Você está na página 1de 63

UNIVERSIDADE ESTADUAL DO MARANHO

CENTRO DE CINCIAS TECNOLGICAS


CURSO DE ENGENHARIA DE COMPUTAO

PAULA DA COSTA SOUSA

CONTROLADOR LQR VIA MTODO DE BRYSON EM UM MANIPULADOR


ROBTICO IMPRESSO

So Lus
2016

UNIVERSIDADE ESTADUAL DO MARANHO


CENTRO DE CINCIAS TECNOLGICAS
CURSO DE ENGENHARIA DE COMPUTAO

PAULA DA COSTA SOUSA

CONTROLADOR LQR VIA MTODO DE BRYSON EM UM MANIPULADOR


ROBTICO IMPRESSO
Monografia

apresentada

ao

curso

de

Engenharia de Computao da Universidade


Estadual do Maranho, em cumprimento s
exigncias para obteno do ttulo de Bacharel
em Engenharia da Computao.
Orientador: Prof. Dr. Ivanildo Silva Abreu.

So Lus
2016

Paula da Costa Sousa

CONTROLADOR LQR VIA MTODO DE BRYSON EM UM MANIPULADOR


ROBTICO IMPRESSO
Monografia apresentada ao curso de Engenharia
de Computao da Universidade Estadual do
Maranho, em cumprimento s exigncias para
obteno do ttulo de Bacharel em Engenharia da
Computao.

________________________________________
Prof. Dr. Ivanildo Silva Abreu
Orientador

________________________________________
Prof. Dr. Mauro Sergio Silva Pinto
Primeiro membro da banca

________________________________________
Prof. Madson Cruz Machado
Segundo membro da banca

AGRADECIMENTOS
Agradeo primeiramente a Deus, pois sem Ele nada seria possvel.
Agradeo a minha me Lilia e meu pai Reginaldo pelo apoio e motivao. Agradeo
ao meu querido Ricardo Frias, que caminhou sempre ao meu lado no decorrer do
curso. Agradeo tambm ao meu orientador professor Ivanildo Abreu pela sua
orientao, pelo exemplo de profissional e motivao durante esses seis anos de
curso e pelo suporte para elaborao deste trabalho.
Agradeo profundamente aos meus professores e aos meus colegas das
turmas 2010.2 e 2011.1 do curso de Engenharia de Computao da UEMA, que de
alguma forma contriburam direta ou indiretamente para a minha formao.

Ao infinito e alm!
(Buzz Lightyear)

RESUMO

O presente trabalho tem como objetivo projetar o Regulador Linear Quadrtico para
garantir as propriedades de robustez no modelo dinmico obtido por FRIAS(2016) do
manipulador robtico impresso EEZTbotAR. O LQR um controlador que visa obter
um controle timo de forma a minimizar a energia do atuador sobre a planta,
resultando em melhor rendimento em sistemas que utilizam energia externa para a
ao de controle. O desafio de controle encontra-se em determinar as matrizes de
ponderao que garantam margem de ganho infinita e fase de pelo menos 60. Para
a seleo dos parmetros matriciais Q e R do ndice de desempenho quadrtico
utilizou-se o mtodo heurstico do Quadrado Inverso de Bryson. Desta forma, podese observar que o mtodo de Bryson, atuando no controle LQR, promoveu melhoras
com relao as respostas temporal e frequencial.
Palavras-chave: Controle LQR. Mtodo de Bryson. Diagrama de Bode. Resposta ao
Degrau. Manipulador Robtico.

ABSTRACT

The present work aims to design the Linear Quadratic Regulator in order to guarantee
the robust properties on the robotic manipulator EEZTbotAR dynamic model calculated
by FRIAS (2016). The LQR is a controller that aims to obtain a optimal control in order
to minimize an actuator energy on a plant, resulting in better performance in systems
that use external energy for a control action. The control challenge is concerned as
weighting matrices that guarantee infinite gain margin and phase of at least 60 . In
order to select the Q and R matrix parameters of the quadratic performance index, the
Bryson Inverse Square heuristic method was used. Thus, it can be observed that the
Bryson method, acting in the LQR control, promoted improvements regarding temporal
and frequency responses.
Key-words: LQR Control. Bryson Method. Bode Diagram. Step response. Robotic
Manipulator.

LISTA DE ILUSTRAES
Figura 1- Manipulador robtico EEZTbotARM........................................................... 22
Figura 2- Descrio simplificada de um sistema de controle..................................... 29
Figura 3- Diagrama em blocos de sistema de malha fechada................................... 30
Figura 4- Diagrama de blocos do sistema regulador timo ....................................... 46
Figura 5- Algoritmo de Bryson ................................................................................... 50
Figura 6- Diagrama de Bode de Sistema sem LQR .................................................. 51
Figura 7- Diagrama de Bode de sistema com LQR ................................................... 56
Figura 8- Diagrama de Bode de sistema com e sem controle LQR .......................... 56
Figura 9- Resposta ao degrau unitrio ...................................................................... 57
Figura 10- Comparao resposta ao degrau unitrio com e sem LQR ..................... 58
Figura 11- Diagrama de Bode do sistema compensado ........................................... 59
Figura 12- Banda passante em sistema com e sem LQR ......................................... 60

LISTA DE ABREVIATURAS E SIGLAS

EAR

Equao Algbrica de Riccati

EDR

Equao Diferencial de Ricatti

Ganho do Regulador Linear Quadrtico

Ganho do Filtro de Kalman

LQ

Linear Quadratic (Linear Quadrtico)

LQR

Linear Quadratic Regulator (Regulator Linear Quadrtico)

Soluo da Equao Algbrica de Riccati

Matriz de Ponderao do Estado

Matriz de Ponderao do Controle

SUMRIO

1.

INTRODUO ............................................................................................................................ 22

2.

OBJETIVO................................................................................................................................... 25

2.1.

Objetivo geral ........................................................................................................................ 25

2.2.

Objetivos especficos .......................................................................................................... 25

3.

JUSTIFICATIVA E MOTIVAO ............................................................................................ 26

4.

SISTEMAS DE CONTROLE .................................................................................................... 28

4.1.

Configurao do sistema ................................................................................................... 29

4.2.

Especificao de desempenho ......................................................................................... 30

4.3.

Compensao do sistema.................................................................................................. 31

5.

MODELAGEM EM ESPAOS DE ESTADO ........................................................................ 32

5.1.

Teoria de controle clssico e controle moderno ......................................................... 32

5.2.

Variveis de estado.............................................................................................................. 33

5.3.

Equao diferencial de estado ......................................................................................... 35

6.

MODELO NO ESPAO DE ESTADOS ................................................................................. 36

6.1.

Representao no espao de estados ........................................................................... 37

6.2.

Controlabilidade e Observabilidade ................................................................................ 37

6.2.1.

Controlabilidade ............................................................................................................... 38

6.2.2.

Observabilidade ................................................................................................................ 40

7.

CONTROLADOR LQR .............................................................................................................. 43

7.1.

Propriedades e uso do LQR .............................................................................................. 44

7.2.

Estrutura do controlador .................................................................................................... 44

7.3.

Problema linear quadrtico ............................................................................................... 46

7.4.

Matrizes de ponderao Q e R .......................................................................................... 47

8.

MTODO DE BRYSON ............................................................................................................ 48

8.1.
8.1.1.

Mtodos heursticos ............................................................................................................ 48


Controle timo Modal ..................................................................................................... 48

8.1.2.

Projeto Regulador com Estabilidade Prescrita ........................................................ 48

8.1.3.

Mtodo de Bryson ............................................................................................................ 49

9.

PROJETO DO CONTROLADOR ............................................................................................ 51

9.1.

Modelo do sistema ............................................................................................................... 51

9.2.

Controle LQR ......................................................................................................................... 53

9.2.1.

Seleo das matrizes de ponderao ......................................................................... 54

9.2.2.

Projeto do controlador .................................................................................................... 54

10.

SIMULAO E ANLISE .................................................................................................... 57

10.1.

Anlise no domnio do tempo ....................................................................................... 57

10.2.

