Automação da discretização de controladores PID e filtros digitais
Carlos Noel Moreira1 e Fernando Silvestre da Silva2
1Graduado em Engenharia de Automação e Controle, cnoel.moreira@gmail.com,
2
Doutor em Engenharia Elétrica, UNISAL, fernando.silva@sj.unisal.br
Resumo - Os objetivos deste trabalho são analisar e
automatizar o processo de discretização pelo método da
transformação bilinear, bem como desenvolver um
algoritmo que emule sistemas lineares, filtros e
controladores de tempo discreto. O método da
transformação bilinear permite transformar uma função
de transferência no domínio de Laplace e de tempo
contínuo em uma função de transferência de tempo
discreto, o que torna possível o uso de técnicas já
desenvolvidas para sistemas analógicos em sistemas
digitais microprocessados. A eficiência da
transformação bilinear e dos algoritmos desenvolvidos
é comprovada através de simulações no software
MATLAB® e implementação em um Processador Digital
de Sinais (DSP). As respostas obtidas foram
comparadas com a resposta teórica ideal e foram
obtidos resultados com valores de MSE (Mean Squared
Error) em torno de 0,3732∙10-6 e de SNR (Signal-to-
Noise Ratio) de aproximadamente 122,4638 dB.
Palavras-chave: Controlador PID, discretização, filtro
de Butterworth, transformação bilinear.
Abstract - The objectives of this paper are to analyze
and automate the discretization process using the
bilinear transformation method and to develop an
algorithm that emulates linear systems, filters and
discrete-time controllers. The bilinear transformation
method allows to describe a continuous time transfer
function in Laplace domain in a discrete-time transfer
function, which makes possible to apply the techniques
already developed for analog systems for
microprocessor digital systems. The efficiency of the
bilinear transformation and the proposed algorithms is
demonstrated through simulations in MATLAB and
implementation in a DSP board. The responses were
compared to the ideal theoretical response and results
were obtained Mean Squared Error values around
0,3732∙10-6 and SNR of 122.4638 dB approximately.
Keywords: PID controller, discretization process,
Butterworth filter, bilinear transformation.
I. INTRODUÇÃO
Atualmente a área de automação e controle de
processos em quase sua totalidade é baseada em
equipamentos eletrônicos microprocessados, que por
serem do tipo digital trabalham em tempo discreto.
Entretanto, a maioria das especificações, projetos e
©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
análise de comportamento dos processos, sistemas e
plantas são feitas em tempo contínuo. Assim o objetivo
é abordar toda essa análise feita em tempo contínuo
como também os passos necessários para migração e
implementação no tempo discreto.
Para tanto, são apresentados aqui resumidamente a
definição do que é um sistema de tempo contínuo, sua
representação matemática por meio de uma função de
transferência no domínio de Laplace e como é analisada
a resposta do sistema após um estímulo do tipo degrau
unitário, buscando através deste procedimento
informações sobre suas características e estabilidade.
A teoria sobre filtros também é abordada desde o
critério usado para a sua classificação até as técnicas
usadas para o projeto dos filtros. Detalhes de
especificação, como tolerâncias de banda e resposta em
frequência e o todo o cálculo envolvido no projeto de
um filtro de Butterworth estão incluídos no trabalho.
Na área das aplicações em controle de processos, são
apresentados os controladores PID, fundamentais na
automação e controle. Há um breve resumo de todas as
ações de controle e como os seus parâmetros
contribuem para o controle e estabilidade de um
sistema.
Para o processo de discretização, que consiste na
transformação de um sistema em tempo contínuo em um
sistema de tempo discreto, foi adotado o método da
transformação bilinear [1].
Por fim todos os fundamentos e algoritmos tratados
neste trabalho são comprovados através de simulações
computacionais feitas no software MATLAB® e por
implementação em um microprocessador.
II. CONCEITOS BÁSICOS
A. Sistemas
Um sistema pode ser definido como um conjunto de
componentes físicos ou não, que ao se aplicar um
estímulo ou sinal, responde através de outro estímulo ou
sinal [2].
Portanto, podem existir sistemas mecânicos, térmicos,
elétricos, químicos e biológicos, como também sistemas
financeiros e computacionais. Porém, mesmo com um
universo de sistemas geralmente é possível representá-
los matematicamente, o que facilita o seu estudo.
É comum analisar os sistemas por meio das suas
respostas obtidas após a aplicação de estímulos. Assim,
dois tipos de função de estímulo ajudam a fornecer
informações e características importantes dos sistemas.
São elas a função impulso e degrau unitário [3]. Estas Figura 1 – Resposta em frequência e especificações do filtro IIR.
funções são fundamentais para a elaboração do modelo
matemático do sistema, bem como no estudo de sua
estabilidade [3]. Elas também permitem encontrar
parâmetros como a constante de tempo de sistemas de 1ª
ordem, que é definida como o tempo que o sistema
demora a atingir aproximadamente 63,2% do valor final
de um degrau unitário aplicado em sua entrada [3]. Para
sistemas de 2ª ordem, a frequência natural, que é a
frequência que um sistema com coeficiente de
amortecimento nulo oscila após um estímulo [3]; e a
frequência natural amortecida, que é a frequência que
um sistema de 2ª ordem com coeficiente de
amortecimento maior que 0 e menor que 1 oscila após
um estímulo, havendo atenuação da oscilação ao longo
do tempo, ou seja, a oscilação tende a desaparecer
devido ao amortecimento [3]. Fonte: Retirado de [1].

