Introdução Ao Controle de Sistema em Tempo Discreto (UFMG, Lázaro) PDF

Universidade Federal de Minas Gerais UFMG
Escola de Engenharia
Departamento de Mecnica - DEMEC
EMA166 Sistema de Controle em Tempo

Discreto
Notas de Aula
Introduo ao Controle de Sistemas em Tempo

Discreto
Autor: Prof. Dr. Lzaro Valentim Donadon
Fevereiro de 2008
Prefcio
Ementa:
Amostragem de Sinais contnuos; Transformada Z; Modelos Discretos; Espao de
Estados discreto; Anlise de Sistemas Discretos; Controladores PID digital; Mtodos de
projeto de controladores em tempo discreto.
Programa:
Semana: Data: Assunto:
1 27/02 Introduo ao controle de sistemas em tempo discreto
2 05/03 Transformada Z
3 12/03 Funo de Transferncia em Tempo Discreto Parte I
4 19/03 Funo de Transferncia em Tempo Discreto Parte II
5 26/03 Aula de Exerccios
6 02/04 1 Prova
7 09/04 Projeto de Controladores por Mtodos Clssicos
8 16/04 Exerccios
9 23/04 Formulao por Matrizes de Estado
10 07/05 Controlabilidade e Observabilidade
11 14/05 Alocao de Plos, realimentao e observadores de estado
12 21/05 Exerccios Matlab
13 28/05 Observadores de ordem reduzida
14 04/06 Exerccios
15 11/06 Exerccios adicionais
16 18/06 2 Prova
17 25/06 Apresentao dos projetos
Critrios de Avaliao:
1 Prova 35%, 2 Prova 35%, projeto 20%, listas de exerccio 10%
Bibliografia:
K. Ogata. Discrete-Time Control Systems. Prentice Hall, 2nd Edition. 1994.
G.F. Franklin, J.D. Powell, and M.L. Workman. Digital Control of Dynamic Systems.
Addison-Wesley, 3rd Edition. 1998.
ii
Sumrio
1 INTRODUO AO CONTROLE DE SISTEMAS EM TEMPO DISCRETO1

1.1 INTRODUO .............................................................................................................................1
1.2 SISTEMAS DE CONTROLE EM TEMPO DISCRETO ...........................................................................1
1.3 TIPOS DE SINAIS .........................................................................................................................5
1.4 AMOSTRAGEM DE SINAIS CONTNUOS ........................................................................................6
1.4.1 Teoria da Amostragem Tratamento emprico....................................................................6
1.4.2 No unicidade de sinais amostrados ....................................................................................8
1.5 EXERCCIOS PROPOSTOS ............................................................................................................8
2 TRANSFORMADA Z .......................................................................................... 10
2.1 MTODO DA TRANSFORMADA Z ..............................................................................................10
2.1.1 Transformada Z ..................................................................................................................10
2.1.2 Transformada Z de funes elementares ............................................................................10
2.1.3 Propriedades da Transformada Z ......................................................................................12
2.2 TRANSFORMADA Z INVERSA ....................................................................................................14
2.2.1 Mtodo de expanso em fraes parciais...........................................................................15
2.2.2 Mtodo computacional - Matlab ........................................................................................17
2.3 EXERCCIOS RESOLVIDOS ........................................................................................................18
2.4 EXERCCIOS PROPOSTOS ..........................................................................................................19
3 FUNO DE TRANSFERNCIA EM TEMPO DISCRETO ........................ 21
3.1 AMOSTRAGEM IMPULSIVA .......................................................................................................21
3.2 CIRCUITO DATA-HOLD ............................................................................................................22
3.2.1 Segurador de Ordem Zero - ZOH.......................................................................................22
3.2.2 Segurador de primeira ordem ............................................................................................23
3.2.3 Funes de Transferncia em Tempo Discreto com ZOH..................................................25
3.2.4 Resposta em Freqncia do ZOH.......................................................................................26
3.3 FUNO DE TRANSFERNCIA PULSADA ...................................................................................27
3.3.1 Transformada de Z de FTs incluindo o amostrador...........................................................28
3.3.2 Funo de Transferncia em Cascata ................................................................................28
3.3.3 Funo de transferncia em malha fechada.......................................................................29
3.3.4 Funo de transferncia em malha fechada de controladores digitais ..............................30
3.3.5 Funo de transferncia pulsada de um controlador PID digital......................................31
3.3.6 Simulao de sistemas em tempo discreto ..........................................................................34
3.3.7 Realizao de Controladores digitais e filtros digitais ......................................................36
3.3.8 Resposta ao Impulso Finita e Infinita.................................................................................38
4 PROJETO DE CONTROLADORES POR MTODOS CLSSICOS .......... 43
4.1 MAPEAMENTO ENTRE PLANO Z E PLANO S...............................................................................43
4.2 ANLISE DE ESTABILIDADE DE SISTEMAS NO PLANO Z............................................................47
4.3 RESPOSTA TRANSIENTE ...........................................................................................................48
4.4 MTODO DE PROJETO BASEADO NO LUGAR DAS RAZES ...........................................................49
4.5 CONTROLADOR TIPO DEAD BEAT.........................................................................................56
4.6 PROJETO DE CONTROLADORES PID .........................................................................................57
4.6.1 Ziegler-Nichols malha fechada...........................................................................................57
4.6.2 Ziegler-Nichols Malha Aberta............................................................................................58
5 FORMULAO POR MATRIZES DE ESTADO........................................... 61
iii
5.1 INTRODUO FORMULAO DE ESTADO ...............................................................................61
5.2 NOMENCLATURA DE ESPAO DE ESTADOS ..............................................................................62
5.3 REPRESENTAO DE ESPAO DE ESTADOS DISCRETOS ............................................................62
5.3.1 Forma Cannica Controlvel.............................................................................................62
5.3.2 Forma Cannica Observvel..............................................................................................63
5.3.3 Forma Cannica Diagonal.................................................................................................63
5.3.4 Forma Cannica de Jordan................................................................................................64
5.3.5 No unicidade das matrizes de estado................................................................................64
5.4 SIMULANDO UM SISTEMA NA FORMA DE ESTADO DISCRETO .....................................................65
5.5 PASSANDO DE MATRIZES DE ESTADO PARA FT........................................................................65
5.6 DISCRETIZAO DE MATRIZES DE ESTADO CONTNUAS ..........................................................66
6 CONTROLABILIDADE E OBSERVABILIDADE ......................................... 73
6.1 INTRODUO ...........................................................................................................................73
6.2 CONTROLABILIDADE ................................................................................................................73
6.3 CONTROLABILIDADE DE SADA ................................................................................................75
6.4 OBSERVABILIDADE ..................................................................................................................76
6.5 COMENTRIOS GERAIS SOBRE CONTROLABILIDADE E OBSERVABILIDADE................................79
6.5.1 Condies de controlabilidade e observabilidade em termos de Funes de Transferncia
79
6.5.2 Efeito da discretizao .......................................................................................................80
6.5.3 Princpio da dualidade .......................................................................................................81
7 PROJETO DE CONTROLADORES VIA ALOCAO DE PLOS ........... 84
7.1 INTRODUO ...........................................................................................................................84
7.2 FRMULA DE ACKERMANN ......................................................................................................85
7.3 FORMAS ALTERNATIVAS PARA O GANHO K ..............................................................................86
7.4 CONTROLE POR REALIMENTAO DE ESTADO .........................................................................88
7.5 OBSERVADORES DE ESTADO ....................................................................................................90
7.5.1 Observadores de Estado de Ordem Completa....................................................................91
7.5.2 Comentrios sobre estimador de estado.............................................................................93
7.5.3 Estimadores de Ordem Reduzida........................................................................................97
7.6 EXERCCIOS RESOLVIDOS ......................................................................................................103
7.7 EXERCCIOS PROPOSTOS ........................................................................................................109
8 PROJETOS ......................................................................................................... 111
8.1 PNDULO INVERTIDO .............................................................................................................112
8.2 SUSPENSO ATIVA PARA DE VECULO ................................................................................113
8.3 CONTROLE NO COLOCADO ...................................................................................................114
8.4 PROJETO DE FILTROS DIGIAIS ................................................................................................115
9 REFERNCIAS BIBLIOGRFICAS ............................................................. 116
iv
Captulo 1
1 Introduo ao Controle de Sistemas em Tempo

Discreto
Neste item, ser apresentado os equipamentos utilizados em sistemas de
controle.
1.1 Introduo
Aqui, sero tratados sistemas lineares e invariantes no tempo em que o

controle de sistemas em tempo discreto entendido como a implementao de sistemas
de controle utilizando placas de aquisio de dados capazes de medir uma determinada
quantidade de sinais analgicos, process-los e devolv-los ao meio ambiente.
1.2 Sistemas de controle em tempo discreto
Um sistema de controle em tempo contnuo em realimentao pode ser

apresentado como na Figura 1.1, neste caso, todos os sinais envolvidos so sinais
contnuos e o sistema de controle e a planta podem ser escrito no domnio de Laplace.
Figura 1.1: Exemplo de um sistema de controle em tempo contnuo
J os sistemas de controle em tempo discreto envolvem a discretizao de uma

ou mais variveis do processo de controle. Normalmente, a implementao de um
sistema de controle em tempo discreto envolve a utilizao de um computador em
conjunto com uma placa de aquisio de dados para a implementao do controlador.
Sendo assim, est implcito no mtodo que ocorra pelo menos uma passagem do tempo
contnuo para o tempo discreto, denominada discretizao ou amostragem do sinal, e
uma passagem do tempo discreto para o tempo contnuo, chamada de reconstruo.
A implementao em tempo real de controle para um sistema de controle em

tempo discreto em realimentao onde o controlador implementado em tempo discreto
pode ser observado na Figura 1.2.
1
Figura 1.2: Exemplo de um sistema de controle em tempo discreto
Ambiente Fsico o ambiente no qual ser implementado o sistema de controle,

o ambiente real onde o processo fsico ocorre.
Ambiente Computacional o ambiente onde o sistema de controle

implementado, isto , onde ocorre o processo de sntese do controlador e calculada a
lei de controle. Este ambiente representa o hardware e software onde o sistema de
controle implementado, como por exemplo no Matlab/Simulink.
Varivel Fsica a quantidade fsica que se deseja medir para ser usada no
sistema de controle, por exemplo, deslocamento, velocidade, acelerao, temperatura,
presso, etc.
Transdutor o dispositivo capaz de transformar uma quantidade de entrada em

outra quantidade de sada, normalmente voltagem, isto , o dispositivo que tem a
capacidade de medir a varivel fsica e transform-la em voltagem para ser utilizado
como informao pelo sistema de controle, em outras palavras, simplesmente o
sensor, como acelermetros, vibrmetros laser, clulas de carga, sensores de posio,
tacmetros, microfones, etc.
Condicionador de sinais o dispositivo que alimenta o transdutor, pois

normalmente o transdutor precisa de uma fonte de alimentao especfica para ele. De
maneira geral, os transdutores geram uma quantidade de voltagem insuficiente para
serem utilizados em sistemas de medida e controle, necessitando assim de um sistema
de amplificao. Os condicionadores de sinais podem incluir um amplificador
operacional como fonte de alimentao bsica, um sistema de amplificao e filtros
analgicos, integradores, etc.
Filtros Analgicos so dispositivos que modificam o sinal de entrada, isto ,

eles eliminam determinadas faixas de freqncia do sinal de entrada. So classificados
como filtros passa-baixo, onde apenas freqncias abaixo de um determinado valor
esto presentes no sinal de sada, filtros passa-alto onde apenas freqncias acima de um
determinado valor esto presentes no sinal de sada, passa-banda onde apenas uma
determinada faixa de freqncias est no sinal de sada e rejeita-banda onde uma banda
de freqncias retirada do sinal de sada. Alguns filtros podem incluir um sistema de
amplificao, mas em geral no substituem o sistema de condicionamento de sinal.
2
Figura 1.3: Exemplo de curva em freqncia de um filtros ideais. Passa-baixo. Passa-
alta, Rejeita-banda ou Notch e Passa-banda
Multiplexador Analgico normalmente parte integrante da placa de aquisio

de sinais e o dispositivo que conecta os canais de entrada da placa de aquisio de
dados ao circuito Sample and hold. Normalmente uma placa de aquisio de sinais
contm vrios canais de entrada e apenas um multiplexador analgico.
Circuito Sample-and-Hold dispositivo que faz a amostragem, sample, e

mantm o sinal amostrado por um determinado perodo de tempo, hold. Este dispositivo
aquele que o usurio tem a escolha do tempo de discretizao.
Conversor Analgico Digital o dispositivo que realmente realiza o processo

de amostragem e quantificao do sinal analgico, isto , a sada do conversor A/D
um sinal binrio, normalmente o multiplexador analgico e circuito sample-and-hold
so partes integrantes do conversor A/D.
Figura 1.4: Componentes bsicos de um sistema de medida
Demultiplexador dispositivo que conecta a sada de dados da placa de

aquisio de sinais com os respectivos canais de sada. Esta conexo sincronizada com
o respectivo tempo de amostragem.
Conversor Digital Analgico o dispositivo que transforma uma entrada

digital, neste caso um nmero binrio, em uma sada analgica.
Hold um dispositivo que mantm o sinal de sada do conversor D/A seguindo

uma determinada funo, isto , o hold mais comum o Zero-Order Hold (ZOH),
segurador de ordem zero, ele mantm o sinal constante como apresentado abaixo. Este
dispositivo parte integrante do conversor D/A, Figura 1.5.
3
Figura 1.5: sinal contnuo e sinal contnuo com segurador de ordem zero
Filtro de reconstruo um filtro analgico adicionado na sada do conversor

D/A com o intuito de eliminar as escadas feitas pelo hold. Este filtro pode ser
eliminado do processo se necessrio.
Sistema de condicionamento do atuador um dispositivo parecido com o

condicionador apresentado anteriormente e serve para alimentar, filtrar e amplificar o
atuador.
Atuador o dispositivo responsvel por implementar a lei de controle no

sistema fsico, isto , o dispositivo que implementa fisicamente a lei de controle.
Figura 1.6: Componentes bsicos de um sistema de atuao
Exemplo 1.1: Controle de temperatura de uma autoclave
Figura 1.7: Sistema de monitoramento de temperatura em uma autoclave
Exemplo 1.2: Montagem experimental de um sistema de controle
4
Figura 1.8: Sistema de controle detalhado
1.3 Tipos de sinais
Sinais em analgico em tempo contnuos so sinais contnuos definidos em

qualquer instante de tempo cuja amplitude varia continuamente neste intervalo. Figura
1.9(a).
Sinal em tempo contnuo quantizado um sinal cuja amplitude s pode

assumir valores pr-determinados. Figura 1.9(b).
Sinais discretizados so sinais que s podem assumir valores em determinados

instantes de tempo. Figura 1.9(c).
Sinais discretizados e quantizados so sinais discretizados que s podem

assumir determinados valores de amplitude. Figura 1.9(d).
(a) Sinal contnuo (b) Sinal contnuo quantizado
(c) Sinal discretizado (d) Sinal discretizado quantizado

Figura 1.9: Tipos de sinais
5
A Figura 1.9(a) representa um sinal analgico qualquer, enquanto que a Figura
1.9(d) representa um sinal visto por um sistema de aquisio de dados, isso significa
que existiro erros entre a passagem de um sinal contnuo para um sinal discreto. Aqui o
termo sinal contnuo ser referir sempre ao sinal da Figura 1.9(a) enquanto que um sinal
discreto ou em tempo discreto a um sinal igual ao da Figura 1.9(d).
Controle de sistemas em tempo discreto envolver uma ou mais variveis que s

podem ser acessadas ou lidas em determinados instantes de tempo atravs de um
processo de amostragem.
1.4 Amostragem de sinais contnuos
Este item ser explicado como a amostragem de um sinal contnuo deve ser feito
sem que haja perda de informao ou se cometa erros durante este processo.
O Processo de Amostragem de sinais contnuos substitui o sinal em tempo

contnuo por uma seqncia de valores em tempo discreto. Este processo normalmente
seguido por um processo de quantizao do sinal discreto.
1.4.1 Teoria da Amostragem Tratamento emprico
A amostragem ou discretizao de um sinal analgico feita seguindo um

determinado tempo de amostragem T, em segundos, ou freqncia de amostragem fa,
dada em Hz. Sendo que,
1
T=
fa
Ento, a amostragem dada pela seguinte relao,
+
x (kT ) = x ( t ) (t kT ) k=0, 1, 2 ...
k =
onde o delta de dirac extrai o valor da funo no instante em que t = kT.
(a) sinal contnuo (b) Sinal amostrado

Figura 1.10: Sinal contnuo e sinal amostrado
6
Para que um sinal contnuo possa ser corretamente discretizado, ele deve
obedecer as regras imposta por Fourier, isto , a maior freqncia contida no sinal a ser
amostrado dever obrigatoriamente ser menor que metade da freqncia de amostragem
fa que conhecida como freqncia de Nyquist fN. De modo geral, para uma boa
aplicao de sistemas de controle, deve ser considerado pelo menos de 4 a 6 pontos por
perodo da maior freqncia a ser amostrada para que o sistema de controle possa
funcionar adequadamente.
Exemplo 1.3: Supor um sinal analgico com apenas uma freqncia igual a 400 Hz. Se
a amostragem for feita com uma freqncia de amostragem fa = 1600 Hz. Pede-se:
a) Qual o tempo de amostragem?

Soluo:
O tempo de amostragem T dados por,
1 1
T= = = 0.625 ms
fa 1600
b) Quantos pontos por perodo?

Soluo:
Como o sinal contnuo tem f = 400 Hz e a amostragem foi feita em 1600
Hz, ento o nmero de pontos por perodo dado por,
Nmero de pontos por perodo n = 1600/400 = 4.
c) Grfico do sinal correto vs sinal amostrado
Figura 1.11: Sinal correto e sinal amostrado
Exemplo 1.4: Supondo um sistema massa-mola com m=0.5 kg e k = 100.000 N/m que
ser simulado em tempo discreto por uma senide com freqncias de 65 e 85 Hz. Qual
dever ser o tempo de amostragem mnimo supondo 6 pontos por perodo?
Soluo:
Para 6 pontos por perodo,
1 1
F = 65 Hz, ento, T = = 2.57 ms
6 65
1 1
F = 85 Hz, ento, T = = 1.96 ms
6 85
7
k 447.21
n = = 447.21 rad / s significando que f n = = 71.18 Hz , ento
m 2
1 1
T= = 2.35 ms
6 71.18
Desta forma, ter de ser amostrado com o menor T, ento, 1.96 ms.
1.4.2 No unicidade de sinais amostrados
Supondo a Figura 1.12, observe que se a senoide de 400 Hz for amostrada com T
= 2 ms isso representa uma freqncia de amostragem fa = 500 Hz e uma freqncia de
Nyquist fN = 250 Hz. O sinal original de 400 Hz se rebate em Nyquist, representando
uma freqncia aparente de 100 Hz.
Figura 1.12: Sinal contnuo e sinal amostrado incorretamente
Desta forma, no se pode amostrar um sinal cuja freqncia seja maior que a
freqncia de Nyquist, para evitar este problema, os sinais devem ser filtrados por um
filtro passa baixo para eliminar todas as freqncias do sinal acima de Nyquist.
Alm disso, significa que uma vez o sinal tenha sido amostrado, no mais
possvel recupera-lo completamente devido ao problema de amostragem. Por isso, a
discretizao do sinal deve ser feita com muito cuidado para obter o resultado final
desejado.
Em geral, o tempo de discretizao ser limitado pela capacidade da placa de
aquisio de sinais, isto , as placas possuem uma capacidade limitada em velocidade de
processamento, isso na prtica ir limitar a velocidade de aquisio.
1.5 Exerccios Propostos
8
Exerccio 1.1: (Prova de 2007) Calcular o tempo de amostragem mnimo para simular o
sistema de 2 ordem dado abaixo para uma entrada senoidal com freqncia = 50
radl/s, supondo 6 pontos por perodo.
100
G (s) = 2
s + 20s + 10000
9
Captulo 2
2 Transformada Z
Neste captulo, ser abordada a transformada e a transformada inversa de Z.
2.1 Mtodo da Transformada Z
O mtodo da Transformada Z, transforma equaes diferenciais temporais em

equaes algbricas no domnio discreto. Aqui, sero tratados sinais e sistemas lineares
e com parmetros invariantes no tempo, e ser assumido que o tempo de amostragem T
ser escolhido tal que ser possvel a reconstruo do sinal temporal original,
significando que no ser levado em conta erros de processamento de sinais. Para
iniciar, deve-se considerar que a discretizao de um sinal temporal contnuo dada
por,
+
x (kT ) = x ( t ) (t kT ) k=0, 1, 2 ...
k =
2.1.1 Transformada Z
A transformada Z de uma funo temporal contnua x(t), onde t representa

apenas o eixo positivo de tempo, para um tempo de amostragem T ser definida por,

X(z ) = Z[x (t )] = Z[x (kT )] = x (kT )z k
k =0
2.1.2 Transformada Z de funes elementares
1 0 t
Funo Degrau Unitrio definido como x (t ) =
0 t < 0
Soluo: Aplicando a definio,

X(z ) = Z[x (t )] = Z[1] = z k = 1 + z 1 + z 2 + z 3 + L
k =0
Fazendo,
G
G = 1 + z 1 + z 2 + z 3 + L = z 1 + z 2 + z 3 + z 4 L = G 1
z
Portanto,
G z 1
= G 1 G = zG z G (z 1) = z G = =
z z 1 1 z 1
Ento,
10

1 z
X(z ) = Z[x (t )] = Z[1] = z k = 1 + z 1 + z 2 + z 3 + L = 1
=
k =0 1 z z 1
Note que esta srie convergir se |z| >1.
t 0 t
Funo Rampa Unitria definida por: x (t ) =
0 t < 0
( )

X(z ) = Z[t ] = Z[kT ] = kTz k = T z 1 + 2z 2 + 3z 3 + L
k =0
Fazendo,
G = z 1 + 2z 2 + 3z 3 + L
(1 z 1 )G = z 1 + 2z 2 + 3z 3 + L z 2 2z 3 3z 4 L
z 1
G = z 1 + z 2 + z 3 + z 4 + L
z
Comparando com o exemplo do degrau unitrio, ento,
z z 1 z 1
1 = GG= =
z 1 z 2
(
(z 1) 1 z 1 2 )
Portanto,
Tz 1
( )

Tz
X(z ) = Z[t ] = Z[kT ] = kTz k = T 1z 1 + 2z 2 + 3z 3 + L = =
k =0 (
1 z 1 )
2
(z 1)2
a k 0t
Funo Polinomial na forma x (t ) = com a constante.
0 t<0
[ ]

1 z
X(z ) = Z a k = a k z k = 1 + az 1 + a 2 z 2 + a 3 z 3 + L = 1
=
k =0 1 az za
Utilizando o mesmo princpio do exemplo anterior,
G = 1 + az 1 + a 2 z 2 + a 3 z 3 + L
Portanto,
(1 az 1 )G = 1 + az 1 + a 2 z 2 + a 3 z 3 + L az 1 a 2 z 2 a 3 z 3 L = 1
Ento,
1 z
(1 az 1 )G = 1 G = 1
=
1 az za
Finalmente,
[ ]

1 z
X(z ) = Z a k = a k z k = 1 + az 1 + a 2 z 2 + a 3 z 3 + L = 1
=
k =0 1 az za
e at 0t
Funo Exponencial na forma: x (t ) =
0 t<0
[ ] [ ]

X(z ) = Z e at = Z e akT = e akT z k = 1 + e aT z 1 + e 2aT z 2 + e 3aT z 3 + L
k =0
11
Comparando com a soluo do exemplo anterior, fcil notar que a = e-aT, ento,
[ ] [ ]

1 z
X(z ) = Z e at = Z e akT = e akT z k = aT 1
=
k =0 1 e z z e aT
sin t 0 t
Funo Senoidal definida como: x (t ) =
0 t<0
Soluo: Sabendo-se que,
sin t =
1 j t
2j
(
e e j t )
Aplicando a definio,
1
( 1
X(z ) = Z[sin t ] = Z e jt e jt =
2 j 2 j
) ([ ] [
Z e j t Z e j t ])

Observe que aqui se aplicou duas propriedades da transformada Z, que foi a
multiplicao por uma constante e a propriedade da soma.
Ento, pela transformada Z da exponencial,
1 1
(
Z[x (t )] = Z[sin t ] = Z e jt e jt = ) 1
jT 1

1
jT 1

2j 2j 1 e z 1 e z
=
1 (
e jT e jT z 1 )=
z 1 sin T
= 2
z sin T
(
jT
2j1 e + e jT 1
z +z) 2 1
1 2z cos T + z 2
z 2z cos T + 1
2.1.3 Propriedades da Transformada Z
Multiplicao por uma constante: Z[ax ( t )] = aZ[x ( t )] = aX(z)
Linearidade: x (kT) = f (kT) + g(kT) ento X(z) = F(z) + G (z)
Multiplicao por ak: [ ]

Z a k x (kT) = X(a 1 z)
Prova:
[ ] ( )

Z a k x (kT) = a k x (kT)z k = x (kT) a 1 z
k
= X(a 1 z)
k =0 k =0
Translao no tempo ou translao real,

Z[x ( t nT)] = z n X(z)
Prova:

Z[x ( t nT)] = x (kT nT)z k
k =0

= z n x (kT nT)z (k n )
k =0
Definindo m = k-n, ento,

Z[x ( t nT)] = z n x(mT)z m
m= n
Como x(mT) para m<0 por definio igual a zero,
12

