Controle Digital de Sistemas

INSTITUTO DE TECNOLOGIA DA UFPA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA

ELÉTRICA
Prof. Antonio S. Silveira
CDS – CONTROLE DIGITAL DE SISTEMAS:

UMA ABORDAGEM EM CONTROLE DE PROCESSOS
LACOS
LACOS.UFPA.BR | ⃝
c 2016 ITEC-UFPA
SUMÁRIO
Apresentação da disciplina . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
EMENTA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
MÓDULOS DE AULAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
AVALIAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
MATERIAIS E MÉTODOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
EXEMPLOS DE PLANTAS DIDÁTICAS “DE BOLSO” . . . . . . . . 5
Circuito eletrônico sub-amortecido . . . . . . . . . . . . . . . . . . . . . . 5
Arduino-based Robot Arm Joint . . . . . . . . . . . . . . . . . . . . . . . . . 6
Motor Tacogerador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1 MÓDULO 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1 INTRODUÇÃO AOS SISTEMAS DE TEMPO DISCRETO . 9
1.2 TRANSFORMADA Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 EQUIVALENTES DISCRETOS A PARTIR DE APROXI-
MAÇÕES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.1 Aproximações tipo Forward Difference, Backward
Difference e Tustin (Bilinear) . . . . . . . . . . . . . . . . . . . . . . 12
1.3.2 Efeitos da amostragem em sistemas obtidos por
aproximações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4 APROXIMAÇÃO PELO SEGURADOR DE ORDEM ZERO 17
1.5 CARACTERÍSTICAS DE RESPOSTA TEMPORAL . . . . . . 19
1.5.1 Sistemas de primeira ordem com atraso – FOPDT . 19
1.5.2 Modelagem FOPDT pela resposta ao degrau . . . . . . . 22
1.5.3 Sistemas de segunda ordem com atraso – SOPDT . . 22
1.5.4 Modelagem SOPDT pela resposta ao degrau . . . . . . . 24
1.5.5 Equivalente discreto via ZOH de um sistema SOPDT: 25
1.6 PROJETO DE CONTROLADORES DIGITAIS NO DOMÍ-
NIO Z. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.7 ATIVIDADE A01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.8 ESTABILIDADE DE SISTEMAS DISCRETOS . . . . . . . . . . . 30
1.8.1 Critério de Jury . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.9 TEOREMA DO VALOR FINAL E TEOREMA DO VALOR
INICIAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.10 ATIVIDADE A02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2 MÓDULO 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2 CONTROLADORES DIGITAIS BASEADOS EM CONTRO-
LADORES ANALÓGICOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3 FORMA CANÔNICA RST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4 “MÁSCARA” DE SINTONIA DIGITAL PARA CONTÍNUA 44
2.5 ATIVIDADE 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.6 CONTROLADORES RST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.6.1 Controle RST posicional . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6.2 Controle RST incremental . . . . . . . . . . . . . . . . . . . . . . . . . 55
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3
APRESENTAÇÃO DA DISCIPLINA
EMENTA
Sistemas de tempo discreto, a dados amostrados e controlados

por computador. Transformada z. Caracterı́sticas de resposta tempo-
ral. Estabilidade de sistemas discretos. Projeto de controladores di-
gitais no domı́nio z. Controladores digitais baseados em controladores
analógicos. Controladores RST. Controle adaptativo auto-ajustável.
Sistemas com perturbações determinı́sticas e estocásticas. Controlado-
res de variância mı́nima. Sistemas discretos no espaço de estados. Pro-
jeto de controladores digitais no espaço de estados pelo método LQR.
Projeto de estimador/fusor de estados por filtro de Kalman. Controla-
dor LQG.
MÓDULOS DE AULAS
Módulo 1: Sistemas de tempo discreto, a dados amostrados e controlados por

computador. Transformada z. Caracterı́sticas de resposta tempo-
ral. Projeto de controladores digitais no domı́nio z. Estabilidade
de sistemas discretos.
Módulo 2: Controladores digitais baseados em controladores analógicos. Con-

troladores RST.
Módulo 3: Controle adaptativo auto-ajustável. Sistemas com perturbações

determinı́sticas e estocásticas. Controladores de variância mı́-
nima.
Módulo 4: Sistemas discretos no espaço de estados. Projeto de controladores

digitais no espaço de estados pelo método LQR.
Módulo 5: Projeto de estimador/fusor de estados por filtro de Kalman. Con-

trolador LQG.
AVALIAÇÃO
A avaliação dos alunos se dará por meio de atividades que serão

realizadas ao longo do semestre e uma prova a ser realizada no dia
4
06/10/2016. A nota da prova corresponderá a 30% da média final,

sendo o restante obtido pela média de todas as atividades realizadas
no semestre.
As atividades realizadas fora do prazo combinado sofrerão de-
créscimo de 1, 0 ponto por dia de atraso, sendo este decréscimo limitado
ao máximo de 5, 0 pontos perdidos. Portanto, mesmo um trabalho ex-
celente, após cinco ou mais dias de atraso, pontuará no máximo o
valor de 5, 0 pontos.
Considerando as notas das atividades como sendo A1 , A2 , . . .,
An e a nota da prova como P1 , a média final (MF ) será calculada
por
( )
A1 + A2 + · · · + An
MF = 0, 7 + 0, 3P1
n
Observação: A última atividade, An , será referente à parti-

cipação em defesas de dissertação, qualificação e tese, onde espera-se
que o aluno participe pelo menos até a etapa da primeira arguição de
cada defesa. Um pequeno resumo do que foi discutido na defesa de-
verá se feito para formalizar esta nota da atividade An . As defesas a
serem assistidas podem ser em todas as áreas do conhecimento, mas
preferencialmente se espera que a maioria esteja relacionada à área de
Controle, Sistemas e de Processamento.
MATERIAIS E MÉTODOS
O curso de Controle Digital de Sistemas (CDS) está organizado

visando a realização de diversas atividades que culminam em práticas
de simulação com modelos lineares e não-lineares. No entanto, essas
práticas serão realizadas em laços de programa que podem ser imple-
mentados em diversas linguagens de programação e consequentemente
poderão ser embarcadas em hardware microcontrolado com certa faci-
lidade (com exceção dos algoritmos que exigem operações matriciais).
Como uma forma de dar suporte aos alunos que não possuı́rem
conhecimento prévio e sólido em microcontroladores, o curso de CDS,
por meio dos recursos desenvolvidos pelo Laboratório de Controle e
Sistemas (lacos.ufpa.br), poderá auxiliar projetos baseados em micro-
controladores usados pelas plataformas de desenvolvimento Arduino
(www.arduino.cc).
No site do LACOS já existe uma série de projetos previamente
testados que compreendem desde a construção de protótipos didáticos
5
de bolso, que vão desde dispositivos puramente eletrônicos a dispositivos

mecatrônicos e que causam um efeito visual bem mais prazeroso na hora
de aplicar os conceitos de modelagem, análise, projeto e aplicação de
sistemas de controle e estimação.
O principal software de simulação numérica a ser usado no curso
será o MATLAB (www.mathworks.com). No entanto, por se tratar
de um software bastante caro, existe um similar gratuito que poderá
ser utilizado sem grandes adaptações dos códigos para MATLAB. Este
software gratuito é o SciLab e pode ser obtido no site www.scilab.org.
Tanto o MATLAB quanto o SciLab podem usufruir do Arduino
como interface de aquisição de dados e controle (A-D, D-A) de baixo
custo. Especificamente para a disciplina de CDS há disponı́vel a bi-
blioteca de aquisição de dados DaqDuino para MATLAB. Esta pode
ser obtida no site do LACOS ou no da Mathworks. Existe uma ver-
são antiga do DaqDuino para SciLab, mas encontra-se ainda em uma
fase pouco amigável com o usuário final. Precisando dessa versão e
querendo torná-la tão amigável quanto a versão para MATLAB, favor
entrar em contato com o Prof. Antonio Silveira (asilveira@ufpa.br).
Na ausência de um processo fı́sico para ser controlado, há a pos-
sibilidade de realizar experimentos do tipo Hardware-In-the-Loop
Simulation (HIL). Este consiste em embarcar o algoritmo de con-
trole/estimador/preditor/etc no hardware microcontrolado e então co-
nectá-lo a uma planta simulada em um PC ou outro sistema de simula-
ção/emulação de processos. Basicamente, permite testar e garantir que
o projeto simulado confere com o projeto implementado no hardware
(SILVEIRA; COELHO, 2010).
EXEMPLOS DE PLANTAS DIDÁTICAS “DE BOLSO”
CIRCUITO ELETRÔNICO SUB-AMORTECIDO
O circuito eletrônico sub-amortecido é um processo fácil de cons-

truir e de baixo custo. A teoria é baseada em sistemas analógicos cons-
truı́dos com AmpOps, resistores e capacitores. Na maioria dos livros
clássicos da área de Controle e Sistemas é possı́vel encontrar os diagra-
mas de circuito para a realização das operações básicas com AmpOps.
Observe na Fig. 1, uma imagem de um sistema eletrônico sub-
amortecido pronto, construı́do sobre uma placa de circuito universal.
Esse sistema da figura opera com uma fonte CC de 12V para alimen-
tar os amplificadores e aceita entrada CC ou PWM e fornece saı́da
6
Figura 1 – Processo eletrônico sub-amortecido.
analógica. Os sinais de entrada e saı́da estão limitados a ±5V .

Um circuito-exemplo para construir um processo sub-amortecido
com base em realização de segunda ordem com AmpOps é apresentado
na Fig. 2. Note que para definir o comportamento dinâmico do seu
processo e a escolha dos componentes você pode se guiar de acordo
com os seguintes parâmetros e equações:
R = 560kΩ
R1 = 2 × 560kΩ
C = 0.1µF
/
(1 RR1 C 2 ) Kp ωn 2
G(s) = 2 / / =
s + (1 R1 C)s + (1 RR1 C 2 ) s2 + 2ξωn s + ωn 2
onde Kp , ξ, ωn , são, respectivamente, o ganho estático, o coeficiente de

amortecimento e a frequência natural de oscilação.
ARDUINO-BASED ROBOT ARM JOINT
O ArduRAJ (cf. Fig. 3) é uma planta didática portátil baseada

em setup rápido e simplificado para uso como servomotor de posição
em ambientes de ensino e pesquisa. Este sistema possui um Arduino
Nano com DaqDuino do LACOS embarcado, de tal forma que tudo
que o usuário precisa fazer para utilizá-lo é conectar o processo à porta
USB e começar os testes.
O ArduRAJ permite que os alunos deparem-se com um sistema
7
Figura 2 – Diagrama de circuito do processo eletrônico sub-amortecido.
Figura 3 – Processo didático ArduRAJ (lacos.ufpa.br).
mecatrônico real nas tarefas de modelagem, controle e estimação, o

que gera um impacto visual mais interessante do que o uso de sistemas
puramente eletrônicos.
O ArduRAJ surgiu de um projeto conjunto com o Prof. Antonio
A. R. Coelho, da Universidade Federal de Santa Catarina (UFSC) e do
Laboratório de Controle e Automação (LCA). O ArduRAJ do LACOS
foi inspirado nos dois primeiros RAJs desenvolvidos em 2011 pelos pro-
fessores Coelho e Silveira, enquanto trabalharam juntos no LCA-UFSC
até o ano de 2012.
Havendo interesse em construir um sistema similar ou idêntico
ao ArduRAJ, favor entrar em contato com a equipe de pesquisadores
do LACOS. Maiores informações em lacos.ufpa.br.
8
Figura 4 – Processo didático MTG (FRANCA et al., 2011).
MOTOR TACOGERADOR
O processo Motor Tacogerador (MTG), apresentado na Fig. 4,

foi desenvolvido pelo Prof. Antonio Coelho para o LCA-UFSC e mai-
ores detalhes sobre algumas aplicações com esse processo podem ser
verificadas em Franca et al. (2011), além de outros trabalhos do Prof.
Coelho e Prof. Silveira, encontrados no CV-Lattes de cada um.
O MTG permite que se controle a velocidade de rotação a partir
da medição da tensão tacométrica gerada pelo pequeno gerador CC do
sistema. É uma implementação bastante simples, mas que explora con-
ceitos interessantes do ponto de vista de sistemas de geração de energia
elétrica. O projetista pode também explorar diferentes tipos de carga
que podem drenar ou injetar energia com diferentes perfis dinâmicos, o
que somado às não-linearidades mecânicas e elétricas do sistema, além
de ruı́do de medição, proporcionam uma atividade riquı́ssima para ex-
plorar com segurança diversos algoritmos do curso de CDS.
Maiores informações sobre a construção do processo, favor con-
tatar a equipe de pesquisadores do LACOS em lacos.ufpa.br.
9
1 MÓDULO 1
Sistemas de tempo discreto, a dados amostrados e controlados

por computador. Transformada z. Caracterı́sticas de resposta temporal.
Projeto de controladores digitais no domı́nio z. Estabilidade de sistemas
discretos.
1.1 INTRODUÇÃO AOS SISTEMAS DE TEMPO DISCRETO
A teoria de Controle Digital estabelece toda uma nova famı́lia