B. Filtros digitais A ordem de um filtro está diretamente ligada à banda

Os filtros são sistemas utilizados para selecionar uma de transição e as tolerâncias adotadas no projeto, pois
ou mais características de um sinal [1]. Tais sistemas quanto menores forem estes valores, maior será a ordem
possuem muitas utilidades, entretanto a mais comum do filtro e consequentemente a sua resposta estará mais
delas é seu uso na recuperação de sinais distorcidos por próxima a de um filtro ideal [1].
ruídos. Os filtros podem ser analógicos (de tempo C. Controladores
contínuo) ou digitais (de tempo e amplitude discretos). O controlador é um dispositivo, componente ou
O presente trabalho aborda somente filtros digitais. sistema que busca estabilizar e manter um processo,
Há duas classes de filtros digitais e o critério adotado planta ou sistema em certa condição desejada, agindo
para tal classificação depende da resposta ao impulso (𝑐(𝑡)) segundo um sinal de erro (𝑒(𝑡)) baseado na
ser ou não ser finita [1]. Portanto quando a resposta ao diferença entre o valor de referência para resposta
impulso do filtro é finita, o mesmo é classificado como
desejada (𝑟(𝑡)) e a resposta real do sistema (𝑦(𝑡)) [4],
do tipo FIR (Finite Impulse Response), caso contrário conforme mostra a Figura 2.
ele é classificado como do tipo IIR (Infinite Impulse
Response) [1]. Figura 2 – Sistema de controle em malha fechada.
Antes de projetar-se um filtro é fundamental conhecer
alguns conceitos. O primeiro deles é a banda de
passagem (Ωp), que pode ser definida pela faixa de
frequências que o filtro não atenua [1]. Já a banda de
rejeição (Ωs) é o inverso, ou seja, é a faixa de
frequências que o filtro atenua ou simplesmente rejeita Fonte: Retirado de [4].
[1]. A frequência de corte (Ωc) é a frequência em que o
Os controladores surgiram da necessidade de algo
filtro atenua um sinal de maneira que o mesmo sofre a
que realizasse uma ação ou trabalho de forma
perda de pelo menos a metade de sua potência [1]. A
automática [5]. Há aplicações do período da Grécia
Figura 1 ilustra estes conceitos.
Antiga, como os reguladores de bóia usados em relógios
Em um filtro ideal, a transição entre a banda de
de água. Inventores da época como Ktesíbios e Heron
passagem e banda de rejeição é caracterizada por uma
de Alexandria desenvolveram muitas aplicações nessa
descontinuidade, algo impraticável de ser realizado [1].
área [5].
Porém, mesmo que ocorram pequenas distorções na
Na idade moderna as máquinas a vapor, que eram
resposta do filtro (H(Ω)) é possível substituir esta
alvos de estudo também impulsionaram o
descontinuidade por uma banda de transição, que
desenvolvimento dos controladores, pois era necessário
consiste em uma função contínua responsável pela
controlar variáveis como temperatura e pressão para
interligação entre a banda de passagem e a banda de
viabilizar a construção e o funcionamento das mesmas
rejeição [1]. As distorções causadas pela banda de
[5]. No entanto, o que marca o início do uso de
transição podem ser limitadas se forem consideradas
controladores na indústria é o regulador de esferas de
durante a especificação do filtro. Portanto, os
James Watt, utilizado no controle de velocidade dos
parâmetros utilizados para tal são chamadas de
motores a vapor das fábricas do período da revolução
tolerância da banda de passagem (δp) e tolerância da
industrial [5]. Grandes nomes como James C. Maxwell,
banda de rejeição (δs) [1].
Harry T. Nyquist, Hendrik W. Bode, Harold S. Black,

