ControleNaoLinearLisboa PDF

CONTROLO NO LINEAR
Edio Digital
Revisto
com base nas edies de Julho/2003 e Novembro/2005
Gustavo Vitorino Monteiro da Silva

Engenheiro Electrotcnico
Mestre em Eng Electrotcnica e de Computadores
Julho de 2006
ao meu neto Diogo e ao seu futuro irmozinho
ii
PREFCIO DA PRIMEIRA EDIO
A obra do autor surge na sequncia de um esforo continuado no sentido de enriquecer

o j vasto nmero de publicaes que tem vindo a apresentar nas reas de
Instrumentao e Medida e de Controlo e Processos, onde desenvolve a sua actividade
como docente do Departamento de Sistemas e Informtica da Escola Superior de
Tecnologia de Setbal do Instituto Politcnico de Setbal.
Das obras j desenvolvidas so de realar, para alm das publicaes de carcter
pedaggico efectuadas no mbito das disciplinas que tem vindo a leccionar, os livros de
Instrumentao Industrial e Processamento Digital de Sinais que teve oportunidade de
publicar em Junho de 1999 e Outubro de 2000, respectivamente.
Considero que o factor fundamental de motivao subjacente s publicaes referidas e
particularmente nova publicao, agora apresentada, sobre Controlo No Linear tem
por base uma excepcional dedicao que o docente tem manifestado no apoio aos
alunos e outros interessados nas matrias que tem leccionado.
Como nota de realce, nas publicaes apresentadas, saliento ainda a capacidade que o
autor tem demonstrado em aliar sua experincia profissional o rigor tcnico-cientfico
na apresentao de temas cuja abordagem nem sempre fcil. Para isso contribuem, de
forma bastante positiva, os casos de aplicao prtica que so sugeridos no decurso da
apresentao dos contedos tericos e das matrias apresentadas, bem como o nmero
significativo dos problemas resolvidos e propostos em cada captulo.
Por todos estes considerandos e em especial pelo esforo evidenciado no sentido de
apoiar os alunos da EST Setbal, em particular os do Curso de Automao, Controlo e
Instrumentao, felicito o autor manifestando o meu reconhecimento e agradecimento
pelo trabalho desenvolvido.
Setbal, 26 de Julho de 2003
Dias Pereira
iii
INTRODUO
Este livro foi desenvolvido a partir das lies por mim dadas na disciplina de Controlo
No Linear, da licenciatura em Engenharia de Automao Controlo e Instrumentao da
Escola Superior de Tecnologia de Setbal / IPS, nos anos lectivos de 1998/99 a
2005/06. Nessa cadeira, inserida no 2 semestre do 4 ano, procura-se:
mostrar que muitos dos sistemas de interesse prtico, em reas muito diversas,
devem ser modelados e tratados como sistemas no lineares.
chamar a ateno para algumas das caractersticas prprias dos sistemas no
lineares.
compreender a teoria de Lyapunov em alguns casos simples.
conhecer as tcnicas de controlo no linear mais usuais.
Os alunos ao iniciarem o estudo desta disciplina devero ter conhecimentos gerais de
anlise matemtica que incluam funes trigonomtricas e nmeros complexos, clculo
diferencial e integral, varivel complexa, sries de Fourier e transformada de Laplace,
bem como conhecimentos de lgebra linear e geometria analtica. Devero tambm ser
conhecedores de funes reais de varivel inteira, somatrios, sries numricas e de
potncias. Os alunos devero tambm ter conhecimentos gerais da Teoria dos Sinais e
Sistemas, bem como os conceitos bsicos do Controlo Linear de diagramas de Bode e
de Nyquist, de funo de transferncia e estabilidade.
Como numa cadeira semestral no possvel abordar com um mnimo de profundidade
as matrias referentes a sistemas e controlo no linear, optou-se apresentar os temas
mais correntes, algumas vezes sem a preocupao de demonstrar alguns dos teoremas,
mas tendo sempre a preocupao de fazer com que os alunos compreendessem o seu
significado.
Escreveu-se este texto sob a forma de livro, em edio electrnica. Deste modo os
alunos, e outros interessados, alm de disporem de um livro de apoio, podem adquirir os
conceitos bsicos sem necessidade imediata de recorrer a bibliografia estrangeira. Esta
no entanto fundamental, quando j se fez uma abordagem aos assuntos na lngua
materna, para uma melhor compreenso e maior aprofundamento das matrias expostas;
cada autor tem o seu modo prprio de explicar e de abordar os diversos assuntos.
Espero que este livro, continue a auxiliar todos aqueles que se iniciam nestas matrias e
por esse motivo necessitem de um texto em Lngua Portuguesa.
Quero agradecer a todos aqueles que de uma forma ou de outra contriburam para que
este livro tomasse forma.
Lisboa, Julho de 2006
iv
CONTEDO
pg.
1. SISTEMAS NO LINEARES..............................................................................................1
1.1. INTRODUO .....................................................................................................................1
1.2. CLASSIFICAO DOS SISTEMAS .........................................................................................2
1.2.1. Sistemas estticos e dinmicos...............................................................................3
1.2.2. Sistemas relaxados e no relaxados.......................................................................4
1.2.3. Sistemas de parmetros distribudos e de parmetros concentrados ....................4
1.2.4. Sistemas causais e no causais ..............................................................................4
1.2.5. Sistemas variantes no tempo e invariantes no tempo .............................................4
1.2.6. Sistemas contnuos e discretos ...............................................................................4
1.2.7. Sistemas determinsticos e estocsticos..................................................................5
1.2.8. Sistemas estveis e instveis...................................................................................5
1.2.9. Sistemas lineares e no lineares.............................................................................5
1.3. COMPORTAMENTO DOS SISTEMAS NO LINEARES ..............................................................5
1.3.1. Dependncia de amplitude da excitao ................................................................6
1.3.2. Tempo de escape finito ...........................................................................................7
1.3.3. Pontos de equilbrio mltiplos................................................................................9
1.3.4. No unicidade da soluo ....................................................................................10
1.3.5. Dependncia crtica dos parmetros....................................................................10
1.3.6. Bifurcaes...........................................................................................................11
1.3.7. Caos ou dependncia crtica das condies iniciais ............................................12
1.3.8. Ciclos limite ou oscilaes ...................................................................................12
1.3.9. Existncia de harmnicas e sub-harmnicas .......................................................13
1.4. ESCRITA DAS EQUAES ..................................................................................................13
1.4.1. Sistemas mecnicos clssicos...............................................................................14
1.4.2. Teorema do momento linear.................................................................................14
1.4.3. Teorema do momento angular .............................................................................14
1.4.4. Movimento linear .................................................................................................15
1.4.5. Movimento de rotao..........................................................................................16
1.4.6. Sistemas elctricos................................................................................................16
1.4.7. Sistemas Trmicos ................................................................................................18
1.4.8. Sistemas qumicos.................................................................................................21
1.5. MODELO DE ESTADO ........................................................................................................22
1.5.1. Modelo de estado, sistema contnuo.....................................................................22
1.5.2. Modelo de estado discreto....................................................................................25
1.5.3. Obteno da trajectria .......................................................................................26
1.5.4. Pontos de equilbrio. ............................................................................................28
1.5.5. Trajectrias e estabilidade ...................................................................................28
1.6. ALGUMAS NO LINEARIDADES CORRENTES .....................................................................29
1.6.1. Saturao .............................................................................................................29
1.6.2. Zona Morta...........................................................................................................30
1.6.3. Histerese...............................................................................................................31
1.6.4. Folga ....................................................................................................................33
1.6.5. Atrito Esttico.......................................................................................................35
1.6.6. Caracterstica liga/desliga ou on/off ...............................................................35
1.7. PROBLEMAS RESOLVIDOS ................................................................................................37
1.8. PROBLEMAS PROPOSTOS ..................................................................................................41
v
2. SISTEMAS DE 2 ORDEM .............................................................................................43

2.1. INTRODUO ...................................................................................................................43
2.2. ANLISE QUALITATIVA DOS SISTEMAS LINEARES.............................................................44
2.2.1. Valores prprios distintos (12)........................................................................45
2.2.2. Valores prprios iguais (1=2)...........................................................................47
2.3. CICLOS LIMITE .................................................................................................................49
2.3.1. Classificao dos ciclos limite .............................................................................49
2.3.2. Existncia de ciclos limite ....................................................................................50
2.4. OBTENO DA TRAJECTRIA ...........................................................................................52
2.4.1. Mtodos analticos ...............................................................................................52
2.4.2. Mtodos grficos ..................................................................................................56
2.5. PROBLEMAS RESOLVIDOS ................................................................................................59
2.6. PROBLEMAS PROPOSTOS ..................................................................................................62
3. FUNDAMENTOS DA TEORIA DE LYAPUNOV ..........................................................63
3.2. INTRODUO ...................................................................................................................63
3.3. PONTOS DE EQUILBRIO E ESTABILIDADE .........................................................................63
3.3.1. Sistemas autnomos em regime livre ...................................................................63
3.3.2. Pontos de equilbrio de sistemas autnomos........................................................65
3.3.3. Estabilidade de pontos de equilbrio....................................................................66
3.3.4. Estabilidade local e global...................................................................................69
3.4. ESTABILIDADE PELA LINEARIZAO ................................................................................70
3.4.1. Sistema linearizado ..............................................................................................70
3.4.2. Mtodo de Lyapunov da linearizao ..................................................................73
3.5. MTODO DIRECTO DE LYAPUNOV ...................................................................................76
3.5.1. Motivao.............................................................................................................76
3.5.2. Funes positivas definidas..................................................................................77
3.5.3. Funo de Lyapunov ............................................................................................79
3.5.4. Teorema de Lyapunov (estabilidade local) ..........................................................80
3.5.5. Teorema de Lyapunov (estabilidade global) ........................................................81
3.5.6. Teorema de Lyapunov (instabilidade)..................................................................82
3.6. FUNO DE LYAPUNOV DE SISTEMAS LINEARES ..............................................................82
3.6.1. Formas quadrticas e matrizes positivas definidas .............................................82
3.6.2. Funo de Lyapunov para SLIT...........................................................................84
3.7. FUNO DE LYAPUNOV DE SISTEMAS NO LINEARES ......................................................84
3.7.1. Mtodos analticos ...............................................................................................84
3.7.2. Mtodos baseados em conceitos fsicos ...............................................................88
3.8. CONJUNTOS INVARIANTES ...............................................................................................88
3.8.1. Definio ..............................................................................................................88
3.8.2. Teorema local do conjunto invariante .................................................................88
3.8.3. Teorema global do conjunto invariante ...............................................................89
3.9. ESTABILIDADE DE SISTEMAS NO AUTNOMOS ...............................................................91
3.9.1. Pontos de equilbrio .............................................................................................91
3.9.2. Estabilidade de um ponto de equilbrio................................................................91
3.9.3. Mtodo directo de Lyapunov ................................................................................92
3.9.4. Teoremas de Lyapunov para sistemas no autnomos ........................................93
3.9.5. Mtodo directo de Lyapunov para sistemas lineares no autnomos..................94
3.9.6. O mtodo da linearizao para sistemas no autnomos....................................95
3.9.7. Teoremas sobre instabilidade...............................................................................96
3.10. EXISTNCIA DE FUNES DE LYAPUNOV .......................................................................98
3.10.1. Teorema recproco, ponto de equilbrio estvel.................................................98
3.10.2. Teorema recproco, estabilidade assimptotica e uniforme.................................98
3.10.3. Teorema recproco, estabilidade exponencial....................................................98
vi
3.11. ESTABILIDADE ABSOLUTA .............................................................................................99

3.11.1. Sistema linear com realimentao no linear....................................................99
3.11.2. Critrio de Popov .............................................................................................101
3.11.3. Critrio do crculo............................................................................................103
3.12. PROBLEMAS RESOLVIDOS ............................................................................................104
3.13. PROBLEMAS PROPOSTOS ..............................................................................................105
4. MTODO DA FUNO DESCRITIVA ........................................................................109
4.1. FUNO DESCRITIVA .....................................................................................................109
4.2. FUNO DESCRITIVA DE NO LINEARIDADES CORRENTES. ............................................110
4.3. ESTABILIDADE PELO MTODO DA FUNO DESCRITIVA. ................................................111
4.4. PROBLEMAS RESOLVIDOS ..............................................................................................114
4.5. PROBLEMAS PROPOSTOS ................................................................................................116
5. LINEARIZAO EXACTA POR REALIMENTAO ..........................................119
5.1. UMA PRIMEIRA ABORDAGEM .........................................................................................119
5.1.1. Exemplo de linearizao e controlo por realimentao ....................................120
5.1.2. Sistemas na forma companheira ........................................................................122
5.1.3. Linearizao entrada-estado..............................................................................123
5.1.4. Linearizao entrada-sada ...............................................................................125
5.1.5. A dinmica interna .............................................................................................127
5.1.6. Dinmica interna de sistemas lineares...............................................................129
5.1.7. A dinmica zero..................................................................................................131
5.2. O FORMALISMO DA GEOMETRIA DIFERENCIAL ..............................................................133
5.2.1. Conceitos e aplicaes .......................................................................................133
5.2.1.1.
5.2.1.2.
5.2.1.3.
5.2.1.4.
5.2.1.5.
5.2.1.6.
5.2.1.7.
5.2.1.8.
5.2.1.9.
5.2.1.10.
Campo vectorial ........................................................................................................ 133

Campo covectorial .................................................................................................... 133
Produto interno.......................................................................................................... 133
Gradiente................................................................................................................... 133
Jacobiano .................................................................................................................. 134
Derivada de Lie......................................................................................................... 134
Aplicaes da derivada de Lie .................................................................................. 135
Parntesis de Lie ....................................................................................................... 136
Propriedades do parntesis de Lie............................................................................. 137
Difeomorfismos ........................................................................................................ 138
5.2.2. Teorema de Frobenius........................................................................................139

5.3. LINEARIZAO ENTRADA-ESTADO................................................................................141
5.3.1. Definio de linearizao entrada-estado .........................................................141
5.3.2. Condies para efectuar a linearizao entrada-estado ...................................142
5.3.3. Algoritmo para realizar a linearizao entrada-estado.....................................143
5.4. LINEARIZAO ENTRADA-SADA ..................................................................................146
5.4.1. Grau relativo bem definido ................................................................................146
5.4.2. Grau relativo indefinido .....................................................................................147
5.5. PROBLEMAS RESOLVIDOS ..............................................................................................148
5.6. PROBLEMAS PROPOSTOS ................................................................................................158
6. SISTEMAS DIFUSOS E REDES NEURONAIS........................................................159
6.1. INTRODUO. CONTROLO INTELIGENTE ........................................................................159
6.2. CONJUNTOS E LGICA DIFUSA ........................................................................................160
6.2.1. Introduo ..........................................................................................................160
6.2.2. Conjuntos e sistemas difusos ..............................................................................160
6.2.2.1.
6.2.2.2.
Definies ................................................................................................................. 160

Propriedades fundamentais ....................................................................................... 163
6.2.3. Lgica difusa ......................................................................................................164

6.2.3.1.
Variveis ................................................................................................................... 164
vii
6.2.3.2.
6.2.3.3.
Operaes.................................................................................................................. 165
Regras if-then............................................................................................................ 167
6.2.4. Regras de inferncia...........................................................................................168

6.2.5. Projecto de um controlador difuso.....................................................................170
6.2.6. Controlo difuso do satlite no Matlab................................................................174
6.3. REDES NEURONAIS ........................................................................................................177
6.3.1. Conceitos e definies ........................................................................................177
6.3.1.1.
6.3.1.2.
A rede multicamada .................................................................................................. 177

A rede de base radial................................................................................................. 180
6.3.2. A RNA como aproximador universal..................................................................181

6.3.3. Estrutura de uma rede........................................................................................181
6.3.3.1.
6.3.3.2.
6.3.3.3.
Nmero de camadas .................................................................................................. 181

Nmero de unidades.................................................................................................. 181
Funes de activao ................................................................................................ 182
6.3.4. Obteno dos parmetros da rede .....................................................................183

6.3.4.1.
6.3.4.2.
Funcional de custo .................................................................................................... 183

Treino da rede ........................................................................................................... 184
6.3.5. Identificao do Processo. .................................................................................184

6.3.5.1.
6.3.5.2.
Dados de entrada /sada............................................................................................. 184

Estrutura da entrada da rede...................................................................................... 185
6.3.6. Controlo preditivo. .............................................................................................188

7. EXEMPLOS DE SISTEMAS NO LINEARES ........................................................189
7.1. PNDULO SIMPLES .........................................................................................................189
7.2. SISTEMA MASSA-MOLA-AMORTECEDOR .........................................................................192
7.3. OSCILADOR DE RESISTNCIA NEGATIVA.........................................................................196
7.4. MOVIMENTO DE DOIS CORPOS COM FORAS CENTRAIS ..................................................199
7.5. INTERACO ENTRE ESPCIES ANIMAIS .........................................................................201
7.6. REACTOR QUMICO CONTINUAMENTE AGITADO .............................................................202
8. CONSTANTES, FORMULRIOS E TABELAS........................................................205
8.1. CONSTANTES MATEMTICAS .........................................................................................205
8.2. CONSTANTES FUNDAMENTAIS DA FSICA .......................................................................205
8.3. FORMULRIO DE MATEMTICA .....................................................................................206
8.3.1 lgebra elementar ...............................................................................................206
8.3.2 Logaritmos e exponenciais ..................................................................................206
8.3.3 Geometria............................................................................................................206
8.3.4 Limites .................................................................................................................206
8.3.5 Sries ...................................................................................................................207
8.3.6 Trigonometria......................................................................................................207
8.3.7 Derivadas ............................................................................................................207
8.3.8 Integrais indefinidos............................................................................................208
8.4. TRANSFORMADA DE LAPLACE UNILATERAL ..................................................................209
8.4.1 Propriedades da TL.............................................................................................209
8.4.2 Tabelas de TL ......................................................................................................210
8.5. FORMULRIO DE FSICA .................................................................................................211
8.5.1 Mecnica dos slidos ..........................................................................................211
8.5.2 Mecnica dos fluidos...........................................................................................211
8.5.3 Electrotecnia .......................................................................................................211
BIBLIOGRAFIA ...................................................................................................................213
NDICE...................................................................................................................................215
viii
1. SISTEMAS NO LINEARES
1.1. Introduo
O objectivo destes textos efectuar o estudo de sistemas no lineares e o modo de os
controlar. Um sistema designa-se por no linear sempre que na sua constituio intervenha pelo menos um componente ou um sub-sistema no linear. Os sistemas no lineares no satisfazem o princpio da sobreposio, pelo que o seu comportamento depende
da amplitude dos sinais que nele intervm. Sero apenas estudados sistemas no lineares
causais, quer sejam variantes ou invariantes no tempo, contnuos ou discretos.
Os mtodos clssicos utilizados no estudo dos sistemas lineares, em particular a anlise
em frequncia (lugar das razes, diagramas de Bode e Nyquist) no so aplicveis aos
sistemas no lineares. H assim necessidade de recorrer a outros mtodos para proceder
ao estudo destes sistemas, em particular da sua estabilidade, sendo de entre outros de
destacar os mtodos devidos a Lyapunov (1)
Entende-se por controlo no linear o conjunto de procedimentos destinados a fazer com
que as variveis de sada de um sistema no linear se aproximem de uma determinada
referncia e estabilizem numa vizinhana do seu valor. Como acontece no domnio
linear, o controlo no linear utiliza realimentao, quer da sada quer do estado, para
gerar um sinal de controlo que vai actuar sobre o processo. Por vezes a cadeia de realimentao projectada no linear, ou para compensar as no linearidades do sistema que
est a ser controlado, ou para melhorar certos aspectos do controlo.
Quando se pretende controlar sistemas no lineares utilizando os mtodos do controlo
linear, estes de um modo geral apenas permitem um bom desempenho dentro de uma
pequena gama de operao do sistema. Fora dela, o desempenho ser mau ou mesmo
instvel. Nestes casos torna-se necessrio considerar o sistema linearizado em torno de
determinados pontos de funcionamento usando parmetros de controlo especficos para
cada ponto (gain schedule) e ajustar os parmetros automaticamente (controlo adaptativo), ou ento utilizar uma cadeia de realimentao negativa que faa com que o sistema em cadeia fechada se comporte como linear (linearizao por realimentao).
Nem sempre possvel linearizar o sistema em torno de um ponto de funcionamento,
por exemplo quando o sistema contm atritos de Coulomb, folgas, zonas mortas, saturaes, etc., no linearidades muito correntes em processos e sistemas reais. Para este tipo
de no linearidades, chamadas no linearidades duras, necessrio usar determinadas
tcnicas de controlo especficas.
Aleksandr Mikhailovich Lyapunov, Matemtico e Engenheiro Russo, 1857-1918.

Pg. 1
1 - SISTEMAS NO LINEARES
Normalmente, o projecto de sistemas no lineares, obriga a um contacto mais estreito

com a fsica e a qumica associadas aos sistemas que iro ser controlados, de modo a
permitir uma melhor compreenso dos fenmenos que se esto a passar; por vezes realizam-se modificaes nos processos que introduzem melhorias significativas no controlo, tais como a mudana do local fsico dos actuadores, do seu dimensionamento e
inclusivamente poder fazer-se uma nova escolha das variveis manipuladas.
1.2. Classificao dos Sistemas
De uma forma genrica chama-se sistema a um conjunto de elementos organizados de
modo a constiturem um todo cientfico unitrio ou um corpo doutrinal.
Com base nesta definio de carcter bastante genrico, existem sistemas em todas as
reas do conhecimento. Este estudo limitar-se- a sistemas em que seja possvel quantificar as variveis e os parmetros que os definem. Podem assim considerar-se sistemas
econmicos, em que se estuda a relao entre variveis de interesse na economia, sistemas fsicos, em que as variveis sero grandezas de carcter fsico, como por exemplo
presses e caudais, sistemas qumicos, sistemas geolgicos, sistemas matemticos, etc.
Por vezes um sistema pode ser misto, envolvendo ao mesmo tempo variveis de diversas reas, por exemplo econmicas e fsicas.
Ao efectuar-se o estudo do comportamento de um sistema torna-se quase sempre necessrio construir um modelo. Este uma representao do sistema em estudo, por meio de
uma estrutura matemtica. A modelizao de um sistema pode ser mais ou menos elaborada, consoante a finalidade. Poder haver mais do que um modelo, mais ou menos
simplificado, para cada sistema.
Sistema
(mundo real)
Modelo 1
Modelo 2
...
Modelo N
(mundo formal)
Estruturas
matemticas
simplificadas
A obteno do ou dos modelos de um sistema pode ser feita de diversos modos:

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

um rectngulo, no interior do qual se indica a propriedade que o caracteriza, representando os sinais de entrada ou excitao por u (ou por x, nos tratados de ndole apenas
matemtica), e os sinais de sada por y, como se indica na Fig. 1.1.
Perturbaes
d(t)
Entrada
u(t)
[1p]
SISTEMA
Sada
NO LINEAR
y(t)
[1q]
Fig. 1.1 Representao grfica compacta de um sistema

Em relao a um determinado sistema genrico observe-se o seguinte:
As entradas u(t) e as sadas y(t) podem ser escalares ou vectores, podendo
eventualmente no haver entradas,
O valor das sadas depende da estrutura do sistema, caracterizada pelas variveis de estado x(t), das entradas u(t), de perturbaes adicionais d(t), por vezes
desconhecidas, e do prprio tempo t:
y (t ) = T [x (t ), u(t ), d(t ), t ]
(1.1)
costume efectuar a classificao dos sistemas de acordo com os seguintes critrios:
Sistemas estticos e dinmicos,

Sistemas relaxados e no relaxados,
Sistemas de parmetros distribudos e de parmetros concentrados,
Sistemas causais e no causais,
Sistemas variantes no tempo e invariantes no tempo,
Sistemas contnuos e discretos,
Sistemas determinsticos e estocsticos,
Sistemas estveis e instveis,
Sistemas lineares e no lineares,
1.2.1. Sistemas estticos e dinmicos
Um sistema designa-se esttico se a sua sada y(t), depender, quando muito, da entrada
u(t) no mesmo instante t. Caso y(t) dependa de variaes da entrada ou da sada, ou dos
seus valores integrados, o sistema diz-se dinmico. No sentido matemtico, um sistema
esttico uma aplicao de u(t) em y(t). Um sistema dinmico, ao contrrio de um sistema esttico, possui memria, pelo facto da sada depender de valores tomados noutros
instantes.
Pg. 3
1.2.2. Sistemas relaxados e no relaxados
Um sistema diz-se relaxado, num determinado instante inicial, ou em repouso, se no

tiver energia armazenada. Caso o sistema possua energia armazenada diz-se no relaxado. comum dar-se como exemplo se um sistema no relaxado um circuito elctrico
contendo um condensador carregado.
1.2.3. Sistemas de parmetros distribudos e de parmetros concentrados
Um sistema de parmetros distribudos todo aquele em que pelo menos um dos seus
parmetros caractersticos depende de pelo menos uma coordenada espacial, de tal forma que essa dependncia se reflicta nas caractersticas do sistema. exemplo clssico
de um sistema de parmetros distribudos uma linha de transmisso de sinais, quando o
comprimento de onda destes sinais inferior ordem de grandeza do comprimento da
linha. Pelo contrrio, um circuito RLC que trabalhe com um sinal de 10 MHz, a que
corresponde um comprimento de onda de 30 m, ser um sistema de parmetros concentrados.
1.2.4. Sistemas causais e no causais
Um sistema diz-se causal se a sua sada, num determinado instante, depender apenas
das entradas presente e passadas, no dependendo das entradas futuras.
Os sistemas em tempo real so sempre causais. No entanto, sistemas que trabalhem com
sinais gravados podero ser no causais. Sistemas cujas entradas sejam variveis que
no sejam o tempo, podero ser no causais: por exemplo a deformao de uma viga
depender dos esforos sua esquerda e sua direita (coordenada x, equiparvel a tempos negativos e positivos, respectivamente).
1.2.5. Sistemas variantes no tempo e invariantes no tempo
Um sistema diz-se invariante no tempo se as suas caractersticas no se modificarem

com o decorrer do tempo. Para um sistema relaxado e causal o sistema ser invariante
no tempo se e s se, qualquer que seja d > 0,
y (t ) = T [u(t )] y (t d ) = T [u(t d )]
(1.2)
1.2.6. Sistemas contnuos e discretos
Designa-se por sistema contnuo todo aquele que opera com sinais em tempo contnuo
e por sistema discreto todo o sistema que opera com sinais em tempo discreto.
Muitas das propriedades dos sistemas discretos so semelhantes s dos sistemas contnuos; outras so fundamentalmente diferentes. Os sistemas do mundo macroscpico
real, salvo algumas excepes, so contnuos. O processamento de sinais num computador essencialmente discreto, pelo que essencial dominar-se as propriedades de
ambos os tipos de sistemas e saber efectuar a converso de sistemas contnuos para discretos, e vice-versa.
Pg. 4
1.2.7. Sistemas determinsticos e estocsticos
Um sistema diz-se estocstico sempre que processe variveis aleatrias. No caso contrrio o sistema diz-se determinstico. Repare-se que basta a existncia de uma varivel
aleatria para que o sistema seja estocstico.
1.2.8. Sistemas estveis e instveis
Um sistema diz-se estvel (estabilidade BIBO Bounded Input, Bounded Output) se

e s se, qualquer que seja a sua entrada limitada, a sada for limitada. Analiticamente
pode escrever-se:
(1.3)
t , || u(t ) || < M u < || y (t ) || < M y <
Se existir pelo menos um valor de u(t) que torne a sada infinita, o sistema instvel. A
determinao da estabilidade de um sistema um dos tpicos mais importantes do controlo de sistemas, uma vez que nos problemas de Engenharia essencial que os sistemas
mantenham a sada dentro de determinados limites.
Como se ver adiante no captulo 3, h outras formas de definir estabilidade de um sistema, que podero conduzir a classificaes diferentes: um oscilador no linear (sistema
sem entrada, apenas com sada), que segundo as definies que se daro adiante um
sistema instvel, de acordo com a definio que acaba de ser dada estvel, desde que a
amplitude da sua oscilao seja limitada.
1.2.9. Sistemas lineares e no lineares
Ao contrrio do que se passa com os sistemas lineares, que so caracterizados por possurem uma propriedade comum, que a de satisfazerem o princpio da sobreposio, os
sistemas no lineares so os que ficam de fora, por no obedecerem a este princpio. A
ausncia de uma propriedade unificadora, que os caracterize sem ser por aquilo a que
no obedecem, torna a sua sistematizao mais difcil de fazer do que a dos sistemas
lineares.
Um sistema linear todo aquele que satisfaz o princpio da sobreposio, o que se traduz analiticamente do modo seguinte:
T [a1u1 (t ) + a2u2 (t )] = a1T [u1 (t )] + a2T [u2 (t )]
(1.4)
As no linearidades podem ser naturais ou artificiais. As primeiras esto intimamente

associadas aos sistemas, so inerentes a eles. Em muitos casos so indesejveis. As
segundas, so introduzidas intencionalmente, com o objectivo de poder controlar, ou
mesmo de melhorar o comportamento dos sistemas.
1.3. Comportamento dos sistemas no lineares
A dinmica dos sistemas no lineares mais complexa do que a dos lineares, e , de um

modo geral, muito mais rica do que a destes: H fenmenos que apenas acontecem nos
sistemas no lineares, que no ocorrem nos lineares, como sejam:
Pg. 5
Dependncia da amplitude de excitao,

Tempo de escape finito,
Pontos de equilbrio mltiplos,
No unicidade da soluo,
Dependncia crtica dos parmetros,
Bifurcaes,
Caos ou dependncia crtica das condies iniciais,
Ciclos limite ou oscilaes,
Existncia de harmnicas e de sub-harmnicas,
e que passam a exemplificar-se.

1.3.1. Dependncia de amplitude da excitao
Seja por exemplo o modelo do movimento de um veculo submarino, de massa m actuado por uma fora propulsora u. Designando por v a velocidade do veculo, a equao do
movimento representada por:
mv + k v v = u
(1.5)
em que k o coeficiente de atrito. Note-se que nesta expresso a fora de atrito de arrastamento proporcional, em mdulo, ao quadrado da velocidade, tendo a direco oposta
a esta. Suponha-se m = 1 kg e k = 1 kg m-1 e aplique-se ao veculo uma fora de 1.0 N
durante 5 segundos. Este ficar sujeito a uma variao de velocidade, como se indica na
Fig. 1.2. Repare-se que o tempo de estabelecimento maior quando se retira a fora
propulsora do que quando esta aplicada. Este fenmeno que no acontece nos sistemas
lineares, onde os dois tempos so iguais, compreende-se bem se o sistema (1.5) for
comparado com o sistema linear equivalente, com amortecimento k|v| funo da velocidade: Com velocidades prximas da unidade o amortecimento maior do que quando as
velocidades esto prximas de zero, o que justifica a assimetria.
velocidade, m/s
1.0
y(t)
u(t)
5.0
tempo /segundos
20.0
Fig. 1.2 Resposta do veculo submarino, u = 1
Pg. 6
Aplique-se agora ao sistema uma fora propulsora semelhante, mas com a amplitude
u = 10 N (Fig. 1.3). A velocidade do veculo aumenta e tender a estabilizar em 3.2 m/s e
no em 10 m/s como aconteceria se o sistema fosse linear. Tambm neste caso os tempos de estabelecimento a subir e a descer so diferentes. As velocidades de estabilizao
do sistema podem ser obtidas, para estes dois casos por
u = 1.0 N :
v = 0 0 + vs vs = 1.0 vs = 1.0m / s
u = 10 N :
v = 0 0 + vs vs = 10 vs = 10 3.2m / s
(1.6)
Este exemplo permite compreender como que o comportamento de um sistema no

linear pode depender da amplitude dos sinais em jogo.
u(t)
velocidade, m/s
10.0
5.0
y(t)
5.0
10.0
20.0
tempo, segundos
Fig. 1.3 Resposta do veculo submarino, u = 10.0
1.3.2. Tempo de escape finito
Num sistema linear instvel, a resposta, por muito rapidamente que tenda para infinito,
demora um tempo infinito a atingir este valor. Em contrapartida, alguns sistemas no
lineares podem atingir o valor infinito num intervalo de tempo finito.
Considere-se o seguinte modelo de crescimento, com a > 0 e c > 0, em que a taxa de
crescimento no constante mas aumenta com x(t):
x (t ) = a (1 +
x (t )
) x (t )
c
(1.7)
A soluo desta equao encontra-se representada na Fig. 1.4, para t > 0 a = 0.5 c = 0.5
e x(0) = 0.5. A soluo atinge o valor infinito num intervalo de tempo finito. Diz-se que
o sistema tem uma singularidade na soluo, ou ainda, que apresenta um tempo de
escape finito.
Pg. 7
resposta
50
0
0
0.5
1.0
tempo [s]
Fig. 1.4 Tempo de escape finito
1.3.3. Pontos de equilbrio mltiplos
Designam-se pontos de equilbrio aqueles em que todo o estado que nele se inicia permanece inalterado: x(t) = xe, ou seja, x e = 0.
Num sistema linear, definido pela equao de estado x = A x , tais pontos obtm-se
resolvendo a equao homognea A xe = 0. Se a matriz do sistema, A, for regular, a
soluo desta equao xe(t) = 0, ou seja, o nico ponto de equilbrio a origem. Tratando-se de sistemas no lineares, poder haver outros pontos de equilbrio, distintos da
origem, como se mostra nos exemplos que se do a seguir.
Um ponto de equilbrio pode variar no tempo. Uma trajectria que se dirija para um
ponto de equilbrio deste tipo pode cruzar-se com ela prpria.
Exemplo 1
Seja o sistema de 1 ordem representado pela equao
x (t ) = [ x (t ) 1] x (t )
(1.8)
Este sistema, variante de (1.7) com a < 0 e c < 0, admite como pontos de equilbrio
xe1 = 0 e xe2 = 1. A sua resposta tem um comportamento diferente, consoante seja iniciada na vizinhana do estado xe = 0 ou xe = 1, como se pode observar na Fig. 1.5.
Repare-se que o ponto de equilbrio xe = 0 estvel, ou seja, as trajectrias iniciadas na
sua vizinhana no se afastam dele, enquanto que o ponto de equilbrio xe = 1 instvel.
Note-se a existncia de uma singularidade na soluo que se inicia em x0 > 1.
Pg. 8
x(t)
1
0
t
Fig. 1.5 Resposta de um sistema no linear
Exemplo 2
Considere-se o movimento do pndulo ligado a uma haste rgida, sem amortecimento,
descrito pela equao diferencial
A = g sen
(1.9)
A introduo das variveis de estado x 1 = (posio angular) e x2 = (velocidade
angular), conduz a
x1 = x2
(1.10)
g
x2 = A sen x1
Os pontos de equilbrio obtm-se fazendo x1 = 0 e x2 = 0 , o que conduz a
0 = x2 e
g
0 = A sen x1e
(1.11)
ou seja,
x1e k
x = 0
2e
k = 0, 1, 2, "
(1.12)
H pois uma infinidade de pontos de equilbrio, dos quais so fisicamente distintos

x1e = 0 e x1e = , sendo o primeiro ponto de equilbrio estvel e o segundo instvel.
Um estudo detalhado do pndulo feito adiante na seco 7.2.
1.3.4. No unicidade da soluo
Seja agora o sistema no linear descrito pela equao de estado

Pg. 9
x = x 3
(1.13)
Trata-se de uma equao de termos separveis, que pode ser escrita na forma
x 3 x = 1
(1.14)
Esta equao admite as duas solues seguintes:

2 3
x(t ) = ( t ) 2
3
x (t ) = 0
(1.15)
No caso de um sistema de 1 ordem descrito por uma equao de estado do tipo

x = F ( x )
x (0) = x0
(1.16)
prova-se que condio suficiente para que a soluo de (1.16) seja nica, que
F ( x )
x
seja contnua numa vizinhana de x0. O sistema (1.13) no satisfaz a esta condio no
ponto x = 0.
1.3.5. Dependncia crtica dos parmetros
A estrutura das solues de um sistema no linear pode ser fortemente dependente dos
valores que possa tomar um parmetro do sistema, como se exemplifica a seguir.
Considere-se o sistema descrito pelas equaes de estado
x1 = x1 + x2 x13
x2 = x1
(1.17)
em que o parmetro \ . Para prximo de zero o carcter das solues diferente

consoante seja < 0 ou > 0.
Na Fig. 1.6 representam-se as solues do sistema para dois valores diferentes de ..
Pg. 10
= - 0.1
x0 = [2; 0]
TRAJECTRIA NO ESPAO DE FASES
1
0.8
1.5
0.6
0.4
x1
amortecido
0.2
0.5
0
-0.2
-0.4
-0.6
-0.5
-0.8
-1
10
15
20
25
30
tempo, segundos
35
40
45
-1
-1
50
-0.5
0.5
1.5
x1
= + 0.1
x0 = [2; 0]
TRAJECTRIA NO ESPAO DE FASES

1
0.8
1.5
0.6
0.4
Ciclo limite
resposta
x1
1
0.2
0
0.5
-0.2
-0.4
-0.6
-0.5
-0.8
-1
-1
-1
0
10
15
20
25
30
tempo, segundos
35
40
45
-0.5
0.5
50
1.5
x1
Fig. 1.6 Dependncia crtica dos parmetros
1.3.6. Bifurcaes
Designa-se por bifurcao uma dependncia crtica nos parmetros particular, como a
exemplificada a seguir. Seja o sistema

x + x + x3 = 0
(1.18)
A equao pode representar um sistema massa-mola em que a mola dura (ver definio de mola dura adiante em 1.4.4 e em 7.3). O sistema (1.18) admite 3 pontos de equilbrio:
xe= 0,
xe = ,
xe = -
Com positivo o sistema sempre estvel; com negativo torna-se instvel, havendo
uma mudana qualitativa no comportamento em torno do ponto = 0.
Pg. 11
1.3.7. Caos ou dependncia crtica das condies iniciais
Nos sistemas lineares estveis, a pequenas variaes nas condies iniciais correspondem pequenas variaes na resposta. Tal porm no acontece em alguns sistemas no
lineares, em que pode acontecer serem as solues extremamente sensveis a variaes
das condies iniciais, sendo a sada, a partir de certo valor de t, imprevisvel. A este
tipo de sistemas d-se o nome de sistemas caticos e ao fenmeno em si chama-se caos.
Seja o seguinte sistema no linear

x + 0.1x + x 5 = 6sen t
(1.19)
As respostas deste sistema, para condies iniciais, x(0) = [2; 3] e x(0) = [2.01; 3.01],
prximas, esto representadas na Fig. 1.7.
x(t)
2.5
2
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-2.5
10
15
20
25
30
35
40
45
50
t /s
Fig. 1.7 Dependncia crtica das condies iniciais
1.3.8. Ciclos limite ou oscilaes
Num sistema linear, invariante no tempo, para que se estabelea uma oscilao de
amplitude constante, necessrio que haja, nos sistemas contnuos, pelo menos um par
de plos sobre o eixo imaginrio. Mas esta condio no robusta, sendo na prtica
impossvel de conseguir, ficando os plos ligeiramente esquerda ou direita do eixo
imaginrio, o que conduz a uma oscilao amortecida ou crescente, respectivamente.
H no entanto determinados sistemas no lineares que entram em oscilao, com amplitude e frequncia constantes, independentemente do valor inicial do estado. Estas oscilaes so designadas por ciclos limite.
Considere-se o sistema representado pela equao diferencial, conhecida por equao
de Van der Pol:
mx + 2 ( x 2 1) x + kx = 0
Pg. 12
(1.20)
Esta equao equivalente de um sistema massa-mola-amortecedor, em que o coeficiente de amortecimento b = 2 (x2 - 1), depende da amplitude da oscilao. Para x > 1
o coeficiente de amortecimento positivo estando o amortecedor a retirar energia ao
sistema. Qualquer oscilao que exista com x > 1 ser amortecida. Para x < 1 o coeficiente b negativo, estando agora o amortecedor a fornecer energia ao sistema: toda a
oscilao que exista com x < 1, ser amplificada at que x atinge o valor 1. A partir da,
se x continuasse a aumentar, entrava-se no regime amortecido. Isto faz com que se estabelea uma oscilao de amplitude x = 1.
Repare-se que o fenmeno diferente do que acontece nos osciladores lineares, em que
o sistema, para oscilar, tem que ser marginalmente estvel. Aqui a amplitude das oscilaes no depende de pequenas variaes nos parmetros do sistema. Tambm a amplitude de oscilao independente das condies iniciais x0. Uma outra diferena para os
sistemas lineares (marginalmente estveis) que a forma da oscilao no necessariamente sinusoidal. Para saber mais detalhes sobre ciclos limite ver adiante a seco
2.3.
1.3.9. Existncia de harmnicas e sub-harmnicas
Num sistema linear, uma excitao sinusoidal conduz a uma resposta tambm sinusoidal, com a mesma frequncia. Num sistema no linear tal poder no acontecer, podendo o estado (ou a sada) ser uma oscilao contendo frequncias mltiplas ou sub-mltiplas da frequncia do sinal sinusoidal de excitao. Tais constituintes so designadas por harmnicas e sub-harmnicas da frequncia do sinal de excitao.
1.4. Escrita das equaes
Uma das formas correntes de representar um sistema atravs do seu modelo de estado.
Muitas vezes o modelo de estado obtido a partir de uma ou vrias equaes diferenciais associadas ao sistema. Mas como que se obtm essas equaes diferenciais? A
resposta simples: a partir do conhecimento rigoroso da fsica/qumica do sistema;
sabendo as suas caractersticas possvel escrever relaes entre as suas variveis.
Consideram-se a seguir alguns tipos genricos de sistemas do domnio da Engenharia:
Sistemas mecnicos clssicos,

Sistemas elctricos,
Sistemas trmicos,
Sistemas qumicos.
Pg. 13
1.4.1. Sistemas mecnicos clssicos
Nos sistemas mecnicos clssicos (ou newtonianos) a escrita das equaes passa por:
1 Identificar o sistema em causa e o referencial em uso.
2 Identificar o tipo de movimento (linear, angular) e referenciar as variveis em
jogo, como sejam as posies, velocidades, acelerao, posies angulares,
velocidades angulares, etc.
3 Identificar e referenciar todas as foras e momentos do jogo.
4 Relacionar as variveis, utilizando os dois teoremas fundamentais da mecnica,
o do movimento linear e o do movimento angular.
1.4.2. Teorema do momento linear
Para um sistema constitudo por massas mk localizadas por rk , com aceleraes rk ,
sujeitas a foras exteriores fek , com momento linear associado a cada massa dado por
p k = mk rk , o teorema do momento linear pode enunciar-se:
A derivada em ordem ao tempo do momento linear do sistema, P, igual resultante
das foras exteriores aplicadas ao sistema, Fe
dP
= Fe
dt
em que
P = p k = mk rk
(1.21)
Fe = fke
(1.22)
1.4.3. Teorema do momento angular
Este teorema tem uma forma semelhante ao anterior:

A derivada em ordem ao tempo do momento angular de um sistema em relao a um
ponto O, igual ao momento em relao a O das foras exteriores:
dL
= Ne
dt
(1.23)
com L, momento angular, dado por

L = rk p k
N e = rk fke
(1.24)
Por vezes conveniente considerar a energia do sistema. Sem entrar com a energia
externa ao sistema, h habitualmente a ter em conta a energia cintica associada ao facto das massas mk se encontrarem em movimento com velocidade vk, e dada por:
1
Ec = mk vk2
(1.25)
2
Pg. 14
e a energia potencial, associada ao facto, associada ao facto das massas estarem a ser
sujeitas a uma fora, e consequentemente poderem mudar a sua posio e o seu estado
de movimento. Para a fora de atraco terrestre a energia potencial dada por
Ep = g mk hk
(1.26)
em que g representa a acelerao da gravidade e hk a altura a que a massa mk se encontra

da posio de referncia, ou seja, da altura a que se define a energia potencial zero.
Muitas vezes os sistemas mecnicos representam-se por um conjunto de elementos discretos concentrados como se indica a seguir. Esta representao facilita a escrita das
equaes, por fornecer relaes pr-conhecidas entre estes os elementos.
1.4.4. Movimento linear
A massa, a mola e o amortecedor, so representados pelos smbolos da Fig. 1.8.
massa
mola
amortecedor
Fig. 1.8 Representao da massa, da mola e do amortecedor
Para estes casos as expresses anteriores, representando por x a posio, do origem a:

Massa:
mx = F e
(1.27)
Mola:
k1 x + k3 x 3 = F
(1.28)
Amortecedor:
k a x + kb x x = F
(1.29)
Para a mola convir distinguir trs casos:

k3 = 0 mola linear, k3 < 0 mola macia e k3 > 0 mola dura.
Para o amortecedor h dois casos distintos:
kb = 0 atrito viscoso, ka = 0 e kb > 0 atrito quadrtico.
Pg. 15
1.4.5. Movimento de rotao
Os elementos discretos so os mesmos que os anteriores, apenas os parmetros que os

caracterizam so diferentes.
A massa em rotao caracterizada pelo momento de inrcia J, sendo a sua posio
angular representada por e o binrio de actuao por T:
(a)
Massa em rotao:
J = TJ
(1.30)
Mola em toro(a):
k ( 0 ) = Tk
(1.31)
Amortecedor rotativo(a):
B = TB
(1.32)
Apenas se indicam os termos lineares.
1.4.6. Sistemas elctricos
A escrita das equaes representativas de um sistema elctrico passa pelo seguinte:

1 Identificar o sistema e os objectivos a alcanar;
2 Identificar os componentes em jogo: resistncias, bobinas, condensadores, dodos, transstores, AMPOPs, etc.
3 Referenciar as tenses e correntes elctricas em jogo.
5 Utilizar a lei dos ns e a lei das malhas para escrever as equaes em jogo.
4 Relacionar as tenses e as correntes em cada componente [ver (1.33) a (1.35)].
6 Finalmente, o ltimo passo consiste em eliminar, de entre as equaes obtidas,
as variveis que no interessa apresentar, obtendo-se a equao diferencial do
sistema, ou o modelo de estado, consoante o caminho que se siga.
Para uma resistncia, caracterizada pelo seu valor hmico R, tem-se
v (t ) = R i (t )
(1.33)
para uma bobina, com coeficiente de auto-induo L, verifica-se
v (t ) = L
di (t )
dt
(1.34)
e para o condensador, caracterizado pela capacidade C,
i (t ) = C
dv(t )
dt
(1.35)
De uma forma geral, R e C no dependem de i ou de v, o mesmo no acontecendo com

as bobinas, se o ncleo for ferromagntico, em que L = L(i), apresentando saturao e
histerese.
Pg. 16
Quando existe um transformador no circuito a relao entre as correntes e as tenses ,

arbitrando os sentidos das tenses e correntes de modo a que energia seja positiva quando a entra no transformador:
di1 (t )
di2 (t )
v1 (t ) = R1i1 (t ) + L1 dt + LM dt
v (t ) = R i (t ) + L di1 (t ) + L di2 (t )
M
2 2
2
2
dt
dt
em que
(1.36)
R1 resistncia elctrica do enrolamento 1,

R2 resistncia elctrica do enrolamento 2,
L1 coeficiente de auto-induo do enrolamento 1,
L2 coeficiente de auto-induo do enrolamento 2,
LM coeficiente de induo mtua.
Muitas vezes considera-se o transformador ideal (resistncia dos enrolamentos nula,

ligao magntica perfeita e coeficientes de induo infinitos), ficando neste caso, em
que se representa por n1 e n2 o nmero de espiras dos enrolamentos,
v2 (t ) n2
=
v1 (t ) n1
n1i1 (t ) + n2i2 (t ) = 0
(1.37)
Repare-se que ao escrever as equaes dos circuitos elctricos para sistemas no lineares no se podem considerar os sinais alternados sinusoidais, uma vez que aparecem
harmnicas. preciso fazer intervir as relaes entre valores instantneos das tenses e
das correntes.
Para outros componentes, a relao entre as tenses e as correntes depender da finalidade do modelo e da preciso exigida. Por exemplo, consoante os casos, um dodo
poder ser representado por:
a) Ideal, R = 0
b) Ideal, R 0
c) Real
Fig. 1.9 Caractersticas de um dodo
Pg. 17
O dodo um elemento essencialmente no linear. A relao entre a corrente i e a tenso v num dodo dada por:
i = is (e
qv
k BT
1)
(1.38)
em que
is corrente inversa de saturao,
T temperatura absoluta a que se encontra a juno,
q carga elctrica do electro, q = 1.602 177 10-19 C,
kB constante de Boltzman, kB = 1.380 658 10-23 J K-1.
Quando um circuito contiver como elemento um transstor de juno (Fig. 1.10a), as
relaes entre as suas tenses e correntes podem ser representadas pelo modelo de
Ebers-Moll, que se encontra representado graficamente na Fig. 1.10b.
IIC
VEC
E
IC
IE
VEB
IB
VCB
IE
NIE
P VE
N N
-IE0
IB
VC P
IC
-IC0
a) Representao simblica
b) Modelo de Ebers-Moll
Fig. 1.10 Transistor de juno pnp
H mais alguns elementos elctricos utilizados em controlo, como amplificadores (com

regies linear e no linear), rectificadores (de meia onda e de onda completa), rels,
tiristores, etc.
1.4.7. Sistemas Trmicos
H um determinado nmero de sistemas que pem em jogo grandezas termodinmicas.

