Escolar Documentos
Profissional Documentos
Cultura Documentos
DISCIPLINA: CONTROLE II
y1
u1 v1 y1
u2 y2 v2 y2
2 2
Desacoplamento total: obtenção de um conjunto de subsistemas
isolados (diagonalização)
b) Descentralização: restrição imposta à estrutura do controlador
devido à impossibilidade (geográfica, técnica ou econômica ) de
centralizar as informações das saídas.
C1
u1 y1
S1
u2 y2
S2
C2
u3 y3
S3
C3
Ações de controle são aplicadas sobre os subsistemas; os
controladores devem atuar de forma coordenada para atingir o
desempenho global desejado.
Não altera os acoplamentos (interconexões) entre os subsistemas.
Exemplo: controle de sistemas de grande porte (Sistemas Elétricos
de Potência).
2. REPRESENTAÇÃO DE SISTEMAS DINÂMICOS
2.1. Introdução
Os sistemas dinâmicos, independentemente de serem mecânicos,
elétricos, térmicos, hidráulicos, econômicos, biológicos, ou de outra
natureza, majoritariamente, podem ser descritos por equações
diferenciais ou à diferença.
2.2.1. Sistemas de entrada única e saída única (Single Input, Single Output
- SISO), também chamados sistemas monovariáveis
O conceito de função de transferência é bastante usado para caracterizar
a razão entre a entrada e a saída de um sistema linear invariante no
tempo ( Linear Time Invariant – LTI System), monovariável.
Função de transferência
A função de transferência de um sistema LTI monovariável é definida
como a razão da transformada de Laplace da saída para a transformada
de Laplace da entrada, considerando nulas todas as condições iniciais.
k k : constante da mola
u
m : massa
m f : coeficient e de fricção - viscosa (do amortecedo r)
y u : força aplicada à massa (é a entrada do sistema)
f y : deslocamen to da massa (é a saída do sistema)
(m s 2 f s k )Y (s) U ( s)
Y (s) 1
G( s)
U (s) m s 2 f s k
2. Sistema rotacional mecânico: uma carga inercial com um amortecedor
T f J
J f T (2.4)
Aplicando a transformada de Laplace à equação (2.4), considerando
nula a condição inicial, segue que
J s (s) f ( s) T ( s)
( s) 1
G( s)
T ( s) Js f
2.2.2. Sistemas de múltiplas entradas e múltiplas saídas (Multi Input,
Multi output - MIMO), também chamados de sistemas multivariáveis
Matriz de transferência
Considere um sistema com m entradas e p saídas. As m entradas e as
p saídas serão consideradas como as componentes de dois vetores, que
serão denominados vetor de entrada e vetor de saída, respectivamente:
u1 (t ) y1 (t )
u (t ) y (t )
u (t ) 2 , vetor de entrada y (t ) , vetor de saída
2
um (t ) p
y (t )
A matriz de transferência relaciona a transformada de Laplace do vetor
de saída, Y(s), com a transformada de Laplace do vetor de entrada,
U(s), da forma expressa a seguir:
U1 (s) Y1 ( s)
U 2 ( s) Y2 (s)
G(s)
U m (s) Y p (s )
Da equação (2.5), pode-se escrever o conjunto de equações:
Y1 ( s) G11 ( s)U1 ( s) G12 ( s)U 2 ( s) G1m ( s)U m ( s)
Y2 ( s) G21 ( s)U1 ( s) G22 ( s)U 2 ( s) G2 m ( s)U m ( s)
Yp ( s) G p1 ( s)U1 ( s) G p 2 ( s)U 2 ( s) G pm ( s)U m ( s)
As equações acima podem ser representadas pelo diagrama de blocos:
U1 (s) G11 (s)
U 2 ( s) G12 (s) Y1 ( s)
G1m ( s )
G p1 ( s )
G p 2 (s) Y p (s )
U m (s) G pm (s )
Exemplo de modelagem de um sistema físico MIMO
Considere o sistema mecânico translacional, esquematizado na figura a
seguir:
m2
y2
Mais uma vez as forças peso que agem sobre as massas serão omitidas da
