Encontro1 2017s2 MLacerda

Revisao: Equacoes Diferenciais
Aproximacao linear
Linearizacao por realimentacao [Hes09, Cap. 2]
Encontro 1: Apresentacao e Revisao
Marcio J. Lacerda1
1 Universidade Federal de Sao Joao del-Rei
Departamento de Engenharia Eletrica
Sao Joao del-Rei, MG Brasil
Programa de Pos-Graduacao em Engenharia Eletrica

Associacao ampla entre CEFETMG e UFSJ
M. J. Lacerda Teoria e Projeto de Sistemas Lineares

Aproximacao linear
O que nos espera?
1 Revisao: Equacoes Diferenciais

Equacoes a Diferencas
2 Aproximacao linear
Variaveis de desvio
Muitas variaveis
3 Linearizacao por realimentacao [Hes09, Cap. 2]

Aproximacao linear Equacoes a Diferencas
Introducao
1 Descricao de sistemas lineares invariantes no tempo (SLIT)
2 Ordem da equacao numero de armazenadores de energia
3 Sistema autonomo: nao possui entrada forcada
x(t) + x(t) = 0 ou x(t) x(t) (1)
4 Sistema nao autonomo: possui entrada forcada
x(t) + x(t) = u(t) (2)

Sistema de 1a ordem, (1)
Modo proprio ou resposta natural
x(t) = Ke t (3)

x(t) = Ke t (3)
Equacao caracterstica
1 1
+ =0 = (4)


x(t) = Ke t (3)
1 1
+ =0 = (4)

Solucao
t
x(t) = Ke , (5)

Sistema de 2a ordem
x(t) + 2x(t) + 0 2 x(t) = 0 (Autonomo) (6)

Dois modos proprios do tipo
x(t) = Ki e i t , i = 1, 2 (7)

Sistema de 2a ordem
x(t) + 2x(t) + 0 2 x(t) = 0 (Autonomo) (6)

Dois modos proprios do tipo
x(t) = Ki e i t , i = 1, 2 (7)

1 = 2 (razes reais iguais)
2 +2+0 2 = 0 razes = 1 , 2 R, 1 6= 2

1 = 2
(8)

Solucoes naturais
1 = 2 x(t) = K1 e t + K2 te t (9)
1 6= 2 x(t) = K1 e 1 t + K2 e 2 t (10)
coef. amortecimento
0 freq. natural de oscilacao.

Sistemas Nao Autonomos
x (n) (t) + a1 x (n1) (t) + . . . + an1 x(t) + a0 x(t) = f (t) (11)
Solucao:
n
X m
X
x(t) = ci pi (t) + bj fj (t) (12)
i=1 j=0
| {z } | {z }
Solucao natural Solucao forcada

Sistemas Nao Autonomos
Solucao natural: combinacao linear de n solucoes baseadas nos

modos proprios
Solucao forcada: combinacao linear das m + 1 derivadas L.I.

(fj (t), j = 0, . . . , m)
Modos proprios: n funcoes L.I. Base para a solucao

homogenea

Metodo: coeficientes a determinar
Calcular os modos proprios (i , i = 1, . . . , n)

| {z }
razes da equacao caracterstica
Propor uma solucao forcada e substitui-la na E.D.

determinar coeficientes
Determinar demais coeficientes usando condicoes iniciais e
x(t) = xn (t) + xf (t)

Exemplo 1
x(t) + 4x(t) = t 2; x(0) = 3

Exemplo 1
x(t) + 4x(t) = t 2; x(0) = 3
Modo proprio: 1 + 4 = 0 = 0.25

Exemplo 1
x(t) + 4x(t) = t 2; x(0) = 3
Modo proprio: 1 + 4 = 0 = 0.25
Solucao forcada:
(0)
xf (t) = xf (t)

(1)
xf (t) = k1 t + k2 xf (t) = xf (t) = k1 2 funcoes L.I.
| {z }
(r )
t2 xf (t) = 0, r 2

Exemplo 1
x(t) + 4x(t) = t 2; x(0) = 3
Modo proprio: 1 + 4 = 0 = 0.25
Solucao forcada:
(0)
xf (t) = xf (t)

