SDC Apont03 Muitoimportante

Sistemas Dinâmicos e Controlo
José Dores Costa
Escola Náutica Infante D. Henrique
2003
J. Dores Costa Sistemas Dinâmicos e Controlo
Ao leitor,
Estas folhas constituem um resumo das matérias que fazem parte dos programas das disciplinas
na área do controlo de sistemas do departamento de Radiotecnia da ENIDH.
Fundamentalmente, são uma colectânea revista dos apontamentos dispersos que elaborei desde
1988. Estes apontamentos foram sendo escritos e revistos ao longo das aulas e são, portanto,
uma simples sebenta que serve de guia e orientação para o estudo das matérias que considero
mais importantes. A sua leitura não substitui a consulta e o estudo atento da bibliografia
apresentada.
Inicialmente destinados ao curso de bacharelato, decidi incluir agora algumas matérias que são
ministradas do curso de licenciatura.
Os apontamentos estão divididos em duas partes: na Primeira, incluem-se os primeiros seis

capítulos que constituem, grosso modo, o programa da componente teórica da disciplina de
Sistemas de Controlo do curso de bacharelato; a Segunda Parte, formada pelos capítulos 7, 8 e
9, destina-se a apoiar a disciplina de Sistemas Dinâmicos e Controlo do curso de licenciatura.
Os capítulos 1 a 6 referem os aspectos principais da teoria clássica do controlo; os restantes

constituem uma introdução à moderna Teoria do Controlo. Esta Segunda Parte não é autónoma
porque faz referência a matérias que são expostas no curso de bacharelato.
Consciente das limitações, apresento as minhas desculpas pelas omissões que detectarão e peço
a vossa indulgência para a apresentação e para a paginação destes apontamentos. Apesar disso,
espero que os leitores encontrem nestes apontamentos as linhas mestras para o primeiro
contacto, simples, com a teoria do controlo e, também, que deles tirem proveito para obterem
boas classificações.
José Dores Costa
"Entendamo-nos bem. A Ciência não tem, nem pode ter, como objectivo descrever a realidade
tal como ela é. Aquilo a que ela aspira é a construir quadros racionais de interpretação e
previsão; a legitimidade de tais quadros dura enquanto durar o seu acordo com os resultados da
observação e da experimentação”.
Bento de Jesus Caraça, Conceitos Fundamentais da Matemática.
4
ÍNDICE
CAPÍTULO 1 ........................................................................................................................ 8
INTRODUÇÃO .................................................................................................................... 8
CAPÍTULO 2 ........................................................................................................................ 12
MODELOS MATEMÁTICOS DOS SISTEMAS CONTÍNUOS........................................ 12
2.1 EQUAÇÕES DIFERENCIAIS ........................................................................... 12
2.2 EQUAÇÃO DIFERENCIAL DE 1ª ORDEM..................................................... 15
2.3 EQUAÇÃO DIFERENCIAL DE 2ª ORDEM..................................................... 16
2.4 EXEMPLOS DE SISTEMAS DE 2ª ORDEM. .................................................. 22
2.5 PRINCÍPIO DA SOBREPOSIÇÃO.................................................................... 25
2.6 MODELO DE ESTADO. .................................................................................... 26
2.7 RESUMO ............................................................................................................ 32
CAPÍTULO 3 ........................................................................................................................ 33
TRANSFORMADA DE LAPLACE..................................................................................... 33
3.1 INTRODUÇÃO................................................................................................... 33
3.2 TRANSFORMADA DE LAPLACE................................................................... 34
3.3 FUNÇÃO DE TRANSFERÊNCIA..................................................................... 37
3.4 DIAGRAMAS DE BLOCOS.............................................................................. 41
3.5 DIAGRAMA DE BLOCOS EM CADEIA FECHADA ..................................... 42
3.6 DECOMPOSIÇÃO EM FRACÇÕES PARCIAIS.............................................. 45
3.7 CONVOLUÇÃO ................................................................................................. 49
3.8 RESPOSTA EM FREQUÊNCIA........................................................................ 51
3.9 DIAGRAMAS DE BODE................................................................................... 56
3.10 ASSÍNTOTAS DOS DIAGRAMAS DA AMPLITUDE.................................. 60
3.11 DETERMINAÇÃO EXPERIMENTAL DE G(jω)........................................... 64
3.12 CONSTRUÇÃO DE UMA ESCALA LOGARÍTMICA.................................. 65
3.13 RESUMO ......................................................................................................... 66
ANEXO 3.1 ............................................................................................................... 67
Resumo das Propriedades da Transformada de Laplace ........................................... 67
ANEXO 3.2 ............................................................................................................... 68
Tabela de Transformada de Laplace ......................................................................... 68
ANEXO 3.3 ............................................................................................................... 71
Circuitos com amplificadores operacionais e funções de transferência.................... 71
CAPÍTULO 4 ........................................................................................................................ 73
ESTABILIDADE .................................................................................................................. 73
4.1 INTRODUÇÃO................................................................................................... 73
4.2 CRITÉRIO DE ROUTH-HURWITZ.................................................................. 75
5
4.3 LUGAR GEOMÉTRICO DAS RAÍZES (DIAGRAMA DE EVANS) .............. 78

4.3.1 Condição de Módulo e Condição de Ângulo ................................................... 81
4.3.2 Regras de Construção ....................................................................................... 82
4.4 CRITÉRIO DE NYQUIST.................................................................................. 88
4.5 ESTABILIDADE RELATIVA ........................................................................... 92
4.5.1 Margem de Ganho ............................................................................................ 92
4.5.2 Margem de Fase ............................................................................................... 93
4.6 RESUMO ........................................................................................................... 95
CAPÍTULO 5 ........................................................................................................................ 96
CARACTERÍSTICAS DOS SISTEMAS EM CADEIA FECHADA .................................. 96
5.1 INTRODUÇÃO ............................................................................................................. 96
5.2 EXACTIDÃO...................................................................................................... 97
5.3 RELAÇÃO ENTRE A ESTABILIDADE E A EXACTIDÃO ........................... 100
5.4 SENSIBILIDADE ............................................................................................... 102
5.5 RESUMO ........................................................................................................... 104
CAPÍTULO 6 ........................................................................................................................ 105
COMPENSAÇÃO................................................................................................................. 105
6.1 INTRODUÇÃO................................................................................................... 105
6.2 COMPENSADORES DE AVANÇO DE FASE................................................. 107
6.3 COMPENSADORES DE ATRASO DE FASE.............................................................. 109
6.4 COMPENSADORES MISTOS........................................................................... 111
6.5 PROJECTO DOS COMPENSADORES............................................................. 112
6.6 REGULADORES INDUSTRIAIS...................................................................... 114
6.6.1. Regulador proporcional (P) ............................................................................. 114
6.6.2. Regulador proporcional e integral (PI)............................................................ 115
6.6.3. Regulador proporcional e derivativo (PD) ...................................................... 118
6.6.4. Regulador proporcional, integral e derivativo (PID) ...................................... 119
6.7 AJUSTE DOS REGULADORES INDUSTRIAIS ............................................. 119
6.7.1 Ensaio em cadeia aberta ................................................................................... 120
6.7.2 Máxima sensibilidade (ensaio em cadeia fechada) .......................................... 121
6.8 COMPENSAÇÃO EM PARALELO .................................................................. 122
6.9 RESUMO ............................................................................................................ 122
CAPÍTULO 7 ........................................................................................................................ 124
MODELOS DE ESTADO..................................................................................................... 124
7.1 INTRODUÇÃO................................................................................................... 124
7.2 MODELOS DE ESTADO................................................................................... 125
7.3 SOLUÇÃO DA EQUAÇÃO DE ESTADO........................................................ 132
7.4 DIAGRAMAS DE BLOCOS.............................................................................. 134
7.5 FUNÇÕES DE TRANSFERÊNCIA ................................................................... 141
6
7.6 OBSERVABILIDADE E CONTROLABILIDADE........................................... 145

7.7 TRANSFORMAÇÃO DE SEMELHANÇA....................................................... 150
7.8 RESUMO ............................................................................................................ 156
CAPÍTULO 8 ........................................................................................................................ 157
PROJECTO DO CONTROLO.............................................................................................. 157
8.1 INTRODUÇÃO................................................................................................... 157
8.2 RECTROACÇÃO LINEAR DAS VARIÁVEIS DE ESTADO ......................... 158
8.3 RECONSTRUÇÃO DO ESTADO ..................................................................... 169
8.4 RESUMO ............................................................................................................ 174
CAPÍTULO 9 ........................................................................................................................ 175
CONTROLO DIGITAL ........................................................................................................ 175
9.1 INTRODUÇÃO................................................................................................... 175
9.2 REPRESENTAÇÃO DE VARIÁVEIS DISCRETAS........................................ 176
9.3 DISCRETIZAÇÃO DO MODELO DE ESTADO ............................................. 179
9.4 MODELO DE ESTADO DISCRETO ................................................................ 184
9.5 TRANSFORMADA Z......................................................................................... 186
9.6 TRANSFORMADA Z INVERSA ...................................................................... 190
9.7 ESTABILIDADE ................................................................................................ 195
9.8 RESPOSTA EM FREQUÊNCIA........................................................................ 199
9.9 MODELOS DE ESTADO E FUNÇÕES DE TRANSFERÊNCIA .................... 207
9.10 CONTROLO DOS SISTEMAS AMOSTRADOS............................................ 209
RESUMO .................................................................................................................. 217
BIBLIOGRAFIA................................................................................................................... 218
7
PRIMEIRA PARTE
CAPÍTULO 1
INTRODUÇÃO
Os sistemas com comando automático são utilizados em inúmeros equipamentos, desde os mais
sofisticados, como os da indústria aeroespacial, até nos mais vulgares electrodomésticos. A
moderna tecnologia tornou possível que equipamentos cada vez mais complexos e fiáveis
substituam o homem nas tarefas mais cansativas, mais monótonas e mais exigentes, com
elevado desempenho. A ideia do controlo está associada á actividade humana: os nossos
sentidos fornecem indicações ao cérebro que por sua vez controla os músculos para que uma
dada tarefa saia a nosso contento. Por exemplo, ao serrar uma tábua, a trajectória do corte é
continuamente controlada pelo cérebro a partir da imagem fornecida pelos olhos. (Ninguém, de
bom senso, serra uma tábua ou conduz um carro de olhos fechados!). São conhecidas as
máquinas usadas nas indústrias metalomecânica, automóvel e construção naval, por exemplo,
que cortam segundo uma trajectória previamente definida; estas máquinas têm sensores,
circuitos de controlo e actuadores que substituem os olhos, o cérebro e os músculos humanos,
respectivamente; diz-se então que é uma máquina com controlo de corte automático.
É usual referir o regulador de velocidade das máquinas de vapor, inventado em 1788 por
Matthew Boulton e James Watt, como um dos primeiros sistemas que se destinou a substituir o
homem no controlo de uma máquina. Desde então, o desenvolvimento de sistemas de controlo
automático acompanhou a evolução industrial.
O projecto dos sistemas que controlam os equipamentos que executam tarefas de grande
complexidade exige a utilização de métodos matemáticos precisos. A organização destes
métodos deu origem ao aparecimento da teoria do controlo. Esta teoria ganhou forma já neste
século, principalmente no período compreendido entre as duas grandes guerras mundiais e
desenvolveu-se muito rapidamente no pós-guerra para satisfazer as necessidades das indústrias
bélica e aeroespacial. Mais recentemente, o desenvolvimento da electrónica digital e dos
computadores permitiram a aplicação de novos métodos de controlo e, consequentemente, deu
novo desenvolvimento à teoria do controlo.
Estes apontamentos são uma introdução à teoria do controlo; referem-se, principalmente, os

métodos de análise dos sistemas e os métodos de projecto (síntese) dos sistemas de controlo,
segundo a teoria clássica. Apresentam-se, também, os fundamentos da moderna teoria do
controlo.
8
O problema do controlo pode ser colocado considerando, por exemplo, que se pretende manter
um navio com um rumo constante. Para cumprir este desejo pode-se colocar o navio no rumo
pretendido e fixar-se o leme. Todavia, esta solução não é satisfatória porque não tem em conta
os desvios que serão provocados, por exemplo, pelo vento e pelas correntes. Para manter o
navio com o rumo desejado, torna-se necessário, pelo menos de tempos a tempos, comparar o
rumo real com o pretendido e, caso haja desvio na trajectória, actuar-se no leme para se efectuar
a correcção do rumo.
Com base neste exemplo, o problema geral do controlo consiste em responder às duas seguintes
questões:
1) Perante um desvio, qual deve ser a acção correctiva que repõe o sistema na
trajectória pretendida?
2) De entre várias possibilidades, qual deve ser a escolhida?
A resposta, na maior parte dos casos, não é simples. A solução clássica do problema consiste
em estabelecer uma relação entre o desvio (ou erro), a acção correctiva (ou variável de
controlo) e as características físicas e económicas do sistema a controlar, o que nem sempre é
fácil. Note-se que, considerando o exemplo anterior, o movimento do leme está fisicamente
limitado e que a mesma variação do ângulo do leme produz efeitos diferentes conforme sejam a
velocidade do navio e a sua carga. A solução complica-se ainda mais quando se têm em conta
factores económicos, como sejam, por exemplo, o consumo de combustível e o tempo do
percurso.
A acção correctiva, isto é, o controlo, para ser eficaz, deve ter em conta as características físicas
do sistema porque são estas que vão determinar a resposta dinâmica (é mais fácil controlar um
pequeno barco do que um navio de grande porte) e, por isso, a resposta dinâmica é estudada a
partir do modelo matemático do sistema.
Referimos três conceitos que nos acompanharão ao longo deste estudo: sistema, modelo
matemático e controlo. De um modo geral, um sistema é um conjunto complexo de elementos
interactuantes. É um conjunto complexo porque pode ser dividido em subsistemas interligados
entre si. Os sistemas e os subsistemas são descritos por modelos matemáticos que, no caso
geral, são equações diferenciais. Através do modelo matemático é possível estudar o
comportamento dinâmico do sistema, isto é, a sua resposta temporal. Finalmente, o controlo a
aplicar dependerá do comportamento dinâmico do sistema.
Estes apontamentos iniciam-se com o estudo dos modelos matemáticos dos sistemas com base
nos quais se caracterizará o comportamento dinâmico. Na realidade, estas duas questões estão
interligadas e serão estudadas conjuntamente. Este é o objecto da análise dos sistemas.
9
Como se verá, sistemas de natureza diferente (eléctricos, mecânicos, termodinâmicos, etc)

podem ser governados por equações diferenciais formalmente semelhantes e, portanto, as
respostas dinâmicas são também semelhantes. Esta situação é notável e facilita grandemente a
análise dos sistemas. Independentemente da natureza física do sistema, o controlo poderá ser do
mesmo tipo quando se consideram sistemas com modelos matemáticos formalmente iguais.
Seguidamente, estudar-se-á o projecto do controlo. Para isso é necessário medir, comparar e

processar o erro. Estas acções podem ser feitas continuamente, no tempo, ou por amostragem.
Ambos os casos serão objecto do nosso estudo. O processamento do erro é feito segundo uma
lei de controlo que é definida tendo em conta o comportamento dinâmico do sistema e as
especificações a que o sistema total (com o sistema de controlo incluído) deve obedecer.
Nesta disciplina, o estudo resume-se aos sistemas determinísticos, de parâmetros concentrados,

contínuos ou discretos e invariantes no tempo. Esta caracterização obedece à classificação dos
sistemas que se apresenta na Fig. 1.1.
SISTEMAS
estocásticos determinísticos
parâmetros parâmetros
distribuídos concentrados
contínuos discretos
não lineares lineares
variantes invariantes
no tempo no tempo
Fig. 1.1: Classificação dos sistemas.
As definições dos sistemas da Fig. 1.1 são, resumidamente, as seguintes:

Estocásticos: as variáveis do sistema são descritas probabilisticamente.
Determinísticos: as variáveis do sistema seguem leis determinísticas, isto é, têm valores
precisos.
Parâmetros distribuídos: os modelos são equações diferenciais às derivadas parciais.
Parâmetros concentrados: os modelos são equações diferenciais ordinárias.
10
Contínuos: as variáveis variam continuamente no tempo.

Discretos: as variáveis só são significativas em instantes bem determinados; são descritos por
equações às diferenças.
Lineares: aplica-se o princípio da sobreposição das acções.
Invariantes no tempo: as características do sistema não variam com o tempo; são descritos por
equações (diferenciais) com coeficientes constantes.
Esta classificação é uma procura de sistematização e não deve ser entendida como uma fórmula
rígida; conforme as simplificações adoptadas, o mesmo sistema pode ser considerado de modo
diverso.
Um sistema pode ter múltiplas entradas e saídas (MIMO - Multiple Input, Multiple Output),
uma única entrada e uma única saída (SISO - Single Input, Single Output) ou as combinações,
SIMO e MISO. Os sistemas mais simples são os SISO e, por isso, são os únicos considerados
neste estudo. E, por ser um estudo introdutório, estudaremos apenas os sistemas lineares e
invariantes no templo (SLIT).
No capítulo 2 estudam-se os modelos matemáticos dos sistemas contínuos, no domínio do

tempo. Referem-se as equações diferenciais lineares e ordinárias e os modelos de estado.
No capítulo 3 estuda-se a aplicação da transformada de Laplace e estudam-se os modelos

matemáticos no domínio da frequência complexa. Apresentam-se os sistemas em cadeia aberta
e fechada, determinam-se as funções de transferência e as respostas em frequência.
No capítulo 4 estuda-se a estabilidade e referem-se diferentes métodos de análise deste

problema. Apresenta-se o critério de Routh-Hurwitz, o diagrama de Evans e o método de
Nyquist.
No capítulo 5 analisam-se as características dos sistemas em cadeia fechada, em particular,

refere-se a exactidão e a sensibilidade e a relação com a estabilidade.
No capítulo 6 estuda-se o problema do controlo clássico e os métodos de compensação.

Referem-se os reguladores industriais.
Os capítulos 7, 8 e 9 constituem a segunda parte do curso que é normalmente ministrado em

disciplinas da licenciatura. No capítulo 7 faz-se uma introdução à moderna teoria do controlo
baseada nos modelos de estado. O capítulo 8 é dedicado ao projecto do controlo e no capítulo 9
estudam-se os sistemas com controlo digital.
11
CAPÍTULO 2
MODELOS MATEMÁTICOS DOS SISTEMAS CONTÍNUOS
2.1 EQUAÇÕES DIFERENCIAIS
O estudo do comportamento dinâmico dos sistemas é feito a partir do modelo matemático. No

geral, este modelo é um conjunto de equações diferenciais que relacionam as variáveis de saída
com as entradas do sistema. Como exemplo, considere-se o circuito eléctrico da Fig. 2.1(a).
Este circuito pode ser considerado como o sistema SISO da Fig. 2.1(b) cuja entrada é a tensão
VI e cuja saída é a tensão vC.
S R
VI C v
C
i
(a)
VI v
circuito C
RC
(b)
(c)
Fig. 2.1: Circuito RC; (a) esquema; (b) representação por um bloco SISO; (c) diagramas
temporais.
12
Estudar o comportamento dinâmico do circuito da Fig. 2.1(a) é responder á seguinte questão:

qual é a evolução de vC, no tempo, após o fecho do interruptor S? A resposta é obtida através da
resolução da equação diferencial que rege o circuito (o modelo matemático do circuito):
dvC
VI = RC + vC (2.1)
dt
A equação (2.1) é uma equação diferencial ordinária linear na qual as grandezas que são
variáveis no tempo estão representadas com letras minúsculas. Com VI constante e admitindo,
por exemplo, que o condensador estava inicialmente descarregado, isto é, vC(0)=0, a solução de
(2.1) é
vC = VI (1 − e− t RC ) (2.2)
dvC
Como i = C , a corrente no circuito é
dt
V
i = I e− t RC (2.3)
R
Os diagramas temporais de vC e de i estão representados na Fig. 2.1(c); RC é a constante de

tempo do circuito e para τ=RC é vC(τ)≈0,63VI.
Faremos, agora, uma breve revisão da resolução das equações diferenciais de parâmetros
constantes. Generalizando, um sistema linear com entrada x(t) e saída y(t), invariante e de
parâmetros concentrados, pode ser representado por uma equação diferencial com a forma
dy d2 y dn y dx d2 x d mx
K0 y ( t ) + K1 + K2 +... + Kn = a0 x ( t ) + a1 + a2 +... + am (2.4)
dt dt 2 dt n dt dt 2 dt m
onde m≤n e ai e Kj são constantes reais.
O sistema diz-se de 1ª, 2ª,....,nª ordem, se a equação diferencial que o modela for de 1ª, 2ª, ...,nª
ordem, respectivamente.
a) Equações homogéneas.
Se a entrada x e as suas derivadas são nulas (2.4) é uma equação homogénea e a resposta do
sistema depende apenas das condições iniciais e dos componentes do sistema.
Consideremos a equação homogénea de (2.4):
13
dy d2 y dn y
K0 y ( t ) + K1 + K2 2 +... + Kn n = 0 (2.5)
dt dt dt
d
Substituindo em (2.5) o operador derivada por uma variável s ( s ≡ ) obtém-se a equação
dt
característica
K0 + K1s + K2 s2 +... + Kn sn = 0 (2.6)
A solução de (2.5) depende das raízes de (2.6). Se a equação (2.6) tem n raízes distintas si, com
i=1, 2, ..., n, o integral de (2.5) será dado por
y ( t ) = A1es1t + A2es2t +..... + Anesnt (2.7)
em que A1, A2...An são constantes de primitivação.
Se (2.6) tiver raízes múltiplas, cada solução sj de multiplicidade α dá origem a uma parcela yj(t)
de y(t) com a forma
( )
y j (t ) = b1t α −1 + b2 t α −2 + ... + bα e
s jt
(2.8)
em que b1, b2...bα são constantes de primitivação
Se (2.6) tiver raízes complexas, a cada par de raízes conjugadas sj=r±jω corresponde uma
parcela yj(t) de y(t) com a forma
y j (t ) = B cos(ω t + ϕ )e rt (2.9)
em que B e ϕ são números reais, resultantes das constantes de primitivação.
As constantes de primitivação das equações (2.7), (2.8) e (2.9) são determinadas conhecendo
alguns pontos de y(t) (condições fronteira), ou conhecendo o valor de y(0) e as suas derivadas
em t=0 (as condições iniciais).
b) Equações não homogéneas.
Considere-se a equação diferencial
dy d2 y dn y
K0 y ( t ) + K1 + K2 +... + Kn = a0 x ( t ) (2.10)
dt dt 2 dt n
14
O integral de (2.10) pode ser obtido somando a solução da equação homogénea de (2.10), que
se designa por solução livre, com a solução particular imposta pela entrada x. Esta solução
particular designa-se por solução forçada e é do mesmo tipo de x. Sendo yl a solução livre e yf a
solução forçada, a solução total será
y(t)=yl(t)+yf(t) (2.11)
Uma vez obtida a equação (2.11), determinam-se as constantes de integração através das
condições fronteira ou das iniciais.
2.2 EQUAÇÃO DIFERENCIAL DE 1ª ORDEM.
Uma equação diferencial de primeira ordem, tal como (2.1), pode ser escrita na forma geral,
dy ( t )
x (t ) = τ + y (t ) (2.12)
dt
Admite-se que a condição inicial é y(0)=Y0 e que x=E é constante. O integral de (2.12) será
calculado tendo em conta (2.11); para isso, determinaremos primeiro a solução livre de (2.12) e
posteriormente a solução forçada. A equação homogénea é
dy ( t )
0=τ + y (t ) (2.13)
dt
A partir de (2.13) escreve-se a equação característica
0 = τs + 1 (2.14)
1
cuja raiz é s = − . De acordo com (2.7), a solução livre de (2.12) é
τ
−t
yl ( t ) = Ae τ (2.15)
A solução forçada, ou particular, de (2.12), yf, depende de x e deve verificar (2.12). Como x é
constante, yf também é constante e, de (2.12), conclui-se que
yf=E (2.16)
Tendo em conta (2.11), (2.15) e (2.16), a solução completa de (2.12) é
15
−t
y ( t ) = Ae τ + E (2.17)
Finalmente, a constante de integração, A, é determinada a partir (2.17), tendo em conta que a

condição inicial verifica esta equação:
y ( 0) = Y0 = A + E (2.18)
pelo que,
A=Y0-E (2.19)
Substituindo (2.19) em (2.17) obtém-se o resultado final
−t  −1 
t
y (t ) = Y0 eτ + E 1− e τ 
 (2.20)
 
 
Se, em (2.20) for Y0=0, E=VI e τ=RC, o resultado obtido é igual a (2.2). A solução (2.20) da
equação diferencial de primeira ordem (2.12) é independente do sistema físico e só a constante
de tempo, τ, muda porque depende dos componentes do sistema.
2.3 EQUAÇÃO DIFERENCIAL DE 2ª ORDEM.
Uma equação diferencial de 2ª ordem pode ser representada por
dy d2 y
K0 y ( t ) + K1 + K2 = x (t ) (2.21)
dt dt 2
O integral de (2.21) pode ser calculado pelo processo que usámos no parágrafo anterior:
calcula-se primeiro a solução livre, depois calcula-se a solução forçada e aplica-se (2.11).
Finalmente determinam-se as constantes de primitivação.
Para se calcular a solução livre de (2.21) recorre-se à equação característica
K0s + K1s + K2 s2 = 0 (2.22)
As soluções de (2.22) são, genericamente,
s1, 2 = − β ± β 2 − ω 02 (2.23)
com
16
K1 K0
β= e ω0 = (2.24)
2 K2 K2
Admitindo que β e ω0 não são negativos, as soluções (2.23) podem ser :

- reais e distintas, se β ≥ ω0
- reais e iguais (raiz dupla), se β = ω0
- complexas conjugadas se, β < ω0
- imaginárias puras, se β =0.
Cada par de raízes (2.23) dá origem a diferentes soluções livres, de acordo com (2.7), (2.8) e
(2.9). É interessante referir que se β < ω0 existirá um regime periódico que, de acordo com
(2.9), é [1]
yl (t ) = B cos(ω t + ϕ )e − βt (2.25)
com
ω = ω 02 − β 2 (2.26)
Determinaremos a solução forçada de (2.21) para o caso de uma entrada constante x=E. Neste
caso, yf é constante e
E
y f (t ) = (2.27)
K0
Admitindo que a solução livre é dada por (2.25), a solução completa é
E
y (t ) = + B cos(ω t + ϕ )e − βt (2.28)
K0
Para o cálculo de B e de ϕ admitiremos que as condições iniciais são nulas, isto é, y(0)=0 e
dy
( 0) = 0; nesta condição, de (2.28) obtém-se
dt
E
B=− (2.29)
K0 cos ϕ
β
ϕ = − arctan (2.30)
ω
1 1 β2
Atendendo a que tan2 ϕ + 1 = , de (2.30) resulta = + 1 , pelo que
cos2 ϕ cosϕ ω2
17
E β2
B=− +1 (2.31)
K0 ω2
Tendo em conta (2.31), a solução completa de (2.21) é dada por
 2 
y (t ) =
E 1 − e − β t β + 1 cos(ω t + ϕ )  (2.32)
K0  ω2 
 
No caso particular de β=0, tendo em conta (2.26) e (2.30), conclui-se de (2.32) que
E
y (t ) = (1 − cos (ω0 t ) ) (2.33)
K0
e a solução de (2.21) é eternamente oscilante.
β
Na Fig. 2.2 representam-se as curvas características de y(t) para diferentes valores de ξ = e
ω0
para x=E e constante.
Fig. 2.2: Respostas típicas de um sistema de 2ª ordem.
Note-se que só existem oscilações periódicas para ξ <1, ou seja, quando as raízes da equação
característica são complexas; para ξ ≠ 0 todas as curvas tendem para um valor estacionário
E/K0 e para ξ = 0 o valor máximo de y é o dobro daquele valor. A Fig. 2.2 mostra que para ξ <1
a frequência das oscilações aumenta quando ξ diminui e o mesmo se passa com o valor máximo
de y(t).
18
Comparando os sistemas de primeira com os de segunda ordem, conclui-se que estes últimos
têm um comportamento mais complicado porque podem apresentar respostas diferentes em
função das soluções da equação característica. Os coeficientes das parcelas de (2.21) dependem
do sistema e são constantes nos sistemas invariantes. Todavia, na prática estes coeficientes
dependem das condições de funcionamento (da temperatura, por exemplo) e variam com o uso
(desgaste). Desta forma, as raízes da equação característica podem ser significativamente
alteradas e, com a mesma entrada, o sistema pode vir a dar respostas de tipo diferente.
Quando a equação característica tem raízes complexas diz-se que o sistema tem modos
oscilatórios. A frequência das oscilações é igual à parte imaginária das raízes. A parte real
introduz amortecimento nas oscilações; se a parte real é negativa o amortecimento é positivo e a
resposta tende para um valor estacionário (resposta forçada); se a parte real é positiva, o
amortecimento é negativo, a amplitude das oscilações tenderá para infinito e o sistema é
instável (a estabilidade será estudada num próximo capítulo, mas apela-se aqui para o senso
comum).
Para ξ=1, existe uma raiz dupla, s1=s2= - β, e o integral de (2.21), para a entrada x(t)=E, é
y (t ) =
E
K0
(
1 − ( β t + 1) e − βt ) (2.34)
Os sistemas de segunda ordem têm, frequentemente, respostas oscilatórias do tipo representado

na Fig. 2.3. Por este motivo, esta resposta é caracterizada, de seguida, com mais pormenor.
Com ξ<1 e fazendo Y E = E / K 0 , a resposta y(t) é
 β2 
y (t ) = YE 1 − e − β t + 1 cos(ω t + ϕ )  (2.35)
 ω 2 
 
Na equação (2.35), β é designado por factor de amortecimento. O parâmetro ξ é designado por

coeficiente de amortecimento ou factor de amortecimento reduzido.
De acordo com a Fig. 2.3, y atinge um máximo YM quando t=tp. Este valor máximo pode ser
determinado derivando (2.35) e igualando a zero o resultado. Desta operação resulta
tan(ωt + ϕ ) = tan ϕ (2.36)
o que é equivalente a
ωt + ϕ = ϕ + nπ , n = 1, 2,.... (2.37)
19
Fig. 2.3: Resposta de um sistema de segunda ordem com ξ<1.
O primeiro máximo obtém-se para n=1 e resulta tp=π/ω. Substituindo este resultado em (2.35)
obtém-se
YM = y ( t p ) = YE (1 + e−βπ ω ) (2.38)
A sobreelevação é MP=YM-YE
M P = YE e − βπ ω
(2.39)
ou, tomando como unidade o valor final YE,
MP
= e−βπ ω 100 (%) (2.40)
YE
Tendo em conta (2.26), (2.39), e (2.40), MP e tp podem ser escritos em termos do coeficiente de
amortecimentoξ :
ξπ
−
1− ξ2
M P = YE e (2.41)
π
tp = (2.42)
ω 0 1 − ξ2
20
O período das oscilações amortecidas, T, é
2π 2π
T= = 2t p = (2.43)
ω ω0 1 − ξ2
De (2.41) a (2.43) podem ser retiradas algumas conclusões:

1. A sobreelevação aumenta quando ξ diminui.
2. A frequência das oscilações, 1/T, aumenta quando ξ diminui.
3. A frequência das oscilações é máxima quando ξ=0 e, nesse caso, é igual a ω0/2π.
4. Quando β=0 as oscilações não são amortecidas e MP=YE.
5. A frequência das oscilações amortecidas, ω, é sempre menor do que a frequência das
oscilações não amortecidas, ω0.
A resposta da Fig. 2.3 pode, também, ser caracterizada pelos seguintes intervalos de tempo:
ta- tempo de atraso: o tempo necessário para que y(t) atinja metade do valor final
(y(ta)=YE/2).
tc- tempo de crescimento: o tempo necessário para que y(t) atinja o valor final (y(tc)=YE).
ts- tempo de estabelecimento: o tempo necessário para que y(t) atinja, praticamente, o valor
final, isto é, y(ts) = YE ± εYE, em que ε representa o erro admitido (2% ou 5%, por
exemplo). Na prática, ts corresponde à duração do regime transitório.
Para se ter uma estimativa da duração do regime transitório, pode-se considerar t=ntp com
n=1,2,3,.... ; tendo em conta (2.40) resulta
n
−βt −βt pn M 
e =e =  P  n = 1,2,3,.... (2.44)
 YE 
A partir de (2.44), pode-se calcular n para que a resposta y(t) esteja próximo do valor final YE
com um erro inferior ε:
n
M 
ε ≤  P  n = 1,2,3,.... (2.45)
 YE 
logε
n≥ n = 1,2,3,.... (2.46)
log( M P YE )
Note-se que através de (2.46) obtém-se uma resposta aproximada; por exemplo, com uma
sobreelevação de 15%, o desvio ε=2% é atingido ao fim de 2tp, aproximadamente (n≥2,06).
21
Estudaram-se os sistemas de primeira e de segunda ordem através da resolução clássica das

respectivas equações diferenciais. A solução geral foi obtida considerando a soma da solução
livre com a solução forçada. A solução livre compreende os termos exponenciais que tendem
para zero quando o tempo tende para infinito e que dão origem ao regime transitório do sistema.
Quando o regime transitório se anula, o sistema atinge o regime forçado, ou estacionário, em
que a resposta é apenas dominada pela entrada. Nos sistemas de primeira ordem pode-se
admitir que se atinge o regime forçado quando t≈5τ.
Como veremos, os sistemas lineares de ordem superior á segunda podem ser decompostos em
subsistemas de 1ª e/ou de 2ª ordem. Por este facto eles não são agora estudados. Os sistemas de
ordem superior serão analisados nos capítulos seguintes por processos que são mais simples do
que a resolução directa das equações diferenciais.
2.4 EXEMPLOS DE SISTEMAS DE 2ª ORDEM.
A seguir, apresentaremos sistemas mecânicos e eléctricos que são exemplos de sistemas de

segunda ordem.
a) Sistema mecânico de translação
Na Fig. 2.4 representa-se um sistema deste tipo, frequentemente designado por sistema de
massa-mola-atrito: x é a força que desloca a massa M, Fa representa o atrito de
escorregamento, K é a constante elástica da mola e y é o deslocamento. De acordo com a lei de
Newton, a força aplicada, x, é igual à soma das forças resistentes: a força acelerativa, que é
proporcional à aceleração, a força de atrito, que é proporcional à velocidade e a força da mola
que é proporcional ao deslocamento. O equilíbrio entre as forças é dado pela equação (2.47):
d2 y dy
x= M + Fa + Ky (2.47)
dt 2 dt
(Por comodidade, no restante texto usam-se letras minúsculas para representar as grandezas que
são variáveis do tempo; assim, escreve-se x e y em vez de x(t) e y(t), respectivamente).
A equação (2.47) é formalmente equivalente a (2.21) e o estudo do comportamento dinâmico do

sistema da Fig. 2.4 pode ser feito a partir de (2.21) com K0=K, K1=Fa e K2=M. O coeficiente
de amortecimento é
Fa
ξ= (2.48)
2 KM
22
e o comportamento dinâmico do sistema (o tipo da resposta y), na zona elástica da mola, é o

representado na Fig. 2.2.
Fig. 2.4: Sistema mecânico de translação.
b) Sistema mecânico de rotação
Os sistemas de rotação são semelhantes aos de translação, considerando o deslocamento

angular e os binários em vez do deslocamento linear e das forças, respectivamente. Na Fig. 2.5
representa-se um sistema deste tipo.
O binário T é aplicado a um corpo com um coeficiente de inércia J que é sustentado por uma
ligação elástica representada pela mola com coeficiente K Fa representa o atrito viscoso. O
binário aplicado (ou binário motor), T, é igual à soma dos binários resistentes: o binário
acelerador, que é proporcional à aceleração, o binário de atrito, que é proporcional à velocidade
e o binário resistente que é proporcional ao deslocamento angular θ.
Fig. 2.5: Sistema mecânico de rotação.
23
A equação que rege o movimento rotativo é
d 2θ dθ
T=J 2
+ Fa + Kθ (2.49)
dt dt
A equação (2.49) é formalmente equivalente a (2.21) e o estudo do comportamento do sistema

da Fig. 2.5 pode ser feito pelo processo que foi seguido para a equação (2.21), com y
substituído por θ.
c) Circuito R, L, C, série
Um exemplo de um sistema eléctrico de segunda ordem é o circuito da Fig. 2.6. De acordo com
a lei das malhas, a tensão da fonte é igual à soma das tensões em cada um dos componentes.
d 2v dv
u = LC 2
+ RC +v (2.50)
dt dt
R L
i
u v
C
Fig. 2.6: Circuito R, L, C série.
A equação (2.50) é, também, formalmente equivalente a (2.21) e o estudo do comportamento do

circuito da Fig. 2.6 pode ser feito através do processo que foi descrito para esta equação. A
equação característica de (2.50) é
0 = LCs 2 + RCs + 1 (2.51)
R 1
As soluções de (2.51) são dadas por (2.23) fazendo β = e ω0 = .
2L LC
Se R=0, o circuito da Fig. 2.6 comporta-se como um oscilador com frequência igual ω0/2π e a
tensão no condensador tem a forma da curva da Fig. 2.2 com ξ=0. Para uma tensão u contínua,
admitindo condições iniciais nulas, isto é, v=0 e i=0, com β<ω0, a tensão no condensador é
dada por (2.32), com as necessárias substituições.
Os três sistemas anteriores são todos modelados pela mesma equação diferencial de segunda
ordem e só mudam os coeficientes de (2.21) e as grandezas físicas em jogo. Este facto deu
24
origem aos simuladores analógicos, através dos quais se usavam circuitos eléctricos, ou
electrónicos, para estudar o comportamento de sistemas de qualquer natureza. Modernamente,
com o desenvolvimento dos computadores, utilizam-se, preferencialmente, os simuladores
numéricos.
2.5 PRINCÍPIO DA SOBREPOSIÇÃO.
Este princípio é aplicado a qualquer sistema linear. É largamente utilizado na análise de

circuitos eléctricos lineares e, por ser já conhecido, apenas se faz agora uma breve referência à
sua utilidade para a análise de sistemas.
Num sistema com múltiplas entradas, a saída pode ser obtida pela soma das contribuições de
cada uma das entradas consideradas separadamente. Considerando, por exemplo, o sistema
MISO esquematizado na Fig. 2.7, a saída y pode ser determinada por
y = y1 x =0 + y 2 x =0 + ..... + y n x =0 (2.52)
i i i
i ≠1 i≠2 i≠n
onde y1 representa a saída do sistema para a entrada x1, considerando todas as outras entradas
nulas e assim sucessivamente.
Os sistemas lineares de ordem superior à segunda podem ser decompostos em subsistemas de

segunda e/ou de primeira ordem. Esta situação pode ser esquematizada pela Fig. 2.8 onde se
representa um sistema composto por dois subsistemas. A saída do sistema total é igual á soma
das saídas dos dois subsistemas: y=y1+y2.
x
1
x sistema y
2
.
. MISO
.
xn
Fig. 2.7: Esquema de sistema MISO.
Os casos esquematizados nas figuras 2.7 e 2.8 são bastante frequentes na teoria do controlo e
serão utilizados no estudo do comportamento dinâmico de sistemas que é desenvolvido nos
capítulos seguintes.
25
y
x sistema 1 1
sistema 2
y
2
Fig. 2.8: Sistema composto por dois subsistemas.
2.6 MODELO DE ESTADO.
Até aqui, referimos sistemas cujo modelo matemático é constituído por uma única equação
diferencial. Nos sistemas mais complexos os modelos matemáticos são sistemas de equações
diferenciais. Por exemplo, o circuito da Fig. 2.6 pode ser modelado por um sistema de equações
diferenciais:
 di
u = L dt + Ri + v
 dv (2.53)
i = C
 dt
Note-se a equação (2.50) resulta da substituição da segunda equação de (2.53) na primeira,

equação do sistema. Todavia, esta substituição dá origem a uma equação diferencial de segunda
ordem, ao passo que, as equações do sistema (2.53) são de primeira ordem.
A redução de um sistema de equações diferenciais a uma única equação não é vantajosa quando
a ordem da equação diferencial resultante é superior á segunda porque a integração desta
equação, pelos métodos clássicos, é mais complicada (recorde-se que seria necessário resolver
uma equação característica com grau superior a dois), ao passo que a resolução de um sistema
de equações diferenciais de primeira ordem é relativamente simples e, como veremos, no
capítulo 8, a solução geral de um sistema de equações diferenciais de primeira ordem é
conhecida.
O sistema (2.53) pode ser escrito na forma equivalente
 di R 1 1
 dt = − L i − L v + L u
 dv 1 (2.54)
 = i
 dt C
26
O sistema (2.54) é o modelo de estado do circuito da Fig. 2.6. O modelo de estado é

normalmente escrito na forma matricial
 di   R 1
 dt   − L −  i   1 
L .
 dv  =  1    +  L u (2.55)
   0  v   0 
 dt   C 
O vector [i v]t é o vector de estado e i e v são as variáveis de estado do circuito da Fig. 2.6.
Através da integração de (2.55) obtêm-se, em simultâneo, as variáveis de estado. Uma vez
conhecidas estas variáveis, é possível determinarem-se as tensões na resistência e na bobina.
Por exemplo, a tensão na bobina, vL, pode ser calculada por
v L = − Ri − v + u (2.56)
que é equivalente a
i 
v L = [− R − 1].  + u (2.57)
v 
A tensão na resistência, vR, é obtida por
i 
v L = Ri = [− R 0].   (2.58)
v 
Note-se que as equações (2.56), ou (2.57), e (2.58) não são diferenciais; envolvem, apenas, uma
combinação linear das variáveis de estado à qual se soma a contribuição da tensão de entrada
(em (2.58) esta contribuição é nula).
A análise do comportamento dinâmico dos sistemas pode ser feita com o auxílio de programas
que integrarem numericamente os modelos de estado. O modelo de estado de um sistema SISO
pode ser reduzido à seguinte forma geral (modelo canónico):
x& = Ax + Bu (2.59a)
y = Cx + Du (2.59b)
onde x é o vector de estado, x& é o vector das primeiras derivadas das variáveis de estado, u é a
entrada e y é a saída. A equação (2.59a) é a equação da dinâmica do sistema e (2.59b) é a
equação das saídas. Por exemplo, sendo (2.55) a equação da dinâmica e (2.27) a equação da
saída, nas equações (2.59) é
27
 di 
  i 
x& =  dt  x=  y = vL (2.60a)
dv v 
 
 dt 
 R 1
− −  1
A= L L
 B = L C = − R −1 D=1 (2.60b)
1 0
 0   
 C 
O modelo de estado (2.59), que será referido mais em pormenor no capítulo 7, está na base da
moderna teoria do controlo e, para sistemas de grande dimensão, é usado com o auxílio de
computadores. Para a integração numérica de equações diferenciais pode-se usar, por exemplo,
o programa MATLAB [7]. Apresenta-se a seguir um ficheiro que pode ser usado com este
programa para estudar matematicamente o comportamento dinâmico do circuito R, L,C série.
(A utilização do programa MATLAB será explicada nas aulas práticas da disciplina). Os
diagramas temporais resultantes do programa 2.1 são os da Fig. 2.9.
PROGRAMA 2.1 - RLC.M

