APOSTILA DE CONTROLE DE PROCESSOS

Darci Odloak - Escola Politécnica da USP

Wu Hong Kwong - Universidade Federal de São Carlos

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).

Figura 1.1 Representação de um processo químico.

Entre as operações que envolvem transformações físicas nos processos químicos pode-se
citar:

- Transporte de reagentes e produtos - através de tubulações, utilizando-se bombas,

compressores ou sopradores.

- Aquecimento/resfriamento de líquidos e gases - através do uso de trocadores de calor.

- Operações de separação - envolvendo filtros, secadores, evaporadores, extratores, colunas de

destilação, etc.

As transformações ou conversões químicas envolvem reações químicas e/ou bioquímicas que

transformam uma substância em outra através do uso de reatores os quais são, geralmente, o
"coração" do processo químico.

Todos os processos químicos contínuos são projetados considerando-se um estado

estacionário, que é definido por um conjunto de hipóteses sobre algumas variáveis do
processo e atende a um outro conjunto de especificações sobre outras variáveis de processo.
Por exemplo, consideremos um tanque de aquecimento de um líquido (óleo combustível)
onde um líquido frio dentro do tanque é aquecido por um outro fluído quente que está
disponível no processo (óleo lubrificante). A Figura 1.2 representa esquematicamente esse
processo.

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:

Balanço de energia global (desprezando as energias cinética e potencial e perdas de

calor para o ambiente)

FciC pcTci − Fco C pcTco + Fhi C ph Thi − Fho C ph Tho = 0 (1.1)

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  

em que U é o coeficiente global de transferência de calor e A é a área de troca de calor da

serpentina.

Balanço de massa do lado do fluido frio

Fci − Fco = 0 (1.3)

3
Balanço de massa do lado do fluido quente

Fhi − Fho = 0 (1.4)

Especificação da diferença mínima entre as temperaturas dos fluidos quente e frio na saída da
serpentina

Tho − Tco = ∆Tmin (1.5)

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:

Da equação 1.3, temos

Fci = Fco = Fc (1.6)

ou seja

Fc = 32890 kg/h

Analogamente da equação 1.4, temos

Fhi = Fho = Fh (1.7)

a ser determinado, Tci = 120 °C, Tco = 150 °C e Thi = 230 °C. Além disso, da equação 1.5,
Tho = 160 °C.

Daí, da equação 1.1, temos

32890(0,63)(120) − 32890(0,63)(150) + Fh (0,58)(230) − Fh (0,58)(160) = 0

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.

Em qualquer processo, as variáveis de processo que se alteram em relação ao estado

estacionário de projeto, são chamadas distúrbios, ou perturbações, ou entradas. As variáveis
de processo que se alteram como conseqüência dos distúrbios são chamadas de saídas do
processo. A Figura 1.3 ilustra esquematicamente as entradas e saídas do aquecedor de óleo.

Figura 1.3 Entradas e saídas do aquecedor.

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:

Fco C pcTco + Fhi C ph Tho = Fci C pcTci + Fhi C ph Thi

(1.8)
UA UA
− (UA + FcC pc )Tco + Tho = − Fc CpcTci − Thi
2 2

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.

Tabela 1.1 Estados estacionários do aquecedor de óleo combustível.

Cenário Fh (kg/h) Thi (°C) Fc (kg/h) Tci (°C) Tho (°C) Tco (°C)
Projeto 15311 230 32890 120 160 150
1 ∆Fh = 500 15811 230 32890 120 161,52 150,31
2 ∆Thi = 2 15311 232 32890 120 160,72 150,55
3 ∆Fc = 3000 15311 230 35890 120 158,36 148,14
4 ∆Tci = 2 15311 230 32890 122 161,26 151,46

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.

Tabela 1.2 Estados estacionários do aquecedor de óleo combustível.

Cenário Fh (kg/h) Thi (°C) Fc (kg/h) Tci (°C) Tho (°C) Tco (°C)
Projeto 15311 230 32890 120 160 150
5 ∆Thi = 2 14478 232 32890 120 157,97 150,00
6 ∆Fc = 3000 18931 230 35890 120 168,21 150,00
7 ∆Tci = 2 13166 230 32890 122 154,00 150,00

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.

Baseado no modelo estacionário definido em (1.8), podemos propor o seguinte modelo

dinâmico simplificado para o tanque de aquecimento:

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 

Nesse modelo admite-se que a temperatura do óleo combustível dentro do tanque de

aquecimento é uniforme e igual ao valor de saída ( Tco ) e o acúmulo de calor dentro da
serpentina possa ser definida em termos da derivada da temperatura de saída do óleo
lubrificante ( Tho ). M c e M h são as massas dos fluidos frio e quente retidos no tambor e
serpentina respectivamente. Para o caso do aquecedor de óleo combustível adotamos os
seguintes valores: M c = 16445 kg (tempo de residência de 30 min) e M h = 765 kg (tempo de
residência de 3 min).

Resolvendo as equações definidas em (1.9), podemos simular o comportamento dinâmico das

saídas do aquecedor de óleo combustível para cada um dos cenários mostrados na Tabela 1.1
Em todos os casos, assume-se que o sistema parte do estado estacionário correspondente às
condições de projeto. Na Figura 1.4 vemos as respostas do aquecedor quando a vazão do
fluido quente Fh é alterada conforme mostrado na Tabela 1.1 (cenário 1). Vemos que existem
diferenças entre as velocidades das respostas das duas saídas. A temperatura de saída do
fluido quente ( Tho ) se aproxima do novo estado estacionário mais rapidamente que a
temperatura de saída do fluido frio ( Tco ) que demora cerca de duas horas para atingir o novo
estado estacionário.

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.

Outro exemplo: reator isotérmico

Consideremos o reator tanque bem agitado esquematizado na Figura 1.6. O componente A é
introduzido no reator em uma corrente que tem vazão FA (mol/h) onde a concentração de A é
c Ai (mol/l). O componente B é introduzido no reator em uma corrente com vazão FB (mol/h)
e concentração c Bi (mol/l).

Figura 1.6 Esquema do reator tanque isotérmico.

Nesse reator ocorre a reação

onde as taxas de reação são as seguintes:

r1 = k 1c A (mol/h.l) k 1 = 3 × 10 6 e −5000 T min-1

r2 = k 2 c B (mol/h.l) k 2 = 6 × 10 6 e −5500 T min-1

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:

Balanço de massa total

F = FA + FB (1.11)

F = 150 + 200 = 350 l/h

Balanço de massa do componente A

FA c Ai − Fc A − k1c A V + k 2c B V = 0 (1.12)

150(0,3) − 350c A − 3 × 10 6 e −5000 367 c A V + 6 × 10 6 e −5500 367 c B V = 0 (1.13)

Balanço de massa do componente B

FBc Bi − Fc B + k1c A V − k 2c B V = 0 (1.14)

200(0,1) − 350c B − 3 × 10 6 e −5000 367 c A V + 6 × 10 6 e −5500 367 c B V = 0 (1.15)

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 .

Por exemplo, se adotarmos V = 200 l, obtemos c A = 0,063242 mol/l e c B = 0,122473 mol/l.

Portanto, esse volume satisfaz a restrição de máximo em c A .

Observemos que nesse reator, FA , FB , c Ai e c Bi são distúrbios ou entradas que afetam c A e

podemos implantar uma malha de controle de c A que manipula uma das entradas para
neutralizar o efeito das outras entradas.

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.

Figura 1.8 Resposta do reator para distúrbio em c Ai .

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.

1.2 Elementos da malha de controle. Controle manual e

automático
No caso do aquecedor de óleo, uma vez decidido que a temperatura de saída do óleo
combustível vai ser controlada através da manipulação da vazão do fluido quente,
estabelecemos que o processo terá uma malha de controle para tal fim. Conforme
representado na Figura 1.10, além do processo, uma malha de controle convencional tem três
elementos básicos:

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.

Controlador: É um equipamento que contém a lógica ou lei de controle. Esse equipamento

pode ser um computador, um circuito analógico ou um circuito pneumático. No caso do
aquecedor de óleo combustível, a lógica deve ser tal que a vazão do fluido quente Fq aumente
quando a temperatura de saída do óleo estiver abaixo do valor desejado, e vice versa quando a
temperatura do óleo estiver acima do valor desejado. Eventualmente, o papel do controlador
pode ser exercido pelo próprio operador. Nesse caso dizemos que a malha está em manual.

Figura 1.10 Representação esquemática da malha de controle do aquecedor de óleo.

1.3 Estratégia de controle

Vimos que as duas tarefas, monitorar certas variáveis do processo e induzir mudanças em
variáveis adequadas do processo, são as funções primordiais do sistema de controle.

O engenheiro de controle busca como as variáveis de operação se relacionam, como atuar em

certas variáveis do processo de forma que as variáveis controladas mantenham-se nos níveis
desejados. O desenvolvimento de uma estratégia de controle consiste em formular ou
identificar o seguinte:

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

Rígidas – não podem ser violadas em hipótese nenhuma.

Suaves – eventualmente podem ser violadas com pequenas ultrapassagens.

Quanto à estrutura de controle

4. Os controladores podem ser por realimentação (feedback) ou antecipatório (feedforward).

Uma estrutura de controle é a estrutura de informação utilizada para conectar as medidas

disponíveis às variáveis manipuladas disponíveis. Dependendo do número de saídas
controladas e de entradas manipuladas, podemos distinguir a estrutura de controle como
sistema de controle entrada simples-saída simples (SISO, single input-single output) ou
entrada múltipla-saída múltipla (MIMO, multiple input-multiple output).

1.4 Estrutura de controle

As três estruturas gerais de controle são:

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.

Figura 1.12 Estrutura de controle feedforward.

1.5 Projeto de controle

Em qualquer estrutura de controle, o controlador é o elemento ativo que recebe as
informações das medidas e implementa as ações de controle apropriadas para ajustar os
valores das variáveis manipuladas. O controlador compara o valor da saída com o valor
desejado, determina o desvio e produz um sinal de controle que reduzirá o desvio a zero ou a
18
um valor pequeno. A maneira pela qual o controlador produz o sinal de controle é chamada lei
de controle.

Retomando o exemplo do tanque de aquecimento de óleo combustível (fluido frio) utilizando

óleo lubrificante (fluido quente) e considerando que se deseja controlar a temperatura de saída
do óleo combustível, Tco , frente a distúrbios na temperatura de entrada do óleo lubrificante,
Thi . Para tal, será manipulada a vazão de óleo lubrificante, Fh .

Figura 1.13 Estrutura de controle do tanque de aquecimento.

O controlador utilizará os valores conhecidos de Tco e Tc,sp (valor desejado para a

temperatura Tco ) para ajustar a vazão de óleo lubrificante de acordo com uma fórmula
predeterminada. A diferença entre Tc,sp − Tco é chamada de erro. É claro que, quanto maior
for esse erro, menos satisfatória será a situação, e vice-versa. De fato, o ideal é quando for
zero. Com base nessas considerações, é natural sugerir que o controlador deva alterar a vazão
de óleo lubrificante por uma quantidade proporcional ao erro. Assim, uma fórmula plausível
para o controlador obedecer é

Fh = Fhs + K c (Tc,sp − Tco ) (1.18)

em que K c é uma constante (positiva) de proporcionalidade e Fhs é a vazão de óleo no estado

estacionário inicial. Isso é chamado controle proporcional.