Para o seu estudo convir o conhecimento dos conceitos indicados a seguir.
a) Calor especfico.
Chama-se calor especfico de uma substncia, C, quantidade de energia que necessrio fornecer massa unitria dessa substncia para que a sua temperatura aumente de
uma unidade:
dQ = mC dT
(1.39)
Pg. 18
Q quantidade de energia (ou calor) em jogo,

m massa do corpo,
C calor especfico do corpo,
T temperatura.
O calor especfico pode ser definido a presso constante (designa-se por Cp) ou a volume constante (designa-se por Cv) e depende da temperatura.
b) Calor latente
D-se o nome de calor latente de uma substncia, , quantidade de energia que
necessrio fornecer massa unitria dessa substncia para que haja uma mudana de
fase, sem que haja variao de temperatura.
Q = m
(1.40)
O calor latente pode definir-se para a fuso, para a vaporizao e para a sublimao.
A Fig. 1.11 mostra a relao entre a temperatura e a quantidade de calor fornecida a
uma massa unitria de gelo/gua/vapor, quando, a temperatura varia numa larga gama.
temperatura
e) vapor
d) gua
+vapor
100 C
0 C
a)
gelo
b) gelo
+gua
1
calor
latente
de fuso
c) gua
Q/m
2
calor
latente de
vaporizao
Fig. 1.11 Calor especfico e calor latente

Partindo de uma determinada massa de gelo (zona a) da figura), medida que a esta se
fornece energia trmica a sua temperatura vai subindo, de forma proporcional ao acrscimo de energia fornecida, sendo a relao de proporcionalidade por unidade de massa
igual ao calor especfico do gelo. temperatura de 0 C comea a dar-se a fuso do
gelo. a zona b). Se esta for lenta e a mistura gua / gelo homognea, para que a fuso
se complete, necessrio fornecer massa m uma quantidade de energia m1. A temperatura no varia durante a fuso. Quando todo o gelo est fundido, a gua comea de
novo a aquecer (zona c)). A temperatura sobe medida que se fornece calor, at se atingir a temperatura de 100 C, em que a gua entra em ebulio (zona d) da figura). Para
efectuar a sua vaporizao completa, necessrio fornecer-lhe uma quantidade de calor
igual a m2.
Pg. 19
Durante a vaporizao a temperatura mantm-se constante. O vapor existente nesta fase

designa-se por vapor saturado. Quando toda a gua se encontra vaporizada, o fornecimento de mais calor conduz a uma nova elevao de temperatura, proporcional ao
acrscimo de calor, sendo a relao de proporcionalidade o calor especfico do vapor. A
este vapor d-se o nome de vapor sobreaquecido.
Retirando agora energia trmica ao sistema a temperatura diminui, seguindo um andamento muito prximo do indicado, embora ligeiramente acima, isto , o sistema apresenta histerese.
c) Gs perfeito.
Designa-se por gs perfeito todo aquele em que as variveis termodinmicas presso, p,
volume, v, e temperatura, T, esto relacionadas pela expresso
pv = nRT
(1.41)
em que n o nmero de moles do gs e R= 8.314 JK-1mol-1 uma constante universal,

constante dos gases.
Muitas vezes no possvel representar o gs pela expresso acima, utilizando-se ento
outras expresses mais adequadas a cada caso.
d) Esquema elctrico equivalente
Por vezes, para representar determinados fenmenos fsicos ou qumicos utilizam-se os
chamados esquemas elctricos equivalentes.
Considere-se por exemplo um meio material atravs do qual se est a efectuar uma
determinada transferncia de calor por conduo. Sejam A e B duas superfcies s
temperaturas TA e TB respectivamente, como se indica na Fig. 1.12, e admita-se TA > TB
B
A
PAB
TB
TA
Fig. 1.12 Transferncia de calor entre duas superfcies isotrmicas

A quantidade de calor transmitida, na unidade de tempo, da superfcie A para a superfcie B, dada por
PAB = G AB (TA -TB )
(1.42)
em que o parmetro G AB designado por condutncia trmica do material, entre as
superfcies A e B. Exprime-se em W/C.
Pg. 20
A expresso (1.42) tem o nome de lei de ohm trmica, por ser semelhante lei de ohm
da electrotecnia. Aqui as temperaturas equivalem s tenses elctricas e as potncias
trmicas s correntes. Esta expresso pode ser escrita sob a forma
(TA -TB ) = R AB PAB
(1.43)
Ao parmetro R AB = 1/ G AB d-se o nome de resistncia trmica do material e exprimese em C/W. As equaes (1.42) e (1.43) podem representar-se graficamente pelo
esquema da Fig. 1.13.
R
AB
TA
TB
PAB
Fig. 1.13 Representao de uma resistncia trmica.

1.4.8. Sistemas qumicos
Normalmente um sistema qumico contm dois ou mais produtos que postos em presena reagem entre si, originando novos produtos, com absoro ou libertao de energia
trmica. Para se obterem as equaes representativas de um processo qumico recorre-se
normalmente ao balano de massa e ao balano de energia.
Quase sempre as velocidades de reaco dependem da temperatura e da presso, que
correntemente so variveis manipuladas. Acontece que de um modo geral as reaces
so reversveis, sendo necessrio jogar com vrios parmetros para, por exemplo,
maximizar a concentrao de um determinado reagente. Quando as reaces so exotrmicas, necessrio tomar as devidas precaues para retirar o excesso de calor produzido; quando so endotrmicas, h necessidade de fornecer energia ao sistema, a fim
de garantir que a temperatura necessria ao desenvolvimento das reaces se mantenha.
De uma forma genrica o balano de massas num reactor qumico, expresso pela equao de conservao de massa, escreve-se:
d
( V ) = mi k mo k
dt
k
k
(1.44)
em que
mki massa de cada produto que entra no reactor, por unidade de tempo,
mko massa de cada produto que sai, por unidade de tempo,

V volume da mistura no reactor,
massa volmica da mistura.
Pg. 21
A equao do balano de energia quase sempre mais complexa que a anterior, uma
vez que envolve a energia associada s massas que entram e saem, a energia recebida ou
perdida por conveco e por radiao, e a energia produzida pela prpria reaco:
Variao
da energia
acumulada
Energia que
entra com
os produtos
Energia
que sai com +
os produtos
Energia
desenvolvida
na reaco
Energia
trocada com (1.45)
o exterior
1.5. Modelo de estado
De entre as diversas formas analticas de representar um sistema linear ou no linear,

contnuo ou discreto, salientam-se a descrio entrada-sada e o modelo de estado.
A descrio entrada-sada mais cmoda de utilizar quando se trata de sistemas lineares, em que pode recorrer-se aos domnios transformados s ou z e utilizar as ferramentas dos sistemas lineares. Tem, o inconveniente de nada revelar sobre a estrutura interna do sistema nem sobre a evoluo das variveis internas. Isto, para os sistemas lineares no to grave como para os no lineares, pois naqueles as variveis internas no se
podem tornar infinitas sem que tal comportamento seja observado na sada. Nos sistemas no lineares, pelo contrrio, uma ou mais variveis internas podem divergir para
infinito sem que tal seja observado na sada. Por esta razo, e pelo facto de no se dispor do conceito de funo de transferncia, associada descrio entrada-sada, mais
corrente utilizar-se a representao por meio de modelo de estado.
Embora seja possvel obter o modelo de estado de um sistema a partir da sua equao
diferencial, que afinal no mais do que uma representao entrada/sada, tal procedimento no revela os modos internos do sistema. Da que o modelo de estado deva ser
obtido directamente a partir das consideraes que levam escrita das equaes do sistema.
1.5.1. Modelo de estado, sistema contnuo
Chama-se estado de um sistema a um conjunto de variveis xi(t) que, juntamente com as

variveis de entrada uj(t), e a partir de um valor inicial xi(t0), definem completamente o
comportamento desse sistema, utilizando um sistema de equaes diferenciais escalares
de 1 ordem do tipo
x1 (t )=f1[ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t ),", u p (t ), t ]
x2t )=f 2 [ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t )," , u p (t ), t ]
"
xn t )=f n [ x1 (t ), x2 (t ),", xn (t ), u1 (t ), u2 (t )," , u p (t ), t ]
em que
Pg. 22
(1.46)
x1 (0)=x10
x (0)=x
2
20
"
xn (0)=xn 0
(1.47)
As variveis xi(t), designam-se por variveis de estado. D-se o nome de ordem do sistema ao nmero mnimo de variveis suficientes para definir o sistema.
Nem sempre as variveis de sada de um sistema yj(t), coincidiro com as variveis de
estado. De uma forma genrica existir a relao
y1 (t )=h1[ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t )," , u p (t ), t ]
y2 (t )=h2 [ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t )," , u p (t ), t ]
"
y (t )=h [ x (t ), x (t )," , x (t ), u (t ), u (t )," , u (t ), t ]
q 1
2
n
1
2
p
q
(1.48)
As equaes (1.46) a (1.48) podem escrever-se de uma forma mais compacta. Introduzindo os conceitos de vector de estado, vector de entrada e vector de sada respectivamente definidos por
y1 (t )
y (t )
2
y (t ) =
"
yq (t )
(1.49)
f1[ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t )," , u p (t ), t ]
f 2 [ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t )," , u p (t ), t ]
f ( x, u, t ) =
"
f n [ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t )," , u p (t ), t ]
(1.50)
h1[ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t ),", u p (t ), t ]
h2 [ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t )," , u p (t ), t ]
h( x, u, t ) =
"
hq [ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t ),", u p (t ), t ]
(1.51)
x1 (t )
x (t )
x (t ) = 2
"
xn ( t )
u1 (t )
u (t )
2
u(t ) =
"
u p (t )
e tambm os vectores
Pg. 23
podem escrever-se as seguintes equaes vectoriais, designadas por modelo de estado

do sistema.
x (t ) = f [x (t ), u(t ), t ]
y (t ) = h[x(t ), u(t ), t ]
x (0) = x
0
a)
(1.52) b)
c)
em que x Dx \ n , u Du \ p , y Dy \ q e t \ + .
A equao (1.52)a designa-se por equao de estado do sistema, a equao (1.52)b) por
equao de sada e a equao (1.52)c) representa o valor inicial do estado (condies
iniciais).
O sistema representado deste modo diz-se de uma nica varivel se tiver uma nica
varivel escalar de entrada e uma nica varivel escalar de sada, ou seja, as dimenses
de u(t) e y(t) so iguais a 11 (p=1, q=1). Na literatura anglo-saxnica estes sistemas
designam-se por sistemas SISO (Single Input, Single Output). O sistema designa-se
multivarivel se tiver mais do que uma varivel de entrada ou mais do que uma varivel
de sada, ou seja, nas dimenses de u(t) e y(t), iguais respectivamente a p1 e q1,
p>1ou q>1. So os chamados sistemas MIMO (Multiple Input, Multiple Output).
Se no dispuser de nenhuma varivel de entrada, ou se o valor desta for identicamente
nulo, o sistema diz-se no forado ou em regime livre. Para um sistema em regime livre
tem-se a equao de estado:
x (t ) = f [x(t ), t ]
(1.53)
Sempre que as funes f e h de um sistema no dependam explicitamente do tempo o
sistema diz-se invariante no tempo. Para estes sistemas o modelo de estado escreve-se:
x (t ) = f [x(t ), u(t )]
y (t ) = h[x(t ), u(t )]
x (0) = x
0
(1.54)
Um sistema invariante no tempo e em regime livre diz-se autnomo. Para um sistema

autnomo o modelo de estado toma a forma simplificada
x (t ) = f [x (t )]
y (t ) = h[x (t )]
x (0) = x
0
(1.55)
As equaes (1.52) podem representar-se graficamente, como se indica na Fig. 1.14.
Pg. 24
t
u(t)
x (t )
(.)dt
x(t)
y(t)
Fig. 1.14 Modelo de estado de um sistema no linear contnuo
1.5.2. Modelo de estado discreto
Para sistemas discreto, os conceitos so semelhantes aos apresentados para os sistemas

contnuos, com a particularidade de em vez da varivel tempo contnuo t \ + se ter o
tempo discreto k ] +; em vez de uma equao diferencial vectorial de 1 ordem existe uma equao s diferenas, vectorial, tambm de 1 ordem. O modelo de estado
assume assim a forma:
a)
x ( k + 1) = g[x ( k ), u( k ), k ]
(1.56) b)
y ( k ) = h[x ( k ), u( k ), k ]
x (0) = x
c)
0
que se encontra esquematizado na Fig. 1.15, e em que q-1 representa o operador atraso,
definido por
q 1[x( k )] = x( k 1)
(1.57)
k
u(k)
x(k + 1)
g
q-1
x(k)
y(k)
h
Fig. 1.15 Modelo de estado de um sistema no linear discreto
Pg. 25
1.5.3. Obteno da trajectria

1.5.3.1. Mtodos numricos
A obteno da trajectria de um sistema utilizando mtodos numricos, no mais do

que a obteno da soluo do sistema e sua representao grfica. Quer se trate de sistemas contnuos ou discretos, h toda a vantagem em representar o sistema por meio do
seu modelo de estado. Com efeito este tem a vantagem de efectuar a representao sob a
forma de uma equao n-vectorial de 1 ordem, cuja soluo pode ser obtida de forma
recursiva. Para a obteno da soluo convir distinguir o caso dos sistemas discretos e
o dos sistema contnuos. Os primeiros so mais fceis de processar do que os ltimos,
que tm que ser previamente discretizados para que se possa obter a soluo.
1.5.3.1.1
Sistemas discretos
Considere-se o sistema discreto representado pelo modelo de estado (1.56). Para efectuar a integrao numrica deste sistema deve proceder-se do seguinte modo:
a) Definir o valor das condies iniciais.
b) Obter a entrada inicial u(0). As entradas seguintes podero ser definidas durante
a execuo do algoritmo ou podero ser pr-definidas aqui neste ponto.
c) A partir de um ciclo for, ou outro equivalente, calcular o estado no instante
posterior, x(k+1), e a sada no instante corrente y(k).
Exemplo 3
Obter a soluo numrica do sistema discreto
x1 ( k + 1) = 0.9 x2 ( k )
x (0) = 0.2
sujeito s condies iniciais 1
x2 ( k + 1) = x1 ( k ) 0.1x2 ( k )
x2 (0) = 0.8
Resoluo
Vai utilizar-se o Matlab. Como neste programa os ndices dos vectores no podem ser
negativos nem nulos, as condies iniciais devero escrever-se x1(1)=0.2 e x2(1)=0.8.
Este sistema encontra-se em regime livre pelo que u(k)=0, para todo o k (k1). O sistema invariante no tempo. Um programa para obter a soluo ser
x1(1)=0.2; x2(1)=0.8; % Condies iniciais
N=100; % Nmero de instantes discretos a considerar
for k=1:N-1, % Incio do ciclo, com N-1 iteraes
x1(k+1)=0.9*x2(k);
x2(k+1)=-x1(k)-0.1*x2(k);
end % Fim do ciclo
plot([x1' x2'])
Note-se que na primeira iterao, em que k=1, se calculam os valores de x1(2) e x2(2) a
partir das condies iniciais x1(1) e x2(1). Apenas se efectuam N-1 iteraes porque se
deseja N valores do vector de estado. A ltima iterao calcula o estado no instante 100
(k=99, k+1=100). A ltima instruo, plot, permite a representao grfica do estado
em funo do tempo discreto, k.
Pg. 26
Todos os sistemas representados por um modelo de estado discreto podem ter a soluo
obtida por numericamente por este mtodo, mesmo que sejam variantes no tempo ou
sujeitos a uma entrada u(k).
1.5.3.1.2
Sistemas contnuos
Seja um sistema contnuo representado pelo modelo de estado (1.52). Uma das formas
de integrar numericamente este sistema, ou seja, de obter x(t) e y(t), passa por discretiz-lo previamente e a seguir obter a soluo do sistema discretizado. Tal no entanto no
necessrio efectuar, uma vez que os programas de computador dispem j de algoritmos que fazem eles mesmos a discretizao. A maior parte dos programas exige que a
descrio do sistema esteja feita sob a forma de modelo de estado, ou seja de uma equao n-vectorial de 1 ordem. Se a descrio do sistema estiver feita sob a forma de uma
equao diferencial poder ser necessrio efectuar a mudana de representao para um
modelo de estado.
Exemplo 4
Vai dar-se um exemplo em que se utiliza o Matlab para integrar o sistema
x1 (t ) = x2 + x1 x3
sujeito s condies iniciais

x2 (t ) = x1 + x2 x3
x (t ) = x x 2 x 2 + x 2
3
1
2
3
3
x1 (0) = 0.5
x2 (0) = 2.0
x (0) = 0.1
3
Resoluo
O sistema dado dever ser escrito num ficheiro, a que chamaremos numerico_sist: O
ficheiro comea com uma funo, com o mesmo nome, para se poder efectuar a passagem de parmetros.
function xdot=numerico_sist(t,x)
xdot=zeros(3,1); % Valor inicial da derivada do estado
xdot(1)=-x(2)+x(1)*x(3);
xdot(2)=x(1)+x(2)*x(3);
xdot(3)=-x(3)-x(1)^2+x(3)^2;
Um 2 ficheiro, que o que se deve correr, indica os intervalos de tempo, as condies

iniciais e o mtodo de integrao: a instruo ode45 um dos algoritmos existentes
como mtodo de integrao.
t0=0; % Instante inicial
tf=50; % Instante final, em segundos
dt=0.1; % Intervalo de tempo para obteno de valores
tpo=t0:dt:tf; % Vector contendo a varivel tempo
x0=[0.5; -2.0; 0.1]; % Valor inicial do estado.
[t,x]=ode45('numerico_sist',tpo,x0); % Esta instruo
% integra o sistema definido no ficheiro numerico_sist
% acima referido, durante o tempo tpo e sujeito s
% condies iniciais x0 dadas. Devolve o vector tempo
% t e o estado x calculado nos mesmos instantes.
plot(t,x); % Representao do estado em funo do tempo
Pg. 27
O Matlab dispe de outros algoritmos para integrar sistemas alm do ode45, nomeadamente ode23, ode113, ode15s e ode23s. Estes dois ltimos devem ser utilizados se o sistema contiver variaes muito rpidas comparadas com os intervalos de tempo para os
quais se pretende conhecer a soluo.
1.5.4. Pontos de equilbrio.
Os conceitos aqui apresentados so vlidos quer para sistemas contnuos quer para sistemas discretos. Apenas sero referidos a um ou outro tipo quando houver dvidas na
interpretao. Chamam-se pontos de equilbrio de um sistema aos valores do estado
tais que
(sistemas contnuos)
x (t ) = 0
(1.58)
x( k + 1) = x( k )
(1.59)
ou
(sistemas discretos)
Um sistema no excitado (u=0), que inicie a sua trajectria num estado inicial x0 coincidente com um ponto de equilbrio, permanece indefinidamente nesse valor do estado.
Considere-se um sistema no excitado. A definio dada implica que os pontos de equilbrio de um sistema contnuo devem satisfazer a equao:
f ( x, t ) = 0
(1.60)
A resoluo desta equao vectorial permite determinar os pontos de equilbrio. Para
um sistema contnuo linear e autnomo, descrito pela equao de estado
x (t ) = Ax(t )
(1.61)
os pontos de equilbrio obtm-se calculando as razes da equao
Ax(t ) = 0
(1.62)
Se a matriz A for regular, a equao (1.62) admite uma nica soluo, x(t) = 0. Se a
matriz for singular h um nmero infinito de pontos de equilbrio, que formam um
hiperplano que passa pelo ponto x(t) = 0.
Um ponto de equilbrio diz-se estvel se aps qualquer pequena perturbao o estado
no se afastar da vizinhana do ponto de equilbrio. Os conceitos sobre a estabilidade de
pontos de equilbrio sero apresentados adiante no Cap. 3.
1.5.5. Trajectrias e estabilidade
Designe-se por x(t; x0, t0) a soluo da equao de estado (1.52) que tem incio no instante t = t0 com as condies iniciais x0 =x(t0).
No espao n-dimensional Dx \ n , entre os instantes t0 e t, a soluo x(t; x0, t0) ir descrever uma curva, chamada trajectria ou rbita do sistema.
A cada valor inicial x0 est associada uma ou mais rbitas, consoante o sistema admita
uma ou mais solues. No caso do sistema ser linear, a unicidade da soluo da equao
de estado implica que a um determinado x0 corresponde uma e uma s rbita. A trajectria depende das condies iniciais (x0, t0). Uma trajectria diz-se estvel se e s se
t0 , > 0 (t0 , ) > 0 x 0 x1 < x(t; x 0 , t0 ) x (t; x1 , t0 ) < t t0
Pg. 28
(1.63)
1.6. Algumas no linearidades correntes
As no linearidades que a seguir se apresentam aparecem com muita frequncia, quer

por se tratar de no linearidades naturais existentes sistemas reais, quer por serem
intencionalmente introduzidas nos sistemas de controlo com o fim de melhorar o seu
desempenho. Nesta seco sero apenas considerados sistemas com uma nica varivel
de entrada e uma nica varivel de sada.
1.6.1. Saturao
Muitos sistemas fsicos exibem uma caracterstica esttica do tipo indicado na Fig. 1.16.
Nesta caracterstica, que no ser necessariamente simtrica em relao origem, para
valores elevados de |u| tem-se y/u 0, sendo pois a sada limitada. Diz-se que existe
saturao, ou que a sada se encontra saturada.
Sada, y
yM
Entrada, u
ym
Fig. 1.16 Caracterstica da saturao.
A saturao ideal, representada na Fig. 1.17, descrita analiticamente do modo

,
ym
y = k u + c ,
y
,
M
u < um
um u uM
u > uM
(1.64)
em que ym= y(um) e yM =y(uM). Qualquer dos valores ym ou yM pode ser positivo ou negativo, com a condio ym< yM. Um dos valores, ym ou yM poder ser infinito (em mdulo), mas apenas um deles.
A saturao aqui apresentada muito corrente em dispositivos de controlo industrial.
Por exemplo, a relao entre o sinal de comando e a abertura de uma vlvula do tipo
indicado, com a gama de sada compreendida entre 0 e 100 %. tambm corrente
introduzir-se na sada do controlador da vlvula um mdulo ou algoritmo que produza a
saturao com a finalidade, de no forar a vlvula para fora da gama.
Pg. 29
y
yM
um
uM
ym
Fig. 1.17 Caracterstica da saturao ideal.
Um outro domnio em que aparece a caracterstica saturao a relao entre os campos

magnticos B e H, ou, em mquinas elctricas, entre a corrente elctrica e o campo
magntico por ela criado. Neste caso a curva de saturao aparece normalmente associada a uma outra no linearidade tambm muito comum, a histerese, que se descreve
adiante.
Em matemtica define-se a funo saturao, sat(.), por
1 ,
sat ( x ) = x ,
1 ,
x < 1
1 x 1
(1.65)
x >1
1.6.2. Zona Morta
A zona morta uma no linearidade cuja caracterstica, representada nas Fig. 1.18a e
Fig. 1.18b, pode ser de dois tipos, designados por tipo I e tipo II.
y(u)
y(u)
-zM
-zM
0
zM
a) zona morta tipo I
zM
b) zona morta tipo II
Fig. 1.18 Caractersticas da zona morta.
Pg. 30
Muitas vezes a zona morta utilizada intencionalmente em sistemas de controlo para

enviar um sinal nulo do controlador para o actuador, quando a sada daquele pequena.
Com este procedimento pode-se aumentar o tempo de vida de determinado tipo de
equipamentos mecnicos.
A relao entre y e u pode escrever-se, para os dois tipos de zona morta,
Zona morta tipo I
0,
y=
ku ,
u zM
Zona morta tipo II
k (u + zM ),
,
y = 0
k (u z ),
M
(1.66)
u > zM
u < zM
zM u zM
u > zM
(1.67)
1.6.3. Histerese
A histerese uma no linearidade cuja descrio analtica um pouco mais complicada

do que as anteriores, uma vez que faz intervir a histria do sinal de entrada.
A Fig. 1.19 apresenta uma caracterstica entrada-sada com histerese, admitindo que a
entrada varia de uM a +uM.
y(u)
3
+yM
4
- uM
- yM
uM
Fig. 1.19 Caracterstica da histerese, em torno de u=0.
Supondo que a entrada u sinusoidal de amplitude uM, quando u varia de uM a +uM

(ramo crescente de u), y varia de yM a +yM seguindo a curva 1, 2, 3. Quando u diminui,
de +uM a uM, y varia de +yM a yM seguindo o ramo 3, 4, 1.
A dificuldade na definio matemtica da histerese que esta depende da amplitude do
sinal de entrada e do ponto de funcionamento. Assim, se para um sistema que exibe a
curva de histerese da Fig. 1.19 a funo u(t) diminuir de amplitude no momento em que
se encontrava no ponto P, a curva de histerese muda, tomando o aspecto indicado na
Fig. 1.20.
Pg. 31
y(u)
Fig. 1.20 Caracterstica da histerese, em torno de P.
De uma forma simplista costume representar a histerese em torno de u = 0 associada

saturao, como indicado no diagrama ideal da Fig. 1.21, onde se admite que a amplitude de u igual a |uM|.
y
yM
-uM
-uM+2h
0
h uM-2h uM
-yM
Fig. 1.21 Caracterstica ideal da histerese com saturao.
a seguinte a expresso analtica da histerese ideal:
ramo crescente:
yM ,
y = k (u h),
y ,
M
ramo decrescente:
yM ,
y = k (u + h),
y ,
M
Pg. 32
u < u M + 2 h
uM + 2h u uM
u > uM
(1.68)
u > u M 2h
u M u u M 2 h
u < uM
(1.69)
1.6.4. Folga
Este tipo de no linearidade, designada em ingls por backlash, deve o seu nome ao facto de ser muito comum em sistemas mecnicos em que os elementos no se ajustam perfeitamente, isto , sistemas com folgas mecnicas. Um destes sistemas em que a folga
vulgar o desmultiplicador de velocidade com rodas dentadas apresentado na Fig. 1.22
(ver tambm a 1 figura do Probl. 1.2).
h
roda accionada
roda motriz
Fig. 1.22 Sistema de rodas dentadas com folga
Como para o caso da histerese, a descrio analtica da folga a partir da caracterstica

y(u) torna-se difcil de efectuar, uma vez que depende da histria de u e da sua amplitude.
Na Fig. 1.23 faz-se uma representao grfica da caracterstica entrada-sada de um sistema com folga. Esta est condicionada evoluo de u.
y
3
yM
- uM
01
h/2
4
5
uM
-yM
Fig. 1.23 Caracterstica entrada-sada de um sistema com folga.
Pg. 33
Admita-se que o sinal de entrada no sistema com folga alternado sinusoidal de amplitude uM. Admita-se ainda que este sinal tem incio no instante t0 como sinal crescente e
que no instante inicial a folga se encontra meio vencida. Enquanto a amplitude de u
cresce de 0 a h/2 vai-se vencer a restante folga e consequentemente a sada y nula. a
transio 01 indicada na figura. Continuando u a crescer, o valor de y vai acompanhar
o de u, atrasado de h/2, ou, como estamos a admitir ganho 1 (inclinao a 45), diminudo de h/2. a transio 12 indicada na figura.
Convm aqui frisar a diferena entre a histerese e a folga. A histerese acompanhada de
saturao, enquanto na folga a saturao no existe. A folga s se vai manifestar quando
u mudar de sentido, independentemente da sua amplitude.
O sinal de entrada aumentou at ao seu valor mximo uM e vai comear a diminuir, de
uma forma montona. Os primeiros instantes da diminuio do sinal de entrada vo ser
para compensar a folga, e portanto a sada no varia. Mais concretamente, enquanto u
diminui de uM at uM - h a amplitude de y mantm-se constante e igual a yM. a transio 23 da figura. Continuando u a diminuir, o valor de sada ir diminuir, seguindo o
ramo 34, atingindo-se o ponto 4 quando a amplitude do sinal tiver o seu valor mnimo
- uM . Aqui o sinal de u muda de sentido e, como na transio 23, a nova transio
45 destinada a vencer a folga. A resposta y segue agora o ramo 512, no se voltando ao ponto 0.
Note-se que na caracterstica da folga so possveis quaisquer pontos entre as rectas
paralelas representadas a trao interrompido, que enquadram o losango apresentado,
desde que haja mudana no sentido de u. Repare-se ainda que se a amplitude uM do sinal
de entrada for inferior a h/2 a sada y sempre nula.
Indica-se a seguir a expresso analtica da folga (caso em que k=1)
0
u - h / 2
yM
y=
u + h / 2
yM
u h / 2
0 u h/2
1 ramo ascendente (inicial)
h / 2 < u < uM
1 ramo ascendente de u
uM h u uM
1 ramo descendente
uM < u < uM h
2 ramo descendente
uM u uM + h
2 ramo ascendente
uM + h < u < uM
3 ramo ascendente
(1.70)
Na Fig. 1.24 representa-se a evoluo temporal do sinal de entrada, u, e do sinal de sada, y, de um sistema com folga, admitindo a entrada sinusoidal. Repare-se no atraso
introduzido e no patamar no sinal de sada.
A folga aparece tambm em sistemas mecnicos accionados por correntes, sendo notria quando estas no se encontram suficientemente tensas.
Pg. 34
u(t)
y(t)
Fig. 1.24 Sinais de entrada e de sada num sistema com folga h.
1.6.5. Atrito Esttico
Este tipo de no linearidade, se bem que originrio da mecnica, aparece tambm em

dispositivos electromecnicos e electrnicos.
A sua descrio elementar pode ser associada ao fenmeno bem conhecido de que para
arrastar uma caixa que se encontra em repouso sobre o cho necessrio efectuar uma
fora maior enquanto esta est em repouso, sendo depois suficiente, para manter o
movimento, uma fora de valor inferior. A expresso analtica que representa a relao
entre a fora aplicada ao sistema e a sua posio, x, pode escrever-se de uma forma ideal
0,
y=
kF
x 0
x = 0
(1.71)
em que x representa a velocidade do corpo pertencente ao sistema com esta caracterstica.
1.6.6. Caracterstica liga/desliga ou on/off
Este tipo de no linearidade, representado na Fig. 1.25 tem como descrio analtica:
u<0
M ,
y = no definido u = 0
M
u>0
(1.72)
Em matemtica define-se a funo liga/desliga, sgn(x), por

1,
sgn( x ) = 0 ,
1 ,
u<0
u=0
u>0
(1.73)
Pg. 35
y
yM
0
u
-yM
Fig. 1.25 Caracterstica tipo liga/desliga.
Esta caracterstica muito utilizada em controladores do tipo liga/desliga. Assim, para

controlar a temperatura de uma sala que perde calor, utilizando um aquecedor elctrico,
comum utilizar um controlador que
liga, se a temperatura da sala for menor do que a temperatura desejada,
desliga, se a temperatura for maior do que a temperatura desejada.
A fim de evitar que o contactor que permite o fornecimento de energia ao aquecedor
esteja continuamente a actuar costume associar este tipo de no linearidade histerese,
de forma a ter-se a caracterstica indicada na Fig. 1.26.
-h
h
u
-M
Fig. 1.26 Caracterstica tipo liga/desliga, com histerese.
Pg. 36
A Fig. 1.27 representa o resultado do controlo de temperatura de uma sala utilizando

um aquecedor elctrico e um controlador liga/desliga com histerese.
Note-se que quanto menor for a zona morta menor o erro obtido no controlo da temperatura. No entanto este erro pequeno conseguido custa de ligar e desligar mais vezes
o aquecedor, o que pode diminuir o seu tempo de vida, bem como o do respectivo contactor. Na prtica h pois que escolher uma soluo de compromisso.
temperatura
referncia
2h
t
ligado
desligado
t
Fig. 1.27 Controlo liga/desliga, da temperatura de uma sala.

1.7. Problemas resolvidos
Probl. 1.1
Classifique, no que respeita linearidade/no linearidade, os sistemas descritos pelas
seguintes equaes (tcontnuo, ndiscreto):
a) y (t ) + 0.1 y (t ) = 0.5 x 2 (t )
b) y (t ) + 0.1 y (t ) = 0.5 x (t 2)
c) y (t ) + t y (t ) = 0.5 x (t )
d) y (t ) = x ( )d
e) y (t ) + y (t ) = x (t )
f) y (t ) = 1 + x ( )d
g) y ( n ) + 0.2 y ( n 1) = x (n )
h) y (n + 1) + e j n y ( n ) = x ( n )
Resoluo:
Um sistema linear todo aquele que satisfaz o princpio da sobreposio:
x1 y1 , x2 y2 x = a1 x1 + a2 x2 y = a1 y1 + a2 y2
a) Representando o sistema de forma mais abreviada: y + 0.1 y = 0.5 x 2 .
Excitado por x1 origina y1 tal que y1 + 0.1 y1 = 0.5 x12 (1)
Excitado por x2 origina y2 tal que y 2 + 0.1 y2 = 0.5 x22 (2)
Multiplicando a eq.(1) por a1, a eq. (2) por a2 e somando obtm-se
y + 0.1 y = 0.5( a1 x12 + a2 x22 ) (3)
Pg. 37
No entanto o sistema excitado por a1 x1 + a2 x2 origina y tal que

y + 0.1 y = 0.5( a1 x1 + a2 x2 ) 2 = 0.5a12 x12 + 0.5a22 x22 + a1a2 x1 x2 . Mas esta quantidade
diferente da obtida em (3). Logo o sistema no linear.
Como critrio prtico no ser necessrio utilizar a definio para verificar se o sistema linear ou no: basta verificar, para que seja no linear, a existncia de potncias (diferentes de 1), produtos de variveis de entrada, de sada ou de estado, exponenciais, logaritmos, funes trigonomtricas, etc. Derivadas e integrais so lineares.
Adies de constantes originam no linearidades. Um tempo de atraso no implica
no linearidade. Utilizando este critrio, a presena do termo quadrtico
0.5x 2 indica a no linearidade do sistema.
b) y (t ) + 0.1 y (t ) = 0.5x(t 2) . Usando o critrio prtico que se acaba de expor, constata-se que apenas aparece um atraso. Logo o sistema linear.
c) y (t ) + t y (t ) = 0.5 x(t ) . O critrio exposto no refere o produto pela varivel tempo,
pelo que se vai utilizar a definio:
(a1 )
y1 + t y1 = 0.5 x1
(a2 )
y 2 + t y2 = 0.5 x2
( a1 y1 + a2 y 2 ) + t ( a1 y1 + a2 y2 ) = 0.5( a1 x1 + a2 x2 )
Logo, o sistema linear.
t
d) y (t ) = x ( )d . Pelo critrio prtico apresentado em a) o sistema linear.

0
e) y (t ) + y (t ) = x (t 2 ) . Pelo critrio prtico no h produtos de variveis de entrada, de

sada ou de estado. Mas a varivel tempo aparece ao quadrado. Para verificar sobre a
linearidade aplique-se a definio:
y1 (t ) + y1 (t ) = x1(t 2 ) (a1 )
2
y 2 (t ) + y2 (t ) = x2 (t ) (a2 )
[a1 y1 (t ) + a2 y 2 (t )] + [a1 y1 (t ) + a2 y2 (t )] = [a1 x1 (t 2 ) + a2 x2 (t 2 )]
Logo, o sistema linear.
t
f) y (t ) = 1 + x ( )d . Uma vez que h a adio de uma constante a uma varivel (ou

0
ao seu integral ou sua derivada), o sistema no linear.

g) y (n ) + 0.2 y ( n 1) = x(n ) . Trata-se de um sistema discreto. Apenas as variveis so
tomadas em instantes distintos (n, n-1). Logo o sistema linear.
h) y (n + 1) + e jn y ( n ) = x ( n ) . Este problema anlogo ao da alnea c), para o caso discreto. Deixa-se a cargo do leitor utilizar a definio para mostrar que o sistema
linear.
Pg. 38
Probl. 1.2
Considere um sistema mecnico constitudo por duas rodas dentadas iguais com 3,0
de folga. A roda motriz descreve um movimento alternado em rampa (sinal triangular)
com a frequncia de 0.125 Hz e a amplitude compreendida entre 30 e +30. Designe
por 1 a posio da roda motriz e por 2 a da roda accionada. Admita que no instante
inicial 1=0 e que a folga se encontra meio vencida.
a) Escreva as expresses analticas que representam, nos primeiros 6 segundos, a posio das duas rodas em funo do tempo.
b) Faa uma representao que mostre a caracterstica 2(1). Sobre os grficos represente os valores numricos correspondentes ao seu problema.
c) Qual o atraso, em graus, introduzido por este sistema, e qual a sua no linearidade?
Resoluo:
Desenhando as rodas dentadas e as variveis de posio 1 e 2 (figura seguinte)
P2
P1
R2
R1
1 = 1 (t ) , 2 = 2 (t ) , folga= Na figura as condies iniciais so 1 = 0 e 2 = 0 .

Supondo R1=R2 pode fazer-se a seguinte representao grfica:
2
+30
1
2
1.5
-30
T/4
Pg. 39
1
s =8s . amplitude de 30 corresponde T/4=2 s. Como cor0.125
responde a um deslocamento angular de 1,5 (ver figura), tem-se
1.5
=
= 0.1s .
T / 4 30
Clculo de : T =
a) Expresso analtica de 1(t) e de 2(t) nos primeiros 6 segundos = 3T/4 (ver figura):
0 t <T /4
tk
k (t T / 2) T / 4 t < 3T / 4
1 (t ) =
0 t < 2s
15t
Para t=T/4 1=30 k=15 /s e portanto 1 (t ) =
2 t < 6s
15(t 4)
A expresso analtica de 2(t) anloga de 1(t), com inclinaes semelhantes, apenas
preciso tomar em considerao os patamares. Observando a figura pode concluir-se:
0
15(t 1)
2(t) = 28.5
-15(t-4)
-28.5
0 t 0.1s
0.1 t 2s
2 t 2.2s
2.2 t 6s
6 t 6.2s
b) Caracterstica entrada-sada, 2(1)

2
30
28.5
-30
30
-28.5
c) Atraso e no linearidade
O atraso introduzido corresponde a metade da folga: =0.1 s
desvio
1.5
No linearidade: NL % =
100% =
100% = 2.5 %.
curso
60
Nota: o desvio o desvio da caracterstica em relao recta que melhor a aproxima,
que na figura se encontra representada a trao interrompido e passando pela origem.
Pg. 40
1.8. Problemas propostos
Probl. 1.3
A evoluo de uma populao descrita pelo seguinte modelo:
x (t ) = a (1 +
x (t )
) x (t )
c
em que a e c so constantes positivas.

a) Determine analiticamente x(t). Considere x(0) = x0 0.
b) Calcule o tempo de escape do sistema.
c) Com o auxlio do MatLab, fazendo a = 0.5, c = 0.5 e x0 = 0.5, obtenha a soluo da
equao dada para 0 < t < 10 s. Utilize a funo ode45. Faa um grfico da soluo
x(t) obtida em a) e compare com o resultado obtido.
Probl. 1.4
Considere a equao seguinte, que representa de uma forma muito simples a velocidade
de um veculo subaqutico.
mv + k v v = u
a) Obtenha a soluo, para u = 1 N, para velocidades positivas e negativas; v(0)=0.
b) Idem, para u = 10 N. Compare os resultados e comente.
Probl. 1.5
Considere um pndulo simples, ligado por meio de uma haste rgida, sem amortecimento.
a) Obtenha um modelo que o represente.
b) Determine os seus pontos de equilbrio, indicando qual a sua estabilidade.
c) Em que condies que o sistema pode ser considerado linear?
Probl. 1.6
Muitos dos sistemas fsicos no lineares podem ser descritos por uma equao diferencial de ordem n do tipo
d n y (t )
d n 1 y (t )

=
f
t
y
t
y
t
[
,
(
),
(
),...,
, u(t )]
dt n
dt n 1
onde y(t) e u(t) so a sada e a entrada do sistema (escalares).
a) Obtenha um modelo de estado para este modelo.
b) Indique como determinaria os pontos de equilbrio.
Sugesto: Utilize como variveis de estado xn(t)=y(n-1)(t)
Pg. 41
Probl. 1.7
Obtenha um modelo de estado para o sistema fsico no linear descrito pela equao
y ( n ) (t ) = f1[t , y (t ), y (t ),..., y ( n 1) (t ), u(t )] f 2 [t , y (t ), y (t ),..., y ( n 2) (t )]u (t )
onde y(t) e u(t) so a sada e a entrada do sistema (escalares).
Sugesto: Utilize como variveis de estado xn = y ( n 1) f 2 (t , y , y ,..., y ( n 2) )u
Probl. 1.8
Determine os pontos de equilbrio dos seguintes sistemas:
x1 = x2
x1 = x1 + x2
b)
a)
3
2
3
x2 = x1 + 0.2 x1 x2
x2 = 0.1x1 2 x2 0.8 x1 0.1x1
x1 = x2
c)
2
2
x2 = x1 + x2 (1 3x1 2 x2 )
2
2
x1 = ( x1 x2 )( x1 + x2 1)
d)
2
2
x2 = ( x1 + x2 )( x1 + x2 1)
x = y (1 x 2 y 2 )
e)
2
2
y = x (1 x y )
Probl. 1.9
Considere um reservatrio para gua controlado por um controlador liga/desliga com
histerese. O reservatrio tem um dimetro de 5 m e uma capacidade de 200 m3. O set-point do controlador de 80 % da altura mxima e a histerese de 10 cm. Os consumidores debitam uma mdia de 100 l/s e a alimentao do reservatrio, onde se encontra a vlvula de controlo, fornece um caudal de 200 l/s. Nestas condies faa uma
representao grfica, completada com valores numricos, em que se indique
a) A evoluo do nvel do tanque.
b) O caudal de alimentao e a respectiva abertura da vlvula.
Probl. 1.10
Considere o sistema discreto representado pela seguinte equao s diferenas:
x1 (n + 1) = x2 (n) + u (n)
x2 (n + 1) = 0.3x1 (n) + 0.6sen[ x2 (n)]
a) Obtenha uma representao entrada/sada do sistema, considerando y(n)=x2(n).

b) Atravs da definio, conclua sobre a linearidade do sistema.
Pg. 42
2. SISTEMAS DE 2 ORDEM
2.1. Introduo
Num sistema de 2 ordem o vector de estado contm apenas duas componentes. Se estes
sistemas forem autnomos e sem entradas exteriores, o estudo do vector de estado, que
residir num plano, o plano de estado, permite obter uma compreenso global, do comportamento do sistema.
Designem-se as duas componentes da varivel de estado por x1 e x2. De uma forma
geral x1 \ e x2 \ . Um sistema deste tipo que admita representao por meio de um
modelo de estado, ser descrito pelo sistema de equaes de estado escalares
x1 (t ) = f1[ x1 (t ), x2 (t )]
x2 (t ) = f 2 [ x1 (t ), x2 (t )]
com t \ + e f1 e f2 funes suaves de x1 e de x2

com as condies iniciais
x1 (0) = x10
x2 (0) = x20
(2.1)
(1)
. As equaes acima, juntamente

(2.2)
definem a evoluo do estado do sistema, ou seja, o seu comportamento.

Embora possa parecer que o estudo desta classe de sistemas pouco genrica, a sua
importncia advm de nela estarem representados os regimes livres dos sistemas de 2
ordem de uma varivel de entrada e uma varivel de sada, muito comuns na descrio
de sistemas fsicos.
Designa-se por rbita a trajectria de x(t) no espao das variveis de estado. Uma vez
que o sistema (2.1) utiliza uma varivel de estado com apenas duas componentes, que
por simplicidade so designadas por variveis de estado, a rbita
g ( x1 , x2 ) = 0
(2.3)
uma rbita plana. A sua representao existe e nica.

Ao conjunto de todas as rbitas (mesmo no caso em que h mais de duas variveis de
estado) d-se o nome de retrato de fase do sistema; ao espao onde as rbitas se encontram definidas chama-se espao de fases.
No caso dos sistemas em estudo, em que a rbita plana, o espao de fases designado
por plano de fases ou plano de estado.
Designa-se suave, toda a funo diferencivel at ordem que for necessria para os clculos. Se a
funo for diferencivel at ordem p designa-se por funo de classe Cp e se for indefinidamente
diferencivel designa-se por funo de classe C.
Pg. 43
2 - SISTEMAS DE 2 ORDEM
Em sistemas de ordem superior 2 no possvel efectuar uma representao grfica

de todo o retrato de fase; o que correntemente se faz representar as rbitas mais significativas, em nmero suficiente para se poder concluir, por simples observao, como
que qualquer outra rbita se comportar. A esta representao chama-se esboo do
retrato de fase. Para se efectuar o esboo do retrato de fase podem utilizar-se mtodos
analticos, mtodos grficos ou ento mtodos numricos, com o auxlio de um computador. Os mtodos que a seguir sero descritos aplicam-se tambm a sistemas com mais
de duas variveis de estado, embora a complexidade da representao grfica da resultante seja elevada. Tambm se aplicam a sistemas de 1 ordem, com uma entrada e uma
sada, ficando neste caso o retrato de fase reduzido a uma curva.
2.2. Anlise qualitativa dos sistemas lineares
Considere-se um sistema linear de 2 ordem, representado pelas equaes de estado
x1 (t ) = a1 x1 (t ) + b1 x2 (t )
x2 (t ) = a2 x1 (t ) + b2 x2 (t )
a)
(2.4)
b)
com t \ + e ai , b j \ e constantes. As equaes acima, juntamente com as condies
iniciais (2.2) definem o comportamento do sistema, ou seja a evoluo do seu estado.

Para facilitar a obteno da soluo deste sistema faa-se a transformao desta representao numa equao diferencial de 2 ordem. Derivando (2.4) a), substituindo no
resultado x2 dado por (2.4) ,b)reagrupando, dando novos nomes simplificados s constantes e fazendo x1(t) = x(t), obtm-se

x(t ) + bx + cx (t ) = 0
(2.5)
Para obter a soluo desta equao necessrio em primeiro lugar obter as solues da
equao caracterstica correspondente,
2 + b + c = 0
(2.6)
que so
b + b 2 4c
2
sendo a soluo de (2.5) dada por
1 =
b b 2 4c
2
(2.7)
x (t ) = k1e 1t + k2e 2t
se 1 2
(2.8)
x(t ) = k1e1t + k2 t e1t
se 1 = 2
(2.9)
2 =
ou por
Os valores das constantes k1 e k2 podem ser obtidos a partir das condies iniciais e das
equaes (2.8)/(2.9) e suas derivadas, fazendo nelas t = 0.
Chama-se a ateno para o facto de as razes do polinmio caracterstico serem os valores prprios da matriz A do sistema linear (2.4). Consoante os valores que 1 e 1 possam ter, assim a evoluo das solues. So de salientar os casos analisados a seguir.
Pg. 44
2.2.1. Valores prprios distintos (12)

2.2.1.1. N estvel e n instvel
Se 1 e 2 forem ambos reais e negativos, ou seja se estiverem localizados sobre o eixo

real no semi-plano complexo esquerdo, as solues convergem para a origem, que um
ponto de equilbrio estvel. A trajectria no espao de fases ( x, x ) a indicada na
Fig. 2.1. Diz-se que se trata de um n (ou nodo) estvel. Repare-se nas duas assimptota
v1 e v2. A sua inclinao depende da localizao de 1 e 2. Junto da origem as trajectrias aproximam-se da assimptota menos inclinada, enquanto que longe da origem se
tornam paralelas menos inclinada.
x
v1
v2
a) Localizao das razes do

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

Se 1 e 2 forem ambos reais e positivos, ou seja se estiverem localizados sobre o eixo
real no semi-plano complexo direito, as solues divergem da origem, que um ponto
de equilbrio instvel. A trajectria no espao de fases ( x, x ) a indicada na Fig. 2.2.
Diz-se que se trata de um n instvel.
x
v1
v2

Fig. 2.2 N instvel

2.2.1.2. Ponto de sela
Se 1 e 2 forem ambos reais e de sinais contrrios, as solues no espao de fases tm

o andamento indicado na Fig. 2.3, a que se chama ponto de sela. Repare-se que h
algumas solues que comeam por se aproximar da origem, mas que acabam por se
afastar. A origem um ponto de equilbrio instvel.
Pg. 45
x
j
v1
v2

Fig. 2.3 Ponto de sela

2.2.1.3. Foco estvel e foco instvel
Se 1 for complexo, 2 tambm complexo e conjugado de 1, como se pode observar

por (2.7), para o caso de b e c serem reais. As solues tm um andamento oscilatrio,
como se pode provar a partir de (2.8)/(2.9) fazendo = +j. Se a parte real de 1
(igual de 2) for negativa, as solues convergem para a origem, de uma forma oscilatria. A origem um ponto de equilbrio estvel, designado por n estvel ou foco estvel. A trajectria no espao de fases a indicada na Fig. 2.4.
x
Re(1)<0]

Fig. 2.4 Foco estvel

Se a parte real de 1 for positiva as solues divergem da origem de uma forma oscilatria. A trajectria no espao de fases indicada na Fig. 2.5. A origem um ponto de
equilbrio instvel, designado por n instvel ou foco instvel.
x
[Re(1)>0]

Fig. 2.5 Foco instvel

Pg. 46
2.2.1.4. Centro
Se 1 e 2 forem complexos conjugados com a parte real nula, as solues so oscilatrias, sem amortecimento ou expanso. As solues mantm a amplitude constante, no
convergindo para a origem nem se afastando delas como se observa pela rbita da Fig.
2.6. A origem um ponto de equilbrio criticamente estvel, designado por centro.
[Re(1)]=0
x

Fig. 2.6 Centro

2.2.1.5. Um dos valores prprios nulo
Se um dos valores prprios for nulo, as solues degeneram em rectas (Fig. 2.7).
x
x
x
a) 1= 0, 2 < 0
x
b) 1= 0, 2 > 0
Fig. 2.7 Um valor prprio nulo

2.2.2. Valores prprios iguais (1=2)
Quando os valores prprios so iguais eles so necessariamente reais. As solues

obtm-se a partir da equao (2.9). Podem surgir os casos a seguir indicados.
2.2.2.1. Valor prprio duplo diferente de zero
Se o valor prprio for negativo as trajectrias convergem para a origem. A forma das
trajectrias depende dos valores das constantes k1 e k2 em (2.9)b). Se for k1=0 e k20 as
rbitas so as representadas na Fig. 2.8a, para <0. Se se tiver k10 e k2=0 as trajectrias
no espao de fases so as da Fig. 2.8b, para <0. A origem estvel.
Pg. 47
<0
x
x
<0
a) k1= 0, k2 0
b) k1 0, k2 = 0
Fig. 2.8 Valor prprio duplo no nulo, negativo

Se o valor prprio for positivo as trajectrias divergem da origem. A forma das trajectrias continua a depender dos valores de k1 e k2 (Fig. 2.9). A origem instvel.
>0
x
x
>0
a) k1= 0, k2 0
b) k1 0, k2 = 0
Fig. 2.9 Valor prprio duplo no nulo, positivo

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

Pg. 48
2.3. Ciclos limite
Chamam-se ciclos limite s oscilaes que se podem estabelecer, com amplitude frequncia e forma bem definidas, sem que o sistema esteja sujeito a qualquer solicitao
externa. Estas oscilaes, auto-excitadas a partir do rudo ou de pequenas perturbaes,
so, como se disse na seco 1.3.8, uma caracterstica de alguns sistemas no lineares, e
nunca podem aparecer em sistemas lineares.
Num sistema de 2 ordem um ciclo limite define, no plano de estado, uma curva fechada que divide o plano de estado em duas regies: uma regio interior ao ciclo limite e
uma outra exterior ao ciclo limite.
2.3.1. Classificao dos ciclos limite
Consoante o comportamento das trajectrias que se iniciem prximo do ciclo limite,

assim a sua classificao. Podem ter-se ciclos limite estveis, instveis ou semi-estveis.
2.3.1.1. Ciclo limite estvel
Um ciclo limite estvel quando uma curva fechada para a qual tendem as diversas
trajectrias que se iniciam numa determinada regio (regio de atraco do ciclo limite). As trajectrias podem iniciar-se dentro ou fora do ciclo limite, ou ento sobre este,
como se indica na Fig. 2.11a). Repare-se na diferena entre ciclo limite e trajectria
fechada, por exemplo a trajectria da Fig. 2.6, correspondente a um sistema massa mola
sem amortecimento. Nesta ltima, a trajectria depende das condies iniciais: para
diversas condies iniciais assim se tero diferentes trajectrias. Com um ciclo limite
tal no acontece: quaisquer que sejam as condies iniciais as trajectrias iniciadas
numa determinada regio de atraco vo tender sempre para o mesmo ciclo limite.
2.3.1.2. Ciclo limite instvel
Um ciclo limite instvel quando qualquer trajectria que se inicie na sua vizinhana se
afasta dele ver Fig. 2.11b). Apenas as trajectrias que sobre ele se iniciam nele permanecem. No entanto, mesmo estas, devido existncia de rudo ou de pequenas perturbaes, acabam por descolar do ciclo limite e divergir dele.
2.3.1.3. Ciclo limite semi-estvel
Um ciclo limite semi-estvel quando qualquer trajectria que se inicie na sua vizinhana se comporta de modo diferente, como estvel ou como instvel, consoante se
inicie no interior ou no exterior do ciclo limite. No exemplo da Fig. 2.11c), as trajectrias que se iniciam no exterior do ciclo limite tendem para ele, e as que se iniciam no
seu interior divergem dele. Claro que devido existncia de rudo ou de pequenas perturbaes mais tarde ou mais cedo, no caso da Fig. 2.11c), uma trajectria que se inicie
no exterior de um ciclo limite deste tipo acaba por atravessar o ciclo para o seu interior e afastar-se dele. Um ciclo limite semi-estvel pode ser estvel interno ou estvel
externo.
Pg. 49
x2
trajectrias
convergentes
trajectrias
divergentes
x2
x1
ciclo
limite
a) Estvel
x2
convergente
divergente
x1
x1
ciclo
limite
ciclo
limite
b) Instvel
c) Semi-estvel
Fig. 2.11 Tipos de ciclos limite

2.3.2. Existncia de ciclos limite
Os teoremas que se seguem estabelecem as condies de existncia de ciclos limite, a

partir do conhecimento dos pontos de equilbrio e do seu tipo.
Seja o sistema no linear autnomo representado por (2.1), com as condies iniciais
(2.2). So vlidos os seguintes teoremas:
2.3.2.1. Teorema de Poincar (2)
Considerem-se os pontos de equilbrio do sistema numa determinada regio do espao de fases e designe-se por
N o nmero de ns, centros ou focos interiores a ,
S o nmero de pontos de sela.
condio necessria para a existncia de um ciclo limite que

N = S +1
(2.10)
A demonstrao pode ser encontrada em [3Isidori].

