Escolar Documentos
Profissional Documentos
Cultura Documentos
CENTRO DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA ELTRICA
CONTROLE ADAPTATIVO
1
Guilherme Pereira Marchioro Bertelli
2
RESUMO
Neste relatrio ser explicado o desenvolvimento do segundo trabalho da
disciplina, que consiste no projeto de algoritmos de identificao para estimar os
parmetros da planta utilizada na disciplina, tendo conhecimento apenas da entrada e da
sada do sistema: gradiente baseado em uma funo de custo instantnea com e sem
projeo, gradiente baseado em uma funo de custo integral, mtodo dos mnimos
quadrados puro e com fator de esquecimento. Os algoritmos e todas as simulaes
foram feitos utilizando o MATLAB. A fundamentao terica necessria para o
desenvolvimento do trabalho foi ministrada na disciplina Controle Adaptativo, pelo
professor Aldayr Dantas de Arajo, do Departamento de Engenharia Eltrica, da
Universidade Federal do Rio Grande do Norte.
LISTA DE FIGURAS
Figura 1 - Estimao de Parmetros .............................................................................. 6
Figura 2 - Planta utilizada para estudo ........................................................................... 6
Figura 3 - Resposta filtrada e sua estimativa para entrada degrau (a) ............................. 9
Figura 4 - Erro de estimao normalizado para entrada degrau (a) ................................. 9
Figura 5 - Estimativa para a1 para uma entrada degrau (a) .......................................... 10
Figura 6 - Estimativa para a2 para uma entrada degrau (a) .......................................... 10
Figura 7 - Estimativa para a3 para uma entrada degrau (a) .......................................... 11
Figura 8 - Resposta filtrada e sua estimativa para uma entrada senoidal (a) ................. 11
Figura 9 - Erro de estimao normalizado para uma entrada senoidal (a) ..................... 12
Figura 10 - Estimativa para a1 para uma entrada senoidal (a) ...................................... 12
Figura 11 - Estimativa para a2 para uma entrada senoidal (a) ...................................... 13
Figura 12 - Estimativa para a3 para uma entrada senoidal (a) ...................................... 13
Figura 13 - Resposta filtrada e sua estimativa para uma entrada degrau (b) ................. 14
Figura 14 - Erro de estimao normalizado para uma entrada degrau (b) ..................... 15
Figura 15 - Estimativa de a1 para uma entrada degrau (b) ........................................... 15
Figura 16 - Estimativa de a2 para uma entrada degrau (b) ........................................... 16
Figura 17 - Estimativa de a3 para uma entrada degrau (b) ........................................... 16
Figura 18 - Resposta filtrada e sua estimada para uma entrada senoidal (b) ................. 17
Figura 19 - Erro de estimao normalizado para uma entrada senoidal (b) ................... 17
Figura 20 - Estimativa para a1 para uma entrada senoidal (b) ...................................... 18
Figura 21 - Estimativa para a2 para umam entrada senoidal (b) ................................... 18
Figura 22 - Estimativa para a3 para uma entrada senoidal (b) ...................................... 19
Figura 23 - Resposta filtrada e sua estimativa para uma entrada degrau (c) .................. 20
Figura 24 - Erro de estimao normalizado para uma entrada degrau (c) ..................... 21
Figura 25 - Estimativa para a1 para uma entrada degrau (c)......................................... 21
Figura 26 - Estimativa para a2 para uma entrada degrau (c)......................................... 22
Figura 27 - Estimativa para a3 para uma entrada degrau (c)......................................... 22
Figura 28 - Resposta filtrada e sua estimativa para uma entrada senoidal (c) ............... 23
Figura 29 - Erro de estimao normalizado para uma entrada senoidal (c) ................... 23
Figura 30 - Estimativa para a1 para uma entrada senoidal (c) ...................................... 24
Figura 31 - Estimativa para a2 para uma entrada senoidal (c) ...................................... 24
Figura 32 - Estimativa para a3 para uma entrada senoidal (c) ...................................... 25
Figura 33 - Resposta da planta e sua estimativa para uma entrada degrau (d)............... 27
Figura 34 - Erro de estimao normalizado para uma entrada degrau (d) ..................... 27
Figura 35 - Estimativa para a1 para uma entrada degrau (d) ........................................ 28
Figura 36 - Estimativa para a2 para uma entrada degrau (d) ........................................ 28
Figura 37 - Estimativa para a3 para uma entrada degrau (d) ........................................ 29
Figura 38 - Resposta filtrada e sua estimativa para uma entrada senoidal (d) ............... 29
Figura 39 - Erro de estimao normalizado para uma entrada senoidal (d) ................... 30
Figura 40 - Estimativa para a1 para uma entrada senoidal (d) ...................................... 30
Figura 41 - Estimativa para a2 para uma entrada senoidal (d) ...................................... 31
Figura 42 - Estimativa para a3 para uma entrada senoidal (d) ...................................... 31
Figura 43 - Resposta filtrada e sua estimativa para uma entrada degrau (e) .................. 32
Figura 44 - Erro de estimao normalizado para uma entrada degrau (e) ..................... 32
Figura 45 - Estimativa para a1 para uma entrada degrau (e)......................................... 33
Figura 46 - Estimativa para a2 para uma entrada degrau (e)......................................... 33
4
Figura 47 - Estimativa para a3 para uma entrada degrau (e)......................................... 34
Figura 48 - Resposta filtrada e sua estimativa para uma entrada senoidal (e) ............... 34
Figura 49 - Erro de estimao normalizado para uma entrada senoidal (e) ................... 35
Figura 50 - Estimativa para a1 para uma entrada senoidal (e) ...................................... 35
Figura 51 - Estimativa para a2 para uma entrada senoidal (e) ...................................... 36
Figura 52 - Estimativa para a3 para uma entrada senoidal (e) ...................................... 36
5
SUMRIO
1
INTRODUO
.............................................................................................
