H
..................................................................................................................... 69
3.1.2 A Norma H
2
...................................................................................................................... 71
3.1.3 A Norma Hankel .............................................................................................................. 74
3.1.4 ndice de Atuador/Sensor e ndice de modos ................................................................. 76
3.2 ESTRATGIAS PARA O POSICIONAMENTO DE SENSORES/ATUADORES.................. 78
3.2.1 Estratgia de Posicionamento de Atuadores .................................................................. 78
3.2.2 Estratgia de Posicionamento de Sensores ................................................................... 79
3.3 CONFIGURAO GERAL DO PROBLEMA DE POSICIONAMENTO TIMO DE
SENSORES/ATUADORES............................................................................................................... 79
3.3.1 Propriedades ................................................................................................................... 80
3.3.2 ndices e Matrizes de Posicionamento............................................................................ 83
3.4 POSICIONAMENTO TIMO UTILIZANDO MATRIZES GRAMMIANAS............................. 86
CAPTULO 4. DESIGUALDADES MATRICIAIS LINEARES ...............................................................89
4.1 HISTRICO........................................................................................................................... 89
4.2 DEFINIES E CONCEITOS BSICOS.............................................................................. 91
4.2.1 Problema de Factibilidade de uma LMI (LMIP) ............................................................... 92
4.2.2 Problema de Autovalor (EVP) ......................................................................................... 92
4.2.3 Problema de Autovalor Generalizado (GEVP) ................................................................ 93
4.3 SISTEMAS INCERTOS......................................................................................................... 93
4.3.1 Incertezas Estruturadas................................................................................................... 94
4.3.2 Incertezas No-estruturadas ........................................................................................... 95
4.4 ESTABILIDADE QUADRTICA............................................................................................ 97
23
CAPTULO 5. PROJETO DE SISTEMAS DE CONTROLE NO DOMNIO DO TEMPO......................99
5.1 REALIMENTAO LINEAR DE SADAS ........................................................................... 103
5.2 REALIMENTAO LINEAR DE ESTADO.......................................................................... 104
5.3 CONTROLE TIMO COM FUNO DE CUSTO QUADRTICA...................................... 105
5.3.1 Problema de Controle timo Quadrtico ...................................................................... 106
5.3.2 Regulador Linear Quadrtico via LMIs.......................................................................... 109
5.4 MODELO DINMICO PARA PROJETO DE CONTROLADOR ROBUSTO....................... 112
CAPTULO 6. OBSERVADORES DE ESTADOS...............................................................................114
6.1 CONCEITO DE OBSERVADOR DE ESTADOS................................................................. 115
6.2 OBSERVADOR DE ORDEM PLENA.................................................................................. 115
6.2.1 Estrutura para Observadores de Ordem Plena............................................................. 117
6.2.2 Observador para Sistemas Detectveis........................................................................ 118
6.2.3 Escolha dos Autovalores do Observador ...................................................................... 118
6.3 OBSERVADOR DE ORDEM REDUZIDA ........................................................................... 119
6.4 OBSERVADOR DE UMA FUNO LINEAR DO ESTADO DE ORDEM MNIMA............. 120
6.5 OBSERVADOR PROPORCIONAL-INTEGRAL.................................................................. 121
6.6 ESTIMADOR DE KALMAN ................................................................................................. 122
CAPTULO 7. APLICAES ..............................................................................................................128
7.1 POSICIONAMENTO TIMO DE ATUADORES DE PILHA................................................ 129
7.2 POSICIONAMENTO TIMO DE SENSORES/ATUADORES EM PLACAS FLEXVEIS... 138
7.3 INFLUNCIA DE DISTRBIOS NO POSICIONAMENTO TIMO..................................... 151
7.4 CONFIGURAO GERAL DO PROBLEMA DE POSICIONAMENTO TIMO E PROJETO
DE CONTROLADOR ROBUSTO................................................................................................... 159
7.5 PROJETO EXPERIMENTAL DE CONTROLE DE VIBRAES EM UMA TRELIA 3D.. 178
CAPTULO 8. CONSIDERAES FINAIS.........................................................................................193
8.1 COMENTRIOS E CONCLUSES.................................................................................... 193
8.2 SUGESTES PARA TRABALHOS FUTUROS.................................................................. 196
REFERNCIAS BIBLIOGRFICAS ...................................................................................................197
ANEXO 1..............................................................................................................................................215
ANEXO 2..............................................................................................................................................223
24
1. INTRODUO
Atualmente, diversas pesquisas de engenharia so voltadas para o desenvolvimento de
tcnicas de controle ativo de vibraes (AVC do ingls Active Vibration Control)
juntamente com a aplicao de uma nova classe de materiais com propriedades
eletromecnicas especficas. Estas pesquisas so impulsionadas pela necessidade de estruturas
leves e sistemas com altos desempenhos, gerando menores custos operacionais e aumentando
os lucros. Algumas destas pesquisas tm causado profundo impacto nas aplicaes
aeroespaciais e em robtica (LIU; ZHANG, 2000).
As tcnicas de controle se dividem em trs classes bsicas: tcnicas passivas, ativas e
as semi-ativas. Tcnicas passivas envolvem aumento de massa estrutural, em geral,
adicionando materiais visco elsticos como absorvedores de vibraes, e at mesmo barreiras
mecnicas a propagao sonora, no caso de controle de rudos (SOUZA, 2003; MATHEU,
1997). As tcnicas de controle ativo de vibrao utilizam foras secundrias aplicadas na
estrutura por um controlador que adquire as informaes obtidas por um sensor. Estas foras
procuram reduzir a vibrao estrutural causada por uma fonte de vibrao primria, Figura
1.1. Estes estudos tm recebido contribuies significativas nas ltimas dcadas, sobretudo,
dadas aos avanos no processamento digital de sinais. O assunto amplamente investigado
em Fuller et al. (1996) e em Hansen e Snyder (1997). J as tcnicas semi-ativas se formam
atravs da aplicao das duas anteriores simultaneamente (KARNOPP, 1990).
Figura 1.1 Desenho esquemtico de um sistema de controle ativo.
Existem vrias tcnicas de AVC e, em geral, o sucesso destas tcnicas depende de
diversos fatores, incluindo: o posicionamento dos sensores e atuadores na estrutura; o tipo do
controlador; o parmetro que controlado e o tipo de sensor e atuador usado para medir cada
25
parmetro. Grande parte da contribuio cientfica para AVC, nas ltimas dcadas, devido
ao desenvolvimento de algoritmos evolutivos, que a partir dos anos 90 comeam a ganhar
espao e tcnicas de resoluo de problemas de controle baseadas em desigualdades
matriciais lineares (LMIs do ingls Linear Matrix Inequalities). Esta formulao se
caracteriza como uma eficiente ferramenta de otimizao. Apesar de vantagens considerveis,
ainda so poucos os autores que utilizam esta metodologia para o controle estrutural de
sistemas mecnicos (MOREIRA, 1998; SILVA, 2005; SARRACINI JR., 2006; SARRACINI; SERPA,
2006).
O problema de localizao tima de sensores e atuadores uma importante etapa da
utilizao de uma tcnica de controle. Tal problema est na sua configurao geral quando se
considera a influncia de distrbios externos sobre a estrutura base, alm de sadas de
desempenho (ou sada reguladas). Aps a definio do posicionamento dos atuadores e
sensores em localizaes timas considerando a configurao geral do problema, se torna
necessrio a aplicao de tcnicas de controle para atenuar sinais de vibraes estruturais.
Existem vrias possibilidades de projeto de controle, cada uma com vantagens especficas em
funo da aplicao.
Neste contexto, o objetivo deste trabalho utilizar tcnicas de controle ativo de
vibraes estruturais e sensores/atuadores piezeltricos em posies timas obtidas atravs
das normas de sistemas e matrizes grammianas. usada uma metodologia de controle via
realimentao de estados e o ganho do controlador obtido utilizando o Regulador Linear
Quadrtico (LQR do ingls Linear Quadratic Regulator), cuja equao de Riccati
resolvida via LMIs. Os controladores so projetados segundo o enfoque de otimizao
convexa, com requisitos envolvendo LMIs possibilitando se considerar incertezas nos
parmetros estruturais.
1.1 CONTROLE ATIVO DE VIBRAES
Em geral sempre so abordados dois tipos de estratgias de controle: controle de
alimentao direta ou controle antecipativo (feedforward) e controle por realimentao
(feedback). A primeira estratgia (feedforward) um algoritmo de controle simples, mas que
requer um sinal de referncia. O controlador usa este sinal de referncia e o erro de sada para
ajustar continuamente o sinal de controle e minimizar este erro (ANTHONY, 2000). Grande
parte das tcnicas de controle ativo de rudo (ANC Active Noise Control) envolve esta
estratgia, onde a meta o cancelamento deste erro atravs de um filtro. No entanto, em
26
muitas aplicaes prticas o erro tambm causado por vibrao mecnica. Surgiam assim as
tcnicas de controle ativo de vibrao e rudo (ANVC Active Noise and Vibration Control,
FULLER et al., 1996). A literatura tem apresentado diversas variantes de tcnicas ANVC,
como por exemplo, o controle acstico estrutural ativo. Nesta tcnica somente so atenuados
os modos naturais com maior eficincia na irradiao de som quando uma estrutura
excitada.
A outra estratgia (feedback) no requer um sinal de referncia, mas h limitaes no
desempenho devido s restries de estabilidade (LEE, 2000). O controle por realimentao
particularmente usado para controlar modos individuais em regies de baixa freqncia, como
o caso da maioria das aplicaes de controle de estruturas flexveis. Nestes problemas os
sistemas devem seguir uma trajetria com alta preciso e tempo curto, como exemplo prtico
tem-se os mecanismos robticos (VALER, 1999).
De maneira geral os problemas de controle ativo de vibraes (AVC) com
realimentao, de estados ou de sada, tm como meta o projeto de um controlador para suprir
vibraes na regio de baixa freqncia. Vrias metodologias tm sido utilizadas para projetos
de controladores para estas aplicaes. Inicialmente tcnicas de AVC foram projetadas
considerando apenas sistemas SISO (Single Input-Single Output) e tcnicas clssicas de
controle, como mtodo do lugar das razes e mtodos de resposta em freqncia (OGATA,
1997).
Durante muitos anos estas tcnicas se mostraram suficientes, porm com a evoluo
das exigncias estruturais estas metodologias se tornaram insatisfatrias motivando a
introduo de tcnicas de controle moderno (MEIROVITCH, 1990; OGATA, 1997). Outro grande
problema encontrado o fato da maioria dos modelos de estruturas flexveis serem compostos
com parmetros distribudos, portanto, so necessrias aproximaes e truncamentos. Isto
invariavelmente conduz a erros de modelagem, sobretudo na dinmica referente aos modos
residuais, o que pode provocar efeitos nocivos ao sistema. Alm disto, variaes paramtricas
tambm podem prejudicar o sistema e devem ser consideradas no projeto. Isto faz com que
tcnicas de controle robusto meream destaque em aplicaes de AVC, ainda que muitas
vezes elas sejam esquecidas, uma vez que o controle por realimentao por si s j d certo
grau de robustez ao sistema, mas que nem sempre se mostra suficiente em termos prticos
(VALER, 1999).
27
1.2 POSICIONAMENTO TIMO DE SENSORES E ATUADORES
Para o controle de vibraes mecnicas, principalmente quando h um grande nmero
de posies candidatas, o problema do posicionamento de sensores e atuadores talvez merea
a maior ateno. Este posicionamento pode definir a eficincia do controle, pois, em funo
da posio onde so colocados, atuadores e sensores podem comprometer a controlabilidade e
a observabilidade do sistema, ou exigir altos nveis de energia para se obter o resultado
esperado. De outro lado, se posicionados em localizaes timas, o nmero necessrio destes
dispositivos pode ser reduzido, diminuindo assim o custo de instrumentao, do
processamento de sinais e da energia necessria para o controle da estrutura. Em geral, a
localizao tima dos atuadores/sensores surge das seguintes consideraes
(PAPATHEODOROU et al., 1999):
Uso de um pequeno nmero de sensores e atuadores para minimizar o custo de
instrumentao e processamento de sinais;
Obteno de boas estimativas dos parmetros modais;
Melhora do controle estrutural;
Determinar eficientemente as propriedades estruturais e mud-las para monitorar a
condio da estrutura;
Assegurar a visibilidade de erros no modelo.
O problema de localizao tima de atuadores e sensores para o controle ativo de
vibraes pode ser estudado usando diferentes mtodos de otimizao e funo objetivo.
Diversos autores utilizam uma metodologia conhecida como otimizao discreto-contnua,
(PEREIRA, 2003). Nesta metodologia o problema dividido em dois laos de otimizao: um
externo correspondendo posio do atuador, sendo caracterizado por um problema de
otimizao discreta e um lao interno correspondendo otimizao do controlador (LOPES JR.
et al., 2000a). Em geral se utiliza como funo objetivo a minimizao da energia mecnica
interna da estrutura e do esforo do controlador.
Heverly II et al. (2001) usam como tcnica de otimizao discreta simulated
annealing, que corresponde a um mtodo evolucionrio de busca. Nestes casos a maioria dos
autores trabalham com problemas de otimizao restrita, limitando a amplitude do sinal de
controle. Vrios autores seguem esta linha, como Rao et al. (1991) que estudaram otimizao
28
discreta utilizando como ferramenta algoritmos genticos (AG). Furuya e Haftka (1993)
tambm usaram AG para encontrar a posio tima de oito atuadores em uma estrutura com
1507 posies candidatas. Kirby III et al. (1994) tambm usam AG para solucionar o
problema do tamanho e localizao tima de atuadores para controle de multivariveis. Silva
e Lopes Jr. (2002) utilizaram esta tcnica para otimizar o posicionamento de atuadores em
uma viga com vinte elementos e discutem a influncia da escolha dos parmetros genticos
adotados. Han e Lee (1999) usaram AG para posicionar sensores e atuadores piezeltricos em
uma placa. Eles analisaram a controlabilidade, observabilidade e o efeito spillover*. Jha e
Inman (2002) tambm usam AG para localizao da posio tima de atuadores e sensores
em um toride.
*O efeito da dinmica residual no sistema controlado, denominado spillover, o mais
importante fator de instabilidade do sistema de controle (MOREIRA, 1998).
Tcnicas envolvendo as matrizes gramminas de controlabilidade e observabilidade so
amplamente utilizadas e disponibilizadas na literatura (LELEU et al., 2001; BRUANT;
PROSLIER, 2005; PENG et al., 2005). Entre os vrios autores pode-se citar Q. Wang e C. M.
Wang (2000), que posicionaram um par de atuadores em uma viga encontrando a matriz
grammiana de controlabilidade para cada posio candidata maximizando um ndice que
envolve a matriz. Carvalhal e Lopes Jr. (2004) calcularam tais matrizes para posicionar
atuadores/sensores em uma trelia 3D. Brasseur et al. (2004) apresentam o posicionamento de
uma lmina piezeltrica para controle acstico baseado na anlise da controlabilidade
grammiana do sistema escrito no espao de estados em coordenadas modais. Chen e Cao
(2000) tambm estudaram o problema do posicionamento timo de sensores utilizando esta
tcnica.
O problema do posicionamento de sensores e atuadores tambm resolvido para
aplicaes com mancais magnticos. Johnson et al. (2003) apresentam o controle de vibraes
geradas por uma massa desbalanceada em um rotor utilizando mancais magnticos. O
trabalho apresenta resultados para trs posies de um par de sensores mantendo as posies
dos mancais e da massa desbalanceada, no entanto, nada mencionado sobre a localizao
tima dos sensores. O rotor representado por uma viga utilizando um modelo analtico de
linha elstica, escrito em funo da freqncia e do modo de vibrar que se deseja controlar.
Lammering et al. (1994) posicionam atuadores piezeltricos (PZT) em uma trelia
plana. O mtodo dos elementos finitos utilizado para o clculo do modelo matemtico e em
posies escolhidos os elementos estruturais so substitudos por os atuadores, tais elementos
so denominados membros ativos. As posies timas dos atuadores so para os elementos
29
que possuem os ns com maiores potenciais eltricos nos seis primeiros modos de vibrar da
trelia engastada em duas posies. Isto foi possvel porque na formulao foi introduzido um
grau de liberdade de potencial eltrico em cada n do elemento piezeltrico.
Tambm considerando membros ativos, Gao et al. (2004) posicionam atuadores em
uma trelia plana. Como ndice de desempenho dos atuadores, considera-se a mxima
dissipao de energia de vibrao. No modelo de segunda ordem includo o efeito do
potencial eltrico dos membros ativos.
1.2.1 Configurao Geral do Problema de Posicionamento timo
A determinao da localizao e do nmero de atuadores e sensores para finalidade de
controle e testes modais um passo extremamente importante, que se no for bem feito pode
afetar o recebimento de sinais e o prprio controle. O problema de posicionamento de
sensores/atuadores caracterizado em sua forma geral quando considerada a posio de um
distrbio externo e sadas reguladas. Poucos autores consideram o problema geral, apesar de
j discutido em livros textos, como em Gawronski (1998). Segundo Demetriou (2004), o
distrbio externo deve ser considerado na formulao sempre que conhecido a priori e, se for
desconhecido, sua distribuio pode ser suposta e, subseqentemente, o pior caso deve ser
considerado. Ainda, para grandes estruturas Gawronski (1997) apresenta que um conjunto de
atuadores e/ou sensores nas n melhores posies podem eventualmente ser substitudo por
outro conjunto com m dispositivos, onde m < n uma vez que ajustando corretamente o ganho
de um deles outro pode no ser necessrio. Neste caso os sensores/atuadores so chamados de
altamente correlacionados. Tal anlise realizada atravs do ndice de relacionamento dos
sensores.
Yan e Yam (2002) otimizaram o nmero e a posio de atuadores para controle ativo
de vibraes em uma trelia espacial analisando a energia do sinal de controle e AGs,
respectivamente. Os autores mostram que o nmero de atuadores e suas posies podem
mudar para diferentes condies iniciais dos distrbios. Na formulao o amortecimento
desprezado e o modelo dinmico de segunda ordem escrito em espao de estados utilizando
coordenadas fsicas. O projeto foi baseado em um controlador LQR.
Demetriou (2004) mostra que ao se encontrar a posio tima para o par
sensor/atuador atravs de anlise dos autovalores da matriz grammiana de controlabilidade ou
das normas H
2
ou H
e Hankel,
alm das matrizes grammianas de observabilidade, controlabilidade e sensibilidade de
distrbio. So apresentadas as diversas formas de se calcular as normas de sistemas, suas
propriedades e as estratgias de posicionamento de sensores e atuadores. Tambm, discutida
a influncia de distrbios externos e sadas de desempenho no posicionamento timo e, ainda,
o ndice de relacionamento, que permite reduzir o nmero de sensores necessrios no projeto
de controle e monitoramento em grandes estruturas.
O captulo 4 apresenta uma reviso de LMIs, incluindo definies, sistemas
incertos e tipos de incertezas;
O captulo 5 apresenta uma reviso da teoria de controle e a formulao do
controlador LQR e sua verso via LMIs;
O captulo 6 apresenta o projeto de observadores de estados, incluindo o filtro
de Kalman que, em particular, utilizado neste trabalho;
O captulo 7 apresenta as aplicaes numricas e experimentais buscando
validar a metodologia proposta e especificar suas vantagens e limitaes;
O captulo 8 apresenta as consideraes finais e as sugestes para trabalhos
futuros;
Finalmente so apresentadas as referncias bibliogrficas e os anexos,
respectivamente.
49
CAPTULO 2. MODELO DINMICO ESTRUTURAL
Os pioneiros no desenvolvimento de modelos dinmicos para estruturas inteligentes
so os trabalhos de Bailey e Hubbard (1985) e Crawley e De Luis (1987). Ambos usam a
tenso mecnica induzida pelos atuadores piezeltricos para contribuir com a tenso mecnica
total da estrutura base. Porm o primeiro trabalho de pesquisa que desenvolveu uma
sistemtica rigorosa para o projeto de uma estrutura deste tipo foi o de Hagood et al. (1990),
que aplicaram o princpio generalizado de Hamilton para sistemas acoplados
eletromecanicamente, tambm conhecido como princpio variacional aplicado a meios
piezeltricos (ALLIK; HUGHES, 1970). A grande contribuio de Hagood et al. (1990) foi
formular de modo mais claro o acoplamento eletromecnico. A partir da estruturas
inteligentes mais complexas, como placas e cascas, comearam a surgir na literatura (DOSH;
INMAN, 1992). Banks et al. (1995) apresentam um modelo geral descrevendo a interao entre
materiais piezeltricos e uma estrutura elstica constituda de cascas cilndricas, placas ou
vigas.
Abreu et al. (2004) apresentam a modelagem de uma placa usando o elemento de
Kirchhoff via FEM com sensores e atuadores piezeltricos acoplados considerando que cada
superfcie do atuador ou sensor possui um potencial constante. Utilizando o princpio de
Hamilton os autores consideram as energias mecnica e eltrica da estrutura e do material
piezeltrico, respectivamente. Ainda, apresentam anlises esttica e dinmica comparando os
resultados com os obtidos atravs software comercial ANSYS
(ROCHA, 2004).
Neste trabalho foi considerado um modelo dinmico de estruturas flexveis descrito
em coordenadas modais, tanto para modelos estruturais de segunda ordem quanto para
modelos no espao de estados.
50
2.1 MODELOS ESTRUTURAIS DE SEGUNDA ORDEM
Modelos estruturais de segunda ordem descritos por equaes diferenciais ordinrias
lineares (EDOL) so muito utilizados em problemas de dinmica estrutural. A representao
do modelo depende da escolha das coordenadas. Alguns autores escrevem estes modelos em
coordenadas fsicas, no entanto, neste trabalho os modelos so escritos em coordenadas
modais e so conhecidos como modelos modais.
Os modelos escritos em coordenadas fsicas, tambm conhecidos por modelos fsicos,
so formulados em termos de deslocamento, velocidade e acelerao. Tais modelos so
caracterizados pelas matrizes de massa, de rigidez, de amortecimento e pelas matrizes de
localizao dos sensores e atuadores e so em geral obtidos via FEM, equao (2.1).
) t ( ) t ( ) t (
) t ( ) t ( ) t ( ) t ( ) t (
ov oq
w 0 0 a
q C q C y
w B u B Kq q D q M
&
& & &
+ =
+ = + +
(2.1)
onde q(t) o vetor de deslocamento nd x 1, u(t) o vetor do sinal de controle s x 1, w(t) o
vetor de entrada de distrbios s
d
x 1, y(t) o vetor de sadas r x 1, M a matriz de massa nd x
nd, D
a
a matriz de amortecimento nd x nd, K a matriz de rigidez nd x nd. A matriz de
entrada do sinal de controle B
0
nd x s, a matriz de entrada do distrbio B
0w
nd x s
d
, a
matriz de sada de deslocamento C
oq
r x nd e a matriz de sada de velocidade C
ov
r x nd. A
matriz de massa positiva definida e as matrizes de amortecimento e rigidez so positivas
semidefinidas. Tambm, nd o nmero de GL do sistema, r o nmero de sadas, s o
nmero de entradas de controle e s
d
o nmero de distrbios. Distrbio, neste trabalho,
entendido como qualquer entrada que resulte em vibraes estruturais indesejveis.
Em geral as matrizes de massa e rigidez so estimadas em coordenadas fsicas, por
exemplo, via FEM (KWON; BANG, 1997), sendo a matriz de amortecimento proporcional a
elas (BHASKAR, 1995). Em particular, o amortecimento proporcional ser utilizado neste
trabalho. J os modelos modais podem ser obtidos via procedimentos de ensaio de
identificao (MAIA et al., 1996) ou atravs de uma transformao a partir de modelos fsicos.
As idias desta formulao so apresentadas a seguir.
Considerando o caso de vibraes livres da equao (2.1) para um sistema sem
amortecimento, sabe-se que a soluo da EDOL (2.1) da forma:
t j
e ) t (
= q (2.2)
51
assim, substituindo em (2.1), tem-se (EWINS, 1984):
( ) 0 e
t j 2
=
M K (2.3)
A soluo no trivial desta equao existe se:
( ) 0 M K =
2
det (2.4)
Onde so encontrados n valores de :{
1
,
2
,...,
n
} tal que esta equao seja
satisfeita, sendo n menor ou igual nd. A freqncia
i
chamada i-sima freqncia natural
do sistema. Substituindo
i
em (2.3) obtm-se as solues correspondentes {
1
,
2
,...
n
}
para cada freqncia natural.
i
chamado de i-simo modo natural ou forma dos modos.
Estas solues no so nicas, e podem ser escalonadas arbitrariamente. Comumente se
define a matriz de freqncias naturais (MAIA et al., 1996):
( )
n 2 1
diag , , , = L (2.5)
E a matriz modal (nd x n), que consiste dos n modos naturais da estrutura:
[ ]
1 2
= L
n
(2.6)
As matrizes modais de massa podem ser diagonalizadas atravs das seguintes
equaes:
M M
T
=
m
(2.7a)
K K
T
m
= (2.7b)
D D
ap
T
m
= (2.7c)
A matriz D
ap
a matriz de amortecimento proporcional dada por:
K M D
ap
+ = (2.8)
Pode-se introduzir uma transformao de coordenadas no problema, q
m
(t), tal que:
) t ( ) t (
m
q q = (2.9)
Assim, pr-multiplicando a equao (2.1) por
T
e utilizando a transformao da
equao (2.8), obtm-se:
) t ( ) t ( ) t (
) t ( ) t ( ) t ( ) t ( 2 ) t (
m mv m mq
mw m m
2
m m
q C q C y
w B u B q q Z q
&
& & &
+ =
+ = + +
(2.10)
52
sendo:
2 -1
m m
= (2.11)
m
2
1
m
2
1 -
m
1
m
1 -
m
2
1
2
1
D D
= = (2.12)
As matrizes de entrada modal de controle B
m
e de distrbio B
mw
so dadas por:
0
T 1
m m
B B
= (2.13a)
0w
T 1
m mw
B B
= (2.13b)
e C
mq
e C
mv
so as matrizes de sada de deslocamento e velocidade modal, respectivamente:
C C
oq mq
= (2.14a)
C C
ov mv
= (2.14b)
A matriz modal de sada equivalente definida por:
mv
1
mq m
C C C + =
(2.15a)
que tem a seguinte propriedade:
2
2
mv
2
2
1
mq
2
2
m
C C C + =
(2.15b)
onde || ||
2
a norma euclidiana.