Z[x ( t nT )] = z n x (mT)z m = z n X(z)
m =0
Alm disso,
n 1

Z[x ( t + nT )] = z n X(z) x (kT)z k
k =0
Prova

Z[x ( t + nT)] = x (kT + nT )z k
k =0

= z n x (kT + nT )z (k + n )
k =0
n 1
= z n x (mT)z m = z n x (mT)z m z n x (mT)z m
m=n m =0 m=0
n 1
= z n X(z) z n x (mT)z m
m =0
n 1

= z n X(z) x (kT)z k
k =0
Exemplo 2.1: Achar a transformada Z do degrau unitrio quando o degrau

aplicado 4 perodos de amostragem, isto , para k = 4.
Soluo: como a transformada Z do degrau unitrio comeando em k = 0 dada
por,
z
X(z ) = Z[x (t )] = Z[1] =
z 1
O problema pede,
X(z ) = Z[x (t 4T )]
Utilizando o teorema da translao no tempo,

z 4
Z[x ( t 4T )] = z 4 x (mT)z m = z 4 X(z) =
m =0 z 1
-4
Neste caso, deve ser notado que z significa um atraso de tempo de 4 sem
considerar qual foi o atraso de tempo utilizado.
Translao complexa,
[ ] ( ) ( )

Z e at x ( t ) = x (kT)e akT z k = x (kT ) e aT z
k
= X ze aT
k =0 k =0
Exemplo 2.2: Encontrar a transformada Z de te at

Soluo: como a transformada de t, rampa unitria dada por,
Tz 1 Tz
X(z ) = Z[t ] = = = X(z)
1 z 1
2
( (z 1)2 )
Ento, pelo teorema da translao complexa,
T(ze aT )
1
X(z ) = Z te at =[ ] =
Tze aT
(1 (ze ) ) aT 1
2
(ze aT
1)
2
13
Teorema do valor inicial: Se x(t) possui uma transformada X(z) e se lim X(z)
z
existe, ento o valor inicial x(0) dado por,
x (0) = lim X(z)
z
Prova: Como a transformada z de uma seqncia de nmeros dada por,

X(z ) = Z[x (kT)] = x (kT)z k = x (0) + x (T)z 1 + x (2T)z 2 + x (3T)z 3 + L
k =0
Fazendo z tender ao infinito, sobra apenas x(0).
Teorema do valor final: Supondo que x(kT) onde x(0) = 0 para todo k<0, tenha
a transformada X(z) e todos os plos de X(z) estejam dentro do circulo de raio unitrio
com exceo de um plo simples em z = 1, isto a condio de estabilidade que ser
apresentada mais frente. Ento, o valor final de x(kT) pode ser expresso por,
lim x (kT) = lim 1 z 1 X(z)
k z 1
[( ) ]
Prova: Sabendo-se que pela definio da transformada Z,

Z[x (kT )] = X(z ) = x (kT )z k
k =0
Ento,

Z[x (kT T )] = z 1 X(z ) = x (kT T )z k
k =0
Subtraindo um do outro,

x(kT )z k x(kT T )z k = X(z) z 1X(z)

k =0 k =0
Aplicando o limite quando z tende unidade,

lim x (kT )z k x (kT T )z k = lim (1 z 1 )X(z) [ ]

z 1
k =0 k =0 z 1
Como foi assumido que x(k) = 0 para k < 0 ento, o lado esquerdo da equao
acima torna-se,

[ ]

lim x (kT )z k x (kT T )z k = x (kT )(1) x (kT T)(1)
k k
z 1
k =0 k =0 k =0

= [x (kT ) x (kT T)]
k =0
Expandindo o somatrio,

[x (kT ) x (kT T)] = [x (0) x (1)] + [x (1) x (0)] + [x (2) x (1)] + L =

k =0
= x () = lim x (k )
k
Ento,
[(
lim x (k ) = lim 1 z 1 X(z)
k z 1
) ]
2.2 Transformada Z inversa
Como apresentado anteriormente, quando sinais contnuos so amostrados, a sua

reconstruo no nica, isto , parte do sinal pode ter sido perdida devido ao teorema
14
da amostragem. Por exemplo, o sinal apresentado na Figura 2.1, como o sinal amostrado
gera apenas os pontos discretos, qual o sinal real?
1.5
0.5
-0.5
-1
-1.5
-2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Figura 2.1: Sinal amostrado e suas possveis reconstrues
Assim, a transformada Z de x(kT) ou x(t) gera um nico X(z), desde que

especificado o tempo de amostragem T. Por sua vez, a transformada inversa de X(z)
gera um nico x(kT), mas resta saber se este x(kT) representa a resposta esperada para
x(t), assim pode-se dizer que a transformada inversa de X(z) pode no gerar um nico
x(t).
2.2.1 Mtodo de expanso em fraes parciais
Alguns mtodos podem ser utilizados para encontrar a transformada z inversa,

nesta parte ser abordado o mtodo de expanso em fraes parciais que consiste em
expandir X(z) em fraes na forma mais simples possvel e utilizar a tabela de
transformada Z para encontrar a sua representao em tempo contnuo.
z 1
Exemplo 2.3: Encontrar a transformada z inversa de X(z) =
1 az 1
Soluo: Nas tabelas de transformada Z no se encontra a funo acima, porm,
fazendo,
1
X(z) = z 1 Y(z) =
1 az 1
Utilizando a tabela de transformada z, tem-se que,
1
Z 1 [Y(z)] = Z 1 1
= ak
1 az
Porm, o desejado ,
[ ]
Z 1 [X(z)] = Z 1 z 1 Y(z) = y(kT T) = a ( k 1) T
Assim,
y(kT T) = a ( k 1) T k = 1,2,3, L
y(kT ) =
0 k0
15
Para encontrar a transformada z inversa de X(z), deve-se notar que X(z) dada
da seguinte forma,
b 0 z m + b1 z m 1 + L + b m 1 z + b m
X(z) = com m n
z n + a 1 z n 1 + L + a n 1 z + a n
Ou ainda,
b z ( n m ) + b1 z ( n m +1) + L + b m z n
X(z) = 0
1 + a 1 z 1 + L + a n z n
Colocando na forma de plos e zeros,
b (z z 1 )(z z 2 )L (z z m )
X(z) = 0
(z p1 )(z p 2 )L (z p n )
Supondo que todos os plos so plos no repetidos e tenha pelo menos 1 zero
na origem, bm = 0, ento, a melhor expanso ser na forma,
X(z) a1 a2 an
= + +L+
z z p1 z p 2 z pn
Se houver plos repetidos, supondo um plo duplo e nenhum outro plo, a
expanso poder ser na forma,
X(z) c1 c
= + 2
z (z p1 ) z p1
2
Exemplo 2.4: Supondo que a transformada z seja na forma

z2 + z + 2
X(z) = 3
z 2z 2 + 2z 1
As razes do denominador, que so os plos, so dadas por, 1,
1
2
1 j 3 , ( )
portanto, um plo real e um par de plos complexos conjugados, sendo assim, fazendo,
z2 + z + 2 a a z + a3
X(z) = = 1 + 22 =
(z 1)(z z + 1) z 1 z z + 1
2
(a 1 + a 2 )z 2 + ( a 1 a 2 + a 3 )z + (a 1 a 3 )
=
(z 1)(z 2 z + 1)
Portanto, montando o sistema matricial para a soluo,
1
1 1 0 a 1 1 a 1 1 1 0 1 4
1 1 1 a = 1 a = 1 1 1 1 = 3
2 2
1
0 1 a 3 2 a 3 1 0 1 2 2
Ento,
z2 + z + 2 4 3z + 2 4 3z 2
X(z) = = + 2 = + 2 + 2
(z 1)(z z + 1) z 1 z z + 1 z 1 z z + 1 z z + 1
2
4z 1 3z 1 2z 2
= +
1 z 1 1 z 1 + z 2 1 z 1 + z 2
Para o primeiro termo,
4 k = 1,2,3,L
z 1 X(z) = Y(z) =
4
1 z 1
y ( kT ) = 4(1 ) x ( kT ) = 4 1( )
k 1
=
k0
0
Para o segundo termo, deve-se notar que,
16
z 1 sin T
Z[sin t ] =
1 2z 1 cos T + z 2
Aplicando o teorema da translao complexa,
[ ]
Z e akT sin kT =
e aT z 1 sin T
1 2e aT z 1 cos T + e 2 aT z 2
Ento, comparando o segundo membro de X(z) com a equao acima, nota-se
que se e 2aT = 1 , significando que e aT = 1 e cos T = 1 2 , significando que T = 3
e consequentemente, sin T = 3 2 . Ento,
k e aT z 1 sin T 3 z 1
Z(1) sin k = =
3 1 2e aT z 1 cos T + e 2aT z 2 2 1 z 1 + z 2
Significando que,

2 3 (1k )sin k k = 1,2,3,L
3z 1
X(z) = Z2 3 (1k )sin k =

x ( kT ) = 3
3 1 z 1 + z 2 0 k0
Para a terceira parte, utilizando a resposta anterior,
4 3 k 4z 1
z 1 X(z) = Y(z) = Z (
1 )sin k = 1 2

3 3 1 z + z
4 3 k
x (kT) = 3 (1 )sin 3 (k 1) k = 1,2,3,L

0 k0
Portanto, a soluo final fica,
4 3
x (kT) = 4 2 3 sin 3 k + 3 sin 3 (k 1) k = 1,2,3,L

0 k0
2.2.2 Mtodo computacional - Matlab
O mtodo apresentado aqui pode ser implementado em qualquer software, ele

consiste em calcular a resposta do sistema ao delta de Kronecker, neste caso, a resposta
ser numrica, e em alguns casos a reconstruo pode ser retirada facilmente.
Exemplo 2.5: Calcular a transformada Z inversa de,

z(z + 2) z 2 + 2z
X(z) = =
(z 1)2 z 2 2z + 1
No Matlab digitar:
num=[1 2 0]; % numerador
den=[1 -2 1]; % denominador
u=[1 zeros(1,30)]; % delta de Kronecker
x=filter(num,den,u) % resposta ao delta de Kronecker
Soluo encontrada.
x =
17
Columns 1 through 12
1 4 7 10 13 16 19 22 25 28 31 34
37 40 43 46 49 52 55 58 61 64 67 70
73 76 79 82 85 88 91
Neste caso, a seqncia de valores dada por x (k ) = 3k + 1 k=0, 1, 2, .....
2.3 Exerccios Resolvidos
Exemplo 2.6: Encontrar a transformada Z de,

cos t t 0
x(t) =
0 t<0
e jt + e jt
Soluo: Sabendo-se que cos t = e que,
2
[ ]
Z e jt =
1 e z
1
t 1
[ ]
e Z e jt =
1
1 e t z 1
Ento,
1 1 1 z 2 z cos T
Z[cos t ] = + =
2 1 e t z 1 1 e t z 1 z 2 2z cos T + 1
Exemplo 2.7: Encontrar a transformada Z do sinal que tem a seguinte representao em

Laplace,
1
X(s) =
s(s + 1)
Neste caso, das tabelas de transformada de laplace inversa, tem-se que,
L1 [X(s)] = 1 e t t 0
Ento a transformada Z fica,
[ ]
Z[X(s)] = Z 1 e t =
1

1
=
(1 e T )z 1
1 z 1 1 e T z 1 (z 1)(z e T )
Exemplo 2.8: Encontrar a transformada Z da funo definida na assumindo tempo de

amostragem T = 1 segundo.
18
1
0.8
x(t)
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8
t
Figura 2.2: sinal a ser discretizado
Observe que h algumas possveis solues, pois x(t) pode ser escrita como 3
impulsos devidamente defasados e o degrau unitrio defasado de 4 instantes de tempo,
x (kT) = 0.25(kT 1) + 0.5(kT 2) + 0.75(kT 3) + 1(kT 4)
Aplicando a transformada Z em cada termo,
z 1 z 2 3z 3 z 4 z 1 z 5
Z[x (kT)] = + + + =
4 2 4 1 z 1 4(1 z 1 )2
Ou ento, como uma reta iniciando em 0 menos uma reta negativa iniciando em
4,
1 1
x (kT) =
kT (kT 4)
4 4
Aplicando a transformada Z em cada termo,
1 z 1 1 z 5 z 1 z 5
Z[x (kT)] = =
4 (1 z 1 )2 4 (1 z 1 )2 4(1 z 1 )2
Exerccio 2.1: Obter a transformada Z de,

1
a) x ( t ) = 1 e at
a
( )
b) x ( t ) = t 2 e at
1
0.8
0.6
x(t)
0.4
0.2
0
0 1 2 3 4 5 6 7 8
c) t
Exerccio 2.2: Considerando a seguinte funo de transferncia discreta,

z 1
X(z) =
(
1 z 1 1 + 1.3z 1 + 0.4z 2 )( )
Determinar:
a) Valor inicial x(0);
19
b) Valor final x();
c) A transformada Inversa;
Exerccio 2.3: (Prova 2007) Calcular a Transformada Z do sinal apresentado abaixo,
20
Captulo 3
3 Funo de transferncia em tempo discreto
3.1 Amostragem impulsiva
Considerando um sinal x(t) que ser amostrado por um amostrador, conhecido

como sampler, de tal modo que a intervalos de tempo T, conhecido como tempo de
amostragem ou tempo de discretizao, ocorra uma leitura, este sinal dado pela Figura
3.1, e pode ser representado por,

x * ( t ) = x (kT )( t kT)
k =0
Figura 3.1: Amostrador impulsivo
Supondo que no so medidos tempos negativos, devido a causalidade, ento a

equao acima pode ser expandida como,
x * ( t ) = x (0)( t ) + x (T)( t T) + L + x (kT)( t kT) + L
Observe que o representa um trem de impulsos e, uma das formas de entender
o fenmeno da amostragem que o sinal x(t) modula o trem de impulsos para formar o
sinal amostrado conforme apresentado pela Figura 3.2.
Figura 3.2 : Amostrador impulsivo como um modulador
21
Agora aplicando a Transformada de Laplace no sinal amostrado,
[ ]
X * (s) = L x * ( t ) = x (0)L[( t )] + x (T)L[( t T)] + x (2T )L[( t 2T)] + L
= x (0) + x (T)e Ts + x (2T)e 2 Ts + L

= x (kT)e kTs
k =0
Sabendo-se que a Transformada de laplace de um impulso defasado de a ,
L[( t a )] = e as
Ento,

X * (s) = x (0) + x (T)e Ts + x (2T)e 2 Ts + L = x (kT)e kTs
k =0
Definindo,
1
e Ts = z s= ln z
T
Ento,

X * (s) 1 = x (kT )z k
s = ln z
T k =0
O lado direito desta equao a definio de transformada Z da seqncia x(t),
ento,
X * (s) 1 = X(z)
s = ln z
T
Desta forma,
1
X * ln z = X(z)
T
3.2 Circuito Data-Hold
A sada de um amostrador um trem de impulsos, mas em alguns casos isso no

desejvel, e o necessrio seria um sinal contnuo, a transformao de um sinal na
forma de trem de impulsos em um sinal contnuo pode ser feito por um circuito tipo
Data-Hold, que nada mais do que o processo de se obter um sinal contnuo x(t) de
uma seqncia discreta x(kT).
O circuito Data-Hold nada mais do que um interpolador, isto , ele gera ou
mantm um sinal entre dois impulsos seguindo uma interpolao polinomial na forma,
h (kT + ) = a n n + a n 1 n 1 + L + a 1 + a 0
onde h(kT+) a sada do circuito data-hold. Assumindo x(kT) como o sinal que
passar pelo circuito, neste caso, h(kT) deve ser igual a x(kT) para que os sinais sejam
os mesmos, ento,
h (kT + ) = a n n + a n 1 n 1 + L + a 1 + x (kT)
3.2.1 Segurador de Ordem Zero - ZOH
A forma mais simples de interpolao fazendo n=0, que representa um circuito

de ordem zero dado por,
22
h (kT + ) = x (kT)
Na Figura 3.3:, observa-se o resultado de um segurador de ordem zero.
Figura 3.3: Exemplo de sinal amostrado com uma reconstruo utilizando o ZOH
O ZOH mantm o sinal anterior at que um novo sinal aparea, ento,

h (kT + t ) = x (kT)
Significando que a sada do circuito ser igual entrada at que ocorra outro
sinal de entrada, ento,
k = 0 h ( t ) = x (0)[1( t ) 1( t T)]
k = 1 h (T + t ) = x (T)[1( t T ) 1( t 2T )]
k = 2 h (2T + t ) = x (2T)[1( t 2T) 1( t 3T)]
Ento a resposta temporal do ZOH ser definida como,
h ( t ) = x (0)[1( t ) 1( t T)] + x (T)[1( t T) 1( t 2T)] + L

= x (kT)[1( t kT) 1( t (k + 1)T)]
k =0
Como a Transformada de Laplace do degrau unitrio atrasada de kT dada por,
e kTs
L[1( t kT)] =
s
Ento a Transformada de Laplace da resposta do ZOH torna-se,

e kTs e (k +1)Ts 1 e Ts
H(s) = x (kT) = x (kT)e kTs
k =0 s s s k =0
Como,

X * (s) = x (kT)e kTs
k =0
Ento,
1 e Ts *
H(s) = X (s)
s
Consequentemente, a funo de transferncia o ZOH dada por,
H(s) 1 e Ts
G ZOH (s) = * =
X (s) s
3.2.2 Segurador de primeira ordem
Fazendo n=1, que representa um circuito de primeira ordem dado por,
23
h (kT + ) = a 1 + x (kT)
Aplicando a condio que,
h ((k 1)T ) = x ((k 1)T)
Ento,
h ((k 1)T) = a 1T + x (kT) = x ((k 1)T)
Portanto,
x (kT) x ((k 1)T)
a1 =
T
Consequentemente, a equao do segurador de primeira ordem fica,
x (kT) x ((k 1)T)
h (kT + ) = + x (kT)
T
Como o FOH utiliza uma extrapolao linear utilizando o valor anterior e o atual
para predizer o valor do prximo e, alm disso, o valor h(kT) deve ser igual a x(kT).
ento,
x (0) x (T)
k = 0 h () = + x (0) = 1 + x (0)
T T
x (T ) x (0)
k = 1 h (T + ) = + x (T) = 1 + x (T ) x (0)
T T T
x (2T) x (T)
k = 2 h (2T + ) = + x (2T) = 1 + x (2T) x (T)
T T T
Que pode ser expressa convenientemente como,

h (kT + ) = 1 + x (T) x ((k 1)T)
T T
Fica difcil escrever a equao sem assumir uma entrada conhecida, utilizando
uma entrada degrau para x(t),
t t
h ( t ) = 1 + 1( t ) 1( t T)
T T
Somando e subtraindo 1(t-T),
t tT
h ( t ) = 1 + 1( t ) 1( t T) 1( t T )
T T
Aplicando a transformada de Laplace a cada um dos termos da equao acima,
Ts + 1
1 1 1
(
1
H(s) = + 2 2 e Ts e Ts = 1 e Ts )
s Ts Ts s Ts 2
*
Agora, a transformada de Laplace da entrada x (t) do FOH ,

1
X (s) = 1(kT)e kTs =
*
k =0 1 e Ts
Ento a funo de transferncia do segurador de primeira ordem FOH fica,
2 Ts + 1
G FOH (s) = * (H(s)
)
= 1 e Ts
X (s) Ts 2
Um exemplo do FOH dado na Figura 3.4:.
24
Figura 3.4: FOH de um sinal qualquer
3.2.3 Funes de Transferncia em Tempo Discreto com ZOH
Supondo que antes da funo G(s) h um ZOH, ento a convoluo de G(s) com
o ZOH dada por,
1 e Ts
X(s) = G (s)
s
Fazendo,
1 e Ts
X(s) =
s
(
G (s) = 1 e Ts
G (s)
s
) ( )
= 1 e Ts G 1 (s) = G 1 (s) e Ts G 1 (s)
Pegando apenas o ltimo termo,
X 1 (s) = e Ts G 1 (s)
Aplicando o teorema da convoluo,
t
x 1 ( t ) = g 0 ( t )g 1 ()d
0
onde,
[ ]
g 0 ( t ) = L1 e Ts = (t T )
g 1 ( t ) = L1 [G 1 (s)]
Ento,
t
x 1 ( t ) = ( t T )g 1 ()d
0
Como o delta extrai o valor da funo,

x 1 ( t ) = g1 ( t T)
Alm disso, Z[g1(t)]=G1(Z), ento, por definio,
Z[x 1 ( t )] = Z[g 1 ( t T)] = z 1G 1 (z)
Porm, o desejado ,
[ ]
X(z) = Z G 1 (s) e Ts G 1 (s) = Z[g 1 ( t )] Z[x 1 ( t )]
G (z) = (1 z )G (z) = (1 z )Z
G (s)
= G 1 (z) z 1 1 1
s
1 1

No caso do FOH preceder a funo G(s), tem-se
2 Ts + 1
X(s) = 1 e Ts ( G (s) )
Ts 2
Utilizando o mesmo resultado do ZOH,
25
Ts + 1

X(z) = Z 1 e Ts( )
2
2

G (s)
Ts
2 Ts + 1
(
= 1 z 1 Z 2
)
G (s)
Ts
Exemplo 3.1: Obter a transformada Z de,

1 e Ts 1
X(s) =
s s +1
Soluo: Como representa um ZOH,
1 e Ts 1
X(z) = Z 1
= 1 z Z
s + 1
(
1 1
=)
s s s + 1
( ) 1
= 1 z 1 Z
1
= 1 z 1 1
(
1
) 1 e z
=
T 1
( )
1 z 1 1 e T z 1 1 e T z 1
s s + 1
3.2.4 Resposta em Freqncia do ZOH
A funo de transferncia do ZOH dada por,

1 e Ts
G ZOH =
s
A resposta em freqncia, que o diagrama de bode, pode ser encontrada
substituindo s por j,
G ZOH ( j) =
1 e Tj 2 1 e Tj
=
( =
) (
2e (1 / 2 )Tj e (1 / 2 )Tj e (1 / 2 )Tj )
j 2 j 2 j
=
(
2e (1 / 2 )Tj e (1 / 2 )Tj e (1 / 2 )Tj )
= Te 1 / 2Tj
sin (T / 2)
2 j T / 2
Nas figuras abaixo, s representa a freqncia de Nyquist, isto a mxima

freqncia que o sinal ainda pode ser reconstrudo adequadamente. Caso o sinal
amostrado apresente freqncias acima da freqncia de Nyquist o sinal discretizado
apresentar erro de aliasing.
(a) (FRF) (b) diagrama de Bode
26
Figura 3.5: Resposta em freqncia do ZOH
O ZOH pode ser entendido como um filtro de reconstruo do sinal amostrado e

ele no um filtro passa-baixo ideal. Como a magnitude muda com a freqncia,
atenuando o sinal a medida que a freqncia aumenta, o ZOH distorce o sinal, isto , ele
muda a amplitude e a fase do sinal de sada.
3.3 Funo de Transferncia Pulsada
A funo de transferncia, FT, pulsada a funo de transferncia em Laplace

envolvendo o amostrador. Supondo que um sistema cuja resposta ao impulso seja h(t)
tenha a entrada x(t) e a sada seja y(t), cujas transformadas de Laplace so H(s), X(s) e
Y(s) respectivamente. Pelo teorema da convoluo tem-se,
t t
y(t ) = h ( t ) * x ( t ) = h (t )x ()d = x (t )h ()d
0 0
Que no domnio de Laplace dada por,

Y(s) = H(s)X(s)
Adicionando um amostrador em x(t), este dado por,

x * ( t ) = x ( t )(t kT ) = x (kT )(t kT )
k =0 k =0
Aplicando esta entrada no sistema, tem-se que a resposta y(t) ser a combinao
de cada impulso gerado por x*(t) em h(t), sendo assim,
y( t ) = h ( t ) x (0) + h ( t T ) x (T ) + h ( t 2T) x (2T ) + L + h ( t kT) x (kT ) =
k
= h ( t nT) x (nT) 0 t kT
n =0
Amostrando tambm a sada do sistema, tem-se a Soma de Convoluo dada
por,

y(kT ) = h (kT nT) x (nT) = x (kT nT)h (nT) = h (kT) * x (kT)
n =0 n =0
O procedimento feito at aqui exatamente o que ocorre na Figura 3.6. Deve-se
notar que H(z) a resposta do sistema ao delta de Kronecker, pois se,
1 k = 0
x (kT) = (kT) =
0 k 0
Ento,
27

X(z) = Z[(kT)] = x (kT)z k = 1
k =0
Significando que Y(z) = H(z) se a entrada for um impulso.
Figura 3.6 : Sistema em tempo contnuo com amostradores
3.3.1 Transformada de Z de FTs incluindo o amostrador
Em sistemas em tempo discreto, alguns sinais do sistema so amostrados

enquanto outros continuam representados em tempo contnuo, que exatamente o que
ocorre na Figura 3.6. Sendo assim, ser til calcular a funo de transferncia pulsada
contendo amostradores em vrias posies.
Note que na Figura 3.6, a funo de transferncia Y(s) dada por,
Y(s) = H(s)X * (s)
A Transformada de Laplace Inversa de Y(s) dada por,
[ ]
t
y( t ) = L1 H(s)X * (s) = h ( t ) x * ()d
0
t
= h ( t ) x ()( kT)d = h (kT) x (kT)
0 k =0 k =0
Aplicando a transformada Z,

Y(z) = h (kT) x (kT) z n
n =0 k =0
Fazendo m = n - k,

Y(z) = h (mT) x (kT)z (k +m )
m = 0 k =0

= h (mT)z m x (kT)z k
m =0 k =0
= H(z)X(z)
Significando que,
[ ]*
Y * (s) = H(s)X * (s) = H * (s)X * (s)
Aplicando transformada Z, torna-se,
Y(z)
Y(z) = H(z)X(z) = H (z)
X(z)
3.3.2 Funo de Transferncia em Cascata
28
Considerando o sistema apresentado na Figura 3.7(a), supondo que os
amostradores esto sincronizados. Neste caso, observa-se que,
U(s) = G (s)X * (s)
Y(s) = H(s) U * (s)
Como mostrado no item anterior, encontra-se,
U * (s) = G * (s)X * (s)
Y * (s) = H * (s)G * (s)X * (s)
Y (s) = H (s) U (s)
* * *
Aplicando a Transformada Z, obtm-se a funo de transferncia,