Como corolrio deste teorema tem-se se S = 0, N =1, ou seja, um ciclo limite envolve
necessariamente pelo menos um ponto de equilbrio.
2.3.2.2. Teorema de Poincar-Bendixon
Se uma trajectria do sistema no linear autnomo de 2 ordem, representado por (2.1)

permanecer no interior de uma regio do espao de estados, finita, ento verifica-se
um dos trs casos seguintes:
A trajectria tende para um ponto de equilbrio estvel,
A trajectria tende para um ciclo limite estvel,
A trajectria um ciclo limite.
2
Henri Poincar, Matemtico francs, 1854-1912
Pg. 50
2.3.2.3. Teorema de Bendixon
Seja o sistema no linear autnomo de 2 ordem, representado por (2.1). Represente-se

o sistema na forma vectorial, mais compacta,
x(t) = f [x(t)]
(2.11)
O teorema de Bendixon afirma o seguinte: condio necessria para a existncia de

um ciclo limite, numa regio do plano de fase, que
div f .f
(2.12)
no amortea e que mude de sinal. (a definio de div f est na subseco seguinte)

Demonstrao: Para qualquer trajectria do sistema tem-se
f 2 dx1 f1dx2 = 0
(2.13)
Nestas condies, integrando (2.13) ao longo de uma curva fechada L que coincida com
o ciclo limite dever ser
(2.14)
( f1dx2 f 2dx1 ) = 0
L
Mas pelo teorema de Stokes , representando por S a rea delimitada pelo ciclo limite,
f
f
(2.15)
L ( f1dx2 f 2dx1 ) = S ( x11 + x22 )dx1dx2
(Considere-se, para o efeito F = ( f 2 , f1 , 0) e calcule-se F.ds e rotF ). Para que o integral de superfcie seja nulo necessrio que o integrando, se for diferente de zero e no
amortecido mude de sinal. (O integrando div f). Se o integrando for amortecendo a
trajectria tende para o ponto de equilbrio zero e no haver ciclo limite, a oscilao
amortecida. Se o integrando for nulo, nem sequer h oscilao.
2.3.2.4. Nota sobre alguns operadores vectoriais
Um campo vectorial f(x) representado por um vector coluna de comprimento n e

componentes f1(x), f2(x), , fn(x), em que x representa a varivel de estado (vector
coluna).
Considere-se o vector simblico , designado por del ou nabla:

(2.16)
=
,
,"
xn
x1 x2
Define-se gradiente de uma funo escalar h(x),
h ( x ) h ( x )
h ( x )
grad h ( x ) h ( x )
, ...,
=
x
xn
x1
(2.17)
O gradiente define-se para um campo escalar e um campo covectorial (vector linha).

Define-se divergncia de um campo vectorial g(x), por
f1 ( x ) f 2 ( x )
f ( x )
+
+"+ n
x1
x2
xn
A divergncia define-se para um campo vectorial e um campo escalar.
div f (x ) f (x ) =
(2.18)
Pg. 51
2.4. Obteno da trajectria

2.4.1. Mtodos analticos
Os mtodos analticos so utilizados para a obteno das trajectrias no plano de fases

quando a soluo analtica da equao de estado relativamente fcil de obter. A essncia do mtodo consiste em obter a soluo explcita do sistema (2.1) em funo do tempo,
x1 = x1 (t )
(2.19)
x 2 = x2 ( t )
e em seguida eliminar a varivel t entre as equaes obtidas, ficando-se com uma relao do tipo (2.3).
Exemplo 2.1 Sistema linear massa-mola
Seja um sistema mecnico constitudo por uma massa ligada a uma mola, como indicado na Fig. 2.12. Este sistema um caso particular daquele que apresentado adiante no
Cap.7; aqui a mola linear e no h atrito.
O corpo pode deslocar-se apenas segundo a direco x. Com o sistema em repouso o
corpo encontra-se na posio x=0 e a resultante das foras que sobre ela actuam nula.
A fora exterior que sobre ele actua, resultante da deformao da mola, tem o valor
f = kx
(2.20)
Desloque-se o bloco para a posio x0 e a seguir liberte-se o mesmo. Este tender a voltar para a posio inicial.
x0
Mola
Massa
| | | | | | | | | |
-2 -1 0 1 2
Fig. 2.12 Sistema massa-mola

De acordo com a 2 lei de Newton a massa ficar sujeita a uma acelerao x tal que
f = mx
(2.21)
mx + kx = 0
(2.22)
x(t ) = x0 cos(0t )
(2.23)
Combinando (2.20) com (2.21) obtm-se

que admite como soluo
Pg. 52
k
m
0 =
com
(2.24)
Tomando para variveis de estado x e x tem-se

x (t ) = x00 sen( 0t )
(2.25)
Eliminando t entre (2.23) e (2.25) obtm-se

x2 +
x 2
02
= x02
(2.26)
que a equao de uma elipse. A Fig. 2.13 representa estas elipses para diversos valores
de x0 para m = 1 kg e k = 10 N/m, ou seja, representa o retrato de fase.
x
0.1
0.2 0.3
0.4 x0=0.5
Fig. 2.13 Trajectrias no espao de fases sistema massa/mola

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

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

x1 = x e x2 = x pode escrever-se
x1 = x2
(2.28)
2

x
=
x
2
2
com x1(0) = 0 e x2(0) = C. A partir de (2.28) obtm-se
dx1
1
=
dx2
x2
que integrada conduz a
x2 = Ce x1
(2.29)
(2.30)
e que se encontra representada na Fig. 2.14 para diversos valores de C. Repare-se na

convergncia exponencial para zero quando C > 0 e na divergncia exponencial quando
C < 0.
Pg. 53
x2
C>0,
-1
-2
-3
-1
C<0,
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
x1
Fig. 2.14 Trajectrias no espao de fases

Exemplo 2.3 Controlo de um satlite.
Neste modelo, muito simplista, pretende-se controlar a posio angular de um satlite,

obrigando-o a rodar em torno de um eixo por meio de um par de propulsores, como
indicado na Fig. 2.15.
antena
u
Fig. 2.15 Esquema do satlite
Os propulsores podem fornecer um binrio u de amplitude U constante, que pode ser
positivo ou negativo, consoante o sentido dos jactos. O objectivo do controlo manter a
antena num determinado ngulo de referncia R, atravs de uma manipulao conveniente dos propulsores. O satlite pode ser considerado como um corpo rgido que se
move em torno do seu centro de massas. Designando por J o momento de inrcia do
satlite em torno do seu centro de gravidade, a posio angular da antena e por u o
binrio propulsor, as equaes do movimento permitem escrever
J = u
(2.31)
O binrio dos propulsores depende do erro por meio da expresso

U
u (t ) =
+U
Pg. 54
>0
<0
(2.32)
Na Fig. 2.16, a seguir, encontra-se representada a cadeia de controlo para este satlite.
satlite
jactos
r =0
+U
1/ J
s
u
-U
1
s
Fig. 2.16 Controlo do satlite
Para a construo do esboo do retrato de fase consideram-se separadamente os casos

em que o erro positivo e negativo.
Erro negativo: Neste caso o binrio propulsor positivo e toma o valor +U.
A expresso (2.31) escreve-se
J = U
(2.33)
que admite como soluo no plano de fase ( , )

J 2 = 2U + C
(2.34)
onde C uma constante que depende das condies iniciais.

A equao (2.34) representa um conjunto de parbolas com o foco sobre o eixo e
concavidade voltada para a direita, como se indica na Fig. 2.17, semiplano esquerdo.
trajectrias
parablicas
linha de
comutao
u= +U
u= U
Fig. 2.17 Retrato de fase do satlite
Pg. 55
Erro positivo: De um modo anlogo ao anterior obtm-se

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

x + f ( x, x ) = 0
(2.36)
Para represent-los no espao de estados efectuam-se as substituies
x1 = x
x2 = x1
(2.37)
x1 = x2
x2 = f ( x1 , x2 )
(2.38)
ficando-se com a equao de estado
Foi o estudo deste tipo de sistemas que contribuiu para o desenvolvimento da representao no plano de fase.
2.4.2. Mtodos grficos
Os mtodos grficos tiveram um grande desenvolvimento quando no se dispunha de

meios eficazes para obter a soluo da equao de estado de um sistema. Entende-se por
meios eficazes os que actualmente se utilizam, baseados em mtodos numricos, disponveis para computador, e que permitem a obteno da soluo da equao de estado
para um sistema de ordem n.
Os mtodos grficos permitem apenas e de uma forma simples a obteno do esboo do
retrato de fase aproximado de sistemas com uma equao de estado com dimenso n=2,
mas mais genricas do que (2.38), do tipo
x1 = f1 ( x1 , x2 )
x2 = f 2 ( x1 , x2 )
(2.39)
Os mtodos grficos dispensam a resoluo analtica da equao acima. De entre os

diversos mtodos grficos tm uma certa importncia o mtodo das isoclnicas e o
mtodo delta. Estudar-se- apenas o primeiro.
O sistema (2.39) pode escrever-se na forma
Pg. 56
dx2 f 2 ( x1 , x2 )
=
dx1
f1 ( x1 , x2 )
(2.40)
O primeiro membro de (2.40) representa a inclinao da trajectria no plano (x1, x2).

D-se o nome de isoclnica ao conjunto de pontos do plano (x1, x2) tais que
dx1/dx2 = = constante. A isoclnica pois constituda pelo conjunto de pontos com
igual declive . Traando as isoclnicas correspondentes a diversos valores de obtmse o campo de direces das tangentes s trajectrias, o que permite determinar, de um
modo aproximado, as prprias trajectrias. O mtodo pode ser mais bem compreendido
por meio de um exemplo.
Exemplo 2.4 Sistema de 2 ordem com amortecimento.
Considere-se um sistema linear de 2 ordem descrito pela equao:

x + 2 x + 2 x = 0
(2.41)
Efectuando as mudanas de varivel x1 = x e x2 = x obtm-se o modelo de estado

x1 = x2
2
x2 = 2 x2 x1
a)
(2.42)
b)
a) obtm-se:
b) por (2.42)a
Dividindo (2.42)b
dx2
x
= 2 2 1
dx1
x2
e fazendo
(2.43)
dx2
= (isoclnica ), obtm-se a equao de uma recta, no plano (x1, x2).
dx1
x2 =
2
x1
2 +
(2.44)
Particularizando para os valores de = 1 e = 0.5 vem,

x2 =
1
x1
1+
(2.45)
equao (2.45) correspondem, para diversos valores de , as isoclnicas que se representam na Fig. 2.18. Para a obteno das trajectrias procede-se do seguinte modo:
1. Parte-se do valor (x1, x2) correspondente s condies iniciais x1(0) e x2(0). No
exemplo da figura admite-se x1(0) = 0, e x2(0) = 1, a que corresponde o ponto A.
2. A inclinao da trajectria dada pela mdia aritmtica das inclinaes associadas s isoclnicas vizinhas. Assim, a inclinao do troo de trajectria situado
entre as isoclnicas = 1 e = 1.2 aproximadamente ( 1 1.2) / 2 = 1.1 .
O ponto B determinado pela interseco da recta que parte de A com inclinao
1.1, com a isoclnica = 1.2 . O segmento AB constitui assim um troo aproximado da trajectria.
Pg. 57
3. De um modo anlogo ao anterior se obtm os troos BC e seguintes, obtendo-se a

curva A B C D E ... O.
Este mtodo de construo pode levar acumulao de erros, nomeadamente no caso de
sistemas no lineares em que as trajectrias tenham inclinaes que podem variar muito
rapidamente.
O mtodo das isoclnicas de utilizao fcil sempre que as isoclnicas so rectas.
Quando tal no acontece poder ser mais conveniente a utilizao de um outro mtodo
grfico, o mtodo delta, que permite obter as trajectrias por meio da sequncia de arcos
circulares cujos centros se situam ao longo do eixo dos x.
x2
= -1 -1.2
-1.4
-1.6
-1.8
= -2
D
E
-2.5
-3
-4
-6
- 11
9
4
2
x1
1
0.5
= -1
= 0
- 0.2
- 0.4
Fig. 2.18 Traado da trajectria pelo mtodo das isoclnicas
Pg. 58
Probl. 2.1
Considere o sistema massa-mola-amortecedor, descrito pela equao diferencial

mx + bx + kx = 0
em que m representa a massa do corpo, b o coeficiente de amortecimento, k a constante
da mola e x a posio da massa.
a) Obtenha um modelo de estado para o sistema.
b) Determine os seus pontos de equilbrio.
c) No caso em que no h amortecimento determine analiticamente a trajectria descrita pelas variveis de estado, partindo das condies iniciais x0=0.2 m e x0 = 0 m/s.
d) Faa a representao da trajectria sobre o plano de fase. Existe alguma diferena
entre esta trajectria e um ciclo limite?
e) Para um sistema no linear com pontos de equilbrio semelhantes aos obtidos, conclua sobre a existncia de um ciclo limite, com o auxlio dos teoremas de Poincar e
de Bendixon.
Resoluo:
a) mx + bx + kx = 0 . Efectuando as mudanas de varivel x1 = x e x2 = x obtm-se a
equao de estado
x1 = x2
k
b
x2 = m x1 m x2
x
O modelo de estado ficaria completo com a equao de sada y = C T 1 (even x2
tualmente y=x1) e com as condies iniciais x(0)=x0, que de momento no so dadas.
x2 = 0
x = 0
x1 = 0
k
1
b) Pontos de equilbrio:
b
x2 = 0
x2 = 0
m x1 m x2 = 0
Este resultado era de esperar, pois tratando-se de um sistema linear o nico ponto de
equilbrio a origem do espao de estados.
c) No havendo amortecimento b=0, ficando a equao diferencial do sistema reduzida a
mx + kx = 0 . A equao caracterstica 2 + k / m = 0 , que admite como solues
= j k / m . Uma vez que m e k so positivos, h dois plos sobre o eixo imaginrio. Uma vez que os plos so distintos a soluo x(t) dada por (2.8):
x(t ) = k1e 1t + k2e 2t = k1e j

Note-se que
k /mt
+ k2e j
k /mt
k / m tem as dimenses do inverso do tempo. Fazendo
k / m = 0 e
atendendo frmula de Euler, e = cos j sen , resulta

x(t ) = ( k1 + k2 ) cos(0t ) + j (k1 k2 )sen( 0t ) .
j
Pg. 59
As constantes k1 e k2 obtm-se a partir das condies iniciais. Como estas fazem

intervir x(0) e x (0) , derive-se x(t):
x (t ) = 0 ( k1 + k2 )sen( 0t ) + j 0 ( k1 k2 ) cos(0t ) . Para t=0 ser
x (0) = ( k1 + k2 ) e x (0) = j0 ( k1 k2 ) . Para as condies iniciais dadas fica
k1 + k2 = 0.2 e j0 ( k1 k2 ) = 0 k1=k2=0.1 . Finalmente fica
x (t ) = 0.2 cos( 0t )
x (t ) = 0.2 0 sen( 0t )
Eliminando t entre estas duas equaes obtm-se a equao da trajectria:
x 2
2
x + 2 = (0.2) 2
d) A trajectria obtida representa uma elipse, de eixos 0.2 e 0.20. Repare-se que os
eixos da elipse dependem das condies iniciais. Nas figuras representa-se a evoluo do estado e o plano de fase.
x
x
0.2
x0
-0.2
evoluo do estado
trajectria sobre o plano de fase
Existe uma grande diferena entre esta trajectria e um ciclo limite. Embora esta trajectria seja fechada e se repita sobre ela prpria, o seu tamanho depende das condies iniciais, enquanto que num ciclo limite a forma deste independente das condies iniciais: de onde quer que se parta, dentro da bacia de atraco, -se conduzido
sempre ao mesmo ciclo limite, com a mesma forma e dimenses.
e) H apenas um ponto de equilbrio, que um centro. De acordo com o exposto atrs
em 2.3.2 ser N=1 e S=0. Pelo teorema de Poincar est satisfeita a condio necessria para a existncia de um ciclo limite (N=S+1). Poder pois haver ciclo limite,
mas no quer dizer que haja. A condio necessria mas no suficiente.
Para aplicar o teorema de Bendixon escreva-se o modelo de estado na forma matricial e calcule-se div f:
x
f1 2
x1 f1
x = f f = k x
2
2 2
1
m
Pg. 60

divf =
x1
k
f
f
x
f1
= 1+ 2 = 2+
( x1 ) = 0 + 0 = 0
x2 f 2
x1 x2
x1 x2 m
A condio necessria para que haja ciclo limite que div f no amortea e mude de
sinal. Neste caso, ao ser nula, no muda de sinal nem amortece. Logo, no pode
haver ciclo limite.
Probl. 2.2
Considere o sistema descrito pela equao de Van der Pol
v (1 v 2 )v + kv = 0
em que e k so constantes reais, positivas (v a tenso de sada do sistema).
b) Determine os seus pontos de equilbrio.
c) Com o auxlio dos teoremas de Poincar e de Bendixon conclua sobre a existncia de
ciclos limite.
d) Com o auxlio de um PC obtenha a trajectria para as condies iniciais v = 0 , v = 0 ,
num oscilador com = 1.0 e k = 1.0.
Resoluo:
a) Efectuando as mudanas de varivel x1 = v e x2
x1 = x2
, ou, na forma matricial,
2
x2 = (1 x1 ) x2 kx1
= v obtm-se a equao de estado

x2
x1
=
x (1 x 2 ) x kx
2
1
2
1
x2 = 0
x = 0
x1 = 0
b) Pontos de equilbrio: 1

2
x2 = 0
x2 = 0
(1 x1 ) x2 kx1 = 0
Para caracterizar o ponto de equilbrio obtido vai ver-se como o sistema linearizado
obtido a partir deste.
f1 f1
x x
x
x
1
2
Sistema linearizado: 1 = A 1 , com A =

f
f
x
x
2
2
2
2
x x
2 x=x
1
e
Clculo de A:
x2
x2
x1
x2
A=
2
2
x [ (1 x1 ) x2 kx1 ] x [ (1 x1 ) x2 kx1 ] {xx12==00
2
1
0
1
0 1
=
=
2
2 x1 x2 k (1 x1 ) {xx12==00 k
Pg. 61
Esta matriz admite como valores prprios 1,2 =
2 4k
que no so do tipo
2
ponto de sela. De acordo com o exposto atrs em 2.3.2 ser N=1 e S=0. Pelo teorema
de Poincar est satisfeita a condio necessria para a existncia de um ciclo limite,
(N=S+1). Poder pois haver ciclo limite.
f
f x
Calcule-se div f: div f = 1 + 2 = 2 +
[ (1 x12 ) x2 kx1 ] = (1 x12 )
x1 x2 x1 x2
Esta quantidade muda de sinal e no amortecida, logo, pelo teorema de Bendixon,
pode haver um ciclo limite.
Probl. 2.3
Considere o sistema autnomo, em regime livre
x1 = sen x1
3
x2 = x2
a) Determine os pontos de equilbrio e caracterize-os.
b) Trace de forma aproximada, usando o mtodo das isoclnicas, o seu retrato de fase.
Probl. 2.4
Utilizando o mtodo das isoclnicas esboce o retrato de fase dos sistemas descritos por
a) x + x +0.5 x = 0
b) x + x +0.5 x = 1
Confirme os resultados obtidos utilizando o computador.
Probl. 2.5
Utilizando o mtodo das isoclnicas obtenha o esboo do retrato de fase do movimento
do pndulo gravtico sem atrito, a que corresponde a equao diferencial + sen = 0.
Nota: Repare que as isoclnicas so funes sinusoidais.
Probl. 2.6
Considere o sistema linear representado por

x + x + 0,1875 x = 0
a) Mostre que o ponto de equilbrio um n estvel.
b) Determine a inclinao das assimptotas mencionadas na Fig.2.1.
Pg. 62
3. FUNDAMENTOS DA TEORIA DE LYAPUNOV
3.2. Introduo
Quando se projecta ou se estuda um sistema de controlo, um dos pontos importantes que
necessrio ter em conta a sua estabilidade. De uma forma geral deve-se garantir que
o sistema seja estvel. Com efeito, um sistema instvel alm de ser difcil de controlar
potencialmente perigoso, se a energia a ele associado for elevada. Um sistema instvel
pode por exemplo conduzir ao voo descontrolado de um avio (e sua eventual queda),
ou ao rebentamento de um reactor qumico.
O problema da estabilidade apareceu desde cedo na histria do controlo automtico com
o regulador automtico de Watt(1), sistema mecnico baseado no pndulo cnico, destinado a estabilizar a velocidade da mquina a vapor. Este dispositivo constitui um sistema de controlo no linear.
O primeiro trabalho terico sobre a estabilidade de sistemas de controlo no lineares foi
publicado por Lyapunov em 1892 na sua tese de doutoramento, com o ttulo The General Problem of Motion Stability. Nele determinado o comportamento de sistemas no
lineares com o auxlio de uma funo escalar com caractersticas semelhantes energia
associada ao sistema, que hoje se designa por funo de Lyapunov.
O trabalho de Lyapunov foi traduzido para Francs em 1908, e foi reimpresso apenas
em 1947, pela Universidade de Princeton. S nos anos 60 que este trabalho atraiu a
ateno da comunidade cientfica, tendo a partir da sido completado e desenvolvido.
Neste captulo sero introduzidos conceitos que no tm correspondncia nos sistemas
lineares referentes aos pontos de equilbrio e estabilidade, so apresentados o mtodo da
linearizao de Lyapunov, muitas vezes designado por 1 mtodo, e o mtodo directo de
Lyapunov, conhecido tambm como 2 mtodo.
3.3. Pontos de equilbrio e estabilidade
3.3.1. Sistemas autnomos em regime livre
Viu-se no captulo 1, seces 1.5.1 e 1.5.2, que um sistema no linear, contnuo ou discreto, pode ser representado por um sistema de equaes vectoriais, designado por
modelo de estado do sistema. Para um sistema contnuo determinstico o modelo de
estado escreve-se
James Watt, Mecnico Escocs, 1736-1819.

Pg.63
3 - FUNDAMENTOS DA TEORIA DE LYAPUNOV
x(t ) = f [x(t ), u(t ), t ]
y (t ) = h(x (t ), u(t ), t ]
x(0) = x
0
a)
(3.1)b)
c)
em que x Dx n , u Du p , y D y q e t + . Para um sistema discreto as

equaes tm uma escrita semelhante.
Estudar-se- a estabilidade de sistemas no submetidos a excitaes exteriores u, ou
seja, em regime livre, e em cadeia fechada, em que existe uma lei de realimentao de
estado,
u = ( x )
(3.2)
Uma vez que o estado de um sistema define o seu comportamento, vai de momento
concentrar-se a ateno para a descrio do estado do sistema efectuada pela equao de
estado (3.1)a), sujeito s condies iniciais (3.1)c). Considerando sistemas em cadeia
fechada, com a realimentao de estado (3.2), pode escrever-se:
a)
x(t ) = f [x (t ), t ]
(3.3)
b)
x(0) = x 0
O sistema descrito por (3.3)a) no autnomo se a funo f depender explicitamente

do tempo. Se a funo no depender explicitamente do tempo, o sistema diz-se autnomo. Um sistema autnomo no tem entradas aplicadas e invariante no tempo.
Exemplo 3-1
Dado o sistema autnomo descrito pela equao de estado

x1 = x2
3
x2 = (b / m ) x2 ( k1 / m ) x1 ( k3 / m ) x1 + u
(3.4)
sujeito lei de realimentao
u = (k3 / m ) x13
(3.5)
obtenha a equao de estado do sistema em cadeia fechada.

Resoluo:
A substituio da lei de controlo (3.5) na equao de estado (3.5) conduz ao sistema
x1 = x2
x2 = (b / m ) x2 ( k1 / m ) x1
(3.6)
interessante notar que o sistema (3.6), a que se chegou, linear.

Um sistema autnomo pois descrito pela equao de estado
x(t ) = f [x(t )]
Pg. 64
(3.7)
e pelas condies iniciais (3.3)b). Repare-se que um sistema em cadeia fechada em que
a lei de controlo (3.2) varia com o tempo, como acontece no caso do controlo adaptativo, conduz a uma equao de estado com dependncia explcita do tempo, ou seja, conduz a um sistema no autnomo.
Exemplo 3-2
Indicar se autnomo o sistema representado por x + 0.1x + x 5 = 6sen t .

Resoluo:
Na equao diferencial aparece u(t ) = 6sen t . O sistema encontra-se excitado por uma
entrada independente do seu estado, logo no autnomo.
Exemplo 3-3
Indicar se autnomo o sistema m x + (0.2sen t x 2 1) x + k x = 0 .
Resoluo:
Apesar de no se encontrar excitado, o sistema no autnomo, uma vez que variante
no tempo.
3.3.2. Pontos de equilbrio de sistemas autnomos
Considere-se o sistema autnomo descrito por (3.7). Se as condies iniciais x(0) forem
tais que a trajectria x(t) permanea sempre igual a si mesma (e consequentemente a
x0), diz-se que x0 um estado de equilbrio ou ponto de equilbrio. Designar-se-o neste texto, os pontos de equilbrio por xe. Trata-se de vectores com a dimenso igual
ordem do sistema. Como se ver, um sistema pode ter um, vrios ou infinitos pontos de
equilbrio.
Analiticamente pode definir-se ponto de equilbrio por
x e ponto de equilbrio t > 0, x (t ) x e
(3.8)
A determinao dos pontos de equilbrio faz-se utilizando directamente o modelo de

estado. Com efeito, se x(t) xe ento x (t ) = 0 , pelo que os pontos de equilbrio se
obtm resolvendo o sistema:
f [x (t )] = 0
(3.9)
ou, como x(t) no evolui, x(t)=xe,
f (x e ) = 0
(3.10)
Se se tratar de um sistema autnomo linear tem-se,
x (t ) = Ax(t )
(3.11)
Os pontos de equilbrio so obtidos resolvendo o sistema de equaes:
Ax e = 0
(3.12)
Pg. 65
Se a matriz A for regular, a nica soluo de (3.12) a origem do espao de estados,

xe = 0. Um sistema com a matriz A regular designa-se por sistema linear simples.
Se a matriz A for singular, o sistema (3.12) admite um nmero infinito de solues, que
constituem um hiperplano que passa pela origem.
Seja xe um ponto de equilbrio do sistema (3.7), e efectue-se a mudana de variveis de
estado
z = x xe
(3.13)
Obtm-se uma nova descrio do sistema, na nova varivel de estado z,
z = f (z + xe )
(3.14)
varivel x corresponde a nova varivel z e a correspondncia biunvoca. Alm disso, ze = 0 o ponto de equilbrio correspondente a x = xe. Portanto, o estudo do comportamento do sistema (3.7) na vizinhana de xe poder ser facilitado analisando o comportamento de (3.14) na vizinhana da origem (z=0). Se o sistema (3.7) possuir mais do
que um ponto de equilbrio, e se se pretender estudar o seu comportamento na vizinhana de cada ponto de equilbrio utilizando o procedimento que acaba de ser exposto,
haver que efectuar tantas mudanas de varivel quantos os pontos de equilbrio que se
desejam estudar.
3.3.3. Estabilidade de pontos de equilbrio
Devido ao facto de os sistemas no lineares terem um comportamento muito mais rico e

complexo do que os sistemas lineares, tornou-se necessrio detalhar os conceitos de
estabilidade.
Considerar-se- de momento a estabilidade de trajectrias na vizinhana de pontos de
equilbrio de sistemas autnomos descritos pela equao (3.7), vulgarmente designada
por estabilidade dos pontos de equilbrio ou dos estados de equilbrio. Considerando a
possibilidade de efectuar a mudana de varivel (3.13), o assunto exposto no perde
generalidade se for estudada a estabilidade em torno da origem.
3.3.3.1. Estabilidade nsLy
O estado de equilbrio xe=0 diz-se estvel no sentido de Lyapunov (nsLy) se, para qualquer R > 0 existir r(R) > 0 tal que se ||x(0)|| < r ento ||x(t)|| < R, para todo o t > 0.
O estado de equilbrio diz-se instvel, caso contrrio. Analiticamente pode escrever-se:
x e = 0 estvel nsLy (R > 0, r ( R ) > 0 x (0) < r x(t ) < R, t
(3.15)
A definio afirma que num sistema estvel nsLy, se for desejado que uma trajectria
no saia fora de uma bola de raio R (qualquer que este seja), ento a trajectria dever
ser iniciada dentro de outra bola, cujo raio r < R, depender de R.
Na Fig. 3.1. representa-se a evoluo da norma do estado de um sistema estvel nsLy.
Pg. 66
||x(t)||
R
||x(t)||
r
||x(0)||
||xe||=0
0
Fig. 3.1 Sistema estvel nsLy.

Repare-se que o valor de R qualquer, R+.
Se for desejado que ||x(t)|| permanea inferior a R, a trajectria dever iniciar-se com
||x(0)|| < r. Da figura observa-se que dever ser r < R, pois caso contrrio haveria um
intervalo de tempo em que ||x(t)|| R.
O oscilador de Van der Pol, j apresentado a propsito dos ciclos limite, instvel
nsLy. Com efeito qualquer trajectria iniciada no interior do ciclo limite (excluda a origem), conduz o sistema a oscilar com uma amplitude bem definida, no havendo possibilidade de iniciar o sistema num estado tal que a amplitude permanea inferior a um
valor desejado, R, qualquer que este seja.
A Fig. 3.2 caracteriza, no espao de estados, instabilidade do oscilador de Van der Pol:
se for escolhida a circunferncia de raio R indicado, interior ao ciclo limite, a trajectria
evolui para fora dessa circunferncia, e portanto o sistema instvel.
trajectrias
x2
ciclo limite
R
x1
Fig. 3.2 Instabilidade do oscilador de Van der Pol.
Pg. 67
3.3.3.2. Estabilidade assimpttica
O estado de equilbrio xe = 0 diz-se assimptoticamente estvel nsLy se for estvel nsLy

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

Um ponto de equilbrio diz-se marginalmente estvel nsLy se for estvel mas no for
assimptoticamente estvel.
Chama-se a ateno para o facto de haver sistemas que podem no ser estveis nsLy e
convergirem para zero. Um exemplo apresentado por Vinograde descreve trajectrias
que quando iniciadas dentro da circunferncia de raio 1 comeam por sair sempre para
fora da circunferncia e s depois que convergem para a origem.
Os conceitos de estabilidade que se acabam de apresentar so aplicveis a qualquer ponto de equilbrio de um sistema, no necessariamente a origem. Nestas condies, se
houver mais do que um ponto de equilbrio estvel o sistema ter as correspondentes
bacias de atraco. Designa-se por separatriz a linha, superfcie ou hipersuperfcie que
separa as bacias de atraco.
separatriz
2 bacia de
atraco
1 bacia de
atraco
Fig. 3.4 Bacias de atraco e separatriz.

Pg. 68
3.3.3.3. Estabilidade exponencial
O estado de equilbrio xe=0 diz-se exponencialmente estvel se existirem dois nmeros

reais 1 e > 0 tais que dentro de uma bola Br com centro na origem
|| x(t ) || || x(0) || e t
t > 0,
(3.16)
Ao parmetro chama-se razo de convergncia da exponencial, ou decaimento.

O estado de um sistema exponencialmente estvel converge para a origem de uma forma igual ou mais rpida que a exponencial, como se exemplifica na Fig. 3.5.
||x(t)||
||x(0)||
decaimento
x(0)
||x(t)||
||xe||=0
0
Fig. 3.5 Sistema exponencialmente estvel.

3.3.4. Estabilidade local e global
Os conceitos sobre estabilidade que se acabaram de apresentar, referem-se estabilidade na vizinhana de um determinado ponto de equilbrio. A estabilidade assim definida
designa-se por estabilidade local. No entanto, se o estado inicial se encontrar longe do
ponto de equilbrio, o seu comportamento poder ser diverso.
Por este motivo importante saber como que um sistema se comporta, quando o seu
estado inicial se encontra afastado de determinado ponto de equilbrio. Surge assim o
conceito de estabilidade global.
Um estado de equilbrio diz-se globalmente estvel se for estvel, qualquer que seja o
valor inicial do seu estado.
Um estado de equilbrio diz-se globalmente assimptoticamente estvel se for assimptoticamente estvel, qualquer que seja o valor do seu estado inicial. De um modo semelhante se define estado de equilbrio globalmente exponencialmente estvel.
Exemplo 3-4
Determine o tipo de estabilidade do seguinte sistema:
x (t ) = [1 + sen 2 x (t )]x (t )
Resoluo:
O sistema de 1 ordem e admite como ponto de equilbrio x=0.
Nem sempre necessrio determinar analiticamente a soluo x(t) para saber o comportamento do sistema. Este exemplo pode resolver-se de uma forma bastante simples.
Pg. 69
Com efeito, do sistema dado, e atendendo a que o seno uma funo limitada, pode
dx
escrever-se x(t ) x(t ) Separando as variveis fica
dt . Esta equao pode ser
x
integrada membro a membro entre os instantes 0 e t, a que correspondem os estados x0
x(t )
e x(t), resultando ln
t , ou ainda x(t ) x0 e t , pelo que o sistema exponencialx0
mente estvel.
A definio de sistema globalmente assimptoticamente estvel implica o seguinte:

Um sistema global e assimptoticamente estvel apenas pode ter um ponto de equilbrio.
3.4. Estabilidade pela linearizao

Nesta seco ser estudada a estabilidade de um sistema no linear utilizando o mtodo
da linearizao de Lyapunov(2). Este mtodo utiliza o conceito de sistema linearizado e
serve-se do formalismo dos sistemas lineares para analisar a estabilidade de determinado tipo de sistemas no lineares. Em ltima anlise o mtodo justifica a atitude que se
toma na prtica de utilizar as tcnicas do controlo linear para cada um dos pontos de
funcionamento do sistema.
3.4.1. Sistema linearizado
Considere-se o sistema autnomo
x = f (x)
(3.17)
Admita-se que a funo f de classe C1, ou seja, diferencivel uma vez. Nestas condies o sistema (3.17) pode escrever-se
f
x = x + fos (x )
x xe =0
(3.18)
f
onde representa o primeiro termo do desenvolvimento de f(x) em srie de Taylor
x
e fos(x) representa os restantes termos de ordem superior. Uma vez que o desenvolvimento em srie feito em torno do ponto de equilbrio xe= 0, a expresso (3.18) no tem
termo constante.
f
Repare-se que representa a matriz Jacobiana de f, que se representar por A,
x
Este mtodo, vulgarmente designado por 1 mtodo de Lyapunov, devido a Poincar.
Pg. 70
f1
x
1
f
f

A = = i = ...
x x j
f n
x
1
f1
xn
...
f n
...
xn
...
(3.19)
Nestas condies, o sistema (3.18) pode escrever-se
x = Ax + fos ( x )
(3.20)
Se em (3.20) se ignorarem os termos de ordem superior, fos(x), fica apenas,
x = Ax
(3.21)
Ao sistema (3.21) d-se o nome aproximao linear de (3.7), ou sistema linearizado.

Repare-se que para obter os termos fos(x) no necessrio calcular derivadas de f(x) de
ordem superior 1 (nem tal condio exigida para obter a linearizao); basta calcular o sistema linearizado e subtrai-lo do sistema original:
fos ( x ) = f (x ) Ax
(3.22)
Note-se que a linearizao pode ser aplicada a sistemas excitados com entrada u, invariantes no tempo,
x(t ) = f [x(t ), u(t )]
(3.23)
resultando do desenvolvimento
f
x = x+
x xue==00
ou ainda
f
x =0 u + fos (x, u)
u ue=0
x = Ax + Bu + fos ( x, u)
(3.24)
(3.25)
sendo a linearizao do sistema dada por

x = Ax + Bu
(3.26)
com
f
A=
x xue==00
(3.27)
f
B=
u xue==00
(3.28)
Um mtodo expedito para obter o sistema linearizado a partir de (3.7), consiste simplesmente em desprezar os termos que convergem para zero com uma ordem superior a
1, substituir cos x por 1, sen x por x, etc.
Pg. 71
Exemplo 3-5
Obter a linearizao dos sistemas a seguir indicados, calculando a matriz Jacobiana e

utilizando o mtodo expedito.
x1 = x1 + x22
a)
x 2 = x2
O ponto de equilbrio deste sistema x1 = 0 e x2 = 0 .
Neste sistema tem-se f1 ( x1 , x2 ) = x1 + x22 e f 2 ( x1 , x2 ) = x2 , sendo a matriz Jacobiana

f1 f1
x x
1 2 x2
1 0
2
A= 1
=
=
f 2 f 2
0 1 x1 =0, x2 =0 0 1
x x
2 x1 = 0, x2 = 0
1
O sistema linearizado pois dado por
x1 1 0 x1
x = 0 1 x
2
2
Para obter este mesmo sistema por um mtodo expedito poderia simplesmente desprezar-se o termo de 2 ordem, na primeira equao, x22 .
b)
x1 = x1 sen x2
x2 = x2 sen x1
Considerar-se- apenas o ponto de equilbrio x1 = 0 e x2 = 0 , em torno do qual se far a

linearizao. Tem-se f1 ( x1 , x2 ) = x1 sen x2 e f 2 ( x1 , x2 ) = x2 sen x1 , sendo a matriz
Jacobiana
f1 f1
x x
cos x2
1
1 1
2
A= 1
=
=
1 x =0, x =0 1 1
f 2 f 2
cos x1
1
2
x x
2 x1 = 0, x2 = 0
1
O sistema linearizado assim
x1 1 1 x1
x = 1 1 x
2
2
Para obter este mesmo sistema pelo mtodo expedito poderia simplesmente substituir-se
sen x1 por x1 e sen x2 por x2.
Pg. 72
x1 = sen x1 + x22
2
x2 = x1 0.5sen x2 + u
c)
f
f
De acordo com (3.26) ser x = Ax + Bu , com A =
e B= .
x
=
0
x ue=0
u xue==00
2
sen x1 + x2 = 0
Os pontos de equilbrio do sistema autnomo so obtidos por 2
, que
x1 0.5sen x2 = 0
admite como soluo 3 pontos de equilbrio, entre os quais se encontra a origem do
espao de estados. Para este ponto ser:
f1
x
A= 1
f 2
x
1
f1
x2
2 x2
cos x1
1 0
=
=
0.5cos x2 x =0, x =0;u =0 0 0.5

f 2
2 x1
1
2
x2 x =0, x =0;u =0
1
Note-se que o sistema apenas tem uma entrada (escalar), pelo que fica
f1
u
0
0
=
=
B=
1 x1 =0, x2 =0;u =0 1
f 2
u x1 =0, x2 =0;u =0
0 x1 0
x 1
O sistema linearizado em torno da origem ser pois 1 =
+ u
x2 0 0.5 x2 1
3.4.2. Mtodo de Lyapunov da linearizao
Considere-se um sistema linear simples, autnomo,
x(t ) = Ax(t )
(3.29)
Tratando-se de um sistema simples a matriz A regular e portanto o nico ponto de

equilbrio do sistema a origem do espao de estados, xe = 0. Como o sistema linear a
estabilidade sempre global; o seu tipo independente das condies iniciais, e portanto independente da distncia entre o ponto de partida em t=0 e o ponto de equilbrio.
Sabe-se, da teoria dos sistemas lineares, e utilizando a linguagem introduzida atrs, que,
em relao estabilidade, um sistema linear contnuo apenas pode ser:
Exponencialmente estvel: matriz A com todos os valores prprios no semi-plano

complexo s, esquerdo,
Marginalmente estvel: matriz A com os plos no semi-plano complexo s esquerdo
e com pelo menos um valor prprio sobre o eixo j.
Instvel: matriz A com pelo menos um valor prprio no semi-plano complexo s
direito. Neste caso a soluo ||x(t)|| tende para quando t.
Pg. 73
O mtodo da linearizao de Lyapunov parte da anlise da matriz A do sistema linearizado para concluir sobre a estabilidade do sistema no linear, e afirma o seguinte:
Se o sistema linearizado for (exponencialmente) estvel, o correspondente

sistema no linear assimptoticamente estvel.
Se o sistema linearizado for instvel, o correspondente sistema no linear
instvel.
Se o sistema linearizado for marginalmente estvel nada se pode concluir
sobre o sistema no linear correspondente.
A demonstrao deste teorema ser feita adiante, com base no mtodo directo de Lyapunov.
Note-se que se o valor do estado estiver prximo do equilbrio (por hiptese xe= 0), o
sistema linearizado representa com bastante aproximao o sistema no linear de partida. No entanto, se o sistema linearizado for marginalmente estvel de esperar que os
termos de ordem superior desempenhem um papel decisivo no comportamento do sistema no linear correspondente.
O mtodo da linearizao sofre de uma limitao, quando o sistema linearizado marginalmente estvel. H no entanto forma de levantar a indeterminao e obter a estabilidade do sistema no linear associado, utilizando o teorema da variedade central (center manifold theorem). Este teorema permite estudar a estabilidade do sistema no
linear de ordem n a partir do estudo de um sistema menos complexo, de ordem n-p, em
que p o nmero de valores prprios com parte real nula, da matriz A do sistema linearizado (ver Khalil, 2 ed. pgs. 167-169)
Exemplo 3-6
Utilizando o mtodo da linearizao concluir sobre a estabilidade dos sistemas descritos
pelos seguintes modelos:
a) x = x 3 sen x
b) x = (1 x )3 1
c) x + 2 x 2 = a x, a
d) ML + B + MgL sen = 0 (pndulo de massa M, comprimento do brao L e factor de amortecimento B)
Resoluo:
a) O nico ponto de equilbrio deste sistema a origem. Utilizando o mtodo expedito
pode obter-se o sistema linearizado em torno da origem, x = x . Tem-se pois A= 1.
O valor prprio desta matriz, 1, encontra-se no semi-plano complexo s esquerdo. O
sistema linearizado exponencialmente estvel e consequentemente o sistema original assimptoticamente estvel.
b) Este sistema pode ser simplificado, obtendo-se x = 3x + 3x 2 x 3 . O nico ponto de
equilbrio x=0. O sistema linearizado ser pois x = 3x . O plo encontra-se no
Pg. 74
semi-plano complexo s esquerdo, e tem o valor 3. O sistema linearizado exponencialmente estvel e portanto o sistema original assimptoticamente estvel.
x1 = x2
c) Efectuando as mudanas de varivel x = x1 e x = x2 vem
2
x2 = ax1 2 x2
Os pontos de equilbrio so x1 = 0 e x2 = 0 . O sistema linearizado ser
x1 = x2
, ou seja,
x2 = ax1
x1 0 1 x1
x = a 0 x , ou ainda,
2
2
x1
x1
0 1
x = A x , com A = a 0
2
2
1
= 0,
Os valores prprios de A obtm-se resolvendo a equao A I = 0 :
a
2 a = 0 , = a . H a distinguir dois casos:
1. a > 0 . Neste caso h um plo do sistema linearizado no semi-plano complexo s
direito. O sistema linearizado instvel e consequentemente o sistema original tambm instvel.
2. a 0 . Neste caso h um par de plos sobre o eixo imaginrio. O sistema linearizado
marginalmente estvel, nada se podendo concluir sobre o sistema original.
x = x2
B
com b =
> 0.
d) Fazendo = x1 e = x2 pode escrever-se 1
ML
x2 = g sen x1 bx2
x = 0
x = k , k = 0, 1, 2,
Pontos de equilbrio: 2
, ou, 1
.
g sen x1 bx2 = 0
x2 = 0
H agora a distinguir dois casos distintos, ao linearizar:

x = x2
. Nestes casos o sistema linearizado ser 1
.
x2 = gx1 bx2
1
0
1
, sendo os valores prprios 1,2 = ( b b2 4 g ) .
A matriz A ser
2
g b
Estes valores prprios esto localizados no semi-plano complexo s esquerdo. O sistema linearizado exponencialmente estvel e portanto o sistema original assimptoticamente estvel (nos pontos de equilbrio indicados).
x = x2
.
2. k = 1, 3, . Nestes casos o sistema linearizado ser 1
x2 = gx1 bx2
0 1
1
, sendo os valores prprios 1,2 = ( b b2 + 4 g ) . Estes
A matriz A ser
2
g b
valores prprios esto localizados um no semi-plano complexo s esquerdo e o outro
no semi-plano direito. O sistema linearizado instvel e portanto o sistema original
tambm instvel. Note-se que estes pontos de equilbrio correspondem s posies
em que a massa do pndulo se encontra no topo.
1. k = 0, 2, 4,
Pg. 75
3.5. Mtodo Directo de Lyapunov

3.5.1. Motivao
O mtodo directo de Lyapunov, correntemente designado por 2 mtodo de Lyapunov,

permite efectuar a anlise da estabilidade de um sistema atravs de uma funo escalar
do estado, designada por funo de Lyapunov.
A funo de Lyapunov pode ser encarada como uma extenso matemtica do conceito
de energia do sistema. Um sistema, quer seja mecnico, elctrico ou de outro tipo, tem
habitualmente dissipao ou amplificao de energia. Sempre que a dissipao seja
superior amplificao a energia do sistema ir caindo e as variveis do sistema (amplitudes de oscilao, velocidades, tenses elctricas, correntes, etc.) tero tendncia a evoluir para zero. Estudando a energia associada ao sistema, ou outra grandeza mais conveniente, ser possvel avaliar o seu comportamento, em particular a sua estabilidade.
A amplificao de energia s existe em sistemas com componentes activos, em que
existe uma transferncia de energia contnua para um tipo de energia alternado ou oscilante. Nos circuitos de electrnica o fornecimento de energia contnua feito pela fonte
de alimentao. Numa ponte que entra em oscilao, a energia pode ser originada pela
componente contnua do vento, ou por qualquer outra fora permanente.
Tome-se como exemplo o sistema em regime livre, constitudo por uma massa sujeita
aco de uma mola no linear, com amortecimento proporcional ao quadrado da velocidade. Ser uma extenso do modelo representado pela equao (2.22).
mx + b x x + k1 x + k3 x 3 = 0
(3.30)
Notando que k1 x + k3 x 3 a fora de restituio da mola, a energia potencial associada a

esta fora, quando a mola se encontra na posio x, dada por
x
V p ( x ) = ( k1 x + k3 x 3 )dx =
0
1 2 1
k1 x + k3 x 4
2
4
(3.31)
A energia cintica do sistema dada por
Vc ( x ) =
1 2
mx
2
(3.32)
pelo que a energia mecnica total do sistema ser
V (x) =
1 2 1
1
k1 x + k3 x 4 + mx 2
2
4
2
Observando a funo V(x), conclui-se que:
V(x) positiva quando x 0 (x 0 e x 0)

V(x) nula quando x = 0
Pg. 76
(3.33)
Calcule-se agora a evoluo de V(x) com o tempo:
V ( x ) = k1 xx + k3 x 3 x + mxx = (k1 x + k3 x 3 + mx ) x
(3.34)
Notando que a quantidade entre parntesis, pela equao (3.30) igual a b x x , vem:
V ( x ) = b x x 2 = b x
(3.35)
Uma vez que se trata de um sistema com amortecimento (b>0), a expresso (3.35) mostra que, independentemente do estado inicial, a funo V (x ) sempre negativa, isto , a
energia total do sistema vai diminuindo, at atingir o valor zero, quando x = 0 .
Os conceitos contidos neste exemplo constituem a base do mtodo directo de Lyapunov.
3.5.2. Funes positivas definidas
Uma funo escalar, contnua e unvoca, de um vector, diz-se localmente positiva definida se dentro de uma bola de raio R0 for:
>0
V (x )
=0
x0
x=0
(3.36)
A funo V(x) diz-se globalmente positiva definida se (3.36) for vlida para todo o
espao de estados.
Tomando o exemplo do sistema atrs representado em (3.30) e considerando a sua energia total V(x) dada por (3.33), conclui-se imediatamente que V(x) globalmente definida positiva. Na Fig. 3.6 encontra-se representada geometricamente uma funo positiva
definida.
V(x)
x2
V3
V3
V1
V2
V3>V2>V1
V1
0
x1
a) Representao 3D
x2
V2
x1
V1<V2<V3
b) Curvas de nvel
Fig. 3.6 Representao geomtrica de uma funo positiva definida.
Repare-se que a definio de funo positiva definida exige que V(0) = 0. Isto implica
que o seu nico mnimo a origem (estado nulo). Note-se ainda, que na representao
por meio de curvas de nvel estas no se intersectam, uma vez que a funo V(x) unvoca.
Pg. 77
Uma funo V(x) diz-se negativa definida (local ou globalmente) se a sua simtrica
V(x) for positiva definida.
Uma funo escalar, contnua e unvoca, diz-se positiva semidefinida (local ou globalmente) se:
0 x0
(3.37)
V (x )
=0 x=0
A funo diz-se negativa semidefinida se V(x) for positiva semidefinida.
Uma funo escalar, contnua V(x) diz-se localmente indefinida se, dentro de uma bola
de raio R0 qualquer, em torno da origem tomar valores positivos e negativos.
Exemplo 3-7
Classificar, no que respeita s definies atrs apresentadas, as seguintes funes V(x)

associadas aos sistemas indicados:
a) + 2 + sen = 0
b) x = x 3 sen x
c) x = x 3 sen x
V ( x ) = 1 cos + 2
1
V (x) = 2 x 2 + x 2
2
1
V (x) = 2 x 2 x 2
4
( x1 = , x2 = )
Resoluo:
a) Efectuando as mudanas de varivel = x1 e = x2 obtm-se o modelo de estado
x1 = x2
x2 = sen x1 2 x2
Os pontos de equilbrio obtm-se resolvendo o sistema de equaes
x2 = 0
sen x1 2 x2 = 0
obtendo-se x1 = k , k
e x2 = 0 .
Analise-se o que se passa no ponto de equilbrio x=0. A funo V(x) constituda

pela soma de 1 cos , que maior ou igual a zero (igual apenas para = 0 ou mltiplo de 2), e de 2 , que maior ou igual a zero, sendo zero nos pontos de equilbrio. Nestas condies, na vizinhana da origem V(x) satisfaz definio (3.36) pelo
que localmente positiva definida.
b) O ponto de equilbrio do sistema x=0. A funo V(x) constituda pela soma de
dois termos maiores ou iguais a zero. V(x) satisfaz definio (3.36), pelo que globalmente positiva definida.
c) O sistema igual ao anterior. A funo V(x) pode agora tomar valores positivos ou
negativos para x0. V(x) pois localmente indefinida.
Pg. 78
3.5.3. Funo de Lyapunov
Dentro de uma bola centrada na origem e de raio R, uma funo V(x) diz-se funo de
Lyapunov se e s se:
V(x) for positiva definida,
V (x) for negativa semidefinida.
Para uma funo de Lyapunov tem-se pois:
V ( x ) > 0,
V ( x ) 0,
x0
V (0) = 0
x0
V (0) = 0
(3.38)
Na Fig. 3.7 faz-se a representao geomtrica de uma funo de Lyapunov.

