Universidade Tecnológica Federal do Paraná – Cornélio Procópio

CONTROLE
MULTIVARIÁVEL

Emerson Ravazzi Pires da Silva

Resumo
• Estimadores/Observadores de Estados
• Observador de ordem reduzida (ordem mínima);
Introdução
• Os observadores de ordem plena são projetados para recons-
truir todas as variáveis de estado;

• Na prática, algumas das variáveis de estado podem ser

precisamente medidas e não necessitam ser estimadas;

• Suponha que o vetor de estados, , seja de dimensão e que a

saída, , seja de dimensão que pode ser medida. Como as
variáveis de saída são combinações lineares das variáveis de
estado, então estados não precisam ser estimados;

• É preciso estimar apenas− variáveis de estado. O

observador de ordem reduzida se torna um observador de
ordem − . Esse observador de ordem − é um observador
de ordem mínima;
A figura mostra o diagrama de blocos de um sistema com um
observador de estados de ordem mínima.

Sistema
físico
(real)
Modelo
matemático
(simulado)

Observador de
malha fechada

É importante notar, contudo, que se a medida das variáveis de

saída envolve ruídos significativos e é relativamente imprecisa,
então o uso de observadores de ordem plena poderá resultar em
um desempenho melhor.
Observador de estado: ordem reduzida
Considere a representação no espaço de estados
x  Ax  Bu ,
y  Cx,

com , , , , e de dimensões adequadas.

Sendo que o vetor de estado, , pode ser dividido em duas

partes: (vetor de dimensão × 1 – número de saídas) e
(vetor de dimensão ( − ) × 1).

A variável de estado é igual à saída e, portanto, pode ser

diretamente medida, enquanto é a porção não mensurável do
vetor de estados.
Desse modo, a equação de estado particionado e a de saída
resultam em:
 xm   Amm Amo   xm   Bm 
 x    A      u
Matriz identidade –
 o   om Aoo   xo   Bo 
estados medidos
 xm 
y   I p 0   
 xo 
∈ℝ × ; ∈ ℝ ×( ) ; ∈ ℝ( )× ; ∈ ℝ( )×( ) .
A equação da porção mensurável do estado resulta em:
xm  Amm xm  Amo xo  Bmu
Termos não
ou xm  Amm xm  Bmu  Amo xo mensuráveis

Termos que podem ser y  Cx

medidos – conhecidos

Essa equação age como a equação de saída. Analogia entre as

duas equações
A equação da porção não mensurável do estado resulta em:
Termos que podem
xo  Aom xm  Aoo xo  Bo u ser medidos –
ou conhecidos

xo  Aoo xo   Aom xm  Bo u 

Analogia entre as
Termos não mensuráveis
x  Ax  Bu duas equações

Essa equação descreve as dinâmicas da porção não mensurável

do estado.

Com base nas analogias entre as equações, o procedimento de

projeto do observador de ordem reduzida pode ser simplificado
utilizando a técnica de projeto desenvolvida para o observador de
ordem plena.
Comparando as equações de estado do observador de ordem
plena com a do observador de ordem reduzida, temos:

Eq. ordem reduzida xo  Aoo xo   Aom xm  Bo u 

Eq. Ordem plena x  Ax  Bu

Comparando as equações de saída, temos:

Eq. ordem reduzida xm  Amm xm  Bmu  Amo xo

Eq. Ordem plena y  Cx

A próxima tabela mostra uma relação entre os observadores de

ordem plena e ordem reduzida.
• Tabela de relação:

Observador de estado de Observador de estado de

ordem plena ordem reduzida

+
̇ − −

(matriz × ) (matriz ( − ) × )
Assim, o projeto do observador de ordem reduzida pode ser
conduzido como:

1. A equação do observador de ordem plena é dada por:

x   A  LC  x  Bu  Ly

2. Realizando as substituições via Tabela anterior, temos:

xo   Aoo  LAmo  xo  Aom xm  Bo u  L  xm  Amm xm  Bmu 

Note que, para estimar é necessário diferenciar . Isso repre-

senta uma dificuldade, pois a diferenciação amplifica ruídos. Se
= for ruidoso, o uso de ̇ será inaceitável.
Em “OGATA, Katsuhiko. Engenharia de Controle Moderno. 5. ed.
Pearson, 2011” é apresentada uma técnica, denominada de
transformação, para eliminar ̇ , não discutida aqui.
Desse modo, considerando = , a equação anterior pode ser
reescrita definindo o observador de ordem reduzida:

xo   Aoo  LAmo  xo   Aom  LAmm  y  Ly   Bo  LBm  u

A próxima figura mostra o diagrama de blocos de um sistema

com um observador de estados de ordem mínima com mais
detalhes.