Y(z)
Y ( z ) = H ( z )G ( z ) X ( z ) = H(z)G ( Z)
X(z)
Porm, aplicando o mesmo mtodo na Figura 3.7(b), neste caso tem-se que,
Y(s) = H(s)G (s)X * (s) = HG (s)X * (s)
Que resulta em,
Y * (s) = [HG (s)] X * (s)
*
Cuja transformada Z dada por,

Y(z)
= HG (z)
X(z)
Nota-se claramente que,
HG (z) H(z)G ( Z)
Figura 3.7 :Sistemas em cascata
Exemplo 3.2: Encontrar a funo de transferncia discreta em cascata do

sistema apresentado na Figura 3.7 supondo,
1 1
G (s) = e H(s) =
s+a s+b
Para a Figura 3.7(a) tem-se,
Y(z) 1 1 1 1
= H(z)G ( Z) = Z Z =
s + a s + b 1 e z 1 e z
aT 1 bT 1
X(z)
Para a Figura 3.7(b) tem-se,
Y(z) 1
= HG ( Z) = Z
1 1
= Z
ba 1 ( )
e aT e bT z 1
= ( )( )
s + a s + b b a (s + a )(s + b ) b a 1 e z 1 e z
aT 1 bT 1
X(z)
Este exemplo mostra claramente que ambos so diferentes.
3.3.3 Funo de transferncia em malha fechada
29
Como mencionado anteriormente, a amostragem pode ocorrer em qualquer etapa
do processo de controle. Supondo um sistema em malha fechada como o descrito na
Figura 3.8.
Figura 3.8: sistema em malha fechada envolvendo amostador
Consequentemente,
E(s) = R (s) H(s)G (s)E * (s) = R (s) HG (s)E * (s)
Que pode ser reescrito utilizando FT pulsada para todos os termos como,
R * (s)
E * (s) = R * (s) [HG (s)] E * (s) E * (s) =
*
1 + GH * (s)
Como,
C * (s) = G * (s)E * (s)
Ento, a funo de transferncia pulsada de malha fechada dada por,
R * (s) C * (s) G * (s)
C * (s) = G * (s)E * (s) = G * (s) =
1 + GH * (s) R * (s) 1 + GH * (s)
Aplicando a transformada Z, encontra-se a funo de transferncia discreta em
malha fechada,
C( z ) G (z)
=
R (z) 1 + GH(z)
3.3.4 Funo de transferncia em malha fechada de controladores

digitais
Na prtica, o controlador ser um controlador digital e a planta ser em tempo

contnuo. Neste caso haver um amostrador que discretiza o sinal atravs do conversor
A/D quando o sinal entra em uma placa controladora ou no sistema que realiza o
controlador, como um controlador lgico programvel CLP, que normalmente
implementado em tempo discreto. Aps a realizao do controlador, o sinal de controle
gerado enviado para o conversor D/A que normalmente possui um ZOH para
implementar a lei de controle em tempo contnuo. Um caso como o apresentado aqui
sem levar em conta as funes de transferncia dos conversores A/D e D/A dado na
Figura 3.9.
30
Figura 3.9: sistema em malha fechada envolvendo amostador
No caso, a funo de transferncia em malha fechada dada por,

C(s) = G (s)G *D (s)E * (s) C * (s) = G * (s)G *D (s)E * (s)
C( z ) = G ( z ) G D ( z ) E ( z )
Como,
E(z) = R (z) C(z) C(z) = G (z)G D (z)[R (z) C(z)]
Chegando a,
C( z ) G D ( z )G ( z )
=
R ( z ) 1 + G D ( z )G ( z )
3.3.5 Funo de transferncia pulsada de um controlador PID digital
A resposta de um controlador PID no domnio do tempo dada por,

1
t
d
m( t ) = K e( t ) + e( t )dt + Td e( t )
Ti 0 dt
onde e(t) a entrada do controlador dada pela diferena da resposta da planta e pela
referncia a ser seguida, K o ganho proporcional, Ti a constante de tempo do
controle integral e Td a constante de tempo do controle proporcional.
Para se obter a funo de transferncia pulsada do controlador PID, necessrio
realizar a discretizao da resposta temporal. A integral ser aproximada pela soma
trapezoidal e a derivada ser aproximada pela derivada da interpolao utilizando 2
pontos. Assim,
T e ( 0) + e ( T ) e ( T ) + e ( 2T ) e((k 1)T ) + e(kT)
m(kT ) = K e(kT) + + +L+ +
Ti 2 2 2
e(kT) e((k 1)T )
+ Td
T
Ou ento,
T k e((h 1)T ) + e(hT) Td
m(kT ) = K e(kT) + + [e(kT) e((k 1)T )]
Ti h =1 2 T
Para resolver o problema, deve-se primeiro notar que,
k 1 i 1

Z x ( h ) = 1
X ( z ) x (h )z h
h =i 1 z h =0
Prova: esta transformada comprovada fazendo,
k
~y(k ) = x (h ) = x (i) + x (i + 1) + L + x (k )
h =i
31
A transformada Z de cada um dos termos utilizando a propriedade da translao
real,
~
Y(z) = x (i)z i + x (i + 1)z ( i +1) + L + x (k )z k
Porm, observe que, definindo,
~
X(z) = x (i)z i + x (i + 1)z (i +1) + L + x (k )z k + L
E da definio de transformada Z,

X(z) = Z[ x (k )] = x (k )z k = x (0) + x (1)z 1 + x (2)z 2 + L
k =0
Ento, obtm-se,
i 1
~
X(z) = X(z) x (h )z h
h =0
Por outro lado,
~
~y(k ) ~y(k 1) = x (k ) Y ~ ~ ~ 1 ~
(z) z 1 Y(z) = X(z) Y(z) = X(z)
1 z 1
~
Pois a transformada Z de x(k) que comea em k = i X(z) , finalmente,
k ~ 1 ~ 1 i 1

Z x ( h ) = Y ( z ) = 1
X ( z ) = 1
X ( z ) x (h )z h
h =i 1 z 1 z h =0
Voltando ao problema original utilizando o resultado acima e assumindo a
causalidade, isto , que para o tempo t = 0 no h resposta do erro,
k 1
Z e(hT) = 1
[E(z) E(0)] = 1 1 E(z)
h =1 1 z 1 z
k 1 z 1
Z e((h 1)T) = z 1 1
[E ( z ) E ( 0) ] = 1
E(z)
h =1 1 z 1 z
Agora, para
Z[e(kT)] = E(z)
Z[e((k 1)T)] = z 1 E(z)
Ento, a transformada Z do controlador PID dada por,
T 1 1 z 1 Td
M ( z ) = K E ( z ) + +
Ti 2 1 z 1 1 z 1 T
+ E ( z ) z [
1
E ( z ) ]

Resultando em,
T 1 + z 1 Td
M(z)

= K 1 + 1
+ (
1 z 1 )
E(z) 2Ti 1 z T
Rearranjando os termos,

M(z)
= K1
T
+
T 1
1
T
+ d 1 z 1 ( )
E(z) 2Ti Ti 1 z T

= K P +
KI
1 z 1
(
+ K D 1 z 1 )

Onde
KT K
Kp = K =K I = ganho proporcional
2Ti 2
32
KT
KI = = ganho integral
Ti
KTD
KD = = ganho derivativo
T
A equao acima referenciada como sendo a forma em posio.
Exemplo 3.3: Comparar a resposta ao degrau do sistema abaixo considerando o sistema

com e sem o controlador PID digital na forma como apresentado na Figura 3.10.
R(z)
KP +
KI
(
+ K D 1 z 1 ) 0.3679z 1 + 0.2642z 2
+ - 1 z 1 ( )( )
1 0.3679z 1 1 z 1
Figura 3.10 : sistema em malha fechada envolvendo amostador
Assumindo que o tempo de amostragem T de 1 segundo, os ganhos do

controlador sejam KP = 1, KI=0.2, KD = 0.2 e que a planta seja dada por,
1
Gp =
s(s + 1)
Soluo: Primeiro deve-se calcular a funo de transferncia pulsada entre o
ZOH e a planta. A convoluo da planta e o ZOH dada por,
1 e s 1
G ZOH G p =
s s(s + 1)
Aplicando a transformada de Z,
1 e s 1 1
[ ]
Z G ZOH G p = Z = (1 z 1 )Z 2 =
s s(s + 1) s (s + 1)
1
= (1 z 1 )Z 2 = (
1 z 1 (T 1 + e
) [
T
]
) + (1 e T Te T )z 1 z 1

s (s + 1) (1 z 1 )2 (1 e T z 1 )
Esta transformada foi obtida atravs de tabela de transformao. Item 13 fazendo
a = 1. Para comparar com o resultado do Exemplo 2.7, deve-se lembrar que naquele
ponto estava-se trabalhando com sinais, que so as respostas, e no as Funes de
Transferncia como tratadas aqui. No Exemplo 2.7, a resposta convoluo da FT com
entrada. Agora substituindo os valores de T = 1 e simplificando, obtm-se,
0.3679z 1 + 0.2642z 2
[ ]
Z G ZOH G p = G (z) =
(1 z 1 )(1 0.3679z 1 )
A funo de transferncia do controlador PID dada por
+ K D (1 z 1 ) =
M(z) KI
= G D (z) = K P +
E(z) 1 z 1
K P + K I + K D (K P + 2K D )z 1 + K D z 2 1.4 1.4z 1 + 0.2z 2
= =
1 z 1 1 z 1
Agora a funo de transferncia em malha fechada dada por,
33
1.4 1.4z 1 + 0.2z 2 0.3679z 1 + 0.2642z 2
C( z )
=
G D ( z )G ( z )
=
1 z 1 ( )( )
1 z 1 1 0.3679z 1
=
R ( z ) 1 + G D ( z )G ( z ) 1.4 1.4z 1 + 0.2z 2 0.3679z 1 + 0.2642z 2
1+
1 z 1 ( )(
1 z 1 1 0.3679z 1)
0.5151z 1 0.1452z 2 0.2963z 3 + 0.0528z 4
= 1 2.3679z 1 + 1.7358z 2 0.3679z 3
0.5151z 1 0.1452z 2 0.2963z 3 + 0.0528z 4
1+
1 2.3679z 1 + 1.7358z 2 0.3679z 3
0.5151z 1 0.1452z 2 0.2963z 3 + 0.0528z 4
=
1 1.8528z 1 + 1.5906z 2 0.6642z 3 + 0.0528z 4
Programa em Matlab
clear all;close all;clc
% planta sem o sistema de controle discreto

% significando que a simulao tempo contnuo
num=[1]; % numerador contnuo
den=[1 1 0]; % denominador contnuo
figure('Color',[1 1 1])
step(num,den) % resposta ao degrau
% Planta controlada com PID digital

numd=[0 0.5151 -0.1452 -0.2963 0.0528];
dend=[1 -1.8528 1.5906 -0.6642 0.0528];
kT=[0:1:40]; % vetor de tempo discreto com T=1
r=ones(1,41); % criao do degrau unitrio
c=filter(numd,dend,r); % simulao do sistema
figure('Color',[1 1 1]);plot(kT,c,'ko',kT,c,'k-')
title('Unit-Step Response');xlabel('kT [s]');ylabel('Output C')
(a) sem controle (b) controlado

Figura 3.11: Resposta do sistema
3.3.6 Simulao de sistemas em tempo discreto
Uma funo de transferncia em tempo discreto pode ser representada por,
34
Y(z) b 0 z (n m ) + b1 z (n m +1) + L + b m z n b 0 z n m + b1 z n m 1 + L + b m
= = nm
X ( z) 1 + a 1 z 1 + L + a n z n z n + a 1 z n 1 + L + a n
Que tambm pode ser expressa na forma de plos e zeros,
Y(z) b 0 (z z 1 )(z z 2 )L (z z m )
= nm
X(z) (z p1 )(z p 2 )L (z p n )
Observe que,
Y(z) b 0 + b1 z 1 + L + b m z m
=
X(z) 1 + a 1 z 1 + L + a n z n
Que pode ser reescrita como,
(1 + a 1z 1 + L + a n z n )Y(z) = (b 0 + b1z 1 + L + b m z m )X(z)
Aplicando a transformada inversa de Z, obtm-se,
y(kT) + a 1 y(kT T) + a 2 y(kT 2T) + L + a n y(kT nT)
= b 0 x (kT) + b1 x (kT T) + L + b m x (kT mT)
Significando que a resposta atual y(kT) obtida fazendo,
y(kT) = a 1 y(kT T) a 2 y(kT 2T) L a n y(kT nT) +
+ b 0 x (kT) + b1 x (kT T) + L + b m x (kT mT)
Deve ser lembrado que para kT < 0 a resposta do sistema ser zero, isto y(-T)
= 0 devido condio de causalidade.
Exemplo 3.4: Calcular a resposta ao degrau unitrio em tempo discreto com T = 0.5
para o sistema dado em tempo contnuo,
s
G (s) =
(s + 1)2
Soluo: Das tabelas de transformada Z,
s 1 (1 + T)e T z 1 1 0.9098z 1
Z 2
= =
(s + 1) (
1 e T z 1
2
)1 1.2131z 1 + 0.3679z 2
Y(z) z 2 0.9098z
= 2
U(z) z 1.2131z + 0.3679
Ento, o sistema a ser simulado ,
(1 1.2131z-1 + 0.3679z-2)Y(z) = (1 0.9098z-1)U(z)
Aplicando a Transformada Z inversa,
y(kT) 1.2131y((k-1)T) + 0.3679y((k-2)T) = u(kT) 0.9098u((k-1)T)
Rearranjando,
y(kT) = 1.2131y((k 1)T) 0.3679 y((k 2)T) + u (kT) 0.9098u ((k 1)T)
Como x(kT)=1(kT), ento, comeando o processo de iterao,
Para k = 0 u(kT) = u(0) = 1

y(kT) = y(0) = u(0) = 1
Para k = 1 u(kT) = u(0.5) = 1; u(0)=1

y(kT) = y(0.5) = 1.2131y(0) + u(0.5) - 0.9098u(0)
= 1.2131 +1 - 0.9098 = 1.3033
Para k=2 u(kT) = u(1) = 1; u(0.5) = 1;

y(kT) = y(1) = 1.2131y(0.5) - 0.3679y(0) + u(1) - 0.9098u(0.5)
35
= 1.2131*1.3033 - 0.3679 + 1 - 0.9098 = 1.3033
Para k=3 u(kT) = u(1.5) = 1; u(1) = 1;

y(kT) = y(1.5) = 1.2131y(1.5) - 0.3679y(1) + u(1.5) - 0.9098u(1)
= 1.2131*1.3033 - 0.3679*1.3033 + 1 - 0.9098 = 1.1917
Para k=4 x(kT) = u(2) = 1; u(1.5) = 1; u(1) = 1

y(kT) = y(2)=1.2131y(1.5)-0.3679y(1)+u(2)-0.9098u(1.5)
= 1.2131*1.191-0.3679*1.3033+1 - 0.9098 = 1.0564
E assim por diante.
3.3.7 Realizao de Controladores digitais e filtros digitais
Considerando o sistema abaixo,

Y(z) b 0 + b1 z 1 + L + b m z m
=
X(z) 1 + a 1 z 1 + L + a n z n
A sua representao em diagramas de bloco, ou utilizando o Simulink do
Matlab, dada na Figura 3.12, esta realizao conhecida como padro, pois o sistema
pode ser alterado para se obter outras realizaes.
Figura 3.12 : Funo de transferncia
Exemplo 3.5: Implementar em Simulink o exemplo da Figura 3.10. Utilizando funes

de transferncia para o controlador e para a planta e finalmente a funo de
transferncia de malha fechada.
Soluo: a funo de transferncia da planta dada por,
0.3679z 1 + 0.2642z 2
G (z) =
1 1.3679z 1 + 0.3679z 2
Funo de transferncia do controlador PID digital,
1.4 1.4z 1 + 0.2z 2
G PID (z)
1 z 1
36
Para implementar esta funo de transferncia da planta e do controlador utiliza-
se o bloco denominado Discrete Filter, mas poderia ser utilizado os blocos Discrete
Transfer Fcn ou Discrete Zero-Pole. A implementao do sistema est apresentada
na Figura 3.13:.
Figura 3.13: Diagrama de blocos implementado em Simulink utilizando funes de

transferncia
Para a implementao da funo de transferncia de malha fechada, optou-se

pela expanso em blocos ao invs de se utilizar funo de transferncia, para tanto,
deve-se observar que a funo de transferncia de malha fechada dada por,
C( z ) 0.5151z 1 0.1452z 2 0.2963z 3 + 0.0528z 4
=
R (z) 1 1.8528z 1 + 1.5906z 2 0.6642z 3 + 0.0528z 4
Observe que neste caso, observa-se que o termo b0 zero, pois sua
representao ,
b + b1z 1 + b 2 z 2 + b 3 z 3 + b 3 z 4
G MF (z) = 0
1 + a 1z 1 + a 2 z 2 + a 3 z 3 + a 4 z 4
Para este caso, a soluo se encontra na Figura 3.14.
Figura 3.14 : Diagrama de blocos implementado em Simulink utilizando atrasadores
37
3.3.8 Resposta ao Impulso Finita e Infinita
Observe que filtros ou funes de transferncia na forma digital podem ser

classificados de acordo com a durao da resposta ao impulso, isto , tem-se os
chamados filtros IIR, Infinite Impulse Response, e FIR, Finite Impulse Response.
Como apresentado anteriormente, considera-se uma funo de transferncia na forma,
Y(z) b 0 + b1 z 1 + L + b m z m
=
X(z) 1 + a 1 z 1 + L + a n z n
Que pode ser representada em termos de equao de diferenas na forma,
y(kT) = a 1 y((k 1)T) a 2 y((k 2)T) L a n y((k n )T) +
+ b 0 x (kT) + b1 x ((k 1)T) + L + b m x ((k m)T)
A forma acima conhecida como Filtro IIR, cuja resposta composta dos
atrasos na entrada e na sada da funo de transferncia. Supondo que os termos ai
sejam todos iguais a zeros, neste caso tem-se,
y(kT) = b 0 x (kT) + b1 x ((k 1)T) + L + b m x ((k m)T)
Significando que a resposta da planta composta apenas dos atrasos da entrada,
este tipo de resposta conhecida como filtro FIR. Que em termos da transformada Z
dada por,
Y ( z ) = b 0 + b 1 z 1 + L + b m z m
Este tipo de resposta interessante, pois no apresenta plos. FIR provm do
fato que a resposta ser composta por um nmero finito de atrasos de tempo da entrada.
Exemplo 3.6: Transformar a funo de transferncia abaixo que est na forma IIR para a
forma FIR e calcular a resposta ao degrau unitrio.
2 0.6z 1
G (z) =
1 + 0.5z 1
Para transformar a resposta acima para forma FIR, deve-se dividir o numerador
pelo denominador, ou ento, calcular a resposta ao impulso.
% denifindo os dados da planta

num=[2 -0.6];
den=[1 0.5];
x=[1 zeros(1,10)];
y=filter(num,den,x)
Uma alternativa para ao x=[1 zeros(1,10)]; e y=filter(num,den,x) seria utilizar

direto a resposta ao impulso discreto y=dimpulse(num,den)
Y=
Columns 1 through 8
2.0000 -1.6000 0.8000 -0.4000 0.2000 -0.1000 0.0500 -0.0250
0.0125 -0.0063 0.0031
38
Tomando apenas os valores abaixo de z-7, ento, a forma FIR fica,
Y(z) 2 0.6z 1
= G (z) =
X(z) 1 + 0.5z 1
2 1.6z 1 + 0.8z 2 0.4z 3 + 0.2z 4 0.1z 5 + 0.05z 6 0.025z 7
Cuja equao de diferenas fica,
y FIR (kT) = 2x (kT) 1.6 x ((k 1)T) + 0.8x ((k 2)T) 0.4x ((k 3)T) +
+ 0.2x ((k 4)T) 0.1x ((k 5)T) + 0.05x ((k 6)T ) 0.025x ((k 7)T)
Enquanto que a forma IIR dada por,
y IIR (kT) = 0.5 y((k 1)T) + 2 x ((k )T) 0.6 x ((k 1)T)
Resposta ao degrau unitrio FIR Resposta ao degrau unitrio IIR

k=0 y(0) = 2x(0) = 2*1 = 2.0 y(0) = 2x(0)= 2.0
k=1 y(1) = 2x(1)-1.6x(0) = 2*1-1.6*1 = 0.4 y(1) = -0.5y(0)+2x(1)-0.6x(0) 0.4
k=2 y(2) = 2-1.6+0.8 = 1.2 y(2) = -0.5y(1)+2x(2)-0.6x(1) 1.2
k=3 y(3) = 2-1.6+0.8-0.4 = 0.8 y(3) = -0.5y(2)+2x(3)-0.6x(2) 1.0
k=4 y(3) = 2-1.6+0.8-0.4+0.2 = 1.0 y(4) = -0.5y(3)+2x(4)-0.6x(3) 0.9
k=5 y(3) = 2-1.6+0.8-0.4+0.2-0.1 = 0.9 y(5) = -0.5y(4)+2x(5)-0.6x(4) 0.95
k=6 y(3) = 2-1.6+0.8-0.4+0.2-0.1+0.05 = 0.95 y(6) = -0.5y(5)+2x(6)-0.6x(5) 0.925
k=7 y(3) = 2-1.6+0.8-0.4+0.2-0.1+0.05-0.025 = 0.925 y(7) = -0.5y(6)+2x(7)-0.6x(6) 0.9375
k=8 y(3) = 2-1.6+0.8-0.4+0.2-0.1+0.05-0.025 = 0.925 y(8) = -0.5y(7)+2x(8)-0.6x(7) 0.9312
k=9 y(3) = 2-1.6+0.8-0.4+0.2-0.1+0.05-0.025 = 0.925 y(9) = -0.5y(8)+2x(9)-0.6x(8) 0.9328
k=10 y(3) = 2-1.6+0.8-0.4+0.2-0.1+0.05-0.025 = 0.925 y(10) = -0.5y(9)+2x(10)-0.6x(9) 0.9336
Exemplo 3.7: Calcular a resposta de sin t na forma discreta para uma freqncia de 1
Hz utilizando 8 pontos por perodo. Utilizar a equao na forma recursiva.
Soluo: Para a senide na forma, y( t ) = sin 2t , com T = 1/(8*1) = 0.125 s.