©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
John G. Ziegler, Nathaniel B. Nichols e Norbert Wiener 1
são responsáveis pelo modelo hoje adotado no que se H ( z)  2
 2  1  z 
1
 2  1  z 1  
    2  
refere a controle [5].  T 1 z  

  T 1  z 1    1
     
1

D. Discretização
T 2 1  z 1 
2

A invenção do transistor causou grandes revoluções H ( z) 

41  z 1   4T 1  z 1 1  z 1   T 2 1  z 1 
2 2
na eletrônica, pois possibilitou o desenvolvimento de
inúmeros aparelhos e dispositivos que invadiram não só
o ambiente doméstico como também a indústria. Com a para
miniaturização dos transistores surgiram os circuitos T 2 1  z 1 
2

H ( z) 
41  z   4T 1  z 1 1  z 1   T 2 1  z 1 
integrados, algo que agrupa circuitos inteiros em 1 2 2

tamanho microscópico num só componente. Logo T 1

vieram os microprocessadores que possibilitam um 1  2 z 1  z 2

H ( z)  (3)
incontável número de aplicações, visto que seu 9  6 z 1  z 2
funcionamento é baseado em uma série de instruções e
operações que este componente pode realizar de Entretanto, o que deve ser implementado no
maneira programada. Assim, sistemas eletromecânicos e microprocessador é a equação de diferenças da função
eletrônicos analógicos foram aos poucos substituídos de transferência de tempo discreto. Neste processo é
por sistemas microprocessados, que além de menores, necessário o uso da transformada z inversa. Por
são mais precisos e possibilitam uma maior exemplo, se
flexibilidade de ajuste. z  k X ( z )  x[n  k ] (4)
Quando um sistema, filtro ou controlador deve ser
e
implementado através de um microprocessador é
X ( z)
necessário trabalhar no tempo discreto, já que este H ( z)  (5)
componente realiza operações com dados em formato Y ( z)
binário e por amostragem, pois a execução de suas Y ( z)  X ( z) H ( z) (6)
tarefas depende de um trem de pulsos intermitente então
denominado clock ou relógio. Y ( z )  X ( z ) H ( z ) H ( z ) 1 2 z 1  z 2
É comum projetar todo o sistema, filtro ou 9  6 z 1  z  2

controlador no tempo contínuo e depois realizar sua 9Y ( z )  6 z Y ( z )  z Y ( z )  X ( z )  2 z 1 X ( z )  z 2 X ( z )

1 2

transformação para o tempo discreto [1]. A esse

processo de transformação dá-se o nome de
x[n]  2 x[n  1]  x[n  2]  6 y[n  1]  y[n  2]
discretização. Há variadas maneiras de fazer esta y[n] 
transformação, no entanto a técnica escolhida para este 9
trabalho foi a da transformação bilinear, visto que a y[n]  0,111x[n]  0,222 x[n  1]  0,111x[n  2]
(7)
mesma não causa distorções por sobreposição de  0,666 y[n  1]  0,111y[n  2]
espectro (aliasing) na resposta de um sistema Para uma melhor compreensão também é possível
discretizado [1]. A transformação bilinear consiste em repesentar a equação de diferenças em diagrama de
substituir o s de Laplace na função de transferência por blocos, como ilustra a Figura 3.
[1]:
2  1  z 1  III. ANÁLISE DO MÉTODO
s   
T  1  z 1 
(1)
A tranformação bilinear apesar de ser uma ferramenta
poderosa exige alguns cuidados, pois existem algumas
em que: limitações que devem ser respeitadas, como também
uma prévia análise das condições que o sistema a ser
𝑇 = Período de amostragem [s]. discretizado estará sujeito para então ser possível obter
resultados satisfatórios através deste método.
Realizando essa substituição encontra-se então a
função de transferência de tempo discreto equivalente
ao sistema de tempo contínuo que se deseja transformar.
Por exemplo, se
1
H ( s)  2 (2)
s  2s  1

então:
H ( z )  H ( s) s  2  1 z 1 
T  1 z 1 
 

©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
 Figura 3 – Diagrama de blocos da Equação 7. Figura 5.– Círculo unitário em função da constante de
amortecimento.

Fonte: Elaborado pelos autores.