Na Figura 1.14 é mostrada a resposta da temperatura do óleo combustível a uma perturbação

degrau de 2°C na temperatura do óleo lubrificante para três valores do ganho proporcional
K c . Pode-se ver que a temperatura do óleo combustível não tende ao valor desejado, que é o
seu valor no estado estacionário de 150°C. A diferença é chamada de desvio permanente
(offset). O desvio permanente decresce à medida em que K c aumenta. Por enquanto, diremos
apenas que o fato de o controlador proporcional ser ou não satisfatório depende de quanto

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

Este sistema de controle tem dois parâmetros ajustáveis: K c e τ I .

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.

Figura 1.16 Tanque de mistura.

Dados: Volume do tanque V = 2,7 m3.

Vazão volumétrica F = 400 L/min.
Concentração de alimentação c i no estado estacionário c is = 19 g/L
Massa específica média da mistura ρ = 1,1213 g/cm3.

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

Balanço de sal no regime dinâmico

d (Vc)
= Fc i − Fc (1)
dt

Para volume de tanque constante,

dc
V = Fc i − Fc (2)
dt
22
dc F F
= ci − c (3)
dt V V

Para visualizarmos como a concentração de alimentação c i afeta a concentração de sal no

tanque, vamos considerar que a concentração c i varie de 19 para 20 g/L. Assim, temos
c(0) = 19 g/L e c i = 20 . A solução da equação 3 pode ser visualizada na Figura 11.7

(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.

Figura 1.18 Sistema de mistura em linha.

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?

Considerando que o ponto de medida da propriedade controlada em 3 seja distante das

válvulas colocadas nas correntes 1 e 2, qual a dinâmica esperada para esse sistema?

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.

Figura 1.19 Tanque com agitação.

1.4 Um vaso de armazenamento de líquido pode ser representado pelo seguinte esquema:

Figura 1.20 Vaso de armazenamento.

25
a) Se o objetivo for o controle do volume, qual equação de balanço deve ser considerada? Que
variáveis podem ser manipuladas? Escolhida uma manipulada, quais os distúrbios?
b) Repita a análise para o caso em que F3 << F2 .
c) Como ficaria a malha de controle de V , se F2 e F3 também forem controladas?
d) Suponha que F3 não seja produzida por uma bomba e seja proporcional a V . Como ficaria
o item a?

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.

Figura 1.21 Sistema de escoamento líquido.

Considerando que o escoamento pelas válvulas é definido por:

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

a) Analise a viabilidade de se controlar F e P2 .

b) Quais as manipuladas e distúrbios para cada uma das válvulas.

1.6 Em um tambor de flash de uma mistura binária, temos o esquema a seguir:

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.

1.7 Em um forno de aquecimento de petróleo esquematizado a seguir:

Figura 1.22 Forno de aquecimento.

O balanço de energia no estado estacionário pode ser colocado na forma

Fg λ g = FC p (T − Ti )
em que:
Cp Calor específico, kcal/kg.°C
F Vazão de petróleo, kg/h
Fg Vazão de gás, kg/h
27
T Temperatura do petróleo na saída, °C
Ti Temperatura do petróleo na entrada, °C
λg Calor de combustão do gás, kcal/kg

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.

Figura 1.23 Tanque de armazenamento.

Com um controlador proporcional que é representado pela seguinte equação:

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?

1.9 Uma coluna de destilação tem a seguinte estrutura de controle:

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.

1.10 Em um resfriador de um produto líquido, tem-se o seguinte esquema de controle:

Figura 1.25 Resfriador.

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.

2 Simulação de processos para controle: Modelos

dinâmicos de processos típicos. Integração de
equações diferenciais com Scilab. Entradas e
saídas.
2.1 Importância do modelo matemático
Este capítulo discute com maiores detalhes a modelagem matemática e a simulação de
sistemas dinâmicos com emprego do computador. Conforme vimos no Capítulo 1, a
importância de se conhecer a dinâmica dos processos no estudo do controle desses processos
é que, para termos sucesso em fazer com que um sistema se comporte de maneira desejada,
devemos em primeiro lugar conhecer o comportamento dinâmico do sistema em si, sem o
auxílio ou interferência do controlador. A tarefa de se projetar os sistemas de controle para ser
adequadamente realizada necessita do conhecimento das dinâmicas inerentes aos processos.

No projeto de controladores para processos químicos, precisamos da representação

matemática dos fenômenos físicos e químicos que ocorrem neles. Tal representação
matemática constitui o modelo do sistema, e a tarefa de construir o modelo chama-se
modelagem.

A modelagem de um processo químico requer o uso de princípios básicos da ciência da

engenharia química, como termodinâmica, cinética, fenômenos de transporte, etc. Porém, a
equação ou conjunto de equações que compreendem o modelo são, na melhor das hipóteses,
uma aproximação do processo real. Usualmente, é possível melhorar a precisão de um modelo
matemático ao custo de um aumento na sua complexidade. No entanto, na construção de um
modelo matemático para controle, frequentemente adotamos suposições simplificadoras sem
comprometer a precisão dos resultados da análise.

Os modelos matemáticos são úteis na análise e controle de processos pelos seguintes motivos:

Melhor entendimento do processo - modelos de processos podem ser analisados ou usados

em simulações no computador para investigar o comportamento do processo sem o custo e os
perigos de operar o processo real. Essa maneira é necessária quando não é factível realizar
experimentos dinâmicos na planta ou antes dela estar construída.

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.

Projeto da lei de controle - técnicas de controle moderno muitas vezes incorporam um

modelo na lei de controle. Tais técnicas são denominadas de controle baseado em modelo.

Otimização das condições de operação do processo - em muitas plantas de processo há

incentivos de ajustar periodicamente as condições de operação, de modo a maximizar o lucro
ou minimizar os custos.

2.2 Variáveis e equações do modelo do processo

Na maioria dos sistemas de processamento interessantes ao engenheiro químico, temos três
grandezas fundamentais: massa, energia e momento. Os modelos de processos, ditos
rigorosos, são baseados nos balanços de uma ou mais dessas grandezas no processo como um
todo, ou em partes do processo. No caso de sistemas dinâmicos (que variam com o tempo),
para cada equação de balanço, nós temos associada à equação resultante, uma variável que
mede a grandeza que está sendo balanceada. Por exemplo, no caso de um balanço de massa de
um componente em um reator, a concentração do componente estará associada a esse balanço.
No caso do balanço de energia, a temperatura poderá estar associada a esse balanço. Essas
variáveis que são balanceadas são chamadas de variáveis de estado e seus valores definem o
estado de um sistema de processamento. Mais especificamente, o estado de um sistema
dinâmico é um conjunto de variáveis cuja evolução no tempo descreve completamente o
comportamento interno do sistema. Em uma representação mais abstrata, as variáveis de
estado não necessitam ser fisicamente mensuráveis e podem ser representadas por outras
variáveis medidas chamadas saídas do sistema. Além disso, as variáveis de estado dependem
de algumas variáveis independentes que entram nos balanços, mas não são balanceadas. Essas
variáveis são chamadas de entradas.

As equações que relacionam as variáveis de estado (variáveis dependentes) às variáveis

independentes através da aplicação dos princípios de conservação sobre as grandezas
fundamentais são chamadas de equações de estado. As equações de estado e as variáveis de
estado, além das equações que relacionam as saídas com os estados, constituem o modelo
matemático do processo.

Genericamente, o modelo dinâmico do processo pode ser representado da seguinte forma:

xɺ = f (x, u, d) (2.1)
y = h( x, u) (2.2)

onde x ∈ R n é o vetor de variáveis de estado, f é o conjunto de equações que representam os

balanços de massa, energia e momento, u ∈ R k é vetor de entradas que podem ser
31
manipuladas, d ∈ R l é o vetor de entradas não manipuladas, y ∈ R m é o vetor de saídas e h é
o conjunto de equações que definem as saídas.

2.3 Desenvolvimento de modelos dinâmicos dos

processos
O princípio da conservação de uma quantidade G estabelece que

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.

Figura 2.1 Sistema fixo e as suas interações com o meio externo.

A aplicação do princípio da conservação das quantidades fundamentais: massa total, massa do

componente A e energia no sistema, resulta nas seguintes equações:

Balanço de massa total

d(ρV ) N M
= ∑ ρ i Fi − ∑ ρ j Fj (2.4)
dt i =1 j=1

em que ρ é a densidade média do sistema (massa/volume), V é o volume do sistema, Fi é a

vazão volumétrica da corrente i (volume/tempo), ρ i é a densidade da corrente i
(massa/volume).

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

em que c A é a concentração de A dentro do sistema, c Ai é a concentração de A na corrente i e

r é a taxa de formação ou consumo de A.

Balanço de energia total

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).

Balanço da quantidade de movimento

d (ρVυ)
= ∑ fi (2.7)
dt i

em que υ é velocidade do sistema e f i é uma força que age sobre o sistema.

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.

2.4 Modelos dinâmicos de processos típicos

Exemplo 2.1 Tanque de aquecimento a vapor

Considere o tanque agitado com aquecimento de vapor representado na Figura 2.2, onde
estamos interessados em controlar o nível e a temperatura do líquido contido no tanque. Para
tal, queremos as variáveis de estado e as equações de estado do tanque.
33
Figura 2.2 Tanque de aquecimento com agitação.

As equações de estado desejadas podem ser desenvolvidas aplicando os balanços de massa

total e de energia no tanque.

Balanço de massa do líquido

d (ρV)
= ρ i Fi − ρF (2.8)
dt
ou
d (ρAh )
= ρ i Fi − ρF (2.9)
dt

em que A é a área da seção transversal e h é o nível de líquido no tanque.

Supondo que a densidade seja constante, temos:

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

Desprezando-se as contribuições das energias cinética e potencial, o balanço de energia no

tanque de aquecimento pode ser escrita da seguinte forma:

d[ρAhC p (T − Tref )]
= ρFi C p (Ti − Tref ) − ρFC p (T − Tref ) + Q (2.12)
dt

em que C p é o calor específico do líquido.

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

Substituindo a equação 2.11 na equação 2.14, obtemos

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

Nas equações 2.18-25, referimos h e T como variáveis de estado e Fi , Ti , Fst e F como

entradas (mesmo que F seja vazão de saída, pois seu valor é ditado pelo meio externo e age
sobre o sistema). Para resolvermos esse problema, temos que especificar as funções Fi ( t ) ,
Ti ( t ) , Fst ( t ) e F( t ) , os parâmetros ρ , C p , A e as condições iniciais h (0) e T(0) .

Exemplo 2.2 Modelo matemático de um CSTR

Considere o reator CSTR com camisa de resfriamento esquematizado na Figura 2.3, onde o
reagente A é convertido em um produto.

Figura 2.3 Reator CSTR.