% Programa circuito R L C série
% dados da Fig. 2.6
R=1; L=2e-6; C=0.10e-6;
U=10;
% polinómio característico
p=[L*C R*C 1];
% raízes de p
roots(p)
% Modelo de estado (2.60);
A=[-R/L -1/L;1/C 0];
B=[1/L;0];
% a saída é a tensão no condensador
C=[0 1];
D=0;
% escala dos tempos
t=0:1.5e-7:15e-6;
% diagramas temporais de v e das variáveis de estado quando se liga o
circuito
[y,x]=step(A,B,C,D,1,t);
subplot(211);plot(t,U*y);grid;
subplot(212);plot(t,U*x);grid;
Nota: Aconselha-se os alunos a calcular a sobreelevação, o amortecimento, a frequência das

oscilações amortecidas e o tempo de estabelecimento. Pode-se correr o programa com
diferentes valores de R, C e L e comparar os diagramas temporais com as raízes da equação
característica. Pode-se também modificar o programa para se obter os diagramas temporais de
vR e de vL.
28
y=v
x2=v
x1=i
Fig. 2.9: Diagramas temporais do circuito do programa 2.1.
A equação diferencial ordinária de primeira ordem (2.61) é ela própria um modelo de estado;
esta equação pode ser representada pelo diagrama de blocos da Fig. 2.10; a saída é designada
por y(t) e coincide com a variável de estado x(t); a entrada do modelo é u(t).
x& = ax + bu (2.61)
Fig. 2.9: Diagramas temporais do circuito do programa 2.1.
Conhecida a condição inicial x(0), a solução geral de (2.61), com a e b constantes é dada por:
t
x(t ) = e x(0)+b ∫ e a.(t −τ ) u (τ ) dτ
at
(2.62)
0
A segunda parcela de (2.62) é o integral da convolução que será referido mais adiante (§3.7).
Refira-se que (2.61) é equivalente a (2.12). A resposta y(t) resultante duma entrada u(t)=E foi
obtida em (2.20); o diagrama temporal de y(t) pode ser obtido através de programas de
29
simulação numérica para computador. Para o MATLAB pode-se correr o programa prmo.m
seguinte:
PROGRAMA 2.2 - PRMO.M

% modelo de primeira ordem (2.12)
clear;
close all;
a=-2; b=-a;
xo=2;
t=0:0.05:3;
mod_est=ss(a,b,1,0);
% regime livre com condição inicial xo
y_livre=initial(mod_est,xo,t);title('resposta livre')
plot(t,y_livre);xlabel('tempo [s]');ylabel('saída [V]');
% resposta forçada à entrada em escalão unitário
y_step=step(mod_est,t);
figure; plot(t,y_step; title('resposta forçada com x(0)=0');
xlabel('tempo [s]');ylabel('saída [V]');
y_forc=y_livre+y_step;
figure; plot(t,y_forc);title('resposta à entrada escalão unitário e
x(0)=xo')
xlabel('tempo [s]');ylabel('saída [V]');
Os motores eléctricos de corrente contínua são muito usados como actuadores e em controlo
são frequentemente designados por servomotores. Na Fig. 2.10 representa-se o esquema de um
desses motores com campo indutor fixo (usualmente é um imã permanente) que faz girar uma
carga com momento de inércia é I e cujo atrito é caracterizado pelo coeficiente de atrito
viscoso B. O circuito eléctrico representa o induzido (armadura).
Fig. 2.10: Esquema de um servomotor de corrente contínua.
O circuito do induzido é dado por (2.63),
di a
u a = R a i a + La +e (2.63)
dt
onde e representa a força contra-electromotriz que é proporcional à velocidade:
e = K Eω (2.64)
30
O binário mecânico no veio do motor, τ, é proporcional é corrente no induzido,
τ = K T ia (2.65)
O binário é igual à soma do binário acelerativo que é proporcional à aceleração e cuja constante
de proporcionalidade é o momento de inércia, I, com o binário de atrito que é proporcional à
velocidade e cuja constante de proporcionalidade é o coeficiente de atrito viscoso B, e com o
binário de carga TC:
dω
τ =I + Bω + TC (2.66)
dt
Substituindo (2.64) em (2.63) e (2.65) em (2.66) e resolvendo em ordem às primeiras derivadas,

resulta o modelo de estado do motor da Fig. 2.10:
 − Ra − KE 
1  0
 x1   La
& La  .  x1  +   u −  1  T
 x&  =  K    La a
− B   x2    C (2.67)
 2  T 
I 
 0 
 I I 
com as variáveis de estado x1 = ia e x 2 = ω .
No programa 2.3 exemplifica-se a simulação de um modelo de estado equivalente a (2.67). O

binário de carga é variável, e nos diagramas temporais resultantes, Fig. 2.11, observa-se que o
aumento do binário de carga provoca a redução da velocidade.
PROGRAMA 2.3 - MOTOR.M

% Modelo de estado (2.67);
clear all
A=[-10 -2;11 -16];
B1=[18; 0];
B2=[0;-6];
C=[0 1]; % a saída é a velocidade
D=0;
% criar um binário de carga variável
[TC,t] = gensig('square',5,10,0.01);
%
yu=step(A,B1,C,D,1,t); % escalão de ua com TC=0
ytau=lsim(A,B2,C,D,TC,t); % com ua=0 e TC
velo=yu+ytau; % velocidade final
% diagramas temporais
subplot(311);plot(t,yu);% velocidade com TC=0
subplot(312);plot(t,TC);% binário de carga
subplot(313);plot(t,velo);% velocidade com variação de carga
31
Fig. 2.11: Diagramas temporais resultantes do programa 2.3 .
2.7 RESUMO
O comportamento dinâmico dos sistemas estuda-se a partir dos modelos matemáticos. Os

modelos dos sistemas dinâmicos e contínuos no tempo, são equações diferenciais. Estudaram-se
os modelos dos sistemas lineares, contínuos e com parâmetros invariantes no tempo. Aos
sistemas lineares aplica-se o princípio da sobreposição.
Apresentou-se a solução clássica das equações diferenciais de primeira e de segunda ordem

somando a solução livre com a solução forçada. O comportamento dinâmico do sistema está
associado às raízes da equação característica. Se não existirem raízes complexas não existem
modos oscilatórios. Se as raízes reais são negativas ou se a parte real das raízes é negativa, o
regime livre anula-se ao fim de algum tempo e o valor estacionário é atingido.
Os modelos matemáticos dos sistemas podem ser apresentados na forma de modelos de estado.
Estes modelos estão na base da moderna teoria do controlo e são utilizados nos sistemas de
maior complexidade. A simulação dos sistemas pode ser feita em computador através de
programas como o MATLAB [9], ou o SCILAB [12], por exemplo.
32
CAPÍTULO 3
TRANSFORMADA DE LAPLACE
3.1 INTRODUÇÃO
No capítulo 2 estudaram-se os modelos dos sistemas lineares, contínuos, de parâmetros

concentrados e invariantes no tempo. Estes modelos são equações diferenciais ordinárias e são
usados para analisar o comportamento dinâmico dos sistemas.
A solução clássica das equações diferenciais, somando a solução livre com a solução forçada,
que recorre às raízes da equação característica torna-se complicada para sistemas de ordem
superior á segunda. Nestes casos podem-se computadores conjuntamente com programas que
integram numericamente os modelos de estado.
Quando o uso dos computadores não estava generalizado, como acontece hoje em dia,
desenvolveram-se processos mais simples para analisar o comportamento dinâmico dos
sistemas. Estes processos evitam a integração das equações diferenciais e a resolução de
sistemas de equações para calcular as constantes de primitivação. A simplificação e
sistematização dos cálculos tornou-se possível com o uso da transformada de Laplace (Pierre
Simon Laplace, 1749-1827).
Com base na transformada de Laplace desenvolveu-se um método operacional que simplifica

grandemente a análise dos sistemas, mesmo quando as equações diferenciais são de ordem
elevada. A simplificação e a sistematização do cálculo são as grandes vantagens deste método e
são os motivos pelos quais o seu uso se mantém plenamente actual.
As vantagens deste método operacional são, resumidamente, as seguintes:

1. Transforma uma equação diferencial ordinária numa equação algébrica racional de
variável complexa.
2. Inclui automaticamente as condições iniciais.
3. Sistematiza o cálculo.
4. Os cálculos são mais simples e pode-se usar tabelas.
5. As soluções livre e forçada são obtidas simultaneamente.
6. As entradas descontínuas e os atrasos são facilmente tratados.
A principal desvantagem reside na necessidade de se estudar teoricamente este processo, antes

que estejamos aptos a utiliza-lo. Por outro lado, quando as equações diferenciais são
relativamente simples é mais fácil recorrer aos métodos clássicos de integração.
33
3.2 TRANSFORMADA DE LAPLACE
Define-se transformada de Laplace de uma função f(t) de variável real, com f(t)=0 para t<0,
como sendo a função F(s),
∞
L[ f (t )] = F ( s ) = ∫ f (t ) e
− st
dt (3.1)
0
F(s) é uma função de variável complexa, s=a+jb, designada por frequência complexa.
Para que exista transformada de Laplace de uma função f(t) é necessário que
1. f(t) seja contínua ou contínua por troços;
2. f(t) tem ordem exponencial, isto é, deve existir um valor real a tal que e-at| f(t)| seja limitada
para t>T em que T é finito.
A transformada de Laplace será agora usada como uma ferramenta para a análise dos sistemas e
não como objecto de estudo o qual se considera feito nas disciplinas de matemática. Por este
motivo não nos preocuparemos a resolver o integral (3.1) e apenas se recorda aqui a definição
desta transformada. O cálculo de diversas transformadas de Laplace pode, por exemplo, ser
encontrado em [1, 3]. No final deste capítulo apresenta-se uma lista das transformadas de
Laplace de algumas funções do tempo.
Algumas das propriedades da transformada de Laplace serão importantes para o estudo que
realizaremos. São elas,
P1. Linearidade: L[a f(t)] = a L[ f(t)] = a F(s), onde a é uma constante.

P2. Sobreposição: L[ f1(t)± f2(t)] = L[ f1(t)] ± L[ f2(t)] = F1(s) ± F2(s)
P3. Atraso: seja a é um número real e positivo e f(t-a)=0 para 0<t<a,
L[f(t-a)] = e-as L[ f(t)] = e-as F(s)
P4. Translação no plano s: L[e-at f(t)] = F(s-a) , onde a é um número real ou complexo.
 d n f (t )  n n −1 n − 2 df d n−1 f
P5. Diferenciação: L n 
= s F ( s ) − s f (0) − s (0) − ... − n−1 (0)
 dt  dt dt
Um resumo das propriedades é apresentado no Anexo 3.1. Também é importante conhecer os

seguintes teoremas:
T1. Teorema do valor final: se o lim f ( t ) é finito, então pode ser calculado por,
t →∞
lim f ( t ) = lim s F ( s) (3.2)

t →∞ s→ 0
34
Para que este teorema possa ser aplicado é necessário que sF(s) não tenha pólos no semi-plano
direito do plano de Argand, ou sobre o eixo imaginário, excepto se for na origem.
T2. Teorema do valor inicial: se o lim s F ( s ) existe, então

s →∞
lim f ( t ) = lim s F ( s) (3.3)

t →0 s→∞
Neste teorema não há limitação quanto aos pólos de sF(s) .
A análise de sistemas com base na transformada de Laplace, em alternativa à resolução directa

das equações diferenciais, toma como base o processo que está esquematizado na Fig. 3.1:
sistema
u(t) eq. diferencial y(t)
domínio do tempo
resolver a equação diferencial

u(t) y(t)
transformada de
Laplace transformada de
Laplace inversa
domínio complexo
U(s) Y(s)
resolver a equação racional em s
Fig. 3.1: Esquema da resolução através da transformada de Laplace.
1. Aplica-se a transformada de Laplace à equação diferencial que é o modelo do sistema. Como

resultado obtém-se uma equação racional com variável s.
2. Resolve-se a nova equação em ordem à transformada Y(s) da variável de saída.
3. Usando tabelas de transformadas da Laplace, determina-se a transformada inversa da saída e
obtém-se o resultado no domínio do tempo y(t).
Nos casos mais simples pode-se resolver a equação diferencial porque existe menor volume de
cálculo. Nos casos mais complexos a via que recorre à transformada de Laplace é a
normalmente utilizada; neste caso, o plano complexo aparece como um domínio auxiliar do
35
cálculo mas, como se verá, as propriedades do sistema e o seu comportamento dinâmico podem
ser estudados através das funções de variável complexa, sem ser necessário, por vezes, aplicar a
transformada de Laplace inversa
c + j∞
1
f (t ) = L−1 [F ( s )] = ∫e
st
F ( s ) ds (3.4)
2π c − j∞
Um exemplo do que se acaba de afirmar é a possibilidade de se determinar o valor estacionário

da saída aplicando apenas o teorema do valor final. Na generalidade dos casos, usam-se as
tabelas para se obter a transformada inversa e não é necessário calcular o integral de (3.4).
Exemplo 3.1 _________________________________________________________________

Considere-se o circuito da Fig. 2.1(a) com uma fonte de tensão vI à entrada; no instante t=0 o
interruptor é fechado e a tensão vI é bruscamente aplicada ao circuito RC. O modelo
matemático do circuito é
dvC
vI = RC + vC (3.5)
dt
Aplicando a transformada de Laplace a (3.5), de acordo com a propriedade P5, resulta
V I ( s) = RC (sVC ( s) − vC (0) ) + VC ( s) (3.6)
Resolvendo (3.6) em ordem a VC(s) obtém-se
1 VI ( s) v ( 0)
VC ( s) = + C (3.7)
RC s + 1 1
s+
RC RC
Seja vI constante e igual a VI. De acordo com a tabela de transformadas do Anexo 3.2, que está
no final deste capítulo, VI (s)=VI /s (transformada nº 4); substituindo esta transformada em (3.7)
resulta
1 VI v (0)
VC ( s ) = + C (3.8)
RC  1  1
s s +  s+
 RC  RC
A transformada inversa da equação (3.8) é obtida consultando a tabela de transformadas; com

a=1/RC, a primeira parcela de (3.8) é formalmente igual à transformada de Laplace nº 12 e a
segunda parcela é formalmente igual à transformada de Laplace nº 9. Assim, a transformada
inversa de (3.8) é
vC = V I (1 − e −t RC
) + vC (0)e −t RC
(3.9)
36
Note-se que (3.9) é igual à solução geral (2.20) com τ=RC, vC(0)=Y0 e VI =E. Se a condição
inicial for nula (o condensador estava descarregado quando o interruptor é fechado), vC(0)=0, a
equação (3.8) é igual a (2.2).
_____________________________________________________________________________
Com o exemplo 3.1 procurou-se ilustrar o método que permite determinar a solução de (3.5)
sem resolver a equação diferencial. Note-se que a aplicação da transformada de Laplace
permite incluir a entrada, desde o início do cálculo, e o mesmo acontece com as condições
iniciais. O mesmo processo pode ser utilizado para qualquer equação diferencial,
independentemente da sua ordem.
Com ficheiro seguinte (rc1.m), usa-se o MATLAB para visualizar o diagrama temporal de
vC(t) de (3.5), com vC(0)=0, quando a tensão de entrada vI (t) é um degrau unitário.
PROGRAMA 3.1 – RC1.M

% Programa para integração numérica de (3.5).
clear;
close all;
R=1000;
C=1e-4;
a=-1/R/C;
b=1/R/C;
rc=ss(a,b,1,0);
step(rc);
3.3 FUNÇÃO DE TRANSFERÊNCIA
Com vC(0)=0, a equação (3.7) pode ser escrita como o quociente entre as transformadas de
Laplace da saída e da entrada:
VC ( s) 1
= (3.10)
VI ( s) RCs + 1
A equação (3.10) é a função de transferência do circuito da Fig. 2.1(a).
Por definição, designa-se por função de transferência de um sistema a razão entre as

transformadas de Laplace da saída e da entrada. Note-se que a definição anterior pressupõe que
as condições iniciais são nulas. Seja G(s) a função de transferência do sistema da Fig. 3.2:
Y ( s)
= G ( s) (3.11)
U ( s)
onde Y(s)=L[y(t)] e U(s)=L[u(t)].
37
sistema
U(s) G(s) Y(s)
Fig. 3.2: Representação de um sistema através da função de transferência.
Na Fig. 3.2, o sistema é completamente caracterizado por um bloco ao qual se associa o seu
modelo matemático - a função de transferência G(s). Note-se que, com esta representação, o
sistema é representado por uma caixa preta porque só conhecemos a relação entre a entrada e a
saída, que é dada por G(s), e deixa de importar a real constituição física do sistema. Todavia, a
representação de um sistema através de um modelo igual ao da Fig. 3.2 é simples e estabelece,
de imediato, a relação entre a saída e a entrada:
Y ( s) = G ( s)U ( s) (3.12)
Considere-se, por exemplo, o circuito da Fig. 2.1(a) representado pelo modelo da Fig. 3.2.
Neste caso,
VC ( s) 1
= G ( s) = (3.13)
VI ( s) RCs + 1
Considere-se que a tensão de entrada, vI, é sinusoidal: vI= VI sen (ω t). Qual será a tensão vC
após o fecho do interruptor? A resposta a esta questão pode ser facilmente determinada a partir
de (3.13). Para isso, determina-se a transformada VI(s) da tensão de entrada; utilizando a tabela
de transformadas de Laplace (transformada nº 16), é
ω
VI ( s) = VI (3.14)
s +ω2
2
Substituindo (3.14) em (3.13) e tendo em conta a propriedade P1, obtém-se, imediatamente, a

transformada da Laplace da tensão VC(s):
1 ω
VC ( s) = ⋅ ⋅VI (3.15)
RCs + 1 s + ω2
2
A partir de (3.15) obtém-se a resposta no tempo vC(t) mas, porque a transformada inversa de
(3.15) não se encontra na tabela, deixaremos esta operação para o parágrafo seguinte.
Correndo o ficheiro rc2.m no MATLAB, obtêm-se os diagramas temporais de vC(t) para três
tensões de entrada, vI(t), diferentes; admite-se que vC(0)=0 e usa-se G(s) de (3.13).
38

% Programa para a equação (3.13)
%programa 3.2 – RC2.M
clear;close all;
R=1000; C=1e-4;
den=[R*C 1];
G=tf(1,den)
impulse(G)
figure;step(G)
t = 0:0.001:5;
vi = sin(t*5);
y=lsim(G,vi,t);
figure; plot(t,y,'r',t,vi,'k');
A sequência de cálculo que se acaba de descrever ilustra a facilidade que a transformada de

Laplace e as funções de transferência introduziram na análise do comportamento dos sistemas.
Por outro lado, a função de transferência do sistema comporta, só por si, informação importante
quanto ao comportamento dinâmico do sistema. Recorde-se que o regime livre dos sistemas
depende das raízes da equação característica. Ora, considerando, ainda, o exemplo do circuito
da Fig. 2.1(a), de acordo com (2.14), a sua equação característica é
RCs + 1 = 0 (3.16)
e o primeiro membro é igual ao denominador de (3.13). Assim, a função de transferência

comporta a mesma informação que a equação diferencial que rege o circuito.
A equação (3.16) corresponde à determinação dos pólos da função de transferência do circuito.

Generalizando, quando o modelo do sistema é uma função de transferência, o comportamento
dinâmico está associado aos pólos da função de transferência.
A função de transferência é uma função racional de variável s e o grau do denominador da

função de transferência é igual à ordem da equação diferencial. A função de transferência é um
modelo matemático, no plano complexo, que permanece idêntico para sistemas de igual ordem
independentemente da sua natureza física.
De um modo geral, a função de transferência é um quociente de dois polinómios de variável s,

tem a forma de (3.17), é independente da entrada e da saída, é uma característica do sistema
mas não informa sobre a sua constituição física.
b sm + b1sm−1 + ⋅⋅⋅ + bm
G ( s) = 0 , com m≤n (3.17)
a0sn + a1sn −1 + ⋅⋅⋅ + an
A função de transferência G(s) pode ser escrita ou na forma factorizada de (3.18) em função
dos zeros (zi) e dos pólos (pi)
39
m
∏ ( s − zi ) b0
i =1
G ( s) = K 0 n
com K 0 = (3.18)
a0
∏ (s − p j )
j =1
ou na forma factorizada que se designa por forma das constantes de tempo
m m
∏ ( Ti s + 1) ∏ ( − zi ) b
G ( s) = K i =1 com K = G ( 0) = K0 i =1 = m (3.19)
n n an
∏ ( τ j s + 1) ∏ (− p j )
j =1 j =1
sendo K o ganho estático, porque se considera que todas as derivadas são nulas, isto é, K=G(0).
De (3.18) e (3.19), verifica-se que, a menos de uma constante real (K0 ou K, respectivamente),
qualquer função de transferência é completamente definida pelos seus pólos e zeros.
Normalmente, prefere-se factorizar os polinómios do numerador e do denominador em termos
dos seguintes factores:
i) s - correspondente à existência de pólos ou zeros na origem;

ii) s+a - correspondente à existência de pólos ou zeros reais;
iii) s2 + 2βs + ω 20 - correspondente à existência de pólos ou de zeros complexos conjugados.
Se existirem N pólos na origem, o sistema diz-se de tipo N. Neste caso, G(s) pode ser escrita,
por exemplo, na forma
m
∏ ( s − zi )
G ( s) = K N i =1 , com N + w ≥ m (3.20)
w
s N
∏(s − p j )
j =1
e K N = lim s N G ( s) H ( s) .
s→ 0
Note-se que se os pólos de G(s) tiverem parte real positiva o regime livre não se anula e a
resposta tende para ±∞. Neste caso o sistema será instável.
40
3.4 DIAGRAMAS DE BLOCOS
O uso de funções de transferência permite representar sistemas através de blocos; cada bloco
tem a sua própria função de transferência e representa um subsistema do sistema total. Na Fig.
3.3 representa-se um sistema que é constituído por uma associação de blocos em série (ou
cascata); neste caso, admite-se que cada bloco não constitui uma carga para o anterior. As setas
fazem parte integrante do diagrama de blocos porque indicam o sentido de propagação dos
sinais.
Y1 (s) Y2 (s) Y(s)

U(s) G1 (s) G2 (s) G3 (s)
Fig. 3.3: Associação de blocos em cascata.
Tendo em conta que (3.12) é válida para cada um dos blocos da Fig. 3.3, a função de
transferência total é o produto das funções de transferência de cada um dos blocos:
Y ( s)
= G1 ( s ) ⋅ G2 ( s ) ⋅ G3 ( s ) = G ( s ) (3.21)
U ( s)
Na Fig. 3.4 representa-se um sistema que é constituído por uma associação em paralelo de dois
subsistemas. A função de transferência global é dada por
Y ( s)
= G1( s) + G2 ( s) (3.22)
U ( s)
Y1 (s) Y(s)
U(s) G1 (s)
Y2 (s)
G2 (s)
Fig. 3.4: Associação de blocos em paralelo.
As figuras 3.3 e 3.4 estão na base de outras associações de blocos como é, por exemplo, o
sistema da Fig. 3.5. Neste caso, a função de transferência global é
Y ( s)
= (G1 ( s ) + G2 ( s ) ) ⋅ G3 ( s ) (3.23)
U ( s)
41
Y1 (s) Y3 (s) Y(s)

U(s) G1 (s) G3 (s)
Y2 (s)
G2 (s)
Fig. 3.5: Sistema constituído pela associação de blocos.
3.5 DIAGRAMA DE BLOCOS EM CADEIA FECHADA
Num sistema contínuo em cadeia fechada uma amostra da saída é continuamente comparada
com uma entrada de referência. Esta comparação estabelece uma realimentação negativa que é
característica dos sistemas controlados. Estes sistemas podem ser reduzidos ao diagrama
canónico da Fig. 3.6. Da comparação entre a saída e a referência resulta um erro cuja
transformada de Laplace é E(s). Veremos, mais tarde, que o controlador é definido em função
deste erro.
R(s) E(s) C(s)

G(s)
B(s)
H(s)
Fig. 3.6: Diagrama de blocos canónico em cadeia fechada.
No diagrama da Fig. 3.6, G(s) é a função de transferência da cadeia de acção e H(s) é a função
de transferência da cadeia de rectroacção (ou realimentação - feedback).
De (3.6) conclui-se que
C ( s) = G ( s) ⋅ E ( s) (3.24)
B ( s ) = H ( s) ⋅ C ( s ) (3.25)
E ( s) = R( s) − B( s) (3.26)
Multiplicando (3.26) por G(s) obtém-se a função de transferência em cadeia fechada,
42
C ( s) G ( s)
= F ( s) = (3.27)
R ( s) 1 + G ( s) ⋅ H ( s)
De acordo com (3.27), o sistema da Fig. 3.6 pode ser reduzido a um único bloco com a função
de transferência F(s).
Note-se que o erro propaga-se através dos blocos G(s) e H(s):
B(s)=G(s)H(s)E(s) (3.28)
O produto G(s).H(s) é a função de transferência em cadeia aberta.
Substituindo (3.28) em (3.26) resulta
E ( s) 1
= (3.29)
R( s ) 1 + G ( s ) ⋅ H ( s)
A equação (3.29) traduz a evolução do erro em função da referência.
A equação característica do sistema em cadeia fechada é
1+G(s)H(s)=0 (3.30)
Como se verá, (3.30) é importante para o estudo da estabilidade em cadeia fechada. De (3.30)
conclui-se que a realimentação modifica os pólos e os zeros do sistema; por este facto, os
sistemas apresentam comportamentos dinâmicos diferentes consoante estejam em cadeia aberta
(sem rectroacção) ou em cadeia fechada (com rectroacção).
Se G(s)H(s)>>1, de (3.27) conclui-se que
C ( s) 1
≈ (3.31)
R( s) H ( s)
e a função de transferência em cadeia fechada depende essencialmente de H(s). O

comportamento dinâmico do sistema em cadeia fechada dependerá dos zeros de H(s) e será
independente de G(s).
Quando H(s)=1, diz-se que a rectroacção é unitária. Neste caso, a função de transferência em
cadeia fechada é
C ( s) G ( s)
= Fu ( s) = (3.32)
R ( s) 1 + G ( s)
43
Qualquer sistema em cadeia fechada pode ser transformado num sistema com rectroacção é
unitária. O sistema da Fig. 3.7 tem a mesma função de transferência que o da Fig. 3.6 (3.27).
Todavia, note-se que as entradas do comparador são agora diferentes das da Fig. 3.6.
A transformação da Fig. 3.7 e as figuras 3.3 a 3.5 são exemplos daquilo que é designado por
álgebra de blocos. As operações que foram descritas permitem simplificar e transformar os
diagramas de blocos dos sistemas de acordo com as necessidades da análise.
R(s) 1 R'(s) E'(s) C(s)

G(s)H(s)
H(s)
Fig. 3.7: Transformação num sistema com rectroacção unitária.
Exemplo 3.2 _________________________________________________________________

Considere-se o circuito da Fig. 2.1(a) com R=1 kΩ e C=100 µF. O modelo de estado do circuito
é dado por (3.5). A função de transferência do circuito é dada por (3.13). A obtenção de G(s)
pode ser obtida através do MATLAB. Isto é exemplificado pelo programa rc3.m:

clear;close all;
R=1000; C=1e-4;
a=-1/R/C; b=-a;
me=ss(a,b,1,0) % modelo de estado
[N,D]=ss2tf(a,b,1,0) % G(s)=N(s)/D(s)
G=tf(N,D)
% G(s) directamente
s=tf('s');
G=1/(R*C*s+1)
%pólos de G(s)
polo=roots(D)
Recorde-se que os modelos matemáticos considerados no exemplo 3.2 são:
dv C 1 1 VC ( s) 1
= vC + vI = G ( s) =
dt RC RC VI ( s) RCs + 1
44
3.6 DECOMPOSIÇÃO EM FRACÇÕES PARCIAIS
Geralmente, as tabelas de transformadas de Laplace contêm as transformadas mais que são

vulgares e nem sempre é possível determinar-se, imediatamente, a inversa de uma transformada
de Laplace (veja-se, por exemplo, (3.15)). Quando isto acontece, torna-se necessário decompor
a transformada original numa soma de transformadas mais simples. Os métodos utilizados são o
dos coeficientes indeterminados e a decomposição de Heaviside. Como exemplo, pretende-se
decompor a transformada
10
C ( s) = 2
(3.33)
s + 4s + 3
Os pólos de C(s) são -3 e -1; (3.33) pode ser então decomposta na soma de duas fracções,
10 A B
C ( s) = = + (3.34)
( s + 1)( s + 3) s + 1 s + 3
e o problema consiste em determinar os numeradores A e B. Pelo método dos coeficientes

indeterminados deverá ser
A(s+3)+B(s+1)=10 (3.35)
de onde se conclui que A+B=0 e 3A+B=10. Da resolução deste sistema de equações obtém-se
A=5 e B=-5. Com estes valores,
5 5
C ( s) = − (3.36)
s +1 s + 3
Consultando a tabela de transformadas de Laplace para cada uma das parcelas de (3.36)
(transformada nº11) obtém-se:
c( t ) = 5( e− t − e−3t ) (3.37)
Este exemplo serve apenas para introduzir o método dos coeficientes indeterminados porque a
transformada inversa de (3.33) encontra-se na tabela (transformada nº15). Note-se que
10 10 2
C ( s) = = (3.38)
( s + 1)( s + 3) 2 ( s + 1)( s + 3)
e a transformada inversa é (3.37).
A decomposição de Heaviside é mais simples e será explicada a seguir. Consideraremos os

casos em que os pólos de G(s) são os seguintes:
45
i) pólos reais e distintos;

ii) pólos reais com multiplicidade;
iii) pólos complexos conjugados.
i) Uma transformada de Laplace com n pólos reais e distintos pode ser decomposta numa soma
de n fracções parciais:
n Aj
N ( s)
C (s) = =∑ (3.39)
j =1 ( s −
n pj)
∏ (s − p j )
j =1
Para j=k, o coeficiente Ak é calculado do seguinte modo:
Ak = C ( s)( s − pk ) s = s (3.40)
k
Como exemplo, considere-se (3.34):
10 A B
C ( s) = = + (3.41)
( s + 1)( s + 3) s + 1 s + 3
Aplicando (3.40) resulta
10
A = C ( s )( s + 1) s =−1 = =5
( s + 3) s = −1
10
B = C ( s)( s + 3) s =−3 = = −5
( s + 1) s =−3
Estes resultados são iguais aos de (3.36).
ii) Uma transformada de Laplace com um pólo real de multiplicidade α e n-α pólos reais
distintos pode ser decomposta numa soma de n fracções parciais na seguinte forma:
α −1 n −α +1 Bj
N ( s) Ai
C (s) = n −α +1
= ∑ (s − p )α −i + ∑ (s − p j )
(3.42)
( s − p1 ) α
∏ (s − p j ) i =0 1 j =2
j =2
Os cálculos dos numeradores das fracções de (3.42) é exemplificado através do seguinte

exemplo. Considere-se a seguinte transformada de Laplace C(s):
3
C ( s) = (3.43)
( s + 1)3 ( s + 2)( s + 3)
46
De acordo com (3.42) a decomposição é
A0 A1 A2 B B
C ( s) = + + + 1 + 2 (3.44)
( s + 1)3 ( s + 1)2 ( s + 1) s + 2 s + 3
Os coeficientes A0, B1 e B2 de (3.44) são determinados através de (3.40):
3
A0 = C ( s)( s + 1)3 =
s =−1 2
B1 = C ( s )( s + 2) s =−2 = −3
3
B2 = C ( s)( s + 3) s =−3 =
8
Os coeficientes A1 e A2 não podem ser determinados directamente por (3.40). Para o seu
cálculo considera-se a parcela de C1(s),
32 3 38 A1 A2
C1( s) = C ( s) − + − = +
( s + 1)3 s + 2 s + 3 ( s + 1) 2 ( s + 1)
O coeficiente A1 é calculado através de (3.40),
9
A1 = C1( s)( s + 1)2 =−
s =−1 4
Para o cálculo de A2, faz-se
32 3 38 94 A2
C 2 ( s) = C ( s) − + − + =
( s + 1) 3 s + 2 s + 3 ( s + 1) 2 ( s + 1)
e, tendo em conta (3.40),
21
A2 = C2 ( s)( s + 1) s =−1 =
8
iii) Quando existem pólos complexos conjugados o processo é idêntico ao descrito para o caso
dos pólos reais e distintos. Considere-se, por exemplo,
2
C ( s) = (3.45)
( s + 1)( s2 + s + 5)
A transformada (3.45) é decomposta da seguinte forma:
47
A B s + B2
C ( s) = + 1 (3.46)
s + 1 s2 + s + 5
Note-se que o numerador da segunda parcela de (3.46), a que corresponde aos pólos complexos,
é um binómio em s. O coeficiente A é calculado por (3.40):
2
A = C ( s )( s + 1) s =−1 =
5
Uma vez calculado o coeficiente A, de (3.46) obtêm-se os coeficientes B1 e B2, tendo em conta
que
25 −0. 4 s B s + B2
C ( s) − = = 1 (3.47)
s + 1 s + s + 5 s2 + s + 5
2
De (3.47) conclui-se que B1= -0.4 e B2=0. Consultando a tabela de transformadas de Laplace, a
transformada inversa de (3.45) é,
[
c(t ) = 0.4 e −t − e −0.5t sen(2,2t − 1,57) ] (3.48)
Com base neste exemplo, convidamos o aluno a determinar a transformada inversa de (3.15).
O caso dos pólos complexos múltiplos não é aqui referido mas, para este caso, a decomposição
é uma conjugação dos pontos ii) e iii).
Exemplo 3.3 _________________________________________________________________

10
Considere-se a transformada (3.33), C ( s ) = 2 . O programa decpa.m seguinte permite
s + 4s + 3
realizar a decomposição em fracções parciais de C(s) no MATLAB.
PROGRAMA 3.4 – decpa.m

%Decomposição de (3.33).
s=tf('s');
N=10; D=[1 4 3];
G=tf(N,D) % G(s)=N(s)/D(s)
% Decomposição de G(s)
[R,P,K] = residue(N,D)
G1=R(1)/(s-P(1))
G2=R(2)/(s-P(2))
% Verificação
G=G1+G2
Compare-se o resultado com (3.36).
48
3.7 CONVOLUÇÃO
Através da transformada de Laplace os sistemas podem ser representados por blocos

caracterizados pela sua função de transferência. Na Fig. 3.2 a transformada de Laplace da saída
é igual ao produto da transformada de Laplace da entrada com a função de transferência do
sistema:
Y ( s ) = G ( s )U ( s ) (3.49)
A equação (3.49) traduz a relação entre o sinal de entrada e o sinal de saída no domínio da
frequência complexa. À multiplicação no domínio complexo corresponde a convolução no
domínio do tempo:
t t
y (t ) = ∫ g (t )u (t − τ )dτ = ∫ g (t − τ )u (t )dτ (3.50)
0 0
A equação (3.50), já referida a propósito de (2.62), é a transformada, no domínio do tempo, da

equação (3.49). O integral de convolução representa a resposta y(t) como a soma das respostas a
infinitos impulsos de duração infinitesimal dτ e de amplitude u(τ) em todos os instantes do
intervalo [0, t].
Se a entrada u(t) for um impulso de Dirac, δ(t), a sua transformada de Laplace é U(s)=1 e
Y ( s) = G ( s) . Por este motivo, as funções de transferência, G(s), e g(t), no integral da
convolução, são, por vezes, designadas por respostas ao impulso.
A resposta ao impulso do circuito da Fig. 2.1(a) é, (equação (3.13)),
1
G ( s) = (3.51)
RCs + 1
No domínio do tempo, (vide tabela de transformadas) a resposta ao impulso é
t
1 − RC
g (t ) = e (3.52)
RC
Se pretendermos determinar a tensão no condensador, v(t), quando se aplica ao circuito a tensão

VI, admitindo, por exemplo, que o condensador está inicialmente descarregado, poderemos
utilizar a convolução:
t τ  t 
1 − RC  −

y (t ) = ∫ VI e dτ =VI 1 − e RC (3.53)
RC  
0  
49
Ora (3.53) é igual a (3.9) quando a condição inicial é nula. O exemplo dado é simples e destina-
se a ilustrar a aplicação da convolução. No entanto, comparando (3.49) com (3.50)
compreende-se que, em geral, seja mais fácil realizar a análise dos sistemas no domínio
complexo, recorrendo à transformada de Laplace, do que recorrer ao integral da convolução, no
domínio do tempo. É por isto que a transformada de Laplace continua a ser, ainda hoje, e apesar
das possibilidades introduzidas pelos computadores, largamente usada na análise e na
modelação dos sistemas.
A transformada de Laplace tem como variável a frequência complexa, s=a+jb, e,

analiticamente, é facilmente aplicada a sistemas cujos modelos matemáticos são perfeitamente
conhecidos. Experimentalmente, é possível determinar-se a função de transferência de um
sistema a partir do conhecimento das respostas às entradas escalão, (função de Heaviside, h(t))
ou impulso (função de Dirac, δ(t)). Matematicamente, estas duas funções são definidas do
seguinte modo:
1 ,t ≥ 0
h(t ) =  (3.54)
0 ,t < 0
1 ,t = 0
δ (t ) =  (3.55)
0 ,t ≠ 0
As funções (3.54) e (3.55) estão representadas graficamente na Fig. 3.8. Refira-se que a entrada
escalão consiste, na prática, em variar abruptamente o valor da variável de entrada, o que
acontece no circuito da Fig. 2.1, por exemplo, quando se fecha o interruptor. A entrada impulso
é particularmente interessante porque a resposta do sistema corresponde à própria função de
transferência.
h(t) δ(t)
1 1
0 t 0 t
(a) (b)
Fig. 3.8: Entradas teste; (a) função de Heaviside (escalão unitário); (b) impulso de Dirac.
50
Para se determinar experimentalmente a função de transferência de um sistema aplica-se uma

destas entradas e regista-se o diagrama temporal da resposta; a partir do diagrama temporal
determinam-se os valores característicos da resposta, como sejam, o valor final, a constante de
tempo, a frequência das oscilações amortecidas, o tempo de estabelecimento, a sobreelevação,
etc; seguidamente, determina-se a função de transferência que melhor se ajusta aos valores
experimentais. Todavia, a função G(s) resultante é aproximada e este método só pode ser
utilizado com segurança quando os sistemas são relativamente simples.
Para se ultrapassar estas dificuldades, pode-se estudar a resposta do sistema a uma entrada
sinusoidal, o que será estudado seguidamente.
3.8 RESPOSTA EM FREQUÊNCIA
O comportamento dinâmico dos sistemas está intimamente relacionado com as raízes de

equação característica, isto é, com os pólos da função de transferência. Genericamente, os pólos
da função de transferência são podem-se escrever na forma s=-β±jω, em que β é o
amortecimento e ω é a frequência das oscilações amortecidas (β=0 ou ω=0 podem ser
considerados como casos particulares). Se a parte real dos pólos é negativa (β>0) o regime
transitório anula-se ao fim de um certo tempo e a resposta atinge o regime forçado. Se β=0 não
existe amortecimento e a resposta é eternamente oscilatória.
Se se aplicar uma entrada sinusoidal, u(t)=U sen(ωt), a resposta do sistema linear pode ser
calculada a partir de Y ( s ) = G ( s)U ( s) . A transformada de Laplace de u(t) é
ω
U (s) = U (3.56)
s +ω2
2
e a transformada de Laplace da saída é
ω
Y ( s) = UG ( s) (3.57)
s2 + ω2
G(s) tem n pólos e, genericamente, Y(s) pode ser decomposto nas fracções parciais
n
∑
UAi B1 B2
Y ( s) = +U +U (3.58)
s − pi s − jω s + jω
i =1
Se a parte real dos pólos é negativa (o sistema é estável), em regime permanente (ou forçado)
Y(s) será igual às duas últimas parcelas de (3.4). Pela decomposição de Heaviside, resulta
51
ω UG ( jω )
B1 = UG ( s) ( s − jω ) = (3.59)
s2 + ω2 s = jω 2j
ω UG ( − jω )
B2 = UG ( s) ( s + jω ) = (3.60)
s2 + ω 2 s =− jω −2 j
Na forma polar, é G ( jω ) = G ( jω ) e jφ e G ( − jω ) = G ( jω ) e− jφ . Assim, substituindo (3.6) e

(3.7) em (3.5), para o regime permanente obtém-se
G ( jω )  e jφ e − jφ 
Y (s) = U  − (3.61)
2 j  s − jω s + jω 
 ω s 
Y ( s ) = U G ( jω )  cos φ 2 2
+ senφ 2 2
 (3.62)
 s +ω s +ω 
O valor estacionário da saída, yf(t), é a transformada inversa de (3.9),
y f ( t ) = U G ( jω ) sen( ω t + φ) (3.63)
De (3.63) conclui-se que a resposta de um sistema SLIT, estável, perante uma entrada
sinusoidal é ainda um sinal sinusoidal com a mesma frequência da entrada; a amplitude da saída
é igual ao produto da amplitude da entrada com o módulo de G(jω) e a desfasagem entre a os
sinais da entrada e da saída é o argumento de G(jω). Neste desenvolvimento considerou-se o
regime forçado, apenas; isso corresponde a fazer s=jω, porque a parte real dos pólos dá origem
ao regime transitório e este considera-se anulado porque se considerou que a parte real é
negativa. Assim, quando se estuda o comportamento dos sistemas em regime forçado, perante
entradas sinusoidais, substitui-se o plano complexo pelo eixo imaginário, o que equivale a
substituir a transformada de Laplace pela transformada de Fourier
∞
F [ f (t )] = F ( jω ) = ∫ f (t ) e
− jω t
dt (3.64)
−∞
Com base em (3.64) pode-se escrever
Y ( jω ) = G ( jω ) ⋅ U ( jω ) (3.65)
A equações (3.63) e (3.65) sugerem que a função de transferência, G(s), de um sistema pode ser
determinada experimentalmente, aplicando na entrada sinais sinusoidais de frequência variável
e comparando, para cada frequência, as amplitudes e as fases dos sinais de saída e de entrada:
52
Y (ω )
G ( jω ) = (3.66a)
U (ω )
arg Y ( jω )
φ (ω ) = arg G ( jω ) = (3.66b)
arg U ( jω )
onde Y(ω) e U(ω) são as amplitudes da saída e da entrada à frequência ω, respectivamente.
Exemplo 3.4 ________________________________________________________________

