SINTONIA HÍBRIDA IMC - LÓGICA NEBULOSA NO PROJETO DO
CONTROLADOR PI–PD
Jaime E.N. Rodríguez, Antonio A. R. Coelho, Rodrigo R. Sumar
Departamento de Automação e Sistemas – Universidade Federal de Santa Catarina 88040-900, C.P. 476, Florianópolis, SC,
Brasil +55-48-33319202
jaime@das.ufsc.br, aarc@das.ufsc.br, sumar@das.ufsc.br
Resumo – O controlador PI–PD (Proporcional –
Integral + Proporcional – Derivativo) baseado em
sintonia IMC é uma modificação da estrutura PID
(Proporcional – Integral – Derivativo) que permite
estabilizar processos instáveis, integrantes ou oscilatórios
através de uma malha interna PD de modo a serem
controlados numa abordagem PI. A lógica nebulosa é
utilizada para a sintonia dos parâmetros da estrutura de
controle apresentada.
Palavras chave – Controle PID, Controle PI–PD
Sintonia de controladores, Lógica Nebulosa.
I. INTRODUÇÃO
As estratégias de controle PI e PID são aplicadas em mais
de 90% das malhas de controle existentes a nível industrial.
O sucesso deve-se a efetividade, simplicidade operacional,
facilidade de implementação e aplicação num amplo espectro
de situações reais (Åström e Hägglund, 2001; Desborough e
Miller 2002).
Devido a importância industrial das estratégias de controle
PI e PID e ao crescente número de implementações de
controladores via software, modificações têm surgido
visando melhorar o desempenho dinâmico e estático do
sistema em malha fechada em relação aos objetivos de
controle (Luyben, 2001; Åström e Hägglund, 2004; Kaya,
2004). Uma modificação freqüente no projeto de controle
PID é a estrutura que utiliza ação de controle derivativa
somente na variável do processo (PI+D). A ação derivativa
sobre o erro é utilizada para aumentar a velocidade da
resposta do sistema e é adequada em processos com baixas
relações entre o atraso de transporte e a constante de tempo
dominante. Entretanto, em processos com ruído significativo,
a ação derivativa sobre o erro pode ser fonte de amplificação
do ruído e “kick” derivativo, nestes casos a ação de controle
derivativa atuando sobre a variável do processo é mais
adequada (Johnson e Moradi, 2005)
A adição de ação de controle proporcional sobre a variável
do processo no controle PI+D conduz ao conceito de controle
PI+PD apresentado por Benouarets (1993). Esta ação
conjunta pode ser vista como uma malha interna PD com
uma realimentação externa PI. O controle PI–PD apresenta
equivalência com o controle PID com ponderação da
referência no termo proporcional e no termo derivativo
(Taguchi e Araki, 2000).
A sintonia do controlador PI–PD pode ser realizada a
partir dos parâmetros de um controlador PID pré-existente
(Kaya, et. al. 2003), por intermédio de técnicas de relé
(Kaya, 2003) ou através de sintonia baseada no projeto de
controle por modelo interno (IMC: Internal Model Control)
(Rodríguez e Coelho, 2004). Neste último caso, os
parâmetros do controlador são calculados a partir de um
modelo estimado do processo, obtido de forma on-line ou
off-line, e de dois parâmetros de projeto a serem sintonizados
pelo operador.
Outra modificação de projeto e/ou sintonia de
controladores baseados na filosofia PID são os controladores
PID nebulosos, que têm sido aplicados em várias áreas de
conhecimento (Coelho e Coelho, 1999; Li e Lau, 1989). A
filosofia de projeto do controlador PID nebuloso é
fundamentada na utilização do conhecimento de operadores
humanos acerca da resposta do processo quando submetido a
variações nos parâmetros de controle que, embora impreciso
em valores numéricos, pode ser expresso em termos de
regras lingüísticas. Posteriormente, a teoria de conjuntos
nebulosos e conceitos de lógica nebulosa são usados para
trasladar o conjunto de regras lingüísticas em informação
matemática a ser utilizada no objetivo de controle. Diversas
abordagens de controladores PID nebulosos e de sintonia de
controladores PID utilizando lógica nebulosa podem ser
encontradas em Visioli (2001) e Johnson e Moradi (2005).
O objetivo deste trabalho é a utilização de metodologias
de sintonia IMC e de lógica nebulosa na sintonia do
controlador PI–PD. Através da metodologia IMC se obtém
os parâmetros do controlador que são função do modelo
estimado do processo. Na seqüência, a lógica nebulosa
permite o ajuste adaptativo dos parâmetros de sintonia PI–PD
baseado em IMC que são independentes do modelo do
processo. A estratégia de controle PI–PD com a sintonia
proposta é avaliada por simulação num processo com
característica integrante e experimentalmente num processo
não-linear.
II. ESTRUTURA DE CONTROLE PI–PD
A estrutura de controle PI–PD consiste numa malha
interna PD atuando na realimentação da variável do processo
e numa malha externa PI atuando sobre o erro do processo
(Figura 1).
Fig 1. Estrutura de controle PI–PD.
Esta configuração apresentada por Benouarets (1993), foi GPI(s) – Função transferência da parcela PI da estrutura
aplicada inicialmente em plantas com funções de de controle PI–PD;
transferência com pólos reais simples onde as vantagens em GPD(s) – Função transferência da parcela PD da
relação ao controle PID são mínimas. Já em plantas com estrutura de controle PI–PD;
características instáveis, integrantes ou oscilatórias a técnica GIMC(s) – Função transferência da estrutura de controle
apresenta vantagens em relação ao controle PID (Kaya, et. IMC;
al., 2003). Para uma função transferência que represente os G% p ( s ) – Função transferência do processo excluindo os
processos mencionados, conforme (1), com valores elementos de fase não mínima da planta;
específicos dos coeficientes a1 e a0 a malha interna PD
permite a introdução de pólos que estabilizam a planta, (2). Para um sistema integrante de primeira ordem com atraso
bm s + bm −1 s
m m −1
+ K b1 s + b0 de transporte, (4), a equivalência dada em (3) gera os
Gp ( s ) = n −1
(1) parâmetros do controlador apresentados em (5) – (8).
an s + an −1 s + K a1 s + a0
n
−βs
K pe
bm s + bm −1 s
m m −1
+ K b1 s + b0 Gp (s) = (4)
Gp
*
(s) = (2) s (τ s + 1)
an s + K + ( a1 + K f b1 + K f Td b0 ) s + ( a0 + K f b0 )
n