Nesse caso, queremos controlar o nível de produto e a concentração do componente A no

produto. As equações de estado são desenvolvidas aplicando o balanço de massa, balanço do
componente A e balanço de energia no tanque. Vamos supor que a densidade e a capacidade
calorífica sejam constantes. Daí, temos:

Balanço de massa do líquido reagente

dV
= Fi − F (2.26)
dt

Balanço de massa do componente A

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

Substituindo (2.26) em (2.28), temos

dc A
V + c A (Fi − F) = c Ai Fi − c A F − rV (2.29)
dt

Analogamente, usando uma equação constitutiva para a taxa de reação r , temos

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

Balanço de energia no líquido reagente

Desprezando os componentes de energia cinética e potencial, temos

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 

Substituindo (2.26) em (2.33), temos

 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)

Considerando a reação cinética como de primeira ordem, temos

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 

Para resolvermos esse problema, temos que especificar as vazões Fi ( t ) e F( t ) , as

temperaturas Ti ( t ) e Tc ( t ) , os parâmetros ρ , C p , A , U , A t , k 0 , E , R , ∆H r e as
condições iniciais V (0) , c A (0) e T(0) .

2.5 Tempo morto ou atraso por transporte

Nos exemplos de modelagem construídos pode-se observar que quando ocorre uma alteração
em uma das variáveis de entrada (perturbações e variáveis manipuladas), seu efeito é
instantaneamente observado nas variáveis de estado e nas saídas. Entretanto, pode-se observar
em vários processos da indústria que quando uma variável de entrada varia, há um intervalo
de tempo (curto ou longo) durante o qual nenhum efeito é observado nas saídas do sistema.
Esse intervalo de tempo é chamado tempo morto.

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.

Figura 2.4 Sistema com retardo por transporte.

Para o fluido incompressível podemos calcular facilmente o valor do retardo.

AL
td = (2.44)
F
em que F é a vazão do fluido no tubo.

Figura 2.5 Resposta do retardo por transporte a um estímulo.

Observando a Figura 2.5, é claro que podemos escrever a seguinte equação:

To ( t ) = Ti ( t − t d ) (2.45)

isto é, a temperatura na saída num dado instante t é exatamente igual à temperatura na

entrada t d instantes atrás.

2.6 Sistemas de parâmetros concentrados e de

parâmetros distribuídos
Até este ponto, a análise dos processos foi baseada em modelos, cujas variáveis de interesse
variam apenas com o tempo e não no espaço, ou seja, as propriedades e o estado do sistema
são considerados homogêneos em todo o volume de controle. Esse tipo de sistema é dito de
parâmetros concentrados e o modelo corresponde a um conjunto de equações diferenciais
ordinárias. Por outro lado, quando o comportamento do sistema é descrito tanto no tempo
quanto no espaço, ele é denominado de sistema de parâmetros distribuídos e resulta em
equações diferenciais parciais.

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.

Figura 2.6 Condução de calor num sólido.

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:

Taxa de acumulacao   Fluxo de entrada de   Fluxo de saida de 

de energia interna no  = calor pela superficie  − calor pela superficie  (2.46)
     
 volume do elemento  esquerda por conducao direita por conducao 

O fluxo de calor por condução segue a lei de Fourier

∂T
q = −kA (2.47)
∂x

em que

q = fluxo de calor por condução

∂T ∂x = gradiente de temperatura
k = condutividade térmica

Aplicando a equação 2.47 à equação 2.46, resulta

∂ ∂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

Essa equação é freqüentemente descrita sob a forma:

∂T ∂ 2T
=α 2 (2.51)
∂t ∂x

em que α = k ρC p é a difusividade térmica.

Pode ser demonstrado que o atraso por transporte é um sistema de parâmetros distribuídos.

2.7 Rotinas de integração do Scilab

O Scilab é um software para computação científica que vem sendo desenvolvido desde 1990
por pesquisadores do Institut Nationale de Recherche en Informatique et en Automatique,
INRIA, e a École Nationale des Ponts et Chaussées, ENPC, na França e mantido pelo Scilab
Comsortium desde maio de 2003 até quando passou a ser mantido e desenvolvido pelo Scilab
Enterprises em julho de 2012. É gratuito (free software) e é distribuído com o código fonte
(open source software) e vem sendo usado em ambientes educacionais e industriais pelo
mundo. Pode ser baixado do endereço www.scilab.org.

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.

A forma de chamamento mais simples da função ode é

y=ode(y0,t0,t,f)

onde

y0 vetor das condições iniciais das variáveis de estado

t0 tempo inicial
41
t vetor de tempo
f variável string contendo o nome da função de derivadas

Exemplo 2.4 Sistema de nível

Considere o sistema mostrado na Figura 2.7, que consiste de um tanque de seção reta com
área uniforme A ao qual é adaptada uma resistência ao fluxo R .

Figura 2.7 Sistema de nível.

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.

Os valores dos parâmetros e condição inicial são

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

//Função das derivadas

function dht=tanque(t, x)
global A R
global Fi
h=x
F=h/R
dht=(Fi-F)/A
endfunction

//Programa principal
global A R
global Fi

//Valores dos parâmetros e condição inicial

A=10 //m2
R=0.5 //m/(m3/min)
Fis=4 //m3/min
hs=2 //m

//Entradas
DeltaFi=1 //degrau unitário
Fi=Fis+DeltaFi //distúrbio, m3/min

//Gera simulação usando ode

t0=0
tf=30 //min
x0=hs //estado inicial
t=t0:1:tf
x=ode(x0,t0,t,tanque) //estado
h=x //saída, m

//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.

Exemplo 2.5 Tanque de mistura

Considere o processo de mistura mostrado na Figura 2.9 no qual duas correntes de uma
solução contendo A escoam para um tanque de volume de armazenamento V constante.

Figura 2.9 Tanque de mistura.

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.

Os valores dos parâmetros e condição inicial são

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

//Função das derivadas

function dct=tanque_de_mistura(t, x)
global V
global F1 F2 F c1 c2
c=x
F=F1+F2
dct=F1/V*c1+F2/V*c2-F/V*c
endfunction

//Programa principal
global V
global F1 F2 F c1 c2

//Valores dos parâmetros e condição inicial

V=35 //m3
F1=6.9 //m3/min
F2s=0.14 //m3/min
c1=1 //%
c2=100 //%
cs=2.97 //%

//Entradas
DeltaF2=0.1 //degrau de amplitude 0,1
F2=F2s+DeltaF2 //distúrbio, m3/min

//Gera simulação usando ode

t0=0
tf=30 //min
x0=cs //estado inicial
t=t0:1:tf
x=ode(x0,t0,t,tanque_de_mistura) //estado
c=x //saída, %

//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 %.

Figura 2.10 Resposta da concentração c ao distúrbio.

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.

Os valores dos parâmetros e condições iniciais são

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

Daí, podemos escrever as seguintes equações:

Balanço de massa no tanque 1

dh 1
A1 = Fi − F1
dt

Balanço de massa no tanque 2

dh 2
A2 = F1 − F2
dt

Programa

clear
clearglobal
clc

//Função das derivadas

function dxt=tanque(t, x)
global A1 A2 R1 R2
global Fis balde Deltat
h1=x(1)
h2=x(2)
if t<0.1 then
Fi=Fis+balde/Deltat
else
Fi=Fis
end
F1=h1/R1
F2=h2/R2
dh1t=(Fi-F1)/A1
47
 dh2t=(F1-F2)/A2
dxt=[dh1t;dh2t]
endfunction

//Programa principal
global A1 A2 R1 R2
global Fis

//Valores dos parâmetros e condições iniciais

A1=10 //m2
A2=10 //m2
R1=0.1 //m/(m3/min)
R2=0.35 //m/(m3/min)
Fis=20 //m3/min
h1s=2 //m
h2s=7 //m

//Entradas
balde=10 //pulso, m3
Deltat=0.1 //min

//Gera simulação usando ode

t0=0
tf=10 //min
x0=[h1s;h2s] //estado inicial
t=t0:0.001:tf
x=ode(x0,t0,t,tanque) //estados
h1=x(1,:) //saída
h2=x(2,:) //saída

//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 .

Os seguintes resultados são mostrados na janela de comando do Scilab.

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

Exemplo 2.7 Reator de Van de Vusse

Considere o esquema de reações de Van de Vusse.
k1 k2
A →B→C
k3
2A → D
com
rA = −k1c A − k 3c 2A
rB = k1c A − k 2c B
rC = k 2c B
1
rD = k 3c 2A
2
49
O seguinte conjunto de equações diferenciais descreve o CSTR isotérmico.

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

Os valores dos parâmetros são

k1 = 5 6 min-1
k 2 = 5 3 min-1
k 3 = 1 6 mol/(L.min)

Os valores das entradas e condições iniciais usados na simulação são

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

//Função das derivadas

function dxt=vdv(t, x)
global k1 k2 k3
global FsV cAe
cA=x(1)
cB=x(2)
cC=x(3)
cD=x(4)
dcAt=FsV*(cAe-cA)-k1*cA-k3*cA^2
dcBt=-FsV*cB+k1*cA-k2*cB
dcCt=-FsV*cC+k2*cB

50
 dcDt=-FsV*cD+1/2*k3*cA^2
dxt=[dcAt;dcBt;dcCt;dcDt]
endfunction

//Programa principal
global k1 k2 k3
global FsV cAe

//Valores dos parâmetros e condições iniciais

k1=5/6 //1/min
k2=5/3 //1/min
k3=1/6 //mol/(L.min)
cA0=2 //mol/L
cB0=1.117 //mol/L
cC0=3.256 //mol/L
cD0=1.311 //mol/L

//Entradas
FsV=4/7 //1/min
cAe=10 //mol/L

//Gera simulação usando ode

t0=0
tf=10 //min
x0=[cA0;cB0;cC0;cD0] //estado inicial
t=t0:0.01:tf
x=ode(x0,t0,t,vdv) //estados
cA=x(1,:) //saída
cB=x(2,:) //saída
cC=x(3,:) //saída
cD=x(4,:) //saída

//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

Simule a resposta ao degrau unitário para os seguintes parâmetros.

F = 10 L/min
V = 100 L
c Ai = 1 gmol/L
α = 0,5
k = 0,1 min-1

2.2 Trocador duplo tubo.

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.

Figura Trocador de calor com tubo duplo.

2.3 Em um tanque de aquecimento de líquido, temos o seguinte esquema:

53
em que:

F vazão
T temperatura
V volume
Q fluxo de calor
ρ densidade
Cp calor específico

a) Considerando que V , C p e ρ são constantes, montar o modelo para controle da

temperatura de saída através da manipulação de Q .
b) Considerando que V é variável, montar o modelo para controle da temperatura
manipulando Q e o controle do nível de líquido manipulando F .
c) Suponha que a válvula 2 emperre em uma posição intermediária. Como ficaria o modelo
para controlar o nível manipulando F e a temperatura manipulando Fi ?

2.4 Em um tanque de mistura com volume V constante, pretende-se controlar a concentração

da corrente de saída em um valor intermediário entre as concentrações das correntes de
entrada ( c1 < c < c 2 ) manipulando-se F1 .

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.

2.5 Dois tanques são conectados conforme a figura a seguir:

Pretende-se controlar o nível h1 de líquido no primeiro tanque manipulando-se a vazão

volumétrica de entrada Fi . Para tal, precisamos de um modelo dinâmico que relacione essas
duas variáveis. O fluxo através de cada uma das válvulas indicadas na figura obedece à
equação

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:

FL vazão de líquido (mol/min)

FV vazão de vapor (mol/min)
Q fluxo de calor (kcal/min)
VL volume de líquido (L)
VT volume total do vaso (L)
ρL densidade do líquido (mol/L)
ρV densidade do vapor (mol/L)
∆h v calor latente de vaporização (kcal/kg)

Pretende-se controlar o nível de líquido manipulando-se FL e a pressão no tambor

manipulando-se o fluxo de calor. Considerando que a pressão não é muito alta (vale a lei do
gás ideal) e a densidade do vapor é bem menor que a densidade do líquido, desenvolver um
modelo para o controle do tambor. Admitir também que o líquido entra no tambor no ponto de
ebulição.

