Você está na página 1de 72

UNIVERSIDADE DE SO PAULO

ESCOLA DE ENGENHARIA DE SO CARLOS

IVAN MORAES BIAGIONI

IMPLEMENTAO DE CONTROLE
ADAPTATIVO POR SIMULINK

So Carlos
2013

IVAN MORAES BIAGIONI

IMPLEMENTAO DE
CONTROLE ADAPTATIVO POR
SIMULINK

Trabalho de Concluso de Curso


apresentado Escola de Engenharia de So
Carlos, da Universidade de So Paulo
Curso de Engenharia Eltrica com nfase em Eletrnica
ORIENTADOR: Prof. Jerson Barbosa de Vargas

So Carlos
2013

ii

iii

iv

Dedicatria

Dedico este trabalho aos meus pais e s minhas irms por todo apoio e carinho.
minha namorada Fernanda por todo amor, companheirismo e ateno.
Aos meus amigos Rafael, Marcelo, Marcos e Nayra que fizeram parte da minha rotina
durante toda a graduao e aos demais amigos que proporcionaram tantos momentos especiais.

vi

vii

Agradecimentos
Agradeo a Deus por me guiar diante dos desafios da vida.
Agradeo ao meu orientador, professor Jerson, pela orientao, apoio e compreenso.
Agradeo Universidade de So Paulo por propiciar um ambiente de to grande
conhecimento.
Agradeo a todos os que colaboraram de alguma maneira para o meu desenvolvimento
acadmico, profissional e pessoal.

viii

ix

Sumrio
ndice de Figuras .........................................................................................................xi
Resumo .................................................................................................................... xiii
Abstract ...................................................................................................................... xv
1.

2.

Introduo ............................................................................................................. 1
1.1.

Proposta do Trabalho...................................................................................... 1

1.2.

Organizao ................................................................................................... 1

Sistemas de Controle.............................................................................................. 3
2.1.

Controlador PID ............................................................................................. 3

2.1.1. As Aes de Controle ............................................................................... 4


2.1.2. Resposta Transiente .................................................................................. 6
2.2.

Controle Adaptativo ....................................................................................... 7

2.2.1. Escalonamento de Ganhos ........................................................................ 7


2.2.2. Reguladores Auto Ajustveis .................................................................... 8
2.2.3. Controle Dual ........................................................................................... 8
2.3.

Sistemas Adaptativos por Modelo de Referncia ............................................. 9

2.3.1. Algoritmos de Estimao ........................................................................ 10


3.

Motor CC ............................................................................................................ 13

4.

Sistema Adaptativo para Controle de um Motor CC. ............................................ 17


4.1.

Simulink ...................................................................................................... 17

4.2.

Modelo de Referncia .................................................................................. 17

4.2.1. Motor CC ............................................................................................... 17


4.2.2. Controlador PID ..................................................................................... 18
4.3.
5.

Controle Adaptativo por Modelo de Referncia ............................................ 20

Resultados ........................................................................................................... 25
5.1.

Motor CC ..................................................................................................... 25

5.2.

PID .............................................................................................................. 26

5.3.

Controle Adaptativo por Modelo de Referncia ............................................ 29

5.3.1. Sistema Sem Alteraes na Planta ........................................................... 34

x
5.3.2. Sistema Com Alteraes na Planta .......................................................... 42
5.4.

Concluso .................................................................................................... 47

Referncias ................................................................................................................. 49
Apndice .................................................................................................................... 51

xi

ndice de Figuras

Figura 2.1 - Diagrama de Blocos do Controlador PID (Gc) com Planta (Gp). ................ 3
Figura 2.2 - Diagrama do Controlador PID, Gc. ............................................................ 4
Figura 2.3 - Caracterstica da Resposta Transiente ......................................................... 6
Figura 2.4 - Diagrama de Blocos do Escalonamento de Ganhos .................................... 8
Figura 2.5 - Diagrama de Blocos do Regulador Autoajustvel. ...................................... 9
Figura 2.6 - Diagrama de Blocos do Controlador Dual. ................................................. 9
Figura 2.7 - Diagrama de Blocos do Sistema Adaptativo por Modelo de Referncia. ... 10
Figura 3.1- Diagrama eletromecnico do motor CC. .................................................... 13
Figura 4.1 - Ferramenta Root Locus. ........................................................................... 19
Figura 4.2 - Ajuste Fino pelo Bloco PID Controller. .................................................... 20
Figura 5.1 - Diagrama de Blocos do Motor CC ........................................................... 25
Figura 5.2 - Resposta do Motor ao Degrau Unitrio .................................................... 26
Figura 5.3 - Resposta do Motor com Tacogerador ao Degrau Unitrio. ........................ 26
Figura 5.4 - Sada do Controlador PID ........................................................................ 28
Figura 5.5 - Resposta do Modelo de Referncia e do Motor ao Degrau Unitrio. ......... 28
Figura 5.6 - Diagrama de Blocos do Modelo de Referncia. ........................................ 29
Figura 5.7 - Diagrama do Sistema Adaptativo por Modelo de Referncia. ................... 30
Figura 5.8 - Curva de gama Kp versus ndice ITSE. .................................................... 31
Figura 5.9 - Curva de gama Ki versus ndice ITSE. ..................................................... 31
Figura 5.10 - Curva de gama Kd versus ndice ITSE. .................................................. 32
Figura 5.11 - Curva de gama Kp versus ndice ITAE. .................................................. 32
Figura 5.12 - Curva de gama Ki versus ndice ITAE. ................................................... 33
Figura 5.13 - Curva de gama Kd versus ndice ITAE. .................................................. 33
Figura 5.14 - Resposta MRAS ao Trem de Pulsos para ITSE. ...................................... 34
Figura 5.15 - Resposta MRAS ao Trem de Pulsos para ITAE....................................... 35
Figura 5.16 - Resposta MRAS ao Trem de Pulsos para ITSE aps 4000 s. ................... 35
Figura 5.17 - Curva do Erro para Gamas timos. ........................................................ 37
Figura 5.18 - Curva do Ganho Kp versus Tempo. ........................................................ 37
Figura 5.19 - Curva do Ganho Ki versus Tempo. ......................................................... 38
Figura 5.20 - Curva do Ganho Kd versus Tempo. ........................................................ 38
Figura 5.21 - Ao de Controle u. ............................................................................... 39
Figura 5.22 - Resposta ao Trem de Pulsos de 0 a 2 s. ................................................... 40
Figura 5.23 - Resposta ao Trem de Pulsos de 200 a 202 s. ........................................... 40
Figura 5.24 - Resposta ao Trem de Pulsos de 1998 a 2000 s. ....................................... 41

xii
Figura 5.25 - Degraus para Anlise do Comportamento Servo. .................................... 41
Figura 5.26 - Ao de Controle para Entrada com Degraus. ......................................... 42
Figura 5.27 - Resposta ao Trem de Pulsos para Planta Alterada para 1s. ...................... 43
Figura 5.28 - Resposta ao Trem de Pulsos para Planta Alterada para 1s Ampliada. ....... 43
Figura 5.29 - Resposta ao Trem de Pulsos para Planta Alterada para 6000s .................. 44
Figura 5.30 - Resposta ao Trem de Pulsos para Planta Alterada para 6000 s Ampliada. 44
Figura 5.31 - Curva do Ganho Kp versus Tempo para Planta Modificada. ................... 45
Figura 5.32 - Curva do Ganho Ki versus Tempo para Planta Modificada. .................... 45
Figura 5.33 - Curva do Ganho Kd versus Tempo para Planta Modificada. ................... 46
Figura 5.34 - Ao de Controle u para Planta Modificada. ........................................... 46

xiii

Resumo

O controle adaptativo por modelo de referncia tem como principal caracterstica


atualizar constantemente a ao de controle de um sistema medida que o processo sofre
alteraes, fazendo o uso de um modelo de referncia e analisando a diferena entre a sada do
processo e a sada deste modelo. Este trabalho visa demonstrar o comportamento adaptativo de
um sistema, tendo como processo um motor CC e sendo controlado por um controlador PID.
Abordando a sintonia do modelo de referncia, a modelagem do mecanismo de adaptao atravs
da regra MIT, a escolha dos ganhos de adaptao atravs de mtodos de minimizao de erro e a
implementao do modelo em MATLAB e Simulink. As caractersticas do mtodo proposto
podem ser observadas atravs da simulao de diferentes situaes.
Palavras-chave: Controle Adaptativo por Modelo de Referncia, Regra MIT, Controle
PID, Ganhos de Adaptao.

