Escolar Documentos
Profissional Documentos
Cultura Documentos
Sum
ario
Pref
acio
1 Modelos e Solu
c
ao no Espa
co de Estado
1.1 Conceito de Sistema Linear . . . . . . . . . . . . . . . . . . . . .
1.2 Representacao de um Sistema Linear por Equacao Diferencial ou
a Diferenca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Conceito de Variavel de Estado . . . . . . . . . . . . . . . . . . .
1.3.1 Primeiro Exemplo . . . . . . . . . . . . . . . . . . . . . .
1.3.2 Segundo Exemplo . . . . . . . . . . . . . . . . . . . . . .
1.3.3 Terceiro Exemplo . . . . . . . . . . . . . . . . . . . . . . .
1.4 Geracao de Variaveis de Estado a Partir de Equacoes Diferenciais
ou a Diferenca
Um Caso Particular . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.4.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Processo em Variaveis de Estado
Caso Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.3 Exemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.4 Exemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6 Sistemas Lineares em Variaveis de Estado . . . . . . . . . . . . .
1.7 Blocos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8 Perturbacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9 Perturbacao em Variaveis de Estado
Caso Particular . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.9.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.10 Perturbacao em Variaveis de Estado
Caso Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.10.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.10.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1
1
2
2
2
3
5
6
7
9
9
10
11
11
12
12
13
14
15
16
17
17
19
20
20
21
ii
Sumario
1.11 Processo com Perturbacao em Variaveis de Estado . . . . . . . .
1.11.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.11.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.12 Conexoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.12.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.12.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.12.3 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13 Solucao Temporal . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.13.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . .
1.13.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . .
1.14 Determinacao da Equacao de Estado Discreta a Partir da Contnua
1.14.1 Modelo do BOZ-Processo . . . . . . . . . . . . . . . . . .
1.14.2 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.14.3 Modelo da Perturbacao . . . . . . . . . . . . . . . . . . .
1.15 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.16 Respostas dos Exerccios . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
21
21
22
23
23
26
28
31
31
32
32
35
36
37
38
41
44
44
44
45
45
45
46
46
47
48
50
50
50
51
51
51
52
52
53
54
54
55
57
57
59
60
66
68
Sumario
iii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4 Controle Otimo
e Filtro de Kalman - Estabilizador 2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
90
. 90
. 90
. 91
. 92
. 92
. 92
. 93
. 93
. 94
. 94
. 95
. 95
. 95
. 96
. 97
. 97
. 99
. 101
. 102
5 Seguimento Robusto
5.1 O sinal de Referencia e a Perturbacao
5.1.1 Caso Contnuo . . . . . . . . .
5.1.2 Caso Discreto . . . . . . . . . .
5.2 Princpio de Seguidor Robusto . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
69
69
69
70
70
70
72
74
74
75
75
75
77
78
79
80
82
87
89
103
103
103
104
105
iv
Sumario
5.3
5.4
5.5
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
105
110
115
115
117
118
122
123
135
Pref
acio
Estas Notas de Aula referem-se `a parte linear da Disciplina -EEL7531- Fundamentos de Controle, recentemente criada no Departamento de Engenharia
Eletrica da Universidade Federal de Santa Catarina com o objetivo de complementar os conhecimentos na area de controle, introduzidos pela Disciplina
-EEL7063- Sistemas de Controle.
Procurou-se objetivamente dar os conceitos mnimos para o completo entendimento do problema de seguimento robusto de processos submetidos a uma
perturbacao determinstica.
Estas Notas cobrem simultaneamente tanto os controladores contnuos, quanto
os discretos; sendo os processos e controladores descritos pela moderna abordagem de variaveis de estado.
Captulo 1
Modelos e Soluc
ao no
Espaco de Estado
O principal objetivo deste captulo e mostrar como se descreve um sistema
din
amico, que esteja na forma de equacoes diferenciais (caso contnuo) ou a
diferencas (caso discreto), por variaveis de estado. Dois esquemas serao abordados para este efeito: descricao na Forma Canonica de Controlabilidade (Primeiro
Esquema); e descricao na Forma Canonica de Observabilidade (Segundo Esquema). Alem destes assuntos, discutiremos, tambem, as conexoes em cascata,
paralelo e realimentacao; bem como solucao temporal e discretizacao.
1.1
SL
Notas de Aula
Estas duas propriedades estao sumarizadas na Figura 1.2.
SL
u1
SL
y1
ku
u1 + u2
u2
SL
SL
SL
ky
y1 + y2
y2
1.2
Representa
c
ao de um Sistema Linear por
Equac
ao Diferencial ou a Diferenca
1.2.1
Caso Contnuo
dn1
y(t) + + an y(t)
dtn1
dn
dn1
+d n u(t) + (b1 da1 ) n1 u(t) + + (bn dan )u(t),
dt
dt
= a1
ou em Transformada de Laplace
sn y(s)
1.2.2
Caso Discreto
= a1 y(k + n 1) + + an y(k)
+du(k + n) + (b1 da1 )u(k + n 1) + + (bn dan )u(k).
1.3
a1 z n1 y(z) + + an y(z)
+dz n u(z) + (b1 da1 )z n1 u(z) + + (bn dan )u(z).
Conceito de Vari
avel de Estado
Vimos que um sistema linear pode ser representado por equacoes diferenciais ou
a diferenca. Alternativamente, um sistema descrito por equacoes diferenciais de
ordem n, ou a diferenca, pode ser descrito por um conjunto de n equacoes de
primeira ordem, denominadas de Equacoes de Estado, juntamente com outro
` equacoes de
conjunto de m equacoes, denominadas de Equacoes de Sada. As
estado, esta associado um vetor, denominado Vetor de Estado. As componentes
deste vetor sao chamadas de Variaveis de Estado. Neste curso, daremos enfase
`a descricao de sistemas lineares por variaveis de estado.
Apesar dos processos, em geral, poderem ter m sadas e r entradas, serao
abordados neste curso apenas processos com uma u
nica sada e com uma u
nica
entrada, ou seja, neste curso, m e r sempre serao iguais a 1. Sistemas com uma
entrada e uma sada sao denominados de monovariaveis ou do tipo SISO (Single
input - Single Output).
A descricao de um sistema monovariavel de ordem n e descrito por n equacoes
diferenciais ou a diferenca de primeira ordem e uma equacao de sada.
Um sistema contnuo de terceira ordem, com entrada u e sada y, seria assim
descrito:
x 1
= f1 (x1 , x2 , x3 , u)
x 2
x 3
= f2 (x1 , x2 , x3 , u)
= f3 (x1 , x2 , x3 , u)
= f (x1 , x2 , x3 , u).
Notas de Aula
x1 (k + 1) =
x2 (k + 1) =
x3 (k + 1) =
y(k) =
x1 (k)
x(k) = x2 (k) .
x3 (k)
Sistemas lineares eletricos e mecanicos podem ser descritos diretamente em
variaveis de estado. Para ilustrar este fato, daremos dois exemplos: um eletrico;
e, outro mecanico.
Geralmente, em sistemas eletricos, escolhe-se como variaveis de estado corrente de indutores e tensao de capacitores. Fontes de tensao ou de corrente sao
escolhidas como entrada. Qualquer sinal de tensao, corrente ou suas derivadas
pode ser a sada. No caso mais geral, qualquer combinacao linear destes sinais
pode ser a sada.
Em sistemas mecanicos, escolhe-se como variaveis de estado posicoes e velocidades. Forcas ou torques externos sao escolhidos como entrada. Qualquer
sinal de velocidade, aceleracao ou posicao pode ser a sada. No caso mais geral,
qualquer combinacao linear destes sinais pode ser a sada.
il
ic
vl
vc
1.3.1
Primeiro Exemplo
= ic + il
dvc
= C
dt
= vl + vr
dil
= L
dt
= Ril .
ic
vc
vl
vr
vr
= il + i
= vc Ril
= Ril .
= vc
x2
= il ,
i
vr ,
Notas de Aula
podemos escrever
dx1
dt
dx2
dt
y
o que permite escrever
x 1
=
x 2
y
1
1
x2 + u
C
C
1
R
x1 x2
L
L
Rx2 ,
=
=
0
1/L
1/C
R/L
x1
R
.
x2
1
C
x1
u
+ /
x2
0
x1
x=
,
x2
podemos escrever finalmente que
x =
y
1.3.2
0
1/L
1/C
1/C
x+
u
R/L
0
R x.
Segundo Exemplo
dx2
dx
+B
+ Kx
2
dt
dt
dv
+ Bv + Kx,
M
dt
M
=
=
v
x,
u =
y =
f
v,
podemos escrever
B
K
1
x1
x2 +
u
M
M
M
x 1
x 2
y
=
=
x1
x1 .
B/M K/M
1/M
x+
u
1
0
0
= 1 0 x.
x =
y
1.3.3
Terceiro Exemplo
Notas de Aula
Rm
Lm
ia
ea
em
w
J
=
=
B
KT
w+
ia
J
J
Ke
Rm
1
w
ia +
ea .
Lm
Lm
Lm
=
=
w
ia ,
u
y
= ea
= w,
podemos escrever
x =
y
B/J
Ke /Lm
1 0 x.
KT /J
0
x+
u
Rm /Lm
1/Lm
1.4
1.4.1
Gerac
ao de Vari
aveis de Estado a Partir de
Equaco
es Diferenciais ou a Diferenca
Um Caso Particular
Caso Contnuo
Primeiro Esquema
Definindo-se
x1
x2
=
=
y
y,
pode-se escrever
x 1
x 2
y
e em forma matricial,
x 1
x 2
y
= a1 x1 + a2 x2 + u
= x1
= x2 ,
=
=
a2
x1
1
+
u
0
x2
0
x1
0 1
.
x2
a1
1
O vetor
x=
x1
x2
= y
= a2 y + u,
10
Notas de Aula
pode-se escrever
x
1
=
=
=
y
a1 y + a2 y + u
a1 x 1 + x 2 ,
x 1
x 2
1.4.2
a1 x1 + x2
a2 x 1 + u
x1 ,
1
x1
0
+
u
0
x2
1
x1
1 0
.
x2
=
=
=
a1
a2
Caso Discreto
Seja o sistema descrito pela seguinte equacao de diferenca, onde u(k) e y(k) sao
respectivamente a entrada e a sada
y(k + 2) = a1 y(k + 1) + a2 y(k) + u(k).