Anlise no domnio da frequncia ............................................................................... 58

11.

CONSIDERAES FINAIS ................................................................................................. 61

REFERNCIAS .................................................................................................................................. 62

22

1. INTRODUO
Braos robticos impressos, capazes de segurar e manipular objetos, so
uma alternativa cada vez mais utilizada por universidades e laboratrios que abordam
estudos sobre robtica, automao de processos e engenharia de controle. Para isso,
as instituies de ensino podem se beneficiar do manipulador robtico EEZTbotARM.
O manipulador robtico impresso EEZTbotARM, desenvolvido por Carlo
Franciscone, uma opo que apresenta boa relao custo-benefcio, alm de
apresentar relativa facilidade de construo. Projetado principalmente para ser um
recurso educacional, o brao atende todos os requisitos dos estudantes de engenharia
que pretendem comear a aprendizagem dos principais conceitos de robtica e
controle.
Figura 1- Manipulador robtico EEZTbotARM

Fonte: Autor

O EEZTbotARM capaz de se mover para vrias posies devido


existncia de unies ou juntas que lhe permite executar diversas tarefas. As juntas
utilizam servo motores do tipo Micro Servo Motor Metal Gear Tower Pro MG90S,
capazes de uma rotao contnua de alta qualidade. Os vnculos, partes rgidas que
ligam as juntas, so impressas e montadas de acordo com as especificaes do
projetista.
No entanto, o sistema proposto no possui nenhum tipo de controle,
tornando-se, assim, um desafio na rea de engenharia de controle. Ento,

23

inicialmente, pode-se propor um controlador LQR (Linear Quadratic Regulator), pois


esta uma soluo tima que garante propriedades de robustez importantes, como
margem de ganho infinita e pelo menos 60 de margem de fase (OGATA, 2010).
No problema LQR, partimos da suposio de que todas as vriaveis do
sistema esto disponveis e podem ser medidas, e que a planta representa
perfeitamente o sistema real, no entanto, isto no verdade, possivelmente temos
incertezas na planta, alm de rudos e perturbaes atuando sobre a mesma que,
consequentemente, iro impactar negativamente no desempenho esperado, gerando
ento a necessidade de se utilizar uma abordagem de controle robusto (XUE; CHEN;
ATHERTON, 2007).
Para aplicao do controlador LQR ao manipulador robtico necessrio
conhecer a funo que define o sistema. Em Frias (2016), proposto ento um projeto
de identificao de sistemas, utilizando a ferramenta System Identification Toobox,
que garante um modelo matemtico de alta compatibilidade com o sistema real.
Diante disso, prope-se neste trabalho analisar como o sistema se
comporta com a ausncia de um controlador e posteriormente, aplicar as propriedades
de robustez garantidas pelo LQR. Em seguida, analisar a resposta do controlador em
relao a margem de ganho e de fase para o domnio da frequncia, que so
parmetros teis para verificar a estabilidade do sistema. Alm disso, realizar a
anlise da resposta ao degrau unitrio, verificando se esta atendeu s especificaes
de desempenho.
O desempenho do sistema LQR fortemente dependente da seleo das
matrizes de ponderao. Ento, mais precisamente, devemos dizer que o LQR timo
em relao s matrizes de ponderao e escolhidas. Assim uma soluo LQR
tima com uma escolha de e , normalmente, no ser tima para outras escolhas
de matrizes e . O problema que a especificao para o desempenho de um
sistema prtico de controle no ser em termos de e , logo tem-se o problema de
tentar encontrar os valores de e que iro atender as especificaes (XUE; CHEN;
ATHERTON, 2007).
As primeiras tcnicas utilizadas para a seleo das matrizes peso da
funo custo quadrtica foram de natureza heurstica. Uma dessas tcnicas o

24

mtodo

quadrtico

inverso

ou

"mtodo

quadrtico

inverso

de

Bryson"

(BRYSON,1975).
Logo, para o projeto do Regulador Linear Quadrtico, proposto neste
trabalho a utilizao do Mtodo Heurstico de Bryson para determinao dos ndices
de desempenho quadrtico.
A estrutura do trabalho continua da seguinte forma: no captulo 2, os
objetivos so apresentados. A justificativa e motivao so abordadas no captulo 3.
Nos captulos 4 ao 8 apresentado o referencial terico que d base ao projeto de
controle. No captulo 9 apresentado o projeto LTQ. O captulo 10 apresentada a
simulao e anlise dos resultados. As consideraes finais esto no captulo 11. E
finalmente, no captulo 12 so apresentadas as referncias.

25

2. OBJETIVO
2.1. Objetivo geral
Este projeto tem como objetivo aplicar o controle LQR na planta obtida
por Frias (2016) de um servo motor do manipulador robtico EEZTbotARM.
2.2. Objetivos especficos
a) Levantar o estado da arte em relao a anlise e projetos de controle
moderno e robusto;
b) Transferir o modelo da junta do manipulador robtico, identificado por Frias
(2016) para obteno de variveis de estado;
c) Aplicar as matrizes de controlabilidade e observabilidade para verificar se
o sistema controlvel e observvel;
d) Projetar o controlador LQR, que garanta margem de ganho infinita e fase
de pelo menos 60;
e) Executar e simular as etapas do projeto no software MATLAB;
f) Analisar os resultados no domnio do tempo e da frequncia;
g) Verificar se o controle atende s especificaes de projeto: % < 10, <
8 e = 0.

26

3. JUSTIFICATIVA E MOTIVAO
Na sociedade atual, crescente a necessidade de realizar tarefas com
eficincia e preciso. Existem tambm tarefas a ser levadas a cabo em lugares em
que a ao humana difcil, arriscada e at mesmo impossvel, como no fundo do
mar ou em meio imensido do espao. Para execut-las, faz-se necessria a
presena de dispositivos mecatrnicos (robs), que as realizem sem risco de vida
(ROSRIO, 2005).
Em virtude disso, muitas universidades e laboratrios tm investido no
estudo da rea de robtica, para aperfeioar o conhecimento dos alunos. O estudo da
robtica traz consigo outras reas de estudo importantes para seu aprimoramento,
automao de processos e engenharia de controle.
Dentro deste vasto campo dos sistemas robticos, podem-se destacar os
dispositivos que so chamados de manipuladores robticos, robs de base fixa
utilizados para mover objetos (manipular) ao seu redor. Esses encontram aplicaes
em diferentes campos desde a rea industrial, onde desempenham as mais variadas
funes.

Muitos

manipuladores

robticos

apresentam

preos

elevados,

proporcionando baixa acessibilidade aos estudantes. No entanto, instituies de


ensino podem se beneficiar do EEZTbotARM, um brao robtico que capaz de se
mover para vrias posies devido existncia de juntas que utilizam servo motores
do tipo Micro Servo Motor Metal Gear Tower Pro MG90S.
Entretanto, os servos motores que compe o manipulador robtico em
questo no possuem nenhum tipo de controle, apresentando um desafio na rea de
controle. Deste modo, possvel a aplicao de um controle LQR para anlise do
comportamento de estabilidade e robustez em sistemas controlados e no
controlados. Alm disso, o LQR visa obter um controle timo de forma a minimizar a
energia do atuador sobre a planta. Com o estudo do controlador LQR pode-se
destacar minimizao da energia demandada pelo sistema, resultando em melhor
rendimento em sistemas que utilizam energia externa para a ao de controle.
Para isso, preciso ter conhecimento do modelo matemtico do sistema.
Em Frias (2016), utiliza-se a metodologia de identificao de sistemas, utilizando a
ferramenta System Identification Toobox da plataforma Matlab em conjunto com o

27

microcontrolador Arduino UNO, para garantir um modelo matemtico de alta


compatibilidade com o sistema real. Dessa forma, tornando possvel a aplicao do
Regulador Linear Quadrtico.