Considere-se o circuito da Fig. 3.9.
R
v
I ~ C v
C
Fig. 3.9: Circuito RC série com entrada sinusoidal vI = V sen(ω t ).
Da electrotecnia, sabe-se que
1
r jωC r 1 r
VC = VI = VI (3.67)
1 jωCR + 1
R+
jω C
do que resulta,
1
VC = V (3.68a)
( ωCR )2 + 1
arg vC = − arctan( ωCR ) (3.68b)
A equação (3.67) relaciona as amplitudes complexas das tensões de saída e de entrada e

depende da frequência, ω, da tensão vI. Substituindo jω por s obtém-se a função de
transferência do circuito:
r 1 r V (s) 1
VC (ω ) = VI (ω ) → C = (3.69)
jωCR + 1 s = jω V I ( s ) sCR + 1
____________________________________________________________________________
53
Desenvolveram-se métodos de análise dos sistemas com base na representação gráfica das
equações (3.66); |G(jω)| e φ(jω) designam-se por diagrama de amplitude e de fase da resposta
em frequência de G(s), respectivamente. Note-se que, analiticamente, a resposta em frequência
de G(s) obtém-se fazendo s=jω. Por exemplo, na Fig. 3.10 representam-se graficamente as
equações (3.68).
(a)
(b)
Fig. 3.10: Representação gráfica de VC ( jω ) / VI ( jω ) ; (a) amplitude; (b) fase.
Em vez de se representarem separadamente os diagramas da amplitude e da fase pode-se optar

por uma representação polar, como se exemplifica na Fig. 3.11. O diagrama polar é designado
por diagrama de Nyquist (Harry Nyquist, 1889-1976) e é particularmente utilizado quando se
estuda a estabilidade.
Na fig. 3.10 representou-se a frequência angular numa escala linear. Esta representação não é a
que se utiliza normalmente: a gama das frequências de interesse pode ser muito grande e então
opta-se por uma escala logarítmica.
Define-se largura de banda, B, como sendo a gama de frequências para as quais o módulo de
G(jω) sofre uma variação de 1 2 . Na Fig. 3.10 a largura de banda é B=1/RC. Note-se que
54
aumentando a largura de banda diminui-se a constante de tempo do circuito e a resposta torna-

se mais rápida.
Fig. 3.11: Diagrama polar (Nyquist) de VC ( jω ) / VI ( jω ) .
O módulo de G(jω) é normalmente representado em em unidades logarítmicas ou, mais

frequentemente, em decibel (dB). Em termos das amplitudes das tensões de entrada e de saída,
decibel é definido como
V
dB = 20log Y (3.70)
VU
e em termos das potências dos sinais de entrada e de saída
P
dB = 10log Y (3.71)
PU
Em dB, a largura de banda corresponde a uma variação de -3 dB ( 20 log(1 2 ) = −3). O uso

destas unidades torna-se vantajosa porque, através dos logaritmos, o produto de dos módulos de
duas funções de transferência é transformado numa soma. Por exemplo, considerando (3.21),
| G ( s)| =| G1( s)|⋅| G2 ( s)|⋅| G3 ( s)| (3.72)
ao passo que, aplicando o logaritmo,
log| G ( s)| = log| G1( s)| + log| G2 ( s)| + log| G3 ( s)| (3.73)
Se tivermos a representação gráfica das respostas em frequência das funções de transferência

parciais, o módulo da função total obtém-se somando, graficamente, os módulos de cada uma
55
delas. Esta facilidade é largamente utilizada no projecto dos compensadores, o que será
estudado mais adiante.
A resposta em frequência consiste em se determinar a resposta forçada do sistema a entradas

sinusoidais de frequência variável. No entanto, ela é mais importante do que isso porque dá
indicações importantes sobre o comportamento dinâmico dos sistemas e está relacionada com a
resposta temporal do sistema. Por exemplo, pode-se usar a resposta em frequência para estudar
a estabilidade do sistema e o seu comportamento dinâmico e para projectar sistemas de
controlo. Estabeleceram-se diversos métodos de análise com base na resposta em frequência e
alguns deles serão referidos nos capítulos seguintes.
3.9 DIAGRAMAS DE BODE
Os diagramas de Bode (Hendrik Bode, 1905-1982) são representações gráficas da amplitude e

da fase da função de transferência em função da frequência. A escala da frequência é
logarítmica e a escala da amplitude também é logarítmica e é graduada, normalmente, em dB. A
principal vantagem dos diagramas de Bode é a facilidade com que se modificam os gráficos
quando se adicionam novos zeros ou pólos à função de transferência.
Considere-se a função de transferência em (3.69):
1
G ( jω ) = (3.74)
jωCR + 1
A amplitude (ou módulo), em dB, e a fase (ou argumento) são dados por,
1
G ( jω ) = 20 log (3.75a)
( ωCR )2 + 1
φ ( ω ) = − arctan( ωCR ) (3.75b)
Os diagramas de Bode (ou respostas em frequência) de (3.75) estão representados na Fig. 3.12;
a frequência angular está normalizada por 1/RC. O ganho em baixa frequência é 0 dB e a partir
de 0,2 Hz decresce 20 dB por cada década de frequências. Por exemplo, para 100 Hz a
atenuação do filtro passa-baixo de primeira ordem da Fig. 3.9 é, aproximadamente, igual a -55
dB, isto é, a amplitude da tensão no condensador será 562 vezes menor que a amplitude de vI.
Para esta frequência, a tensão no condensador está atrasada cerca de 90º da tensão vI. A
frequência de corte do filtro é ωc=1/RC ou, em Hz, fc=1/2πRC. Para f=fc o ganho é -3 dB e a
fase é igual a -45º.
56
|G(j ω)|
φ(ω)
Fig. 3. 12: Resposta em frequência de G(jω).
A função de transferência de um sistema de segunda ordem pode ser obtida aplicando a

transformada de Laplace a (2.21). Tendo em conta (2.23) e (2.24), é normal apresentar-se a
função de transferência canónica de um sistema deste tipo com a forma
ω20
G ( s) = (3.76)
s2 + 2βs + ω 20
Recorde-se que (vide a Fig. 2.2) a resposta do sistema depende do valor do coeficiente de
amortecimento ξ=β/ω0. Veremos, agora, qual é a relação da Fig. 2.2 com os diagramas de Bode
de (3.76). Fazendo s=jω em (3.76) resulta,
ω20
G ( jω ) = (3.77)
ω20 − ω2 + j 2βω
ω0 é a frequência de ressonância (recorde-se que ω 0 = 1 LC é a frequência de ressonância do

circuito da Fig. 2.6). Introduzindo a frequência normalizada u=ω/ω0 em (3.77) resulta:
1
G ( ju ) = (3.78)
1 − u2 + j 2 ξu
O módulo e a fase de G(ju) são, respectivamente,
57
1
G ( ju ) = (3.79a)
(1 − u )
2 2
+ (2ξu )
2
2 ξu
φ ( u) = − arctan (3.79b)
1 − u2
O denominador de (3.79a) pode ter um mínimo que é calculado por (3.80):
(
d  1 − u 2

)
2
+ (2ξu )2 
 = 4u (−1 + u 2 + 2ξ 2 ) = 0 (3.80)
du
de onde se conclui que
u=0 ∨ u = 1 − 2 ξ2 (3.81)
De acordo com (3.81), o módulo de G(ju) tem um máximo para u=0 ou quando o coeficiente de
amortecimento satisfaz
0< ξ <1 2 ≈ 0, 707 (3.82)
Para pequenos valores de ξ, o máximo do módulo de G(ju) obtém-se para u≈1(ω≈ω0). Na Fig.
3. 13 representa-se a resposta em frequência de G(ju) para diferentes valores de ξ. Do diagrama
de fase observa-se que φ(u) tende para -180º, quando u→∞, e que a curva muda de concavidade
em u=1, sendo φ(1)=-90º para qualquer ξ,.
Note-se que, no diagrama do módulo, em baixa frequência o declive é sempre 0 dB. Para ξ=5
existem um dois troços decrescentes: um com declive igual a -20 dB e outro com declive igual
a -40 dB que se atinge quando a frequência é elevada. Existem os dois declives quando os pólos
de G(s) são reais e distintos, isto é, quando ξ>1. Quando ξ≤1, existe apenas um troço
decrescente com declive igual a -40 dB. A existência de um troço com declive de -40 dB é
característico dos sistemas de segunda ordem (como é conhecido da teoria dos filtros). Quando
a função de transferência não tem zeros, os sistemas de 3ª ordem têm um troço com declive
igual a -60 dB e, generalizando, os sistemas de ordem n têm o declive do troço de mais alta
frequência é igual a -20n dB.
Exemplo 3.5 _________________________________________________________________

10
Para se obter os diagramas de Bode de G ( s ) = 2 , no MATLAB, pode-se correr o
s + 4s + 3
programa freqg.m seguinte:
58
PROGRAMA 3.5 – freqg.m

%Resposta em frequência de (3.33)
s=tf('s');
N=10; D=[1 4 3];
G=tf(N,D) % G(s)=N(s)/D(s)
% Decomposição de G(s)
bode(G)
figure;nyquist(G)
(a)
(b)
Fig. 3. 13: Resposta em frequência de um sistema de segunda ordem; (a) módulo; (b) fase.
59
3.10 ASSÍNTOTAS DOS DIAGRAMAS DA AMPLITUDE
O traçado dos diagramas de Bode simplifica-se quando se recorre à noção de assíntotas. Estes
gráficos são particularmente úteis quando não se dispõem de computadores, por exemplo. O
traçado destes diagramas aproximados parte da consideração de que o numerador e o
denominador das funções de transferência podem ser factorizados com termos em s, Ts+1 e
s2+2βs+ω02. A contribuição de cada um destes factores para o diagrama total pode ser estudada
separadamente.
a) Contribuição de s e de 1/s
Para a resposta em frequência, considera-se s=jω pelo que a fase é 90º para qualquer frequência
e a amplitude, em dB, é 20log(ω ). Para 1/jω, a fase é -90º para qualquer frequência e a
amplitude, em dB, é -20log(ω ). Os diagramas de amplitude são rectas com declives 20 dB e -
20 dB que passam por 0 dB quando ω=1 rad/s. Na Fig. 3.14 apresentam-se os diagramas de
Bode para estes factores.
(a) (b)
Fig. 3.14: Resposta em frequência de jω e 1/jω; (a) amplitude; (b) fase.
Repare-se que os declives dos diagramas de amplitude de jω e 1/jω são simétricos e o mesmo
acontece com as respectivas fases. O mesmo acontece com qualquer dos outros factores quando
estão no numerador ou no denominador. Por este facto, estudaremos a contribuição dos
restantes factores considerando apenas o caso em que estão no denominador.
b) Contribuição de 1/Ts+1
O módulo, em dB, da função de transferência G ( jω ) = 1 jωT + 1 é
| G ( ω )| = −10 log(1 + ω2T 2 ) dB (3.83)
60
Considerando ω<<1/T e ω>>1/T a equação (3.83) pode ser aproximada do seguinte modo:
− 10 log(1) = 0 , ω << 1 / T
− 10 log(1 + ω 2T 2 ) ≈  (3.84)
 − 20 log(ωT ) , ω >> 1 / T
De acordo com (3.84), a assíntota de baixa frequência é constante e igual a 0 dB, e a assíntota
de alta frequência é uma recta com declive -20 dB/década. Assim, a resposta em frequência do
módulo de G ( jω ) = 1 jωT + 1 pode ser aproximada pelo diagrama da Fig. 3.15. Designaremos
este diagrama por diagrama assintótico para o distinguir do diagrama de Bode exacto da
amplitude de G(jω). O diagrama assintótico é muito simples e pode ser traçado facilmente sem
recorrer a computadores, por exemplo.
Fig. 3.15: Diagrama assintótico da resposta em frequência da amplitude de G ( jω ) = 1 jωT + 1.
Na Fig. 3.16 compara-se o diagrama de amplitude da Fig. 3.12 com o diagrama assintótico da
Fig. 3.15. Como se observa, o maior erro que se comete com a aproximação assintótica é -3 dB
para a frequência de corte ω=1/T que corresponde à frequência em que as duas assíntotas se
cruzam.
Fig. 3.16: Comparação entre os diagramas de amplitude.
61
Para ilustrar o traçado dos diagramas de amplitude assintóticos consideraremos o caso da

seguinte função de transferência:
1
G ( jω ) = (3.85)
jω ( jω / 3 + 1)
O módulo de G(jω), em dB, é
| G ( jω )| = −20 log( ω ) − 10 log( ω2 / 9 + 1) (3.86)
A primeira parcela de (3.86) está representada no gráfico da Fig. 3.14(a) e o da segunda

corresponde ao gráfico da Fig. 3.15. O diagrama total obtém-se somando os diagramas destas
duas figuras, o que se representa na Fig. 3.17.
a, b: -20dB/dec; c: -40dB/dec.
Fig. 3.17: Diagrama de amplitude (assintótico) de G(jω) em (3.32).
Na Fig. 3.17, a assíntota de alta frequência de G(jω) tem um declive de -40 dB/década que é
igual à soma dos declives das assíntotas de alta frequência das duas parcelas de (3.86).
c) Contribuição de ω02/s2+2βs+ω02
Com ξ<1, este termo corresponde à função de transferência
ω20
G ( jω ) = (3.87)
ω20 − ω2 + j 2βω
Com a frequência normalizada u=ω/ω0, (3.34) pode ser escrita na forma de (3.25) e o módulo
de G(ju) é dado por (3.26a). Em dB, o módulo de (3.34) é dado por
62

(
G ( ju ) = −10 log 1 − u 2 )
2
+ (2ξ u )2  dB

(3.88)
Tendo em conta que ξ<1, as assíntotas de baixa e de alta frequência são:
(
− 10 log 1 − u 2

)2 
+ (2ξ u )2  ≈ 
0 , u << 1
 − 40 log(u ) , u >> 1
(3.89)
A assíntota de baixa frequência é constante e igual a 0 dB e a assíntota de alta frequência é uma

recta com declive -40 dB/década. As duas assíntotas intersectam-se em u=1 (ω=ω0). Tendo em
conta (3.81), o máximo da amplitude de G(ju) é
1
| G ( ju ) |max = (3.90)
2
2ξ 1 − ξ
Quando ξ<<1, de acordo com (3.90), o máximo de |G(ju)| é muito superior à unidade e o
diagrama assintótico afasta-se muito da resposta em frequência exacta na vizinhança de u=1.
Esta situação é ilustrada no diagrama da Fig. 3.18.
Fig. 3.18: Diagrama da amplitude de G(ju).
Factorizando uma função de transferência nos termos que temos estado a estudar determinam-
se as respostas em frequência a partir dos diagramas assintóticos característicos de cada um dos
termos.
63
3.11 DETERMINAÇÃO EXPERIMENTAL DE G(jω)
É possível determinar-se experimentalmente a função de transferência de um sistema. Para isso,

impõem-se entradas u(t) sinusoidais de frequência variável e registam-se a amplitude e a fase
da saída para cada frequência da entrada. Com base nestes valores desenham-se as respostas em
frequência do sistema e determina-se a expressão de G(jω) que melhor se ajusta às curvas.
Como exemplo, considere-se o diagrama de amplitude representado na Fig. 3.19 que é a

aproximação assintótica de um diagrama experimental.
Fig. 3.19: Diagrama da amplitude de G(jω) experimental.
Em baixa frequência a amplitude é constante e ω1 existe uma variação do declive igual a -20
dB; esta situação é característica da existência de um termo 1 / ( jωT1 + 1) com T1=1/ω1. Em ω2
existe uma variação do declive igual a +20 dB que caracteriza a existência de um termo
( jωT2 + 1) com T2=1/ω2. Em ω3 existe uma variação do declive igual a -40 dB o que
caracteriza a existência de um termo 1 (1 − u2 + 2 jξu ) com u=ω/ω3. Assim, a função de
transferência que deu origem à Fig. 3.19 tem a forma genérica
K ( jωT2 + 1)
G ( jω ) = (3.91)
( jωT1 + 1)(ω 23 − ω2 + 2 jξωω3 ) / ω3
M
O ganho K é calculado a partir do ganho em baixa frequência, K = 10 20 e o coeficiente de
amortecimento, ξ, pode ser determinado por tentativas procurando a melhor concordância com
a curva da Fig. 3.19.
64
3.12 CONSTRUÇÃO DE UMA ESCALA LOGARÍTMICA
Os diagramas de Bode são, normalmente, traçados em papel semi-logarítmico. No entanto,

pode-se construir uma escala logarítmica num papel comum. Para isso, começa-se por definir
os valores máximo, fmax, e mínimo, fmin, da escala de frequências e o comprimento, d, dessa
escala (por exemplo, em cm ou em quadrículas). Seguidamente, determina-se o módulo da
escala, µ, que é igual ao comprimento que se pretende para uma década de frequências:
d
µ= (3.92)
log( f max ) − log( f min )
com d = d f max − d f min .
Uma dada frequência f, será marcada a partir de fmin com um comprimento igual a
d f = µ (log( f ) − log( f min )) (3.93)
As equações (3.92) e (3.93) permitem também ler numa escala logarítmica de frequências. Para
clarificar a exposição, considere-se o seguinte exemplo:
Exemplo 3.6 ________________________________________________________________

Pretende-se construir uma escala logarítmica de frequências cujos valores de interesse estão
compreendidos entre 0,1 Hz e 10 kHz. É desejável que o comprimento desta escala seja d=10
cm.
10
Seja o comprimento de cada década µ = = 2cm . Se pretendermos marcar as frequências 2
4 +1
Hz, 4 Hz, 6Hz e 8 Hz calculam-se as respectivas distâncias a partir, por exemplo, de 1 Hz
através de (3.40), com fmin=1 Hz: d2= 0,6 cm; d4= 1.2 cm; d6= 1,56 cm; d8= 1,8 cm. O
resultado está representado na Fig. 3. 20.
10 cm
2 cm
2 4 6 8 1 cm fb
1 0,6 10 fa 100 10000 Hz

0,1 1000
200 400
1,2 cm 3160
600
31,6 Hz 800
1,56 cm
1,8 cm
Fig. 3.20: Escala logarítmica do exemplo 3.6.
65
Este processo pode ser usado para marcar as frequências em qualquer outra década. Por
exemplo, os mesmo comprimentos marcados a partir de 100 Hz dão as frequências 200 Hz, 400
Hz, 600 Hz e 800 Hz, respectivamente.
A frequência fa que dista 1 cm de 10 Hz é calculada através de (3.93) fazendo fmin=10 e df=1; o

resultado é fa=31,6 Hz e, pelo mesmo processo, a frequência fa que dista 1 cm de 10 Hz é igual
a 31,6 Hz.
____________________________________________________________________________
A função de transferência pode representar sistemas que sejam da mesma ordem, embora
tenham natureza física diferente; a função de transferência traduz a relação entrada-saída mas
não informa sobre a constituição interna do sistema. Este facto foi aproveitado para realizar
modelos electrónicos que simulam analogicamente sistemas complexos. Do mesmo modo,
podem-se usar programas como o PSPICE para estudar o comportamento dos sistemas através
da simulação de circuitos electrónicos com amplificadores operacionais. Como exemplo, no
Anexo 3.3 apresentam-se alguns circuitos e as suas funções de transferência. Alguns destes
circuitos podem realizar os circuitos de controlo que serão tratados mais adiante.
A relação entre as respostas em frequência e o comportamento dinâmico dos sistemas será

objecto de estudo nos capítulos posteriores.
3.13 RESUMO
O comportamento dinâmico dos sistemas pode ser estudado através das respostas em frequência
das funções de transferência. Experimentalmente, as respostas em frequência determinadas
aplicando entradas sinusoidais com frequência variável e registando a amplitude e a fase da
saída para cada uma das frequências da entrada. O resultado é normalmente apresentado sob a
forma dos diagramas de Bode. Através dos diagramas experimentais pode-se determinar a
correspondente função de transferência.
No domínio da frequência, as funções de transferência são iguais às que se obtêm através da

aplicação da transformada de Laplace às equações diferenciais fazendo s=jω. Conhecida a
função de transferência, as respostas em frequência podem ser marcadas em papel semi-
logarítmico, mas é necessário construir a necessária escala de frequências; para este fim,
estudou-se a construção e a leitura de uma escala logarítmica. O traçado destes diagramas pode
ser feito recorrendo a programas de computador como o MATLAB ou o SCILAB.
Neste capítulo, referimos os diagramas de Bode e a aproximação assintótica dos diagramas de

amplitude. Estudou-se a influência de cada um dos termos em que se podem factorizar os
polinómios do numerados e do denominador das funções de transferência.
66
ANEXO 3.1
Resumo das Propriedades da Transformada de Laplace
nº F(s) f(t),t>0
Definição
1
y(t)
Inversão
2 Y(s)
3 dy
dt
4 d2y
dt 2
5 dny
dt n
Integral da convolução
7 F(s)G(s)
f(t) com período T, tal que

10
f( t + T ) = f (t)
g(t) com período T, tal que

11
g(t + T ) = - g(t)
67
ANEXO 3.2
Tabela de Transformada de Laplace
nº F(s) f(t),t>0
impulso unitário em t = 0
1 1
δ(t)
2 s
3
Escalão unitário
4
u(t)
6 t
7
, n=1, 2, 3, .
8
, n=1, 2, 3, .
10
11
, n=1, 2, 3, .
12
13
14
68
15
16a
16b
17
18
19
20
21
22
23
24
25
26
27
69
28
29
30
31
32
33
34
35
36
37
70
ANEXO 3.3
Circuitos com amplificadores operacionais e funções de transferência.
Esquema geral: montagem inversora.
V2 ( jω) Z
=− 2
V ( jω)1 Z1
1.
R2
K=
R
v3=-K(v1+v2)
V3 ( s) = K (V1( s) + V2 ( s))
2.
K V2 1
G ( s) = =−
s V1 RCs
3.
K V2 R 1
G ( s) = =− 1
1 + τs V1 R 1 + R1Cs
71
4.
V2 s
= −K
V1 1+ R 2 C 2 s
s
G ( s) = K
1 + τs K=R2C1
5.
1 + τ1s V2 1 + R1C1s
G ( s) = K = −K
1 + τ2 s V1 1 + R2C2 s
R
K= 2
R1
6.
1 + τ1s V2 1+ R1Cs
G ( s) = K = −K
s V1 s
1
K=
RC
72
CAPÍTULO 4
ESTABILIDADE
4.1 INTRODUÇÃO
A estabilidade é a característica mais importante dos sistemas em cadeia fechada e está

associada à possibilidade de se conseguir manter o sistema sob controlo. Embora seja difícil
determinar se o sistema é estável em todas as situações possíveis de funcionamento, existem
duas definições de estabilidade que são as mais interessantes. Uma delas, diz que um sistema é
estável se afastado do seu estado de equilíbrio, por uma perturbação qualquer, tender a voltar
ao estado de equilíbrio inicial após o desaparecimento da perturbação. Segundo esta
definição, a estabilidade de um sistema não depende da entrada.
Todavia, frequentemente a estabilidade depende da entrada. Considere-se, por exemplo, o

sistema da Fig. 4.1 que representa um satélite que gravita em torno da Terra. O satélite
encontra-se numa órbita estável, quando, no ponto P, os foguetes são ligados
momentaneamente; se o impulso não for exagerado o satélite estabilizará numa órbita mais
elevada (Q). Caso contrário, se os foguetes actuarem durante demasiado tempo, corre-se o risco
do satélite sair da órbita da Terra e de perder-se no espaço.
Fig. 4.1: Trajectórias do satélite em função do impulso.
Chega-se, assim, à segunda definição de estabilidade: um sistema é estável se perante uma

entrada limitada dá uma resposta limitada. Voltando ao exemplo do satélite, a trajectória R,
correspondente à perda de estabilidade orbital, pode acontecer mesmo que os foguetes tenham
73
actuado num tempo finito. Na situação descrita pela Fig. 4.1 o sistema é então
condicionalmente estável.
Nos sistemas não lineares as duas definições são distintas, mas no caso dos sistemas lineares e
invariantes no tempo (LIT) elas são equivalentes. Nos sistemas LIT a estabilidade depende da
localização dos pólos do sistema, isto é, dos zeros da equação característica (2.6). Recorde-se
que a equação característica de um sistema tem a forma
K0 + K1s + K2 s2 +... + Kn sn = 0 (4.1)
A resposta livre do sistema, yl(t), depende das n raízes de (4.1) e pode ser escrita na forma
yl ( t ) = A1es1t + A2es2t +..... + Anesnt (4.2)
Se as n raízes de (4.1) têm parte real negativa, então as parcelas Ai esi t tendem assintoticamente
para zero quando t tende para infinito. O regime livre anula-se ao fim de algum tempo e a
resposta do sistema tenderá para o valor forçado pela entrada. Nesta situação, diz-se que o
sistema é assintoticamente estável.
Se, pelo menos, uma das n raízes de (4.1) é positiva ou duas raízes complexas conjugadas têm
parte real positiva, então as correspondentes parcelas Ai esi t tendem para infinito quando t→∞;
a resposta não estabiliza e diz-se que o sistema é instável.
Se (4.1) tem, pelo menos, um par de raízes complexas conjugadas com parte real nula (raízes
imaginárias puras) e todas as outras raízes têm parte real negativa, dois casos podem
acontecer:
- se as raízes imaginárias puras são raízes simples, então existem modos oscilatórios não
amortecidos e o sistema é estável mas não é assintoticamente estável. Neste caso pode-se dizer
que o sistema tem uma estabilidade limitada.
- se uma das raízes imaginárias puras é uma raiz múltipla, então existe, pelo menos,
uma parcela Ai esi t que tende para infinito quando t→ ∞ e o sistema é instável.
Se um sistema LIT é assintoticamente estável, então a resposta a uma entrada limitada é

também limitada [8] e as duas definições de estabilidade são simultaneamente verificadas.
Pelo que se expôs, para estudar a estabilidade de um sistema LIT seria necessário conhecer
todas as raízes da equação característica. Ora a resolução da equação (4.1) quando n>2 não é
simples e o estudo da estabilidade seria impraticável sem a ajuda de programas numéricos para
computador. Para contornar esta dificuldade, foram desenvolvidos diversos métodos indirectos
que, em muitos casos, apenas indicam quantas são as raízes com parte real positiva, isto é,
74
quantas pertencem ao semiplano direito do plano de Argand. De facto, o conhecimento do valor

exacto da raiz não é importante para a estabilidade porque basta saber que existe uma raíz com
parte real positiva para se poder afirmar que o sistema é instável.
Estudaremos dois métodos no domínio da frequência complexa (o de Rout-Hurwitz e o

diagrama de Evans) e um método que se baseia na resposta em frequência (o método de
Nyquist). Estes métodos são os mais frequentemente usados no estudo da estabilidade dos
sistemas LIT e qualquer deles evita a resolução de (4.1). Recorde-se que a equação
característica de um sistema em cadeia fechada é dada por (3.30):
1+G(s)H(s)=0
(4.3)
Um sistema pode ser estável ou instável em cadeia aberta, depende dos pólos da função de
transferência em cadeia aberta, G(s)H(s), mas em cadeia fechada a estabilidade pode ser
modificada. Os métodos que estudaremos determinam se os zeros de (4.3) pertencem ao
semiplano direito do plano de Argand (pólos do sistema instáveis) mas, à partida, não nos
dizem o valor exacto desses zeros. O diagrama de Evans e o método de Nyquist investigam os
zeros de (4.3) a partir da função de transferência em cadeia aberta, G(s)H(s). O método de
Routh trabalha directamente sobre a equação característica, mas permite localizar os zeros de
(4.1) mas sem resolver a equação.
4.2 CRITÉRIO DE ROUTH-HURWITZ
Com este método pode-se determinar quantos pólos do sistema existem no semiplano direito do
plano de Argand, sem resolver a equação (4.1). Segundo este método, começa-se por investigar
se se verificam as três condições necessárias:
Para que uma equação polinomial tenha os zeros com parte real negativa, é necessário que o
polinómio seja completo, é necessário que todos os coeficientes sejam reais e que tenham todos
o mesmo sinal. Note-se que estas três condições são necessárias mas não são suficientes. Assim,
se a equação característica violar uma destas condições, pode-se afirmar que o sistema não é
assintoticamente estável e pode ser, muito provavelmente, instável. Como exemplo, considere-
se as seguintes equações do 2º grau que violam as condições necessárias:
1) s2 + 3s − 4 = 0 ; as raízes são -4 e 1 e o sistema seria instável.

2) s2 + 4 = 0 ; as raízes são imaginárias, -2j e +2j, e a resposta seria eternamente oscilante.
3) s2 + 3s = 0 ; o termo independente é nulo e as raízes são 0 e -3. Neste caso, porque existe um
zero na origem, uma entrada limitada pode não dar origem a uma saída limitada e o sistema não
75
é assintoticamente estável (por exemplo, a resposta de G ( s) = 3 s( s + 3) a uma entrada escalão

unitário seria ( 3t − 1 + e−3t ) / 9 , pelo que tende para infinito quando t→∞).
Se se pretender que o sistema seja assintoticamente estável não é necessário prolongar o estudo
quando uma das condições necessárias é violada. Nos outros casos, utiliza-se o algoritmo de
Routh. Este algoritmo consiste na construção de numa tabela que tem termos que são os
coeficientes do polinómio característico e outros que são calculados a partir deles. Após a
construção da tabela, contam-se as mudanças de sinal que existem nos coeficientes da primeira
coluna.
O método de Routh-Hurwitz diz que o número de zeros no semiplano direito (zeros com parte
real positiva) é igual ao número de mudanças de sinal os coeficientes da primeira coluna da
tabela. O modo de construir esta tabela é explicado seguidamente.
Considere-se a equação característica
a0 + a1s + a2 s2 +... + an sn = 0 (4.4)
em que todos os coeficientes ai são reais e positivos.
Para se construir a tabela de Routh que se apresenta na Fig. 4.2, começa-se por preencher as
duas primeiras linhas com os coeficientes do polinómio; as restantes linhas obtêm-se,
sucessivamente, a partir das anteriores pelo processo de cálculo que se descreve a seguir.
sn an an-2 an-4 ...

sn-1 an-1 an-3 an-5 ...
sn-2 x1 x2 x3 ...
sn-3 y1 y2 y3 ...
..... ...
s0 f1
↓
primeira coluna
Fig. 4.2: Tabela de Routh.
Os termos das primeiras linhas são os coeficientes do polinómio, começando pelos das maiores
potências: se n é par, na primeira linha ficam os coeficientes das potências de expoente par
(zero é par) e na segunda linha os coeficientes das potências de expoente impar; se n é impar,
na primeira linha ficam os coeficientes das potências de expoente impar e na segunda linha os
coeficientes das potências de expoente par. As duas linhas seguintes da Fig. 4.2 são calculadas
do seguinte modo:
76
a a −a a a a −a a a a −a a
x1 = n −1 n − 2 n n − 3 x2 = n −1 n − 4 n n −5 x3 = n −1 n − 6 n n − 7
an −1 an −1 an −1
...
xa −a x xa −a x xa −a x
y1 = 1 n − 3 n −1 2 y2 = 1 n −5 n −1 3 y2 = 1 n − 7 n −1 4
x1 x1 x1
...
Os restantes termos das outras linhas seguem o mesmo processo. Note-se que este método
apenas informa sobre a existência (ou não) de raízes com parte real positiva, mas não diz quais
são as raízes. Para clarificar o método, apresentam-se uns exemplos.
Exemplo 4.1 ________________________________________________________________

Dada a equação característica s3 + 2 s2 + 3s + 10 = 0 , pretende-se concluir sobre a estabilidade
do sistema.
A tabela de Routh é
s3 1 3
s2 2 10
s1 -2 0
s0 10
↓
2 mudanças de sinal
Na primeira coluna existem 2 mudanças de sinal: +2 → -2→ +10; como conclusão, existem
duas raízes no semi-plano direito e o sistema é instável.
Exemplo 4.2 _________________________________________________________________

Dada a equação característica s3 + 5s2 + 2 s + K = 0 , pretende-se determinar K para que o
sistema seja assintoticamente estável.
s3 1 2
s2 5 K
10 − K
5
s1 0
s0 K
77
Para que o sistema seja assintoticamente estável, não podem existir mudanças de sinal na
primeira coluna. Assim, deve ser 10-K>0 e K>0, o que é equivalente a 0<K<10. Por exemplo,
com K=11 as raízes são s1=-5.04, s2=0.018 + 1.5j e s3=0.018 - 1.5j; as partes reais de s1e s2
são positivas e o sistema é instável. (Nota: estas soluções podem ser obtidas comodamente, por
exemplo, através do MATLAB com a instrução roots([1 5 2 11]); mas seria mais fastidioso
fazê-lo para todos os valores de K).
_____________________________________________________________________________
Por vezes, ao calcular a tabela, um dos elementos da primeira coluna é zero. Neste caso,
substitui-se este elemento por um ε arbitrariamente pequeno e calculam-se os sequentes termos
em função de ε. No final, determinam-se os elementos da 1ª coluna calculando o seu limite
quando ε→0. Este processo é exemplificado no exercício seguinte.
Exemplo 4.3 _________________________________________________________________

Dada a equação característica s4 + 2 s3 + s2 + 2 s + 5 = 0, pretende-se concluir sobre a
estabilidade do sistema.
s4 1 1 5
s3 2 2 0
s2 ε 5 0
2 ε − 10
s1 0
ε
s0 5
2 ε − 10
Ora, lim = −∞ , e o sistema é instável porque existem (duas) mudanças de sinal na 1ª
ε→0 ε
coluna.
_____________________________________________________________________________
Quando todos os elementos de uma linha (excepto a última) são zero não é possível concluir a
tabela e o critério de Routh-Hurwitz não dá informação sobre a estabilidade.
Uma exposição mais exaustiva sobre este método pode ser encontrada em [3].
4.3 LUGAR GEOMÉTRICO DAS RAÍZES (DIAGRAMA DE EVANS)
O método do lugar geométrico das raízes da equação característica, que na literatura de língua
inglesa este método é designado por Root-Locus, foi desenvolvido por W. Evans e permite
determinar os pólos do sistema em cadeia fechada que se representa na Fig. 4.3. As raízes da
equação característica do sistema em cadeia fechada, (4.3), determinam-se a partir dos pólos e
78
dos zeros da função de transferência em cadeia aberta, G(s)H(s), considerando que o ganho K
pode tomar qualquer valor no intervalo 0, ∞ .
R(s) E(s) C(s)

G(s)
B(s)
H(s)
Fig. 4.3: Diagrama de blocos canónico em cadeia fechada.
Recorde-se que a função de transferência em cadeia aberta G(s)H(s) pode ser escrita na forma
geral
m
∏ ( s + zi )
G ( s) H ( s) = K i =1 com K>0 (4.5)
w
sn
∏ (s + p j )
j =1
Designando os polinómios numerador e denominador de (4.5) por N(s) e D(s), respectivamente,

a equação (4.3) pode ser escrita na forma
N ( s) D( s) + KN ( s)
1+ K = =0 (4.6)
D( s) D ( s)
D( s) + KN ( s) = 0 (4.7)
As raízes de (4.7) dependem de K. Para K=0 as raízes são iguais aos pólos da função de
transferência em cadeia aberta e, pela lei dos grandes números, quando K→∞ as raízes tendem
para os zeros da função de transferência em cadeia aberta:
D( s ) + KN ( s ) = D( s ) = 0 , se K = 0
(4.8)
D( s ) + KN ( s) ≈ N ( s) = 0 , se K = ∞
Quando a função de transferência em cadeia aberta não tem zeros, as raízes de (4.7) tendem
para infinito.
79
Para clarificar a exposição, considere-se o seguinte exemplo:
Exemplo 4.4 ________________________________________________________________

Pretende-se determinar os pólos do sistema em cadeia fechada da Fig. 4.3 com H(s)=1 e
K
G ( s) = .
s( s + 6)
C ( s) K
A função de transferência em cadeia fechada é = e os pólos do sistema são as
R ( s) s2 + 6s + K
soluções de s2 + 6s + K = 0 . Consoante o valor de K os pólos do sistema em cadeia fechada são:
s1 ≠ s2 ∈ ℜ ,0 ≤ K ≤ 9
s = s 2 = −3 ,K = 9

s1, 2 = −3 ± 9 − K =  1 (4.9)
s1 = s 2* = −3 + j K − 9 , K > 9
s1 = 0, s 2 = 6 ,K = 0
O lugar geométrico das raízes (4.9) no plano de Argand estão representadas na Fig. 4.4.
Fig. 4.4: Diagrama de Evans do exemplo 4.4.
O lugar geométrico das raízes começa nos pólos de G(s), com K=0, e tende para infinito
quando K→∞. Para K>9 as raízes deixam de ser reais e passam a ser complexas conjugadas;
por exemplo, para K=34, as raízes são -3+j5 e -3-j5; para K=9 existe uma raíz real dupla.
80
Da Fig. 4.4 conclui-se que não existem raízes no semiplano direito, qualquer que seja K, e o
sistema é sempre estável. Conclui-se também que o sistema só tem modos oscilatórios quando
K>9; neste caso, o factor de amortecimento é constante e igual a 3 e a frequência das oscilações
amortecidas aumenta com K.
4.3.1 Condição de Módulo e Condição de Ângulo
O diagrama de Evans representa a evolução das raízes da equação característica, em cadeia

fechada, quando K varia de zero a infinito. Se existirem troços no semiplano direito então o
sistema é instável (pelo menos para esses valores de K). Para além da estabilidade, o diagrama
de Evans permite conclui sobre a influência que K tem no comportamento dinâmico do sistema.
A equação característica 1+G(s)H(s)=0 é equivalente a
G(s)H(s)=-1 (4.10)
A equação (4.10) tem variável complexa e as raízes da equação característica têm que
satisfazer, simultaneamente, as duas seguintes condições:
| G ( s) H ( s ) |= 1 → condição de módulo
G ( s) H ( s ) = −1 ⇔  (4.11)
arg(G ( s) H ( s )) = ±π (2a + 1) → condição de ângulo
com a=0,1,2,....
Tendo em conta (4.5), as condições anteriores podem ser escritas do seguinte modo:
1
∏ | s + zi |
- condição de módulo = i =1 (4.12a)
K n
∏ | s + pi |
i =1
m n
- condição de ângulo ∑ arg( s + zi ) −∑ arg( s + pi ) = ± π(2a + 1) , a = 0,1, 2,... (4.12b)
i =1 i =1
O lugar geométrico das raízes da equação característica são os pontos do plano de Argand que
satisfazem simultaneamente as equações (4.12). O lugar geométrico das raízes é graduado em
K; esta graduação faz-se, também, a partir das as equações (4.12). Por exemplo, o valor de K
que origina os pólos -3±j10 no sistema do exemplo 4.4 pode ser calculado a partir de (4.12a):
81
1 1 1
= = ⇔ K = 109
K | s( s + 6)||s =−3+10 j | −3 + 10 j || −3 + 10 j + 6|
Este resultado pode ser confirmado através de (4.9).
Para sistemas de ordem elevada, a utilização directa de (4.12) torna-se impraticável. Por causa
disso, desenvolveu-se um conjunto de regras gráficas que permitem desenhar o lugar
geométrico das raízes da equação característica de modo aproximado o que é suficiente para a
maioria dos casos. A demonstração destas regras pode ser consultada, por exemplo, em [3].
4.3.2 Regras de Construção
Apresentam-se, sem demonstração, as regras que normalmente se utilizam para desenhar o

diagrama de Evans ou Root-Locus (RL) de um sistema em cadeia fechada.
1. O número de ramos do RL é igual ao número de raízes da equação característica, isto é, ao

número de pólos da função de transferência da cadeia aberta.
2. Os ramos iniciam-se nos pólos G(s)H(s), com K=0, e terminam no infinito ou nos zeros de
G(s)H(s) com K=∞.
3. O RL é simétrico em relação ao eixo real.
4. Para que um ponto do eixo real pertença ao RL é necessário que o número de pólos e/ou de
zeros de G(s)H(s) sobre o eixo real, à direita do ponto corrente, seja ímpar.
5. O RL parte de um pólo ou chega a um zero com um ângulo que é igual a ±180º(2a+1),

a=0,1,2,..., menos a soma dos ângulos dos vectores entre os outros pólos e zeros e o pólo ou
zero em questão.
Quando K→∞, o RL pode tender para assíntotas. Sendo P o número de pólos e Z o número de
zeros de G(s)H(s), o número de assíntotas distintas é P-Z.
6. O ângulo das assíntotas com o eixo real é dado por,
180º ( 2 a + 1)
α= com a = 0, 1, 2 ,.... (4.13)
P−Z
82
7. O ponto de cruzamento das assíntotas com o eixo real (centro assintótico) é dado por,
n m
∑ pi − ∑ zi
σ = i =1 i =1 (4.14)
P−Z
8. Quando K aumenta, o RL pode sair ou chegar ao eixo real. Os pontos de partida ou de

chegada ao eixo real correspondem, respectivamente, ao valor máximo de K para o qual as
raízes ainda são reais, ou ao valor mínimo de K a partir do qual as raízes passam a ser reais.
Os pontos de partida ou de chegada podem ser obtidos tendo em conta que da equação
característica resulta:
1
K=− (4.15)
G ( s) H ( s)
Considerando que as soluções da equação característica são reais, os extremos de K e os pontos

de saída ou de entrada calculam-se através de
dK
=0 (4.16)
ds
No exemplo 4.4, existe um ponto de saída em s = - 3 . Este valor poderia ser determinado tendo
em conta que s2 + 6s + K = 0 . Assim, K=-(s2+6s) e
dK
= −2 s − 6 = 0 ⇔ s = − 3
ds
Este valor é o maximizante de K=-(s2+6s) e por substituição obtém-se K=9. Estes resultados
coincidem com os que obtiveram directamente a partir de (4.9).
Exemplo 4.5 _________________________________________________________________

Pretende-se construir o RL de um sistema cuja função de transferência em cadeia aberta é
K ( s + 2)
G ( s) H ( s) = (4.17)
( s + 4 )( s + 6)( s2 + 6s + 13)
O zero de (4.17) é -2 e os pólos são {-4, -6, -3+2j, -3-2j}; então é Z=1 e P=4. Os pólos, o zero e
os troços do eixo real que pertencem ao RL estão marcados na Fig. 4.5 (regras 2 e 4).
83
Fig. 4.5: Início da construção do root-locus.
O centro assintótico e o ângulo das assíntotas (regras 6 e 7) são
− 4−6−3− 2j −3+ 2 j + 2
σ= = −4,67
3
60º ,a = 0
180º (2a + 1) 
α= = 60(2a + 1) = 180º , a = 1
3 − 60º , a = 2

Tendo em conta a Fig. 4.6, a regra 5 permite calcular o ângulo de partida do RL dos pólos
complexos: α=180º-(90º+33,7º+63,4º-116,6º)=109,5º.
Fig. 4.6: Ângulos para o pólo -3+2j.
84
Finalmente, tendo em conta os pontos de partida (K=0), os ângulos de partida e as assíntotas,

completa-se o diagrama de Evans, o que se representa na Fig. 4.7.
Fig. 4.7: Diagrama de Evans do exemplo 4.5.
Da Fig. 4.7 conclui-se que o sistema é instável se K>Kcrit. Este valor pode ser determinado pelo
critério de Routh: a equação característica é s4 + 16 s3 + 97 s2 + ( 274 + K ) s + ( 312 + 2 K ) = 0 .
Deixa-se esta determinação para o aluno, mas a resposta é Kcrit≈826.
A determinação do diagrama de Evans pode ser feita através do MATLAB. Para o exemplo 4.5,
pode-se correr o seguinte programa:
PROGRAMA 4.1 – RLoc_1

%Programa 'RLoc_1.m'
num=[1 2];
d1=[1 4];
d2=[1 6];
d3=[1 6 13];
dd=conv(d1,d2);
den=conv(dd,d3)
rlocus (num,den);
[K,poles]=rlocfind(n,d)
A explicação das instruções será objecto de uma aula prática, aconselha-se a fazer help rlocus
e help rlocfind.
____________________________________________________________________________
85
Outra "regra" a ter em conta no desenho do RL é a seguinte: os zeros atraem o RL e os pólos

repelem-no. Esta situação pode ser exemplificada com as figuras 4.8 a 4.10; na Fig 4.9
apresenta-se o RL do sistema que se obtém do da Fig. 4.8 acrescentando um zero em -20 e na
Fig. e 4.10 o que resulta de se acrescentar um pólo em -20.
1.
K
G ( s) H ( s) =
s( s + 10)
Fig. 4.8: Diagrama de Evans de um sistema com pólos em cadeia aberta {-10, 0}.
2.
K ( s + 20)
G ( s) H ( s) =
s( s + 10)
Fig. 4.9: RL do sistema com os pólos em cadeia aberta {-10, 0} e um zero em -20.
Na Fig. 4.9, o RL é atraído pelo zero que se situa à esquerda do pólo -10; passa a existir um
ponto de chegada e a frequência das oscilações amortecidas tem um máximo e não cresce
indefinidamente com K como acontece na Fig. 4.8. Quando existem modos oscilatórios, o
86
factor de amortecimento também aumenta em relação ao sistema da Fig. 4.8 e a resposta será
mais rápida.
3.
K
G ( s) H ( s) =
s( s + 10)( s + 20)
Fig. 4.10: RL do sistema com os pólos em cadeia aberta {-20, -10, 0}.
Na Fig. 4.10 o RL é repelido pelo pólo que se situa à esquerda do pólo -10 e aproxima-se do
eixo imaginário. Quando K aumenta, os modos oscilatórios têm um factor de amortecimento
menor e uma frequência cada vez maior. Para K elevado o sistema torna-se instável.
As conclusões destes exemplos podem ser generalizadas para qualquer outro sistema: a adição
de zeros melhora a estabilidade e a adição de novos pólos piora a estabilidade. O RL pode ser
modificado pela adição de pólos e de zeros e, consequentemente, constitui uma ferramenta
importante para o projecto dos sistemas de controlo que visam modificar o comportamento
dinâmico para que as especificações sejam cumpridas.
Exemplo 4.6 _________________________________________________________________