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

Admitindo-se que F1 = K1h1 e F2 = K 2 h 2 , escrever o modelo do sistema supondo-se que seja

pretendido controlar T2 manipulando-se Q1 e controlar h 1 manipulando-se Fi .

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 .

2.12 Considere o sistema a seguir onde a vazão Fi é independente de P . A alimentação é

totalmente líquida. No tambor, temos o líquido em contato com um gás inerte que não se
dissolve no líquido. Desenvolver um modelo que será usado no controle do nível do líquido.

 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.

3.1 Linearização de modelos

Para caracterizarmos o comportamento dinâmico dos processos químicos, temos de integrar

as equações de estado usadas para modelar os processos. Muitos sistemas de processamento
nos quais estamos interessados, são modelados por equações diferenciais não-lineares, e sabe-
se que não há teoria matemática geral para solução analítica de equações não-lineares. As
soluções analíticas estão disponíveis apenas para equações diferenciais lineares.

Quando nos defrontamos com análise dinâmica de sistemas não-lineares, podemos agir de
várias maneiras, como:

- Simulamos o sistema não-linear em computador digital ou analógico e computarmos sua

solução.

- Transformamos o sistema não-linear em linear por intermédio da transformação de suas

variáveis.

- Desenvolvemos um modelo linear que aproxima o comportamento dinâmico do sistema não-

linear em torno das condições de operação especificadas.

3.2 Linearização de sistemas de uma variável

Linearização é o procedimento pelo qual aproximamos sistemas não-lineares de lineares. Os

sistemas lineares são largamente usados nos estudos de dinâmica de processos e em projeto de
sistemas de controle, pelas seguintes razões:

- Podemos desenvolver soluções analíticas para sistemas de equações diferenciais lineares.

Assim podemos ter um quadro completo e geral do comportamento do processo
independentemente dos valores dos parâmetros e das variáveis de entrada. Isso não é possível
para sistemas não-lineares e soluções por computador, pois o comportamento do sistema é
fornecido apenas para os valores especificados das entradas e dos parâmetros.

- Todos os desenvolvimentos significativos em relação ao projeto de sistemas de controle

efetivos têm sido limitados a processos lineares.

A validade da utilização de modelos linearizados dependerá da operação do sistema. Como as

variáveis controladas devem ser mantidas pelos controladores nos valores desejados ou

60
próximos deles, quando há um bom controle, os desvios são pequenos e o modelo linearizado
é adequado.

Para ilustrar a linearização de um modelo, considere a equação diferencial não-linear:

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!

Se desprezarmos todos os termos de ordem dois ou superior da série, obteremos uma

aproximação linear para o valor de f ( x ) e a equação (3.2) pode ser escrita da forma:

 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.

Figura 3.1 Função não linear e sua aproximação linear em torno de x s .

Substituindo na equação 3.1 a função f ( x ) por sua aproximação linear, tem-se:

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 .

Figura 3.2 Sistema de nível.

A Área da seção transversal

h Altura do nível de líquido

Para um líquido de massa específica constante, o balanço da massa de líquido no tanque

fornece:

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

A equação 3.6 é uma equação diferencial linear, cuja expressão geral é x ′ + f ( t ) x = r ( t ) .

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

o que resulta na seguinte equação diferencial não-linear:

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

Desprezando os termos de segunda ordem e superiores, o resultado é

1 1 1
h≅ hs + (h − h s ) (3.10)
R R 2R h s

Substituindo a equação 3.10 na equação 3.8, tem-se o seguinte modelo linearizado:

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.

Tabela 3.1 Características da operação estacionária.

Ponto de operação h (m) F (m3/min)
1 1 8
2 3 13,8564

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.

No primeiro caso, o tanque está operando no nível de 1 m de altura e a vazão é subitamente

aumentada de 8 m3/min para 9 m3/min.

A resposta da altura de líquido de cada um dos modelos é mostrada na Figura 3.3.

63
Figura 3.3 Resposta ao degrau unitário para uma variação na vazão de alimentação.

Visualmente, podemos notar que a resposta do modelo 1 se aproxima mais da resposta do

modelo não-linear do que a resposta do modelo 2. O novo nível de líquido no tanque é 1,2656
m, enquanto que o nível final previsto pelo modelo 1 é de 1,2500 m e de 1,4328 m pelo
modelo 2. Calculando a razão da variação de nível pela variação da vazão, isto é, o ganho do
processo, temos: 1,2656 m/(m3/min) para o processo, 1,2500 m/(m3/min) para o modelo 1 e
1,4328 m/(m3/min) para o modelo 2. O erro cometido no ganho pelo modelo 1 é de 1,23%
enquanto que o erro cometido pelo modelo 2 é de 13,21%.

No segundo caso, o tanque está operando no nível de 3 m de altura e a vazão é subitamente

aumentada de 13,8564 m3/min para 14,8564 m3/min. A resposta da altura de líquido de cada
um dos modelos é mostrada na Figura 3.4.

64
Figura 3.4 Resposta ao degrau unitário para uma variação na vazão de alimentação.

Neste caso, a situação é o contrário. O modelo 2 responde melhor do que o modelo 1. Os

níveis finais são: 3,4483 m para o processo, 3,2500 m para o modelo 1 e 3,4328 m para o
modelo 2. Em termos de ganho, são: 3,4483 m/(m3/min) para o processo, 3,2500 m/(m3/min)
para modelo 1 e 3,4328 m/(m3/min) para o modelo 2. Os erros nos ganhos são: 5,75% e
0,45% para os modelos 1 e 2, respectivamente.

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

Subtraindo a equação 3.13 da equação 3.14, obtemos

65
d(x − x s )  df 
=   (x − x s ) (3.15)
dt  dt  x s

Podemos então definir a variável-desvio x = x − x s , e a equação 3.15 toma a seguinte forma:

dx  df 
=  x (3.16)
dt  dt  x s

A equação 3.16 é a aproximação linearizada do sistema dinâmico não-linear (3.1) expresso

em termos da variável-desvio x . A vantagem de se trabalhar com variáveis desvios é que seus
valores no estado estacionário são iguais a zero.

Exemplo 3.3

Consideremos novamente o modelo linearizado do sistema tanque representado em (3.12)

dh 1 1
A + h = Fi − hs (3.17)
dt 2R h s 2R

onde h s é o nível de líquido correspondente a um estado estacionário para um dado valor da

vazão de entrada Fis .

No regime permanente, a equação 3.8 pode ser escrita como

dh s 1
A + h s = Fis (3.18)
dt R
=0

Subtraindo a equação 3.18 da equação 3.17, temos

d (h − h s ) 1
A + (h − h s ) = Fi − Fis (3.19)
dt 2R h s

Daí, definindo as variáveis-desvios h = h − h s e Fi = Fi − Fis ,

obtemos a equação linearizada em termos de variáveis-desvios:

dh 1
A + h = Fi (3.20)
dt 2R h s

3.4 Linearização de sistemas multivariáveis

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

Associado a esse conjunto de equações de estado, temos um conjunto de m equações

algébricas não-lineares que definem as saídas do sistema

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

Agrupando as equações anteriores em matrizes, tem-se

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)

A matriz A é conhecida como matriz jacobiana ou matriz de estados do sistema, a matriz B

é chamada de matriz de distribuição das entradas e C é a matriz de distribuição das saídas. A
matriz D é nula para todos os modelos de sistemas físicos de interesse.

As n raízes da equação escalar

det[λI − A] = 0 (3.33)

em que λ é uma quantidade escalar, são os autovalores do sistema. Os autovalores da matriz

A são as raízes da equação característica do sistema. Assim, os autovalores nos dizem se um
sistema é estável ou instável, rápido ou lento, superamortecido ou subamortecido. Eles são
essenciais na análise do comportamento de sistemas dinâmicos.

Exemplo 3.4

Linearização do tanque de aquecimento com agitação do Exemplo 2.1.

Figura 3.5 Tanque de aquecimento com agitação.

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

As primeiras derivadas parciais são:

∂ 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

Considerando o estado estacionário como o ponto de linearização, a forma linearizada das

equações 3.36 e 3.37 fica

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 .

Figura 3.6 Reator CSTR.

Como vimos no capítulo anterior, o modelo do reator é formado pelas equações:

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

Para representar o sistema na forma linearizada, vamos adotar a mesma nomenclatura

considerada no Capitulo 2, ou seja:

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

Que pode ser escrita como:

dx 1
= d1 − u 1 (3.44)
dt

Linearizando a equação 3.40 em torno de um ponto estacionário, temos:

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

Substituindo a equação 3.43 na equação 3.45 e reagrupando os termos, temos:

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

Que na notação definida em (3.42), fica:

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

Analogamente, linearizando a equação 3.41 em torno de um estado estacionário, temos:

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

Substituindo equação 3.43 na equação 3.48 e reagrupando os termos, temos:

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

Que na notação definida em (3.42) fica:

dx 3 ∆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 

=− x1 − x2 −  s + + x 3
dt ρC p Vs ρC p  Vs ρC p Vs ρC p RTs2 
 
UA t (T − Ts ) F
+ u 2 + is d1 + is d 3
ρC p Vs Vs Vs
(3.50)

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

3.5 Simulação de sistemas lineares na forma de equações de estado no Scilab

O Scilab prove uma função que lida com sistemas lineares de forma simples. A forma de
chamamento da função é:

- Quando temos a representação espaço de estado

[sl]=syslin(dom,A,B,C [,D [,x0] ])

- Quando temos a representação dada pelo numerador e denominador da função de

transferência (Capítulo 5)

[sl]=syslin(dom,N,D)

- Quando temos a representação dada pela função de transferência (Capítulo 5)

[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)

dom=[] se o domínio de tempo é indefinido.

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]])

sl é o sistema contínuo definido por syslin.

u é o controle.
t é o tempo no qual a solução é computada.
x0 é o estado inicial.
x é o estado.
y é a saída.

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.

Figura 3.7 Sistema de nível.

O modelo não linear é dado por:

dh 1
A + h = Fi (3.58)
dt R

dh 1 1
= Fi − h (3.59)
dt A AR

e o modelo linear por:

dh 1 1 1
= Fi − hs − h (3.60)
dt A 2AR 2AR h s

Em variáveis desvios, o modelo linear fica

dh 1 1
=− h + Fi (3.61)
dt 2AR h s A

com h (0) = 0 .