2.2 MODELOS ESTRUTURAIS NO ESPAO DE ESTADOS
Para finalidade de controle, modelos de segunda ordem como mostrados na seo
anterior no so atraentes. Para projeto de controladores muito mais conveniente representar
as equaes de estruturas flexveis na forma de espao de estados. A representao no espao
de estados determinada pelo trio de matrizes (A, B, C) e pelo vetor de estados x(t),
(MOREIRA, 1998).
Ressalta-se que uma realizao no espao de estados no nica, o que deve valer so
as relaes de entrada-sada que sempre so mantidas independentemente da realizao feita.
Entretanto, faz diferena qual representao no espao de estados escolhida para anlise de
um sistema e projeto do controlador, podendo facilitar ou dificultar o processamento de
informaes. A seguir descreve-se a realizao no espao de estados de modelos modais.
53
A modelagem de estruturas por FEM exige elevado nmero de graus de liberdade.
Com isto a ordem N da representao fsica geralmente muito grande (WANG et al., 1999),
gerando dificuldades numricas adicionais. Alm disto, a representao no espao de estados
fsica raramente utilizada em aplicaes prticas de engenharia, uma vez que a estimativa de
parmetros modais muito mais fcil de ser implementada do que de parmetros fsicos. Uma
forma alternativa obter a realizao no espao de estados a partir do modelo de segunda
ordem na forma modal, representado pela equao (2.16).
Definindo o vetor de estados modal:
)
`
=
)
`
=
) t (
) t (
) t (
) t (
) t (
m
m
2
1
q
q
x
x
x
&
(2.16)
A equao (2.16) pode ser reescrita como um conjunto de equaes de primeira ordem
na forma da equao (2.17a):
) t ( ) t (
) t ( ) t ( ) t ( ) t (
w
Cx y
w B Bu Ax x
=
+ + = &
(2.17a)
sendo as matrizes (A, B, B
w
, C):
[ ]
mv mq
mw
w
m
2
, , ,
2
C C C
B
0
B
B
0
B
Z
I 0
A =
(
=
(
=
(
= (2.17b)
Nesta realizao x
1
o vetor de deslocamento modal e x
2
o vetor de velocidade
modal. A dimenso desta representao 2n, enquanto a representao fsica 2nd, sendo,
n<<nd.
Vale ressaltar que a equao (2.17b) no uma representao modal, uma vez que as
equaes no se desacoplaram. A realizao no espao de estados modal caracterizada por
uma matriz de bloco diagonal, A
m
, e as matrizes de entrada e sada relacionadas:
[ ]
mn 2 m 1 m m
mwn
2 mw
1 mw
mw
mn
2 m
1 m
m mi m
, , , ), ( diag C C C C
B
B
B
B
B
B
B
B A A L
M M
=
(
(
(
(
=
(
(
(
(
= =
(2.18)
sendo i = 1, 2, ..., n e A
mi
, B
mi
, B
mwi
e C
mi
so blocos 2 x 2, 2 x s, 2 x s
d
e r x 2,
respectivamente. Estes blocos podem ser arranjados de diversas formas diferentes atravs da
utilizao de uma transformao linear. Isto pode ser feito usando a seguinte matriz de
transformao:
54
(
(
(
(
(
(
(
(
(
=
0
0
0
0
0
0
n
n
2
2
1
1
e
e
e
e
e
e
R
M M
(2.19)
onde e
i
um vetor linha com todos os elementos iguais a zero, exceto no i-simo. Denota-se
A
mk
como sendo a matriz dinmica A
m
na forma modal k. Em geral se trabalha com quatro
formas diferentes, portanto, k=1, 2, 3 ou 4. A matriz de transformao R
kr
transforma a
varivel de estado x
k
na varivel x
r
:
4 ou 1,2,3 r k, ,
k kr r
= = x R x (2.20)
sendo:
( )
kri kr
diag R R = (2.21)
Assumindo um amortecimento pequeno, i. e.,
i
<<1, i=1,...,n, com j sendo a unidade
imaginria, obtm-se:
(
+
=
(
=
(
=
j j 1
j j 1
,
0
0 1
,
1
0 1
i
i
14i
i
13i
i
12i
R R R (2.22)
(
+
=
(
=
(
=
i i
i i
34i 24i
i i i
23i
j j 1
j j 1
,
j 1
j 1
,
-
0 1
R R R (2.23)
A transformao inversa pode ser derivada pelas seguintes relaes:
1
pji kpi
= R R (2.24a)
4. 3, 2, 1, j k, r,
kri rji kji
= == = = == = , R R R (2.24b)
Uma nova representao pode ser obtida da seguinte maneira, sendo R uma matriz no
singular:
CR C R B AR R A
n
= == = = == = = == =
n
-1 -1
n
, , (2.25)
Os blocos A
mi
utilizados so geralmente de quatro diferentes formas (GAWRONSKI,
1998). A seguir, apresentam-se estas formas e os respectivos estados modais para cada
realizao:
55
Forma Modal 1:
)
`
= ,
(
=
i mi
mi
i
i i i
i
mi
2
0
q
q
x A
&
(2.26)
Forma Modal 2:
i mi mi i moi
moi
mi
i
i i
2
i i
i i i
mi
/ sendo , ,
) 1 (
-
q q q
q
q
x A & + =
)
`
=
(
= (2.27)
Forma Modal 3:
)
`
= ,
(
=
mi
mi
i
i i
2
i
mi
2
1 0
q
q
x A
&
(2.28)
Forma Modal 4:
)
`
= ,
(
(
+
=
moi mi
moi mi
i
2
i i i i
2
i i i i
mi
j
j
1 j 0
0 1 j
q q
q q
x A (2.29)
O vetor x da representao modal consiste de n componentes x
i
independentes que
representam o estado de cada modo. A forma 4 em geral no muito interessante, uma vez
que uma representao imaginria, o que aumenta as dificuldades numricas e analticas.
Porm ela pode ser usada como base para encontrar a representao de qualquer estado na
forma de representao 2, equao (2.27), que foi utilizada neste trabalho.
2.3 CONTROLABILIDADE E OBSERVABILIDADE
Os conceitos de controlabilidade e observabilidade fornecem informaes teis sobre
sistemas dinmicos e, portanto, so fundamentos bsicos para o estudo de controle, estimao
de sistemas e testes modais (VALER, 1999), ainda que, muitos engenheiros estruturais,
freqentemente, passem a largo sobre estes conceitos (GAWRONSKI, 1998).
Um sistema flexvel possui como uma caracterstica intrnseca, o fato de ser
controlvel e observvel. Uma estrutura controlvel se os atuadores acoplados so capazes
de excitar todos os modos e envolvem o par de matrizes do sistema (A, B). Por outro lado o
sistema observvel se os sensores distribudos na estrutura conseguem detectar os
movimentos de todos os modos e envolvem o par de matrizes do sistema (A, C). Estas
informaes so essenciais em diversas aplicaes.
56
As propriedades de controlabilidade e observabilidade de um sistema linear e
invariante no tempo podem ser definidas como a seguir:
Definio 1: Um sistema dito controlvel no instante t
o
se e somente se
possvel por meio de uma entrada u transferir o sistema do estado inicial x(t
o
) a
qualquer outro estado x(t
f
) em um tempo finito t
f
t
o
0. Alm disso, se o sistema
controlvel para qualquer instante t
o
e estado inicial x(t
o
) o sistema dito completamente
controlvel.
Definio 2: Um sistema dito observvel no instante t
o
se e somente se
possvel determinar o estado inicial x(t
o
) a partir da resposta y(t) do sistema para t
o
t t
f
.
Alm disso, se o sistema observvel para qualquer instante t
o
e estado inicial x(t
o
) o
sistema dito completamente observvel.
Estas definies so gerais para qualquer tipo de sistema dinmico. Existem diferentes
critrios para determinar controlabilidade e observabilidade de sistemas. Por exemplo, os
testes do posto de Popov, Belevitch e Hautus (testes PBH) so teis para avaliar
eficientemente a controlabilidade e observabilidade modal do sistema, apesar de levarem a um
conceito um pouco mais fraco (TRINDADE, 1999).
O critrio clssico de controlabilidade definido como a seguir: um sistema linear e
invariante no tempo com s entradas completamente controlvel se e somente se a matriz N x
Ns:
[ ] B A B A B
1 - N 2
L = C (2.30)
tem posto N. Agora um sistema linear com r sadas completamente observvel se e somente
se a matriz rN x N:
(
(
(
(
(
(
=
1 - N
2
CA
CA
CA
C
M
O (2.31)
tem posto N. O conceito de posto de uma matriz est diretamente relacionado com a
dependncia linear das linhas ou colunas da matriz. Se uma matriz de ordem orxor, possui
57
linhas linearmente independentes tem-se posto = or. Se uma linha combinao das outras,
tem-se posto = or 1. Logo, o posto de uma matriz igual ao nmero de linhas (ou colunas)
linearmente independentes. Uma matriz mxor (com m>or) possui posto total se seu posto =
or, ou posto deficiente se seu posto < or. Para uma matriz quadrada, ter posto deficiente
implica que a matriz singular, isto , seu determinante igual zero.
Os critrios de controlabilidade e observabilidade tm dois srios problemas. Primeiro,
eles respondem as questes de controlabilidade e observabilidade em termos de sim ou
no e no fornecem nenhuma resposta quantitativa sobre o grau de controlabilidade e
observabilidade do sistema. Alm disto, eles s funcionam bem para sistemas com dimenses
pequenas, por problemas numricos.
Para contornar estas dificuldades uma alternativa a formulao em termos de
grammianos. Os grammianos de controlabilidade e observabilidade so definidos como a
seguir:
( ) ( )dt t exp t exp
T T
t
0
c
A BB A W
= (2.32)
( ) ( )
t
T T
o
0
exp t exp t dt =
W A C C A (2.33)
Alternativamente eles podem ser determinados das seguintes equaes diferenciais:
T T
c c c
BB A W AW W + + =
&
(2.34)
C C A W W A W
T
o o
T
o
+ + =
&
(2.35)
Para sistemas estveis, a soluo estacionria das equaes (2.34) e (2.35) so obtidas
assumindo que estas so homogneas, alm disto, W
c
e W
o
so positivas definidas. Neste
caso, os grammianos so determinados das seguintes equaes de Lyapunov:
0 BB A W AW = + +
T T
c c
(2.36)
0 C C A W W A = + +
T
o o
T
(2.37)
Os grammianos dependem das coordenadas do sistema e para uma transformao
linear de estados, como apresentada pela equao (2.20), eles so transformados da seguinte
maneira:
-T
c
-1
c
R W R W = (2.38)
58
R W R W
o
T
o
= (2.39)
Uma propriedade importante que os autovalores do produto dos grammianos so
invariantes da transformao linear, ou seja:
( ) ( ) ( ) ( )
o c i o c
-1
i o
T -T
c
-1
i o c i
W W R W W R R W R R W R W W = = = (2.40)
Estes invariantes so conhecidos como valores Hankel singulares do sistema e so
denotados como a seguir:
( ) N , 1, i
o c i i
L = , = W W (2.41)
2.4 REDUO DE MODELOS
Para controle de sistemas flexveis se exige uma formulao especial devido ao grande
tamanho dos modelos estruturais, portanto, tcnicas de reduo de modelos so ferramentas
essenciais. A figura 2.1, que mostra uma das antenas de comunicao da NASA para a
explorao do espao, um exemplo da necessidade de reduo de modelos. Esta antena um
sistema flexvel articulado de grande dimenso com a rotao e elevao controladas. O
modelo desta estrutura via mtodo dos elementos finitos (FEM) consiste de aproximadamente
5000 graus de liberdade e foi identificado atravs do mtodo de realizao de auto-sistemas
(ERA), Gawronski e Mellstrom (1994). A ordem do sistema depois da reduo foi de dezoito
estados, o que certamente simplifica o projeto de controladores robustos.
Figura 2.1 Antena de comunicao com o espao da NASA localizada em Madri (Espanha).
(Fonte: http://es.wikipedia.org/wiki/Madrid_Deep_Space_Communications_Complex, acesso em
15/05/2007)
59
Schnhoff e Nordmann (1998) apresentam a modelagem do telescpio SOFIA
(Stratospheric Observatory for Infrared Astronomy) utilizando FEM. O telescpio refletor de
2,5 metros (espelho de 97 polegadas) foi desenvolvido pela NASA e o DLR (Centro
Aeroespacial da Alemanha) para a astronomia infravermelha, com capacidade de observao
de comprimentos de ondas de 0,3 at 1600 m e foi instalado em um Boeing 747SP
modificado pela empresa Raytheon Aircraft Integration Services para observaes na
estratosfera (Fig. 2.2a). Uma porta na lateral do Boeing permite a utilizao do telescpio
(Fig. 2.2b). O modelo completo escrito em coordenadas modais na realizao de espao de
estados apresentava 60000 graus de liberdade (GL). No entanto, atravs do ndice de Litz
(LITZ, 1979 citado por SCHNHOFF; NORDMANN, 1998), utilizando o software Matlab
,
reduziu-se em apenas 206.
(a) Boeing 747SP (b) porta de utilizao do telescpio
Figura 2.2 Boeing 747SP utilizado para transportar o telescpio SOFIA.
(Fonte: http://www.sofia.usra.edu/Gallery/featuredimages.html, acesso 30/08/2006)
A obteno de um modelo de baixa ordem que aproxime bem uma planta de alta
ordem muito importante para controle e tem atrado a ateno de muitos pesquisadores,
sobretudo nos ltimos 30 anos (ASSUNO, 2000). Este interesse pode ser explicado pelo fato
de que a complexidade e o desempenho de um controlador, baseado em modelos depende,
sobretudo da ordem da planta em estudo. Porm, a obteno de um modelo reduzido tambm
interessante para propsitos de anlise dinmica e testes modais. Tipicamente, um modelo
obtido por FEM contm um grande nmero de graus de liberdade quando desenvolvido para
anlise esttica do projeto estrutural (WANG et al., 1999). Isto pode causar dificuldades
numricas quando o modelo utilizado para anlise dinmica, sem falar no alto custo
computacional. Em todos estes casos a reduo de modelos uma etapa crucial em projeto e
anlise.
60
Mtodos timos de reduo utilizando desigualdades matriciais lineares (LMIs) foram
propostos para os casos de otimizao local e global, usando como critrios de desempenho
normas de sistemas (ASSUNO et al., 2002). Estas tcnicas fornecem excelentes resultados,
mas, infelizmente, so complexas e computacionalmente caras. Outros mtodos,
comparativamente mais simples, tambm foram propostos, sobretudo nos anos 80, e causaram
profundo impacto, tornando-se mtodos clssicos. Como por exemplo, pode ser citado o
mtodo da realizao balanceada, que inclui a realizao balanceada e o truncamento modal
(MOORE, 1981). Problemas tpicos de reduo de modelos de estruturas flexveis exigem uma
formulao especfica. Na literatura so encontradas referncias de diversos autores, como por
exemplo, Skelton (1988) e Gawronski e Juang (1990). A chave para o sucesso de uma
reduo de modelos depende, sobretudo, da escolha do ndice a ser usado para avaliar o erro
de reduo. Em geral se utiliza normas de sistemas como critrio de avaliao.
Um modelo de ordem reduzida obtido truncando os estados. Denota-se por x o vetor
de estados e o trio (A, B, C) como na realizao de espao de estados. O vetor de estados x
dividido da seguinte forma:
)
`
=
t
r
x
x
x (2.42)
sendo x
r
o vetor de coordenadas mantidas e x
t
o vetor de estados truncados. Se existem k < n
estados mantidos, x
r
um vetor de 2k estados e x
t
um vetor de 2(n-k) estados. Tambm se
particionam as matrizes do sistema:
[ ]
t r
t
r
t
r
C C C
B
B
B
A 0
0 A
A = ,
(
= ,
(
= (2.43)
Os grammianos diagonalmente dominantes tambm so divididos de forma similar:
(
=
t
r
0
0
(2.44)
O modelo reduzido obtido desconsiderando as ltimas 2(n-k) linhas das matrizes A e
B e as ltimas 2(n-k) colunas de A e C. Matematicamente temos:
T
r r
T
r
, CL C LB B LAL A = == = = == = = == = , (2.45)
sendo L = [I
2k
0]. O procedimento descrito para a matriz de entrada de controle B similar
para a matriz B
w
.
61
A reduo de modelos pelo truncamento de modelos estveis sempre produz o modelo
reduzido estvel, desde que os plos do modelo reduzido sejam os plos dominantes do
sistema. O grande problema decidir quais estados x
r
devem ser mantidos tal que se obtenha
a melhor reproduo do sistema de alta ordem. Esta escolha depende da definio do ndice
de reduo escolhido. Em geral se utilizam as normas H
2
, H
e Hankel,
conhecido como mtodo de Moore (MOORE, 1981). Uma vez que a norma H
corresponde a
duas vezes a norma Hankel a metodologia de posicionamento utilizando estas normas
idntica.
2.5 MTODO DE SUBESPAO PARA IDENTIFICAO DAS MATRIZES DO
SISTEMA
Durante estas ltimas trs dcadas muitos estudiosos tm direcionado seus esforos
para o desenvolvimento de metodologias que resultem na identificao de um modelo
estrutural com boa representatividade das propriedades dinmicas reais de uma estrutura. O
desenvolvimento dos computadores e dos equipamentos de aquisio e de processamento de
dados; alm da aplicao da Transformada Rpida de Fourier (FFT do ingls Fast Fourier
Transform) estimularam estes estudos. As tcnicas de identificao podem ser para sistemas
SISO (uma - entrada e uma - sada; do ingls simple-input simple-output); ou para sistemas
MIMO (mltiplas - entradas e mltiplas - sadas; do ingls multi-input multi-output). Os
mtodos de identificao, ainda, podem ser classificados em dois grupos bsicos: mtodos no
domnio do tempo; e mtodos no domnio da freqncia. Em geral, os mtodos baseados no
domnio do tempo fornecem resultados melhores quando grande a faixa de freqncia, ou
seja, quando grande o nmero de modos presentes nos dados. J os mtodos no domnio da
freqncia so mais interessantes para a identificao de um nmero relativamente pequeno
de modos (MAIA et al., 1997).
62
Grande parte dos mtodos de identificao disponveis na literatura baseada em
clculos de modelos polinomiais que facilmente podem causar problemas numricos como
mau condicionamento, principalmente para sistemas com mltiplas entradas e mltiplas
sadas. Os algoritmos numricos de subespao para identificao de sistemas no espao de
estados (N4SID do ingls Numerical Algorithms for Subspace State Space System
Identification) so vistos como alternativas melhores. Isto especialmente verdadeiro para
sistemas multivariveis e de alta ordem (VAN OVERSCHEE; DE MOOR, 1994).
Em geral, em algoritmos clssicos de identificao necessrio se conhecer a priori a
ordem do modelo e os ndices de observabilidade ou controlabilidade (LJUNG, 1987). Com
algoritmos N4SID somente a ordem do modelo requerida. Nestes algoritmos a identificao
das matrizes no espao de estados no em formas cannicas (com um nmero mnimo de
parmetros), mas como matrizes cheias e em uma determinada base quase otimamente
condicionada. Isto significa que os ndices de observabilidade e controlabilidade no precisam
ser conhecidos a priori.
A origem do nome subespao o fato de que os modelos lineares podem ser obtidos a
partir do espao de linhas e colunas de certas matrizes de dados. O espao de colunas de cada
matriz de dados contm informaes sobre o modelo, enquanto o espao de linhas permite
obter as seqncias de estados do filtro de Kalman diretamente dos dados de sada. Este nome
surgiu na teoria de controle e define o grupo de mtodos de identificao que compem a
classe de problemas denominada realizao estocstica (NUNES JR., 2006). O espao de linhas
de uma matriz o subespao gerado pelas linhas da matriz considerada como um conjunto de
vetores. O espao de colunas similar, ou seja, o subespao gerado pelas colunas da matriz
considerada como um conjunto de vetores. Um subconjunto W R
n
um subespao de R
n
sempre que: se xW e yW implica que (x + y)W e, se xW e kK (corpo de escalares),
implica que kxW.
A identificao do sistema utilizando o mtodo de subespao baseada na realizao
de espao de estados na forma discreta, como mostra a equao (2.46).
) k ( ) k ( ) k (
) k ( ) k ( ) 1 k (
d d
d d
u D x C y
u B x A x
+ =
+ = +
(2.46)
onde u(k) e y(k) so os vetores de entrada e sada medidos; D
d
a matriz de transmisso
direta e k = 1,..., n
p
; sendo n
p
o nmero de pontos. O subndice d indica que as matrizes do
sistema so as do modelo no espao de estados na forma discreta.
63
Com isto o problema em questo pode ser definido: dado um conjunto de dados
medidos u
1
,..., u
N
e y
1
,..., y
N
, com N , geradas a partir de um modelo desconhecido,
encontrar as matrizes A
d
, B
d
, C
d
e D
d
. Para isto so definidas matrizes estendidas de
observabilidade e controlabilidade associadas a este sistema. A matriz de observabilidade
estendida
i
(onde o subndice i denota o nmero de linhas) dada por
(
(
(
(
(
(
=
1 i
d d
2
d d
d d
d
i
A C
A C
A C
C
M
(2.47)
E a matriz de controlabilidade estendida
i
(onde o subndice i denota o nmero de colunas)
dada por
[ ]
d d d d
2 i
d d
1 i
d i
B B A B A B A L
= (2.48)
Com isto, a matriz triangular de Toeplits H
i
, pode ser escrita como mostrado a seguir
(
(
(
(
(
(
=
d d
4 i
d d d
3 i
d d d
2 i
d d
d d d d d d
d d d
d
i
D B A C B A C B A C
0 D B C B A C
0 0 D B C
0 0 0 D
H
L
L L L L L
L
L
L
(2.49)
As matrizes de Hankel para a entrada e para sada, respectivamente, so dadas por:
(
(
(
(
(
=
+ +
2 j i 1 i i 1 i
j 3 2 1
1 j 2 1 0
1 i 0
u u u u
u u u u
u u u u
U
L
L L L L L
L
L
(2.50)
(
(
(
(
(
=
+ +
2 j i 1 i i 1 i
j 3 2 1
1 j 2 1 0
1 i 0
y y y y
y y y y
y y y y
Y
L
L L L L L
L
L
(2.51)
com j .
64
As entradas passadas so denotadas por
1 i 0
U ou
i 0
U e as entradas futuras so
denotadas por
1 i 2 i
U ou
1 i 2 1 i +
U . Uma notao similar usada para as sadas passadas e
futuras. A matriz de estados definida por
[ ]
1 j i 2 i 1 i i i + + +
= x x x x X L (2.52)
As equaes das matrizes de entrada e sada so definidas como mostrado a seguir. O
teorema com a prova destas equaes apresentado em De Moor (1988) e baseado na
substituio das matrizes de entrada e sada na equao do espao de estados.
1 i 0 i 0 i 1 i 0
+ = U H X Y (2.53)
1 i 2 i i i i 1 i 2 i
+ = U H X Y (2.54)
1 i 0 i 0
i
d i
+ = U X A X (2.55)
O prximo passo a definio da projeo das sadas futuras sobre as entradas
passadas e futuras e sobre as sadas passadas. Este resultado pode ser descrito em funo das
matrizes do sistema e das matrizes de Hankel das entradas e das sadas. As matrizes Z
i
and
Z
i+1
so definidas como
(
(
1 i 0
1 i 2 0
1 i 2 i i
Y
U
Y Z (2.56)
(
(
+ +
i 0
1 i 2 0
1 i 2 1 i 1 i
Y
U
Y Z (2.57)
onde F/R
n4sid
= FR
n4sid
T
(R
n4sid
R
n4sid
T
)
1
R
n4sid
. Uma linha de F/R
n4sid
igual projeo de uma
linha de F sobre uma linha de R
n4sid
, considerando:
(
(
(
(
(
(
= =
+
i 0
1 i 2 0
1 i 0
1 i 2 0
sid 4 n 1 i 2 1 i 1 i 2 i
ou e ou
Y
U
Y
U
R Y Y F
A equao (2.56) corresponde predio tima de
1 i 2 i
Y dado
1 i 2 0
U e
1 i 0
Y desde
que
2
F
i 1 i 2 i
Z Y
minimizado considerando
65
(
(
1 i 0
1 i 2 0
i
Y
U
Z (2.58)
Intuitivamente, a k-sima linha de Z
i
corresponderia a predio do k-simo seguinte
passo da sada. Estas projees (Z
i
e Z
i+1
) so teis na determinao do sistema, desde que as
combinaes lineares a serem feitas com as matrizes de Hankel das entradas-sadas para gerar
as matrizes Z
i
e Z
i+1
sejam funes das matrizes A
d
, B
d
, C
d
e D
d
do sistema.
