Escolar Documentos
Profissional Documentos
Cultura Documentos
1
1 Malhas de controle: A necessidade de controle
em processos. Exemplos. Controle manual e
automático. Elementos da malha de controle.
1.1 Introdução
Um processo químico é um conjunto de operações ordenadas em que se procede a
transformação de matérias-primas em produtos através de mudanças químicas, físicas,
mecânicas ou térmicas (Figura 1.1).
Entre as operações que envolvem transformações físicas nos processos químicos pode-se
citar:
2
Figura 1.2 Representação do tanque de aquecimento.
Fhi e Fho são, respectivamente, as vazões mássicas de entrada e saída do fluido quente; Thi e
Tho são, respectivamente, as temperaturas de entrada e saída do fluido quente; Fci , Fco , Tci e
Tco são as mesmas propriedades do fluido frio. No projeto desse aquecedor, o cenário pode
ser o seguinte: conhecem-se a vazão e temperatura do fluido que deve ser aquecido ( Fci e Tci )
e a temperatura do fluido quente disponível ( Thi ) e queremos calcular as dimensões do
aquecedor (área de troca de calor A ) e a vazão do fluido quente necessária ( Fho ) para que o
fluido que está sendo aquecido saia a uma determinada temperatura. É claro que, como
conseqüência desse cálculo, teremos também as vazões de saída dos dois fluidos e a
temperatura de saída do fluido de aquecimento. Para fazer esse cálculo, podemos considerar
simplificativamente as seguintes equações:
em que Cpc e Cph são os calores específicos dos fluidos frio e quente, respectivamente.
Balanço de energia no fluido frio (admitindo que o fluido frio tem temperatura
uniforme dentro do vaso)
T + Tho
FciC pcTci − Fco C pcTco + UA hi − Tco = 0 (1.2)
2
3
Balanço de massa do lado do fluido quente
Especificação da diferença mínima entre as temperaturas dos fluidos quente e frio na saída da
serpentina
Como o coeficiente U pode ser calculado desde que as propriedades dos fluidos sejam
conhecidas, a solução das equações 1.1 a 1.5 resulta na área de troca A e na vazão de fluido
quente necessárias para o serviço.
Por exemplo, consideremos que em uma refinaria temos um tanque de aquecimento de óleo
combustível que entra a 120°C e deve sair a 150°C para poder ser queimado
convenientemente nos fornos de petróleo. A vazão de óleo combustível é 32890 kg/h. O calor
específico do óleo combustível é Cpc = 0,63 kcal/kg.°C. Para aquecer esse combustível
podemos usar uma corrente de óleo lubrificante que está disponível à temperatura de 230°C.
O calor específico do óleo lubrificante é C ph = 0,58 kcal/kg.°C. Para o projeto do aquecedor,
vamos considerar que o coeficiente de troca de calor global é U = 140 kcal/h.m2.°C e a
temperatura de saída do óleo lubrificante seja 10°C maior que a temperatura de saída do óleo
combustível ( ∆Tmin = 10 °C). Portanto, no projeto do tanque de aquecimento, a área de troca
de calor pode ser calculada a partir da solução das equações 1.1 a 1.5:
ou seja
Fc = 32890 kg/h
a ser determinado, Tci = 120 °C, Tco = 150 °C e Thi = 230 °C. Além disso, da equação 1.5,
Tho = 160 °C.
Fh = 15311 kg/h
4
Finalmente, podemos usar a equação 1.2 para determinar a área de troca de calor
230 + 160
32890(0,63)(120) − 32890(0,63)(150) + 140A − 150 = 0
2
A = 98,7 m2
Uma vez realizado o projeto do aquecedor, pressupõe-se que a área de troca não vai mais se
alterar ao longo da vida do equipamento. Para análise do controle do aquecedor, podemos
também admitir que os fluidos quente e frio serão sempre os mesmos e o coeficiente global de
troca de calor também se manterá praticamente constante. Assim, se as vazões e temperaturas
de entrada dos fluidos se mantiverem constantes nos valores do projeto, as temperaturas de
saída se manterão também constantes nos valores correspondentes ao estado estacionário
considerado no projeto. Entretanto, na operação diária do aquecedor, algumas variáveis
consideradas constantes no projeto poderão se alterar para valores diferentes dos considerados
no projeto. Por exemplo, a temperatura de entrada do óleo combustível poderá se alterar, se o
óleo for alimentado de um tanque diferente. Analogamente, a vazão do óleo combustível
poderá se alterar se o aquecedor tiver que alimentar um forno de capacidade maior. As
mesmas considerações podem ser feitas para a vazão e temperatura do óleo lubrificante.
Uma vez conhecidos os valores de Fc Tci , Fh , e Thi , podemos calcular Tco e Tho através das
equações 1.1 e 1.2 que podem ser escritas da seguinte forma:
5
Observe que a condição definida na equação 1.5, não aparece em 1.8, ou seja, essa condição
não é necessariamente respeitada se o sistema está sujeito a distúrbios. A Tabela 1.1 mostra os
efeitos de variações em cada uma das entradas nas saídas do aquecedor de óleo combustível.
Vemos que o estado estacionário que é atingido pelo sistema depende dos valores dos
distúrbios, e a especificação de Tco = 150 °C não é respeitada se as condições de projeto não
forem mantidas. Portanto, temos que montar uma estratégia para tentar manter Tco no valor
desejado se isso for necessário.
Observando a Tabela 1.1, vemos que, se pudermos manipular uma das entradas, poderemos
tentar compensar o efeito de uma alteração indesejada nas outras entradas sobre a temperatura
de saída do óleo combustível. Por exemplo, se a vazão do fluido quente ( Fh ) puder ser
manipulada, poderemos alterar essa entrada para compensar o efeito das outras entradas na
temperatura de saída do óleo combustível. A Tabela 1.2 mostra os novos estados estacionários
onde Fh é manipulada para compensar os efeitos dos outros distúrbios na temperatura de saída
do óleo.
Portanto, podemos manter a temperatura de saída do fluido frio ( Tco ) no estado estacionário
desejado alterando a vazão do fluido de aquecimento. Isso significa que podemos controlar a
temperatura de saída do óleo combustível que é enviado para o forno de petróleo manipulando
a vazão de óleo lubrificante para o aquecedor. Nessa estratégia de controle, a variável
controlada é Tco e a variável manipulada é Fh . Entretanto, as equações 1.6 são válidas apenas
para o estado estacionário e a experiência nos mostra que na operação continua de processos
químicos, o tempo é uma variável importante, ou seja, o comportamento das variáveis do
processo ao longo do tempo também é importante. Isso porque os distúrbios afetam o
processo continuamente ao longo do tempo e temos que manter a variável controlada o mais
próximo possível do valor desejado em todos os instantes de tempo.
De nada nos adianta essa estratégia de controle, se ao longo do tempo, a variável controlada
se afastar muito do valor desejado, mesmo que no final ela convirja para o estado estacionário
6
desejado. Assim, para ter certeza que uma estratégia de controle vai funcionar
adequadamente, temos que analisar o comportamento dela ao longo do tempo. Para tal, temos
que utilizar um modelo dinâmico do processo, ou seja, um modelo que inclua o tempo como
variável independente.
dTco T + Tho
M cC pc = FcC pcTci − Fc C pcTco + UA hi − Tc
dt 2
(1.9)
dT T + Tho
M h C ph ho = Fh C ph Thi − Fh C ph Tho − UA hi − Tc
dt 2
ou
dTco UA UA
M cC pc = −(FcC pc + UA )Tco + FcC pcTci + Thi + Tho
dt 2 2
(1.10)
dT UA UA
M h C ph ho = UATc + Fh C ph − Thi − Fh C ph + Tho
dt 2 2
7
(a)
(b)
Figura 1.4 Respostas do aquecedor para distúrbio em Fh (cenário 1). (a) Temperatura de saída
do fluido frio; (b) temperatura de saída do fluido quente.
Na Figura 1.5, são comparadas as respostas de Tco para variações em Thi (cenário 2), Fc
(cenário 3) e Tci (cenário 4) com as mesmas variações e as compensações na vazão do fluido
8
quente Fh conforme definido na Tabela 1.2. Vemos que essa estratégia é eficiente para
recuperar o valor Tco do estado estacionário desejado em todos os casos. Assim, podemos
considerar uma estratégia de controle da temperatura de saída do óleo combustível onde os
efeitos de variações na temperatura de entrada e vazão do óleo combustível, bem como na
temperatura de entrada do fluido de aquecimento (óleo lubrificante) são compensadas pela
variação da vazão do fluido de aquecimento.
(a)
9
(b)
(c)
Figura 1.5 Respostas do aquecedor para distúrbio. (a) em Thi (cenário 2); (b) Fc (cenário 3);
(c) Tci (cenário 4). Sem manipulação (linhas azuis) e com manipulação (linhas verdes) de Fh
(cenários 5, 6 e 7).
10
Observação
Em princípio, poderíamos escolher qualquer das entradas do aquecedor para ser a variável
manipulada da malha de controle da temperatura do óleo combustível. Essa decisão tem que
ser tomada na fase de projeto do sistema de aquecimento do óleo. No caso do aquecedor de
óleo, manipular a temperatura de entrada do óleo Tci não faz sentido porque a função do
aquecedor é justamente essa. Manipular a temperatura do fluído quente poderia ser analisada,
mas nos parece uma alternativa complexa, pois teríamos que incluir no sistema um outro
aquecedor ou resfriador. A manipulação da vazão do óleo que está sendo aquecido também
pode ser questionada, pois a vazão do óleo é definida pela carga térmica requerida pelo forno
de petróleo. Assim, a manipulação da vazão do fluído quente parece ser a melhor alternativa
para essa malha de controle.
11
No estado estacionário para o qual o reator é projetado temos as seguintes vazões de entrada
FA = 150 l/h e FB = 200 l/h, com as seguintes concentrações c Ai = 0,3 mol/l e c Bi = 0,1
mol/l. O reator deve operar à temperatura T = 367 K e o volume deve ser tal que na saída do
reator tenhamos c A ≤ 0,1 mol/l.
Admitindo que todas as correntes têm a mesma densidade, as equações que definem o estado
estacionário do reator são as seguintes:
F = FA + FB (1.11)
FA c Ai − Fc A − k1c A V + k 2c B V = 0 (1.12)
O projeto desse reator consiste basicamente em escolher o volume V tal que a concentração
c A fique abaixo de 0,1 mol/l. Podemos resolver o problema do projeto do reator
iterativamente adotando o valor de V e resolvendo as equações 1.13 e 1.15 para calcular c A
e c B . A Figura 1.7 mostra a concentração c A em função do volume V .
12
Figura 1.7 Concentração c A em função do volume V .
Para estudar essa malha de controle, podemos escrever o seguinte modelo dinâmico:
dc A
V = FA c Ai − Fc A − k1c A V + k 2c BV (1.16)
dt
dc B
V = FBc Bi − Fc B + k1c A V − k 2c B V (1.17)
dt
Por exemplo, resolvendo o modelo definido pelas equações 1.16 e 1.17 partindo do estado
estacionário para um distúrbio na concentração de entrada de A que passa para c Ai = 0,6 mol/l
obtemos a resposta representada na Figura 1.8 com FA mantido em 150 l/h. Observando essa
13
resposta vemos que c A ultrapassa o valor limite de 0,1 mol/l e, portanto, o produto fica fora
de especificação.
Podemos agora tentar usar a vazão de entrada FA da corrente rica em A para compensar o
efeito das outras entradas. A Figura 1.9 mostra o comportamento de c A quando a partir do
instante t = 3 h, FA é reduzido para 120 l/h. Vemos que a concentração tende a voltar para
valores abaixo do limite e o produto fica novamente dentro da especificação.
14
Figura 1.9 Resposta do reator para distúrbio em c Ai e com FA reduzido para 120 l/h em
t = 3 h.
Com esses dois exemplos, vimos que para alcançar os objetivos básicos da operação de um
processo químico, faz-se necessário monitorar e ser hábil em induzir mudanças em certa
variáveis chaves do processo que estão relacionadas à segurança, taxas de produção e
qualidade dos produtos.
Sensor: É o instrumento que mede a variável que queremos controlar. No caso do controle da
temperatura do óleo, esse sensor poderia ser um termopar, ou qualquer outro termômetro que
possa gerar um sinal proporcional ao valor da temperatura.
15
Elemento final de controle: É um equipamento capaz de alterar o valor da variável
escolhida para ser manipulada. Na grande maioria das malhas de controle implantadas em
processos químicos, o elemento final de controle é uma válvula de controle, cujo
funcionamento será explicado ao longo deste texto.
16
Quanto às variáveis
1. Variáveis de entrada
Variáveis manipuladas (ou ajustáveis) - se seus valores podem ser ajustados livremente pelo
operador ou por um sistema de controle.
Distúrbios (ou carga)- se seus valores não são resultantes de ajuste pelo operador ou por um
sistema de controle.
2. Variáveis de saída
Variáveis de saída medidas - se seus valores são conhecidos pela medição direta das mesmas.
Variáveis de saída não medidas - se seus valores não são ou não podem ser medidos
diretamente.
3. Restrições
Estrutura de controle feedback - usa medidas diretas das variáveis controladas (medidas
primárias) para ajustar os valores das variáveis manipuladas. O objetivo é manter as variáveis
controladas em seus valores desejados (setpoints). Essa estrutura está mostrada na Figura
1.11.
17
Figura 1.11 Estrutura geral de controle feedback.
Estrutura de controle feedforward - usa medidas diretas das perturbações para ajustar os
valores das variáveis manipuladas. O objetivo aqui é manter os valores das variáveis de saída
controladas nos níveis desejados. Essa estrutura está mostrada na Figura 1.12.
