Você está na página 1de 127

UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ

CAMPUS DE FOZ DO IGUAÇU


PROGRAMA DE PÓS-GRADUAÇÃO EM
ENGENHARIA DE SISTEMAS DINÂMICOS E ENERGÉTICOS

DISSERTAÇÃO DE MESTRADO

ESTUDO NUMÉRICO E EXPERIMENTAL DA


DINÂMICA NÃO-LINEAR DE UM GIROSCÓPIO

ROSINEY DESIDÉRIO DA SILVA

FOZ DO IGUAÇU
2012
Rosiney Desidério da Silva

Estudo Numérico e Experimental da Dinâmica Não-Linear de


um Giroscópio

Dissertação de Mestrado apresentada ao Programa de


Pós-Graduação em Engenharia de Sistemas Dinâmi-
cos e Energéticos como parte dos requisitos para ob-
tenção do título de Mestre em Engenharia de Siste-
mas Dinâmicos e Energéticos. Área de concentração:
Sistemas Dinâmicos e Energéticos.

Orientador: Samuel da Silva


Co-orientador: Ubirajara Franco Moreno

Foz do Iguaçu
2012
ii

Dados Internacionais de Catalogação na Publicação (CIP)


Biblioteca do Campus de Foz do Iguaçu – Unioeste
Ficha catalográfica elaborada por Miriam Fenner R. Lucas - CRB-9/268

S586 Silva, Rosiney Desidério da


Estudo numérico e experimental da dinâmica não-linear de um gi-
roscópio / Rosiney Desidério da Silva. - Foz do Iguaçu, 2012.
92 p. : il. : tab. : graf.

Orientador: Prof. Dr. Samuel da Silva.


Co-orientador: Prof. Dr. Ubirajara Franco Moreno.
Dissertação (Mestrado) – Programa de Pós-Graduação em Enge-
nharia de Sistemas Dinâmicos e Energéticos - Universidade Estadual
do Oeste do Paraná.

1. Giroscópio. 2. Sistemas dinâmicos não lineares. 3. Caos. 4.


Expoentes de Lyapunov. 5. Séries temporais. I. Título.

CDU 629.1.054
517.93
iii
iv
Resumo

Este trabalho propõe um estudo da dinâmica de um giroscópio usando dados de simula-


ção de um modelo analítico comparando com dados experimentais. Verifica-se a modelagem
usando mecânica clássica, estudo de pontos de equilíbrio, estabilidade e verificação de regiões
onde o movimento do giroscópio pode ficar regular ou caótico. Os expoentes de Lyapunov são
identificados usando o método padrão, método de Eckmann-Ruelle, método de Wolf com séries
temporais e o teste 0-1. Os resultados alcançados nesta dissertação permitiram comparar as
principais vantagens e desvantagens de cada um dos métodos e extrair informações qualitativas
e quantitativas sobre o movimento do giroscópio em estudo.

Palavras-chave: Giroscópio, Sistemas Dinâmicos Não-Lineares, Caos, Expoentes de Lyapu-


nov, Séries Temporais.

v
Abstract

The present work proposes a study of the dynamics of a gyroscope using simulated data
of an analytical model by comparing with experimental data. Classical mechanical modeling
approaches are used to identify the equilibrium points, stability and verification of the regions
where the motion equations of the gyroscope can present regular or chaotic behavior. The Lya-
punov exponents are identified through the standard method, Eckmann-Ruelle Method, Wolf
method with time series and the 0-1 test. The results achieved illustrate the main advantages
and drawbacks of each method and allow to observe qualitatively and quantitatively information
about the motion of the gyroscope used.

Keywords: Gyroscope, Nonlinear Dynamical Systems, Chaos, Lyapunov Exponents, Time


Series.

vi
Agradecimentos

Agradeço ao Professor Dr. Romeu Reginatto pelos conhecimentos repassados durante as


aulas de Sistemas Dinâmicos Lineares e Sistemas Dinâmicos Não-Lineares, cujas discussões
foram de fundamental importância para o desenvolvimento desta dissertação.

Ao meu orientador, professor Dr. Samuel da Silva, agradeço pelas sugestões dadas du-
rante o desenvolvimento do trabalho, sem as quais o mesmo não poderia ser finalizado.

Agradeço também as colaborações feitas pelo co-orientador, professor Dr. Ubirajara


Franco Moreno, que contribuíram para elaboração do trabalho.

Agradeço aos professores Drs. Carlos Henrique Farias dos Santos e Daniel Iria Machado,
pelas sugestões dadas durante o exame de qualificação.

Ao estudante de iniciação científica, Maurício Soares Leão, agradeço pela ajuda na reali-
zação dos experimentos com o giroscópio que foi imprescindível para finalização do trabalho.

Agradeço às instituições:

Universidade Estadual do Oeste do Paraná (UNIOESTE), Campus de Foz do Iguaçu, por


todo o apoio durante o período de realização do mestrado.

CAPES-PROAP por financiar a minha participação na Conferência Brasileira de Dinâ-


mica e Controle (DINCON 2011, Águas de Lindóia, SP).

Fundação Parque Tecnológico Itaipu (FPTI) pela concessão da bolsa de estudos, possibi-
litando assim dedicação exclusiva durante toda a realização da pesquisa.

Secretaria da Ciência, Tecnologia e Ensino Superior/Fundação Araucária (SETI-PR) pela


compra do giroscópio da Pascor utilizado neste trabalho.

E por fim, a todos aqueles que, de uma forma ou outra, contribuíram para a realização
deste trabalho.

vii
viii
Sumário

Lista de Figuras xi

Lista de Tabelas xiv

Lista de Símbolos xv

1 Introdução 1

1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.2 Contribuições do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.3 Organização do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Revisão Bibliográfica 7

2.1 Modelagem e Solução Numérica . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2 Análise Não-Linear de Modelo de Giroscópios . . . . . . . . . . . . . . . . . 9

2.3 Análise Não-Linear Experimental . . . . . . . . . . . . . . . . . . . . . . . . 10

2.4 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3 Modelagem do Giroscópio 15

3.1 Análise Cinemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3.1.1 Sistema de Referência e Matrizes de Transformação de Coordenadas . 15

3.1.2 Vetores de Posição . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.1.3 Vetores de Velocidades e Acelerações Absolutas . . . . . . . . . . . . 20

3.2 Análise Dinâmica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.2.1 Diagrama de Corpo Livre . . . . . . . . . . . . . . . . . . . . . . . . 24

3.2.2 Tensor de Inércia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

ix
x

3.2.3 Torque Resultante . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

3.2.4 Taxa de Variação do Momento Angular Resultante . . . . . . . . . . . 35

3.2.5 Equação de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

3.2.6 Equação de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

3.2.7 Equação da Trajetória na Base Inercial . . . . . . . . . . . . . . . . . . 41

3.3 Simulação e Comparação Experimental . . . . . . . . . . . . . . . . . . . . . 42

3.4 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

4 Análise Dinâmica Não-Linear 49

4.1 Pontos de Equilíbrio e Estabilidade no Sentido de Lyapunov . . . . . . . . . . 49

4.2 Expoentes de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

4.2.1 Expoentes de Lyapunov do Modelo . . . . . . . . . . . . . . . . . . . 51

4.2.2 Expoentes de Lyapunov Experimental - Método de Wolf . . . . . . . . 55

4.3 Teste 0 − 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

4.4 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

5 Análise da Dinâmica Não-Linear do Giroscópio 63

5.1 Pontos de equilíbrio e estabilidade . . . . . . . . . . . . . . . . . . . . . . . . 63

5.2 Expoentes de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

5.2.1 Expoentes de Lyapunov do modelo . . . . . . . . . . . . . . . . . . . 70

5.2.2 Expoentes de Lyapunov experimental . . . . . . . . . . . . . . . . . . 80

5.3 Teste 0 − 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

5.4 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

6 Conclusões Finais e Trabalhos Futuros 87

Referências Bibliográficas 89

Apêndice 93

A Obtenção dos Parâmetros Indiretos do Modelo 93


xi

B Jacobiana da Equação Diferencial do Giroscópio 97

C Teste dos Programas de Análise Não-Linear 103


xii
Lista de Figuras

1.1 Giroscópio da Pascor , modelo ME-8960. . . . . . . . . . . . . . . . . . . . . 1

1.2 Movimentos de precessão, nutação e spin. . . . . . . . . . . . . . . . . . . . . 2

3.1 Sistema móvel B1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3.2 Sistema móvel B2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.3 Ângulo de spin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.4 Vetores de posição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3.5 Força peso e força de reação. . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3.6 Força elástica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

3.7 Elementos para o cálculo do tensor de inércia. . . . . . . . . . . . . . . . . . . 29

3.8 Sensores de posição angular da Pascor , modelo CI-6625 (RMS). . . . . . . . . 43

3.9 Aquisição de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.10 Fio do sensor de nutação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

3.11 Posições angulares de precessão, nutação e spin. . . . . . . . . . . . . . . . . . 45

3.12 Velocidades angulares de precessão, nutação e spin. . . . . . . . . . . . . . . . 46

3.13 Trajetória do centro de massa do disco. . . . . . . . . . . . . . . . . . . . . . . 46

4.1 Exemplificação do método de Wolf. . . . . . . . . . . . . . . . . . . . . . . . 55

4.2 Gráfico p versus q para o mapa logístico. . . . . . . . . . . . . . . . . . . . . . 61

5.1 Exemplo de convergência de λ pelo método padrão. . . . . . . . . . . . . . . . 72

5.2 Exemplo de convergência de λ pelos métodos de Eckmann-Ruelle e Wolf. . . . 73

5.3 Expoentes de Lyapunov métodos padrão e de Eckmann-Ruelle variando bx . . . 74

5.4 Expoentes de Lyapunov métodos padrão e de Eckmann-Ruelle variando by . . . 74

xiii
xiv

5.5 Expoentes de Lyapunov métodos padrão e de Eckmann-Ruelle variando bz . . . 75

5.6 Soma dos expoentes de Lyapunov, métodos padrão e de Eckmann-Ruelle. . . . 75

5.7 Expoentes de Lyapunov com variação de h1 . . . . . . . . . . . . . . . . . . . . 77

5.8 Gráfico p − q do teste 0 − 1 com bx = 2,2 × 10−4 N · m · s/rad. . . . . . . . . 78

5.9 Gráfico p − q do teste 0 − 1 com bx = 7,3 × 10−4 N · m · s/rad. . . . . . . . . 78

5.10 Espaço de fases de x2 , x3 e x4 com bx = 2,2 × 10−4 N · m · s/rad. . . . . . . . 79

5.11 Espaço de fases de x2 , x3 e x4 com bx = 7,3 × 10−4 N · m · s/rad. . . . . . . . 79

5.12 Exemplo de convergência de λ da série temporal experimental de x3 . . . . . . . 81

5.13 Expoentes de Lyapunov da série temporal experimental de x3 . . . . . . . . . . 81

5.14 Exemplo de convergência de λ da série temporal simulada de x3 . . . . . . . . 82

5.15 Expoentes de Lyapunov da série temporal simulada de x3 . . . . . . . . . . . . 83

5.16 Gráfico p − q do teste 0 − 1 com h1 = −0,1979 m. . . . . . . . . . . . . . . . 85

A.1 Comparação dos dados experimentais e simulados da precessão após ajuste. . . 95

A.2 Comparação dos dados experimentais e simulados da nutação após ajuste. . . . 95

C.1 Maior expoente de Lyapunov para o sistema de Lorenz. . . . . . . . . . . . . . 104

C.2 Atrator do sistema de Lorenz com comportamento regular. . . . . . . . . . . . 105

C.3 Atrator do sistema de Lorenz com comportamento caótico. . . . . . . . . . . . 106


Lista de Tabelas

3.1 Parâmetros dos contrapesos, da haste e do disco do giroscópio da Pascor . . . . 42

3.2 Condições iniciais para validação do modelo do giroscópio da Pascor . . . . . . 45

5.1 Sinais de γ dos pontos de equilíbrio do modelo. . . . . . . . . . . . . . . . . . 68

5.2 Condições iniciais para estimativa dos expoentes de Lyapunov. . . . . . . . . . 70

5.3 Resumo do teste 0 − 1 aplicado a duas séries temporais simulada de x3 . . . . . 78

5.4 Resumo da série temporal experimental de x3 e de λl e λw . . . . . . . . . . . . 80

5.5 Resumo da série temporal simulada de x3 e de λl e λw . . . . . . . . . . . . . . 82

5.6 Resumo da série temporal experimental de x3 e do teste 0 − 1. . . . . . . . . . 84

5.7 Resumo da série temporal simulada de x3 e do teste 0 − 1 . . . . . . . . . . . . 85

A.1 Parâmetros indiretos do giroscópio da Pascor . . . . . . . . . . . . . . . . . . . 96

C.1 Resumo da série temporal simulada de x e de λ do sistema de Lorentz. . . . . . 106

xv
xvi
Lista de Símbolos

PGESDE Programa de Pós-Graduação em Engenharia de Sistemas Dinâmicos e Ener-


géticos
UNIOESTE Universidade Estadual do Oeste do Paraná
EDO Equação Diferencial Ordinária
I S, B1 S e B2 S Representação geral de vetores do tipo posição, força e torque nas bases
inercial, móvel B1 e móvel B2 respectivamente
X, Y e Z Eixos do sistema inercial
X1 , Y1 e Z1 Eixos do sistema móvel B1
X2 , Y2 e Z2 Eixos do sistema móvel B2
O, O1 e O2 Origens dos sistemas inercial, móvel B1 e móvel B2 respectivamente
T φ e T Tφ Matriz de transformação da base I para a base B1 e transformação inversa
respectivamente
T θ e T Tθ Matriz de transformação da base B1 para a base B2 e transformação inversa
respectivamente
I Φ̇, B1 Φ̇ e B2 Φ̇ Velocidades angulares de precessão nos sistemas inercial, móvel B1 e móvel
B2 respectivamente
B1 Θ̇ e B2 Θ̇ Velocidades angulares de nutação nos sistemas móveis B1 e B2
B2 Ψ̇ Velocidade angular de spin na base móvel B2
X Vetor de estados da EDO de dimensão n cujas componentes são xi com i
variando de 1 a n
F Função da EDO
Xe Ponto de equilíbrio da EDO F
J Matriz Jacobiana da EDO F
φ, x1 Posição angular de precessão
θ, x3 Posição angular de nutação
ψ, x5 Posição angular de spin
φ̇, x2 Velocidade angular de precessão
θ̇, x4 Velocidade angular de nutação
ψ̇, x6 Velocidade angular de spin
B2 L̇r Taxa de variação do momento angular resultante

xvii
xviii

B2 τ r Torque resultante
τx , τy e τz Componentes do torque resultante
τey (θ) Componente do torque elástico na direção de ̂2
m1 , m2 , md e mh Massas do contrapeso maior, contrapeso menor, disco e haste respectiva-
mente
h1 , h2 , hd e hh Posições do centro de massa do contrapeso maior, contrapeso menor, disco
e haste respectivamente
R1 , R2 , Rd e Rh Raios do contrapeso maior, contrapeso menor, disco e haste respectivamente
l1 , l2 e mh Larguras do contrapeso maior, contrapeso menor e haste respectivamente
M Massa total do sistema
H Componente na direção ı̂2 da posição do centro de massa do sistema
g Aceleração da gravidade
θi , θf Limites inferior e superior do ângulo de nutação respectivamente
Tx , Ty e Tz Coeficientes do torque cinético
bx , by e bz Coeficientes do torque viscoso
k Coeficiente do torque elástico
Ixx , Iyy e Izz Componentes diagonais do tensor de inércia do disco
Ix , Iy e Iz Componentes diagonais do tensor de inércia resultante
γ Autovalor
λ Expoente de Lyapunov
xi , x[i], x(iδt) Representa a série temporal
δt Tempo de amostragem de uma série temporal
N Número de pontos de uma série temporal
0
N Número de pontos de um atrator reconstruído
∆t Número de evoluções (tempo discreto) ou passo (tempo contínuo)
m Dimensão de imersão do atrator reconstruído
τ Tempo de atraso de Takens (tempo discreto)
ν Número total de passos de substituição
Capítulo 1

Introdução

O giroscópio mecânico é um dispositivo composto de um rotor ou mais, que gira em


torno de um eixo de simetria com liberdade de mudança de direção. Um giroscópio em equilí-
brio apresenta a propriedade de manter a direção do eixo de rotação com base no princípio de
conservação do momento angular. Quando se aplica uma força externa no giroscópio, causando
um torque, ele tende a se mover de forma não-intuitiva em uma direção perpendicular, tanto ao
eixo de rotação do disco, quanto à direção dessa força. Um exemplo de giroscópio mecânico
usado em ensino ou demonstração pode ser visto na figura 1.1, que é o modelo usado neste
trabalho.

Figura 1.1: Giroscópio da Pascor , modelo ME-8960.

Os créditos pela descoberta do efeito giroscópico geralmente são dados a Foucault, pela

1
2

investigação do movimento de rotação da Terra em 1852 (Titterton and Weston, 2004; Acar
and Shkel, 2008). O efeito giroscópico, pode aparecer em dispositivos mecânicos diversos, por
exemplo pião e roda de bicicleta.

No giroscópio há três movimentos de rotação, que são exemplificados na figura 1.2 e


conhecidos como (Crabtree, 1909):

Spin: Há um eixo pelo qual o rotor do giroscópio pode girar. O movimento de rotação em
torno desse eixo chama-se spin ou rotação própria (R na figura);

Precessão: Movimento causado quando existe um torque aplicado que causa uma variação da
direção do vetor momento angular. O vetor momento angular sempre terá a direção do
vetor velocidade angular e neste caso, pela equação do movimento de Euler, uma reação
causará o movimento de precessão (P na figura);

Nutação: No movimento de precessão, pode ocorrer um movimento oscilatório, tal movimento


é a nutação (N na figura).

Figura 1.2: Movimentos de precessão (P), nutação (N) e spin (S). Fonte: (Angular, 2012).

Existem outros dispositivos que possuem o mesmo comportamento do giroscópio mecâ-


nico descrito acima, mas com um princípio de funcionamento diferente. Apesar disso, estes dis-
positivos também são chamados de giroscópios. Como exemplo de giroscópios temos (Titterton
and Weston, 2004): de fibra ótica, com anel laser e MEMS (MicroElectroMechanical Sys-
tems) (Acar and Shkel, 2008), entre muitos outros.

Algumas aplicações práticas do efeito giroscópico em sistemas inerciais incluem (Titterton


and Weston, 2004):
3

Estabilização: utilizada para evitar, por exemplo, que as imagens gravadas por uma filmadora
fiquem trêmulas;

Piloto automático: utilizado para manter, por exemplo, um navio ou avião em determinada
rota;

Navegação: substituindo a bússola como referência de direção.

Na navegação por inércia, giroscópios e acelerômetros (sensores de inércia) são usa-


dos para detectar o movimento de rotação e de translação em relação a um referencial iner-
cial (Titterton and Weston, 2004; Lawrence, 1998).

Equipamentos que possuem partes girantes, por exemplo, discos excêntricos, mecanismo
biela-manivela entre outros, também podem apresentar o efeito giroscópico na forma de movi-
mento, como o de precessão. Muitas vezes tais movimentos não são desejados e nem levados
em consideração durante o projeto. Porém, em muitas situações, tais efeitos podem originar
forças excessivas e não previstas inicialmente, provocando desgastes que levem à falha dos
componentes do sistema.

Assim, o entendimento do comportamento dinâmico do efeito giroscópico em sistemas


é desejado e necessário. Entre as ferramentas para se fazer isto, a análise não-linear de um
giroscópio é útil para a verificação da estabilidade do sistema e também verificar se o sistema
pode ter um comportamento caótico. Um sistema apresenta comportamento caótico quando
é sensível às condições iniciais, ou seja, para uma condição inicial com erro, a solução do
sistema para um dado tempo apresenta um valor completamente diferente daquele, caso não
houvesse erro. Isso faz com o comportamento do sistema, para longos períodos de tempo, se
torne imprevisível.

De forma muito resumida a Teoria de Sistemas Dinâmicos teve basicamente seu iní-
cio com Newton através de suas leis da mecânica, juntamente com o desenvolvimento do
cálculo diferencial e integral, desenvolvido também de forma independente por G. W. Leib-
niz. Com essas ferramentas é possível obter matematicamente as trajetórias de corpos no es-
paço (Monteiro, 2006; Strogatz, 1994).

Uma parte importante da análise de equações diferenciais não-lineares é o estudo de es-


tabilidade. Contribuições a respeito de estabilidade de sistemas dinâmicos foram feitas por
muitos cientistas, podendo-se citar: Laplace, Lagrange, Poisson, Haret, Lyapunov, Poincaré,
Kolmogorov, Arnold, Moser, dentre outros (Monteiro, 2006; Strogatz, 1994).

Um marco no estudo de sistemas não-lineares foi a publicação de Lorenz em 1963, de


um artigo intitulado Deterministic Nonperiodic Flow (Lorenz, 1963), com um sistema simpli-
ficado com apenas três equações diferenciais não-lineares de primeira ordem que apresentava
comportamento caótico. Este trabalho comprovou muitas das ideias lançadas por Poincaré anos
antes, mas não estudadas na época por falta de recursos computacionais que permitissem a so-
4

lução numérica de equações diferenciais para uma gama ampla de condições iniciais. A partir
daí, o interesse em estudos caóticos e suas implicações nos ramos diversos da ciência têm sido
amplamente abordada na literatura.

1.1 Objetivos

O objetivo desta dissertação é estudar e analisar a estabilidade dos pontos de equilíbrio e


os expoentes de Lyapunov de um modelo de giroscópio bem como o uso de séries temporais.
O modelo matemático do giroscópio utilizado neste trabalho é obtido e validado com dados
experimentais. O trabalho apresenta uma comparação entre métodos de obtenção de expoentes
de Lyapunov com relação ao desempenho e complexidade para o caso do giroscópio em estudo.

1.2 Contribuições do Trabalho

Com base na realização deste trabalho, observa-se que esta dissertação contribuirá com
os tópicos:

Análise não-linear do modelo: os trabalhos anteriores que modelaram giroscópios equivalen-


tes ao da Pascor (Aballay and Avilés, 2002), (Kostov and Hammer, 2010) e (McGlynn,
2007) assumem muitas simplificações, como desconsiderar o atrito, que podem compro-
meter a análise do movimento. Esta dissertação, ao contrário, emprega um modelo usando
forças de atrito diversas, e assumindo várias hipóteses que permitem que regimes dinâmi-
cos bem mais ricos e complexos sejam representados e comprovados experimentalmente.
A partir deste modelo proposto, uma análise completa envolvendo estudo de estabilidade
e expoentes de Lyapunov, assim como a utilização do teste 0 − 1, é feita. Algumas destas
análises numéricas foram também correlacionadas com os testes experimentais;

Análise não-linear experimental: poucos trabalhos realizaram análise não-linear usando da-
dos experimentais de operação. Como este trabalho irá empregar o giroscópio Pascor
existente no laboratório e medir sinais temporais de posição de precessão e nutação,
espera-se com os resultados contribuir com análise quantitativa destes aspectos a partir
dos sinais. Em especial, com a obtenção dos expoentes de Lyapunov experimentalmente,
assim como realização do teste 0 − 1, e verificar regiões de movimento caótico ou regular.

1.3 Organização do Trabalho

Este trabalho está organizado em seis capítulos e três apêndices:


5

Capítulo 2 - Revisão Bibliográfica: Uma revisão bibliográfica simples é feita mostrando o


atual estágio de desenvolvimento do tema;

Capítulo 3 - Modelagem do Giroscópio: Neste capítulo são feitas todas as considerações ne-
cessárias para a modelagem do giroscópio de forma mais completa visando a obtenção
das equações diferenciais do movimento e a sua validação a partir de dados experimen-
tais;

Capítulo 4 - Análise Dinâmica Não-Linear: Nesta parte é feita uma revisão dos conceitos bá-
sicos de sistemas dinâmicos não-lineares, com ênfase nos métodos para estimativa dos
expoentes de Lyapunov;

Capítulo 5 - Análise da Dinâmica Não-Linear do Giroscópio: Tendo como base os concei-


tos do capítulo 4 é feita uma análise não-linear tanto do modelo matemático quanto dos
resultados experimentais do giroscópio da Pascor ;

Capítulo 6 - Conclusões Finais e Trabalhos Futuros: As considerações finais com sugestões


para trabalhos futuros são apresentados neste capítulo;

Apêndice A - Obtenção dos Parâmetros Indiretos do Modelo: Os parâmetros das equações


diferenciais do giroscópio obtidas no capítulo 3 são estimados experimentalmente neste
apêndice;

Apêndice B - Jacobiana da Equação Diferencial do Giroscópio: Neste apêndice a matriz ja-


cobiana do sistema giroscópico é obtida. Esta matriz é usada no estudo de estabilidade
do sistema e também é utilizada nos métodos de obtenção de Expoentes de Lyapunov
relacionados a modelos;

Apêndice C - Teste dos Programas de Análise Não-Linear: Neste apêndice os programas con-
feccionados e usados no capítulo 5 são testados para mostrar que estão corretos. No caso,
o teste é feito com o sistema não-linear de Lorentz por ser clássico, bem conhecido e de
fácil comparação.
6
Capítulo 2

Revisão Bibliográfica

O estudo de sistemas físicos pode ser dividido de forma didática em quatro partes:

• Modelagem usando leis fundamentais;


• Solução do modelo analítico, quando possível ou numérico;
• Análise do modelo (linear ou não-linear);
• Análise experimental (linear ou não-linear).

Um bom modelo de um sistema físico, em tese, é capaz de predizer os resultados expe-


rimentais, e, normalmente, quanto mais elaborado for o modelo, melhor são as predições. Por
outro lado, o modelo poderia se tornar demasiadamente complicado. Portanto, deve-se esco-
lher um meio termo, ou seja, procurar ser simples, mas representativo. Neste sentido, muitos
sistemas não-lineares podem ser linearizados para funcionarem em uma certa faixa de operação.

Este trabalho trata do estudo numérico e experimental do comportamento dinâmico de


um giroscópio, considerando aspectos não-lineares. Assim, esta revisão busca apresentar um
panorama da modelagem e análise de sistemas giroscópicos, além de formas gerais para carac-
terização de sistemas não-lineares.

As subseções a seguir foram feitas de forma a separar os conteúdos dos diversos trabalhos
usados nessa revisão, em três partes:

• Modelagem e solução numérica dos modelos de giroscópios (analítica quando possível);


• Análise não-linear de modelo;
• Análise não-linear experimental.

2.1 Modelagem e Solução Numérica

Muitos modelos simplificados de giroscópios mostram as relações entre as grandezas en-


volvidas sem a utilização de equações diferenciais. Já outros modelos, mais sofisticados, podem

7
8

levar em consideração efeitos dissipativos. Esta seção mostra a descrição de alguns estudos fei-
tos sobre giroscópios diversos.

Nos artigos (Aballay and Avilés, 2002), (Kostov and Hammer, 2010) e (McGlynn, 2007)
são obtidos modelos de um giroscópio com as mesmas características do giroscópio Pascor
ME-8960, usado neste trabalho. Este giroscópio é composto por uma haste com dois graus de
liberdade (precessão e nutação) e um disco que pode girar em torno dessa haste (spin). A mo-
delagem feita por (Aballay and Avilés, 2002) usou conceitos de física básica desconsiderando
o movimento de nutação e assumindo apenas as relações de velocidade entre spin e precessão,
portanto, não foi obtida a equação diferencial do movimento. Já no artigo (Kostov and Ham-
mer, 2010) considerou-se a velocidade de nutação. Nestes dois casos foram feitos experimentos
que validam todas as equações deduzidas. Já (McGlynn, 2007) faz uma modelagem mais elabo-
rada, mas ainda assim com várias restrições, como desconsiderar o atrito e supor velocidades de
precessão e spin constantes. Em consequência das hipóteses assumidas e utilizando o método
de Newton-Euler chegou a uma solução analítica para o problema, da qual obteve o resultado
que o ângulo de nutação é constante.

