CENTRO TECNOLÓGICO

DEPARTAMENTO DE ENGENHARIA ELÉTRICA

ANDREI CARLOS BASTOS

ANÁLISE E SÍNTESE DE CONTROLADORES MODERNOS

POR REALIMENTAÇÃO
DE ESTADOS E OBSERVADOR DE ESTADOS

VITORIA
2016
 CENTRO TECNOLÓGICO
DEPARTAMENTO DE ENGENHARIA ELÉTRICA

ANDREI CARLOS BASTOS

ANÁLISE E SÍNTESE DE CONTROLADORES MODERNOS

POR REALIMENTAÇÃO
DE ESTADOS E OBSERVADOR DE ESTADOS
Simulações teóricas apresentado como
requisito parcial para avaliação na
disciplina de Sistemas Realimentados, do
curso de Engenharia Elétrica, da
Universidade Federal do Espírito Santo
no período letivo 2016/2 na qual é
ministrada pelo professor Dr. Edson
Ferreira.

VITORIA
2016
 Página |1

Resumo
Esse trabalho aborda técnicas padrões para realização de um controlador aplicando conceitos de
controle moderno utilizando o software Matlab®. Será projetado controladores para uma planta
hipotética na qual será feito uma análise através da realimentação de estados e por meio de um
observador de estados.
Esse trabalho também aborda conceitos importantes para análise transitória na resposta ao
degrau. Terá ênfase em discretização de sistemas, atraso, zona morto, saturação e quantificação.
Para realização do diagrama de blocos será feito uso da ferramenta do Matlab® e o Simulink®
Para análise das respostas será ilustrado através de figuras e tabelas para melhor entendimento
da simulação.
Vale ressaltar que esse trabalho é puramente teórico, tendo como principal objetivo, apenas
simulações computacionais. Além disso, esse trabalho é a terceira e última parte do trabalho geral
da disciplina.

Palavras-Chaves: realimentação de estados, observador de estados, discretização de sistemas,

Sistemas com atraso, zona morta, saturação de compensador, compensadores modernos,
controle moderno.
 Página |2

LISTA DE FIGURAS
FIGURA 3.1. ANÁLISE TRANSITÓRIA DA RESPOSTA AO DEGRAU........................................................................................................9
FIGURA 3.2. FUNÇÃO DE TRANSFERÊNCIA T(S) ..........................................................................................................................10
FIGURA 3.3. REPRESENTAÇÃO DO ESPAÇO DE ESTADOS ...............................................................................................................10
FIGURA 3.4. SISTEMA DIGITAL ...............................................................................................................................................13
FIGURA 3.5. EXEMPLO DE SEGURADOR DE ORDEM ZERO ............................................................................................................13
FIGURA 3.6. NÃO LINEARIDADES DO TIPO ZONA MORTA E SATURAÇÃO PRESENTES ÀS ENTRADAS DOS ATUADORES NUM SISTEMA ROBÓTICO
MÓVEL .....................................................................................................................................................................15

FIGURA 4.1. LOCALIZAÇÃO DOS ZEROS/POLOS DO SISTEMA EM MF UTILIZANDO CONTROLADOR PID ...................................................17
FIGURA 4.2. DIAGRAMA DE BLOCOS DO SISTEMA COM REALIMENTAÇÃO DE ESTADOS .......................................................................18
FIGURA 4.3. COMPARAÇÃO DA RESPOSTA AO DEGRAU: PID CLÁSSICO X PID MODERNO (VIA REALIMENTAÇÕES DE ESTADOS) .................19
FIGURA 4.4. COMPARAÇÃO DA RESPOSTA AO DEGRAU: PID CLÁSSICO X PID MODERNO (VIA NOVA REALIMENTAÇÕES DE ESTADOS) ........21
FIGURA 4.5. DIAGRAMA DE BLOCOS OBSERVADOR-CONTROLADOR ..............................................................................................22
FIGURA 4.6. RESPOSTA AO DEGRAU DO CONTROLADOR-OBSERVADOR COM CONDIÇÕES INICIAIS .........................................................24
FIGURA 4.7. CONDIÇÕES INICIAIS NO ESTADO EM 2E-3 E CONDIÇÕES INICIAIS NO OBSERVADOR EM 6E-3 ............................................25
FIGURA 5.1. DISCRETIZAÇÃO DO TEMPO COM A VARIAÇÃO DA TAXA DE AMOSTRAGEM .....................................................................27
FIGURA 5.2. RESPOSTA AO DEGRAU PARA TS NO QUAL DEIXA O SISTEMA INSTÁVEL...........................................................................28
FIGURA 5.3. DIAGRAMA DE BLOCOS DA SIMULAÇÃO DE QUANTIFICAÇÃO .......................................................................................29
FIGURA 5.4. EFEITO DA QUANTIFICAÇÃO..................................................................................................................................30
FIGURA 5.5. DIAGRAMA DE BLOCOS PARA EFEITOS DA SATURAÇÃO ...............................................................................................31
FIGURA 5.6. MEDIÇÕES DE UMAX, UMIN DO CONTROLADOR E OVERSHOOT DO SISTEMA ..................................................................32
FIGURA 5.7. EFEITO DA SATURAÇÃO DO CONTROLADOR .............................................................................................................32
FIGURA 5.8. DIAGRAMA DE BLOCOS PARA SIMULAÇÃO DO ATRASO ...............................................................................................33
FIGURA 5.9. EFEITOS DO ATRASO ...........................................................................................................................................34
FIGURA 5.10. DIAGRAMA DE BLOCOS PARA EFEITOS DA ZONA MORTA ...........................................................................................35
FIGURA 5.11. EFEITOS DA ZONA MORTA .................................................................................................................................35
 Página |3

LISTA DE TABELAS
TABELA 4.1. POLOS E ZEROS DO SISTEMA EM MF UTILIZANDO CONTROLADOR PID ..........................................................................17
TABELA 4.2. RESPOSTA AO DEGRAU PID CLÁSSICO VERSUS PID MODERNO....................................................................................20
TABELA 4.3. COMPARAÇÕES CONTROLADOR AJUSTADO X CONTROLADOR COM OBSERVADOR ...........................................................23
 Página |4

