Identificação de Sistemas Dinâmicos — Prof.

Samir Martins

Capítulo 2 - Representações Lineares

Prof. Samir Martins

UFSJ-CEFET/MG
Programa de Pós Graduação em Engenharia Elétrica - PPGEL

São João del-Rei, 15 de agosto de 2018

1 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Introdução

Várias maneiras (representações) podem ser utilizadas para

representar o comportamento de um determinado sistema, como:

I funções de transferência;

I representações em espaço de estados

I Representações auto regressivas - ARX, NARX, NARMAX,

ARMAX .
I Outras representações

2 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Introdução

Várias maneiras (representações) podem ser utilizadas para

representar o comportamento de um determinado sistema, como:

I funções de transferência;

I representações em espaço de estados

I Representações auto regressivas - ARX, NARX, NARMAX,

ARMAX .
I Outras representações

2 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Introdução

Várias maneiras (representações) podem ser utilizadas para

representar o comportamento de um determinado sistema, como:

I funções de transferência;

I representações em espaço de estados

I Representações auto regressivas - ARX, NARX, NARMAX,

ARMAX .
I Outras representações

2 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Introdução

Várias maneiras (representações) podem ser utilizadas para

representar o comportamento de um determinado sistema, como:

I funções de transferência;

I representações em espaço de estados

I Representações auto regressivas - ARX, NARX, NARMAX,

ARMAX .
I Outras representações

2 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Introdução

Várias maneiras (representações) podem ser utilizadas para

representar o comportamento de um determinado sistema, como:

I funções de transferência;

I representações em espaço de estados

I Representações auto regressivas - ARX, NARX, NARMAX,

ARMAX .
I Outras representações

2 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Descrevem como uma determinada entrada é transferida para a

saída do sistema modelado;
I Definida como a transformada de Laplaca da resposta ao
impulso de um dado sistema;
I Para um circuito RLC série:

3 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Descrevem como uma determinada entrada é transferida para a

saída do sistema modelado;
I Definida como a transformada de Laplaca da resposta ao
impulso de um dado sistema;
I Para um circuito RLC série:

3 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Descrevem como uma determinada entrada é transferida para a

saída do sistema modelado;
I Definida como a transformada de Laplaca da resposta ao
impulso de um dado sistema;
I Para um circuito RLC série:

3 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

4 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

Aplicando a transformada de Laplace de ambos os lados,

considerando condições iniciais nulas:

5 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Seja uma função de transferência de ordem n

N(s) (s − z1 )(s − z2 ) · · · (s − zq )
H(s) = = .
D(s) (s − p1 )(s − p2 ) · · · (s − pn )

I Os zeros de H(s) são as raízes do polinômio N(s)

I Os pólos de H(s) são as raízes do polinômio D(s)
I A ordem de uma função de transferência é igual ao número de
pólos da mesma.

6 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Seja uma função de transferência de ordem n

N(s) (s − z1 )(s − z2 ) · · · (s − zq )
H(s) = = .
D(s) (s − p1 )(s − p2 ) · · · (s − pn )

I Os zeros de H(s) são as raízes do polinômio N(s)

I Os pólos de H(s) são as raízes do polinômio D(s)
I A ordem de uma função de transferência é igual ao número de
pólos da mesma.

6 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Seja uma função de transferência de ordem n

N(s) (s − z1 )(s − z2 ) · · · (s − zq )
H(s) = = .
D(s) (s − p1 )(s − p2 ) · · · (s − pn )

I Os zeros de H(s) são as raízes do polinômio N(s)

I Os pólos de H(s) são as raízes do polinômio D(s)
I A ordem de uma função de transferência é igual ao número de
pólos da mesma.

6 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Seja uma função de transferência de ordem n

N(s) (s − z1 )(s − z2 ) · · · (s − zq )
H(s) = = .
D(s) (s − p1 )(s − p2 ) · · · (s − pn )

I Os zeros de H(s) são as raízes do polinômio N(s)

I Os pólos de H(s) são as raízes do polinômio D(s)
I A ordem de uma função de transferência é igual ao número de
pólos da mesma.