28

4. SISTEMAS DE CONTROLE
Diversas aplicaes que atingem os alicerces da sociedade moderna se
beneficiam de sistemas controlados automaticamente. O nosso dia-a-dia est repleto
de objetivos a serem realizados, que necessitam de dispositivos que auxiliem ou
tornem nossas vidas mais confortveis. Um exemplo disso seria, no aspecto
domstico, a necessidade de regular temperatura e umidade de casas e prdios.
Porm, os sistemas de controle alcanam um universo bem maior de aplicaes,
como lanamento de foguetes e naves espaciais em rbitas terrestres, veculos
autnomos, controle de presso e nveis de lquidos, controle de processos industriais,
robtica mvel, entre outras.
Esses sistemas no so desenvolvidos apenas pelas mos humanas, mas
podem ser observados na prpria natureza. O corpo humano possui diversos sistemas
de controle, cada um com funes inquestionavelmente importantes para nossa
sobrevivncia, como exemplo do pncreas que regula o acar do sangue.
entendvel que at mesmo o mundo no-fsico parece ser controlado de forma
automtica, o que serve de inspirao para o desenvolvimento e aplicao de
controles automticos em atividades do dia-a-dia, afim de torn-las mais simples e
confortveis ao ser humano.
Sistemas de controle, atribudos ao mundo fsico, no so apenas
privilgios da sociedade moderna, mas suas aplicaes remontam de eras mais
antigas. As primeiras aplicaes podem ser observadas, por exemplo, no
desenvolvimento de mecanismos reguladores de nveis com boias na Grcia no
perodo de 300 a 1 a.C. J na indstria, os primeiros controles automticos com
realimentao, de que se tem notcia, foram o regulador de temperatura de Cornelis
Drebbel (1572-1633), na Holanda e o regulador de presso para caldeiras a vapor de
Dennis Papin (1647-1712). Algumas fontes relatam que o primeiro sistema controlado
automaticamente foram os reguladores de esferas, desenvolvido por James Watt em
1769. Outras falam dos reguladores de nveis de gua com boia, inventado por I.
Polzunov em 1765, na Rssia. Embora no se saiba ao certo qual foi o primeiro
sistema de controle automtico desenvolvido, notvel sua presena e sua
necessidade no decorrer da histria.

29

Um sistema de controle automtico um conjunto de dispositivos


interconectados que formam uma configurao de sistemas, a fim de gerenciar outros
dispositivos, produzindo uma resposta (sada) desejada com desempenho desejado.
O controle de grandezas ou variveis fsicas significa alterar os seus valores de acordo
com uma inteno. A inteno, relatada, a representao da sada do sistema. Por
exemplo, se considerarmos o movimento de um elevador, quando o boto de um
determinado andar pressionado, o elevador sai do andar de origem para o de destino
em uma velocidade e preciso de nivelamento desenvolvidos para o conforto do
passageiro. A presso no boto do andar escolhido a entrada que representa a sada
desejada do sistema.
Figura 2- Descrio simplificada de um sistema de controle

Fonte: Autor

Em sntese, os sistemas de controle auxiliam as pessoas a executarem


atividades que manualmente seriam impossveis ou muito difceis de realizar. Com
esses sistemas possvel movimentar equipamentos de grande escala com mais
preciso e maior velocidade. Sem a ajuda dos controladores, no seria possvel atingir
a potncia necessria para mover uma carga na velocidade desejada. Dessa forma,
os controladores so basicamente reguladores de variveis, que tem como razes:
amplificao de potncia, o controle remoto, convenincia da forma de entrada e
compensao por perturbaes externas.
4.1. Configurao do sistema
Texto H dois grandes tipos de configurao dos sistemas de controle:
malha aberta e malha fechada. Os sistemas que utilizam da configurao de malha
aberta no podem gerar compensao a nenhuma perturbao que some ao sinal de
acionamento do controlador, ou seja, no h como corrigir a sada real para que esta
atenda a representao da sada desejada. J o controle de malha fechada uma
arquitetura que possibilita a correo dessas perturbaes, utilizando sensores para

30

medir a resposta da sada real e assim compar-la entrada. Em virtude do objetivo


deste projeto, faz-se necessrio a aplicao de um controle com configurao de
malha fechada (controle com realimentao), pois as variaes na velocidade e
posicionamento do brao robtico, precisam ser corrigidas.
Figura 3- Diagrama em blocos de sistema de malha fechada

Fonte: 1Autor

4.2. Especificao de desempenho


Os sistemas controlados automaticamente trabalham com especificaes
necessrias para um melhor desempenho. As especificaes de sistema esto
relacionadas a resposta transitria e ao estado estacionrio. A resposta transitria
o comportamento do sistema no tempo a uma entrada () do ponto inicial at o ponto
de equilbrio, caso o sistema seja estvel. O Overshoot (tempo de pico), tempo de
assentamento so especificaes que devem ser ajustadas em termos de resposta
transitria.
Um sistema de controle possui como vantagem o ajuste da resposta
transitria, sendo uma caracterstica importante para o projetista de sistemas de
controle. Alm disso, com a adio da malha de realimentao, possvel atenuar a
influncia de perturbaes que podem atuar sobre o sistema e tambm reduz a
sensibilidade do sistema a variaes de parmetros na planta. No entanto,
necessrio comparar e analisar o erro de regime estacionrio entre um sistema de
malha aberta e um de malha fechada. O erro de regime estacionrio a diferena
entra a entrada de referncia e a sada do sistema quando este apresenta uma
resposta continua no tempo.

31

Contudo, as especificaes podem ser dadas em termos de resposta em


frequncia.
As especificaes de um sistema de controle devem ser dadas antes do
incio do projeto e, geralmente, as especificaes de desempenho no devem ser
muito mais rigorosas que o necessrio para executar a tarefa. Se a preciso na
operao em estado estacionrio de extrema importncia em um dado sistema de
controle, ento ns no devemos requerer especificaes desnecessariamente
rigorosas na resposta transitria, pois tais especificaes requerem componentes
caros. Lembrando que a parte mais importante no projeto de um sistema de controle
definir os requerimentos de desempenho de forma que eles iro garantir um sistema
timo para seu propsito (OGATA, 2010).
4.3. Compensao do sistema
Definir o ganho o primeiro passo no ajuste do sistema para desempenho
satisfatrio. Em muitos casos prticos, no entanto, somente o ajuste do ganho poder
no prover alterao suficiente do comportamento do sistema para alcanar as
especificaes dadas. Como frequentemente o caso, aumentar o valor do ganho
pode melhorar o comportamento em estado estacionrio mas ir resultar em
estabilidade pobre ou at mesmo instabilidade. , ento, necessrio reprojetar o
sistema (por meio da modificao da estrutura incorporando dispositivos ou
componentes adicionais) para alterar o comportamento geral de maneira que o
sistema ir se comportar como desejado. Tal reprojeto ou adio de um dispositivo
adequado chamado compensao, a modificao das dinmicas do sistema para
satisfazer as especificaes dadas. Um dispositivo inserido no sistema com o
propsito de satisfazer as especificaes chamado de compensador (OGATA,
2010).

