Escolar Documentos
Profissional Documentos
Cultura Documentos
Aproximacao linear
Linearizacao por realimentacao [Hes09, Cap. 2]
Marcio J. Lacerda1
1 Universidade Federal de Sao Joao del-Rei
Departamento de Engenharia Eletrica
Sao Joao del-Rei, MG Brasil
2 Aproximacao linear
Variaveis de desvio
Muitas variaveis
Introducao
x(t) = Ke t (3)
x(t) = Ke t (3)
Equacao caracterstica
1 1
+ =0 = (4)
x(t) = Ke t (3)
Equacao caracterstica
1 1
+ =0 = (4)
Solucao
t
x(t) = Ke , (5)
Sistema de 2a ordem
x(t) = Ki e i t , i = 1, 2 (7)
Sistema de 2a ordem
x(t) = Ki e i t , i = 1, 2 (7)
Equacao caracterstica
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.
Solucao:
n
X m
X
x(t) = ci pi (t) + bj fj (t) (12)
i=1 j=0
| {z } | {z }
Solucao natural Solucao forcada
Exemplo 1
Exemplo 1
Exemplo 1
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
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(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
Exemplo 2
Exemplo 2
Exemplo 2
Exemplo 2
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
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
1a ordem
Para o sistema:
2a ordem Instavel
2a ordem Estavel
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
Da condicao inicial:
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
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
1.2
0.8
x(k)
0.6
0.4
0.2
0.2
2 4 6 8 10 12 14 16 18 20
k
Ideia central
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
Consequencias
f (x1 )
f (x0 )
x0 x1 x
Portanto
(27) e uma aproximacao linear para (25).
Simulacoes de
sistemas nao-lineares.
controle digital
Balanco de massa
dh
Variacao do volume = A = Fi Fo
dt
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
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
p
Ah = Fi h0 h (32)
2 2 h0
Linear em h.
Aproximacao devera ser valida para h h0 .
Conceito
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 Definindo x = x xs
d x df
= x (36)
dt dx x=xs
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 )(x2 x2,0 ) + . . . (39)
x1 x2 (x1,0 ,x2,0 )
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
Sntese do controle
Sntese do controle
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.
q = v
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
J. P. Hespanha.
Linear Systems Theory.
Princeton Press, Princeton, New Jersey, September 2009.