19
desvio permanente pode ser tolerado, da rapidez da resposta do sistema e do valor do ganho
que pode ser provido pelo controlador sem acarretar a instabilidade do sistema.
Figura 1.14 Resposta ao degrau para uma variação na carga (controle proporcional).
O sistema de controle proporcional pode ser melhorado sensivelmente pela adição do controle
integral. Nesse caso, o controlador é instruído a acrescentar à correção da vazão de óleo
lubrificante uma parcela proporcional à integração, relativa ao tempo, do erro. Em termos
quantitativos, a função vazão de fluido quente segue a relação
Kc t
Fh ( t ) = Fhs + K c (Tc,sp − Tco ) + ∫ (T c , sp − Tco )dt (1.19)
τI 0
A Figura 1.15 mostra a resposta do óleo combustível a uma perturbação degrau de 2°C na
temperatura do óleo lubrificante para os mesmos três valores do ganho proporcional K c e a
constante de tempo integral τ I igual a 3,33. Pode-se ver que a temperatura do óleo
combustível tende ao valor desejado de 150°C. Portanto, o controlador proporcional integral
elimina o desvio permanente. Esta é uma característica da ação integral.
20
Figura 1.15 Resposta ao degrau para uma variação na carga (controle proporcional integral).
21
Exercícios
1.1 Considere o processo de mistura mostrado na Figura 1.16 e suponha que se deseja medir a
concentração na saída do tanque. Para tal, um elemento de medida é posicionado
imediatamente após o tanque e um outro é posicionado a 10 m em relação ao primeiro.
A solução leva 1 min do instante em que deixa o tanque até alcançar o elemento de medida
posicionado a 10 m do tanque. Esse tempo é conhecido como tempo morto. Para fins de
controle, qual dos dois elementos de medida é mais recomendado para controlar a
concentração de sal no tanque, supondo que a concentração de alimentação c i possa ser
ajustada livremente? Considere uma variação degrau na concentração de alimentação de 19
para 20 g/L.
Solução
d (Vc)
= Fc i − Fc (1)
dt
dc
V = Fc i − Fc (2)
dt
22
dc F F
= ci − c (3)
dt V V
(a)
23
(b)
Figura 1.17 Resposta ao degrau para uma variação de 1 g/L na concentração de alimentação.
(a) Leitura do primeiro elemento de medida; (b) leitura do segundo elemento de medida.
O primeiro elemento de medida já acusa que a concentração de sal no tanque começa a variar,
enquanto que o segundo só vai acusar a partir de 1 min. Assim, qualquer ação de controle em
tentar corrigir c usando c i é mais rápida usando o primeiro medidor do que o segundo.
1.2 Considere um sistema de mistura em linha, onde duas correntes líquidas (1 e 2) são
misturadas e pretende-se que a corrente 3 tenha uma determinada propriedade controlada.
24
Que equações de balanços seriam usadas para se analisar os seguintes casos:
a) Pretende-se controlar T3 .
b) Pretende-se controlar c A 3 .
c) Pretende-se controlar F3 .
Para cada um dos casos acima, quais seriam os possíveis distúrbios e qual a variável
manipulada?
1.3 Repita o exercício anterior, considerando que a mistura é feita em um tanque bem agitado
e a propriedade controlada é medida na saída do tanque.
1.4 Um vaso de armazenamento de líquido pode ser representado pelo seguinte esquema:
1.5 Em uma planta industrial, encontramos as seguintes malhas de controle onde um líquido
escoa de uma pressão P1 para a atmosfera. Intermediariamente, uma parte desse líquido é
direcionada para um outro processo.
F1 = x 1 k 1 P1 − P2
F = x 2 k 2 P2 − Patm
em que:
x1 e x 2 abertura das válvulas
k1 e k 2 constantes
26
Figura 1.22 Tambor de flash.
a) Faça uma análise do modelo desse sistema para verificar quantas malhas de controle podem
ser implantadas nesse sistema.
b) Proponha um conjunto de malhas para controlar.
Usando essa informação, derive uma lei de controle que dadas as medidas de F, Ti , e
conhecendo o valor desejado Tsetpo int ajuste o valor de Fg . Enumere os possíveis problemas
dessa lei de controle.
1.8 Um tanque com seção transversal de 1,5 m2 armazena líquido que no estado estacionário
tem vazão de entrada e saída igual a 0,05 m3/h para um nível de líquido igual a 3 m.
F = Fs + K c (h − h s )
Derive a resposta do sistema quando ocorre uma variação brusca em Fi de 0,05 para 0,075
m3/h. Apresente um gráfico com a resposta de h . Para que valor o nível tende no novo estado
estacionário?
28
Figura 1.24 Coluna de destilação.
Para cada uma das malhas de controle, analise as variáveis controladas e manipuladas.
Discuta a funcionalidade de cada malha individualmente.
Analise o comportamento global desse conjunto de malhas. Explique porque o sistema de
controle não vai funcionar.
29
Pretende-se controlar a temperatura de saída do produto e a vazão total de produto Fh . A
vazão do refrigerante é mantida no valor máximo e não pode ser manipulada. Mostre
esquematicamente as duas malhas de controle indicando quais válvulas serão usadas.
Enumere os distúrbios de cada malha.
Os modelos matemáticos são úteis na análise e controle de processos pelos seguintes motivos:
Treinamento dos operadores - os operadores podem ser treinados para operar um processo
complexo e lidar com situações de emergência usando um simulador de processo.
30
Projeto da estratégia de controle de um novo processo - um modelo de processo
permite avaliar diferentes estratégias de controle, por exemplo, na seleção das variáveis a
serem medidas (controladas) e aquelas a serem manipuladas.
Escolha dos ajustes do controlador - um modelo dinâmico do processo pode ser usado
para obter os ajustes apropriados do controlador, por meio de simulação em computador ou
análise direta do modelo dinâmico.
xɺ = f (x, u, d) (2.1)
y = h( x, u) (2.2)
acumulo de G dentro
do volume de controle
= [vazão de G para dentro] − [vazão de G para fora ] (2.3)
periodo
+ [taxa de geração de G ] − [taxa de consumo de G ]
A variável G pode ser a massa total, a massa de um componente individual, a energia total e
a quantidade de movimento.
Para ilustrar a montagem de modelos dinâmicos, considere o sistema da Figura 2.1, onde o
contorno que define o sistema é fixo (velocidade nula) e as propriedades do sistema são
uniformes.
d(ρV ) N M
= ∑ ρ i Fi − ∑ ρ j Fj (2.4)
dt i =1 j=1
32
Balanço de massa do componente A
d (c A V ) N M
= ∑ c Ai Fi − ∑ c Aj Fj ± rV (2.5)
dt i =1 j=1
dE N M
= ∑ ρ i Fi h i − ∑ ρ j Fj h j + Q + Ws (2.6)
dt i =1 j=1
em que E é a energia total do sistema (energia interna + energia cinética + energia potencial),
h i é a entalpia da corrente i (energia/massa), Q é o fluxo de calor fornecido ao sistema
(energia/tempo) e Ws é o trabalho realizado sobre o sistema (energia/tempo).
d (ρVυ)
= ∑ fi (2.7)
dt i
A aplicação das equações 2.4 a 2.7 ao sistema fornece um conjunto de equações diferenciais,
cuja solução determinará o comportamento dinâmico do processo.
Se as variáveis de estado não variam com o tempo, dizemos que o processo está em estado
estacionário. Neste caso, as taxas de acúmulo das grandezas fundamentais são iguais a zero e
os balanços resultantes levam a um conjunto de equações algébricas.
Além das equações de balanço modelo do processo inclui outras equações, chamadas de
equações constitutivas, que expressam o equilíbrio termodinâmico, as taxas de reações, as
taxas de transporte de calor, as taxas de transporte de massa, as taxas de transporte de
momento e assim por diante.
d (ρV)
= ρ i Fi − ρF (2.8)
dt
ou
d (ρAh )
= ρ i Fi − ρF (2.9)
dt
dh
A = Fi − F (2.10)
dt
dh 1
= (Fi − F) (2.11)
dt A
que é a equação que relaciona o nível de líquido no tanque com as vazões de entrada e saída.
Balanço de energia
d[ρAhC p (T − Tref )]
= ρFi C p (Ti − Tref ) − ρFC p (T − Tref ) + Q (2.12)
dt
34
Supondo que C p seja constante e assumindo Tref = 0 , temos
d (hT) Q
A = Fi Ti − FT + (2.13)
dt ρC p
dT dh Q
Ah + AT = Fi Ti − FT + (2.14)
dt dt ρC p
dT Q
Ah + T(Fi − F) = Fi Ti − FT + (2.15)
dt ρC p
dT Q
Ah = Fi (Ti − T ) + (2.16)
dt ρC p
ou
dT 1 Fst ∆H st
= Fi (Ti − T ) + (2.17)
dt Ah ρC p
Sob uma forma matricial-vetorial, as equações 2.11 e 2.17 podem ser escritas como
xɺ 1 = f 1 ( x 1 , x 2 , u 1 , u 2 , d 1 , d 2 )
(2.18)
xɺ 2 = f 2 ( x 1 , x 2 , u 1 , u 2 , d 1 , d 2 )
e as duas equações da saída como
y1 = h 1 (x 1 , x 2 , u 1 , u 2 )
(2.19)
y 2 = h 2 (x1 , x 2 , u1 , u 2 )
em que:
x h
x = 1 = (2.20)
x 2 T
y h
y = 1 = (2.21)
y 2 T
u F
u = 1 = st (2.22)
u 2 F
d T
d = 1 = i (2.23)
d 2 Fi
35
1
f1 ( x 1 , x 2 , u 1 , u 2 , d 1 , d 2 ) = (d 2 − u 2 )
A
(2.24)
1 ∆H st
f 2 (x 1 , x 2 , u 1 , u 2 , d1 , d 2 ) = d 2 (d 1 − x 2 ) + u 1
Ax1 ρC p
h 1 (x 1 , x 2 , u 1 , u 2 ) = x 1
(2.25)
h 2 (x1 , x 2 , u1 , u 2 ) = x 2
dV
= Fi − F (2.26)
dt
d (c A V )
= c Ai Fi − c A F − rV (2.27)
dt
36
dc A dV
V + cA = c Ai Fi − c A F − rV (2.28)
dt dt
dc A
V + c A (Fi − F) = c Ai Fi − c A F − rV (2.29)
dt
dc A
V = Fi c Ai − Fi c A − k 0 e − E RT c A V (2.30)
dt
dc A Fe
= (c Ai − c A ) − k 0 e − E RT c A (2.31)
dt V
d (ρVC p T )
= Fi ρC p Ti − FρC p T − ∆H r rV − Q (2.32)
dt
onde ∆H r é o calor de reação. Daí:
dV dT
ρC p T +V = Fi ρC p Ti − FρC p T − ∆H r rV − Q (2.33)
dt dt
dT
ρC p T(Fi − F) + V = Fi ρC p Ti − FρC p T − ∆H r rV − Q (2.34)
dt
dT
V = Fi ρC p Ti − Fi ρC p T − ∆H r rV − Q (2.35)
dt
dT Fi (− ∆H r )r Q
= (Ti − T ) + − (2.36)
dt V ρC p VρC p
Podemos também usar a equação constitutiva que relaciona o fluxo de calor com as
temperaturas:
Q = UA t (T − Tc ) (2.37)
r = k 0 e − E RT c A (2.38)
37
Então as variáveis de estado são V , c A e T , e as formas explícitas das funções não lineares
são dadas pelas equações 2.26, 2.31 e 2.36. Nesse caso, o modelo na forma das equações 2.1 e
2.2 é
V
x = c A (2.39)
T
V
y= (2.40)
c A
F
u= (2.41)
Tc
Fi
d = c Ai (2.42)
Ti
Fi − F
Fi
f = (c Ai − c A ) − k 0 e −E RT c A V (2.43)
V
Fi (− ∆H r ) UA
(Ti − T ) + k 0 e −E RT c A − (T − Tc )
t
V ρC p VρC p
Um caso típico é o escoamento de um fluído através de um tubo (Figura 2.4). Não havendo
troca de calor com o ambiente, no estado estacionário a temperatura To da corrente na saída
to tubo será igual à da entrada Ti . Supondo que temos um fluido incompressível e que em
t = 0 a temperatura da entrada varie conforme a curva A (Figura 2.5). É claro que a To
permanecerá a mesma até que a variação atinja o fim do tubo, quando, então, To variará de
38
acordo com a curva B. Notemos que a temperatura da saída segue o mesmo comportamento
da temperatura de entrada com um atraso de t d segundos. Assim, t d é o tempo morto.
AL
td = (2.44)
F
em que F é a vazão do fluido no tubo.
To ( t ) = Ti ( t − t d ) (2.45)
39
Exemplo 2.3
Para ilustrar a diferença entre um sistema de parâmetros concentrados e um sistema de
parâmetros distribuídos, considere uma barra de material sólido de espessura infinita, como
mostra a Figura 2.6. Considere que a entrada para esse sistema seja a temperatura da
superfície esquerda ( x = 0 ), que é uma certa função arbitrária do tempo. A condutividade
térmica k , a capacidade calorífica C p e a densidade ρ do material são constantes.
Inicialmente ( t < 0 ), a barra se encontra a uma temperatura uniforme de regime estabelecido.