Com o objetivo de estudar um giroscópio não axis-simétrico conservativo, com três graus
de liberdade de rotação, com enfase no movimento com oscilações de grandes amplitude, foi
usado no estudo em questão ângulos cardânicos e o conceito de quatérnions (Carrera and Weber,
2009).

Um caso mais sofisticado que envolveu a modelagem de um giroscópio simétrico, mon-


tado sobre uma base vibratória com movimento harmônico, com forças dissipativas propor-
cionais a velocidade, foram feitas nos trabalhos (Chen and Ge, 2005) e (Ge et al., 1996). O
movimento foi descrito por ângulos de Euler e o modelo foi deduzido usando a formulação
Lagrangiana da mecânica. No primeiro artigo, (Chen and Ge, 2005), o sistema foi considerado
com dois graus de liberdade, com um amortecedor de vibrações mecânicas fixado no interior
ao longo do eixo de rotação central, sob a forma de um sistema massa-mola-amortecedor. Já
em (Ge et al., 1996) o sistema foi considerado com apenas um grau de liberdade e a força
dissipativa foi viscosa.

Outro estudo de giroscópio que leva em consideração o efeito do atrito é apresentado


em (Carrera et al., 2010). As forças de atrito foram causadas pelos rolamentos que compunham
as partes móveis do giroscópio. Foi assumido por hipótese que o atrito era viscoso e no modelo
foram considerados os momentos de inércia dos balancins e do rotor. Para obter as equações de
movimento foram utilizadas as leis de Newton-Euler e empregados ângulos cardânicos. Para
facilitar a análise do modelo usou-se o processo de normalização com o objetivo de reduzir um
parâmetro na equação.

Uma etapa importante na análise de sistemas dinâmicos é a solução numérica das equa-
ções do movimento. Para obter a solução numérica de uma equação diferencial pode-se em-
pregar algum método da família de Runge-Kutta, como utilizado nos artigos (Ge et al., 1996),
9

(Ramasubramanian and Sriram, 2000). Uma referência de como o método de Runge-Kutta fun-
ciona, além de vários outros métodos numéricos de resolução de equações diferenciais, pode
ser visto em (Hairer et al., 1993) e (Hairer and Wanner, 1991).

2.2 Análise Não-Linear de Modelo de Giroscópios

Diversas ferramentas matemáticas podem ser usadas para o estudo de sistemas não-lineares.
Nos trabalhos (Chen and Ge, 2005), (Ge et al., 1996) utilizou-se: diagramas de bifurcação, re-
tratos de fases, mapas de Poincaré e o espectro dos expoentes de Lyapunov usando o método
para fluxos que é aplicado quando se tem conhecimento das equações diferenciais do sistema, o
método para fluxos é descrito em (Wolf et al., 1985). Com a ajuda destas ferramentas foi verifi-
cado que os sistemas giroscópicos em questão apresentavam tanto movimentos regulares quanto
caóticos conforme os valores dos parâmetros. Em (Chen and Ge, 2005) foi obtido também as
dimensões de Lyapunov e foi feito um estudo qualitativo usando o teorema da variedade central
e o teorema da forma normal. Já em (Ge et al., 1996) a estabilidade do sistema foi verificada
com a teoria de Mathieu e o método direto de Lyapunov; como há um distúrbio externo (base
vibrando) é usado o método analítico de Melnikov que serve para provar a existência de bifur-
cações homoclínicas ou heteroclínicas ajudando verificar a existência de caos no movimento; o
espectro de potência média é encontrado e também usado para verificar a existência de caos no
movimento.

Os expoentes de Lyapunov fornecem uma caracterização qualitativa e quantitativa do


comportamento dinâmico de um sistema e estão relacionados diretamente com as taxas médias
exponenciais de divergência ou convergência de órbitas próximas no espaço de fases. Qualquer
sistema com pelo menos um expoente de Lyapunov positivo é definido como sendo caótico.
Para um sistema dinâmico de dimensão n, têm-se n expoentes de Lyapunov. Essas proprieda-
des são descritas em (Wolf et al., 1985) e (Ramasubramanian and Sriram, 2000). Para sistemas
em que se conhece as equações diferenciais do movimento, pode ser utilizado para o cálculo
do espectro de Lyapunov o método descrito em (Wolf et al., 1985), conhecido como método
padrão.

Em (Ramasubramanian and Sriram, 2000) foi feito uma comparação numérica entre três
algoritmos para o cálculo do espectro completo de Lyapunov. Estes algoritmos foram testados
para alguns sistemas não-lineares com 2, 3 e 4 variáveis no espaço de estados usando o mé-
todo de Runge-Kutta com passo variável para resolver as equações diferenciais. Os algoritmos
testados foram: o método padrão, uma formulação diferencial do método padrão, e um novo
algoritmo que não exigia a ortonormalização. Houve uma concordância razoável entre os resul-
tados obtidos utilizando os três algoritmos na maioria dos casos. Porém, considerando o tempo
de processamento para o cálculo dos espectros de Lyapunov, o método padrão foi mais eficiente
seguido pelo novo método e pela versão diferencial do método padrão. Apesar da formulação
10

diferencial do método padrão e o novo algoritmo serem menos eficientes, eles ainda são úteis
como algoritmos alternativos para o cálculo do espectro de Lyapunov.

No método padrão, que é descrito em (Wolf et al., 1985), os expoentes são obtidos através
da comparação entre a trajetória obtida pela solução da equação diferencial não-linear e a traje-
tória obtida pela solução linearizada da equação original. Desta forma, são feitas aproximações
sucessivas e, após um tempo de evolução da solução do sistema, é feito um processo de ortonor-
malização das soluções linearizadas. No método padrão é necessária a matriz Jacobiana, que é
usada para obter as versões linearizadas da EDO original.

Outro método de obtenção dos expoentes de Lyapunov, que utiliza as versões lineariza-
das da EDO original é descrito no método de Eckmann-Ruelle (Eckmann and Ruelle, 1985).
As aproximações para os expoentes de Lyapunov são feitas através dos módulos dos autovalo-
res dos produtos da matriz Jacobiana e, por isso, este método acaba exigindo mais tempo de
processamento em relação ao método padrão.

Um método para obter os expoentes de Lyapunov que não utiliza linearização das equa-
ções diferenciais originais do sistema pode ser visto em (Fazanaro et al., 2010). Tal método,
que é conhecido como o método via dinâmicas clonadas, utiliza, no lugar das equações linea-
rizadas, cópias (clones) da equação original. O algoritmo utilizado para obter os expoentes de
Lyapunov, para o método em questão, é o mesmo do método padrão com a diferença de que
as n equações linearizadas são substituídas por cópias da equação diferencial original, cujas n
condições iniciais ortonormais diferem de ε da condição inicial da trajetória fiducial, que é a
trajetória original obtida a partir da solução da equação diferencial não-linear a partir das con-
dições iniciais. O método via dinâmicas clonadas tem vantagens na aplicação em sistemas não
suaves, já que neste caso não é necessário a linearização que, para tais sistemas, pode apre-
sentar complicações devido a descontinuidade das equações linearizadas. No teste do método
em questão é utilizado um sistema clássico, no caso o oscilador de Chua, mostrando resultados
satisfatórios.

2.3 Análise Não-Linear Experimental

Para um dado sistema dinâmico, nem sempre é possível ter acesso aos dados experimen-
tais de todas as grandezas físicas que o caracterizam de forma simultânea. Porém, mesmo
assim, em geral é possível, através de algumas dessas grandezas, na forma de uma série tempo-
ral 1 , caracterizar o sistema em sua totalidade. No geral, a série temporal de uma das grandezas
contém informações das outras grandezas que, de alguma forma, não se tem acesso. Portanto,
a partir de uma série temporal de uma grandeza pode ser possível reconstruir a trajetória no
espaço de fases do sistema completo. Isto significa, por exemplo, reconstruir o atrator, a partir
1
Definida como sucessivos valores de um dado estado com intervalo regular de tempo.
11

do que podem ser obtidas certas quantidades invariantes, como os expoentes de Lyapunov e a
dimensão do atrator.

O atrator reconstruído é topologicamente equivalente ao atrator que seria produzido caso


se conhecesse a dinâmica do sistema através da equação diferencial. Também vale ressaltar
que a dimensão e os expoentes de Lyapunov do atrator reconstruído são aproximadamente os
mesmos do atrator original. Um método bastante popular para a reconstrução de atratores é o
método das coordenadas de atraso temporal onde os pontos do espaço de fases estão na forma
n oT
S i = x(ti ) x(ti + τ ) . . . x(ti + (m − 1)τ ) , onde x(ti ) representa a série temporal, τ é
o tempo de atraso de Takens e m é a dimensão de imersão do atrator reconstruído (Campanharo
et al., 2005).

Há alguns métodos para estimar o tempo de atraso τ , por exemplo, a função de auto-
correlação e o conceito de informação mútua (Perc, 2006; Kodba et al., 2005; Small, 2005;
Addison, 1997; Kantz and Schreiber, 2004). Para séries advindas de um sistema caótico a
função de auto-correlação não é o método mais adequado para encontrar o tempo de atraso,
pois este não leva em conta as correlações não-lineares. Já o mínimo da informação mútua é
um critério mais adequado em relação a função de auto-correlação quando aplicado a séries
temporais não-lineares (Fraser and Swinney, 1986; Perc, 2006).

Para a determinação do valor mínimo da dimensão de imersão m pode-se usar o método


dos falsos vizinhos próximos (Perc, 2006; Kodba et al., 2005; Small, 2005; Kantz and Schreiber,
2004).

Em (Kodba et al., 2005) é feito um estudo de dados experimentais de um circuito resso-


nante resistor-indutor-diodo em série, alimentado por uma tensão de entrada senoidal, que é o
parâmetro de estudo, e a saída do circuito é a tensão sobre o indutor-diodo, que forma os dados
da série temporal. Já em (Perc, 2006) o estudo feito envolve uma série temporal obtida de uma
das variáveis de estado do sistema de Lorenz simulado, ou seja, pela resolução da EDO. Nos
trabalhos (Kodba et al., 2005; Perc, 2006) a partir das séries temporais os atratores são recons-
truídos através do método das coordenadas de atraso temporal. Primeiramente o tempo de atraso
é encontrado pelo primeiro mínimo da informação mútua, em seguida a dimensão de imersão é
encontrada pelo método dos falsos vizinhos próximos. Com os atratores reconstruídos, verifica-
se se os sistemas são determinísticos. Caso não sejam, os sistemas são aleatórios. Neste caso os
invariantes obtidos do atrator reconstruído não apresentariam informações válidas. Na sequên-
cia, calculou-se o maior expoente de Lyapunov para cada sistema, através do método de Wolf,
onde foram encontrados expoentes positivos indicando comportamento caótico.

No método de Wolf (Wolf et al., 1985), os expoentes de Lyapunov são obtidos da análise
do atrator reconstruído a partir dos dados da série temporal de uma das variáveis de estado
do sistema em estudo. Tal método é baseado nas ideias do método padrão, que é utilizado
quando se conhece as equações diferenciais do sistema. A abordagem do método de Wolf
implementa o conceito de expoentes de Lyapunov de forma simples e bastante direta (Kodba
12

et al., 2005; Perc, 2006).

Em (Gottwald and Melbourne, 2004) foi apresentado um novo teste para verificar se
um sistema dinâmico determinístico apresenta comportamento regular (periódico ou quase-
periódico) ou caótico, o qual foi denominado “teste 0 − 1”. O método se aplica diretamente
a dados de uma série temporal, logo não tem-se a necessidade de reconstrução do espaço de
fases. Como resultado do método, tem-se o valor K = 0 se o sistema dinâmico é regular ou
K = 1 se for caótico, ou seja, a saída do método é binária. Na prática os valores de saída do
método são próximos de 0 ou de 1, pois a convergência depende, por exemplo, da quantidade
de dados da série temporal. O teste 0 − 1 tem implementação computacional fácil e o tempo de
execução baixo.

Enquanto (Gottwald and Melbourne, 2004) trata de sistemas dinâmicos determinísticos


sem ruído, em (Gottwald and Melbourne, 2005) o ruído, de forma moderada, foi levado em
consideração na aplicação do teste 0 − 1. No artigo em questão foram feitas algumas modifica-
ções no teste original e comparações com os expoentes de Lyapunov foram feitas por meio de
simulações numéricas de séries temporais de alguns sistemas determinísticos clássicos.

Em (Falconer et al., 2007), para verificar a eficacia do teste 0 − 1 em relação a dados


experimentais, executa-se um experimento com base em um motor com dois pólos. Foi veri-
ficado para um conjunto de dados do motor a uma frequência de alimentação ω = 0,9 Hz que
ao aplicar o teste o resultado obtido foi de K = 0,02 indicando dinâmica regular já para o con-
junto de dados cuja frequência ω = 0,6 Hz tem-se K = 0,92 que apresenta dinâmica caótica.
Obteve-se um comportamento melhor com o aumento de N . Concluiu-se que quanto menor
fosse a quantidade de ruído da série temporal, maior seria a convergência do valor de K. Com
base nos valores de K obtidos, verificou-se que o teste é robusto à contaminação dos sinais pelo
ruído.

As justificativas teóricas do teste 0 − 1 podem ser vista em (Gottwald and Melbourne,


2009b). No trabalho citado uma versão simplificada do teste foi verificada de forma rigorosa e,
com a análise do teste, propostas de melhorias foram feitas.

Uma discussão sobre a implementação do teste 0 − 1 foi feita em (Gottwald and Mel-
bourne, 2009a) com base nas melhorias feitas nos artigos anteriores, como o artigo sobre a
justificativa teórica do teste (Gottwald and Melbourne, 2009b).

Em um artigo mais recente (Ke-Hui et al., 2010), foram feitas simulações numéricas de
diversos sistemas dinâmicos não-lineares, inclusive de sistemas de ordem fracionária 2 , e apre-
sentada uma comparação do teste 0 − 1 com o valor máximo do expoente de Lyapunov. Os
sistemas dinâmicos usados no estudo foram o mapa de Hénon, sistema de Lorentz simplificado,
de ordem inteira e de ordem fracionária. A conclusão foi que o teste funciona bem apesar de,

2
Um sistema dinâmico é de ordem fracionária quando a equação diferencial que o representa contém derivadas
de ordem fracionária.
13

eventualmente, ter zonas cinzentas 3 , que podem ocorrer, por exemplo, caso não se tenha uma
série temporal com tamanho suficiente.

2.4 Considerações Finais

Para o modelo de giroscópio da Pascor , adotado neste trabalho, as modelagens matemá-


ticas encontradas na literatura foram simples, não levando em consideração certas propriedades
como, por exemplo, forças de atrito, que causam a diminuição dos movimentos de precessão,
nutação e spin. Nestes casos nenhuma análise não-linear foi feita.

Para os modelos matemáticos mais elaborados dos giroscópios, que são diferentes ao
modelo da Pascor , foram feitas diversas análises não-lineares com o objetivo de verificar a
estabilidade e regiões onde o comportamento é regular ou caótico. Não há estudos de resultados
experimentais em relação a análise não-linear, ou seja, foi dado ênfase na análise dos modelos.

Na análise não-linear dos modelos matemáticos dos giroscópios foram vistos: estudo
de estabilidade de pontos de equilíbrio através do teorema da variedade central, teorema da
forma normal, teoria de Mathieu e método direto de Lyapunov; retratos de fases; diagramas
de bifurcação; mapas de Poincaré; dimensões de Lyapunov; espectro de potência; espectro
dos expoentes de Lyapunov. Já na análise não-linear experimental que utiliza séries temporais,
foram vistos expoentes de Lyapunov pelo método de Wolf e o teste 0 − 1.

Pretende-se nessa dissertação fazer uma modelagem mais completa, por exemplo, levando
em consideração os efeitos das diversas forças de atrito, desta forma pode-se prever a dinâmica
do giroscópio real. Com isso pretende-se fazer um estudo não-linear do modelo verificando
a estabilidade no sentido de Lyapunov dos pontos de equilíbrio, outras formas de verificar a
estabilidade não serão vistas, pois a ênfase é encontrar os expoentes de Lyapunov usando, para
isso, algumas abordagens clássicas, no caso: o método padrão, o método de Eckmann-Ruelle e
o método de Wolf. Também será usado o teste 0 − 1 por ter uma implementação rápida e fácil.

3
Considera-se como zona cinza os valores de K que não estejam próximos o suficiente de zero ou de um.
14
Capítulo 3

Modelagem do Giroscópio

Neste capítulo o giroscópio utilizado neste trabalho é modelado visando obter as equações
diferenciais ordinárias (EDOS) do movimento usando o método de Newton-Euler. O giroscópio
considerado é fabricado pela Pascor , modelo ME-8960. As equações do movimento são obti-
das em uma base móvel onde as equações são mais simples do que em um sistema de referência
inercial, uma vez que o tensor de inércia na base móvel é invariante com o tempo. O modelo
resultante é composto por três equações diferenciais ordinárias não-lineares de segunda ordem
que são transformadas para um sistema de seis equações diferenciais de primeira ordem. As
soluções deste sistema de equações compõe o espaço de estados (espaço de fases) do problema
em estudo.

A validação do modelo é feita comparando a solução numérica das equações diferenciais


ordinárias, resolvidas pelo método de Runge-Kutta de oitava ordem, com resultados experimen-
tais para uma dada condição inicial.

3.1 Análise Cinemática

Nesta seção são descritos os sistemas de referência e as grandezas de movimento, como


posições, velocidades e acelerações, que foram usadas para descrever o movimento do giroscó-
pio. Já as causas do movimento são detalhadas na próxima seção.

3.1.1 Sistema de Referência e Matrizes de Transformação de Coordena-


das

Os sistemas de referência usados são:

Sistema inercial I: Esse sistema de referência tem origem em O e seus eixos são X, Y e Z.
Um vetor pode ser descrito neste sistema usando os versores ı̂, ̂ e k̂;

15
16

Sistema móvel B1 : A origem deste sistema é O1 (O1 = O) contendo os eixos X1 , Y1 e Z1 e os


versores ı̂1 , ̂1 e k̂1 . Este sistema gira em torno do eixo Z (Z1 = Z) com um ângulo de
precessão φ e velocidade angular I Φ̇ (figura 3.1):
 
0
 
I Φ̇ = 0 (3.1)
 

φ̇

Sistema móvel B2 : A origem deste sistema é O2 (O2 = O1 ) contendo os eixos X2 , Y2 e Z2 e


os versores ı̂2 , ̂2 e k̂2 . Este sistema gira em torno do eixo Y1 (Y2 = Y1 ) com um ângulo
de nutação θ 1 e velocidade angular B1 Θ̇ (figura 3.2):
 
0
 
B1 Θ̇ = θ̇ (3.2)
 

0

Figura 3.1: Sistema móvel B1 .

O disco gira na base B2 em torno de X2 com um ângulo de spin ψ e com velocidade


angular B2 Ψ̇ (figura 3.3):  
 ψ̇ 
 
B2 Ψ̇ = 0 (3.3)

 
0

1
Este ângulo é limitado. Veja a seção 3.2.1 para mais detalhes.
17

Figura 3.2: Sistema móvel B2 .

Figura 3.3: Ângulo de spin.


18

A mudança de sistemas de referências ocorre através das matrizes de transformação 2 (Neto,


2004; Santos, 2001):

De I para B1 :  
cos(φ) sin(φ) 0
T φ =  − sin(φ) cos(φ) 0  (3.4)
 

0 0 1

B1 S = T φ IS (3.5)

De B1 para I:  
cos(φ) − sin(φ) 0
T Tφ =  sin(φ) cos(φ) 0  (3.6)
 

0 0 1

IS = T Tφ B1 S (3.7)

De B1 para B2 :  
cos(θ) 0 − sin(θ)
Tθ =  0 1 0 (3.8)
 

sin(θ) 0 cos(θ)

B2 S = T θ B1 S (3.9)

De B2 para B1 :  
cos(θ) 0 sin(θ)
T Tθ =  0 1 0  (3.10)
 

− sin(θ) 0 cos(θ)

B1 S = T Tθ B2 S (3.11)

sendo I S, B1 S e B2 S os vetores de cada sistema de referência.

Ressalta-se que a obtenção das equações diferenciais do giroscópio é mais simples em um


sistema de referência móvel do que no sistema de referência inercial.

3.1.2 Vetores de Posição

Aqui serão consideradas as posições dos contrapesos e do disco na haste que os suporta,
representados na base B2 , assim como a posição do centro de massa, as quais são mostrados na
2
As matrizes de transformação são ortogonais, isto é, têm a propriedade de que a inversa da matriz é igual a
sua transposta.
19

figura 3.4. O eixo da haste coincide com o eixo X2 , logo as posições dos contrapesos e do disco
estão sobre o eixo X2 . Todos estes vetores posição têm origem no ponto de apoio O2 .

Figura 3.4: Vetores de posição.

O contrapeso maior tem massa m1 e sua posição pode ser mudada para que o centro de
massa do sistema haste-contrapesos-disco varie. A componente do vetor posição deste contra-
peso é h1 < 0:  
 h1 
 
r
B2 1 = 0 (3.12)

 
0

O contrapeso menor tem massa m2 e sua posição também pode ser mudada para que um
ajuste fino seja feito na posição do centro de massa. A componente do vetor posição deste
contrapeso é h2 < 0:  
 h2 
 
r
B2 2 = 0 (3.13)

 
0

Há também um contrapeso extra de massa m3 . Neste trabalho a massa m3 não foi mode-
lada, já que experimentalmente ela não foi usada.

O disco tem massa md e sua posição é fixa. A componente do vetor posição do disco é
20

hd > 0:  
 hd 
 
B2 r d = 0 (3.14)

 
0

Como a haste é assimétrica, em relação ao ponto de apoio, sua massa influencia na posição
do centro de massa do sistema, por isso a massa da haste mh e a posição do centro de massa da
mesma hh são levados em consideração.

Para a posição do centro de massa tem-se a relação (Arnold, 1987; Marion and Thornton,
1995; Neto, 2004; Symon, 1996):  
H 
 
r
B2 c = 0 (3.15)

 
0

sendo:
M = m1 + m2 + md + mh (3.16)

m1 h1 + m2 h2 + md hd + mh hh
H= (3.17)
M

3.1.3 Vetores de Velocidades e Acelerações Absolutas

A velocidade angular absoluta do sistema móvel B2 é dada pela soma das velocidades
angulares de precessão e nutação na referida base:

B2 Ω = B2 Φ̇ + B2 Θ̇ (3.18)

sendo a velocidade angular de precessão descrita por:

B2 Φ̇ = T θ T φ I Φ̇
   
cos(θ) 0 − sin(θ) cos(φ) sin(φ) 0  0
=  0 1 0  − sin(φ) cos(φ) 0  0
  

 
sin(θ) 0 cos(θ) 0 0 1 φ̇

 
 −φ̇ sin(θ) 
 
= 0 (3.19)
 
φ̇ cos(θ)
 
21

e a velocidade angular de nutação:

B2 Θ̇ = T θ B1 Θ̇
  
cos(θ) 0 − sin(θ) 
0 
=  0 1 0  θ̇
 
 

sin(θ) 0 cos(θ) 0

 
0
 
= θ̇ (3.20)
 

0

Substituindo as eqs. (3.19) e (3.20) na eq. (3.18) obtém-se:


   
 Ωx
    − φ̇ sin(θ) 

B2 Ω = Ωy = θ̇ (3.21)

    
Ωz φ̇ cos(θ)
 

A velocidade angular absoluta do disco no sistema móvel B2 é dada pela soma das velo-
cidades de precessão, nutação e spin na referida base:

B2 ω = B2 Ω + B2 Ψ̇ (3.22)

Substituindo as eqs. (3.21) e (3.3) na eq. (3.22) obtém-se:


   
 ωx 
  −φ̇ sin(θ) + ψ̇ 
  
B2 ω = ωy = θ̇ (3.23)
 
   
ωz φ̇ cos(θ)
 

A aceleração angular absoluta do disco no sistema móvel B2 é descrita por (Santos, 2001):

d
B2 ω̇ = (B ω) + B2 Ω × B2 ω (3.24)
dt 2
sendo a derivada da eq. (3.23) dada por:
 
 −φ̈ sin(θ) + ψ̈ − φ̇θ̇ cos(θ) 
d  
(B ω) = θ̈ (3.25)
dt 2  
φ̈ cos(θ) − φ̇θ̇ sin(θ)
 
22

o produto vetorial da eq. (3.21) com a eq. (3.23) é:




ı̂2 ̂2 k̂ 2


Ω × ω = −φ̇ sin(θ) θ̇ φ̇ cos(θ)

B2 B2

−φ̇ sin(θ) + ψ̇ θ̇ φ̇ cos(θ)
 

 0 

= φ̇ψ̇ cos(θ) (3.26)
 
−θ̇ψ̇
 

Substituindo as eqs. (3.25) e (3.26) na eq. (3.24) obtém-se a aceleração angular absoluta do
disco:  

 − φ̈ sin(θ) + ψ̈ − φ̇θ̇ cos(θ) 

B2 ω̇ = θ̈ + φ̇ψ̇ cos(θ) (3.27)
 
φ̈ cos(θ) − φ̇θ̇ sin(θ) − θ̇ψ̇
 

A velocidade linear absoluta do centro de massa é descrita por (Santos, 2001):

B2 V c = B2 V O + B2 Ω × B2 r c + B2 V rel (3.28)

sendo B2 V O a velocidade da origem, ponto O2 , B2 V rel a velocidade relativa entre o ponto O2


e o centro de massa em B2 . Como o ponto de apoio está na origem de B2 (O2 ) e o centro de
massa, na base B2 , está fixo temos que B2 V O = 0 e B2 V rel = 0. Resolvendo o produto vetorial
entre as eqs. (3.21) e (3.15) obtém-se:


ı̂ 2 ̂2 k̂ 2


B2 Ω × B2 r c = −φ̇ sin(θ) θ̇ φ̇ cos(θ)


H 0 0
 

 0 

= H φ̇ cos(θ) (3.29)
 
−H θ̇
 

Com isto encontra-se a velocidade linear absoluta do centro de massa:


 

 0 

B2 V c = H φ̇ cos(θ) (3.30)
 
−H θ̇
 

A aceleração linear absoluta do centro de massa na base B2 é dada por (Santos, 2001):

B2 Ac = B2 AO + B2 Ω̇ × B2 r c + B2 Ω × (B2 Ω × B2 r c ) + 2B2 Ω̇ × B2 V rel + B2 Arel (3.31)

sendo B2 AO a aceleração da origem e B2 Arel é a aceleração relativa do centro de massa em B2 .


23

Como B2 V O = 0 e B2 V rel = 0, tem-se que B2 AO = 0, B2 Ω̇ × B2 V rel = 0 e B2 Arel = 0. A


derivada da eq. (3.21) em relação ao tempo é dada por:
 
 −φ̈ sin(θ) − φ̇θ̇ cos(θ) 
 
B2 Ω̇ = θ̈ (3.32)
 
φ̈ cos(θ) − φ̇θ̇ sin(θ)
 

Resolvendo o produto vetorial entre as eqs. (3.32) e (3.15) encontra-se a aceleração tangencial:


ı̂ 2 ̂2 k̂ 2


B2 Ω̇ × B2 r c = −φ̈ sin(θ) − φ̇θ̇ cos(θ) θ̈ φ̈ cos(θ) − φ̇θ̇ sin(θ)


H 0 0
 

 0 

= H[φ̈ cos(θ) − φ̇θ̇ sin(θ)] (3.33)
 
−H θ̈
 

O produto vetorial entre as eqs. (3.21) e (3.29) resulta na aceleração normal:




ı̂ 2 ̂2 k̂ 2


B2 Ω × (B2 Ω × B2 r c ) = −φ̇ sin(θ) θ̇ φ̇ cos(θ)


0 H φ̇ cos(θ) −H θ̇
 
2 2 2 

 −H[ φ̇ cos (θ) + θ̇ ] 
= −H φ̇θ̇ sin(θ) (3.34)
 
−H φ̇2 sin(θ) cos(θ)
 

Substituindo as eqs. (3.33) e (3.34) na eq. (3.31) encontra-se a aceleração do centro de massa:
 
2 2 2
 −H[φ̇ cos (θ) + θ̇ ] 
 
B2 Ac = H[φ̈ cos(θ) − 2φ̇θ̇ sin(θ)] (3.35)
 
−H[θ̈ + φ̇2 sin(θ) cos(θ)]
 

Com isto todas as grandezas cinemáticas necessárias para a obtenção de um modelo da


dinâmica do giroscópio estão estabelecidas.