análise, graças ao fato de fazermos y1 0 e y2 0 corresponder à situ
ação de equilíbrio do sistema quando este não está sujeito às forças u1, u2
Aplicando a lei de Newton a cada uma das massas, segue que
u1 k1 y1 f ( y1 y 2 ) m1 y1 (2.6a)
u2 k2 y2 f ( y 2 y1 ) m2 y2 (2.6b)
re-ordenando os termos das equações (2.6), pode-se escrever:
m1 y1 f ( y1 y 2 ) k1 y1 u1 (2.7a)
m2 y2 f ( y 2 y1 ) k2 y2 u2 (2.7b)
Aplicando a transformada de Laplace a cada uma das equações (2.7), tém-se:
(m1s 2 fs k1 )Y1 ( s) fsY2 ( s) U1 ( s) (2.8a)
(m2 s 2 fs k2 )Y2 ( s) fsY1 ( s) U 2 ( s) (2.8b)
Na forma matriz-vetor, o sistema (2.8) é equivalente a:
ou
m2 s 2 fs k 2 fs
Y1 ( s)
U1 ( s )
Y ( s )
m1 s fs k1 U 2 ( s)
2 (2.10)
2 fs
onde
(m1s 2 fs k1 )(m2 s 2 fs k2 ) ( fs) 2 0
1 m s 2
f s k2 fs
y1 (t ) & 2
U1 ( s ) U 2 ( s )
1 f s m s 2
f s k1
y2 (t ) & U1 ( s )
1
U 2 ( s )
R(s ) G1 ( s) G2 (s) Y (s )
H (s)
Do diagrama em blocos da figura anterior, obtém-se a expressão para
a transformada de Laplace da saída:
G1 ( s)G2 ( s) G2 ( s)
Y ( s) R( s) N ( s) (2.11)
1 G1 ( s)G2 ( s ) H ( s ) 1 G1 ( s)G2 ( s) H ( s)
G1 ( s)G2 ( s) G2 ( s) R( s )
Y ( s)
1 G1 ( s)G2 ( s) H ( s) 1 G1 ( s)G2 (s) H ( s) N ( s)
x1 (t ) f1 ( x1 , x2 ,, xn ; u1 , u2 ,, um ; t )
x (t ) f ( x , x ,, x ; u , u ,, u ; t )
x(t ) 2 , f ( x , u , t ) 2 1 2 n 1 2 m
n
x (t ) n 1 2
f ( x , x , , x n ; u 1 , u 2 , , u m ; t )
y1 (t ) g1 ( x1 , x2 , , xn ; u1 , u2 , , um ; t ) u1 (t )
y (t ) g ( x , x ,, x ; u , u ,, u ; t ) u (t )
y (t ) , g(x , u , t) 2 1 2 , u (t ) 2
2 n 1 2 m
p
y (t ) p 1 2
g ( x , x , , x n ; u1 , u 2 , , u m ; t ) m
u (t )
Então as equações (2.12) e (2.13) podem ser escritas da forma
compacta seguinte:
x (t ) f ( x , u , t ) (2.14a)
y (t ) g ( x , u , t ) (2.14b)
Onde (2.14a) é a equação de estados e (2.14b) é a equação de saída. Se
as funções vetoriais f e/ou g envolverem, explicitamente, a variável t, o
sistema será dito variante no tempo.
D(t )
x (t ) x(t ) y (t )
u (t )
B (t ) dt C (t )
A(t )
x (t ) Ax(t ) Bu (t ) (2.16a )
y (t ) Cx(t ) Du (t ) (2.16b)
Exemplo de modelagem de sistema físico no espaço de estados:
u (t ) k k : constante da mola
u : força aplicada à massa (entrada do sistema)
m m : massa
y (t ) f : coeficient e de fricção viscosa
f y : deslocamen to da massa (saída do sistema)
m y(t ) f y (t ) k y (t ) u (t ) (2.18)
y(t ) x1 (t ) (2.24)
Sob a forma matriz-vetor, as equações (2.23) e (2.24) podem ser escritas
como segue:
x1 (t ) 0 1 x (t ) 0
x (t ) k f 1 1 u (t )
x2 (t )
(2.25a)
2 m m m
x1 (t )
y (t ) 1 0 (2.25b)
2
x (t )
A equação (2.25a) é denominada equação de estados e (2.25b) é a
equação de saída.
Observa-se que o sistema particular (2.25) está na forma:
x (t ) Ax(t ) Bu (t )
y (t ) Cx(t ) Du (t )
onde:
x1 (t ) 0 1 0
x(t ) , A k f , B 1 , C 1 0, D 0
x2 (t ) m
m m
Diagrama em blocos a partir do sistema no espaço de estados
1 x2 x2 x1 y
u
m
f
m
k
m
s X ( s) A X ( s) BU ( s) (2.27a)
Y ( s) C X ( s) D U ( s) (2.27b)
De (2.27a), pode-se escrever:
( sI A) X ( s) B U ( s) (2.28)
Multiplicando, à esquerda, a equação (2.28) por ( sI A) 1, obtém-se
G(s) C (sI A) 1 B D
Que está em termos das matrizes A, B, C e D.
0 1 0
A k f , B 1 , C 1 0, D0
m
m m
Observe que este sistema é monovariável pois B tem uma única coluna e
C tem uma única linha.