de métodos de projeto e de análise de sistemas no domı́nio de tempo
discreto que pode ser estudada independentemente das relações existen-
tes com sistemas contı́nuos, mas considerando uma parte introdutória
dessa teoria é interessante relacioná-la com sistemas de tempo contı́nuo
e revisar os mecanismos que mapeiam os domı́nios discreto e contı́nuo.
Um sistema de controle digital enxerga o mundo real pela pers-
pectiva de um computador que trabalha em instantes discretos e com
dados amostrados com base na periodicidade do clock de processa-
mento do algoritmo. Dessa maneira, sinais de tempo contı́nuo tornam-
se sequências numéricas amostradas por um conversor A-D (Analógico-
Digital) e é desta forma que uma variável medida de uma planta pode
ser processada pelo algoritmo de controle com a finalidade de gerar um
sinal de comando que deve ser enviado à planta para mantê-la sob as
condições de operação desejadas.
O envio de um sinal de comando de volta à planta, por um con-
trolador digital, requer que um dado numérico, na memória do compu-
tador, torne-se um sinal elétrico (ou outro fisicamente realizável), ou
seja, requer a geração do sinal contı́nuo pelo uso de um dispositivo de
conversão D-A (Digital-Analógico). Como os dados para o conversor
D-A chegam em instantes discretos, esses dispositivos de conversão são
normalmente construı́dos com buffers que seguram (“hold ”) o sinal ana-
lógico gerado até que uma nova informação de geração seja requisitada.
A velocidade em que os computadores atuais operam permite
considerar que o intervalo entre a conversão A-D, o processamento do
algoritmo de controle, até a conversão D-A, pode ser desprezado, mas
o intervalo em que o conversor D-A permanece em “hold ” até que toda
essa sequência se repita para a chegada de uma nova conversão D-A,
caracteriza as restrições de projeto e análise de controladores digitais e
os diferencia da análise contı́nua. Nesse perı́odo em que o controlador
10
permanece em “hold”, denominado perı́odo de amostragem, o processo

controlado está em malha aberta, portanto é fundamental que esse
intervalo seja apropriadamente selecionado e levado em conta para fins
de análise de desempenho e estabilidade da malha de controle.
“O perı́odo de amostragem (Ts ) é normalmente periódico” e tam-
bém pode ser representado em função da frequência de amostragem
(fs = 1/Ts Hz ou ωs = 2π/Ts rad/s). Essas informações são os elos
entre os domı́nios de análise continuo e discreto e permitem estabele-
cer os mapas de equivalência entre eles através de aproximações e a
Transformada z.
Para uma introdução com maior detalhamento recomenda-se a
leitura da bibliografia recomendada de Astrom e Wittenmark (2011).
1.2 TRANSFORMADA Z
A transformada z é a análoga discreta da transformada de La-

place, ou seja, permite a introdução do conceito de função de trans-
ferência e a análise de sistemas discretos no domı́nio da frequência.
Possibilita gerar um mapa de uma sequencia temporal em uma fun-
ção de uma variável complexa z. A transformada z de uma função no
tempo, f (t), para t ≥ 0, ou para uma sequência de valores amostrados,
f (kTs ), para valores não-negativos inteiros de k, é definida como
∞
∑
F (z) = Z[f (t)] = Z[f (kTs )] = f (kTs )z −k (1.1)
k=0
Expandindo-se o somatório em (1.1) verifica-se que
F (z) = f (0) + f (Ts )z −1 + f (2Ts )z −2 + · · · + f (kTs )z −k + · · · (1.2)
e que os termos z −k nessa série indicam o instante no tempo em que a

função f (kTs ) assumiu determinado valor em amplitude.
Usaremos como exemplo uma transformada elementar de um tı́-
pico sinal de testes utilizado em controle de processos, o degrau unitário.
Considerando que este seja aplicado no instante t = 0, sendo este sinal
amostrado com Ts = 1s,
∞
∑
U (z) = Z[u(k)] = 1z −k (1.3)
k=0
11
U (z) = 1 + z −1 + z −2 + · · ·
U (z) − 1 = z −1 + z −2 + · · ·
−1 −2
U (z)−1
= z +z +···
= 1 + z −1 + z −2 + · · ·
z −1 z −1 | {z }
[ U (z) ]
U (z) − 1 = z −1 U (z) → U (z) 1 − z −1 = 1
1 z
U (z) = −1
= . (1.4)
1−z z−1
A transformada z da maioria dos sinais e sistemas fisicamente
realizáveis já foi tabelada e pode ser encontrada com grande facilidade
em livros sobre controle digital e através de uma rápida busca na Inter-
net. Para sistemas de maior ordem e complexidade é recomendável que
se utilize softwares como MATLAB, ScicosLab ou SciLab para realizar
as transformadas.
1.3 EQUIVALENTES DISCRETOS A PARTIR DE APROXIMAÇÕES
Considere um sistema representado por um modelo de primeira

ordem, contı́nuo e descrito pela função de transferência
Y (s) 1
= . (1.5)
U (s) s+1
Como o sistema em (1.5) tem condições iniciais nulas (ou também por-
que é assintoticamente estável), a variável s do “domı́nio de Laplace”
pode ser considerada simultaneamente uma variável complexa e um
operador matemático, ou seja, s := d/dt. Desse modo pode-se reescre-
ver (1.5) como sendo
dy(t)
+ y(t) = u(t). (1.6)
dt
Em uma implementação digital de simulação desse sistema em
(1.6), dt é uma aproximação de um intervalo entre duas medidas de
y(t), ou seja,
dy(t) y(kTs + 1) − y(kTs )

≈ (1.7)
dt Ts
12
1
0.8 Ts=1s
y(t)
0.6 Ts=0.1s
0.4 Ts=0.001s
0.2
0
0 2 4 6 8 10
1
0.8
u(t)
0.6
0.4
0.2
0
0 2 4 6 8 10
Tempo (s)
Figura 5 – Efeito do perı́odo de amostragem em uma aproximação

discreta de um sistema contı́nuo.
ou considerando simplesmente os instantes de tempo discretos k ∈ N,
dy(t) y(k + 1) − y(k)

≈ , (1.8)
dt Ts
tal que, quanto menor o perı́odo de amostragem, mais precisa torna-se
a aproximação em relação ao sistema contı́nuo em (1.6). Observe a
influência de Ts nos gráficos mostrados na Fig. 5 para a simulação do
equivalente discreto de (1.6), sendo este descrito por
y(k + 1) − y(k)
+ y(k) = u(k)
Ts
y(k + 1) = [1 − Ts ] y(k) + Ts u(k) (1.9)
A aproximação utilizada neste exemplo [cf. Eq. (1.8)] é co-

nhecida como Forward Difference e se baseia no método retangular de
Euler (FRANKLIN et al., 1997). O código em MATLAB para reprodução
deste exemplo é apresentado na Tabela 1.
1.3.1 Aproximações tipo Forward Difference, Backward Dif-

ference e Tustin (Bilinear)
As “aproximações”, como o próprio nome sugere, apenas aproxi-

mam sinais e sistemas contı́nuos a equivalentes discretos aproximados,
diferentemente da aplicação da Transformada z sobre uma sequência
13
Tabela 1 – Código de simulação da aproximação discreta com variação

do intervalo de amostragem.
% Exemplo aproximaç~
ao backward difference
clear all; close all; clc;
for i=1:3,
switch i,
case 1
ts=1; % perı́odo de amostragem
nit=11; % número de iteraç~
oes
cor=’k’; % cor da linha para o gráfico
case 2
ts=0.1; % perı́odo de amostragem
nit=101; % número de iteraç~oes
cor=’r’; % cor da linha para o gráfico
case 3
ts=0.001; % perı́odo de amostragem
nit=10001; % número de iteraç~oes
cor=’b’; % cor da linha para o gráfico
end
u(1:1/ts)=0; u(1/ts+1:nit)=1; % Degrau de entrada
y(1)=0; % Condiç~
ao inicial da saı́da do sistema
for k=1:nit,
y(k+1)=(1-ts)*y(k)+ts*u(k);
end
y=y(1:end-1); % exclui a ultima amostra de y
t=0:ts:nit*ts-ts; % Gera vetor de tempo com base em nit e ts
figure(1);
subplot(211),
plot(t,y,cor,’linewidth’,1.5);
if i==1, hold; end
subplot(212),
plot(t,u,’r’,’linewidth’,1.5);
end
subplot(211),
ylabel(’y(t)’);
legend(’T_s=1s’,’T_s=0.1s’,’T_s=0.001s’,0);
axis([t(1) t(end) 0 1.2]);
subplot(212),
ylabel(’u(t)’); xlabel(’Tempo (s)’);
axis([t(1) t(end) 0 1.2]);
14
amostrada, que de fato, fornece uma função polinomial matematica-

mente exata dessa sequência, desde que a taxa de amostragem selecio-
nada seja adequada para a representação do sinal analógico original.
Mesmo não sendo exatos fisicamente, os equivalentes discretos
calculados a partir de aproximações são simples e rápidos de serem
obtidos, exigindo tratamento algébrico simples para sistemas de ordem
reduzida.
A aproximação discreta utilizada na seção anterior, mostrada em
(1.8), é conhecida como forward difference. Reescrevendo-se a Eq.
(1.8) em termos de s e, z, como um operador de deslocamento no tempo
discreto, é possı́vel verificar que
d (z − 1)
y(kTs ) ≈ y(kTs ), Ts → 0,
dt Ts
1
s := (z − 1), (1.10)
Ts
que estabelece um mapa aproximado entre o plano-s e o plano-z.
No caso tipo backward difference, a Eq. (1.8) modifica-se pela
forma em que a aproximação retangular é posicionada sobre o “ponto”
do sinal que será usado (cf. Fig. 6), como se o método olhasse para
trás, tal que
d (z − 1)
y(kTs ) ≈ y(kTs − 1), Ts → 0,
dt Ts
ou mesmo
d (z − 1)
y(kTs + 1) ≈ y(kTs ), Ts → 0,
dt Ts
( )
1 z−1
s := (1.11)
Ts z
Figura 6 – Análise gráfica de como a aproximação do sinal é feita pelos

métodos forward, backward e Tustin.
15
As aproximações forward e backward são denominadas aproxi-

mações retangulares, tal como justificado na apresentação gráfica desses
métodos na Fig. 6. Uma alternativa mais precisa a estas aproxima-
ções retangulares é a forma trapezoidal, conhecida como aproximação
de Tustin ou Transformação Bilinear (FRANKLIN et al., 1997), também
mostrada na Fig. 6 e cujo mapa com o plano-s é obtido pela soma dos
métodos forward e backward, tal que
d d 2
y(kTs ) + y(kTs + 1) ≈ (z − 1) y(kTs ), Ts → 0,
dt dt Ts
2 (z − 1)
s := (1.12)
Ts (z + 1)
Na Tabela 2 são mostrados os três métodos discutidos que ma-

peiam s em z com base em Ts . Note que o equivalente discreto
de um sistema contı́nuo é então definido por duas partes: método
de discretização e o perı́odo de amostragem. Consequentemente,
pode-se dizer que o plano-z pode conter múltiplas representações de um
mesmo e único sistema contı́nuo (ASTROM; WITTENMARK, 2011).
Tabela 2 – Mapeamento aproximado entre o plano-s e plano-z.

Método Aproximação
Forward s := T1s (z − 1)
( z−1 )
1
Backward s := Ts z
Tustin s := T2s (z−1)
(z+1)
Esse mapeamento múltiplo do domı́nio s para o domı́nio z so-

mente é possı́vel porque o plano-z é “flexı́vel” em termos de sua “densi-
dade numérica”. Ou seja, o perı́odo de amostragem é capaz de modificar
a capacidade do domı́nio z de representar mais ou menos modos dinâ-
micos, tal que quanto menor se torna o valor de Ts , mais denso
se torna o plano-z. Isso explica como o plano-s, definido em um uni-
verso de discurso infinito, pode ser representado dentro de um cı́rculo
unitário. Consequentemente, quando Ts → 0, o universo de discurso
do plano-z é dividido por zero e o circulo unitário passa a ter densidade
infinita, fazendo com que s e z coincidam.
Na prática, a coincidência entre s e z é hipotética até que se
possa considerar precisamente que Ts → dt → 0. No entanto, seria esta
a melhor solução? Neste curso, defenderei a alternativa contrária, bus-
cando a utilização da menor quantidade de recursos de processamento
16
possı́vel.
Confira na Tabela 2 que cada método de aproximação tem uma
complexidade especı́fica e que determina a precisão da aproximação.
Além disto, a escolha do perı́odo de amostragem pode influenciar na
localização dos pólos mapeados para o plano-z.
Na Fig. 7 é possı́vel verificar as consequências dos mapeamentos
para os três métodos de aproximação sob análise. A região hachurada
representa as possibilidades de mapeamento de pólos estáveis em s para
o domı́nio z, para os métodos Forward, Backward e Tustin.
Pelo método Forward, raı́zes no semi-plano esquerdo
do plano-s podem ser pólos instáveis (ou zeros de fase não-
mı́nima) em z (FRANKLIN et al., 1997).
Figura 7 – Consequências da aproximação para os casos Forward,