Calculando a Transformada Z,
z sin T
Z[y( t )] = Z[y(kT)] = 2
z 2z cos T + 1
Como = 2, ento
sin 2T = sin(20.125) = 0.7071
cos 2T = cos(20.125) = 0.7071
Assim, tem-se,
Y(z) 0.7071z 1
=
U(z) 1 1.4142z 1 + z 2
Aplicando a Transformada Z inversa,
(1 1.4142z 1 + z 2 )Y(z) = 0.7071z 1 U(z)
y(kT) 1.4142 y((k 1)T + y((k 2)T) = 0.7071u ((k 1)T)
Para gerar a senide, deve-se aplicar a resposta ao impulso, isto u(0) = 1 e
u(kT) = 0 para k 1, ento
Para k=0 y(0) = 0

K=1 y(0.125) = 0.7071u(0) = 0.7071
K=2 y(0.250) = 1.4142y(0.125) = 1
39
K=3 y(0.375) = 1.4142y(0.250) - y(0.125) = 0.7071
K=4 y(0.500) = 1.4142y(0.375) - y(0.250) = 0
Impulse Response
1
0.8
0.6
0.4
Amplitude
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Tempo [s] (sec)
Exemplo 3.8: Encontrar a FT de malha fechada em tempo discreto para o

seguinte sistema,
Soluo: Montando as seguintes equaes,

E(s) = R(s) H(s)C(s) (I)
C(s) = P(s)X*(s) (II)
X(s)=G(s)E*(s) (III)
A primeira equao no est na forma satisfatria para aplicar a transformao
para FT pulsada, pois no contm nenhum sinal amostrado. O ideal deixar do lado
direito somente sinais amortrados, ento, combinando a 1 equao com a 2 equao,
E(s) = R(s) H(s)P(s)X*(s) (IV)
Aplicando a transformao para FT pulsada em (III),
[X(s)]*=[G(s)E*(s)]* X*(s)=G*(s)E*(s) (V)
Para (IV)
[E(s)]* = [R(s)]* [H(s)P(s)X*(s)]*
E*(s) = R*(s) HP*(s)X*(s) (VI)
Combinando (V) e (VI), encontra-se a funo de transferncia pulsada em malha
fechada,
C * (s) G * (s)P * (s)
=
R * (s) 1 + G * (s)HP * (s)
Aplicando a Transformada Z, encontra-se a funo de transferncia discreta em
malha fechada,
C( z ) G ( z) P( z)
=
R (z) 1 + G (z)HP(z)
40
Exerccio 3.1: Obter a transformada Z das seguintes funes de transferncia, e

comparar os resultados com os valores obtidos no Matlab com T = 1 e a = 3.
s+3
a) G (s) =
(s + 1)(s + 2)
1 e Ts 1
b) G (s) =
s (s + a )2
Dica:

T=0.2;
num=[1 3];
den=conv([1 1 ],[1 2]);
Gs=tf(num,den) % planta contnua
Gz=c2d(Gs,T) % planta discreta
Exerccio 3.2: (Prova de 2007) Calcular a Transformada Z do seguinte sinal,

1 e st
G (s) =
(s + 2)2
Exerccio 3.3: (Exame de 2007) Calcular a Transformada Z da seguinte funo de
transferncia,
1
G (s) = 2
s + 3s + 2
Exerccio 3.4: (Prova de 2007) Calcular a resposta c(kT) para k = 0,1,2,3,4,5, rupondo
que a entrada r(kT) seja um impulso e o tempo de amostragem T = 1 segundo,
C( z ) 1 + 2 z 1
=
(
R (z) 1 0.5z 1 2 )
Exerccio 3.5: Obter a funo de transferncia discreta em malha fechada dos seguintes
diagramas de bloco,
(a)
41
(b)
Exerccio 3.6: (Prova de 2007) Calcular a funo de transferncia em malha fechada do

seguinte diagrama de blocos,
Exerccio 3.7: (Exame de 2007) Calcular a funo de transferncia em malha fechada

do seguinte diagrama de blocos,
42
Captulo 4
4 Projeto de controladores por mtodos clssicos
4.1 Mapeamento entre plano Z e plano S
A estabilidade absoluta e relativa de sistemas lineares com parmetros

invariantes no tempo em se tratando de sistemas de controle em malha fechada em
tempo contnuo so determinados pelos plos de malha fechada no plano S. Sabendo-se
que os plos complexos esto em pares conjugados conforme,
s1, 2 = n j d = n j n 1 2
Figura 4.1: Plo complexo no plano complexo S
Quando a amostragem incorporada no processo, a relao que rege a

transformao do plano complexo S para o plano discreto Z dada por,
1
e Ts = z s = ln z
T
onde T o tempo de amostragem e s a raiz complexa.
Como a raiz s possui uma parte real e uma parte imaginria,
s = + j
Ento,
z = e Ts = e T (+ j ) = e T e jT
Como a exponencial complexa dada por,
e jT = cos T j sin T
43
Significando que esta parte repetida a cada 2k, significando que freqncias
que so mltiplas inteiras da freqncia de amostragem 2/T so mapeadas na mesma
regio no plano Z, de acordo com a Figura 4.2, pois,
z = e Ts = e T (+ j ) = e T e jT = e T e j(T 2 k )
Figura 4.2: Faixas peridicas no plano complexo e a correspondente regio no plano

discreto, onde s corresponde freqncia de amostragem.
Alm disso, o lado esquerdo do plano S possui parte real negativa, significando
que,
z = eT < 1
Ento todo o lado esquerdo do plano complexo localizado no plano Z dentro
de um crculo de raio unitrio, o eixo j mapeado exatamente em cima do circulo e o
lado direito do plano S mapeado fora do circulo de raio unitrio.
Alm disso, quanto menor o tempo de discretizao mais prximo do crculo de
raio unitrio encontra-se a raiz. Isto ocorre porque se T tende para zero ento eT tende
para 1.
Observa-se pela equao de transformao que razes com a mesma parte real
mas com parte imaginria diferente localizam-se em forma de crculo no plano
complexo, de acordo com a Figura 4.3. Isto tambm significa que a parte real d a
distncia da origem no plano z, isto , o raio.
44
Figura 4.3: Localizao das razes complexas com a mesma parte real no plano discreto.
No caso de razes complexas com a mesma parte imaginria, elas encontram-se

na forma de retas inclinadas de de acordo com a Figura 4.4.
Figura 4.4: Localizao das razes complexas com a mesma parte imaginria no plano
discreto.
Para traar as curvas de fator de amortecimento constante, basta lembrar que um

plo complexo pode ser dado por,
s = n + jn 1 2 = n + jd
Aplicando a transformao,

2 d + j 2 d

1 2 s s
z = eTs = e( n + jd ) = e
Consequentemente,

2 d
2 s d
e angle(z ) = 2
1
z =e
s
Assim, a magnitude de z decresce e o ngulo aumenta quando d, que a
freqncia natural amortecida, aumenta, caracterizando assim uma espiral logartmica.
Note que para uma dada relao d/s, a magnitude de z torna-se apenas uma funo do
fator de amortecimento . A representao da curva com fator de amortecimento
constante dada na Figura 4.5.
45
Figura 4.5: Representao das curvas de fator de amortecimento constante.
Note que se a espiral de fator de amortecimento constante est no segundo ou

terceiro quadrante do plano S, lado real negativo, ento a espiral decai para dentro do
circulo no plano Z. Se ela estiver no primeiro ou quarto quadrante, lado real positivo,
que neste caso corresponderia a um caso com fator de amortecimento negativo,
corresponderia a uma espiral crescendo para fora do circulo de raio unitrio.
Alm disso, deve- se notar que a medida que a freqncia aumenta, ela passa de
uma banda para outra, sendo assim, s necessrio representar a primeira parte, que
corresponde a 0 1/2s, Figura 4.6, a parte correspondente de -1/2s 0
uma imagem espelho para a parte de baixo.
A curva para freqncia n constante, so crculos no plano S que so
perpendiculares s curvas de fator de amortecimento constante, assim, a sua
representao dada na Figura 4.6, onde /T s/2.
1
0.5/T
0.6/T 0.4/T
0.8 0.10.3 /T
0.7/T
0.2
0.6 0.3
0.8/T 0.4 0.2/T
0.5
0.4 0.6
0.7
0.9/T 0.8 0.1/T
0.2 0.9
0
/T
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Figura 4.6: Representao das curvas de freqncia natural constante e fator de

amortecimento constante.
Esta abordagem anterior foi feita para determinar qual a regio dos plos e zeros
desejados para as funes de transferncia em tempo discreto. Ento a partir dos
grficos anteriores pode-se determinar a regio desejada dos plos e zeros discretos de
acordo com a Figura 4.7.
46
Figura 4.7: Localizao das razes complexas desejadas no plano discreto.
Aqui deve ser mencionado que se um sistema em tempo contnuo possui um par
de plos na forma s = - j1 no plano s, e for feita uma amostragem tal que 1 >
1/2s em que s = 2/T, sendo T o tempo de amostragem, significando que este par de
plos complexo possui freqncia natural maior que a freqncia de Nyquist, ele cair
fora da primeira faixa de valores, mas como mencionado anteriormente, ele ser
transportado para dentro do circulo de raio unitrio do plano Z como se estivesse
posicionado no plano S em s = - j(1 - s).
4.2 Anlise de Estabilidade de Sistemas no plano Z
Como mencionado anteriormente, para que um sistema seja assintoticamente

estvel no plano complexo S, os plos devero obrigatoriamente possuir a parte real
negativa, que significa no plano Z estar localizado dentro do circulo de raio unitrio,
sendo assim,
Assintoticamente estvel, todos os plos devero apresentar z < 1 .
Para que um sistema seja marginalmente estvel no plano complexo S, o
sistema dever possuir pelo menos 1 plo com a parte real nula e os demais
possurem parte real negativa, assim, marginalmente estvel, pelo menos 1 plo
em z = 1 e os demais com z < 1 ;
Para que o sistema seja instvel no plano complexo S, ele deve possuir pelo
menos 1 plo com parte real positiva, que no plano Z corresponde parte
localizada fora do circulo de raio unitrio, assim ,instvel, pelo menos 1 plo
apresentando z > 1 .
Exemplo 4.1: Considerando o sistema em malha fechada apresentado abaixo,

determinar a estabilidade para K = 1 e um tempo de amostragem T = 1s.
47
Soluo: Calculando a convoluo do ZOH com a planta,
1 e s 1 1
[ ]
Z G ZOH G p = Z = (1 z 1 )Z 2 =
s s(s + 1) s (s + 1)
1
= (1 z 1 )Z 2 = (
1 z ) [
1 (T 1 + e
T
]
) + (1 e T Te T )z 1 z 1

s (s + 1) (1 z 1 )2 (1 e T z 1 )
Esta transformada foi obtida atravs de tabela de transformao. Item 13.
fazendo a = 1. Agora substituindo os valores de T = 1 e simplificando, obtm-se,
0.3679z 1 + 0.2642z 2
[ ]
Z G ZOH G p = G (z) =
(1 z 1 )(1 0.3679z 1 )
Como a funo de transferncia em malha fechada dada por,
0.3679z 1 + 0.2642z 2
1
C( z )
=
KG (z)
=
(1 z 1 )(1 0.3679z 1 )
=
0.3679z 1 + 0.2642z 2
R (z) 1 + KG (z) 0.3679z 1 + 0.2642z 2 1 z 1 + 0.6321z 2
1+1
(1 z 1 )(1 0.3679z 1 )
Ento, calculando as razes do denominador, que so os plos, encontra-se,
z 1, 2 = 0.5 j0.6181
Pegando o valor absoluto,
z 1, 2 = (0.5)2 + (0.6181)2 = 0.7950
Como o valor menor que 1, significa que o sistema assintoticamente estvel.
4.3 Resposta Transiente
Algumas aplicaes de controle envolvem a melhora da resposta transitria do

sistema segundo alguns critrios. A resposta transitria aparece na resposta do sistema
quando ocorre alguma mudana de excitao, esta mudana pode ser do regime
permanente para um outro regime permanente ou simplesmente quando o sistema sai do
repouso.
As especificaes para a resposta transiente envolvem normalmente os seguintes
parmetros apresentados na Figura 4.8,
1. Tempo de atraso td (Delay time) o tempo requerido para que a resposta do
sistema alcance metade da resposta em regime permanente. Este parmetro
est relacionado com a velocidade de resposta do sistema.
2. Tempo de subida tr (Rise Time) o tempo requerido para que a resposta do

sistema suba de 10% para 90% ou de 5% para 95% da resposta em regime
permanente. Observe que se um sistema possui uma constante de tempo
baixa, isto , ele demore bastante para responder a uma mudana de
48
excitao, mas ocorre uma subida rpida, o tr ser pequeno ao passo que o td
ser grande.
3. Tempo de pico tp (Peak Time) o tempo requerido para que a resposta do

sistema atinja o primeiro pico de sobresinal.
4. Mximo sobresinal Mp (Maximun Overshoot) o pico mximo de sinal

acima da referncia a ser atingida, isto , se a referncia for a resposta ao
degrau, o pico acima da amplitude 1. Por ser um fator que depende da
excitao, costuma-se utilizar um percentual de sobresinal definido como,
c( t ) c( )
porcentagem de sobre sin al = 100%
c( )
5. Tempo de estabilizao ts (Settling Time) o tempo necessrio para a
resposta do sistema alcance e permanea dentro de uma porcentagem da
resposta em regime permanente, usualmente 2%.
Figura 4.8: Resposta ao degrau de um sistema com os parmetros de projeto.
Observe que nem todas as especificaes so aplicadas a todos os sistemas, isto

, se um sistema for superamortecido ou se for um sistema de primeira ordem ou se
todas as razes forem puramente reais negativas, no ocorrer o sobre sinal e nem o
tempo de pico.
4.4 Mtodo de Projeto baseado no lugar das razes
O mtodo de projeto de controladores baseado no lugar das razes baseado no

fato que a resposta do sistema baseada nos plos dominantes do sistema em malha
fechada. O modo mais simples de aloc-los utilizar um controlador proporcional na
forma apresentada na Figura 4.9.
49
Figura 4.9: Sistema de malha fechada com controlador proporcional.
O sistema em malha fechada possui a resposta dada por,

C( z ) KG (z)
=
R (z) 1 + KG (z)
onde K representa o ganho do controlador proporcional.
O denominador ou equao caracterstica dado por,
1 + KG (z) = 0
(z z1 )(z z 2 )L (z z m )
1+ K =0
(z p1 )(z p 2 )L (z p n )
O mtodo do lugar das razes baseado em dar valores para K na equao cima
e encontrar os plos correspondentes desejados. Interessante notar que,
(z z1 )(z z 2 )L (z z m ) 1
=
(z p1 )(z p 2 )L (z p n ) K
Exemplo 4.2: Supondo que o sistema seja dado por,
1 e s 1 1 e T
[ ]
Z G ZOH G p = Z = T
s s + 1 z e
E o controlador seja na forma integral dada por,
K z
G D (z) = 1
=K
1 z z 1
Investigar a influencia do ganho K e do tempo de amostragem T para a
estabilidade do sistema. Supondo que T = 0.5s, 1s e 2s.
Soluo: A funo de transferncia em malha fechada dada por,
z 1 e T
G (z) = G D (z) Z[G ZOH G P ] = K
z 1 z e T
Ento,
C( z )
=
G (z)
= 2
( )
K 1 e T z
[ ( ) ]
R (z) 1 + G (z) z + K 1 e T 1 e T z + e T
Substituindo o valor de T = 0.5s,
Programa feito em Matlab
% tempo de amostragem
T = 0.5;
% Definio da planta
num=[(1-exp(-T)) 0];
den=conv([1 -1],[1 -exp(-T)]);
50
% Empacotando
sys=tf(num,den,T)
% aplicao do mtodo do lugar das razes

rlocus(sys);zgrid
Transfer function: Transfer function: Transfer function:

0.3935 z 0.6321 z 0.8647 z
---------------------- ---------------------- ----------------------
z^2 - 1.607 z + 0.6065 z^2 - 1.368 z + 0.3679 z^2 - 1.135 z + 0.1353
Sampling time: 0.5 Sampling time: 1 Sampling time: 2
Figura 4.10: Lugar das razes para T = 0.5s
51
Figura 4.11: Lugar das razes para T = 1s
Figura 4.12: Lugar das razes para T = 2s
Exemplo 4.3: Observar a influncia da variao dos parmetros do controlador

PID para o seguinte sistema,
1
G p (s) =
(s + 1)(s + 5)
Aplicando a transformada na convoluo da planta com o ZOH,
52
1 e s
[
Z G ZOH G p ] = Z
1
= 1 z 1 Z
1
= ( )
s s(s + 1)(s + 5) s(s + 1)(s + 5)
1
(
= 1 z 1 Z ) 1
+
1
=
5s 4(s + 1) 20(s + 5)

(
= 1 z 1 ) (
1
1

1
T 1
) (+
1
20 1 e 5T z 1 ) ( )
5 1 z 4 1 e z
=
( )(
4 1 e 5T z 1 1 e T z 1 5 1 z 1 1 e 5T z 1 +) ( )( ) ( )(
1 z 1 1 e T z 1 )
20 1 e T z 1 1 e 5T z 1 ( )( )
=
(4 5e T
) (
+ e 5T z 1 + 4e 6 T 5e 5T + e T z 2 )
(
20 1 e T z 1 1 e 5T z 1 )( )
O primeiro passo calcular
% Planta contnua
num=1; % numerador
den=[conv([1 1],[1 5])]; % denominador
Gp=tf(num,den) % empacotando
% Planta discreta
T=0.1; % tempo de amostragem
b1=(4-5*exp(-T)+exp(-5*T));
b2=(4*exp(-6*T)-5*exp(-5*T)+exp(-T));
numd=[0 b1 b2]/20; % numerador
a1=-exp(-T)-exp(-5*T);
a2=exp(-6*T);
dend=[1 a1 a2]; % denominador
Gz=tf(numd,dend,T) % empacotando
step(Gp,Gz)
legend('Contnuo','Discreto')
% diagrama de bode para escolher Kp

figure;rlocus(Gz);zgrid;set(gcf,'Color',[1 1 1])
Step Response Root Locus

0.2
1
0.5/T
0.18 0.6/T 0.4/T
0.8 0.10.3 /T System: Gz
0.7/T
0.2 Gain: 10
0.16 0.3
0.6 System: Gz Pole: 0.734 + 0.206i
0.8/T 0.4 0.2/T
Damping: 0.705
0.14 0.5 Gain: 0
0.4 0.6 0.607
Pole: Overshoot (%): 4.38
Imaginary Axis
0.7
Damping: 1 Frequency (rad/sec): 3.
0.9/T 0.8 0.1/T
0.12
Amplitude
0.2 Overshoot
0.9 (%): 0
Frequency (rad/sec): 5
Contnuo /T
0.1 0
Discreto /T
0.08 -0.2
0.9/T 0.1/T
-0.4
0.06
0.8/T 0.2/T
-0.6
0.04 System: Gz
0.7/T 0.3/T Gain: 50
-0.8
0.02 Pole: 0.648 - 0.538i
0.6/T 0.4/T Damping: 0.241
0.5/T
-1 Overshoot (%): 45.8
0 Frequency (rad/sec): 7.14
0 1 2 3 4 5 6 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Time (sec) Real Axis
53
Figura 4.13: Resposta do sistema considerando tempo contnuo e discreto e lugar das
razes
Calculando a resposta do sistema com o controlador proporcional,
% fechando a malha - Controle porporcional Kp

Sys1=feedback(2*Gz,1) % ganho Kp = 2
figure('Color',[1 1 1]);step(Sys1,Sys2,Sys3)
legend('K_P = 2','K_P = 10','K_P = 50')
Figura 4.14: Respostadas do sistema controlado para vrios valores de Kp
54
% Controle PD % Controle PID
% Kp = 50 , Kd = 0 % Kp = 50 , Kd = 50 , Ki = 0
Kp=50;Kd=0;Ki=0; Kp=50;Kd=50;Ki=0;
num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];den=[1 -1 0]; num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];den=[1 -1 0];
GPIDz=tf(num,den,T) GPIDz=tf(num,den,T)
sysMA=GPIDz*Gz sysMA=GPIDz*Gz
sysMF1=feedback(sysMA,1) sysMF4=feedback(sysMA,1)
% Kp = 50 , Kd = 10 % Kp = 50 , Kd = 50 , Ki = 2
Kp=50;Kd=10;Ki=0; Kp=50;Kd=50;Ki=2;
num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];den=[1 -1 0]; num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];den=[1 -1 0];
GPIDz=tf(num,den,T) GPIDz=tf(num,den,T)
sysMA=GPIDz*Gz sysMA= GPIDz*Gz
sysMF2=feedback(sysMA,1) sysMF5=feedback(sysMA,1)
% Kp = 50 , Kd = 50 % Kp = 50 , Kd = 50 , Ki = 10
Kp=50;Kd=50;Ki=0; Kp=50;Kd=50;Ki=10;
num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd]; num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];den=[1 -1 0];
den=[1 -1 0]; GPIDz=tf(num,den,T)
GPIDz=tf(num,den,T) sysMA=GPIDz*Gz
sysMA=GPIDz*Gz sysMF6=feedback(sysMA,1)
sysMF3=feedback(sysMA,1)
% Kp = 50 , Kd = 50 , Ki = 40
figure('Color',[1 1 1]) Kp=50;Kd=50;Ki=40;
step(sysMF1, sysMF2, sysMF3,3) num=[Kp+Kd+Ki -(Kp+2*Kd) +Kd];
legend('K_D = 0','K_D = 10','K_D = 50') den=[1 -1 0];
GPIDz=tf(num,den,T)
sysMA=GPIDz*Gz
sysMF7=feedback(sysMA,1)
step(sysMF4,sysMF5,sysMF6,sysMF7,5)
legend('K_I = 0','K_I = 2','K_I = 10','K_I = 40')
Figura 4.15: Respostadas do sistema controlado para vrios valores de Kd, mantendo o
valor de Kp = 50.
55
Figura 4.16: Respostadas do sistema controlado para vrios valores de Ki, mantendo os
valores de Kp = 50 e Kd = 50.
4.5 Controlador Tipo Dead Beat
Uma resposta tipo Dead Beat aquela em que o sistema apresenta o menor
tempo de estabilizao possvel, sem erro estacionrio e sem apresentar oscilaes
durante o transiente. Ento se um sistema de controle em malha fechada for projetado
para que a resposta do sistema de malha fechada apresente uma resposta dead beat, o
controlador que gerou esta resposta recebe o nome de controlador dead beat.
Figura 4.17: Diagrama de blocos de um sistema de controle utilizando controlador Dead

Beat
Supondo o sistema de controle em malha fechada com o apresentado na Figura

4.17, cuja malha fechada dada por,
C( z ) G D ( z )G ( z )
=
R ( z ) 1 + G D ( z )G ( z )
Para que o sistema em malha fechada tenha uma resposta dead beat,
necessariamente a malha fechada deve ser na forma,
C( z ) a z N + a 1 z N 1 + L a N
= F(z) = a 0 + a 1 z 1 + L a N z N = 0
R (z) zN
onde N deve ser maior ou igual a ordem do sistema G(z). Observe que F(z) no deve
conter potencias positivas de z, pois significaria que o sistema seria no causal.
56
4.6 Projeto de Controladores PID
Os controladores PIDs so os controladores mais utilizados na prtica devido a

sua fcil implementao e ajuste. Aqui so apresentados os mtodos Ziegler-Nichols de
ajuste de controladores PID.
Deve ser lembrado que o PID Contnuo dado por,
K K ds 2 + K ps + K I
PID(s) = K p + K d s + I =
s s
1 K c Td Ti s 2 + K c Ti s + K c
= K c 1 + Td s + =
Ti s Tis
Enquanto que o PID discreto dado por,
T 1 + z 1 Td
PID(z) = K c 1 + 1
(
+ )
1 z 1 = K P +
KI
(1
)
+ K D 1 z 1
2 Ti 1 z T 1 z
4.6.1 Ziegler-Nichols malha fechada
Supondo um controlador PID na forma,
Figura 4.18: Controlador PID
Para aplicar o mtodo Ziegler-Nichols de malha fechada deve-se primeiro

encontrar qual o ganho proporcional Kp, com o ganho integral Ki e o ganho Kd iguais a
zero, que torna o sistema de malha fechada marginalmente estvel, isto , pelo menos
um dos plos do sistema de malha fechada deve ser puramente imaginrio no plano
complexo S, que no plano discreto Z significa tem mdulo 1 ou estar em cima do
crculo de raio unitrio. Este ganho Kp passa a ser chamado de ganho crtico Kcr.
O sistema apresentado na Figura 4.18, fazendo o PID somente Kp, o sistema de
malha fechada dado por,
Y (z) G (z)Kp
=
R (z) 1 + G (z)Kp
Para o calculo do ganho crtico, pelo menos um dos plos da equao acima
deve possuir parte real igual a zero.
57
System: Gz
Root Locus Root Locus Gain: 3.35
1
5 0.5/T Pole: 0.807 + 0.59i
0.6/T 0.4/T
Damping: 0.000454
0.8 0.7/T 0.1 0.3 /T
4 Overshoot (%): 99.9
0.2 (rad/sec): 3.15
Frequency
0.6 0.3
3 System: Gs 0.8/T 0.4 0.2/T
Gain: 4.5 0.5
Pole: 0.00145 + 3.63i 0.4 0.6
2
0.7
Imaginary Axis
Imaginary Axis
Damping: -0.0004 0.9/T 0.8 0.1/T

Overshoot (%): 100 0.2 0.9
1
Frequency (rad/sec): 3.63 /T
0 0
/T
System: Gs
-1 -0.2
Gain: 4.47 0.9/T 0.1/T
Pole: -0.00302 - 3.63i
-2 -0.4
Damping: 0.000832
Overshoot (%): 99.7 0.8/T 0.2/T
-3 -0.6
Frequency (rad/sec): 3.63
System: Gz
-0.8 0.7/T 0.3Gain:
/T 3.35
-4
Pole: 0.807 - 0.59i
0.6/T 0.4/T
0.5/T Damping: 0.000454
-5 -1
-3 -2 -1 0 1 2 3 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 Overshoot
0.4 (%):
0.6 99.9 0.8 1
Frequency (rad/sec): 3.15
Real Axis Real Axis
Figura 4.19: Lugar das Razes no plano complexo S e no plano discreto Z
O segundo passo consiste em traar a resposta ao degrau do sistema

realimentado pelo ganho crtico Kcr. Desta resposta retirado o tempo de oscilao Tu.
Step Response Step Response
1.5 1.5
1 1
Amplitude
Amplitude
0.5 0.5
Tempo de
Oscilao Tu Tempo de
oscilao Tu
0 0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Time (sec) Time (sec)
Figura 4.20: Resposta ao degrau do sistema realimentado com Kcr
Agora os parmetros do controlador podem ser ajustados de acordo com a tabela

abaixo.
Tabela 4-1: Ajustes do controlador PID para o mtodo Ziegler-Nichols malha fechada.
Tipo do controlador Kc Ti Td
P 0,5 Kcr -- --
PI 0,45.Kcr Tu/1,2 ---
PID 0,6.Kcr 0,5Tu 0,125Tu
4.6.2 Ziegler-Nichols Malha Aberta
O mtodo Ziegler-Nichols em malha aberta pode ser aplicado quando a curva de

resposta ao degrau unitrio de entrada apresentar o aspecto de um S. Essa curva de
resposta ao degrau unitrio pode ser gerada experimentalmente ou a partir de uma
simulao dinmica da planta.
58
Figura 4.21: Resposta ao degrau unitrio
A curva com o formato em S pode ser caracterizada por duas constantes, o atraso
L e a constante de tempo T. O atraso e a constante de tempo so determinados
desenhando-se uma linha tangente no ponto de inflexo da curva com o formato de S e
determinando-se a interseo da linha tangente com o eixo do tempo. O ajuste do
controlador PID, segundo este mtodo, introduz no sistema dois zeros em -1/L se o
projeto for feito em tempo contnuo.
Tabela 4-2: Ajustes do controlador PID para o mtodo Ziegler-Nichols malha aberta.
Tipo de controlador Kc Ti Td
P T/L 0
PI 0,9T/L L/0,3 0
PID 1,2T/L 2L 0,5L
Exerccio 4.1: Para o sistema abaixo, quais seriam os plos em tempo discreto?
100
G (s) = 2
s + 10s + 100
Exerccio 4.2: Para o Exemplo 4.1, encontrar quais os valores que K que
tornam o sistema em malha fechada um sistema assintoticamente estvel,
marginalmente estvel e instvel.
Exerccio 4.3: Para o sistema em tempo contnuo abaixo, encontrar um ajuste

para o controlador PID para o sistema em tempo discreto utilizando os mtodos Ziegle-
Nichols de malha aberta e malha fechada e fazer ajustes finos para,
59
2 1
G (s) = e H(s) =
(s + 1)(s + 2)(s + 3) 30s + 1
Para resolver este problema deve-se assumir que h um amostrador em X(s) e
um ZOH em U(s).
60
Captulo 5
5 Formulao por Matrizes de Estado

A representao em forma de Matrizes de Estado um das principais
ferramentas de simulao de sistemas, e elas so formuladas diretamente no domnio em
tempo contnuo ou discreto e no envolvem transformaes para Laplace ou
transformada Z.
5.1 Introduo formulao de estado
Considerando um sistema massa-mola-amortecedor na forma,

m&y&( t ) + cy& ( t ) + ky( t ) = u ( t )
Que pode ser reescrito como,
u(t)
&y&( t ) + 2 n y& ( t ) + 2n y( t ) =
m
Definindo uma varivel como,
x 1 ( t ) = y( t ) x& 1 ( t ) = y& ( t )
Definindo uma outra varivel como,
x 2 ( t ) = y& ( t ) = x& 1 ( t ) x& 2 ( t ) = &y&( t )
Substituindo na equao original e deixando somente uma varivel com a
derivada temporal, ento,
u(t)
x& 2 ( t ) + 2 n x 2 ( t ) + 2n x 1 ( t ) =
m
Agora, escrevendo um sistema na seguinte forma,
x& 1 ( t ) 1 0 x 1 (t) 0
= 2 + u ( t )
x& 2 ( t ) n 2 n x 2 ( t ) 1 / m
Ainda est faltando a resposta y(t) do sistema, que dada por,
x (t)
y( t ) = [1 0] 1 + {0}u ( t )
x 2 ( t )
Que pode ser escrito da seguinte maneira,
x& ( t ) = Ax( t ) + Bu ( t )
y( t ) = Cx ( t ) + Du ( t )
A forma acima conhecida como forma de estado. Como observado, a
transformao para a formulao de espao de estados consistiu em transformar uma
equao de segunda ordem em duas equaes de primeira ordem. Generalizando, a
transformao de espao de estados consiste em transformar um sistema de equaes de
ordem n para um sistema de primeira ordem de 2n equaes, tornando assim, mais
simples a sua soluo.
61
5.2 Nomenclatura de Espao de Estados
Vetor de estado x(t) o vetor de ordem n que contm todos os estados.