Neste problema, a temperatura na barra que é função da posição e do tempo é denotada por
T( x, t ) . Assim, a temperatura da superfície é indicada por T(0, t ) . Para deduzirmos a equação
diferencial que descreve a condução de calor na barra, escrevemos primeiro um balanço de
energia sobre um comprimento diferencial δx da barra. Esse balanço de energia pode ser
escrito da seguinte forma:
∂T
q = −kA (2.47)
∂x
em que
∂ ∂T ∂T ∂ ∂T
∂t
[ ]
ρC p Aδx (T − Tref ) = −kA − − kA
∂x
+ − kA
∂x ∂x
δx
∂x
(2.48)
40
em que Tref é a temperatura de referência usada para calcular a energia interna.
Simplificando, a equação 2.48 resulta na equação fundamental que descreve a condução num
sólido:
∂ ∂ 2T
∂t
[ ]
ρC p Aδx (T − Tref ) = kA 2 δx
∂x
(2.49)
2
∂T k ∂ T
= (2.50)
∂t ρC p ∂x 2
∂T ∂ 2T
=α 2 (2.51)
∂t ∂x
Pode ser demonstrado que o atraso por transporte é um sistema de parâmetros distribuídos.
O Scilab é uma linguagem de programação de alto nível e propicia um ambiente voltado para
o desenvolvimento de programas para a resolução de problemas numéricos. Um tratamento
mais detalhado sobre simulação de processos com Scilab pode ser encontrado em Kwong
(2016).
Esta seção descreve como se utiliza rotinas do Scilab para simular sistemas dinâmicos.
Ilustraremos com alguns exemplos numéricos. O Scilab tem várias rotinas de integração, mas
nos restringiremos à rotina ode, que resolve problemas de condição inicial.
y=ode(y0,t0,t,f)
onde
Suponha que a vazão F através da resistência R se relacione com a altura de líquido h pela
relação linear
h
F=
R
Uma resistência que apresenta essa relação linear entre a vazão de saída e a altura de líquido é
chamada de resistência linear (por exemplo, uma tubulação é uma resistência linear se o fluxo
for laminar).
O tanque está operando em estado estacionário com uma vazão de 4 m3/min e nível do líquido
está com 2 m de altura. No instante zero, a vazão é aumentada bruscamente para 5 m3/min.
Encontre a resposta do tanque a esse distúrbio.
Fis = 4 m3/min
A = 10 m2
R = 0,5 m/(m3/min)
h ( 0) = 2 m
Balanço de massa
dh
A = Fi − F
dt
dh Fi − F
=
dt A
42
Programa
clear
clearglobal
clc
//Programa principal
global A R
global Fi
//Entradas
DeltaFi=1 //degrau unitário
Fi=Fis+DeltaFi //distúrbio, m3/min
//Plota gráficos
scf(1)
clf
plot(t,h)
xlabel('t (min)')
ylabel('h (m)')
A resposta da altura h é mostrada na Figura 2.8. Note que a altura tende para um novo estado
estacionário h (∞) = 2,50 m.
43
Figura 2.8 Resposta da altura h ao distúrbio.
O tanque está operando em estado estacionário com as vazões de entrada F1 e F2 iguais a 6,9
e 0,14 m3/min, respectivamente, vazão de saída de 7,04 m3/min e volume de retenção de 35
m3. No instante zero, a vazão F2 é aumentada bruscamente para 0,24 m3/min. Encontre a
resposta da concentração de A no tanque a esse distúrbio.
V = 35 m3
F1 = 6,9 m3/min
F2 = 0,14 m3/min
c1 = 1 %
44
c 2 = 100 %
c(0) = 2,97 %
Balanço de A
dc
V = F1c1 + F2 c 2 − (F1 + F2 )c
dt
dc F1 F F + F2
= c1 + 2 c 2 − 1 c
dt V V V
Programa
clear
clearglobal
clc
//Programa principal
global V
global F1 F2 F c1 c2
//Entradas
DeltaF2=0.1 //degrau de amplitude 0,1
F2=F2s+DeltaF2 //distúrbio, m3/min
//Plota gráficos
scf(1)
clf
plot(t,c)
xlabel('t (min)')
ylabel('c (%)')
45
A resposta da concentração c em % é mostrada na Figura 2.10. Note que a concentração
tende para um novo estado estacionário c(∞) = 4,33 %.
Exemplo 2.6
O sistema de dois tanques mostrado na Figura 2.11, encontra-se em operação em regime
estacionário com vazão de entrada de 20 m3/min. No tempo t = 0 , a vazão de entrada é
aumentada bruscamente para 120 m3/min, durante 0,1 min, pela adição de 10 m3 de água no
tanque, de maneira uniforme. Determine o desvio máximo do nível (m) nos dois tanques, a
partir dos valores finais do novo regime estabelecido, e também o instante em que cada
máximo ocorrerá.
A 1 = A 2 = 10 m2
R 1 = 0,1 m/(m3/min)
R 2 = 0,35 m/(m3/min)
h 1 (0) = 2 m
h 1 ( 0) = 7 m
46
Figura 2.11 Sistema de dois tanques em série sem interação.
Suponha que a vazão F através da resistência R se relacione com a altura de líquido h pela
relação linear
h
F=
R
dh 1
A1 = Fi − F1
dt
dh 2
A2 = F1 − F2
dt
Programa
clear
clearglobal
clc
//Programa principal
global A1 A2 R1 R2
global Fis
//Entradas
balde=10 //pulso, m3
Deltat=0.1 //min
//Plota gráficos
scf(1)
clf
plot(t,h1,t,h2)
xlabel('t (min)')
ylabel('h (m)')
//legend(['h1';'h2'])
xstring(2,2.2,'h1')
xstring(6,7.34,'h2')
//Localiza o máximo
disp('Altura máxima')
disp('')
[h1max,k]=max(h1)
printf('h1 = %f m\n',h1max)
printf('instante em que o máximo ocorre = %f min\n',k*0.001)
printf('\n')
[h2max,k]=max(h2)
printf('h2 = %f m\n',h2max)
printf('instante em que o máximo ocorre = %f min\n',k*0.001)
As respostas das alturas h 1 e h 2 são mostradas na Figura 2.12. Note que ambas as alturas
retornam ao estado estacionário após um período transiente.
48
Figura 2.12 Respostas das alturas h 1 e h 2 .
Altura máxima
h1 = 2.951625 m
instante em que o máximo ocorre = 0.101000 min
h2 = 7.605789 m
instante em que o máximo ocorre = 1.805000 min
dc A F
= (c Af − c A ) − k1c A − k 3c 2A
dt V
dc B F
= − c B + k1c A − k 2 c B
dt V
dc C F
= − cC + k 2cB
dt V
dc D F 1
= − c D + k 3c 2A
dt V 2
k1 = 5 6 min-1
k 2 = 5 3 min-1
k 3 = 1 6 mol/(L.min)
F V = 4 7 min-1
c Ae = 10 mol/L
c A (0) = 2 mol/L
c B (0) = 1,117 mol/L
c C (0) = 3,256 mol/L
c C (0) = 1,311 mol/L
Aqui, a concentração inicial de c A não satisfaz o valor estacionário, que é de 3 mol/L, nas
condições das entradas. Portanto, a resposta transiente é resposta à condição inicial e não
devido a algum distúrbio no sistema.
Programa
clear
clearglobal
clc
50
dcDt=-FsV*cD+1/2*k3*cA^2
dxt=[dcAt;dcBt;dcCt;dcDt]
endfunction
//Programa principal
global k1 k2 k3
global FsV cAe
//Entradas
FsV=4/7 //1/min
cAe=10 //mol/L
//Plota gráficos
scf(1)
clf
plot(t,cA,t,cB,t,cC,t,cD)
xlabel('t (min)')
ylabel('c (mol/L)')
legend(['cA';'cB';'cC';'cD'])
A Figura 2.13 mostra que o sistema converge para o seguinte estado estacionário:
c A (∞) = 3 mol/L
c B (∞) = 1,117 mol/L
c C (∞) = 3,256 mol/L
c C (∞) = 1,311 mol/L
51
Figura 2.13 Resposta transiente à condição inicial de c A que não satisfaz o estado
estacionário.
Exercícios
2.1 Considere um reator químico com "bypass", como mostrado na figura abaixo. Assuma
que a taxa de reação seja de primeira ordem ( rA = kc A1 ) onde c A1 é a concentração no reator.
Assuma que o volume do reator ( V ) e a vazão de alimentação ( F ) permaneçam constantes. A
fração de alimentação que "bypassa" o reator é (1 − α )F e o que entra no reator é αF . Assuma
que a fração que bypassa o reator não se altera. A concentração de alimentação ( c Ai ) é a
variável de entrada e a composição na saída da corrente misturada ( c A 2 ) é a variável de saída.
Escreva o modelo na forma de espaço de estado, usando variáveis desvios.
xɺ = Ax + Bu
y = Cx + Du
52
Figura. Reator com reciclo
F = 10 L/min
V = 100 L
c Ai = 1 gmol/L
α = 0,5
k = 0,1 min-1
Considere o trocador de calor mostrado na Figura 2. O fluido que escoa pelo tubo interior a
uma velocidade constante v é aquecido pelo vapor que condensa pelo lado de fora do tubo.
53
em que:
F vazão
T temperatura
V volume
Q fluxo de calor
ρ densidade
Cp calor específico
54
Desenvolva o modelo para controle de c considerando que c1 e c 2 são variáveis. Qual seria a
alternativa para a estratégia de controle se fosse observado que a válvula da corrente 1
frequentemente fica toda aberta e queremos usar o máximo da corrente 2.
F = K∆h
em que ∆h é a perda de carga (em coluna de líquido) na válvula. Podemos considerar que a
densidade é a mesma para todas as correntes.
2.6 Desenvolva um modelo para o sistema a seguir sabendo-se que vamos controlar h1
manipulando F1 e h 2 manipulando F3 . Vale a seguinte relação:
F1 = K1 h1
55
Como ficaria o modelo se h 2 fosse controlado manipulando-se F2 ?
2.7 Um tambor de vaporização de um composto puro para injeção em um reator pode ser
representado como a seguir:
2.8 Considere o sistema a seguir constituído por dois tanques de aquecimento e uma tubulação
longa e termicamente isolada conectando os dois tanques.
56
Fi , F1 , F2 , vazões, m3/h
A1 , A 2 áreas das seções dos tanques, m2
At área da seção do tubo, m2
Q1 , Q 2 fluxos de calor, kcal/h
Ti , T1 , T1* , T2 temperaturas, °C
L comprimento do tubo, m
ρ densidade, kg/m3
Cp calor específico, kcal/kg°C
2.9 Dois tanques em cascata são alimentados por uma corrente de líquido que pode ser
manipulada na faixa 0 ≤ Fi ≤ Fi max . A vazão da corrente que deixa o primeiro tanque é dada
por F1 = K1h1 . A vazão da corrente que deixa o segundo tanque é dada por F2 = K 2 h 2 .
Pretende-se desenvolver um modelo para simular o enchimento dos dois tanques que
inicialmente estão vazios. A condição de enchimento é h 1 = h 1 max e h 2 = h 2 max . Analisar as
condições que devem ser obedecidas no estado estacionário para que o enchimento seja
possível.
57
2.10 Desenvolva um modelo para o sistema a seguir envolvendo dois reatores CSTR onde
ocorre uma reação A → B com cinética de primeira ordem em condições isotérmicas. O
produto dos reatores é enviado para um tanque de mistura onde a composição de saída deve
ser controlada.
Admitindo que a densidade é a mesma para todas as correntes, montar o modelo do sistema
admitindo que além de c A 3 , queremos controlar os níveis dos três tanques.
2.11 Em reator tubular com jaqueta de aquecimento, ocorre uma reação endotérmica A → B
com cinética de primeira ordem e calor de reação ∆H r (cal/mol). A reação ocorre em fase
líquida.
58
Considerando que os calores específicos e densidades sejam constantes, montar um modelo
do reator para controle da composição c A 2 .
P − Patm
Considerar que para o gás vale a lei do gás ideal e que F = K h + .
ρg
59
3 Linearização de modelos: Modelos em variáveis
de estado. Solução de modelos em variáveis de
estado com Scilab. Comparação entre modelos
não-lineares e linearizados.
Quando nos defrontamos com análise dinâmica de sistemas não-lineares, podemos agir de
várias maneiras, como:
60
próximos deles, quando há um bom controle, os desvios são pequenos e o modelo linearizado
é adequado.
dx
= f (x) (3.1)
dt
onde a função não-linear f ( x ) pode ser expandida em uma série de Taylor em torno de um
estado estacionário x s .
df x − x s d f
2
(x − x s )2 dnf (x − x s )n
f (x) = f (x s ) + + 2 + … + n (3.2)
dx x s 1! dx xs 2! dx xs n!
df
f ( x ) ≅ f ( x s ) + (x − x s ) (3.3)
dx x s
Essa aproximação é boa apenas para valores de x próximos de x s . A Figura 3.1 mostra a
função não-linear f ( x ) e sua aproximação em torno do ponto x s . A aproximação só é exata
no ponto de linearização.
dx df
= f ( x s ) + (x − x s ) (3.4)
dt dx x s
61
Observe que a equação 3.4 é uma equação diferencial linear cuja solução analítica é uma
aproximação da solução da equação 3.1. Ou seja, a solução de (3.4) nos dá uma aproximação
do comportamento do sistema dinâmico inicial representado pela equação 3.1.