(1)
xf (t) = k1 t + k2 xf (t) = xf (t) = k1 2 funcoes L.I.
| {z }
(r )
t2 xf (t) = 0, r 2
Calcula os coeficientes da solucao forcada
xf (t) + 4xf (t) = t 2 (13)
k1 t + (k2 + 4k1 ) = t 2 (14)
k1 = 1 e k2 = 6 xf (t) = t 6

x(t) = xn (t) + xf (t) x(t) = k0 e 0.25t + |t {z

6}
| {z }
xn (t) xf (t)
Usando as condicoes iniciais
x(0) = 3 = k0 e 0 + 0 6 k0 = 9
x(t) = 9e 0.25t + t 6

10
xn (t)
5
x(t)
x(t)
5
xf (t)
10
0 1 2 3 4 5 6 7 8 9 10
t
Figura: Resposta do Exemplo 1.

Exemplo 2
x(t) + 7x(t) + 12x(t) = sin 3t; x(0) = 1, x(0) = 0

Exemplo 2
x(t) + 7x(t) + 12x(t) = sin 3t; x(0) = 1, x(0) = 0

Modos proprios: 1 = 3, 2 = 4

Exemplo 2
x(t) + 7x(t) + 12x(t) = sin 3t; x(0) = 1, x(0) = 0

Funcoes L.I.: f0 (t) = k1 sin 3t e f1 (t) = k2 cos 3t
xf (t) = k1 sin 3t + k2 cos 3t (15)

xf (t) = 3k1 cos 3t 3k2 sin 3t (16)
xf (t) = 9(k1 sin 3t + k2 cos 3t) (17)

Exemplo 2
x(t) + 7x(t) + 12x(t) = sin 3t; x(0) = 1, x(0) = 0

Funcoes L.I.: f0 (t) = k1 sin 3t e f1 (t) = k2 cos 3t
xf (t) = k1 sin 3t + k2 cos 3t (15)

xf (t) = 3k1 cos 3t 3k2 sin 3t (16)
xf (t) = 9(k1 sin 3t + k2 cos 3t) (17)
9(k1 sin 3t + k2 cos 3t) +7 (3k1 cos 3t 3k2 sin 3t)

| {z } | {z }
x(t) x(t)
+ 12 (k1 sin 3t + k2 cos 3t) = sin 3t (18)

| {z }
x(t)

1 7 sin 3t 7 cos 3t
. . . k1 e k2 xf (t) =
150 150 150
sin 3t7 cos 3t
x(t) = k1 e 3t + k2 e 4t + 150
7 157
x(0) = k1 + k2 150 = 1 k1 + k2 = 150
3 1
x(0) = 3k1 4k2 + 150 = 0 3k1 4k2 = 50
25
. . . k1 = 6 = 4.1667 e k2 = 78
25 = 3.12
x(t) = 4.1667e 3t 3.12e 4t + (0.6667 sin 3t 4.667 cos 3t) 102

1.2
1 xn (t)
0.8
0.6 x(t)
x(t)
0.4
0.2
0
xf (t)
0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t
Figura: Resposta do Exemplo 2.

1a ordem
Solucao similar ao caso contnuo:
z operador avanco: zx(k) = x(k + 1)
Para o sistema:
x(k + 1) = x(k), x(0) = 0.5
Modos proprios: (z )x(k) = 0 z =

Solucao natural: x(k) = Cz k = C k
Da condicao inicial:
x(0) = 0.5 C = 0.5 x(k) = 0.5k

2a ordem Instavel
x(k + 2) + 3x(k + 1) + 2x(k) = 0, x(0) = 0.5, x(1) = 1.
Modos proprios: (z 2 + 3z + 2)x(k) = 0 z {1, 2}