Programa

//Comparação entre os modelos linear e não linear

//Ponto de operação
//h=1 m F=8 m3/min
clear
clearglobal
76
clc

//Função das derivadas

function dht=tanque_nl(t, x)
global A R
global Fi
h=x
F=1/R*sqrt(h)
dht=(Fi-F)/A //não linear
endfunction

//Programa principal
global A R
global Fi

//Valores dos parâmetros e condição inicial

A=0.3 //m2
R=0.125 //min/m^(5/2)
Fis=8 //m3/min
hs=1 //m

//Entradas
DeltaFi=1 //variação degrau
Fi=Fis+DeltaFi //distúrbio, m3/min

//Gera simulação do modelo não linear usando ode

t0=0 //min
tf=1 //min
x0=hs //estado inicial
t=t0:0.01:tf
x=ode(x0,t0,t,tanque_nl) //estado
h_nl=x //saída, m

//Gera simulação do modelo linear usando csim

AA=-1/(2*A*R*sqrt(hs)) //matriz A em representação de espaço de estados
BB=1/A //matriz B em representação de espaço de estados
CC=1 //matriz C em representação de espaço de estados
x0=0 //estado inicial
sl=syslin('c',AA,BB,CC)
[y,x]=csim('step',t,sl) //resposta ao degrau unitário
h_ld=y*DeltaFi //altura em desvio, m
h_l=hs+h_ld //altura, m

//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.

O seguinte resultado é mostrado na janela de comando do Scilab.

Ganho do processo

Kp do modelo não linear = 0.265623

Kp do modelo linear= 0.250000

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.

O seguinte resultado é mostrado na janela de comando do Scilab.

Ganho do processo

Kp do modelo não linear = 0.251562

Kp do modelo linear= 0.250000

79
Figura 3.9 Resposta ao degrau unitário para uma variação de 0,1 m3/min na vazão de
alimentação.

Exemplo 3.7

Considere o problema de nível de tanques interagentes.

Figura 3.10 Dois tanques em série com interação.

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)

Analogamente, para o tanque 2 temos:

80
F2 = β 2 h 2 (3.63)

Supondo que, subitamente, a vazão de alimentação aumenta em 1 ft3/min, compare a resposta

do modelo linear com a resposta do modelo não linear.

As seguintes equações descrevem o modelo do sistema

 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 

O modelo linearizado em termos de variáveis desvios é dado por

 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)

As variáveis de entrada e variáveis de estado são

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 

Os valores dos parâmetros e condições iniciais são

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

//Comparação entre os modelos linear e não linear

//Ponto de operação
//h1=10 ft h2s=6 ft Fi=5 ft3/min
clear
clearglobal
clc

//Função das derivadas

function dxt=dois_tanques_nl(t, x)
global A1 A2 beta1 beta2
global Fi
h1=x(1)
h2=x(2)
F1=beta1*sqrt(h1-h2)
F2=beta2*sqrt(h2)
dh1t=(Fi-F1)/A1 //não linear
dh2t=(F1-F2)/A2 //não linear
dxt=[dh1t;dh2t]
endfunction

//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

//Gera simulação do modelo não linear usando ode

t0=0 //min
tf=300 //min
x0=[h1s;h2s] //estado inicial
t=t0:1:tf
x=ode(x0,t0,t,dois_tanques_nl) //estado
h1_nl=x(1,:) //saída, ft
h2_nl=x(2,:) //saída, ft
//Gera simulação do modelo linear usando csim
//Matriz A em representação de espaço de estados
A(1,1)=-beta1/(2*A1*sqrt(h1s-h2s))
A(1,2)=beta1/(2*A1*sqrt(h1s-h2s))
A(2,1)=beta1/(2*A2*sqrt(h1s-h2s))
A(2,2)=-beta1/(2*A2*sqrt(h1s-h2s))-beta2/(2*A2*sqrt(h2s))
//Matriz B em representação de espaço de estados
B=[1/A1;0]
//Matriz C em representação de espaço de estados
C=[0 1]
x0=[0;0] //estado inicial
sl=syslin('c',A,B,C)
[y,x]=csim('step',t,sl) //resposta ao degrau unitário
h2_ld=y*DeltaFi //altura h2 em desvio, ft
h2_l=h2s+h2_ld //altura, ft

//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)

O seguinte resultado é mostrado na janela de comando do Scilab.

Ganho do processo

Kp2 do modelo não linear = 2.635372

Kp2 do modelo linear= 2.398726

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.

O seguinte resultado é mostrado na janela de comando do Scilab.

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

3.1 No processo de aquecimento de placas semicondutores, a temperatura T se relaciona com

a potência introduzida através de um modelo que pode ser representado pela equação:

dT (t )
3 + T (t ) = 200 P(t )
dt

onde T é a temperatura (°C), P é a potência (kW) e o tempo t está em min. No estado

estacionário inicial temos T(0) = 50 °C e P(0) = 2 kW.

Usando o Scilab, simular o comportamento da temperatura da placa quando a potência

introduzida é aumentada subitamente para 3 kW. Comparar essa resposta quando a potência é
aumentada em duas etapas: em t = 0 min para 2,5 kW e em t = 1 min para 3,0 kW.

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

onde T é a temperatura indicada pelo termômetro, Tg é a temperatura do gás e t é o tempo

em min. O gás está inicialmente a uma temperatura constante igual a 100°C, porém essa
temperatura começa oscilar com um período de 1 min e uma amplitude de 40°C. Usar o
Scilab para verificar se esse termômetro é adequado para o serviço sabendo-se que o erro
máximo da indicação pode ser de 3 °C.

3.3 No tanque de mistura representado abaixo, as condições normais de operação (estado

estacionário) são F1s = 10 ft3/min, F2s = 5 ft3/min e h s = 4 ft. O tanque tem 6 ft de diâmetro e
todas as correntes tem densidade igual a 60 lb/ft3.

Usar o Scilab para responder as perguntas:

a) Para a variação em F1 representada acima, qual o h ( t ) correspondente?

b) Qual o novo estado estacionário do nível de líquido?

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

onde T é a temperatura (°C), P é potência (kW) e t é tempo em min. No estado estacionário

inicial temos T(0) = 80 °C e P(0) = 30 kW. Daí pede-se:

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?

3.5 No sistema abaixo temos A 1 = A 2 = 2 m2. No estado estacionário inicial temos Fi = 20

m3/h, h 1 = 4 m, F2 = F3 = 10 m3/h e h 2 = 2 m.

Daí, pede-se:

a) Desenvolva o modelo do sistema em variáveis de estado.

b) Use o Scilab para simular a resposta do sistema (níveis e vazões) para uma variação brusca
da vazão de entrada para F1 = 25 m3/h.

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.

3.7 No sistema do Exercício 2.10 considerar que V1 = V2 = 3 m3. No estado estacionário

inicial temos as seguintes condições:
Fi = 3 m3/h, c Ai = 100 kmol/m3, F1 = 1 m3/h, c A1 = 50 kmol/m3, c B1 = 50 kmol/m3, F2 = 2
m3/h, c A 2 = 25 kmol/m3, c B 2 = 75 kmol/m3
Considerando que as densidades são aproximadamente iguais para todas as correntes, usar o
modelo em variáveis de estado para simular o comportamento do sistema quando:
a) c Ai é alterada bruscamente para 80 kmol/m3.

87
b) F2 é aumentada para 2,2 m3/h e F1 é reduzida para 0,8 m3/h.

3.8 No sistema do Exercício 2.6, A 1 = 3 m2 e A 2 = 2 m2. Na condição de estado estacionário

inicial temos Fi = 10 m3/h, h 1 = 3 m e h 2 = 4 m. Simular o enchimento dos tanques partindo
de um instante inicial que eles estão vazios e a vazão Fi = 10 m3/h é introduzida no sistema.
Simule também o caso em que após atingir o estado estacionário acima, a vazão de entrada é
alterada para Fi = 12 m3/h.

3.9 No sistema do Exercício 2.12, temos A = 3 m2, h T = 6 m. No estado estacionário usual,

temos Fi = 5 m3/h, h = 3 m e P = 2 atm (abs). Considerando que o sistema descarrega para o
ambiente e dentro do vaso temos temperatura de 30°C, simular o comportamento do sistema
quando Fi é aumentado para 5,5 m3/h. Considerar que o gás é N2, a densidade do líquido é de
1 kg/L (água). 1 atm equivale a 10,17 m de coluna de água.

3.10 Em um reator CSTR isotérmico ocorre a reação A → B com cinética de reação de

primeira ordem.

No estado estacionário, temos:

Fi = 5 m3/h
c Ai = 100 kmol/m3
c A = 50 kmol/m3
V = 5 m3

Recentemente observou-se uma oscilação de ± 10 kmol/m3 na concentração de entrada. Para

atenuar o problema, pretende-se colocar um vaso antes do reator para amortecer o efeito dessa
oscilação no produto que não deve passar de ± 1 kmol/m3. Usando simulação, estimar o
volume do vaso. Verificar se existe diferença em se colocar o vaso de amortecimento antes ou
depois do reator. Obs: Aproximar a oscilação por uma senóide com período de 2h.

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.

A transformação de uma equação diferencial ordinária resulta em uma equação algébrica,

onde a variável complexa s substitui a variável independente (por exemplo, o tempo t ). Essa
técnica é conhecida como método da transformada de Laplace. A Figura 4.1 mostra o
esquema de aplicação de transformada de Laplace para a solução de equações diferenciais.

Figura 4.1 Esquema de aplicação de transformada de Laplace.

Como a análise de sistemas de controle é feita no regime transiente, o método da

transformada de Laplace constitui-se em uma ferramenta bastante útil, uma vez que a
manipulação algébrica é bem mais simples do que a manipulação de equações diferenciais.

4.1 Definição de transformada de uma função

Considere a operação de multiplicar uma função f ( t ) definida para t positivo, por e − st ,

integrando o resultado de zero a ∞ e gerando, assim, uma nova função denotada por F(s) de
variável real ou complexa s . Diz-se que a função f ( t ) foi mapeada do domínio t para
domínio s . Simbolicamente:

∞
f (s) = ℒ [f ( t )] = ∫ f ( t ) e −st dt (4.1)
0

onde f (s) é chamada transformada de Laplace de f ( t ) .

89
Sendo a transformada de Laplace de f ( t ) denotada por f (s) (movendo do domínio t para
domínio s ), o procedimento inverso (movendo do domínio s para domínio t ) pode ser
denotado por:

ℒ −1 [f (s)] = f ( t ) (4.2)

em que ℒ −1 [f (s)] é chamada de transformada inversa de f (s) .

Esse procedimento pode ser visto como a solução da equação integral

∞
f (s) = ∫ f ( t ) e −st dt (4.3)
0

em que f ( t ) é determinada com f (s) dada.

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).

4.2 Transformadas de funções comuns

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

- Função degrau de intensidade A no instante t = 0 :

 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

- Função pulso de intensidade A :

A Figura 4.2 ilustra uma função pulso de intensidade A com tempo de duração t p .

Figura 4.2 Função pulso.

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

- Função impulso de intensidade A (no instante t = 0 ):

I(s) = lim
A 1− e ( − st p
)= A
t p →0 t s
p

A Tabela 4.1 apresenta a transformada de Laplace de algumas funções mais comuns em

controle de processos.