Este sistema pode ser descrito por duas variaveis de estado nos dois esquemas padroes que ser`ao apresentados a seguir:
Primeiro Esquema
Definindo-se
x1 (k) =
x2 (k) =
pode-se escrever
x1 (k + 1)
x2 (k + 1)
y
=
=
a2
x1 (k)
1
+
u
0
x2 (k)
0
x1 (k)
0 1
.
x2 (k)
a1
1
O vetor
x(k) =
e o vetor de estado.
y(k + 1)
y(k),
x1 (k)
x2 (k)
11
Segundo Esquema
Definindo-se
x1 (k) =
x2 (k + 1) =
y(k)
a2 y(k) + u(k),
x1 (k + 1)
a1 1
x1 (k)
0
=
+
u(k)
x2 (k + 1)
a2 0
x2 (k)
1
x1 (k)
1 0
y(k) =
.
x2 (k)
1.5
1.5.1
Processo em Vari
aveis de Estado
Caso Geral
Caso Contnuo
b1 sn1 + b2 sn2 + + bn
.
sn a1 sn1 an
A Forma Canonica de Controlabilidade e
a1
a2
an
1
0
0
x =
.. x + .. u
.
In1
.
0
0
b1 b2 bn x + du,
y =
f (s) = d +
a1
a2
In1
x = .
..
y
an
1
0
0
x=
x +
x1
x2
..
.
xn
0
x + du,
b1
b2
..
.
bn
12
Notas de Aula
1.5.2
Caso Discreto
b1 z n1 + b2 z n2 + + bn
.
z n a1 z n1 an
a1
a2
an
1
x(k + 1) =
.. x(k) + ..
.
In1
0
0
b1 b2 bn x(k) + du(k),
y(k) =
e a Forma Canonica de Observabilidade e
a1
a2
In1
x(k + 1) = .
..
y(k)
an
1 0
x(k) +
0
x(k) + du(k),
x(k) =
x1 (k)
x2 (k)
..
.
xn (k)
1.5.3
Exemplo 1
b1
b2
..
.
bn
5s2
.
s3 + 2s + 1
u(k)
u(k)
13
a1
a2
a3
b1
b2
b3
d
=
=
=
=
=
=
=
0
2
1
5
0
0
0.
a2
De
a1
In1
b1
b2
x 1
x 2 =
x 3
0
1
0
2
0
1
bn
an
0
..
.
x +
x + du,
1
0
..
.
resulta
1.5.4
5 0
1 x1
1
0 x2 + 0 u
0
x3
0
x1
0 x2 .
x3
Exemplo 2
2z 2 + 1, 7z + 1, 2
z 2 + 0, 6z + 0, 2
De
f (z) =
14
Notas de Aula
podemos escrever que:
a1
a2
d
b1 da1
=
=
=
=
0, 6
0, 2
2
1, 7
b2 da2
= 1, 2.
Deduz-se que
b1
b2
= 0, 5
= 0, 8.
De
x(k + 1)
y(k)
a1
a2
..
.
x(k) +
In1
an
1 0
b1
b2
..
.
u(k)
bn
x(k) + du(k),
y(k) =
1.6
0, 6 1
0, 5
x(k) +
u(k)
0, 2 0
0, 8
1 0 x(k) + 2u(k)
Vimos que um mesmo processo linear pode ser representado de diversas maneiras
em variaveis de estado.
Genericamente um sistema contnuo sera representado aqui pelas equacoes
de estado e de sada
x =
y =
onde x e o vetor de estado
Fx + Gu
Hx + Ju,
x=
x1
x2
..
.
xn
15
= x(k) + u(k)
= Hx(k) + Ju(k),
x(k) =
x1 (k)
x2 (k)
..
.
xn (k)
a matriz e de dimensao [n n], a matriz e de dimensao [n 1], a matriz
H e de dimensao [1 n] e J e um escalar.
J
x
F
Figura 1.6: Bloco de Sistema Contnuo.
1.7
Blocos
O sistema contnuo
x =
Fx + Gu
Hx + Ju,
16
Notas de Aula
x(k)
x(k + 1)
u(k)
q 1
+
+
y(k)
1.8
Perturba
c
ao
PROCESSO
17
1. u - sinal de comando;
2. yf - sada do processo sem perturbacao (filtrada). Este sinal e nao mensuravel;
3. W - perturbacao nao mensuravel; e
4. y - sada mensuravel do processo.
1.9
1.9.1
Perturbac
ao em Vari
aveis de Estado
Caso Particular
Caso Contnuo
W (t)
= sen(wt)
= wcos(wt)
= w2 sen(wt).
18
Notas de Aula
=
=
a2
a1 .
Operador
p
p2
p3
p+a
(p + a)2
p2 + w2
p2 + w2
(p + a)2 + w2
(p + a)2 + w2
Sinal
A
A + Bt
A + Bt + Ct2
Aeat
Ateat
Asen(wt + )
Acos(wt + )
Aeat sen(wt + )
Aeat cos(wt + )
0
1
x p =
xp
w2 0
1 0 xp .
W =
1.9.2
19
Caso Discreto
=
=
=
W ((k + 2)T ) =
=
.
C
A + B((k + 1)T )
A + B(kT ) + BT
A + B((k + 2)T )
A + B(kT ) + 2BT
20
Notas de Aula
vem
(A + B(kT )) + 2BT = a1 ((A + B(kT )) + BT ) + a2 (A + B(kT )).
Os coeficientes a1 e a2 sao obtidos das relacoes
1 =
2 =
a1 + a2
a1 .
Sinal
A
A + B(kT )
A + B(kT ) + C(kT )2
Aea(kT )
A(kT )ea(kT )
Asen(w(kT ) + )
Acos(w(kT ) + )
Aea(kT ) sen(w(kT ) + )
Aea(kT ) cos(w(kT ) + )
2 1
xp (k + 1) =
xp (k)
1 0
1 0 xp (k).
W (k) =
1.10
Perturbac
ao em Vari
aveis de Estado
Caso Geral
1.10.1
Caso Contnuo
21
a1
a2
In1
x p = .
.
.
W
1.10.2
an
1 0
xp
0
xp .
Caso Discreto
a1
a2
In1
xp (k + 1) = .
..
W (k)
an
1
0
0
xp (k)
0
xp (k).
1.11
1.11.1
Caso Contnuo
=
=
=
=
=
Ff xf + Gf u
Hf xf + J f u
Fp x p
Hp xp
yf + W,
x f
Ff 0
xf
Gf
=
+
u
x p
0 Fp
xp
0
xf
Hf Hp
y =
+ Jf u.
xp
22
Notas de Aula
x p = Fp xp
W = Hp xp
yf
u
x f = Ff xf + Gf u
yf = Hf xf + Jf u
1.11.2
Caso Discreto
=
=
=
=
=
f xf (k) + f u(k)
Hf xf (k) + Jf u(k)
p xp (k)
Hp xp (k)
yf (k) + W (k),
xf (k + 1)
f 0
xf (k)
f
=
+
u(k)
xp (k + 1)
0 p
xp (k)
0
xf (k)
Hf Hp
y(k) =
+ Jf u(k).
xp (k)
23
W (k)
xp (k + 1) = p xp (k)
W (k) = Hp xp (k)
yf (k)
y(k)
xf (k + 1) = f xf (k) + f u(k)
yf (k) = Hf xf (k) + Jf u(k)
u(k)
1.12
Conex
oes
1.12.1
Caso Contnuo
Conex
ao em Paralelo
Considere a conexao em paralelo apresentada na Figura 1.11
ya
x a = Fa xa + Ga u
ya = Ha xa + Ja u
yb
x b = Fb xb + Gb u
yb = Hb xb + Jb u
=
=
Fa x a + G a u
Ha xa + Ja u,
24
Notas de Aula
=
=
Fb xb + Gb u
Hb xb + Jb u.
= ya + yb ,
x a
Fa 0
xa
Ga
=
+
u
x b
0 Fb
xb
Gb
xa
Ha Hb
y =
+ (Ja + Jb )u.
xb
Conex
ao em Cascata
Considere a conexao em cascata apresentada na Figura 1.12
ya
u
x a = Fa xa + Ga u
x b = Fb xb + Gb ya
ya = Ha xa + Ja u
y = Hb xb + Jb ya
= Fa xa + Ga u
= Ha xa + Ja u,
=
=
Fb xb + Gb ya
Hb xb + Jb ya .
x a
Fa
0
xa
Ga
=
+
u
x b
Gb Ha Fb
xb
Gb Ja
xa
Jb Ha Hb
y =
+ Jb Ja u.
xb
25
Conex
ao em Realimenta
c
ao
Considere a conexao em realimentacao apresentada na Figura 1.13
x = Fx + G
y = Hx + J
Fx + G
Hx + J.
u y.
= Hx + J(u y)
= Hx + Ju
= (1 + J)1 Hx + (1 + J)1 Ju.
= (1 + J)1 Hx + (1 + J)1 Ju
= u (1 + J)1 Hx (1 + J)1 Ju
= (1 + J)u Hx Ju
= u Hx = Hx + u
=
(1 + J)1 Hx + (1 + J)1 u,
26
Notas de Aula
1.12.2
Caso Discreto
Conex
ao em Paralelo
Considere a conexao em paralelo apresentada na Figura 1.14.
ya (k)
xa (k + 1) = a xa (k) + a u(k)
u(k)
y(k)
yb (k)
xb (k + 1) = b xb (k) + b u(k)
a xa (k) + a u(k)
Ha xa (k) + Ja u(k),
ya (k) + yb (k),
xa (k + 1)
a 0
xa (k)
a
=
+
u(k)
xb (k + 1)
0 b
xb (k)
b
xa (k)
Ha Hb
y(k) =
+ (Ja + Jb )u(k).
xb (k)
Conex
ao em Cascata
Considere a conexao em cascata apresentada na Figura 1.15.
27
y(k)
ya (k)
u(k)
xa (k + 1) = a xa (k) + a u(k)
xb (k + 1) = b xb (k) + b ya (k)
xa (k + 1)
a
0
xa (k)
a
=
+
u(k)
xb (k + 1)
b H a b
xb (k)
b Ja
xa (k)
Jb Ha Hb
y(k) =
+ Jb Ja u(k).
xb (k)
Conex
ao em Realimenta
c
ao
Considere a conexao em realimentacao apresentada na Figura 1.16.
O sistema dinamico, de ordem n, descrito por
x(k + 1) = x(k) + (k)
y(k) = Hx(k) + J(k).
Podemos escrever que
(k) =
u(k) y(k).
28
Notas de Aula
y(k)
(k)
u(k)
1.12.3
Exemplo
yf
u
CONTROLADOR
PROCESSO
C(s) =
0, 8
,
s
s2
2
,
+ 6s + 8
e a perturbacao e
W (t) = 1.
Encontrar:
a) A forma canonica de controlabilidade do controlador;
b) A forma canonica de controlabilidade do processo;
c) A descricao em variaveis de estado da perturbacao;
d) A conexao em cascata do controlador-processo; e
e) A descricao em variaveis de estado do controlador-processo-perturbacao.
Soluc
ao:
29
a1 =
d =
b1 =
0
0
0, 8.
x a =
u = 0, 8xa .
b) Da funcao de transferencia de P (s) podemos tirar que
a1
a2
d
b1
b2
=
=
=
=
=
6
8
0
0
2.
x b
yf
6
1
8
1
xb +
u
0
0
2 xa .
=
=
0
xp .