3.2 Análise Dinâmica

Nesta seção são mostradas as causas do movimento do giroscópio, isto é, as forças e


torques que atuam e causam os movimentos no giroscópio. Conceitos de Mecânica Clássica
foram empregados, como a segunda lei de Newton, que relaciona força resultante e aceleração
do centro de massa, e também a equação de Euler, que relaciona o torque resultante, em relação
a origem de B2 , com a variação do momento angular resultante em relação ao mesmo ponto.
24

3.2.1 Diagrama de Corpo Livre

Como já discutido anteriormente, o giroscópio da Pascor é composto por um disco com


massa md , dois contrapesos (com massas m1 e m2 ), uma base e uma haste com massa mh na
qual o disco e os contrapesos estão ligados.

No estudo do giroscópio foi feita a análise da parte do giroscópio que fica em movimento,
ou seja, os contrapesos, disco e a haste na qual esses componentes estão ligados. Assume-
se a hipótese de que a haste é rígida, não sofrendo deformações. Consideram-se cinco forças
atuando no giroscópio, a saber: força peso (B2 F g ), força de reação no ponto de apoio (B2 F re ),
força elástica (B2 F e ), força de atrito cinético (B2 F k ) e força de atrito viscoso (B2 F v ).

A força peso atua em todos os pontos do corpo do giroscópio, mas é equivalente e muito
mais fácil considerar a sua atuação no centro de massa. No sistema inercial o peso é escrito
como (figura 3.5):

Figura 3.5: Força peso e força de reação.

 

 0  
F
I g = 0 (3.36)
 
−M g
 

sendo g a aceleração da gravidade e M a massa do giroscópico. Como está sendo utilizada


a base móvel B2 , a força peso será transformada para esta base. Primeiramente, é feita uma
25

transformação para a base móvel B1 :

B1 F g = T φ IF g
  
cos(φ) sin(φ) 0   0 

=  − sin(φ) cos(φ) 0  0
 
 
0 0 1 −M g
 
 
 0 
 
= 0 (3.37)
 
−M g
 

e por fim, é feita a transformação da base B1 para a base B2 :

B2 F g = T θ B1 F g
  
cos(θ) 0 − sin(θ) 
 0 

=  0 1 0 0
 

 
sin(θ) 0 cos(θ) −M g
 
 

 M g sin(θ) 

= 0 (3.38)
 
−M g cos(θ)
 

A força de reação age no ponto de apoio, sendo responsável por manter o ponto O em
equilíbrio (figura 3.5) e é descrita na base inercial como:
 
 Fx 
 
I F re = Fy (3.39)

 
Fz

Caso exista a necessidade de igualar essa força com outra que esteja na base B2 , aplica-se a
transformação:
B2 F re = T θ T φ I F re (3.40)

Uma força elástica é necessária para poder limitar o ângulo de nutação 3 θ, definido na
base B2 , agindo perpendicularmente à haste na posição B2 r e (veja figura 3.6 para maiores de-
talhes) e ocorre somente em um certo intervalo de ângulo, como descrito abaixo (Neto, 2004):

θi − ε ≤ θ ≤ θf + ε (3.41)

com
θi = −50π/180 rad; θf = 35π/180 rad (3.42)

3
Testes experimentais preliminares mostraram a necessidade de incluir esta força para correta correlação nu-
mérica e o experimental.
26

e ε a deformação elástica máxima. A força elástica tem a forma:


 

0  
F
B2 e = 0 (3.43)
 
fez (θ)
 


 −ke (θ − θi ) : θ < θi

fez (θ) = 0 : θi ≤ θ ≤ θf (3.44)

ke (θ − θf ) : θ > θf

onde ke a constante de elasticidade ajustada experimentalmente.

Figura 3.6: Força elástica.

Para as forças de atrito cinético que atuam nos rolamentos, pode-se verificar que o soma-
tório destas é nulo pois são forças internas ao sistema, ou seja:

B2 F k =0 (3.45)

A força devida ao atrito da haste 4 e disco com o ar (viscoso) é dada por (Goldstein, 1981;
Lemos, 2007; Marion and Thornton, 1995; Neto, 2004):

B2 F v = −B2 B B2 v v (3.46)
4
Haste mais os contrapesos.
27

sendo:  
bbx 0 0
B2 B =  0 bby 0  (3.47)
 

0 0 bbz
e as componentes de B2 B são consideradas constantes, dependentes da geometria da haste e/ou
do disco e B2 v v é a velocidade linear da haste e/ou disco em um certa posição.

Assumindo que a força de atrito viscoso, que atua na superfície de um corpo, possa ser
substituída por uma força equivalente, que atua em uma linha do corpo, os pontos dessa linha
são representados por B2 r v e a força atuando no corpo é obtida integrando as forças que atuam
na linha.

A força de atrito viscoso que atua no disco é dada por:


n oT
B2 F vd (ψ) = Fvx Fvy Fvz = −B2 B B2 ω × B2 r(ψ) (3.48)

com    
 rx
     hd 

B2 r(ψ) = r y = Rd cos(ψ) (3.49)
 
   
rz Rd sin(ψ)
 


ı̂2 ̂ k̂
2
2
B2 F vd (ψ) = − bbx ωx bby ωy bbz ωz


hd ry rz
 

 −bb ω r
y y z + bb ω r
z z y 
= −bbz ωz hd + bbx ωx rz (3.50)
 
−bbx ωx ry + bby ωy hd
 

Z 2π
B2 F vd = B2 F vd (ψ)dψ (3.51)
0

ωx , ωy e ωz não dependem de ψ, logo


 R 2π R 2π 
 bby ωy Rd 0 Rsin(ψ)dψ − bbz ωz RRd 0 cos(ψ)dψ 
 
2π 2π
B2 F vd =− bbz ωz hd 0 dψ − bbx ωx Rd 0 sin(ψ)dψ (3.52)
 R 2π R 2π 
bbx ωx Rd 0 cos(ψ)dψ − bby ωy hd 0 dψ
 

lembrando que Z 2π Z 2π
cos(ψ)dψ = sin(ψ)dψ = 0 (3.53)
0 0
28

   

 0  
  0 

0
B2 F vd = 2πbbz hd ωz = bvy ωz (3.54)
   0
  
2πbby hd ωy bvz ωy
 
0 0
sendo bvy = 2πbbz hd e bvz = 2πbby hd constantes.

De forma análoga para a haste tem-se:


 
 0 
 
00
B2 F vh = bvy Ωz (3.55)
 00
 
bvz Ωy

e a força de atrito viscoso resultante é:

B2 F v = B2 F vd + B2 F vh (3.56)

logo  

 0 

F
B2 v = bvy φ̇ cos(θ) (3.57)
 
bvz θ̇
 

3.2.2 Tensor de Inércia

O tensor de inércia calculado em relação ao ponto de apoio pode ser dividido em dois
tensores distintos representados na base móvel B2 5 : um tensor relacionado com a haste e aos
contrapesos que estão presos à haste (B2 I f ), com velocidade B2 Ω, e outro relacionado ao disco
(B2 I d ), cuja velocidade é B2 ω.

Os tensores de inércia são diagonais, pois os contrapesos, haste e o disco são simétricos.
As grandezas necessárias para o cálculo dos tensores de inércia encontram-se na figura 3.7.

O tensor de inércia do disco em relação ao ponto de apoio é descrito por:


 
Ixx 0 0
B2 I d =  0 Iyy 0  (3.58)
 

0 0 Izz

Para o disco, os momentos de inércia de massa, em relação ao centro de massa do disco, são
dados por (Santos, 2001):
1
Icxx = md Rd2 (3.59)
2
5
Na base móvel solidária ao movimento do corpo, o tensor de inércia é invariante com o tempo (Neto, 2004;
Santos, 2001).
29

Figura 3.7: Elementos para o cálculo do tensor de inércia.

1
Icyy = md Rd2 (3.60)
4

Iczz = Icyy (3.61)

As componentes em relação ao ponto de apoio são obtidas com a aplicação do teorema dos
eixos paralelos (Arnold, 1987; Lemos, 2007; Santos, 2001):

Ixx = Icxx (3.62)

Iyy = Icyy + md h2d (3.63)

Izz = Icyy + md h2d (3.64)

Logo, as componentes do tensor de inércia do disco, eq. (3.58), são dadas por:

1
Ixx = md Rd2 (3.65)
2

1
Iyy = md Rd2 + md h2d (3.66)
4
30

Izz = Iyy (3.67)

sendo Rd o raio do disco e hd a posição do centro de massa do disco em relação à origem O2 .

Já o tensor de inércia das partes fixas é dado por:


 
If xx 0 0
B2 I f =  0 If yy 0  (3.68)
 

0 0 If zz

onde as componentes Ixx , Iyy e Izz são compostas pela soma das componentes dos tensores dos
contrapesos e da haste:
If xx = I1xx + I2xx + Ihxx (3.69)

If yy = I1yy + I2yy + Ihyy (3.70)

If zz = I1zz + I2zz + Ihzz (3.71)

O contrapeso de massa m1 tem o formato de um cilindro oco, já que é preso à haste e seu
momento de inércia de massa é:
1
I1cxx = m1 R12 + Rh2

(3.72)
2

1 1
I1cyy = m1 R12 + Rh2 + m1 l12

(3.73)
4 12

I1czz = I1cyy (3.74)

Usando o teorema dos eixos paralelos, tem-se:

1
I1xx = m1 R12 + Rh2

(3.75)
2

1 1
I1yy = m1 R12 + Rh2 + m1 l12 + m1 h21

(3.76)
4 12

I1zz = I1yy (3.77)

O contrapeso de massa m2 também tem formato de um cilindro oco e a haste mh é cilín-


drica. Assim para m2 :
1
I2xx = m2 R22 + Rh2

(3.78)
2
31

1 1
I2yy = m2 R22 + Rh2 + m2 l22 + m2 h22

(3.79)
4 12

I2zz = I2yy (3.80)

e para mh :
1
Ihxx = mh Rh2 (3.81)
2

1 1
Ihyy = mh Rh2 + mh lh2 + mh h2h (3.82)
4 12

Ihzz = Ihyy (3.83)

sendo R1 , R2 e Rh os raios; h1 , h2 e hh as posições dos centros de massa das peças em relação


à origem O2 ; e l1 , l2 e lh as larguras.

Substituindo as eqs. (3.75), (3.78) e (3.81) na eq. (3.69), obtêm-se If xx :

1
m1 R12 + m2 R22 + (m1 + m2 + mh ) Rh2

If xx = (3.84)
2

Substituindo as eqs. (3.76), (3.79) e (3.82) na eq. (3.70), encontram-se If yy :

1
m1 R12 + m2 R22 + (m1 + m2 + mh ) Rh2 +

If yy =
4
1 
m1 l12 + m2 l22 + mh lh2 + m1 h21 + m2 h22 + mh h2h

(3.85)
12

E substituindo as eqs. (3.77), (3.80) e (3.83) na eq. (3.71), encontram-se If zz :

If zz = If yy (3.86)

3.2.3 Torque Resultante

O torque resultante no giroscópio B2 τ r , em relação ao ponto de apoio, é composto pelos


seguintes torques: torque da força peso B2 τ g , torque do atrito cinético B2 τ k , torque do atrito
viscoso B2 τ v e torque da força elástica B2 τ e . Ou seja:

B2 τ r = B2 τ g + B2 τ k + B2 τ v + B2 τ e (3.87)

O torque causado pela força peso é dado por (Goldstein, 1981; Lemos, 2007; Neto, 2004;
Takwale and Puranik, 1979):
B2 τ g = B2 r c × B2 F g (3.88)
32

Usando as eqs. (3.15) e (3.38) na eq. (3.88), encontra-se o torque da força peso:
 

ı̂2 ̂2 k̂ 2

  0 

τ = H 0 0 = M gH cos(θ) (3.89)

B2 g
 
M g sin(θ) 0 −M g cos(θ)  0

O torque devido à força de atrito cinético é:

B2 τ k = B2 τ k1 + B2 τ k2 + B2 τ k3 (3.90)

Este é causado por uma força de atrito no eixo de rotação que se opõe ao movimento do gi-
roscópio, ou seja, o torque é constante e tem sentido contrário ao da velocidade angular do
eixo. Este torque também é composto por três componentes um para cada eixo de rotação, ou
seja, torque no eixo do disco (B2 τ k1 ), torque no eixo de nutação (B2 τ k2 ) e torque no eixo de
precessão (B2 τ k3 ). O torque no eixo do disco, que se encontra na base B2 , é descrito por:
 

 −Tx sgn (ψ̇) 

B2 τ k1 = 0 (3.91)
 
0
 

sendo a função sgn (x) definida como:



 −1 : x < 0

sgn (x) = 0 : x=0 (3.92)

+1 : x > 0

O torque no eixo de nutação na base B1 é dado por:


 

 0 

B1 τ k2 = −Ty sgn (θ̇) (3.93)
 
0
 

e na base B2 é dado por:

B2 τ k2 = T θ B1 τ k2
  
cos(θ) 0 − sin(θ)  0 

=  0 1 0  −Ty sgn (θ̇)
 
 
sin(θ) 0 cos(θ) 0
 
 

 0 

= −Ty sgn (θ̇) (3.94)
 
0
 
33

Já o torque no eixo de precessão na base I é descrito como:


 

 0 

I τ k3 = 0 (3.95)
 
−Tz sgn (φ̇)
 

e na base B2 fica:
B2 τ k3 = T θ T φ I τ k3 (3.96)

como:
  
cos(φ) sin(φ) 0   0 

T φ I τ k3 =  − sin(φ) cos(φ) 0  0
 
 
0 0 1 −Tz sgn (φ̇)
 
 

 0 

= 0 (3.97)
 
−Tz sgn (φ̇)
 

Substituindo a eq. (3.97) na eq. (3.96):


  
cos(θ) 0 − sin(θ)   0 

B2 τ k3 =  0 1 0 0
 

 
sin(θ) 0 cos(θ) −Tz sgn (φ̇)
 
 

 Tz sgn (φ̇) sin(θ) 

= 0 (3.98)
 
−Tz sgn (φ̇) cos(θ)
 

Portanto, somando os torques nestes três eixos, eqs. (3.91), (3.94) e (3.98), na eq. (3.90)
obtém-se:  
 −Tx sgn (ψ̇) + Tz sgn(φ̇) sin(θ) 
 
B2 τ k = −Ty sgn (θ̇) (3.99)
 
−Tz sgn (φ̇) cos(θ)
 

sendo Tx , Ty e Tz os coeficientes do torque cinético.

O torque devido ao atrito viscoso que atua no giroscópio é dividido em duas partes, uma
que atua no disco (B2 τ vd ) e outra que atua na haste do disco (B2 τ vh ) que inclui os contrapesos:

B2 τ v = B2 τ vd + B2 τ vh (3.100)

De forma geral o torque devido ao atrito viscoso é dado por:

B2 τ v = B2 r v × B2 F v (3.101)
34

Agora, o torque do atrito viscoso que atua no disco, é descrito pelas equações:

B2 τ vd (ψ) = B2 r(ψ) × B2 F vd (ψ) (3.102)

Note que na eq. (3.102) há dependência da posição de spin, logo:


 
ı̂2 ̂
2 k̂
2 −r F
 y vz
 + r F
z vy 

τ (ψ) = h r r = −r F + h F (3.103)

B2 vd
d y z
 z vx d vz


Fvx Fvy Fvz  −hd Fvy + ry Fvx 

 
2 2

 −bb ω (r
x x y + r z ) + bb ω h r
y y d y + bb ω h r
z z d z 
2 2
τ
B2 vd (ψ) = −bby ωy (rz + hd ) + bbz ωz ry rz + bbx hd ωx ry (3.104)
 
−bbz ωz (h2d + ry2 ) + bbx hd ωx rz + bby ωy ry rz
 

 

 −bbx Rd2 ωx + hd Rd [bby ωy cos(ψ) + bbz ωz sin(ψ)] 

2 2 2 2
τ
B2 vd (ψ) = −bby ωy [Rd sin (ψ) + hd ] + bbz Rd ωz cos(ψ) sin(ψ) + bbx hd Rd ωx cos(ψ)
 
−bbz ωz [h2d + Rd2 cos2 (ψ)] + bbx hd Rd ωx sin(ψ) + bby Rd2 ωy cos(ψ) sin(ψ)
 
(3.105)

O torque viscoso resultante que atua no disco é dado por:


Z 2π
B2 τ vd = B2 τ vd (ψ)dψ (3.106)
0

Lembrando que Z 2π
cos(ψ) sin(ψ)dψ = 0 (3.107)
0

Z 2π Z 2π
2
cos (ψ)dψ = sin2 (ψ)dψ = π (3.108)
0 0

Chega-se a
   0 
2πbbx Rd2 ωx

 
  bx ωx 
 
2 2 0
B2 τ vd = − πbby (Rd + 2hd )ωy = − by ωy (3.109)
   0 

πbbz (2h2d + Rd2 )ωz bz ωz
  

0 0 0
onde bx = 2πbbx Rd2 , by = πbby (Rd2 + 2h2d ) e bz = πbbz (2h2d + Rd2 ). De forma análoga tem-se,
para a haste; o torque:  00 
 bx Ωx 
 
00
τ
B 2 vh = − b y yΩ (3.110)
 00 

bz Ωz

que somando ao torque do disco leva ao torque viscoso.


35

Usando as eqs. (3.109) e (3.110) na eq. (3.100) obtêm-se:


 
−b
 x2
 φ̇ sin(θ) + b ψ̇
x1  
τ
B2 v = − by θ̇ (3.111)
 
bz φ̇ cos(θ)
 

0 00 00 0 00 0 00
sendo bx + bx = bx2 , bx = bx1 , by + by = by e bz + bz = bz constantes com bx2 > bx1 . Por
simplificação no restante desse trabalho considera-se bx1 = bx2 = bx .

O torque devido à força elástica é:


n oT
B2 τ e = B2 r e × B2 F e = 0 τey (θ) 0 (3.112)

sendo: 
 −k(θ − θi ) : θ < θi

τey (θ) = 0 : θi ≤ θ ≤ θf (3.113)

−k(θ − θf ) : θ > θf

Substituindo as eqs. (3.89), (3.99), (3.111) e (3.112) em (3.87), obtém-se o torque resul-
tante:
   h i 
 τx   −Tx sgn (ψ̇) + Tz sgn (φ̇) + bx φ̇ sin(θ) − bx ψ̇ 
  
  
τ
B2 r = τy = M gH cos(θ) − Ty sgn (θ̇) − by θ̇ + τey (θ)  (3.114)
 
  
τz
 
 −[Tz sgn (φ̇) + bz φ̇] cos(θ) 

3.2.4 Taxa de Variação do Momento Angular Resultante

A taxa de variação do momento angular resultante, calculado em relação ao ponto de


apoio O2 fixo, tem uma contribuição das partes fixas em relação à haste móvel do giroscópio
(B2 L̇f ) e uma contribuição do disco que gira em torno desta haste (B2 L̇d ), ou seja:

B2 L̇r = B2 L̇f + B2 L̇d (3.115)

A taxa de variação do momento angular para um corpo rígido na base B2 é dada por (Santos,
2001):
d
B2 L̇ = B2 I (B ω) + B2 Ω × (B2 I B2 ω) (3.116)
dt 2

Para encontrar a variação do momento angular das partes fixas é necessário realizar as
seguintes substituições na eq. (3.116): B2 I = B2 I f e B2 ω = B2 Ω. Assim:

d
B2 L̇f = B2 I f (B Ω) + B2 Ω × (B2 I f B2 Ω) (3.117)
dt 2
36

Utilizando as eqs. (3.68) e (3.32) chega-se a:


  
If xx 0 0  − φ̈ sin(θ) − φ̇θ̇ cos(θ) 
d  
I ( Ω) =  0 If yy 0  θ̈
 
B2 f B
dt 2  
0 0 If zz φ̈ cos(θ) − φ̇θ̇ sin(θ)
 
 
−I
 f xx
 [ φ̈ sin(θ) + φ̇θ̇ cos(θ)] 

= If yy θ̈ (3.118)
 
If zz [φ̈ cos(θ) − φ̇θ̇ sin(θ)]
 

Similarmente, usando as eqs. (3.68) e (3.21), pode-se obter:


  
If xx 0 0  −φ̇ sin(θ) 

B2 I f B2 Ω =  0 If yy 0  θ̇
 
 
0 0 If zz φ̇ cos(θ)
 
 
 −If xx φ̇ sin(θ) 
 
= If yy θ̇ (3.119)
 
If zz φ̇ cos(θ)
 

Calculando o produto vetorial entre as eqs. (3.21) e (3.119), resulta:




ı̂2 ̂2 k̂ 2


Ω × ( I Ω) = − φ̇ sin(θ) θ̇ φ̇ cos(θ)

B2 B2 f B2

−If xx φ̇ sin(θ) If yy θ̇ If zz φ̇ cos(θ)
 

 −(I f yy − If zz ) φ̇θ̇ cos(θ) 

= 2 (3.120)
(−If xx + If zz )φ̇ sin(θ) cos(θ)
 
(If xx − If yy )φ̇θ̇ sin(θ)
 

Por fim, substituindo as eqs. (3.118) e (3.120) na eq. (3.117), obtém-se a taxa de variação do
momento angular das partes fixas:
 
 −If xx φ̈ sin(θ) − (If xx + If yy − If zz )φ̇θ̇ cos(θ) 
 
2
B2 L̇f = If yy θ̈ + (−If xx + If zz )φ̇ sin(θ) cos(θ) (3.121)
 
If zz φ̈ cos(θ) + (If xx − If yy − If zz )φ̇θ̇ sin(θ)
 

Para encontrar a variação do momento angular do disco considera-se B2 I = B2 I d . Assim

d
B2 L̇d = B2 I d (B ω) + B2 Ω × (B2 I d B2 ω) (3.122)
dt 2
37

e, substituindo a eq. (3.22) na eq. (3.122),

d
B2 L̇d = [ B2 I d (B Ω) + B2 Ω × (B2 I d B2 Ω)] +
dt 2
d
[B2 I d (B2 Ψ̇) + B2 Ω × (B2 I d B2 Ψ̇)] (3.123)
dt
A primeira parte da eq. (3.123) corresponde ao resultado anterior (3.121) mudando apenas as
componentes do tensor de inércia. Já para a segunda parte da equação tem-se o desenvolvimento
a seguir.

Utilizando a eq. (3.58) e a derivada da eq. (3.3) obtém-se


  
Ixx 0 0   ψ̈ 
d 
I ( Ψ̇) = 0 I 0 0
 
B2 d B yy
dt 2
 

 
0 0 Izz 0

 

 Ixx ψ̈ 

= 0 (3.124)
 
0
 

De forma análoga:  
 Ixx ψ̇ 
 
B2 I d B2 Ψ̇ = 0 (3.125)
 
0
 

Com o resultado da eq. (3.125):




ı̂2 ̂2 k̂2
B2 Ω × (B2 I d B2 Ψ̇) = −φ̇ sin(θ) θ̇ φ̇ cos(θ)


Ixx ψ̇ 0 0
 

 0 

= Ixx φ̇ψ̇ cos(θ) (3.126)
 
−Ixx θ̇ψ̇
 

Por fim, substituindo as eqs. (3.124) e (3.126) na eq. (3.123), obtém-se a forma final da taxa de
variação do momento angular do disco:
   
−I
 xx
 φ̈ sin(θ) − (Ixx + Iyy − Izz ) φ̇θ̇ cos(θ) 
   Ixx ψ̈ 

2
B2 L̇d = Iyy θ̈ + (−Ixx + Izz )φ̇ sin(θ) cos(θ) + Ixx φ̇ψ̇ cos(θ)
 
  
Izz φ̈ cos(θ) + (Ixx − Iyy − Izz )φ̇θ̇ sin(θ) −Ixx θ̇ψ̇
  
 
I
 xx
 (− φ̈ sin(θ) + ψ̈) − (Ixx + Iyy − Izz )φ̇θ̇ cos(θ) 

= Iyy θ̈ + [(−Ixx + Izz )φ̇ sin(θ) + Ixx ψ̇]φ̇ cos(θ) (3.127)
 
Izz φ̈ cos(θ) − [(−Ixx + Iyy + Izz )φ̇ sin(θ) + Ixx ψ̇]θ̇
 
38

Substituindo as eqs. (3.121) e (3.127) na eq. (3.115), finalmente encontra-se a taxa de


variação do momento angular resultante:
 
 −Ix φ̈ sin(θ) + Ixx ψ̈ − (Ix + Iy − Iz )φ̇θ̇ cos(θ) 
 
B2 L̇r = Iy θ̈ + [(−Ix + Iz )φ̇ sin(θ) + Ixx ψ̇]φ̇ cos(θ) (3.128)
 
Iz φ̈ cos(θ) − [(−Ix + Iy + Iz )φ̇ sin(θ) + Ixx ψ̇]θ̇
 

sendo:
Ix = If xx + Ixx , Iy = If yy + Iyy , Iz = If zz + Izz (3.129)

3.2.5 Equação de Euler

Para obter as equações de movimento do giroscópio, resolve-se a equação de Euler na


base do sistema móvel B2 (Santos, 2001):

B2 τ r = B2 L̇r (3.130)

Utilizando as eqs. (3.114) e (3.128) obtém-se um sistema de equações diferenciais:


   
 τx 
  −Ix φ̈ sin(θ) + Ixx ψ̈ − (Ix + Iy − Iz )φ̇θ̇ cos(θ) 
  
τy = Iy θ̈ + [(−Ix + Iz )φ̇ sin(θ) + Ixx ψ̇]φ̇ cos(θ) (3.131)
 
   
τz Iz φ̈ cos(θ) − [(−Ix + Iy + Iz )φ̇ sin(θ) + Ixx ψ̇]θ̇
 

Resolvendo o sistema de eqs. (3.131) nas variáveis φ̈, θ̈ e ψ̈ obtém-se:

τz + [(−Ix + Iy + Iz )φ̇ sin(θ) + Ixx ψ̇]θ̇


φ̈ = (3.132)
Iz cos(θ)

τy − Ixx φ̇ψ̇ cos(θ) + (Ix − Iz )φ̇2 cos(θ) sin(θ)


θ̈ = (3.133)
Iy

Ix
τx + (Ix + Iy − Iz )φ̇θ̇ cos(θ) + Iz
{τz + [(−Ix + Iy + Iz )φ̇ sin(θ) + Ixx ψ̇]θ̇} tan(θ)
ψ̈ =
Ixx
(3.134)
As equações diferenciais (3.132) e (3.134) foram obtidas levando em consideração que cos(θ) 6=
0 e pela expressão (3.41) tal condição é satisfeita.