Assim sendo, é essencial que os polos da função de

transferência de tempo discreto estejam contidos na
região de convergência do plano z formada por um
círculo unitário, conforme mostra a Figura 4, pois esta Fonte: Retirado de [6].
condição está diretamente ligada à estabilidade do
Segundo Ogata, para evitar que os sistemas de tempo
sistema, visto que o interior deste círculo representa o
discreto em malha fechada apresentem uma resposta
semi-plano esquerdo do plano s, dado pela relação [1],
diferente da desejada, é necessário que o período de
[6]:
amostragem seja menor que um décimo do período da
1  sT frequência natural amortecida do sistema ou menor que
z 2 (8)
1  sT um décimo do tempo de subida, caso o sistema seja
2 superamortecido [6]. Para sistemas de controle de tempo
em que: discreto é necessário um período de amostragem ainda
s    j (9) menor, pois neste caso a influência do ganho do
Se controlador no sistema também deve ser considerada
 0 [6].
então, Entretanto, conforme o período de amostagem
z 1 diminui, os polos do sistema aproximam-se do limite de
estabilidade, ou seja, do limite do círculo unitário. Note
Portanto, se os polos estiverem contidos no círculo
no Exemplo 3 que um período de amostragem pequeno
unitário o sistema é estável, caso contrário o sistema
não causa uma instabilidade de fato, porém exigirá uma
tende a instabilidade [6].
precisão numérica muito grande durante os cálculos,
Figura 4 – Plano z. visto que qualquer arredondamento é suficiente para
posicionar um ou mais polos fora do círculo unitário.
Por exemplo, se
1
H ( z)  2 (10)
s  2s  1 s  2  1 z 1 
T  1 z 1 
 

para 𝑇 = 1, temos:
1  2 z 1  z 2
H ( z)  (11)
9  6 z 1  z 2
Portanto:
Fonte: Retirado de [6]. polo0  0,3333
Os sistemas de tempo discreto em malha fechada polo1  0,3333
devem ser cuidadosamente analisados, visto que a
estabilidade destes sistemas nesta configuração é Para 𝑇 = 0,001, temos
influenciada pelo período de amostragem, já que um
valor inadequado posiciona os polos em uma região do
1  10 6  2  10 6 z 1  1  10 6 z 2
círculo unitário que corresponde a uma constante de H ( z)  (12)
amortecimento diferente do que o sistema realmente 4,040  8 z 1  3,9960z  2
possui [6]. A Figura 5 mostra o círculo unitário no plano Portanto:
z em função da constante de amortecimento. polo0  0,9990
polo1  0,9990
Também não é recomendada a discretização de
sistemas de ordem elevada, pois como resultado temos
coeficientes com valores muito pequenos que também

©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
não permitem arredondamentos e, portanto o uso de Visto que todo sistema de tempo discreto pode ser
microprocessadores mais simples. No entanto esta representado por uma equação de diferenças [1], foi
limitação pode ser contornada através do uso de então elaborado um algoritmo que permite um sistema
sistemas de primeira e segunda ordem em cascata [6]. computacional ou um microprocessador emular
qualquer sistema de tempo discreto. Tal algoritmo é
IV. PROJETO DESENVOLVIDO representado pelo fluxograma da Figura 6.
O projeto desenvolvido consiste na elaboração de
Figura 6 – Fluxograma do emulador de um sistema de ordem.
algoritmos que facilitam e permitem realizar a
transformação bilinear de forma automática por meio de
recursos computacionais, bem como o estudo e
validação dos resultados obtidos via simulação e
implementação em um microprocessador.
A. Algoritmos desenvolvidos
Discretizar um sistema de ordem n através da
transformação bilinear é trabalhoso, pois exige muita
manipulação matemática para obter o resultado
desejado. Entretanto, há uma generalização para este
caso [3],[6]:
Se
b s m  ...  b0
H ( s)  m n (13)
an s  ...  a0
e
H ( z )  H ( s) s  2  1 z 1  (14)
T  1 z 1 
 

então
H ( z )  p1  p 2 (15)
em que:
p1  T 1  z 1 
nm

2 m b0 1  z 1   2 m1 b1T 1  z 1  1  z   ...  b T 1  z 

m m 1 1 m 1 m

p2  m

2 n a0 1  z 
1 n
 2 n1 a1T 1  z  1  z   ...  a T 1  z 
1 n 1 1
n
n 1 n

Veja que a solução para 1  z 1  é encontrada

n

através do teorema do binômio de Newton, como

mostra a Equação 16 [7].

 
a  bn    a nk   bk 
n
n
(16)
k 0  k 

Já o produto de 1  z 1  1  z 1  é encontrado pela

n m

soma de convolução dos coeficientes destes polinômios Fonte: Elaborada pelos autores.
conforme a Equação 17 [1] [2].