A condio V (x ) 0 implica que a trajectria do sistema no se deve afastar da origem.
x2
V3
x2
V(t)
V1
0
x(t)
x0
x1
V2
x(t)
x1
x0
V1<V2<V3
a) Representao 3D
b) Curvas de nvel
Fig. 3.7 Representao geomtrica de uma funo de Lyapunov.

Exemplo 3-8
Indicar quais das funes abaixo so funo de Lyapunov dos respectivos sistemas, para
a origem:
a) x = x
V (x) = x 2 + x 2
x1 = x2 x13
b)
3
x2 = x1 x2
V ( x ) = x12 + x22
x = x2 sen x1
c) 1
x2 = x1 sen x2
V (x) =
1 2
( x1 + x22 )
2
Resoluo:
a) A funo V(x) positiva definida. Analise-se a derivada: V ( x ) = 2 xx + 2 xx = 2( x + x ) x .
A partir do sistema obtm-se x = x , pelo que V ( x ) = 2( x x ) x = 2( x + x )( x ) = 4 x 2
que negativa definida. Logo, V(x) uma funo de Lyapunov do sistema dado.
Pg. 79
b) O nico ponto de equilbrio a origem. A funo V(x) positiva definida. A sua

derivada V ( x ) = 2 x1 x1 + 2 x2 x2 . Substituindo x1 e x2 dados pelo sistema obtm-se
V ( x ) = 2 x1 ( x2 x13 ) + 2 x2 ( x1 x23 ) = 2( x14 + x24 ) que negativa definida. Logo,
V(x) uma funo de Lyapunov do sistema dado.
c) O nico ponto de equilbrio a origem. A funo V(x) positiva definida. A sua
derivada V ( x ) = x1 x1 + x2 x2 . Substituindo x1 e x2 dados pelo sistema obtm-se
V ( x ) = x1 ( x2 sen x1 ) + x2 ( x1 sen x2 ) = x1 sen x1 x2 sen x2 que pode ser positiva
ou negativa. V(x) no uma funo de Lyapunov do sistema dado. Restringindo x1 e
x2 ao intervalo (-, ) j V (x) nd. Nesta regio V(x) funo de Lyapunov do sistema dado.
3.5.4. Teorema de Lyapunov (estabilidade local)
Considere-se o sistema autnomo seguinte, e um ponto de equilbrio xe=0.

x (t ) = f [x (t )]
(3.39)
Se numa bola de raio R com centro em xe=0 existir uma funo escalar V(x), contnua,
com 1 derivada contnua, tal que:
V(x) localmente positiva definida,
V (x ) localmente negativa semidefinida,
ento o ponto de equilbrio xe=0 localmente estvel.
Se alm disto V (x ) for localmente negativa definida, o ponto de equilbrio assimptoticamente estvel.
Para demonstrar este teorema preciso provar que dado um nmero real positivo, R,
existe um outro nmero real tambm positivo r < R, tal que qualquer trajectria com
incio no interior da bola de raio r permanece no interior da bola de raio R [definio
dada pela expresso (3.15)].
Seja m o valor mnimo de V sobre uma superfcie de raio R (mnimo de V sobre a curva
de interseco de V(x) com a esfera de raio R). Considere-se uma superfcie esfrica de
raio r < R tal que a sua interseco com V(x) seja menor que m. Considere-se uma trajectria iniciada sobre esta esfera. Uma vez que por ser uma funo de Lyapunov V(x)
no pode crescer, ser sempre V(x) m, ou seja, V(x) ficar sempre no interior da esfera de raio R. Logo a trajectria estvel.
Se V(x) for estritamente decrescente, as trajectrias ficaro contidas no interior da bola
com raio cada vez menor, o que significa que o sistema assimptoticamente estvel.
Repare-se que a existncia de uma funo de Lyapunov condio suficiente para a
estabilidade do sistema, mas no condio necessria: um sistema poder ser estvel e
no se conhecer nenhuma funo de Lyapunov associada.
Pg. 80
3.5.5. Teorema de Lyapunov (estabilidade global)
O teorema de Lyapunov apresentado na seco anterior refere-se estabilidade local.

possvel efectuar a sua extenso para a anlise de estabilidade assimpttica global.
Considere-se o sistema autnomo (3.39), e uma funo V(x) escalar, contnua, com 1
derivada contnua, tal que
V (x) positiva definida,
V (x ) negativa definida,
V (x) quando ||x|| .
Ento, o ponto de equilbrio na origem global e assimptoticamente estvel.
A ltima condio diz que a funo V(x) deve ser radialmente ilimitada. Do ponto de
vista geomtrico, isto quer dizer que as curvas de nvel de V(x) devem ser fechadas. Se
tal no acontecer, como acontece no exemplo da Fig. 3.8, pode acontecer que o estado
evolua de um ponto x(0) para um valor infinito, com diminuio contnua de V(x).
x2
x(t)
x1
V3
V1
V2
V1>V2>V3
Fig. 3.8 Caso em que o sistema no globalmente estvel.
Um sistema pode admitir mais do que uma funo de Lyapunov. Algumas delas podero dar mais informao sobre a estabilidade do sistema do que outras.
Exemplo 3-9
Concluir sobre a estabilidade dos sistemas seguintes, em torno da origem, dos quais se
conhece uma funo de Lyapunov, candidata, V(x):
V (x ) = x 2 + x 2
a) x = x x 3
x22
x1 = x
1
b)
x = x2
2
(1 + x12 ) 2
V (x ) =
x12
+ x22
2
1 + x1
Pg. 81
Resoluo:
a) A funo V(x) positiva definida. Analise-se a sua derivada: V (x ) = 2 xx + 2 xx . A
partir do sistema dado obtm-se x = x 3x 2 x . Substituindo x em V (x ) conclui-se
que V (x ) < 0 . A funo V(x) radialmente limitada. Esto pois satisfeitas todas as
condies da seco 3.5.4 e anterior: Logo o sistema localmente estvel na origem.
b) A funo V(x) positiva definida mas no radialmente ilimitada. Com efeito, para
cada valor de x2, V (x) no tende para quando x1 . Analise-se a sua derivada.
2 x 3 x + 2 x2 (1 + x12 ) 2 x2
V (x) = 1 1
. Substituindo em V (x ) os valores de x1 e de x2 e
(1 + x12 ) 2
4 x22
, que negativa semidefinida.
(1 + x12 ) 2
Portanto o sistema dado localmente assimptoticamente estvel na origem, mas no
simplificando, obtm-se V (x) =
globalmente assimptoticamente estvel.

3.5.6. Teorema de Lyapunov (instabilidade)
Considere-se o sistema autnomo (3.39) e um ponto de equilbrio x = 0 .

Se dentro de uma bola de raio R com centro em x = 0 existir uma funo escalar W(x)
tal que:
W (x) positiva definida, contnua, com primeiras derivadas parciais contnuas
W ( x ) positiva definida
ento a resposta do sistema tende para infinito quando t .
A demonstrao deixada ao cuidado do leitor.
3.6. Funo de Lyapunov de sistemas lineares
3.6.1. Formas quadrticas e matrizes positivas definidas
Dado o vector x = [x1 , x2 , , xn ]T , de componentes reais, designa-se por forma quadrtica

o escalar V(x) definido pelo polinmio
n
V (x ) = pi j xi x j
(3.40)
i =1 j =1
em que os coeficientes pij so reais.

A expresso (3.40) pode ser escrita sob a forma matricial
V (x ) = x T Px =< x, Px >
Pg. 82
(3.41)
Uma vez que qualquer matriz pode ser decomposta na soma de duas matrizes, uma
simtrica e outra anti-simtrica, e que a forma quadrtica associada a uma matriz anti-simtrica nula, pode considerar-se que em (3.41) a matriz P simtrica.
Uma matriz P diz-se positiva definida (pd) se a forma quadrtica que lhe est associada
for positiva definida, ou seja:
x 0 x T Px > 0
(3.42)
A condio xT P x = 0 para x=0, que aparece em (3.36), naturalmente satisfeita.
Uma vez que xTPx o produto interno de xT e de Px, a interpretao geomtrica de
definio de forma quadrtica pd a seguinte: O vector x e a sua imagem Px devem
fazer um ngulo que esteja no intervalo (-/2, /2).
condio necessria para uma matriz ser pd que os elementos da sua diagonal principal sejam estritamente positivos (pi i > 0).
condio necessria e suficiente para que uma matriz seja pd que os seus menores
principais sejam estritamente positivos, ou seja:
1 = | p11 |> 0, 2 =
p11
p12
p21
p22
p11 ...
> 0,
, n = ...
pn1 ...
p1n
... > 0
pnn
(3.43)
Esta ltima condio equivalente seguinte:

c.n.s. para que uma matriz seja pd, que os seus valores prprios sejam
positivos (os valores prprios so reais porque P suposta simtrica).
Uma matriz pd pode ser decomposta em:
P = UT U
(3.44)
em que U a matriz unitria de vectores prprios de P, e uma matriz diagonal contendo os valores prprios de P. Designando por min e max o menor e o maior valor
prprio de P, tem-se a partir de (3.44),
min ||x||2 x T Px max ||x||2
(3.45)
De uma forma anloga se define uma forma quadrtica (e respectiva matriz)

positiva semidefinida ( psd),
negativa definida (nd),
negativa semidefinida (nsd).
Os conceitos at aqui apresentados consideram sistemas invariantes no tempo, isto , em
que os elementos das matrizes no dependem do tempo.
Pg. 83
3.6.2. Funo de Lyapunov para SLIT
Considere-se o sistema autnomo linear:
x = Ax
(3.46)
e uma funo candidata a funo de Lyapunov dada pela forma quadrtica

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

(3.46) vem
(3.48)
V (x ) = x T Px + x T Px = x T Qx
com
Q = A T P + PA
(3.49)
A equao (3.49) tem o nome de equao de Lyapunov.
Para que a trajectria do sistema (3.46) seja estvel a matriz Q dever ser pd. Se tal no
acontecer nada se pode concluir sobre a estabilidade do sistema. Para evitar que tal possa acontecer, em vez de escolher P pd e analisar Q, procede-se de uma forma inversa:
Escolhe-se uma matriz Q positiva definida, resolve-se a equao de Lyapunov de modo
a obter P e verifica-se se P pd. Se isto acontecer, o sistema assimptoticamente estvel (globalmente, por se tratar de um sistema linear). Caso no acontea o sistema instvel. O teorema que se segue resume o que acaba de se afirmar.
Teorema
c.n.s. para que o SLIT autnomo x = Ax seja estritamente(3)
estvel que para qualquer matriz pd, Q, a nica soluo da equao de Lyapunov (3.49) seja simtrica e pd.
Para detalhes consultar a Ref. [1] da bibliografia Slotine, J.J.E./Li, Weiping.
3.7. Funo de Lyapunov de sistemas no lineares
O problema que se pe em relao ao mtodo directo de Lyapunov consiste em ter um

mtodo sistemtico de obter uma funo de Lyapunov. Os mtodos existentes baseiam-se em formalismos de ordem exclusivamente matemtica ou em consideraes de
carcter fsico.
3.7.1. Mtodos analticos
Uma maneira simples de obter uma funo candidata a funo de Lyapunov a que
decorre do seguinte teorema:
No inclui a estabilidade marginal
Pg. 84
3.7.1.1. Teorema de Krasovskii
Seja o sistema autnomo
x = f (x )
(3.50)
com f(x) suave, tendo como ponto de equilbrio de interesse a origem do espao de
estados. Seja A(x) o Jacobiano do sistema:
f
(3.51)
A(x) =
x
Se numa regio em torno do ponto de equilbrio a matriz
F( x ) = A ( x ) + A T ( x )
(3.52)
for negativa definida, o ponto de equilbrio assimptoticamente estvel. Uma funo de

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

Demonstrao
A matriz F(x) nd (por hiptese), o que implica que A(x) regular. Com efeito, se A(x)
fosse singular, existiria um vector x10 tal que A(x)x1=0, ou ainda, x1TAT(x)x1=0. Mas
pela condio (3.52) tem-se 2x1TA(x)x1= x1TF(x)x1, que dever ser 0, o que contradiz a
hiptese de F(x) ser nd. Logo, A(x) regular. Sendo A(x) regular invertvel, o que
implica que F(x) tambm invertvel, na regio em torno da origem, e portanto
F(x)0 para x0.
Considere-se agora a funo (3.53), V (x ) = f T ( x ). f ( x ) ; uma vez que f(x)0 para x0,
V(x) definida positiva. Calcule-se V ( x ) . Uma vez que f (x ) = A ( x )f (x ) [multiplicando
f dx
=f ]
ambos os membros de (3.51) por dx/dt resulta Ax =
x dt
V ( x ) = f T Af + f T A T f = f T Ff
(3.55)
Como F negativa definida, ento V (x ) tambm negativa definida. Portanto, pela

aplicao do mtodo directo de Lyapunov a origem um ponto de equilbrio assimptoticamente estvel.
Esta condio resulta directamente da aplicao do mtodo directo de Lyapunov para a
estabilidade global.
Exemplo 3-10
Obter uma funo de Lyapunov para o sistema autnomo
Pg. 85
x1 = 6 x1 + 2 x2
3
x2 = 2 x1 6 x2 2 x2
(3.56)
Tem-se
f1 f1
2
f
6 x1 + 2 x2 x1 x2 6
=
A(x ) =
=
=
3
2
x x 2 x1 6 x2 2 x2 f 2 f 2 2 6 6 x2
x x
2
1
4
12
F( x ) = A ( x ) + A T ( x ) =
2
4 12 12x2
F(x) negativa definida se F(x) for positiva definida:
1 menor principal de F(x): |F11| = |12| = 12 > 0.
12
4
2
2
= 144 + 144 x2 16 = 144 x2 + 128 > 0
2 menor principal de F(x):
2
4 12 + 12 x2
Logo F(x) nd e portanto uma funo de Lyapunov candidata
V(x) = f T(x) f(x) = (6x1+2x2)2 + (2x16x22x23)2.
Como V(x) quando ||x|| , a origem globalmente estvel.
3.7.1.2. Teorema de Krasovskii generalizado
Considere-se o sistema (3.50) anterior, x = f (x ) .

condio suficiente para que a origem seja assimptoticamente estvel, que existam
duas matrizes pd simtricas P e Q, tais que para todo o x0 a matriz
F( x ) = A T P + PA + Q
(3.57)
seja negativa semidefinida numa vizinhana da origem. Uma funo de Lyapunov

para o sistema
V (x ) = f T (x ) P f (x)
(3.58)
Se a regio for todo o espao de estados e alm disso ||x|| V(x), ento o
sistema globalmente estvel.
A demonstrao deste teorema anloga do teorema anterior e deixa-se ao cuidado do
leitor.
3.7.1.3. Mtodo do gradiente varivel
O mtodo do gradiente varivel uma outra forma de se obter uma funo de Lyapunov
associada a um sistema. Parte-se da relao integral
x
V ( x ) = V ( ).d
0
em que V(x) o gradiente de V(x), dado por

Pg. 86
(3.59)
V
V
,...,
V (x ) =
xn
x1
(3.60)
Atendendo a que o rotacional do gradiente identicamente nulo, impe-se a condio

adicional
Vi V j
(3.61)
=
x j
xi
No mtodo do gradiente assume-se para o gradiente uma forma linear no estado:
n
Vi = aij x j
(3.62)
j =1
Concretizando, neste mtodo os passos a dar so os seguintes:

1.
2.
3.
4.
5.
Construir V(x) como combinao linear do estado,

Impor a V(x) a condio do rotacional nulo, dada por (3.61),
Impor aos coeficientes a condio de V (x ) ser negativa semidefinida,
Obter V(x) por integrao de V(x), usando a relao (3.59),
Verificar se V(x) positiva definida.
Exemplo 3-11
Utilizando o mtodo do gradiente obter uma funo de Lyapunov para o sistema

x1 = 2 x1
2
x2 = 2 x2 + 2 x1 x2
(3.63)
Seguindo os passos anteriores tem-se

1.
V1 (x ) = a11 x1 + a12 x2
V2 ( x ) = a21 x1 + a22 x2
(3.64)
2.
V1 V2
a
a
=
a12 + x2 12 = a21 + x1 21
x2
x1
x2
x1
(3.65)
a11 = 1, a22 = 1, a12 = 0, a21 = 0 ,
(3.66)
3. Escolhendo
(valores que satisfazem a condio acima), vem V1 ( x ) = x1 e V2 (x ) = x2

4.
x1
x2
x1
x2
V ( x ) = V1dx1 + V2 dx2 = x1dx1 + x2 dx2 =

0
1 2
( x1 + x22 )
2
(3.67)
5. V(x) pd, logo, a origem assimptoticamente estvel.

Uma vez que ||x|| V(x), a origem assimptoticamente estvel.
Pg. 87
3.7.2. Mtodos baseados em conceitos fsicos
Por vezes utiliza-se o conhecimento que se tem sobre a fsica do processo para a obteno da funo de Lyapunov associada a um determinado sistema. Esta anda de um
modo geral associada ao conceito de energia (potencial, cintica, elctrica, magntica) e
ao facto de que normalmente a sua soma (potencial+cintica, para sistemas mecnicos
ou elctrica+magntica para sistemas elctricos) se dissipa com o decorrer do tempo. A
energia tem um valor essencialmente positivo ou nulo, o que significa ser V(x) definida
positiva. A dissipao significa que V(x) diminui e tende para zero quando x0, ou
seja, V ( x ) definida negativa.
Este mtodo vantajoso em relao aos mtodos matemticos sempre que se lida com
sistemas de ordem elevada.
3.8. Conjuntos invariantes
A introduo do conceito de conjunto invariante e dos teoremas a ele associados, permite analisar a estabilidade de sistemas no caso em que a funo de Lyapunov no permite
efectuar o estudo da estabilidade em torno de um ponto de equilbrio.
3.8.1. Definio
Define-se conjunto invariante associado a um sistema como

sendo uma regio do espao de estados tal que toda a trajectria
que nele se inicia a permanece em todos os instantes futuros.
De acordo com a definio dada so conjuntos invariantes os seguintes:
Um ponto de equilbrio estvel,

Um ciclo limite estvel,
Um domnio de atraco,
Uma determinada trajectria,
Todo o espao de estados (conjunto trivial).
Os dois teoremas que se seguem so relativos estabilidade de um sistema numa regio

contendo um conjunto invariante (estabilidade local) e em todo o espao de estados
(estabilidade global).
3.8.2. Teorema local do conjunto invariante
Considere-se o sistema autnomo (3.50) e seja V(x) uma funo escalar contnua que
admita derivadas parciais de 1 ordem. Considere-se um valor real > 0 e seja a
regio do espao de estados em que se verifica a condio V(x) < . Admita-se que
V (x) 0 para x . Seja R o conjunto de pontos dentro de onde V (x ) =0 e seja M o
Pg. 88
maior conjunto invariante contido em R. Ento, toda a trajectria x(t) com origem em
converge para M quando t .
A interpretao geomtrica deste teorema encontra-se na Fig. 3.9. A demonstrao
encontra-se na ref. [1] da bibliografia Slotine, J.J.E./Li, Weiping.
Corolrio: Se nas condies anteriores V(x) for localmente positiva definida,
V (x ) negativa semidefinida e o conjunto R definido por V ( x ) = 0 no contiver trajectrias alm da trajectria x 0, ento o ponto de equilbrio 0 assimptoticamente estvel.
Alm disso a maior regio um domnio de atraco do ponto de equilbrio.
V=
V(x)
R
M
x0
x2
x1
Fig. 3.9 Convergncia da trajectria para o conjunto invariante.
3.8.3. Teorema global do conjunto invariante
Considere-se o sistema autnomo (3.50), x = f ( x ) , e seja V(x) uma funo escalar contnua que admita derivadas parciais. Admita-se que
V (x ) 0 para qualquer x,
||x|| V(x) .
Seja R o conjunto de todos os pontos em que V (x ) = 0 e M o maior conjunto invariante
em R. Ento todas as solues convergem de uma forma global e assimpttica para M
quando t .
Exemplo 3-12: Uma classe de sistemas n.l. de 2 ordem.
Considere-se o sistema autnomo de 2 ordem definido por
x + f ( x) + g ( x) = 0
(3.68)
em que f ( x ) e g ( x ) so funes contnuas satisfazendo s condies
Pg. 89
x f ( x ) > 0,
x g ( x ) > 0,
para x 0
para x 0
(3.69)
Estas expresses tm o significado indicado na Fig. 3.10. A equao (3.68) pode representar por exemplo um sistema massa-mola-amortecedor em que as foras devidas ao
amortecimento e mola podero seguir (3.69).
g ( x)
f ( x)
Fora devida ao amortecimento
Fora devida mola
Fig. 3.10 Forma das funes f ( x ) e g ( x )
Do ponto de vista fsico, a imposio das condies (3.69) equivale a dizer que o coeficiente de amortecimento positivo e a fora exercida pela mola resistente. Nestas
condies de esperar que as energias cintica e potencial do sistema vo diminuindo e
que o sistema no fique bloqueado em nenhum ponto de equilbrio diferente da origem.
Considere-se a funo
x
1
(3.70)
V ( x ) = x 2 + g ( )d
0
2
que, no caso de se tratar de um sistema mecnico, poder corresponder sua energia
total. A partir de V(x) obtm-se, por derivao,
V ( x ) = xx + g ( x ) x = xf ( x ) xg ( x ) + g ( x ) x = xf ( x ) 0
(3.71)
Devido s condies impostas x f ( x ) s pode ser nula para x = 0 . Mas para x = 0 tem-se x = g ( x ) que diferente de zero sempre que x0, o que significa o que h pouco
se afirmou, isto , que o sistema no pode ficar preso em nenhum ponto de equilbrio
que no seja a origem. Considerando R como o conjunto definido por x = 0 , o maior
conjunto invariante M contido em R contm apenas o ponto x=0 (x=0, x = 0 ). A aplicao do teorema local do conjunto invariante indica que a origem localmente assimptoticamente estvel.
Como alm disto
g ( )d quando |x|, V(x) radialmente ilimitada e portanto
a origem globalmente assimptoticamente estvel.
Pg. 90
3.9. Estabilidade de sistemas no autnomos
Os conceitos de estabilidade de sistemas no autnomos so muito semelhantes aos que

foram definidos para os sistemas autnomos. No entanto, uma vez que o tempo aparece
explicitamente nas equaes do sistema, de esperar que este tambm aparea nas definies de estabilidade, e em particular surja o instante t0 em que o sistema inicia a sua
trajectria, em vez do instante 0.
3.9.1. Pontos de equilbrio
Considere-se o sistema no autnomo, em regime livre, descrito pela equao

x (t ) = f [x (t ), t ]
(3.72)
em que f(.,.) uma funo seccionalmente contnua no tempo e indefinidamente diferencivel em relao a x.
Designam-se por pontos de equilbrio do sistema (3.72) todos aqueles em que para todo
t t0 o estado estacionrio, ou seja,
f [x e (t ), t ] = 0,
t > t0
(3.73)
tambm de salientar que a extenso de determinados conceitos tem que ser feita com
bastante cuidado, para no se chegar a concluses erradas. Como exemplo tome-se o
sistema linear massa mola amortecedor, em que o amortecimento b(t) > 0 varia com o
tempo:
x + b( t ) x + k 0 x = 0
(3.74)
O nico ponto de equilbrio deste sistema a origem, x=0. Aparentemente, uma vez que
se trata de um sistema dissipativo, parece, primeira vista, que se o movimento for iniciado num estado x0, este tender a convergir para o ponto de equilbrio. Tal poder
no acontecer. Exemplifique-se com b(t)=2+et e k0 = 0 e inicie-se o movimento no instante t=0 com x(0)=2 e x (0) = 1 . A soluo da equao dada por x(t)=1+et, que
tende para 1 quando t. Embora possa parecer paradoxal, que neste sistema, sendo
x=0 o ponto de equilbrio, a soluo no convirja para ele. A explicao, do ponto de
vista fsico, simples: o amortecimento vai aumentando de tal forma que o sistema fica
preso em x = 1 antes de chegar ao ponto de equilbrio.
3.9.2. Estabilidade de um ponto de equilbrio
O ponto de equilbrio x=0 diz-se estvel no sentido de Lyapunov, no instante t0, se para
qualquer R>0 existir r(R,t0) tal que para todo o tt0
x(t0 ) < r ( R, t0 ) x(t ) < R
(3.75)
O ponto de equilbrio diz-se instvel, caso contrrio.

Repare-se na diferena em relao definio dada em 3.3.3.1, expresso (3.15), para
sistemas autnomos: Aqui o valor de r depende tambm de t0.
Pg. 91
De uma forma anloga anterior define-se estabilidade assimpttica e estabilidade

exponencial, estabilidade local e estabilidade global.
Estabilidade exponencial
x(t ) x0 e (t t0 ) , t t0
(3.76)
H no entanto um conceito novo, que no aparecia nos sistemas autnomos: O de estabilidade uniforme:
O ponto de equilbrio x=0 do sistema no autnomo (3.72) diz-se uniformemente estvel se o escalar r da definio acima puder ser escolhido independentemente do instante
inicial t0, ou seja, r=r(R). O conceito de estabilidade uniforme extensvel aos sistemas
assimptoticamente estveis. Para um sistema no autnomo a estabilidade exponencial
implica estabilidade uniforme.
3.9.3. Mtodo directo de Lyapunov
A anlise da estabilidade de um sistema autnomo por meio da funo de Lyapunov

pode ser estendida a sistemas no autnomos, embora com um formalismo um pouco
mais complexo e com mais restries. A funo de Lyapunov vai agora depender do
estado e do tempo, V=V(x,t), como se ver a seguir.
3.9.3.1. Funo definida positiva / negativa
Uma funo escalar de um vector x e de um escalar t diz-se localmente positiva definida se V(0,t)=0 e existir uma funo V0(x) positiva definida, no dependente de t, tal que
(3.77)
V ( x, t ) V0 ( x ),
t > t0
Repare-se que existe um predomnio de V(x,t) sobre a correspondente funo V0(x)
independente do tempo.
De uma forma anloga define-se uma funo globalmente positiva definida, negativa
definida, positiva semidefinida e negativa semidefinida.
H no entanto um conceito novo que no existe para os sistemas autnomos: o conceito
de funo decrescente.
Uma funo V(x,t) diz-se decrescente se V(0,t)=0 e existe uma funo positiva definida
invariante no tempo V1(x) tal que
V ( x, t ) V1 (x ),
t > t0
(3.78)
Exemplo 3-13 Indicar se a funo V ( x, t ) = (1 + sen 2 t )( x12 + x22 ) pd e decrescente.
Uma vez que 1 1 + sen 2 t 2 , existe uma funo V0 (x ) = ( x12 + x22 ) positiva definida e
independente do tempo, tal que V ( x, t ) V0 ( x ) . Logo a funo dada, variante no tempo,
positiva definida. Por outro lado existe V1 (x ) = 2( x12 + x22 ) tal que V (x, t ) V1 (x )
qualquer que seja t. Alm disso V(0,t)=0 e portanto a funo dada decrescente.
Pg. 92
3.9.3.2. Clculo da derivada de V(x,t)
Uma vez que V(x,t) uma funo do tempo, explicitamente e tambm atravs da evoluo do estado, para o clculo da sua derivada utilizam-se as regras normais da derivao
da funo de vrias variveis e de funo composta:
V ( x, t )
e como
d
V V dx(t )
V ( x, t ) =
+
dt
t x dt
(3.79)
V V
+
f ( x, t )
t x
(3.80)
dx (t )
x (t ) = f ( x, t ) , vem
dt
V ( x, t ) =
Isto significa que a derivada da funo de Lyapunov deve ser calculada ao longo das
trajectrias do sistema.
Os teoremas de Lyapunov sobre a estabilidade de pontos de equilbrio de sistemas no
autnomos encontram-se resumidos na seco seguinte.
3.9.4. Teoremas de Lyapunov para sistemas no autnomos
Seja uma bola BR0 de raio R0 centrada no ponto de equilbrio x=0 do sistema no autnomo. Definem-se os seguintes conceitos de estabilidade:
3.9.4.1. Estabilidade no sentido de Lyapunov (nsLy)
Se existir uma funo escalar V(x,t) com derivadas parciais contnuas, tal que
a) V(x,t) positiva definida,
b) V ( x, t ) negativa semi-definida,
ento o ponto de equilbrio x=0 estvel nsLy.
3.9.4.2. Estabilidade uniforme
Se alm de verificar as condies a) e b) anteriores e

c) V(x,t) for decrescente,
ento o ponto de equilbrio x=0 uniformemente estvel.
3.9.4.3. Estabilidade assimpttica
Se em vez da condio b) se verificar

d) V ( x, t ) negativa definida,
ento o ponto de equilbrio assimptoticamente estvel.
Se alm da condio a) as condies c) e d) forem verificadas em simultneo, o ponto
de equilbrio x=0 diz-se uniforme e assimptoticamente estvel.
Pg. 93
3.9.4.4. Estabilidade global
Se a bola BR0 considerada for todo o espao de estados e se alm das condies a) c) d)
se verificar tambm
e) V(x,t) radialmente ilimitada,
ento o ponto de equilbrio x=0 global, uniforme e assimptoticamente estvel.
Exemplo 3-14
Determine a estabilidade do sistema

x1 (t ) = x1 (t ) + x2 (t )
2 t
x2 (t ) = e x1 (t ) x2 (t )
tomando como funo de Lyapunov V (x, t ) = (1 + e 2 t ) x12 + x22 .
Resoluo:
A funo V(x,t) pd, uma vez que existe uma funo independente do tempo,
V0(x)=x12+x22 tal que V(x,t)V0(x), para todo tt0.
Clculo de V ( x, t ) :
x + x2
= 2[ x22 x1 x2 + x12 (1 + e 2 t )]
V ( x, t ) = 2e 2 t x12 + [2(1 + e 2 t ) x1 , 2 x2 ] 2 1t
e x1 x2
2
2
V (x,t) 2 (x1 x1 x2 + x2 ) = (x1x2)2 x12 x22 0
Como V(x,t) radialmente ilimitada, conclui-se que o sistema global, uniforme e
assimptoticamente estvel.
3.9.5. Mtodo directo de Lyapunov para sistemas lineares no autnomos.
Quando um sistema linear no autnomo, no podem ser utilizados os mtodos tradicionais de anlise de sistemas autnomos para concluir sobre a sua estabilidade. O
exemplo seguinte mostra a necessidade de se tomarem as devidas precaues com os
sistemas no autnomos.
Seja o sistema linear no autnomo
x1 1 e 2 t x1
(3.81)

x =
2 0 1 x2
A matriz A do sistema depende do tempo. Para determinar a estabilidade -se tentado a
determinar os valores prprios de A(t) e, a pensar que se estes estiveram sempre no
semiplano complexo esquerdo, para todo t > t0, que o sistema ser estvel. Tal no entanto falso. O sistema acima admite um valor prprio duplo = 1 (no semiplano complexo esquerdo) e no estvel. Com efeito, a soluo do sistema , resolvendo primeiro em ordem a x2 e depois em ordem a x1
Pg. 94
x2 (t ) = x2 (0)e-t
t
x1 (t ) + x1 (t ) = x2 (0)e
x1(t) tende para infinito e portanto o sistema no estvel.
Uma situao anloga a esta acontece com os sistemas discretos lineares variantes no
tempo: o sistema pode ter os plos sempre no interior da circunferncia de raio 1 e no
ser estvel. A estabilidade de um sistema no autnomo estabelecida no seguinte
Teorema:
Seja o sistema linear no autnomo
x ( t ) = A (t )x (t )
(3.82)
condio suficiente para que o sistema (3.82) seja assimptoticamente estvel que a
matriz (simtrica)
A (t ) + A T (t )
(3.83)
tenha os valores prprios (reais) no semi-plano complexo esquerdo, ou seja,
t t0 , i,
i [A(t ) + A T (t )]
(3.84)
Demonstrao: Utilize-se a funo de Lyapunov V(x,t)=xTx para provar a estabilidade.

V(x,t) pd e V ( x, t ) dado por
V ( x, t ) = xT x + x T x = x T A(t )x + x T A(t ) x = x T [ A(t ) + A T (t )] x x T x = V
t t0 ,
0 x T x = V (t ) V (0)e t
e portanto x(t) tende exponencialmente para zero.
Repare-se que o teorema apresenta uma condio suficiente para que o sistema seja
estvel, mas no exige que os valores prprios de A(t) se encontrem no semiplano complexo esquerdo.
3.9.6. O mtodo da linearizao para sistemas no autnomos
O mtodo da linearizao apresentado para sistemas autnomos pode ser estendido a

sistemas no autnomos.
Seja o sistema no autnomo (3.72). O desenvolvimento do 2 membro do sistema em
srie de Taylor, em torno de xe=0, conduz a
x(t ) = A(t )x(t ) + fos (x, t )
(3.85)
Se a funo f(x,t) puder ser aproximada por (3.85) em qualquer instante, dever ter-se
lim sup
x 0
|| fos ( x, t ) ||
=0
|| x ||
(3.86)
Pg. 95
Nestas condies o sistema
x ( t ) = A (t )x (t )
(3.87)
designa-se por sistema linearizado de f(x,t), em torno do ponto de equilbrio x=0.

Repare-se que a matriz A, Jacobiano do sistema no autnomo, de um modo geral
funo do tempo, podendo no entanto ser constante. Note-se ainda que, em relao aos
sistemas autnomos, a linearizao exige que seja satisfeita a condio adicional (3.86).
Nestas condies, obtido o sistema (3.87) por linearizao de (3.72), e obedecendo s
condies (3.86), tem-se o seguinte:
3.9.6.1. Teorema
Se o sistema linearizado for uniforme e assimptoticamente estvel, ento o

ponto de equilbrio xe=0 do sistema no autnomo original tambm uniforme e assimptoticamente estvel.
Chama-se a ateno para a exigncia de estabilidade uniforme do sistema linearizado,
sem a qual o teorema no vlido. Repare-se ainda que, contrariamente ao que acontece
com o caso autnomo, a instabilidade do sistema linearizado no implica a instabilidade
do sistema original, a menos que A(t) seja constante, como se indica no seguinte
3.9.6.2. Teorema
Se A(t) for constante, A(t)=A0, ento a instabilidade do sistema linearizado

implica a instabilidade do sistema original.
3.9.7. Teoremas sobre instabilidade
Os teoremas que se seguem utilizam o mtodo directo de Lyapunov e aplicam-se tanto a

sistemas autnomos com no autnomos. Indicam condies suficientes para que um
sistema seja instvel.
Considere-se o sistema (3.72) em que f poder no depender explicitamente do tempo.
3.9.7.1. Primeiro teorema sobre instabilidade
Se numa regio em torno da origem existir uma funo escalar V(x,t),

contnua, diferencivel e decrescente, tal que
V(0,t) = 0, t t0,
V(x,t0) > 0 numa regio arbitrria prxima da origem,
V ( x, t ) localmente definida positiva,
ento o ponto de equilbrio xe=0, no instante t0, instvel.
Pg. 96
3.9.7.2. Segundo teorema sobre instabilidade
Se numa regio em torno da origem existir uma funo escalar V(x,t),

contnua, diferencivel e decrescente, tal que
V(0,t) = 0,
V(x,t0) > 0 numa regio arbitrria prxima da origem,
V ( x, t ) V ( x, t ) 0 , x e t t0
em que
, ento a origem um ponto de equilbrio instvel.
3.9.7.3. Terceiro teorema sobre instabilidade
Se numa regio 1 em torno da origem existir uma funo escalar V(x,t),

contnua, diferencivel e decrescente, tal que t t0
V(x,t) e V (x,t) so positivas definidas em 1,
A origem um ponto fronteiro de 1,
Em todos os pontos fronteiros de 1 V(x,t) = 0, t t0,
ento, no instante t0, a origem um ponto de equilbrio instvel.
A interpretao geomtrica deste teorema encontra-se na Fig. 3.11.

x2
1 (V > 0 , V > 0 )
V=0
x0
V=0
x1
Fig. 3.11 Interpretao geomtrica do 3 teorema sobre instabilidade.
Pg. 97
3.10. Existncia de funes de Lyapunov
At aqui obtiveram-se as funes de Lyapunov de um determinado sistema sem ter a

garantia precisa da sua existncia: se fossem observados determinadas condies em
relao ao sistema, construa-se uma funo candidata a funo de Lyapunov.
Os teoremas que se seguem, designados por teoremas recprocos de Lyapunov, estabelecem condies para a existncia de funo de Lyapunov associadas a um sistema.
Consoante o tipo de estabilidade, isto , local, global, uniforme, assimpttica, etc., existe um teorema recproco de Lyapunov sobre a existncia de uma funo de Lyapunov.
3.10.1. Teorema recproco, ponto de equilbrio estvel
Se a origem do sistema (3.72) for estvel nsLy existe uma funo positiva
definida V(x,t), com derivada no positiva ao longo da trajectria do sistema.
Este teorema garante que sempre que o ponto de equilbrio x = 0 de um sistema no
autnomo representado por (3.72) estvel nsLy, existe uma funo de Lyapunov que
lhe est associada (e portanto existem infinitas).
3.10.2. Teorema recproco, estabilidade assimpttica e uniforme
Se a origem do sistema (3.72) for assimptoticamente estvel, ento existe

uma funo V(x,t), positiva definida e decrescente, com derivada negativa
definida ao longo da trajectria do sistema.
3.10.3. Teorema recproco, estabilidade exponencial
Se a origem do sistema (3.72) for exponencialmente estvel, e se a funo

f(x,t) tiver derivadas parciais contnuas, e limitadas, ento existe uma funo
escalar V(x,t) positiva se e s se existirem constantes estritamente positivas
1, 2, 3 e 4 tais que
1 ||x||2 V(x,t) 2 ||x||2
V ( x, t ) 3 ||x||2
V
4 ||x||
x
Demonstrao em Sastry/Bodson-1989, Teorema 1.5.1.
Pg. 98
3.11. Estabilidade absoluta

3.11.1. Sistema linear com realimentao no linear
Neste captulo vai-se estudar um tipo de sistemas em que o percurso directo linear e
invariante no tempo e a realimentao constituda por uma no linearidade esttica,
como se representa na Fig. 3.12. Este tipo de sistemas aparece com alguma frequncia
em casos de interesse prtico (Sistema autnomo x = Ax , realimentao b ( y ) , sada
y = cT x ):
G(s)
(y)
Fig. 3.12 Sistema linear com realimentao no linear.
A funo de transferncia G(s) obtm-se a partir do modelo de estado por
G( s ) = C( sI - A )-1 b
(3.88)
Se a funo (y) fosse linear, por exemplo (y)=kx, a estabilidade do sistema poderia ser
estudada calculando os valores prprios da matriz do sistema em cadeia fechada
AbkC. Como (y) no linear, a anlise da estabilidade do sistema em cadeia fechada
torna-se mais complicada do que no caso linear. No entanto, se se obrigar (y) a satisfazer determinadas condies, designadas condies sectoriais, apresentadas a seguir, j
possvel efectuar a anlise da estabilidade do sistema.
3.11.1.1. Funo pertencente a sector
Uma funo contnua pertence ao sector [k1,k2] se existirem dois nmeros no negativos k1 e k2 tais que
( y)
y 0 k1
k2
(3.89)
y
Geometricamente a condio (3.89) implica que o grfico da funo no linear (y) est
localizado entre duas rectas com declive k1 e k2, como se mostra na Fig. 3.13.
Pg. 99
(y)
k2y
(y)
k1y
y
Sector
[k1, k2]
Fig. 3.13 Funo pertencente a um sector.

A definio (3.89) implica que (0) = 0 e que y(y) 0, isto , o grfico de (y) est
localizado no 1 e 3 quadrantes, uma vez que k1 e k2 so no negativos.
Um caso particular com interesse aquele em que k1= 0, dizendo-se ento que a funo
pertence ao sector [0, k] quando
k > 0 0 ( y ) ky
(3.90)
Admitindo que a no linearidade (y) pertence ao sector [k1,k2], a pergunta que se pe

a seguinte: Se o sistema em cadeia aberta G(s) for estvel, que condies devero ser
impostas a (y) para que o sistema em cadeia fechada seja estvel?
A intuio levaria a pensar, uma vez que o ganho de realimentao est compreendido
entre k1 e k2 se for linear, que tal propriedade poderia ser explorada com no linear.
Tal foi a hiptese feita por Aizerman(4) em 1949: se a matriz [A-bkC] for estvel para
todos os valores de k compreendidos no intervalo [k1,k2], ento o sistema no linear
global e assimptoticamente estvel.
A hiptese de Aizerman, aparentemente muito interessante, porque permitia estudar a
estabilidade de uma determinada classe de sistemas no lineares a partir de sistemas
lineares, revelou no ser verdadeira. Ela no considerou a variao de com y, que
pode conduzir instabilidade do sistema. Aps uma intensa pesquisa neste campo
foram estabelecidos novos critrios para determinar a estabilidade deste tipo de sistemas
em cadeia fechada.
M. A. Aizerman, cientista Sovitico,
Pg. 100
3.11.2. Critrio de Popov
O critrio de Popov(5) estabelece uma condio suficiente para a estabilidade do sistema

em cadeia fechada. Considere-se o sistema apresentado na Fig. 3.12. Se forem satisfeitas as condies seguintes:
A matriz A tem todos os valores prprios no semi-plano complexo esquerdo,

O par [A,b] controlvel6,
A no linearidade pertence ao sector [0, k],
Existe um nmero real positivo, , tal que
1
(3.91)
0
Re[(1 + j ) G ( j )] +
k
em que >0 arbitrariamente pequeno,
ento a origem global e assimptoticamente estvel.
A relao (3.91) tem o nome de desigualdade de Popov. Repare-se que os tipos de sistemas representados na Fig. 3.12 aos quais se aplica o critrio de Popov, so lineares
autnomos e com realimentao no linear esttica. O critrio estabelece apenas uma
condio suficiente de estabilidade e no necessita de recorrer a nenhuma funo de
Lyapunov.
O critrio de Popov tem uma interpretao geomtrica interessante. Fazendo
G ( j ) = Gr ( j ) + jG j ( j )
(3.92)
a expresso (3.91) escreve-se

1
>
(3.93)
k
Construa-se uma funo de transferncia associada W(j) com a mesma parte real que
G(j) mas com a parte imaginria igual a Im[G(j)]:
Gr ( j ) G j ( j ) +
W ( j ) = x + jy = Gr ( j ) + j G j ( j )
(3.94)
Com esta nomenclatura, a relao (3.93) implica que o sistema no linear global e
assimptoticamente estvel se sobre o plano complexo (x,y) a representao de W(j)
estiver para baixo da recta x-y+1/k=0. Na Fig. 3.14 esto traados o diagrama W(j),
designado por diagrama de Popov, e a recta que efectua a separao das regies, da
estabilidade e instabilidade.
Alexander Stephanovitch Popov, Eng. Electrotcnico Russo, 1859-1906.
Um sistema linear caracterizado pela equao de estado x = Ax + bu controlvel se e s se o determinante da matriz de controlabilidade Co = [b|Ab|...|An-1b] for diferente de zero.
Pg. 101
imag
inclinao 1/k
instvel
W(j)
instvel
estvel
1
x y + = 0
k
1
k
real
estvel
estvel
Fig. 3.14 Diagrama de Popov.

Exemplo 3-15
Determine a estabilidade de um sistema no linear com a estrutura do que apresentado

na Fig. 3.12, em que o bloco linear definido por
G( s) =
s+3
s + 7 s + 10
2
(3.95)
e a realimentao no linear definida por (3.90).