30
Notas de Aula
Fa
Ga
Ha
Ja
=
=
=
=
0
1
0, 8
0.
Do processo
Fb
Gb
Hb
Jb
6 8
1
0
1
=
0
= 0 2
= 0.
=
Podemos escrever
Gb Ha
Gb Ja
Ja Hb
Jb Ja
=
=
1
0, 8
0, 8 =
0
0
1
0
0=
0
0
0
0.
Assim
x a
x b
yf
Fa
Gb Ha
Jb Ha
0
Fb
Hb
xa
xb
xa
xb
Ga
Gb Ja
+ Jb Ja ,
gera
x f
yf
0
0
0
1
0, 8 6 8 xf + 0
0
1
0
0
0 0 2 xf .
(1.1)
31
0
8
0
0
0
0, 8 6
0
1
1
0
0
0 0 2
Ff
Gf
Hf
Jf
Fp
Hp
=
= 0
= 0
= 1.
Entao
x f
x p
Ff
0
0
Fp
Hf
Hp
xf
xp
xf
xp
Gf
0
+ Jf ,
gera
x f
x p
0
0
0
0, 8 6 8
=
0
1
0
0
0
0
= 0 0 2 1
1.13
Soluc
ao Temporal
1.13.1
Caso Contnuo
0
1
0
0
x
f
+
0
0 xp
0
0
xf
.
xp
Fx + Gu
Hx + Ju.
= eF(tt0 ) x(t0 ) +
eF(t ) Gu( )d
t0
y(t)
= H[eF(tt0 ) x(t0 ) +
t
t0
32
Notas de Aula
A matriz eFt e definida pela serie
eFt = I +
1
1
1
Ft + F2 t2 + F3 t3 + ,
1!
2!
3!
1.13.2
Caso Discreto
x(k)
= (kk0 ) x(k0 ) +
(kj1) u(j)
j=k0
(k1)
y(k)
(kk0 )
= H[
x(k0 ) +
j=k0
1.14
Determinac
ao da Equac
ao de Estado Discreta a Partir da Contnua
Considere a Figura 1.18, que apresenta um processo controlado por um controlador analogico.
W
u
CONTROLADOR
ys
PROCESSO
33
u
CAD
CD
ys
PROCESSO
CDA
CAD
(k)
LER
CALCULAR
u(k)
CDA
ENVIAR PARA O
PROCESSO : u(k)
W
T
CAD
ys
CDA
+
y
CD
BOZ
PROCESSO
34
Notas de Aula
CD
ys
+
T
PROCESSO
BOZ
35
1.14.1
Modelo do BOZ-Processo
Fx + Gu
Hx + Ju.
F(tt0 )
x(t0 ) +
eF(t ) Gu( )d
t0
= (k + 1)T
= kT.
= e
FT
(k+1)T
x(kT ) +
kT
= eFT x(kT ) +
(k+1)T
kT
eF((k+1)T ) d
Gu(kT ).
36
Notas de Aula
(k+1)T
Z
eF((k+1)T ) d
kT
eF d
T
T
eF d.
eFT x(k) +
!
eF d Gu(kT ).
Assim, identificamos
=
eFT
!
Z T
=
eF d G.
0
1
1
FT + F2 T 2 +
2!
3!
= I + FT
= T G.
= I+
1.14.2
Exemplo
x =
y
6 8 0, 8
0
1
0
0 x+ 0 u
0
0
0
1
0 2 0 x.
37
Podemos escrever
G
H
J
6 8 0, 8
0
0
= 1
0
0
0
0
= 0
1
= 0 2 0
= 0,
e
T = 0, 1.
Em 6 iteracoes, a matriz e
1 0 0
0 1 0 + 1 FT + 1 F2 T 2 + 1 F3 T 3 + 1 F4 T 4 + 1 F5 T 5
2!
3!
4!
5!
6!
0 0 1
As matrizes e sao
0, 5219
I + FT = 0, 0742
0
0, 0033
T G = 0, 0001 .
0, 1000
0, 5936 0, 0594
0, 9671 0, 0033
0
1
O BOZ&Sistema sera
y(k) = 0 2 0 x(k).
1.14.3
Modelo da Perturba
c
ao
38
Notas de Aula
Primeiro M
etodo
O primeiro metodo e o metodo dos coeficientes a determinar, que ja foi visto.
Conhecendo-se W (t), determina-se W (kT ). Procura-se achar uma equacao a
diferenca homogenea. Em seguida usa-se a Forma Canonica de Observabilidade
discreta.
Segundo M
etodo
` o metodo que usa tabela.
O segundo metodo tambem ja foi visto. E
Terceiro M
etodo
Suponhamos que W (t) e dada pelo sistema contnuo de ordem n,
x =
W =
Fx
Hx.
Calcula-se por
1
1
FT + F2 T 2 +
2!
3!
= I + FT .
= I+
1.15
x(k)
Hx(k).
Exerccios
39
e)
y(k + 3) = 0, 5y(k + 2) + 0, 8y(k) + 2u(k + 2) + 5u(k + 1) + 0.7u(k)
f)
1+s
.
1 + 10s
2. Achar o modelo em variaveis de estado na forma canonica de observabilidade dos sistemas do Exerccio 1.
3. Seja o sistema da Figura 1.23. A funcao de transferencia do controlador
e
2
C(s) =
s
e a funcao de transferencia do processo e
4
G(s) =
s2
0, 4
+ 0, 125s + 0, 3
u
CONTROLADOR
y
PROCESSO
d
x =
dt
y
1 2 1
2
0 2 3 x + 1 u
1 0 4
0
1 0 1 x.
40
Notas de Aula
a) W = 5sen(12t);
b) W = 8 cos(5t);
c) W = 3t2 ;
d) W = 4t + 5; e
e) Determinar pelo metodo dos coeficientes a determinar o modelo discreto
de W = 3t2 para T = 0, 05 segundos;
f) Determinar pelo metodo dos coeficientes a determinar o modelo discreto
de W = 4t + 5 para T = 0, 05 segundos.
1.16
1.
a)
x =
5
1
2
1
x+
u
0
0
1 x.
x(k + 1)
5 1
1
x(k) +
u(k)
1
0
0
11 5 x(k) + 3u(k).
b)
y(k) =
c)
2 8
1
x+
u
1 0
0
4 19 x + 2u.
x =
y
d)
x
y
= 2x + u
= 4x.
e)
0, 5 0 0, 8
1
x(k + 1) = 1 0 0 x(k) + 0 u(k)
0 1 0
0
y(k) = 2 5 0, 7 x(k).
f)
x
y
= 0, 1x + u
= 0, 36x + 0, 4u.
2.
a)
x =
y
5 1
1
x+
u
2 0
1
1 0 x.
b)
x(k + 1)
y(k) =
5 1
11
x(k) +
u(k)
1 0
5
1 0 x(k) + 3u(k).
41
42
Notas de Aula
c)
x =
y
2
8
1
4
x+
u
0
19
0 x + 2u.
d)
x =
y =
2x + 4u
x.
e)
0.5
x(k + 1) = 0
0, 8
y(k) = 1 0
2
1 0
0 1 x(k) + 5 u(k)
0, 7
0 0
0 x(k).
f)
x =
y =
0, 1x + 0, 36u
x + 0, 4u.
3.
a)
x =
u = 2x.
b)
0, 125 1
0
x =
x+
u
0, 3
0
0, 4
y = 1 0 x.
c)
x =
y
0
0
0
1
0 0, 125 1 x + 0
0, 8 0, 3 0
0
0 1 0 x.
d)
0
1
x = 0 0, 125
0, 8 0, 3
y = 0 1 0 x.
0
1
1 x + 0 r
0
0
y(k) = 1 0 1 x(k).
5.
a)
0
1
x =
x
144 0
W = 1 0 x.
b)
0
1
x
25 0
= 1 0 x.
x =
W
c)
0 1 0
x = 0 0 1 x
0 0 0
W = 1 0 0 x.
d)
x =
W
0 1
x
0 0
1 0 x.
e)
3 1 0
x(k + 1) = 3 0 1 x(k)
1 0 0
W (k) = 1 0 0 x(k).
f)
x(k + 1)
W (k) =
2 1
x(k)
1 0
1 0 x(k).
43
Captulo 2
Controlabilidade,
Observabilidade e
Estabilidade
O principal objetivo deste captulo e definir Controlabilidade, Observabilidade
e Estabilidade, e suas decorrencias diretas. Estes tres conceitos fundamentam
o projeto de estabilizadores que e parte integrante de seguidores robustos.
2.1
Conceito de Controlabilidade
2.1.1
Caso Contnuo
Definic
ao de Controlabilidade : Sejam xi e xf
arbitrariamente escolhidos.
O sistema contnuo, de ordem n,
x = Fx + Gu,
e controlavel se e somente se existe um sinal de controle u(t), definido no intervalo [t0 , t0 + ], que transfira o estado do ponto xi = x(t0 ) (estado inicial)
para o ponto xf = x(t0 + ) (estado final), onde t0 e sao um n
umeros reais
e 0. Pode-se demonstrar que esta definicao e equivalente ao Criterio de
Controlabilidade, apresentado em seguida.
Criterio de Controlabilidade: O sistema contnuo, de ordem n,
x = Fx + Gu,
44
45
Cx = G FG F(n1) G ,
e nao singular.
2.1.2
Caso Discreto
Definic
ao de Controlabilidade: Sejam xi e xf
arbitrariamente escolhidos.
O sistema discreto, de ordem n,
Cx = (n1) ,
e nao singular.
2.2
Conceito de Observabilidade
2.2.1
Caso Contnuo
Definic
ao de Observabilidade: O sistema contnuo, de ordem n,
x =
y =
Fx + Gu
Hx + Ju,
46
Notas de Aula
Fx + Gu
Hx + Ju,
HF
Ox =
,
..
.
HF(n1)
e nao singular.
2.2.2
Caso Discreto
Definic
ao de Observabilidade: O sistema discreto, de ordem n,
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
e observavel se e somente se existe existe um n
umero inteiro m tal que o estado
x(0) do espaco de estado possa ser determinado de u(k) e y(k) para 0 k m.
Criterio de Observabilidade: O sistema discreto, de ordem n,
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
e observavel se e somente se a matriz de observabilidade
Ox =
,
..
.
(n1)
H
e nao singular.
2.3
Domnio Freq
u
encia
Antes de apresentarmos o assunto, vamos recordar tres propriedade de determinantes e o conceito de matriz adjunta.
Teorema: Sejam A, B e C matrizes quadradas, onde C e nao singular.
Entao
det(AB) = det(A) det(B)
det(C) det(C1 ) = 1
det(A) = det(AT ).
47
Definic
ao: Seja A uma matriz quadrada nao singular de dimensao n.
A matriz,
11 12 1n
21 22 2n
= .
..
.. ,
..
.