LISTA DE ABREVIATURAS E SIGLAS

Ganhos
Kp – Ganho Proporcional
Kd – Ganho Derivativo
Ki – Ganho Integral
Sistema
FT – Função de Transferência
LGR – Lugar Geométrico das Raízes
MA – Malha Aberta
MF – Malha Fechada
Compensadores
P – Proporcional
PD – Proporcional-Derivativo
PI – Proporcional-Integral
PID – Proporcional-Derivativo-Integral
Parâmetros
Tp – Tempo de pico (𝑝𝑒𝑎𝑘𝑇𝑖𝑚𝑒)
Tr – Tempo de subida (𝑟𝑖𝑠𝑒𝑇𝑖𝑚𝑒)
Ts – Tempo de assentamento (𝑆𝑒𝑡𝑡𝑙𝑖𝑛𝑔𝑇𝑖𝑚𝑒)
𝑀𝑝 – Máxima ultrapassagem
𝑒∞ – Erro em regime estacionário
 Página |5

SUMÁRIO
1 INTRODUÇÃO ........................................................................................................................... 7

2 OBJETIVOS ................................................................................................................................ 8

2.1 ESCOPO ............................................................................................................................... 8

2.2 OBJETIVO GERAL ................................................................................................................. 8

2.3 OBJETIVO ESPECÍFICO ......................................................................................................... 8

3 METODOLOGIA......................................................................................................................... 9

3.1 ALOCAÇÃO DE POLOS ....................................................................................................... 10

3.1.1 REALIZAÇÃO DE ESTADOS.......................................................................................... 10

3.1.2 CONTROLABILIDADE .................................................................................................. 11

3.1.3 OBSERVABILIDADE ..................................................................................................... 11

3.1.4 CONTROLE VIA REALIMENTAÇÃO DE ESTADOS ........................................................ 12

3.2 SISTEMAS DISCRETOS ....................................................................................................... 12

3.2.1 ERRO DE QUANTIFICAÇÃO E TAMANHO DE PALAVRA .............................................. 14

3.3 SISTEMAS COM ATRASO DE TRANSPORTE, SATURAÇÃO E ZONA MORTA ...................... 14

3.3.1 ATRASO DE TRANSPORTE .......................................................................................... 14

3.3.2 SATURAÇÃO ............................................................................................................... 15

3.3.3 ZONA MORTA ............................................................................................................ 15

4 PROJETO DE CONTROLADORES MODERNOS VIA REALIMENTAÇÃO DE ESTADOS E

OBSERVADOR DE ESTADOS ........................................................................................................... 16

4.1 REALIMENTAÇÃO DE ESTADOS ......................................................................................... 16

4.2 OBSERVADOR DE ESTADOS............................................................................................... 21

5 ANÁLISES TRANSITÓRIAS........................................................................................................ 26

5.1 DISCRETIZANDO O SISTEMA ............................................................................................. 26

 Página |6

5.2 ERRO DE QUANTIFICAÇÃO ................................................................................................ 28

5.3 EFEITOS DA SATURAÇÃO .................................................................................................. 30

5.4 ANÁLISE DO ATRASO DE TRANSPORTE ............................................................................. 33

5.5 ANÁLISE DA ZONA MORTA ............................................................................................... 34

6 CONCLUSÃO ........................................................................................................................... 37

7 BIBLIOGRAFIA ......................................................................................................................... 38
 Página |7

1 INTRODUÇÃO
Para projetar estruturas de compensação mais adequadas para sistemas de controle, o método de
análise no domínio do tempo, expresso em termos de variáveis de estados é muito importante. A
motivação para tal estudo é visada pensando em controlar o sistema com um sinal de controle
sendo uma função das variáveis de estado medidas. Assim, é desenvolvido um controlador com
variáveis de estado que opera sobre as informações medidas em cada estado. Esse tipo de controle
é bastante útil para otimização de sistemas e será abortado duas técnicas aqui neste trabalho:
Realimentação de estados e Observador de estados. (Dorf & Bishop, 2001, p. 497)
A possibilidade de alocar polos no sistema em qualquer região do plano complexo permite que o
controlador fique mais robusto.
Existem diversas características que são importantes para desenvolvimento de um projeto de
compensadores de sistemas de controle, neste trabalho será analisado os seguintes efeitos:
 Erro de quantificação e tamanho de palavra;
 Atraso de transporte;
 Saturação;
 Zona morta;
 Discretização de sistemas.
 Página |8

2 OBJETIVOS
2.1 ESCOPO

 Explicitar os polos em malha fechada da planta compensada com o melhor PID. Utilizando
realimentação de estado, com integral de estado, projete um controlador (K) para alocar
os polos em malha fechada nos polos alocados pelo PID
 Análise da discretização da Planta e do Controlador
 Análise do efeito da quantização devido ao arredondamento da conversão A/D
 Análise do efeito de uma saturação
 Análise do efeito de um atraso 𝑒 −𝑎𝑆
 Investigação do efeito de uma zona morta na entrada da planta em MA

2.2 OBJETIVO GERAL

O objetivo deste trabalho é de analisar os efeitos do controle moderno com alocação de polos em
pontos desejados para o sistema em malha fechada com realimentação negativa

2.3 OBJETIVO ESPECÍFICO

Após projetar os controladores clássicos através dos métodos LGR e Síntese no domínio da
frequência, neste trabalho será considerado somente o problema de controle da planta em MF,
com as mesmas especificações para o PID no domínio do tempo e será considerado o melhor PID
obtido anteriormente.
A Planta hipotética considerada neste trabalho é apresentada na Equação 2.1
𝑌(𝑆) 250
𝐺(𝑆) = =
𝑈(𝑆) (𝑆 + 10)(𝑆 2 + 5𝑆 + 52 )
Equação 2.1