2.5.1 Esquema da Identificao
Nesta seo apresentada a utilizao do algoritmo N4SID para a obteno das
matrizes do sistema diretamente a partir das entradas u(k) e das sadas y(k). Maiores detalhes
podem ser obtidos em Van Overschee e De Moor (1996).
As projees das sadas futuras sobre as entradas passadas e futuras e sadas passadas
podem ser descritas como uma funo das matrizes do sistema e das matrizes de Hankel das
entradas e das sadas. Primeiramente, as projees Z
i
e Z
i+1
devem ser calculadas a partir
equaes (2.56) e (2.57). Isto permite calcular
i
e
i+1
e a ordem n do sistema como se segue:
seja T alguma matriz cujo posto coincide com o de
i
.
Calcular a decomposio de valores singulares (SVD do ingls Singular Value
Decomposition):
[ ]
t
1
2 1
0 0
0
V U U T
(
=
(2.59)
onde U
n4sid
= [U
1
U
2
] e V so matrizes ortogonais e uma matriz diagonal, cujo seus
elementos so chamados de valores singulares da matriz T.
Desde que T seja de posto n, o nmero de valores singulares diferentes de zero ser
igual ordem do sistema.
Os espaos da coluna de
i
e
2 / 1
1
1
U coincidem. Ento,
i
pode ser adotada
como
2 / 1
1
1
U .
O fator
2 / 1
1
1
U introduzido por razes de simetria (VAN OVERSCHEE; DE MOOR, 1994).
Define-se
i
como
i
sem as ltimas r linhas (r o nmero de sadas), ento:
66
i 1 i
=
(2.60)
Para a determinao das matrizes do sistema considerando que
i
,
i-1
e n foram
determinados como descrito anteriormente, e, assim, ento so conhecidos. Com isto, pode-se
definir
i
X e
1 i
+
X :
[ ]
1 i 2 | i i i i i
= U H Z X (2.61)
[ ]
1 i 2 | 1 i 1 i 1 i 1 i 1 i
+ +
+
= U H Z X (2.62)
onde
X e
1 i
+
X so os estados estimados (nas
mesmas condies iniciais) em dois instantes de tempo consecutivos (VAN OVERSCHEE; DE
MOOR, 1996), ento:
+
(
(
(
+ + =
i
1 i | 0
1 i 2 | 0
i | i d i d 1 i
X
Y
U
U B X A X (2.63)
(
(
(
+ + =
i
1 i | 0
1 i 2 | 0
i | i d i d i | i
X
Y
U
U D X C Y (2.64)
A partir das equaes (2.63) e (2.64) possvel escrever:
+
(
(
(
+
(
+
(
=
(
(
i
i
1 i 2 0
i i
d
d
i
d
d
i i
1 i
X
Z
U
U
D
B
X
C
A
Y
X
(2.65)
[ ] .
indica uma matriz cujo o espao de linhas seja perpendicular ao espao de linhas de [ ] . .
Substituindo as equaes (2.61) e (2.62) na equao (2.65) se obtm
(
(
(
+
(
+
(
=
(
(
i
i
1 i 2 0
1 i 2 i i i
d
d
i i
1 i 1 i
X
Z
U
U Z
C
A
Y
Z
2 termo
22
12
1 termo
(2.66)
onde
67
(
(
(
(
(
=
(
1 i
i d
d 1 i
d
i d d
1 i
i d 1 i 1 i
d 1 i
d
i d d
def
H
0
C
B
D
C - D
H
0
A H
B
D
A - B
22
12
(2.67)
Observe que as matrizes B
d
e D
d
aparecem linearmente nas matrizes
12
e
22
.
Seja II a matriz que os espaos de linhas coincidam com as de
(
(
1 i 2 | i
i i
U
Z
(2.68)
Ento, a partir de (2.66)
II
U
Z
C
A
II
Y
Z
/ /
1 i 2 | i
i i
22 d
12 d
i | i
1 i 1 i
(
(
=
(
(
(2.69)
Este um conjunto de equaes lineares com as incgnitas A
d
, C
d
,
12
e
22
, mas
tambm, a resoluo pode ser obtida considerando um problema de mnimos quadrados:
(
(
(
(
1 i 2 | i
i i
22 d
12 d
i | i
1 i 1 i
22 12 d d
) , , , min(
U
Z
C
A
Y
Z
C A (2.70)
Outra maneira , a partir de (2.66), pode-se encontrar termo por termo (termo 1): A
d
e
C
d
exatas; (termo 2):
12
,
22
a partir das quais B
d
e D
d
podem ser obtidas resolvendo um
conjunto de equaes lineares anlogo ao descrito em (2.69), De Moor (1988). Note que, em
(2.67), B
d
e D
d
aparecem linearmente. Assim, se A
d
, C
d
,
i
,
i-1
,
12
e
22
so conhecidos,
resolver para B
d
e D
d
equivalente a resolver um conjunto de equaes lineares. Em
particular, por no ser objetivo de trabalho, o algoritmo N4SID no foi implementado. Foi
utilizado o algoritmo disponvel no programa ident do software Matlab
. Para projetar os
controladores, as matrizes do sistema identificadas pelo mtodo de subespao foram
convertidas para a forma contnua atravs do comando d2c do software Matlab
.
68
CAPTULO 3. POSICIONAMENTO TIMO DE SENSORES E
ATUADORES
Neste captulo so apresentadas duas metodologias de posicionamento timo de
sensores e atuadores. A primeira utilizada como ndice de desempenho de atuadores e
sensores as normas de sistemas H
2
, H
definida como:
)) ( G ( max G
max
(3.1)
sendo
max
(G()) o maior valor singular de G(). A norma do sistema SISO a magnitude do
maior pico da funo de transferncia G() em termos de valores singulares.
A norma H
c b C B
(3.2)
A norma H
sujeito
min G
T
T T
> >
<
(
+ +
=
0 P
0
P B
PB CC PA P A
(3.4)
sendo P uma matriz simtrica positiva definida e um escalar. Em Assuno e Teixeira
(2001) h uma subrotina para computar esta norma com o auxlio do LMI toolbox do
Matlab
.
A norma H
(3.5)
Da mesma forma a norma H
(3.7)
sendo w
ki
0 o peso para o k-simo atuador e para o i-simo modo. Usando estes ndices,
pode-se definir uma matriz de posicionamento do atuador:
atuador simo - k
modo simo - i
nS nk n2 n1
iS ik i2 i1
2S k 2 22 1 2
1S 1k 2 1 1 1
a
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.8)
A i-sima linha desta matriz corresponde ao i-simo modo e k-sima coluna ao k-
simo atuador. O procedimento para o ndice de posicionamento do sensor
ki
similar e
avalia o k-simo sensor no i-simo modo em termos de norma H
:
n , 1, i R , 1, k ,
G
G
w
ki
ki ki
L L = = =
(3.9)
71
sendo w
ki
0 o peso para o k-simo sensor e para o i-simo modo. Usando estes ndices,
pode-se definir uma matriz de posicionamento do sensor:
sensor simo - k
modo simo - i
nR nk n2 n1
iR ik i2 i1
2R k 2 22 1 2
1R 1k 2 1 1 1
s
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.10)
A i-sima linha desta matriz corresponde ao i-simo modo e k-sima coluna ao k-
simo sensor.
3.1.2 A Norma H
2
Considerando (A, B, C) a representao em espao de estados de um sistema onde a
funo de transferncia G dada por:
1
G() ( j )
= C I A B (3.11)
A norma H
2
do sistema definida por:
2 *
2
1
|| G|| (G ()G())
2
tr d
(3.12)
onde tr o trao da matriz.
Uma maneira conveniente de determinar o valor numrico atravs das equaes:
( )
c
T
2
tr G CW C = (3.13a)
( )
o
T
2
tr G W BB = (3.13b)
onde W
c
e W
o
so as matrizes grammianas de contrabilidade e observabilidade j definidas na
seo 2.3.
Define-se
i
como meia potncia da i-sima freqncia de ressonncia (CLOUGH;
PENZIEN, 1975; EWINS, 1984), com
i
=2
i
i
sendo
i
o
i-simo fator de amortecimento e
i
a
72
i-sima freqncia natural. Tal varivel corresponde rea limitada por ||G
i
||
/ 2 onde ||G
i
||
o valor da norma H
do i-simo modo (GAWRONSKI, 1998).
Considerando (A
i
, B
i
, C
i
) a representao em espao de estados do i-simo modo de
um sistema, possvel aproximar a norma H
2
por (GAWRONSKI, 1998):
i 2 i 2 i 2 i 2
i i i
2
i i i
|| || || || || || || ||
G 2
2 2
B C B C
(3.14)
onde
i
o valor singular, assim, reescrevendo as equaes, a norma H
2
associada ao i-simo
modo pode ser calculada por (GAWRONSKI, 1998):
( ) ( ) ( )
i i
2
i
2
i ci i
T
i
2
i
2 / tr G B B W C C (3.15)
Uma vez calculada a norma para cada modo, a norma H
2
do sistema pode ser obtida
pela soma RMS de todos os modos, onde n o nmero total de modos.
n
2
i
2 2
i 1
G G
=
=
(3.16)
Prova: desde que a matriz grammiana de controlabilidade em coordenadas modais seja
diagonalmente dominante, a norma H
2
dada por (GAWRONSKI, 1998):
n n
2 2
i i ci i
2 2
i 1 i 1
G ( ) ( ) G
= =
= =
T T
c C CW C C W tr tr (3.17)
A norma H
2
tambm pode ser calculada via LMI. Assuno et al. (2002) mostram que
a norma H
2
do sistema (A, B, C) pode ser obtida resolvendo o seguinte problema de
otimizao:
0 com 0 sujeito
) ( tr min G
2
T T
2 2
T
2
2
2
> < + +
=
R BB A R AR
C CR
(3.18)
onde R
2
uma matriz simtrica positiva definida.
Assim como para a norma H
, a norma H
2
para um sistema com mais de um atuador,
ou sensor, a soma RMS das normas para o sistema com cada um deles separadamente.
73
3.1.2.1 ndice e Matrizes de Posicionamento H
2
O ndice de posicionamento
2ki
que avalia o k-simo atuador no i-simo modo em
termos da norma H
2
definido para todos os modos e todas as localizaes candidatas
possveis:
ki
2
2ki ki
2
G
w , k 1, ,S i 1, ,n
G
= = = L L (3.19)
sendo w
ki
0 o peso para o k-simo atuador e para o i-simo modo. Usando estes ndices
pode-se definir uma matriz de posicionamento do atuador:
atuador simo - k
modo simo - i
nS 2 nk 2 n2 2 n1 2
iS 2 ik 2 i2 2 i1 2
2S 2 k 22 222 1 2 2
1S 2 1k 2 2 1 2 1 21
a
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.20)
A i-sima linha desta matriz corresponde ao i-simo modo e k-sima coluna ao k-
simo atuador. O procedimento para o ndice de posicionamento do sensor
2ki
similar e
avalia o k-simo sensor no i-simo modo em termos de norma H
2
:
ki
2
2ki ki
2
G
w , k 1, ,R i 1, ,n
G
= = = L L (3.21)
sendo w
ki
0 o peso para o k-simo sensor e para o i-simo modo. Usando estes ndices pode-
se definir uma matriz de posicionamento do sensor:
74
sensor simo - k
modo simo - i
nR 2 nk 2 n2 2 n1 2
iR 2 ik 2 i2 2 i1 2
2R 2 k 22 222 1 2 2
1R 2 1k 2 2 1 2 1 1 2
s
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.22)
A i-sima linha desta matriz corresponde ao i-simo modo e k-sima coluna ao k-
simo sensor.
3.1.3 A Norma Hankel
A norma Hankel de um sistema a medida do efeito entrada e sada ou a soma da
energia armazenada e, subseqentemente retirada do sistema. Pode ser calculada por:
) ( || G ||
o c max h
W W = (3.23)
onde G a funo de transferncia do sistema,
max
( ) denota o maior autovalor e W
c
e W
o
so as matrizes grammianas de controlabilidade e observabilidade, respectivamente. Da
definio de valores singulares segue que a norma Hankel do sistema o maior valor singular
do sistema,
max
.
max h
|| G || = (3.24)
Considerando (A
i
, B
i
, C
i
) a representao em espao de estados do i-simo modo de
um sistema ou (
i
,
i
, b
i
, c
i
) o correspondente de segunda ordem, a norma Hankel deste modo
dada por:
i i
2 i 2 i
i i
2 i 2 i
i h i
4
|| || || ||
4
|| || || ||
|| G ||
=
=
c b C B
(3.25)
onde b
i
a i-sima linha de B
m
e c
i
a i-sima coluna de C
m
.
A norma Hankel do sistema o mximo valor obtido em todos os modos analisados:
max h i h
|| G || max || G || = = (3.26)
onde
max
o maior valor singular do sistema.
75
A partir das equaes (3.2) e (3.25) possvel verificar que a norma Hankel
corresponde metade da norma H
= || G || 5 , 0 || G ||
h
(3.27)
Assim como para as normas H
e H
2
, a norma Hankel para um sistema com mais de um
sensor, ou atuador, a soma RMS para cada um deles separadamente.
Ainda, a norma Hankel tambm pode ser calculada via LMI. Boyd et al. (1994b)
mostram que a norma Hankel do sistema menor que
h
se e somente se for satisfeita a
seguinte LMI
0 , 0
0 , 0
2 / 1
c
2 / 1
c
2
h
T T
+ + =
Q QW W I
C C QA Q A D
(3.28)
onde W
c
a matriz grammiana de controlabilidade, Q uma matriz positiva definida e
h
um escalar. Note que D = 0, ou seja, a entrada transmitida diretamente para a sada.
3.1.3.1 ndice e Matrizes de Posicionamento Hankel
O ndice de posicionamento
hki
que avalia o k-simo atuador no i-simo modo em
termos da norma Hankel definido para todos os modos e todas as localizaes candidatas
possveis:
n , 1, i S , 1, k ,
G
G
w
h
h
ki
ki ki h
L L = = = (3.29)
sendo w
ki
0 o peso para o k-simo atuador e para o i-simo modo. Usando estes ndices
pode-se definir uma matriz de posicionamento do atuador:
76
atuador simo - k
modo simo - i
nS h nk h n2 h n1 h
iS h ik h i2 h i1 h
2S h k 2 h 22 h 1 2 h
1S h 1k h 2 1 h 1 1 h
a
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.30)
A i-sima linha desta matriz corresponde ao i-simo modo e k-sima coluna ao k-
simo atuador. O procedimento para o ndice de posicionamento do sensor
hki
similar e
avalia o k-simo sensor no i-simo modo em termos de norma Hankel:
n , 1, i R , 1, k ,
G
G
w
h
h
ki
ki ki h
L L = = = (3.31)
sendo w
ki
0 o peso para o k-simo sensor e para o i-simo modo. Usando estes ndices,
pode-se definir uma matriz de posicionamento do sensor:
sensor simo - k
modo simo - i
nR h nk h n2 h n1 h
iR h ik h i2 h i1 h
2R h k 2 h 22 h 1 2 h
1R h 1k h 2 1 h 1 h1
s
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.32)
A i-sima linha desta matriz corresponde ao i-simo modo e k-sima coluna ao k-
simo sensor.
3.1.4 ndice de Atuador/Sensor e ndice de modos
A matriz de posicionamento fornece as propriedades de localizao de cada atuador. O
ndice de posicionamento do k-simo atuador determinado pela soma RMS da k-sima
coluna da matriz de posicionamento para a norma H
2
. O vetor de ndice de posicionamento do
atuador definido por:
77
[ ]
T
s a 2 a 1 a a
L = (3.33)
e o k-simo entre os ndices de posicionamento do k-simo atuador. No caso do ndice
envolvendo a norma Hankel ou H
ou Hankel.
Prova. Denote por B
w
e B as matrizes modais de entrada de w e u, respectivamente, C
z
e C
y
as matrizes modais de sada de z e y, respectivamente e B
wi
, B
i
, C
zi
e C
yi
so os blocos do i-
simo modo. A norma H
C B
C B
G
C B
C B
G
(3.40)
Introduzindo as equaes acima na (3.39) pode-se provar a aproximao por inspeo.
As normas H
S
1 k
2
yi u
2
wi
2
ui
k
G G (3.45)
onde
yi u
k
G
a funo de transferncia do i-simo modo para o k-simo atuador e para a
sada y, e
wi
o peso no distrbio no i-simo modo, definido como:
2
wyi
2
wzi
wi
1
G
G
+ = (3.46)
Nota-se que o peso do distrbio
wi
no depende da localizao do atuador, mas sim
das caractersticas da dinmica estrutural resultantes da ao do distrbio.
Similarmente, define-se a propriedade aditiva para o posicionamento dos sensores.
Considerando o posicionamento de R sensores com R sadas {y
1
, ..., y
R
}. A ao dos sensores
est apenas sobre o segundo e o quarto termo da equao (3.43) sendo constantes os termos
restantes. Denota-se o segundo e quarto termos por ||G
yi
||
2
, que dado por:
2
uyi
2
wyi
2
yi
G G G + (3.47)
Com isso, se obtm a propriedade aditiva para os sensores.
3.3.1.3 Propriedade de Adio para os Sensores
A propriedade aditiva para os sensores dada por:
R
1 k
2
i uy
2
zi
2
yi
k
G G (3.48)
onde
zi
o peso do desempenho no i-simo modo e dado por:
83
2
uzi
2
wzi
zi
1
G
G
+ = (3.49)
Nota-se que o peso do desempenho caracteriza a parte da dinmica estrutural, que
observada no desempenho de sada no dependendo da localizao do sensor.
3.3.2 ndices e Matrizes de Posicionamento
As propriedades de adio para os sensores e atuadores formam a base para a
resoluo do problema de posicionamento timo de atuadores e sensores considerando
distrbios e desempenho de sada. Assim, pode-se definir o ndice do atuador, que avalia o
desempenho do atuador para cada posio candidata.
u
yi u ui
aki
k
G
G
= (3.50a)
onde ||G
u
||
2
= ||G
uy
||
2
+||G
uz
||
2
. Similarmente o ndice do sensor dado por:
y
i uy yi
ski
k
G
G
= (3.50b)
onde ||G
y
||
2
= ||G
uy
||
2
+||G
wy
||
2
,
zi
yi
e
wi
ui
devido a propriedade multiplicativa.
A matriz de posicionamento dos atuadores dada por:
atuador simo - k
modo simo - i
nS nk n2 n1
iS ik i2 i1
2S k 2 22 1 2
1S 1k 2 1 1 1
a
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.51a)
e a matriz de posicionamento para o sensor dada por:
84
sensor simo - k
modo simo - i
nR nk n2 n1
iR ik i2 i1
2R k 2 22 1 2
1R 1k 2 1 1 1
s
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.51b)
O ndice de posicionamento do k-simo atuador ou sensor determinado na k-sima
coluna da matriz de posicionamento. No caso da norma H
2
o ndice para todos os modos
dado pela soma RMS dos ndices de cada modo:
n
i 1
2
k
ik
, k 1,...,S ou R
=
= =
(3.52a)
e para as normas H
=
2
n uy
2
2 uy
2
1 uy
uy
k
k
k
k
G
G
G
g
M
(3.53)
onde
i uy
k
G a funo de transferncia do i-simo modo para o k-simo sensor e || || a norma
H
2
, H
I (3.55)
onde k > j e R o nmero de sensores. Se I(k) = 1 o sensor aceito, se I(k) = 0 o sensor
rejeitado (neste caso, para o sensor em ambas as posies j e k o desempenho ruim; ou so
altamente correlacionados; ou para o sensor na j-sima posio o desempenho mais
elevado).
Resumindo, a partir da propriedade de adio o procedimento de posicionamento do
sensor :
1. Determinar as normas das funes de transferncia G
wzi
,
i uy
k
G para todos os
modos para cada sensor e, tambm, a norma de G
y
para todos os atuadores e todos
os sensores;
2. O ndice de desempenho de cada sensor atravs da equao (3.50b);
Verificar se as posies so altamente correlacionadas, utilizando a equao (3.54) e o
ndice I(k), mostrado na equao (3.55). Os sensores altamente correlacionados so rejeitados.
86
3.4 POSICIONAMENTO TIMO UTILIZANDO MATRIZES GRAMMIANAS
A principal aplicao das matrizes grammianas de observabilidade e de
controlabilidade na literatura para localizao tima de sensores e atuadores,
respectivamente. Bueno et al., 2005b, apresenta uma comparao entre matrizes grammianas
e a norma H
2
no posicionamento timo de um atuador/sensor PZT em uma viga flexvel
engastada. No referido trabalho, os autores mostram que para a estrutura considerada os
resultados obtidos so semelhantes. As matrizes grammianas de controlabilidade e
observabilidade tambm podem ser utilizadas para deteco e localizao de falhas em
estruturas. Esta aplicao interessante para monitoramento da integridade estrutural (SHM,
que uma rea de grande interesse de toda comunidade cientfica. DOEBLING et al., 1996;
CARDEN; FANNING, 2004; LOPES JR. et al., 2000b). Detalhes e aplicaes desta metodologia
podem ser encontrados em Bueno et al. (2006e; 2006f) e Bueno et al. (2007).
Para o posicionamento de sensores calcula-se a matriz grammiana de observabilidade
para cada posio candidata do sensor e se utiliza um ndice de desempenho que possa ser
comparado. Alguns autores utilizam ndices que relacionam o produto dos autovalores da
matriz; o determinante ou qualquer outra norma como, por exemplo, a norma de Frobenius.
Neste trabalho utilizado o trao da matriz como ndice de desempenho, como mostra a
equao 3.46. Esta escolha se deve ao fato de que as matrizes grammianas so diagonais
quando se utiliza a representao em coordenadas modais (GAWRONSKI, 1998).
R ,..., 1 k e n ,..., 1 i ), ( tr IGs
oi k , i
= = = W (3.56)
onde IGs
i,k
denota o ndice grammiano do sensor para o i-simo modo e o k-simo sensor; tr()
o trao da matriz; e W
oi
a matriz grammiana de observabilidade para o i-simo modo.
Com isto, similarmente o que foi apresentado para as normas de sistemas, a matriz
grammiana de posicionamento de sensores que dada por:
87
sensor k
o mod i
IGs IGs IGs IGs
IGs IGs IGs IGs
IGs IGs IGs IGs
IGs IGs IGs IGs
nR nk 2 n 1 n
iR ik 2 i 1 i
R 2 k 2 22 21
R 1 k 1 12 11
s
simo
simo
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.57)
Para o posicionamento dos atuadores se utiliza o ndice grammiano do atuador obtido
atravs do trao da matriz grammiana de controlabilidade para cada modo e posio
candidata:
S ,..., 1 k e n ,..., 1 i ), ( tr IGa
ci k , i
= = = W (3.58)
Assim, define-se a matriz grammiana de posicionamento por:
atuador k
o mod i
IGa IGa IGa IGa
IGa IGa IGa IGa
IGa IGa IGa IGa
IGa IGa IGa IGa
nS nk 2 n 1 n
iS ik 2 i 1 i
S 2 k 2 22 21
S 1 k 1 12 11
a
simo
simo
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.59)
Como j mencionado anteriormente, interessante se considerar o efeito de distrbios
externos sobre a estrutura base ao se resolver o problema da localizao tima de sensores e
atuadores. Embora pouco discutido na literatura, possvel se utilizar a matriz grammiana de
sensibilidade de distrbio. Nesta formulao se considera a realizao no espao de estados na
forma que aparece a matriz de posio do distrbio B
w
, mostrada no captulo 2 deste trabalho.
Substituindo o vetor de entrada de controle u(t) pela relao linear entre o ganho de controle e
o vetor de estados, tem-se:
88
) t ( ) t ( ) t (
: assim ) t ( ) t ( ) ( ) t ( ) t ( )) t ( ( ) t ( ) t (
: o log ) t ( ) t ( e ) t ( ) t ( ) t ( ) t (
w c
w w
w
w B x A x
w B x BG A x w B Gx B Ax x
Gx u w B Bu Ax x
+ =
+ = + + =
= + + =
&
& &
&
(3.60)
onde A
c
matriz dinmica do sistema a malha fechada.
Considerando a equao na forma mostrada acima possvel definir a seguinte
equao de Lyapunov:
0 B B A W W A = + +
T
w w
T
c D D c
(3.61)
onde W
D
a matriz grammiana de sensibilidade de distrbio. A prova desta equao similar
soluo da matriz grammiana de controlabilidade (MIRZA; NIEKERK, 1999).
Logo, possvel definir o ndice grammiano de sensibilidade de distrbio como
mostra a equao (3.62). Este ndice reflete o desempenho do atuador na k-simo posio
considerando o efeito do distrbio w(t).
S ,..., 1 k e n ,..., 1 i ), ( tr IGd
Di k , i
= = = W (3.62)
A matriz grammiana de sensibilidade de distrbio dada por:
atuador k
o mod i
IGd IGd IGd IGd
IGd IGd IGd IGd
IGd IGd IGd IGd
IGd IGd IGd IGd
nS nk 2 n 1 n
iS ik 2 i 1 i
S 2 k 2 22 21
S 1 k 1 12 11
w
simo
simo
(
(
(
(
(
(
(
(
L L
L L L L L L
L L
L L L L L L
L L
L L
(3.63)
89
CAPTULO 4. DESIGUALDADES MATRICIAIS LINEARES
Neste captulo so apresentados os principais fundamentos envolvidos no controle via
LMI. Inicialmente feito um breve histrico do uso de LMI na teoria de controle; na
seqncia so apresentadas definies preliminares sobre LMI mostrando os problemas
padres tratados e os tipos de representao de incertezas que podem ser utilizadas. Em
seguida so apresentadas consideraes sobre estabilidade quadrtica e sobre o projeto de
controladores robustos com restries. Outras informaes podem ser obtidas em Silva
(2005).