2λ + β + τ
onde: Kc = (5)
K p (1 + α )( λ + β )
2

Gp(s) – Função transferência que representa o K f = α Kc (6)

processo em malha aberta;
Gp*(s) – Função transferência que representa o 2λ + β + τ
processo mais a contribuição da malha PD Ti = (7)
1+α
interna;
Kf – Ganho proporcional na malha PD interna; τ (1 + α )( 2λ + β )
Td = (8)
Td – Tempo derivativo na malha PD interna; α ( 2λ + β + τ )
a,b – Coeficientes dos polinômios.
e, para um sistema de segunda ordem com atraso de
III. SINTONIA DO CONTROLADOR PI–PD transporte, (9), a equivalência dada em (3) gera os
parâmetros do controlador apresentados em (10) – (13).
−βs
K pe
A. Projeto de controle PI–PD baseado na estrutura IMC Gp (s) = (9)
τ s + 2τ ζ s + 1
2 2

Os controladores IMC e PI–PD podem ser expressos

numa estrutura equivalente ao controlador PID (Figura 2). O 2τ ζ
projeto de controle PI–PD inicia com um projeto de controle Kc = (10)
K p (1 + α )( λ + β )
IMC do processo. Uma vez obtida uma expressão para o
controlador IMC, uma equivalência deste com o controlador K f = α Kc (11)
PI–PD é obtida através de (3), como no projeto PID-IMC
(Rivera, et. al. 1986). Detalhes da metodologia são 2τ ζ
Ti = (12)
apresentados em Rodríguez e Coelho (2005). 1+ α
τ
2
(1 + α )
Td = (13)
2α τ ζ
onde:

Kp – Ganho do processo;
β – Atraso de transporte;
τ – Constante de tempo do sistema ou inverso da
freqüência natural não-amortecida;
ζ – Fator de amortecimento
Kc – Ganho proporcional na malha externa PI;
Kf – Ganho proporcional na malha interna PD;
Ti – Tempo integral;
Fig 2. Equivalências PID das estruturas de controle i) PI–PD e ii) Td – Tempo derivativo;
IMC. λ – Constante de tempo de malha fechada ou fator
do filtro IMC;
GIMC ( s ) α – Relação de ganhos
GPI ( s ) + GPD ( s ) = (3)
1 − Gp ( s ) GIMC ( s )
%
onde:
B. Sintonia por lógica nebulosa do controlador PI–PD e
−2 s