x[n] * h[n]   x[k ]  h[n  k ] (17) B. Métodos utilizados para validação

k  
Todos os algoritmos foram implementados e
em que: simulados no software MATLAB® e em seu aplicativo
Simulink®, como também no kit de desenvolvimento
x[n]  Coeficientes do primeiro polinômio; TMDSDOCK28335 em conjunto com a placa de
h[n]  Coeficientes do segundo polinômio. condicionamento de sinais. Para a validação e
Observe que utilizando as Equações 15, 16 e 17 é comparação dos dados apresentados por estas
possível realizar a discretização de um sistema de ordem plataformas foram utilizados os métodos do erro
n pelo método da transformação bilinear via recursos quadrático médio (MSE) e da relação sinal-ruído (SNR).
computacionais ou até mesmo por um Kit TMDSDOCK28335
microprocessador. O kit de desenvolvimento TMDSDOCK28335 é

©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
fabricado pela Texas Instruments e composto pelo
processador digital de sinais (DSP) TMS320F28335 e
por alguns periféricos essenciais para o seu
funcionamento e programação, como ilustra a Figura 7.
Este DSP posssui uma unidade central de
processamento (CPU) de 32 bits com capacidade para
cálculos em ponto flutuante e frequência de clock de até
150 MHz, 64 entradas/saídas digitais e um conversor
analógico-digital (ADC) de 12 bits com 16 entradas [8].
Figura 7 – Kit TMDSDOCK28335.
Fonte: Acervo dos autores.
Placa de condicinamento de sinais
A placa de condicionamento de sinais é utilizada
como interface entre os sinais de entrada e saída do
DSP. Nela estão presentes os circuitos atenuadores
utilizados para compatibilizar eletricamente os sinais
aquisitados de modo que não ultrapassem os limites do
ADC, evitando assim erros de leitura e danos ao
componente. Há também circuitos conversores digital-
analógico (DAC) responsáveis pela reconstrução do
sinal na saída do DSP, ou seja, converte os sinais
digitais binários em um sinal analógico contínuo. As
Figuras 8 e 9 são os diagramas esquemáticos destes
circuitos.
Figura 8 – Circuito atenuador de sinal.
Fonte: Elaborada pelos autores.
©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
Figura 9 – Circuito conversor analógico-digital tipo R2R.
Fonte: Elaborada pelos autores.
V. ANÁLISE DE RESULTADOS EXPERIMENTAIS
O método da transformação bilinear foram
escolhidas duas aplicações, sendo um filtro do tipo IIR
e um sistema de controle. Para o filtro foi adotado a
aproximação de Butterworth, pois além de ser o mais
utilizado em equipamentos industriais, possui
inúmeras referências bibliográficas. Para o sistema de
controle utilizou-se o controlador proporcional-
integral-derivativo (PID) paralelo clássico.
Todas as aplicações foram desenvolvidas, modeladas
e simuladas com o auxílio do software MATLAB® em
conjunto com seu aplicativo Simulink®, que permite não
só uma analise matemática como também dinâmica e
funcional dos sistemas. Portanto foi possível comparar a
resposta dos algoritmos desenvolvidos com os
disponíveis nesta ferramenta.
Após a bateria de ensaios realizados para validar os
algoritmos em ambiente virtual, passou-se então para a
implementação no DSP, onde foram testados como uma
aplicação no mundo real.
Como resultado são apresentados gráficos e dados que
comprovam, definitivamente, quão poderosa é a
transformação bilinear, e a infinidade de aplicações nas
quais podemos utilizá-la.
A. Filtro de Butterworth
O filtro de Butterworth é representado
matematicamente como [3]:
1
H () 
2
(18)
1   /  c 
2N
em que:
  Frequência do sinal [rad/s];
 c  Frequência de corte do filtro [rad/s];
N  Ordem do filtro.
A ordem deste filtro pode ser especificada através das
Equações 19 e 20 [3].
  1  1   p 2
1

 2N
 p  c    0,5625 2 N
1

 1   2
(19) 1
  c
 p  2  24,0000 21N
1 c
1  s2  2N
 s   c  
 (20)
 s
2

 0,0234 2 N
 1 1

em que: 2

2N
 p  Banda de passagem [rad/s]; 1
2N

 0,0234 2 N 
1
   
 s  Banda de rejeição [rad/s]; 2
 p  Tolerância da banda de passagem [%]; N
1
 s  Tolerância da banda de rejeição [%].    0,0234
4
Usualmente o filtro de Butterworth é representado
log 10 (0,0234)
por sua função de transferência no domínio da N  2,7087
frequência de Laplace. Portanto, é necessário conhecer log 10 (0,25)
o número de polos do filtro, que é dado pela relação 2N
[3]. A Equação 21 indica a localização desses polos no N 3
plano s [3].
Portanto, a frequência de corte do filtro é:
2 k  N 1 1