4.1 HISTRICO
O uso de LMI em problemas de anlise dinmica comeou por volta de 1890 quando
Lyapunov publicou seu trabalho, surgindo a Teoria de Lyapunov (BOYD et al., 1994a). A
idia de seu trabalho foi mostrar que o sistema dinmico:
x x = & (4.1)
assintoticamente estvel, isto , todas as trajetrias convergem a zero, se e somente se existe
uma matriz P positiva definida tal que:
0 PA P A < +
T
(4.2)
A inequao acima conhecida como desigualdade de Lyapunov e resultado direto
do 2. teorema de Lyapunov (OGATA, 1997). A equao (4.2) uma forma especial de LMI.
Lyapunov tambm mostrou que esta LMI pode ser resolvida analiticamente atravs de um
conjunto de equaes lineares equivalentes.
O prximo grande passo ocorreu nos anos 40 quando Lure, Postnikov e outros na
antiga Unio Sovitica aplicaram o mtodo de Lyapunov para alguns problemas prticos de
engenharia de controle, especialmente em problemas de estabilidade de sistemas de controle
com no-linearidade no atuador (BOYD et al., 1994a). Apesar de no resolverem
explicitamente na forma de LMI, o critrio utilizado tinha a forma de uma desigualdade
matricial. Esta desigualdade era reduzida a uma inequao polinomial que podia ser resolvida
mo e foi a primeira demonstrao de que a teoria de Lyapunov poderia ser utilizada em
problemas prticos de engenharia.
90
J no inicio dos anos 60, Yakubovich, Popov, Kalman e outros pesquisadores
reduziram a soluo das LMIs que surgiram no problema de Lure a um critrio grfico
simples, chamado atualmente de lema KYP (Kalman-Yakubovich e Popov) ou, tambm, de
positive real-lemma. Este lema tem muitas variantes na literatura, as quais podem ser
aplicadas a sistemas de ordem elevada, apesar de no serem atraentes em sistemas com no-
linearidades. Para Boyd et al. (1994a) a contribuio do lema KYP foi mostrar que certas
classes de problemas envolvendo LMI podem ter soluo atravs de mtodos grficos.
O lema KYP e suas extenses foram exaustivamente estudados at a metade dos anos
60 e foram relacionadas a idias de passividade, ao teorema dos ganhos pequenos e ao
controle timo quadrtico. Em 1970 foi mostrado que as LMIs que apareciam no lema KYP
poderiam ser resolvidas no apenas graficamente, mas tambm pela soluo de certas
equaes algbricas de Riccati (BOYD et al. 1994a). Neste mesmo perodo a soluo do
problema do regulador linear quadrtico (LQR), envolvendo a resoluo da equao de
Riccati, marcou poca, sendo utilizada at hoje em problemas de controle timo (PERES,
1997).
Na fase inicial, grande parte dos problemas com restries LMI envolvia solues via
mtodos analticos, como mtodo direto para sistemas de ordem pequena, mtodos grficos e
solues de equaes de Riccati. Porm a partir da dcada de 70, constatou-se que as LMI que
aparecem na teoria de controle podem ser formuladas como problemas de otimizao convexa
e solucionadas via algoritmos numricos. Pyatnitskii e Skorodinskii foram, provavelmente, os
primeiros a mostrar isto claramente. Eles reduziram o problema de Lure a um problema de
otimizao convexa envolvendo LMIs, que podia ser solucionado pelo algoritmo do elipside.
At onde se sabe, Pyatnitskii e Skorodinskii foram os primeiros a formular a soluo de uma
LMI por meio de um algoritmo de busca convexa com garantias de se encontrar uma soluo
(BOYD et al., 1994b).
Dois desenvolvimentos recentes fizeram com que este enfoque ganhasse destaque. O
primeiro foi o grande aumento na capacidade dos computadores e o segundo o
desenvolvimento de poderosos algoritmos numricos para otimizao convexa (BOYD et al.,
1993). Entre eles, pode-se destacar o desenvolvimento de um mtodo de programao linear
que resolve problemas descritos na forma de LMIs com convergncia polinomial, muito til
na prtica, que foi proposto por Karmarkar em 1984. Em 1988, Nesterov e Nemirovski
desenvolveram o mtodo de pontos interiores que se aplicam diretamente nos problemas de
programao convexa, que envolvem LMIs (ASSUNO; TEIXEIRA, 2001 e BOYD et al.,
1994a).
91
Atravs do mtodo proposto por Nesterov e Nemirovski o enfoque de controle via
LMI comeou a se tornar popular. Atualmente possvel resolver rapidamente problemas de
otimizao convexa que no tem soluo analtica atravs de tcnicas tradicionais. Alm
disto, as solues de muitos problemas de otimizao convexa podem ser computadas em
tempo computacional relativamente pequeno se comparado s solues via tcnicas
convencionais (BOYD et al., 1993). Somado a tudo isto est o fato de inmeros pacotes
computacionais especializados em LMIs serem disponveis, como o LMI Control Toolbox do
Matlab (GAHINET et al., 1995), ou o software LMISol de domnio pblico (OLIVEIRA et al.,
1997).
Atualmente, as LMIs esto sendo objeto de estudo de muitas pesquisas por renomados
pesquisadores mundiais, tendo sido aplicadas nas mais diversas reas: controle de sistemas
contnuos e discretos no tempo (GHAOUI; NICULESCU, 2000), controle timo, controle robusto
(VAN ANTWERP; BRAATZ, 2000 e SILVA; LOPES JR., 2006), reduo de modelos (ASSUNO,
2000), controle de sistemas no lineares, teoria de filtros robustos, identificao de sistemas,
controle com estrutura varivel, controle usando lgica fuzzy, deteco, localizao e
quantificao de falhas estruturais em sistemas mecnicos (ABDALLA et al., 1999 e ABDALLA
et al., 2000).
4.2 DEFINIES E CONCEITOS BSICOS
Uma LMI definida como sendo uma desigualdade matricial da forma (BOYD et al.,
1993):
( ) 0 F x F x F
m
> + =
=1 i
i i 0
(4.3)
sendo x R
m
a varivel, e F
i
= F
i
T
R
nxn
, i = 0,1,...,m dados. O conjunto {x | F(x) > 0}
convexo e positivo definido. A LMI da inequao (4.3) equivalente a um conjunto de n
inequaes polinomiais em x.
Mltiplas LMIs, F
1
(x) > 0,..., F
n
(x) > 0, podem ser expressas como uma LMI simples
atrves de diag(F
1
(x) > 0,..., F
n
(x)) > 0. Alm disto nenhuma distino feita entre o conjunto
de LMIs e uma LMI simples, ou seja, as LMIs F
1
(x) > 0,..., F
n
(x) > 0 so iguais a LMI
diag(F
1
(x) > 0,..., F
n
(x)) > 0.
92
Um resultado importante em LMI que uma classe de desigualdades no-lineares
podem ser convertidas na forma de LMI atravs do uso do complemento de Schur. A idia
bsica a seguinte: Seja,
( ) ( )
( ) ( )
0
x R x S
x S x Q
>
(
T
(4.4)
sendo Q(x) = Q
T
(x), R(x) = R
T
(x) e S(x) so dependentes afins de x. A inequao (4.4)
equivalente a desigualdade matricial no-linear:
( ) ( ) ( ) ( ) ( ) 0
1
> , >
x R 0 x S x R x S x Q (4.5)
Uma demonstrao do complemento de Schur pode ser encontrada em Van Antwerp e
Braatz (2000). Existem muitos problemas convexos e quasi-convexos comuns que aparecem
na teoria de controle. Na seqncia so apresentados os mais comuns.
4.2.1 Problema de Factibilidade de uma LMI (LMIP)
Dada uma LMI F(x) > 0, o problema de factibilidade de uma LMI (LMIP)
corresponde a encontrar x
fact
tal que a desigualdade F(x
fact
) > 0 verdadeira, ou determinar
que a LMI seja infactvel. LMIP um problema de factibilidade convexa. O problema de
estabilidade de Lyapunov, mostrado na inequao (4.2) um exemplo de um LMIP.
4.2.2 Problema de Autovalor (EVP)
O problema de autovalor (EVP) se restringe a minimizar o mximo autovalor de uma
matriz, sujeito a LMI (BOYD et al., 1993):
( )
( ) 0 x B
0 x A I
>
>
sujeito
minimizar
(4.6)
sendo A e B matrizes simtricas que dependem da varivel de otimizao x. EVP um
problema de otimizao convexa e pode aparecer em controle com problemas de minimizao
de funcionais.
93
4.2.3 Problema de Autovalor Generalizado (GEVP)
O problema de autovalor generalizado (GEVP), neste caso, se restringe a minimizar o
mximo autovalor generalizado de um par de matrizes dependentes de uma varivel, e
sujeitos as restries LMI. A forma geral de um GEVP :
( ) ( )
( )
( ) 0 x C
0 x B
0 x A x B
>
>
>
sujeito
minimizar
(4.7)
sendo A, B e C dependentes de x. GEVP um problema quasi-convexo. Um problema quasi-
convexo envolve uma funo matemtica quasi-convexa. Considere um conjunto convexo C, f
: C R denominada uma funo quase-convexa sex
1
, x
2
C e (0,1); f(x
1
+(1-)
x
2
) max{f(x
1
),f(x
2
)}. Quando as matrizes A, B e C so todas diagonais, este problema se
reduz a um problema de programao linear fracional geral. Muitas funes quasi-convexas
no-lineares podem ser representadas na forma de um GEVP.
4.3 SISTEMAS INCERTOS
Todo projeto de controle baseado no uso de um modelo do sistema dinmico, que
procura representar o sistema real. Entretanto, este modelo nominal que em muitos casos
descrito como sistema linear e invariante no tempo contm incertezas significativas em
relao ao modelo real do sistema. Isto ocorre, principalmente, devido a incertezas nos
parmetros, que so originadas pela impreciso dos parmetros fsicos ou devidas as variaes
destes parmetros durante a operao, e incertezas dinmicas, que consistem em componentes
dinmicos omitidos no modelo linear que causam variaes no comportamento dinmico
durante a operao. As incertezas dinmicas podem ser originadas nos modos flexveis a altas
freqncias, nas no-lineariadades devido s entradas excessivas e variaes lentas no tempo.
Em geral as incertezas so divididas em duas classes: incertezas estruturadas e no
estruturadas.
94
4.3.1 Incertezas Estruturadas
Incertezas paramtricas so geralmente referenciadas como estruturadas e a
caracterizao destas incertezas pode ser feita atravs de modelos politpicos, modelos a
parmetro-dependentes afim e modelos com matrizes de incerteza. A caracterizao destas
incertezas utiliza incluses diferenciais lineares (LDI).
Considerando um sistema linear variante no tempo:
( ) ( ) ( ) ( )
( ) ( ) ( )u D w D x C y
x x u w x A x
t t t
0 , t t t
w
0 w
+ + =
= + + = &
(4.8)
sendo x R
n
o vetor de estados e todas as matrizes com dimenso apropriada. Uma LDI
dada por (OLIVEIRA; ARRIFANO, 2001):
)
`
) t ( ) t ( ) t (
) t ( ) t ( ) t (
w
w
D D C
B B A
(4.9)
sendo que pode ter formas especiais, isto , pode ser um politopo, um sistema determinado,
etc. Uma LDI pode ser usada para descrever uma famlia de sistemas lineares variantes no
tempo.
Considerando agora um sistema linear e invariante no tempo (LTI):
( )
Du w D Cx y
x x u w Ax x
+ + =
= + + =
w
0 w
0 , &
(4.10)
sendo A a matriz dinmica, B
w
a matriz de entrada de distrbio, B a matriz de entrada de
controle, C a matriz de sada, D
w
e D as matrizes de transmisso direta, x o vetor de estados,
w o vetor de distrbio e u o sinal de controle. Todas as matrizes e vetores tm dimenses
apropriadas. Este sistema pode ser interpretado como uma LDI, assim:
)
`
=
D D C
B B A
w
w
(4.11)
Quando um politopo, a LDI chamada de LDI politpica ou PLDI. Muitos dos
resultados que aparecem em LMI podem ser descritos como uma combinao convexa dos
sistemas de vrtices de politopos:
{ }
v 1
, , S S L Co (4.12)
95
sendo v o nmero de vrtices do politopo e:
v 1,..., i ,
i i w, i
i i w, i
i
=
(
=
D D C
B B A
S (4.13)
Neste caso as matrizes da equao (4.13) so conhecidas.
Outros casos especiais de LDI surgem em problemas de controle robusto, como
exemplo, modelos a parmetro-dependentes afim e modelos com matrizes de incerteza. Uma
descrio destes sistemas incertos pode ser encontrada em Oliveira e Arrifano (2001).
Caso o sistema possua incertezas politpicas, o projeto de controladores robustos
atravs de LMIs pode ser realizado utilizando o conceito de estabilidade quadrtica,
(ASSUNO; TEIXEIRA, 2001).
4.3.2 Incertezas No-estruturadas
Incertezas no estruturadas so perturbaes descritas em termos de suas amplitudes e
podem ser descritas como modelos de incertezas aditivas e multiplicativas, alm de LDIs
limitadas por norma (OLIVEIRA; ARRIFANO, 2001). Incertezas deste tipo no podem ser
descritas como funo de um parmetro especfico. Em geral esto relacionadas dinmica
no modelada (sobretudo em altas freqncias devido ao truncamento modal) e no-
linearidades do sistema. Este tipo de incertezas especificado como limites para a FRF do
sistema (VALER, 1999).
Os tipos de incertezas no estruturadas mais comuns so: o modelo de incerteza
aditiva, o modelo de incerteza multiplicativa na sada e o modelo de incerteza multiplicativa
na entrada. O modelo de incerteza aditiva dado por:
) s ( ) s ( ) s (
a n
G G + = (4.14)
sendo G(s) a funo de transferncia real, G
n
(s) a funo de transferncia nominal e
a
(s)
representando a incerteza aditiva. Moreira (1998) utiliza, no projeto de controlador H
robusto, este modelo de incerteza. A representao deste sistema mostrada na figura (4.1).
96
Figura 4.1 Incerteza aditiva.
O modelo de incerteza multiplicativa na sada dado por:
( ) ) s ( ) s ( ) s (
n o
G G + = (4.15)
sendo I a matriz identidade e
o
(s) representando a incerteza multiplicativa na sada. A
representao deste sistema mostrada na figura (4.2).
Figura 4.2 Incerteza multiplicativa na sada.
J o modelo de incerteza multiplicativa na entrada dado por:
( ) ) s ( ) s ( ) s (
i n
G G + = (4.16)
sendo
i
(s) a representao da incerteza multiplicativa na entrada. A representao deste
sistema mostrada na figura (4.3).
Figura 4.3 Incerteza multiplicativa na entrada.
a
(s)
G
n
(s)
i
(s)
G(s)
G
n
(s)
G
n
(s)
o
(s)
G(s)
G(s)
97
Outra classe especial de LDI so as LDIs limitadas por normas (NLDIs). Limitantes de
normas especificam a quantidade de incerteza em termos de ganho RMS. Ganho RMS ou
ganho L
2
definido como a pior razo entre as entradas e sadas do sistema:
2
2
2
L
L
L w
0 w
2
w
w
sup
(4.17)
sendo
2
L
w a energia do sinal de sada. Alm disto, limitantes de normas tambm so teis
para quantificar incertezas paramtricas dependentes de freqncia. Maiores detalhes de
NLDIs so apresentadas em Boyd et al. (1994b).
4.4 ESTABILIDADE QUADRTICA
Um sistema dinmico descrito por uma LDI:
( ) ( ) , = t t A x A x& (4.18)
assintoticamente estvel se e somente se, todas as trajetrias do sistema convergem para
zero em t. Uma condio suficiente para isto a existncia de uma funo na forma
quadrtica:
( ) Px x x V
= (4.19)
sendo P uma matriz positiva definida, ou seja, P > 0. O sistema assintoticamente estvel se a
equao (4.18) decai para todas as trajetrias no-nulas. Se existe uma matriz P que satisfaa
estas condies o sistema da equao (4.18) dito ser assintoticamente estvel. Estas
condies vm diretamente do teorema principal de Lyapunov, j apresentado na seo 1.2.
Assim uma condio necessria e suficiente para a LDI da equao (4.18) ser estvel
solucionar o seguinte LMIP:
< + , > A 0 PA P A 0 P todo para
T
(4.20)
Assumindo uma nova varivel Q = P
-1
, pode-se representar o dual desta equao que
uma condio equivalente para a estabilidade quadrtica:
< + , > A 0 AQ QA 0 Q todo para
T
(4.21)
As condies para estabilidade quadrtica podem ser estendida para qualquer famlia
de LDIs, como sistemas LTIs, PLDIs ou NLDIs. Assim:
98
Sistema LTI: A condio (4.20) torna-se:
0 PA P A 0 P < + , >
T
(4.22)
checar a estabilidade de um sistema LTI solucionar este LMIP na varivel P.
Sistema PLDI: A condio (4.20) equivalente a:
v , 1, i
i
T
i
L = , < + , > 0 P P 0 P (4.23)
sendo v o nmero de vrtices do politopo.
A condio de estabilidade para um sistema NLDI pode ser vista em detalhes em Boyd
et al. (1994b). No referido trabalho, tambm possvel encontrar as condies para
estabilidade quadrtica escritas para sistemas considerando realimentao de estados, onde a
meta encontrar um ganho de realimentao que garanta que o sistema seja quadraticamente
estabilizvel malha fechada.
Assumindo controle por realimentao de estados para a LTI descrita pela equao
(4.8) e utilizando uma lei de controle linear, possvel considerar algumas restries no
projeto de um controlador. Entre as principais restries esto: estabilidade quadrtica para o
sistema malha fechada; limitao de sinais de sada; limitao de sinais de entrada e
imposio da taxa de decaimento. Em Silva (2005) possvel encontrar informaes sobre
estas restries e detalhes complementares podem ser obtidos em Boyd et al. (1994b).
99
CAPTULO 5. PROJETO DE SISTEMAS DE CONTROLE NO DOMNIO
DO TEMPO
A teoria de controle uma rea de pesquisa interdisciplinar, onde diversos conceitos e
mtodos matemticos so utilizados para a representao e resoluo de problemas fsicos. A
idia principal deste incio de captulo propiciar ao leitor uma reviso sobre a histria da
teoria de controle, visto que no comum encontr-la em livros ou artigos cientficos.
A palavra controle tem dois significados bsicos. O primeiro fiscalizar ou certificar-
se que um dispositivo fsico tenha um comportamento satisfatrio, ou seja, de acordo com as
condies padro de funcionamento. O segundo agir, para se assegurar que tal dispositivo
se comporte como desejado. Logo, para este trabalho, controlar mudar do inaceitvel para o
aceitvel. A idia de controle antiga, originada nos tempos de Aristteles (384-322 a.C.),
segundo Bennet (1979). Em seu livro intitulado Politia (Poltica), Aristteles o mais
famoso filsofo grego discpulo de Plato descreveu de maneira simples as finalidades da
teoria de controle para automatizar processos e ento se atingir objetivos.
Inicialmente, a descrio de sistemas fsicos ou artificiais era feita apenas pela
lingstica; e mesmo a matemtica antiga, sintetizada por Euclides (325-265 a.C.; Euclides de
Alexandria, como ficou conhecido, at hoje considerado o Pai da Geometria, mas pouco
se sabe de sua vida, como por exemplo, onde nasceu) e Diophantus de Alexandria (200-284 a.
C., importante algebrista da Grcia antiga) era expressa por smbolos. Os acontecimentos no
mundo eram vistos como aleatrios, mas os filsofos afirmavam que o mundo poderia ser
discutido nos termos de processos descritos por um conjunto de leis. A primeira tentativa
neste sentido foi com Fibonacci (1170-1250), filho de um comerciante italiano e chamado
Leonardo de Pisa, que publicou sua obra mais famosa intitulada Livro do baco, contendo
um tratamento completo sobre mtodos e problemas algbricos, aps retornar de seus estudos
com um professor muulmano. Ren Descartes (1596-1650) apresentou o conceito de
mtodo; Galileu (1564-1642) com o uso de experimentos fsicos; e mais tarde Isaac Newton
(1642-1727) e Baron Gottfried Leibniz (1646-1716), introduzindo o clculo, conseguiram a
primeira metamorfose da cincia antiga baseada nos estudos de Aristteles para o que se
conhece atualmente. Esta mudana foi baseada no uso de experimentos fsicos e de modelos
matemticos envolvendo equaes diferenciais.
100
Embora a formulao matemtica de problemas de controle seja relativamente
complexa, as idias fundamentais da teoria de controle so bastante intuitivas e simples. Estas
idias chaves so trs e podem ser encontradas na natureza, na evoluo e no comportamento
dos seres vivos. A primeira idia bsica chamada de realimentao ou feedback. Uma
importante contribuio foi dada por Charles Darwin (1805-1882) com a teoria de que longos
perodos de tempo eram responsveis pela evoluo da espcie. Mais tarde, Vito Volterra
(1860-1940) usou este conceito para explicar a diferena de tamanho entre duas populaes
de peixes em uma pequena lagoa, no entanto, o mais importante foi Norbert Wiener (1885-
1964), que introduziu na biologia o conceito de realimentao positiva e negativa. Em
engenharia, este conceito foi introduzido por engenheiros do laboratrio Bell Telephone
Laboratory (MAYR, 1970) e agora um conceito presente em quase todas as reas de
atividade. O processo de realimentao o modo em que os estados do sistema, ou as sadas,
determinam como o controle deve agir para cada instante de tempo.
O segundo conceito chave denominado de necessidade de flutuaes, ou need for
fluctuations. Basicamente, a idia deste conceito de que no se deve necessariamente forar
o sistema a se dirigir imediatamente o estado desejado. Assim, na tentativa de retornar o
sistema ao estado desejado, permite-se uma flutuao em torno do desejado, evitando forar
demasiadamente. Este conceito foi introduzido por Hall (1907) quando comparou a ao dos
economistas polticos que admitiram que uma ao apropriada da lei devesse admitir
flutuaes, ou seja, ter uma tolerncia temporria. O princpio da flutuao pode tambm ser
encontrado em programao matemtica, por exemplo, no mtodo dos pontos interiores
(ANDREI, 1999; ANDREI, 2004).
O terceiro e mais importante conceito da teoria de controle o de otimizao, ou
optimization. Esta uma rea bastante conhecida na matemtica, cujo objetivo principal
encontrar valores desconhecidos para maximizar ou minimizar alguma funo sujeita as
restries. Tal idia muito importante no contexto de controle j que uma grande variedade
de problemas podem ser reduzidos a problemas de otimizao convexa ou quase-convexa
envolvendo desigualdades matriciais lineares. Em geral, estes problemas de otimizao
podem ser resolvidos numericamente utilizando-se o mtodo dos pontos interiores.
Conseqentemente, a reduo de problemas de controle para problemas de otimizao
constitui a soluo dos problemas originais, claramente em um sentido muito prtico (BOYD et
al., 1994b, ANDREI, 2001). Adicionalmente as idias bsicas, existem as contribuies de
Richard Bellman (1920-1984) introduzindo a programao dinmica
*
(dynamic
101
programming) e Lev Pontryagin (1908-1988) com o maximum principle
**
direcionado a
controle timo no-linear, que juntos estabelecem as bases da teoria de controle moderno.
*
Programao dinmica um mtodo para a construo de algoritmos para a resoluo de
problemas computacionais, em especial os de otimizao combinatria. Ela aplicvel
problemas no qual a soluo tima pode ser computada a partir da soluo tima previamente
calculada e memorizada de forma a evitar reclculo de outros subproblemas que,
sobrepostos, compem o problema original.
**Mximo Princpio usado na teoria de controle timo para encontrar o melhor controlador
possvel para mudar um sistema dinmico de um estado para o outro. Foi originalmente
formulado pelo matemtico russo Lev Semenovich Pontryagin e um estudante sob sua
orientao.
So dois os seguimentos bsicos da teoria de controle: o controle no domnio da
freqncia e controle no domnio do tempo. A teoria de controle no domnio da freqncia
baseada nos trabalhos de Pierre-Simon de Laplace (1749-1827), Joseph Fourier (1768-
1830), Augustin Louis Cauchy (1789-1857), entre outros; e o conceito central a utilizao
da funo de transferncia que, para um sistema LTI dada pela diviso da transformada de
Laplace da sada pela transformada de Laplace da entrada do sistema. Mais tarde, os
pesquisadores Harry Nyquist (1889-1976, Fig. 5.1a) e Hendrik Bode (1905-1982, Fig. 5.1b),
do Bell Laboratories, apresentaram contribuies que ainda hoje so utilizadas por estudiosos
de controle (NYQUIST, 1932; BODE, 1940).
(a) (b)
Figura 5.1 Pesquisadores do Bell Laboratories (a) Harry Nyquist; (b) Hendrik Bode.