Uma vez estimado um modelo do processo, o problema de Gp (s) = (14)

sintonia do controlador PI–PD é reduzido à determinação dos s ( s + 1)
parâmetros de projeto λ e α que não dependem do modelo.
Nesta proposta estes parâmetros são calculados de forma Para fins de projeto, se considera uma identificação exata
adaptativa através de um sistema nebuloso. do modelo, obtendo os parâmetros do controlador PI–PD
através de (5) - (8). As funções de pertinência são
1) Configuração do sistema nebuloso – Na configuração apresentadas na Figura 3 para as entradas erro do processo
do sistema nebuloso cada saída possui duas entradas e(t), variação temporal do erro de(t)/dt, variação temporal da
diferentes. O erro do processo e a taxa de variação do erro do saída do processo dy(t)/dt e as saídas λ e α respectivamente.
processo para a saída do fator do filtro IMC (λ), e o erro do A base de regras lingüísticas é apresentada na Tabela I.
processo e a taxa de variação da saída do processo para a
saída da relação de ganhos (α). A nebulização é realizada
através de funções triangulares e a desnebulização pelo
método do centro de gravidade.
Um conhecimento prévio das entradas e saídas do
processo é requerido para a definição do número de
elementos do universo de discurso e seus valores. Isto
depende de fatores tais como, a característica dinâmica da
planta, saturação em elementos de atuação e restrições em
movimentos de controle a serem aplicados sobre o processo.

2) Base de regras – Na seqüência descreve-se de forma

geral o comportamento das saídas do sistema em função das
entradas. A partir deste conhecimento é gerada a base de
Fig 3. Funções de pertinência do discurso de entrada e saída.
regras do sistema nebuloso.
O fator λ do filtro IMC na estrutura de controle PI–PD TABELA I
apresenta um comportamento análogo a sua implementação Base de regras do ajuste de parâmetros no projeto PI–
no projeto do controlador PID baseado na estrutura IMC. O PD, processo simulado.
aumento do fator λ incrementa a constante de tempo do Taxa de variação do erro ou taxa de variação da saída do
processo em malha fechada diminuindo a velocidade de processo
resposta, assim um fator λ grande implica um ganho pequeno NG NP Z PP PG
do controlador e vice-versa. Quando o sistema apresenta um NG NG NG NG NP Z
erro grande e uma taxa de variação do erro grande, é NP NG NG NP Z PP
Erro

favorável ter um ganho significativo que rapidamente
amplifique o valor do erro na saída do controlador através
das parcelas proporcional e integral, assim o fator λ do filtro
IMC dever ser baixo. Entretanto, com um erro pequeno e
taxa de variação do erro pequena, o ganho pode diminuir
para garantir a estabilidade do sistema, porém sem atingir
valores muito baixos que tendem a deteriorar a resposta no
regime permanente, neste caso o fator λ do filtro IMC deve
tomar valores grandes.
A relação de ganhos α influencia as parcelas proporcional
e derivativa aplicadas na variável de processo. Quando o
sistema apresenta um erro grande e a taxa de variação da
variável do processo é grande é desejável ter um ganho
proporcional na malha PD interna alto. Neste caso, uma
relação de ganhos α alta é favorável. No regime permanente
a influência da relação de ganhos α é unicamente sobre a
ação proporcional na malha interna e é desejável um valor
baixo para evitar a transferência de ruído da variável do
processo.
IV. RESULTADOS
A. Processo simulado
Um processo integrante de primeira ordem com atraso de
transporte, conforme (14), é usado nesta simulação.
Z NG NP Z PP PG
PP NP Z PP PG PG
PG Z PP PG PG PG
Dois controladores, um PI–PD baseado em sintonia IMC
com parâmetros λ=2 e α=3 fixos (não-adaptativa) e um
controlador PID com sintonia baseada em IMC com o
parâmetro λ=2 também são utilizados no controle do
processo. Os resultados da variável de saída e da variável de
controle para as três estruturas mencionadas são apresentados
na Figura 4.
Na Figura 4, os controladores na estrutura PI–PD,
baseados em sintonia IMC, visivelmente apresentam um
melhor desempenho para os sinais de saída e de controle em
relação à estrutura PID baseadas em sintonia IMC (sobre-
sinal e tempo de estabilização). Assim a utilização da
estrutura de controle PI–PD num projeto inicial ou a
modificação de um projeto de controle PID existente mostra-
se promissória na implementação de plantas de primeira
ordem com características integrantes.
A Figura 5 apresenta a variação dos parâmetros do
controlador proposto em função do tempo. Observa-se que a
variação dos parâmetros no tempo é maior nos instantes de
mudanças de referência ou perturbações que afetam o
sistema.
 horizontalmente através de dois ventiladores acionados por
4
motores DC para o posicionamento desejado do eixo. A
3.5 variável de controle é a tensão fornecida ao amplificador de
potência de um dos motores, limitada entre 0-5 Volts. A taxa
3 de amostragem do sistema é de 100 ms (Coelho e Coelho,
1999).
2.5
Saída