Tabela 4.1 Transformada de Laplace de diversas funções.1

f (t ) f (s)
1. δ( t ) (impulso unitário) 1
2. U( t ) (degrau unitário) 1
s
3. t (rampa) 1
s2
4. t n −1
(n − 1)!
sn
5. e − bt 1
s+b
91
6. 1 −t τ 1
e
τ τs + 1
7. t n −1 e − bt 1
(n > 0)
(n − 1)! (s + b )n
8. 1 1
t n −1 e − t τ
τ (n − 1)!
n
(τs + 1)n
9. n −1
(t τ)i 1
1 − e −t τ ∑ n
i =0 i! s(τs + 1)
10. 1 1
b1 − b 2
(
e − b 2 t − e − b1t ) (s + b1 )(s + b 2 )
11. 1 1
τ1 − τ 2
(
e − t τ1 − e − t τ2 ) (τ1s + 1)(τ 2s + 1)
12. b 3 − b1 − b1t b 3 − b 2 − b 2 t s + b3
e + e
b 2 − b1 b1 − b 2 (s + b1 )(s + b 2 )
13. 1 τ1 − τ 3 − t τ1 1 τ 2 − τ 3 − t τ 2 τ 3s + 1
e + e
τ1 τ1 − τ 2 τ 2 τ 2 − τ1 (τ1s + 1)(τ 2s + 1)
14. 1 − e − t τ 1
s(τs + 1)
15. sin ωt ω
s + ω2
2

16. cos ωt s
s + ω2
2

17. sin (ωt + φ) ω cos φ + s sin φ

s 2 + ω2
18. e − bt sin ωt b, ω real ω
(s + b )2 + ω2
19. e − bt cos ωt b, ω real s+b
(s + b )2 + ω2
20.
τ 1− ζ
1
2
(
e −ζt τ sin 1 − ζ 2 t τ ) 2 2
1
τ s + 2ζτs + 1
(0 ≤ ζ < 1)
21. 1 1
1+ (
τ1 e − t τ1 − τ 2 e − t τ2 )
τ 2 − τ1 s(τ1s + 1)(τ 2 s + 1)
(τ 1 ≠ τ2 )
22.
1−
1
1− ζ 2
(
e −ζt τ sin 1 − ζ 2 t τ + ψ ) (
1
2 2
s τ s + 2ζτs + 1 )
1 −ζ 2
ψ = tan −1
ζ
(0 ≤ ζ < 1)
92
23.   1
(
1 − e− ζt τ cos 1 − ζ 2 t τ +) ζ
2
(
sin 1 − ζ 2 t τ  ) ( 2 2
s τ s + 2ζτs + 1 )
 1− ζ 

(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 .

4.3 Propriedades das transformadas de Laplace

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:

Linearidade: A transformada de Laplace é uma operação linear

ℒ [a 1f1 ( t ) + a 2 f 2 ( t )] = a 1 ℒ [f1 ( t )] + a 2 ℒ [f 2 ( t )] (4.4)

em que a 1 e a 2 são parâmetros constantes.

Derivada de uma função

∞  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

Para uma derivada de ordem qualquer

 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 

Integral de uma função

ℒ ∫ f ( t ′)dt ′ = ∫  ∫ f ( t ′)dt ′  e −st dt

t ∞ t

 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

Translação no tempo ou tempo morto

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)

onde está implícito que se admite que f ( t ) = 0 para t < 0 .

Teorema do valor final

lim f ( t ) = lim sf (s) (4.9)

t →∞ s →0

Prova:

 ∞ df ( t ) −st 
lim  ∫
dt
[
e dt  = lim sF(s) − f ( t ) t =0 ]

s →0 0
 s →0

Invertendo a ordem do limite e integral no primeiro membro, temos

 ∞ 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 → ∞ .

4.3 Uso da transformada de Laplace na solução de equações diferenciais lineares

Para ilustrar o uso da transformada de Laplace na solução de equações diferencias lineares

que representam o comportamento dinâmico de processos, consideremos o modelo
linearizado de um tanque visto no Capítulo 3 (equação 3.61).

dh ( t ) 1 1
=− h ( t ) + Fi ( t ) (4.10)
dt 2AR h s A

onde h ( t ) e Fi ( t ) são funções desvios em relação ao estado estacionário inicial. Como A , R

e h s são parâmetros constantes, (4.10) é uma equação diferencial linear com coeficientes
constantes. Daí, aplicando a transformada de Laplace a todos os termos de (4.10), temos:

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

Portanto, (4.11) fica

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 

Podemos então sistematizar o uso de transformada de Laplace na resolução de equações

diferenciais lineares com coeficientes constantes através dos seguintes passos:

1. Obter a transformada de Laplace de ambos os membros da equação. As condições iniciais

são incorporadas neste passo na transformada das derivadas.

2. Resolver algebricamente a equação resultante para a transformada de Laplace da função

desconhecida.

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.

4.4 Transformada inversa de Laplace

Se x (s) , a transformada de Laplace de uma função desconhecida x ( t ) , é separável em

componentes

x (s) = x 1 (s) + x 2 (s) +…+ x n (s) (4.14)

e se as transformadas inversas de Laplace de x 1 (s) , x 2 (s) , ..., x n (s) são conhecidas, então

ℒ −1 [x (s)] = ℒ −1 [x 1 (s)] + ℒ −1 [x 2 (s)] + … + ℒ −1 [x n (s)] (4.15)

x ( t ) = x 1 ( t ) + x 2 ( t ) +…+ x n ( t ) (4.16)

em que x 1 ( t ) , x 2 ( t ) , ..., x n ( t ) são as transformadas inversas de x 1 (s) , x 2 (s) , ..., x n (s) ,

respectivamente.

Para problemas de controle, x (s) é frequentemente expresso na seguinte forma:

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:

1. Expandimos Q(s) P(s) em uma série de frações

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.

2. Determinamos os valores das constantes C1 , C 2 , ..., C n da equação 4.18.

3. Obtemos as transformadas inversas de Laplace de cada fração parcial. Então a função

desconhecida x ( t ) será dada por

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:

1. Polinômio P(s) tem n raízes distintas, reais ou complexas.

Q(s) Q(s)
x (s) = = (4.20)
P(s) (s − p1 )(s − p 2 )⋯ (s − p n )

Nesse caso, a expansão em frações parciais tem a forma:

Q(s) C1 C2 Cn
x (s) = = + +⋯+ (4.21)
P(s) s − p1 s − p 2 s − pn

2. Polinômio P (s) tem raízes múltiplas.

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

Q(s) c c2 c n−r c n − r +1,1 c n − r +1, 2 c n − r +1,r

x (s) = = 1 + +⋯+ + + 2
+⋯+ (4.23)
P(s) s − p1 s − p 2 s − p n − r s − p i (s − p i ) (s − p i )r
( n − r ) termos de polos simples r termos de polos multiplos

Exemplo 4.1 Raízes distintas

Obter a transformada inversa de:

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:

Método 1 Multiplicar ambos os membros da equação 4.25 por (s + 1)(s + 4 )

97
s + 5 = C1 (s + 4 ) + C 2 (s + 1) (4.26)

Comparar os coeficientes que têm a mesma potência de s .

s 1 : C1 + C 2 = 1
(4.27)
s 0 :4C1 + C 2 = 5

Daí, resolvendo o sistema de equações, obtemos:

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

Método 3 O método mais rápido e popular é a chamada expansão de Heaviside. Multiplicando

ambos os membros da equação 4.25 por (s + 1)

s+5 C (s + 1)
= C1 + 2 (4.31)
s+4 s+4
4
Fazendo s = −1 , resulta C1 = .
3

Analogamente, multiplicando ambos os membros da equação 4.25 por (s + 4 ) , temos

s + 5 C1 (s + 4 )
= + C2 (4.32)
s +1 s +1

1
Fazendo s = −4 , resulta C 2 = − .
3
Assim,
43 13
x (s) = − (4.33)
s +1 s + 4

e, portanto, a transformada inversa é

98
 4 3  13 
ℒ -1 [x (s)] = ℒ -1   − ℒ −1   (4.34)
 s +1 s + 4 

Dai, usando a Tabela 4.1, temos

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)

sl é o sistema contínuo definido por syslin.

Programa

//Expansão em frações parciais para o caso de raízes distintas

//
clear
clc
s=%s
N=s+5
D=(s+1)*(s+4)
sl=syslin('c',N,D)
elts=pfss(sl)
disp('Frações parciais')
disp(elts)

O seguinte resultado é mostrado na janela de comando do Scilab.

Frações parciais

(1)

1.3333333
---------
1+s

(2)

- 0.3333333
---------
4+s

99
Exemplo 4.2 Raízes complexas conjugadas

Obter a transformada inversa de:

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:

P(s) = [s − (1 + 2 j)][s − (1 − 2 j)] (4.37)

Portanto,
s +1 s +1
x (s) = = (4.38)
s − 2s + 5 [s − (1 + 2 j)][s − (1 − 2 j)]
2

Expandindo em frações parciais, temos

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)

Daí, usando a Tabela 4.1, obtemos:

x ( t ) = C1 e (1+ 2 j)t + C 2 e (1−2 j)t (4.41)

Para calcular a constantes C1 , multiplicamos ambos os membros da equação 4.39 por

[s − (1 + 2 j)], daí obtemos:
s +1 C [s − (1 + 2 j)]
= C1 + 2 (4.42)
[s − (1 − 2 j)] s − (1 − 2 j)

1− j
Fazendo s = 1 + 2 j , resulta C1 = .
2

Analogamente, multiplicando ambos os membros da equação 4.39 por [s − (1 − 2 j)] , daí

obtemos:

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

1 − j (1+ 2 j)t 1 + j (1−2 j)t

x(t) = e + e (4.44)
2 2

Usando a identidade

e (a + bj)t = e at (cos bt + jsenbt ) (4.45)

e substituindo na equação 4.44, temos:

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

x ( t ) = e t (cos 2 t + sen 2 t ) (4.48)

Lembrando a identidade trigonométrica

a 1 cos b + a 2 senb = a 3sen (b + φ) (4.49)

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

Exemplo 4.3 Raízes múltiplas

Obter a transformada inversa de

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

Daí, usando a Tabela 4.1 temos:

t2
x ( t ) = C1 e − t + C 2 t e − t + C 3 e − t + C 4 e − 2 t (4.55)
2

Para determinar C 4 , multiplicamos ambos os membros da equação 4.54 por (s + 2 )

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

Para determinar C 2 , derivamos ambos os membros da equação 4.56 em relação a s

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 .

Analogamente, para determinar C1 , derivamos ambos os membros da equação 4.58 em

relação a s

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 .

Substituindo esses resultados na equação 4.55, temos:

t2
x(t) = e −t − t e −t + e −t − e −2t (4.60)
2

102
  1 
x ( t ) = e − t 1 − t + t 2  − e − 2 t (4.61)
 2 

4.5 Solução de equações diferenciais lineares

A aplicação da transformada de Laplace para a solução de equações diferenciais de

coeficientes constantes ou invariantes no tempo é de grande importância na solução dos
problemas de controle de sistemas lineares. Na resolução das equações diferenciais lineares de
coeficientes constantes pelo método das transformadas de Laplace, seguimos as três etapas
enumeradas na Seção 4.4.

1. Obtemos a transformada de Laplace de cada termo na equação diferencial dada. Isto

converte a equação diferencial em uma equação algébrica em s . Se todas as condições iniciais
forem nulas, então a transformada de Laplace da equação diferencial é obtida simplesmente
pela substituição de d dt por s , d 2 dt 2 por s 2 , etc.

2. Obtemos a expressão da transformada de Laplace da variável dependente em função da

transformada da variável independente rearranjando a equação algébrica.