102
J a metodologia de controle no domnio do tempo baseada na utilizao de
equaes diferenciais. Esta teoria fundamentada nos estudos de Newton e Leibniz, nos
trabalhos dos irmos Bernoulli, Jacopo Riccati (1676-1754), Leonhard Euler (1707-1783),
entre outros. A anlise do movimento de um sistema dinmico atravs da representao de
equaes diferenciais (EDO) foi realizada por Joseph-Louis Lagrange (1736-1813) e William
Rowan Hamilton (1805-1865). Entre os problemas a serem estudados, um dos mais
importantes era sobre a estabilidade de um sistema representado por EDO. George Airy
(1801-1892) foi o primeiro a discutir a instabilidade de um sistema a malha fechada usando
EDOs (AIRY, 1840). Mais tarde, Edward Routh (1831-1907) props uma tcnica numrica
para avaliar a estabilidade de um sistema em movimento (ROUTH, 1877). James Clerck
Maxwell tambm estudou o problema de estabilidade (MAXWELL, 1868), mas a teoria de
estabilidade mais geral e elegante foi criada por Alexander Lyapunov (1857-1918,
matemtico russo), que estudou a estabilidade de equaes diferenciais no-lineares usando a
energia generalizada de movimento (LYAPUNOV, 1877). Tal proposta utilizada ainda hoje.
Outro importante problema considerado na representao no domnio do tempo era o
de controle timo e de estimadores. Johann Bernoulli (1667-1748) foi o primeiro a discutir o
princpio do timo (Principle of Optimality). Entre os vrios princpios do timo, alguns
foram formulados por Pierre de Fermat (1601-1665), em sistemas ticos; e Carl Friedrich
Gauss (1777-1855), Jean d Alembert (1717-1783), Pierre de Maupertuis (1698-1759), Euler,
Lagrange e Hamilton, e Albert Einstein (1879-1955), para sistemas mecnicos.
A era moderna na teoria de controle comeou com o trabalho de Rudolf Kalman (Fig.
5.2) que publicou vrios livros nos quais os principais problemas em anlise eram sobre a
teoria de sistemas no lineares. Em Kalman e Bertram (1960) foi considerada a estabilidade
de Lyapunov no domnio do tempo, para sistemas no lineares. O controle timo de sistemas
bem como o regulador linear quadrtico foi discutido em Kalman (1960a); j as teorias de
filtragem e dos estimadores foram discutidas em Kalman (1960b) para sistemas discretos. A
verso para sistemas contnuos foi publicada em Kalman e Bucy (1961) e neste contexto,
Kalman introduziu o conceito da varivel de estado como uma entidade entre a entrada e a
sada de um sistema de controle. O presente trabalho e, ainda, grande parte dos trabalhos
atuais, so baseados em formulaes no domnio do tempo.
103
Figura 5.2 Rudolf Kalman, matemtico e engenheiro eletricista hngaro-americano.
As tcnicas de controle do domnio do tempo representam uma ferramenta efetiva de
sistemtica que permite o projeto tanto de sistemas com entrada e sada simples (SISO) como
de sistemas multivariveis (MIMO) com a mesma facilidade. J os mtodos no domnio da
freqncia so mais teis na anlise das propriedades obtidas no projeto como robustez e
estabilidade. A seguir apresentado sucintamente o projeto de controle para sistemas MIMO
e LTI descritos pelas seguintes equaes:
+ =
+ =
) ( ) ( ) (
) ( ) ( ) (
:
t t t
t t t
S
Du Cx y
Bu Ax x&
(5.1)
Existem basicamente dois tipos de realimentao no domnio do tempo:
Realimentao linear da sada
Realimentao linear de estado.
5.1 REALIMENTAO LINEAR DE SADAS
Quando o sinal de controle uma funo linear das sadas do sistema (variveis
medidas) temos que:
) ( ) ( ) ( t t t r Gy u + = (5.2)
onde G a matriz de ganhos de realimentao de sadas (r x m), y o vetor de sadas do
sistema, r o nmero de atuadores, m o nmero de estados medidos e r o sinal de
referncia (sinal de comando). Quando esta lei de controle implementada, resulta a seguinte
equao de estado para o sistema em malha fechada:
104
( ) ( ) ( )
( ) ( )
+ + =
+ + + =
) ( ) ( ) (
) ( ) ( ) (
:
1
1 1
t t t
t t t
S
Dr Cx DG I y
r DG I B x C DG I BG A x&
(5.3)
Este tipo de controle por realimentao tem muitos inconvenientes. Entre os
inconvenientes temos a falta de algoritmos eficientes tanto para se determinar a existncia de
uma matriz de ganhos G tal que o sistema de controle cumpra as especificaes do projeto,
como para a determinao numrica desta. Os algoritmos numricos disponveis na literatura,
geralmente, no apresentam boas propriedades de convergncia (VALER, 1999).
5.2 REALIMENTAO LINEAR DE ESTADO
Uma alternativa para o controle de sistemas dinmicos, que oferece maior
flexibilidade e eficincia nos algoritmos numricos atravs da realimentao das variveis
de estado do sistema. Neste caso o sinal de controle depende do estado do sistema, tendo a
seguinte forma geral:
) ( ) ( ) ( t t t r Gx u + = (5.4)
onde G a matriz de ganhos de realimentao de estado (r x n), onde n o nmero de estados
do sistema.
Com esta lei de controle, a equao de estado e sada do sistema em malha fechada
fica:
( )
( )
+ =
+ =
) ( ) ( ) (
) ( ) ( ) (
:
t t t
t t t
S
re
Dr x DG C y
Br x BG A x&
(5.5)
A principal limitao deste tipo de estrutura de controle a necessidade de se dispor
de todas as variveis de estados para realimentao. Em geral, esto disponveis s algumas
delas. Neste sentido, como ser visto no captulo 6, um observador de estado, o qual tem
como funo estimar as variveis de estado, oferece uma soluo para este problema. J que o
observador de estado um sistema dinmico, um sistema de controle baseado em observador
no mais do que um estado com realimentao dinmica de sadas.
Com o fim de se conseguir boas caractersticas de estabilidade e um desempenho
adequado do sistema em malha fechada preciso escolher a matriz de ganho G de acordo
com algum critrio. Diversos mtodos so frequentemente utilizados para a determinao da
matriz de ganho G, entre eles esto: alocao de plos (SANTOS et al., 2006); controle H
(SILVA, 2005; BUENO et al., 2006a; SARRACINI JR., 2006; SANTOS et al., 2007); e o LQR
105
(JOHNSON; ERKUS, 2002; BUENO, et al., 2006c; HASSAN, 2006), que em particular utilizado
neste trabalho. Logo, a seguir so apresentados alguns detalhes desta tcnica que se baseia em
uma funo de custo quadrtica.
5.3 CONTROLE TIMO COM FUNO DE CUSTO QUADRTICA
O regulador linear quadrtico, abreviado como LQR, tem um papel muito importante
nos projetos de controle de sistemas dinmicos multivariveis, no apenas por ser um mtodo
poderoso, mas tambm porque representa a origem de muitos, recentemente desenvolvidos,
procedimentos para projetos de sistemas de controle para sistemas lineares MIMO. Alm de
proporcionar uma metodologia para o controle do ganho de realimentao o regulador linear
quadrtico garante boas margens de estabilidade para o sistema a malha fechada.
Considerando um sistema de controle estvel definido por:
Bu Ax x + = & (5.6)
no qual x um vetor de estados, A e B so matrizes constantes e u um vetor de controle. Em
projetos de sistemas de controle estveis baseados em ndices de desempenho quadrticos o
objetivo escolher um vetor de controle u de modo que o ndice de desempenho seja
minimizado. usual realizar medidas efetivas de vibrao atravs do ndice de desempenho
de controle de vibraes de estruturas. Este ndice, que se trata da funo de custo, pode ser
formulado a partir da integrao da energia total do sistema de um tempo inicial para um
tempo infinito (MEIROVITCH, 1990). Um ndice de desempenho quadrtico dado por
( )dt , J
0
= u x L (5.7)
sendo L(x,u) uma funo quadrtica ou uma funo hermitiana que conduz a leis de controle
lineares, ou seja
(
(
(
(
(
(
(
(
=
(
(
(
(
=
n
2
1
Rn R2 R1
11
2n 22 21
1n 12 11
n
2
1
x
x
x
G G G
G
G G G
G G G
u
u
u
M
L
M M M
L
L
M
Gx u
(5.8)
106
Os projetos de controles timos e reguladores lineares se resumem na determinao
dos elementos da matriz de ganho de retroalimentao G. O sistema projetado estvel,
exceto no caso em que o sistema no controlvel. Uma forma de se representar o ndice de
desempenho dada por (OGATA, 1997)
( )dt J
0
lqr lqr
+ = u R u x Q x
T T
(5.9)
sendo Q
lqr
uma matriz hermitiana ou real simtrica e definida positiva, R
lqr
uma matriz
hermitiana ou real simtrica e definida positiva e u o vetor de controle sem restries, que
regulam respectivamente a taxa de decaimento e o sinal de controle.
Na abordagem clssica, primeiro se projeta o sistema de controle e depois se verifica a
estabilidade do sistema, entretanto, utilizando o mtodo direto de Lyapunov, primeiro as
condies de estabilidade so verificadas e ento, projeta-se o controlador dentro destas
limitaes. Por estes motivos, o mtodo direto de Lyapunov a base para projeto de
controladores timos. Para uma grande classe de problemas, mostra-se uma relao direta
entre ndices de desempenho quadrticos e as funes de Lyapunov, que so utilizadas como
sntese nos sistemas de controle timo.
5.3.1 Problema de Controle timo Quadrtico
Considerando o sistema descrito pela equao (5.6), o problema determinar a matriz
de ganho de retroalimentao G do vetor de controle timo (lei de controle linear) da equao
(5.8) de modo a minimizar o ndice de desempenho, definido pela equao (5.9). Assim o
vetor de controle u timo qualquer que seja o estado inicial. A figura 5.3 mostra a
configurao tima proposta.
Figura 5.3 Diagrama de blocos do sistema timo proposto.
107
Substituindo (5.8) em (5.6) obtm-se
( )x BG A BGx Ax x = = & (5.10)
Nas dedues a seguir assume-se que a matriz (A BG) estvel, isto , que os seus
autovalores tenham parte real negativa. Substituindo a lei de controle linear (5.8) no ndice de
desempenho dado pela equao (5.9) tem-se
( )
+ = + =
0
lqr lqr
0
lqr lqr
dt ) ( dt J x G R G Q x Gx R G x x Q x
T T T T T
(5.11)
Para minimizar (5.11) se utiliza o problema de otimizao paramtrica. Neste ponto a
funo de Lyapunov, V(x) dada pela equao (4.19), pode ser usada efetivamente na soluo
deste problema, baseando nas hipteses do teorema principal de Lyapunov. Admitindo-se que
( ) ( ) ( ) x P x Px x Px x x V x G R G Q x
T T T T T
& &
&
= = = +
dt
d
lqr lqr
(5.12)
Substituindo (5.6) em (5.12) tem-se
( ) ( ) ( ) Bu Ax P x Px Bu Ax x G R G Q x
T T T T
+ + = +
lqr lqr
(5.13)
E finalmente substituindo a lei de controle linear dada por (5.8) em (5.13) obtm-se
( ) ( ) ( )
( ) ( )
( ) ( ) [ ]x BG A P P BG A x
x BG A P x Px BG A x
BGx Ax P x Px BGx Ax x G R G Q x
T T
T T T
T T T T
+ =
=
= +
lqr lqr
(5.14)
A equao (5.14) deve ser verdadeira para qualquer estado x, assim (5.14) torna-se
( ) ( ) ( ) G R G Q BG A P P BG A
T T
lqr lqr
+ = + (5.15)
Como de princpio se assumiu que a matriz (A BG) estvel, ento existe uma
matriz Hermitiana P positiva definida que satisfaz a equao (5.15). O procedimento agora
determinar os elementos desta matriz e verificar se esta definida positiva. Observa-se que
mais de uma matriz P pode satisfazer (5.15) e que se o sistema estvel sempre ir existir
uma matriz P positiva definida. Podem existir outras matrizes P que satisfaam a equao
(5.15), mas que no so definidas positivas, portanto, estas solues devem ser descartadas. O
ndice de desempenho de (5.11) pode ser calculado como a seguir
108
0 0
0
0
lqr lqr
dt ) ( J Px x Px x Px x x G R G Q x
T T T T T
+ = = + =
(5.16)
Como se define (A BG) estvel; tem-se x
0. Ento de (5.16), tem-se:
0
T
0
J Px x = (5.17)
Com isto, o ndice de desempenho obtido em termos de estado inicial e da matriz P.
Uma tcnica para a soluo do problema apresentada a seguir. Uma vez suposto que R
lqr
uma matriz hermitiana ou real simtrica positiva definida, pode-se escrever
T T R
T
=
lqr
(5.18)
Sendo T uma matriz no-singular. Ento substituindo (5.18) em (5.15)
( ) ( ) 0 = + + + TG T G Q BG A P P BG A
T T T
(5.19)
Reescrevendo (5.19) obtm-se (OGATA, 1997)
( ) [ ] ( ) [ ] 0 Q P B PBR P B T TG P B T TG PA P A
T T T
T
T T T
= + + +
lqr
1
1 1
(5.20)
A minimizao do ndice de desempenho J requer a minimizao de (OGATA, 1997)
( ) [ ] ( ) [ ]x P B T TG P B T TG x
T T
T
T T T
1 1
(5.21)
em relao a G. Como (5.21) no-negativa, o mnimo ocorre quando o seu valor zero, ou
seja, quando
( ) P B T TG
T T
1
= (5.22)
Assim, tem-se
( ) P B R P B T T G
T T T 1
1
1
= = (5.23)
A equao (5.23) fornece a matriz tima de ganho G. Em conseqncia o sinal de
controle timo ser dado por
Px B R Gx u
T 1
= = (5.24)
A matriz P da equao (5.23) deve satisfazer a seguinte equao reduzida
0 Q P B PBR PA P A
T T
= + +
lqr
1
(5.25)
109
A equao (5.25) conhecida como equao matricial reduzida de Riccati. As etapas
para o projeto de um sistema de controle timo quadrtico podem ser vistas de forma
esquemtica na figura 5.4.
Figura 5.4 Etapas para o projeto de um sistema de controle timo quadrtico.
5.3.2 Regulador Linear Quadrtico via LMIs
Diversos autores tm avaliado aplicaes do LQR, no entanto, nem tantos discutem a
verso LMI deste controlador (BALAKRISHNAN, S.d.; JOHNSON; ERKUS, 2002). Talvez seja
este um dos fatos que ainda impulsionam o estudo deste controlador, j considerado clssico
pelos pesquisadores. Alguns autores apresentam, ainda, novas propostas de soluo deste
controlador sem envolverem a tradicional equao de Riccati (NASCIMENTO; FILHO, 2007 e
FILHO; NASCIMENTO, 2007), assim, claramente se percebe a relevncia deste tema. A seguir
apresentada a formulao do LQR em sua verso LMI.
Para um sistema LTI descrito pela realizao no espao de estados, mostrado na
equao (5.26), o problema do LQR : dada uma condio inicial x(0), encontrar a entrada de
Equao dinmica do sistema
a controlar
Incio
Representao do sistema no
espao de estados
Escolha das matrizes Q
lqr
e
R
lqr
, definidas positivas
Soluo da Equao matricial
de Riccati
P positiva
definida?
Clculo da matriz de ganho
timo
Clculo do sinal de controle
timo
Fim
110
controle u(t) que minimize a energia de sada
0
T
dt ) t ( ) t ( z z . Assume-se que o trio (A, B, C)
a realizao mnima, isto , controlvel e observvel (OLIVEIRA, 2004), D
zu
T
D
zu
inversvel; e
D
zu
T
C
z
= 0.
) t ( ) t ( ) t (
) t ( ) t ( ) t (
zu z
u D x C z
Bu Ax x
+ =
+ = &
(5.26)
Note que C
z
e D
zu
so as matrizes de sada e de transmisso direta considerando a entrada de
controle u(t) e a sada de desempenho z(t). O procedimento similar se considerada a sada
y(t).
Assim, considera-se que a entrada tima u(t) pode ser expressa por uma constante
realimentao dos estados, ou seja, u(t) = Gx(t), onde G = (D
zu
T
D
zu
)
-1
B
T
P e P uma matriz
nica, positiva definida, que satisfaz a equao algbrica de Riccati.
0 ) (
z
T
z
T 1
zu
T
zu
T
= + +
C C P B D D PB PA P A (5.27)
A energia tima de sada para uma condio inicial x(0) ento dada por x
T
(0)Px(0).
Com Q
are
= P
-1
(o subndice are utilizado para representar a matriz Q da Equao
Algbrica de Riccati, do ingls Algebraic Riccati Equation); logo, possvel escrever a
equao anterior sendo:
0 ) (
are z
T
z are
T 1
zu
T
zu
T
are are
= + +
Q C C Q B D D B A Q AQ (5.28)
E a energia tima de sada : x
T
(0)Q
are
-1
x(0).
Assim, considerado o problema de encontrar o ganho de realimentao G que
minimize, restrito por um limite superior, a energia de sada, dada uma condio inicial. Em
Boyd et al., 1994b mostrado que para sistemas LTI, o limitante superior igual energia de
sada. Neste caso, tal energia de sada mnima dada minimizando x
T
(0)Q
lqr
-1
x(0) sujeito a
Q
lqr
> 0 e
( )
0
zu lqr z
T
zu lqr z
T T
u
T
lqr lqr
(
(
+
+ + +
I Y D Q C
Y D Q C B Y Y B A Q AQ
(5.29)
O valor timo deste EVP (problema de autovalor, do ingls Eigenvalue Problem) deve
ser igual energia de sada obtida resolvendo a equao de Riccati (equao 5.28). A equao
de Riccati pode ser interpretada como o campo de solues analticas para o EVP. Pode-se
mostrar esta soluo analtica para o EVP atravs dos seguintes passos. Primeiramente, tal
111
soluo pode ser mostrada usando o argumento que a LMI (5.29) mantida para algum Q
lqr
>
0 e Y se e somente se
T 1
zu
T
zu
) ( B D D Y
= e neste caso, Q
lqr
> 0 deve ser satisfeito.
0 B D D B Q C C Q AQ A Q + +
T 1
zu
T
zu
T
lqr z
T
z lqr lqr
T
lqr
) ( (5.30)
Logo, pode ser mostrada uma manipulao que se Q
lqr
> 0 for satisfeita a LMI (5.30),
ento Q
lqr
Q
are
. Entretanto, para toda condio inicial x(0), tem-se que x
T
(0)Q
are
-1
x(0)
x
T
(0)Q
lqr
-1
x(0); e, no entanto, o valor timo de EVP apenas x
T
(0)Q
are
-1
x(0), e o ganho timo
de realimentao
P B D D Q Y G
T 1
zu
T
zu
1
are timo timo
) (
= = (5.31)
Isto interessante para notar que com P = Q
lqr
-1
, o EVP equivalente a minimizao
x
T
(0)Px(0) sujeito a
0 ) (
T 1
zu
T
zu
T
z
T
z
T
+ +
P B D D PB C C PA P A (5.32)
Que no uma otimizao convexa em P (BOYD et al., 1994b). No entanto, o problema de
maximizao x
T
(0)Px(0) sujeito a P > 0 e
0 ) (
z
T
z
T 1
zu
T
zu
T
+ +
C C P B D D PB PA P A (5.33)
que no nada alm da inequao (5.32), mas com a desigualdade invertida, um EVP
(BOYD et al., 1994b). Willems (1971) mostra que esta uma outra formulao do problema
do LQR.
A verso LMI do regulador linear quadrtico tambm apresentada por Erkus e Lee
(2004). Os autores propem ainda um algoritmo implementado em Matlab
, que calcula o
ganho de realimentao. Segundo estes autores, o problema LMI-LQR descrito por:
0 , 0 sujeito
) ( tr ) ( tr ) ( tr ) ( tr min
2 / 1
lqr LMI
LMI
2 / 1
lqr LMI
w w LMI LMI
LMI LMI LMI lqr
, ,
LMI
>
(
(
< + +
+ + +
P R Y
Y R X
B B B Y PA BY AP
Y N N Y X P Q
T
T T T
T T
X P Y
5.34)
onde N o vetor de posio dos rudos, X
LMI
e Y
LMI
so a soluo da LMI e tr( ) o trao da
matriz. Em Valer (1999) possvel, ainda, encontrar informaes sobre as propriedades de
robustez e sobre acompanhamento de sinais de referncia utilizando o LQR.
112
5.4 MODELO DINMICO PARA PROJETO DE CONTROLADOR ROBUSTO
O problema real do projeto de controle robusto consiste em sintetizar um controlador,
o qual mantm a resposta do sistema em condies aceitveis, mesmo na presena de
incertezas no sistema. Estas incertezas podem aparecer pelos seguintes fatores: erros na
modelagem da planta, presena de no linearidades, parmetros modais imprecisos
(principalmente para modelos identificados a partir de dados experimentais), presena de
distrbios desconhecidos e rudos nos sensores. O problema de controle robusto se tornou
mais popular aps os resultados obtidos com o LQR em sistemas multivariveis. Alm de
garantir que o sistema de controle a malha fechada estvel, o LQR tem excelentes
propriedades de robustez incluindo margens de ganho de 6 dB a + dB e margens de fase
de 60 por canal de controle (VALER, 1999). Em particular para o controlador LQR, que foi
utilizado neste trabalho, as principais vantagens so as margens de estabilidade garantidas e
que o ganho do controlador constante (o que facilita sua implementao) e como principal
desvantagem est a necessidade de se conhecer todos os estados.
Neste trabalho, para o projeto dos controladores robustos foram consideradas
incertezas na matriz dinmica da estrutura. Em algumas aplicaes as matrizes foram
identificadas a partir de dados experimentais, assim, realizando n
t
(com n
t
> 1) testes de
aquisio dos sinais de entrada e sada, n
t
conjuntos de matrizes que representam o sistema
atravs da realizao no espao de estados modal foram identificados. Uma vez que a partir
de cada teste de identificao se obtm matrizes com propriedades modais relativamente
diferentes (principalmente o fator de amortecimento, que em geral de difcil identificao),
foi considerado que a matriz dinmica do sistema nominal se encontra limitada pelas matrizes
identificadas, logo, sendo estas os vrtices do politopo considerado no projeto. Idia similar
apresentada por Moreira (1998), no entanto, o autor obtm as matrizes que representam os
vrtices do politopo provocando variaes conhecidas na estrutura. Para clareza de
entendimento, a seguir apresentada esta formulao.
O modelo dinmico no espao de estados que representa as consideraes descritas
acima apresentado na equao (5.35), mostrada a seguir:
) t ( ) t (
) t ( ), t ( ) t ( ) t ( ) t ( ) t (
w
x C y
A u w x A x
=
+ + = &
(5.35)
onde o politopo descrito por um conjunto de vrtices em um espao convexo. Note que as
matrizes dinmicas A(t) so obtidas atravs da utilizao do mtodo de subespao
113
considerando dados experimentais, logo, aqui so representadas em funo do tempo para
enfatizar a presena de parmetros incertos. Mais claramente mostrado na equao (5.36)
{ }
v 1
A A A , , Co , L = (5.36)
onde v o nmero de vrtices do politopo no espao convexo Co (BOYD et al., 1994b).
Com esta metodologia, possvel projetar controladores com robustez a variaes da
matriz dinmica e obter o ganho timo no espao convexo considerado. Tambm, realizando
o truncamento dos estados se consegue projetar controladores de ordem reduzida, como
mostrado na equao (5.37).
[ ]
)
`
=
(
+
(
+
)
`
=
)
`
r
c
r c
r
c
r
c
r
c
r
c
r
c
;
x
x
C C y u
x
x
0
0
x
x
u
u
w
w
) t (
) t (
&
&
(5.37)
onde A
c
(t) dada pela equao (2.27); e o subndices c e r correspondem aos modos
controlados e aos modos residuais, respectivamente.
114
CAPTULO 6. OBSERVADORES DE ESTADOS
A teoria de controle moderno baseada na formulao do espao de estados (OGATA,
1997). Algumas caractersticas impulsionam esta utilizao, com destaque no projeto de
sistemas de controle multivarivel (MIMO), que pode ser realizado com a mesma facilidade
que para sistemas com entradas e sadas simples (SISO). Isto encoraja a utilizao desta
formulao escrita no domnio do tempo e, em contrapartida, deixa as formulaes escritas no
domnio da freqncia em certo desuso (VALER, 1999).
Uma caracterstica comum desta formulao a suposio de que o vetor de estado
completo disponvel para propsitos de realimentao, o que factvel apenas quando a
dinmica do sistema a controlar descrita por um pequeno nmero de equaes diferenciais,
tais que todas as variveis de estado possam ser medidas. No entanto, quando o nmero de
variveis grande a quantidade de sensores necessrios pode inviabilizar esta implementao.
Em geral, disponvel apenas um pequeno nmero de sensores, ento, o uso de um
observador de estados (no sentido de estimador) permite a soluo do problema de se obter o
vetor de estado completo a partir das variveis disponveis. Assim, um algoritmo de controle
dividido em duas partes: uma parte baseada na suposio de que todas as variveis de estado
podem ser medidas; e a outra o projeto do observador de estado. A propriedade de poder
separar o projeto de controle por realimentao em duas partes conhecida como Princpio
da Separao e muito importante para sistemas lineares e uma classe limitada de sistemas
no lineares.
O conceito de observador para sistemas dinmicos foi introduzido por Luenberger em
1964 com a demonstrao de como as entradas e sadas disponveis de um sistema podem ser
usadas para construir uma estimativa do vetor de estados deste sistema. Este dispositivo de
reconstruo dos estados foi chamado de observador de Luenberger, ou simplesmente
observador (MARANO, 2002). A demonstrao completa da reconstruo do vetor de estados
a partir das variveis conhecidas para um sistema linear foi mostrada em Luenberger (1966).