Resoluo:
1. Plos de G(j): s2 +7s +10 = 0 p1= 2, p2= 5, logo, o sistema obedece condio
a) do critrio de Popov, ou seja, estritamente estvel.
2. A funo de transferncia no tem cancelamento de zeros e plos, e portanto o sistema obedece condio b).
3. A no linearidade pertence ao sector [0, k], por hiptese.
4. Para a determinao da desigualdade de Popov, determinam-se primeiro as partes
reais e imaginria de G(j): Substituindo sj em (3.95) vem
3 + j
G ( j ) =
(10 2 ) + 7 j
e portanto
4 2 + 30
( 2 + 11)
e
(
)
=
Gr ( j ) = 4
G
j
j
+ 29 2 + 100
4 + 29 2 + 100
Substituindo em (3.93) vem
1
4 2 + 30 + 2 ( 2 + 11) + ( - )( 4 + 29 2 + 100) > 0
k
Esta desigualdade satisfeita para qualquer estritamente positivo e para qualquer
nmero k tal que 0<k<, pelo que o sistema dado global e assimptoticamente estvel.
Pg. 102
3.11.3. Critrio do crculo
Este critrio, como o anterior, aplicvel a sistemas com o trajecto directo linear e realimentao no linear esttica, sujeito s condies impostas atrs, uma generalizao
do Teorema de Nyquist para este tipo de sistemas.
Considere-se o sistema apresentado na Fig. 3.12. Se forem satisfeitas as condies
seguintes:
a) A matriz A no tem valores prprios sobre o eixo j e tem p valores prprios no semiplano complexo direito,
b) A no linearidade pertence ao sector [k1, k2],
c) Verifica-se uma das condies:
c1) 0 <k1 k2 e o diagrama de Nyquist de G(j) no entra no disco
D(k1, k2) (Fig. 3.15) e envolve-o p vezes no sentido contrrio aos
ponteiros do relgio,
c2) 0 = k1 < k2 e o diagrama de Nyquist de G(j) permanece no semi-plano Re(s) 1/k2,
c3) k1 <0 < k2 e o diagrama de Nyquist de G(j) permanece no interior do
disco D(k1, k2),
c4) k1 <k2 <0 e o diagrama de Nyquist de G(j) no entra no disco
D(k1, k2) e envolve-o p vezes no sentido contrrio ao dos ponteiros
do relgio,
ento o ponto de equilbrio x=0 global e assimptoticamente estvel.
Imag
D(k1, k2)
Real
1
k1
1
k2
Fig. 3.15 Diagrama do crculo.
Pg. 103
Probl. 3-1
Obter a linearizao do sistema a seguir indicado, calculando a matriz Jacobiana e utilizando o mtodo expedito.
x1 = x1 + x1 x2
x2 = x2
Resoluo:
O ponto de equilbrio deste sistema x1 = 0 e x2 = 0 .
Neste sistema tem-se f1 ( x1 , x2 ) = x1 + x1 x2 e f 2 ( x1 , x2 ) = x2 , sendo a matriz Jacobiana
f1
x
1
A=
f 2
x
1
f1
x2
1 + x2
=
f 2
0
x2 x =0, x =0
1
x1
1 0
=
1 x =0, x =0 0 1
1
2
O sistema linearizado igual ao anterior e dado por

x1 1 0 x1
x = 0 1 x
2
2
Para obter este mesmo sistema pelo mtodo expedito poderia simplesmente desprezar-se
o termo de 2 ordem, na primeira equao, x1 x2 .
Probl. 3-2
Determine o tipo de estabilidade dos seguintes sistemas:
a) x = x 3
b) x = x1/ 2
c) x = sen( x )
Resoluo:
a) O sistema admite como ponto de equilbrio x = 0. A equao pode escrever-se na
forma x 3dx = dt , que integrada membro a membro entre os instantes 0 e t, aos
1
1
2 = 2t , ou ainda
quais correspondem os estados x0 e x, conduz a
2
x
x0
1
1
, pelo que o sistema
x (t ) =
. Quando t x(t) tende para zero com
1
2t
+ 2t
x02
assimptoticamente estvel nsLy, mas no exponencialmente estvel, pois decai de
uma forma mais lenta que qualquer exponencial.
Pg. 104
b) O ponto de equilbrio deste sistema x = 0. Como para o sistema da alnea anterior,

1
efectuando a separao de variveis e integrando entre 0 e t, obtm-se [ 2 x 2 ]xx0 = t ,

1
2
0
1
o que conduz a x (t ) = ( x t ) 2 . Esta soluo tende para infinito com t, pelo que o
2
sistema instvel nsLy.
c) Os pontos de equilbrio deste sistema so x=k, com k=0, 1, 2, ... Como anteriorx
x
mente, separando as variveis e integrando entre 0 e t obtm-se ln(tan ) = t , ou

2 x0
x
ln(tan 0 ) + t
x
2
=e
= ket , donde x (t ) = 2 arctan(ket ) . Quando t x(t) tende
2
para , consoante o valor de x0 seja positivo ou negativo.
seja, tan
Probl. 3-3
Determine os pontos de equilbrio dos seguintes sistemas autnomos:
x1 = x2 + x12
a)
2
x2 = x1 x2
x1 = x2 x13
b)
3
x2 = x1 x2
x1 = x2
c)
2
x2 = x1 + (1 x1 ) x2
Probl. 3-4
Determine o tipo de estabilidade dos seguintes sistemas:
a) x = x 2
b) x = x 1/ 2
c) x = a cos( x)
a +
Probl. 3-5
Obtenha os sistemas linearizados correspondentes a:
x = x2
a) 1
k +
x
=
k
sen
x
1
2
x = x2 cos x1
b) 1
x2 = x1 + sen x2
Probl. 3-6
Utilizando o teorema da linearizao de Lyapunov, determine a estabilidade dos pontos
de equilbrio dos seguintes sistemas
x1 = x2
a)
3
x2 = x1 + x1
x = x2 (1 + cos x1 )
b) 1
x2 = x1 (1 + sen x2 )
x = x2
c) 1
x2 = sen( x1 + x2 )
Pg. 105
Probl. 3-7
Mostre que V ( x ) = x12 + x22 uma funo de Lyapunov, para a origem, para cada um dos
seguintes sistemas:
x = x2
a) 1
x2 = x1
3
x = x2 x1
b) 1
3
x2 = x1 x2
2
x = x1 2 x2
c) 1
3
x2 = 2 x1 x2 x2
Probl. 3-8
Mostre que a funo V ( x ) = ax12 + bx1 x2 + cx22 definida positiva se e s se
a > 0 e 4ac b2 > 0 sendo definida negativa sse a < 0 e 4ac b2 > 0 .
Probl. 3-9
Considere o sistema de 1 ordem representado pelo modelo de estado
x = x (1 + x )
em que x escalar e est sujeito condio inicial x(0) = x0.
a) Determine os seus pontos de equilbrio.
b) Obtenha analiticamente a soluo.
c) Com o auxlio do Matlab faa num s grfico o traado das solues que se iniciam entre 1 e +1 (degraus de 0.1), para o tempo compreendido entre 0 e 6
segundos.
d) Anloga anterior, para x0 compreendido entre 1.5 e 0.8 (degraus de 0.1), para
0 t 1 s.
e) Escreva de novo a soluo para os valores particulares x0 = 0.5 e x0 = 1.5. Alguma delas exibe tempo de escape finito? Se sim qual delas e qual o seu valor?
f) Com o auxlio dos dados obtidos at aqui indique quais as bacias de atraco e
qual a(s) separatriz(es).
g) A partir do conhecimento que j tem do sistema indique qual o tipo de estabilidade nsLy dos pontos de equilbrio, justificando com o uso da definio e dizendo
quais os domnios a considerar para R e r(R).
h) Linearize o sistema em torno de xe = 0. A partir da estabilidade do sistema linearizado conclua sobre a estabilidade de xe = 0 do sistema dado. Que teorema utilizou?
i) Anlogo ao anterior, para xe = 1.
Probl. 3-10
Considere um sistema de 2 ordem representado pelo modelo de estado
Pg. 106
x1 = x2 (1 + x22 )
2
x2 = x1 (1 + x1 ) 0.4 x2
a) Determine os seus pontos de equilbrio.
b) Com o auxlio do Matlab faa o traado do campo de vectores na regio do espao
de estados constituda por um rectngulo tal que 2 x1 2 e 2 x2 2 . Sobre
c)
d)
e)
f)
ele represente uma trajectria que se inicie em x = [1.5 -1]T e dure 20 segundos.
Linearize o sistema em torno do ponto de equilbrio xe=0. Determine a estabilidade do sistema linearizado e a partir dela, utilizando o teorema de Lyapunov da
linearizao, conclua sobre a estabilidade do sistema dado.
Usando o teorema de Krasovskii determine a estabilidade do sistema dado.
Com os resultados da alnea anterior obtenha uma funo de Lyapunov para o sistema dado. Verifique que positiva definida e que a sua derivada em ordem ao
tempo negativa definida.
Com o auxlio do Matlab trace um grfico de V(x), com x pertencente ao domnio
dado em b). Sugesto: Use um ciclo for dentro de outro ciclo for para x1 e x2 e
a instruo surf ou mesh. Trace tambm as curvas de nvel de V(x).
Probl. 3-11
Considere um sistema linear de realimentado negativamente por uma funo (y):
Sistema linear: G ( j ) =
a
,
s + s + 0.29
2
( y ) = y sen 2 y
(a=AA)
a) Com o auxlio do critrio de Popov determine a estabilidade deste sistema.

b) Represente este sistema em Simulink e confirme o resultado obtido em a).
Pg. 107
Pg. 108
4. MTODO DA FUNO DESCRITIVA
4.1. Funo Descritiva

Considere-se um sistema no linear com a entrada excitada por um sinal sinusoidal de
amplitude U e frequncia 0,
u (t ) = U sen(0t )
(4.1)
A sada do sistema, y(t), ser tambm peridica mas no sinusoidal. O seu desenvolvimento em srie de Fourier dado por
y (t ) =
A0
+ [ An cos(n0t ) + Bn sen( n0t )]
2 n =1
(4.2)
Y0
+ Yn cos( n0t + n )
2 n =1
(4.3)
ou, equivalentemente
y (t ) =
Chama-se funo descritiva do sistema funo complexa N tal que

Y
N = 1
arg N = 1
(4.4)
U
em que Y1 a amplitude da primeira harmnica da resposta e 1 a sua desfasagem em
relao ao sinal de entrada.
Se o sistema for linear, na expresso (4.3) apenas subsistem os termos em que n =1;
Nestas condies N transforma-se no ganho do sistema (mdulo N e argumento 1).
Para efectuar o clculo da funo descritiva convm recordar as expresses que permitem calcular os coeficientes An e Bn da srie de Fourier
An =
2
y (t ) cos( n0t )dt
T T
(4.5)
Bn =
2
y (t ) sen( n 0t )dt
T T
(4.6)
Yn =
(4.7)
An2 + Bn2
n = arctan(
An
)
Bn
(4.8)
Se y(t) par, y(t) = y (-t), tem-se Bn = 0. Se y(t) mpar, y(t) = -y(-t), An = 0, para n1.
A0 o valor mdio do sinal de sada.
Pg. 109
4 - MTODO DA FUNO DESCRITIVA
4.2. Funo descritiva de no linearidades correntes.
A aplicao das frmulas acima permite efectuar o clculo de algumas funes descritivas correntes. U designa a amplitude do sinal sinusoidal de entrada, estando os restantes
smbolos definidos nas figuras.
Liga/desliga, on-off ou tudo ou nada
y
Y
N=
-Y
4Y j 0
e
U
(4.9)
(O clculo encontra-se efectuado no Probl.4.1)
Fig. 4.1 Funo descritiva da caracterstica liga/desliga
Liga/desliga, com histerese
y
Y
N=
-h
4Y j [ arctan( Uh )]
e
U
(4.10)
-Y
Fig. 4.2 Funo descritiva da caracterstica liga/desliga com histerese
Zona morta
y
-
declive k
N =k
2k
2 0
arc sen( ) + ( ) 1 ( ) ej

U
U
U
Fig. 4.3 Funo descritiva da caracterstica zona morta
Pg. 110
(4.11)
Saturao, sem histerese
y
declive k
-S
S
N=
2k
S
S
S 2 j0
arc sen( ) + ( ) 1 ( ) e
U
U
U

(4.12)
Fig. 4.4 Funo descritiva da caracterstica saturao sem histerese
Folga
y
declive k
-b
b
4kb b
a1 =
( 1)
U
kU
2b
2b
2b
2
b1 =
arcsen( 1) ( 1) 1 ( 1)
U
U
U
2
1
| N( U) |=
a 12 + b12
U
N (U ) = arctg (
(4.13)
a1
)
b1
Fig. 4.5 Funo descritiva da caracterstica folga
4.3. Estabilidade pelo mtodo da funo descritiva.
Se um sistema no linear tiver uma estrutura tal que se for excitado por uma entrada
sinusoidal as harmnicas de ordem superior primeira contidas na resposta forem suficientemente atenuadas, ento a estabilidade do sistema pode ser analisada pelo mtodo
da funo descritiva.
Admita-se que se tem um sistema em cadeia fechada satisfazendo essas condies, e
que possvel agrupar os elementos no lineares numa funo descritiva N, e os elementos lineares num outro bloco, G (Fig. 4.6). A funo de transferncia do sistema
dada por
GN
Y=
R
(4.14)
1 + GN
A equao caracterstica dada por 1+GN = 0 pelo que resolvendo em ordem a G
1
(4.15)
G ( j ) =
N (U , )
A expresso (4.15) indica que o ponto 1 do diagrama de Nyquist substitudo aqui
pelo lugar geomtrico de 1/N.
Pg. 111
N(U, j)
G(j)
Fig. 4.6 Sistema de controlo no linear.
A funo de transferncia dos elementos lineares G(j) depende da frequncia. N(,U)

alm de depender da frequncia depende ainda da amplitude do sinal U.
A condio de estabilidade pode enunciar-se da seguinte forma
O sistema em cadeia fechada constitudo pelos elementos no lineares N e
pelos elementos lineares G, supostos de fase mnima (1), estvel se o lugar
geomtrico de G no envolver o lugar geomtrico de - 1/N.
Se os dois diagramas se intersectarem, o sistema poder apresentar oscilaes em regime permanente. Estas oscilaes no so sinusoidais, embora possam considerar-se
aproximadamente como tal. A frequncia da harmnica fundamental pode ser lida no
diagrama de G e a sua amplitude no lugar geomtrico de -1/N.
Admita-se que os diagramas de G e -1/N se intersectam, como indica a Fig. 4.7. Sobre o
diagrama de -1/N convm indicar qual o sentido a que corresponde o aumento e a diminuio de amplitude de oscilao.
Na figura esto representados dois pontos de interseco, A e B. O ponto A corresponde
a uma amplitude de uma possvel oscilao inferior do ponto B. Qual dos pontos
estvel e qual instvel? Fixe-se a ateno sobre o ponto A. Admita-se que uma perturbao coloca o ponto A em A1. O ponto A1, fica fora do diagrama de G(j). A oscilao
tender a diminuir. Se a perturbao tivesse conduzido AA2, A2 encontrava-se dentro
do diagrama de G(j) e a oscilao tenderia a aumentar, o que aconteceria at se atingir
o ponto B. O ponto A tem caractersticas divergentes, portanto instvel.
Zeros no semi-plano complexo esquerdo, incluindo o eixo j.
Pg. 112
Considere-se agora o ponto de interseco B e admita-se que a perturbao conduz

BB1. Como G(j) deixa de envolver B1 a amplitude tender a diminuir, ou seja B1
regressa a B. Finalmente admita-se que a perturbao conduz BB2. O novo ponto B2
fica envolvido por G(j); estabelece-se uma oscilao, a amplitude aumenta e B2 volta
para B. O ponto B tem caractersticas convergentes, pois estvel.
A frequncia de oscilao pode ser obtida directamente do diagrama de G(j), e a
amplitude da primeira harmnica a partir do diagrama de -1/N, tambm no ponto de
interseco B.
imag
0
U 0 A1
real
A
A2
G(j)
B1
B2
B
-1/N
U
Fig. 4.7 Estabilidade de um sistema no linear.

Se as curvas de G(j) e - 1/N se intersectarem quase na perpendicular a preciso com
que se obtm os valores de e U boa.
Repare-se que os valores obtidos so aproximados uma vez que se est a ignorar o efeito das restantes harmnicas.
Pg. 113
4.4. Problemas Resolvidos

Probl. 4-1
Obtenha a funo descritiva da no linearidade liga/desliga representada na Fig. 4.1

Resoluo
Por definio, a funo descritiva a relao entre a amplitude da 1 harmnica do sinal
de sada e a amplitude do sinal de entrada. Represente-se a no linearidade sob a forma
de um bloco, o sinal de entrada e o sinal de sada.
0
u(t)
y(t)
Liga/Desliga
Y , u < 0
Com a entrada sinusoidal tem-se u(t ) = U sen( t ) e y (t ) =
+Y , u > 0
y(t) no se encontra bem definida para t = kT. Considerar-se- o seu valor nulo nesses
instantes.
Devido ao facto de se considerar u(t) sinusoidal, y(t) tambm uma funo mpar, pelo
que os coeficientes An em (4.5) so nulos, subsistindo apenas os coeficientes Bn da
expresso (4.6). A funo descritiva, N, ser ento obtida dividindo B1 por U. Para o
clculo de B1 utiliza-se a expresso (4.6) com n=1:
T
2
2 T /2
B1 = y (t ) sen( t )dt = Y sen( t )dt + Y sen( t )dt =
T /2
T 0
T
T
2Y
T
{[ cos(t )]
2Y
4Y
[ ( 1 + 1) + (1 + 1)] = .
T
B
4Y
. Para indicar que se trata de um valor real escreA funo descritiva ser N = 1 =
U U
4Y j 0
e .
ve-se por vezes N =
U
=
T /2
0
+ [cos( t )]T / 2 =
T
Probl. 4-2
Utilizando o mtodo da F.D. determine a estabilidade do sistema em cadeia fechada

constitudo pela no linearidade liga/desliga anterior de amplitude 1, seguido de um sistema linear de 1 ordem, como se indica na figura.
e(t)
Pg. 114
Liga /
Desliga
u(t)
G( s) =
1
s +1
y(t)
Resoluo
Sobre o diagrama G ( j ) correspondente funo de transferncia do sistema de 1
1
U
, com se indica na Fig. 4.7.
ordem dado desenha-se o grfico de =
N
4
imag
U=
U=0
-1/N
0
=0
real
G(j)
Uma vez que os diagramas de 1/N e de G ( j ) no se intersectam (apenas tm um

ponto comum em que U=0), o sistema estvel.
Probl. 4-3
Problema anlogo ao anterior mas com um atraso de 0.5 segundos no processo.

Resoluo
Como anteriormente, sobre o diagrama G ( j ) correspondente funo de transferncia
1
U
. O problema resolvedo sistema de 2 ordem dado desenha-se o grfico de =
N
4
se bem com o auxlio do Matlab. Exemplo de um programa para o efeito:
w=logspace(0,2,500); % cria escala logartmica para as frequncias
tau=0.5; % tempo de atraso
s=j*w; % escala de frequncias, eixo imaginrio
G=1./(s+1).*exp(-tau*s); % f.t. do processo com atraso
plot(real(G),imag(G)); % diagrama de Nyquist de G(jw)
hold on; % mantm o grfico, para desenhar o prximo grfico por cima
M=1; % amplitude da no linearidade
h=0.2; % valor da histerese
U=0.01:0.01:1; % amplitudes para o traado de -1/N
FD=-(pi.*U/4/M); % Funo descritiva
plot(real(FD),imag(FD)); % diagrama da f.d.
grid; % grelha sobre os grficos
hold off; % liberta os grficos
Pg. 115
0.2
0.1
-1/N
0
-0.1
-0.2
-0.3
G ( j )
-0.4
-0.5
-0.6
-0.7
-0.8
-0.6
-0.4
-0.2
0.2
Uma vez que os diagramas de 1/N e de G ( j ) se intersectam, o sistema instvel.
4.5. Problemas Propostos

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

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

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

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

Probl. 4-8
Problema anlogo ao Probl. 4-2, mas com G ( s ) =
Pg. 116
1.5
.
s +1
Probl. 4-9
Considere o sistema de retroaco:

x(t)
y(t)
G(s)
1
.
s + s +1
O bloco D uma linha de atraso, descrita por y(t)=Kx(t-T0).
onde G ( s) =
a) Considere x(t)=Acos(t). Determine a funo descritiva N(A,) do bloco D.

b) Esboce o diagrama de Nyquist do sistema. Sobreponha o grfico 1/ N(A,).
c) Quais so as condies sobre T0 que permitem que o sistema entre em oscilao?
Estas oscilaes so estveis ou instveis? Qual a variao da frequncia e
amplitude com T0 e K? Justifique.
Probl. 4-10
Considere o sistema representado abaixo:
r (t)
e (t)
+
G(j)
u (t)
f (u)
Onde G ( j ) =
10
e f (u ) = u 3 .
s + s +1
2
a) Determine a funo descritiva de f (u).

b) Admita que r (t) = cos(t). Demonstre que a equao que descreve o sistema :
G 1 (u ) = r f (u )
Substituindo f pela sua funo descritiva demonstre que a equao acima aproximada por:
3 3
U + G 1 ( j ) U = e j
4
Sugesto: Faa u(t) = U cos(t+) e lembre-se que G(j) apenas altera a amplitude e fase inicial de um sinal sinusoidal.
c) Considerando fixo, represente graficamente utilizando o Matlab, o lado
esquerdo da equao obtida na alnea anterior. Note que o lado direito da mesma
Pg. 117
equao representa um ponto sobre o crculo unitrio. Qual o significado fsico

das possveis interseces (para um dado )? Sugesto: lembre-se que, por hiptese, os sinais que circulam no sistema so puramente sinusoidais.
d) Investigue o que acontece quando, no grfico anterior, ocorrem trs interseces.
Mais precisamente, fixe uma frequncia onde isto ocorra e varie a frequncia do
sinal de entrada r(t) numa vizinhana da primeira. O que que acontece amplitude do sinal u(t).
Probl. 4-11
Considere o seguinte sistema
x(t)=Acos (t)
2s+1
s+1
s+1
2s+1
F1
F2
y(t)
Admita que a funo descritiva da saturao :

A1
1,
N ( A, ) = 2
1
1 1
+
arcsin
1
A>1
A2
A A

Onde A e so, respectivamente, a amplitude e a frequncia angular do sinal x(t).
a) Determine o ganho de alta frequncia do filtro F1 ( lim F1 ( j ) ) e o ganho de

baixa frequncia do filtro F2. Determine o sinal de sada y(t) se A<1.

b) Mantendo a aproximao do sistema pela sua funo descritiva, determine a
amplitude de y(t) para qualquer A.
Sugesto: qual a relao entre F1 ( j ) e F2 ( j ) ?
c) Que tipo de filtragem feita por este sistema? Qual a funo dos filtros F1 e
F2? Qual a desfasagem entre y(t) e x(t) (considere o sistema aproximado).
Sugesto: note que os filtros F1 e F2 esto relacionados.
Probl. 4-12
Demonstre que se um elemento no-linear no tem dinmica, ou seja, dado por

y=N(u), ento a sua funo descritiva independente da frequncia.
Sugesto: considere dois sinais de entrada com frequncias diferentes r1=cos(1t) e
r2=cos(2t). Note que r1(t)=r2((1/2)t). Escreva a expresso integral da 1 harmnica
de N(r1) e atravs de uma mudana conveniente de variveis, demonstre que igual 1
harmnica de N(r2).
Pg. 118
5. LINEARIZAO EXACTA POR REALIMENTAO
5.1. Uma primeira abordagem