Solucao natural:
x(k) = C1 z1k + C2 z2k = C1 (1)k + C2 (2)k
x(0) = 0.5 = C1 + C2 (19)

x(1) = 1 = C1 2C2 (20)
. . . C1 = 2 e C2 = 1.5 x(k) = 2(1)k 1.5(2)k

Sequencia: {0.5, 1, 4, 10, 22, 46, 94, . . .}

2a ordem Estavel
x(k + 2) x(k + 1) + 0.34x(k) = 0, x(0) = 0.5, x(1) = 1.
Modos proprios:
(z 2
z + 0.34)x(k) = 0 z = 0.5 0.3i
Solucao natural:
x(k) = C1 z1k + C2 z2k = C1 (0.5 + 0.3i)k + C2 (0.5 0.3i)k

x(0) = 0.5 = C1 + C2
x(1) = 1 = 0.5(C1 + C2 ) + 0.3i(C1 C2 )

C1 = c1a + c1b i
(21)
C2 = c2a + c2b i


1 1 0 0 c1a 0.5
0 0 1 1 0
c2a

=
1 C1,2 = 0.25 1.25i

0.5 0.5 0.3 0.3 c1b
0.3 0.3 0.5 0.5 c2b 0


1 1 0 0 c1a 0.5
0 0 1 1 0
c2a

=
1 C1,2 = 0.25 1.25i

0.5 0.5 0.3 0.3 c1b
0.3 0.3 0.5 0.5 c2b 0
x(k) = (0.25 1.25i)(0.5 + 0.3i)k + (0.25 + 1.25i)(0.5 0.3i)k (22)


1 1 0 0 c1a 0.5
0 0 1 1 0
c2a

=
1 C1,2 = 0.25 1.25i

0.5 0.5 0.3 0.3 c1b
0.3 0.3 0.5 0.5 c2b 0
x(k) = (0.25 1.25i)(0.5 + 0.3i)k + (0.25 + 1.25i)(0.5 0.3i)k (22)
1.2
0.8
x(k)
0.6
0.4
0.2
0.2
2 4 6 8 10 12 14 16 18 20
k
Figura: Sequencia gerada por (22).

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Ideia central
Seja o sistema descrito por

dx
x(t) = f (x) x(t) = (23)
dt
Se f (x) satisfaz as condicoes matematicas de continuidade (. . . )
entao pode-se usar a serie de Taylor:

df (x) x x0 d 2 f (x) (x x0 )2
f (x) = f (x0 ) + + + ...
dx x0 1! dx 2 x0 2!

d n f (x) (x x0 )n
+ (24)
dx n n! x0

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Negligenciando os termos de ordem 2:

df (x)
f (x) f (x0 ) + (x x0 ) (25)
dx x0
e o erro introduzido em (25) e da ordem de

d 2 f (x) (x x0 )2
= (26)
dx 2 x0 2!

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Consequencias
Portanto, (25) e uma aproximacao linear para (23).

(25) e valida para x x0 .
Se x = x0 = (25) (23).

df df
f (x) y= dx x0
x + f (x0 ) x0 dx x0
f (x1 )
f (x0 )
x0 x1 x
Figura: Aproximacao linear de uma funcao nao-linear.

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Aproximacao corta!eixo das ordenadas em

df
f (x0 ) x0
dx x0
Assim, troca-se f (x) em (23) por (25):

dx df
= f (x0 ) + (x x0 ) (27)
dt dx x0
Portanto
(27) e uma aproximacao linear para (25).

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Simulacoes de
sistemas nao-lineares.
controle digital
parametros variantes no tempo

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Modelagem de um tanque intermediario
Considere o tanque de secao reta uniforme e area A:

Casos modelados
Fi 1 Fo = h(t)
p
2 Fo = h(t)
h(t)
A
Fo
Figura: Tanque intermediario.
Balanco de massa
dh
Variacao do volume = A = Fi Fo
dt

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Exemplo: caso 1
Caso 1: Fo = h(t)
dh(t) Fi (t)
A = Fi (t) h(t) = h(t) = h(t) (28)
dt A A
h(t) e linear em h(t).