O trabalho de Luenberger mostra que para um sistema com vetor de estados de ordem n e m
estados independentes medidos (m < n), um observardor de ordem (n-m) pode reconstruir os
estados no medidos. Vrios trabalhos foram apresentados discutindo diferentes tipos de
observadores, como observador identidade e o de ordem reduzida (LUENBERGER, 1971); e o
trabalho de Rudolph Emil Kalman, publicado em 1960, que descreveu um processo recursivo
115
para solucionar problemas lineares relacionados filtragem de dados discretos foi de grande
importncia para todo este desenvolvimento (KALMAN, 1960b). Desde ento, novos tipos de
observadores e algumas variaes tm surgido. O presente captulo apresenta um resumo de
alguns tipos de observadores para propiciar ao leitor mais informaes sobre o assunto. O
observador utilizado nas aplicaes deste trabalho foi o estimador baseado no filtro de
Kalman.
6.1 CONCEITO DE OBSERVADOR DE ESTADOS
Um observador de estados para um sistema dinmico original S(y;x;u) com estado x,
sada y e entrada u um sistema dinmico auxiliar ) ; ; ; (
=
+ =
) t ( ) t (
) t ( ) t ( ) t (
:
Cx y
Bu Ax x&
S (6.1)
Sistema original
Observador de estado
u y
x
) ; ; ; (
u y z x S
S(y,x,u)
116
A primeira idia que surge para obter as variveis de estado x a partir das variveis
disponveis resolver o sistema de equaes dado pela equao das sadas:
) t ( ) t ( y Cx =
mas isto s possvel quando C tem posto n, ou seja, quando o nmero de medies
independentes igual ao nmero de variveis de estado do sistema. No entanto, em geral este
no o caso.
Um segundo modo de recuperar as variveis de estado quando a matriz de
observabilidade O tem posto n, ou seja, quando o sistema observvel, mediante derivao.
Assim, derivando-se a equao de sadas do sistema original (6.1):
M M
& & & & &
& &
) t ( ) t ( ) t ( ) t ( ) t ( ) t (
) t ( ) t ( ) t ( ) t (
2
u CB CABu x CA u CB x CA y
CBu CAx x C y
+ + = + =
+ = =
e assim por diante at y
(n-1)
. Arranjando estas expresses em forma matricial:
) t ( ) t ( ) t ( u O y
+ = T x (6.2)
onde:
[ ]
[ ] ) ( ; ); ( ; ) ( ) (
) ( ; ); ( ; ) ( ) (
1
1
t t t t
t t t t
n
n
=
=
u u u
y y y
L &
L &
u
y
a matriz O a matriz de observabilidade do sistema (A,C) como definida na equao (2.31) e
a matriz T
ot ot ot
y K Bu x C K A x + + =
&
S (6.5)
O sistema auxiliar
ot
=
chamada de matriz do observador. Neste caso, o observador pode ser interpretado como um
sistema de controle por realimentao, onde o residual
r
, por conseguinte o erro de
aproximao ) ( ) ( ) ( t t t x x e = tem que tender assintoticamente zero. Das equaes (6.1) e
(6.5), pode-se determinar a dinmica do erro de aproximao:
) t (
) t ( ) t ( ) t ( e A x x e = = & (6.6)
este erro convergir a zero se e somente se a matriz do observador A
=
(
=
(
+
(
=
(
) (
) (
) (
) (
) (
) (
) (
) (
) (
:
2
1 12
t
t
t
t
t
t
t
t
t
S
o o
o
no
o
o
no
o
no
o
no
x C
x
x
C 0 y
u
B
B
x
x
A 0
A A
x
x
&
&
(6.7)
onde o par de matrizes (A
o
,C
o
) observvel e A
no
tem todos seus autovalores com parte real
negativa. Neste caso, a matriz do observador A
ser:
[ ]
(
=
(
o o
o no
o
o
no
C
C
C
K A 0
K A A
0
K
K
A 0
A A
A
2
1
2
1
12 12
(6.8)
*
Um sistema detectvel quando para o par (C, A) existe uma matriz M tal que (A+MC)
pertence ao disco unitrio aberto, onde (A+MC) o conjunto dos autovalores de (A+MC).
J que os autovalores da matriz A
K
2
C
o
), s ser possvel alocar os autovalores da matriz A
o
mediante a matriz K
2
e os
autovalores restantes ficaro determinados pela matriz A
no
(com todos seus autovalores com
parte real negativa). Uma forma prtica de se determinar a matriz de ganho K
ot
para sistemas
detectveis usando a equao de Riccati (VALER, 1999).
6.2.3 Escolha dos Autovalores do Observador
A velocidade de resposta de um sistema dinmico depende dos autovalores. Quando o
observador implementado num sistema de controle por realimentao, os autovalores do
119
observador devero ser escolhidos tal que a resposta deste seja muito mais rpida que a
resposta do sistema de controle em malha fechada, quando todo o vetor de estado
disponvel. Isto para no alterar a velocidade de resposta do sistema de controle. J que o
observador implementado de forma analgica ou digital, o projetista pode ficar tentado
incrementar a velocidade de resposta tal que o vetor de estado estimado x convirja
rapidamente ao vetor de estado x. No entanto, quando isto acontece, o observador pode atuar
como um derivador e a sensibilidade rudos aumentar. Uma boa regra prtica escolher
estes autovalores tal que a resposta dinmica do observador seja pelo menos 2 a 5 vezes mais
rpida que a resposta do sistema a malha fechada com realimentao total de estado (VALER,
1999).
6.3 OBSERVADOR DE ORDEM REDUZIDA
O observador de ordem plena tem a mesma ordem da planta n com a finalidade de
reconstruir todas as variveis de estado do sistema. No entanto, esta ordem pode ser reduzida
j que as variveis de sada provem m relaes lineares independentes entre as variveis de
estado e daqui apenas preciso observar n-m variveis e determinar as restantes destas
relaes lineares. Esta reduo de ordem no muito significativa quando observada apenas
uma varivel, mas para sistemas com mais de uma varivel de sada uma reduo mais
substancial pode ser obtida. importante notar que as variveis de sada envolvem rudos
significantes, ento o uso de um observador de ordem plena pode ser uma melhor escolha.
A idia bsica de um observador de ordem reduzida gerar nm combinaes lineares
das variveis de estado:
z
a
(t) = M
obs
x(t) (6.9)
combinando o vetor z(t) de dimenso (n-m) com a equao de sadas y de m x 1 do sistema
original (3.1)
) t (
) t (
) t (
obs a
x
M
C
z
y
(
=
(
(6.10)
daqui o vetor completo de estado poder ser obtido atravs de:
[ ]
(
=
(
) t (
) t (
) t (
) t (
) t (
a
obs obs
a
1
obs
z
y
P V
z
y
M
C
x (6.11)
120
a matriz M
obs
tal que a inversa da matriz [C
T
M
obs
T
] exista. O vetor z pode ser construdo
atravs de uma aproximao assinttica z a partir de y e u usando um sistema dinmico
auxiliar de ordem reduzida nm. O vetor de estado aproximado do sistema original x pode
ser determinado utilizando a equao (6.11). Assim:
+ =
+ + =
) t ( ) t ( ) t (
) t ( ) t ( ) t ( ) t (
:
obs obs
y V z P x
Gu Ey Dz z&
or
S (6.12)
O sistema
or
S
+ =
+ + =
) t ( ) t ( ) t (
) t ( ) t ( ) t ( ) t (
:
Vy Pz w
Gu Ey Dz z&
fl
S (6.15)
O vetor z
fl
l
R aproximar uma funo linear do vetor de estado M x e w R
r
aproximar F x. O problema do observador do funcional linear a determinao das matrizes
do observador (6.15) tal que:
[ ] 0 Fx w =
) ( ) ( lim t t
t
(6.16)
6.5 OBSERVADOR PROPORCIONAL-INTEGRAL
O observador proporcional-integral capaz de estimar qualquer distrbio (constante,
linear, no-linear) sempre que este seja mais lento que a constante de tempo da ao integral;
e o nmero de medies no seja menor que o nmero de distrbios (VALER, 1999).
Aumentando o ganho integral possvel rejeitar distrbios mais rpidos, no entanto, isto tem
o efeito negativo de diminuir a margem de estabilidade do observador. Temos para este caso
de observador:
( )
( )
=
+ + + =
) t ( ) t ( ) t ( w
) t ( ) t ( ) t ( ) t ( ) t ( ) t (
:
I
p w
x C y K
x C y K w B Bu x A x
&
&
pI
S (6.17)
onde K
p
e K
I
so os ganhos proporcional e integral, respectivamente. Equivalentemente:
( ) { ) t ( ) t ( ) t ( ) t ( ) t ( :
pI pI pI pI pI pI pI pI
S x C y K u B x A x + + =
&
(6.18)
onde
[ ]
(
= =
(
=
(
=
(
=
I
p w
; ; ; ;
K
K
K 0 C C
0
B
B
0 0
B A
A
w
x
x
pI pI pI pI pI
(6.19)
122
A condio necessria e suficiente para a existncia do observador que o par (A
pI
,
C
pI
) seja observvel ou pelo menos detectvel, de maneira que seja possvel alocar os
autovalores da seguinte matriz do lado esquerdo do plano complexo:
(
= =
0 C K
B C K A
C K A A
I
w p
pI pI pI pI
(6.20)
6.6 ESTIMADOR DE KALMAN
Esta seo trata da apresentao resumida do filtro de Kalman. O filtro de Kalman tem
sua origem na dcada de sessenta, dentro da rea da engenharia eltrica relacionado teoria
do controle de sistemas. Posteriormente, esta metodologia foi sendo incorporada a outras
reas como a estatstica. Sua aplicao na rea econmica e financeira vasta. Inmeros
artigos e trabalhos so publicados rotineiramente fazendo uso do filtro de Kalman. Este
contedo est baseado em Harvey (1989). Outra referncia relevante e recente sobre o filtro
de Kalman e modelos no lineares e no Gaussianos Durbin e Koopman (2002). As
referncias clssicas sobre o tema so: Anderson e Moore (1979) e Jazwinski (1970).
Em 1960 Rudolph Emil Kalman publicou um famoso artigo descrevendo um processo
recursivo para solucionar problemas lineares relacionados filtragem de dados discretos. Sua
pesquisa proporcionou contribuies relevantes ajudando a estabelecer bases tericas slidas
em vrias reas da engenharia de sistemas. Em 1960-1961 Kalman desenvolveu, com
colaborao de Richard S. Bucy, a verso em tempo contnuo do filtro de Kalman, que se
tornou conhecida como o filtro de Kalman-Bucy. Com o avano computacional, o filtro de
Kalman e suas extenses a problemas no lineares representam o produto mais largamente
utilizado dentro da moderna teoria de controle.
O filtro de Kalman um conjunto de equaes matemticas que constitui um processo
recursivo eficiente de estimao, uma vez que o erro quadrtico minimizado (WELCH;
BISHOP, 1995). Atravs da observao da varivel denominada varivel de observao outra
varivel, no observvel, denominada varivel de estado pode ser estimada eficientemente.
Podem ser estimados os estados passados, o estado presente e mesmo previstos os estados
futuros. O filtro de Kalman um procedimento aplicvel quando os modelos esto escritos
sob a forma espao-estado. Alm disso, o filtro de Kalman permite a estimao dos
parmetros desconhecidos do modelo atravs da maximizao da verossimilhana
*
via
decomposio do erro de previso.
123
*
Maximizao da verossimilhana o mesmo que maximizao de uma funo de
probabilidade condicional, ou seja, a probabilidade de um evento a sabendo que ocorreu um
outro evento b, e representa-se por p(a|b).
Para a definio do problema do projeto de um estimador de estados baseado no filtro
de Kalman necessrio considerar o sistema com a seguinte representao
+ + =
+ + =
) t ( ) t ( ) t ( ) t (
) t ( ) t ( ) t ( ) t (
:
Rp Rp
v Du Cx y
w B Bu Ax x&
K
S (6.21)
onde B
Rp
a matriz de posio do rudo de processo, w
Rp
(t) chamado de rudo de excitao
no estado (ou rudo de processo) e representa um distrbio no sistema, v(t) o vetor de rudos
no sensor (ou rudo de medida). As matrizes V
K
e W
K
so as matrizes de covarincia de rudo
de processo e de rudo de medidas, respectivamente. Estas matrizes so definidas por
)) t ( ) t ( ( E )), t ( ) t ( ( E
T
K
T
Rp Rp K
v v W w w V = = (6.22)
onde E(.) denota o valor esperado (mdia). Matematicamente o valor esperado E(x) definido
como dx ) x ( xPDF
, onde PDF(x) a funo densidade de probabilidade. Uma FDP uma
funo que representa a distribuio da probabilidade em termos de uma integral.
Devido natureza estocstica do filtro de Kalman, o rudo de processo e o rudo de
medida so supostos rudos Gaussianos branco, estacionrios (invariante no tempo) e no
correlacionados entre si, seja (VALER, 1999)
0 )) t ( ) t ( ( E )) t ( ) t ( ( E e t , 0 )) t ( ( E , 0 )) t ( ( E
T
Rp
T
Rp Rp
= = = = w v v w v w (6.23)
Observao: um rudo branco Gaussiano um rudo cuja funo densidade de probabilidade
corresponde a uma distribuio normal. O rudo branco um tipo de rudo produzido pela
combinao simultnea de sons de todas as componentes de freqncia. O adjetivo branco
utilizado para descrever este tipo de rudo em analogia ao funcionamento da luz branca,
dado que est obtida a partir da combinao simultnea de todas as componentes
cromticas.
Seja y
t
uma srie temporal multivariada com N elementos. Estas variveis so
denominadas variveis observveis e constituem um vetor N1, y
t
R
N
. As variveis
observveis esto relacionadas s variveis de estado x
t
atravs da equao de medio (ou
observao):
T ,..., 2 , 1 t ,
t t t t t
= + + = d x Z y (6.24)
124
onde Z
t
uma matriz N x m, d
t
um vetor N x 1,
t
um vetor serialmente no
correlacionado com mdia zero e matriz de covarincia H
t
e x
t
um vetor m x 1 que contm
as variveis de estado no observveis. A matriz Z
t
transforma o sistema de coordenadas do
vetor de caractersticas estimadas no vetor de caractersticas medido (ARULAMPALAM et al.,
2002).
As variveis de estado so geradas por um processo Markoviano de primeira ordem e
sua equao denominada equao de transio:
T ,..., 2 , 1 t ,
t t t 1 t t t
= + + =
R c x T x (6.25)
onde T
t
uma matriz m x m, c
t
um vetor m x 1, R
t
uma matriz m x g e
t
um vetor g x 1
serialmente no correlacionado com mdia zero e matriz de covarincia Q
t
.
Alm disso, o vetor inicial de estado x
0
tem mdia
0
x e matriz de covarincia P
0
. Os
rudos
t
e
t
so no correlacionados entre si e no correlacionados com estado inicial.
Para se conhecer as origens computacionais do filtro de Kalman necessrio definir
por
m
t
R
t
P m x m e dada por:
( )
T
t t t
E
= e e P (6.28)
A matriz de covarincia de erro posterior P
t
m x m e dada por:
( )
T
t t t
E e e P = (6.29)
Deseja-se encontrar uma equao que relacione o estado posterior
t
x como uma
combinao linear do estado anterior
t
x com a ponderao da diferena entre a observao y
t
e a previso
t t t
d x Z +
, ou seja,
( )
t t t t t t t
d x Z y K x x + =
(6.30)
125
O termo entre parnteses reflete a diferena entre o previsto
t t t
d x Z +
e a observao
y
t
. A matriz K
t
(m x N) denominada ganho de Kalman e tal que minimiza a matriz de
covarincia de erro P
t
dada pela equao (6.29).
A minimizao da covarincia de erro obtida substituindo a equao (6.30) na
equao (6.27) e obtendo uma expresso para e
t
em termos de K
t
. Levando este resultado na
equao (6.29), tomando-se ento os valores esperados, derivando-os com relao K
t
e
igualando a equao zero; tem-se a condio de primeira ordem. Resolvida esta equao
para K
t
, resulta:
( )
1
t
T
t t t
T
t t t
+ = H Z P Z Z P K (6.31)
Na equao acima quando o erro da equao de medio aproxima-se de zero (H
t
0), a ponderao da matriz ganho aumenta; ou ainda,
1
t t
0
t
lim
= Z K
H
.
A derivao do filtro de Kalman se apia no fato de que tanto os rudos das equaes
de medio e transio como o vetor inicial de estado, so normalmente distribudos. Isto
significa que apenas os dois primeiros momentos so suficientes para descrever todos os
estados em qualquer instante de t = 1 a t = T. Assim sendo, escreve-se:
{ }
T
t t t t t t t
) )( ( E e ) ( E x x x x P x x = = (6.32)
A estimativa anterior dada pela equao (6.30) Gaussiana. A matriz de covarincia
posterior (Eq. 6.29) reflete a varincia da distribuio das variveis de estado. Ento,
) , ( N ~ ) | ( p
t t t t
P x y x (6.33)
onde ) , ( N
t t
P x uma funo densidade de probabilidade Gaussiana com argumento
t
x e
covarincia P
t
.
A formulao acima mostra que o filtro de Kalman um procedimento recursivo que
permite determinar o estimador timo do vetor de estado; dadas s informaes disponveis
at o tempo t, inclusive as variveis de observao y
t
. Esta a interpretao bsica do que
aparece na equao (6.30). O estimador dito timo no sentido de que a matriz de ganho tal
que a varincia do erro das variveis de estado mnima (Eq. 6.31). Quando a hiptese da
normalizao no se verifica, o filtro de Kalman no fornece os valores esperados das
variveis de estado, no entanto, o filtro continua sendo o estimador timo; isto , minimiza a
varincia do erro.
126
As equaes do filtro de Kalman podem ser agrupadas em dois tipos distintos:
equaes de atualizao do tempo e equaes de atualizao da medio. Estes dois grupos de
equaes funcionam conjuntamente como um sistema de retroalimentao.
As equaes de atualizao de tempo so responsveis pelo avano das variveis de
estado e das covarincias no tempo para se obter, desta forma, as estimativas anteriores (a
priori) para o prximo instante. As equaes das atualizaes so responsveis pela
retroalimentao, ou seja, incorporam uma nova informao da varivel observvel nas
estimativas anteriores para obter um ganho (ou melhoria) na estimao anterior. As equaes
de atualizao do tempo so denominadas equaes de previso. As equaes de atualizao
de medies so denominadas equaes de correo.
Seja ento o modelo especificado pelas equaes (6.24) e (6.25), seja
1 t
x o estimador
timo de x
t-1
baseado em informaes at t-1, incluindo y
t-1
. Dados
1 t
x e P
t-1
, o estimador
timo de x
t
dado por:
t 1 t t t
c x T x + =
(6.34)
A matriz de covarincia de erros das variveis de estado dada por:
T
t t t
T
t 1 t t t
R Q R T P T P + =
(6.35)
As equaes (6.34) e (6.35) constituem o grupo denominado de equaes de
atualizao do tempo ou equaes de previso. Estas equaes apresentam um avano no
tempo de t-1 para t. Quando uma nova observao y
t
verificada, o estimador
t
x de x
t
pode
ser melhorado ou corrigido. As equaes de atualizao das medies so:
( )
1
t
T
t t t
T
t t t
+ = H Z P Z Z P K (6.36)
( )
t t t t t t t
d x Z y K x x + =
(6.37)
( )
=
t t t t
P Z K I P (6.38)
O primeiro passo determinar o ganho de Kalman K
t
dado pela equao (6.36).
Posteriormente, a nova informao observada y
t
incorporada previso anterior
t
x
juntamente com a matriz ganho K
t
atravs da equao (6.37), gerando a estimao posterior
t
x . O ltimo passo obter a matriz de covarincia dos erros atravs da equao (6.38). O
ciclo do algoritmo se repete para o instante de tempo t+1 sendo
t
x e P
t
dados de entrada nas
equaes (6.34) e (6.35), respectivamente. Esta natureza recursiva do modelo o torna um
127
instrumento de atualizao de medidas em tempo real, da o seu grande uso em sistemas de
controle de rastreamento no campo de engenharia. Nas aplicaes deste trabalho o ganho do
observador baseado no filtro de Kalman foi obtido atravs do comando lqe do software
Matlab
.
128
CAPTULO 7. APLICAES
Nesta seo so apresentadas algumas aplicaes envolvendo as metodologias de
posicionamento timo de sensores e atuadores e o projeto de controladores robustos via
desigualdades matriciais lineares. A primeira aplicao apresenta o posicionamento timo de
atuadores de pilha em uma viga de ao engastada. Na aplicao foi utilizado um modelo via
mtodo dos elementos finitos (FEM) considerando o elemento de viga de Euller Bernoulli,
que possui dois graus de liberdade (GL) por n. Como ndice de desempenho do atuador foi
utilizado o ndice grammiano do atuador. Ainda, apresentada uma comparao com os
resultados obtidos experimentalmente. Nas aplicaes numricas deste trabalho, utilizou-se a
matriz de amortecimento proporcional s matrizes de massa e rigidez com os escalares e
iguais a 10
-1
e 2.10
-8
, respectivamente. As matrizes de massa e rigidez de vigas e placas foram
obtidas utilizando o programa SMARTSYS, que considera o efeito do acoplamento
eletromecnico entre atuadores/sensores e a estrutura base (MARQUI, 2007).
A segunda aplicao apresenta o posicionamento timo de atuadores e sensores em
uma placa de alumnio engastada em um de seus lados. A placa foi discretizada via FEM
considerando o elemento de placa de Kircchoff. Os desempenhos de um atuador e de um
sensor foram avaliados para os quatro primeiros modos de vibrar da placa. Como ndices de
posicionamento foram utilizados as matrizes grammianas de controlabilidade (para o
atuador) e de observabilidade (para o sensor). Nesta aplicao o modelo dinmico
representado no espao de estados modal e identificado utilizando o mtodo de subespao a
partir de dados experimentais, e com isto, um controlador robusto foi projetado considerando
o estimador de estados via filtro de Kalman.
A terceira aplicao apresenta a influncia de distrbios externos no posicionamento
timo de atuadores. Os resultados foram simulados para uma trelia plana modelada via FEM,
considerando dois GL por n (deslocamentos nas direes x e y). Como ndice de
desempenho do posicionamento do atuador na ausncia de distrbios foi utilizado o trao da
matriz grammiana de controlabilidade. Para se considerar o efeito de distrbio no
posicionamento foi utilizado a matriz grammiana de sensibilidade de distrbio. Nesta
formulao, como apresentado no captulo 3, item 3.4, se utiliza a matriz dinmica a malha
fechada e o ganho de realimentao foi obtido atravs do controlador LQR.
129
A quarta aplicao apresenta a resoluo do problema de posicionamento timo de
sensores e atuadores considerando a configurao geral, ou seja, com distrbios e sadas de
desempenho (sadas reguladas). Nesta aplicao foi utilizada uma trelia espacial modelada
via FEM considerando trs GL por n. O desempenho do conjunto de atuadores e sensores em
posies timas avaliado atravs do projeto do controlador LQR buscando atenuar sinais de
vibraes nos quatro primeiros modos de vibrar da trelia. Ainda, apresentada, em detalhes,
uma comparao do desempenho deste controlador para o ganho calculado via soluo da
equao de Riccati (denominado neste trabalho como ganho tradicional); e calculado via
LMIs (denominado ganho robusto). Nesta aplicao se considera que a incluso dos atuadores
em membros estruturais resulta em variao na rigidez destes elementos, ento, no projeto do
controlador so consideradas incertezas paramtricas.
7.1 POSICIONAMENTO TIMO DE ATUADORES DE PILHA
Nesta aplicao apresentado o posicionamento timo de atuadores de pilha (PZT
stacks). Em geral, estes atuadores so construdos com n elementos piezeltricos conectados
mecanicamente em srie e eletricamente em paralelo, como mostra a figura 7.1a
(CARVALHAL, 2005; LI et al., 2006). No projeto de controle ativo de vibraes em estruturas
do tipo trelias, alguns autores utilizam estes atuadores acoplados nos elementos (barras)
estruturais. No entanto, em algumas aplicaes envolvendo outras estruturas, estes atuadores
so conectados em apenas um ponto da estrutura buscando transmitir fora (LI et al., 2006).
No referido trabalho os autores apresentam a utilizao de um atuador PZT stack para
controle ativo de vibraes em um eixo de uma caixa de cmbio. A idia deste tipo de
aplicao ilustrada na figura 7.1b, onde um atuador aplica uma fora em um brao-alavanca.
130
(a) (b)
Figura 7.1 (a) atuador PZT de pilha; (b) PZT de pilha conectado em um brao-alavanca.
Neste contexto, a presente aplicao ilustra o seguinte problema hipottico: Avaliar o
desempenho de um atuador de pilha (PZT stack) quando posicionado em trs diferentes
posies de uma viga de ao engastada. Apenas trs posies (ns 2, 10 e 18) so avaliadas
para simplificar a comprovao experimental.
A aplicao numrica foi realizada em uma viga de ao engasta, discretizada via FEM
em 21 elementos estruturais e 22 ns (Fig. 7.2a). Foi utilizado o elemento de Euller-Bernoulli,
que considera 2 GL por n. A tabela 7.2 mostra as propriedades fsicas e geomtricas da
estrutura. Foi considerado um sensor acelermetro na extremidade livre da viga e foram
avaliadas trs posies para o atuador PZT, como mostra a figura 7.2b.