Exemplo 3.1
Considere o sistema tanque da Figura 3.2 que consiste em um tanque de seção reta uniforme
de área A e altura do nível de líquido h .
dV
= Fi − F (3.5)
dt
a) Suponhamos que a vazão volumétrica por meio da resistência se relaciona com a altura de
1
líquido h pela relação linear F = h , sendo R = constante . Substituindo essa relação na
R
equação 3.5 resulta na seguinte equação diferencial linear:
dh 1
A = Fi − h (3.6)
dt R
b) Suponhamos agora que a vazão volumétrica através da resistência se relaciona com a altura
de líquido h pela relação não linear
1
F= h (3.7)
R
62
dh 1
A + h = Fi (3.8)
dt R
1
A equação 3.8 contém um termo não-linear dado por h . Expandindo esse termo em uma
R
série de Taylor em torno do valor estacionário h s , tem-se
1 1 1
h= hs + (h − h s ) − 1 2 (h − h s )2 + … (3.9)
R R 2R h s 8R 3 h s
1 1 1
h≅ hs + (h − h s ) (3.10)
R R 2R h s
dh 1 1
A + h = Fi − hs (3.11)
dt 2R h s 2R
Exemplo 3.2
Para o sistema tanque do Exemplo 3.1 com área A = 0,3 m2, vamos verificar o efeito de uma
variação no ponto de linearização na resposta do modelo linearizado para uma variação
degrau unitário na vazão de alimentação. Suponhamos que a vazão efluente seja dada por:
F=8 h (3.12)
Para tanto, vamos considerar os pontos de operação estacionária correspondentes aos níveis
iguais a 1m e 3m de altura (Tabela 3.1), e linearizar o modelo em torno desses dois pontos.
Vamos definir como modelo 1 o modelo linearizado em torno do nível médio de 1 m, e como
modelo 2 o modelo linearizado em torno do nível médio de 3 m. Esses dois modelos serão
aplicados nos pontos de operação da Tabela 3.1, isto é, o modelo linearizado é deslocado para
o ponto de operação em questão.
63
Figura 3.3 Resposta ao degrau unitário para uma variação na vazão de alimentação.
64
Figura 3.4 Resposta ao degrau unitário para uma variação na vazão de alimentação.
Isso demonstra que o modelo linearizado é uma boa aproximação do modelo não-linear
apenas nas proximidades do ponto em que foi feita a linearização.
3.3 Variáveis-desvios
Suponha que x s seja o valor de x no estado estacionário inicial do sistema dinâmico, então
dx s
= 0 = f (x s ) (3.13)
dt
Suponha agora que a equação 3.1 seja linearizada em x s produzindo o seguinte modelo
linearizado:
dx df
= f ( x s ) + (x − x s ) (3.14)
dt dt x s
65
d(x − x s ) df
= (x − x s ) (3.15)
dt dt x s
dx df
= x (3.16)
dt dt x s
Exemplo 3.3
dh 1 1
A + h = Fi − hs (3.17)
dt 2R h s 2R
dh s 1
A + h s = Fis (3.18)
dt R
=0
d (h − h s ) 1
A + (h − h s ) = Fi − Fis (3.19)
dt 2R h s
dh 1
A + h = Fi (3.20)
dt 2R h s
O procedimento descrito para sistemas com uma variável pode ser estendido para sistemas
com várias variáveis de estado (várias equações diferenciais) e várias entradas e saídas. Para
66
tal consideremos o caso onde temos um sistema com n equações diferenciais (n estados) não-
lineares, k entradas manipuladas e l distúrbios:
dx 1
= f1 ( x 1 ,…, x n , u 1 ,…, u k , d1 ,…, d l )
dt
dx 2
= f 2 (x 1 ,…, x n , u 1 ,…, u k , d1 ,…, d l )
dt (3.21)
⋮ ⋮
dx n
= f n ( x 1 ,…, x n , u 1 ,…, u k , d1 ,…, d l )
dt
y1 = h 1 ( x 1 , … , x n , u 1 , … , u k )
y 2 = h 2 ( x 1 ,…, x n , u 1 , …, u k )
(3.22)
⋮ ⋮
y m = h m ( x 1 ,…, x n , u 1 ,…, u k )
A linearização de cada uma das equações definidas em (3.21) e (3.22) leva ao seguinte
conjunto de equações lineares:
dx 1 ∂f1 ∂f ∂f
= x1 + 1 x2 +…+ 1 xn
dt ∂x 1 xs ,u s ,ds ∂x 2 xs ,u s ,ds ∂x n xs ,u s ,ds
∂f ∂f ∂f
+ 1 u1 + 1 u2 +…+ 1 uk (3.23)
∂u 1 xs ,u s ,ds ∂u 2 xs ,us ,d s ∂u k xs ,u s ,ds
∂f ∂f ∂f
+ 1 d1 + 1 d2 + … + 1 dl
∂d 1 xs ,us ,d s ∂d 2 xs ,us ,d s ∂d l xs ,u s ,ds
dx 2 ∂f 2 ∂f ∂f
= x1 + 2 x2 +…+ 2 xn
dt ∂x 1 xs ,us ,d s ∂x 2 xs ,us ,d s ∂x n xs ,us ,ds
∂f ∂f ∂f
+ 2 u1 + 2 u2 +…+ 2 uk (3.24)
∂u 1 xs ,u s ,ds ∂u 2 xs ,us ,d s ∂u k xs ,u s ,ds
∂f ∂f ∂f
+ 2 d1 + 2 d2 + … + 2 dl
∂d 1 xs ,us ,d s ∂d 2 xs ,us ,d s ∂d l xs ,u s ,ds
67
dx n ∂f n ∂f ∂f
= x1 + n x2 +…+ n xn
dt ∂x 1 xs ,u s ,ds ∂x 2 xs ,u s ,ds ∂x n xs ,u s ,ds
∂f ∂f ∂f
+ n u1 + n u2 +…+ n uk (3.25)
∂u 1 xs ,u s ,ds ∂u 2 xs ,us ,d s ∂u k xs ,u s ,ds
∂f ∂f ∂f
+ n d1 + n d2 + … + n dl
∂d 1 xs ,us ,d s ∂d 2 xs ,us ,d s ∂d l xs ,u s ,ds
Equações de saída
∂ h ∂ h ∂ h
y1 = 1 x1 + 1 x2 +…+ 1 xn
∂x 1 xs ,us ∂x 2 xs ,us ∂x n xs ,us
(3.26)
∂ h ∂ h ∂ h
+ 1 u1 + 1 u2 +…+ 1 uk
∂u 1 xs ,us ∂u 2 xs ,us ∂u k xs ,u s
∂ h ∂ h ∂ h
y2 = 2 x1 + 2 x2 +…+ 2 xn
∂x 1 xs ,u s ∂x 2 xs ,us ∂x n xs ,u s
(3.27)
∂ h ∂ h ∂ h
+ 2 u1 + 2 u2 +…+ 2 uk
∂u 1 xs ,u s ∂u 2 xs ,us ∂u k xs ,us
∂ h ∂ h ∂ h
ym = m x1 + m x2 +…+ m xn
∂x 1 xs ,u s ∂x 2 xs ,u s ∂x n xs ,us
(3.28)
∂ h ∂ h ∂ h
+ m u1 + m u2 +…+ m uk
∂u 1 xs ,us ∂u 2 xs ,us ∂u k xs ,us
68
∂ f1 ∂ f1 ∂f
⋯ 1
ɺ ∂x 1 xs ,u s ,ds ∂x 2 xs ,u s ,ds ∂x n xs ,us ,d s x
x1
ɺ ∂ f 2 ∂ f2 ∂ f2 1
x 2 = ∂x … x 2
⋮ 1 x s ,u s , d s ∂x 2 x ,u ,d
s s s
∂x n xs ,us ,d s ⋮
ɺ ⋮
x n ∂ f ∂ fn ∂ fn
x n
n
⋯
∂x
1 x s , u s ,d s ∂x 2 xs ,u s ,ds ∂x
n x s , u s ,d s
∂ f1 ∂ f1 ∂f
⋯ 1
∂u 1 xs ,us ,d s ∂u 2 xs ,us ,ds ∂u k xs ,u s ,ds u
∂ f ∂ f2 ∂ f2 1
2
… u 2
+ ∂u 1 x ,u ,d
∂u 2 x ,u ,d
∂u k xs ,u s ,ds ⋮
s s s s s s
⋮
u k
∂ f n ∂ fn
⋯
∂ fn
∂u 1
x s ,u s , d s ∂u 2 xs ,us ,ds ∂u
k x s ,u s , d s
∂ f1 ∂ f1 ∂ f
⋯ 1
∂d 1 xs ,u s ,ds ∂d 2 xs ,us ,ds ∂d l xs ,u s ,ds
d
∂ f ∂ f2 ∂ f2 1
2
… d 2
+ ∂d 1 x ,u ,d
∂d 2 x ,u ,d
∂d l xs ,us ,ds ⋮
(3.29)
s s s s s s
⋮
d l
∂ f n ∂ fn ∂ fn
⋯
∂d 1
x s ,u s , d s ∂d 2 xs ,us ,d s ∂d
l x s ,u s , d s
∂ h1 ∂ h1 ∂ h1
⋯
∂x 1 xs ,u s ∂x 2 xs ,us ∂x n xs ,u s
y1 x
y ∂ h 2 ∂ h2 ∂ h 1
x 2
2 = ∂x … 2
⋮ 1 x s ,u s ∂x 2 x ,us s
∂x n xs ,us ⋮
⋮
y m ∂ h ∂ h m ∂ h
x n
m
⋯ m
∂x 1
xs ,u s ∂x 2 xs ,us ∂x n x ,u
s s
(3.30)
∂ h1 ∂ h1 ∂ h
⋯ 1
∂u 1 xs ,us ∂u 2 xs ,us ∂u k xs ,us u
∂ h ∂ h2 ∂ h 2 1
2
… u 2
+ ∂u 1 x ,u
∂u 2 x ,u
∂u k xs ,us ⋮
s s s s
⋮
u k
∂ h m ∂ hm ∂ h m
⋯
∂u
1 x s ,u s ∂u 2 xs ,us ∂u k xs ,us
69
ou, na forma matricial compacta, temos
xɺ = Ax + B u + Γ d (3.31)
y = Cx + D u (3.32)
det[λI − A] = 0 (3.33)
Exemplo 3.4
Balanço de massa
dh 1
= (Fi − F) (3.34)
dt A
Balanço de energia
dT 1 Fst ∆H st
= Fi (Ti − T ) + (3.35)
dt Ah ρC p
70
ou na forma geral de equações de estado:
1
xɺ 1 = f1 (x 1 , x 2 , u 1 , u 2 , d 1 , d 2 ) = (d 2 − u 2 )
A
(3.36)
1 ∆H st
xɺ 2 = f 2 (x 1 , x 2 , u 1 , u 2 , d 1 , d 2 ) = d 2 (d 1 − x 2 ) + u 1
Ax 1 ρC p
y1 = h 1 (x 1 , x 2 ) = x 1
(3.37)
y 2 = h 2 (x 1 , x 2 ) = x 2
∂ f1 ∂ f1
=0 =0
∂x 1 ∂x 2
∂ f1 ∂ f1 1
=0 =−
∂u 1 ∂u 2 A
∂ f1 ∂ f1 1
=0 =
∂d 1 ∂d 2 A
∂ f2 1 ∆H st ∂ f2 d
=− d 2 (d 1 − x 2 ) + u 1 =− 2
∂x 1 Ax 12 ρC p ∂x 2 Ax 1
∂ f2 ∆H st ∂ f2
= =0
∂u 1 ρC p Ax 1 ∂u 2
∂ f2 d ∂ f 2 d1 − x 2
= 2 =
∂d 1 Ax 1 ∂d 2 Ax 1
∂h 1 ∂h 1
=1 =0
∂x 1 ∂x 2
∂h 2 ∂h 2
=0 =1
∂x 1 ∂x 2
71
0 0
xɺ 1 x1
ɺ = − 1 d 2s (d 1s − x 2s ) + u 1s ∆H st − d 2s
x 2 Ax 12s
ρC p Ax 1s x 2
1 1 (3.38)
0 − 0 d1
A u1 A
+ ∆H + d d 1s − x 2s d
st
0 u 2 2s 2
ρC p Ax 1s Ax 1s Ax 1s
y1 1 0 x 1
y = 0 1 x
2 2
Exemplo 3.5
Linearização do reator CSTR não-isotérmico do Exemplo 2.2 (Figura 3.6). Assume-se que as
saídas sejam apenas o volume V e a concentração c A .