O controlador PID escolhido apresenta a seguinte equação:

𝑠 𝑠
0.2639 𝑠 2 + 2.322 𝑠 + 1.689 1.689 (1 + 8) (1 + 0.8)
𝐺𝑐(𝑠) = =
𝑠 𝑠
Equação 2.2
 Página |9

3 METODOLOGIA
Este trabalho foi elaborado com objetivo de analisar os efeitos do controle moderno com alocação
de polos em pontos desejados para o sistema em malha fechada com realimentação negativa.
Todo o estudo foi motivado com objetivo de executar uma implementação destes controladores
via simulação no Matlab e Simulink e, por fim, uma síntese das diferenças dos tipos de
controladores e suas respostas, organizando seus dados e concluindo sob qual controlador o
sistema reage melhor.
O método de implementação dos controladores foi baseado na realimentação de estados e
observadores de estado. O Simulink é utilizado para o levantamento das simulações com os dados
dos controladores obtidos.
A Figura 3.1 exibe a posição dos parâmetros da resposta no domínio do tempo.

Fonte: Fonte bibliográfica inválida especificada.

Figura 3.1. Análise transitória da resposta ao degrau
 P á g i n a | 10

Da Figura 3.1 é possível obter:

Tp - Tempo de Atraso
Tr - Tempo de Subida
Tp- Tempo de Pico
Ts - Tempo de Acomodação (ou Tempo de Assentamento ou Regime)
Mp - Máximo Sobressinal (ou Máxima Ultrapassagem ou Overshoot)

3.1 ALOCAÇÃO DE POLOS

Dada uma FT é possível reescrever através da notação matricial, na forma de estados,

Figura 3.2. Função de transferência T(s)

O diagrama de blocos mostrado na Figura 3.2 será descrito pelas matrizes de estado (A,B,C,D)
como a Figura 3.3.

Figura 3.3. Representação do espaço de estados

3.1.1 REALIZAÇÃO DE ESTADOS

Para um sistema LTI é possível escrever o sistema pelas equações diferenciais matriciais como a
seguir:
 P á g i n a | 11

𝑥 = 𝐴𝑥̇ + 𝐵𝑢
𝑦 = 𝐶𝑥 + 𝐷
O conjunto de matrizes A, B, C e D que podem definir o sistema são infinitas, nesse trabalho serão
utilizadas as formas canônicas controlável e observável.

3.1.2 CONTROLABILIDADE
Um sistema pelas matrizes (A,B) pode ser dito controlável se existir um controle u sem restrições
que possa transferir qualquer estado inicial 𝒙(𝟎) para qualquer outra localização desejada 𝒙(𝒕).
Para o sistema
𝑥̇ = 𝐴𝑥 + 𝐵𝑢
É possível determinar se o sistema é controlável examinando a expressão algébrica
𝑝𝑜𝑠𝑡𝑜 [𝐵 𝐴𝐵 𝐴2 𝐵 … 𝐴𝑛−1 𝐵] = 𝑛
Para um sistema com uma única entrada e uma única saída, a matriz de controlabilidade 𝑃𝑐 é
descrita em termos de A e B,
𝑃𝑐 = [𝐵 𝐴𝐵 𝐴2 𝐵 … 𝐴𝑛−1 𝐵]
Que é uma matriz 𝑛𝑥𝑛. Portanto, se o determinante de 𝑃𝑐 for não-nulo, o sistema é controlável.
Outra maneira para determinar se o sistema é controlável é desenhar o modelo em diagrama de
fluxo de sinal e determinar se existe percurso entre o sinal de controle, u, e cada uma das variáveis
de estado. Se existir o percurso, o sistema pode ser controlável. (Dorf & Bishop, p. 498)

3.1.3 OBSERVABILIDADE
Todas as raízes da equação característica podem ser posicionadas onde se desejar no plano s se e
somente se o sistema for controlável e observável. A Observabilidade se refere à capacidade de se
estimar uma variável de estado. Deste modo, diz-se que um sistema pode ser observável se a saída
possuir uma componente devida a cada uma das variáveis de estado. Uma outra forma de enunciar
o requisito é obrigar a existência de um percurso entre cada uma das variáveis de estado e a
variável de saída do modelo em diagrama de fluxo do sistema.
Um sistema é observável se, e somente se, existir um tempo finito tal que o estado inicial 𝑥(0)
possa ser determinado a partir do histórico de 𝑦(𝑡), dado o controle u(t). (Dorf & Bishop, p. 499)
Considerando o sistema com uma única entrada e uma única saída:
𝑥̇ = 𝐴𝑥 + 𝐵𝑢 𝑒 𝑦 = 𝐶𝑥
 P á g i n a | 12

Onde 𝐶 é uma matriz linha e 𝑥 um vetor coluna. Este sistema será observável quando o
determinante de 𝑄 for não-nulo, onde:
𝐶
𝐶𝐴
𝑄=[ ]
…
𝐶𝐴𝑛−1

3.1.4 CONTROLE VIA REALIMENTAÇÃO DE ESTADOS

As técnicas de projeto em controle moderno são baseadas nas realimentações de estado, esta
técnica tem como pré-requisito a possibilidade de haver medições em todos os estados do sistema,
o que quer dizer o mesmo de ter acesso aos estados para serem realimentados.
Como ponto de projeto são necessários testes na prática para obtenção dos polos ideais do
sistema, estes podendo estar fora das linhas de caminho do LGR e se situarem em qualquer local
estável do plano S. A partir da alocação dos polos, serão encontrados os ganhos de realimentação
do sistema pela fórmula a seguir:
|𝑆𝐼 − 𝐴 + 𝐵𝐾 | = 0
Resolvendo a equação, o resultado será o vetor K, utilizado na realimentação. É possível também
resolver o problema dos ganhos pela fórmula de Ackermann1 ou pela função place do Matlab.