1.5

0.5

0
0 10 20 30 40 50 60 70 80 90
Tempo (s)

1.2

1
Fig 6. Processo experimental: Balanço horizontal.
0.8

A planta é identificada através de um modelo de segunda

0.6
ordem com atraso de transporte, (9).
−1.65 s
0.4
0.7870 e
Controle

Gp (s) = (9)
0.2 0.2402 s + 2.1503 s + 1
0

-0.2
Os parâmetros do controlador PI–PD são calculados
conforme (10) - (13). As funções de pertinência são
-0.4 apresentadas na Figura 7 para as entradas erro do processo
-0.6
e(t), variação temporal do erro de(t)/dt, variação temporal da
0 10 20 30 40 50 60 70 80 90
saída do processo dy(t)/dt e as saídas λ e α respectivamente.
Tempo (s)
A base de regras lingüísticas é apresentada na Tabela II.
Fig 4. Resposta ao degrau: — PI–PD (IMC e lógica nebulosa); ······
PI–PD (IMC) e − − PID (IMC)

10

8
Parâmetros de sintonia

5 Fig 7. Funções de pertinência do discurso de entrada e saída.

3
TABELA II
2
0 10 20 30 40 50 60 70 80 90
Base de regras do ajuste de parâmetros no projeto PI–
Tempo (s) PD, processo experimental.
Taxa de variação do erro ou taxa de variação da saída do
Fig 5. Adaptação dos parâmetros − − λ e — α de sintonia do processo
controlador PI–PD. NG NM NP Z PP PM PG
NG NG NG NG NG NM NP Z
NM NG NG NG NM NP Z PP
B. Processo Experimental NP NG NG NM NP Z PP PM
Erro

A metodologia de sintonia proposta é aplicada num Z NG NM NP Z PP PM PG

PP NM NP Z PP PM PG PG
processo experimental visando mostrar o comportamento do PM NP Z PP PM PG PG PG
controlador PI–PD numa planta com características não PG Z PP PM PG PG PG PG
lineares. O processo selecionado é denominado balanço
horizontal (Figura 6), e consiste num eixo que oscila
 Dois controladores, um PI–PD baseado em sintonia IMC associada a variabilidade do sinal medido do processo entre
com parâmetros λ=0.5 e α=1.5 fixos (não-adaptativa) e um instantes de amostragem consecutivos.
controlador PID com sintonia baseada em IMC com o
parâmetro λ=0.5 também são utilizados no controle do
processo. Os resultados da variável de saída e da variável de 4.5
controle para as três estruturas mencionadas são apresentados
na Figura 8. A Figura 9 apresenta a variação dos parâmetros 4

do controlador proposto em função do tempo. 3.5

Parâmetros de sintonia
3

2.5
4

2
3.5

1.5
3
1
2.5
0.5
Saída

2
0
0 10 20 30 40 50 60
Tempo (s)
1.5

1
Fig 9. Adaptação dos parâmetros − − λ e —α de sintonia do
controlador PI–PD
0.5

0
0 10 20 30 40 50 60
V. CONCLUSÃO
Tempo (s)

A sintonia do controlador PI–PD pode ser implementada

através da abordagem IMC, mediante a identificação off-line
5 do processo ou a implementação de técnicas de identificação
on-line que visem estimar os ganhos do controlador e os
tempos integral e derivativo em função do modelo da planta
4.5

4 e de dois parâmetros independentes do modelo. A utilização

de lógica nebulosa permite realizar a sintonia destes dois
3.5 parâmetros de forma adaptativa através do conhecimento
heurístico do engenheiro de controle acerca da variação do
Controle