Backward e Tustin.
1.3.2 Efeitos da amostragem em sistemas obtidos por aproxi-

mações
De uma maneira geral, os maiores problemas em controle digital,

quando métodos de aproximação são utilizados, estão relacionados à
sub-amostragem.
O Teorema de Amostragem de Nyquist pode ser considerado
como limitante de modo a evitar os problemas de sub-amostragem.
No entanto, quando são utilizados métodos de discretização por apro-
ximações, o erro inserido pela aproximação de Euler para a derivada
inviabiliza a consideração de Nyquist. Via de regra, para aplicações em
controle digital, se espera que o algoritmo de controle possa ter ciclos
de 4 a 10 vezes mais rápidos que a dinâmica fundamental que se quer
controlar. No caso de sistemas mal modelados, não-lineares, incertos,
17
de dinâmicas muito velozes (e.g., fenômenos eletromagnéticos), pode

ser necessário que o algoritmo de controle opere em taxas 20 ou mais
vezes mais veloz que a dinâmica a ser controlada.
A elevação indiscriminada da frequência de amostragem pode
também trazer problemas de super-amostragem. Estes, apesar de não
possuı́rem um teorema limite, como no caso mı́nimo de Nyquist, exi-
gem bom senso do projetista na hora de definir a taxa de amostragem
(i.e., fs = 1/Ts ). Se fs for demasiadamente grande, dinâmicas lentas
passam a se comportar como fenômenos estáticos. Os pólos lentos são
espremidos no lado direito do cı́rculo unitário do plano-z para abrirem
espaço às dinâmicas mais velozes na região esquerda do plano-z.
Um simples teste para mostrar o efeito da super-amostragem
pode ser feito rapidamente com o MATLAB. Para um sistema lento
descrito por
1
G(s) = ,
s+1
obtenha dois equivalente discretos pelo método de Tustin, sendo um
a 10Hz e outro a 10MHz. Verifique a localização do pólo discreto ob-
tido nos dois casos e você verá que o caso de 10MHz se tornou um
“integrador” puro.
O efeito da super-amostragem torna-se preocupante em sistemas
multivariáveis ou os que incorporam um grande número de variáveis
e dinâmicas distintas (e.g., modelos no espaço de estados). Sistemas
mecatrônicos geralmente compreendem variáveis mecânicas e elétricas,
sendo as elétricas normalmente muitas vezes mais velozes que as mecâ-
nicas. Na discretização, as variáveis mecânicas podem ser espremidas
no circulo unitário de forma a abarcar as dinâmicas elétricas no mesmo
modelo discreto.
1.4 APROXIMAÇÃO PELO SEGURADOR DE ORDEM ZERO
O Segurador de Ordem Zero ou Zero-Order Hold (ZOH) é o

método de discretização que fornece um equivalente discreto com base
no princı́pio de um sistema de aquisição de dados e controle digital, ou
seja, considera o intervalo em que o sistema sob análise encontra-se em
hold, pois o sinal aplicado na entrada da planta é uma sequência em
degrau proveniente do conversor D-A.
Desde o ano de 2013 passei a adotar a seguinte nomenclatura
para o método de aproximação via ZOH: Transformada ZOH (AS-
18
TROM; WITTENMARK, 2011). Isto se deve ao fato deste modelo de dis-

cretização usufruir da própria Transformada z, porém, com a inclusão
de um buffer 1/s na entrada da planta contı́nua antes da aplicação da
Transformada z, garantindo assim a inclusão da parte responsável pelo
conversor D-A no modelo do processo. Logo, a Transformada ZOH é
especı́fica para a discretização do modelo de planta. Ou seja,
tudo que não for algoritmo de controle/estimador/preditor
é planta, doravante designarei esta separação de separação planta-
computador.
O método de transformação via ZOH é realizado da seguinte
forma:
[ ]
( ) G(s)
G(z) = 1 − z −1 Z , (1.13)
s
onde Z[.] denota a Transformada z.

A caracterı́stica ordem zero é obtida já que após a Transformada
z ser aplicada sobre o modelo de planta com integrador, G(s)/s, o
inverso do integrador no domı́nio discreto, 1−z −1 , é multiplicado sobre
a parte transformada, eliminando a ordem adicional, mas mantendo a
caracterı́stica de causalidade das etapas A-D e D-A, i.e., a inclusão de
1 (um) atraso de tempo discreto por causa da forma como as etapas de
conversão A-D e D-A operam no algoritmo de controle digital.
Exemplo 1.1 Transformada ZOH sobre um sistema genérico de pri-

meira ordem:
a 1 G(s) a
G(s) = = (1) → =
s+a a s+1
s s (s + a)
Fazendo-se a expansão em frações parciais, aplica-se então a Transfor-

mada z às partes, tal que
[ ] [ ] [ ]
G(s) 1 1
Z =Z −Z =
s s s+a
∞
∑ ∑∞
−k 1 1
z − z −akTs = −
1 − z −1 1 − e−aTs z −1
k=0 k=0
que após ser multiplicado por (1 − z −1 ) resulta em

Ts
(1 − e−aTs ) (1 − e− τ ) 1
G(z) = −aT
= Ts , τ = . (1.14)
z−e s
z − e− τ a
19
Reescrevendo-se a função de transferência em (1.14) na forma

de filtro,
( Ts
)
1 − e− τ z −1
G(z −1 ) = ( T ) , (1.15)
1 − e− τ z −1
s
fica evidente o atraso do segurador z −1 no numerador de G(z −1 ).
Astrom e Wittenmark (2011) apresentam em seu livro uma ta-

bela de Transformadas ZOH. Portanto, deve-se ter cuidado, já que o
método ZOH é válido para a discretização de sistemas existentes no
mundo fı́sico real e que são acessados por computador. Ou seja, respei-
tam a separação planta-computador. Portanto, não se deve confundir
a Transformada z com a ZOH, já que esta última acrescenta o sistema
A-D, D-A.
1.5 CARACTERÍSTICAS DE RESPOSTA TEMPORAL
1.5.1 Sistemas de primeira ordem com atraso – FOPDT
Uma planta com caracterı́sticas de resposta de primeira ordem

e com atraso (FOPDT, first-order plus dead time) (COELHO; COELHO,
2004) é usualmente descrita, na forma contı́nua e via função de trans-
ferência, por
Y (s) Kp e−θs
G(s) = = (1.16)
U (s) τs + 1
onde Kp é o ganho estático da planta, θ é o atraso de transporte (ou

tempo morto) contı́nuo e τ é a constante de tempo.
A caracterı́stica elementar da resposta temporal de um processo
de primeira ordem é a ausência de modos oscilatórios. Como exemplo,
considere os dois modelos mostrados a seguir:
e−s
Gp1 (s) = , (1.17)
s+1
e−s
Gp2 (s) = . (1.18)
(s + 1)(0.1s + 1)
Observe, na Fig. 8, que a resposta ao degrau para ambos sistemas em

20
(1.17) e (1.18), fornece praticamente a mesma caracterı́stica de resposta

no tempo, apesar de que Gp2 (s) está sendo representado com um pólo
a mais e cuja constante de tempo é 0.1s, mas que pouco influencia na
dinâmica do sistema, já que o pólo dominante é o de dinâmica mais
lenta.
0.8
X: 2
Y: 0.6321
Saída
0.6
0.4
0.2
Gp1
θ τ
Gp2
0
0 2 4 6 8 10
Tempo (s)
Figura 8 – Resposta ao degrau unitário dos modelos em (1.17) e (1.18).
Na resposta temporal de processos que podem ser modelados

como sistemas de primeira ordem, o que se tem é a ausência do so-
bressinal, uma constante de tempo tau que corresponde ao inı́cio da
subida da curva de resposta até que esta atinja 63, 2% do valor de re-
gime. Além disso, no exemplo da Fig. 8, o degrau unitário foi aplicado
no instante t = 0s, sendo que o sistema levou 1, 0 segundo para reagir
devido ao atraso de transporte.
O desempenho de sistemas tipo FOPDT é comumente relacio-
nado às seguintes caracterı́sticas (COELHO; COELHO, 2004):
• Tempo de subida (tr , rise time): intervalo de tempo que leva para
a saı́da ir de 10% a 90% do valor de estabilização. É diferente
para sistemas sub-amortecidos, onde considera-se o intervalo de
0% a 100%;
• Tempo de estabilização (ts , settling time): tempo para que a
saı́da entre e permaneça na faixa de ±2% do seu valor em regime
permanente.
O código de simulação para reproduzir o exemplo da Fig. 8 é

mostrado na Tabela 3.
21
Tabela 3 – Código MATLAB: resposta caracterı́stica de sistemas de

primeira ordem com atraso.
G1=tf(1,[1 1],’inputdelay’,1);
G2=tf(1,conv([1 1],[0.1 1]),’inputdelay’,1);
[y1,t1]=step(G1,10); [y2,t2]=step(G2,10);
figure(1);
plot(t1,y1,’b’,t2,y2,’r’,’linewidth’,1.5);
legend(’G_p_1’,’G_p_2’,0);
axis([0 t2(end) 0 1.2]);
ylabel(’Saı́da’); xlabel(’Tempo (s)’);
Exemplo 1.2 Transformada ZOH de um sistema com atraso.

O equivalente discreto do sistema em (1.16) obtido via método
ZOH é dado por
( ) ( )
1 − e− τ z −( Ts +1)
Ts θ Ts
1 − e− τ z −d
G(z −1 ) = Kp ( T ) = Kp ( T ) , (1.19)
1 − e− τ z −1 1 − e− τ z −1
s s
( )
onde d = Tθs + 1 considera a contribuição do tempo morto do pro-
cesso mais o atraso do segurador.
O resultado do Exemplo 1.2 é uma forma canônica da teoria de

sistemas lineares e deve ser guardada na memória do engenheiro de con-
trole e sistemas já que uma grande quantidade de sistemas fı́sicos reais
apresenta caracterı́stica de resposta temporal representável por modelo
FOPDT. Observe que este resultado mapeia os domı́nios contı́nuo e
discreto através de Ts , τ , θ e Kp .
Uma outra forma canônica, generalizada, para representar siste-
mas FOPDT discretos é apresentada a seguir:
B(z −1 ) b0 z −d
G(z −1 ) = = . (1.20)
A(z −1 ) 1 + a1 z −1
Esta forma canônica será muito utilizada durante o curso, já que a mai-
oria dos algoritmos que iremos implementar contarão com uma versati-
lidade grande justamente pela generalização de como representaremos
sinais e sistemas. Observe o elo direto entre os parâmetros b0 e a1 em
relação aos parâmetros ligados ao tempo contı́nuo na função mostrada
em (1.19).
22
1.5.2 Modelagem FOPDT pela resposta ao degrau
Para sistemas sobreamortecidos e assintoticamente estáveis em

malha aberta (M.A.) (tipo-0, i.e., sem integrador natural), é possı́vel
modelar experimentalmente estes processos se existir datalog de entrada
e saı́da (causa e efeito) do processo, para entrada do tipo degrau.
Tomando como referência uma curva de reação ao degrau como
as mostradas na Fig. 8, os parâmetros do modelo FOPDT podem ser
obtidos da seguinte maneira:
Ganho estático: variação da saı́da, ∆y = y(∞) − y(0), dividida
pela variação da entrada em degrau, ∆u = u(∞) − u(0):
∆y
Kp = . (1.21)
∆u
Constante de tempo: intervalo de tempo τ no qual a saı́da atinge
63, 2% do seu valor em regime permanente y(∞), onde
y(τ ) = 0, 632y(∞). (1.22)
Atraso de transporte ou tempo morto: intervale de tempo θ entre

o instante da aplicação do degrau até a saı́da apresentar alguma reação.
1.5.3 Sistemas de segunda ordem com atraso – SOPDT
Um modelo contı́nuo de segunda ordem com atraso (SOPDT,

second-order plus dead time) pode ser representado pela seguinte forma
canônica:
Kp ωn 2 e−θs
G(s) = , (1.23)
s2 + 2ζωn s + ωn 2
onde ωn é a frequência natural do sistema (em rad/s) e ζ é o fator de

amortecimento, tal que
ζ < 1, sistema sub-amortecido;

ζ = 1, sistema criticamente amortecido;
ζ > 1, sistema sobre-amortecido.
O caso sub-amortecido apresenta caracterı́sticas particulares na

resposta temporal devido a presença de pólos complexos conjugados que
23
acrescentam ao sistema componentes senoidais. Neste caso, a resposta

ao degrau unitário do sistema em (1.23) é (COELHO; COELHO, 2004)
y(t + θ) =
1 [ √ ( /√ )]
1− √ e−ζωn t cos ωn 1 − ζ 2 t − tg−1 ζ 1 − ζ2 .
1 − ζ2
(1.24)
Na Fig. 9 é mostrada a resposta ao degrau unitário para a classe

de sistemas sub-amortecidos baseados em (1.23), onde são destacadas
algumas informações importantes, como (COELHO; COELHO, 2004):
• Tempo de subida, tr : para sistemas sub-amortecidos é o intervalo

de tempo para a resposta ir de 0% a 100% do valor da saı́da
em regime, y(∞). Para sistemas sobre-amortecidos, utiliza-se o
intervalo entre 10% a 90%.
• Tempo de pico, tp : é o tempo até o primeiro pico de sobre-sinal,
/ √
tp = π ω n 1 − ζ 2 . (1.25)
• Tempo de estabilização, ts : tempo até a resposta entrar na faixa

de ±2% do valor da saı́da em regime y(∞), onde uma aproxima-
ção razoável é obtida por
ts = 4/ζωn . (1.26)
• Resposta ao degrau em regime permanente (steady-state), y(∞):

( )
y(∞) = lim sY (s) = lim 1 − z −1 Y (z −1 ). (1.27)
s→0 z→1
• Percentual de overshoot, P O:
( /√ )
y(tp ) − y(∞) − πζ 1−ζ 2
PO = =e . (1.28)
y(∞)
24
Step Response
1.4
PO
+/− 2% PO2
1.2
y(∞)
1
Amplitude
0.8
0.6 T
PO
0.4
0.2
tr tp ts
θ
0
0 2 4 6 8 10 12 14 16 18 20
Time (seconds)
Figura 9 – Resposta ao degrau de um sistema sub-amortecido.
1.5.4 Modelagem SOPDT pela resposta ao degrau
Utilizando a curva de reação ao degrau mostrada na Fig. 9 pode-

se obter o ganho estático Kp tal como em (1.21), o fator de amorteci-
mento ζ e a frequência natural ωn , de sistemas sub-amortecidos (ζ < 1),
a partir de
v 
[ ]2 −1
u
 u 
ζ = t1 +
2π
( P O2 ) , (1.29)

 ln P O 

2π
ωn = √ . (1.30)
TP O 1 − ζ 2
25
1.5.5 Equivalente discreto via ZOH de um sistema SOPDT:
Y (s) Kp ωn 2 e−θs Ts Y (z −1 ) (b0 + b1 z −1 )z −d

= 2 ←→ = ,
U (s) s + 2ζωn s + ωn 2 ZOH U (z −1 ) 1 + a1 z −1 + a2 −2
(1.31)
onde,
√
ω = ωn 1 − ζ 2, ζ < 1
α = e−ζωn Ts
β = cos(ωTs )
γ = sen(ωTs )
( )
ζωn
b0 = 1 − α β + γ (1.32)
ω
( )
ζωn
2
b1 = α + α γ−β
ω
a1 = −2αβ
a2 = α2
Falta a referência para essas equações!
1.6 PROJETO DE CONTROLADORES DIGITAIS NO DOMÍNIO Z.
Figura 10 – Diagrama de malha fechada com controlador PI digital.