6 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Seja uma função de transferência de ordem n

N(s) (s − z1 )(s − z2 ) · · · (s − zq )
H(s) = = .
D(s) (s − p1 )(s − p2 ) · · · (s − pn )

I Para funções de transferência de sistemas reais, n ≥ q

I Se Re[pi ] > 0, i = 1,2, · · · , n, a função de transferência é
instável.
I Se Re[zi ] > 0, i = 1,2, · · · , n, a função de transferência é de fase
não mínima.

7 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Seja uma função de transferência de ordem n

N(s) (s − z1 )(s − z2 ) · · · (s − zq )
H(s) = = .
D(s) (s − p1 )(s − p2 ) · · · (s − pn )

I Para funções de transferência de sistemas reais, n ≥ q

I Se Re[pi ] > 0, i = 1,2, · · · , n, a função de transferência é
instável.
I Se Re[zi ] > 0, i = 1,2, · · · , n, a função de transferência é de fase
não mínima.

7 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Seja uma função de transferência de ordem n

N(s) (s − z1 )(s − z2 ) · · · (s − zq )
H(s) = = .
D(s) (s − p1 )(s − p2 ) · · · (s − pn )

I Para funções de transferência de sistemas reais, n ≥ q

I Se Re[pi ] > 0, i = 1,2, · · · , n, a função de transferência é
instável.
I Se Re[zi ] > 0, i = 1,2, · · · , n, a função de transferência é de fase
não mínima.

7 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Seja uma função de transferência de ordem n

N(s) (s − z1 )(s − z2 ) · · · (s − zq )
H(s) = = .
D(s) (s − p1 )(s − p2 ) · · · (s − pn )

I Resíduos de H(s) no pólo pi → Ji :

Ji = H(s)(s − pi ) |s=pi

8 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência

I Seja uma função de transferência de ordem n

N(s) (s − z1 )(s − z2 ) · · · (s − zq )
H(s) = = .
D(s) (s − p1 )(s − p2 ) · · · (s − pn )

I Resíduos de H(s) no pólo pi → Ji :

Ji = H(s)(s − pi ) |s=pi

8 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

5s + 3
H(s) =
(s + 1)(s + 2)(s + 3)

I H(s) pode ser decomposta por:

J1 J2 J3
H(s) = + +
s+1 s+2 s+3
I em que:

J1 = H(s)(s + 1) |s=−1

I J2 = 7
I J3 = −6

9 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

5s + 3
H(s) =
(s + 1)(s + 2)(s + 3)

I H(s) pode ser decomposta por:

J1 J2 J3
H(s) = + +
s+1 s+2 s+3
I em que:

J1 = H(s)(s + 1) |s=−1

I J2 = 7
I J3 = −6

9 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

5s + 3
H(s) =
(s + 1)(s + 2)(s + 3)

I H(s) pode ser decomposta por:

J1 J2 J3
H(s) = + +
s+1 s+2 s+3
I em que:

J1 = H(s)(s + 1) |s=−1

I J2 = 7
I J3 = −6

9 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

5s + 3
H(s) =
(s + 1)(s + 2)(s + 3)

I H(s) pode ser decomposta por:

J1 J2 J3
H(s) = + +
s+1 s+2 s+3
I em que:

J1 = H(s)(s + 1) |s=−1

I J2 = 7
I J3 = −6

9 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

5s + 3
H(s) =
(s + 1)(s + 2)(s + 3)

I H(s) pode ser decomposta por:

J1 J2 J3
H(s) = + +
s+1 s+2 s+3
I em que:

J1 = H(s)(s + 1) |s=−1

I J2 = 7
I J3 = −6

9 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

5s + 3
H(s) =
(s + 1)(s + 2)(s + 3)
−1 7 −6
H(s) = + +
s+1 s+2 s+3

10 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

Pólos complexos conjugados:

J1 J2 J3 Jn
H(s) = + + + ··· +
s − p1 s − p2 s − p3 s − pn
J1 J1∗ J3 Jn
= + + + ··· +
s − p1 s − p1∗ s − p3 s − pn
α1 s + α2 J3 Jn
= + + ··· +
(s − p1 )(s − p1∗ ) s − p3 s − pn

I p1∗ , J1∗ são os complexos conjugados de p1 e J1 .

I α1 = J1 + J1∗ = 2Re[J1 ];
I α2 = −(p1 J1∗ + p1∗ J1 );

11 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

Pólos complexos conjugados:

J1 J2 J3 Jn
H(s) = + + + ··· +
s − p1 s − p2 s − p3 s − pn
J1 J1∗ J3 Jn
= + + + ··· +
s − p1 s − p1∗ s − p3 s − pn
α1 s + α2 J3 Jn
= + + ··· +
(s − p1 )(s − p1∗ ) s − p3 s − pn

I p1∗ , J1∗ são os complexos conjugados de p1 e J1 .

I α1 = J1 + J1∗ = 2Re[J1 ];
I α2 = −(p1 J1∗ + p1∗ J1 );

11 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

Pólos complexos conjugados:

J1 J2 J3 Jn
H(s) = + + + ··· +
s − p1 s − p2 s − p3 s − pn
J1 J1∗ J3 Jn
= + + + ··· +
s − p1 s − p1∗ s − p3 s − pn
α1 s + α2 J3 Jn
= + + ··· +
(s − p1 )(s − p1∗ ) s − p3 s − pn

I p1∗ , J1∗ são os complexos conjugados de p1 e J1 .

I α1 = J1 + J1∗ = 2Re[J1 ];
I α2 = −(p1 J1∗ + p1∗ J1 );

11 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

Pólos complexos conjugados:

J1 J2 J3 Jn
H(s) = + + + ··· +
s − p1 s − p2 s − p3 s − pn
J1 J1∗ J3 Jn
= + + + ··· +
s − p1 s − p1∗ s − p3 s − pn
α1 s + α2 J3 Jn
= + + ··· +
(s − p1 )(s − p1∗ ) s − p3 s − pn

I p1∗ , J1∗ são os complexos conjugados de p1 e J1 .

I α1 = J1 + J1∗ = 2Re[J1 ];
I α2 = −(p1 J1∗ + p1∗ J1 );

11 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

Seja:

s+1
H(s) = ,
s(s2+ s + 1)
com p1,2 = −0,5 ± j0,866 e p3 = 0. Logo:

J1 J1∗ J3
H(s) = + +
s − p1 s − p1∗ s
α1 s + α2 J3
= +
(s − p1 )(s − p1∗ ) s

12 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

Seja:

s+1
H(s) = ,
s(s2+ s + 1)
com p1,2 = −0,5 ± j0,866 e p3 = 0. Logo:

J1 J1∗ J3
H(s) = + +
s − p1 s − p1∗ s
α1 s + α2 J3
= +
(s − p1 )(s − p1∗ ) s

12 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

Como

s+1
J1 = |s=−0,5−j0,866 = 0,5 + j0,2887,
s(s + 0,5 − j0,866)
J1∗ = −0,5 − j0,2887.