xiv

xv

Abstract

The model reference adaptive control has as main characteristic the online update of the
control action of a system as the process is altered, using the reference model and analyzing the
difference between the process and the model output. This term paper aims to demonstrate the
adaptive behavior of a system that has as process a DC motor and is controlled by a PID controller.
It covers the model reference design, the adaptation mechanism modeling using the MIT rule, the
choice of adaptation gains using methods that minimize the error and the implementation of the
model in MATLAB and Simulink. The characteristics of the proposed method can be observed
by simulating different situations.
Palavras-chave: Model Reference Adaptive Control, MIT Rule, PID Control, Adaptation
Gains.

xvi

1. Introduo
Os sistemas de controle adaptativo tm evoludo como uma tentativa de evitar a
degradao do desempenho dinmico de um sistema de controle, quando variaes ambientais
ocorrem [1].
Um sistema de controle por realimentao objetiva o desenvolvimento de um sistema que
seja capaz de manter certo desempenho mesmo quando ocorrem perturbaes que o afetam.
Porm, para determinadas situaes, em que ocorrem variaes maiores e mais significativas para
o comportamento dinmico do sistema controlado, os coeficientes constantes envolvidos na
modelagem e o ganho de realimentao no so capazes de atingir o desempenho desejado.
Assim, o controle adaptativo aparece como soluo para a adequao dos parmetros do
controlador, variando-os de forma a manter as especificaes de desempenho do sistema.
A evoluo da eletrnica exigiu e, ao mesmo tempo, permitiu a evoluo dos sistemas de
controle adaptativos, os quais so importantes, por possurem propriedades teis e muitas vezes
singulares, que podem ser utilizadas proveitosamente para se projetar sistemas de controle com
melhor desempenho e funcionalidade [2]. Com base nessas caractersticas, vrias linhas de
estudos sobre sistemas adaptativos tm evoludo e gerado resultados possveis de serem
implementados e que podem abrir novos horizontes de pesquisas e desenvolvimento na rea de
controle de sistemas.

1.1.

Proposta do Trabalho

O controle adaptativo por modelo de referncia (Model Reference Adaptive Control MRAC) escolhido para gerar a trajetria desejada que a sada da planta deve seguir em um
sistema controlado. Com base nesta afirmao, o presente Trabalho de Concluso de Curso tem
como objetivos o estudo de tcnica de controle adaptativo, em especfico do sistema de controle
por modelo de referncia (Model Reference Adaptive System - MRAS), a anlise e implementao
via Simulink/Matlab de um exemplo prtico, de um motor de corrente contnua, utilizando um
controlador PID.

1.2.

Organizao

O trabalho est assim organizado: o Captulo 2 aborda de forma terica o sistema de


controle em questo, definindo as caractersticas do controlador PID e do controle adaptativo; o
Captulo 3 analisa o processo escolhido para o trabalho, um motor de corrente contnua,
apresentando sua modelagem matemtica e seu comportamento dinmico de velocidade no
software Simulink; o Captulo 4 aborda o desenvolvimento da estrutura do MRAC utilizada no
trabalho, bem como sua implementao no software Matlab/Simulink; os resultados obtidos aps

2
testes na estrutura implementada e as respectivas anlises so expostos no Captulo 5.

2. Sistemas de Controle
Um sistema de controle uma interconexo de componentes que formam um sistema
configurado para fornecer uma resposta desejada. A base para anlise de um sistema a premissa
fornecida pela teoria de sistema lineares, que assume uma relao de causa e efeito para os
componentes de um sistema [3]. A modelagem matemtica de um sistema dinmico e a anlise
de sua resposta buscam o entendimento da natureza do sistema dinmico e a melhora de seu
desempenho. A anlise da resposta frequentemente feita atravs da simulao computacional
dos sistemas dinmicos [4].

2.1.

Controlador PID

O controlador Proporcional Integral Derivativo (controlador PID) um mecanismo de


controle por malha de realimentao genrico amplamente utilizado em sistemas de controle
industriais. Um controlador PID calcula um valor de erro, (), como sendo a diferena entre
a varivel de sada, (), do processo medido e um valor nominal desejado (). O controlador
tenta minimizar o erro, ajustando a entrada u(t) de controle do processo, como indica a Figura
2.1.
O clculo do controlador PID (algoritmo) envolve trs constantes paramtricas distintas:
os valores proporcional, integral e derivativo, denotados respectivamente por P, I e D.

Figura 2.1 - Diagrama de Blocos do Controlador PID (Gc) com Planta (Gp).

O controlador PID o algoritmo de controle mais comum. A maioria das malhas de


realimentao so controladas por este algoritmo ou por suas variaes [5]. Ele implementado
de muitas formas diferentes, como um controlador autnomo ou como parte de um controlador
digital direto (DDC Direct Digital Control) ou de um sistema de controle de processos
hierarquicamente distribudos [5].
Na ausncia de conhecimento do processo subjacente, um controlador PID tem sido
considerado o melhor controlador. Ajustando-se os trs parmetros no algoritmo de controle PID,
o controlador pode fornecer uma ao de controle projetada para requisitos especficos do
processo. A resposta de um controlador pode ser descrita em termos da resposta a um erro, do

4
grau com que o controlador supera o valor nominal e do grau de oscilao do sistema. Milhares
de engenheiros instrumentistas e de controle por todo mundo esto usando esses controladores
nas tarefas dirias. Nota-se, porm, que o uso do algoritmo PID para controle no garante controle
timo ou estabilidade do sistema [5].

2.1.1. As Aes de Controle


A representao matemtica, exposta pela equao ( 2.1 ), envolve as trs aes citadas
anteriormente e a representao em diagrama de blocos apresentada na Figura 2.2, onde, K p, K i
e K d so as constantes de ganhos proporcional, integrativo e derivativo, respectivamente. A soma
das sadas de cada ao, Pout Iout e Dout , resulta na ao de controle u(t).

Figura 2.2 - Diagrama do Controlador PID, Gc.

() = () + 0 () +

().

( 2.1 )

Ao Proporcional

Pout da equao (2.1) refere-se ao proporcional que possui uma sada proporcional
ao valor atual do erro, que ajustada ao se multiplicar o erro () pela constante , ou seja:
= ().

( 2.2 )

Para uma planta que no contenha um integrador ( ), essa ao de controle leva sempre

a um erro no regime estacionrio, chamado de offset, e quanto maior o valor do ganho, menor o
erro [6]. Um alto ganho proporcional resulta em uma grande variao da sada para uma dada

5
variao no erro, obtendo-se uma resposta mais rpida dos sistemas, porm, isso pode levar a
instabilidade. Por outro lado, um ganho pequeno resulta em uma resposta de sada pequena para
uma entrada de erro grande e, portanto, em um controlador menos sensvel.

Ao Integrativa

A contribuio integrativa, Iout da equao ( 2.1 ), proporcional tanto magnitude


quanto durao do erro. A integral no controlador PID a soma do erro instantneo ao longo do
tempo, e retorna o offset acumulado que deveria ter sido corrigido anteriormente. O erro
acumulado multiplicado pelo ganho e somado sada do controlador, como mostra a equao
( 2.3 ).

= () .

( 2.3 )

O termo integrativo acelera o movimento do processo em direo ao ponto escolhido e


pode eliminar o erro residual de regime permanente, offset, que acontece com o controlador
proporcional sozinho. Entretanto, na medida que o termo integral responde ao erro acumulado do
passado, isso pode levar a uma resposta oscilatria que diminua lentamente ou que, at mesmo,
aumente, fazendo com que o valor presente ultrapasse o valor definido, sendo ambos os
comportamentos indesejveis [6].

Ao Derivativa

Dout da equao ( 2.1 ) descreve a ao der ivativa, que tem como propsito melhorar a
estabilidade em malha fechada. O mecanismo de instabilidade pode ser descrito intuitivamente
como segue em ( 2.4 ). Pela dinmica do processo, levar um tempo antes que a mudana na
varivel de controle seja notada na sada do processo. Ento, o sistema de controle estar atrasado
para correo de um erro. A ao do controlador com as aes proporcional e derivativa pode ser
interpretada como se o controle fosse feito proporcionalmente sada prevista, onde a previso
feita extrapolando-se o erro pela tangente da curva de erro [5].