3.2 SISTEMAS DISCRETOS

A utilização de computadores digitais como dispositivo compensador cresceu de forma

impressionante durante as três últimas décadas. A Figura 3.4 mostra o diagrama de blocos de um
sistema de controle digital de uma única malha. Nessa configuração de sistema, o computador
digital recebe erro em forma digital e executa cálculos a fim de fornecer uma saída em forma
digital.

1
Wilhelm Friedrich Ackermann (Herscheid, 29 de Março de 1896 — Lüdenscheid, 24 de Dezembro de 1962) foi um
matemático alemão.
 P á g i n a | 13

Fonte: (Dorf & Bishop, 2001, p. 584)

Figura 3.4. Sistema digital

A utilização de um conversor A/D na entrada do controlador permite a discretização do sinal. O

sinal analógico é amostrado com certo período de amostragem e após cada amostragem existe
um segurador de ordem zero (ZOH – Zero Order Holder) responsável por manter o nível do sinal
até a próxima amostragem. A Figura 3.5 ilustra um exemplo.

Fonte: (wikibooks, 2014)

Figura 3.5. Exemplo de Segurador de Ordem Zero

Apesar das vantagens da utilização do controle digital, existirá o problema do sinal discretizado
nunca ser reconstituído com toda precisão em sinal continuo e também o tempo de amostragem,
uma vez inadequada, pode tornar o sistema instável.
 P á g i n a | 14

3.2.1 ERRO DE QUANTIFICAÇÃO E TAMANHO DE PALAVRA

Embora a alta tecnologia doS conversores A/D, todo computador digital possui um número finito
de memória e uma resolução de bits para adquirir os sinais do sistema. Um conversor de 𝑛 bits
possui 2𝑛 valores distintos disponíveis para medir uma certa amplitude, porém existem uma
infinidade de valores entre os intervalos das amostras, tendo com consequência um erro de
quantização de precisão pelo tamanho da palavra. Tal erro pode ser reduzido com o aumento do
número de bits, o que traz o aumento do número de palavras disponíveis para aquisição.
O erro da quantificação devido ao arredondamento na conversão A/D pode ser calculado pela
expressão:
(𝑌𝑚𝑎𝑥 − 𝑌𝑚𝑖𝑛 )
𝑄𝑚𝑎𝑥 =
2(2𝑛 − 1)
Da expressão acima, 𝑛 é número de bits da palavra e 𝑌𝑚𝑎𝑥 − 𝑌𝑚𝑖𝑛 é o intervalo de variação de
saída 𝑌𝑘 .

3.3 SISTEMAS COM ATRASO DE TRANSPORTE, SATURAÇÃO E ZONA MORTA

3.3.1 ATRASO DE TRANSPORTE

Os sistemas em geral precisam de um certo tempo para que os sinais sejam enviados de uma parte
da planta e processados dentro do processador que faz a lógica de controle. Mas o sistema físico
nem sempre para de operar enquanto os sinais estão em trânsito pelos componentes do sistema,
neste tempo ao processar os novos sinais já antigos o sistema pode estar em outro nível de sinal
o que gera um erro maior, causando divergências entre o sinal real e o que está sendo controlado,
acarretando em oscilações e até possivelmente em uma instabilidade do sistema. Atrasos de
transportes podem ser simulados pelas aproximações de Padé, onde são adicionados 𝑛 polos e
zeros, dependendo da ordem da aproximação, quanto maior a ordem, mais próximo do real será
o sistema. A aproximação de Padé truncada pode ser mostrada pela fórmula:

𝑇𝑠 (𝑇𝑠)2 (𝑇𝑠)3
1− + − +⋯
𝑒 −𝑇𝑠 = 2 8 48
𝑇𝑠 (𝑇𝑠)2 (𝑇𝑠)3
1+ + + +⋯
2 8 48
Equação 3.1. Aproximação de Padé ordem 3
 P á g i n a | 15

No Simulink, utiliza-se o bloco 𝑇𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡 𝐷𝑒𝑙𝑎𝑦 para simular o atraso.

3.3.2 SATURAÇÃO
O efeito de saturação ocorre quando o controlador requer uma amplitude de sinal de controle
muito alta, maior do que o máximo que o controlador pode fornecer. Por exemplo, um sistema
precise de uma tensão de 250 V mas a rede elétrica que alimenta todo o circuito fornece no
máximo 220 V, não seria possível enviar o sinal necessário e o sinal de controle fica saturado neste
valor acarretando um controle não satisfatório da planta.
No Simulink utiliza-se o bloco 𝑆𝑎𝑡𝑢𝑟𝑎𝑡𝑖𝑜𝑛 para simular os efeitos da saturação.

3.3.3 ZONA MORTA

Uma dificuldade surge ao se aplicar um pequeno sinal de entrada ao sistema, dado que em alguns
sistemas existem oposições das quais o sistema necessita supera-las até que o sistema seja
colocado em ação, precisando de um tempo para que a o sistema possa superar essas barreiras.
Tal comportamento apresenta-se uma não linearidade e é conhecida como zona morta que é uma
faixa operacional de entrada que não produz resposta dinâmica na saída do sistema. A Figura 3.6
mostra os efeitos da não linearidades de zona morta e de saturação presentes nas entradas dos
atuadores ao ser aplicado um sinal 𝛿 onde 𝑌𝑀 𝑒 𝑌𝑚 representam os limites positivo e negativo da
saturação e 𝑏𝑑𝑧 representa a largura de banda da zona morta. (Salcedo, 2010)

Fonte: (Salcedo, 2010)