3. A solução da equação diferencial no domínio do tempo é obtida achando a transformada

inversa de Laplace da variável dependente.

Exemplo 4.4

Solução de uma equação diferencial linear de primeira ordem

dx
+ x =1 (4.62)
dt

com a condição inicial

x ( 0) = 0 (4.63)

A aplicação de transformada de Laplace produz

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)

que é a solução da equação diferencial dada.

Exemplo 4.5

Solução de uma equação diferencial linear de segunda ordem

d2x
+ 4x = 3 (4.69)
dt 2

com as seguintes condições iniciais

dx ( t )
x ( t ) t =0 = =1 (4.70)
dt t =0

Tomando a transformada de Laplace de todos os termos de (4.69), obtemos:

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 )

As transformadas inversas de Laplace dos dois primeiros termos do segundo membro da

equação 4.75 podem ser obtidas consultando a tabela de transformadas de Laplace. Para a
inversão do terceiro termo, podemos consultar tabelas de transformadas de Laplace mais
completas ou aplicar a expansão em frações parciais.

3 C C s + C3
= 1 + 22 (4.76)
(
ss +42
s )s +4

Multiplicando ambos os membros da equação 4.76 por s e fazendo s = 0 , resulta C1 = 3 4 .

Analogamente, multiplicando ambos os membros da equação 4.76 por (s 2 + 4 ) , resulta

=
(
3 C1 s 2 + 4 )
+ C 2s + C3 (4.77)
s s

Daí, fazendo s = ±2 j na equação 4.77, temos

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

Resolvendo-se esse conjunto de equações, chega-se ao seguinte resultado

C 2 = − 3 4 e C3 = 0

Substituindo as constantes na equação 4.76, a expressão final de x (s) fica

3 3
s
s 1 4 4
x (s) = 2 + + − (4.81)
s + 4 s2 + 4 s s2 + 4

Invertendo a equação acima para o tempo, obtemos

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

Solução de um conjunto de equações diferenciais lineares

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

Aplicando a transformada de Laplace às equações 4.83 e 4.84, obtemos

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

Resolvendo o sistema de equações pela Regra de Cramer, obtemos

105
 1s −3 s −1 3 (s − 1) + 3s2

+
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)

s−2 1s s−2 2 s(s − 2 ) + 2(s − 1)

− 2 1 s −1 +
s −1 s s(s − 1) s 2 − 2s + 2s − 2
x 2 (s) = = = =
s−2 −3 (s − 2)(s − 1) − 6 s 2 − 3s − 4 s(s − 1)(s − 4 )(s + 1)
(4.89)
− 2 s −1
s2 − 2
=
s(s − 1)(s − 4)(s + 1)
ou
s2 + s +1 C C C C
x 1 (s) = = 1+ 2 + 3 + 4 (4.90)
s(s − 1)(s − 4 )(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

Tomando a transformada inversa de Laplace das equações 4.92 e 4.93, obtemos

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

que é a solução do sistema de equações diferenciais dado por (4.83) e (4.84).

106
Exercícios

4.1 Obtenha as transformadas de Laplace das funções abaixo, combinando as transformadas

de funções conhecidas:

4.2 O procedimento de partida de um reator em batelada inclui a fase de aquecimento onde a

temperatura do reator é gradualmente aumentada até 75°C e partir daí permanece constante. O
perfil desejado de T(t) é mostrado na figura abaixo:

Determine T(s), considerando como referência a temperatura inicial.

4.3 Determine x ( t ) correspondente a

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

4.5 Determine a solução da equação:

dx
+ 4x = f (t )
dt

onde:

0 t<0

f ( t ) = h 0 ≤ t < 1 h
0 t ≥1 h


Esboce os gráficos de x ( t ) para h = 1, 10, 100 e quando 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)

Onde Ti é a temperatura da alimentação, T é a temperatura da mistura reagente na saída do

reator e as constantes de tempo da função de transferência são em horas. A temperatura de
entrada varia ciclicamente devido à variação da temperatura ambiente. Como aproximação,
admita que Ti varie com um período de 24 h e amplitude de 12°C. Qual é a variação máxima
na temperatura de saída?

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

onde T é temperatura (°C), P é potência (kW) e t é tempo em min. No estado estacionário

inicial temos T(0) = 80 °C e P (0) = 30 kW. Daí pede-se:

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?

4.8 Para o sistema representado pela seguinte equação:

1 dy 2 ( t ) dy( t )
2
+ζ + y( t ) = u ( t )
9 dt dt

Discuta qualitativamente (sem resolver) a resposta do sistema para um degrau em u , quando

0 ≤ ζ ≤ 1 . Verifique para que valores de ζ a resposta vai convergir.

109
5 Modelos de funções de transferência: Conversão
de modelo de variáveis de estado para função de
transferência usando o Scilab.

5.1 Modelos de funções de transferência

Modelos baseados em equações diferenciais, mesmo quando lineares com coeficientes
constantes, se tornam trabalhosos de serem manipulados, quando temos sistemas complexos e
compostos de vários subsistemas. Uma forma de representar o sistema que simplifica
enormemente esse problema é a função de transferência do sistema. Ela é uma expressão
algébrica para a relação dinâmica entre a entrada e a saída do modelo de sistema lineares. É
definida de forma que seja independente das condições iniciais e da função assumida pela
entrada. Além disso, quando é colocada na forma padrão, as propriedades fundamentais da
dinâmica do processo ficam aparentes. Desta forma, permite uma análise rápida da dinâmica
do processo.

5.2 Função de transferência de processos

Seja inicialmente um processo com uma única entrada e uma única saída (SISO), conforme
ilustrado na Figura 5.1

Figura 5.1 Processo SISO.

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

em que u ( t ) e y( t ) são a entrada e saída do processo, respectivamente, n é a ordem da

equação diferencial e m ≤ n .

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

Tomando a transformada de Laplace de ambos os membros da equação 5.1 e usando as

condições iniciais das equações 5.2 e 5.3, obtém-se

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.

Figura 5.2 Diagrama de blocos do sistema.

A Figura 5.3 apresenta o mesmo diagrama de blocos, mas explicitando a função de

transferência dentro do bloco.

Figura 5.3 Diagrama de blocos do sistema na forma explícita.

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

Essa equação define o comportamento do nível h de líquido no tanque para variações na

vazão de entrada de líquido Fi . Aplicando a transformação de Laplace aos termos da equação
5.6, temos:

  1
A sh (s) + h (0) + H (s) = Fi (s) (5.7)
  2R h s
=0 

que pode ser colocada na forma:

h (s) 2R h s
= (5.8)
Fi (s) 2AR h s s + 1

Portanto, a função de transferência do nível de líquido é

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:

a 1,n s n y 1 (s) + a 1,n −1s n −1 y1 (s) + … + a 1,1sy1 (s) + a 1, 0 y1 (s) =

b1,1,m s m u 1 (s) + … + b1,1,1su 1 (s) + b1,1, 0 u 1 (s) + b1, 2,m s m u 2 (s) + … + b1, 2,1su 2 (s) + b1, 2, 0 u 2 (s)
(5.11a)

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)

Observe que (5.11) pode ser escrita da forma

b1,1,m s m + … + b1,1,1s + b1,1, 0 b1, 2, m s m + … + b1, 2,1s + b1, 2,0

y1 (s) = u 1 (s) + u 2 (s)
a 1,n s n + a 1,n −1s n −1 + … + a 1,1s + a 1, 0 a 1,n s n + a 1,n −1s n −1 + … + a 1,1s + a 1, 0
(5.12a)

b 2,1, m s m + … + b 2,1,1s + b 2,1,0 b 2, 2,m s m + … + b 2, 2,1s + b 2, 2, 0

y 2 (s) = u 1 (s) + u 2 (s)
a 2,n s n + a 2,n −1s n −1 + … + a 2,1s + a 2,0 a 2,n s n + a 2,n −1s n −1 + … + a 2,1s + a 2, 0
(5.12b)

O modelo representado em (5.12) pode também ser escrito da forma

 b1,1,m s m + … + b1,1,1s + b1,1,0 b1, 2,m s m + … + b1, 2,1s + b1, 2, 0 

 
 y1 (s)   a 1,n s n + a 1, n −1s n −1 + … + a 1,1s + a 1, 0 n n −1
a 1,n s + a 1,n −1s + … + a 1,1s + a 1,0   u 1 (s) 
 y (s) =  b 2,1,m s m + … + b 2,1,1s + b 2,1, 0 b 2, 2,m s m + … + b 2, 2,1s + b 2, 2, 0  u 2 (s)
 2 
 n n −1 
 a 2,n s + a 2, n −1s + … + a 2,1s + a 2, 0 a 2, n s n + a 2,n −1s n −1 + … + a 2,1s + a 2, 0 
(5.13)

A equação (5.13) é o modelo em funções de transferência do sistema definido em (5.10).

Podemos também escrever:

 y1 (s)   G 11 (s) G 12 (s)   u 1 (s) 

 y (s) = G (s) G (s) u (s) (5.14)
 2   21 22  2 

A Figura 5.4 mostra o diagrama de blocos relativo à equação 5.11.

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 

Aplicando a transformada de Laplace ao sistema (5.15) obtemos:

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

As equações representadas em (5.16) podem ser escritas na forma

114
sh (s) = α1 F(s) + α 2 Fi (s) (5.17)

sT(s) = β1h (s) + β 2 T (s) + β 3 Fst (s) + β 4 Ti (s) + β 5 Fi (s) (5.18)

onde α i =1, 2 e β i =1,…,5 são constantes.

Podemos colocar (5.17) e (5.18) na forma vetorial:

 s 0   h (s)   0 α1  Fst (s)  0 α 2  Ti (s)

= + (5.19)
− β
 1 s − β 2  T (s) β 3 0   F(s)  β 4 β 5   Fi (s) 

A equação 5.19 também pode ser colocada na forma

−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.

Figura 5.5 Reator CSTR.

Conforme vimos no Capítulo 3, as variáveis de estado, saídas, entradas e distúrbios desse

sistema são as seguintes:
115
  x1   V   d1   Fi 
u   F  V
x =  x 2  = c A  u =  1 =   d = d 2  = c Ai  y= 
 x 3   T   u 2  Tc   d 3   Ti  c A 

Também, no Capítulo 3, vimos que as equações do modelo linearizado são:

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

sIx(s) = Ax(s) + Bu (s) + Γd(s) (5.23)

(sI − A )x(s) = Bu(s) + Γd(s) (5.24)

116
 −1 −1
x(s) = (sI − A ) Bu(s) + (sI − A ) Γd(s) (5.25)

onde I é a matriz identidade com dimensão igual ao estado. Conseqüentemente, podemos

escrever:

−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.

5.3 Pólos e zeros da função de transferência

Deste ponto em diante, fica subentendido que todas as variáveis envolvidas estão na forma de
variáveis-desvios.

Seja a função de transferência G (s)

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.

As raízes do polinômio Q(s) são chamadas de zeros da função de transferência ou zeros do

sistema.

As raízes do polinômio P (s) são chamadas de pólos da função de transferência ou pólos do

sistema.

Os pólos e zeros de um sistema desempenham um papel importante na análise dinâmica de

processos e no projeto efetivo de controles.

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)

Daí, a resposta y( t ) pode ser obtida invertendo-se G (s) u (s) .