().

( 2.4 )

A ao derivativa prev o comportamento do sistema e, ento, melhora o tempo de

6
acomodao e a estabilidade do sistema [7-8].

2.1.2. Resposta Transiente


Na sintonia do controlador PID, algumas especificaes so analisadas graficamente, o
que facilita o entendimento das aes de controle sobre um dado sistema. A resposta ao degrau
unitrio utilizada para esse fim e, dentre as suas caractersticas mais comuns, esto o tempo de
subida (Rise Time), o tempo de acomodao (Settling Time) e o mximo sobressinal (Overshoot).
O tempo de subida usualmente definido como o tempo necessrio para a resposta ir de
10% para 90% do valor final, em regime permanente. O tempo de acomodao , em geral,
definido como o tempo necessrio para que a curva de resposta atinja e permanea dentro de uma
faixa de 2% do valor final. O mximo sobressinal o valor percentual de pico mximo, sendo
o percentual da diferena entre o valor de pico mximo e o valor final sobre o valor final. A ao
do controlador PID sobre um sistema que se deseja controlar alcanar tais especificaes. A
mais comumente utilizada no projeto do controlador PID o tempo de acomodao.
Um exemplo dessa anlise mostrado na Figura 2.3, em que, da esquerda para direita, os
pontos representam: Rise Time, Overshoot, Settling Time e Valor Final.

Figura 2.3 - Caracterstica da Resposta Transiente

2.2.

Controle Adaptativo

O conceito de controle adaptativo surgiu de uma necessidade prtica de controle em que


sistemas realimentados no eram satisfatrios, essa necessidade foi o projeto de aeronaves de alto
desempenho. Essas aeronaves operam com grande variao de velocidade e altitude e descobriuse que o controle com ganho constante e realimentao linear funcionava bem para uma condio
de controle, mas no em todas a condies de voo [2]. Um sistema de controle por realimentao
objetiva o desenvolvimento de um sistema que seja capaz de manter certo desempenho mesmo
com perturbaes que o afetam, porm, para determinadas situaes, em que ocorrem variaes
maiores e mais significativas para o comportamento dinmico do sistema controlado, os
coeficientes constantes e o ganho de realimentao no so capazes de atingir o desempenho
desejado. Assim, o controle adaptativo aparece como soluo para a adequao dos parmetros
do controlador, variando-os de forma a manter as especificaes de desempenho do sistema.
Sistemas adaptativos so importantes por possurem propriedades teis e muitas vezes
singulares, que podem ser utilizadas proveitosamente para projetar sistemas de controle com
melhor desempenho e funcionalidade.
Dentre os tipos de sistemas de adaptao destacam-se os seguintes esquemas de
adaptao:

Escalonamento de Ganhos (gain scheduling)

Reguladores auto ajustveis (self-tuning regulators)

Controle Dual

Controle Adaptativo por Modelo de Referncia (MRAC)

2.2.1. Escalonamento de Ganhos


Em muitos casos, possvel encontrar variveis, que podem ser medidas, que relatam
bem as mudanas na dinmica do processo e podem ser utilizadas para mudar os parmetros do
controlador. Esta abordagem conhecida como escalonamento de ganhos (gain scheduling)
porque o esquema foi originalmente utilizado para acomodar mudanas do processo. O diagrama
de blocos de um sistema com escalonamento de ganhos est representado na Figura 2.4 [2].

Figura 2.4 - Diagrama de Blocos do Escalonamento de Ganhos

2.2.2. Reguladores Auto Ajustveis


Um esquema diferente obtido se as estimativas do parmetros da planta so atualizadas
e os parmetros do controlador so obtidos atravs da soluo de um problema projetado
utilizando os parmetros estimados. Algumas vezes, no possvel estimar os parmetros da
planta sem introduzir perturbaes ou sinais de controle. Este sistema pode ser visto como uma
automao do processo de modelagem e projeto, em que o modelo da planta e o controlador so
atualizados a cada perodo de amostragem [2].
A denominao regulador auto ajustvel (self-tuning regulator - STR) enfatiza o fato de o
controlador ajustar automaticamente seus parmetros para obter as propriedades desejadas do
sistema de malha fechada. A Figura 2.5 representa o diagrama de blocos deste esquema.

2.2.3. Controle Dual


Os demais esquemas abordados neste trabalho possuem uma abordagem heurstica
razovel, mas revelam certas limitaes, como por exemplo as incertezas dos parmetros, que no
so consideradas na sintonia do controlador.
possvel obter uma soluo que siga uma formulao abstrata de um problema e utilize
a teoria de otimizao, particularmente, pode-se utilizar a teoria de controle estocstico no linear,
o que leva a noo de Controle Dual, cujo diagrama mostrado na Figura 2.6. A principal
vantagem desta abordagem que ela considera as incertezas dos parmetros estimados na sintonia
do controlador, porm, sua aplicao muito complicada, o que inibe sua utilizao em problemas
prticos [2].

Figura 2.5 - Diagrama de Blocos do Regulador Autoajustvel.

Figura 2.6 - Diagrama de Blocos do Controlador Dual.

2.3.

Sistemas Adaptativos por Modelo de Referncia

Dentre os vrios tipos de configuraes de sistemas adaptativos, os Sistemas Adaptativos


por Modelo de Referncia (MRAS) so importantes, uma vez que levam a sistemas relativamente
fceis de se implementar, com certa rapidez de adaptao, que podem ser utilizados em vrias

10
situaes. Devido a essas caractersticas, foi o modelo adotado neste trabalho.
No MRAS so utilizados ndices de desempenho (IPs em ingls), que so gerados
dinamicamente por um sistema auxiliar chamado Modelo de Referncia, o qual excitado pela
mesma entrada do sistema ajustvel. O modelo de referncia especifica, em termos de entrada e
estados modelos, um dado ndice de desempenho. No caso, a comparao entre o IP dado e o
medido obtida diretamente, confrontando-se as sadas (ou os estados) do sistema ajustvel e do
modelo de referncia por meio de um tpico comparador realimentado (subtrator). A diferena
entre as sadas do modelo de referncia e as do sistema ajustvel utilizada pelo mecanismo de
adaptao para modificar os parmetros do sistema ajustvel ou para gerar um sinal de entrada
auxiliar para minimizar a diferena entre os dois IPs, expressos em funo da disparidade entre
as sadas ou estados do sistema ajustvel e os do modelo. Desta forma, o sistema mantm o IP
medido na regio do IP de referncia, composta por um conjunto de IPs aceitveis [1].
O diagrama representativo de um MRAS dado pela Figura 2.7, este modelo possui uma
malha de realimentao principal, composta pelo processo e pelo controlador, e outra malha de
realimentao, que altera os parmetros do controlador. A malha principal chamada de malha
interna, enquanto a malha de ajuste dos parmetros chamada de malha externa [2].

Figura 2.7 - Diagrama de Blocos do Sistema Adaptativo por Modelo de Referncia.

2.3.1. Algoritmos de Estimao

No diagrama da Figura 2.7, o bloco Mecanismo de Adaptao tem papel fundamental no


contexto do Controle Adaptativo, uma vez que o responsvel pela implementao da lei, ou do
algoritmo de adaptao.

11
O algoritmo de adaptao pode ser definido como a relao entre o erro generalizado e as
modificaes correspondentes aos parmetros ou as entradas para o sistema ajustvel.
Um dos algoritmos mais conhecidos a regra MIT. Seu nome deriva do local onde foi
desenvolvida, no Draper Laboratory do MIT (Massachusetts Institute of Technology) [2].
Posteriormente, em 1973, este laboratrio se separou do MIT, para se tornar uma organizao de
pesquisa e educao independente e sem fins lucrativos.
Considerando-se um sistema de malha fechada em que o controlador tem um parmetro
ajustvel . A resposta em malha fechada determinada pelo modelo, cuja sada . Seja ,
representado pela equao ( 2.5 ), o erro entre as sadas do sistema de malha fechada, , e do
modelo , . Uma possibilidade ajustar os parmetros de maneira que a funo perda (ou custo),
dada pela equao ( 2.6 ), seja minimizada [2].

= .

