Escolar Documentos
Profissional Documentos
Cultura Documentos
Identificação e Controle Adaptativo PDF
Identificação e Controle Adaptativo PDF
Adaptativo
z Introdução.
z Noções básicas de
identificação.
z Modelos de processos de
ordem reduzida e complexos.
z Métodos clássicos para
modelagem de processos.
z Identificação de sistemas via
equação a diferenças.
z Identificação de sistemas via
2 relé.
Cap. 1 - Introdução
z Sistema.
z Elementos de um sistema de controle.
z Modelagem e identificação.
z Descrição de sistemas: modelos contínuos.
– Exemplos de modelagem por leis da física.
z Descrição de sistemas: modelos discretos:
– exemplos de modelagem discreta.
– exemplos de modelagem por análise
experimental.
3
Conceito de sistema
4
Classificação dos
sistemas dinâmicos
5
Classificação dos
sistemas dinâmicos
6
Sistema
em controle
Sensor(es)
7
Porquê controlar os sistemas?
z Exemplos de sistemas:
– papel e celulose.
– solar e de potência.
– servomecanismo de posição.
– biológico e econômico.
– manipulador robótico.
– Reator.
– coluna de destilação.
– trocador de calor.
– laminação e cerâmica.
9
Principais elementos de
um sistema de controle
10
Problemas de controle
(i) Análise:
z Conhecido
─ entrada: u(.)
─ sistema: h(.)
(ii) Projeto:
z Conhecido
– sistema: h(.)
– saída desejada: y(.)
12
Problemas de controle
(iii) Identificação:
z Conhecido
– entrada: u(.)
– saída: y(.)
z Obter o sistema: h(.)
– onde y(.) é a saída do sistema real (medida)
ŷ(.) é a saída estimada.
13
Modelo matemático
Definição:
“O modelo matemático de um sistema é definido
como um conjunto de equações usado para
representar um sistema físico” Dicionário do IEEE.
14
Modelagem e identificação
Objetivo:
– prever o futuro de um modo científico.
– não é mágica!
15
Modelagem e identificação
– Diagnóstico.
– Supervisão.
– Otimização.
– Controle.
16
Modelagem e identificação
Sistema
Leis da Identificação
Física de sistemas
Modelo
17
Modelagem e identificação
z Análise física-matemática:
Baseia-se nas leis da Física que caracterizam um
sistema particular como as leis de conservação de
massa, energia e momento.
z Análise experimental:
Baseia-se nas medidas ou observações do
sistema.
18
Princípios para construção
de um modelo matemático
19
PROCESSO
Método de
Identificação
Princípios para construção
de um modelo matemático MODELO
z Previsão:
21
Propósitos para construção
de um modelo matemático
z Supervisão:
23
Propósitos para construção
de um modelo matemático
z Otimização:
25
Modelos contínuos x modelos
discretos
26
Descrição de sistemas:
modelos contínuos
28
Função de transferência contínua
H ( s) = B( s)
A (s)
m n
B(s) = ∑ b js j ; A (s) = ∑ a i si
j= 0 i=0
29
Resposta impulsiva contínua
−1
H ( s) = c(sI − A ) b
A é a matriz do sistema (nxn), b é o vetor de entrada (nx1) e c é o
vetor de saída (1xn). As equações de estados são:
x ( t ) = Ax( t ) + bu( t )
y( t ) = cx( t )
x(t) o vetor de estados (nx1), u(t) a entrada e y(t) a saída.
31
Exemplo de modelagem por
leis da Física
dy( t )
i( t ) = C dt
R: resistência; L: indutância, C: capacitância,
32 u(t): tensão de entrada; y(t): tensão de saída.