Vetor de sada y(t) o vetor de ordem m que contm todas as respostas.
Vetor de entrada u(t) o vetor de ordem r que contm todas as entradas.
Matriz de estado A a matriz de ordem nn que contm os autovalores e os
autovetores do sistema.
Matriz de entrada B a matriz de ordem nr da entrada.
Matriz de sada C a matriz de ordem mn da sada.
Matriz de transmisso direta D matriz de ordem mr que correlaciona
diretamente a entrada com a sada.
Ento,
{x& ( t )}n1 = [A]nn {x ( t )}n1 + [B]nr {u ( t )}r1
{y( t )}m1 = [C]mn {x ( t )}n1 + [D]mr {u ( t )}r1
A representao em diagramas de bloco do sistema acima dada por,
Figura 5.1: Representao em diagrama de blocos para tempo contnuo.
5.3 Representao de Espao de Estados discretos
A formulao de espao de estados discretos dado por,

x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
Nota-se que as matrizes C e D no mudaram, significando que so as mesmas
matrizes para sistemas em tempo contnuo.
Agora, supondo um sistema discreto cuja funo de transferncia dada por,
Y(z) b 0 + b1 z 1 + L + b n z n
=
U(z) 1 + a 1 z 1 + L + a n z n
Esta FT pode ser representada de vrias maneiras em espao de estados, pois a
formulao de estado no nica.
5.3.1 Forma Cannica Controlvel
62
A forma cannica controlvel dada por,
x 1 (k + 1) 0 1 0 L 0 x 1 ( k ) 0
x (k + 1) 0 0 1 L 0 x 2 (k ) 0
2
M = M M M O M M + 0 u ( k )
x (k + 1) 0 0 0

L 1 x n 1 (k ) M

n 1
x n (k + 1) a n a n 1 a n 2 L a 1 x n (k ) 1
x 1 (k )
x (k )

y(k ) = [b n a n b 0 b n 1 a n 1 b 0 L b1 a 1 b 0 ] 2 + b 0 u (k )
M
x n (k )
Se a matriz G for uma matriz de posto cheio, isto , o determinante diferente
de zero, o sistema controlvel, caso contrrio, significa que pelo menos 1 dos estados
no controlvel. A controlabilidade significa que o sistema pode ser alterado de
qualquer estado para qualquer estado em um perodo de tempo finito.
5.3.2 Forma Cannica Observvel
A forma cannica observvel dada por,

x 1 (k + 1) 0 0 0 L a n x 1 (k ) b n a n b 0
x (k + 1) 1 0 0 L a x (k ) b a b
2 n 1

2 n 1 n 1 0
M = M M M O M M + M u (k )
x (k + 1) 0 0 L 0 a x (k ) b a b
n 1 2
n 1 2 2 0
x n (k + 1) 0 0 L 1 a 1 x n (k ) b1 a 1 b 0
x 1 (k )
x (k )

y(k ) = [0 0 L 1] 2 + b 0 u (k )
M
x n (k )
Para o sistema ser completamente observvel, a matriz G deve ser uma matriz de
posto cheio. A observabilidade significa que todos os estados do sistema podem ser
observados ou medidos.
5.3.3 Forma Cannica Diagonal
Expandindo a FT em fraes parciais tal que,

Y(z) c c2 c
= b0 + 1 + +L n
U(z) z p1 z p 2 z pn
Ento, a forma cannica diagonal dada por,
63
x 1 (k + 1) p1 0 L 0 x 1 (k ) 1
x (k + 1) 0 p 2 L 0 x 2 (k ) 1
2
= + u (k )
M 0 M O M M M
x n (k + 1) 0
0 L p n x n (k ) 1

x 1 (k )
x (k )

y(k ) = [c1 c 2 L c n ] 2 + b 0 u (k )
M
x n (k )
onde pi representa os plos do sistema.
5.3.4 Forma Cannica de Jordan
A forma cannica de jordan usada quando se deseja representar o sistema na

forma diagonal mas existem plos repetidos. Supondo que o plo p1 repetido m vezes,
ento,
x 1 (k + 1) x 1 ( k ) 0
x (k + 1)
2 p1 1 0 L 0 x 2 ( k ) 0
M 0 p1 1 L 0 M M
[ 0]
x m (k + 1) M M M O M x m ( k ) 1
_______ + __ u (k )
_______ = 0 0 0 L p1

x (k + 1) p m +1 L 0 x m +1 (k ) 1

m +1

M [ 0] M O M M M

x (k + 1)
0 L p n x n (k ) 1
n

x 1 (k )
x (k )

y(k ) = [c1 c2 L c n ] 2 + b 0 u (k )
M
x n (k )
5.3.5 No unicidade das matrizes de estado
A representao de estado no nica, isto , para um mesmo sistema na forma

de funo de transferncia pode haver vrias representaes de estado. Por exemplo,
supondo que um sistema seja observvel e controlvel, definies que sero apresentada
mais frente, ento haver uma representao na forma cannica controlvel e
observvel.
Para exemplificar, supondo o sistema na seguinte forma de estado,
x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
Supondo uma transformao tal que,
64
x (k ) = Px (k )
onde a matriz P de ordem nn, mesma ordem da matriz G. Ento,
Px (k + 1) = GPx (k ) + Hu (k )
y(k ) = CPx (k ) + Du (k )
Que pode ser reescrito como,
x (k + 1) = P 1GPx (k ) + P 1 Hu (k )
y(k ) = CPx (k ) + Du (k )
Agora definindo,
G = P 1GP , C = CP e H = P 1 H
Ento,
x (k + 1) = G x (k ) + H
u (k )
x (k ) + Du (k )
y( k ) = C
Que exatamente da mesma forma que o sistema original. Se a matriz P for a
matriz dos autovetores da matriz G, ento o sistema ser diagonalizado, caso isso no
seja possvel, a matriz resultante ser a matriz de Jordan.
5.4 Simulando um sistema na forma de estado discreto
Nesta parte, supe-se que o sistema seja linear e invariante no tempo na forma,
x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
Pegando apenas os estados do sistema, para o instante inicial tm-se,
x (1) = Gx (0) + Hu (0)
Para o instante seguinte,
x (2) = Gx (1) + Hu (1) = G (Gx (0) + Hu (0) ) + Hu (1) = G 2 x (0) + GHu (0) + Hu (1)
Para o instante seguinte,
x (3) = Gx (2) + Hu (2) = G (G 2 x (0) + GHu (0) + Hu (1) ) + Hu (2) =
= G 3 x (0) + G 2 Hu (0) + GHu (1) + Hu (2)
Fazendo isso para k instantes,
k 1
x (k ) = G x (0) + G k j1 Hu ( j)
k
k = 1, 2, 3 ...
j= 0
Substituindo este resultado em y(k),

k 1
y(k ) = C G k x (0) + G k j1 Hu ( j) + Du (k ) k = 1, 2, 3 ...
j= 0
5.5 Passando de Matrizes de Estado para FT
Supe-se o sistema na forma,

x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
Aplicando transformada Z, obtm-se,
65
zX(z) zx (0) = GX(z) + HU(z)
Y(z) = CX(z) + DU(z)
Supondo condies iniciais nulas,
zX(z) = GX(z) + HU(z) (zI G )X(z) = HU(z) X(z) = (zI G ) HU(z)
1
Substituindo em Y(z),
[
Y(z) = C(zI G ) HU(z) + DU(z) = C(zI G ) H + D U(z)
1 1
]
Como a funo de transferncia pulsada a relao dada por Y(z)/U(z),
Y(z)
= C(zI G ) H + D
1
U(z)
Observe que se Y(z)/U(z) uma matriz mr.
5.6 Discretizao de Matrizes de Estado Contnuas
Em se tratando de sistemas em tempo discreto, pode-se converter diretamente de

matrizes de estado contnuas para matrizes de estado discretas. Porem necessrio fazer
uma reviso de matrizes antes de mostrar o processo de discretizao.
Em se tratando de matrizes h alguns cuidados a serem tomados e algumas
definies a serem compreendidas. Comeando com,
1 1
Aktk
e At = I + At + A 2 t 2 + L + A k t k + L =
2! k! k =0 k!
Diferenciando esta soluo em relao ao tempo, para isso a derivada feita
termo a termo, encontra-se,
d At
e = Ae At = e At A
dt
Agora, trs relaes importantes,
e At e At = I
e (A + B )t = e At e Bt se AB = BA
e (A + B )t e At e Bt se AB BA
Agora, obtendo a resposta para matrizes de estado contnuas, isto ,
x& ( t ) = Ax( t ) + Bu ( t )
x& ( t ) Ax( t ) = Bu ( t )
Agora pr-multiplicando por e-At,
e At [x& ( t ) Ax( t )] =
dt
(
d At
)
e x ( t ) = e At Bu ( t )
Integrando1 de 0 a t,
t
e At
x ( t ) x (0) = e A Bu ()d
0
Que pode ser rearranjada como,

t
x ( t ) = e x (0) + e A ( t ) Bu ()d
At
A equao acima representa a soluo para um sistema na forma de estado

contnuo. Para a soluo completa, basta substituir os estados x(t) em,
1
Deve ser lembrado que a integral da derivada a prpria funo aplicada os limites de integrao.
66
y( t ) = Cx ( t ) + Du ( t )
Para fazer o mesmo para um sistema discreto, tem-se que,
x& ( t ) = Ax( t ) + Bu ( t ) x ((k + 1)T) = Gx (kT) + Hu (kT)
Para que possa ser utilizada a soluo de um sistema contnuo para encontrar a
soluo de um sistema discreto, assume-se que a entrada u(t) entre um perodo e outro
de amostragem constante, isto , que h um ZOH, ento,
u ( t ) = u (kT) kT t < kT+T
Ento, a soluo,
t
x ( t ) = e At x (0) + e A ( t ) Bu ()d
0
Para o tempo kT,

kT
x (kT) = e AkT x (0) + e AkT e A Bu ()d
0
Para o tempo (k+1)T,

( k +1)T
A ( k +1)T A (( k +1)T )
e
A
x ((k + 1)T) = e x ( 0) + e Bu ()d
0
Agora fazendo,
( k +1)T
AkT kT

x ((k + 1)T) e AT x (kT) = e A (k +1)T x (0) + 0 e A (( k +1)T )
Bu ( ) d e AT
e x ( 0) + e A (kT )Bu ()d
0
Simplificando2,
(k +1)T kT
( )
x ((k + 1)T ) = e AT x (kT ) + e A (k +1)T e AT e AkT x (0) + e A (k +1)T e Bu()d e e e Bu()d
A AT AkT A
0 0
(k +1)T
= e AT x (kT ) + e A (k +1)T e
A
Bu ()d
kT
Supondo agora o ZOH, ento, o tempo entre kT e (k+1)T pode ser substitudo
por 0 e T dentro da integral, pois o que vai variar apenas u() que considerado
constante. Ento,
T
x ((k + 1)T) = e AT x (kT ) + e AT e A Bu ()d
0
Aplicando a transformao de varivel onde = T-,

T
x ((k + 1)T ) = e AT x (kT ) + e A Bu ( )d
0
Que representa a soluo da equao de estado discreta na forma,

x ((k + 1)T) = Gx (kT) + Hu (kT)
Que neste caso, tem-se que para encontrar estas matrizes discretas,
necessariamente,
T
G = e AT e H = e A d B
0
Pelas equaes acima, verifica-se claramente que as matrizes discretas so
dependentes do tempo de amostragem.
2
Deve ser lembrado que e
AT AkT
e = e A (k +1)T
67
A soluo para y(kT) dada simplesmente por,
y(kT) = Cx (kT) + Du (kT)
Se a matriz A for no singular, ento
T A
( )
H = e d B = A 1 e AT I B = e AT I A 1B ( )
0
Exemplo 5.1: Considerando o sistema abaixo, encontrar a representao de estado
discreto e a expresso para funo de transferncia discreta para T = 1 s.
1 1 b2
G (s) = = 2 = 2
s(s + 2) s + 2s s + a 1s + a 2
Soluo: O primeiro passo encontrar uma representao de estado para o
sistema, utilizando a forma cannica controlvel,
x& 1 ( t ) 0 1 x1 ( t ) 0
= + u (k )
x& 2 ( t ) 0 2 x 2 ( t ) 1
x (t)
y( t ) = [1 0] 1
x 2 ( t )
Como foi visto, para as matrizes discretas tm-se3,
G=e = AT

1
1
( )
1 e 2 T 1 0.4323
=
0 0.1353
2
0 e 2 T

Outra forma de encontrar a matriz G fazendo,
1 1

L e At = (sI A ) = s s(s + 2)
[ ] 1
0 1
s + 2
Cuja transformada de laplace inversa dada por,
1 1
e =L
At

1 s s (s + 2 ) = 2
(
1 1 1 e 2 t )
0 1 0 e 2 t

s+2
Ento,
T
T 1
H = e A d B =
1
2
( )
1 e 2 0
d =
0 0 1
0
2
e
1 e 2T 1 1 e 2 T 1
T T + T +
= 2 2 0 = 2 2 = 0.2838

1 1 0.4323

0
1
2
(
1 e 2 T
) (
2 1 e )
2 T

Desta forma, o sistema discreto na forma de matrizes de estado dado por,

3 1 2 2 1 Ak tk
e At = I + At + A t + L + Ak tk + L =
2! k! k =0 k!
68
x 1 (k + 1) 1 0.4323 x 1 (k ) 0.2838
= + u (k )
x 2 (k + 1) 0 0.1353 x 2 (k ) 0.4323
x (k )
y(k ) = [1 0] 1
x 2 (k )
Para a representao em FT discreta,
Y(z)
= G (z) = C(zI G ) H + D
1
U(z)
1
1 0 1 0.4323 0.2838 0.2838z + 0.1485
= [1 0] z
+0= 2
0 1 0 0.1353 0.4323 z 1.1353z 0.1353
O mesmo problema pode ser resolvido utilizando o Matlab,
% Planta contnua
num=1; % numerador
den=[conv([0 0 1],[1 2 0])]; % denominador
% Transformando para matrizes de Estado

[A,B,C,D]=tf2ss(num,den)
% discretizando as matrizes
T=1;
[G,H]=c2d(A,B,T)
% voltando para TF discreta

[numd,dend]=ss2tf(G,H,C,D)
Observe que neste caso, as matrizes de estado no esto na forma cannica, mas
o resultado em Funo de Transferncia deve ser exatamente o mesmo.
Exemplo 5.2: Para o sistema abaixo, converter para matrizes de estado discretas
utilizando o Matlab,
s+2
G (s) = 3
s + 1.6325s 2 + 10.6325s + 10

T=0.1;
num=[1 2];
den=conv([1 2*0.1*sqrt(10) 10],[1 1]);
% Funes de Transferencia
Gs=tf(num,den) % planta contnua
Gz=c2d(Gs,T) % planta discreta
% Matrizes de Estado
[A,B,C,D]=tf2ss(num,den)
69
MEs=ss(A,B,C,D) % empacotando
MEz=c2d(MEs,T) % Matrizes de estado discreta
Exemplo 5.3: Para uma suspenso ativa representando de veculo, escrever as

matrizes de estado contnuas supondo que o distrbio da via seja w(t).
Neste caso, as matrizes que regem o comportamento dinmico do sistema so

dadas por,
Massa Suspensa,
m S &x& S + c S (x& S x& N ) + k S (x S x N ) = u ( t )
Masssa No-Suspensa,
m N &x& N + c S (x& N x& S ) + k S (x N x S ) + k P x N = k P w ( t ) u ( t )
Que na forma matricial fica,
m S 0 &x& S c S c S x& S k S k S x S u(t)
0 m &x& + c + =
N P S c S x& P k S k S + k P x P k p w ( t ) u ( t )
Este caso representa um sistema MIMO, duas entradas e duas sadas. Definindo
as variveis de estado iniciando pelos deslocamentos,
x 1 = x S x& 1 = x& S e x 2 = x N x& 2 = x& N
Para as velocidades,
x 3 = x& 1 = &x& S e x 4 = x& 2 = &x& N
Com as definies acima, as equaes de estado so dadas por,
x& 1 = x 3
x& 2 = x 4
c k u(t)
x& 3 = S (x 3 x 4 ) S (x 1 x 2 ) +
mS mS mS
c k k k 1
x& 4 = S (x 4 x 3 ) S (x 2 x 1 ) P x 2 + P w ( t ) u(t)
mN mN mN mN mN
Que na forma matricial fica,
0 0 1 0 0 0
x& 1 0 0 0 1 1 x 0 0
x& k kS c
c S x 2
2 S
= m S + 1 0
u
mS x 3
S w
mS mS m
x& 3 S
x& 4 S k ( k + k ) c c 1 k
S P S
S x 4 P

mN mN mN mN mN mN
De forma geral, se for sempre assumido que o vetor de estado se inicia com
deslocamentos e depois as velocidades, as matrizes de estado podem ser dadas a partir
das matrizes dinmicas como,
70
[M ]{X && ( t )} + [C]{X& ( t )} + [K ]{X( t )} = {F( t )}
Sendo que o vetor de estado,
{X( t )} = &
X( t )
X ( t )
E as matrizes de estado,
{X& } = [M[0]]1 K [MI]1 C{X} + [M[0]]1 F{U}

A resposta do sistema deve ser dada pelo que se deseja medir, supondo que seja
necessrio medir os deslocamentos e velocidades,
y 1 1 0 0 0 x 1 0 0
y 0 1 0 0 x 0 0 u
2
= 2 +
y 3 0 0 1 0 x 3 0 0 w
y 4 0 0 0 1 x 4 0 0
Caso seje necessrio medir apenas o deslocamento da massa suspensa,
x1
x
{y1 } = [1 0 0 0] 2 + [0 0]
u
x 3 w
x 4
Exemplo 5.4:Para o sistema abaixo, encontrar as matrizes de estado.
As equaes de movimento na forma matricial so dadas por,

m1 0 0 &x&1 k 1 k2 0 x 1 F1 + u 1 u 2
0 m
2 0 &x& 2 + k 2 k 1 + k 2 k 3 x 2 = F2 + u 2 u 3
0 0 m 3 &x& 3 0 k3 k 2 + k 3 x 3 F3 + u 3
Portanto, as matrizes de estado podem ser dadas como,
0 0 0 1 0 0 0 0 0 0 0 0

0 1 0 x 1 0 F
x& 1 0 0 0
0 0 0 0 0 1
x& 0 0 0 0 0 1 x 2 0 0 0 0 0 0 F2
2 k k2 1 1 1
x& 3 1 0 0 0 0 x 3 0 0 0 F3
= m1 m1 +
x 4 m 1 m1 m1 u
x& 4 k 2 k + k2 k3 1 1 1 1
x& 5 1 0 0 0 x 0 0 0
m2 m2 m2 5 m2 m2 m 2 u 2
x& 6 k3 k + k3 x 1
1 u 3
0 6 0
2 0 0 0 0 0 0
m3 m3 m3 m 3
71
Exerccio 5.1: Para a FT abaixo, escrever a representao em matrizes de estado na

forma cannica controlvel, observvel e diagonal para,
s +1
a) G (s) = para T = 0.1 s;
s(s + 2)(s + 3)
1
b) G (s) = 3 para T = 0.1 s;
s + 4s + 5s + 2
2
Exerccio 5.2: Supondo o seguinte sistema dinmico,
Supondo, m1 = m2 = m3 = 0.5 kg, k1 = k2 = k3 = k4 = 10.000 N/m, c2 = c3 =

50 Ns/m, determinar utilizando o Matlab,
a) Equao de movimento matricial

b) Matrizes de estado contnuas;
c) Matrizes de estado discretas;
d) Freqncias naturais e modos de vibrar;
e) Resposta em freqncia, diagrama de bode;
f) Resposta ao Impulso contnua e discreta.
Exerccio 5.3: (Prova 2007) Considerando o sistema abaixo, escrever a forma cannica
controlvel e observvel,
2z + 0.5
G (z) = 2
z z + 0.5
72
Captulo 6
6 Controlabilidade e Observabilidade
6.1 Introduo
A controlabilidade se refere capacidade do sistema ter seu estado alterado de

qualquer estado para qualquer outro estado, de modo geral significa que o sistema pode
ser controlado.
A observabilidade significa que o sistema pode ter seus estados observados, em
outras palavras, o sistema pode ser inteiramente medido, significando que qualquer tipo
de informao pode ser conseguida.
6.2 Controlabilidade
Um sistema de controle dito ser de estado completamente controlvel se

possvel transferir o sistema de um estado qualquer para um outro estado desejvel
qualquer em um perodo finito de tempo utilizando uma lei de controle sem restries.
Para um sistema discreto, a controlabilidade significa que o sistema pode ser transferido
de um estado qualquer x(kT) para um estado final x(kT) utilizando no mximo n
perodos de amostragem.
Considerando um sistema em espao de estados discretos na forma,
x (k + 1) = Gx (k ) + Hu (k )
Sua soluo temporal dada por,
k 1
x (kT) = G k x (0) + G k j1 Hu ( j)
j= 0 k = 1, 2, 3 ...
k 1 k 2
= G x (0) + G Hu (0) + G Hu (T ) + L + Hu ((k 1)T)
k
Esta soluo pode ser rearranjada para os primeiros n instatnes de tempo como,
u (n 1)
u (n 2)
n
[
x (n ) G x (0) = H GH L G H n 1
]
M

u (0)
onde n a dimenso da matriz G. Como a dimenso de H n1 e cada coluna da matriz
H GH ... Gn-1H n1, ento a dimenso da matriz nn para o caso de uma nica
entrada u(k), caso a entrada seja um vetor de dimenso 1r, ento a matriz de
dimenso nnr Significando que dada uma lei de controle u(k), para alterar o estado do
sistema de x(0) para x(n) a matriz necessariamente precisa obedecer seguinte relao,
[
posto H GH L G n 1 H = n]
Esta matriz conhecida como matriz de controlabilidade. Caso o posto da matriz
de controlabilidade seja menor que n, no significa que o sistema incontrolvel, mas
73
significa que pelo menos um dos estados no pode ser controlado, isto , parte do
sistema pode ser controlado e parte no.
Dever ser notado que a controlabilidade de estado independe da sada, isto , a
controlabilidade de estado independente das matrizes C e D.
Exemplo 6.1: Verificar se os sistemas abaixo so de estado completamente

controlveis.
Sistema 1:
x 1 (k + 1) 1 0 x 1 (k ) 2
x (k + 1) = 0 2 x (k ) + 3 u (k )
2 2
Soluo: Construindo a matriz de controlabilidade,
2 1 0 2 2 2
[H GH] = 3 = 3 6
3 0 2
No necessrio calcular o posto da matriz e controlabilidade, pois s
observar se as linhas so linearmente independentes, neste caso, o posto = 2, ento o
sistema completamente controlvel.
Sistema 2:
x 1 (k + 1) 1 0 x 1 (k ) 2
x (k + 1) = 0 2 x (k ) + 0 u (k )
2 2
2 1 0 2 2 2
[H GH] = =
0 0 2 0 0 0
Neste caso, claramente o sistema possui posto = 1, significando que o sistema
no completamente controlvel.
Sistema 3:
x 1 (k + 1) 2 1 0 0 0 x 1 (k + 1) 0 1
x (k + 1) 0 2 1 0 0 x 2 (k + 1) 0 0
2 u 1 (k )
x 3 (k + 1) = 0 0 2 0 0 x 3 (k + 1) + 3 0
u 2 (k )
x 4 (k + 1) 0 0 0 5 1 x 4 (k + 1) 0 0
x 5 (k + 1) 0 0 0 0 5 x 5 (k + 1) 2 1
[H GH G 2 H G 3 H G 4 H ]
Como a soluo mais complicada, utiliza-se o matlab para resolver o
problema,
% definindo matriz G
G=[-2 1 0 0 0
0 -2 1 0 0
0 0 -2 0 0
0 0 0 -5 1
0 0 0 0 -5]
% definindo matriz H
74
H=[0 1;0 0;;3 0;0 0;2 1]
% Construindo matriz de Controlabilidade