131
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Elemento Estrutural
N Estrutural
x
y
(a) elementos e ns da viga de ao
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
1 Posio candidata 2 Posio candidata 3 Posio candidata
(b) viga e posies candidatas para o atuador de pilha
Figura 7.2 Viga discretizada e posies candidatas para o atuador PZT.
Tabela 7.1 Propriedades fsicas e geomtricas da viga utilizada.
Mdulo de Elasticidade (GPa) 210
Largura (mm) 37
Espessura (mm) 5
Comprimento L (mm) 420
Densidade (Kg/m
3
) 7800
A figura 7.3a mostra o ndice grammiano de desempenho do atuador quando
conectado em cada uma das trs posies avaliadas. Neste trabalho os grficos que mostram
os valores dos ndices foram normalizados para o maior valor ser a unidade. Este ndice de
posicionamento dado pelo trao da matriz grammiana de controlabilidade. Nota-se que o
desempenho do atuador maior quando conectado na posio 3. Para aplicaes numricas
facilmente possvel avaliar todas as posies candidatas, ou seja, o desempenho do atuador
ao ser posicionado em cada um dos ns estruturais, como mostra a figura 7.3b.
132
1 5 10 15 21
0
0.2
0.4
0.6
0.8
1
Ns Estruturais
n
d
i
c
e
G
r
a
m
m
i
a
n
o
Avaliando todas as posies
(a) ndices grammianos para as posies
candidatas
(b) ndices grammianos para o atuador em
cada n estrutural
Figura 7.3 ndice grammiano de posicionamento do atuador aplicao numrica.
Para verificar experimentalmente os resultados obtidos no posicionamento do atuador,
foi utilizada a viga de ao mostrada na figura 7.4a. As propriedades fsicas e geomtricas so
as mesmas da aplicao numrica (tabela 7.1). Neste caso, as matrizes necessrias para a
representao do sistema no espao de estados foram obtidas atravs do mtodo de
subespaos. Para indicar a posio do atuador PZT foi utilizado um martelo de impacto
(figura 7.4b). Os sinais de sada foram obtidos por um acelermetro modelo 352C22 PCB
Piezotronics. Para realizar a aquisio dos sinais de entrada e sada foi utilizado o software
SignalCalc ACE II e um microcomputador com processador Pentium 4. A figura 7.5 mostra
os condicionadores de sinais modelos 480E09 PCB Piezotronics; o martelo de impacto
modelo 086C04 PCB Piezotronics; e o hardware de aquisio de dados do ACE II. A figura
7.6 ilustra a configurao completa do experimento realizado.
(a) viga de ao utilizada (b) martelo de impacto e acelermetro
Figura 7.4 Viga de ao utilizada na aplicao experimental.
133
Figura 7.5 Equipamentos utilizados na aquisio dos sinais.
Acelermetro
Condicionador
ACE II
Gerador de Sinais
Viga
Condicionador
Sistema de
Aquisio
Martelo de Impacto
Posies Candidatas
Figura 7.6 Configurao completa do experimento realizado.
A aquisio dos sinais foi feita para uma largura de banda de 0-1000 Hz e uma taxa de
amostragem de 1,25 Hz. As figuras 7.7a, b e c mostram os sinais de entrada obtidos com o
martelo de impacto, para cada posio candidata. Os sinais de sada, obtidos com o
acelermetro, so mostrados nas figuras 7.8, 7.9 e 7.10. Ainda, as FRF para cada posio
candidata, so mostradas nas figuras 7.11, 7.12 e 7.13. Apenas para comparao entre o
modelo obtido via FEM e os resultados experimentais, a tabela 7.2 apresenta as quatro
primeiras freqncias da viga e os desvios em relao aos valores numricos.
134
0 0.2 0.4 0.6 0.8
-5
0
5
10
15
1 Posiao Candidata
Tempo (s)
A
m
p
l
i
t
u
d
d
e
(
V
)
0 0.2 0.4 0.6 0.8
-2
0
2
4
6
2 Posiao Candidata
Tempo (s)
A
m
p
l
i
t
u
d
d
e
(
V
)
0 0.2 0.4 0.6 0.8
-2
0
2
4
6
3 Posiao Candidata
Tempo (s)
A
m
p
l
i
t
u
d
d
e
(
V
)
(a) primeira posio (b) segunda posio (c) terceira posio
Figura 7.7 Sinais de entrada para cada posio candidata.
Figura 7.8 Resposta do sistema para a entrada na primeira posio.
Figura 7.9 Resposta do sistema para a entrada na segunda posio.
135
Figura 7.10 Resposta do sistema para a entrada na terceira posio.
Figura 7.11 FRF do sistema para entrada na primeira posio.
136
Figura 7.12 FRF do sistema para entrada na segunda posio.
Figura 7.13 FRF do sistema para entrada na terceira posio.
137
Tabela 7.2 Comparao entre as freqncias do modelo FEM e experimental.
Freqncia Modelo FEM (Hz) Experimental (Hz) Desvio (%)
1 28,51 28,75 0,84
2 178,67 176,25 1,35
3 500,28 495,00 1,05
4 980,39 967,50 1,31
A figura 7.14 mostra o ndice de posicionamento do atuador de pilha obtido a partir
dos dados experimentais. Pode-se verificar que os resultados so similares aos encontrados
com a aplicao numrica (Fig. 7.3a), ou seja, mostra o desempenho do atuador aumentando
medida que este afastado da extremidade engastada. Ainda, as figuras 7.15 e 7.16 mostram
os ndices grammianos de posicionamento, para o primeiro e segundo modos, para o modelo
numrico e na estrutura real, respectivamente. Tambm possvel se verificar a similaridade
entre os resultados numricos e experimentais.
Figura 7.14 ndice grammiano de posicionamento do atuador aplicao experimental.
Figura 7.15 ndice grammiano de posicionamento para o 1 modo.
138
Figura 7.16 ndice grammiano de posicionamento para o 2 modo.
Com estes resultados, nota-se a viabilidade da aplicao da metodologia proposta para
a obteno das posies timas para atuadores em aplicaes reais de engenharia. Ainda,
outros mtodos de identificao podem ser utilizados para se obter a representao da
estrutura no espao de estados e ento os ndices grammianos de posicionamento. Entre os
diversos mtodos de identificao propostos na literatura esto os mtodos de identificao de
parmetros via funes ortogonais (MORAIS et al., 2005); mtodo exponencial complexa
(MAIA et al., 1996); predio de erros (LJUNG, 2002; MESQUITA NETO et al., 2006);
decomposio no domnio da freqncia (MAIA et al., 1996), entre outros.
7.2 POSICIONAMENTO TIMO DE SENSORES/ATUADORES EM PLACAS
FLEXVEIS
Neste exemplo se buscou apresentar o posicionamento timo de atuadores PZT e
sensores (acelermetro) em uma placa de alumnio. Este estudo considerado importante, e
pode ser generalizado, para as mesmas condies de engaste, pois os resultados para placas
com diferentes dimenses geomtricas e diferentes materiais so similares. Para esta
aplicao o modelo dinmico no espao de estados, em coordenadas modais, foi obtido via
FEM considerando 100 elementos estruturais, 121 ns e 363 GL. O desempenho do atuador
foi avaliado para as trinta posies mais prximas ao engaste (Fig. 7.17b) e o desempenho do
sensor foi avaliado na direo perpendicular a placa, para todos os ns estruturais. A figura
7.17a mostra a placa discretizada; e a tabela 7.3 mostra as propriedades fsicas e geomtricas.
139
(a) placa de alumnio discretizada via FEM (b) posies do atuador avaliadas
Figura 7.17 Placa flexvel utilizada na simulao de posicionamento timo.
Tabela 7.3 Propriedades fsicas e geomtricas da placa de alumnio.
Comprimento Largura Espessura
Dimenses (mm)
200 200 3
Densidade (kg.m
-3
) 2710
Mdulo de Elasticidade (GPa) 70
Os atuadores piezeltricos, para aplicaes em placas, quando submetido a um campo
eltrico alternado produzem uma deformao alternada (efeito inverso). Considerando este
elemento colado em uma estrutura, seu esforo pode ser modelado como um momento M
aplicado em suas extremidades, como mostra a figura 7.18. O desempenho dos atuadores PZT
e dos sensores (acelermetros) foram avaliados para cada um dos quatro primeiros modos de
vibrar da placa, mostrados na figura 7.19.
M
M
Figura 7.18 Atuadores PZT colado em uma superfcie gerando momento de flexo.
140
X
Y
Z
X
Y
Z
(a) 1 mode [42,5 Hz] (b) 2 mode [104,1 Hz]
X
Y
Z
X
Y
Z
(c) 3 mode [261,1 Hz] (d) 4 mode [332,5 Hz]
Figura 7.19 Quatro primeiros modos de vibrar da placa de alumnio.
A figura 7.20 mostra o ndice de posicionamento do atuador para o primeiro modo e
para cada uma das trinta posies candidatas mostradas na figura 7.17b. Nota-se que o
desempenho do PZT maior quando este colocado em um dos extremos da placa prximo
ao engaste. As figuras 7.21 a 7.23 mostram os mesmos ndices para o segundo, terceiro e
quarto modos de vibrar, respectivamente.
1
2
3
1
2
3
4
5
6
7
8
9
10
0
0.2
0.4
0.6
0.8
1
Direo y
1 Modo
Direo x
n
d
i
c
e
s
G
r
a
m
m
i
a
n
o
s
Figura 7.20 ndice de posicionamento do atuador primeiro modo.
141
0
0.2
0.4
0.6
0.8
1
2 4 6 8 10
2
4
6
8
10
y
x
Figura 7.21 ndice de posicionamento do atuador segundo modo.
*
*Note que: para as figura 7.21 a 7.23 a cor azul escuro corresponde ao valor zero e a cor marrom ao
maior valor de ndice de posicionamento.
0
0.2
0.4
0.6
0.8
1
2 4 6 8 10
2
4
6
8
10
y
x
Figura 7.22 ndice de posicionamento do atuador terceiro modo.
0
0.2
0.4
0.6
0.8
1
2 4 6 8 10
2
4
6
8
10
y
x
zero
Figura 7.23 ndice de posicionamento do atuador quarto modo.
Assim como descrito nas estratgias de posicionamento, conhecidas as posies
timas do PZT para cada modo de vibrar de interesse, e considerando-o nestas localizaes, o
desempenho de um acelermetro foi avaliado para cada posio candidata, ou seja, para o
142
sensor posicionado em cada n estrutural e na direo perpendicular a placa. Nesta aplicao,
dois atuadores PZT foram considerados nas posies 12 e 19 (Fig. 7.17b)
*
. As figuras 7.24 a
7.27 mostram os ndices de posicionamento do sensor quando colocado em cada n estrutural
na direo z da figura 7.17b.
*
A proximidade com o engaste, geralmente, inviabiliza o posicionamento dos PZTs nas
posies 1 e 10, que seriam as timas nestas condies.
1
2
3
4
5
6
7
8
9
10
1
2
4
6
8
10
11
0
0.2
0.4
0.6
0.8
1
Ns - direo x
1 Modo
Ns - direo y
n
d
i
c
e
s
G
r
a
m
m
i
a
n
o
s
Figura 7.24 ndice grammiano de posicionamento do sensor 1 modo.
1
2
3
4
5
6
7
8
9
10
1
2
4
6
8
10
11
0
0.2
0.4
0.6
0.8
1
Ns - direo x
2 Modo
Ns - direo y
n
d
i
c
e
s
G
r
a
m
m
i
a
n
o
s
Figura 7.25 ndice grammiano de posicionamento do sensor 2 modo.
143
1
2
3
4
5
6
7
8
9
10
1
2
4
6
8
10
11
0
0.2
0.4
0.6
0.8
1
Ns - direo x
3 Modo
Ns - direo y
n
d
i
c
e
s
G
r
a
m
m
i
a
n
o
s
Figura 7.26 ndice grammiano de posicionamento do sensor 3 modo.
1
2
3
4
5
6
7
8
9
10
1
2
4
6
8
10
11
0
0.2
0.4
0.6
0.8
1
Ns - direo x
4 Modo
Ns - direo y
n
d
i
c
e
s
G
r
a
m
m
i
a
n
o
s
Figura 7.27 ndice grammiano de posicionamento do sensor 4 modo.
Avaliadas as posies timas para atuadores e sensores, um controlador robusto foi
projetado para atenuar vibraes na placa de alumnio, mostrada na figura 7.28. Dois pares de
PZTs foram utilizados nas posies indicadas na figura 7.28b (dois PZTs esto na face oposta,
nas mesmas posies). Tambm, um acelermetro foi utilizado como sensor posicionado na
extremidade livre da placa, como mostrado da figura 7.29. As propriedades fsicas e
geomtricas so as mesmas mostradas na tabela 7.3. As propriedades dos PZT so mostradas
na tabela 7.4 e os sinais de sada foram medidos com um acelermetro modelo 352C22 PCB
Piezotronics
. Os sinais foram obtidos atravs da mdia de cinco medies para cada teste de
144
aquisio. Para a aquisio dos sinais foi utilizado o software SignalCalc ACE
II. A figura
7.29 apresenta a configurao do experimento realizado para a aquisio dos sinais.
(a) Atuador PZT (b) placa de alumnio
Figura 7.28 PZT atuador e placa flexvel de alumnio.
PZTs
Gerador de sinais
Placa de Alumnio
Sistema de
Aquisio
Condicionadores
de sinais
ACE II
Posio do
acelermetro
Distrbio
Impulsivo
Figura 7.29 Disposio da configurao experimental.
145
Tabela 7.4 Propriedades fsicas e geomtricas dos atuadores PZTs, baseadas no material
PSI-5A-S4 (Piezo-Systems
, Inc.)
Propriedade Valor
Comprimento 0,2 m
Largura 0,2 m
Espessura 0,00027 m
Mdulo de Elasticidade 60 GPa
Densidade 7650 Kg m
-3
Constante Piezeltrica 190e-12 mV
-1
Elasticidade 1,076e-11 m/N
2
Permissividade do ar 7,33e-9 F/m
A identificao das matrizes do sistema foi realizada utilizando o mtodo de
subespao para trs testes de aquisio dos sinais. Assim, como descrito no captulo 5, foram
consideradas trs matrizes dinmicas para representarem os vrtices do espao convexo, ou
seja, as incertezas nas propriedades modais da placa. As trs matrizes dinmicas (A
1
, A
2
e A
3
)
e as matrizes de entrada de controle (B) e de sada (C), utilizadas no projeto do controlador,
so mostradas a seguir. Logo, o espao convexo pode ser representado pelo sistema
politpico mostrado na figura 7.30. A tabela 7.5 mostra as freqncias naturais e os fatores de
amortecimento obtidos a partir de cada identificao.
(
(
(
(
(
(
(
(
(
(
(
=
0,0034 - 2,0607 - 0 0 0 0 0 0
2,0607 0,0034 - 0 0 0 0 0 0
0 0 0,0036 - 1,5850 - 0 0 0 0
0 0 1,5850 0,0036 - 0 0 0 0
0 0 0 0 0,0055 - 0,6273 - 0 0
0 0 0 0 0,6273 0,0055 - 0 0
0 0 0 0 0 0 0,0099 - 0,2752 -
0 0 0 0 0 0 0,2752 0,0099
10
3
1
A
146
(
(
(
(
(
(
(
(
(
(
(
=
0,0097 - 2,0776 - 0 0 0 0 0 0
2,0776 0,0097 - 0 0 0 0 0 0
0 0 0,0043 - 1,5830 - 0 0 0 0
0 0 1,5830 0,0043 - 0 0 0 0
0 0 0 0 0,0220 - 0,6209 - 0 0
0 0 0 0 0,6209 0,0220 - 0 0
0 0 0 0 0 0 0,0083 - 0,2661 -
0 0 0 0 0 0 0,2661 0,0083 -
10
3
2
A
(
(
(
(
(
(
(
(
(
(
(
=
0,0041 - 2,0928 - 0 0 0 0 0 0
2,0928 0,0041 - 0 0 0 0 0 0
0 0 0,0041 - 1,5778 - 0 0 0 0
0 0 1,5778 0,0041 - 0 0 0 0
0 0 0 0 0,0026 - 0,6262 - 0 0
0 0 0 0 0,6262 0,0026 - 0 0
0 0 0 0 0 0 0,0141 - 0,2678 -
0 0 0 0 0 0 0,2678 0,0141 -
10
3
3
A
[ ]
[ ] 0001 , 0 0001 , 0 0002 , 0 0001 , 0 0007 , 0 0003 , 0 0,0012 - 0,0091 -
1,1555 - 4,0526 - 0,1270 - 2,1838 2,4181 1,2632 - 0,2064 - 0,6606 -
T
=
=
C
B
V1 V2
V3
Condio Nominal
Terceiro Teste
Primeiro Teste Segundo Teste
Figura 7.30 Vrtices do politopo que limita as incertezas nos parmetros modais da placa.
147
Tabela 7.5 Freqncias naturais e fatores de amortecimento de cada identificao.
Freqncia Natural (Hz) Fator de Amortecimento
Modo 1 teste 2 teste 3 teste 1 teste 2 teste 3 teste
1 43,8232 42,3678 42,6750 0,0361 0,0312 0,0525
2 99,8489 98,8888 99,6678 0,0087 0,0355 0,0041
3 252,2666 251,9396 251,1175 0,0023 0,0027 0,0026
4 327,9723 330,6602 333,0857 0,0017 0,0047 0,0020
O controlador LQR via LMI foi projetado considerando as incertezas representadas
nos vrtices do politopo da figura 7.30. As matrizes Q e R foram definidas como 5000I e
0,5I, respectivamente; onde I a matriz identidade. Para o projeto do observador, a partir do
estimador de Kalman, foram consideradas as matrizes V
K
(matriz de covarincia de rudo de
processo) e W
K
(matriz de covarincia de rudo de medida) iguais a 3.10
-7
I e 1.10
-6
I,
respectivamente. Note que na prtica as intensidades dos rudos nos estados (rudos de
processo) e no sensor (rudos de medida) so desconhecidas. Por isto, a escolha das matrizes
V
K
e W
K
feita considerando a aproximao dada pela multiplicao de um escalar
(escolhido pelo projetista) pela matriz identidade. No entanto, o filtro de Kalman ser timo
se estas intensidades coincidirem com as intensidades reais. As figuras 7.31 e 7.32 mostram a
funo de resposta em freqncia (FRF) e os plos, respectivamente, para o sistema com e
sem controle.
148
FRF - LQR LMI + Filtro de Kalman
Freqncia (Hz)
M
a
g
n
i
t
u
d
e
(
d
B
)
0 50 100 150 200 250 300 350 400
-120
-110
-100
-90
-80
-70
-60
sem controle
com controle
Figura 7.31 FRF para o sistema com e sem controle.
Mapa dos Plos do Sistema
Eixo Real
E
i
x
o
I
m
a
g
i
n
r
i
o
-500 -400 -300 -200 -100 0 100 200 300 400
-4000
-3000
-2000
-1000
0
1000
2000
3000
4000
Sem controle
+
Com controle
*
Figura 7.32 Posio dos plos do sistema com e sem controle vrtice 1
*
.
*Os resultados so similares para os vrtices 2 e 3.
A figura 7.33 mostra a FRF obtida a partir de cada teste de identificao. O ganho do
controlador calculado considerando as trs matrizes dinmicas foi G = [-92,0316 -55,3374 -
49,6693 123,2657 136,5534 -1,2564 -133,4559 35,5574]. Note, pela ordem de G, que foi
projetado um controlador SISO, ou seja, os quatro PZTs atuando simultaneamente e
149
aplicando a mesma fora de controle. Isto se deve ao fato de que o desempenho dos
atuadores similar para posies consideradas, como mostram as figuras 7.20 a 7.23. O
ganho K
t
do observador foi K
t
= 10
4
*[-0,4070 -0,0430 0,1781 0,2368 -0,0894 0,1606 0,1699 -
0,0695]
T
. A figura 7.34 mostra a resposta ao impulso do sistema com e sem controle
considerando uma entrada impulsiva na posio mostrada na figura 7.29. As respostas so
mostradas para cada vrtice do politopo.
FRF de cada Vrtice
Freqncia (Hz)
M
a
g
n
i
t
u
d
e
(
d
B
)
0 50 100 150 200 250 300 350 400
-115
-110
-105
-100
-95
-90
-85
-80
-75
-70
-65
1 teste
2 teste
3 teste
Figura 7.33 FRFs obtidas a partir de cada identificao experimental. Cada uma est
representada por um vrtice do politopo.
150
Resposta ao Impulso - Vrtice 1
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
-0.01
0
0.01
Sem controle
Com controle
Vrtice 2
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
-0.01
0
0.01
Sem controle
Com controle
Vrtice 3
Amplitude Modal x Tempo (s)
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
-0.01
0
0.01
Sem controle
Com controle
Figura 7.34 Funo de resposta ao impulso para o sistema com e sem controle vrtices 1,
2 e 3.
As tabelas 7.6 e 7.7 mostram as freqncias naturais e os fatores de amortecimento,
respectivamente, obtidos atravs do modelo FEM e dos modelos identificados a partir de
dados experimentais, para comprovao das simulaes do posicionamento dos atuadores e
sensores. importante notar que para avaliar o desempenho de um atuador ou sensor para
todas as posies candidatas, quando so vrias, a utilizao de um modelo identificado via
dados experimentais dificultada pela necessidade de se realizar diversas aquisies de sinais,
alm de diversos processos de identificao. Tambm, deve-se destacar que o projeto de um
controlador robusto baseado em um modelo identificado incentivado principalmente pela
identificao dos fatores de amortecimento, que geralmente origina considerveis erros
relativos quando comparados com um modelo FEM.
151
Tabela 7.6 Comparao entre as freqncias naturais: FEM versus Modelo Identificado.
Freqncia Natural (Hz)
Modo 1 teste 2 teste 3 teste Modelo FEM Erro Relativo (%)
1 43,8232 42,3678 42,6750 42,58 2,83 0,52 0,21
2 99,8489 98,8888 99,6678 104,64 4,81 5,83 5,00
3 252,2666 251,9396 251,1175 260,70 3,35 3,48 3,82
4 327,9723 330,6602 333,0857 335,17 2,20 1,36 0,63
Erro Relativo = 100*{[(Freq. Teste i)-(Freq. FEM)]/( Freq. Teste i)}; com i = 1, 2 e 3.
Tabela 7.7 Comparao entre os fatores de amortecimento: FEM versus Modelo
Identificado.
Fator de Amortecimento
Modo 1 teste 2 teste 3 teste Modelo FEM Erro Relativo (%)
1 0,0361 0,0312 0,0525 0,0120 66,67 61,54 77,14
2 0,0087 0,0355 0,0041 0,0053 39,08 85,07 29,27
3 0,0023 0,0027 0,0026 0,0033 43,48 22,22 26,92
4 0,0017 0,0047 0,0020 0,0033 94,12 29,79 65,00
Erro Rel. = 100*{[(Fat. Amort. Teste i)-(Fat. Amort. FEM)]/(Fat. Amort. Teste i)}; com i = 1,
2 e 3.
7.3 INFLUNCIA DE DISTRBIOS NO POSICIONAMENTO TIMO
Neste exemplo se buscou avaliar a influncia de distrbios no posicionamento timo
de um PZT como atuador/sensor. A aplicao foi realizada em uma trelia plana modelada via
FEM, mostrada na figura 7.35. A trelia possui 17 barras, 10 ns, 2 GL por n; e suas
propriedades fsicas e geomtricas so mostradas na tabela 7.8. Devido ao engaste uma barra
e 4 GL so restritos, restando 16 barras como candidatas posio do atuador/sensor. O efeito
do acoplamento eletromecnico entre PZT e a estrutura no considerado e para clareza de
compreenso, o atuador do tipo PZT stack (HEVERLY II et al., 2001).
152
L
1 3
2
4
5 7
6 8
9
10
1
2
3
4
5
6
7
8
17 16 15 14 13 12 11 10 9
x
y
L
Figura 7.35 Trelia plana utilizada no posicionamento do atuador PZT.
Tabela 7.8 Propriedades fsicas e geomtricas da trelia.
L 0,3 m
Mdulo de Elasticidade 70 MPa
Densidade 2710 Kg/m
3
rea da seo transversal 2,95.10
-5
m
2
Inicialmente, buscando ilustrar um problema real de engenharia, a posio do distrbio
externo foi considerada desconhecida. Segundo Demetriu (2004), nesta situao, o pior caso
deve ser considerado. No entanto, no referido trabalho o autor no discute como classificar o
distrbio para se descobrir qual a pior situao. Para o presente trabalho foram utilizadas as
normas de sistemas para avaliar cada posio candidata localizao do distrbio. A
avaliao foi feita atravs do clculo da norma para cada possvel posio do distrbio,
considerando um sensor co-localizado. O maior valor da norma corresponde posio que o
distrbio mais significativamente perturba a estrutura ou um modo estrutural. A tabela 7.9
apresenta as dez posies avaliadas para se obter a pior localizao do distrbio. A figura 7.36
mostra claramente que o pior caso de distrbio quando este localizado nas posies 8 ou 9,
que correspondem aos ns 9 (direo positiva de y) e 10 (direo negativa de y),
respectivamente. Na figura 7.36 foram considerados todos os modos de vibrar, no entanto,
para problemas especficos, pode-se classificar o distrbio para cada modo estrutural.
153
Tabela 7.9 Posies candidatas ao pior caso de distrbio.