( 2.5 )

1
() = 2 .
2

( 2.6 )

Para tornar J pequeno, razovel alterar os parmetros na direo do gradiente negativo


de J, como indica a equao ( 2.7 ), o que leva ao outro nome pelo qual a regra conhecida,
Mtodo do Gradiente.

=
= .

( 2.7 )

Esta a regra MIT, onde a derivada parcial , chamada de derivada de sensibilidade do


sistema, revela como o erro influenciado pelo parmetro ajustvel. A varivel pode ser avaliada
como um vetor nos casos em que existem diversos parmetros ajustveis, nestes casos,

refere-

se ao gradiente do erro com respeito aos parmetros. O ganho de adaptao deve ser definido

pelo usurio. Experimentos de simulao indicaram que a escolha do ganho de adaptao pode
ser crucial [2].
Assumindo que as variaes dos parmetros so mais lentas que as outras variveis do
sistema, ento a derivada de sensibilidade pode ser avaliada assumindo-se que constante.
Existem muitas alternativas para a funo perda, dada pela equao ( 2.6 ). Caso seja

12
escolhida como

() = ||.

( 2.8 )

=
.

( 2.9 )

O mtodo do gradiente resulta em

Outra possibilidade, por exemplo, o algoritmo conhecido como sign-sign representado


pela equao

( 2.10 ).

= ( ) .

( 2.10 )

13

3. Motor CC
Com a finalidade de converter potncia eltrica em potncia mecnica, surgiram os
primeiros motores eltricos de corrente continua (CC), concebidos inicialmente por Michael
Faraday. Tais motores foram aperfeioados at o surgimento da gerao e transmisso em
corrente alternada, a qual possibilitou o surgimento de motores de corrente alternada, que
concentraram as atenes devido simplicidade de implementao e manuteno. Porm, com a
evoluo tecnolgica, muitos processos demandaram um controle fino de posicionamento,
velocidade varivel e trao dentre outros, retomando a evoluo desses motores, que so
caracterizados pelo comportamento, em sua grande parte, linear.
Para a modelagem do sistema em eletromecnico so utilizadas as equaes que
descrevem o diagrama eltrico da Figura 3.1.
Pela 2 Lei de Kirchhoff, obtm-se a equao ( 3.1 ),

() = () +

() +

( ) ,

( 3.1 )

a equao ( 3.2 ) descreve a relao da velocidade angular e a fora contra eletromotriz,


j a equao ( 3.3 ) revela a relao direta entre o torque motor e a corrente de armadura
() = ()

Figura 3.1- Diagrama eletromecnico do motor CC.

( 3.2 )

14

() = ().

( 3.3 )

Por fim, aplicando-se a segunda lei de Newton para o sistema mecnico rotacional, temse a ltima equao ( 3.4 ). Como o motor no objeto de estudo do presente trabalho, as dedues
foram suprimidas.

() =

() + () + .

( 3.4 )

Onde o parmetros eltricos so:

: Tenso de armadura [V]


: Corrente de armadura [A]
: Fora contra eletromotriz [V]
: Resistncia da armadura []
: Indutncia da armadura [H]
: Constante de fora contra eletromotriz (f.c.e.m) [V.s/rad]
: Constante de torque [N.m/A]

E os parmetros mecnicos so:

J: Momento de Inrcia [N.m.s/rad]


F: Coeficiente de atrito esttico [N.m]
B: Coeficiente de atrito viscoso [N.m.s/rad]
: Torque [N.m]
: Velocidade angular [rad/s]
: Coeficiente de atrito esttico [N.m]

A partir das equaes ( 3.1 ), ( 3.2 ), ( 3.3 ) e ( 3.4 ) e aplicando-se a transformada de


Laplace, so obtidas as respectivas equaes ( 3.5 ), ( 3.6 ), ( 3.7 ) e ( 3.8 ) em funo de s.

() = () + () + ().

( 3.5 )

15

() = ().

( 3.6 )

() = ().

( 3.7 )

() = () + () + .

( 3.8 )

Para o caso estudado, o coeficiente de atrito esttico, F, considerado nulo, e as constantes


e so consideradas iguais, de modo que se pode obter a funo de transferncia relacionando
a tenso de armadura aplicada ao motor e a velocidade angular desenvolvida, como exposto na
equao ( 3.9 )
()
()

( 3.9 )

2 +( + )+

A funo de transferncia ( 3.9 ) do motor uma funo caracterstica de um sistema de


segunda ordem, generalizada pela equao ( 3.10 )

() =

()
()

2
2 +2 +

onde a frequncia natural de oscilao e o fator de amortecimento.

( 3.10 )

16

17

4. Sistema Adaptativo para Controle de um Motor CC.


Para a implementao de um sistema adaptativo por modelo de referncia para o controle
de velocidade de um motor CC, desenvolveu-se a simulao de todo o sistema atravs dos
softwares MATLAB e Simulink. Prezando, assim, pela melhor representao de um sistema real,
atentou-se para que sua implementao reproduzisse fielmente o funcionamento de um sistema
real, prevendo, na sada do bloco PID contido no modelo de referncia bem como naquele do
mecanismo de adaptao, saturadores com limites entre 0 e 5V.

4.1.

Simulink

O trabalho desenvolve-se totalmente com base nos softwares MATLAB e Simulink,


ambos desenvolvidos pela empresa The MathWorks e amplamente utilizados pelas reas de
controle e processamento digital de sinais.
O Simulink um ambiente de diagramas de blocos de um sistema, permitindo seu projeto,
simulao, gerao de cdigo automtica, bem como o teste e verificao contnua de sistemas
embarcados. Fornece um editor grfico, uma base de blocos que pode ser personalizada, e
solues para modelagem e simulao de sistemas dinmicos. Alm disso, o fato de ser integrado
com o MATLAB, permite incorporar algoritmos nos modelos do Simulink e exportar resultados
para o MATLAB para realizar outras anlises.

4.2.

Modelo de Referncia

Objetiva-se aqui definir o bloco do Modelo de Referncia da Figura 2.7, que representa
o sistema de controle adaptativo. O Modelo de referncia constitudo do processo (motor cc)
que se deseja controlar a velocidade bem como pelo controlador PID cujo projeto, descrito em
4.2.2, levar o sistema de controle de malha fechada a responder segundo as especificaes de
controle desejadas.

4.2.1. Motor CC
Como apresentado no captulo 3, o processo escolhido no presente estudo um motor
CC, presente no Laboratrio de Controle de Sistemas, mais especificamente um motor Eletrocraft
de 60 V com corrente mxima de 5 A, velocidade mxima 6000 rpm e torque mximo de 0,353
N.m. Acoplado ao eixo do motor de corrente contnua est um elemento chamado de tacogerador
que um transdutor de energia que realiza a transformao da velocidade () de rotao do eixo
do motor em um sinal eltrico. Deste modo, tem-se as condies necessrias para o fechamento
da malha do sistema de controle de velocidade do motor CC controlado por um controlador PID

18
e alimentado por um degrau de tenso. O mapeamento da velocidade em rad/s, em um sinal de
tenso em volts, realizado pelo tacogerador, foi representado por um operador matemtico e vale
0,15242. Como o objetivo atual simular um exemplo real de uma planta, so considerados o
parmetros nominais do motor apresentados em [9] e resumidos na Tabela 1.
Tabela 1 - Parmetros do motor Eletrocraft.

R()

L(H)

J ( N.m.s/rad )

(V.s/rad )

F ( N.m )

B (N.m.s/rad )

1,63

3,00E-03

3,672E-05

6,78E-02

2,147E-02

1,12387E-06

Adequa-se a tenso de sada do tacogerador tenso de excitao do sistema de controle


de malha fechada que ,no decorrer da ao, entregar esta tenso nos terminais da armadura do
motor.
Esta adequao possibilita ao usurio do sistema verificar atravs do sinal eltrico da
realimentao se de fato a velocidade desejada foi atingida.