Considere:
H   Aoo  LAmo  ;
G   Aom  LAmm  ;
L  L;
F   Bo  LBm  ;
Diagrama de blocos de um observador de estados de ordem
mínima com mais detalhes.

Sistema
físico
(real)

Modelo
matemático
(simulado)

Observador de malha fechada, ganho .

A equação do erro do observador é dada substituindo a equação

xm  Amm xm  Bmu  Amo xo

na equação

xo   Aoo  LAmo  xo  Aom xm  Bo u  L  xm  Amm xm  Bmu 

e, obtendo
xo   Aoo  LAmo  xo  Aom xm  Bou  L  Amo xo 

Subtraindo a equação anterior da equação

xo  Aom xm  Aoo xo  Bo u

chega-se em
xo  xo   Aoo  LAmo  xo  xo 
Definindo o erro como
e  xo  xo
resulta em
e   Aoo  LAmo  e
Esta é a equação do erro do observador de ordem reduzida (de
dimensão − ).

O projeto do observador de ordem reduzida pode ser realizado

utilizando as técnicas para o observador de ordem plena, desde
que o par ( , ) seja completamente observável.
 Amo 
A A 
Essa condição é sempre verificada se o par ( , )  mo oo 
for completamente observável e se tiver posto . or   Amo Aoo2 
 
Condição de observabilidade completa   
aplicada ao observador de ordem reduzida.  Amo Aoon 1 
Projeto do ganho : Caso SISO
Dentre as técnicas já apresentadas para a alocação de polos,
utiliza-se para o projeto: A fórmula de Ackermann.

Exemplo 1: Considere o sistema SISO com três estados

 0 1 0 0
   
A 0 0 1  , B   0  , C  1 0 0  ;
 6 11 6  1
   
Projete um observador de estados de ordem reduzida. Os polos
de malha fechada desejados da matriz do observador são =
− 10 e = −10. Como existe uma saída sendo medida ( = ),
o projeto torna-se de segunda ordem. Por isso, a escolha de
somente 2 polos de malha fechada.
Solução: É suposto que a saída possa ser medida precisamen-
te, tal que a variável de estado (que é igual a ) não precisa
ser estimada.

1º passo. Realizar o particionamento da equação de estado e da

equação de saída entre os termos mensuráveis e não
mensuráveis.

 x1  0 1 0
 xm     Amm Amo   ,
x      x2  , A  0 0 1

 xo   x   Aom Aoo   
 3  6 11 6 
0 
B
 m  
B     0  , C   I p 0   1 0 0
 Bo  1 
 
2º passo. Verifique se o sistema é observável. Neste caso sim,
pois = 1. A matriz de observabilidade é

 Amo  1 0 
or     
A A
 mo oo   0 1 
3º passo. Determine o polinômio característico dos polos deseja-
dos
  s    s  10  s  10   s 2  20 s  100

4º passo. Estabeleça o polinômio característico no domínio da

matriz dinâmica , i.e., 2
2  0 1   0 1 1 0
  Aoo   Aoo  20 Aoo  100 I     20    100  
  11  6    11  6   0 1 
 89 14 
  Aoo     Sendo a matriz identidade
  154 5  de ordem adequada
5º passo. Substitua as informações anteriores na equação de
Ackermann. Se o sistema for não observável, não existe
a inversa da matriz de observabilidade.
Observe que a
fórmula de
1 Ackermann foi
 Amo  0  modificada para o
A A  0  projeto de do
 mo oo    observador de
L    Aoo   Amo Aoo2    ordem reduzida.
   
   0 
 Amo Aoon 1  1 
1
 89 14  1 0  0  14 
L      L 
 154 5  0 1  1  5

A obtenção de por outras técnicas gera o mesmo resultado

(caso SISO).
A equação do observador de estado de ordem reduzida é dado
por:

xo   Aoo  LAmo  xo   Aom  LAmm  y  Ly   Bo  LBm  u

 x2    0 1  14    x2    0  14  

        1 0            0  y 
 x3  
 11 6   5    x3    6   5  
 s 10
polos  1
 s2 10

14    0  14  
   y         0  u
5  1   5  

O projeto do observador atua somente no erro (estabiliza o erro).

Caso o sistema seja instável, os estados tendem ao infinito,
porém o erro converge para zero.
Exemplo 2: Considere o sistema SISO com três estados

 0 1 0  0
   
A 0 0 1  , B   1  , C   0 1 0 ;
 32 24 10   8 
   
Projete um observador de estados de ordem reduzida. Os polos
de malha fechada desejados são = −11 e = −12.

Como existe uma saída sendo medida ( = ), o projeto torna-se

de segunda ordem. Por isso, a escolha de somente 2 polos de
malha fechada.