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Exemplo: caso 2
Caso 2
dh
A = Fi h (29)
dt
Para obter uma aproximacao linear Fo Fo :
1 Escolha o valor h em torno do qual sera feita a linearizacao;
0

2 Use (25) para F = h.
o
Assim,

p d( h)
Fo = h0 + (h h0 ) (30)
dh
h=h0
p
= h+ h0 (31)
2 h0 2

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Substituindo (31) em (29) resulta em
p
Ah = Fi h0 h (32)
2 2 h0
Linear em h.
Aproximacao devera ser valida para h h0 .

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Conceito
X Suponha um sistema em regime permanente e seja xs o valor do

sinal x(t) nesse momento. Entao,
dxs
= 0 = f (xs ) (33)
dt
X Considere xs o ponto de linearizacao (x0 = xs ). Assim, o
modelo linear (25) e

dx df
= f (xs ) + (x xs ) (34)
dt dx x=xs
X Subtraindo (33) de (34):

d(x xs ) df
= (x xs ) (35)
dt dx x=xs

Variaveis de desvio
Aproximacao linear
Muitas variaveis
X Definindo x = x xs

d x df
= x (36)
dt dx x=xs
X Util em controle de processos (regulacao)

X Pontos de regime permanente sao candidatos naturais a pontos
de linearizacao.
X Em regulacao, a variavel de desvio descreve diretamente a
magnitude do deslocamento de um sistema em relacao ao nvel de
operacao desejado.
X x e uma variavel de desvio.

Variaveis de desvio
Aproximacao linear
Muitas variaveis
Seja o sistema:
dx1
= f1 (x1 , x2 ) (37)
dt
dx2
= f2 (x1 , x2 ) (38)
dt
Expansao em Taylor de f1 (x1 , x2 ) e de f2 (x1 , x2 ) em torno de
(x1,0 , x2,0 ):
f1 f1

f1 (x1 , x2 ) = f1 (x1,0 , x2,0 ) + (x1 x1,0 ) + (x2 x2,0 )
x1 (x ,x ) x2 (x ,x )

1,0 2,0 1,0 2,0
2 f1 (x1 x1,0 )2 2 f2 (x2 x2,0 )2

+ +
x 2 x 2

1 (x1,0 ,x2,0 )
2! 2 2!
(x1,0 ,x2,0 )
2 f1

+ (x1 x1,0 )(x2 x2,0 ) + . . . (39)
x1 x2 (x1,0 ,x2,0 )

Variaveis de desvio
Aproximacao linear
Muitas variaveis
e de forma semelhante para f2 (x1 , x2 ), tomam-se os termos lineares

resultando em:

d x1 f1

f1
= a11 x1 + a12 x2
a11 = a12 =
dt x1 (x x2 (x
1,s ,x2,s ) 1,s ,x2,s )
d x2 f2

f2
= a21 x1 + a22 x2
a21 = a22 =
dt x1 (x x2 (x
1,s ,x2,s ) 1,s ,x2,s )
(40)
em que sao usadas as variaveis de desvio:
x1 = x1 x1,s x2 = x2 x2,s

Aproximacao linear
Retomando o Exemplo do Caso 2
No controle de nvel, de (29):

dh
= Fi h A (41)
dt
Uma escolha possvel para a acao de controle Fi e:

Fi = h + Av (42)

Aproximacao linear
Retomando o Exemplo do Caso 2
No controle de nvel, de (29):

dh
= Fi h A (41)
dt
Uma escolha possvel para a acao de controle Fi e:

Fi = h + Av (42)
Levando o controle nao-linear (42) em (41) temos
dh
=v (43)
dt
v e a componente linear da lei de controle nao-linear. Por
exemplo:
dh
v = kh + kh = 0
dt
1
Equacao homogenea, linear, de primeira ordem: = .
k
Aproximacao linear
Sntese do controle
Suponha que se deseje uma constante de tempo em malha

fechada 0.4s
1
= k = 2.5
k
Fi = h A(2.5h)

Aproximacao linear
Sntese do controle
Suponha que se deseje uma constante de tempo em malha

fechada 0.4s
1
= k = 2.5
k
Fi = h A(2.5h)
Se ha referencia nao nula v = k(r h)

Aproximacao linear
Sendo um pouco mais geral
Em sistemas mecanicos em geral:
M(q)q + B(q, q)q + G (q) = F , (44)
em que:
q Rn vetor com posicoes lineares ou angulares (vetor de
cooredenadas generalizadas);
M(q) Rnn matriz simetrica definida positiva (matriz de massa);
F Rn vetor de forcas ou torques aplicados (vetor de forcas);
G (q) Rn vetor de forcas conservativas;
B(q, q) Rnn matriz de friccao.