3

 0,3600  6
j
sk   c e 2N
(21)   c  
8  0,6400 
No entanto para que a resposta do filtro seja estável 3
 0,9086 c
utilizam-se apenas os polos que estão localizados no 8
lado esquerdo do plano s [3]. Assim sendo, basta aplicá-  c  1,2967 [rad/s]
los na Equação 22 para então encontrar a função de
transferência do filtro [8]. e a função de Butterworth é:
N 1


1
H ( s)   cN (22) H ( ) 
2 1
(23)
k 0 s  s k 1   / 1,2967
6

Projeto e discretização do filtro de Butterworth

Entretando, ainda é necessário encontrar os polos
Para o projeto do filtro de Butterworth foram
deste filtro para obter sua função de transferência no
adotados os seguintes parâmetros como exemplo:
domínio de Laplace. Se N  3 , então existem 3 polos
 p  3 8 ,  s  3 4 e  p   s  20%  0,2 .
que devem compor a função transferência, segundo a
Primeiramente foi necessário determinar qual a Equação 21:
ordem do filtro através das Equações 19 e 20 em j
20  3 1

4
j 
conjunto com as especificações fornecidas. s 0  1,2967  e 2 3
 1,2967  e 6
 0,6484  j1,1230

1 21 31 6

 1  1  0,2 2
j  j 
3  2N s1  1,2967  e 2 3
 1,2967  e 6
 1,2967
  c  

 1  0,2 
2 2 2  3 1
8 
8
j  j 
s 2  1,2967  e 2 3
 1,2967  e 6
 0,6484  j1,1230
1

3  1  0,2 2
 2N
  c  
 0,2 
2
4
Aplicando os polos obtidos na Equação 22:
31


1
Como a frequência de corte para o filtro ainda é H ( s)  1,2967 3
desconhecida, dividiu-se uma equação pela outra para k 0 s  s k

finalmente determinar a ordem do filtro:  1 1 

  
1
 s  0,6484  j1,1230 s  1,2967 
3  0,3600  2N
H ( s )  3,1074
 c   1 
8   0,6400    
3 1  s  0,6484  j1,1230 
 0,9600  2 N
4  c  
 0,0400 

©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
 2,1803 Figura 11 – Resposta do filtro em tempo contínuo e discreto em
H ( s)  (24) Simulink®.
s  2,5934s  3,3629s  2,1803
3 2

A discretização pela transformação bilinear da função

de transferência deste filtro para T = 0,2 é:

2,1803
H ( z) 
s  2,5934s  3,3629s  2,1803 s  2  1 z 1 
3 2

T  1 z 1 
 

0,0174  0,0523z 1  0,0523z 2  0,0174z 3

H ( z) 
10,3612  25,7534z 1  21,7086z  2  6,1769z 3
(25)

y[n]  0,00017x[n]  0,00051x[n  1]

 0,00051x[n  2]  0,00017x[n  3]
(26)
 2,4856 y[n  1]  2,0952 y[n  2]
 0,5962 y[n  3]

Simulação e implementação do filtro de Butterworth Fonte: Elaborado pelos autores.

A primeira simulação realizada teve como objetivo
comparar as respostas apresentadas pela função Após validar o método de discretização, foi a vez de
transferência de tempo contínuo com as respostas da simular o algoritmo do emulador de sistemas de ordem
função de transferência de tempo discreto, para verificar n. Tal algoritmo foi implementado utilizando o recurso
a eficiência do método de discretização pela de programação do MATLAB® denominado M-File.
transformação bilinear. A Figura 10 mostra o diagrama
de blocos das Equações 24 e 25 no ambiemte de Note na Figura 12, que este algoritmo apresentou
simulação do aplicativo Simulink®. uma resposta semelhante a dos sistemas do aplicativo
Os resultados dessa simulação apresentados na Figura Simulink®, fato que valida seu funcionamento.
11, em forma de gráficos, mostram que as respostas são Comparando a resposta do filtro de tempo discreto do
semelhantes e que o filtro funciona independentemente Simulink® com a do algoritmo, foi obtido o valor de
de ser de tempo contínuo ou discreto. Nota-se também MSE de 0,3732∙10-6 e 122,4638 dB para a SNR.
que o erro quadrático resultante da comparação entre a
resposta do filtro de tempo contínuo e a resposta do
filtro de tempo discreto é aproximadamente nulo, o que
comprova a eficiência do método de discretização pela
transformação bilinear. Foi encontrado nesta mesma
comparação o valor de 2200∙10-6 de MSE, e de 47,0975
dB para a SNR.