Usando o conceito de variáveis de estado, pode-se converter o sistema de três equações


diferenciais de segunda ordem para um sistema de seis equações de primeira ordem:

Ẋ = F (X); X ∈ <6 (3.135)


39

sendo X o vetor de estados definido por:


n oT n oT
X= x1 x2 x3 x4 x5 x6 = φ φ̇ θ θ̇ ψ ψ̇ (3.136)

Portanto, as equações diferenciais no espaço de estado são dadas por:

ẋ1 = x2 (3.137)

τz + [(−Ix + Iy + Iz )x2 sin(x3 ) + Ixx x6 ]x4


ẋ2 = (3.138)
Iz cos(x3 )

ẋ3 = x4 (3.139)

τy − Ixx x2 x6 cos(x3 ) + (Ix − Iz )x22 cos(x3 ) sin(x3 )


ẋ4 = (3.140)
Iy

ẋ5 = x6 (3.141)

τx +(Ix +Iy −Iz )x2 x4 cos(x3 )


ẋ6 = Ixx
+ Ix τz +[(−Ix +Iy +IzI)x 2 sin(x3 )+Ixx x6 ]x4
xx Iz
tan(x3 ) (3.142)

onde τx , τy e τz são obtidos das eqs. (3.113) e (3.114), utilizando a definição dos estados (3.136)
na forma
   
 τx 
    −Tx sgn (x6 ) + [Tz sgn (x2 ) + bx x2 ] sin(x3 ) − bx x6 

B2 τ r = τy = M gH cos(x3 ) − Ty sgn (x4 ) − by x4 + τey (x3 ) (3.143)
 
   
τz −[Tz sgn (x2 ) + bz x2 ] cos(x3 )
 

com 
 −k(x3 − θi ) : x3 < θi

τey (x3 ) = 0 : θi ≤ x3 ≤ θf (3.144)

−k(x3 − θf ) : x3 > θf

O sistema no espaço de estados dado pelas eqs. (3.137) até (3.142) pode ser solucionado
numericamente por meio da aplicação de uma condição inicial X 0 e da implementação de
algum método numérico como Runge-Kutta de oitava ordem de passo variável, usado nesse
trabalho.
40

3.2.6 Equação de Newton

Para obter as equações das reações dinâmicas no ponto de apoio, aplica-se a segunda lei
de Newton (Marion and Thornton, 1995; Santos, 2001):

B2 F r = M B 2 Ac (3.145)

sendo a força resultante dada por:

B2 F r = B2 F g + B2 F re + B2 F e + B2 F k + B2 F v (3.146)

Substituindo a eq. (3.145) na eq. (3.146) e isolando B2 F re , obtém-se:

B2 F re = M B2 Ac − [B2 F g + B2 F e + B2 F k + B2 F v ] (3.147)

Com as eqs. (3.35), (3.38), (3.43), (3.45) e (3.57) aplicadas na eq. (3.147) obtêm-se:
 

 −M {H[φ̇2 cos2 (θ) + θ̇2 ] + g sin(θ)} 

B2 F re = M H[φ̈ cos(θ) − 2φ̇θ̇ sin(θ)] − bvz φ̇ cos(θ) (3.148)
 
−M {H[θ̈ + φ̇2 sin(θ) cos(θ)] − g cos(θ)} + fez (θ) + bvy θ̇
 

Para expressar as forças de reação na base inercial 6 , usam-se as eqs. (3.39), (3.40) e isola-se
I F re :  
 Fx 
 
Fy = T Tφ T Tθ B2 F re (3.149)
 

Fz

O produto das matrizes de transformação na eq. (3.149) é dado por:


  
cos(φ) − sin(φ) 0 cos(θ) 0 sin(θ)
T Tφ T Tθ =  sin(φ) cos(φ) 0  0 1 0 
  

0 0 1 − sin(θ) 0 cos(θ)
 
cos(φ) cos(θ) − sin(φ) cos(φ) sin(θ)
=  sin(φ) cos(θ) cos(φ) sin(φ) sin(θ)  (3.150)
 

− sin(θ) 0 cos(θ)

Com as eqs. (3.150) e (3.148) aplicadas na eq. (3.149), obtêm-se as forças de reação na

6
Assumindo que os sensores de força sejam instalados na base inercial.
41

base inercial:

Fx = {−M [H θ̈ + H φ̇2 cos(θ) sin(θ) − g cos(θ)] + bvy θ̇ + fez (θ)} cos(φ) sin(θ) −
−M [H φ̇2 cos2 (θ) + H θ̇2 + g sin(θ)] cos(φ) cos(θ) +
+[(−M H φ̈ + bvz φ̇) cos(θ) + 2M H φ̇θ̇ sin(θ)] sin(φ) (3.151)

Fy = {−M [H θ̈ + H φ̇2 cos(θ) sin(θ) − g cos(θ)] + bvy θ̇ + fez (θ)} sin(φ) sin(θ) −
−M [H φ̇2 cos2 (θ) + H θ̇2 + g sin(θ)] sin(φ) cos(θ) +
+[(M H φ̈ − bvz φ̇) cos(θ) − 2M H φ̇θ̇ sin(θ)] cos(φ) (3.152)

Fz = {−M [H θ̈ + H φ̇2 cos(θ) sin(θ) − g cos(θ)] + bvy θ̇ + fez (θ)} cos(θ) +


+M [H φ̇2 cos2 (θ) + H θ̇2 + g sin(θ)] sin(θ) (3.153)

Expressando em termos das variáveis de estado, eq. (3.136), obtém-se:

Fx = {−M [H ẋ4 + Hx22 cos(x3 ) sin(x3 ) − g cos(x3 )] + bvy x4 + fez (x3 )} cos(x1 ) sin(x3 ) −
−M [Hx22 cos2 (x3 ) + Hx24 + g sin(x3 )] cos(x1 ) cos(x3 ) +
+[(−M H ẋ2 + bvz x2 ) cos(x3 ) + 2M Hx2 x4 sin(x3 )] sin(x1 ) (3.154)

Fy = {−M [H ẋ4 + Hx22 cos(x3 ) sin(x3 ) − g cos(x3 )] + bvy x4 + fez (x3 )} sin(x1 ) sin(x3 ) −
−M [Hx22 cos2 (x3 ) + Hx24 + g sin(x3 )] sin(x1 ) cos(x3 ) +
+[(M H ẋ2 − bvz x2 ) cos(x3 ) − 2M Hx2 x4 sin(x3 )] cos(x1 ) (3.155)

Fz = {−M [H ẋ4 + Hx22 cos(x3 ) sin(x3 ) − g cos(x3 )] + bvy x4 + fez (x3 )} cos(x3 ) +
+M [Hx22 cos2 (x3 ) + Hx24 + g sin(x3 )] sin(x3 ) (3.156)

3.2.7 Equação da Trajetória na Base Inercial

Para saber a trajetória de um ponto da haste do giroscópio no sistema inercial, basta


transformar um vetor na base móvel B2 para a base inercial I via matrizes de transformação.
42

Para a posição do centro de massa do disco temos:

B1 r d = T Tθ B2 r d
  
cos(θ) 0 sin(θ)  hd 

=  0 1 0  0
 

 
− sin(θ) 0 cos(θ) 0

 
 hd cos(θ) 
 
= 0 (3.157)
 
−hd sin(θ)
 

Usando a expressão (3.157) pode-se encontrar a trajetória do centro de massa do disco:

I rd = T Tφ B1 r d
  
cos(φ) − sin(φ) 0   hd cos(θ) 

=  sin(φ) cos(φ) 0  0
 
 
0 0 1 −hd sin(θ)
 
 
 hd cos(φ) cos(θ) 
 
= hd sin(φ) cos(θ) (3.158)
 
−hd sin(θ)
 

3.3 Simulação e Comparação Experimental

A simulação numérica do giroscópio é feita encontrando-se uma solução usando o método


de Runge-Kutta de oitava ordem de passo variável para o sistema de equações diferenciais para
uma dada condição inicial e um certo intervalo de tempo.

Antes de fazer a simulação é necessário obter os parâmetros da equação diferencial. No


apêndice A é mostrado o procedimento usado para estimar experimentalmente os parâmetros
obtidos por medidas indiretas, como os relacionados ao torque viscoso (bx , by , bz ), torque ci-
nético (Tx , Ty , Tz ), torque elástico k e a aceleração da gravidade g. Os parâmetros obtidos por
medidas diretas são mostrados na tabela 3.1.

Tabela 3.1: Parâmetros dos contrapesos, da haste e do disco do giroscópio da Pascor . Sendo
m as massas, h as posições, l as larguras e R os raios. As massas m1 e m2 foram colocadas em
uma posição tal que o giroscópio está em equilíbrio.
m( kg) h( m) l( m) R( m)
md 1,740 0,1465 0,127
m1 0,9 −0,2579 0,0315 0,035
m2 0,03 −0,1720 0,019 0,0225
mh 0,2714 −0,065 0,574 0,0063
43

O giroscópio possuí dois sensores de posição angular que fazem as leituras dos movi-
mentos de precessão e nutação 7 (figura 3.8). A aquisição de dados é feita com o programa
DataStudio (figura 3.9(a)) com o auxílio da interface de aquisição de dados da Pascor , mo-
delo CI-6859C 8 (figura 3.9(b)). No programa de aquisição de dados foi usada uma taxa de
amostragem de 1000 Hz.

(a) Sensor de precessão. (b) Sensor de nutação.

Figura 3.8: Sensores de posição angular da Pascor , modelo CI-6625 (RMS).

Como não há sensores para velocidades angulares, uma alternativa para obter tais veloci-
dades no tempo seria por um processo de derivação numérica dos dados medidos de desloca-
mentos angulares, porem a derivação numérica se mostrou ruidosa e pouco precisa e, por isto,
foi omitido desta dissertação.

O experimento realizado foi feito com o giroscópio desequilibrado, estando o contrapeso


menor encostado próximo ao ponto de apoio na posição h2 = −0,0827 m, e o contrapeso maior
na posição h1 = −0,1779 m. As distâncias entre as faces mais próximas dos contrapesos é de
7,0 cm.

Antes de iniciar o experimento a velocidade de spin é estimada, primeiramente usa-se um


tacômetro (figura 3.9(c)) que mede a velocidade do disco através de uma marca reflexiva feita
no mesmo para que a velocidade possa ser lida, não pode haver movimento de precessão nem de
nutação. O disco é posto a girar através de um cordão que é enrolado na base do disco e através
de um sistema de roldanas o movimento de queda de uma esfera é transferido para o disco.
O valor encontrado para a velocidade de spin foi 68,49 (rad/s), posteriormente no apêndice A
obteve-se um valor melhorado.
7
Veja a referência (PASCO, 1996) para mais detalhes.
8
Veja a referência (PASCO, 1997) para mais detalhes.
44

(a) Programa DataStudio. (b) Interface de aquisição de dados.

(c) Tacômetro.

Figura 3.9: Aquisição de dados.

Na realização do experimento admite-se que a velocidade de spin será a mesma da que foi
estimada anteriormente já que a condição adotada é a mesma. Para o experimento mantém-se o
giroscópio parado manualmente, com a posição de nutação x3 = 0,0 rad. Isso é feito com um
transferidor preso ao giroscópio. Simultaneamente o disco é posto a girar e, logo em seguida,
o giroscópio é solto e inicia-se a aquisição de dados. O tempo de duração dos experimentos
não pode ser muito longo, pois o cabo do sensor da posição angular de nutação induz um
amortecimento e prende o movimento depois de poucas voltas, dificultando uma aquisição de
dados mais longa e confiável (figura 3.10). Para o experimento em questão o tempo total do
movimento foi de tf = 27,54 s.

As condições iniciais foram extraídas dos dados experimentais, no caso as velocidades


de precessão e de nutação foram obtidas por uma derivação numérica simples. Como pode-
se ver na tabela 3.2 apesar de se querer que o giroscópio ficasse parado, não foi o que ocorreu
pois segurando o giroscópio manualmente acaba-se introduzindo alguma velocidade no sistema,
sendo assim não se tem controle da condição inicial X 0 .

Na simulação são usadas as mesmas condições iniciais e o mesmo intervalo de tempo


que foi usado no experimento para poder compará-los. No método de Runge-Kutta foi adotado
um erro de 1,0 × 10−12 tanto para o erro absoluto quanto para o erro relativo. A comparação
45

Figura 3.10: Fio do sensor de nutação.

Tabela 3.2: Condições iniciais para validação do modelo do giroscópio da Pascor . Com h1 =
−0,1779 m e h2 = −0,0827 m.
x1 (rad) x2 (rad/s) x3 (rad) x4 (rad/s) x5 (rad) x6 (rad/s)
X 0 0,1920 2,0854 0,2090 0,7708 0,0000 60,777

das posições obtidas da simulação (linha azul) e do experimento (linha vermelha) encontra-se na
figura 3.11. As velocidades simuladas são mostradas na figura 3.12. A comparação da trajetória
simulada e experimental do disco pode ser visto na figura 3.13.

35
0.6 1600

30
0.5 1400

25
1200
0.4

20
1000
0.3
x1 [rad]

x3 [rad]

x5 [rad]

15 800

0.2
10 600

0.1
5 400

0 0
200
Simulado Simulado
Experimental Experimental
−5 −0.1 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30 0 5 10 15 20 25 30
tempo [s] tempo [s] tempo [s]

(a) Precessão. (b) Nutação. (c) Spin simulado.

Figura 3.11: Posições angulares de precessão, nutação e spin.

Pode-se verificar dos gráficos que os resultados experimentais e simulados têm tendências
parecidas. Para o caso do movimento de spin, o giroscópio não tem um sensor específico para
medição e, portanto não se apresenta a comparação com dados experimentais. O mesmo vale
para os sinais de velocidade angular que não são medidos em nenhum dos movimentos.
46

61
2.5 1.5

60
2
1 59

1.5 58
0.5
57

x6 [rad/s]
1
x2 [rad/s]

x4 [rad/s]
0 56

0.5
55

−0.5
54
0

53
−1
−0.5
52

−1 −1.5 51
0 5 10 15 20 25 30 0 5 10 15 20 25 30 0 5 10 15 20 25 30
tempo [s] tempo [s] tempo [s]

(a) Precessão. (b) Nutação. (c) Spin simulado.

Figura 3.12: Velocidades angulares de precessão, nutação e spin.

0.01 0.01

0 0

−0.01 −0.01
Z [m]

Z [m]

−0.02 −0.02

−0.03 −0.03

−0.04 −0.2 −0.04 −0.2


−0.2 −0.2
−0.1 −0.1
−0.1 −0.1
0 0
0 0
0.1 0.1 0.1 0.1
0.2 0.2 X [m] 0.2 0.2 X [m]
Y [m] Y [m]

(a) Simulado. (b) Experimental.

Figura 3.13: Trajetória do centro de massa do disco.

3.4 Considerações Finais

Este capítulo detalhou a modelagem do giroscópio da Pascor utilizando conceitos da


mecânica de Newton-Euler. Nesta modelagem, foi levado em consideração efeitos elásticos
que limitam o movimento de nutação, assim como efeitos dissipativos causados pelos atritos
das partes girantes (rolamentos) e do movimento do giroscópio com o ar. O resultado deste
modelo foi um conjunto de equações diferenciais não-lineares que descreve o movimento de
precessão, nutação e spin do giroscópio.

As equações diferenciais foram resolvidas numericamente com o método de Runge-Kutta


de oitava ordem com passo variável e as soluções foram comparadas com os dados experimen-
tais que puderam ser medidos, como deslocamento angular de precessão e nutação. Alguns
pontos são destacados a seguir:

• A condição inicial experimental só pode ser verificada numericamente com o modelo de


forma aproximada, por não ser possível garanti-la com precisão;
47

• Não se teve acesso com o sistema experimental aos dados de velocidades angulares, que
portanto, não foram comparadas com as velocidades da simulação. Para a velocidade
inicial de spin foi possível estima-la com o uso de um tacômetro, mas não foi possível
saber tal velocidade no tempo pois para se obter esta informação, é necessário que o disco
do giroscópio esteja parado em frente ao tacômetro;
• O procedimento de obtenção dos parâmetros indiretos como os relacionados aos torques
dissipativos e ao torque elástico foram feitos experimentalmente e, naturalmente estão
sujeitos a um certo grau de incerteza.

Apesar disto, os resultados mostraram que o modelo proposto apresenta uma boa concor-
dância com o movimento real do giroscópio e pode ser utilizado para as finalidades de análise
não-linear que são mostradas nos próximos capítulos desta dissertação.
48
Capítulo 4

Análise Dinâmica Não-Linear

Apresenta-se neste capítulo um resumo dos conceitos de sistemas dinâmicos não-lineares


que são usados no capítulo 5 deste trabalho. Os conceitos abordados são pontos de equilíbrio,
e estabilidade no sentido de Lyapunov. Não serão vistos outros tipos de estabilidade, pois a
ênfase do trabalho são os expoentes de Lyapunov. Para completar é apresentado o teste 0 − 1
que tem uma implementação fácil e que permite verificar se o sistema é regular ou apresenta
caós ou caós fraco. Os métodos para o cálculo dos expoentes de Lyapunov aqui abordados são:
o método padrão, o método de Eckmann-Ruelle e o método de Wolf.

Para muitos dos conceitos abordados a seguir considera-se um sistema dinâmico autô-
nomo formado pelo sistema de equações diferenciais de ordem n visto abaixo:

Ẋ = F (X) (4.1)

sendo n oT
X= x1 x2 . . . xn (4.2)

e n oT
F (X) = f1 (X) f2 (X) . . . fn (X) (4.3)

4.1 Pontos de Equilíbrio e Estabilidade no Sentido de Lyapu-


nov

Os pontos de equilíbrio X e correspondem às soluções da eq. (4.1) que não mudam com
o passar do tempo, ou seja:
F (X e ) = 0 (4.4)

A estabilidade dos pontos de equilíbrio pode ser classificada como (Fiedler-Ferrara and
do Prado, 1994; Wiggins, 2003; Monteiro, 2006):

49
50

Neutralmente ou marginalmente estável - dado ε > 0, ∃δ = δ(ε) > 0 tal que se |X 0 −


X e | < δ então |X(t) − X e | < ε, ∀t > 0. Se o δ existir, o ponto de equilíbrio será
marginalmente estável;

Instável - usando a definição de marginalmente estável, caso não exista um δ que satisfaça os
requisitos da definição, o ponto de equilíbrio será instável;

Assintoticamente estável - Para que um ponto de equilíbrio seja assintoticamente estável é


necessário que ele seja marginalmente estável e que também existam condições ini-
ciais que satisfazem a relação |X 0 − X e | < δ, para algum δ > 0 e que a relação
limt→∞ X(t) = X e seja satisfeita. Tal ponto é denominado atrator.

Para muitos sistemas não-lineares, a estabilidade dos pontos de equilíbrio pode ser verifi-
cada através da análise da linearização do sistema, ou seja verifica-se os sinais dos autovalores
obtidos da matriz Jacobiana do sistema linearizado. A estabilidade do sistema linearizado im-
plica na estabilidade do sistema não-linear desde que o ponto de equilíbrio seja hiperbólico, ou
seja não deve existir autovalor com parte real nula no sistema linearizado. Caso o autovalor te-
nha parte real nula o ponto de equilíbrio é dito elíptico. No caso de pontos de equilíbrio elípticos
a análise do sistema linear não é conclusiva e para saber a estabilidade do ponto de equilíbrio
do sistema não-linear é necessário a utilização de outros meios como o teorema da variedade
central e o método direto de Lyapunov (Fiedler-Ferrara and do Prado, 1994; Monteiro, 2006).

Caso a parte real de todos os autovalores relacionados a um ponto de equilíbrio sejam


negativas, o ponto de equilíbrio é estável. Caso exista ao menos um autovalor, relacionado a
um ponto de equilíbrio, com parte real positiva, o ponto de equilíbrio é instável.

4.2 Expoentes de Lyapunov

Expoentes de Lyapunov são úteis para verificar se um sistema dinâmico não-linear, for-
mado por n equações diferenciais ordinárias de primeira ordem, apresenta sensibilidade às con-
dições iniciais, ou seja, identificar se o sistema tem comportamento caótico. A determinação
da sensibilidade às condições iniciais é feita considerando uma hiperesfera centrada em uma
condição inicial X(t0 ). Na superfície da hiperesfera há n condições iniciais, uma em cada di-
reção principal que forma, juntamente com X(t0 ), os raios iniciais ri (t0 ). Conforme o tempo
passa esses n raios ri (t) evoluem no tempo deformando a hiperesfera. Assumindo que essa
evolução seja exponencial 1 tem-se a seguinte relação que dá uma ideia inicial sobre expoentes
de Lyapunov (Wolf et al., 1985):

ri (t) = ri (t0 )eλi (t−t0 ) ; i = 1, 2, · · · , n (4.5)


1
Pode-se usar outras bases além da base definida pela exponencial e.
51

Isolando os expoentes λi e considerando um tempo de evolução longo:


 
ri (t)
ln ri (t0 )
λi = lim (4.6)
t→∞ t − t0

Os expoentes λi são conhecidos como expoentes de Lyapunov e representam a média


das expansões ou contrações das soluções próximas no espaço de fases. Estes expoentes têm
algumas propriedades (Wolf et al., 1985; Monteiro, 2006). Para um sistema conservativo, por
exemplo:
n
X
λi = 0, (4.7)
i=1

já para um sistema dissipativo:


n
X
λi < 0. (4.8)
i=1

Em relação às propriedades individuais dos expoentes λi , pode-se destacar que (Wolf


et al., 1985; Monteiro, 2006):

• Se λi = 0, na média as distâncias entre duas condições iniciais se mantém, sendo uma


solução periódica;
• Para λi < 0, tem-se que o raio ri (t) diminui, ou seja, as trajetórias no espaço de fases se
aproximam (contração de volume no espaço de fases);
• No caso de λi > 0, há divergência exponencial das trajetórias e, portanto, sensibilidade
às condições iniciais, apresentando comportamento caótico.

Para o sistema ser caótico basta que exista pelo menos um λi > 0. Caso nenhum dos
expoentes seja positivo, o comportamento do sistema é regular. Com uma divergência exponen-
cial, um erro nas condições iniciais faz com que a trajetória se afaste rapidamente da trajetória
que o sistema teria caso não houvesse este erro. Em um sistema dissipativo, quando existe
caos, o atrator no espaço de fases é dito estranho. Tal atrator tem um volume limitado, apesar
da divergência exponencial causada pelo expoente positivo. O volume finito do atrator pode
ser explicado pelos repetidos processos de alongamentos e dobras (Wolf et al., 1985; Mon-
teiro, 2006; Savi, 2006). Os alongamentos ocorrem nas direções em que os expoentes de Lya-
punov são positivos. Nas direções em que os expoentes são negativos há contração do volume
do atrator. As dobras ocorrem modificando as direções das expansões e contrações.

4.2.1 Expoentes de Lyapunov do Modelo

Nesta seção são descritos o método padrão e o método de Eckmann-Ruelle que são uti-
lizados para encontrar os expoentes de Lyapunov de um sistema não-linear autônomo com n
52

equações diferenciais, eq. (4.1).

Método Padrão

Para o cálculo dos expoentes de Lyapunov com o método padrão é usada uma condição
inicial X(t0 ) e a partir disso o sistema evolui no tempo, conforme a solução do sistema de equa-
ções diferenciais não-lineares. A solução desse sistema de equações diferenciais origina a tra-
jetória fiducial ou trajetória de referência. No mesmo instante, n condições iniciais, orientadas
nas n direções canônicas em torno da condição inicial da trajetória fiducial, formam raios ri (t0 )
unitários. A evolução no tempo do sistema partindo das n condições iniciais ocorre conforme a
solução da equação diferencial linearizada η em torno da trajetória fiducial X = X(t) (Wolf
et al., 1985):

∂fi
η̇ = J (X)η, J (X) = [aij ]n×n , fi = fi (X), aij = , (4.9)
∂xj

sendo J (X) a matriz jacobiana obtida da equação diferencial não-linear original. Com isso é
possível observar se as trajetórias linearizadas se afastam ou se aproximam da trajetória fiducial.
A resolução da equação diferencial não-linear é feita simultaneamente com as n equações line-
arizadas, ou seja, é resolvida a equação diferencial expandida, com condição inicial expandida.
Para n direções ortogonais (condições iniciais) tem-se:
h i h i
η̇ 1 η̇ 2 · · · η̇ n = J (X) η 1 η 2 · · · ηn (4.10)

n oT
ηi = η1i η2i . . . ηni (4.11)

sendo a equação diferencial expandida da forma:

Ẋ E = F E (X E ) (4.12)

onde: n oT
XE = X η1 . . . ηn (4.13)

e  

 F (X)  
 
 J (X)η 
 
1
F E (X E ) = .. (4.14)


 . 



 J (X)η  
n

onde X E e F E são vetores de dimensão n(n + 1).

Com as soluções η i obtêm-se aproximações para os expoentes de Lyapunov (log2 |η i |/t).


Em determinados instantes de tempo é necessário fazer uma ortonormalização, pois, os raios
53

ri (t) podem crescer rapidamente, além da base formada pela evolução temporal das condições
iniciais deixarem de ser ortogonal. Para fazer a ortonormalização pode-se usar o processo de
Gram-Schmidt (Wolf et al., 1985; Ramasubramanian and Sriram, 2000; Fiedler-Ferrara and
do Prado, 1994; Monteiro, 2006; Savi, 2006), descrito na sequência deste texto.
h i h i
Para uma base η 1 · · · η n uma nova base pode ser construída η̂ 01 · · · η̂ 0j · · · η̂ 0n

η1
η̂ 01 = (4.15)
|η 1 |

j−1
X
η 0j = ηj − (η j · η̂ 0i )η̂ 0i (4.16)
i=1

η 0j
η̂ 0j = 0 (4.17)
|η j |

Pode-se usar um tempo (passo) entre ortonormalizações fixo ∆t e, na sequência, verificar


a aproximação dos expoentes de Lyapunov. O valor |η i | é armazenado antes do processo de
ortonormalização: Pk
j=1 log2 |η i (j∆t)|
λik = . (4.18)
k∆t

λi = lim λik (4.19)


k→∞

sendo λi os expoentes de Lyapunov.

Pode-se adotar como critério de convergência um valor alto de k (consequentemente


t). Tomando os últimos m λik e calculando a média, ou seja, λ̄i = (λik + λi(k−1) + · · · +

λi(k−m+1) )/m e o erro é o desvio padrão da média σ̄i = σi / m. Em vez de usar um k alto,
pode-se empregar um critério de parada baseado em σ̄i .

Método de Eckmann-Ruelle

No método de Eckmann-Ruelle são feitas algumas alterações na equação diferencial ori-


ginal do sistema de forma a poder usar a definição de expoentes de Lyapunov para mapas
multidimensionais. Dado um mapa de dimensão m tem-se:

xn+1 = F (xn ). (4.20)


54

Os expoentes de Lyapunov para o mapa (Eckmann and Ruelle, 1985; Fiedler-Ferrara and do Prado,
1994) são definidos como 2

1
λj (x0 ) = lim log2 |Λj,N |, j = 1, 2, . . . , m (4.21)
N →∞ N

sendo |Λj,N | o módulo da j-ésima componente dos autovalores da matriz M

N −1
Y ∂F
M= Γ(xi ), Γ(xi ) = , (4.22)
i=0
∂x x=xi

no caso Γ(xi ) é a matriz Jacobiana no ponto xi .

Com a definição dos expoentes de Lyapunov dada pela eq. (4.21), pode-se agora alterar a
equação diferencial continua no tempo (4.1) para poder utilizar esta definição. Deve-se lembrar
que os expoentes de Lyapunov são invariantes em relação às transformações na EDO que serão
feitas.

Assume-se a EDO representativa do sistema dinâmico de interesse:

dx
= F (x(t)) = U (t), (4.23)
dt
logo:
dU dF dx
= = J (x)U (t) (4.24)
dt dx dt
Assumindo que a solução de (4.23) seja x(t) = f (x0 , t), assim:

dx df (x0 , t) dx0
U (t) = = = j 0 (t)U 0 (4.25)
dt dx0 dt
e
dU dj (t)
= U0 0 (4.26)
dt dt
igualando as eqs. (4.24) e (4.26) e usando a eq. (4.25) tem-se:

dj 0 (t)
= J (x)j 0 (t) (4.27)
dt

Ao obter a solução de j 0 (t) numericamente, usando um “passo” de integração τ , as so-


luções são como um mapa com ti = iτ . Considerando que j 0 (ti ) = Γ(xi ) e utilizando as
eqs. (4.21) e (4.22), encontra-se os expoentes de Lyapunov pelo método de Eckmann-Ruelle.