Aproximacao linear
Sistema completamente atuado

Um sistema mecanico e dito completamente atuado se e possvel
ter controle sobre todo o vetor de forcas.
Se o sistema e completamente atuado, entao u = F :
u = F = un (q, q) + M(q)v , un (q, q) = B(q, q)q + G (q) (45)
que levada em (44) resulta
q = v

Aproximacao linear
Assim, assuma:

q 0 I 0
x= x = x+ v, y = I 0 x. (46)
q 0 0 I
Usando
v = KP q KD q = KP KD x (47)
temos:

0 I
x = x, y= I 0
KP KD

Aproximacao linear
J. P. Hespanha.
Linear Systems Theory.
Princeton Press, Princeton, New Jersey, September 2009.

Encontro1 2017s2 MLacerda

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

Encontro1 2017s2 MLacerda

Enviado por

Direitos autorais:

Formatos disponíveis

Revisao: Equacoes Diferenciais

Encontro 1: Apresentacao e Revisao

Programa de Pos-Graduacao em Engenharia Eletrica

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

O que nos espera?

1 Revisao: Equacoes Diferenciais

3 Linearizacao por realimentacao [Hes09, Cap. 2]

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

1 Descricao de sistemas lineares invariantes no tempo (SLIT)

2 Ordem da equacao numero de armazenadores de energia

3 Sistema autonomo: nao possui entrada forcada

x(t) + x(t) = 0 ou x(t) x(t) (1)

4 Sistema nao autonomo: possui entrada forcada

x(t) + x(t) = u(t) (2)

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

Sistema de 1a ordem, (1)

Modo proprio ou resposta natural

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

Sistema de 1a ordem, (1)

Modo proprio ou resposta natural

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

Sistema de 1a ordem, (1)

Modo proprio ou resposta natural

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

x(t) + 2x(t) + 0 2 x(t) = 0 (Autonomo) (6)

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

x(t) + 2x(t) + 0 2 x(t) = 0 (Autonomo) (6)

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

Sistemas Nao Autonomos

x (n) (t) + a1 x (n1) (t) + . . . + an1 x(t) + a0 x(t) = f (t) (11)

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

Sistemas Nao Autonomos

Solucao natural: combinacao linear de n solucoes baseadas nos

Solucao forcada: combinacao linear das m + 1 derivadas L.I.

Modos proprios: n funcoes L.I. Base para a solucao

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

Metodo: coeficientes a determinar

Calcular os modos proprios (i , i = 1, . . . , n)

Propor uma solucao forcada e substitui-la na E.D.

Determinar demais coeficientes usando condicoes iniciais e

x(t) = xn (t) + xf (t)

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

x(t) + 4x(t) = t 2; x(0) = 3

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

x(t) + 4x(t) = t 2; x(0) = 3

Modo proprio: 1 + 4 = 0 = 0.25

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

x(t) + 4x(t) = t 2; x(0) = 3

Modo proprio: 1 + 4 = 0 = 0.25

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

x(t) + 4x(t) = t 2; x(0) = 3

Modo proprio: 1 + 4 = 0 = 0.25

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

x(t) = xn (t) + xf (t) x(t) = k0 e 0.25t + |t {z

Usando as condicoes iniciais

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

Figura: Resposta do Exemplo 1.

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

x(t) + 7x(t) + 12x(t) = sin 3t; x(0) = 1, x(0) = 0

M. J. Lacerda Teoria e Projeto de Sistemas Lineares

x(t) + 7x(t) + 12x(t) = sin 3t; x(0) = 1, x(0) = 0

M. J. Lacerda Teoria e Projeto de Sistemas Lineares