CO=ctrb(G,H)
rank(CO)
Como o posto = 5, que a dimenso da matriz G, ento o sistema de estado

completamente controlvel.
Sistema 4:
x 1 (k + 1) 2 1 0 0 0 x 1 (k + 1) 0 1
x (k + 1) 0 2 1 0 0 x 2 (k + 1) 3 0
2 u 1 (k )
x 3 (k + 1) = 0 0 2 0 0 x 3 (k + 1) + 0 0
u 2 (k )
x 4 (k + 1) 0 0 0 5 1 x 4 (k + 1) 2 1
x 5 (k + 1) 0 0 0 0 5 x 5 (k + 1) 0 0

[
H GH G 2 H G 3 H G 4 H ]
Como a soluo mais complicada, utiliza-se o matlab para resolver o
problema,
G=[-2 1 0 0 0
0 -2 1 0 0
0 0 -2 0 0
0 0 0 -5 1
0 0 0 0 -5]
% definindo matriz H
H=[0 1;3 0;0 0;2 1;0 0]

CO=ctrb(G,H)
rank(CO)
Como o posto = 3 que menor que a dimenso da matriz G, ento o sistema no

de estado completamente controlvel.
6.3 Controlabilidade de sada
Em muitas implementaes prticas de sistemas de controle, desejvel

controlar a sada do sistema e no necessariamente todos os estados do sistema. Neste
caso, deve ser lembrado que a resposta do sistema dada por,
k 1
y(kT) = C G k x (0) + G k j1 Hu ( j) + Du (kT)
j= 0 k = 1, 2, 3 ...
k 1
= CG x (0) + CG Hu (T ) + L CHu ((k 1)T)
k
Esta soluo pode ser rearranjada para os primeiros n instantes de tempo como,
75
u (n 1)
u (n 2)
n
[
y(n ) CG x (0) = CH CGH L CG H n 1
M
]

u (0)
Significando que para a sada ser completamente controlvel, o posto da matriz
precisa ser m, que a dimenso da matriz C, isto ,
[
posto CH CGH L CG n 1 H = m ]
Caso esteja presente a matriz D, a condio de controlabilidade completa de
sada dada por,
[
posto D CH CGH L CG n 1 H = m ]
Dever ser notado que a controlabilidade de sada dependente de todas as
matrizes que compe o sistema, isto , a controlabilidade de sada dependente das
matrizes G, H, C e D.
6.4 Observabilidade
Um sistema dito completamente observvel se todo estado inicial x(0) pode ser
determinado a partir da observao de y(k) em um perodo finito de tempo.
Observabilidade completa significa que, dado y(0), y(T), y(2T), ..., possvel
determinar x1(0), x2(0), ..., xn(0). Utilizando esta definio, ento dado um sistema na
forma,
x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k )
Sua resposta dada por,
k 1
y(kT) = C G k x (0) + G k j1 Hu ( j) k = 1, 2, 3 ...
j= 0
Fazendo a resposta para os n primeiros instantes de tempo,
y(0) = Cx (0) y(0) C
y(1) = CGx (0) y(1) CG
x (0)
=
M M M
y(n 1) = CG n 1 x (0)

y(n 1) CG n 1
Consequentemente, com os primeiros n instantes de tempo, deve ser possvel

determinar os estados iniciais x1(0), x2(0), ..., xn(0). Note que y(kT) um vetor de
dimenso m1, portanto a simulao acima possui nm equaes todas envolvendo os
estados iniciais. Para obter um conjunto nico de estados iniciais, deve necessariamente
existir n equaes lineares independentes, isso significa necessariamente que a matriz
nmn,
C
CG
posto =n
M
n 1
CG
Esta conhecida como matriz de observabilidade. Normalmente, esta equao
no usada, mas a equao transposta dela dada por,
76
[
posto C H (CG ) L CG n 1 = n
H
( )H
]
onde H representa a hermitiana, que o conjugado transposto. Observe que a
observabilidade independente da matriz de entrada B.
Exemplo 6.2: Considerando os sistemas abaixo, verificar a observabilidade.
Sistema 1:
x 1 (k + 1) 1 0 x 1 (k )
=
x 2 (k + 1) 0 2 x 2 (k )
x (k )
y(k ) = [1 5] 1
x 2 (k )
Encontrando a matriz de observabilidade,
1 1 0 1 1 1
[CH G HCH = ] =
5 0 2 5 5 10
Como se observa, a matriz de observabilidade tem posto 2 que a mesma ordem
da matriz G, ento o sistema completamente observvel.
Sistema 2:
x 1 (k + 1) 1 0 x 1 (k )
=
x 2 (k + 1) 0 2 x 2 (k )
x (k )
y(k ) = [0 1] 1
x 2 (k )
Encontrando a matriz de observabilidade,
0 1 0 0 0 0
[
CH G HCH = ] =
1 0 2 1 1 2
Como se observa, a matriz de observabilidade tem posto 1 que menor que
ordem da matriz G, ento o sistema no completamente observvel.
Sistema 3:
x 1 (k + 1) 2 1
0 0 0 x 1 (k )
x (k + 1) 0 2
1 0 0 x 2 (k )
2
x 3 (k + 1) = 0 0
2 0 0 x 3 (k )
x (k + 1) 0
0 3 1 x 4 (k )
0
4
x 5 (k + 1) 0 0 0 3 x 5 (k )
0
x 1 (k )
x (k )
y1 (k ) 1 1 1 0 1
2
= 3
x ( k )
y 2 ( k ) 0 1 1 1 0 x ( k )
4
x 5 (k )
Como o sistema definido acima um sistema de alta ordem, difcil de ser feito,
utiliza-se o Matlab,
77
G=[-2 1 0 0 0
0 -2 1 0 0
0 0 -2 0 0
0 0 0 -3 1
0 0 0 0 -3]
% definindo matriz C
C=[1 1 1 0 1
0 1 1 1 0]

OB=obsv(G,C)
rank(OB)
Como o posto da matriz de observabilidade 5 que a mesma dimenso da

matriz G, ento o sistema completamente observvel.
Sistema 4:
x 1 (k + 1) 2 1
0 0 0 x 1 (k )
x (k + 1) 0 2
1 0 0 x 2 (k )
2
x 3 (k + 1) = 0 0
2 0 0 x 3 (k )
x (k + 1) 0
0 3 1 x 4 ( k )
0
4
x 5 (k + 1) 0 0 0 3 x 5 (k )
0
x 1 (k )
x (k )
y1 (k ) 1 1 1 0 1
2
=
x
3 ( k )
y 2 ( k ) 0 1 1 0 0 x ( k )
4
x 5 (k )
Como o sistema definido acima um sistema de alta ordem, difcil de ser feito,
utiliza-se o Matlab,
G=[-2 1 0 0 0
0 -2 1 0 0
0 0 -2 0 0
0 0 0 -3 1
0 0 0 0 -3]
% definindo matriz C
C=[1 1 1 0 1
0 1 1 0 0]

OB=obsv(G,C)
rank(OB)
78
Como o posto da matriz de observabilidade 4 que menor que a dimenso da
matriz G, ento o sistema no completamente observvel.
6.5 Comentrios gerais sobre controlabilidade e

observabilidade
Nesta parte, ser feito alguns comentrios sobre a controlabilidade e

observabilidade de sistemas em tempo discreto.
6.5.1 Condies de controlabilidade e observabilidade em termos

de Funes de Transferncia
Em se tratando de funes de transferncia, no deve haver cancelamentos entre

plos e zeros das plantas, isso significar que este estado ser no observvel e no
controlvel. Este tipo de situao pode ocorrer em sistemas em srie, onde os zeros de
uma planta so os plos da outra. Como em alguns casos o desejvel realizar o
controle entre as duas, isso no ser possvel.
Exemplo 6.3: Mostrar que o sistema abaixo no completamente controlvel,

Y(z) z + 0.2
= 2
U(z) z + z + 0.16
Escrevendo na forma cannica controlvel,
x 1 (k + 1) 0 1 x 1 (k ) 0
= + u (k )
x 2 (k + 1) 0.16 1 x 2 (k ) 1
x (k )
y(k ) = [0.2 1] 1
x 2 (k )
Porm, a matriz G pode ser rearranjada e o sistema fica,
x 1 (k + 1) 0 1 x 1 ( k ) 0
= + u (k )
x 2 (k + 1) 0.16 0 x 2 (k ) 1
x (k )
y(k ) = [0.2 1] 1
x 2 (k )
Verificando a controlabilidade,
0 1 0 0 0
[H GH] =
0
=
1 0.16 0 1 1 1
Verificando que o sistema no completamente controlvel. Pode-se verificar
isso diretamente pela matriz G, onde a diagonal principal nula, outra forma
fatorando o denominado da FT,
Y(z) z + 0.2 z + 0.2
= 2 =
U(z) z + z + 0.16 (z + 0.8)(z + 0.2)
Neste caso, verifica-se que h um zero cancelando um plo.
Exemplo 6.4: Verificar que o sistema no observvel,
79
x 1 (k + 1) 0 1 0 x 1 ( k ) 0

x 2 (k + 1) = 0 0 1 x 2 (k ) + 0 u (k )
x (k + 1) 6 11 6 x (k ) 1
3 3
x 1 (k )

y(k ) = [4 5 1]x 2 (k )
x (k )
3
Para a observabilidade,
4 0 0 6 4 0 6 36 4 4 6 6

[C H H H
G C 2H H
]
G C = 5 1 0 11 5 0 11 60 5 = 5 7 5
1 0 1 6 1 1 6 25 1 1 1 1
Cujo determinante zero, mostrando que o posto da matriz de observabilidade

menor que a dimenso da matriz G assim, o sistema no completamente observvel.
Este fato provm do cancelamento entre um plo por um zero, observe que a FT dada
por,
Y(z)
= C(zI G ) H = 3
1 z 2 + 5z + 4
=
(z + 1)(z + 4)
U(z) z + 6z + 11z + 6 (z + 1)(z + 2 )(z + 3)
2
Observando que um plo cancelado por um zero, significando que este

resultado no pode ser observado, pois sua influncia anulada.
6.5.2 Efeito da discretizao
Quando um sistema sofre uma discretizao, isto , quando um sistema

passado de tempo contnuo para tempo discreto, dependendo da taxa de amostragem T
empregada, poder haver cancelamento entre plos e zeros. Para exemplificar,
considera-se o sistema abaixo,
x& 1 ( t ) 0 1 x 1 ( t ) 0
= + u(t)
x& 2 ( t ) 1 0 x 2 ( t ) 1
x (t)
y( t ) = [1 0] 1
x 2 ( t )
Cujas matrizes de controlabilidade e observabilidade em tempo contnuo so
dadas por,
[
[B AB] = e C H A H C H =
0 1
] 1 0
1 0 0 1
Significando que para tempo contnuo o sistema completamente controlvel e
observvel. Aplicando a discretizao, encontra-se,
x 1 (k + 1) cos T sin T x 1 (k ) 1 cos T
= + u (k )
x 2 (k + 1) sin T cos T x 2 (k ) sin T
x (k )
y(k ) = [1 0] 1
x 2 (k )
A questo ser, h algum valor de T para qual o sistema perder controlabilidade
e observabilidade? Para responder a esta questo, faz-se,
80
1 cos T cos T + 1 2 cos 2 T
[H GH] =
sin T sin T + 2 cos T sin T
Para que no tenha controlabilidade, faz-se o determinante igual a zero,
chegando a,
2 sin T(1 cos T ) = 0
Significando que para T = n a matriz de controlabilidade ser de posto menor
que a dimenso da matriz G, mostrando que o sistema ser de estado no
completamente controlvel.
O mesmo fato pode ser verificado atravs da matriz de observabilidade,
[
CH G HCH = ]1 cos T

0 sin T
Fisicamente, o que ocorreu foi que se pretende observar e controlar uma
freqncia que exatamente igual Nyquist, por isso no foi possvel control-la.
6.5.3 Princpio da dualidade
Como a transformao para espao de estados no nica, ento h uma

transformao de uma forma para outra, a qual ser til quando se deseja obter uma
forma cannica de estado.
Supondo um sistema na forma,
x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
Para transform-lo na forma cannica controlvel, aplica-se uma matriz de
transformao T na forma,
T = MW e x (k ) = Tx (k )
onde M a matriz de controlabilidade dada por,
[
M = H GH L G n 1 H ]
e a matriz W dada por,
a n 1 a n 2 L a 1 1
a
n 2 a n 3 L 1 0
W= M M O M M

a1 1 L 0 0
1 0 L 0 0
Aplicando esta transformao no sistema, encontra-se,
x (k + 1) = T 1GTx (k ) + T 1 Hu (k )
y(k ) = CTx (k ) + Du (k )
onde o sistema definido acima est na forma cannica controlvel.
Para transform-lo na forma cannica observvel, aplica-se,

Q = (WN H ) e x (k ) = Qx (k )
1
onde N a matriz de observabilidade dada por,

[
N = C H G H C H L (G H ) H H
n 1
]
Aplicando esta transformao no sistema, encontra-se
81
x (k + 1) = Q 1GQx (k ) + Q 1 Hu (k )
y(k ) = CQx (k ) + Du (k )
Interessante notar que se o sistema est na forma cannica controlvel dada por,
x (k + 1) = G x (k ) + H
u (k )
x (k ) + D
y( k ) = C u (k )
Para se obter a forma cannica observvel, basta fazer,
() H u (k )
x (k ) + C
x (k + 1) = G
y( k ) = H()
H x (k ) + D
u (k )
Esta equao demostra o princpio da dualidade
Exemplo 6.5: Verificar para que valores de a, b, c e d o sistema completamente

controlvel e observvel.
x 1 (k + 1) 0 1 x 1 (k ) a
= + u (k )
x 2 (k + 1) 0.4 1.3 x 2 (k ) b
x (k )
y(k ) = [c d ] 1
x 2 (k )
Soluo: a matriz de controlabilidade,
a 1 a a
[H GH] =
0 b
=
b 0.4 1.3 b b 0.4a 1.3b
Calculando o determinante e, para que o sistema seje completamente
controlvel, o determinante deve ser diferene de zero, ento,
0.4a 2 1.3ab b 2 0
Para a matriz de observabilidade,
[c d]
C = c d
=
CG [c d ] 0 1
0.4 1.3 0.4d c 1.3d

Portanto,
c 2 1.3cb + 0.4d 2 0
Como os valores de a, b, c e d no podem ser valores complexos, tem-se a
resposta como,
82
Exerccio 6.1: Para a FT abaixo, escrever a representao em matrizes de estado na

forma cannica controlvel, observvel e diagonal utilizando as transformaes.
s +1
G (s) = para T = 0.1 s;
s(s + 2)(s + 3)
Exerccio 6.2: Determinar para quais valores de a o sistema completamente

observvel e controlvel.
z +1
a) G (z) = 3
z + az 2 + z 1
az + 1
b) G (z) = 2
z + 3z 1
az 2 2z + 1
c) G (z) = 2
z + 3z 1
83
Captulo 7
7 Projeto de Controladores via Alocao de Plos
7.1 Introduo
A alocao de plos uma tcnica parecida com a tcnica do lugar das razes, a
qual consiste em realizar uma realimentao de sada para realocar ou ajustar os plos
de malha fechada. Porm a tcnica do lugar das razes baseada na alocao apenas dos
plos dominantes do sistema em malha fechada, que so os plos com a menor parte
real possvel. J a tcnica de alocao de plos posiciona todos os plos do sistema em
malha fechada atravs de uma realimentao de estado.
Como ser feita uma realimentao de estado, considera-se que os estados esto
disponveis, caso no estejam, eles necessitam se estimados atravs de um estimador de
estado que ser visto mais adiante, alm disso, o sistema de estado completamente
controlvel.
Sendo assim, dado o sistema na forma,
x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
A realimentao de estado ser dada por4, para um regulador,
u (k ) = Kx (k )
onde K representa um vetor de ganhos de realimentao se u(k) for uma nica lei de
controle, caso haja vrias leis de controle, K ser uma matriz.
Assim, o sistema em malha fechada dado por,
x (k + 1) = Gx (k ) + Hu (k ) = Gx (k ) HKx (k ) = (G HK )x (k )
y(k ) = Cx (k ) + Du (k )
Portando a conduta do sistema realimentado ser dada por,
~
G = G HK
Portanto, deve-se especificar os plos do sistema de malha fechada atravs dos
plos de G-HK da seguinte forma,
~
det zI G = (z p1 )(z p 2 )L (z p n )
Para encontrar os valores do vetor ou matriz de ganho K deve-se resolver esta
equao. Porm, ela pode ser complicada dependendo da ordem do sistema, para isso
criou-se a frmula abaixo.
4
Se a referncia a ser seguida zero, o sistema de controle denominado de regulador, caso contrrio, o
sistema de controle denominado controlador.
84
Figura 7.1: Diagrama de blocos de um sistema de controle por realimentao de estado
para um regulador.
7.2 Frmula de Ackermann
Esta frmula permite encontrar o ganho do controlador de realimentao de

estado facilmente. Para a sua deduo inicia-se expandindo a equao caracterstic de
malha fechada,
det zI G + HK = (z p1 )(z p 2 )L (z p n )
= z n + 1 z n 1 + 2 z n 2 + L n 1 z + n
= (z ) = 0
~
Utilizando o teorema de Cayley-Hamilton que diz que G deve satisfazer sua
~
prpria equao caracterstica, isto , substituindo G no lado direito no lugar de z,
~ ~ ~ ~
( )
~
G n + 1G n 1 + 2 G n 2 + L + n 1G + n I = G = 0
~
Agora fazendo as multiplicaes para G ,
I=I
~
G = G HK
~
G 2 = (G HK ) = G 2 GHK HKG + (HK )
2 2
~
= G 2 GHK HK (G HK ) = G 2 GHK HKG
~
(
G 3 = (G HK ) = (G HK ) (G HK ) = G 2 GHK HKG (G HK ) =
3 2 ~
)
~ ~
= G 3 G 2 HK GHKG + G (HK ) HKGG + HKGHK =
2
~
= G 3 G 2 HK GHK (G HK ) HKG (G HK ) =
~ ~
= G 3 G 2 HK GHKG HKG 2
M
~ ~
G n = (G HK ) = G n G n 1 HK L HKG n 1
n
Ento, a equao pode ser reescrita como,

~ ~ ~
( ~
n I + n 1G + n 2 G 2 + L + G n = n I + n 1 (G HK ) + n 2 G 2 GHK HKG + )
~
L + G n G n 1 HK L HKG n 1
Expandindo os termos e rearranjando na forma,
~ ~ ~
n I + n 1G + n 2 G 2 + L + G n = n I + n 1G + n 2 G 2 + L + G n +
( ) ~ ~
n 1 HK n 2 GHK + HKG L G n 1 HK L HKG n 1
Observando que a primeira linha do lado direito (G),
85
( )
~
( ~
)
G = (G ) n 1 HK n 2 GHK + HKG L G n 1 HK L HKG n 1
~
Que pode ser escrito como,
~ ~
n 1 K + n 2 KG + L + KG n 1
~ ~
( )
~
[
G = (G ) H GH L G H n 1

]
n 2 K + n 3 KG + L + KG n 2
M
=0

K
[ ]
Observa-se que a matriz H GH L G n 1H a matriz de controlabilidade,
rearranjnado na forma,
~ ~
n 1 K + n 2 KG + L + KG n 1
~ ~ n 2
[
n 2 K + n 3 KG + L + KG = H GH L G n 1 H 1 (G )

]
M

K
Observando que sobrou apenas o ganho do controlador K na n-sima linha, e ele
pode ser extrado multiplicando ambos os lados por um vetor composto por [0 0 0 1],
assim,
~ ~
n 1 K + n 2 KG + L + KG n 1
~ ~
n 2 K + n 3 KG + L + KG n 2
[0 0 L 1]

=
M

K
[
= [0 0 L 1] H GH L G n 1 H (G ) ]
1
Ento, tem-se que,

[
K = [0 0 L 1] H GH L G n 1 H (G ) ]
1
Esta a Frmula de Ackermann para a determinao do ganho de realimentao

de estado.
7.3 Formas alternativas para o ganho K
A frmula de Ackermann uma excelente alternativa para o clculo do ganho K

por ser de fcil implementao computacional, contudo existem alternativas sua
utilizao, como se ver a seguir.
1. Comparao direta: Este mtodo consiste em substituir diretamente os

coeficientes do ganho K dentro da equao caracterstica,
zI G + HK = (z p1 )(z p 2 )L (z p n )
= z n + 1 z n 1 + 2 z n 2 + L n 1 z + n = 0
Porm, s de fcil aplicao quando a ordem do sistema baixa.
2. Outra forma do clculo do ganho K atravs de,

K = [ n a n n 1 a n 1 L 1 a 1 ]T 1
= [ n a n n 1 a n 1 L 1 a 1 ](MW )
1
onde,
86
a n 1 a n 2 L a 1 1
a
n 2 a n 3 L 1 0
[
M = H GH L G n 1 H ]
e W= M M O M M

a1 1 L 0 0
1 0 L 0 0
Quando este modo for aplicado, se o sistema estiver na forma cannica
controlvel, a matriz transformao T torna-se a identidade, facilitando a aplicao do
mtodo.
3. Se os plos desejados pi para o sistema em malha fechada forem distintos,

pode-se aplicar a seguinte relao diretamente,
K = [1 1 L 1][1 2 L n ]
1
onde,
i = (G p i ) H com i = 1 ... n
i
Se a resposta desejada for dead beat, significando que pi = 0, ento,

i = G i H com i = 1 ... n
Exemplo 7.1: Considerando o sistema abaixo,

x 1 (k + 1) 0 1 x 1 ( k ) 0
= + u (k )
x 2 (k + 1) 0.16 1 x 2 (k ) 1
Cujos plos do sistema so,
z 1 z = 0.2
zI G = = z 2 + z + 0.16 = 0 1
0.16 z 1 z1 = 0.8
E os plos de malha fechada sejam dados por,
z 1, 2 = 0.5 j0.5
Soluo: O primeiro passo verificar se o sistema de estado completamente
controlvel. Ento, a matriz de controlabilidade ,
0 1 0 0 1
[H GH] =
0
=
1 0 . 16 1 1 1 1
Significando que o sistema de estado completamente controlvel. Agora
aplicando a frmula de Ackermann para encontrar o ganho da realimentao de estado,
K = [0 1][H GH ] (G )
1
Para (z), que o novo polinmio caracterstico,

(z ) = (z 0.5 + j0.5)(z 0.5 j0.5) = z 2 z + 0.5
Portanto,
0 1 0 1 0
1 2
1 0 1
K = [0 1] + 0 . 5 0 1 = [0.34 2]
1 1 0.16 1 0.16 1
Soluo utilizando o Matlab,

% Matrizes do sistema
G=[0 1;-0.16 -1]
H=[0;1]
87
% Vetor dos novos polos
im=sqrt(-1);
P=[0.5+im*0.5 0.5-im*0.5]
% Utilizando Frnula de Ackermann

K=acker(G,H,P)
% Forma alternativa
K=place(G,H,P)
Root Locus Root Locus

1
0.5/T 0.6/T 0.5/T 0.4/T
0.6/T 0.4/T
0.8 0.7/T 0.3/T
0.8 0.7/T 0.1 0.3/T
0.2
0.3 0.6
0.6 0.8/T 0.2/T
0.8/T System: Gma 0.4 0.2/T
Gain: 0 0.5 0.4 System: Gmf
0.4 0.6
Pole: -0.2 0.7 Gain: 0
0.9/T 0.1/T
0.9/T Damping: 0.456 0.8 0.1/T 0.2 Pole: 0.5 + 0.5i
0.2 Overshoot (%): 20 0.9 Damping: 0.404
Imaginary Axis
Imaginary Axis
Frequency (rad/sec): 3.53 /T Overshoot (%): 25 System: Gmf
/T 0
0 /T Frequency (rad/sec): 0.858 Gain: 0
/T
System: Gma 0.9 Pole: 0.5 - 0.5i
-0.2 Damping: 0.404
-0.2 Gain: 0 0.9/T 0.8 0.1/T
0.9/T Pole: -0.8 0.1/T 0.7 Overshoot (%): 25
Damping: 0.0709 -0.4 0.6 Frequency (rad/sec): 0.858
-0.4 0.5
Overshoot (%): 80
0.8/T 0.4 0.2/T
0.8/T
Frequency (rad/sec): 3.15 0.2/T -0.6 0.3
-0.6
0.2
-0.8 0.7/T 0.10.3/T
-0.8 0.7/T 0.3/T
0.6/T 0.4/T
0.6/T 0.4/T 0.5/T
0.5/T -1
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis Real Axis
(a) Plos originais (b) Plos realocados