Um sistema tem a seguinte função de transferência em cadeia aberta:
K
G ( s) H ( s) = , K>0 (4.18)
s2 ( s + 10)
O RL está representado na Fig. 4.11(a) e conclui-se que o sistema é instável para qualquer valor
de K>0. O sistema pode ser estabilizado através da adição de um zero entre a origem e o pólo -
10. Considere-se, por exemplo, a adição de um zero em -5; a nova função de transferência em
cadeia aberta é
87
K ( s + 5)
G ( s) H ( s) = (4.19)
s2 ( s + 10)
O RL do sistema compensado com o zero em -5 está representado na Fig. 4.11(b) e, como se

observa, o sistema passou a ser estável para qualquer valor de K>0.
(a) (b)
Fig. 4.11: RL do exemplo 4.6; (a) sistema inicial; (b) após a adição de um zero.
Repare-se que o RL foi puxado para a esquerda pela acção do zero. Poderá verificar que quanto
mais próximo da origem for colocado o zero, tanto mais a assíntota (vertical) se desloca para a
esquerda.
_____________________________________________________________________________
4.4 CRITÉRIO DE NYQUIST
A estabilidade de um sistema em cadeia fechada pode ser estudada a partir do diagrama polar
(diagrama de Nyquist) da função de transferência em cadeia aberta. O critério de Nyquist
baseia-se no seguinte teorema das funções variável complexa:
Considere-se o contorno fechado 'D' que abrange o semiplano direito do plano de Argand que
está representado na Fig. 4.12(a); se uma função de variável complexa, F(s), é analítica no
interior e sobre o contorno, excepto, quanto muito, num número finito de pólos, quando o afixo
de s=a+jb percorre o contorno no sentido negativo, o afixo de F(s) descreve N voltas em torno
da origem no sentido negativo (Fig. 4.12(b)); o número de voltas do afixo de F(s) é N=Z-P em
que Z e P são o número de zeros e o número de pólos no semiplano direito, respectivamente.
Para a análise da resposta em frequência é s=jω, motivo pelo qual o intervalo da frequência ω
que tem interesse é −∞ , +∞ . Seja F(s) o polinómio característico de um sistema em cadeia
fechada,
88
F(s)=1+G(s)H(s) (4.20)
Fig. 4.12: Contornos do teorema das funções de variável complexa; (a) contorno 'D' de s;
(b) contorno de F(s).
De acordo com o teorema anterior, quando ω varia de -∞ a +∞, o afixo de F(s) descreve N
voltas em torno da origem; tendo em conta que
G(s)H(s)=F(s)-1 (4.21)
o afixo da função de transferência em cadeia aberta, G(s)H(s), descreve N voltas em torno do

ponto (-1, 0).
Para que o sistema seja estável, F(s) de (4.20) não pode ter zeros no semiplano direito do plano
de Argand. Uma vez que os pólos de G(s)H(s) e de F(s) são os mesmos e o número N de voltas
do afixo de G(s)H(s) em torno de (-1, 0) é igual ao de F(s) em torno da origem, o critério de
Nyquist para o estudo da estabilidade pode ser enunciado do seguinte modo:
Critério de Nyquist
É condição necessária e suficiente para que um sistema seja estável em cadeia fechada que,
quando ω varia de -∞ a +∞, o número de voltas que o afixo de G(s)H(s) dá, no sentido positivo,
em torno de (-1, 0), seja igual ao número de pólos de G(s)H(s) com parte real positiva.
A aplicação do critério de Nyquist faz-se do seguinte modo:

1. Considera-se a função de transferência em cadeia aberta do sistema, G(jω)H(jω).
2. Determine-se o número, P, dos pólos de G(s)H(s) no semiplano direito (por exemplo, através
do método de Routh).
3. Determina-se o número, N, de voltas do afixo de G(jω)H(jω) em torno de (-1, 0), no sentido
negativo, quando ω varia de -∞ a +∞.
4. O número, Z, dos zeros da equação característica, F(s)=0, no semiplano direito é dado por
89
Z=N+P (4.22)
5. O sistema é estável se Z=0.
Nas figuras. 4.13 e 4.14, apresentam-se exemplos da aplicação do critério de Nyquist. Note-se
que nas figuras 4.13(a) e 4.13(b) a estabilidade depende do ganho K e os sistemas são
classificados como condicionalmente estáveis. As voltas do afixo de G(jω)H(jω) em torno de (-
1, 0) forem no sentido positivo então N é negativo (Fig. 4.13(b)).
No caso mais frequente de não existirem pólos de G(s)H(s) no semiplano direito, P=0, o
critério de Nyquist é enunciado de um modo mais simples:
Um sistema em cadeia fechada é estável se o afixo da função de transferência em cadeia aberta

não envolve o ponto (-1, 0) quando ω varia de 0 a +∞.
Na Fig. 4.15 exemplifica-se a aplicação deste critério simplificado. No final deste capítulo
resumem-se alguns dos diagramas de Nyquist mais frequentes e referem-se as conclusões que
se tiram quanto à estabilidade.
N=0, P=1⇒Z=1 (instável) N = -1, P=1⇒Z=0 (estável)
K K
(a) G ( s) H ( s) = , K <1 (b) G ( s) H ( s) = , K >1
sT − 1 sT − 1
Fig. 4.13: Exemplos de aplicação do critério de Nyquist (pólo instável).
O programa seguinte (Nyqu.m) pode ser utilizado com o programa MATLAB para se obter o
diagrama de Nyquist da função de transferência da Fig. 4.13 (a); com as necessárias
modificações, pode ser usado com as outras funções de transferência das figuras.
90
PROGRAMA 4.2 – Nyqu.m

%Diagrama Nyquist da Fig. 4.13(a)
n1=1; d1=[1 -1]; nyquist(n1,d1);
N=2, P=0⇒Z=2 (instável) N=0, P=0⇒Z=0 (estável)
K K
(a) G ( s) H ( s) = (b) G ( s) H ( s) =
( sT1 + 1)( sT2 + 1)( sT3 + 1) s( sT2 + 1)( sT3 + 1)
Fig. 4.14: Exemplos de aplicação do critério de Nyquist (pólos estáveis).
K
G ( s) H ( s) =
s2 ( sT1 + 1)
Envolve (-1, 0) ⇒ instável
Fig. 4.15: Exemplo de aplicação do critério de Nyquist com P=0.
91
Note-se que na Fig. 4.15, para ω=0 a fase é -180º devido à contribuição de s2; quando ω tende
para infinito, a fase tende para -270º.
4.5 ESTABILIDADE RELATIVA
Apesar de um sistema ser estável em cadeia fechada, pode ter características dinâmicas
desfavoráveis o que acontece quando o amortecimento é pequeno e a frequência das oscilações
amortecidas é elevada. As características dinâmicas e o "grau de estabilidade" de um sistema
em cadeia fechada podem ser aferidas pela análise do diagrama de Nyquist da função de
transferência em cadeia aberta. Como se referiu, nas figuras 4.13(a) e (b) a estabilidade depende
do ganho K No sistema da Fig. 4.14(b), à medida que K aumenta o diagrama aproxima-se de (-
1, 0) e a resposta dinâmica do sistema piora; se K for muito elevado o sistema torna-se instável.
A estabilidade relativa é medida pelo afastamento do diagrama de Nyquist da cadeia acerta ao

ponto (-1, 0). Uma vez que se trata de um diagrama polar, o afastamento em relação a (-1, 0) é
medido em módulo e em fase (ângulo). Definem-se dois parâmetros que caracterizam a
estabilidade relativa de um sistema:
- Margem de ganho, que mede a distância, em módulo, de G(jω)H(jω) ao ponto (-1, 0).
- Margem de fase, que mede a distância, em ângulo, de G(jω)H(jω) ao ponto (-1, 0).
Quanto maior forem estas margens, tanto mais afastado se encontra o diagrama de Nyquist do
ponto (-1, 0) e o sistema em cadeia fechada corre menos riscos de se tornar instável. Pelo
contrário, se estas margens forem pequenas o sistema tem uma resposta dinâmica desfavorável
e uma pequena variação de K pode tornar o sistema instável. Note-se que a variação de K pode
ser devida a alterações dos componentes do sistema, por exemplo, devido ao envelhecimento do
material.
A definição precisa destes dois parâmetros é feita de seguida.
4.5.1 Margem de Ganho
Seja ωπ a frequência para a qual arg(G(jωπ)H(jωπ))=±180º. Na Fig. 4.16 é Kπ=|G(jωπ)H(jωπ)|

e o módulo da função de transferência em cadeia aberta pode se aumentado de 1/Kπ para que o
diagrama passe por (-1, 0), isto é, para que o sistema em cadeia fechada atinja o limite da
estabilidade assintótica. Representando por Mg a margem de ganho,
1
Mg = (4.23)
Kπ
ou em dB,
92
M g = −20log Kπ (dB) (4.24)
em que Kπ=|G(jωπ)H(jωπ)|.
Fig. 4.16: Margem de ganho e margem de fase.
A estabilidade em cadeia fechada depende da margem de ganho:
Mg>1 Mg (dB) >0 sistema assintoticamente estável

Mg<1 Mg (dB) <0 sistema instável
Mg=1 Mg (dB) =0 estabilidade limitada
4.5.2 Margem de Fase
Na Fig. 4.16, |G(jω1)H(jω1)|=1 e o ângulo que G(jω1)H(jω1) faz com o eixo real negativo é β.
Se o diagrama de G(jω)H(jω) rodar, no sentido negativo, o ângulo β, passa por (-1, 0) e o
sistema atinge o limite da estabilidade assintótica. O ângulo β é a margem de fase do sistema:
β = M f = arg( G ( jω1) H ( jω1) − 180º (4.25)
Em (4.25) considera-se que o arg(G(jω1)H(jω1)) é marcado no sentido positivo.
As margens de ganho e de fase são margens de segurança quanto à instabilidade causada pela
variação do ganho da cadeia aberta devido, por exemplo, a variações dos componentes, e são
um bom critério para avaliar o comportamento dinâmico do sistema em cadeia fechada.
Normalmente, considera-se que o comportamento do sistema é aceitável quando se verifica
93
30º<β<60º e 3 dB<Mg<8 dB. Quando As margens de ganho e/ou de fase estão fora destes
intervalos torna-se necessário compensar o sistema para melhoras a resposta dinâmica do
sistema. A compensação será estudada num capítulo posterior.
Note-se que as margens de ganho e de fase são normalmente determinadas a partir dos
diagramas de Bode de G(jω)H(jω).
Exemplo 4.7 _________________________________________________________________

100
Determinar as margens de ganho e de fase de um sistema com G ( s) H ( s) =
s( s + 5)( s + 20)
Os diagramas de Bode (resposta em frequência) de G(jω)H(jω) estão representados na Fig.
4.17. Por leitura directa, é ω1=0,98 rad/s e ωπ=10 rad/s; para estas frequências verifica-se
arg(G(jω1)H(jω1))=-104º e |G(jωπ)H(jωπ)|=-25 dB. (As setas na Fig. 4.17 indicam o modo
como se faz a leitura).
As margens de ganho e de fase são Mg=25 dB e β=76º. Em conclusão, o sistema em cadeia

fechada é estável.
-25
-104
Fig. 4.17: Diagramas de Bode para o exemplo 4.7.
94
4.6 RESUMO
A estabilidade de um sistema linear e invariante no tempo é determinada unicamente pelos

zeros da equação característica: para que o sistema seja estável é necessário que não existam
zeros no semiplano direito do plano de Argand. A resolução da equação característica, sem
recorrer a programas numéricos para computador, torna-se difícil quando o grau do polinómio é
superior a dois. Neste capítulo estudaram-se métodos indirectos para estudar a estabilidade
porque não resolvem a equação característica. Os métodos estudados são: o método de Routh, o
diagrama de Evans ou lugar geométrico das raízes e o critério de Nyquist.
O método de Routh indica quantas são as raízes com parte real positiva. O diagrama de Evans é
o lugar geométrico das raízes da equação característica em função do ganho da função de
transferência em cadeia aberta. O critério de Nyquist que foi estudado baseia-se no diagrama
polar directo da resposta em frequência da função de transferência em cadeia aberta.
Referiu-se uma medida da estabilidade relativa: a margem de ganho e a margem de fase. Estas
margens permitem ajuizar sobre o comportamento dinâmico do sistema a partir da resposta em
frequência da função de transferência em cadeia aberta.
95
CAPÍTULO 5
CARACTERÍSTICAS DOS SISTEMAS EM CADEIA FECHADA
5.1 INTRODUÇÃO
Nos capítulos anteriores desenvolveram-se as ferramentas clássicas para a análise dos sistemas
no domínio do tempo e da frequência complexa. O comportamento dos sistemas depende dos
elementos que o compõem e o seu comportamento pode ser analisado através dos métodos
expostos. No domínio do tempo, estudam-se as respostas a entradas típicas - impulso, escalão,
rampa e parábola; no domínio da frequência a entrada é sinusoidal. As respostas a estas
entradas e a interpretação dos diagramas de Bode, de Nyquist e o de Evans são as ferramentas
clássicas mais utilizadas.
O projecto de um sistema de controlo baseia-se no conhecimento do comportamento dinâmico

do sistema e nas especificações desejadas para esse comportamento. As especificações são
dadas para a resposta no domínio do tempo ou, de modo equivalente, para a resposta em
frequência. Qualquer dos casos pode ser convertido na localização dos pólos e dos zeros no
plano de Argand.
As três propriedades que se costumam definir para caracterizar a qualidade do sistema são:
1. Exactidão - refere-se ao desvio entre a saída e o valor desejado (ou de referência) para essa
variável.
2. Estabilidade - diz respeito à possibilidade do sistema permanecer sob controlo.
3. Sensibilidade - é uma medida da eficácia do controlo e mede a tolerância do sistema em
relação às perturbações e às variações dos elementos que o compõem.
A estabilidade é a característica mais importante dos sistemas e, por isso, foi tratada
separadamente no capítulo anterior. Neste capítulo caracteriza-se a exactidão em relação às
entradas típicas e relacionam-se as especificações para o comportamento dinâmico dos sistemas
no domínio do tempo e da frequência. Por fim aborda-se a sensibilidade.
Este capítulo pretende ser como que uma introdução ao projecto dos sistemas de compensação
(projecto do controlo) que será o objecto do capítulo 6. Por isso, optou-se por organizar um
capítulo em que se torna necessário começar a ter uma visão de conjunto sobre as matérias que
foram, até aqui, tratadas isoladamente.
96
5.2 EXACTIDÃO
Em geral, pretende-se que os sistemas respondam sem erro apreciável às entradas. Por exemplo,
uma fonte de alimentação deve manter a tensão de saída constante (com o valor determinado
pela tensão de referência) independentemente da flutuação da tensão de entrada e da carga. Para
isso, a fonte é dotada de um sistema regulador de tensão. Na Fig. 5.1 representa-se esta situação
com um regulador série linear.
Fig. 5.1: Regulador série linear.
O transistor Q está montado em seguidor de emissor e vO/vB≈1. Assim, sendo A o ganho do

comparador e R1+R2>>R,
vO ≈ vB = A(Vref − βvO ) (5.1)
A
vO = Vref (5.2)
1+ Aβ
com β = R2 ( R1 + R2 ) .
Se Aβ>>1, de (5.2) resulta
1
vO ≈ Vref (5.3)
β
De (5.3) conclui-se que a tensão de saída mantém-se constante desde que a tensão de referência,
Vref, não varie.
97
Todavia, o controlo de um sistema em cadeia fechada poderá não eliminar totalmente o desvio
da saída. A maior parte dos desvios deve-se a variações dos valores dos componentes, ao
envelhecimento, ao atrito, às perturbações exteriores e às variações de carga. Por exemplo, no
circuito da Fig. 5.1, quando a corrente aumenta, aumentam as perdas no transistor e vO tende a
baixar.
No caso de um servomecanismo, a entrada pode sofrer variações acentuadas e a saída deve

acompanhar a variável de entrada (é o caso, por exemplo, das escavadoras hidráulicas ou do
sistema dos lemes dos aviões e dos navios). Para estes sistemas definiram-se três tipos de erros
estáticos: o de posição, o de velocidade e o de aceleração. Pretendia-se saber se a posição final,
a velocidade e a aceleração da saída são iguais aos da entrada. Por exemplo, na Fig. 5.2, não
existe erro estático de posição (a saída é igual à entrada) nas existe um erro estático de
velocidade.
s
e,s
ε
e
t0 t1 t
Fig. 5.2: Erros estáticos de posição e de velocidade.
No instante t0 a entrada sofre uma variação brusca e em t1 a saída é igual à entrada (o erro de
posição é nulo). Quando a entrada varia com velocidade constante, a saída atrasa-se em relação
à entrada e existe um erro ε que se mantém constante (ε é o erro estático de velocidade).
Os erros estáticos são característicos do sistema porque dependem da sua constituição. Para o
sistema da Fig. 3.6, o erro é dado por
E ( s) 1
= (5.4)
R ( s) 1 + G ( s) ⋅ H ( s)
O erro estacionário pode ser calculado pelo teorema do valor final (3.2):
E = lim e( t ) = lim s E ( s) (5.5)

t →∞ s→ 0
98
Aplicando (5.5) a (5.4), resulta
1
E = lim s R ( s) (5.6)
s→ 0 1 + G ( s ) H ( s )
O erro estático depende da função de transferência em cadeia aberta e da referência. Por

exemplo, para uma entrada em escalão unitário (5.6) é equivalente a
1
E= (5.7)
1 + lim G ( s) H ( s)
s→ 0
O erro estático de posição depende do lim G ( s) H ( s) : se lim G ( s) H ( s) =∞ o erro será nulo e o

s→0 s→0
sistema é exacto; se o limite for finito, o sistema apresenta um erro estático finito e não é
exacto. Definem-se os seguintes coeficientes de erros estáticos:
Kp - coeficiente de erro estático de posição;

Kv - coeficiente de erro estático de velocidade;
Ka - coeficiente de erro estático de aceleração.
K p = lim G ( s) H ( s) = G ( 0) H ( 0) (5.8)
s→ 0
Kv = lim sG ( s) H ( s) (5.9)
s→ 0
Ka = lim s2G ( s) H ( s) (5.10)

s→ 0
Estes coeficientes foram inicialmente definidos para os servomecanismos mas são também
usados para saídas não mecânicas; dependem da função de transferência em cadeia aberta e, em
particular, com o número de integradores que nela existem.
Para se determinarem os erros estáticos dos sistemas de tipo 0, 1 e 2 às entradas teste do tipo
escalão, rampa e parábola, recorda-se que a função de transferência em cadeia aberta de um
sistema de tipo N pode ser escrita na forma de (3.20),
m
∏ ( s − zi )
G ( s) H ( s) = K N i =1 , com K N = lim s N G ( s) H ( s) (5.11)
w s→ 0
s N
∏ (s − p j )
j =1
99
Para as três entradas teste, escalão, rampa e parábola, os erros estáticos que se obtêm de (5.7) e
(5.11) estão resumidos na Tabela 5.1.
Tabela 5.1: Erros estáticos para as entradas teste
Escalão: R(s)=1/s Rampa: R(s)=1/s2 Parábola: R(s)=1/s3

Tipo (N)
1
E=
0 1+ Kp Kp=K0 E=∞ Kv=0 E=∞ Ka=0
1
E=
K1
1 E=0 Kp=∞ Kv=K1 E=∞ Ka=0
1
E=
K2
2 E=0 Kp=∞ E=0 Kv=∞ Ka=K2
Conclusão:
-para cada sistema apenas um dos coeficientes de erro é finito e diferente de zero e quanto
maior for a ordem do sistema, isto é, quanto maior for o número de integradores na cadeia
aberta, tanto mais exacto é o sistema: os sistemas de tipo 0 são incapazes de seguirem qualquer
das entradas sem erro; os sistemas de tipo 1 (têm um integrador na cadeia de aberta) seguem
sem erro a entrada escalão; os sistemas de tipo 2 (têm dois integradores na cadeia de aberta)
seguem sem erro as entradas escalão e rampa.
Quando o erro é finito, será tanto menor quanto maior for o ganho KN.
5.3 RELAÇÃO ENTRE A ESTABILIDADE E A EXACTIDÃO
Da análise anterior conclui-se que para aumentar a exactidão torna-se necessário aumentar o
ganho ou o número de pólos na origem da função de transferência em cadeia aberta. Mas, como
se viu a propósito do diagrama de Evans, isso provoca uma degradação do comportamento
dinâmico do sistema, piora a sua estabilidade relativa e até pode tornar o sistema instável.
Assim, existe um compromisso entre a estabilidade e a exactidão e não se deve esperar que o
sistema seja exacto e, ao mesmo tempo, que tenha um bom comportamento dinâmico.
Existem métodos para compensar o sistema de forma a que seja exacto sem que a resposta
dinâmica seja prejudicada. Por exemplo, para melhorar a exactidão pode-se acrescentar um
pólo na origem mas, para assegurar a estabilidade, torna-se necessário acrescentar também um
zero à função de transferência em cadeia aberta. Este assunto será tratado no capítulo da
compensação.
100
Exemplo 5.1 _________________________________________________________________

Um sistema com rectroacção unitária negativa tem a seguinte função de transferência em cadeia
aberta:
Y ( s) 2
= K. 2 com K>0
U ( s) s + 8s + 12
a) Determine o valor final de y(t) quando a entrada de referência, r(t), é um escalão unitário.
b) Determine K para que, em cadeia fechada, a frequência das oscilações de y(t) seja sempre
inferior a 2 Hz.
Tendo em conta (3.27), com H(s)=1, a função de transferência em cadeia fechada, F(s), é
2K
F (s) = 2
s + 8s + 12 + 2 K
K
Aplicando o teorema do valor final, com U(s)=1/s, resulta, y (∞) = lim F ( s ) = ; para
s →0 6+ K
K>>6, verifica-se que y(∞)≈1 e o erro em relação à referência será desprezável. Os pólos de
F(s) são s1, 2 = −4 ± 16 − (12 + 2 K ) ; só existirão oscilações se os pólos forem complexos e
isso acontece para K>2, sendo então a frequência das oscilações (em rad/s) igual ao módulo da
parte imaginária, isto é, ω = 2 K − 4 . À medida que K aumenta, maior será a exactidão de y(t),
mas pior será a sua resposta dinâmica (o que se compreende pela Fig. 2.2). Para que se tenha
ω≤4π rad/s, deve ser K≤8π2+2. Estes resultados podem ser confirmados pelo seguinte
programa exact.m para Matlab.
PROGRAMA 5.1 – Exact.m

% Para o exemplo 5.1 com o pacote de cálculo simbólico - “symbolic”.
clear;
syms s K
G=2/(s^2+8*s+12);
'G(s)='
pretty(G)
F=K*G/(1+G*K);
F=simple(F);
'F(s)='
pretty(F)
% T.V.Final
s=0; F0=subs(F);
F0=simple(F0)
erro_est=simple(1-F0)
% para o root-locus
[n,d] = numden(G);
n=sym2poly(n);
d=sym2poly(d);
rlocus(n,d);
polo1=-4+i*4*pi;
[K,polos] = rlocfind(n,d,polo1)
101
5.4 SENSIBILIDADE
O projecto do sistema de controlo é feito a partir do modelo matemático do sistema a controlar

e não a partir do sistema real. O controlo só será aceitável se o modelo matemático prevê bem o
comportamento dinâmico do sistema. Todavia, nenhum modelo matemático pode prever com
exactidão o comportamento físico do sistema real, quanto mais não seja, porque existem
influências que não são previsíveis (perturbações) e envelhecimento do material.
Um dos objectivos do controlo em cadeia fechada é reduzir os efeitos das perturbações e das
variações nos componentes do sistema. A sensibilidade é uma medida da eficácia do controlo e
a sua quantificação é feita através das funções de sensibilidade que se referem a seguir.
Seja T(k) uma função relativa ao sistema e k um parâmetro, real ou complexo, que pode sofrer
pequenas variações e do qual depende T. A sensibilidade de T(k) em relação ás pequenas
variações de k é quantificada pela função de sensibilidade SkT :
dT
k dT d (log T )
SkT = T = = (5.12)
dk T dk d (log k )
k
De acordo com (5.12), a sensibilidade é igual à variação relativa de T dividida pela variação
relativa de k. Para ilustrar a definição (5.12) considera-se o sistema da Fig. 5.3 onde K
representa o ganho do transdutor de entrada e se admite que G(s)H(s)>>1. Para se determinar a
sensibilidade da função de transferência em cadeia fechada, T(s), em relação a K, a H(s) e a
G(s), definem-se as seguintes funções de sensibilidade:
T = K dT ( s)
SK =1 (5.13)
T ( s) dK
T = H ( s ) dT ( s ) H ( s ) − KG ( s)2
SH = ≈ −1 (5.14)
T ( s) dH (s) T ( s) (1 + G ( s) H ( s))2
T = G ( s) dT ( s) 1
SG = (5.15)
T ( s) dG (s) 1 + G ( s) H ( s)
em que
C ( s) KG ( s)
T ( s) = = (5.16)
R ( s) 1 + G ( s) H ( s)
102
R(s) E(s) C(s)

K G(s)
B(s)
H(s)
Fig. 5.3: Sistema com transdutor à entrada.
De (5.13) a (5.15) conclui-se que o transdutor de entrada, K, e a retroacção H(s) têm uma
influência muito grande para a função de transferência em cadeia fechada e, por isso, devem ter
características estáveis no tempo. Por outro lado, se G(s)H(s)>>1, a influência da função de
transferência em cadeia aberta na função de transferência global é pequena; neste caso, por
exemplo, o ganho estático de G(s) pode variar muito sem que a saída do sistema varie
apreciavelmente.
Considere-se um sistema com retroacção unitária cujas funções em cadeia aberta são,
respectivamente:
TO(s)=KG(s) (5.17)
KG ( s)
TC ( s) = (5.18)
1 + KG ( s)
De acordo com (5.12) a sensibilidade de TO(s) e de TC(s) em relação às variações de K são,

respectivamente,
T K dTO ( s)
SKO = =1 (5.19)
TO ( s) dK
T K dTC ( s) 1
SKC = = (5.20)
TC ( s) dK 1 + KG ( s)
Comparando (5.19) com (5.20) conclui-se que a retroação reduz a sensibilidade em relação às
variações do ganho K de 1 para 1/1+KG(s); quanto maior for o polinómio característico, para
todas as frequências, tanto maior será a imunidade do sistema em relação às variações dos
parâmetros da cadeia aberta (para além disso, quanto maior for 1+KG(s) tanto mais rápida será
a resposta do sistema). Por exemplo, considere-se a equação (5.3). Se Aβ>>1, a tensão de saída
do regulador série é praticamente imune às variações da tensão de entrada.
103
Para que o sistema seja imune às variações dos componentes e para que a resposta seja rápida, o
polinómio característico, 1+KG(jω), deve ser tão grande quanto possível para todas as
frequências. Ora este desejo não pode ser satisfeito porquanto os sistemas físicos são, em geral,
do tipo passa-baixo e a amplitude de 1+KG(jω) diminui quando a frequência ω aumenta. Por
isso, torna-se necessário projectar sistemas de controlo e de compensação, que ajustam o
decrescimento de 1+KG(jω) de tal forma que o sistema seja estável e apresente razoável
imunidade à perturbações; isso consegue-se garantindo as necessárias margens de estabilidade.
Note-se que a desfasagem imposta pela função de transferência em cadeia aberta também
desempenha um papel preponderante na estabilidade do sistema em cadeia fechada. Como se
viu, quando se estudou a estabilidade, se o módulo de 1+KG(jω) for próximo de dois, a fase de
G(jω) não deve ser próxima de 180º; caso contrário, o sistema não é suficientemente imune às
perturbações e pode-se tornar instável.
5.5 RESUMO
Para o projecto do sistema de controlo é necessário conhecer-se o comportamento dinâmico do

sistema que se vai controlar. Isso é normalmente feito através do estudo da resposta às entradas
teste, em particular ás entradas escalão e sinusoidal. As características mais importantes a ter
em consideração são a estabilidade, a exactidão e a sensibilidade.
Para que o sistema seja exacto é necessário que o ganho da função de transferência em cadeia
aberta seja o mais elevado possível. Em particular, é desejável que existam pólos na origem
(integradores) em G(s)H(s) porque isso significa ganhos elevados em baixa frequência.
Todavia, o aumento do ganho ou o aumento do número de integradores piora a resposta
dinâmica e pode tornar o sistema instável, quando funciona em cadeia fechada.
O funcionamento em cadeia fechada tem a vantagem de tornar o sistema imune às perturbações

e às variações nos componentes do sistema; para isso, é desejável que o polinómio
característico, 1+KG(jω), seja elevado para todas as frequências o que não é fisicamente
possível. No entanto, é possível conjugar a estabilidade com uma boa imunidade ás
perturbações e com uma boa exactidão quando se garantem boas margens de estabilidade.
104
CAPÍTULO 6
COMPENSAÇÃO
6.1 INTRODUÇÃO
Nos capítulos anteriores referiu-se que existe sempre um compromisso entre a estabilidade, a
exactidão e a imunidade às perturbações. Na maioria dos sistemas não basta ajustar o ganho da
cadeia aberta para se conseguir um comportamento dinâmico satisfatório. Os sistemas devem
ser compensados com a introdução de filtros e/ou realimentações adicionais.
O projecto dos sistemas de controlo e dos compensadores pode ser resumido nos seguintes
passos:
1. Definir, claramente, as especificações para o regime transitório da saída, no domínio do

tempo: tempo de atraso, tempo de crescimento, sobreelevação, tempo de estabelecimento,
erro estático; em alternativa, as especificações podem ser no domínio da frequência
complexa: largura de banda, ganho em baixa frequência, margens de ganho e de fase,
frequência de ressonância, valor máximo de |G(jω)H(jω)|.
2. Definir o orgão actuador e o sistema de controlo.
3. Calcular o ganho da cadeia aberta para, à partida, se conseguir uma exactidão aceitável.
4. Determinar a resposta em frequência e analisar as margens de estabilidade.
5. Projectar os sistemas de compensação para que se obtenham as especificações desejadas
quando o sistema funciona em cadeia fechada.
6. Estudar o comportamento do sistema final, nomeadamente, as respostas às entradas teste ou a
resposta em frequência.
7. Ajustar o ganho ou redefinir os parâmetros do compensador, caso seja necessário.
A simulação analógica, ou em computador, do sistema completo pode ser uma ferramenta

importante para se conseguir um bom resultado final.
Neste capítulo referiremos as técnicas e os modos de compensação dos sistemas e serão

estudados os reguladores industriais mais usados. Os sistemas podem ser servomecanismos
quando a entrada varia no tempo e se pretende que a saída acompanhe com exactidão as
variações da entrada; nestes casos, (por exemplo, as máquinas ferramenta hidráulicas) os
compensadores são projectados para minimizar os erros estáticos de posição, de velocidade e de
aceleração ao mesmo tempo que devem garantir a estabilidade do sistema. Quando a entrada é
constante o sistema de controlo é um regulador (por exemplo, as fontes de alimentação têm
reguladores da tensão de saída); nestes casos, pretende-se que o regulador actue rapidamente
105
para que a saída se mantenha constante, com erro de posição desprezável, independentemente
das variações de carga.
Na Fig. 6.1 representa-se um sistema em cadeia fechada com um pré-compensador na cadeia de

acção. Designaremos por lei de controlo à relação entre o erro, e, e a variável de controlo u:
u ( t ) = f ( e, t ) . No plano complexo, a lei de controlo é a função de transferência P(s) do pré-
compensador:
U ( s) = P ( s) E ( s) (6.1)
R(s) E(s) U(s) C(s)

P(s) G(s)
B(s)
H(s)
Fig. 6.1: Diagrama de blocos com pré-compensador.
Se r(t) é constante trata-se de um problema de regulação e se r(t) é variável trata-se de um

servomecanismo. Em qualquer dos casos, P(s) é um filtro, normalmente activo, que filtra o
sinal de erro. O comparador e o pré-compensador podem ser realizados pelo circuito da Fig. 6.2
que constitui um amplificador detector de erro; P(s) é o ganho do amplificador.
Vref (t)
+ vu (t)
e(t) P(s)
vB (t)
Fig. 6.2: Amplificador detector de erro.
Genericamente, o problema do controlo consiste em projectar o circuito de realimentação do

amplificador, isto é, determinar P(jω), para que se obtenham as especificações desejadas para o
comportamento dinâmico do sistema em cadeia fechada. De acordo com as figuras anteriores, o
compensador modifica o sinal do erro em módulo e em fase:
U ( s) = P ( s)( R ( s) − H ( s) C ( s)) (6.2)
106
A função de transferência em cadeia fechada é
C ( s) P ( s) G ( s)
= (6.3)
R ( s ) 1 + P ( s) G ( s) H ( s)
Os pólos e os zeros da função de transferência em cadeia fechada são modificados com a

inclusão de P(s); a escolha de P(s) visa ajustar o comportamento dinâmico do sistema.
Na forma mais simples, o compensador pode colocar um novo zero e um novo pólo e a forma
geral de P(s) é
τ s +1
P ( s) = K 1 (6.4)
τ2 s + 1
A associação em cascata de diversos blocos com a forma de (6.4) dão origem a compensadores
mais complexos para incluírem diversos pólos e zeros na função de transferência em cadeia
aberta.
De acordo com (6.4) é
ω2τ12 + 1
| P ( jω )| = K (6.5a)
ω2τ22 + 1
φ ( ω ) = arg P ( jω ) = arctan( ωτ1) − arctan( ωτ2 ) (6.5b)
Se τ1>τ2 então φ(ω)>0 e o compensador avança a fase de G(s)H(s); se τ1<τ2 então φ(ω)<0 e o
compensador atrasa a fase de G(s)H(s). A associação de diversos compensadores do tipo de
(6.4) permite avançar a fase para umas frequências e atrasar para outras. Os compensadores de
avanço e de atraso de fase são estudados em seguida.
6.2 COMPENSADORES DE AVANÇO DE FASE
Na Fig. 6.3 representam-se circuitos de avanço de fase (compare-se com o circuito 5 do Anexo
3.3); em qualquer dos casos é τ1>τ2, φ(ω)>0 e o módulo de P(jω) aumenta com a frequência.
Os diagramas de Bode e de Nyquist deste compensador estão representados na Fig. 6.4 com
K = τ 2 τ1 .
Comparando as funções de transferência dos circuitos da Fig. 6.3 com (6.4) obtém-se
K = τ 2 τ 1 . Uma vez que τ1>τ2, em baixa frequência o módulo de P(jω) é inferior a 1 (ou é
107
menor que 0 dB) e os sinais (de baixa frequência) são atenuados. Para altas frequências, o
ganho é igual a 1 (0 dB). O compensador de avanço de fase comporta-se como um filtro passa-
alto (Fig. 6.4(a)).
Vu ( s ) R2 R1Cs + 1
=
Ve ( s ) R1 + R2 R1 R2
Cs + 1
R1 + R2
a)
−Vu ( s) R2 R1C1s + 1
=
Ve ( s) R1 R2C2 s + 1
b)
Fig. 6.3: Compensadores de avanço de fase; (a) circuito passivo; (b) circuito activo.
Esta característica passa-alto pode ser indesejável porque os sistemas físicos são, normalmente,
do tipo passa-baixo e o compensador ao diminuir o ganho da cadeia aberta reduz a exactidão.
Para que isso não aconteça, é usual incluir um amplificador adicional com ganho igual a 1/K na
cadeia de acção. Assim, a assíntota de baixa frequência do compensador com o amplificador
incluído fica igual a 0 dB.
Devido ao avanço da fase, o compensador tende a melhorar a estabilidade porque afasta o

diagrama de Nyquist de G(jω)H(jω) do eixo real negativo: o diagrama polar de G(jω)H(jω)
roda no sentido positivo o que permite melhorar a margem de fase (e também a margem de
ganho). Como foi referido, para não alterar a exactidão adiciona-se um amplificador de ganho
τ1/τ2. A compensação por avanço de fase tem ainda a vantagem de tornar a resposta mais
rapidamente amortecida.
A fase de P(jω) tem um máximo para a frequência ωM que, como se verá no parágrafo 6.5, é em
termos práticos, cerca de 50º. As respostas em frequência da Fig. 6.4 são importantes para o
projecto dos pré-compensadores (vide §6.5).
108
(a)
(b)
Fig. 6.4: Resposta em frequência dos compensadores de avanço de fase; (a) diagramas de Bode;
(b) diagrama de Nyquist.
6.3 COMPENSADORES DE ATRASO DE FASE
Na Fig. 6.5 representa-se um circuito passivo de atraso de fase com τ1=R2C e τ2=(R1+R2)C.
Um circuito activo pode ser também o da Fig. 6.3(b) com R1C1<R2C2; em qualquer dos casos é
τ1<τ2, para frequências positivas a fase é negativa, φ(ω)<0, e o módulo de P(jω) decresce com
a frequência. Os diagramas de Bode e de Nyquist deste compensador estão representados na
Fig. 6.6; o compensador comporta-se como um filtro passa-baixo.
109
Vu ( s ) R2 Cs + 1
P(s) = =
Ve ( s ) ( R1 + R2 )Cs + 1
Fig. 6.5: Compensador passivo de atraso de fase.
(a)
(b)
Fig. 6.6: Resposta em frequência dos compensadores de atraso de fase; (a) diagramas de Bode;
(b) diagrama de Nyquist.
110
Para que em baixa frequência o ganho seja 0 dB, em (6.4) deve ser K=1 e, neste caso, a
assíntota de alta frequência é 20 log ( τ1 τ2 ) dB. Como a fase de P(jω) é negativa, dá origem a
um atraso da fase de G(jω)H(jω) e o diagrama polar de G(jω)H(jω) é rodado no sentido
negativo, aproximando-se do eixo real negativo. Deste modo as margens de estabilidade são
piores e deve-se ter cuidado com a estabilidade final em cadeia fechada. Como τ1<τ2, o pólo é
dominante, em relação ao zero, e a exactidão é melhor, particularmente se 1/τ2 está mais perto
da origem do que os pólos de G(s)H(s).
Se τ1<<τ2, a atenuação em alta frequência é grande e as margens de ganho e de fase podem ser
suficientes para garantirem o bom comportamento dinâmico do sistema.
6.4 COMPENSADORES MISTOS
Os compensadores de avanço-atraso de fase (compensadores mistos) podem ser constituídos

pela associação em cascata dos compensadores anteriores. A função de transferência destes
compensadores pode ser escrita na forma,
τ s + 1 ατ2 s + 1
P ( s) = K 1 (6.6)
τ2 s + 1 ατ1s + 1
em que α é uma constante real, α>1, e τ1>τ2.
Os diagramas de Bode de um compensador deste tipo estão representados na Fig. 6.7.
Fig. 6.7: Diagramas de Bode de um compensador misto.
111
6.5 PROJECTO DOS COMPENSADORES
A selecção dos compensadores de avanço ou de atraso de fase é, normalmente, feita a partir das
respostas em frequência. Depois de se definir o tipo do compensador com base na análise da
resposta em frequência da função de transferência em cadeia aberta do sistema a controlar, o
projecto do compensador consiste em determinar τ1 e τ2 de tal forma que se obtenham as
margens de estabilidade julgadas convenientes (empiricamente, Mg≈6 dB e Mf≈45º). Esta
escolha utiliza as equações que se desenvolvem seguidamente.
Para exemplificar o método de projecto, considera-se o caso do compensador de avanço de
fase. A função de transferência (6.4) com K=1 é
τ s +1
P ( s) = 1 (6.7)
τ2 s + 1
Dado que τ1>τ2 a fase do compensador é sempre positiva (Fig. 6.4),
φ ( ω ) = arg P ( jω ) = arctan( ωτ1) − arctan( ωτ2 ) (6.8)
e apresenta um máximo que é calculado através de
dφ τ1 τ2
= − =0 (6.9)
dω 1 + ( τ1ω ) 2 1 + ( τ2ω )2
1
ωM = (6.10)
τ1τ2
τ1
−1
τ2
φ max = φ (ω M ) = arctan (6.11)
τ
2 1
τ2
Resolvendo (6.11) em ordem a τ1/τ2 e tendo em conta (6.5a), obtêm-se as equações:
τ 1 + senφ M
α= 1 = (6.12)
τ2 1 − senφ M
τ1
+1
τ2
| P ( jω M )| = (6.13)
τ2
+1
τ1
Para τ1>>τ2, (6.13) pode ser aproximado para
112
τ
| P ( jω M )| ≈ 20 log( 1 ) dB (6.14)
τ2
A escolha de τ1 e τ2 é feita a partir de (6.10), (6.12) e (6.14) porque, normalmente, τ1>>τ2. O

método seguido é o seguinte:
1. A partir das respostas em frequência de G(jω)H(jω) determina-se qual deve ser o máximo
avanço da fase, φM, para se garantir a margem de fase adequada; este cálculo obriga a que se
escolha, também, a frequência ωM.
2. Com φM, a partir de (6.12) determina-se α=τ1/τ2.
1
3. Conhecida ωM , a razão α=τ1/τ2 e (6.10) permitem calcular τ1 e τ2: τ2 = .
ωM α
4. Desenha-se a resposta em frequência de P(jω)G(jω)H(jω) e calcula-se K (em (6.4)) para se

obterem as margens de ganho e de fase pretendidas.
Por vezes, fixa-se à partida α=10 e prossegue-se com os passos 1 e 3. Provavelmente, é

necessário efectuar um pequeno ajuste nos valores de φM e de ωM iniciais, e repete-se o
processo até se garantirem as margens de estabilidade pretendidas.
O procedimento é semelhante para os compensadores de atraso de fase e deixa-se ao aluno a

determinação das equações de projecto. Um estudo mais detalhado destes compensadores é
apresentado em [3] e [4], por exemplo.
No caso dos compensadores mistos, convém projectar um dos compensadores (o de avanço ou

o de atraso de fase) pelo processo acima descrito, e só depois projectar o outro com base nos
resultados parciais já obtidos.
Exemplo 6.1 _________________________________________________________________

2 s + 36
Considere a função de transferência G ( s) = K . 2 , com K>0.
s + 8 s + 12
a) Desenhe os diagramas de Bode de G(jω), para K=1.
b) Determine K para que o módulo de G(jω) à frequência 8 rad/s seja 3 dB.
c) Qual é a fase de KG(jω) à frequência 8 rad/s.
d) Desenhe os diagramas de Nyquist para KG(jω).
Para resolver este exercício aconselha-se a correr o programa comp_1.m seguinte, e a analisar
os diagramas de Bode: |G(j8) | = - 6,7 dB; arg(G(j8) ) = - 105,8º. Para K|G(j8)|=3 dB, deve ser
K=9,7 dB, ou K= 3,05. A fase não é alterada pela acção do ganho positivo K. (Para obter
valores sobre os gráficos, pode usar a rotina ginput na janela de comandos do Matlab).
113
PROGRAMA 6.1 – Comp_1.m