dV
= Fi − F (3.39)
dt
d (c A V )
= Fi c Ai − Fc A − k 0 e − E RT c A V (3.40)
dt
d (TV )
ρC p = ρC p Fi Ti − ρC p FT − ∆H r k 0 e − E RT c A V − UA t (T − Tc ) (3.41)
dt
72
x1 V d1 Fi
u F
x = x 2 = c A u = 1 = d = d 2 = c Ai (3.42)
x 3 T u 2 Tc d 3 Ti
A equação 3.39 já é linear e, portanto, coincide com a sua forma linearizada. Ou seja,
podemos escrever:
dV
= Fi − F (3.43)
dt
dx 1
= d1 − u 1 (3.44)
dt
dV dc
c As + Vs A = c Ais Fi + Fis c Ais − c As F − Fs c A − k 0 e − E RTs c As V − k 0 e − E RTs Vs c A
dt dt
(3.45)
k E e − E RTs c As Vs
− 0 T
RTs2
dc A k e −E RTs F k E e −E RTs c As (c − c As ) F
=− 0 V − s + k 0 e −E RTs c A − 0 2
T + Ais Fi + is c Ai (3.46)
dt Vs Vs RTs Vs Vs
dx 2 k e − E RTs F k E e − E RTs c As (c − c As ) F
=− 0 x 1 − s + k 0 e − E RTs x 2 − 0 2
x 3 + Ais d1 + is d 2 (3.47)
dt Vs Vs RTs Vs Vs
dV dT
ρC p Ts + ρC p Vs = ρC p Fis Ti + ρC p Tis Fi − ρC p Fs T − ρC p Ts F
dt dt
− ∆H r k 0 e − E RTs c As V − ∆H r k 0 e − E RTs Vs c A (3.48)
− E RTs
∆H r k 0 E e c As Vs
− T − UA t T + UA t Tc
RTs2
73
dT ∆H r k 0 e − E RTs c As ∆H r k 0 e − E RTs F UA t ∆H r k 0 E e − E RTs c As
=− V− cA − s + + T
dt ρC p Vs ρC p Vs ρC p Vs ρC p RTs2
(3.49)
UA t (T − Ts ) F
+ Tc + is Fi + is Ti
ρC p Vs Vs Vs
O modelo constituído pelas equações 3.44, 3.47 e 3.50 pode ser colocado na forma:
xɺ = Ax + B u + Γ d (3.51)
y = Cx (3.52)
em que:
0 0 0
k 0 e − E RTs Fs k 0 E e − E RTs c As
A= − − + k 0 e − E RTs −
Vs Vs RTs2
− E RTs F
− ∆H r k 0 e c As ∆H r k 0 e − E RTs UA t ∆H r k 0 E e − E RTs c As
− − s + +
ρC p Vs ρC p Vs ρC p Vs ρC p RTs2
(3.53)
− 1 0
(3.54)
B=0 0
0 UA t
ρC p Vs
1 0 0
(c Ais − c As ) Fis
Γ= 0 (3.55)
V Vs
(T −s T ) Fis
is s
0
Vs Vs
74
1 0 0
C= (3.56)
0 1 0
O Scilab prove uma função que lida com sistemas lineares de forma simples. A forma de
chamamento da função é:
[sl]=syslin(dom,N,D)
[sl]=syslin(dom,H)
em que:
syslin define um sistema linear como uma lista e verifica a consistência dos dados.
dom especifica o domínio de tempo do sistema e pode ter um dos seguintes valores:
dom='c' para um sistema de tempo contínuo, dom='d' para um sistema de tempo discreto, n
para um sistema amostrado com período de amostragem n (na unidade do tempo em que o
modelo foi definido)
Para simular sistemas lineares no Scilab, utiliza-se a função csim e a forma de chamamento é
[y [,x]]=csim(u,t,sl,[x0 [,tol]])
Exemplo 3.6
75
Considere o sistema tanque da Figura 3.7, inicialmente operando em estado estacionário no
nível h s = 1 m e vazão de alimentação Fi = 8 m3/min. Subitamente, a vazão de alimentação
aumenta em 1 m3/min. A vazão de saída se relaciona com a altura h por
1
F= h (3.57)
R
Compare o comportamento dinâmico da altura de líquido usando o modelo não linear com o
modelo linear. Dados: A = 0,3 m2 e R = 0,125 min/m5/2.
dh 1
A + h = Fi (3.58)
dt R
dh 1 1
= Fi − h (3.59)
dt A AR
dh 1 1 1
= Fi − hs − h (3.60)
dt A 2AR 2AR h s
dh 1 1
=− h + Fi (3.61)
dt 2AR h s A
com h (0) = 0 .
Programa
//Programa principal
global A R
global Fi
//Entradas
DeltaFi=1 //variação degrau
Fi=Fis+DeltaFi //distúrbio, m3/min
//Plota gráficos
scf(1)
clf
plot(t,h_nl,t,h_l)
xlabel('t (min)')
ylabel('h (m)')
77
legend(['Modelo não linear','Modelo linear'],4)
//Cálculo do ganho
Kp_nl=(h_nl($)-hs)/DeltaFi //não linear
Kp_l=(h_l($)-hs)/DeltaFi //linear
disp('Ganho do processo')
printf('\n')
printf('Kp do modelo não linear = %f\n',Kp_nl)
printf('Kp do modelo linear= %f\n',Kp_l)
A Figura 3.8 mostra as respostas obtidas pelos dois modelos. A resposta linear é
qualitativamente a mesma da resposta não linear. Nota-se que para valores de h próximos de
h s , onde foi feita a linearização, a resposta do modelo linearizado é satisfatória. Para valores
mais afastados, a aproximação linear é insatisfatória, gerando um valor estacionário diferente
do valor obtido pelo modelo não linear, ou seja, o ganho (variação na saída/variação na
entrada) do modelo linear é menor do que o do modelo não linear.
Ganho do processo
78
Figura 3.8 Resposta ao degrau unitário para uma variação de 1,0 m3/min na vazão de
alimentação.
Considere que a vazão de alimentação aumenta de 8 para 8,1 m3/min, ou seja, um aumento de
0,1 m3/min. Neste caso, a resposta linear dá uma boa aproximação do modelo não linear,
como pode ser visto na Figura 3.9. A simulação foi realizada mudando valor de DeltaFi no
programa para 0,1.
Ganho do processo
79
Figura 3.9 Resposta ao degrau unitário para uma variação de 0,1 m3/min na vazão de
alimentação.
Exemplo 3.7
Assumindo que a vazão efluente seja uma função não-linear da altura de líquido. A vazão
efluente do tanque 1 seja função da diferença dos níveis nos tanques 1 e 2.
F1 = β1 h 1 − h 2 (3.62)
80
F2 = β 2 h 2 (3.63)
dh 1 Fi β
− 1 h1 − h 2
dt f1 (h 1 , h 2 , Fi ) A 1 A1
dh = =β β
(3.64)
2 f 2 (h 1 , h 2 , Fi 1 h 1 − h 2 − 2 h 2
dt A 2 A2
dh 1 Fi − β1 β1
A1 2A h 1s − h 2s 2A 1 h 1s − h 2s
h
dt = 1
1
dh 2 1 h 1 − h 2 − β 2
β β1 β1 β2 h 2
h 2 − −
dt A 1 A2 2A 2
h 1s − h 2s 2A 2 h 1s − h 2s 2A 2 h 2s
1
+ A 1 Fi
0
(3.65)
com
h 1 = h 1 − h 1s (3.66)
h 2 = h 2 − h 2s (3.67)
Fi = Fi − Fis (3.68)
u = [u ] = [Fi ] (3.69)
x h
x = 1 = 1 (3.70)
x 2 h 2
Vamos assumir que apenas a altura do segundo tanque seja medido, daí a saída na forma de
desvio é
y = h2 (3.71)
81
x
y = [0 1] 1 (3.72)
x 2
β1 = 2,5 ft2,5/min
5 2,5
β1 = ft /min
6
A 1 = 5 ft2
A 2 = 10 ft2
Fi = 5 ft3/min
h 1 (0) = h 1s = 10 ft
h 2 (0) = h 2s = 6 ft
A Figura 3.11 mostra as respostas obtidas pelos dois modelos. A resposta do modelo linear é
qualitativamente a mesma da resposta do modelo não linear. Nota-se que para valores de h
próximos de h 2s , onde foi feita a linearização, a resposta do modelo linearizado é satisfatória.
Para valores mais afastados, a aproximação linear pode ser insatisfatória, gerando ganhos
diferentes entre os dois modelos.
Programa
//Programa principal
global A1 A2 beta1 beta2
global Fi
82
//Valores dos parâmetros e condição inicial
A1=5 //ft2
A2=10 //ft2
beta1=2.5 //ft^(5/2)/min
beta2=5/sqrt(6) //ft^(5/2)/min
Fis=5 //ft3/min
h1s=10 //ft
h2s=6 //ft
//Entradas
DeltaFi=1 //variação degrau
Fi=Fis+DeltaFi //distúrbio, ft3/min
//Plota gráficos
scf(1)
clf
plot(t,h2_nl,t,h2_l)
xlabel('t (min)')
ylabel('h2 (m)')
legend(['Modelo não linear','Modelo linear'],4)
//Cálculo do ganho
Kp2_nl=(h2_nl($)-h2s)/DeltaFi //não linear
Kp2_l=(h2_l($)-h2s)/DeltaFi //linear
disp('Ganho do processo')
83
printf('\n')
printf('Kp2 do modelo não linear = %f\n',Kp2_nl)
printf('Kp2 do modelo linear= %f\n',Kp2_l)
Ganho do processo
Figura 3.11 Resposta ao degrau unitário para uma variação de 1,0 ft3/min na vazão de
alimentação.
Considere que a vazão de alimentação aumenta de 5 para 5,1 ft3/min, ou seja, um aumento de
0,1 ft3/min. Neste caso, a resposta linear dá uma boa aproximação do modelo não linear, como
pode ser visto na Figura 3.12. A simulação foi realizada mudando valor de DeltaFi no
programa para 0,1.
Ganho do processo
84
Kp2 do modelo não linear = 2.422523
Kp2 do modelo linear= 2.398726
Figura 3.12 Resposta ao degrau unitário para uma variação de 0,1 ft3/min na vazão de
alimentação.
Exercícios
dT (t )
3 + T (t ) = 200 P(t )
dt
85
3.2 Um termopar é usado para medir a temperatura de um gás em um reator. Ele pode ser
representado pela seguinte equação correspondente ao balanço de energia no bulbo
dT( t )
0,3 + T( t ) = Tg ( t )
dt
3.4 Um processo de aquecimento elétrico exibe uma dinâmica de segunda ordem definida
pela seguinte equação diferencial:
dT 2 ( t ) dT ( t )
9 2
+ 4,2 + T ( t ) = 0,4P( t )
dt dt
86
a) Converter o modelo do processo para variáveis de estado. Sugestão: defina uma variável de
dT ( t )
estado adicional z( t ) = .
dt
b) Supondo que a potência seja subitamente aumentada para 35 kW, simule o comportamento
da temperatura. Qual será o maior valor alcançado pela temperatura e o instante em que isso
ocorre?
Daí, pede-se:
3.6 No Exercício 2.5, considerar que A 1 = A 2 = 2 m2. No estado estacionário inicial temos
F1=20 m3/h, F2 = 10 m3/h, F3 = 10 m3/h, 1 h 1 = 3 m e h 2 = 2 m. Daí, pede-se:
a) Escrever o modelo em variáveis de estado linearizado em torno do estado estacionário
inicial.
b) Simule a resposta do sistema linearizado quando Fi é aumentado para Fi = 25 m3/h.
87
b) F2 é aumentada para 2,2 m3/h e F1 é reduzida para 0,8 m3/h.
88
4 Matemática para controle: Transformadas de Laplace.
Como vimos no Capítulo 3, os modelos dos processos químicos baseados em balanços de
massa e energia podem ser simplificados através da linearização e convertidos em equações
diferenciais lineares que têm solução analítica. Entretanto, para sistemas multivariáveis, a
manipulação das equações diferenciais pode se tornar trabalhosa e propensa a erros. O método
da transformada de Laplace é uma ferramenta matemática que proporciona uma maneira
sistemática e relativamente simples de solucionar equações diferenciais lineares com
coeficientes constantes.
∞
f (s) = ℒ [f ( t )] = ∫ f ( t ) e −st dt (4.1)
0
ℒ −1 [f (s)] = f ( t ) (4.2)
∞
f (s) = ∫ f ( t ) e −st dt (4.3)
0
f (s) é única para cada f ( t ) , entretanto, o processo inverso pode não ser único (embora isto
não seja importante em sistemas físicos reais).
Para a maioria das funções f ( t ) conhecidas, não existe uma função explicita f (s) que
satisfaça (4.3). Porém, para algumas funções de interesse para controle de processos, a função
F(s) existe, o que facilita a análise e o projeto de malhas de controle.
- Função constante: f ( t ) = C
∞
∞ e −st C
ℒ [C] = ∫ C e −st dt = −C =
0 s 0
s
0 para t < 0
f ( t ) = AU( t ) com U( t ) =
A para t ≥ 0
e −st
∞
A
dt = A − C =
∞
ℒ [AU( t )] = A ℒ [ U ( t )] = A ∫ (1) e −st
0 s s
0
- Função exponencial: f ( t ) = e − at
∞
∞ e − (s + a )t 1
ℒ [e −at ] = ∫ e −at e −st dt = − =
0 s+a 0
s+a
90
e jωt − e − jωt
- Função seno: f ( t ) = sin(ωt ) =
2j
∞ ∞ e − (s − j ω ) t − e − (s + j ω ) t
ℒ [sin(ωt )] = ∫ sin(ωt ) e −st dt = ∫ dt
0 0 2j
∞
1 e − (s − jω)t e −(s + jω )t ω
= − + = 2 (s > 0 )
2 j s − jω s − jω 0 s + ω 2
A Figura 4.2 ilustra uma função pulso de intensidade A com tempo de duração t p .
ℒ [f ( t )] = ∫
tp A −st ∞
e dt + ∫ (0) e −st dt =
A e −st
=
A 1− e
tp
( − st p
)
0 tp tp t p ( −s ) 0 tp s
I(s) = lim
A 1− e ( − st p
)= A
t p →0 t s
p
16. cos ωt s
s + ω2
2
(0 ≤ ζ < 1)
24. τ 3 − τ1 − t τ1 τ 3 − τ 2 − t τ2 τ 3s + 1
1+ e + e
τ1 − τ 2 τ 2 − τ1 s(τ1s + 1)(τ 2 s + 1)
(τ 1 ≠ τ2 )
25. df sF(s) − f (0)
dt
26. d n f s n F(s) − s n −1f (0) − s n − 2f ′(0) − ⋯ − sf ( n − 2 ) (0) − f (n −1) (0)
dt n
1. Note que f ( t ) e F(s) são definidas apenas para t ≥ 0 .
A transformada de Laplace e a sua inversa têm várias importantes propriedades que podem
ser usadas com vantagem na solução de equações diferenciais lineares a coeficientes
constantes lineares:
∞ d[f ( t ) e
− st
df ( t ) ∞ df ( t ) ]
∫ ∫
−st
ℒ = e dt = + sf ( t ) e −st dt
dt 0 dt 0
dt
∞
= f ( t )e −st + sf (s) = sf (s) − f ( t ) t = 0 (4.5)
0
df n ( t ) df ( t ) d n −1f ( t )
ℒ n
= s n f (s) − s n −1 f ( t ) t =0 + s n − 2 +…+ (4.6)
dt dt dt n −1
t =0 t =0
0 0 0
Porém
93
d ∫ ∫ f ( t ′)dt ′ e −st dt = e −st f ( t )dt + ∫ f ( t ′)dt ′ − s e −st dt
t t
∞
0 0
0
( )
daí
∞
∞e
−st
t e −st 1
ℒ ∫ f ( t ′)dt ′ = ∫ f ( t )dt + ∫ f ( t )dt
t
= f (s) (4.7)
0 0 s 0 s s
t =0
A relação entre uma função arbitrária f ( t ) e a mesma função transladada a uma distância t 0 ,
f ( t − t 0 ) , é mostrada na Figura 4.2.