Figura 7.2: Lugar das razes do sistema sem controle e controlado
7.4 Controle por Realimentao de Estado
Supondo o seguinte sistema,

x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k ) + Du (k )
Quando h uma referncia a ser seguida, a lei de controle ser dada por,
u (k ) = k 0 r (k ) Kx (k )
onde r(k) uma referncia a ser seguida e k0 uma constante para ajustar a resposta
controlada do sistema para que no ocorra erro estacionrio, isto significa que se a
referencia a ser seguida for o degrau unitrio ento a sada dever ser tal que y()1.
Ento, o ganho k0 precisa ser ajustado. Substituindo a lei de controle no sistema
encontra-se,
x (k + 1) = Gx (k ) + H(rk 0 (k ) Kx (k ) ) = (G HK )x (k ) + Hk 0 r (k )
y(k ) = Cx (k ) + Du (k )
Neste caso, a conduta do sistema dada por G HK, que a mesma conduta
apresentada para um regulador. Desta forma, as mesmas frmulas para calcular o ganho
K podem ser aplicadas.
88
Figura 7.3: Controle por realimentao de estado.
Exemplo 7.2: Dado o sistema baixo.
x 1 (k + 1) 0 1 x 1 ( k ) 0
= + u (k )
x 2 (k + 1) 0.16 1 x 2 (k ) 1
x (k )
y(k ) = [1 0] 1
x 2 (k )
E os plos de malha fechada sejam,
z 1, 2 = 0.5 j0.5
Soluo: Para o ganho K,
0 1 0 1 0
1 2
1 0 1
K = [0 1] + 0.5 = [0.34 2]
1 1 0 . 16 1 0 . 16 1 0 1
Agora basta encontrar o ganho k0 para que o sistema em malha fechada no
apresente erro estacionrio. Para isso, encontra-se a FT do sistema,
Y(z)
R (z)
(
= G (z) = C zI G H )
~ 1 ~
Onde, neste caso,

~ 0 1 0 0 1 ~
G = G HK = [0.32 2] = e H = k 0H
0.16 1 1 0.5 1
Portanto,
1
Y(z)
( )
~ 1 ~
= G (z) = C zI G H = [1 0]
z 1

0
k0 = 2
k0
U(z) 0.5 z 1 1 z z + 0.5
5
Para o erro estacionrio ,
1
k z 1
( ) z 1
(
lim y(k ) = lim 1 z 1 Y(z) = lim 1 z 1 2 ) k0
(
)
=
z z + 0.5 1 z 1 1 + 0.5
1
k0
=1

Portanto,
k 0 = 0.5
A soluo utilizando o Matlab fica,

G=[0 1;-0.16 -1];
H=[0;1];
C=[1 0];D=0;
5
Deve ser lembrado que Y(z)=G(z)U(z), com R(z) sendo a entrada degrau unitrio.
89
T=1;
% sistema em malha aberta empacotado

Gma=ss(G,H,C,D,T)

im=sqrt(-1);
P=[0.5+im*0.5 0.5-im*0.5]
% Calculando ganho K
K=acker(G,H,P)
K=place(G,H,P)
% sistema em malha fechada

Gf=G-H*K;
Hf=0.5*H;
Gmf=ss(Gf,Hf,C,D,T)
% clculo da resposa ao degrau

step(Gma,Gmf,30)
legend('Gma','Gmf')
Step Response
1.4
Gma
Gmf
1.2
0.8
Amplitude
0.6
0.4
0.2
0
0 5 10 15 20 25 30
Time (sec)
Figura 7.4:Resposta ao degrau unitrio do sistema sem controle e malha fechada com o
controlador
7.5 Observadores de Estado
No incio deste captulo, foi apresentada a realimentao de estado, onde se

admitia que os estados do sistema estavam disponveis. Porm, nem sempre isso
possvel, j que em muitas aplicaes de sistemas de controle, mede-se apenas algumas
variveis de sada, sendo assim, nem todos os estados esto disponveis para serem
utilizados na realimentao de estados.
Neste caso, deve-se criar um estimador de estado que pode ser de ordem
completa, em que todos os estados so estimados, ou de ordem mnima, em que apenas
90
os estados no medidos so estimados, ou de ordem reduzida, em que os estados no
medidos e alguns dos estados medidos so estimados.
Os estados do sistema sero estimados com base nas entradas e nas sadas
disponveis do sistema, isto , atravs da entrada u(k) e da sada y(k). Ser projetado
um novo sistema tal que os estados deste novo sistema sejam os estados do sistema a ser
controlado, ver Figura 7.5, onde ~ x (k ) representa a estimativa dos estados da planta
original. Como previsto que ser utilizada a sada do sistema, dever ser notado que a
condio de observabilidade deve ser obedecida.
Figura 7.5: Sistema de controle por realimentao de estados junto com observador de
estado.
7.5.1 Observadores de Estado de Ordem Completa
Ento, considerando um sistema, cujos estados x(k) no podem ser medidos,

dado por,
x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k )
Supondo que os estados do sistema acima podem ser aproximados pelos estados
do seguinte sistema,
~
x (k + 1) = G~x (k ) + Hu (k )
~y(k ) = C~
x (k )
onde as matrizes G, H, C e D so as mesmas matrizes de estado do sistema cujos
estados no podem ser medidos. Na prtica, estas matrizes precisam ser estimadas,
assunto que no ser abordado aqui. Alm disso, tem-se que a resposta dos dois
sistemas deve ser a mesma, isto significa que a diferena das respostas deve tender a
zero com o passar das iteraes, isto ,
lim (y(k ) ~y(k ) ) = 0
k
Uma forma de fazer com que isso ocorra pela introduo de um sistema de
controle, pois se as entradas e as sadas forem iguais e as matrizes de eswtado so as
mesmas, isso significa que os estados so os mesmos, ento o sistema utilizado para a
estimao de estados deve ser dado por,
~
x (k + 1) = G~x (k ) + Hu (k ) + K e (y(k ) ~y(k ) )
~y(k ) = C~
x (k )
onde Ke um controlador introduzido para garantir que os dois sistemas se comportem
da mesma forma.
91
Figura 7.6: Sistema de controle por realimentao de estados junto com observadores de
estado completo.
O sistema do estimador de estado completo pode ser reescrito substituindo

~y(k ) = C~
x (k ) ,
x (k + 1) = (G K e C )~
~ x (k ) + Hu (k ) + K e y(k )
~y(k ) = C~
x (k )
Observe que a matriz do sistema dada por (G-KeC) e para um sistema de
controle por realimentao de estado dada por (G-HK). Ento, do princpio da
dualidade entre a forma cannica controlvel e observvel, o vetor de ganho Ke do
observador de estado pode ser encontrado da mesma forma que o vetor de ganho K,
pois,
zI G + HK = (z p1 )(z p 2 )L (z p n )
= z n + 1 z n 1 + 2 z n 2 + L n 1 z + n = 0
Agora, a expresso torna-se,
zI G H + K eH C H = (z p1 )(z p 2 )L (z p n )
= z n + 1 z n 1 + 2 z n 2 + L n 1 z + n = 0
Significando que o ganho de estado era dado por, utilizando a frmula de
Ackermann,
[
K = [0 0 L 1] H GH L G n 1 H (G ) ]1
Ento, o ganho do estimador de estado pode ser dado por,

1
C 0
CG 0
K e = (G )
M M
n 1
CG 1
92
Deve-se notar que a frmula para o clculo do vetor de ganho do observador de
estado depende da inversa da matriz de observabilidade.
Exemplo 7.3: Supondo o sistema,

x 1 (k + 1) 0 0.16 x 1 (k ) 0
= x (k ) + 1 u (k )
x
2 ( k + 1) 1 1 2
x (k )
y(k ) = [0 1] 1
x 2 (k )
Projetar um observador de estado completo para que o estimador de estado tenha
plos em,
z 1, 2 = 0.5 j0.5
Soluo: O polinmio caracterstico para o observador,
(z ) = (z 0.5 + j0.5)(z 0.5 j0.5) = z 2 z + 0.5
E o ganho do observador,
1
C 0
K e = (G )
CG 1
0 0.16 2 0 0.16 [0 1]
1
1 0 0

= + 0.5 0 0.16
0 1 [0 1]1
1
1 1 1 1
1
1
0.34 0.32 0 1 0 0.34
= =
2 2.34 1 1 1 2
Para se utilizar o comando acker ou place do Matlab, deve ser lembrado que
o que est sendo calculado est conjugado transposto, ento,
clear all;clc;close all
G=[0 -0.16;1 -1]
C=[0 1]

im=sqrt(-1);
P=[0.5+im*0.5 0.5-im*0.5]
% utilizando acker
Gt=G';
Ct=C';
K=acker(Gt,Ct,P);
Ke=K'
7.5.2 Comentrios sobre estimador de estado
Definindo que o erro da estimativa de estado seja,

e( k ) = x ( k ) ~
x (k )
Agora subtraindo ambos os sistemas,
93
x (k + 1) = Gx (k ) + Hu (k ) (G K e C )~
x (k + 1) ~ x (k ) Hu (k ) K e y(k )
= G (x ( k ) ~
x (k ) ) + K C~
e x (k ) K Cx (k )
e
= (G K e C )(x (k ) ~
x (k ) )
Portanto,
e(k + 1) = (G K e C )e(k )
Significando que o comportamento do erro do estimador vai depender da
posio dos plos da equao caracterstica G-KeC. Normalmente, deve-se escolher os
plos do observador de 2 a 5 vezes mais rpido que a da planta a ser estimada, isto ,
com uma freqncia de 2 a 5 vezes maior. Porm, em aplicaes prticas, se a resposta
da planta for contaminada com rudo, deve utilizar uma estimativa mais lenta.
Exemplo 7.4: Supondo o sistema,

x 1 (k + 1) 0 1 0 x 1 ( k ) 0

x 2 (k + 1) = 0 0 1 x 2 (k ) + 0 u (k )
x (k + 1) 0.5 0.2 1.1 x (k ) 1
3 3
x 1 (k )

y(k ) = [0 1 0]x 2 (k )
x (k )
3
Projetar um controlador de estado e um observador de estado para a resposta ao
degrau supondo,
Razes do controlador: 0.5j0.5 e 0.5 P = z 3 1.5z 2 + z 0.25
Razes do observador: 0.3j0.5 e 0.3 P = z 3 0.9z 2 + 0.52z 0.102
Soluo: Observe que as razes da planta so dadas por,

z 1 0
zI G = 0 0 z 1 = 0
0.5 0.2 z 1.1
z1 = 0.5
z 3 1.1z 2 + 0.2z + 0.5 = 0
z1, 2 = 0.8 j0.6
Que podem ser melhor compreendidas atravs da passagem para tempo
contnuo,
1
z = e Ts s = ln z
T
Portanto, assumindo T = 1 s, as razes em tempo contnuo so dadas por,
s1, 2 = 0.6931 j3.1416
s 3, 4 = j0.6435
Portanto o par complexo representa um plo marginalmente estvel, j a nova
posio, 0.5j0.5 e 0.5 representa,
z 1 = 0.5 s1 = 0.6931
z 2,3 = 0.5 j0.5 s 2,3 = 0.3466 j0.7854
Iniciando pela verificao da controlabilidade e observabilidade do sistema,
Controlabilidade:
94
0 0 1
[ H GH G 2 H = 0 1 1.1 ]
1 1.1 1.01
Observabilidade:
0 0 0 .5
C G C [
G C = 1 0 0.2
H H H 2H H
]
0 1 1.1
Portanto, o sistema de estado completamente controlvel e observvel.
Root Locus Root Locus

1.5
System: Gpp
Gain: 0 System: Gpp
1 Gain: 0
0.5/T Pole: 0.5 + 0.5i
0.6/T 0.4/T
Damping: 0.404 1 Pole: 0.3 + 0.5i
0.7/T 0.10.3/T 0.5/T 0.464
Overshoot (%): 0.6/T Damping: 0.4/T
0.225
System: Gpp Overshoot (%): 19.3 0.1
System: Gpp
0.3
Frequency (rad/sec): 0.858 0.7/T 0.2 0.3/T
0.8/T 0.4 Gain:0.2/T
0 Frequency (rad/sec): 1.16 Gain: 0
0.3
0.5 0.5 0.4
Pole: 0.5 0.5 0.8/T Pole: 0.3 0.2/T
0.6 0.5
0.7 Damping: 1 0.6Damping: 1
0.9/T 0.8 0.7
Overshoot0.1/T 0.8Overshoot (%): 0 0.1/T
Imaginary Axis
Imaginary Axis
(%): 0 0.9/T
0.9 0.9Frequency (rad/sec): 1.2
Frequency (rad/sec): 0.693 /T
/T 0
0 /T
/T
0.9/T 0.1/T
0.9/T 0.1/T
-0.5 0.8/T 0.2/T
-0.5 System: Gpp
0.8/T 0.2/T 0.7/T 0.3/T
System: Gpp Gain: 0
0.6/T Pole: 0.3 - 0.4/T
0.5/T 0.5i
0.7/T Gain: 00.3/T -1
Pole: 0.5 - 0.5i Damping: 0.464
0.6/T 0.4/T Overshoot (%): 19.3
0.5/TDamping: 0.404
-1 Overshoot (%): 25 Frequency (rad/sec): 1.16
Frequency (rad/sec): 0.858 -1.5
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Real Axis Real Axis
Figura 7.7: Justificativa para as alocaes dos plos do controlador e observador
Projeto do Controlador,
K = [0 0 1] H GH G 2 H [ ]
1
(G ) = [ 0.75 0.8 0.4]
Projeto do Observador,
1
C 0 1.204
K e = (G ) CG 0 = 0.2

CG 2 1 0.54
3 3 x(k+1) 1 3 x(k)
0.25 H* u 3 C* u
z
3 Resposta
3 Controlada
3 G* u
3
Kc* u
3 3 3
x(k+1) 1 3 x(k)
H* u 3 C* u
z
3 3
3
3 G* u
3 Ke* u
95
Figura 7.8: Diagrama de blocos do controle de estado e do observador
1.4 3
1.2 2.5
2
1
1.5
Amplitude
Am plitude
0.8
1
0.6
0.5
0.4
0
0.2 -0.5
0 -1
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
Tempo Tem po
Figura 7.9: Resposta do sistema nominal e ao sistema com x(0)= [-2 3 1]T
Para a planta do sistema definida por,

x (k + 1) = Gx (k ) + Hu (k )
y(k ) = Cx (k )
A funo de transferncia dada por,
Y(z) z
G1 (z) = = C(zI G )H = 3
U( Z) z 1.1z + 0.2z + 0.5
2
Para o sistema definido por,

~
x (k + 1) = G~x (k ) + Hu (k ) + K E [ y(k ) ~y(k )] = (G K E C )~
x (k ) + Hu (k ) + K E y(k )
~y(k ) = C~
x (k )
Aplicando transformada Z,
~ ~
zX(z) = (G K E C )X(z) + HU(z) + K E Y(z)
~
X(z) = (zI G + K E C ) HU(z) + (zI G + K E C ) K E Y(z)
1 1
Como a lei de controle dada por,

u (k ) = r (k ) K C ~
x (k )
~
U(z) = R (z) K C X(z) =
[
= R (z) Kc (zI G + K E C ) HU(z) + (zI G + K E C ) K E Y(z)
1 1
]
Definindo,
0.4z 2 0.72z 0.153
G 2 = Kc(zI G + K E C ) H = 3
1
z 0.9z 2 + 0.52z 0.102

0.959z 2 1.3561z + 0.8622
G 3 = Kc(zI G + K E C ) K E = 3
1
z 0.9z 2 + 0.52z 0.102

Ento,
1 G3
U (z) = R (z) + G 2 U (z) + G 3 Y(z) U(z) = R (z) + Y (z)
(1 G 2 ) (1 G 2 )
Atravs da equao acima, observa-se que o sistema em malha fechada pode ser
resumido a,
96
z3-0.9z2+0.52z-0.102 z
0.25
z3-1.3z2+1.24z+0.051 z3-1.1z2+0.2z+0.5
Controlador Planta Resposta
Avano Controlada
0.959z2-1.356z+0.8622
z3-1.3z2+1.24z+0.051
Controlador
Figura 7.10: Sistema em malha fechada
Substituindo em Y(z)=G1(z)U(z),
G1 GG Y(z) G1
Y(z) = R (z) + 1 3 Y (z) =
(1 G 2 ) (1 G 2 ) R (z) 1 G 2 G 1G 3
Que substituindo os valores chega-se a,
Y (z) z
= 3
R (z) z 1.5z + z 0.25
2
Observe que houve cancelamento de plos e zeros e no final, os plos so os

plos estipulados pela realimentao de estado.
Para o ajuste do ganho Ko para eliminar o erro estacionrio,
1
k z 1
( ) z 1
( )
lim y(k ) = lim 1 z 1 Y(z) = lim 1 z 1 3
k0z
2
(

)
z 1.5z + z 0.25 1 z 1

K0
= = 1 K 0 = 0.25
1 1.5 + 1 0.25
7.5.3 Estimadores de Ordem Reduzida
Na prtica, alguns estados do sistema so medidos, significando que nem todos

os estados devem ser estimados. Alm disso, a medida do estado pode no ser precisa.
Nestes casos, utiliza-se observadores de ordem reduzida ou de ordem mnima.
Supondo n estados x(k) do sistema e a sada y(k) do sistema seja de ordem m.
Como a sada uma combinao linear dos estados, correlacionado pela matriz C, ento
o observador de ordem reduzida ser de ordem n-m.
Escrevendo o vetor de estado em duas partes,
x (k )
x (k ) = a
x b (k )
onde xa(k) a parte do vetor de estado que pode ser diretamente medida e de ordem m,
xb(k) a parte que precisa ser estimada e de ordem n-m. Ento o sistema pode ser
reescrito como,
x a (k + 1) G aa G ab x a (k ) H a
= + u (k )
x b (k + 1) G ba G bb x b (k ) H b
x (k )
y(k ) = [I 0] a y(k ) = x a (k )
x b (k )
Desta forma, a equao de estado contendo a dinmica dos estados que so
conhecidos dada por,
x a (k + 1) = G aa x a (k ) + G ab x b (k ) + H a u (k )
97
Que pode ser rearranjada como,
x a (k + 1) G aa x a (k ) H a u (k ) = G ab x b (k )
A parte restante, que representa a dinmica dos estados no medidos, dada por,
x b (k + 1) = G ba x a (k ) + G bb x b (k ) + H b u (k )
Como a equao de estado para o observador de estado de ordem completa
dada por,
~
x (k + 1) = G~ x (k ) + Hu (k )
~y(k ) = C~ x (k )
Comparando com a equao de estado dos estados no medidos na seguinte
forma,
x b (k + 1) = G bb x b (k ) + (G ba x a (k ) + H b u (k ) )
E a sada do observador de estado completo,
~y(k ) = C~ x (k )
Comparando com,
O projeto do observador de ordem mnima ou de ordem reduzida pode ser
encontrado comparando a equao de estado do observador de ordem completada dada
por,
~
x (k + 1) = G~ x (k ) + Hu (k )
~y(k ) = C~ x (k )
Comparada com,
x b (k + 1) = G bb x b (k ) + (G ba x a (k ) + H b u (k ) )
Onde observa-se que,
Observador de ordem completa Observador de ordem mnima

~
x (k ) ~
x (k )b
G Gbb
Hu(k) Gbaxa(k) + Hbu(k)
y(k) Xa(k+1) - Gaaxa(k) - Hau(k)
C Gab
Ke ordem nm Ke ordem (n-m)m
Utilizando a tabela acima, atravs do projeto do observador de ordem completa

que dado por,
x (k + 1) = (G K e C )~
~ x (k ) + Hu (k ) + K e y(k )
O projeto do observador de ordem mnima ou de ordem reduzida dado por,
x b (k + 1) = (G bb K e G ab )~
~ x b (k ) + (G ba x a (k ) + H b u (k ) ) +
+ K e (x a (k + 1) G aa x a (k ) H a u (k ) )
Substituindo xa(k) = y(k), pois so os estados medidos,
98
x b (k + 1) = (G bb K e G ab )~
~ x b (k ) + (G ba y(k ) + H b u (k ) ) +
+ K e (y(k + 1) G aa y(k ) H a u (k ) )
Rearranjando,
x b (k + 1) = (G bb K e G ab )~
~ x b (k ) + K e y(k + 1) +
+ (G ba K e G aa )y(k ) + (H b K e H a )u (k )
O problema em utilizar a equao acima est no fato de ter que medir y(k+1).
Ento, uma forma mais conveniente de expressar a equao acima fazendo,
x b (k + 1) K e y(k + 1) = (G bb K e G ab )~
~ x b (k ) + (G ba K e G aa )y(k ) + (H b K e H a )u (k )
= (G K G )(~
bb e x (k ) K y(k ) ) + (G K G )K y(k ) +
ab b e bb e ab e
+ (G ba K e G aa )y(k ) + (H b K e H a )u (k )
= (G K G )(~
bb e x ( k ) K y( k ) ) +
ab b e
+ [(G bb K e G ab )K e + G ba K e G aa ]y(k ) + (H b K e H a )u (k )
Definindo,
~
x b ( k ) K e y( k ) = ~ ~(k )
x b (k ) K e x a (k ) =
Pode-se escrever o sistema como,
~ (k + 1) = (G K G )(k ) + (H K H )u (k )
bb e ab b e a
+ [(G bb K e G ab )K e + G ba K e G aa ]y(k )
A equao acima descreve a dinmica do observador de estado de ordem
mnima ou ordem reduzida. O erro do observador pode ser definido como,
e(k ) = (k ) ~ (k ) = x (k ) ~ x b (k )
b
Que se torna,
x b (k + 1) = [G bb x b (k ) + (G ba x a (k ) + H b u (k ) )] +
x b (k + 1) ~
[(G K G )~ bb x (k ) + (G x (k ) + H u (k ) ) +
e ab b ba a b
+ K e (x a (k + 1) G aa x a (k ) H a u (k ) )]
Rearranjando,
x b (k + 1) = G bb [x b (k ) ~
x b (k + 1) ~ x b (k )] + K e G ab ~
x b (k )
K e (x a (k + 1) G aa x a (k ) H a u (k ) )
Substituindo a equao de xa(k+1),
x b (k + 1) = G bb [x b (k ) ~
x b (k + 1) ~ x b (k )] + K e G ab ~
x b (k )
K e (G aa x a (k ) + G ab x b (k ) + H a u (k ) G aa x a (k ) H a u (k ) )
Que simplificando encontra-se,
x b (k + 1) = G bb [x b (k ) ~
x b (k + 1) ~ x b (k )] + K e G ab [~x b (k ) x b (k )]
Que se reduz a,
e(k + 1) = G bb e(k ) K e G ab e(k ) = (G bb K e G ab )e(k )
Portanto, a equao caracterstica do erro do observador de ordem mnima ou de
ordem reduzida dada por,
zI G bb + K e G ab = 0
Assim, o projeto do observador de ordem reduzida feito escolhendo os plos
desejados para a equao acima, utilizando a frmula de Ackerman, conforme,
99
1
G ab 0
G G 0
K e = (G bb ) ab bb
M M
n 1
G ab G bb 1
Sendo que n agora a ordem da matriz Gbb.
Figura 7.11: Diagrama de blocos do controlador de estado e do observador de ordem

mnima ou de ordem reduzida
Exemplo 7.5: Supondo o seguinte sistema,

x (k + 1) = Gx (k ) + Hu (k )
~y(k ) = Cx (k )
Com,
1 0.2 0.02
G= , H= e C = [1 0]
0 1 0.2
Projetar um controlador de estado para que os plos do sistema em malha
fechada sejam estabelecidos em
Z1,2 = 0.6 j0.4
Assumir que apenas o primeiro estado x1(k) pode ser medido. Projetar um
observador de ordem mnima para que o erro do observador seja do tipo Dead-Beat.
Determinar a Funo de Transferncia de realimentao do sistema de controle.
Soluo: Iniciando pela verificao da observabilidade e controlabilidade do

sistema,
0.02 1 0.2 0.02 0.02 0.6
[H GH] = =
0.2 0 1 0.2 0.2 0.2
100
1 1 0 1 1 1
[C T
]
G T C T = =
0 0.2 1 0 0 0.2
Novo polinmio caracterstico para a realimentao de estado,
(z ) = (z 0.6 j0.4 )(z 0.6 + j0.4) = z 2 1.2z + 0.52
Frmula de Ackermann para a realimentao de estado,
K = [0 1][H GH ] (G ) =
1
0.02 0.6 1 0.2 1 0

1 2
1 0.2
= [0 1] 1.2 + 0.52
0.2 0.2 0 1 0 1 0 1
= [8 3.2]
Desta forma, a lei de controle dada por,
x (k ) y( k )
u (k ) = Kx (k ) = [8 3.2]~ 1 = [8 3.2]~
x 2 (k ) x 2 (k )
Para encontrar o observador de ordem mnima, deve-se separar o sistema
segundo,
G G ab 1 0.2 H 0.02
G = aa = e H = a =
G ba G bb 0 1 H b 0 .2
Como o observador deve ter comportamento Dead-Beat, o polinmio
caracterstico dado por6,
(z ) = z = 0
Aplicando Ackermann para o ganho do observador de ordem mnima,
K e = (G bb )[G ab ] [1] = (1)(0.2) 1 (1) = 5
1
A equao de estado do observador de ordem mnima,

~ (k + 1) = (G K G )(k ) + (H K H )u (k )
bb e ab b e a
Substituindo os valores,
~ (k + 1) = (1 (5)(0.2) )(k ) + (0.2 (5)(0.02) )u (k )