Portanto:

α1 = 2Re[J1 ] = −1,0;
α2 = −(p1 J1∗ + p1∗ J1 ) = 0
s+1
J3 = |s=0 = 1
s2 + s + 1

13 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

Então:

s+1
H(s) =
s(s2 + s + 1)
−s 1
= +
s2 + s + 1 s

14 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em frações parciais

Pólos com multiplicidade > 1

br br −1 b1
H(s) = r
+ r −1
+ ··· + +
(s − p1 ) (s − p1 ) (s − p1 )
Jr +1 Jn
+ + ··· + ,
s − pr +1 s − pn
sendo bi , i = 1, · · · ,r :

15 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Decomposição em Frações Parciais

Seja:

s2 + 2s + 3
H(s) = .
(s + 1)3
Em frações parciais:

b3 b2 b1
H(s) = 3
+ 2
+
(s + 1) (s + 1) (s + 1)
Em que:

16 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Índices de Dominância Modal

I Grande parte dos processos industriais podem ser modelados

por:

K (s − z)j e−τd s
H(s) =
si (τ1 s
+ 1)(τ2 s + 1)r

I Sistemas de alta ordem → frequentemente bem aproximados

por sistemas de ordem inferior.
I Alguns "modos"do sistema podem ser dominantes → principais
responsáveis por descreverem o comportamento do sistema

17 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Índices de Dominância Modal

I Grande parte dos processos industriais podem ser modelados

por:

K (s − z)j e−τd s
H(s) =
si (τ1 s
+ 1)(τ2 s + 1)r

I Sistemas de alta ordem → frequentemente bem aproximados

por sistemas de ordem inferior.
I Alguns "modos"do sistema podem ser dominantes → principais
responsáveis por descreverem o comportamento do sistema

17 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Índices de Dominância Modal

I Grande parte dos processos industriais podem ser modelados

por:

K (s − z)j e−τd s
H(s) =
si (τ1 s
+ 1)(τ2 s + 1)r

I Sistemas de alta ordem → frequentemente bem aproximados

por sistemas de ordem inferior.
I Alguns "modos"do sistema podem ser dominantes → principais
responsáveis por descreverem o comportamento do sistema

17 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Índices de Dominância Modal

I Índices de Dominância Modal (MDI) definidos por:

−Ji
γi = ,
pi
para pólos reais e
 
−Ji
γi = Re
pi
para pólos complexos

18 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Redução de ordem com o MDI

7,526s3 + 10,357s2 + 0,92051s + 0,63827

H(s) =
20,0141s4 + 11,749s3 + 16,987s2 + 1,1602s + 1
I p1,2 = −0,2795 ± j0,88306
I p3,4 = −0,0141 ± j0,2547
I J1,2 = 0,18235 ± j0,24077
I J3,4 = 5,6638 × 10−3 ± j2,2615 × 10−3 ,
sendo os MDI:

 
0,18235 ± j0,24077
γ1,2 = −Re = 0,32676
−0,2795 ± j0,88306
5,6638 × 10−3 ± j2,2615 × 10−3
 
γ3,4 = −Re = −7,6281 × 10−3
−0,0141 ± j0,2547
19 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Redução de ordem com o MDI

7,526s3 + 10,357s2 + 0,92051s + 0,63827

H(s) =
20,0141s4 + 11,749s3 + 16,987s2 + 1,1602s + 1
I p1,2 = −0,2795 ± j0,88306
I p3,4 = −0,0141 ± j0,2547
I J1,2 = 0,18235 ± j0,24077
I J3,4 = 5,6638 × 10−3 ± j2,2615 × 10−3 ,
sendo os MDI:

 
0,18235 ± j0,24077
γ1,2 = −Re = 0,32676
−0,2795 ± j0,88306
5,6638 × 10−3 ± j2,2615 × 10−3
 
γ3,4 = −Re = −7,6281 × 10−3
−0,0141 ± j0,2547
19 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Redução de ordem com o MDI

Funções de transferência simplificadas (pólos lentos e rápidos,

respectivamente)

2,9668 × 10−2 s + 4,1527 × 10−2

Rl (s) =
s2 + 2,8134 × 10−2 s + 6,5061 × 10−2
0,49496s + 0,49017
Rr (s) = 2
s + 0,55890s + 0,76797

I Numeradores de Rl (s) e Rr (s) → obtidos para que modelos

obtenham os dois primeiros coeficientes de Padé idênticos ao
modelo original.