32

5. MODELAGEM EM ESPAOS DE ESTADO


5.1. Teoria de controle clssico e controle moderno
Os sistemas de controle com realimentao possuem duas abordagens
disponveis para a anlise e projeto, o Controle Clssico e o Controle Moderno. O
Controle Clssico baseado no domnio da frequncia, onde as equaes diferenciais
so convertidas em uma funo de transferncia, que o modelo matemtico do
sistema em questo, relacionando a sada com a entrada. A maior vantagem das
tcnicas em domnio da frequncia um rpido retorno de informao sobre a
estabilidade e reposta transitria. Dessa forma, possvel ver a decorrncia da
variao dos parmetros dos sistemas at que uma configurao aceitvel seja
encontrada. No entanto, essa abordagem apresenta desvantagens nos termos de no
aplicabilidade em sistemas invariantes no tempo ou em sistemas no lineares.
Os sistemas industriais, que se beneficiam de manipuladores robticos,
tm tido um grande crescimento tecnolgico, com isso os sistemas ali implantados
necessitam de um escopo maior. Em virtude disso, a investigao do espao de
estados aumentou a extenso dos requisitos a serem assistidos pelos sistemas de
controle. Assim, as modelagens de sistemas via uso de equaes diferenciais lineares
e invariantes no tempo e as funes de transferncia se tornam inapropriados. A
metodologia de processo do espao de estados, tambm conhecido como
procedimento moderno ou no domnio do tempo, um mtodo unificado de
modelagem, anlise e projeto que pode ser aplicado a um universo de sistemas. Esse
procedimento pode ser aplicado com o objetivo de representar sistemas no-lineares
que possuam folgas, saturao e zona morta.
A pronta disponibilidade de computadores digitais fez com que seja prtico
considerar a formulao de equaes no domnio do tempo para representar sistemas
de controle. O domnio do tempo o domnio matemtico que incorpora a resposta e
a descrio do sistema em termos do tempo, . A representao de sistemas de
controle no domnio do tempo a base essencial da teoria de controle moderno e
otimizao de sistemas (DORF; BISHOP, 2010).
H diversos sistemas que possuem mltiplas entradas e mltiplas sadas,
e sua resoluo por controle clssico no vivel. Dessa forma, necessria uma

33

representao mais compacta no espao de estados. O procedimento do mtodo no


domnio do tempo no intuitivo como a abordagem clssica, logo o engenheiro
projetista tem a necessidade da realizao de vrios clculos antes que uma
interpretao fsica do modelo seja aparente. Ao passo que no controle clssico
alguns rpidos clculos ou uma apresentao grfica dos dados rapidamente rende
uma interpretao fsica.
Procederemos agora para estabelecer a abordagem de espao de estados
como um mtodo alternativo para representao de sistemas fsicos. Essa seo
apresenta a definio formal da representao em espao de estados (NISE, 2011).
Segue a seguinte abordagem:
a. O primeiro passo selecionar um subconjunto particular de todas as
possveis variveis do sistema. Essas variveis so denominadas
variveis de estado.
b. Considerando um sistema de ordem , deve-se escrever equaes
diferenciais simultneas de primeira ordem em funo das variveis de
estado, denominadas equaes de estado.
c. Tendo a condio inicial conhecida para todas as variveis de estado em
0, bem como a entrada do sistema para 0, possvel solucionar as
equaes diferenciais simultneas para 0.
d. As variveis de estado so combinadas algebricamente com as entradas
do sistema para que seja determinado todas as outras variveis do sistema
para >0. Essa equao algbrica denominada de equao de sada.
e. As equaes de estado e as equaes de sada so consideradas uma
representao executvel do sistema. Essa representao denominada
representao em espaos de estado.
5.2. Variveis de estado
Na rea de estudo de engenharia de controle, uma representao em
espao de estados um modelo matemtico de um sistema fsico composto de um
conjunto de variveis de entrada, de sada e de estado relacionadas entre si por meio
de equaes diferenciais de primeira ordem.

34

De acordo com a literatura Dorf e Bishop (2010), o estado de um sistema


um conjunto de variveis cujos valores, juntos com os sinais de entrada e equaes
que descrevem as dinmicas, provero o estado futuro e a sada desse sistema.
Assim, O estado de um sistema dinmico o menor conjunto de variveis
linearmente independentes, tambm chamadas de variveis de estado, que determina
integralmente o comportamento do sistema em qualquer momento 0, quando se
tem o conhecimento dessas variveis em =0 e o conhecimento da entrada para 0.
As variveis de estado de um sistema dinmico so as que determinam a dinmica
do sistema. Para descrever em absoluto o comportamento do sistema, so
necessrias no mnimo variveis 1,2,,.
Uma grande vantagem do mtodo de controle moderno, a liberdade de
escolha das variveis, pois estas no precisam ser medidas fisicamente ou
observveis. No entanto, essa liberdade de escolha se d somente se as variveis
forem linearmente independentes. Se as variveis no atenderem a esse requisito,
ento na pior das hipteses, o projetista no ser capaz de completar a escrita das
equaes de estado.
Em termos prticos, no entanto, conveniente, se possvel, escolher
quantidades facilmente mensurveis para as variveis de estado, porque as leis de
controle timo iro requerer a realimentao de todas as variveis de estado com
ponderao adequada (OGATA, 2010).
As variveis de estado descrevem a configurao presente de um sistema
e podem ser usadas para determinar a resposta futura, dadas as entradas de
excitao e as equaes que descrevem o sistema (DORF; BISHOP, 2010).
O nmero mnimo necessrio de variveis de estado para aplicao da
representao do espao de estados igual ordem da equao diferencial que
descreve o sistema. Se o sistema descrito por uma equao diferencial de quarta
ordem, logo so necessrias quatro equaes diferenciais de primeira ordem
concomitantes escritas em funo de quatro variveis de estado. Essas variveis
formam um vetor de estado, que determina exclusivamente o estado do sistema ()
para qualquer tempo 0, uma vez que o estado em =0 dado e a entrada () para
0 especificada.

35

5.3. Equao diferencial de estado


O espao de estado um espao n-dimensional cujo axis de coordenadas
consiste dos axis 1,2,,, onde 1,2,, so as variveis de estado. Qualquer
estado pode ser representado por um ponto no espao de estado. A resposta de um
sistema descrito por um conjunto de equaes diferenciais de primeira ordem
escritas em termos das variveis de estado (1,2,,) e das entradas
(1,2,,). Essas equaes diferenciais podem ser escritas de forma geral como:
1
2
[ ]=

3

11
21
[
1

12
22

1 1
11
2 2

][ ] + [
1
3

1 1
][ ]

(5.1)

O sistema pode ser representado pela notao compacta de equao


diferencial de estado como segue:
= +

(5.2)

A equao diferencial 5.3 tambm comumente chamada de equao


de estado. A matriz A uma matriz quadrada x , e B uma matriz x . A equao
de estado relaciona a taxa de mudana do estado do sistema com o prprio estado
do sistema e os sinais de entrada. Em geral, as sadas de um sistema linear podem
ser relacionadas com as variveis de estado e os sinais de entrada pela equao de
sada 5.4 (DORF; BISHOP, 2010).
= +

(5.3)

Onde o conjunto de sinais de sada expressados em forma de vetor


coluna. A representao de espao de estados compreende a equao de estado e a
equao de sada.

36

6. MODELO NO ESPAO DE ESTADOS


Como mencionado na seo anterior, enquanto que a teoria clssica de
controle baseada no relacionamento entrada-sada, ou funo de transferncia, a
teoria de controle moderno baseada na descrio do sistema de equaes em
termos de equaes diferenciais de primeira ordem, que podem ser combinadas em
uma equao diferencial matriz-vetor. O uso de uma notao matriz-vetor simplifica
imensamente a representao matemtica de sistemas de equaes. O aumento no
nmero de variveis de estado, o nmero de entradas, ou o nmero de sadas no
aumenta a complexidade das equaes (OGATA, 2010).
Os sistemas de controle moderno possuem vrias entradas e vrias sada,
assim o projeto e anlise do mesmo necessita ser feito pela metodologia de espaos
de estado. O processo do mtodo do domnio do tempo, quando expresso em
variveis de estado, pode tambm ser usado para projetar esquemas de
compensao aceitveis para um sistema de controle. O objetivo em questo o
controle de um sistema com sinal de controle (), que a funo de muitas variveis
de estado mensurveis, afim de operar na informao que estiver disponvel.
Projeto de variveis de estado tipicamente contm trs passos. No primeiro
passo, assumimos que todos as variveis de estado esto disponveis e so
mensurveis, e as utilizamos em uma lei de controle por realimentao de estados.
Realimentao de estados usualmente no prtico porque, geralmente, impossvel
medir todos os estados. Na prtica, somente alguns estados (ou combinaes lineares
dos mesmos) so medidos e providos como sadas do sistema. O segundo passo no
projeto construir um observador para estimar os estados que no so diretamente
medidos e disponveis como sadas. O ltimo passo conectar apropriadamente o
observador lei de controle com realimentao de estados. O projeto de variveis de
estado gera um compensador como mostrado na figura 6 (DORF; BISHOP, 2010).
Os modelos na forma de espao de estados facilitam nossa habilidade de
utilizar plataformas computacionais como o MATLAB. O primeiro passo para o
desenvolvimento dessa metodologia desenvolver a lei de controle para o sistema
que corresponde a uma reposta dinmica satisfatria. Posteriormente, projeta-se um

37

estimulador para que seja combinada lei de controle. Por fim, introduz-se a entrada
de referncia do sistema.
6.1. Representao no espao de estados
H diversas tcnicas de para a converso de uma funo de transferncia
em espao de estados.
Considere o modelo matemtico em funo da frequncia definido por
()
0 + 1 1 + + 1 +
=
() ( + 1 )3 ( + 4 )( + 5 ) ( + )
= 0 +

1
2
3
4

+
+
+
+

+
( + 1 )3 ( + 1 )2 ( + 1 ) ( + 4 )
( + )

(6.1)

onde a entrada e a sada.