Ainda, neste caso, como está sendo mensurável, é preciso

rearranjar o sistema para que fique na porção mensurável do
estado.
Solução: Assim, o sistema anterior se torna:

 x2   0 0 1   x2   1   x2 
        
x
 1   1 0 0 x 
 1   0 u , y  1 0 0   x1 
 x   24 32 10   x   8  x 
 3   3     3
Observe que o sistema rearranjado é igual ao sistema anterior.
1º passo. Realizar o particionamento da equação de estado e da
equação de saída entre os termos mensuráveis e não
mensuráveis.
 x2   0 0 1 
 xm     Amm Amo  
x      x1  , A   1 0 0  ,

 xo   x   Aom Aoo   24 32 10 
 3  
1
 Bm   
B      0 , C   I p 0   1 0 0
 Bo   8
 
2º passo. Verifique se o sistema é observável. Neste caso sim,
pois = 32. A matriz de observabilidade é

 Amo   0 1 
or     
A A
 mo oo   32 10 
3º passo. Determine o polinômio característico dos polos deseja-
dos
  s    s  11 s  12   s 2  23s  132

4º passo. Estabeleça o polinômio característico no domínio da

matriz dinâmica , i.e., 2
2  0 0   0 0  1 0
  Aoo   Aoo  23 Aoo  132 I     23    132  
 32 10   32  10   0 1 
 132 0 
  Aoo     Sendo a matriz identidade
 416 2  de ordem adequada
5º passo. Substitua as informações anteriores na equação de
Ackermann. Se o sistema for não observável, não existe
a inversa da matriz de observabilidade.
Observe que a
fórmula de
1 Ackermann foi
 Amo  0  modificada para o
A A  0  projeto de do
 mo oo    observador de
L    Aoo   Amo Aoo2    ordem reduzida.
   
   0 
 Amo Aoon 1  1 
1
 132 0   0 1  0   4,125
L      L 
 41 6 2  32 10 1
    1 3 

A obtenção de por outras técnicas gera o mesmo resultado

(caso SISO).
A equação do observador de estado de ordem reduzida é dado
por:

xo   Aoo  LAmo  xo   Aom  LAmm  y  Ly   Bo  LBm  u

 x1    0 0   4,125   x1    1   4,125 

         0 1   x          0  y 
 x3  
 32 10   13    3    24   13  
 s 11
polos  1
 s2 12

 4,125   0   4,125 
  y        1  u
 13    8  13  

O projeto do observador atua somente no erro (estabiliza o erro).

Caso o sistema seja instável, os estados tendem ao infinito,
porém o erro converge para zero.
Exercício 1: Para o sistema SISO

 8 1 0  0
   
A   17 0 1  , B   1  , C   0 1 0 
 10 0 0   4
   
Projete um observador de estados de ordem reduzida. Os polos
desejados são , = −10 ± 2 . Resp.: = 0,0635 13,0794 .

Exercício 2: Para o sistema SISO

 24 1 0  0
   
A   19 0 1  , B   1  , C   0 0 1
 50 0 0  6
   
Projete um observador de estados de ordem reduzida. Os polos
desejados são , = −20 ± 3 . Resp.: = −0,32 − 7,8 .
Projeto do ganho : Caso MIMO
Dentre as técnicas já apresentadas para a alocação de polos, utiliza-se
para o projeto: Equação de Lyapunov.

• Considere um sistema de dimensão e saídas com ( ∈ ℝ × , ∈

ℝ × ) observável e de posto . O objetivo é projetar ∈ ℝ( )× ,
tal que − tenha os autovalores desejados (desde que não
coincidam com nenhum dos autovalores de ∈ ℝ( )×( ) ).
O algoritmo foi modificado para o projeto de de ordem reduzida.

• Algoritmo
1) Escolha uma matriz qualquer ∈ ℝ( )×( ) com os polos
desejados (diferentes dos autovalores de );
2) Escolha uma matriz qualquer ∈ ℝ( )× , tal que ( , ) seja
controlável;
3) Resolva a equação de Lyapunov, isto é, encontre a matriz (única)
∈ ℝ( )×( ) para: − = .( ∈ ℝ ×( ) )
4) O ganho do observador é dado por = .
• Se é não singular, então − possui os mesmos
autovalores de . Se for singular, escolha outra matriz
ou outra matriz e repita o algoritmo.

• Possíveis escolhas de e :
Se for desejado alocar 5 autovalores ( = 5) dados por , ±
e ± , pode ser dado por:
Forma diagonal
 1 0 0 0 0  (modal)
 
0 1 1 0 0 
AMF  0  1 1 0 0 
  Nos dois casos, o
0 0 0 2 2  par ( , ) será
0 0 0 2  2 
controlável.