Portanto, o resultado do cálculo seguinte é de uma função de transferência
e não de uma matriz de transferência. 1
s 0 0 1 0
G ( s ) C ( sI A) 1 B D 1 0 k f 1 0
0 s m
m m
1
s 1 0
G ( s) 1 0 k f 1
s
m m m
f
s m 1 0
G ( s ) 1 0
1 1
m
s 2 f s k k
m m
s
m
1
G ( s)
ms 2 f s k
2.3.1 Representação no espaço de estados de sistemas descritos por
equações diferenciais lineares de ordem n sem derivadas do sinal de
entrada
Considere um sistema monovariável geral, descrito pela seguinte equação
diferencial de ordem n:
(n) ( n 1)
y (t ) an 1 y (t ) a1 y (t ) ao y (t ) u (t ) (2.31)
( n 1)
O conhecimento de y (0) , y (0) ,, y (0) , e do sinal de entrada u (t )
para t 0 , determina completamente o comportamento futuro do
sistema. ( n1)
Pode-se considerar y (t ) , y (t ) ,, y (t ) como os n valores de variáveis de
estado, usando a seguinte definição:
x1 (t ) y (t )
x2 (t ) y (t )
(2.32)
( n 1)
xn (t ) y (t )
Na prática, devido à imprecisão causada pelo ruído nos termos com
derivada de ordem elevada, tal escolha pode não ser conveniente.
Entretanto, ela é bastante conveniente sob o ponto de vista matemático.
Derivando, em relação ao tempo, cada uma das equações (2.32), obtém-
se:
x1 (t ) y (t )
x2 (t ) y(t )
(2.33)
(n)
xn (t ) y (t )
x1 (t )
x (t )
y (t ) 1 0 0 2 (2.36)
xn (t )
Y (s) 1
n
U ( s ) s an 1s n 1 a1s a0
x1 (t ) y (t ) 0u (t )
x2 (t ) y (t ) 0u (t ) 1u (t ) x1 (t ) 1u (t )
x3 (t ) y(t ) 0u(t ) 1u (t ) 2u (t ) x2 (t ) 2u (t )
(2.38)
( n 1) ( n 1) ( n2) ( n 3)
xn (t ) y (t ) 0 u (t ) 1 u (t ) 2 u (t ) n 2u (t ) n 1u (t ) xn 1 (t ) n 1u (t )
x1 (t ) x2 (t ) 1u (t )
x2 (t ) x3 (t ) 2u (t )
(2.42)
xn 1 (t ) xn (t ) n 1u (t )
xn (t ) a0 x1 (t ) a1 x2 (t ) an 1 xn (t ) nu (t )
x1 (t ) 0 1 0 0 x1 (t ) 1
x (t ) 0 0 1 0 x2 (t ) 2
2
u (t ) (2.43)
xn 1 (t ) 0 0 0
1 xn 1 (t ) n 1
xn (t ) a0 a1 a2 an 1 xn (t ) n
E a equação de saída pode ser escrita como:
x1 (t )
x (t )
2
y (t ) 1 0 0 0 0u (t ) (2.44)
x (
n 1 t )
xn (t )
x1 (t ) 0 1 0 0 x1 (t ) 0
x (t ) 0 0 1 0 x2 (t ) 0
2
u (t ) (3.2a)
n 1 0
x (t ) 0 0 1 xn 1 (t ) 0
xn (t ) a0 a1 a2 an 1 xn (t ) 1
x1 (t )
x (t )
y (t ) b0 a0 bn b1 a1 bn bn 1 an 1 bn 2 bn u (t ) (3.2b)
xn (t )
Forma canônica observável
x1 (t ) 0 0 0 a0 x1 (t ) b0 a0 bn
x (t ) 1 0 0 a1 x2 (t ) b1 a1 bn
2
u (t ) (3.3a )
n 1 0 1
x (t ) 0 an 2 xn 1 (t ) bn 2 an 2 bn
xn (t ) 0 0 1 an 1 xn (t ) bn 1 an 1 bn
x1 (t )
x (t )
2
y (t ) 0 0 0 1 bn u (t ) (3.3b)
xn 1 (t )
xn (t )
Forma canônica diagonal
Considere o caso em que o polinômio do denominador de (3.1) possui
somente raízes distintas, de modo que (3.1) pode ser escrita como:
Y ( s) bn s n bn 1 s n 1 b1 s b0
U ( s) ( s p1 )( s p2 ) ( s pn )
Y ( s) c1 c2 cn
bn (3.4)
U ( s) s p1 s p2 s pn
A forma canônica diagonal deste sistema é:
x1 (t ) p1 0 0 x1 (t ) 1
x (t ) 0 p2 0 x2 (t ) 1
2 u (t ) (3.5a)
0 0 0
n 0
x (t ) 0 pn xn (t ) 1
x1 (t )
x (t )
y (t ) c1 c2 cn 2 bn u (t ) (3.5b)
n
x (t )
Forma canônica de Jordan
Considere por exemplo que três dos n pólos são iguais entre si, que são
p1 p2 p3 , e os n-3 restantes são distintos . Assim, a forma fatorada
de Y(s)/U(s) torna-se:
Y ( s) bn s n bn 1 s n 1 b1 s b0
U ( s) ( s p1 )3 ( s p4 ) ( s pn )
Y ( s) c1 c2 c3 c4 cn
bn
U ( s) ( s p1 )3 ( s p1 ) 2 s p1 s p4 s pn
Uma representação deste sistema no espaço de estados, sob a forma
canônica de Jordan é dada por:
x1 (t ) p1 1 0 0 0 x1 (t ) 0
x (t ) 0 p 1 x (t ) 0
2 1 2
x3 (t ) 0 0 p1 0 0 x3 (t ) 1
u (t ) (3.6a )
x4 (t ) 0 0 p4 0 x4 (t ) 1
n
x (t ) 0 0 0 p n 1
n x (t )
x1 (t )
x (t )
y (t ) c1 c2 cn 2 bn u (t ) (3.6b)
n
x (t )
x1 (t ) 1 0 x1 (t ) 1
x (t ) 0 2 x (t ) 1 u (t )
2 2
x1 (t )
y (t ) 2 1
2
x (t )
Autovalores de uma matriz A n x n.