4.2.2. Controlador PID


Dando continuidade na elaborao do modelo de referncia da estrutura adaptativa,
utilizou-se o controlador clssico PID, o qual permite uma sintonia fina e, at certo ponto, robusta
do sistema, como abordado em 2.1.
Aps a definio da estrutura do processo (ou planta), possvel a sintonia do controlador
PID e, para tal, inicialmente utiliza-se a ferramenta para a sintonia do controle de sistema do tipo
SISO (Single Input Single Output), acessada pelo comando rltool (Root Locus Tool), que se baseia
na tcnica do lugar das razes.
Com esta ferramenta, possvel carregar a funo transferncia dos blocos dos sistemas
diretamente da rea de trabalho do MATLAB, bem como sintonizar o PID para os requisitos do
projeto, atravs da alocao de polos e zeros. No caso do PID, o polo se localiza no zero.
Definiu-se, para a sintonia, uma melhora da resposta da planta que se aproximasse dos
seguintes critrios:

Settling Time: =

, onde o tempo de acomodao do motor em malha

aberta e, ts* o tempo de acomodao do sistema de malha fechada com a


presena do controlador PID

Fator de Amortecimento: = 0.7071

Tais critrios podem ser definidos na ferramenta, para que se tenha maior facilidade para
obteno da regio em que se obtenha tais valores, como mostra a Figura 4.1.

19

Figura 4.1 - Ferramenta Root Locus.

Para um ajuste fino dos parmetros do PID a partir do obtido com a ferramenta Root
Locus, utiliza-se, ento, o bloco chamado PID Controller. Esse bloco possui uma opo de ajuste
automtico que, a partir dos parmetros iniciais de Kp, Ki e Kd da equao ( 2.1 ) encontrados
via RLtool, melhora o comportamento do sistema em direo ao desejado, como apresentado na
Figura 4.2, sem que haja saturao na sada da ao de controle PID.
Uma ao de controle PID saturada provocar uma saturao na tenso de armadura,
do motor. Caso os valores estejam saturados, necessrio refazer os procedimentos citados nesta
seo. Caso contrrio, o modelo de referncia composto pelo motor CC controlado por um PID
est finalizado e representa o comportamento desejado em malha fechada.

20

Figura 4.2 - Ajuste Fino pelo Bloco PID Controller.

4.3.

Controle Adaptativo por Modelo de Referncia

Definido o modelo de referncia, necessrio o desenvolvimento do mecanismo de


adaptao e a escolha correta dos ganhos de adaptao.
Como passo inicial, deve-se desenvolver o algoritmo de estimao. Ser considerada a
regra MIT da seo 2.3.1, de acordo com a equao ( 2.7 ). Para simplificao, utiliza-se a equao
( 4.1 ) como representante da planta (motor) e a equao ( 4.2 ) como representante do controlador,

,
2 + 1 + 2

( 4.1 )

() 2 + +
=
,
( )

( 4.2 )

( ) =

() =

a funo transferncia de malha fechada resultante da Figura 2.1 dada pela equao (
4.3 ), a qual representa o modelo de referncia sistematizado na seo 4.2.

21

() =

()
( 2 + + )
= 3
.
()
+ (1 + ) 2 + (2 + ) +

( 4.3 )

Aplicando-se a regra MIT, dada pela equao ( 2.7 ), onde = [Kd Kp Ki ] um vetor de
parmetros variveis do controlador PID adaptativo, obtm-se, para cada parmetro, as
expresses apresentadas na equao ( 4.4 ).

=
= ( ) (
)(
),

= ( ) (

)(

( 4.4 )

=
= ( ) (
)(
).

Para os termos de derivada parcial da sada da planta em relao ao parmetro varivel


tem-se que

= , = 1 e = :

[ () ]
= 3

+ (1 + )2 + (2 + ) +

[ () ]
= 3

+ (1 + )2 + (2 + ) +

( 4.5 )

2
[ () ]
= 3

+ (1 + )2 + (2 + ) +
Assim, as equaes de ( 4.4 ) podem ser reescritas como apresentado nas equaes
( 4.6 ), definindo o algoritmo de adaptao que deve ser implementado como o mecanismo de
adaptao, que sintoniza automaticamente os parmetros do controlador PID.
Definido o modelo de referncia e o mecanismo de adaptao, possvel implementar o
diagrama de blocos do sistema de controle adaptativo por modelo de referncia via Simulink.

22

[ () ],
= . . 3

+ (1 + )2 + (2 + ) +

[ () ]
= . . 3

+ (1 + )2 + (2 + ) +

( 4.6 )

2
[ () ].
= . . 3

+ (1 + )2 + (2 + ) +
Como citado na seo 2.3, para o desempenho satisfatrio do MRAS, de suma
importncia que os valores dos ganhos de adaptao sejam criteriosamente escolhidos. O critrio
utilizado o de minimizao do erro e, que a diferena entre as sadas do modelo de referncia
e da planta controlada como mostra a equao (2.5), para tal, utilizou-se a funo do MATLAB
denominada fminsearch, a qual est disponvel no Toolbox Optimization.
A funo fminsearch encontra o mnimo de uma funo objetivo de diversas variveis,
utilizando o mtodo Nelder-Mead que uma tcnica de otimizao no linear, que, utiliza um
simplex de n+1 pontos para vetores x n-dimensionais, partindo de uma dada estimativa inicial, e
modificando o simplex diversas vezes, at encontrar um ponto de mnimo.
A declarao da funo a que segue:
x = fminsearch(fun, x0, options)
Onde, fun a funo que se deseja minimizar, x0 contm as estimativas iniciais, e options
so opes de personalizao da funo.
Para a simulao, foi criada a funo DesempenhoAdapt (apresentada no Apndice),
onde se declaram os valores correspondentes ao x0. Utilizaram-se valores iniciais para p , e
, que so ganhos de adaptao. Definiram-se, tambm, as opes de personalizao que, para
este caso, foi nica e dada pelo comando options = optimset('display','iter'); , o qual apresenta
no command window do MATLAB o resultado de cada iterao.
Como funo a ser minimizada, foi criada a funo gamamin (descrita Apndice), em
que analisaram-se duas funes de ndice de desempenho, a Integral do Erro Quadrtico
ponderada pelo Tempo ITSE, dada na equao ( 4.7 )

= 2 () ,

( 4.7 )

e a Integral do Erro Absoluto ponderada pelo Tempo - ITAE , apresentada na equao ( 4.8 )

23

= |()| .

( 4.8 )

A cada iterao da funo fminsearch, o algoritmo gamamim executa o diagrama do


MRAS do Simulink chamado MinSearchFinal, por um determinado tempo T e com os valores
de gerados pelo algoritmo fminsearch para aquela iterao. Assim, obtm-se o Erro (e)
para os ndices ITSE e ITAE, que ser utilizado na prxima iterao. O processo ento repetido
at o mtodo convergir para o menor ndice encontrado. Por fim, determina-se a sada

= ( , i , ) que minimiza o erro e proporciona uma adaptao mais rpida do sistema. Deste
modo, encontram-se os valores dos parmetros do controlador PID (Kp, Ki e Kd) que satisfazem
a relao = .
Deve-se atentar para os valores obtidos, pois a funo pode retornar um mnimo local ou
gerar valores que saturam a sada do controlador PID. Caso ocorra alguma divergncia no valores,
deve-se alterar os ganhos iniciais de adaptao declarados na funo DesempenhoAdapt.
Alm da funo fminsearch, existem outros mtodos disponveis no MATLAB, pelo
Toolbox Optimization, que podem ser utilizados para a soluo do problema de minimizao. Na
funo fminunc pode-se escolher entre dois algoritmos: quasi-newton e trust-region. Cada funo
e cada algoritmo possu suas particularidades e, para futuros estudos, podem ser testadas para que
se obtenha a funo que melhor se adeque s necessidades do projeto.

24

25

5. Resultados
A implementao dos procedimentos descritos no Capitulo 4 elaborada em ordem de
construo do modelo, e os resultados obtidos acompanham anlises e devidos comentrios.

5.1.

Motor CC

Como apresentado na seo 4.2, o motor CC foi implementado.


A funo transferncia da equao ( 3.9 ) permite definirmos a equao ( 5.1 ),

()
()

+

2 +( + )+

6,1524.105
2 +5,4319.102 +4,1733.104

( 5.1 )

a qual pode ser melhor visualizada na forma de diagramas de blocos, como representado
na Figura 5.1. Tal diagrama foi implementado no software Simulink.