% Programa para o exemplo 6.1
% exemplo 6.1 das folhas S&C.
clear;
ng=[2 36];
dg=[1 8 12];
bode(ng,dg);
figure;
rlocus(ng,dg);
figure;
k=3.05;
bode(k*ng,dg);
figure;
nyquist(k*ng,dg);
6.6 REGULADORES INDUSTRIAIS
Os reguladores industriais são proporcionais, integrais ou derivativos e combinações destas

acções. As definições e as características de cada um, que são dadas a seguir, são referidas ao
bloco do controlador da Fig. 6.8.
E(s) P(s) U(s)

e(t) p(t) u(t)
Fig. 6.8: Bloco de um regulador.
6.6.1. Regulador proporcional (P)
Para estes reguladores, a variável de controlo é proporcional ao erro. A lei de controlo é
u(t)=KP e(t) (6.15)
e, no plano da frequência complexo, é
U(s)=KP E(s) (6.16)
onde KP é o ganho proporcional.
Industrialmente caracteriza-se o ganho do regulador P pela sua banda proporcional, BP. Por
exemplo, considere-se um sistema de regulação de temperatura em que o sensor de temperatura
é para ser usado no intervalo [20º, 120º]; se a tensão de saída do regulador variar entre 0 V e 10
V, o ganho proporcional seria KP=10 V/100º C e a banda proporcional seria 100%. Para uma
banda proporcional de 20%, o ganho proporcional seria KP=10 V/20º C, ou seja, cinco vezes
superior ao valor anterior. A característica estática do regulador proporcional, considerando o
sensor de temperatura anterior, está representada na Fig. 6.9; considera-se BP=20% e que a
temperatura de referência éθref=80ºC.
114
u B =20%
P
10 V
5V
0
θ ºC
60º 80º 100º
Fig. 6.8: Característica estática do regulador proporcional.
Em percentagem, referida ao calibre do sensor e à gama da saída do regulador, a banda

proporcional é igual a 1/KP. Uma banda proporcional mais estreita significa maior uma
variação da saída do regulador, para o mesmo erro. Note-se que uma banda proporcional mais
estreita significa maior uma variação da saída do regulador, para o mesmo erro. Na figura
considerou-se que a tensão de saída do regulador deve aumentar quando a temperatura baixa,
mas poderia ser o caso inverso; o declive da característica, na zona linear, depende do
funcionamento do orgão actuador.
Os reguladores P são os de uso geral e utilizam-se, por exemplo, como reguladores de

velocidade, de tensão, de corrente, de nível e de pressão.
6.6.2. Regulador proporcional e integral (PI)
A variação da saída deste regulador é composta por duas parcelas: uma é proporcional ao erro e
a outra é proporcional ao integral do erro. A lei de controlo deste regulador pode ser escrita da
seguinte forma:
u (t ) − u (0) = K P (e(t ) + K I ∫ e(t )dt ) (6.17)
em que u(0) é o valor inicial da variável de controlo (a saída do regulador imediatamente antes
de aparecer o erro); KI é designado por ganho integral e KP é o ganho proporcional.
Aplicando a transformada de Laplace a (6.17), considerando ∆u(t)=u(t)-u(0), obtém-se
115
KI
∆U ( s) = K P (1 + ) E ( s) (6.18)
s
Este regulador adiciona um pólo na origem e um zero, em –KI, à função de transferência em

cadeia aberta. Os diagramas de Bode estão representados na Fig. 6.9. Comparando a Fig. 6.9
com a Fig. 6.6(a), conclui-se que o regulador PI se comporta como um compensador de atraso
de fase para a gama de alta frequência (em torno de 1/τ1).
O pólo na origem aumenta a exactidão do sistema e o zero permite compensar a instabilidade

criada por esse pólo. De acordo com (6.17), enquanto existir erro, a acção integral continuará a
variar, atingindo um valor que será suficiente para que o erro se anule. Na realidade, se o erro
não se anula, a saída do regulador acabará por saturar.
Por vezes utilizam-se reguladores só com acção integral mas os reguladores PI são os mais
utilizados industrialmente e estão sempre associados à necessidade de se anular os erros
estáticos.
Fig. 6.9: Resposta em frequência do regulador PI.
Na Fig. 6.10 representa-se a acção estática de um regulador PI perante um erro constante, E,

(em escalão). A saída é a soma das acções P e I (princípio da sobreposição). Enquanto o erro
não desaparecer a acção integral cresce continuamente. No instante TI=1/KI a acção integral (I)
atinge o valor da acção proporcional (P); TI designa-se por tempo integral. Ao fim de 2TI a
acção integral é igual a duas vezes a acção proporcional e assim sucessivamente até que o erro
comece a diminuir; KI é a frequência de repetição da acção proporcional.
116
u, e
u
PI
2 K PE
I
K PE P
e
E
u0
t
TI
Fig. 6.10: Resposta estática do regulador PI.
Os reguladores PI utilizam-se nos mesmos casos que os reguladores P quando se pretende

maior exactidão.
Exemplo 6.2 _________________________________________________________________

s+a
No sistema do exemplo 6.1 é introduzido um regulador PI: P ( s ) = K , com K>0.
s
Com a=10, Desenhe os diagramas de Bode de P(jω)G(jω), para K=1 e verifique a variação da
fase. Estude a estabilidade do sistema em cadeia fechada com realimentação unitária para
diferentes valores de a.
Para resolver este exercício, aconselha-se a correr o programa comp_2.m com diferentes valores
a e a analisar os diagramas de Bode da função de transferência em cadeia aberta, P(jω)G(jω),
em função de K. A estabilidade pode ser estudada através das margens de ganho e de fase.
PROGRAMA 6.2 – Comp_2.m

% Programa para o exemplo 6.2
clear;
a=10;
ng=[2 36];
dg=[1 8 12];
np=[1 a];
dp=[1 0];
[n_ftca, d_ftca]=series(np,dp,ng,dg)
bode(n_ftca, d_ftca);
figure;
rlocus(n_ftca, d_ftca);
Com a=10, a margem de fase é cerca de 22.8º à frequência 7 rad/s; o sistema é estável em
cadeia fechada para qualquer K>0 (ver diagrama de Evans). Isto não é verdade para, por
exemplo, a=200.
117
6.6.3. Regulador proporcional e derivativo (PD)
Neste regulador, a variação da saída é composta por duas parcelas: uma é proporcional ao erro
(P) e a outra é proporcional à derivada do erro. A lei de controlo deste regulador pode ser
escrita da seguinte forma:
de
u ( t ) − u ( 0) = K P ( e ( t ) + K D
) (6.19)
dt
em que u(0) é o valor inicial da variável de controlo (a saída do regulador imediatamente antes
de aparecer o erro); KD é designado por ganho derivativo e KP é o ganho proporcional.
Aplicando a transformada de Laplace a (6.19), com ∆u(t)=u(t)-u(0), obtém-se
∆U ( s) = K P (1 + KD s) E ( s) (6.20)
Este regulador adiciona um zero em -1/KD à função de transferência em cadeia aberta e a

estabilidade é melhorada. A acção derivativa é importante nos instantes que se seguem
imediatamente ao aparecimento de um erro ou enquanto este for variável. De acordo com
(6.19), se o erro estabilizar a acção derivativa (D) anula-se e a correcção passa a ser feita
exclusivamente pela acção P; por isso, a acção derivativa não aparece sozinha. Os reguladores
PD dão respostas elevadas perante os erros súbitos o que faz diminuir o tempo de
estabelecimento da saída mas não anula o erro estático.
Na Fig. 6.11 representa a resposta estática de um regulador PD perante um erro em rampa. A

acção derivativa é constante; ao fim de TD a acção proporcional é igual à acção derivativa; TD é
o tempo derivativo e TD=KD . Os reguladores PD utilizam-se, por exemplo, como reguladores
de temperatura, de humidade e de PH.
u, e
PD
P
D
K D K PE
e=Et
u0
t
TD
Fig. 6.11: Resposta estática do regulador PD.
118
Exemplo 6.3 _________________________________________________________________

Modifique o regulador do exemplo 6.2 para P ( s ) = K ( s + a) e estude a estabilidade do sistema
em cadeia fechada com realimentação unitária para diferentes valores de a. Compare a resposta
ao escalão unitário dos dois sistemas com a=10 e K=5;
_____________________________________________________________________________
6.6.4. Regulador proporcional, integral e derivativo (PID)
Este regulador tem uma acção análoga à do regulador de avanço-atraso de fase. A lei de
controlo é
de
u (t ) − u (0) = K P (e(t ) + K I ∫ e dt +K D ) (6.21)
dt
KI
∆U ( s) = K P (1 + + KD s) E ( s) (6.22)
s
O regulador PID tem a acção conjugada dos reguladores PI e PD; são colocados dois novos
zeros à cadeia de acção e um único pólo na origem, pelo que a as margens de estabilidade
podem ser beneficiadas ao mesmo tempo que se melhora a exactidão. Os reguladores PID
utilizam-se nos sistemas que necessitam de grande exactidão com grande rapidez de resposta.
6.7 AJUSTE DOS REGULADORES INDUSTRIAIS
O objectivo fundamental da regulação é garantir a estabilidade e conciliar a exactidão com um

tempo mínimo de resposta. Uma vez escolhido o tipo de regulador é necessário ajustar os seus
parâmetros - o ganho proporcional, o tempo integral e o tempo derivativo - para que se
consigam aqueles objectivos e para que o sistema funcione em cadeia fechada dentro das
especificações pretendidas.
Quando dispomos de bons modelos matemáticos a selecção daqueles parâmetros pode ser feita
recorrendo aos métodos analíticos que foram descritos nos capítulos anteriores: diagrama de
Evans (análise dos pólos e dos zeros) e estudos das respostas em frequência, seguidos de
simulação numérica ou analógica para se determinar as respostas às entradas teste (escalão,
rampa e sinusóide).
Nos casos mais frequentes em que os modelos não estão disponíveis ou em que não são muito
fiáveis e para efectuar os ajustes necessários à manutenção do sistema, a via analítica revela-se
mais problemática. Nestes casos pode-se fazer uso dos métodos empíricos que foram
desenvolvidos por Nichols e Ziegler e que se baseiam em resultados experimentais. Dois destes
métodos são referidos seguidamente.
119
6.7.1 Ensaio em cadeia aberta
Para expor este método considera-se o sistema com regulação automática de temperatura que
está representado na Fig. 6.12(a). Começa-se por deixar estabilizar a temperatura e, mantendo
as condições de carga, abre-se a cadeia de acção desligando o regulador do actuador (a válvula
V); o orgão actuador passa a ser alimentado por uma fonte independente com uma tensão igual
ao valor que existia antes da abertura da cadeia de acção. Os restantes parâmetros do sistema
mantêm-se com os valores nominais.
Com o sistema estabilizado, cria-se uma pequena variação no orgão actuador (varia-se a tensão
de ∆v%) e regista-se a variação de temperatura, ∆C, correspondente (Fig. 6.12(b)).
a)
Transdutor ∆C
R
R
Regulador ∆v
M
Tref
V
b)
∆C
0
t1 ∆t t2 t
Fig. 6.12: Regulador de temperatura: (a) sistema em cadeia aberta; (b) variação da temperatura.
Com base na curva de variação da temperatura obtêm-se os seguintes valores: t1 (atraso), o

declive m=∆C/∆t e a banda proporcional B=m∆t/∆v (∆C em %). Com base nestes valores, os
120
valores empíricos de ajuste são os da Tabela 6.1; T é o período das oscilações previsíveis em
cadeia fechada.
Notes-se que os resultados da tabela 6.1 são empíricos e devem servir de base para os ajustes
mais finos quando o sistema já funciona em cadeia fechada.
Tabela 6.1: Parâmetros do regulador com base no ensaio em cadeia aberta.
Regulador BP (%) TI TD T
P 100m∆t/∆v - - 5∆t
PI 110m∆t/∆v 3.3∆t - 6∆t
PD 83m∆t/∆v - 0.3∆t 3.8∆t
PID 83m∆t/∆v 2∆t 0.5∆t 3.2∆t
6.7.2 Máxima sensibilidade (ensaio em cadeia fechada)
Um outro método empírico consiste em conduzir a variável controlada á oscilação permanente,

mantendo o sistema em cadeia fechada. O método é o seguinte:
1º - Retirar as acções integral e derivativa : TI=∞ e TD=0.
2º - Aumentar gradualmente o ganho proporcional (reduzir a banda proporcional) ao mesmo

tempo que se introduzem pequenas perturbações no processo (por exemplo, variando a variável
de referência) até que apareçam oscilações não amortecidas.
3º - Anotar a banda proporcional crítica, BC, que provoca as oscilações não amortecidas; anotar
o período dessas oscilações, TC.
4º - Os parâmetros dos reguladores são calculados de acordo com a Tabela 6.2.
Tabela 6.2: Parâmetros do regulador com base no ensaio em cadeia fechada.
Regulador BP (%) TI TD
P 2BC - -
PI 2.2BC 0.83TC -
PD 1.6BC - 0.125TC
PID 1.6BC 0.5TC 0.125TC
121
6.8 COMPENSAÇÃO EM PARALELO
A inclusão de pré-compensadores, como é feito na Fig. 6.1, é frequentemente designada por

compensação série (ou em cascata). A compensação em paralelo consiste em adicionar novos
laços de rectroacção para estabilizar o sistema. Esta situação é ilustrada pela Fig. 6.13. A
função de transferência em cadeia aberta é modificada pela inclusão do novo laço com a função
de transferência P(s).
Com a nova rectroacção é
B ( s) = ( H ( s) + P ( s)) C ( s) (6.23)
e a função de transferência em cadeia fechada é
C ( s) G ( s)
= (6.24)
R ( s) 1 + G ( s)( H ( s) + P ( s))
R(s) E(s) C(s)

G(s)
B(s)
H(s)
U(s)
P(s)
Fig. 6.13: Compensação em paralelo.
Os pólos de (6.24) são modificados pela inclusão do novo laço com a função de transferência
P(s); consequentemente, a estabilidade e o funcionamento dinâmico do sistema em cadeia
fechada, também são alterados.
6.9 RESUMO
Para que os sistemas tenham um bom comportamento dinâmico é necessário incluir

compensadores. Os tipos mais frequentes são a compensação em série e em paralelo; na
compensação em série incluem-se pré-compensadores de avanço e/ou de atraso de fase;
compensação em paralelo incluem-se novos laços de realimentação. Em qualquer dos casos, a
compensação visa modificar os pólos e os zeros da função de transferência em cadeia aberta
122
para que se obtenham as convenientes margens de estabilidade e para que se melhore a

exactidão.
Neste capítulo estudaram-se os pré-compensadores de avanço e de atraso de fase e os

reguladores industriais P, I, D. Estes reguladores, usados no controlo de processos, podem ser
considerados casos simplificados dos compensadores de avanço e de atraso de fase.
Referiram-se os métodos de projecto dos pré-compensadores e apresentaram-se os métodos

empíricos para o ajuste dos reguladores industriais.
123
SEGUNDA PARTE
CAPÍTULO 7
MODELOS DE ESTADO
7.1 INTRODUÇÃO
O projecto dos sistemas que controlam os equipamentos que executam tarefas de grande
complexidade exige a utilização de métodos matemáticos precisos. O desenvolvimento da
electrónica digital e dos computadores permite a aplicação de novos e mais sofisticados
métodos de controlo e, consequentemente, cria condições para um novo desenvolvimento da
teoria do controlo. Nos capítulos anteriores estudou-se aquilo que poderemos designar por
teoria clássica do controlo; neste capítulo referem-se os fundamentos da moderna teoria do
controlo.
Como foi referido no capítulo 1, o problema geral do controlo consiste, principalmente, em

responder às duas seguintes questões:
1) Perante um desvio, qual deve ser a acção correctiva que repõe o sistema na
trajectória pretendida ?
2) De entre várias possibilidades, qual deve ser a escolhida ?
A primeira questão é normalmente resolvida pela teoria clássica do controlo através do

estabelecimento de uma relação entre o desvio (ou erro) e a acção correctiva (ou variável de
controlo), tendo em conta o desempenho que se deseja para o sistema em cadeia fechada, com
os limites impostos por razões de ordem económica e tecnológica; projectam-se compensadores
com diversos pólos e zeros que garantem as necessárias margens de estabilidade e o
comportamento dinâmico desejado; industrialmente utilizam-se os reguladores de tipo P,I,D. A
resposta à segunda questão resulta, normalmente, da experiência dos projectistas, mas podem
ser usados critérios para minimizar, por exemplo, o quadrado do erro.
Recentemente, o desenvolvimento das modernas tecnologias da electrónica permitiu explorar

novas soluções para a primeira questão (leis de controlo mais robustas e menos dependentes
dos modelos matemáticos) e dar uma melhor resposta à segunda questão, e até resolver as duas
questões em simultâneo. Com o recurso a computadores, podem ser testadas soluções
matemáticas mais elaboradas que não poderiam ser executadas com a tecnologia mais antiga.
Estas soluções exigiram um novo formalismo matemático, tem vindo a ser desenvolvido desde
a década de 50 do século XX, e cuja base será estudada neste capítulo.
124
Refira-se que a teoria clássica dá respostas simples e satisfatórias em muitos casos e que não há
necessidade de complicar a análise recorrendo a métodos mais poderosos mas que têm um
formalismo mais pesado.
A base da moderna teoria do controlo repousa no conceito do espaço de estados através do qual
foi possível resolver muitos problemas complexos colocados pela indústria aeroespacial; os
mesmos métodos encontraram utilização em muitos outros campos da indústria. Por exemplo,
são usados nos modernos sistemas de navegação náutica e nos sistemas de posicionamento das
plataformas e dos navios de prospecção.
Os modelos de estado permitem tratar, com a mesma facilidade, sistemas com grande número
de entradas e de saídas. As possibilidades criadas por esta nova teoria não se faz sem custos: ela
exige o manuseamento de vectores e de matrizes e, por experiência, o cálculo matricial não é
das matérias mais simples e mais aliciantes para os alunos. Todavia, deve-se ter presente que a
utilização de matrizes é de grande utilidade quando se usam computadores e que os modelos de
estado são especialmente indicados para o projecto de sistemas de controlo assistido por
computador. Mais ainda, este formalismo permite que os computadores sejam usados para
efectuarem o controlo dos sistemas em tempo real, e permite também que as leis de controlo
incluam também algoritmos de optimização, o que seria impossível de realizar com a tecnologia
convencional da electrónica analógica.
Intencionalmente, simplifiquei a introdução ao espaço de estados, referindo apenas o caso dos

sistemas contínuos, lineares e invariantes no tempo. O formalismo matemático é mais simples
mas constitui uma boa base de partida para futuros desenvolvimentos, se para tal houver
vontade.
7.2 MODELOS DE ESTADO
Como se referiu no capítulo 2, o estudo do comportamento dinâmico dos sistemas é feito a a

partir do modelo matemático. No geral, este modelo é um conjunto de equações diferenciais
que relacionam as variáveis de saída com as entradas do sistema. Num sistema SISO, linear,
com entrada x(t) e saída y(t), de parâmetros concentrados e invariantes no tempo, o modelo
clássico é uma equação diferencial ordinária de parâmetros constantes com a forma
dy d2 y dn y dx d2 x d mx
K0 y ( t ) + K1 + K2 +... + Kn = a0 x ( t ) + a1 + a2 +... + am (7.1)
dt dt 2 dt n dt dt 2 dt m
onde m≤n e ai e Kj são constantes reais.
O sistema diz-se de 1ª, 2ª,....,nª ordem, se a equação diferencial que o modela for de 1ª, 2ª, ...,nª
ordem, respectivamente.
125
Recorde-se a equação diferencial de 2ª ordem (2.21):
dy d2 y
K0 y ( t ) + K1 + K2 = x (t )
dt dt 2 (7.2)
O integral de (7.2) pode ser determinado calculando primeiro a solução livre à qual se adiciona
a solução forçada; posteriormente determinam-se as constantes de primitivação. Para se
calcular a solução livre recorre-se à equação característica
K0s + K1s + K2 s2 = 0 (7.3)
As soluções de (7.3) são, genericamente,
s1,2 = −β ± β2 − ω20 (7.4)
com
K1 K0
β= ω0 =
2 K2 e K2 (7.5)
O comportamento dinâmico depende das raízes (7.4): quando a equação característica tem
raízes complexas diz-se que o sistema tem modos oscilatórios; a frequência das oscilações é
igual à parte imaginária das raízes; a parte real introduz amortecimento nas oscilações; se a
parte real é negativa o amortecimento é positivo e a resposta tende para um valor estacionário
(resposta forçada); se a parte real é positiva, o amortecimento é negativo, a amplitude das
oscilações tenderá para infinito, e o sistema é instável. Na Fig. 2.2 apresentam-se as respostas
características de um sistema estável de segunda ordem a entrada escalão de valor E em função
de ξ=β/ω0.
Um exemplo de um sistema de segunda ordem é o circuito eléctrico da Fig. 7.1.
R L
i
u v
C
Fig. 7.1: Circuito R,L,C, série.
126
O modelo matemático deste circuito foi referido no §2.4 como sendo (7.6):
d 2v dv
u = LC + RC +v (7.6)
dt2 dt
O modelo matemático (7.6) é uma única equação diferencial. No entanto, o circuito da Fig. 7.1
pode ser modelado pelo um sistema de equações diferenciais (7.7):
 di
u = L dt + Ri + v
 dv (7.7)
i = C
 dt
Note-se (7.6) é uma equação diferencial de segunda ordem ao passo que (7.7) é um sistema de
duas equações diferenciais de primeira ordem.
A substituição de um sistema de equações diferenciais por uma única equação não é vantajosa
porque resulta a equação diferencial resultante tem ordem mais elevada e a sua integração é
mais complicada (pode ser necessário resolver uma equação característica com grau superior a
2). Por sua vez, a resolução de um sistema de equações diferenciais de primeira ordem é
relativamente simples e, como veremos, a solução geral é conhecida.
O sistema (7.7) pode ser escrito na forma equivalente
 di R 1 1
 dt = − L i − L v + L u
 dv 1 (7.8)
 = i
 dt C
O sistema (7.8) é o modelo de estado do circuito da Fig. 7.2. O modelo de estado é

normalmente escrito na forma matricial,
 di   R 1
 dt   − L −  i   1 
L .
 dv  =  1    +  L u (7.9)
   0  v   0 
 dt   C 
O vector [i v]t é o vector de estado e i e v são as variáveis de estado do circuito. Através da

integração de (7.9) obtêm-se, em simultâneo, as duas variáveis de estado. A partir destas é
possível determinarem-se outras grandezas no circuito. Por exemplo, a tensão na bobina, vL,
pode ser calculada por
v L = − Ri − v + u (7.10)
que é equivalente a
127
i 
v L = [− R − 1].  + u (7.11
v 
A tensão na resistência, vR, é obtida por
i 
v R = Ri = [R 0].  (7.12)
v 
As equações (7.10) a (7.12) definem a saída do sistema. Estas equações não são diferenciais e
traduzem apenas uma combinação linear das variáveis de estado, à qual se soma a contribuição
da tensão de entrada (em (7.12) essa contribuição é nula).
A análise do comportamento dinâmico dos sistemas pode ser feita com o auxílio de programas
que integram numericamente os modelos de estado. Para isso, os modelos podem ser reduzidos
à seguinte forma geral (forma canónica do modelo de estado):
x& = Ax + Bu (7.13a)
y = Cx + Du (7.13b)
onde x é o vector de estado, x& é o vector das primeiras derivadas das variáveis de estado, u é o
vector da entradas e y é o vector das saídas. A equação (7.13a) é a equação da dinâmica do
sistema e (7.13b) é a equação das saídas. Se, no circuito Fig. 7.2, a saída for vL (7.11), resulta:
 di 
  i 
x& =  dt  x=  y = vL (7.14a)
dv v 
 
 dt 
 R 1
− −  1
A= L L
 B = L C = − R −1 D=1 (7.14b)
1 0
 0   
 C 
A integração numérica do modelo de estado pode ser feito através de programas numéricos para
computador como, por exemplo os programas MATLAB [9] e SCILAB [12]. Por exemplo,
apresenta-se a seguir um ficheiro baseado no programa 2.1 para estudar matematicamente o
comportamento dinâmico do circuito R, L, C série para diferentes valores de R; para R=100 Ω o
programa corre-se com a instrução RLC(100). Pode observar os diagramas temporais e
determinar a sobreelevação, o amortecimento, a frequência das oscilações amortecidas e o
tempo de estabelecimento (experimente usar a instrução ginput no Matlab) quando R é variável.
128
Exemplo 7.1 _______________________________________________________________

Crie o ficheiro RLC.M para programa MATLAB (versão 5.3) com as seguintes instruções:
function RLC(R);
% Circuito R L C série, com R variável
% dados
L=2e-6;
C=0.10e-6;
% Modelo de estado;
A=[-R/L -1/L;1/C 0];
B=[1/L;0];
% a saída é a tensão no condensador
C=[0 1];
D=0;
me_rlc=ss(A,B,C,D)
% resposta a uma entrada tipo escalão unitário
[y,x,t]=step(me_rlc);
subplot(211);plot(t,y);grid;
subplot(212);plot(t,x);grid;
Pode observar os diagramas temporais e determinar a sobreelevação, o amortecimento, a

frequência das oscilações amortecidas e o tempo de estabelecimento (experimente usar a
instrução ginput no Matlab) quando R é variável.
Para o Scilab (versão 2.6) poderá usar o ficheiro rlc.sce seguinte. (Nota: use um editor de texto
como o Notepad, crie e grave o ficheiro com a extensão sce - por exemplo o rlc.sce; na janela
de comandos do Scilab procure no menu file a instrução exec... e procure o rlc.sce na directoria
onde foi gravado). Utilize o help no menu do Scilab para uma explicação das funções.
// ficheiro rlc.sce
// Circuito R L C série
//dados
R=100;
L=2e-6;
C=0.10e-6;
//Modelo de estado;
A=[-R/L -1/L;1/C 0];
B=[1/L;0];
// a saída é a tensão no condensador
C=[0 1];
D=0;
X0=[0;0]; //condição inicial
rlc=syslin('c',A,B,C,D,X0);
// resposta a uma entrada tipo escalão unitário
t=0:1E-6:2E-4;
y=csim('step',t,rlc);
xset('window',1);
plot2d(t,y);xgrid(3)
Definição: O estado de um sistema no instante t0 é a quantidade de informação em t0 que

determina, de modo único, o comportamento do sistema para t≥t0, conhecidas todas as entradas
para t≥t0.
129
O modelo de estado representa-se com a forma canónica de (7.13):
x& = Ax + Bu (7.15a)
y = Cx + Du (7.15b)
onde
x [n×1] é o vector de estado (formado pelas n variáveis de estado)
x& [n×1] é o vector das primeiras derivadas das variáveis de estado
A [n×n] é a matriz do sistema
B [n×r] é a matriz de entrada
u [r×1] é o vector das entradas
C [p×n] é a matriz de saída
D [p×r] é a matriz de interligação entre as saídas e as entradas.
A equação (7.15a) é a equação da dinâmica do sistema (ou equação de estado) e (7.15b) é a

equação das saídas. A equação (7.15a) é uma equação diferencial matricial de primeira ordem e
cuja solução é o vector de estado x(t). Os sistemas com mais do que uma variável de entrada
e/ou de saída, são designados por sistemas multivariáveis. Quando só existe uma entrada, B é
um vector coluna e a entrada u(t) é um escalar; quando só existe uma saída, y(t) é um escalar e
C é um vector linha.
É sempre possível escrever uma equação diferencial sob a forma de um modelo de estado. Por
exemplo, considere-se a seguinte equação diferencial:
d3y d2 y dy
u(t ) = 3 3
+ 2 2
+ 5 + y(t ) (7.16)
dt dt dt
Façamos, por exemplo, a seguinte mudança de variáveis:
dy d2 y
x1 = y ( t ) x2 = x3 = (7.17)
dt dt 2
x&1 = x2 x&2 = x3 (7.18)
A equação que se obtém da substituição de (7.17) em (7.16) e as equações (7.18) são possíveis
equações de estado para o sistema inicial:
130

 x&1 = x 2

 x& 2 = x3 (7.19)
 1 5 2
 x& 3 = − x1 − x 2 − x3 + u
 3 3 3
O sistema (7.19) pode ser escrito na seguinte forma matricial:
 
 0 1 0  0 
x& =  0 0 1  ⋅ x + 0 ⋅ u (7.20)
 1 5 2
− − −  1
 3 3 3
com x = x1 x2 x3 t .
Atendendo a que x1 = y ( t ) , a equação da saída é

y(t)=[ 1 0 0 ]. x (7.21)
Chama-se a atenção que (7.20) e (7.21) constituem um dos possíveis modelos de estado do
sistema porque, como se verá mais adiante, existem outras possibilidades.
Exemplo 7.2 ________________________________________________________________

Para simular o modelo de estado (7.20) em Scilab, pode correr o explo_72.sce seguinte. O
gráfico obtido é o da Fig. 7.2. Pode também modificar o programa RLC.M para Matlab.
// Programa explo_72.sce
//Modelo de estado (7.20);
xbasc()
A=[0 1 0;0 0 1; -1/3 -5/3 -2/3];
B=[0;0;1];
// a saída é a tensão no condensador
C=[1 0 0];
D=0;
X0=[0;0;0];
rlc=syslin('c',A,B,C,D,X0);
// evolução de v e das variáveis de estado para uma entrada tipo
escalão unitário
t=0:0.01:20;
y=csim('step',t,rlc);
xset('window',1);plot2d(t,y);xgrid(3)
// para obter a função de transferência
s=poly(0,’s’);
Gs=clean(ss2tf(rlc))
Note que a função de transferência referida no programa explo_72.sce pode ser obtida a partir
de (7.16) pelos métodos clássicos expostos no capítulo 3.
131
Fig. 7.2: Resposta ao escalão de (7.20).

___________________________________________________________________________
7.3 SOLUÇÃO DA EQUAÇÃO DE ESTADO
O modelo (7.15) pode ser representado pelo diagrama de blocos da Fig. 7.3. Este modelo sugere
um processo iterativo para a determinação (em computador) das saídas y(t) a partir do
conhecimento do estado no instante inicial, x(0) e das entradas u(t) para t≥0. O integrador pode
ser realizado por qualquer programa de integração numérica. No caso de sistemas SISO, o
diagrama também pode ser realizado por um circuito de simulação analógica recorrendo a
amplificadores operacionais.
. y(t)
u(t) x x
B + ∫ C +
Fig. 7.3: Diagrama de blocos de um sistema SLIT - modelo de estado.
Analiticamente, conhecida a condição inicial x(0), a solução da equação de estado é dada pela
chamada formula de variação das constantes; para sistemas invariantes no tempo, a solução de
(7.15a) é
132
t
x(t ) = e At x(0)+ ∫ e A (t −τ ) B u (τ ) dτ (7.22)
0
Note-se que a equação (7.22) tem duas parcelas: a primeira corresponde á solução da equação
diferencial homogénea e a segunda parcela corresponde à solução forçada.
A matriz exponencial eAt é designada por matriz de transição e é costume representa-la por
Φ(t) que, à semelhança da série de Taylor da função exponencial escalar, pode ser dada por
uma série infinita:
A 2t 2 A 3t 3 A nt n
Φ( t ) = eAt = I + At + + + ... + +... (7.23)
2! 3! n!
A equação (7.23) constitui um método directo para o cálculo da matriz exponencial. Todavia,
mesmo utilizando computadores, o cálculo directo de (7.23) será sempre aproximado uma vez
que abrangerá apenas um número finito de parcelas. A série é uniforme, o erro diminui com o
aumento das parcelas, e torna-se possível estabelecer-se um critério de aproximação suficiente,
a partir do qual não é necessário acrescentar novas parcelas. Existem outros métodos para o
cálculo de Φ(t); um exemplo é o algoritmo de Leverrier [2] que é um método iterativo e pode
ser facilmente realizado em computador; a utilização da transformada de Laplace facilita o
cálculo da matriz exponencial, o que será referido mais adiante.
Propriedades da matriz de transição
−1
1. Φ(t)-1=Φ(t) ( eAt = e− At = eA ( − t ) )
2. Φ(t)-1.Φ(t) = I
dΦ ( t )
3. = AΦ ( t ) = Φ ( t ) A
dt
4. Φ ( t1).Φ ( t2 ) = Φ ( t1 + t2 )
5. Φ(0)=I
onde I é a matriz identidade [n×n].
Considerando a condição inicial x(t0), é usual representar-se Φ ( t , t0 ) = Φ ( t − t0 ) .
Exemplo 7.3 ______________________________________________________________
Pretende-se determinar a matriz de transição para o seguinte modelo de estado homogéneo:
133
− 1 0 
x& =   .x
 0 − 2
O cálculo aproximado da matriz de transição Φ(t), pode ser feito do seguinte modo:
2
1 0   − t 0  1 − t 0  1 2 2 1 − t 0  1 t 2 0 
I + At =  + = A t =  =  
0 1   0 − 2t   0 1 − 2t 
 2 2 0 − 2t  2  0 4t 2 
 (−t ) n 
 1  ∑ 0 
1− t + t2 0 n!
Φ (t ) ≈  2  → Φ (t ) =  n 
 2  (−2t ) n 
 0 1 − 2t + 2t  

0 ∑ n! 
n 
e − t 0 
o que é equivalente a Φ (t ) =   (7.24)
 0 e −2t 
De acordo com (7.24), de (7.22) resulta:
e − t 0 
x(t ) =   ⋅ x(0)
 0 e −2t 
ou seja, x1(t)=e-t .x1(0) e x2(t)=e-2t .x2(0).
Exemplo 7.4_________________________________________________________________
Desenhe as respostas x1(t) e x2(t) para x1(0)=-1 e x2(0)=2. Obtenha essas respostas através do
programa do exemplo 7.1 e compare os resultados. Repita o problema para o modelo de estado,
− 1 0
x& =   .x , com as condições iniciais x1(0)=0 e x2(0)=1. Que se pode concluir?
 0 2
7.4 DIAGRAMAS DE BLOCOS
Até agora, o modelo de estado foi determinado directamente a partir das equações diferenciais
que regem o comportamento do sistema. Mas há situações em que os sistemas são
representados vantajosamente por funções de transferência; isto acontece quando se trabalha
com relações entrada-saída e quando os modelos resultam por via experimental, através da
análise da resposta no domínio da frequência. Veremos agora que é possível obter um modelo
de estado a partir das funções de transferência usadas na teoria clássica.
Considere-se, por exemplo, a função de transferência de um sistema se segunda ordem
134
Y ( s) ω 20
= G ( s) = 2 (7.25)
U ( s) s + 2βs + ω 20
Um dos processos consiste em obter a equação diferencial que é equivalente a (7.25):
( )
Y ( s ) s 2 + 2 βs + ω 02 = U ( s )ω 02 (7.26)
d2 y dy
2
+ 2β + ω 20 y ( t ) = ω 20 u ( t ) (7.27)
dt dt
A partir de (7.27), recorrendo às substituições (7.17), isto é,
dy
x1 = y ( t ) x2 = (7.28)
dt
seguindo o processo então descrito, obtém-se o modelo de estado correspondente
 x&1   0 1   x1   0 
 x&  = − ω 2 . +
− 2 β   x 2  ω 02 
u (7.29a)
 2  0
x 
y = [1 0]. 1  (7.29b)
 x2 
O diagrama de blocos do modelo de estado (7.29) está representado na Fig. 7.4.
. x1
x2 x2
u (t)
ω02 + ∫ ∫ y(t)
+ 2β
ω02
Fig. 7.4: Diagrama de blocos do modelo de estado (7.29).
No caso da função de transferência (7.25) ter dois pólos reais e distintos pode-se obter um
modelo de estado do sistema pelo processo seguinte:
1º- Decompõe-se G(s) numa soma de fracções,
135
Y ( s) a b
= G1 ( s) + G2 ( s) = + (7.30)
U ( s) s + p1 s + p2
ou seja,
a b
Y ( s) = U ( s) + U ( s) (7.31)
s + p1 s + p2
A equação (7.31) é representada pelo diagrama de blocos da Fig. 7.5. Se se considerar que a
saída de cada bloco é uma variável de estado, a saída será dada por Y(s)=X1(s)+X2(s).
X1(s)
G1(s)
U(s) Y(s)
G2(s)
X 2(s)
Fig. 7.5: Diagrama de blocos correspondente a (7.31).
2º- Determinando a equação diferencial correspondente a cada um dos subsistemas da Fig. 7.5,
obtém-se o seguinte modelo de estado global:
 x&1  − p1 0   x1  a 
 x&  =  0 . +
− p 2   x 2  b 
u (7.32a)
 2 
x 
y = [1 1]. 1  (7.32b)
 x2 
O diagrama de blocos do modelo de estado (7.32) está representado na Fig. 7.6 e, como se pode
observar, é composto por dois subsistemas desacoplados que contribuem de modo independente
para a saída.
Note-se como, por decomposição de G(s) em fracções parciais, se pode obter dois modelos de
estado diferentes para o mesmo sistema original. Todavia, deve ser claro que as variáveis de
estado dos dois modelos, (7.29) e (7.32), são diferentes e que apenas se mantém a mesma
relação causal entre a entrada u(t) e a saída y(t). Se o modelo de estado é obtido directamente
das equações diferenciais que regem o sistema, obtém-se, geralmente, um modelo único; mas se
136
os modelos de estado são obtidos através da manipulação da função de transferência original, os

modelos de estado resultantes podem ter formas muito diferentes.
.
x1 x1
a + ∫ 1
-p y(t)
u (t) 1
+
. x2
x2
b + ∫ 1
-p 2
Ainda a propósito de (7.31) e da Fig. 7.5, repare-se que os sistemas de primeira ordem,
representados por G1(s) ou G2(s), com a forma
a
Y ( s) = U ( s) (7.33)
s + p1
são representados pelo diagrama temporal da Fig. 7.7.
.
x1 x1 y(t)
u (t)
a + ∫ 1
-p
1
Fig. 7.7: Diagrama de blocos da equação diferencial de primeira ordem.
Os modelos representados pelas figuras 7.4 e 7.7 constituem como que fluxogramas dos sinais a
partir dos quais se realizam programas para se obter a solução numérica dos modelos de estado
com o auxílio de computadores. Este processo é usado na simulação de sistemas, o que
simplifica a análise do comportamento dinâmico em comparação com o processo clássico que
recorre às funções de transferência.
137
Exemplo 7.5 _________________________________________________________________

Obtenha um modelo de estado para o sistema representado pela seguinte função de
transferência:
Y ( s) 2s + 1
= G ( s) = 2 (7.34)
U ( s) s + 5s + 4
A função de transferência (7.34) tem zeros pelo que o processo para a obtenção de um modelo
de estado é um pouco mais complicado do aquele que foi descrito para (7.25). À equação (7.34)
corresponde a seguinte equação diferencial:
d2 y dy du
2
+5 + 4 y (t ) = 2 + u(t ) (7.35)
dt dt dt
Em vez de (7.28), considere-se agora as seguintes variáveis de estado:
dy
x1 = y ( t ) x2 = + Ku (7.36)
dt
onde K é uma constante qualquer, cujo valor será escolhido de tal forma que permita anular a
derivada de u.
De (7.36) e (7.35) resulta
x&1 = x 2 − Ku (7.37a)
x& 2 − Ku& + 5 x 2 − 5 Ku + 4 x1 = 2 u& + u (7.37b)
Para K=-2 a primeira parcela do segundo membro anula-se e obtém-se
x&1 = x 2 + 2u (7.38a)
x& 2 + 5 x 2 + 4 x1 = −9u (7.38b)
Em consequência, as equações do modelo de estado são
 x&1   0 1   x1   2  x 
 x&  = − 4 − 5 .  x  + − 9u y = [1 0]. 1  (7.39)
 2    2    x2 
Pode-se obter outro modelo de estado para (7.34) se se considerar a decomposição em cascata
da Fig. 7.8. Note-se que o numerador de G(s) é colocado separadamente no segundo bloco:
138
U(s) 1 Z(s) Y(s)

2 2s+1
s +5s+4
Fig. 7.8: Diagrama de blocos correspondente a (7.34).
Considerando as variáveis de estado,
dz
x1 = z ( t ) x2 = (7.40)
dt
da Fig.7.8 resulta,
x& 2 = −5 x 2 − 4 x1 + u (7.41a)
y = x1 + 2 x2 (7.41b)
Tendo em conta (7.41), o modelo de estado resultante da Fig. 7.8 é
 x&1   0 1   x1  0 x 
 x&  = − 4 − 5 .  x  + 1u y = [1 2]. 1  (7.42)
 2    2    x2 
Os modelos de estado (7.39) e (7.42) são diferentes mas traduzem a mesma relação entre a
entrada, u(t), e a saída, y(t) porque são determinados a partir da mesma função de transferência,.
É importante notar que as matrizes dos sistemas, isto é, a matriz A de (7.39) e de (7.42), são
iguais; no entanto, isso não é obrigatório para os modelos de estado semelhantes, como se
conclui de (7.29) e (7.32). Voltaremos a este assunto em parágrafos seguintes, mas é
interessante meditar nos resultados obtidos através exemplo 7.6.
Em resumo, um sistema é representado por uma única função de transferência; no entanto, pode
ser representado por diferentes modelos de estado; as variáveis de estado serão diferentes, mas
mantém-se inalterada a relação entre a entrada e a saída. Nestas condições, os modelos de
estado dizem-se semelhantes. Estes sistemas têm os mesmos pólos (os mesmos valores
próprios) mas têm diferentes vectores de estado.
Exemplo 7.6 ________________________________________________________________
Utilize o programa EXPLO_7_6.M para visualizar no Matlab a resposta y(t) para uma entrada
u(t) de tipo escalão unitário, a partir de (7.39) e de (7.42). Observe também as respectivas
variáveis de estado. Verificará que os diagramas temporais de y(t) são iguais, mas o mesmo não
acontece para as variáveis de estado dos dois modelos de estado.
139
% Programa EXPLO_7_6.M
% Modelo de estado;
A=[0 1;-4 -5];
B=[2;-9];
C=[1 0];
D=0;
sist1=ss(A,B,C,D)
% diagramas temporais
figure;
[y,x,t]=step(sist1);
% função de transferência
[num,den]=ss2tf(A,B,C,D)
end
No programa anterior, a instrução ss2tf (state-space to transfer function) permite obter a

transformada de Laplace correspondente a um modelo de estado. Trata-se da operação inversa
da que foi feita ao longo deste parágrafo e, em particular, no exemplo 7.5. Este assunto será
tratado no parágrafo seguinte.
Exemplo 7.7 ________________________________________________________________

Obtenha um modelo de estado para o sistema modelado por (7.34), decompondo previamente a
função de transferência, G(s), em fracções parciais:
Y ( s) 2s + 1
= G ( s) = (7.43)
U ( s) ( s + 4)( s + 1)
Determine, analiticamente, a resposta y(t) para uma entrada u(t) de tipo escalão unitário.
Compare o resultado com o que pode obter usando o programa explo_76.m. Observe também os
diagramas temporais das novas variáveis de estado e compare-os com os do exemplo 7.6.
Notas: A decomposição em fracções parciais e o correspondente modelo de estado podem ser

determinados correndo os programas seguintes no Matlab. Será interessante converter estes
programas para Scilab.
Programa 1:
%Explo.sdc 7.7a
num=[2 1]; den=[1 5 4];
G=tf(num,den)
[R,P,K] = residue(num,den)
den1=[1 -P(1)]; den2=[1 -P(2)];
G1=tf(R(1),den1)
G2=tf(R(2),den2)
[a1,b1,c1,d1] = tf2ss(R(1),den1);
[a2,b2,c2,d2] = tf2ss(R(2),den2);
A=[a1 0;0 a2]; B=[b1;b2];C=[c1 c2];
me=ss(A,B,C,0)
140
Em alternativa, pode ser usado o programa seguinte que é mais simples.
Programa 2:
%Explo.sdc 7.7b
num=[2 1];
den=[1 5 4];
[A,B,C,D] = tf2ss(num,den);
me1=ss(A,B,C,D)
me2=canon(me1,'modal')
Explique o programa 2 e compare os resultados. Acrescente as instruções para a visualização

das respostas temporais. Para correr em Scilab, pode usar o ficheiro expml_7.sce (use o help
para a explicação das funções usadas).
// exmplo_7.sce
// Exemplo 7.6 - para Scilab
s=poly(0,'s');
Gs=syslin('c', (2*s+1)/(s^2+5*s+4));
me=tf2ss(Gs)
A=clean(me(2))
B=clean(me(3))
C=clean(me(4))
D=clean(me(5))
[Ac,Bc,U,ind]=canon(A,B);
Ac
Bc
Cc=clean(C*U)
// verificação
me2=syslin('c',Ac,Bc,Cc,0);
G2=ss2tf(me2)
Neste último programa, poderá verificar que as funções de transferência Gs e G2 são iguais.
Porquê?
7.5 FUNÇÕES DE TRANSFERÊNCIA
A solução geral do modelo de estado (7.15) é directamente obtida através de (7.22). No entanto,
tal como acontece na teoria clássica do controlo, a solução de (7.15) pode ser determinada
através da aplicação da transformada de Laplace. Para exemplificar o processo, considere-se
um sistema SISO, de parâmetros invariantes no tempo, com o modelo de estado (7.44),
x& = A x + B u (7.44a)
y = C x + Du (7.44b)
Aplicando a transformada de Laplace ao modelo de estado (7.44), resulta:
sX( s) − x( 0) = A X( s) + B U ( s) (7.45a)
141
Y ( s) = CX( s) + D U ( s) (7.45b)
A equação (7.45) é equivalente a,
sX( s) − A X( s) = x( 0) + B U ( s) (7.46)
e ainda a
sI − A X( s) = x( 0) + B U ( s) (7.47)
onde I é a matriz identidade com ordem igual à da matriz A.
Admitindo que a matriz [sI-A] tem inversa, de (7.47) resulta,
−1 −1
X ( s ) = sI − A x ( 0) + s I − A B U ( s) (7.48)
Atendendo a que X( s) = L x( t ) , comparando (7.48) com a solução geral do modelo de estado

dada por (7.49),
t
x(t ) = e At x(0)+ ∫ e A (t −τ ) B u (τ ) dτ (7.49)
0
conclui-se que
−1
sI − A = L e At = L Φ( t ) (7.50)
 t A (t −τ ) 
[sI − A] −1
BU ( s ) = L  ∫ e B u (τ ) dτ  (7.51)
 0 
As equações (7.51) e (7.52) permitem calcular a matriz de transição e as respostas livre e

forçada de x(t) segundo as técnicas clássicas que recorrem à transformada de Laplace: de
acordo com (7.50), conclui-se que a transformada de Laplace da matriz de transição é a matriz
inversa de [sI − A ] e que a transformada de Laplace da solução forçada de x(t) pode ser obtida
através da primeira parcela de (7.51).
A transformada de Laplace da matriz de transição, [sI-A]-1, é representada por Φ(s):
−1
sI − A = Φ( s) (7.52)
Exemplo 7.8 ________________________________________________________________