20 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Redução de ordem com o MDI

Funções de transferência simplificadas (pólos lentos e rápidos,

respectivamente)

2,9668 × 10−2 s + 4,1527 × 10−2

Rl (s) =
s2 + 2,8134 × 10−2 s + 6,5061 × 10−2
0,49496s + 0,49017
Rr (s) = 2
s + 0,55890s + 0,76797

I Numeradores de Rl (s) e Rr (s) → obtidos para que modelos

obtenham os dois primeiros coeficientes de Padé idênticos ao
modelo original.

20 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Redução de ordem com o MDI

Funções de transferência simplificadas (pólos lentos e rápidos,

respectivamente)

2,9668 × 10−2 s + 4,1527 × 10−2

Rl (s) =
s2 + 2,8134 × 10−2 s + 6,5061 × 10−2
0,49496s + 0,49017
Rr (s) = 2
s + 0,55890s + 0,76797

I Numeradores de Rl (s) e Rr (s) → obtidos para que modelos

obtenham os dois primeiros coeficientes de Padé idênticos ao
modelo original.

20 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Redução de ordem com o MDI

Figura 1: Respostas ao degrau do (–) modelo original, de Rl (s) (-.-) e Rr (s) (-

-). Em geral, aproximação por Rr (s) é melhor que a de Rl (s).

21 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Resposta Temporal

A resposta temporal y (t) de um sistema, cuja resposta ao impulso é

h(t), quando excitada por uma entrada u(t) é:

y (t) = L−1 {Y (s)} = L−1 {H(s)U(s)}

Exemplificando:
     
−1 −1 −1 −1 7 −1 −6
L {H(s)} = L +L +L
s+1 s+2 s+3
ou ainda:

h(t) = −e−t + 7e−2t − 6e−3t

22 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Resposta Temporal

Figura 2: Respostas ao impulso da (–) função de transferência completa e

seus respectivos modos (-.-) -1/(s+1), (- -) 7/(s+2) e (. . .) -6/(s+3)

23 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Primeira Ordem

I A resposta ao impulso de:

K
H(s) =
τs + 1

I É dada por:

K −t/τ
h(t) = L−1 {H(s)} = e
τ

I Ao passo que a resposta ao degrau é:

H(s) k /τ J1 J2
= = +
s s(s + 1/τ ) s + 1/τ s

24 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Primeira Ordem

I A resposta ao impulso de:

K
H(s) =
τs + 1

I É dada por:

K −t/τ
h(t) = L−1 {H(s)} = e
τ

I Ao passo que a resposta ao degrau é:

H(s) k /τ J1 J2
= = +
s s(s + 1/τ ) s + 1/τ s

24 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Primeira Ordem

I A resposta ao impulso de:

K
H(s) =
τs + 1

I É dada por:

K −t/τ
h(t) = L−1 {H(s)} = e
τ

I Ao passo que a resposta ao degrau é:

H(s) k /τ J1 J2
= = +
s s(s + 1/τ ) s + 1/τ s

24 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Primeira Ordem

Por frações parciais, J1 = −K e J2 = K . Logo:
 
−1 H(s)
y (t) = L = K (1 − e−t/τ )
s

Figura 3: Respostas ao degrau unitário para τ = 2, 4, 6, 8 e 10.

H(s) = 1/τ s + 1

25 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Segunda Ordem

As respostas ao impulso e ao degrau para o sistema:

ωn2
H(s) =
s2 + 2ζωn s + ωn2
podem ser expressas por:
ωn p
h(t) = p e−ζωn t sen(ωn
1 − ζ 2 t)
1 − ζ2
e−ζωn t  p p 
h(t) = 1 − p sen ωn 1 − ζ 2 t + tan−1 ( 1 − ζ 2 /ζ)
1 − ζ2

26 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Segunda Ordem

Figura 4: Respostas ao degrau unitário. H(s) = 1/(s2 + 2ζs + 1), para

ζ = 0,1; 0,4; 0,7; 1,0; 1,3.