Figura 10 – Diagrama de blocos das Equações 24 e 25 no

®
Simulink .

Fonte: Elaborado pelos autores.

©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
 Figura 12 – Resposta do filtro: comparativo Simulink® e algoritmo.
 1 
C ( s)  K p 1   Td s  (27)
 Ti s 
em que:

K p  Ganho proporcional;
Ti  Tempo integral [s];
Td  Tempo derivativo [s].

Sistemas em malha fechada que não possuem

características de integradores apresentam um erro em
regime permanente, ou seja, uma diferença entre o valor
de referência para a entrada e a resposta do sistema [3],
[4]. Utilizando o controlador proporcional é possível
diminuir esse erro [3], [4]. Portanto, quanto maior o
ganho proporcional, menor será o erro em regime
permanente. Entretanto, um ganho elevado pode causar
instabilidade, pois neste caso uma pequena variação do
erro causa uma grande variação na saída do controlador
[3].
Ao adicionar um integrador ao controlador
proporcional é possível eliminar o erro em regime
permanente [3]. Quanto menor o tempo integral, mais
rápido o controlador age para corrigir o erro, porém a
Fonte: Elaborado pelos autores. resposta do sistema pode apresentar sobrevalor e
oscilações excessivas com tendência à instabilidade [3].
Por fim o algoritmo foi executado pelo DSP, onde O controlador derivativo aumenta o amortecimento do
também foram obtidos excelentes resultados. A Figura sistema, isso faz com que seja útil contra oscilações.
13 mostra a resposta do filtro sendo analisada através de Mas na presença de ruídos de alta frequência pode
um osciloscópio. apresentar instabilidade [3].
Figura 13 – Resposta do filtro: Algoritmo no DSP.
Discretização do Contolador PID paralelo clássico
Para facilitar o processo de discretização do
controlador PID deve-se expandir sua função de
transferência:
 1 
C ( s)  K p 1   Td s 
 T i s 
K
C (s)  K p  p  K pTd s
Ti s
C ( s)  P( s)  I ( s)  D( s) (28)
Portanto, para o controlador PID existem as seguintes
discretizações:
 Controlador proporcional:
P( s )  K p
Fonte: Acervo dos autores.
P( z )  P( s) s  2  1 z 1 
B. Controlador Proporcional-Integral-Derivativo T  1 z 1 
 
O controlador PID é a junção dos controladores
P( z )  K p 2  1 z 1 
s  
proporcional, integral e derivativo. É utilizado há T  1 z 1 
 
décadas na indústria por ser relativamente fácil ajustá-
lo, visto que existem inúmeras técnicas desenvolvidas P( z )  K p (29)
para tal [3]. Assim, a função de transferência do Então a equação de diferenças para a parte
controlador PID paralelo clássico é [3]: proporcional do controlador é:
y p [ n]  K p x p [ n] (30)
 Controlador integral:

©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
 Kp 27 e 35 no Simulink®, coforme mostra a Figura 14.
I ( s) 
Ti s Figura 14 – Diagrama de blocos das Equações 27 e 35 – Simulink®.
I ( z )  I (s) 2  1 z 1 
s  
T  1 z 1 
 

Kp
I ( z) 
Ti s 2  1 z 1 
s  
T  1 z 1 
 

K pT  K pTz 1
I ( z)  (31)
2Ti  2Ti z 1
A equação de diferenças do controlador integral é:

K pTxi [n]  K pTxi [n  1]  2Ti yi [n  1]

yi [n]  (32) Fonte: Elaborado pelos autores.
2Ti
 Controlador derivativo Nesta simulação também foram obtidos resultados
O controlador derivativo geralmente é implementado satisfatórios na resposta do controlador PID, com MSE
junto a um filtro passa-baixa para limitar seu ganho de 27,7550∙10-6 e SNR de 81,5633 dB, conforme mostra
frente a sinais de alta frequência: a Figura 15.
1 K p Td s
D(s)  K p Td s  
Td s  1 Td s  1 Figura 15 – Resposta do controlador PID – Simulink

em que:

  Constante de tempo do filtro [s].