Um escalar é chamado um autovalor de uma matriz real A n x n se existe
um vetor não nulo q tal que
Aq q (3.9)
O vetor q é chamado um autovetor, à direita, de A, associado ao autovalor .
Para fins de calculo dos autovalores de A, escreve-se (3.9) como:
Como q deve ser não nulo, então para (3.10) ter solução, a matriz (I A)
deve ser singular ou, equivalentemente:
det( I A) 0 (3.11)
a equação característica é:
1 0
det( I A) 0 1 3 62 11 6 ( 1)( 2)( 3) 0
6 11 6
q1 0 1 1
T
1 0 0
( A 1 I)q 2 1 1 2q 2 0 (3.15)
0 1 2
podendo ser
q 2 0 2 1
T
Por último o autovetor associado a 0, que é obtido de
0 0 0
( A 0 I)q 3 1 0 2q 3 0 (3.16)
0 1 1
podendo ser
q3 2 1 1
T
A solução para cada uma das equações (3.14), (3.15) e (3.16) não é única.
Portanto, outros valores para os autovetores q1 , q 2 , q 3 podem ser
escolhidos, satisfazendo (3.14), (3.15) e (3.16), respectivamente.
A representação de A na base {q 1 , q 2 , q 3} é
2 0 0
D 0 1 0
0 0 0
Observe que D é uma matriz diagonal, cujos elementos da diagonal principal
são os autovalores de A.
D Q 1 AQ
com
0 0 2
Q q1 q 2 q 3 1 2 1
1 1 1
QD AQ
0 1 1
( A 1I)q1 0 5 13q1 0
0 1 1
podendo ser q1 1 0 0
T
q3 j 3 2 j j
T
Concluindo, as matrizes Q e D são:
1 j j 1 0 0
Q q1 q 2 q 3 0 3 2 j 3 2 j , D 0 2 3 j 0
0 j j 0 0 2 3 j
encontram-se:
1 0.2582 j 0.2582 j 1 0 0
Q 0 0.7746 0.5164 j 0.7746 0.5164 j , D 0 2 3 j 0
0 0.2582 j 0.2582 j 0 0 2 3 j
Caso em que nem todos os autovalores são distintos
( A I) 2 q 2 0
( A I) 3 q 3 0
( A I) 4 q 4 0
Um vetor v é chamado um autovetor generalizado de grau n se
( A I) n v 0 (3.17a)
e
( A I) n 1 v 0 (3.17b)
Se n =1, as equações (3.17) são reduzidas a:
( A I)v 0
e
v0
e, neste caso, v é um autovetor ordinário.
Para n =4, definem-se
v4 v (3.18a)
v3 ( A I)v 4 ( A I) v (3.18b)
v 2 ( A I)v 3 ( A I) 2 v (3.18c)
v1 ( A I)v 2 ( A I)3 v (3.18d )
As equações (3.18) definem um conjunto de autovetores generalizados de
comprimento n=4, que tem as propriedades:
( A I) v1 0
( A I) 2 v 2 0
( A I) 3 v 3 0
( A I) 4 v 4 0
x Px (3.20)
O sistema
x (t ) A x (t ) B u(t ) (3.21a)
y(t ) C x (t ) D u(t ) (3.21b)
o sistema (3.21).
x (t ) Ax(t ) Bu (t ) (3.22a)
y (t ) Cx(t ) Du (t ) (3.22b)
onde:
A n x n , B n x m , C p x n , D p x m , xn , u m , y p
O problema é encontrar a solução x(t) ao estado inicial x(0) e à entrada u(t)
O procedimento a seguir visa encontrar essa solução.