27 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência com Atraso Puro de Tempo

I Dada a definição de L·:
Z ∞
F (s) = f (τ )e−sτ dτ
0
Um atraso de τd unidades pode ser representado por:
Z ∞
Fa (s) = f (τ − τd )e−sτ dτ
0

I Fazendo τ = t − τd :

Z ∞
F (s) = f (t − τd )e−s(t−τd ) dt
0
Z ∞
e−τd s F (s) = f (t − τd )e−st dt = Fa (s)
0

28 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Atraso Puro de Tempo - Aproximações de Padé

I Pode-se aproximar e−τd s por uma razão de polinômios em s;

I Aproximação conhecida por aproximação de Padé.

Qn (−τd s)
e−τd s ≈ Rn (s) = ,
Qn (τd s)
Em que:
n
X (n + j)!
Qn (s) = (τd s)n−j
j!(n − j)!
j=0

29 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Atraso Puro de Tempo - Aproximações de Padé

I Pode-se aproximar e−τd s por uma razão de polinômios em s;

I Aproximação conhecida por aproximação de Padé.

Qn (−τd s)
e−τd s ≈ Rn (s) = ,
Qn (τd s)
Em que:
n
X (n + j)!
Qn (s) = (τd s)n−j
j!(n − j)!
j=0

29 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Atraso Puro de Tempo - Aproximações de Padé

I Pode-se aproximar e−τd s por uma razão de polinômios em s;

I Aproximação conhecida por aproximação de Padé.

Qn (−τd s)
e−τd s ≈ Rn (s) = ,
Qn (τd s)
Em que:
n
X (n + j)!
Qn (s) = (τd s)n−j
j!(n − j)!
j=0

29 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Atraso Puro de Tempo - Aproximações de Padé

I Pode-se aproximar e−τd s por uma razão de polinômios em s;

I Aproximação conhecida por aproximação de Padé.

Qn (−τd s)
e−τd s ≈ Rn (s) = ,
Qn (τd s)
Em que:
n
X (n + j)!
Qn (s) = (τd s)n−j
j!(n − j)!
j=0

29 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Atraso Puro de Tempo - Aproximações de Padé

I e−s pode ser aproximado por:

−s + 2
R1 (s) =
s+2
s2 − 6s + 12
R2 (s) =
s2 + 6s + 12
−s3 + 12s2 − 60s + 120
R3 (s) = = 3
s + 12s2 + 60s + 120

30 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Atraso Puro de Tempo - Aproximações de Padé

Figura 5: Resposta ao degrau unitário de H(s) = e−s /(s + 1) (–) e

respectivas aproximações de Padé para atraso puro de tempo ( · · · → R1 (s);
-.- → R2 (s); - - → R3 (s) )

31 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Resposta em Frequência

I Seja um sistema linear descrito por H(s);

I u(t) = sen(ωt);

I A resposta em regime permanente y (t) à entrada u(t) é dada

por:

y (t) = |H(jω)|sen(ωt + φ)

32 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Resposta em Frequência de Sistemas com

Dominância Modal

I A resposta em frequência de:

7,526s3 + 10,357s2 + 0,92051s + 0,63827

H(s) =
20,0141s4 + 11,749s3 + 16,987s2 + 1,1602s + 1
é apresentada a seguir:

PARA CASA: fazer o mesmo para os sistemas aproximados pela

dinâmica lenta e rápida. Comparar os resultados.

33 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Resposta em Frequência de Sistemas com

Dominância Modal

Figura 6: Resposta em frequência. O diagrama superior indica o ganho e o

inferior a fase. A distorção devido aos pólos lentos é relativamente pequena.