Considere o exemplo 7.3 e determine Φ(t) usando a transformada de Laplace.
De acordo com os dados do exemplo é
142
s 0  − 1 0   s + 1
[sI − A] = 
0 
 −  =
0 s   0 − 2   0 s + 2
e então,
 1 
0
1  s + 2 0   ( s + 1) 
[sI − A]−1 =  =  (7.53)
( s + 1)( s + 2)  0 s + 1  0 1 
 ( s + 2) 
Recorrendo a uma tabela de transformadas de Laplace, de (7.53) obtém-se (7.24):
e − t 0 
Φ (t ) =  
 0 e −2t 
___________________________________________________________________________
De acordo com (7.48), a solução do modelo de estado pode ser obtida através da transformada
de Laplace, utilizando as técnicas já conhecidas, embora, para sistemas de grande dimensão, o
cálculo da matriz inversa de [sI-A] seja moroso. O cálculo é simples se, por exemplo forem
usados programas para computador, tal como foi feito no exemplo 7.6 com as instruções ss2tf
do Matlab e do Scilab.
Substituindo (7.48) em (7.45b) resulta,
−1 −1
Y ( s) = C sI − A x ( 0) + C sI − A B U ( s ) + DU ( s ) (7.54)
Com condições iniciais nulas, x(0)=0, de (7.54) obtém-se
Y ( s) −1
= C sI − A B + D (7.55)
U ( s)
Por definição, o segundo membro de (7.55) é a função de transferência do sistema SISO:
−1
G ( s) = C sI − A B+D (7.56)
A equação (7.56) permite obter a função de transferência de um sistema, a partir do seu modelo
de estado. No entanto, esta operação implica perda de informação uma vez que a função de
transferência apenas traduz a relação entre a entrada e a saída do sistema, sem dar informação
sobre a evolução de todas as variáveis de estado.
Para sistemas com múltiplas entradas e saídas G(s) é uma matriz cujos termos são funções de
transferência parciais, sendo então designada por matriz de transferência.
143
Exemplo 7.9 ________________________________________________________________
Pretende-se determinar a função de transferência do modelo de estado (7.42):
 x&1   0 1   x1  0 x 
 x&  = − 4 − 5 .  x  + 1u y = [1 2]. 1 
 2    2    x2 
Aplicando (7.55), resulta
1  s + 5 1
[sI − A]−1 = (7.57)
s ( s + 5) + 4  − 4 s 
Substituindo (7,57) em (7.56), com D=0, resulta,
s + 5 1  0 
G ( s) =
1
[1 2]     = 2
1 + 2s
(7.58)
s ( s + 5) + 4  − 4 s  1 s + 5s + 4
Como se verifica, obteve-se a função de transferência inicial que é dada por (7.34).
Nota: com o pacote simbolico, o resultado (7.58) pode ser determinado com o Matlab.
Experimente correr o seguinte programa:
%Explo.sdc 7.9b
syms s;
A=[0 1;-4 -5];B=[0;1]; C=[1 2]; D=0;
Q=s*eye(2)-A
FI=inv(Q)
G=C*FI*B
G=simplify(G)
pretty(G)
A partir da definição da matriz inversa, a equação (7.56) pode ser escrita na seguinte forma:
Adj sI − A
G ( s) = C B+D (7.59)
sI − A
O denominador de G(s) é o determinante da matriz [sI-A] e, por isso, os pólos de G(s) são as
soluções da equação
sI − A = 0 (7.60)
Matematicamente, as soluções de (7.60) designam-se por valores próprios da matriz A. Assim,

dado um modelo de estado, a estabilidade, e o comportamento dinâmico do sistema, podem ser
estudados através da determinação dos valores próprios da matriz A (matriz do sistema). Por
exemplo, para o modelo de estado (7.42), os valores próprios de A são obtidos por,
144
sI − A = 0 ⇔ s( s + 5) + 4 = 0 (7.61)
e as soluções de (7.61) são s = −1 e s = −4 , como também se conclui de (7.58).
A relação entre os valores próprios da matriz do sistema e a estabilidade é ainda um ponto de

contacto importante entre a teoria clássica e a teoria moderna do controlo: um sistema é estável
se nenhum dos valores próprios da matriz do sistema pertencer ao semi-plano direito do plano
de Argand.
7.6 OBSERVABILIDADE E CONTROLABILIDADE
Nos parágrafos anteriores obtiveram-se modelos de estado a partir das funções de transferência
e determinaram-se funções de transferência a partir de modelos de estado. Isto pode levar a
supor que os conceitos envolvidos na moderna teoria do espaço de estados são meras
reinterpretações da teoria clássica baseada nas funções de transferência. Todavia, isto nem
sempre é verdade. A observabilidade e controlabilidade são exemplos de conceitos que só
foram definidos na teoria do espaço de estados e que não são referidos na teoria clássica. Estes
conceitos foram desenvolvidos por Kalman nos finais dos anos 50 para explicar porque não é
possível estabilizar um sistema pelo cancelamento de pólos instáveis (pólos no semi-plano
direito do plano de Argand). Kalman demonstrou que, mesmo admitindo que o cancelamento é
perfeito (o que não é praticamente possível), a estabilização de um sistema através da inclusão
de um compensador com zeros no semi-plano direito que cancelem os pólos instáveis do
sistema, está condenada ao fracasso. De facto, verifica-se que a função de transferência total é
estável mas tem menor ordem, e os modos instáveis ou não são afectados pela entrada (não
controláveis) ou não são observados na saída (não observáveis).
Considere-se o seguinte exemplo:
Exemplo 7.10 _______________________________________________________________

Pretende-se determinar a função de transferência de um sistema SISO representado pelo
seguinte modelo de estado:
1 − 1 1 
x& =   x +  u y = [1 1]x (7.62)
0 2  0
Aplicando (7.55),
−1
Y ( s) s − 1 1  1 
= C[sI − A ]−1 B = [1 1]
U ( s)  0 s − 2 0 (7.63)
145
resulta,
s − 2 − 1  1
Y ( s)
=
1
[1 1]
U ( s ) ( s − 1)( s − 2)  0 s − 1 0 (7.64)
e finalmente,
Y ( s) s−2 1
= =
U ( s) ( s − 1)( s − 2) ( s − 1) (7.65)
Sugestão: pode calcular (7.65) com base no ficheiro Matlab do exemplo 7.9.
__________________________________________________________________________
Em conclusão, o sistema modelado por (7.62) é de segunda ordem e tem dois pólos instáveis,
como se observa pelo determinante de [sI-A] em (7.64); no entanto, a função de transferência
(7.65) é de um sistema de primeira ordem e só tem um pólo instável. Quer dizer: do ponto de
vista clássico, quando se considera apenas a relação entre a entrada e a saída, o sistema (7.62)
comporta-se como o sistema (7.65) e, aparentemente, poderia ser estabilizado a partir do
conhecimento da existência do pólo s=1. Na realidade a estabilização feita a partir de (7.65)
está condenada ao fracasso porque o pólo s=2 existe e não será afectado pela compensação.
Esta situação é clarificada pelo diagrama da Fig. 7.9 que corresponde ao modelo (7.62).
.
x1 x1
u (t)
+ ∫
y(t)
+ +
. x2
x2
+ ∫
2

A Fig. 7.9 mostra que a entrada u só afecta a variável de estado x1 e que a saída y depende das
de x1 e de x2. Dado que x2 está associada ao pólo instável (s=2), a saída y terá sempre um
comportamento instável qualquer que seja a entrada u. Esta situação nunca seria detectada se
(7.65) fosse usada como modelo do sistema; neste caso, seria aparentemente possível estabilizar
o sistema pelo processo descrito pela Fig. 7.10, com K>1. Todavia, esta compensação não
146
resulta, porque ignora a existência de um modo instável (associado a x2) que não é afectado
pela entrada u.
R(s) U(s) Y(s)

1
K
s-1
Fig. 7.10: Diagrama de blocos de (7.65) com compensador.
Situações como a que se acabou de referir levaram à introdução dos conceitos de

controlabilidade e de observabilidade.
Definição (controlabilidade)
Um sistema diz-se controlável se e só se (sse) for possível, através da entrada u, transferir o
sistema de um estado inicial qualquer x(0)=x0 para outro estado qualquer x(T)=xT, num tempo
finito T≥0.
Definição (observabilidade)
Um sistema livre (não actuado pela entrada, u=0) diz-se observável sse for possível, determinar
qualquer estado inicial x(0)=x0 a partir, apenas, do conhecimento de um segmento finito de
duração T da saída y(τ), com 0≤τ≤T.
Para um sistema excitado (u≠0) a definição da observabilidade é idêntica, mas é, também,

necessário conhecer-se u(τ), com 0≤τ≤T.
Note-se que os termos qualquer e finito são essenciais para as definições; se qualquer destas
condições for violada, o sistema não é controlável e/ou não observável.
As condições para a caracterização de um sistema quanto à controlabilidade e à observabilidade

decorrem dos dois teoremas que são referidos a seguir, cujas demonstrações podem ser
consultadas, por exemplo, em [2].
Teorema Algébrico da Controlabilidade

Um sistema invariante no tempo x& = Ax + Bu , de ordem n, é controlável sse a matriz teste de
controlabilidade, Q, tem característica n (igual à do sistema):
2 n −1
Q = B AB A B ... A B (7.66)
147
Uma vez construída a matriz Q e se esta for quadrada, para se determinar se tem característica
n, basta verificar se |Q|≠0.
1 − 1 1
Por exemplo, para o sistema (7.62), com A =   e B= 0 , a matriz teste de
0 2   
controlabilidade é
 1 1 − 1 1  1 1
Q =       =   (7.67)
 0  0 2  0   0 0 
O determinante de Q é zero e o sistema não é controlável.
Teorema Algébrico da Observabilidade

Um sistema de ordem n, invariante no tempo, x& = Ax e y = Cx , é observável sse a matriz
teste de observabilidade, P, tem característica n (igual à do sistema):
 C 
 CA 
 
P =  CA 2  (7.68)
 .... 
 n −1

CA 
Uma vez construída a matriz P, e se esta for quadrada, para se determinar se tem ordem n, basta
verificar se |P|≠0.
A controlabilidade e a observabilidade são conceitos independentes. Assim, os sistemas podem

ser controláveis e observáveis, ou não controláveis, ou não observáveis, ou ambos.
Nota: de facto, o que pretende é comparar a característica - o número de linhas (ou colunas)
linearmente independentes - das matrizes Q e P com n: o sistema será controlável e observável
se as características de Q e de P são iguais a n. Para se evitar o trabalho algébrico da
determinação da característica da matriz, esta verificação pode ser feita quer no MATLAB quer
no SCILAB através da instrução rank.
1 − 1
Por exemplo, para o sistema (7.62), A =   e C = [1 1] ; atendendo a que
0 2 
1 − 1
CA = [1 1]  = [1 1] e a matriz teste de observabilidade é
0 2 
148
1 1
P=  (7.69)
1 1
Porque o determinante de P é zero (e rank(P)=1 com n=2), o sistema não é observável. Em

conclusão, o sistema modelado por (7.62) não é controlável e também não é observável. Esta
última característica não é imediatamente reconhecida através da Fig. 7.9 mas, de acordo com a
definição de observabilidade, significa que não é possível determinar um estado inicial a partir
da observação (ou registo) da saída y, o que se compreende se atendermos a que o pólo s=2 até
é instável. Este assunto será clarificado mais adiante, quando se estudarem as transformações de
semelhança.
Exemplo 7.11 _______________________________________________________________
Pretende-se classificar o sistema representado pelo modelo de estado (7.70) quanto à

controlabilidade e à observabilidade.
0 2  − 2
x& =   x +  u y = [0 1]x (7.70)
− 1 − 3 1 
As matrizes de teste de controlabilidade e de observabilidade, respectivamente, (7.66) e (7.68),

são:
− 2 2  0 1
Q=  P=  (7.71)
 1 − 1 − 1 − 3
Atendendo a que |Q|=0 e |P|=1, o sistema não é controlável, mas é observável. Sugere-se que se
determine a função de transferência Y(s)/U(s) deste sistema, e que se tirem conclusões,
comparando o resultado com o do sistema (7.62).
O exemplo 7.11 pode ser resolvido no Matlab com o programa seguinte. Sugere-se que o
mesmo seja testado no Scilab.
%Explo.sdc 7.11
A=[0 2;-1 -3];
B=[-2;1];
C=[0 1];
D=0;
Q=ctrb(A,B)
rank(Q)
det(Q)
P=obsv(A,C)
rank(P)
det(P)
149
7.7 TRANSFORMAÇÃO DE SEMELHANÇA
Como já foi referido, nomeadamente no parágrafo 7.4, um sistema pode ser representado por
diferentes modelos de estado que conduzem à mesma relação entre a entrada e a saída, isto é, à
mesma função de transferência Y(s)/U(s), embora tenham variáveis de estado diferentes. Neste
parágrafo estudaremos como se podem obter modelos de estado por transformação de
semelhança.
Por vezes, verifica-se que as variáveis de estado originais não são as mais interessantes para a
análise dinâmica do sistema e para o projecto do controlo. Quando isso acontece, pode-se
proceder à transformação das variáveis de tal forma que o novo modelo seja constituído por
outras matrizes A, B, C e D mais convenientes. Por exemplo, uma das formas mais
interessantes para modelar um sistema é conseguir que a matriz A seja diagonal: a saída do
sistema pode então ser considerada como a soma das saídas de subsistemas mais simples, à
semelhança do acontece com o sistema representado na Fig. 7.5; esta representação tem
também a vantagem de evidenciar as características do sistema quanto à controlabilidade e à
observabilidade.
Considere-se o modelo de estado de ordem n e de parâmetros constantes,
x& = Ax + Bu (7.72a)
y = Cx + Du (7.72b)
A mudança das variáveis de estado pode ser representada pela transformação linear
x=Tz (7.73)
onde z representa o novo vector de estado e T uma matriz (nxn) não singular. Se Existe T-1, a
transformação inversa é dada por,
z=T-1x (7.74)
Substituindo (7.73) em (7.72), resulta
Tz& = ATz + Bu (7.75a)
y = CTz + Du (7.75b)
Multiplicando à esquerda (7.75a) por T-1, obtém-se
z& = T −1 AT z + T −1B u (7.76)
As equações (7.76) e (7.75b) podem ser escritas na forma canónica
150
z& = A z + B u (7.77a)
y = C z + Du (7.77b)
com
A = T −1AT B = T −1B C =CT (7.77c)
As equações (7.77) representam o modelo de estado que se obtém a partir de (7.72) por
transformação de semelhança, com o novo vector de estado z que se obtém de x pela
transformação linear (7.74). Para que seja possível transformar (7.72) em (7.77) é necessário
determinar uma matriz T não singular (T-1 existe), por forma a garantir-se (7.74).
A transformação de semelhança dada pela equação (7.73) representa uma mudança de base para
os vectores de estado. Com a transformação o sistema passa a ser modelado em referenciais
diferentes e é por isso que as variáveis de estado são diferentes. Todavia, o comportamento do
sistema do ponto de vista entrada-saída, que é modelado por G(s), mantém-se inalterado, sendo
então independente do referencial.
Na álgebra de matrizes, A = T −1AT é a matriz semelhante a A, e as matrizes semelhantes têm

os mesmos valores próprios. Como se poderá verificar, a função de transferência do sistema,
Y(s)/U(s), é a mesma quer ser parta de (7.72) ou de (7.77).
Se os valores próprios de A são reais e distintos, então existe uma matriz A que é diagonal e os
elementos da diagonal principal são os valores próprios de A. Neste caso ter-se-á,
 p1 0 0
A =  0 p2 0  (7.78)
 0 0 p n 
e o polinómio característico do sistema é ( s − p1 )( s − p2 ).....( s − pn ) .
Se a matriz do sistema é diagonal, então a saída y é a soma das saídas de subsistemas mais
simples, à semelhança do acontece com o sistema representado na Fig. 7.5. Este formalismo é
particularmente interessante como demonstra o exemplo seguinte.
Exemplo 7.12 ________________________________________________________________
151
Pretende-se diagonalizar o modelo de estado do exemplo 7.11 através de uma transformação de

semelhança.
0 2  − 2
x& =   x +  u y = [0 1]x (7.79)
− 1 − 3 1
Os valores próprios da matriz do sistema são as soluções de |sI-A|=0:
s −2 2
sI − A = = s + 3s + 2 = ( s + 1)( s + 2 ) = 0
1 s+3
Os valores próprios de A são -1 e -2, e a matriz diagonal semelhante é
− 1 0 
Λ= 
 0 − 2
De acordo com (7.73), deverá ser possível determinar a matriz da transformação de semelhança,
T, de tal forma que x=Tz. Para isso, considere-se a matriz T genericamente dada por,
t t 
T =  11 12  (7.80)
t 21 t 22 
Admitindo que T-1 existe, de acordo com (7.77) será Λ = T −1AT , o que é equivalente a,
t t  − 1 0   0 2   t11 t12 
TΛ = AT ⇔  11 12   =
    (7.81)
t 21 t 22   0 − 2 − 1 − 3 t 21 t 22 
De (7.81) resulta,
 − t11 − 2t12   2t 21 2t 22 
− t = (7.82)
 21 − 2t 22  − t11 − 3t 21 − t12 − 3t 22 
De (7.82) obtém-se o seguinte sistema de quatro equações a quatro incógnitas:
− t11 = 2t 21
− 2t = 2t
 12 22
 (7.83)
− t 21 = −t11 − 3t 21
− 2t 22 = −t12 − 3t 22
A partir de (7.83), substituindo a primeira equação na terceira, e a segunda na quarta, obtém-se

o sistema equivalente,
152
− t11 = 2t 21
− t = t
 12 22
 (7.84)
t 21 = t 21
t 22 = t 22
As duas últimas equações são condições universais, motivo pelo qual t21 e t22 podem ser
quaisquer números reais, desde que T não seja singular. De acordo com (7.84) pode-se escolher
para matriz da transformação, por exemplo
− 2 − 1
T= e T = −1 (7.85)
1 1 
Note-se que (7.84) terá infinitas soluções, pelo que existem infinitas transformações de
semelhança para este problema, mas só são válidas as matrizes T que tenham inversa. A matriz
inversa de T é,
− 1 − 1
T −1 =  (7.86)
1 2 
De acordo com (7.77), com (7.85) e (7.86), o novo modelo de estado, com a matriz do sistema
diagonal, é
− 1 0  1
z& =   z +  u y = [1 1]z (7.87)
 0 − 2  0 
O modelo (7.79) está representado no diagrama da Fig. 7.11.
Como os subsistemas da Fig. 7.11 são independentes, pode-se concluir imediatamente da figura
que o sistema não é controlável mas é observável. De um modo geral, se a matriz do sistema é
diagonal, para que o sistema seja controlável é necessário que todos os elementos de B sejam
diferentes de zero; para que o sistema seja observável, nenhum dos elementos de C pode ser
nulo. Assim, a diagonalização de um modelo de estado permite concluir sobre a
controlabilidade e a observabilidade do sistema.
Exemplo 7.13 _______________________________________________________________

Determine a função de transferência do sistema SISO modelado por (7.87). Verificará que a
função de transferência é igual à que se determina directamente de (7.70).
153
.
u (t) x1 x1
+ ∫
y(t)
+
. x2
x2
+ ∫
2
Exemplo 7.14 ______________________________________________________________

Pretende-se diagonalizar o modelo de estado do exemplo 7.10 através de uma transformação de
semelhança. Desenhe o correspondente diagrama de blocos e conclua quanto á observabilidade
e à controlabilidade do sistema.
___________________________________________________________________________
Uma outra forma interessante de apresentar a matriz do sistema é a chamada forma

companheira; neste caso, a matriz A tem a forma de (7.88):
 0 1 0 0 0 
 0 0 1 0 0 

A= .....  (7.88)
 
 0 0 0 0 1 
− a 0 − a1 .... − a n−2 − a n −1 
Esta representação de A na forma companheira é muito conveniente para o projecto do controlo

porque o polinómio característico do sistema é dado, imediatamente, por (7.89):
p ( s) = sn + an −1sn −1 + an − 2 sn − 2 +.... + a1s + a0 (7.89)
A transformação de A para a forma companheira pode ser feita por transformação de

semelhança através de (7.77), e a determinação da matriz de transformação T pode seguir os
passos do exemplo 7.12.
154
Nota: Por definição, T é a matriz dos vectores próprios de A. Sejam pi, i=1...n, os valores
próprios de A; os vectores próprios de A são os vectores vi, i=1...n, que verificam a seguinte
equação:
pi v i = A v i (7.90)
A cada um dos valores próprios está associado um vector próprio; a matriz da transformação, T,
é formada por,
T = v1 v 2 v 3 ..... v n (7.91)
Os vectores próprios vi têm dimensão (1xn) e então T é uma matriz (nxn), sendo n é a ordem do
sistema.
Os valores e vectores próprios podem ser comodamente calculados através, por exemplo, do
programa MATLAB. Para verificação, convida-se o aluno a correr o programa explo15.
Exemplo 7.15 _______________________________________________________________

Utilize o programa explo15.m para efectuar a transformação de semelhança do exemplo (7.12).
% Programa EXPLO_715.M
% Modelo de estado;
A=[0 2;-1 -3]; B=[-2;1]; C=[0 1]; D=0;
% valores próprios de A
eig(A)
% transformação de semelhança para diagonalização
%V - matriz dos vectores próprios; L - matriz diagonal
[V,L]=eig(A)
inv(V)*A*V
Bt=inv(V)*B
Ct=C*V
% função de transferência
[num,den]=ss2tf(L,Bt,Ct,D)
% matrizes teste
P=obsv(A,C)
Pt=obsv(L,Ct)
rank(P)
rank(Pt)
Q=ctrb(A,B)
Qt=ctrb(L,Bt)
rank(Q)
rank(Qt)
% visualização das variáveis de estado
[y,x,t]=step(A,B,C,D,1);
[yt,z,t1]=step(L,Bt,Ct,D,1);
figure;subplot(211);plot(t1,yt);grid;
subplot(212);plot(t1,z);grid;
155
Verificará que, apesar de V não ser igual a (7.85), o sistema não é controlável, é observável, e
as funções de transferência são iguais para os dois modelos de estado. Verificará também que
as variáveis de estado têm diagramas temporais diferentes, mas que o da saída y é o mesmo.
Exemplo 7.16 _______________________________________________________________

Utilize o programa explo_715.m para efectuar a transformação de semelhança do seguinte
modelo de estado:
 − 143 63 − 210 63 1

− 144 63 − 212 64  
x& =   x +  − 2 u y = [1 1 0 1]x (7.92)
 −1 1 −1 1 0
   
− 144 65 − 211 64 1
Analise o sistema quanto à controlabilidade e observabilidade. Observe os diagramas temporais

das variáveis de estado para uma entrada u do tipo escalão unitário.
Repita o exercício com C=[1 0 0 1].

____________________________________________________________________
7.8 RESUMO
Neste capítulo fez-se uma introdução aos modelos de estado para os sistemas lineares e
invariantes no tempo. Referiram-se conceitos da moderna teoria do controlo como sejam as
transformações de semelhança, a controlabilidade e a observabilidade. Mostrou-se a
correspondência entre a representação clássica dos modelos de entrada-saída, cujos modelos
são as funções de transferência, e a moderna representação no espaço de estados. Apresentou-se
a solução geral do modelo de estado no domínio do tempo e obteve-se também a solução
recorrendo à transformada de Laplace. Referiram-se os conceitos clássicos da estabilidade e
demonstrou-se que os valores próprios são invariantes na mudança de referencial.
156
CAPÍTULO 8
PROJECTO DO CONTROLO
8.1 INTRODUÇÃO
No capítulo anterior fez-se uma introdução aos modelos de estado para o caso dos sistemas
dinâmicos lineares e invariantes no tempo (SLIT). Com excepção dos conceitos da
controlabilidade e da observabilidade, a moderna teoria do controlo, baseada no conceito do
espaço de estados, foi apresentada como sendo uma extensão da teoria clássica. A análise do
comportamento dos sistemas pode ser feita pelos métodos descritos nos primeiros capítulos
destes apontamentos: determinam-se as funções de transferência relevantes a partir do modelo
de estado, e usam-se as técnicas conhecidas no domínio da frequência, por exemplo, as que
estão associadas aos diagramas de Bode e de Nyquist, ou as do plano da frequência complexa
que estão associadas ao diagrama de Evans.
O problema do controlo consiste em projectar um sistema de controlo que se encarregue de

modificar a entrada por forma a que a saída se comporte do modo pretendido. Na teoria
clássica, admite-se que o sistema é completa e totalmente descrito por uma função de
transferência que relaciona a saída do sistema com a sua entrada. Para sistemas não muito
complexos, as técnicas clássicas dão origem a sistemas robustos, isto é, a sistemas que em
cadeia fechada são praticamente insensíveis às inexactidões dos seus modelos matemáticos. Os
compensadores de avanço e de atraso de fase e os reguladores PID são exemplos comprovados
de métodos clássicos para o controlo de sistemas em cadeia fechada.
Mais recentemente, a evolução da electrónica e da informática encorajou o desenvolvimento de

técnicas de controlo mais elaboradas para os sistemas de grande complexidade, para aqueles
cujo comportamento é fortemente não linear, ou para nos casos em que não existem modelos
suficientemente exactos.
Neste capítulo, e como introdução aos modernos métodos de controlo, refere-se o problema da
colocação de pólos baseado nos modelos de estado. Este método está intimamente relacionado
com os conceitos desenvolvidos a propósito do diagrama de Evans, mas, se o método clássico
partia da realimentação negativa da saída, agora refere-se o caso da realimentação negativa das
variáveis de estado. No entanto, a lei de controlo será determinada em função dos pólos
pretendidos para a cadeia fechada e os ganhos de realimentação continuam a ser determinados
em função destes pólos, tal como acontece quando se estudaram os métodos de compensação na
teoria clássica.
157
8.2 RECTROACÇÃO LINEAR DAS VARIÁVEIS DE ESTADO
Considere-se um sistema SLIT (nxn) representado pelo seguinte modelo de estado
x& = A x + Bu (8.1a)
y = Cx (8.1b)
Em geral, na teoria do controlo moderno, a lei de controlo será uma função das variáveis de
estado:
u( t ) = f x( t ) (8.2)
Das leis de controlo possíveis (8.2), consideraremos a realimentação linear das variáveis de
estado (RLVE) definida por,
u ( t ) = − K x ( t ) = − k1 x1 − k2 x2 − ⋅⋅⋅ − kn xn (8.3)
onde K é um vector (1xn) de ganhos constantes e x é o vector das variáveis de estado de (8.1).
Quando se considera uma entrada de referência, r(t), a lei de controlo proporcional com
rectroacção das variáveis de estado passa a ser
u ( t ) = k P ( r ( t ) − K x ( t )) (8.4)
O modelo do controlo por RLVE é representado na Fig. 8.1:
r(t) e(t) u(t) y(t)

KP Sistema
Kn
x n(t)
.
.
.
K2
x 2(t)
K1
x 1(t)
Fig. 8.1: Esquema do controlo por RLVE.
158
Substituindo (8.4) em (8.1a), obtém-se
x& = Ax + B k P (r (t ) − K x(t )) (8.5)
x& = ( A− k P B K ) x + B k P r (t ) (8.6)
A equação (8.6) é o modelo de estado do sistema em cadeia fechada da Fig. 8.1 com entrada
r(t). O modelo (8.6) é formalmente idêntico a (8.1a) e a matriz AF,
A F = A − k PB K (8.7)
é a matriz da dinâmica do sistema em cadeia fechada.
A função de transferência do sistema em cadeia fechada pode ser obtida de (7.56) tendo em
conta (8.6) e (8.7):
Y ( s) −1
= GF ( s) = C sI − A F B k P (8.8)
R ( s)
De acordo com (8.8) os pólos da cadeia fechada são os valores próprios de AF,
sI − A F = 0 (8.9)
Tendo em conta (8.7), o vector dos ganhos de realimentação, K, deve ser tal que as soluções de
(8.9) sejam os pólos desejados em cadeia fechada. O exemplo seguinte ilustra o processo para
se determinar o vector K por forma a modificar os pólos do sistema. Considere-se o modelo de
estado:
− 1 0  1
z& =   z +  u y = [1 1]z (8.10)
 0 − 2 1
Porque a matriz da dinâmica é diagonal, os pólos do sistema (valores próprios de A) são os

elementos da diagonal principal, -1 e -2. Pretende-se determinar K para que os pólos da cadeia
fechada sejam -3 e -10.
Aplicando a lei de controlo (8.4) com K=[k1 k2], obtém-se a matriz da dinâmica (8.7) do
sistema em cadeia fechada:
− 1 0  1 − 1 − k P k1 − k P k2 
AF =  − k P   [k1 k 2 ]=  (8.11)

 0 − 2 1  − k P k1 − 2 − k P k 2 
De acordo com (8.9), o polinómio característico da cadeia fechada é
159
s + 1 + k P k1 k P k2 2
sI − A F = = ( s + 1 + k P k1 )( s + 2 + k P k 2 ) − k P k 2 k1 (8.12)
k P k1 s + 2 + k P k2
Tendo em conta (8.12), os pólos em cadeia fechada satisfazem a equação
s2 + s( 3 + k P ( k1 + k2 )) + 2 + k P k2 + 2 k P k1 = 0 (8.13)
Pretendendo que a cadeia fechada tenha os pólos -3 e -10, deve-se então verificar
sI − A F = ( s + 3)( s + 10) (8.14)
Igualando (8.13) e (8.14), resulta:
s2 + s( 3 + k P ( k1 + k2 )) + 2 + k P k2 + 2 k P k1 = s2 + 13s + 30 (8.15)
Admitindo que kP=1, de (8.15) obtém-se k1=18 e k2=-8. O diagrama da Fig. 8.2 representa o
sistema em cadeia fechada.
. sistema inicial
x1 x1
+ ∫
y(t)
r(t) u (t)
+ +
. x2
x2
+ ∫
2
+ 18
-8
Fig. 8.2: Sistema em cadeia fechada com (8.15) por RLVE.
Considerando (8.8) a função de transferência em cadeia fechada, no exemplo que temos estado
a considerar, é
160
Y ( s) −1 k p ( 2 s + 3)
= C sI − A F B k P = 2 (8.16)
R ( s) s + s( 3 + k P ( k1 + k2 )) + 2 + k P k2 + 2 k P k1
Com os valores kP=1, k1=18 e k2=-8, de (8.16) resulta,
Y ( s) 2s + 3
G F ( s) = = 2 (8.17)
R ( s) s + 13 s + 30
Se pretendermos, noutro caso, que y(t) seja exacto perante uma entrada r(t) escalão unitário,
pelo teorema do valor final deve-se verificar que lim GF ( s) = 1; nestas condições, de (8.16)
s→ 0
obtém-se
3k p
GF ( 0) = =1 (8.18)
2 + k P k2 + 2 k P k1
Admitindo que kp>0, (8.18) é equivalente a
2
kp = ∧ k2 + 2 k1 < 3 (8.19)
3 − k2 − 2 k1
Seja, por exemplo, k1=1 e k2=0,5; de (8.19) resulta kp=4 e (8.18) é verificada. Com estes
valores, a função de transferência em cadeia fechada, GF(s), é
Y ( s) 8s + 12
G F ( s) = = 2 (8.20)
R ( s) s + 9 s + 12
e os pólos em cadeia fechada (os zeros do denominador de (8.20)) são -7,37 e -1,63.
Exemplo 8.1 _________________________________________________________________

Verifique o resultado (8.20) e determine os respectivos pólos. Obtenha a resposta y(t) de (8.20)
e de (8.17) para uma entrada r(t) escalão unitário.
____________________________________________________________________________
Com estes exemplos procurou-se mostrar que é possível controlar a resposta de um sistema
usando a RLVE e escolhendo correctamente os ganhos da lei de controlo (8.3) ou (8.4). Note-
se que foi possível obter um sistema exacto sem aumentar a ordem do sistema original,
enquanto que, segundo as técnicas clássicas, a inclusão de um integrador na cadeia de acção
implicaria um sistema de terceira ordem, sendo então condicionalmente estável. Todavia, se for
exigido que o sistema seja exacto, fica condicionada a possível localização dos pólos (no
exemplo anterior é necessário conciliar (8.16) com (8.18)).
161
Quando se pretende conciliar a exactidão com a liberdade de colocação dos pólos por RLVE é
necessário incluir também um integrador na cadeia de acção. Para ilustrar este processo,
considere-se o sistema cujo modelo de estado é (8.10) com a inclusão de um integrador, tal
como se representa na Fig. 8.3.
.sistema
x=Ax+Bu
.
R(s) X3 X3 U(s) X1 Y(s)
1 k3 -1
C
s [sI-A] B
X2
k1
k2
Fig. 8.3: Diagrama de blocos do sistema com a inclusão do integrador.
Além das variáveis de estado de (8.10), introduz-se uma nova variável de estado x3 à saída do
integrador. As equações do modelo da Fig. 8.3 são:
x& = Ax + Bu (8.21a)
y = Cx (8.21b)
x& 3 = r (t ) − C x (8.22)
u = k 3 x3 − K x (8.23)
em que, x é o vector de estado inicial, K é o vector dos ganhos da realimentação das variáveis
de estado x1 e x2 e (8.21) é o modelo de estado do sistema original:
x 
x =  1 (8.24)
 x2 
K = k1 k2 (8.25)
− 1 0  1
A=  B=  C = [1 1] (8.26)
 0 − 2 1
162
A equação que resulta da substituição de (8.23) em (8.21a), (8.22) e (8.21b) são as equações do
sistema em cadeia fechada:
x& = Ax + k 3 B x3 − B K x (8.27a)
x& 3 = r (t ) − C x (8.27b)
y = Cx (8.27c)
As equações (8.27) podem ser condensadas num modelo de estado único que será designado
por modelo de estado alargado:
A − B K M B k3  0

x& a =  L M L  x a + L r
 (8.28a)
 − C M 0   1 
y = C M 0 xa (8.28b)
em que xa é o vector de estado alargado,
 x   x1 
x a = L =  x 2  (8.28c)
 x3   x3 
As equações (8.28) podem ser escritas na forma canónica,
x& a = A a x a + B a r (8.29a)
y = Ca x a (8.29b)
Com as designações genéricas de (8.29), a função de transferência em cadeia fechada do

sistema da Fig. 8.3 é
Y ( s) −1
G F ( s) = = C a sI − A a B a (8.30)
R ( s)
Para exemplificar, de acordo com (8.26), as equações (8.28) são:
− 1 − k1 − k1 k3  0 
x& a =  − k 2 − 2 − k2 k 3  x a + 0 r
 (8.31a)
 − 1 −1 0  1
163
y = 1 1 0 xa (8.29b)
De (8.30), obtém-se:
Y ( s) k3 ( 2 s + 3)
GF ( s) = = 3 2
(8.32)
R ( s) s + ( 3 + k1 + k 2 ) s + ( 2 + 2 k1 + k2 + 2 k3 ) s + 3k3
Para uma entrada r(t) escalão unitário, o valor final de y(t), ou seja, o valor estacionário, é
calculado pelo teorema do valor final:
3k 3
y ( ∞ ) = lim GF ( s) = =1 (8.33)
s→ 0 3k 3
Em conclusão, a resposta será exacta, independentemente dos valores de k1, k2 e k3, os quais
devem ser determinados em função dos pólos, isto é do comportamento dinâmico desejado,
para o sistema em cadeia fechada.
Por exemplo, se os pólos convenientes forem -20, -5 e -3, então o denominador de GF(s) será o
polinómio do terceiro grau,
( s + 20)( s + 5)( s + 3) = s3 + 28 s2 + 175s + 300 (8.34)
Para a colocação dos pólos, compara-se (8.34) com o denominador de (8.32), e resulta o
seguinte sistema de equações:
k1 + k 2 = 25 k1 = −52

 
2k1 + k 2 + 2k3 = 173 ⇔  k 2 = 77 (8.35)
k = 100  k = 100
 3  3
Deste exemplo ressalta imediatamente que a exactidão do sistema não está condicionada pelos
pólos da cadeia fechada, embora o sistema da Fig. 8.3 seja de ordem superior à do sistema
modelado por (8.20), devido á inclusão do integrador.
Exemplo 8.2 _________________________________________________________________

Verifique o resultado (8.35). Obtenha a resposta y(t) de (8.29) para uma entrada r(t) escalão
unitário. Resolva o problema do exemplo (8.29) considerando que os pólos convenientes para
GF(s) são -10, -2+3j e -2-3j.
Exemplo 8.3 _________________________________________________________________

Ackermann estabeleceu uma fórmula para determinar K, com RLVE e com u=-Kx, que origina
os desejados pólos em cadeia fechada [4]. Este processo pode ser facilmente realizado através
164
da instrução acker no programa MATLAB. Considere-se, por exemplo, o modelo de (8.10);

pretende-se determinar K para que os pólos, em cadeia fechada, sejam -3 e -10. Utilize o
seguinte programa para o MATLAB (com as ferramentas do controlo):
%programa polos.m
A=[-1 0;0 -2]; B=[1;1]; C=[1 1];
%vector dos pólos
P=[-3 -10];
%determinação de K
K = acker(A,B,P)
% em cadeia fechada com u=-Kx
AF=A-B*K
eig(AF)
step(AF,B,C,0)
[num,den]=ss2tf(AF,B,C,0)
Ao correr este programa, obtém-se
K=
18 -8
ou seja, k1=18 e k2=-8, confirmando os resultados calculados a partir de (8.15).
Corra este programa para outros pólos, por exemplo -2+2j e -2-2j, e determine as funções de
transferência em cadeia fechada. Para a entrada u(t) escalão unitário, determine a sobreelevação
de y(t). (Nota: P=[-2+2*i -2-2*i]; pode também usar a instrução K=place(A,B,P)).
Exemplo 8.4 _______________________________________________________________

Determinar o vector K por forma que os pólos do sistema (8.36) sejam -50, -10+j e -10-j e que
o sistema seja exacto á entrada escalão.
0 − 4  0 
z& =   z +  u y = [1 0]z (8.36)
1 − 2 1
De (8.36), a função de transferência Y(s)/U(s) é
Y ( s) 1
G ( s) = = 2 (8.37)
U ( s) s + 2 s + 4
Com a inclusão de um integrador, a função de transferência Y(s)/U(s) passa a ser
Y ( s) 1
G I ( s) = = 2
(8.38)
U ( s) s( s + 2 s + 4 )
De (8.38) resulta,
165
d3y d2 y dy
= − 2 − 4 +u (8.39)
dt 3 dt 2 dt
Escolhendo como variáveis de estado x1=y, x2 = x&1 e x3 = x& 2 , (8.39) pode ser representado pelo
seguinte modelo de estado:
0 1 0  0 

x& = 0 0 1  x + 0 u
 (8.40a)
0 − 4 − 2 1
y= 1 0 0 x (8.40b)
Na Fig. 8.4 representa-se um diagrama de blocos do modelo (8.40) com RLVE .
U(s) X3 Y(s)
R(s) -1
k1 [sI-A] B C
X1
X2
X1
k3
k2
Fig. 8.4: Diagrama de blocos do sistema com o integrador, (8.40).
De acordo com a Fig. 8.4, a lei de controlo com RLVE é,
u = k1 ( r − x1 ) − k2 x2 − k3 x3 = k1 r − K x (8.41)
Substituindo (8.41) em (8.40a), e designando as matrizes e os vectores pelas letras

convencionais, obtém-se a equação da dinâmica do modelo de estado em cadeia fechada:
x& = ( A− B K ) x + B k1 r (t ) (8.42)
O programa seguinte, para MATLAB, resolve-se o resto do exercício. Como solução obtém-se
K =[5050 1097 68]; o diagrama temporal de y(t) está representado na Fig. 8.5 e conclui-se
que se obteve a exactidão pretendida com os pólos desejados. É interessante comparar a
resposta ao escalão do sistema (8.36) com a da Fig. 8.5 após a aplicação da lei de controlo
166
(8.41). Experimente-se resolver deste exercício pelo método descrito nas equações (8.21) a
(8.23).
%programa explo8_4.m
%dados (8.36)
A=[0 1;-4 -2];
B=[0;1];
C=[1 0];
D=0;
eig(A)
% resposta ao escalão do sistema (8.36)
[y,x]=step(A,B,C,D,1);
subplot(211);plot(y);grid;
subplot(212);plot(x);grid;
%modelo com integrador (8.40)
Ai=[0 1 0;0 0 1;0 -4 -2]; Bi=[0;0;1]; Ci=[1 0 0];
%pólos desejados em c.f.
P=[-50 -10+i -10-i];
K=acker(Ai,Bi,P)
% em cadeia fechada
AF=Ai-Bi*K;
BF=K(1)*Bi;
eig(AF)
% resposta ao escalão
figure;
[y,x]=step(AF,BF,Ci,D,1);
subplot(211);plot(y);grid;
subplot(212);plot(x);grid;
_____________________________________________________________________________
O método de controlo por RLVE é aplicável quando as variáveis de estado estão acessíveis para
a medida e o sistema é controlável. Nestas condições, a escolha dos ganhos de realimentação
das variáveis de estado permite localizar, convenientemente, os pólos da cadeia fechada .
Para um sistema controlável existe sempre um controlo do tipo (8.3) que permite modificar os
pólos do sistema original. A localização dos pólos é determinada por considerações que
envolvem o desempenho desejado para o sistema e o seu comportamento dinâmico (velocidade
da resposta, sobreelevação, período das oscilações, exactidão, etc). Enquanto que, pelas
técnicas clássicas, os pólos que não são dominantes são desprezados, a RLVE permite que os
pólos tenham os valores correctos, incluindo os que se consideram não dominantes.
167
Fig. 8.5: Diagrama temporal de y(t) para r(t) escalão unitário com RLVE.
Desde que as variáveis de estado estejam acessíveis, a realização prática do controlo por RLVE
é simples; de facto, à lei de controlo (8.3) corresponde a a um circuito somador-inversor
realizado com amplificadores operacionais, o que se representa esquematicamente na Fig. 8.6
(vide Anexo 3.3).
Rf
R1
x1
R2
x2 u(t)
R3
x3
Fig. 8.6: Realização electrónica de (8.3).
De acordo com (8.3), os ganhos de realimentação para a Fig. 8.6 são obtidos por:
Rf Rf Rf
k1 = k2 = k3 = (8.43)
R1 R2 R3
Para melhorar a exactidão, podem ser colocados integradores na cadeia de acção, dando assim
origem a modelos de estado de ordem superior, para os quais continua a ser possível obterem-se
leis de controlo por RLVE que darão aos pólos em cadeia fechada os valores julgados
convenientes. Os métodos baseados na RLVE só são usados na moderna teoria do controlo e,
como atrás foi referido, não têm correspondência nos sistemas clássicos. Todavia, em ambos os
casos, o que se procura garantir é que os pólos da cadeia fechada tenham a localização julgada
mais conveniente. Nos sistemas clássicos usam-se os compensadores de atraso e de avanço de
168
fase, ou sistemas de compensação em paralelo; nos sistemas modernos esse procedimento é

vantajosamente substituído pela RLVE, desde que eles sejam totalmente controláveis.
Partiu-se do princípio que as variáveis de estado eram todas acessíveis. Quando isso não
acontece, existem métodos para se estimarem as variáveis de estado não acessíveis. A estima
das variáveis de estado é designada por observação e os sistemas que realizam essa observação
(circuitos electrónicos ou programas para computador) são designados por observadores de
estado. A eles nos referiremos no próximo parágrafo.
8.3 RECONSTRUÇÃO DO ESTADO
Quando as variáveis de estado não são acessíveis, e a dimensão de y é inferior à de x (C é uma

matriz singular) pode-se estimar as variáveis de estado a partir da observação da saída y. Para
isso usam-se circuitos electrónicos ou programas para computador que são designados por
observadores de estado. O problema gera a resolver é o seguinte: pretende-se determinar a lei
de controlo por RLVE, mas o vector de estado x não pode ser medido.
A solução deste problema pode ser obtida pelo método de Luenberger [] que consiste em obter
uma estimativa do vector de estado, x̂ , de tal forma que o erro e=x- x̂ seja suficientemente
pequeno. De outro modo, o problema consiste em projectar um sistema dinâmico cujo estado x̂
seja tão próxima quanto possível do estado a reconstruir.
Uma escolha possível para este problema consiste em adoptar um modelo que é directamente
excitado pela entrada y e pela entrada u do sistema real, sendo esta previamente conhecida:
ˆ xˆ + Bˆ u + K y
x&ˆ = A (8.44a)
onde ^ denota a estimativa dos verdadeiros valores e K é o vector dos ganhos do observador,
 k1 
K =  M  (8.44b)
k n 
Considere-se um sistema SISO representado pelo modelo de estado, conhecido, mas em que x
não é acessível para a medida:
x& = Ax + Bu (8.45a)
y = Cx (8.45b)
169
ˆ , Bˆ e K de tal forma que o erro entre o estado real e a