At
Premultiplicando (3.22a) por e encontra-se:
e At x (t ) e At Ax(t ) e At Bu (t )
ou
e At x (t ) e At Ax(t ) e At Bu (t ) (3.23)
d At
[e x(t )] e At Bu (t ) (3.24)
dt
Aplicando a integral, de 0 a t, sobre a equação (3.24), obtém-se
t
A
x( ) 0 e A Bu ( )d
t
e (3.25)
0
De (3.25) segue que:
t
e At
x(t ) e x(0) e A Bu ( )d
0
0
ou
t
e At
x(t ) I x(0) e A Bu ( )d (3.26)
0
At
Premultiplicando (3.26) por e resulta:
t
x(t ) e x(0) e A(t ) Bu ( )d
At
(3.27)
0
Esta é portanto a solução de (3.22a) para: o estado inicial x(0) e entrada u(t).
Para verificar isto, pode-se mostrar que (3.27) satisfaz (3.22a).
sX ( s ) x(0) AX ( s ) BU ( s )
sX ( s ) AX ( s ) x(0) BU ( s )
( sI A) X ( s ) x(0) BU ( s ) (3.29)
X (s) ( sI A) 1 x(0)
A transformada inversa de Laplace de X(s) é a solução x(t). Portanto
x(t ) e x(0)
At
(3.34)
3.3. Matriz de transição de estado
Considere a equação de estado homogênea
x (t ) Ax(t ) (3.35)
A solução de (3.35) pode ser escrita como
e 1 t 0
2t
(t )
e
nt
0 e
Então, além das exponenciais e1 t , e4 t , e5 t ,, en t Φ(t) conterá ter-
mos como t e 1 t
Propriedades da matriz de transição de estados
1. (0) e A 0 I
2. (t) e At (e At ) 1 [(t )]1 ou 1 (t ) (t )
3. (t1 t 2 ) e A(t1 t2 ) e At1 e At2 (t1 ) (t 2 ) (t2 ) (t1 )
4. [(t )]n (nt )
5. (t 2 t1 ) (t1 t0 ) (t2 t0 ) (t1 t0 ) (t2 t1 )
x1 0 1 x1
x 2 3 x
2 2
Para este sistema a matriz A é:
0 1
A
2 3
A matriz de transição de estados é
1
(t ) e At & [( sI A) 1 ]
A matriz ( sI A) é
s 0 0 1 s 1
sI A
0 s 2 3 2 s 3
e sua inversa é
( s 3) 1
1 1 s 3 1 ( s 1)( s 2) ( s 1)( s 2)
( sI A)
( s 1)( s 2) 2 s 2 s
( s 1)( s 2) ( s 1)( s 2)
Então,
2e t
e 2t
e t e 2t
(t ) e At & 1 [( sI A) 1 ] t 2t
2 e 2 e e t 2e 2t
1
Sabendo que a inversa da matriz de transição de estados é (t ) (t ) ,
então
2et e 2t et e 2t
1 (t ) e At
2e t
2e 2t
et 2e 2t
3.4. Controlabilidade e observabilidade
A maioria dos sistemas físicos são projetados de modo que a entrada de con-
trole afete o sistema por completo. Para tanto deve existir um controlador a-
propriado.
t
x(t ) e x(0) e A(t ) Bu ( ) d
At
(3.40)
0
At1
Premultiplicando (3.41) por e e encontrando x(0), tém-se
t1
x(0) e A Bu ( ) d (3.42)
0
t1
Fazendo 0
k ( )u ( ) d k , então (3.43) é equivalente a:
0
n 1
x(0) Ak B k B AB An 1 B 1 (3.44)
k 0
n 1
Se o sistema for a estados completamente controláveis, a equação (3.44)
deve ser satisfeita. Isto requer que:
x (t ) Ax(t ) Bu (t ) (3.45)
1 1
B AB
0 0
1 1
Como posto
0 0 1
é menor que n=2, o sistema não é a estados
completamente controláveis.
posto CB CAB CA2 B CAn1B D p
onde M cs CB CAB CA2 B CAn 1 B D p ( n 1) m
é dita matriz de controlabilidade de saída.
3.4.3 Observabilidade
O conceito de observabilidade é dual ao de controlabilidade. Estes dois
conceitos são definidos sob a hipótese de que o modelo do sistema no espa
ço de estados é conhecido ou, equivalentemente, as matrizes A, B, C e D são
conhecidas. Conseqüentemente, o problema de observabilidade é diferente
do problema de realização ou identificação, que é para determinar ou estimar
A, B, C e D a partir das informações de entrada e saída.
Considere mais uma vez o sistema representado no espaço de estados:
x (t ) Ax(t ) Bu (t ) (3.47a)
y (t ) Cx(t ) Du (t ) (3.47b)
respectivamente.