Figura 3.6. Não linearidades do tipo zona morta e saturação presentes às entradas dos atuadores num sistema

robótico móvel
 P á g i n a | 16

4 PROJETO DE CONTROLADORES MODERNOS VIA

REALIMENTAÇÃO DE ESTADOS E OBSERVADOR DE ESTADOS
4.1 REALIMENTAÇÃO DE ESTADOS

Considerando a possibilidade em ter acesso a todos os sensores da planta, seria possível criar uma
abordagem de controle por meio de realimentações de cada estado. Para verificar se o sistema é
controlável será feito como descrito na Seção 3.1.2 utilizando o Matlab.
Pela Equação 2.1:
𝑌(𝑆) 250
𝐺(𝑆) = =
𝑈(𝑆) (𝑆 + 10)(𝑆 2 + 5𝑆 + 52 )
Utilizando a função do Matlab tt2ss para a representação da função 𝐺(𝑠) para o espaço dos
estados, foram obtidos:
−15 −75 −250 1
𝐴=[ 1 0 0 ] , 𝐵 = [0] , 𝐶 = [0 0 250], 𝐷 = [0]
0 1 0 0
Para saber se o sistema é controlável é necessário analisar a condição de controlabilidade, para
isto analisa-se a matriz de controle 𝑃𝑐 = [𝐵 𝐴𝐵 𝐴2 𝐵 … 𝐴𝑛−1 𝐵].
No Matlab é utilizado a função ctrb(A,B) para calcular 𝑃𝑐 .
1 −15 150
Foi encontrado 𝑃𝑐 = [0 1 −15]
0 0 1
Como 𝑃𝑐 possui três vetores linearmente independente, ou seja, posto igual a 3, pode-se dizer que
o sistema é controlável.
Utilizando o controlador PID do trabalho anterior dado por:
0.2639 𝑠 2 + 2.322 𝑠 + 1.689
𝐺𝑐(𝑠) =
𝑠
A Figura 4.1 exibe a localização dos zeros/polos do sistema com controlador PID em MF.
 P á g i n a | 17

Figura 4.1. Localização dos zeros/polos do sistema em MF utilizando controlador PID

Polos
-2.7171 + 8.7510j
-2.7171 - 8.7510j
-9.0074
-0.5583
Tabela 4.1. Polos e Zeros do sistema em MF utilizando controlador PID

A Figura 4.2 apresenta o diagrama de blocos para a simulação da realimentação de estados, criado
com o auxílio do Simulink.
 P á g i n a | 18

Figura 4.2. Diagrama de blocos do sistema com realimentação de estados

Vale ressaltar ainda que para que se possa alocar os mesmos polos obtidos com o controlador PID
do trabalho anterior, deve-se adicionar um integrador a função de transferência em malha aberta
do sistema, pois o PID adiciona ao sistema original um polo na origem em malha aberta, fazendo
com que o sistema que originalmente era de terceira ordem se transforme em um de quarta
ordem.
Com essa inserção do polo na origem as novas matrizes são encontradas como:
−15 −75 −250 0 1
𝐴 0 1 0 0 0 0
𝐴𝑖 = [ ]=[ ] , 𝐵𝑖 = [ ] , 𝐶𝑖 = [0 0 250 0], 𝐷𝑖 = [0]
−𝐶 0 0 1 0 0 0
0 0 −250 0 0
O objetivo dessa etapa é alocar os polos do sistema nas mesmas posições que se encontravam os
polos de malha fechada obtidos com a utilização do controlador PID projetado na parte T2.
A partir dos polos da Tabela 4.1, cria-se o vetor de polos P=[ -2.7171 - 8.7510i -2.7171 + 8.7510i -
9.0074 + 0.0000i -0.5583 + 0.0000i]
Daí, para projetar o controlador K foi utilizado função 𝑝𝑙𝑎𝑐𝑒 do Matlab com as matrizes
estendidas:
𝐾 = 𝑝𝑙𝑎𝑐𝑒(𝐴𝑖, 𝐵𝑖, 𝑃) = [0.0000 65.9750 580.5000 − 1.6890]
𝐾𝑖 = [0 65.9750 580.5000 0]
𝐾𝑧 = −1.689
 P á g i n a | 19

o vetor 𝐾𝑖 é relativo as três primeiras posições do vetor 𝐾 e o escalar 𝐾𝑧 é relativo a ultima

posição do vetor 𝐾, esse ajuste é feito para dar o ganho da variável de estado que aparece no
início do diagrama de blocos.
A resposta ao degrau do sistema é dada por:

Figura 4.3. Comparação da Resposta ao Degrau: PID Clássico x PID Moderno (via realimentações de estados)

Através da Figura 4.3 é possível notar que o sistema com o controlador obtido pela realimentação
de estados ficou subamortecida e mais lenta que o PID encontrado no segundo trabalho.
Com os polos do PID indicado e devido à ausência dos zeros do controlador anterior, devido a
modificação dos resíduos que influi na contribuição de cada polo na resposta, o sistema se tornou
mais lento do que o anterior.
Por consequência de sua péssima resposta, a síntese do controlador via realimentação de estados
será refeita de modo que permita um sobressinal de 3% e mais rápido que o PID clássico.
 P á g i n a | 20

Como o 𝑡𝑟𝑝𝑖𝑑 𝑐𝑙á𝑠𝑠𝑖𝑐𝑜 = 0.308 𝑠 deseja-se projetar um controlador cujo o sobressinal seja de 3% e
𝑡𝑟𝑟𝑒𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑎çã𝑜 𝑒𝑠𝑡𝑎𝑑𝑜𝑠 < 𝑡𝑟𝑝𝑖𝑑 𝑐𝑙á𝑠𝑠𝑖𝑐𝑜 ou seja:
𝑀𝑝 = 0.03
𝑡𝑟 = 0.2 𝑠
Da análise da resposta transitória, sabe-se:
𝜋ϛ
−
𝑀𝑝 = 𝑒 √1− ϛ2