34 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Resposta em Frequência
I Resposta em Frequência de ganho K = 1 (–), integrador 1/jω
(–) e derivador jω(-.-)

Figura 7: Respostas em frequência de (–) K = 1; (- -) 1/jω e (-.-) jω. (a)

ganho, (b) fase.

35 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Primeira Ordem

Considere:

K
H(s) = ,
τ jω + 1
cujo módulo vale:

p
20log|H(jω)| = 20log(K ) − 20log( 1 + ω 2 τ 2 )dB

Para baixas frequências, ω << 1/τ , → 1 + ω 2 τ 2 ≈ 1. Então:

√
20log|H(jω)| = 20log(K ) − 20log( 1) = 20log(K )dB.

36 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Primeira Ordem

Para altas frequências, ω >> 1/τ e 1 + ω 2 τ 2 ≈ ω 2 τ 2 . Então:

√
20log|H(jω)| = 20log(K ) − 20log( ω 2 τ 2 )
= 20log(K ) − 20log(ωτ )dB

O ângulo de fase é definido por:

φ = −tan−1 ωτ

37 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Primeira Ordem.

Figura 8: Resposta em frequência de H(s) = 1/(τ jω + 1), considerando

vários valores de τ .

38 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Resposta em Frequência do Termo (1 + jωτ )

Figura 9: Resposta em frequência de (1 + jωτ ). As assíntotas se cruzam na

frequência de canto ω = 1/τ .

39 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Segunda Ordem

O módulo da função de transferência

1
H(jω) =
1 + 2ζ(jω/ωn ) + (jω/ωn )2
é dado por:
q
20log|H(jω)| = −20log( (1 − ω 2 /ωn2 )2 + (2ζω/ωn )2 )dB.
Para baixas frequências, tem-se (ω << ωn ):
√
20log|H(jω)| = −20log( 1) = 0dB.

40 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Segunda Ordem

Para altas frequências (ω >> ωn ):

20log|H(jω)| = −20log(ω 2 /ωn2 ) = −40log(ω/ωn )dB.

O ângulo de fase é dado por:
 
−1 2ζω/ωn
φ = −tan
1 − ω 2 /ωn2

41 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência de Segunda Ordem

Figura 10: Resposta em frequência para vários valores de ζ.

42 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Funções de Transferência com Atraso Puro de Tempo

H(s) = e−τd s

Figura 11: Resposta em frequência (–) do atraso puro de tempo e das

aproximações de Padé de primeira (· · · ), segunda (-.-) e terceira ordem (- -).

43 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Representações em Espaço de Estados

ẋ = Ax + Bu
y = Cx + Du,

sendo
I x ∈ Rn o vetor de estados;
I u ∈ Re o vetor de entradas;
I y ∈ Rp o vetor de saídas;
I A, B, C e D matrizes constantes.

44 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Função de Transferência - Espaço de Estados

Aplicando a transformada de Laplace:

X (s)s = AX (s) + BU(s)

Y (s) = CX (s) + DU(s).
Após manipulações na primeira equação:

(Is − A)X (s) = BU(s)

X (s) = (Is − A)−1 BU(s)
Substituindo na equação de saída:

Y (s) = C(Is − A)−1 BU(s) + DU(s)

Y (s)
= C(Is − A)−1 B + D
U(s)
45 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Função de Transferência - Espaço de Estados

Define-se a matriz de transferência H(s) como:

H(s) = C(Is − A)−1 B.

Os pólos de H(s) são idênticos aos autovalores da matriz A e

definem o comportamento do sistema.

46 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Representação em espaço de estados - circuito

elétrico
A partir das equações de um circuito RLC série:

di(t) 1
= (−Ri(t) − vc (t) + v (t))
dt L
dvc (t) i(t)
= ,
dt C
pode-se escrever

− RL − L1 1
      
i̇(t) i(t) L
= 1 + v (t)
v˙c (t) C 0 vc (t) 0
ẋ = Ax + Bu.