Como A, B, C, D e u(t) são conhecidos, então os dois últimos termos do
segundo membro da equação (3.49) são quantidades conhecidas.
Portanto, elas podem ser subtraídas dos valores observados de y(t). Con-
seqüentemente, para se deduzir uma condição necessária e suficiente para
observabilidade completa para o sistema (3.47), seus termos Bu(t) e Du(t)
podem ser ignorados visando a simplificação da dedução. Neste sentido,
considere o sistema:
x (t ) Ax(t ) (3.50a)
y (t ) Cx(t ) (3.50b)
ou
ou ainda:
C
CA
y (t ) 0 (t ) 1 (t ) n 1 (t ) x(0) (3.52)
n 1
CA
Se o sistema for completamente observável, então, dado o sinal de saída y(t),
é possível determinar x(0), univocamente, durante um intervalo de tempo
0 t t1 a partir da equação (3.52).
C C
CA CA
n , onde M o é dita matriz de observabil idade
posto
n1 n 1
CA CA
O conceito de observabilidade é útil para a solução de problema de reconstru
ção de variáveis de estados não mensuráveis.
Mo C T
CA
T T
1 0
, o que é feito a seguir:
1 1
1 0
posto 2
1 1
Como este posto é igual a n, o sistema dado é completamente observável.
3.5. Estabilidade de sistemas
3.5.1 Introdução
Os sistemas são projetados para realizar algumas tarefas ou para processar
sinais. Se o sistema não é estável, ele pode queimar-se, desintegrar-se, ou
saturar quando um sinal é aplicado à sua entrada. Portanto, um sistema
instável não tem utilidade na prática e estabilidade é um requisito básico para
todos os sistemas. Além da estabilidade, os sistemas devem cumprir outros
requisitos, tais como seguimento de referência, supressão de ruído e/ou
outros, para realmente serem úteis na prática.
Uma entrada u(t) é dita limitada se existe uma constante um tal que
G ( 0) a
2. Para uma entrada u(t) = sin ωot, com t ≥ 0, a saída y(t) aproxima-se
de
G( j0 ) sin (0 t )
Um sistema SISO com função de transferência G(s) é BIBO estável se, e so-
mente se, todos os pólos de G(s) tem parte real negativa ou, equivalente-
mente, situam-se no semiplano esquerdo do plano s.
Um sistema MIMO com matriz de transferência racional própriaG ( s ) Gi j ( s )
é BIBO estável se, e somente se, todos os pólos de cada função Gi j (s )
têm parte real negativa.
Adj ( sI A)
G( s) C BD
det( sI A)
Para ser representável por (3.56) o sistema de tempo discreto deve ser linear
Invariante no tempo e causal. Além do mais o sistema deve ser inicialmente
relaxado em k=0.
Uma seqüência de entrada u(k) é dita limitada se u(k) não tende , ou
equivalentemente
u(k ) um para k 0 , 1, 2 ,
Um sistema é dito BIBO estável se, para toda seqüência de entrada limitada,
ele produz uma seqüência de saída limitada.
Este conceito é definido para a resposta ao estado nulo e é aplicável
somente se o sistema está inicialmente relaxado.
A formalização deste conceito é apresentada na seqüência.
k 0
g (k ) M
1 1 1
, ,,
z pi ( z pi ) 2
( z pi ) mi
Por conseguinte, a transformada z inversa de G(z) ou a seqüência de respos-
ta ao impulso contém os fatores
pik , k pik , , k mi 1 pik
G( z ) C ( zI A) 1 B D (3.58)
A resposta ao estado nulo do sistema (3.57) é BIBO estável se, e somente
se, todos os pólos de G(z) têm magnitude menor do que 1.
Exemplo 1:
Considere o sistema
x1 0 0 0 x1
x 0 0 0 x
2 2
x3 0 0 1 x3
Seu polinômio característico é ( ) 2 ( 1) e seu polinômio mínimo é
( ) ( 1) . A matriz A tem autovalores 0, 0, -1. O polinômio mínimo
tem raízes 0, -1. Portanto o autovalor 0 é uma raiz simples do polinômio
mínimo. Conseqüentemente, o sistema é marginalmente estável.