A linearizao exacta por realimentao um procedimento que permite transformar a
dinmica de um sistema no linear numa dinmica linear, atravs de uma realimentao
no linear do estado ou da sada, convenientemente escolhida. Para atingir este objectivo torna-se quase sempre necessrio efectuar uma mudana de varivel de estado e
introduzir uma varivel de entrada auxiliar. Depois de ter o sistema no linear modificado de modo a que o todo se comporte como linear, possvel utilizar tcnicas lineares,
bem conhecidas e mais poderosas do que as no lineares, para se efectuar o controlo do
sistema original. O mtodo, para poder ser aplicado, exige o conhecimento do modelo
descritivo do sistema no linear de partida.
Este tipo de procedimento conceptualmente diferente da linearizao na vizinhana de
um ponto de equilbrio, apresentada no captulo 3.4.1, em que se efectua o desenvolvimento da funo do sistema em srie de Taylor, eliminando os termos de ordem superior primeira, ou seja, em que se substitui, quando tal possvel, a funo do sistema
pelo seu jacobiano multiplicado pelo estado. No caso em que se lineariza pelo jacobiano
a linearizao local, isto , vlida apenas para uma regio em torno de um determinado ponto, enquanto que a linearizao por realimentao global, isto , aplica-se a
todo o domnio do espao de estados ou de sada, com a eventual excepo de pontos
isolados. Alm disso, enquanto a linearizao pelo jacobiano aproximada, a linearizao por realimentao exacta.
Apenas determinados tipos de sistemas so susceptveis de ser linearizados exactamente
por realimentao: podero s-lo a classe de sistemas SISO em que na equao de estado as variveis de entrada e de estado so separveis, ou seja, sistemas representveis
pelo modelo
x = f ( x ) + g (x )(u )
(5.1)
y = h( x )
Neste tipo de sistemas, e para os casos em que possvel efectuar a linearizao exacta,
h normalmente que efectuar uma mudana de varivel de estado
z = z( x )
(5.2)
u = u ( x, v )
(5.3)
e introduzir uma lei de controlo
ou seja, efectuar uma mudana de varivel de controlo, em que v uma nova varivel
intermdia que conduz o sistema original (5.1), a um sistema linear.
Pg. 119
A linearizao por realimentao tem sido utilizada com xito numa grande gama de
aplicaes, nomeadamente no controlo de braos rob e manipuladores, peas de artilharia, helicpteros, avies e satlites, alm de ser usada em aparelhagem mdica e nas
indstrias qumica e farmacutica.
Consoante as variveis utilizadas para efectuar a realimentao sejam as variveis de
estado ou ento as variveis de sada, assim o tipo de tratamento ser diferente (eventualmente idntico). Antes de apresentar o formalismo matemtico da linearizao por
realimentao sero apresentados alguns exemplos.
5.1.1. Exemplo de linearizao e controlo por realimentao
Considere-se o problema de controlar o nvel do lquido no interior de um tanque esfrico aberto, como o que se representa na Fig. 5.1.
q 1, u
~~~~~~~~~~~~~~~~~~~~~~~
r
h
S2
q2
Fig. 5.1 Controlo do nvel numa esfera.

A varivel manipulada u = q1 o caudal de entrada. A varivel controlada y = h o
nvel do lquido no interior da esfera. H um escape contnuo de lquido para um reservatrio exterior q2, escape este que depende da altura do lquido no interior da esfera, e
que, para um fluido ideal dado por
q2 = S 2 2 gh
(5.4)
em que S2 representa a seco da tubagem por onde se escapa o lquido e g a acelerao

da gravidade. Esta relao pode ser obtida a partir da equao de Bernouilli para fluidos
v2 p
+ = C te , da equao de hidrosttica p = gh e da
ideais em regime permanente
2g
relao q = vS .
Pg. 120
Neste sistema, a variao de volume no interior da esfera resultante da diferena entre

o caudal que entra e o caudal que sai. Representando por S(h) a seco interior da esfera
cota h, ou seja, a rea da superfcie livre do lquido, o volume de lquido obtm-se integrando S(h)dh entre as cotas 0 e h, pelo que a dinmica do sistema representada por
d h
S ( )d = u(t ) S2 2 gh(t )
dt 0
ou ainda, desenvolvendo o 1 membro(1),
S ( h )h(t ) = u(t ) S
2 gh(t )
(5.5)
(5.6)
Se o valor desejado para a altura, r (referncia), estiver, por exemplo, a da altura da

esfera, o ganho ptimo para um controlador linear dever ser bastante diferente do
ganho ptimo para uma referncia igual a da altura.
Considere-se uma lei de controlo que procure linearizar (5.6). Poder ser do tipo
u(t ) = S ( h )v (t ) + S2 2 gh (t )
(5.7)
em que v(t) uma nova varivel manipulada intermdia, escolhida por (5.7) de modo a
tornar (5.6) linear. Com efeito, substituindo u(t) na equao do sistema resulta o sistema
h(t ) = v (t )
(5.8)
Este sistema pode ser controlado para uma referncia r(t) varivel no tempo utilizando a
lei de controlo
v (t ) = r(t ) ke(t )
(5.9)
em que e = hr representa o valor do erro e k uma constante real. Substituindo (5.9) em
(5.8) obtm-se
e(t ) + ke(t ) = 0
(5.10)
Se a constante k for escolhida positiva, a soluo da equao (5.10) tende para zero
quando t , ou seja, a equao do erro exponencialmente estvel.
Se a referncia r mudar, o novo erro tende exponencialmente para zero, o que significa
que o nvel do tanque segue a referncia.
Substituindo a lei de controlo (5.9) em (5.7) obtm-se
u(t ) = S2 2 gh + S ( h ) r S ( h )ke
(5.11)
Repare-se na constituio do 2 membro de (5.11). O primeiro termo utilizado para

compensar directamente o caudal de escape pelo fundo do tanque. O 2 termo compensa
as variaes da referncia. Finalmente o 3 termo compensa outras perturbaes do
nvel, por exemplo variaes de consumo, no indicadas na figura.
Nota: Neste exemplo h uma limitao no desempenho do controlo, uma vez que u(t)
no pode tomar valores negativos.
Relembre-se que
b ( x ) f ( x, y )
d b( x)
db( x)
da ( x)
f ( x, y )dy =
dy + f (b, y )
f ( a, y )
a( x)
dx a ( x )
x
dx
dx
Pg. 121
5.1.2. Sistemas na forma companheira
Um sistema no linear diz-se na forma companheira se a sua dinmica puder ser representada por uma equao do tipo
x ( n ) = f (x ) + g (x) u
(5.12)
em que x representa o vector de estado,
x = [ x, x ," , x ( n 1) ]T
(5.13)
e f e g so duas funes escalares, no lineares, de x. Dever ainda ser g(x)0.

Esta representao tem a particularidade de nela no intervirem as derivadas de u.
Efectuando a mudana de variveis
x1 = x
x = x
2
"
xn = x ( n 1)
(5.14)
a equao de estado correspondente equao diferencial (5.12) escreve-se

x1 x2
" "
xn 1 xn
xn f ( x ) + g ( x ) u
(5.15)
1
[v (t ) f (x )]
g (x )
(5.16)
Utilizando a lei de controlo
u(t ) =
e substituindo em (5.12), obtm-se o sistema linear, integrador mltiplo,

x(n) = v
(5.17)
Se for desejado seguir uma referncia r(t), definindo o erro por
e( t ) = x ( t ) r ( t )
(5.18)
v = r ( n ) k0e k1e " kn 1e( n 1)
(5.19)
a lei de controlo
conduz a um seguimento exponencialmente convergente se as razes do polinmio
caracterstico
n + kn 1 n 1 + " + k1 + k0 = 0
(5.20)
tiverem a parte real estritamente negativa.
Pg. 122
A lei de controlo (5.19) pode ser escrita na forma

v = r ( n) k Te
(5.21)
com
k0
k
k= 1
"
kn 1
xr
x r
e=
"
( n 1) ( n 1)
r
x
(5.22)
O procedimento que acaba de ser apresentado foi aplicado a sistemas na forma companheira, no lineares no estado mas lineares na entrada. Eles so expansveis ao caso em
que na equao (5.12) em vez de estar u estiver uma funo (u), invertvel. Neste caso
efectuando uma mudana de varivel prvia
u = 1 ( w)
(5.23)
a no linearidade na entrada cancelada.
5.1.3. Linearizao entrada-estado
Na linearizao entrada-estado o objectivo linearizar por realimentao um sistema

descrito pela equao de estado
x = f (x, u )
(5.24)
em que o estado completamente acessvel. Como se disse atrs, a linearizao feita
com uma mudana da varivel de estado z = z(x), (5.2), e com uma mudana na varivel
de entrada u=u(x,v), (5.3), de modo a obter-se um sistema linear e invariante no tempo,
com a dinmica
z = Az + bv
(5.25)
Chegando-se ao sistema linear (5.25), este pode ser controlado com qualquer das tcnicas usadas com sistemas lineares. Ilustre-se o procedimento com um exemplo.
Exemplo 5-1
Considere-se o sistema de 2 ordem no linear no estado e linear na entrada,
x1 = 3x1 + 2 x2 + sen x1
x2 = x2 cos x1 + u cos 2 x1
(5.26)
Efectue-se a seguinte mudana de varivel de estado
z1 = x1
z2 = 2 x2 + sen x1
(5.27)
Pg. 123
A combinao de (5.26) com (5.27) conduz a

z1 = 3 z1 + z2
z2 = 3 x1 cos x1 + sen x1 cos x1 + 2 u cos 2 x1
(5.28)
Se for efectuada uma mudana na varivel de entrada
u=
1
(v + 3x1 cos x1 sen x1 cos x1 )
2 cos 2 x1
(5.29)
-se conduzido equao de estado linear

z1 = 3z1 + z2
z2 = v
(5.30)
Repare-se que a relao entre u e v no global. Com efeito ela s vlida desde que o
denominador em (5.29) seja diferente de zero, ou seja, para x1 /4+k/2, k = 1, 2,
Para estes valores de x1 o coeficiente de u em (5.26) anula-se e o sistema deixa de ser
controlvel, uma vez que o estado passa a no depender de u.
Se for desejado que o novo estado estabilize a origem, poder utilizar-se a lei de controlo
v = k T e
(5.31)
com k e e dados por
k
z r
e
(5.32)
k = 0
e=
z r
k1
A razes do polinmio caracterstico (5.20) devero localizar-se no semi-plano complexo esquerdo, eixo imaginrio excludo, para que o sistema em cadeia fechada seja exponencialmente estvel.
A Fig. 5.2 resume o conjunto de transformaes que se efectuaram para linearizar e controlar o sistema deste exemplo.
g
r(t)
-e(t)
v = -kTe
v(t)
u = u(z,v)
u(t)
x = f(x,u)
x(t)
controlo
linearizao
z = z(x)
Fig. 5.2 Esquema de controlo com linearizao entrada-estado.
Pg. 124
Repare-se no seguinte:
Est-se a admitir que o estado completamente acessvel. Caso tal no acontea,

dever providenciar-se para ser feita a sua medida ou o seu clculo.
No foram consideradas incertezas no modelo original. Estas podem eventualmente conduzir a um tal aumento na incerteza da descrio linearizada que esta
pode deixar de ter qualquer utilidade.
At agora foram dados dois exemplos de sistemas em que atravs de mudanas de

variveis se transformou uma dinmica no linear numa dinmica linear. Ser que tal
sempre possvel? Em caso afirmativo, ser que existem classes de sistemas s quais o
mtodo sempre aplicvel? Quais essas classes e quais os mtodos sistemticos para
proceder sua linearizao?
Antes de procurar responder a estas questes levantem-se outras mais, procurando efectuar a linearizao de um sistema a partir das variveis de entrada e de sada.
5.1.4. Linearizao entrada-sada
Seja um sistema no linear, descrito pelo modelo de estado

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

x1 = sen 2 x2 + ( x2 + 3) x3
3
x2 = x1 + x3
2
x3 = x1 + u
y = x
(5.34)
Neste sistema no existe uma relao explcita entre a sada e a entrada, como pretendido que haja. Para a obter, derive-se a equao de sada e substitua-se o valor de
x1 dado por (5.34)
y = sen 2 x2 + ( x2 + 3) x3
(5.35)
Pg. 125
Como ainda no aparece a relao entre y (ou suas derivadas) e u, derive-se de novo e
substitua-se x 2 e x3 pelos seus valores dados por (5.34). Obtm-se

y = f1 (x ) + ( x2 + 3)u
(5.36)
f1 ( x ) = (2 cos 2 x2 + x3 ) ( x13 + x3 ) + ( x2 + 3) x12
(5.37)
em que f1 a funo do estado
Agora, na equao (5.36) j aparece uma relao explcita entre a sada e a entrada
(atravs de y e de u). Escolhendo uma nova varivel de entrada v, relacionada com u
por
1
u=
( v f1 )
(5.38)
x2 + 3
a no linearidade de (5.36) cancelada, ficando

y=v
(5.39)
que um duplo integrador.

Projecte-se um sistema de controlo para (5.39), para seguir uma trajectria r(t), fazendo
v =
r k Te
(5.40)
com
k
k = 0
k1
y r
e=
y r
(5.41)
Substituindo (5.40) em (5.39) obtm-se

y
r + k1 ( y r) + k0 ( y r ) = 0
(5.42)
e + k1e + k0e = 0
(5.43)
ou ainda
que, se as razes da sua equao caracterstica tiverem a parte real estritamente negativa, representa um sistema exponencialmente estvel.
Se as condies iniciais forem e(0) =0, e(0) =0, e(0) =0, tem-se, para qualquer t 0, e(t) =0,
ou seja, h um seguimento perfeito da trajectria. Para condies iniciais diferentes
destas o erro e(t) tende exponencialmente para zero.
Chama-se a ateno para o seguinte:
A expresso (5.38), que define a nova varivel manipulada v, no global, isto ,
no vlida para todo o espao de estados, no se aplicando se x2 = 3.
Como no caso do exemplo anterior, continua a ser necessrio o conhecimento das
variveis de estado, pois o clculo de y e de y utiliza os seus valores.
Para a obteno de uma relao explcita entre y e u houve necessidade de derivar
duas vezes a sada. Diz-se que o sistema tem um grau relativo igual a 2.
Pg. 126
De uma forma mais geral:

Diz-se que o sistema tem o grau relativo r, se para obter uma relao explcita entre a entrada e a sada esta tiver que ser derivada r vezes.
O grau relativo dever ser menor ou igual ordem do sistema:
rn
(5.44)
Com efeito r no pode ser superior a n, porque se fosse possvel derivar um nmero de
vezes superior a n ento o sistema no seria de ordem n mas de ordem superior a n.
Se ao fim de derivar n vezes ainda no houver uma relao explcita entre a entrada e a
sada porque o sistema no controlvel.
5.1.5. A dinmica interna
Um facto curioso que se levanta com o exemplo anterior o seguinte: Partiu-se de um

sistema no linear de 3 ordem, o sistema (5.34), e chegou-se a uma equao diferencial
linear de 2 ordem, a equao (5.39). Pelo caminho perdeu-se uma varivel de estado. O
que que lhe aconteceu?
A explicao a seguinte: a equao (5.39) apenas representa parte da dinmica do sistema inicial. A restante dinmica tornou-se no observvel, ao efectuar-se a linearizao entrada-sada. A esta dinmica no observvel d-se o nome de dinmica interna
do sistema.
Neste exemplo a dinmica interna pode ser analisada por meio do estado x3, uma vez
que possvel obter um novo vector de estado com y, y e x3. A dinmica interna ser
ento representada por
1
(5.45)
x3 = x12 +
r k0 e k1e f1 )
(
x2 + 3
Se o estado x3 for estvel a dinmica interna ser estvel e o sistema pode efectuar o
seguimento da trajectria. Se a dinmica interna for instvel, ou seja, se o estado x3 for
no limitado, o seguimento da trajectria r poder conduzir, em sistemas reais, a fenmenos indesejveis, como por exemplo vibraes violentas, rotura de peas, disparo de
proteces ou queima de fusveis.
Portanto, a eficincia do sistema de controlo de seguimento, alm de depender do comportamento do modelo linear de ordem reduzida (5.43), depende tambm da estabilidade da dinmica interna.
A fim de compreender melhor o que a dinmica interna de um sistema vai dar-se um
outro exemplo.
Exemplo 5-3
Considere-se o sistema no linear de 2 ordem
Pg. 127
x1 x23 + u
=
x2 u
y = x
(5.46)
e projecte-se um controlador que faa a sada seguir uma referncia r(t), limitada e com
derivada limitada. Procure-se uma relao entre y e u, derivando y:
y = x1 = x23 + u
(5.47)
Como acaba de se obter a relao entre y e u (atravs de y ), aplique-se a lei de controlo

u = v x23
(5.48)
A substituio de (5.48) em (5.47) origina o sistema linear de 1 ordem (integrador)

y = v
(5.49)
Efectuando um controlo de seguimento por realimentao de estado [ver as equaes

(5.19), (5.31), (5.40)], em que e = y r, dever ser
v = r ke
(5.50)
Substituindo (5.50) em (5.49) e notando que r = y e , -se conduzido equao diferencial de 1 ordem, para o erro,
e + ke = 0
(5.51)
cuja equao caracterstica tem o valor prprio = k, pelo que o erro converge para
zero, exponencialmente (k>0).
A dinmica interna obtm-se substituindo a lei de controlo (5.48) na 2 equao de
(5.46), ainda no utilizada, resultando
x2 + x23 = r ke
(5.52)
Uma vez que (5.51) garante que e(t) limitado, e que por hiptese a referncia e a sua
derivada so limitadas, tem-se
r ke < C
(5.53)
em que C uma constante positiva, e portanto
x2 + x23 < C
(5.54)
ou seja, x2 limitado. O sistema de controlo satisfaz pois os objectivos pretendidos, uma

vez que y(t) segue a trajectria desejada r(t) e a dinmica interna estvel.
Se no entanto o sistema (5.46) for substitudo por um aparentemente muito semelhante
x1 x23 + u
=
x2 u
y = x
Pg. 128
(5.55)
chega-se a uma equao para o erro igual a (5.51), mas a dinmica interna dar
x2 x23 = r + ke
(5.56)
que, mesmo com r + ke < C , como anteriormente, uma equao cuja soluo tende
para infinito quando t.
Embora nos exemplos apresentados tenha havido como motivao o seguimento de uma
referncia, o mtodo da linearizao por realimentao pode ser utilizado tambm para
a anlise da estabilidade de um sistema no linear na vizinhana de um ponto de equilbrio.
Viu-se que o grau relativo de um sistema est relacionado com o nmero de derivaes
que necessrio efectuar sobre a varivel de sada at se obter uma relao explcita
entre y(r) e u. A dinmica interna de um sistema ser caracterizada por um determinado
nmero de equaes diferenciais de 1 ordem, concretamente n-r. Um caso importante
aquele em que para obter a relao entre y e u necessrio derivar y um nmero de
vezes igual ordem do sistema. Neste caso o grau relativo r = n, e o nmero de equaes representativas da dinmica interna zero. O conjunto de variveis y, y , , y(n)
pode ser tomado para vector de estado e o sistema fica assim transformado num sistema
na forma companheira, anlogo ao sistema (5.15). Neste caso a linearizao entradasada equivalente linearizao entrada-estado e o sistema controlvel.
5.1.6. Dinmica interna de sistemas lineares
Para compreender melhor o significado da dinmica interna analise-se o sistema linear
x1 0 1 x1 1
=
+ u
x2 0 0 x2 1
y = 1 0 x1
[ ]
x2
(5.57)
semelhante a (5.46), mas linear. Derivando a sada e substituindo x1 obtm-se

y = x2 + u
(5.58)
A lei de controlo (que contm a realimentao de estado)

u = r ke x2
(5.59)
conduz equao exponencialmente estvel (k>0)

e + ke = 0
(5.60)
e dinmica interna [comparar com (5.52)]
x2 + x2 = r ke
(5.61)
cuja soluo tende para zero quando t .
Pg. 129
No entanto, se for considerado o sistema [confrontar com (5.55)],
x1 0 1 x1 1
=
+ u
x2 0 0 x2 1
y = 1 0 x1
[ ]
x2
(5.62)
a lei de controlo (5.59), embora conduza mesma equao para o erro, (5.60), origina a
dinmica interna
x2 x2 = r + ke
(5.63)
cuja soluo tende para infinito quando t. Qual ser a diferena nos dois sistemas
que conduz a resultados to diferentes? Antes de responder a esta questo observem-se
as respectivas funes de transferncia, que podem ser obtidas pela relao
G ( s ) = c T ( s I A ) 1 b
(5.64)
Obtm-se assim
1 sistema:
s +1
G1 ( s ) = 2
s
2 sistema:
s 1
G2 ( s ) = 2
s
Embora os dois sistemas tenham os mesmos plos, o primeiro tem o zero igual a 1
enquanto que o segundo tem o zero igual a +1. O sistema com o zero no semi-plano
complexo esquerdo(2) tem a dinmica interna estvel, enquanto que o sistema com o
zero no semi-plano complexo direito(3) tem a dinmica interna instvel.
Considere-se agora um outro exemplo, um sistema de 3 ordem com um excesso de
plos sobre zeros igual a dois. A sua funo de transferncia genrica pode escrever-se
G( s) =
b0 + b1s
ao + a1s + a2 s 2 + s 3
(5.65)
Introduzindo as variveis de estado (escrita simblica e notando que x2 = sx1 e x3 = sx2 )

x1 =
1
u
a0 + a1s + a2 s 2 + s 3
x2 = x1
x3 = x2
(5.66)
o sistema pode escrever-se na forma companheira

x1 0
x = 0
2
x3 a0
2
3
Designados por sistemas de fase mnima.

Designados por sistemas de fase no mnima.
Pg. 130
1
0
a1
0 x1 0
1 x2 + 0 u

a2 x3 1
(5.67)
y = [ b0
b1
x1
0 ] x2

x3
(5.68)
Como em (5.68) no existe nenhuma relao explcita entre a sada e a entrada, derive-se a sada. Obtm-se
y = b0 x1 + b1 x2 = b0 x2 + b1 x3
(5.69)
e voltando a derivar

y = b0 x2 + b1 x3 = b0 x3 + b1 ( a0 x1 a1 x2 a2 x3 + u )
(5.70)
Verifica-se que o nmero de diferenciaes necessrias para obter uma relao explcita
entre a sada e a entrada, ou seja, o grau relativo, igual ao excesso de plos sobre
zeros. Escolhendo a lei de controlo
b
1
(5.71)
u = (a0 x1 + a1 x2 + a2 x3 0 x3 ) + (
r k0e k1e)
b1
b1
com k0 e k1 positivos, -se conduzido equao de 2 ordem, que origina um erro exponencialmente estvel,
(5.72)
e + k1e + k0e = 0
A dinmica interna do sistema ser descrita por n r = 1 equao. Escolhendo a 1
equao escalar de (5.67) para representar a dinmica interna, vem
1
x1 = x2 = ( y b0 x1 )
(5.73)
b1
b0
1
x1 = y
(5.74)
b1
b1
Uma vez que y limitado, por ser y = r + e, e tanto r como e so limitados, a estabilidade de (5.74) depende da localizao do seu plo, que o zero da funo de transferncia
(5.65): se o sistema for de fase mnima o zero encontra-se no semi-plano complexo
esquerdo, e a dinmica interna estvel. Se o sistema for de fase no mnima o zero
encontra-se no semi-plano complexo direito, e a dinmica interna instvel.
Como exemplos clssicos de sistemas de fase no mnima, tem-se o controlo da altitude
de um avio, por meio da manipulao do leme de elevao, e o controlo do nvel do
ebulidor de uma caldeira por manipulao do caudal de gua de alimentao.
ou seja
x1 +
5.1.7. A dinmica zero
Na seco anterior estudou-se o efeito da localizao dos zeros da funo de transferncia de um sistema linear sobre a estabilidade da sua dinmica interna. Ser que possvel estender o conceito de zero(s) da funo de transferncia de um sistema linear a um
sistema no linear? O problema que comea por se pr partida que para um sistema
no linear no se define funo de transferncia e, portanto, no existem os conceitos de
zero ou de plo. H no entanto uma forma de abordar este assunto atravs do conceito
de dinmica zero:
Pg. 131
Dado um sistema linear, define-se dinmica zero desse sistema como sendo
a dinmica interna que actuada pela entrada mantm a sada a zero.
Para o sistema (5.46) do Exemplo 5-3 a dinmica zero obtm-se a partir da equao
(5.52), fazendo o 2 membro igual a zero, ou seja,
x2 + x23 = 0
(5.75)
A dinmica zero uma caracterstica intrnseca de um sistema no linear. Ela no

depende nem da sada nem da referncia. Para este exemplo pode verificar-se que a
dinmica (5.75) assimptoticamente estvel utilizando uma funo de Lyapunov, por
exemplo V = x22 .
Para o sistema (5.67)/(5.68) a dinmica zero obtm-se fazendo y = 0 em (5.74), resultando
b
x1 + 0 x1 = 0
(5.76)
b1
A equao (5.76) estvel, isto , x10 quando t, se a raiz da sua equao caracterstica,
b0
, estiver no semi-plano complexo esquerdo, e instvel caso a raiz se
b1
encontre no semi-plano complexo direito. A observao de (5.76) e de (5.65) mostra

que o plo da ltima o zero da primeira. O resultado que acaba de se apresentar vlido para todos os sistemas lineares e pode traduzir-se do modo seguinte:
a localizao dos zeros do sistema sobre o semi-plano complexo esquerdo
garante a estabilidade da dinmica zero.
Nos sistemas lineares a estabilidade da dinmica zero global. Para os sistemas no
lineares no possvel garantir a estabilidade global, apenas a estabilidade local pode
ser garantida.
Diz-se que um sistema no linear de fase mnima se a sua dinmica zero
for assimptoticamente estvel.
Resumindo, o mtodo de linearizao entrada-sada envolve os seguintes passos:
1. Derivar a sada r vezes at se obter uma relao explcita entre y(n) e u.
2. Escolher u = u(v,x) de modo a cancelar as no linearidades e garantir a convergncia do erro de seguimento.
3. Analisar a estabilidade da dinmica interna.
Quando o grau relativo r for igual ordem do sistema, este fica completamente linearizado e possvel escolher um controlador que conduza a um seguimento satisfatrio.
Caso r < n, o comportamento do sistema depender tambm da estabilidade da sua
dinmica interna.
Pg. 132
5.2. O formalismo da Geometria Diferencial

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

de D em n:
(5.77)
f:
D n
O campo vectorial representa uma funo f(x) que a cada ponto x do domnio D faz corresponder um vector f, de componentes reais. Pode fazer-se uma abstraco geomtrica
imaginando um vector f emanando de cada ponto x do domnio.
O campo vectorial representado por um vector coluna de comprimento n e componentes f1(x), f2(x), , fn(x). Neste texto, quando mais nada for dito, f(x) designa um campo
vectorial.
No caso particular em que n = 1, o campo vectorial tem o nome de campo escalar. Neste texto h(x) representar uma funo escalar e ser
h:
(5.78)
A funo escalar faz corresponder a cada ponto do espao vectorial um valor real.
No que se segue admitir-se- que h(x) e f(x) so funes suaves de x (4).
5.2.1.2. Campo covectorial
Designa-se por campo covectorial ao transposto de um campo vectorial. Representa-se

por um vector linha.
5.2.1.3. Produto interno
Define-se produto interno de um campo vectorial f(x) por um campo covectorial w(x),
e representa-se por < w, f > , pelo escalar
n
< w, f >= w ( x )f ( x ) = wi (x ) f i ( x )
(5.79)
i =1
O produto de w(x) por f(x) deve ser entendido como o produto matricial de uma matriz
linha 1n (covector w), por uma matriz coluna n1 (vector f).
5.2.1.4. Gradiente
Define-se gradiente de uma funo escalar h(x), e representa-se por h(x),
h (x )
, ou
x
grad h(x), pelo covector
f(x) funo suave se todas as sua componentes forem funes suaves em relao a todas as componentes de x. Ver Cap.2, nota da pg.43.
Pg. 133
h( x ) grad h (x )
h( x ) h (x )
h (x )
=
, ...,
x
xn
x1
(5.80)
O gradiente de uma funo escalar um campo covectorial, cujas componentes se

obtm derivando h(x) em relao a cada uma das componente de x, respectivamente.
Tambm se lhe d o nome de gradiante de h(x).
5.2.1.5. Jacobiano
Define-se jacobiano de um campo vectorial f(x) pela expresso
f1 ( xn )
f1 ( x1 )
"
x
xn
1
f (x) f i (x)
"
f ( x )
=
= "
x
x j f ( x )
n 1 " f n ( xn )
x1
xn
i, j = 1, 2, " , n
(5.81)
O jacobiano de um campo vectorial de dimenso n uma matriz nn.

5.2.1.6. Derivada de Lie
Dados uma funo escalar h(x) e um campo vectorial f(x), define-se derivada de Lie de
h(x) em relao a f(x), e representa-se por Lf h, pela expresso
Lf h(x ) =
h( x )
f ( x ) = h (x )f ( x ) =< h (x ), f (x ) >
x
(5.82)
Repare-se que h um covector, pelo que o seu produto com f um escalar.

A Lf h tambm se costuma chamar derivada de Lie de h ao longo de f. A derivada de
Lie a derivada dirigida de h(x) segundo a direco de f.
Uma vez que a derivada de Lie de uma funo escalar tambm uma funo escalar,
possvel calcular as derivadas de Lie de ordem 2, 3, etc. A sua definio faz-se por
recorrncia: Define-se derivada de Lie de ordem i de uma funo escalar h(x) por
Lif h( x ) = Lf [Lif1h (x )] = [Lif1h (x )] f ( x )
(5.83)
e em que, por definio, a derivada de Lie de ordem zero

L0f h (x ) = h (x )
(5.84)
Uma funo escalar pode ser derivada em relao a mais do que um campo vectorial.
Sejam f(x) e g(x) dois campos vectoriais. Define-se LgLf h(x) pela expresso
L g Lf h( x ) = Lg [ Lf h( x ) ] = [ Lf h( x ) ] g( x )
(5.85)
L g Lf h ( x ) Lf Lg h ( x )
(5.86)
De um modo geral ser
Pg. 134
Dados um campo vectorial f(x) e um campo vectorial g(x), define-se derivada de Lie de
g(x) em relao a f(x), e representa-se por Lf g, pela expresso
L f g ( x) =
Note-se que
g (x)
f ( x)
x
(5.87)
g (x)
uma matriz, pelo que o seu produto por f um vector.
x
Exemplo 5-4
Sejam x = [x1, x2]T
h(x) = x13 + x2
x2
f(x) =
2
x1 + x2
Calcular: a) Lf h
b) L2f h
c) Lg h
g(x) = (campo vectorial constante)

1
d) LfLg h
e) LgLf h.
Resoluo:
x2
h
f(x) = [3x12 1]
= 3x12 x2 + x1 + x22
2
x
x
+
x
1 2
x2
(Lf h )
f = [6x1x2+1 3x12+2x2]
b) L2f h=
= 3x13+3x12x22+2x1x2+x2+6x1x22+2x23
2
x
x1 + x2
a) Lf h =
c) Lg h = [3x12 1] = 1
1
(Lg h )
f = [0 0] f = 0
d) LfLg h =
x
(Lf h )
0
g = [6x1x2+1 3x12+2x2] = 3x12+2x2 LfLg h
e) LgLf h =
x
1
5.2.1.7. Aplicaes da derivada de Lie
Veja-se como que as derivadas de Lie se aplicam a sistemas dinmicos no lineares.

Considere-se o sistema autnomo
x = f ( x )
(5.88)
y = h(x )
As derivadas da sada podem obter-se por
h h
y = x x = x f = Lf h
(Lf h )
2

(5.89)
y = x x = Lf h
"
y ( n ) = Ln h
f
Pg. 135
A derivada de Lie j apareceu no Cap. 3 seco 3.5.3, embora o seu nome no tenha
sido a referido, aquando do clculo da derivada da funo de Lyapunov ao longo de
uma trajectria do sistema. Considere-se ento uma funo de Lyapunov candidata, para
o sistema (5.88). A derivada V (x ) obtm-se por
V ( x )
V (x )
V ( x ) =
x =
f ( x ) = LfV ( x )
x
x
(5.90)
As derivadas de Lie podem ser usadas para redefinir as expresses de grau relativo de
um sistema, apresentadas atrs em 5.1.4. Seja o sistema no linear no estado e linear na
entrada
x = f (x ) + g(x )u
(5.91)
y = h(x )
e seja r o seu grau relativo. Isto significa que necessrio derivar r vezes a 2 equao
de (5.91) at se obter uma dependncia explcita da entrada na sada. Derive-se uma vez
a 2 equao (5.91) e substitua-se x pelo seu valor:
y =
h
h
x = (f + g u ) = Lf h + Lg h u
x
x
(5.92)
Se o sistema for de grau relativo r = 1 dever ser Lg h 0 . Se r >1 ter que ser Lg h = 0 .
Neste caso dever derivar-se de novo a sada. Derivando, substituindo x pelo seu valor
e generalizando o raciocnio at derivada de ordem r, pode afirmar-se o seguinte:
O sistema (5.91) de grau relativo r se para qualquer xD se verificar
i
Lg Lf h (x ) = 0, 0 i r 2
r 1
Lg Lf h( x ) 0
(5.93)
Para mais detalhe vejam-se as seces 5.4.1 e 5.4.2. mais adiante.

5.2.1.8. Parntesis de Lie
Dados dois campos vectoriais f(x) e g(x), em n, define-se parntesis de Lie de f e g

pela expresso
[f , g ] = g f f g =
g (x)
f (x)
f ( x)
g ( x)
x
x
(5.94)
Repare-se que [f, g] um campo vectorial de dimenso n (vector coluna).

Uma outra notao utilizada para o parntesis de Lie, conveniente para a aplicao
recursiva, a seguinte:
[f , g ] = ad f g
(5.95)
onde adf g significa adjunta de g e representa o parntesis de Lie de f e g.
Pg. 136
O parntesis de Lie de ordem i definido por

1
ad if g = [f ,ad i
f g]
(5.96)
ad 0f g = g
(5.97)
com a condio de se fazer
Exemplo 5-5
x
2x + x
1
2
Dados x = 1 , f(x) =
, g(x) = 2x , calcular [f, g].
x
x
senx
1
2
2
1
Resoluo:
[f, g] =
g (x )
f ( x )
f(x)
g(x) =
x
x
2
0 0 2 x1 + x2
2 0
x2 sen x1 x2 cos x1
sen x1
1
1
2x =
1
2 2 x1
4 x1 + 2 x2 + x2 cos x1 + 2 x1 sen x1
Exemplo 5-6
Considere o sistema obtido a partir de (5.91) fazendo f(x) =Ax, g(x) = b e h(x) = cTx.
Tem-se assim o sistema linear
x = Ax + b u
y = cTx
Calcule os vectores {adf0g, -adf g, adf2g, , (-1)n-1adfn-1g}
Resoluo:
A aplicao das definies (5.97) e (5.96) permite obter o resultado
{b, Ab, A2b, , An-1b}
Que semelhana tem com a matriz de controlabilidade de um sistema linear?
5.2.1.9. Propriedades do parntesis de Lie
P1. Bilinearidade:
[(1f1 + 2f 2 ), g ] = 1[f1 , g ] + 2 [f 2 , g ]
[f , ( 1g1 + 2 g 2 )] = 1[f , g1 ] + 2 [f , g 2 ]
(5.98)
em que f, f1, f2, g, g1, g2 so campos vectoriais suaves e

1, 2, 1, 2 so escalares constantes.
P2. Anticomutatividade:
P3. Identidade de Jacobi:
[f , g ] = [g, f ]
(5.99)
L[ f ,g ] h = Lf Lg h Lg Lf h
(5.100)
Pg. 137
5.2.1.10. Difeomorfismos
Considere-se uma regio do espao de estados, n, um vector x e uma aplicao (x) de em n. A aplicao (x) diz-se um difeomorfismo se existir 1(x) e se
alm disso (x) e 1(x) forem funes suaves.
Normalmente a regio onde o difeomorfismo definido uma vizinhana de um ponto x0 do espao de estados. Nestas condies diz-se que se trata de um difeomorfismo
local. Em casos menos correntes a regio onde o difeomorfismo se encontra definido
coincide com todo o espao de estados, tratando-se ento de um difeomorfismo global.
Os teoremas seguintes estabelecem as condies para a existncia de difeomorfismos.
Considere-se um campo vectorial (x)
:
(5.101)
Teorema 1 (difeomorfismo local)
condio necessria e suficiente para que (x) seja um difeomorfismo

local, numa vizinhana de x0 contida em , que o jacobiano (x) seja
regular em x = x0.
Teorema 2 (difeomorfismo global)
condio necessria e suficiente para que (x) seja um difeomorfismo

global, que o jacobiano (x) seja regular em todo o espao de estados e
que alm disso lim ( x ) =
x
Uma das aplicaes dos difeomorfismos consiste em transformar o modelo de estado de

um sistema no linear num outro modelo de estado, linear ou no linear, atravs de uma
mudana de varivel de estado. Considere-se o sistema
x = f (x ) + g (x )u
y = h(x )
(5.102)
e efectue-se a mudana de varivel de estado

z = (x )
Derivando (5.103) obtm-se
z =
x =
f (x) +
g( x ) u
x
x
x
(5.103)
(5.104)
Como um difeomorfismo tem-se

x = 1 ( z )
pelo que, substituindo em (5.104) se obtm
Pg. 138
(5.105)
z = f * ( z) + g * ( z ) u
y = h * ( z)
(5.106)
5.2.2. Teorema de Frobenius
O teorema de Frobenius(5) estabelece as condies necessrias e suficientes para que

uma determinada classe de equaes diferenciais s derivadas parciais seja integrvel.
Antes de apresentar o teorema na sua forma geral, apresente-se um exemplo.
Considere-se a funo escalar h(x1,x2,x3), a determinar, e as funes escalares conhecidas fi(x1,x2,x3) e gi(x1,x2,x3), com i = 1, 2, 3, relacionadas pelas equaes diferenciais s
derivadas parciais
h
h
h
x f1 + x f 2 + x f3 = 0
1
2
3
h g + h g + h g = 0
x1 1 x2 2 x3 3
(5.107)
Se o sistema (5.107) admitir soluo, isto , se existir h(x1,x2,x3) que o satisfaa, diz-se
que ele completamente integrvel.
A questo est em saber quais as condies a impor a f = [f1, f2, f3]T e g = [g1, g2, g3]T
para que o sistema admita soluo. A resposta a este problema dada pelo teorema de
Frobenius, que se apresenta a seguir.
Teorema de Frobenius:
O sistema (5.107) admite soluo se e s se existirem dois escalares

(x1,x2,x3) e (x1,x2,x3) tais que
[f , g ] = f + g
(5.108)
ou seja, o parntesis de Lie de f e g possa ser expresso por meio de uma

combinao linear de f e g.
Dois campos vectoriais f e g dizem-se involutivos se satisfizerem a condio (5.108).
Repare-se que as equaes (5.107) podem ser escritas na forma
h f = 0
h g = 0
(5.109)
Considere-se agora o caso geral de um conjunto de m campos vectoriais {f1, f2, , fm},
todos eles definidos em n e linearmente independentes, com m < n.
Ferdinand George Frobenius, matemtico alemo, 1849-1917

Pg. 139
O conjunto de campos vectoriais diz-se completamente integrvel se e s se existirem

nm funes escalares h1(x), h2(x), , hn-m(x) que satisfaam o sistema de equaes
diferenciais
hi f j = 0
i = 1," , n m; j = 1," , n
(5.110)
Repare-se que o nmero de funes escalares hi(x) igual a nm, e o nmero de equaes diferenciais n(nm).
Um conjunto de campos vectoriais linearmente independentes diz-se involutivo se e s
se existirem funes escalares i j k : n tais que
m
[fi , f j ] = ijk ( x) f k ( x)
(5.111)
k =1
A expresso (5.111) significa que os parntesis de Lie de dois quaisquer campos vectoriais podem ser expressos por uma combinao linear dos campos de vectores originais.
Com as definies dadas pode apresentar-se o teorema de Frobenius de um modo mais
formal:
Teorema de Frobenius:
Seja {f1, f2, , fm} um conjunto de m campos vectoriais, definidos em n,

com m < n. Este conjunto completamente integrvel se e s se for involutivo.
Exemplo 5-7
Determine a existncia de soluo para o seguinte sistema de equaes diferenciais:
h h
x3 x x = 0
1
2
h
h
h
x
+ 2 x2
3 x3
=0
1
x1
x2
x3
Resoluo:
x3
Do sistema obtm-se f1 = 1 e f2 =
0
x1
2 x . Calcule-se [f , f ].
1 2
2
3 x3
1 0 0 x3 0 0 1 x1 2 x3
f 2
f1
f1
f 2 = 0 2 0 1 0 0 0 2 x2 = 2 = 2f1
[f1, f2] =
x
x
0 0 3 0 0 0 0 3 x3 0
e portanto o sistema completamente integrvel. Repare-se que s h uma funo h,

uma vez que n = 3 e m = 2.
Pg. 140
5.3. Linearizao Entrada-Estado

Considere-se um sistema no linear, de entrada nica com a equao de estado da forma
x = f ( x ) + g( x ) u
(5.112)
A um sistema com esta estrutura d-se o nome sistema linear na entrada, linear no
controlo ou linear na varivel de controlo.
Nesta seco sero estabelecidas as condies para que a um sistema deste tipo possa
ser efectuada uma linearizao entrada-estado. Note-se que h sistemas um pouco mais
genricos do que este, do tipo
x = f (x ) + g( x ) ( x, u )
(5.113)
com (x,u) = [(x)+u] e invertvel, que podem ser convertidos forma (5.112).
Com efeito, fazendo
v = [ ( x ) + u ]
(5.114)
o sistema fica imediatamente na forma (5.112), calculando-se u atravs de
u = 1 ( v ) ( x )
(5.115)
5.3.1. Definio de linearizao entrada-estado
Considere-se um sistema do tipo (5.112), com f(x) e g(x) campos vectoriais suaves em
n. O sistema diz-se linearizvel entrada-estado numa regio n se existirem
1. Um difeomorfismo
: n
(5.116)
2. Uma lei de controlo
u = (x) + (x) v
(5.117)
tais que o novo conjunto de variveis
z = (x)
(5.118)
e a nova entrada v satisfaam o sistema linear e invariante no tempo

z = A z + b v
(5.119)
com
0
0
A = ...
1
0
...
0
0
... 0
1 ... 0
... ... ...
0 ... 1
0 ... 0
0
0
0

b = ...

0
1
(5.120)
A nova varivel de estado z designada por estado linearizado, e a lei de controlo

(5.117) chamada lei de controlo linearizante.
Pg. 141
Repare-se que a forma das matrizes A e b faz com que o sistema (5.120) tenha a forma
de um integrador mltiplo. Este facto no introduz qualquer perda de generalidade,
uma vez que todo o sistema linear pode ser escrito na forma companheira, que por sua
vez, por meio da mudana de varivel (5.118) pode ser transformado num integrador
mltiplo. Note-se que na linearizao entrada-sada de um sistema com grau relativo
r=n tambm se conduzido a um integrador mltiplo, de ordem n. Isto significa que se
um sistema for linearizvel entrada-estado e a sua sada for a 1 componente do vector
de estado, y=z1, ento o sistema linearizvel entrada-sada, com grau relativo r=n.
5.3.2. Condies para efectuar a linearizao entrada-estado
Na seco anterior definiu-se o conceito de linearizao entrada estado de um sistema

no linear, linear no controlo. Ser que sempre possvel efectuar tal linearizao? Se
sim, quais as condies exigidas?
A resposta a estas questes dada pelo seguinte teorema, um dos mais importantes da
teoria da linearizao por retroaco.
Teorema (c.n.s. para a linearizao)

Considere-se um sistema linear no controlo, da forma (5.112), com f e g
campos vectoriais suaves. O sistema linearizvel entrada-estado se e s
se existir uma regio n na qual se verifiquem as seguintes condies:
1. Os campos vectoriais
{g, adf g, , adfn-1g}
so linearmente independentes.
(5.121)
{g, adf g, , adfn-2g}
(5.122)
2. O conjunto de vectores
involutivo.
A primeira condio indica que o sistema controlvel. Exemplificando para um sistema linear (ver Exemplo 5-6) tem-se
{adf0g, adf g, adf2g, , adfn-1g} = {b, -Ab, A2b, ,(-1)n-1An-1b}
(5.123)
e a independncia destes vectores equivale a ser igual a n a caracterstica da matriz de

controlabilidade
[b Ab A 2b " A n-1b]
(5.124)
A demonstrao deste teorema encontra-se em [Slotine] e em [Isidori]
A segunda condio, menos intuitiva, est relacionada com a existncia de soluo para
o sistema (5.122).
Pg. 142
5.3.3. Algoritmo para realizar a linearizao entrada-estado
Com base nos resultados que se acabam de apresentar possvel estabelecer o seguinte
algoritmo destinado a efectuar a linearizao entrada-estado de um sistema no linear do
tipo (5.112).
1. Construir os campos de vectores {g, adf g, , adf n-1g}
(5.125)
2. Verificar se as condies 1. e 2. da seco anterior, de controlabilidade e involutividade so satisfeitas. Caso no o sejam o sistema no linearizvel entrada-sada. Caso sejam, passar ao ponto seguinte.
3. Calcular a 1 componente do novo vector de estado, z1, a partir de (5.93) e fazer
r=n
i = 0, 1, , n2
(5.126)
z1 adf i g = 0
n-1
(5.127)
z1 adf g 0
4. Calcular o novo estado
z(x) = [z1 Lf z1 Lfn-1z1]T

5. Calcular a nova varivel de entrada, v, referida em (5.114) e dada por
u = (x) + (x) v
com (x) e (x) dados por
n
Lf z1
(x) =
n 1
Lg Lf z1
(x) =
1
n 1
Lg Lf z1
(5.128)
(5.129)
(5.130)
(5.131)
Exemplo 5-8 (Slotine/Li, 1991, pgs. 242-245)
Considere um brao mecnico actuado por um veio atravs de uma junta flexvel, como
se mostra na Fig. 5.3.
a) Determinar um modelo de estado representativo da dinmica do sistema.
b) Nas condies em que tal possvel, efectue a linearizao entrada-sada do modelo.
Resoluo:
Designando por
T Binrio motor (varivel de controlo, u),
J Momento de inrcia do veio motor,
m Posio angular do veio motor, relativamente vertical,
k Coeficiente de toro do eixo de ligao (k>0),
M Massa do brao,
L Distncia do centro de massas do brao ao eixo de ligao,
I Momento de inrcia do brao em relao ao veio,
Posio angular do brao, relativamente vertical (varivel controlada),
Pg. 143
M, I,
k
T, J, m
flexvel
Fig. 5.3 Brao com junta flexvel

podem escrever-se as equaes do sistema:
d 2 m
T
J
=
+ k ( m )
dt 2
2
k ( ) = MgL sen + I d
m
dt 2
(5.132)
Escolhendo para vector de estado

x = [ x1 x2 x3 x4 ]T = [ m m ]T
(5.133)
tem-se
x2
MgL
k
sen x1 - ( x1 - x3 )
I
I
f =
x4
( x1 - x3 )
J
0
0

g = 0

1
J
(5.134)
Seguindo agora os passos do algoritmo anterior, ser:

1. Construo do campo de vectores (sendo g constante a sua derivada nula)
0
MgL
k
cos x1 +
g
f
f (x)
I
I
ad f g = f g =
g (x) =
0
x
x
x
Pg. 144
1
0
0
0
0
k
I
0
k
J
0
0

0 0
0=
1
1

0 J
0
0
1 (=g1)
J
MgL
k
cos x1 +
f
I
I
ad f(2) g = ad f (ad f g ) = ad f (g1 ) = g1 =
0
x
2
3
e, mais uma vez, at se obter, [g adf g ad f g ad f g] =
0
0
0
0 k
0 0
IJ
1=
1 0
J k
0 0 2
0
k
I
0
k
J
0
0
0
k
IJ
1
J
k
J2
k
IJ
J2
2. A caracterstica desta matriz igual a 4 desde que k > 0 , I, J < .

Por sua vez os campos vectoriais {g adf g ad2f g} so constantes, formando assim
um conjunto involutivo. Conclui-se pois que o sistema linearizvel entrada estado.
3. Para a 1 componente do novo vector de estado, z1,
z1
z1
z1
z1
0
=0
=0
=0
x1
x2
x3
x4
A componente z1 dever ser apenas funo de x1. A forma mais simples fazer z1=x1.
4. As restantes componentes do novo vector de estado sero, por (5.128),
z2 = Lf z1 = x2
MgL
k
z3 = Lf 2z1 = sen x1 - ( x1 - x3 )
I
I
MgL
k
3
z4 = Lf z1 =
x2 cos x1 - ( x2 - x4 )
I
I
IJ
5. A nova varivel de entrada, v, definida por u =
[v (x)], com (x) dado por
k
M gL
k
k
M gL
k k M gL
(x) =
sen x1 (x2 +
cos x1 + ) + (x1x3)( + +
cos x1 )
I
I
I
I J
I
I
obtendo-se assim o sistema linear
z1 z2
z z
2 = 3
z3 z4

z4 v
Repare-se que neste exemplo a linearizao global, uma vez que o difeomorfismo z(x)
e a transformao da entrada se encontram bem definidos em todo o espao de estados.
Pg. 145
5.4. Linearizao Entrada-Sada
Viu-se na seco 5.1.4 que para efectuar a linearizao entrada-sada se derivava a sada
r vezes at se ter uma relao explcita entre a derivada de ordem r da sada e a entrada,
procurando-se ento uma lei de controlo que cancelasse a linearidade. Ao valor r d-se
o nome de grau relativo do sistema.
Acontece porm que este procedimento nem sempre possvel, devido ao facto do grau
relativo do sistema poder ser indefinido. Considerar-se-o a seguir os casos em que o
grau relativo bem definido e em que indefinido.
5.4.1. Grau relativo bem definido
Considere-se um sistema de entrada nica e sada nica, linear na varivel de controlo

x = f (x ) + g (x )u
(5.135)
y = h(x )
com f g e h funes suaves e considere-se uma regio do espao de estados x n.
Derivando a sada, e utilizando a notao de geometria diferencial, obtm-se [ver (5.89)]
h
h
y =
x =
(f + gu ) = Lf h + Lg h u
(5.136)
x
x
Se for Lg h 0 para algum x = x0 pertencente a x, ento por continuidade tambm ser
diferente de zero numa regio , finita, na vizinhana de x0. A transformao da entrada, dentro de ,
1
(5.137)
u=
( Lf h + v )
Lg h
conduz relao linear entre y e v,
y = v
(5.138)
Se Lgh = 0 para todo x pertencente a x, ento necessrio diferenciar de novo a sada,
obtendo-se

y = L2f h + Lg Lf h u
(5.139)
O raciocnio prossegue at se chegar a um determinado inteiro r para o qual se tem

y ( r ) = Lrf h + Lg Lrf 1h u
(5.140)
com Lg Lrf 1h 0 para algum x = x0. Ento por continuidade esta desigualdade ser verificada numa regio finita x. A lei de controlo
u=
1
( Lrf h + v )
Lg Lrf1h
(5.141)
aplicada a (5.140) conduz relao linear

y(r) = v
Pg. 146
(5.142)
Como tambm se disse anteriormente, dever ser r n. No caso particular em que r = n,

a linearizao entrada-sada equivalente linearizao entrada-estado. Pode dar-se
ento a seguinte definio, j apresentada em (5.93):
O sistema (5.135) de grau relativo r, numa regio , se para qualquer
x se verificar
i
Lg Lf h( x ) = 0, 0 i < r 1
r 1
Lg Lf h( x ) 0
(5.143)
5.4.2. Grau relativo indefinido
Viu-se que quando o grau relativo de um sistema r, se deve verificar LgLr-1f h(x) 0.
Acontece porm que esta expresso pode ser diferente de zero numa vizinhana de x0,
mas ser nula no prprio ponto x0. Diz-se ento que o sistema tem um grau relativo
indefinido em x0. Ilustre-se este caso com um exemplo.
Seja o sistema de 2 ordem
x = ( x , x) + u

2
y = x
(5.144)
onde uma funo no linear do estado x=[x x ]T. Derivando a sada duas vezes
obtm-se
y = 2 xx
(5.145)

y = 2 xx + 2 x 2 = 2 x( + u ) + 2 x 2
(5.146)
Comparando com (5.139) ser LgLf h(x) = 2x. Para x 0 o grau relativo r = 2, mas
para x=0 (o nosso ponto de interesse), LgLf h(x) = 0, e portanto no se sabe qual o grau
relativo.
Por vezes uma mudana na varivel de sada suficiente para tornar o problema solvel. Veja-se por exemplo o que acontece com o clculo do grau relativo se na equao
de sada do sistema acima se fizer y = x, em vez de y = x2. No entanto em muitos outros
casos o problema no tem soluo no podendo efectuar-se a linearizao entrada-sada
na vizinhana de um ponto de funcionamento.
Pg. 147

Probl. 5-1
Suponha que pretende controlar o nvel de um tanque cnico (com o vrtice para baixo)
com 10 m de altura e dimetro no cimo de 6 m. O sistema anlogo ao da Fig. 5.1, bem
como a definio das variveis.
a) Obtenha um modelo de estado para o sistema, para os valores numricos dados.
b) Efectue uma linearizao por realimentao, baseado nos conceitos apresentados na
seco 5.1.1.
c) Com o auxlio do Simulink faa uma simulao deste modelo. Ponha a referncia a
variar entre 0.8 e 1.2 m, com um perodo de 1 minuto. Utilize a realimentao de
estado indicada na equao (5.9) e limite a derivada da referncia. Observe a referncia, a sada, o erro e o caudal de entrada.
d) Repita o ensaio anterior mas com a referncia a variar entre 8.8 e 9.2 m. Conclua
sobre o desempenho do controlador. Limite este caudal q1 a 0.1 m3/s. Que conclui?
Resoluo
a) Esquema da instalao e equaes:
O dimetro d, da superfcie do lquido,
cota h, proporcional h, devido ao
facto do tanque ser cnico.
D
d = kh = h = 0.6h
H
A rea da superfcie do lquido, S(h)
S (h) =
d2
4
(0.6h )2
4
d1=100 mm
q1
S(h)
V
H
= 0.2827h 2
S2
q2
d2=100 mm
A varivel controlada h e a manipulada u=q1.

O balano de massas impe dV = ( q1 q2 )dt .
Pelos teoremas da mecnica dos fluidos q2 = S2 2 gh , pelo que, se pode escrever,
notando que dV = S ( h )dh e que u q1,
S ( h )dh = (u S2 2 gh )dt
ou ainda
S ( h )h = u S2 2 gh .
Substituindo S(h) pela sua expresso, obtida acima, vem

S 2 gh
1
h = 2
u
+
2
0.2827h
0.2827h 2
ou, como S2=0.007854 m2
3
h = 0.123h 2 + 3.537h 2 u
Pg. 148
b) Por analogia com a expresso (5.7) a lei de controlo dever ser

3
1
2
+
u(t ) =
v
(
t
)
0.123
h
3.537h 2
Substituindo na equao do sistema obtm-se, depois de efectuar as simplificaes
h(t ) = v (t )
que a equao que representa o modelo linearizado.
c) e d) (O limitador de caudal s dever ser includo na alnea d))
Osciloscpio1
ref
href
Referncia
Mux
k1h2
erro
k2sqrt(h)
Controlador Osciloscpio
u
Limitador
Osciloscpio2
k1h2
k2sqrt(h)
Tanque
Cnico
Lei de
Controlo
Modelo completo
1
u
sqrt
0.0348
Math
Function
Gain
3
h'
k2sqrt(h)
0.2827
Math
Function1
1
s
Integrator
Product
referncia
href
1
0.001s+1
tanque cnico
du/dt
Derivative
e
ref
0.2
4
v
Transfer Fcn
Signal
Generator
Gain2
k1h2
Constant
Gain1
3
h1
5
erro
controlador linear
Pg. 149
Probl. 5-2
Utilizando os conhecimentos adquiridos na seco 5.1.3, e por analogia com o

Exemplo 5-1, e substituio de variveis (5.27), para o sistema
x
x1 = 3x1 + 2 x2 + e 1
x
x2 = x2 e 1 + x1 u
a) Efectue a linearizao, por realimentao, entrada-estado

b) Indique se a linearizao obtida global. Justifique.
Resoluo
z1 = x1
a) Por analogia com (5.27) efectue-se a mudana de variveis
x1
z 2 = 2 x2 + e
Ser pois
z1 = x1
z1 = 3z1 + z2
x1
x1
z2 = 2 x2 + x1e
z2 = 2 x2 + x1e
ou ainda
z1 = 3z1 + z2
z1 = 3z1 + z2
x1
x1
x1
2 x1
z2 = 2 x2 e + 2 x1 u + x1e
z2 = 3x1e + e + 2 x1 u
Introduzindo a lei de controlo
1
( v + 3x1e x1 e 2 x1 )
u=
2 x1
obtm-se o sistema linear
z1 = 3z1 + z2
3 1
0
ou seja z = Az + bv , com A =
e b=
0 0
1
z2 = v
b) A lei de controlo no pode ser aplicada em x1=0, pelo que a linearizao no global.
Probl. 5-3
Considere o sistema no linear
x1 = x1 x2 x3
x = x x x
2
3
1 3

x
=
x
u
1
3
y = x1
Utilizando os conhecimentos adquiridos nas seces 5.1.4 e 5.1.5
a)
b)
c)
d)
Efectue a linearizao por realimentao, entrada-sada.

Qual o grau relativo do sistema?
Indique se a linearizao obtida global.
Qual a sua dinmica zero?
Pg. 150
Resoluo
a) Como no existe nenhuma relao explcita entre a entrada e a sada, derive-se y:
y = x1 = x1 x2 x3 .
Uma vez que continua a no haver nenhuma relao explcita entre a entrada e a sada, derive-se de novo:

y = x1 x2 x3 x2 x3
y = x1 x2 x3 ( x3 x1 x3 ) x3 x2 ( x1 u )
ou ainda

y = x1 x2 x3 x32 + x1 x32 x1 x2 u
A lei de controlo
1
(v x1 + x2 x3 + x32 x1 x32 )
u=
x1 x2
conduz ao sistema linear

y=v
b) O grau relativo do sistema r=2. Com efeito, foi necessrio derivar a sada 2 vezes,
at se obter uma relao explcita entre a entrada e a sada (atravs da sua derivada).
c) A lei de controlo no pode ser aplicada em x1=0 ou x2=0, pelo que a linearizao no
global.
d) A dinmica zero pode obter-se substituindo a lei de controlo na ltima equao de
1
estado e igualando v a zero, resultando assim x3 = ( x1 x2 x3 x32 + x1 x32 )
x2
Probl. 5-4
1 2s
2 + 2s + s2
b) Projecte um controlador por realimentao de estado para a sada seguir uma referncia conhecida e com derivada limitadas. (Porque que se impe esta condio?)
c) Como representaria a dinmica interna deste sistema? Ser que ela estvel?
d) Represente a dinmica zero do sistema.
Considere o seguinte sistema linear: G ( s ) =
Resoluo
a) Por comparao entre o sistema dado e o modelo da expresso (5.65) pode escrever-se o modelo de estado, anlogo a (5.67) / (5.68)
x1 0 1 x1 0
x = 2 2 x + 1 u
2
2
x
y = [1 2] 1
x2
Pg. 151
b) A equao de sada, y = x1 2 x2 no contm nenhuma relao explcita entre a

entrada e a sada. Derivando esta obtm-se y = x1 2 x2 , ou ainda,
y = 4 x1 + 5 x2 2u . Como se encontrou a dependncia pretendida ao fim da 1 derivao conclui-se que o grau relativo do sistema 1. Com efeito o grau relativo, nos
sistemas lineares, representa o excesso de plos sobre zeros, e o sistema tem 2 zeros
e um plo. Projecte-se um controlador anlogo ao de (5.71). Comea-se por introduzir a lei de controlo
1
u = v 4 x1 5 x2
2
e faz-se v = r ke , em que e = y r . Obtm-se a equao para o erro e + ke = 0 ,
que conduz a um erro exponencialmente estvel se e s se k > 0 .
c) A dinmica interna ser descrita por n-r equaes, sendo n a ordem do sistema e r o
seu grau relativo. Para este sistema ser descrita por 2-1=1 equao. Escolhendo a
1
1
equao x1 = x2 e atendendo a que y = x1 2 x2 , obtm-se x1 x1 = y . Esta
2
2
dinmica no estvel, uma vez que o seu plo, com o valor 0.5, se encontra localizado no semi-plano complexo direito. Repare-se que este plo corresponde ao zero
do sistema dado.
d) A dinmica zero obtm-se a partir da dinmica interna fazendo y=0 (ver seco 5.1.7)
1
obtendo-se assim x1 x1 = 0 .
2
Probl. 5-5
x = x2 x13
Considere o sistema 1
e a funo de Lyapunov V (x ) = x12 + x22 .
3
x2 = x1 x2
Utilizando o formalismo da Geometria Diferencial calcule V ( x ) . Utilize a expresso
(5.90). Que conclui sobre a estabilidade do sistema?
Resoluo
x2 x13

O sistema dado pode ser escrito na forma x = f ( x ) , com f ( x ) =
.
3
x1 x2
Pela expresso (5.90) ser V ( x ) = LfV (x ) , ou seja

x2 x13
V ( x ) V ( x ) x2 x13
V (x )
=
= 2( x14 + x24 ) ,
V (x ) =
f (x) =
x
x
2
2
[
]
1
2
3
3
x
x
x
x
x
x
x
1
2 1
1 2
2
que negativa definida, pelo que V (x ) funo de Lyapunov do sistema, e portanto o
sistema estvel.
Pg. 152
Probl. 5-6
Usando a notao da Geometria Diferencial determine o grau relativo do sistema apresentado no Probl. 5-3.
Resoluo
Na seco 5.4 encontram-se as expresses (5.143), que sero utilizadas para a determinao de r. O sistema do Probl. 5-3 pode escrever-se
x1 x1 x2 x3 0

x2 = x3 x1 x3 + 0 u
x3 x1 1
x1
y = [1 0 0] x2

x3
que da forma (5.135), com

x1 x2 x3
f = x3 x1 x3 ,
x1
0
g = 0 ,

1
h = x1
Comece-se a ensaiar a expresso (5.143) com r=1:

Ser, de acordo com (5.84), L0f h ( x ) = h ( x ) = x1 .
x
Calcule-se agora L g L h ( x ) = L g x1 = 1
x1
0
f
x1
x 2
0
0
x1
0 = [1 0 0] 0 = 0 .

x 3
1
1
Portanto o grau relativo ser superior a 1. Ensaie-a ento (5.143) para r=2:
h
Ser L h(x ) =
x1
1
f
h
x2
h
x3
x1 x2 x3
x1 x2 x3
x3 x1 x3 = [1 0 0] x3 x1 x3 = x1 x2 x3
x
x1
1
L L h ( x ) = Lg ( x1 x2 x3 ) = [1 x3
1
g f
0
x2 ] 0 = x 2

1
Este valor diferente de zero, excepto quando x2=0. Para x20 o grau relativo r=2,
sendo indefinido em x2=0.
Pg. 153
Probl. 5-7
Considere de novo o sistema do Probl. 5-3.
a) Construa a matriz {adf0g, adf g, adf2g, , adfn-1g} apresentada no Exemplo 5-6 e
tambm em (5.123).
b) Que conclui sobre a controlabilidade do sistema? Ser local ou global?
Resoluo
a) Uma vez que se trata de um sistema de 3 ordem a matriz pedida ser apenas
M={adf0g, adf g, adf2g}.
No Probl. 5-6 viu-se que em relao ao Probl. 5-3 se tinha
x1 x2 x3
f = x3 x1 x3 ,
x1
0
g = 0 ,

1
h = x1
pelo que
1. ad 0f g = g = [ 0 0 1]
g1
x
1
g 2
g
f
f g=
2. ad f g = [f , g ] =
x
x
x1
g3
x
1
0 0 0 x1 x2 x3 1
= 0 0 0 x3 x1 x3 x3

0 0 0 x1 1
g
f
3. ad f2g = ad f (ad f g ) = ad f g =
x
g1
x
1
g 2
=
x1
g3
x
1
g1
x2
g 2
x2
g 3
x2
Pg. 154
g 2
x2
g3
x2
x3
0
0
f1
x2
f 2
x2
f 3
x2
f1
x3
0
f 2
0 =
x3
1
f 3
x3
x2 0
x2 x2
1 x1 0 = 0 1 x1 = x1 1 = g

0 1
0 0
f
g =
x
f1
g1
x
x3
x1 x2 x3 1
f
g 2
x3 x1 x3 2
x3
x
x1 1
f 3
g3
x
x3
1
0 1 0 x1 x2 x3 1
= 1 0 0 x3 x1 x3 x3

0 0 0 x1 1
f1
g1
x
x3
x1 x2 x3 1
f
g 2
x3 x1 x3 2
x
x3
x1 1
f 3
g3
x
x3
1
g1
x2
f1
x2
f 2
x2
f 3
x2
f1
x3
x2
f 2
x1 1 =
x3
0
f 3
x3
x3 x2 x2 x2
0 1 x1 x1 1 = x1

0
0 0 x2
Juntando os 3 vectores calculados obtm-se

x2
x2
0
M = 0 x1 1 x1
0
x2
1
b) O determinante da matriz obtida det(M ) = x1 + x2 + x2 ( x1 1) = 2 x1 x2 1 , que
diferente de zero, excepto para x1 x2 = 0,5 . O sistema dado controlvel, excepto
para estes pontos do espao de estados. A controlabilidade no pois global.
Probl. 5-8
Com o auxlio do teorema de Frobenius indique se o seguinte sistema de equaes s
derivadas parciais completamente integrvel:
h h
x3 x x = 0
1
2
h
h
h
2 x1
+ x2
+ x3
=0
x1
x2
x3
Resoluo
Pelo teorema de Frobenius, c.n.s. para que o sistema seja completamente integrvel
x3
2x1
que [f , g ] = f + g , em que f = 1 , g = x2 e e so escalares, reais no

0
x3
simultaneamente nulos.
2 0 0 2 x3 0 0 1 2 x1 3x3
g
f
[f , g ] = f g = 0 1 0 1 0 0 0 x2 = 1
x
x
1 0 1 0 0 0 0 x3 0
O resultado obtido no pode ser expresso como combinao linear de f e g, pelo que o
sistema no completamente integrvel.
Probl. 5-9
Considere o modelo do pndulo ligado a um ponto por meio de uma haste rgida,
podendo rodar em torno desse ponto. O pndulo encontra-se excitado por uma fora u.
x1 = x2
g
b
1
x2 = A sen x1 m x2 + ml u
e em que g representa a acelerao da gravidade, A o comprimento da haste, m a massa
do pndulo e k o seu coeficiente de atrito cintico. As componentes x1 e x2 do estado
representam a posio angular do pndulo em relao vertical, e a sua velocidade.
Pg. 155
Baseando-se nos conceitos apresentados em 5.3.2 e 5.3.3,

a) Indique quais as condies para que se possa efectuar a linearizao entrada-estado.
b) No caso das condies anteriores serem satisfeitas, e utilizando o algoritmo para a
linearizao entrada-estado, efectue a sua linearizao.
Resoluo
x2
0
e g= 1
a) Para este modelo, x = f ( x ) + g( x ) u , tem-se f =
g
b
sen x1 x2

m
A
mA
Verifique-se se o sistema controlvel. Por ser de 2 ordem ser M=[adf0g, adf g].
0
ad 0f g = g = 1

mA
1
x2
0
1 0

0 0
g
f
mA
f g=
ad f g =
g
b g
b 1 =
x
x
0 0 sen x1 x2 cos x1 x2 b
m A
m mA 2
A
m A
0 mA
M=
A caracterstica de M igual a 2 desde que m ou A ,
1
b
mA m 2A
pelo que o sistema controlvel. Por sua vez os vectores coluna da matriz M so
constantes, e portanto involutivos [aplique-se-lhes a definio (5.108)]. Esto pois
satisfeitas as condies para que se possa efectuar a linearizao entrada-estado.
b) A 1 componente do novo vector de estado, z1, dever ser obtida por meio das expresses (5.126) e (5.127). Uma vez que n=2, da expresso (5.126) resulta
0
z1 z1
1 z1
z1
x x 1 = 0 mA x = 0 x = 0
2
2
1 2
mA
Da expresso (5.127) obtm-se

1
1
z1 z1 mA
z1 mA
1 z1
z1
0
0
x b 0 mA x 0 x 0
x x b
1
1
1
1 2
m 2A
m 2A
A forma mais simples de satisfazer a ltima expresso consiste em fazer z1=x1.
Pg. 156
A segunda componente do novo vector de estado, z2, determinada a partir de

(5.128):
x2
x2
z z
=
z2 = Lf z1 = 1 1 g
1
0
[
] g
b
b = x2
sen x1 x2
x1 x2 sen x1 x2
m
m
A
A
Logo, o novo vector de estado igual ao anterior: z = [ z1
z2 ] = [ x1
x2 ] = x
A nova varivel de entrada calculada por meio de (5.129): u = (x) + (x) v

em que (x) e (x) so obtidos por (5.130) e (5.131), respectivamente:
n
Lf z1
1
(x) =
(x) =
n 1
n 1
Lg Lf z1
Lg Lf z1
Lf
n 1
z1 = x2 (j calculado atrs).
Lf z1 =Lf Lf
n 1
x2
x2 x2
z1 = Lf x2 =
g sen x b x =
x
x
1 1
1
2
m
A
x2
= g sen x b x
= [ 0 1] g
1
2
sen x1 b x2
A
m
m
A
Lg Lf
n 1
0
0
x2 x2
1
z1 = Lg x2 =
1 = [ 0 1] 1 =
mA
x1 x1
mA
mA
g
b
sen x1 x2
m = mg sen x + Abx
Logo, ser ( x ) = A
1
2
1
mA
( x) =
1
= mA
1
mA
e portanto u = mg sen x1 + Abx2 + mA v ,

z z
obtendo-se assim o sistema linear 1 = 2
z2 v
Pg. 157

Probl. 5-10
Considere o modelo de um motor de corrente contnua controlado pela corrente de
magnetizao, descrito pelo modelo de estado
k1 a k5 Constantes positivas,
x1 Corrente no motor,
x1 = k1 x1 k2 x2u + k3
x2 = k4 x2 + k5 x1u
y = x
2
u Corrente de magnetizao (varivel manipulada),

x2 velocidade do motor.
a) Efectue a sua linearizao entrada-sada.

b) Determine o grau relativo do sistema?
c) Exprima y em termos da notao usada na lgebra de Lie.
Probl. 5-11
Considere o sistema descrito pelo modelo de estado
x1 x2 0
x = sen x + 1 u

2
1
a) Indique, justificando, se o sistema controlvel e se linearizvel entrada-estado.
b) Determine o grau relativo do sistema. Que conclui sobre a sua dinmica interna?
Probl. 5-12
Considere o sistema definido por
x1 = x2
x2 = x1 x1 x2 + ln x2 + u
y = x
1
a) Determine uma lei de controlo u(x1,x2,v) (v a nova varivel de controlo), que transforme este sistema em y = v . A lei de controlo global? Justifique.
b) Considere agora apenas as equaes entrada-estado. Determine f(x1,x2) e g(x1,x2) de
x
modo a que o sistema fique na forma: 1 = f ( x1 , x2 ) + g ( x1 , x2 ) u
x2
c) Defina variveis de estado z1 e z2 tais que z1 g = 0, z1 ad f g 0 e z 2 = L f z1 .
Utilizando estas variveis, calcule a lei de controlo u =(x1,x2)+(x1,x2)v onde:
L2f z1
1
( x1 , x2 ) =
( x1 , x2 ) =
Lg L f z1
Lg L f z1
(Compare com a lei de controlo obtida na alnea b)).
Pg. 158
6. SISTEMAS DIFUSOS E REDES NEURONAIS
6.1. Introduo. Controlo inteligente

Quase todos os processos industriais esto ligados a sistemas de aquisio de dados, a
sistemas de controlo distribudo, ou apenas a sistemas de monitorizao e diagnstico.
Devido ao aumento de complexidade dos processos, com acrscimo do nmero de
cadeias de controlo multivarivel, com um grande acoplamento entre as variveis, fortes
no linearidades e variaes dos parmetros por vezes rpidas, os esquemas de controlo
convencionais, apesar de terem tido uma evoluo muito significativa, por vezes so
insuficientes para resolver alguns dos problemas de controlo que se colocam, pelo que
poder haver necessidade de recorrer a tcnicas diferentes das convencionais.
Uma das ideias que se encontra na base de algumas das tcnicas que surgiram foi a de
observar como que os seres vivos, e em particular os seres humanos, se comportam
perante determinado tipo de problemas, e como que os solucionam. Aplicado ao controlo de processos surgiu desta forma o chamado controlo inteligente.
O facto do ser humano lidar por vezes com informao que no se encontra bem definida, ou at mesmo inexistente, foi uma das razes que levou ao aparecimento da lgica
difusa, que tem servido para muitos fins, entre eles para efectuar a identificao de sistemas e efectuar o seu controlo. Os sistemas periciais e os sistemas baseados em regras
so outras formas de lidar com sistemas e podem por vezes ser associados aos sistemas
difusos.
A observao do modo como o crebro humano funciona deu origem ao desenvolvimento de uma estrutura matemtica, as redes neuronais artificiais (RNA). Os diversos
tipos de RNA tm sido utilizados em campos muito diversos, sendo talvez os mais
importantes o reconhecimento de caracteres, o reconhecimento de padres e a identificao de sistemas. Tambm tm sido usadas em controlo de sistemas.
Quando os parmetros de um sistema variam no tempo ou quando devido existncia
de vrios pontos de funcionamento com caractersticas muito distintas (devido por
exemplo s no linearidades), torna-se necessrio ir ajustando os parmetros do controlador de uma forma automtica: este o princpio do controlo adaptativo. Outras vezes
h necessidade de trabalhar com sistemas em que os parmetros podem variar muito
rapidamente no tempo, de forma que, para a obteno de bons resultados, no h tempo
de esperar que se faa a adaptao dos parmetros. Surgiu ento a ideia de ter previamente disponveis uns tantos modelos do sistema, previstos ou no previstos, e outros
tantos conjuntos de parmetros para os respectivos controladores, de modo a entrar
imediatamente em operao o controlador que nesse instante melhor corrige o processo,
tendo nascido assim o controlo com modelos mltiplos.
Pg. 159
6 -SISTEMAS DIFUSOS, MODELOS MLTIPLOS E REDES NEURONAIS
Num outro tipo de formalismo, designado por algoritmos genticos, definem-se entes
matemticos com propriedades semelhantes s das clulas biolgicas, que nascem, se
multiplicam e desaparecem de acordo com um conjunto de regras bem definidas. Estes
algoritmos tm sido utilizados em vrios campos cientficos, nomeadamente no controlo
de processos.
Neste captulo apenas sero abordadas a lgica difusa e as redes neuronais e a sua aplicao no controlo de sistemas.
6.2. Conjuntos e lgica difusa
6.2.1. Introduo
O conceito de conjunto difuso (fuzzy set) est associado a uma classe de objectos em