Figura 5.1 - Diagrama de Blocos do Motor CC

Ao aplicar um degrau unitrio de valor 1 V como tenso de armadura (v ) na entrada do


motor, temos como sada de velocidade a curva apresentada na Figura 5.2 e, ao considerar o
tacogerador acoplado, tem-se a resposta representada na Figura 5.3. As respectivas caractersticas
obtidas pelo comando stepinfo so:
Tabela 2 - Comparativo Resposta ao Degrau do Motor sem e com Tacogerador.

Tempo de Subida (s)


Tempo de Acomodao (s)
Acomodao Mnima (rad/s)
Acomodao Mnima (rad/s)
Sobressinal (%)
Pico (rad/s)
Tempo de Tenso de Pico (s)

Motor
Motor com Tacogerador
0,02458499
0,024584991
0,04472422
0,044724222
13,3327375
2,032175851
14,7334084
2,245666111
0
0
14,7334084
2,245666111
0,08128556
0,081285559

26

Figura 5.2 - Resposta do Motor ao Degrau Unitrio

Figura 5.3 - Resposta do Motor com Tacogerador ao Degrau Unitrio.

Observa-se, pela Tabela 2, que a sada do motor com o tacogerador (de valor =
0,15242 ) produz uma velocidade de sada final de 2,245666111 rad/s, o que difere de 1 rad/s,
caracterizando um ganho. Como se deseja um valor final igual a 1 rad/s, este ganho deve ser
1

conformado com uma atenuao de valor = 2,2457 = 0,4453 , assim, a constante que deve
ser utilizada pela realimentao do sistema de malha fechada vale 5 = =
0,06787 .
um motor de resposta relativamente rpida, 44,72 ms, e atinge velocidade final de 14,73
rad/s.

5.2.

PID

Utilizando a ferramenta rltool, carregou-se a funo transferncia de ( 5.1 ), referente


planta, e o ganho tf5 para a malha de realimentao, obteve-se, ento, a seguinte funo

27
transferncia (5.2) para o controlador PID:

() = 678,55

(1 + 0,004)(1 + 0,0025)
.

(5.2)

Obtm-se os valores dos ganhos do controlador:

= 4,411,

= 678,55 e

= 0,006785.

A partir desses valores, utiliza-se a funo de ajuste do bloco PID Controller para
determinar valores que melhorem a resposta do sistema, sem que haja saturao no bloco de
saturao de 0 a 5V, conectado sada do bloco PID. Assim, os valores obtidos so:

= 2,0013,

= 207,8438 e

= 9,8511. 105 .

A funo transferncia (5.3) referente ao controlador :

2 + + 9,8511. 105 2 + 2,0013 + 207,8438


=
.

(5.3)

Portanto, para o sistema em malha fechada, da Figura 5.6, composto pelo motor e o
controlador sintonizado segundo os critrios estabelecidos, verifica-se que a sada do controlador
est abaixo do valor estipulado de 5V, como mostra Figura 5.4.
Define-se, ento, a funo de transferncia (5.4) do modelo de referncia, cuja resposta
ao degrau unitrio representada na Figura 5.5 sobreposta Figura 5.2.

60,61 2 + 1,231. 106 + 1,279.108


= 3
.
+ 539 2 + 1,252. 105 + 8.673. 106

(5.4)

As caractersticas da curva de resposta ao degrau unitrio para o motor, com e sem o


controlador PID, exposta na Tabela 3.
Tabela 3 - Comparativo da Resposta do Motor e do Modelo de Referncia.

Tempo de Subida (s)


Tempo de Acomodao (s)
Acomodao Mnima (rad/s)
Acomodao Mnima (rad/s)
Sobressinal (%)
Pico (rad/s)
Tempo de Tenso de Pico (s)

Motor sem Controlador Motor com Controlador


0,024584991
0,007663211
0,044724222
0,024173294
13,33273751
13,36724473
14,73340842
15,48813866
0
5,064321739
14,73340842
15,48813866
0,081285559
0,016465722

28

Figura 5.4 - Sada do Controlador PID

Figura 5.5 - Resposta do Modelo de Referncia e do Motor ao Degrau Unitrio.

A Figura 5.5 representa claramente a melhora da resposta do sistema ao sintonizar o


controlador PID e, atravs da anlise dos dados da Tabela 3, possvel notar a proximidade dos
valores obtidos com os valores sugeridos na seo 4.2.2 para o tempo de acomodao (Settling

29
Time), ou seja, a metade do tempo de acomodao da resposta do motor, em malha aberta, bem
como o sobressinal (Overshoot) de 5% o que corresponde a um fator de amortecimento =
0,7071 [6].
O diagrama resultante do modelo de referncia apresentado na Figura 5.6.

Figura 5.6 - Diagrama de Blocos do Modelo de Referncia.

5.3.

Controle Adaptativo por Modelo de Referncia

O resultado do diagrama completo do MRAS, apresentado nas equaes ( 4.6 ),


apresentado na Figura 5.7. Nele, observa-se a presena de um subsistema chamado Modelo de
Referncia, que contm a estrutura representada pela Figura 5.6, e outro nomeado Planta, que
contm o diagrama da Figura 5.1.
Com o sistema completo montado no Simulink, faz-se necessria a identificao de bons
valores para os ganhos adaptativos p , i e . Para tal, considerou-se a Planta sem nenhuma
alterao em relao ao Modelo de Referncia. Isso possibilitou testar o adequado funcionamento
do mecanismo de adaptao.
Atravs das funes DesempenhoAdapt e gamamin, investigaram-se os valores dos
ganhos de adaptao, gamas, como segue.
Estimativas iniciais:
gamakp = -1.5 ;
gamaki = -100;
gamakd = 0.000007 ;
Para um tempo de simulao de 100 segundos.
Os valores dos ganhos encontrados para as funes ITSE e ITAE esto apresentados na
Tabela 4.
Tabela 4 - Comparativo dos ganhos de adaptao, gamas, pelos critrios ITSE e ITAE.

gama kp
ITSE -69,521225
ITAE -70,280601

gama ki
gama kd
-7347,640864 -5684,22E-07
-7414,652931 -5569,94E-07

30

Figura 5.7 - Diagrama do Sistema Adaptativo por Modelo de Referncia.

31

Os grficos para a funo ITSE relacionando o Erro e os valores de gama so apresentados


na Figura 5.8, Figura 5.9 e Figura 5.10.

Figura 5.8 - Curva de gama Kp versus ndice ITSE.

Figura 5.9 - Curva de gama Ki versus ndice ITSE.

32

Figura 5.10 - Curva de gama Kd versus ndice ITSE.

J para a funo ITAE, as curvas para gama (Kp, Ki e Kd) pelo Erro esto,
respectivamente, na Figura 5.11, Figura 5.12 e Figura 5.13.

Figura 5.11 - Curva de gama Kp versus ndice ITAE.

33

Figura 5.12 - Curva de gama Ki versus ndice ITAE.

Figura 5.13 - Curva de gama Kd versus ndice ITAE.

Tanto a Tabela 4, quanto as figuras dos ganhos de adaptao pelos ndices de desempenho
de erro, mostram grande similaridade de resposta para a faixa de gamas necessrios para a
realizao do algoritmo de Nelder-Mead.

34

5.3.1. Sistema Sem Alteraes na Planta


Com o valores encontrados, e sem que haja alteraes na planta, verifica-se que a sada
do modelo de sintonia automtica converge muito rapidamente para a sada do modelo de
referncia, ou seja, leva para um erro nulo, como mostram as
Figura 5.14 e Figura 5.15, referentes implementao dos ganhos de adaptao obtidos,
respectivamente, por ITSE e ITAE, quando o sistema excitado com um trem de pulsos de
amplitude 1 V e perodo 400 ms, continuando sem nenhuma alterao da planta. A Figura 5.16
mostra que o comportamento, uma vez estabelecido, mantm-se ao longo do tempo, como por
exemplo, a forma de onda aps 4000 segundos.

Figura 5.14 - Resposta MRAS ao Trem de Pulsos para ITSE.

imperceptvel a diferena de resposta entre os dois tipos analisados, confirmando,


portanto, a similaridade na minimizao da funo erro pelos dois critrios estudados. Sendo
assim, sero definidos, para as demais situaes, apenas os valores de ganhos de adaptao
encontrados, minimizando-se o erro da forma ITSE.
importante ressaltar que a rpida convergncia se d pela escolha tima dos ganhos de
adaptao, o que leva o erro, , para zero, rapidamente, como mostra a Figura 5.17.