Exemplo 2:
Considere o sistema
x1 0 1 0 x1
x 0 0 0 x
2 2
x3 0 0 1 x3
O polinômio mínimo é ( ) ( 1) , cujas raízes são 0, 0, -1. Portanto
2
Definições úteis
- Sistema : o sistema considerado nesta subseção é representado por
x f ( x, t ) (3.60)
onde x n é o vetor de estados e f ( x, t )n é uma função de
x1 , x2 ,, xn , t . Supõe-se que o sistema (3.60) possui uma única so-
lução, que começa numa dada condição inicial. Esta solução será designada
por (t ; x0 , t0 ) onde x(t0 ) x0 , e t é o instante de tempo observado
Portanto, (t0 ; x0 , t0 ) x0
- Estado de equilíbrio : no sistema (3.60), um estado xe para o qual
f ( xe , t ) 0 , t , é chamado um estado de equilíbrio do sistema.
x xe k
A notação x xe é chamada de norma euclidiana, que é definida por
x xe ( x x
1 1e ) 2
( x 2 x 2e ) 2
( x n x ne ) 2
Seja S ( ) uma região de pontos tais que
x0 xe
E seja S ( ) outra região de pontos tais que
(t ; x0 , t0 ) xe , t t0
Um estado de equilíbrio xe do sistema (3.60) é dito estável no sentido de
Lyapunov se existe um S ( ) correspondendo a cada S ( ) tal que as traje
tórias partindo de S ( ) não saem de S ( ) quando t aumenta indefini-
damente. O número real depende de
e, em geral, também depende
de to. Se não depender de to, o estado de equilíbrio é dito uniformemen-
te estável. S ( )
x Esta figura ilustra o conceito de
S ( ) xe0 estado de equilíbrio estável
O que ficou especificado nesta definição é que em primeiro lugar escolhe-se
a região S ( ) . Para cada S ( ) deve existir uma região S ( ) tal que as
trajetórias partindo de dentro de S ( ) não saem de S ( ) quando t au-
menta indefinidamente.
- Estabilidade assintótica
Um estado de equilíbrio xe do sistema (3.60) é dito assintoticamente está-
vel se ele é estável no sentido de Lyapunov e se toda solução partindo de
dentro de S ( ) converge para xe , sem sair de S ( ) .
Esta definição está ilustrada na figura a seguir:
S ( )
S ( ) x0
xe
Na prática, a estabilidade assintótica é mais importante que a mera estabilida
de. Entretanto, a estabilidade assintótica é uma estabilidade local. Então, a
confirmação de que um dado sistema é assintoticamente estável, não garante
que o sistema vai operar adequadamente numa região irrestrita.
Neste contexto, é necessário algum conhecimento do tamanho da máxima
região de estabilidade assintótica. Esta região é chamada de domínio de
atração.
-Instabilidade
Um estado de equilíbrio xe é dito instável se para algum número real 0
e qualquer outro número real 0 , tão pequenos quanto se queira, sempre
existe um estado x0 em S ( ) tal que a trajetória partindo deste estado
abandona S ( ) . Na figura a seguir ilustra-se este conceito.
S ( )
S ( ) x0 xe
Uma função escalar é dita indefinida se na região Ω, ela assume tanto valo
res positivos quanto negativos, independentemente de quão pequena é a
região Ω.
Exemplo
Para cada uma das funções escalares representadas pelas expressões abai-
xo, identifica-se a classe de funções a que ela pertence.
1. V ( x) x12 x22 positiva definida
2. V ( x) ( x1 x2 ) 2 positiva semidefini da
3. V ( x) x12 (3x1 2 x2 ) 2 negativa definida
4. V ( x) x1 x2 x22 indefinida
- Formas quadráticas
Uma classe de funções escalares que tem um papel importante na análise
de estabilidade baseada no segundo método de Lyapunov é a forma quadráti
ca.
Um exemplo de função escalar na forma quadrática é a seguinte:
Exemplo
Mostre que a seguinte forma quadrática é positiva definida:
V ( x) 10 x12 4 x22 x32 2 x1 x2 2 x2 x3 4 x1 x3 (3.62)
Para mostrar isto, note que a forma quadrática (3.61), para n=3, é equivalente
V ( x) p11x12 p22 x22 p33 x32 2 p12 x1 x2 2 p13 x1 x3 2 p23 x2 x3 (3.63)
O segundo método, por outro lado, não requer as soluções das equa-
ções diferenciais. Para o caso de sistemas não lineares isto é muito impor
tante uma vez que suas soluções exatas podem não ser determináveis ou
serem de difícil determinação.
Uma função de Lyapunov será denotada por V(x, t) ou por V(x) quando não
Incluirem o tempo t explicitamente. No segundo método de Lyapunov, o com
portamento do sinal de V(x, t) e o comportamento de sua derivada temporal
V ( x , t ) nos fornecem informações sobre a estabilidade, estabilidade as-
sintótica ou instabilidade de um estado de equilíbrio, sem necessidade de re-
solver as equações do sistema.
1. V ( x , t ) é positiva definida
2. V ( x , t ) é negativa definida
Exemplo
Considere o sistema descrito pelas equações:
V ( x) 2 ( x12 x22 ) 2
Note portanto que V (x ) é negativa definida. Isto implica que V(x) é com-
tinuamente decrescente ao longo de qualquer trajetória. Portanto V(x) é uma
função de Lyapunov.