Nesse caso, o denominador envolve apenas razes mltiplas. O objetivo
fazer a representao em espao de estados do sistema definido na Eq. 6.1. Para
esse caso, deve-se usar a forma cannica de Jordan. Ento a forma cannica de
Jordan dada pela representao
1
1
0
2
0
3
=
4
0

[ ] [ 0

1
2
0

= [1

0
0
3
0

0
4
0

0
0

1
0
2
0
3

1
4 + 1

[
]

[
]
1

5 ]

] [ 2 ] + 0

(6.2)

(6.3)

6.2. Controlabilidade e Observabilidade


Uma questo chave que surge no projeto de compensadores de variveis
de estado se todos os polos do sistema de malha fechada devem ou no ser
arbitrariamente alocados no plano complexo. Recorde-se que os polos do sistema de

38

malha fechada so equivalentes aos autovalores da matriz em formato de variveis


de estado. Se o sistema controlvel e observvel, ento podemos realizar o objetivo
do projeto de alocar os polos precisamente nas localizaes desejadas para alcanar
as especificaes de desempenho. Projetos por realimentao de estados
comumente dependem de tcnicas de alocao de polos. importante notar que um
sistema deve ser completamente controlvel e completamente observvel para
permitir a flexibilidade para alocar todos os polos do sistema de malha fechada
arbitrariamente (DORF; BISHOP, 2010).
Nessa seo iremos lidar com a controlabilidade e na seguinte
discutiremos a observabilidade. No que segue, devemos definir as condies para a
controlabilidade completa de estados. Ento veremos formas alternativas da condio
para a completa controlabilidade, seguido de discusses de controlabilidade completa
da sada. E finalmente apresentaremos o conceito de estabilizabilidade (OGATA,
2010).
6.2.1. Controlabilidade
De acordo com a literatura Dorf e Bishop (2010), um sistema
completamente controlvel se existir um controle irrestrito () que pode transferir
qualquer estado inicial (0) para qualquer outra localizao desejada () em um
tempo finito, 0.
Em algumas situaes, o projetista pode se deparar com sistemas que no
so completamente controlveis, mas suas combinaes lineares que no podem ser
controladas so intrinsecamente estveis. A literatura diz que se um sistema
completamente controlvel, tambm estabilizvel, logo os sistemas citados so
classificados como estabilizveis.
Segue o seguinte sistema de tempo contnuo
= +
Onde = vetor de estados (vetor-)
= sinal de controle (escalar)
A = matriz x

(6.4)

39

B = matriz x 1
Se todos os estados so controlveis, ento o sistema dito
completamente controlvel. Deve-se derivar a condio para controlabilidade
completa de estados. Para deduo, admite-se que o estado final a origem do
espao de estado e que o instante inicial 0 = 0. Dada a soluo da equao de
estado:

() =

(0) +

()

(6.5)

Aplicando a definio de controlabilidade de estado completa, nas


condies determinadas, tem-se:

() = 0 =

(0) +

()

(6.6)

Ou seja:
1

(0) = 0 = ()

(6.7)

Onde, pode ser escrita pela Eq. 6.8 abaixo:


1

= ()

(6.8)

=0

Assim substituindo a Eq. 6.8 em 6.7, tem-se


1

(0) = ()()
=0

(6.9)

Seja,
1

()() =
0

Ento a Eq. 6.9 fica da seguinte forma

(6.10)

40

1
2

(0) = [|| | | ] 3

=0
[ ]
1

(6.11)

Se o sistema for completamente controlvel, ento, dado um estado inicial


qualquer (0), a Eq. 6.11 deve ser satisfeita. Para isso, a matriz
= [||2 | |1 ]
Tenha posto igual a , ou seja, posto cheio. Essa matriz denominada
matriz de controlabilidade. Caso a condio de controlabilidade do sistema seja
satisfeita, ou seja, posto da matriz igual a , ento vai existir uma matriz tal que
transforme o sistema na forma cannica controlvel, onde:
= ( )1
Onde:
a matriz de controlabilidade do sistema.
a matriz de controlabilidade do sistema na forma cannica.
6.2.2. Observabilidade
Segundo Ogata (1998), um sistema integralmente observvel se qualquer
estado x(t0) pode ser determinado a partir da observao da sada do sistema y(t)
durante um intervalo finito de tempo t0 t t1. Por conseguinte, o sistema dito
completamente observvel se todas as transies dos estados afetam cada um dos
elementos do vetor sada. Essa formulao til em problemas de realimentao de
estados onde existem estados do sistema que no podem ser medidos a partir de
variveis que podem ser medidas na menor durao de tempo possvel.
O conceito de observabilidade muito importante porque, na prtica, a
dificuldade encontrada com controle por realimentao de estados que algumas
variveis de estado no esto acessveis para medies diretas, com o resultado de
que se torna necessrio estimar as variveis de estado que no podem ser medidas
a fim de construir os sinais de controle (OGATA, 2010).

41

Considerando um sistema descrito pelas Eq. 6.12 e 6.13:


=

(6.12)

(6.13)

Seja,

() = (0) () ()

(6.14)

() = ( (0) () ()) + ()

(6.15)

Como as matrizes A, B, C e D so conhecidas e () tambm conhecido,


os dois ltimos termos do segundo membro da equao soluo de ()so
conhecidas.
Assim, pelo sistema descrito pelas Eq. 6.12 e 6.13, tem-se que o vetor
sada :
() = (0)

(6.16)

Como mostrado anteriormente, tem-se que


1

= ()

(6.17)

=0

Assim, resulta
1

() = () (0)

(6.18)

=0

ou
() = 0 (0) + 1 (0) + 2 2 (0) + + 1 1 (0)

(6.19)

Se o Sistema for completamente observvel, ento, dado um sinal de sada


() durante um intervalo finito de tempo t0 t t1, possvel determinar (), apenas,

42

a partir da Eq. 6.19. Para que se mostre que um sistema completamente observvel,
requer que o posto da matriz abaixo, denominada matriz de observabilidade

[1 ]
Seja igual a .
A partir dessa anlise pode-se enunciar que a condio para um sistema
descrito pelas Eq. 6.12 e 6.13 observvel se e somente se a matriz de
observabilidade for de posto igual a n, ou seja, possui n vetores linearmente
independentes.
Para um sistema que seja completamente observvel, ento existe uma
matriz , que transforma o sistema na forma cannica observvel, onde
= ( )1
Onde a matriz de observabilidade do sistema e a matriz de
observabilidade do sistema na forma cannica.