Portanto:
K pTd s
D( s ) 
Td s  1
D( z )  D( s) s  2  1 z 1 
T  1 z 1 
 

K pTd s
D( z ) 
Td s  1 s  2  1 z 1 
T  1 z 1 
 

2K pTd  2K pTd z 1 Fonte: Elaborado pelos autores.

D( z)  (33)
2Td  2Td z 1  T  Tz 1
No ambiente de programação do MATLAB® foi
Então equação de diferenças do controlador derivativo implementado o controlador PID em conjunto com o
é: algoritmo do emulador de sistemas para simular e
validar as Equações 30, 32 e 34. Neste procedimento
2K pTd xd [n]  2K pTd xd [n  1]  2Td yd [n  1]  Tyd [n  1]também foram obtidos bons resultados, conforme pode
yd [n] 
2Td  T ser visto na Figura 16. O MSE encontrado para este
caso foi 15,8237∙10-6 e a SNR foi 84,6209 dB.
Portanto, o controlador PID discretizado é:

C( z)  P( z)  I ( z)  D( z)

K pT  K pTz 1 2K pTd  2K pTd z 1

C( z)  K p  
2Ti  2Ti z 1 2Td  2Td z 1  T  Tz 1
(35)
Simulação e implementação do controlador PID
Para análise do controlador PID foram adotados os
mesmos critérios dos ensaios realizados com o filtro de
Butterworth, ou seja, primeiro foi simulado as Equações

©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
 Figura 16 – Resposta do controlador PID – Simulink® x algoritmo.
Fonte: Elaborado pelos autores.
O mesmo procedimento foi realizado com o DSP,
porém com o auxílo de outro kit, pois o primeiro foi
programado para emular somente o controlador PID,
enquanto o segundo emulou o sistema a ser controlado.
Observe na Figura 17 que o resultado é semelhante ao
obtido nas simulações do MATLAB®.
Figura 17 – Resposta do controlador PID - Algoritmo no DSP.
Fonte: Elaborada pelos autores.
VI. CONCLUSÕES
A flexibilidade de aplicação e custo reduzido torna os
microprocessadores a melhor escolha como componente
base de inúmeras aplicações, indo desde um simples
aparelho doméstico até equipamentos industriais
complexos. Mas todos os recursos oferecidos por essa
tecnologia só são plenamente aproveitados quando o
desenvolvedor possui o conhecimento de técnicas antes
utilizadas somente para sistemas analógicos, visto que
todo o projeto e desenvolvimento matemático de
sistemas na maioria dos casos são feitos no domíno de
tempo contínuo. Deste modo, o método da
transformação bilinear torna-se uma ferramenta
©Revista Ciência e Tecnologia, vol.17, n.31, p 12-22., jul./dez. 2014 - ISSN: 2236-6733
indispensável para quem deseja utilizar um
microprocessador para aplicações mais complexas, em
que é conveniente o uso dessas técnicas já
desenvolvidas e consagradas. No entanto para que se
tenham bons resultados as limitações deste método
devem ser rigorosamente respeitadas.
Recursos computacionais de simulação virtual, como
o software MATLAB®, são instrumentos fundamentais
tanto para estudo como para desenvolvimento de novos
métodos e técnicas, pois realizam de forma simples e
ágil incontáveis cálculos matemáticos que na maioria
dos casos seriam inviáveis, ou levariam dias para serem
concluídos se feitos pelo modo convencional.
REFERÊNCIAS
[1] NALON, José Alexandre, Introdução ao
processamento digital de sinais, 1ª ed., Rio de
Janeiro: LTC, 2009.
[2] HAYKIN, Simon., VAN VEEN, Berry, Sinais e
sistemas, 4ª ed., Porto Alegre: Bookman, 2001.
[3] OGATA, Katsuhiko, Engenharia de controle
moderno, 4ª ed., São Paulo: Person Prentice Hall,
2003.
[4] BOLTON, William, Engenharia de controle, São
Paulo: Makron Books, 1995.
[5] DORF, Richard. C.; BISHOP, Robert. H., Sistemas
de controle modernos, 11ª ed., Rio de Janeiro:
LTC, 2009.
[6] OGATA, Katsuhiko, Discrete-time control
systems, 2ª ed., New Jersey: Prentice Hall, 1994.
[7] STEWART, James., Cálculo, vol. I, 7ª ed, São
Paulo: Cengage Learning, 2013.
[8] TMS320F28335 Rev. M Datasheet, Texas
Instruments – Home, 2014. Disponível em:
<http://www.ti.com/lit/ds/symlink/tms320f28335.p
df> Acesso em 06/05/2014.