Exemplo de modelagem por
leis da Física
Funções de transferência
Y(s) 1
=
U(s) LCs2 + RCs + 1
X(s) 1
=
F(s) Ms2 + Bs + K
34
Exemplo numérico
X(s) 1
=
F(s) Ms2 + Bs + K
0.1
0.09
0.08
0.07
0.06
Amplitude
0.05
0.04
0.03
0.02
0.01
0
0 1 2 3 4 5 6
Time (sec.)
37
Função de transferência
dw ( t )
J + Bw ( t ) = Tm ( t )
dt
Tm ( t ) = K a i( t )
e a ( t) = K b w( t)
di( t )
L + Ri( t ) + e a ( t ) = v( t )
dt
39
Representação matemática de um
motor DC controlado por armadura
Função de transferência
W(s) Ka
=
V(s) (Js + B)( Ls + R ) + K a K b
40
Representação matemática do
sistemas mono-tanque
v( t ) = 2gh( t )
g é a aceleração da gravidade.
42
Representação matemática do
sistemas mono-tanque
q ( t ) = av( t )
z O volume de líquido no tanque, em um instante t, é calculado
por:
Ah( t ) , ( m3 )
43
Representação matemática do
sistemas mono-tanque
dAh( t )
= − q ( t ) + u( t )
dt
z Com as equações de v(t) e q(t) obtém-se a equação
diferencial não-linear para o nível do líquido, ou seja,
dh( t ) −a 2g 1
= h( t ) + u( t )
44 dt A A
Representação matemática do
sistemas mono-tanque
q ( t ) = a 2g h( t )
45
Descrição de sistemas:
modelos discretos
46
Função de transferência discreta
H ( z) = Y ( z )
U ( z)
47
Função de transferência discreta
m n
B d (z) = ∑ b dj z j ; A d (z) = ∑ a id z i
j= 0 i =0
48
Resposta impulsiva discreta
h( t ) = Z −1[ H ( z)]
49
Resposta impulsiva discreta
h(t) =
1
[s( t ) − s( t −1)]
Ts
t
s ( t ) = ∑ h (i )
i =0
50
Equações de estado discreta
d -1
(
H(z) = c zI - A ) bd
54
Exemplos de modelagem discreta
Y( z) Ts z
=
U( z) ( RC + Ts ) z − RC
y( t + 1) = θ∗ y( t ) + u( t )
θ : parâmetro desconhecido e
∗
ŷ( t +1) = θˆ y( t )+ u ( t )
θ̂ : estimativa de θ
∗
58
no parâmetro estimado θ̂
Exemplo de modelagem por análise
experimental
e( t ) = y( t ) − ŷ( t )
e( t ) = θ ∗ y( t − 1) − θˆ y( t − 1) = y( t ) − u ( t − 1) − θˆ y( t − 1)
60
Exemplo de modelagem por análise
experimental
61
Exemplo de modelagem por análise
experimental
Matlab:
% Estimador do parâmetro da planta da equação (1.28)
y(1)=0; u(1)=0; soma1=0; soma2=0;
for i=2:30 % Obter medidas
u(i)=1; y(i)=0.9*y(i-1)+u(i-1);
end
for k=1:30 % Estimar parâmetro
soma1=soma1+y(k)*(y(k+1)-u(k));
soma2=soma2+y(k)^2;
teta(k)=soma1/soma2;
end
t=1:30
62 plot(t,teta(t));
Sistema de controle digital
(discreto)
Controle digital
flexibilidade na realização do controlador
(programa de cálculo) .
possibilidade de controle dinâmico associado a
decisão lógica.
multiplexagem no tempo (servindo diversas
malhas de controle) .
63
Sistemas de controle digital
(discreto)
64
Sistemas de controle digital
(discreto)
i) amostragem.
ii) quantificação ↔ resolução do conversor A/D.
iii) equações a diferença (equações adaptadas ao cálculo por
computador).
iv) processamento numérico com precisão de cálculo finita.
v) tempo de conversão + tempo de cálculo (no controle
analógico é praticamente instantâneo).
65
Estabilidade
66