43

7. CONTROLADOR LQR
O regulador linear quadrtico LQR um controlador timo quem vm sendo
amplamente difundido na literatura em diversas aplicaes, que vo de controle de
servomecanismos em robtica ao controle de processos qumicos (UYGUN;
MATTHEW; HUANG., 2006) e (SUN; GAN., 2010). Isto se deve s suas excelentes
caractersticas de desempenho bem como sua simples implementao. Este tipo de
estratgia de controle inclui a realimentao dos estados, que so ponderados de
forma a minimizar uma funo custo (BURNS, 2001). Nesta estratgia de controle os
ganhos associados aos estados para gerao da lei de controle so obtidos atravs
da soluo de uma equao algbrica de Ricatti, relacionada ao problema.
Basicamente, possvel estabelecer um compromisso entre a amplitude das variveis
de estado, a velocidade de resposta do sistema e a amplitude do sinal de controle,
atravs da escolha adequada dos ndices de desempenho relativos a estas variveis.
A utilizao deste tipo de estratgia de controle, contudo comprometida quando da
presena de distrbios e/ou quando houver variaes paramtricas no sistema a ser
controlado. Isto se deve ao fato de a lei de controle depender diretamente dos estados
da planta, de forma que, havendo dinmicas no consideradas, tal ao de controle
prejudicada por no conter todas as informaes referentes ao sistema.
O projeto de sistemas de controle timo uma funo importante de
engenharia de controle. O propsito do projeto conceber um sistema de
componentes prticos que fornecer o desempenho de operao desejado. O
desempenho desejado pode ser prontamente expresso em termos de ndices de
desempenho no domnio do tempo (DORF; BISHOP, 2011). Por exemplo, o mximo
overshoot e tempo de subida para uma entrada degrau so ndices valiosos. No caso
de desempenho no estado estacionrio e transitrio, os ndices so normalmente
especificados no domnio do tempo, logo natural que se deseje desenvolver
procedimentos de projeto no domnio do tempo.
O projeto de um sistema baseado na minimizao do ndice de
desempenho, e sistemas que so ajustados para prover mnimo ndice de
desempenho so chamados de sistemas de controle timo (DORF; BISHOP, 2010).

44

7.1. Propriedades e uso do LQR


Ganho Esttico: O LQR gera uma matriz de ganho esttico , que no
um sistema dinmico. Assim, a ordem do sistema em malha fechada a mesma
que a da planta.
Robustez: O LQR alcana margem de ganho infinito = , implicando
que os locais geomtricos se aproximam da origem ao longo do eixo imaginrio. O
LQR tambm garante a margem de fase 60 graus. Isso est de acordo com as
diretrizes prticas para o projeto do sistema de controle.
7.2. Estrutura do controlador
O controle ideal deve sempre estabilizar o sistema de malha fechada, no
entanto, por isso deve haver alguma conta feita para plos de plantas instveis. A
soluo de controle dispendiosa coloca plos de malha fechada estveis nas imagens
espelhadas dos plos instveis da planta.
O Regulador Linear Quadrtico (do ingls Linear Quadratic Regulator
LQR) um mtodo de controle timo utilizado no projeto de controle no modelo de
espao de estados. Nesta seo ser descrito esse mtodo.
Seja um sistema linear invariante no tempo (LIT) do pelo modelo:
= +

(7.1)

() = +

(7.2)

E seja a lei de controle dada por:


() = ()

(7.3)

O objetivo desse mtodo encontrar a matriz de ganho K que minimize a


funo de custo quadrtica:
1
= ( + )
2 0

(7.4)

45

Onde e so as matrizes de ponderao para as variveis de estado e


variveis de entrada respectivamente e o tempo final para a ao de controle, o
que significa que a ao est em um intervalo finito de tempo. Sendo Q uma matriz
hermitiana definida positiva (ou semidefinida positiva, ou seja, 0 ) ou
real simtrica e R uma matriz hermitiana definida positiva ou real simtrica, ou seja,
> 0 e no tem restries. Utilizando a metodologia de controle timo
para encontrar a matriz de ganho garante que o sistema ser estvel para todo valor
inicial (0) desde que o sistema seja de estados completamente controlveis
(OGATA, 1998).
Com o intuito de resolver esse problema timo LQ, deve-se construir a
funo Hamiltoniana:
1
= [ ()() + ()() + ()[() + ()]
2

(7.5)

Onde no h restries no sinal de entrada, o valor timo (neste caso, o


mnimo) pode ser resolvido tomando-se a derivada de em relao a e assim
resolvendo a seguinte equao:

= () + () = 0

(7.6)

O sinal de controle timo pode ser escrito como:


= () + ()

(7.7)

Por outro lado, pode ser mostrado que o multiplicador Lagrangiano ()


pode ser escrito como () = ()(), onde () a matriz soluo da equao
diferencial de Ricatti (EDR):
() = () () + ()1 ()

(7.8)

46

Figura 4- Diagrama de blocos do sistema regulador timo

Fonte: (OGATA, 1998)

Com seu valor final () = . Ento, o sinal de controle timo pode ser escrito
como:
= 1 ()()

(7.9)

7.3. Problema linear quadrtico


Quando tempo finito, resolver o problema de controle timo LQ significa
resolver a equao diferencial de Ricatti 7.8, demonstrando-se complexo. Porm
muitas aplicaes se preocupam com o desempenho regulatrio que implica ,
o que implica no problema do regulador linear quadrtico (LQR).
No problema LQR, o sistema de malha fecha e = sero
assimptticamente estabilizado. A soluo da matriz () para a EDR tender uma
matriz constante, que nesse caso a EDR se reduz para a equao algbrica de Ricatti
(EAR):
+ 1 + = 0

(7.10)

Assim, o problema LQR pode ser solucionado utilizando uma realimentao


linear de estados com uma matriz de ganho constante
() = (),

= 1

(7.11)

47

Em suma, o sistema de malha fechada claramente [(AB),B,C,D]. O


sistema LQR resultante com realimentao de estados garante propriedades de
robustez importantes, como margem de ganho infinita e 60 de margem de fase.
7.4. Matrizes de ponderao Q e R
O desempenho do sistema LQR fortemente dependente da seleo das
matrizes de ponderao. Ento, mais precisamente, devemos dizer que o LQR timo
em relao s matrizes de ponderao e escolhidas. Assim uma soluo LQR
tima com uma escolha de e , normalmente, no ser tima para outras escolhas
de matrizes e . O problema que a especificao para o desempenho de um
sistema prtico de controle no ser em termos de e , logo tem-se o problema de
tentar encontrar os valores de e que iro atender as especificaes (XUE; CHEN;
ATHERTON, 2007).

48

8. MTODO DE BRYSON
O mtodo de Bryson usa metodologia heurstica para encontrar as matrizes
de ponderao e . Os mtodos Heursticos constituem uma das primeiras tcnicas
concebidas para a seleo das matrizes de ponderao. Nessa seo sero
apresentadas as teorias de outros mtodos heursticos conhecidos, para ento fazer
uma fundamentao terica do mtodo Bryson e a apresentao de seu algoritmo.
8.1. Mtodos heursticos
8.1.1. Controle timo Modal
O Controle timo Modal baseia-se na convencional alocao de polos,
contudo ao invs de escolher o ganho de realimentao diretamente, os parmetros
do ndice de desempenho quadrtico do projeto (que so as matrizes de ponderao
Q e R) so escolhidos para alcanar a alocao (Johnson 1987).
O problema do controle modal timo utiliza a especificao dos polos do
sistema realimentado para determinar as matrizes peso Q e R apropriadas, ou seja,
as matrizes Q e R so escolhidas de tal forma que o regulador coloca os polos em
posies desejadas e exatas. Em alguns casos, suficiente obter polos com certo
grau de estabilidade. Essa classe de tcnicas conhecida como projeto regulador
com estabilidade prescrita. Envolvendo estes dois tipos de tcnicas, h diversas
solues para o problema de fixao de uma estrutura modal tima. Uma
caracterstica comum da maioria destes algoritmos o uso de um algoritmo de
otimizao no linear para obter a eventual soluo.
8.1.2. Projeto Regulador com Estabilidade Prescrita
O projeto do Regulador com Estabilidade Prescrita fundamentado no
Controle timo, neste mtodo troca-se a determinao das localizaes exatas de
todos os polos malha fechada pela simples especificao de uma regio do
semipleno complexo esquerdo, onde devero estar os polos a malha fechada. Este
mtodo explora ainda as propriedades do regulador de potncia mnima, e a Equao
de Riccati usada para determinar as matrizes de ponderao apropriadas (Johnson
1987).