47 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Representação em espaço de estados - circuito RLC

Se C=I, D=0:

    
y1 (t) 1 0 i(t)
=
y2 (t) 0 1 vc (t)
y = Cx

48 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Representações Discretas
Seja o seguinte modelo geral:

B(q) C(q)
A(q)y (k ) = u(k ) + ν(k ),
F (q) D(q)
em que
I q − 1 é o operador em atraso → y (k )q −1 = y (k − 1);
I ν(k ) ruído branco

49 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelos de Resposta ao Impulso Finita

O somatório de convolução é definido por:

∞
X
y (k ) = h(j)u(k − j) + ν(k )
j=0

Truncando a equação acima tem-se o modelo de resposta ao

impulso finita (FIR):
M
X
y (k ) = h(j)u(k − j) + e(k )
j=0

50 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelos de Resposta ao Impulso Finita (Erro na

Saída)

Modelo FIR → modelo geral tomando-se A(q) = C(q) = D(q) =

F (q) = 1 e B(q) um polinômio arbitrário de ordem M (nu = M).

y (k ) = B(q)u(k ) + e(k ).

51 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelo ARX

I ARX → Auto Regressivo com entrada eXógena (externa).

I Obtido a partir do modelo geral com C(q) = D(q) = F (q) = 1 e
A(q), B(q) polinômios arbitrários

A(q)y (k ) = B(q)u(k ) + ν(k ).

I Classificados como modelos de erro na equação.

I Podem ser reescrito como:

52 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelo ARX

B(q) 1
y (k ) = u(k ) + ν(k ),
A(q) A(q)

Figura 12: Representação - Modelos ARX. Ruído e(k ) = ν(k )/A(q) não é
branco

53 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelo ARMAX

I ARMAX → Modelo Auto Regressivo com Média Móvel e entrada

eXógena
I Obtido pela equação geral tomando-se D(q) = F (q) = 1.
I A(q), B(q) e C(q) são polinômios arbitrários.

A(q)y (k ) = B(q)u(k ) + C(q)ν(k ),

ou, de maneira alternativa:

54 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelo ARMAX

B(q) C(q)
y (k ) = u(k ) + ν(k )
A(q) A(q)
y (k ) = H(q)u(k ) + e(k ),

sendo e(k ) não branco.

I Modelo de erro na equação;
I Erro na equação modelado por um processo média móvel (MA)
I Ruído adicionado à saída (e(k )) → ruído branco filtrado por um
filtro ARMA

55 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelo ARMAX

Figura 13: Representação ARMAX. Modelo de erro na equação.

56 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelos de Erro na Saída

I Modelos obtidos tomando-se A(q) = C(q) = D(q) = 1, sendo

B(q), F (q) polinômios arbitrários.

B(q)
y (k ) = u(k ) + ν(k ),
F (q)
sendo ν(k ) o ruído branco diretamente relacionado à saída.
Pode-se definir ainda:

F (q)w(k ) = B(q)u(k )
y (k ) = w(k ) + ν(k )

57 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelos de Erro na Saída

Figura 14: Representação de modelos de erro na saída.

58 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelo Box-Jenkins

I Obtido da equação geral tomando-se A(q) = 1;

I Demais polinômios arbitrários.

B(q) C(q)
y (k ) = u(k ) + ν(k ).
F (q) D(q)

I Funções de transferência do sistema (B(q)/F(q)) e do ruído

(C(q)/D(q)) não tem parâmetros comuns
I Independentemente parametrizadas.
I Modelo tipo erro na saída.

59 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins

Modelo Box-Jenkins

Figura 15: Representação do modelo de Box-Jenkins - modelo de erro na

saída.

60 / 61
Identificação de Sistemas Dinâmicos — Prof. Samir Martins
Agradecimentos

MUITO OBRIGADO!

Prof. Samir Martins

DEPEL/UFSJ

martins@ufsj.edu.br

61 / 61