2
Será usado log2 em vez de ln, por questão de compatibilidade com o método padrão desenvolvido anterior-
mente.
55

4.2.2 Expoentes de Lyapunov Experimental - Método de Wolf

O método de Wolf para séries temporais é utilizado para se obter os expoentes de Lya-
punov de um sistema experimental. Com o método de Wolf é possível obter os dois maiores
expoentes de Lyapunov, porém, este trabalho irá tratar somente do algoritmo para obtenção do
maior expoente com tempo de evolução fixo, ou seja, o cálculo das aproximações dos expoentes
de Lyapunov é feito com variação de tempo fixo.

O método de Wolf é baseado nas ideias do método padrão que é utilizado quando se
conhece a equação diferencial do sistema. No método padrão tem-se a trajetória fiducial, que é
obtida pela solução numérica da equação diferencial não-linear. No método de Wolf a trajetória
fiducial é o espaço de estados reconstruído através da série temporal experimental.

No método padrão as n soluções linearizadas, que são obtidas da equação diferencial ori-
ginal, são comparadas com a trajetória fiducial para se obter as aproximações sucessivas dos
expoentes de Lyapunov. Para cada aproximação sucessiva é realizado o processo de ortonor-
malização de Gram-Schmidt e no caso o primeiro vetor vai tendendo à uma direção que tende
a maximizar o expoente de Lyapunov correspondente, enquanto o primeiro vetor não sofre mo-
dificações além de ficar unitário após o processo (Wolf et al., 1985).

Para o método de Wolf, a comparação com a trajetória fiducial, para posterior cálculo do
expoente de Lyapunov, é feita com uma trajetória próxima desta trajetória fiducial. Esta traje-
tória deve ser um trecho próximo o suficiente e faz parte da trajetória original, mas se compor-
tando como se fosse uma outra solução com condição inicial próxima. Com estas aproximações
sucessivas, é feito um procedimento que tem o mesmo objetivo do processo de Gram-Schmidt,
que é usado no método padrão. O procedimento de Wolf consiste em obter um ponto o mais
próximo da trajetória fiducial vigente e que seja mantida a orientação do vetor formado pelas
condições iniciais, o mais próximo possível do vetor anterior (veja o ângulo θ1 na figura 4.1).
Para se empregar o método de Wolf há duas etapas: a primeira consiste em obter o atrator
reconstruído, e a segunda usar o método propriamente dito.

Figura 4.1: Exemplificação do método de Wolf. Adaptado de (Wolf et al., 1985)


56

Em experimentos, geralmente não se tem ou mesmo se conhece todas as variáveis de es-


tado do sistema em estudo. Normalmente tem-se uma série temporal de dados experimentais de
um dos estados do sistema. Para fazer um estudo do sistema é preciso ter o atrator do mesmo.
Tal atrator pode ser reconstruído a partir da série temporal através do método dos atrasos tem-
porais de Takens (Monteiro, 2006). O atrator reconstruído é topologicamente equivalente ao
atrator original, tendo os mesmos invariantes, como por exemplo os expoentes de Lyapunov.

Dada a série temporal xj = x[j] = x(tj ) = x(jδt), com j = 0, . . . , N − 1, sendo


N o número de pontos e δt a taxa de amostragem da série temporal. No método dos atrasos
temporais de Takens os pontos do atrator reconstruído tem a forma:
n oT
Si = xi xi+τ . . . xi+(m−1)τ , (4.28)

sendo i a evolução temporal ou tempo discreto, m a dimensão de imersão e τ o tempo de atraso.


0
O número de pontos do atrator reconstruído é N = N − (m − 1)τ . O tempo de atraso é
obtido pelo primeiro mínimo da informação mútua (Fraser and Swinney, 1986), e a dimensão
de imersão é obtida pelo método falsos vizinhos próximos (Perc, 2006; Kodba et al., 2005).

Com o atrator reconstruído, pode-se calcular o maior expoente de Lyapunov do sistema


em estudo usando a seguinte expressão:

ν−1 0
!
1X Lj
λm = log2 (4.29)
te j=0 Lj

0
as variáveis Lj , Lj , ν e te são descritas a seguir.

No caso ν é o número total de passos de substituição:

0
ν = (N − 1)/∆t (4.30)

e como ν é discreto a divisão que aparece na eq. (4.30) é inteira, e assim, o tempo total de
evolução te é:
te = νδt∆t (4.31)

sendo ∆t o número de evoluções (δt∆t é o tempo de uma evolução). Idealmente ∆t > τ e ∆t


não deve ser muito maior que mτ , isso é feito para que a análise da evolução do sistema não
passe por uma região de dobragem no atrator reconstruído (Kodba et al., 2005; Perc, 2006).

Inicialmente tem-se uma trajetória próxima da trajetória fiducial, cuja separação Lj é:

Lj = |S(j∆t) − S(κj )| (4.32)

0
e após um tempo de evolução do sistema, as trajetórias ficam distantes entre si de Lj (figura 4.1):
57

0
Lj = |S((j + 1)∆t) − S(κj + ∆t)| (4.33)
0 0
Caso as trajetórias se afastem Lj > Lj e se elas se aproximem Lj < Lj .

Para se encontrar o valor do maior expoente de Lyapunov é necessário achar os valores de


κj . O valor de κj representa o tempo da posição da trajetória, que é representado pela função
vetorial S(.). Encontrando κj , encontra-se as trajetórias pelas quais se deve comparar com a
trajetória fiducial.

Para κ0 , procura-se um ponto da trajetória que comparado com S(0) tenha a menor dis-
tância além de κ0 ≥ 10. Com esta última imposição evita-se uma separação temporal pequena
que contribuiria para encontrar um expoente de Lyapunov zero ao invés do maior expoente.
Com isso, κ0 deve minimizar L0 da eq. (4.32), com a ressalva de que L0 < υmax , sendo υmax
(υmim ) a máxima (mínima 3 ) distância permitida entre as “duas” trajetórias.

Agora para κj , com j = 1, . . ., busca-se |κj − j| ≥ 10 e procura-se um κj que minimize


Lj com υmim < Lj < pυmax , sendo p uma ponderação e que em condições normais vale p = 1;
é necessário também que obedeça a seguinte relação:
 
Lj · Lj−1
arccos < θmin = 0,3 rad (4.34)
Lj Lj−1

Esta relação é equivalente ao processo de ortonormalização de Gram-Schmidt que é usado


no método padrão, mantendo o vetor Lj com quase a mesma orientação do vetor anterior Lj−1
com uma diferença máxima de 0,3 rad.

Caso não seja encontrado um κj que satisfaça os critérios acima, muda-se o valor da pon-
deração (p = 2) e repete-se os passos para obter κj e se mesmo assim o κj não for encontrado o
valor de p vai sendo alterado de unidade em unidade até um o valor máximo de p = 5. Depois
disso se κj ainda não for encontrado, p volta a ter o valor p = 1 e θmin tem o seu valor dobrado
e o processo se repete até que seja encontrado o respectivo κj ou até que o θmin > 3,14 rad
situação esta que faz com que κj = j.

4.3 Teste 0 − 1

A descrição do funcionamento do teste 0 − 1 é feita com base no artigo (Gottwald and


Melbourne, 2004), que apresenta o teste na sua forma original, e nos artigos (Gottwald and
Melbourne, 2005), (Gottwald and Melbourne, 2009b) e (Gottwald and Melbourne, 2009a) que
introduziram algumas melhorias no teste original e discussões práticas sobre a implementação
do teste.
3
O valor de υmim é da ordem do erro experimental.
58

O teste 0 − 1 é usado para verificar se um sistema dinâmico determinístico apresenta com-


portamento regular (periódico ou quase-periódico) ou caótico. O método é aplicado diretamente
em dados de uma série temporal, logo não tem-se a necessidade de reconstrução do espaço de
fases. Como resultado do método, tem-se o valor K ≈ 0 se o sistema dinâmico é regular ou
K ≈ 1 se for caótico.

A formulação do teste 0 − 1 é feita para tempo discreto, embora os dados experimentais


de um sistema de tempo continuo sejam discretizados através da amostragem do sinal, certos
cuidados devem ser tomados ao utilizar a formulação do teste 0 − 1. Pode haver para os dados
de um sistema contínuo no tempo Φ(t), um problema de sobreamostragem.

Para uma série de tempo discreta proveniente de um sistema contínuo no tempo, tem-
se x(j) = Φ(tj ) = Φ(jδt), sendo δt > 0 é o tempo de amostragem. A sobreamostragem
ocorre quando δt é muito pequeno. Isto pode levar a resultados do teste 0 − 1 (K) errados,
pois a convergência de K pode se tornar lenta e como o tempo da série é finito isso se torna um
problema. Um bom método para se evitar a sobreamostragem é discretizar a série de tal forma
que δt seja igual ao valor do primeiro mínimo da informação mútua da série em questão.

Dados os elementos de uma série temporal x(n) para n = 1, . . . , N temos as variáveis de


translação pc e qc :
Xn
pc (n) = x(j) cos(jc), (4.35)
j=1

n
X
qc (n) = x(j) sin(jc), (4.36)
j=1

para c ∈ (0, π).

As função pc (n) e qc (n) são limitadas se o sistema dinâmico for regular e caso a dinâmica
seja caótica, pc (n) e qc (n) se comportam assintoticamente com um movimento browniano 4 .
O crescimento das funções pc (n) e qc (n) pode ser determinado pelo deslocamento quadrático
médio (deslocamento médio quadrático) Mc (n). Para um sistema dinâmico regular pc (n) e
qc (n) são limitadas assim como Mc (n). Já para o caso caótico Mc (n) cresce linearmente no
tempo. O deslocamento quadrático médio Mc (n) é dado por:

N
1 X
Mc (n) = lim {[pc (j + n) − pc (j)]2 + [qc (j + n) − qc (j)]2 }, (4.37)
N →∞ N
j=1

que é valida quando n  N ou n ≤ ncorte onde ncorte  N . Na prática concluí-se que

4
O movimento browniano é a movimentação de partículas macroscópicas que ocorre tipicamente em um fluido
de forma aleatória em um espaço n-dimensional. Tal movimento tem comportamento caótico. Veja (Mörters
et al., 2010; Addison, 1997).
59

ncorte = N/10 pode produzir bons resultados. De forma geral Mc (n) tem o aspecto abaixo:

Mc (n) = V (c)n + Vosc (c, n) + e(c, n), (4.38)

sendo que a parcela do erro tem a propriedade limn→∞ e(c, n)/n = 0 no domínio (0, π) de c e
o termo oscilatório de Mc (n) é dado por:

1 − cos(nc)
Vosc (c, n) = (Ex)2 , (4.39)
1 − cos(c)
com
N
1 X
Ex = lim x(j). (4.40)
N →∞ N
j=1

Uma melhoria na estimativa do deslocamento quadrático médio pode ser feita retirando-
se o termo oscilatório. Deve ficar claro que isto não afeta as taxas de crescimento assintóticas
e com a retirada de Vosc (c, n), o comportamento linear de Mc (n) é regularizado. Com isso o
deslocamento quadrático médio melhorado é descrito abaixo:

Dc (n) = Mc (n) − Vosc (c, n). (4.41)

Para verificar se um sistema dinâmico tem comportamento regular ou caótico, no teste


0−1 emprega-se a taxa de crescimento assintótica Kc do deslocamento quadrático médio Mc (n)
ou Dc (n). Um valor de Kc ≈ 0 indica dinâmica regular, e Kc ≈ 1 indica dinâmica caótica.

O valor de Kc é calculado, de forma eficiente, pelo método de correlação linear. Este mé-
todo é descrito em termos de Dc (n) por este apresentar melhores resultados (Gottwald and Mel-
n oT
bourne, 2009b; Gottwald and Melbourne, 2009a). Dados os vetores ξ = 1 2 . . . ncorte
n oT
e ∆ = Dc (1) Dc (2) . . . Dc (ncorte ) , tem-se:

cov (ξ, ∆)
Kc = corr (ξ, ∆) = p ∈ [−1, 1], (4.42)
var (ξ) var (∆)

A covariância de dois vetores y, z de comprimento q pode ser descrita por:


q
1X
cov (y, z) = (yj − ȳ)(zj − z̄), (4.43)
q j=1

sendo a variância dada por


var (y) = cov (y, y), (4.44)
60

e a média definida por


q
1X
ȳ = yj . (4.45)
q j=1

Para certos valores de c no cálculo de Kc , pode ocorrer um fenômeno de ressonância, que


faz com que Kc ≈ 1. Isso ocorre independente da dinâmica ser regular ou caótica, logo, para
uma dinâmica regular, tal resultado conduz a erros. Para contornar esse problema escolhe-se
um conjunto de Nc valores de c de forma aleatória dentro do seu domínio e, para cada valor de
c, calcula-se um Kc correspondente.

O valor de K é obtido pelo cálculo da mediana dos Nc valores de Kc ou seja:

K = mediana (Ξ), (4.46)

com n oT
Ξ= Kc(1) Kc(2) . . . Kc(Nc ) . (4.47)

É preferível usar a mediana do que a média aritmética, pois a primeira é robusta em relação
aos valores de Kc relacionados à ressonância. Para reduzir ainda mais os efeitos da ressonância
o domínio de c é alterado para c ∈ (π/5, 4π/5) e foi constatado que um conjunto Nc = 100
valores distintos de c é adequado (Gottwald and Melbourne, 2009a).

No cálculo de K a série temporal precisa ter tamanho suficiente para que o valor de K
possa convergir satisfatoriamente. No caso de “caos fraco” a série temporal deve ser mais longa,
pois a convergência é mais lenta. Nas situações onde a série não seja longa o suficiente, o valor
de K pode não ser o correto, pois ainda não convergiu. Neste caso, pode-se distinguir entre a
dinâmica regular e o caos fraco de duas formas:

• Inspeção visual do gráfico no plano p − q, na figura 4.2(a) tem-se o caso de dinâmica


regular, na figura 4.2(b) tem-se o caos fraco e na figura 4.2(c) o caso caótico. Quanto
mais dados a série temporal tiver, mais próximo, para o caso de caos fraco, a figura 4.2(b)
estará da figura 4.2(c);
• Observar o gráfico de K versus N . Segundo (Gottwald and Melbourne, 2009a) se a
dinâmica é regular, K vai convergindo pra zero, já quando tem-se o caos fraco o valor de
K vai aumentando lentamente.

4.4 Considerações Finais

Neste capítulo foi visto o conceito de pontos de equilíbrio e o conceito de estabilidade no


sentido de Lyapunov utilizando a versão linearizada da EDO original que é valida para pontos
de equilíbrio hiperbólicos.
61

1.2 1.5 5

1
0
0.8 1

0.6
−5
q q q
0.4 0.5

−10
0.2

0 0
−15
−0.2

−0.4 −0.5 −20


−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 −1.5 −1 −0.5 0 0.5 1 −50 −40 −30 −20 −10 0 10
p p p

(a) Regular, µ = 3,569945672. (b) Caos fraco, µ = 3,569945672 + (c) Caos, µ = 3,9.
0,001.

Figura 4.2: Gráfico p versus q para o mapa logístico xn+1 = µxn (1 − xn ) com N=5000.

Como foi visto, a ênfase maior foi dada aos métodos de obtenção dos expoentes de Lya-
punov que serve para caracterizar o sistema como regular ou caótico, sendo vistos dois métodos
clássicos aplicados quando se conhece a EDO do sistema, no caso os métodos vistos foram:
o método padrão, que é relativamente simples e também eficiente, e o método de Eckmann-
Ruelle, que serve de contraponto ao método padrão, e é um pouco mais difícil de entender e
apresenta um tempo de processamento maior.

Também foram vistos métodos de análise não-linear que se aplicam a dados experimen-
tais. No caso foi visto um método de obtenção do maior expoente de Lyapunov que é baseado
nas ideias do método padrão, há muitos detalhes para implementar esse método como obter o
atrator reconstruído. Outro método visto que se aplica a dados experimentais na forma de uma
série temporal é o teste 0 − 1 que apresenta a vantagem de não ser necessário reconstruir o
atrator do sistema, sendo aplicado diretamente aos dados da série temporal, o resultado do teste
é K ≈ 0 caso o sistema seja regular ou K ≈ 1 caso o sistema seja caótico.
62
Capítulo 5

Análise da Dinâmica Não-Linear do


Giroscópio

Este capítulo apresenta uma análise não-linear do modelo matemático do giroscópio, as-
sim como dos resultados experimentais usando séries temporais. Inicialmente é realizada uma
análise dos pontos de equilíbrio e de sua estabilidade. Em seguida, três métodos clássicos de ob-
tenção de expoentes de Lyapunov são utilizados e seus resultados comparados. Estes métodos
são: o método padrão, o método de Eckmann-Ruelle e o método de Wolf com séries temporais.
Destaca-se que o método Padrão e método de Eckmann-Ruelle são baseados no uso da equa-
ções diferencial do modelo e da matriz Jacobiana. Já o método de Wolf se baseia em uma série
temporal que pode ser experimental ou proveniente da solução das equações do movimento. Por
fim, este capítulo também utiliza o teste 0 − 1. A partir destes testes é possível ter uma ideia do
comportamento do sistema, obtendo informações sobre estabilidade e as condições que podem
levar a comportamento regular ou caótico.

5.1 Pontos de equilíbrio e estabilidade

Os pontos de equilíbrio são soluções no espaço de fases que se mantém constantes no


tempo, ou seja para uma solução da equação diferencial cuja condição inicial seja um desses
pontos de equilíbrio, a solução é constante no tempo.

Para encontrar os pontos de equilíbrio do sistema deve-se resolver a equação a seguir:

F (X e ) = 0 (5.1)

com a equação diferencial do sistema na forma

Ẋ = F (X); X ∈ <6 (5.2)

63
64

sendo X e o vetor que representa os pontos de equilíbrio do sistema.


n oT
Xe = xe1 xe2 xe3 xe4 xe5 xe6 (5.3)

Como pode ser visto na eq. (5.1), para obter os pontos de equilíbrio é necessária a equação
diferencial do sistema no espaço de estados. Para facilitar o cálculo dos pontos de equilíbrio,
esta equação, que foi obtida no capítulo 3, é representada abaixo.

ẋ1 = x2 (5.4)

τz + [(−Ix + Iy + Iz )x2 sin(x3 ) + Ixx x6 ]x4


ẋ2 = (5.5)
Iz cos(x3 )

ẋ3 = x4 (5.6)

τy − Ixx x2 x6 cos(x3 ) + (Ix − Iz )x22 cos(x3 ) sin(x3 )


ẋ4 = (5.7)
Iy

ẋ5 = x6 (5.8)

τx +(Ix +Iy −Iz )x2 x4 cos(x3 )


ẋ6 = Ixx
+ Ix τz +[(−Ix +Iy +IzI)x 2 sin(x3 )+Ixx x6 ]x4
xx Iz
tan(x3 ) (5.9)

Resolvendo a eq. (5.1), de imediato com as eqs. (5.4), (5.6) e (5.8), obtêm-se:

xe2 = xe4 = xe6 = 0 (5.10)

Das eqs. (5.5), (5.7) e (5.9), juntamente com o resultado da eq. (5.10), obtém-se o restante da
solução de equilíbrio.

Da eq. (5.5) tem-se:


τz
=0 (5.11)
Iz cos(xe3 )
ou seja,
τz = 0 (5.12)

Agora da eq. (5.7) obtém-se:


τy
=0 (5.13)
Iy
logo
τy = 0 (5.14)
65

Finalmente, da eq. (5.9):


τx Ix τz tan(xe3 )
+ =0 (5.15)
Ixx Ixx Iz
Usando o resultado da eq. (5.12) em (5.15), resulta

τx = 0 (5.16)

Desta forma, para se encontrar os pontos de equilíbrio, são necessárias as equações dos
torques, as quais são mostradas abaixo e foram obtidas no capítulo 3:
   
 τx 
  −Tx sgn (xe6 ) − bx xe6 + [Tz sgn (xe2 ) + bx xe2 ] sin(xe3 ) 
  
τy = M gH cos(xe3 ) − Ty sgn (xe4 ) − by xe4 + τey (xe3 ) (5.17)

    
τz −[Tz sgn (xe2 ) + bz xe2 ] cos(xe3 )
 

com 
 −k(xe3 − θi ) : xe3 < θi

τey (xe3 ) = 0 : θi ≤ xe3 ≤ θf (5.18)

−k(xe3 − θf ) : xe3 > θf

Usando os resultados das eqs. (5.12), (5.14), (5.16) e (5.10) na eq. (5.17), tem-se:

M gH cos(xe3 ) + τey (xe3 ) = 0 (5.19)

onde observa-se que xe1 e xe5 não tem restrições, portanto:

xe1 , xe5 ∈ < (5.20)

Para encontrar xe3 , deve-se resolver a eq. (5.19). Os valores de M e g são constantes, já H
pode ser modificado conforme se mudam as posições dos contrapesos. O valor de xe3 depende
de H, ou seja, xe3 = xe3 (H). A seguir são obtidas as soluções de xe3 para os seguintes casos:

1. posição do centro de massa H < 0: neste caso τey (xe3 ) > 0 e xe3 < θi e a eq. (5.19) fica

M gH cos(xe3 ) − k(xe3 − θi ) = 0 (5.21)

Para encontrar xe3 quando H < 0, basta resolver a eq. não-linear (5.21).

2. posição do centro de massa H > 0: para este caso τey (xe3 ) < 0 e xe3 > θf . Partindo da
eq. (5.19) chega-se na eq. (5.22)

M gH cos(xe3 ) − k(xe3 − θf ) = 0 (5.22)

Neste caso xe3 é encontrado resolvendo a eq. não-linear (5.22).


66

3. posição do centro de massa H = 0: nessa situação τey (xe3 ) = 0 e θi ≤ xe3 ≤ θf . Da


eq. (5.19) conclui-se que não há restrições no valor de cos(xe3 ), logo xe3 é dado por

θi ≤ xe3 ≤ θf (5.23)

Como pode ser observado dos cálculos anteriores, há infinitos pontos de equilíbrio para o sis-
tema giroscópico.

A análise de estabilidade dos pontos de equilíbrio é feita pela determinação dos autovalo-
res γ obtidos da solução do determinante a seguir:

|J (X e ) − γI| = 0 (5.24)

sendo J (X e ) a matriz Jacobiana, obtida a partir de F (X) da equação diferencial e calculada


no ponto de equilíbrio, e I a matriz identidade.

Aplicando X e na matriz Jacobiana obtida no apêndice B, obtém-se:


 
0 1 0 0 0 0
0 − Ibzz 0 0 0 0
 

 
0 0 0 1 0 0

J (X e ) =  (5.25)
 
−M gH sin(xe3 )+de
0 0 − Ibyy 0 0

Iy 
 
0 0 0 0 0 1 
 bz Ix

( x Iz ) sin(xe3 )
b − bx
0 Ixx
0 0 0 − Ixx

sendo 
 −k
 : x3 < θi
de = 0 : θi ≤ x3 ≤ θf (5.26)

−k : x3 > θf

O determinante, lado esquerdo da eq. (5.24), tem a forma:



−γ 1 0 0 0 0

0 − Ibzz − γ 0 0 0 0



0 0 −γ 1 0 0
|J (X e ) − γI| = (5.27)

−M gH sin(xe3 )+de by
0 0 Iy
− Iy − γ 0 0

0
0 0 0 −γ 1

bz Ix
0 ( x Iz ) sin(xe3 )
b −
bx

Ixx
0 0 0 − Ixx − γ

Resolvendo a eq. (5.24) com a ajuda da eq. (5.27) tem-se:


     
2 bz bx by M gH sin(xe3 ) − de
γ +γ +γ γ +γ + =0 (5.28)
Iz Ixx Iy Iy
67

Assim, a solução da eq. (5.28) é:


γ1 = γ2 = 0 (5.29)

bz
γ3 = − (5.30)
Iz

bx
γ4 = − (5.31)
Ixx
γ5 e γ6 são obtidos da solução da eq. (5.32), que é parte da eq. (5.28),

by M gH sin(xe3 ) − de
γ2 + γ+ = 0, (5.32)
Iy Iy

resolvendo-se para os casos em que H = 0, H < 0 e H > 0.

No caso da posição do centro de massa H = 0, θi ≤ xe3 ≤ θf , logo M gH sin(xe3 )−de =


0 e a eq. (5.32) torna-se:
by
γ2 + γ = 0 (5.33)
Iy
com as soluções dadas por:
γ5 = 0 (5.34)

by
γ6 = − (5.35)
Iy

Algumas observações podem ser feitas para os casos:

• para H < 0, xe3 < θi e sin(xe3 ) < 0 logo M gH sin(xe3 ) − de = M gH sin(xe3 ) + k > 0;
• para H > 0, xe3 > θf e sin(xe3 ) > 0 logo M gH sin(xe3 ) − de = M gH sin(xe3 ) + k > 0;

Consequentemente para H < 0 ou H > 0, a eq. (5.32) se torna:

by M gH sin(xe3 ) + k
γ2 + γ+ =0 (5.36)
Iy Iy
com a solução na forma:
1 by  √ 
γ= −1 ± δ (5.37)
2 Iy
sendo  2
Iy M gH sin(xe3 ) + k
δ =1−4 (5.38)
by Iy

Existe três casos a se considerar δ = 0, δ < 0 e δ > 0.

M gH sin(xe3 )+k 1
1. δ = 0: Tem-se Iy b2y
= 4
e as soluções são números reais negativos e iguais,
68

ou seja, a solução tem multiplicidade 2

1 by
γ5 = γ6 = − (5.39)
2 Iy

M gH sin(xe3 )+k 1
2. δ < 0: Tem-se Iy b2y
> 4
e as soluções γ5 e γ6 são números complexos
conjugados, com parte real negativa

1 by  √ 
γ5 = −1 + i −δ (5.40)
2 Iy

1 by  √ 
γ6 = −1 − i −δ (5.41)
2 Iy

M gH sin(xe3 )+k 1
3. δ > 0: Não é difícil ver que 0 < δ < 1 e Iy b2y
< 4
com as soluções γ5 e γ6
sendo números reais distintos e negativos

1 by  √ 
γ5 = −1 + δ < 0 (5.42)
2 Iy

1 by  √ 
γ6 = −1 − δ < 0 (5.43)
2 Iy

Estes resultados, a respeito dos sinais dos autovalores do sistema linearizado, estão na
tabela 5.1.

Tabela 5.1: Resumo dos sinais dos autovalores dos pontos de equilíbrio do modelo do giroscó-
pio.
Autovalor H < 0 ou H > 0 H=0
δ<0 δ=0 δ>0
γ1 0 0 0 0
γ2 0 0 0 0
γ3 − Ibzz − Ibzz − Ibzz − Ibzz
γ4 − Ibxx
x
− Ibxxx
− Ibxx
x
− Ibxx
x

1 by
√   √ 
γ5 2 Iy
−1 + i −δ − 12 Ibyy 12 Ibyy −1 + δ 0
1 by
√  √ 
− 12 Ibyy 12 Ibyy −1 − δ − Ibyy

γ6 2 Iy
−1 − i −δ

Como dois dos autovalores sempre são nulos, os pontos de equilíbrio são elípticos e por-
tanto a análise do sistema não-linear através do estudo dos autovalores do sistema linearizado
não é conclusiva. Para saber a estabilidade dos ponto de equilíbrio do sistema não-linear pode
se usar o teorema da variedade central ou o método direto de Lyapunov, porem estes fogem do
escopo desta dissertação.
69

5.2 Expoentes de Lyapunov

Com os expoentes de Lyapunov, como visto no capítulo 4, é possível caracterizar um sis-


tema não-linear, isto é, saber se o mesmo tem comportamento regular ou caótico, ou em outras
palavras verificar a sensibilidade do sistema às condições iniciais. No sistema giroscópico em
estudo nesta dissertação tem-se um total de seis expoentes de Lyapunov, sendo um para cada
uma das direções canônicas do espaço de fases. Para um sistema ser caótico, basta que um
destes expoentes seja positivo, por isso, e por simplificação, nos gráficos onde os expoentes
aparecem, somente contém os três maiores expoentes.