35

Figura 5.15 - Resposta MRAS ao Trem de Pulsos para ITAE.

Figura 5.16 - Resposta MRAS ao Trem de Pulsos para ITSE aps 4000 s.

Complementando a investigao do comportamento do sistema adaptativo, as Figuras

Figura

5.18,

36

Figura 5.19 e

Figura 5.20, revelam o comportamento dos ganhos do controlador ao longo do processo


de adaptao. A soma das aes de controle levam ao sinal de entrada u, conforme Figura 5.21

37

Figura 5.17 - Curva do Erro para Gamas timos.

Figura 5.18 - Curva do Ganho Kp versus Tempo.

38

Figura 5.19 - Curva do Ganho Ki versus Tempo.

Figura 5.20 - Curva do Ganho Kd versus Tempo.

39

Figura 5.21 - Ao de Controle u.

Mais uma vez, pode-se confirmar o correto funcionamento do mecanismo, pois os valores
de ganhos encontrados convergiram para os valores obtidos para a equao (5.3), ou seja,

= 2,0013

, = 207,8438

e = 9,8511. 105 .

Para demonstrar a sensibilidade do sistema em relao aos ganhos de adaptao, feita


uma nova simulao, alterando-se os valores dos ganhos para p = 10, i = 500 e d =
0,0001 . Os resultados obtidos mostram que a adaptao torna-se muito lenta e pode at no
convergir para a resposta esperada. As Figuras 5.22, 5.23 e 5.24 mostram, na sequncia, as formas
de ondas para trs perodos do trem de pulsos, sendo possvel observar um comeo com grande
distoro e certa estabilizao da adaptao aps 200s.

40

Figura 5.22 - Resposta ao Trem de Pulsos de 0 a 2 s.

Figura 5.23 - Resposta ao Trem de Pulsos de 200 a 202 s.

41

Figura 5.24 - Resposta ao Trem de Pulsos de 1998 a 2000 s.

Para finalizar as simulaes sem alteraes na planta, optou-se por elevar a tenso de
entrada na forma de degrau obtendo sinais das sadas, como a Figura 5.25 indica. A Figura 5.26
contm a ao de controle gerada. O comportamento do sistema o mesmo apresentado ao se
aplicar o trem de pulsos, isso indica o comportamento servo, em que a realimentao acompanha
o sinal de referncia.

Figura 5.25 - Degraus para Anlise do Comportamento Servo.

42

Figura 5.26 - Ao de Controle para Entrada com Degraus.

5.3.2. Sistema Com Alteraes na Planta

A grande caracterstica do MRAS manter o comportamento do sistema ao longo do


tempo, adaptando-se automaticamente s mudanas ocorridas na planta, para que possa continuar
respondendo como o projetado para o modelo de referncia. Assim, mudanas na planta so feitas
para averiguar a ao do controle adaptativo.
Como mudanas alteraram-se os seguintes parmetros:
= 0,9 [] - diminuio da resistncia da armadura em 10%.
= 1,1 [H] aumento da indutncia da armadura em 10%
Os resultados obtidos mostram trs curvas, uma do modelo de referncia, outra da planta
afetada pelas mudanas com o controlador adaptativo e, como forma de comparao, inclui-se
outra curva com a resposta da planta afetada com o controlador no adaptativo, ou seja, o
controlador PID clssico, com valores constantes e iguais aos do modelo de referncia.
A Figura 5.27 retrata os primeiros ciclos, possvel observa que o controlador adaptativo
se aproxima do no adaptativo, como evidenciado na Figura 5.28.

43

Figura 5.27 - Resposta ao Trem de Pulsos para Planta Alterada para 1s.

Figura 5.28 - Resposta ao Trem de Pulsos para Planta Alterada para 1s Ampliada.

O comportamento adaptativo, porm, fora a sada da planta a voltar para a resposta do


modelo de referncia, como na Figura 5.29 e Figura 5.30. O tempo para que isso ocorra longo,
mas a alterao da planta dificilmente brusca, uma vez que um algoritmo do tipo on-line, ou
seja, h um monitoramento constante do erro, o que permite a uma adaptao rpida para as
pequenas variaes que ocorrem ao longo do tempo.

44

Figura 5.29 - Resposta ao Trem de Pulsos para Planta Alterada para 6000s

Figura 5.30 - Resposta ao Trem de Pulsos para Planta Alterada para 6000 s Ampliada.

45
Em termos de ganhos do controlador, possvel notar a convergncia do mecanismo de
adaptao para novos valores, mostrando, assim, a ao do mecanismo, com a finalidade de alterar
os valores do controlador PID, para que se tenha, na sada da planta, o mesmo comportamento do
modelo de referncia. Essa dinmica est presente nas Figura 5.31, Figura 5.32 e Figura 5.33 ,
onde os valores finais obtidos para cada ganho do controlador so:

= 1,9445 ,

= 205,5107

= 1,5899. 105

Figura 5.31 - Curva do Ganho Kp versus Tempo para Planta Modificada.

Figura 5.32 - Curva do Ganho Ki versus Tempo para Planta Modificada.

46

Figura 5.33 - Curva do Ganho Kd versus Tempo para Planta Modificada.

Para consistncia do resultado, observa-se, tambm, o comportamento da entrada da


planta na Figura 5.34, evitando-se a saturao definida anteriormente em 5V.

Figura 5.34 - Ao de Controle u para Planta Modificada.

47

5.4.

Concluso

A utilizao de sistemas de controle adaptativo por modelo de referncia de grande


importncia para problemas de controle, nos quais necessrio um monitoramento constante da
sada de um sistema, que deve seguir uma referncia, que, por sua vez, deve ser mantida ao longo
do tempo.
Seguindo a proposta do trabalho, de investigar a ao de adaptao, desenvolveu-se o
MRAS. Com a sintonia do controlador PID utilizado em conjunto com um motor CC, que teve
sua dinmica modelada para representar a planta, pode-se utilizar a regra MIT para encontrar a
estrutura do mecanismo de adaptao. Desta forma, o sistema adaptativo estava completo e foi
ento submetido a alguns testes para se verificar a resposta deste tipo de controle.
Os resultados apresentados mostram a estrutura bsica de MRAS implementada atuando
de forma satisfatria diante de variaes da planta. Em destaque, est a escolha dos ganhos de
adaptao, o que permite a correta ao do mecanismo de adaptao. Mesmo com a aplicao de
mudanas bruscas na planta, nota-se que, com os mesmos ganhos de adaptao, o sistema
demonstrou sua capacidade de adaptao.
A reproduo de um sistema real via software possui suas limitaes, porm, o modo
mais barato e eficiente de se investigar o comportamento real de um sistema, sendo, portanto o
primeiro passo de um mecanismo que pode ser replicado em situaes reais.

48

49

Referncias
[1]

LANDAU, Y. D. Adaptive Control The Model Reference Approach. New

York: Marcel Dekker, 1979. 406 p.


[2]

HGGLUND, T.; STRM, K. J.; WITTENMARK, B. Adaptive Control. 2.

ed. EUA: Addison-Wesley, 1995. 574 p.


[3]
DORF, R. C.; BISHOP, R. H. Modern Control Systems. 11. ed. New Jersey:
Pearson Prentice Hall, 2008. 1018 p.
[4]

OGATA, K. System Dynamics. 4.. ed. New Jersey: Prentice-Hall, 2004. 768 p.

[5]

HGGLUND, T.; STRM, K. J. PID Controllers: Theory, Design, and

Tuning. 2. ed. EUA: Instrument Society of America, 1995. 343 p.


[6]

OGATA, K. Modern Control Engineering. 4.. ed. New Jersey: Prentice-Hall,

1970. 979 p.
[7]

UNIVERSITY OF MICHIGAN. Control Tutorials for Matlab e Simulink.

Introduction: PID Controller Design. Disponvel em:


<http://ctms.engin.umich.edu/CTMS/index.php?example=Introduction&section=ControlPID#2
3>.
Acesso em: Out. 2013.
[8]

WESCOTT, T. PID without a PhD. EE Times-India. oct. 2000. Disponvel em:

<http://igor.chudov.com/manuals/Servo-Tuning/PID-without-a-PhD.pdf>.
Acesso em: Out. 2013.
[9]

AGUIAR, M. L.; OLIVEIRA, V A; VARGAS, J. B. Sistemas de Controle

Aulas de Laboratrio. 1. ed. So Carlos: Universidade de So Paulo, v. 1, 2005. 308 p.