.
n1 n2 nn
e a matriz de cofatores de A. O cofator ij de A e definido por
ij = (1)i+j det(Mij ),
onde a matriz menor Mij de A , de dimensao n 1, e a matriz A sem a i-esima
linha e sem a j-esima coluna.
A matriz adjunta de A e a transposta de sua matriz de cofatores
11 21 n1
12 22 n2
adj(A) = T = .
..
.. .
..
.
.
1n
2n
nn
2.3.1
adj(A)
.
det(A)
Caso Contnuo
Fx + Gu
Hx + Ju.
= Gu(s)
= (sI F)1 Gu(s)
= H(sI F)1 Gu(s) + Ju(s)
= [H(sI F)1 G + J]u(s).
A funcao de transferencia e
f (s) = H(sI F)1 G + J.
48
Notas de Aula
Podemos escrever que
H(sI F)1 G + J
Hadj(sI F)G
+J
det (sI F)
Hadj(sI F)G + det (sI F)J
.
det (sI F)
f (s) =
=
=
A C
det sI
0 B
A 0
det sI
C B
Teorema:
det sI
a1
a2
In1
det sI
det(sI A) det(sI B)
det(sI A) det(sI B)
an
0
..
.
0
a1
a2
..
.
an
sn a1 sn1 an
In1
0
sn a1 sn1 an .
2.3.2
Caso Discreto
49
O polinomio caracterstico e
det (zI ),
e que a equacao caracterstica e
det (zI ) = 0.
Algumas propriedades, relativas
tantes.
Teorema: Se A e B sao matrizes
A C
det zI
0 B
A 0
det zI
C B
Teorema:
det zI
a1
a2
In1
det zI
an
0
..
.
0
a1
a2
..
.
an
= z n a1 z n1 an
In1
0
= z n a1 z n1 an .
50
2.4
2.4.1
Notas de Aula
Estabilidade
Caso Contnuo
Definic
ao de Estabilidade: O sistema, de ordem n,
x =
y =
Fx + Gu
Hx + Ju,
Fx + Gu
Hx + Ju,
2.4.2
Caso Discreto
Definic
ao de Estabilidade: O sistema, de ordem n,
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
e estavel se para toda entrada limitada, a sada e limitada.
Criterio de Estabilidade: A condicao para que o sistema, de ordem n,
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k),
seja estavel e que todas as razes da equacao caracterstica,
det (zI ) = 0,
51
2.5
Teorema de Kalman
2.5.1
Caso Contnuo
Teorema: Seja
f (s) =
Fx + Gu
Hx + Ju.
x =
y =
Fx + Gu
Hx + Ju
O sistema
2.5.2
Caso Discreto
Teorema: Seja
f (z) =
52
Notas de Aula
x(k) + u(k)
Hx(k) + Ju(k)
2.6
2.6.1
Transforma
c
ao de Similaridade
Caso Contnuo
Fx + Gu
Hx + Ju,
= Az + Bu
= Cz + Ju,
onde
A
B =
C =
T1 FT
T1 G
HT.
= TCz
= Ox T.
[T1 FT]i = T1 Fi T,
onde i e um n
umero inteiro. Assim,
Cx =
G FG F(n1) G
= T B T1 FTB T1 F(n1) TB
= T B AB A(n1) B
= TCz
De maneira similar, pode-se provar a outra parte do teorema.
2.6.2
Caso Discreto
Az(k) + Bu(k)
Cz(k) + Ju(k),
onde
A
B
= T1 FT
= T1 G
= HT.
Teorema:
Cx
Oz
= TCz
= Ox T.
53
54
Notas de Aula
2.7
Forma Can
onica de Controlabilidade
Todo sistema controlavel, seja discreto ou contnuo, pode ser posto na forma
canonica de controlabilidade. Dois metodos serao apresentados.
2.7.1
Caso Contnuo
Fx + Gu
Hx + Ju,
= Az + Bu
= Cz + Ju,
T1 FT
a1
a2
In1
an
0
..
.
0
T1 G =
1
0
..
.
0
Dois metodos serao usados para a determinacao de T:
Primeiro Metodo:
1. de F e G, calcular a matriz de controlabilidade
Cx = G FG F(n1) G ;
2. determinar a u
ltima linha, rn de sua inversa
r1
r2
Cx 1 = . ;
..
rn
T1 =
rn F(n1)
rn F(n2)
..
.
55
rn
Segundo Metodo:
1. calcular o polinomio caracterstico associado `a F
det (sI F) = sn a1 sn1 an ;
2. calcular
a1
a2
In1
an
0
..
.
0
e
B =
1
0
..
.
0
3. de A e B, calcular a matriz de controlabilidade
Cz = B AB A(n1) B ;
4. de F e G, calcular a matriz de controlabilidade
Cx = G FG F(n1) G ;
5. a inversa de T e
T1 = Cz Cx 1 .
2.7.2
Caso Discreto
56
Notas de Aula
e
z(k + 1) = Az(k) + Bu(k)
y(k) = Cz(k) + Ju(k),
onde
T1 FT
a1
a2
In1
an
0
..
.
0
e
T1 G =
1
0
..
.
0
Dois metodos serao usados para a determinacao de T:
Primeiro Metodo:
1. de e , calcular a matriz de controlabilidade
Cx = (n1) ;
2. determinar a u
ltima linha, rn de sua inversa
r1
r2
Cx 1 = . ;
..
rn
3. a inversa de T e
T1 =
rn (n1)
rn (n2)
..
.
rn
Segundo Metodo:
1. calcular o polinomio caracterstico associado `a
det (zI ) = z n a1 z n1 an ;
2. calcular
A =
a1
a2
In1
an
0
..
.
0
B =
1
0
..
.
57
0
3. de A e B, calcular a matriz de controlabilidade
Cz = B AB A(n1) B ;
4. de e , calcular a matriz de controlabilidade
Cx = (n1) ;
5. a inversa de T e
2.8
T1 = Cz Cx 1 .
Forma Can
onica de Observabilidade
Todo sistema observavel, seja discreto ou contnuo, pode ser posto na forma
canonica de observabilidade. Dois metodos serao apresentados.
2.8.1
Caso Contnuo
Fx + Gu
Hx + Ju.
Az + Bu
Cz + Ju,
= T1 FT
a1
a2
..
.
an
e
C = HT
In1
0
0
0
0
58
Notas de Aula
1. de F e H, calcular a matriz de observabilidade
HF
Ox =
;
..
.
HF(n1)
2. determinar a u
ltima coluna, rn , de sua inversa
Ox 1 = r1 r2 rn ;
3. a matriz T e
T=
F(n1) rn
F(n2) rn
rn
Segundo Metodo:
1. calcular o polinomio caracterstico associado `a F
det (sI F) = sn a1 sn1 an ;
2. calcular
an
e
C =
a1
a2
..
.
In1
0
1 0
0
0
CA
Oz =
;
..
.
CA(n1)
4. de F e H, calcular a matriz de observabilidade
HF
Ox =
;
..
.
HF(n1)
5. a matriz T e
T = Ox 1 Oz .
2.8.2
59
Caso Discreto
Az(k) + Bu(k)
Cz(k) + Ju(k),
= T1 FT
a1
a2
..
.
an
e
C = HT
In1
0
0
0
0
Ox =
;
..
.
H(n1)
2. determinar a u
ltima coluna, rn , de sua inversa
Ox 1 = r1 r2 rn ;
3. a matriz T e
T=
(n1) rn
(n2) rn
rn
Segundo Metodo:
1. calcular o polinomio caracterstico associado `a
det (zI ) = z n a1 z n1 an ;
60
Notas de Aula
2. calcular
a1
a2
..
.
an
e
C =
In1
0
1 0
0
0
CA
Oz =
;
..
.
(n1)
CA
4. de e H, calcular a matriz de observabilidade
Ox =
;
..
.
H(n1)
5. a matriz T e
2.9
T = Ox 1 Oz .
Exemplo
Seja o sistema
x =
y
6 8 0, 8
0
1
0
0 x+ 0 u
0
0
0
1
0 2 0 x.
Encontrar:
a) Verificar se o sistema e controlavel;
b) Encontrar a forma canonica de controlabilidade pelo primeiro metodo;
c) Verificar se o sistema e observavel;
d) Encontrar a forma canonica de observabilidade pelo primeiro metodo;
e) Achar o polinomio caracterstico diretamente e pelas propriedades;
f) Encontrar a forma canonica de observabilidade pelo segundo metodo;
g) Achar a funcao de transferencia.
Soluc
ao:
61
6 8 0, 8
0
0
F = 1
0
0
0
0
G = 0
1
H= 0
0 .
Mas
28 48 4, 8
8 0, 8 6 8 0, 8
0
0 = 6 8 0, 8
0
0 1
0
0
0
0
0
0
0
0
6 8 0, 8 0
0, 8
0
0 0 = 0
FG = 1
0
0
0
1
0
28 48 4, 8 0
4, 8
F2 G = 6 8 0, 8 0 = 0, 8 .
0
0
0
1
0
6
F2 = 1
0
Assim,
0 0, 8
Cx = G FG F2 G = 0 0
1 0
4, 8
0, 8
0
e
det(Cx ) = 0, 64 6= 0.
Portanto, o sistema e controlavel.
b) Primeiro passo: Vimos que
0 0, 8
Cx = 0 0
1 0
4, 8
0, 8 .
0
Segundo passo:
Cx1
Terceiro passo:
0
0
1
r1
= 1, 25 7, 5 0 = r2 .
0
1, 25 0
r3
62
Notas de Aula
r3
r3 F
r3 F2
0 1, 25 0
= 1, 25 0 0
= 7, 5 10 1
=
A matriz T1 e
7, 5 10 1
r3 F2
0
0
= r3 F = 1, 25
0
1, 25 0
r3
T1
e
0
T = 0
1
0, 8 0
0 0, 8 .
6
8
7, 5 10 1
6
0
0 1
T1 FT = 1, 25
0
1, 25 0
0
6 8 0
1
0 0
0
1 0
8 0, 8 0
0
0 0
0
0
1
7, 5 10 1
0
0
0 0
T1 G = 1, 25
0
1, 25 0
1
1
0
0
0 0, 8
= HT = 0 2 0 0 0
1 6
= 0 0 1, 6 .
H= 0 2
HF = 2
0
0, 8
8
0, 8 0
0 0, 8
6
8
HF2 = 12
63
1, 6 .
16
Assim,
H
0
Ox = HF = 2
12
HF2
2
0
16
0
0
1, 6
e
det(Ox ) = 6, 4 6= 0.
Assim, o sistema e observavel.
d) Primeiro passo:
0
Ox = 2
12
2
0
16
0
0
1, 6
Segundo passo:
Ox1 =
r1
r2
r3
0
= 0, 5
5
0, 5
0
0
0
3, 75 0, 625
Terceiro passo:
0
r3 = 0
0, 625
3 0, 5
0
2
0
T = F r3 Fr3 r3 = 0, 5 0
0
0 0, 625
0 2
0
T1 = 2 12 0 .