√1 − ϛ
β=
ϛ
𝜋−β
ω𝑑 =
𝑇𝑟
ω𝑑
ω𝑛 =
√1 − ϛ2
Assim
𝑝1 = − ϛ𝜔𝑛 + 𝑗𝜔𝑑 ,
𝑝2 = 𝑝1∗
𝑝3 = 10 ∗ 𝑝1
𝑝4 = 10 ∗ 𝑝2
𝑃𝑛𝑜𝑣𝑜 = 100 ∗ [(−0.1376 + 0.1232𝑖) (−0.1376 − 0.1232𝑖) (−1.3758 + 1.2319𝑖) (−1.3758 − 1.2319𝑖)]
Assim, realizado a simulação foi encontrado a resposta ao degrau unitário apresentado na Figura 4.4.
A Tabela 4.2 mostra os parâmetros da resposta transitória a uma entrada em degrau unitário.
Domínio do tempo
PID Tr (s) Tp (s) Ts (s) Pico Overshoot (%) Erro
Clássico 0.308 0.373 4.182 1.030 3.00 59.21%
Moderno - 19.02 6.56 1 0 1.967%
Moderno (Ajustado) 0.2 0.2675 0.19 1.03 3 0.099
Tabela 4.2. Resposta ao Degrau PID clássico versus PID Moderno
 P á g i n a | 21

Figura 4.4. Comparação da Resposta ao Degrau: PID Clássico x PID Moderno (via nova realimentações de estados)

Podemos observar que o método em utilizar novos polos para a realimentação de estados
forneceu uma resposta mais rápida em relação à resposta simulada anteriormente. Além disso,
assemelhasse à resposta levantada utilizando o controlador PID. Os polos inseridos no sistema se
localizam no lado esquerdo do plano S, além de estarem longe da origem, fazendo com que a
resposta tenha o aspecto mais rápido.

4.2 OBSERVADOR DE ESTADOS

Considerando os estados não acessíveis, deve-se projetar um observador de estado para que a
resposta do sistema apresente uma característica mais rápida do que aquela vista com o
controlador PID escolhido.
 P á g i n a | 22

Primeiramente é necessário saber se o sistema é observável, para isto, utiliza-se a Função Cz =

obsv(A,C), a partir daí é necessário verificar se existem vetores-coluna linearmente independentes
na matriz gerada, para isto, utiliza-se o comando rank(Cz).
Como rank(ObsEst)=3 o sistema é observável, seguindo o projeto, os polos do observador é feita
de modo que o polo mais lento do observador seja 10 vezes mais rápido do que o polo mais rápido
do controlador. Portanto:
𝑝𝑜𝑙𝑜𝑠𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜𝑟 = 1000 ∗ [(−0.1376 + 0.1232𝑖) (−0.1376 − 0.1232𝑖) (−1.3758)]
Portanto L = place(At,Ct,polosObservador), onde At e Ct são as matrizes transpostas das matriz A
e C respectivamente. O vetor L calculado é dado da seguinte forma:
𝐿 = [1.4693 0.0264 0.0002]
O diagrama de blocos com observador de estado é ilustrado na Figura 4.5.

Figura 4.5. Diagrama de blocos Observador-Controlador

 P á g i n a | 23

A resposta ao degrau do sistema com observador é mostrada na Figura 4.6.

A Tabela 4.3 exibe os parâmetros dessa simulação.

Domínio do tempo
PID Tr (s) Tp (s) Ts (s) Pico Overshoot (%) Erro
Moderno (Ajustado) 0.2 0.2675 0.19 1.03 3.00 0.099
Moderno
0.2 0.268 0.19 1.0298 2.98 0.097
(Observador)
Tabela 4.3. Comparações Controlador Ajustado x Controlador com observador

Como o observador não tem acesso direto aos estados da planta foi simulado o comportamento
de sincronização do observador, alterando os valores iniciais dos seus estados do observador como
é mostrado na Figura 4.6.
Também foi simulado o estado inicial da planta fisicamente com 2e-3 e o estado inicial do
observador em 6e-3 essa simulação é exibida na Figura 4.7.
 P á g i n a | 24

Figura 4.6. Resposta ao degrau do controlador-observador com condições iniciais

Da Figura 4.6 é possível visualizar que devido as condições iniciais não nulas, o observador tem um
grande pico no início da sincronização, porém em menos de 30 𝑚𝑠 o controlador-observador
sincroniza.
Note que
 P á g i n a | 25

Figura 4.7. Condições iniciais no Estado em 2e-3 e Condições iniciais no Observador em 6e-3

Observa-se que quando o sistema fica com condições iniciais diferentes o sistema ainda converge
para o setpoint. Observa-se um sobressinal muito mais elevado seguida de uma queda brusca
levando o sistema a um regime de trabalho árduo para a planta, entretanto o tempo de
estabilização continua próximo ao tempo de estabilização do sistema anterior.
 P á g i n a | 26

5 ANÁLISES TRANSITÓRIAS
5.1 DISCRETIZANDO O SISTEMA

Um sistema discreto possui um conversor A/D e um segurador de ordem zero (zoh), devido a isso
não é possível ter acesso ao valor da variável controlada em todos os instantes de tempo e sim em
tempos discretos. Com o aumento do tempo de amostragem os valores amostrados estão mais
distantes em unidades temporais, entretanto o sistema não para de trabalhar e enquanto ele está
segurando o valor amostrado anteriormente o valor está sendo atualizado na planta real e quando
se chega a próxima amostragem os valores divergem, essa divergência se agrava com o aumento
da taxa de amostragem podendo chegar a uma divergência tão grande que o sistema não consiga
se recuperar e entre em uma situação de instabilidade.
Da Equação 2.1:
250
𝐺(𝑆) =
(𝑆 + 10)(𝑆 2 + 5𝑆 + 52 )
Da Equação 2.2:
0.2639 𝑠 2 + 2.322 𝑠 + 1.689
𝐺𝑐(𝑠) =
𝑠
Fazendo o ganho de malha aberta do sistema com o Matlab, obtém-se:
𝐺 ′ (𝑠) = 𝐺(𝑠) ∗ 𝐺𝑐(𝑠) =
Para discretizar o sistema:
g_ma = g*gc;
gz_ma = c2d(g_ma,Ts,'zoh')
gr = feedback(gz_ma,1);

Para simulação no Matlab foram feitos os seguintes passos:

Ts = tempos(i) %tempo de amostragem
g_ma = g*gc; %ganho em malha aberta
gz_ma = c2d(g_ma,Ts,'zoh') %Discretização do tempo
gr = feedback(gz_ma,1); %Realimentação
step(gr,6); %resposta ao degrau

Onde tempos(i) é um vetor no qual foi pré-estabelecido tempos de amostragem diferentes. O

Resultado se encontra na Figura 4.8.
 P á g i n a | 27

Figura 5.1. Discretização do tempo com a variação da taxa de amostragem

Da Figura 5.1, é possível visualizar que o sistema tem um comportamento diferente para cada
tempo de amostragem. Como esse sistema possui um tempo de resposta rápido (cada de
milissegundos) o tempo de amostragem deve ser baixo para que o sistema possa realização sua
ação no tempo adequado.
A medida que o tempo de amostragem aumenta o sistema começa a aumentar a oscilação
podendo até se tornar instável, como mostra a Figura 5.2 para 𝑇𝑠 igual a 0.2528 segundos.
 P á g i n a | 28

Figura 5.2. Resposta ao degrau para Ts no qual deixa o sistema instável

5.2 ERRO DE QUANTIFICAÇÃO

Para se investigar o efeito do erro de quantificação devido ao tamanho da palavra no desempenho

do sistema, escolhe-se o maior período de amostragem 𝑇𝑠 ao qual o desempenho do sistema não
foi comprometido. Nesse caso, o valor escolhido foi o de 𝑇𝑠 = 0,0005 𝑠.
O seguinte diagrama de blocos em ambiente Simulink é utilizado na análise de erro de
quantificação.
 P á g i n a | 29

Figura 5.3. Diagrama de Blocos da simulação de quantificação

Para simular o erro de quantificação em função do tamanho da palavra, utiliza-se o bloco no

Simulink denominado 𝐵𝑎𝑛𝑑 − 𝑙𝑖𝑚𝑖𝑡 𝑊ℎ𝑖𝑡𝑒 𝑛𝑜𝑖𝑠𝑒. A variável Noise Power é a Qmax, sendo que o
erro de quantificação é uma variável aleatória que assume valores entre [-Qmax, Qmax], sendo
calculado pela seguinte expressão:
𝑌𝑚𝑎𝑥 − 𝑌𝑚𝑖𝑛
𝑁𝑜𝑖𝑠𝑒 𝑃𝑜𝑤𝑒𝑟 = 𝑄𝑚𝑎𝑥 =
2(2𝑛 − 1)
Como já explicado na Seção 3.2.1.
Com o PID utilizado neste trabalho a resposta do o sistema tem variação máxima entre 1.03 e 0
para uma entrada em degrau unitário, assim pode-se calcular 𝑄𝑚𝑎𝑥 o para cada n:
𝑄𝑚𝑎𝑥 𝑛
0.0010 4
5.8824e-05 8
2.2889e-07 16
3.4925e-12 32

A Figura 5.4 mostra a simulação para os erros de quantificação.

 P á g i n a | 30

Figura 5.4. Efeito da quantificação

Analisando-se o gráfico da figura acima, nota-se que para 32 bits e 16 bits, praticamente não houve
nenhuma alteração na resposta. Enquanto, para 8 bits, o sistema já apresenta uma maior oscilação, e
a resposta do sistema já começa a diferir do sistema sem ruído. Por fim, para 4 bits a diferença é bem
notória, pois a oscilação que este apresenta quanto a resposta original é bem grande.
Portanto, nota-se que o desempenho do sistema piora a medida que o tamanho da palavra é reduzido.
Em outras palavras, quanto maior é o número de palavra (número de bits utilizados), menor é o erro
de quantificação.

5.3 EFEITOS DA SATURAÇÃO

Na análise do efeito da saturação, considerou o sistema com PID clássico no domínio continuo.
O efeito de saturação compreende ao fenômeno do controlador necessitar de um esforço muito
grande, ou seja, o sinal de controle chegar a níveis muito altos, como, por exemplo, um nível de
tensão muito alto o qual não estaria disponível pela fonte de alimentação causando um efeito de
saturação no controlador e alterando a resposta esperada da planta.
 P á g i n a | 31

No diagrama do Simulink foi adicionado o bloco denominado 𝑆𝑎𝑡𝑢𝑟𝑎𝑡𝑖𝑜𝑛, o qual representa os efeitos
de saturação do sistema, indicando os limites inferior e superior da saturação. O diagrama de blocos
utilizados é apresentado na Figura 5.6.

Figura 5.5. Diagrama de blocos para efeitos da saturação

Foi analisado através da saída do controlador PID que os limites da amplitude de sua saída variam
entre aproximadamente 𝑈𝑚𝑎𝑥 = 63.6 𝑒 𝑈𝑚𝑖𝑛 = −3.103, conforme é mostrado na Figura 5.6.
Se a saturação ficar limitada em 𝑈𝑚𝑎𝑥 = 55 𝑒 𝑈𝑚𝑖𝑛 = −3 a resposta apresenta uma
modificação no seu overshoot em torno de 5%.
Para visualizar os efeitos da saturação foram simulados valores em que acarretam modificações
maiores que 30% e são apresentados na Figura 5.7.
 P á g i n a | 32

Figura 5.6. Medições de Umax, Umin do controlador e overshoot do sistema

Figura 5.7. Efeito da Saturação do controlador

Da Figura 5.6, conclui-se que quanto menor o limite da saturação presente sobre o controlador,
maior é a distorção causada no sistema. Isso acontece porque o controlador fica limitado a um
 P á g i n a | 33

valor muito abaixo do que realmente precisaria entregar a planta. Para valores acima de 60 o
sistema não sofre incômodos (da saturação).

5.4 ANÁLISE DO ATRASO DE TRANSPORTE

Em geral, a informação da resposta do sistema é feita por uma medição, normalmente um

transdutor, que apresenta um atraso entre a saída e a entrada para comparação. Porém,
independente do atrasado causado pelo sensor de leitura, o sistema continua operando, mas
podendo causar divergência no sistema, podendo até instabilizar o sistema.
Para analisar o efeito do atraso foi inserido o bloco 𝑇𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡 𝐷𝑒𝑙𝑎𝑦 da ferramenta do Simulink.
O Diagrama de blocos para essa simulação pode ser visto na Figura 5.9.