que no se consegue, ou no tem interesse, efectuar a classificao de uma forma precisa, no sentido convencional. Embora o conceito se perca na 2 metade do sculo XIX,
ele s em 1965 foi formalmente apresentado, por Zadeh(1). Uma das preocupaes que
estiveram na base do aparecimento dos conjuntos difusos foi a seguinte:
Algumas classes de objectos no tm critrios de pertena bem definidos.
Veja-se o seguinte exemplo: Esto 60 pessoas de diversas nacionalidades numa esplanada em Paris, numa noite de Outubro, em que a temperatura ronda os 17 C. Como
que os utentes da esplanada classificam o ambiente: muito frio, frio, tpido, quente ou
muito quente?
Este problema, que aqui se equaciona para um facto do dia a dia, pe-se em qualquer
outro ramo de actividade, como sejam numa indstria ou at mesmo numa cincia exacta como a Matemtica. Num processo industrial, um determinado operador trabalha com
uma certa vlvula com uma abertura que considera ideal, enquanto outro operador, nas
mesmas circunstncias acha que essa vlvula se encontra demasiado aberta. E em
matemtica, o que que se entende por analisar o comportamento de uma determinada
funo na vizinhana de x=0? Qual dever ser o domnio a considerar?
para formalizar este tipo de conceitos que se estudam os conjuntos difusos, e os sistemas que com eles operam, designados por sistemas difusos. O conceito de tal modo
flexvel e poderoso que pode ser estendido aos sistemas de controlo, dando origem ao
controlo difuso.
6.2.2. Conjuntos e sistemas difusos
6.2.2.1. Definies
O conceito convencional de conjunto obtido custa de uma determinada caracterstica, C. Designando por U o conjunto universal e por x os seus elementos, para um
determinado conjunto A atribui-se um valor CA(x) a cada um do seus elementos xU,
do seguinte modo:
1
Lutfi A. Zadeh, Engenheiro Electrotcnico, Azerbeijo, 1921-
Pg. 160
6 - SISTEMAS DIFUSOS, MODELOS MLTIPLOS E REDES NEURONAIS
1, sse x A
CA ( x ) =
0, sse x A
(6.1)
Esta funo caracterstica A de x, discrimina todos os elementos de um determinado

conjunto universal, tambm designado por universo do discurso, em dois grupos: os
que pertencem a A (tm a caracterstica CA=1) e os que no pertencem a A (tm a caracterstica CA=0). Pode pois dizer-se que CA uma aplicao de U em {0,1}:
CA :
U {0,1}
(6.2)
Esta classificao dicotmica, embora exacta, poder no ser das mais apropriadas para
lidar com certo tipo de fenmenos. Considere-se assim o exemplo dado atrs para classificar o ambiente da esplanada em funo da temperatura. Pode efectuar-se uma classificao, do tipo anterior, do modo seguinte:
Temperatura (T)
varivel convencional
(exacta)
Ambiente
T < 10 C
muito frio
10 T < 17 C
frio
17 T < 24 C
tpido (morno)
24 T < 30 C
quente
T 30 C
muito quente
varivel lingustica
Sabe-se assim, de uma forma exacta, que a caracterstica do ambiente tpido se a

temperatura se encontrar compreendida entre 17 e 24 C, e no ser tpido caso contrrio. E que acontece quando a temperatura, que estava a descer de uma forma muito
lenta, passar de 17.01 C para 16.99 C? Ser que o ambiente passou bruscamente de
tpido a frio? De acordo com a classificao dada de facto assim aconteceu. Mas ser
esta a forma mais correcta de classificar?
Para resolver situaes semelhantes deste exemplo faz-se uma extenso da noo convencional de conjunto, definindo uma classe de objectos em que a transio de uma
classe para outra gradual, em vez de ser abrupta. assim introduzido o conceito de
funo de pertena, definido como se segue:
Seja U o conjunto universal ou universo do discurso. Define-se funo de pertena de
um conjunto A, A, pela aplicao
A :
U {0,1}
(6.3)
em que {0, 1}.

Nestes termos, a classificao do ambiente da esplanada apresentado atrs pode por
exemplo ser feita com 5 funes de pertena, como exemplificado na Fig. 6.1
Pg. 161
Define-se suporte de um conjunto difuso como o conjunto convencional dos pontos

com grau de pertena em A no nulo. Formalmente conjunto
{x U| A ( x) > 0}
muito
frio
ambiente
frio
tpido
(6.4)
quente muito
quente
0.8
funes de
pertena
Funo de pertena
0.6
0.4
0.2
0
0
10
15
20
25
30
35
40C
Temperatura (varivel difusa)
Fig. 6.1 Funes de pertena para a temperatura ambiente
Define-se corte- fraco de um conjunto difuso A, ou simplesmente corte-, como

A = { x U A ( x ) }
(6.5)
Define-se corte- forte de um conjunto difuso A, como sendo

A = { x U A ( x ) > }
(6.6)
Se a funo de pertena for contnua os cortes fraco e forte so coincidentes.

Define-se altura de um conjunto difuso A pela expresso
H (A) = {sup A ( x) > }
(6.7)
Um conjunto difuso diz-se normalizado ou regular se H(A) = 1.

Um conjunto difuso diz-se convexo quando o seu suporte um subconjunto dos reais e
verifica
x [a, b] , A ( x) min( A (a ), A (b))
(6.8)
Observando o conjunto difuso de valores do ambiente tpido do exemplo anterior,

conclui-se que normalizado e convexo.
Chama-se nmero difuso a um conjunto difuso normalizado e convexo, definido em ,
com uma funo de pertena contnua ou contnua por troos. D-se um exemplo, relacionado com o que j foi abordado na introduo, da vizinhana de uma funo em torno de zero. Introduza-se o conceito de nmero prximo de zero atravs de uma funo
de pertena, por exemplo,
1
zero ( x) =
(6.9)
10 x 2 + 1
Pg. 162
cuja representao grfica se encontra na Fig. 6.2. O conjunto difuso dos nmeros prximos de zero , neste exemplo, caracterizado pela funo de pertena (6.9). O nmero
difuso aproximadamente zero poder ser caracterizado pela mesma funo de pertena.
A(x)
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-3
-2
-1
Fig. 6.2 Funo de pertena para o conjunto difuso

dos nmeros reais prximos de zero.
Chama-se singular difuso (fuzzy singleton) a um conjunto difuso cujo suporte um

nico ponto de U. Se A um singular difuso cujo suporte o ponto x0, ento A representado por
A = A ( x0 ) / x0
(6.10)
Um conjunto difuso A pode ser considerado como sendo a unio dos seus singulares
constituintes. Nesta conformidade, num universo de discurso discreto X={x1, x2, ,xn}
o conjunto pode representar-se por
n
A = A ( xi ) / xi
(6.11)
i =1
6.2.2.2. Propriedades fundamentais

H dois princpios bsicos na teoria dos conjuntos difusos: o princpio da resoluo e o
princpio da extenso.
O princpio da resoluo, ou da representao, afirma o seguinte: um conjunto difuso
pode ser encarado como sendo a unio dos seus cortes-:
A=
[ 0,1)
( 0,1]
(6.12)
O princpio da extenso permite a generalizao de conceitos matemticos convencionais aos conjuntos difusos. Seja f uma funo contnua tal que f: XY. Pelo princpio
da extenso, ao conjunto difuso A definido em X feito corresponder um conjunto difuso f(A) tal que
Pg. 163
f (A) = f (A) ( x) / f ( x)
(6.13)
f (A) ( y ) = sup A ( x)
(6.14)
y= f ( x)
Este princpio est na base da aritmtica difusa, cujas operaes foram generalizadas a
nmeros difusos, por meio da aplicao de (6.13) e de (6.14).
~
2
|
0
|
1
|
2
~
3
~
5
|
3
|
4
|
5
|
6
|
7
Fig. 6.3 Adio de dois nmeros difusos
6.2.3. Lgica difusa
A designao lgica difusa utilizada em dois contextos diferentes:

Um no sentido lato, designando os conceitos e tcnicas referentes aos conjuntos e
aos sistemas difusos (exemplo: controlador de lgica difusa).
Outro em sentido restrito, referindo-se s relaes entre grandezas difusas.
6.2.3.1. Variveis
De entre as diversas variveis tipo que podem ser definidas, sero considerados apenas
duas: as variveis difusa e as variveis lingusticas.
Variveis difusas so aquelas cujos valores so nomes de conjuntos difusos,
associados aos seus possveis valores. No exemplo apresentado na pg. 161 a temperatura, associada aos valores desde muito frio at muito quente um exemplo de uma
varivel difusa.
Variveis lingusticas so aquelas cujos valores so nomes de conjuntos difusos,
associados a expresses que permitem determin-las. Tomando o exemplo da pg. 161,
poder definir-se uma varivel lingustica TpAmbiente quente mas no muito quente.
De um modo mais formal, define-se varivel lingustica x pelo conjunto
x = ( L, U, G, S )
(6.15)
em que L o conjunto de termos lingusticos de x; cada um destes termos representado

por um conjunto definido no universo U. G representa uma gramtica para a manipulao sintctica e S uma regra semntica que associa a cada varivel difusa uma varivel
lingustica.
Pg. 164
6.2.3.2. Operaes
Nos conjuntos convencionais definem-se as seguintes as operaes fundamentais ou
operaes bsicas: unio, interseco e complemento:
Unio
A B = {x U | x A x B}
(6.16)
Interseco
A B = {x U | x A x B}
(6.17)
Complemento
A = {x U | x A}
(6.18)
Com conjuntos difusos definem-se operaes semelhantes a estas, mas em termos de

funo de pertena. Considerem-se dois conjuntos difusos A e B, definidos em U, com
funes de pertena A e B.
A funo de pertena da unio ou disjuno de A com B definida ponto a ponto para
todos os elementos xU tais que
A B (x) = max{A (x),B (x)}
Unio de A e B
grau de pertena
= grau de pertena
funo de pertena
Conjuntos difusos A e B
0.8
0.6
0.4
0.2
0
50
100
1
0.8
0.6
0.4
0.2
0
1
0.8
0.6
0.4
0.2
0
50
50
100
Complemento de A
grau de pertena
grau de pertena
Interseco de A e B
(6.19)
100
1
0.8
0.6
0.4
0.2
0
50
100
Fig. 6.4 Operaes bsicas com conjuntos difusos.
De modo anlogo, a funo de pertena da interseco ou conjuno de A com B

definida ponto a ponto para todos os elementos xU tais que
A B (x) = min{A (x),B (x)}
(6.20)
Pg. 165
A funo de pertena do complemento de A definida ponto a ponto para todos os

elementos xU tais que
A (x) = 1-A (x)
(6.21)
Na Fig. 6.4 faz-se uma representao grfica das operaes que se acabam de apresentar.
Aos operadores lgicos unio e interseco, uma vez que estabelecem uma ligao entre
conjuntos difusos, d-se por vezes o nome genrico de conectivas.
O produto cartesiano de n conjuntos difusos A1, A2, An, definidos respectivamente
em U1, U2, , Un, o conjunto difuso definido no espao cartesiano U1U2 Un,
com a seguinte funo de pertena:
A
1
An
(x) = min{A1 (x),
, An (x)}
(6.22)
A forma de definir os operadores lgicos OU difuso, E difuso e Complemento

difuso so as que foram propostas por Zadeh, mas no so as nicas. Os operadores
lgicos interseco e conjuno so definidos de uma forma bastante mais genrica
atravs dos chamados operadores triangulares. Definem-se dois operadores triangulares, a norma-T, extenso da interseco, e a norma-S, extenso da conjuno.
Norma-T
Seja x o elemento genrico do universo do discurso, A e B dois conjuntos difusos e A(x) e B(x) duas funes de pertena para A e B respectivamente. O conjunto C diz-se norma-T de A e B sse existir uma funo de pertena C(x) definida do
modo seguinte:
C ( x) = T ( A ( x), B ( x))
(6.23)
T:
[0,1] [0,1] [0,1]
e goza das seguintes propriedades:

T1 fronteira: T(0,0)=0 T(1,a)=T(a,1)=a
T2 monotonia: T(a,b)T(c,d) sse a c bd
T3 comutatividade: T(a,b)=T(b,a)
T4 associatividade: T(a,T(b,c))=T(T(a,b),c)
A propriedade T1 uma generalizao da propriedade anloga existente nos conjuntos
convencionais. Da propriedade T2 conclui-se que a diminuio do grau de pertena de A
ou de B no pode produzir um aumento do grau de pertena da sua interseco. A
comutatividade da interseco diz que indiferente a ordem pela qual se combinam os
conjuntos. Finalmente a associatividade permite efectuar o agrupamento de conjuntos
emparelhando-os como se pretender.
A norma-T de x e y tambm representada por:
T( x, y ) ( x, y ) x
Pg. 166
(6.24)
Norma-S
Sejam A(x) e B(x) duas funes de pertena de dois conjuntos difusos
A e B respectivamente. O conjunto C diz-se norma-S de A e B sse existir uma funo de
pertena C(x) definida do modo seguinte:
C ( x) = S ( A ( x), B ( x))
S:
[0,1] [0,1] [0,1]
(6.25)
e goza das seguintes propriedades:

S1 fronteira: S(1,1)=1 S(a,0)=S(0,a)=a
S2 monotonia: S(a,b)S(c,d) sse a c bd
S3 comutatividade: S(a,b)=S(b,a)
S4 associatividade: S(a,S(b,c))=S(S(a,b),c)
A norma-S de x e y tambm representada por:
S(x,y) = (x,y) = x y
(6.26)
A norma-T est associada norma-S por meio da negao ou complemento:
x y = n( n( x )
n( y ))
(6.27)
A relao (6.27) no mais do que uma das leis de Morgan.

Deixa-se ao cuidado do leitor verificar que a funo de pertena interseco, definida
por (6.20), obedece definio (6.23) propriedades T1 a T4, e que a funo de pertena
unio, definida por (6.19), obedece definio (6.25) e goza das propriedades S1 a S4.
H outras formas de definir as funes de pertena interseco e unio, dentro das normas triangulares. A mais simples para a interseco, consiste em efectuar o produto xy e
para a unio, efectuar a operao x+yxy, designada por ou probabilstico.
6.2.3.3. Regras if-then
Viu-se que as funes de pertena so definidas por regras. Comparando com a linguagem corrente, os elementos de um conjunto so equivalentes aos substantivos e os operadores equivalentes aos verbos. H uma regra condicional, bastante conhecida das linguagens de programao, que a if-then. Ela tem uma forma semelhante a
se x pertence a A ento y pertence a B
A primeira parte da regra, se x pertence a A designada antecedente ou permissa. A

2 parte, ento y pertence a B tem o nome de consequente ou concluso. Concretizese com um exemplo, a partir das temperaturas ambiente e do tipo de estao do ano.
se o ambiente est quente ento tempo de Vero
A caracterstica quente representada por um nmero entre 0 e 1 e portanto o antecedente gera um nmero tambm compreendido entre 0 e 1. A palavra Vero um conjunto difuso; o consequente atribui a uma varivel de sada (tempo) um conjunto difuso
(Vero).
Pg. 167
6.2.4. Regras de inferncia
As regras de inferncia constituem o processo de estabelecer a relao entre as entradas

e as sadas de um sistema lgico. Esta relao, aplicao ou mapping fornece a base
a partir da qual podem ser tomadas decises. Este processo envolve os conceitos que se
apresentaram atrs: funes de pertena, operadores lgicos e regras if-then.
Vai dar-se um exemplo que permite fazer a previso aproximada da chuva numa certa
regio, tomando como base o valor da presso atmosfrica e a direco do vento. Este
exemplo muito simplista, pois uma boa previso dever ser baseada em mais variveis
de entrada. Os passos a seguir so os seguintes:
1. Escolha das variveis de entrada e de sada. Neste exemplo as variveis de
entrada sero a presso atmosfrica e a direco do vento. Esta escolha dever ser
feita de acordo com os conhecimentos meteorolgicos pr-existentes que se sabe
serem determinantes para o estado do tempo. Vai considerar-se para varivel de
sada a previso da quantidade de chuva.
2. Definio dos universos de discurso para as variveis de entrada. Neste exemplo, tendo em conta conhecimentos meteorolgicos sabe-se que a presso atmosfrica poder estar baixa, normal ou alta.
3. Definio das funes de pertena para as variveis consideradas (fuzificao
das entradas e das sadas). aqui que se vai dizer o que se entende por presso
baixa, normal ou alta, e o que vento Norte, Oeste ou outro. Neste exemplo considerar-se-o apenas 3 funes de pertena para a variao da presso e 4 para a
direco do vento. Podero ser utilizadas funes do tipo gaussiano, como se mostra na Fig. 6.5, ou de outro tipo, como no exemplo que se d adiante.
funo de pertena
-100
P0
P+
100
presso / mBar
-180
-90
90
180
direco do vento /
Fig. 6.5 Funes de pertena para a presso e para a direco do vento.
4. Escolha das conectivas a utilizar. Para este efeito devero ser definidos os tipos
de funes a utilizar para as funes de pertena da conjuno e da disjuno.
Neste exemplo escolhe-se para a interseco a funo mnimo(x,y) e para a unio a
funo mximo(x,y).
Pg. 168
5. Escolha das regras de inferncia. neste ponto que se vo criar as variveis

difusas de sada, a partir de regras. Neste exemplo vai ser utilizado o conhecimento pr-existente sobre o fenmeno (consulta aos especialistas) para prever se vai
ou no haver chuva. Quando h apenas duas variveis de entrada comum apresentarem-se as regras sob a forma de uma matriz. Se houvesse mais variveis de
entrada as regras poderiam ser apresentadas sob a forma de um array. No caso
deste exemplo pode construir-se a seguinte matriz, geradora das variveis difusas
SC, SC+, CH, CH+ e (indeterminado, nem seco, nem chuvoso).
and
presso atmosf.
PP0
P+
direco do vento
N (norte)
S (sul)
E (este)
O (oeste)
SC
SC+
CH
SC
CH
CH
CH+
CH+
Estas variveis difusas de sada tm o seguinte significado:

SC+
SC
CH
CH+
tempo muito seco

tempo seco
nem seco nem chuvoso
tempo de chuva
tempo com muita chuva
A matriz apresentada uma forma compacta de apresentar as seguintes regras:

1. Se (if) a presso atmosfrica P- e (and) a direco do vento S, ento (then) o tempo ir ser SC (tempo seco).
2. Se (if) a presso atmosfrica P- e (and) a direco do vento E, ento (then) o tempo ir ser SC+ (tempo muito seco).
3. Se (if) a presso atmosfrica P0 e (and) a direco do vento S, ento (then) o tempo ir ser CH (tempo chuvoso).
4. Se (if) a presso atmosfrica P0 e (and) a direco do vento E, ento (then) o tempo ir ser SC (tempo seco).
...
H neste exemplo um total de 8 regras, que definem as 4 variveis difusas de sada indicadas acima. No caso geral as regras no tero necessariamente que ser feitas apenas
com o operador and, podero ser mais complexas, em particular quando h mais que
duas entradas.
Ficam assim definidas, em termos de variveis lingusticas, as 4 possibilidades que o
tempo atmosfrico ir ter, em funo das medies efectuadas na presso e na direco
do vento. No caso de pretender dar esta informao de forma numrica ou atravs de um
ponteiro sobre uma escala, torna-se necessrio efectuar a agregao das variveis lingusticas de sada assim obtidas e converter a agregao num valor numrico atravs da
operao inversa da fuzificao, que designada por desfuzificao. Estes dois pontos
sero abordados no exemplo seguinte, do controlo de um satlite.
Pg. 169
6.2.5. Projecto de um controlador difuso
O projecto de um controlador difuso tem passos muito semelhantes aos anteriores. Vai
admitir-se que o controlador ser inserido numa cadeia de controlo convencional, com
realimentao negativa, como se mostra na Fig. 6.6.
referncia +
erro
controlador
difuso
controlo
processo
sada
regras
Fig. 6.6 Cadeia de controlo difuso.
Os passos a considerar no projecto do controlador so os seguintes:

1. Escolha das variveis de entrada e de sada.
2. Definio dos universos de discurso para as variveis de entrada e de sada.
3. Definio das funes de pertena para os termos lingusticos das variveis consideradas (fuzificao das entradas e das sadas).
4. Construo das regras de inferncia a utilizar.
5. Escolha das conectivas a utilizar.
6. Agregao de todas as regras de sada.
7. Desfuzificao da sada.
Vai concretizar-se atravs do exemplo dado no Cap.2: Pretende-se controlar a posio
angular de um satlite, obrigando-o a rodar em torno de um eixo por meio de um par
de propulsores, como indicado na Fig. 6.7. Considera-se apenas este grau de liberdade.
1. Escolha das variveis de entrada e de sada:
Viu-se na seco 2.4.1, que utilizando na cadeia de controlo apenas a varivel posio angular, o satlite ficava a oscilar em torno da referncia. Vai ento utilizar-se,
alm da posio, o valor da velocidade angular, . Tem-se deste modo para variveis de entrada do controlador a posio angular e a velocidade angular. A sada do
controlador ser a intensidade do jacto propulsor (em que se considera o seu sentido).
Pg. 170
antena
u
Fig. 6.7 Esquema do satlite
2. Universos do discurso:
A posio do satlite poder variar entre e +. A determinao da sua velocidade
angular um pouco mais complicada. Ela depende do momento de inrcia do satlite
em torno do seu eixo de rotao e do binrio propulsor. Para um satlite com a massa
de 200 kg, e o dimetro de 2,8 m, e para um binrio propulsor de 1 Nm, um clculo
aproximado permite determinar o momento de inrcia do satlite (suposto homogneo J =2/5mR2 =160 kg.m2) e concluir, utilizando as expresses (2.34: J = U ) e
(2.35: J = U ) que a velocidade angular estar compreendida entre 0,20 e + 0,20
rad/s. Tem-se assim os valores do universo do discurso: = x1[,+] rad e =
x2[0,2,+0,2] rad/s.
3. Definio das funes de pertena:
A definio das funes de pertena feita de acordo com a sensibilidade que o
especialista tem em relao ao problema especfico em causa. Mesmo assim recomendado que se faam vrias hipteses, se testem os resultados e se escolha a que
conduzir a melhores resultados. Uma vez que se est a apresentar um exemplo, vai
comear-se com um nmero muito pequeno de funes de pertena e testar o resultado. Na prtica corrente ter entre 3 e 11 funes de pertena por varivel. Escolhemos 3 funes de pertena para a posio e outras 3 para a velocidade:
Posio:
RE rodado esquerda
R0 centrado
RD rodado direita
Velocidade:
VE velocidade para a esquerda
V0 velocidade nula
VD velocidade para a direita
Podem escolher-se as funes de pertena do tipo triangular, como indicado na

Fig. 6.8. Depois de efectuados os testes podem escolher-se outros tipos de funes de
pertena, nomeadamente funes do tipo gaussiano, e comparar os resultados. Em
grande parte dos casos no haver melhoria significativa no desempenho.
Para a velocidade angular segue-se uma estratgia anloga que se utilizou com a
posio.
Pg. 171
(x1)
RE
- /8
0 /8
(x2)
VE
-0.20
RD
R0
VD
V0
-0.07
x1 = pos. ang.
0.20 x2 = vel. ang.
0.07
Fig. 6.8 Funes de pertena para a posio e velocidade do satlite
4. Obteno das regras de controlo

A definio das regras de controlo tambm feita de acordo com os conhecimentos
do especialista em satlites, que definiu as regras seguintes:
1. Se (if) a posio RE e (and) a velocidade VE, ento (then) o jacto dever ser
JD2 (jacto para a direita, forte).
2. Se (if) a posio RE e (and) a velocidade V0, ento (then) o jacto dever ser
JD (jacto para a direita).
...
Como para o exemplo anterior poder elaborar-se o conjunto de regras pelo

seguinte quadro, em que as entradas so ligadas por meio do operador E.
posio angular
velocidade
angular
VE
V0
VD
RE
R0
RD
JD2
JD
J0
JD
J0
JE
J0
JE
JE2
De acordo com o quadro resumo haver 9 regras e 5 funes de pertena para o

jacto propulsor:
JE2
JE
J0
JD
JD2
Pg. 172
jacto propulsor actua para a esquerda, forte

jacto propulsor actua para a esquerda
jacto propulsor nulo
jacto propulsor actua para a direita
jacto propulsor actua para a direita, forte
JE2
-1.0
JE
-0.5
(u)
-0.25
J0
JD2
JD
0.25
0.5
1.0
u = jacto
Fig. 6.9 Funes de pertena para a intensidade do jacto propulsor
5. Escolha das conectivas a utilizar.

Este ponto poder ser feito antes ou depois do anterior. Serve para definir o modo
como so implementados os operadores ou e and. Podem de novo usar-se as
definies (6.19) e (6.20), por serem as mais correntes e a experincia mostrar que
oferecerem um bom desempenho.
6. Agregao de todas as regras de sada.
A agregao o processo pelo qual os conjuntos difusos resultantes de cada regra
so combinados num nico conjunto difuso. A agregao das regras de sada
necessria, uma vez que muitas das decises se baseiam em mais do que uma
regra ao mesmo tempo. Esta afirmao particularmente vlida quando as funes de pertena so do tipo gaussiano. Acompanhe-se a exposio com um
exemplo. Admita-se o satlite estava posicionado e estabilizado e que se mudou
de 0.1 rad a referncia da posio angular. O erro de posio ser de +0.1 rad. Da
Fig. 6.8 tira-se, para x1=0.1, o valor de R0(x1)=0.73 e o valor de RD(x1)=0.27. O
satlite est centrado com um grau de pertena de 0.73 e rodado direita com um
grau de pertena de 0.27. Pode dizer-se que com as funes de pertena atribudas
o satlite est mais centrado do que desviado. Como neste instante a velocidade
angular nula ser V0(x2)=1 e as outras funes de pertena da velocidade tm o
valor zero. A sada depender de duas regras simultneas com valores no nulos:
1. Se (if) a posio R0 e (and) a velocidade V0, ento (then) o jacto dever ser J0
(jacto nulo), multiplicado por 0,73
2. Se (if) a posio RD e (and) a velocidade V0, ento (then) o jacto dever ser
JE (jacto para a esquerda), multiplicado por 0.27.
O resultado global consiste em multiplicar por 0.73 a funo de pertena J0, por
0.27 a funo JE e efectuar a sua unio. Resulta a funo de pertena que limita a
rea sombreada da Fig. 6.10.
importante chamar-se aqui a ateno para o facto de as regras deverem ter um
peso diferente consoante a entrada. Com efeito, neste exemplo, a importncia da
contribuio da posio e da velocidade para a intensidade do jacto propulsor no
ser a mesma. Neste exemplo tal no foi considerado, tendo sido atribudos o
mesmo peso 1 s contribuies da posio e da velocidade.
Pg. 173
JE2
JE
(u)
J0
JD2
JD
agregao
-1.0
-0.5
-0.25
0
0.07
0.25
0.5
1.0
u = jacto
Fig. 6.10 Funo de pertena da agregao das sadas
7. Desfuzificao da sada.
A desfuzificao consiste em converter a varivel de sada lingustica num valor
numrico. No exemplo que se est a apresentar, a sada a funo de pertena que
limita a rea sombreada, e resultado da agregao das sadas de cada regra. Mas a
sada para o jacto no pode ser uma funo de pertena, tem que ser um valor numrico, que neste exemplo dever estar no intervalo [-1, 1], em que 1 o mximo de
intensidade que o jacto pode ter num sentido e -1 no sentido oposto. pois necessrio efectuar a converso da sada lingustica num nmero que esteja dentro da gama
de sada. Um mtodo muito vulgar para efectuar esta converso o chamado mtodo
do centride; consiste em determinar o centro geomtrico da rea definida pela funo de pertena da agregao das variveis de sada e a partir da sua posio determinar a coordenada da sada, pela distncia ao eixo das ordenadas, como se indica na
Fig. 6.10.
6.2.6. Controlo difuso do satlite no Matlab
O sistema se controlo que acaba de se descrever foi implementado em Matlab/Simulink.

Para este efeito necessrio implementar as regras em Matlab, atravs do editor FIS
(fuzzy inference systems). Para isto invoca-se o editor atravs do comando fuzzy.
Uma vez no editor define-se o nmero de entradas, a gama de cada entrada, o nmero
de funes de pertena e o seu tipo (de entre uma lista standard). Faz-se o mesmo para
as sadas. Definem-se tambm as regras e o seu peso. Pode observar-se o resultado final
vendo as regras ou a superfcie. O ficheiro dever ser salvo em disco e tambm no
workspace. Este ltimo ponto importante, pois ao workspace que o Simulink vai
buscar as regras.
A seguir abre-se o Simulink e constri-se o modelo do satlite. Da biblioteca do Simulink Fuzzy Logic Toolbox copia-se o Fuzzy Logic Controller, que dever ser ligado
entrada do processo (atravs de um ganho). Este dever estar ligado ao ficheiro com as
regras que foram anteriormente salvas no workspace. A entrada do Fuzzy Logic
Controller dever ser feita atravs de um multiplexer, que contm o erro de posio e a
velocidade, esta multiplicada por um ganho. Na pg. seguinte est representado o modelo que acaba de se descrever. Colocou-se tambm um PID, para poder comparar o
desempenho dos controladores.
Pg. 174
Modelo Simulink utilizado para implementar o controlo difuso do satlite:
Modelo do satlite:
Resultados do controlo:
posio
angular
/ rad
posio
referncia
0.5
0.4
0.3
0.2
0.1
0
-0.1
-0.2
-0.3
-0.4
-0.5
60
80
100
120
140
160
180
200
tempo / s
Fig. 6.11 Modelo Simulink do controlo do satlite
Pg. 175
Pg. 176
6.3. Redes Neuronais

6.3.1. Conceitos e definies
6.3.1.1. A rede multicamada

Uma rede neuronal artificial, RNA, uma estrutura matemtica constituda por um
nmero finito de unidades individualizadas, tambm designadas por neurnios, organizados em camadas. A rede uma aplicao de um espao de entrada P num espao
de sada A.
A Fig. 6.12 representa a estrutura de uma RNA. O sinal de entrada, P, um vector de
dimenso r, aplicado entrada da rede. A entrada da rede contm r unidades, dispostas numa camada. Cada unidade desta camada recebe directamente a respectiva componente do sinal de entrada. A soma das entradas multiplicadas por coeficientes de ponderao, no indicados na figura, qual adicionado um valor constante, aplicada a
cada uma das unidades da camada seguinte, designada por 1 camada, que origina uma
sada a
a = (i )
(6.28)
em que i designa a soma ponderada das entradas e do valor constante, e uma funo
suave crescente e limitada, designada por funo de activao2.
N de ordem
da camada
0
-1
n1
n -1
L-1
nL-1
nL
N de unidades
2
P
AL
i
n -1
Entrada
1 camada
escondida
Camada
de sada
Fig. 6.12 Representao de uma rede neuronal artificial
D-se o nome de "funo suave" a uma funo contnua e indefinidamente diferencivel.

Pg. 177
A Fig.6.13 representa o detalhe de uma unidade de processamento, ou neurnio, e a

Fig.6.14 mostra um exemplo de uma funo de activao. De uma forma anloga ao que
se passa na 1 camada, a segunda camada recebe os sinais de sada de cada uma das unidades da camada 1, tambm multiplicados por coeficientes de ponderao, e o processo
repete-se at se atingir a camada de sada.
a -1
1
i1
a -1
bi
i2
a -1
n -1
ii
i(.)
ai
i n -1
Fig.6.13 Representao do clculo realizado pelo neurnio i da camada l
Na terminologia das RNA costume designar por camadas escondidas todas as que se
encontram entre a entrada e a camada de sada, no sendo a entrada contabilizada para
efeito de contagem do nmero de camadas, embora muitas vezes se lhe chame camada
de entrada. Assim, por exemplo, quando se referir uma rede de trs camadas, significa
que se trata de uma rede com duas camadas escondidas e uma camada de sada.
1.5
1
0.5
-6.0
-4.0
-2.0
2.0
4.0
-0.5
-1
-1.5
Fig.6.14 Exemplo de uma funo de activao
Pg. 178
6.0
Nas duas expresses seguintes esto indicados os clculos efectuados na unidade genrica i da camada :
n
Valor interno:
ii = wij a j 1 + bi
(6.29)
ai = i (ii )
(6.30)
j =1
Sada:
Designando por W a matriz de transferncia da sada da camada -1 para a camada ,

w11
w21
...
W =
wi1
...
w
n 1
w12
...
w22
...
...
wi 2
...
...
... ...
wn 2 ...
w1n 1
w2 n 1
...
win 1
...
wn n 1
(6.31)
por I o vector de valores internos nas unidades da camada , por B o vector de constantes ou vector de polarizao da camada e por A o vector de sada da camada ,
i1

i2
I =
...

i n

b1

b2
B =
...

b n

a1

a2
A =
...

a n

(6.32)
as equaes (6.29) e (6.30) podem escrever-se na forma matricial
I =W A
+B
A = (I )
(6.33)
(6.34)
em que aplicado individualmente a cada um dos elementos do vector I .

Na matriz W , w ij representa o coeficiente de ponderao que multiplica a sada da
unidade j da camada anterior, -1, antes de a adicionar unidade i da camada , e no
vector B b
o vector de polarizao da unidade i da camada .
corrente fazer-se a funo de activao igual para todas as unidades de uma mesma
camada.
Pg. 179
Uma vez que as funes de activao so limitadas, para se poder ter uma sada com
uma amplitude arbitrria faz-se a camada de sada linear ( (x) = x), pelo que a sada
de uma rede com L camadas dada pela expresso
A L =WL L-1 (WL-1 (
( (W (
2 (W2 1 (W1P+B1 )+B2 )+
+B )+
)+BL-1 )+BL
(6.35)
A1
A2
O sinal de entrada poder ser uma funo contnua do tempo, P(t), sendo ento a sada
tambm uma funo contnua, admitindo-se neste caso que a execuo dos clculos se
faz em tempo contnuo e num intervalo de tempo infinitesimal, ou poder ser uma
sequncia de sinais discretos do tempo ou de outras variveis. Neste caso a execuo
dos clculos faz-se ao ritmo da chegada das entradas da rede.
Repare-se que a RNA, tal como aqui foi definida, uma rede esttica, no guardando
qualquer informao relativa a estados anteriores; no existe realimentao das sadas
nas entradas. No caso de se desejar manipular sistemas dinmicos, os valores anteriores
das entradas, sadas ou estados devero ser aplicados entrada juntamente com a entrada actual da rede.
6.3.1.2. A rede de base radial
A estrutura desta rede semelhante da rede anterior, mas com uma diferena importante: o sinal de entrada primeiramente transformado por meio de uma funo no
linear, s sendo em seguida efectuada a soma dos valores resultantes de cada converso,
como se mostra na expresso (6.36) e na Fig.6.15.
n
ai = wi i (ai 1 , ci )
(6.36)
j =1
a -1
1 ( a1 1 , c1 )
a -1
2
al -1
2 ( a 21 , c 2 )
1
i ( a i , c i )
ii
ai
n 1 ( a n11 , c n 1 )
n -1
Fig.6.15 Representao grfica da unidade i da camada l, numa rede de base radial
Pg. 180
6.3.2. A RNA como aproximador universal
A RNA constitui um aproximador universal. Uma das suas vantagens sobre outros
aproximadores consiste em ter-se uma estrutura com um nmero finito de unidades. Se
a funo a aproximar for contnua, possvel aproxim-la por meio de uma RNA com
apenas duas camadas, uma camada escondida e a camada de sada:
f 2 =W2 1 (W1P+B1 )+B2
(6.37)
Se a funo a aproximar for descontnua, poder no ser possvel aproxim-la por meio
de uma rede de duas camadas. no entanto sempre possvel aproxim-la por meio de
uma RNA com trs camadas:
f 3 =W3 2 (W2 1 (W1P+B1 )+B2 )+B3
(6.38)
Este ltimo caso de bastante interesse em sistemas de controlo com a lei de realimentao descontnua, ou em sistemas em que haja necessidade de identificar modelos
inversos de processo de fase no mnima.
6.3.3. Estrutura de uma rede
6.3.3.1. Nmero de camadas

Na seco anterior viu-se que para as aplicaes que interessam identificao de sistemas e ao controlo suficiente a utilizao de redes com trs camadas: duas camadas
escondidas e uma camada de sada. Nos casos mais simples, em que no haja descontinuidades da funo a aproximar, no modelo a identificar ou na lei de controlo, suficiente a utilizao de uma camada escondida e uma camada de sada.
6.3.3.2. Nmero de unidades
A determinao do nmero de unidades de uma rede, e a sua distribuio pelas camadas
da rede, normalmente abordada de uma forma prtica, uma vez que no existe um
procedimento exacto para efectuar a sua determinao. Obviamente o nmero de unidades das camadas de entrada e de sada devero ser iguais dimenso dos respectivos
sinais.
Para as camadas escondidas corrente configurar inicialmente a rede com um nmero
de unidades igual soma das dimenses dos sinais de entrada e de sada. Depois de testar a rede com este nmero de unidades, reconfigura-se a rede com mais ou menos unidades, consoante os resultados obtidos. Na medida em que os resultados sejam aceitveis, utilizar-se- sempre o menor nmero possvel de unidades.
Pg. 181
6.3.3.3. Funes de activao

De entre as vrias funes de activao no lineares utilizadas nas RNA salientam-se as
seguintes:
Funo
Expresso
Grfico
1 ,2
1
Exponencial
1
(x) =
1 + e x
0 ,8
0 ,6
0 ,4
0 ,2
0
-6 ,0
-4 ,0
-2 ,0
0 ,0
2 ,0
4 ,0
6 ,0
0 .0
2 .0
4 .0
6 .0
1 .5
Exponencial
( x) =
1 e
1 + e x
0 .5
0
- 6 .0
-4 .0
-2 .0
-0 .5
-1
-1 .5
1
0 .8
0 .6
0 .4
Trigonomtrica
inversa arctg()
2
(x) = arctan(x)
0 .2
0
- 6 .0
- 4 .0
- 2 .0
- 0 .2
0 .0
2 .0
4 .0
6 .0
- 0 .4
- 0 .6
- 0 .8
-1
1 ,5
Hiperblica th()
Igual 2, excepto
factor de escala em x
0 ,5
0
-6 ,0
-4 ,0
-2 ,0
0 ,0
2 ,0
4 ,0
6 ,0
-0 ,5
-1
-1 ,5
1 ,5
Degrau unitrio
Pode ser considerado

como sendo o limite
dos anteriores,
mudada a escala x
0 ,5
0
-6 ,0
-4 ,0
-2 ,0
0 ,0
2 ,0
4 ,0
-0 ,5
-1
-1 ,5
Do ponto de vista do comportamento da rede, as quatro primeiras funes so equivalentes.
Pg. 182
6 ,0
6.3.4. Obteno dos parmetros da rede
6.3.4.1. Funcional de custo
Depois de se fixar o nmero de camadas de uma rede e o nmero de unidades em cada

camada, dever determinar-se quais os valores dos parmetros w ij e de b i que conduzem ao melhor desempenho da rede. Aos parmetros w ij d-se tambm o nome de
pesos.
O mtodo correntemente usado para avaliar o desempenho de uma rede consiste em calcular o funcional de custo, JNd, obtido pela soma do quadrado dos desvios da previso
em relao ao processo, e referida a um par de sequncias { y } e {y} de comprimento
Nd.
Nd
J Nd = [ y (k ) y (k )]2
(6.39)
k =1
Considera-se que a rede adequada se o valor deste funcional for inferior a um determinado limite de aceitao.
Os parmetros ideais para a rede sero assim aqueles a que corresponde o mnimo do
funcional JNd. Pode no entanto acontecer que este mnimo esteja acima do limite de
aceitao. Isto poder ser devido a vrias causas:
O mnimo obtido para JNd no um mnimo absoluto mas sim um mnimo local.
O nmero de unidades da rede no suficiente.
O nmero de entradas da rede no o correcto.
A determinao do mnimo de JNd um problema geralmente complexo, uma vez que se

trata de minimizar uma funo de muitas variveis. Com efeito, para uma rede com
duas camadas escondidas, com n1 e n2 unidades em cada camada, com r entradas e nL
sadas, o nmero total de parmetros a obter, np, dado por (ver Fig. 6.12):
n p = (r n1 + n1 ) + (n1 n2 + n2 ) + (n2 nL + nL )
(6.40)
Uma rede muito simples com r = 5, n1 = 3 e n2 = 3 e uma sada ter np = 34 parmetros.

Se se fizerem estes parmetros variar continuamente de modo a obter o valor mnimo
para JNd, tem-se o problema da minimizao de uma funo de muitas variveis, que
poder apresentar mnimos locais Os mtodos de clculo dos parmetros de modo a
minimizar JNd devero considerar a possvel existncia destes mnimos locais e procurar
ultrapassar o problema de modo a encontrar-se, se possvel, o mnimo global.
O outro caso mencionado atrs, do nmero de unidades insuficiente, resolve-se simplesmente tentando uma rede com maior nmero de unidades, ou eventualmente com
uma outra distribuio pelas camadas escondidas.
Finalmente o ltimo caso indicado: se se suspeitar das entradas da rede no serem as
correctas, devero ser reanalisadas quais as entradas mais convenientes.
Pg. 183
6.3.4.2. Treino da rede
A minimizao de JNd efectuada por mtodos iterativos. Durante a busca do mnimo

diz-se que se efectua o treino da rede, ou que esta est em aprendizagem.
Um mtodo muito corrente para treinar a rede designado por rectro-propagao
(backpropagation: Rumelhart et al. 1986). Esta forma de treino baseia-se no mtodo
do gradiente. Parte de um valor inicial arbitrrio para os parmetros e d-lhes um acrscimo negativo proporcional derivada de JNd em relao ao parmetro. Comea-se pela
camada de sada e aplica-se a seguir s sucessivas camadas, por ordem contrria do
fluxo de informao. O mtodo lento, em particular junto do mnimo.
Um outro mtodo utilizado para treinar as redes neuronais o de Marquardt-Levenberg.
Trata-se de uma modificao do mtodo de Gauss-Newton (Hagan e Menhaj, 1994). O
mtodo computacionalmente mais pesado do que a rectro-propagao, exibindo no
entanto uma convergncia bastante mais rpida do que esta.
6.3.5. Identificao do Processo.
6.3.5.1. Dados de entrada /sada
Considere-se um processo discreto, de uma s varivel, linear ou no, com atraso de

transporte p. Se o processo for observvel, poder ser representado por uma equao s
diferenas
y (n) = f [ y (n 1),
, y (n n y ), u (n p),
, u (n p nu )]
(6.41)
em que
n - tempo discreto,
u(n) - varivel de entrada,
y(n) - varivel de sada,
p - atraso de transporte,
nu - nmero de entradas atrasadas,
ny - nmero de realimentaes atrasadas.
Eventualmente, ser p = 0, nos sistemas sem atraso de transporte.

Considerando as observaes das sadas nos instantes sucessivamente anteriores ao
actual, n-1, n-2, ..., n-h, pode escrever-se
y (n 1) = f [ y (n 2),
, y (n n y 1), u (n p 1),
y (n 2) = f [ y (n 3),
, y (n ny 2), u (n p 2),
, u (n p nu 1)]
, u (n p nu 2)]
(6.42)
(6.43)
y (n h) = f [ y (n h 1),
, y (n h ny ), u (n h p),
, u (n h p nu )]
(6.44)
A substituio sucessiva em (6.41) de (6.42), (6.43), ..., (6.44) conduz a uma equao do
tipo
y (n) = g[ y (n h 1),
Pg. 184
, y (n h n y ), u (n p ),
, u (n h p nu )]
(6.45)
A equao (6.45) tem o seguinte significado, representado na Fig. 6.16: O valor da

varivel de sada no instante actual, n, pode ser considerado como dependente dos valores dessa varivel nos instantes (n-h-1) a (n-h-ny) e dos valores da varivel de entrada
nos instantes (n-p) a (n-h-p-nu).
Uma vez que para a identificao do processo apenas se dispe de sequncias de entrada
e de sada, como se referiu no incio, apenas ser possvel efectuar a identificao da
parte observvel do processo, permanecendo a dinmica interna por identificar.
nu
u(n)
y(n)
Tempo discreto
n
ny
Fig. 6.16 Processo de ordem ny com atraso p
6.3.5.2. Estrutura da entrada da rede.

As consideraes anteriores sugerem que a rede estimadora do processo dever ser alimentada com (h+nu+1) entradas u e respectivos atrasos, e ny entradas y e anteriores.
Com efeito da equao (6.45) pode obter-se
y (n + h) = g[ y (n 1),
, y (n n y ), u (n p + h),
, u (n p nu )]
(6.46)
pelo que para dois pares de sequncias u(n) e y(n) se espera ter para uma RNA estimadora do processo, cuja sada se designar por y (n) ,
y (n + h) = g [ y (n 1),
, y (n n y ), u (n p + h),
, u (n p nu )]
(6.47)
Considerem-se os dois casos seguintes:

h p : Neste caso os valores de u(n-p+h), , u(n-p-nu) pertencem ao passado pelo que
podem ser sempre conhecidos. Dispe-se assim dos dados necessrios para efectuar
uma identificao do processo.
h > p : Nesta situao a determinao de y(n + h) vai depender de u(nf), ou seja dos
valores da entrada tomados em instantes futuros nf > n. Ser necessrio efectuar alguma
suposio sobre u(nf), como por exemplo congelar todas as entradas futuras, mantendo-as iguais a u(n) presente, ou prever u(nf) a partir dos valores passados.
Representando a rede neuronal pelo rectngulo da Fig. 6.17, o conjunto de entradas e
sadas sugerido para a rede o indicado a seguir:
Pg. 185
h+nu+1
entradas
u
ny
entradas
y
u(n-p)
u(n-p-1)
u(n-p-2)
u(n-p-h-nu)
y(n-h-1)
y(n-h-2)
y(n-h-ny)
y ( n)
Fig. 6.17 Conjunto de entradas de uma RNA para estimar y (n + h)
Como muitas vezes os valores de nu, ny e p no so conhecidos a priori, devero ser

atribudas rede um nmero de entradas u e um nmero de entradas y suficientes para
se obter um desempenho aceitvel.
corrente escolher-se uma rede com duas camadas escondidas. A razo da escolha, j
mencionada anteriormente, complementada com os resultados obtidos por Hartman et
all (1990) e por Hornick (1991):
Para uma funo contnua uma rede neuronal com duas camadas escondidas
constitui um aproximador universal com convergncia mais rpida do que
uma rede de uma camada.
Uma RNA com duas camadas escondidas permite a utilizao de leis de controlo
descontnuas, o que no possvel com apenas uma camada,
Uma RNA com duas camadas escondidas permite sempre a obteno de um
modelo inverso (Sontag, 1992).
O nmero de unidades nas camadas escondidas depende da relao (6.41) que caracteriza o processo, que partida no conhecido. Considera-se habitualmente uma rede
com um total de unidades igual ao valor estimado para nu+ny, por se verificar suficiente.
Treino da rede
Para o treino da rede devem ser considerados dois casos: treino em grupo (batch) e
treino em linha (on line). O primeiro tem interesse quando o processo a identificar
invariante no tempo ou ento para a obteno de um valor inicial de parmetros para a
rede. O treino em linha poder ser necessrio sempre que preciso identificar um processo variante no tempo. Chama-se no entanto a ateno para o facto de o treino em
linha, quando se trata de processos no lineares, poder conduzir obteno de uma rede
que no aproxime o processo globalmente. No treino em linha pois necessrio ter cuidado com os dados utilizados, para no se cair num ponto de funcionamento local. Neste caso tem-se uma rede bem treinada localmente mas com pouca capacidade para
generalizar para outro tipo de dados de entrada. Assim, o algoritmo de treino no dever esquecer os dados iniciais mas sim complement-los.
Pg. 186
Treino em grupo.
Uma vez que se trata de identificar um processo genrico, que poder ser linear ou nolinear, uma questo que se coloca a definio da amplitude do sinal de entrada. Dever
considerar-se o sinal de entrada a poder variar entre -auM e + auM sendo uM o valor
absoluto mximo detectado na sequncia de entrada e a uma constante real maior do
que a unidade. De forma anloga se estabelece o domnio para o sinal de sada.
O nmero de valores das sequncias {u} e {y} utilizados para o treino em grupo, Nd,
dever ser da ordem das centenas, para permitir ter uma grande variedade de amplitudes.
Alimentando a rede com (h+nu+1) entradas desde u(n-p) a u(n-p-h-nu) e com ny entradas
desde y(n-h) a y(n-h-ny), esta origina um sinal de sada y (n) . A rede deve ser treinada
utilizando um algoritmo disponvel, por exemplo o de rectro-propagao dos erros ou o
algoritmo de Marquardt-Levenberg. O nmero de iteraes utilizado para obter a convergncia da rede varivel consoante os casos estudados, a respectiva rapidez de convergncia e o valor aceite para JNd. No caso da rectro-propagao a fim de acelerar a
convergncia devem utilizar-se os mtodos do passo adaptativo e do momento, conhecidos das redes neuronais e postos disposio pelos fornecedores do software especfico de redes neuronais.
Aps o treino em grupo as redes devem testadas utilizando outras sequncias de entrada
/sada, com outras formas amplitudes e nmero de pontos, para verificar a sua boa capacidade de generalizao. Aps ser definido um critrio de aceitao, a rede considerada adequada e suficientemente treinada quando satisfaz esse critrio. Por vezes considera-se como critrio de aceitao o andamento da curva de erro y(n) - y(n) , em vez do
valor de JNd.
Treino em linha.
Uma vez que o treino de uma rede neuronal envolve um nmero muito grande de iteraes, normalmente superior a 1000, ao efectuar-se o treino em linha no pode ser feita
apenas uma destas iteraes por cada passo de execuo do controlo. O seu nmero
depender da velocidade de variao no tempo do prprio processo. No entanto dever
ser pelo menos da ordem das dezenas. A Fig. 6.18 representa esquematicamente as
sequncias para efectuar o treino em linha.
Pg. 187
actualizao da rede
|||||||||||||||
|||||||||||||||
|||||||||||||||
|||||||||||||||
|||||||||||||||
tempo discreto, n
instantes de execuo
do controlo
Fig. 6.18 - Treino de uma rede neuronal, em linha.
No entanto, se o nmero de iteraes para actualizao da rede for elevado, o rudo do

processo, includo o rudo dos sensores, pode perturbar significativamente a convergncia da rede, levando os seus parmetros a mudar sistematicamente de trajectria. -se
assim conduzido necessidade de filtrar os dados u(n) e y(n) utilizados para treinar a
rede. Esta filtragem, que poder ser igual para todas as entradas da rede, dever obedecer a duas condies antagnicas: por um lado dever ser bastante elevada para que o
rudo no perturbe a convergncia da rede e por outro suficientemente fraca para que
qualquer variao dos parmetros do processo seja imediatamente detectada.
Um outro problema da actualizao em linha, em sistemas no lineares, j atrs referido,
consiste no esquecimento das caractersticas globais da rede, ficando esta mais adaptada
apenas para pontos de funcionamento com caractersticas locais.
6.3.6. Controlo preditivo.
No controlo de um processo com atraso de transporte utilizando um controlador clssico, por exemplo um PID, medida que se vo tendo tempos de atraso maiores torna-se
necessrio baixar o ganho proporcional e aumentar o tempo de integrao, se se quiserem evitar oscilaes ou ter um sistema instvel. Esta medida torna a resposta do sistema lenta. Com o fim de obter controladores com melhor desempenho, utilizam-se outros
mtodos. De entre os que utilizam redes neuronais foram estudados os seguintes: Uso de
um controlador clssico em que o erro obtido subtraindo referncia o valor da previso, e controlo por meio do modelo inverso. Em qualquer dos casos o modelo dever ser
actualizado em linha.
Pg. 188
7. EXEMPLOS DE SISTEMAS NO LINEARES
7.1. Pndulo simples

Considere-se o pndulo simples, representado esquematicamente na Fig. 7.1. Trata-se
de uma pequena esfera de massa m, ligada a um ponto fixo O por meio de uma haste
rgida de comprimento A e massa desprezvel. A haste pode rodar em torno de O.
Considere-se apenas o movimento no plano vertical (x,O,y). Pela aplicao da 2 lei de
Newton, a massa sujeita a uma fora exterior fe adquire uma acelerao a tal que ma=fe.
0
d
r=A
m
dr
p=mg
Fig. 7.1 Pndulo simples
A observao da Fig. 7.1 mostra que dr = Ad , pelo que, como A constante,

d 2r
d 2
=
A
dt 2
dt 2
(7.1)
ou, uma vez que d2r/dt2 a acelerao a que se encontra submetida a massa m, pode
escrever-se, aplicando a lei de Newton, e usando uma notao simplificada:
mA = f e
(7.2)
Pg. 189
7 - EXEMPLOS DE SISTEMAS NO LINEARES
A resultante das foras exteriores actuando sobre o corpo de massa m (suposta a massa
concentrada no seu centro de massas) constituda por duas parcelas: uma fora de restituio devida ao seu peso (mg sen ) e outra resistente, devido ao atrito, que se admitir ser viscoso, ou seja, proporcional velocidade linear do corpo ( bA ), pelo que
(7.2) se pode escrever:
mA = mg sen bA
(7.3)
A fora mg cos , na direco da haste, no representada por no contribuir para esta

acelerao.
Para se obter um modelo de estado para o sistema da equao (7.3) faam-se as mudanas de varivel x1 = e x2 = . Obtm-se ento a seguinte equao de estado:
x1 = x2
x2 = ( g / A) sen x1 (b / m) x2
(7.4)
A equao de sada, y = x1, no escrita por uma questo de economia.

Os pontos de equilbrio obtm-se a partir de (7.4) fazendo x1 = 0 e x2 = 0 , ou seja,
x2 = 0
( g / A) sen x1 (b / m) x2 = 0
(7.5)
ou ainda:
sen x1 = 0
x2 = 0
ou
x1 = k ,
x2 = 0
k = 0, 1, 2,"
(7.6)
Do ponto de vista de localizao fsica apenas as solues para k=0 e k=1 so distintas;
as restantes so repeties das posies geomtricas das primeiras. No entanto as solues so distintas, como se pode observar na Fig. 7.2.
Voltando s variveis iniciais e (ou ), os pontos de equilbrio distintos so:
e1 0 rad
= 0 rad/s
e1
e 2 rad
=
e 2 0 rad/s
A integrao numrica da equao (7.4) para um pndulo com m=1 kg, l =1 m e

b=0.2 N.s.m-2, sujeito s condies iniciais =0 rad e =10 rad/s, d origem soluo
que se representa na Fig. 7.3.
Pg. 190
(rad)
30
(rad/s)
25
om
eg
a 20
(ra
d/s
) 15
tet
a
(ra 10
d)
5
0
-5
-10
0
10
15
20
25
tempo (s)
30
35
40
Fig. 7.2 Evoluo no tempo do estado do pndulo simples
A Fig. 7.3 representa a evoluo do referido estado, no plano de fase, submetido s

mesmas condies iniciais.
10
x1 = vel. angular (rad/s)
(rad/s)
8
6
4
2
0
-2
-4
-6
10
15
20
x1 = posio (rad)
25
30
(rad)
Fig. 7.3 Evoluo do estado do pndulo no espao de fases.
Pg. 191
7.2. Sistema massa-mola-amortecedor

Imagine-se um sistema mecnico constitudo por um bloco rgido de massa m que se
pode deslocar ao longo do eixo dos xx, sujeito aco de uma mola no linear e de um
amortecedor viscoso, como se mostra na Fig. 7.4.
x0
x
amortecedor
mola
massa
o
| | | | | | | | | | | | |
-3 -2 -1 0 1 2 3
Fig. 7.4 Sistema massa-mola-amortecedor
A aplicao da 2 lei de Newton a este sistema, conduz seguinte equao diferencial:
d 2x
dx
+ b + k1 x + k3 x 3 = f
2
dt
dt
(7.7)
em que
m - massa do bloco, suposta concentrada ao centro de massas,

x(t) - posio da massa, suposta igual a zero com o sistema em repouso,
b - coeficiente de atrito viscoso do amortecedor,
k1 e k3 coeficientes da mola,
f(t) - fora de excitao externa, exercida sobre o bloco.
Os parmetros m, b e k1 so positivos; k3 pode ser positivo ou negativo.
(Relembre-se a equao linear correspondente ao sistema linear de 2 ordem,

x + 2 x + 02 x = f / m
(7.8)
com = k1 / m e = b / 2m ).
2
0
Se k3 for positivo a mola diz-se dura: a sua fora resistente incremental aumenta com a
amplitude da coordenada x. Se k3 for negativo a mola diz-se macia: a sua fora resistente incremental diminui com a amplitude. Neste caso, se se tratar de uma mola passiva,
dever ser imposta a condio adicional
k3 2
x <1
k1
(7.9)
que corresponde fora resistente da mola ser positiva. A Fig. 7.5 representa a fora
resistente de uma mola linear, de uma mola dura e a de uma mola macia.
Pg. 192
fora resistente da mola
0.8
mola dura
0.6
mola linear
0.4
mola macia
0.2
0
-0.2
-0.4
-0.6
-0.8
-0.5
-0.4
-0.3
-0.2
-0.1
0.1
0.2
0.3
0.4
0.5
deformao
Fig. 7.5 Fora resistente de diversos tipos de mola
A equao de estado do sistema exposto pode obter-se a partir de (7.7) efectuando as

mudanas de varivel x1 = x (posio do bloco) e x2 = x (velocidade linear):
x1 = x2
k3 3 1
b
k1
x2 = m x2 m x1 m x1 + m f
(7.10)
Considere-se o sistema em regime livre (f = 0), a partir das condies iniciais [x00; 0],
isto posio inicial x0 distinta da posio de repouso e velocidade inicial nula. Se o
amortecimento for fraco(1) a massa vai oscilar, de uma forma amortecida em torno da
posio x=0, sendo a frequncia de oscilao funo da amplitude.
Para k3 > 0 observa-se que a frequncia de oscilao aumenta com a amplitude (a mola
mais resistente para amplitudes maiores) e para k3 < 0 a frequncia de oscilao diminui
com a amplitude (Fig. 7.6).
Considere-se agora o sistema em regime forado; admita-se que sobre o bloco se exerce
uma fora alternada sinusoidal f(t) de frequncia e amplitude F constante,
f (t ) = F cos(t )
(7.11)
Nestas condies a massa entrar em oscilao.

Considere-se o caso em que k3 = 0 (sistema linear). Neste caso a amplitude de oscilao
x(t) ser tambm sinusoidal e ter a mesma frequncia que a fora de excitao:
x(t ) = X cos(t )
(7.12)
Para o sistema linear equivalente (7.8), o amortecimento diz-se fraco se 2 < 02.
Pg. 193
k3 = 0, mola linear
amplitude
k3<0
mola macia
k3 >0
mola dura
frequncia
Fig. 7.6 Variao da frequncia de oscilao com a amplitude
A Fig. 7.7 representa a relao entre a amplitude de oscilao X por unidade de fora de
excitao, para diversos valores do amortecimento (2), em funo da frequncia da fora de excitao. Estas funes de transferncia so bastante conhecidas do estudo da
resposta de sistemas lineares de 2 ordem.
A relao X/F depende de e do amortecimento do sistema e no depende de F. Para
um determinado grau de amortecimento existe uma relao unvoca entre X/F e . O
grfico X/F apresentado considera apenas o regime forado, que se estabelece depois de
desaparecer a resposta transitria inicial.
Nestas condies, se a frequncia variar lentamente no tempo, o ponto representativo
de X/F em funo de evolui sobre a curva respectiva, quer aumente, quer diminua.
=0
=0
1/4
1/2
1/2
1
2
=8
Fig. 7.7 Curvas de resposta em frequncia, sistema linear
= b/2m
Pg. 194
2
6
k3>0
k3<0
5
3
0
Fig. 7.8 Curvas de resposta em frequncia, sistema no linear.
Seja agora o caso em que k3 0. Admite-se k3 suficientemente elevado para se poderem observar as no linearidades. As curvas de resposta em frequncia, para um amortecimento muito pequeno, tomam o aspecto indicado na Fig. 7.8.
Analise-se a curva correspondente a k3 > 0. Admita-se F constante e lentamente
varivel e crescente. Partindo do ponto 1, medida que a frequncia vai aumentando,
vai-se progredindo sobre a curva X/F at se atingir o ponto 2, em que a amplitude de
oscilao mxima. Neste ponto um ligeiro aumento de produz uma descontinuidade
na amplitude da oscilao, de 2 para 3. Continuando a aumentar caminha-se at ao
ponto 4 com uma diminuio contnua da amplitude. Se agora descer lentamente a
partir de 4, a amplitude seguir a trajectria 43561 havendo uma nova descontinuidade, com aumento brusco de amplitude, na transio de 56. A este fenmeno
chama-se ressonncia com saltos. Esta exige que a no linearidade seja aprecivel e o
amortecimento pequeno. Tem a propriedade de exibir uma gama de frequncias em que
para cada existem duas amplitudes de oscilao estveis.
Para a curva correspondente a k3 < 0 acontece um fenmeno semelhante.
Pg. 195
7.3. Oscilador de resistncia negativa
Considere-se o circuito elctrico representado na Fig. 7.9a), constitudo por um condensador, uma bobina e um elemento resistivo com a caracterstica indicada em b). A capacidade do condensador e o coeficiente de auto-induo da bobina supe-se constantes.
So exemplos de dispositivos electrnicos de resistncia negativa os dodo tnel , o
transstor unijuno, o dodo de 4 camadas e o transstor de avalanche.
Para valores de v junto da origem a um aumento de v corresponde uma diminuio i.
por esta razo que se diz o circuito exibir resistncia negativa.
i
C
L
v
iC
iL
elemento
de
resistncia
negativa
Fig. 7.9 Oscilador de resistncia negativa.
Pela aplicao das leis de Kirchoff pode escrever-se:

iC + iL + i = 0
(7.13)
Da electrotecnia sabe-se que:
ic = C
dv
dt
iL =
1 t
v( )d
L
(7.14)
A caracterstica i = h(v) por enquanto no dada. Substituindo (7.14) em (7.13) pode

escrever-se:
C
dv 1 t
+
v( )d + h(v) = 0
dt L
(7.15)
Multiplicando-se ambos os membros de (7.15) por L e derivando em ordem ao tempo

fica:
LC
d 2v
dv
+ Lh(v) + v = 0
2
dt
dt
Efectuando a mudana de varivel =
Pg. 196
t
pode escrever-se
LC
(7.16)
d 2v
L
dv
+
h(v) + v = 0
2
dt
C
dt
(7.17)
Utilizando a notao simplificada para a derivada em ordem ao tempo normalizado e

fazendo = L / C vem:
v + h(v)v + v = 0
(7.18)
Finalmente, aproximando a curva h(v) da figura Fig. 7.9b por uma parbola cbica:
1
h(v ) = v + v 3
3
(7.19)
v (1 v 2 )v + v = 0
(7.20)
pode escrever-se:
que a equao de Van der Pol(3). Esta equao foi utilizada por Van der Pol para estudar osciladores electrnicos com tubos de vazio. um exemplo muito corrente apresentado no estudo dos sistemas no lineares, por exibir um ciclo limite.
Para a obteno da equao de estado correspondente ao sistema descrito pela equao
(7.20), faam-se as mudanas de varivel x1 = v e x2 = v . Obtm-se assim a equao
de estado
x1 = x2
(7.21)
2
x2 = x1 + (1 x1 ) x2
A integrao numrica desta equao, para dois valores distintos de , conduz s solues apresentadas na Fig. 7.10. Na Fig. 7.11 indicam-se as respectivas trajectrias no
espao de estado.
= 2.0
= 0.2
x2
x1
t (segundos)
t (segundos)
Fig. 7.10 Solues da equao de Van der Pol
Van der Pol Engenheiro Electrotcnico Holands, 1889-1959.

Pg. 197
x2
x2
= 0.2
= 2.0
x1
x1
Fig. 7.11 Diagramas de estado da equao de Van der Pol.
Compare-se agora a equao (7.20) com a sua correspondente linear

v v + v = 0
(7.22)
Repare-se que para valores muito pequenos de v se tem (1v ) 1. A equao (7.22),
devido existncia de 0, no tem solues peridicas. Para > 0 as solues crescem indefinidamente com o tempo e para < 0 decrescem e tendem para zero. Considere-se o caso em que > 0 e o estado inicial v = 0 e v = 0. Qualquer perturbao em v
faz com que este comece a aumentar. No entanto, a partir de uma certa amplitude o termo (1-v2) comea a ser francamente diferente de 1 . a existncia da no linearidade
.
que estabiliza o sistema: o termo (1-v2)v amplifica v se |v| < 1 e amortece-o se |v| > 1.
Este fenmeno d origem a uma soluo peridica.
2
Pg. 198
7.4. Movimento de dois corpos com foras centrais
Este caso de extrema importncia em astronomia. Seja um corpo de massa m sujeito a

uma fora central f(r), ou seja, dirigida para a origem, como se indica na Fig. 7.12.
Sero utilizadas coordenadas polares.
y
r
f(r)
Fig. 7.12 Corpo de massa m sujeito a uma fora central.
Trata-se por exemplo da trajectria de um planeta P de massa m que se movimenta em

torno de uma estrela O de massa M muito maior que m. A fora f(r), devido lei de
atraco de massas, dirigida de P para O e tem o valor
f (r ) = G
mM
r2
(7.23)
A aplicao das leis da mecnica conduz s equaes diferenciais

mr mr 2 = f (r )

r + 2r = 0
(7.24)
Substituindo f(r) pelo seu valor dado por (7.23) e dividindo por m vem:
GM
r r 2 + 2 = 0

r
r + 2r = 0
(7.25)
Para se obter um modelo de estado, efectuem-se as seguintes mudanas de varivel :

x1 = r
x2 = r
x3 =
x4 =
Obtm-se as equaes de estado:
Pg. 199
x1 = x2
x2 = x1 x32 GM
x1
x3 = x4
2x x
x4 = 2 4
x1
(7.26)
A equao de estado contm duas equaes lineares e duas equaes no lineares. Uma
vez que G e M so constantes, o comportamento do movimento de um planeta de massa
m em torno de uma estrela de massa M vai depender exclusivamente das suas condies
iniciais, uma vez que no h outros parmetros ou solicitaes. A rbita do planeta, no
sentido geomtrico, ser a trajectria no sub-espao de estados x1 x3 , isto a trajectria
no plano (r, ). De acordo com os valores iniciais x0 = [ r0 r0 0 0 ] assim a rbita ser
elptica ou um ramo de hiprbole. A zona de transio corresponde rbita parablica.
Pg. 200
7.5. Interaco entre espcies animais
Descreve-se a seguir o exemplo clssico relativo interaco entre populaes. Este

problema foi estudado por Volterra(4) e por Lotka(5), e pode equacionar-se do seguinte
modo:
Duas espcies animais semelhantes competem entre si num ambiente em que os recursos alimentares so limitados. Qual a evoluo das respectivas populaes?
Designando por xi o nmero de indivduos da espcie i (i=1,2), o sistema pode ser
modelado pelo sistema de equaes diferenciais no lineares
x1 = (a bx1 x2 ) x1
x2 = (c x1 dx2 ) x2
(7.27)
com a, b, c, d, , > 0.
Nas equaes acima a taxa de crescimento per capita da espcie 1 dada por
x1
= a bx1 x2
x1
(7.28)
Observe-se que constituda por trs termos: a taxa de crescimento a da populao x1

isolada, a taxa devida competio intra-espcie, bx1, e a taxa da competio inter-espcie x2. A taxa de crescimento per capita da espcie 2 tem uma constituio
semelhante.
Uma condio necessria para a coexistncia indefinida das duas espcies que exista
pelo menos um ponto de equilbrio tal que x1e > 0 e x2e > 0. Os pontos de equilbrio
obtm-se resolvendo o sistema
(a bx1 x2 ) x1 = 0
(c x1 dx2 ) x2 = 0
(7.29)
obtendo-se os 3 pontos
0
xe1 = c

d
a
xe 2 = b

0
ad c
bd
xe3 =
bc a
bd
(7.30)
Os pontos de equilbrio xe1 e xe2 so instveis e correspondem extino das espcies 1

e 2 respectivamente. O ponto de equilbrio xe3 estvel se bd > v (nestas condies exige-se que ad > c e bc < av).
4
5
Vito Volterra, Matemtico Italiano, 1860-1940.

Alfred James Lotka, Biofsico Americano, 1860-1949.
Pg. 201
7.6. Reactor qumico continuamente agitado
O reactor qumico continuamente agitado, CSTR (Continuous Stirred Tank Reactor)

constitudo por um tanque por onde transita uma mistura de reagentes qumicos. Para
que a mistura seja bem feita esta est continuamente a ser agitada. O reactor, representado esquematicamente na Fig. 7.13, refrigerado por meio de um permutador de calor.
motor do
agitador
vlvula de
segurana
Reagente A
q cAi Ti
~~~~~~~~~~~~~~~~~~~~~~~~
V, , T
agitador
Refrigerante
qc Tci
qc T c
permutador de calor
Reagentes A e B
q, cA, cB, T
Fig. 7.13 Reactor qumico continuamente agitado.
O reactor alimentado com um reagente A, de concentrao cAi, caudal q e temperatura