0 0 1, 6
Podemos finalmente escrever
6 1 0
A = T1 FT = 8 0 1
0 0 0
0
B = T1 G = 0
1, 6
C = HT = 1 0 0 .
64
Notas de Aula
e) Pelo metodo direto
sI F
s 0
= 0 s
0 0
s+6
= 1
0
0
6 8 0, 8
0 1
0
0
s
0
0
0
8 0, 8
s
0 .
0
s
Assim,
det(sI F) =s3 + 6s2 + 8s.
Pelas propriedades
A
F=
0
6
C
= 1
B
0
8
0
0
0, 8
0 .
0
8
0
B =0
C=
0, 8
0
Entao
det(sI F)
= det(sI A) det(sI B)
6 8
= det(sI
)s
1
0
=
s3 + 6s2 + 8s.
f) Primeiro passo:
det(sI F) =s3 + 6s2 + 8s + 0
Segundo passo:
6 1 0
A = 8 0 1
0 0 0
C= 1 0 0
65
Terceiro passo:
C
1
Oz = CA = 6
CA2
28
0 0
1 0
6 1
Quarto passo:
H
0
Ox = HF = 2
12
HF2
0
0
1, 6
2
0
16
Quinto passo:
Ox1
0
= 0, 5
5
0, 5
0
3, 75
0
0
0, 625
Quinto passo:
3 0, 5
T = Ox 1 Oz = 0, 5 0
0
0
0
0 .
0, 625
g)
f (s) =
Hadj(sI F)G
.
det (sI F)
Mas,
det(sI F)
adj(sI F)
= s3 + 6s2 + 8s
= s(s2 + 6s + 8)
11
= 21
31
11
= 12
13
12
22
32
21
22
23
T
13
23
33
31
32
33
66
Notas de Aula
Hadj(sI F)G =
=
0 2
11
0 12
13
21
22
23
31
0
32 0
33
1
232
s+6 8
sI F = 1 s
0
0
0, 8
0
s
Mas,
ij = (1)i+j det(Mij )
e
32
=
=
=
(1)3+2 det(M32 )
det(M32 )
s + 6 0, 8
det(
) = 0, 8
1
0
2.10
s(s2
1, 6
.
+ 6s + 8)
Exerccios
1. Seja o sistema
1 2 1
0
x(k + 1) = 0 2 3 x(k) + 1 u(k)
1 0 4
0
1 0 1 x(k).
y(k) =
a) Determinar a funcao de transferencia;
b) Verificar se o sistema e estavel;
c) Verificar se o sistema e controlavel;
67
0
1 2 1
= 0 2 3 x + 1 u
0
1 0 4
1 0 1 x.
=
x
y
68
Notas de Aula
2.11
1.
a)
f (z) =
z3
2z 6
.
7z 2 + 13z 12
b) sistema instavel, pois tem um polo igual a 4, 819 que esta fora do crculo
unitario.
c) sistema controlavel, pois det(Cx ) = 4 6= 0.
d)
1
7 13 12
0
0 x(k) + 0 u(k)
x(k + 1) = 1
0
1
0
0
0 2 6 x(k).
y(k) =
e) resposta igual a do item d).
f) resposta igual a do item a).
2.
a) sistema observavel, pois det(Ox ) = 18 6= 0.
b)
7
1 0
0
x = 13 0 1 x + 2 u
12 0 0
6
1 0 0 x.
y =
c) resposta igual a do item b).
d)
f (s) =
2s 6
.
s3 7s2 + 13s 12
Captulo 3
Controle Modal e
Observador de Estado Estabilizador 1
O principal objetivo deste captulo e definir o conceito de observador de estado
e de controle modal, como pre-requisitos de projeto de estabilizadores.
3.1
3.1.1
Caso Contnuo
70
Notas de Aula
Escolhendo-se K de tal forma que as razes da equacao caracterstica,
det (sI [F GK]) = 0,
3.1.2
Caso Discreto
3.2
3.2.1
Caso Contnuo
71
T1 FT
a1
a2
In1
an
0
..
.
0
e
B =
=
1
T G
1
0
.. .
.
0
Segundo Passo:
Vamos especificar, no semiplano esquerdo, a localizacao desejada para os polos em malha fechada, denotados por 1 , , n . A seguir, vamos calcular o
polinomio caracterstico desejado para o sistema em malha fechada
sn 1 s(n1) n = (s 1 )(s 2 ) (s n ).
Terceiro Passo:
Podemos, agora, determinar o controlador para o sistema na forma canonica de
controlabilidade, definindo a matriz Kz por
Kz = a1 1 a2 2 an n ,
e o controlador por
u = Kz z.
Observe que
(A BKz ) =
In1
n
0
..
.
0
= (A BKz )z
1
2
In1
n
0
..
.
0
z,
72
Notas de Aula
1
2
n
det sI
= sn 1 sn1 n .
..
I
.
n1
0
Quarto Passo:
A matriz K e dada por
K = Kz T1 .
T(A BKz )z
T(A BKz )T1 Tz
(TAT1 )Tz (TB)(Kz T1 )Tz,
e que
x =
=
3.2.2
Fx GKx
Fx + Gu.
Caso Discreto
A =
T1 T =
a1
a2
In1
an
0
..
.
0
= T1
1
0
= . .
..
0
73
Segundo Passo:
Vamos especificar, dentro do crculo unitario, a localizacao desejada para os
polos em malha fechada, denotados por 1 , , n . A seguir, vamos calcular o
polinomio caracterstico desejado para o sistema em malha fechada
z n 1 z (n1) n = (z 1 )(z 2 ) (z n ).
Terceiro Passo:
Podemos, agora, determinar o controlador para o sistema na forma canonica de
controlabilidade, definindo a matriz Kz por
Kz = a1 1 a2 2 an n ,
e o controlador por
u(k) = Kz z(k).
Observe que
(A BKz ) =
n
0
..
.
In1
0
Podemos escrever que
z(k + 1)
(A BKz )z(k)
1
2
In1
n
0
..
.
z(k),
0
o que comprova que foi estabelecido o polinomio caracterstico especificado, pois
1
2
n
n
n1
det zI
n .
.. = z 1 z
In1
.
0
Quarto Passo:
A matriz K e dada por
K = Kz T1 .
=
=
74
Notas de Aula
e que
x(k + 1)
3.3
=
=
x(k) Kx(k)
x(k) + u(k).
3.3.1
Caso Contnuo
Fx + Gu
Hx + Ju.
= (F LH)
x
x.
e x.
assegurando que em regime permanente x
3.3.2
75
Caso Discreto
(k) e x(k).
assegurando que em regime permanente x
3.4
3.4.1
Caso Contnuo
Fx + Gu
Hx + Ju,
76
Notas de Aula
e
z
y
= Az + Bu
= Cz + Ju,
onde
T1 FT =
T1 G,
HT =
In1
an
e
C =
a1
a2
..
.
0
1 0
Segundo Passo:
Vamos especificar, no semiplano esquerdo, a localizacao desejada para os polos
do estimador, denotados por 1 , , n . A seguir, vamos calcular o polinomio
caracterstico desejado
(n1)
sn 1
n = (s 1 )(s 2 ) (s n ).
Terceiro Passo:
Podemos, agora, determinar o observador para o sistema na forma canonica de
observabilidade, definindo o vetor Lz por
a1 1
a2 2
Lz =
,
..
.
an n
e o observador por
= (A Lz C)
z
z + Bu + Lz (y Ju).
Observe que
(A Lz C) =
1
2
..
.
n
In1
0
, por
Definindo o vetor erro de estado, z
=zz
,
z
podemos escrever
=
z
1
2
..
.
n
,
z
In1
0
77
In1
det sI .
= sn 1 sn1 n .
..
n 0
0
Quarto Passo:
Vamos retornar agora ao sistema original. Podemos escrever que
= T(A Lz C)
z + TBu + TLz (y Ju).
Tz
Assim,
= T(A Lz C)T1 T
Tz
z + TBu + TLz (y Ju)
= (TAT1 TLz CT1 )T
z + Gu + TLz (y Ju)
= (F TLz H)T
z + Gu + TLz (y Ju).
Definindo-se
x
L
=
=
T
z,
TLz ,
3.4.2
Caso Discreto
Az(k) + Bu(k)
= Cz(k) + Ju(k),
onde
T1 T =
T1 ,
a1
a2
..
.
an
In1
0
78
Notas de Aula
e
C =
HT =
1 0
Segundo Passo:
Vamos especificar, dentro do crculo unitario, a localizacao desejada para os
polos do estimador, denotados por 1 , , n . A seguir, vamos calcular o
polinomio caracterstico desejado
(n1)
z n 1
n = (z 1 )(z 1 ) (z n ).
Terceiro Passo:
Podemos, agora, determinar o observador para o sistema na forma canonica de
observabilidade, definindo o vetor Lz por
a1 1
a2 2
Lz =
,
..
.
an n
e o observador por
(k + 1) = (A Lz C)
z
z(k) + Bu(k) + Lz (y(k) Ju(k)).
Quarto Passo:
Vamos retornar agora ao sistema original. Podemos escrever que
T
z(k + 1) = T(A Lz C)
z(k) + TBu(k) + TLz (y(k) Ju(k)).
Assim,
T
z(k + 1)
= T(A Lz C)T1 T
z(k) + TBu(k) + TLz (y Ju(k))
1
= (TAT TLz CT1 )T
z(k) + u(k) + TLz (y(k) Ju(k))
= ( TLz H)T
z(k) + u(k) + TLz (y(k) Ju(k)).
Definindo-se
(k) = T
x
z(k),
L = TLz ,
podemos escrever o obsevador
(k + 1) = ( LH)
x
x(k) + u(k) + L(y(k) Ju(k)).
3.5
3.5.1
79
Caso Contnuo
Fx + Gu
Hx + Ju,
x
F GK
GK
x
=
.
0
F LH
x
x
Conseq
uentemente,
F GK
GK
det sI
0
F LH
= det(sI [F GK])
det(sI [F LH]),
o que prova que os polos do sistema combinado sao os mesmos da uniao dos polos
especificados para o observador e com os polos especificados para o controlador.
Se os polos do observador e os polos do controlador tiverem parte real negativa, entao pelo Teorema da Estabilidade
(t) =
lim x
lim x(t) =
lim y(t) =
0.
t
t
Fx + Gu
Hx + Ju,
(F LH GK + LJK)
x + Ly
K
x.
80
Notas de Aula
b = [F LH GK + LJK]b
x
x + Ly
= Fx + Gu
x
u = Kb
x
y = Hx + Ju
Fx + Gu
Hx,
b = [F LH GK]b
x
x + Ly
= Fx + Gu
x
u = Kb
x
y = Hx
3.5.2
Caso Discreto
= x(k) + u(k)
= Hx(k) + Ju(k),
81
x(k + 1)
K
K
x(k)
=
.