3
fator do filtro IMC e da influência da ação derivativa sobre o
2.5 processo a ser controlado. Isto automatiza o processo de
decisão de parâmetros de sintonia que possam ser escolhidos
2 pelo operador humano. A principal desvantagem da
1.5
metodologia apresentada é a definição previa dos valores do
universo de discurso, que requer um conhecimento prévio da
1
0 10 20 30 40 50 60
dinâmica do sistema, o que pode ser limitante em projetos de
Tempo (s) novas malhas de controle, onde a dinâmica do sistema em
malha fechada seja desconhecida.
Fig 8. Resposta ao degrau: — PI–PD (IMC e lógica nebulosa); ······
PI–PD (IMC) e − − PID (IMC)
REFERÊNCIAS
Na Figura 8 observa-se que os controladores na estrutura
[1] A. Visioli, “Tuning of PID Controllers with Fuzzy
PI–PD, baseados em sintonia IMC, apresentam um melhor
Logic”, Proc. Control Theory Applications., vol, 148,
desempenho para o sinal de saída e controle em relação à
no. 1, 20001.
estrutura PID baseadas em sintonia IMC, diminuindo
[2] D.E. Rivera, M. Morari, S. Skogestad “4: Internal Model
consideravelmente a oscilação do processo na mudança
Control: PID Controller Design”, Industrial and
inicial da referência. Este comportamento se repete na
Engineering Chemistry: Process Design and
segunda mudança de degrau, mostrando promissório o
Development, vol. 25, pp. 252-, 1986.
deslocamento do controle derivativo junto a uma parcela
[3] H. Taguchi, M. Araki, “Two-Degree-of-Freedom PID
proporcional para a malha interna.
Controllers–their functions and optimal tuning”, IFAC
A adaptação dos parâmetros de sintonia ao longo do
workshop on digital control. Past, present and future of
processo (Figura 9) é refletida num sinal de controle mais
PID Control, Terrassa, Espanha, 2000.
conservativo nos instantes posteriores as mudanças na
[4] I. Kaya, “IMC Based Automatic Tuning Method for PID
referência. No caso experimental, apresenta-se uma maior
Controllers in a Smith Predictor Configuration”,
variabilidade na adaptação dos parâmetros, a qual está
 Computers and Chemical Engineering, vol. 28, pp. 281-
290, 2004.
[5] I. Kaya, “Obtaining Controller Parameters for a New PI–
PD Smith Predictor Using Autotunig”, Journal of
Process Control, vol. 13, pp. 465-472, 2003.
[6] I. Kaya, T. Nusret, D.P. Atherton, “A simple Procedure
for Improving Performance of PID Controllers”, IEEE
Intern. Conf. on Control Applications, Istanbul, Turquia,
pp. 882-885, 2003.
[7] J. E. N. Rodríguez, A.A.R. Coelho, “IMC Tuning of a
PI–PD Controller for FOPDT, SOPDT and IFOPDT
plants”, Proc. of EMPROMER, CD-ROM, Rio de
Janeiro, Brasil, 2005.
[8] K.J. Åström, T. Hägglund, “Revisiting the Ziegler–
Nichols Step Response Method for PID Control”.
Journal of Process Control, vol. 14, pp. 635-650, 2004.
[9] K.J. Åström, T. Hägglund, “The future of PID control”.
Control Engineering Practice, vol 9, pp.1163-1175,
2001.
[10] L. Desborough, R. Miller, “Increasing Customer Value
of Industrial Control Performance Monitoring -
Honeywell’s experience”, Sixth International
Conference on Chemical Process Control, AIChE
Symposium Series, vol 98, no 326, pp 169-189, 2002.
[11] L.S. Coelho, A.A.R. Coelho, “An Experimental and
Comparative Study of Fuzzy PID Controller Structures”,
Advances in Soft Computing, Springer, pp. 147-159,
1999.
[12] Luyben W.L, “Effect of Derivative Algorithm and
Tuning Selection on the PID Control of Dead-Time
Process”, Industrial Engineering Chemical Research,
vol. 40, pp. 3605-3611, 2001.
[13] M. Benouarets, Some Design Methods for Linear and
Nonlinear Controllers. Ph.D. Thesis, University of
Sussex, U.K., 1993
[14] M.A. Johnson, M.H. Moradi, PID Control: New
Identification and Design Methods, Springer, 1ra ed,
Londres, 2005.
[15] Y.F Li, C.C. Lau, “Development of Fuzzy Algorithms
for Servo Systems”, IEEE Control Systems Magazine,
vol 9, no. 3, pp.65-73, 1989.