2 DESENVOLVIMENTO ....................................................................................
19
20
23
25
26
29
32
34
3 CONCLUSES .................................................................................................
37
38
6
1 INTRODUO
A estimao de parmetros se mostra como uma ferramenta essencial na
identificao de sistemas e baseado em uma metodologia especfica, na qual os
parmetros da estrutura selecionada so manejados de modo que o modelo espelhe o
comportamento dinmico do sistema expresso pelos dados.
Para este trabalho, sero mostradas simulaes de alguns tipos de algoritmos
baseados no mtodo do gradiente e no mtodo dos mnimos quadrados. Uma breve
reviso dos mtodos ser demonstrada, direcionada as simulaes realizadas, e em
seguida os resultados sero comparados. Um controlador adaptativo s pode ser
projetado de forma eficaz havendo uma estimao de parmetros em tempo real.
A idia essencial por trs da estimao de parmetros em tempo real a
comparao da sada observada do sistema y(t) com a sada do modelo parametrizado
, cuja estrutura a mesma que o modelo da planta. O vetor de parmetros (t)
ajustado continuamente para que
se aproxime de y(t) com o passar do tempo.
A identificao dos parmetros ser realizada na planta vista na Figura 1, que foi
a planta selecionada para ser utilizada nos trabalhos da disciplina, cujos parmetros
constam na Tabela 01.
Parmetro
L
Valor
0.006
Unidade
H
0.6
KB
0.02486
V//s
JM
0.00844
Lbf-in-s
cM
0.00013
Lbf-in//s
KT
n
8.375
200
Lbf-in/A
Sem unidade
JL
Lbf-in-s
cL
0.5
Lbf-in//s
Overshoot = 1,966%
Nome
Indutncia da
armadura
Resistncia da
armadura
Constante
eletromotriz do
motor
Inrcia polar do
eixo do motor
Constante de
amortecimento do
eixo do motor
Constante de torque
Relao de
engrenagens
Inrcia polar do
eixo da carga
Constante de
amortecimento do
eixo da carga
8
2 DESENVOLVIMENTO
A utilizao do mtodo do gradiente envolve o desenvolvimento de uma
equao algbrica para o erro de estimativa que conduz a seleo de uma funo de
custo adequada J() que convexa em relao a , sendo uma estimativa para * em
cada instante de tempo t. A funo J() ento minimizada em relao a para cada
tempo t, utilizando o mtodo do gradiente.
No mtodo dos mnimos quadrados a ideia bsica encontrar um modelo
matemtico para uma sequncia de dados experimentais atravs da minimizao da
soma dos quadrados das diferenas entre os dados experimentais e os dados calculados
pelo modelo.
seguir sero mostrados os resultados das simulaes dos algoritmos de
identificao dos parmetros, feitos no MATLAB, onde todas as EDOs foram
resolvidas utilizando o mtodo do Euler.
2.2 Gradiente baseado em uma funo de custo instantnea sem projeo
A equao abaixo refere-se equao da planta modificada.
Definindo
Onde
, sendo ns o sinal de normalizao definido por
Logo a funo de custo instantnea obtida:
Em que
, e denominada matriz de ganhos adaptativos.