(k + 1)
(k)
x
0
LH
x
Conseq
uentemente,
K
K
det zI
0
LH
det(zI [ K])
det(zI [ LH]),
o que prova que os polos do sistema combinado sao os mesmos da uniao dos polos
especificados para o observador e com os polos especificados para o controlador.
Se os polos do observador e os polos do controlador tiverem parte real negativa, entao pelo Teorema da Estabilidade
(k) =
lim x
lim x(k) =
lim y(k) =
0.
t
t
x(k) + u(k)
Hx(k),
82
Notas de Aula
u(k)
y(k)
x(k + 1) = x(k) + u(k)
b (k + 1) = [ LH K + LJK]b
x
x(k) + Ly(k)
u(k) = Kb
x(k)
u(k)
( LH K)
x(k) + Ly(k)
= K
x(k).
y(k)
b (k + 1) = [ LH K]b
x
x(k) + Ly(k)
u(k) = Kb
x(k)
y(k) = Hx(k)
3.6
Exemplo
Seja o sistema
x =
y
1 2 0
2
1
2
0 x+ 0 u
2 1 3
0
1 0 1 x.
a) Encontrar um controle modal de tal forma que os polos do sistema realimentado estejam posicionados em 0, 5 , 0, 5 , e 0, 5;
83
1 2 0
2
0
F = 1
2 1 3
2
G = 0
0
H= 1
1 .
Cx = G
FG F2 G = 0
0
2
2
4
2
2
14
e
det(Cx ) = 72 6= 0.
Portanto, o sistema e controlavel.
Mas,
0, 5
0, 5
Cx1 = 0 0, 3889
0 0, 1111
0
r1
0, 0556 = r2 .
0, 0556
r3
r3 = 0
0, 1111 0, 0556 .
A matriz T1 e
T1
r3 F2
0, 5
= r3 F = 0
r3
0
0, 5
0, 5
0, 1667 0, 1667
0, 1111 0, 0556
2
T = 0
0
Finalmente podemos escrever que
2
2
4
12
6 .
6
84
Notas de Aula
2 3 0
a1
A=T1 FT = 1 0 0 = 1
0 1 0
0
a2
0
1
a3
0
0
e
a1
a2
a3
=
=
=
2
3
0.
Segundo Passo:
1
2
3
= 0, 5
= 0, 5
= 0, 5.
Assim,
s3 1 s2 2 s 3
= (s 1 )(s 2 )(s 3 )
= (s + 0, 5)3
= s3 + 1, 5s2 + 0, 75s + 0, 125,
e
1
2
1
= 1, 5
= 0, 75
= 0, 125.
Terceiro Passo: Kz
Kz
=
=
=
a1 1 a2 2 a3 3
2 + 1, 5 3 + 0, 75 0 + 0, 125
0, 5 3, 75 0, 125
Quarto Passo: K
K
Kz T1
0, 5
0, 5
0, 5
0, 5
3, 75 0, 125 0 0, 1667 0, 1667
0 0, 1111 0, 0556
0, 25 0, 3889 0, 8681 .
u = Kx = 0, 25 0, 3889
b) Primeiro Passo: Encontrar T e A.
H
1
Ox = HF = 3
6
HF2
e
0, 8681 x.
0
3
3
1
3
9
det(Ox ) = 9 6= 0.
Assim, o sistema e observavel.
Mas,
Ox1 =
r1
r2
r3
2 0, 3333
= 1 0, 3333
1 0, 3333
0, 3333
.
0
0, 3333
Assim,
0, 3333
0
r3 =
0, 3333
e
T=
F2 r3
Fr3
r3
0, 3333
= 0, 3333
0, 6667
0, 3333 0, 3333
.
0, 3333
0
0, 3333 0, 3333
2 1 0
a1
A=T1 FT = 3 0 1 = a2
0 0 0
a3
e
a1
a2
= 2
= 3
a3
= 0.
= 1
2
3
= 1
= 1.
Segundo Passo:
1 0
0 1
0 0
85
86
Notas de Aula
Assim,
s3 1 s2 2 s 3
= (s 1 )(s 2 )(s 3 )
= (s + 1)3
= s3 + 3s2 + 3s + 1,
e
1
2
1
=
=
=
3
3
1.
Terceiro Passo: Lz
a1 1
2 + 3
1
Lz = a2 2 = 3 + 3 = 6 .
a3 3
0+1
1
Quarto Passo:
2
L = TLz = 2, 3333
1
3
2
2
F LH = 3, 3333 2 2, 3333 .
1
1
2
O observador sera
=
x
=
(F LH)
x + Gu + Ly
3
2
2
2
2
3, 3333 2 2, 3333 x
+ 0 u + 2, 3333 y.
1
1
2
0
1
u = K
x = 0, 25
.
0, 3889 0, 8681 x
.
= 0, 25 0, 3889 0, 8681 x
3.7
87
Exerccios
1. Seja o sistema
1 1 0
2
2 0 1 x(k) + 1 u(k)
1 0 0
0
1 0 0 x(k).
x(k + 1)
y(k) =
d
x
dt
y(k)
1 3 1
1
= 1 0 0 x + 0 u
0 1 0
0
1 0 1 x(k).
=
x(k + 1)
y(k) =
1 2 1
0
0 2 3 x(k) + 1 u(k)
1 0 4
0
1 0 1 x(k).
a) Determinar um controle modal de tal forma que os polos fiquem posicionados em 0,1, 0,2 e 0,5;
b) Determinar um observador de tal forma que o erro de estado seja regido
por um sistema com polos em 0,3, 0,2 e 0,2.
4. Considere o sistema abaixo.
88
Notas de Aula
d
x
dt
y
1 2 1
1
= 0 2 3 x + 1 u
1 0 4
0
1 0 1 x.
=
a) Determinar um controle modal de tal forma que os polos fiquem posicionados em -1, -2 e -5.
b) Determinar um observador de tal forma que o erro de estado seja regido
por um sistema com polos em -3, -2 e -2.
3.8
1.
a)
0, 400
L = 2, 110
0, 994
b)
K = 0, 515
c)
b(k + 1)
x
2, 429 5, 347
0, 400
0, 429 5, 859 10, 693
0, 625 2, 429 4, 347 x
b(k) + 2, 110 y(k)
0, 994
0, 006
0
0
b(k).
0, 515 2, 429 5, 347 x
u(k) =
2.
a)
K= 6
b)
10
43, 5
L = 19, 5
27, 5
c)
b =
x
u =
48, 5 7 46, 5
43, 5
18, 5 0 19, 5 x
b + 19, 5 y
27, 5
1
27, 5
27, 5
b.
6 4 10 x
3.
a)
u(k) = 9, 085
b)
b(k + 1)
x
1, 948 2 1, 948
0
2, 948
4, 302 2 1, 302 x
b(k) + 1 u(k) + 4, 302 y(k).
2, 352 0 0, 648
0
3, 352
4.
a)
u = 11, 333
b)
b
x
4, 667
2
10
2
=
16, 667 0
4, 667
1
3, 667
b + 1 u + 10, 000 y.
7 x
13, 667
0
17, 667
89
Captulo 4
Controle Otimo
e Filtro de
Kalman - Estabilizador 2
O principal objetivo deste captulo e definir o conceito de controle otimo e de
filtro de Kalman. Por otimizacao, podemos encontrar tanto o ganho K de controladores por realimentacao de estado, tanto quanto o ganho L de observadores
de estado. No primeiro caso, o controle e denominado controle quadratico; e no
segundo, filtro de Kalman. O controlador e o observador assim obtidos poderao
servir como base de estabilizadores.
4.1
4.1.1
Controle Otimo
e Filtro de Kalman - Estabilizador 2
91
4.1.2
Caso Discreto
J=
1X T
(x (k)Qx(k) + Ru2 (k))
2
k=0
92
4.2
Notas de Aula
4.2.1
Caso Contnuo
4.2.2
Caso Discreto
P = Q + T P P(R+T P)
T P.
mI
0
0
0
Controle Otimo
e Filtro de Kalman - Estabilizador 2
T
93
1
T P(k).
T P(k).
K = (R + T P)
4.2.3
T P.
Exemplo
7 5
1
x(k + 1) =
x(k)+
u(k),
1 0
0
considerando Q = 10I e R = 1.
Soluc
ao:
Do processo, podemos escrever
=
=
7 5
1 0
1
.
0
10I
1
0
83, 176
P=
36, 768
e
4.3
K = (R + T P)
36, 768
34, 703
T P = 7, 354 4, 941 .
94
4.3.1
Notas de Aula
Caso Contnuo
Fx + Gu
Hx + Ju,
observavel.
Podemos definir um observador da seguinte forma
= (F LH)
x
x + Gu + L(y Ju),
onde o vetor L, de dimensao [n 1], e convenientemente calculado.
, por
Definindo o vetor erro de estado, x
=xx
,
x
podemos escrever
= (F LH)
x
x.
e x.
assegurando que em regime permanente x
4.3.2
Caso Discreto
Controle Otimo
e Filtro de Kalman - Estabilizador 2
95
(k) e x(k).
assegurando que em regime permanente x
4.4
4.4.1
Fx + Gu
Hx + Ju,
escolher um n
umero positivo R e a matriz definida positiva Q.
Segundo Passo:
Determinar a matriz P pela equacao
FP + PFT +Q PHT R1 HP = 0.
A equacao acima e denominada equacao de Riccati, e a matriz P e simetrica.
O Scilab tem um programa que permite calcular a matriz de Riccati.
Terceiro Passo:
Podemos, agora, determinar L por
L = PHT R1 .
4.4.2
Caso Discreto
96
Notas de Aula
P = Q + PT PHT (R+HPHT )
HPT .
mI
0
0
0
HP(k)T .
Terceiro Passo:
Podemos, agora, determinar L por
1
L = PHT (R + HPHT )
4.4.3
Exemplo
1
7 5
u(k)
x(k)+
x(k + 1) =
0
1 0
y(k) = 1 0 x(k),
considerando Q = 10I e R = 1.
Soluc
ao:
Do processo, podemos escrever
7 5
=
1 0
1
=
0
= 1 0 .
O observador e
(k + 1) = ( LH)
x
x(k) + u(k) + Ly(k).
A matriz de Riccati e calculasda por
Q =
R =
P(0) =
10I
1
0
Controle Otimo
e Filtro de Kalman - Estabilizador 2
97
1
HP(k)T .
Em 10 iteracoes, tem-se
331, 494
P=
7, 085
7, 085
10, 997
T 1
L = PH (R + HPH )
7, 085
=
.
0, 997
4.5
(F LH)
x(k) + Gu(k) + Ly(k)
0, 085 5
1
7, 085
(k) +
=
x
u(k) +
y(k).
0, 003 0
0
0, 997
Controle Quadr
atico com Filtro de Kalman
- Estabilizador
4.5.1
Caso Contnuo
Fx + Gu
Hx + Ju,
x
F GK
GK
x
=
.