Posio Candidata N / Direo Posio Candidata N / Direo
1 3 / y 6 8 / -y
2 4 / -y 7 9 / -x
3 5 / y 8 9 / y
4 6 / -y 9 10 / -x
5 7 / y 10 10 / -y
1 2 3 4 5 6 7 8 9 10
0
0.2
0.4
0.6
0.8
1
N
o
r
m
a
H
2
Posio do Distrbio
Avaliando o Distrbio
1 2 3 4 5 6 7 8 9 10
0
0.2
0.4
0.6
0.8
1
N
o
r
m
a
H
-
i
n
f
i
n
i
t
o
Posio do Distrbio
Avaliando o Distrbio
1 2 3 4 5 6 7 8 9 10
0
0.2
0.4
0.6
0.8
1
N
o
r
m
a
H
a
n
k
e
l
Posio do Distrbio
Avaliando o distrbio
(a) Norma H
2
(b) Norma H
entre o distrbio e a sada controlada multiplicada pela norma H
n
d
i
c
e
d
e
P
o
s
i
c
i
o
n
a
m
e
n
t
o
Figura 7.51 ndice de posicionamento do atuador de pilha de PZT na trelia espacial.
Considerando um atuador na posio tima (barra 5) foi calculado o ndice de
posicionamento dos sensores para cada uma das 36 posies candidatas, como mostra a figura
7.52. Verifica-se que as quatro melhores posies para o sensor so na direo x dos ns 14,
13, 15 e 16, respectivamente. As figuras 7.53 a 7.56 mostram o ndice de posicionamento do
sensor nos ns 13, 14, 15 e 16 para cada um dos dez primeiros modos de vibrar nas direes
x, y e z. Caso se queira monitorar um modo especfico possvel verificar qual a posio mais
efetiva para o determinado modo.
168
1 5 10 15 20 25 30 36
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Distrbio no n 13 direo x - Norma H-infinito
Posio do Sensor
n
d
i
c
e
d
e
P
o
s
i
c
i
o
n
a
m
e
n
t
o
Figura 7.52 ndice de posicionamento do sensor na trelia espacial.
1 2 3 4 5 6 7 8 910
0
0.5
1
1.6
Direo x
Modo de Vibrar
N
1
3
1 2 3 4 5 6 7 8 910
0
0.3
0.6
0.9
Direo y
Modo de Vibrar
1 2 3 4 5 6 7 8 910
0
0.1
0.2
0.3
Direo z
Modo de Vibrar
Figura 7.53 ndice de posicionamento do sensor no n 13.
169
1 2 3 4 5 6 7 8 910
0
0.5
1
1.6
Direo x
Modo de Vibrar
N
1
4
1 2 3 4 5 6 7 8 910
0
0.2
0.4
0.7
Direo y
Modo de Vibrar
1 2 3 4 5 6 7 8 910
0
0.07
0.14
0.2
Direo z
Modo de Vibrar
Figura 7.54 ndice de posicionamento do sensor no n 14.
1 2 3 4 5 6 7 8 910
0
0.5
1
1.5
Direo x
Modo de Vibrar
N
1
5
1 2 3 4 5 6 7 8 910
0
0.2
0.4
0.7
Direo y
Modo de Vibrar
1 2 3 4 5 6 7 8 910
0
0.08
0.16
0.25
Direo z
Modo de Vibrar
Figura 7.55 ndice de posicionamento do sensor no n 15.
1 2 3 4 5 6 7 8 910
0
0.5
1
1.5
Direo x
Modo de Vibrar
N
1
6
1 2 3 4 5 6 7 8 910
0
0.3
0.6
0.9
Direo y
Modo de Vibrar
1 2 3 4 5 6 7 8 910
0
0.1
0.2
0.3
Direo z
Modo de Vibrar
Figura 7.56 ndice de posicionamento do sensor no n 15.
Como discutido no captulo 3, para o posicionamento de um considervel nmero de
sensores no satisfatrio apenas utilizar o ndice de desempenho individual. Dois sensores
com elevados ndices de posicionamento (ou seja, duas posies de alto desempenho para os
170
sensores) podem ser substitudos por apenas um deles utilizando um adequado ajuste de
ganho. Neste caso se diz que tais sensores so altamente correlacionados. A figura 7.57
mostra o ndice de relacionamento dos sensores e, verifica-se que as posies 8, 11, 16, 17,
20, 29, 31, 32, 34 e 35 so rejeitadas como candidatas por estarem altamente correlacionadas
com as demais. O escalar positivo foi escolhido sendo = 0,01 (Eq. 3.55). A tabela 7.13
mostra quais so estas posies na trelia para clareza de interpretao. A figura 7.58 mostra o
ndice de posicionamento do sensor nas posies aceitas, atribuindo valor zero as posies
rejeitadas.
1 5 10 15 20 25 30 36
0
0.2
0.4
0.6
0.8
1
Verificao dos Sensores Altamente Correlacionados
Posio do Sensor
n
d
i
c
e
d
e
R
e
l
a
c
i
o
n
a
m
e
n
t
o
Figura 7.57 ndice de relacionamento dos sensores.
Tabela 7.13 Posies dos sensores altamente correlacionados.
Posio do sensor N e direo na trelia
8 7 y
11 8 y
16 10 x
17 10 y
20 11 y
29 14 y
31 15 x
32 15 y
34 16 x
35 16 y
171
1 5 10 15 20 25 30 36
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Atribuindo Valor Zero para Posies Rejeitadas
Posio do Sensor
n
d
i
c
e
d
e
P
o
s
i
c
i
o
n
a
m
e
n
t
o
Figura 7.58 ndice de posicionamento dos sensores eliminando as posies altamente
correlacionadas.
Conhecidos os ndices de posicionamentos dos atuadores e sensores e excludas as
posies ditas altamente correlacionadas, possvel se verificar que so necessrios dois
atuadores e dois sensores para que os quatros primeiros modos de vibrar sejam controlveis e
observveis, respectivamente. Logo, para o projeto do controlador robusto foram
considerados dois atuadores PZTs, nas barras 5 e 7, e dois sensores, nos ns 13 e 14 ambos na
direo x. Observe que a posio no n 14 e direo x corresponde localizao do sensor de
sada de desempenho (sada z(t)), ento este sensor tambm ser utilizado para informar a
sada de realimentao (sada y(t)). A figura 7.59 mostra a trelia com os dois PZTs, os
sensores e o distrbio para auxiliar a compreenso do projeto de controle.
172
Figura 7.59 Trelia espacial com dois atuadores de pilha de PZT (barras em vermelho),
distrbio (em azul) e sensores (ns em vermelho).
Como j mencionado no enunciado desta seo, importante considerar o efeito dos
membros ativos nas propriedades estruturais. Isto pode ser feito considerando o efeito do
acoplamento eletromecnico em atuadores/sensores e a estrutura base (CARVALHAL, 2005);
ou ainda, projetando um controlador que considere variaes paramtricas. Nesta aplicao se
considera que a incluso dos atuadores de pilha origina variao na rigidez destes membros
ativos. Para dois destes membros (pois so usados dois atuadores) so duas incertezas
paramtricas, que podem ser representadas por quatro vrtices em um sistema politpico, (2
p
,
onde p o nmero de incertezas paramtricas). A representao destas incertezas mostrada
na figura 7.60, onde os vrtices do politopo so dados pela combinao entre os valores
mximos e mnimos das incertezas. Assim, suposto que o sistema pode assumir qualquer
combinao limitada por estes vrtices que representam os extremos.
173
V1 V2
V3 V4
min
elemento
K
Condio Nominal
max
elemento
K
max
elemento
K
min
elemento
K
Figura 7.60 Vrtices do politopo para duas incertezas paramtricas.
Com os atuadores e sensores nas posies mostradas na Figura 7.59 os quatro
primeiros modos de vibrar da trelia so controlveis e observveis, respectivamente. O
controlador LQR foi projetado para atenuar vibraes originadas pelo distrbio externo. Foi
considerado que a incluso dos atuadores de pilha gera uma variao de 5% na rigidez nos
elementos estruturais em que foram colocados. A figura 7.61 mostra a funo de resposta em
freqncia (FRF) para os quatro primeiros modos do sistema sem controle, com controle via
LQR e com controle LQR-LMI. A tabela 7.14 mostra a atenuao em dB para cada um dos
quatro primeiros modos para os controladores LQR-tradicional e LQR-LMI.
174
Primeiros Quatro Modos
Freqncia (Hz)
M
a
g
n
i
t
u
d
e
(
d
B
)
20 40 60 80 100 120 140 160 180
-160
-140
-120
-100
-80
-60
-40
Sem controle
Controle-LQR tradicional
Controle-LQR-LMI
Figura 7.61 FRF do modelo reduzido com +5% de variao na rigidez dos elementos 5 e 7
(posies timas para o atuador de pilha).
Tabela 7.14 Atenuao em dB na amplitude de vibrao para os quatro primeiros modos.
Modo LQR Tradicional
(Matriz de ganho calculada para o sistema na condio nominal)
LQR LMI
(controle robusto)
Primeiro 10,5 dB 15,3 dB
Segundo 10,5 dB 12,5 dB
Terceiro 3,9 dB 5,4 dB
Quarto 13,2 dB 17,9 dB
No projeto de um controlador considerando um modelo reduzido importante avaliar
o efeito sobre os modos residuais, pois eventualmente, algum modo pode ser
indesejavelmente amplificado, originando o efeito de spillover de controle. Portanto, a figura
7.62 mostra a FRF dos modos residuais para o sistema com e sem controle. possvel
verificar que o sinal de vibrao atenuado tambm nos modos residuais devido ao do
controlador. As figuras 7.63 e 7.64 mostram a fora modal em cada um dos atuadores PZT e,
para detalhar a compreenso, a tabela 7.15 mostra alguns parmetros destes sinais.
175
100 200 300 400 500 600 700 800 900 1000
-220
-200
-180
-160
-140
-120
-100
-80
-60
M
a
g
n
i
t
u
d
e
(
d
B
)
FRF - Modos residuais
Freqncia (Hz)
Sem controle
Controle-LQR tradicional
Controle-LQR LMI
Figura 7.62 FRF dos modos residuais para o sistema com e sem controle.
0 2 4 6 8 10 12 14 16 18 20
-1
-0.5
0
0.5
1
Fora Modal
Tempo (s)
A
t
u
a
d
o
r
1
LQR - LMI
LQR - Tradicional
Figura 7.63 Fora modal no atuador 1 (elemento 5).
0 2 4 6 8 10 12 14 16 18 20
-1
-0.5
0
0.5
1
Tempo (s)
A
t
u
a
d
o
r
2
LQR - LMI
LQR - Tradicional
Figura 7.64 Fora modal no atuador 2 (elemento 7).
176
Tabela 7.15 Parmetros estatsticos dos sinais de fora modal nos atuadores.
Fora Modal LQR Tradicional LQR LMI
PZT 1 PZT 2 PZT 1 PZT 2
Norma-2* 4,1 3,1 5,2 6,5
Valor Mdio 6x10
-5
4x10
-5
9x10
-5
9x10
-5
Valor Mximo 0,59 0,38 0,86 0,88
Desvio Padro 0,06 0,04 0,07 0,09
* A norma-2 de um vetor v = {v
1
v
2
... v
n
} : ||v||
2
= (v
1
2
+ v
2
2
+ ... + v
n
2
)
1/2
.
A figura 7.65 mostra o deslocamento modal dos ns 13 e 14 na direo x. Nesta
figura, pode-se notar, qualitativamente, que para o sistema controlado utilizando o ganho
robusto obtido via LMIs ocorre uma atenuao um pouco mais efetiva das vibraes em
relao ao controlador LQR tradicional. Para uma avaliao quantitativa a tabela 7.16 mostra
alguns parmetros estatsticos destes sinais.
Tempo (s)
A
m
p
l
i
t
u
d
e
M
o
d
a
l
-6
-4
-2
0
2
4
6
x 10
-4
Resposta ao Impulso
S
e
n
s
o
r
1
Sem controle
Controle-LQR tradicional
Controle-LQR LMI
0 10 20 30 40 50 60 70 80
-6
-4
-2
0
2
4
6
x 10
-4
S
e
n
s
o
r
2
Figura 7.65 Deslocamento modal obtido para o sistema com e sem controle.
177
Tabela 7.16 Parmetros estatsticos dos sinais de deslocamento modal.
Deslocamento Modal LQR Tradicional LQR LMI
Sensor 1 Sensor 2 Sensor 1 Sensor 2
Norm-2 0,0052 0,0053 0,0050 0,0052
Valor Mdio -1,91x10
-8
-5,79x10
-8
2,05x10
-10
-6,89x10
-8
Valor Mximo 5,0x10
-4
5,3x10
-4
5,2x10
-4
5,3x10
-4
Desvio Padro 7,3x10
-5
7,5x10
-5
7,1x10
-5
7,4x10
-5
A figura 7.66 mostra a FRF do sistema com e sem controle quando considerado em
um vrtice do politopo, ou seja, em um extremo da variao. Para clareza de entendimento a
tabela 7.17 mostra o desempenho do controlador LQR tradicional e robusto considerando o
sistema em cada vrtice do politopo. Nota-se que utilizando o ganho robusto possvel se
conseguir uma maior atenuao para o sistema incerto.
20 40 60 80 100 120 140 160 180 200
-200
-180
-160
-140
-120
-100
-80
-60
-40
M
a
g
n
i
t
u
d
e
(
d
B
)
Vrtice 1
Freqncia (Hz)
Sem controle
Controle - tradicional
Controle - Robusto
(a) FRF dos quatro primeiros modos considerando o sistema no vrtice 1.
178
30 35 40 45 50 55 60
-180
-170
-160
-150
-140
-130
-120
-110
-100
M
a
g
n
i
t
u
d
e
(
d
B
)
Vrtice 1 - Primeiro modo
Freqncia (Hz)
Sem controle
Controle - tradicional
Controle - robusto
(b) Zoom no primeiro modo.
Figura 7.66 FRF do sistema considerando os controladores tradicional e robusto para o
sistema no vrtice 1.
Tabela 7.17 Atenuao em dB considerando o sistema em cada vrtice do politopo.
Vrtice 1 Vrtice 2 Vrtice 3 Vrtice 4
Modo Tradicional Robusto Tradicional Robusto Tradicional Robusto Tradicional Robusto
1 10,48 15,34 10,48 15,33 10,49 15,33 10,48 15,33
2 10,40 12,46 10,40 12,45 10,40 12,46 10,40 12,45
3 3,89 5,38 3,89 5,34 3,89 5,33 3,89 5,33
4 13,19 17,93 13,17 17,92 13,16 17,90 13,14 17,88
7.5 PROJETO EXPERIMENTAL DE CONTROLE DE VIBRAES EM UMA
TRELIA 3D
Neste exemplo se buscou apresentar o projeto experimental do controlador LQR via
LMI para atenuar um sinal de vibrao nos dois primeiros modos de uma estrutura do tipo
trelia 3D. A trelia, mostrada na figura 7.67, foi construda utilizando barras de ao e os
ns estruturais foram confeccionados em lato. Cada barra foi conectada no n por meio de
179
rosca M5. As propriedades fsicas e geomtricas da estrutura so mostradas na tabela 7.18. Na
trelia foram acoplados dois atuadores PZT de pilha (PZT stack) da CEDRAT cujas
propriedades so mostradas na tabela 7.19. Um PZT (PZT 1) foi utilizado para aplicar o
distrbio na estrutura e o outro (PZT 2) foi utilizado como atuador. Alm dos dois PZTs foi
utilizado um acelermetro modelo 352C22 PCB Piezotronics
. Alguns autores
consideram incertezas em um determinado parmetro modal da estrutura, como mostra Silva
et al. 2006, que considera incerteza no valor das duas primeiras freqncias naturais de uma
placa flexvel. No entanto, definir este parmetro no uma tarefa trivial, logo, buscando
considerar estas incertezas, neste trabalho foram consideras duas estratgicas bsicas:
1 para modelos identificados a partir de dados experimentais, um nmero de testes
de aquisio de sinais maior que 1 foi utilizado. Assim, j que para cada teste de aquisio
possvel se obter um conjunto de matrizes que representam o sistema (matrizes da realizao
no espao de estados), as matrizes dinmicas de todos os testes foram consideradas
simultaneamente no clculo do ganho do controlador. Com isto, uma vez que a partir de cada
identificao se obtm parmetros modais com pequenas diferenas, possvel projetar um
controlador robusto.
2 a segunda estratgia, apresentada na quarta aplicao, considerou que a incluso
dos atuadores de pilha (PZTs stacks) alteram a rigidez da barra em que so colocadas. Assim,
tambm foi possvel projetar um controlador com robustez a incertezas.
Devido necessidade de se conhecer o vetor de estados completo para realimentar o
sistema, um observador de estados (utilizado como estimar de estados) foi projetado. Em
particular, neste trabalho foi utilizado o estimador baseado no filtro de Kalman, que um
excelente observador na presena de rudos brancos, atua como filtro passa-baixa e tem
margens de estabilidade garantidas. O conceito fundamental para o projeto de um controlador
juntamente com um observador de estados o Princpio da Separao. Este princpio
evidencia que os autovalores do sistema de controle por realimentao, baseado em um
observador de estados so os autovalores do sistema de controle por realimentao total dos
estados (o sistema dado por A
c
= A BG) e os autovalores do observador. Isto permite que o
ganho do controlador e o ganho do observador possam ser computados independentemente.
Este princpio aplicvel para qualquer que seja o observador utilizado, pois a equao
caracterstica de duas funes de transferncia em srie (a da dinmica de um observador
qualquer e a dinmica de um sistema de controle sem o observador) equivalente ao produto
das duas equaes caractersticas. Na literatura possvel encontrar algumas verses do
observador baseado no filtro de Kalman, como o filtro de Kalman de ordem reduzida, cujas
propriedades so limitadas e equivalente ao filtro de Kalman de ordem plena para os casos
onde o rudo no sensor igual zero. Outra variao o filtro de Kalman proporcional-
195
integral o qual tem exatamente a mesma estrutura que o observador de Luenberguer
proporcional-integral, com a diferena de que o ganho do observador calculado usando uma
equao algbrica. Assim, tem-se um observador com capacidade de rejeio de rudos e
distrbios. Outra variao conhecida o chamado filtro de Kalman Extendido, que uma
extenso do filtro de Kalman para sistemas no lineares (SOUZA et al., S.d.).
Neste trabalho, para a identificao das matrizes do sistema a partir de dados
experimentais foi utilizado o mtodo de subespaos. Como j mencionado anteriormente, para
a execuo deste mtodo apenas necessrio informar a ordem desejada para o modelo. Para
a identificao do modelo preciso estimar a funo de resposta em freqncia (FRF) a partir
dos sinais de entrada e sada, obtidos experimentalmente (isto pode ser feito utilizando o
comando tfestimate do software Matlab
.
Com a aplicao de controle experimental na trelia espacial (3D) foi possvel validar
a metodologia de projeto de controle utilizada neste trabalho. Para esta aplicao no foi
resolvido o problema de posicionamento timo dos atuadores e sensores, no entanto, esta
etapa pode ser realizada em trabalhos futuros. Para o clculo do ganho do controlador foram
consideradas as matrizes estruturais resultantes de seis testes de identificao (trs testes
excitando a estrutura com o PZT1 e trs com o PZT2). Com esta considerao foi possvel
representar as incertezas nos parmetros modais da trelia (nas freqncias naturais e fatores
de amortecimento). importante ressaltar que, para o projeto experimental de um
controlador, uma das etapas mais importantes a obteno do modelo matemtico que
represente adequadamente a dinmica estrutural. Resolvido este problema, deve-se projetar
196
um estimador para os casos de controle por realimentao de estados. A etapa de clculo do
ganho do controlador relativamente mais fcil, quando comparado com as duas citadas
anteriomente. Ainda, em aplicaes experimentais necessrio ajustar a amplificao do sinal
enviado ao PZT de controle. Neste trabalho este ajuste foi realizado utilizando o
potencimetro de um amplificador de tenso eltrica.
8.2 SUGESTES PARA TRABALHOS FUTUROS
Como propostas para trabalhos futuros possvel citar:
Investigar a formulao de um ndice de desempenho quadrtico, como o LQR,
baseado apenas na sada y(t) para no ser necessrio projetar um observador de
estados;
Envolver na formulao do clculo do ganho dos controladores as matrizes de
entrada e de sada obtidas de cada teste de identificao, ou seja, incertezas de
posio dos atuadores e dos sensores, respectivamente. Isto interessante para
a posio de distrbios desconhecidos, pois o projetista pode considerar a
matriz B
w
nas piores posies e assim, projetar um controlador robusto
posio do distrbio.
Estudar metodologias de controle baseadas em uma formulao discreta, pois
se espera que a implementao em tempo real dos controladores tenha
melhores resultados ao se utilizar modelos discretos, principalmente quando o
modelo dinmico identificado a partir de dados experimentais (os mtodos de
identificao como ERA, PEM, subespao, entre outros, so baseados na
realizao do espao de estados discreta).
Testar a viabilidade da utilizao das normas L
2
e
L
da resposta ao impulso
para formular um ndice de desempenho de posicionamento de atuadores e
sensores.
Estudar mtodos de identificao e tcnicas de controle para sistemas no
lineares.
197
REFERNCIAS BIBLIOGRFICAS
ABDALLA, M.O.; ZIMMERMAN, D.C.; GRIGORIADIS, K.M. Structural Damage Detection
using Strain Data via Linear Matrix Inequaly Based Methods. AMERICAN CONTROL
CONFERENCE, San Diego, Califrnia, p. 1114-1118, 1999.
ABDALLA, M.O.; ZIMMERMAN, D.C.; GRIGORIADIS, K.M. Reduce Optimal Parameter
Update in Structural Systems Using LMIs. AMERICAN CONTROL CONFERENCE, Chicago,
Illinois, p. 991-995, 2000.
ABREU, G.L.C.M.; RIBEIRO, J.F.; STEFFEN JR., V. Finite Element Modeling of a Plate
with Localized Piezoelectric Sensors and Actuators. JOURNAL OF THE BRAZILIAN SOCIETY OF
MECHANICAL SCIENCES AND ENGINEERING, Vol. XXVI, n 2, p. 117-128, 2004.
AIRY, G.B. On the regulator of the clock-work for effecting uniform movement of
equatorials. MEMOIRS OF THE ROYAL ASTRONOMICAL SOCIETY, vol.11, 1840, p. 249-267,
1840.
AKHRAS, G. Smart Materials and Smart Systems for the Future, CANADIAN MILITARY
JOURNAL, Vol.1 N 3, p. 24-31, 2000.
ALLIK, H.; HUGHES, T.J.R. Finite Element Method for Piezoelectric Vibration. JOURNAL
FOR NUMERICAL METHODS IN ENG., vol. 2, p. 151-157, 1970.
ANDERSON, B.D.O.; MOORE, J.B. OPTIMAL FILTERING. Prentice-Hall, 357 p., 1979.
ANDREI, N. ADVANCED MATHEMATICAL PROGRAMMING. THEORY, COMPUTATIONAL
METHODS, APPLICATIONS. Technical Press, Bucharest, 1999.
ANDREI, N. SEMIDEFINITE PROGRAMMING. MatrixRom, Bucharest, 2001.
ANDREI, N. CONVERGENCE OF OPTIMIZATION ALGORITHMS. Technical Press, Bucharest,
2004.
ANTHONY, D.K. ROBUST OPTIMAL DESIGN USING PASSIVE AND ACTIVE METHODS OF
VIBRATION CONTROL. Ph. D. Thesis, Faculty of Engineering And Applied Science, Institute
of Sound And Vibration Research, University of Southampton, 2000.
198
ARULAMPALAM, M.; MAKKELLl, S.; GORDON, N.; CLAPP, T. A Tutorial on Particle
Filters of Online Nonlinear/Non-Gaussian Bayesian Tracking. IEEE TRANSACTIONS ON
SIGNAL PROCESSING, 50 (2), p. 174-188, 2002.
ASSUNO, E. REDUO H
2
E H
=
5325 , 0 2553 , 101
2553 , 101 5325 , 0
1
A
(
=
5216 , 6
0660 , 0
2
B
[ ] 0358 , 0 2631 , 0
1
= C
[ ] 5514 , 2 5426 , 1 = G
[ ]
T
t
8124 , 65 9982 , 463 = = K L
G K
1
=
A seguir so apresentadas algumas fotos dos equipamentos utilizados. A figura A2.2
mostra a placa de controle DSPACE 1103, a figura A2.3 mostra o condicionador de sinal
utilizado para integrar o sinal de acelermetro uma vez e, ento, permitir que fosse feita a
aquisio do sinal de velocidade. As figuras A2.4 e A2.5 mostram o sistema de aquisio de
sinais e os demais equipamentos utilizados. Tambm, as figuras A2.6 e A2.7 mostram o PZT
de pilha e o acelermetro, respectivamente. Ainda, a figura A2.8 mostra a configurao de
controle adotada para a realizao do experimento com a trelia 3D.
Figura A2.2 Placa de controle da DSPACE 1103.
228
Figura A2.3 Condicionador de sinais da PCB Piezotronics
.
A2.4 Sistema de aquisio utilizado na aplicao de controle.
229
Figura A2.5 Gerador de sinais de distrbio e amplificador do sinal de controle.
A2.6 Atuador PZT de pilha CEDRAT APA 60M.
230
A2.7 Acelermetro PCB Piezotronics
modelo 352C22.
A2.8 Configurao do experimento de controle experimental na trelia 3D.
Trelia 3D
Gerador do
Distrbio
Placa de Controle
DSPACE1103
Amplificador
MIDE
PZT1
Acelermetro
Amplificador
Veb Metra Mess
LV 103
Ganho de Controle
PZT2
(1)
(2)
(3)
(4)
(5)
(6)