Figura 5.8. Diagrama de blocos para simulação do atraso

Onde o controlador 𝐺𝑐(𝑠) a ser utilizado será o melhor PID do T2.

Considerando um atraso de 𝑒 −𝑎𝑠 , de a segundos, foram simulados os seguintes atrasos:
 P á g i n a | 34

Figura 5.9. Efeitos do atraso

Pode ser notado que o aumento do atraso tende a levar o sistema a ser mais oscilatório,
demorando mais a estabilizar e possivelmente levando o sistema à condição de instabilidade.

5.5 ANÁLISE DA ZONA MORTA

Conforme explicado na Seção 3.3, o efeito da zona morta apresenta uma linearidade no sistema.
Para simular os efeitos causados pela zona morta foi feito o diagrama de blocos como apresentado
na Figura 5.10.
Foi investigado o efeito de uma zona morta na entrada da planta em MA, adicionando na
referência em MF uma variação em degrau deslocada no tempo.
 P á g i n a | 35

Figura 5.10. Diagrama de Blocos para efeitos da zona morta

O diagrama de blocos acima apresenta uma chave automática que dispara dois degraus sucessivos
em tempos distintos. Nessa simulação o primeiro degrau (unitário) acontece no instante 𝑡 = 0 𝑠 e
o degrau (amplitude 2) acontece para 𝑡 = 6 𝑠. A zona morta foi ajustada para -2 e 2.
O resultado da simulação é ilustrado na Figura 5.11.

Figura 5.11. Efeitos da Zona Morta

Pela Figura 5.11 é possível visualizar que o efeito da zona morta é predominante no instante 𝑡 =
0 𝑠 onde acontece uma variação abrupta da amplitude, saindo de 0 até 1. Porém quando o sistema
 P á g i n a | 36

está com amplitude de 1, e é excitado com um degrau para amplitude 2 o mesmo efeito não
acontece.
A Equação 5.1 representa o modelo da zona morta descrito por Tao and Kokotovic (1996).
𝑚+ (𝑢(𝑡)) − 𝑏+ ) 𝑠𝑒 𝑢(𝑡) ≥ 𝑏+
𝑢𝑑 (𝑡) = 𝐷(𝑢(𝑡)) = { 0 𝑠𝑒 𝑏− < 𝑢(𝑡) < 𝑏+
𝑚− (𝑢(𝑡)) − 𝑏−) 𝑠𝑒 𝑢(𝑡) ≤ 𝑏−
Equação 5.1

Sendo 𝑚+ , 𝑚− as inclinações nas regiões negativas e positivas, 𝑏+ 𝑒 𝑏− os limites da banda de

zona morta. 𝑢𝑑 (𝑡) representa a saída da zona morta e 𝑢(𝑡) representa a entrada. (Salcedo, 2010,
p. 34).
Com isso, para uma variação de 𝑢(𝑡) = 0 até 𝑢(𝑡) = 1 faz com que saída da zona morta aproxime
de zero, e a medida que a entrada aumenta a saída da zona morta aproxima dos valores limites da
banda de zona morta.
 P á g i n a | 37

6 CONCLUSÃO
Nesse trabalho foi analisado o conceito dos controladores moderno utilizando as técnicas de
realimentação de estados e observador na saída da planta.
Para escolha do PID foi utilizado o modelo clássico que apresentou bons resultados e por ser de
fácil implementação e compreensão para as simulações.
Foi visto que fazendo a realimentação de estados diretamente com os polos e zeros do controlador
PID clássico não foi obtido um bom resultado. Por isso, foi projetado um controlador utilizando
parâmetros desejados onde se obteve um excelente resultado. A técnica do observador de estados
apresentou resultado semelhante ao projeto de realimentação de estados. Foi visto que devido a
condições iniciais diferentes, entre os estados da planta e os estados do observador o sistema tem
uma oscilação e um pico no início da sincronização, por isso uns dos motivos para colocar os polos
do observador dez vezes maior que os polos do controlador.
Das outras análises transitórias foi visto o efeito da discretização do sistema variando o valor do
tempo de amostragem, mostrando que o sistema pode se tornar instável, dependendo do valor
da taxa de amostragem.
Em relação a quantificação foi visto a influência causada pelo número de bits associado para
discretizar a amplitude de um sinal, mostrando que o número maior de número provoca menos
erro ao sistema.
O efeito da saturação foi investigado observando o comportamento do sistema quando o
controlador é limitado, situações que acontecem na prática.
Outra análise feita foi a do atraso de tempo presente na maioria dos sistemas de controle, tendo
como causa a instabilidade do sistema, dependendo do atraso.
E por fim foi elaborado uma simulação evidenciando os efeitos da zona morta de um atuador.
O trabalho foi bastante produtivo e foi explorado diversos conceitos na área de controle.
 P á g i n a | 38

7 BIBLIOGRAFIA
Dorf, R. C., & Bishop, R. H. (2001). SISTEMAS DE CONTROLE ROBUSTOS. Em R. C. Dorf, & R. H.

Bishop, Sistemas de Controle Modernos (8ª ed.). LTC.

Ogata, K. (2003). Engenharia de Controle Moderno. Pearson.

Salcedo, C. M. (16 de Julho de 2010). Modelo de controlador com compensação de zona morta

para uma base movel de robôs. Acesso em 30 de Novembro de 2016, disponível em PPGEE:

http://www.ppgee.eng.ufba.br/teses/a4752e8be7a987684c04bc74d1e5b355.pdf

wikibooks. (10 de Fevereiro de 2014). Control Systems. Acesso em 30 de Novembro de 2016,

disponível em wikibooks: https://en.wikibooks.org/wiki/Control_Systems/Print_version