Realizando o clculo do gradiente da funo de custo, a partir de
, obtm-se:
9
Substituindo-se a equao acima na equao anterior, obtm-se, ento, a equao
principal do algoritmo do gradiente com funo de custo instantnea sem projeo:
10
11
Figura 8 - Resposta filtrada e sua estimativa para uma entrada senoidal (a)
12
13
14
A ideia deste mtodo minimizar a funo de custo J(q) sujeito a q S, sendo S
{
|
um conjunto convexo com fronteira suave definido por
,
onde g uma funo suave, ou seja, sem pontos de mudanas bruscas.
Assim, pode definir g(q) tal que
, onde r o raio de
uma circunferncia que engloba q*. Pode-se, ento, redefinir a Equao 1.6 para obter o
algoritmo do gradiente com projeo conforme a equao seguir:
{
Substituindo
, temos:
Figura 13 - Resposta filtrada e sua estimativa para uma entrada degrau (b)
15
16
17
2.2.2 Entrada Tipo Senoide
Para a realizao das simulaes, foi utilizado como tempo de simulao 20
segundos, com um intervalo h = 0.01. A entrada do sistema foi r(t) = 5sen(5t), e a
matriz de ganhos adaptativos foi anloga a simulao com uma entrada degrau. Seguem
os resultados:
Figura 18 - Resposta filtrada e sua estimada para uma entrada senoidal (b)
18
19
onde
, temos:
)
20
Pode-se, ento, definir q(t) e r(t) da seguinte forma:
)
]
Figura 23 - Resposta filtrada e sua estimativa para uma entrada degrau (c)
21
22
23
2.3.2 Entrada Tipo Senoide
As simulaes para uma entrada senoide para o gradiente com funo de custo
integral foi anloga a com entrada degrau, mas com uma entrada r(t) = sen(5t).
Figura 28 - Resposta filtrada e sua estimativa para uma entrada senoidal (c)
24
25
Onde,
]
[
26
termos prticos, ser executada em tempo real sendo os valores estimados na amostra (k 1) usados para obter os parmetros no instante de tempo atual (amostra k).
A estimao recursiva com reinicializao da matriz de covarincia rege-se pelas
seguintes equaes:
[
]
Onde,
o vetor de observao;
a sada real;
K o ganho do estimador;
o vetor de parmetro que se deseja estimar;
27
Figura 33 - Resposta da planta e sua estimativa para uma entrada degrau (d)
28
29
Figura 38 - Resposta filtrada e sua estimativa para uma entrada senoidal (d)
30
31
32
funcional modificado, de modo que o algoritmo atribua um peso maior a essas
informaes.
A alterao no funcional implica que a matriz de covarincia P pode ser
calculado empiricamente pela equao apresentada abaixo:
(
Figura 43 - Resposta filtrada e sua estimativa para uma entrada degrau (e)
33
34
Figura 48 - Resposta filtrada e sua estimativa para uma entrada senoidal (e)
35
36
37
3 CONCLUSES
Atravs da aplicao dos conhecimentos adquiridos em sala, foi possvel com
sucesso, realizar as estimao de parmetros em tempo real da planta escolhida para
desenvolvimento dos trabalhos da disciplina.
Os melhores resultados foram obtidos pelos mtodos com fator de esquecimento,
que conseguiram estimaes bastante satisfatrias para a sada da planta. Para uma
entrada degrau, o mtodo dos mnimos quadrados com fator de esquecimento se
mostrou mais eficiente, enquanto para uma entrada senoidal, esse mesmo mtodo, junto
com o mtodo do gradiente com uma funo de custo integral, mostraram resultados
mais satisfatrios.
A anlise dos resultados nos permite concluir que os mtodos que no envolvem
fator de esquecimento, apesar de serem mais fceis de implementar, so geram
resultados to satisfatrios para uma planta de segunda ordem.
Por fim, vale salientar a importncia do estudo realizado para o desenvolvimento
deste trabalho, sendo possvel ter compreendido, na prtica (por simulaes), como
funciona a estimao de parmetros em tempo real, que essencial para o projeto de
controladores adaptativos. Foi possvel adquirir certa sensibilidade quanto aos valores
dos ganhos adaptativos, bem como ter um contato mais aprofundado com a matemtica
por trs das leis adaptativas e estimao de parmetros.
38
4 REFERNCIAS BIBLIOGRFICAS
[1] P. A. Ioannou and J. Sun. Robust Adaptive Control, Prentice Hall, 1996.
[2] Notas de aula do professor Aldayr Dantas de Arajo, da disciplina Controle
Adaptativo, DEE, UFRN.
[3] K. Ogata. Engenharia de Controle Moderno. Prentice Hall do Brasil, 1993.
[4] Notas de aula do professor Antnio Augusto Rodrigues, da disciplina Identificao
e Controle Adaptativo, DAS, UFSC.