O problema consiste em determinar A
estimativa do estado,
e=x- x̂ (8.46)
seja aceitavelmente pequeno.
De acordo com (8.46), a derivada do erro é
e& = x& − x&ˆ (8.47)
Tendo em conta (8.44), (8.45) e (8.46), de (8.47) obtém-se
ˆ e + (A − K C − A
e& = A ˆ ) x + (B − Bˆ ) u (8.48)
De (8.48), para que o erro, e, tenda para zero independentemente de y e de u, deve verificar-se,
ˆ =0
A − KC − A (8.49)
B − Bˆ = 0 (8.50)
ou seja,
ˆ = A − KC
A (8.51a)
Bˆ = B (8.51b)
Desta forma, A, B e K não podem ser arbitrários e, para que se verifique (8.49), há que
determinar o vector de ganhos K.
Substituindo (8.51) em (8.44), obtém-se
x&ˆ = ( A − K C) xˆ + B u + K y = A xˆ + B u + K ( y − C xˆ ) (8.52)
O modelo (8.52) tem a forma de (8.45a), excepto no que diz respeito a uma entrada adicional,
K ( y − C xˆ ) , que tende para zero quando xˆ → x . Atendendo a que
y − C xˆ = C(x − xˆ ) = Ce (8.53)
a última parcela de (8.52) representa a diferença resídual entre o estado e a sua estimativa;
numa boa estimativa, esta diferença deverá ser aceitavelmente pequena.
A equação (8.52) representa um sistema dinâmico linear cujas variáveis de estado são as
estimativas do estado de um outro sistema dinâmico; (8.52) é designado por observador de
170
estado desse sistema. O modelo do observador linear tem a forma típica do modelo em cadeia
fechada, é comandado pelo erro, e, e K é o ganho do observador. A Fig. 8.7 traduz esta ideia.
Se se verifica (8.51), tendo em conta (8.48), a dinâmica do erro é governada por
ˆe
e& = A (8.54a)
com
ˆ = A − KC
A (8.54b)
u(t) observador
B
do sistema real
.
y(t) Ce ^
x x^
+ K + ∫
^
y
A
Fig. 8.7: Diagrama de blocos do observador de estado.
Para que o erro, e, tenda assintoticamente para zero, é necessário que os valores próprios de
(8.54b) sejam estáveis (tenham parte real negativa e não nula). Desde que o sistema governado
por (8.45) seja observável, então existe um vector (ou matriz) K para que os valores próprios
de (8.54b) sejam os arbitrariamente escolhidos.
Definir o observador de estado consiste em determinar K para que e tenda assintoticamente

para zero. Existem muitos vectores K possíveis; este vector deve ser escolhido face à dinâmica
do sistema global e deve ser, à partida, tal que a resposta do observador seja 2 a 5 vezes mais
rápida do que a do sistema considerado, tendo em conta os pólos desejados para a cadeia
fechada. O problema do reconstrutor do estado segue o método da colocação de pólos descrito
no parágrafo 8.2, mas em que apenas se tem acesso à saída do sistema, y. Este processo dá
origem a um compensador com dois andares, o que é representado, esquematicamente, na Fig.
8.8.
171
y
^ ^
u=- Gx
x Lei de controlo
reconstrução do
u estado G
Fig. 8.8: Diagrama de blocos do compensador com reconstrução do estado.
Uma vez que se dispõe da estimativa do vector de estado do sistema, define-se uma lei de
controlo com rectroacção linear das estimativas das variáveis de estado,
u (t ) = −G xˆ (t ) = − g1 xˆ1 − g 2 xˆ 2 − ⋅ ⋅ ⋅ − g n xˆ n (8.55)
Os modelos de estado que estão envolvidos no compensador com reconstrução do estado são
x& = Ax + Bu y = Cx (8.56)
e& = (A - K C)e (8.57)
Substituindo (8.55) em (8.56), resulta a equação da dinâmica em cadeia fechada:
x& = Ax − BG xˆ (8.58)
As equações (8.57) e (8.58) definem um modelo de estado alargado que pode ser escrito na
forma matricial,
 x&   A − B G M BG   x 
L =  L M L  L (8.59)
  
 e&   0 M A − KC  e 
Os pólos do sistema alargado são as soluções de
sI − A + B G . sI − A + KC = 0 (8.60)
Estes pólos podem ser localizados arbitrariamente por escolha de K e G, desde que o sistema de
(8.56) seja simultaneamente controlável e observável. Na Fig. 8.9 representa-se o diagrama de
blocos do compensador para colocação de pólos com reconstrutor de estado.
172
compensador
B
sistema
.
^x ^x u y(t)
x
K + ∫ -G .
x=Ax+Bu C
^y
+ C
Fig. 8.9: Diagrama de blocos do compensador com reconstrução do estado.
Os dois sistemas da Fig. 8.9 estão em cascata: o da esquerda gera uma estimativa do erro, na
base da qual gera o controlo u; o sistema da direita é o sistema dinâmico que se quer controlar.
O observador tem a mesma ordem que o sistema a controlar cuja saída é mensurável é y mas
cujas variáveis de estado não são acessíveis. Este sistema deve ser controlável e observável.
Quando só algumas variáveis de estado são acessíveis para medida, podem ser definidos
observadores de menor ordem que a do sistema a controlar [2].
O projecto do compensador da Fig. 8.9, segue os seguintes passos:
1. Verifica-se se o sistema é controlável e observável;

2. Determina-se a lei de controlo por RLVE, supondo que todas as variáveis de estado são
acessíveis;
3. Projecta-se um observador para estimar o estado do sistema, escolhendo K de tal forma que,
face aos pólos da cadeia fechada, a resposta do observador seja 2 a 5 vezes mais rápida do
que a do sistema dado;
4. Simula-se o resultado e, se for caso disso, combinam-se os passos 2 e 3 para uma nova
localização dos pólos.
Exemplo 8.5 ________________________________________________________________

Pretende-se projectar o controlo para o sistema (8.61), cujas variáveis de estado não estão
acessíveis. Pretende-se que os pólos em cadeia fechada sejam -2+j e -2-j.
0 − 4  0 
z& =   z +  u y = [1 0]z (8.61)
1 − 2 1
173
Verifica-se que o sistema (8.61) é controlável, |Q|=4, e observável, |P|=-4.
Com a lei de controlo (8.3), para os pólos -2+j e -2-j, de (8.7) com kp=1, resulta
0 − 4  0   0 −4 
AF =   −   [k1 k 2 ]= 
− 2 − k 2 
(8.62)
1 − 2 1 1 − k1
Para que sI − A F = s2 + 4 s + 5 , obtém-se k1=-0,25 e k2=2. Assim, será G= [-0,25 2]. Face aos
pólos desejados para a cadeia fechada, -2+j e -2-j, sejam os pólos do observador iguais a -8
(uma raíz dupla). De (8.54b) e (8.44b), resulta
0 − 4  k1   − k1 4
A − KC =  −   [1 0]=  (8.63)

1 − 2   k 2  1 − k 2 − 2
Para que sI − A + K C = s2 + 16s + 64 , verifica-se k1=14 e k2=-8. O ganho do observador de

estado é K= [14 -8].
_____________________________________________________________________________
8.4 RESUMO
O problema do controlo consiste em projectar um circuito que ajuste a entrada do sistema para
que a saída se comporte do modo pretendido. Neste capítulo fez-se uma introdução aos
modernos métodos de controlo baseados nos modelos de estado. Referiu-se o problema da
colocação de pólos através da realimentação negativa das variáveis de estado. Genericamente,
para colocar os pólos da cadeia fechada nos valores desejados, em função do comportamento
dinâmico pretendido, é necessário ter todas as variáveis fde estado acessíveis para medida. Nos
casos em que isso não é possível, mas em que o sistema é observável, referiu-se a possibilidade
de se estimar o estado do sistema a partir das variáveis de estado que estão acessíveis. Mostrou-
se que é possível controlar os sistemas através dos observadores lineares de estado e como se
obtém uma boa característica dinâmica realimentando as estimativas das variáveis de estado.
174
CAPÍTULO 9
CONTROLO DIGITAL
9.1 INTRODUÇÃO
Nos capítulos anteriores referiram-se os sistemas dinâmicos contínuos, lineares e invariantes no

tempo (SLIT). Neste capítulo faz-se uma introdução aos sistemas cujo controlo é feito através
de um computador digital. No esquema da Fig. 9.1, utilizam-se conversores analógico-digitais
(A/D) para converter o valor contínuo da saída, y, num dado digital, y*, capaz de ser processado
pelo computador; este desempenha o papel de controlador do sistema e a lei de controlo é
programada; o resultado, u*, é um dado digital que é convertido numa variável contínua através
do conversor digital-analógico (D/A); após a necessária amplificação de potência, obtém-se a
variável de controlo do sistema, u'. Os conversores são comandados pelo computador através do
programa de controlo que determina também os instantes de controlo do sistema e de
amostragem da saída.
u' y
Sistema
relógio A/D
D/A
Computador y*
u*
Lei de controlo
Fig. 9.1: Controlo assistido por computador.
Na Fig. 9.1 existem sinais contínuos e sinais discretos: as variáveis u* e y* são variáveis
discretas porque só são válidas nos instantes determinados pelo relógio; y* é o sinal digital que
resulta da amostragem da variável contínua y(t), o que se representa na Fig. 9.2 (considerando
que a amostragem tem período T). Nestas condições, o sistema da Fig. 9.1 designa-se por
sistema amostrado.
O computador é versátil para a realização das leis de controlo, podendo ser programado para
realizar numericamente um controlo do tipo PID, por exemplo, ou para leis de controlo mais
elaboradas do que aquelas que são realizadas por circuitos analógicos. É o caso, por exemplo,
175
do controlo moderno que recorre à optimização de parâmetros (controlo óptimo) ou que inclui a
determinação dos ganhos de controlo em tempo real (controlo adaptativo). O baixo custo e a
capacidade de processamento dos microprocessadores e dos conversores A/D e D/A actuais,
tornam-nos ferramentas ideais para a realização de controladores com leis de controlo
complexas e, em particular, para os sistemas que envolvem um grande número de variáveis.
y(t)
y*(nT)
0 T 2T 3T 4T 5T 10T t
Fig. 9.2: Sinal amostrado y*.
O uso de variáveis discretas deu origem ao desenvolvimento de modelos matemáticos

diferentes daqueles que foram estudados nos capítulos anteriores. Por exemplo, os sistemas
dinâmicos contínuos são modelados por equações diferenciais e os sistemas discretos são
modelados por equações às diferenças. Por outro lado, a amostragem de sinais contínuos
acrescenta novos problemas, porque é necessário que ela não influencie o processamento dos
dados.
Neste capítulo, e como introdução ao controlo assistido por computador, refere-se o problema
da amostragem, os modelos, a análise e o controlo dos sistemas discretos e amostrados.
9.2 REPRESENTAÇÃO DE VARIÁVEIS DISCRETAS
Uma variável discreta só é definida para instantes bem determinados. Por exemplo, y* da Fig.
9.2 só é definido para os instantes t=nT com n=0, 1, 2, ... e sendo T o período da amostragem;
para os instantes em que n não é um número inteiro o sinal y* não é definido. Assim, y*
representa um trem de impulsos, cada um deles existindo em t=nT e cujas amplitudes são iguais
a y(nT).
Considere-se a função impulso unitário δ(t) definida por,
176
1, t = 0
δ (t ) =  (9.1)
 0, t ≠ 0
Tendo em conta (9.1), y* é dado por,
∞
y*=y(nT)=y(0) δ(t)+y(T) δ(t-T)+y(2T) δ(t-2T)+y(3T) δ(t-3T)+......= ∑ y ( nT ) δ ( t − nT ) (9.2)
n=0
Tendo em conta que a transformada de Laplace de δ(t) é igual a 1 e que a de δ(t-nT) é igual a
e −nTs , a transformada de Laplace de (9.2) é
∞
− Ts −2 Ts
Y *( s) = y ( 0) + y ( T ) e + y ( 2T ) e +.... = ∑ y (nT ) e − nTs (9.3)
n=0
O buffer do conversor A/D, a saída de D/A e o programa de controlo retêm o valor das
variáveis até que nova conversão ou novo processamento seja efectuado; por exemplo, no
intervalo [T, 2T[ a saída y é considerada igual a y(T); esta situação dá origem a uma
aproximação de y(t) por patamares, tal como se representa na Fig. 9.3.
y(t)
y*(nT)
0 T 2T 3T 4T 5T 10T t
Fig. 9.3: Aproximação por patamares de y(t) .
Considere-se a função escalão unitário h(t) definida por,
1, t ≥ 0
h(t ) =  (9.4)
 0, t < 0
Designe-se por y'(t) a aproximação por patamares de y(t) a partir dos impulsos y*. De acordo
com (9.4), o impulso rectangular de y'(t) no intervalo [T, 2T[ , representado na Fig. 9.4, é dado
por,
177
y ' (t ) t∈ [T , 2T [ = y (T ) [h(t − T ) − h(t − 2T )] (9.5)
y'(T)
0 T 2T t
Fig. 9.4: Impulso rectangular de y(t) no intervalo [T, 2T[.
Tendo em conta (9.4) e (9.5), y'(t) é dado por,
y ' ( t ) = y ( 0) h( t ) − h( t − T ) + y ( T ) h ( t − T ) − h( t − 2 T ) + y ( 2 T ) h( t − 2 T ) − h ( t − 3T ) +....... =
∞
= ∑ y (nT ) h(t − nT ) − h(t − (n + 1)T )
n=0
(9.6)
De acordo com (9.2) e (9.6) os sinais discretos são representados por uma série infinita de
impulsos ou de impulsos rectangulares; no entanto, dependendo da duração da amostra a série
é, por vezes, truncada para um número finito de impulsos. De qualquer forma, o efeito de
retenção, traduzido pelo impulso rectangular, pode ser considerado como sendo causado por
uma acção de filtragem.
Tendo em conta que a transformada de Laplace de h(t) é igual a 1/s e que a de h(t-nT) é igual a
e − nTs s , a transformada de Laplace de (9.6) é
∞
e − nTs − e − ( n +1) Ts 1 − e − Ts ∞
Y ' ( s) = ∑ y (nT ) = ∑ y ( nT ) e − nTs (9.7)
n=0
s s n=0
De (9.7) conclui-se que a transformada de Laplace do sinal constituído pelo trem de impulsos
rectangulares de duração T, y'(t), é igual à transformada de Laplace do trem de impulsos y*(nT)
multiplicada pela função de transferência
1 − e − Ts
H0 ( s ) = (9.8)
s
178
A equação (9.8) representa a função de transferência do filtro retentor (ou segurador) de ordem
zero; diz-se de ordem zero porque a aproximação é feita por patamares, isto é, porque em
qualquer intervalo [nT, (n+1)T[ verifica-se y'(t)= y'(nT), para ∀t∈[nT, (n+1)T[. Esta situação
está esquematizada na Fig. 9.5.
Y*(s) 1-e -sT Y'(s)

s
Fig. 9.5: Filtro retentor de ordem zero.
Existem, também, filtros retentores de ordens superiores mas não nos ocuparemos deles. Por
exemplo, num filtro de ordem um a aproximação é feita por uma rampa de declive a, isto é, no
intervalo [nT, (n+1)T[ verifica-se y'(t)= at, para ∀t∈[nT, (n+1)T[.
9.3 DISCRETIZAÇÃO DO MODELO DE ESTADO
O controlo dos sistemas dinâmicos contínuos pode ser feito com o auxílio de computadores,
segundo o processo esquematizado na Fig. 9.1. Se considerarmos que o sistema é representado
pelo modelo de estado contínuo,
x& = Ax + Bu (9.9a)
y = Cx + Du (9.164b)
as variáveis de estado de x, as variáveis de saída de y e as entradas no vector u são amostradas.

O período de amostragem é determinado pelo programa de controlo e pelo hardware utilizado;
admita-se que a amostragem de todas as variáveis envolvidas é periódica com período T.
Conhecidas condições iniciais x(0) e a entrada u(0), o vector de estado no instante T, x(T), pode
ser determinado pela fórmula de variação das constantes (7.22):
T
x(T ) = e AT
x(0)+ ∫ e A (T −τ ) B u(0) dτ (9.10)
0
O resultado de (9.10) pode ser generalizado para qualquer intervalo [nT, (n+1)T[; tendo em
conta (9.10) e (7.22), obtém-se,
179
( n +1)T
A (( n +1)T −τ )
x((n + 1)T ) = e AT x(nT )+ ∫e B u(nT ) dτ (9.11)
nT
O integral de (9.11) pode ser simplificado com a mudança de variável λ=(n+1)T-τ. Com esta
mudança é dτ=-dλ; os limites superior e inferior do integral são 0 e T, respectivamente; porque
B é constante e u(nT) é também constante no intervalo [nT, (n+1)T[ , (9.11) é equivalente a,
0
x((n + 1)T ) = e AT
x(nT )− ∫ e Aλ dλ B u(nT ) (9.12)
T
Por comodidade de escrita, representaremos x(nT) por x(n) e x((n+1)T) por x(n+1); de acordo
com (9.12), é
T
x(n + 1) = e AT
x(n) + ∫ e Aλ dλ B u(n) (9.13)
0
Atendendo a que e AT depende de T mas não depende de n, e que o mesmo se passa para o
integral da segunda parcela de (9.13), estes factores podem ser representados pelas matrizes
G(T) e H(T) seguintes:
G ( T ) = e AT (9.14)
T
H (T ) = ∫ e Aλ dλ B (9.15)
0
Tendo em conta (9.14) e (9.15), a equação (9.13) pode ser escrita como
x ( n + 1) = G ( T ) x( n) + H( T ) u ( n ) (9.16)
A equação (9.16) é a equação da dinâmica do modelo de estado discreto que foi obtido por
amostragem do modelo contínuo (9.9a). Com a mesma notação, a equação da saída do modelo
de estado discreto, correspondente a (9.9b), é
y( n) = Cx ( n) + D u ( n) (9.17)
Atendendo a (7.23), (9.14) e (9.15) são iguais a,
A 2 T 2 A 3T 3 A nT n
G ( T ) = Φ ( T ) = I + AT + + + ... + +... (9.18)
2! 3! n!
H ( T ) = e AT − I A −1 B (9.19)
180
Se T é muito pequeno em comparação com as constantes de tempo e os períodos dos modos

oscilatórios do sistema contínuo, a seguinte aproximação é válida;
G ( T ) ≈ I + AT (9.20)
H(T ) ≈ T B (9.21)
O modelo de estado discreto (9.16) e (9.17) pode ser representado pelo diagrama de blocos da
Fig. 9.6. Este modelo sugere um processo iterativo para a determinação das saídas y(nT) a partir
do conhecimento do estado no instante inicial, x(0) e das entradas u(nT).
u (n) x(n+1) x(n) y(n)

H (T) + atraso C +
T
G(T)
Fig. 9.6: Diagrama de blocos de um modelo de estado discreto.
Exemplo 9.1 _________________________________________________________________

Pretende-se determinar um modelo discreto para o modelo de estado seguinte (exemplo 7.3):
− 1 0  1
x& =   .x +  u y=[1 1] x (9.22)
 0 − 2 1
A frequência de amostragem deve ser superior ao dobro da maior frequência dos pólos do
sistema. Os valores próprios da matriz do sistema são -1 e -2, aos quais correspondem as
frequências 1/2π Hz e 1/π Hz. Então, considere-se a frequência de comutação 1/T= 10 Hz.
Como T<<1 s, adoptam-se as aproximações (9.20) e (9.21):
0,9 0  0,1
G (T ) = I + AT =   H (T ) = T B =  
 0 0,8 0,1
Com o programa para MATLAB seguinte obtiveram-se os diagramas temporais de y(nT) e y(t)
que estão representadas na Fig. 9.7. Como se pode verificar, a resposta discreta, y(nT), é uma
boa aproximação por patamares da resposta contínua y(t).
181
Fig. 9.7: Diagramas temporais: (a) y(nT); (b) y(t).
%explo 9.1 – para os diagramas temporais da Fig. 9.7

whitebg;
A=[-1 0; 0 -2];B=[1;1]; C=[1 1];
T=0.1;
G=eye(2)+a*T
H=B*T
subplot(211);dstep(G,H,C,0)
subplot(212);step(A,B,C,0)
end
Nota: deixa-se ao aluno a resolução do exemplo acrescentando mais parcelas a G(T) e a H(T),
segundo as séries de (9.18) e (9.19).
____________________________________________________________________________
Note-se que por efeito da discretização, a equação diferencial matricial de primeira ordem
(9.9a) se transformou numa equação matricial às diferenças de primeira ordem. Considere-se o
índice temporal n e a sequência de valores y(n) e u(n); uma equação linear às diferenças é
qualquer equação que se possa escrever na forma:
u ( n ) = bk −1u ( n − 1) +..... +b0u ( n − k ) + am y ( n ) + am −1 y ( n − 1) +...... + a0 y ( n − m) (9.23)
Se os coeficientes ai e bj são independentes de n, (9.23) é designada por uma equação às

diferenças de coeficientes constantes ou invariante no tempo.
182
Para clarificar este assunto, considere-se a definição de derivada como sendo o limite da razão
incremental,
df ( t ) f (t + T ) - f (t )
= lim (9.24)
dt T →0 T
Para valores de T pequenos, (9.24) pode ser aproximada por,
df ( t ) f ( t + T ) - f ( t )
≈ (9.25)
dt T
De (9.25) resulta a equação às diferenças
df ( t )
f (t + T ) = f (t ) + T (9.26)
dt
A aproximação de Euler (9.26), com t=nT e com a simplificação da notação, referida a

propósito de (9.12), pode ser escrita na forma de uma equação às diferenças (9.23):
df ( n )
f ( n +1) = f ( n ) + T (9.27)
dt
Considere-se, por exemplo, equação diferencial (9.28) com a condição inicial f(0)=0:
df ( t )
=2 (9.28)
dt
Tendo em conta (9.27), para t=nT e admitindo que T é muito pequeno, (9.28) pode ser
aproximada pela equação às diferenças,
f ( n +1) = f ( n ) + 2 T (9.29)
Utilizando (9.29) como uma fórmula de recorrência, obtêm-se os resultados da tabela seguinte:
f(0) f(1) f(2) f(3) f(4) .... f(n)

0 2T 4T 6T 8T .... 2nT
De acordo com estes resultados, a primitiva de (9.28) com a condição inicial f(0)=0 é
f(nT)=2nT, ou seja, f(t)=2t, como é sabido.
A equação às diferenças de ordem k tem a seguinte forma:
u ( n ) = a k y ( n + k ) + a k −1 y ( n + k − 1) + ...... + a0 y ( n ) (9.30)
183
Esta equação, se tiver coeficientes constantes, traduz uma combinação linear dos termos y(n+j).
A equação (9.30) representa um conjunto de infinitas equações, sendo cada uma delas obtida
para um valor de n. A solução de (9.30) consiste em determinar a sequência {y(n)}dada a
sequência {f(n)}. A resolução de (9.30) pode ser feita recursivamente de modo análogo ao que
foi feito para (9.29), desde que sejam conhecidas as k condições iniciais. Este processo pode ser
trabalhoso e assunto será tratado mais à frente. Se u(n)=0, a equação diz-se homogénea, à
semelhança do que passa com as equações diferenciais dos sistemas contínuos.
9.4 MODELO DE ESTADO DISCRETO
Um modelo de estado discreto invariante no tempo é representado na forma canónica seguinte,

com as dimensões análogas às do modelo contínuo (7.15):
x ( n + 1) = G x( n ) + H u ( n ) (9.31)
y( n) = Cx ( n) + D u ( n) (9.32)
O diagrama de blocos que o representa é aquele da Fig. 9.6. As condições iniciais x(0) e a
sequência u(n) para n≥0 são conhecidas. A solução para x(1) é
x (1) = G x( 0) + H u ( 0) (9.33)
A solução para x(2) é
x ( 2) = G x(1) + H u (1) = G 2 x( 0) + GH u ( 0) + H u (1) (9.34)
Se continuarmos o processo, a solução geral x(n) de (9.31) é
n −1
n − i −1
x ( n ) = G x ( 0) + ∑ G
n
H u (i ) (9.35)
i =0
Exemplo 9.2 _________________________________________________________________
Pretende-se determinar o estado x(n) e a saída y(t) do modelo discreto, considerando x(0)=0 e
com a entrada u(n)=1, ∀n≥0.
0.9 0  0.1
x& =   .x +   u y=[1 1] x
 0 0.8 0.1
Resolvendo (9.35), para diferentes valores de n, obtiveram-se os resultados da tabela seguinte.

Sugere-se que se comparem estes valores com aqueles que se obtêm do modelo de estado
contínuo do exemplo 9.1, com t=nT e considerando T=0,1 s.
184
n x1(n) x2(n) y(n)
0,1 0,1 0,2

2 0.19 0,18 0,37
5 0,41 0,336 0,746
10 0,651 0,446 1,097
20 0,878 0,494 1,372
30 0,958 0,499 1,457
_____________________________________________________________________________
No caso dos sistemas contínuos, transformaram-se equações diferenciais em modelos de estado.

Para os sistemas discretos também é possível obter-se um modelo de estado discreto a partir de
uma equação às diferenças. Como exemplo, considere-se a seguinte equação às diferenças:
y ( n + 2) = −0, 7 y ( n + 1) − 0,1 y ( n) + 2 u( n + 1) + u( n) (9.36)
À semelhança do que foi feito em (7.36), considere-se a seguinte mudança de variáveis:
x1(n)=y(n) (9.37a)
x2(n)=y(n+1)+Ku(n) (9.37b)
onde K é uma constante que será determinada para que se anule o termo de u(n+1). De (9.37b)
resulta,
x2(n+1)=y(n+2)+Ku(n+1) ⇔ y(n+2)=x2(n+1)-Ku(n+1) (9.38)
Substituindo (9.37) e (9.38) em (9.36), obtém-se,
x2 ( n + 1) − Ku ( n + 1) = −0, 7 x2 ( n ) + 0, 7 Ku ( n ) − 0, 1 x1 ( n ) + 2 u ( n + 1) + u ( n ) (9.39)
Para se anular o termo de u(n+1) faz-se K=-2 e simplifica-se (9.39):
x2 ( n + 1) = −0, 1 x1 ( n ) − 0, 7 x2 ( n ) − 0, 4 u ( n ) (9.40)
Com K=-2, de (9.37a) e (9.37b) obtém-se x2(n)=x1(n+1)-2u(n), ou seja,
x1(n+1)=x2(n)+2u(n) (9.41)
O sistema formado pelas equações (9.41) e (9.40) e a equação da saída (9.37a), formam um
modelo de estado para o sistema discreto modelado por (9.36):
 0 1   2 
x(n + 1) =   x( n) +   u ( n) y (n) = [1 0]x(n) (9.42)
− 0,1 − 0,7 − 0,4
185
em que o vector de estado é x(n)=[x1(n) x2(n)]'.
9.5 TRANSFORMADA Z
Para os sistema contínuos definiu-se a transformada de Laplace, através da qual, uma função do
tempo, f(t), é transformada numa função de variável complexa F(s). Para os sistemas discretos
define-se uma transformada semelhante chamada transformada Z (inicialmente foi designada
por transformada de Laplace discreta). Considere-se uma função do tempo discreta f(nT); a
transformada Z dessa função, F(z), é dada por
∞
Z[f(nT)]=F(z)= ∑ f ( nT ) z − n (9.43)
n=0
Comparando a equação (9.3) com (9.43), verifica-se que, se definirmos uma variável complexa
z = e sT , então Y*(s) em (9.3) é a transformada Z do trem de impulsos y(nT):
∞
−1 −2 −3
Y ( z ) = y ( 0) + y ( T ) z + y (2T ) z + y ( 3T ) z +..... = ∑ y (nT ) z − n (9.44)
n=0
Para que a transformada Z seja bem definida, considera-se que, tacitamente, há uma região do
plano complexo de variável z para a qual a série (9.43) converge.
Por comodidade de escrita, sendo y(n) um trem (ou sequência) de impulsos, a sua transformada
Z é escrita como,
∞
−1 −2 −3
Y ( z ) = y ( 0) + y (1) z + y (2) z + y ( 3) z +..... = ∑ y ( n) z − n (9.45)
n=0
À semelhança do que foi feito para os sistemas contínuos com a transformada de Laplace, a
transformada Z é tratada aqui como uma ferramenta para transformar uma função do tempo
discreta f(nT) na função de variável complexa F(z) com z = e sT ; tendo em conta a transformada
de Laplace da função atrasada, vide por exemplo (9.2) e (9.3), é comum designar a variável z
por operador avanço e z-1 por operador atraso. As transformadas Z de algumas funções mais
frequentes são dadas na tabela 9.1.
Algumas das propriedades desta transformada são apresentadas em seguida sem demonstração;
as demonstrações podem, por exemplo, ser consultadas em [4, 5, 6].
186
Propriedades da transformada Z
1. Propriedade do atraso
−k
Z f ( t − kT ) = z F ( z) (9.46)
2. Propriedade do avanço
k −1
Z f ( t + kT ) = z k F ( z ) − z k f ( 0) −..... − zf ( k − 1) = z k F ( z ) − ∑ f ( j) zk − j (9.47)
j =0
em que t=nT e os termos f(0), f(1), ...., f(k-1) são as condições iniciais.
3. Teorema do valor inicial
f ( 0) = lim F ( z ) (9.48)
z →∞
4. Teorema do valor final
z −1
f ( ∞ ) = lim F ( z) (9.49)
z →1 z
Um resumo das propriedades mais interessantes é dado na Tabela 9.2
Exemplo 9.3 _________________________________________________________________

Determinar a transformada Z do escalão unitário discreto, h(nT), representado na Fig. 9.8.
1, n ≥ 0
h(nT ) =  (9.50)
 0, n < 0
h(nT)
0 T 2T 3T 4T 5T nT
Fig. 9.8: Escalão unitário discreto.
187
Tabela 9.1: Transformadas Z
188
Tabela 9.2: Resumo das Propriedades da Transformada Z
Tendo em conta que impulsos da sequência de h(nT) têm todos valor um, e que o atraso entre
impulsos consecutivos é T, de acordo com (9.43) é
∞
−1 −2 −k
Z h ( nT ) = 1 + z +z +..... + z +.... = ∑ z−n (9.51)
n=0
(9.51) é igual à soma da série geométrica de razão z-1; no caso de |z-1|<1, a série é convergente
e a soma é
∞
1 z
∑ z−n = −1
=
z −1
(9.52)
n=0 1− z
E assim se demonstra a transformada 3 da Tabela 9.1.
Exemplo 9.4 ________________________________________________________________

Determinar a transformada Z de f ( nT ) = e − anT , n = 0, 1, 2 , .....
Tendo em conta (9.43), obtém-se

n
[ ]= 1+ z  e -aT 
∞
Ze -anT −1 -aT
e +z e − 2 -2 aT
+ .... = ∑   (9.53)
 
n =0  z 
189
e -aT
A razão da série (9.53) é ; para |z|>e-aT a soma da série é
z
n
∞  e -aT  z
∑  z  =
 z − e -aT
(9.54)
n =0  
E assim se demonstra a transformada 6 da Tabela 9.1.

____________________________________________________________________________
Atendendo a estes exemplos, compreende-se que a transformada Z só é bem definida quando

existe uma região do plano complexo z para a qual a série (9.43) é convergente. Generalizando
os resultados dos exemplos anteriores, a transformada Z da sequência de impulsos f(n)=rn, com
n=0, 1, 2, ...., é
Z [r ] = ∑  
∞ n
n r z
= (9.55)
z
n =0 z−r
desde que se verifique |r|<|z|.

De um modo semelhante, a transformada Z da sequência de impulsos f(n)=r-n, com n=0, 1, 2,....
e |r|>|z|, é
z
Z r −n = (9.56)
z − r −1
Com base na Tabela 9.1, é importante notar que as transformadas de Laplace e as transformadas
Z da mesma função do tempo são bastante diferentes, excepto no que diz respeito ao impulso
unitário. Todavia, e salvaguardando as propriedades atrás enunciadas, a transformada Z será
usada do mesmo modo que a transformada de Laplace para o caso dos sistemas contínuos.
Como exemplo, define-se agora uma função de transferência G(z) para os sistemas discretos, tal
como antes se definiu a função de transferência G(s) para os sistemas contínuos. Quanto à
obtenção da inversa da transformada Z existem diferenças importantes, em relação à
transformada de Laplace, e por isso se justifica a inclusão de um parágrafo sobre essa matéria.
9.6 TRANSFORMADA Z INVERSA
Geralmente, a transformada F(z) de uma função do tempo f(nT) é uma razão entre dois
polinónios de variável z. Trataremos agora dos processos que permitem obter a função do
tempo f(nT) a partir da transformada F(z). Estes processos são:
190
1. Recurso directo a uma tabela de transformadas Z;

2. Decomposição em fracções parciais e recorrer a uma tabela de transformadas Z;
3. Divisões sucessivas;
4. Transformação numa equação às diferenças.
O primeiro caso é em tudo análogo ao processo seguido para as transformadas de Laplace e, por
isso, não será aqui referido novamente.
O segundo caso também segue também as linhas gerais que foram apresentadas para as
transformadas de Laplace, mas existe uma diferença a assinalar. Admitiremos que o
denominador de F(z) esteja factorizado, de acordo com os seus pólos, à semelhança do que se
faz com as transformadas de Laplace. A decomposição em fracções parciais visa transformar
F(z) numa soma de transformadas mais simples que estejam listadas numa tabela. Porém, se
olharmos para a tabela 9.1, verificaremos que os numeradores das transformadas 3 a 15 têm
sempre um factor z; por este facto, é necessário que as fracções parciais de F(z) tenham também
o factor z em numerador. Para que isso seja possível, a decomposição em fracções parciais
incide sobre F(z)/z, em vez de ser feita directamente sobre F(z). No exemplo seguinte
clarificaremos este assunto.
Exemplo 9.5 _________________________________________________________________

Determinar a transformada inversa de (9.57):
z
F ( z) = 2 (9.57)
z − 3z + 2
As raízes do denominador são 1 e 2; F(z)/z pode ser escrita na forma,
F ( z) 1 A B
= = + (9.58)
z ( z − 1)( z − 2 ) z − 1 z − 2
em que
 1   1 
A= = −1 B= =1
 z − 2  z =1  z − 1 z = 2
Deste modo, obtém-se
F ( z) −1 1
= + (9.59)
z z −1 z − 2
A partir de (9.59) obtém-se a decomposição em fracções parciais de F(z) na forma conveniente

para ser utilizada com uma tabela de transformadas Z:
191
−z z
F ( z) = + (9.60)
z −1 z − 2
Utilizando a tabela 9.1, conclui-se que a primeira fracção corresponde à transformada 3 e a

− aT
segunda à transformada 6, neste caso com e = 2. Tendo em conta que na tabela é t=kT, a
transformada inversa que se pretende determinar, f(k), é
f ( k ) = −1 + 2 k (9.61)
A decomposição em fracções parciais e a tabela 9.1 permitem obter uma expressão algébrica
geradora da sequência de impulsos f(k), para qualquer k=0, 1, 2, ..... Como se verifica, excepto
no que toca à decomposição de F(z)/z, tudo o mais segue as regras expostas para o caso das
transformadas de Laplace dos sistemas contínuos.
O método das divisões sucessivas é particularmente útil para o cálculo numérico. Sendo F(z)
uma razão entre dois polinómios de variável z, o método consiste em dividir, sucessivamente, o
polinómio numerador pelo polinómio denominador. Admitindo que o grau do polinómio
denominador é superior ao do numerador, obtém-se um polinómio cociente cujos termos são
potências de z-1. Para exemplificar, considere-se a transformada (9.57); dividindo
sucessivamente o numerador pelo polinómio denominador, obtém-se F(z) com a forma de uma
soma de potências:
z
F ( z) = 2 = z −1 + 3z −2 + 7 z −3 + 15z −4 + 31z −5 +....... (9.62)
z − 3z + 2
Recorde-se a divisão dos polinómios:
z z 2 -3 z +2
-1
z -3 +2 z -5
z -1 +3z -2+7z -3+15 z -4+ 31 z +....
+3 -2 z -1
-1 -2
3 -9 z +6 z
-1 -2
7z -6 z
-1 -2 -3
7 z -21 z +14 z
-2 -3
15 z -14 z
.
.
.
_____________________________________________________________________________
Nota: a divisão pode ser feita em computador; como exemplo, apresenta-se a listagem de um
programa para MATLAB (divpol.m):
192
function divpol(num,den,parce);
% num/den até ao número de parcelas dado por parce+1
% grau de num <= grau de den
% num e den têm que ser dados com o mesmo número de elementos
% I - potência de z^-1
% coef - coeficiente de Z^-I
N=size(den,2);
resto=num;
for I = 0:parce,
[coc,resto]=deconv(resto,den);
I
coef=coc
for J = 1:N-1,
resto(J) = resto(J+1);
end
resto(N)=0;
end
Para correr o programa para efectuar a divisão (9.62), com cinco parcelas, dão-se as seguintes
instruções na janela de comandos do MATLAB: a=[0 1 0]; b=[1 -3 2]; divpol(a, b, 5).
_____________________________________________________________________________
F ( z ) = z −1 + 3z −2 + 7 z −3 + 15z −4 + 31z −5 +....... (9.63)
Tendo em conta (9.2), (9.46) e que a transformada Z do impulso unitário é 1, a transformada

inversa de (9.63) é
f(n)= δ(n-1) + 3 δ(n-2) + 7 δ(n-3) + 15 δ(n-4) + 31 δ(n-5) +...... (9.64)
As amplitudes dos impulsos em (9.64) são iguais às que se determinam a partir de (9.61).
Note-se que a divisão sucessiva não conduz a uma expressão algébrica para f(n), mas dá as
amplitudes dos impulsos que compõem a sequência f(n).
Um outro processo consiste em transformar uma função de transferência numa equação às

diferenças. Por exemplo, se (9.57) for a resposta de um sistema discreto a uma entrada, u(n),
escalão unitário discreto, então, de acordo com a Tabela 9.1 é
z
U ( z) = (9.65)
z −1
e (9.57) corresponde à resposta de um sistema discreto modelado por
1
F ( z) = U ( z) (9.66)
z−2
193
De (9.66) resulta,
zF(z)= 2F(z) + U(z) (9.67)
Tendo em conta a propriedade do avanço, (9.47), com condições iniciais nulas, de (9.67)
resulta,
f(n+1)= 2 f(n) + u(n) (9.68)
1, n ≥ 0
Sendo u(n) dada por u (n) =  , de (9.68) obtêm-se os seguintes valores de f(n):
 0, n < 0
f(0) f(1) f(2) f(3) f(4) f(5) f(6)

0 1 3 7 15 31 63
Como se verifica, as amplitudes dos impulsos f(n) são iguais às que se determinam a partir de
(9.61). Embora este processo também não conduza a uma expressão algébrica para f(n), a
determinação de f(n) é simples e (9.68) consiste numa fórmula de recorrência que permite
determinar, sequencialmente, as amplitudes dos impulsos que compõem a saída do sistema.
Exemplo 9.6 _________________________________________________________________

1, n par
Seja f(0)=-1, u(0)=0 e u (n) =  . Determinar os seis primeiros termos de f(n) do
0, n impar
sistema modelado por (9.66).
Exemplo 9.7 _________________________________________________________________

Considere a transformada (9.69):
0, 6 z 2
C( z) = 2 (9.69)
z − 1.8z + 0. 8
a) Por qualquer dos processos descritos, verifique que os primeiros termos de c(n) são:
c(n)= 0,6 δ(n) + 1,08 δ(n-1) + 1,464 δ(n-2) + 1,77 δ(n-3) +...... (9.70)
b) Verifique que c(∞)=3.

c) Verifique que c( n) = 3 − 2, 4 × 0, 8n .
d) Esboce o gráfico de c(n).
e) C(z) é a resposta de um sistema a uma entrada escalão unitário discreto. Qual é a função de
transferência do sistema ?
194
9.7 ESTABILIDADE
Definiu-se o operador avanço z = e sT ; atendendo a que a frequência complexa para os sistemas

contínuos é s=a+jω, a variável z é,
z = e sT = e aT e jωT = eaT (cos( ωT ) + jsen( ωT )) (9.71)
Quando ω varia de zero a infinito, (9.71) corresponde a uma circunferência de raio eaT com
centro na origem. Para a=0, é |z|=1 e quando ω varia de zero a infinito, (9.71) corresponde a
uma circunferência de raio 1. Para a<0, verifica-se |z|<1 e, quando ω varia de zero a infinito,
(9.71) corresponde ao interior da circunferência de raio unitário. Em conclusão, z = e sT
transforma o eixo imaginário do plano de Argand na circunferência de raio igual a 1; o semi-
plano esquerdo do plano de Argand (a<0) é transformado no interior da circunferência e o
semi-plano direito (a>0) é transformado na região exterior da circunferência . Esta
transformação é esquematizada na Fig. 9.9.
Esta transformação das regiões do plano tem evidentes implicações para o estudo da
estabilidade dos sistemas discretos: para que um sistema discreto seja assintoticamente estável,
os pólos da função de transferência G(z) devem estar localizados no interior do círculo unitário
(com centro na origem). Para que a estabilidade seja assintótica, os pólos não podem estar
localizados sobre a circunferência de raio um. Em resumo, se z é um pólo de G(z), para que o
sistema seja assintoticamente estável deve-se verificar |z|<1.
Im
Im
s=a+jω z
a<0
a>0
j
0 Re -1 0 1 Re
-j
Fig. 9.9: Transformação das regiões do plano complexo operada por z = e sT .
195
Para os modelos de estado discretos, os valores próprios da matriz do sistema (9.31) devem
estar localizados no interior da circunferência de raio um, |z|<1, para que o sistema seja
assintoticamente estável.
A localização dos pólos no plano z condiciona o comportamento dinâmico do sistema discreto.