Ti. No tanque, de volume V, encontra-se uma mistura de dois reagentes A e B, temperatura T. Admite-se que por aco do agitador a mistura homognea e de composio
igual em todas as zonas no interior do reactor, e com massa volmica . No interior do
reactor, vai dar-se uma reaco exotrmica em que o produto A se transforma, originando o produto B
AB
(7.31)
A velocidade de reaco, por unidade de volume, proporcional concentrao de A
r = kc A
(7.32)
com
dc A dcB
(7.33)
=
dt
dt
em que k representa o coeficiente de reaco do produto A e cA a sua concentrao
molar. O coeficiente k fortemente dependente da temperatura a que se d a reaco e
correntemente aproximado pela Lei de Arrhenius
r=
Pg. 202
k = k0 e
E
RT
(7.34)
em que:
k constante de velocidade,
E energia de activao,
k0 factor pr-exponencial,
R constante de Boltzmann.
Admitindo que as densidades do reagente A e da mistura so iguais, o balano de massas permite escrever
dc A
= q (c Ai c A ) V k cA
dt
(7.35)
Se a reaco for exotrmica, a energia libertada retirada por meio de um permutador

de calor. O balano de energia permite escrever a equao
Vq
dT
= w (Ti T ) + (H ) V k cA + U A (Tc T )
dt
(7.36)
em que:
H o calor desenvolvido na reaco,

U coeficiente de transferncia de calor do permutador,
A rea do permutador,
w caudal mssico atravs do reactor.
Substituindo (7.34) em (7.35) e (7.36) podem escrever as equaes de estado
E
q
RT

(
)
=
c
c
c
k
e
cA
A
Ai
A
0
V
E
T = q (T T ) Jk e RT c + UA(T T )
i
A
c
0
(7.37)
As equaes (7.37), no lineares, representam com uma aproximao suficiente para

muitos casos prticos, o que se passa neste tipo de reactor.
O sistema descrito admite 3 pontos de equilbrio. Sabe-se que a quantidade de energia
libertada pela reaco uma funo sigmoidal da temperatura, e que o calor retirado
pelo permutador proporcional temperatura, como se representa na Fig. 7.14. Os pontos de equilbrio correspondem energia retirada pelo permutador de calor ser igual
energia libertada pela reaco exotrmica. Os pontos de equilbrio A e C so estveis, o
ponto de equilbrio B instvel: Admita-se que o reactor se encontra no ponto de equilbrio B. Uma perturbao no processo, que conduza a uma ligeira elevao de temperatura de T2 para T2, para a qual a libertao de energia pela reaco superior energia
retirada pelo permutador, leva a caminhar na direco de C.
Pg. 203
Se a perturbao inicial, a partir de B, tivesse produzido uma ligeira baixa de T2, um

raciocnio anlogo ao anterior conduziria ao ponto de equilbrio A. Consideraes anlogas a estas, para os pontos A e C, permitem provar que estes so estveis.
Energia
em jogo
Energia libertada
pela reaco
C
Energia retirada
pelo permutador
T1
T2 T2
T3
Temperatura
Fig. 7.14 Pontos de equilbrio do CSTR.
Pg. 204
8. CONSTANTES, FORMULRIOS E TABELAS

8.1. Constantes matemticas
e = 2.7182 81828 45904 52353 60287
= 3.1415 92653 58979 32384 62643
2 = 1.4142 13562 37309 50488
3 = 1.7320 50807 56887 72935
10 = 3.1622 77660 16837 93320
8.2. Constantes fundamentais da Fsica

Nome da constante
Smbolo
Valor + (incerteza) + unidades
Carga elctrica elementar
1.602 177 33(4 9) 10-19 C
Constante de Boltzmann
kB
1.380 658 (12) 10-23 JK-1
Constante de Coulomb
ke
8.987 551 787 10-9 Nm2C-2 (exacto)
Constante de Faraday
9.648 670 (54) 104 C/mol
Constante de Planck
6.626 075 (40) 10-34 Js (exacto)
Constante de Stefan
5.669 6 10-8 Wm-2K-4
Constante dos gases
8.314 510(70) JK-1mol
Constante gravitacional
6.672 59(8 5) 10-11 Nm2kg-2
Electro-volt (unidade de energia)
eV
1.602 177 33(4 9) 10-19 J
Massa do electro
me
9.109 389 7(54) 10-31 kg
Massa do neutro
mn
1.674 928 6(10) 10-27 kg
Massa do proto
mp
1.672 623(10) 10-27 kg
Nmero de Avogadro
NA
6.022 136 7(36) 1023 partculas/mole
Permeabilidade elctrica do vazio
8.854 187 817 10-12 C2N-1m-2 (exacto)
Permeabilidade magntica do vazio
4 10-7 TmA-1 (exacto)
Raio de Bohr
a0
0.529 177 249(24) 10-10 m
Unidade de massa atmica
1.660 540 2(10) 10-27 kg
Velocidade da luz no vazio
2.997 924 58 108 ms-1 (exacto)
Pg. 205
8.3. Formulrio de Matemtica

8.3.1 lgebra elementar
8.3.3 Geometria
Fraces
Rectngulo de lados a e b
soma
a c ad bc
=
b d
bd
multiplicao
a c ac
=
b d bd
a c ad
=
b d bc
diviso
Potncias
x m x n = x m+n
x
= x m n
n
x
( x m ) n = x m n
x1/ n = n x
Factorizao
Permetro: P = 2( a + b)
quadrado perfeito:
rea: A = a b
Tringulo de base b e altura h
rea: A =
1
bh
2
Circunferncia /crculo de raio r

Dimetro: d = 2 r
Permetro: P = 2 r
( a + b)( a b) = a 2 b2
Equaes
b
1 grau: ax + b = 0 x =
a
b b2 4ac
2 grau: ax + bx + c = 0 x =
2a
2
Esfera de raio r
A = 4 r 2
rea:
Volume:
4
V = r3
3
Cilindro com base de raio r e altura h

rea da base: Ab = r 2
rea lateral: A = 2 r
Volume: V = r 2
d = dA / r 2
a y = x y = log a x
8.3.4 Limites
log a ( xy ) = log a x + log a y
f ( x0 ) = 0
g ( x0 ) = 0
f ( x)
f ( x )
= lim
lim
x x0 g ( x )
x x0 g ( x )
1
lim(1 + )n = e
n
n
k n
lim(1 + ) = e k
n
n
ex 1
=1
lim
x 0
x
ex
lim p =
x x
log b x
log b a
log x log10 x
ln x log e x
ln x = 2.302585 log x
Pg. 206
ln1 = 0
rea da base: A = ab
8.3.2 Logaritmos e exponenciais
log a ( x p ) = p log a x
Paralelippedo de lados a, b e c
ngulo slido:
x
log a ( ) = log a x log a y
y
A = r2
rea:
diferena de quadrados:
ln e = 1
Volume: V = a b c
( a + b) 2 = a 2 + 2ab + b2
log a x =
. r
r
h
log( x + 1)
=1
x
log x
lim
=0
x
x
sen x
=1
lim
x 0
x
tan x
lim
=1
x 0
x
8.3.6 Trigonometria
lim
x 0
( x x0 ) 2
f ( x0 ) +
2!
n n 1 n( n 1) n 2 2
a b+
a b +
1!
2!
n( n 1) 2
x +
2!
1
2
x x 2 x3 5x 4 7 x5
(1 + x ) = 1 + +
+
2 8 16 128 256
1
2
x 3x 2 5 x 3 35 x 4 63x 5
(1 + x ) = 1 +
+
2
8
16 128 256
x2 x3
ex = 1 + x + + +
2! 3!
ln(1 x ) = x
1
1
1
csc =
sec =
tan
sen
cos
a
b
c
b
a
=
=
sen sen sen
cot =
f ( x ) = f ( x0 ) + ( x x0 ) f ( x0 ) +
(1 + x )n = 1 + nx +
Teorema de Pitgoras: b2 + c 2 = R 2
b
c
b
sen =
cos =
tan =
R
R
c
8.3.5 Sries
( a + b) n = a n +
1 2 1 3
x x
2
3
sen x = x
x 3 x5
+
3! 5!
(x em radianos)
cos x = 1
x2 x4
+
2! 4!
(x em radianos)
tan x = x
x3 2 x5
+
+
3 15
(x rad, | x |< / 2
sen 2 + cos2 = 1
1 + tan 2 = sec 2
1 + cot 2 = csc 2
sen( ) = sen cos cos sen
cos( ) = cos cos sen sen
tan( ) =
tan tan
1 tan tan
sen 2 = 2sen cos

cos 2 = cos2 sen 2
tan 2 =
2 tan
1 tan 2
8.3.7 Derivadas
d n
x = nx n 1
dx
du
dv
v u
d u
dx
dx
=
dx v
v2
d x
e = ex
dx
d x
a = a x log a
dx
d v
du
dv
+ ( log u ) u v
u = vu v 1
dx
dx
dx
n
d
uv ) = u ( n ) + nu ( n 1) v +
n (
dx
+ Crn u ( n r ) v ( r ) + + uv ( n )
Pg. 207
d
1
log x =
dx
x
d
1
log a x =
dx
x log a
d
sen x = cos x
dx
d
cos x = sen x
dx
d
tan x = sec2 x
dx
d
cot x = csc 2 x
dx
d
1
arc sen x =
dx
1 x2
d
1
arccos x =
dx
1 x2
d
1
arctan x =
dx
1 + x2
d
1
arc cot x =
dx
1 + x2
d
1
arcsec x =
dx
x x2 1
d
1
arccos x =
dx
x x2 1
8.3.8 Integrais indefinidos
vdu = vu udv
n
x dx =
x n +1
+C
n +1
e dx = e
x
+C
1 ax
e +C
a
e ax
ax
xe
dx
=
( ax 1) + C
a2
1
x dx = ln x + C
ln ax dx = ( x ln ax) x + C
ax
dx =
ax
dx =
Pg. 208
1 ax
e +C
a
dx
xdx
ax + b = a ln(ax + b) + C
b
ax + b = a a
ln( ax + b) + C
x+a
+C
x
dx
1
(ax + b)2 = a(ax + b)
dx
1
1 x
a 2 + x 2 = a tan a
dx
x( x + a ) = a ln
dx
1 a+x
=
(a2-x2>0)
ln
2
x
2a a x
dx
2 2
1 x
a 2 x 2 = sen a (a -x >0)
1
sen ax dx = a cos ax + C
1
cos ax dx = a sen ax + C
1
tan ax dx = a ln(cos ax ) + C
1
cot ax dx = a ln(sen ax ) + C
1
sec ax dx = a ln(sec ax + tan ax ) + C
1
csc ax dx = a ln(csc ax cot ax ) + C
x sen 2ax
2
sen ax dx = 2 4a + C
8.4. Transformada de Laplace unilateral

8.4.1 Propriedades da TL
L+ [a1 x1 (t ) + a2 x2 (t )] = a1 X 1 ( s) + a2 X 2 ( s)
P.1 - Linearidade:
L+ [ x(t t0 )] = e st0 X ( s )
P.2 - Deslocamento no tempo:

P.3 - Deslocamento no domnio s:
(t0 > 0)
L+ [ x(t ) e s0t ] = X ( s s0 )
L+ [ x(t ) *] = X * ( s* )
P.4 - Sinal conjugado:
1
s
X ( ),
a
a
P.5 - Contraco/expanso no tempo: L+ [ x(at )] =
a>0
P.6 - Derivao no tempo:

dx(t )
] = s X ( s ) x(0+ )
dt
d n x(t )
] = s n X ( s ) s n 1 x(0+ ) s n 2 x(0+ ) ... x ( n 1) (0+ )
L+ [
n
dt
P.7 - Derivao no domnio s:
dX ( s )
d n X (s)
L+ [t x(t )] =
L+ [(t ) n x(t )] =
ds
ds n
L+ [
P.8 - Integrao no tempo:

L+ [
x( )d ] =
1
X (s)
s
L+ [
1
L+ [ x(t )] =
t
+
L [ x(t ) * y (t )] = X ( s) Y ( s )
P.9 - Integrao no domnio s:

P.10 - Convoluo:
x( )d ] =
1
X (s)
sn
X ( )d
P.11 - Funo peridica [perodo a: x(t+a)=x(t)]:
L [ x(t )] =
+
x(t )e st dt
1 e as
P.12 - Rectificao de onda completa [perodo a: x(t+a)=x(t)]:
as
L+ [| x(t ) |] = X ( s )coth( )
2
P.13 - Teorema do valor final: lim x(t ) = lim[ s X ( s )]
(desde que exista o 1 limite)
t +
s 0
P.14 - Teorema do valor inicial: x(0 ) = lim [ s X ( s )]

s
Pg. 209
8.4.2 Tabelas de TL
Sinal temporal, x(t)
1.
u (t )
2.
(t t0 )
3.
4.
tn (n inteiro)
5.
6.
1
t
7.
e at
8.
t e at
9.
t n e at (n inteiro)
10.
cos( 0t )
11.
sen( 0t )
12.
1 cos( 0t )
13.
e at sen( 0t )
14.
e at cos( 0t )
15.
t cos(0t )
16.
t sen(0t )
TL unilateral, X(s)
1
s
e st0
1
s2
n!
( n +1)
s
Regio de convergncia
Re(s) > 0
todo s
Re(s) > 0
Re(s) > 0
s 3/ 2
s
1
s+a
1
( s + a)2
n!
( s + a) n +1
s
2
s + 02
0
s + 02
2
02
s ( s 2 + 02 )
0
( s + a ) 2 + 02
s+a
( s + a ) 2 + 02
s2 a2
( s 2 + a 2 )2
2a s
2
( s + a 2 )2
Re(s) > 0
Re(s) > 0
Re(s) > -a
Re(s) > -a
Re(s) > -a
Re(s) > 0
Re(s) > 0
Re(s) > 0
Re(s) > 0
Re(s) > 0
Re(s) > 0
Re(s) > 0
Pg. 210
8.5. Formulrio de Fsica

8.5.1 Mecnica dos slidos
r vector de posio da partcula

v velocidade linear da partcula
dr
v=
dt
a acelerao da partcula
dv d 2 r
=
a=
dt dt 2
Movimento circular:
velocidade angular da partcula
v = r
a = 2r
Trabalho exercido por uma fora: W = F .r

mm
Lei da atraco universal: F = G 1 2 2
r
Lei de Hooke: = Y
( tenso mecnica, deformao relativa,
Y mdulo de elasticidade de Young)
8.5.2 Mecnica dos fluidos
Presso exercida num ponto: p =
F
S
Lei fundamental da hidrosttica:
2 lei de Newton
F = ma = m
dv
dt
Momento linear p = mv
Teorema do momento linear (lei de Newton)
dp
F=
dt
Momento angular
Energia potencial: E p = mgh
= r mv
I momento de inrcia
Momento de inrcia de uma partcula de
massa m que descrever um movimento
circular uniforme de raio R:
p = g h
Teorema de Arquimedes I = f gVi
(I impulso, f massa volmica do fluido, Vi

volume imerso do corpo)
Caudal: q = VS (V velocidade, S rea)
Nmero de Reynolds: Re = VD /
(V velocidade, D dimetro da tubagem,
peso volmico, viscosidade do fluido)
Equao de Bernouilli para fluidos ideais
V2 p
+ + z = C te
2g
(V velocidade, g acelerao da gravidade, p
presso, peso volmico, z cota geomtrica)
I = mR 2
Momento angular de um corpo rgido que
roda com velocidade angular em relao
ao seu eixo de simetria:
= I
Momento de uma fora em relao a um
ponto: M = r F
Teorema do momento angular
M=
d
dt
Energia cintica: Ec =
8.5.3 Electrotecnia
q1q2
r2
Campo elctrico: E = F / q0 (volt/metro)
Lei de Coulomb: F = ke
Densidade volumtrica de carga elctrica:

= q / V (carga por unidade de volume)
Densidade superficial de carga elctrica:
= q / S (carga por unidade de rea)
P
Potencial num ponto: U P = E.ds
1 2
mv
2
Diferena de potencial entre A e B:
Pg. 211
U AB = E.ds
A
Se o campo for uniforme na direco de s

VAB = E d AB
q
Capacidade (definio): C =
U
Capacidade de um condensador plano:
A
C =
d
dQ (t )
Corrente elctrica: I (t ) =
dt
I
Densidade de corrente: J =
A
Lei de ohm: J = E U = R I
Resistncia elctrica de um condutor
R=
S
Potncia dissipada numa resistncia (lei de
Joule) P = R I 2 = U 2 / R
Associao de resistncias
N
N
1
1
em srie: R = Ri em paralelo: =
R i =1 Ri
i =1
Associao de bobinas
N
1 N 1
em srie: L = Li em paralelo: =
L i =1 Li
i =1
Associao de condensadores
N
N
1
1
=
em paralelo: C = Ci
em srie:
C i =1 Ci
i =1
Leis de Kirchoff
n
ns:
ik = 0
malhas:
k =1
u
k =1
=0
Fora magntica sobre carga em movimento:
FB = qv B
Fora magntica entre condutores paralelos:
0 I1 I 2
2 d
Fora electromotriz induzida por variao de

d
fluxo: e =
dt
Reactncia de uma bobina: X L = L
(=2f frequncia angular, f frequncia,
L coeficiente de auto-induo)
1
Reactncia de um condensador: X C =
C
(C capacidade do condensador)
Impedncia do circuito RLC srie:
1
Z = R + j L +
j C
Potncia aparente: Q = Vef I ef
Potncia activa: P = Vef I ef cos
Potncia reactiva: S = Vef I ef sen
( desfasagem entre a tenso e a corrente)
Transformador ideal (ligao magntica
perfeita e semperdas):
u1
u
N1i1 + N 2i2 = 0
= 2
N1 N 2
(u tenso, i corrente, N n de espiras,
1 primrio, 2 secundrio)
Linha de transmisso sem perdas (L coeficiente de auto-induo/m, C capacidade/m,
RL resistncia de carga no final da linha)
L
Impedncia caracterstica: Z =
C
RL Z
Factor de reflexo: p =
RL + Z
1
Velocidade de propagao: v =
LC
Circuitos trifsicos
Tenso composta: V12 = 3 V1 = 1,732V1
(V1 tenso simples, ou por fase)
(F fora, comprimento, 0 permeabilidade

magntica do meio, I1 e I2 correntes nos
condutores 1 e 2, d distncia entre condutores)
Pg. 212
BIBLIOGRAFIA
[1]. NONLINEAR SYSTEMS

Khalil, Hassan K Prentice Hall 1996
[2]. APPLIED NONLINEAR CONTROL
Slotine, J. J. E / Li, Weiping Prentice Hall 1991
[3]. NONLINEAR CONTROL SYSTEMS AN INTRODUCTION
Isidori, A
Springer Verlag 1989
[4]. MATHEMATICAL CONTROL THEORY
Sontag, Eduard Springer 1998
[5]. ESSENTIALS OF NONLINEAR CONTROL THEORY
Leigh, J. R. IEE Topics in Control, Series 2
Peter Peregrinus LTD 1983
[6]. CONTROLO DE SISTEMAS NO-LINEARES
Lemos, J. Miranda Acetatos das aulas de Controlo II IST 1985
http://ramses.inesc.pt/People/jlml/flsC2.html
[7]. EQUAES DIFERENCIAIS ORDINRIAS
Costa, Fernando Pestana da IST Press 1998
[8]. FUZZY CONTROL AND FUZZY SYSTEMS
Pedrycz, Witold Jonh Wiley & Sons Inc. 1993
[9]. NEURO-CONTROL AND ITS APPLICATIONS
Omatu, S. / Khalid M. / Yusof R.
Springer 1996
Pg. 213
Pg. 214
NDICE
adjunta ...................................136
agregao ..............................173
algoritmo para a linearizao
entrada-estado ....................143
algoritmos genticos .............160
altura de conjunto difuso .......162
amortecimento, .....................194
amplificadores ....................... 18
amplitude da excitao ............ 6
antecedente ...........................167
aprendizagem ........................184
aproximao linear ..................71
aproximadamente zero ..........163
aproximador universal ..........181
assimptotica/ estvel................85
assimptotica/ estvel nsLy.......68
atraso no processo .................115
atrito esttico ......................... 35
atrito viscoso ......................... 15
autnomo.................................64
bacia de atraco .....................68
backlash ................................. 33
backpropagation ...................184
balano de energia ..........22, 203
balano de massas ..........21, 203
bifurcao .............................. 11
binrio......................................54
calor especfico ...................... 18
calor latente ........................... 19
camada de entrada ................178
camada de sada ....................178
camadas ................................177
camadas escondidas ..............178
campo
covectorial .................51, 133
escalar ................................51
vectorial .....................51, 133
vectorial.involutivo .........139
caos ........................................ 12
caractersticas convergentes ..113
caractersticas divergentes .....112
centro.......................................47
centride ...............................174
ciclo limite...............................49
estvel ................................49
semi-estvel .......................49
existncia de.......................50
complemento ........................ 166

completamente integrvel .... 139
condies sectoriais ................ 99
condutncia trmica .............. 20
conectivas ............................ 166
congelar entradas ................. 185
conjuno ............................ 165
conjunto difuso ........... 160, 162
convexo .......................... 162
normalizado..................... 162
regular ............................ 162
conjunto invariante.................. 88
controlabilidade .................... 142
controlador
difuso .............................. 170
liga/desliga ...................... 37
controlo
adaptativo .................. 1, 159
difuso .............................. 160
difuso do satlite ............. 174
inteligente ....................... 159
no linear ........................... 1
preditivo ......................... 188
corte- forte ......................... 162
corte- fraco ........................ 162
critrio de Popov ................... 101
critrio do crculo.................. 103
critrios de pertena ............. 160
CSTR (Continuous Stirred
Tank Reactor .................... 202
condies iniciais .................. 13
decaimento .............................. 69
del ........................................... 51
dependncia crtica ................ 10
derivada de Lie ............. 134, 135
derivada de V(x,t) ................... 93
descrio entrada-sada ......... 22
desfuzificao ............. 169, 174
desigualdade de Popov.......... 101
diagrama de Nyquist ............. 111
diagrama de Popov................ 101
diagrama do crculo............... 103
dicotmica ........................... 161
difeomorfismo ...................... 138
global .............................. 138
local ................................ 138
dinmica
interna ............. 127, 129, 185
estvel .......................130
instvel ......................130
zero .................................132
disjuno ...............................165
dissipa......................................88
divergncia ..............................51
domnio de atraco.................68
domnios transformados ........ 22
energia ............................. 21, 88
cintica ....................... 14, 76
do sistema .................. 14, 76
mecnica total ....................76
potencial ..................... 15, 76
equao
s diferenas ..................... 25
caracterstica ......................44
de Bernouilli ...................120
de conservao da massa . 21
de estado .......................... 24
de Lyapunov ......................84
de sada ............................ 24
de Van der Pol ...........61, 197
do balano de energia 22, 203
n-vectorial ........................ 26
equaes
de estado escalares .............43
diferenciais s derivadas
parciais ............................139
vectoriais .................... 24, 26
esboo do retrato de fase .........44
espao de fases ........................43
esquecimento .......................188
estabilidade......................63, 112
absoluta..............................99
assimpttica .......................92
assimpttica .......................93
BIBO .................................. 5
de sistemas no autnomos 91
exponencial ........................92
global .....................69, 92, 94
local ...................................69
no sentido de Lyapunov.....93
pelo mtodo da funo
descritiva.......................111
uniforme.............................93
estado ..................................... 22
de equilbrio .......................65
completa/ acessvel .........125
Pg. 215
linearizado ......................141
estvel..............................45, 113
no sentido de Lyapunov.....66, 91
nsLy.........................................93
estrutura interna do sistema ... 22
excesso de plos / zeros ........131
excitao .................................. 3
existncia de funes de
Lyapunov..............................98
exponencialmente estvel..69, 73
fase ........................................ 19
fase mnima ...........................112
fuzzy inference systems ........174
foco estvel / instvel ..............46
folga ............................... 33, 111
foras centrais .......................199
forma quadrtica......................82
Frobenius ..............................139
funo
candidata............................84
de activao ....................177
de Lyapunov ..........63, 76, 79
de pertena ......................161
funo descritiva......109, 111
folga ...........................111
liga-desliga .................110
liga-desl. c/ histerese ..110
saturao s/ histerese ..111
zona morta..................110
n. linearid. correntes...110
pertencente a sector....99, 100
positiva definida ................92
positiva semidefinida .........78
negativa definida..........78, 92
saturao .......................... 30
seccionalmente contnua ....91
sigmoidal ....................... 203
sinal de () ......................... 35
radialmente ilimitada .........81
decrescente.........................92
invertvel .........................123
funcional de custo .................183
funes de activao .............182
fuso ...................................... 19
fuzificao ...........................168
fuzzy set ................................160
ganho .....................................109
gs perfeito ............................ 20
Gauss-Newton .......................184
generalizao .........................187
generalizar .............................186
Geometria Diferencial .......... 133
global/ assimptotica/ estvel....85
globalmente estvel................. 69
gradiente........................... 51,133
grau de amortecimento......... 194
grau relativo ................. 127, 131
bem definido................... 146
indefinido ....................... 147
harmnicas ............................. 13
hiprbole .............................. 200
hiperplano ............................... 66
hiptese feita por Aizerman .. 100
histerese ..................... 16, 20, 31
ideal ................................. 32
histria do sinal ..................... 31
identificao do processo ..... 184
if-then................................... 167
inferncia ............................. 168
instvel.......... 49, 66, 91, 74, 112
integrador mltiplo....... 122, 142
interaco entre espcies
animais .............................. 201
interseco ........................... 165
involutivos ........................... 139
isoclnicas..................... 56,57, 58
Jacobiano ....................... 96, 134
jactos ....................................... 54
lei de Arrhenius.................... 203
lei de controlo ...................... 119
lei de ohm trmica.................. 21
leis de Morgan ...................... 167
liga/desliga ............................ 35
liga-desliga............................ 110
com histerese ................... 110
linearizao
entrada-estado ......... 123, 141
entrada-sada ................... 146
exacta .............................. 119
exacta por realimentao . 119
por realimentao ................ 1
linha de atraso ....................... 117
localmente indefinida.............. 78
lgica difusa.................. 159, 164
marginalmente estvel ............ 73
estvel nsLy....................... 68
Marquardt-Levenberg .......... 184
massa ..................................... 21
massa-mola-amortecedor ..... 192
Matlab ................................... 115
matriz Jacobiana................ 70, 72
memria .................................. 3
mtodo da linearizao ........... 74
para sist. no autnomos....95

mtodo das isoclnicas.............56
Lyapunov.................................76
mtodo da linearizao ......73
mtodo directo .......76, 92, 94
mtodo delta ............................56
mtodo do gradiente varivel ..86
mtodo expedito ......................71
mnimo
absoluto............................183
global ...............................183
local .................................183
modelo ..................................... 2
de Ebers-Moll ........................ 18
de estado .............. 13, 22, 24, 63
modelos mltiplos .................159
mola
dura ............................15, 192
linear ..........................15, 192
macia ........................ 15, 192
momento................................187
momento angular ................... 14
momento de inrcia ............... 16
momento linear ...................... 14
multivarivel .......................... 24
nabla ........................................51
no autnomo ..........................64
no linear ................................. 1
no linearidades artificiais ....... 5
no linearidades duras ............. 1
no linearidades naturais ... 5, 29
no observvel.......................127
no unicidade da soluo ....... 10
neurnio.........................177, 178
n.............................................45
estvel ..........................45, 46
instvel.........................45, 46
nodo.........................................45
norma-S .................................167
norma-T.................................166
nsLy...................................66, 93
nmero de camadas ...............181
nmero de unidades...............181
nmero difuso........................162
observvel..............................185
on/off ..................................... 35
operador
atraso ................................ 25
triangulares ......................166
vectoriais............................51
rbita ................................ 28, 43
plana...................................43
elptica ............................ 200
ordem
Pg. 216
do sistema ........................ 23
reduzida ...........................127
oscilaes ................................49
oscilador
de resistncia negativa...........196
de Van der Pol .........................67
parmetros da rede.................183
parntesis de Lie....................136
passo adaptativo ....................187
pndulo simples.....................189
permissa.................................167
plano de estado ........................43
plano de fases ..........................43
polarizao ............................179
polinmio caracterstico ........122
ponto de equilbrio...8, 28, 65, 91
estvel .................................... 28
ponto de sela............................45
positiva definida ......................83
princpio
da extenso ......................163
da representao...............163
da resoluo .....................163
da sobreposio .............. 1, 5
produto
cartesiano .........................166
interno..............................133
propulsores ..............................54
quadrtico .............................. 15
quantificar
2
razo de convergncia .............69
reactor qumico continuamente
agitado ................................202
realimentao ........................... 1
de estado................................128
realimentao no linear..99, 119
rectificadores ......................... 18
rectro-propagao..................184
rede de base radial .................180
rede esttica
180
redes neuronais ......................177
artificiais ..................159, 177
regio de atraco............149, 68
regime livre .............................64
regular .............................. 28, 66
rels ....................................... 18
resistncia negativa..................96
resistncia trmica ................. 21
ressonncia com saltos ..........195
retrato de fase ..........................43
Rumelhart ..............................184
sistema(s) .............................. 1, 2
autnomo ......................... 24
causal ................................. 4
completa/ linearizado ...... 132
contnuo ....................... 4, 27
de fase mnima ........ 130, 132
de fase no mnima.......... 130
de parmetros concentrados 4
de parmetros distribudos . 4
determinstico .................... 5
dinmico ............................ 3
discreto ........................ 4, 26
em regime livre ................ 24
em repouso ........................ 4
em tempo real .................... 4
econmicos ........................ 2
esttico ............................... 3
estvel ................................ 5
estocstico ......................... 5
fsicos ................................ 2
geolgicos ......................... 2
invariante no tempo ........... 4
linear massa-mola.............. 52
linear na entrada .............. 141
linear simples .................... 66
linearizado ............... 1, 70, 71
linearizvel ........................ 54
matemticos ....................... 2
misto .................................. 2
na forma companheira ..... 122
no controlvel ................ 127
no forado ...................... 24
no relaxado ...................... 4
qumicos ............................ 2
relaxado ............................. 4
saturao
16, 29
sem histerese ................... 111
seguimento da trajectria ...... 126
separatriz................................. 68
srie de Fourier ..................... 109
sinal de entrada ....................... 3
singular ........................... 28, 66
singular difuso....................... 163
singularidade na soluo ......... 7
soluo peridica .................. 198
sub-harmnicas ..................... 13
sublimao ............................ 19
suporte................................... 162
tanque cnico ........................ 148
taxa da competio................ 201
tempo de escape ...................... 7
tempo discreto ....................... 25
teorema
da variedade central........... 74
de Bendixon .................51, 62
de Frobenius, 139, 140
de Krasovskii .....................85
de Krasovskii generalizado 86
de Poincar...................50, 62
de Lyapunov ......................80
sistemas no autnomos.....93
de Ly (estabilidade global) 81
de Ly (instabilidade) ..........82
de Poincar-Bendixon........50
do conjunto invariante
global............................89
local..............................88
recproco ............................98
sobre instabilidade .............96
termos de ordem superior ........70
tiristores ................................. 18
trajectria ............................... 28
trajectria estvel ................... 28
trajectria.........................52, 188
parablica.........................200
transformador ........................ 17
ideal ................................. 17
transistor de juno ................ 18
treino
da rede......................184, 186
em grupo ..........................186
em linha ...................186, 187
nica varivel ........................ 24
unio ......................................165
unidade de processamento .....178
uniformemente estvel.............92
universo do discurso, ............161
valor inicial do estado ............ 24
valor prprio duplo..................47
valores prprios .......................44
Van der Pol, ..........................197
vaporizao ............................ 19
variveis
separveis, .......................119
estado ......................... 23, 43
difusas, ............................164
lingusticas, .....................164
varivel
controlada ........................120
de entrada ..................... 2, 23
de sada .............................. 2
manipulada, .....................120
vector de estado ..................... 23
vector de sada ....................... 23
zona morta ............................. 30
zona morta .............................110
Pg. 217
Pg. 218
FICHA TCNICA
Ttulo
Instrumentao Industrial Edio Electrnica
Copyright 2006 do autor
Autor
Gustavo Vitorino Monteiro da Silva
Engenheiro Electrotcnico
Mestre em Engenharia Electrotcnica e de Computadores
e-mail: gustavo.silva@fxs.pt
Foto do autor: Lus Silva, FXS
Edio Comercializao e Capa

FXS, Gesto de Marketing, Lda.
Rua Prof. Mark Athias, 4, 3 Frente
1600-646 LISBOA PORTUGAL
Tel: 217 524 285
Fax: 217 599 327
www.fxs.pt
e-mail: info@fxs.pt
ISBN: 972-98624-5-1
Lisboa, Julho de 2006

ControleNaoLinearLisboa PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

ControleNaoLinearLisboa PDF

Enviado por

Direitos autorais:

Formatos disponíveis

CONTROLO NO LINEAR

Gustavo Vitorino Monteiro da Silva

ao meu neto Diogo e ao seu futuro irmozinho

PREFCIO DA PRIMEIRA EDIO

A obra do autor surge na sequncia de um esforo continuado no sentido de enriquecer

Setbal, 26 de Julho de 2003

Lisboa, Julho de 2006

2. SISTEMAS DE 2 ORDEM .............................................................................................43

3.11. ESTABILIDADE ABSOLUTA .............................................................................................99

Campo vectorial ........................................................................................................ 133

5.2.2. Teorema de Frobenius........................................................................................139

Definies ................................................................................................................. 160

6.2.3. Lgica difusa ......................................................................................................164

Variveis ................................................................................................................... 164

6.2.4. Regras de inferncia...........................................................................................168

A rede multicamada .................................................................................................. 177

6.3.2. A RNA como aproximador universal..................................................................181

Nmero de camadas .................................................................................................. 181

6.3.4. Obteno dos parmetros da rede .....................................................................183

Funcional de custo .................................................................................................... 183

6.3.5. Identificao do Processo. .................................................................................184

Dados de entrada /sada............................................................................................. 184

6.3.6. Controlo preditivo. .............................................................................................188

Aleksandr Mikhailovich Lyapunov, Matemtico e Engenheiro Russo, 1857-1918.

Normalmente, o projecto de sistemas no lineares, obriga a um contacto mais estreito

A obteno do ou dos modelos de um sistema pode ser feita de diversos modos:

De uma forma compacta, costume representar graficamente um sistema por meio de

Fig. 1.1 Representao grfica compacta de um sistema

costume efectuar a classificao dos sistemas de acordo com os seguintes critrios:

Sistemas estticos e dinmicos,

1.2.1. Sistemas estticos e dinmicos

1.2.2. Sistemas relaxados e no relaxados

Um sistema diz-se relaxado, num determinado instante inicial, ou em repouso, se no

Um sistema diz-se invariante no tempo se as suas caractersticas no se modificarem

1.2.6. Sistemas contnuos e discretos

1.2.7. Sistemas determinsticos e estocsticos

Um sistema diz-se estvel (estabilidade BIBO Bounded Input, Bounded Output) se

As no linearidades podem ser naturais ou artificiais. As primeiras esto intimamente

A dinmica dos sistemas no lineares mais complexa do que a dos lineares, e , de um

Dependncia da amplitude de excitao,

e que passam a exemplificar-se.

Fig. 1.2 Resposta do veculo submarino, u = 1

Este exemplo permite compreender como que o comportamento de um sistema no

Fig. 1.3 Resposta do veculo submarino, u = 10.0

1.3.2. Tempo de escape finito

Fig. 1.4 Tempo de escape finito

1.3.3. Pontos de equilbrio mltiplos

Fig. 1.5 Resposta de um sistema no linear

H pois uma infinidade de pontos de equilbrio, dos quais so fisicamente distintos

Seja agora o sistema no linear descrito pela equao de estado

Esta equao admite as duas solues seguintes:

No caso de um sistema de 1 ordem descrito por uma equao de estado do tipo

em que o parmetro \ . Para prximo de zero o carcter das solues diferente

TRAJECTRIA NO ESPAO DE FASES

TRAJECTRIA NO ESPAO DE FASES

Fig. 1.6 Dependncia crtica dos parmetros

1.3.7. Caos ou dependncia crtica das condies iniciais

Fig. 1.7 Dependncia crtica das condies iniciais

1.3.8. Ciclos limite ou oscilaes

1.3.9. Existncia de harmnicas e sub-harmnicas

Sistemas mecnicos clssicos,

1.4.1. Sistemas mecnicos clssicos

1.4.3. Teorema do momento angular

x1 (t )=f1[ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t ),", u p (t ), t ]

x2t )=f 2 [ x1 (t ), x2 (t )," , xn (t ), u1 (t ), u2 (t )," , u p (t ), t ]