49

8.1.3. Mtodo de Bryson


Uma abordagem dessa metodologia o chamado quadrado do inverso ou
Mtodo de Bryson, cuja ideia bsica normalizar as sadas e o termo controle dentro
da funo de ndice de desempenho quadrtico (Johnson 1987). Arthur Earl Bryson,
Jr., nascido em 7 de outubro de 1925, o Professor de Engenharia emrito da
Universidade de Stanford e o "pai da teoria moderna de controle timo".
Esta normalizao normalmente realizada usando o mximo de valores
antecipados (ou derivados) do controle e das sadas individuais. Embora simples, o
Mtodo de Bryson apresenta uma desvantagem fundamental ao se deter iterao
repetida tentativa e erro (Johnson 1987).
Este mtodo ainda usado como uma primeira avaliao por muitos
projetistas. O mtodo quadrtico inverso ainda persiste como um mtodo largamente
usado para a seleo das matrizes custo quadrticas. O conceito bsico da tcnica
normalizar a contribuio dos estados (ou sadas) e dos termos de controle, na funo
custo quadrtica. Esta normalizao geralmente realizada usando os valores
mximos dos estados e controles individuais.

50

Figura 5- Algoritmo de Bryson

Fonte: Brito Filho (2006)

51

9. PROJETO DO CONTROLADOR
9.1. Modelo do sistema
O objetivo deste trabalho projetar o Regulador Linear Quadrtico no
sistema do servo motor utilizado em um manipulador robtico. Para isso, necessrio
a obteno do modelo matemtico do sistema, o qual foi obtido por Frias (2016). O
modelo obtido uma funo de transferncia de quarta ordem, dada por:
() =

747,8 + 8852
4 + 17,18 3 + 189,3 2 + 746,8 + 23,55

(9.1)

Como especificaes de projeto, o sistema necessita, para uma entrada


degrau, que o tempo de assentamento seja < 8, overshoot < 10% e erro em estado
estacionrio =0.
Na figura 15, mostrado o diagrama de bode para o modelo do sistema.
Percebe-se que o sistema no apresenta a robustez esperada, pois apresenta
margem de ganho 7.1 e margem de fase de -72.2.
Figura 6- Diagrama de Bode de Sistema sem LQR

Fonte: Autor

52

Assim, necessrio a aplicao do Regulador Linear Quadrtico. Para o


projeto de controle LQR, necessrio que a representao do sistema seja feita em
espaos de estados. Ento a equao de estados dada por:
1
17.180 189.300 746.8 23.550 1
2
0
0
0 ] [2 ] +
[ ] = [ 1.0000
3
3
0
1.0000
0
0

4
4
0
0
1.0000
0

1
[0] ()
0
0

(9.2)

E a equao de sada:

= [0

1
2
595,3] [ ] + [0]()
3
4

(9.3)

Com obteno da representao do sistema em espao de estados,


necessrio verificar se o sistema controlvel e observvel, antes de seguir para o
desenvolvimento do LQR. possvel verificar se o sistema controlvel atravs da
matriz de controlabilidade, que dada por:
[

1 ]

(9.4)

Onde a ordem do sistema, ento temos para o sistema proposto que


=4, logo
[

3 ]

(9.5)

Resultando na matriz
1.0000 17.1800 105.8524 686.8298
0.0000
1.0000 17.180 105.8524]
[
0.0000
0.0000
1.0000 17.1800
0.0000
0.0000
0.0000
1.0000

(9.6)

Observa-se ento que a matriz de controlabilidade resultante possui ranque


= =4, logo o sistema controlvel.
Para verificar se o sistema observvel, usa-se ento a matriz de
obsevabilidade dada por:

53

[1 ]

(9.7)

[ 2]

(9.8)

Para =4, tem-se

Resultando em
0.00000 0.00000
0.00000
0.0075
105 [
0.0075 0.08850
0.21700 1.41560

0.0075 0.0885
0.0885 0.0000 ]
0.0000 0.0000
5.5846 0.1761

(9.9)

Observa-se ento que a matriz de observabilidade resultante possui ranque


= 4, logo o sistema , tambm, observvel.
9.2. Controle LQR
Partindo dessa comprovao, pode-se ento realizar o projeto do controle
LQR de modo que esta garanta as propriedades de margem de ganho infinita e fase
de pelo menos 60.
a) O primeiro passo no projeto LQR selecionar as matrizes de
ponderao e ;
b) Em seguida deve-se determinar a matriz P solucionando a equao
algbrica de Ricatti (EAR), equao 9.10.
+ 1 + = 0

(9.10)

c) Substituir esta matriz P na Eq. 9.11. O resultado ser a matriz de ganho


timo K.
= 1
d) O sistema de malha fechada simplesmente [(AB),B,C,D].

(9.11)

54

O desempenho do sistema LQR fortemente dependente da seleo das


matrizes de ponderao. Ento, pode-se dizer que o LQR timo em relao s
matrizes de ponderao e escolhidas. Assim uma soluo LQR tima com uma
escolha de e , normalmente, no ser tima para outras escolhas de matrizes e
. Diante disso, ser utilizado a abordagem heurstica do Mtodo de Bryson.
9.2.1. Seleo das matrizes de ponderao
Um dos grandes desafios na teoria de controle, utilizando o projeto do
regulador linear quadrtico, a seleo das matrizes de ponderao e . Existem
diversas estratgias para a seleo das matrizes de ponderao, e uma das
metodologias a utilizao do Mtodo de Bryson.
9.2.2. Projeto do controlador
Etapas de elaborao do projeto LQR:
a) O primeiro passo no projeto LQR selecionar as matrizes de
ponderao e , e conforme descrito anteriormente, a abordagem de
Bryson rendeu melhores resultados, logo tem-se:
0.0000
= [0.0000
0.0000
0.0000

0.0000
15.3672
0.0000
0.0000

0.0000
0.0000
3.9064
0.0000

0.0000
0.0000]
0.0000
2.0462

(9.12)

= 105
Observou-se aps diversos testes, para melhores resultados, a
necessidade da multiplicao da matriz encontrada pelo coeficiente de ajuste ,
logo, no que segue considera-se o valor = 383. Dessa forma, tem-se para :
0.0000
= 10 [0.0000
0.0000
0.0000
3

0.0000
5.8856
0.0000
0.0000

0.0000
0.0000
1.4962
0.0000

0.0000
0.0000]
0.0000
0.7837

Os autovalores de so definidos positivos, como segue:

(9.13)

55

0
103 [0.7837]
1.4962
5.8856

(9.14)

b) Em seguida deve-se determinar a matriz solucionando a equao


algbrica de Ricatti, 9.15.
+ 1 + = 0

(9.15)

Assim, utilizou-se o ToolBox de Controle Robusto do software


Matlab R2014a, resultando na matriz :
0.0000
= 103 [0.0002
0.0002
0.0001

0.0002
0.0539
0.0532
0.0196

0.0002
0.0532
5.8926
2.1670

0.0001
0.0196]
2.1670
2.1384

(9.16)

c) Substitui-se ento esta matriz na Eq. 9.15. O resultado ser a matriz


de ganho timo K.
= 104 [0.0204 2.4290 2.3411 0.8829]

(9.17)

d) O sistema de malha fechada simplesmente [(AB),B,C,D].


Na figura 7, mostrado o diagrama de bode para o sistema resultante e
possvel perceber ento que o controlador LQR, garantiu de fato, a margem de
robustez esperada, margem de ganho infinita e margem de fase de 66,8.

56

Figura 7- Diagrama de Bode de sistema com LQR

Fonte: Autor
Figura 8- Diagrama de Bode de sistema com e sem controle LQR

Fonte: Autor

57

10. SIMULAO E ANLISE


Nesta seo sero mostrados os resultados da simulao do projeto LQR
analisando os seus resultados. Para a anlise da resposta dos sistemas LQR, utilizouse a metodologia de anlise no domnio da frequncia e anlise no domnio do tempo.
Para as metodologias citadas utilizou-se o software Matlab R2014a. Assim, esta seo
segue com a anlise da margem de robustez por meio do diagrama de Bode e anlise
da resposta para entrada degrau.
10.1.