Por exemplo, na Fig. 9.10 representam-se as respostas y(n) à entrada u(n) do tipo escalão do
sistema modelado por (9.72), em função dos pólos p1 e p2.
z
Y ( z) = U ( z) (9.72)
( z − p1 )( z − p2 )
Nos casos em que os pólos estão no interior do circulo unitário, os sistemas são estáveis e se
existem pólos complexos, então existem modos oscilatórios.
Exemplo 9.8 _________________________________________________________________

Esboce o gráfico de y(n) dado por (9.72) para u(n) do tipo escalão unitário, nos casos:
a) p1=0,4 e p2=-0,8;
b) p1,2=-0,4±j 0,8.
Fig. 9.10: Respostas à entrada escalão de (9.72) em função de {p1 p2}.
196
Tal como acontece nos sistemas contínuos, pode-se usar o critério de Routh para determinar se
existem pólos instáveis. Todavia, devido à transformação das regiões do plano que é imposta
por z = e sT , há que usar uma transformada homográfica, a qual pode ser definida por:
s +1
z= (9.73)
s −1
ou,
z +1
s= (9.74)
z −1
A transformação de variáveis (9.73) introduz uma mudança nos limites das regiões estáveis do
plano da Argand, porque quando s percorre o eixo imaginário, z descreve uma circunferência de
raio 1 em torno da origem, no sentido directo. Assim, para se usar o critério de Routh numa
equação P(z)=0, torna-se necessário, previamente, realizar a transformação de variáveis (9.73).
Para exemplificar, pretende-se determinar os valores K que tornam estável o sistema discreto
que tem a seguinte equação característica:
P ( z ) = z 2 + 3z + 0, 8 K = 0 (9.75)
s2 ( 4 + 0, 8 K ) + s( 2 − 1, 6 k ) + 0, 8 K − 2
P ( s) = =0 (9.76)
( s − 1) 2
Aplicando o critério de Routh ao numerador de (9.76), obtém-se
s 2 4+0,8K 0,8K-2
s 2-1,6K 0
1 0,8K-2
Para que o sistema seja estável, deve ser
4 + 0,8 K > 0  K > −5

 
 2 − 1,6 K > 0 ⇔  K < 1,25 (9.77)
0,8K − 2 > 0  K > 2,5
 
De acordo com (9.77) o sistema será instável para qualquer valor de K. Note-se que esta
conclusão pode ser obtida directamente a partir das soluções de (9.75),
197
2
z1,2 = −1, 5 ± 1, 5 − 0, 8 K
e tendo em conta que pelo menos uma das raízes está sempre fora do círculo unitário, qualquer
que seja K. Todavia, mesmo para polinómios de grau igual a dois, a conclusão não é sempre tão
fácil de obter e, nesses casos, deve-se aplicar o critério de Routh com a substituição de
variáveis (9.73).
Existem outros métodos que podem ser aplicados directamente ao polinómio P(z). Um deles,
que não necessita da transformação homográfica, é o critério de Jury [4]; no entanto, a
construção da correspondente tabela e a verificação das condições para a estabilidade são
morosos quando o grau do polinómio é superior a 3.
Para estudar a estabilidade dos sistemas com realimentação negativa, conhecida a função de
transferência em cadeia aberta, pode-se usar o diagrama de Evans (ou lugar geométrico das
raízes, Root-Locus), tal como foi descrito para os sistemas contínuos.
Exemplo 9.10 _______________________________________________________________

Um sistema discreto tem a transferência em cadeia aberta (9.78). Pretende-se determinar K para
que o sistema seja estável.
K ( z + 0, 7)
G ( z) H ( z) = (9.78)
( z − 1)( z − 0, 4)
O lugar geométrico das raízes da equação característica está representado na Fig. 9.11.
Im
K=0,857
K=0,065
K=5,535 0,667
-2,067 -0,7 0 0,4 1 Re
Fig. 9.11: Diagrama de Evans para o exemplo 9.10.
198
As regras para a construção da Fig. 9.11 são as apresentadas para os sistemas contínuos. Da
Fig. 9.11 conclui-se que o sistema torna-se instável para K superior a um valor crítico, Kcr. Para
a determinação de Kcr pode-se utilizar o critério de Routh: a equação característica do sistema é
1 + G ( z ) H ( z ) = ( z − 1)( z − 0, 4) + K ( z + 0, 7) = 0 (9.79)
Substituindo (9.73) em (9.79), e usando o critério de Routh, verifica-se que o sistema será
assintoticamente estável para K<0,857, isto é, Kcr= 0,857. Os pontos de bifurcação são
determinados pelo método que foi descrito para os sistemas contínuos: tendo em conta que
K ( z + 0, 7)
1 + G( z) H ( z) = 1 + (9.80)
( z − 1)( z − 0, 4)
resulta,
( z − 1)( z − 0, 4)
−K = (9.81)
( z + 0, 7)
Calculando os extremos de (9.81), resolvendo d ( − K ) dt = 0 , obtém-se z1=0,667 e z2=-2,067;

os correspondentes valores do ganho são K=0,065 e K=5,535.
9.8 RESPOSTA EM FREQUÊNCIA
As transformações (9.73) e (9.74) permitem fazer a transposição entre um filtro analógico

(contínuo) e um filtro digital (discreto). Sendo ωa e ωd as frequências dos filtros analógico e
digital, respectivamente, veremos como é possível transformar a resposta em frequência G(jωa)
em G(jωd). Se s=jωa e o operador avanço é z = e jω d T , de (9.73) resulta,
jω d T 1 + jω a
e = (9.82)
1 − jω a
1 + jω a
A equação (9.82) exige que se verifique arg(z) = arg , de onde se conclui,
1 − jω a
2
ωd = arctg ω a (9.83)
T
As respostas em frequência G(jωa) e G(jωd) são semelhantes, mas para diferentes valores da
frequência: quando ωa varia de -∞ a +∞, ωd varia de -π/T a +π/T; se ωa=1 rad/s, então ωd=π/2T
rad/s.
199
Exemplo 9.11 ________________________________________________________________

Pretende-se determinar a resposta em frequência discreta equivalente a
1
G ( s) = (9.84)
s +1
1 z +1 1 1
G ( z) = = = + (9.85)
z −1 2 z 2 2z
+1
z +1
Atendendo a que z = e jω d T , resulta
1 1 - jω d 1
G ( jω d ) = + e = (1 + cos(ω d T ) − jsen (ω d T ) ) (9.86)
2 2 2
Os diagramas de Nyquist de (9.84) e (9.86) estão representados na Fig. 9.12.
Note-se que de z = e sT resulta
1
s= ln z (9.87)
T
Im Im
s=jωa z =e jω dT
ωa =oo ωd = π
T
ωa =0 ωd =0
0 1 Re 0 1 Re
Fig. 9.12: Diagramas de Nyquist para o exemplo 9.11.
Expandindo ln z na série de potências,
 z − 1 1  z − 1 3 
ln z = 2  +   + ..... (9.88)
 z + 1 3  z + 1  
Considerando a aproximação à primeira parcela de (9.88), de (9.87) obtém-se
200
2 z −1
s≈ (9.89)
T z +1
Em vez de (9.74), usa-se frequentemente (9.89) como transformada homográfica (ou bilinear)
para a transformação de G(s) em G(z); esta transformação segue, em geral, os passos do
exemplo 9.11 e os detalhes e as diferenças podem ser encontrados, por exemplo, em [ ].
Note-se que as transformadas (9.74) e (9.89) transformam o eixo imaginário do plano s na
circunferência de raio 1 do plano z, independentemente do factor 2/T de (9.89): substituindo
z = e jω d T em (9.89) e aplicando as formulas de Euler, obtém-se
2  ωd T 
s = jω a = tg   (9.90)
T  2 
em que T é o período de amostragem.
Em (9.90), tal como em (9.83), para ωd=0 resulta ωa=0 e quando ωd varia de -π/T a +π/T, ωa
varia de -∞ a +∞. De outro modo, seja ωs=2π/T; quando ωd tende para ωs/2, ωa tende para +∞;
então, a linha 0≤jωa<jωs/2 do plano s é transformada na semicircunferência superior, de raio 1,
do plano z.
Tendo em conta a fórmula de Euler,
ω ω
z = e j2 πω / ω s = cos( 2 π ) + jsen( 2 π ) (9.91)
ωs ωs
com a transformação entre s=jω e z = e j2πω / ω s , a circunferência unitária vai sendo repetida
cada vez que ω=nωs e n=1, 2, ... e a metade superior da circunferência unitária que corresponde
à variação de ω desde 0 até ωs/2 é simétrica da metade inferior para ω=ωs/2 até ω=ωs. Por
outro lado, o diagrama polar de G(z) também se repete para as frequências que são múltiplas de
ωs e o troço de ω=0 até ω=ωs/2 é simétrico daquele desde ω=ωs/2 até ω=ωs. Assim sendo, para
traçar o diagrama de Nyquist de G(z) com z dado por (9.91), basta considerar ω pertencente ao
intervalo [0, ωs/2 ], tal como foi feito no exemplo 9.11, porque ωd=π/T=ωs/2.
A aplicação do teorema de Nyquist (vide §4.4) para o estudo da estabilidade dos sistemas
discretos segue os passos que foram enunciados para os sistemas contínuos no tempo, com a
diferença que se circunscrevem agora os pólos sobre a circunferência unitária na definição do
caminho de z: sendo G(z) a função de transferência em cadeia aberta, o número de voltas, N,
que o afixo de G(z) dá em torno do ponto (-1, 0) no sentido positivo, quando z percorre a
circunferência unitária, excepto no número finito de pólos de G(z) tais que |z|=1, é igual a
201
N=Z-P (9.92)
em que Z e P são, respectivamente, o número de zeros de 1+G(z) e o número de pólos de G(z)

no exterior do círculo unitário. Se o sistema é estável em cadeia aberta, então é P=0 e, para que
o sistema seja estável em cadeia fechada, deve-se verificar N=Z.
A análise da resposta em frequência dos sistemas discretos é mais trabalhosa, quando feita
analiticamente, do que a dos sistemas contínuos porque se tem que fazer a substituição (9.91).
Para funções de transferência mais complicadas do que (9.85), do exemplo 9.11, o melhor
processo consiste em usar-se um computador digital com o software adequado. Por exemplo,
podem-se usar as instruções DNYQUIST e DBODE no programa MATLAB. Note-se que,
nestes casos, deve-se dar também o período de amostragem T e ter em conta a repetição que se
verifica para ω=nωs e n=1, 2, ....
Exemplo 9.12 ________________________________________________________________
Usando o teorema de Nyquist, pretende-se estudar a estabilidade de um sistema com o período
de amostragem T=1 s e cuja função de transferência em cadeia aberta é,
0, 25K
G( z) = (9.93)
( z − 1)( z − 0, 5)
Em (9.93) é P=0 e para que o sistema seja estável em cadeia fechada deve ser Z=0, pelo que
não poderão existir voltas do afixo de G(z) em torno de (-1, 0), isto é, N=0.
Para o traçado do diagrama de Nyquist que está representado na Fig. 9.13, considerando K=1,
usou-se o seguinte programa para o MATLAB:
%explo 912.m
T=1;
W=0.1:0.01:pi/2;
num=0.25;
d1=[1 -1]; d2=[1 -0.5];
den=conv(d1,d2);
dnyquist(num,den,T,W); grid;
sistema será assintoticamente estável se K<2. Para K>2 será N=2 e o sistema é instável porque
existem então duas raízes de 1+ G(z)=0 no exterior do círculo unitário. Isto pode ser
confirmado pelo traçado do Root-Locus, acrescentando as seguintes linhas ao programa
anterior:
K=4; rlocus(K*num, den);zgrid;
202
Fig. 9.13: Diagrama de Nyquist para o exemplo 9.12, com K=1.
De acordo com o diagrama, com K=1, é N=0; dado que G(z) intersecta o eixo real em -0,5, o
Deixa-se a verificação do resultado e a determinação do Kmax através do critério de Routh (vide

§4.2). Sugere-se também a determinação dos diagramas de Bode de (9.93).
Determina-se, em seguida, a resposta em frequência do filtro retentor de ordem zero, (9.8):
1 − e − T jω 1 − cos( ωT ) + jsen( ωT )
H 0 ( jω ) = = (9.94)
jω jω
O módulo e o argumento de (9.94) são, respectivamente,
(1 − cos(ωT ) )2 + sen 2 (ωT ) 2 − 2 cos(ωT )

H 0 ( jω ) = = (9.95)
ω ω
π sen (ωT )
arg(H 0 ( jω ) ) = − − arctan (9.96)
2 1 − cos(ωT )
Tendo em conta que 2 sen2α = 1 − cos( 2α ) , (9.95) é equivalente a,
203
ωT ωT
2 sen sen
2 2
H 0 ( jω ) = =T (9.97)
ω ωT
2
Nas figuras 9.14 e 9.15 representam-se graficamente (9.97) e (9.96), respectivamente, em

função de ωT. Da Fig. 9.14 resulta que o retentor de ordem zero pode ser considerado como um
filtro passa-baixo cuja frequência de corte é, na prática, igual a ωs, porque para ωT>2π os
máximos locais são bastante menores do que T. Todavia, é claro que este filtro possibilita a
transmissão de sinais bastante acima de ωs, nomeadamente, para valores de ωT próximos de 4π
e de 6π. Refira-se também que, à medida que ω→2π, a fase tende para -π.
Fig. 9.14: Diagrama de |H0(jω)|.
204
Fig. 9.15: Diagrama de arg(H0(jω)).
A importância dos filtros retentores (hold) pode ser clarificada com a análise feita a seguir. A
amostragem de um sinal contínuo, f(t), pode ser considerada como a modulação de f(t) com um
trem de impulsos rectangulares p(t), o que se representa na Fig. 9.16, de tal forma que,
f*(t)=f(t)×p(t) (9.98)
onde p(t) é uma função de modulação periódica, constituída por um trem de impulsos unitários
rectangulares de duração τ, com período T.
f(t) p(t) f*(t)
0 t 0 t 0 t
τ T
Fig. 9.16: Modulação de f(t) com p(t).
Sendo p(t) um sinal periódico com frequência ω1=2πT, pode ser decomposto na série de
Fourier,
+∞
p(t ) = ∑ Pn e jnω1t (9.99)
n =−∞
em que, admitindo que não existem termos em senos,
nω1τ
+T / 2 sen ( )
1 τ 2
Pn = ∫ p (t ) e - jnω1t dt = (9.99a)
T −T / 2 T nω1τ
2
Note-se que p(t) é um sinal linear porque é aplicável o princípio da sobreposição. Aplicando a
transformada de Fourier a (9.98), obtém-se
F ( f (t ) Pn e jnω1t )
 +∞  +∞
F *( jω ) = F  f (t ) ∑ Pn e jnω1t  = ∑ (9.100)
 n = −∞  n=−∞
e porque Pn não depende do tempo, obtém-se
205
+∞ +∞
F *( jω ) = ∑ Pn F ( f (t ) e jnω1t )= ∑ Pn F ( jω + jnω1 ) (9.101)
n =−∞ n =−∞
Seja f(t) é um sinal de banda limitada a ωc, e F ( jω ) o espectro de f(t) representado na Fig.
9.17(a); de acordo com (9.101), F *( jω ) será o esquematizado na Fig. 9.17(b). A amostragem
produz um espectro com forma semelhante ao de f(t) (note-se que se n=0, F ( jω ) é
multiplicado por P0=τ/T), mais uma série de espectros adicionais periodicamente desfasados de
nω1. Dito de outro modo, a amostragem de um sinal desloca o seu espectro para todas as
frequências múltiplas da frequência de amostragem.
|F(j ω)| |F*(j ω)|
- ωc 0 ωc ω ω1 - ωc 0 ωc ω1 ω2 ω
ω1- ωc
(a) (b)
Fig. 9.17: Espectros dos sinais: (a) de f(t); (b) de f*(t).
Tendo em conta (9.99a), se τ→0, então Pn→τ/T; neste caso, todos os espectros tendem para o
mesmo valor máximo, a energia do sinal amostrado é largamente espalhada ao longo de toda a
gama de frequência, e o espectro de f*(t) é quase horizontal com uma pequena amplitude, τ/T.
No caso geral em que τ<<T, a largura de banda de f*(t) é muito larga, o que implica
dificuldades na transmissão do sinal, tanto mais que a energia é diminuta para todas as
frequências. Assim, o sinal amostrado não pode ser directamente usado em sistemas de
controlo.
Se não existir um espaço vazio entre as bandas da Fig. 9.17(b), isto é, se ω1≈ωc, os espectros
sobrepõem-se provocando uma distorção do sinal amostrado que não pode ser eliminada
eficazmente através de filtros. Se a frequência de amostragem for muito superior à máxima
frequência do espectro de f(t), isto é, se ω1>>ωc, pode existir um espaço vazio entre as bandas,
sendo então possível filtrar convenientemente os espectros de alta frequência que são criados
pelo processo de amostragem. Tendo em conta a Fig. 9.17, a amostrarem de f(t) não destrói
qualquer informação se ω1≥2ωc. Esta conclusão consiste no teorema da amostragem, de
Shannon, e 2ωc (a frequência de amostragem mínima) é designada por frequência de Nyquist.
206
Os filtros retentores, por exemplo (9.94), são filtros passa-baixo que se usam para recuperar o
sinal amostrado, embora seja de esperar alguma distorção, que será tanto mais importante
quanto mais próximas estiverem as bandas do espectro de f(t); o período de amostragem, T, em
(9.94) deverá ser T≤π/ωc.
9.9 MODELOS DE ESTADO E FUNÇÕES DE TRANSFERÊNCIA
No parágrafo 9.4 referiram-se os modelos de estado discretos e em (9.35) apresentou-se a

solução geral deste modelo. Determinaremos agora a solução do modelo de estado através da
aplicação da transformada Z.
Considere-se o modelo de estado discreto SISO invariante no tempo na forma canónica de

(9.31) e que aqui se repete com D=0,
x ( n + 1) = G x( n ) + H u( n) (9.102)
y ( n ) = Cx( n) (9.103)
Admite-se que as condições iniciais x(0) são conhecidas. Aplicando a transformada Z a (9.102),
tendo em conta a tabela 9.1, resulta,
z X( z ) − z x ( 0) = G X( z ) + H U ( z ) (9.104)
o que é equivalente a,
z I − G X( z ) = z x( 0) + H U ( z ) (9.105)
Admitindo de [zI-G]-1 existe, de (9.105) obtém-se,
−1 −1
X( z ) = z z I − G x ( 0) + z I − G H U ( z) (9.106)
Comparando (9.106) com (9.35) conclui-se,
{
G n = Z −1 z[zI − G ]−1 } (9.107)
∑ G n−i−1H u (i) = Z −1 {[zI − G ]−1 H U ( z )}

n −1
(9.108)
i =0
Aplicando a transformada Z a (9.103) e substituindo (9.106) no resultado, obtém-se
207
−1 −1
Y ( z) = z C zI − G x ( 0) + C z I − G H U ( z) (9.109)
Se as condições iniciais x(0) são nulas, de (9.109) resulta,
Y ( z) −1
= C zI − G H (9.110)
U ( z)
A equação (9.110) define a função de transferência do sistema com saída Y(z) e entrada U(z). A
estabilidade do sistema modelado por (9.102) depende dos valores próprios da matriz G, ou
seja, das soluções de z I − G = 0 : para que o sistema seja assintoticamente estável, os valores
próprios de G têm que estar no interior do círculo unitário.
A observabilidade e a controlabilidade definem-se também para os sistemas discretos
modelados por modelos de estado discretos. Não as referiremos neste capítulo porque são
iguais às que foram dadas para os sistemas contínuos no tempo; também os testes de
observabilidade e de controlabilidade são iguais. Salvaguardando as diferenças entre os
modelos de estado contínuos e discretos, e as impostas pela transformação z = e sT , no geral
mantém-se válido tudo o que foi exposto para os modelos de estado dos sistemas contínuos.
Nos parágrafos anteriores procuramos estudar o formalismo dos sistemas discretos, referindo as
principais semelhanças e diferenças em relação à teoria dos sistemas contínuos no tempo. As
principais diferenças são consequência da transformação entre as frequências complexas s e z e
dos diferentes domínios de estabilidade que lhes estão associados. Por sua vez, para a aplicação
dos computadores ao controlo é necessário amostrar os sinais contínuos; a frequência de
amostragem depende do espectro do sinal contínuo e aquela pode influenciar negativamente o
comportamento dinâmico e a estabilidade dos sistemas. Em particular, cria ruído porque
espalha o espectro do sinal contínuo para as frequências que são múltiplas da de amostragem.
Para recuperar os sinais amostrados torna-se necessário usar filtros passa-baixo e, nos sistemas
de controlo, usam-se os filtros retentores.
Os modelos matemáticos dos sistemas discretos são equações às diferenças, e modelos de

estado, aos quais se pode aplicar a transformada Z. Apesar destas diferenças, a análise dos
sistemas amostrados segue as linhas mestras da análise dos sistemas contínuos no tempo: o
comportamento dinâmico dos sistemas continua a ser dominado pelos pólos das funções de
transferência e para a análise da estabilidade e do comportamento dinâmico dos sistemas
discretos continua a usar-se a resposta em frequência, através dos diagramas de Bode e de
Nyquist, ou a resposta no plano z através do diagrama de Evans e critério de Routh, por
exemplo.
208
9.10 CONTROLO DOS SISTEMAS AMOSTRADOS
Existem quatro tipos de transmissão de sinais:

1- Analógico → analógico : sistemas contínuos no tempo;
2- Digital → digital : sistemas digitais;
3 - Analógico → digital : sistemas amostrados;
4- Digital → analógico : sistemas amostrados;
Os filtros analógicos e os sistemas contínuos, tratados na primeira parte dos apontamentos, são
exemplos do tipo 1; os modelos matemáticos são equações diferenciais, e modelos de estado, e
os sistemas podem, também, ser descritos através das funções de transferência. No tipo 2
incluem-se os sistemas lógicos e digitais, programáveis ou não, com processamento segundo a
lógica binária, de que são exemplo os circuitos lógicos, os computadores digitais, os autómatos
programáveis e os filtros digitais. Os sistemas amostrados incluem-se nos tipos 3 e 4; nestes
casos usa-se a amostragem e conversores de sinais A/D e D/A. Usam-se também os filtros
retentores (hold) de diversa ordem, sendo os mais simples os de ordem zero atrás referidos. Na
Fig. 9.18 esquematiza-se a amostragem de um sinal contínuo, y(t), o processamento digital do
sinal amostrado {yk} e a transformação da sequência discreta de sinais, {ik}, num sinal
contínuo, i*(t), por um filtro retentor, capaz de actuar um sistema contínuo no tempo com saída
c(t). O interruptor simboliza um amostrador ideal com período de amostragem T e admite-se
que ele contém o conversor A/D.
T
y(t) {yk } {ik } c(t)
processamento i*(t)
hold sistema
digital
Fig. 9.18: Sistema amostrado.
A modelação de um sistema completo como o da Fig. 9.18 será feita neste parágrafo. Para
ultrapassar a dificuldade criada pela existência, em simultâneo, de sinais contínuos e
amostrados, é conveniente reduzir o sistema completo a um modelo discreto equivalente. Os
sistemas amostrados em cadeia fechada, como aquele esquematizado na Fig. 9.1, podem ser
reduzidos a diversos diagramas de blocos que evidenciam a amostragem [1]; de entre eles, e no
restante texto, consideraremos que os sistemas amostrados podem ser reduzidos ao esquema da
Fig. 9.19. De acordo com este diagrama de blocos, consideraremos apenas o filtro retentor de
ordem zero e a amostragem, que inclui a conversão A/D, é representada pelo interruptor de
período T . O período de amostragem é dado ou é determinado em função da frequência dos
pólos de G(s).
209
controlo
T digital hold 0 sistema
R(s) E(s) E(z) U(z) U(s) Y(s)
D(z) 1- e-sT
s G(s)
Fig. 9.19: Diagrama de blocos do sistema amostrado em cadeia fechada.
Dada a existência, em simultâneo, de sinais contínuos e amostrados, convém reduzir o

diagrama de blocos da Fig. 9.19 ao modelo discreto equivalente representado na Fig. 9.20.
Para a determinação de Ge(z) considera-se
1 − e−
sT
G ( s)
Ge ( s) = G ( s) = (1 − e − sT ) (9.111)
s s
Tendo em conta que 1-esT=1-z-1, a transformada Z correspondente a Ge(s) é obtida através de
Ge ( z ) = (1 − z −1 ) Z * 
 G(s) 
 (9.112)
 s 
onde Z * designa a transformada Z correspondente a G(s)/s. Esta transformada determina-se
recorrendo à tabela 9.1. Para clarificar o procedimento apresenta-se o seguinte exemplo.
controlo sistema equivalente

digital
R(z) E(z) U(z) Y(z)
D(z) Ge(z)
Fig. 9.20: Diagrama de blocos do sistema discreto em cadeia fechada.
Exemplo 9.13 _____________________________________________________________

K
Pretende-se determinar a transformada Z de Ge(s), (9.112), quando G ( s) = .
s( s + a )
G ( s) K
= 2 (9.113)
s s (s + a)
Decompondo (9.113) em fracções parciais, resulta,
210
K  A2 A1 A3 
= K  + +  (9.114)
s 2 (s + a)  s2 s s+a
Tendo em conta as transformadas 3, 4 e 6 da tabela 9.1, obtém-se
A2 A1 A A2Tz Az A3 z
+ + 3 → + 1 + (9.115)
s 2 s s+a ( z − 1) 2 z − 1 z − e −aT
Tendo em conta (9.115) e (9.114), de (9.112) resulta finalmente,
z − 1  A2Tz Az A3 z 
Ge ( z ) = K + 1 +  (9.116)
z  ( z − 1)
2 z − 1 z − e −aT 
Note-se que a transformada Z correspondente ao produto G(s)H(s) não é igual ao produto das
transformadas Z individuais, isto é,
Z *{G ( s) H ( s)} ≠ G ( z ) H ( z ) (9.117)
Por outro lado, verifica-se que [1],
Z *{G ( s) H ( z )} = Z *{G ( s)}H ( z ) = G( z ) H ( z ) (9.118)
A passagem de (9.111) para (9.112) é justificada através de (9.118):
Z * (1 − e −sT ) G ( s)  = Z * (1 − z −1 ) G ( s)  = (1 − z −1 ) Z *  G ( s)  = z − 1 Z *  G( s) 

 s   s   s  z  s 
Uma vez obtida Ge(z), são válidas as mesmas relações para o esquema canónico dos sistemas
contínuos em cadeia fechada; nomeadamente, a função de transferência em cadeia fechada do
sistema da Fig. 9.19 é
Y ( z) D( z ) Ge ( z )
= F ( z) =
R( z) 1 + D( z ) Ge ( z ) (9.119)
e para o erro é
E ( z) 1
= (9.120)
R ( z ) 1 + D( z ) Ge ( z )
211
A função de transferência em cadeia aberta é G0 ( z ) = D( z ) Ge ( z ) e a equação característica do

sistema em cadeia fechada é 1 + D( z ) Ge ( z ) = 0. Os pólos de F(z) determinam a estabilidade do
sistema discreto e, tal como para os sistemas contínuos, a estabilidade pode ser estudada pelo
teorema de Nyquist e pelo Diagrama de Evans (vide §4.3), a partir do conhecimento de G0(z).
_____________________________________________________________________________
A lei de controlo de um sistema discreto é definida como uma relação entre a variável de
controlo e o erro,
u (n) = f (n, e(n) ) (9.121)
Em geral, a relação (9.121) é executada por microprocessadores ou computadores digitais. As

leis de controlo podem ser aproximações numéricas das acções PID dos sistemas contínuos,
mas os computadores abrem outras possibilidades que são estudadas, muitas delas, na moderna
teoria do controlo.
Nos sistemas contínuos, um regulador PID tem a seguinte função de transferência:
U ( s) K
= K P + I + KD s (9.122)
E ( s) s
Tendo em conta a tabela 9.1, para um sistema discreto o regulador PID pode ser caracterizado
por,
U ( z) K z z −1
= K P + I + KD (9.123)
E ( z) z −1 z
U ( z) z 2 K1 + zK 2 + K D
= D( z ) = (9.124)
E ( z) z ( z − 1)
com K1 = K P + K I + K D e K2 = − K P − 2 K D .
Transformando (9.124) numa equação às diferenças, obtém-se
u ( n + 2 ) − u ( n + 1) = K1e( n + 2 ) + K2 e( n + 1) + K D e( n ) (9.125)
ou
u ( n ) = u ( n − 1) + K1e( n ) + K2 e( n − 1) + K D e( n − 2 ) (9.126)
212
A realização de (9.126) através de um programa para computador é simples, sendo necessário

calcular o erro num instante da amostragem, a memorização da acção de comando no instante
anterior e dos erros dos dois instantes imediatamente anteriores. O programa será baseado na
sequência genérica:
n=x
1. lê a saída y(n) no porto de entrada
2. calcula o erro : e(n)=ref(n) - y(n)
3. determina o controlo : u(n)
4. envia u(n) para o porto de saída
5. actualiza os resultados:
u(n-1)=u(n)
e(n-2)=e(n-1)
e(n-1)=e(n)
n=n+1
A compensação por colocação de pólos segue os passos gerais que foram apresentados para os
sistemas contínuos no tempo.
Exemplo 9.14 ________________________________________________________________

Na Fig. 9.19, pretende-se regular a saída do sistema contínuo através de um regulador PID
discreto de tal forma que o sistema seja estável e exacto à entrada escalão. O período de
amostragem é T=0,5 s e a função de transferência do sistema a controlar é
s−2
G ( s) = (9.127)
s + 0, 8
Pode-se verificar que o sistema contínuo com regulador proporcional de ganho K é instável
para K>0,4 (deixa-se ao aluno a verificação deste resultado).
Aplicando (9.112), obtém-se
 s−2 
Ge ( z ) = (1 − z −1 ) Z *   (9.128)
 s ( s + 0,8) 
Decompondo em fracções parciais,
s−2 −2 , 5 3, 5
G1 ( s) = = + (9.129)
s( s + 0, 8) s s + 0, 8
213
e consultando a tabela 9.1, com T=0,5, resulta
 s−2 
G1 ( z ) = Z * 
z z
 = −2,5 + 3,5 (9.130)
 s ( s + 0,8)  z −1 z − 0,67
Substituindo (9.130) em (9.128) e simplificando o resultado, obtém-se
z − 1, 83
Ge ( z ) = (9.131)
z − 0, 67
Substituindo (9.131) e (9.124) em (9.119), obtém-se a função de transferência em cadeia

fechada para o sistema discreto da Fig. 9.20:
Y ( z) ( z 2 K1 + zK 2 + K D )( z − 1, 83)
= F ( z) = (9.132)
R( z) z ( z − 0, 67 )( z − 1) + ( z 2 K1 + zK 2 + K D )( z − 1, 83)
Aplicando o teorema do valor final a (9.132), para a entrada escalão unitário, obtém-se
( z 2 K1 + zK 2 + K D )( z − 1, 83)
y ( ∞ ) = lim =1 (9.133)
z →1 z ( z − 0, 67 )( z − 1) + ( z 2 K1 + zK 2 + K D )( z − 1, 83)
De (9.133) conclui-se que o sistema é exacto à entrada escalão unitário, como se pretende. Para
que o sistema seja estável, os pólos de (9.132) devem estar no interior do círculo unitário.
Porque o polinómio denominador de F(z) tem grau três, se pretendermos que os pólos de
(9.132) sejam p1, p2 e p3, o denominador de F(z) deve ser igual ao polinómio
T ( z ) = ( z − p1 )( z − p2 )( z − p3 ) =
3 2
(9.134)
= z − ( p1 + p2 + p3 ) z + ( p1 p2 + p2 p3 + p1 p3 ) z − p1 p2 p3
Desenvolvendo o denominador de F(z) e igualando a (9.134) resulta,
3 2 1, 83 K1 + K2 + 1, 67 K D + 1, 83 K2 + 0, 67 1, 83 K D
T ( z) = z − z +z − (9.135)
K1 + 1 K1 + 1 K1 + 1
214
 1,83K1 + K 2 + 1,67
 p1 + p 2 + p3 =
 K1 + 1
 K D + 1,83K 2 + 0,67
 p1 p 2 + p 2 p3 + p1 p3 = (9.136)
 K1 + 1
 1,83K D
 p1 p 2 p3 = K + 1
 1
Sejam, por exemplo, p1=0,7, p2=-0,7 e p3=0,5; resolvendo (9.136) com estes valores obtém-
se
 K P = −0,332 K1 = −0, 5363


 K I = −0,142 K2 = −0, 4561 (9.137)
 K = −0,062
 D
Convida-se o aluno a verificar destes resultados e a obter o gráfico da resposta, y(nT), em

cadeia fechada, para a entrada, r(nT), escalão unitário. Aconselha-se também a resolver o
mesmo problema para diferentes valores dos pólos p1, p2 e p3.
O exercício anterior exemplifica o problema da colocação de pólos quando se usam reguladores

com as acções PID. Por outro lado, é também possível determinar a lei de controlo que impõe a
resposta de um sistema segundo uma trajectória desejada. Resolvendo (9.119) em ordem a D(z),
resulta
Y ( z)
D( z ) = (9.138)
Ge ( z ) R ( z ) − Y ( z )
Se Y(z), R(z) e Ge(z) são conhecidas, de (9.138) resulta, imediatamente, a lei de controlo que
deve ser usada para se obter a resposta em cadeia fechada, y(nT), para a entrada r(nT).
O exemplo seguinte determina-se a ilustrar o processo para se obter um regulador digital que
modifica a resposta de um sistema, por forma a que ela coincida com uma trajectória desejada.
Exemplo 9.15 ________________________________________________________________

1
No sistema da Fig. 9.19 é G ( s) = e o período de amostragem T=80 ms. Pretende-se
s + 0, 43
determinar a lei de controlo digital, D(z) de tal forma que y(nT) seja exacta para entrada escalão
com uma constante de tempo τ = 250 ms.
Sendo G(s) a função de transferência de um sistema de primeira ordem, a saída y(t) desejada
será
215
t
−
0,25
y (t ) = 1 − e (9.139)
Através da tabela 9.1 obtém-se Y(z):
z z 0, 27 z
Y ( z) = − − 0 , 32
= (9.140)
z −1 z − e ( z − 1)( z − 0, 73)
Aplicando (9.112), obtém-se
 
Ge ( z ) = (1 − z −1 ) Z * 
s
 (9.141)
 s ( s + 0,43) 
Decompondo em fracções parciais e consultando a tabela 9.1, com T=0,08, seguindo o processo
de cálculo do exemplo anterior, resulta
0, 07
Ge ( z ) = (9.142)
z − 0, 97
Na Fig. 9.21, representa-se o diagrama de blocos do sistema discreto equivalente. Substituindo

(9.140) e (9.142) em (9.138), e tendo em conta que R ( z ) = z z − 1, resulta para D(z),
U ( z ) 3, 86( z − 0, 97)
D( z ) = = (9.143)
E ( z) z −1
R(z) E(z) U(z) Y(z)

D(z) Ge(z)
Fig. 9.21: Diagrama de blocos do sistema discreto em cadeia fechada.
Note-se que o pólo de D(z) em z=1 equivale à existência de um pólo na origem da função de
transferência em cadeia aberta dos sistemas contínuos e, por este facto, o sistema discreto será
também exacto à entrada escalão. Note-se ainda que o pólo de Ge(z) é cancelado pelo zero de
D(z). Transformando (9.143) numa equação às diferenças, obtém-se a lei de controlo que pode
ser realizada por um computador digital:
216
u ( n ) = u ( n − 1) + 3, 86 e( n ) − 3, 74 e( n − 1) (9.144)
Simulando o sistema discreto no programa MATLAB obteve-se a resposta apresentada na Fig.

9.22. O programa usado foi o seguinte:
%explo 9.15
Dnum=3.86*[1 -0.97];
Dden=[1 -1];
Gnum=0.07;
Gden=[1 -0.97];
[NUM,DEN] = series(Dnum,Dden,Gnum,Gden);
[NUMc,DENc] = cloop(NUM,DEN,-1);
dstep(NUMc,DENc);
∼τ= 0,25 s
T=0,08 s
xT
Fig. 9.22: Resposta y(nT) do exemplo 9.15.
RESUMO
Neste capítulo fez-se uma introdução ao controlo assistido por computador (controlo digital).
Analisou-se o problema da amostragem, referiram-se as equações às diferenças e estudaram-se
os modelos matemáticos dos sistemas discretos. Modelaram-se os sistemas amostrados e
introduziram-se as técnicas de análise dos sistemas discretos no domínio do tempo e no da
frequência complexa. Referiu-se a transformada Z e as suas propriedades. Referiram-se os
modelos de estado e as funções de transferência.
217
BIBLIOGRAFIA
[1] Francis Raven, Automatic Control Engineering, McGraw-Hill ISE. (*)
[2] Bernard Friedland, Control System Design: An Introduction to State-Space Methods,

McGraw-Hill ISE, 1987. (*)
[3] D'Azzo e Houpis, Linear Control Systems Analysis and Design: Convencional and
Modern, McGraw-Hill ISE. (*)
[4] Charles Phillips, Royce Harbor, Feedback Control Systems, Prentice-Hall IE, 1991.
[5] Benjamin Kuo, Digital Control Systems, Saunders College Publishing, 1992.
[6] Raymond Jacquot, Modern Digital Control Systems, Marcel Dekker Inc., 1995.
[7] Karl Astrom, Bjorn Wittenmark, Computer-Controlled Systems, Prentice-Hall IE, 1990.
[8] Katsuhiko Ogata, Modern Control Engineering, Prentice-Hall IE, 1990. (*)
[9] Katsuhiko Ogata, Designing Linear Control Systems with Matlab, Prentice-Hall, 1994. (*)
[10] Martin Healey, Principles of Automatic Control, Hodder and Stoughton, 1975. (*)
[11] Norman S. Nise, Control Systems Engineering, J. Wiley & Sons, 3ª edição, 2000.
[12] C. Gomez (INRIA, Ed.), Engineering and Scientific Computing with Scilab, Birkhäuser,
2000. (http://www-rocq.inria.fr/scilab/)
Notas:
( )
* - livros existentes na Biblioteca da ENIDH.
218

SDC Apont03 Muitoimportante

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

SDC Apont03 Muitoimportante

Enviado por

Direitos autorais:

Formatos disponíveis

Sistemas Dinâmicos e Controlo

José Dores Costa

Escola Náutica Infante D. Henrique

Os apontamentos estão divididos em duas partes: na Primeira, incluem-se os primeiros seis

Os capítulos 1 a 6 referem os aspectos principais da teoria clássica do controlo; os restantes

José Dores Costa

Bento de Jesus Caraça, Conceitos Fundamentais da Matemática.

4.3 LUGAR GEOMÉTRICO DAS RAÍZES (DIAGRAMA DE EVANS) .............. 78

7.6 OBSERVABILIDADE E CONTROLABILIDADE........................................... 145

Estes apontamentos são uma introdução à teoria do controlo; referem-se, principalmente, os

Como se verá, sistemas de natureza diferente (eléctricos, mecânicos, termodinâmicos, etc)

Seguidamente, estudar-se-á o projecto do controlo. Para isso é necessário medir, comparar e

Nesta disciplina, o estudo resume-se aos sistemas determinísticos, de parâmetros concentrados,

não lineares lineares

Fig. 1.1: Classificação dos sistemas.

As definições dos sistemas da Fig. 1.1 são, resumidamente, as seguintes:

Contínuos: as variáveis variam continuamente no tempo.

No capítulo 2 estudam-se os modelos matemáticos dos sistemas contínuos, no domínio do

No capítulo 3 estuda-se a aplicação da transformada de Laplace e estudam-se os modelos

No capítulo 4 estuda-se a estabilidade e referem-se diferentes métodos de análise deste

No capítulo 5 analisam-se as características dos sistemas em cadeia fechada, em particular,

No capítulo 6 estuda-se o problema do controlo clássico e os métodos de compensação.

Os capítulos 7, 8 e 9 constituem a segunda parte do curso que é normalmente ministrado em

MODELOS MATEMÁTICOS DOS SISTEMAS CONTÍNUOS

2.1 EQUAÇÕES DIFERENCIAIS

O estudo do comportamento dinâmico dos sistemas é feito a partir do modelo matemático. No

Estudar o comportamento dinâmico do circuito da Fig. 2.1(a) é responder á seguinte questão:

Os diagramas temporais de vC e de i estão representados na Fig. 2.1(c); RC é a constante de

onde m≤n e ai e Kj são constantes reais.

K0 + K1s + K2 s2 +... + Kn sn = 0 (2.6)

y ( t ) = A1es1t + A2es2t +..... + Anesnt (2.7)

em que A1, A2...An são constantes de primitivação.

em que b1, b2...bα são constantes de primitivação

em que B e ϕ são números reais, resultantes das constantes de primitivação.

b) Equações não homogéneas.

Considere-se a equação diferencial

2.2 EQUAÇÃO DIFERENCIAL DE 1ª ORDEM.

A partir de (2.13) escreve-se a equação característica

Tendo em conta (2.11), (2.15) e (2.16), a solução completa de (2.12) é

Finalmente, a constante de integração, A, é determinada a partir (2.17), tendo em conta que a

Substituindo (2.19) em (2.17) obtém-se o resultado final

2.3 EQUAÇÃO DIFERENCIAL DE 2ª ORDEM.

Uma equação diferencial de 2ª ordem pode ser representada por

Para se calcular a solução livre de (2.21) recorre-se à equação característica

K0s + K1s + K2 s2 = 0 (2.22)

As soluções de (2.22) são, genericamente,

Admitindo que β e ω0 não são negativos, as soluções (2.23) podem ser :

Admitindo que a solução livre é dada por (2.25), a solução completa é

Tendo em conta (2.31), a solução completa de (2.21) é dada por

e a solução de (2.21) é eternamente oscilante.

Fig. 2.2: Respostas típicas de um sistema de 2ª ordem.

Os sistemas de segunda ordem têm, frequentemente, respostas oscilatórias do tipo representado

Com ξ<1 e fazendo Y E = E / K 0 , a resposta y(t) é

Na equação (2.35), β é designado por factor de amortecimento. O parâmetro ξ é designado por

tan(ωt + ϕ ) = tan ϕ (2.36)

Fig. 2.3: Resposta de um sistema de segunda ordem com ξ<1.

ou, tomando como unidade o valor final YE,

O período das oscilações amortecidas, T, é

De (2.41) a (2.43) podem ser retiradas algumas conclusões:

Estudaram-se os sistemas de primeira e de segunda ordem através da resolução clássica das

2.4 EXEMPLOS DE SISTEMAS DE 2ª ORDEM.

A seguir, apresentaremos sistemas mecânicos e eléctricos que são exemplos de sistemas de

a) Sistema mecânico de translação