(a) (b)
Figura 4.2 (a) Função f ( t ) ; (b) função f ( t ) transladada de t 0 .
∞ ∞
ℒ [f ( t − t 0 )] = ∫ f ( t − t 0 ) e −st d( t − t 0 ) = e −st 0 ∫ f ( t − t 0 ) e −s ( t − t 0 ) d ( t − t 0 )
0 0
∞ ∞
= e −st 0 ∫ −t 0
f ( t ′) e −st′ dt ′ = e −st 0 ∫ 0
f ( t ′) e −st′ dt ′ = e −st 0 f (s) (4.8)
Prova:
∞ df ( t ) −st
lim ∫
dt
[
e dt = lim sF(s) − f ( t ) t =0 ]
s →0 0
s →0
∞ df ( t )
∫0 dt lim [
e −st dt = lim sF(s) − f ( t ) t =0 ]
s→0
s →0
[
f (∞) − f ( t ) t =0 = lim sF(s) − f ( t ) t =0
s →0
]
f (∞) = lim sf (s)
s→0
94
Observe que sf (s) deve ser finito para todo s que satisfaz Re(s) ≥ 0 . Se esta condição não é
satisfeita, f ( t ) não apresenta limite quando t → ∞ .
dh ( t ) 1 1
=− h ( t ) + Fi ( t ) (4.10)
dt 2AR h s A
1 1
sh (s) − h ( t ) =− h (s) + Fi (s) (4.11)
t =0
2AR h s A
Como estamos considerando funções desvios em relação ao estado estacionário inicial, temos
que
h(t) =0
t =0
2R h s
h (s) = Fi (s) (4.12)
2AR h s s + 1
Assim, se Fi (s) for conhecida, a solução da equação diferencial (4.10) será dada por
2R h s
h ( t ) = ℒ −1 Fi (s) (4.13)
2AR h s s + 1
95
3. Achar a função de t da transformada de Laplace obtida no passo 2. Esta função satisfaz a
equação diferencial e as condições iniciais e, conseqüentemente, é a solução desejada. Este
passo é o passo mais difícil e trabalhoso, chamado de inversão da transformada. Estudaremos
apenas a técnica da expansão em frações parciais para a inversão da transformada.
e se as transformadas inversas de Laplace de x 1 (s) , x 2 (s) , ..., x n (s) são conhecidas, então
x ( t ) = x 1 ( t ) + x 2 ( t ) +…+ x n ( t ) (4.16)
Q(s) K (s − z1 )(s − z 2 )⋯ (s − z m )
x (s) = ou x (s) = (4.17)
P(s) (s − p1 )(s − p 2 )⋯(s − p n )
chamada de modelo ganho-zero-pólo, em que Q(s) e P (s) são polinômios em s de graus m
e n , respectivamente, e o grau de P (s) é maior que o de Q(s) . Então, x (s) pode ser
expandido em suas frações parciais. A inversão de transformada de Laplace pelo uso da
expansão em frações parciais segue os três passos seguintes:
Q(s) C C C
x (s) = = 1 + 2 +…+ n (4.18)
P(s) r1 (s) r2 (s) rn (s)
em que r1 (s) , r2 (s) , ..., rn (s) são polinômios de grau baixo, como 1o grau ou 2o grau.
96
C C C
x ( t ) = ℒ −1 1 + ℒ −1 2 + … + ℒ −1 n (4.19)
r1 (s) r2 (s) rn (s)
Quando X (s) na equação 4.18 é uma razão de dois polinômios, sua expansão em uma série
de frações é governada pela forma e pelas raízes do polinômio no denominador, P (s) . Em
geral, pode-se distinguir em dois casos:
Q(s) Q(s)
x (s) = = (4.20)
P(s) (s − p1 )(s − p 2 )⋯ (s − p n )
Q(s) C1 C2 Cn
x (s) = = + +⋯+ (4.21)
P(s) s − p1 s − p 2 s − pn
A expansão é a seguinte:
Q(s) Q(s)
x (s) = = (4.22)
P(s) (s − p1 )(s − p 2 )⋯ (s − p n − r )(s − p i )r
s+5
x (s) = (4.24)
(s+ 1)(s + 4)
Expandindo x (s) em frações, obtemos:
s+5 C C
x (s) = = 1 + 2 (4.25)
(s+ 1)(s + 4) s + 1 s + 4
Antes de calcular a função inversa, temos que calcular as constante C1 e C 2 , e para tal temos
vários métodos:
s 1 : C1 + C 2 = 1
(4.27)
s 0 :4C1 + C 2 = 5
4 1
C1 = C2 = − (4.28)
3 3
Método 2 Como a equação deve valer para quaisquer valores de s , podemos especificar dois
valores para s e resolver para as duas constantes.
1
s = −5 0 = − C1 − C 2
4 (4.29)
2 1
s = −3 − = − C 1 + C 2
2 2
Resolvendo, obtemos:
4 1
C1 = C2 = − (4.30)
3 3
s+5 C (s + 1)
= C1 + 2 (4.31)
s+4 s+4
4
Fazendo s = −1 , resulta C1 = .
3
1
Fazendo s = −4 , resulta C 2 = − .
3
Assim,
43 13
x (s) = − (4.33)
s +1 s + 4
98
4 3 13
ℒ -1 [x (s)] = ℒ -1 − ℒ −1 (4.34)
s +1 s + 4
4 −t 1 −4t
x(t) = e − e (4.35)
3 3
O Scilab prove uma função que faz a expansão em frações parciais para o caso de raízes
distintas. A função é pfss e a forma de chamamento da função é
elts=pfss(Sl)
Programa
Frações parciais
(1)
1.3333333
---------
1+s
(2)
- 0.3333333
---------
4+s
99
Exemplo 4.2 Raízes complexas conjugadas
s +1 Q(s)
x (s) = 2
= (4.36)
s − 2s + 5 P(s)
As raízes de P (s) são: p1 = 1 + 2 j , p 2 = 1 − 2 j , ou seja:
Portanto,
s +1 s +1
x (s) = = (4.38)
s − 2s + 5 [s − (1 + 2 j)][s − (1 − 2 j)]
2
s +1 C1 C2
x (s) = = + (4.39)
[s − (1 + 2 j)][s − (1 − 2 j)] s − (1 + 2 j) s − (1 − 2 j)
Invertendo a expressão acima para o domínio do tempo, temos
C1 C2
x ( t ) = ℒ -1 [X (s)] = ℒ -1 + ℒ -1 (4.40)
s − (1 + 2 j) s − (1 − 2 j)
1− j
Fazendo s = 1 + 2 j , resulta C1 = .
2
s +1 C [s − (1 − 2 j)]
= 1 + C2 (4.43)
[s − (1 + 2 j)] s − (1 + 2 j)
100
1+ j
Fazendo s = 1 − 2 j , resulta C 2 =.
2
Note que C1 e C 2 são complexos conjugados. Portanto, a equação 4.41 fica
Usando a identidade
1− j t 1 + j t
x(t) =
2
[
e (cos 2 t + jsen 2 t ) + ] e cos(−2 t ) + jsen (−2 t )
2 = cos 2 t
(4.46)
= − sen 2 t
et
x(t) = [(1 − j)(cos 2 t + jsen 2t ) + (1 + j)(cos 2t − jsen 2t )] (4.47)
2
em que
a
a 3 = a 12 + a 22 e φ = tan −1 1 (4.50)
a2
então, a equação 4.48 pode ser reescrita como
x ( t ) = e t 2sen (2 t + φ) (4.51)
1
φ = tan −1 = 45 ° (4.52)
1
1
x (s) = 3
(4.53)
(s + 1) (s + 2)
101
A raízes de P(s) são: p1 = p 2 = p 3 = −1 , p 4 = −2 , e a expansão em frações parciais resulta
em
1 C1 C2 C3 C4
x (s) = = + + + (4.54)
3
(s + 1) (s + 2) s + 1 (s + 1) 2
(s + 1) (s + 2)
3
1 C (s + 2 ) C 2 (s + 2 ) C 3 (s + 2 )
3
= 1 + + + C4 (4.56)
(s + 1) s +1 (s + 1)2 (s + 1)3
Fazendo s = −2 , resulta C 4 = −1 .
3
Para determinar C 3 , multiplicamos ambos os membros da equação 4.54 por (s + 1)
3
1 2 C (s + 1)
= C1 (s + 1) + C 2 (s + 1) + C 3 + 4 (4.57)
s+2 (s + 2)
Daí, fazendo s = −1 , resulta C 3 = 1
2
1 C 4 (s + 1) (2s + 5)
− = 2C1 (s + 1) + C 2 + (4.58)
(s + 2)2 (s + 2)2
Fazendo s = −1 , resulta C 2 = −1 .
2 s 2 + 5s + 7
= 2C 1 + C 4 2(s + 1) (4.59)
(s + 2)3 (s + 2)3
Fazendo s = −1 , resulta C1 = 1 .
102
1
x ( t ) = e − t 1 − t + t 2 − e − 2 t (4.61)
2
Exemplo 4.4
dx
+ x =1 (4.62)
dt
1
sx (s) − x ( t ) t =0 + x (s) = (4.64)
s
1
sx (s) + x (s) = (4.65)
s
(s + 1)x (s) = 1 (4.66)
s
1
x (s) = (4.67)
s(s + 1)
A transformada inversa de Laplace da equação 4.67 pode ser obtida consultando a tabela de
transformadas de Laplace resultando em:
103
x(t ) = 1 − e − t (4.68)
Exemplo 4.5
d2x
+ 4x = 3 (4.69)
dt 2
dx ( t )
x ( t ) t =0 = =1 (4.70)
dt t =0
dx ( t ) 3
s 2 x (s) − s x ( t ) t =0 − + 4 x (s) = (4.71)
dt t =0 s
3
s 2 x (s) − s − 1 + 4 x (s) = (4.72)
s
2 3
s x (s) + 4 x (s) = s + 1 + (4.73)
s
3
(s 2 + 4)x (s) = s + 1 + s (4.74)
s 1 3
x (s) = 2 + 2 + 2 (4.75)
s + 4 s + 4 s(s + 4 )
3 C C s + C3
= 1 + 22 (4.76)
(
ss +42
s )s +4
=
(
3 C1 s 2 + 4 )
+ C 2s + C3 (4.77)
s s
104
3
= C 2 2 j + C3 (4.78)
2j
3
= −C 2 2 j + C 3 (4.79)
− 2j
− 4C 2 + 2C 3 j − 3 = 0
(4.80)
− 4C 2 − 2C 3 j − 3 = 0
C 2 = − 3 4 e C3 = 0
1 3
x ( t ) = cos 2 t + sen 2 t + (1 − cos 2 t ) (4.82)
2 4
que é a solução da equação diferencial (4.69).
Exemplo 4.6
dx 1
= 2 x 1 + 3x 2 + 1 com x1 (0) = 0 (4.83)
dt
dx 2
= 2x 1 + x 2 + e t com x 2 (0) = 0 (4.84)
dt
1
sx 1 (s) − x 1 (0) = 2 x 1 (s) + 3x 2 (s) + (4.85)
s
1
sx 2 (s) − x 2 (0) = 2 x 1 (s) + x 2 (s) + (4.86)
s −1
ou
1
s − 2 − 3 x 1 (s) s
− 2 s − 1 x (s) = 1 (4.87)
2
s − 1
+
1 s −1 s −1 s − 1 = s(s − 1) = s − 2s + 1 + 3s
2
x 1 (s) = = s
s−2 −3 (s − 2)(s − 1) − 6 s 2 − 3s − 4 s(s − 1)(s − 4)(s + 1)
(4.88)
− 2 s −1
s2 + s +1
=
s(s − 1)(s − 4 )(s + 1)
s2 − 2 D D D D
x 2 (s) = = 1+ 2 + 3 + 4 (4.91)
s(s − 1)(s − 4 )(s + 1) s s −1 s − 4 s +1
ou
s2 + s +1 1 4 − 1 2 21 60 − 1 10
x 1 (s) = = + + + (4.92)
s(s − 1)(s − 4 )(s + 1) s s −1 s − 4 s +1
s2 − 2 − 1 2 1 6 14 60 1 10
x 2 (s) = = + + + (4.93)
s(s − 1)(s − 4 )(s + 1) s s −1 s − 4 s +1
1 1 t 7 4 t 1 −t
x 1 (t ) = − e + e − e (4.94)
4 2 20 10
1 1 14 1
x 2 (t ) = − + e t + e 4t + e −t (4.95)
2 6 60 10
106
Exercícios
s(s + 1)
a) x (s) =
(s + 2)(s + 3)(s + 4)
s(s + 1)
b) x (s) =
(s + 2)(s + 3)(s 2 + 4)
s+4
c) x (s) =
(s + 1)2
1
d) x (s) = 2
s + s +1
e) x (s) =
(s + 1)e −0,5s
s(s + 2 )(s + 3)
107
4.4 Para cada uma das funções x (s) , o que você pode dizer sobre x ( t ) no intervalo 0 ≤ t < ∞ ,
sem resolver x ( t ) ? Quais os valores de x (∞) ? Quanto t tende para ∞, x ( t ) vai convergir ou
divergir? A função x ( t ) é suave ou oscilatória?