0
F LH
x
98
Notas de Aula
Conseq
uentemente,
F GK
GK
det sI
0
F LH
det(sI [F GK])
det(sI [F LH]),
o que prova que os polos do sistema combinado sao os mesmos da uniao dos
polos definidos pelo Filtro de Kalman com os polos definidos pelo Controle
Quadratico.
Como os polos definidos pelo Filtro de Kalman e os polos definidos pelo Controle Quadratico tem parte real negativa, entao pelo Teorema da Estabilidade
(t) =
lim x
lim x(t) =
lim y(t) =
0.
Fx + Gu
Hx + Ju,
b = [F LH GK + LJK]b
x
x + Ly
= Fx + Gu
x
u = Kb
x
y = Hx + Ju
Fx + Gu
Hx,
Controle Otimo
e Filtro de Kalman - Estabilizador 2
99
x
u
= (F LH GK)
x + Ly
= K
x.
u
b = [F LH GK]b
x
x + Ly
= Fx + Gu
x
u = Kb
x
y = Hx
4.5.2
Caso Discreto
= x(k) + u(k)
= Hx(k) + Ju(k),
x(k + 1)
K
K
x(k)
=
.
(k + 1)
(k)
x
0
LH
x
Conseq
uentemente,
K
K
det zI
0
LH
det(zI [ K])
det(zI [ LH]),
100
Notas de Aula
o que prova que os polos do sistema combinado sao os mesmos da uniao dos
polos definidos pelo Filtro de Kalman com os polos definidos pelo Controle
Quadratico.
Como os polos definidos pelo Filtro de Kalman e os polos definidos pelo
Controle Quadratico estao dentro do crculo unitario, entao pelo Teorema da
Estabilidade
(k)
lim x
lim x(k)
lim y(k)
0.
t
t
y(k)
x(k + 1) = x(k) + u(k)
y(k) = Hx(k) + Ju(k)
x(k) + u(k)
= Hx(k),
( LH K)
x(k) + Ly(k)
= K
x(k).
Controle Otimo
e Filtro de Kalman - Estabilizador 2
u(k)
101
y(k)
b (k + 1) = [ LH K]b
x
x(k) + Ly(k)
u(k) = Kb
x(k)
y(k) = Hx(k)
4.6
Exerccios
1. Seja o sistema
x(k + 1)
y(k) =
1 2 1
0
0 2 3 x(k) + 1 u(k)
1 0 4
0
1 0 1 x(k).
102
Notas de Aula
4.7
1.
a)
b)
b(k + 1)
x
2, 937
0
1, 937 2 1, 937
4, 394 2 1, 394 x
b(k) + 1 u(k) + 4, 394 y(k).
3, 455
0
2, 455 0 0, 545
c)
2, 937
1, 937
2
1, 937
13, 804 4, 313 35, 547 x
b(k) + 4, 394 y(k)
3, 455
2, 455
0
0, 545
b
9, 410 6, 313 34, 152 x(k).
b(k + 1)
x
u(k) =
Captulo 5
Seguimento Robusto
O principal objetivo deste captulo e definir o conceito de seguimento robusto.
Quando se fala em seguimento robusto, esta-se referindo `a robustez da capacidade de seguimento de um sinal. Em outras palavras, dado um sinal de referencia, pertencendo a uma certa classe, deseja-se encontrar um controlador
tal que a sada do processo, ou seja, o sinal a ser controlado, siga o sinal de referencia em regime permanente, mesmo que haja uma flutuacao nos parametros
do processo. O processo pode ter uma perturbacao determinstica, como ja estudado. Tanto o sinal de referencia, como a perturbacao devem ser solucao de uma
mesma equacao homogenea diferencial ou a diferenca (caso discreto). O segredo
da robustez de seguimento esta no controlador que mantem a propriedade de
seguimento em regime permanente, apesar de haver variacoes nos parametros
do processo, desde que seja conservada a estabilidade do sistema realimentado.
Este tipo de controle tambem e chamado na literatura de servomecanismo robusto ou simplesmente, de servomecanismo.
5.1
O sinal de Refer
encia e a Perturbac
ao
5.1.1
Caso Contnuo
0
0,
104
Notas de Aula
onde os coeficientes d1 , d2 , ..., dn sao conhecidos. A determinacao dos coeficientes d1 , d2 , ..., dn pode ser feita pelos metodos ja estudados.
A determinacao dos coeficientes d1 , d2 , ..., dn pode ser feita como segue.
Seja W (t) uma senoide definida por
W (t) = Bsen(wt)
seja r(t) um degrau dado por
r(t) = A.
Estes sinais satisfazem
(p2 + w2 )W (t)
pr(t)
=
=
0,
0.
p3 + 0p2 + w2 p + 0
p3 d1 p2 d2 p d3 ,
5.1.2
= 0
= w2
= 0.
Caso Discreto
(q d1 q
n1
dn )W (k)
0,
Seguimento Robusto
5.2
105
5.2.1
Caso Contnuo
CONTROLADOR
ESTABILIZADOR
u
SERVO
yf
PROCESSO
y
+
=
=
=
Ff xf + Gf u
Hf xf + Jf u
yf + W,
n1
(p d1 p
dn )r(t) =
0,
0.
= 0,
106
Notas de Aula
Princpio do servo-compensador
Da definicao de erro , podemos escrever que
= ry
= r Hf xf Jf uW.
Mas,
(pn d1 pn1 dn ) = (pn d1 pn1 dn )r
(pn d1 pn1 dn )Hf xf
(pn d1 pn1 dn )Jf u
(pn d1 pn1 dn )W
n
n1
(p d1 p
dn ) = Hf xp Jf ,
onde,
xp = (pn d1 pn1 dn )xf ,
e
= (pn d1 pn1 dn )u.
A equacao acima define o servo-compensador que calcula o sinal de sada u
e e alimentado por um sinal auxiliar .
O servo-compensador pode ser descrito na forma canonica de controlabilidade, como segue
x u
u =
d1
d2
In1
0
dn
0
..
.
xu +
0
xu ,
ou seja,
x u =
u =
Fu xu + Gu
Hu xu ,
1
0
..
.
0
Seguimento Robusto
107
onde
Fu
d1
Hu
dn
0
..
.
In1
Gu
d2
1
0
...
0 1
Princpio do estabilizador
Da equacao de estado do processo, podemos escrever
x f
pxf
(p d1 p
dn )pxf
p(pn d1 pn1 dn )xf
n
Ff xf + Gf u
= Ff xf + Gf u
= (pn d1 pn1 dn )(Ff xf + Gf u)
= Ff (pn d1 pn1 dn )xf
+Gf (pn d1 pn1 dn )u
= Ff xp + Gf .
n1
x p
Assim, a relacao entre e e
n1
(p d1 p
x p = Ff xp + Gf
dn ) = Hf xp Jf .
Mas,
(pn d1 pn1 dn ) = Hf xp Jf
pode ser posta na forma canonica de controlabilidade
=
ou seja,
d1
d2
In1
0
0 1
dn
0
..
.
0
x ,
x +
1
0
..
.
0
(Hf xp Jf )
108
Notas de Aula
x =
=
Fu x + Gu (Hf xp Jf )
Hu x .
x p
x
Ff
0
Gu Hf Fu
xp
0 Hu
.
x
xp
Gf
+
x
Gu Jf
Definindo
x=
xp
,
x
x =
=
Ff
0
Gf
x+
Gu Hf Fu
Gu Jf
0 Hu x,
e que
x =
=
Fx + G
Hx,
onde
F =
G =
H =
Ff
Gu Hf
Gf
Gu Jf
0 Hu .
0
Fu
A determinacao de e feita atraves de um controle modal usando observador de estado, ou seja, atraves de um estabilizador, conforme anteriormente
estudado, tendo em vista que o estado, x, nao e disponvel.
Seguimento Robusto
109
=
=
x
,
a relacao entre e
x p
x
Ff
0
Gu Hf Fu
xp
= 0 Hu
x
xp
Gf
+
x
Gu Jf
x p
x e
e =
0
xp
Gf
+
Fu xe
Gu Jf
xp
Hu
.
xe
Ff
Gu Hf
yp
x p = Ff xp + Gf
x e = Fu xe + Gu yp
yp = Hf xp + Jf
e = Hu xe
1
sn
d1
sn1
dn
yp (s).
110
Notas de Aula
Logo,
e(s) =
Dp
e
(s) =
(s)(sn
Np (s)
(s),
d1 sn1 dn )
Np (s)
(s).
Dp (s)(sn d1 sn1 dn )
5.2.2
Caso Discreto
CD
CAD
ESTABILIZADOR
CDA
SERVO
yf
PROCESSO
= d1 q n1 W (k) + + dn W (k),
= d1 q n1 r(k) + + dn r(k),
y
+
Seguimento Robusto
111
(q n d1 q n1 dn )W (k) =
(q n d1 q n1 dn )r(k) =
0,
0.
= 0,
Princpio do servo-compensador
Da definicao de erro (k), podemos escrever que
(k) =
=
r(k) y(k)
r(k) Hf xf (k) Jf u(k)W (k)
Mas,
(q n d1 q n1 dn )(k)
(q n d1 q n1 dn )(k)
(q n d1 q n1 dn )r(k)
(q n d1 q n1 dn )Hf xf (k)
(q n d1 q n1 dn )Jf u(k)
(q n d1 q n1 dn )W (k)
= Hf xp (k) Jf (k),
onde
xp (k) = (q n d1 q n1 dn )xf (k),
e
(k) = (q n d1 q n1 dn )u(k).
A equacao acima define o servo-compensador que calcula o sinal de comando
u(k) e e alimentado por um sinal auxiliar (k).
112
Notas de Aula
xu (k + 1)
u(k) =
d1
d2
dn
0
..
.
In1
0
0 1
xu (k) +
1
0
..
.
(k)
0
xu (k),
ou seja,
xu (k + 1) =
u(k) =
u xu (k) + u (k)
Hu xu (k),
onde
Hu
d1
d2
dn
0
..
.
In1
1
0
..
.
0
0
Princpio do estabilizador
Da equacao de estado do processo, podemos escrever
xf (k + 1)
qxf (k)
n
n1
(q d1 q
dn )qxf (k)
q(q n d1 q n1 dn )xf (k)
=
=
=
=
f xf (k) + f u(k)
f xf (k) + f u(k)
(q n d1 q n1 dn )(f xf (k) + f u(k))
f (q n d1 q n1 dn )xf (k)
+f (q n d1 q n1 dn )u(k)
(q d1 q
n1
xp (k + 1) =
dn )(k) =
f xp (k) + f (k)
Hf xp (k) Jf (k).
Seguimento Robusto
113
Mas
(q n d1 q n1 dn )(k) = Hf xp (k) Jf (k)
pode ser posta na Forma Canonica de Controlabilidade
x (k + 1)
(k) =
d1
d2
In1
0
0 1
dn
0
..
.
x (k) +
1
0
..
.