26
Exemplo 1.3 Projeto de um controlador PI Digital por cancelamento

dinâmico:
Considere o diagrama da Fig. 10 onde o objetivo é sintetizar um
método de sintonia para um PI digital, descrito por
U (z −1 ) S(z −1 ) (s0 + s1 z −1 )
= = , (1.33)
E(z −1 ) ∆ (1 − z −1 )
que cancele a dinâmica de malha aberta da planta, cujo equivalente

discreto via método ZOH é
Y (z −1 ) B(z −1 )z −1 b0 z −1
−1
= −1
= (1.34)
U (z ) A(z ) 1 + a1 z −1
e imponha uma dinâmica de malha fechada desejada de primeira ordem,

cujo equivalente discreto via método ZOH é
( )
− Ts
Y (z −1
) (1 − z ) z −1 1 − e τM F z −1
GM F (z −1 ) =
d
= = ( ) . (1.35)
Yr (z −1 ) 1 − zd z −1 − Ts
1 − e τM F z −1
Observe em (1.35) que zd é um pólo discreto desejado de malha

fechada e cuja escolha pode ser associada à relação com a constante de
tempo de malha fechada desejada, τM F , com base no modelo FOPDT,
a partir de
− τ Ts
zd = e MF . (1.36)
A sı́ntese de sintonia desejada pode ser estabelecida igualando-

se a função de transferência de malha fechada com o modelo dinâmico
desejado mostrado em (1.35), tal que
S(z −1 ) −1
Y (z −1 ) ∆ G(z ) (1 − zd ) z −1
= = = GM F (z −1 ). (1.37)
Yr (z −1 ) 1+S(z −1 ) −1 ) 1 − zd z −1
∆ G(z
O problema apresentado em (1.37) é um problema de alocação de

pólos e cuja solução para o PI digital com um processo FOPDT discreto
sintetiza a seguinte sintonia:
(1 − zd )
s0 = ,
b0 (1.38)
s1 = a1 s0 .
27
Com base na sintonia em (1.38) e considerando o fato de que

o controlador PI digital projetado é descrito por uma função de trans-
ferência (F.T.) e tem condições iniciais nulas, a F.T. (1.33) pode ser
descrita pela seguinte equação a diferenças:
u(k) = u(k − 1) + s0 e(k) + s1 e(k − 1). (1.39)
1.7 ATIVIDADE A01
Data de entrega: 09/09/2015 11/09/2015.

Aplique o projeto, apresentado no Exemplo 1.3, sobre os seguin-
tes sistemas:
1
a) Ga (s) = s+1
1
b) Gb (s) = (s+1)4
2
c) Gc (s) = (6s+1)(4s+1)(2s+1)
(0,5s+1)
d) Gd (s) = (3s+1)(2s+1)
Com exceção de Ga (s), os processos são descritos, ao menos ma-

tematicamente, como sistemas de ordem maior do que 01 (um). Desse
modo, você deverá simular os sistemas de ordem aumentada e então
obter uma representação aproximada FOPDT para que seja possı́vel
aplicar o projeto. No entanto, apesar do controlador ser sintonizado
com base na aproximação FOPDT, este deverá ser aplicado também
sobre o processo de ordem completa, buscando-se reproduzir um des-
casamento entre modelo de projeto e modelo de simulação (ou mesmo
o processo real), i.e., plant-model mismatch (PMM ou MPM).
Em relação aos testes, nunca esqueça de apresentar os resultados
em relação ao sinal de controle, já que este é o produto final de um
projeto de sistemas de controle.
A escolha da constante de tempo de malha fechada τM F pode
ser utilizada para uma seleção coerente de zd . Desse modo, busque
experimentar sintonias com base na constante de tempo em M.A. do
processo. Exemplos: τM F = τM A , τM F = 2τM A , τM F = 0, 5τM A .
Experimente também atribuir diretamente um valor ao pólo dis-
creto zd . Teste valores negativos para evidenciar o fenômeno de ringing.
Você deverá observar um sinal de controle demasiadamente ativo, acar-
retando desempenho acelerado da resposta do sistema de malha fechada
e em alguns casos, podendo resultar em instabilidade.
28
Cada processo de ordem completa terá um FOPDT correspon-

dente modelado por você para viabilizar o projeto. Desse modo, a
constante de tempo de malha aberta poderá ser usada para auxiliar na
seleção do perı́odo de amostragem.
Avalie seus resultados tanto na condição de estado transitório,
por exemplo pela aplicação de uma sequência de referência do tipo
degrau, como sob a presença de perturbação de carga durante o regime
estacionário.
Para os processos dos itens (b) ao (d), onde ocorrerá o
problema de plant-model mismatch, haverá perda de desem-
penho da malha de controle em relação ao projeto que seria
nominal. Ou seja, o resultado da aplicação do controlador so-
bre o modelo de projeto atenderá exatamente os requisitos de
projeto, mas não ocorrerá o mesmo quando o teste for reali-
zado no modelo de ordem completa. Desse modo, considere a
utilização de ı́ndices de desempenho tradicionais da teoria de
sinais e sistemas (e.g., ISE, IAE, ITSE, ITAE) para verificar
o quanto a malha de controle “real” se desviou do ı́ndice no
caso nominal.
As simulações deverão ser feitas em laço tipo for ou
similar, para que se pratique uma atividade similar à imple-
mentações em sistemas embarcados. Para tal, recomenda-se
o uso do MATLAB ou Scilab. No entanto, qualquer ambiente
de programação que lhe permita realizar esses laços e plotar
os resultados servirá.
A entrega da Atividade A01 deverá ser feita por e-mail
para o seguinte endereço: asilveira@ufpa.br. O assunto deverá
ser: CDS Atividade A01.
Um código em MATLAB é fornecido na Tabela 4 para auxiliá-lo
na realização dos projetos para os outros processos.
29
Tabela 4 – Exemplo de código de simulação do problema do item (a).
% Projeto PI Digital com sintonia IMC

% Modelo continuo
Gs=tf([1],[1 1]);
step(Gs);
% Obtencao do modelo discreto

ts=0.1; % periodo de amostragem
Gz=c2d(Gs,ts,’zoh’)
b0=Gz.num{1}(2);
a1=Gz.den{1}(2);
nit=201; % numero de iteracoes
yr(1:10)=0; % Referencia
yr(11:100)=1; yr(101:nit)=2;
y(1)=0;
u(1)=0;
tau_mf = 1; % cte tempo malha fechada

zd=exp(-ts/tau_mf); % Polo real discreto
% Mais próximo de 1, mais conservativa
% é a lei de controle
s0=(1 -zd)/b0; s1 = a1*s0;
for k=2:nit,
%simula processo (modelo completo)
y(k)= -a1*y(k-1) +b0*u(k-1);
e(k)=yr(k) -y(k);
u(k)= u(k-1) +s0*e(k)+ s1*e(k-1);

end
t=0:ts:nit*ts-ts;
figure(2);
subplot(211),
plot(t,yr,’:k’,t,y,’b’);
ylabel(’y(t)’);
axis([t(1) t(end) 0 max(yr)+0.2]);
legend(’Refer^
encia’,’Saı́da’,0);
subplot(212),
plot(t,u,’b’);
ylabel(’u(t)’); xlabel(’Tempo (s)’);
30
1.8 ESTABILIDADE DE SISTEMAS DISCRETOS
Para definirmos o conceito de estabilidade de uma forma ge-

ral, consideremos um sistema — possivelmente não-linear e variante no
tempo — descrito por
x(k + 1) = f (x(k), k) (1.40)
e que x0 (k) e x(k) são soluções desse sistema (1.40) quando as condições
iniciais são, respectivamente, x0 (k0 ) e x(k0 ). Pode-se então dizer que:
• ESTABILIDADE: a solução x0 (k) do sistema em (1.40) é estável

se para um dado ε > 0 exista um δ (ε, k0 ) > 0 tal que todas as solu-
ções com x(k0 ) − x0 (k0 ) < δ sejam tais que ∥x(k) − x0 (k)∥ < ε
para k > k0 . Isto quer dizer que, dado um estı́mulo impulsivo do
tipo delta de Kronecker aplicado no instante k0 sobre o sistema
em (1.40), este será dito estável se houver decaimento de energia
entre uma condição futura e uma condição inicial x0 (k), energia
esta representada pela norma ∥x(k) − x0 (k)∥.
Um conceito mais “forte” de estabilidade é o de Estabilidade

Assintótica, definido a seguir, também de uma forma mais geral:
• ESTABILIDADE ASSINTÓTICA: a solução x0 (k) do sistema

em (1.40) é assintoticamente estável se ∥x(k) − x0 (k)∥ → 0 quando
k → ∞, que obviamente garante que x(k0 ) − x0 (k0 ) < δ para
δ (ε, k0 ) > 0.
Para uma análise mais restrita do conceito de estabilidade, con-

sideremos agora o exemplo de um Sistema Discreto Linear e Inva-
riante no Tempo, dado por
x0 (k + 1) = Φx0 (k), x0 (0) = a0 . (1.41)
Para investigarmos a estabilidade do sistema em (1.41), consideremos

que sua condição inicial é perturbada, tal que sua nova condição seja
x(k + 1) = Φx(k), x(0) = a (1.42)
e que essa variação possa ser representada por x̃ = x − x0 , tal que
x̃(k + 1) = Φx̃(k), x̃(0) = a − a0 . (1.43)

31
Essa variação representada pelo sistema em (1.43) implica que, se x0

for uma solução estável, então toda e qualquer solução também será
estável. Sendo assim, para Sistemas Lineares Invariantes no Tempo a
estabilidade é uma propriedade do sistema e não de uma solução parti-
cular. Em outras palavras, se considerarmos que (1.41), (1.42) e (1.43)
estão descritos no espaço de estados e que Φ é a matriz de transição de
estados, podemos concluir que seus autovalores determinam a condição
de estabilidade. Deste modo, pode-se definir que:
• ESTABILIDADE ASSINTÓTICA DE SISTEMAS LINEARES:

um Sistema Linear Discreto Invariante no Tempo é assintotica-
mente estável se e somente se todos os seus pólos/autovalores
estiverem localizados dentro do cı́rculo unitário.
Obs: note também que a estabilidade assintótica implica em “es-

tabilidade” e em BIBO (Bounded-Input Bounded-Output) estabilidade
— caso em que a estabilidade é garantida devido a limitações naturais
das variáveis de entrada e saı́da da planta.
Com os mencionados conceitos de estabilidade apresentados, fica
evidente que a forma mais simples e eficaz de se avaliar a estabilidade
de sistemas lineares discretos é pela determinação de seus pólos. No
entanto, existem outras formas de avaliar a estabilidade de sistemas
lineares discretos, como o Critério de Jury, que dispensa o cálculo das
raı́zes de sistemas polinomiais; análise do Lugar Geométrico das Raı́-
zes; Critério de Nyquist; Diagrama de Bode; via Funções de Lyapunov.
Nesta aula, enfatizaremos apenas o método por Critério de Jury, en-
quanto que os métodos gráficos serão utilizados e comentados durante
o resto do curso em Controle Digital pelo uso em trabalhos de projeto
de controladores.
1.8.1 Critério de Jury
O critério de Jury é a versão discreta do de Routh-Hurwitz, sendo