6(s + 2 )
a) x (s) =
( )
s + 9s + 20 (s + 4 )
2
2
10s − 3
b) x (s) =
(s − 6s + 10)(s + 2)
2
16s + 5
c) x (s) = 2
s +9
dx
+ 4x = f (t )
dt
onde:
0 t<0
f ( t ) = h 0 ≤ t < 1 h
0 t ≥1 h
4.6 O comportamento dinâmico de um reator de leito recheado pode ser aproximado pela
seguinte função de transferência:
T (s) 3(2 − s )
=
Ti (s) (10s + 1)(5s + 1)
4.7 Um processo de aquecimento elétrico exibe uma dinâmica de segunda ordem definida
pela seguinte equação diferencial:
dT 2 ( t ) dT( t )
9 2
+ 4,2 + T( t ) = 0,4P( t )
dt dt
108
a) Converter o modelo do processo para o domínio de Laplace.
b) Supondo que a potência seja subitamente aumentada para 35 kW, obtenha a função que
fornece a temperatura do sistema em função do tempo. Qual será o maior valor alcançado pela
temperatura e o instante em que isso ocorre?
1 dy 2 ( t ) dy( t )
2
+ζ + y( t ) = u ( t )
9 dt dt
109
5 Modelos de funções de transferência: Conversão
de modelo de variáveis de estado para função de
transferência usando o Scilab.
Admitamos que o comportamento dinâmico desse processo seja descrito por uma equação
diferencial linear do tipo:
dn y d n −1 y dy dmu d m −1 u du
an n
+ a n −1 n −1
+ … + a 1 + a 0 y = b m m
+ b m −1 m −1
+ … + b1 + b0u (5.1)
dt dt dt dt dt dt
Assumindo que o sistema esteja inicialmente em estado estacionário, e a entrada e saída sejam
consideradas como variáveis desvios em relação a esse estado estacionário inicial, então:
dy d2y d n −1 y
y(0) = = 2 = … = n −1 = 0 (5.2)
dt t =0 dt t =0 dt t =0
110
e
du d 2u d m −1 y
u (0) = = 2 = … = m −1 = 0 (5.3)
dt t = 0 dt t =0 dt t =0
a n s n y(s) + a n −1s n −1 y(s) + … + a 1sy (s) + a 0 y(s) = b m s m u (s) + … + b 1su (s) + b 0 u (s) (5.4)
ou
y(s) b m s m + … + b 1s + b 0
= G (s) = (5.5)
u (s) a n s n + a n −1s n −1 + … + a 1s + a 0
G (s) é definida como a função de transferência do sistema. Observe que G (s) é uma relação
entre dois polinômios em s . Portanto, a manipulação de funções de transferência é bem mais
simples que a manipulação de modelos envolvendo equações diferencias. A representação
esquemática de modelos fica também mais simples. O diagrama da Figura 5.2 também é
conhecido como diagrama de blocos do sistema.
Exemplo 5.1
Consideremos o sistema do tanque com nível de líquido (Capítulo 3) onde o modelo
linearizado é dado pela equação 3.20:
111
dh 1
A + h = Fi (5.6)
dt 2R h s
1
A sh (s) + h (0) + H (s) = Fi (s) (5.7)
2R h s
=0
h (s) 2R h s
= (5.8)
Fi (s) 2AR h s s + 1
2R h s
G (s) = (5.9)
2AR h s s + 1
O conceito de função de transferência pode ser estendido para o caso de sistema com várias
entradas e várias saídas (sistemas multivariáveis). Por exemplo, consideremos um sistema
com duas entradas e duas saídas que pode ser representado por um sistema de equações
diferenciais lineares da forma:
d n y1 d n −1 y1 dy
a 1,n n
+ a 1, n −1 n −1
+ … + a 1,1 1 + a 1, 0 y1 =
dt dt dt
m
(5.10a)
d u1 du 1 dmu2 du
b1,1,m m
+ … + b 1,1,1 + b u
1,1, 0 1 + b 1, 2, m m
+ … + b1, 2,1 2 + b1, 2, 0 u 2
dt dt dt dt
dn y2 d n −1 y 2 dy
a 2,n n
+ a 2 , n −1 n −1
+ … + a 2,1 2 + a 2,0 y 2 =
dt dt dt
m
(5.10b)
d u1 du 1 dmu2 du
b 2,1,m m
+ … + b 2 ,1,1 + b u
2 ,1, 0 1 + b 2, 2 , m m
+ … + b 2, 2,1 2 + b 2, 2, 0 u 2
dt dt dt dt
Aplicando a transformação de Laplace aos termos de (5.10), com a condição que o sistema
parte de um estado estacionário, temos:
112
a 2,n s n y 2 (s) + a 2,n −1s n −1 y 2 (s) + … + a 2,1sy 2 (s) + a 2,0 y 2 (s) =
b 2,1,m s m u 1 (s) + … + b 2,1,1su 1 (s) + b 2,1, 0 u 1 (s) + b 2, 2, m s m u 2 (s) + … + b 2, 2,1su 2 (s) + b 2, 2, 0 u 2 (s)
(5.11b)
113
Figura 5.4 Diagrama de blocos das funções de transferência de um sistema 2×2.
Exemplo 5.2
Consideremos o sistema do tanque de aquecimento representado na Figura 3.5. Como já visto
no Capítulo 3, o modelo linearizado do tanque pode ser escrito da seguinte forma:
dh 0 0
dt
= − 1 F ∆ H Fis h
d T Ah s2 is is
F (T − T ) + sts st
−
Ah s T
s
ρC p
dt
(5.15)
1 1
0 − 0
+ ∆H
A st F A Ti
+ F Tis − Ts F
st
0 F is i
ρC p Ah s Ah s Ah s
1 1
sh (s) = − F(s) + Fi (s)
A A
1 Fsts ∆H st Fis ∆H st
sT(s) = − Fis (Tis − Ts ) + h (s) − T(s) + Fst (s)
Ah s2
ρC p Ah s ρC p Ah s
(5.16)
F (T − Ts )
+ is Ti (s) + is Fi (s)
Ah s Ah s
114
sh (s) = α1 F(s) + α 2 Fi (s) (5.17)
−1 −1
h (s) s 0 0 α 1 Fst (s) s 0 0 α 2 Ti (s)
T(s) = − β + (5.20)
1 s − β 2 β 3 0 F(s) − β1 s − β 2 β 4 β 5 Fi (s)
α1 α2
0 0
h (s) s Fst (s ) s Ti (s)
T(s) = β α1β1 F(s) β 4
+ sβ 5 + α 2 β1 F (s) (5.21)
3 i
s − β 2 s(s − β 2 ) s − β 2 s(s − β 2 )
G u (s ) Gd (s)
Onde G u (s) e G d (s) são as matrizes de transferência das saídas em relação às entradas
manipuladas e aos distúrbios respectivamente.
Exemplo 5.3
Podemos também obter a matriz de transferência do reator CSTR (Figura 5.5) estudado no
Exemplo 2.2, a partir do modelo em variáveis de estado desenvolvido no Capítulo 3.
xɺ = Ax + B u + Γ d
(5.22)
y = Cx
onde
0 0 0
k e −E RTs F k 0 E e − E RTs
A= − 0 − s + k 0 e − E RTs
Vs Vs RTs2
− E RTs F
− ∆H r k 0 e c As ∆H r k 0 e − E RTs UA t ∆H r k 0 E e −E RTs c As
− − s + −
ρC p Vs ρC p Vs ρC p Vs ρC p RTs2
− 1 0
B=0 0
0 − UA t
ρC p Vs
1 0 0
(c − c As ) Fis
Γ = Ais 0
V Vs
(T −s T ) Fis
is s
0
Vs Vs
1 0 0
C=
0 1 0
Observe que podemos aplicar a transformada de Laplace diretamente em (5.22) para obter
116
−1 −1
x(s) = (sI − A ) Bu(s) + (sI − A ) Γd(s) (5.25)
−1 −1
y (s) = C(sI − A ) Bu(s) + C(sI − A ) Γd(s) (5.26)
−1
Portanto, G u (s) = C(sI − A ) B é matriz de transferência que relaciona as entradas
−1
manipuladas com as saídas e G d (s) = C(sI − A ) Γ é a matriz de transferência que relaciona
os distúrbios com as saídas.
y(s)
= G (s) (5.27)
u (s)
Em geral, essa função é uma razão de dois polinômios (isto é, uma função racional) que pode
ser representada na forma de modelo ganho-zero-pólo.
Q(s) K (s − z 1 )(s − z 2 )⋯ (s − z m )
G (s) = = (5.28)
P(s) (s − p1 )(s − p 2 )⋯ (s − p n )
A única exceção a essa forma são os sistemas que apresentam tempo morto que introduz
termos exponenciais no numerador. Para sistemas fisicamente realizáveis, o polinômio Q(s)
será sempre de ordem menor ou igual à ordem do polinômio P (s) . Se o grau do numerador
for menor ou igual ao grau do denominador, a função de transferência é dita própria. Se o
grau do numerador for menor do que o grau do denominador, a função de transferência é dita
estritamente própria.
117
5.4 Análise qualitativa da resposta do sistema
A função de transferência descreve, de modo completo, as características dinâmicas do
sistema. Para uma variação específica na entrada u ( t ) , cuja transformada é u (s) , a resposta
dinâmica da saída é dada por:
y ( s ) = G ( s )u ( s ) (5.29)
Q(s)
G (s) = (5.30)
P(s)
Além disso, para as funções mais comumente consideradas como entradas, a transformada de
Laplace pode também ser expressa pela razão de dois polinômios
r (s)
u (s) = (5.31)
q (s)
Assim,
Q(s) r (s)
y(s) = (5.32)
P(s) q (s)
ou
termos do numerador
y(s) = (5.33)
P(s)q (s)
Portanto, para inverter y(s) pelo método das frações parciais, precisamos conhecer as raízes
de P (s) (isto é, os pólos do sistema) e as raízes de q (s) . Além disso, as características dos
termos resultantes da inversão por frações parciais são definidas unicamente pelos pólos do
sistema e pelas raízes de q (s) , ou seja, se conhecemos a localização dos pólos do sistema,
podemos determinar as características qualitativas do sistema a uma dada entrada, sem muito
esforço adicional.
Q(s) Q(s)
G (s) = = (5.34)
P(s) (s − p1 )(s − p 2 )⋯ (s − p n )
118
1 – É uma raiz real (positiva ou negativa) simples.
2 - É uma raiz real com multiplicidade maior que 1.
3 - É uma raiz complexa do tipo a + bj .
4 - É uma raiz nula.
Admitamos também que u (s) é uma função cujas raízes do denominador são simples.
Caso 1
Q(s) N(s)
y(s) = u (s) = (5.36)
P(s) (s − p1 )(s − p 2 )(s − p 3 )
onde p1 p 2 são as raízes reais de P (s) e p 3 é a raiz do denominador de U(s) . Nesse caso, a
resposta do sistema será do tipo
C C2 C3
y( t ) = ℒ −1 1 + + (5.37)
s − p1 s − p 2 s − p 3
É obvio que se todos os p i forem negativos as funções exponenciais tenderão para zero e a
resposta do sistema será estável. Entretanto, se um dos p i =1, 2 for positivo, a correspondente
função exponencial tenderá para infinito e a resposta será instável mesmo que p 3 seja
negativo (perturbação estável). Analogamente, a resposta será instável se p i =1, 2 forem
negativos, mas p 3 for positivo. Ou seja, se a perturbação for instável, a resposta do sistema
será sempre instável.
Caso 2
Q(s) N (s)
y(s) = u (s) = (5.39)
P(s) (s − p1 )(s − p 2 )2 (s − p 3 )
ou seja, uma das raízes da função de transferência tem multiplicidade 2. Daí, a resposta do
sistema fica:
C C C 22 C3
y( t ) = ℒ −1 1 + 21 + 2
+ (5.40)
s − p1 s − p 2 (s − p 2 ) s − p3
119
y( t ) = C1e p1t + C 21e p 2 t + C 22 te p 2 t + C 3 e p3t (5.41)
Caso 3
Q(s) N(s)
y(s) = u (s) = (5.42)
P(s) (s − p1 )(s − p 2 )(s − p 3 )
onde p1 = a + bj é uma raiz complexa. Porém, como P(s) é um polinômio de coeficientes
reais, pois é conseqüência de uma equação diferencial com coeficientes reais, então
p 2 = a − bj é a raiz complexa conjugada. Nesse caso, a resposta do sistema será do tipo
C1 C2 C3
y( t ) = ℒ −1 + + (5.43)
s − a − bj s − a + bj s − p 3
Supondo que p 3 seja negativo (perturbação estável), como sen (bt ) e cos(bt ) são funções
limitadas, a resposta do sistema será limitada (estável) se a for negativo.
Caso 4
Q(s) N(s)
y(s) = u (s) = (5.46)
P(s) s(s − p 2 )(s − p 3 )
C C2 C3
y( t ) = ℒ −1 1 + + (5.47)
s s − p 2 s − p3
y ( t ) = C1 + C 2 e p 2 t + C 3 e p 3 t (5.48)
120
Observações
1. É óbvio que para uma dada entrada específica u ( t ) , teremos que considerar as raízes
adicionais introduzidas pelo denominador de u (s) , a fim de termos um quadro completo da
resposta qualitativa do sistema.