[10]

GRIFFIN, I. On-line PID Controller Tuning using Genetic Algorithms. Dublin

City University, 2003

50

51

Apndice
ModelagemMotorPID.m
% Ivan Moraes Biagioni
% TCC - Implementao de Controle Adaptativo por Simulink
% VERSO 02/11
clc
close all
clear all
format long
%% Modelagem do Motor %
% Parmetros do motor Eletrocraft

(Pag. 177 do livro)

% Parmetros Eltricos:
Ra = 1.63
;
% Resistncia da armadura [ohm]
La = 3*10^-3 ;
% Indutncia da armadura
[H]
ke = 0.0678
;
% Constante de fora contra-eletromotriz (f.c.e.m)[V.s/rad]
kt = 0.0678
;
% Kt = Ke - Constante de torque [N.m/A]
%
J
F
B

Parmetros Mecnicos:
= 3.6720*10^-5 ; % Momento de Inrcia [N.m.s/rad]
= 0.02147
; % Coeficiente de atrito esttico[N.m]
= 1.12387*10^-6 ; % Coeficiente de atrito viscoso[N.m.s/rad]

% Constante do tacogerador
ktg=0.15242
%% Funo Transferncia
tf1=tf(1,[La Ra]);
tf2=tf(1,[J B]) ;
tf3=series(kt*tf1,tf2) ;
tf4=feedback(tf3,ke)
kcond=1/(2.2472);
tf5 = kcond*ktg
controlador.
figure
step(tf4)
grid

% t.f. do sistema eltrico


% t.f. do sistema mecnico
%t.f do motor em malha fechada.

% Conformao da tenso de realimentao


% Ganho a ser utilizado para realimentao do motor com o

% Resposta do motor ao degrau unitrio.

%% PID
% [Kp Ki Kd Tf] = piddata(gc2)

%Parmetros PID

%formato do RLTOOL
% C = k1.(1+k2.s)(1+k3.s)/s
% k1= 299.15;
% k2= 0.0039;
% k3= 0.0025;
% tfk1 =tf(k1,1);
% tfk2 = tf([k2 1],1);
% tfk3 = tf([k3 1],[1 0]);
% gc2tool = series(tfk1,tfk2);
% gc2tool = series(gc2tool,tfk3); % t.f. controlador
% gc2tool =
%
%
Kd s^2 + Kp s + Ki
%
-----------------------------%
s

52

% ft do controlador
gc2 = tf([-9.85110830879779e-05 2.0013099281069 207.843758842123],[1 0])
hold on
gmgc2=series(gc2,tf4) ;
gmf2=feedback(gmgc2,tf5)
REFERNCIA]
step(gmf2)
unitrio

% controlador com o motor


% ganho em malha fechada [MODELO DE
% resposta do modelo de referncia ao degrau

motorMA = series(tf4,ktg); % Com o tacogerador


figure
step(motorMA)
grid
%% MIT Rule
% %PID
kp = 2.0013099281069
ki = 207.843758842123
kd = -9.85110830879779e-05
% % Planta
b = 6.152450090744102e+05;
a1 = 5.431941923774955e+02;
a2 = 4.173321234119783e+04;
numPlant = [b];
denPlant = [1 a1 a2];
tfPlant = tf(numPlant,denPlant)
% %
bm1
bm2
bm3
am1
am2
am3

Modelo de Referncia
= -60.607985480943739;
= 1.231397459165154e+06;
= 1.278584392014519e+08;
= 5.390199637023594e+02;
= 1.252268602540835e+05;
= 8.673321234119782e+06;

numM = [bm1 bm2 bm3];


denM = [1 am1 am2 am3];
tfM = tf(numM,denM)

%% Modificao dos
RaP = 0.9*1.63
LaP = 0*3*10^-3 ;
keP = 0.0678
;
ktP = 0.0678
;

Parmetros Eltricos:
;
% Resistncia da armadura [ohm]
% Indutncia da armadura
[H]
% Constante de fora contra-eletromotriz (f.c.e.m)[V.s/rad]
% Kt = Ke - Constante de torque [N.m/A]

%% Parmetros Eltricos Modelo de Referncia


% Ra = 1.63
;
% Resistncia da armadura [ohm]
% La = 3*10^-3 ;
% Indutncia da armadura
[H]
% ke = 0.0678
;
% Constante de fora contra-eletromotriz
(f.c.e.m)[V.s/rad]
% kt = 0.0678
;
% Kt = Ke - Constante de torque [N.m/A]
%%
JP
FP
BP

Parmetros Mecnicos:
= 3.6720*10^-5 ; % Momento de Inrcia [N.m.s/rad]
= 0.02147
; % Coeficiente de atrito esttico[N.m]
= 1.12387*10^-6 ; % Coeficiente de atrito viscoso[N.m.s/rad]

%% Parmetros Mecnicos Modelo de Referncia


% J = 3.6720*10^-5 ; % Momento de Inrcia [N.m.s/rad]

53
% F = 0.02147
;
% B = 1.12387*10^-6 ;

% Coeficiente de atrito esttico[N.m]


% Coeficiente de atrito viscoso[N.m.s/rad]

%% Funo Transferncia da Planta Modificada


tf1P=tf(1,[LaP RaP]);
% t.f. do sistema eltrico
tf2P=tf(1,[JP BP]) ;
% t.f. do sistema mecnico
tf3P=series(ktP*tf1P,tf2P) ;
tf4P=feedback(tf3P,keP)
%t.f do motor em malha fechada.
figure
step(tf4P)
hold on
step(tf4)
grid
kcond=1/(2.2472);
tf5P = kcond*ktg
gmgc2P=series(gc2,tf4P) ;
gmf2P=feedback(gmgc2P,tf5P)
REFERNCIA]
figure
step(gmf2P)
hold on
step(tf4P)
step(tf4)
grid

% controlador com o motor


% ganho em malha fechada [MODELO DE

% % Planta
bP = 0.0678;
a1P = 1.212e-07;
a2P = 5.387e-05;
a3P = 0.004598;
numPlantP = [bP];
denPlantP = [a1P a2P a3P];
tfPlantP = tf(numPlantP,denPlantP);

DesempenhoAdapt.m
% Programa DesempenhoAdapt
close all
warning off
clearvars -global
global gamakp gamaki gamakd j vgamakp vgamaki vgamakd
% chutes iniciais dos ganhos de adptao, gamas.
gamakp = -1.5 ;
gamaki = -100;
gamakd = 0.000007 ;
j=0;
options = optimset('display','iter'); %opo para que seja mostrada na tela os
valores de cada iterao.
Pmin = fminsearch('gamamin',[gamakp gamaki gamakd],options) % Funo de
minimizao.
%% obtendo os valores dos gamas e os respectivos valores da funo que est
sendo minimizada.
% Ordenando as matrizes [gama,erro]
vgamakps=sort(vgamakp,1);
vgamakis=sort(vgamaki,1);

54
vgamakds=sort(vgamakd,1);
%gerando os grficos
plot(vgamakps(:,1),vgamakps(:,2));
figure
plot(vgamakis(:,1),vgamakis(:,2));
figure
plot(vgamakds(:,1),vgamakds(:,2));
grid on

gamamin.m
function [e] = gamamin(k)
global gamakp gamaki gamakd Erro tempo j
gamakp=k(1);
gamaki=k(2);
gamakd=k(3);
% chamada para o modelo em simulink, indicando o nome do modelo e o tempo
% desejado
[T]=sim('MinSearchFinal',[0 100]);
%
%
%
%

Modelo
kp = 2.0013099281069
ki = 207.843758842123
kd = -9.85110830879779e-05

% Frmulas dos ndices (escolhendo-se um por vez)


e = sum((Erro.^2).*tempo) ; % ITSE
% e = sum(abs(Erro).*tempo) ; % ITAE
%% Armazenamento do valores de gama utilizados em cada iterao e o respectivo
erro.
global vgamakp vgamaki vgamakd
j=j+1;
m=j;
vgamakp(m,1)=gamakp;
vgamaki(m,1)=gamaki;
vgamakd(m,1)=gamakd;
vgamakp(m,2)=e;
vgamaki(m,2)=e;
vgamakd(m,2)=e;