O comportamento do giroscópio pode ser modificado com as mudanças dos valores dos
parâmetros associados ao sistema. Isso pode ser verificado através da mudança dos valores dos
expoentes de Lyapunov. A fim de ter um estudo mais completo, esta dissertação adotou uma
faixa de valores para alguns desses parâmetros.

Dentre os parâmetros do modelo do giroscópio têm-se os associados ao amortecimento


viscoso (bx , by e bz ), ao torque do atrito cinético (Tx , Ty e Tz ), torque elástico (k) e os re-
lacionados as componentes do tensor de inércia, entre outros. No caso do tensor de inércia,
suas componentes podem ser modificadas facilmente com as alterações das posições dos con-
trapesos, que neste caso seriam o contrapeso maior com massa m1 e posição h1 e contrapeso
menor com massa m2 e posição h2 . A mudança das posições dos contrapesos pode alterar tam-
bém o amortecimento viscoso do sistema, mas por simplificação admite-se que este parâmetro
permanece constante em relação às mudanças das posições dos contrapesos.

Como o modelo do giroscópio contém muitos parâmetros 1 , foram escolhidos apenas dois
para estudo, o amortecimento viscoso e as posições dos contrapesos que, de certa forma, podem
ser modificados experimentalmente. O amortecimento viscoso, pode ser modificado na prática,
por exemplo, com a mudança da densidade do ar. Mas como seria muito difícil controlar esse
parâmetro experimentalmente, só é mostrada a análise dos expoentes de Lyapunov relacionados
ao modelo.

Para o amortecimento viscoso foi escolhida uma faixa de valores que no caso, está em
torno dos valores estimados experimentalmente. A faixa de valores do amortecimento viscoso
(em N · m · s/rad) está entre 1,0 × 10−5 e 1,0 × 10−3 com passo de 1,0 × 10−5 . Para que
o tempo de processamento na obtenção dos expoentes de Lyapunov, para este caso, não fique
muito alto, os parâmetros relacionados ao torque cinético não foram considerados, ou seja,
assumiu-se Tx = Ty = Tz = 0,0.

Quanto a posição dos contrapesos, apenas a do contrapeso maior será variada para a aná-
lise tando do modelo quanto do experimento. O contrapeso m2 é fixo o mais próximo possível
do centro, ou seja, h2 = −0,0827 m. A posição do contrapeso maior h1 , varia de −0,2579 m,

1
Com valores destes parâmetros obtidos no apêndice A.
70

que corresponde a distância de 15,0 cm entre as faces mais próximas dos contrapesos m1 e m2 ;
até −0,1079 m, neste caso os contrapesos estavam encostados. Esta variação ocorreu com passo
de 1,0 mm quando a análise foi do modelo e 1,0 cm, quando a análise foi experimental.

O tempo total escolhido para obtenção dos expoentes de Lyapunov do modelo foi de
600,0 s. Este tempo foi escolhido de forma que fosse suficiente para que a solução do sistema
tenha uma grande quantidade de pontos no espaço de fases. O tempo é em média dez vezes
maior que o tempo adotado na parte experimental. Nos experimentos não foi possível ir muito
além de 1,0 min, pois o cabo que liga o sensor de nutação acabava influenciando no movimento,
não sendo possível prolongar muito o experimento. Caso os resultados simulados sejam com-
parados com os resultados experimentais, o tempo total sera de 60,0 s. A condição inicial X 0 ,
tanto da simulação quanto do experimento, pode ser vista na tabela 5.2.

Tabela 5.2: Condições iniciais para estimativa dos expoentes de Lyapunov.


x1 (rad) x2 (rad/s) x3 (rad) x4 (rad/s) x5 (rad) x6 (rad/s)
X0 0,00 0,00 0,00 0,00 0,00 68,49
0
X0 0,01 0,01 0,01 0,01 0,01 68,50

O erro padrão adotado para o método de Runge-Kutta de oitava ordem de passo variável,
que foi utilizado nos programas usados na seções 5.2.1 e 5.2.2, possui o valor de 1,0 × 10−12 ,
tanto para o erro relativo quanto para o erro absoluto, que é próximo do limite de casas decimais
para números de precisão dupla; qualquer exceção é explicitada no texto.

A fim de comparar duas soluções próximas no espaço de fases, adotou-se uma segunda
0
condição inicial X 0 , com diferença de 0,01 rad (ou rad/s), que é o valor aproximado da incer-
teza do ângulo, tabela 5.2.

5.2.1 Expoentes de Lyapunov do modelo

A seguir é feita uma descrição dos programas e algoritmos usados para estimar os ex-
poentes de Lyapunov. Todos estes programas foram testados com o sistema de Lorentz, para
posterior utilização no sistema giroscópico. Na sequência são obtidos os expoentes de Lyapu-
nov para cada método. Comparações entre os métodos assim como visualização do espaço de
fases para alguns casos, também são feitos.

Para o método padrão foi necessário além da equação diferencial, obtida no capítulo 3, a
matriz Jacobiana do sistema, que é apresentada no apêndice B. Para o método padrão foi criado
um programa baseado no algoritmo descrito em (Wolf et al., 1985). Neste programa, para obter
as soluções numéricas das equações diferenciais foi usado o método de Runge-Kutta de oitava
ordem de passo variável, poderia ser usado o de quarta ordem, mas o importante é o fato do
passo ser variável ou seja, o passo de integração é modificado pelo algoritmo do método para
71

manter a solução numérica dentro de um erro estipulado. Outros parâmetros relacionados ao


algoritmo são:

• Condições iniciais da equação diferencial;

• Tempo total de integração;

• Tempo entre ortonormalização (passo). Este passo foi escolhido como 0,25 s.

Para o método de Eckmann-Ruelle, foi adotado o programa desenvolvido por Paul Henry
Bryant, cujo código se encontra em (Bryant, 2009). Neste programa foram feitas algumas
modificações no código original, como a possibilidade de gravar os expoentes em arquivo, uso
de logaritmo na base dois para compatibilidade com o método padrão e utilização do método
de Runge-Kutta de oitava ordem com passo variável. Para esse método, assim como no método
padrão, é necessária a equação diferencial e a matriz Jacobiana do sistema 2 . Os parâmetros
usados pelo programa, como a condição inicial, são os mesmos adotadas pelo método padrão
para que se possa comparar os métodos.

No método de Wolf que utiliza séries temporais, é necessário, além da série temporal, o
passo, o tempo de amostragem, o tempo de atraso e a dimensão de imersão. Com isso pode-
se obter o atrator reconstruído, e assim, poder aplicar o método. Para a obtenção do tempo
de atraso foi usado o método de informação mútua. Já para obter a dimensão de imersão, foi
usado o método dos falsos vizinhos próximos; em ambos os casos, foi usado os programas
desenvolvidos por Matjaž Perc, que se encontra em (Perc, 2007). Aplicações dos programas
podem ser vistos em (Perc, 2005a; Perc, 2005b; Kodba et al., 2005; Perc, 2006). No programa
responsável por encontrar o tempo de atraso, denominado de mutual, é necessário o número de
pontos da série. Como existe um limite de 250000 pontos no programa mutual, foi necessário
utilizar um tempo de amostragem de 1,0 × 10−2 para não exceder esse limite; para o tempo
de atraso máximo foi usado o valor 500(5,0 s). Os outros parâmetros do programa não foram
alterados. Agora no programa responsável por encontrar a dimensão de imersão, denominado
de fnn, foi necessário indicar a dimensão máxima e mínima, as quais foram ajustadas como 1 e
10, respectivamente. Outros parâmetros como número de pontos da série e o tempo de atraso
são obtidos do programa mutual; os parâmetros restantes não foram alterados.

Através do atrator reconstruído, pode-se obter o maior expoente de Lyapunov. Para isto
foi usado o programa desenvolvido por Matjaž Perc nomeado de lyapmax e também foi criado
um programa chamado de wolf. Os programas lyapmax e wolf tem como base o algoritmo
descrito em (Wolf et al., 1985). Ambos os programas usam os dados obtidos dos programas
mutual e fnn, além dos seguintes parâmetros: passo 25 (0,25 s), distância mínima inicial 0,01,
distância máxima inicial 2,0, com os demais parâmetros deixados nos valores padrões.
2
No algoritmo existe a possibilidade de se usar a matriz Jacobiana numérica obtida, nesse caso, da própria
equação diferencial.
72

A convergência dos dois maiores expoentes de Lyapunov para o método padrão, para o
caso em que a face do contrapeso m1 se encontra na posição 9,0 cm da face de m2 , pode ser
observada na (figura 5.1(a)). O primeiro expoente tem um convergência assintótica (linha (1) da
figura 5.1(a)), já o segundo expoente (linha (2) da figura 5.1(a)) é assintótica com oscilações. No
caso do segundo expoente (figura 5.1(b), linha (2)), devido às oscilações, dependendo do tempo
final adotado o valor do expoente pode ser muito diferente. Por exemplo se o tempo final for de
596,0 s, o expoente valerá −0,95×10−3 1/s, já se o tempo final for de 597,0 s o expoente será de
3,05 × 10−3 1/s, o que constitui uma diferença relativa muito grande no expoente de Lyapunov
por uma diferença de apenas 1,0 s no tempo final. Para contornar esse problema, o expoente
foi calculado como a média aritmética simples do último trecho do gráfico da convergência dos
expoentes e foi adotado o trecho final dos últimos 5,0 s que equivale às últimas 20 amostras do
gráfico (já que uma aproximação dos expoentes ocorre a cada 0,25 s, que é o valor do passo
adotado). Neste casso o valor médio do segundo expoente de Lyapunov para um tempo total
de 600,0 s é m = 1,5813 × 10−3 1/s (figura 5.1(b), linha (m)) com desvio padrão da média
d = 3,8116 × 10−4 1/s e erro relativo e = 24,1 %. Adotando-se um trecho maior esse erro
relativo pode ficar menor, mas a média não vai mudar muito.

−3
x 10
0.2 4
(1)
0.18 (2) 3
Expoentes de Lyapunov [1 / s]

Expoentes de Lyapunov [1 / s]

0.16
2
0.14
(m)
0.12 1

0.1
0
0.08 (2)
−1
0.06

0.04 (1) −2
(2)
0.02 −3 (2)
0 (m)
−4
0 100 200 300 400 500 600 594 595 596 597 598 599 600
tempo [s] tempo [s]

(a) Convergência de λ1 e λ2 . (b) Trecho final da convergência de λ2 .

Figura 5.1: Exemplo de convergência para os dois maiores expoentes de Lyapunov usando o
método padrão.

Um exemplo de gráfico de convergência para o método de Eckmann-Ruelle e para o


método de Wolf para séries temporais simuladas, nas mesmas condições que foram aplicadas
no método padrão, pode ser visto nas figuras 5.2(a) e 5.2(b), respectivamente.

O tempo de processamento para dois dos três exemplos de convergência dos expoentes
foi: método padrão 68,0 s, método de Eckmann-Ruelle 173,0 s; já era esperado que o método de
Eckmann-Ruelle demandasse mais tempo de processamento, como visto em (Ramasubramanian
and Sriram, 2000).

Os expoentes de Lyapunov mostrados nas figuras desta dissertação, são os três maiores, os
73

0.3 0.4

0.25 0.3
Expoentes de Lyapunov [1 / s]

Expoentes de Lyapunov [1 / s]
0.2 (1) 0.2 (1)
(2) (2)

0.15 0.1
(1)
0.1 0
(2)
0.05 −0.1
(1)
(2)
0 −0.2

−0.05
300 350 400 450 500 550 600 0 100 200 300 400 500 600
tempo [s] tempo [s]

(a) Método de Eckmann-Ruelle. (b) Método de Wolf. Série da velocidade de nuta-


ção (x4 ). Linha (1) programa lyapmax e na linha (2)
programa wolf.

Figura 5.2: Exemplo de convergência para os dois maiores expoentes de Lyapunov usando os
métodos de Eckmann-Ruelle e Wolf.

restantes em geral, são negativos. No caso isso é feito para que as figuras não fiquem carregadas,
já que há um total de seis expoentes.

Iniciando a análise dos expoentes de Lyapunov do modelo, com a variação dos parâmetros
do amortecimento viscoso, no caso bx , by e bz conforme descrito na seção 5.2. Variou-se um
dos parâmetros do amortecimento viscoso de cada vez, mantendo-se os demais com os valores
padrões. Para o controle do erro no método de Runge-Kutta foram usados os seguintes valores:
erro relativo 1,0 × 10−12 , erro absoluto 1,0 × 10−11 ; o erro absoluto foi reduzido para que o
método de Runge-Kutta não apresenta-se mensagens de “erro”, como por exemplo, que o passo
de integração estivesse muito pequeno, etc.

As figuras 5.3(a) e 5.3(b) mostram os expoentes de Lyapunov calculados com o método


padrão e com o método de Eckmann-Ruelle, respectivamente, considerando a variação do parâ-
metro bx . No método padrão na figura 5.3(a), observou-se que sempre um dos expoentes, o (1)
no caso, é sempre zero, os demais expoentes são positivos para a maioria dos parâmetros. Em
relação ao método de Eckmann-Ruelle, os expoentes são mostrados na figura 5.3(b). Observa-se
que para toda a faixa de parâmetros os expoentes são positivos. Não há concordância numéricas
entre os resultados do método padrão e do método de Eckmann-Ruelle. Por exemplo, enquanto
um dos expoentes do método padrão é sempre zero, no método de Eckmann-Ruelle isso não
ocorre.

Na figura 5.4(a) podem ser vistos os expoentes estimados pelo método padrão, em toda
a faixa de by . Há pelo menos um dos expoentes positivos e, de forma geral, esses expoentes
decaem com o aumento de by . Já no método de Eckmann-Ruelle, figuras 5.4(b), dois dos
expoentes ficam praticamente constantes, o restante decai com o aumento de by .

Quanto a influência da variação de bz , pode ser constatado analisando a figura 5.5(a)


74

0.035 0.035

(1)
0.03 (2) 0.03
(3) (1)
Expoentes de Lyapunov [1 / s]

Expoentes de Lyapunov [1 / s]
0.025 0.025

0.02 0.02
(2)
(2)
(3)
0.015 0.015

0.01 0.01
(3)

0.005 0.005
(1)
(1) (2)
(3)
0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Parâmetro bx [N ⋅ m ⋅ s / rad] −3 Parâmetro bx [N ⋅ m ⋅ s / rad] −3
x 10 x 10

(a) Métodos padrão. (b) Métodos Eckmann-Ruelle.

Figura 5.3: Expoentes de Lyapunov pelos métodos padrão e de Eckmann-Ruelle. A variação de


bx foi de 1,0 × 10−5 até 1,0 × 10−3 .

−3 −3
x 10 x 10

18 18 (2)
(1)
(2)
16 16
(3)
14 14
Expoentes de Lyapunov [1 / s]

Expoentes de Lyapunov [1 / s]

12 12

10 10
(1)
8 8
(3)
6 6

4 (3) 4

2 (2) 2

0 0 (1)
(1)
(2)
−2 −2 (3)

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Parâmetro by [N ⋅ m ⋅ s / rad] −3 Parâmetro by [N ⋅ m ⋅ s / rad] −3
x 10 x 10

(a) Métodos padrão. (b) Métodos Eckmann-Ruelle.

Figura 5.4: Expoentes de Lyapunov pelos métodos padrão e de Eckmann-Ruelle. A variação de


by foi de 1,0 × 10−5 até 1,0 × 10−3 .

que, usando o método padrão o expoentes (3) apresentou um valor máximo e um mínimo, mas
ainda assim positivo, assim como os outros expoentes. Já para o método de Eckmann-Ruelle
figuras 5.5(b), houve muita oscilação nos expoentes, mas sempre com pelo menos um positivo,
em toda a faixa de valores de bz .

Para finalizar a análise do amortecimento viscoso, nas figuras 5.6(a), 5.6(b) e 5.6(c) foi
efetuada a soma dos expoentes de Lyapunov para os parâmetros bx , by e bz , respectivamente.
Observa-se nas figuras 5.6(a) e 5.6(b) que, independente do método aplicado, o coeficiente das
retas foi sempre o mesmo e, conforme aumenta-se o parâmetro de amortecimento viscoso, pro-
porcionalmente a soma dos expoentes diminui. Neste caso, a soma dos expoentes é negativa,
pois o sistema é dissipativo. Já para bz , conforme mostra a figura 5.6(c), diferente dos casos
75

0.04 0.04
(2)
0.035 0.035

0.03 0.03
Expoentes de Lyapunov [1 / s]

Expoentes de Lyapunov [1 / s]
0.025 0.025
(1) (1)
(2)
0.02 (3) 0.02
(3)

0.015 0.015
(2) (3)

0.01 0.01

0.005 0.005

0 0 (1)
(1)
(2)
(3)
−0.005 −0.005
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Parâmetro bz [N ⋅ m ⋅ s / rad] −3 Parâmetro bz [N ⋅ m ⋅ s / rad] −3
x 10 x 10

(a) Métodos padrão. (b) Métodos Eckmann-Ruelle.

Figura 5.5: Expoentes de Lyapunov pelos métodos padrão e de Eckmann-Ruelle. A variação de


bz foi de 1,0 × 10−5 até 1,0 × 10−3 .

anteriores, com o aumento do parâmetro de amortecimento correspondente, no caso do parâme-


tro bz , a soma dos expoentes fica oscilando, principalmente no método de Eckmann-Ruelle. Na
média a soma fica mais negativa com aumento de bz .

−0.08
−0.08 −0.006
−0.082
−0.09
−0.008
Soma dos Expoentes de Lyapunov [1 / s]

Soma dos Expoentes de Lyapunov [1 / s]

Soma dos Expoentes de Lyapunov [1 / s]

−0.084
−0.1
−0.01
−0.086
−0.11 (1) (1)

−0.088 −0.012
−0.12
(1)
−0.09 −0.014
−0.13

−0.092 −0.016
−0.14
(2) (2) (2)
−0.15 −0.094
−0.018

−0.16 −0.096
−0.02

−0.17 −0.098
(1) (1) (1)
(2) (2) −0.022 (2)
−0.18 −0.1
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Parâmetro bx [N ⋅ m ⋅ s / rad] −4 Parâmetro by [N ⋅ m ⋅ s / rad] −4 Parâmetro bz [N ⋅ m ⋅ s / rad] −4
x 10 x 10 x 10

(a) Variação de bx . (b) Variação de by . (c) Variação de bz .

Figura 5.6: Soma dos expoentes de Lyapunov. Métodos: padrão (1), Eckmann-Ruelle (2). Com
parâmetros variando de 1,0 × 10−5 até 1,0 × 10−3 .

Apesar dos expoentes de Lyapunov para os métodos padrão e de Eckmann-Ruelle não


concordarem na análise da influência do amortecimento viscoso, a soma dos expoentes difere
pouco, indicando que as orientações dos expoentes é que diferem. Como a soma dos expoentes
tem relação com a expansão ou contração do volume do atrator no espaço de fases, uma soma
negativa indica contração do volume do atrator, isso já era esperado pois o sistema é dissipativo
e quanto mais dissipativo mais o volume se contraí, como foi observado na diminuição da soma
dos expoentes conforme o amortecimento viscoso aumentava.

Como os expoentes de Lyapunov obtidos pelos métodos padrão e de Eckmann-Ruelle não


concordaram, poder-se-ia imaginar que os programas que implementam tais métodos estives-
76

sem com algum erro. Porém tais programas foram testados como o sistema de Lorentz e os
resultados foram plenamente satisfatórios como pode ser visto no apêndice C (página 103).

No método padrão 3 , as aproximações dos expoentes de Lyapunov são obtidas pela evolu-
ção no tempo de n condições iniciais que ocorrem conforme a solução das equações diferenciais
linearizadas do sistema. Em determinados instantes de tempo é necessário fazer uma ortonor-
malização na base do sistema linearizado, usando o processo de Gram-Schmidt. O primeiro
vetor, conforme evolui no tempo, vai tendendo à uma direção que tende a maximizar o expo-
ente de Lyapunov correspondente. O processo de Gram-Schmidt normaliza o primeiro vetor
mas não altera a sua orientação, já os demais vetores mudam sua orientação de forma a ficarem
ortonormais. Logo, no método padrão, a direção no espaço de fases em que há a maior expan-
são 4 ou menor contração ocorre na direção do primeiro vetor. Contudo o que se observou é
que o expoente de Lyapunov associado a essa direção é nulo, ou seja o vetor começa unitário
em uma certa direção e com o passar do tempo não muda, fica constante. Devido ao primeiro
vetor não ser orientado na direção de maior expansão ocorrem diferenças nos resultados dos ex-
poentes de Lyapunov calculados pelo método padrão e pelo método de Eckmann-Ruelle. Para
resolver esse problema é necessário alterar o programa de forma que a orientação do primeiro
vetor seja diferente.

O último parâmetro estudado foi relacionado a posição do contrapeso m1 , veja descrição


mais detalhada no inicio desta seção 5.2. Nas figuras 5.7(a) e 5.7(b) apresenta-se os expoentes
de Lyapunov estimados usando o método padrão e o método de Eckmann-Ruelle, respectiva-
mente. Observou-se que um dos expoentes decresce de valor, conforme o giroscópio fica mais
desequilibrado. Em nenhum momento os expoentes ficaram negativos. A faixa de parâmetros
de h1 não continha nenhum valor que fizesse com que o centro de massa ficasse zero, ou seja,
H = 0,0 m, mas o extremo h1 = −0,2579 m esta próximo do equilíbrio. Logo, por simetria 5 ,
0
o valor máximo do expoente de Lyapunov, linha (2), deve estar na posição h1 que faz H = 0 ou
0
deve haver dois máximos em torno de h1 .

Da análise feita nos parâmetros relacionados ao amortecimento viscoso e a posição do


contrapeso maior pode-se ver que a ordem dos expoentes em relação a suas amplitudes se
alterna, não somente o primeiro como já foi discutido para o método padrão. Isso acontece para
os dois métodos, mas no sistema de Lorentz isso não ocorreu. Também é observado que os
expoentes encontrados para o sistema giroscópico, embora sejam positivos, tem um amplitude
baixa com um valor máximo da ordem de 0,018 e 0,035 para os métodos padrão e de Eckmann-
Ruelle respectivamente. Com um valor baixo para os expoentes de Lyapunov mais o fato de a
ordem dos expoentes ficar, em muitos casos, alternando, conclui-se que esses expoentes podem
estar convergindo para zero. Caso os expoentes de Lyapunov sejam realmente positivos, tem-se
nessa situação caos fraco já que os expoentes tem um valor pequeno mas positivo, por outro

3
Ver seções 4.2.1 e 4.2.2, páginas 52 e 55 respectivamente.
4
Maior divergência entre duas trajetórias com condições iniciais próximas.
5
Essa seria uma hipótese a confirmar.
77

−3 −3
x 10 x 10

18 18 (2)

16 16
Expoentes de Lyapunov [1 / s]

Expoentes de Lyapunov [1 / s]
14 14
(2)
12 12 (1)

10 10

8 8 (3)

(1)
6 6
(2)
(3)
4 4
(3)
2 2
(1)
0 0 (2)
(1)
(3)
−2 −2
−0.26 −0.24 −0.22 −0.2 −0.18 −0.16 −0.14 −0.12 −0.1 −0.26 −0.24 −0.22 −0.2 −0.18 −0.16 −0.14 −0.12 −0.1
Parâmetro h1 [m] Parâmetro h1 [m]

(a) Método padrão. (b) Método de Eckmann-Ruelle.

Figura 5.7: Expoentes de Lyapunov com h1 variando de −0,2579 m até −0,1079 m.

lado se os expoentes estiverem convergindo para zero, tem-se um comportamento regular.

Para confirmar a suspeita de que os expoente de Lyapunov positivos estão convergindo


para zero, pretende-se usar o teste 0 − 1 que possibilita ter uma ideia se é caos fraco ou se o
comportamento é regular. Para o teste são escolhidos dois expoentes, em relação a variação do
parâmetro bx que são obtidos pelo método padrão e que possuam as maiores amplitudes. Na
figura 5.3(a), pode-se ver que o expoente (3) tem um valor máximo em bx = 2,2 × 10−4 , já o
expoente (2), apresenta um pico em bx = 7,3 × 10−4 .

Com os parâmetros bx = 2,2 × 10−4 e bx = 7,3 × 10−4 obtêm-se duas séries temporais da
posição angular de nutação x3 . Tal escolha de variável de estado é justificada na próxima seção,
que é obtida pela solução numérica da EDO do sistema. A condição inicial é a mesma adotada
no cálculo dos expoentes de Lyapunov e o passo de integração foi δt = 1,0 × 10−2 s e o tempo
total foi t = 800,0 s. A partir das séries temporais os tempos de atraso são obtidos e o teste 0 − 1
pode ser aplicado aos dados da série que foram re-amostrados utilizando o tempo de atraso 6 .
Para cada parâmetro dois valores de K são obtidos, um que foi obtido usando a série temporal
na íntegra (Kt ) e outro que exclui da série os primeiros 10 % dos dados (Kr , série reduzida),
o que elimina os movimentos iniciais de maior amplitude. Na tabela 5.3 pode-se observar que
tanto Kt quanto Kr , para os dois parâmetros usados, apresenta um valor próximo de zero. Para
confirmar se o comportamento é regular ou se há caos fraco são utilizados a seguir os gráficos
p − q.

Para o parâmetros bx = 2,2 × 10−4 , usando todos os dados da série, obtém-se a fi-
gura 5.8(a). Já a figura 5.8(b) foi obtida retirando-se 10 % dos dados iniciais da série. Das
figuras 5.8(a) e 5.8(b) conclui-se então que o comportamento para bx = 2,2 × 10−4 é regular,
conforme discussão no final da seção 4.3.

6
Detalhes de como o teste 0 − 1 funciona pode ser visto na seção 4.3, página 57.
78

Tabela 5.3: Resumo do teste 0 − 1 aplicado a duas séries temporais simulada de x3 . Sendo τt e
Kt o tempo de atraso e o resultado do teste 0 − 1 da série completa respectivamente. Enquanto
τr e Kr estão relacionados a série original em que foi eliminado os primeiros 10 % dos dados.
bx (N · m · s/rad) τt τr Kt Kr
−4 −1
2,2 × 10 9 7 2,99×10 1,36×10−1
7,3 × 10−4 10 7 2,31×10−1 −6,22×10−4

0.5 0.8

0.4 0.7

0.3 0.6

0.2 0.5

0.1 0.4
q q
0 0.3

−0.1 0.2

−0.2 0.1

−0.3 0

−0.4 −0.1

−0.5 −0.2
−0.5 0 0.5 −0.8 −0.6 −0.4 −0.2 0 0.2
p p

(a) Série completa. (b) Série sem os primeiros 10 % dos dados.

Figura 5.8: Gráfico p − q do teste 0 − 1 com bx = 2,2 × 10−4 N · m · s/rad.

Para o parâmetros bx = 7,3 × 10−4 com a série temporal completa observa-se na fi-
gura 5.9(a) que existe alguns pontos um pouco desalinhados. Isso acaba gerando um pouco de
dúvidas em relação se é caos fraco ou o comportamento regular. Agora com a série reduzida,
isto é, sem os movimentos iniciais com amplitudes maiores, pode-se ver da figura 5.9(b) que o
comportamento é regular.