3. Pólos situados à direita do eixo imaginário dão origem a termos que crescem ao ∞ com o
tempo (sistema instável). Portanto, um sistema é estável se todos os pólos da função de
transferência são localizados à esquerda do eixo imaginário.
4. A presença ou ausência de zeros do sistema não tem efeito sobre o número e localização
dos pólos e de seus termos de resposta. Portanto, a menos que haja cancelamento exato de um
pólo por um zero com o mesmo valor numérico, os zeros não têm nenhum sobre a
estabilidade do sistema. Entretanto, os zeros exercem um efeito nos coeficientes dos termos
da resposta (isto é, como eles são ponderados), influenciando, assim, na resposta do sistema.
Tais coeficientes são determinados pela expansão em frações parciais.
121
- A função de transferência é definida apenas para sistemas lineares invariantes no tempo.
Não é definida para sistemas não-lineares e nesse caso, temos que inicialmente achar a forma
linearizada do modelo do sistema.
- Todas as condições iniciais do sistema são adotadas iguais a zero (lembre-se de que as
variáveis envolvidas estão na forma de desvio em relação a um estado estacionário).
y(s) b m s m + … + b 1s + b 0
= G (s) = (5.49)
u (s) a n s n + a n −1s n −1 + … + a 1s + a 0
1
u (s) = (5.50)
s
G (s)
y(∞) = lim y( t ) = lim sY (s) = lim s = lim G (s) (5.51)
t →∞ s →0 s →0 s s→0
b m s m + … + b 1s + b 0 b
y(∞) = lim y( t ) = lim n n −1
= 0 (5.52)
t →∞ s→0 a n s + a n −1s + … + a 1s + a 0 a 0
xɺ = Ax + Bu (5.53)
122
y = Cx + Du (5.54)
P(s)
G (s) = (5.55)
Q(s)
−1
x(s) = (sI − A ) Bu (s) (5.59)
−1
y (s) = C(sI − A ) Bu(s) + Du(s) (5.61)
[ −1
]
y (s) = C(sI − A ) B + D u(s) (5.62)
123
y i (s) = G ij (s)u j (s) (5.65)
A conversão de uma representação para outra de um sistema LTI usando Scilab é bastante
simples. Da representação por espaço de estados para função de transferência, usa-se o
comando ss2tf, e o vice-versa é o comando tf2ss.
Exemplo 5.4
Considere o tanque do Exemplo 3.7. O modelo linearizado é dado por
dh 1 − β1 β1
2A 1 h 1
h 1s − h 2s 2A 1 h 1s − h 2s
dt = 1 + A Fi (5.66)
dh 2 β1 β1 β2 h 2 1
− − 0
dt 2A 2 h 1s − h 2s 2A 2 h 1s − h 2s 2A 2 h 2s
h
y = [0 1] 1 (5.67)
h 2
β1 = 2,5 ft2,5/min
5 2,5
β1 = ft /min
6
A 1 = 5 ft2
A 2 = 10 ft2
Fi = 5 ft3/min
h 1 (0) = h 1s = 10 ft
h 2 (0) = h 2s = 6 ft
− 0,125 0,125
A=
0,0625 − 0,1042
0,2
B=
0
C = [0 1]
124
Assim,
s + 0,125 − 0,125
sI − A =
− 0,0625 s + 0,1042
Lembrando que
−1
a b 1 d − b
c d =
ad − bc − c a
Portanto,
1 s + 0,1042 0,125
(sI − A )−1 =
(s + 0,125)(s + 0,1042 ) − (−0,125)(−0,0625) 0,0625 s + 0,125
1 s + 0,1042 0,125
(sI − A )−1 = 0,0625
2
s + 0,2292s + 0,0052125 s + 0,125
s + 0,1042 0,125
s 2 + 0,2292s + 0,0052125 s + 0,2292s + 0,0052125
2
(sI − A )−1 =
0,0625 s + 0,125
s + 0,2292s + 0,0052125
2
s 2 + 0,2292s + 0,0052125
e
s + 0,1042 0,125
−1
s 2 + 0,2292s + 0,0052125 s + 0,2292s + 0,0052125
2
C(sI − A ) = [0 1]
0,0625 s + 0,125
s + 0,2292s + 0,0052125
2
s 2 + 0,2292s + 0,0052125
−1 0,0625 s + 0,125
C(sI − A ) = 2 2
s + 0,2292s + 0,0052125 s + 0,2292s + 0,0052125
e
−1 0,0625 s + 0,125 0,2
C(sI − A ) B = 2 2
s + 0,2292s + 0,0052125 s + 0,2292s + 0,0052125 0
−1 0,0125
C(sI − A ) B = 2
s + 0,2292s + 0,0052125
0,0125
G (s) = 2
s + 0,2292s + 0,0052125
Para se obter a função de transferência a partir das equações no espaço de estados usa-se o
seguinte comando ss2tf.
125
Programa
//Programa principal
!lss A B C D X0 dt !
(2) = A matrix =
- 0.125 0.125
0.0625 - 0.1041667
(3) = B matrix =
0.2
126
0.
(4) = C matrix =
0. 1.
(5) = D matrix =
0.
0.
0.
0.0125 + 8.327D-17s
-------------------------
2
0.0052083 + 0.2291667s + s
0,0125
G (s) = 2
s + 0,2292s + 0,005208
Vamos ver agora a conversão de um modelo sob a forma de função de transferência para um
modelo no espaço de estados por intermédio de um exemplo.
Exemplo 5.5
Considere a função de transferência
s
G (s) = 3 2
s + 14s + 56s + 160
Programa
127
//Interconversão entre os modelos
clear
clearglobal
clc
//Programa principal
s=%s
num=s
den=s^3+14*s^2+56*s+160
G=syslin('c',num,den)
disp('Função de transferência')
disp(G)
sys=tf2ss(G)
disp('Representação no espaço de estados')
disp(sys)
Função de transferência
s
-------------------
2 3
160 + 56s + 14s + s
!lss A B C D X0 dt !
(2) = A matrix =
0. - 8. 0.
7. - 14. 5.
4. 0. 0.
(3) = B matrix =
0.
1.
0.
(4) = C matrix =
- 0.125 0. 0.
(5) = D matrix =
0.
0.
0.
128
0.
xɺ 1 0 − 8 0 x 1 0
xɺ = 7 − 14 5 x + 1 u
2 2
xɺ 3 4 0 0 x 3 0
x1
y = [− 0,125 0 0]x 2 + [0]u
x 3
Exercícios
Exercícios resolvidos
5.1 Uma mistura imperfeita num reator químico pode ser modelada dividindo o volume total
do reator em duas seções de mistura perfeita com recirculação entre elas. A alimentação e a
saída do reator são relacionadas a uma das seções. A outra seção age como um elemento de
capacitância lateral como indica a figura. Admita que as vazões e os holdups sejam
constantes. A reação é irreversível e de primeira ordem com relação ao reagente A. O sistema
é isotérmico. Determine a função de transferência entre c A e c Ai . Quais são os zeros e pólos
da função de transferência. Qual o ganho estático do sistema?
k
A→B
129
Balanço do componente A no reator
dc A
V = Fc Ai + FS c AS − Fc A − FS c A − Vkc A
dt
dc AS
VS = FS c A − FS c AS − VS kc AS
dt
ou
dc A
V = Fc Ai + FS c AS − (F + FS + Vk )c A
dt
dc AS
VS = FS c A − (FS + VS k )c AS
dt
dc A
V = Fc Ai + FS c AS − (F + FS + Vk )c A
dt
d c AS
VS = FS c A − (FS + VS k )c AS
dt
ou
Temos então duas equações algébricas em cA (s) e cAS (s) , que podem ser resolvidas usando a
regra de Cramer. A solução para cA (s) é dada por:
Fc Ai
′ (s) − FS
0 VS s + FS + VS k
c A (s) =
Vs + F + FS + Vk − FS
− FS VS s + FS + VS k
130
F(VS s + FS + VS k )
c A (s) = c (s)
(Vs + F + FS + Vk )(VSs + FS + VS k ) − FS2 Ai
F(VS s + FS + VS k )
c A (s) = c Ai (s)
VVS s + (VFS + VS F + VS FS + 2VVS k )s + FFS + FVS k + FS Vk + FS VS k + VVS k 2
2
VSs + FS + VS k = 0
FS + VS k
s=−
VS
−b± ∆
s=
2a
em que:
a = VVS
b = VFS + VS F + VS FS + 2VVS k
2
(
∆ = (VFS + VS F + VS FS + 2VVSk ) − 4VVS FFS + FVS k + FS Vk + FSVS k + VVS k 2 )
FVS F(FS + VS k )
2
s+
FFS + FVS k + FS Vk + FS VS k + VVS k FFS + FVS k + FS Vk + FS VS k + VVS k 2
c A (s) = c Ai (s)
VVS 2 VFS + VS F + VS FS + 2VVS k
s + s +1
FFS + FVS k + FS Vk + FS VS k + VVS k 2 FFS + FVS k + FS Vk + FS VS k + VVS k 2
131
F(FS + VS k )
Kp =
FFS + FVS k + FS Vk + FS VS k + VVS k 2
1
Kp =
F Vk + FS VS k + VVS k 2
1+ S
FFS + FVS k
z
td =
v
portanto
ρ(z, s) = e − t d s ρ(0, s)
Substituindo
132
L
s
s s − z
L − z L − z e v
∆P(s) = g ∫ ρ(0, s) e v
dz = gρ(0, s) ∫ e v
dz = gρ(0, s)
0 0 s
−
v 0
Exercícios propostos
dx
+ 3x = f ( t )
dt
onde:
0 t<0
f ( t ) = h 0 ≤ t < 1 h
0 t ≥1 h
c m (s) 1
=
c(s) 0,5s + 1
onde a constante de tempo está em min. As vazões das correntes de entrada são iguais e
constantes ( F1 = F2 = 5 m3/h). As concentrações das entradas são c1 = 50 kg/m3 e c 2 = 5
kg/m3.
133
a) Determine a função de transferência c m (s) c(s) admitindo que as vazões são iguais e
constantes ( F1 = F2 = 5 m3/h).
Se a função de transferência da célula c m (s) c(s) fosse aproximada por 1, qual seria a
resposta do sistema para a mesma variação na entrada?
c) Comparando as respostas dos itens b) e c), o que podemos dizer sobre a dinâmica do
instrumento de medida da concentração?
134
5.6 Usando o modelo em variáveis de estado para o sistema do Exercício 2.3, obter as funções
de transferência relacionando a temperatura de saída e o fluxo de calor no caso em que o
volume de líquido é fixo e no caso em que é variável.
5.7 Usando o modelo em variáveis de estado para o sistema do Exercício 2.4, obter as funções
de transferência relacionando os níveis nos tanques 1 e 2 com a vazão de alimentação. Usando
os dados fornecidos no Exercício 3.5, obter as funções que representam a variação dos níveis
nos tanque para um degrau de 2,5 m3/h na vazão de alimentação.
5.8 Usando o modelo desenvolvido no Exercício 2.5 com os dados fornecidos no Exercício
3.6, obtenha as funções de transferência relacionando os níveis nos tanques com as vazões F1
e F3 . Obtenha as funções as respostas dos níveis para um degrau de +1 m3/h em F1 e F3 .
5.9 Considere o sistema estudado no Exercício 2.6 (????). Para esse sistema obtenha as
funções de transferência que relacionam T3 com F1 e T1 , e a função de transferência que
relaciona F3 com F1 .
5.10 Considere o sistema estudado nos Exercícios 2.12 e 3.9. Obtenha as funções de
transferência que relacionam o nível e a pressão no vaso com a vazão de alimentação.
Obtenha as funções que representam essas respostas para um degrau de 0,5 m3/h na vazão de
alimentação.
5.11 Considere o processo mostrado na figura abaixo. A vazão de líquido nos tanques, F ,
pode ser considerada constante no valor de 250 lb/min. A densidade do líquido é assumida
constante igual a 50 lb/ft3 e o calor específico é também assumido constante igual a 1,3
Btu/lb°F. O volume em cada tanque é 10 ft3. Pode-se desprezar a perda de calor para o meio.
Desenhe o diagrama de blocos que mostre como variações na temperatura Ti ( t ) e Q( t )
afetam T3 ( t ) . Fornecer os valores numéricos e as unidades de cada parâmetro em todas as
funções de transferência.
5.12 Um sistema de dois tanques com reciclo é esquematizado abaixo. Os níveis de líquido
são mantidos por controladores proporcionais: F1 = K c1 h 1 e F2 = K c 2 h 2 . A vazão Fi que
alimenta o sistema e o reciclo FR podem ser ajustadas pelo operador.
135
(a) Desenvolva as quatro funções de transferência relacionando os dois níveis e as duas
cargas:
(b) O nível estacionário no segundo tanque varia com a vazão de reciclo FR ? Use o teorema
do valor final da transformada de Laplace.
5.13 Considere o reator isotérmico na figura onde ocorre uma reação A → B . A taxa de
reação é dada por
rA = kc A moles de A/ft3min
onde k é uma constante. Pode-se assumir que a densidade e todas as outras propriedades
físicas do produto e reagente sejam similares. Pode-se assumir também que o regime de
escoamento entre os pontos 1 e 2 seja altamente turbulento (plug flow), minimizando a
retromistura. Obtenha as funções de transferência relacionando:
136
5.14 Considere o tanque agitado com jaqueta de refrigeração mostrado na figura. O fluido na
jaqueta é assumido perfeitamente misturado e a capacidade térmica da parede desprezível.
137