Como V(x) se torna infinito para um desvio infinito a partir do estado de equi-
líbrio, então o estado de equilíbrio na origem é assintoticamente estável
globalmente.
Um enunciado mais preciso deste teorema de Lyapunov é apresentado na
seqüência
Considere a classe de sistemas descritos por
x f ( x , t ) onde f (0 , t ) 0 , t t0
O estado de equilíbrio na origem do sistema é uniforme e assintoticamente
estável globalmente se existe uma função escalar V(x,t) tendo primeiras de-
rivadas parciais contínuas e satisfazendo as seguintes condições:
1. V ( x , t ) é positiva definida
2. V ( x , t ) é negativa semidefini da
3. V ( (t ; x0 , t0 ) , t ) 0 t t0 , com t0 0 e x0 0
Se, entretanto, existe uma função escalar positiva definida V ( x , t ) tal que
V ( x , t ) é identicamente nula, então a origem pode permanecer em um
ciclo limite. O estado de equilíbrio na origem, neste caso, é dito estável no
sentido de Lyapunov
Exemplo
Considere o seguinte sistema
x1 0 1 x1
x 1 1 x (3.66)
2 2
É óbvio que o único estado de equilíbrio é a origem, x1 x2 / 0 0./
Determine a estabilidade deste estado.
Vamos escolher como uma possível função de Lyapunov, a seguinte função:
Note que V (x) é indefinida. Isto implica que esta função particular V(x)
não é uma função de Lyapunov, e portanto a estabilidade não pode ser deter-
minada utilizado-a.
então x1 também deve ser nulo para t t1 . Isto significa que V (x) se
anula apenas na origem. Portanto, o estado de equilíbrio na origem é assin-
toticamente estável globalmente. Uma escolha diferente de uma função de
Lyapunov fornece a mesma informação de estabilidade.
Como V(x) deve ser positiva definida, freqüentemente escolhe-se V(x) como
uma forma quadrática em x. A função positiva definida mais simples é uma
forma quadrática. Em seguida, é investigada se V (x) é pelo menos negativa
semidefinida.
Instabilidade
Considere mais uma vez um sistema descrito por
x f ( x , t ) onde f (0 , t ) 0 , t t0 .
O estado de equilíbrio na origem é instável se existe uma função escalar
W(x, t) , tendo primeiras derivadas parciais contínuas e satisfazendo as se-
guintes condições:
x(k 1) A x(k )
det( zI A) z n bn 1 z n 1 b1 z b0
x Ax (3.68)
Onde:
xn : é o vetor de estados
An n : é uma matriz constante
Suponha que A é uma matriz não singular. Então, o único estado de equilíbrio
é a origem x=0.
A' P PA 0 (3.73)
A condição (3.73) significa que a matriz ( A' P PA) deve ser negativa
definida. Em particular, ela pode ser igual a uma matriz –Q, sendo Q uma
matriz positiva definida, Q > 0, conforme a seguinte igualdade:
A' P PA Q
- Enunciado formal do teorema de Lyapunov
Considere o sistema descrito por
x Ax
onde:
xn : é o vetor de estados
An n : é uma matriz constante não singular
O estado de equilíbrio x=0 é assintoticamente estável globalmente se, dada
uma matriz Q Q ' 0, existe uma matriz P P' 0 tal que:
A' P PA Q (3.74)
A função escalar V ( x) x' Px é uma função de Lyapunov para este
sistema. Note que, para o sistema linear em consideração, se o estado de
equilíbrio (a origem) é assintoticamente estável, então ele é assintoticamente
estável globalmente.
Ao se aplicar este teorema, várias observações importantes são necessárias:
Exemplo
Considere o sistema de segunda ordem descrito por
x1 0 1 x1
x 1 1 x
2 2
O estado de equilíbrio é a origem. Determine a estabilidade deste estado.
p11 p12
P
p12 p22
p11 p12 3 2 1
P 2
p12 p22 1 1
2
3 p11 p12 3 2 1
p11 0 , 2 0
2 p12 p22 1 1
2
Portanto, a matriz P é positiva definida e, conseqüentemente, o estado de
equilíbrio na origem é assintoticamente estável globalmente.
- Estabilidade de Lyapunov para o caso de sistemas de tempo discreto.
Considere o sistema de tempo discreto
x(k 1) Ax(k )
onde:
xn : é o vetor de estados
An n : é uma matriz constante
O estado de equilíbrio x=0 é assintoticamente estável se, dada uma matriz
Q Q ' 0 , existe uma matriz P P' 0 tal que
A' PA P Q
A função escalar V ( x) x' Px é uma função de Lyapunov para este sistema.
Se V ( x( k )) x' (k )Qx (k ) não se anula identicamente ao longo de
qualquer série solução, então Q pode ser escolhida positiva semidefinida.