0
x (k),
ou seja,
x (k + 1) =
(k) =
f
0
xp (k)
f
=
+
(k)
u Hf u x (k)
u Jf
xp (k)
(k) = 0 Hu
.
x (k)
xp (k + 1)
x (k + 1)
Definindo
x(k) =
xp (k)
,
x (k)
x(k + 1)
(k)
f
0
f
x(k) +
(k)
u Hf u
u Jf
= 0 Hu x(k),
e que
x(k + 1)
(k) =
onde
Fx(k) + (k)
Hx(k),
114
Notas de Aula
f
0
=
u Hf u
f
=
u Jf
H = 0 Hu x.
A determinacao de (k) e feita atraves de um controle modal usando observador de estado, conforme anteriormente estudado, tendo em vista que o estado,
x(k), nao e disponvel.
Controlabilidade e Observabilidade da Rela
c
ao entre (k) e (k)
Definindo-se
xe (k) = x (k)
e(k) = (k),
a relacao entre (k) e (k)
xp (k + 1)
x (k + 1)
f
0
xp (k)
f
+
(k)
u Hf u x (k)
u Jf
xp (k)
(k) = 0 Hu
x (k)
=
xp (k + 1)
xe (k + 1)
e(k)
=
=
0
xp (k)
f
+
(k)
u xe (k)
u Jf
xp (k)
Hu
.
xe (k)
f
u H f
Seguimento Robusto
115
e(k)
yp (k)
(k)
xp (k + 1) = f xp (k) + f (k)
xe (k + 1) = u xe (k) + u yp (k)
e(k) = Hu xe (k)
1
zn
d1
z n1
dn
yp (z).
Np (z)
(z),
Dp (z)(z n d1 z n1 dn )
e
(z) =
Np (z)
(z).
Dp (z)(z n d1 z n1 dn )
5.3
5.3.1
= Ff x f + G f u
= Hf xf + Jf u + W,
0,
0.
116
Notas de Aula
= r y.
Segundo Passo: determinacao do servo-compensador
xu
u =
Fu xu + Gu
Hu xu,
onde
Fu
Gu
Hu
d1
d2
In1
1
0
..
.
0
0
dn
0
..
.
Fx + G
Hx,
onde
F =
G =
H =
Ff
Gu Hf
Gf
Gu Jf
0 Hu
0
Fu
[F LH GK]b
x + L
Kb
x.
Seguimento Robusto
117
r
+
= [F LH GK]b
b
x
x + L
= Kb
x
u = Fu xu + Gu
x
u = Hu xu
f = Ff x f + G f u
x
yf = Hf xf + Jf u
5.3.2
Caso Discreto
(q n d1 q n1 dn )W (k) =
(q n d1 q n1 dn )r(k) =
0,
0.
u xu (k) + u (k)
Hu xu (k),
onde
Hu
d1
d2
In1
1
0
..
.
0
0
dn
0
..
.
0 1
yf
+
118
Notas de Aula
Terceiro Passo: determinacao da relacao entre (k) e (k)
A relacao entre (k) e (k) e dada por
x(k + 1) =
(k) =
x(k) + (k)
Hx(k),
onde
=
=
H =
f
0
u Hf u
f
u Jf
0 Hu .
5.3.3
Exemplo
Seja o processo
x f
y
2, 8 1, 6
1
xf +
u
1
0
0
= 0 1 xf +0.1.
=
Seguimento Robusto
119
b (k) = 0
x
xu (k) = 0
u(k) = Hu xu (k)
CDA
ENVIAR PARA O
PROCESSO : u(k)
CAD
LER
(k)
(k) = Kb
x(k)
b (k + 1) = [F LH GK]b
x
x(k) + L(k)
xu (k + 1) = Fu xu (k) + Gu (k)
b (k) = x
b (k + 1)
x
xu (k) = xu (k + 1)
120
Notas de Aula
f
f
=
=
1
1
Ff T + (Ff )2 T 2 +
2!
3!
I + Ff T
T Gf .
I+
Considerando que
Ff =
e
1, 6
0
1
Gf =
,
0
podemos escrever
f =
2, 8
1
0, 74914
0, 08699
0, 13918
0.9927
0, 08699
f =
.
0, 00456
f xf (k) + f u(k)
Hf xf (k) + 0, 1
0 1 xf (k) + 0, 1.
Seguimento Robusto
121
onde
u
u
Hu
= [1]
= [1]
= [1] .
f
0
u Hf u
f
=
u Jf
= 0 Hu .
0, 74914 0, 13918
0.9927
= 0, 08699
0
1
0, 08699
= 0, 00456
0
= 0 0 1 .
0
0
1
1, 6405
L = 1, 3531 .
2, 1418
Podemos definir um controlador da seguinte forma
122
Notas de Aula
b(k + 1) = [ LH K]b
x
x(k) + L(k)
(k) = Kb
x(k).
Pode-se mostrar que
0, 4606
LH K = 0, 0719
0
5.4
1, 1566
0, 9394
1
1, 7205
1, 3573 .
1, 1418
Exerccios
= 3x + 2u
= 4x.
1 2 1
0
x(k + 1) = 0 2 3 x(k) + 1 u(k)
1 0 4
0
1 0 1 x(k).
y(k) =
a) Determinar o servo-compensador discreto para: W (kT ) = 10sen(2(kT ))
e r(kT ) = 2.
b) Determinar a relacao entre (k) e (k);
c) Determinar o estabilizador de tal forma que o observador tenha polos em
0, 1 e o controle modal tenha polos em 0, 8.
Seguimento Robusto
5.5
123
1.
a)
x u
0 144 0
1
1
0
0 xu + 0
0
0
1
0
0 0 1 xu
u =
b)
x u
1
0 144 0
1
0
0 xu + 0
0
1
0
0
0 0 1 xu
u =
c)
x u
u =
0
1
0
0
0
1
0
0
1
0 xu + 0
0
0
1 xu
2.
a)
1, 725 1, 725
0
xu (k + 1) = 1
0
1
u(k) = 0 0 1 xu (k)
1
1
0 xu (k) + 0 (k)
0
0
b)
3 3 1
1
xu (k + 1) = 1 0 0 xu (k) + 0 (k)
0 1 0
0
u(k) = 0 0 1 xu (k)
3.
a)
x u
u =
0
1
25
1
xu +
0
0
1 xu
124
Notas de Aula
b)
3 0
0
2
4 0 25 x + 0
0 1
0
0
0 0 1 x
x =
=
c)
b
x
0, 3 6, 243 3, 875
2
b + 22
0
3 x
= 4
0
1
0
0
b
= 1, 35 3, 121 0, 937 x
4.
a)
xu (k + 1)
u(k) =
1
2, 842 2, 842 1
1
0
0 xu (k) + 0 (k)
0
0
1
0
0 0 1 xu (k)
b)
1
0
1
x(k + 1) =
1
0
0
(k) = 0 0
2
2
0
0
0
0
0
1
3
4
1
0
0
0
0
0
0
0
0
0
2, 842 2, 842
1
0
0
1
0 1 x(k)
0
0
1
0
0
x(k) + 0 (k)
0
1
0
0
0
0
c)
0, 447
0, 137
2, 349 0, 002
3, 991 0, 542 13, 305 0, 012
0, 274
0, 033
2, 053
0, 000
b(k + 1) =
x
1
0
1
2, 842
0
0
0
1
0
0
0
0
0, 009
48, 412
48, 406
72, 631
0, 046
72, 661
70, 364
0, 001
70, 365
x
(k)
b(k) +
115, 720
32, 540
0
32, 540
1
7, 287
7, 287
b(k)
0, 187 0, 139 x
Captulo 6
Sntese de Sistemas
Descritos por Equaco
es de
Estado Contnuas
Seja o sistema contnuo
x =
y =
Fx + Gu
Hx + Ju.
Fx + Gu
Hx + Ju.
O uso de amplificadores operacionais permite sintetizar com facilidade sistemas descritos por equacoes de estado contnuas. Assim, observadores, servocompensadores e estabilizadores contnuos poderao ser sintetizados eletronicamente.
Para sistemas lineares, tres circuitos basicos sao necessarios: somador; inversor e integrador.
Somadores somam tensoes ponderadas. Inversores invertem o sinal de uma
tensao. E, integradores integram temporalmente uma soma ponderada de tensoes.
6.1
126
Notas de Aula
Idealmente consideramos
A'
Ri '
Ro ' 0.
vd
Ri
Ro
vo
Avd
6.2
Somador
v1
v2
I
R/a1 1
Ib
I
R/a2 2
v3
I
R/a3 3
Ri
vd
Ro
vo
Avd
vi
v1
a1
v2
a2
v3
a3
vi
vi = a1v1 + a2 v2 + a3 v3
vi
Ib
Ii
vd
Ri
Ro
Avd
vo
127
128
Notas de Aula
6.3
Inversor
vi
vi
6.4
Integrador
(a1 v1 + a2 v2 + a3 v3 )dt.
0
v1
v2
1/a1 C
1/a2 C
I1
Ib
I2
v3
1/a3 C
129
I3
Ri
vd
vo
Ro
Avd
x
v1
a1
v2
a2
v3
a3
x = a1 v1 + a2 v2 + a3 v3
130
Notas de Aula
vi
vi
a1
R/a2
v2
v2
a2
v3
a3
vi
v1
R/a3
v3
vi = a1v1 + a2 v2 + a3 v3
1/a1 C
v1
a1
v2
a2
v3
a3
v1
1/a2 C
v2
1/a3 C
v3
x = a1 v1 + a2 v2 + a3 v3
R
vi
vi
R
vi
vi
6.5
Exemplo
x =
y
2
0
131
1
2
x+
u
3
1
4 x.
= 2x1 + x2 + 2u
= 3x2 + u
= 3x1 + 4x2 .
x 1
x1
x2
1
x 2
x2
132
Notas de Aula
1/2C
R
R
x 1
C
x2
1/C
x1
+
+
1/2C
R/3
R/4
1/C
1/3C
x 2
x2
6.6
Exerccios
x = 2x + 3
y = 5x
6.7
133
1.
3
5
1
2
R
R
1/3C
x
R
R/5
1/2C
134
Notas de Aula
2.
x 1
x1
x 2
x2
1
1
2
x 3
x3
Refer
encias Bibliogr
aficas
[1] Stefani R. T., Savant Jr C. J., Shahian B., Hosttetter G. H. Design of
Feedback Control Systems, Saunders College Publishing,1994.
[2] Chen C. T. Introduction to Linear System Theory, Holt, Rinehart and Wiston,Inc,1970.
[3] Franklin G. F., Powell J. D., Emami-Naeini A. Feedback Control of Dynamic
Systems , Addison-Wesley Publishing Company, 1994.
[4] Hsu H. P. Teoria e Problemas de Sinais e Sistemas - Colec
ao Schaum ,
Bookman Companhia Editora, 2004.
[5] Pertence Junior, A. Amplificadores Operacionais e Filtros Ativos, McGrawHill, 1988.
135