Com acima,
T T
pode ser  1 1 0 0 0   0 0 1 0 0 
dada por: BP    ou BP   
 0 0 0 1 0   1 0 0 1 0 
Exemplo 3: Considere o sistema MIMO com quatro estados
0 1 0 0 0 0
   
 0 0 1 0  0 0 0 1 0 0
A , B , C   ;
0 0 0 1 0 0 0 0 0 1
   
 3 5 7 9  4 2

Projete um observador de estados de ordem reduzida. Os polos

de malha fechada desejados são = −8 e = −10.
Como existe duas saídas sendo medidas, = ( ), o projeto
torna-se de segunda ordem. Por isso, a escolha de somente 2
polos de malha fechada.

Ainda, neste caso, como e estão sendo mensuráveis, é

preciso rearranjar o sistema para que estes estados fiquem na
porção mensurável do estado.
Solução: Assim, o sistema anterior se torna:

 x2   0 0 0 1   x2   0 0  x2 
    x     
x
 4  5  9  3 7  4    4 2   u1   1 0 0 0   x4 
  , y  x 
 x1   1 0 0 0   x1   0 0   u2   0 1 0 0  1
        

 x3   0 1 0 0   x3   0 0  x3 

Observe que o sistema rearranjado é igual ao sistema anterior.

1º passo. Realizar o particionamento da equação de estado e da
equação de saída entre os termos mensuráveis e não
mensuráveis.
 x2  0 0 0 1
 xm   x4   Amm Amo   5 9 3 7 
x       , A   ,

 xo   x1   Aom Aoo   1 0 0 0
   
x
 3 0 1 0 0
0 0
 Bm   4 2  1 0 0 0
B    , C   I p 0   
 Bo   0 0  0 1 0 0 
 
 0 0 
O par ( , ) é observável e tem posto , logo, pode ser
projetado. Ainda, note que o par ( , ) também é observável.
 −8 0
2º passo. = , autovalores desejados e diferentes
0 −10
de .

1 0
3º passo. = ,( , ) é controlável:
0 1
1 0 8 0 
   BP AMF BP    
 0 1 0  10 
3º passo. Resolva a equação de Lyapunov, − =
.
 l1 l2   0 0   8 0   l1 l2   1 0   0 1 
        
l l
 3 4  0 0   0  10 l l
 3 4   0 1  3  7 
 0 0   8l1 8l2   0 1 
    10l 10l    
 0 0   3 4   3 7 
 8l1 8l2   0 1 
  
10
 3 l 10 l 4  3 7 
 l1 l2   0 1/ 8 
P 
 l3 l4   3 /10 7 /10 
4º passo. = .

1  18, 67 3,33   1 0   18, 67 3,33 

L  P BP     
 8 0  0 1   8 0 
A equação do observador de estado de ordem reduzida é dado
por:
xo   Aoo  LAmo  xo   Aom  LAmm  y  Ly   Bo  LBm  u

 x1    0 0   18, 67 3,33  0 1    x1 

            
 x3   0   3 7    x3 
 0 0   8  
 s 8
polos  1
 s2 10
 1 0   18, 67 3,33  0 0  
      y
 0 1   8 0   5 9  
 18, 67 3,33  0 0   18, 67 3,33  0 0  
  y         u
 8 0   0 0   8 0  4 2 

Observe que são várias as possibilidades de escolha dos ganhos

de para alocar os polos na posição desejada (caso MIMO).
Exercício 3: Considere o sistema MIMO com quatro estados,
 0 1 0 0 0 0 
   
 20, 601 0 0 0  1 0  0 1 0 0
A , B , C   ;
 0 0 0 1 0 0  0 0 1 0
   
 0, 4905 0 0 0  0 0,5 

Projete um observador de estados de ordem reduzida. Os polos

de malha fechada desejados são , = −20 ± 5 .
Como existe duas saídas sendo medidas, = ( ), o projeto
torna-se de segunda ordem. Por isso, a escolha de somente 2
polos de malha fechada.

Resposta: Uma possível solução para é:

 0,9708 5 
L 
 0, 2189 20 
Referências
 Bibliografia básica (plano de ensino)

 Bibliografia complementar (plano de ensino)

 SKOGESTAD, Sigurd; POSTLETHWAITE, Ian. Multivariable

feedback control: analysis and design. 2nd ed. Chichester: J. Wiley &
Sons, c2005. xiv, 574 p.

 E. Castelan. Controle Multivariável – DAS 5131,DAS-CTC-UFSC,

Maio de 2002.

 H. B. Silveira. Controle Multivariável – DAS 5131,DAS-CTC-UFSC,

2017.

 M. F. Miranda. Controle Multivariável, 30 de Maio de 2005.