0.6 1.2

0.5
1
0.4

0.3 0.8

0.2
0.6
q q
0.1
0.4
0

−0.1 0.2
−0.2
0
−0.3

−0.4 −0.2
−0.6 −0.4 −0.2 0 0.2 0.4 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4
p p

(a) Série completa. (b) Série sem os primeiros 10 % dos dados.

Figura 5.9: Gráfico p − q do teste 0 − 1 com bx = 7,3 × 10−4 N · m · s/rad.

Como o comportamento é regular para os dois casos estudados, pelo menos desconside-
rando os dados iniciais da série que formaria provavelmente a parte de transiente, conclui-se
que os expoentes positivos encontrados estão convergindo para zero.
79

Para finalizar a análise não-linear do modelo são apresentados os gráficos no espaço de


fases para os casos bx = 2,2 × 10−4 e bx = 7,3 × 10−4 . Como a dimensão do espaço de fases é
6 surge a necessidade de projetar a solução da EDO em um espaço de dimensão menor. Neste
caso adota-se a opção de ignorar 3 dimensões, no caso os estados mantidos são aqueles cujas as
amplitudes são limitadas, ou seja, a velocidade angular de precessão x2 , a posição angular de
nutação x3 e a velocidade de nutação x4 .

A solução da EDO para bx = 2,2 × 10−4 dos primeiros 30,0 s pode ser vista na fi-
gura 5.10(a) e os ultimos 30,0 s de um tempo total de 300,0 s é mostrado na figura 5.10(b). Já
para bx = 7,3 × 10−4 a trajetória dos primeiros e dos últimos 30,0 s podem ser vistos nas figu-
ras 5.11(a) e 5.11(b) respectivamente de um tempo total de 300,0 s. Na figura 5.11(b) observa-se
que, aparentemente, a trajetória está indo para um ciclo limite.

0.5 0.4
x4 [rad/s]

0.2
0
Z [rad/s]

0
−0.5
−0.2 −3
−1 −2
0.4 −0.4 −1
1.5 0.61 0 −3
x 10
0.62 1
0.2 1
0.63 2
0.5 0.64 3
x3 [rad] 0 0 0.65 4 X [rad/s]
x2 [rad/s]
Y [rad]

(a) Primeiros 30,0 s. (b) Últimos 30,0 s de um total de 300,0 s.

Figura 5.10: Espaço de fases das variáveis x2 , x3 e x4 com bx = 2,2 × 10−4 N · m · s/rad.

1
0.5

0.5
Z [rad/s]
x4 [rad/s]

0
−0.5
−0.5

−1
−1 0.7
1
3 0.65
0.5 2 1
0.6 0.8
1 0.6
0.4 −5
0 0 0.2 x 10
x3 [rad] x2 [rad/s] Y [rad] 0.55 0
X [rad/s]

(a) Primeiros 30,0 s. (b) Últimos 30,0 s de um total de 300,0 s.

Figura 5.11: Espaço de fases das variáveis x2 , x3 e x4 com bx = 7,3 × 10−4 N · m · s/rad.
80

5.2.2 Expoentes de Lyapunov experimental

Para a obtenção dos expoentes de Lyapunov, baseado em dados experimentais, é neces-


sário ter uma série temporal de uma das grandezas físicas do giroscópio. Como visto anterior-
mente, as grandezas do movimento do giroscópio que puderam ser medidas foram as posições
angulares de precessão e nutação. Para a análise dos expoentes de Lyapunov, através de séries
temporais, o parâmetro usado foi a posição do contrapeso m1 , conforme descrição da seção 5.2.

Para a série temporal da posição angular de precessão, com o contrapeso m1 nas posições
−0,1079 m e −0,1179 m, foram obtidos os seguintes dados: tempo de atraso 248 e 163; dimen-
são de imersão 1 e 2, respectivamente. Já para a série temporal da posição angular de nutação,
os dados foram: tempo de atraso 168 e 155; dimensão de imersão 5 e 6, respectivamente. Como
a dimensão de imersão relacionada a posição de precessão, encontrada para as duas posições
de m1 , foram muito baixas em comparação com o valor encontrado para a posição de nutação,
conclui-se que a série temporal da posição angular de precessão não representa bem o sistema,
em comparação com a série temporal da posição angular de nutação. Por isso a análise será
feita em relação a esta última série.

Na tabela 5.4 pode-se ver um resumo das informações obtidas, da série temporal da posi-
ção angular de nutação. O tempo de amostragem foi de ts = 0,001 s e o passo de 250.

Tabela 5.4: Resumo da série temporal experimental da posição angular de nutação x3 . Na


tabela τ representa tempo de atraso, m representa dimensão de imersão, λl e λw representam
os expoente de Lyapunov, usando os programas lyapmax e wolf respectivamente.
Posição pontos τ m λl λw
de h1 (m) (1/s)
−2
−0,1079 49793 168 5 −7,70×10 8,33×10−3
−0,1179 33655 155 6 7,19×10−2 1,17×10−1
−1
−0,1279 34141 136 10 1,06×10 −2,40×10−2
−0,1379 31282 139 10 1,12×10−1 3,09×10−2
−0,1479 30611 159 7 6,84×10−2 1,27×10−1
−0,1579 31674 139 5 9,79×10−2 −1,65×10−1
−0,1679 31136 158 7 8,69×10−2 1,01×10−1
−0,1779 27546 137 5 6,62×10−2 1,13×10−1
−0,1879 32423 133 5 1,33×10−1 1,15×10−1
−1
−0,1979 34329 163 6 2,07×10 4,72×10−2
−0,2079 54243 245 10 1,97×10−2 −2,27×10−1
−0,2179 65664 327 5 1,11×10−1 −8,87×10−2
−0,2279 62608 201 10 −2,40×10−3 4,42×10−2
−2
−0,2379 71556 286 6 9,79×10 8,90×10−2
−0,2479 65126 304 6 −2,38×10−2 7,10×10−2
−0,2579 117889 433 10 −2,19×10−2 4,31×10−3

Para transformar número de pontos n no tempo total tt , basta usar a expressão: tt =


81

(n − 1)ts , logo o tempo máximo obtido, foi de ts = 117,888 s. Observou-se que a dimensão
de imersão varia de 5 a 10. Exemplo de convergência do expoente de Lyapunov, se encontra
nas figuras 5.12(a) e 5.12(b), para o caso em que o contrapeso m1 esteja na posição h1 =
−0,1979 m.

2 0.8
Convergência do Maior Expoente de Lyapunov [1 / s]

Convergência do Maior Expoente de Lyapunov [1 / s]


1.8
0.6
1.6
0.4
1.4

1.2 0.2

1 0

0.8
−0.2

0.6
−0.4
0.4

−0.6
0.2

0 −0.8
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
Tempo [s] Tempo [s]

(a) Usando o programa lyapmax. (b) Usando o programa wolf.

Figura 5.12: Exemplo de convergência de λ da série temporal experimental de x3 , com h1 =


−0,1979 m.

Com base na tabela 5.4, obtém-se a figura 5.13. Os resultados não concordam numerica-
mente, apesar dos programas lyapmax e wolf serem, a principio, baseados no mesmo algoritmo;
em relação aos sinais dos expoentes, os dois programas concordam para certos parâmetros,
sendo o sinal que apresenta concordância positivo.

0.25

0.2
(lyapmax)
Expoentes de Lyapunov [1 / s]

0.15

0.1

0.05

−0.05

−0.1
(lyapmax)
(wolf)
−0.15
(wolf)
−0.2

−0.25
−0.26 −0.24 −0.22 −0.2 −0.18 −0.16 −0.14 −0.12 −0.1
Parâmetro h1 [m]

Figura 5.13: Expoentes de Lyapunov da série temporal experimental de x3 .

A fim de verificar se o modelo e os resultados experimentais do giroscópio, apresentam o


mesmo comportamento não-linear, foi feita uma comparação. Para isso simulou-se uma série
temporal resolvendo a equação diferencial do modelo nas mesmas condições do experimento e
82

usando a posição angular de nutação como uma série temporal. Na tabela 5.5 apresenta-se um
resumo das propriedades da série simulada.

Tabela 5.5: Resumo da série temporal simulada da posição angular de nutação x3 . Na tabela τ
representa tempo de atraso, m representa dimensão de imersão, λl e λw representam os expo-
ente de Lyapunov, usando os programas lyapmax e wolf respectivamente.
Posição pontos τ m λl λw
de h1 (m) (1/s)
−2
−0,1079 294 2 1,01×10 −1,19×10−4
−0,1179 289 3 −6,95×10−3 −1,10×10−3
−0,1279 277 3 −1,53×10−2 −1,09×10−3
−0,1379 267 3 −1,08×10−1 8,74×10−4
−0,1479 273 3 −1,69×10−1 −7,18×10−4
−0,1579 257 3 −1,73×10−1 −6,13×10−2
−0,1679 244 8 −2,14×10−2 −9,30×10−2
−0,1779 255 5 −1,17×10−1 −1,00×10−1
60001
−0,1879 222 3 −1,84×10−1 −3,38×10−2
−0,1979 231 3 −3,06×10−1 −3,29×10−2
−0,2079 228 3 −2,62×10−1 −4,22×10−2
−0,2179 215 3 −1,84×10−1 −5,49×10−2
−0,2279 203 3 −1,80×10−1 −7,47×10−2
−0,2379 196 3 −1,83×10−1 −4,46×10−2
−0,2479 195 3 −1,93×10−1 −4,39×10−2
−0,2579 186 3 −1,95×10−1 −4,59×10−2

A dimensão de imersão da série temporal simulada apresenta, na média, um valor mais


baixo comparado com a serie temporal experimental. Nas figuras 5.14(a) e 5.14(b), pode ser
visto a convergência do expoente de Lyapunov da série simulada, para as mesmas condições da
série experimental.

0.3 0.8
Convergência do Maior Expoente de Lyapunov [1 / s]

Convergência do Maior Expoente de Lyapunov [1 / s]

0.7
0.2

0.6
0.1
0.5

0 0.4

−0.1 0.3

0.2
−0.2
0.1

−0.3
0

−0.4 −0.1
0 10 20 30 40 50 60 0 10 20 30 40 50 60
Tempo [s] Tempo [s]

(a) Usando o programa lyapmax. (b) Usando o programa wolf.

Figura 5.14: Exemplo de convergência de λ da série temporal simulada de x3 , com h1 =


−0,1979 m.
83

Para ver de forma mais clara os resultados dos expoentes de Lyapunov da série tempo-
ral simulada da tabela 5.5, foi criada a figura 5.15. Pode-se verificar nesta figura que não há
concordância numérica entre os programas usados. Porém, em relação ao sinal do expoente, há
uma concordância em quase todos os parâmetros, tendo o sinal negativo, ao contrário do que
ocorreu para a serie temporal experimental, que para a maioria dos parâmetros apresentou sinal
positivo.

0.05

0
Expoentes de Lyapunov [1 / s]

(wolf)
−0.05

−0.1

−0.15

−0.2

(lyapmax)
−0.25
(wolf)
(lyapmax)
−0.3

−0.35
−0.26 −0.24 −0.22 −0.2 −0.18 −0.16 −0.14 −0.12 −0.1
Parâmetro h1 [m]

Figura 5.15: Expoentes de Lyapunov da série temporal simulada de x3 .

Nos resultados dos expoentes de Lyapunov baseados nos programas lyapmax e wolf
houve diferenças. No caso os testes feitos no apêndice C tiveram melhores resultados com
o programa lyapmax apesar de ambos os programas serem baseados no mesmo algoritmo. O
programa lyapmax pode ter alguma melhoria em relação ao algoritmo original. Isso poderia ser
confirmado conseguindo o código fonte do programa lyapmax com os autores do mesmo.

Pode-se observar que os expoentes de Lyapunov experimentais oscilam muito com a va-
riação da posição h1 . Como os expoentes de Lyapunov do modelo (figuras 5.7(a) e 5.7(b))
nas mesmas condições as variações do maior expoente não foram bruscas e as amplitudes dos
expoente menores, provavelmente devido a ser usado um tempo bem maior.

Os experimentos não puderam ter um tempo mais longo isso acaba afetando e muito os
resultados. Por isso os resultados não foram muito conclusivos em relação aos expoentes de
Lyapunov aplicados a séries temporais experimentais.

5.3 Teste 0 − 1

No teste 0 − 1 utilizou-se os dados de séries temporais, assim como o tempo de atraso. A


vantagem do teste 0 − 1 é que não é necessária a reconstrução do atrator do sistema. Neste mé-
todo o tempo de atraso é utilizado para se evitar o problema de sobreamostragem. O programa
84

utilizado encontra-se no endereço eletrônico (Matthews, 2009).

Na tabela 5.6 apresentam-se os dados relevantes a respeito da série temporal experimental


da posição angular de nutação, assim como os valores de K. O tempo de amostragem original
da série foi de ts = 0,001 s e a série foi re-amostrada conforme o tempo de atraso empregado.
Para a série temporal simulada os dados se encontram na tabela 5.7.

Tabela 5.6: Resumo da série temporal experimental da posição angular de nutação x3 . Na tabela
τ representa tempo de atraso, K é o resultado do teste 0 − 1.
Posição de h1 (m) pontos τ K
−0,1079 49793 168 −0,118
−0,1179 33655 155 −0,059
−0,1279 34141 136 −0,023
−0,1379 31282 139 −0,049
−0,1479 30611 159 −0,087
−0,1579 31674 139 −0,141
−0,1679 31136 158 −0,074
−0,1779 27546 137 −0,054
−0,1879 32423 133 −0,105
−0,1979 34329 163 −0,058
−0,2079 54243 245 −0,183
−0,2179 65664 327 −0,166
−0,2279 62608 201 −0,186
−0,2379 71556 286 −0,135
−0,2479 65126 304 −0,142
−0,2579 117889 433 −0,134

Conforme as tabelas 5.6 e 5.7 pode-se ver que os valore de K estão mais próximos de
zero, portanto pelo teste 0 − 1, em ambos os casos o comportamento do sistema dinâmico é
regular. Porém as séries temporais são curtas, podendo os valores de K não terem convergido.
Para tirar essa dúvida, obtém-se o gráfico p − q para uma das séries simuladas e uma das séries
experimentais. Adota-se o parâmetro h1 = −0,1979 m que corresponde ao meio termo, ou seja,
não se encontra nas extremidades da haste. Na figura 5.16(a) mostra-se o caso simulado, de
acordo com o que foi visto no final da seção 4.3 o sistema apresenta dinâmica regular. Para a
série experimental tem-se a figura 5.16(b). Não está claro, pela figura, se a dinâmica é regular
ou apresenta caos fraco, pois há poucos pontos na mesma.

5.4 Conclusão

No sistema giroscópico em estudo foi verificado que existem infinitos pontos de equilíbrio
e da análise da estabilidade dos mesmos constatou-se que eles eram elípticos, pois a matriz
Jacobiana do sistema apresentou autovalores nulos e por isso a análise do sistema linear através
85

Tabela 5.7: Resumo da série temporal simulada da posição angular de nutação x3 . Na tabela τ
representa tempo de atraso, K é o resultado do teste 0 − 1.
Posição de h1 (m) pontos t K
−0,1079 294 −0,142
−0,1179 289 −0,151
−0,1279 277 −0,099
−0,1379 267 −0,115
−0,1479 273 −0,109
−0,1579 257 −0,117
−0,1679 244 −0,122
−0,1779 255 −0,101
60001
−0,1879 222 −0,083
−0,1979 231 −0,063
−0,2079 228 −0,073
−0,2179 215 −0,065
−0,2279 203 −0,050
−0,2379 196 −0,053
−0,2479 195 −0,041
−0,2579 186 −0,022

1 0.8

0.8
0.6
0.6

0.4 0.4

0.2
0.2
q q
0
0
−0.2

−0.4 −0.2
−0.6
−0.4
−0.8

−1 −0.6
−1 −0.5 0 0.5 1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6
p p

(a) Caso simulado. (b) Caso experimental.

Figura 5.16: Gráfico p − q do teste 0 − 1 com h1 = −0,1979 m.

dos autovalores não foi conclusiva.

Para o estudo dos expoentes de Lyapunov em relação ao amortecimento viscoso, verificou-


se que as somas dos expoentes de Lyapunov na média, independente do método aplicado, fica-
vam mais negativas conforme aumentavam os parâmetros de amortecimento, pois o sistema é
dissipativo.

Apesar dos expoentes de Lyapunov para os métodos padrão e de Eckmann-Ruelle não


concordarem na análise do amortecimento viscoso a soma dos expoentes difere pouco, indi-
cando que as orientações dos expoentes é que não coincidem.

Da análise feita nos parâmetros relacionados ao amortecimento viscoso e a posição do


86

contrapeso maior utilizando os métodos padrão e de Eckmann-Ruelle, observou-se que a ordem


dos expoentes em relação a suas amplitudes se alterna. Também é observado que os expoentes
encontrados para o sistema giroscópico, embora sejam positivos, tem um amplitude baixa com
um valor máximo da ordem de 0,035 para o método de Eckmann-Ruelle. Com um valor baixo
para os expoentes de Lyapunov mais o fato de a ordem dos expoentes ficar alternando conclui-
se que esses expoentes estão convergindo para zero, isso foi confirmado pelo teste 0 − 1, sendo
assim o comportamento do sistema é regular.

Na análise experimental do giroscópio utilizou-se para a série temporal, dados da posição


angular de nutação. Para os expoentes de Lyapunov foi utilizado como parâmetro a posição do
contrapeso maior m1 .

Para as séries temporais simuladas e experimentais não houve concordância entre os ex-
poentes de Lyapunov obtidos com os programas wolf e lyapmax. Com os dados simulados
a maior parte dos expoentes foram negativos, já com os dados experimentais a maioria dos
expoentes teve sinal positivo.

Observou-se que os expoentes de Lyapunov tanto simulados quanto experimentais osci-


laram muito com a variação da posição h1 . Como os expoentes de Lyapunov do modelo nas
mesmas condições as variações do maior expoente não foram brusca e as amplitudes dos expo-
ente foram menores, provavelmente devido ao tempo utilizado ser bem maior.

Os experimentos não puderam ter um tempo mais longo, por isso os resultados não foram
muito conclusivos em relação aos expoentes de Lyapunov aplicados as séries temporais tanto
simuladas quanto experimentais.

O teste 0 − 1 foi aplicado nas mesmas séries temporais utilizadas para obter os expoentes
de Lyapunov experimentais, no teste os valores de K ficaram próximos de zero, portanto pelo
teste 0 − 1 o comportamento do sistema dinâmico deve ser regular, porém as séries temporais
são curtas, podendo os valores de K não terem convergido. Visualizando os gráficos p − q foi
concluído que no caso simulado o sistema tem comportamento regular, já o caso experimental
não foi possível dizer se a dinâmica é regular, pois não havia dados o suficiente.
Capítulo 6

Conclusões Finais e Trabalhos Futuros

Neste trabalho foi feito a modelagem do giroscópio da Pascor e foi verificado a validade
do mesmo com dados experimentais. Com o modelo matemático foram obtidos os pontos de
equilíbrio e também foi verificada a estabilidade do sistema giroscópico nestes pontos. Por
fim, os expoentes de Lyapunov foram obtidos tanto do modelo matemático quando dos dados
experimentais.

O giroscópio da Pascor foi modelado utilizando conceitos da mecânica de Newton-Euler,


sendo levado em consideração efeitos elásticos e dissipativos. As equações diferenciais obtidas
descrevem o movimento de precessão, nutação e spin do giroscópio. As equações diferenciais
foram resolvidas numericamente com o método de Runge-Kutta de oitava ordem com passo
variável e as soluções foram comparadas com os dados experimentais das posições angulares
de precessão e de nutação.

Em relação a obtenção dos dados experimentais observou-se que o cabo do sensor da


posição angular de nutação induz um amortecimento que dificulta uma aquisição de dados mais
longa e confiável. Experimentalmente só foi possível obter os dados das posições angulares de
precessão e de nutação e a velocidade de spin foi estimada para a condição inicial com a ajuda
de um tacômetro.

Os resultados mostraram que o modelo proposto apresenta uma boa concordância com o
movimento real do giroscópio e pode ser utilizado para as finalidades de análise não-linear.

Em relação ao estudo da estabilidade dos pontos de equilíbrio não foi possível verificar,
através da análise do sistema linearizado, se os mesmos são estáveis ou instáveis pois os pontos
de equilíbrio são elípticos.

Já no estudo dos expoentes de Lyapunov, verificou-se que as somas dos expoentes são
inversamente proporcionais aos parâmetros do amortecimento viscoso. Também foi verificado
que os expoentes de Lyapunov, em relação ao amortecimento viscoso, obtidos pelos métodos
padrão e de Eckmann-Ruelle não apresentaram concordância, mas a soma dos expoentes dife-
riram pouco, indicando que as orientações dos expoentes não eram as mesmas. Na análise dos
expoentes de Lyapunov do modelo, observou-se que a ordem dos expoentes em relação a suas

87
88

amplitudes se alternavam e que embora os expoentes sejam positivos, estes tem uma amplitude
baixa com um valor máximo da ordem de 0,035 para o método de Eckmann-Ruelle. Com um
valor baixo para os expoentes de Lyapunov mais o fato de a ordem dos expoentes ficar alter-
nando conclui-se que esses expoentes estão convergindo para zero, isso foi confirmado pelo
teste 0 − 1, sendo assim o comportamento do sistema é regular.

Na análise experimental do giroscópio utilizou-se, para a série temporal, dados da posição


angular de nutação. Para os expoentes de Lyapunov foi utilizado como parâmetro a posição do
contrapeso maior m1 .

Para as séries temporais simuladas e experimentais não houve concordância entre os ex-
poentes de Lyapunov obtidos com os programas wolf e lyapmax. Com os dados simulados
a maior parte dos expoentes foram negativos, já com os dados experimentais a maioria dos
expoentes teve sinal positivo.

Observou-se que os expoentes de Lyapunov tanto simulados quanto experimentais osci-


laram muito com a variação da posição h1 do contrapeso.

Os experimentos não puderam ter um tempo mais longo, por isso os resultados não foram
muito conclusivos em relação aos expoentes de Lyapunov aplicados as séries temporais tanto
simuladas quanto experimentais.

O teste 0 − 1 foi aplicado nas mesmas séries temporais utilizadas para obter os expoentes
de Lyapunov experimentais e simulados. No teste os valores de K ficaram próximos de zero,
portanto pelo teste 0−1 o comportamento do sistema dinâmico deve ser regular, porém as séries
temporais são curtas, podendo os valores de K não terem convergido. Visualizando os gráficos
p − q foi concluído que no caso simulado o sistema tem comportamento regular, já o caso
experimental não foi possível dizer se a dinâmica é regular, pois não haviam dados suficientes.

Com base no que foi visto neste trabalho e seguindo a mesma linha de pesquisa, pode-se
fazer sugestões para trabalhos futuros em dois aspectos:

Aspecto experimental: Utilizar um giroscópio mais preciso, com mais sensores, melhor placa
de aquisição e métodos para obter condições iniciais quaisquer;

Aspecto de análise não-linear: Incluir o estudo de bifurcações, mapas de Poincaré, outros ti-
pos de expoentes de Lyapunov.
Referências Bibliográficas

Aballay, E. and Avilés, E. (2002). Estudio del Movimiento Giroscópico.

Acar, C. and Shkel, A. (2008). MEMS Vibratory Gyroscopes: Structural Approaches to Improve
Robustness, Mems Reference Shelf, Springer.

Addison, P. S. (1997). Fractals and Chaos: An Illustrated Course, Institute of Physics Pub.

Angular (2012). Foto: precessão, nutação e spin. Último acesso em 06/08/2012.


Disponível em: http://en.wikipedia.org/wiki/File:Praezession.svg

Arnold, V. I. (1987). Métodos Matemáticos da Mecânica Clássica, Editora Mir Moscovo.

Bryant, P. H. (2009). Método de Eckmann-Ruelle. Código de programa: cálculo de expoente


de Lyapunov. Último acesso em 06/08/2012.
Disponível em: http://inls.ucsd.edu/~pbryant/

Campanharo, A. S. L. O., Macau, E. E. N. and Ramos, F. M. (2005). Detectando a Presença


de Caos em uma Série Temporal, XXVIII CNMAC - Congresso Nacional de Matemática
Aplicada e Computacional, São Paulo.

Carrera, D. H. Z. and Weber, H. I. (2009). Dynamics of Bodies in Space Rotating across Stabi-
lity Borders, 8th Brazilian Conference on Dynamics, Control and Applications, DINCON.
Baurú. Proceedings of DINCON 2009. Rio Claro : SBMAC.

Carrera, D. H. Z., Weber, H. I. and Morrot, R. (2010). Alternatives of Long Term Behavior of a
Gyroscope Comsidering Damping, PACAM XI- 11th Pan-American Congress of Applied
Mechanics. Foz do Iguaçu. Proceedings of PACAM 2010. São Carlos : USP.

Chen, H.-K. and Ge, Z.-M. (2005). Bifurcations and chaos of a two-degree-of-freedom dissi-
pative gyroscope, Chaos, Solitons & Fractals 24(1): 125 – 136.

Crabtree, H. (1909). An elementary treatment of the theory of spinning tops and gyroscopic
motion, Longmans, Green and Co. in London, New York . Editor: Universidade de Mi-
chigan.

Eckmann, J. P. and Ruelle, D. (1985). Ergodic theory of chaos and strange attractors, Rev. Mod.
Phys. 57: 617–656.

Falconer, I., Gottwald, G. A., Melbourne, I. and Wormnes, K. (2007). Application of the 0-
1 Test for Chaos to Experimental Data, SIAM Journal on Applied Dynamical Systems
6(2): 395–402.

89
90

Fazanaro, F. I., Soriano, D. C., Madrid, M. K., Suyama, R., Attux, R. and de Oliveira, J. R.
(2010). Cálculo do Espectro de Lyapunov via Dinâmicas Clonadas e sua Aplicação no
Circuito de Chua, XVIII Congresso Brasileiro de Automática (CBA), pp. 2511–2518. Bo-
nito, MS, Brasil.

Fiedler-Ferrara, N. and do Prado, C. P. C. (1994). Caos - Uma Introdução, 1 edn, Editora


Edgard Blücher LTDA.

Fraser, A. M. and Swinney, H. L. (1986). Independent coordinates for strange attractors from
mutual information, Physical Review A 33: 1134–1140.

Ge, Z. M., Chen, H. K. and Chen, H. H. (1996). The Regular and Chaotic Motions of a
Symmetric Heavy Gyroscope with Harmonic Excitation, Journal of Sound and Vibration
198(2): 131 – 147.

Goldstein, H. (1981). Classical Mechanics, 2 edn, Addison-Wesley Publishing Company.

Gottwald, G. A. and Melbourne, I. (2005). Testing for chaos in deterministic systems with
noise, Physica D: Nonlinear Phenomena 212(1-2): 100–110.

Gottwald, G. A. and Melbourne, I. (2009a). On the Implementation of the 0-1 Test for Chaos,
SIAM Journal on Applied Dynamical Systems 8(1): 129.

Gottwald, G. A. and Melbourne, I. (2009b). On the Validity of the 0-1 Test for Chaos, Nonline-
arity 22(6): 1–21.

Gottwald, G. and Melbourne, I. (2004). A new test for chaos in deterministic systems, Procee-
dings of the Royal Society of London A 460: 603–611.

Hairer, E., Nørsett, S. P. and Wanner, G. (1993). Solving Ordinary Differential Equations I:
Nonstiff Problems, 2 edn, Springer-Verlag.

Hairer, E. and Wanner, G. (1991). Solving Ordinary Differential Equations II: Stiff and
Differential-Algebraic Problems, Springer-Verlag.

Kantz, H. and Schreiber, T. (2004). Nonlinear Time Series Analysis, Cambridge nonlinear
science series, Cambridge University Press.

Ke-Hui, S., Xuan, L. and Cong-Xu, Z. (2010). The 0-1 test algorithm for chaos and its applica-
tions, Chinese Physics B 19(11): 110513.