Em geral, a função de transferência do sistema é do tipo

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.

Consideremos a função de transferência de um sistema de ordem n dada por

Q(s) Q(s)
G (s) = = (5.34)
P(s) (s − p1 )(s − p 2 )⋯ (s − p n )

Dentre as n raízes p i do denominador podemos ter vários casos:

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

Consideremos o caso em que

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 

y( t ) = C1e p1t + C 2 e p 2 t + C 3 e p3 t (5.38)

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

Consideremos o caso em que

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)

Observe que se p 2 for negativa, o termo C 22 te p 2 t tenderá a zero e valem as mesmas

conclusões do Caso 1.

Caso 3

Nesse caso, temos que

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 

y( t ) = C1e ( a + bj) t + C 2 e ( a − bj) t + C 3 e p3 t (5.44)

y( t ) = C1e at [cos( bt ) + jsen (bt )] + C 2 e at [cos( bt ) − jsen (bt )] + C 3 e p3 t (5.45)

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

Consideremos o caso em que

Q(s) N(s)
y(s) = u (s) = (5.46)
P(s) s(s − p 2 )(s − p 3 )

ou seja, p1 = 0 . Nesse caso, a resposta do sistema será do tipo

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)

Como C1 é uma constante limitada, a resposta do sistema depende apenas de p 2 e p 3 . Se

ambos forem negativos, a resposta será estável.

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.

2. Se u ( t ) é limitado, todos os termos em y( t ) permanecerão limitados se os pólos do

sistema estiverem do lado esquerdo do plano complexo.

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.

Figura 5.6 Regiões estável e instável no plano complexo.

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.

5. Uma resposta instantânea a um degrau só é possível quando os polinômios do numerador e

denominador têm a mesma ordem. A maioria dos processos têm dinâmica de ordem superior
no denominador, causando algum grau de inércia. Esse aspecto usualmente os impede de
responder instantaneamente a qualquer entrada, inclusive a uma entrada impulso.

5.5 Propriedades da função de transferência

As propriedades da função de transferência estão sumarizadas a seguir:

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.

- A função de transferência entre uma variável de entrada e uma variável de saída de um

sistema é definida como a transformada de Laplace da resposta impulsiva. Alternativamente,
a função de transferência entre um par de variáveis de entrada e saída é a razão entre a
transformada de Laplace da saída e a transformada de Laplace da entrada.

- 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).

- A função de transferência é independente da função considerada para a entrada do sistema.

- A função de transferência de um sistema contínuo é expressa somente como função da

variável complexa s . Não é função da variável real, do tempo ou qualquer outra variável
usada como variável independente.

- Uma propriedade importante de função de transferência de sistemas estáveis é que a

variação da saída no estado estacionário para uma variação sustentada na entrada pode ser
calculada diretamente. Para tal, seja o sistema:

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

onde aplicamos uma função degrau unitário na entrada

1
u (s) = (5.50)
s

Daí, pelo teorema do valor final, temos:

G (s)
y(∞) = lim y( t ) = lim sY (s) = lim s = lim G (s) (5.51)
t →∞ s →0 s →0 s s→0

Portanto, no caso do sistema definido em (5.49), temos:

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

5.6 Interconversão dos modelos usando Scilab

Vimos que um sistema linear pode ser representado por equações de estados ou funções de
transferência. No caso de equações de estados, o sistema representado por

xɺ = Ax + Bu (5.53)
122
y = Cx + Du (5.54)

e no caso de funções de transferência por

P(s)
G (s) = (5.55)
Q(s)

Dado um modelo no espaço de estados, aplicando a transformada de Laplace à equação 5.53

sIx(s) = Ax(s) + Bu (s) (5.56)

Resolvendo em termos de x(s)

sIx(s) − Ax(s) = Bu (s) (5.57)

(sI − A )x(s) = Bu(s) (5.58)

−1
x(s) = (sI − A ) Bu (s) (5.59)

Aplicando a transformada de Laplace à equação 5.54

y (s) = Cx(s) + Du(s) (5.60)

−1
y (s) = C(sI − A ) Bu(s) + Du(s) (5.61)

[ −1
]
y (s) = C(sI − A ) B + D u(s) (5.62)

y (s) = G (s)u (s) (5.63)

G (s) é a matriz de transferência do sistema representado em (5.53) e (5.54). Freqüentemente,

D = 0.

Na forma de matriz (com k entradas e m saídas)

 y1 (s)   G 11 (s) G 12 (s) ⋯ G 1k (s)   u 1 (s) 

 y (s)   G (s) G (s) ⋯ G (s)   u (s) 
 2  =  21 22 2k  2  (5.64)
 ⋮   ⋮ ⋮ ⋮ ⋮  ⋮ 
    
 y m (s) G m1 (s) G m 2 (s) ⋯ G mk (s) u k (s)

onde cada elemento da matriz corresponde à função de transferência relacionando a entrada j

com a saída i.

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 

Os valores dos parâmetros e condições iniciais são

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

Temos o modelo em espaço de estados e queremos converter-lo em modelo em função de

transferência.

− 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

A função de transferência entre a variável de entrada Fi e a saída altura h 2 é

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

//Interconversão entre os modelos

//Ponto de operação
//h1=10 ft h2s=6 ft Fi=5 ft3/min
clear
clearglobal
clc

//Programa principal

//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

//Matriz A em representação de espaço de estados

A(1,1)=-beta1/(2*A1*sqrt(h1s-h2s))
A(1,2)=beta1/(2*A1*sqrt(h1s-h2s))
A(2,1)=beta1/(2*A2*sqrt(h1s-h2s))
A(2,2)=-beta1/(2*A2*sqrt(h1s-h2s))-beta2/(2*A2*sqrt(h2s))
//Matriz B em representação de espaço de estados
B=[1/A1;0]
//Matriz C em representação de espaço de estados
C=[0 1]
//Define o sistema LTI
sl=syslin('c',A,B,C)
disp('Representação em espaço de estado')
disp(sl)
//Converte o sistema LTI para a representação em função de transferência
G=ss2tf(sl)
disp('Representação em função de transferência')
disp(G)

O seguinte resultado é mostrado na janela de comando do Scilab.

Representação em espaço de estado

(1) (state-space system:)

!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.

(6) = X0 (initial state) =

0.
0.

(7) = Time domain =

Representação em função de transferência

0.0125 + 8.327D-17s
-------------------------
2
0.0052083 + 0.2291667s + s

Portanto, a função de transferência entre a vazão de entrada Fi e a altura h 2 obtida pelo

Scilab é

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

O comando tf2ss do Scilab fornecerá uma representação no espaço de estados. É

importante notar que a representação de um dado sistema no espaço de estados não é única.
Dado um modelo em função de transferência, há inúmeras representações (um número
infinito delas) em variáveis de estado para o sistema. O comando do Scilab fornece uma
dessas possíveis representações no espaço de estados.

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)

O seguinte resultado é mostrado na janela de comando do Scilab.

Função de transferência

s
-------------------
2 3
160 + 56s + 14s + s

Representação no espaço de estados

(1) (state-space system:)

!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.

(6) = X0 (initial state) =

0.
0.
128
 0.

(7) = Time domain =

Uma representação possível deste sistema é

 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

Balanço do componente A no elemento de capacitância lateral

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

Colocando em variáveis desvio, chega-se em:

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

Aplicando a transformada de Laplace, obtemos:

Vs c A (s) = Fc Ai (s) + FS c AS (s) − (F + FS + Vk )c A (s)

VS s c AS (s) = FS c A (s) − (FS + VS k )c AS (s)

ou

(Vs + F + FS + Vk )c A (s) − FS c AS (s) = Fc Ai (s)

− FS c A (s) + (VS s + FS + VS k )c AS (s) = 0

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

O zero da função de transferência é dado pela raiz da equação:

VSs + FS + VS k = 0

FS + VS k
s=−
VS

Os pólos da função de transferência são dados pelas raízes da equação:

VVS s 2 + (VFS + VS F + VS FS + 2VVS k )s + FFS + FVS k + FS Vk + FS VS k + VVS k 2 = 0

−b± ∆
s=
2a

em que:

a = VVS

b = VFS + VS F + VS FS + 2VVS k

c = FFS + FVS k + FS Vk + FS VS k + VVS k 2

2
(
∆ = (VFS + VS F + VS FS + 2VVSk ) − 4VVS FFS + FVS k + FS Vk + FSVS k + VVS k 2 )

O ganho estático pode ser obtido reescrevendo a equação para:

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

e aplicando o Teorema do Valor Final

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

5.2 Uma maneira de medir a densidade de um líquido é bombeá-lo lentamente através de um

tubo vertical e medir a diferença de pressão entre o topo e o fundo do tubo. Essa diferença de
pressão está diretamente relacionada com a densidade do líquido no tubo se a perda por atrito
é desprezível. Supondo que a densidade varie com o tempo. Qual é a função de transferência
que relaciona a medida da queda de pressão com perturbações na densidade. Assume-se que o
fluido sobe a coluna verticalmente em plug flow.

A diferença de pressão entre as duas tomadas de pressão é

L L
∆P = ∫ ρ(z, t )gdz = g ∫ ρ(z, t )dz
0 0

Aplicando a definição de transformada de Laplace, temos

∞ ∞ L L ∞ L
∆P(s) = ∫ ∆P e −st dt = ∫ g ∫ ρ(z, t )dz e −st dt = g ∫ ∫ ρ(z, t ) e −st dtdz = g ∫ ρ(z, s)dz
0 0 0 0 0 0

O ρ em z é o ρ em z = 0 após decorrido um tempo morto

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

Assim, a função de transferência fica

L
s
− z
∆P(s) e v
=g
ρ(0, s) s
−
v 0

Exercícios propostos

5.3 Determine a solução analítica da equação:

dx
+ 3x = f ( t )
dt

onde:

0 t<0

f ( t ) = h 0 ≤ t < 1 h
0 t ≥1 h


5.4 A concentração de um produto químico em no tanque de mistura mostrado na figura

abaixo é medida com um instrumento analítico. O volume total de solução no tanque é
constante e igual a 2 m3. Seja c m a medida da concentração obtida pelo instrumento. A
resposta dinâmica dessa medida, para uma variação na concentração pode ser representada
pela função de transferência:

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).

b) Determine a resposta no tempo para um degrau em c1 de +3 kg/m3.

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?

5.5 No tanque de mistura representado abaixo, as condições normais de operação (estado

estacionário) são F1 = 5 m3/h e F2 = 3 m3/h. Nessas condições a altura de líquido no tanque é
de 4 m. O tanque tem 3 m2 de área e todas as correntes têm a mesma densidade.

a) Qual a função de transferência relacionando h (s) e F1 (s) ?

b) Para a variação em F1 representada acima, qual o h(t) correspondente?

c) Qual o novo estado estacionário do nível de líquido?

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:

h 1 (s) h 1 (s) h 2 (s) h 2 (s)

Fi (s) FR (s) Fi (s) FR (s)

(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:

(a) A concentração de A em 1 com a concentração de A na alimentação.

(b) A concentração de A em 2 com a concentração de A em 1.

(c) A concentração de A em 3 com a concentração de A na alimentação.

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.

Ache a função de transferência da temperatura do fluido que deixa o tanque com a

temperatura da água de refrigeração.

137