um algoritmo interessante para a análise de estabilidade de sistemas
lineares discretos, pois dispensa a verificação dos pólos do sistema sob
análise. Considere o seguinte exemplo (ASTROM; WITTENMARK, 2011):
B(z)
G(z) = . (1.44)
α0 zn + α1 z n−1 + · · · + αn
A tabela de Jury do sistema (1.44), quando α0 > 0, é formada
32
por
α0 α1 ··· αn
αn αn−1 ··· α0
β0 β1 ···
βn−1 βn−2 ··· (1.45)
c0 c1 ···
cn−2 cn−3 ···
..
.
onde,
αn αn αn
β0 = α0 − αn ; β1 = α1 − αn−1 ; · · · ; βk = αk − αn−k
α0 α0 α0
βn−1
ck = βk − βn−1−k ; · · ·
β0
(1.46)
• O critério de estabilidade de Jury estabelece que, se α0 > 0, então

todos os pólos do sistema estarão dentro do cı́rculo unitário se e
somente se todos os termos da primeira coluna das linhas ı́mpares
forem positivos.
• Se nenhum elemento da primeira coluna das linhas ı́mpares for

nulo, o número de raı́zes fora do cı́rculo unitário é igual ao nú-
mero de elementos negativos. Se tiver um ou mais elementos
nulos nessa coluna, não há como afirmar o número de pólos ins-
táveis.
• Uma condição necessária para a garantia de estabilidade é a ve-

rificação de
A(1) > 0 (1.47)

n
(−1) A(−1) > 0 (1.48)
onde A(z) é o polinômio caracterı́stico da função de transferência

sob análise, dada por
B(z) B(z −1 )z −1
G(z) = ou G(z −1 ) = . (1.49)
A(z) A(z −1 )
33
Exemplo 1.4 Aplicação do critério de Jury sobre o Exemplo 1.3, re-

ferente ao Projeto de um controlador PI Digital por cancelamento dinâ-
mico e sintonia baseada no princı́pio do modelo interno (IMC, internal
model control):
O controlador e a planta (com base no modelo nominal de projeto
de primeira ordem) são descritos pelas seguintes funções:
( )
U (z) U (z) s0 z + ss10
C(z) = = = , (1.50)
E(z) [Yr (z) − Y (z)] z−1
B(z −1 )z −1 b0 z −1 b0
G(z) = −1
= = . (1.51)
A(z ) 1 + a1 z −1 z + a1
A equação de malha fechada é dada pela seguinte função de trans-

ferência:
Y (z) C(z)G(z) s0 b0
= = . (1.52)
Yr (z) C(z)G(z) + 1 z + (s0 b0 − 1)
No cancelamento dinâmico, s0 = (1 − zd )/b0 , portanto, (1.52) pode ser

escrita em função do parâmetro de sintonia zd , ficando
Y (z) (1 − zd )
= . (1.53)
Yr (z) z − zd
A tabela de Jury para a função em (1.53) é construı́da com base em

(1.44) e (1.45), sendo esta
z1 z0
linha 1 1 −zd
(1.54)
linha 2 −zd 1
linha 3 β0
(−zd )
β0 = 1 − × (−zd ) → β0 = 1 − zd 2 . (1.55)
1
De acordo com o critério de estabilidade de Jury, o sistema em
(1.53) será estável se β0 > 0, que fornece a relação elementar de que
pólos estáveis no plano-z estão contidos dentro do cı́rculo unitário.
34
1.9 TEOREMA DO VALOR FINAL E TEOREMA DO VALOR INI-

CIAL
• Teorema do valor inicial (TVI): aplicável somente a sistemas es-

tritamente próprios, ou seja, cuja ordem do numerador é menor
que a do denominador,
( )
f (0) = lim 1 − z −1 F (z). (1.56)
z→∞
• Teorema do valor final (TVF): aplicável somente a sistemas as-

sintoticamente estáveis,
( )
z−1 ( )
f (∞) = lim f (k) = lim F (z) = lim 1 − z −1 F (z −1 ).
k→∞ z→1 z z→1
(1.57)
1.10 ATIVIDADE A02
Data de entrega: 21/09/2015.

A02: Sı́ntese de sintonia para um PID digital ideal ba-
seada no método de cancelamento dinâmico:
Para que seja possı́vel atenuar as oscilações de sistemas sub-
amortecidos sem que para isto tenha-se que tornar a ação de controle
conservativa e aumentar o tempo de estabilização, é necessário incluir
a ação “derivativa” na lei de controle. Sendo assim, revise o projeto de
cancelamento dinâmico (cf. Exemplo 1.3) sobre modelos de primeira or-
dem e desenvolva um método de sintonia similar, mas para o tratamento
de sistemas dinâmicos de segunda ordem, tal que o comportamento de
malha fechada imposto seja o de primeira ordem.
Note que o equivalente discreto via ZOH de um sistema dinâ-
mico descrito na forma canônica de segunda ordem vai resultar em
uma descrição aumentada com um zero discreto. Portanto, será neces-
sário aproximar esse modelo pela contribuição estática do polinômio do
numerador, ou seja,
Kp ωn 2
G(z −1 )
Ts
G(s) = ←→
s2
+ 2ξωn s + ωn 2 ZOH
( )
−1 b0 + b1 z −1 z −1 B(1)z −1
G(z ) = −1 −2
= . (1.58)
1 + a1 z + a2 z A(z −1 )
35
Proponha o seu método de sintonia com base na localização do pólo

real discreto no plano-z ou através da sua relação com a constante de
tempo de um sistema de primeira ordem contı́nuo.
Organize os seus resultados tal que sejam apresentados os se-
guintes tópicos:
(a) Desenvolvimento matemático do seu método de sintonia para um
PID digital baseado em modelo de segunda ordem;
(b) Aplicação do método de sintonia proposto sobre um sistema sub-
amortecido com frequência natural de 2 rad/s e coeficiente de
amortecimento igual a 0, 3;
(c) Simulação (por código em Matlab, Scilab ou similar) aplicando

uma perturbação de carga do tipo degrau (teste do caso regula-
tório) na saı́da da planta;
(d) Discorra sobre o que ocorreu quando a perturbação de carga foi
aplicada. Para auxiliar seus comentários e fortalecer a sua análise,
avalie a função de transferência a partir da perturbação de carga
para a saı́da, verificando os pólos dessa função e comparando-os
com os da função de transferência da referência para a saı́da;
(e) Estabeleça uma relação entre o seu método de sintonia digital e

o PID ideal contı́nuo, permitindo calcular quais os valores apro-
ximados de Kp , Ki , Kd , do controlador analógico que fornecem
resultado similar ao método digital sintetizado.
Enviar o PDF da atividade (e códigos, se necessário)

para asilveira@ufpa.br, colocando o seguinte assunto no e-
mail: CDS Atividade 02.
36
37
2 MÓDULO 2
Controladores digitais baseados em controladores analógicos. Con-

troladores RST.
2.1 INTRODUÇÃO
Nesta etapa do curso se espera que o leitor tenha revisado sa-

tisfatoriamente os métodos de discretização apresentados e tenha um
conhecimento razoável sobre como realizá-los “à mão” e auxiliado por
computador. Também, que seja capaz de modelar experimentalmente
processos tipo FOPDT e SOPDT a partir de curvas de reação pela
resposta ao degrau e que entenda as caracterı́sticas de causalidade ine-
rentes de como um computador acessa o mundo fı́sico, tal como uma
malha de controle digital o faz. Isto estabelece a “Transformada ZOH”
como o método padrão para a representarmos sistemas fı́sicos a partir
da perspectiva de um computador.
No Módulo 1 se tentou apresentar exatamente o que seria um
projeto de controlador da perspectiva de um controlador por computa-
dor. Ou seja, realizar um projeto de controlador, incluindo o projeto da
sı́ntese de sintonia, inteiramente no domı́nio z. Isto permitiu que fosse
apresentado ao leitor, o mais breve possı́vel no curso, que não há neces-
sidade de “reutilizar” um sistema de controle contı́nuo para realizar um
controlador digital, mas sim que o mundo digital possui suas próprias
topologias de controle e que, logicamente, há como associá-las às topo-
logias tradicionais da teoria de controle contı́nuo e consequentemente
estabelecer nomes e tı́tulos que nos lembrem dos clássicos sistemas tra-
dicionalmente realizáveis por sistemas eletrônicos ou pneumáticos, tais
como lead-lags e a famı́lia PID.
Neste módulo trataremos então de controladores digitais basea-
dos em controladores analógicos da famı́lia PID, mostrando como as
aproximações podem influenciar negativamente no resultado esperado,
mas também como é possı́vel produzir um mapa entre o controlador
digital e às topologias mais comuns que técnicos e engenheiros de chão
de fábrica conhecem da teoria de controle contı́nuo (e.g., ganhos do
PID).
O módulo será finalizado justamente retornando ao caminho que
melhor favorece a teoria de Controle e Sistemas digitais, onde nossos
38
projetos serão generalizados pela topologia RST1 , de tal forma que toda
solução linear, será (ao menos matematicamente) realizável, em uma
malha de controle digital.
2.2 CONTROLADORES DIGITAIS BASEADOS EM CONTROLA-

DORES ANALÓGICOS
Vamos restringir nosso estudo neste material aos controladores

da famı́lia PID. No entanto, isto nos permitirá discretizar por métodos
de aproximação, todos os controladores lineares contı́nuos existentes,
já que a teoria de sistemas lineares descreve todos os seus sistemas com
base em operações PID.
Comecemos com as três topologias mais comuns de controladores
PID: PID Ideal, PID Série e PID Paralelo, respectivamente representa-
dos pelos diagramas das figuras 11, 12 e 13.
Figura 11 – PID Ideal.
Figura 12 – PID Série.
Dentre as topologias apresentadas nas figuras 11, 12 e 13, a mais

comum dentro do ambiente acadêmico brasileiro é a paralela, que evi-
1 O nome RST se popularizou pelo uso na literatura de Controle e Sistemas das
letras R, S, T, para representar filtros que operam sobre os três sinais de interesse
de uma malha de controle, i.e., sinais de erro, saı́da e referência.
39
Figura 13 – PID Paralelo.
dencia os ganhos separadamente. Desse modo, vamos utilizar esta to-

pologia para nossos estudos neste curso.
Conforme apresentado no Módulo 1, o domı́nio discreto permite
múltiplas representações de um mesmo sistema contı́nuo, cujo elo entre
contı́nuo e discreto é definido pelo perı́odo de amostragem e método
de discretização. Desse modo é possı́vel afirmar que não há um único
PID Digital baseado no PID Paralelo. É possı́vel, inclusive, discretizar
a parte derivativa e a parte integral utilizando aproximações distintas
(ASTROM; WITTENMARK, 2011).
Consideremos então que y(t), u(t), yr (t), e(t) = yr (t) − y(t), são,
respectivamente, os sinais de saı́da da planta, sinal de controle, sinal de
referência e sinal de erro, a lei de controle do PID Paralelo é descrita
por
∫
d
u(t) = kc e(t) + ki e(t)dt + kd e(t), (2.1)
dt
onde kc , ki , kd , são os ganhos PID conforme apresentado no diagrama
da Figura 13.
De uma maneira intuitiva, podemos considerar que no domı́nio
discreto a integral seria simplesmente o acúmulo das amostras do erro
ponderadas por um dt := Ts e que a derivada poderias ser a variação
do erro dentro de um intervalo dt := Ts , de tal maneira que
∞
∑ kd
u(k) = kc e(k) + ki Ts e(k − n) + [e(k) − e(k − 1)] . (2.2)
n=0
Ts
Observe em (2.2) que a aproximação adotada para a parte inte-

40
gral tem sérios problemas em relação ao somatório de infinitos termos

e(k − n). Por exemplo, em aplicações embarcadas em microcontrola-
dores com pequena quantidade de memória RAM a lei de controle em
(2.2) se tornaria inviável.
Se recordarmos sobre o modelo ZOH, este parte do princı́pio de
que existe um buffer que sustenta o comando u(k) até que um novo
comando seja calculado no próximo perı́odo de amostragem. Desse
modo, podemos estabelecer que todo controlador digital embasado so-
bre o modelo ZOH pode usufruir do incremento de controle, ou
seja,
u(k) = u(k − 1) + ∆u(k), ∆ = 1 − z −1 . (2.3)
u(k) é então composto do valor já sustentado no buffer do segurador

mais o incremento, ∆u(k). Todo controlador digital com ação de
controle incremental (“integral”) possui então a parcela ∆u(k).
Algoritmos incrementais permitem então a aproximação da ação
integral sem que para isto seja necessário o uso de somatório de infi-
nitos termos ou alguma aproximação nessas proporções. O cálculo do
incremento de controle pode então ser obtido a partir de
∆u(k) = u(k) − u(k − 1). (2.4)
Retirando o primeiro termo do somatório (i.e., n = 0) em (2.2),

esta pode ser reescrita como
u(k) =
∞
∑ kd
kc e(k) + ki Ts e(k) + ki Ts e(k − n) + [e(k) − e(k − 1)] .
n=1
Ts
(2.5)
Partindo da equação original de u(k), em (2.2), pode-se obter

u(k−1) deslocando toda expressão 1-passo para trás no tempo discreto,
tal que
u(k − 1) =
∞
∑ kd
kc e(k − 1) + ki Ts e(k − n − 1) + [e(k − 1) − e(k − 2)] .
n=0
Ts
(2.6)
A diferença entre (2.5) e (2.6) elimina o somatório e compacta

41
essa aproximação do PID Paralelo à seguinte lei de controle digital:

[ ]
kd
∆u(k) = kc + ki Ts + e(k)
Ts
[ ] [ ]
kd kd
+ −kc − 2 e(k − 1) + e(k − 2). (2.7)
Ts Ts
Observe que se reescrevêssemos a lei de controle do PID Digital

mostrado em (2.7) como
∆u(k) = s0 e(k) + s1 e(k − 1) + s2 e(k − 2), (2.8)
e se fosse eliminada a parte derivativa (i.e., kd = 0), verı́amos que um

PI Paralelo seria composto simplesmente por
∆u(k) = s0 e(k) + s1 e(k − 1), (2.9)
tal como fora definido no Exemplo 1.3 no Módulo 1. Este foi o motivo
pelo qual o nome PI Digital foi usado, mesmo sem ser apresentada
nenhuma informação que se quer lembrasse o PI contı́nuo.
É importante destacar que não se faz necessário que se repita
sempre esta forma de obter controladores incrementais, com a elimina-
ção do somatório pelo cálculo de ∆u(k). Na verdade esta é uma carac-
terı́stica intrı́nseca de controladores de estrutura definida que possuem
ação integral no caso contı́nuo e que consequentemente vão gerar ação
incremental no caso discreto. Por exemplo, já que d/dt = s quando as
condições iniciais do controlador são nulas (i.e., descrito como função de
transferência) ou este é um sistema estável (ASTROM; WITTENMARK,
2011), a lei de controle em (2.1) pode ser reescrita como
1
U (s) = kc E(s) + ki E(s) + kd sE(s), (2.10)
s
sendo possı́vel aplicar as aproximações forward, backward ou Tustin
diretamente a partir das relações entre s e z, tal como apresentado no
Módulo 1.
Exemplo 2.1 Análise da influência do perı́odo de amostragem Ts so-

bre o comportamento esperado pelo caso contı́nuo e o comportamento
obtido pela aproximação digital:
Consideremos uma planta sub-amortecida de ganho estático uni-
tário, frequência natural igual a 2 rad/s e coeficiente de amortecimento
0, 3. Construa em Simulink ou similar, os diagramas de simulação com
42
o controlador PID Paralelo contı́nuo e discreto, e avalie a influência

de Ts sobre os sinais de controle e de saı́da, comparando como o au-
mento de Ts afeta a estabilidade da malha de controle digital em face
ao resultado esperado pelo caso contı́nuo.
Use blocos ZOH entre o modelo contı́nuo da planta para imple-
mentar a malha com o controlador digital.
A sintonia do controlador pode ser estabelecida por tentativa e
erro ou por algum método de sintonia PID de sua escolha, encontrado
na respectiva literatura, tal como o método mostrado na Tabela 5. Ob-
serve que o mesmo conjunto de ganhos deve ser utilizado para as simu-
lações contı́nua e discreta.
Tabela 5 – Sintonia PID IMC (MORARI; ZAFIRIOU, 1989).
!"#$!% &'()!('*%
56τ + θ7
24 = %
2 1 56τ + + θ7
+,-./%
62 4
2 1 # −θ0 2' = %
% 56τ + θ7
τ0 + 3
2 4 τθ
2" = %
65θ + τ7
6ζτ
24 = %
&,-./% 2 1 5θ + τ + 7
24
2 1 # −θ0 2' = %
% 6ζτ
τ6 0 6 + 6ζτ0 + 3
τ2 4
2" = %
6ζ
θ + 6τ +
24 = %
2 1 5θ + τ + 7 6
8-./%
24
2 1 # −θ0 2' = %
% 5θ + 6τ7
0
2 46
2" = %
92 '
43
2.3 FORMA CANÔNICA RST
A forma canônica RST, ou estrutura RST, é uma forma generali-

zada de representar uma malha de controle atuando sobre um processo
G(z), tal como é apresentado na Figura 14.
Figura 14 – Forma canônica RST.
A forma RST permite então que funções lineares genéricas pos-

sam ser atribuı́das às partes R(z), S(z), T (z), tal que a lei de controle
generalizada seja descrita por
R(z −1 )u(k) = T (z −1 )yr (k) − S(z −1 )y(k). (2.11)
Neste curso vamos considerar que às partes RST serão represen-
tadas por polinômios generalizados definidos no domı́nio do operador
de atraso de tempo discreto z −1 , tal que
R(z −1 ) = r0 + r1 z −1 + · · · + rnr z −nr , (2.12)

−1 −1 −ns
S(z ) = s0 + s1 z + · · · + sns z , (2.13)
−1 −1 −nt
T (z ) = t0 + t1 z + · · · + tnt z . (2.14)
Matematicamente é possı́vel obter qualquer solução linear dese-

jada a partir da relação RST com a planta G(z) . Em outras palavras,
veremos que é possı́vel realizar qualquer alocação de pólos e zeros dese-
jada pelo uso da estrutura RST. No entanto, as limitações estão muitas
vezes ligadas às dificuldades em resolver as equações de Diophantine
envolvidas nos problemas de ordem elevada, já que existem infinitas
soluções para o mesmo problema. De qualquer modo, mais adiante
neste curso seguiremos alguns casos de sucesso que vão restringir esse
universo de soluções a partir de métodos sistematizados de projetos.
Além da possibilidade irrestrita de soluções no domı́nio linear,
a forma RST garante uma maneira matematicamente justa de se ca-
racterizar sistemas de controle e estimação/predição. Um sistema de
controle organizado na forma RST pode ser comparado a outro estru-
turalmente para que se tenha certeza, de que de fato há diferenças
nas topologias de controle e não meramente uma diferença de sintonia.
44
Para enfatizar este ponto, consideremos uma forma de visualizar o PID

Digital de um outro ponto de vista no exemplo a seguir.
Exemplo 2.2 PID Digital reescrito na forma RST:
∆u(k) = s0 e(k) + s1 e(k − 1) + s2 e(k − 2),
R(z −1 ) = ∆ = 1 − z −1 ,
S(z −1 ) = T (z −1 ) = s0 + s1 z −1 + s2 z −2 .
Este controlador, distribuı́do em todos os sinais de interesse de uma

malha de controle, é exatamente igual ao controlador inteiramente con-
centrado na malha direta, antecedendo G(z), por exemplo, tal como o
PID é comumente conhecido na literatura. No entanto, pergunte-se se
você reconheceria o PID digital se este fosse apresentado em um dia-
grama como o da Figura 14.
Existem muitos métodos avançados de projetos de controladores
baseados em modelo que resultam em estruturas baseadas na famı́lia
PID, simplesmente por herança do modelo de projeto utilizado. Quando
isto ocorre, alguns autores são levados a apontar resultados melhores
justificado na forma de um “novo controlador” onde em certos casos é
simplesmente uma sintonia melhor de um bom e velho PID. Mais adi-
ante no curso veremos um exemplo desta natureza com um projeto pelo
método LQR ( Linear Quadratic Regulator que simplesmente sintoniza
de maneira ótima um I-PD digital.
2.4 “MÁSCARA” DE SINTONIA DIGITAL PARA CONTÍNUA
Em certas aplicações industriais pode existir alguma necessidade

de que um sistema de controle digital exponha os parâmetros de sintonia
em uso na forma de parâmetros conhecidos da literatura de Controle
e Sistemas contı́nuos. No caso de controladores da famı́lia PID, há a
necessidade de expor os ganhos, por exemplo.
Uma máscara analógica para o PID Digital apresentado nas
45
equações (2.7) e (2.8) poderia ser obtida da seguinte forma:
kd = Ts s2
Ts s2
−kc − 2 = s1 → kc = −s1 − 2s2
Ts (2.15)
Ts s2 s0 + s1 + s2
−s1 − 2s2 + ki Ts + = s0 → ki =
Ts Ts
É importante destacar que cada aproximação discreta, ou cada versão

discreta de um controlador analógico, acarreta “máscara” contı́nua es-
pecı́fica. Logo, não há como garantir que o PID analógico que utilizar
tal sintonia digital transferida vai operar de maneira equivalente ao
controlador digital, tal como o caso contrário também não é verdadeiro
devido às perdas por aproximações diversas (e.g., dt := Ts ).
Quando as perdas por aproximações são aceitáveis, kc , ki e kd ,
obtidos pela relação com o algoritmo digital, podem ser utilizados como
um ponto de partida para um ajuste fino a posteriori.
Na próxima atividade do curso, vamos explorar esse conceito
de transferência de sintonia entre topologias de malha de controle dis-
tintas, onde aceitamos certas perdas para tentar herdar um sintonia
de uma topologia semelhante. Esta é uma prática que visa introduzir
o conceito de transferência de sintonia de estratégias de projeto mais
complexas para sistemas de controle mais simples, tais como: controle
preditivo → PID, controle inteligente → PID, controle LQR → PID,
entre outros.
2.5 ATIVIDADE 03
Data de Entrega: 28/09/2015 30/09/2015.

A03: I-PD Digital com sintonia baseada no PID Para-
lelo:
– Verifique se é possı́vel elaborar uma sintonia de controle PID,
similar a forma adotada no projeto por cancelamento dinâmico, para
a topologia de controle I-PD (ou I+PD) representada no diagrama de
blocos mostrado na Figura 15. Caso não seja possı́vel, apresente mate-
maticamente onde ocorre o impedimento e compare por simulação
os dois controladores digitais, PID e I-PD, para os mesmos va-
lores de Kc , Ki e Kd . Esses ganhos devem ser obtidos através de uma
“máscara” com o I-PD (ou PID) digital.
46
Figura 15 – Controlador PID na estrutura I-PD.
– Apresente entre os seus resultados, as “máscaras” dos contro-

ladores utilizados.
– Simule o PID Digital e o I-PD Digital sobre uma planta de
segunda ordem de sua escolha, mas que tenha coeficiente de amorteci-
mento igual ou inferior a 0, 3. Submeta as duas malhas de controle às
mesmas condições de teste (referência e perturbação de carga). Se pos-
sı́vel, plote os resultados nos mesmos gráficos para avaliar as diferenças
entre PID e I-PD usando a mesma sintonia. Avalie também os resulta-
dos em termos de ı́ndices de desempenho quadrático incrementais.
– Considere nas suas simulações o seguinte modelo com pertur-
bação de carga [V (z −1 )]:
B(z −1 )z −1
Y (z −1 ) = + V (z −1 ), (2.16)
A(z −1 )
tal que para uma planta de segunda ordem e sem tempo morto, a sua
forma auto-regressiva é descrita pela seguinte equação a diferenças:
y(k) = −a1 y(k − 1) − a2 y(k − 2) + b0 u(k − 1) + b1 u(k − 2)

+ v(k) + a1 v(k − 1) + a2 v(k − 2). (2.17)
A magnitude para v(k) deve ser de 10% do valor de referência do con-

trolador.
– Além do caso de rastreamento de referência, teste também
o caso puramente regulatório, ou seja, com referência yr (k) nula,
mas perturbando o sistema com a carga de magnitude igual a do caso
servo. Nessa situação espera-se que o PID e I-PD tenham exatamente
o mesmo comportamento para o mesmo conjunto de ganhos. Mostre,
matematicamente, o porquê disto, avaliando as equações das duas
topologias (de malha de controle) para referência nula.
– Recomenda-se a utilização da forma RST como uma
47
maneira de comparar PID e I-PD matematicamente e também para

verificar se existe a possibilidade de gerar um método de sintonia por
cancelamento dinâmico, tal como fizemos para o PID digital.
– O seu relatório deverá ser escrito, em português ou
inglês, na forma de um brief paper com no máximo 6 páginas
(mı́nimo de 1 página) e utilizando coluna dupla. Recomenda-
se a utilização de templates prontos para MS Word ou Latex
para a redação do trabalho. Os templates da Sociedade Bra-
sileira de Automática (SBA) são encontrados no site da SBA
e também na pasta da disciplina no Dropbox. Apresente re-
sumo, introdução, desenvolvimento, conclusão e referências.
– Para verificar se o seu artigo está adequado para en-
trega, verifique se a partir do que você redigiu, há como re-
produzir os seus resultados.
– Enviar o PDF do artigo (e códigos, se necessário)
para asilveira@ufpa.br, colocando o seguinte assunto no e-
mail: CDS Atividade 03.
2.6 CONTROLADORES RST
A estrutura da malha de controle generalizada RST (cf. Figura

14) permite a realização de sistemas de controle lineares capazes de
impor (ao menos matematicamente) qualquer dinâmica linear de malha
fechada através do método de alocação de pólos e zeros.
A estrutura generalizada da forma RST é fundamental para se
pensar em estabelecer métodos de projetos de controladores em que a
ordem do sistema é irrestrita e a possibilidade de alocação, ao menos
matematicamente, é também irrestrita. Em outras palavras, podemos
pensar em tornar, por exemplo, o comportamento dinâmico de um jato
F-16 a se comportar como uma Ferrari, ou mesmo como um bom e
velho Fusca. Note que a cadeia de “transferência comportamental” vem
sempre de um sistema de maior desempenho para um de menor desem-
penho, para que seja possı́vel obter uma solução fisicamente realizável.
Se for meramente uma “brincadeira matemática”, então também é pos-
sı́vel fazer o caminho contrário.
Diferentemente de controladores de estrutura fixa, como os da fa-
mı́lia PID, controladores RST sintetizados por alocação assemelham-se
aos obtidos por métodos de alocação no espaço de estados, acarretando
transferência de caracterı́sticas dinâmicas do modelo de projeto ao com-
48
pensador dinâmico 1 sintetizado. Esta herança dinâmica nos permite

sintetizar leis de controle RST que herdem caracterı́sticas do modelo
de projeto. O efeito mais marcante dessa herança pode ser observado
pela presença ou não da ação incremental no controlador sintetizado,
o qual iremos diferenciar nos dois projetos que iremos abordar nesta
seção:
• Sı́ntese de controle RST posicional: não garante erro nulo

em regime permanente para sistemas tipo-0;
• Sı́ntese de controle RST incremental: sistemas tipo-0 são

aumentados pela inclusão da ação de controle incremental1 (u(k) =
u(k − 1) + ∆u(k)) garantindo-se o erro estático nulo.
2.6.1 Controle RST posicional
Figura 16 – “Equipe RST” pilotando uma Ferrari como se fosse um