Anlise no domnio do tempo


No domnio do tempo, submeteu-se o sistema uma entrada de referncia

degrau e analisou-se a resposta.


Tendo como base a resposta do sistema uma entrada referncia degrau,
analisou-se os seguintes parmetros caractersticos: o tempo de assentamento (),
tempo de subida (), overshoot e o erro de estado estacionrio.
Figura 9- Resposta ao degrau unitrio

Fonte: Autor

O controlador respondeu de forma satisfatria com overshoot de 1,08%,


tempo de assentamento de 6,6, e tempo de subida de 4,22 e erro de estado
estacionrio apresentado foi nulo. Diante disso, pode-se concluir que o controlador

58

LQR projetado atende as especificaes de projeto de forma satisfatria,


demonstrando comportamento estvel e erro nulo em regime permanente. Tambm
fica claro, conforme figura 10, que o controlador LQR foi capaz de melhorar
significativamente a resposta do sistema.
Figura 10- Comparao resposta ao degrau unitrio com e sem LQR

Fonte: Autor

10.2.

Anlise no domnio da frequncia


Nesta seo ser analisado o sistema LQR no domnio da frequncia.

Demonstra-se que as margens de robustez do controlador LQR foram alcanadas,


apresentando margem de ganho infinita e fase de 66,8, como apresentado no
diagrama de Bode da figura 11.

59

Figura 11- Diagrama de Bode do sistema compensado

Fonte: Autor

Fica claro, conforme figura 11, que o controlador LQR foi capaz de garantir
as propriedades de robustez no contidas no sistema sem compensao. Analisouse tambm a banda passante e a frequncia de corte do sistema (FIG. 12). A banda
passante a faixa de frequncia na qual um sistema (), capaz de responder
substancialmente a excitao dos sinais de entrada, sendo esta limitada pela
frequncia de corte . A frequncia de corte definida como aquela em que o
ganho cai a 1
(71%) do ganho em baixas frequncias, que corresponde
2
transmisso de 50% da potncia. Em decibis este valor corresponde a 3. A
frequncia de corte fornece uma fronteira adequada para supresso de rudos de altas
frequncias por meio de filtros (CASTRUCCI, 2011). Verifica-se que no sistema
compensado, a banda passante na frequncia de corte maior que a banda passante
no sistema no compensado, proporcionando uma resposta ao degrau unitrio mais
rpida, como visto na seo anterior.

60

Figura 12- Banda passante em sistema com e sem LQR

Fonte: Autor

61

11. CONSIDERAES FINAIS


Neste trabalho foi apresentado um projeto LQR via mtodo de Bryson para
garantir as propriedades de robustez no modelo dinmico obtido por Frias (2016) do
manipulador robtico impresso EEZTbotAR.
Para isso, o sistema foi inicialmente transformado em matriz de espaos de
estado e induzido a testes de controlabilidade e observabilidade. Verificou-se que o
sistema em anlise controlvel, sendo possvel o deslocamento dos seus polos por
realimentao de estados para posies convenientes. Alm disso, o sistema tambm
se mostrou observvel quando aplicado a matriz de observabilidade, tornando
possvel a determinao dos valores de todas as variveis de estado, atravs das
variveis de sada e entrada.
Dessa forma, seguiu-se para o projeto do Regulador Linear Quadrtico.
Para esse fim, foram selecionadas as matrizes de ponderao e pelo mtodo
heurstico de Bryson, a fim de aplica-las na equao algbrica de Riccati, e assim
encontrar o ganho timo .
O controlador LQR projetado garantiu as propriedades de robustez,
apresentando margem de ganho infinita e margem de fase igual a 66,8. Ademais,
proporcionou uma resposta mais rpida para a entrada degrau, apresentando erro
nulo, (%)= 1,08% e tempo de assentamento = 6,6, atendendo todas as
especificaes de projeto.
Sabe-se que a motivao original do LQR garantir as propriedades de
robustez em sistema. E como mostrado neste trabalho, conclui-se que, a abordagem
LQR, utilizando o Quadrado Inverso de Bryson, cumpriu o seu papel de forma
satisfatria, garantindo de forma significativa as propriedades de robustez do sistema
e ainda resultando em uma melhor resposta.

62

REFERNCIAS
BURNS, R. S. Advanced Control Engineering. 1st. ed. London, UK: Butterworth,
2001
BRITO FILHO, Joaquim G. Alocao de Auto-estrutura utilizando Controle
Robusto LQG/LTR e Computao Evolutiva. 2006. 109f. Dissertao de Mestrado,
Universidade Federal do Maranho, So Lus, 2006.
CASTRUCCI, Plnio de L.; BITTAR, Anselmo; SALES, Roberto M.; Controle
Automtico. Rio de Janeiro: Ed. LTC, 2011.
COELHO, Leandro de O. Recuperao Das Propriedades De Robustez De um
Manipulador Robtico Teleoperado via Projeto LTR. 2016. 82f. Trabalho de
Concluso de Curso, Universidade Estadual Paulista, So Lus, 2016.
CRAIG, John J.; Introduction to Robotics: Mechanics and Control. 3. ed. USA: Ed.
Prentice Hall, 2005.
DORF, Richard C.; BISHOP Robert H.; Modern Control Systems. 11. ed. New
Jersey: Ed. Prentice Hall, 2008.
DORF, Richard C.; BISHOP Robert H.; Modern Control Systems. 13. ed. New
Jersey: Ed. Prentice Hall, 2010.
EVANGELISTA, Anderson P. F. Estimao de estados do sistema dexterous hand
master via projeto filtro de Kalman. 2016. 75f. Trabalho de Concluso de Curso,
Universidade Estadual do Maranho, So Lus, 2016.
FRIAS, Ricardo A. P. Estimao de estados do sistema dexterous hand master via
projeto filtro de Kalman. 2016. 75f. Trabalho de Concluso de Curso, Universidade
Estadual do Maranho, So Lus, 2016.
GOLNARAGHI, Farid; KUO, Benjamin C.; Automatic Control Systems. 9. ed. USA:
Ed. John Wiley & Sons, 2010.
HANSELMAN, Duane; LITTLEFIELD, Bruce; Mastering: Matlab 7. New Jersey:
Prentice Hall, 2005.

63

JOHNSON, M. A.; GRIMBLE, M. J. Recent trends in linear optimal quadratic


multivariable control system design. In: IEE Proceedings D-Control Theory and
Applications. IET, 1987. p. 53-71.
MORAIS, Vagner; VIEIRA, Cludio; MATLAB 7&6: Curso Completo. 3. ed. Lisboa:
Ed. FCA, 2006.
NISE, Norman S.; Control System Engineering. 6. ed. USA: John Wiley & Sons,
2011.
OGATA, K. Modern Control Engineering. 5. ed. New Jersey: Ed. Prentice Hall, 2010.
ROSRIO, Joo M.; Princpios de Mecatrnica. So Paulo: Ed. Prentice Hall, 2005.
XUE, Dingy; CHEN, YangQuan; ATHERTON, Derek P.; Linear Feedback Control:
Analysis and Design with MATLAB. Philadelphia: Ed. SIAM, 2007.
ROMERO, Roseli A. F.; PRESTES, Edson; OSRIO, Fernando; WOLF, Denis F.;
Robtica Mvel. So Paulo: Ed. LTC, 2014.
SIQUEIRA, Edinice B. de. Controle operacional otimizado de sistemas de canais.
2006. 109f. Dissertao de Mestrado, Universidade Federal do Mato Grosso do Sul,
Campo Grande, 2007.
SUN, L.; GAN., J. Researching of two-wheeled self-balancing robot base on LQR
combined with PID. 2nd International Workshop on Intelligent Systems and
Applications (ISA)., Wuhan, China, p. 15, May 2010.
WANG, Jun; WU, Guang. A multilayer recurrent neural network for solving
continuous-time algebraic Riccati equations. Neural Networks, v. 11, n. 5, p. 939950, 1998.