+ [(1 (5)(0.2) )5 + 0 (5)(1)]y(k )
= 0.1u (k ) 5 y(k )
S est faltando os estados no estimados dado por,
~ ~ ( k ) = 5 y( k ) +
x 2 ( k ) = K e y( k ) + ~ (k )
E a equao da lei de controle,
u (k ) = 8 y(k ) 3.2~ x 2 (k )
Estas ltimas trs equaes definem o sistema de controle. Combinando as duas
ltimas,
u (k ) = 8y(k ) 3.2(5y(k ) + ~ (k ) )
= 24 y(k ) 3.2 ~(k )
Se esta equao verdade,
u (k + 1) = 24 y(k + 1) 3.2 ~ (k + 1)
Substituindo a equao do observador,
6
O polinmio caracterstico para dead beat deve ser da ordem a ser utilizada, como neste caso precisa-se
estimar apenas um estado, o polinmio caracterstico apenas z.
101
u (k + 1) = 24 y(k + 1) 3.2(0.1u (k ) 5y(k ) )
u (k + 1) + 0.32u (k ) = 24 y(k + 1) + 16 y(k )
Para a funo de transferncia do controlador, aplica-se a transformada Z na
equao anterior,
zU(z) + 0.32U(z) = 24zY(z) + 16Y(z)
Chegando a,
U (z) 24z 16
G D (z) = =
Y(z) z + 0.32
A funo de transferncia da planta,
Y (z)
= C(zI G ) H + D =
1
G P (z) =
U(z)
1
z 0 1 0.2 0.02
= [1 0] 0 1 0.2
0 z
0.02z + 0.02
= 2
z 2z + 1
0.02z+0.02
Ko
z2-2z+1
Step Gain Scope
Planta
24z-16
z+0.32
Controlador
Figura 7.12: Diagrama de blocos do sistema em malha fechada
A equao caracterstica do sistema em malha fechada, assumindo que a

resposta seja C(z) e a referncia a ser seguida R(z), pode ser encontrada atravs do
diagrama de blocos, Figura 7.12, dada por,
C( z )
=
K o G P (z) (
K 0.02z 2 + 0.0264z + 0.0064
= o
)
R ( z ) 1 + G P ( z )G D ( z ) z 3 1.2z 2 + 0.52z
Para que o sistema no tenha erro estacionrio,
k
(
z 1
) (
z 1

) (
lim c(k ) = lim 1 z 1 C(z) = lim 1 z 1 o
K 0.02z 2 + 0.0264z + 0.0064
z 1.2z + 0.52z
3 2
1 ) =
1 z 1 ( )

K o 0.0528
= = 1 K o = 6.0606
0.32
Notar que a equao caracterstica do sistema em malha fechada dada por,
( )
z 2 1.2z + 0.52 z = 0
Representando os mesmos plos escolhidos para o fechamento da malha.
Justificativa para a escolha dos plos do controlador em z1,2 = 0.6 j0.4. Os

plos originais so z1,2 = 1, que so plos marginalmente estveis, porm, passando os
plos escolhidos para tempo contnuo encontra-se s1,2 = - 0.327 j0.588, representando
N = 0.6728 rad/s e fator de amortecimento = 0.486. Isto foi feito assumindo T = 1s.
102
Exemplo 7.6: Para o sistema abaixo, projetar um controle por realimentao de estado
em tempo discreto para o sistema abaixo,
50
G (s) = 2
s + 2s + 100
Sabendo-se que o desejado para o sistema acima seria que o seu fator de
amortecimento fosse 2 / 2 e sua freqncia natural fosse 20 rad/s.
Soluo: Passando o sistema para tempo discreto, precisa-se saber qual a freqncia
natural do sistema, por anlise simples, verifica-se que ela de 10 rad/s, portanto a
maior freqncia ser de 20 rad/s. Sendo assim, escolhe-se T = 0.05 s. Agora,
discretizando o sistema, atravz de tabelas fcil verificar que,
1
1 e Ts s +1
G (z) = Z ( ) 1
G (s) = 1 z 1 Z 2 2
s 2s s + 2s + 100

1 z 1
1 s +1 1 99
= Z 2 +
(
2 1 z 1
) 2 s + 2s + 100 2 99 s + 2s + 100
2
Comparando com os items 16 e 17 da tabela de transformada, a = 1 e = 99 ,

ento,
1 e Ts 0.05923z + 0.05727
G (z) = Z G (s) = 2
s z 1.672z + 0.9048
Transformando para matrizes de estado, utilizando a forma cannica observvel,
pois a matriz C na forma unitria,
x 1 (k + 1) 0 0.9048 x 1 (k ) 0.05727
= + u (k )
x 2 (k + 1) 1 1.672 x 2 (k ) 0.05923
x (k )
y(k ) = [0 1] 1
x 2 (k )
Para os novos plos do sistema em tempo contnuo,
2
2 2
s1, 2 = n jd = 20 20 1 = 14.1421 j14.1421

2 2
Passando para tempo discreto,
z 1, 2 = e sT = e ( 14.1421 j14.1421) 0.05) = 0.3749 j0.3203
Projetando o controle via realimentao de estado, matriz de controlabilidade,
0.05727 0 0.9048 0.05727 0.5727 0.0536
[H GH] = =
0.05923 1 1.672 0.05923 0.5923 0.1563
Novo polinmio caracterstico,
(z) = (z 0.3749 + j0.3203)(z 0.3749 j0.3203) = z 2 + 1.672z 0.9048
Aplicando Ackerman,
103
K = [0 1][H GH ] (G ) =
1
0.5727 0.0536
1
0 0.9048 2 0 0.9048 1 0
= [0 1]

0.7498 + 0.2431
0.5923 0.1563 1 1.672 1 1.672 0 1

= [7.5878 8.2331]
Desta forma, a lei de controle dada por,
x (k )
u (k ) = Kx (k ) = [7.5878 8.2331] 1
x 2 (k )
Exemplo 7.7: Para o sistema acima, projetar um sistema de controle em realimentao

utilizando um estimador tipo Dead Beat para o observador de estado de ordem
reduzida.
Soluo: Observa-se que neste caso, a posio da matriz C est diferente da formulao
proposta. Comparando as equaes do observador de ordem reduzida e a equao do
sistema, observa-se que,
G G ba 0 0.9048 H b 0.05727
G = bb =
e H = H = 0.05923
G ab G aa 1 1.672 a
Como o observador deve ter comportamento Dead-Beat, o polinmio
caracterstico dado por,
(z ) = z = 0
Aplicando Ackermann,
K e = (G bb )[G ab ] [1] = (0)(1) 1 (1) = 0
1
Significando que o observador de ordem reduzida no pode ser aplicado. Porm,

a transformao para matrizes de estado no nica, aplicando a seguinte
transformao,
1 1 xn (k ) 1 1 x 1 (k )
T= 1 =
0 1 xn 2 (k ) 0 1 x 2 (k )
O sistema fica,
1
xn 1 (k + 1) 1 1 0 0.9048 1 1 xn 1 (k ) 1 1 0.05727
= + u (k )
xn 2 (k + 1) 0 1 1 1.672 0 1 xn 2 (k ) 0 1 0.05923
1
1 1 xn 1 (k )
y(k ) = [0 1]
0 1 xn 2 (k )
Chegando a,
xn 1 (k + 1) 1 0.2328 xn 1 (k ) 0.1165
= + u (k )
xn 2 (k + 1) 1 0.672 xn 2 (k ) 0.05923
xn (k )
y(k ) = [0 1] 1
xn 2 (k )
A resposta do novo sistema e do sistema antigo exatamente a mesma,
significando que os dois sistemas so os mesmos. Agora, aplicando o mtodo,
K e = (G bb )[G ab ] [1] = (1)(1) 1 (1) = 1
1
104
~ (k + 1) = (G K G )(k ) + (H K H )u (k )
bb e ab b e a
~ (k + 1) = (1 (1)(1) )(k ) + (0.1165 (1)(0.05923) )u (k )

+ [(1 (1)(1) )1 0.2328 (1)(0.672)]y(k )
= 0.0573u (k ) 0.9048 y(k )
S est faltando os estados no estimados dado por,
~ ~ ( k ) = y( k ) +
xn 1 ( k ) = K e y ( k ) + ~ (k )
Neste ponto deve ser lembrado que o que est sendo estimado xn1(k) no
x1(k) como necessrio para o controlador, porm da relao de transformao utilizada,
1
1 1 x 1 (k ) 1 1 xn 1 (k ) 1 1 xn1 (k )
T= x (k ) = 0 1 xn (k ) = 0 1 xn (k )
0 1 2 2 2
Significando que x2(k) = xn2(k), mas x1(k) = xn1(k)+xn2(k) = xn1(k)+x2(k),
assim, a lei de controle fica,
~xn (k ) xn 2 (k )
u (k ) = Kx (k ) = [7.5878 8.2331] 1
xn 2 (k )
~
xn ( k )
= [7.5878 0.6453] 1
xn 2 (k )
Estas ltimas trs equaes definem o sistema de controle. Combinando as duas
ltimas,
u (k ) = 7.5878~ xn 1 (k ) 0.6453xn 2 (k )
= 7.5878(y(k ) + ~ (k ) ) 0.6453x (k )
2
= 8.2331y(k ) 7.5878 ~(k )

Se esta equao verdade, ento,
u (k + 1) = 8.2331y(k + 1) 7.5878~ (k + 1)
Substituindo a equao do observador,
u (k + 1) = 8.2331y(k + 1) 7.5878 ~ (k + 1)
= 8.2331y(k + 1) 7.5878(0.0573u (k ) 0.9048 y(k ) )
= 8.2331y(k + 1) 0.4348u (k ) + 6.8654 y(k )
Para a funo de transferncia do controlador, aplica-se a transformada Z na
equao anterior,
zU(z) + 0.4348U(z) = 8.2331zY(z) + 6.8654Y(z)
Chegando a,
U(z) 8.2331z 6.8654
G D (z) = =
Y(z) z + 0.4348
A funo de transferncia da planta original,
0.05923z + 0.05727
G P (z) = 2
z 1.672z + 0.9048
A equao caracterstica do sistema em malha fechada, assumindo que a
resposta seja C(z) e a referncia a ser seguida R(z), pode ser encontrada atravs de,
C( z )
=
K o G P (z)
=
(
K o 0.05923z 2 + 0.08302z + 0.0249)
R (z) 1 + G P (z)G D (z) z 3 0.7494z 2 + 0.2428z + 0.0002473
Para que o sistema no tenha erro estacionrio,
105
( )
lim c(k ) = lim 1 z 1 C(z) =
k z 1

= lim 1 z ( ) (
1 K o 0.05923z + 0.08302 z + 0.0249
2
1 )
=
z 1
z 0.7494z + 0.2428z + 0.0002473 1 z 1
3 2
( )
K 0.1671
= o = 1 K o = 2.9533
0.4936
Exemplo 7.8: Supondo o seguinte sistema, com T = 1s,

x 1 (k + 1) 2.86 1.36 0.2 x 1 (k ) 1

x 2 (k + 1) = 3.86 1.36 0.2 x 2 (k ) + 1 u (k )
x (k + 1) 3.36 0.86 0.2 x (k ) 1
3 3
x 1 (k )

y(k ) = [1 0 0]x 2 (k )
x (k )
3
a) Determinar se o sistema completamente observvel e controlvel;
b) Implementar uma realimentao para posicionar os plos em,
Z1,2 = 0.5 i0.5 e Z3 = 0.1
c) Implementar um estimador para os estados no estimados para que este
apresente resposta deadbeat.
Soluo: Iniciando pela controlabilidade e observabilidade,

1 1.7 1.73 1 0 0
[ ]
H GH G 2 H = 1 2.7 3.43 e C
H H
G C H
[ 2 H H ]
G C = 2.86 1.36 0.2
1 2.7 3.93 3.602 2.212 0.34
Portanto, sistema completamente controlvel e observvel. Para calcular o vetor
de realimentao de estado, o novo polinmio caracterstico dado por,
(z ) = z 3 1.1z 2 + 0.6z 0.05
Ento o vetor de realimentao de estado,
[ ]
K c = [0 0 1] H GH G 2 H (G ) = [1.16 0.66 0.1]
1
Para a determinao do observador de ordem reduzida, deve-se fazer,

2.86 [ 1.36 0.2] 1
G aa G ab H b 1
G= = 3.86 1.36 0.2 e H = H =
G ba G bb 3.36 0.86 0.2 a
1
O polinmio para o observador deve ser deadbeat, ento,
(z ) = z 2
O vetor de controle do observador,
1
G ab 0 1
K e = (G bb ) =
G ab G bb 1 1
~ (k + 1) = (G K G )(k ) + (H K H )u (k )
bb e ab b e a
106
~ (k + 1) = 0 0 (k ) + 1 y(k ) = P1(k ) + P 2 y(k ) + P3u (k )
0.5 0 1

A outra equao necessria,
~
x b (k ) = ~ (k ) + 1 y(k )
~ (k ) + K x (k ) =
e a 1

Figura 7.13: Diagrama de blocos do sistema de controle com estimador de ordem

mnima
Exemplo 7.9: Supondo o sistema apresentado no Exemplo 7.4, projetar um observador

de estado de ordem mnima para os estados que no so medidos. Supor resposta
DeadBeat para o observador, utilizando o mesmo controlador proposto no exemplo.
x 1 (k + 1) 0 1 0 x 1 ( k ) 0

x 2 (k + 1) = 0 0 1 x 2 (k ) + 0 u (k )
x (k + 1) 0.5 0.2 1.1 x (k ) 1
3 3
x 1 (k )

y(k ) = [0 1 0]x 2 (k )
x (k )
3
Soluo: O primeiro passo verificar qual a sada que medida, no caso a sada
x2(k). Ento necessrio reescreve o sistema na seguinte forma,
x 2 (k + 1) 0 0 1 x 2 ( k ) 0

x 1 (k + 1) = 1 0 0 x 1 (k ) + 0 u (k )
x (k + 1) 0.2 0.5 1.1 x (k ) 1
3 3
Nesta nova configurao,
x (k )
x a (k ) = x 2 (k ) ; x b (k ) = 1
x 3 (k )
107
1 0 0
G aa = 0 ; G ab = [0 1] ; G ba = ; G bb =
0.2 0.5 1.1
0
Ha = 0 ; Hb =
1
Ainda do Exemplo 7.4, o ganho do controlador,
K c = [ 0.75 0.8 0.4]
O ganho do observador de estado mnimo pode ser encontrado atravs da
equao do erro dada por,
e(k + 1) = (G bb K e G ab )e(k )
Como foi especificada resposta tipo deadbeat, ento,
(z ) = z 2
Aplicando a frmula de ackerman,
1
G ab 0 0
K e = (G bb ) =
G ab G bb 1 1.1
A construo do diagrama de blocos segue atravs das seguintes equaes,
~ (k + 1) = (G K G )
~ (k ) + (H K H )u (k )
bb e ab b e a
~ (k ) + P 2 y(k ) + P3u (k )
= P1
~ (k + 1) = P1
~ (k ) + P 2 y(k ) + P3u (k )
~ (k + 1) 0 ~ (k ) 1
0 0
1 1
~ = ~ + y( k ) + u ( k )
2 (k + 1) 0.5 0 2 (k ) 0.2 1
A segunda equao a ser utilizada,
~
x b (k ) = ~ (k ) + K x (k ) = ~ ( k ) + K y( k )
e a e
~x 1 (k ) ~ (k ) 0
1
~ = ~ + y( k )
x 3 (k ) 2 (k ) 1.1
Finalmente a terceira equao,
x 1 (k ) ~ x 1 (k )

u (k ) = K 0 r (k ) K c x 2 (k ) = K 0 r (k ) K c x 2 (k )
x (k ) ~
3 x 3 (k )
~x 1 (k )

u (k ) = K 0 r (k ) [ 0.75 0.8 0.4]x 2 (k )
~
x 3 (k )
Chegando a,
108
3 3 x(k+1) 1 3 x(k)
0.25 H* u 3 C* u
z
3 Resposta
3 Controlada
3 G* u
2
2 P2* u Ke2* u
2 2 3
2 2
n(k+1) 1 2 n(k) 2
P3* u 2
z
2 x~(k)
2
2 P1* u
3
Kc* u
Figura 7.14: Diagrama de blocos do sistema de controle com estimador de ordem

mnima
Exerccio 7.1: (Prova 2007) Para o sistema abaixo, pede-se,
x 1 (k + 1) 1 1 x 1 (k ) 1
= + u (k )
x 2 (k + 1) 0.5 0 x 2 (k ) 0.5
x (k + 1)
y(k ) = [1 0] 1
x 2 (k + 1)
a) Verificar se o sistema Controlvel;

b) Projetar um sistema de controle via realimentao de estado para que os
novos plos do sistema sejam posicionados em, z1, 2 = 0.15 j 0.3
c) Supondo uma entrada degrau r(k), calcular qual o ganho k0 para que no
haja erro estacionrio;
Exerccio 7.2: (Prova 2007) Para o sistema do Exerccio 7.1, pede-se,
a) Verificar se o sistema Observvel;

b) Projetar um observador de ordem completa para que este apresente resposta
tipo DeadBeat;
c) Colocar as equaes necessrias e desenhar o diagrama de blocos da planta
observador de ordem completa realimentao de estado para uma resposta
ao degrau unitrio;
Exerccio 7.3: (Prova 2007) Para o sistema abaixo, pede-se,

x 1 (k + 1) 1 0.2 x 1 (k ) 1
= + u (k )
x 2 (k + 1) 0.5 0.75 x 2 (k ) 0.5
x (k + 1)
y(k ) = [1 0] 1
x 2 (k + 1)
109
a) Projetar um observador de ordem mnima para o estado que no medido,
para que este apresente uma resposta tipo DeadBeat;
b) Escrever as equaes necessrias e desenhar o diagrama de blocos planta -
observador de ordem mnima realimentao de estado supondo que o
sistema seja um regulador.
Exerccio 7.4: (Exame 2007) Para o sistema abaixo pede-se,
x 1 (k + 1) 1 1 x 1 (k ) 1
= + u (k )
x 2 (k + 1) 2 0 x 2 (k ) 2
x (k + 1)
y(k ) = [0 1] 1
x 2 (k + 1)
a) Verificar se o sistema Controlvel e Observvel;

b) Projetar um sistema de controle via realimentao de estado para que os
novos plos do sistema sejam posicionados em, z 1, 2 = 0.5 j0.5 ;
c) Projetar um observador de ordem reduzida para o estado que no medido,
supor resposta deadbeat para o observador de ordem reduzida;
d) Escrever as equaes necessrias e o diagrama de blocos para o conjunto
sistema-controlador-observador de ordem reduzida supondo que o sistema de
controle seja um Regulador.
110
Captulo 8
8 Projetos
Nesta parte, ser apresentada uma seqncia de projetos interessantes de
sistemas mecnicos envolvendo sistemas de controle em tempo discreto. Para a
implementao dos sistemas de controle, necessariamente dever ser seguido os
seguintes passos,
1. Modelagem matemtica; onde o aluno dever assumir todas

as condies necessrias para o equacionamento do sistema,
tais como posio dos sensores e atuadores, se h atrito,
linearizao, etc.
2. Equaes na forma de funo de transferncia e de Espao

de Estados ambos em tempo contnuo e tempo discreto;
onde o aluno dever optar por uma das formas para a
transformao de tempo contnuo para tempo discreto.
Alm disso, deve-se especificar qual o tempo de
amostragem e explicar a sua escolha;
3. Apresentar o sistema em diagrama de blocos; nesta parte

ser apresentado o diagrama de blocos contendo planta e
sistema de controle separadamente, pode ser feita em
Simulink;
4. Implementao do sistema de controle, explicando a sua

escolha e detalhando o procedimento de clculo;
5. Apresentao dos resultados contendo distrbio e lei de

controle;
111
8.1 Pndulo Invertido
Implementar um sistema de controle para que a massa suspensa do pndulo

invertido apresentado na Figura 8.1 fique em equilbrio na posio vertical. Sabendo-se
que M = 2 Kg, L = 0.5 m e m = 0.1 kg.
Figura 8.1: Pndulo invertido.
O problema est resolvido por realimentao de estado no Ogata, pgina 596.

Implementar um controlador PID para que o desempenho do sistema controlado seja
parecido com o j implementado.
112
8.2 Suspenso Ativa para de veculo
Implementar um sistema de controle em de suspenso veicular, Figura 8.2,

para que a massa suspensa da suspenso apresente a menor acelerao possvel.
Sabendo-se que Ms = 250 Kg, Ks = 5.000 N/m, Cs = 250 Ns/m, Mn = 25 kg e Kp =
100.000 N/m.
Figura 8.2: Suspenso de de veculo.
Para a implementao do sistema de controle, assumir que apenas a acelerao

medida, mas verificar a acelerao e deslocamento da massa suspensa. O objetivo aqui
manter a acelerao da massa suspensa igual a zero, portanto o sistema de controle um
regulador.
Distrbios da via a serem considerados

a) Entrada degrau com 100 mm de altura;
b) Entrada circunferncia de 150 mm de raio;
Deve ser lembrado que os distrbios da via so relacionados com o tempo,

simular para 40 km/h e 100 km/h.
113
8.3 Controle no colocado
Supondo o sistema apresentado na Figura 8.3, o objetivo e minimizar o

deslocamento da massa M3, com um controlador posicionado entre as massas M1 e M2
e um outro controlador posicionado entre as massas M2 e M3.
Figura 8.3: Sistema de 3GDL para controle no colocado.
Objeivo investiga sistemas de controle colocado e no colocado.

Considerar que M1 = M2 = M3 = 0.5 Kg, K1 = K2 = K3 = 10 KN/m. Excitao um
impulso dado na massa M3.
114
8.4 Projeto de Filtros Digiais
Apresentar o projeto de filtros digitais contendo os seguintes passos:
a) O que so filtros digitais;

b) Para que so utilizados;
c) Influncia dos plos e zeros;
d) Tipos de Filtros digitais;
e) Projetos de cada Tipo;
f) Resposta em Freqncia;
O aluno dever fazer uma implementao computacional exemplificando a

utilizao de filtros digitais;
115
9 Referncias Bibliogrficas
K. Ogata. Discrete-Time Control Systems. 2nd Ed. Prentice Hall, 1994.
G.F. Franklin, J.D. Powell, and M.L. Workman. Digital Control of Dynamic Systems.
Addison-Wesley, 3rd Edition. 1998.
C.H. Houpis, G.B. Lamont. Control Systems. Theory, Hardware, Software. 2nd Ed.
McGraw-Hill, 1992.
J.J. Distefano III, A. R. Stubberud. Schaums Outline of Theory and Problems of

Feedback and Control Systems. 2nd Ed., Schaums Outline Series, McGraw-Hill.
1990.
116

Introdução Ao Controle de Sistema em Tempo Discreto (UFMG, Lázaro) PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Introdução Ao Controle de Sistema em Tempo Discreto (UFMG, Lázaro) PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal de Minas Gerais UFMG

EMA166 Sistema de Controle em Tempo

Introduo ao Controle de Sistemas em Tempo

Autor: Prof. Dr. Lzaro Valentim Donadon

1 INTRODUO AO CONTROLE DE SISTEMAS EM TEMPO DISCRETO1

1 Introduo ao Controle de Sistemas em Tempo

Aqui, sero tratados sistemas lineares e invariantes no tempo em que o

1.2 Sistemas de controle em tempo discreto

Um sistema de controle em tempo contnuo em realimentao pode ser

Figura 1.1: Exemplo de um sistema de controle em tempo contnuo

J os sistemas de controle em tempo discreto envolvem a discretizao de uma

A implementao em tempo real de controle para um sistema de controle em

Ambiente Fsico o ambiente no qual ser implementado o sistema de controle,

Ambiente Computacional o ambiente onde o sistema de controle

Transdutor o dispositivo capaz de transformar uma quantidade de entrada em

Condicionador de sinais o dispositivo que alimenta o transdutor, pois

Filtros Analgicos so dispositivos que modificam o sinal de entrada, isto ,

Multiplexador Analgico normalmente parte integrante da placa de aquisio

Circuito Sample-and-Hold dispositivo que faz a amostragem, sample, e

Conversor Analgico Digital o dispositivo que realmente realiza o processo

Figura 1.4: Componentes bsicos de um sistema de medida

Demultiplexador dispositivo que conecta a sada de dados da placa de

Conversor Digital Analgico o dispositivo que transforma uma entrada

Hold um dispositivo que mantm o sinal de sada do conversor D/A seguindo

Filtro de reconstruo um filtro analgico adicionado na sada do conversor

Sistema de condicionamento do atuador um dispositivo parecido com o

Atuador o dispositivo responsvel por implementar a lei de controle no

Figura 1.6: Componentes bsicos de um sistema de atuao

Exemplo 1.1: Controle de temperatura de uma autoclave

Figura 1.7: Sistema de monitoramento de temperatura em uma autoclave

Exemplo 1.2: Montagem experimental de um sistema de controle

1.3 Tipos de sinais

Sinais em analgico em tempo contnuos so sinais contnuos definidos em

Sinal em tempo contnuo quantizado um sinal cuja amplitude s pode

Sinais discretizados so sinais que s podem assumir valores em determinados

Sinais discretizados e quantizados so sinais discretizados que s podem

(a) Sinal contnuo (b) Sinal contnuo quantizado

(c) Sinal discretizado (d) Sinal discretizado quantizado

Controle de sistemas em tempo discreto envolver uma ou mais variveis que s

1.4 Amostragem de sinais contnuos

O Processo de Amostragem de sinais contnuos substitui o sinal em tempo

1.4.1 Teoria da Amostragem Tratamento emprico

A amostragem ou discretizao de um sinal analgico feita seguindo um

(a) sinal contnuo (b) Sinal amostrado

a) Qual o tempo de amostragem?

b) Quantos pontos por perodo?

c) Grfico do sinal correto vs sinal amostrado

Figura 1.11: Sinal correto e sinal amostrado

1.4.2 No unicidade de sinais amostrados

Figura 1.12: Sinal contnuo e sinal amostrado incorretamente

1.5 Exerccios Propostos

2.1 Mtodo da Transformada Z

O mtodo da Transformada Z, transforma equaes diferenciais temporais em

A transformada Z de uma funo temporal contnua x(t), onde t representa

2.1.2 Transformada Z de funes elementares

Note que esta srie convergir se |z| >1.

2.1.3 Propriedades da Transformada Z

Multiplicao por uma constante: Z[ax ( t )] = aZ[x ( t )] = aX(z)

Linearidade: x (kT) = f (kT) + g(kT) ento X(z) = F(z) + G (z)

Multiplicao por ak: [ ]

Translao no tempo ou translao real,

Definindo m = k-n, ento,

Exemplo 2.1: Achar a transformada Z do degrau unitrio quando o degrau