Fusca.
Pensemos no exemplo da Ferrari e do Fusquinha, ilustrado na

Figura 16, como sendo o nosso problema de controle. Obviamente que
essa ilustração é uma brincadeira com o que estamos analisando, mas
realmente a idéia é bem próxima disto. Consideremos então que um
processo linear qualquer, descrito por
y(k) B(z −1 )z −1
G(z −1 ) = = (2.18)
u(k) A(z −1 )
é conectado a um controlador RST tal como no diagrama de blocos

da Figura 14. Isto se faz, analiticamente, pela substituição da lei de
controle RST,
R(z −1 )u(k) = T (z −1 )yr (k) − S(z −1 )y(k), (2.19)

1 Sistema de controle composto por controlador e filtro estimador/preditor.
1 Análogo discreto à inclusão de integrador no modelo de projeto.
49
na Eq. (2.18). Ou seja, a equação de malha fechada da malha de

controle, da referência yr (k) para a saı́da y(k) é obtida fazendo-se
A(z −1 )y(k) = B(z −1 )z −1 u(k)

[ ]
T (z −1 )yr (k) − S(z −1 )y(k)
A(z −1 )y(k) = B(z −1 )z −1
R(z −1 )
R(z −1 )A(z −1 )y(k) = B(z −1 )T (z −1 )z −1 yr (k) − B(z −1 )S(z −1 )z −1 y(k)
[ ]
R(z −1 )A(z −1 ) + B(z −1 )S(z −1 )z −1 y(k) = B(z −1 )T (z −1 )z −1 yr (k)
que resulta em
y(k) B(z −1 )T (z −1 )z −1
= . (2.20)
yr (k) R(z )A(z −1 ) + B(z −1 )S(z −1 )z −1
−1
Voltando a nossa “brincadeira” com o problema, observe na Eq.

(2.20), que dados os polinômios A(z −1 ), B(z −1 ), que caracterizam a
dinâmica da Ferrari, bastaria determinar a equipe RST que faz a Eq.
(2.20) igual a dinâmica do Fusca, ou seja, uma função de transferência
objetivo de malha fechada
B(z −1 )T (z −1 )z −1
GM F (z −1 ) = . (2.21)
R(z −1 )A(z −1 ) + B(z −1 )S(z −1 )z −1
A malha objetivo, GM F (z −1 ), descrita na forma de uma fun-

ção de transferência de malha fechada, vai ditar um comportamento de
malha fechada desejado, tal como estivemos fazendo nas últimas aulas
com o Projeto do PID por cancelamento. No entanto, no projeto por
alocação não estaremos restritos a uma dinâmica de primeira ordem,
mas a um sistema linear qualquer em malha fechada (obviamente, res-
peitando as limitações de desempenho do sistema controlado quando
em realizações fisicamente implementáveis).
Como as funções R(z −1 ), S(z −1 ), T (z −1 ), são ditas generaliza-
das, a Eq. (2.21) tem infinitos resultados para uma mesma GM F (z −1 ).
Para limitar nosso escopo de soluções, vamos considerar tanto para o
caso posicional como para o incremental, o método de projeto baseado
no de Astrom e Wittenmark (2011), que vai garantir que os sistemas
RST sintetizados sejam do tipo compensador dinâmico, contendo
uma parte observadora, evitando cancelamentos de pólos e permi-
tindo maior robustez à malha de controle (resultados mais expressivos
e conclusivos sobre a robustez de compensadores dinâmicos serão apre-
50
sentados na parte de controle LQG1 no final deste curso).

Seguindo o método de Astrom e Wittenmark (2011), a F.T. de-
sejada de malha fechada é dada pelos zeros de malha aberta do sis-
tema controlado, B(z −1 ), e mais uma parcela feedforward em T (z −1 )
para compensação do ganho estático para que se tenha offset nulo
entre referência e saı́da. Já os pólos desejados de malha fechada são
função de uma parte controladora, Hc (z −1 ), mais uma parte observa-
dora, Ho (z −1 ) = A(z −1 ), que mantém uma réplica dos pólos de malha
aberta do processo controlado. Desse modo, a F.T. desejada e a relação
de alocação assumem, respectivamente, as seguintes formas:
B(z −1 )T (z −1 )z −1
GM F (z −1 ) = , (2.22)
Hc (z −1 )Ho (z −1 )
B(z −1 )T (z −1 )z −1 B(z −1 )T (z −1 )z −1
= . (2.23)
R(z −1 )A(z −1 ) + B(z −1 )S(z −1 )z −1 Hc (z −1 )Ho (z −1 )
Observando a Eq. (2.23) pode-se resumir o projeto de alocação

de pólos em um problema de encontrar os polinômios R(z −1 ) e S(z −1 )
que satisfaçam a seguinte igualdade:
HM F (z −1 ) = Hc (z −1 )Ho (z −1 ) = R(z −1 )A(z −1 ) + B(z −1 )S(z −1 )z −1 .

(2.24)
A Eq. (2.24) é conhecida como uma Equação de Diophantine1 , normal-

mente possuindo mais de uma solução. Desse modo, existem alguns mé-
todos para restringir nosso caminho em encontrar uma solução válida,
mas que são altamente dependentes do modelo de projeto em questão
(SILVEIRA; COELHO, 2011). Por exemplo, uma dica é considerar que
na 6 nr > ns ou que nr = (nHM F − 1) (ASTROM; WITTENMARK,
2011).
O polinômio caracterı́stico de malha fechada, HM F (z −1 ), é mô-
nico e designado por
HM F (z −1 ) = 1 + h1 z −1 + · · · + hnH z −nH = Hc (z −1 )Ho (z −1 ), (2.25)
sendo este obtido pela convolução de dois outros polinômios mônicos,
1 Linear
Quadratic Gaussian: fusão do LQR com Filtro de Kalman.
1 Wikipedia.org:
“Diophantine refers to the Hellenistic mathematician of the 3rd
century, Diophantus of Alexandria, who made a study of such equations and was
one of the first mathematicians to introduce symbolism into algebra. The mathe-
matical study of Diophantine problems that Diophantus initiated is now called Di-
ophantine analysis.”
51
onde Ho (z −1 ) = A(z −1 ) opera de forma similar a um observador de

estados enquanto que Hc (z −1 ) é o polinômio caracterı́stico que define
a dinâmica de malha fechada resultante. Por exemplo, um sistema de
segunda ordem padrão pode ser definido e discretizado via ZOH para
definir Hc (z −1 ), i.e.,
Hc (s) = s2 + 2ζωn s + ωn 2 ←→ Hc (z −1 ) = 1 + hc1 z −1 + hc2 z −2 .

ZOH
Ts
(2.26)
Notemos que para que Hc (z −1 ) governe a dinâmica de malha

fechada, a Eq. (2.23), dada por
B(z −1 )T (z −1 )z −1 B(z −1 )T (z −1 )z −1
= ,
R(z −1 )A(z −1 ) −1
+ B(z )S(z )z −1 −1 Hc (z −1 )Ho (z −1 )
precisa ter a parcela observadora, utilizada apenas para favorecer a

solução da Diophantine, eliminada. Isto é feito fazendo com que
T (z −1 ) = tof f Ho (z −1 ), (2.27)
que consequentemente resulta em uma F.T. de malha fechada onde

impõe-se Hc (z −1 ), tal que
tof f B(z −1 ) y(k)

GM F (z −1 ) = = . (2.28)
Hc (z −1 ) yr (k)
O parâmetro tof f é uma tentativa de pré-compensar, por uma

aproximação estática, o offset entre a referência e a saı́da da planta,
mas que no caso posicional e plantas tipo-0, não há garantias de offset
nulo em regime permanente. Fazendo-se
Hc (1)
tof f = , (2.29)
B(1)
ao menos numericamente e sem MPM ou perturbações, garante-se que

y(k) = yr (k) em regime permanente.
É importante destacar que em processos do tipo-1, o projeto
posicional é indicado, pois usufrui-se do integrador natural da planta
e evita-se uma abordagem de malha fechada que possa causar o apa-
recimento de dinâmicas tipo integradores duplos (1/s2 ), acarretando
oscilação harmônica ou ciclos-limite no valor de referência.
Controladores RST sintetizados na forma posicional podem ga-
52
rantir erro nulo em regime permanente sobre sistemas tipo-0 quando

utilizados em conjunto com estimadores paramétricos de tempo real 1 .
Por exemplo, com algoritmo de identificação online em uma topologia
de controle self-tuning (ASTROM; WITTENMARK, 2008).
• Resumo do método de projeto RST posicional:

i) Estabeleça o Hc (z −1 ) que vai impor o comportamento de M.F.;
ii) Defina Ho (z −1 ) = A(z −1 );
iii) Calcule tof f e depois T (z −1 ) = tof f Ho (z −1 );
iv) Defina a estrutura de R(z −1 ) e S(z −1 ) com base na Diophantine
a ser resolvida;
v) Resolva HM F (z −1 ) = R(z −1 )A(z −1 ) + B(z −1 )S(z −1 )z −1 .
Exemplo 2.3 Projeto de controlador RST na sı́ntese posicional para

imposição de dinâmica de segunda ordem em processo FOPDT:
• Modelo do processo:
1 B(z −1 )z −1 0.09516z −1
−−−−−→ G(z −1 ) =
ZOH
G(s) = −1
= .
s + 1 Ts =0.1s A(z ) 1 − 0.9048z −1
• Dinâmica desejada de malha fechada: caracterı́stica de segunda

ordem com ζ = 0.707 e ωn = 2rad/s:
Hc (s) −−−−−→ Hc (z −1 ),
ZOH
Ts =0.1s
s2 + 2ζωn s + ωn 2 −−−−−→ 1 − 1.7189z −1 + 0.7537z −2 .

ZOH
Ts =0.1s
• HM F (z −1 ) = Ho (z −1 )Hc (z −1 ) = 1 + h1 z −1 + h2 z −2 + h3 z −3 ;
Hc (1)
• tof f = B(1) ;
• T (z −1 ) = tof f Ho (z −1 ) = t0 + t1 z −1 ;
• A solução da equação de Diophantine envolvida neste problema
requer o aparecimento de termos até ordem três, por cause de h3 .
Considerando que nr = nHM F −1, então uma solução é R(z −1 ) =
1 Tempo real: tanto no caso de soft realtime quanto hard realtime, sendo este
último, dito verdadeiramente de tempo real.

53
1 + r1 z −1 + r2 z −2 e ns ≤ nr é ns = 0. Logo, S(z −1 ) = s0 é uma

solução;
• Resolve-se então a equação de alocação, dada por:
1 + h1 z −1 + h2 z −2 + h3 z −3 =
(1 + r1 z −1 + r2 z −2 )(1 + a1 z −1 ) + b0 s0 z −1 ,
h3
r2 = ,
a1
h2 − r2
r1 = ,
a1
r0 = 1 ,
h1 − a1 − r1
s0 = .
b0
Na Figura 17 pode-se verificar os resultados do sistema contro-

lado em relação à resposta desejada de malha fechada. Observe que
não há rejeição à perturbação de carga aplicada aos 7s de simulação, o
que confirma a ausência da ação de controle incremental nesta sı́ntese.
Além disto, destaca-se o atraso de uma amostra na saı́da controlada
quando comparada à saı́da esperada. Mais adiante no curso estuda-
remos métodos preditivos que nos permitirão eliminar esse atraso de
tempo discreto.
A reprodução da parte simulada deste exemplo pode ser feita em
MATLAB utilizando-se o código apresentado na Tabela 6.
54
Tabela 6 – Código de simulação do Exemplo 2.3: RST posicional.
% Simulacao RST posicional aplicado sobre FOPDT