Kodba, S., Perc, M. and Marhl, M. (2005). Detecting chaos from a time series, European
Journal of Physics 26(1): 205–215.

Kostov, S. and Hammer, D. (2010). “It Has to Go Down A Little, In Order to Go Around” -
Following Feynman on the Gyroscope.

Lawrence, A. (1998). Modern Inertial Technology: Navigation, Guidance, and Control, Me-
chanical Engineering Series, Springer.

Lemos, N. A. (2007). Mecânica Analítica, 2 edn, Editora Livraria da Física.

Lorenz, E. N. (1963). Deterministic Nonperiodic Flow, Journal of the Atmospheric Sciences


20(2): 130–141.
91

Marion, J. B. and Thornton, S. T. (1995). Classical Dynamics of Particles and Systems, 4 edn,
Harcourt College Publishers.

Matthews, P. (2009). Teste 0-1. Código de programa: teste 0-1. Último acesso em 06/08/2012.
Disponível em: http://www.mathworks.com/matlabcentral/
fileexchange/25050-0-1-test-for-chaos/all_files

McGlynn, E. (2007). Introducing Gyroscopes Quantitatively without Puting Students into a


Spin, European Journal of Physics 28(3): 479–486.

Monteiro, L. H. A. (2006). Sistemas Dinâmicos, 2 edn, Editora Livraria da Física.

Mörters, P., Peres, Y., Schramm, O. and Werner, W. (2010). Brownian Motion, Cambridge
Series in Statistical and Probabilistic Mathematics, Cambridge University Press.

Neto, J. B. (2004). Mecânica Newtoniana, Lagrangeana e Hamiltoniana, 1 edn, Editora Livra-


ria da Física.

PASCO (1996). Rotary Motion Sensor for ULI – Model CI-6625, PASCO Scientific.

PASCO (1997). DataStudio from PASCO Scientific Model, CI-6859C, PASCO Scientific.

Perc, M. (2005a). Nonlinear time series analysis of the human electrocardiogram, European
Journal of Physics 26(5): 757–768.

Perc, M. (2005b). The dynamics of human gait, European Journal of Physics 26(3): 525–534.

Perc, M. (2006). Introducing Nonlinear Time Series Analysis in Undergraduate Courses, FI-
ZIKA A 15(2): 91–112.

Perc, M. (2007). Reconstrução do atrator, expoente de Lyapunov. Programas: maior expo-


ente de Lyapunov pelo método de Wolf, tempo de atraso pelo método de informação mú-
tua, dimensão de imersão pelo método dos falsos vizinhos próximos. Último acesso em
06/08/2012.
Disponível em: http://www.matjazperc.com/ejp/time.html

Ramasubramanian, K. and Sriram, M. S. (2000). A comparative study of computation of Lya-


punov spectra with different algorithms, Physica D: Nonlinear Phenomena 139(1-2): 72
– 86.

Santos, I. F. (2001). Dinâmica de Sistemas Mecânicos - Modelagem, Simulação, Visualização,


Verificação, 1 edn, Makron Books LTDA.

Savi, M. A. (2006). Dinâmica Não-linear e Caos, 1 edn, Editora E-papers.

Small, M. (2005). Applied Nonlinear Time Series Analysis: Applications in Physics, Physiology
and Finance, World Scientific Series on Nonlinear Science: Monographs and Treatises,
World Scientific.

Strogatz, S. H. (1994). Nonlinear Dynamics And Chaos: With Applications To Physics, Biology,
Chemistry, And Engineering, Studies in Nonlinearity, Westview Press.

Symon, K. R. (1996). Mecânica, 3 edn, Editora Campus LTDA.


92

Takwale, R. G. and Puranik, P. S. (1979). Introduction to Classical Mechanics, TATA


MacGraw-Hill Publishing Company Ltd.

Titterton, D. H. and Weston, J. L. (2004). Strapdown Inertial Navigation Technology, Iee Radar
Series, 2 edn, Institution of Electrical Engineers.

Vuolo, J. H. (1996). Fundamentos da Teoria de Erros, 2 edn, Editora Edgard Blücher LTDA.

Wiggins, S. (2003). Introduction to Applied Nonlinear Dynamical Systems and Chaos, Texts in
Applied Mathematics, Springer.

Wolf, A., Swift, J. B., Swinney, H. L. and Vastano, J. A. (1985). Determining Lyapunov expo-
nents from a time series, Physica D: Nonlinear Phenomena 16(3): 285 – 317.
Apêndice A

Obtenção dos Parâmetros Indiretos do


Modelo

Na equação diferencial do giroscópio obtida no capítulo 3 pode-se observar a existência


de muitos parâmetros, muitos destes podem ser medidos diretamente como as posições dos
centros de massa e as massas do contra peso grande (h1 , m1 ), contra peso pequeno (h2 , m2 ),
disco (h, m) e haste (hh , mh ). O valor de mh é obtido indiretamente, outras massas como a
do sensor de posição angular de nutação são adicionadas a mh isto é feito por simplificação, o
cálculo de mh consiste em por o giroscópio em equilíbrio (H = 0) e, através da expressão do
centro de massa tem-se:
−m1 h1 − m2 h2 − md hd
mh = . (A.1)
hh

Na equação diferencial do giroscópio existem vários outros parâmetros que não podem
ser medidos diretamente como a aceleração da gravidade g, o parâmetro do torque elástico k,
os parâmetros do amortecimento viscoso (bx , by e bz ) e os parâmetros do torque cinético (Tx , Ty
e Tz ). A seguir será descrito como foi obtido cada um destes parâmetros.

Uma maneira de obter os parâmetros de uma EDO é através do método dos mínimos
quadrados, mas para esse método é necessário conhecer a forma geral das soluções da EDO.
Como o sistema é não-linear não há possibilidade de obter as soluções analíticas e, portanto,
não dá pra aplicar o método dos mínimos quadrados.

Apesar de não haver possibilidade de aplicar o método dos mínimos quadrados, é possível
usar um conceito do qual ele se baseia, tal conceito chama-se conceito de máxima verossimi-
lhança (Vuolo, 1996). O conceito de máxima verossimilhança consiste em minimizar as dis-
tâncias entre os resultados experimentais e os resultados da EDO, mais precisamente encontrar
um conjunto de parâmetros µ que minimize S 2 , tem-se:

N
X −1
2
S = [xi − x(ti , µ)]2 (A.2)
i=0

93
94

e n oT
µ= µ1 µ2 . . . µk (A.3)

sendo xi os dados experimentais e x(ti , µ) a solução da EDO que no caso será numérica.

A variável S 2 será minimizada utilizando força bruta. De forma resumida, a partir do


primeiro parâmetro µ1 escolhe-se uma faixa para o mesmo (µ11 , . . ., µ1i , . . .) e para cada µ1i
resolve-se a EDO com um conjunto de parâmetros iniciais e verifica-se para qual dos parâmetros
µ1i o valor de S 2 é minimizado, esse parâmetro é guardado. Repete-se o processo para os outros
parâmetros, aos poucos a variável S 2 vai sendo minimizada. O tempo de processamento é um
pouco alto, mas a implementação é relativamente simples. Existem, é claro, outros métodos
mais sofisticados como o algoritmo genético, mas optou-se por um mais simples que pudesse
ser aplicado de forma imediata.

Além dos parâmetros indiretos já citados, as próprias condições iniciais são consideradas
como parâmetros, já que há incertezas nas mesmas. Os dados experimentais usados foram da
posição angular de precessão e de nutação com o contrapeso maior na posição h1 = −0,1979 m
e o menor na posição h2 = −0,0827 m, as condições iniciais foram as descritas na seção 3.3 e
o tempo total do experimento foi de t = 34,32 s.

Para resolver a EDO, o tempo de amostragem da solução foi t = 0,01 s, este foi escolhido
de forma que o tempo de processamento não fosse muito elevado. O erro adotado para a solução
numérica foi 1,0 × 10−11 para o erro relativo e 1,0 × 10−7 para o erro absoluto de forma que
o método de Runge-Kutta não apresentasse problemas, os parâmetros diretos que serão usados
para resolver a EDO são os da seção 3.3.

Nas figuras A.1(a) e A.1(b) podem ser vistas as comparações dos dados experimentais da
precessão com os obtidos pela solução numérica da EDO usando as condições iniciais e os pa-
râmetros ajustados pelo método de força bruta. Da figura A.1(b) percebe-se que as frequências
dos dados experimentais e simulados diferem. Poderia-se tentar implementar algum mecanismo
que leve as frequências dos sinais em consideração com o intuito de melhorar a otimização.

No movimento de nutação, as comparações dos dados experimentais com os simulados


podem ser vistas nas figuras A.2(a) e A.2(b). Existe uma oscilação extra nos dados experi-
mentais que modula a oscilação principal, tal oscilação extra não foi prevista pelo modelo, a
interferência não parece ser causada pelo fio do sensor de nutação, pois este deveria interferir
no movimento de precessão, é mais provável que alguma hipótese não tenha sido considerada
durante a modelagem como por exemplo considerar a base onde se localiza o giroscópio como
não inercial. Também foi verificado a necessidade de aplicar algum mecanismo que faça com
que as frequências dos movimentos experimental e simulados fiquem mais próximas.

O valor obtido para a aceleração da gravidade g pelo ajuste de força bruta foi g =
14,45 m/s2 , um valor acima do esperado. Erros nos valores das posições e das massas pro-
pagam erros no valor do centro de massa H que pode ser uma das causas do valor de g acima
95

9
40

8
35

7
30
6
25
5

x [rad]
x1 [rad]

20

1
4

15
3

10
2

5 1
Simulado Simulado
Experimental Experimental
0 0
0 5 10 15 20 25 30 35 0 1 2 3 4 5 6 7 8
tempo [s] tempo [s]

(a) Comparação usando o tempo total. (b) Comparação usando um quarto do tempo total.

Figura A.1: Comparação dos dados experimentais e simulados da precessão após ajuste.

0.6 0.3

0.5 0.25

0.4 0.2

0.3 0.15
x3 [rad]

x [rad]
3

0.2 0.1

0.1 0.05

0 0
Simulado Simulado
Experimental Experimental
−0.1 −0.05
0 5 10 15 20 25 30 35 0 1 2 3 4 5 6 7 8
tempo [s] tempo [s]

(a) Comparação usando o tempo total. (b) Comparação usando um quarto do tempo total.

Figura A.2: Comparação dos dados experimentais e simulados da nutação após ajuste.

do esperado. Daqui por diante será usado o valor adotado no Laboratório de Física da Unioeste
cujo valor é g = 9,78 m/s2 que foi obtido em experimentos com pendulo simples.

Os parâmetros indiretos obtidos nesse apêndice encontra-se na tabela A.1 e as condições


iniciais encontradas são:
n oT
X0 = 0,000 0,000 0,000 0,519 0,000 60,777 (A.4)

Uma estimativa para o “erro” da simulação em relação aos dados experimentais é dado
96

Tabela A.1: Parâmetros indiretos do giroscópio da Pascor .


T ( N · m) b( N · m · s/rad) g( m/s2 ) k( N/rad)
x 2,933 × 10−03 5,604 × 10−05
y 1,366 × 10−03 4,652 × 10−14
z 5,360 × 10−03 4,645 × 10−03
9,78 16,81

por: s
PN −1 
[xpi − xp (ti , µ)]2 + [xni − xn (ti , µ)]2

i=0
S= (A.5)
N
sendo xpi e xni os dados experimentais das posições angulares de precessão e nutação respec-
tivamente. A estimativa do “erro” pela eq. (A.5) foi S = 0,9080, isto da uma ideia de quão
próximos estão os dados experimentais dos simulados.
Apêndice B

Jacobiana da Equação Diferencial do


Giroscópio

A matriz jacobiana J é utilizada para linearizar uma equação diferencial não-linear em


torno de um ponto. Nesta dissertação, a matriz jacobiana é usada para determinar os expoen-
tes de Lyapunov do modelo do giroscópio assim como verificar a estabilidade dos pontos de
equilíbrio.

Para um sistema dinâmico não-linear cuja equação diferencial tem a forma:

Ẋ = F (X); X ∈ <n (B.1)

a matriz jacobiana é calculada como segue:

∂fi
J = [aij ]n×n ; aij = (B.2)
∂xj

A equação diferencial do giroscópio foi obtida no capítulo 3, para facilitar os cálculos a


mesma é reescrita abaixo:
   

 ẋ 1 
 
 f 1 (x 1 , x2 , x3 , x4 , x5 , x6 ) 

   
ẋ f (x , x , x , x , x , x )
   
2 2 1 2 3 4 5 6 

 
 
 

  
 ẋ   f (x , x , x , x , x , x ) 
  
3 3 1 2 3 4 5 6
= (B.3)


 ẋ 4



 f 4 (x1 , x2 , x3 , x4 , x5 , x6 ) 

   


 ẋ 5

 

 f (x
5 1 , x2 , x3 , x4 , x5 , x )
6 


   
ẋ6 f6 (x1 , x2 , x3 , x4 , x5 , x6 )
   

sendo as equações diferenciais no espaço de estado:

ẋ1 = x2 (B.4)

97
98

τz + x4 [Ixx x6 + (−Ix + Iy + Iz )x2 sin(x3 )]


ẋ2 = (B.5)
Iz cos(x3 )

ẋ3 = x4 (B.6)

τy − Ixx x2 x6 cos(x3 ) + (Ix − Iz )x22 cos(x3 ) sin(x3 )


ẋ4 = (B.7)
Iy

ẋ5 = x6 (B.8)

1
ẋ6 = Ixx
{τx + (Ix + Iy − Iz )x2 x4 cos(x3 ) + IIxz {τz + x4 [Ixx x6 +
(B.9)
(−Ix + Iy + Iz )x2 sin(x3 )]} tan(x3 )}
e as componentes do torque resultante são:
   
τ
 x  x
   −T sgn (x 6 ) + [Tz sgn (x 2 ) + b x
x 2 ] sin(x 3 ) − b x
x 6

τy = M gH cos(x3 ) − Ty sgn (x4 ) − by x4 + τey (x3 ) (B.10)
 
   
τz −[Tz sgn (x2 ) + bz x2 ] cos(x3 )
 

a componente na direção ̂2 do torque elástico que está na eq. (B.10) é:



 −k(x3 − θi ) : x3 < θi

τey (x3 ) = 0 : θi ≤ x3 ≤ θf (B.11)

−k(x3 − θf ) : x3 > θf

e o valor dos ângulos que limitam o movimento de nutação são:

θi = −50π/180 rad; θf = 35π/180 rad (B.12)

Para encontrar as componentes da matriz jacobiana aij são necessárias as derivadas par-
∂fi
ciais das funções fi da equação diferencial, ou seja, ∂xi
e as derivadas parciais dos torques.
Começando então pelas últimas:

Derivada do torque τx :

τx = τx (x2 , x3 , x6 ) = −Tx sgn (x6 ) + [Tz sgn (x2 ) + bx x2 ] sin(x3 ) − bx x6 (B.13)

como τx não depende de x1 , x4 e x5 , como observado da eq. (B.13), obtém-se de forma direta
os resultados:
∂τx ∂τx ∂τx
= = =0 (B.14)
∂x1 ∂x4 ∂x5
99

para os outros casos tem-se:


∂τx
= bx sin(x3 ) (B.15)
∂x2

∂τx
= [Tz sgn (x2 ) + bx x2 ] cos(x3 ) (B.16)
∂x3

∂τx
= −bx (B.17)
∂x6

A derivada parcial do torque elástico é:



∂τe  −k : x3 < θi

de = = 0 : θi ≤ x3 ≤ θf (B.18)
∂x3 
−k : x3 > θf

como τe só depende de x3 :

∂τe ∂τe ∂τe ∂τe ∂τe


= = = = =0 (B.19)
∂x1 ∂x2 ∂x4 ∂x5 ∂x6

e a derivada parcial do torque τy é:

τy = τy (x3 , x4 ) = M gH cos(x3 ) − Ty sgn (x4 ) − by x4 + τey (x3 ) (B.20)

∂τy ∂τy ∂τy ∂τy


= = = =0 (B.21)
∂x1 ∂x2 ∂x5 ∂x6
usando a eq. (B.18):
∂τy
= −M gH sin(x3 ) + de (B.22)
∂x3

∂τy
= −by (B.23)
∂x4

Já derivando em relação a τz tem-se:

τz = τz (x2 , x3 ) = −[Tz sgn (x2 ) + bz x2 ] cos(x3 ) (B.24)

∂τz ∂τz ∂τz ∂τz


= = = =0 (B.25)
∂x1 ∂x4 ∂x5 ∂x6

∂τz
= −bz cos(x3 ) (B.26)
∂x2

∂τz
= [Tz sgn (x2 ) + bz x2 ] sin(x3 ) (B.27)
∂x3
100

∂fi
Com os resultados das derivadas acima, pode-se calcular as derivadas parciais ∂xj
, come-
çando pelas funções fi mais simples tem-se:

f 1 = x2 ; f 3 = x4 ; f 5 = x6 (B.28)

∂f1 ∂f1 ∂f1 ∂f1 ∂f1


= = = = =0 (B.29)
∂x1 ∂x3 ∂x4 ∂x5 ∂x6

∂f3 ∂f3 ∂f3 ∂f3 ∂f3


= = = = =0 (B.30)
∂x1 ∂x2 ∂x3 ∂x5 ∂x6

∂f5 ∂f5 ∂f5 ∂f5 ∂f5


= = = = =0 (B.31)
∂x1 ∂x2 ∂x3 ∂x4 ∂x5

∂f1 ∂f3 ∂f5


= = =1 (B.32)
∂x2 ∂x4 ∂x6

∂f2
Calculando ∂x j
utilizando as eqs. (B.25), (B.26) e (B.27), partindo da função f2 = {τz +
x4 [Ixx x6 + (−Ix + Iy + Iz )x2 sin(x3 )]}/[Iz cos(x3 )], ou seja, f2 = f2 (x2 , x3 , x4 , x6 ) tem-se:

∂f2
a21 = =0 (B.33)
∂x1

∂f2 −bz + (−Ix + Iy + Iz )x4 tan(x3 )


a22 = = (B.34)
∂x2 Iz

∂f2 [Tz sgn (x2 ) + bz x2 ] tan(x3 ) + (−Ix + Iy + Iz )x2 x4


a23 = = + f2 tan(x3 ) (B.35)
∂x3 Iz

∂f2 Ixx x6 + (−Ix + Iy + Iz )x2 sin(x3 )


a24 = = (B.36)
∂x4 Iz cos(x3 )

∂f2
a25 = =0 (B.37)
∂x5

∂f2 Ixx x4
a26 = = (B.38)
∂x6 Iz cos(x3 )

Para encontrar a derivada parcial de f4 usa-se as eqs. (B.21), (B.22) e (B.23), com a função
f4 = f4 (x2 , x3 , x6 ) = [τy − Ixx x2 x6 cos(x3 ) + (Ix − Iz )x22 cos(x3 ) sin(x3 )]/Iy obtém-se:

∂f4
a41 = =0 (B.39)
∂x1
101

∂f4 −Ixx x6 cos(x3 ) + 2x2 (Ix − Iz ) sin(x3 ) cos(x3 )


a42 = = (B.40)
∂x2 Iy

∂f4 (Ixx x2 x6 − M gH) sin(x3 ) + de (Ix − Iz)(2 cos2 x3 − 1)x22


a43 = = + (B.41)
∂x3 Iy Iy

∂f4 −by
a44 = = (B.42)
∂x4 Iy

∂f4
a45 = =0 (B.43)
∂x5

∂f4 −Ixx x2 cos(x3 )


a46 = = (B.44)
∂x6 Iy

∂f6
Por último encontra-se ∂x j
utilizando as eqs. (B.14), (B.15), (B.16) e (B.17), com f6 =
1
f6 (x2 , x3 , x4 ) = Ixx [τx + (Ix + Iy − Iz )x2 x4 cos(x3 ) + Ix f2 sin(x3 )] resultado:

∂f6
a61 = =0 (B.45)
∂x1

∂f6 (bx + Ix a22 ) sin(x3 ) + (Ix + Iy − Iz )x4 cos(x3 )


a62 = = (B.46)
∂x2 Ixx

∂f6 [Tz sgn (x2 ) + bx x2 + Ix f2 ] cos(x3 ) + [Ix a23 − (Ix + Iy − Iz )x2 x4 ] sin(x3 )
a63 = =
∂x3 Ixx
(B.47)

∂f6 (Ix + Iy − Iz )x2 cos(x3 ) + Ix a24 sin(x3 )


a64 = = (B.48)
∂x4 Ixx

∂f6
a65 = =0 (B.49)
∂x5

∂f6 −bx + Ix a26 sin(x3 )


a66 = = (B.50)
∂x6 Ixx

Finalmente a matriz jacobiana é encontrada:


 
0 1 0 0 0 0
 0 a22 a23 a24 0 a26 
 
 
0 0 0 1 0 0 
J =
0 a
, (B.51)
 42 a43 a44 0 a46 

 
0 0 0 0 0 1 
0 a62 a63 a64 0 a66
102

os valores de a22 , a23 , etc, não foram substituídos explicitamente na equação (B.51), pois a
mesma não caberia na página.
Apêndice C

Teste dos Programas de Análise


Não-Linear

Para verificar o bom funcionamento dos métodos empregados no capítulo 5, é usado para
teste um sistema dinâmico não-linear bem conhecido, no caso o sistema adotado é o de Lo-
rentz (Lorenz, 1963).

As equações diferenciais desse sistema dinâmico não-linear são dadas a seguir:


   
 ẋ 
  σ(y − x) 
  
Ẋ = ẏ = x(ρ − z) − y (C.1)
 
   
ż xy − βz
 

e sua jacobiana  
−σ σ 0
J =  (ρ − z) −1 −x  . (C.2)
 

y x −β

Com base nas equações diferenciais, constata-se que o sistema de Lorentz possui 3 pontos
n oT
de equilíbrio X e = xe ye ze :

  p   p 
0
  
p β(ρ − 1) 
  −
 p β(ρ − 1) 

X e1 = 0 , X e2 = β(ρ − 1) , X e3 = − β(ρ − 1) , (C.3)

     
0 ρ−1 ρ−1
    

com ρ > 1.

Para verificar a estabilidade desses pontos de equilíbrio, basta fazer o estudo do sistema
linearizado η̇ = J η em torno dos pontos de equilíbrio, isto é feito através da verificação dos
autovalores do sistema linearizado det (J (X e ) − γI) = 0, mais abaixo a estabilidade dos
pontos de equilíbrio será verificada para dois casos particulares.
n oT
Para o sistema de Lorentz será adotado a condição inicial X 0 = 0,0 1,0 0,0 com

103
104

tempo total de evolução (integração da trajetória fiducial) de 200,0 s e os parâmetros σ = 10,0


e β = 8/3, os métodos que serão empregados a seguir levam em conta que ρ pode variar de 1,0
até 100,0, os valores de ρ são variados com passo de uma unidade (1,0).

Para os expoentes de Lyapunov utilizando o método padrão e o método de Eckmann-


Ruelle, o maior expoente pode ser visto na figura C.1, da figura pode-se ver que as diferenças
entre os métodos é pequena, tal diferença deve ficar menor utilizando-se um tempo de evolução
maior. Com base no gráfico da figura C.1, constrói-se os atratores e verifica-se a estabilidade
dos pontos de equilíbrio para dois valores particulares de ρ.

2.5
Expoentes de Lyapunov [1 / s]

1.5

0.5

−0.5

−1

−1.5 Método padrão


Método de Eckmann−Ruelle
−2
0 20 40 60 80 100
Parâmetro ρ

Figura C.1: Maior expoente de Lyapunov para o sistema de Lorenz, usando os métodos padrão
e de Eckmann-Ruelle.

Para ρ = 13,0 tem-se um comportamento regular (λ < 0), o atrator pode ser visto na
figura C.2. Para a estabilidade dos pontos de equilíbrio tem-se:
n oT
X e1 = 0 0 0 : γ1 = −17,7577, γ2 = 6,7577, γ3 = −2,6667, (C.4)

este ponto de equilíbrio é instável pois a parte real de um dos autovalores é positiva;
105
n oT
X e2 = 5,6569 5,6569 12,0000 :

γ1 = −12,7848, γ2 = (−0,4409 + 7,0615i), γ3 = (−0,4409 − 7,0615i), (C.5)


n oT
X e3 = −5,6569 −5,6569 12,0000 :

γ1 = −12,7848, γ2 = (−0,4409 + 7,0615i), γ3 = (−0,4409 − 7,0615i), (C.6)

para os pontos X e2 e X e3 , que possuem os mesmos autovalores, são estáveis pois a parte real
de todos os autovalores é negativa e há dois autovalores complexos conjugados.

20

15

10
Z

0
0 15
5 10
10 5
15 0
Y
X

Figura C.2: Atrator do sistema de Lorenz com comportamento regular e com condição inicial
 T
X 0 = 0,0 1,0 0,0 e parâmetros σ = 10,0, β = 8/3 e ρ = 13,0.

Já para ρ = 28,0 tem-se um comportamento caótico (λ > 0), o atrator correspondente


está na figura C.3. A estabilidade dos pontos de equilíbrio é visto abaixo:
n oT
X e1 = 0 0 0 :

γ1 = −22,8277, γ2 = 11,8277, γ3 = −2,6667, (C.7)

para este ponto o equilíbrio é instável pois a parte real de um dos autovalores é positiva;
n oT
X e2 = 8,4853 8,4853 27,0000 :

γ1 = −13,8546, γ2 = (0,0940 + 10,1945i), γ3 = (0,0940 − 10,1945i); (C.8)


106
n oT
X e3 = −8,4853 −8,4853 27,0000 :

γ1 = −13,8546, γ2 = (0,0940 + 10,1945i), γ3 = (0,0940 − 10,1945i), (C.9)

para os pontos X e2 e X e3 , que possuem os mesmos autovalores, são instáveis pois a parte real
dos autovalores complexos conjugados é positiva.

50

40

30
Z

20

10

0
−20 40
−10 20
0 0
10 −20
20 −40
Y
X

Figura C.3: Atrator do sistema de Lorenz com comportamento caótico e com condição inicial
 T
X 0 = 0,0 1,0 0,0 e parâmetros σ = 10,0, β = 8/3 e ρ = 28,0.

Para os parâmetros ρ = 13,0 e ρ = 28,0 serão criadas duas séries temporais da variável x,
através da solução numérica da equação diferencial com tempo de amostragem de δt = 0,001 s.
As séries temporais são utilizadas na obtenção do maior expoente de Lyapunov usando o método
de Wolf com os programas lyapmax e wolf (veja seção 5.2.1 na página 70) e também será usada
no teste 0 − 1. Os resultados desses métodos juntamente com o resultado do método padrão
como referência, está resumido na tabela C.1.

Tabela C.1: Resumo da série temporal simuladas da variável x do sistema de Lorentz. Na tabela
τ representa tempo de atraso, m representa dimensão de imersão, λl expoente de Lyapunov
obtida do programa lyapmax, λw expoente de Lyapunov obtida do programa wolf, λp expoente
de Lyapunov pelo método padrão e K é o resultado do teste 0 − 1.
ρ τ m λl λw λp K Comportamento
13,0 156 2 −0,118 −0,622 −0,617 0,274 regular
28,0 159 3 1,15 0,0497 1,19 0,999 caótico
107

De acordo com a tabela C.1, pode se verificar que o programa wolf apresenta resultado
mais próximo do valor de referência do método padrão com ρ = 13,0, já para ρ = 28,0 o
programa lyapmax apresenta um resultado mais próximo do respectivo valor de referência, no
geral os resultados do programa lyapmax estão melhores. Para o teste 0 − 1 o resultado para o
caso caótico foi um valor próximo de 1,0, já para o caso regular o valor não é tão próximo de
zero assim, com uma série temporal com evolução temporal maior o valor de K deve tender a
zero mais rapidamente.