% para imposicao de dinamica de 2a ordem subamortecida.
% Modelo contı́nuo
Gs = tf(1,[1 1]);
% Modelo discreto
Ts = 0.1;
Gz = c2d(Gs,Ts,’zoh’);
b0=Gz.num1(2); a1=Gz.den1(2);
% Objetivo de malha fechada Hc
wn = 2; zeta = 0.707; % coef. de amortecimento
Gmf = tf(wn^2,[1 2*zeta*wn wn^2]); Gmfz=c2d(Gmf,Ts,’zoh’);
Hc = Gmfz.den1; Ho = Gz.den1;
H = conv(Hc,Ho); h1=H(2); h2=H(3); h3=H(4);
% Sintese RST obtida na aula
r2 = h3/a1; r1 = (h2-r2)/a1; r0 = 1; s0 = (h1-a1-r1)/b0;
toff = sum(Hc)/b0; t0 = toff*1; t1 = toff*a1;
% Gerar sequencia de referencia
yr(1:10)=0; yr(11:100)=1; nit=length(yr);
% Sequencia de perturbacao de carga direto na saida
v(1:round(0.7*nit))=0; v(round(0.7*nit)+1:nit)=0.1;
% Simulacao
for k=1:3,
y(k) = 0; u(k)=0;
end
for k=4:nit,
y(k) = -a1*y(k-1) +b0*u(k-1) +v(k) +a1*v(k);
% Controlador RST projetado
u(k)=-r1*u(k-1) -r2*u(k-2) +t0*yr(k) +t1*yr(k-1) -s0*y(k);
end
% Simulaç~
ao da malha objetivo para fins de comparaç~
ao
yobj = dlsim(Gmfz.num1,Gmfz.den1,yr);
% Plotando resultados
t=0:Ts:nit*Ts-Ts;
subplot(211),
plot(t,yr,’:k’); hold; stairs(t,y,’b’); stairs(t,yobj,’r’);
legend(’y_r(t)’,’y(t)’,’y_obj(t)’,0); ylabel(’Output’);
subplot(212),
stairs(t,u,’b’); ylabel(’Control’); xlabel(’Time (s)’);
55
1.5
Output
y (t)
r
0.5
y(t)
yobj(t)
0
0 2 4 6 8 10
1.5
1
Control
0.5
0
0 2 4 6 8 10
Time (s)
Figura 17 – Resultados do sistema controlado em relação à caracte-

rı́stica dinâmica desejada de malha fechada. Destaque para o erro de
rastreamento após a perturbação de carga.
2.6.2 Controle RST incremental
A ação incremental é a versão discreta da ação integral de um

controlador de tempo contı́nuo, ou seja, é ela que garante que quando o
erro de rastreamento de referência se torna muito pequeno, este pode ser
acumulado até um valor significativo para que seja gerado um sinal de
controle que consiga mover a variável controlada ao valor de referência
desejado.
Se lembrarmos da equação do PID digital, dada por
∆u(k) = s0 e(k) + s1 e(k − 1) + s2 e(k − 2),
notamos que o operador de diferença no tempo discreto, ∆ = 1 − z −1 ,

atua diretamente sobre a saı́da do controlador, dando a ela um caráter
incremental, tal que
∆u(k) = u(k) − u(k − 1),

u(k) = u(k − 1) + ∆u(k). (2.30)
No projeto do PID digital, o aparecimento do ∆ é forçado, ou

56
seja, é uma estrutura de controlador fixa e conhecida da literatura. No

entanto, quando se projeta controladores com base na alocação de pólos
simplesmente, ou deve-se forçar o aparecimento do ∆, por exemplo,
fazendo o polinômio
R(z −1 ) = ∆,
(2.31)
R(z −1 )u(k) = T (z −1 )yr (k) − S(z −1 )y(k),
ou pode-se garantir o aparecimento do ∆ por herança do modelo de

projeto da planta.
Quando projetamos controladores baseados em modelos, a estru-
tura e a sintonia do controlador são função direta do modelo de projeto,
adquirindo complexidade e sintonia por herança. Deste modo, pode-se
então utilizar um artifı́cio matemático para garantir que uma planta
não-integradora, receba um integrador.
Considerando a aproximação Backward, 1s := ∆ 1
. Podemos en-
tão aumentar artificialmente a descrição do modelo de projeto com a
inclusão de 1s := ∆
1
no modelo de planta, tal que
1 y(k) 1 B(z −1 )z −1
= (2.32)
∆ u(k) ∆ A(z −1 )
agora conta com uma nova variável, ∆u(k). Assim, o problema de

alocação RST passa a ser resolvido para o novo sistema (2.32) e para
a sı́ntese da lei de controle ∆u(k) e não mais para u(k).
É importante ressaltar que o sistema fı́sico, existente no mundo
real, não mudou em nada. Continua sendo uma planta do tipo-0, ou
seja, sem “integrador”, mas que na nossa formulação matemática, foi au-
mentada com “integrador”, mas por uma multiplicação nos dois lados
da equação, logo não alterando o resultado final já que matematica-
mente se anulam. Além disso, o sinal que será aplicado na entrada da
planta fı́sica será o da lei de controle em (2.30). Deste modo tem-se
então um modelo de planta aumentado por
∆A(z −1 )y(k) = B(z −1 )z −1 . ∆u(k) ,
Ā(z −1 )y(k) = B(z −1 )z −1 . ∆u(k) , (2.33)
onde Ā(z −1 ) = (1 − z −1 )A(z −1 ).

O projeto de alocação muda então na equação de Diophantine,
57
que agora é função de Ā(z −1 ), ou seja,
HM F (z −1 ) = R(z −1 )∆A(z −1 ) + B(z −1 )S(z −1 )z −1 . (2.34)

(2.35)
• Resumo do método de projeto RST incremental:
i) Estabeleça o Hc (z −1 ) que vai impor o comportamento de M.F.;
ii) Defina Ho (z −1 ) = A(z −1 );
iii) Calcule tof f e depois T (z −1 ) = tof f Ho (z −1 );
iv) Defina a estrutura de R(z −1 ) e S(z −1 ) com base na Diophantine

a ser resolvida;
v) Resolva HM F (z −1 ) = R(z −1 )∆A(z −1 ) + B(z −1 )S(z −1 )z −1 .
É importante destacar que a parte observadora perma-

nece igual ao caso posicional. Ou seja, Ho (z −1 ) = A(z −1 ). As
equações de malha fechada se mantêm, mas considerando o modelo
aumentado:
B(z −1 )T (z −1 )z −1
GM F (z −1 ) = , (2.36)
Hc (z −1 )Ho (z −1 )
B(z −1 )T (z −1 )z −1 B(z −1 )T (z −1 )z −1
= . (2.37)
R(z −1 )∆A(z −1 ) + B(z −1 )S(z −1 )z −1 Hc (z −1 )Ho (z −1 )
Exemplo 2.4 Projeto de controlador RST na sı́ntese incremental para

imposição de dinâmica de segunda ordem em processo sub-amortecido:
• Modelo do processo:
G(s) ←→ G(z −1 ).
ZOH
Ts =0.1s
58
( )( )
HM F (z −1 ) = 1 + r1 z −1 1 + ā1 z −1 + ā2 z −2 + ā3 z −3
( )( )
+ b̄0 s0 + s1 z −1 + s2 z −2 z −1
= 1 + ā1 z −1 + ā2 z −2 + ā3 z −3

+r1 z −1 + r1 ā1 z −2 + r1 ā2 z −3 + r1 ā3 z −4
+b̄0 s0 z −1 + b̄0 s1 z −2 + b̄0 s2 z −3
( ) ( )
= 1 + ā1 + b̄0 s0 + r1 z −1 + ā2 + r1 ā1 + b̄0 s1 z −2
( )
+ ā3 + r1 ā2 + b̄0 s2 z −3 + (r1 ā3 ) z −4
h4 h3 − (ā3 + r1 ā2 )
r1 = ; s2 =
ā3 b̄0
h2 − (ā2 + r1 ā1 ) h1 − (ā1 + r1 )
s1 = ; s0 =
b̄0 b̄0
59
REFERÊNCIAS
ASTROM, K. J.; WITTENMARK, B. Adaptive Control. 2nd. ed.

Mineola, NY, USA: Dover Publications, 2008.
ASTROM, K. J.; WITTENMARK, B. Computer-controlled systems:

theory and design. 3rd. ed. Mineola, NY, USA: Dover Publications,
2011.
COELHO, A. A. R.; COELHO, L. d. S. Identificação de Sistemas
Dinâmicos Lineares. Florianópolis, SC, Brasil: Editora da UFSC,
2004.
FRANCA, A. A.; SILVEIRA, A. S.; COELHO, A. A. R.; GOMES,

F. J.; MEZA, C. Teaching PID tuning with IMC design for
dynamic systems using ScicosLab. IFAC Proceedings Volumes
(IFAC-PapersOnline), v. 18, p. 1–6, 2011.
FRANKLIN, G. F.; POWELL, J. D.; WORKMAN, M. L. Digital

Control of Dynamic Systems. 3rd. ed. [S.l.]: Addison-Wesley, 1997.
MORARI, M.; ZAFIRIOU, E. Robust Process Control. 1st. ed. New
Jersey, USA: Prentice Hall, 1989.
SILVEIRA, A. S.; COELHO, A. A. R. Simple process control
and Hardware-In-the-Loop setups using FOSS: Scicoslab. XVIII
Congresso Brasileiro de Automática, Bonito - MS, 2010.
SILVEIRA, A. S.; COELHO, A. A. R. Generalised minimum variance

control state-space design. Control Theory and Applications, IET,
v. 5, n. 15, p. 1709–1715, 13 2011.

Controle Digital de Sistemas

Enviado por

Dados do documento

Descrição 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

Controle Digital de Sistemas

Enviado por

Direitos autorais:

Formatos disponíveis

INSTITUTO DE TECNOLOGIA DA UFPA

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA

Prof. Antonio S. Silveira

CDS – CONTROLE DIGITAL DE SISTEMAS:

Sistemas de tempo discreto, a dados amostrados e controlados

Módulo 1: Sistemas de tempo discreto, a dados amostrados e controlados por

Módulo 2: Controladores digitais baseados em controladores analógicos. Con-

Módulo 3: Controle adaptativo auto-ajustável. Sistemas com perturbações

Módulo 4: Sistemas discretos no espaço de estados. Projeto de controladores

Módulo 5: Projeto de estimador/fusor de estados por filtro de Kalman. Con-

A avaliação dos alunos se dará por meio de atividades que serão

06/10/2016. A nota da prova corresponderá a 30% da média final,

Observação: A última atividade, An , será referente à parti-

O curso de Controle Digital de Sistemas (CDS) está organizado

de bolso, que vão desde dispositivos puramente eletrônicos a dispositivos

EXEMPLOS DE PLANTAS DIDÁTICAS “DE BOLSO”

CIRCUITO ELETRÔNICO SUB-AMORTECIDO

O circuito eletrônico sub-amortecido é um processo fácil de cons-

Figura 1 – Processo eletrônico sub-amortecido.

analógica. Os sinais de entrada e saı́da estão limitados a ±5V .

onde Kp , ξ, ωn , são, respectivamente, o ganho estático, o coeficiente de

ARDUINO-BASED ROBOT ARM JOINT

O ArduRAJ (cf. Fig. 3) é uma planta didática portátil baseada

Figura 2 – Diagrama de circuito do processo eletrônico sub-amortecido.

Figura 3 – Processo didático ArduRAJ (lacos.ufpa.br).

mecatrônico real nas tarefas de modelagem, controle e estimação, o

Figura 4 – Processo didático MTG (FRANCA et al., 2011).

O processo Motor Tacogerador (MTG), apresentado na Fig. 4,

Sistemas de tempo discreto, a dados amostrados e controlados

1.1 INTRODUÇÃO AOS SISTEMAS DE TEMPO DISCRETO

A teoria de Controle Digital estabelece toda uma nova famı́lia

permanece em “hold”, denominado perı́odo de amostragem, o processo

A transformada z é a análoga discreta da transformada de La-

Expandindo-se o somatório em (1.1) verifica-se que

F (z) = f (0) + f (Ts )z −1 + f (2Ts )z −2 + · · · + f (kTs )z −k + · · · (1.2)

e que os termos z −k nessa série indicam o instante no tempo em que a

1.3 EQUIVALENTES DISCRETOS A PARTIR DE APROXIMAÇÕES

Considere um sistema representado por um modelo de primeira

dy(t) y(kTs + 1) − y(kTs )

Figura 5 – Efeito do perı́odo de amostragem em uma aproximação

ou considerando simplesmente os instantes de tempo discretos k ∈ N,

dy(t) y(k + 1) − y(k)

A aproximação utilizada neste exemplo [cf. Eq. (1.8)] é co-

1.3.1 Aproximações tipo Forward Diﬀerence, Backward Dif-

As “aproximações”, como o próprio nome sugere, apenas aproxi-

Tabela 1 – Código de simulação da aproximação discreta com variação

u(1:1/ts)=0; u(1/ts+1:nit)=1; % Degrau de entrada

t=0:ts:nit*ts-ts; % Gera vetor de tempo com base em nit e ts

amostrada, que de fato, fornece uma função polinomial matematica-

Figura 6 – Análise gráfica de como a aproximação do sinal é feita pelos

As aproximações forward e backward são denominadas aproxi-

Na Tabela 2 são mostrados os três métodos discutidos que ma-

Tabela 2 – Mapeamento aproximado entre o plano-s e plano-z.

Esse mapeamento múltiplo do domı́nio s para o domı́nio z so-

Figura 7 – Consequências da aproximação para os casos Forward,

1.3.2 Efeitos da amostragem em sistemas obtidos por aproxi-

De uma maneira geral, os maiores problemas em controle digital,

de dinâmicas muito velozes (e.g., fenômenos eletromagnéticos), pode

1.4 APROXIMAÇÃO PELO SEGURADOR DE ORDEM ZERO

O Segurador de Ordem Zero ou Zero-Order Hold (ZOH) é o

TROM; WITTENMARK, 2011). Isto se deve ao fato deste modelo de dis-

onde Z[.] denota a Transformada z.

Exemplo 1.1 Transformada ZOH sobre um sistema genérico de pri-

u(k)= u(k-1) +s0e(k)+ s1e(k-1);